Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-MNSev	0.06 61	0.54 261	0.10 92	0.12 105	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 111	0.11 121	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 57	0.50 243	0.10 92	0.12 105	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 111	0.10 99	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

iinet-test	0.08 72	0.16 115	0.02 15	0.16 142	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.17 206	0.02 20	0.02 21	0.71 419	0.02 16	0.02 19	0.02 21	0.02 21	0.16 184

light-stereo	0.05 57	0.04 52	0.01 10	0.02 14	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.03 53	0.02 20	0.01 10	0.73 427	0.01 10	0.01 9	0.01 9	0.01 10	0.02 20

IINet	0.06 61	0.05 66	0.02 15	0.05 60	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.04 100	0.02 20	0.02 21	0.73 427	0.02 16	0.02 19	0.02 21	0.02 21	0.04 96

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

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

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

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

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

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

CoDeX	0.15 146	0.70 277	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.01 9	0.02 20	0.67 452	0.02 15	0.69 444	0.75 460	0.01 9	0.02 21	0.02 20

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

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

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

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

Wz-Net-LNSev-Ref	0.11 111	0.44 214	0.33 259	0.39 237	0.02 22	0.03 44	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	0.39 281	0.36 323	0.02 19	0.02 21	0.02 21	0.02 20

CSP-Net	0.34 229	1.29 433	1.19 502	1.36 532	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	1.26 543	1.21 554	0.03 41	0.09 136	0.02 21	0.09 135

SFCPSM	0.17 157	0.78 289	0.02 15	0.02 14	0.01 10	0.02 20	0.02 21	0.02 21	0.01 10	0.02 21	0.02 21	0.02 21	0.01 9	0.02 20	0.79 487	0.02 15	0.75 455	0.76 462	0.02 21	0.02 21	0.02 20

Syn2CoEx	0.25 191	1.31 437	0.74 450	0.92 423	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.03 46	0.02 21	0.02 20	0.02 21	0.87 450	0.75 455	0.02 19	0.02 21	0.02 21	0.02 20

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

zh-sn7	0.10 90	0.98 327	0.14 148	0.15 132	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.15 141	0.13 158	0.03 41	0.03 57	0.03 47	0.03 52

zh-mn7	0.12 120	1.14 367	0.17 176	0.20 160	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.18 167	0.16 169	0.03 41	0.03 57	0.03 47	0.03 52

w-ln-seven-2	0.14 134	1.22 429	0.28 226	0.32 213	0.04 101	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.32 233	0.27 231	0.04 93	0.03 57	0.03 47	0.03 52

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

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

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

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

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

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

DualNet (step1)	0.10 90	1.05 355	0.12 123	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.02 21	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample9	0.10 90	1.05 355	0.12 123	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.02 21	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample8	0.10 90	1.05 355	0.12 123	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample7	0.09 75	1.00 336	0.11 112	0.11 97	0.02 22	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample6	0.09 75	0.97 326	0.10 92	0.10 80	0.03 52	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.03 56	0.03 46	0.02 21	0.03 43	0.02 21	0.10 90	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

test_sample5	0.10 90	1.07 359	0.11 112	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.10 90	0.10 99	0.03 41	0.03 57	0.04 97	0.03 52

test_sample4	0.10 90	1.03 351	0.12 123	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.13 126	0.13 158	0.03 41	0.03 57	0.03 47	0.03 52

test_sample3	0.09 75	0.87 303	0.10 92	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

test_sample2	0.09 75	1.03 351	0.11 112	0.11 97	0.03 52	0.03 44	0.03 54	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.09 85	0.09 94	0.03 41	0.02 21	0.03 47	0.02 20

test_sample1	0.09 75	0.87 303	0.12 123	0.11 97	0.03 52	0.03 44	0.03 54	0.03 46	0.02 22	0.04 92	0.02 21	0.03 46	0.03 53	0.03 43	0.03 52	0.10 90	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

SMFormer	0.09 75	1.01 345	0.09 88	0.09 76	0.03 52	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.09 85	0.09 94	0.03 41	0.02 21	0.03 47	0.02 20

tta	0.09 75	0.95 323	0.09 88	0.10 80	0.02 22	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.09 85	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

DualNet	0.10 90	1.07 359	0.11 112	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.10 90	0.10 99	0.03 41	0.03 57	0.04 97	0.03 52

1111x	0.10 90	1.14 367	0.13 143	0.14 121	0.03 52	0.04 95	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.13 126	0.11 121	0.03 41	0.02 21	0.03 47	0.02 20

xxx	0.09 75	1.01 345	0.10 92	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.02 22	0.03 44	0.03 56	0.03 46	0.02 21	0.03 43	0.02 21	0.10 90	0.10 99	0.03 41	0.02 21	0.03 47	0.03 52

x	0.11 111	1.15 370	0.15 165	0.14 121	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.14 133	0.15 166	0.03 41	0.03 57	0.03 47	0.03 52

BUS	0.83 446	1.91 503	0.92 475	4.48 629	0.02 22	0.40 284	0.04 103	0.41 293	0.02 22	0.48 377	0.03 56	0.41 301	0.05 112	0.03 43	0.05 110	1.97 583	4.19 655	0.33 258	0.23 236	0.34 247	0.27 271

BSDual-CNN	0.81 438	1.91 503	0.92 475	4.48 629	0.02 22	0.42 320	0.06 132	0.41 293	0.02 22	0.48 377	0.03 56	0.02 21	0.02 21	0.03 43	0.02 21	1.97 583	4.19 655	0.33 258	0.23 236	0.34 247	0.27 271

psmg	0.43 300	1.91 503	0.92 475	1.91 554	0.02 22	0.02 20	0.03 54	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.03 43	0.02 21	1.97 583	1.44 577	0.04 93	0.03 57	0.02 21	0.03 52

222	0.10 90	0.99 334	0.12 123	0.13 117	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.02 21	0.04 97	0.03 52

xxxx	0.11 111	1.16 372	0.16 169	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.13 126	0.16 169	0.03 41	0.04 99	0.04 97	0.04 96

test_xeample	0.10 90	1.09 361	0.13 143	0.12 105	0.03 52	0.03 44	0.03 54	0.04 95	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.14 133	0.14 162	0.03 41	0.03 57	0.03 47	0.03 52

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

AANet	0.07 67	0.04 52	0.03 39	0.04 53	0.03 52	0.04 95	0.03 54	0.04 95	0.03 59	0.04 92	0.03 56	0.04 96	0.11 156	0.04 90	0.03 52	0.58 395	0.04 66	0.04 93	0.04 99	0.04 97	0.03 52

RT-IGEV	0.07 67	0.05 66	0.03 39	0.05 60	0.03 52	0.04 95	0.03 54	0.04 95	0.03 59	0.04 92	0.03 56	0.04 96	0.04 100	0.04 90	0.03 52	0.75 430	0.03 39	0.03 41	0.03 57	0.03 47	0.04 96

RT-Monster	0.09 75	0.07 77	0.03 39	0.15 132	0.03 52	0.04 95	0.03 54	0.04 95	0.03 59	0.04 92	0.03 56	0.03 46	0.10 143	0.04 90	0.03 52	0.92 454	0.03 39	0.03 41	0.03 57	0.03 47	0.07 130

z-mn7	0.16 153	1.21 423	0.33 259	0.41 262	0.04 101	0.04 95	0.03 54	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	0.04 97	0.35 250	0.31 265	0.04 93	0.04 99	0.04 97	0.04 96

w-ln-seven	0.18 161	1.47 447	0.33 259	0.40 250	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	0.04 97	0.38 268	0.32 269	0.05 108	0.04 99	0.04 97	0.04 96

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

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

FADNet-RVC-Resample	0.12 120	0.04 52	0.04 64	0.04 53	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	1.57 601	0.04 59	0.04 66	0.04 93	0.05 118	0.04 97	0.06 126

FADNet_RVC	0.12 120	0.04 52	0.04 64	0.05 60	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.05 112	0.04 90	1.65 605	0.05 66	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

FADNet-RVC	0.13 127	0.04 52	0.04 64	0.04 53	0.04 101	0.04 95	0.05 115	0.04 95	0.04 103	0.04 92	0.05 122	0.04 96	0.05 112	0.04 90	1.71 610	0.04 59	0.04 66	0.04 93	0.04 99	0.07 128	0.04 96

FADNet	0.12 120	0.05 66	0.04 64	0.04 53	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.05 112	0.04 90	1.66 607	0.06 70	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

ADCMid	0.08 72	0.02 12	0.02 15	1.01 443	0.03 52	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.04 90	0.09 134	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

NVStereoNet_ROB	0.04 54	0.04 52	0.04 64	0.04 53	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
IGEV_i1	0.26 200	0.05 66	0.04 64	0.06 65	0.03 52	0.05 110	0.03 54	0.05 110	0.03 59	0.05 112	0.03 56	0.04 96	0.06 129	0.05 103	0.03 52	4.34 638	0.03 39	0.04 93	0.03 57	0.05 113	0.04 96

z-ln-s-r	0.21 173	1.40 445	0.53 399	0.56 366	0.04 101	0.05 110	0.04 103	0.05 110	0.05 119	0.05 112	0.04 110	0.05 113	0.04 100	0.05 103	0.05 110	0.57 394	0.44 374	0.04 93	0.04 99	0.04 97	0.04 96

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

APVNet	0.09 75	0.05 66	0.04 64	0.05 60	0.04 101	0.05 110	0.90 501	0.06 116	0.04 103	0.05 112	0.04 110	0.05 113	0.04 100	0.05 103	0.04 97	0.05 66	0.04 66	0.05 108	0.04 99	0.05 113	0.05 117

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

BEATNet_4x	0.11 111	0.03 31	0.03 39	1.60 544	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.05 103	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

ADCL	0.11 111	0.03 31	0.03 39	1.60 544	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.05 103	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

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

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

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

qqq1	0.25 191	3.70 590	0.14 148	0.14 121	0.04 101	0.06 114	0.05 115	0.06 116	0.05 119	0.06 118	0.05 122	0.04 96	0.05 112	0.06 110	0.05 110	0.13 126	0.12 135	0.06 116	0.05 118	0.03 47	0.04 96

fff1	0.25 191	3.70 590	0.14 148	0.14 121	0.04 101	0.06 114	0.05 115	0.06 116	0.05 119	0.06 118	0.05 122	0.04 96	0.05 112	0.06 110	0.05 110	0.13 126	0.12 135	0.06 116	0.05 118	0.03 47	0.04 96

mmm	0.14 134	1.83 488	0.12 123	0.11 97	0.03 52	0.03 44	0.03 54	0.03 46	0.04 103	0.03 44	0.03 56	0.03 46	0.03 53	0.06 110	0.04 97	0.12 111	0.11 121	0.05 108	0.04 99	0.05 113	0.04 96

11t1	0.17 157	2.16 521	0.13 143	0.13 117	0.04 101	0.06 114	0.04 103	0.06 116	0.04 103	0.06 118	0.03 56	0.06 119	0.03 53	0.06 110	0.05 110	0.18 167	0.12 135	0.06 116	0.03 57	0.05 113	0.03 52

ffm	0.25 191	3.83 596	0.12 123	0.12 105	0.05 121	0.06 114	0.05 115	0.06 116	0.05 119	0.03 44	0.03 56	0.06 119	0.05 112	0.06 110	0.05 110	0.12 111	0.12 135	0.05 108	0.04 99	0.06 118	0.04 96

ff1	0.25 191	3.83 596	0.12 123	0.12 105	0.05 121	0.06 114	0.05 115	0.06 116	0.05 119	0.03 44	0.03 56	0.06 119	0.05 112	0.06 110	0.05 110	0.12 111	0.12 135	0.05 108	0.04 99	0.06 118	0.04 96

mmx	0.25 191	3.83 596	0.12 123	0.12 105	0.05 121	0.06 114	0.05 115	0.06 116	0.05 119	0.03 44	0.03 56	0.06 119	0.05 112	0.06 110	0.05 110	0.12 111	0.12 135	0.05 108	0.04 99	0.06 118	0.04 96

qqq	0.16 153	2.01 512	0.12 123	0.15 132	0.04 101	0.06 114	0.05 115	0.06 116	0.04 103	0.06 118	0.03 56	0.06 119	0.03 53	0.06 110	0.03 52	0.12 111	0.14 162	0.04 93	0.04 99	0.03 47	0.03 52

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

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

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

ADCRef	0.12 120	0.03 31	0.04 64	1.71 550	0.04 101	0.03 44	0.03 54	0.04 95	0.04 103	0.04 92	0.03 56	0.04 96	0.03 53	0.06 110	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.03 47	0.04 96

AnyNet_C01	0.11 111	0.02 12	0.02 15	1.62 547	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.03 44	0.02 21	0.02 21	0.02 21	0.06 110	0.04 97	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.03 52

FINET	0.07 67	0.08 79	0.07 80	0.07 67	0.07 136	0.08 127	0.06 132	0.08 129	0.07 136	0.08 128	0.07 137	0.08 128	0.06 129	0.07 126	0.07 127	0.08 77	0.07 81	0.07 121	0.07 130	0.06 118	0.06 126

SuperB	0.21 173	0.10 92	2.51 631	0.12 105	0.09 140	0.10 137	0.09 139	0.08 129	0.07 136	0.10 137	0.09 141	0.09 136	0.07 135	0.07 126	0.07 127	0.07 75	0.08 84	0.07 121	0.07 130	0.08 133	0.07 130

AnyNet_C32	0.14 134	0.04 52	0.03 39	2.22 566	0.04 101	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.04 96	0.02 21	0.07 126	0.04 97	0.02 15	0.02 16	0.03 41	0.03 57	0.02 21	0.03 52

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

DispViT+	0.07 67	0.08 79	0.12 123	0.08 69	0.05 121	0.08 127	0.05 115	0.08 129	0.05 119	0.08 128	0.05 122	0.08 128	0.05 112	0.08 129	0.05 110	0.08 77	0.07 81	0.07 121	0.05 118	0.07 128	0.05 117

BridgeDepth_RVC	0.07 67	0.08 79	0.11 112	0.11 97	0.05 121	0.08 127	0.05 115	0.08 129	0.05 119	0.08 128	0.05 122	0.08 128	0.05 112	0.08 129	0.05 110	0.11 105	0.10 99	0.07 121	0.05 118	0.07 128	0.05 117
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GwcNet	0.12 120	0.07 77	0.05 79	0.08 69	0.05 121	0.08 127	1.20 531	0.07 126	0.05 119	0.05 112	0.05 122	0.08 128	0.05 112	0.08 129	0.03 52	0.07 75	0.05 78	0.06 116	0.05 118	0.07 128	0.05 117

ADCP+	0.15 146	0.04 52	0.04 64	2.20 565	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.05 122	0.04 96	0.04 100	0.08 129	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

ADCPNet	0.10 90	0.03 31	0.04 64	1.27 517	0.03 52	0.04 95	0.03 54	0.03 46	0.03 59	0.04 92	0.03 56	0.04 96	0.03 53	0.08 129	0.04 97	0.04 59	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

MatchStereo	0.54 374	0.12 105	2.38 629	2.32 573	0.09 140	0.09 135	0.08 138	0.09 135	0.07 136	0.09 135	0.07 137	0.09 136	0.07 135	0.09 135	0.08 129	2.34 606	2.34 625	0.12 147	0.11 155	0.11 148	0.10 140
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth	0.08 72	0.08 79	0.11 112	0.11 97	0.05 121	0.08 127	0.05 115	0.08 129	0.07 136	0.08 128	0.05 122	0.08 128	0.05 112	0.09 135	0.08 129	0.15 141	0.11 121	0.07 121	0.05 118	0.07 128	0.06 126
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
SepStereo	0.09 75	0.09 88	0.10 92	0.09 76	0.09 140	0.09 135	0.09 139	0.10 136	0.08 140	0.10 137	0.09 141	0.09 136	0.09 139	0.09 135	0.08 129	0.09 85	0.08 84	0.09 132	0.08 134	0.09 137	0.08 132

PASM	0.39 273	3.06 575	1.36 568	1.58 540	0.09 140	0.11 148	0.11 157	0.11 148	0.11 159	0.09 135	0.09 141	0.11 149	0.09 139	0.09 135	0.09 134	0.11 105	0.11 121	0.11 144	0.09 136	0.11 148	0.11 153

CAS++	0.17 157	0.27 158	0.21 196	0.10 80	0.21 235	0.15 161	0.22 223	0.10 136	0.21 224	0.22 197	0.10 145	0.19 182	0.18 216	0.10 139	0.19 214	0.20 174	0.19 198	0.18 187	0.10 143	0.19 186	0.18 206
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 90	0.10 92	0.10 92	0.10 80	0.10 147	0.10 137	0.10 144	0.10 136	0.10 144	0.10 137	0.10 145	0.10 139	0.10 143	0.10 139	0.10 140	0.10 90	0.10 99	0.10 133	0.10 143	0.10 138	0.10 140

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

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

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

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

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

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

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

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

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

JetRed	0.11 111	0.12 105	0.11 112	0.11 97	0.11 162	0.11 148	0.14 176	0.11 148	0.11 159	0.12 151	0.11 159	0.11 149	0.11 156	0.11 150	0.11 152	0.11 105	0.16 169	0.11 144	0.11 155	0.11 148	0.11 153

aanetorigin	0.13 127	0.11 103	0.11 112	0.11 97	0.11 162	0.11 148	0.11 157	0.11 148	0.11 159	0.11 149	0.12 167	0.11 149	0.11 156	0.11 150	0.11 152	0.11 105	0.11 121	0.14 153	0.11 155	0.49 386	0.11 153

BEATNet-Init1	0.19 165	0.08 79	0.08 82	2.23 567	0.08 138	0.08 127	0.07 136	0.07 126	0.08 140	0.08 128	0.07 137	0.08 128	0.07 135	0.11 150	0.08 129	0.08 77	0.08 84	0.08 126	0.07 130	0.08 133	0.08 132

DeepPrunerF	0.19 165	0.08 79	0.08 82	2.23 567	0.08 138	0.08 127	0.07 136	0.07 126	0.08 140	0.08 128	0.07 137	0.08 128	0.07 135	0.11 150	0.08 129	0.08 77	0.08 84	0.08 126	0.07 130	0.08 133	0.08 132

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

DRN-Test	0.14 134	0.13 107	0.09 88	0.14 121	0.09 140	0.15 161	0.09 139	0.14 154	0.10 144	0.14 153	0.09 141	0.14 154	0.09 139	0.13 155	0.09 134	0.12 111	0.09 94	0.12 147	0.09 136	0.12 153	0.73 472

S2M2_L	0.12 120	0.14 113	0.10 92	0.15 132	0.10 147	0.14 153	0.10 144	0.14 154	0.10 144	0.15 160	0.10 145	0.14 154	0.10 143	0.14 156	0.10 140	0.13 126	0.10 99	0.13 151	0.09 136	0.13 155	0.09 135
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CIPLG	0.13 127	0.21 133	0.12 123	0.16 142	0.11 162	0.15 161	0.11 157	0.14 154	0.11 159	0.15 160	0.12 167	0.15 165	0.11 156	0.14 156	0.11 152	0.15 141	0.12 135	0.14 153	0.11 155	0.14 157	0.11 153

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

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

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

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

GMStereo	0.14 134	0.13 107	0.14 148	0.14 121	0.14 181	0.14 153	0.14 176	0.14 154	0.14 181	0.14 153	0.14 185	0.14 154	0.14 181	0.14 156	0.14 175	0.14 133	0.14 162	0.14 153	0.14 184	0.14 157	0.14 178
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 207	0.90 311	0.10 92	0.14 121	0.10 147	0.14 153	0.10 144	0.91 465	0.69 468	0.14 153	0.11 159	0.14 154	0.11 156	0.14 156	0.10 140	0.12 111	0.09 94	0.12 147	0.09 136	0.88 455	0.76 479

CCAANet	0.17 157	0.72 279	0.14 148	0.14 121	0.14 181	0.14 153	0.14 176	0.14 154	0.14 181	0.14 153	0.14 185	0.14 154	0.14 181	0.14 156	0.14 175	0.14 133	0.14 162	0.14 153	0.14 184	0.14 157	0.14 178

ADCS	0.09 75	0.02 12	0.04 64	0.90 418	0.06 134	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.14 156	0.36 351	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

