Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

light-stereo	0.05 57	0.04 52	0.01 10	0.02 14	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.03 53	0.02 20	0.01 10	0.73 429	0.01 10	0.01 9	0.01 9	0.01 10	0.02 20

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

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

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

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

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

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

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

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

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

iinet-test	0.08 72	0.16 115	0.02 15	0.16 142	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.17 206	0.02 20	0.02 21	0.71 421	0.02 16	0.02 19	0.02 21	0.02 21	0.16 184

IINet	0.06 61	0.05 66	0.02 15	0.05 60	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.04 100	0.02 20	0.02 21	0.73 429	0.02 16	0.02 19	0.02 21	0.02 21	0.04 96

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

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

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

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

CoDeX	0.15 146	0.70 279	0.02 15	0.02 14	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.01 9	0.02 20	0.67 453	0.02 15	0.69 445	0.75 462	0.01 9	0.02 21	0.02 20

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

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

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

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

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

psmg	0.43 300	1.91 507	0.92 478	1.91 558	0.02 22	0.02 20	0.03 54	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.03 43	0.02 21	1.97 587	1.44 581	0.04 93	0.03 57	0.02 21	0.03 52

CSP-Net	0.34 229	1.29 436	1.19 506	1.36 535	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.02 20	0.02 21	1.26 547	1.21 558	0.03 41	0.09 136	0.02 21	0.09 135

SFCPSM	0.17 157	0.78 291	0.02 15	0.02 14	0.01 10	0.02 20	0.02 21	0.02 21	0.01 10	0.02 21	0.02 21	0.02 21	0.01 9	0.02 20	0.79 490	0.02 15	0.75 458	0.76 464	0.02 21	0.02 21	0.02 20

Syn2CoEx	0.25 191	1.31 440	0.74 453	0.92 426	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.03 46	0.02 21	0.02 20	0.02 21	0.87 453	0.75 458	0.02 19	0.02 21	0.02 21	0.02 20

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

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

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

ADCMid	0.08 72	0.02 12	0.02 15	1.01 446	0.03 52	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.04 90	0.09 134	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

ADCS	0.09 75	0.02 12	0.04 64	0.90 421	0.06 134	0.02 20	0.02 21	0.02 21	0.02 22	0.02 21	0.02 21	0.02 21	0.02 21	0.14 156	0.36 351	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.02 20

AnyNet_C01	0.11 111	0.02 12	0.02 15	1.62 551	0.02 22	0.02 20	0.02 21	0.02 21	0.02 22	0.03 44	0.02 21	0.02 21	0.02 21	0.06 110	0.04 97	0.02 15	0.02 16	0.02 19	0.02 21	0.02 21	0.03 52

AnyNet_C32	0.14 134	0.04 52	0.03 39	2.22 570	0.04 101	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.04 96	0.02 21	0.07 126	0.04 97	0.02 15	0.02 16	0.03 41	0.03 57	0.02 21	0.03 52

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

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

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

RT-IGEV	0.07 67	0.05 66	0.03 39	0.05 60	0.03 52	0.04 95	0.03 54	0.04 95	0.03 59	0.04 92	0.03 56	0.04 96	0.04 100	0.04 90	0.03 52	0.75 432	0.03 39	0.03 41	0.03 57	0.03 47	0.04 96

RT-Monster	0.09 75	0.07 77	0.03 39	0.15 132	0.03 52	0.04 95	0.03 54	0.04 95	0.03 59	0.04 92	0.03 56	0.03 46	0.10 143	0.04 90	0.03 52	0.92 457	0.03 39	0.03 41	0.03 57	0.03 47	0.07 130

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

zh-sn7	0.10 90	0.98 329	0.14 148	0.15 132	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.15 141	0.13 158	0.03 41	0.03 57	0.03 47	0.03 52

zh-mn7	0.12 120	1.14 370	0.17 176	0.20 160	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.18 167	0.16 169	0.03 41	0.03 57	0.03 47	0.03 52

w-ln-seven-2	0.14 134	1.22 432	0.28 226	0.32 213	0.04 101	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.32 233	0.27 231	0.04 93	0.03 57	0.03 47	0.03 52

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

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

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

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

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

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

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

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

DualNet (step1)	0.10 90	1.05 357	0.12 123	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.02 21	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample9	0.10 90	1.05 357	0.12 123	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.02 21	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample8	0.10 90	1.05 357	0.12 123	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample7	0.09 75	1.00 338	0.11 112	0.11 97	0.02 22	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.03 57	0.03 47	0.03 52

test_sample6	0.09 75	0.97 328	0.10 92	0.10 80	0.03 52	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.03 56	0.03 46	0.02 21	0.03 43	0.02 21	0.10 90	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

test_sample4	0.10 90	1.03 353	0.12 123	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.13 126	0.13 158	0.03 41	0.03 57	0.03 47	0.03 52

test_sample3	0.09 75	0.87 305	0.10 92	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

test_sample2	0.09 75	1.03 353	0.11 112	0.11 97	0.03 52	0.03 44	0.03 54	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.09 85	0.09 94	0.03 41	0.02 21	0.03 47	0.02 20

test_sample1	0.09 75	0.87 305	0.12 123	0.11 97	0.03 52	0.03 44	0.03 54	0.03 46	0.02 22	0.04 92	0.02 21	0.03 46	0.03 53	0.03 43	0.03 52	0.10 90	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

SMFormer	0.09 75	1.01 347	0.09 88	0.09 76	0.03 52	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.09 85	0.09 94	0.03 41	0.02 21	0.03 47	0.02 20

tta	0.09 75	0.95 325	0.09 88	0.10 80	0.02 22	0.03 44	0.02 21	0.03 46	0.02 22	0.03 44	0.02 21	0.03 46	0.02 21	0.03 43	0.02 21	0.09 85	0.10 99	0.03 41	0.02 21	0.03 47	0.02 20

qqq1	0.25 191	3.70 594	0.14 148	0.14 121	0.04 101	0.06 114	0.05 115	0.06 116	0.05 119	0.06 118	0.05 122	0.04 96	0.05 112	0.06 110	0.05 110	0.13 126	0.12 135	0.06 116	0.05 118	0.03 47	0.04 96

fff1	0.25 191	3.70 594	0.14 148	0.14 121	0.04 101	0.06 114	0.05 115	0.06 116	0.05 119	0.06 118	0.05 122	0.04 96	0.05 112	0.06 110	0.05 110	0.13 126	0.12 135	0.06 116	0.05 118	0.03 47	0.04 96

1111x	0.10 90	1.14 370	0.13 143	0.14 121	0.03 52	0.04 95	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.13 126	0.11 121	0.03 41	0.02 21	0.03 47	0.02 20

xxx	0.09 75	1.01 347	0.10 92	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.02 22	0.03 44	0.03 56	0.03 46	0.02 21	0.03 43	0.02 21	0.10 90	0.10 99	0.03 41	0.02 21	0.03 47	0.03 52

qqq	0.16 153	2.01 516	0.12 123	0.15 132	0.04 101	0.06 114	0.05 115	0.06 116	0.04 103	0.06 118	0.03 56	0.06 119	0.03 53	0.06 110	0.03 52	0.12 111	0.14 162	0.04 93	0.04 99	0.03 47	0.03 52

x	0.11 111	1.15 373	0.15 165	0.14 121	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.04 92	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.14 133	0.15 166	0.03 41	0.03 57	0.03 47	0.03 52

test_xeample	0.10 90	1.09 363	0.13 143	0.12 105	0.03 52	0.03 44	0.03 54	0.04 95	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.14 133	0.14 162	0.03 41	0.03 57	0.03 47	0.03 52

BEATNet_4x	0.11 111	0.03 31	0.03 39	1.60 548	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.05 103	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

ADCL	0.11 111	0.03 31	0.03 39	1.60 548	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.05 103	0.03 52	0.03 34	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

ADCRef	0.12 120	0.03 31	0.04 64	1.71 554	0.04 101	0.03 44	0.03 54	0.04 95	0.04 103	0.04 92	0.03 56	0.04 96	0.03 53	0.06 110	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.03 47	0.04 96

ADCPNet	0.10 90	0.03 31	0.04 64	1.27 520	0.03 52	0.04 95	0.03 54	0.03 46	0.03 59	0.04 92	0.03 56	0.04 96	0.03 53	0.08 129	0.04 97	0.04 59	0.03 39	0.03 41	0.03 57	0.03 47	0.03 52

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

z-mn7	0.16 153	1.21 426	0.33 259	0.41 262	0.04 101	0.04 95	0.03 54	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	0.04 97	0.35 250	0.31 265	0.04 93	0.04 99	0.04 97	0.04 96

z-ln-s-r	0.21 173	1.40 449	0.53 399	0.56 366	0.04 101	0.05 110	0.04 103	0.05 110	0.05 119	0.05 112	0.04 110	0.05 113	0.04 100	0.05 103	0.05 110	0.57 394	0.44 374	0.04 93	0.04 99	0.04 97	0.04 96

w-ln-seven	0.18 161	1.47 451	0.33 259	0.40 250	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	0.04 97	0.38 268	0.32 269	0.05 108	0.04 99	0.04 97	0.04 96

test_sample5	0.10 90	1.07 361	0.11 112	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.10 90	0.10 99	0.03 41	0.03 57	0.04 97	0.03 52

DualNet	0.10 90	1.07 361	0.11 112	0.10 80	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.10 90	0.10 99	0.03 41	0.03 57	0.04 97	0.03 52

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

222	0.10 90	0.99 336	0.12 123	0.13 117	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.12 111	0.12 135	0.03 41	0.02 21	0.04 97	0.03 52

xxxx	0.11 111	1.16 375	0.16 169	0.12 105	0.03 52	0.03 44	0.03 54	0.03 46	0.03 59	0.03 44	0.03 56	0.03 46	0.03 53	0.03 43	0.03 52	0.13 126	0.16 169	0.03 41	0.04 99	0.04 97	0.04 96

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

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

FADNet-RVC-Resample	0.12 120	0.04 52	0.04 64	0.04 53	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	1.57 605	0.04 59	0.04 66	0.04 93	0.05 118	0.04 97	0.06 126

FADNet_RVC	0.12 120	0.04 52	0.04 64	0.05 60	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.05 112	0.04 90	1.65 609	0.05 66	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

FADNet	0.12 120	0.05 66	0.04 64	0.04 53	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.05 112	0.04 90	1.66 611	0.06 70	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

ADCP+	0.15 146	0.04 52	0.04 64	2.20 569	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.05 122	0.04 96	0.04 100	0.08 129	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96

NVStereoNet_ROB	0.04 54	0.04 52	0.04 64	0.04 53	0.04 101	0.04 95	0.04 103	0.04 95	0.04 103	0.04 92	0.04 110	0.04 96	0.04 100	0.04 90	0.04 97	0.04 59	0.04 66	0.04 93	0.04 99	0.04 97	0.04 96
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
IGEV_i1	0.26 200	0.05 66	0.04 64	0.06 65	0.03 52	0.05 110	0.03 54	0.05 110	0.03 59	0.05 112	0.03 56	0.04 96	0.06 129	0.05 103	0.03 52	4.34 642	0.03 39	0.04 93	0.03 57	0.05 113	0.04 96

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

mmm	0.14 134	1.83 492	0.12 123	0.11 97	0.03 52	0.03 44	0.03 54	0.03 46	0.04 103	0.03 44	0.03 56	0.03 46	0.03 53	0.06 110	0.04 97	0.12 111	0.11 121	0.05 108	0.04 99	0.05 113	0.04 96

11t1	0.17 157	2.16 525	0.13 143	0.13 117	0.04 101	0.06 114	0.04 103	0.06 116	0.04 103	0.06 118	0.03 56	0.06 119	0.03 53	0.06 110	0.05 110	0.18 167	0.12 135	0.06 116	0.03 57	0.05 113	0.03 52

APVNet	0.09 75	0.05 66	0.04 64	0.05 60	0.04 101	0.05 110	0.90 504	0.06 116	0.04 103	0.05 112	0.04 110	0.05 113	0.04 100	0.05 103	0.04 97	0.05 66	0.04 66	0.05 108	0.04 99	0.05 113	0.05 117

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

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

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

ffm	0.25 191	3.83 600	0.12 123	0.12 105	0.05 121	0.06 114	0.05 115	0.06 116	0.05 119	0.03 44	0.03 56	0.06 119	0.05 112	0.06 110	0.05 110	0.12 111	0.12 135	0.05 108	0.04 99	0.06 118	0.04 96

ff1	0.25 191	3.83 600	0.12 123	0.12 105	0.05 121	0.06 114	0.05 115	0.06 116	0.05 119	0.03 44	0.03 56	0.06 119	0.05 112	0.06 110	0.05 110	0.12 111	0.12 135	0.05 108	0.04 99	0.06 118	0.04 96

mmx	0.25 191	3.83 600	0.12 123	0.12 105	0.05 121	0.06 114	0.05 115	0.06 116	0.05 119	0.03 44	0.03 56	0.06 119	0.05 112	0.06 110	0.05 110	0.12 111	0.12 135	0.05 108	0.04 99	0.06 118	0.04 96

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

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

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

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

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

BridgeDepth_RVC	0.07 67	0.08 79	0.11 112	0.11 97	0.05 121	0.08 127	0.05 115	0.08 129	0.05 119	0.08 128	0.05 122	0.08 128	0.05 112	0.08 129	0.05 110	0.11 105	0.10 99	0.07 121	0.05 118	0.07 128	0.05 117
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.08 72	0.08 79	0.11 112	0.11 97	0.05 121	0.08 127	0.05 115	0.08 129	0.07 136	0.08 128	0.05 122	0.08 128	0.05 112	0.09 135	0.08 129	0.15 141	0.11 121	0.07 121	0.05 118	0.07 128	0.06 126
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GwcNet	0.12 120	0.07 77	0.05 79	0.08 69	0.05 121	0.08 127	1.20 535	0.07 126	0.05 119	0.05 112	0.05 122	0.08 128	0.05 112	0.08 129	0.03 52	0.07 75	0.05 78	0.06 116	0.05 118	0.07 128	0.05 117

FADNet-RVC	0.13 127	0.04 52	0.04 64	0.04 53	0.04 101	0.04 95	0.05 115	0.04 95	0.04 103	0.04 92	0.05 122	0.04 96	0.05 112	0.04 90	1.71 614	0.04 59	0.04 66	0.04 93	0.04 99	0.07 128	0.04 96

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

BEATNet-Init1	0.19 165	0.08 79	0.08 82	2.23 571	0.08 138	0.08 127	0.07 136	0.07 126	0.08 140	0.08 128	0.07 137	0.08 128	0.07 135	0.11 150	0.08 129	0.08 77	0.08 84	0.08 126	0.07 130	0.08 133	0.08 132

SuperB	0.21 173	0.10 92	2.51 635	0.12 105	0.09 140	0.10 137	0.09 139	0.08 129	0.07 136	0.10 137	0.09 141	0.09 136	0.07 135	0.07 126	0.07 127	0.07 75	0.08 84	0.07 121	0.07 130	0.08 133	0.07 130

DeepPrunerF	0.19 165	0.08 79	0.08 82	2.23 571	0.08 138	0.08 127	0.07 136	0.07 126	0.08 140	0.08 128	0.07 137	0.08 128	0.07 135	0.11 150	0.08 129	0.08 77	0.08 84	0.08 126	0.07 130	0.08 133	0.08 132

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

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

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

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

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

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

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

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

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

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

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

MatchStereo	0.54 374	0.12 105	2.38 633	2.32 577	0.09 140	0.09 135	0.08 138	0.09 135	0.07 136	0.09 135	0.07 137	0.09 136	0.07 135	0.09 135	0.08 129	2.34 610	2.34 629	0.12 147	0.11 155	0.11 148	0.10 140
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
JetRed	0.11 111	0.12 105	0.11 112	0.11 97	0.11 162	0.11 148	0.14 176	0.11 148	0.11 159	0.12 151	0.11 159	0.11 149	0.11 156	0.11 150	0.11 152	0.11 105	0.16 169	0.11 144	0.11 155	0.11 148	0.11 153

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

ac_64	0.22 179	0.13 107	0.19 188	0.23 176	0.10 147	0.26 229	1.02 520	0.14 154	0.10 144	0.28 230	0.14 185	0.17 174	0.19 221	0.28 237	0.09 134	0.22 183	0.16 169	0.23 210	0.17 216	0.11 148	0.12 166

PASM	0.39 273	3.06 579	1.36 572	1.58 544	0.09 140	0.11 148	0.11 157	0.11 148	0.11 159	0.09 135	0.09 141	0.11 149	0.09 139	0.09 135	0.09 134	0.11 105	0.11 121	0.11 144	0.09 136	0.11 148	0.11 153

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

DRN-Test	0.14 134	0.13 107	0.09 88	0.14 121	0.09 140	0.15 161	0.09 139	0.14 154	0.10 144	0.14 153	0.09 141	0.14 154	0.09 139	0.13 155	0.09 134	0.12 111	0.09 94	0.12 147	0.09 136	0.12 153	0.73 475

S2M2_L	0.12 120	0.14 113	0.10 92	0.15 132	0.10 147	0.14 153	0.10 144	0.14 154	0.10 144	0.15 160	0.10 145	0.14 154	0.10 143	0.14 156	0.10 140	0.13 126	0.10 99	0.13 151	0.09 136	0.13 155	0.09 135
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
StereoDRNet	0.15 146	0.14 113	0.10 92	0.14 121	0.09 140	0.15 161	0.09 139	0.14 154	0.09 143	0.14 153	0.10 145	0.14 154	0.09 139	0.14 156	0.09 134	0.13 126	0.10 99	0.13 151	0.09 136	0.13 155	0.82 491

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

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

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

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

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

GMStereo	0.14 134	0.13 107	0.14 148	0.14 121	0.14 181	0.14 153	0.14 176	0.14 154	0.14 181	0.14 153	0.14 185	0.14 154	0.14 181	0.14 156	0.14 175	0.14 133	0.14 162	0.14 153	0.14 184	0.14 157	0.14 178
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CCAANet	0.17 157	0.72 281	0.14 148	0.14 121	0.14 181	0.14 153	0.14 176	0.14 154	0.14 181	0.14 153	0.14 185	0.14 154	0.14 181	0.14 156	0.14 175	0.14 133	0.14 162	0.14 153	0.14 184	0.14 157	0.14 178

