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	deliv. area 1l	deliv. area 1s	deliv. area 2l	deliv. area 2s	deliv. area 3l	deliv. area 3s	elect. 1l	elect. 1s	elect. 2l	elect. 2s	elect. 3l	elect. 3s	facade 1s	forest 1s	forest 2s	playg. 1l	playg. 1s	playg. 2l	playg. 2s	playg. 3l	playg. 3s	terra. 1s	terra. 2s	terra. 1l	terra. 1s	terra. 2l	terra. 2s

111111	0.03 6	0.02 3	0.02 5	0.01 1	0.02 8	0.02 5	0.02 19	0.03 16	0.04 25	0.02 3	0.03 15	0.03 15	0.02 14	0.01 2	0.04 3	0.05 15	0.04 7	0.03 2	0.04 13	0.03 6	0.03 2	0.03 7	0.02 30	0.02 7	0.03 2	0.03 1	0.02 1	0.02 1

MLG-Stereo_test1	0.03 6	0.02 3	0.01 1	0.01 1	0.02 8	0.02 5	0.02 19	0.03 16	0.04 25	0.04 33	0.02 3	0.04 31	0.02 14	0.01 2	0.04 3	0.04 3	0.06 36	0.04 13	0.05 26	0.03 6	0.05 26	0.03 7	0.01 2	0.01 1	0.03 2	0.03 1	0.03 13	0.03 9

MLG-Stereo	0.03 6	0.02 3	0.01 1	0.02 8	0.02 8	0.01 1	0.01 1	0.03 16	0.03 13	0.04 33	0.02 3	0.04 31	0.01 1	0.01 2	0.04 3	0.04 3	0.06 36	0.03 2	0.04 13	0.03 6	0.05 26	0.03 7	0.01 2	0.01 1	0.03 2	0.03 1	0.03 13	0.03 9

MM-Stereo_test3	0.02 1	0.01 1	0.02 5	0.02 8	0.02 8	0.01 1	0.01 1	0.02 4	0.03 13	0.02 3	0.02 3	0.02 5	0.01 1	0.01 2	0.04 3	0.04 3	0.04 7	0.03 2	0.03 1	0.03 6	0.03 2	0.02 2	0.01 2	0.02 7	0.03 2	0.03 1	0.02 1	0.02 1

MM-Stereo_test1	0.02 1	0.02 3	0.02 5	0.02 8	0.01 1	0.02 5	0.01 1	0.02 4	0.03 13	0.03 13	0.02 3	0.01 1	0.01 1	0.01 2	0.04 3	0.04 3	0.04 7	0.04 13	0.04 13	0.03 6	0.03 2	0.03 7	0.02 30	0.03 27	0.03 2	0.03 1	0.02 1	0.02 1

CoSv	0.03 6	0.02 3	0.01 1	0.02 8	0.02 8	0.03 34	0.02 19	0.03 16	0.03 13	0.03 13	0.02 3	0.02 5	0.02 14	0.01 2	0.04 3	0.05 15	0.05 24	0.03 2	0.06 42	0.02 1	0.04 16	0.02 2	0.01 2	0.01 1	0.05 31	0.03 1	0.04 29	0.03 9

Pointernet	0.02 1	0.02 3	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.02 4	0.02 3	0.02 3	0.02 3	0.02 5	0.01 1	0.01 2	0.03 1	0.03 1	0.03 1	0.02 1	0.03 1	0.02 1	0.02 1	0.01 1	0.01 2	0.01 1	0.03 2	0.03 1	0.02 1	0.02 1

MoCha-V2	0.03 6	0.02 3	0.02 5	0.02 8	0.02 8	0.02 5	0.01 1	0.02 4	0.02 3	0.03 13	0.03 15	0.02 5	0.01 1	0.01 2	0.04 3	0.05 15	0.04 7	0.04 13	0.04 13	0.03 6	0.03 2	0.02 2	0.01 2	0.02 7	0.03 2	0.03 1	0.02 1	0.02 1

ProNet	0.02 1	0.02 3	0.02 5	0.02 8	0.02 8	0.02 5	0.02 19	0.01 1	0.01 1	0.02 3	0.02 3	0.01 1	0.01 1	0.01 2	0.04 3	0.04 3	0.03 1	0.03 2	0.03 1	0.02 1	0.03 2	0.02 2	0.01 2	0.02 7	0.03 2	0.03 1	0.02 1	0.02 1

CroCo-Stereo	0.02 1	0.01 1	0.02 5	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.01 1	0.00 1	0.04 3	0.05 15	0.04 7	0.03 2	0.03 1	0.02 1	0.03 2	0.02 2	0.00 1	0.01 1	0.04 15	0.03 1	0.02 1	0.02 1
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
WQFJX1	0.03 6	0.02 3	0.02 5	0.02 8	0.02 8	0.02 5	0.02 19	0.04 29	0.06 68	0.03 13	0.05 46	0.03 15	0.04 61	0.01 2	0.04 3	0.04 3	0.04 7	0.03 2	0.03 1	0.03 6	0.03 2	0.03 7	0.01 2	0.02 7	0.04 15	0.04 11	0.03 13	0.03 9

NLMM1	0.04 30	0.03 27	0.03 29	0.02 8	0.02 8	0.02 5	0.02 19	0.05 44	0.05 46	0.04 33	0.07 90	0.03 15	0.07 144	0.02 22	0.04 3	0.05 15	0.03 1	0.04 13	0.04 13	0.04 28	0.03 2	0.03 7	0.01 2	0.04 56	0.06 45	0.04 11	0.04 29	0.04 30

NLCSM	0.03 6	0.02 3	0.02 5	0.02 8	0.02 8	0.02 5	0.02 19	0.05 44	0.04 25	0.03 13	0.04 28	0.04 31	0.05 87	0.02 22	0.03 1	0.03 1	0.04 7	0.03 2	0.03 1	0.02 1	0.03 2	0.03 7	0.01 2	0.02 7	0.04 15	0.04 11	0.02 1	0.03 9

GSStereo	0.03 6	0.03 27	0.03 29	0.03 29	0.03 30	0.03 34	0.02 19	0.01 1	0.03 13	0.03 13	0.03 15	0.02 5	0.01 1	0.01 2	0.05 21	0.06 34	0.07 45	0.04 13	0.06 42	0.03 6	0.06 38	0.03 7	0.01 2	0.03 27	0.04 15	0.04 11	0.04 29	0.03 9

GS-Stereo																							0.01 2	0.03 27	0.04 15	0.04 11	0.04 29	0.03 9

GASTEREO	0.03 6	0.02 3	0.03 29	0.02 8	0.03 30	0.02 5	0.01 1	0.02 4	0.05 46	0.02 3	0.03 15	0.04 31	0.02 14	0.02 22	0.05 21	0.06 34	0.05 24	0.05 31	0.05 26	0.04 28	0.04 16	0.04 35	0.02 30	0.02 7	0.05 31	0.04 11	0.03 13	0.04 30

MSCF	0.03 6	0.02 3	0.03 29	0.03 29	0.02 8	0.02 5	0.01 1	0.02 4	0.05 46	0.02 3	0.04 28	0.04 31	0.02 14	0.02 22	0.05 21	0.06 34	0.05 24	0.05 31	0.05 26	0.04 28	0.04 16	0.04 35	0.02 30	0.02 7	0.05 31	0.04 11	0.02 1	0.04 30

MLG-Stereo_test2	0.04 30	0.02 3	0.02 5	0.02 8	0.02 8	0.02 5	0.01 1	0.04 29	0.03 13	0.05 49	0.03 15	0.05 47	0.02 14	0.03 52	0.05 21	0.05 15	0.08 52	0.04 13	0.06 42	0.04 28	0.07 49	0.03 7	0.02 30	0.02 7	0.04 15	0.04 11	0.05 43	0.03 9

LG-Stereo	0.03 6	0.03 27	0.02 5	0.02 8	0.03 30	0.02 5	0.01 1	0.04 29	0.05 46	0.04 33	0.02 3	0.05 47	0.02 14	0.01 2	0.04 3	0.05 15	0.05 24	0.04 13	0.05 26	0.04 28	0.07 49	0.03 7	0.01 2	0.02 7	0.05 31	0.04 11	0.04 29	0.04 30

MM-Stereo_test2	0.03 6	0.02 3	0.02 5	0.02 8	0.02 8	0.02 5	0.01 1	0.03 16	0.02 3	0.03 13	0.03 15	0.01 1	0.01 1	0.02 22	0.05 21	0.05 15	0.04 7	0.05 31	0.04 13	0.03 6	0.04 16	0.04 35	0.03 64	0.03 27	0.03 2	0.04 11	0.03 13	0.04 30

GREAT-IGEV	0.03 6	0.02 3	0.02 5	0.02 8	0.01 1	0.02 5	0.01 1	0.02 4	0.02 3	0.03 13	0.04 28	0.04 31	0.01 1	0.01 2	0.05 21	0.05 15	0.04 7	0.04 13	0.04 13	0.03 6	0.04 16	0.03 7	0.01 2	0.02 7	0.04 15	0.04 11	0.03 13	0.03 9
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
AIO-test2	0.03 6	0.02 3	0.02 5	0.02 8	0.01 1	0.02 5	0.01 1	0.03 16	0.04 25	0.03 13	0.06 68	0.03 15	0.01 1	0.02 22	0.04 3	0.04 3	0.03 1	0.04 13	0.03 1	0.03 6	0.03 2	0.03 7	0.01 2	0.02 7	0.02 1	0.04 11	0.02 1	0.03 9

AIO-test1	0.03 6	0.02 3	0.02 5	0.01 1	0.02 8	0.02 5	0.01 1	0.05 44	0.05 46	0.04 33	0.04 28	0.04 31	0.02 14	0.03 52	0.05 21	0.06 34	0.04 7	0.04 13	0.03 1	0.03 6	0.03 2	0.03 7	0.01 2	0.02 7	0.03 2	0.04 11	0.02 1	0.03 9

Occ-G	0.04 30	0.04 48	0.03 29	0.04 49	0.02 8	0.03 34	0.02 19	0.04 29	0.03 13	0.03 13	0.05 46	0.03 15	0.02 14	0.02 22	0.05 21	0.06 34	0.06 36	0.06 47	0.07 50	0.04 28	0.05 26	0.03 7	0.04 87	0.03 27	0.04 15	0.04 11	0.03 13	0.05 43

U	0.03 6	0.02 3	0.02 5	0.01 1	0.01 1	0.02 5	0.01 1	0.02 4	0.02 3	0.01 1	0.01 1	0.02 5	0.02 14	0.01 2	0.05 21	0.05 15	0.05 24	0.04 13	0.04 13	0.03 6	0.05 26	0.03 7	0.01 2	0.01 1	0.04 15	0.04 11	0.02 1	0.03 9

AIO-Stereo	0.03 6	0.03 27	0.03 29	0.02 8	0.03 30	0.03 34	0.02 19	0.02 4	0.03 13	0.03 13	0.03 15	0.02 5	0.02 14	0.02 22	0.05 21	0.05 15	0.04 7	0.04 13	0.05 26	0.03 6	0.04 16	0.03 7	0.02 30	0.02 7	0.03 2	0.04 11	0.03 13	0.02 1

RSM	0.03 6	0.03 27	0.03 29	0.02 8	0.03 30	0.03 34	0.02 19	0.03 16	0.02 3	0.03 13	0.04 28	0.04 31	0.02 14	0.02 22	0.05 21	0.06 34	0.05 24	0.04 13	0.05 26	0.04 28	0.05 26	0.03 7	0.01 2	0.03 27	0.04 15	0.04 11	0.03 13	0.03 9

WQFJA1	0.04 30	0.03 27	0.03 29	0.03 29	0.03 30	0.04 51	0.03 48	0.05 44	0.04 25	0.03 13	0.06 68	0.04 31	0.03 42	0.02 22	0.04 3	0.04 3	0.04 7	0.03 2	0.03 1	0.03 6	0.03 2	0.03 7	0.02 30	0.03 27	0.04 15	0.05 28	0.03 13	0.05 43

WQFJX	0.03 6	0.03 27	0.03 29	0.03 29	0.03 30	0.03 34	0.02 19	0.03 16	0.04 25	0.03 13	0.06 68	0.03 15	0.06 116	0.02 22	0.04 3	0.04 3	0.03 1	0.03 2	0.03 1	0.03 6	0.03 2	0.03 7	0.02 30	0.03 27	0.03 2	0.05 28	0.03 13	0.04 30

NLMM	0.04 30	0.03 27	0.03 29	0.03 29	0.03 30	0.04 51	0.03 48	0.05 44	0.04 25	0.03 13	0.06 68	0.04 31	0.03 42	0.02 22	0.04 3	0.04 3	0.04 7	0.03 2	0.03 1	0.03 6	0.03 2	0.03 7	0.02 30	0.03 27	0.04 15	0.05 28	0.03 13	0.05 43

NLSM1	0.04 30	0.03 27	0.03 29	0.03 29	0.02 8	0.04 51	0.03 48	0.05 44	0.07 93	0.03 13	0.07 90	0.04 31	0.06 116	0.02 22	0.04 3	0.04 3	0.04 7	0.04 13	0.05 26	0.03 6	0.05 26	0.03 7	0.02 30	0.03 27	0.05 31	0.05 28	0.04 29	0.04 30

VIP-Stereo	0.04 30	0.03 27	0.03 29	0.04 49	0.03 30	0.02 5	0.01 1	0.04 29	0.04 25	0.04 33	0.07 90	0.06 59	0.02 14	0.02 22	0.05 21	0.06 34	0.08 52	0.05 31	0.06 42	0.04 28	0.07 49	0.04 35	0.02 30	0.03 27	0.05 31	0.05 28	0.04 29	0.04 30

GEAStereo	0.04 30	0.04 48	0.03 29	0.04 49	0.03 30	0.03 34	0.03 48	0.04 29	0.03 13	0.04 33	0.03 15	0.03 15	0.01 1	0.02 22	0.05 21	0.06 34	0.06 36	0.05 31	0.05 26	0.04 28	0.06 38	0.04 35	0.02 30	0.03 27	0.04 15	0.05 28	0.04 29	0.03 9

BridgeDepth	0.03 6	0.02 3	0.02 5	0.03 29	0.02 8	0.03 34	0.01 1	0.02 4	0.02 3	0.02 3	0.02 3	0.04 31	0.02 14	0.01 2	0.04 3	0.04 3	0.03 1	0.04 13	0.03 1	0.03 6	0.04 16	0.03 7	0.01 2	0.02 7	0.04 15	0.05 28	0.05 43	0.03 9
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
gasm-f	0.04 30	0.04 48	0.03 29	0.04 49	0.03 30	0.03 34	0.03 48	0.04 29	0.03 13	0.04 33	0.03 15	0.03 15	0.01 1	0.02 22	0.05 21	0.06 34	0.06 36	0.05 31	0.05 26	0.04 28	0.06 38	0.04 35	0.02 30	0.03 27	0.04 15	0.05 28	0.04 29	0.03 9

MonStereo	0.04 30	0.03 27	0.03 29	0.03 29	0.02 8	0.02 5	0.02 19	0.03 16	0.04 25	0.04 33	0.06 68	0.03 15	0.02 14	0.02 22	0.05 21	0.05 15	0.05 24	0.04 13	0.05 26	0.04 28	0.05 26	0.03 7	0.02 30	0.02 7	0.05 31	0.05 28	0.05 43	0.05 43

AdaDepth	0.04 30	0.04 48	0.02 5	0.03 29	0.03 30	0.02 5	0.02 19	0.03 16	0.04 25	0.03 13	0.04 28	0.03 15	0.02 14	0.01 2	0.06 43	0.06 34	0.06 36	0.05 31	0.05 26	0.03 6	0.05 26	0.03 7	0.01 2	0.03 27	0.05 31	0.05 28	0.04 29	0.03 9

HUF	0.07 74	0.05 67	0.04 61	0.07 113	0.06 95	0.04 51	0.03 48	0.09 80	0.07 93	0.16 104	0.05 46	0.09 75	0.04 61	0.03 52	0.06 43	0.07 56	0.08 52	0.06 47	0.09 78	0.06 70	0.14 127	0.06 74	0.03 64	0.04 56	0.08 69	0.05 28	0.06 59	0.05 43

GIP-stereo	0.03 6	0.02 3	0.02 5	0.02 8	0.02 8	0.02 5	0.02 19	0.02 4	0.02 3	0.02 3	0.02 3	0.02 5	0.02 14	0.02 22	0.05 21	0.05 15	0.06 36	0.04 13	0.06 42	0.03 6	0.05 26	0.03 7	0.01 2	0.03 27	0.04 15	0.05 28	0.03 13	0.03 9

IGEV-Stereo++	0.03 6	0.02 3	0.02 5	0.03 29	0.03 30	0.03 34	0.02 19	0.04 29	0.04 25	0.04 33	0.03 15	0.03 15	0.02 14	0.02 22	0.05 21	0.05 15	0.04 7	0.04 13	0.04 13	0.04 28	0.04 16	0.04 35	0.03 64	0.03 27	0.03 2	0.05 28	0.03 13	0.03 9

RAStereo	0.03 6	0.02 3	0.02 5	0.02 8	0.02 8	0.02 5	0.01 1	0.03 16	0.02 3	0.03 13	0.02 3	0.04 31	0.03 42	0.02 22	0.05 21	0.05 15	0.05 24	0.05 31	0.04 13	0.03 6	0.06 38	0.03 7	0.01 2	0.02 7	0.06 45	0.05 28	0.04 29	0.04 30

RSM++	0.04 30	0.03 27	0.03 29	0.02 8	0.04 52	0.02 5	0.03 48	0.05 44	0.04 25	0.04 33	0.04 28	0.05 47	0.02 14	0.02 22	0.06 43	0.06 34	0.05 24	0.05 31	0.05 26	0.04 28	0.07 49	0.04 35	0.02 30	0.03 27	0.06 45	0.05 28	0.04 29	0.04 30

anonymousdsp	0.05 47	0.04 48	0.03 29	0.03 29	0.04 52	0.04 51	0.04 84	0.06 55	0.05 46	0.06 56	0.04 28	0.03 15	0.02 14	0.03 52	0.06 43	0.07 56	0.08 52	0.06 47	0.08 63	0.05 52	0.09 64	0.05 54	0.03 64	0.03 27	0.05 31	0.05 28	0.05 43	0.05 43

CroCo-Stereo Lap2	0.03 6	0.02 3	0.02 5	0.01 1	0.01 1	0.02 5	0.02 19	0.02 4	0.02 3	0.03 13	0.02 3	0.02 5	0.03 42	0.01 2	0.05 21	0.05 15	0.04 7	0.05 31	0.04 13	0.04 28	0.04 16	0.04 35	0.01 2	0.02 7	0.05 31	0.05 28	0.05 43	0.03 9

HCRNet	0.11 131	0.17 259	0.06 121	0.22 259	0.08 133	0.15 213	0.08 158	0.13 115	0.04 25	0.46 323	0.12 182	0.24 248	0.07 144	0.07 143	0.08 93	0.06 34	0.14 107	0.08 72	0.20 218	0.08 108	0.09 64	0.05 54	0.11 230	0.06 104	0.06 45	0.05 28	0.05 43	0.08 72