StereoDRNet	0.15 146	0.14 113	0.10 92	0.14 121	0.09 140	0.15 161	0.09 139	0.14 154	0.09 143	0.14 153	0.10 145	0.14 154	0.09 139	0.14 156	0.09 134	0.13 126	0.10 99	0.13 151	0.09 136	0.13 155	0.82 488

DF	0.39 273	1.37 443	1.02 487	1.14 455	0.12 175	0.16 168	0.12 170	0.16 168	0.12 175	0.16 165	0.12 167	0.16 166	0.12 171	0.16 167	0.12 164	1.12 486	1.00 478	0.15 166	0.12 170	0.15 165	0.12 166

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

xyz-stereo	0.18 161	0.50 243	0.16 169	0.15 132	0.16 203	0.16 168	0.16 188	0.16 168	0.16 197	0.16 165	0.16 198	0.16 166	0.16 194	0.16 167	0.16 193	0.16 151	0.16 169	0.16 170	0.16 194	0.16 170	0.16 184

castereo++	0.54 374	3.59 587	1.15 496	1.31 526	0.14 181	0.16 168	0.14 176	0.16 168	0.14 181	0.16 165	0.14 185	0.16 166	0.13 177	0.16 167	0.14 175	1.45 558	1.16 503	0.15 166	0.14 184	0.15 165	0.13 173

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

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

ICVP	0.15 146	0.53 257	0.11 112	0.16 142	0.11 162	0.16 168	0.11 157	0.16 168	0.11 159	0.16 165	0.11 159	0.16 166	0.11 156	0.16 167	0.11 152	0.16 151	0.11 121	0.16 170	0.11 155	0.16 170	0.11 153
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 134	0.17 120	0.12 123	0.17 151	0.11 162	0.17 175	0.11 157	0.17 174	0.11 159	0.17 172	0.11 159	0.17 174	0.11 156	0.17 174	0.11 152	0.16 151	0.11 121	0.16 170	0.11 155	0.16 170	0.11 153
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ProNet	0.14 134	0.20 128	0.14 148	0.16 142	0.11 162	0.16 168	0.11 157	0.17 174	0.11 159	0.17 172	0.12 167	0.17 174	0.13 177	0.17 174	0.12 164	0.15 141	0.11 121	0.16 170	0.11 155	0.15 165	0.12 166

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

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

cf-r	0.66 397	2.17 522	0.12 123	0.18 153	0.12 175	0.18 179	2.70 643	2.60 618	0.12 175	0.18 176	0.12 167	0.18 178	0.12 171	0.18 177	0.12 164	0.15 141	0.11 121	0.15 166	0.11 155	1.81 577	1.74 617

ELAS	0.13 127	0.16 115	0.11 112	0.15 132	0.09 140	0.18 179	0.11 157	0.18 177	0.11 159	0.17 172	0.11 159	0.18 178	0.11 156	0.18 177	0.11 152	0.14 133	0.08 84	0.14 153	0.08 134	0.14 157	0.09 135
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DDVS	0.30 208	3.10 576	0.14 148	0.19 156	0.14 181	0.19 182	0.14 176	0.20 185	0.14 181	0.19 178	0.13 180	0.16 166	0.13 177	0.19 180	0.13 171	0.17 159	0.13 158	0.17 178	0.13 179	0.17 176	0.13 173

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

ELAS_RVC	0.14 134	0.16 115	0.10 92	0.15 132	0.10 147	0.18 179	0.11 157	0.19 179	0.11 159	0.19 178	0.12 167	0.18 178	0.11 156	0.19 180	0.12 164	0.14 133	0.08 84	0.14 153	0.09 136	0.15 165	0.09 135
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 146	0.17 120	0.11 112	0.18 153	0.11 162	0.19 182	0.11 157	0.19 179	0.12 175	0.19 178	0.12 167	0.20 185	0.12 171	0.19 180	0.12 164	0.16 151	0.11 121	0.17 178	0.10 143	0.17 176	0.10 140
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 446	5.18 622	1.98 618	2.19 564	0.17 209	0.19 182	0.18 206	0.19 179	0.16 197	0.20 184	0.19 223	0.22 200	0.22 231	0.20 184	0.15 186	2.28 600	2.13 620	0.24 219	0.17 216	0.18 180	0.16 184

gwcnet-sp	0.82 443	1.72 456	1.48 578	0.39 237	0.15 193	0.31 244	0.21 219	0.20 185	0.25 241	1.61 578	0.23 237	0.28 234	0.26 252	0.20 184	0.15 186	0.24 201	1.33 564	0.32 251	0.16 194	6.75 667	0.23 216

scenet	0.82 443	1.72 456	1.48 578	0.39 237	0.15 193	0.31 244	0.21 219	0.20 185	0.25 241	1.61 578	0.23 237	0.28 234	0.26 252	0.20 184	0.15 186	0.24 201	1.33 564	0.32 251	0.16 194	6.75 667	0.23 216

ssnet	0.82 443	1.72 456	1.48 578	0.39 237	0.15 193	0.31 244	0.21 219	0.20 185	0.25 241	1.61 578	0.23 237	0.28 234	0.26 252	0.20 184	0.15 186	0.24 201	1.33 564	0.32 251	0.16 194	6.75 667	0.23 216

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

ACVNet	0.20 167	0.19 124	0.14 148	0.20 160	0.14 181	0.20 187	0.96 508	0.21 193	0.14 181	0.20 184	0.13 180	0.21 192	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	0.17 176	0.12 166

acv_ft	0.20 167	0.19 124	0.14 148	0.20 160	0.14 181	0.20 187	0.96 508	0.21 193	0.14 181	0.20 184	0.13 180	0.21 192	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	0.17 176	0.12 166

hitnet-ft	0.79 430	2.78 570	0.14 148	0.20 160	0.14 181	0.21 197	2.89 644	2.80 632	0.14 181	0.20 184	0.14 185	0.20 185	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	2.54 617	2.33 634

PSMNet-RSSM	0.77 426	2.76 565	0.14 148	0.20 160	0.14 181	0.20 187	2.66 641	2.79 631	0.14 181	0.21 195	0.14 185	0.21 192	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	2.52 609	2.31 632

CFNet-ft	0.55 379	1.57 450	0.14 148	0.20 160	0.14 181	0.20 187	2.53 639	1.61 572	0.14 181	0.20 184	0.14 185	0.20 185	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	1.56 565	1.24 580

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

GANet-RSSM	0.75 420	1.91 503	0.14 148	0.47 293	0.14 181	0.21 197	3.21 660	2.30 604	0.14 181	0.46 364	0.14 185	0.23 207	0.18 216	0.21 194	0.14 175	0.18 167	0.27 231	0.37 291	0.13 179	2.13 587	2.12 627

GwcNet-RSSM	0.77 426	2.77 567	0.14 148	0.20 160	0.14 181	0.20 187	2.67 642	2.78 630	0.14 181	0.20 184	0.14 185	0.20 185	0.14 181	0.21 194	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	2.52 609	2.31 632

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

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

RSGM-EC	0.24 188	0.24 147	0.15 165	0.22 171	0.15 193	0.22 199	0.15 182	0.22 197	0.15 192	0.24 209	0.15 194	0.22 200	0.15 192	0.22 198	1.19 531	0.20 174	0.17 190	0.24 219	0.14 184	0.20 187	0.14 178

acva	0.24 188	0.24 147	0.15 165	0.22 171	0.15 193	0.22 199	0.15 182	0.22 197	0.15 192	0.24 209	0.15 194	0.22 200	0.15 192	0.22 198	1.19 531	0.20 174	0.17 190	0.24 219	0.14 184	0.20 187	0.14 178

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

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

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

HCRNet	1.22 550	7.11 642	3.00 636	3.55 618	0.33 348	0.29 237	0.14 176	0.19 179	0.15 192	0.33 251	0.29 272	0.25 220	0.14 181	0.22 198	0.33 331	3.64 634	3.00 632	0.76 462	0.32 347	0.18 180	0.13 173

MSKI-zero shot	0.24 188	0.21 133	0.49 381	0.65 383	0.18 220	0.22 199	0.17 198	0.23 204	0.18 213	0.21 195	0.17 205	0.23 207	0.28 266	0.23 205	0.18 211	0.21 181	0.16 169	0.21 197	0.16 194	0.21 193	0.16 184

dd	0.23 185	0.98 327	0.16 169	0.23 176	0.15 193	0.23 208	0.15 182	0.23 204	0.15 192	0.23 202	0.15 194	0.24 213	0.17 206	0.23 205	0.15 186	0.22 183	0.15 166	0.21 197	0.15 192	0.22 195	0.16 184

dad	0.23 185	1.03 351	0.16 169	0.23 176	0.15 193	0.24 211	0.15 182	0.24 207	0.16 197	0.23 202	0.16 198	0.24 213	0.16 194	0.23 205	0.15 186	0.22 183	0.16 169	0.22 202	0.16 194	0.22 195	0.16 184

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

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

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

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

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

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

ACV-stereo	0.30 208	2.08 514	0.25 211	0.25 188	0.18 220	0.24 211	0.17 198	0.24 207	0.18 213	0.24 209	0.17 205	0.25 220	0.17 206	0.24 209	0.17 199	0.22 183	0.16 169	0.22 202	0.16 194	0.22 195	0.16 184

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

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

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

LACA3	0.23 185	0.25 153	0.27 220	0.54 359	0.17 209	0.25 220	0.17 198	0.25 215	0.17 207	0.25 217	0.17 205	0.25 220	0.17 206	0.25 218	0.17 199	0.28 216	0.23 213	0.24 219	0.17 216	0.24 210	0.17 201

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

MIM_Stereo	0.25 191	0.23 139	0.66 425	0.80 405	0.17 209	0.22 199	0.17 198	0.23 204	0.18 213	0.26 226	0.17 205	0.21 192	0.17 206	0.25 218	0.17 199	0.23 194	0.16 169	0.21 197	0.17 216	0.22 195	0.17 201

CASnet	0.35 238	0.51 251	0.44 352	0.32 213	0.31 326	0.24 211	0.34 347	0.36 252	0.25 241	0.31 241	0.37 371	0.30 244	0.33 344	0.25 218	0.45 400	0.37 257	0.37 326	0.33 258	0.35 374	0.34 247	0.37 358
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CAS	0.30 208	1.17 373	0.25 211	0.25 188	0.25 250	0.26 229	0.25 238	0.25 215	0.26 254	0.25 217	0.25 250	0.25 220	0.25 243	0.25 218	0.25 239	0.26 209	0.26 221	0.26 229	0.25 246	0.26 215	0.25 227

LoS	0.25 191	0.27 158	0.25 211	0.25 188	0.25 250	0.25 220	0.25 238	0.26 221	0.25 241	0.25 217	0.25 250	0.25 220	0.25 243	0.25 218	0.25 239	0.26 209	0.25 218	0.25 224	0.26 252	0.26 215	0.25 227
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 313	1.24 431	0.17 176	0.25 188	0.17 209	0.25 220	0.18 206	1.26 555	0.93 508	0.25 217	0.17 205	0.25 220	0.18 216	0.25 218	0.17 199	0.23 194	0.16 169	0.23 210	0.16 194	1.20 503	0.99 503

delet	0.43 300	1.21 423	0.17 176	0.25 188	0.17 209	0.25 220	0.18 206	1.26 555	0.95 510	0.25 217	0.17 205	0.25 220	0.17 206	0.25 218	0.17 199	0.23 194	0.16 169	0.22 202	0.16 194	1.18 499	0.98 502

psm_up	0.43 300	1.19 376	0.17 176	0.25 188	0.18 220	0.25 220	0.19 210	1.26 555	0.91 503	0.26 226	0.17 205	0.25 220	0.17 206	0.25 218	0.17 199	0.22 183	0.17 190	0.23 210	0.16 194	1.18 499	0.99 503

UPFNet	0.42 299	1.20 377	0.17 176	0.24 181	0.17 209	0.25 220	0.17 198	1.19 503	0.90 502	0.25 217	0.17 205	0.24 213	0.17 206	0.25 218	0.17 199	0.22 183	0.17 190	0.22 202	0.16 194	1.15 491	0.93 498

AANet_RVC	1.26 552	0.31 167	4.99 663	5.93 655	0.20 227	0.25 220	0.20 214	0.25 215	0.20 221	0.23 202	0.19 223	0.25 220	0.20 225	0.25 218	0.20 217	5.66 665	4.76 658	0.26 229	0.30 329	0.24 210	0.27 271

VIP-Stereo	0.70 406	2.97 574	2.43 630	2.49 580	0.16 203	0.25 220	0.16 188	0.25 215	0.16 197	0.25 217	0.18 221	0.25 220	0.16 194	0.26 229	0.16 193	1.86 573	1.26 556	0.23 210	0.15 192	0.23 206	0.15 183

castereo	0.61 388	3.79 595	1.35 560	1.52 539	0.15 193	0.17 175	0.16 188	0.20 185	0.21 224	0.18 176	0.16 198	0.21 192	0.12 171	0.26 229	0.17 199	1.43 557	1.38 573	0.17 178	0.16 194	0.18 180	0.16 184

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

LoS_RVC	0.30 208	1.14 367	0.25 211	0.25 188	0.25 250	0.26 229	0.25 238	0.25 215	0.25 241	0.25 217	0.25 250	0.26 231	0.26 252	0.26 229	0.25 239	0.26 209	0.26 221	0.25 224	0.25 246	0.26 215	0.26 233

RAFT-FEzeroshot	0.34 229	0.26 155	0.17 176	0.21 169	0.17 209	0.20 187	0.16 188	0.20 185	0.16 197	0.20 184	0.17 205	0.21 192	0.16 194	0.27 233	0.24 231	0.19 171	0.16 169	0.19 190	0.16 194	0.26 215	3.08 650

RAFT-FE	0.34 229	0.26 155	0.17 176	0.21 169	0.17 209	0.20 187	0.16 188	0.20 185	0.16 197	0.20 184	0.17 205	0.21 192	0.16 194	0.27 233	0.24 231	0.19 171	0.16 169	0.19 190	0.16 194	0.26 215	3.08 650

ssnet_v2	0.68 402	1.96 510	1.25 556	0.29 200	0.20 227	0.30 238	0.20 214	0.29 229	0.22 227	1.50 574	0.20 227	0.31 248	0.20 225	0.27 233	0.22 222	0.24 201	1.49 580	0.26 229	0.18 222	3.90 628	0.19 208

GEStereo_RVC	0.86 458	4.45 611	0.20 191	0.27 198	0.20 227	0.27 233	0.20 214	0.26 221	0.18 213	5.03 668	0.20 227	0.27 233	0.19 221	0.27 233	0.21 220	0.20 174	0.19 198	0.19 190	4.02 672	0.20 187	0.18 206

DLNR-FE	0.28 202	0.89 308	0.30 234	0.34 220	0.19 224	0.28 234	0.19 210	0.28 224	0.20 221	0.28 230	0.20 227	0.28 234	0.20 225	0.28 237	0.20 217	0.33 238	0.28 237	0.25 224	0.19 223	0.24 210	0.19 208

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

ac_64	0.22 179	0.13 107	0.19 188	0.23 176	0.10 147	0.26 229	1.02 517	0.14 154	0.10 144	0.28 230	0.14 185	0.17 174	0.19 221	0.28 237	0.09 134	0.22 183	0.16 169	0.23 210	0.17 216	0.11 148	0.12 166

CFNet	1.37 557	5.27 625	0.19 188	5.49 652	0.19 224	0.28 234	0.19 210	0.28 224	0.19 219	0.28 230	0.19 223	0.28 234	4.35 665	0.28 237	0.19 214	0.23 194	0.17 190	0.23 210	4.21 674	4.81 651	0.17 201

PAM	0.39 273	1.88 499	0.34 269	0.37 229	0.41 399	0.45 370	0.22 223	0.28 224	0.23 233	0.28 230	0.24 244	0.29 240	0.23 237	0.29 241	0.23 228	0.38 268	0.32 269	0.38 299	0.37 383	0.32 236	0.22 214

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

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

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

DLNR_Zeroshot_test	0.31 215	0.28 161	0.47 366	0.79 402	0.24 248	0.30 238	0.26 245	0.30 231	0.24 236	0.32 247	0.23 237	0.31 248	0.24 240	0.30 243	0.23 228	0.29 224	0.26 221	0.29 240	0.24 243	0.33 243	0.23 216

DANet	0.30 208	0.30 164	0.30 234	0.30 201	0.30 283	0.30 238	0.30 271	0.30 231	0.30 279	0.30 236	0.30 284	0.30 244	0.30 279	0.30 243	0.30 272	0.30 225	0.30 260	0.30 242	0.30 329	0.30 228	0.30 310
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DStereoO	0.31 215	0.31 167	0.31 249	0.30 201	0.40 389	0.31 244	0.30 271	0.30 231	0.34 351	0.29 235	0.31 326	0.29 240	0.30 279	0.31 247	0.31 310	0.31 231	0.29 251	0.31 248	0.30 329	0.31 233	0.31 319

DStereoSA	0.32 224	0.52 253	0.34 269	0.31 207	0.31 326	0.30 238	0.30 271	0.31 236	0.30 279	0.31 241	0.31 326	0.31 248	0.30 279	0.31 247	0.31 310	0.30 225	0.32 269	0.31 248	0.31 340	0.31 233	0.31 319

DEFOM-Stereo	0.68 402	3.11 577	1.40 574	1.63 548	0.25 250	0.31 244	0.25 238	0.31 236	0.28 262	0.31 241	0.29 272	0.29 240	0.27 259	0.31 247	0.28 254	1.59 565	1.47 579	0.30 242	0.29 315	0.30 228	0.28 291

DStereoFS	0.32 224	0.33 170	0.32 254	0.33 217	0.30 283	0.32 253	0.32 323	0.32 238	0.31 322	0.30 236	0.31 326	0.31 248	0.30 279	0.32 250	0.32 320	0.32 233	0.31 265	0.30 242	0.47 429	0.32 236	0.34 340

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

WCG-NET（raft）	0.32 224	1.24 431	0.24 208	0.32 213	0.24 248	0.32 253	0.23 231	0.32 238	0.24 236	0.32 247	0.24 244	0.32 252	0.24 240	0.32 250	0.24 231	0.30 225	0.23 213	0.30 242	0.23 236	0.30 228	0.23 216

tt1	0.31 215	0.93 320	0.24 208	0.33 217	0.23 243	0.31 244	0.24 236	0.32 238	0.24 236	0.32 247	0.23 237	0.32 252	0.25 243	0.32 250	0.24 231	0.27 212	0.26 221	0.27 233	0.26 252	0.27 220	0.27 271

xxxxx1	0.31 215	0.91 313	0.23 201	0.31 207	0.23 243	0.31 244	0.23 231	0.33 242	0.25 241	0.31 241	0.24 244	0.33 255	0.25 243	0.32 250	0.24 231	0.28 216	0.28 237	0.28 235	0.28 302	0.29 225	0.27 271

tt_ll	0.31 215	0.91 313	0.23 201	0.31 207	0.23 243	0.31 244	0.23 231	0.33 242	0.25 241	0.31 241	0.24 244	0.33 255	0.25 243	0.32 250	0.24 231	0.28 216	0.28 237	0.28 235	0.28 302	0.29 225	0.27 271

ff	0.31 215	0.91 313	0.23 201	0.31 207	0.23 243	0.31 244	0.23 231	0.33 242	0.25 241	0.31 241	0.24 244	0.33 255	0.25 243	0.32 250	0.24 231	0.28 216	0.28 237	0.28 235	0.28 302	0.29 225	0.27 271

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

FE-Mocha	0.35 238	0.71 278	0.40 330	0.47 293	0.27 258	0.34 256	0.27 248	0.34 245	0.26 254	0.34 253	0.26 255	0.34 259	0.27 259	0.34 258	0.27 245	0.44 312	0.41 353	0.33 258	0.29 315	0.32 236	0.29 297

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

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

GeoVLM	0.36 245	0.38 181	0.27 220	0.46 286	0.28 263	0.35 260	0.28 256	0.37 258	0.27 258	0.35 257	0.28 266	0.36 266	0.38 367	0.35 261	0.28 254	1.08 477	0.26 221	0.33 258	0.27 289	0.34 247	0.33 333

MyStereo04	0.56 381	3.72 593	0.59 406	0.49 304	0.41 399	0.36 264	0.32 323	0.37 258	0.31 322	0.34 253	0.46 417	0.35 261	0.32 333	0.35 261	0.33 331	0.49 366	0.45 375	0.34 267	0.32 347	0.35 260	0.43 390