ELAS	0.13 127	0.16 115	0.11 112	0.15 132	0.09 140	0.18 179	0.11 157	0.18 177	0.11 159	0.17 172	0.11 159	0.18 178	0.11 156	0.18 177	0.11 152	0.14 133	0.08 84	0.14 153	0.08 134	0.14 157	0.09 135
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DF	0.39 273	1.37 446	1.02 490	1.14 458	0.12 175	0.16 168	0.12 170	0.16 168	0.12 175	0.16 165	0.12 167	0.16 166	0.12 171	0.16 167	0.12 164	1.12 489	1.00 482	0.15 166	0.12 170	0.15 165	0.12 166

castereo++	0.54 374	3.59 591	1.15 500	1.31 529	0.14 181	0.16 168	0.14 176	0.16 168	0.14 181	0.16 165	0.14 185	0.16 166	0.13 177	0.16 167	0.14 175	1.45 562	1.16 507	0.15 166	0.14 184	0.15 165	0.13 173

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

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

ELAS_RVC	0.14 134	0.16 115	0.10 92	0.15 132	0.10 147	0.18 179	0.11 157	0.19 179	0.11 159	0.19 178	0.12 167	0.18 178	0.11 156	0.19 180	0.12 164	0.14 133	0.08 84	0.14 153	0.09 136	0.15 165	0.09 135
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 134	0.17 120	0.12 123	0.17 151	0.11 162	0.17 175	0.11 157	0.17 174	0.11 159	0.17 172	0.11 159	0.17 174	0.11 156	0.17 174	0.11 152	0.16 151	0.11 121	0.16 170	0.11 155	0.16 170	0.11 153
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
xyz-stereo-finetune2	0.18 161	0.48 236	0.16 169	0.16 142	0.15 193	0.15 161	0.16 188	0.16 168	0.16 197	0.16 165	0.16 198	0.16 166	0.16 194	0.16 167	0.16 193	0.16 151	0.16 169	0.16 170	0.16 194	0.16 170	0.16 184

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

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

ICVP	0.15 146	0.53 257	0.11 112	0.16 142	0.11 162	0.16 168	0.11 157	0.16 168	0.11 159	0.16 165	0.11 159	0.16 166	0.11 156	0.16 167	0.11 152	0.16 151	0.11 121	0.16 170	0.11 155	0.16 170	0.11 153
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 134	0.16 115	0.12 123	0.17 151	0.12 175	0.17 175	0.11 157	0.17 174	0.11 159	0.17 172	0.12 167	0.17 174	0.12 171	0.17 174	0.12 164	0.16 151	0.11 121	0.16 170	0.11 155	0.16 170	0.12 166

DDVS	0.30 208	3.10 580	0.14 148	0.19 156	0.14 181	0.19 182	0.14 176	0.20 185	0.14 181	0.19 178	0.13 180	0.16 166	0.13 177	0.19 180	0.13 171	0.17 159	0.13 158	0.17 178	0.13 179	0.17 176	0.13 173

ACVNet	0.20 167	0.19 124	0.14 148	0.20 160	0.14 181	0.20 187	0.96 511	0.21 193	0.14 181	0.20 184	0.13 180	0.21 192	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	0.17 176	0.12 166

acv_ft	0.20 167	0.19 124	0.14 148	0.20 160	0.14 181	0.20 187	0.96 511	0.21 193	0.14 181	0.20 184	0.13 180	0.21 192	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	0.17 176	0.12 166

SGM_RVC	0.15 146	0.17 120	0.11 112	0.18 153	0.11 162	0.19 182	0.11 157	0.19 179	0.12 175	0.19 178	0.12 167	0.20 185	0.12 171	0.19 180	0.12 164	0.16 151	0.11 121	0.17 178	0.10 143	0.17 176	0.10 140
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 449	5.18 626	1.98 622	2.19 568	0.17 209	0.19 182	0.18 206	0.19 179	0.16 197	0.20 184	0.19 223	0.22 200	0.22 231	0.20 184	0.15 186	2.28 604	2.13 624	0.24 219	0.17 216	0.18 180	0.16 184

castereo	0.61 388	3.79 599	1.35 564	1.52 543	0.15 193	0.17 175	0.16 188	0.20 185	0.21 224	0.18 176	0.16 198	0.21 192	0.12 171	0.26 229	0.17 199	1.43 561	1.38 577	0.17 178	0.16 194	0.18 180	0.16 184

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

HCRNet	1.22 553	7.11 646	3.00 640	3.55 622	0.33 348	0.29 237	0.14 176	0.19 179	0.15 192	0.33 251	0.29 272	0.25 220	0.14 181	0.22 198	0.33 331	3.64 638	3.00 636	0.76 464	0.32 347	0.18 180	0.13 173

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

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

CAS++	0.17 157	0.27 158	0.21 196	0.10 80	0.21 235	0.15 161	0.22 223	0.10 136	0.21 224	0.22 197	0.10 145	0.19 182	0.18 216	0.10 139	0.19 214	0.20 174	0.19 198	0.18 187	0.10 143	0.19 186	0.18 206
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DepthFocus	0.18 161	0.22 137	0.15 165	0.22 171	0.15 193	0.22 199	0.15 182	0.22 197	0.15 192	0.22 197	0.15 194	0.22 200	0.16 194	0.22 198	0.15 186	0.20 174	0.15 166	0.20 194	0.14 184	0.20 187	0.14 178

RSGM-EC	0.24 188	0.24 147	0.15 165	0.22 171	0.15 193	0.22 199	0.15 182	0.22 197	0.15 192	0.24 209	0.15 194	0.22 200	0.15 192	0.22 198	1.19 535	0.20 174	0.17 190	0.24 219	0.14 184	0.20 187	0.14 178

acva	0.24 188	0.24 147	0.15 165	0.22 171	0.15 193	0.22 199	0.15 182	0.22 197	0.15 192	0.24 209	0.15 194	0.22 200	0.15 192	0.22 198	1.19 535	0.20 174	0.17 190	0.24 219	0.14 184	0.20 187	0.14 178

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

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

GEStereo_RVC	0.86 461	4.45 615	0.20 191	0.27 198	0.20 227	0.27 233	0.20 214	0.26 221	0.18 213	5.03 672	0.20 227	0.27 233	0.19 221	0.27 233	0.21 220	0.20 174	0.19 198	0.19 190	4.02 676	0.20 187	0.18 206

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

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

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

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

ACV-stereo	0.30 208	2.08 518	0.25 211	0.25 188	0.18 220	0.24 211	0.17 198	0.24 207	0.18 213	0.24 209	0.17 205	0.25 220	0.17 206	0.24 209	0.17 199	0.22 183	0.16 169	0.22 202	0.16 194	0.22 195	0.16 184

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

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

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

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

MIM_Stereo	0.25 191	0.23 139	0.66 426	0.80 407	0.17 209	0.22 199	0.17 198	0.23 204	0.18 213	0.26 226	0.17 205	0.21 192	0.17 206	0.25 218	0.17 199	0.23 194	0.16 169	0.21 197	0.17 216	0.22 195	0.17 201

dd	0.23 185	0.98 329	0.16 169	0.23 176	0.15 193	0.23 208	0.15 182	0.23 204	0.15 192	0.23 202	0.15 194	0.24 213	0.17 206	0.23 205	0.15 186	0.22 183	0.15 166	0.21 197	0.15 192	0.22 195	0.16 184

dad	0.23 185	1.03 353	0.16 169	0.23 176	0.15 193	0.24 211	0.15 182	0.24 207	0.16 197	0.23 202	0.16 198	0.24 213	0.16 194	0.23 205	0.15 186	0.22 183	0.16 169	0.22 202	0.16 194	0.22 195	0.16 184

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

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

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

VIP-Stereo	0.70 408	2.97 578	2.43 634	2.49 584	0.16 203	0.25 220	0.16 188	0.25 215	0.16 197	0.25 217	0.18 221	0.25 220	0.16 194	0.26 229	0.16 193	1.86 577	1.26 560	0.23 210	0.15 192	0.23 206	0.15 183

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

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

DLNR-FE	0.28 202	0.89 310	0.30 234	0.34 220	0.19 224	0.28 234	0.19 210	0.28 224	0.20 221	0.28 230	0.20 227	0.28 234	0.20 225	0.28 237	0.20 217	0.33 238	0.28 237	0.25 224	0.19 223	0.24 210	0.19 208

AANet_RVC	1.26 556	0.31 167	4.99 667	5.93 659	0.20 227	0.25 220	0.20 214	0.25 215	0.20 221	0.23 202	0.19 223	0.25 220	0.20 225	0.25 218	0.20 217	5.66 669	4.76 662	0.26 229	0.30 329	0.24 210	0.27 271

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

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

RAFT-FEzeroshot	0.34 229	0.26 155	0.17 176	0.21 169	0.17 209	0.20 187	0.16 188	0.20 185	0.16 197	0.20 184	0.17 205	0.21 192	0.16 194	0.27 233	0.24 231	0.19 171	0.16 169	0.19 190	0.16 194	0.26 215	3.08 654

RAFT-FE	0.34 229	0.26 155	0.17 176	0.21 169	0.17 209	0.20 187	0.16 188	0.20 185	0.16 197	0.20 184	0.17 205	0.21 192	0.16 194	0.27 233	0.24 231	0.19 171	0.16 169	0.19 190	0.16 194	0.26 215	3.08 654

LoS_RVC	0.30 208	1.14 370	0.25 211	0.25 188	0.25 250	0.26 229	0.25 238	0.25 215	0.25 241	0.25 217	0.25 250	0.26 231	0.26 252	0.26 229	0.25 239	0.26 209	0.26 221	0.25 224	0.25 246	0.26 215	0.26 233

CAS	0.30 208	1.17 376	0.25 211	0.25 188	0.25 250	0.26 229	0.25 238	0.25 215	0.26 254	0.25 217	0.25 250	0.25 220	0.25 243	0.25 218	0.25 239	0.26 209	0.26 221	0.26 229	0.25 246	0.26 215	0.25 227

LoS	0.25 191	0.27 158	0.25 211	0.25 188	0.25 250	0.25 220	0.25 238	0.26 221	0.25 241	0.25 217	0.25 250	0.25 220	0.25 243	0.25 218	0.25 239	0.26 209	0.25 218	0.25 224	0.26 252	0.26 215	0.25 227
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
tt1	0.31 215	0.93 322	0.24 208	0.33 217	0.23 243	0.31 244	0.24 236	0.32 238	0.24 236	0.32 247	0.23 237	0.32 252	0.25 243	0.32 250	0.24 231	0.27 212	0.26 221	0.27 233	0.26 252	0.27 220	0.27 271

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

DCVSM-stereo	0.36 245	1.89 504	0.22 198	0.40 250	0.22 237	0.40 284	0.22 223	0.40 278	0.22 227	0.40 279	0.22 233	0.40 288	0.22 231	0.40 285	0.22 222	0.28 216	0.21 203	0.28 235	0.21 227	0.28 222	0.20 210

TorneroNet-64	0.45 336	0.27 158	0.30 234	0.58 369	0.27 258	0.70 445	0.30 271	0.28 224	0.73 488	0.73 448	0.28 266	0.71 447	0.66 456	0.75 450	0.27 245	0.27 212	0.29 251	0.37 291	0.75 494	0.28 222	0.30 310

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

xxxxx1	0.31 215	0.91 315	0.23 201	0.31 207	0.23 243	0.31 244	0.23 231	0.33 242	0.25 241	0.31 241	0.24 244	0.33 255	0.25 243	0.32 250	0.24 231	0.28 216	0.28 237	0.28 235	0.28 302	0.29 225	0.27 271

tt_ll	0.31 215	0.91 315	0.23 201	0.31 207	0.23 243	0.31 244	0.23 231	0.33 242	0.25 241	0.31 241	0.24 244	0.33 255	0.25 243	0.32 250	0.24 231	0.28 216	0.28 237	0.28 235	0.28 302	0.29 225	0.27 271

ff	0.31 215	0.91 315	0.23 201	0.31 207	0.23 243	0.31 244	0.23 231	0.33 242	0.25 241	0.31 241	0.24 244	0.33 255	0.25 243	0.32 250	0.24 231	0.28 216	0.28 237	0.28 235	0.28 302	0.29 225	0.27 271

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

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

DEFOM-Stereo	0.68 402	3.11 581	1.40 578	1.63 552	0.25 250	0.31 244	0.25 238	0.31 236	0.28 262	0.31 241	0.29 272	0.29 240	0.27 259	0.31 247	0.28 254	1.59 569	1.47 583	0.30 242	0.29 315	0.30 228	0.28 291

WCG-NET（raft）	0.32 224	1.24 434	0.24 208	0.32 213	0.24 248	0.32 253	0.23 231	0.32 238	0.24 236	0.32 247	0.24 244	0.32 252	0.24 240	0.32 250	0.24 231	0.30 225	0.23 213	0.30 242	0.23 236	0.30 228	0.23 216

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

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

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

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

FE-Mocha	0.35 238	0.71 280	0.40 330	0.47 293	0.27 258	0.34 256	0.27 248	0.34 245	0.26 254	0.34 253	0.26 255	0.34 259	0.27 259	0.34 258	0.27 245	0.44 312	0.41 353	0.33 258	0.29 315	0.32 236	0.29 297

PAM	0.39 273	1.88 503	0.34 269	0.37 229	0.41 399	0.45 370	0.22 223	0.28 224	0.23 233	0.28 230	0.24 244	0.29 240	0.23 237	0.29 241	0.23 228	0.38 268	0.32 269	0.38 299	0.37 383	0.32 236	0.22 214

1test111	0.37 255	1.02 351	0.30 234	0.39 237	0.29 273	0.40 284	0.28 256	0.39 271	0.29 268	0.39 273	0.29 272	0.39 280	0.28 266	0.40 285	0.29 265	0.33 238	0.32 269	0.33 258	0.31 340	0.32 236	0.31 319

cc1	0.37 255	1.02 351	0.30 234	0.39 237	0.29 273	0.40 284	0.28 256	0.39 271	0.29 268	0.39 273	0.29 272	0.39 280	0.28 266	0.40 285	0.29 265	0.33 238	0.32 269	0.33 258	0.31 340	0.32 236	0.31 319

IGEV-Stereo	0.35 238	0.44 214	0.45 354	0.49 304	0.30 283	0.37 269	0.30 271	0.36 252	0.30 279	0.36 261	0.29 272	0.36 266	0.29 273	0.36 267	0.30 272	0.46 351	0.39 340	0.32 251	0.24 243	0.32 236	0.25 227
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 202	0.32 169	0.24 208	0.32 213	0.25 250	0.32 253	0.24 236	0.32 238	0.24 236	0.33 251	0.24 244	0.35 261	0.24 240	0.33 257	0.24 231	0.31 231	0.24 217	0.32 251	0.24 243	0.32 236	0.24 226

ACVNet-DCA	0.37 255	1.00 338	0.30 234	0.40 250	0.29 273	0.40 284	0.29 266	0.40 278	0.29 268	0.40 279	0.29 272	0.40 288	0.29 273	0.39 282	0.28 254	0.33 238	0.32 269	0.33 258	0.32 347	0.33 243	0.32 326

DLNR_Zeroshot_test	0.31 215	0.28 161	0.47 366	0.79 404	0.24 248	0.30 238	0.26 245	0.30 231	0.24 236	0.32 247	0.23 237	0.31 248	0.24 240	0.30 243	0.23 228	0.29 224	0.26 221	0.29 240	0.24 243	0.33 243	0.23 216

CRFU-Net	0.65 395	1.67 457	1.22 556	1.96 562	0.27 258	0.41 300	0.27 248	0.41 293	0.27 258	0.40 279	0.26 255	0.41 301	0.27 259	0.40 285	0.27 245	1.80 576	1.62 597	0.34 267	0.23 236	0.33 243	0.23 216

FENet	0.54 374	1.52 453	1.19 506	1.41 539	0.23 243	0.35 260	0.23 231	0.35 248	0.23 233	0.34 253	0.23 237	0.35 261	0.23 237	0.35 261	0.23 228	1.40 559	1.07 491	0.32 251	0.23 236	0.33 243	0.23 216

GeoVLM	0.36 245	0.38 181	0.27 220	0.46 286	0.28 263	0.35 260	0.28 256	0.37 258	0.27 258	0.35 257	0.28 266	0.36 266	0.38 367	0.35 261	0.28 254	1.08 480	0.26 221	0.33 258	0.27 289	0.34 247	0.33 333

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

xx1	0.38 261	1.03 353	0.31 249	0.40 250	0.31 326	0.41 300	0.28 256	0.40 278	0.29 268	0.40 279	0.29 272	0.40 288	0.29 273	0.40 285	0.29 265	0.34 242	0.33 281	0.34 267	0.32 347	0.34 247	0.32 326

CASnet	0.35 238	0.51 251	0.44 352	0.32 213	0.31 326	0.24 211	0.34 347	0.36 252	0.25 241	0.31 241	0.37 371	0.30 244	0.33 344	0.25 218	0.45 400	0.37 257	0.37 326	0.33 258	0.35 374	0.34 247	0.37 358
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 449	1.91 507	0.92 478	4.48 633	0.02 22	0.40 284	0.04 103	0.41 293	0.02 22	0.48 377	0.03 56	0.41 301	0.05 112	0.03 43	0.05 110	1.97 587	4.19 659	0.33 258	0.23 236	0.34 247	0.27 271

NINENet	0.69 405	3.87 603	1.20 509	1.98 563	0.05 121	0.40 284	0.04 103	0.40 278	0.05 119	0.41 293	0.04 110	0.41 301	0.05 112	0.40 285	0.05 110	1.79 575	1.56 590	0.34 267	0.22 230	0.34 247	0.23 216

BSDual-CNN	0.81 441	1.91 507	0.92 478	4.48 633	0.02 22	0.42 320	0.06 132	0.41 293	0.02 22	0.48 377	0.03 56	0.02 21	0.02 21	0.03 43	0.02 21	1.97 587	4.19 659	0.33 258	0.23 236	0.34 247	0.27 271

hknet	1.10 498	1.85 498	3.49 656	4.48 633	0.02 22	0.42 320	0.06 132	0.41 293	0.02 22	0.48 377	0.03 56	0.41 301	0.03 53	0.42 313	0.03 52	4.39 645	4.19 659	0.33 258	0.23 236	0.34 247	0.27 271

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

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

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

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

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

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

MyStereo07	0.60 383	3.72 597	0.48 374	0.49 304	0.41 399	0.36 264	0.32 323	0.49 378	0.43 402	0.51 406	0.42 406	0.49 388	0.43 399	0.51 405	0.64 445	0.49 366	0.45 375	0.34 267	0.32 347	0.35 260	0.43 390

