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 99	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

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

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

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

Wz-Net-SNSev	0.03 29	0.09 66	0.07 58	0.09 55	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 68	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 124	0.20 167	0.23 152	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 177	0.21 180	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 228	0.10 69	0.12 83	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 94	0.11 97	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 211	0.10 69	0.12 83	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 94	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

CoDeX	0.15 124	0.70 244	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 377	0.02 15	0.69 373	0.75 388	0.01 9	0.02 20	0.02 20

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

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

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

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

Wz-Net-LNSev-Ref	0.11 87	0.44 183	0.33 230	0.39 212	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 262	0.36 260	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 265	1.91 424	0.92 400	1.91 476	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 506	1.44 499	0.04 72	0.03 53	0.02 20	0.03 50

CSP-Net	0.34 204	1.29 390	1.19 424	1.36 455	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 467	1.21 477	0.03 38	0.09 111	0.02 20	0.09 111

SFCPSM	0.17 136	0.78 249	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 411	0.02 15	0.75 384	0.76 390	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 165	1.31 392	0.74 378	0.92 352	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 381	0.75 384	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 51	0.02 12	0.02 14	1.01 370	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 71	0.09 109	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 53	0.02 12	0.04 43	0.90 347	0.06 110	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 131	0.36 285	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 87	0.02 12	0.02 14	1.62 469	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 87	0.04 74	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 50

AnyNet_C32	0.14 112	0.04 37	0.03 36	2.22 488	0.04 78	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 76	0.02 21	0.07 103	0.04 74	0.02 15	0.02 15	0.03 38	0.03 53	0.02 20	0.03 50

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 48	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 52	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

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

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

zh-sn7	0.10 66	0.98 288	0.14 126	0.15 109	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 125	0.13 136	0.03 38	0.03 53	0.03 43	0.03 50

zh-mn7	0.12 96	1.14 324	0.17 152	0.20 136	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 150	0.16 145	0.03 38	0.03 53	0.03 43	0.03 50

w-ln-seven-2	0.14 112	1.22 386	0.28 198	0.32 187	0.04 78	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 213	0.27 202	0.04 72	0.03 53	0.03 43	0.03 50

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

DualNet (step1)	0.10 66	1.05 315	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 53	0.03 43	0.03 50

test_sample9	0.10 66	1.05 315	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 53	0.03 43	0.03 50

test_sample8	0.10 66	1.05 315	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 53	0.03 43	0.03 50

test_sample7	0.09 53	1.00 297	0.11 89	0.11 75	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 53	0.03 43	0.03 50

test_sample6	0.09 53	0.97 287	0.10 69	0.10 58	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample4	0.10 66	1.03 311	0.12 102	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.13 136	0.03 38	0.03 53	0.03 43	0.03 50

test_sample3	0.09 53	0.87 264	0.10 69	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 53	1.03 311	0.11 89	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 53	0.87 264	0.12 102	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 73	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 53	1.01 305	0.09 65	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 53	0.95 284	0.09 65	0.10 58	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

qqq1	0.25 165	3.70 510	0.14 126	0.14 99	0.04 78	0.06 91	0.05 92	0.06 93	0.05 96	0.06 95	0.05 99	0.04 76	0.05 93	0.06 87	0.05 87	0.13 109	0.12 113	0.06 93	0.05 95	0.03 43	0.04 78

fff1	0.25 165	3.70 510	0.14 126	0.14 99	0.04 78	0.06 91	0.05 92	0.06 93	0.05 96	0.06 95	0.05 99	0.04 76	0.05 93	0.06 87	0.05 87	0.13 109	0.12 113	0.06 93	0.05 95	0.03 43	0.04 78

1111x	0.10 66	1.14 324	0.13 121	0.14 99	0.03 48	0.04 76	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.11 97	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 53	1.01 305	0.10 69	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 50

qqq	0.16 132	2.01 432	0.12 102	0.15 109	0.04 78	0.06 91	0.05 92	0.06 93	0.04 80	0.06 95	0.03 52	0.06 96	0.03 52	0.06 87	0.03 48	0.12 94	0.14 140	0.04 72	0.04 77	0.03 43	0.03 50

x	0.11 87	1.15 327	0.15 142	0.14 99	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.15 143	0.03 38	0.03 53	0.03 43	0.03 50

test_xeample	0.10 66	1.09 320	0.13 121	0.12 83	0.03 48	0.03 40	0.03 50	0.04 76	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.14 140	0.03 38	0.03 53	0.03 43	0.03 50

BEATNet_4x	0.11 87	0.03 31	0.03 36	1.60 466	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 81	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

ADCL	0.11 87	0.03 31	0.03 36	1.60 466	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 81	0.03 48	0.03 34	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

ADCRef	0.12 96	0.03 31	0.04 43	1.71 472	0.04 78	0.03 40	0.03 50	0.04 76	0.04 80	0.04 73	0.03 52	0.04 76	0.03 52	0.06 87	0.04 74	0.04 44	0.04 45	0.04 72	0.04 77	0.03 43	0.04 78

ADCPNet	0.10 66	0.03 31	0.04 43	1.27 443	0.03 48	0.04 76	0.03 50	0.03 42	0.03 55	0.04 73	0.03 52	0.04 76	0.03 52	0.08 106	0.04 74	0.04 44	0.03 36	0.03 38	0.03 53	0.03 43	0.03 50

z-mn7	0.16 132	1.21 380	0.33 230	0.41 238	0.04 78	0.04 76	0.03 50	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.04 83	0.04 71	0.04 74	0.35 231	0.31 234	0.04 72	0.04 77	0.04 76	0.04 78

z-ln-s-r	0.21 150	1.40 398	0.53 331	0.56 300	0.04 78	0.05 88	0.04 80	0.05 88	0.05 96	0.05 90	0.04 87	0.05 90	0.04 83	0.05 81	0.05 87	0.57 336	0.44 307	0.04 72	0.04 77	0.04 76	0.04 78

w-ln-seven	0.18 139	1.47 400	0.33 230	0.40 226	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.04 83	0.04 71	0.04 74	0.38 251	0.32 239	0.05 85	0.04 77	0.04 76	0.04 78

test_sample5	0.10 66	1.07 318	0.11 89	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 53	0.04 76	0.03 50

DualNet	0.10 66	1.07 318	0.11 89	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 53	0.04 76	0.03 50

GASNet	0.05 41	0.04 37	0.12 102	0.04 37	0.04 78	0.04 76	0.05 92	0.04 76	0.04 80	0.12 126	0.04 87	0.06 96	0.04 83	0.04 71	0.04 74	0.04 44	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

222	0.10 66	0.99 295	0.12 102	0.13 95	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.02 20	0.04 76	0.03 50

xxxx	0.11 87	1.16 329	0.16 145	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.16 145	0.03 38	0.04 77	0.04 76	0.04 78

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 78	0.05 88	0.04 80	0.05 88	0.04 80	0.05 90	0.04 87	0.05 90	0.04 83	0.05 81	0.04 74	0.05 51	0.03 36	0.06 93	0.03 53	0.04 76	0.03 50

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 76	0.03 50	0.04 76	0.03 55	0.04 73	0.03 52	0.04 76	0.03 52	0.04 71	0.03 48	0.05 51	0.03 36	0.05 85	0.03 53	0.04 76	0.03 50

FADNet-RVC-Resample	0.12 96	0.04 37	0.04 43	0.04 37	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.04 83	0.04 71	1.57 520	0.04 44	0.04 45	0.04 72	0.05 95	0.04 76	0.06 104

FADNet_RVC	0.12 96	0.04 37	0.04 43	0.05 43	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.05 93	0.04 71	1.65 524	0.05 51	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

FADNet	0.12 96	0.05 49	0.04 43	0.04 37	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.05 93	0.04 71	1.66 526	0.06 55	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

ADCP+	0.15 124	0.04 37	0.04 43	2.20 487	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.05 99	0.04 76	0.04 83	0.08 106	0.04 74	0.04 44	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 78	0.04 76	0.04 80	0.04 76	0.04 80	0.04 73	0.04 87	0.04 76	0.04 83	0.04 71	0.04 74	0.04 44	0.04 45	0.04 72	0.04 77	0.04 76	0.04 78
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 78	0.06 91	0.04 80	0.06 93	0.04 80	0.06 95	0.04 87	0.06 96	0.04 83	0.06 87	0.04 74	0.06 55	0.04 45	0.05 85	0.04 77	0.05 91	0.04 78

mmm	0.14 112	1.83 415	0.12 102	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.04 80	0.03 40	0.03 52	0.03 42	0.03 52	0.06 87	0.04 74	0.12 94	0.11 97	0.05 85	0.04 77	0.05 91	0.04 78

11t1	0.17 136	2.16 441	0.13 121	0.13 95	0.04 78	0.06 91	0.04 80	0.06 93	0.04 80	0.06 95	0.03 52	0.06 96	0.03 52	0.06 87	0.05 87	0.18 150	0.12 113	0.06 93	0.03 53	0.05 91	0.03 50

APVNet	0.09 53	0.05 49	0.04 43	0.05 43	0.04 78	0.05 88	0.90 422	0.06 93	0.04 80	0.05 90	0.04 87	0.05 90	0.04 83	0.05 81	0.04 74	0.05 51	0.04 45	0.05 85	0.04 77	0.05 91	0.05 96

DA	0.09 53	0.13 83	0.39 264	0.08 49	0.05 98	0.07 102	0.05 92	0.13 127	0.05 96	0.06 95	0.05 99	0.06 96	0.05 93	0.06 87	0.05 87	0.06 55	0.05 56	0.14 128	0.13 156	0.06 95	0.05 96

GGEV	0.09 53	0.13 83	0.39 264	0.08 49	0.05 98	0.07 102	0.05 92	0.13 127	0.05 96	0.06 95	0.05 99	0.06 96	0.05 93	0.06 87	0.05 87	0.06 55	0.05 56	0.14 128	0.13 156	0.06 95	0.05 96

ISRNet	0.11 87	0.05 49	0.36 250	0.24 157	0.07 111	0.13 127	0.05 92	0.06 93	0.05 96	0.05 90	0.05 99	0.13 128	0.05 93	0.05 81	0.09 109	0.24 184	0.20 177	0.10 108	0.05 95	0.06 95	0.13 151

ffm	0.25 165	3.83 516	0.12 102	0.12 83	0.05 98	0.06 91	0.05 92	0.06 93	0.05 96	0.03 40	0.03 52	0.06 96	0.05 93	0.06 87	0.05 87	0.12 94	0.12 113	0.05 85	0.04 77	0.06 95	0.04 78

ff1	0.25 165	3.83 516	0.12 102	0.12 83	0.05 98	0.06 91	0.05 92	0.06 93	0.05 96	0.03 40	0.03 52	0.06 96	0.05 93	0.06 87	0.05 87	0.12 94	0.12 113	0.05 85	0.04 77	0.06 95	0.04 78

mmx	0.25 165	3.83 516	0.12 102	0.12 83	0.05 98	0.06 91	0.05 92	0.06 93	0.05 96	0.03 40	0.03 52	0.06 96	0.05 93	0.06 87	0.05 87	0.12 94	0.12 113	0.05 85	0.04 77	0.06 95	0.04 78

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 98	0.06 91	0.05 92	0.05 88	0.06 108	0.06 95	0.06 109	0.05 90	0.06 109	0.06 87	0.05 87	0.08 62	0.08 61	0.08 102	0.05 95	0.06 95	0.05 96

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 98	0.06 91	0.05 92	0.05 88	0.06 108	0.06 95	0.06 109	0.05 90	0.06 109	0.06 87	0.05 87	0.08 62	0.08 61	0.08 102	0.05 95	0.06 95	0.05 96

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 98	0.06 91	0.05 92	0.05 88	0.06 108	0.06 95	0.06 109	0.05 90	0.06 109	0.06 87	0.05 87	0.08 62	0.08 61	0.08 102	0.05 95	0.06 95	0.05 96

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 111	0.08 104	0.06 108	0.08 106	0.07 111	0.08 105	0.07 112	0.08 105	0.06 109	0.07 103	0.07 102	0.08 62	0.07 59	0.07 98	0.07 105	0.06 95	0.06 104

BridgeDepth_RVC	0.07 49	0.08 58	0.11 89	0.11 75	0.05 98	0.08 104	0.05 92	0.08 106	0.05 96	0.08 105	0.05 99	0.08 105	0.05 93	0.08 106	0.05 87	0.11 88	0.10 75	0.07 98	0.05 95	0.07 105	0.05 96
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.08 51	0.08 58	0.11 89	0.11 75	0.05 98	0.08 104	0.05 92	0.08 106	0.07 111	0.08 105	0.05 99	0.08 105	0.05 93	0.09 110	0.08 104	0.15 125	0.11 97	0.07 98	0.05 95	0.07 105	0.06 104
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GwcNet	0.12 96	0.07 57	0.05 57	0.08 49	0.05 98	0.08 104	1.20 450	0.07 103	0.05 96	0.05 90	0.05 99	0.08 105	0.05 93	0.08 106	0.03 48	0.07 60	0.05 56	0.06 93	0.05 95	0.07 105	0.05 96

FADNet-RVC	0.13 103	0.04 37	0.04 43	0.04 37	0.04 78	0.04 76	0.05 92	0.04 76	0.04 80	0.04 73	0.05 99	0.04 76	0.05 93	0.04 71	1.71 529	0.04 44	0.04 45	0.04 72	0.04 77	0.07 105	0.04 78

BEATNet-Init1	0.19 142	0.08 58	0.08 60	2.23 489	0.08 113	0.08 104	0.07 111	0.07 103	0.08 115	0.08 105	0.07 112	0.08 105	0.07 113	0.11 125	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

SuperB	0.21 150	0.10 68	2.51 553	0.12 83	0.09 115	0.10 112	0.09 114	0.08 106	0.07 111	0.10 112	0.09 116	0.09 111	0.07 113	0.07 103	0.07 102	0.07 60	0.08 61	0.07 98	0.07 105	0.08 109	0.07 107

DeepPrunerF	0.19 142	0.08 58	0.08 60	2.23 489	0.08 113	0.08 104	0.07 111	0.07 103	0.08 115	0.08 105	0.07 112	0.08 105	0.07 113	0.11 125	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

SepStereo	0.09 53	0.09 66	0.10 69	0.09 55	0.09 115	0.09 110	0.09 114	0.10 111	0.08 115	0.10 112	0.09 116	0.09 111	0.09 117	0.09 110	0.08 104	0.09 68	0.08 61	0.09 107	0.08 109	0.09 112	0.08 108

AnonymousM	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

PVD	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SHD	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SAMSARA	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

XQC	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSC	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTS	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSA	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet+	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet++	0.10 66	0.10 68	0.10 69	0.10 58	0.10 122	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MatchStereo	0.54 308	0.12 81	2.38 551	2.32 495	0.09 115	0.09 110	0.08 113	0.09 110	0.07 111	0.09 110	0.07 112	0.09 111	0.07 113	0.09 110	0.08 104	2.34 529	2.34 547	0.12 122	0.11 130	0.11 123	0.10 116

JetRed	0.11 87	0.12 81	0.11 89	0.11 75	0.11 137	0.11 123	0.14 153	0.11 123	0.11 134	0.12 126	0.11 134	0.11 124	0.11 133	0.11 125	0.11 127	0.11 88	0.16 145	0.11 119	0.11 130	0.11 123	0.11 129

JetBlue	0.11 87	0.11 79	0.12 102	0.13 95	0.14 158	0.11 123	0.11 132	0.11 123	0.11 134	0.11 124	0.11 134	0.11 124	0.11 133	0.12 129	0.12 142	0.11 88	0.11 97	0.11 119	0.11 130	0.11 123	0.11 129

ac_64	0.22 154	0.13 83	0.19 164	0.23 152	0.10 122	0.26 201	1.02 437	0.14 129	0.10 119	0.28 202	0.14 162	0.17 150	0.19 193	0.28 209	0.09 109	0.22 166	0.16 145	0.23 185	0.17 189	0.11 123	0.12 145

PASM	0.39 243	3.06 495	1.36 490	1.58 462	0.09 115	0.11 123	0.11 132	0.11 123	0.11 134	0.09 110	0.09 116	0.11 124	0.09 117	0.09 110	0.09 109	0.11 88	0.11 97	0.11 119	0.09 111	0.11 123	0.11 129

LRCNet_RVC	0.13 103	0.13 83	0.09 65	0.13 95	0.10 122	0.14 128	0.10 119	0.14 129	0.10 119	0.23 177	0.10 120	0.20 161	0.10 121	0.24 184	0.11 127	0.11 88	0.09 70	0.12 122	0.14 161	0.12 128	0.09 111

DRN-Test	0.14 112	0.13 83	0.09 65	0.14 99	0.09 115	0.15 135	0.09 114	0.14 129	0.10 119	0.14 128	0.09 116	0.14 129	0.09 117	0.13 130	0.09 109	0.12 94	0.09 70	0.12 122	0.09 111	0.12 128	0.73 397

S2M2_L	0.12 96	0.14 89	0.10 69	0.15 109	0.10 122	0.14 128	0.10 119	0.14 129	0.10 119	0.15 134	0.10 120	0.14 129	0.10 121	0.14 131	0.10 115	0.13 109	0.10 75	0.13 126	0.09 111	0.13 130	0.09 111
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
StereoDRNet	0.15 124	0.14 89	0.10 69	0.14 99	0.09 115	0.15 135	0.09 114	0.14 129	0.09 118	0.14 128	0.10 120	0.14 129	0.09 117	0.14 131	0.09 109	0.13 109	0.10 75	0.13 126	0.09 111	0.13 130	0.82 410

test_for_model	0.15 124	0.23 115	0.18 161	0.21 145	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.21 163	0.18 174	0.14 128	0.11 130	0.14 132	0.11 129

testlalala2	0.13 103	0.16 91	0.11 89	0.15 109	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.14 116	0.11 97	0.14 128	0.11 130	0.14 132	0.11 129

testlalala_base	0.13 103	0.16 91	0.11 89	0.15 109	0.11 137	0.15 135	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.14 116	0.11 97	0.14 128	0.11 130	0.14 132	0.11 129

CIPLG	0.13 103	0.21 110	0.12 102	0.16 120	0.11 137	0.15 135	0.11 132	0.14 129	0.11 134	0.15 134	0.12 145	0.15 139	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 128	0.11 130	0.14 132	0.11 129

IPLG	0.13 103	0.20 105	0.14 126	0.15 109	0.11 137	0.14 128	0.11 132	0.14 129	0.11 134	0.14 128	0.11 134	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 128	0.11 130	0.14 132	0.11 129

MIPNet	0.14 112	0.21 110	0.17 152	0.16 120	0.11 137	0.15 135	0.12 148	0.14 129	0.11 134	0.16 139	0.11 134	0.14 129	0.11 133	0.14 131	0.11 127	0.14 116	0.12 113	0.14 128	0.11 130	0.14 132	0.11 129

IPLGR	0.14 112	0.24 124	0.14 126	0.16 120	0.12 153	0.15 135	0.12 148	0.14 129	0.11 134	0.15 134	0.12 145	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 128	0.11 130	0.14 132	0.11 129

ACRE	0.13 103	0.21 110	0.14 126	0.15 109	0.11 137	0.14 128	0.11 132	0.14 129	0.11 134	0.14 128	0.12 145	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 128	0.11 130	0.14 132	0.11 129

GMStereo	0.14 112	0.13 83	0.14 126	0.14 99	0.14 158	0.14 128	0.14 153	0.14 129	0.14 158	0.14 128	0.14 162	0.14 129	0.14 159	0.14 131	0.14 152	0.14 116	0.14 140	0.14 128	0.14 161	0.14 132	0.14 156
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS	0.13 103	0.16 91	0.11 89	0.15 109	0.09 115	0.18 155	0.11 132	0.18 153	0.11 134	0.17 148	0.11 134	0.18 154	0.11 133	0.18 153	0.11 127	0.14 116	0.08 61	0.14 128	0.08 109	0.14 132	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo++	0.54 308	3.59 507	1.15 418	1.31 451	0.14 158	0.16 143	0.14 153	0.16 142	0.14 158	0.16 139	0.14 162	0.16 140	0.13 155	0.16 141	0.14 152	1.45 481	1.16 426	0.15 143	0.14 161	0.15 142	0.13 151

ProNet	0.14 112	0.20 105	0.14 126	0.16 120	0.11 137	0.16 143	0.11 132	0.17 150	0.11 134	0.17 148	0.12 145	0.17 150	0.13 155	0.17 150	0.12 142	0.15 125	0.11 97	0.16 146	0.11 130	0.15 142	0.12 145