FENet	0.54 374	1.52 449	1.19 502	1.41 535	0.23 243	0.35 260	0.23 231	0.35 248	0.23 233	0.34 253	0.23 237	0.35 261	0.23 237	0.35 261	0.23 228	1.40 555	1.07 487	0.32 251	0.23 236	0.33 243	0.23 216

DMCA	0.36 245	0.38 181	0.37 285	0.35 222	0.35 361	0.36 264	0.36 358	0.36 252	0.35 355	0.35 257	0.37 371	0.36 266	0.36 358	0.35 261	0.36 351	0.36 254	0.36 323	0.35 283	0.36 380	0.36 267	0.36 353

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

ETE_ROB	0.35 238	0.35 172	0.35 279	0.35 222	0.35 361	0.35 260	0.35 352	0.35 248	0.35 355	0.35 257	0.35 361	0.35 261	0.35 355	0.35 261	0.35 348	0.35 250	0.35 317	0.35 283	0.35 374	0.35 260	0.35 350

EKT-Stereo	0.37 255	0.40 192	0.44 352	1.07 447	0.29 273	0.34 256	0.31 315	0.36 252	0.29 268	0.38 267	0.31 326	0.37 273	0.30 279	0.36 267	0.29 265	0.34 242	0.28 237	0.39 340	0.30 329	0.37 271	0.30 310

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

IGEV-Stereo	0.35 238	0.44 214	0.45 354	0.49 304	0.30 283	0.37 269	0.30 271	0.36 252	0.30 279	0.36 261	0.29 272	0.36 266	0.29 273	0.36 267	0.30 272	0.46 351	0.39 340	0.32 251	0.24 243	0.32 236	0.25 227
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HGLStereo	0.28 202	0.29 163	0.22 198	0.36 226	0.22 237	0.36 264	0.21 219	0.36 252	0.21 224	0.42 307	0.21 232	0.36 266	0.22 231	0.36 267	0.21 220	0.34 242	0.21 203	0.34 267	0.21 227	0.34 247	0.21 212

IGEV-FE	0.35 238	0.37 177	0.17 176	0.19 156	0.17 209	0.20 187	0.17 198	0.19 179	0.17 207	0.19 178	0.17 205	0.19 182	0.17 206	0.37 271	0.36 351	0.19 171	0.17 190	0.19 190	0.17 216	0.38 284	2.84 641

RSM	0.36 245	0.36 175	0.43 350	0.37 229	0.42 409	0.49 391	0.42 399	0.37 258	0.28 262	0.36 261	0.29 272	0.36 266	0.30 279	0.37 271	0.28 254	0.34 242	0.31 265	0.34 267	0.35 374	0.40 337	0.29 297

XPNet_ROB	0.37 255	0.37 177	0.37 285	0.37 229	0.37 371	0.37 269	0.37 364	0.37 258	0.37 366	0.37 266	0.37 371	0.37 273	0.37 363	0.37 271	0.37 360	0.37 257	0.37 326	0.37 291	0.37 383	0.37 271	0.37 358

LG-Stereo_L2	0.34 229	0.37 177	0.38 287	0.47 293	0.28 263	0.39 282	0.28 256	0.39 271	0.28 262	0.39 273	0.28 266	0.39 280	0.28 266	0.38 274	0.28 254	0.42 310	0.35 317	0.36 288	0.26 252	0.35 260	0.26 233

WAO-8	0.38 261	0.38 181	0.38 287	0.38 232	0.38 378	0.38 276	0.38 371	0.38 267	0.38 370	0.38 267	0.38 376	0.38 275	0.38 367	0.38 274	0.38 363	0.38 268	0.38 333	0.38 299	0.37 383	0.38 284	0.38 365

WAO-7	0.38 261	0.38 181	0.38 287	0.38 232	0.38 378	0.38 276	0.38 371	0.38 267	0.38 370	0.38 267	0.38 376	0.38 275	0.38 367	0.38 274	0.38 363	0.38 268	0.38 333	0.38 299	0.38 396	0.38 284	0.38 365

Venus	0.38 261	0.38 181	0.38 287	0.38 232	0.38 378	0.37 269	0.38 371	0.37 258	0.37 366	0.41 293	0.37 371	0.39 280	0.37 363	0.38 274	0.38 363	0.37 257	0.38 333	0.38 299	0.37 383	0.37 271	0.38 365

IMH	0.38 261	0.38 181	0.38 287	0.38 232	0.38 378	0.38 276	0.38 371	0.38 267	0.38 370	0.42 307	0.38 376	0.40 288	0.38 367	0.38 274	0.38 363	0.38 268	0.38 333	0.39 340	0.38 396	0.38 284	0.38 365

iRaft-Stereo_5w	0.34 229	0.42 210	0.31 249	0.39 237	0.30 283	0.38 276	0.30 271	0.40 278	0.29 268	0.40 279	0.37 371	0.41 301	0.34 349	0.38 274	0.30 272	0.34 242	0.27 231	0.34 267	0.26 252	0.34 247	0.26 233

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

FCDSN-DC	0.41 286	0.59 269	0.64 420	0.54 359	0.33 348	0.50 400	0.37 364	0.42 311	0.40 384	0.61 431	0.43 408	0.50 402	0.49 422	0.38 274	0.32 320	0.28 216	0.23 213	0.26 229	0.22 230	0.35 260	0.28 291
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ACVNet-DCA	0.37 255	1.00 336	0.30 234	0.40 250	0.29 273	0.40 284	0.29 266	0.40 278	0.29 268	0.40 279	0.29 272	0.40 288	0.29 273	0.39 282	0.28 254	0.33 238	0.32 269	0.33 258	0.32 347	0.33 243	0.32 326

HanzoNet	0.39 273	0.38 181	0.40 330	0.39 237	0.41 399	0.38 276	0.38 371	0.38 267	0.38 370	0.39 273	0.39 386	0.38 275	0.38 367	0.39 282	0.40 378	0.38 268	0.38 333	0.40 353	0.38 396	0.38 284	0.40 373

StereoDRNet-Refined	0.33 228	0.39 188	0.26 217	0.39 237	0.26 257	0.40 284	0.26 245	0.40 278	0.26 254	0.39 273	0.26 255	0.39 280	0.26 252	0.39 282	0.26 244	0.37 257	0.25 218	0.37 291	0.25 246	0.37 271	0.37 358
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DDF-Stereo	0.43 300	1.15 370	0.57 404	0.53 356	0.32 336	0.41 300	0.32 323	0.41 293	0.32 332	0.41 293	0.32 336	0.41 301	0.32 333	0.40 285	0.32 320	0.52 380	0.50 400	0.38 299	0.31 340	0.39 325	0.31 319

DCVSM-stereo	0.36 245	1.89 500	0.22 198	0.40 250	0.22 237	0.40 284	0.22 223	0.40 278	0.22 227	0.40 279	0.22 233	0.40 288	0.22 231	0.40 285	0.22 222	0.28 216	0.21 203	0.28 235	0.21 227	0.28 222	0.20 210

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

xx1	0.38 261	1.03 351	0.31 249	0.40 250	0.31 326	0.41 300	0.28 256	0.40 278	0.29 268	0.40 279	0.29 272	0.40 288	0.29 273	0.40 285	0.29 265	0.34 242	0.33 281	0.34 267	0.32 347	0.34 247	0.32 326

1test111	0.37 255	1.02 349	0.30 234	0.39 237	0.29 273	0.40 284	0.28 256	0.39 271	0.29 268	0.39 273	0.29 272	0.39 280	0.28 266	0.40 285	0.29 265	0.33 238	0.32 269	0.33 258	0.31 340	0.32 236	0.31 319

cc1	0.37 255	1.02 349	0.30 234	0.39 237	0.29 273	0.40 284	0.28 256	0.39 271	0.29 268	0.39 273	0.29 272	0.39 280	0.28 266	0.40 285	0.29 265	0.33 238	0.32 269	0.33 258	0.31 340	0.32 236	0.31 319

knoymous	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 343	0.40 353	0.40 400	0.40 337	0.40 373

anonymousa	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 343	0.40 353	0.40 400	0.40 337	0.40 373

riskmin	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 343	0.40 353	0.40 400	0.40 337	0.40 373

Anonymous_2	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 343	0.40 353	0.40 400	0.40 337	0.40 373

Anonymous_1	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 343	0.40 353	0.40 400	0.40 337	0.40 373

IER	0.88 461	7.04 641	2.23 623	2.75 585	0.28 263	0.43 327	0.25 238	0.39 271	0.25 241	0.41 293	0.27 259	0.39 280	0.25 243	0.40 285	0.28 254	0.37 257	0.28 237	0.37 291	0.25 246	0.37 271	0.25 227

CRFU-Net	0.65 395	1.67 453	1.22 552	1.96 558	0.27 258	0.41 300	0.27 248	0.41 293	0.27 258	0.40 279	0.26 255	0.41 301	0.27 259	0.40 285	0.27 245	1.80 572	1.62 593	0.34 267	0.23 236	0.33 243	0.23 216

NINENet	0.69 405	3.87 599	1.20 505	1.98 559	0.05 121	0.40 284	0.04 103	0.40 278	0.05 119	0.41 293	0.04 110	0.41 301	0.05 112	0.40 285	0.05 110	1.79 571	1.56 586	0.34 267	0.22 230	0.34 247	0.23 216

AdaStereo	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 343	0.40 353	0.40 400	0.40 337	0.40 373
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.
HART	0.38 261	0.45 222	0.34 269	0.42 272	0.33 348	0.41 300	0.34 347	0.42 311	0.33 342	0.43 312	0.34 353	0.42 319	0.34 349	0.41 300	0.38 363	0.40 288	0.32 269	0.42 381	0.32 347	0.40 337	0.32 326

RAFT-Stereo-weight	0.45 336	1.90 502	0.34 269	0.42 272	0.36 367	0.43 327	0.35 352	0.42 311	0.34 351	0.42 307	0.34 353	0.44 358	0.34 349	0.41 300	0.34 344	0.38 268	0.32 269	0.38 299	0.32 347	0.38 284	0.33 333

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

GMOStereo	0.37 255	0.45 222	0.23 201	0.30 201	0.37 371	0.41 300	0.36 358	0.41 293	0.35 355	0.43 312	0.36 364	0.41 301	0.40 378	0.41 300	0.36 351	0.34 242	0.22 207	0.47 402	0.37 383	0.39 325	0.33 333

error version	0.93 471	4.47 612	2.35 626	1.99 560	0.37 371	0.41 300	0.36 358	0.41 293	0.35 355	0.43 312	0.36 364	0.41 301	0.40 378	0.41 300	0.36 351	1.87 575	2.16 621	0.47 402	0.37 383	0.39 325	0.33 333

test_1	0.93 471	4.47 612	2.35 626	1.99 560	0.37 371	0.41 300	0.36 358	0.41 293	0.35 355	0.43 312	0.36 364	0.41 301	0.40 378	0.41 300	0.36 351	1.87 575	2.16 621	0.47 402	0.37 383	0.39 325	0.33 333

GwcNet-ADL	0.41 286	0.41 203	0.41 344	0.41 262	0.41 399	0.41 300	0.41 394	0.41 293	0.41 394	0.41 293	0.41 396	0.41 301	0.41 390	0.41 300	0.41 386	0.41 296	0.41 353	0.41 370	0.41 408	0.41 348	0.41 381

PSMNet-ADL	0.41 286	0.41 203	0.41 344	0.41 262	0.41 399	0.41 300	0.41 394	0.41 293	0.41 394	0.41 293	0.41 396	0.41 301	0.41 390	0.41 300	0.41 386	0.41 296	0.41 353	0.41 370	0.41 408	0.41 348	0.41 381

GANet-ADL	0.41 286	0.41 203	0.41 344	0.41 262	0.41 399	0.41 300	0.41 394	0.41 293	0.41 394	0.41 293	0.41 396	0.41 301	0.41 390	0.41 300	0.41 386	0.41 296	0.41 353	0.41 370	0.41 408	0.41 348	0.41 381

ADLNet2	0.41 286	0.41 203	0.41 344	0.41 262	0.41 399	0.41 300	0.41 394	0.41 293	0.41 394	0.41 293	0.41 396	0.41 301	0.41 390	0.41 300	0.41 386	0.41 296	0.41 353	0.41 370	0.41 408	0.41 348	0.41 381

ADLNet	0.41 286	0.41 203	0.41 344	0.41 262	0.41 399	0.41 300	0.41 394	0.41 293	0.41 394	0.41 293	0.41 396	0.41 301	0.41 390	0.41 300	0.41 386	0.41 296	0.41 353	0.41 370	0.41 408	0.41 348	0.41 381

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

Gwc-CoAtRS	0.41 286	1.49 448	0.32 254	0.42 272	0.32 336	0.41 300	0.32 323	0.41 293	0.33 342	0.41 293	0.32 336	0.41 301	0.32 333	0.41 300	0.32 320	0.39 281	0.28 237	0.39 340	0.28 302	0.40 337	0.28 291

HiDET	0.38 261	0.44 214	0.30 234	0.42 272	0.30 283	0.42 320	0.30 271	0.42 311	0.30 279	0.44 346	0.30 284	0.42 319	0.30 279	0.42 313	0.68 459	0.37 257	0.32 269	0.40 353	0.29 315	0.37 271	0.29 297

LCMNet	0.38 261	0.44 214	0.30 234	0.42 272	0.30 283	0.42 320	0.30 271	0.42 311	0.30 279	0.45 358	0.30 284	0.42 319	0.30 279	0.42 313	0.69 467	0.37 257	0.32 269	0.40 353	0.29 315	0.37 271	0.29 297

CSFM-Stereo	0.38 261	0.44 214	0.30 234	0.42 272	0.30 283	0.42 320	0.30 271	0.43 317	0.30 279	0.44 346	0.30 284	0.42 319	0.30 279	0.42 313	0.73 477	0.37 257	0.32 269	0.40 353	0.29 315	0.37 271	0.30 310

Zero-FE251	0.36 245	0.40 192	0.28 226	0.41 262	0.28 263	0.41 300	0.28 256	0.41 293	0.28 262	0.41 293	0.28 266	0.41 301	0.28 266	0.42 313	0.30 272	0.37 257	0.26 221	0.37 291	0.27 289	0.45 363	0.56 436

GIP-stereo	0.36 245	0.49 238	0.39 298	0.48 298	0.32 336	0.41 300	0.28 256	0.40 278	0.30 279	0.41 293	0.28 266	0.40 288	0.28 266	0.42 313	0.28 254	0.45 341	0.32 269	0.38 299	0.30 329	0.37 271	0.27 271

hknet	1.10 495	1.85 494	3.49 652	4.48 629	0.02 22	0.42 320	0.06 132	0.41 293	0.02 22	0.48 377	0.03 56	0.41 301	0.03 53	0.42 313	0.03 52	4.39 641	4.19 655	0.33 258	0.23 236	0.34 247	0.27 271

aanet-new-60k	0.44 313	1.81 478	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-70k	0.44 313	1.82 485	0.38 287	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-78k	0.44 313	1.80 473	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 341	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-40k	0.44 313	1.81 478	0.39 298	0.50 340	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 341	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-36k	0.44 313	1.80 473	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-34k	0.44 313	1.80 473	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-32k-new	0.44 313	1.78 468	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.44 351	0.30 279	0.44 346	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 341	0.34 310	0.39 340	0.26 252	0.38 284	0.26 233

aanet-new-32k	0.44 313	1.79 472	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-30k	0.44 313	1.78 468	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT26K	0.43 300	1.76 463	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.31 310	0.44 312	0.33 281	0.38 299	0.27 289	0.38 284	0.26 233

aanet-new-24k	0.44 313	1.78 468	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-22k	0.44 313	1.81 478	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-16k	0.44 313	1.83 488	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-8k	0.43 300	1.76 463	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new	0.43 300	1.80 473	0.38 287	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-cres-4k	0.44 313	1.81 478	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-cres	0.43 300	1.77 465	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-36K	0.43 300	1.78 468	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-22K	0.44 313	1.85 494	0.38 287	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-20K	0.43 300	1.77 465	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-24K	0.44 313	1.86 497	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-2K	0.44 313	1.82 485	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-3K	0.43 300	1.77 465	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-50K	0.44 313	1.83 488	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.36 323	0.38 299	0.26 252	0.38 284	0.26 233

MonSter++	0.38 261	0.44 214	0.31 249	0.43 278	0.30 283	0.43 327	0.31 315	0.43 317	0.31 322	0.45 358	0.31 326	0.43 326	0.31 328	0.43 319	0.69 467	0.38 268	0.33 281	0.40 353	0.30 329	0.38 284	0.30 310

GCAP-BAT	0.41 286	1.30 435	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.44 346	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.34 310	0.38 299	0.26 252	0.38 284	0.26 233

GCAPDPT-zeroshot4090	0.40 278	1.09 361	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.44 351	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 341	0.34 310	0.38 299	0.27 289	0.38 284	0.27 271

RCA-Stereo	0.51 368	3.22 581	0.34 269	0.44 281	0.34 358	0.44 360	0.34 347	0.43 317	0.34 351	0.43 312	0.34 353	0.44 358	0.33 344	0.43 319	0.33 331	0.38 268	0.29 251	0.38 299	0.29 315	0.38 284	0.29 297

UCFNet_RVC	2.75 632	10.06 663	0.29 230	10.31 680	0.29 273	0.42 320	0.29 266	0.43 317	0.29 268	0.42 307	0.29 272	0.42 319	9.87 682	0.43 319	0.29 265	0.36 254	9.84 682	0.36 288	0.26 252	9.77 681	0.26 233

aanet-new-90k	0.44 313	1.82 485	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-28k	0.44 313	1.81 478	0.39 298	0.49 304	0.30 283	0.44 360	0.30 271	0.44 351	0.30 279	0.44 346	0.30 284	0.44 358	0.30 279	0.44 348	0.30 272	0.45 341	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-10k	0.45 336	1.81 478	0.40 330	0.50 340	0.31 326	0.44 360	0.31 315	0.44 351	0.31 322	0.44 346	0.31 326	0.44 358	0.32 333	0.44 348	0.31 310	0.46 351	0.35 317	0.39 340	0.27 289	0.39 325	0.27 271

aanet-new-12k	0.46 343	1.99 511	0.40 330	0.51 351	0.31 326	0.44 360	0.31 315	0.44 351	0.31 322	0.44 346	0.31 326	0.44 358	0.31 328	0.44 348	0.32 320	0.47 358	0.35 317	0.39 340	0.27 289	0.39 325	0.27 271

aanet-new-14k	0.60 383	5.12 620	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.30 272	0.44 312	0.37 326	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-5K	0.44 313	1.80 473	0.39 298	0.49 304	0.30 283	0.44 360	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-25K	0.41 286	1.09 361	0.40 330	0.52 354	0.31 326	0.44 360	0.31 315	0.44 351	0.31 322	0.44 346	0.31 326	0.44 358	0.31 328	0.44 348	0.31 310	0.46 351	0.35 317	0.39 340	0.28 302	0.39 325	0.28 291

GCAP-Stereo-DPT-FT	0.41 286	1.06 358	0.40 330	0.51 351	0.31 326	0.44 360	0.30 271	0.43 317	0.32 332	0.44 346	0.30 284	0.56 425	0.30 279	0.44 348	0.31 310	0.45 341	0.34 310	0.39 340	0.27 289	0.40 337	0.27 271

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

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

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

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

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

LL-Strereo2	0.48 355	1.73 461	0.51 392	0.59 372	0.34 358	0.42 320	0.33 334	0.40 278	0.31 322	0.42 307	0.33 345	0.42 319	0.31 328	0.44 348	0.39 375	0.60 398	0.51 405	0.44 384	0.33 357	0.44 358	0.33 333

CES	0.39 273	0.47 230	0.36 281	0.36 226	0.37 371	0.45 370	0.35 352	0.35 248	0.40 384	0.36 261	0.44 410	0.47 377	0.36 358	0.44 348	0.36 351	0.37 257	0.39 340	0.44 384	0.35 374	0.37 271	0.36 353

CFNet-RSSM	0.91 464	4.89 617	0.34 269	0.44 281	1.07 524	1.62 583	1.40 596	0.91 465	0.35 355	1.60 575	1.39 596	0.64 438	0.34 349	0.44 348	0.33 331	0.41 296	0.35 317	0.75 460	0.30 329	0.41 348	0.29 297