MyStereo04	0.56 381	3.72 597	0.59 406	0.49 304	0.41 399	0.36 264	0.32 323	0.37 258	0.31 322	0.34 253	0.46 417	0.35 261	0.32 333	0.35 261	0.33 331	0.49 366	0.45 375	0.34 267	0.32 347	0.35 260	0.43 390

HH	0.71 411	2.54 552	0.74 453	1.10 452	0.32 336	0.41 300	0.37 364	0.69 435	0.78 492	0.73 448	0.90 508	0.75 455	1.00 503	0.84 464	0.69 468	0.69 415	0.40 343	0.35 283	0.26 252	0.35 260	0.26 233

HanStereo	0.71 411	2.54 552	0.74 453	1.10 452	0.32 336	0.41 300	0.37 364	0.69 435	0.78 492	0.73 448	0.90 508	0.75 455	1.00 503	0.84 464	0.69 468	0.69 415	0.40 343	0.35 283	0.26 252	0.35 260	0.26 233

FCDSN-DC	0.41 286	0.59 269	0.64 420	0.54 359	0.33 348	0.50 400	0.37 364	0.42 311	0.40 384	0.61 431	0.43 408	0.50 402	0.49 422	0.38 274	0.32 320	0.28 216	0.23 213	0.26 229	0.22 230	0.35 260	0.28 291
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 238	0.35 172	0.35 279	0.35 222	0.35 361	0.35 260	0.35 352	0.35 248	0.35 355	0.35 257	0.35 361	0.35 261	0.35 355	0.35 261	0.35 348	0.35 250	0.35 317	0.35 283	0.35 374	0.35 260	0.35 350

Monster-pub-mixall	0.44 313	0.56 265	0.60 410	0.38 232	0.27 258	0.37 269	0.27 248	0.37 258	0.29 268	0.38 267	0.27 259	0.38 275	0.29 273	0.85 468	0.27 245	1.46 563	0.26 221	0.34 267	0.26 252	0.36 267	0.53 423

Replicate-Monster	0.45 336	0.57 266	0.60 410	0.40 250	0.29 273	0.37 269	0.27 248	0.37 258	0.30 279	0.40 279	0.31 326	0.40 288	0.30 279	0.99 488	0.27 245	1.36 556	0.31 265	0.34 267	0.30 329	0.36 267	0.54 426

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

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

HiDET	0.38 261	0.44 214	0.30 234	0.42 272	0.30 283	0.42 320	0.30 271	0.42 311	0.30 279	0.44 346	0.30 284	0.42 319	0.30 279	0.42 313	0.68 460	0.37 257	0.32 269	0.40 353	0.29 315	0.37 271	0.29 297

LCMNet	0.38 261	0.44 214	0.30 234	0.42 272	0.30 283	0.42 320	0.30 271	0.42 311	0.30 279	0.45 358	0.30 284	0.42 319	0.30 279	0.42 313	0.69 468	0.37 257	0.32 269	0.40 353	0.29 315	0.37 271	0.29 297

CSFM-Stereo	0.38 261	0.44 214	0.30 234	0.42 272	0.30 283	0.42 320	0.30 271	0.43 317	0.30 279	0.44 346	0.30 284	0.42 319	0.30 279	0.42 313	0.73 480	0.37 257	0.32 269	0.40 353	0.29 315	0.37 271	0.30 310

Monster-pub-eth3d	0.45 336	0.57 266	0.60 410	0.39 237	0.28 263	0.37 269	0.28 256	0.37 258	0.30 279	0.39 273	0.29 272	0.39 280	0.30 279	0.92 480	0.27 245	1.42 560	0.28 237	0.34 267	0.28 302	0.37 271	0.53 423

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

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

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

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

EKT-Stereo	0.37 255	0.40 192	0.44 352	1.07 450	0.29 273	0.34 256	0.31 315	0.36 252	0.29 268	0.38 267	0.31 326	0.37 273	0.30 279	0.36 267	0.29 265	0.34 242	0.28 237	0.39 340	0.30 329	0.37 271	0.30 310

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

IER	0.88 464	7.04 645	2.23 627	2.75 589	0.28 263	0.43 327	0.25 238	0.39 271	0.25 241	0.41 293	0.27 259	0.39 280	0.25 243	0.40 285	0.28 254	0.37 257	0.28 237	0.37 291	0.25 246	0.37 271	0.25 227

StereoDRNet-Refined	0.33 228	0.39 188	0.26 217	0.39 237	0.26 257	0.40 284	0.26 245	0.40 278	0.26 254	0.39 273	0.26 255	0.39 280	0.26 252	0.39 282	0.26 244	0.37 257	0.25 218	0.37 291	0.25 246	0.37 271	0.37 358
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 255	0.37 177	0.37 285	0.37 229	0.37 371	0.37 269	0.37 364	0.37 258	0.37 366	0.37 266	0.37 371	0.37 273	0.37 363	0.37 271	0.37 360	0.37 257	0.37 326	0.37 291	0.37 383	0.37 271	0.37 358

aanet-new-90k	0.44 313	1.82 489	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-60k	0.44 313	1.81 482	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-70k	0.44 313	1.82 489	0.38 287	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-78k	0.44 313	1.80 477	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 341	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-40k	0.44 313	1.81 482	0.39 298	0.50 340	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 341	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-36k	0.44 313	1.80 477	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-34k	0.44 313	1.80 477	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-32k-new	0.44 313	1.78 472	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.44 351	0.30 279	0.44 346	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 341	0.34 310	0.39 340	0.26 252	0.38 284	0.26 233

aanet-new-32k	0.44 313	1.79 476	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-30k	0.44 313	1.78 472	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-28k	0.44 313	1.81 482	0.39 298	0.49 304	0.30 283	0.44 360	0.30 271	0.44 351	0.30 279	0.44 346	0.30 284	0.44 358	0.30 279	0.44 348	0.30 272	0.45 341	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT26K	0.43 300	1.76 467	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.31 310	0.44 312	0.33 281	0.38 299	0.27 289	0.38 284	0.26 233

aanet-new-24k	0.44 313	1.78 472	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-22k	0.44 313	1.81 482	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-16k	0.44 313	1.83 492	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-14k	0.60 383	5.12 624	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.30 272	0.44 312	0.37 326	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new-8k	0.43 300	1.76 467	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

aanet-new	0.43 300	1.80 477	0.38 287	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-cres-4k	0.44 313	1.81 482	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-cres	0.43 300	1.77 469	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-36K	0.43 300	1.78 472	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-22K	0.44 313	1.85 498	0.38 287	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-20K	0.43 300	1.77 469	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-24K	0.44 313	1.86 501	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-5K	0.44 313	1.80 477	0.39 298	0.49 304	0.30 283	0.44 360	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.44 348	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-2K	0.44 313	1.82 489	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-3K	0.43 300	1.77 469	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.33 281	0.38 299	0.26 252	0.38 284	0.26 233

GCAP-Stereo-DPT-50K	0.44 313	1.83 492	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.36 323	0.38 299	0.26 252	0.38 284	0.26 233

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

MonSter++	0.38 261	0.44 214	0.31 249	0.43 278	0.30 283	0.43 327	0.31 315	0.43 317	0.31 322	0.45 358	0.31 326	0.43 326	0.31 328	0.43 319	0.69 468	0.38 268	0.33 281	0.40 353	0.30 329	0.38 284	0.30 310

IGEV-FE	0.35 238	0.37 177	0.17 176	0.19 156	0.17 209	0.20 187	0.17 198	0.19 179	0.17 207	0.19 178	0.17 205	0.19 182	0.17 206	0.37 271	0.36 351	0.19 171	0.17 190	0.19 190	0.17 216	0.38 284	2.84 645

GCAP-BAT	0.41 286	1.30 438	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.43 317	0.30 279	0.44 346	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.44 312	0.34 310	0.38 299	0.26 252	0.38 284	0.26 233

RAFT-Stereo-weight	0.45 336	1.90 506	0.34 269	0.42 272	0.36 367	0.43 327	0.35 352	0.42 311	0.34 351	0.42 307	0.34 353	0.44 358	0.34 349	0.41 300	0.34 344	0.38 268	0.32 269	0.38 299	0.32 347	0.38 284	0.33 333

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

GCAPDPT-zeroshot4090	0.40 278	1.09 363	0.39 298	0.49 304	0.30 283	0.43 327	0.30 271	0.44 351	0.30 279	0.43 312	0.30 284	0.43 326	0.30 279	0.43 319	0.30 272	0.45 341	0.34 310	0.38 299	0.27 289	0.38 284	0.27 271

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

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

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

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

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

RCA-Stereo	0.51 368	3.22 585	0.34 269	0.44 281	0.34 358	0.44 360	0.34 347	0.43 317	0.34 351	0.43 312	0.34 353	0.44 358	0.33 344	0.43 319	0.33 331	0.38 268	0.29 251	0.38 299	0.29 315	0.38 284	0.29 297

aanet-new-10k	0.45 336	1.81 482	0.40 330	0.50 340	0.31 326	0.44 360	0.31 315	0.44 351	0.31 322	0.44 346	0.31 326	0.44 358	0.32 333	0.44 348	0.31 310	0.46 351	0.35 317	0.39 340	0.27 289	0.39 325	0.27 271

aanet-new-12k	0.46 343	1.99 515	0.40 330	0.51 351	0.31 326	0.44 360	0.31 315	0.44 351	0.31 322	0.44 346	0.31 326	0.44 358	0.31 328	0.44 348	0.32 320	0.47 358	0.35 317	0.39 340	0.27 289	0.39 325	0.27 271

GCAP-Stereo-DPT-25K	0.41 286	1.09 363	0.40 330	0.52 354	0.31 326	0.44 360	0.31 315	0.44 351	0.31 322	0.44 346	0.31 326	0.44 358	0.31 328	0.44 348	0.31 310	0.46 351	0.35 317	0.39 340	0.28 302	0.39 325	0.28 291

DDF-Stereo	0.43 300	1.15 373	0.57 404	0.53 356	0.32 336	0.41 300	0.32 323	0.41 293	0.32 332	0.41 293	0.32 336	0.41 301	0.32 333	0.40 285	0.32 320	0.52 380	0.50 400	0.38 299	0.31 340	0.39 325	0.31 319

water-stereo	0.41 286	0.84 299	0.46 359	0.50 340	0.33 348	0.45 370	0.33 334	0.45 360	0.32 332	0.45 358	0.32 336	0.45 367	0.32 333	0.45 364	0.32 320	0.44 312	0.41 353	0.39 340	0.31 340	0.39 325	0.32 326

mms	0.40 278	0.45 222	0.35 279	0.48 298	0.36 367	0.47 381	0.34 347	0.45 360	0.38 370	0.47 370	0.33 345	0.45 367	0.32 333	0.45 364	0.32 320	0.39 281	0.38 333	0.38 299	0.37 383	0.39 325	0.39 371

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

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

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

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

error version	0.93 474	4.47 616	2.35 630	1.99 564	0.37 371	0.41 300	0.36 358	0.41 293	0.35 355	0.43 312	0.36 364	0.41 301	0.40 378	0.41 300	0.36 351	1.87 579	2.16 625	0.47 402	0.37 383	0.39 325	0.33 333

test_1	0.93 474	4.47 616	2.35 630	1.99 564	0.37 371	0.41 300	0.36 358	0.41 293	0.35 355	0.43 312	0.36 364	0.41 301	0.40 378	0.41 300	0.36 351	1.87 579	2.16 625	0.47 402	0.37 383	0.39 325	0.33 333

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

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

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

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

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

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

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

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

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

Gwc-CoAtRS	0.41 286	1.49 452	0.32 254	0.42 272	0.32 336	0.41 300	0.32 323	0.41 293	0.33 342	0.41 293	0.32 336	0.41 301	0.32 333	0.41 300	0.32 320	0.39 281	0.28 237	0.39 340	0.28 302	0.40 337	0.28 291

AdaStereo	0.40 278	0.40 192	0.40 330	0.40 250	0.40 389	0.40 284	0.40 385	0.40 278	0.40 384	0.40 279	0.40 389	0.40 288	0.40 378	0.40 285	0.40 378	0.40 288	0.40 343	0.40 353	0.40 400	0.40 337	0.40 373
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
depthmonostereo	0.44 313	0.85 301	0.46 359	0.54 359	0.40 389	0.52 416	0.38 371	0.52 405	0.35 355	0.47 370	0.34 353	0.46 371	0.34 349	0.47 373	0.34 344	0.45 341	0.43 367	0.41 370	0.33 357	0.41 348	0.32 326

GREAT-IGEV	0.38 261	0.43 211	0.36 281	0.48 298	0.32 336	0.45 370	0.32 323	0.45 360	0.32 332	0.45 358	0.32 336	0.45 367	0.32 333	0.45 364	0.32 320	0.44 312	0.33 281	0.41 370	0.29 315	0.41 348	0.29 297
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
ccccc		0.44 214		0.48 298	0.35 361	0.48 386		0.51 401		0.47 370		0.47 377		0.47 373		0.41 296	0.40 343	0.40 353	0.40 400	0.41 348

Former-RAFT_DAM_RVC	0.49 361	0.98 329	0.64 420	0.84 412	0.46 418	0.45 370	0.35 352	0.47 370	0.47 414	0.45 358	0.34 353	0.46 371	0.48 417	0.46 369	0.35 348	0.39 281	0.71 452	0.39 340	0.35 374	0.41 348	0.41 381

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

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

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

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

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

CFNet-RSSM	0.91 467	4.89 621	0.34 269	0.44 281	1.07 527	1.62 587	1.40 600	0.91 468	0.35 355	1.60 579	1.39 600	0.64 438	0.34 349	0.44 348	0.33 331	0.41 296	0.35 317	0.75 462	0.30 329	0.41 348	0.29 297

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

SCV_C0	0.45 336	0.88 307	0.49 381	0.54 359	0.37 371	0.48 386	0.37 364	0.48 374	0.37 366	0.48 377	0.36 364	0.48 384	0.37 363	0.49 387	0.37 360	0.50 372	0.41 353	0.44 384	0.34 361	0.44 358	0.34 340

SCV	0.46 343	0.94 324	0.45 354	0.54 359	0.37 371	0.48 386	0.38 371	0.48 374	0.37 366	0.48 377	0.39 386	0.48 384	0.37 363	0.49 387	0.37 360	0.50 372	0.46 377	0.44 384	0.34 361	0.44 358	0.34 340

GCST	0.50 363	2.08 518	0.38 287	0.53 356	0.35 361	0.49 391	0.35 352	0.50 387	0.35 355	0.49 384	0.35 361	0.49 388	0.35 355	0.49 387	0.35 348	0.48 363	0.37 326	0.45 389	0.33 357	0.44 358	0.33 333

LL-Strereo2	0.48 355	1.73 465	0.51 392	0.59 372	0.34 358	0.42 320	0.33 334	0.40 278	0.31 322	0.42 307	0.33 345	0.42 319	0.31 328	0.44 348	0.39 375	0.60 398	0.51 405	0.44 384	0.33 357	0.44 358	0.33 333

Select-FE	0.41 286	0.44 214	0.23 201	0.26 195	0.22 237	0.26 229	0.22 223	0.26 221	0.23 233	0.26 226	0.23 237	0.26 231	0.23 237	0.45 364	0.42 394	0.25 207	0.22 207	0.25 224	0.22 230	0.45 363	2.90 646

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

UGAM	0.51 368	2.23 531	0.39 298	0.54 359	0.35 361	0.50 400	0.35 352	0.49 378	0.35 355	0.49 384	0.35 361	0.49 388	0.36 358	0.50 395	0.36 351	0.49 366	0.37 326	0.45 389	0.34 361	0.45 363	0.34 340

Pro-Stereo	0.79 433	0.53 257	0.38 287	0.49 304	0.38 378	0.49 391	0.37 364	0.49 378	0.67 458	0.50 397	0.38 376	1.10 509	0.38 367	0.49 387	0.38 363	0.71 421	0.88 474	5.98 680	0.36 380	0.46 366	0.36 353

GEAStereo	0.62 390	3.91 604	0.48 374	0.69 389	0.38 378	0.51 412	0.38 371	0.51 401	0.38 370	0.53 412	0.38 376	0.50 402	0.38 367	0.51 405	0.38 363	0.54 384	0.43 367	0.46 393	0.34 361	0.46 366	0.34 340

GSStereo	0.81 441	4.28 614	0.50 386	0.59 372	0.40 389	0.51 412	0.38 371	0.50 387	0.38 370	0.50 397	0.38 376	0.50 402	3.79 661	0.50 395	0.38 363	0.54 384	0.43 367	0.46 393	0.34 361	0.46 366	0.35 350

GS-Stereo							0.38 371	0.50 387	0.38 370	0.50 397	0.38 376	0.50 402	3.79 661	0.50 395	0.38 363	0.54 384	0.43 367	0.46 393	0.34 361	0.46 366	0.35 350

gasm-f	0.62 390	3.91 604	0.48 374	0.69 389	0.38 378	0.51 412	0.38 371	0.51 401	0.38 370	0.53 412	0.38 376	0.50 402	0.38 367	0.51 405	0.38 363	0.54 384	0.43 367	0.46 393	0.34 361	0.46 366	0.34 340

GASTEREO	0.48 355	1.21 426	0.47 366	0.57 367	0.38 378	0.50 400	0.38 371	0.50 387	0.38 370	0.50 397	0.38 376	0.50 402	0.38 367	0.50 395	0.38 363	0.52 380	0.42 362	0.46 393	0.34 361	0.46 366	0.34 340

UGAM-zero	0.51 368	2.17 526	0.39 298	0.53 356	0.36 367	0.50 400	0.36 358	0.50 387	0.36 364	0.49 384	0.36 364	0.50 402	0.35 355	0.50 395	0.36 351	0.49 366	0.37 326	0.47 402	0.35 374	0.46 366	0.34 340

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

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

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

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

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

Selective-IGEV	0.51 368	0.55 263	0.45 354	0.69 389	0.45 416	0.61 433	0.45 408	0.50 387	0.40 384	0.56 422	0.44 410	0.55 422	0.40 378	0.72 445	0.67 453	0.59 397	0.46 377	0.45 389	0.34 361	0.46 366	0.37 358

DilatedVolume-Stereo	0.43 300	0.86 303	0.48 374	0.50 340	0.33 348	0.46 376	0.33 334	0.46 364	0.33 342	0.46 364	0.33 345	0.47 377	0.33 344	0.47 373	0.34 344	0.45 341	0.42 362	0.40 353	0.33 357	0.47 379	0.38 365