RAFT + AFF	0.05 47	0.04 48	0.03 29	0.05 70	0.04 52	0.04 51	0.03 48	0.06 55	0.08 116	0.09 72	0.05 46	0.09 75	0.02 14	0.02 22	0.05 21	0.05 15	0.09 65	0.06 47	0.06 42	0.04 28	0.07 49	0.05 54	0.02 30	0.04 56	0.07 59	0.05 28	0.05 43	0.05 43

TDLM	0.04 30	0.04 48	0.04 61	0.04 49	0.04 52	0.04 51	0.03 48	0.04 29	0.03 13	0.04 33	0.06 68	0.04 31	0.03 42	0.03 52	0.06 43	0.06 34	0.06 36	0.06 47	0.05 26	0.04 28	0.05 26	0.04 35	0.03 64	0.04 56	0.05 31	0.05 28	0.05 43	0.05 43

MatchStereo	0.04 30	0.02 3	0.03 29	0.02 8	0.03 30	0.02 5	0.02 19	0.03 16	0.06 68	0.02 3	0.06 68	0.02 5	0.04 61	0.02 22	0.06 43	0.06 34	0.04 7	0.05 31	0.04 13	0.05 52	0.05 26	0.05 54	0.01 2	0.03 27	0.05 31	0.06 48	0.03 13	0.04 30

NLSM3	0.04 30	0.03 27	0.03 29	0.04 49	0.03 30	0.02 5	0.02 19	0.04 29	0.07 93	0.04 33	0.04 28	0.03 15	0.04 61	0.03 52	0.06 43	0.05 15	0.05 24	0.05 31	0.04 13	0.04 28	0.04 16	0.04 35	0.03 64	0.03 27	0.06 45	0.06 48	0.06 59	0.06 61

LG-Stereo_L2	0.06 54	0.04 48	0.03 29	0.03 29	0.04 52	0.02 5	0.02 19	0.08 73	0.08 116	0.21 160	0.06 68	0.08 68	0.03 42	0.03 52	0.06 43	0.07 56	0.10 69	0.06 47	0.07 50	0.04 28	0.13 111	0.05 54	0.02 30	0.03 27	0.05 31	0.06 48	0.05 43	0.05 43

LG-Stereo_L1	0.06 54	0.04 48	0.03 29	0.04 49	0.03 30	0.02 5	0.02 19	0.08 73	0.09 150	0.21 160	0.05 46	0.05 47	0.03 42	0.03 52	0.06 43	0.07 56	0.10 69	0.06 47	0.07 50	0.04 28	0.14 127	0.05 54	0.01 2	0.03 27	0.06 45	0.06 48	0.05 43	0.05 43

MLG-Stereo_test3	0.05 47	0.03 27	0.02 5	0.03 29	0.04 52	0.05 78	0.03 48	0.05 44	0.06 68	0.06 56	0.06 68	0.09 75	0.02 14	0.03 52	0.06 43	0.06 34	0.08 52	0.06 47	0.06 42	0.04 28	0.08 59	0.04 35	0.02 30	0.03 27	0.05 31	0.06 48	0.05 43	0.05 43

LG-G_1	0.06 54	0.05 67	0.04 61	0.05 70	0.05 70	0.06 95	0.03 48	0.06 55	0.06 68	0.08 68	0.03 15	0.10 83	0.04 61	0.06 112	0.06 43	0.06 34	0.10 69	0.06 47	0.08 63	0.05 52	0.10 72	0.04 35	0.05 115	0.04 56	0.06 45	0.06 48	0.08 74	0.07 65

LG-G	0.06 54	0.05 67	0.04 61	0.05 70	0.05 70	0.06 95	0.03 48	0.06 55	0.06 68	0.08 68	0.03 15	0.10 83	0.04 61	0.06 112	0.06 43	0.06 34	0.10 69	0.06 47	0.08 63	0.05 52	0.10 72	0.04 35	0.05 115	0.04 56	0.06 45	0.06 48	0.08 74	0.07 65

DFGA-Net	0.05 47	0.05 67	0.03 29	0.04 49	0.03 30	0.04 51	0.03 48	0.05 44	0.04 25	0.06 56	0.05 46	0.10 83	0.04 61	0.03 52	0.06 43	0.07 56	0.08 52	0.07 64	0.07 50	0.05 52	0.07 49	0.04 35	0.03 64	0.04 56	0.07 59	0.06 48	0.06 59	0.09 79

LGtest1	0.06 54	0.04 48	0.03 29	0.04 49	0.04 52	0.04 51	0.03 48	0.08 73	0.08 116	0.07 65	0.04 28	0.06 59	0.03 42	0.05 93	0.07 62	0.07 56	0.12 89	0.07 64	0.10 90	0.07 86	0.12 92	0.06 74	0.04 87	0.03 27	0.07 59	0.06 48	0.08 74	0.06 61

AIO_rvc	0.06 54	0.06 90	0.03 29	0.05 70	0.04 52	0.04 51	0.03 48	0.08 73	0.06 68	0.10 80	0.04 28	0.08 68	0.02 14	0.03 52	0.06 43	0.07 56	0.08 52	0.06 47	0.07 50	0.05 52	0.12 92	0.05 54	0.02 30	0.03 27	0.06 45	0.06 48	0.05 43	0.05 43

DEFOM-Stereo	0.04 30	0.03 27	0.02 5	0.04 49	0.03 30	0.03 34	0.02 19	0.04 29	0.04 25	0.04 33	0.04 28	0.03 15	0.02 14	0.02 22	0.05 21	0.05 15	0.07 45	0.06 47	0.06 42	0.04 28	0.06 38	0.03 7	0.02 30	0.02 7	0.06 45	0.06 48	0.05 43	0.04 30

IGEV-Stereo+	0.06 54	0.03 27	0.03 29	0.03 29	0.04 52	0.03 34	0.03 48	0.16 139	0.06 68	0.20 149	0.06 68	0.06 59	0.03 42	0.04 77	0.07 62	0.08 72	0.10 69	0.06 47	0.09 78	0.06 70	0.12 92	0.06 74	0.03 64	0.03 27	0.07 59	0.06 48	0.03 13	0.07 65

AEACV	0.04 30	0.03 27	0.02 5	0.04 49	0.03 30	0.02 5	0.02 19	0.03 16	0.03 13	0.03 13	0.03 15	0.03 15	0.02 14	0.01 2	0.05 21	0.06 34	0.05 24	0.05 31	0.07 50	0.04 28	0.06 38	0.03 7	0.01 2	0.02 7	0.06 45	0.06 48	0.04 29	0.03 9

iRaftStereo_RVC	0.05 47	0.03 27	0.03 29	0.03 29	0.03 30	0.03 34	0.02 19	0.05 44	0.04 25	0.06 56	0.05 46	0.05 47	0.03 42	0.02 22	0.06 43	0.06 34	0.10 69	0.07 64	0.07 50	0.05 52	0.09 64	0.04 35	0.02 30	0.03 27	0.07 59	0.06 48	0.05 43	0.05 43

delet	0.05 47	0.05 67	0.04 61	0.06 92	0.05 70	0.05 78	0.05 95	0.04 29	0.04 25	0.06 56	0.05 46	0.10 83	0.05 87	0.03 52	0.07 62	0.06 34	0.07 45	0.06 47	0.05 26	0.06 70	0.06 38	0.04 35	0.03 64	0.04 56	0.06 45	0.06 48	0.04 29	0.04 30

AIO_test	0.06 54	0.05 67	0.04 61	0.07 113	0.05 70	0.04 51	0.04 84	0.10 87	0.09 150	0.12 83	0.05 46	0.11 95	0.04 61	0.03 52	0.06 43	0.07 56	0.07 45	0.06 47	0.08 63	0.05 52	0.13 111	0.05 54	0.04 87	0.04 56	0.09 78	0.07 63	0.05 43	0.05 43

IGEV-BASED-STEREO-	0.07 74	0.05 67	0.03 29	0.04 49	0.05 70	0.04 51	0.02 19	0.11 91	0.06 68	0.22 168	0.05 46	0.05 47	0.02 14	0.03 52	0.07 62	0.08 72	0.12 89	0.08 72	0.09 78	0.07 86	0.16 162	0.06 74	0.02 30	0.03 27	0.07 59	0.07 63	0.07 67	0.05 43

MIM_Stereo	0.06 54	0.04 48	0.03 29	0.05 70	0.05 70	0.05 78	0.03 48	0.06 55	0.04 25	0.14 91	0.06 68	0.04 31	0.02 14	0.03 52	0.07 62	0.08 72	0.13 93	0.07 64	0.09 78	0.06 70	0.11 78	0.06 74	0.02 30	0.04 56	0.08 69	0.07 63	0.07 67	0.05 43

AASNet	0.06 54	0.06 90	0.04 61	0.09 144	0.07 111	0.08 124	0.05 95	0.08 73	0.04 25	0.07 65	0.07 90	0.07 64	0.04 61	0.04 77	0.06 43	0.07 56	0.10 69	0.08 72	0.08 63	0.06 70	0.07 49	0.06 74	0.04 87	0.06 104	0.08 69	0.07 63	0.06 59	0.06 61

GANet	0.06 54	0.07 113	0.06 121	0.06 92	0.06 95	0.07 113	0.06 128	0.07 67	0.05 46	0.06 56	0.07 90	0.05 47	0.04 61	0.04 77	0.07 62	0.08 72	0.08 52	0.10 122	0.07 50	0.05 52	0.07 49	0.05 54	0.05 115	0.05 79	0.08 69	0.07 63	0.06 59	0.06 61

CVANet_RVC	0.07 74	0.07 113	0.07 151	0.08 125	0.06 95	0.07 113	0.05 95	0.06 55	0.05 46	0.06 56	0.09 135	0.05 47	0.04 61	0.04 77	0.08 93	0.08 72	0.08 52	0.08 72	0.08 63	0.06 70	0.08 59	0.05 54	0.04 87	0.05 79	0.08 69	0.07 63	0.07 67	0.09 79

BridgeDepth_RVC	0.05 47	0.04 48	0.04 61	0.04 49	0.05 70	0.05 78	0.03 48	0.04 29	0.07 93	0.05 49	0.05 46	0.05 47	0.04 61	0.02 22	0.07 62	0.07 56	0.05 24	0.07 64	0.05 26	0.05 52	0.06 38	0.05 54	0.02 30	0.03 27	0.06 45	0.08 69	0.07 67	0.07 65
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
SGD-Stereo	0.06 54	0.04 48	0.03 29	0.05 70	0.04 52	0.06 95	0.03 48	0.04 29	0.06 68	0.08 68	0.05 46	0.05 47	0.03 42	0.03 52	0.07 62	0.08 72	0.14 107	0.06 47	0.09 78	0.05 52	0.12 92	0.05 54	0.03 64	0.04 56	0.08 69	0.08 69	0.12 119	0.09 79

YMNet	0.07 74	0.08 151	0.06 121	0.08 125	0.08 133	0.08 124	0.07 145	0.07 67	0.07 93	0.05 49	0.07 90	0.13 118	0.05 87	0.07 143	0.07 62	0.07 56	0.08 52	0.08 72	0.09 78	0.05 52	0.07 49	0.06 74	0.06 136	0.05 79	0.09 78	0.08 69	0.09 89	0.09 79

StereoVision	0.06 54	0.03 27	0.04 61	0.03 29	0.03 30	0.03 34	0.02 19	0.06 55	0.11 190	0.02 3	0.05 46	0.03 15	0.06 116	0.01 2	0.08 93	0.10 119	0.06 36	0.05 31	0.08 63	0.07 86	0.06 38	0.05 54	0.02 30	0.04 56	0.10 94	0.08 69	0.10 95	0.12 117

MIF-Stereo (partial)	0.06 54	0.05 67	0.06 121	0.05 70	0.04 52	0.05 78	0.03 48	0.08 73	0.07 93	0.07 65	0.04 28	0.05 47	0.06 116	0.04 77	0.08 93	0.08 72	0.11 79	0.08 72	0.08 63	0.05 52	0.09 64	0.05 54	0.02 30	0.06 104	0.10 94	0.08 69	0.07 67	0.08 72

anonymousdsp2	0.08 85	0.07 113	0.05 91	0.06 92	0.05 70	0.06 95	0.05 95	0.12 96	0.06 68	0.17 114	0.06 68	0.08 68	0.04 61	0.05 93	0.07 62	0.08 72	0.13 93	0.08 72	0.10 90	0.07 86	0.12 92	0.06 74	0.05 115	0.06 104	0.09 78	0.08 69	0.08 74	0.07 65

AFF-stereo	0.06 54	0.05 67	0.05 91	0.05 70	0.04 52	0.04 51	0.03 48	0.11 91	0.06 68	0.16 104	0.04 28	0.08 68	0.03 42	0.02 22	0.06 43	0.08 72	0.08 52	0.05 31	0.09 78	0.04 28	0.09 64	0.05 54	0.02 30	0.04 56	0.10 94	0.08 69	0.07 67	0.07 65

MMNet	0.06 54	0.06 90	0.04 61	0.08 125	0.06 95	0.06 95	0.05 95	0.07 67	0.05 46	0.05 49	0.05 46	0.09 75	0.04 61	0.04 77	0.07 62	0.07 56	0.08 52	0.08 72	0.07 50	0.06 70	0.06 38	0.05 54	0.04 87	0.05 79	0.07 59	0.08 69	0.07 67	0.10 95

S2M2_XL	0.11 131	0.07 113	0.08 174	0.07 113	0.07 111	0.10 162	0.08 158	0.18 187	0.06 68	0.21 160	0.09 135	0.22 236	0.05 87	0.06 112	0.08 93	0.10 119	0.20 198	0.09 100	0.17 183	0.09 136	0.20 229	0.08 109	0.08 185	0.06 104	0.11 109	0.09 77	0.14 147	0.16 160
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
DEFOM-Stereo_RVC	0.07 74	0.05 67	0.03 29	0.03 29	0.05 70	0.05 78	0.03 48	0.12 96	0.05 46	0.22 168	0.05 46	0.08 68	0.03 42	0.05 93	0.07 62	0.09 90	0.13 93	0.09 100	0.10 90	0.06 70	0.16 162	0.06 74	0.04 87	0.04 56	0.07 59	0.09 77	0.08 74	0.10 95

MGS-Stereo	0.08 85	0.06 90	0.04 61	0.05 70	0.05 70	0.04 51	0.03 48	0.12 96	0.05 46	0.09 72	0.07 90	0.10 83	0.04 61	0.05 93	0.07 62	0.08 72	0.15 114	0.11 139	0.12 109	0.09 136	0.12 92	0.07 91	0.05 115	0.05 79	0.10 94	0.09 77	0.11 109	0.10 95

plain	0.06 54	0.04 48	0.04 61	0.04 49	0.04 52	0.05 78	0.03 48	0.08 73	0.04 25	0.09 72	0.05 46	0.06 59	0.02 14	0.02 22	0.07 62	0.08 72	0.12 89	0.08 72	0.08 63	0.06 70	0.08 59	0.04 35	0.02 30	0.05 79	0.09 78	0.09 77	0.08 74	0.09 79

LL-Strereo2	0.07 74	0.03 27	0.03 29	0.04 49	0.05 70	0.04 51	0.03 48	0.06 55	0.07 93	0.14 91	0.07 90	0.08 68	0.05 87	0.04 77	0.07 62	0.08 72	0.14 107	0.07 64	0.10 90	0.06 70	0.10 72	0.06 74	0.03 64	0.04 56	0.08 69	0.09 77	0.08 74	0.05 43

CIPLG	0.09 91	0.06 90	0.05 91	0.06 92	0.06 95	0.09 139	0.06 128	0.18 187	0.06 68	0.20 149	0.08 116	0.12 102	0.06 116	0.06 112	0.08 93	0.10 119	0.17 142	0.11 139	0.11 98	0.09 136	0.13 111	0.06 74	0.04 87	0.06 104	0.10 94	0.09 77	0.10 95	0.10 95

GLC_STEREO	0.13 172	0.11 196	0.12 233	0.12 192	0.11 194	0.10 162	0.10 192	0.19 212	0.07 93	0.25 236	0.13 194	0.12 102	0.07 144	0.07 143	0.08 93	0.12 209	0.24 254	0.11 139	0.17 183	0.09 136	0.27 301	0.15 258	0.07 159	0.07 143	0.15 167	0.09 77	0.20 228	0.12 117

IPLGR_C	0.09 91	0.06 90	0.05 91	0.06 92	0.06 95	0.09 139	0.06 128	0.18 187	0.06 68	0.20 149	0.08 116	0.12 102	0.07 144	0.06 112	0.08 93	0.10 119	0.17 142	0.11 139	0.11 98	0.09 136	0.13 111	0.06 74	0.04 87	0.06 104	0.10 94	0.09 77	0.10 95	0.10 95

raft+_RVC	0.08 85	0.06 90	0.04 61	0.06 92	0.06 95	0.07 113	0.04 84	0.10 87	0.08 116	0.17 114	0.08 116	0.09 75	0.04 61	0.04 77	0.08 93	0.07 56	0.13 93	0.09 100	0.11 98	0.06 70	0.13 111	0.05 54	0.03 64	0.05 79	0.10 94	0.09 77	0.09 89	0.08 72

RALCasStereoNet	0.09 91	0.08 151	0.06 121	0.09 144	0.07 111	0.06 95	0.05 95	0.12 96	0.05 46	0.18 127	0.07 90	0.12 102	0.05 87	0.04 77	0.09 131	0.10 119	0.18 161	0.12 170	0.13 130	0.08 108	0.15 145	0.08 109	0.05 115	0.06 104	0.12 119	0.09 77	0.10 95	0.08 72

ARAFT	0.07 74	0.04 48	0.04 61	0.05 70	0.05 70	0.05 78	0.02 19	0.09 80	0.06 68	0.12 83	0.06 68	0.12 102	0.03 42	0.03 52	0.07 62	0.07 56	0.12 89	0.09 100	0.09 78	0.05 52	0.11 78	0.07 91	0.03 64	0.04 56	0.09 78	0.09 77	0.09 89	0.09 79

RAFT-Stereo + iAFF	0.08 85	0.06 90	0.05 91	0.05 70	0.04 52	0.04 51	0.04 84	0.14 125	0.07 93	0.21 160	0.04 28	0.12 102	0.04 61	0.03 52	0.07 62	0.09 90	0.09 65	0.06 47	0.10 90	0.05 52	0.11 78	0.05 54	0.03 64	0.05 79	0.12 119	0.09 77	0.09 89	0.09 79

AANet_RVC	0.06 54	0.05 67	0.06 121	0.05 70	0.06 95	0.04 51	0.05 95	0.05 44	0.06 68	0.05 49	0.06 68	0.05 47	0.04 61	0.04 77	0.07 62	0.07 56	0.08 52	0.08 72	0.07 50	0.07 86	0.07 49	0.06 74	0.05 115	0.05 79	0.07 59	0.09 77	0.06 59	0.08 72