Select-FE	0.41 286	0.44 214	0.23 201	0.26 195	0.22 237	0.26 229	0.22 223	0.26 221	0.23 233	0.26 226	0.23 237	0.26 231	0.23 237	0.45 364	0.42 394	0.25 207	0.22 207	0.25 224	0.22 230	0.45 363	2.90 642

water-stereo	0.41 286	0.84 297	0.46 359	0.50 340	0.33 348	0.45 370	0.33 334	0.45 360	0.32 332	0.45 358	0.32 336	0.45 367	0.32 333	0.45 364	0.32 320	0.44 312	0.41 353	0.39 340	0.31 340	0.39 325	0.32 326

GREAT-IGEV	0.38 261	0.43 211	0.36 281	0.48 298	0.32 336	0.45 370	0.32 323	0.45 360	0.32 332	0.45 358	0.32 336	0.45 367	0.32 333	0.45 364	0.32 320	0.44 312	0.33 281	0.41 370	0.29 315	0.41 348	0.29 297
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
mms	0.40 278	0.45 222	0.35 279	0.48 298	0.36 367	0.47 381	0.34 347	0.45 360	0.38 370	0.47 370	0.33 345	0.45 367	0.32 333	0.45 364	0.32 320	0.39 281	0.38 333	0.38 299	0.37 383	0.39 325	0.39 371

fffy	0.38 261	0.43 211	0.33 259	0.46 286	0.33 348	0.45 370	0.32 323	0.45 360	0.32 332	0.45 358	0.32 336	0.45 367	0.33 344	0.45 364	0.32 320	0.38 268	0.38 333	0.38 299	0.37 383	0.37 271	0.36 353

Former-RAFT_DAM_RVC	0.49 361	0.98 327	0.64 420	0.84 410	0.46 418	0.45 370	0.35 352	0.47 370	0.47 414	0.45 358	0.34 353	0.46 371	0.48 417	0.46 369	0.35 348	0.39 281	0.71 449	0.39 340	0.35 374	0.41 348	0.41 381

otaku	0.46 343	0.46 226	0.46 359	0.46 286	0.46 418	0.46 376	0.46 410	0.46 364	0.46 409	0.46 364	0.46 417	0.46 371	0.46 408	0.46 369	0.46 404	0.46 351	0.46 377	0.46 393	0.46 422	0.46 366	0.46 396

Dean	0.46 343	0.46 226	0.46 359	0.46 286	0.46 418	0.46 376	0.46 410	0.46 364	0.46 409	0.47 370	0.46 417	0.46 371	0.46 408	0.46 369	0.46 404	0.46 351	0.46 377	0.46 393	0.46 422	0.46 366	0.46 396

ACVNet_1	0.46 343	0.47 230	0.46 359	0.46 286	0.46 418	0.46 376	0.46 410	0.46 364	0.47 414	0.46 364	0.46 417	0.46 371	0.46 408	0.46 369	0.46 404	0.46 351	0.46 377	0.47 402	0.46 422	0.46 366	0.46 396

depthmonostereo	0.44 313	0.85 299	0.46 359	0.54 359	0.40 389	0.52 416	0.38 371	0.52 405	0.35 355	0.47 370	0.34 353	0.46 371	0.34 349	0.47 373	0.34 344	0.45 341	0.43 367	0.41 370	0.33 357	0.41 348	0.32 326

DilatedVolume-Stereo	0.43 300	0.86 301	0.48 374	0.50 340	0.33 348	0.46 376	0.33 334	0.46 364	0.33 342	0.46 364	0.33 345	0.47 377	0.33 344	0.47 373	0.34 344	0.45 341	0.42 362	0.40 353	0.33 357	0.47 379	0.38 365

ccccc		0.44 214		0.48 298	0.35 361	0.48 386		0.51 401		0.47 370		0.47 377		0.47 373		0.41 296	0.40 343	0.40 353	0.40 400	0.41 348

Ntro	0.47 350	0.47 230	0.46 359	0.46 286	0.46 418	0.47 381	0.47 415	0.46 364	0.47 414	0.46 364	0.46 417	0.47 377	0.46 408	0.47 373	0.47 411	0.47 358	0.46 377	0.46 393	0.46 422	0.46 366	0.46 396

HaxPig	0.47 350	0.47 230	0.47 366	0.49 304	0.47 424	0.47 381	0.47 415	0.47 370	0.47 414	0.47 370	0.47 425	0.47 377	0.47 416	0.47 373	0.47 411	0.47 358	0.47 385	0.47 402	0.47 429	0.47 379	0.48 405

UNDER WATER	0.47 350	0.47 230	0.47 366	0.47 293	0.47 424	0.47 381	0.47 415	0.47 370	0.47 414	0.47 370	0.47 425	0.47 377	0.46 408	0.47 373	0.47 411	0.47 358	0.47 385	0.47 402	0.46 422	0.47 379	0.47 403

LVE	0.47 350	0.47 230	0.47 366	0.47 293	0.49 430	0.47 381	0.47 415	0.47 370	0.49 423	0.47 370	0.47 425	0.47 377	0.46 408	0.47 373	0.47 411	0.47 358	0.47 385	0.48 410	0.47 429	0.47 379	0.47 403

ACVNet-4b	0.46 343	0.46 226	0.46 359	0.46 286	0.46 418	0.46 376	0.46 410	0.46 364	0.46 409	0.46 364	0.46 417	0.46 371	0.46 408	0.47 373	0.46 404	0.46 351	0.46 377	0.46 393	0.46 422	0.46 366	0.46 396

TorneroNet	0.66 397	0.53 257	0.50 386	0.50 340	0.64 462	1.06 497	0.70 473	0.50 387	0.51 434	0.49 384	0.69 475	0.49 388	0.50 426	0.48 381	1.15 524	0.71 419	0.49 392	1.14 512	1.08 522	0.49 386	0.49 410

RainbowNet	0.48 355	0.48 236	0.48 374	0.48 298	0.48 428	0.48 386	0.48 424	0.48 374	0.48 421	0.48 377	0.48 429	0.48 384	0.48 417	0.48 381	0.48 417	0.48 363	0.48 389	0.48 410	0.48 433	0.48 383	0.48 405

notaker	0.48 355	0.49 238	0.48 374	0.48 298	0.48 428	0.48 386	0.48 424	0.48 374	0.49 423	0.48 377	0.48 429	0.48 384	0.48 417	0.48 381	0.48 417	0.48 363	0.48 389	0.48 410	0.48 433	0.48 383	0.49 410

PCWNet_CMD	2.80 634	9.82 661	0.32 254	10.09 679	0.32 336	0.49 391	0.33 334	3.34 639	0.33 342	0.49 384	0.33 345	0.49 388	8.73 678	0.48 381	0.33 331	0.41 296	9.22 677	0.42 381	0.29 315	9.55 680	0.31 319

CFNet_ucs	2.73 631	9.64 660	0.33 259	9.92 677	0.32 336	0.49 391	0.33 334	0.49 378	0.33 342	0.49 384	0.33 345	0.49 388	8.98 680	0.48 381	0.33 331	0.41 296	9.96 683	0.40 353	0.29 315	10.12 683	0.54 426

pcwnet_v2	2.66 629	9.89 662	0.33 259	9.89 676	0.32 336	0.50 400	0.32 323	0.49 378	0.33 342	0.49 384	0.34 353	0.49 388	8.76 679	0.48 381	0.33 331	0.41 296	9.58 679	0.40 353	0.29 315	9.01 678	0.63 446

Pro-Stereo	0.79 430	0.53 257	0.38 287	0.49 304	0.38 378	0.49 391	0.37 364	0.49 378	0.67 457	0.50 397	0.38 376	1.10 506	0.38 367	0.49 387	0.38 363	0.71 419	0.88 471	5.98 676	0.36 380	0.46 366	0.36 353

SCV_C0	0.45 336	0.88 305	0.49 381	0.54 359	0.37 371	0.48 386	0.37 364	0.48 374	0.37 366	0.48 377	0.36 364	0.48 384	0.37 363	0.49 387	0.37 360	0.50 372	0.41 353	0.44 384	0.34 361	0.44 358	0.34 340

SCV	0.46 343	0.94 322	0.45 354	0.54 359	0.37 371	0.48 386	0.38 371	0.48 374	0.37 366	0.48 377	0.39 386	0.48 384	0.37 363	0.49 387	0.37 360	0.50 372	0.46 377	0.44 384	0.34 361	0.44 358	0.34 340

GCST	0.50 363	2.08 514	0.38 287	0.53 356	0.35 361	0.49 391	0.35 352	0.50 387	0.35 355	0.49 384	0.35 361	0.49 388	0.35 355	0.49 387	0.35 348	0.48 363	0.37 326	0.45 389	0.33 357	0.44 358	0.33 333

ACVNet_2	0.49 361	0.49 238	0.49 381	0.49 304	0.49 430	0.49 391	0.49 426	0.49 378	0.49 423	0.49 384	0.49 432	0.49 388	0.49 422	0.49 387	0.49 419	0.49 366	0.49 392	0.49 415	0.49 436	0.49 386	0.49 410

CFNet_pseudo	2.67 630	9.36 658	0.32 254	10.99 681	0.33 348	0.85 464	0.33 334	0.49 378	0.33 342	0.49 384	0.32 336	0.49 388	7.26 676	0.49 387	0.33 331	0.41 296	9.62 680	0.41 370	0.29 315	10.03 682	0.29 297

MSMDNet	2.65 628	10.14 664	0.33 259	9.74 675	0.32 336	0.87 467	0.33 334	2.95 634	0.68 463	0.49 384	0.34 353	0.49 388	5.70 672	0.49 387	0.33 331	0.42 310	9.57 678	0.41 370	0.31 340	8.36 675	0.65 454

ccs_rob	2.79 633	10.17 665	0.32 254	10.00 678	0.33 348	0.49 391	0.33 334	1.90 583	0.32 332	0.51 406	0.33 345	0.49 388	9.24 681	0.49 387	0.33 331	0.41 296	9.82 681	0.41 370	0.28 302	9.34 679	0.29 297

quiztm	0.43 300	0.49 238	0.40 330	0.51 351	0.40 389	0.51 412	0.40 385	0.50 387	0.40 384	0.50 397	0.40 389	0.51 413	0.40 378	0.50 395	0.40 378	0.44 312	0.34 310	0.44 384	0.34 361	0.44 358	0.34 340

GSStereo	0.81 438	4.28 610	0.50 386	0.59 372	0.40 389	0.51 412	0.38 371	0.50 387	0.38 370	0.50 397	0.38 376	0.50 402	3.79 657	0.50 395	0.38 363	0.54 384	0.43 367	0.46 393	0.34 361	0.46 366	0.35 350

GS-Stereo							0.38 371	0.50 387	0.38 370	0.50 397	0.38 376	0.50 402	3.79 657	0.50 395	0.38 363	0.54 384	0.43 367	0.46 393	0.34 361	0.46 366	0.35 350

GASTEREO	0.48 355	1.21 423	0.47 366	0.57 367	0.38 378	0.50 400	0.38 371	0.50 387	0.38 370	0.50 397	0.38 376	0.50 402	0.38 367	0.50 395	0.38 363	0.52 380	0.42 362	0.46 393	0.34 361	0.46 366	0.34 340

FoundationStereo	0.50 363	0.50 243	0.50 386	0.50 340	0.50 434	0.50 400	0.50 429	0.50 387	0.50 427	0.50 397	0.50 435	0.50 402	0.50 426	0.50 395	0.50 421	0.50 372	0.50 400	0.50 419	0.50 438	0.50 391	0.50 413

StereoAnything_RVC	0.50 363	0.50 243	0.50 386	0.50 340	0.50 434	0.50 400	0.50 429	0.50 387	0.50 427	0.50 397	0.50 435	0.50 402	0.50 426	0.50 395	0.50 421	0.50 372	0.50 400	0.50 419	0.50 438	0.50 391	0.50 413

dual_stereo	0.50 363	0.50 243	0.50 386	0.50 340	0.50 434	0.50 400	0.50 429	0.50 387	0.50 427	0.50 397	0.50 435	0.50 402	0.50 426	0.50 395	0.50 421	0.50 372	0.50 400	0.50 419	0.50 438	0.50 391	0.50 413

UGAM-zero	0.51 368	2.17 522	0.39 298	0.53 356	0.36 367	0.50 400	0.36 358	0.50 387	0.36 364	0.49 384	0.36 364	0.50 402	0.35 355	0.50 395	0.36 351	0.49 366	0.37 326	0.47 402	0.35 374	0.46 366	0.34 340

UGAM	0.51 368	2.23 527	0.39 298	0.54 359	0.35 361	0.50 400	0.35 352	0.49 378	0.35 355	0.49 384	0.35 361	0.49 388	0.36 358	0.50 395	0.36 351	0.49 366	0.37 326	0.45 389	0.34 361	0.45 363	0.34 340

SANet	0.50 363	0.50 243	0.50 386	0.50 340	0.50 434	0.50 400	0.50 429	0.50 387	0.50 427	0.50 397	0.50 435	0.50 402	0.50 426	0.50 395	0.50 421	0.50 372	0.50 400	0.50 419	0.50 438	0.50 391	0.50 413

GEAStereo	0.62 390	3.91 600	0.48 374	0.69 389	0.38 378	0.51 412	0.38 371	0.51 401	0.38 370	0.53 412	0.38 376	0.50 402	0.38 367	0.51 405	0.38 363	0.54 384	0.43 367	0.46 393	0.34 361	0.46 366	0.34 340

gasm-f	0.62 390	3.91 600	0.48 374	0.69 389	0.38 378	0.51 412	0.38 371	0.51 401	0.38 370	0.53 412	0.38 376	0.50 402	0.38 367	0.51 405	0.38 363	0.54 384	0.43 367	0.46 393	0.34 361	0.46 366	0.34 340

MyStereo07	0.60 383	3.72 593	0.48 374	0.49 304	0.41 399	0.36 264	0.32 323	0.49 378	0.43 402	0.51 406	0.42 406	0.49 388	0.43 399	0.51 405	0.64 445	0.49 366	0.45 375	0.34 267	0.32 347	0.35 260	0.43 390

GES	0.66 397	2.34 538	0.29 230	0.41 262	0.29 273	0.41 300	0.29 266	0.42 311	0.29 268	0.40 279	0.41 396	0.41 301	0.30 279	0.51 405	0.29 265	0.32 233	0.29 251	0.32 251	2.46 643	2.49 605	0.30 310

psmorigin	0.41 286	0.46 226	0.33 259	0.49 304	0.33 348	0.49 391	0.33 334	0.49 378	0.33 342	0.49 384	0.33 345	0.49 388	0.33 344	0.51 405	0.33 331	0.41 296	0.30 260	0.41 370	0.30 329	0.79 439	0.29 297

fffft	0.48 355	0.51 251	0.45 354	0.52 354	0.45 416	0.52 416	0.45 408	0.52 405	0.48 421	0.53 412	0.45 414	0.52 414	0.45 405	0.52 410	0.46 404	0.51 378	0.41 353	0.50 419	0.41 408	0.50 391	0.41 381
1: 1. 1
Occ-G	1.12 498	0.52 253	3.72 657	3.50 617	0.50 434	0.56 423	0.47 415	0.54 409	0.46 409	0.54 417	0.41 396	0.54 418	0.42 396	0.52 410	0.42 394	3.42 633	4.02 654	0.52 427	0.45 420	0.51 397	0.44 393

MSCF	0.51 368	1.40 445	0.49 381	0.58 369	0.38 378	0.50 400	0.38 371	0.54 409	0.41 394	0.52 409	0.41 396	0.53 415	0.42 396	0.53 412	0.41 386	0.60 398	0.47 385	0.48 410	0.37 383	0.48 383	0.38 365

LG-Stereo_L1	0.47 350	0.52 253	0.47 366	0.62 377	0.39 388	0.53 418	0.40 385	0.53 407	0.39 383	0.53 412	0.39 386	0.53 415	0.39 377	0.53 412	0.39 375	0.55 390	0.46 377	0.49 415	0.37 383	0.49 386	0.37 358

252Zero-FE	0.45 336	0.50 243	0.36 281	0.50 340	0.36 367	0.50 400	0.36 358	0.50 387	0.36 364	0.49 384	0.36 364	0.49 388	0.36 358	0.54 414	0.41 386	0.45 341	0.34 310	0.45 389	0.34 361	0.55 405	0.75 476

PAM_32	0.64 394	2.38 542	0.51 392	0.92 423	0.43 411	0.53 418	0.44 402	0.87 458	0.43 402	0.52 409	0.45 414	0.53 415	0.40 378	0.54 414	0.46 404	0.62 406	0.56 414	0.48 410	0.45 420	0.76 433	0.44 393

iRaftStereo_RVC	0.97 475	3.17 580	2.30 625	2.42 577	0.38 378	0.54 421	0.38 371	0.54 409	0.38 370	0.54 417	0.38 376	0.54 418	0.38 367	0.54 414	0.38 363	2.38 609	2.34 625	0.49 415	0.36 380	0.49 386	0.36 353

PSMNet_ROB	0.54 374	0.54 261	0.54 400	0.54 359	0.53 444	0.54 421	0.54 437	0.53 407	0.54 437	0.54 417	0.54 445	0.54 418	0.53 433	0.54 414	0.54 431	0.54 384	0.53 409	0.54 431	0.54 445	0.54 404	0.54 426

AEACV	1.12 498	0.52 253	3.12 648	3.24 602	0.86 501	0.53 418	0.49 426	0.60 423	0.47 414	0.53 412	0.49 432	0.55 422	0.45 405	0.55 418	0.47 411	3.01 628	3.88 652	0.71 453	0.60 456	0.80 442	0.48 405

FSD					0.44 412	0.56 423	0.44 402	0.55 412	0.44 405	0.56 422	0.44 410	0.56 425	0.44 401	0.56 419	0.46 404	0.61 402	0.42 362	0.52 427	0.42 416	0.52 399

LG-Stereo_Zeroshot	0.48 355	0.55 263	0.47 366	0.63 379	0.41 399	0.56 423	0.44 402	0.56 413	0.41 394	0.56 422	0.41 396	0.57 428	0.42 396	0.56 419	0.41 386	0.55 390	0.43 367	0.51 424	0.37 383	0.51 397	0.37 358

MyStereo8	0.71 409	3.92 602	0.52 395	0.59 372	0.52 441	0.57 429	0.53 435	0.59 421	0.50 427	0.59 429	0.51 441	0.57 428	0.50 426	0.56 419	0.52 428	0.54 384	0.49 392	0.54 431	0.49 436	0.55 405	0.50 413

CASS	0.57 382	0.89 308	0.56 402	0.57 367	0.56 447	0.56 423	0.56 438	0.56 413	0.53 435	0.57 425	0.57 447	0.59 432	0.48 417	0.56 419	0.57 434	0.55 390	0.56 414	0.47 402	0.56 451	0.62 414	0.56 436
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PML	0.46 343	1.36 441	0.29 230	0.58 369	0.30 283	0.57 429	0.29 266	0.57 416	0.29 268	0.57 425	0.29 272	0.57 428	0.29 273	0.56 419	0.29 265	0.52 380	0.30 260	0.53 430	0.31 340	0.53 403	0.30 310

MyStereo06	0.75 420	4.12 604	0.60 410	0.63 379	0.61 456	0.62 436	0.66 453	0.56 413	0.45 408	0.55 420	0.48 429	0.54 418	0.46 408	0.57 424	0.45 400	0.60 398	0.57 416	0.64 442	0.55 447	0.72 427	0.55 433

test-3	0.98 477	4.13 606	1.85 607	1.85 551	0.61 456	0.69 442	0.37 364	0.63 428	0.61 448	0.66 440	0.51 441	0.73 450	0.44 401	0.57 424	0.54 431	1.68 569	1.81 605	0.40 353	0.43 418	0.66 418	0.50 413

WCG-NET	0.61 388	1.21 423	0.54 400	0.61 376	0.53 444	0.67 441	0.53 435	0.66 432	0.53 435	0.64 437	0.53 444	0.65 441	0.53 433	0.59 426	0.52 428	0.65 410	0.48 389	0.64 442	0.52 442	0.58 411	0.50 413