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

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

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

MSCF	0.51 368	1.40 449	0.49 381	0.58 369	0.38 378	0.50 400	0.38 371	0.54 409	0.41 394	0.52 409	0.41 396	0.53 415	0.42 396	0.53 412	0.41 386	0.60 398	0.47 385	0.48 410	0.37 383	0.48 383	0.38 365

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

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

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

TorneroNet	0.66 397	0.53 257	0.50 386	0.50 340	0.64 462	1.06 500	0.70 476	0.50 387	0.51 434	0.49 384	0.69 476	0.49 388	0.50 426	0.48 381	1.15 527	0.71 421	0.49 392	1.14 515	1.08 526	0.49 386	0.49 410

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

iRaftStereo_RVC	0.97 478	3.17 584	2.30 629	2.42 581	0.38 378	0.54 421	0.38 371	0.54 409	0.38 370	0.54 417	0.38 376	0.54 418	0.38 367	0.54 414	0.38 363	2.38 613	2.34 629	0.49 415	0.36 380	0.49 386	0.36 353

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

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

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

fffft	0.48 355	0.51 251	0.45 354	0.52 354	0.45 416	0.52 416	0.45 408	0.52 405	0.48 421	0.53 412	0.45 414	0.52 414	0.45 405	0.52 410	0.46 404	0.51 378	0.41 353	0.50 419	0.41 408	0.50 391	0.41 381
1: 1. 1
dual_stereo	0.50 363	0.50 243	0.50 386	0.50 340	0.50 434	0.50 400	0.50 429	0.50 387	0.50 427	0.50 397	0.50 435	0.50 402	0.50 426	0.50 395	0.50 421	0.50 372	0.50 400	0.50 419	0.50 438	0.50 391	0.50 413

KSHMR	0.66 397	0.50 243	0.48 374	1.15 461	0.52 441	0.49 391	0.51 433	0.49 378	0.71 482	0.67 441	0.50 435	1.16 517	1.11 515	0.66 436	0.52 428	0.49 366	0.49 392	0.51 424	0.66 472	0.50 391	1.14 525

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

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

Occ-G	1.12 501	0.52 253	3.72 661	3.50 621	0.50 434	0.56 423	0.47 415	0.54 409	0.46 409	0.54 417	0.41 396	0.54 418	0.42 396	0.52 410	0.42 394	3.42 637	4.02 658	0.52 427	0.45 420	0.51 397	0.44 393

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

LG-Stereo	0.60 383	0.58 268	0.47 366	0.64 382	0.74 484	1.00 484	0.69 470	0.57 416	0.41 394	0.57 425	0.41 396	0.57 428	0.41 390	1.00 490	0.75 485	0.91 454	0.51 405	0.52 427	0.37 383	0.52 399	0.37 358

ktn	0.72 414	0.53 257	1.08 494	1.14 458	0.51 440	1.22 561	1.36 593	0.51 401	0.59 445	0.51 406	0.51 441	0.69 444	1.20 527	0.67 438	0.51 426	0.51 378	0.49 392	0.58 435	0.66 472	0.52 399	0.53 423

LL-Strereo	1.01 488	5.06 623	1.63 591	0.70 395	1.43 600	0.56 423	0.46 410	0.57 416	0.50 427	0.57 425	0.50 435	1.58 582	0.49 422	0.59 426	0.50 421	1.64 572	0.52 407	0.51 424	1.37 595	0.52 399	0.45 395

PML	0.46 343	1.36 444	0.29 230	0.58 369	0.30 283	0.57 429	0.29 266	0.57 416	0.29 268	0.57 425	0.29 272	0.57 428	0.29 273	0.56 419	0.29 265	0.52 380	0.30 260	0.53 430	0.31 340	0.53 403	0.30 310

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

252Zero-FE	0.45 336	0.50 243	0.36 281	0.50 340	0.36 367	0.50 400	0.36 358	0.50 387	0.36 364	0.49 384	0.36 364	0.49 388	0.36 358	0.54 414	0.41 386	0.45 341	0.34 310	0.45 389	0.34 361	0.55 405	0.75 479

MyStereo8	0.71 411	3.92 606	0.52 395	0.59 372	0.52 441	0.57 429	0.53 435	0.59 421	0.50 427	0.59 429	0.51 441	0.57 428	0.50 426	0.56 419	0.52 428	0.54 384	0.49 392	0.54 431	0.49 436	0.55 405	0.50 413

DN	0.53 373	0.85 301	0.45 354	0.65 383	0.44 412	0.60 432	0.44 402	0.60 423	0.44 405	0.60 430	0.45 414	0.60 433	0.44 401	0.60 428	0.44 398	0.56 393	0.42 362	0.56 433	0.42 416	0.56 407	0.42 388

LiteMatch	1.13 503	0.73 283	2.80 638	3.23 604	0.61 456	0.83 464	0.68 462	0.73 443	0.69 469	1.00 484	0.77 496	0.94 484	0.57 438	0.82 458	0.64 445	2.97 630	2.43 632	0.68 447	0.32 347	0.56 407	0.70 465

Lsterematch	1.13 503	0.73 283	2.80 638	3.23 604	0.61 456	0.83 464	0.68 462	0.73 443	0.69 469	1.00 484	0.77 496	0.94 484	0.57 438	0.82 458	0.64 445	2.97 630	2.43 632	0.68 447	0.32 347	0.56 407	0.70 465

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

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

MonSter	0.60 383	0.64 274	0.52 395	0.62 377	0.44 412	2.07 602	0.44 402	0.62 427	0.44 405	0.62 434	0.44 410	0.62 437	0.44 401	0.62 429	0.44 398	0.58 395	0.42 362	0.62 438	0.46 422	0.58 411	0.42 388

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

CASS	0.57 382	0.89 310	0.56 402	0.57 367	0.56 447	0.56 423	0.56 438	0.56 413	0.53 435	0.57 425	0.57 447	0.59 432	0.48 417	0.56 419	0.57 434	0.55 390	0.56 414	0.47 402	0.56 451	0.62 414	0.56 436
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PointNet	0.60 383	0.75 286	0.49 381	0.79 404	0.50 434	0.79 455	0.49 426	0.79 448	0.49 423	0.80 459	0.49 432	0.79 460	0.49 422	0.80 454	0.49 419	0.63 408	0.40 343	0.63 440	0.40 400	0.63 415	0.40 373

SMoEStereo_RVC	0.63 392	0.75 286	0.51 392	0.73 400	0.53 444	0.71 447	0.47 415	0.67 433	0.58 441	0.74 453	0.60 452	0.72 450	0.53 433	0.74 449	0.51 426	0.61 402	0.62 427	0.62 438	0.61 458	0.63 415	0.61 442

DispNO	1.00 481	0.63 272	0.43 350	3.45 617	0.44 412	0.65 439	0.43 401	0.64 429	0.43 402	0.64 437	0.43 408	0.64 438	3.03 639	0.64 434	0.43 397	4.55 648	0.43 367	0.63 440	0.43 418	0.63 415	0.43 390

test-3	0.98 480	4.13 610	1.85 611	1.85 555	0.61 456	0.69 442	0.37 364	0.63 428	0.61 448	0.66 440	0.51 441	0.73 452	0.44 401	0.57 424	0.54 431	1.68 573	1.81 609	0.40 353	0.43 418	0.66 418	0.50 413

DSFCA	0.66 397	0.73 283	0.78 459	0.65 383	0.65 464	0.64 438	0.64 450	0.65 430	0.63 452	0.64 437	0.64 460	0.64 438	0.64 450	0.65 435	0.65 448	0.65 410	0.65 432	0.65 445	0.65 470	0.66 418	0.64 453

999	1.00 481	1.12 369	0.59 406	1.10 452	1.21 589	1.09 505	0.52 434	1.08 493	1.43 602	1.18 515	1.35 594	0.98 489	0.52 432	0.91 476	0.85 499	0.72 427	1.46 582	0.83 478	0.98 515	0.68 420	1.41 597

anonymity	0.63 392	0.69 276	0.56 402	0.71 397	0.56 447	0.71 447	0.56 438	0.71 440	0.56 438	0.72 447	0.56 446	0.71 447	0.56 437	0.71 443	0.58 436	0.68 414	0.55 412	0.68 447	0.55 447	0.68 420	0.54 426

LMCR-Stereo	0.65 395	0.63 272	0.65 424	0.65 383	0.65 464	0.66 440	0.63 449	0.58 419	0.65 454	0.63 436	0.64 460	0.65 441	0.65 452	0.66 436	0.66 452	0.66 412	0.64 430	0.65 445	0.67 476	0.68 420	0.73 475

FC-DCNN	1.07 495	1.09 363	0.98 483	0.89 418	0.52 441	1.41 579	0.91 505	1.21 554	1.24 588	1.96 591	2.05 645	1.91 592	1.30 580	1.27 570	1.08 521	0.80 439	0.60 422	0.58 435	0.41 408	0.68 420	0.54 426

mm2	0.69 405	0.69 276	0.69 439	0.69 389	0.69 473	0.69 442	0.69 470	0.69 435	0.69 469	0.69 444	0.69 476	0.69 444	0.69 468	0.69 440	0.69 468	0.69 415	0.69 445	0.69 450	0.69 481	0.69 424	0.69 462

mm1	0.69 405	0.69 276	0.69 439	0.69 389	0.69 473	0.69 442	0.69 470	0.69 435	0.69 469	0.69 444	0.69 476	0.69 444	0.69 468	0.69 440	0.69 468	0.69 415	0.69 445	0.69 450	0.69 481	0.69 424	0.69 462

DMCA-RVC	0.70 408	0.80 293	0.70 442	0.70 395	0.70 477	0.70 445	0.70 476	0.71 440	0.70 477	0.70 446	0.71 485	0.71 447	0.70 472	0.70 442	0.69 468	0.69 415	0.70 448	0.69 450	0.70 485	0.69 424	0.70 465

DStereoRT	0.73 418	0.81 296	0.73 452	0.71 397	0.74 484	0.73 449	0.75 484	0.71 440	0.71 482	0.74 453	0.72 488	0.73 452	0.80 488	0.71 443	0.73 480	0.76 434	0.71 452	0.73 456	0.72 490	0.70 427	0.76 482

4D-IteraStereo	0.78 432	3.13 582	0.89 471	0.69 389	0.32 336	0.40 284	0.32 323	0.76 446	0.97 516	0.52 409	0.65 462	0.89 475	0.32 333	0.76 451	0.98 510	0.83 447	0.94 480	0.35 283	0.27 289	0.70 427	0.89 497

MyStereo06	0.75 422	4.12 608	0.60 410	0.63 379	0.61 456	0.62 436	0.66 454	0.56 413	0.45 408	0.55 420	0.48 429	0.54 418	0.46 408	0.57 424	0.45 400	0.60 398	0.57 416	0.64 442	0.55 447	0.72 429	0.55 433

MyStereo05	0.80 436	4.12 608	0.63 418	0.63 379	0.61 456	0.62 436	0.66 454	0.65 430	0.62 449	0.67 441	0.61 456	0.65 441	0.58 441	0.67 438	0.55 433	0.60 398	0.57 416	0.64 442	0.55 447	0.72 429	0.55 433

PA-Net	11.80 684	223.51 710	0.62 417	0.59 372	0.71 479	0.59 431	0.73 482	0.67 433	0.73 488	0.55 420	0.61 456	0.60 433	0.74 479	0.63 433	0.73 480	0.66 412	0.60 422	0.69 450	0.66 472	0.72 429	0.65 455
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 452	2.85 576	0.72 448	0.72 399	0.73 482	0.77 451	0.79 489	0.73 443	0.74 490	0.73 448	0.72 488	0.73 452	0.76 482	0.73 447	0.73 480	0.72 427	0.73 455	0.73 456	0.72 490	0.73 432	0.72 472

MGA	0.73 418	0.76 288	0.60 410	0.92 426	1.17 537	0.81 459	0.59 445	0.84 458	0.62 449	0.81 462	0.59 451	0.84 469	0.60 445	0.81 457	0.61 443	0.71 421	0.53 409	0.89 484	0.53 444	0.75 433	0.54 426

GCAP-Stereo	0.75 422	4.15 611	0.42 349	0.75 402	0.35 361	0.78 453	0.40 385	0.79 448	0.38 370	0.78 457	0.36 364	0.78 458	0.36 358	0.79 452	0.39 375	0.75 432	0.39 340	0.76 464	0.39 399	0.75 433	0.39 371

zero-FE	0.72 414	1.31 440	0.66 426	0.92 426	0.60 451	0.82 462	0.58 441	0.82 457	0.58 441	0.81 462	0.60 452	0.81 465	0.60 445	0.82 458	0.58 436	0.74 431	0.59 421	0.73 456	0.52 442	0.76 435	0.51 420

PAM_32	0.64 394	2.38 546	0.51 392	0.92 426	0.43 411	0.53 418	0.44 402	0.87 460	0.43 402	0.52 409	0.45 414	0.53 415	0.40 378	0.54 414	0.46 404	0.62 406	0.56 414	0.48 410	0.45 420	0.76 435	0.44 393

monster-pro	0.75 422	1.67 457	0.64 420	0.89 418	0.57 449	0.86 468	0.56 438	0.87 460	0.56 438	0.87 468	0.57 447	0.88 472	0.57 438	0.87 469	0.57 434	0.79 437	0.58 418	0.76 464	0.54 445	0.77 437	0.54 426

RAFT-Stereo + iAFF	0.70 408	0.72 281	0.71 445	0.80 407	0.62 461	0.82 462	0.61 447	0.81 454	0.62 449	0.81 462	0.63 458	0.80 462	0.70 472	0.73 447	0.61 443	0.76 434	0.61 426	0.74 461	0.61 458	0.77 437	0.61 442

ARAFT	0.68 402	0.81 296	0.63 418	0.74 401	0.60 451	0.78 453	0.62 448	0.77 447	0.66 457	0.74 453	0.63 458	0.75 455	0.62 449	0.83 463	0.60 441	0.70 420	0.55 412	0.70 454	0.60 456	0.78 439	0.55 433

AFF-stereo	0.73 418	0.88 307	0.67 430	0.75 402	0.68 472	0.75 450	0.64 450	0.80 451	0.72 485	0.83 467	0.70 480	0.82 466	0.64 450	0.84 464	0.67 453	0.77 436	0.63 429	0.81 473	0.63 461	0.78 439	0.62 445

Selective-RAFT-Error	0.88 464	0.84 299	0.98 483	0.86 417	0.97 516	0.88 470	0.95 510	0.84 458	0.99 519	0.92 476	0.82 504	0.84 469	0.98 502	0.87 469	0.97 509	0.81 442	0.83 471	0.79 468	0.82 506	0.79 441	0.85 493

psmorigin	0.41 286	0.46 226	0.33 259	0.49 304	0.33 348	0.49 391	0.33 334	0.49 378	0.33 342	0.49 384	0.33 345	0.49 388	0.33 344	0.51 405	0.33 331	0.41 296	0.30 260	0.41 370	0.30 329	0.79 441	0.29 297

G-Net	0.79 433	0.79 292	0.79 462	0.79 404	0.79 497	0.79 455	0.79 489	0.79 448	0.79 496	0.79 458	0.79 500	0.79 460	0.79 487	0.79 452	0.79 490	0.79 437	0.79 465	0.79 468	0.79 501	0.79 441	0.79 487

AEACV	1.12 501	0.52 253	3.12 652	3.24 606	0.86 504	0.53 418	0.49 426	0.60 423	0.47 414	0.53 412	0.49 432	0.55 422	0.45 405	0.55 418	0.47 411	3.01 632	3.88 656	0.71 455	0.60 456	0.80 444	0.48 405

NaN_ROB	0.80 436	0.80 293	0.80 463	0.80 407	0.80 500	0.80 457	0.80 492	0.80 451	0.80 498	0.80 459	0.80 502	0.80 462	0.80 488	0.80 454	0.80 493	0.80 439	0.80 468	0.80 471	0.80 503	0.80 444	0.80 488

CSAN	0.80 436	0.80 293	0.80 463	0.80 407	0.80 500	0.80 457	0.80 492	0.80 451	0.80 498	0.80 459	0.80 502	0.80 462	0.80 488	0.80 454	0.80 493	0.80 439	0.80 468	0.80 471	0.80 503	0.80 444	0.80 488

FlowAnything_test	1.02 490	1.72 460	0.71 445	1.59 545	0.70 477	1.61 585	0.69 470	1.61 576	0.70 477	1.60 579	0.70 480	1.61 586	0.69 468	1.61 583	0.70 476	0.81 442	0.58 418	0.81 473	0.55 447	0.81 447	0.56 436

Selective-RAFT	0.89 466	0.89 310	0.72 448	1.16 466	0.78 495	1.06 500	0.82 499	0.87 460	0.97 516	1.00 484	0.91 511	0.90 477	1.00 503	0.89 473	0.93 506	0.83 447	0.83 471	0.82 477	0.82 506	0.81 447	0.82 491

FlowAnything	1.02 490	1.71 459	0.72 448	1.59 545	0.69 473	1.60 584	0.69 470	1.61 576	0.70 477	1.60 579	0.69 476	1.60 583	0.69 468	1.61 583	0.69 468	0.81 442	0.58 418	0.81 473	0.56 451	0.82 449	0.56 436

DCRE	0.84 452	1.89 504	0.77 458	0.94 433	0.72 481	0.88 470	0.73 482	0.87 460	0.78 492	0.90 472	0.71 485	0.88 472	0.67 458	0.88 471	0.73 480	0.81 442	0.68 439	0.81 473	0.70 485	0.82 449	0.70 465

RSM++	0.76 427	0.82 298	0.66 426	0.85 416	0.64 462	0.85 466	0.71 479	0.94 475	0.64 453	0.87 468	0.67 466	0.87 471	0.65 452	0.84 464	0.65 448	0.81 442	0.70 448	0.79 468	0.71 488	0.83 451	0.70 465

DNS	0.77 428	1.09 363	0.65 424	0.89 418	0.65 464	0.89 473	0.65 453	0.89 465	0.65 454	0.89 471	0.65 462	0.89 475	0.65 452	0.90 474	0.65 448	0.84 449	0.62 427	0.84 479	0.61 458	0.84 452	0.62 445

UDG	0.80 436	2.21 530	0.60 410	0.91 423	0.60 451	0.90 474	0.58 441	0.88 464	0.60 446	0.90 472	0.60 452	0.88 472	0.60 445	0.90 474	0.58 436	0.86 452	0.60 422	0.84 479	0.59 455	0.84 452	0.61 442