GCAP-BAT	0.09 91	0.05 67	0.04 61	0.05 70	0.07 111	0.04 51	0.03 48	0.12 96	0.08 116	0.24 203	0.05 46	0.15 134	0.05 87	0.06 112	0.07 62	0.09 90	0.18 161	0.10 122	0.12 109	0.08 108	0.14 127	0.07 91	0.04 87	0.05 79	0.09 78	0.10 90	0.08 74	0.09 79

test_for_model	0.09 91	0.05 67	0.04 61	0.05 70	0.07 111	0.04 51	0.03 48	0.12 96	0.08 116	0.24 203	0.05 46	0.15 134	0.05 87	0.06 112	0.07 62	0.09 90	0.18 161	0.10 122	0.12 109	0.08 108	0.14 127	0.07 91	0.04 87	0.05 79	0.09 78	0.10 90	0.08 74	0.09 79

testlalala2	0.09 91	0.05 67	0.04 61	0.05 70	0.07 111	0.04 51	0.03 48	0.12 96	0.08 116	0.24 203	0.05 46	0.15 134	0.05 87	0.06 112	0.07 62	0.09 90	0.18 161	0.10 122	0.12 109	0.08 108	0.14 127	0.07 91	0.04 87	0.05 79	0.09 78	0.10 90	0.08 74	0.09 79

CASnet	0.10 117	0.06 90	0.05 91	0.08 125	0.09 157	0.11 174	0.05 95	0.18 187	0.10 175	0.23 186	0.11 170	0.13 118	0.06 116	0.07 143	0.09 131	0.10 119	0.16 128	0.08 72	0.18 199	0.07 86	0.14 127	0.06 74	0.06 136	0.06 104	0.12 119	0.10 90	0.14 147	0.10 95
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.09 91	0.05 67	0.04 61	0.05 70	0.07 111	0.04 51	0.03 48	0.12 96	0.08 116	0.24 203	0.05 46	0.15 134	0.05 87	0.06 112	0.07 62	0.09 90	0.18 161	0.10 122	0.12 109	0.08 108	0.14 127	0.07 91	0.04 87	0.05 79	0.09 78	0.10 90	0.08 74	0.09 79

testlalala_base	0.09 91	0.05 67	0.04 61	0.05 70	0.07 111	0.04 51	0.03 48	0.12 96	0.08 116	0.24 203	0.05 46	0.15 134	0.05 87	0.06 112	0.07 62	0.09 90	0.18 161	0.10 122	0.12 109	0.08 108	0.14 127	0.07 91	0.04 87	0.05 79	0.09 78	0.10 90	0.08 74	0.09 79

GCAP-Stereo	0.09 91	0.05 67	0.04 61	0.05 70	0.07 111	0.04 51	0.03 48	0.12 96	0.08 116	0.24 203	0.05 46	0.15 134	0.05 87	0.06 112	0.07 62	0.09 90	0.18 161	0.10 122	0.12 109	0.08 108	0.14 127	0.07 91	0.04 87	0.05 79	0.09 78	0.10 90	0.08 74	0.09 79

4D-IteraStereo	0.09 91	0.06 90	0.05 91	0.06 92	0.06 95	0.06 95	0.04 84	0.15 130	0.10 175	0.22 168	0.08 116	0.14 129	0.06 116	0.03 52	0.08 93	0.10 119	0.17 142	0.09 100	0.11 98	0.07 86	0.15 145	0.05 54	0.03 64	0.05 79	0.10 94	0.10 90	0.08 74	0.08 72

LoS_RVC	0.09 91	0.07 113	0.05 91	0.05 70	0.06 95	0.06 95	0.05 95	0.13 115	0.08 116	0.18 127	0.11 170	0.12 102	0.06 116	0.07 143	0.08 93	0.09 90	0.10 69	0.08 72	0.12 109	0.08 108	0.16 162	0.09 146	0.05 115	0.06 104	0.14 154	0.10 90	0.10 95	0.13 125

tt_ll	0.09 91	0.07 113	0.05 91	0.05 70	0.06 95	0.06 95	0.05 95	0.13 115	0.08 116	0.18 127	0.11 170	0.12 102	0.06 116	0.07 143	0.08 93	0.09 90	0.10 69	0.08 72	0.12 109	0.08 108	0.16 162	0.09 146	0.05 115	0.06 104	0.14 154	0.10 90	0.10 95	0.13 125

iinet-f	0.10 117	0.09 168	0.06 121	0.08 125	0.06 95	0.09 139	0.06 128	0.09 80	0.07 93	0.18 127	0.11 170	0.10 83	0.10 190	0.06 112	0.08 93	0.09 90	0.14 107	0.09 100	0.18 199	0.09 136	0.11 78	0.06 74	0.05 115	0.06 104	0.11 109	0.10 90	0.15 160	0.12 117

IER	0.09 91	0.07 113	0.07 151	0.09 144	0.07 111	0.08 124	0.06 128	0.12 96	0.07 93	0.14 91	0.11 170	0.10 83	0.07 144	0.06 112	0.08 93	0.09 90	0.15 114	0.11 139	0.11 98	0.07 86	0.11 78	0.07 91	0.06 136	0.06 104	0.10 94	0.10 90	0.11 109	0.14 135

test-3	0.10 117	0.06 90	0.04 61	0.06 92	0.08 133	0.05 78	0.05 95	0.17 151	0.07 93	0.24 203	0.07 90	0.19 189	0.07 144	0.06 112	0.10 171	0.10 119	0.21 213	0.09 100	0.15 155	0.10 162	0.16 162	0.09 146	0.05 115	0.06 104	0.09 78	0.10 90	0.12 119	0.11 105

test_1	0.10 117	0.06 90	0.04 61	0.06 92	0.08 133	0.05 78	0.05 95	0.17 151	0.07 93	0.24 203	0.07 90	0.19 189	0.07 144	0.06 112	0.10 171	0.10 119	0.21 213	0.09 100	0.15 155	0.10 162	0.16 162	0.09 146	0.05 115	0.06 104	0.09 78	0.10 90	0.12 119	0.11 105

ACRE	0.09 91	0.06 90	0.05 91	0.06 92	0.06 95	0.09 139	0.06 128	0.18 187	0.06 68	0.20 149	0.08 116	0.12 102	0.07 144	0.06 112	0.08 93	0.10 119	0.17 142	0.11 139	0.11 98	0.09 136	0.13 111	0.06 74	0.04 87	0.06 104	0.10 94	0.10 90	0.10 95	0.10 95

rafts_anoy	0.09 91	0.08 151	0.07 151	0.07 113	0.07 111	0.06 95	0.05 95	0.13 115	0.05 46	0.17 114	0.09 135	0.12 102	0.05 87	0.03 52	0.09 131	0.10 119	0.15 114	0.12 170	0.13 130	0.07 86	0.14 127	0.08 109	0.03 64	0.06 104	0.11 109	0.10 90	0.09 89	0.11 105

TANstereo	0.11 131	0.06 90	0.06 121	0.10 163	0.09 157	0.09 139	0.06 128	0.12 96	0.08 116	0.22 168	0.08 116	0.13 118	0.07 144	0.08 165	0.10 171	0.13 230	0.20 198	0.13 197	0.18 199	0.08 108	0.18 197	0.09 146	0.06 136	0.06 104	0.10 94	0.10 90	0.15 160	0.14 135

XX-TBD	0.11 131	0.06 90	0.06 121	0.10 163	0.09 157	0.09 139	0.06 128	0.12 96	0.08 116	0.22 168	0.08 116	0.13 118	0.07 144	0.08 165	0.10 171	0.13 230	0.20 198	0.13 197	0.18 199	0.08 108	0.18 197	0.09 146	0.06 136	0.06 104	0.10 94	0.10 90	0.15 160	0.14 135

RALAANet	0.09 91	0.08 151	0.06 121	0.07 113	0.05 70	0.08 124	0.05 95	0.10 87	0.07 93	0.12 83	0.09 135	0.10 83	0.06 116	0.03 52	0.08 93	0.09 90	0.13 93	0.11 139	0.15 155	0.08 108	0.12 92	0.07 91	0.04 87	0.06 104	0.11 109	0.10 90	0.11 109	0.11 105

FINET	0.12 158	0.11 196	0.12 233	0.12 192	0.10 177	0.11 174	0.13 223	0.15 130	0.12 206	0.13 88	0.12 182	0.13 118	0.09 177	0.09 184	0.15 269	0.13 230	0.15 114	0.11 139	0.16 171	0.09 136	0.13 111	0.10 181	0.10 220	0.10 208	0.12 119	0.10 90	0.13 133	0.12 117

UPFNet	0.09 91	0.08 151	0.08 174	0.09 144	0.07 111	0.09 139	0.06 128	0.12 96	0.09 150	0.14 91	0.09 135	0.12 102	0.06 116	0.07 143	0.08 93	0.10 119	0.13 93	0.11 139	0.10 90	0.07 86	0.09 64	0.07 91	0.06 136	0.06 104	0.09 78	0.10 90	0.10 95	0.10 95

DMCA-RVC	0.10 117	0.08 151	0.11 218	0.08 125	0.09 157	0.08 124	0.08 158	0.12 96	0.09 150	0.13 88	0.13 194	0.13 118	0.07 144	0.06 112	0.13 244	0.12 209	0.14 107	0.13 197	0.11 98	0.10 162	0.12 92	0.09 146	0.07 159	0.09 192	0.10 94	0.10 90	0.10 95	0.11 105

DMCA	0.07 74	0.05 67	0.07 151	0.06 92	0.06 95	0.05 78	0.07 145	0.09 80	0.06 68	0.06 56	0.09 135	0.07 64	0.06 116	0.06 112	0.07 62	0.08 72	0.11 79	0.10 122	0.08 63	0.07 86	0.09 64	0.05 54	0.06 136	0.05 79	0.08 69	0.10 90	0.05 43	0.07 65

DN-CSS_ROB	0.11 131	0.09 168	0.11 218	0.08 125	0.09 157	0.08 124	0.08 158	0.16 139	0.10 175	0.23 186	0.17 240	0.18 177	0.14 236	0.05 93	0.08 93	0.09 90	0.13 93	0.10 122	0.18 199	0.09 136	0.11 78	0.08 109	0.07 159	0.08 169	0.13 130	0.10 90	0.12 119	0.10 95

WQFJA1++	0.12 158	0.09 168	0.06 121	0.15 224	0.08 133	0.15 213	0.14 229	0.17 151	0.07 93	0.19 140	0.11 170	0.15 134	0.08 164	0.05 93	0.08 93	0.10 119	0.19 181	0.09 100	0.16 171	0.08 108	0.16 162	0.07 91	0.06 136	0.06 104	0.16 180	0.11 114	0.21 242	0.22 232

CAS	0.09 91	0.07 113	0.05 91	0.06 92	0.05 70	0.05 78	0.04 84	0.14 125	0.05 46	0.11 81	0.10 158	0.11 95	0.05 87	0.07 143	0.08 93	0.09 90	0.11 79	0.10 122	0.14 143	0.07 86	0.12 92	0.07 91	0.05 115	0.05 79	0.13 130	0.11 114	0.09 89	0.14 135

LoS	0.15 218	0.10 182	0.08 174	0.10 163	0.11 194	0.09 139	0.07 145	0.50 319	0.05 46	0.32 302	0.36 314	0.36 270	0.06 116	0.09 184	0.09 131	0.10 119	0.20 198	0.09 100	0.14 143	0.11 184	0.21 253	0.09 146	0.07 159	0.07 143	0.17 193	0.11 114	0.20 228	0.21 229
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.11 131	0.06 90	0.06 121	0.06 92	0.08 133	0.07 113	0.05 95	0.35 298	0.05 46	0.15 98	0.23 286	0.13 118	0.04 61	0.08 165	0.08 93	0.10 119	0.19 181	0.08 72	0.14 143	0.08 108	0.28 306	0.08 109	0.07 159	0.04 56	0.14 154	0.11 114	0.13 133	0.16 160

IPLG	0.09 91	0.07 113	0.07 151	0.07 113	0.07 111	0.06 95	0.05 95	0.15 130	0.06 68	0.22 168	0.06 68	0.15 134	0.05 87	0.04 77	0.08 93	0.10 119	0.16 128	0.10 122	0.14 143	0.09 136	0.13 111	0.08 109	0.04 87	0.07 143	0.13 130	0.11 114	0.11 109	0.08 72

AnonymousM	0.08 85	0.05 67	0.04 61	0.06 92	0.05 70	0.04 51	0.04 84	0.13 115	0.05 46	0.20 149	0.06 68	0.11 95	0.03 42	0.06 112	0.09 131	0.09 90	0.19 181	0.08 72	0.12 109	0.07 86	0.16 162	0.06 74	0.04 87	0.04 56	0.08 69	0.11 114	0.10 95	0.09 79

CREStereo++_RVC	0.11 131	0.07 113	0.05 91	0.08 125	0.08 133	0.08 124	0.07 145	0.16 139	0.09 150	0.26 253	0.09 135	0.17 161	0.13 221	0.08 165	0.08 93	0.10 119	0.20 198	0.08 72	0.13 130	0.07 86	0.19 209	0.08 109	0.06 136	0.06 104	0.14 154	0.11 114	0.16 170	0.15 146
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
TestStereo	0.13 172	0.12 209	0.10 205	0.11 180	0.08 133	0.11 174	0.10 192	0.18 187	0.11 190	0.24 203	0.13 194	0.20 205	0.08 164	0.06 112	0.11 208	0.10 119	0.20 198	0.11 139	0.20 218	0.10 162	0.21 253	0.10 181	0.06 136	0.12 236	0.19 228	0.11 114	0.12 119	0.13 125

RASNet	0.11 131	0.10 182	0.09 186	0.10 163	0.07 111	0.08 124	0.08 158	0.19 212	0.09 150	0.17 114	0.10 158	0.13 118	0.08 164	0.06 112	0.08 93	0.10 119	0.15 114	0.09 100	0.12 109	0.06 70	0.15 145	0.09 146	0.05 115	0.10 208	0.13 130	0.11 114	0.17 184	0.17 172

HITNet	0.09 91	0.07 113	0.06 121	0.08 125	0.08 133	0.08 124	0.05 95	0.11 91	0.07 93	0.19 140	0.08 116	0.12 102	0.06 116	0.07 143	0.08 93	0.08 72	0.13 93	0.11 139	0.10 90	0.06 70	0.10 72	0.09 146	0.06 136	0.06 104	0.12 119	0.11 114	0.16 170	0.13 125
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
DISCO	0.10 117	0.10 182	0.08 174	0.10 163	0.09 157	0.11 174	0.09 175	0.10 87	0.08 116	0.15 98	0.10 158	0.12 102	0.07 144	0.06 112	0.09 131	0.11 165	0.15 114	0.10 122	0.14 143	0.10 162	0.12 92	0.10 181	0.06 136	0.09 192	0.14 154	0.11 114	0.13 133	0.11 105

coex_refinement	0.10 117	0.10 182	0.07 151	0.09 144	0.08 133	0.09 139	0.06 128	0.17 151	0.10 175	0.20 149	0.11 170	0.11 95	0.07 144	0.07 143	0.11 208	0.14 251	0.15 114	0.11 139	0.12 109	0.06 70	0.12 92	0.08 109	0.06 136	0.07 143	0.12 119	0.12 125	0.11 109	0.13 125

S2M2_L	0.13 172	0.10 182	0.09 186	0.12 192	0.08 133	0.13 192	0.10 192	0.16 139	0.08 116	0.21 160	0.07 90	0.17 161	0.03 42	0.17 263	0.11 208	0.09 90	0.22 226	0.12 170	0.16 171	0.11 184	0.18 197	0.09 146	0.12 241	0.08 169	0.13 130	0.12 125	0.15 160	0.20 213
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
castereo++	0.10 117	0.07 113	0.05 91	0.07 113	0.07 111	0.06 95	0.05 95	0.17 151	0.09 150	0.24 203	0.08 116	0.17 161	0.06 116	0.05 93	0.09 131	0.10 119	0.19 181	0.09 100	0.13 130	0.07 86	0.20 229	0.07 91	0.05 115	0.07 143	0.12 119	0.12 125	0.12 119	0.11 105

castereo	0.10 117	0.07 113	0.06 121	0.06 92	0.07 111	0.08 124	0.05 95	0.16 139	0.11 190	0.24 203	0.10 158	0.15 134	0.04 61	0.05 93	0.08 93	0.10 119	0.20 198	0.09 100	0.14 143	0.07 86	0.19 209	0.07 91	0.04 87	0.07 143	0.13 130	0.12 125	0.12 119	0.12 117

MyStereo04	0.14 197	0.12 209	0.10 205	0.08 125	0.09 157	0.10 162	0.08 158	0.22 250	0.19 262	0.24 203	0.16 231	0.23 239	0.11 200	0.04 77	0.10 171	0.11 165	0.17 142	0.12 170	0.21 229	0.12 205	0.16 162	0.11 203	0.06 136	0.11 220	0.21 254	0.12 125	0.16 170	0.15 146

EGLCR-Stereo	0.11 131	0.06 90	0.04 61	0.08 125	0.08 133	0.07 113	0.05 95	0.17 151	0.09 150	0.27 267	0.06 68	0.19 189	0.06 116	0.08 165	0.08 93	0.10 119	0.20 198	0.10 122	0.16 171	0.07 86	0.17 184	0.07 91	0.04 87	0.06 104	0.10 94	0.12 125	0.18 204	0.18 189

TESTraft	0.09 91	0.06 90	0.06 121	0.04 49	0.04 52	0.05 78	0.06 128	0.09 80	0.08 116	0.09 72	0.08 116	0.12 102	0.13 221	0.03 52	0.09 131	0.10 119	0.11 79	0.09 100	0.08 63	0.07 86	0.13 111	0.12 222	0.02 30	0.05 79	0.14 154	0.12 125	0.14 147	0.20 213

RAFT+CT+SA	0.09 91	0.05 67	0.07 151	0.05 70	0.05 70	0.04 51	0.05 95	0.13 115	0.08 116	0.08 68	0.07 90	0.15 134	0.13 221	0.04 77	0.10 171	0.10 119	0.09 65	0.08 72	0.08 63	0.06 70	0.12 92	0.11 203	0.02 30	0.06 104	0.13 130	0.12 125	0.11 109	0.17 172

raftrobust	0.10 117	0.08 151	0.06 121	0.08 125	0.07 111	0.05 78	0.04 84	0.14 125	0.06 68	0.25 236	0.07 90	0.12 102	0.05 87	0.05 93	0.08 93	0.09 90	0.18 161	0.11 139	0.11 98	0.09 136	0.17 184	0.08 109	0.05 115	0.05 79	0.13 130	0.12 125	0.10 95	0.10 95

ADLNet	0.12 158	0.11 196	0.08 174	0.12 192	0.10 177	0.16 224	0.12 217	0.14 125	0.07 93	0.13 88	0.10 158	0.25 249	0.10 190	0.28 294	0.09 131	0.10 119	0.17 142	0.09 100	0.13 130	0.09 136	0.11 78	0.08 109	0.13 248	0.06 104	0.13 130	0.12 125	0.12 119	0.14 135

HGLStereo	0.11 131	0.10 182	0.08 174	0.09 144	0.10 177	0.09 139	0.06 128	0.14 125	0.08 116	0.18 127	0.15 220	0.09 75	0.06 116	0.08 165	0.09 131	0.10 119	0.17 142	0.13 197	0.14 143	0.10 162	0.11 78	0.09 146	0.08 185	0.08 169	0.13 130	0.12 125	0.10 95	0.11 105