LL-Strereo	1.01 485	5.06 619	1.63 587	0.70 393	1.43 596	0.56 423	0.46 410	0.57 416	0.50 427	0.57 425	0.50 435	1.58 578	0.49 422	0.59 426	0.50 421	1.64 568	0.52 407	0.51 424	1.37 591	0.52 399	0.45 395

DN	0.53 373	0.85 299	0.45 354	0.65 383	0.44 412	0.60 432	0.44 402	0.60 423	0.44 405	0.60 430	0.45 414	0.60 433	0.44 401	0.60 428	0.44 398	0.56 393	0.42 362	0.56 433	0.42 416	0.56 407	0.42 388

AIO-test2	0.55 379	0.59 269	0.52 395	0.67 388	0.47 424	0.61 433	0.47 415	0.61 426	0.47 414	0.61 431	0.47 425	0.61 435	0.48 417	0.62 429	0.47 411	0.64 409	0.53 409	0.58 435	0.47 429	0.58 411	0.48 405

AIO-test1	0.54 374	0.60 271	0.52 395	0.66 387	0.47 424	0.61 433	0.47 415	0.58 419	0.46 409	0.61 431	0.46 417	0.61 435	0.45 405	0.62 429	0.45 400	0.61 402	0.52 407	0.57 434	0.48 433	0.57 410	0.48 405

MonSter	0.60 383	0.64 274	0.52 395	0.62 377	0.44 412	2.07 598	0.44 402	0.62 427	0.44 405	0.62 434	0.44 410	0.62 437	0.44 401	0.62 429	0.44 398	0.58 395	0.42 362	0.62 438	0.46 422	0.58 411	0.42 388

CFNet_RVC	2.38 622	8.71 653	0.38 287	9.33 672	0.42 409	0.56 423	0.42 399	0.60 423	0.38 370	0.62 434	0.42 406	0.56 425	7.29 677	0.62 429	0.42 394	0.53 383	0.37 326	0.49 415	0.34 361	8.30 674	6.87 679

PA-Net	11.80 680	223.51 706	0.62 417	0.59 372	0.71 476	0.59 431	0.73 479	0.67 433	0.73 485	0.55 420	0.61 456	0.60 433	0.74 476	0.63 433	0.73 477	0.66 412	0.60 422	0.69 450	0.66 471	0.72 427	0.65 454
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DispNO	1.00 478	0.63 272	0.43 350	3.45 613	0.44 412	0.65 439	0.43 401	0.64 429	0.43 402	0.64 437	0.43 408	0.64 438	3.03 635	0.64 434	0.43 397	4.55 644	0.43 367	0.63 440	0.43 418	0.63 415	0.43 390

DSFCA	0.66 397	0.73 281	0.78 456	0.65 383	0.65 464	0.64 438	0.64 450	0.65 430	0.63 452	0.64 437	0.64 460	0.64 438	0.64 450	0.65 435	0.65 448	0.65 410	0.65 431	0.65 445	0.65 469	0.66 418	0.64 452

KSHMR	0.66 397	0.50 243	0.48 374	1.15 458	0.52 441	0.49 391	0.51 433	0.49 378	0.71 479	0.67 441	0.50 435	1.16 514	1.11 512	0.66 436	0.52 428	0.49 366	0.49 392	0.51 424	0.66 471	0.50 391	1.14 521

LMCR-Stereo	0.65 395	0.63 272	0.65 424	0.65 383	0.65 464	0.66 440	0.63 449	0.58 419	0.65 454	0.63 436	0.64 460	0.65 441	0.65 452	0.66 436	0.66 451	0.66 412	0.64 429	0.65 445	0.67 475	0.68 420	0.73 472

MyStereo05	0.80 433	4.12 604	0.63 418	0.63 379	0.61 456	0.62 436	0.66 453	0.65 430	0.62 449	0.67 441	0.61 456	0.65 441	0.58 441	0.67 438	0.55 433	0.60 398	0.57 416	0.64 442	0.55 447	0.72 427	0.55 433

ktn	0.72 412	0.53 257	1.08 491	1.14 455	0.51 440	1.22 558	1.36 589	0.51 401	0.59 445	0.51 406	0.51 441	0.69 444	1.20 523	0.67 438	0.51 426	0.51 378	0.49 392	0.58 435	0.66 471	0.52 399	0.53 423

DMCA-RVC	0.70 406	0.80 291	0.70 439	0.70 393	0.70 474	0.70 443	0.70 473	0.71 438	0.70 474	0.70 444	0.71 482	0.71 445	0.70 469	0.70 440	0.69 467	0.69 415	0.70 445	0.69 450	0.70 482	0.69 424	0.70 462

DStereoRT	0.73 416	0.81 294	0.73 449	0.71 395	0.74 481	0.73 447	0.75 481	0.71 438	0.71 479	0.74 451	0.72 485	0.73 450	0.80 485	0.71 441	0.73 477	0.76 432	0.71 449	0.73 454	0.72 487	0.70 425	0.76 479

anonymity	0.63 392	0.69 276	0.56 402	0.71 395	0.56 447	0.71 445	0.56 438	0.71 438	0.56 438	0.72 445	0.56 446	0.71 445	0.56 437	0.71 441	0.58 436	0.68 414	0.55 412	0.68 447	0.55 447	0.68 420	0.54 426

MLG-Stereo	0.92 466	0.90 311	0.84 466	1.27 517	0.49 430	1.38 572	0.88 499	1.41 569	0.97 513	0.73 446	1.09 523	1.26 564	0.43 399	0.72 443	1.05 516	1.13 487	0.49 392	1.18 522	0.66 471	1.01 480	0.46 396

Selective-IGEV	0.51 368	0.55 263	0.45 354	0.69 389	0.45 416	0.61 433	0.45 408	0.50 387	0.40 384	0.56 422	0.44 410	0.55 422	0.40 378	0.72 443	0.67 452	0.59 397	0.46 377	0.45 389	0.34 361	0.46 366	0.37 358

iGMRVC	0.84 449	2.85 572	0.72 445	0.72 397	0.73 479	0.77 449	0.79 486	0.73 441	0.74 487	0.73 446	0.72 485	0.73 450	0.76 479	0.73 445	0.73 477	0.72 425	0.73 452	0.73 454	0.72 487	0.73 430	0.72 469

RAFT-Stereo + iAFF	0.70 406	0.72 279	0.71 442	0.80 405	0.62 461	0.82 460	0.61 447	0.81 452	0.62 449	0.81 460	0.63 458	0.80 460	0.70 469	0.73 445	0.61 443	0.76 432	0.61 426	0.74 459	0.61 458	0.77 435	0.61 442

SMoEStereo_RVC	0.63 392	0.75 284	0.51 392	0.73 398	0.53 444	0.71 445	0.47 415	0.67 433	0.58 441	0.74 451	0.60 452	0.72 448	0.53 433	0.74 447	0.51 426	0.61 402	0.62 427	0.62 438	0.61 458	0.63 415	0.61 442

TorneroNet-64	0.45 336	0.27 158	0.30 234	0.58 369	0.27 258	0.70 443	0.30 271	0.28 224	0.73 485	0.73 446	0.28 266	0.71 445	0.66 455	0.75 448	0.27 245	0.27 212	0.29 251	0.37 291	0.75 491	0.28 222	0.30 310

4D-IteraStereo	0.78 429	3.13 578	0.89 468	0.69 389	0.32 336	0.40 284	0.32 323	0.76 444	0.97 513	0.52 409	0.65 462	0.89 473	0.32 333	0.76 449	0.98 507	0.83 445	0.94 477	0.35 283	0.27 289	0.70 425	0.89 494

GCAP-Stereo	0.75 420	4.15 607	0.42 349	0.75 400	0.35 361	0.78 451	0.40 385	0.79 446	0.38 370	0.78 455	0.36 364	0.78 456	0.36 358	0.79 450	0.39 375	0.75 430	0.39 340	0.76 462	0.39 399	0.75 431	0.39 371

G-Net	0.79 430	0.79 290	0.79 459	0.79 402	0.79 494	0.79 453	0.79 486	0.79 446	0.79 493	0.79 456	0.79 497	0.79 458	0.79 484	0.79 450	0.79 487	0.79 435	0.79 462	0.79 466	0.79 498	0.79 439	0.79 484

PointNet	0.60 383	0.75 284	0.49 381	0.79 402	0.50 434	0.79 453	0.49 426	0.79 446	0.49 423	0.80 457	0.49 432	0.79 458	0.49 422	0.80 452	0.49 419	0.63 408	0.40 343	0.63 440	0.40 400	0.63 415	0.40 373

NaN_ROB	0.80 433	0.80 291	0.80 460	0.80 405	0.80 497	0.80 455	0.80 489	0.80 449	0.80 495	0.80 457	0.80 499	0.80 460	0.80 485	0.80 452	0.80 490	0.80 437	0.80 465	0.80 469	0.80 500	0.80 442	0.80 485

CSAN	0.80 433	0.80 291	0.80 460	0.80 405	0.80 497	0.80 455	0.80 489	0.80 449	0.80 495	0.80 457	0.80 499	0.80 460	0.80 485	0.80 452	0.80 490	0.80 437	0.80 465	0.80 469	0.80 500	0.80 442	0.80 485

MGA	0.73 416	0.76 286	0.60 410	0.92 423	1.17 533	0.81 457	0.59 445	0.84 456	0.62 449	0.81 460	0.59 451	0.84 467	0.60 445	0.81 455	0.61 443	0.71 419	0.53 409	0.89 481	0.53 444	0.75 431	0.54 426

CAR	0.72 412	0.76 286	0.59 406	0.84 410	1.19 537	0.81 457	0.58 441	0.81 452	0.58 441	0.81 460	0.58 449	0.83 465	0.59 443	0.82 456	0.59 439	0.71 419	0.49 392	0.73 454	0.68 476	0.87 452	0.52 421

MSE-Stereo	0.72 412	0.76 286	0.59 406	0.84 410	1.19 537	0.81 457	0.58 441	0.81 452	0.58 441	0.81 460	0.58 449	0.83 465	0.59 443	0.82 456	0.59 439	0.71 419	0.49 392	0.73 454	0.68 476	0.87 452	0.52 421

LiteMatch	1.13 500	0.73 281	2.80 634	3.23 600	0.61 456	0.83 462	0.68 461	0.73 441	0.69 468	1.00 481	0.77 493	0.94 481	0.57 438	0.82 456	0.64 445	2.97 626	2.43 628	0.68 447	0.32 347	0.56 407	0.70 462

Lsterematch	1.13 500	0.73 281	2.80 634	3.23 600	0.61 456	0.83 462	0.68 461	0.73 441	0.69 468	1.00 481	0.77 493	0.94 481	0.57 438	0.82 456	0.64 445	2.97 626	2.43 628	0.68 447	0.32 347	0.56 407	0.70 462

zero-FE	0.72 412	1.31 437	0.66 425	0.92 423	0.60 451	0.82 460	0.58 441	0.82 455	0.58 441	0.81 460	0.60 452	0.81 463	0.60 445	0.82 456	0.58 436	0.74 429	0.59 421	0.73 454	0.52 442	0.76 433	0.51 420

ARAFT	0.68 402	0.81 294	0.63 418	0.74 399	0.60 451	0.78 451	0.62 448	0.77 445	0.66 456	0.74 451	0.63 458	0.75 453	0.62 449	0.83 461	0.60 441	0.70 418	0.55 412	0.70 452	0.60 456	0.78 437	0.55 433

RSM++	0.76 425	0.82 296	0.66 425	0.85 414	0.64 462	0.85 464	0.71 476	0.94 472	0.64 453	0.87 466	0.67 465	0.87 469	0.65 452	0.84 462	0.65 448	0.81 440	0.70 445	0.79 466	0.71 485	0.83 449	0.70 462

HH	0.71 409	2.54 548	0.74 450	1.10 449	0.32 336	0.41 300	0.37 364	0.69 435	0.78 489	0.73 446	0.90 505	0.75 453	1.00 500	0.84 462	0.69 467	0.69 415	0.40 343	0.35 283	0.26 252	0.35 260	0.26 233

HanStereo	0.71 409	2.54 548	0.74 450	1.10 449	0.32 336	0.41 300	0.37 364	0.69 435	0.78 489	0.73 446	0.90 505	0.75 453	1.00 500	0.84 462	0.69 467	0.69 415	0.40 343	0.35 283	0.26 252	0.35 260	0.26 233

AFF-stereo	0.73 416	0.88 305	0.67 429	0.75 400	0.68 471	0.75 448	0.64 450	0.80 449	0.72 482	0.83 465	0.70 477	0.82 464	0.64 450	0.84 462	0.67 452	0.77 434	0.63 428	0.81 471	0.63 460	0.78 437	0.62 445

Monster-pub-mixall	0.44 313	0.56 265	0.60 410	0.38 232	0.27 258	0.37 269	0.27 248	0.37 258	0.29 268	0.38 267	0.27 259	0.38 275	0.29 273	0.85 466	0.27 245	1.46 559	0.26 221	0.34 267	0.26 252	0.36 267	0.53 423

monster-pro	0.75 420	1.67 453	0.64 420	0.89 416	0.57 449	0.86 466	0.56 438	0.87 458	0.56 438	0.87 466	0.57 447	0.88 470	0.57 438	0.87 467	0.57 434	0.79 435	0.58 418	0.76 462	0.54 445	0.77 435	0.54 426

Selective-RAFT-Error	0.88 461	0.84 297	0.98 480	0.86 415	0.97 513	0.88 468	0.95 507	0.84 456	0.99 516	0.92 473	0.82 501	0.84 467	0.98 499	0.87 467	0.97 506	0.81 440	0.83 468	0.79 466	0.82 503	0.79 439	0.85 490

DCRE	0.84 449	1.89 500	0.77 455	0.94 430	0.72 478	0.88 468	0.73 479	0.87 458	0.78 489	0.90 469	0.71 482	0.88 470	0.67 457	0.88 469	0.73 477	0.81 440	0.68 438	0.81 471	0.70 482	0.82 447	0.70 462

DDUNet	0.81 438	2.45 546	0.57 404	0.90 418	0.60 451	0.88 468	0.59 445	0.90 463	0.60 446	0.88 468	0.60 452	0.90 474	0.58 441	0.88 469	0.60 441	0.84 447	0.60 422	0.86 479	0.57 453	0.86 451	0.60 441

Selective-RAFT	0.89 463	0.89 308	0.72 445	1.16 463	0.78 492	1.06 497	0.82 496	0.87 458	0.97 513	1.00 481	0.91 508	0.90 474	1.00 500	0.89 471	0.93 503	0.83 445	0.83 468	0.82 475	0.82 503	0.81 445	0.82 488

UDG	0.80 433	2.21 526	0.60 410	0.91 420	0.60 451	0.90 471	0.58 441	0.88 462	0.60 446	0.90 469	0.60 452	0.88 470	0.60 445	0.90 472	0.58 436	0.86 449	0.60 422	0.84 477	0.59 455	0.84 450	0.61 442

999	1.00 478	1.12 366	0.59 406	1.10 449	1.21 585	1.09 502	0.52 434	1.08 490	1.43 598	1.18 512	1.35 590	0.98 486	0.52 432	0.91 473	0.85 496	0.72 425	1.46 578	0.83 476	0.98 512	0.68 420	1.41 593

MoCha-V2	2.11 598	26.97 684	0.78 456	0.92 423	0.77 491	0.96 478	0.72 478	0.90 463	0.72 482	0.94 477	0.70 477	0.90 474	0.71 473	0.91 473	0.71 475	0.85 448	0.71 449	0.88 480	0.69 480	0.87 452	0.67 458

DPSM_ROB	0.92 466	0.91 313	0.91 473	0.91 420	0.92 508	0.92 473	0.92 503	0.92 468	0.91 503	0.93 475	0.91 508	0.92 477	0.90 492	0.91 473	0.92 499	0.92 454	0.91 473	0.91 485	0.92 507	0.93 467	0.93 498

DPSM	0.92 466	0.91 313	0.91 473	0.91 420	0.92 508	0.92 473	0.92 503	0.92 468	0.91 503	0.93 475	0.91 508	0.92 477	0.90 492	0.91 473	0.92 499	0.92 454	0.91 473	0.91 485	0.92 507	0.93 467	0.93 498

Monster-pub-eth3d	0.45 336	0.57 266	0.60 410	0.39 237	0.28 263	0.37 269	0.28 256	0.37 258	0.30 279	0.39 273	0.29 272	0.39 280	0.30 279	0.92 477	0.27 245	1.42 556	0.28 237	0.34 267	0.28 302	0.37 271	0.53 423

pmcnn	0.92 466	0.92 318	0.92 475	0.92 423	0.92 508	0.92 473	0.92 503	0.92 468	0.92 507	0.92 473	0.92 511	0.92 477	0.92 494	0.92 477	0.92 499	0.92 454	0.92 475	0.92 488	0.92 507	0.92 462	0.92 497

IGEVStereo-DCA	1.77 568	4.21 608	1.84 605	2.49 580	2.11 635	2.54 621	1.36 589	1.65 576	1.17 533	2.75 630	1.90 624	2.54 616	1.15 516	0.94 479	1.11 520	1.50 561	1.32 557	0.96 498	1.46 600	1.49 563	0.88 491

rrr	1.77 568	4.21 608	1.84 605	2.49 580	2.11 635	2.54 621	1.36 589	1.65 576	1.17 533	2.75 630	1.90 624	2.54 616	1.15 516	0.94 479	1.11 520	1.50 561	1.32 557	0.96 498	1.46 600	1.49 563	0.88 491

ToySt	0.92 466	2.11 517	0.90 471	0.95 432	0.79 494	0.99 480	0.78 485	0.94 472	0.81 498	0.94 477	0.78 495	0.95 483	0.77 481	0.94 479	0.86 497	0.91 451	0.79 462	0.85 478	0.77 494	0.89 456	0.73 472

DGTPSM_ROB	0.93 471	1.00 336	0.92 475	0.94 430	0.96 512	0.91 472	0.92 503	0.91 465	0.96 512	0.91 471	0.96 512	0.93 480	0.92 494	0.94 479	0.92 499	0.92 454	0.92 475	0.90 482	0.92 507	0.94 471	0.91 496

R-Stereo Train	0.81 438	0.96 324	0.67 429	0.95 432	0.67 468	0.95 476	0.68 461	0.95 474	0.68 463	0.95 479	0.68 470	0.96 484	0.68 461	0.96 483	0.68 459	0.94 460	0.68 438	0.94 495	0.68 476	0.94 471	0.68 459

RAFT-Stereo	0.81 438	0.96 324	0.67 429	0.95 432	0.67 468	0.95 476	0.68 461	0.95 474	0.68 463	0.95 479	0.68 470	0.96 484	0.68 461	0.96 483	0.68 459	0.94 460	0.68 438	0.94 495	0.68 476	0.94 471	0.68 459
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Replicate-Monster	0.45 336	0.57 266	0.60 410	0.40 250	0.29 273	0.37 269	0.27 248	0.37 258	0.30 279	0.40 279	0.31 326	0.40 288	0.30 279	0.99 485	0.27 245	1.36 552	0.31 265	0.34 267	0.30 329	0.36 267	0.54 426

AIO-Stereo	0.84 449	0.66 275	0.70 439	0.83 409	0.67 468	0.98 479	0.82 496	1.14 494	0.72 482	1.03 497	0.74 489	1.03 499	1.09 511	0.99 485	0.45 400	1.04 474	0.73 452	0.95 497	0.74 489	0.94 471	0.46 396

Test_v1	1.00 478	1.00 336	1.00 482	1.00 439	1.00 514	1.00 481	1.00 511	1.00 476	1.00 517	1.00 481	1.00 515	1.00 487	1.00 500	1.00 487	1.00 509	1.00 469	1.00 478	1.00 502	1.00 514	1.00 476	1.00 505

WQFJA1++	0.84 449	0.98 327	0.67 429	1.26 516	0.75 483	1.00 481	0.67 457	1.00 476	0.67 457	1.00 481	0.67 465	1.00 487	0.67 457	1.00 487	0.67 452	0.96 462	0.67 433	0.91 485	0.63 460	0.92 462	0.63 446

WQFJX1	0.84 449	0.98 327	0.67 429	1.30 524	0.75 483	1.01 488	0.67 457	1.01 484	0.67 457	1.01 491	0.67 465	1.01 494	0.68 461	1.00 487	0.68 459	0.98 467	0.67 433	0.92 488	0.64 465	0.92 462	0.64 452