DDUNet	0.81 441	2.45 550	0.57 404	0.90 421	0.60 451	0.88 470	0.59 445	0.90 466	0.60 446	0.88 470	0.60 452	0.90 477	0.58 441	0.88 471	0.60 441	0.84 449	0.60 422	0.86 482	0.57 453	0.86 454	0.60 441

CAR	0.72 414	0.76 288	0.59 406	0.84 412	1.19 541	0.81 459	0.58 441	0.81 454	0.58 441	0.81 462	0.58 449	0.83 467	0.59 443	0.82 458	0.59 439	0.71 421	0.49 392	0.73 456	0.68 477	0.87 455	0.52 421

MSE-Stereo	0.72 414	0.76 288	0.59 406	0.84 412	1.19 541	0.81 459	0.58 441	0.81 454	0.58 441	0.81 462	0.58 449	0.83 467	0.59 443	0.82 458	0.59 439	0.71 421	0.49 392	0.73 456	0.68 477	0.87 455	0.52 421

MoCha-V2	2.11 602	26.97 688	0.78 459	0.92 426	0.77 494	0.96 481	0.72 481	0.90 466	0.72 485	0.94 480	0.70 480	0.90 477	0.71 476	0.91 476	0.71 478	0.85 451	0.71 452	0.88 483	0.69 481	0.87 455	0.67 459

UNet	0.29 207	0.90 313	0.10 92	0.14 121	0.10 147	0.14 153	0.10 144	0.91 468	0.69 469	0.14 153	0.11 159	0.14 154	0.11 156	0.14 156	0.10 140	0.12 111	0.09 94	0.12 147	0.09 136	0.88 458	0.76 482

AdaDepth	0.86 461	0.93 322	0.71 445	1.01 446	1.07 527	1.02 497	0.71 479	1.00 479	0.71 482	1.01 494	0.71 485	1.00 490	0.72 477	1.14 515	0.71 478	0.92 457	0.64 430	0.90 485	0.64 466	0.89 459	0.69 462

AIO-Stereo-zeroshot1	0.75 422	0.92 320	0.85 470	0.96 438	0.59 450	1.27 565	0.44 402	0.59 421	0.69 469	0.91 474	0.68 471	0.55 422	0.61 448	1.06 504	0.83 498	0.62 406	0.70 448	0.90 485	0.41 408	0.89 459	0.56 436

ToySt	0.92 469	2.11 521	0.90 474	0.95 435	0.79 497	0.99 483	0.78 488	0.94 475	0.81 501	0.94 480	0.78 498	0.95 486	0.77 484	0.94 482	0.86 500	0.91 454	0.79 465	0.85 481	0.77 497	0.89 459	0.73 475

ff7	1.68 568	2.68 558	1.35 564	0.97 439	0.89 506	1.84 588	2.15 638	2.12 596	1.80 623	2.05 601	1.56 606	2.33 607	2.12 629	2.23 604	2.25 641	1.31 550	1.07 491	1.48 588	1.41 598	0.90 462	1.04 516

ffff	1.68 568	2.68 558	1.35 564	0.97 439	0.89 506	1.84 588	2.15 638	2.12 596	1.80 623	2.05 601	1.56 606	2.33 607	2.12 629	2.23 604	2.25 641	1.31 550	1.07 491	1.48 588	1.41 598	0.90 462	1.04 516

ccc-4	1.68 568	2.68 558	1.35 564	0.97 439	0.89 506	1.84 588	2.15 638	2.12 596	1.80 623	2.05 601	1.56 606	2.33 607	2.12 629	2.23 604	2.25 641	1.31 550	1.07 491	1.48 588	1.41 598	0.90 462	1.04 516

WQFJA1++	0.84 452	0.98 329	0.67 430	1.26 519	0.75 486	1.00 484	0.67 458	1.00 479	0.67 458	1.00 484	0.67 466	1.00 490	0.67 458	1.00 490	0.67 453	0.96 465	0.67 434	0.91 488	0.63 461	0.92 465	0.63 447

WQFJA1	0.85 458	0.98 329	0.67 430	1.29 525	0.76 491	1.01 491	0.67 458	1.02 491	0.67 458	1.02 498	0.67 466	1.01 497	0.67 458	1.01 497	0.68 460	0.99 471	0.67 434	0.93 494	0.64 466	0.92 465	0.65 455

WQFJX1	0.84 452	0.98 329	0.67 430	1.30 527	0.75 486	1.01 491	0.67 458	1.01 487	0.67 458	1.01 494	0.67 466	1.01 497	0.68 462	1.00 490	0.68 460	0.98 470	0.67 434	0.92 491	0.64 466	0.92 465	0.64 453

NLMM	0.84 452	1.00 338	0.67 430	1.27 520	0.75 486	1.00 484	0.68 462	1.00 479	0.67 458	1.00 484	0.67 466	1.02 501	0.67 458	1.02 501	0.67 453	0.97 466	0.67 434	0.93 494	0.63 461	0.92 465	0.63 447

pmcnn	0.92 469	0.92 320	0.92 478	0.92 426	0.92 511	0.92 476	0.92 506	0.92 471	0.92 510	0.92 476	0.92 514	0.92 480	0.92 497	0.92 480	0.92 502	0.92 457	0.92 478	0.92 491	0.92 510	0.92 465	0.92 500

NLMM1	0.86 461	0.98 329	0.69 439	1.48 542	0.75 486	1.01 491	0.69 470	1.00 479	0.69 469	1.00 484	0.70 480	1.00 490	0.68 462	1.01 497	0.67 453	0.97 466	0.68 439	0.92 491	0.63 461	0.93 470	0.63 447

NLSM3	0.85 458	0.99 336	0.68 437	1.29 525	0.76 491	1.01 491	0.68 462	1.01 487	0.68 464	1.02 498	0.68 471	1.01 497	0.68 462	1.01 497	0.68 460	0.97 466	0.68 439	0.93 494	0.64 466	0.93 470	0.63 447

DPSM_ROB	0.92 469	0.91 315	0.91 476	0.91 423	0.92 511	0.92 476	0.92 506	0.92 471	0.91 506	0.93 478	0.91 511	0.92 480	0.90 495	0.91 476	0.92 502	0.92 457	0.91 476	0.91 488	0.92 510	0.93 470	0.93 501

DPSM	0.92 469	0.91 315	0.91 476	0.91 423	0.92 511	0.92 476	0.92 506	0.92 471	0.91 506	0.93 478	0.91 511	0.92 480	0.90 495	0.91 476	0.92 502	0.92 457	0.91 476	0.91 488	0.92 510	0.93 470	0.93 501

WQFJX	0.85 458	1.00 338	0.68 437	1.30 527	0.75 486	1.01 491	0.68 462	1.01 487	0.68 464	1.01 494	0.68 471	1.03 502	0.68 462	1.02 501	0.67 453	0.97 466	0.67 434	0.93 494	0.63 461	0.94 474	0.63 447

AIO-Stereo	0.84 452	0.66 275	0.70 442	0.83 411	0.67 469	0.98 482	0.82 499	1.14 497	0.72 485	1.03 500	0.74 492	1.03 502	1.09 514	0.99 488	0.45 400	1.04 477	0.73 455	0.95 500	0.74 492	0.94 474	0.46 396

R-Stereo Train	0.81 441	0.96 326	0.67 430	0.95 435	0.67 469	0.95 479	0.68 462	0.95 477	0.68 464	0.95 482	0.68 471	0.96 487	0.68 462	0.96 486	0.68 460	0.94 463	0.68 439	0.94 498	0.68 477	0.94 474	0.68 460

RAFT-Stereo	0.81 441	0.96 326	0.67 430	0.95 435	0.67 469	0.95 479	0.68 462	0.95 477	0.68 464	0.95 482	0.68 471	0.96 487	0.68 462	0.96 486	0.68 460	0.94 463	0.68 439	0.94 498	0.68 477	0.94 474	0.68 460
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 474	1.00 338	0.92 478	0.94 433	0.96 515	0.91 475	0.92 506	0.91 468	0.96 515	0.91 474	0.96 515	0.93 483	0.92 497	0.94 482	0.92 502	0.92 457	0.92 478	0.90 485	0.92 510	0.94 474	0.91 499

Test_v1	1.00 481	1.00 338	1.00 485	1.00 442	1.00 517	1.00 484	1.00 514	1.00 479	1.00 520	1.00 484	1.00 518	1.00 490	1.00 503	1.00 490	1.00 512	1.00 472	1.00 482	1.00 505	1.00 517	1.00 479	1.00 509

GANet	1.00 481	1.00 338	1.00 485	1.00 442	1.00 517	1.00 484	1.00 514	1.00 479	1.00 520	1.00 484	1.00 518	1.00 490	1.00 503	1.00 490	1.00 512	1.00 472	1.00 482	1.00 505	1.00 517	1.00 479	1.00 509

TDLM	1.00 481	1.00 338	1.00 485	1.00 442	1.00 517	1.00 484	1.00 514	1.00 479	1.00 520	1.00 484	1.00 518	1.00 490	1.00 503	1.00 490	1.00 512	1.00 472	1.00 482	1.00 505	1.00 517	1.00 479	1.00 509

CVANet_RVC	1.00 481	1.00 338	1.00 485	1.00 442	1.00 517	1.00 484	1.00 514	1.00 479	1.00 520	1.00 484	1.00 518	1.00 490	1.00 503	1.00 490	1.00 512	1.00 472	1.00 482	1.00 505	1.00 517	1.00 479	1.00 509

MLG-Stereo	0.92 469	0.90 313	0.84 469	1.27 520	0.49 430	1.38 575	0.88 502	1.41 572	0.97 516	0.73 448	1.09 526	1.26 567	0.43 399	0.72 445	1.05 519	1.13 490	0.49 392	1.18 525	0.66 472	1.01 483	0.46 396

trnet	1.01 488	1.01 347	1.01 489	1.01 446	1.01 522	1.01 491	1.01 518	1.01 487	1.01 524	1.01 494	1.01 522	1.01 497	1.01 510	1.01 497	1.01 516	1.01 476	1.01 487	1.01 509	1.01 523	1.01 483	1.01 514

Wavelet-MonSter	1.00 481	1.21 426	0.76 456	1.94 559	1.01 522	1.11 509	0.76 486	1.15 498	0.76 491	1.11 509	0.76 494	1.14 515	0.76 482	1.11 512	0.76 487	1.21 543	0.90 475	1.02 510	0.71 488	1.02 485	0.71 471

AIO-Stereo-zeroshot	0.91 467	0.86 303	0.89 471	1.25 518	0.69 473	1.05 499	0.81 496	1.16 501	0.50 427	1.12 510	0.97 516	0.72 450	0.82 492	1.06 504	0.95 507	0.61 402	0.87 473	1.03 512	0.85 509	1.04 486	1.01 514

GLC_STEREO	1.07 495	1.01 347	1.06 492	1.07 450	1.05 526	1.06 500	1.08 523	1.08 493	1.05 528	1.07 502	1.06 524	1.08 505	1.05 512	1.06 504	1.10 522	1.07 479	1.09 497	1.05 513	1.05 525	1.06 487	1.12 521

DPSimNet_ROB	0.97 478	1.18 378	0.81 466	1.10 452	0.91 510	1.02 497	0.82 499	1.04 492	0.91 506	1.03 500	0.86 507	1.28 571	0.82 492	1.03 503	0.89 501	1.17 494	0.81 470	1.02 510	0.82 506	1.08 488	0.81 490

MSMD_ROB	1.19 505	1.10 368	0.70 442	1.10 452	0.60 451	1.10 506	0.70 476	1.10 496	0.70 477	1.10 504	0.70 480	1.10 509	0.70 472	7.00 684	0.70 476	1.10 483	0.70 448	1.10 514	0.70 485	1.10 489	0.70 465

edge stereo	2.43 627	27.07 689	1.14 498	1.06 449	1.14 530	1.08 503	1.17 532	1.16 501	1.14 531	1.10 504	1.16 532	1.09 507	1.16 524	1.10 510	1.16 531	1.10 483	1.11 501	1.16 518	1.19 534	1.13 490	1.11 519

Hybrid-DGEV	1.03 492	1.75 466	0.80 463	1.28 524	0.78 495	1.26 564	0.80 492	1.26 558	0.78 492	1.26 564	0.78 498	1.26 567	0.78 486	1.26 567	0.78 489	1.15 493	0.75 458	1.14 515	0.74 492	1.14 491	0.75 479

tt45	1.04 493	0.88 307	1.36 572	0.92 426	1.03 525	1.51 583	0.79 489	0.70 439	0.88 504	0.74 453	0.90 508	1.60 583	0.72 477	1.60 581	0.75 485	0.91 454	0.78 463	1.52 591	0.79 501	1.14 491	1.32 589

RGC	2.36 622	25.48 682	1.19 506	1.15 461	1.15 532	1.10 506	1.16 531	1.17 503	1.16 533	1.12 510	1.16 532	1.11 513	1.13 516	1.09 508	1.18 533	1.10 483	1.15 506	1.16 518	1.12 528	1.14 491	1.12 521

UPFNet	0.42 299	1.20 380	0.17 176	0.24 181	0.17 209	0.25 220	0.17 198	1.19 506	0.90 505	0.25 217	0.17 205	0.24 213	0.17 206	0.25 218	0.17 199	0.22 183	0.17 190	0.22 202	0.16 194	1.15 494	0.93 501

stereogan	2.33 620	24.38 679	1.18 504	1.18 468	1.18 540	1.14 512	1.18 533	1.19 506	1.19 539	1.14 513	1.18 536	1.14 515	1.18 525	1.14 515	1.18 533	1.14 492	1.14 505	1.19 527	1.19 534	1.15 494	1.19 534

AF-Net	2.37 624	25.71 684	1.17 502	1.13 457	1.15 532	1.15 513	1.18 533	1.19 506	1.16 533	1.10 504	1.15 529	1.10 509	1.18 525	1.12 514	1.15 527	1.10 483	1.10 500	1.17 522	1.15 530	1.16 496	1.12 521

RP	2.33 620	25.00 681	1.13 497	1.15 461	1.15 532	1.10 506	1.15 529	1.15 498	1.15 532	1.12 510	1.15 529	1.09 507	1.13 516	1.10 510	1.15 527	1.11 488	1.09 497	1.16 518	1.12 528	1.16 496	1.17 530

Nwc_Net	2.37 624	25.95 685	1.15 500	1.14 458	1.15 532	1.08 503	1.14 527	1.17 503	1.16 533	1.14 513	1.15 529	1.08 505	1.15 520	1.11 512	1.14 526	1.10 483	1.11 501	1.16 518	1.09 527	1.16 496	1.15 526

Abc-Net	2.32 619	24.75 680	1.14 498	1.17 467	1.17 537	1.11 509	1.15 529	1.17 503	1.21 585	1.08 503	1.16 532	1.12 514	1.14 519	1.09 508	1.17 532	1.09 481	1.16 507	1.17 522	1.17 533	1.16 496	1.11 519
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 477	1.17 376	0.78 459	1.18 468	0.71 479	1.16 514	0.75 484	1.09 495	0.80 498	1.10 504	0.75 493	1.17 518	0.74 479	1.17 518	0.80 493	1.13 490	0.73 455	1.17 522	0.77 497	1.16 496	0.72 472
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 622	25.52 683	1.17 502	1.15 461	1.17 537	1.11 509	1.11 524	1.15 498	1.16 533	1.10 504	1.16 532	1.10 509	1.15 520	1.14 515	1.13 525	1.09 481	1.11 501	1.15 517	1.16 532	1.17 501	1.17 530

delet	0.43 300	1.21 426	0.17 176	0.25 188	0.17 209	0.25 220	0.18 206	1.26 558	0.95 513	0.25 217	0.17 205	0.25 220	0.17 206	0.25 218	0.17 199	0.23 194	0.16 169	0.22 202	0.16 194	1.18 502	0.98 506

psm_up	0.43 300	1.19 379	0.17 176	0.25 188	0.18 220	0.25 220	0.19 210	1.26 558	0.91 506	0.26 226	0.17 205	0.25 220	0.17 206	0.25 218	0.17 199	0.22 183	0.17 190	0.23 210	0.16 194	1.18 502	0.99 507

Hybrid-DGEV-03	1.07 495	1.83 492	0.83 467	1.34 532	0.81 502	1.32 569	0.81 496	1.31 565	0.81 501	1.31 567	0.82 504	1.32 572	0.82 492	1.32 572	0.81 496	1.19 495	0.77 461	1.19 527	0.76 495	1.19 504	0.77 484

HBP-ISP	1.24 555	1.72 460	1.65 592	1.15 461	0.76 491	1.40 577	0.88 502	1.67 582	1.02 525	1.69 586	1.38 599	1.69 587	1.21 573	1.87 593	1.21 582	1.05 478	0.79 465	0.97 503	0.80 503	1.19 504	0.75 479

Hybrid-DGEV-2	1.05 494	1.83 492	0.83 467	1.33 531	0.82 503	1.30 567	0.81 496	1.26 558	0.79 496	1.29 566	0.79 500	1.26 567	0.80 488	1.26 567	0.79 490	1.20 497	0.78 463	1.18 525	0.77 497	1.20 506	0.77 484

DisPM	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

CrosDoStereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

PFNet+	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

LCNet	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

HHNet	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

Patchmatch Stereo++	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535
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	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

STrans-v2	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

TransformOpticalFlow	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

OMP-Stereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

IIG-Stereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

NF-Stereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

OCTAStereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

PSM-softLoss	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

KMStereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

NRIStereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

PSM-adaLoss	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

PSM-AAD	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

FTStereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

ROB_FTStereo_v2	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

ROB_FTStereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

Consistency-Raft	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

KYRaft	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

HUI-Stereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

ASMatch	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

DeepStereo_LL	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

DEmStereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

SST-Stereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

THIR-Stereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

RAFT_R40	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

DRaft	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

PFNet	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

GrayStereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

RE-Stereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

Pruner-Stereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

TVStereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

DeepStereo_RVC	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

RAFT-RH_RVC	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

IRAFT_RVC	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

RAFT-345	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

iRAFT	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

CRE-IMP	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

GMM-Stereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

RAFT-IKP	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

Prome-Stereo	1.20 506	1.20 380	1.20 509	1.20 470	1.20 543	1.20 515	1.20 535	1.20 509	1.20 540	1.20 517	1.20 537	1.20 520	1.20 527	1.20 520	1.20 537	1.20 497	1.20 512	1.20 529	1.20 537	1.20 506	1.20 535

