Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 100	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 79	0.05 89	0.04 81	0.05 89	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 77	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

GASNet	0.05 41	0.04 37	0.12 102	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 127	0.04 88	0.06 97	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

WZ-Net	0.05 41	0.50 210	0.10 69	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 94	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 125	0.20 168	0.23 153	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 178	0.21 181	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 226	0.10 69	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 94	0.11 97	0.01 9	0.01 9	0.01 10	0.01 10

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 109	0.06 96	0.06 110	0.05 91	0.06 110	0.06 88	0.05 88	0.08 62	0.08 61	0.08 103	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 109	0.06 96	0.06 110	0.05 91	0.06 110	0.06 88	0.05 88	0.08 62	0.08 61	0.08 103	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 109	0.06 96	0.06 110	0.05 91	0.06 110	0.06 88	0.05 88	0.08 62	0.08 61	0.08 103	0.05 96	0.06 96	0.05 97

BridgeDepth_RVC	0.07 49	0.08 58	0.11 89	0.11 75	0.05 99	0.08 105	0.05 93	0.08 107	0.05 97	0.08 106	0.05 100	0.08 106	0.05 94	0.08 107	0.05 88	0.11 88	0.10 75	0.07 99	0.05 96	0.07 106	0.05 97
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 112	0.08 105	0.06 109	0.08 107	0.07 112	0.08 106	0.07 113	0.08 106	0.06 110	0.07 104	0.07 103	0.08 62	0.07 59	0.07 99	0.07 106	0.06 96	0.06 105

BridgeDepth	0.08 51	0.08 58	0.11 89	0.11 75	0.05 99	0.08 105	0.05 93	0.08 107	0.07 112	0.08 106	0.05 100	0.08 106	0.05 94	0.09 111	0.08 105	0.15 126	0.11 97	0.07 99	0.05 96	0.07 106	0.06 105
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
ADCMid	0.08 51	0.02 12	0.02 14	1.01 367	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 110	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

DA	0.09 53	0.13 83	0.39 262	0.08 49	0.05 99	0.07 103	0.05 93	0.13 128	0.05 97	0.06 96	0.05 100	0.06 97	0.05 94	0.06 88	0.05 88	0.06 55	0.05 56	0.14 129	0.13 157	0.06 96	0.05 97

GGEV	0.09 53	0.13 83	0.39 262	0.08 49	0.05 99	0.07 103	0.05 93	0.13 128	0.05 97	0.06 96	0.05 100	0.06 97	0.05 94	0.06 88	0.05 88	0.06 55	0.05 56	0.14 129	0.13 157	0.06 96	0.05 97

test_sample7	0.09 53	1.00 293	0.11 89	0.11 75	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 53	0.97 284	0.10 69	0.10 58	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample3	0.09 53	0.87 261	0.10 69	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 53	1.03 307	0.11 89	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 53	0.87 261	0.12 102	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 53	1.01 301	0.09 65	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 53	0.95 281	0.09 65	0.10 58	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 53	1.01 301	0.10 69	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 51

SepStereo	0.09 53	0.09 66	0.10 69	0.09 55	0.09 116	0.09 111	0.09 115	0.10 112	0.08 116	0.10 113	0.09 117	0.09 112	0.09 118	0.09 111	0.08 105	0.09 68	0.08 61	0.09 108	0.08 110	0.09 113	0.08 109

APVNet	0.09 53	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 420	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

ADCS	0.09 53	0.02 12	0.04 43	0.90 344	0.06 111	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 132	0.36 283	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

zh-sn7	0.10 66	0.98 285	0.14 127	0.15 110	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 126	0.13 137	0.03 38	0.03 54	0.03 43	0.03 51

DualNet (step1)	0.10 66	1.05 312	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 66	1.05 312	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 66	1.05 312	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 66	1.07 316	0.11 89	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 66	1.03 307	0.12 102	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 110	0.13 137	0.03 38	0.03 54	0.03 43	0.03 51

DualNet	0.10 66	1.07 316	0.11 89	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 66	1.09 318	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 66	1.14 323	0.13 122	0.14 100	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 110	0.11 97	0.03 38	0.02 20	0.03 43	0.02 20

AnonymousM	0.10 66	0.10 68	0.10 69	0.10 58	0.10 123	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

222	0.10 66	0.99 288	0.12 102	0.13 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 94	0.12 113	0.03 38	0.02 20	0.04 77	0.03 51

test_xeample	0.10 66	1.09 318	0.13 122	0.12 83	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 117	0.14 141	0.03 38	0.03 54	0.03 43	0.03 51

PVD	0.10 66	0.10 68	0.10 69	0.10 58	0.10 123	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

SHD	0.10 66	0.10 68	0.10 69	0.10 58	0.10 123	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

SAMSARA	0.10 66	0.10 68	0.10 69	0.10 58	0.10 123	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

XQC	0.10 66	0.10 68	0.10 69	0.10 58	0.10 123	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

RTSC	0.10 66	0.10 68	0.10 69	0.10 58	0.10 123	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

RTS	0.10 66	0.10 68	0.10 69	0.10 58	0.10 123	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

RTSA	0.10 66	0.10 68	0.10 69	0.10 58	0.10 123	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

MADNet+	0.10 66	0.10 68	0.10 69	0.10 58	0.10 123	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

MADNet++	0.10 66	0.10 68	0.10 69	0.10 58	0.10 123	0.10 113	0.10 120	0.10 112	0.10 120	0.10 113	0.10 121	0.10 115	0.10 122	0.10 115	0.10 116	0.10 73	0.10 75	0.10 109	0.10 119	0.10 114	0.10 117

ADCPNet	0.10 66	0.03 31	0.04 43	1.27 441	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 107	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ISRNet	0.11 88	0.05 49	0.36 248	0.24 158	0.07 112	0.13 128	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 129	0.05 94	0.05 82	0.09 110	0.24 185	0.20 178	0.10 109	0.05 96	0.06 96	0.13 152

JetRed	0.11 88	0.12 81	0.11 89	0.11 75	0.11 138	0.11 124	0.14 154	0.11 124	0.11 135	0.12 127	0.11 135	0.11 125	0.11 134	0.11 126	0.11 128	0.11 88	0.16 146	0.11 120	0.11 131	0.11 124	0.11 130

JetBlue	0.11 88	0.11 79	0.12 102	0.13 96	0.14 159	0.11 124	0.11 133	0.11 124	0.11 135	0.11 125	0.11 135	0.11 125	0.11 134	0.12 130	0.12 143	0.11 88	0.11 97	0.11 120	0.11 131	0.11 124	0.11 130

x	0.11 88	1.15 326	0.15 143	0.14 100	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 117	0.15 144	0.03 38	0.03 54	0.03 43	0.03 51

Wz-Net-LNSev-Ref	0.11 88	0.44 182	0.33 229	0.39 210	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 260	0.36 258	0.02 18	0.02 20	0.02 20	0.02 20

xxxx	0.11 88	1.16 328	0.16 146	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 110	0.16 146	0.03 38	0.04 78	0.04 77	0.04 79

BEATNet_4x	0.11 88	0.03 31	0.03 36	1.60 465	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 88	0.03 31	0.03 36	1.60 465	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C01	0.11 88	0.02 12	0.02 14	1.62 468	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

zh-mn7	0.12 97	1.14 323	0.17 153	0.20 137	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 151	0.16 146	0.03 38	0.03 54	0.03 43	0.03 51

S2M2_L	0.12 97	0.14 89	0.10 69	0.15 110	0.10 123	0.14 129	0.10 120	0.14 130	0.10 120	0.15 135	0.10 121	0.14 130	0.10 122	0.14 132	0.10 116	0.13 110	0.10 75	0.13 127	0.09 112	0.13 131	0.09 112
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
GwcNet	0.12 97	0.07 57	0.05 57	0.08 49	0.05 99	0.08 105	1.20 448	0.07 104	0.05 97	0.05 91	0.05 100	0.08 106	0.05 94	0.08 107	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

FADNet-RVC-Resample	0.12 97	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 520	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 105