LG-Stereo	0.60 383	0.58 268	0.47 366	0.64 382	0.74 481	1.00 481	0.69 469	0.57 416	0.41 394	0.57 425	0.41 396	0.57 428	0.41 390	1.00 487	0.75 482	0.91 451	0.51 405	0.52 427	0.37 383	0.52 399	0.37 358

GANet	1.00 478	1.00 336	1.00 482	1.00 439	1.00 514	1.00 481	1.00 511	1.00 476	1.00 517	1.00 481	1.00 515	1.00 487	1.00 500	1.00 487	1.00 509	1.00 469	1.00 478	1.00 502	1.00 514	1.00 476	1.00 505

TDLM	1.00 478	1.00 336	1.00 482	1.00 439	1.00 514	1.00 481	1.00 511	1.00 476	1.00 517	1.00 481	1.00 515	1.00 487	1.00 500	1.00 487	1.00 509	1.00 469	1.00 478	1.00 502	1.00 514	1.00 476	1.00 505

CVANet_RVC	1.00 478	1.00 336	1.00 482	1.00 439	1.00 514	1.00 481	1.00 511	1.00 476	1.00 517	1.00 481	1.00 515	1.00 487	1.00 500	1.00 487	1.00 509	1.00 469	1.00 478	1.00 502	1.00 514	1.00 476	1.00 505

WQFJA1	0.85 455	0.98 327	0.67 429	1.29 522	0.76 488	1.01 488	0.67 457	1.02 488	0.67 457	1.02 495	0.67 465	1.01 494	0.67 457	1.01 494	0.68 459	0.99 468	0.67 433	0.93 491	0.64 465	0.92 462	0.65 454

NLMM1	0.86 458	0.98 327	0.69 438	1.48 538	0.75 483	1.01 488	0.69 469	1.00 476	0.69 468	1.00 481	0.70 477	1.00 487	0.68 461	1.01 494	0.67 452	0.97 463	0.68 438	0.92 488	0.63 460	0.93 467	0.63 446

NLSM3	0.85 455	0.99 334	0.68 436	1.29 522	0.76 488	1.01 488	0.68 461	1.01 484	0.68 463	1.02 495	0.68 470	1.01 494	0.68 461	1.01 494	0.68 459	0.97 463	0.68 438	0.93 491	0.64 465	0.93 467	0.63 446

trnet	1.01 485	1.01 345	1.01 486	1.01 443	1.01 519	1.01 488	1.01 515	1.01 484	1.01 521	1.01 491	1.01 519	1.01 494	1.01 507	1.01 494	1.01 513	1.01 473	1.01 483	1.01 506	1.01 520	1.01 480	1.01 510

WQFJX	0.85 455	1.00 336	0.68 436	1.30 524	0.75 483	1.01 488	0.68 461	1.01 484	0.68 463	1.01 491	0.68 470	1.03 499	0.68 461	1.02 498	0.67 452	0.97 463	0.67 433	0.93 491	0.63 460	0.94 471	0.63 446

NLMM	0.84 449	1.00 336	0.67 429	1.27 517	0.75 483	1.00 481	0.68 461	1.00 476	0.67 457	1.00 481	0.67 465	1.02 498	0.67 457	1.02 498	0.67 452	0.97 463	0.67 433	0.93 491	0.63 460	0.92 462	0.63 446

DPSimNet_ROB	0.97 475	1.18 375	0.81 463	1.10 449	0.91 507	1.02 494	0.82 496	1.04 489	0.91 503	1.03 497	0.86 504	1.28 568	0.82 489	1.03 500	0.89 498	1.17 491	0.81 467	1.02 507	0.82 503	1.08 485	0.81 487

AIO-Stereo-zeroshot1	0.75 420	0.92 318	0.85 467	0.96 435	0.59 450	1.27 562	0.44 402	0.59 421	0.69 468	0.91 471	0.68 470	0.55 422	0.61 448	1.06 501	0.83 495	0.62 406	0.70 445	0.90 482	0.41 408	0.89 456	0.56 436

AIO-Stereo-zeroshot	0.91 464	0.86 301	0.89 468	1.25 515	0.69 472	1.05 496	0.81 493	1.16 498	0.50 427	1.12 507	0.97 513	0.72 448	0.82 489	1.06 501	0.95 504	0.61 402	0.87 470	1.03 509	0.85 506	1.04 483	1.01 510

GLC_STEREO	1.07 492	1.01 345	1.06 489	1.07 447	1.05 523	1.06 497	1.08 520	1.08 490	1.05 525	1.07 499	1.06 521	1.08 502	1.05 509	1.06 501	1.10 519	1.07 476	1.09 493	1.05 510	1.05 521	1.06 484	1.12 517

11t	1.27 553	2.70 557	1.34 558	1.32 527	0.89 503	1.30 564	1.34 586	1.64 575	0.57 440	1.45 573	0.72 485	1.05 501	1.29 575	1.07 504	1.29 587	1.49 560	1.02 484	0.97 500	1.15 526	1.48 562	1.31 584

RGC	2.36 618	25.48 678	1.19 502	1.15 458	1.15 528	1.10 503	1.16 527	1.17 500	1.16 529	1.12 507	1.16 528	1.11 510	1.13 513	1.09 505	1.18 529	1.10 480	1.15 502	1.16 515	1.12 524	1.14 488	1.12 517

Abc-Net	2.32 615	24.75 676	1.14 494	1.17 464	1.17 533	1.11 506	1.15 525	1.17 500	1.21 581	1.08 500	1.16 528	1.12 511	1.14 515	1.09 505	1.17 528	1.09 478	1.16 503	1.17 519	1.17 529	1.16 493	1.11 515
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 616	25.00 677	1.13 493	1.15 458	1.15 528	1.10 503	1.15 525	1.15 495	1.15 528	1.12 507	1.15 525	1.09 504	1.13 513	1.10 507	1.15 524	1.11 485	1.09 493	1.16 515	1.12 524	1.16 493	1.17 526

edge stereo	2.43 623	27.07 685	1.14 494	1.06 446	1.14 527	1.08 500	1.17 528	1.16 498	1.14 527	1.10 501	1.16 528	1.09 504	1.16 520	1.10 507	1.16 527	1.10 480	1.11 497	1.16 515	1.19 530	1.13 487	1.11 515

Wavelet-MonSter	1.00 478	1.21 423	0.76 453	1.94 555	1.01 519	1.11 506	0.76 483	1.15 495	0.76 488	1.11 506	0.76 491	1.14 512	0.76 479	1.11 509	0.76 484	1.21 540	0.90 472	1.02 507	0.71 485	1.02 482	0.71 468

Nwc_Net	2.37 620	25.95 681	1.15 496	1.14 455	1.15 528	1.08 500	1.14 524	1.17 500	1.16 529	1.14 510	1.15 525	1.08 502	1.15 516	1.11 509	1.14 523	1.10 480	1.11 497	1.16 515	1.09 523	1.16 493	1.15 522

AF-Net	2.37 620	25.71 680	1.17 498	1.13 454	1.15 528	1.15 510	1.18 529	1.19 503	1.16 529	1.10 501	1.15 525	1.10 506	1.18 521	1.12 511	1.15 524	1.10 480	1.10 496	1.17 519	1.15 526	1.16 493	1.12 517

AdaDepth	0.86 458	0.93 320	0.71 442	1.01 443	1.07 524	1.02 494	0.71 476	1.00 476	0.71 479	1.01 491	0.71 482	1.00 487	0.72 474	1.14 512	0.71 475	0.92 454	0.64 429	0.90 482	0.64 465	0.89 456	0.69 461

NCC-stereo	2.36 618	25.52 679	1.17 498	1.15 458	1.17 533	1.11 506	1.11 521	1.15 495	1.16 529	1.10 501	1.16 528	1.10 506	1.15 516	1.14 512	1.13 522	1.09 478	1.11 497	1.15 514	1.16 528	1.17 498	1.17 526

stereogan	2.33 616	24.38 675	1.18 500	1.18 465	1.18 536	1.14 509	1.18 529	1.19 503	1.19 535	1.14 510	1.18 532	1.14 512	1.18 521	1.14 512	1.18 529	1.14 489	1.14 501	1.19 524	1.19 530	1.15 491	1.19 530

HSM-Net_RVC	0.95 474	1.17 373	0.78 456	1.18 465	0.71 476	1.16 511	0.75 481	1.09 492	0.80 495	1.10 501	0.75 490	1.17 515	0.74 476	1.17 515	0.80 490	1.13 487	0.73 452	1.17 519	0.77 494	1.16 493	0.72 469
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
S-Stereo	2.51 625	26.86 683	1.23 554	1.22 512	1.22 587	1.24 560	1.25 580	1.22 552	1.24 584	1.21 559	1.24 581	1.19 516	1.27 573	1.19 516	1.24 580	1.19 492	1.20 508	1.25 573	1.19 530	1.24 552	1.23 579

DisPM	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

CrosDoStereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

PFNet+	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

LCNet	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

HHNet	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

Patchmatch Stereo++	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531
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	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

STrans-v2	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

TransformOpticalFlow	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

OMP-Stereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

IIG-Stereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

NF-Stereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

OCTAStereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

PSM-softLoss	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

KMStereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

NRIStereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

PSM-adaLoss	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

PSM-AAD	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

FTStereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

ROB_FTStereo_v2	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

ROB_FTStereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

Consistency-Raft	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

KYRaft	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

HUI-Stereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

ASMatch	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

DeepStereo_LL	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

DEmStereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

SST-Stereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

THIR-Stereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

RAFT_R40	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

DRaft	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

PFNet	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

GrayStereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

RE-Stereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

Pruner-Stereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

TVStereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

DeepStereo_RVC	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

RAFT-RH_RVC	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

IRAFT_RVC	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

RAFT-345	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

iRAFT	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

CRE-IMP	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

GMM-Stereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

RAFT-IKP	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

Prome-Stereo	1.20 503	1.20 377	1.20 505	1.20 467	1.20 539	1.20 512	1.20 531	1.20 506	1.20 536	1.20 514	1.20 533	1.20 517	1.20 523	1.20 517	1.20 533	1.20 494	1.20 508	1.20 526	1.20 533	1.20 503	1.20 531

FAT-Stereo	2.46 624	26.05 682	1.23 554	1.23 514	1.22 587	1.20 512	1.24 579	1.23 554	1.23 583	1.19 513	1.22 579	1.21 562	1.24 571	1.20 517	1.24 580	1.21 540	1.17 506	1.22 572	1.25 583	1.20 503	1.24 580

CroCo-Stereo	0.73 416	1.22 429	0.25 211	1.22 512	0.25 250	1.22 558	0.25 238	1.22 552	0.25 241	1.22 560	0.25 250	1.22 563	0.25 243	1.22 563	0.25 239	1.22 542	0.26 221	1.21 571	0.25 246	1.22 551	0.25 227
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
Hybrid-DGEV-2	1.05 491	1.83 488	0.83 464	1.33 528	0.82 500	1.30 564	0.81 493	1.26 555	0.79 493	1.29 563	0.79 497	1.26 564	0.80 485	1.26 564	0.79 487	1.20 494	0.78 460	1.18 522	0.77 494	1.20 503	0.77 481

Hybrid-DGEV	1.03 489	1.75 462	0.80 460	1.28 521	0.78 492	1.26 561	0.80 489	1.26 555	0.78 489	1.26 561	0.78 495	1.26 564	0.78 483	1.26 564	0.78 486	1.15 490	0.75 455	1.14 512	0.74 489	1.14 488	0.75 476

CroCo-Stereo Lap2	0.77 426	1.29 433	0.29 230	1.27 517	0.29 273	1.27 562	0.26 245	1.26 555	0.26 254	1.26 561	0.26 255	1.27 567	0.26 252	1.26 564	0.27 245	1.27 544	0.27 231	1.27 574	0.27 289	1.27 554	0.27 271

FC-DCNN	1.07 492	1.09 361	0.98 480	0.89 416	0.52 441	1.41 575	0.91 502	1.21 551	1.24 584	1.96 587	2.05 641	1.91 588	1.30 576	1.27 567	1.08 518	0.80 437	0.60 422	0.58 435	0.41 408	0.68 420	0.54 426

LiteMatch*	2.07 596	1.30 435	5.73 668	6.28 658	0.79 494	1.33 567	0.80 489	1.30 561	1.02 522	1.33 565	0.84 503	1.33 570	0.97 497	1.28 568	1.04 515	6.05 669	5.89 664	1.28 575	0.76 492	1.28 555	0.88 491

Hybrid-DGEV-03	1.07 492	1.83 488	0.83 464	1.34 529	0.81 499	1.32 566	0.81 493	1.31 562	0.81 498	1.31 564	0.82 501	1.32 569	0.82 489	1.32 569	0.81 493	1.19 492	0.77 458	1.19 524	0.76 492	1.19 501	0.77 481

MaskLacGwcNet_RVC	1.35 555	1.35 440	1.35 560	1.35 531	1.35 590	1.35 568	1.35 587	1.36 564	1.35 592	1.36 568	1.35 590	1.36 571	1.36 581	1.36 570	1.35 591	1.35 550	1.35 569	1.35 580	1.35 588	1.35 558	1.35 589

MM-Stereo_test2	1.20 503	1.85 494	1.05 488	1.46 537	0.94 511	1.36 570	0.99 510	1.36 564	0.95 510	1.41 570	0.98 514	1.40 575	0.96 496	1.37 571	0.95 504	1.37 554	1.06 486	1.33 577	0.93 511	1.29 556	0.89 494

CC-Net-ROB	1.36 556	1.33 439	1.33 557	1.36 532	1.38 593	1.36 570	1.33 585	1.37 566	1.34 589	1.35 567	1.36 592	1.38 572	1.34 579	1.38 572	1.38 594	1.35 550	1.38 573	1.33 577	1.35 588	1.43 561	1.34 588

ours_stereo	1.20 503	1.21 423	0.90 471	1.64 549	1.11 526	1.35 568	0.67 457	1.76 579	0.93 508	1.70 583	1.10 524	1.39 573	0.75 478	1.41 573	0.81 493	1.60 567	1.03 485	1.33 577	1.00 514	1.61 567	0.72 469

BLMT-Stereo	1.53 560	1.36 441	1.06 489	1.42 536	1.23 589	1.41 575	1.07 519	1.43 570	1.12 526	1.42 571	1.06 521	1.83 585	1.07 510	1.42 574	1.07 517	1.27 544	1.38 573	6.80 677	1.00 514	1.26 553	1.00 505

MM-Stereo_test3	1.27 553	2.07 513	1.18 500	1.60 544	1.02 521	1.45 577	1.01 515	1.40 568	1.04 524	1.44 572	1.03 520	1.46 577	1.02 508	1.44 575	1.02 514	1.51 563	1.12 500	1.32 576	0.98 512	1.38 560	0.97 501

RASNet	1.49 559	1.65 452	1.45 576	1.38 534	1.43 596	1.47 578	1.36 589	1.38 567	1.36 593	1.39 569	1.60 606	1.45 576	1.45 587	1.51 576	2.21 636	1.53 564	1.36 570	1.36 582	1.36 590	1.66 570	1.36 590

tt45	1.04 490	0.88 305	1.36 568	0.92 423	1.03 522	1.51 579	0.79 486	0.70 437	0.88 501	0.74 451	0.90 505	1.60 579	0.72 474	1.60 577	0.75 482	0.91 451	0.78 460	1.52 587	0.79 498	1.14 488	1.32 585

DPSMNet_ROB	1.60 563	1.59 451	1.70 590	1.59 541	1.59 602	1.61 581	1.61 605	1.60 571	1.60 602	1.62 581	1.59 605	1.60 579	1.60 590	1.60 577	1.59 602	1.59 565	1.60 592	1.59 588	1.59 608	1.59 566	1.59 603

FlowAnything_test	1.02 487	1.72 456	0.71 442	1.59 541	0.70 474	1.61 581	0.69 469	1.61 572	0.70 474	1.60 575	0.70 477	1.61 582	0.69 467	1.61 579	0.70 473	0.81 440	0.58 418	0.81 471	0.55 447	0.81 445	0.56 436

FlowAnything	1.02 487	1.71 455	0.72 445	1.59 541	0.69 472	1.60 580	0.69 469	1.61 572	0.70 474	1.60 575	0.69 475	1.60 579	0.69 467	1.61 579	0.69 467	0.81 440	0.58 418	0.81 471	0.56 451	0.82 447	0.56 436

PS-NSSS	1.38 558	1.39 444	1.34 558	1.34 529	1.35 590	1.38 572	1.37 594	1.35 563	1.38 595	1.34 566	1.34 589	1.39 573	1.38 584	1.70 581	1.40 595	1.36 552	1.36 570	1.36 582	1.37 591	1.37 559	1.36 590

test_xeample3	1.10 495	1.81 478	0.61 416	0.84 410	0.49 430	0.77 449	0.66 453	0.92 468	1.40 596	0.68 443	0.46 417	0.78 456	0.54 436	1.72 582	1.48 598	1.34 549	1.52 582	1.35 580	1.67 616	1.33 557	1.55 598

4.5w-stereo	1.99 576	2.33 534	1.81 596	3.28 604	1.68 609	1.94 589	1.99 628	2.72 620	1.70 607	2.72 624	1.99 639	1.97 591	1.68 594	1.76 583	1.29 587	1.91 580	2.02 616	2.53 628	1.61 610	1.75 575	1.16 525

4.25_new	2.00 580	2.33 534	1.82 601	3.32 607	1.69 610	1.95 592	1.99 628	2.72 620	1.71 608	2.72 624	1.97 630	2.01 594	1.74 602	1.77 584	1.28 585	2.18 591	2.01 612	2.48 626	1.58 606	1.65 568	1.17 526

4.5w_new	2.00 580	2.33 534	1.82 601	3.32 607	1.69 610	1.95 592	1.99 628	2.72 620	1.71 608	2.72 624	1.97 630	2.01 594	1.74 602	1.77 584	1.28 585	2.18 591	2.01 612	2.48 626	1.58 606	1.65 568	1.17 526

2w_stereo	1.99 576	2.36 541	1.81 596	3.24 602	1.67 607	1.94 589	1.98 625	2.72 620	1.68 604	2.72 624	1.94 627	1.98 592	1.74 602	1.79 586	1.27 584	1.95 582	2.00 610	2.53 628	1.60 609	1.68 571	1.15 522

3.75w	1.99 576	2.31 532	1.83 604	3.16 598	1.65 606	1.93 588	1.98 625	2.72 620	1.68 604	2.73 629	1.97 630	2.00 593	1.72 599	1.81 587	1.25 583	2.27 599	2.01 612	2.38 620	1.42 597	1.71 572	1.24 580

2.75w_new	1.99 576	2.34 538	1.81 596	3.14 596	1.62 604	1.94 589	1.99 628	2.72 620	1.71 608	2.72 624	1.99 639	1.90 587	1.73 600	1.82 588	1.29 587	2.37 608	2.01 612	2.31 615	1.42 597	1.77 576	1.22 577

HBP-ISP	1.24 551	1.72 456	1.65 588	1.15 458	0.76 488	1.40 574	0.88 499	1.67 578	1.02 522	1.69 582	1.38 595	1.69 583	1.21 569	1.87 589	1.21 578	1.05 475	0.79 462	0.97 500	0.80 500	1.19 501	0.75 476

GANetREF_RVC	1.55 561	1.94 509	1.22 552	1.88 552	1.21 585	1.88 587	1.22 577	1.88 581	1.22 582	1.88 584	1.22 579	1.88 586	1.22 570	1.89 590	1.22 579	1.87 575	1.22 555	1.88 601	1.22 579	1.88 579	1.22 577
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
RAFT_CTSACE	1.92 573	3.71 592	1.72 593	1.88 552	1.72 614	2.04 596	1.42 599	2.18 597	1.89 630	2.02 594	1.97 630	1.95 589	2.06 624	1.93 591	1.62 603	1.76 570	1.66 596	2.02 605	1.73 624	1.73 573	1.43 595

4.25w-stereo	1.98 575	2.72 561	1.46 577	3.47 614	1.43 596	2.07 598	1.98 625	2.53 617	1.52 600	2.71 623	1.98 636	1.81 584	1.62 592	1.96 592	1.36 592	1.88 578	2.00 610	2.53 628	1.61 610	1.74 574	1.15 522