MMNet	0.44 313	1.24 434	0.17 176	0.25 188	0.17 209	0.25 220	0.18 206	1.26 558	0.93 511	0.25 217	0.17 205	0.25 220	0.18 216	0.25 218	0.17 199	0.23 194	0.16 169	0.23 210	0.16 194	1.20 506	0.99 507

FAT-Stereo	2.46 628	26.05 686	1.23 558	1.23 517	1.22 591	1.20 515	1.24 583	1.23 557	1.23 587	1.19 516	1.22 583	1.21 565	1.24 575	1.20 520	1.24 584	1.21 543	1.17 510	1.22 575	1.25 587	1.20 506	1.24 584

CroCo-Stereo	0.73 418	1.22 432	0.25 211	1.22 515	0.25 250	1.22 561	0.25 238	1.22 555	0.25 241	1.22 563	0.25 250	1.22 566	0.25 243	1.22 566	0.25 239	1.22 545	0.26 221	1.21 574	0.25 246	1.22 554	0.25 227
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
qqai	1.22 553	1.38 447	1.12 495	1.39 538	1.14 530	1.40 577	1.14 527	1.41 572	1.12 529	1.40 573	1.11 528	1.40 578	1.13 516	1.41 576	1.15 527	1.25 546	0.97 481	1.24 576	1.01 523	1.24 555	0.96 504

S-Stereo	2.51 629	26.86 687	1.23 558	1.22 515	1.22 591	1.24 563	1.25 584	1.22 555	1.24 588	1.21 562	1.24 585	1.19 519	1.27 577	1.19 519	1.24 584	1.19 495	1.20 512	1.25 577	1.19 534	1.24 555	1.23 583

BLMT-Stereo	1.53 564	1.36 444	1.06 492	1.42 540	1.23 593	1.41 579	1.07 522	1.43 574	1.12 529	1.42 575	1.06 524	1.83 589	1.07 513	1.42 578	1.07 520	1.27 548	1.38 577	6.80 681	1.00 517	1.26 557	1.00 509

CroCo-Stereo Lap2	0.77 428	1.29 436	0.29 230	1.27 520	0.29 273	1.27 565	0.26 245	1.26 558	0.26 254	1.26 564	0.26 255	1.27 570	0.26 252	1.26 567	0.27 245	1.27 548	0.27 231	1.27 578	0.27 289	1.27 558	0.27 271

LiteMatch*	2.07 600	1.30 438	5.73 672	6.28 662	0.79 497	1.33 570	0.80 492	1.30 564	1.02 525	1.33 568	0.84 506	1.33 573	0.97 500	1.28 571	1.04 518	6.05 673	5.89 668	1.28 579	0.76 495	1.28 559	0.88 494

MM-Stereo_test2	1.20 506	1.85 498	1.05 491	1.46 541	0.94 514	1.36 573	0.99 513	1.36 567	0.95 513	1.41 574	0.98 517	1.40 578	0.96 499	1.37 574	0.95 507	1.37 558	1.06 490	1.33 581	0.93 514	1.29 560	0.89 497

test_xeample3	1.10 498	1.81 482	0.61 416	0.84 412	0.49 430	0.77 451	0.66 454	0.92 471	1.40 600	0.68 443	0.46 417	0.78 458	0.54 436	1.72 586	1.48 602	1.34 553	1.52 586	1.35 584	1.67 620	1.33 561	1.55 602

MaskLacGwcNet_RVC	1.35 559	1.35 443	1.35 564	1.35 534	1.35 594	1.35 571	1.35 591	1.36 567	1.35 596	1.36 571	1.35 594	1.36 574	1.36 585	1.36 573	1.35 595	1.35 554	1.35 573	1.35 584	1.35 592	1.35 562	1.35 593

PS-NSSS	1.38 562	1.39 448	1.34 562	1.34 532	1.35 594	1.38 575	1.37 598	1.35 566	1.38 599	1.34 569	1.34 593	1.39 576	1.38 588	1.70 585	1.40 599	1.36 556	1.36 574	1.36 586	1.37 595	1.37 563	1.36 594

MM-Stereo_test3	1.27 557	2.07 517	1.18 504	1.60 548	1.02 524	1.45 581	1.01 518	1.40 571	1.04 527	1.44 576	1.03 523	1.46 581	1.02 511	1.44 579	1.02 517	1.51 567	1.12 504	1.32 580	0.98 515	1.38 564	0.97 505

CC-Net-ROB	1.36 560	1.33 442	1.33 561	1.36 535	1.38 597	1.36 573	1.33 589	1.37 569	1.34 593	1.35 570	1.36 596	1.38 575	1.34 583	1.38 575	1.38 598	1.35 554	1.38 577	1.33 581	1.35 592	1.43 565	1.34 592

11t	1.27 557	2.70 561	1.34 562	1.32 530	0.89 506	1.30 567	1.34 590	1.64 579	0.57 440	1.45 577	0.72 488	1.05 504	1.29 579	1.07 507	1.29 591	1.49 564	1.02 488	0.97 503	1.15 530	1.48 566	1.31 588

IGEVStereo-DCA	1.77 572	4.21 612	1.84 609	2.49 584	2.11 639	2.54 625	1.36 593	1.65 580	1.17 537	2.75 634	1.90 628	2.54 620	1.15 520	0.94 482	1.11 523	1.50 565	1.32 561	0.96 501	1.46 604	1.49 567	0.88 494

rrr	1.77 572	4.21 612	1.84 609	2.49 584	2.11 639	2.54 625	1.36 593	1.65 580	1.17 537	2.75 634	1.90 628	2.54 620	1.15 520	0.94 482	1.11 523	1.50 565	1.32 561	0.96 501	1.46 604	1.49 567	0.88 494

CFNet-ft	0.55 379	1.57 454	0.14 148	0.20 160	0.14 181	0.20 187	2.53 643	1.61 576	0.14 181	0.20 184	0.14 185	0.20 185	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	1.56 569	1.24 584

DPSMNet_ROB	1.60 567	1.59 455	1.70 594	1.59 545	1.59 606	1.61 585	1.61 609	1.60 575	1.60 606	1.62 585	1.59 609	1.60 583	1.60 594	1.60 581	1.59 606	1.59 569	1.60 596	1.59 592	1.59 612	1.59 570	1.59 607

ours_stereo	1.20 506	1.21 426	0.90 474	1.64 553	1.11 529	1.35 571	0.67 458	1.76 583	0.93 511	1.70 587	1.10 527	1.39 576	0.75 481	1.41 576	0.81 496	1.60 571	1.03 489	1.33 581	1.00 517	1.61 571	0.72 472

4.25_new	2.00 584	2.33 538	1.82 605	3.32 611	1.69 614	1.95 596	1.99 632	2.72 624	1.71 612	2.72 628	1.97 634	2.01 598	1.74 606	1.77 588	1.28 589	2.18 595	2.01 616	2.48 630	1.58 610	1.65 572	1.17 530

4.5w_new	2.00 584	2.33 538	1.82 605	3.32 611	1.69 614	1.95 596	1.99 632	2.72 624	1.71 612	2.72 628	1.97 634	2.01 598	1.74 606	1.77 588	1.28 589	2.18 595	2.01 616	2.48 630	1.58 610	1.65 572	1.17 530

RASNet	1.49 563	1.65 456	1.45 580	1.38 537	1.43 600	1.47 582	1.36 593	1.38 570	1.36 597	1.39 572	1.60 610	1.45 580	1.45 591	1.51 580	2.21 640	1.53 568	1.36 574	1.36 586	1.36 594	1.66 574	1.36 594

2w_stereo	1.99 580	2.36 545	1.81 600	3.24 606	1.67 611	1.94 593	1.98 629	2.72 624	1.68 608	2.72 628	1.94 631	1.98 596	1.74 606	1.79 590	1.27 588	1.95 586	2.00 614	2.53 632	1.60 613	1.68 575	1.15 526

3.75w	1.99 580	2.31 536	1.83 608	3.16 602	1.65 610	1.93 592	1.98 629	2.72 624	1.68 608	2.73 633	1.97 634	2.00 597	1.72 603	1.81 591	1.25 587	2.27 603	2.01 616	2.38 624	1.42 601	1.71 576	1.24 584

RAFT_CTSACE	1.92 577	3.71 596	1.72 597	1.88 556	1.72 618	2.04 600	1.42 603	2.18 601	1.89 634	2.02 598	1.97 634	1.95 593	2.06 628	1.93 595	1.62 607	1.76 574	1.66 600	2.02 609	1.73 628	1.73 577	1.43 599

4.25w-stereo	1.98 579	2.72 565	1.46 581	3.47 618	1.43 600	2.07 602	1.98 629	2.53 621	1.52 604	2.71 627	1.98 640	1.81 588	1.62 596	1.96 596	1.36 596	1.88 582	2.00 614	2.53 632	1.61 614	1.74 578	1.15 526

4.5w-stereo	1.99 580	2.33 538	1.81 600	3.28 608	1.68 613	1.94 593	1.99 632	2.72 624	1.70 611	2.72 628	1.99 643	1.97 595	1.68 598	1.76 587	1.29 591	1.91 584	2.02 620	2.53 632	1.61 614	1.75 579	1.16 529

2.75w_new	1.99 580	2.34 542	1.81 600	3.14 600	1.62 608	1.94 593	1.99 632	2.72 624	1.71 612	2.72 628	1.99 643	1.90 591	1.73 604	1.82 592	1.29 591	2.37 612	2.01 616	2.31 619	1.42 601	1.77 580	1.22 581

cf-r	0.66 397	2.17 526	0.12 123	0.18 153	0.12 175	0.18 179	2.70 647	2.60 622	0.12 175	0.18 176	0.12 167	0.18 178	0.12 171	0.18 177	0.12 164	0.15 141	0.11 121	0.15 166	0.11 155	1.81 581	1.74 621

MFMNet_re	1.81 575	1.91 507	1.71 596	1.95 561	1.70 617	1.95 596	1.70 614	1.96 588	1.74 619	1.97 593	1.72 618	1.95 593	1.71 602	1.97 597	1.71 614	1.86 577	1.62 597	1.85 598	1.66 619	1.86 582	1.64 613

GANetREF_RVC	1.55 565	1.94 513	1.22 556	1.88 556	1.21 589	1.88 591	1.22 581	1.88 585	1.22 586	1.88 588	1.22 583	1.88 590	1.22 574	1.89 594	1.22 583	1.87 579	1.22 559	1.88 605	1.22 583	1.88 583	1.22 581
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
SPS-STEREO	1.59 566	1.91 507	1.21 555	1.94 559	1.20 543	2.00 599	1.23 582	1.99 590	1.24 588	2.00 596	1.25 586	2.03 600	1.26 576	2.00 598	1.29 591	1.90 583	1.18 511	1.89 606	1.21 582	1.89 584	1.20 535
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 571	2.96 577	1.37 574	2.14 567	1.37 596	2.14 605	1.36 593	2.14 599	1.37 598	2.14 605	1.37 597	2.14 602	1.37 587	2.14 603	1.37 597	1.97 587	1.32 561	1.97 608	1.32 591	1.98 585	1.33 590

MM-Stereo_test1	1.80 574	3.41 589	1.52 587	2.12 566	1.41 599	2.04 600	1.41 601	2.05 594	1.46 603	2.04 600	1.41 601	2.05 601	1.42 590	2.05 599	1.43 601	2.04 591	1.54 589	1.94 607	1.38 597	1.99 586	1.33 590

MonStereo1	1.94 578	2.77 571	1.52 587	3.73 629	1.51 603	2.13 604	1.42 603	2.32 609	1.52 604	2.31 613	1.50 604	2.53 617	1.59 593	2.34 611	1.56 604	1.91 584	1.36 574	1.86 601	1.31 590	2.07 587	1.53 600

TRStereo	2.00 584	2.13 522	1.85 611	2.27 573	1.84 622	2.28 609	1.84 618	2.29 604	1.86 628	2.30 610	1.87 623	2.30 604	1.87 612	2.08 600	1.72 616	2.08 592	1.72 603	2.08 611	1.72 625	2.08 588	1.72 618

XX-Stereo	2.00 584	2.13 522	1.85 611	2.27 573	1.84 622	2.28 609	1.84 618	2.29 604	1.86 628	2.30 610	1.87 623	2.30 604	1.87 612	2.08 600	1.72 616	2.08 592	1.72 603	2.08 611	1.72 625	2.08 588	1.72 618

EAI-Stereo	2.00 584	2.13 522	1.85 611	2.27 573	1.84 622	2.28 609	1.84 618	2.29 604	1.86 628	2.30 610	1.87 623	2.30 604	1.87 612	2.08 600	1.72 616	2.08 592	1.72 603	2.08 611	1.72 625	2.08 588	1.72 618

GANet-RSSM	0.75 422	1.91 507	0.14 148	0.47 293	0.14 181	0.21 197	3.21 664	2.30 608	0.14 181	0.46 364	0.14 185	0.23 207	0.18 216	0.21 194	0.14 175	0.18 167	0.27 231	0.37 291	0.13 179	2.13 591	2.12 631

AIO_rvc	2.18 606	2.34 542	1.87 615	2.32 577	1.94 631	2.40 614	1.89 626	2.37 612	2.07 643	2.52 623	1.95 633	2.44 614	1.99 624	2.41 615	1.89 633	2.32 609	2.09 622	2.24 615	2.18 641	2.21 592	2.23 634

asda	2.17 604	2.54 552	1.81 600	3.47 618	1.78 620	2.50 621	1.86 622	2.61 623	1.68 608	2.61 625	1.83 620	2.37 611	1.73 604	2.44 618	1.88 632	2.51 621	1.84 610	2.34 621	1.62 616	2.23 593	1.77 622

HUF	2.18 606	2.30 535	1.99 625	2.34 579	2.02 636	2.41 615	2.06 637	2.38 613	1.89 634	2.36 615	1.85 621	2.56 622	1.98 622	2.31 610	1.97 636	2.30 607	2.03 621	2.30 618	2.11 639	2.23 593	2.16 632

AIO_test	2.18 606	2.09 520	2.04 626	2.42 581	2.01 633	2.47 617	1.94 628	2.34 611	2.03 642	2.56 624	1.94 631	2.43 613	1.94 619	2.41 615	1.87 631	2.39 614	2.10 623	2.35 623	1.91 638	2.25 595	2.19 633

NCCL2	2.28 618	2.27 533	2.28 628	2.28 576	2.28 646	2.27 607	2.29 641	2.28 602	2.28 644	2.27 609	2.28 646	2.28 603	2.27 632	2.27 607	2.28 645	2.28 604	2.28 628	2.27 616	2.29 645	2.27 596	2.29 635

ccnet	0.80 436	2.28 534	0.33 259	0.50 340	0.33 348	0.50 400	0.33 334	0.50 387	0.33 342	0.49 384	0.33 345	0.49 388	1.56 592	2.38 612	0.33 331	0.41 296	0.29 251	0.42 381	1.57 607	2.28 597	0.29 297

STTStereo	3.73 646	30.40 693	2.37 632	2.39 580	2.31 648	2.35 612	2.33 642	2.29 604	2.42 645	2.32 614	2.34 647	2.33 607	2.36 633	2.30 609	2.27 644	2.35 611	2.22 627	2.31 619	2.22 642	2.29 598	2.34 639

qwe	2.18 606	2.60 555	1.58 589	3.83 631	1.90 630	2.53 623	1.90 627	2.48 617	1.73 617	2.37 616	1.92 630	2.53 617	1.68 598	2.56 621	1.83 625	2.52 623	1.87 612	2.07 610	1.68 622	2.32 599	1.71 617

FBW_ROB	2.12 603	2.46 551	1.77 599	2.49 584	1.79 621	2.38 613	1.83 617	2.46 616	1.78 622	2.48 621	1.97 634	2.40 612	1.78 609	2.42 617	1.83 625	2.31 608	1.85 611	2.38 624	1.82 630	2.35 600	1.84 623

asd	2.18 606	2.77 571	1.58 589	3.59 623	2.00 632	2.58 627	1.85 621	2.39 614	1.71 612	2.47 620	1.97 634	2.59 624	1.61 595	2.56 621	1.79 623	2.51 621	1.99 613	2.11 614	1.62 616	2.36 601	1.60 608

monsterstereo	2.20 612	2.33 538	1.95 620	3.65 625	2.07 638	2.49 619	1.61 609	2.48 617	1.83 626	2.45 619	1.61 612	2.67 628	1.86 611	2.64 625	1.94 634	2.48 620	1.66 600	2.34 621	1.68 622	2.40 602	1.86 625

monsters	2.18 606	2.41 548	1.96 621	3.47 618	2.03 637	2.53 623	1.64 611	2.48 617	1.73 617	2.40 617	1.50 604	2.62 625	1.94 619	2.59 623	1.94 634	2.44 616	1.57 591	2.28 617	1.87 632	2.42 603	1.86 625

UDGNet	2.23 616	5.40 634	1.72 597	2.48 583	1.69 614	2.51 622	1.69 613	2.51 620	1.72 616	2.50 622	1.69 617	2.52 616	1.69 600	2.50 619	1.68 612	2.41 615	1.70 602	2.42 626	1.69 624	2.42 603	1.64 613

1w_stereo	2.05 599	2.32 537	1.35 564	3.74 630	2.01 633	2.73 633	1.42 603	1.88 585	1.93 636	2.03 599	1.28 589	2.71 629	1.99 624	2.72 631	1.72 616	2.20 597	1.32 561	1.87 602	1.86 631	2.45 605	1.54 601

LG-G_1	2.22 613	2.71 563	1.89 616	2.77 591	1.87 628	2.75 635	1.87 624	2.76 632	1.87 632	2.75 634	1.87 623	2.76 636	1.87 612	2.75 635	1.86 628	2.47 618	1.58 592	2.45 627	1.57 607	2.45 605	1.57 604

LG-G	2.22 613	2.71 563	1.89 616	2.77 591	1.87 628	2.75 635	1.87 624	2.76 632	1.87 632	2.75 634	1.87 623	2.76 636	1.87 612	2.75 635	1.86 628	2.47 618	1.58 592	2.45 627	1.57 607	2.45 605	1.57 604

LGtest1	2.22 613	2.70 561	1.89 616	2.76 590	1.86 625	2.75 635	1.86 622	2.75 631	1.86 628	2.75 634	1.86 622	2.77 638	1.87 612	2.75 635	1.86 628	2.46 617	1.58 592	2.45 627	1.56 606	2.45 605	1.56 603