IPLGR_C	0.14 112	0.20 105	0.12 102	0.15 109	0.11 137	0.14 128	0.15 158	0.14 129	0.11 134	0.15 134	0.12 145	0.14 129	0.11 133	0.16 141	0.11 127	0.15 125	0.12 113	0.14 128	0.12 148	0.15 142	0.12 145

ELAS_RVC	0.14 112	0.16 91	0.10 69	0.15 109	0.10 122	0.18 155	0.11 132	0.19 155	0.11 134	0.19 154	0.12 145	0.18 154	0.11 133	0.19 156	0.12 142	0.14 116	0.08 61	0.14 128	0.09 111	0.15 142	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 112	0.17 97	0.12 102	0.17 128	0.11 137	0.17 151	0.11 132	0.17 150	0.11 134	0.17 148	0.11 134	0.17 150	0.11 133	0.17 150	0.11 127	0.16 134	0.11 97	0.16 146	0.11 130	0.16 146	0.11 129
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
xyz-stereo-finetune2	0.18 139	0.48 205	0.16 145	0.16 120	0.15 169	0.15 135	0.16 163	0.16 142	0.16 172	0.16 139	0.16 173	0.16 140	0.16 171	0.16 141	0.16 168	0.16 134	0.16 145	0.16 146	0.16 169	0.16 146	0.16 160

xyz-stereo	0.18 139	0.50 211	0.16 145	0.15 109	0.16 178	0.16 143	0.16 163	0.16 142	0.16 172	0.16 139	0.16 173	0.16 140	0.16 171	0.16 141	0.16 168	0.16 134	0.16 145	0.16 146	0.16 169	0.16 146	0.16 160

GMStereo_Zeroshot	0.16 132	0.16 91	0.16 145	0.16 120	0.16 178	0.16 143	0.16 163	0.16 142	0.16 172	0.16 139	0.16 173	0.16 140	0.16 171	0.16 141	0.16 168	0.16 134	0.16 145	0.16 146	0.16 169	0.16 146	0.16 160

ICVP	0.15 124	0.53 225	0.11 89	0.16 120	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.16 134	0.11 97	0.16 146	0.11 130	0.16 146	0.11 129
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 112	0.16 91	0.12 102	0.17 128	0.12 153	0.17 151	0.11 132	0.17 150	0.11 134	0.17 148	0.12 145	0.17 150	0.12 150	0.17 150	0.12 142	0.16 134	0.11 97	0.16 146	0.11 130	0.16 146	0.12 145

DDVS	0.30 181	3.10 496	0.14 126	0.19 133	0.14 158	0.19 158	0.14 153	0.20 161	0.14 158	0.19 154	0.13 157	0.16 140	0.13 155	0.19 156	0.13 148	0.17 142	0.13 136	0.17 154	0.13 156	0.17 152	0.13 151

ACVNet	0.20 144	0.19 101	0.14 126	0.20 136	0.14 158	0.20 163	0.96 429	0.21 169	0.14 158	0.20 160	0.13 157	0.21 168	0.14 159	0.20 160	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	0.17 152	0.12 145

acv_ft	0.20 144	0.19 101	0.14 126	0.20 136	0.14 158	0.20 163	0.96 429	0.21 169	0.14 158	0.20 160	0.13 157	0.21 168	0.14 159	0.20 160	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	0.17 152	0.12 145

SGM_RVC	0.15 124	0.17 97	0.11 89	0.18 130	0.11 137	0.19 158	0.11 132	0.19 155	0.12 153	0.19 154	0.12 145	0.20 161	0.12 150	0.19 156	0.12 142	0.16 134	0.11 97	0.17 154	0.10 118	0.17 152	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 373	5.18 541	1.98 540	2.19 486	0.17 182	0.19 158	0.18 178	0.19 155	0.16 172	0.20 160	0.19 195	0.22 176	0.22 203	0.20 160	0.15 162	2.28 523	2.13 542	0.24 193	0.17 189	0.18 156	0.16 160

castereo	0.61 320	3.79 515	1.35 482	1.52 461	0.15 169	0.17 151	0.16 163	0.20 161	0.21 196	0.18 152	0.16 173	0.21 168	0.12 150	0.26 201	0.17 172	1.43 480	1.38 496	0.17 154	0.16 169	0.18 156	0.16 160

ITSA-stereo	0.15 124	0.17 97	0.13 121	0.20 136	0.13 156	0.19 158	0.13 151	0.18 153	0.13 156	0.19 154	0.13 157	0.18 154	0.14 159	0.18 153	0.14 152	0.16 134	0.11 97	0.15 143	0.14 161	0.18 156	0.11 129

HCRNet	1.22 471	7.11 561	3.00 556	3.55 538	0.33 282	0.29 209	0.14 153	0.19 155	0.15 168	0.33 224	0.29 245	0.25 193	0.14 159	0.22 174	0.33 265	3.64 555	3.00 552	0.76 390	0.32 282	0.18 156	0.13 151

DeepPruner_ROB	0.16 132	0.18 100	0.13 121	0.19 133	0.13 156	0.19 158	0.13 151	0.19 155	0.13 156	0.19 154	0.13 157	0.19 158	0.13 155	0.19 156	0.13 148	0.18 150	0.13 136	0.18 163	0.13 156	0.18 156	0.13 151

LALA_ROB	0.15 124	0.19 101	0.12 102	0.18 130	0.11 137	0.20 163	0.12 148	0.21 169	0.12 153	0.20 160	0.12 145	0.20 161	0.12 150	0.21 170	0.13 148	0.17 142	0.10 75	0.18 163	0.11 130	0.18 156	0.11 129

CAS++	0.17 136	0.27 132	0.21 172	0.10 58	0.21 207	0.15 135	0.22 196	0.10 111	0.21 196	0.22 173	0.10 120	0.19 158	0.18 188	0.10 114	0.19 186	0.20 157	0.19 175	0.18 163	0.10 118	0.19 162	0.18 178
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
RSGM-EC	0.24 162	0.24 124	0.15 142	0.22 148	0.15 169	0.22 175	0.15 158	0.22 173	0.15 168	0.24 184	0.15 170	0.22 176	0.15 169	0.22 174	1.19 450	0.20 157	0.17 165	0.24 193	0.14 161	0.20 163	0.14 156

acva	0.24 162	0.24 124	0.15 142	0.22 148	0.15 169	0.22 175	0.15 158	0.22 173	0.15 168	0.24 184	0.15 170	0.22 176	0.15 169	0.22 174	1.19 450	0.20 157	0.17 165	0.24 193	0.14 161	0.20 163	0.14 156

IGEV_Zeroshot_test	0.20 144	0.19 101	0.40 269	0.30 177	0.17 182	0.22 175	0.17 171	0.21 169	0.17 180	0.20 160	0.17 178	0.21 168	0.18 188	0.21 170	0.17 172	0.20 157	0.16 145	0.20 170	0.16 169	0.20 163	0.17 174

DAS	0.20 144	0.20 105	0.20 167	0.20 136	0.20 199	0.20 163	0.20 186	0.20 161	0.20 193	0.20 160	0.20 199	0.20 161	0.20 197	0.20 160	0.20 189	0.20 157	0.20 177	0.20 170	0.20 196	0.20 163	0.20 182

GEStereo_RVC	0.86 385	4.45 531	0.20 167	0.27 174	0.20 199	0.27 205	0.20 186	0.26 193	0.18 185	5.03 587	0.20 199	0.27 205	0.19 193	0.27 205	0.21 192	0.20 157	0.19 175	0.19 166	4.02 591	0.20 163	0.18 178

MSKI-zero shot	0.24 162	0.21 110	0.49 314	0.65 317	0.18 192	0.22 175	0.17 171	0.23 179	0.18 185	0.21 171	0.17 178	0.23 182	0.28 240	0.23 180	0.18 183	0.21 163	0.16 145	0.21 172	0.16 169	0.21 168	0.16 160

iResNet	0.20 144	0.23 115	0.18 161	0.24 157	0.18 192	0.24 186	0.20 186	0.24 182	0.18 185	0.23 177	0.17 178	0.23 182	0.18 188	0.23 180	0.18 183	0.22 166	0.16 145	0.21 172	0.16 169	0.21 168	0.16 160

BStereo	0.22 154	0.23 115	0.20 167	0.24 157	0.20 199	0.23 183	0.33 269	0.39 245	0.17 180	0.23 177	0.17 178	0.23 182	0.16 171	0.24 184	0.17 172	0.23 177	0.16 145	0.22 177	0.20 196	0.22 170	0.16 160

Wave_Phase_stereo	0.22 154	0.23 115	0.20 167	0.24 157	0.20 199	0.23 183	0.33 269	0.39 245	0.17 180	0.23 177	0.17 178	0.23 182	0.16 171	0.24 184	0.17 172	0.23 177	0.16 145	0.22 177	0.20 196	0.22 170	0.16 160

ACV-stereo	0.30 181	2.08 434	0.25 187	0.25 164	0.18 192	0.24 186	0.17 171	0.24 182	0.18 185	0.24 184	0.17 178	0.25 193	0.17 180	0.24 184	0.17 172	0.22 166	0.16 145	0.22 177	0.16 169	0.22 170	0.16 160

Pointernet	0.21 150	0.22 114	0.19 164	0.24 157	0.19 196	0.24 186	0.19 182	0.24 182	0.19 191	0.24 184	0.19 195	0.24 188	0.19 193	0.24 184	0.19 186	0.22 166	0.17 165	0.22 177	0.17 189	0.22 170	0.17 174

WAO-6	0.22 154	0.23 115	0.22 174	0.23 152	0.22 209	0.22 175	0.22 196	0.22 173	0.22 199	0.22 173	0.22 205	0.22 176	0.22 203	0.22 174	0.22 194	0.22 166	0.22 184	0.22 177	0.22 202	0.22 170	0.22 187

IMH-64-1	0.22 154	0.23 115	0.23 177	0.22 148	0.22 209	0.22 175	0.22 196	0.22 173	0.22 199	0.22 173	0.22 205	0.22 176	0.22 203	0.22 174	0.22 194	0.22 166	0.22 184	0.23 185	0.22 202	0.22 170	0.23 189

IMH-64	0.22 154	0.23 115	0.23 177	0.22 148	0.22 209	0.22 175	0.22 196	0.22 173	0.22 199	0.22 173	0.22 205	0.22 176	0.22 203	0.22 174	0.22 194	0.22 166	0.22 184	0.23 185	0.22 202	0.22 170	0.23 189

MIM_Stereo	0.25 165	0.23 115	0.66 353	0.80 337	0.17 182	0.22 175	0.17 171	0.23 179	0.18 185	0.26 198	0.17 178	0.21 168	0.17 180	0.25 191	0.17 172	0.23 177	0.16 145	0.21 172	0.17 189	0.22 170	0.17 174

dd	0.23 160	0.98 288	0.16 145	0.23 152	0.15 169	0.23 183	0.15 158	0.23 179	0.15 168	0.23 177	0.15 170	0.24 188	0.17 180	0.23 180	0.15 162	0.22 166	0.15 143	0.21 172	0.15 167	0.22 170	0.16 160

dad	0.23 160	1.03 311	0.16 145	0.23 152	0.15 169	0.24 186	0.15 158	0.24 182	0.16 172	0.23 177	0.16 173	0.24 188	0.16 171	0.23 180	0.15 162	0.22 166	0.16 145	0.22 177	0.16 169	0.22 170	0.16 160

iResNetv2_ROB	0.20 144	0.23 115	0.18 161	0.24 157	0.20 199	0.24 186	0.18 178	0.24 182	0.18 185	0.24 184	0.18 193	0.23 182	0.19 193	0.24 184	0.18 183	0.21 163	0.16 145	0.21 172	0.16 169	0.22 170	0.16 160

VIP-Stereo	0.70 338	2.97 494	2.43 552	2.49 502	0.16 178	0.25 193	0.16 163	0.25 188	0.16 172	0.25 190	0.18 193	0.25 193	0.16 171	0.26 201	0.16 168	1.86 496	1.26 479	0.23 185	0.15 167	0.23 181	0.15 159

tg	0.21 150	0.25 128	0.21 172	0.26 171	0.17 182	0.24 186	0.17 171	0.24 182	0.17 180	0.24 184	0.17 178	0.24 188	0.17 180	0.24 184	0.17 172	0.24 184	0.17 165	0.23 185	0.16 169	0.23 181	0.16 160

DLNR-FE	0.28 175	0.89 269	0.30 206	0.34 194	0.19 196	0.28 206	0.19 182	0.28 197	0.20 193	0.28 202	0.20 199	0.28 206	0.20 197	0.28 209	0.20 189	0.33 218	0.28 208	0.25 196	0.19 195	0.24 183	0.19 180

AANet_RVC	1.26 473	0.31 141	4.99 583	5.93 575	0.20 199	0.25 193	0.20 186	0.25 188	0.20 193	0.23 177	0.19 195	0.25 193	0.20 197	0.25 191	0.20 189	5.66 585	4.76 578	0.26 201	0.30 264	0.24 183	0.27 214

model_zeroshot	0.27 174	0.20 105	0.27 194	0.33 191	0.21 207	0.37 243	0.22 196	0.37 233	0.24 208	0.26 198	0.27 233	0.33 227	0.21 202	0.25 191	0.27 218	0.32 213	0.20 177	0.34 240	0.23 208	0.25 185	0.26 206

UNDER WATER-64	0.25 165	0.26 129	0.25 187	0.26 171	0.25 222	0.25 193	0.25 212	0.25 188	0.25 213	0.25 190	0.25 222	0.25 193	0.25 216	0.26 201	0.25 212	0.25 190	0.25 192	0.25 196	0.25 221	0.25 185	0.25 200

RAFT-FEzeroshot	0.34 204	0.26 129	0.17 152	0.21 145	0.17 182	0.20 163	0.16 163	0.20 161	0.16 172	0.20 160	0.17 178	0.21 168	0.16 171	0.27 205	0.24 204	0.19 154	0.16 145	0.19 166	0.16 169	0.26 187	3.08 569

RAFT-FE	0.34 204	0.26 129	0.17 152	0.21 145	0.17 182	0.20 163	0.16 163	0.20 161	0.16 172	0.20 160	0.17 178	0.21 168	0.16 171	0.27 205	0.24 204	0.19 154	0.16 145	0.19 166	0.16 169	0.26 187	3.08 569

LoS_RVC	0.30 181	1.14 324	0.25 187	0.25 164	0.25 222	0.26 201	0.25 212	0.25 188	0.25 213	0.25 190	0.25 222	0.26 203	0.26 225	0.26 201	0.25 212	0.26 192	0.26 195	0.25 196	0.25 221	0.26 187	0.26 206

CAS	0.30 181	1.17 330	0.25 187	0.25 164	0.25 222	0.26 201	0.25 212	0.25 188	0.26 226	0.25 190	0.25 222	0.25 193	0.25 216	0.25 191	0.25 212	0.26 192	0.26 195	0.26 201	0.25 221	0.26 187	0.25 200

LoS	0.25 165	0.27 132	0.25 187	0.25 164	0.25 222	0.25 193	0.25 212	0.26 193	0.25 213	0.25 190	0.25 222	0.25 193	0.25 216	0.25 191	0.25 212	0.26 192	0.25 192	0.25 196	0.26 227	0.26 187	0.25 200
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
tt1	0.31 188	0.93 281	0.24 184	0.33 191	0.23 215	0.31 216	0.24 209	0.32 211	0.24 208	0.32 219	0.23 209	0.32 224	0.25 216	0.32 222	0.24 204	0.27 195	0.26 195	0.27 205	0.26 227	0.27 192	0.27 214

RAFT + AFF	0.31 188	0.45 191	0.34 240	0.39 212	0.28 237	0.38 250	0.33 269	0.29 202	0.31 264	0.30 208	0.30 257	0.29 212	0.27 233	0.29 213	0.30 245	0.28 197	0.29 219	0.29 212	0.29 250	0.27 192	0.32 261

DCVSM-stereo	0.36 219	1.89 421	0.22 174	0.40 226	0.22 209	0.40 258	0.22 196	0.40 252	0.22 199	0.40 252	0.22 205	0.40 261	0.22 203	0.40 258	0.22 194	0.28 197	0.21 180	0.28 207	0.21 199	0.28 194	0.20 182

TorneroNet-64	0.45 273	0.27 132	0.30 206	0.58 303	0.27 232	0.70 375	0.30 245	0.28 197	0.73 410	0.73 378	0.28 240	0.71 378	0.66 380	0.75 380	0.27 218	0.27 195	0.29 219	0.37 264	0.75 415	0.28 194	0.30 245

SQANet	0.28 175	0.28 135	0.28 198	0.28 175	0.28 237	0.28 206	0.28 231	0.28 197	0.28 235	0.28 202	0.28 240	0.28 206	0.28 240	0.28 209	0.28 228	0.28 197	0.28 208	0.28 207	0.28 240	0.28 194	0.28 227

xxxxx1	0.31 188	0.91 274	0.23 177	0.31 183	0.23 215	0.31 216	0.23 204	0.33 215	0.25 213	0.31 213	0.24 216	0.33 227	0.25 216	0.32 222	0.24 204	0.28 197	0.28 208	0.28 207	0.28 240	0.29 197	0.27 214

tt_ll	0.31 188	0.91 274	0.23 177	0.31 183	0.23 215	0.31 216	0.23 204	0.33 215	0.25 213	0.31 213	0.24 216	0.33 227	0.25 216	0.32 222	0.24 204	0.28 197	0.28 208	0.28 207	0.28 240	0.29 197	0.27 214

ff	0.31 188	0.91 274	0.23 177	0.31 183	0.23 215	0.31 216	0.23 204	0.33 215	0.25 213	0.31 213	0.24 216	0.33 227	0.25 216	0.32 222	0.24 204	0.28 197	0.28 208	0.28 207	0.28 240	0.29 197	0.27 214

MultiAttention	0.30 181	0.30 138	0.30 206	0.30 177	0.30 256	0.30 210	0.30 245	0.30 204	0.30 252	0.30 208	0.30 257	0.30 216	0.30 254	0.30 215	0.30 245	0.30 205	0.30 228	0.30 214	0.30 264	0.30 200	0.30 245

MSAF-DinoV2	0.30 181	0.30 138	0.30 206	0.30 177	0.30 256	0.30 210	0.30 245	0.30 204	0.30 252	0.30 208	0.30 257	0.30 216	0.30 254	0.30 215	0.30 245	0.30 205	0.30 228	0.30 214	0.30 264	0.30 200	0.30 245

DEFOM-Stereo	0.68 334	3.11 497	1.40 496	1.63 470	0.25 222	0.31 216	0.25 212	0.31 209	0.28 235	0.31 213	0.29 245	0.29 212	0.27 233	0.31 219	0.28 228	1.59 488	1.47 501	0.30 214	0.29 250	0.30 200	0.28 227

WCG-NET（raft）	0.32 197	1.24 388	0.24 184	0.32 187	0.24 220	0.32 225	0.23 204	0.32 211	0.24 208	0.32 219	0.24 216	0.32 224	0.24 213	0.32 222	0.24 204	0.30 205	0.23 189	0.30 214	0.23 208	0.30 200	0.23 189

DANet	0.30 181	0.30 138	0.30 206	0.30 177	0.30 256	0.30 210	0.30 245	0.30 204	0.30 252	0.30 208	0.30 257	0.30 216	0.30 254	0.30 215	0.30 245	0.30 205	0.30 228	0.30 214	0.30 264	0.30 200	0.30 245
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DStereoO	0.31 188	0.31 141	0.31 218	0.30 177	0.40 323	0.31 216	0.30 245	0.30 204	0.34 285	0.29 207	0.31 265	0.29 212	0.30 254	0.31 219	0.31 253	0.31 211	0.29 219	0.31 221	0.30 264	0.31 205	0.31 254

DStereoSA	0.32 197	0.52 221	0.34 240	0.31 183	0.31 267	0.30 210	0.30 245	0.31 209	0.30 252	0.31 213	0.31 265	0.31 220	0.30 254	0.31 219	0.31 253	0.30 205	0.32 239	0.31 221	0.31 275	0.31 205	0.31 254

xyz-stereo-finetune	0.28 175	0.49 207	0.16 145	0.16 120	0.16 178	0.16 143	0.16 163	0.22 173	0.30 252	0.32 219	0.31 265	0.32 224	0.31 269	0.32 222	0.32 255	0.32 213	0.33 251	0.31 221	0.32 282	0.31 205	0.32 261

testlalala	0.32 197	0.81 255	0.31 218	0.39 212	0.26 230	0.33 228	0.24 209	0.33 215	0.26 226	0.32 219	0.26 228	0.33 227	0.23 209	0.33 229	0.23 200	0.35 231	0.31 234	0.30 214	0.24 216	0.31 205	0.21 184