MFMNet_re	1.81 571	1.91 503	1.71 592	1.95 557	1.70 613	1.95 592	1.70 610	1.96 584	1.74 615	1.97 589	1.72 614	1.95 589	1.71 598	1.97 593	1.71 610	1.86 573	1.62 593	1.85 594	1.66 615	1.86 578	1.64 609

SPS-STEREO	1.59 562	1.91 503	1.21 551	1.94 555	1.20 539	2.00 595	1.23 578	1.99 586	1.24 584	2.00 592	1.25 582	2.03 596	1.26 572	2.00 594	1.29 587	1.90 579	1.18 507	1.89 602	1.21 578	1.89 580	1.20 531
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 570	3.41 585	1.52 583	2.12 562	1.41 595	2.04 596	1.41 597	2.05 590	1.46 599	2.04 596	1.41 597	2.05 597	1.42 586	2.05 595	1.43 597	2.04 587	1.54 585	1.94 603	1.38 593	1.99 582	1.33 586

TRStereo	2.00 580	2.13 518	1.85 607	2.27 569	1.84 618	2.28 605	1.84 614	2.29 600	1.86 624	2.30 606	1.87 619	2.30 600	1.87 608	2.08 596	1.72 612	2.08 588	1.72 599	2.08 607	1.72 621	2.08 584	1.72 614

XX-Stereo	2.00 580	2.13 518	1.85 607	2.27 569	1.84 618	2.28 605	1.84 614	2.29 600	1.86 624	2.30 606	1.87 619	2.30 600	1.87 608	2.08 596	1.72 612	2.08 588	1.72 599	2.08 607	1.72 621	2.08 584	1.72 614

EAI-Stereo	2.00 580	2.13 518	1.85 607	2.27 569	1.84 618	2.28 605	1.84 614	2.29 600	1.86 624	2.30 606	1.87 619	2.30 600	1.87 608	2.08 596	1.72 612	2.08 588	1.72 599	2.08 607	1.72 621	2.08 584	1.72 614

MC-Stereo	1.76 567	2.96 573	1.37 570	2.14 563	1.37 592	2.14 601	1.36 589	2.14 595	1.37 594	2.14 601	1.37 593	2.14 598	1.37 583	2.14 599	1.37 593	1.97 583	1.32 557	1.97 604	1.32 587	1.98 581	1.33 586

ff7	1.68 564	2.68 554	1.35 560	0.97 436	0.89 503	1.84 584	2.15 634	2.12 592	1.80 619	2.05 597	1.56 602	2.33 603	2.12 625	2.23 600	2.25 637	1.31 546	1.07 487	1.48 584	1.41 594	0.90 459	1.04 512

ffff	1.68 564	2.68 554	1.35 560	0.97 436	0.89 503	1.84 584	2.15 634	2.12 592	1.80 619	2.05 597	1.56 602	2.33 603	2.12 625	2.23 600	2.25 637	1.31 546	1.07 487	1.48 584	1.41 594	0.90 459	1.04 512

ccc-4	1.68 564	2.68 554	1.35 560	0.97 436	0.89 503	1.84 584	2.15 634	2.12 592	1.80 619	2.05 597	1.56 602	2.33 603	2.12 625	2.23 600	2.25 637	1.31 546	1.07 487	1.48 584	1.41 594	0.90 459	1.04 512

NCCL2	2.28 614	2.27 529	2.28 624	2.28 572	2.28 642	2.27 603	2.29 637	2.28 598	2.28 640	2.27 605	2.28 642	2.28 599	2.27 628	2.27 603	2.28 641	2.28 600	2.28 624	2.27 612	2.29 641	2.27 592	2.29 631

2.25w	2.00 580	1.86 497	1.98 618	2.95 593	2.17 639	2.26 602	1.35 587	2.42 611	2.00 637	2.07 600	1.27 584	2.53 613	1.99 620	2.29 604	1.49 599	2.21 594	1.32 557	1.85 594	1.87 628	2.52 609	1.62 607

STTStereo	3.73 642	30.40 689	2.37 628	2.39 576	2.31 644	2.35 608	2.33 638	2.29 600	2.42 641	2.32 610	2.34 643	2.33 603	2.36 629	2.30 605	2.27 640	2.35 607	2.22 623	2.31 615	2.22 638	2.29 594	2.34 635

HUF	2.18 602	2.30 531	1.99 621	2.34 575	2.02 632	2.41 611	2.06 633	2.38 609	1.89 630	2.36 611	1.85 617	2.56 618	1.98 618	2.31 606	1.97 632	2.30 603	2.03 617	2.30 614	2.11 635	2.23 589	2.16 628

MonStereo1	1.94 574	2.77 567	1.52 583	3.73 625	1.51 599	2.13 600	1.42 599	2.32 605	1.52 600	2.31 609	1.50 600	2.53 613	1.59 589	2.34 607	1.56 600	1.91 580	1.36 570	1.86 597	1.31 586	2.07 583	1.53 596

MonStereo	2.17 600	2.41 544	1.49 582	2.67 584	1.67 607	2.60 624	2.04 632	2.32 605	1.76 616	2.44 614	1.68 612	2.50 611	1.69 596	2.38 608	1.80 620	2.28 600	1.78 602	2.63 631	2.14 636	3.47 624	1.68 612

ccnet	0.80 433	2.28 530	0.33 259	0.50 340	0.33 348	0.50 400	0.33 334	0.50 387	0.33 342	0.49 384	0.33 345	0.49 388	1.56 588	2.38 608	0.33 331	0.41 296	0.29 251	0.42 381	1.57 603	2.28 593	0.29 297

4w-stereo	2.02 588	2.72 561	1.44 575	3.36 610	1.59 602	2.48 614	1.72 611	2.28 598	1.24 584	2.24 604	1.65 610	2.56 618	1.32 578	2.39 610	1.98 633	2.67 622	1.51 581	1.66 590	1.24 581	2.53 612	1.88 626

AIO_rvc	2.18 602	2.34 538	1.87 611	2.32 573	1.94 627	2.40 610	1.89 622	2.37 608	2.07 639	2.52 619	1.95 629	2.44 610	1.99 620	2.41 611	1.89 629	2.32 605	2.09 618	2.24 611	2.18 637	2.21 588	2.23 630

AIO_test	2.18 602	2.09 516	2.04 622	2.42 577	2.01 629	2.47 613	1.94 624	2.34 607	2.03 638	2.56 620	1.94 627	2.43 609	1.94 615	2.41 611	1.87 627	2.39 610	2.10 619	2.35 619	1.91 634	2.25 591	2.19 629

FBW_ROB	2.12 599	2.46 547	1.77 595	2.49 580	1.79 617	2.38 609	1.83 613	2.46 612	1.78 618	2.48 617	1.97 630	2.40 608	1.78 605	2.42 613	1.83 621	2.31 604	1.85 607	2.38 620	1.82 626	2.35 596	1.84 619

asda	2.17 600	2.54 548	1.81 596	3.47 614	1.78 616	2.50 617	1.86 618	2.61 619	1.68 604	2.61 621	1.83 616	2.37 607	1.73 600	2.44 614	1.88 628	2.51 617	1.84 606	2.34 617	1.62 612	2.23 589	1.77 618

UDGNet	2.23 612	5.40 630	1.72 593	2.48 579	1.69 610	2.51 618	1.69 609	2.51 616	1.72 612	2.50 618	1.69 613	2.52 612	1.69 596	2.50 615	1.68 608	2.41 611	1.70 598	2.42 622	1.69 620	2.42 599	1.64 609

4.5_new	2.00 580	1.84 493	1.98 618	2.77 587	2.16 637	2.27 603	1.28 584	2.09 591	1.98 634	2.01 593	1.28 585	2.71 625	1.98 618	2.51 616	1.65 605	2.26 596	1.33 564	1.87 598	1.87 628	2.49 605	1.60 604

asd	2.18 602	2.77 567	1.58 585	3.59 619	2.00 628	2.58 623	1.85 617	2.39 610	1.71 608	2.47 616	1.97 630	2.59 620	1.61 591	2.56 617	1.79 619	2.51 617	1.99 609	2.11 610	1.62 612	2.36 597	1.60 604

qwe	2.18 602	2.60 551	1.58 585	3.83 627	1.90 626	2.53 619	1.90 623	2.48 613	1.73 613	2.37 612	1.92 626	2.53 613	1.68 594	2.56 617	1.83 621	2.52 619	1.87 608	2.07 606	1.68 618	2.32 595	1.71 613

3w_stereo	2.04 593	2.24 528	1.70 590	3.15 597	2.18 641	2.49 615	1.26 582	2.03 589	1.98 634	1.98 590	1.33 588	2.72 629	1.99 620	2.59 619	1.72 612	2.22 595	1.33 564	1.85 594	1.88 633	2.50 607	1.58 602

monsters	2.18 602	2.41 544	1.96 617	3.47 614	2.03 633	2.53 619	1.64 607	2.48 613	1.73 613	2.40 613	1.50 600	2.62 621	1.94 615	2.59 619	1.94 630	2.44 612	1.57 587	2.28 613	1.87 628	2.42 599	1.86 621

monsterstereo	2.20 608	2.33 534	1.95 616	3.65 621	2.07 634	2.49 615	1.61 605	2.48 613	1.83 622	2.45 615	1.61 608	2.67 624	1.86 607	2.64 621	1.94 630	2.48 616	1.66 596	2.34 617	1.68 618	2.40 598	1.86 621

sAnonymous2	3.31 638	2.63 552	1.38 572	3.71 623	1.86 621	4.70 664	1.11 521	4.82 667	2.72 644	5.45 672	1.98 636	4.59 657	2.64 631	2.65 622	6.21 677	4.37 639	1.08 491	5.16 669	2.24 639	4.52 638	2.39 636

CroCo_RVC	3.31 638	2.63 552	1.38 572	3.71 623	1.86 621	4.70 664	1.11 521	4.82 667	2.72 644	5.45 672	1.98 636	4.59 657	2.64 631	2.65 622	6.21 677	4.37 639	1.08 491	5.16 669	2.24 639	4.52 638	2.39 636

IGEV	2.02 588	2.20 524	1.82 601	2.90 592	2.16 637	2.41 611	1.25 580	2.00 587	1.98 634	1.99 591	1.31 587	2.72 629	1.93 614	2.67 624	1.69 609	2.26 596	1.32 557	1.83 593	1.87 628	2.53 612	1.61 606

2.5w	2.01 587	2.40 543	1.37 570	3.28 604	2.01 629	2.71 626	1.43 602	1.82 580	1.83 622	1.90 586	1.41 597	2.71 625	1.35 580	2.71 625	1.85 623	2.66 620	1.53 583	1.64 589	1.23 580	2.53 612	1.87 623

3.25w	2.04 593	2.20 524	1.48 578	3.03 594	2.17 639	2.63 625	1.39 595	1.96 584	1.95 633	1.96 587	1.37 593	2.71 625	1.96 617	2.71 625	1.73 617	2.26 596	1.32 557	1.87 598	1.87 628	2.51 608	1.63 608

3.25w_new	2.03 590	2.72 561	1.35 560	3.33 609	1.57 600	2.72 627	1.53 604	2.15 596	1.33 588	2.15 602	1.60 606	2.63 622	1.30 576	2.72 627	1.99 634	2.67 622	1.53 583	1.75 592	1.25 583	2.53 612	1.87 623

3.5w_stereo	2.03 590	2.72 561	1.35 560	3.41 611	1.57 600	2.72 627	1.49 603	2.01 588	1.34 589	2.15 602	1.61 608	2.63 622	1.36 581	2.72 627	1.99 634	2.66 620	1.58 588	1.68 591	1.24 581	2.53 612	1.87 623

1w_stereo	2.05 595	2.32 533	1.35 560	3.74 626	2.01 629	2.73 629	1.42 599	1.88 581	1.93 632	2.03 595	1.28 585	2.71 625	1.99 620	2.72 627	1.72 612	2.20 593	1.32 557	1.87 598	1.86 627	2.45 601	1.54 597

sCroCo_RVC	2.10 597	2.76 565	1.92 615	2.78 590	1.39 594	2.73 629	1.41 597	2.73 626	1.40 596	2.77 635	1.41 597	2.74 631	1.40 585	2.74 630	1.40 595	2.72 624	1.42 576	2.72 632	1.44 599	2.79 619	1.42 594

LG-G_1	2.22 609	2.71 559	1.89 612	2.77 587	1.87 624	2.75 631	1.87 620	2.76 628	1.87 628	2.75 630	1.87 619	2.76 632	1.87 608	2.75 631	1.86 624	2.47 614	1.58 588	2.45 623	1.57 603	2.45 601	1.57 600

LG-G	2.22 609	2.71 559	1.89 612	2.77 587	1.87 624	2.75 631	1.87 620	2.76 628	1.87 628	2.75 630	1.87 619	2.76 632	1.87 608	2.75 631	1.86 624	2.47 614	1.58 588	2.45 623	1.57 603	2.45 601	1.57 600

LGtest1	2.22 609	2.70 557	1.89 612	2.76 586	1.86 621	2.75 631	1.86 618	2.75 627	1.86 624	2.75 630	1.86 618	2.77 634	1.87 608	2.75 631	1.86 624	2.46 613	1.58 588	2.45 623	1.56 602	2.45 601	1.56 599

NLCA_NET_v2_RVC	5.04 670	50.87 699	2.78 633	2.87 591	2.71 646	2.78 634	0.47 415	2.88 633	2.86 646	1.89 585	2.67 645	2.79 635	2.79 634	2.78 634	2.83 643	2.82 625	2.82 631	2.83 633	2.77 645	2.83 620	2.76 640
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 572	3.16 579	0.64 420	3.10 595	0.65 464	3.10 636	0.64 450	3.12 635	0.65 454	3.10 636	0.65 462	3.11 636	0.65 452	3.12 635	0.65 448	3.12 629	0.65 431	3.13 634	0.65 469	3.13 622	0.65 454

SA	4.33 659	7.35 643	6.85 674	5.96 656	4.09 672	3.59 642	3.15 659	3.82 645	2.64 643	3.91 643	3.85 667	3.57 641	2.72 633	3.13 636	4.03 668	7.09 676	6.86 671	3.57 639	3.12 657	3.85 627	3.51 663

Anonymous3	2.55 626	3.26 583	1.65 588	3.28 604	1.63 605	3.24 638	1.68 608	3.27 637	1.66 603	3.28 638	1.67 611	3.25 638	1.66 593	3.27 637	1.64 604	3.26 630	1.65 595	3.30 636	1.65 614	4.95 656	1.65 611

PDISCO_ROB	0.83 446	2.80 571	3.49 652	0.14 121	0.11 162	0.17 175	0.09 139	0.15 167	0.10 144	0.15 160	0.12 167	0.16 166	0.14 181	3.30 638	0.13 171	0.14 133	2.34 625	0.16 170	0.12 170	2.62 618	0.10 140

MIF-Stereo (partial)	2.58 627	3.31 584	0.66 425	3.18 599	0.66 467	3.18 637	0.66 453	3.21 636	0.67 457	3.19 637	0.66 464	3.19 637	0.66 455	3.31 639	0.68 459	5.09 661	1.79 604	8.23 681	1.67 616	6.18 665	1.38 592

NLSM1	2.93 635	3.24 582	2.57 632	4.04 628	2.66 645	3.30 640	2.55 640	3.29 638	2.55 642	3.35 640	2.48 644	3.28 639	2.47 630	3.34 640	2.49 642	3.26 630	2.55 630	3.13 634	2.57 644	3.00 621	2.46 638

UniTT-Stereo	2.03 590	3.43 586	0.72 445	3.42 612	0.73 479	3.27 639	0.68 461	3.38 640	0.69 468	3.29 639	0.72 485	3.28 639	0.70 469	3.35 641	0.68 459	3.39 632	0.68 438	3.31 637	0.69 480	3.37 623	0.73 472

DPSNet	3.66 640	3.60 588	3.62 655	3.63 620	3.64 667	3.65 643	3.65 666	3.66 643	3.67 663	3.67 642	3.65 664	3.67 643	3.66 652	3.66 642	3.68 661	3.68 635	3.66 650	3.67 641	3.68 667	3.67 625	3.67 664

RAStereo	2.23 612	3.64 589	0.76 453	3.65 621	0.86 501	3.66 644	0.76 483	3.67 644	0.81 498	3.66 641	0.76 491	3.66 642	0.77 481	3.68 643	0.77 485	3.68 635	0.77 458	3.69 642	0.77 494	3.70 626	0.77 481

test_5	4.62 664	7.55 645	6.23 669	6.32 659	3.40 663	5.29 671	3.50 663	3.53 642	4.11 671	4.28 648	4.47 674	4.26 651	4.38 666	3.68 643	3.24 656	5.89 666	5.60 662	4.84 665	3.50 663	4.33 635	3.93 671

Sa-1000	4.34 660	8.37 649	6.84 673	6.98 664	4.45 675	3.58 641	3.00 645	3.42 641	3.39 661	2.61 621	4.00 670	3.83 645	4.01 663	3.90 645	3.90 666	5.98 668	5.62 663	3.76 643	2.34 642	4.35 636	2.47 639

TestStereo1	4.60 661	8.41 650	6.44 671	6.86 662	3.79 669	3.97 646	3.78 668	3.99 647	3.74 665	3.97 644	3.52 662	3.94 646	3.58 649	3.98 646	3.72 663	6.82 673	6.50 669	3.76 643	3.66 665	3.90 628	3.74 667

SA-5K	4.60 661	8.41 650	6.44 671	6.86 662	3.79 669	3.97 646	3.78 668	3.99 647	3.74 665	3.97 644	3.52 662	3.94 646	3.58 649	3.98 646	3.72 663	6.82 673	6.50 669	3.76 643	3.66 665	3.90 628	3.74 667

NLCSM	3.67 641	4.08 603	3.19 651	4.80 644	3.26 660	3.99 648	3.24 661	4.25 650	3.18 659	4.09 646	3.27 659	4.14 648	3.18 647	4.13 648	3.28 657	4.06 637	3.10 640	3.85 646	3.14 658	3.91 631	3.27 660

test_4	4.88 667	8.13 648	6.98 675	7.46 665	4.44 674	4.25 650	3.85 670	4.04 649	3.92 669	4.13 647	3.91 668	4.18 650	3.84 659	4.14 649	4.06 669	7.01 675	7.13 672	4.53 648	3.72 668	4.09 632	3.72 665

test_3	5.01 669	8.86 655	7.77 677	8.09 667	2.76 647	4.13 649	4.05 672	3.88 646	3.76 667	4.33 649	4.13 671	3.71 644	3.91 660	4.21 650	4.06 669	7.93 677	7.69 674	4.53 648	3.91 670	4.17 633	4.29 673