PMTNet	0.11 131	0.10 182	0.06 121	0.12 192	0.09 157	0.07 113	0.06 128	0.18 187	0.06 68	0.28 283	0.06 68	0.18 177	0.04 61	0.07 143	0.09 131	0.11 165	0.19 181	0.09 100	0.14 143	0.08 108	0.17 184	0.09 146	0.07 159	0.05 79	0.13 130	0.12 125	0.17 184	0.15 146

CFNet	0.12 158	0.11 196	0.08 174	0.14 212	0.12 208	0.11 174	0.09 175	0.19 212	0.10 175	0.18 127	0.12 182	0.25 249	0.10 190	0.08 165	0.08 93	0.09 90	0.17 142	0.12 170	0.12 109	0.09 136	0.11 78	0.08 109	0.06 136	0.09 192	0.15 167	0.12 125	0.13 133	0.13 125

CFNet_RVC	0.13 172	0.12 209	0.10 205	0.14 212	0.11 194	0.14 201	0.09 175	0.17 151	0.09 150	0.19 140	0.13 194	0.21 223	0.09 177	0.09 184	0.10 171	0.13 230	0.18 161	0.13 197	0.15 155	0.11 184	0.16 162	0.08 109	0.06 136	0.09 192	0.15 167	0.12 125	0.16 170	0.17 172

NVstereo2D	0.15 218	0.11 196	0.11 218	0.19 249	0.14 231	0.21 267	0.24 281	0.13 115	0.11 190	0.16 104	0.14 207	0.10 83	0.07 144	0.39 308	0.11 208	0.11 165	0.21 213	0.14 222	0.15 155	0.10 162	0.12 92	0.08 109	0.24 288	0.08 169	0.14 154	0.12 125	0.14 147	0.12 117

iResNetv2_ROB	0.12 158	0.08 151	0.07 151	0.12 192	0.09 157	0.12 183	0.08 158	0.17 151	0.08 116	0.22 168	0.12 182	0.20 205	0.15 244	0.06 112	0.08 93	0.08 72	0.16 128	0.11 139	0.17 183	0.10 162	0.14 127	0.09 146	0.09 205	0.10 208	0.14 154	0.12 125	0.19 216	0.12 117

iResNet_ROB	0.11 131	0.08 151	0.07 151	0.11 180	0.08 133	0.12 183	0.07 145	0.15 130	0.08 116	0.23 186	0.10 158	0.15 134	0.15 244	0.06 112	0.07 62	0.09 90	0.17 142	0.12 170	0.13 130	0.09 136	0.14 127	0.09 146	0.07 159	0.08 169	0.14 154	0.12 125	0.15 160	0.15 146

DispViT+	0.09 91	0.07 113	0.07 151	0.07 113	0.09 157	0.07 113	0.04 84	0.16 139	0.08 116	0.17 114	0.10 158	0.08 68	0.04 61	0.05 93	0.07 62	0.08 72	0.11 79	0.08 72	0.09 78	0.08 108	0.08 59	0.10 181	0.04 87	0.07 143	0.11 109	0.13 142	0.13 133	0.09 79

DDF-Stereo	0.12 158	0.07 113	0.04 61	0.10 163	0.09 157	0.13 192	0.10 192	0.18 187	0.08 116	0.24 203	0.06 68	0.19 189	0.06 116	0.08 165	0.08 93	0.11 165	0.23 236	0.08 72	0.16 171	0.10 162	0.20 229	0.08 109	0.07 159	0.07 143	0.13 130	0.13 142	0.17 184	0.19 204

zero-FE	0.12 158	0.07 113	0.04 61	0.11 180	0.08 133	0.15 213	0.12 217	0.18 187	0.08 116	0.23 186	0.08 116	0.19 189	0.07 144	0.08 165	0.08 93	0.11 165	0.23 236	0.09 100	0.17 183	0.10 162	0.20 229	0.09 146	0.07 159	0.07 143	0.13 130	0.13 142	0.16 170	0.20 213

LG-Stereo_Zeroshot	0.12 158	0.07 113	0.04 61	0.09 144	0.09 157	0.11 174	0.10 192	0.18 187	0.08 116	0.24 203	0.09 135	0.16 155	0.04 61	0.09 184	0.09 131	0.11 165	0.21 213	0.10 122	0.17 183	0.09 136	0.20 229	0.10 181	0.05 115	0.06 104	0.15 167	0.13 142	0.16 170	0.27 255

Reg-Stereo(zero)	0.11 131	0.08 151	0.06 121	0.08 125	0.07 111	0.10 162	0.07 145	0.17 151	0.10 175	0.25 236	0.09 135	0.20 205	0.06 116	0.07 143	0.09 131	0.11 165	0.19 181	0.10 122	0.15 155	0.09 136	0.15 145	0.08 109	0.07 159	0.07 143	0.13 130	0.13 142	0.18 204	0.17 172

HI	0.11 131	0.08 151	0.06 121	0.08 125	0.07 111	0.10 162	0.07 145	0.17 151	0.10 175	0.25 236	0.09 135	0.20 205	0.06 116	0.07 143	0.09 131	0.11 165	0.19 181	0.10 122	0.15 155	0.09 136	0.15 145	0.08 109	0.07 159	0.07 143	0.13 130	0.13 142	0.18 204	0.17 172

trnet	0.11 131	0.08 151	0.05 91	0.07 113	0.07 111	0.07 113	0.05 95	0.18 187	0.05 46	0.27 267	0.07 90	0.18 177	0.06 116	0.08 165	0.08 93	0.10 119	0.22 226	0.08 72	0.12 109	0.07 86	0.20 229	0.08 109	0.06 136	0.05 79	0.11 109	0.13 142	0.17 184	0.16 160

TestStereo1	0.09 91	0.07 113	0.06 121	0.04 49	0.05 70	0.06 95	0.06 128	0.07 67	0.07 93	0.09 72	0.07 90	0.11 95	0.14 236	0.04 77	0.09 131	0.10 119	0.11 79	0.09 100	0.09 78	0.08 108	0.13 111	0.12 222	0.02 30	0.04 56	0.15 167	0.13 142	0.16 170	0.20 213

RAFT_CTSACE	0.07 74	0.04 48	0.06 121	0.03 29	0.04 52	0.05 78	0.05 95	0.06 55	0.06 68	0.09 72	0.04 28	0.10 83	0.09 177	0.03 52	0.07 62	0.08 72	0.11 79	0.07 64	0.07 50	0.05 52	0.12 92	0.08 109	0.03 64	0.06 104	0.12 119	0.13 142	0.12 119	0.15 146

test_5	0.08 85	0.05 67	0.07 151	0.04 49	0.04 52	0.04 51	0.04 84	0.09 80	0.05 46	0.05 49	0.07 90	0.12 102	0.12 208	0.02 22	0.07 62	0.09 90	0.07 45	0.07 64	0.08 63	0.06 70	0.10 72	0.09 146	0.02 30	0.07 143	0.10 94	0.13 142	0.13 133	0.18 189

SA-5K	0.09 91	0.07 113	0.06 121	0.04 49	0.05 70	0.06 95	0.06 128	0.07 67	0.07 93	0.09 72	0.07 90	0.11 95	0.14 236	0.04 77	0.09 131	0.10 119	0.11 79	0.09 100	0.09 78	0.08 108	0.13 111	0.12 222	0.02 30	0.04 56	0.15 167	0.13 142	0.16 170	0.20 213

iRaft-Stereo_20w	0.13 172	0.07 113	0.05 91	0.12 192	0.12 208	0.12 183	0.09 175	0.16 139	0.10 175	0.28 283	0.09 135	0.19 189	0.04 61	0.10 199	0.09 131	0.11 165	0.24 254	0.11 139	0.15 155	0.13 224	0.20 229	0.08 109	0.09 205	0.06 104	0.17 193	0.13 142	0.20 228	0.25 247

dd	0.14 197	0.12 209	0.07 151	0.25 272	0.10 177	0.19 252	0.09 175	0.17 151	0.08 116	0.17 114	0.08 116	0.33 264	0.08 164	0.06 112	0.10 171	0.11 165	0.24 254	0.11 139	0.25 257	0.09 136	0.15 145	0.09 146	0.06 136	0.09 192	0.17 193	0.13 142	0.18 204	0.15 146

MIPNet	0.11 131	0.09 168	0.06 121	0.07 113	0.08 133	0.07 113	0.05 95	0.17 151	0.06 68	0.23 186	0.07 90	0.15 134	0.08 164	0.05 93	0.09 131	0.10 119	0.17 142	0.11 139	0.20 218	0.12 205	0.13 111	0.10 181	0.05 115	0.07 143	0.15 167	0.13 142	0.11 109	0.13 125

IPLGR	0.12 158	0.09 168	0.09 186	0.09 144	0.10 177	0.09 139	0.07 145	0.18 187	0.09 150	0.22 168	0.10 158	0.15 134	0.07 144	0.06 112	0.09 131	0.11 165	0.17 142	0.11 139	0.20 218	0.12 205	0.15 145	0.08 109	0.04 87	0.08 169	0.16 180	0.13 142	0.14 147	0.16 160

AACVNet	0.14 197	0.13 222	0.10 205	0.13 204	0.13 220	0.14 201	0.10 192	0.19 212	0.11 190	0.22 168	0.17 240	0.13 118	0.10 190	0.09 184	0.11 208	0.11 165	0.21 213	0.13 197	0.17 183	0.12 205	0.16 162	0.11 203	0.11 230	0.11 220	0.17 193	0.13 142	0.14 147	0.16 160

LMCR-Stereo	0.13 172	0.09 168	0.07 151	0.11 180	0.08 133	0.11 174	0.09 175	0.18 187	0.09 150	0.19 140	0.14 207	0.19 189	0.14 236	0.10 199	0.09 131	0.11 165	0.20 198	0.13 197	0.19 212	0.10 162	0.18 197	0.10 181	0.08 185	0.08 169	0.15 167	0.13 142	0.18 204	0.17 172

GMStereo	0.12 158	0.12 209	0.07 151	0.11 180	0.11 194	0.13 192	0.09 175	0.17 151	0.10 175	0.17 114	0.13 194	0.21 223	0.11 200	0.07 143	0.10 171	0.09 90	0.17 142	0.10 122	0.17 183	0.12 205	0.14 127	0.09 146	0.07 159	0.09 192	0.14 154	0.13 142	0.15 160	0.12 117
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.10 117	0.09 168	0.08 174	0.10 163	0.08 133	0.09 139	0.08 158	0.15 130	0.08 116	0.17 114	0.09 135	0.13 118	0.09 177	0.07 143	0.09 131	0.10 119	0.16 128	0.13 197	0.12 109	0.08 108	0.11 78	0.09 146	0.08 185	0.09 192	0.11 109	0.13 142	0.10 95	0.11 105

CREStereo	0.11 131	0.08 151	0.06 121	0.08 125	0.08 133	0.07 113	0.05 95	0.18 187	0.05 46	0.26 253	0.08 116	0.18 177	0.06 116	0.08 165	0.08 93	0.10 119	0.22 226	0.09 100	0.13 130	0.08 108	0.20 229	0.09 146	0.06 136	0.05 79	0.11 109	0.13 142	0.17 184	0.15 146
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
DSFCA	0.11 131	0.13 222	0.09 186	0.10 163	0.08 133	0.11 174	0.11 206	0.12 96	0.09 150	0.12 83	0.13 194	0.14 129	0.07 144	0.05 93	0.09 131	0.11 165	0.15 114	0.13 197	0.16 171	0.10 162	0.13 111	0.12 222	0.07 159	0.09 192	0.12 119	0.13 142	0.10 95	0.13 125

FADNet-RVC-Resample	0.13 172	0.10 182	0.12 233	0.12 192	0.10 177	0.13 192	0.10 192	0.16 139	0.13 215	0.18 127	0.13 194	0.17 161	0.11 200	0.10 199	0.10 171	0.09 90	0.13 93	0.15 236	0.15 155	0.17 266	0.15 145	0.12 222	0.10 220	0.13 246	0.17 193	0.13 142	0.12 119	0.11 105

STTStereo	0.13 172	0.14 235	0.17 274	0.13 204	0.15 239	0.13 192	0.20 261	0.13 115	0.13 215	0.15 98	0.15 220	0.17 161	0.10 190	0.11 211	0.12 224	0.12 209	0.15 114	0.14 222	0.13 130	0.11 184	0.12 92	0.10 181	0.07 159	0.09 192	0.15 167	0.13 142	0.12 119	0.16 160

BEATNet_4x	0.11 131	0.10 182	0.08 174	0.09 144	0.09 157	0.09 139	0.08 158	0.12 96	0.08 116	0.21 160	0.09 135	0.15 134	0.09 177	0.07 143	0.10 171	0.09 90	0.13 93	0.13 197	0.11 98	0.08 108	0.13 111	0.11 203	0.08 185	0.07 143	0.13 130	0.13 142	0.18 204	0.18 189

RYNet	0.06 54	0.04 48	0.04 61	0.04 49	0.04 52	0.04 51	0.03 48	0.04 29	0.11 190	0.05 49	0.04 28	0.04 31	0.03 42	0.03 52	0.07 62	0.06 34	0.07 45	0.08 72	0.07 50	0.05 52	0.05 26	0.04 35	0.11 230	0.04 56	0.06 45	0.13 142	0.06 59	0.05 43

NLCA_NET_v2_RVC	0.13 172	0.13 222	0.13 242	0.14 212	0.15 239	0.13 192	0.20 261	0.13 115	0.15 232	0.16 104	0.16 231	0.21 223	0.09 177	0.15 258	0.10 171	0.12 209	0.15 114	0.12 170	0.11 98	0.09 136	0.11 78	0.09 146	0.08 185	0.08 169	0.13 130	0.13 142	0.11 109	0.15 146
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MLCV	0.14 197	0.11 196	0.09 186	0.16 229	0.12 208	0.14 201	0.11 206	0.21 241	0.10 175	0.24 203	0.13 194	0.21 223	0.14 236	0.08 165	0.09 131	0.10 119	0.19 181	0.11 139	0.19 212	0.09 136	0.17 184	0.08 109	0.10 220	0.09 192	0.16 180	0.13 142	0.16 170	0.19 204

PWCDC_ROB	0.13 172	0.06 90	0.09 186	0.07 113	0.13 220	0.08 124	0.13 223	0.06 55	0.24 283	0.09 72	0.15 220	0.09 75	0.43 308	0.26 288	0.10 171	0.10 119	0.09 65	0.12 170	0.08 63	0.11 184	0.08 59	0.11 203	0.19 272	0.13 246	0.07 59	0.13 142	0.08 74	0.18 189

IGEV-FE	0.14 197	0.07 113	0.05 91	0.13 204	0.13 220	0.10 162	0.11 206	0.17 151	0.09 150	0.28 283	0.09 135	0.23 239	0.05 87	0.12 230	0.09 131	0.11 165	0.23 236	0.11 139	0.16 171	0.12 205	0.20 229	0.09 146	0.09 205	0.06 104	0.19 228	0.14 170	0.23 249	0.27 255

G2L-Stereo	0.11 131	0.10 182	0.08 174	0.09 144	0.09 157	0.08 124	0.07 145	0.17 151	0.08 116	0.22 168	0.09 135	0.16 155	0.13 221	0.07 143	0.08 93	0.11 165	0.16 128	0.11 139	0.11 98	0.09 136	0.14 127	0.09 146	0.09 205	0.07 143	0.13 130	0.14 170	0.14 147	0.11 105

Former-RAFT_DAM_RVC	0.10 117	0.07 113	0.06 121	0.08 125	0.05 70	0.07 113	0.03 48	0.11 91	0.15 232	0.20 149	0.15 220	0.11 95	0.07 144	0.08 165	0.08 93	0.09 90	0.16 128	0.11 139	0.12 109	0.08 108	0.12 92	0.11 203	0.06 136	0.07 143	0.12 119	0.14 170	0.12 119	0.16 160

AE-Stereo	0.12 158	0.09 168	0.08 174	0.11 180	0.09 157	0.08 124	0.05 95	0.17 151	0.14 224	0.24 203	0.09 135	0.19 189	0.10 190	0.07 143	0.10 171	0.12 209	0.24 254	0.13 197	0.16 171	0.11 184	0.18 197	0.09 146	0.05 115	0.09 192	0.13 130	0.14 170	0.15 160	0.15 146

IGEV_Zeroshot_test	0.14 197	0.07 113	0.05 91	0.13 204	0.13 220	0.10 162	0.11 206	0.17 151	0.09 150	0.28 283	0.09 135	0.23 239	0.05 87	0.12 230	0.09 131	0.11 165	0.23 236	0.11 139	0.16 171	0.12 205	0.20 229	0.09 146	0.09 205	0.06 104	0.19 228	0.14 170	0.23 249	0.27 255

HH	0.13 172	0.06 90	0.05 91	0.11 180	0.11 194	0.16 224	0.08 158	0.19 212	0.07 93	0.28 283	0.08 116	0.18 177	0.05 87	0.12 230	0.10 171	0.10 119	0.23 236	0.12 170	0.15 155	0.10 162	0.20 229	0.08 109	0.07 159	0.08 169	0.13 130	0.14 170	0.19 216	0.23 237

HanStereo	0.13 172	0.06 90	0.05 91	0.11 180	0.11 194	0.16 224	0.08 158	0.19 212	0.07 93	0.28 283	0.08 116	0.18 177	0.05 87	0.12 230	0.10 171	0.10 119	0.23 236	0.12 170	0.15 155	0.10 162	0.20 229	0.08 109	0.07 159	0.08 169	0.13 130	0.14 170	0.19 216	0.23 237

CASS	0.15 218	0.12 209	0.10 205	0.14 212	0.12 208	0.16 224	0.10 192	0.19 212	0.15 232	0.26 253	0.12 182	0.20 205	0.12 208	0.09 184	0.11 208	0.12 209	0.23 236	0.12 170	0.23 246	0.09 136	0.19 209	0.10 181	0.07 159	0.09 192	0.23 271	0.14 170	0.19 216	0.22 232
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SA	0.10 117	0.07 113	0.06 121	0.06 92	0.05 70	0.08 124	0.04 84	0.12 96	0.05 46	0.16 104	0.07 90	0.16 155	0.03 42	0.04 77	0.09 131	0.09 90	0.13 93	0.11 139	0.12 109	0.09 136	0.14 127	0.10 181	0.03 64	0.06 104	0.16 180	0.14 170	0.13 133	0.20 213

dad	0.18 243	0.16 251	0.11 218	0.36 287	0.16 242	0.24 276	0.21 272	0.24 264	0.09 150	0.22 168	0.11 170	0.38 273	0.11 200	0.08 165	0.12 224	0.10 119	0.27 289	0.12 170	0.29 274	0.10 162	0.19 209	0.12 222	0.08 185	0.13 246	0.18 214	0.14 170	0.31 282	0.22 232

RAFT	0.06 54	0.03 27	0.05 91	0.03 29	0.02 8	0.03 34	0.02 19	0.07 67	0.04 25	0.04 33	0.06 68	0.07 64	0.05 87	0.01 2	0.06 43	0.06 34	0.07 45	0.05 31	0.05 26	0.04 28	0.06 38	0.07 91	0.01 2	0.04 56	0.13 130	0.14 170	0.13 133	0.15 146