DStereoFS	0.32 197	0.33 145	0.32 224	0.33 191	0.30 256	0.32 225	0.32 258	0.32 211	0.31 264	0.30 208	0.31 265	0.31 220	0.30 254	0.32 222	0.32 255	0.32 213	0.31 234	0.30 214	0.47 358	0.32 209	0.34 274

FE-Mocha	0.35 213	0.71 245	0.40 269	0.47 263	0.27 232	0.34 230	0.27 223	0.34 219	0.26 226	0.34 226	0.26 228	0.34 232	0.27 233	0.34 231	0.27 218	0.44 290	0.41 287	0.33 232	0.29 250	0.32 209	0.29 232

PAM	0.39 243	1.88 420	0.34 240	0.37 203	0.41 332	0.45 305	0.22 196	0.28 197	0.23 205	0.28 202	0.24 216	0.29 212	0.23 209	0.29 213	0.23 200	0.38 251	0.32 239	0.38 272	0.37 314	0.32 209	0.22 187

GCAP-BAT	0.33 202	0.78 249	0.32 224	0.38 206	0.25 222	0.34 230	0.25 212	0.34 219	0.26 226	0.34 226	0.25 222	0.35 234	0.26 225	0.35 234	0.27 218	0.36 236	0.30 228	0.32 224	0.24 216	0.32 209	0.26 206

1test111	0.37 225	1.02 309	0.30 206	0.39 212	0.29 246	0.40 258	0.28 231	0.39 245	0.29 241	0.39 246	0.29 245	0.39 253	0.28 240	0.40 258	0.29 238	0.33 218	0.32 239	0.33 232	0.31 275	0.32 209	0.31 254

cc1	0.37 225	1.02 309	0.30 206	0.39 212	0.29 246	0.40 258	0.28 231	0.39 245	0.29 241	0.39 246	0.29 245	0.39 253	0.28 240	0.40 258	0.29 238	0.33 218	0.32 239	0.33 232	0.31 275	0.32 209	0.31 254

IGEV-Stereo	0.35 213	0.44 183	0.45 288	0.49 274	0.30 256	0.37 243	0.30 245	0.36 227	0.30 252	0.36 234	0.29 245	0.36 240	0.29 247	0.36 240	0.30 245	0.46 297	0.39 275	0.32 224	0.24 216	0.32 209	0.25 200
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 175	0.32 143	0.24 184	0.32 187	0.25 222	0.32 225	0.24 209	0.32 211	0.24 208	0.33 224	0.24 216	0.35 234	0.24 213	0.33 229	0.24 204	0.31 211	0.24 191	0.32 224	0.24 216	0.32 209	0.24 199

ACVNet-DCA	0.37 225	1.00 297	0.30 206	0.40 226	0.29 246	0.40 258	0.29 240	0.40 252	0.29 241	0.40 252	0.29 245	0.40 261	0.29 247	0.39 255	0.28 228	0.33 218	0.32 239	0.33 232	0.32 282	0.33 217	0.32 261

DLNR_Zeroshot_test	0.31 188	0.28 135	0.47 299	0.79 335	0.24 220	0.30 210	0.26 220	0.30 204	0.24 208	0.32 219	0.23 209	0.31 220	0.24 213	0.30 215	0.23 200	0.29 204	0.26 195	0.29 212	0.24 216	0.33 217	0.23 189

CRFU-Net	0.65 327	1.67 406	1.22 474	1.96 480	0.27 232	0.41 274	0.27 223	0.41 267	0.27 232	0.40 252	0.26 228	0.41 274	0.27 233	0.40 258	0.27 218	1.80 495	1.62 515	0.34 240	0.23 208	0.33 217	0.23 189

FENet	0.54 308	1.52 402	1.19 424	1.41 458	0.23 215	0.35 235	0.23 204	0.35 223	0.23 205	0.34 226	0.23 209	0.35 234	0.23 209	0.35 234	0.23 200	1.40 478	1.07 410	0.32 224	0.23 208	0.33 217	0.23 189

H2IRNET	0.34 204	0.34 146	0.34 240	0.34 194	0.34 292	0.34 230	0.34 282	0.34 219	0.34 285	0.34 226	0.34 287	0.34 232	0.34 285	0.34 231	0.34 278	0.34 222	0.34 255	0.34 240	0.34 294	0.34 221	0.34 274

xx1	0.38 231	1.03 311	0.31 218	0.40 226	0.31 267	0.41 274	0.28 231	0.40 252	0.29 241	0.40 252	0.29 245	0.40 261	0.29 247	0.40 258	0.29 238	0.34 222	0.33 251	0.34 240	0.32 282	0.34 221	0.32 261

CASnet	0.35 213	0.51 219	0.44 286	0.32 187	0.31 267	0.24 186	0.34 282	0.36 227	0.25 213	0.31 213	0.37 306	0.30 216	0.33 280	0.25 191	0.45 332	0.37 240	0.37 262	0.33 232	0.35 306	0.34 221	0.37 291
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 373	1.91 424	0.92 400	4.48 549	0.02 21	0.40 258	0.04 80	0.41 267	0.02 21	0.48 312	0.03 52	0.41 274	0.05 93	0.03 39	0.05 87	1.97 506	4.19 575	0.33 232	0.23 208	0.34 221	0.27 214

NINENet	0.69 337	3.87 519	1.20 427	1.98 481	0.05 98	0.40 258	0.04 80	0.40 252	0.05 96	0.41 266	0.04 87	0.41 274	0.05 93	0.40 258	0.05 87	1.79 494	1.56 508	0.34 240	0.22 202	0.34 221	0.23 189

BSDual-CNN	0.81 365	1.91 424	0.92 400	4.48 549	0.02 21	0.42 294	0.06 108	0.41 267	0.02 21	0.48 312	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 506	4.19 575	0.33 232	0.23 208	0.34 221	0.27 214

hknet	1.10 418	1.85 417	3.49 572	4.48 549	0.02 21	0.42 294	0.06 108	0.41 267	0.02 21	0.48 312	0.03 52	0.41 274	0.03 52	0.42 286	0.03 48	4.39 561	4.19 575	0.33 232	0.23 208	0.34 221	0.27 214

iRaft-Stereo_5w	0.34 204	0.42 179	0.31 218	0.39 212	0.30 256	0.38 250	0.30 245	0.40 252	0.29 241	0.40 252	0.37 306	0.41 274	0.34 285	0.38 247	0.30 245	0.34 222	0.27 202	0.34 240	0.26 227	0.34 221	0.26 206

iRaft-Stereo_20w	0.34 204	0.41 172	0.31 218	0.39 212	0.29 246	0.40 258	0.32 258	0.41 267	0.32 269	0.38 240	0.30 257	0.39 253	0.30 254	0.38 247	0.32 255	0.35 231	0.27 202	0.34 240	0.27 235	0.34 221	0.29 232

HGLStereo	0.28 175	0.29 137	0.22 174	0.36 200	0.22 209	0.36 238	0.21 191	0.36 227	0.21 196	0.42 280	0.21 204	0.36 240	0.22 203	0.36 240	0.21 192	0.34 222	0.21 180	0.34 240	0.21 199	0.34 221	0.21 184

MLCV	0.31 188	0.35 147	0.27 194	0.35 196	0.28 237	0.35 235	0.27 223	0.35 223	0.28 235	0.36 234	0.27 233	0.35 234	0.27 233	0.35 234	0.27 218	0.34 222	0.27 202	0.34 240	0.27 235	0.34 221	0.27 214

DN-CSS_ROB	0.31 188	0.35 147	0.28 198	0.35 196	0.28 237	0.34 230	0.27 223	0.34 219	0.25 213	0.35 231	0.27 233	0.36 240	0.26 225	0.34 231	0.28 228	0.35 231	0.28 208	0.34 240	0.28 240	0.34 221	0.27 214

LG-Stereo_L2	0.34 204	0.37 152	0.38 257	0.47 263	0.28 237	0.39 256	0.28 231	0.39 245	0.28 235	0.39 246	0.28 240	0.39 253	0.28 240	0.38 247	0.28 228	0.42 288	0.35 257	0.36 261	0.26 227	0.35 233	0.26 206

MyStereo07	0.60 317	3.72 513	0.48 307	0.49 274	0.41 332	0.36 238	0.32 258	0.49 313	0.43 336	0.51 339	0.42 339	0.49 323	0.43 332	0.51 338	0.64 372	0.49 309	0.45 308	0.34 240	0.32 282	0.35 233	0.43 321

MyStereo04	0.56 315	3.72 513	0.59 338	0.49 274	0.41 332	0.36 238	0.32 258	0.37 233	0.31 264	0.34 226	0.46 349	0.35 234	0.32 272	0.35 234	0.33 265	0.49 309	0.45 308	0.34 240	0.32 282	0.35 233	0.43 321

HH	0.71 341	2.54 468	0.74 378	1.10 376	0.32 270	0.41 274	0.37 299	0.69 367	0.78 414	0.73 378	0.90 426	0.75 386	1.00 421	0.84 388	0.69 392	0.69 355	0.40 278	0.35 256	0.26 227	0.35 233	0.26 206

HanStereo	0.71 341	2.54 468	0.74 378	1.10 376	0.32 270	0.41 274	0.37 299	0.69 367	0.78 414	0.73 378	0.90 426	0.75 386	1.00 421	0.84 388	0.69 392	0.69 355	0.40 278	0.35 256	0.26 227	0.35 233	0.26 206

FCDSN-DC	0.41 254	0.59 236	0.64 349	0.54 294	0.33 282	0.50 334	0.37 299	0.42 285	0.40 319	0.61 363	0.43 341	0.50 338	0.49 354	0.38 247	0.32 255	0.28 197	0.23 189	0.26 201	0.22 202	0.35 233	0.28 227
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 213	0.35 147	0.35 248	0.35 196	0.35 295	0.35 235	0.35 287	0.35 223	0.35 289	0.35 231	0.35 296	0.35 234	0.35 291	0.35 234	0.35 282	0.35 231	0.35 257	0.35 256	0.35 306	0.35 233	0.35 284

Monster-pub-mixall	0.44 270	0.56 232	0.60 340	0.38 206	0.27 232	0.37 243	0.27 223	0.37 233	0.29 241	0.38 240	0.27 233	0.38 248	0.29 247	0.85 392	0.27 218	1.46 482	0.26 195	0.34 240	0.26 227	0.36 240	0.53 352

Replicate-Monster	0.45 273	0.57 233	0.60 340	0.40 226	0.29 246	0.37 243	0.27 223	0.37 233	0.30 252	0.40 252	0.31 265	0.40 261	0.30 254	0.99 410	0.27 218	1.36 475	0.31 234	0.34 240	0.30 264	0.36 240	0.54 355

Any-RAFT	0.32 197	0.36 150	0.27 194	0.36 200	0.27 232	0.36 238	0.27 223	0.36 227	0.27 232	0.36 234	0.27 233	0.36 240	0.27 233	0.36 240	0.28 228	0.36 236	0.28 208	0.36 261	0.28 240	0.36 240	0.28 227

DMCA	0.36 219	0.38 156	0.37 254	0.35 196	0.35 295	0.36 238	0.36 293	0.36 227	0.35 289	0.35 231	0.37 306	0.36 240	0.36 294	0.35 234	0.36 285	0.36 236	0.36 260	0.35 256	0.36 312	0.36 240	0.36 287

HiDET	0.38 231	0.44 183	0.30 206	0.42 248	0.30 256	0.42 294	0.30 245	0.42 285	0.30 252	0.44 291	0.30 257	0.42 292	0.30 254	0.42 286	0.68 384	0.37 240	0.32 239	0.40 288	0.29 250	0.37 244	0.29 232

LCMNet	0.38 231	0.44 183	0.30 206	0.42 248	0.30 256	0.42 294	0.30 245	0.42 285	0.30 252	0.45 293	0.30 257	0.42 292	0.30 254	0.42 286	0.69 392	0.37 240	0.32 239	0.40 288	0.29 250	0.37 244	0.29 232

CSFM-Stereo	0.38 231	0.44 183	0.30 206	0.42 248	0.30 256	0.42 294	0.30 245	0.43 291	0.30 252	0.44 291	0.30 257	0.42 292	0.30 254	0.42 286	0.73 402	0.37 240	0.32 239	0.40 288	0.29 250	0.37 244	0.30 245

Monster-pub-eth3d	0.45 273	0.57 233	0.60 340	0.39 212	0.28 237	0.37 243	0.28 231	0.37 233	0.30 252	0.39 246	0.29 245	0.39 253	0.30 254	0.92 402	0.27 218	1.42 479	0.28 208	0.34 240	0.28 240	0.37 244	0.53 352

GIP-stereo	0.36 219	0.49 207	0.39 264	0.48 268	0.32 270	0.41 274	0.28 231	0.40 252	0.30 252	0.41 266	0.28 240	0.40 261	0.28 240	0.42 286	0.28 228	0.45 293	0.32 239	0.38 272	0.30 264	0.37 244	0.27 214

fffy	0.38 231	0.43 180	0.33 230	0.46 257	0.33 282	0.45 305	0.32 258	0.45 295	0.32 269	0.45 293	0.32 272	0.45 302	0.33 280	0.45 298	0.32 255	0.38 251	0.38 268	0.38 272	0.37 314	0.37 244	0.36 287

IGEV++	0.34 204	0.43 180	0.30 206	0.40 226	0.29 246	0.40 258	0.29 240	0.40 252	0.29 241	0.40 252	0.29 245	0.40 261	0.29 247	0.40 258	0.30 245	0.38 251	0.29 219	0.37 264	0.29 250	0.37 244	0.29 232

Venus	0.38 231	0.38 156	0.38 257	0.38 206	0.38 312	0.37 243	0.38 305	0.37 233	0.37 301	0.41 266	0.37 306	0.39 253	0.37 299	0.38 247	0.38 297	0.37 240	0.38 268	0.38 272	0.37 314	0.37 244	0.38 298

EKT-Stereo	0.37 225	0.40 164	0.44 286	1.07 374	0.29 246	0.34 230	0.31 256	0.36 227	0.29 241	0.38 240	0.31 265	0.37 246	0.30 254	0.36 240	0.29 238	0.34 222	0.28 208	0.39 283	0.30 264	0.37 244	0.30 245

CES	0.39 243	0.47 199	0.36 250	0.36 200	0.37 305	0.45 305	0.35 287	0.35 223	0.40 319	0.36 234	0.44 343	0.47 312	0.36 294	0.44 295	0.36 285	0.37 240	0.39 275	0.44 319	0.35 306	0.37 244	0.36 287

IER	0.88 388	7.04 560	2.23 545	2.75 507	0.28 237	0.43 301	0.25 212	0.39 245	0.25 213	0.41 266	0.27 233	0.39 253	0.25 216	0.40 258	0.28 228	0.37 240	0.28 208	0.37 264	0.25 221	0.37 244	0.25 200

StereoDRNet-Refined	0.33 202	0.39 162	0.26 193	0.39 212	0.26 230	0.40 258	0.26 220	0.40 252	0.26 226	0.39 246	0.26 228	0.39 253	0.26 225	0.39 255	0.26 217	0.37 240	0.25 192	0.37 264	0.25 221	0.37 244	0.37 291
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 225	0.37 152	0.37 254	0.37 203	0.37 305	0.37 243	0.37 299	0.37 233	0.37 301	0.37 239	0.37 306	0.37 246	0.37 299	0.37 244	0.37 294	0.37 240	0.37 262	0.37 264	0.37 314	0.37 244	0.37 291

MonSter++	0.38 231	0.44 183	0.31 218	0.43 254	0.30 256	0.43 301	0.31 256	0.43 291	0.31 264	0.45 293	0.31 265	0.43 299	0.31 269	0.43 292	0.69 392	0.38 251	0.33 251	0.40 288	0.30 264	0.38 257	0.30 245

IGEV-FE	0.35 213	0.37 152	0.17 152	0.19 133	0.17 182	0.20 163	0.17 171	0.19 155	0.17 180	0.19 154	0.17 178	0.19 158	0.17 180	0.37 244	0.36 285	0.19 154	0.17 165	0.19 166	0.17 189	0.38 257	2.84 560

RAFT-Stereo-weight	0.45 273	1.90 423	0.34 240	0.42 248	0.36 301	0.43 301	0.35 287	0.42 285	0.34 285	0.42 280	0.34 287	0.44 300	0.34 285	0.41 273	0.34 278	0.38 251	0.32 239	0.38 272	0.32 282	0.38 257	0.33 268

WAO-8	0.38 231	0.38 156	0.38 257	0.38 206	0.38 312	0.38 250	0.38 305	0.38 241	0.38 305	0.38 240	0.38 311	0.38 248	0.38 303	0.38 247	0.38 297	0.38 251	0.38 268	0.38 272	0.37 314	0.38 257	0.38 298

WAO-7	0.38 231	0.38 156	0.38 257	0.38 206	0.38 312	0.38 250	0.38 305	0.38 241	0.38 305	0.38 240	0.38 311	0.38 248	0.38 303	0.38 247	0.38 297	0.38 251	0.38 268	0.38 272	0.38 327	0.38 257	0.38 298

HanzoNet	0.39 243	0.38 156	0.40 269	0.39 212	0.41 332	0.38 250	0.38 305	0.38 241	0.38 305	0.39 246	0.39 320	0.38 248	0.38 303	0.39 255	0.40 312	0.38 251	0.38 268	0.40 288	0.38 327	0.38 257	0.40 306

IMH	0.38 231	0.38 156	0.38 257	0.38 206	0.38 312	0.38 250	0.38 305	0.38 241	0.38 305	0.42 280	0.38 311	0.40 261	0.38 303	0.38 247	0.38 297	0.38 251	0.38 268	0.39 283	0.38 327	0.38 257	0.38 298

RAFT-Test	0.36 219	0.37 152	0.33 230	0.41 238	0.32 270	0.41 274	0.32 258	0.41 267	0.32 269	0.41 266	0.32 272	0.41 274	0.32 272	0.41 273	0.33 265	0.37 240	0.29 219	0.37 264	0.29 250	0.38 257	0.31 254

RCA-Stereo	0.51 303	3.22 501	0.34 240	0.44 255	0.34 292	0.44 304	0.34 282	0.43 291	0.34 285	0.43 286	0.34 287	0.44 300	0.33 280	0.43 292	0.33 265	0.38 251	0.29 219	0.38 272	0.29 250	0.38 257	0.29 232

DDF-Stereo	0.43 265	1.15 327	0.57 336	0.53 291	0.32 270	0.41 274	0.32 258	0.41 267	0.32 269	0.41 266	0.32 272	0.41 274	0.32 272	0.40 258	0.32 255	0.52 323	0.50 331	0.38 272	0.31 275	0.39 266	0.31 254

water-stereo	0.41 254	0.84 259	0.46 292	0.50 281	0.33 282	0.45 305	0.33 269	0.45 295	0.32 269	0.45 293	0.32 272	0.45 302	0.32 272	0.45 298	0.32 255	0.44 290	0.41 287	0.39 283	0.31 275	0.39 266	0.32 261

mms	0.40 247	0.45 191	0.35 248	0.48 268	0.36 301	0.47 316	0.34 282	0.45 295	0.38 305	0.47 305	0.33 279	0.45 302	0.32 272	0.45 298	0.32 255	0.39 262	0.38 268	0.38 272	0.37 314	0.39 266	0.39 304

GMOStereo	0.37 225	0.45 191	0.23 177	0.30 177	0.37 305	0.41 274	0.36 293	0.41 267	0.35 289	0.43 286	0.36 299	0.41 274	0.40 312	0.41 273	0.36 285	0.34 222	0.22 184	0.47 336	0.37 314	0.39 266	0.33 268

error version	0.93 398	4.47 532	2.35 548	1.99 482	0.37 305	0.41 274	0.36 293	0.41 267	0.35 289	0.43 286	0.36 299	0.41 274	0.40 312	0.41 273	0.36 285	1.87 498	2.16 543	0.47 336	0.37 314	0.39 266	0.33 268

test_1	0.93 398	4.47 532	2.35 548	1.99 482	0.37 305	0.41 274	0.36 293	0.41 267	0.35 289	0.43 286	0.36 299	0.41 274	0.40 312	0.41 273	0.36 285	1.87 498	2.16 543	0.47 336	0.37 314	0.39 266	0.33 268