4.5_new	2.00 584	1.84 497	1.98 622	2.77 591	2.16 641	2.27 607	1.28 588	2.09 595	1.98 638	2.01 597	1.28 589	2.71 629	1.98 622	2.51 620	1.65 609	2.26 600	1.33 568	1.87 602	1.87 632	2.49 609	1.60 608

GES	0.66 397	2.34 542	0.29 230	0.41 262	0.29 273	0.41 300	0.29 266	0.42 311	0.29 268	0.40 279	0.41 396	0.41 301	0.30 279	0.51 405	0.29 265	0.32 233	0.29 251	0.32 251	2.46 647	2.49 609	0.30 310

3w_stereo	2.04 597	2.24 532	1.70 594	3.15 601	2.18 645	2.49 619	1.26 586	2.03 593	1.98 638	1.98 594	1.33 592	2.72 633	1.99 624	2.59 623	1.72 616	2.22 599	1.33 568	1.85 598	1.88 637	2.50 611	1.58 606

3.25w	2.04 597	2.20 528	1.48 582	3.03 598	2.17 643	2.63 629	1.39 599	1.96 588	1.95 637	1.96 591	1.37 597	2.71 629	1.96 621	2.71 629	1.73 621	2.26 600	1.32 561	1.87 602	1.87 632	2.51 612	1.63 612

2.25w	2.00 584	1.86 501	1.98 622	2.95 597	2.17 643	2.26 606	1.35 591	2.42 615	2.00 641	2.07 604	1.27 588	2.53 617	1.99 624	2.29 608	1.49 603	2.21 598	1.32 561	1.85 598	1.87 632	2.52 613	1.62 611

PSMNet-RSSM	0.77 428	2.76 569	0.14 148	0.20 160	0.14 181	0.20 187	2.66 645	2.79 635	0.14 181	0.21 195	0.14 185	0.21 192	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	2.52 613	2.31 636

GwcNet-RSSM	0.77 428	2.77 571	0.14 148	0.20 160	0.14 181	0.20 187	2.67 646	2.78 634	0.14 181	0.20 184	0.14 185	0.20 185	0.14 181	0.21 194	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	2.52 613	2.31 636

4w-stereo	2.02 592	2.72 565	1.44 579	3.36 614	1.59 606	2.48 618	1.72 615	2.28 602	1.24 588	2.24 608	1.65 614	2.56 622	1.32 582	2.39 614	1.98 637	2.67 626	1.51 585	1.66 594	1.24 585	2.53 616	1.88 630

2.5w	2.01 591	2.40 547	1.37 574	3.28 608	2.01 633	2.71 630	1.43 606	1.82 584	1.83 626	1.90 590	1.41 601	2.71 629	1.35 584	2.71 629	1.85 627	2.66 624	1.53 587	1.64 593	1.23 584	2.53 616	1.87 627

3.25w_new	2.03 594	2.72 565	1.35 564	3.33 613	1.57 604	2.72 631	1.53 608	2.15 600	1.33 592	2.15 606	1.60 610	2.63 626	1.30 580	2.72 631	1.99 638	2.67 626	1.53 587	1.75 596	1.25 587	2.53 616	1.87 627

3.5w_stereo	2.03 594	2.72 565	1.35 564	3.41 615	1.57 604	2.72 631	1.49 607	2.01 592	1.34 593	2.15 606	1.61 612	2.63 626	1.36 585	2.72 631	1.99 638	2.66 624	1.58 592	1.68 595	1.24 585	2.53 616	1.87 627

IGEV	2.02 592	2.20 528	1.82 605	2.90 596	2.16 641	2.41 615	1.25 584	2.00 591	1.98 638	1.99 595	1.31 591	2.72 633	1.93 618	2.67 628	1.69 613	2.26 600	1.32 561	1.83 597	1.87 632	2.53 616	1.61 610

hitnet-ft	0.79 433	2.78 574	0.14 148	0.20 160	0.14 181	0.21 197	2.89 648	2.80 636	0.14 181	0.20 184	0.14 185	0.20 185	0.14 181	0.20 184	0.14 175	0.17 159	0.12 135	0.17 178	0.12 170	2.54 621	2.33 638

PDISCO_ROB	0.83 449	2.80 575	3.49 656	0.14 121	0.11 162	0.17 175	0.09 139	0.15 167	0.10 144	0.15 160	0.12 167	0.16 166	0.14 181	3.30 642	0.13 171	0.14 133	2.34 629	0.16 170	0.12 170	2.62 622	0.10 140

sCroCo_RVC	2.10 601	2.76 569	1.92 619	2.78 594	1.39 598	2.73 633	1.41 601	2.73 630	1.40 600	2.77 639	1.41 601	2.74 635	1.40 589	2.74 634	1.40 599	2.72 628	1.42 580	2.72 636	1.44 603	2.79 623	1.42 598

NLCA_NET_v2_RVC	5.04 674	50.87 703	2.78 637	2.87 595	2.71 650	2.78 638	0.47 415	2.88 637	2.86 650	1.89 589	2.67 649	2.79 639	2.79 638	2.78 638	2.83 647	2.82 629	2.82 635	2.83 637	2.77 649	2.83 624	2.76 644
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NLSM1	2.93 639	3.24 586	2.57 636	4.04 632	2.66 649	3.30 644	2.55 644	3.29 642	2.55 646	3.35 644	2.48 648	3.28 643	2.47 634	3.34 644	2.49 646	3.26 634	2.55 634	3.13 638	2.57 648	3.00 625	2.46 642

plain	1.88 576	3.16 583	0.64 420	3.10 599	0.65 464	3.10 640	0.64 450	3.12 639	0.65 454	3.10 640	0.65 462	3.11 640	0.65 452	3.12 639	0.65 448	3.12 633	0.65 432	3.13 638	0.65 470	3.13 626	0.65 455

UniTT-Stereo	2.03 594	3.43 590	0.72 448	3.42 616	0.73 482	3.27 643	0.68 462	3.38 644	0.69 469	3.29 643	0.72 488	3.28 643	0.70 472	3.35 645	0.68 460	3.39 636	0.68 439	3.31 641	0.69 481	3.37 627	0.73 475

MonStereo	2.17 604	2.41 548	1.49 586	2.67 588	1.67 611	2.60 628	2.04 636	2.32 609	1.76 620	2.44 618	1.68 616	2.50 615	1.69 600	2.38 612	1.80 624	2.28 604	1.78 606	2.63 635	2.14 640	3.47 628	1.68 616

DPSNet	3.66 644	3.60 592	3.62 659	3.63 624	3.64 671	3.65 647	3.65 670	3.66 647	3.67 667	3.67 646	3.65 668	3.67 647	3.66 656	3.66 646	3.68 665	3.68 639	3.66 654	3.67 645	3.68 671	3.67 629	3.67 668

RAStereo	2.23 616	3.64 593	0.76 456	3.65 625	0.86 504	3.66 648	0.76 486	3.67 648	0.81 501	3.66 645	0.76 494	3.66 646	0.77 484	3.68 647	0.77 488	3.68 639	0.77 461	3.69 646	0.77 497	3.70 630	0.77 484

SA	4.33 663	7.35 647	6.85 678	5.96 660	4.09 676	3.59 646	3.15 663	3.82 649	2.64 647	3.91 647	3.85 671	3.57 645	2.72 637	3.13 640	4.03 672	7.09 680	6.86 675	3.57 643	3.12 661	3.85 631	3.51 667

ssnet_v2	0.68 402	1.96 514	1.25 560	0.29 200	0.20 227	0.30 238	0.20 214	0.29 229	0.22 227	1.50 578	0.20 227	0.31 248	0.20 225	0.27 233	0.22 222	0.24 201	1.49 584	0.26 229	0.18 222	3.90 632	0.19 208

TestStereo1	4.60 665	8.41 654	6.44 675	6.86 666	3.79 673	3.97 650	3.78 672	3.99 651	3.74 669	3.97 648	3.52 666	3.94 650	3.58 653	3.98 650	3.72 667	6.82 677	6.50 673	3.76 647	3.66 669	3.90 632	3.74 671

SA-5K	4.60 665	8.41 654	6.44 675	6.86 666	3.79 673	3.97 650	3.78 672	3.99 651	3.74 669	3.97 648	3.52 666	3.94 650	3.58 653	3.98 650	3.72 667	6.82 677	6.50 673	3.76 647	3.66 669	3.90 632	3.74 671

NLCSM	3.67 645	4.08 607	3.19 655	4.80 648	3.26 664	3.99 652	3.24 665	4.25 654	3.18 663	4.09 650	3.27 663	4.14 652	3.18 651	4.13 652	3.28 661	4.06 641	3.10 644	3.85 650	3.14 662	3.91 635	3.27 664

test_4	4.88 671	8.13 652	6.98 679	7.46 669	4.44 678	4.25 654	3.85 674	4.04 653	3.92 673	4.13 651	3.91 672	4.18 654	3.84 663	4.14 653	4.06 673	7.01 679	7.13 676	4.53 652	3.72 672	4.09 636	3.72 669

test_3	5.01 673	8.86 659	7.77 681	8.09 671	2.76 651	4.13 653	4.05 676	3.88 650	3.76 671	4.33 653	4.13 675	3.71 648	3.91 664	4.21 654	4.06 673	7.93 681	7.69 678	4.53 652	3.91 674	4.17 637	4.29 677

RAFT+CT+SA	4.28 661	7.62 650	4.91 666	5.55 657	2.28 646	3.09 639	3.64 669	4.49 656	3.07 656	4.80 668	3.35 664	4.77 671	3.70 658	4.29 655	3.05 650	5.58 668	5.98 670	3.58 644	3.78 673	4.26 638	3.72 669

test_5	4.62 668	7.55 649	6.23 673	6.32 663	3.40 667	5.29 675	3.50 667	3.53 646	4.11 675	4.28 652	4.47 678	4.26 655	4.38 670	3.68 647	3.24 660	5.89 670	5.60 666	4.84 669	3.50 667	4.33 639	3.93 675

Sa-1000	4.34 664	8.37 653	6.84 677	6.98 668	4.45 679	3.58 645	3.00 649	3.42 645	3.39 665	2.61 625	4.00 674	3.83 649	4.01 667	3.90 649	3.90 670	5.98 672	5.62 667	3.76 647	2.34 646	4.35 640	2.47 643

cross-raft	4.83 670	7.52 648	6.43 674	6.63 664	3.96 675	4.51 656	3.99 675	4.49 656	3.96 674	4.52 655	3.96 673	4.50 656	3.97 666	4.50 657	3.97 671	6.65 675	6.44 672	4.33 651	3.92 675	4.35 640	3.91 674

sAnonymous2	3.31 642	2.63 556	1.38 576	3.71 627	1.86 625	4.70 668	1.11 524	4.82 671	2.72 648	5.45 676	1.98 640	4.59 661	2.64 635	2.65 626	6.21 681	4.37 643	1.08 495	5.16 673	2.24 643	4.52 642	2.39 640

CroCo_RVC	3.31 642	2.63 556	1.38 576	3.71 627	1.86 625	4.70 668	1.11 524	4.82 671	2.72 648	5.45 676	1.98 640	4.59 661	2.64 635	2.65 626	6.21 681	4.37 643	1.08 495	5.16 673	2.24 643	4.52 642	2.39 640

rvit_105_1	3.83 647	5.22 627	3.01 641	4.53 636	3.01 652	4.51 656	3.01 650	4.56 658	3.04 651	4.53 657	3.03 652	4.55 659	3.03 639	4.56 658	3.04 648	4.57 649	3.05 637	4.57 654	3.05 653	4.57 644	3.05 649

rvit_0105_6	3.87 651	5.73 641	3.10 651	4.69 646	3.12 662	4.54 658	3.02 651	4.56 658	3.04 651	4.54 659	3.03 652	4.54 657	3.04 642	4.56 658	3.05 650	4.58 652	3.05 637	4.58 656	3.05 653	4.58 645	3.05 649

rvit_stereo_0081	3.83 647	5.23 628	3.01 641	4.53 636	3.03 654	4.55 662	3.02 651	4.56 658	3.04 651	4.52 655	3.02 650	4.54 657	3.03 639	4.56 658	3.04 648	4.57 649	3.05 637	4.57 654	3.05 653	4.58 645	3.05 649

rvit_stereo_0082	3.86 649	5.82 642	3.01 641	4.53 636	3.03 654	4.54 658	3.02 651	4.56 658	3.04 651	4.53 657	3.02 650	4.55 659	3.04 642	4.57 661	3.05 650	4.57 649	3.05 637	4.58 656	3.05 653	4.58 645	3.06 652

rvit_stereo_0081_aga	3.86 649	5.33 631	3.02 644	4.55 642	3.04 658	4.54 658	3.02 651	4.64 665	3.06 655	4.54 659	3.04 654	4.62 666	3.08 646	4.62 664	3.07 653	4.58 652	3.06 641	4.60 658	3.08 657	4.63 648	3.07 653

rvit_stereo_0080	3.89 652	5.70 639	3.04 646	4.54 639	3.03 654	4.56 663	3.05 657	4.60 662	3.07 656	4.58 662	3.06 655	4.59 661	3.06 644	4.61 662	3.08 654	4.63 654	3.09 642	4.64 660	3.10 658	4.65 649	3.10 656

whm_eth	3.89 652	5.70 639	3.04 646	4.54 639	3.03 654	4.56 663	3.05 657	4.60 662	3.07 656	4.58 662	3.06 655	4.59 661	3.06 644	4.61 662	3.08 654	4.63 654	3.09 642	4.64 660	3.10 658	4.65 649	3.10 656

rvit_stereo_0083	3.92 656	5.30 630	3.06 649	4.61 645	3.09 661	4.67 667	3.08 660	4.66 666	3.09 660	4.62 665	3.10 660	4.66 669	3.11 648	4.67 666	3.16 659	4.72 659	3.16 648	4.77 667	3.11 660	4.66 651	3.11 658

rvit_stereo_ft	3.93 657	5.44 636	3.05 648	4.59 643	3.06 659	4.61 666	3.08 660	4.67 667	3.12 661	4.63 666	3.10 660	4.65 668	3.11 648	4.69 668	3.13 658	4.70 657	3.14 647	4.71 665	3.15 663	4.74 652	3.16 661

MLG-Stereo_test2	4.28 661	5.46 637	3.69 660	4.86 650	3.72 672	5.58 677	3.42 666	4.81 670	3.77 672	4.85 669	3.72 670	5.55 678	3.63 655	5.58 676	3.53 664	4.41 646	3.28 652	4.99 671	2.95 651	4.75 653	3.13 659

rvit_0105_3	3.91 654	5.33 631	3.06 649	4.60 644	3.07 660	4.60 665	3.06 659	4.62 664	3.08 659	4.60 664	3.07 658	4.62 666	3.08 646	4.67 666	3.10 657	4.70 657	3.11 645	4.77 667	3.19 665	4.77 654	3.14 660

rvit_0105_4	3.91 654	5.47 638	3.02 644	4.54 639	3.02 653	4.54 658	3.03 655	4.75 668	3.17 662	4.57 661	3.06 655	4.61 665	3.16 650	4.65 665	3.09 656	4.66 656	3.11 645	4.68 663	3.18 664	4.81 655	3.16 661

CFNet	1.37 561	5.27 629	0.19 188	5.49 656	0.19 224	0.28 234	0.19 210	0.28 224	0.19 219	0.28 230	0.19 223	0.28 234	4.35 669	0.28 237	0.19 214	0.23 194	0.17 190	0.23 210	4.21 678	4.81 655	0.17 201

MLG-Stereo_test3	4.26 660	4.85 620	3.95 662	5.35 655	3.60 669	4.75 671	3.76 671	5.49 677	3.71 668	5.39 674	3.69 669	4.82 672	3.66 656	4.85 669	3.73 669	4.93 660	3.19 651	4.69 664	2.99 652	4.84 657	2.98 648

MLG-Stereo_test1	4.25 659	5.34 633	3.61 658	5.31 654	3.63 670	5.23 674	3.57 668	5.38 676	3.65 666	5.23 673	3.47 665	4.76 670	3.74 659	4.85 669	3.71 666	4.96 661	3.18 650	4.71 665	2.92 650	4.86 658	2.90 646

raft_robust	4.71 669	7.75 651	5.40 671	6.81 665	3.31 665	4.28 655	4.20 677	4.32 655	4.37 678	4.35 654	4.35 677	4.14 652	3.75 660	4.30 656	4.20 675	6.67 676	6.37 671	3.36 642	4.24 679	4.86 658	3.25 663

Anonymous3	2.55 630	3.26 587	1.65 592	3.28 608	1.63 609	3.24 642	1.68 612	3.27 641	1.66 607	3.28 642	1.67 615	3.25 642	1.66 597	3.27 641	1.64 608	3.26 634	1.65 599	3.30 640	1.65 618	4.95 660	1.65 615

TestStereo	4.88 671	4.75 618	4.79 665	4.87 651	4.92 680	4.81 673	4.90 680	4.78 669	4.77 679	4.87 670	4.89 679	4.90 674	4.91 672	4.99 673	4.79 677	4.98 662	4.87 663	4.87 670	4.92 681	5.00 661	5.00 678

rvit_0105_5	4.10 658	5.40 634	3.13 654	4.71 647	3.15 663	4.72 670	3.10 662	4.90 673	3.27 664	4.69 667	3.16 662	4.84 673	3.25 652	4.96 672	3.34 662	5.05 664	3.39 653	5.10 672	3.40 666	5.11 662	3.42 665

FC-DCNN v2	5.10 675	5.15 625	4.49 664	5.07 653	3.37 666	6.87 680	4.75 679	5.04 674	6.34 683	7.84 684	5.06 680	6.72 684	4.09 668	4.99 673	5.44 680	5.03 663	3.16 648	4.67 662	4.86 680	5.15 663	3.89 673

DISCO	1.11 500	0.39 188	5.28 669	0.39 237	0.20 227	0.39 282	0.27 248	0.39 271	0.22 227	0.38 267	0.20 227	0.38 275	0.20 225	6.95 683	0.22 222	0.30 225	0.21 203	0.27 233	0.21 227	5.25 664	0.21 212

MaDis-Stereo	3.19 641	6.02 644	1.12 495	5.61 658	1.16 536	5.43 676	1.02 520	5.15 675	0.70 477	5.43 675	1.21 582	5.03 676	0.97 500	4.85 669	0.99 511	4.53 647	1.16 507	5.53 675	1.25 587	5.37 665	1.30 587