GEStereo_RVC	0.14 197	0.13 222	0.10 205	0.11 180	0.12 208	0.12 183	0.11 206	0.18 187	0.13 215	0.24 203	0.16 231	0.18 177	0.10 190	0.06 112	0.12 224	0.11 165	0.20 198	0.17 260	0.23 246	0.13 224	0.15 145	0.13 239	0.07 159	0.11 220	0.20 241	0.14 170	0.13 133	0.19 204

s12784h	0.12 158	0.09 168	0.06 121	0.11 180	0.09 157	0.08 124	0.06 128	0.18 187	0.07 93	0.27 267	0.11 170	0.19 189	0.08 164	0.07 143	0.08 93	0.09 90	0.21 213	0.08 72	0.15 155	0.07 86	0.20 229	0.08 109	0.05 115	0.07 143	0.16 180	0.14 170	0.18 204	0.21 229

CFNet_pseudo	0.13 172	0.11 196	0.11 218	0.14 212	0.11 194	0.12 183	0.11 206	0.19 212	0.12 206	0.24 203	0.14 207	0.16 155	0.15 244	0.08 165	0.09 131	0.10 119	0.16 128	0.13 197	0.13 130	0.08 108	0.15 145	0.08 109	0.08 185	0.09 192	0.15 167	0.14 170	0.19 216	0.20 213

GES	0.14 197	0.11 196	0.07 151	0.09 144	0.11 194	0.15 213	0.09 175	0.20 230	0.09 150	0.23 186	0.12 182	0.17 161	0.11 200	0.14 250	0.10 171	0.10 119	0.23 236	0.14 222	0.24 252	0.14 235	0.17 184	0.17 270	0.11 230	0.09 192	0.15 167	0.14 170	0.21 242	0.20 213

EAI-Stereo	0.13 172	0.07 113	0.04 61	0.10 163	0.10 177	0.10 162	0.09 175	0.17 151	0.10 175	0.26 253	0.11 170	0.20 205	0.05 87	0.10 199	0.10 171	0.11 165	0.23 236	0.12 170	0.18 199	0.12 205	0.19 209	0.08 109	0.08 185	0.08 169	0.16 180	0.14 170	0.15 160	0.20 213

DeepPrunerF	0.11 131	0.10 182	0.10 205	0.13 204	0.13 220	0.09 139	0.09 175	0.15 130	0.11 190	0.12 83	0.14 207	0.10 83	0.09 177	0.07 143	0.12 224	0.11 165	0.11 79	0.13 197	0.13 130	0.11 184	0.13 111	0.08 109	0.08 185	0.08 169	0.17 193	0.14 170	0.11 109	0.14 135

MSMDNet	0.13 172	0.08 151	0.06 121	0.09 144	0.12 208	0.10 162	0.08 158	0.17 151	0.11 190	0.27 267	0.09 135	0.20 205	0.06 116	0.12 230	0.10 171	0.11 165	0.24 254	0.12 170	0.19 212	0.16 261	0.21 253	0.11 203	0.07 159	0.08 169	0.17 193	0.14 170	0.17 184	0.18 189

iResNet	0.16 235	0.11 196	0.09 186	0.15 224	0.13 220	0.17 233	0.12 217	0.21 241	0.14 224	0.25 236	0.13 194	0.35 268	0.32 293	0.08 165	0.10 171	0.11 165	0.20 198	0.12 170	0.25 257	0.14 235	0.18 197	0.11 203	0.12 241	0.13 246	0.18 214	0.14 170	0.20 228	0.18 189

DDVS	0.19 249	0.15 243	0.13 242	0.18 242	0.18 257	0.19 252	0.20 261	0.20 230	0.16 237	0.25 236	0.21 274	0.39 276	0.27 281	0.13 244	0.12 224	0.14 251	0.26 278	0.19 276	0.28 272	0.15 249	0.18 197	0.16 266	0.10 220	0.14 255	0.19 228	0.15 189	0.22 247	0.25 247

DCVSM-stereo	0.20 257	0.15 243	0.11 218	0.24 269	0.18 257	0.26 280	0.21 272	0.23 258	0.16 237	0.24 203	0.19 264	0.49 286	0.27 281	0.13 244	0.10 171	0.12 209	0.24 254	0.16 247	0.24 252	0.15 249	0.19 209	0.14 246	0.22 279	0.11 220	0.18 214	0.15 189	0.24 258	0.28 261

ITSA-stereo	0.18 243	0.14 235	0.11 218	0.26 274	0.16 242	0.18 241	0.16 240	0.25 268	0.17 247	0.25 236	0.17 240	0.33 264	0.24 270	0.16 261	0.11 208	0.11 165	0.21 213	0.15 236	0.22 236	0.10 162	0.19 209	0.11 203	0.15 255	0.11 220	0.22 264	0.15 189	0.20 228	0.23 237

EKT-Stereo	0.15 218	0.10 182	0.07 151	0.13 204	0.12 208	0.16 224	0.17 249	0.18 187	0.11 190	0.26 253	0.17 240	0.17 161	0.07 144	0.11 211	0.09 131	0.11 165	0.24 254	0.15 236	0.23 246	0.12 205	0.24 287	0.10 181	0.07 159	0.08 169	0.20 241	0.15 189	0.17 184	0.18 189

DLNR_Zeroshot_test	10.12 351	32.06 360	0.05 91	54.44 360	0.09 157	0.18 241	50.47 360	0.19 212	0.08 116	0.27 267	0.07 90	0.20 205	0.04 61	0.14 250	62.26 360	70.60 360	0.33 305	0.18 271	0.25 257	0.11 184	0.20 229	0.08 109	0.07 159	0.09 192	0.18 214	0.15 189	0.20 228	0.26 251

Any-RAFT	0.13 172	0.07 113	0.05 91	0.10 163	0.09 157	0.12 183	0.08 158	0.17 151	0.10 175	0.26 253	0.09 135	0.20 205	0.08 164	0.10 199	0.09 131	0.10 119	0.22 226	0.11 139	0.20 218	0.10 162	0.21 253	0.09 146	0.08 185	0.06 104	0.16 180	0.15 189	0.17 184	0.17 172

RAFT-Test	0.13 172	0.07 113	0.06 121	0.09 144	0.11 194	0.13 192	0.09 175	0.17 151	0.11 190	0.27 267	0.10 158	0.20 205	0.05 87	0.12 230	0.10 171	0.11 165	0.23 236	0.12 170	0.21 229	0.14 235	0.21 253	0.11 203	0.06 136	0.08 169	0.17 193	0.15 189	0.17 184	0.17 172

Sa-1000	0.10 117	0.07 113	0.07 151	0.07 113	0.05 70	0.09 139	0.03 48	0.12 96	0.06 68	0.18 127	0.08 116	0.19 189	0.05 87	0.05 93	0.10 171	0.10 119	0.16 128	0.12 170	0.14 143	0.09 136	0.16 162	0.10 181	0.04 87	0.05 79	0.19 228	0.15 189	0.13 133	0.20 213

test_4	0.09 91	0.05 67	0.07 151	0.05 70	0.06 95	0.03 34	0.02 19	0.11 91	0.09 150	0.17 114	0.06 68	0.09 75	0.06 116	0.03 52	0.09 131	0.09 90	0.15 114	0.08 72	0.10 90	0.07 86	0.16 162	0.08 109	0.02 30	0.07 143	0.09 78	0.15 189	0.12 119	0.18 189

UDGNet	0.15 218	0.13 222	0.09 186	0.18 242	0.17 250	0.16 224	0.19 259	0.15 130	0.11 190	0.16 104	0.14 207	0.15 134	0.05 87	0.45 309	0.09 131	0.10 119	0.17 142	0.12 170	0.14 143	0.09 136	0.17 184	0.09 146	0.28 310	0.07 143	0.17 193	0.15 189	0.12 119	0.13 125

test_3	0.11 131	0.07 113	0.07 151	0.06 92	0.08 133	0.05 78	0.05 95	0.17 151	0.09 150	0.24 203	0.09 135	0.21 223	0.11 200	0.06 112	0.13 244	0.13 230	0.20 198	0.09 100	0.14 143	0.10 162	0.18 197	0.08 109	0.04 87	0.08 169	0.13 130	0.15 189	0.13 133	0.14 135

GwcNet-ADL	0.17 238	0.12 209	0.11 218	0.19 249	0.14 231	0.17 233	0.14 229	0.21 241	0.14 224	0.24 203	0.17 240	0.32 263	0.16 249	0.19 273	0.11 208	0.14 251	0.22 226	0.15 236	0.23 246	0.13 224	0.18 197	0.11 203	0.05 115	0.10 208	0.18 214	0.15 189	0.19 216	0.21 229

PSMNet-ADL	0.18 243	0.13 222	0.13 242	0.16 229	0.14 231	0.17 233	0.16 240	0.20 230	0.21 279	0.27 267	0.19 264	0.29 260	0.25 273	0.18 268	0.14 259	0.14 251	0.23 236	0.14 222	0.22 236	0.14 235	0.19 209	0.11 203	0.10 220	0.11 220	0.20 241	0.15 189	0.23 249	0.19 204

GANet-ADL	0.15 218	0.12 209	0.09 186	0.14 212	0.12 208	0.16 224	0.12 217	0.20 230	0.10 175	0.25 236	0.15 220	0.22 236	0.12 208	0.21 280	0.09 131	0.11 165	0.25 270	0.14 222	0.20 218	0.14 235	0.19 209	0.09 146	0.08 185	0.10 208	0.17 193	0.15 189	0.20 228	0.17 172

TRStereo	0.13 172	0.07 113	0.05 91	0.09 144	0.08 133	0.17 233	0.13 223	0.18 187	0.07 93	0.25 236	0.09 135	0.20 205	0.04 61	0.10 199	0.09 131	0.10 119	0.22 226	0.11 139	0.22 236	0.13 224	0.19 209	0.09 146	0.09 205	0.07 143	0.16 180	0.15 189	0.24 258	0.20 213

APVNet	0.15 218	0.13 222	0.11 218	0.14 212	0.16 242	0.14 201	0.13 223	0.19 212	0.11 190	0.14 91	0.13 194	0.17 161	0.09 177	0.16 261	0.15 269	0.15 269	0.21 213	0.14 222	0.22 236	0.15 249	0.15 145	0.12 222	0.07 159	0.12 236	0.16 180	0.15 189	0.19 216	0.17 172

AF-Net	0.15 218	0.13 222	0.13 242	0.14 212	0.18 257	0.15 213	0.14 229	0.17 151	0.16 237	0.17 114	0.21 274	0.18 177	0.12 208	0.10 199	0.17 280	0.16 277	0.13 93	0.14 222	0.15 155	0.11 184	0.11 78	0.10 181	0.13 248	0.10 208	0.14 154	0.15 189	0.20 228	0.14 135

RP	0.15 218	0.14 235	0.15 260	0.17 237	0.14 231	0.17 233	0.16 240	0.19 212	0.17 247	0.14 91	0.16 231	0.16 155	0.15 244	0.11 211	0.13 244	0.12 209	0.15 114	0.12 170	0.15 155	0.12 205	0.12 92	0.12 222	0.10 220	0.12 236	0.17 193	0.15 189	0.20 228	0.18 189

Nwc_Net	0.15 218	0.13 222	0.13 242	0.14 212	0.18 257	0.15 213	0.14 229	0.17 151	0.16 237	0.17 114	0.21 274	0.18 177	0.12 208	0.10 199	0.17 280	0.16 277	0.13 93	0.14 222	0.15 155	0.11 184	0.11 78	0.10 181	0.13 248	0.10 208	0.14 154	0.15 189	0.20 228	0.14 135

R-Stereo Train	0.13 172	0.07 113	0.07 151	0.09 144	0.10 177	0.15 213	0.05 95	0.16 139	0.12 206	0.28 283	0.12 182	0.20 205	0.08 164	0.11 211	0.09 131	0.11 165	0.24 254	0.12 170	0.16 171	0.11 184	0.21 253	0.11 203	0.08 185	0.07 143	0.15 167	0.15 189	0.16 170	0.15 146

ADCL	0.14 197	0.12 209	0.11 218	0.13 204	0.11 194	0.14 201	0.10 192	0.17 151	0.15 232	0.22 168	0.16 231	0.21 223	0.12 208	0.09 184	0.10 171	0.11 165	0.16 128	0.13 197	0.17 183	0.12 205	0.18 197	0.13 239	0.11 230	0.11 220	0.16 180	0.15 189	0.16 170	0.16 160

ADCP+	0.11 131	0.10 182	0.08 174	0.09 144	0.07 111	0.09 139	0.08 158	0.13 115	0.11 190	0.16 104	0.12 182	0.18 177	0.08 164	0.07 143	0.10 171	0.09 90	0.16 128	0.11 139	0.14 143	0.09 136	0.12 92	0.09 146	0.08 185	0.08 169	0.11 109	0.15 189	0.11 109	0.11 105

RAFT-Stereo	0.13 172	0.07 113	0.07 151	0.09 144	0.10 177	0.15 213	0.05 95	0.16 139	0.12 206	0.28 283	0.12 182	0.20 205	0.08 164	0.11 211	0.09 131	0.11 165	0.24 254	0.12 170	0.16 171	0.11 184	0.21 253	0.11 203	0.08 185	0.07 143	0.15 167	0.15 189	0.16 170	0.15 146
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
UCFNet_RVC	0.15 218	0.17 259	0.12 233	0.16 229	0.14 231	0.17 233	0.11 206	0.17 151	0.12 206	0.20 149	0.13 194	0.28 254	0.12 208	0.10 199	0.11 208	0.13 230	0.18 161	0.13 197	0.17 183	0.12 205	0.16 162	0.09 146	0.10 220	0.11 220	0.18 214	0.15 189	0.17 184	0.19 204

HSM	0.14 197	0.12 209	0.09 186	0.14 212	0.13 220	0.12 183	0.10 192	0.18 187	0.10 175	0.23 186	0.15 220	0.18 177	0.14 236	0.08 165	0.10 171	0.10 119	0.21 213	0.12 170	0.17 183	0.12 205	0.18 197	0.10 181	0.07 159	0.08 169	0.17 193	0.15 189	0.17 184	0.18 189

ACV-stereo	0.25 275	0.15 243	0.13 242	0.22 259	0.17 250	0.28 283	0.24 281	0.21 241	0.20 273	0.24 203	0.21 274	0.28 254	0.36 300	0.18 268	0.13 244	0.12 209	0.34 307	0.20 282	1.12 333	0.25 297	0.26 299	0.17 270	0.29 313	0.18 275	0.19 228	0.16 214	0.25 264	0.29 263

UniTT-Stereo	0.07 74	0.04 48	0.04 61	0.04 49	0.03 30	0.05 78	0.03 48	0.06 55	0.05 46	0.06 56	0.04 28	0.07 64	0.12 208	0.07 143	0.08 93	0.07 56	0.11 79	0.08 72	0.08 63	0.07 86	0.09 64	0.08 109	0.08 185	0.04 56	0.09 78	0.16 214	0.06 59	0.09 79

SQANet	0.45 307	0.54 315	0.14 253	1.41 322	0.51 315	1.23 322	0.83 319	0.30 286	0.24 283	0.34 310	0.24 289	0.64 297	0.19 259	1.12 320	0.17 280	0.14 251	0.24 254	0.20 282	0.40 295	0.22 291	0.16 162	0.14 246	1.58 326	0.17 272	0.20 241	0.16 214	0.26 269	0.39 288

raft_robust	0.12 158	0.09 168	0.09 186	0.11 180	0.06 95	0.09 139	0.06 128	0.15 130	0.08 116	0.23 186	0.07 90	0.20 205	0.11 200	0.09 184	0.11 208	0.12 209	0.16 128	0.12 170	0.13 130	0.10 162	0.15 145	0.11 203	0.03 64	0.07 143	0.18 214	0.16 214	0.15 160	0.14 135

GMOStereo	0.11 131	0.07 113	0.09 186	0.06 92	0.05 70	0.06 95	0.05 95	0.17 151	0.09 150	0.24 203	0.07 90	0.17 161	0.09 177	0.05 93	0.10 171	0.11 165	0.17 142	0.08 72	0.12 109	0.08 108	0.19 209	0.08 109	0.03 64	0.06 104	0.18 214	0.16 214	0.14 147	0.17 172

error version	0.11 131	0.07 113	0.09 186	0.06 92	0.05 70	0.06 95	0.05 95	0.17 151	0.09 150	0.24 203	0.07 90	0.17 161	0.09 177	0.05 93	0.10 171	0.11 165	0.17 142	0.08 72	0.12 109	0.08 108	0.19 209	0.08 109	0.03 64	0.06 104	0.18 214	0.16 214	0.14 147	0.17 172

test-v	0.11 131	0.07 113	0.09 186	0.06 92	0.05 70	0.06 95	0.05 95	0.17 151	0.09 150	0.24 203	0.07 90	0.17 161	0.09 177	0.05 93	0.10 171	0.11 165	0.17 142	0.08 72	0.12 109	0.08 108	0.19 209	0.08 109	0.03 64	0.06 104	0.18 214	0.16 214	0.14 147	0.17 172

test-2	0.11 131	0.07 113	0.09 186	0.06 92	0.05 70	0.06 95	0.05 95	0.17 151	0.09 150	0.24 203	0.07 90	0.17 161	0.09 177	0.05 93	0.10 171	0.11 165	0.17 142	0.08 72	0.12 109	0.08 108	0.19 209	0.08 109	0.03 64	0.06 104	0.18 214	0.16 214	0.14 147	0.17 172

sCroCo_RVC	0.14 197	0.09 168	0.09 186	0.08 125	0.07 111	0.10 162	0.07 145	0.19 212	0.14 224	0.18 127	0.12 182	0.13 118	0.14 236	0.06 112	0.13 244	0.15 269	0.22 226	0.15 236	0.22 236	0.13 224	0.21 253	0.16 266	0.06 136	0.12 236	0.17 193	0.16 214	0.17 184	0.17 172

XX-Stereo	0.14 197	0.05 67	0.05 91	0.10 163	0.08 133	0.17 233	0.07 145	0.18 187	0.10 175	0.27 267	0.09 135	0.20 205	0.03 42	0.09 184	0.10 171	0.12 209	0.23 236	0.11 139	0.20 218	0.11 184	0.20 229	0.08 109	0.08 185	0.07 143	0.22 264	0.16 214	0.17 184	0.36 282

psm_up	0.14 197	0.11 196	0.13 242	0.15 224	0.12 208	0.14 201	0.11 206	0.20 230	0.16 237	0.19 140	0.12 182	0.15 134	0.17 253	0.10 199	0.12 224	0.12 209	0.19 181	0.13 197	0.17 183	0.11 184	0.15 145	0.09 146	0.10 220	0.16 267	0.18 214	0.16 214	0.17 184	0.20 213

FADNet-RVC	0.14 197	0.13 222	0.10 205	0.18 242	0.11 194	0.14 201	0.09 175	0.21 241	0.09 150	0.19 140	0.17 240	0.17 161	0.12 208	0.11 211	0.14 259	0.15 269	0.18 161	0.13 197	0.18 199	0.15 249	0.12 92	0.12 222	0.12 241	0.11 220	0.20 241	0.16 214	0.14 147	0.14 135

stereogan	0.16 235	0.15 243	0.15 260	0.16 229	0.18 257	0.18 241	0.16 240	0.20 230	0.19 262	0.14 91	0.16 231	0.20 205	0.18 255	0.13 244	0.14 259	0.13 230	0.16 128	0.14 222	0.17 183	0.14 235	0.14 127	0.12 222	0.13 248	0.13 246	0.16 180	0.16 214	0.23 249	0.18 189