HART	0.38 231	0.45 191	0.34 240	0.42 248	0.33 282	0.41 274	0.34 282	0.42 285	0.33 276	0.43 286	0.34 287	0.42 292	0.34 285	0.41 273	0.38 297	0.40 266	0.32 239	0.42 316	0.32 282	0.40 272	0.32 261

RSM	0.36 219	0.36 150	0.43 284	0.37 203	0.42 342	0.49 326	0.42 332	0.37 233	0.28 235	0.36 234	0.29 245	0.36 240	0.30 254	0.37 244	0.28 228	0.34 222	0.31 234	0.34 240	0.35 306	0.40 272	0.29 232

knoymous	0.40 247	0.40 164	0.40 269	0.40 226	0.40 323	0.40 258	0.40 319	0.40 252	0.40 319	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 331	0.40 272	0.40 306

anonymousa	0.40 247	0.40 164	0.40 269	0.40 226	0.40 323	0.40 258	0.40 319	0.40 252	0.40 319	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 331	0.40 272	0.40 306

riskmin	0.40 247	0.40 164	0.40 269	0.40 226	0.40 323	0.40 258	0.40 319	0.40 252	0.40 319	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 331	0.40 272	0.40 306

Anonymous_2	0.40 247	0.40 164	0.40 269	0.40 226	0.40 323	0.40 258	0.40 319	0.40 252	0.40 319	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 331	0.40 272	0.40 306

Anonymous_1	0.40 247	0.40 164	0.40 269	0.40 226	0.40 323	0.40 258	0.40 319	0.40 252	0.40 319	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 331	0.40 272	0.40 306

DGSMNet	0.34 204	0.41 172	0.27 194	0.41 238	0.28 237	0.41 274	0.28 231	0.41 267	0.27 232	0.41 266	0.27 233	0.42 292	0.27 233	0.41 273	0.28 228	0.40 266	0.29 219	0.40 288	0.28 240	0.40 272	0.27 214

Gwc-CoAtRS	0.41 254	1.49 401	0.32 224	0.42 248	0.32 270	0.41 274	0.32 258	0.41 267	0.33 276	0.41 266	0.32 272	0.41 274	0.32 272	0.41 273	0.32 255	0.39 262	0.28 208	0.39 283	0.28 240	0.40 272	0.28 227

AdaStereo	0.40 247	0.40 164	0.40 269	0.40 226	0.40 323	0.40 258	0.40 319	0.40 252	0.40 319	0.40 252	0.40 323	0.40 261	0.40 312	0.40 258	0.40 312	0.40 266	0.40 278	0.40 288	0.40 331	0.40 272	0.40 306
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	0.44 270	0.85 261	0.46 292	0.54 294	0.40 323	0.52 349	0.38 305	0.52 338	0.35 289	0.47 305	0.34 287	0.46 306	0.34 285	0.47 307	0.34 278	0.45 293	0.43 300	0.41 305	0.33 290	0.41 282	0.32 261

GREAT-IGEV	0.38 231	0.43 180	0.36 250	0.48 268	0.32 270	0.45 305	0.32 258	0.45 295	0.32 269	0.45 293	0.32 272	0.45 302	0.32 272	0.45 298	0.32 255	0.44 290	0.33 251	0.41 305	0.29 250	0.41 282	0.29 232

ccccc		0.44 183		0.48 268	0.35 295	0.48 321		0.51 334		0.47 305		0.47 312		0.47 307		0.41 274	0.40 278	0.40 288	0.40 331	0.41 282

Former-RAFT_DAM_RVC	0.49 296	0.98 288	0.64 349	0.84 342	0.46 350	0.45 305	0.35 287	0.47 305	0.47 347	0.45 293	0.34 287	0.46 306	0.48 349	0.46 303	0.35 282	0.39 262	0.71 378	0.39 283	0.35 306	0.41 282	0.41 313

GwcNet-ADL	0.41 254	0.41 172	0.41 278	0.41 238	0.41 332	0.41 274	0.41 327	0.41 267	0.41 328	0.41 266	0.41 329	0.41 274	0.41 323	0.41 273	0.41 319	0.41 274	0.41 287	0.41 305	0.41 338	0.41 282	0.41 313

PSMNet-ADL	0.41 254	0.41 172	0.41 278	0.41 238	0.41 332	0.41 274	0.41 327	0.41 267	0.41 328	0.41 266	0.41 329	0.41 274	0.41 323	0.41 273	0.41 319	0.41 274	0.41 287	0.41 305	0.41 338	0.41 282	0.41 313

GANet-ADL	0.41 254	0.41 172	0.41 278	0.41 238	0.41 332	0.41 274	0.41 327	0.41 267	0.41 328	0.41 266	0.41 329	0.41 274	0.41 323	0.41 273	0.41 319	0.41 274	0.41 287	0.41 305	0.41 338	0.41 282	0.41 313

ADLNet2	0.41 254	0.41 172	0.41 278	0.41 238	0.41 332	0.41 274	0.41 327	0.41 267	0.41 328	0.41 266	0.41 329	0.41 274	0.41 323	0.41 273	0.41 319	0.41 274	0.41 287	0.41 305	0.41 338	0.41 282	0.41 313

ADLNet	0.41 254	0.41 172	0.41 278	0.41 238	0.41 332	0.41 274	0.41 327	0.41 267	0.41 328	0.41 266	0.41 329	0.41 274	0.41 323	0.41 273	0.41 319	0.41 274	0.41 287	0.41 305	0.41 338	0.41 282	0.41 313

CFNet-RSSM	0.91 391	4.89 537	0.34 240	0.44 255	1.07 447	1.62 502	1.40 515	0.91 390	0.35 289	1.60 494	1.39 515	0.64 371	0.34 285	0.44 295	0.33 265	0.41 274	0.35 257	0.75 388	0.30 264	0.41 282	0.29 232

SCV_C0	0.45 273	0.88 266	0.49 314	0.54 294	0.37 305	0.48 321	0.37 299	0.48 309	0.37 301	0.48 312	0.36 299	0.48 319	0.37 299	0.49 322	0.37 294	0.50 315	0.41 287	0.44 319	0.34 294	0.44 292	0.34 274

SCV	0.46 279	0.94 283	0.45 288	0.54 294	0.37 305	0.48 321	0.38 305	0.48 309	0.37 301	0.48 312	0.39 320	0.48 319	0.37 299	0.49 322	0.37 294	0.50 315	0.46 310	0.44 319	0.34 294	0.44 292	0.34 274

GCST	0.50 298	2.08 434	0.38 257	0.53 291	0.35 295	0.49 326	0.35 287	0.50 321	0.35 289	0.49 319	0.35 296	0.49 323	0.35 291	0.49 322	0.35 282	0.48 306	0.37 262	0.45 323	0.33 290	0.44 292	0.33 268

LL-Strereo2	0.48 290	1.73 413	0.51 324	0.59 306	0.34 292	0.42 294	0.33 269	0.40 252	0.31 264	0.42 280	0.33 279	0.42 292	0.31 269	0.44 295	0.39 308	0.60 339	0.51 336	0.44 319	0.33 290	0.44 292	0.33 268

Select-FE	0.41 254	0.44 183	0.23 177	0.26 171	0.22 209	0.26 201	0.22 196	0.26 193	0.23 205	0.26 198	0.23 209	0.26 203	0.23 209	0.45 298	0.42 327	0.25 190	0.22 184	0.25 196	0.22 202	0.45 296	2.90 561

Zero-FE251	0.36 219	0.40 164	0.28 198	0.41 238	0.28 237	0.41 274	0.28 231	0.41 267	0.28 235	0.41 266	0.28 240	0.41 274	0.28 240	0.42 286	0.30 245	0.37 240	0.26 195	0.37 264	0.27 235	0.45 296	0.56 363

UGAM	0.51 303	2.23 447	0.39 264	0.54 294	0.35 295	0.50 334	0.35 287	0.49 313	0.35 289	0.49 319	0.35 296	0.49 323	0.36 294	0.50 329	0.36 285	0.49 309	0.37 262	0.45 323	0.34 294	0.45 296	0.34 274

GEAStereo	0.62 322	3.91 520	0.48 307	0.69 322	0.38 312	0.51 346	0.38 305	0.51 334	0.38 305	0.53 345	0.38 311	0.50 338	0.38 303	0.51 338	0.38 297	0.54 327	0.43 300	0.46 327	0.34 294	0.46 299	0.34 274

GSStereo	0.81 365	4.28 530	0.50 318	0.59 306	0.40 323	0.51 346	0.38 305	0.50 321	0.38 305	0.50 332	0.38 311	0.50 338	3.79 576	0.50 329	0.38 297	0.54 327	0.43 300	0.46 327	0.34 294	0.46 299	0.35 284

GS-Stereo							0.38 305	0.50 321	0.38 305	0.50 332	0.38 311	0.50 338	3.79 576	0.50 329	0.38 297	0.54 327	0.43 300	0.46 327	0.34 294	0.46 299	0.35 284

gasm-f	0.62 322	3.91 520	0.48 307	0.69 322	0.38 312	0.51 346	0.38 305	0.51 334	0.38 305	0.53 345	0.38 311	0.50 338	0.38 303	0.51 338	0.38 297	0.54 327	0.43 300	0.46 327	0.34 294	0.46 299	0.34 274

GASTEREO	0.48 290	1.21 380	0.47 299	0.57 301	0.38 312	0.50 334	0.38 305	0.50 321	0.38 305	0.50 332	0.38 311	0.50 338	0.38 303	0.50 329	0.38 297	0.52 323	0.42 296	0.46 327	0.34 294	0.46 299	0.34 274

UGAM-zero	0.51 303	2.17 442	0.39 264	0.53 291	0.36 301	0.50 334	0.36 293	0.50 321	0.36 299	0.49 319	0.36 299	0.50 338	0.35 291	0.50 329	0.36 285	0.49 309	0.37 262	0.47 336	0.35 306	0.46 299	0.34 274

otaku	0.46 279	0.46 195	0.46 292	0.46 257	0.46 350	0.46 311	0.46 342	0.46 299	0.46 342	0.46 299	0.46 349	0.46 306	0.46 340	0.46 303	0.46 336	0.46 297	0.46 310	0.46 327	0.46 351	0.46 299	0.46 327

Ntro	0.47 285	0.47 199	0.46 292	0.46 257	0.46 350	0.47 316	0.47 347	0.46 299	0.47 347	0.46 299	0.46 349	0.47 312	0.46 340	0.47 307	0.47 343	0.47 302	0.46 310	0.46 327	0.46 351	0.46 299	0.46 327

Dean	0.46 279	0.46 195	0.46 292	0.46 257	0.46 350	0.46 311	0.46 342	0.46 299	0.46 342	0.47 305	0.46 349	0.46 306	0.46 340	0.46 303	0.46 336	0.46 297	0.46 310	0.46 327	0.46 351	0.46 299	0.46 327

ACVNet_1	0.46 279	0.47 199	0.46 292	0.46 257	0.46 350	0.46 311	0.46 342	0.46 299	0.47 347	0.46 299	0.46 349	0.46 306	0.46 340	0.46 303	0.46 336	0.46 297	0.46 310	0.47 336	0.46 351	0.46 299	0.46 327

ACVNet-4b	0.46 279	0.46 195	0.46 292	0.46 257	0.46 350	0.46 311	0.46 342	0.46 299	0.46 342	0.46 299	0.46 349	0.46 306	0.46 340	0.47 307	0.46 336	0.46 297	0.46 310	0.46 327	0.46 351	0.46 299	0.46 327

Selective-IGEV	0.51 303	0.55 230	0.45 288	0.69 322	0.45 348	0.61 365	0.45 340	0.50 321	0.40 319	0.56 355	0.44 343	0.55 357	0.40 312	0.72 375	0.67 377	0.59 338	0.46 310	0.45 323	0.34 294	0.46 299	0.37 291

DilatedVolume-Stereo	0.43 265	0.86 262	0.48 307	0.50 281	0.33 282	0.46 311	0.33 269	0.46 299	0.33 276	0.46 299	0.33 279	0.47 312	0.33 280	0.47 307	0.34 278	0.45 293	0.42 296	0.40 288	0.33 290	0.47 311	0.38 298

HaxPig	0.47 285	0.47 199	0.47 299	0.49 274	0.47 356	0.47 316	0.47 347	0.47 305	0.47 347	0.47 305	0.47 357	0.47 312	0.47 348	0.47 307	0.47 343	0.47 302	0.47 318	0.47 336	0.47 358	0.47 311	0.48 336

UNDER WATER	0.47 285	0.47 199	0.47 299	0.47 263	0.47 356	0.47 316	0.47 347	0.47 305	0.47 347	0.47 305	0.47 357	0.47 312	0.46 340	0.47 307	0.47 343	0.47 302	0.47 318	0.47 336	0.46 351	0.47 311	0.47 334

LVE	0.47 285	0.47 199	0.47 299	0.47 263	0.49 362	0.47 316	0.47 347	0.47 305	0.49 356	0.47 305	0.47 357	0.47 312	0.46 340	0.47 307	0.47 343	0.47 302	0.47 318	0.48 344	0.47 358	0.47 311	0.47 334

MSCF	0.51 303	1.40 398	0.49 314	0.58 303	0.38 312	0.50 334	0.38 305	0.54 342	0.41 328	0.52 342	0.41 329	0.53 350	0.42 329	0.53 345	0.41 319	0.60 339	0.47 318	0.48 344	0.37 314	0.48 315	0.38 298

gcap-zeroshot	0.35 213	0.32 143	0.37 254	0.49 274	0.39 321	0.33 228	0.21 191	0.26 193	0.35 289	0.42 280	0.34 287	0.49 323	0.29 247	0.47 307	0.39 308	0.34 222	0.17 165	0.38 272	0.23 208	0.48 315	0.34 274

RainbowNet	0.48 290	0.48 205	0.48 307	0.48 268	0.48 360	0.48 321	0.48 356	0.48 309	0.48 354	0.48 312	0.48 361	0.48 319	0.48 349	0.48 316	0.48 349	0.48 306	0.48 322	0.48 344	0.48 362	0.48 315	0.48 336

notaker	0.48 290	0.49 207	0.48 307	0.48 268	0.48 360	0.48 321	0.48 356	0.48 309	0.49 356	0.48 312	0.48 361	0.48 319	0.48 349	0.48 316	0.48 349	0.48 306	0.48 322	0.48 344	0.48 362	0.48 315	0.49 341

LG-Stereo_L1	0.47 285	0.52 221	0.47 299	0.62 311	0.39 321	0.53 351	0.40 319	0.53 340	0.39 318	0.53 345	0.39 320	0.53 350	0.39 311	0.53 345	0.39 308	0.55 333	0.46 310	0.49 349	0.37 314	0.49 319	0.37 291

TorneroNet	0.66 329	0.53 225	0.50 318	0.50 281	0.64 390	1.06 421	0.70 398	0.50 321	0.51 366	0.49 319	0.69 402	0.49 323	0.50 357	0.48 316	1.15 443	0.71 359	0.49 325	1.14 437	1.08 441	0.49 319	0.49 341

ACVNet_2	0.49 296	0.49 207	0.49 314	0.49 274	0.49 362	0.49 326	0.49 358	0.49 313	0.49 356	0.49 319	0.49 364	0.49 323	0.49 354	0.49 322	0.49 351	0.49 309	0.49 325	0.49 349	0.49 365	0.49 319	0.49 341

iRaftStereo_RVC	0.97 402	3.17 500	2.30 547	2.42 499	0.38 312	0.54 354	0.38 305	0.54 342	0.38 305	0.54 350	0.38 311	0.54 353	0.38 303	0.54 347	0.38 297	2.38 532	2.34 547	0.49 349	0.36 312	0.49 319	0.36 287

aanetorigin	0.13 103	0.11 79	0.11 89	0.11 75	0.11 137	0.11 123	0.11 132	0.11 123	0.11 134	0.11 124	0.12 145	0.11 124	0.11 133	0.11 125	0.11 127	0.11 88	0.11 97	0.14 128	0.11 130	0.49 319	0.11 129

FoundationStereo	0.50 298	0.50 211	0.50 318	0.50 281	0.50 366	0.50 334	0.50 360	0.50 321	0.50 359	0.50 332	0.50 366	0.50 338	0.50 357	0.50 329	0.50 352	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 344

StereoAnything_RVC	0.50 298	0.50 211	0.50 318	0.50 281	0.50 366	0.50 334	0.50 360	0.50 321	0.50 359	0.50 332	0.50 366	0.50 338	0.50 357	0.50 329	0.50 352	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 344

fffft	0.48 290	0.51 219	0.45 288	0.52 290	0.45 348	0.52 349	0.45 340	0.52 338	0.48 354	0.53 345	0.45 347	0.52 349	0.45 337	0.52 343	0.46 336	0.51 321	0.41 287	0.50 353	0.41 338	0.50 324	0.41 313
1: 1. 1
dual_stereo	0.50 298	0.50 211	0.50 318	0.50 281	0.50 366	0.50 334	0.50 360	0.50 321	0.50 359	0.50 332	0.50 366	0.50 338	0.50 357	0.50 329	0.50 352	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 344

KSHMR	0.66 329	0.50 211	0.48 307	1.15 384	0.52 372	0.49 326	0.51 364	0.49 313	0.71 404	0.67 373	0.50 366	1.16 438	1.11 431	0.66 368	0.52 359	0.49 309	0.49 325	0.51 358	0.66 398	0.50 324	1.14 440

SANet	0.50 298	0.50 211	0.50 318	0.50 281	0.50 366	0.50 334	0.50 360	0.50 321	0.50 359	0.50 332	0.50 366	0.50 338	0.50 357	0.50 329	0.50 352	0.50 315	0.50 331	0.50 353	0.50 367	0.50 324	0.50 344

LG-Stereo_Zeroshot	0.48 290	0.55 230	0.47 299	0.63 313	0.41 332	0.56 356	0.44 335	0.56 346	0.41 328	0.56 355	0.41 329	0.57 362	0.42 329	0.56 352	0.41 319	0.55 333	0.43 300	0.51 358	0.37 314	0.51 330	0.37 291

Occ-G	1.12 421	0.52 221	3.72 577	3.50 537	0.50 366	0.56 356	0.47 347	0.54 342	0.46 342	0.54 350	0.41 329	0.54 353	0.42 329	0.52 343	0.42 327	3.42 554	4.02 574	0.52 361	0.45 349	0.51 330	0.44 324

FSD					0.44 345	0.56 356	0.44 335	0.55 345	0.44 339	0.56 355	0.44 343	0.56 360	0.44 334	0.56 352	0.46 336	0.61 343	0.42 296	0.52 361	0.42 346	0.52 332

LG-Stereo	0.60 317	0.58 235	0.47 299	0.64 316	0.74 409	1.00 406	0.69 394	0.57 349	0.41 328	0.57 358	0.41 329	0.57 362	0.41 323	1.00 412	0.75 407	0.91 382	0.51 336	0.52 361	0.37 314	0.52 332	0.37 291

ktn	0.72 344	0.53 225	1.08 413	1.14 382	0.51 371	1.22 482	1.36 508	0.51 334	0.59 374	0.51 339	0.51 372	0.69 377	1.20 442	0.67 370	0.51 357	0.51 321	0.49 325	0.58 368	0.66 398	0.52 332	0.53 352

LL-Strereo	1.01 411	5.06 539	1.63 509	0.70 326	1.43 515	0.56 356	0.46 342	0.57 349	0.50 359	0.57 358	0.50 366	1.58 498	0.49 354	0.59 359	0.50 352	1.64 491	0.52 338	0.51 358	1.37 510	0.52 332	0.45 326

PML	0.46 279	1.36 396	0.29 202	0.58 303	0.30 256	0.57 362	0.29 240	0.57 349	0.29 241	0.57 358	0.29 245	0.57 362	0.29 247	0.56 352	0.29 238	0.52 323	0.30 228	0.53 364	0.31 275	0.53 336	0.30 245

PSMNet_ROB	0.54 308	0.54 228	0.54 332	0.54 294	0.53 375	0.54 354	0.54 368	0.53 340	0.54 369	0.54 350	0.54 376	0.54 353	0.53 364	0.54 347	0.54 362	0.54 327	0.53 340	0.54 365	0.54 373	0.54 337	0.54 355

252Zero-FE	0.45 273	0.50 211	0.36 250	0.50 281	0.36 301	0.50 334	0.36 293	0.50 321	0.36 299	0.49 319	0.36 299	0.49 323	0.36 294	0.54 347	0.41 319	0.45 293	0.34 255	0.45 323	0.34 294	0.55 338	0.75 401