FADNet_RVC	0.12 97	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 524	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet	0.12 97	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 526	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 97	0.03 31	0.04 43	1.71 472	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

testlalala2	0.13 104	0.16 91	0.11 89	0.15 110	0.11 138	0.16 144	0.11 133	0.16 143	0.11 135	0.16 140	0.11 135	0.16 141	0.11 134	0.16 142	0.11 128	0.14 117	0.11 97	0.14 129	0.11 131	0.14 133	0.11 130

testlalala_base	0.13 104	0.16 91	0.11 89	0.15 110	0.11 138	0.15 136	0.11 133	0.16 143	0.11 135	0.16 140	0.11 135	0.16 141	0.11 134	0.16 142	0.11 128	0.14 117	0.11 97	0.14 129	0.11 131	0.14 133	0.11 130

CIPLG	0.13 104	0.21 111	0.12 102	0.16 121	0.11 138	0.15 136	0.11 133	0.14 130	0.11 135	0.15 135	0.12 146	0.15 140	0.11 134	0.14 132	0.11 128	0.15 126	0.12 113	0.14 129	0.11 131	0.14 133	0.11 130

IPLG	0.13 104	0.20 105	0.14 127	0.15 110	0.11 138	0.14 129	0.11 133	0.14 130	0.11 135	0.14 129	0.11 135	0.14 130	0.11 134	0.14 132	0.11 128	0.15 126	0.12 113	0.14 129	0.11 131	0.14 133	0.11 130

ACRE	0.13 104	0.21 111	0.14 127	0.15 110	0.11 138	0.14 129	0.11 133	0.14 130	0.11 135	0.14 129	0.12 146	0.14 130	0.11 134	0.14 132	0.11 128	0.15 126	0.12 113	0.14 129	0.11 131	0.14 133	0.11 130

LRCNet_RVC	0.13 104	0.13 83	0.09 65	0.13 96	0.10 123	0.14 129	0.10 120	0.14 130	0.10 120	0.23 178	0.10 121	0.20 162	0.10 122	0.24 185	0.11 128	0.11 88	0.09 70	0.12 123	0.14 162	0.12 129	0.09 112

aanetorigin	0.13 104	0.11 79	0.11 89	0.11 75	0.11 138	0.11 124	0.11 133	0.11 124	0.11 135	0.11 125	0.12 146	0.11 125	0.11 134	0.11 126	0.11 128	0.11 88	0.11 97	0.14 129	0.11 131	0.49 317	0.11 130

FADNet-RVC	0.13 104	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 529	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

ELAS	0.13 104	0.16 91	0.11 89	0.15 110	0.09 116	0.18 156	0.11 133	0.18 154	0.11 135	0.17 149	0.11 135	0.18 155	0.11 134	0.18 154	0.11 128	0.14 117	0.08 61	0.14 129	0.08 110	0.14 133	0.09 112
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
w-ln-seven-2	0.14 113	1.22 387	0.28 199	0.32 186	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 212	0.27 203	0.04 73	0.03 54	0.03 43	0.03 51

S2M2_XL	0.14 113	0.17 97	0.12 102	0.17 129	0.11 138	0.17 152	0.11 133	0.17 151	0.11 135	0.17 149	0.11 135	0.17 151	0.11 134	0.17 151	0.11 128	0.16 135	0.11 97	0.16 147	0.11 131	0.16 147	0.11 130
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
mmm	0.14 113	1.83 416	0.12 102	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 94	0.11 97	0.05 86	0.04 78	0.05 92	0.04 79

ProNet	0.14 113	0.20 105	0.14 127	0.16 121	0.11 138	0.16 144	0.11 133	0.17 151	0.11 135	0.17 149	0.12 146	0.17 151	0.13 156	0.17 151	0.12 143	0.15 126	0.11 97	0.16 147	0.11 131	0.15 143	0.12 146

IPLGR_C	0.14 113	0.20 105	0.12 102	0.15 110	0.11 138	0.14 129	0.15 159	0.14 130	0.11 135	0.15 135	0.12 146	0.14 130	0.11 134	0.16 142	0.11 128	0.15 126	0.12 113	0.14 129	0.12 149	0.15 143	0.12 146

MIPNet	0.14 113	0.21 111	0.17 153	0.16 121	0.11 138	0.15 136	0.12 149	0.14 130	0.11 135	0.16 140	0.11 135	0.14 130	0.11 134	0.14 132	0.11 128	0.14 117	0.12 113	0.14 129	0.11 131	0.14 133	0.11 130

IPLGR	0.14 113	0.24 125	0.14 127	0.16 121	0.12 154	0.15 136	0.12 149	0.14 130	0.11 135	0.15 135	0.12 146	0.14 130	0.11 134	0.14 132	0.11 128	0.15 126	0.12 113	0.14 129	0.11 131	0.14 133	0.11 130

GMStereo	0.14 113	0.13 83	0.14 127	0.14 100	0.14 159	0.14 129	0.14 154	0.14 130	0.14 159	0.14 129	0.14 163	0.14 130	0.14 160	0.14 132	0.14 153	0.14 117	0.14 141	0.14 129	0.14 162	0.14 133	0.14 157
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 113	0.04 37	0.03 36	2.22 488	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 104	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

HSM	0.14 113	0.16 91	0.12 102	0.17 129	0.12 154	0.17 152	0.11 133	0.17 151	0.11 135	0.17 149	0.12 146	0.17 151	0.12 151	0.17 151	0.12 143	0.16 135	0.11 97	0.16 147	0.11 131	0.16 147	0.12 146

DRN-Test	0.14 113	0.13 83	0.09 65	0.14 100	0.09 116	0.15 136	0.09 115	0.14 130	0.10 120	0.14 129	0.09 117	0.14 130	0.09 118	0.13 131	0.09 110	0.12 94	0.09 70	0.12 123	0.09 112	0.12 129	0.73 395

ELAS_RVC	0.14 113	0.16 91	0.10 69	0.15 110	0.10 123	0.18 156	0.11 133	0.19 156	0.11 135	0.19 155	0.12 146	0.18 155	0.11 134	0.19 157	0.12 143	0.14 117	0.08 61	0.14 129	0.09 112	0.15 143	0.09 112
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 125	0.17 97	0.13 122	0.20 137	0.13 157	0.19 159	0.13 152	0.18 154	0.13 157	0.19 155	0.13 158	0.18 155	0.14 160	0.18 154	0.14 153	0.16 135	0.11 97	0.15 144	0.14 162	0.18 157	0.11 130

test_for_model	0.15 125	0.23 116	0.18 162	0.21 146	0.11 138	0.16 144	0.11 133	0.16 143	0.11 135	0.16 140	0.11 135	0.16 141	0.11 134	0.16 142	0.11 128	0.21 164	0.18 175	0.14 129	0.11 131	0.14 133	0.11 130

CoDeX	0.15 125	0.70 242	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 375	0.02 15	0.69 371	0.75 385	0.01 9	0.02 20	0.02 20

ICVP	0.15 125	0.53 223	0.11 89	0.16 121	0.11 138	0.16 144	0.11 133	0.16 143	0.11 135	0.16 140	0.11 135	0.16 141	0.11 134	0.16 142	0.11 128	0.16 135	0.11 97	0.16 147	0.11 131	0.16 147	0.11 130
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 125	0.04 37	0.04 43	2.20 487	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 107	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

StereoDRNet	0.15 125	0.14 89	0.10 69	0.14 100	0.09 116	0.15 136	0.09 115	0.14 130	0.09 119	0.14 129	0.10 121	0.14 130	0.09 118	0.14 132	0.09 110	0.13 110	0.10 75	0.13 127	0.09 112	0.13 131	0.82 407

LALA_ROB	0.15 125	0.19 101	0.12 102	0.18 131	0.11 138	0.20 164	0.12 149	0.21 170	0.12 154	0.20 161	0.12 146	0.20 162	0.12 151	0.21 171	0.13 149	0.17 143	0.10 75	0.18 164	0.11 131	0.18 157	0.11 130

SGM_RVC	0.15 125	0.17 97	0.11 89	0.18 131	0.11 138	0.19 159	0.11 133	0.19 156	0.12 154	0.19 155	0.12 146	0.20 162	0.12 151	0.19 157	0.12 143	0.16 135	0.11 97	0.17 155	0.10 119	0.17 153	0.10 117
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
z-mn7	0.16 133	1.21 381	0.33 229	0.41 236	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 229	0.31 234	0.04 73	0.04 78	0.04 77	0.04 79

GMStereo_Zeroshot	0.16 133	0.16 91	0.16 146	0.16 121	0.16 179	0.16 144	0.16 164	0.16 143	0.16 173	0.16 140	0.16 174	0.16 141	0.16 172	0.16 142	0.16 169	0.16 135	0.16 146	0.16 147	0.16 170	0.16 147	0.16 161

qqq	0.16 133	2.01 433	0.12 102	0.15 110	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 94	0.14 141	0.04 73	0.04 78	0.03 43	0.03 51

DeepPruner_ROB	0.16 133	0.18 100	0.13 122	0.19 134	0.13 157	0.19 159	0.13 152	0.19 156	0.13 157	0.19 155	0.13 158	0.19 159	0.13 156	0.19 157	0.13 149	0.18 151	0.13 137	0.18 164	0.13 157	0.18 157	0.13 152

CAS++	0.17 137	0.27 133	0.21 173	0.10 58	0.21 208	0.15 136	0.22 197	0.10 112	0.21 197	0.22 174	0.10 121	0.19 159	0.18 189	0.10 115	0.19 187	0.20 158	0.19 176	0.18 164	0.10 119	0.19 163	0.18 179
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
11t1	0.17 137	2.16 442	0.13 122	0.13 96	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 151	0.12 113	0.06 94	0.03 54	0.05 92	0.03 51

SFCPSM	0.17 137	0.78 247	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 409	0.02 15	0.75 382	0.76 387	0.02 20	0.02 20	0.02 20

w-ln-seven	0.18 140	1.47 401	0.33 229	0.40 224	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 249	0.32 238	0.05 86	0.04 78	0.04 77	0.04 79

xyz-stereo-finetune2	0.18 140	0.48 204	0.16 146	0.16 121	0.15 170	0.15 136	0.16 164	0.16 143	0.16 173	0.16 140	0.16 174	0.16 141	0.16 172	0.16 142	0.16 169	0.16 135	0.16 146	0.16 147	0.16 170	0.16 147	0.16 161

xyz-stereo	0.18 140	0.50 210	0.16 146	0.15 110	0.16 179	0.16 144	0.16 164	0.16 143	0.16 173	0.16 140	0.16 174	0.16 141	0.16 172	0.16 142	0.16 169	0.16 135	0.16 146	0.16 147	0.16 170	0.16 147	0.16 161

BEATNet-Init1	0.19 143	0.08 58	0.08 60	2.23 489	0.08 114	0.08 105	0.07 112	0.07 104	0.08 116	0.08 106	0.07 113	0.08 106	0.07 114	0.11 126	0.08 105	0.08 62	0.08 61	0.08 103	0.07 106	0.08 110	0.08 109

DeepPrunerF	0.19 143	0.08 58	0.08 60	2.23 489	0.08 114	0.08 105	0.07 112	0.07 104	0.08 116	0.08 106	0.07 113	0.08 106	0.07 114	0.11 126	0.08 105	0.08 62	0.08 61	0.08 103	0.07 106	0.08 110	0.08 109

IGEV_Zeroshot_test	0.20 145	0.19 101	0.40 267	0.30 178	0.17 183	0.22 176	0.17 172	0.21 170	0.17 181	0.20 161	0.17 179	0.21 169	0.18 189	0.21 171	0.17 173	0.20 158	0.16 146	0.20 171	0.16 170	0.20 164	0.17 175

DAS	0.20 145	0.20 105	0.20 168	0.20 137	0.20 200	0.20 164	0.20 187	0.20 162	0.20 194	0.20 161	0.20 200	0.20 162	0.20 198	0.20 161	0.20 190	0.20 158	0.20 178	0.20 171	0.20 197	0.20 164	0.20 183

ACVNet	0.20 145	0.19 101	0.14 127	0.20 137	0.14 159	0.20 164	0.96 427	0.21 170	0.14 159	0.20 161	0.13 158	0.21 169	0.14 160	0.20 161	0.14 153	0.17 143	0.12 113	0.17 155	0.12 149	0.17 153	0.12 146

acv_ft	0.20 145	0.19 101	0.14 127	0.20 137	0.14 159	0.20 164	0.96 427	0.21 170	0.14 159	0.20 161	0.13 158	0.21 169	0.14 160	0.20 161	0.14 153	0.17 143	0.12 113	0.17 155	0.12 149	0.17 153	0.12 146

iResNetv2_ROB	0.20 145	0.23 116	0.18 162	0.24 158	0.20 200	0.24 187	0.18 179	0.24 183	0.18 186	0.24 185	0.18 194	0.23 183	0.19 194	0.24 185	0.18 184	0.21 164	0.16 146	0.21 173	0.16 170	0.22 171	0.16 161

iResNet	0.20 145	0.23 116	0.18 162	0.24 158	0.18 193	0.24 187	0.20 187	0.24 183	0.18 186	0.23 178	0.17 179	0.23 183	0.18 189	0.23 181	0.18 184	0.22 167	0.16 146	0.21 173	0.16 170	0.21 169	0.16 161

z-ln-s-r	0.21 151	1.40 399	0.53 329	0.56 298	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 334	0.44 305	0.04 73	0.04 78	0.04 77	0.04 79

tg	0.21 151	0.25 129	0.21 173	0.26 172	0.17 183	0.24 187	0.17 172	0.24 183	0.17 181	0.24 185	0.17 179	0.24 189	0.17 181	0.24 185	0.17 173	0.24 185	0.17 166	0.23 186	0.16 170	0.23 182	0.16 161

Pointernet	0.21 151	0.22 115	0.19 165	0.24 158	0.19 197	0.24 187	0.19 183	0.24 183	0.19 192	0.24 185	0.19 196	0.24 189	0.19 194	0.24 185	0.19 187	0.22 167	0.17 166	0.22 178	0.17 190	0.22 171	0.17 175

SuperB	0.21 151	0.10 68	2.51 553	0.12 83	0.09 116	0.10 113	0.09 115	0.08 107	0.07 112	0.10 113	0.09 117	0.09 112	0.07 114	0.07 104	0.07 103	0.07 60	0.08 61	0.07 99	0.07 106	0.08 110	0.07 108

BStereo	0.22 155	0.23 116	0.20 168	0.24 158	0.20 200	0.23 184	0.33 267	0.39 243	0.17 181	0.23 178	0.17 179	0.23 183	0.16 172	0.24 185	0.17 173	0.23 178	0.16 146	0.22 178	0.20 197	0.22 171	0.16 161

Wave_Phase_stereo	0.22 155	0.23 116	0.20 168	0.24 158	0.20 200	0.23 184	0.33 267	0.39 243	0.17 181	0.23 178	0.17 179	0.23 183	0.16 172	0.24 185	0.17 173	0.23 178	0.16 146	0.22 178	0.20 197	0.22 171	0.16 161

WAO-6	0.22 155	0.23 116	0.22 175	0.23 153	0.22 210	0.22 176	0.22 197	0.22 174	0.22 200	0.22 174	0.22 206	0.22 177	0.22 204	0.22 175	0.22 195	0.22 167	0.22 185	0.22 178	0.22 203	0.22 171	0.22 188

IMH-64-1	0.22 155	0.23 116	0.23 178	0.22 149	0.22 210	0.22 176	0.22 197	0.22 174	0.22 200	0.22 174	0.22 206	0.22 177	0.22 204	0.22 175	0.22 195	0.22 167	0.22 185	0.23 186	0.22 203	0.22 171	0.23 190

IMH-64	0.22 155	0.23 116	0.23 178	0.22 149	0.22 210	0.22 176	0.22 197	0.22 174	0.22 200	0.22 174	0.22 206	0.22 177	0.22 204	0.22 175	0.22 195	0.22 167	0.22 185	0.23 186	0.22 203	0.22 171	0.23 190

ac_64	0.22 155	0.13 83	0.19 165	0.23 153	0.10 123	0.26 202	1.02 435	0.14 130	0.10 120	0.28 203	0.14 163	0.17 151	0.19 194	0.28 210	0.09 110	0.22 167	0.16 146	0.23 186	0.17 190	0.11 124	0.12 146

dd	0.23 161	0.98 285	0.16 146	0.23 153	0.15 170	0.23 184	0.15 159	0.23 180	0.15 169	0.23 178	0.15 171	0.24 189	0.17 181	0.23 181	0.15 163	0.22 167	0.15 144	0.21 173	0.15 168	0.22 171	0.16 161

dad	0.23 161	1.03 307	0.16 146	0.23 153	0.15 170	0.24 187	0.15 159	0.24 183	0.16 173	0.23 178	0.16 174	0.24 189	0.16 172	0.23 181	0.15 163	0.22 167	0.16 146	0.22 178	0.16 170	0.22 171	0.16 161

RSGM-EC	0.24 163	0.24 125	0.15 143	0.22 149	0.15 170	0.22 176	0.15 159	0.22 174	0.15 169	0.24 185	0.15 171	0.22 177	0.15 170	0.22 175	1.19 448	0.20 158	0.17 166	0.24 194	0.14 162	0.20 164	0.14 157

acva	0.24 163	0.24 125	0.15 143	0.22 149	0.15 170	0.22 176	0.15 159	0.22 174	0.15 169	0.24 185	0.15 171	0.22 177	0.15 170	0.22 175	1.19 448	0.20 158	0.17 166	0.24 194	0.14 162	0.20 164	0.14 157

MSKI-zero shot	0.24 163	0.21 111	0.49 312	0.65 315	0.18 193	0.22 176	0.17 172	0.23 180	0.18 186	0.21 172	0.17 179	0.23 183	0.28 241	0.23 181	0.18 184	0.21 164	0.16 146	0.21 173	0.16 170	0.21 169	0.16 161

qqq1	0.25 166	3.70 510	0.14 127	0.14 100	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 110	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 166	3.70 510	0.14 127	0.14 100	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 110	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

UNDER WATER-64	0.25 166	0.26 130	0.25 188	0.26 172	0.25 223	0.25 194	0.25 213	0.25 189	0.25 214	0.25 191	0.25 223	0.25 194	0.25 217	0.26 202	0.25 213	0.25 191	0.25 193	0.25 197	0.25 222	0.25 186	0.25 201

ffm	0.25 166	3.83 516	0.12 102	0.12 83	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 94	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 166	3.83 516	0.12 102	0.12 83	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 94	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 166	3.83 516	0.12 102	0.12 83	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 94	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

MIM_Stereo	0.25 166	0.23 116	0.66 351	0.80 334	0.17 183	0.22 176	0.17 172	0.23 180	0.18 186	0.26 199	0.17 179	0.21 169	0.17 181	0.25 192	0.17 173	0.23 178	0.16 146	0.21 173	0.17 190	0.22 171	0.17 175

LoS	0.25 166	0.27 133	0.25 188	0.25 165	0.25 223	0.25 194	0.25 213	0.26 194	0.25 214	0.25 191	0.25 223	0.25 194	0.25 217	0.25 192	0.25 213	0.26 193	0.25 193	0.25 197	0.26 228	0.26 188	0.25 201
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Syn2CoEx	0.25 166	1.31 393	0.74 374	0.92 349	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 378	0.75 382	0.02 18	0.02 20	0.02 20	0.02 20

model_zeroshot	0.27 175	0.20 105	0.27 195	0.33 190	0.21 208	0.37 241	0.22 197	0.37 231	0.24 209	0.26 199	0.27 234	0.33 225	0.21 203	0.25 192	0.27 219	0.32 212	0.20 178	0.34 238	0.23 209	0.25 186	0.26 207

DLNR-FE	0.28 176	0.89 266	0.30 207	0.34 192	0.19 197	0.28 207	0.19 183	0.28 198	0.20 194	0.28 203	0.20 200	0.28 207	0.20 198	0.28 210	0.20 190	0.33 216	0.28 209	0.25 197	0.19 196	0.24 184	0.19 181

xyz-stereo-finetune	0.28 176	0.49 206	0.16 146	0.16 121	0.16 179	0.16 144	0.16 164	0.22 174	0.30 253	0.32 217	0.31 266	0.32 222	0.31 267	0.32 221	0.32 254	0.32 212	0.33 249	0.31 221	0.32 281	0.31 206	0.32 260

SQANet	0.28 176	0.28 136	0.28 199	0.28 176	0.28 238	0.28 207	0.28 232	0.28 198	0.28 236	0.28 203	0.28 241	0.28 207	0.28 241	0.28 210	0.28 229	0.28 198	0.28 209	0.28 208	0.28 241	0.28 195	0.28 228

HGLStereo	0.28 176	0.29 138	0.22 175	0.36 198	0.22 210	0.36 236	0.21 192	0.36 225	0.21 197	0.42 278	0.21 205	0.36 238	0.22 204	0.36 238	0.21 193	0.34 220	0.21 181	0.34 238	0.21 200	0.34 219	0.21 185

iResNet_ROB	0.28 176	0.32 143	0.24 185	0.32 186	0.25 223	0.32 224	0.24 210	0.32 210	0.24 209	0.33 222	0.24 217	0.35 232	0.24 214	0.33 227	0.24 205	0.31 211	0.24 192	0.32 222	0.24 217	0.32 208	0.24 200

UNet	0.29 181	0.90 269	0.10 69	0.14 100	0.10 123	0.14 129	0.10 120	0.91 387	0.69 394	0.14 129	0.11 135	0.14 130	0.11 134	0.14 132	0.10 116	0.12 94	0.09 70	0.12 123	0.09 112	0.88 377	0.76 401

MultiAttention	0.30 182	0.30 139	0.30 207	0.30 178	0.30 257	0.30 211	0.30 246	0.30 205	0.30 253	0.30 208	0.30 258	0.30 216	0.30 255	0.30 216	0.30 246	0.30 206	0.30 228	0.30 215	0.30 265	0.30 201	0.30 246

MSAF-DinoV2	0.30 182	0.30 139	0.30 207	0.30 178	0.30 257	0.30 211	0.30 246	0.30 205	0.30 253	0.30 208	0.30 258	0.30 216	0.30 255	0.30 216	0.30 246	0.30 206	0.30 228	0.30 215	0.30 265	0.30 201	0.30 246

DDVS	0.30 182	3.10 497	0.14 127	0.19 134	0.14 159	0.19 159	0.14 154	0.20 162	0.14 159	0.19 155	0.13 158	0.16 141	0.13 156	0.19 157	0.13 149	0.17 143	0.13 137	0.17 155	0.13 157	0.17 153	0.13 152

ACV-stereo	0.30 182	2.08 435	0.25 188	0.25 165	0.18 193	0.24 187	0.17 172	0.24 183	0.18 186	0.24 185	0.17 179	0.25 194	0.17 181	0.24 185	0.17 173	0.22 167	0.16 146	0.22 178	0.16 170	0.22 171	0.16 161

LoS_RVC	0.30 182	1.14 323	0.25 188	0.25 165	0.25 223	0.26 202	0.25 213	0.25 189	0.25 214	0.25 191	0.25 223	0.26 204	0.26 226	0.26 202	0.25 213	0.26 193	0.26 196	0.25 197	0.25 222	0.26 188	0.26 207

CAS	0.30 182	1.17 329	0.25 188	0.25 165	0.25 223	0.26 202	0.25 213	0.25 189	0.26 227	0.25 191	0.25 223	0.25 194	0.25 217	0.25 192	0.25 213	0.26 193	0.26 196	0.26 202	0.25 222	0.26 188	0.25 201

DANet	0.30 182	0.30 139	0.30 207	0.30 178	0.30 257	0.30 211	0.30 246	0.30 205	0.30 253	0.30 208	0.30 258	0.30 216	0.30 255	0.30 216	0.30 246	0.30 206	0.30 228	0.30 215	0.30 265	0.30 201	0.30 246
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 189	0.93 278	0.24 185	0.33 190	0.23 216	0.31 216	0.24 210	0.32 210	0.24 209	0.32 217	0.23 210	0.32 222	0.25 217	0.32 221	0.24 205	0.27 196	0.26 196	0.27 206	0.26 228	0.27 193	0.27 215

xxxxx1	0.31 189	0.91 271	0.23 178	0.31 183	0.23 216	0.31 216	0.23 205	0.33 213	0.25 214	0.31 212	0.24 217	0.33 225	0.25 217	0.32 221	0.24 205	0.28 198	0.28 209	0.28 208	0.28 241	0.29 198	0.27 215

DLNR_Zeroshot_test	0.31 189	0.28 136	0.47 297	0.79 332	0.24 221	0.30 211	0.26 221	0.30 205	0.24 209	0.32 217	0.23 210	0.31 220	0.24 214	0.30 216	0.23 201	0.29 205	0.26 196	0.29 213	0.24 217	0.33 215	0.23 190

tt_ll	0.31 189	0.91 271	0.23 178	0.31 183	0.23 216	0.31 216	0.23 205	0.33 213	0.25 214	0.31 212	0.24 217	0.33 225	0.25 217	0.32 221	0.24 205	0.28 198	0.28 209	0.28 208	0.28 241	0.29 198	0.27 215

ff	0.31 189	0.91 271	0.23 178	0.31 183	0.23 216	0.31 216	0.23 205	0.33 213	0.25 214	0.31 212	0.24 217	0.33 225	0.25 217	0.32 221	0.24 205	0.28 198	0.28 209	0.28 208	0.28 241	0.29 198	0.27 215

RAFT + AFF	0.31 189	0.45 190	0.34 239	0.39 210	0.28 238	0.38 248	0.33 267	0.29 203	0.31 264	0.30 208	0.30 258	0.29 213	0.27 234	0.29 214	0.30 246	0.28 198	0.29 220	0.29 213	0.29 251	0.27 193	0.32 260

MLCV	0.31 189	0.35 146	0.27 195	0.35 194	0.28 238	0.35 233	0.27 224	0.35 221	0.28 236	0.36 232	0.27 234	0.35 232	0.27 234	0.35 232	0.27 219	0.34 220	0.27 203	0.34 238	0.27 236	0.34 219	0.27 215

DN-CSS_ROB	0.31 189	0.35 146	0.28 199	0.35 194	0.28 238	0.34 228	0.27 224	0.34 217	0.25 214	0.35 229	0.27 234	0.36 238	0.26 226	0.34 229	0.28 229	0.35 229	0.28 209	0.34 238	0.28 241	0.34 219	0.27 215

WCG-NET（raft）	0.32 197	1.24 389	0.24 185	0.32 186	0.24 221	0.32 224	0.23 205	0.32 210	0.24 209	0.32 217	0.24 217	0.32 222	0.24 214	0.32 221	0.24 205	0.30 206	0.23 190	0.30 215	0.23 209	0.30 201	0.23 190

testlalala	0.32 197	0.81 253	0.31 219	0.39 210	0.26 231	0.33 226	0.24 210	0.33 213	0.26 227	0.32 217	0.26 229	0.33 225	0.23 210	0.33 227	0.23 201	0.35 229	0.31 234	0.30 215	0.24 217	0.31 206	0.21 185

Any-RAFT	0.32 197	0.36 149	0.27 195	0.36 198	0.27 233	0.36 236	0.27 224	0.36 225	0.27 233	0.36 232	0.27 234	0.36 238	0.27 234	0.36 238	0.28 229	0.36 234	0.28 209	0.36 259	0.28 241	0.36 238	0.28 228

GCAP-BAT	0.33 200	0.78 247	0.32 224	0.38 204	0.25 223	0.34 228	0.25 213	0.34 217	0.26 227	0.34 224	0.25 223	0.35 232	0.26 226	0.35 232	0.27 219	0.36 234	0.30 228	0.32 222	0.24 217	0.32 208	0.26 207

StereoDRNet-Refined	0.33 200	0.39 161	0.26 194	0.39 210	0.26 231	0.40 256	0.26 221	0.40 250	0.26 227	0.39 244	0.26 229	0.39 251	0.26 226	0.39 253	0.26 218	0.37 238	0.25 193	0.37 262	0.25 222	0.37 242	0.37 289
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
RAFT-FEzeroshot	0.34 202	0.26 130	0.17 153	0.21 146	0.17 183	0.20 164	0.16 164	0.20 162	0.16 173	0.20 161	0.17 179	0.21 169	0.16 172	0.27 206	0.24 205	0.19 155	0.16 146	0.19 167	0.16 170	0.26 188	3.08 568

RAFT-FE	0.34 202	0.26 130	0.17 153	0.21 146	0.17 183	0.20 164	0.16 164	0.20 162	0.16 173	0.20 161	0.17 179	0.21 169	0.16 172	0.27 206	0.24 205	0.19 155	0.16 146	0.19 167	0.16 170	0.26 188	3.08 568

LG-Stereo_L2	0.34 202	0.37 151	0.38 255	0.47 261	0.28 238	0.39 254	0.28 232	0.39 243	0.28 236	0.39 244	0.28 241	0.39 251	0.28 241	0.38 245	0.28 229	0.42 286	0.35 255	0.36 259	0.26 228	0.35 231	0.26 207

H2IRNET	0.34 202	0.34 145	0.34 239	0.34 192	0.34 291	0.34 228	0.34 280	0.34 217	0.34 284	0.34 224	0.34 285	0.34 230	0.34 283	0.34 229	0.34 276	0.34 220	0.34 253	0.34 238	0.34 293	0.34 219	0.34 273

IGEV++	0.34 202	0.43 179	0.30 207	0.40 224	0.29 247	0.40 256	0.29 241	0.40 250	0.29 242	0.40 250	0.29 246	0.40 259	0.29 248	0.40 256	0.30 246	0.38 249	0.29 220	0.37 262	0.29 251	0.37 242	0.29 233

iRaft-Stereo_5w	0.34 202	0.42 178	0.31 219	0.39 210	0.30 257	0.38 248	0.30 246	0.40 250	0.29 242	0.40 250	0.37 304	0.41 272	0.34 283	0.38 245	0.30 246	0.34 220	0.27 203	0.34 238	0.26 228	0.34 219	0.26 207

CSP-Net	0.34 202	1.29 391	1.19 422	1.36 454	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 467	1.21 477	0.03 38	0.09 112	0.02 20	0.09 112

iRaft-Stereo_20w	0.34 202	0.41 171	0.31 219	0.39 210	0.29 247	0.40 256	0.32 257	0.41 265	0.32 268	0.38 238	0.30 258	0.39 251	0.30 255	0.38 245	0.32 254	0.35 229	0.27 203	0.34 238	0.27 236	0.34 219	0.29 233

DGSMNet	0.34 202	0.41 171	0.27 195	0.41 236	0.28 238	0.41 272	0.28 232	0.41 265	0.27 233	0.41 264	0.27 234	0.42 290	0.27 234	0.41 271	0.28 229	0.40 264	0.29 220	0.40 286	0.28 241	0.40 270	0.27 215

FE-Mocha	0.35 211	0.71 243	0.40 267	0.47 261	0.27 233	0.34 228	0.27 224	0.34 217	0.26 227	0.34 224	0.26 229	0.34 230	0.27 234	0.34 229	0.27 219	0.44 288	0.41 285	0.33 230	0.29 251	0.32 208	0.29 233

IGEV-FE	0.35 211	0.37 151	0.17 153	0.19 134	0.17 183	0.20 164	0.17 172	0.19 156	0.17 181	0.19 155	0.17 179	0.19 159	0.17 181	0.37 242	0.36 283	0.19 155	0.17 166	0.19 167	0.17 190	0.38 255	2.84 559

gcap-zeroshot	0.35 211	0.32 143	0.37 252	0.49 272	0.39 320	0.33 226	0.21 192	0.26 194	0.35 287	0.42 278	0.34 285	0.49 321	0.29 248	0.47 305	0.39 306	0.34 220	0.17 166	0.38 270	0.23 209	0.48 313	0.34 273

CASnet	0.35 211	0.51 218	0.44 284	0.32 186	0.31 267	0.24 187	0.34 280	0.36 225	0.25 214	0.31 212	0.37 304	0.30 216	0.33 278	0.25 192	0.45 330	0.37 238	0.37 260	0.33 230	0.35 305	0.34 219	0.37 289
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 211	0.44 182	0.45 286	0.49 272	0.30 257	0.37 241	0.30 246	0.36 225	0.30 253	0.36 232	0.29 246	0.36 238	0.29 248	0.36 238	0.30 246	0.46 295	0.39 273	0.32 222	0.24 217	0.32 208	0.25 201
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 211	0.35 146	0.35 246	0.35 194	0.35 294	0.35 233	0.35 285	0.35 221	0.35 287	0.35 229	0.35 294	0.35 232	0.35 289	0.35 232	0.35 280	0.35 229	0.35 255	0.35 254	0.35 305	0.35 231	0.35 282

Zero-FE251	0.36 217	0.40 163	0.28 199	0.41 236	0.28 238	0.41 272	0.28 232	0.41 265	0.28 236	0.41 264	0.28 241	0.41 272	0.28 241	0.42 284	0.30 246	0.37 238	0.26 196	0.37 262	0.27 236	0.45 294	0.56 361

GIP-stereo	0.36 217	0.49 206	0.39 262	0.48 266	0.32 269	0.41 272	0.28 232	0.40 250	0.30 253	0.41 264	0.28 241	0.40 259	0.28 241	0.42 284	0.28 229	0.45 291	0.32 238	0.38 270	0.30 265	0.37 242	0.27 215

DCVSM-stereo	0.36 217	1.89 422	0.22 175	0.40 224	0.22 210	0.40 256	0.22 197	0.40 250	0.22 200	0.40 250	0.22 206	0.40 259	0.22 204	0.40 256	0.22 195	0.28 198	0.21 181	0.28 208	0.21 200	0.28 195	0.20 183

RSM	0.36 217	0.36 149	0.43 282	0.37 201	0.42 340	0.49 324	0.42 330	0.37 231	0.28 236	0.36 232	0.29 246	0.36 238	0.30 255	0.37 242	0.28 229	0.34 220	0.31 234	0.34 238	0.35 305	0.40 270	0.29 233

RAFT-Test	0.36 217	0.37 151	0.33 229	0.41 236	0.32 269	0.41 272	0.32 257	0.41 265	0.32 268	0.41 264	0.32 270	0.41 272	0.32 270	0.41 271	0.33 263	0.37 238	0.29 220	0.37 262	0.29 251	0.38 255	0.31 255

DMCA	0.36 217	0.38 155	0.37 252	0.35 194	0.35 294	0.36 236	0.36 291	0.36 225	0.35 287	0.35 229	0.37 304	0.36 238	0.36 292	0.35 232	0.36 283	0.36 234	0.36 258	0.35 254	0.36 311	0.36 238	0.36 285

ACVNet-DCA	0.37 223	1.00 293	0.30 207	0.40 224	0.29 247	0.40 256	0.29 241	0.40 250	0.29 242	0.40 250	0.29 246	0.40 259	0.29 248	0.39 253	0.28 229	0.33 216	0.32 238	0.33 230	0.32 281	0.33 215	0.32 260

1test111	0.37 223	1.02 305	0.30 207	0.39 210	0.29 247	0.40 256	0.28 232	0.39 243	0.29 242	0.39 244	0.29 246	0.39 251	0.28 241	0.40 256	0.29 239	0.33 216	0.32 238	0.33 230	0.31 275	0.32 208	0.31 255

cc1	0.37 223	1.02 305	0.30 207	0.39 210	0.29 247	0.40 256	0.28 232	0.39 243	0.29 242	0.39 244	0.29 246	0.39 251	0.28 241	0.40 256	0.29 239	0.33 216	0.32 238	0.33 230	0.31 275	0.32 208	0.31 255

EKT-Stereo	0.37 223	0.40 163	0.44 284	1.07 371	0.29 247	0.34 228	0.31 255	0.36 225	0.29 242	0.38 238	0.31 266	0.37 244	0.30 255	0.36 238	0.29 239	0.34 220	0.28 209	0.39 281	0.30 265	0.37 242	0.30 246

GMOStereo	0.37 223	0.45 190	0.23 178	0.30 178	0.37 304	0.41 272	0.36 291	0.41 265	0.35 287	0.43 284	0.36 297	0.41 272	0.40 310	0.41 271	0.36 283	0.34 220	0.22 185	0.47 334	0.37 313	0.39 264	0.33 267

XPNet_ROB	0.37 223	0.37 151	0.37 252	0.37 201	0.37 304	0.37 241	0.37 297	0.37 231	0.37 299	0.37 237	0.37 304	0.37 244	0.37 297	0.37 242	0.37 292	0.37 238	0.37 260	0.37 262	0.37 313	0.37 242	0.37 289

MS-F	0.38 229	0.44 182	0.31 219	0.43 252	0.30 257	0.43 299	0.31 255	0.43 289	0.31 264	0.45 291	0.31 266	0.43 297	0.31 267	0.43 290	0.69 390	0.38 249	0.33 249	0.40 286	0.30 265	0.38 255	0.30 246

HiDET	0.38 229	0.44 182	0.30 207	0.42 246	0.30 257	0.42 292	0.30 246	0.42 283	0.30 253	0.44 289	0.30 258	0.42 290	0.30 255	0.42 284	0.68 380	0.37 238	0.32 238	0.40 286	0.29 251	0.37 242	0.29 233

LCMNet	0.38 229	0.44 182	0.30 207	0.42 246	0.30 257	0.42 292	0.30 246	0.42 283	0.30 253	0.45 291	0.30 258	0.42 290	0.30 255	0.42 284	0.69 390	0.37 238	0.32 238	0.40 286	0.29 251	0.37 242	0.29 233

CSFM-Stereo	0.38 229	0.44 182	0.30 207	0.42 246	0.30 257	0.42 292	0.30 246	0.43 289	0.30 253	0.44 289	0.30 258	0.42 290	0.30 255	0.42 284	0.73 401	0.37 238	0.32 238	0.40 286	0.29 251	0.37 242	0.30 246

HART	0.38 229	0.45 190	0.34 239	0.42 246	0.33 281	0.41 272	0.34 280	0.42 283	0.33 275	0.43 284	0.34 285	0.42 290	0.34 283	0.41 271	0.38 295	0.40 264	0.32 238	0.42 314	0.32 281	0.40 270	0.32 260

GREAT-IGEV	0.38 229	0.43 179	0.36 248	0.48 266	0.32 269	0.45 303	0.32 257	0.45 293	0.32 268	0.45 291	0.32 270	0.45 300	0.32 270	0.45 296	0.32 254	0.44 288	0.33 249	0.41 303	0.29 251	0.41 280	0.29 233

fffy	0.38 229	0.43 179	0.33 229	0.46 255	0.33 281	0.45 303	0.32 257	0.45 293	0.32 268	0.45 291	0.32 270	0.45 300	0.33 278	0.45 296	0.32 254	0.38 249	0.38 266	0.38 270	0.37 313	0.37 242	0.36 285

WAO-8	0.38 229	0.38 155	0.38 255	0.38 204	0.38 311	0.38 248	0.38 303	0.38 239	0.38 303	0.38 238	0.38 309	0.38 246	0.38 301	0.38 245	0.38 295	0.38 249	0.38 266	0.38 270	0.37 313	0.38 255	0.38 296

WAO-7	0.38 229	0.38 155	0.38 255	0.38 204	0.38 311	0.38 248	0.38 303	0.38 239	0.38 303	0.38 238	0.38 309	0.38 246	0.38 301	0.38 245	0.38 295	0.38 249	0.38 266	0.38 270	0.38 326	0.38 255	0.38 296

xx1	0.38 229	1.03 307	0.31 219	0.40 224	0.31 267	0.41 272	0.28 232	0.40 250	0.29 242	0.40 250	0.29 246	0.40 259	0.29 248	0.40 256	0.29 239	0.34 220	0.33 249	0.34 238	0.32 281	0.34 219	0.32 260

Venus	0.38 229	0.38 155	0.38 255	0.38 204	0.38 311	0.37 241	0.38 303	0.37 231	0.37 299	0.41 264	0.37 304	0.39 251	0.37 297	0.38 245	0.38 295	0.37 238	0.38 266	0.38 270	0.37 313	0.37 242	0.38 296

IMH	0.38 229	0.38 155	0.38 255	0.38 204	0.38 311	0.38 248	0.38 303	0.38 239	0.38 303	0.42 278	0.38 309	0.40 259	0.38 301	0.38 245	0.38 295	0.38 249	0.38 266	0.39 281	0.38 326	0.38 255	0.38 296

PAM	0.39 241	1.88 421	0.34 239	0.37 201	0.41 330	0.45 303	0.22 197	0.28 198	0.23 206	0.28 203	0.24 217	0.29 213	0.23 210	0.29 214	0.23 201	0.38 249	0.32 238	0.38 270	0.37 313	0.32 208	0.22 188

HanzoNet	0.39 241	0.38 155	0.40 267	0.39 210	0.41 330	0.38 248	0.38 303	0.38 239	0.38 303	0.39 244	0.39 318	0.38 246	0.38 301	0.39 253	0.40 310	0.38 249	0.38 266	0.40 286	0.38 326	0.38 255	0.40 304

CES	0.39 241	0.47 198	0.36 248	0.36 198	0.37 304	0.45 303	0.35 285	0.35 221	0.40 317	0.36 232	0.44 341	0.47 310	0.36 292	0.44 293	0.36 283	0.37 238	0.39 273	0.44 317	0.35 305	0.37 242	0.36 285

PASM	0.39 241	3.06 496	1.36 490	1.58 461	0.09 116	0.11 124	0.11 133	0.11 124	0.11 135	0.09 111	0.09 117	0.11 125	0.09 118	0.09 111	0.09 110	0.11 88	0.11 97	0.11 120	0.09 112	0.11 124	0.11 130

mms	0.40 245	0.45 190	0.35 246	0.48 266	0.36 300	0.47 314	0.34 280	0.45 293	0.38 303	0.47 303	0.33 277	0.45 300	0.32 270	0.45 296	0.32 254	0.39 260	0.38 266	0.38 270	0.37 313	0.39 264	0.39 302

knoymous	0.40 245	0.40 163	0.40 267	0.40 224	0.40 322	0.40 256	0.40 317	0.40 250	0.40 317	0.40 250	0.40 321	0.40 259	0.40 310	0.40 256	0.40 310	0.40 264	0.40 276	0.40 286	0.40 330	0.40 270	0.40 304

anonymousa	0.40 245	0.40 163	0.40 267	0.40 224	0.40 322	0.40 256	0.40 317	0.40 250	0.40 317	0.40 250	0.40 321	0.40 259	0.40 310	0.40 256	0.40 310	0.40 264	0.40 276	0.40 286	0.40 330	0.40 270	0.40 304

riskmin	0.40 245	0.40 163	0.40 267	0.40 224	0.40 322	0.40 256	0.40 317	0.40 250	0.40 317	0.40 250	0.40 321	0.40 259	0.40 310	0.40 256	0.40 310	0.40 264	0.40 276	0.40 286	0.40 330	0.40 270	0.40 304

Anonymous_2	0.40 245	0.40 163	0.40 267	0.40 224	0.40 322	0.40 256	0.40 317	0.40 250	0.40 317	0.40 250	0.40 321	0.40 259	0.40 310	0.40 256	0.40 310	0.40 264	0.40 276	0.40 286	0.40 330	0.40 270	0.40 304

Anonymous_1	0.40 245	0.40 163	0.40 267	0.40 224	0.40 322	0.40 256	0.40 317	0.40 250	0.40 317	0.40 250	0.40 321	0.40 259	0.40 310	0.40 256	0.40 310	0.40 264	0.40 276	0.40 286	0.40 330	0.40 270	0.40 304

AdaStereo	0.40 245	0.40 163	0.40 267	0.40 224	0.40 322	0.40 256	0.40 317	0.40 250	0.40 317	0.40 250	0.40 321	0.40 259	0.40 310	0.40 256	0.40 310	0.40 264	0.40 276	0.40 286	0.40 330	0.40 270	0.40 304
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
Select-FE	0.41 252	0.44 182	0.23 178	0.26 172	0.22 210	0.26 202	0.22 197	0.26 194	0.23 206	0.26 199	0.23 210	0.26 204	0.23 210	0.45 296	0.42 325	0.25 191	0.22 185	0.25 197	0.22 203	0.45 294	2.90 560

water-stereo	0.41 252	0.84 256	0.46 290	0.50 279	0.33 281	0.45 303	0.33 267	0.45 293	0.32 268	0.45 291	0.32 270	0.45 300	0.32 270	0.45 296	0.32 254	0.44 288	0.41 285	0.39 281	0.31 275	0.39 264	0.32 260

GwcNet-ADL	0.41 252	0.41 171	0.41 276	0.41 236	0.41 330	0.41 272	0.41 325	0.41 265	0.41 326	0.41 264	0.41 327	0.41 272	0.41 321	0.41 271	0.41 317	0.41 272	0.41 285	0.41 303	0.41 337	0.41 280	0.41 311

PSMNet-ADL	0.41 252	0.41 171	0.41 276	0.41 236	0.41 330	0.41 272	0.41 325	0.41 265	0.41 326	0.41 264	0.41 327	0.41 272	0.41 321	0.41 271	0.41 317	0.41 272	0.41 285	0.41 303	0.41 337	0.41 280	0.41 311

GANet-ADL	0.41 252	0.41 171	0.41 276	0.41 236	0.41 330	0.41 272	0.41 325	0.41 265	0.41 326	0.41 264	0.41 327	0.41 272	0.41 321	0.41 271	0.41 317	0.41 272	0.41 285	0.41 303	0.41 337	0.41 280	0.41 311

ADLNet2	0.41 252	0.41 171	0.41 276	0.41 236	0.41 330	0.41 272	0.41 325	0.41 265	0.41 326	0.41 264	0.41 327	0.41 272	0.41 321	0.41 271	0.41 317	0.41 272	0.41 285	0.41 303	0.41 337	0.41 280	0.41 311

ADLNet	0.41 252	0.41 171	0.41 276	0.41 236	0.41 330	0.41 272	0.41 325	0.41 265	0.41 326	0.41 264	0.41 327	0.41 272	0.41 321	0.41 271	0.41 317	0.41 272	0.41 285	0.41 303	0.41 337	0.41 280	0.41 311

FCDSN-DC	0.41 252	0.59 234	0.64 347	0.54 292	0.33 281	0.50 332	0.37 297	0.42 283	0.40 317	0.61 361	0.43 339	0.50 336	0.49 352	0.38 245	0.32 254	0.28 198	0.23 190	0.26 202	0.22 203	0.35 231	0.28 228
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 252	0.46 194	0.33 229	0.49 272	0.33 281	0.49 324	0.33 267	0.49 311	0.33 275	0.49 317	0.33 277	0.49 321	0.33 278	0.51 336	0.33 263	0.41 272	0.30 228	0.41 303	0.30 265	0.79 363	0.29 233