RTSC	0.14 197	0.11 196	0.10 205	0.12 192	0.11 194	0.12 183	0.10 192	0.16 139	0.13 215	0.18 127	0.13 194	0.15 134	0.13 221	0.08 165	0.11 208	0.13 230	0.20 198	0.13 197	0.21 229	0.12 205	0.16 162	0.12 222	0.07 159	0.10 208	0.16 180	0.16 214	0.21 242	0.32 275

HSM-Net_RVC	0.15 218	0.12 209	0.10 205	0.17 237	0.13 220	0.14 201	0.10 192	0.18 187	0.14 224	0.25 236	0.18 255	0.28 254	0.16 249	0.11 211	0.11 208	0.11 165	0.19 181	0.13 197	0.16 171	0.11 184	0.17 184	0.11 203	0.08 185	0.11 220	0.19 228	0.16 214	0.23 249	0.24 241
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ccs_rob	0.20 257	0.15 243	0.11 218	0.26 274	0.16 242	0.26 280	0.20 261	0.22 250	0.16 237	0.25 236	0.24 289	0.57 295	0.24 270	0.17 263	0.12 224	0.13 230	0.23 236	0.15 236	0.21 229	0.15 249	0.21 253	0.11 203	0.12 241	0.11 220	0.20 241	0.16 214	0.18 204	0.24 241

DeepPruner_ROB	0.14 197	0.13 222	0.11 218	0.12 192	0.11 194	0.10 162	0.09 175	0.17 151	0.12 206	0.21 160	0.18 255	0.15 134	0.13 221	0.08 165	0.12 224	0.11 165	0.19 181	0.15 236	0.19 212	0.11 184	0.17 184	0.14 246	0.10 220	0.11 220	0.17 193	0.16 214	0.17 184	0.19 204

DLCB_ROB	0.13 172	0.12 209	0.11 218	0.10 163	0.10 177	0.10 162	0.09 175	0.16 139	0.11 190	0.18 127	0.17 240	0.19 189	0.13 221	0.11 211	0.11 208	0.10 119	0.17 142	0.13 197	0.13 130	0.10 162	0.17 184	0.10 181	0.09 205	0.12 236	0.27 283	0.16 214	0.16 170	0.13 125

model_zeroshot	0.14 197	0.09 168	0.06 121	0.10 163	0.10 177	0.14 201	0.08 158	0.20 230	0.12 206	0.28 283	0.08 116	0.21 223	0.06 116	0.11 211	0.09 131	0.12 209	0.26 278	0.13 197	0.27 267	0.11 184	0.20 229	0.13 239	0.11 230	0.09 192	0.17 193	0.17 232	0.18 204	0.18 189

gcap-zeroshot	0.13 172	0.08 151	0.05 91	0.08 125	0.10 177	0.11 174	0.09 175	0.18 187	0.09 150	0.28 283	0.08 116	0.20 205	0.06 116	0.10 199	0.09 131	0.12 209	0.23 236	0.11 139	0.27 267	0.12 205	0.20 229	0.11 203	0.07 159	0.08 169	0.12 119	0.17 232	0.17 184	0.18 189

MSKI-zero shot	0.13 172	0.08 151	0.05 91	0.09 144	0.11 194	0.09 139	0.07 145	0.19 212	0.09 150	0.28 283	0.10 158	0.19 189	0.06 116	0.11 211	0.10 171	0.11 165	0.24 254	0.11 139	0.17 183	0.11 184	0.21 253	0.10 181	0.07 159	0.08 169	0.14 154	0.17 232	0.18 204	0.18 189

DAS	0.19 249	0.11 196	0.09 186	0.24 269	0.19 264	0.18 241	0.20 261	0.23 258	0.18 253	0.24 203	0.14 207	0.38 273	0.21 262	0.09 184	0.12 224	0.11 165	0.25 270	0.16 247	0.22 236	0.15 249	0.20 229	0.14 246	0.18 267	0.13 246	0.19 228	0.17 232	0.23 249	0.29 263

SepStereo	0.19 249	0.11 196	0.09 186	0.24 269	0.19 264	0.18 241	0.20 261	0.23 258	0.18 253	0.24 203	0.14 207	0.38 273	0.21 262	0.09 184	0.12 224	0.11 165	0.25 270	0.16 247	0.22 236	0.15 249	0.20 229	0.14 246	0.18 267	0.13 246	0.19 228	0.17 232	0.23 249	0.29 263

cross-raft	0.14 197	0.08 151	0.07 151	0.08 125	0.10 177	0.12 183	0.08 158	0.17 151	0.13 215	0.27 267	0.11 170	0.21 223	0.05 87	0.11 211	0.13 244	0.14 251	0.22 226	0.11 139	0.23 246	0.13 224	0.23 280	0.09 146	0.06 136	0.08 169	0.22 264	0.17 232	0.14 147	0.15 146

sAnonymous2	0.14 197	0.09 168	0.10 205	0.10 163	0.09 157	0.09 139	0.11 206	0.22 250	0.11 190	0.23 186	0.16 231	0.15 134	0.10 190	0.06 112	0.12 224	0.13 230	0.18 161	0.15 236	0.21 229	0.14 235	0.16 162	0.14 246	0.04 87	0.10 208	0.17 193	0.17 232	0.17 184	0.16 160

CroCo_RVC	0.14 197	0.09 168	0.10 205	0.10 163	0.09 157	0.09 139	0.11 206	0.22 250	0.11 190	0.23 186	0.16 231	0.15 134	0.10 190	0.06 112	0.12 224	0.13 230	0.18 161	0.15 236	0.21 229	0.14 235	0.16 162	0.14 246	0.04 87	0.10 208	0.17 193	0.17 232	0.17 184	0.16 160

SFCPSM	0.20 257	0.15 243	0.12 233	0.22 259	0.16 242	0.20 258	0.18 252	0.22 250	0.20 273	0.26 253	0.24 289	0.34 267	0.33 296	0.14 250	0.12 224	0.12 209	0.24 254	0.16 247	0.32 281	0.19 277	0.19 209	0.13 239	0.14 253	0.12 236	0.21 254	0.17 232	0.20 228	0.25 247

NCC-stereo	0.17 238	0.16 251	0.16 266	0.16 229	0.17 250	0.18 241	0.18 252	0.19 212	0.20 273	0.16 104	0.19 264	0.21 223	0.21 262	0.12 230	0.20 293	0.18 291	0.18 161	0.19 276	0.18 199	0.15 249	0.15 145	0.15 258	0.15 255	0.12 236	0.18 214	0.17 232	0.24 258	0.20 213

Abc-Net	0.17 238	0.16 251	0.16 266	0.16 229	0.17 250	0.18 241	0.18 252	0.19 212	0.20 273	0.16 104	0.19 264	0.21 223	0.21 262	0.12 230	0.20 293	0.18 291	0.18 161	0.19 276	0.18 199	0.15 249	0.15 145	0.15 258	0.15 255	0.12 236	0.18 214	0.17 232	0.24 258	0.20 213
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XPNet_ROB	0.18 243	0.21 276	0.14 253	0.15 224	0.16 242	0.15 213	0.15 235	0.15 130	0.14 224	0.19 140	0.18 255	0.49 286	0.13 221	0.11 211	0.13 244	0.14 251	0.25 270	0.16 247	0.18 199	0.14 235	0.17 184	0.18 279	0.13 248	0.13 246	0.17 193	0.17 232	0.31 282	0.29 263

DispFullNet	0.48 308	0.50 313	0.19 284	1.14 319	0.40 306	0.77 318	1.22 324	0.32 291	0.24 283	0.24 203	0.27 300	0.84 317	0.48 313	1.62 325	0.15 269	0.15 269	0.49 323	0.34 318	1.08 331	0.26 299	0.24 287	0.18 279	0.20 275	0.21 281	0.27 283	0.17 232	0.35 291	0.59 317

AIO-Stereo-zeroshot1	0.15 218	0.07 113	0.05 91	0.12 192	0.12 208	0.15 213	0.09 175	0.17 151	0.12 206	0.29 297	0.09 135	0.22 236	0.05 87	0.12 230	0.11 208	0.11 165	0.26 278	0.12 170	0.33 284	0.11 184	0.20 229	0.12 222	0.08 185	0.06 104	0.21 254	0.18 245	0.20 228	0.32 275

AIO-Stereo-zeroshot	0.15 218	0.07 113	0.05 91	0.14 212	0.12 208	0.15 213	0.10 192	0.18 187	0.08 116	0.26 253	0.08 116	0.19 189	0.08 164	0.11 211	0.10 171	0.12 209	0.26 278	0.13 197	0.26 262	0.11 184	0.20 229	0.10 181	0.08 185	0.07 143	0.20 241	0.18 245	0.19 216	0.31 271

MaDis-Stereo	0.07 74	0.04 48	0.05 91	0.03 29	0.02 8	0.03 34	0.03 48	0.06 55	0.06 68	0.04 33	0.06 68	0.10 83	0.05 87	0.02 22	0.07 62	0.08 72	0.10 69	0.09 100	0.07 50	0.05 52	0.10 72	0.10 181	0.01 2	0.05 79	0.11 109	0.18 245	0.13 133	0.16 160

otaku	0.58 313	0.71 319	0.29 307	1.70 334	0.84 322	1.49 328	1.00 320	0.40 310	0.34 313	0.38 317	0.31 311	0.65 299	0.26 278	1.35 321	0.33 314	0.25 304	0.20 198	0.23 295	0.69 312	0.30 308	0.22 269	0.17 270	2.24 329	0.28 303	0.29 292	0.18 245	0.30 279	0.39 288

anonymity	0.13 172	0.06 90	0.05 91	0.09 144	0.10 177	0.09 139	0.07 145	0.18 187	0.08 116	0.28 283	0.12 182	0.19 189	0.06 116	0.09 184	0.09 131	0.13 230	0.23 236	0.12 170	0.17 183	0.15 249	0.19 209	0.10 181	0.09 205	0.07 143	0.19 228	0.18 245	0.19 216	0.19 204

DDUNet	0.26 279	0.20 271	0.12 233	0.37 289	0.30 298	0.40 303	0.47 309	0.20 230	0.16 237	0.16 104	0.25 295	0.16 155	0.08 164	1.63 326	0.13 244	0.14 251	0.21 213	0.14 222	0.25 257	0.13 224	0.18 197	0.12 222	0.25 290	0.15 259	0.17 193	0.18 245	0.18 204	0.22 232

SACVNet	0.15 218	0.14 235	0.13 242	0.16 229	0.13 220	0.14 201	0.12 217	0.19 212	0.17 247	0.19 140	0.17 240	0.14 129	0.07 144	0.14 250	0.13 244	0.13 230	0.19 181	0.16 247	0.20 218	0.13 224	0.16 162	0.14 246	0.12 241	0.13 246	0.20 241	0.18 245	0.19 216	0.17 172

test-1	0.14 197	0.06 90	0.07 151	0.11 180	0.10 177	0.18 241	0.14 229	0.19 212	0.13 215	0.28 283	0.10 158	0.19 189	0.11 200	0.12 230	0.12 224	0.13 230	0.22 226	0.12 170	0.22 236	0.10 162	0.24 287	0.08 109	0.09 205	0.08 169	0.21 254	0.18 245	0.15 160	0.17 172

FADNet	0.16 235	0.15 243	0.10 205	0.20 253	0.10 177	0.19 252	0.13 223	0.20 230	0.13 215	0.22 168	0.24 289	0.17 161	0.14 236	0.12 230	0.17 280	0.16 277	0.16 128	0.14 222	0.23 246	0.20 281	0.16 162	0.12 222	0.11 230	0.11 220	0.21 254	0.18 245	0.16 170	0.15 146

ADCRef	0.13 172	0.10 182	0.09 186	0.10 163	0.08 133	0.09 139	0.08 158	0.17 151	0.14 224	0.21 160	0.15 220	0.15 134	0.13 221	0.05 93	0.10 171	0.11 165	0.16 128	0.14 222	0.19 212	0.12 205	0.15 145	0.12 222	0.09 205	0.11 220	0.13 130	0.18 245	0.13 133	0.18 189

PWC_ROB	0.22 268	0.20 271	0.14 253	0.18 242	0.17 250	0.16 224	0.20 261	0.21 241	0.26 293	0.15 98	0.20 269	0.28 254	0.62 320	0.13 244	0.12 224	0.13 230	0.27 289	0.18 271	0.36 291	0.18 273	0.22 269	0.17 270	0.16 259	0.24 293	0.19 228	0.18 245	0.24 258	0.43 297

SGM-Forest	0.19 249	0.18 265	0.16 266	0.23 263	0.18 257	0.20 258	0.18 252	0.23 258	0.17 247	0.20 149	0.15 220	0.23 239	0.18 255	0.22 281	0.17 280	0.18 291	0.19 181	0.17 260	0.18 199	0.15 249	0.17 184	0.18 279	0.25 290	0.18 275	0.22 264	0.18 245	0.25 264	0.24 241
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
pmcnn	0.19 249	0.14 235	0.11 218	0.18 242	0.13 220	0.19 252	0.16 240	0.20 230	0.18 253	0.26 253	0.14 207	0.35 268	0.25 273	0.09 184	0.09 131	0.11 165	0.25 270	0.14 222	0.24 252	0.14 235	0.22 269	0.14 246	0.11 230	0.11 220	0.21 254	0.18 245	0.39 300	0.45 301

ICVP	0.15 218	0.13 222	0.14 253	0.12 192	0.12 208	0.13 192	0.10 192	0.17 151	0.12 206	0.17 114	0.13 194	0.18 177	0.12 208	0.09 184	0.12 224	0.13 230	0.18 161	0.15 236	0.15 155	0.14 235	0.17 184	0.13 239	0.20 275	0.11 220	0.19 228	0.19 258	0.17 184	0.16 160
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S-Stereo	0.30 291	0.22 279	0.17 274	0.41 299	0.39 305	0.41 304	0.37 296	0.25 268	0.25 288	0.26 253	0.44 318	0.54 294	0.36 300	0.24 283	0.16 274	0.14 251	0.27 289	0.27 304	0.34 287	0.28 303	0.23 280	0.22 300	0.53 319	0.23 285	0.22 264	0.19 258	0.27 272	0.38 284

MaskLacGwcNet_RVC	0.36 299	0.16 251	0.12 233	0.26 274	0.22 275	0.22 270	0.27 289	0.24 264	0.15 232	0.24 203	0.16 231	4.24 349	0.22 269	0.19 273	0.13 244	0.13 230	0.34 307	0.22 292	0.31 279	0.20 281	0.23 280	0.18 279	0.22 279	0.14 255	0.20 241	0.19 258	0.21 242	0.24 241

FBW_ROB	0.26 279	0.26 292	0.25 299	0.37 289	0.25 285	0.32 289	0.20 261	0.21 241	0.18 253	0.27 267	0.20 269	0.45 280	0.31 290	0.26 288	0.20 293	0.20 301	0.27 289	0.17 260	0.51 305	0.14 235	0.21 253	0.14 246	0.16 259	0.28 303	0.21 254	0.19 258	0.33 287	0.55 311

UDG	0.26 279	0.20 271	0.13 242	0.38 294	0.31 299	0.38 301	0.51 312	0.19 212	0.16 237	0.19 140	0.23 286	0.17 161	0.09 177	1.45 322	0.14 259	0.13 230	0.27 289	0.16 247	0.26 262	0.13 224	0.21 253	0.13 239	0.25 290	0.12 236	0.20 241	0.20 262	0.20 228	0.19 204

Anonymous3	0.18 243	0.15 243	0.11 218	0.15 224	0.10 177	0.14 201	0.11 206	0.22 250	0.19 262	0.27 267	0.15 220	0.27 252	0.12 208	0.13 244	0.25 300	0.17 284	0.23 236	0.18 271	0.26 262	0.17 266	0.24 287	0.20 291	0.09 205	0.10 208	0.21 254	0.20 262	0.22 247	0.20 213

pcwnet_v2	0.15 218	0.12 209	0.12 233	0.16 229	0.14 231	0.17 233	0.14 229	0.20 230	0.13 215	0.22 168	0.14 207	0.19 189	0.18 255	0.12 230	0.10 171	0.12 209	0.18 161	0.13 197	0.17 183	0.12 205	0.16 162	0.11 203	0.09 205	0.10 208	0.19 228	0.20 262	0.19 216	0.27 255

ADCMid	0.21 263	0.18 265	0.17 274	0.18 242	0.19 264	0.20 258	0.16 240	0.29 283	0.25 288	0.24 203	0.19 264	0.36 270	0.21 262	0.12 230	0.16 274	0.16 277	0.25 270	0.18 271	0.37 292	0.19 277	0.24 287	0.18 279	0.17 265	0.15 259	0.24 273	0.20 262	0.25 264	0.29 263

AnyNet_C32	0.20 257	0.16 251	0.15 260	0.17 237	0.17 250	0.19 252	0.16 240	0.25 268	0.22 280	0.25 236	0.23 286	0.23 239	0.18 255	0.14 250	0.19 290	0.18 291	0.28 296	0.22 292	0.29 274	0.18 273	0.27 301	0.21 296	0.16 259	0.17 272	0.22 264	0.20 262	0.21 242	0.23 237

LRCNet_RVC	9.85 350	16.31 356	0.59 331	24.99 357	21.12 358	23.54 358	20.75 356	1.45 348	0.48 324	21.31 358	13.10 355	22.63 357	3.34 348	28.36 359	0.38 317	0.27 312	7.74 352	1.15 347	23.52 357	3.99 350	0.46 330	0.30 314	27.02 357	1.72 350	0.35 308	0.21 267	0.42 306	0.37 283

FADNet_RVC	0.18 243	0.14 235	0.13 242	0.20 253	0.15 239	0.14 201	0.13 223	0.24 264	0.14 224	0.24 203	0.17 240	0.27 252	0.21 262	0.14 250	0.14 259	0.12 209	0.19 181	0.17 260	0.31 279	0.15 249	0.19 209	0.14 246	0.11 230	0.14 255	0.20 241	0.21 267	0.18 204	0.22 232

RGC	0.19 249	0.17 259	0.17 274	0.19 249	0.20 269	0.20 258	0.15 235	0.22 250	0.26 293	0.17 114	0.20 269	0.21 223	0.24 270	0.15 258	0.23 297	0.18 291	0.18 161	0.16 247	0.18 199	0.16 261	0.17 184	0.13 239	0.12 241	0.15 259	0.20 241	0.21 267	0.23 249	0.24 241

CC-Net-ROB	0.28 287	0.40 308	0.28 305	0.56 308	0.44 309	0.41 304	0.38 300	0.32 291	0.20 273	0.33 306	0.28 303	0.68 302	0.10 190	0.32 306	0.19 290	0.13 230	0.14 107	0.16 247	0.39 294	0.18 273	0.15 145	0.09 146	0.23 284	0.24 293	0.21 254	0.21 267	0.19 216	0.29 263

GANetREF_RVC	0.26 279	0.26 292	0.30 308	0.23 263	0.23 279	0.23 275	0.24 281	0.35 298	0.33 311	0.32 302	0.17 240	0.50 289	0.38 304	0.12 230	0.20 293	0.17 284	0.19 181	0.21 286	0.35 290	0.21 283	0.23 280	0.15 258	0.22 279	0.29 306	0.27 283	0.21 267	0.36 295	0.31 271
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
PS-NSSS	0.17 238	0.19 268	0.17 274	0.23 263	0.18 257	0.18 241	0.16 240	0.22 250	0.13 215	0.23 186	0.20 269	0.44 279	0.08 164	0.11 211	0.12 224	0.10 119	0.13 93	0.13 197	0.26 262	0.11 184	0.11 78	0.07 91	0.18 267	0.15 259	0.17 193	0.21 267	0.13 133	0.20 213

NaN_ROB	0.19 249	0.20 271	0.19 284	0.20 253	0.20 269	0.16 224	0.15 235	0.27 274	0.19 262	0.23 186	0.18 255	0.47 285	0.16 249	0.11 211	0.13 244	0.12 209	0.15 114	0.14 222	0.21 229	0.19 277	0.13 111	0.10 181	0.09 205	0.20 278	0.24 273	0.21 267	0.26 269	0.28 261

PDISCO_ROB	0.12 158	0.13 222	0.13 242	0.10 163	0.08 133	0.09 139	0.09 175	0.09 80	0.08 116	0.11 81	0.10 158	0.06 59	0.05 87	0.05 93	0.09 131	0.11 165	0.14 107	0.16 247	0.09 78	0.10 162	0.14 127	0.12 222	0.04 87	0.08 169	0.16 180	0.21 267	0.32 284	0.19 204

Ntro	0.63 316	0.72 320	0.30 308	1.78 336	0.84 322	1.55 329	1.09 322	0.48 318	0.37 316	0.38 317	0.38 315	0.72 306	0.26 278	1.51 324	0.35 315	0.27 312	0.22 226	0.24 298	0.69 312	0.31 311	0.22 269	0.17 270	2.49 332	0.30 307	0.31 297	0.22 275	0.37 296	0.42 294

FAT-Stereo	0.26 279	0.19 268	0.17 274	0.38 294	0.36 303	0.30 285	0.25 286	0.26 271	0.18 253	0.27 267	0.25 295	0.33 264	0.36 300	0.26 288	0.16 274	0.15 269	0.26 278	0.23 295	0.33 284	0.21 283	0.22 269	0.19 287	0.22 279	0.22 283	0.21 254	0.22 275	0.32 284	0.42 294

ADCPNet	0.22 268	0.17 259	0.16 266	0.20 253	0.19 264	0.20 258	0.18 252	0.27 274	0.23 282	0.26 253	0.22 281	0.26 251	0.28 283	0.15 258	0.16 274	0.17 284	0.24 254	0.17 260	0.32 281	0.23 292	0.24 287	0.19 287	0.17 265	0.21 281	0.25 277	0.22 275	0.27 272	0.33 278

NOSS_ROB	0.21 263	0.14 235	0.15 260	0.20 253	0.19 264	0.20 258	0.22 274	0.29 283	0.18 253	0.25 236	0.15 220	0.21 223	0.13 221	0.27 293	0.13 244	0.14 251	0.26 278	0.21 286	0.22 236	0.17 266	0.23 280	0.22 300	0.26 295	0.24 293	0.26 280	0.22 275	0.24 258	0.26 251

LALA_ROB	0.22 268	0.25 289	0.16 266	0.19 249	0.17 250	0.22 270	0.16 240	0.17 151	0.19 262	0.24 203	0.21 274	0.64 297	0.15 244	0.13 244	0.23 297	0.17 284	0.27 289	0.22 292	0.22 236	0.18 273	0.20 229	0.20 291	0.14 253	0.15 259	0.20 241	0.22 275	0.35 291	0.25 247

SGM_RVC	0.25 275	0.24 286	0.17 274	0.39 297	0.27 290	0.34 295	0.26 287	0.28 277	0.19 262	0.25 236	0.18 255	0.42 277	0.30 287	0.17 263	0.12 224	0.13 230	0.23 236	0.15 236	0.25 257	0.13 224	0.19 209	0.15 258	0.19 272	0.17 272	0.33 304	0.22 275	0.55 315	0.43 297
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
CBMV	0.22 268	0.18 265	0.17 274	0.23 263	0.21 272	0.20 258	0.18 252	0.27 274	0.19 262	0.28 283	0.11 170	0.29 260	0.13 221	0.24 283	0.13 244	0.14 251	0.24 254	0.18 271	0.20 218	0.16 261	0.21 253	0.18 279	0.24 288	0.23 285	0.26 280	0.22 275	0.35 291	0.40 291
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FSD		0.24 286	0.24 298	0.27 281	0.25 285	0.25 277	0.33 293	0.30 286	0.18 253	0.20 149	0.17 240			0.29 296	0.25 300	0.26 306			0.27 267	0.21 283				0.28 303	0.27 283	0.23 282	0.27 272	0.27 255

DGSMNet	0.34 297	0.28 298	0.23 297	0.40 298	0.33 300	0.37 299	0.37 296	0.28 277	0.25 288	0.25 236	0.50 323	0.45 280	0.31 290	0.25 285	0.23 297	0.19 300	0.51 325	0.32 313	0.72 316	0.35 317	0.37 315	0.38 328	0.28 310	0.31 308	0.27 283	0.23 282	0.32 284	0.38 284

G-Net	0.29 290	0.24 286	0.19 284	0.23 263	0.21 272	0.36 297	0.23 278	0.30 286	0.27 298	0.33 306	0.32 312	0.93 322	0.25 273	0.18 268	0.18 287	0.18 291	0.26 278	0.21 286	0.43 298	0.31 311	0.26 299	0.17 270	0.18 267	0.18 275	0.27 283	0.23 282	0.40 304	0.42 294

edge stereo	0.31 294	0.23 283	0.20 287	0.41 299	0.35 301	0.42 306	0.39 303	0.38 306	0.22 280	0.23 186	0.38 315	0.69 303	0.33 296	0.30 300	0.15 269	0.16 277	0.31 301	0.21 286	0.42 296	0.21 283	0.23 280	0.17 270	0.25 290	0.22 283	0.27 283	0.23 282	0.39 300	0.55 311

MDST_ROB	0.22 268	0.27 296	0.14 253	0.47 303	0.24 282	0.36 297	0.20 261	0.24 264	0.16 237	0.26 253	0.14 207	0.28 254	0.25 273	0.11 211	0.11 208	0.12 209	0.21 213	0.12 170	0.17 183	0.12 205	0.19 209	0.10 181	0.11 230	0.12 236	0.34 307	0.23 282	0.56 316	0.31 271

CSAN	0.26 279	0.31 303	0.30 308	0.26 274	0.23 279	0.21 267	0.18 252	0.28 277	0.36 315	0.35 313	0.24 289	0.51 291	0.26 278	0.14 250	0.18 287	0.17 284	0.19 181	0.20 282	0.26 262	0.25 297	0.22 269	0.20 291	0.18 267	0.27 299	0.30 295	0.23 282	0.38 299	0.38 284

HBP-ISP	0.21 263	0.16 251	0.12 233	0.26 274	0.22 275	0.22 270	0.17 249	0.29 283	0.18 253	0.27 267	0.18 255	0.21 223	0.12 208	0.28 294	0.10 171	0.14 251	0.26 278	0.19 276	0.20 218	0.12 205	0.22 269	0.23 303	0.26 295	0.23 285	0.24 273	0.24 288	0.23 249	0.26 251

FCDSN-DC	0.25 275	0.25 289	0.25 299	0.28 283	0.26 288	0.26 280	0.34 294	0.28 277	0.18 253	0.20 149	0.17 240	0.20 205	0.12 208	0.29 296	0.26 302	0.26 306	0.29 297	0.28 308	0.27 267	0.21 283	0.25 295	0.25 306	0.26 295	0.32 311	0.26 280	0.24 288	0.26 269	0.27 255
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MSC_U_SF_DS_RVC	0.35 298	0.36 304	0.39 317	0.46 302	0.28 291	0.30 285	0.28 290	0.50 319	0.46 323	0.39 320	0.30 308	0.37 272	0.36 300	0.31 302	0.35 315	0.26 306	0.21 213	0.27 304	0.71 314	0.37 318	0.27 301	0.29 313	0.30 314	0.38 319	0.32 302	0.24 288	0.29 277	0.39 288

SGM-ForestM	0.24 274	0.22 279	0.16 266	0.37 289	0.24 282	0.32 289	0.24 281	0.28 277	0.20 273	0.23 186	0.17 240	0.51 291	0.25 273	0.20 278	0.12 224	0.13 230	0.23 236	0.16 247	0.24 252	0.14 235	0.19 209	0.16 266	0.21 278	0.16 267	0.35 308	0.24 288	0.51 310	0.35 280

DPSNet	0.39 302	0.19 268	0.17 274	0.27 281	0.25 285	0.29 284	0.19 259	0.26 271	0.24 283	0.18 127	0.17 240	2.16 343	0.43 308	0.10 199	0.17 280	0.15 269	0.35 310	0.28 308	2.04 345	0.27 302	0.25 295	0.16 266	0.28 310	0.25 297	0.38 313	0.24 288	0.39 300	0.51 307

SANet	0.30 291	0.21 276	0.21 293	0.25 272	0.21 272	0.31 287	0.22 274	0.30 286	0.31 308	0.27 267	0.26 297	1.39 332	0.38 304	0.22 281	0.14 259	0.14 251	0.26 278	0.21 286	0.30 278	0.21 283	0.24 287	0.20 291	0.31 315	0.23 285	0.33 304	0.24 288	0.35 291	0.48 303

MFN_U_SF_RVC	0.31 294	0.29 301	0.21 293	0.33 285	0.28 291	0.31 287	0.29 291	0.37 304	0.24 283	0.46 323	0.30 308	0.50 289	0.32 293	0.25 285	0.27 305	0.24 303	0.18 161	0.23 295	0.58 307	0.28 303	0.24 287	0.27 311	0.22 279	0.27 299	0.31 297	0.25 294	0.37 296	0.50 306

MFN_U_SF_DS_RVC	0.25 275	0.25 289	0.20 287	0.29 284	0.22 275	0.22 270	0.23 278	0.36 301	0.27 298	0.36 314	0.22 281	0.45 280	0.32 293	0.19 273	0.17 280	0.17 284	0.17 142	0.16 247	0.29 274	0.14 235	0.20 229	0.18 279	0.27 308	0.23 285	0.29 292	0.25 294	0.33 287	0.31 271

XQC	0.28 287	0.30 302	0.26 302	0.37 289	0.28 291	0.37 299	0.37 296	0.40 310	0.30 305	0.32 302	0.20 269	0.45 280	0.28 283	0.31 302	0.14 259	0.14 251	0.20 198	0.21 286	0.33 284	0.23 292	0.22 269	0.20 291	0.23 284	0.24 293	0.32 302	0.25 294	0.44 307	0.32 275

ADCS	0.28 287	0.22 279	0.21 293	0.26 274	0.24 282	0.25 277	0.23 278	0.36 301	0.30 305	0.23 186	0.27 300	0.46 284	0.35 299	0.20 278	0.19 290	0.18 291	0.32 302	0.24 298	0.48 302	0.28 303	0.36 314	0.28 312	0.19 272	0.23 285	0.31 297	0.25 294	0.30 279	0.41 293

PA-Net	0.19 249	0.21 276	0.25 299	0.14 212	0.20 269	0.18 241	0.20 261	0.21 241	0.19 262	0.18 127	0.14 207	0.17 161	0.21 262	0.26 288	0.16 274	0.18 291	0.15 114	0.19 276	0.13 130	0.17 266	0.14 127	0.15 258	0.10 220	0.16 267	0.17 193	0.25 294	0.17 184	0.35 280
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
FC-DCNN	0.27 285	0.28 298	0.26 302	0.36 287	0.28 291	0.32 289	0.37 296	0.32 291	0.19 262	0.22 168	0.18 255	0.23 239	0.13 221	0.29 296	0.26 302	0.26 306	0.29 297	0.27 304	0.28 272	0.21 283	0.25 295	0.25 306	0.26 295	0.31 308	0.30 295	0.25 294	0.29 277	0.30 269

CBMV_ROB	0.21 263	0.14 235	0.15 260	0.26 274	0.22 275	0.21 267	0.22 274	0.28 277	0.17 247	0.26 253	0.17 240	0.28 254	0.17 253	0.26 288	0.11 208	0.12 209	0.26 278	0.17 260	0.18 199	0.16 261	0.21 253	0.19 287	0.26 295	0.20 278	0.24 273	0.25 294	0.25 264	0.33 278

FC-DCNN v2	0.27 285	0.28 298	0.27 304	0.37 289	0.28 291	0.32 289	0.38 300	0.33 295	0.19 262	0.22 168	0.18 255	0.23 239	0.13 221	0.29 296	0.26 302	0.26 306	0.29 297	0.27 304	0.29 274	0.21 283	0.25 295	0.25 306	0.26 295	0.31 308	0.31 297	0.26 301	0.30 279	0.30 269

ACVNet_2	0.83 326	0.92 327	0.56 328	1.99 341	0.99 334	1.84 339	1.55 333	0.68 330	0.40 322	0.53 327	0.47 319	1.02 325	0.67 324	1.93 329	0.51 324	0.45 324	0.38 315	0.33 316	1.01 328	0.42 320	0.34 311	0.24 305	2.58 334	0.53 328	0.60 328	0.26 301	0.52 312	0.55 311

ACVNet_1	0.74 321	0.79 325	0.40 319	2.04 342	0.96 329	1.88 340	1.51 329	0.59 326	0.28 301	0.43 321	0.49 321	0.71 304	0.61 319	2.21 338	0.32 311	0.25 304	0.32 302	0.31 312	0.60 308	0.31 311	0.29 307	0.21 296	2.72 336	0.33 313	0.40 314	0.26 301	0.37 296	0.38 284

NCCL2	0.17 238	0.17 259	0.16 266	0.13 204	0.13 220	0.13 192	0.12 217	0.21 241	0.17 247	0.22 168	0.15 220	0.23 239	0.13 221	0.09 184	0.15 269	0.16 277	0.18 161	0.17 260	0.19 212	0.17 266	0.21 253	0.17 270	0.11 230	0.16 267	0.25 277	0.26 301	0.20 228	0.24 241

MonStereo1	0.74 321	0.74 322	0.31 311	1.61 328	1.01 335	1.31 326	1.51 329	0.56 324	0.38 318	0.59 331	0.64 329	1.54 335	0.72 326	1.92 328	0.18 287	0.14 251	0.37 313	0.34 318	0.65 310	0.30 308	0.37 315	0.21 296	2.49 332	0.35 316	0.31 297	0.27 305	0.51 310	0.56 316

RTS	0.20 257	0.16 251	0.14 253	0.17 237	0.14 231	0.20 258	0.15 235	0.23 258	0.26 293	0.15 98	0.14 207	0.14 129	0.20 260	0.11 211	0.13 244	0.15 269	0.24 254	0.17 260	0.34 287	0.24 295	0.22 269	0.15 258	0.09 205	0.15 259	0.28 290	0.27 305	0.28 275	0.55 311

RTSA	0.20 257	0.16 251	0.14 253	0.17 237	0.14 231	0.20 258	0.15 235	0.23 258	0.26 293	0.15 98	0.14 207	0.14 129	0.20 260	0.11 211	0.13 244	0.15 269	0.24 254	0.17 260	0.34 287	0.24 295	0.22 269	0.15 258	0.09 205	0.15 259	0.28 290	0.27 305	0.28 275	0.55 311

SHD	0.21 263	0.17 259	0.20 287	0.18 242	0.16 242	0.18 241	0.20 261	0.26 271	0.16 237	0.27 267	0.18 255	0.23 239	0.31 290	0.17 263	0.14 259	0.14 251	0.19 181	0.17 260	0.32 281	0.17 266	0.20 229	0.17 270	0.16 259	0.16 267	0.23 271	0.28 308	0.25 264	0.43 297

ETE_ROB	0.22 268	0.23 283	0.15 260	0.20 253	0.16 242	0.19 252	0.17 249	0.18 187	0.19 262	0.22 168	0.22 281	0.65 299	0.16 249	0.14 250	0.14 259	0.14 251	0.30 300	0.19 276	0.24 252	0.19 277	0.21 253	0.18 279	0.16 259	0.15 259	0.22 264	0.28 308	0.41 305	0.26 251

MeshStereo	0.30 291	0.26 292	0.20 287	0.49 305	0.36 303	0.35 296	0.26 287	0.32 291	0.28 301	0.30 299	0.27 300	0.61 296	0.47 311	0.18 268	0.12 224	0.14 251	0.26 278	0.17 260	0.27 267	0.17 266	0.27 301	0.21 296	0.25 290	0.20 278	0.36 310	0.28 308	0.54 314	0.49 305
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
LSM0	3.45 346	0.27 296	0.18 283	0.38 294	0.29 297	0.39 302	0.36 295	0.51 321	0.31 308	0.45 322	0.47 319	0.71 304	0.57 317	0.19 273	23.17 355	59.79 359	0.36 311	0.26 302	1.29 339	0.33 316	0.44 327	0.32 320	0.23 284	0.27 299	0.36 310	0.29 311	0.53 313	0.51 307

LE_ROB	0.40 303	0.20 271	0.16 266	0.41 299	0.43 308	0.33 294	0.44 306	0.34 297	0.29 303	0.32 302	0.21 274	1.25 330	1.40 345	0.11 211	0.10 171	0.11 165	0.21 213	0.13 197	0.20 218	0.13 224	0.22 269	0.12 222	0.12 241	0.14 255	0.36 310	0.31 312	1.39 347	1.32 345

ACVNet-4b	0.69 319	0.75 323	0.33 313	1.72 335	0.94 328	1.61 334	1.42 327	0.33 295	0.32 310	0.38 317	0.26 297	1.20 328	0.29 286	2.16 336	0.39 318	0.37 318	0.33 305	0.24 298	0.57 306	0.38 319	0.16 162	0.14 246	2.71 335	0.23 285	0.29 292	0.32 313	0.39 300	0.40 291

AnyNet_C01	0.31 294	0.22 279	0.20 287	0.22 259	0.26 288	0.25 277	0.24 281	0.37 304	0.37 316	0.26 253	0.28 303	0.49 286	0.33 296	0.18 268	0.28 307	0.21 302	0.38 315	0.32 313	0.64 309	0.32 314	0.39 317	0.31 319	0.26 295	0.25 297	0.33 304	0.32 313	0.34 289	0.44 300

PSMNet_ROB	0.78 324	0.97 331	0.60 333	1.62 332	0.90 326	1.47 327	1.19 323	0.56 324	0.73 330	0.74 335	0.62 328	0.84 317	0.82 327	1.49 323	0.53 325	0.42 320	0.52 326	0.40 324	0.84 321	0.62 332	0.40 323	0.30 314	1.85 327	0.48 323	0.67 331	0.32 313	0.76 329	0.46 302

IMH-64-1	0.90 328	0.95 328	0.51 322	1.59 326	0.98 332	1.58 330	1.73 337	0.75 332	0.74 331	0.33 306	0.61 325	0.83 315	0.94 331	2.59 340	0.50 322	0.42 320	0.48 320	0.36 321	0.92 324	0.55 325	0.39 317	0.30 314	3.14 340	0.50 325	0.81 334	0.34 316	0.60 320	0.80 330

IMH-64	0.90 328	0.95 328	0.51 322	1.59 326	0.98 332	1.58 330	1.73 337	0.75 332	0.74 331	0.33 306	0.61 325	0.83 315	0.94 331	2.59 340	0.50 322	0.42 320	0.48 320	0.36 321	0.92 324	0.55 325	0.39 317	0.30 314	3.14 340	0.50 325	0.81 334	0.34 316	0.60 320	0.80 330

RainbowNet	0.77 323	0.87 326	0.46 320	1.83 337	0.91 327	1.59 332	1.47 328	0.42 314	0.38 318	0.47 326	0.34 313	0.90 321	0.60 318	1.97 331	0.62 331	0.48 326	0.34 307	0.33 316	0.90 323	0.58 327	0.33 309	0.23 303	2.82 339	0.39 320	0.40 314	0.34 316	0.44 307	0.48 303

BEATNet-Init1	0.49 310	0.42 309	0.28 305	0.79 318	0.40 306	0.60 313	0.45 307	0.41 313	0.27 298	0.30 299	0.22 281	0.89 320	0.84 329	0.25 285	0.27 305	0.26 306	0.27 289	0.25 301	0.84 321	0.28 303	0.27 301	0.26 309	0.26 295	0.32 311	0.49 318	0.35 319	2.05 351	0.88 335

PWCK	0.88 327	1.24 340	0.61 334	1.53 324	0.85 324	1.21 321	1.03 321	1.08 343	0.72 329	0.70 334	0.83 340	1.48 334	0.87 330	0.69 318	0.40 319	0.41 319	0.73 341	0.47 327	3.04 348	0.67 338	0.56 338	0.43 331	0.94 324	0.74 340	0.72 333	0.36 320	0.69 324	0.73 327

STStereo	0.37 300	0.44 312	0.31 311	0.75 316	0.49 314	0.57 310	0.43 305	0.35 298	0.30 305	0.34 310	0.24 289	0.85 319	0.53 316	0.19 273	0.14 259	0.16 277	0.25 270	0.16 247	0.45 300	0.16 261	0.23 280	0.19 287	0.20 275	0.23 285	0.49 318	0.37 321	0.75 328	0.54 310

ELAS_RVC	0.43 306	0.43 310	0.36 315	0.64 312	0.44 309	0.62 315	0.50 310	0.39 308	0.25 288	0.25 236	0.30 308	1.23 329	0.30 287	0.31 302	0.28 307	0.27 312	0.37 313	0.30 310	0.42 296	0.26 299	0.34 311	0.32 320	0.26 295	0.37 317	0.50 320	0.38 322	0.78 332	0.70 323
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MANE	0.41 304	0.36 304	0.33 313	0.61 311	0.44 309	0.44 307	0.46 308	0.42 314	0.25 288	0.23 186	0.22 281	0.65 299	0.28 283	0.30 300	0.28 307	0.29 316	0.32 302	0.42 325	0.37 292	0.23 292	0.30 308	0.26 309	0.26 295	0.34 315	0.54 323	0.40 323	1.07 343	0.87 333

ELAS	0.42 305	0.43 310	0.36 315	0.64 312	0.44 309	0.58 312	0.50 310	0.40 310	0.26 293	0.25 236	0.28 303	0.94 323	0.30 287	0.31 302	0.28 307	0.27 312	0.36 311	0.30 310	0.43 298	0.26 299	0.33 309	0.32 320	0.26 295	0.37 317	0.54 323	0.40 323	0.77 331	0.74 328
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.70 320	0.56 316	0.69 339	0.73 315	0.61 319	0.78 319	0.68 317	0.52 322	0.91 336	0.46 323	0.29 307	3.18 346	0.38 304	0.52 312	0.44 320	0.43 323	0.70 340	0.53 334	0.66 311	0.51 322	0.54 336	0.58 340	0.75 320	0.56 331	0.55 325	0.42 325	0.96 340	0.99 337

WAO-6	0.82 325	0.95 328	0.59 331	1.30 321	1.05 336	1.25 323	1.39 326	0.77 335	0.84 334	0.79 336	0.69 333	0.74 309	1.00 335	1.94 330	0.78 339	0.61 336	0.53 327	0.48 328	0.78 319	0.60 328	0.55 337	0.51 337	0.49 317	0.57 334	0.83 338	0.42 325	0.76 329	0.85 332

LVE	0.95 331	0.97 331	0.71 340	1.84 338	1.35 340	1.59 332	1.52 331	0.78 336	0.64 327	0.81 338	0.91 341	0.72 306	1.00 335	2.18 337	0.53 325	0.48 326	0.57 329	0.53 334	1.09 332	0.64 334	0.45 328	0.38 328	2.74 338	0.69 336	0.83 338	0.44 327	0.84 335	0.52 309

IMH	0.93 330	0.98 333	0.53 325	1.61 328	0.97 331	1.64 335	1.76 339	0.75 332	0.77 333	0.34 310	0.61 325	0.96 324	1.05 339	2.67 342	0.54 327	0.46 325	0.49 323	0.38 323	0.94 326	0.60 328	0.39 317	0.30 314	3.14 340	0.53 328	0.82 336	0.45 328	0.65 322	0.79 329

TorneroNet-64	1.07 335	1.00 334	0.57 329	1.94 339	0.88 325	1.98 343	2.01 340	0.63 327	0.88 335	0.58 330	0.49 321	1.83 340	1.71 346	2.88 347	0.62 331	0.51 329	0.46 319	0.46 326	1.17 336	0.61 331	0.34 311	0.37 325	3.40 343	0.56 331	0.64 330	0.48 329	0.68 323	1.11 340

TorneroNet	1.08 336	1.09 336	0.66 338	1.94 339	0.96 329	2.16 344	2.02 341	0.65 329	0.91 336	0.67 333	0.56 324	1.67 339	1.15 341	2.94 349	0.65 334	0.52 330	0.48 320	0.51 331	1.12 333	0.65 336	0.39 317	0.43 331	3.52 344	0.57 334	0.68 332	0.48 329	0.84 335	1.01 338

notaker	1.27 339	1.41 343	0.58 330	2.37 346	1.48 342	2.34 346	2.27 345	0.94 341	1.62 346	0.79 336	1.07 345	1.66 336	1.08 340	3.06 351	0.94 343	0.69 341	0.68 336	0.49 329	1.62 344	0.84 344	0.53 335	0.45 334	3.70 347	0.80 343	0.61 329	0.52 331	0.80 333	0.92 336

AMNet	0.49 310	0.50 313	0.47 321	0.50 306	0.47 313	0.61 314	0.52 313	0.31 290	0.29 303	0.29 297	0.69 333	0.72 306	0.13 221	0.53 313	0.44 320	0.55 331	0.57 329	0.58 339	0.48 302	0.48 321	0.59 339	0.48 336	0.26 295	0.48 323	0.44 316	0.52 331	0.58 318	0.63 319

SGM+DAISY	0.58 313	0.57 317	0.54 326	0.59 310	0.55 318	0.68 317	0.56 315	0.42 314	0.38 318	0.37 315	0.77 337	0.75 310	0.65 322	0.54 315	0.55 328	0.56 332	0.68 336	0.61 341	0.71 314	0.64 334	0.69 342	0.62 342	0.27 308	0.50 325	0.52 321	0.53 333	0.74 326	0.68 322

STTRV1_RVC		0.26 292	0.22 296	0.35 286	0.28 291	0.32 289	0.29 291	0.36 301	0.33 311	0.27 267	0.26 297	0.42 277	0.41 307	0.47 310	0.32 311	0.18 291	0.59 331	0.20 282		0.30 308	0.59 339	0.22 300		0.43 321	0.25 277	0.54 334	0.34 289	0.64 320

Dean	1.06 334	1.03 335	0.79 343	2.27 344	1.31 339	1.96 341	1.56 336	0.92 338	0.94 339	0.88 342	0.76 336	1.19 327	1.17 342	2.09 335	0.64 333	0.60 335	0.60 332	0.56 336	1.23 338	0.73 340	0.45 328	0.36 324	2.73 337	0.71 337	0.95 342	0.55 335	1.05 342	0.62 318

SPS-STEREO	0.59 315	0.57 317	0.52 324	0.55 307	0.54 317	0.65 316	0.52 313	0.39 308	0.66 328	0.37 315	0.78 338	0.78 311	0.64 321	0.53 313	0.55 328	0.57 334	0.68 336	0.64 342	0.74 317	0.72 339	0.77 345	0.66 344	0.26 295	0.53 328	0.53 322	0.56 336	0.70 325	0.65 321
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PVD	0.38 301	0.38 307	0.20 287	0.47 303	0.35 301	0.50 309	0.40 304	0.38 306	0.34 313	0.23 186	0.28 303	0.52 293	0.51 314	0.50 311	0.16 274	0.17 284	0.41 317	0.26 302	0.49 304	0.28 303	0.39 317	0.40 330	0.23 284	0.27 299	0.44 316	0.57 337	0.46 309	0.72 325

MFMNet_re	0.66 317	0.73 321	0.65 336	0.77 317	0.62 320	0.82 320	0.70 318	0.52 322	0.54 326	0.54 329	0.65 330	0.80 313	0.51 314	0.59 317	0.66 335	0.67 338	0.82 343	0.69 343	0.74 317	0.62 332	0.70 343	0.64 343	0.45 316	0.56 331	0.59 327	0.63 338	0.74 326	0.87 333

WAO-7	0.66 317	0.75 323	0.65 336	0.72 314	0.78 321	0.57 310	0.66 316	0.97 342	0.96 340	0.63 332	0.78 338	0.79 312	0.83 328	0.55 316	0.83 340	0.71 342	0.42 318	0.35 320	0.94 326	0.66 337	0.43 325	0.34 323	0.16 259	0.83 344	0.56 326	0.64 339	0.57 317	0.70 323

MADNet+	0.55 312	0.36 304	0.63 335	0.56 308	0.52 316	0.45 308	0.38 300	0.63 327	0.52 325	0.53 327	0.41 317	0.81 314	0.67 324	0.33 307	0.57 330	0.49 328	0.56 328	0.50 330	0.82 320	0.52 323	0.47 331	0.43 331	0.51 318	0.47 322	0.82 336	0.70 340	0.58 318	0.72 325

WAO-8	1.00 332	1.11 337	0.76 341	1.61 328	1.24 337	1.74 337	1.55 333	0.93 339	0.98 341	0.81 338	0.67 331	1.66 336	1.00 335	2.08 333	0.77 337	0.68 339	0.63 333	0.52 332	1.05 329	0.81 342	0.47 331	0.37 325	0.78 321	0.75 341	1.10 346	0.73 341	0.95 338	1.16 342

Venus	1.00 332	1.11 337	0.76 341	1.61 328	1.24 337	1.74 337	1.55 333	0.93 339	0.98 341	0.81 338	0.67 331	1.66 336	1.00 335	2.08 333	0.77 337	0.68 339	0.63 333	0.52 332	1.05 329	0.81 342	0.47 331	0.37 325	0.78 321	0.75 341	1.10 346	0.73 341	0.95 338	1.16 342

ktn	1.24 338	1.39 342	0.55 327	1.62 332	1.59 344	1.68 336	2.12 342	0.86 337	1.75 348	0.90 344	1.11 346	1.11 326	0.95 334	2.57 339	0.97 344	0.73 343	0.80 342	0.59 340	1.41 341	0.76 341	0.68 341	0.67 345	3.69 346	0.73 338	0.92 341	0.75 343	1.19 345	1.28 344

KSHMR	1.33 340	1.42 344	1.04 347	2.27 344	1.44 341	2.23 345	2.12 342	1.21 344	1.06 344	1.13 347	1.06 344	1.27 331	0.94 331	2.89 348	1.08 345	0.95 346	0.85 344	0.83 345	1.32 340	0.97 345	0.72 344	0.58 340	3.52 344	1.07 349	0.99 343	0.77 344	1.00 341	1.07 339

UNDER WATER	1.40 341	1.42 344	0.86 345	2.83 347	1.92 348	2.74 348	2.57 347	1.28 346	1.01 343	0.88 342	0.97 342	1.88 341	1.26 343	3.09 352	0.83 340	0.62 337	0.66 335	0.56 336	1.20 337	0.60 328	0.42 324	0.47 335	4.04 350	0.98 348	1.08 345	0.99 345	0.87 337	1.67 351

HanzoNet	1.74 344	1.62 347	0.80 344	2.26 343	1.70 346	2.72 347	2.54 346	1.25 345	1.85 349	0.92 345	1.28 348	4.37 350	3.81 349	3.36 353	0.88 342	0.78 344	1.06 345	0.94 346	2.54 347	1.03 346	0.89 346	0.88 346	3.79 348	0.73 338	1.12 348	1.00 346	1.29 346	1.57 348

UNDER WATER-64	1.40 341	1.36 341	0.88 346	2.85 348	1.93 349	2.78 349	2.66 348	1.36 347	0.92 338	1.04 346	1.17 347	1.88 341	1.30 344	3.03 350	0.75 336	0.56 332	0.68 336	0.57 338	1.13 335	0.54 324	0.43 325	0.51 337	4.08 351	0.91 346	1.02 344	1.10 347	0.80 333	1.60 349

DPSimNet_ROB	1.21 337	1.20 339	1.29 348	1.47 323	1.59 344	1.30 325	1.35 325	0.68 330	1.69 347	1.67 348	1.03 343	1.45 333	0.66 323	2.04 332	1.20 346	0.89 345	1.16 346	0.79 344	1.61 343	1.38 348	1.04 347	1.24 347	0.79 323	0.84 345	0.87 340	1.20 348	1.17 344	1.12 341

SAMSARA	0.48 308	0.23 283	0.39 317	0.23 263	0.23 279	0.22 270	0.22 274	0.44 317	0.38 318	0.31 301	0.21 274	0.30 262	0.47 311	0.17 263	0.32 311	0.34 317	0.25 270	0.32 313	0.46 301	0.32 314	0.47 331	0.52 339	0.15 255	0.33 313	1.39 351	1.54 349	1.41 348	1.46 347

JetRed	1.62 343	1.82 348	1.71 349	1.58 325	1.50 343	1.97 342	2.21 344	1.51 349	1.47 345	0.82 341	0.74 335	2.63 345	0.43 308	1.73 327	1.48 348	1.54 347	1.67 347	2.94 350	1.42 342	1.08 347	2.30 348	2.07 348	1.99 328	0.97 347	1.16 349	1.70 350	1.57 349	1.60 349

MADNet++	1.86 345	1.58 346	1.74 350	1.27 320	1.74 347	1.26 324	1.53 332	1.62 350	2.07 350	1.84 349	2.22 349	2.60 344	2.72 347	0.75 319	1.39 347	1.54 347	2.01 348	1.47 348	2.12 346	2.13 349	3.35 349	3.26 349	1.23 325	2.21 351	1.21 350	2.25 351	1.76 350	1.32 345

PML	8.20 347	7.62 353	3.39 351	9.64 355	5.14 350	9.56 356	5.20 353	6.48 353	18.29 356	6.44 352	3.30 350	16.82 353	29.20 359	5.41 354	6.10 349	3.93 349	7.39 351	2.64 349	20.47 356	4.70 351	3.50 350	3.87 350	3.98 349	4.21 353	6.16 353	4.40 352	16.76 357	6.85 352

AVERAGE_ROB	24.43 356	29.85 359	27.27 360	31.30 359	29.70 360	30.00 360	31.47 359	26.59 360	24.68 360	34.31 360	27.39 360	31.23 359	21.35 356	30.69 360	28.19 359	24.02 356	26.74 359	21.17 357	30.34 359	27.38 360	20.48 357	16.18 355	32.28 359	24.32 362	8.51 355	7.76 353	7.92 353	8.46 353

MEDIAN_ROB	20.47 355	25.88 358	24.03 359	26.51 358	25.55 359	25.88 359	26.99 358	21.23 359	19.72 357	28.73 359	22.19 359	24.61 358	16.74 355	26.47 358	23.75 356	18.44 355	22.03 358	14.75 354	26.69 358	23.31 357	15.11 354	11.56 352	27.65 358	18.39 359	7.22 354	9.33 354	8.28 354	11.75 354

HaxPig	16.02 354	19.59 357	18.75 356	21.25 356	20.52 357	21.33 357	22.30 357	17.00 358	14.71 355	19.29 357	17.19 358	17.46 354	12.16 352	22.51 357	17.80 354	14.90 354	17.75 355	9.40 351	18.97 353	15.48 356	9.47 353	7.16 351	23.74 356	15.28 358	4.31 352	12.19 355	6.81 352	15.11 355

DPSMNet_ROB	8.63 348	3.69 350	8.74 353	2.98 349	5.70 351	3.37 350	4.41 351	3.70 351	9.03 351	3.00 350	6.88 352	3.53 347	10.11 351	2.70 343	10.47 350	10.76 350	3.81 349	12.92 353	4.77 350	10.22 352	5.99 352	13.86 353	4.50 355	8.50 354	10.06 356	27.81 356	11.04 355	30.59 356

DGTPSM_ROB	8.63 348	3.68 349	8.73 352	2.98 349	5.70 351	3.37 350	4.41 351	3.70 351	9.03 351	3.00 350	6.85 351	3.53 347	10.07 350	2.70 343	10.47 350	10.76 350	3.81 349	12.91 352	4.74 349	10.22 352	5.98 351	13.86 353	4.49 354	8.50 354	10.06 356	27.81 356	11.04 355	30.59 356

DPSM_ROB	13.01 352	6.29 351	9.52 354	4.44 351	6.37 353	4.34 352	3.59 349	8.20 354	10.79 353	6.64 353	7.87 353	9.69 351	12.99 353	2.80 345	12.81 352	13.68 352	9.16 353	16.58 355	9.87 351	12.33 354	16.73 355	17.95 356	2.26 330	10.56 356	28.34 358	36.91 358	31.06 358	39.57 358

DPSM	13.01 352	6.29 351	9.52 354	4.44 351	6.37 353	4.34 352	3.59 349	8.20 354	10.79 353	6.64 353	7.87 353	9.69 351	12.99 353	2.80 345	12.81 352	13.68 352	9.16 353	16.58 355	9.87 351	12.33 354	16.73 355	17.95 356	2.26 330	10.56 356	28.34 358	36.91 358	31.06 358	39.57 358

CasAABBNet	26.14 357	12.60 355	19.00 357	8.89 353	12.76 356	8.55 354	7.26 355	16.43 356	21.86 358	13.67 356	15.79 356	19.63 356	26.13 357	5.53 355	25.80 357	27.48 357	18.01 356	33.35 358	20.00 355	24.70 358	33.62 358	35.57 358	4.48 353	21.32 361	57.07 360	74.41 360	62.39 360	79.48 360

FlowAnything	26.21 358	12.44 354	19.19 358	8.91 354	12.70 355	8.63 355	7.25 354	16.56 357	21.86 358	13.65 355	15.98 357	19.56 355	26.21 358	5.60 356	25.80 357	27.50 358	18.26 357	33.39 359	19.71 354	24.80 359	33.87 359	36.07 359	4.44 352	21.31 360	57.14 361	74.69 361	62.48 361	79.62 361

ASD4																								2.43 352

Low-res two-view benchmark