RAFT+CT+SA	4.28 657	7.62 646	4.91 662	5.55 653	2.28 642	3.09 635	3.64 665	4.49 652	3.07 652	4.80 664	3.35 660	4.77 667	3.70 654	4.29 651	3.05 646	5.58 664	5.98 666	3.58 640	3.78 669	4.26 634	3.72 665

raft_robust	4.71 665	7.75 647	5.40 667	6.81 661	3.31 661	4.28 651	4.20 673	4.32 651	4.37 674	4.35 650	4.35 673	4.14 648	3.75 656	4.30 652	4.20 671	6.67 672	6.37 667	3.36 638	4.24 675	4.86 654	3.25 659

cross-raft	4.83 666	7.52 644	6.43 670	6.63 660	3.96 671	4.51 652	3.99 671	4.49 652	3.96 670	4.52 651	3.96 669	4.50 652	3.97 662	4.50 653	3.97 667	6.65 671	6.44 668	4.33 647	3.92 671	4.35 636	3.91 670

rvit_0105_6	3.87 647	5.73 637	3.10 647	4.69 642	3.12 658	4.54 654	3.02 647	4.56 654	3.04 647	4.54 655	3.03 648	4.54 653	3.04 638	4.56 654	3.05 646	4.58 648	3.05 633	4.58 652	3.05 649	4.58 641	3.05 645

rvit_105_1	3.83 643	5.22 623	3.01 637	4.53 632	3.01 648	4.51 652	3.01 646	4.56 654	3.04 647	4.53 653	3.03 648	4.55 655	3.03 635	4.56 654	3.04 644	4.57 645	3.05 633	4.57 650	3.05 649	4.57 640	3.05 645

rvit_stereo_0081	3.83 643	5.23 624	3.01 637	4.53 632	3.03 650	4.55 658	3.02 647	4.56 654	3.04 647	4.52 651	3.02 646	4.54 653	3.03 635	4.56 654	3.04 644	4.57 645	3.05 633	4.57 650	3.05 649	4.58 641	3.05 645

rvit_stereo_0082	3.86 645	5.82 638	3.01 637	4.53 632	3.03 650	4.54 654	3.02 647	4.56 654	3.04 647	4.53 653	3.02 646	4.55 655	3.04 638	4.57 657	3.05 646	4.57 645	3.05 633	4.58 652	3.05 649	4.58 641	3.06 648

rvit_stereo_0080	3.89 648	5.70 635	3.04 642	4.54 635	3.03 650	4.56 659	3.05 653	4.60 658	3.07 652	4.58 658	3.06 651	4.59 657	3.06 640	4.61 658	3.08 650	4.63 650	3.09 638	4.64 656	3.10 654	4.65 645	3.10 652

whm_eth	3.89 648	5.70 635	3.04 642	4.54 635	3.03 650	4.56 659	3.05 653	4.60 658	3.07 652	4.58 658	3.06 651	4.59 657	3.06 640	4.61 658	3.08 650	4.63 650	3.09 638	4.64 656	3.10 654	4.65 645	3.10 652

rvit_stereo_0081_aga	3.86 645	5.33 627	3.02 640	4.55 638	3.04 654	4.54 654	3.02 647	4.64 661	3.06 651	4.54 655	3.04 650	4.62 662	3.08 642	4.62 660	3.07 649	4.58 648	3.06 637	4.60 654	3.08 653	4.63 644	3.07 649

rvit_0105_4	3.91 650	5.47 634	3.02 640	4.54 635	3.02 649	4.54 654	3.03 651	4.75 664	3.17 658	4.57 657	3.06 651	4.61 661	3.16 646	4.65 661	3.09 652	4.66 652	3.11 641	4.68 659	3.18 660	4.81 651	3.16 657

rvit_0105_3	3.91 650	5.33 627	3.06 645	4.60 640	3.07 656	4.60 661	3.06 655	4.62 660	3.08 655	4.60 660	3.07 654	4.62 662	3.08 642	4.67 662	3.10 653	4.70 653	3.11 641	4.77 663	3.19 661	4.77 650	3.14 656

rvit_stereo_0083	3.92 652	5.30 626	3.06 645	4.61 641	3.09 657	4.67 663	3.08 656	4.66 662	3.09 656	4.62 661	3.10 656	4.66 665	3.11 644	4.67 662	3.16 655	4.72 655	3.16 644	4.77 663	3.11 656	4.66 647	3.11 654

rvit_stereo_ft	3.93 653	5.44 632	3.05 644	4.59 639	3.06 655	4.61 662	3.08 656	4.67 663	3.12 657	4.63 662	3.10 656	4.65 664	3.11 644	4.69 664	3.13 654	4.70 653	3.14 643	4.71 661	3.15 659	4.74 648	3.16 657

MLG-Stereo_test3	4.26 656	4.85 616	3.95 658	5.35 651	3.60 665	4.75 667	3.76 667	5.49 673	3.71 664	5.39 670	3.69 665	4.82 668	3.66 652	4.85 665	3.73 665	4.93 656	3.19 647	4.69 660	2.99 648	4.84 653	2.98 644

MLG-Stereo_test1	4.25 655	5.34 629	3.61 654	5.31 650	3.63 666	5.23 670	3.57 664	5.38 672	3.65 662	5.23 669	3.47 661	4.76 666	3.74 655	4.85 665	3.71 662	4.96 657	3.18 646	4.71 661	2.92 646	4.86 654	2.90 642

MaDis-Stereo	3.19 637	6.02 640	1.12 492	5.61 654	1.16 532	5.43 672	1.02 517	5.15 671	0.70 474	5.43 671	1.21 578	5.03 672	0.97 497	4.85 665	0.99 508	4.53 643	1.16 503	5.53 671	1.25 583	5.37 661	1.30 583

rvit_0105_5	4.10 654	5.40 630	3.13 650	4.71 643	3.15 659	4.72 666	3.10 658	4.90 669	3.27 660	4.69 663	3.16 658	4.84 669	3.25 648	4.96 668	3.34 658	5.05 660	3.39 649	5.10 668	3.40 662	5.11 658	3.42 661

FC-DCNN v2	5.10 671	5.15 621	4.49 660	5.07 649	3.37 662	6.87 676	4.75 675	5.04 670	6.34 679	7.84 680	5.06 676	6.72 680	4.09 664	4.99 669	5.44 676	5.03 659	3.16 644	4.67 658	4.86 676	5.15 659	3.89 669

TestStereo	4.88 667	4.75 614	4.79 661	4.87 647	4.92 676	4.81 669	4.90 676	4.78 665	4.77 675	4.87 666	4.89 675	4.90 670	4.91 668	4.99 669	4.79 673	4.98 658	4.87 659	4.87 666	4.92 677	5.00 657	5.00 674

StereoVision	3.15 636	5.00 618	0.89 468	4.83 645	1.00 514	3.93 645	1.27 583	6.37 674	1.34 589	5.67 674	1.26 583	5.84 675	1.27 573	5.03 671	1.24 580	5.10 662	1.09 493	4.61 655	0.57 453	5.62 663	1.12 517

MLG-Stereo_test2	4.28 657	5.46 633	3.69 656	4.86 646	3.72 668	5.58 673	3.42 662	4.81 666	3.77 668	4.85 665	3.72 666	5.55 674	3.63 651	5.58 672	3.53 660	4.41 642	3.28 648	4.99 667	2.95 647	4.75 649	3.13 655

test-1	6.46 674	9.16 657	8.03 680	8.09 667	5.62 679	6.11 674	6.35 679	6.85 677	4.94 676	6.08 675	6.29 681	4.98 671	6.43 673	6.22 673	6.36 679	6.16 670	7.47 673	5.82 673	5.44 680	7.11 670	5.68 677

RAFT	6.73 676	9.36 658	7.40 676	8.51 670	6.55 680	6.88 677	6.60 680	6.79 676	6.60 680	6.80 677	6.72 682	5.31 673	5.50 671	6.61 674	6.61 680	8.42 679	5.89 664	5.73 672	5.45 681	6.61 666	6.24 678

SGM-Forest	5.21 673	5.92 639	4.08 659	6.18 657	4.16 673	6.31 675	4.34 674	6.50 675	4.33 673	6.14 676	4.21 672	6.61 679	4.55 667	6.67 675	4.48 672	5.94 667	3.94 653	5.85 674	4.03 673	5.79 664	4.17 672
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DispFullNet	4.61 663	4.84 615	3.12 648	5.00 648	3.57 664	4.75 667	3.03 651	7.75 680	4.17 672	4.91 667	3.09 655	6.20 676	3.95 661	6.71 676	3.51 659	5.30 663	3.67 651	5.86 675	3.63 664	5.61 662	3.46 662

test-v	7.53 678	11.89 666	7.98 678	9.36 673	7.14 681	7.06 678	7.09 681	7.37 678	6.91 681	7.29 678	5.71 679	6.45 677	6.93 674	6.73 677	7.27 681	8.93 682	7.85 675	6.98 678	6.80 682	7.56 671	7.34 680

test-2	7.53 678	11.89 666	7.98 678	9.36 673	7.14 681	7.06 678	7.09 681	7.37 678	6.91 681	7.29 678	5.71 679	6.45 677	6.93 674	6.73 677	7.27 681	8.93 682	7.85 675	6.98 678	6.80 682	7.56 671	7.34 680

DISCO	1.11 497	0.39 188	5.28 665	0.39 237	0.20 227	0.39 282	0.27 248	0.39 271	0.22 227	0.38 267	0.20 227	0.38 275	0.20 225	6.95 679	0.22 222	0.30 225	0.21 203	0.27 233	0.21 227	5.25 660	0.21 212

MSMD_ROB	1.19 502	1.10 365	0.70 439	1.10 449	0.60 451	1.10 503	0.70 473	1.10 493	0.70 474	1.10 501	0.70 477	1.10 506	0.70 469	7.00 680	0.70 473	1.10 480	0.70 445	1.10 511	0.70 482	1.10 486	0.70 462

rvit_stereo_0075_2	6.64 675	8.80 654	5.25 664	7.89 666	5.27 678	7.90 680	5.27 677	7.92 681	5.28 677	7.91 681	5.29 678	7.93 681	5.27 669	7.92 681	5.28 674	7.93 677	5.28 661	7.93 680	5.29 679	7.93 673	5.28 676

U	5.15 672	8.49 652	1.81 596	8.49 669	1.77 615	8.49 681	1.77 612	8.51 682	1.77 617	8.49 682	1.77 615	8.50 682	1.78 605	8.58 682	1.77 618	8.54 680	1.78 602	8.55 682	1.78 625	8.55 676	1.84 619

SGM+DAISY	7.06 677	9.15 656	5.38 666	8.84 671	5.18 677	8.80 682	5.31 678	8.79 683	5.28 677	8.89 683	5.20 677	8.93 683	5.33 670	8.95 683	5.36 675	8.70 681	5.21 660	8.74 683	5.20 678	8.89 677	5.15 675

rafts_anoy	20.00 682	20.00 668	20.00 682	20.00 682	20.00 684	20.00 683	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 685	20.00 684	20.00 685	20.00 684	20.00 683

raft+_RVC	20.00 682	20.00 668	20.00 682	20.00 682	20.00 684	20.00 683	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 685	20.00 684	20.00 685	20.00 684	20.00 683

raftrobust	20.00 682	20.00 668	20.00 682	20.00 682	20.00 684	20.00 683	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 685	20.00 684	20.00 685	20.00 684	20.00 683

CasAABBNet	20.00 682	20.00 668	20.00 682	20.00 682	20.00 684	20.00 683	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 685	20.00 684	20.00 685	20.00 684	20.00 683

RALCasStereoNet	20.00 682	20.00 668	20.00 682	20.00 682	20.00 684	20.00 683	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 685	20.00 684	20.00 685	20.00 684	20.00 683

RALAANet	20.00 682	20.00 668	20.00 682	20.00 682	20.00 684	20.00 683	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 684	20.00 685	20.00 684	20.00 685	20.00 684	20.00 683

MANE	19.05 681	23.00 674	15.00 681	23.00 688	15.00 683	24.00 689	16.00 683	24.00 690	16.00 683	22.00 690	15.00 683	23.00 690	16.00 683	23.00 690	15.00 683	22.00 690	15.00 684	22.00 690	15.00 684	22.00 690	15.00 682

111	30.40 688	30.94 690	29.72 689	32.61 689	30.02 691	33.57 690	30.47 691	31.50 691	29.39 691	30.98 691	29.11 691	29.78 691	30.39 694	29.45 691	30.76 694	30.08 691	29.02 692	29.92 691	30.32 695	29.86 691	30.17 690

fff	1000028.16 708	29.62 686	29.72 689	32.61 689	30.02 691	35.13 692	31.83 692	32.07 692	10000000.00 710	35.27 694	29.82 692	32.45 692	30.15 691	32.35 692	30.09 691	31.04 692	29.55 693	30.64 692	30.14 692	10000000.00 711	30.77 691

csc	1000028.16 708	29.62 686	29.72 689	32.61 689	30.02 691	35.13 692	31.83 692	32.07 692	10000000.00 710	35.27 694	29.82 692	32.45 692	30.15 691	32.35 692	30.09 691	31.04 692	29.55 693	30.64 692	30.14 692	10000000.00 711	30.77 691

cscssc	1000028.16 708	29.62 686	29.72 689	32.61 689	30.02 691	35.13 692	31.83 692	32.07 692	10000000.00 710	35.27 694	29.82 692	32.45 692	30.15 691	32.35 692	30.09 691	31.04 692	29.55 693	30.64 692	30.14 692	10000000.00 711	30.77 691

tt	500032.53 706	34.60 692	29.72 689	37.47 698	34.41 696	36.85 696	35.22 696	34.71 695	33.55 693	34.50 692	35.43 695	33.81 695	10000000.00 711	33.57 695	33.13 695	33.68 695	35.00 697	34.03 696	35.26 698	30.96 692	34.63 695

DCANet	500032.53 706	34.60 692	29.72 689	37.47 698	34.41 696	36.85 696	35.22 696	34.71 695	33.55 693	34.50 692	35.43 695	33.81 695	10000000.00 711	33.57 695	33.13 695	33.68 695	35.00 697	34.03 696	35.26 698	30.96 692	34.63 695

DCANet-4	35.22 690	34.54 691	35.08 695	33.58 693	35.47 698	34.55 691	35.53 698	36.08 697	35.85 695	35.92 697	35.77 697	35.18 697	35.48 696	35.39 697	37.15 700	34.55 697	33.92 696	35.02 698	34.90 697	35.79 695	34.74 697

Reg-Stereo(zero)	37.00 692	37.00 696	37.00 696	37.00 695	37.00 699	37.00 698	37.00 699	37.00 699	37.00 696	37.00 698	37.00 699	37.00 699	37.00 697	37.00 698	37.00 697	37.00 699	37.00 700	37.00 700	37.00 700	37.00 696	37.00 698

HI	37.00 692	37.00 696	37.00 696	37.00 695	37.00 699	37.00 698	37.00 699	37.00 699	37.00 696	37.00 698	37.00 699	37.00 699	37.00 697	37.00 698	37.00 697	37.00 699	37.00 700	37.00 700	37.00 700	37.00 696	37.00 698

CoSv	37.00 692	37.00 696	37.00 696	37.00 695	37.00 699	37.00 698	37.00 699	37.00 699	37.00 696	37.00 698	37.00 699	37.00 699	37.00 697	37.00 698	37.00 697	37.00 699	37.00 700	37.00 700	37.00 700	37.00 696	37.00 698

WCMA_ROB	31.10 689	35.43 694	27.12 688	39.51 700	23.10 690	38.78 701	25.30 690	37.49 702	25.39 690	37.29 701	27.02 690	38.52 702	26.48 690	37.80 701	26.44 690	36.28 698	22.65 691	33.90 695	22.30 691	37.10 699	24.18 689

ADStereo(finetuned)	36.13 691	36.63 695	38.07 699	36.97 694	33.25 695	35.91 695	34.45 695	36.36 698	32.99 692	38.14 702	36.71 698	36.69 698	34.13 695	38.57 702	40.79 701	37.60 702	36.58 699	35.90 699	33.36 696	35.42 694	34.04 694

MDST_ROB	69.83 695	87.70 700	41.95 700	113.75 703	65.62 704	75.05 702	55.25 703	75.64 704	45.04 699	71.61 703	41.75 702	72.81 703	44.06 700	68.38 703	44.63 702	101.89 705	59.57 705	107.10 705	61.05 705	104.38 702	59.38 703

CBMV	128.50 697	1422.70 711	53.10 701	79.50 702	51.30 703	77.30 703	49.70 702	74.00 703	48.20 700	77.20 704	48.80 703	73.90 704	48.00 701	73.80 704	48.80 703	70.40 704	45.10 704	68.90 704	46.10 704	68.20 701	45.00 702
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 696	153.00 704	121.00 703	51.00 701	44.00 702	165.00 705	127.00 704	153.00 705	119.00 701	164.00 706	125.00 704	168.00 706	120.00 702	153.00 705	117.00 704	49.00 703	44.00 703	49.00 703	44.00 703	49.00 700	44.00 701

MeshStereo	159.24 698	171.00 705	160.68 706	162.58 704	160.59 705	164.01 704	160.35 705	158.51 706	158.56 702	158.34 705	160.12 705	158.56 705	159.92 703	157.26 706	158.94 705	154.38 706	158.36 706	155.75 706	159.13 707	153.67 703	154.07 704
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	201.80 699	123.00 701	115.00 702	219.00 705	218.00 707	223.00 706	244.00 707	217.00 707	236.00 704	202.00 707	203.00 706	205.00 707	208.00 704	225.00 707	204.00 706	210.00 707	198.00 707	197.00 707	184.00 708	204.00 704	201.00 705

MGS-Stereo	239.45 700	123.00 701	135.00 704	266.00 706	286.00 708	277.00 707	305.00 708	271.00 708	242.00 705	274.00 708	279.00 708	255.00 708	270.00 706	268.00 708	297.00 708	221.00 708	247.00 709	216.00 708	123.00 706	217.00 705	217.00 707

EGLCR-Stereo	246.90 701	129.00 703	139.00 705	266.00 706	286.00 708	277.00 707	305.00 708	271.00 708	242.00 705	274.00 708	279.00 708	255.00 708	270.00 706	268.00 708	297.00 708	230.00 709	247.00 709	216.00 708	223.00 710	237.00 706	227.00 708

DLCB_ROB	284.23 702	354.61 707	207.27 707	363.24 708	206.46 706	364.72 709	210.41 706	364.72 710	210.41 703	364.81 710	208.64 707	364.81 710	208.64 705	364.72 710	210.41 707	354.70 710	205.53 708	354.70 710	205.53 709	354.70 707	205.53 706

LE_ROB	396.57 703	471.28 708	329.84 708	471.48 709	308.15 710	526.83 710	322.10 710	488.15 711	323.76 707	495.46 711	317.97 710	497.17 711	320.10 708	481.62 711	326.76 710	462.71 711	298.97 711	466.16 711	285.98 711	447.62 708	289.21 709

SGM-ForestM	596.69 704	677.77 709	444.52 709	699.85 710	517.25 711	732.94 711	488.29 711	770.79 712	460.11 708	750.81 712	487.98 711	792.79 712	499.41 709	730.90 712	475.81 711	720.03 712	491.16 712	663.96 712	418.60 712	674.76 709	436.05 710

CBMV_ROB	818.48 705	913.88 710	709.52 710	862.84 711	597.78 712	1073.99 712	700.52 712	1015.66 713	702.59 709	1115.65 713	760.02 712	1130.24 713	721.57 710	1037.41 713	692.65 712	814.05 713	564.29 713	843.28 713	595.31 713	915.51 710	602.92 711

111111	10000000.00 711	10000000.00 712	10000000.00 711	10000000.00 712	10000000.00 713	10000000.00 713	10000000.00 713	10000000.00 714	10000000.00 710	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 711	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 711	10000000.00 712

SGD-Stereo	10000000.00 711	10000000.00 712	10000000.00 711	10000000.00 712	10000000.00 713	10000000.00 713	10000000.00 713	10000000.00 714	10000000.00 710	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 711	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 711	10000000.00 712

IGEV-Stereo++	10000000.00 711	10000000.00 712	10000000.00 711	10000000.00 712	10000000.00 713	10000000.00 713	10000000.00 713	10000000.00 714	10000000.00 710	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 711	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 711	10000000.00 712

IGEV-BASED-STEREO-	10000000.00 711	10000000.00 712	10000000.00 711	10000000.00 712	10000000.00 713	10000000.00 713	10000000.00 713	10000000.00 714	10000000.00 710	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 711	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 711	10000000.00 712

IGEV-Stereo+	10000000.00 711	10000000.00 712	10000000.00 711	10000000.00 712	10000000.00 713	10000000.00 713	10000000.00 713	10000000.00 714	10000000.00 710	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 711	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 711	10000000.00 712

SDNR	10000000.00 711	10000000.00 712	10000000.00 711	10000000.00 712	10000000.00 713	10000000.00 713	10000000.00 713	10000000.00 714	10000000.00 710	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 711	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 711	10000000.00 712

anonymousdsp2	10000000.00 711	10000000.00 712	10000000.00 711	10000000.00 712	10000000.00 713	10000000.00 713	10000000.00 713	10000000.00 714	10000000.00 710	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 711	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 711	10000000.00 712

anonymousdsp	10000000.00 711	10000000.00 712	10000000.00 711	10000000.00 712	10000000.00 713	10000000.00 713	10000000.00 713	10000000.00 714	10000000.00 710	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 711	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 711	10000000.00 712

test_example2	10000000.00 711	10000000.00 712	10000000.00 711	10000000.00 712	10000000.00 713	10000000.00 713	10000000.00 713	10000000.00 714	10000000.00 710	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 711	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 711	10000000.00 712

DIP-Stereo	10000000.00 711	10000000.00 712	10000000.00 711	10000000.00 712	10000000.00 713	10000000.00 713	10000000.00 713	10000000.00 714	10000000.00 710	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 711	10000000.00 714	10000000.00 713	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 714	10000000.00 711	10000000.00 712
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