MyStereo8	0.71 341	3.92 522	0.52 327	0.59 306	0.52 372	0.57 362	0.53 366	0.59 354	0.50 359	0.59 362	0.51 372	0.57 362	0.50 357	0.56 352	0.52 359	0.54 327	0.49 325	0.54 365	0.49 365	0.55 338	0.50 344

AIO-test1	0.54 308	0.60 238	0.52 327	0.66 320	0.47 356	0.61 365	0.47 347	0.58 352	0.46 342	0.61 363	0.46 349	0.61 368	0.45 337	0.62 361	0.45 332	0.61 343	0.52 338	0.57 367	0.48 362	0.57 340	0.48 336

AIO-test2	0.55 313	0.59 236	0.52 327	0.67 321	0.47 356	0.61 365	0.47 347	0.61 358	0.47 347	0.61 363	0.47 357	0.61 368	0.48 349	0.62 361	0.47 343	0.64 349	0.53 340	0.58 368	0.47 358	0.58 341	0.48 336

MonSter	0.60 317	0.64 241	0.52 327	0.62 311	0.44 345	2.07 517	0.44 335	0.62 359	0.44 339	0.62 366	0.44 343	0.62 370	0.44 334	0.62 361	0.44 331	0.58 337	0.42 296	0.62 371	0.46 351	0.58 341	0.42 320

WCG-NET	0.61 320	1.21 380	0.54 332	0.61 310	0.53 375	0.67 373	0.53 366	0.66 364	0.53 367	0.64 369	0.53 375	0.65 374	0.53 364	0.59 359	0.52 359	0.65 350	0.48 322	0.64 374	0.52 371	0.58 341	0.50 344

CASS	0.57 316	0.89 269	0.56 334	0.57 301	0.56 378	0.56 356	0.56 369	0.56 346	0.53 367	0.57 358	0.57 378	0.59 366	0.48 349	0.56 352	0.57 365	0.55 333	0.56 344	0.47 336	0.56 378	0.62 344	0.56 363
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SMoEStereo_RVC	0.63 324	0.75 248	0.51 324	0.73 331	0.53 375	0.71 377	0.47 347	0.67 365	0.58 372	0.74 383	0.60 379	0.72 381	0.53 364	0.74 379	0.51 357	0.61 343	0.62 356	0.62 371	0.61 385	0.63 345	0.61 369

DispNO	1.00 405	0.63 239	0.43 284	3.45 533	0.44 345	0.65 371	0.43 334	0.64 361	0.43 336	0.64 369	0.43 341	0.64 371	3.03 554	0.64 366	0.43 330	4.55 564	0.43 300	0.63 373	0.43 347	0.63 345	0.43 321

test-3	0.98 404	4.13 526	1.85 529	1.85 473	0.61 386	0.69 374	0.37 299	0.63 360	0.61 377	0.66 372	0.51 372	0.73 383	0.44 334	0.57 357	0.54 362	1.68 492	1.81 527	0.40 288	0.43 347	0.66 347	0.50 344

DSFCA	0.66 329	0.73 247	0.78 384	0.65 317	0.65 392	0.64 370	0.64 377	0.65 362	0.63 380	0.64 369	0.64 387	0.64 371	0.64 375	0.65 367	0.65 373	0.65 350	0.65 360	0.65 377	0.65 396	0.66 347	0.64 379

999	1.00 405	1.12 323	0.59 338	1.10 376	1.21 505	1.09 426	0.52 365	1.08 414	1.43 517	1.18 436	1.35 509	0.98 412	0.52 363	0.91 398	0.85 418	0.72 360	1.46 500	0.83 403	0.98 433	0.68 349	1.41 512

anonymity	0.63 324	0.69 243	0.56 334	0.71 328	0.56 378	0.71 377	0.56 369	0.71 370	0.56 370	0.72 377	0.56 377	0.71 378	0.56 368	0.71 373	0.58 366	0.68 354	0.55 342	0.68 379	0.55 374	0.68 349	0.54 355

LMCR-Stereo	0.65 327	0.63 239	0.65 352	0.65 317	0.65 392	0.66 372	0.63 376	0.58 352	0.65 382	0.63 368	0.64 387	0.65 374	0.65 377	0.66 368	0.66 376	0.66 352	0.64 358	0.65 377	0.67 402	0.68 349	0.73 397

FC-DCNN	1.07 416	1.09 320	0.98 405	0.89 346	0.52 372	1.41 495	0.91 423	1.21 475	1.24 503	1.96 506	2.05 560	1.91 507	1.30 495	1.27 489	1.08 437	0.80 368	0.60 351	0.58 368	0.41 338	0.68 349	0.54 355

DMCA-RVC	0.70 338	0.80 252	0.70 367	0.70 326	0.70 402	0.70 375	0.70 398	0.71 370	0.70 399	0.70 376	0.71 409	0.71 378	0.70 394	0.70 372	0.69 392	0.69 355	0.70 374	0.69 380	0.70 407	0.69 353	0.70 389

DStereoRT	0.73 346	0.81 255	0.73 377	0.71 328	0.74 409	0.73 379	0.75 406	0.71 370	0.71 404	0.74 383	0.72 412	0.73 383	0.80 409	0.71 373	0.73 402	0.76 364	0.71 378	0.73 384	0.72 412	0.70 354	0.76 403

4D-IteraStereo	0.78 357	3.13 498	0.89 393	0.69 322	0.32 270	0.40 258	0.32 258	0.76 374	0.97 435	0.52 342	0.65 389	0.89 401	0.32 272	0.76 381	0.98 429	0.83 376	0.94 402	0.35 256	0.27 235	0.70 354	0.89 415

MyStereo06	0.75 349	4.12 524	0.60 340	0.63 313	0.61 386	0.62 368	0.66 380	0.56 346	0.45 341	0.55 353	0.48 361	0.54 353	0.46 340	0.57 357	0.45 332	0.60 339	0.57 346	0.64 374	0.55 374	0.72 356	0.55 360

MyStereo05	0.80 360	4.12 524	0.63 347	0.63 313	0.61 386	0.62 368	0.66 380	0.65 362	0.62 378	0.67 373	0.61 383	0.65 374	0.58 369	0.67 370	0.55 364	0.60 339	0.57 346	0.64 374	0.55 374	0.72 356	0.55 360

PA-Net	11.80 599	223.51 625	0.62 346	0.59 306	0.71 404	0.59 364	0.73 404	0.67 365	0.73 410	0.55 353	0.61 383	0.60 367	0.74 401	0.63 365	0.73 402	0.66 352	0.60 351	0.69 380	0.66 398	0.72 356	0.65 381
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 376	2.85 492	0.72 373	0.72 330	0.73 407	0.77 381	0.79 411	0.73 373	0.74 412	0.73 378	0.72 412	0.73 383	0.76 404	0.73 377	0.73 402	0.72 360	0.73 381	0.73 384	0.72 412	0.73 359	0.72 394

GCAP-Stereo	0.75 349	4.15 527	0.42 283	0.75 333	0.35 295	0.78 383	0.40 319	0.79 376	0.38 305	0.78 387	0.36 299	0.78 389	0.36 294	0.79 382	0.39 308	0.75 363	0.39 275	0.76 390	0.39 330	0.75 360	0.39 304

zero-FE	0.72 344	1.31 392	0.66 353	0.92 352	0.60 381	0.82 388	0.58 371	0.82 382	0.58 372	0.81 391	0.60 379	0.81 395	0.60 371	0.82 386	0.58 366	0.74 362	0.59 350	0.73 384	0.52 371	0.76 361	0.51 351

PAM_32	0.64 326	2.38 462	0.51 324	0.92 352	0.43 344	0.53 351	0.44 335	0.87 384	0.43 336	0.52 342	0.45 347	0.53 350	0.40 312	0.54 347	0.46 336	0.62 347	0.56 344	0.48 344	0.45 349	0.76 361	0.44 324

RAFT-Stereo + iAFF	0.70 338	0.72 246	0.71 370	0.80 337	0.62 389	0.82 388	0.61 374	0.81 381	0.62 378	0.81 391	0.63 385	0.80 392	0.70 394	0.73 377	0.61 371	0.76 364	0.61 355	0.74 387	0.61 385	0.77 363	0.61 369

ARAFT	0.68 334	0.81 255	0.63 347	0.74 332	0.60 381	0.78 383	0.62 375	0.77 375	0.66 384	0.74 383	0.63 385	0.75 386	0.62 374	0.83 387	0.60 369	0.70 358	0.55 342	0.70 382	0.60 383	0.78 364	0.55 360

AFF-stereo	0.73 346	0.88 266	0.67 357	0.75 333	0.68 399	0.75 380	0.64 377	0.80 378	0.72 407	0.83 393	0.70 404	0.82 396	0.64 375	0.84 388	0.67 377	0.77 366	0.63 357	0.81 398	0.63 387	0.78 364	0.62 372

Selective-RAFT-Error	0.88 388	0.84 259	0.98 405	0.86 345	0.97 437	0.88 393	0.95 428	0.84 383	0.99 438	0.92 400	0.82 424	0.84 397	0.98 420	0.87 393	0.97 428	0.81 371	0.83 394	0.79 393	0.82 424	0.79 366	0.85 412

psmorigin	0.41 254	0.46 195	0.33 230	0.49 274	0.33 282	0.49 326	0.33 269	0.49 313	0.33 276	0.49 319	0.33 279	0.49 323	0.33 280	0.51 338	0.33 265	0.41 274	0.30 228	0.41 305	0.30 264	0.79 366	0.29 232

G-Net	0.79 358	0.79 251	0.79 387	0.79 335	0.79 421	0.79 385	0.79 411	0.79 376	0.79 417	0.79 388	0.79 421	0.79 391	0.79 408	0.79 382	0.79 411	0.79 367	0.79 388	0.79 393	0.79 419	0.79 366	0.79 406

AEACV	1.12 421	0.52 221	3.12 568	3.24 522	0.86 425	0.53 351	0.49 358	0.60 356	0.47 347	0.53 345	0.49 364	0.55 357	0.45 337	0.55 351	0.47 343	3.01 549	3.88 572	0.71 383	0.60 383	0.80 369	0.48 336

NaN_ROB	0.80 360	0.80 252	0.80 388	0.80 337	0.80 423	0.80 386	0.80 414	0.80 378	0.80 418	0.80 389	0.80 422	0.80 392	0.80 409	0.80 384	0.80 413	0.80 368	0.80 391	0.80 396	0.80 421	0.80 369	0.80 407

CSAN	0.80 360	0.80 252	0.80 388	0.80 337	0.80 423	0.80 386	0.80 414	0.80 378	0.80 418	0.80 389	0.80 422	0.80 392	0.80 409	0.80 384	0.80 413	0.80 368	0.80 391	0.80 396	0.80 421	0.80 369	0.80 407

FlowAnything_test	1.02 413	1.72 408	0.71 370	1.59 463	0.70 402	1.61 500	0.69 394	1.61 491	0.70 399	1.60 494	0.70 404	1.61 502	0.69 392	1.61 498	0.70 398	0.81 371	0.58 348	0.81 398	0.55 374	0.81 372	0.56 363

Selective-RAFT	0.89 390	0.89 269	0.72 373	1.16 389	0.78 420	1.06 421	0.82 417	0.87 384	0.97 435	1.00 408	0.91 429	0.90 402	1.00 421	0.89 396	0.93 425	0.83 376	0.83 394	0.82 402	0.82 424	0.81 372	0.82 410

FlowAnything	1.02 413	1.71 407	0.72 373	1.59 463	0.69 400	1.60 499	0.69 394	1.61 491	0.70 399	1.60 494	0.69 402	1.60 499	0.69 392	1.61 498	0.69 392	0.81 371	0.58 348	0.81 398	0.56 378	0.82 374	0.56 363

DCRE	0.84 376	1.89 421	0.77 383	0.94 358	0.72 406	0.88 393	0.73 404	0.87 384	0.78 414	0.90 396	0.71 409	0.88 399	0.67 382	0.88 394	0.73 402	0.81 371	0.68 367	0.81 398	0.70 407	0.82 374	0.70 389

RSM++	0.76 353	0.82 258	0.66 353	0.85 344	0.64 390	0.85 390	0.71 401	0.94 397	0.64 381	0.87 394	0.67 392	0.87 398	0.65 377	0.84 388	0.65 373	0.81 371	0.70 374	0.79 393	0.71 410	0.83 376	0.70 389

UDG	0.80 360	2.21 446	0.60 340	0.91 349	0.60 381	0.90 396	0.58 371	0.88 387	0.60 375	0.90 396	0.60 379	0.88 399	0.60 371	0.90 397	0.58 366	0.86 380	0.60 351	0.84 404	0.59 382	0.84 377	0.61 369

DDUNet	0.81 365	2.45 466	0.57 336	0.90 347	0.60 381	0.88 393	0.59 373	0.90 388	0.60 375	0.88 395	0.60 379	0.90 402	0.58 369	0.88 394	0.60 369	0.84 378	0.60 351	0.86 406	0.57 380	0.86 378	0.60 368

MoCha-V2	2.11 517	26.97 603	0.78 384	0.92 352	0.77 419	0.96 403	0.72 403	0.90 388	0.72 407	0.94 404	0.70 404	0.90 402	0.71 398	0.91 398	0.71 400	0.85 379	0.71 378	0.88 407	0.69 405	0.87 379	0.67 385

UNet	0.29 180	0.90 272	0.10 69	0.14 99	0.10 122	0.14 128	0.10 119	0.91 390	0.69 395	0.14 128	0.11 134	0.14 129	0.11 133	0.14 131	0.10 115	0.12 94	0.09 70	0.12 122	0.09 111	0.88 380	0.76 403

AdaDepth	0.86 385	0.93 281	0.71 370	1.01 370	1.07 447	1.02 418	0.71 401	1.00 401	0.71 404	1.01 415	0.71 409	1.00 413	0.72 399	1.14 436	0.71 400	0.92 385	0.64 358	0.90 408	0.64 392	0.89 381	0.69 388

AIO-Stereo-zeroshot1	0.75 349	0.92 279	0.85 392	0.96 363	0.59 380	1.27 485	0.44 335	0.59 354	0.69 395	0.91 398	0.68 397	0.55 357	0.61 373	1.06 425	0.83 417	0.62 347	0.70 374	0.90 408	0.41 338	0.89 381	0.56 363

ToySt	0.92 393	2.11 437	0.90 396	0.95 360	0.79 421	0.99 405	0.78 410	0.94 397	0.81 421	0.94 404	0.78 420	0.95 409	0.77 406	0.94 404	0.86 419	0.91 382	0.79 388	0.85 405	0.77 416	0.89 381	0.73 397

ff7	1.68 484	2.68 474	1.35 482	0.97 364	0.89 427	1.84 503	2.15 553	2.12 511	1.80 538	2.05 516	1.56 521	2.33 522	2.12 544	2.23 519	2.25 556	1.31 469	1.07 410	1.48 505	1.41 513	0.90 384	1.04 431

ffff	1.68 484	2.68 474	1.35 482	0.97 364	0.89 427	1.84 503	2.15 553	2.12 511	1.80 538	2.05 516	1.56 521	2.33 522	2.12 544	2.23 519	2.25 556	1.31 469	1.07 410	1.48 505	1.41 513	0.90 384	1.04 431

ccc-4	1.68 484	2.68 474	1.35 482	0.97 364	0.89 427	1.84 503	2.15 553	2.12 511	1.80 538	2.05 516	1.56 521	2.33 522	2.12 544	2.23 519	2.25 556	1.31 469	1.07 410	1.48 505	1.41 513	0.90 384	1.04 431

WQFJA1++	0.84 376	0.98 288	0.67 357	1.26 442	0.75 411	1.00 406	0.67 384	1.00 401	0.67 385	1.00 408	0.67 392	1.00 413	0.67 382	1.00 412	0.67 377	0.96 392	0.67 362	0.91 411	0.63 387	0.92 387	0.63 373

WQFJA1	0.85 382	0.98 288	0.67 357	1.29 447	0.76 416	1.01 412	0.67 384	1.02 412	0.67 385	1.02 419	0.67 392	1.01 419	0.67 382	1.01 418	0.68 384	0.99 398	0.67 362	0.93 417	0.64 392	0.92 387	0.65 381

WQFJX1	0.84 376	0.98 288	0.67 357	1.30 449	0.75 411	1.01 412	0.67 384	1.01 408	0.67 385	1.01 415	0.67 392	1.01 419	0.68 386	1.00 412	0.68 384	0.98 397	0.67 362	0.92 414	0.64 392	0.92 387	0.64 379

NLMM	0.84 376	1.00 297	0.67 357	1.27 443	0.75 411	1.00 406	0.68 388	1.00 401	0.67 385	1.00 408	0.67 392	1.02 423	0.67 382	1.02 422	0.67 377	0.97 393	0.67 362	0.93 417	0.63 387	0.92 387	0.63 373

pmcnn	0.92 393	0.92 279	0.92 400	0.92 352	0.92 432	0.92 398	0.92 424	0.92 393	0.92 429	0.92 400	0.92 432	0.92 405	0.92 416	0.92 402	0.92 421	0.92 385	0.92 400	0.92 414	0.92 428	0.92 387	0.92 418

NLMM1	0.86 385	0.98 288	0.69 366	1.48 460	0.75 411	1.01 412	0.69 394	1.00 401	0.69 395	1.00 408	0.70 404	1.00 413	0.68 386	1.01 418	0.67 377	0.97 393	0.68 367	0.92 414	0.63 387	0.93 392	0.63 373

NLSM3	0.85 382	0.99 295	0.68 364	1.29 447	0.76 416	1.01 412	0.68 388	1.01 408	0.68 390	1.02 419	0.68 397	1.01 419	0.68 386	1.01 418	0.68 384	0.97 393	0.68 367	0.93 417	0.64 392	0.93 392	0.63 373

DPSM_ROB	0.92 393	0.91 274	0.91 398	0.91 349	0.92 432	0.92 398	0.92 424	0.92 393	0.91 425	0.93 402	0.91 429	0.92 405	0.90 414	0.91 398	0.92 421	0.92 385	0.91 398	0.91 411	0.92 428	0.93 392	0.93 419

DPSM	0.92 393	0.91 274	0.91 398	0.91 349	0.92 432	0.92 398	0.92 424	0.92 393	0.91 425	0.93 402	0.91 429	0.92 405	0.90 414	0.91 398	0.92 421	0.92 385	0.91 398	0.91 411	0.92 428	0.93 392	0.93 419

WQFJX	0.85 382	1.00 297	0.68 364	1.30 449	0.75 411	1.01 412	0.68 388	1.01 408	0.68 390	1.01 415	0.68 397	1.03 424	0.68 386	1.02 422	0.67 377	0.97 393	0.67 362	0.93 417	0.63 387	0.94 396	0.63 373

AIO-Stereo	0.84 376	0.66 242	0.70 367	0.83 341	0.67 396	0.98 404	0.82 417	1.14 418	0.72 407	1.03 421	0.74 416	1.03 424	1.09 430	0.99 410	0.45 332	1.04 403	0.73 381	0.95 423	0.74 414	0.94 396	0.46 327

R-Stereo Train	0.81 365	0.96 285	0.67 357	0.95 360	0.67 396	0.95 401	0.68 388	0.95 399	0.68 390	0.95 406	0.68 397	0.96 410	0.68 386	0.96 408	0.68 384	0.94 390	0.68 367	0.94 421	0.68 403	0.94 396	0.68 386

RAFT-Stereo	0.81 365	0.96 285	0.67 357	0.95 360	0.67 396	0.95 401	0.68 388	0.95 399	0.68 390	0.95 406	0.68 397	0.96 410	0.68 386	0.96 408	0.68 384	0.94 390	0.68 367	0.94 421	0.68 403	0.94 396	0.68 386
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 398	1.00 297	0.92 400	0.94 358	0.96 436	0.91 397	0.92 424	0.91 390	0.96 434	0.91 398	0.96 433	0.93 408	0.92 416	0.94 404	0.92 421	0.92 385	0.92 400	0.90 408	0.92 428	0.94 396	0.91 417

GANet	1.00 405	1.00 297	1.00 407	1.00 367	1.00 438	1.00 406	1.00 432	1.00 401	1.00 439	1.00 408	1.00 436	1.00 413	1.00 421	1.00 412	1.00 431	1.00 399	1.00 403	1.00 428	1.00 435	1.00 401	1.00 426

TDLM	1.00 405	1.00 297	1.00 407	1.00 367	1.00 438	1.00 406	1.00 432	1.00 401	1.00 439	1.00 408	1.00 436	1.00 413	1.00 421	1.00 412	1.00 431	1.00 399	1.00 403	1.00 428	1.00 435	1.00 401	1.00 426