DispFullNet	4.61 667	4.84 619	3.12 652	5.00 652	3.57 668	4.75 671	3.03 655	7.75 684	4.17 676	4.91 671	3.09 659	6.20 680	3.95 665	6.71 680	3.51 663	5.30 667	3.67 655	5.86 679	3.63 668	5.61 666	3.46 666

StereoVision	3.15 640	5.00 622	0.89 471	4.83 649	1.00 517	3.93 649	1.27 587	6.37 678	1.34 593	5.67 678	1.26 587	5.84 679	1.27 577	5.03 675	1.24 584	5.10 666	1.09 497	4.61 659	0.57 453	5.62 667	1.12 521

SGM-Forest	5.21 677	5.92 643	4.08 663	6.18 661	4.16 677	6.31 679	4.34 678	6.50 679	4.33 677	6.14 680	4.21 676	6.61 683	4.55 671	6.67 679	4.48 676	5.94 671	3.94 657	5.85 678	4.03 677	5.79 668	4.17 676
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MIF-Stereo (partial)	2.58 631	3.31 588	0.66 426	3.18 603	0.66 468	3.18 641	0.66 454	3.21 640	0.67 458	3.19 641	0.66 465	3.19 641	0.66 456	3.31 643	0.68 460	5.09 665	1.79 608	8.23 685	1.67 620	6.18 669	1.38 596

RAFT	6.73 680	9.36 662	7.40 680	8.51 674	6.55 684	6.88 681	6.60 684	6.79 680	6.60 684	6.80 681	6.72 686	5.31 677	5.50 675	6.61 678	6.61 684	8.42 683	5.89 668	5.73 676	5.45 685	6.61 670	6.24 682

gwcnet-sp	0.82 446	1.72 460	1.48 582	0.39 237	0.15 193	0.31 244	0.21 219	0.20 185	0.25 241	1.61 582	0.23 237	0.28 234	0.26 252	0.20 184	0.15 186	0.24 201	1.33 568	0.32 251	0.16 194	6.75 671	0.23 216

scenet	0.82 446	1.72 460	1.48 582	0.39 237	0.15 193	0.31 244	0.21 219	0.20 185	0.25 241	1.61 582	0.23 237	0.28 234	0.26 252	0.20 184	0.15 186	0.24 201	1.33 568	0.32 251	0.16 194	6.75 671	0.23 216

ssnet	0.82 446	1.72 460	1.48 582	0.39 237	0.15 193	0.31 244	0.21 219	0.20 185	0.25 241	1.61 582	0.23 237	0.28 234	0.26 252	0.20 184	0.15 186	0.24 201	1.33 568	0.32 251	0.16 194	6.75 671	0.23 216

test-1	6.46 678	9.16 661	8.03 684	8.09 671	5.62 683	6.11 678	6.35 683	6.85 681	4.94 680	6.08 679	6.29 685	4.98 675	6.43 677	6.22 677	6.36 683	6.16 674	7.47 677	5.82 677	5.44 684	7.11 674	5.68 681

test-v	7.53 682	11.89 670	7.98 682	9.36 677	7.14 685	7.06 682	7.09 685	7.37 682	6.91 685	7.29 682	5.71 683	6.45 681	6.93 678	6.73 681	7.27 685	8.93 686	7.85 679	6.98 682	6.80 686	7.56 675	7.34 684

test-2	7.53 682	11.89 670	7.98 682	9.36 677	7.14 685	7.06 682	7.09 685	7.37 682	6.91 685	7.29 682	5.71 683	6.45 681	6.93 678	6.73 681	7.27 685	8.93 686	7.85 679	6.98 682	6.80 686	7.56 675	7.34 684

rvit_stereo_0075_2	6.64 679	8.80 658	5.25 668	7.89 670	5.27 682	7.90 684	5.27 681	7.92 685	5.28 681	7.91 685	5.29 682	7.93 685	5.27 673	7.92 685	5.28 678	7.93 681	5.28 665	7.93 684	5.29 683	7.93 677	5.28 680

CFNet_RVC	2.38 626	8.71 657	0.38 287	9.33 676	0.42 409	0.56 423	0.42 399	0.60 423	0.38 370	0.62 434	0.42 406	0.56 425	7.29 681	0.62 429	0.42 394	0.53 383	0.37 326	0.49 415	0.34 361	8.30 678	6.87 683

MSMDNet	2.65 632	10.14 668	0.33 259	9.74 679	0.32 336	0.87 469	0.33 334	2.95 638	0.68 464	0.49 384	0.34 353	0.49 388	5.70 676	0.49 387	0.33 331	0.42 310	9.57 682	0.41 370	0.31 340	8.36 679	0.65 455

U	5.15 676	8.49 656	1.81 600	8.49 673	1.77 619	8.49 685	1.77 616	8.51 686	1.77 621	8.49 686	1.77 619	8.50 686	1.78 609	8.58 686	1.77 622	8.54 684	1.78 606	8.55 686	1.78 629	8.55 680	1.84 623

SGM+DAISY	7.06 681	9.15 660	5.38 670	8.84 675	5.18 681	8.80 686	5.31 682	8.79 687	5.28 681	8.89 687	5.20 681	8.93 687	5.33 674	8.95 687	5.36 679	8.70 685	5.21 664	8.74 687	5.20 682	8.89 681	5.15 679

pcwnet_v2	2.66 633	9.89 666	0.33 259	9.89 680	0.32 336	0.50 400	0.32 323	0.49 378	0.33 342	0.49 384	0.34 353	0.49 388	8.76 683	0.48 381	0.33 331	0.41 296	9.58 683	0.40 353	0.29 315	9.01 682	0.63 447

ccs_rob	2.79 637	10.17 669	0.32 254	10.00 682	0.33 348	0.49 391	0.33 334	1.90 587	0.32 332	0.51 406	0.33 345	0.49 388	9.24 685	0.49 387	0.33 331	0.41 296	9.82 685	0.41 370	0.28 302	9.34 683	0.29 297

PCWNet_CMD	2.80 638	9.82 665	0.32 254	10.09 683	0.32 336	0.49 391	0.33 334	3.34 643	0.33 342	0.49 384	0.33 345	0.49 388	8.73 682	0.48 381	0.33 331	0.41 296	9.22 681	0.42 381	0.29 315	9.55 684	0.31 319

UCFNet_RVC	2.75 636	10.06 667	0.29 230	10.31 684	0.29 273	0.42 320	0.29 266	0.43 317	0.29 268	0.42 307	0.29 272	0.42 319	9.87 686	0.43 319	0.29 265	0.36 254	9.84 686	0.36 288	0.26 252	9.77 685	0.26 233

CFNet_pseudo	2.67 634	9.36 662	0.32 254	10.99 685	0.33 348	0.85 466	0.33 334	0.49 378	0.33 342	0.49 384	0.32 336	0.49 388	7.26 680	0.49 387	0.33 331	0.41 296	9.62 684	0.41 370	0.29 315	10.03 686	0.29 297

CFNet_ucs	2.73 635	9.64 664	0.33 259	9.92 681	0.32 336	0.49 391	0.33 334	0.49 378	0.33 342	0.49 384	0.33 345	0.49 388	8.98 684	0.48 381	0.33 331	0.41 296	9.96 687	0.40 353	0.29 315	10.12 687	0.54 426

rafts_anoy	20.00 686	20.00 672	20.00 686	20.00 686	20.00 688	20.00 687	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 689	20.00 688	20.00 689	20.00 688	20.00 687

raft+_RVC	20.00 686	20.00 672	20.00 686	20.00 686	20.00 688	20.00 687	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 689	20.00 688	20.00 689	20.00 688	20.00 687

raftrobust	20.00 686	20.00 672	20.00 686	20.00 686	20.00 688	20.00 687	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 689	20.00 688	20.00 689	20.00 688	20.00 687

CasAABBNet	20.00 686	20.00 672	20.00 686	20.00 686	20.00 688	20.00 687	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 689	20.00 688	20.00 689	20.00 688	20.00 687

RALCasStereoNet	20.00 686	20.00 672	20.00 686	20.00 686	20.00 688	20.00 687	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 689	20.00 688	20.00 689	20.00 688	20.00 687

RALAANet	20.00 686	20.00 672	20.00 686	20.00 686	20.00 688	20.00 687	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 688	20.00 689	20.00 688	20.00 689	20.00 688	20.00 687

MANE	19.05 685	23.00 678	15.00 685	23.00 692	15.00 687	24.00 693	16.00 687	24.00 694	16.00 687	22.00 694	15.00 687	23.00 694	16.00 687	23.00 694	15.00 687	22.00 694	15.00 688	22.00 694	15.00 688	22.00 694	15.00 686

111	30.40 692	30.94 694	29.72 693	32.61 693	30.02 695	33.57 694	30.47 695	31.50 695	29.39 695	30.98 695	29.11 695	29.78 695	30.39 698	29.45 695	30.76 698	30.08 695	29.02 696	29.92 695	30.32 699	29.86 695	30.17 694

tt	500032.53 710	34.60 696	29.72 693	37.47 702	34.41 700	36.85 700	35.22 700	34.71 699	33.55 697	34.50 696	35.43 699	33.81 699	10000000.00 715	33.57 699	33.13 699	33.68 699	35.00 701	34.03 700	35.26 702	30.96 696	34.63 699

DCANet	500032.53 710	34.60 696	29.72 693	37.47 702	34.41 700	36.85 700	35.22 700	34.71 699	33.55 697	34.50 696	35.43 699	33.81 699	10000000.00 715	33.57 699	33.13 699	33.68 699	35.00 701	34.03 700	35.26 702	30.96 696	34.63 699

ADStereo(finetuned)	36.13 695	36.63 699	38.07 703	36.97 698	33.25 699	35.91 699	34.45 699	36.36 702	32.99 696	38.14 706	36.71 702	36.69 702	34.13 699	38.57 706	40.79 705	37.60 706	36.58 703	35.90 703	33.36 700	35.42 698	34.04 698

DCANet-4	35.22 694	34.54 695	35.08 699	33.58 697	35.47 702	34.55 695	35.53 702	36.08 701	35.85 699	35.92 701	35.77 701	35.18 701	35.48 700	35.39 701	37.15 704	34.55 701	33.92 700	35.02 702	34.90 701	35.79 699	34.74 701

Reg-Stereo(zero)	37.00 696	37.00 700	37.00 700	37.00 699	37.00 703	37.00 702	37.00 703	37.00 703	37.00 700	37.00 702	37.00 703	37.00 703	37.00 701	37.00 702	37.00 701	37.00 703	37.00 704	37.00 704	37.00 704	37.00 700	37.00 702

HI	37.00 696	37.00 700	37.00 700	37.00 699	37.00 703	37.00 702	37.00 703	37.00 703	37.00 700	37.00 702	37.00 703	37.00 703	37.00 701	37.00 702	37.00 701	37.00 703	37.00 704	37.00 704	37.00 704	37.00 700	37.00 702

CoSv	37.00 696	37.00 700	37.00 700	37.00 699	37.00 703	37.00 702	37.00 703	37.00 703	37.00 700	37.00 702	37.00 703	37.00 703	37.00 701	37.00 702	37.00 701	37.00 703	37.00 704	37.00 704	37.00 704	37.00 700	37.00 702

WCMA_ROB	31.10 693	35.43 698	27.12 692	39.51 704	23.10 694	38.78 705	25.30 694	37.49 706	25.39 694	37.29 705	27.02 694	38.52 706	26.48 694	37.80 705	26.44 694	36.28 702	22.65 695	33.90 699	22.30 695	37.10 703	24.18 693

NOSS_ROB	102.95 700	153.00 708	121.00 707	51.00 705	44.00 706	165.00 709	127.00 708	153.00 709	119.00 705	164.00 710	125.00 708	168.00 710	120.00 706	153.00 709	117.00 708	49.00 707	44.00 707	49.00 707	44.00 707	49.00 704	44.00 705

CBMV	128.50 701	1422.70 715	53.10 705	79.50 706	51.30 707	77.30 707	49.70 706	74.00 707	48.20 704	77.20 708	48.80 707	73.90 708	48.00 705	73.80 708	48.80 707	70.40 708	45.10 708	68.90 708	46.10 708	68.20 705	45.00 706
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 699	87.70 704	41.95 704	113.75 707	65.62 708	75.05 706	55.25 707	75.64 708	45.04 703	71.61 707	41.75 706	72.81 707	44.06 704	68.38 707	44.63 706	101.89 709	59.57 709	107.10 709	61.05 709	104.38 706	59.38 707

MeshStereo	159.24 702	171.00 709	160.68 710	162.58 708	160.59 709	164.01 708	160.35 709	158.51 710	158.56 706	158.34 709	160.12 709	158.56 709	159.92 707	157.26 710	158.94 709	154.38 710	158.36 710	155.75 710	159.13 711	153.67 707	154.07 708
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	201.80 703	123.00 705	115.00 706	219.00 709	218.00 711	223.00 710	244.00 711	217.00 711	236.00 708	202.00 711	203.00 710	205.00 711	208.00 708	225.00 711	204.00 710	210.00 711	198.00 711	197.00 711	184.00 712	204.00 708	201.00 709

MGS-Stereo	239.45 704	123.00 705	135.00 708	266.00 710	286.00 712	277.00 711	305.00 712	271.00 712	242.00 709	274.00 712	279.00 712	255.00 712	270.00 710	268.00 712	297.00 712	221.00 712	247.00 713	216.00 712	123.00 710	217.00 709	217.00 711

EGLCR-Stereo	246.90 705	129.00 707	139.00 709	266.00 710	286.00 712	277.00 711	305.00 712	271.00 712	242.00 709	274.00 712	279.00 712	255.00 712	270.00 710	268.00 712	297.00 712	230.00 713	247.00 713	216.00 712	223.00 714	237.00 710	227.00 712

DLCB_ROB	284.23 706	354.61 711	207.27 711	363.24 712	206.46 710	364.72 713	210.41 710	364.72 714	210.41 707	364.81 714	208.64 711	364.81 714	208.64 709	364.72 714	210.41 711	354.70 714	205.53 712	354.70 714	205.53 713	354.70 711	205.53 710

LE_ROB	396.57 707	471.28 712	329.84 712	471.48 713	308.15 714	526.83 714	322.10 714	488.15 715	323.76 711	495.46 715	317.97 714	497.17 715	320.10 712	481.62 715	326.76 714	462.71 715	298.97 715	466.16 715	285.98 715	447.62 712	289.21 713

SGM-ForestM	596.69 708	677.77 713	444.52 713	699.85 714	517.25 715	732.94 715	488.29 715	770.79 716	460.11 712	750.81 716	487.98 715	792.79 716	499.41 713	730.90 716	475.81 715	720.03 716	491.16 716	663.96 716	418.60 716	674.76 713	436.05 714

CBMV_ROB	818.48 709	913.88 714	709.52 714	862.84 715	597.78 716	1073.99 716	700.52 716	1015.66 717	702.59 713	1115.65 717	760.02 716	1130.24 717	721.57 714	1037.41 717	692.65 716	814.05 717	564.29 717	843.28 717	595.31 717	915.51 714	602.92 715

111111	10000000.00 715	10000000.00 716	10000000.00 715	10000000.00 716	10000000.00 717	10000000.00 717	10000000.00 717	10000000.00 718	10000000.00 714	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 715	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 715	10000000.00 716

SGD-Stereo	10000000.00 715	10000000.00 716	10000000.00 715	10000000.00 716	10000000.00 717	10000000.00 717	10000000.00 717	10000000.00 718	10000000.00 714	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 715	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 715	10000000.00 716

IGEV-Stereo++	10000000.00 715	10000000.00 716	10000000.00 715	10000000.00 716	10000000.00 717	10000000.00 717	10000000.00 717	10000000.00 718	10000000.00 714	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 715	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 715	10000000.00 716

IGEV-BASED-STEREO-	10000000.00 715	10000000.00 716	10000000.00 715	10000000.00 716	10000000.00 717	10000000.00 717	10000000.00 717	10000000.00 718	10000000.00 714	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 715	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 715	10000000.00 716

IGEV-Stereo+	10000000.00 715	10000000.00 716	10000000.00 715	10000000.00 716	10000000.00 717	10000000.00 717	10000000.00 717	10000000.00 718	10000000.00 714	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 715	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 715	10000000.00 716

SDNR	10000000.00 715	10000000.00 716	10000000.00 715	10000000.00 716	10000000.00 717	10000000.00 717	10000000.00 717	10000000.00 718	10000000.00 714	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 715	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 715	10000000.00 716

anonymousdsp2	10000000.00 715	10000000.00 716	10000000.00 715	10000000.00 716	10000000.00 717	10000000.00 717	10000000.00 717	10000000.00 718	10000000.00 714	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 715	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 715	10000000.00 716

anonymousdsp	10000000.00 715	10000000.00 716	10000000.00 715	10000000.00 716	10000000.00 717	10000000.00 717	10000000.00 717	10000000.00 718	10000000.00 714	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 715	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 715	10000000.00 716

fff	1000028.16 712	29.62 690	29.72 693	32.61 693	30.02 695	35.13 696	31.83 696	32.07 696	10000000.00 714	35.27 698	29.82 696	32.45 696	30.15 695	32.35 696	30.09 695	31.04 696	29.55 697	30.64 696	30.14 696	10000000.00 715	30.77 695

csc	1000028.16 712	29.62 690	29.72 693	32.61 693	30.02 695	35.13 696	31.83 696	32.07 696	10000000.00 714	35.27 698	29.82 696	32.45 696	30.15 695	32.35 696	30.09 695	31.04 696	29.55 697	30.64 696	30.14 696	10000000.00 715	30.77 695

cscssc	1000028.16 712	29.62 690	29.72 693	32.61 693	30.02 695	35.13 696	31.83 696	32.07 696	10000000.00 714	35.27 698	29.82 696	32.45 696	30.15 695	32.35 696	30.09 695	31.04 696	29.55 697	30.64 696	30.14 696	10000000.00 715	30.77 695

test_example2	10000000.00 715	10000000.00 716	10000000.00 715	10000000.00 716	10000000.00 717	10000000.00 717	10000000.00 717	10000000.00 718	10000000.00 714	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 715	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 715	10000000.00 716

DIP-Stereo	10000000.00 715	10000000.00 716	10000000.00 715	10000000.00 716	10000000.00 717	10000000.00 717	10000000.00 717	10000000.00 718	10000000.00 714	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 715	10000000.00 718	10000000.00 717	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 718	10000000.00 715	10000000.00 716
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark