Low-res two-view results

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

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

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 101	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

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

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

WZ-Net	0.05 42	0.50 216	0.10 71	0.12 85	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 96	0.10 77	0.01 9	0.01 9	0.01 10	0.01 10

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

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

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

NVStereoNet_ROB	0.04 39	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
BridgeDepth_RVC	0.07 50	0.08 58	0.11 91	0.11 77	0.05 99	0.08 106	0.05 93	0.08 108	0.05 98	0.08 107	0.05 100	0.08 107	0.05 95	0.08 108	0.05 89	0.11 90	0.10 77	0.07 100	0.05 97	0.07 107	0.05 98
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
DA	0.09 55	0.13 84	0.39 268	0.08 49	0.05 99	0.07 104	0.05 93	0.13 129	0.05 98	0.06 96	0.05 100	0.06 97	0.05 95	0.06 88	0.05 89	0.06 55	0.05 56	0.14 130	0.13 155	0.06 96	0.05 98

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

z-ln-s-r	0.21 150	1.40 405	0.53 337	0.56 306	0.04 79	0.05 89	0.04 81	0.05 89	0.05 98	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 89	0.57 341	0.44 312	0.04 73	0.04 78	0.04 77	0.04 79

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

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

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

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

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

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

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

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

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

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

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

FINET	0.07 50	0.08 58	0.07 58	0.07 47	0.07 113	0.08 106	0.06 110	0.08 108	0.07 113	0.08 107	0.07 114	0.08 107	0.06 111	0.07 105	0.07 104	0.08 63	0.07 59	0.07 100	0.07 107	0.06 96	0.06 106

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

MatchStereo	0.54 313	0.12 82	2.38 562	2.32 506	0.09 117	0.09 112	0.08 115	0.09 112	0.07 113	0.09 112	0.07 114	0.09 113	0.07 115	0.09 112	0.08 106	2.34 540	2.34 558	0.12 124	0.11 132	0.11 125	0.10 118
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth	0.08 53	0.08 58	0.11 91	0.11 77	0.05 99	0.08 106	0.05 93	0.08 108	0.07 113	0.08 107	0.05 100	0.08 107	0.05 95	0.09 112	0.08 106	0.15 125	0.11 99	0.07 100	0.05 97	0.07 107	0.06 106
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
SepStereo	0.09 55	0.09 66	0.10 71	0.09 56	0.09 117	0.09 112	0.09 116	0.10 113	0.08 117	0.10 114	0.09 118	0.09 113	0.09 119	0.09 112	0.08 106	0.09 70	0.08 62	0.09 109	0.08 111	0.09 114	0.08 110

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

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

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

ac_64	0.22 156	0.13 84	0.19 164	0.23 152	0.10 124	0.26 204	1.02 447	0.14 131	0.10 121	0.28 205	0.14 161	0.17 149	0.19 195	0.28 212	0.09 111	0.22 166	0.16 146	0.23 186	0.17 192	0.11 125	0.12 144

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

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

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

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

S2M2_L	0.12 98	0.14 90	0.10 71	0.15 111	0.10 124	0.14 130	0.10 121	0.14 131	0.10 121	0.15 136	0.10 122	0.14 131	0.10 123	0.14 133	0.10 117	0.13 111	0.10 77	0.13 128	0.09 113	0.13 132	0.09 113
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
AnonymousM	0.10 68	0.10 69	0.10 71	0.10 60	0.10 124	0.10 114	0.10 121	0.10 113	0.10 121	0.10 114	0.10 122	0.10 116	0.10 123	0.10 116	0.10 117	0.10 75	0.10 77	0.10 110	0.10 120	0.10 115	0.10 118