CVANet_RVC	1.00 405	1.00 297	1.00 407	1.00 367	1.00 438	1.00 406	1.00 432	1.00 401	1.00 439	1.00 408	1.00 436	1.00 413	1.00 421	1.00 412	1.00 431	1.00 399	1.00 403	1.00 428	1.00 435	1.00 401	1.00 426

MLG-Stereo	0.92 393	0.90 272	0.84 391	1.27 443	0.49 362	1.38 492	0.88 420	1.41 489	0.97 435	0.73 378	1.09 442	1.26 488	0.43 332	0.72 375	1.05 436	1.13 414	0.49 325	1.18 446	0.66 398	1.01 404	0.46 327

trnet	1.01 411	1.01 305	1.01 410	1.01 370	1.01 442	1.01 412	1.01 435	1.01 408	1.01 442	1.01 415	1.01 439	1.01 419	1.01 427	1.01 418	1.01 434	1.01 402	1.01 406	1.01 431	1.01 439	1.01 404	1.01 429

Wavelet-MonSter	1.00 405	1.21 380	0.76 381	1.94 477	1.01 442	1.11 430	0.76 408	1.15 419	0.76 413	1.11 430	0.76 418	1.14 436	0.76 404	1.11 433	0.76 409	1.21 464	0.90 397	1.02 432	0.71 410	1.02 406	0.71 393

AIO-Stereo-zeroshot	0.91 391	0.86 262	0.89 393	1.25 441	0.69 400	1.05 420	0.81 416	1.16 422	0.50 359	1.12 431	0.97 434	0.72 381	0.82 412	1.06 425	0.95 426	0.61 343	0.87 396	1.03 434	0.85 427	1.04 407	1.01 429

GLC_STEREO	1.07 416	1.01 305	1.06 412	1.07 374	1.05 446	1.06 421	1.08 439	1.08 414	1.05 445	1.07 423	1.06 441	1.08 427	1.05 429	1.06 425	1.10 438	1.07 405	1.09 416	1.05 435	1.05 440	1.06 408	1.12 436

DPSimNet_ROB	0.97 402	1.18 332	0.81 390	1.10 376	0.91 431	1.02 418	0.82 417	1.04 413	0.91 425	1.03 421	0.86 425	1.28 490	0.82 412	1.03 424	0.89 420	1.17 417	0.81 393	1.02 432	0.82 424	1.08 409	0.81 409

MSMD_ROB	1.19 423	1.10 322	0.70 367	1.10 376	0.60 381	1.10 427	0.70 398	1.10 417	0.70 399	1.10 425	0.70 404	1.10 431	0.70 394	7.00 599	0.70 398	1.10 408	0.70 374	1.10 436	0.70 407	1.10 410	0.70 389

edge stereo	2.43 542	27.07 604	1.14 416	1.06 373	1.14 450	1.08 424	1.17 447	1.16 422	1.14 446	1.10 425	1.16 447	1.09 429	1.16 439	1.10 431	1.16 446	1.10 408	1.11 420	1.16 439	1.19 449	1.13 411	1.11 434

tt45	1.04 415	0.88 266	1.36 490	0.92 352	1.03 445	1.51 498	0.79 411	0.70 369	0.88 423	0.74 383	0.90 426	1.60 499	0.72 399	1.60 496	0.75 407	0.91 382	0.78 387	1.52 508	0.79 419	1.14 412	1.32 504

RGC	2.36 537	25.48 597	1.19 424	1.15 384	1.15 451	1.10 427	1.16 446	1.17 424	1.16 448	1.12 431	1.16 447	1.11 434	1.13 432	1.09 429	1.18 448	1.10 408	1.15 425	1.16 439	1.12 443	1.14 412	1.12 436

UPFNet	0.42 264	1.20 334	0.17 152	0.24 157	0.17 182	0.25 193	0.17 171	1.19 427	0.90 424	0.25 190	0.17 178	0.24 188	0.17 180	0.25 191	0.17 172	0.22 166	0.17 165	0.22 177	0.16 169	1.15 414	0.93 419

stereogan	2.33 535	24.38 594	1.18 422	1.18 391	1.18 458	1.14 433	1.18 448	1.19 427	1.19 454	1.14 434	1.18 451	1.14 436	1.18 440	1.14 436	1.18 448	1.14 416	1.14 424	1.19 447	1.19 449	1.15 414	1.19 449

AF-Net	2.37 539	25.71 599	1.17 420	1.13 381	1.15 451	1.15 434	1.18 448	1.19 427	1.16 448	1.10 425	1.15 444	1.10 431	1.18 440	1.12 435	1.15 443	1.10 408	1.10 419	1.17 443	1.15 445	1.16 416	1.12 436

RP	2.33 535	25.00 596	1.13 415	1.15 384	1.15 451	1.10 427	1.15 444	1.15 419	1.15 447	1.12 431	1.15 444	1.09 429	1.13 432	1.10 431	1.15 443	1.11 413	1.09 416	1.16 439	1.12 443	1.16 416	1.17 445

Nwc_Net	2.37 539	25.95 600	1.15 418	1.14 382	1.15 451	1.08 424	1.14 443	1.17 424	1.16 448	1.14 434	1.15 444	1.08 427	1.15 435	1.11 433	1.14 442	1.10 408	1.11 420	1.16 439	1.09 442	1.16 416	1.15 441

Abc-Net	2.32 534	24.75 595	1.14 416	1.17 390	1.17 456	1.11 430	1.15 444	1.17 424	1.21 500	1.08 424	1.16 447	1.12 435	1.14 434	1.09 429	1.17 447	1.09 406	1.16 426	1.17 443	1.17 448	1.16 416	1.11 434
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	0.95 401	1.17 330	0.78 384	1.18 391	0.71 404	1.16 435	0.75 406	1.09 416	0.80 418	1.10 425	0.75 417	1.17 439	0.74 401	1.17 439	0.80 413	1.13 414	0.73 381	1.17 443	0.77 416	1.16 416	0.72 394
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 537	25.52 598	1.17 420	1.15 384	1.17 456	1.11 430	1.11 440	1.15 419	1.16 448	1.10 425	1.16 447	1.10 431	1.15 435	1.14 436	1.13 441	1.09 406	1.11 420	1.15 438	1.16 447	1.17 421	1.17 445

delet	0.43 265	1.21 380	0.17 152	0.25 164	0.17 182	0.25 193	0.18 178	1.26 479	0.95 432	0.25 190	0.17 178	0.25 193	0.17 180	0.25 191	0.17 172	0.23 177	0.16 145	0.22 177	0.16 169	1.18 422	0.98 423

psm_up	0.43 265	1.19 333	0.17 152	0.25 164	0.18 192	0.25 193	0.19 182	1.26 479	0.91 425	0.26 198	0.17 178	0.25 193	0.17 180	0.25 191	0.17 172	0.22 166	0.17 165	0.23 185	0.16 169	1.18 422	0.99 424

HBP-ISP	1.24 472	1.72 408	1.65 510	1.15 384	0.76 416	1.40 494	0.88 420	1.67 497	1.02 443	1.69 501	1.38 514	1.69 503	1.21 488	1.87 508	1.21 497	1.05 404	0.79 388	0.97 426	0.80 421	1.19 424	0.75 401

DisPM	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

CrosDoStereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

PFNet+	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

LCNet	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

HHNet	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

Patchmatch Stereo++	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450
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	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

STrans-v2	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

TransformOpticalFlow	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

OMP-Stereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

IIG-Stereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

NF-Stereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

OCTAStereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

PSM-softLoss	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

KMStereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

NRIStereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

PSM-adaLoss	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

PSM-AAD	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

FTStereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

ROB_FTStereo_v2	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

ROB_FTStereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

Consistency-Raft	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

KYRaft	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

HUI-Stereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

ASMatch	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

DeepStereo_LL	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

DEmStereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

SST-Stereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

THIR-Stereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

RAFT_R40	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

DRaft	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

PFNet	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

GrayStereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

RE-Stereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

Pruner-Stereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

TVStereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

DeepStereo_RVC	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

RAFT-RH_RVC	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

IRAFT_RVC	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

RAFT-345	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

iRAFT	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

CRE-IMP	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

GMM-Stereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

RAFT-IKP	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

Prome-Stereo	1.20 424	1.20 334	1.20 427	1.20 393	1.20 459	1.20 436	1.20 450	1.20 430	1.20 455	1.20 438	1.20 452	1.20 441	1.20 442	1.20 441	1.20 452	1.20 419	1.20 431	1.20 448	1.20 452	1.20 425	1.20 450

MMNet	0.44 270	1.24 388	0.17 152	0.25 164	0.17 182	0.25 193	0.18 178	1.26 479	0.93 430	0.25 190	0.17 178	0.25 193	0.18 188	0.25 191	0.17 172	0.23 177	0.16 145	0.23 185	0.16 169	1.20 425	0.99 424

FAT-Stereo	2.46 543	26.05 601	1.23 476	1.23 440	1.22 507	1.20 436	1.24 498	1.23 478	1.23 502	1.19 437	1.22 498	1.21 486	1.24 490	1.20 441	1.24 499	1.21 464	1.17 429	1.22 494	1.25 502	1.20 425	1.24 499

CroCo-Stereo	0.73 346	1.22 386	0.25 187	1.22 438	0.25 222	1.22 482	0.25 212	1.22 476	0.25 213	1.22 484	0.25 222	1.22 487	0.25 216	1.22 487	0.25 212	1.22 466	0.26 195	1.21 493	0.25 221	1.22 472	0.25 200
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
S-Stereo	2.51 544	26.86 602	1.23 476	1.22 438	1.22 507	1.24 484	1.25 499	1.22 476	1.24 503	1.21 483	1.24 500	1.19 440	1.27 492	1.19 440	1.24 499	1.19 418	1.20 431	1.25 495	1.19 449	1.24 473	1.23 498

CroCo-Stereo Lap2	0.77 354	1.29 390	0.29 202	1.27 443	0.29 246	1.27 485	0.26 220	1.26 479	0.26 226	1.26 485	0.26 228	1.27 489	0.26 225	1.26 488	0.27 218	1.27 468	0.27 202	1.27 496	0.27 235	1.27 474	0.27 214

MM-Stereo_test2	1.20 424	1.85 417	1.05 411	1.46 459	0.94 435	1.36 490	0.99 431	1.36 484	0.95 432	1.41 490	0.98 435	1.40 495	0.96 418	1.37 491	0.95 426	1.37 477	1.06 409	1.33 498	0.93 432	1.29 475	0.89 415

test_xeample3	1.10 418	1.81 414	0.61 345	0.84 342	0.49 362	0.77 381	0.66 380	0.92 393	1.40 515	0.68 375	0.46 349	0.78 389	0.54 367	1.72 501	1.48 517	1.34 472	1.52 504	1.35 501	1.67 535	1.33 476	1.55 517

MaskLacGwcNet_RVC	1.35 476	1.35 395	1.35 482	1.35 454	1.35 509	1.35 488	1.35 506	1.36 484	1.35 511	1.36 488	1.35 509	1.36 491	1.36 500	1.36 490	1.35 510	1.35 473	1.35 492	1.35 501	1.35 507	1.35 477	1.35 508

PS-NSSS	1.38 479	1.39 397	1.34 480	1.34 453	1.35 509	1.38 492	1.37 513	1.35 483	1.38 514	1.34 486	1.34 508	1.39 493	1.38 503	1.70 500	1.40 514	1.36 475	1.36 493	1.36 503	1.37 510	1.37 478	1.36 509

MM-Stereo_test3	1.27 474	2.07 433	1.18 422	1.60 466	1.02 444	1.45 496	1.01 435	1.40 488	1.04 444	1.44 491	1.03 440	1.46 497	1.02 428	1.44 494	1.02 435	1.51 486	1.12 423	1.32 497	0.98 433	1.38 479	0.97 422

CC-Net-ROB	1.36 477	1.33 394	1.33 479	1.36 455	1.38 512	1.36 490	1.33 504	1.37 486	1.34 508	1.35 487	1.36 511	1.38 492	1.34 498	1.38 492	1.38 513	1.35 473	1.38 496	1.33 498	1.35 507	1.43 480	1.34 507

11t	1.27 474	2.70 477	1.34 480	1.32 452	0.89 427	1.30 487	1.34 505	1.64 494	0.57 371	1.45 492	0.72 412	1.05 426	1.29 494	1.07 428	1.29 506	1.49 483	1.02 407	0.97 426	1.15 445	1.48 481	1.31 503

IGEVStereo-DCA	1.77 488	4.21 528	1.84 527	2.49 502	2.11 554	2.54 540	1.36 508	1.65 495	1.17 452	2.75 549	1.90 543	2.54 535	1.15 435	0.94 404	1.11 439	1.50 484	1.32 480	0.96 424	1.46 519	1.49 482	0.88 413

rrr	1.77 488	4.21 528	1.84 527	2.49 502	2.11 554	2.54 540	1.36 508	1.65 495	1.17 452	2.75 549	1.90 543	2.54 535	1.15 435	0.94 404	1.11 439	1.50 484	1.32 480	0.96 424	1.46 519	1.49 482	0.88 413

CFNet-ft	0.55 313	1.57 403	0.14 126	0.20 136	0.14 158	0.20 163	2.53 558	1.61 491	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.20 160	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	1.56 484	1.24 499

DPSMNet_ROB	1.60 483	1.59 404	1.70 512	1.59 463	1.59 521	1.61 500	1.61 524	1.60 490	1.60 521	1.62 500	1.59 524	1.60 499	1.60 509	1.60 496	1.59 521	1.59 488	1.60 514	1.59 509	1.59 527	1.59 485	1.59 522

ours_stereo	1.20 424	1.21 380	0.90 396	1.64 471	1.11 449	1.35 488	0.67 384	1.76 498	0.93 430	1.70 502	1.10 443	1.39 493	0.75 403	1.41 493	0.81 416	1.60 490	1.03 408	1.33 498	1.00 435	1.61 486	0.72 394

4.25_new	2.00 500	2.33 454	1.82 523	3.32 527	1.69 529	1.95 511	1.99 547	2.72 539	1.71 527	2.72 543	1.97 549	2.01 513	1.74 521	1.77 503	1.28 504	2.18 514	2.01 534	2.48 547	1.58 525	1.65 487	1.17 445

4.5w_new	2.00 500	2.33 454	1.82 523	3.32 527	1.69 529	1.95 511	1.99 547	2.72 539	1.71 527	2.72 543	1.97 549	2.01 513	1.74 521	1.77 503	1.28 504	2.18 514	2.01 534	2.48 547	1.58 525	1.65 487	1.17 445

RASNet	1.49 480	1.65 405	1.45 498	1.38 457	1.43 515	1.47 497	1.36 508	1.38 487	1.36 512	1.39 489	1.60 525	1.45 496	1.45 506	1.51 495	2.21 555	1.53 487	1.36 493	1.36 503	1.36 509	1.66 489	1.36 509

2w_stereo	1.99 496	2.36 461	1.81 518	3.24 522	1.67 526	1.94 508	1.98 544	2.72 539	1.68 523	2.72 543	1.94 546	1.98 511	1.74 521	1.79 505	1.27 503	1.95 505	2.00 532	2.53 549	1.60 528	1.68 490	1.15 441

3.75w	1.99 496	2.31 452	1.83 526	3.16 520	1.65 525	1.93 507	1.98 544	2.72 539	1.68 523	2.73 548	1.97 549	2.00 512	1.72 518	1.81 506	1.25 502	2.27 522	2.01 534	2.38 541	1.42 516	1.71 491	1.24 499

RAFT_CTSACE	1.92 493	3.71 512	1.72 515	1.88 474	1.72 533	2.04 515	1.42 518	2.18 516	1.89 549	2.02 513	1.97 549	1.95 508	2.06 543	1.93 510	1.62 522	1.76 493	1.66 518	2.02 526	1.73 543	1.73 492	1.43 514

4.25w-stereo	1.98 495	2.72 481	1.46 499	3.47 534	1.43 515	2.07 517	1.98 544	2.53 536	1.52 519	2.71 542	1.98 555	1.81 504	1.62 511	1.96 511	1.36 511	1.88 501	2.00 532	2.53 549	1.61 529	1.74 493	1.15 441

4.5w-stereo	1.99 496	2.33 454	1.81 518	3.28 524	1.68 528	1.94 508	1.99 547	2.72 539	1.70 526	2.72 543	1.99 558	1.97 510	1.68 513	1.76 502	1.29 506	1.91 503	2.02 538	2.53 549	1.61 529	1.75 494	1.16 444

2.75w_new	1.99 496	2.34 458	1.81 518	3.14 518	1.62 523	1.94 508	1.99 547	2.72 539	1.71 527	2.72 543	1.99 558	1.90 506	1.73 519	1.82 507	1.29 506	2.37 531	2.01 534	2.31 536	1.42 516	1.77 495	1.22 496

cf-r	0.66 329	2.17 442	0.12 102	0.18 130	0.12 153	0.18 155	2.70 562	2.60 537	0.12 153	0.18 152	0.12 145	0.18 154	0.12 150	0.18 153	0.12 142	0.15 125	0.11 97	0.15 143	0.11 130	1.81 496	1.74 536

MFMNet_re	1.81 491	1.91 424	1.71 514	1.95 479	1.70 532	1.95 511	1.70 529	1.96 503	1.74 534	1.97 508	1.72 533	1.95 508	1.71 517	1.97 512	1.71 529	1.86 496	1.62 515	1.85 515	1.66 534	1.86 497	1.64 528

GANetREF_RVC	1.55 481	1.94 430	1.22 474	1.88 474	1.21 505	1.88 506	1.22 496	1.88 500	1.22 501	1.88 503	1.22 498	1.88 505	1.22 489	1.89 509	1.22 498	1.87 498	1.22 478	1.88 522	1.22 498	1.88 498	1.22 496
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	1.59 482	1.91 424	1.21 473	1.94 477	1.20 459	2.00 514	1.23 497	1.99 505	1.24 503	2.00 511	1.25 501	2.03 515	1.26 491	2.00 513	1.29 506	1.90 502	1.18 430	1.89 523	1.21 497	1.89 499	1.20 450
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 487	2.96 493	1.37 492	2.14 485	1.37 511	2.14 520	1.36 508	2.14 514	1.37 513	2.14 520	1.37 512	2.14 517	1.37 502	2.14 518	1.37 512	1.97 506	1.32 480	1.97 525	1.32 506	1.98 500	1.33 505

MM-Stereo_test1	1.80 490	3.41 505	1.52 505	2.12 484	1.41 514	2.04 515	1.41 516	2.05 509	1.46 518	2.04 515	1.41 516	2.05 516	1.42 505	2.05 514	1.43 516	2.04 510	1.54 507	1.94 524	1.38 512	1.99 501	1.33 505

MonStereo1	1.94 494	2.77 487	1.52 505	3.73 545	1.51 518	2.13 519	1.42 518	2.32 524	1.52 519	2.31 528	1.50 519	2.53 532	1.59 508	2.34 526	1.56 519	1.91 503	1.36 493	1.86 518	1.31 505	2.07 502	1.53 515

TRStereo	2.00 500	2.13 438	1.85 529	2.27 491	1.84 537	2.28 524	1.84 533	2.29 519	1.86 543	2.30 525	1.87 538	2.30 519	1.87 527	2.08 515	1.72 531	2.08 511	1.72 521	2.08 528	1.72 540	2.08 503	1.72 533

XX-Stereo	2.00 500	2.13 438	1.85 529	2.27 491	1.84 537	2.28 524	1.84 533	2.29 519	1.86 543	2.30 525	1.87 538	2.30 519	1.87 527	2.08 515	1.72 531	2.08 511	1.72 521	2.08 528	1.72 540	2.08 503	1.72 533

EAI-Stereo	2.00 500	2.13 438	1.85 529	2.27 491	1.84 537	2.28 524	1.84 533	2.29 519	1.86 543	2.30 525	1.87 538	2.30 519	1.87 527	2.08 515	1.72 531	2.08 511	1.72 521	2.08 528	1.72 540	2.08 503	1.72 533

GANet-RSSM	0.75 349	1.91 424	0.14 126	0.47 263	0.14 158	0.21 173	3.21 579	2.30 523	0.14 158	0.46 299	0.14 162	0.23 182	0.18 188	0.21 170	0.14 152	0.18 150	0.27 202	0.37 264	0.13 156	2.13 506	2.12 546

AIO_rvc	2.18 521	2.34 458	1.87 533	2.32 495	1.94 546	2.40 529	1.89 541	2.37 527	2.07 558	2.52 538	1.95 548	2.44 529	1.99 539	2.41 530	1.89 548	2.32 528	2.09 540	2.24 532	2.18 556	2.21 507	2.23 549

asda	2.17 519	2.54 468	1.81 518	3.47 534	1.78 535	2.50 536	1.86 537	2.61 538	1.68 523	2.61 540	1.83 535	2.37 526	1.73 519	2.44 533	1.88 547	2.51 540	1.84 528	2.34 538	1.62 531	2.23 508	1.77 537

HUF	2.18 521	2.30 451	1.99 543	2.34 497	2.02 551	2.41 530	2.06 552	2.38 528	1.89 549	2.36 530	1.85 536	2.56 537	1.98 537	2.31 525	1.97 551	2.30 526	2.03 539	2.30 535	2.11 554	2.23 508	2.16 547

AIO_test	2.18 521	2.09 436	2.04 544	2.42 499	2.01 548	2.47 532	1.94 543	2.34 526	2.03 557	2.56 539	1.94 546	2.43 528	1.94 534	2.41 530	1.87 546	2.39 533	2.10 541	2.35 540	1.91 553	2.25 510	2.19 548

NCCL2	2.28 533	2.27 449	2.28 546	2.28 494	2.28 561	2.27 522	2.29 556	2.28 517	2.28 559	2.27 524	2.28 561	2.28 518	2.27 547	2.27 522	2.28 560	2.28 523	2.28 546	2.27 533	2.29 560	2.27 511	2.29 550

ccnet	0.80 360	2.28 450	0.33 230	0.50 281	0.33 282	0.50 334	0.33 269	0.50 321	0.33 276	0.49 319	0.33 279	0.49 323	1.56 507	2.38 527	0.33 265	0.41 274	0.29 219	0.42 316	1.57 522	2.28 512	0.29 232

STTStereo	3.73 561	30.40 608	2.37 550	2.39 498	2.31 563	2.35 527	2.33 557	2.29 519	2.42 560	2.32 529	2.34 562	2.33 522	2.36 548	2.30 524	2.27 559	2.35 530	2.22 545	2.31 536	2.22 557	2.29 513	2.34 554

qwe	2.18 521	2.60 471	1.58 507	3.83 547	1.90 545	2.53 538	1.90 542	2.48 532	1.73 532	2.37 531	1.92 545	2.53 532	1.68 513	2.56 536	1.83 540	2.52 542	1.87 530	2.07 527	1.68 537	2.32 514	1.71 532

FBW_ROB	2.12 518	2.46 467	1.77 517	2.49 502	1.79 536	2.38 528	1.83 532	2.46 531	1.78 537	2.48 536	1.97 549	2.40 527	1.78 524	2.42 532	1.83 540	2.31 527	1.85 529	2.38 541	1.82 545	2.35 515	1.84 538

asd	2.18 521	2.77 487	1.58 507	3.59 539	2.00 547	2.58 542	1.85 536	2.39 529	1.71 527	2.47 535	1.97 549	2.59 539	1.61 510	2.56 536	1.79 538	2.51 540	1.99 531	2.11 531	1.62 531	2.36 516	1.60 523

monsterstereo	2.20 527	2.33 454	1.95 538	3.65 541	2.07 553	2.49 534	1.61 524	2.48 532	1.83 541	2.45 534	1.61 527	2.67 543	1.86 526	2.64 540	1.94 549	2.48 539	1.66 518	2.34 538	1.68 537	2.40 517	1.86 540

monsters	2.18 521	2.41 464	1.96 539	3.47 534	2.03 552	2.53 538	1.64 526	2.48 532	1.73 532	2.40 532	1.50 519	2.62 540	1.94 534	2.59 538	1.94 549	2.44 535	1.57 509	2.28 534	1.87 547	2.42 518	1.86 540

UDGNet	2.23 531	5.40 549	1.72 515	2.48 501	1.69 529	2.51 537	1.69 528	2.51 535	1.72 531	2.50 537	1.69 532	2.52 531	1.69 515	2.50 534	1.68 527	2.41 534	1.70 520	2.42 543	1.69 539	2.42 518	1.64 528

1w_stereo	2.05 515	2.32 453	1.35 482	3.74 546	2.01 548	2.73 548	1.42 518	1.88 500	1.93 551	2.03 514	1.28 504	2.71 544	1.99 539	2.72 546	1.72 531	2.20 516	1.32 480	1.87 519	1.86 546	2.45 520	1.54 516

LG-G_1	2.22 528	2.71 479	1.89 534	2.77 509	1.87 543	2.75 550	1.87 539	2.76 547	1.87 547	2.75 549	1.87 538	2.76 551	1.87 527	2.75 550	1.86 543	2.47 537	1.58 510	2.45 544	1.57 522	2.45 520	1.57 519

LG-G	2.22 528	2.71 479	1.89 534	2.77 509	1.87 543	2.75 550	1.87 539	2.76 547	1.87 547	2.75 549	1.87 538	2.76 551	1.87 527	2.75 550	1.86 543	2.47 537	1.58 510	2.45 544	1.57 522	2.45 520	1.57 519

LGtest1	2.22 528	2.70 477	1.89 534	2.76 508	1.86 540	2.75 550	1.86 537	2.75 546	1.86 543	2.75 549	1.86 537	2.77 553	1.87 527	2.75 550	1.86 543	2.46 536	1.58 510	2.45 544	1.56 521	2.45 520	1.56 518

4.5_new	2.00 500	1.84 416	1.98 540	2.77 509	2.16 556	2.27 522	1.28 503	2.09 510	1.98 553	2.01 512	1.28 504	2.71 544	1.98 537	2.51 535	1.65 524	2.26 519	1.33 487	1.87 519	1.87 547	2.49 524	1.60 523

GES	0.66 329	2.34 458	0.29 202	0.41 238	0.29 246	0.41 274	0.29 240	0.42 285	0.29 241	0.40 252	0.41 329	0.41 274	0.30 254	0.51 338	0.29 238	0.32 213	0.29 219	0.32 224	2.46 562	2.49 524	0.30 245

3w_stereo	2.04 513	2.24 448	1.70 512	3.15 519	2.18 560	2.49 534	1.26 501	2.03 508	1.98 553	1.98 509	1.33 507	2.72 548	1.99 539	2.59 538	1.72 531	2.22 518	1.33 487	1.85 515	1.88 552	2.50 526	1.58 521

3.25w	2.04 513	2.20 444	1.48 500	3.03 516	2.17 558	2.63 544	1.39 514	1.96 503	1.95 552	1.96 506	1.37 512	2.71 544	1.96 536	2.71 544	1.73 536	2.26 519	1.32 480	1.87 519	1.87 547	2.51 527	1.63 527

2.25w	2.00 500	1.86 419	1.98 540	2.95 515	2.17 558	2.26 521	1.35 506	2.42 530	2.00 556	2.07 519	1.27 503	2.53 532	1.99 539	2.29 523	1.49 518	2.21 517	1.32 480	1.85 515	1.87 547	2.52 528	1.62 526

PSMNet-RSSM	0.77 354	2.76 485	0.14 126	0.20 136	0.14 158	0.20 163	2.66 560	2.79 550	0.14 158	0.21 171	0.14 162	0.21 168	0.14 159	0.20 160	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	2.52 528	2.31 551

GwcNet-RSSM	0.77 354	2.77 487	0.14 126	0.20 136	0.14 158	0.20 163	2.67 561	2.78 549	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.21 170	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	2.52 528	2.31 551

4w-stereo	2.02 508	2.72 481	1.44 497	3.36 530	1.59 521	2.48 533	1.72 530	2.28 517	1.24 503	2.24 523	1.65 529	2.56 537	1.32 497	2.39 529	1.98 552	2.67 545	1.51 503	1.66 511	1.24 500	2.53 531	1.88 545

2.5w	2.01 507	2.40 463	1.37 492	3.28 524	2.01 548	2.71 545	1.43 521	1.82 499	1.83 541	1.90 505	1.41 516	2.71 544	1.35 499	2.71 544	1.85 542	2.66 543	1.53 505	1.64 510	1.23 499	2.53 531	1.87 542

3.25w_new	2.03 510	2.72 481	1.35 482	3.33 529	1.57 519	2.72 546	1.53 523	2.15 515	1.33 507	2.15 521	1.60 525	2.63 541	1.30 495	2.72 546	1.99 553	2.67 545	1.53 505	1.75 513	1.25 502	2.53 531	1.87 542

3.5w_stereo	2.03 510	2.72 481	1.35 482	3.41 531	1.57 519	2.72 546	1.49 522	2.01 507	1.34 508	2.15 521	1.61 527	2.63 541	1.36 500	2.72 546	1.99 553	2.66 543	1.58 510	1.68 512	1.24 500	2.53 531	1.87 542

IGEV	2.02 508	2.20 444	1.82 523	2.90 514	2.16 556	2.41 530	1.25 499	2.00 506	1.98 553	1.99 510	1.31 506	2.72 548	1.93 533	2.67 543	1.69 528	2.26 519	1.32 480	1.83 514	1.87 547	2.53 531	1.61 525

hitnet-ft	0.79 358	2.78 490	0.14 126	0.20 136	0.14 158	0.21 173	2.89 563	2.80 551	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.20 160	0.14 152	0.17 142	0.12 113	0.17 154	0.12 148	2.54 536	2.33 553

PDISCO_ROB	0.83 373	2.80 491	3.49 572	0.14 99	0.11 137	0.17 151	0.09 114	0.15 141	0.10 119	0.15 134	0.12 145	0.16 140	0.14 159	3.30 557	0.13 148	0.14 116	2.34 547	0.16 146	0.12 148	2.62 537	0.10 116

sCroCo_RVC	2.10 516	2.76 485	1.92 537	2.78 512	1.39 513	2.73 548	1.41 516	2.73 545	1.40 515	2.77 554	1.41 516	2.74 550	1.40 504	2.74 549	1.40 514	2.72 547	1.42 498	2.72 553	1.44 518	2.79 538	1.42 513

NLCA_NET_v2_RVC	5.04 589	50.87 618	2.78 555	2.87 513	2.71 565	2.78 553	0.47 347	2.88 552	2.86 565	1.89 504	2.67 564	2.79 554	2.79 553	2.78 553	2.83 562	2.82 548	2.82 551	2.83 554	2.77 564	2.83 539	2.76 559
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	2.93 554	3.24 502	2.57 554	4.04 548	2.66 564	3.30 559	2.55 559	3.29 557	2.55 561	3.35 559	2.48 563	3.28 558	2.47 549	3.34 559	2.49 561	3.26 551	2.55 550	3.13 555	2.57 563	3.00 540	2.46 557

plain	1.88 492	3.16 499	0.64 349	3.10 517	0.65 392	3.10 555	0.64 377	3.12 554	0.65 382	3.10 555	0.65 389	3.11 555	0.65 377	3.12 554	0.65 373	3.12 550	0.65 360	3.13 555	0.65 396	3.13 541	0.65 381

UniTT-Stereo	2.03 510	3.43 506	0.72 373	3.42 532	0.73 407	3.27 558	0.68 388	3.38 559	0.69 395	3.29 558	0.72 412	3.28 558	0.70 394	3.35 560	0.68 384	3.39 553	0.68 367	3.31 558	0.69 405	3.37 542	0.73 397

MonStereo	2.17 519	2.41 464	1.49 504	2.67 506	1.67 526	2.60 543	2.04 551	2.32 524	1.76 535	2.44 533	1.68 531	2.50 530	1.69 515	2.38 527	1.80 539	2.28 523	1.78 524	2.63 552	2.14 555	3.47 543	1.68 531

DPSNet	3.66 559	3.60 508	3.62 575	3.63 540	3.64 586	3.65 562	3.65 585	3.66 562	3.67 582	3.67 561	3.65 583	3.67 562	3.66 571	3.66 561	3.68 580	3.68 556	3.66 570	3.67 562	3.68 586	3.67 544	3.67 583

RAStereo	2.23 531	3.64 509	0.76 381	3.65 541	0.86 425	3.66 563	0.76 408	3.67 563	0.81 421	3.66 560	0.76 418	3.66 561	0.77 406	3.68 562	0.77 410	3.68 556	0.77 386	3.69 563	0.77 416	3.70 545	0.77 405

SA	4.33 578	7.35 562	6.85 593	5.96 576	4.09 591	3.59 561	3.15 578	3.82 564	2.64 562	3.91 562	3.85 586	3.57 560	2.72 552	3.13 555	4.03 587	7.09 595	6.86 590	3.57 560	3.12 576	3.85 546	3.51 582

ssnet_v2	0.68 334	1.96 431	1.25 478	0.29 176	0.20 199	0.30 210	0.20 186	0.29 202	0.22 199	1.50 493	0.20 199	0.31 220	0.20 197	0.27 205	0.22 194	0.24 184	1.49 502	0.26 201	0.18 194	3.90 547	0.19 180

TestStereo1	4.60 580	8.41 569	6.44 590	6.86 581	3.79 588	3.97 565	3.78 587	3.99 566	3.74 584	3.97 563	3.52 581	3.94 565	3.58 568	3.98 565	3.72 582	6.82 592	6.50 588	3.76 564	3.66 584	3.90 547	3.74 586

SA-5K	4.60 580	8.41 569	6.44 590	6.86 581	3.79 588	3.97 565	3.78 587	3.99 566	3.74 584	3.97 563	3.52 581	3.94 565	3.58 568	3.98 565	3.72 582	6.82 592	6.50 588	3.76 564	3.66 584	3.90 547	3.74 586

NLCSM	3.67 560	4.08 523	3.19 571	4.80 564	3.26 579	3.99 567	3.24 580	4.25 569	3.18 578	4.09 565	3.27 578	4.14 567	3.18 566	4.13 567	3.28 576	4.06 558	3.10 560	3.85 567	3.14 577	3.91 550	3.27 579

test_4	4.88 586	8.13 567	6.98 594	7.46 584	4.44 593	4.25 569	3.85 589	4.04 568	3.92 588	4.13 566	3.91 587	4.18 569	3.84 578	4.14 568	4.06 588	7.01 594	7.13 591	4.53 569	3.72 587	4.09 551	3.72 584

test_3	5.01 588	8.86 574	7.77 596	8.09 586	2.76 566	4.13 568	4.05 591	3.88 565	3.76 586	4.33 568	4.13 590	3.71 563	3.91 579	4.21 569	4.06 588	7.93 596	7.69 593	4.53 569	3.91 589	4.17 552	4.29 592

RAFT+CT+SA	4.28 576	7.62 565	4.91 582	5.55 573	2.28 561	3.09 554	3.64 584	4.49 571	3.07 571	4.80 583	3.35 579	4.77 586	3.70 573	4.29 570	3.05 565	5.58 584	5.98 585	3.58 561	3.78 588	4.26 553	3.72 584

test_5	4.62 583	7.55 564	6.23 588	6.32 578	3.40 582	5.29 590	3.50 582	3.53 561	4.11 590	4.28 567	4.47 593	4.26 570	4.38 585	3.68 562	3.24 575	5.89 586	5.60 582	4.84 586	3.50 582	4.33 554	3.93 590

Sa-1000	4.34 579	8.37 568	6.84 592	6.98 583	4.45 594	3.58 560	3.00 564	3.42 560	3.39 580	2.61 540	4.00 589	3.83 564	4.01 582	3.90 564	3.90 585	5.98 588	5.62 583	3.76 564	2.34 561	4.35 555	2.47 558

cross-raft	4.83 585	7.52 563	6.43 589	6.63 579	3.96 590	4.51 571	3.99 590	4.49 571	3.96 589	4.52 570	3.96 588	4.50 571	3.97 581	4.50 572	3.97 586	6.65 590	6.44 587	4.33 568	3.92 590	4.35 555	3.91 589

sAnonymous2	3.31 557	2.63 472	1.38 494	3.71 543	1.86 540	4.70 583	1.11 440	4.82 586	2.72 563	5.45 591	1.98 555	4.59 576	2.64 550	2.65 541	6.21 596	4.37 559	1.08 414	5.16 590	2.24 558	4.52 557	2.39 555

CroCo_RVC	3.31 557	2.63 472	1.38 494	3.71 543	1.86 540	4.70 583	1.11 440	4.82 586	2.72 563	5.45 591	1.98 555	4.59 576	2.64 550	2.65 541	6.21 596	4.37 559	1.08 414	5.16 590	2.24 558	4.52 557	2.39 555

rvit_105_1	3.83 562	5.22 542	3.01 557	4.53 552	3.01 567	4.51 571	3.01 565	4.56 573	3.04 566	4.53 572	3.03 567	4.55 574	3.03 554	4.56 573	3.04 563	4.57 565	3.05 553	4.57 571	3.05 568	4.57 559	3.05 564

rvit_0105_6	3.87 566	5.73 556	3.10 567	4.69 562	3.12 577	4.54 573	3.02 566	4.56 573	3.04 566	4.54 574	3.03 567	4.54 572	3.04 557	4.56 573	3.05 565	4.58 568	3.05 553	4.58 573	3.05 568	4.58 560	3.05 564

rvit_stereo_0081	3.83 562	5.23 543	3.01 557	4.53 552	3.03 569	4.55 577	3.02 566	4.56 573	3.04 566	4.52 570	3.02 565	4.54 572	3.03 554	4.56 573	3.04 563	4.57 565	3.05 553	4.57 571	3.05 568	4.58 560	3.05 564

rvit_stereo_0082	3.86 564	5.82 557	3.01 557	4.53 552	3.03 569	4.54 573	3.02 566	4.56 573	3.04 566	4.53 572	3.02 565	4.55 574	3.04 557	4.57 576	3.05 565	4.57 565	3.05 553	4.58 573	3.05 568	4.58 560	3.06 567

rvit_stereo_0081_aga	3.86 564	5.33 546	3.02 560	4.55 558	3.04 573	4.54 573	3.02 566	4.64 580	3.06 570	4.54 574	3.04 569	4.62 581	3.08 561	4.62 579	3.07 568	4.58 568	3.06 557	4.60 575	3.08 572	4.63 563	3.07 568

rvit_stereo_0080	3.89 567	5.70 554	3.04 562	4.54 555	3.03 569	4.56 578	3.05 572	4.60 577	3.07 571	4.58 577	3.06 570	4.59 576	3.06 559	4.61 577	3.08 569	4.63 570	3.09 558	4.64 577	3.10 573	4.65 564	3.10 571

whm_eth	3.89 567	5.70 554	3.04 562	4.54 555	3.03 569	4.56 578	3.05 572	4.60 577	3.07 571	4.58 577	3.06 570	4.59 576	3.06 559	4.61 577	3.08 569	4.63 570	3.09 558	4.64 577	3.10 573	4.65 564	3.10 571

rvit_stereo_0083	3.92 571	5.30 545	3.06 565	4.61 561	3.09 576	4.67 582	3.08 575	4.66 581	3.09 575	4.62 580	3.10 575	4.66 584	3.11 563	4.67 581	3.16 574	4.72 575	3.16 564	4.77 584	3.11 575	4.66 566	3.11 573

rvit_stereo_ft	3.93 572	5.44 551	3.05 564	4.59 559	3.06 574	4.61 581	3.08 575	4.67 582	3.12 576	4.63 581	3.10 575	4.65 583	3.11 563	4.69 583	3.13 573	4.70 573	3.14 563	4.71 582	3.15 578	4.74 567	3.16 576

MLG-Stereo_test2	4.28 576	5.46 552	3.69 576	4.86 566	3.72 587	5.58 592	3.42 581	4.81 585	3.77 587	4.85 584	3.72 585	5.55 593	3.63 570	5.58 591	3.53 579	4.41 562	3.28 568	4.99 588	2.95 566	4.75 568	3.13 574

rvit_0105_3	3.91 569	5.33 546	3.06 565	4.60 560	3.07 575	4.60 580	3.06 574	4.62 579	3.08 574	4.60 579	3.07 573	4.62 581	3.08 561	4.67 581	3.10 572	4.70 573	3.11 561	4.77 584	3.19 580	4.77 569	3.14 575

rvit_0105_4	3.91 569	5.47 553	3.02 560	4.54 555	3.02 568	4.54 573	3.03 570	4.75 583	3.17 577	4.57 576	3.06 570	4.61 580	3.16 565	4.65 580	3.09 571	4.66 572	3.11 561	4.68 580	3.18 579	4.81 570	3.16 576

CFNet	1.37 478	5.27 544	0.19 164	5.49 572	0.19 196	0.28 206	0.19 182	0.28 197	0.19 191	0.28 202	0.19 195	0.28 206	4.35 584	0.28 209	0.19 186	0.23 177	0.17 165	0.23 185	4.21 593	4.81 570	0.17 174

MLG-Stereo_test3	4.26 575	4.85 536	3.95 578	5.35 571	3.60 584	4.75 586	3.76 586	5.49 592	3.71 583	5.39 589	3.69 584	4.82 587	3.66 571	4.85 584	3.73 584	4.93 576	3.19 567	4.69 581	2.99 567	4.84 572	2.98 563

MLG-Stereo_test1	4.25 574	5.34 548	3.61 574	5.31 570	3.63 585	5.23 589	3.57 583	5.38 591	3.65 581	5.23 588	3.47 580	4.76 585	3.74 574	4.85 584	3.71 581	4.96 577	3.18 566	4.71 582	2.92 565	4.86 573	2.90 561

raft_robust	4.71 584	7.75 566	5.40 587	6.81 580	3.31 580	4.28 570	4.20 592	4.32 570	4.37 593	4.35 569	4.35 592	4.14 567	3.75 575	4.30 571	4.20 590	6.67 591	6.37 586	3.36 559	4.24 594	4.86 573	3.25 578

Anonymous3	2.55 545	3.26 503	1.65 510	3.28 524	1.63 524	3.24 557	1.68 527	3.27 556	1.66 522	3.28 557	1.67 530	3.25 557	1.66 512	3.27 556	1.64 523	3.26 551	1.65 517	3.30 557	1.65 533	4.95 575	1.65 530

TestStereo	4.88 586	4.75 534	4.79 581	4.87 567	4.92 595	4.81 588	4.90 595	4.78 584	4.77 594	4.87 585	4.89 594	4.90 589	4.91 587	4.99 588	4.79 592	4.98 578	4.87 579	4.87 587	4.92 596	5.00 576	5.00 593

rvit_0105_5	4.10 573	5.40 549	3.13 570	4.71 563	3.15 578	4.72 585	3.10 577	4.90 588	3.27 579	4.69 582	3.16 577	4.84 588	3.25 567	4.96 587	3.34 577	5.05 580	3.39 569	5.10 589	3.40 581	5.11 577	3.42 580

FC-DCNN v2	5.10 590	5.15 540	4.49 580	5.07 569	3.37 581	6.87 595	4.75 594	5.04 589	6.34 598	7.84 599	5.06 595	6.72 599	4.09 583	4.99 588	5.44 595	5.03 579	3.16 564	4.67 579	4.86 595	5.15 578	3.89 588

DISCO	1.11 420	0.39 162	5.28 585	0.39 212	0.20 199	0.39 256	0.27 223	0.39 245	0.22 199	0.38 240	0.20 199	0.38 248	0.20 197	6.95 598	0.22 194	0.30 205	0.21 180	0.27 205	0.21 199	5.25 579	0.21 184

MaDis-Stereo	3.19 556	6.02 559	1.12 414	5.61 574	1.16 455	5.43 591	1.02 437	5.15 590	0.70 399	5.43 590	1.21 497	5.03 591	0.97 419	4.85 584	0.99 430	4.53 563	1.16 426	5.53 592	1.25 502	5.37 580	1.30 502

DispFullNet	4.61 582	4.84 535	3.12 568	5.00 568	3.57 583	4.75 586	3.03 570	7.75 599	4.17 591	4.91 586	3.09 574	6.20 595	3.95 580	6.71 595	3.51 578	5.30 583	3.67 571	5.86 596	3.63 583	5.61 581	3.46 581

StereoVision	3.15 555	5.00 538	0.89 393	4.83 565	1.00 438	3.93 564	1.27 502	6.37 593	1.34 508	5.67 593	1.26 502	5.84 594	1.27 492	5.03 590	1.24 499	5.10 582	1.09 416	4.61 576	0.57 380	5.62 582	1.12 436

SGM-Forest	5.21 592	5.92 558	4.08 579	6.18 577	4.16 592	6.31 594	4.34 593	6.50 594	4.33 592	6.14 595	4.21 591	6.61 598	4.55 586	6.67 594	4.48 591	5.94 587	3.94 573	5.85 595	4.03 592	5.79 583	4.17 591
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)	2.58 546	3.31 504	0.66 353	3.18 521	0.66 395	3.18 556	0.66 380	3.21 555	0.67 385	3.19 556	0.66 391	3.19 556	0.66 380	3.31 558	0.68 384	5.09 581	1.79 526	8.23 600	1.67 535	6.18 584	1.38 511

RAFT	6.73 595	9.36 577	7.40 595	8.51 589	6.55 599	6.88 596	6.60 599	6.79 595	6.60 599	6.80 596	6.72 601	5.31 592	5.50 590	6.61 593	6.61 599	8.42 598	5.89 584	5.73 593	5.45 600	6.61 585	6.24 597

gwcnet-sp	0.82 370	1.72 408	1.48 500	0.39 212	0.15 169	0.31 216	0.21 191	0.20 161	0.25 213	1.61 497	0.23 209	0.28 206	0.26 225	0.20 160	0.15 162	0.24 184	1.33 487	0.32 224	0.16 169	6.75 586	0.23 189

scenet	0.82 370	1.72 408	1.48 500	0.39 212	0.15 169	0.31 216	0.21 191	0.20 161	0.25 213	1.61 497	0.23 209	0.28 206	0.26 225	0.20 160	0.15 162	0.24 184	1.33 487	0.32 224	0.16 169	6.75 586	0.23 189

ssnet	0.82 370	1.72 408	1.48 500	0.39 212	0.15 169	0.31 216	0.21 191	0.20 161	0.25 213	1.61 497	0.23 209	0.28 206	0.26 225	0.20 160	0.15 162	0.24 184	1.33 487	0.32 224	0.16 169	6.75 586	0.23 189

test-1	6.46 593	9.16 576	8.03 599	8.09 586	5.62 598	6.11 593	6.35 598	6.85 596	4.94 595	6.08 594	6.29 600	4.98 590	6.43 592	6.22 592	6.36 598	6.16 589	7.47 592	5.82 594	5.44 599	7.11 589	5.68 596

test-v	7.53 597	11.89 585	7.98 597	9.36 592	7.14 600	7.06 597	7.09 600	7.37 597	6.91 600	7.29 597	5.71 598	6.45 596	6.93 593	6.73 596	7.27 600	8.93 601	7.85 594	6.98 597	6.80 601	7.56 590	7.34 599

test-2	7.53 597	11.89 585	7.98 597	9.36 592	7.14 600	7.06 597	7.09 600	7.37 597	6.91 600	7.29 597	5.71 598	6.45 596	6.93 593	6.73 596	7.27 600	8.93 601	7.85 594	6.98 597	6.80 601	7.56 590	7.34 599

rvit_stereo_0075_2	6.64 594	8.80 573	5.25 584	7.89 585	5.27 597	7.90 599	5.27 596	7.92 600	5.28 596	7.91 600	5.29 597	7.93 600	5.27 588	7.92 600	5.28 593	7.93 596	5.28 581	7.93 599	5.29 598	7.93 592	5.28 595

CFNet_RVC	2.38 541	8.71 572	0.38 257	9.33 591	0.42 342	0.56 356	0.42 332	0.60 356	0.38 305	0.62 366	0.42 339	0.56 360	7.29 596	0.62 361	0.42 327	0.53 326	0.37 262	0.49 349	0.34 294	8.30 593	6.87 598

MSMDNet	2.65 547	10.14 583	0.33 230	9.74 594	0.32 270	0.87 392	0.33 269	2.95 553	0.68 390	0.49 319	0.34 287	0.49 323	5.70 591	0.49 322	0.33 265	0.42 288	9.57 597	0.41 305	0.31 275	8.36 594	0.65 381

U	5.15 591	8.49 571	1.81 518	8.49 588	1.77 534	8.49 600	1.77 531	8.51 601	1.77 536	8.49 601	1.77 534	8.50 601	1.78 524	8.58 601	1.77 537	8.54 599	1.78 524	8.55 601	1.78 544	8.55 595	1.84 538

SGM+DAISY	7.06 596	9.15 575	5.38 586	8.84 590	5.18 596	8.80 601	5.31 597	8.79 602	5.28 596	8.89 602	5.20 596	8.93 602	5.33 589	8.95 602	5.36 594	8.70 600	5.21 580	8.74 602	5.20 597	8.89 596	5.15 594

pcwnet_v2	2.66 548	9.89 581	0.33 230	9.89 595	0.32 270	0.50 334	0.32 258	0.49 313	0.33 276	0.49 319	0.34 287	0.49 323	8.76 598	0.48 316	0.33 265	0.41 274	9.58 598	0.40 288	0.29 250	9.01 597	0.63 373

ccs_rob	2.79 552	10.17 584	0.32 224	10.00 597	0.33 282	0.49 326	0.33 269	1.90 502	0.32 269	0.51 339	0.33 279	0.49 323	9.24 600	0.49 322	0.33 265	0.41 274	9.82 600	0.41 305	0.28 240	9.34 598	0.29 232

PCWNet_CMD	2.80 553	9.82 580	0.32 224	10.09 598	0.32 270	0.49 326	0.33 269	3.34 558	0.33 276	0.49 319	0.33 279	0.49 323	8.73 597	0.48 316	0.33 265	0.41 274	9.22 596	0.42 316	0.29 250	9.55 599	0.31 254

UCFNet_RVC	2.75 551	10.06 582	0.29 202	10.31 599	0.29 246	0.42 294	0.29 240	0.43 291	0.29 241	0.42 280	0.29 245	0.42 292	9.87 601	0.43 292	0.29 238	0.36 236	9.84 601	0.36 261	0.26 227	9.77 600	0.26 206

CFNet_pseudo	2.67 549	9.36 577	0.32 224	10.99 600	0.33 282	0.85 390	0.33 269	0.49 313	0.33 276	0.49 319	0.32 272	0.49 323	7.26 595	0.49 322	0.33 265	0.41 274	9.62 599	0.41 305	0.29 250	10.03 601	0.29 232

CFNet_ucs	2.73 550	9.64 579	0.33 230	9.92 596	0.32 270	0.49 326	0.33 269	0.49 313	0.33 276	0.49 319	0.33 279	0.49 323	8.98 599	0.48 316	0.33 265	0.41 274	9.96 602	0.40 288	0.29 250	10.12 602	0.54 355

rafts_anoy	20.00 601	20.00 587	20.00 601	20.00 601	20.00 603	20.00 602	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 604	20.00 603	20.00 604	20.00 603	20.00 602

raft+_RVC	20.00 601	20.00 587	20.00 601	20.00 601	20.00 603	20.00 602	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 604	20.00 603	20.00 604	20.00 603	20.00 602

raftrobust	20.00 601	20.00 587	20.00 601	20.00 601	20.00 603	20.00 602	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 604	20.00 603	20.00 604	20.00 603	20.00 602

CasAABBNet	20.00 601	20.00 587	20.00 601	20.00 601	20.00 603	20.00 602	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 604	20.00 603	20.00 604	20.00 603	20.00 602

RALCasStereoNet	20.00 601	20.00 587	20.00 601	20.00 601	20.00 603	20.00 602	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 604	20.00 603	20.00 604	20.00 603	20.00 602

RALAANet	20.00 601	20.00 587	20.00 601	20.00 601	20.00 603	20.00 602	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 603	20.00 604	20.00 603	20.00 604	20.00 603	20.00 602

MANE	19.05 600	23.00 593	15.00 600	23.00 607	15.00 602	24.00 608	16.00 602	24.00 609	16.00 602	22.00 609	15.00 602	23.00 609	16.00 602	23.00 609	15.00 602	22.00 609	15.00 603	22.00 609	15.00 603	22.00 609	15.00 601

111	30.40 607	30.94 609	29.72 608	32.61 608	30.02 610	33.57 609	30.47 610	31.50 610	29.39 610	30.98 610	29.11 610	29.78 610	30.39 613	29.45 610	30.76 613	30.08 610	29.02 611	29.92 610	30.32 614	29.86 610	30.17 609

tt	500032.53 625	34.60 611	29.72 608	37.47 617	34.41 615	36.85 615	35.22 615	34.71 614	33.55 612	34.50 611	35.43 614	33.81 614	10000000.00 630	33.57 614	33.13 614	33.68 614	35.00 616	34.03 615	35.26 617	30.96 611	34.63 614

DCANet	500032.53 625	34.60 611	29.72 608	37.47 617	34.41 615	36.85 615	35.22 615	34.71 614	33.55 612	34.50 611	35.43 614	33.81 614	10000000.00 630	33.57 614	33.13 614	33.68 614	35.00 616	34.03 615	35.26 617	30.96 611	34.63 614

ADStereo(finetuned)	36.13 610	36.63 614	38.07 618	36.97 613	33.25 614	35.91 614	34.45 614	36.36 617	32.99 611	38.14 621	36.71 617	36.69 617	34.13 614	38.57 621	40.79 620	37.60 621	36.58 618	35.90 618	33.36 615	35.42 613	34.04 613

DCANet-4	35.22 609	34.54 610	35.08 614	33.58 612	35.47 617	34.55 610	35.53 617	36.08 616	35.85 614	35.92 616	35.77 616	35.18 616	35.48 615	35.39 616	37.15 619	34.55 616	33.92 615	35.02 617	34.90 616	35.79 614	34.74 616

Reg-Stereo(zero)	37.00 611	37.00 615	37.00 615	37.00 614	37.00 618	37.00 617	37.00 618	37.00 618	37.00 615	37.00 617	37.00 618	37.00 618	37.00 616	37.00 617	37.00 616	37.00 618	37.00 619	37.00 619	37.00 619	37.00 615	37.00 617

HI	37.00 611	37.00 615	37.00 615	37.00 614	37.00 618	37.00 617	37.00 618	37.00 618	37.00 615	37.00 617	37.00 618	37.00 618	37.00 616	37.00 617	37.00 616	37.00 618	37.00 619	37.00 619	37.00 619	37.00 615	37.00 617

CoSv	37.00 611	37.00 615	37.00 615	37.00 614	37.00 618	37.00 617	37.00 618	37.00 618	37.00 615	37.00 617	37.00 618	37.00 618	37.00 616	37.00 617	37.00 616	37.00 618	37.00 619	37.00 619	37.00 619	37.00 615	37.00 617

WCMA_ROB	31.10 608	35.43 613	27.12 607	39.51 619	23.10 609	38.78 620	25.30 609	37.49 621	25.39 609	37.29 620	27.02 609	38.52 621	26.48 609	37.80 620	26.44 609	36.28 617	22.65 610	33.90 614	22.30 610	37.10 618	24.18 608

NOSS_ROB	102.95 615	153.00 623	121.00 622	51.00 620	44.00 621	165.00 624	127.00 623	153.00 624	119.00 620	164.00 625	125.00 623	168.00 625	120.00 621	153.00 624	117.00 623	49.00 622	44.00 622	49.00 622	44.00 622	49.00 619	44.00 620

CBMV	128.50 616	1422.70 630	53.10 620	79.50 621	51.30 622	77.30 622	49.70 621	74.00 622	48.20 619	77.20 623	48.80 622	73.90 623	48.00 620	73.80 623	48.80 622	70.40 623	45.10 623	68.90 623	46.10 623	68.20 620	45.00 621
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 614	87.70 619	41.95 619	113.75 622	65.62 623	75.05 621	55.25 622	75.64 623	45.04 618	71.61 622	41.75 621	72.81 622	44.06 619	68.38 622	44.63 621	101.89 624	59.57 624	107.10 624	61.05 624	104.38 621	59.38 622

MeshStereo	159.24 617	171.00 624	160.68 625	162.58 623	160.59 624	164.01 623	160.35 624	158.51 625	158.56 621	158.34 624	160.12 624	158.56 624	159.92 622	157.26 625	158.94 624	154.38 625	158.36 625	155.75 625	159.13 626	153.67 622	154.07 623
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	201.80 618	123.00 620	115.00 621	219.00 624	218.00 626	223.00 625	244.00 626	217.00 626	236.00 623	202.00 626	203.00 625	205.00 626	208.00 623	225.00 626	204.00 625	210.00 626	198.00 626	197.00 626	184.00 627	204.00 623	201.00 624

MGS-Stereo	239.45 619	123.00 620	135.00 623	266.00 625	286.00 627	277.00 626	305.00 627	271.00 627	242.00 624	274.00 627	279.00 627	255.00 627	270.00 625	268.00 627	297.00 627	221.00 627	247.00 628	216.00 627	123.00 625	217.00 624	217.00 626

EGLCR-Stereo	246.90 620	129.00 622	139.00 624	266.00 625	286.00 627	277.00 626	305.00 627	271.00 627	242.00 624	274.00 627	279.00 627	255.00 627	270.00 625	268.00 627	297.00 627	230.00 628	247.00 628	216.00 627	223.00 629	237.00 625	227.00 627

DLCB_ROB	284.23 621	354.61 626	207.27 626	363.24 627	206.46 625	364.72 628	210.41 625	364.72 629	210.41 622	364.81 629	208.64 626	364.81 629	208.64 624	364.72 629	210.41 626	354.70 629	205.53 627	354.70 629	205.53 628	354.70 626	205.53 625

LE_ROB	396.57 622	471.28 627	329.84 627	471.48 628	308.15 629	526.83 629	322.10 629	488.15 630	323.76 626	495.46 630	317.97 629	497.17 630	320.10 627	481.62 630	326.76 629	462.71 630	298.97 630	466.16 630	285.98 630	447.62 627	289.21 628

SGM-ForestM	596.69 623	677.77 628	444.52 628	699.85 629	517.25 630	732.94 630	488.29 630	770.79 631	460.11 627	750.81 631	487.98 630	792.79 631	499.41 628	730.90 631	475.81 630	720.03 631	491.16 631	663.96 631	418.60 631	674.76 628	436.05 629

CBMV_ROB	818.48 624	913.88 629	709.52 629	862.84 630	597.78 631	1073.99 631	700.52 631	1015.66 632	702.59 628	1115.65 632	760.02 631	1130.24 632	721.57 629	1037.41 632	692.65 631	814.05 632	564.29 632	843.28 632	595.31 632	915.51 629	602.92 630

111111	10000000.00 630	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 632	10000000.00 632	10000000.00 632	10000000.00 633	10000000.00 629	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 630	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 630	10000000.00 631

SGD-Stereo	10000000.00 630	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 632	10000000.00 632	10000000.00 632	10000000.00 633	10000000.00 629	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 630	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 630	10000000.00 631

IGEV-Stereo++	10000000.00 630	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 632	10000000.00 632	10000000.00 632	10000000.00 633	10000000.00 629	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 630	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 630	10000000.00 631

IGEV-BASED-STEREO-	10000000.00 630	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 632	10000000.00 632	10000000.00 632	10000000.00 633	10000000.00 629	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 630	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 630	10000000.00 631

IGEV-Stereo+	10000000.00 630	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 632	10000000.00 632	10000000.00 632	10000000.00 633	10000000.00 629	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 630	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 630	10000000.00 631

SDNR	10000000.00 630	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 632	10000000.00 632	10000000.00 632	10000000.00 633	10000000.00 629	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 630	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 630	10000000.00 631

anonymousdsp2	10000000.00 630	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 632	10000000.00 632	10000000.00 632	10000000.00 633	10000000.00 629	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 630	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 630	10000000.00 631

anonymousdsp	10000000.00 630	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 632	10000000.00 632	10000000.00 632	10000000.00 633	10000000.00 629	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 630	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 630	10000000.00 631

fff	1000028.16 627	29.62 605	29.72 608	32.61 608	30.02 610	35.13 611	31.83 611	32.07 611	10000000.00 629	35.27 613	29.82 611	32.45 611	30.15 610	32.35 611	30.09 610	31.04 611	29.55 612	30.64 611	30.14 611	10000000.00 630	30.77 610

csc	1000028.16 627	29.62 605	29.72 608	32.61 608	30.02 610	35.13 611	31.83 611	32.07 611	10000000.00 629	35.27 613	29.82 611	32.45 611	30.15 610	32.35 611	30.09 610	31.04 611	29.55 612	30.64 611	30.14 611	10000000.00 630	30.77 610

cscssc	1000028.16 627	29.62 605	29.72 608	32.61 608	30.02 610	35.13 611	31.83 611	32.07 611	10000000.00 629	35.27 613	29.82 611	32.45 611	30.15 610	32.35 611	30.09 610	31.04 611	29.55 612	30.64 611	30.14 611	10000000.00 630	30.77 610

test_example2	10000000.00 630	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 632	10000000.00 632	10000000.00 632	10000000.00 633	10000000.00 629	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 630	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 630	10000000.00 631

DIP-Stereo	10000000.00 630	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 632	10000000.00 632	10000000.00 632	10000000.00 633	10000000.00 629	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 630	10000000.00 633	10000000.00 632	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 633	10000000.00 630	10000000.00 631
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