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

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

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

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

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

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

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

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

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

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

S2M2_XL	0.14 112	0.17 96	0.12 102	0.17 128	0.11 139	0.17 150	0.11 134	0.17 149	0.11 136	0.17 147	0.11 136	0.17 149	0.11 135	0.17 149	0.11 129	0.16 134	0.11 99	0.16 145	0.11 132	0.16 145	0.11 131
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
JetRed	0.11 89	0.12 82	0.11 91	0.11 77	0.11 139	0.11 125	0.14 152	0.11 125	0.11 136	0.12 128	0.11 136	0.11 126	0.11 135	0.11 127	0.11 129	0.11 90	0.16 146	0.11 121	0.11 132	0.11 125	0.11 131

CIPLG	0.13 105	0.21 110	0.12 102	0.16 120	0.11 139	0.15 137	0.11 134	0.14 131	0.11 136	0.15 136	0.12 144	0.15 141	0.11 135	0.14 133	0.11 129	0.15 125	0.12 113	0.14 130	0.11 132	0.14 134	0.11 131

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

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

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

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

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

ICVP	0.15 124	0.53 230	0.11 91	0.16 120	0.11 139	0.16 144	0.11 134	0.16 144	0.11 136	0.16 141	0.11 136	0.16 142	0.11 135	0.16 143	0.11 129	0.16 134	0.11 99	0.16 145	0.11 132	0.16 145	0.11 131
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
LRCNet_RVC	0.13 105	0.13 84	0.09 67	0.13 97	0.10 124	0.14 130	0.10 121	0.14 131	0.10 121	0.23 177	0.10 122	0.20 160	0.10 123	0.24 184	0.11 129	0.11 90	0.09 72	0.12 124	0.14 160	0.12 130	0.09 113

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

ELAS	0.13 105	0.16 92	0.11 91	0.15 111	0.09 117	0.18 154	0.11 134	0.18 152	0.11 136	0.17 147	0.11 136	0.18 153	0.11 135	0.18 152	0.11 129	0.14 118	0.08 62	0.14 130	0.08 111	0.14 134	0.09 113
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.11 89	0.11 80	0.12 102	0.13 97	0.14 157	0.11 125	0.11 134	0.11 125	0.11 136	0.11 126	0.11 136	0.11 126	0.11 135	0.12 131	0.12 141	0.11 90	0.11 99	0.11 121	0.11 132	0.11 125	0.11 131

ProNet	0.14 112	0.20 104	0.14 126	0.16 120	0.11 139	0.16 144	0.11 134	0.17 149	0.11 136	0.17 147	0.12 144	0.17 149	0.13 154	0.17 149	0.12 141	0.15 125	0.11 99	0.16 145	0.11 132	0.15 141	0.12 144

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

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

ELAS_RVC	0.14 112	0.16 92	0.10 71	0.15 111	0.10 124	0.18 154	0.11 134	0.19 154	0.11 136	0.19 153	0.12 144	0.18 153	0.11 135	0.19 155	0.12 141	0.14 118	0.08 62	0.14 130	0.09 113	0.15 141	0.09 113
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 124	0.17 96	0.11 91	0.18 130	0.11 139	0.19 157	0.11 134	0.19 154	0.12 152	0.19 153	0.12 144	0.20 160	0.12 149	0.19 155	0.12 141	0.16 134	0.11 99	0.17 153	0.10 120	0.17 151	0.10 118
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 184	3.10 507	0.14 126	0.19 133	0.14 157	0.19 157	0.14 152	0.20 160	0.14 157	0.19 153	0.13 156	0.16 142	0.13 154	0.19 155	0.13 147	0.17 142	0.13 136	0.17 153	0.13 155	0.17 151	0.13 150

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

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

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

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

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

GMStereo	0.14 112	0.13 84	0.14 126	0.14 101	0.14 157	0.14 130	0.14 152	0.14 131	0.14 157	0.14 130	0.14 161	0.14 131	0.14 158	0.14 133	0.14 151	0.14 118	0.14 140	0.14 130	0.14 160	0.14 134	0.14 155
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 144	0.19 100	0.14 126	0.20 136	0.14 157	0.20 162	0.96 438	0.21 168	0.14 157	0.20 159	0.13 156	0.21 167	0.14 158	0.20 159	0.14 151	0.17 142	0.12 113	0.17 153	0.12 147	0.17 151	0.12 144

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

UPFNet	0.42 268	1.20 340	0.17 153	0.24 157	0.17 184	0.25 196	0.17 173	1.19 434	0.90 433	0.25 193	0.17 180	0.24 188	0.17 181	0.25 194	0.17 174	0.22 166	0.17 166	0.22 178	0.16 170	1.15 422	0.93 428

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

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

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

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

CAS++	0.17 135	0.27 135	0.21 172	0.10 60	0.21 209	0.15 137	0.22 199	0.10 113	0.21 199	0.22 173	0.10 122	0.19 157	0.18 190	0.10 116	0.19 188	0.20 158	0.19 175	0.18 162	0.10 120	0.19 161	0.18 180
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
test_for_model	0.24 164	0.24 123	0.46 297	0.45 260	0.21 209	0.24 186	0.20 188	0.24 182	0.20 195	0.24 184	0.20 201	0.24 188	0.20 199	0.24 184	0.19 188	0.26 192	0.25 194	0.19 165	0.15 166	0.20 163	0.19 182

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

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

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

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

GEStereo_RVC	0.86 391	4.45 542	0.20 167	0.27 174	0.20 201	0.27 208	0.20 188	0.26 196	0.18 187	5.03 598	0.20 201	0.27 208	0.19 195	0.27 208	0.21 195	0.20 158	0.19 175	0.19 165	4.02 602	0.20 163	0.18 180

HGLStereo	0.28 178	0.29 140	0.22 174	0.36 202	0.22 212	0.36 240	0.21 194	0.36 229	0.21 199	0.42 282	0.21 207	0.36 242	0.22 206	0.36 242	0.21 195	0.34 225	0.21 180	0.34 242	0.21 202	0.34 223	0.21 187

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

LoS	0.25 168	0.27 135	0.25 187	0.25 164	0.25 225	0.25 196	0.25 214	0.26 196	0.25 216	0.25 193	0.25 225	0.25 196	0.25 218	0.25 194	0.25 214	0.26 192	0.25 194	0.25 199	0.26 229	0.26 190	0.25 202
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 351	1.22 392	0.25 187	1.22 445	0.25 225	1.22 489	0.25 214	1.22 483	0.25 216	1.22 491	0.25 225	1.22 494	0.25 218	1.22 494	0.25 214	1.22 476	0.26 198	1.21 502	0.25 223	1.22 482	0.25 202
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
StereoDRNet-Refined	0.33 204	0.39 165	0.26 193	0.39 214	0.26 233	0.40 260	0.26 222	0.40 254	0.26 229	0.39 248	0.26 231	0.39 255	0.26 227	0.39 257	0.26 219	0.37 242	0.25 194	0.37 266	0.25 223	0.37 246	0.37 297
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
FE-Mocha	0.35 215	0.71 251	0.40 274	0.47 267	0.27 234	0.34 232	0.27 225	0.34 221	0.26 229	0.34 228	0.26 231	0.34 234	0.27 235	0.34 233	0.27 220	0.44 294	0.41 292	0.33 234	0.29 255	0.32 211	0.29 237

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Any-RAFT	0.32 200	0.36 153	0.27 196	0.36 202	0.27 234	0.36 240	0.27 225	0.36 229	0.27 234	0.36 236	0.27 235	0.36 242	0.27 235	0.36 242	0.28 230	0.36 238	0.28 212	0.36 263	0.28 245	0.36 242	0.28 232

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

IGEV-Stereo	0.35 215	0.44 188	0.45 293	0.49 278	0.30 258	0.37 245	0.30 247	0.36 229	0.30 254	0.36 236	0.29 247	0.36 242	0.29 249	0.36 242	0.30 247	0.46 302	0.39 280	0.32 226	0.24 219	0.32 211	0.25 202
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 206	0.42 184	0.31 221	0.39 214	0.30 258	0.38 252	0.30 247	0.40 254	0.29 243	0.40 254	0.37 311	0.41 276	0.34 290	0.38 249	0.30 247	0.34 225	0.27 205	0.34 242	0.26 229	0.34 223	0.26 208

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

DANet	0.30 184	0.30 141	0.30 208	0.30 177	0.30 258	0.30 213	0.30 247	0.30 207	0.30 254	0.30 211	0.30 259	0.30 219	0.30 256	0.30 218	0.30 247	0.30 208	0.30 233	0.30 217	0.30 269	0.30 203	0.30 250
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
gcap_with_dpt	0.36 221	0.40 167	0.31 221	0.44 257	0.31 271	0.44 308	0.31 260	0.43 293	0.30 254	0.44 295	0.31 269	0.44 304	0.31 273	0.43 294	0.31 256	0.38 253	0.27 205	0.38 274	0.27 238	0.38 259	0.27 218

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

DStereoSA	0.32 200	0.52 226	0.34 243	0.31 183	0.31 271	0.30 213	0.30 247	0.31 212	0.30 254	0.31 216	0.31 269	0.31 223	0.30 256	0.31 222	0.31 256	0.30 208	0.32 243	0.31 223	0.31 280	0.31 208	0.31 259

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

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

DDF-Stereo	0.43 269	1.15 333	0.57 342	0.53 297	0.32 275	0.41 276	0.32 263	0.41 269	0.32 274	0.41 268	0.32 277	0.41 276	0.32 277	0.40 260	0.32 260	0.52 328	0.50 336	0.38 274	0.31 280	0.39 270	0.31 259

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

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

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

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

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

FCDSN-DC	0.41 258	0.59 242	0.64 355	0.54 300	0.33 287	0.50 340	0.37 304	0.42 287	0.40 324	0.61 369	0.43 347	0.50 343	0.49 360	0.38 249	0.32 260	0.28 200	0.23 190	0.26 204	0.22 205	0.35 235	0.28 232
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Gwc-CoAtRS	0.41 258	1.49 408	0.32 227	0.42 249	0.32 275	0.41 276	0.32 263	0.41 269	0.33 281	0.41 268	0.32 277	0.41 276	0.32 277	0.41 275	0.32 260	0.39 265	0.28 212	0.39 287	0.28 245	0.40 277	0.28 232

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

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

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

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

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

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

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

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

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

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

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

MSMDNet	2.65 558	10.14 594	0.33 233	9.74 605	0.32 275	0.87 398	0.33 274	2.95 564	0.68 396	0.49 324	0.34 292	0.49 328	5.70 602	0.49 327	0.33 270	0.42 292	9.57 608	0.41 310	0.31 280	8.36 605	0.65 387

ccs_rob	2.79 563	10.17 595	0.32 227	10.00 608	0.33 287	0.49 331	0.33 274	1.90 513	0.32 274	0.51 345	0.33 284	0.49 328	9.24 611	0.49 327	0.33 270	0.41 278	9.82 611	0.41 310	0.28 245	9.34 609	0.29 237

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

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

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

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

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

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

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

IGEV-FE	0.35 215	0.37 155	0.17 153	0.19 133	0.17 184	0.20 162	0.17 173	0.19 154	0.17 182	0.19 153	0.17 180	0.19 157	0.17 181	0.37 246	0.36 290	0.19 154	0.17 166	0.19 165	0.17 192	0.38 259	2.84 571

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

LG-Stereo_L1	0.47 289	0.52 226	0.47 305	0.62 317	0.39 327	0.53 357	0.40 325	0.53 346	0.39 323	0.53 351	0.39 326	0.53 355	0.39 317	0.53 351	0.39 314	0.55 338	0.46 315	0.49 354	0.37 320	0.49 325	0.37 297

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

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

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

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

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

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

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

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

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

AdaStereo	0.40 251	0.40 167	0.40 274	0.40 227	0.40 329	0.40 260	0.40 325	0.40 254	0.40 324	0.40 254	0.40 329	0.40 263	0.40 318	0.40 260	0.40 318	0.40 270	0.40 283	0.40 293	0.40 337	0.40 277	0.40 312
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
252Zero-FE	0.45 277	0.50 216	0.36 253	0.50 287	0.36 306	0.50 340	0.36 298	0.50 327	0.36 304	0.49 324	0.36 304	0.49 328	0.36 299	0.54 353	0.41 325	0.45 297	0.34 259	0.45 328	0.34 299	0.55 344	0.75 407

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CASnet	0.35 215	0.51 224	0.44 291	0.32 189	0.31 271	0.24 186	0.34 287	0.36 229	0.25 216	0.31 216	0.37 311	0.30 219	0.33 285	0.25 194	0.45 338	0.37 242	0.37 267	0.33 234	0.35 311	0.34 223	0.37 297
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
FSD					0.44 351	0.56 362	0.44 341	0.55 351	0.44 344	0.56 361	0.44 349	0.56 365	0.44 340	0.56 358	0.46 342	0.61 348	0.42 301	0.52 366	0.42 352	0.52 338

fffft	0.48 294	0.51 224	0.45 293	0.52 296	0.45 354	0.52 355	0.45 346	0.52 344	0.48 359	0.53 351	0.45 353	0.52 354	0.45 343	0.52 349	0.46 342	0.51 326	0.41 292	0.50 358	0.41 344	0.50 330	0.41 319
1: 1. 1
PAM_32	0.64 331	2.38 472	0.51 330	0.92 358	0.43 350	0.53 357	0.44 341	0.87 390	0.43 341	0.52 348	0.45 353	0.53 355	0.40 318	0.54 353	0.46 342	0.62 352	0.56 349	0.48 349	0.45 355	0.76 367	0.44 330

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CASS	0.57 321	0.89 274	0.56 340	0.57 307	0.56 384	0.56 362	0.56 375	0.56 352	0.53 372	0.57 364	0.57 384	0.59 371	0.48 355	0.56 358	0.57 371	0.55 338	0.56 349	0.47 341	0.56 384	0.62 350	0.56 369
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
zero-FE	0.72 349	1.31 398	0.66 359	0.92 358	0.60 387	0.82 394	0.58 377	0.82 388	0.58 377	0.81 397	0.60 385	0.81 400	0.60 377	0.82 392	0.58 372	0.74 368	0.59 355	0.73 389	0.52 377	0.76 367	0.51 357

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

RAFT-Stereo	0.81 371	0.96 290	0.67 363	0.95 366	0.67 402	0.95 407	0.68 394	0.95 405	0.68 396	0.95 412	0.68 403	0.96 415	0.68 392	0.96 414	0.68 390	0.94 396	0.68 372	0.94 426	0.68 409	0.94 402	0.68 392
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MonSter++	0.38 235	0.44 188	0.31 221	0.43 255	0.30 258	0.43 303	0.31 260	0.43 293	0.31 268	0.45 298	0.31 269	0.43 301	0.31 273	0.43 294	0.69 398	0.38 253	0.33 255	0.40 293	0.30 269	0.38 259	0.30 250

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

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

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

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

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

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

MSMD_ROB	1.19 433	1.10 328	0.70 373	1.10 383	0.60 387	1.10 434	0.70 404	1.10 424	0.70 405	1.10 432	0.70 410	1.10 437	0.70 400	7.00 610	0.70 404	1.10 415	0.70 379	1.10 442	0.70 413	1.10 417	0.70 395

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

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

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

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

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

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

PA-Net	11.80 610	223.51 636	0.62 352	0.59 312	0.71 410	0.59 370	0.73 410	0.67 371	0.73 416	0.55 359	0.61 389	0.60 372	0.74 407	0.63 371	0.73 408	0.66 357	0.60 356	0.69 385	0.66 404	0.72 362	0.65 387
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LG-Stereo	0.60 322	0.58 241	0.47 305	0.64 322	0.74 415	1.00 412	0.69 400	0.57 355	0.41 333	0.57 364	0.41 335	0.57 367	0.41 329	1.00 418	0.75 413	0.91 388	0.51 341	0.52 366	0.37 320	0.52 338	0.37 297

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

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

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

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

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

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

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

HSM-Net_RVC	0.95 407	1.17 336	0.78 390	1.18 398	0.71 410	1.16 442	0.75 412	1.09 423	0.80 426	1.10 432	0.75 423	1.17 446	0.74 407	1.17 446	0.80 421	1.13 421	0.73 386	1.17 450	0.77 424	1.16 424	0.72 400
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 366	0.80 258	0.80 394	0.80 343	0.80 430	0.80 392	0.80 420	0.80 384	0.80 426	0.80 395	0.80 430	0.80 397	0.80 416	0.80 390	0.80 421	0.80 374	0.80 399	0.80 401	0.80 430	0.80 375	0.80 416

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Test_v1	1.00 411	1.00 302	1.00 416	1.00 373	1.00 447	1.00 412	1.00 441	1.00 407	1.00 448	1.00 414	1.00 445	1.00 418	1.00 430	1.00 418	1.00 440	1.00 405	1.00 412	1.00 433	1.00 444	1.00 407	1.00 435

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Abc-Net	2.32 545	24.75 606	1.14 427	1.17 397	1.17 466	1.11 437	1.15 455	1.17 431	1.21 511	1.08 431	1.16 458	1.12 442	1.14 445	1.09 436	1.17 458	1.09 413	1.16 436	1.17 450	1.17 459	1.16 424	1.11 445
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	2.36 548	25.48 608	1.19 435	1.15 391	1.15 461	1.10 434	1.16 457	1.17 431	1.16 459	1.12 438	1.16 458	1.11 441	1.13 443	1.09 436	1.18 459	1.10 415	1.15 435	1.16 446	1.12 454	1.14 419	1.12 447

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

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

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

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

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

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

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

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

Patchmatch Stereo++	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 434	1.20 340	1.20 438	1.20 400	1.20 469	1.20 443	1.20 461	1.20 437	1.20 466	1.20 445	1.20 463	1.20 448	1.20 453	1.20 448	1.20 463	1.20 428	1.20 441	1.20 457	1.20 463	1.20 434	1.20 461

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

GANetREF_RVC	1.55 492	1.94 440	1.22 485	1.88 485	1.21 515	1.88 517	1.22 507	1.88 511	1.22 512	1.88 514	1.22 509	1.88 516	1.22 500	1.89 520	1.22 509	1.87 509	1.22 488	1.88 531	1.22 509	1.88 509	1.22 507
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
StereoVision	3.15 566	5.00 549	0.89 402	4.83 576	1.00 447	3.93 575	1.27 513	6.37 604	1.34 519	5.67 604	1.26 513	5.84 605	1.27 503	5.03 601	1.24 510	5.10 593	1.09 426	4.61 585	0.57 386	5.62 593	1.12 447

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

S-Stereo	2.51 555	26.86 613	1.23 487	1.22 445	1.22 517	1.24 491	1.25 510	1.22 483	1.24 514	1.21 490	1.24 511	1.19 447	1.27 503	1.19 447	1.24 510	1.19 426	1.20 441	1.25 504	1.19 460	1.24 483	1.23 509

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

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

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

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

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

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

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

SPS-STEREO	1.59 493	1.91 434	1.21 484	1.94 488	1.20 469	2.00 525	1.23 508	1.99 516	1.24 514	2.00 522	1.25 512	2.03 526	1.26 502	2.00 524	1.29 517	1.90 513	1.18 440	1.89 532	1.21 508	1.89 510	1.20 461
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MaskLacGwcNet_RVC	1.35 486	1.35 401	1.35 493	1.35 464	1.35 520	1.35 498	1.35 517	1.36 494	1.35 522	1.36 498	1.35 520	1.36 501	1.36 511	1.36 500	1.35 521	1.35 484	1.35 502	1.35 510	1.35 518	1.35 488	1.35 519

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

IGEV	2.02 519	2.20 454	1.82 534	2.90 525	2.16 567	2.41 541	1.25 510	2.00 517	1.98 564	1.99 521	1.31 517	2.72 559	1.93 544	2.67 554	1.69 539	2.26 530	1.32 490	1.83 523	1.87 558	2.53 542	1.61 536

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

NLCA_NET_v2_RVC	5.04 600	50.87 629	2.78 566	2.87 524	2.71 576	2.78 564	0.47 353	2.88 563	2.86 576	1.89 515	2.67 575	2.79 565	2.79 564	2.78 564	2.83 573	2.82 559	2.82 562	2.83 563	2.77 575	2.83 550	2.76 570
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_105_1	3.83 573	5.22 553	3.01 568	4.53 563	3.01 578	4.51 582	3.01 576	4.56 584	3.04 577	4.53 583	3.03 578	4.55 585	3.03 565	4.56 584	3.04 574	4.57 576	3.05 564	4.57 580	3.05 579	4.57 570	3.05 575

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

SGM-Forest	5.21 603	5.92 569	4.08 590	6.18 588	4.16 603	6.31 605	4.34 604	6.50 605	4.33 603	6.14 606	4.21 602	6.61 609	4.55 597	6.67 605	4.48 602	5.94 598	3.94 584	5.85 604	4.03 603	5.79 594	4.17 602
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 597	4.75 545	4.79 592	4.87 578	4.92 606	4.81 599	4.90 606	4.78 595	4.77 605	4.87 596	4.89 605	4.90 600	4.91 598	4.99 599	4.79 603	4.98 589	4.87 590	4.87 596	4.92 607	5.00 587	5.00 604

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

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

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

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

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

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

RAFT	6.73 606	9.36 588	7.40 606	8.51 600	6.55 610	6.88 607	6.60 610	6.79 606	6.60 610	6.80 607	6.72 612	5.31 603	5.50 601	6.61 604	6.61 610	8.42 609	5.89 595	5.73 602	5.45 611	6.61 596	6.24 608

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

MDST_ROB	69.83 625	87.70 630	41.95 630	113.75 633	65.62 634	75.05 632	55.25 633	75.64 634	45.04 629	71.61 633	41.75 632	72.81 633	44.06 630	68.38 633	44.63 632	101.89 635	59.57 635	107.10 635	61.05 635	104.38 632	59.38 633

CBMV	128.50 627	1422.70 641	53.10 631	79.50 632	51.30 633	77.30 633	49.70 632	74.00 633	48.20 630	77.20 634	48.80 633	73.90 634	48.00 631	73.80 634	48.80 633	70.40 634	45.10 634	68.90 634	46.10 634	68.20 631	45.00 632
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 626	153.00 634	121.00 633	51.00 631	44.00 632	165.00 635	127.00 634	153.00 635	119.00 631	164.00 636	125.00 634	168.00 636	120.00 632	153.00 635	117.00 634	49.00 633	44.00 633	49.00 633	44.00 633	49.00 630	44.00 631

MeshStereo	159.24 628	171.00 635	160.68 636	162.58 634	160.59 635	164.01 634	160.35 635	158.51 636	158.56 632	158.34 635	160.12 635	158.56 635	159.92 633	157.26 636	158.94 635	154.38 636	158.36 636	155.75 636	159.13 637	153.67 633	154.07 634
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 629	123.00 631	115.00 632	219.00 635	218.00 637	223.00 636	244.00 637	217.00 637	236.00 634	202.00 637	203.00 636	205.00 637	208.00 634	225.00 637	204.00 636	210.00 637	198.00 637	197.00 637	184.00 638	204.00 634	201.00 635

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	10000000.00 641	10000000.00 642	10000000.00 641	10000000.00 642	10000000.00 643	10000000.00 643	10000000.00 643	10000000.00 644	10000000.00 640	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 641	10000000.00 644	10000000.00 643	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 644	10000000.00 641	10000000.00 642
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccccc		0.44 188		0.48 272	0.35 300	0.48 326		0.51 340		0.47 310		0.47 317		0.47 312		0.41 278	0.40 283	0.40 293	0.40 337	0.41 287

Low-res two-view benchmark