Gwc-CoAtRS	0.41 252	1.49 402	0.32 224	0.42 246	0.32 269	0.41 272	0.32 257	0.41 265	0.33 275	0.41 264	0.32 270	0.41 272	0.32 270	0.41 271	0.32 254	0.39 260	0.28 209	0.39 281	0.28 241	0.40 270	0.28 228

UPFNet	0.42 262	1.20 333	0.17 153	0.24 158	0.17 183	0.25 194	0.17 172	1.19 425	0.90 422	0.25 191	0.17 179	0.24 189	0.17 181	0.25 192	0.17 173	0.22 167	0.17 166	0.22 178	0.16 170	1.15 412	0.93 417

DDF-Stereo	0.43 263	1.15 326	0.57 334	0.53 289	0.32 269	0.41 272	0.32 257	0.41 265	0.32 268	0.41 264	0.32 270	0.41 272	0.32 270	0.40 256	0.32 254	0.52 321	0.50 329	0.38 270	0.31 275	0.39 264	0.31 255

DilatedVolume-Stereo	0.43 263	0.86 259	0.48 305	0.50 279	0.33 281	0.46 309	0.33 267	0.46 297	0.33 275	0.46 297	0.33 277	0.47 310	0.33 278	0.47 305	0.34 276	0.45 291	0.42 294	0.40 286	0.33 289	0.47 309	0.38 296

psmg	0.43 263	1.91 425	0.92 397	1.91 476	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 506	1.44 499	0.04 73	0.03 54	0.02 20	0.03 51

delet	0.43 263	1.21 381	0.17 153	0.25 165	0.17 183	0.25 194	0.18 179	1.26 479	0.95 430	0.25 191	0.17 179	0.25 194	0.17 181	0.25 192	0.17 173	0.23 178	0.16 146	0.22 178	0.16 170	1.18 420	0.98 421

psm_up	0.43 263	1.19 332	0.17 153	0.25 165	0.18 193	0.25 194	0.19 183	1.26 479	0.91 423	0.26 199	0.17 179	0.25 194	0.17 181	0.25 192	0.17 173	0.22 167	0.17 166	0.23 186	0.16 170	1.18 420	0.99 422

Monster-pub-mixall	0.44 268	0.56 230	0.60 338	0.38 204	0.27 233	0.37 241	0.27 224	0.37 231	0.29 242	0.38 238	0.27 234	0.38 246	0.29 248	0.85 389	0.27 219	1.46 482	0.26 196	0.34 238	0.26 228	0.36 238	0.53 350

depthmonostereo	0.44 268	0.85 258	0.46 290	0.54 292	0.40 322	0.52 347	0.38 303	0.52 336	0.35 287	0.47 303	0.34 285	0.46 304	0.34 283	0.47 305	0.34 276	0.45 291	0.43 298	0.41 303	0.33 289	0.41 280	0.32 260

MMNet	0.44 268	1.24 389	0.17 153	0.25 165	0.17 183	0.25 194	0.18 179	1.26 479	0.93 428	0.25 191	0.17 179	0.25 194	0.18 189	0.25 192	0.17 173	0.23 178	0.16 146	0.23 186	0.16 170	1.20 423	0.99 422

252Zero-FE	0.45 271	0.50 210	0.36 248	0.50 279	0.36 300	0.50 332	0.36 291	0.50 319	0.36 297	0.49 317	0.36 297	0.49 321	0.36 292	0.54 345	0.41 317	0.45 291	0.34 253	0.45 321	0.34 293	0.55 336	0.75 399

Monster-pub-eth3d	0.45 271	0.57 231	0.60 338	0.39 210	0.28 238	0.37 241	0.28 232	0.37 231	0.30 253	0.39 244	0.29 246	0.39 251	0.30 255	0.92 399	0.27 219	1.42 479	0.28 209	0.34 238	0.28 241	0.37 242	0.53 350

Replicate-Monster	0.45 271	0.57 231	0.60 338	0.40 224	0.29 247	0.37 241	0.27 224	0.37 231	0.30 253	0.40 250	0.31 266	0.40 259	0.30 255	0.99 407	0.27 219	1.36 475	0.31 234	0.34 238	0.30 265	0.36 238	0.54 353

SCV_C0	0.45 271	0.88 263	0.49 312	0.54 292	0.37 304	0.48 319	0.37 297	0.48 307	0.37 299	0.48 310	0.36 297	0.48 317	0.37 297	0.49 320	0.37 292	0.50 313	0.41 285	0.44 317	0.34 293	0.44 290	0.34 273

RAFT-Stereo-weight	0.45 271	1.90 424	0.34 239	0.42 246	0.36 300	0.43 299	0.35 285	0.42 283	0.34 284	0.42 278	0.34 285	0.44 298	0.34 283	0.41 271	0.34 276	0.38 249	0.32 238	0.38 270	0.32 281	0.38 255	0.33 267

TorneroNet-64	0.45 271	0.27 133	0.30 207	0.58 301	0.27 233	0.70 373	0.30 246	0.28 198	0.73 407	0.73 376	0.28 241	0.71 376	0.66 378	0.75 377	0.27 219	0.27 196	0.29 220	0.37 262	0.75 412	0.28 195	0.30 246

SCV	0.46 277	0.94 280	0.45 286	0.54 292	0.37 304	0.48 319	0.38 303	0.48 307	0.37 299	0.48 310	0.39 318	0.48 317	0.37 297	0.49 320	0.37 292	0.50 313	0.46 308	0.44 317	0.34 293	0.44 290	0.34 273

otaku	0.46 277	0.46 194	0.46 290	0.46 255	0.46 348	0.46 309	0.46 340	0.46 297	0.46 340	0.46 297	0.46 347	0.46 304	0.46 338	0.46 301	0.46 334	0.46 295	0.46 308	0.46 325	0.46 350	0.46 297	0.46 325

Dean	0.46 277	0.46 194	0.46 290	0.46 255	0.46 348	0.46 309	0.46 340	0.46 297	0.46 340	0.47 303	0.46 347	0.46 304	0.46 338	0.46 301	0.46 334	0.46 295	0.46 308	0.46 325	0.46 350	0.46 297	0.46 325

ACVNet_1	0.46 277	0.47 198	0.46 290	0.46 255	0.46 348	0.46 309	0.46 340	0.46 297	0.47 345	0.46 297	0.46 347	0.46 304	0.46 338	0.46 301	0.46 334	0.46 295	0.46 308	0.47 334	0.46 350	0.46 297	0.46 325

ACVNet-4b	0.46 277	0.46 194	0.46 290	0.46 255	0.46 348	0.46 309	0.46 340	0.46 297	0.46 340	0.46 297	0.46 347	0.46 304	0.46 338	0.47 305	0.46 334	0.46 295	0.46 308	0.46 325	0.46 350	0.46 297	0.46 325

PML	0.46 277	1.36 397	0.29 203	0.58 301	0.30 257	0.57 360	0.29 241	0.57 347	0.29 242	0.57 356	0.29 246	0.57 360	0.29 248	0.56 350	0.29 239	0.52 321	0.30 228	0.53 362	0.31 275	0.53 334	0.30 246

LG-Stereo_L1	0.47 283	0.52 220	0.47 297	0.62 309	0.39 320	0.53 349	0.40 317	0.53 338	0.39 316	0.53 343	0.39 318	0.53 348	0.39 309	0.53 343	0.39 306	0.55 331	0.46 308	0.49 347	0.37 313	0.49 317	0.37 289

Ntro	0.47 283	0.47 198	0.46 290	0.46 255	0.46 348	0.47 314	0.47 345	0.46 297	0.47 345	0.46 297	0.46 347	0.47 310	0.46 338	0.47 305	0.47 341	0.47 300	0.46 308	0.46 325	0.46 350	0.46 297	0.46 325

HaxPig	0.47 283	0.47 198	0.47 297	0.49 272	0.47 354	0.47 314	0.47 345	0.47 303	0.47 345	0.47 303	0.47 355	0.47 310	0.47 346	0.47 305	0.47 341	0.47 300	0.47 316	0.47 334	0.47 357	0.47 309	0.48 334

UNDER WATER	0.47 283	0.47 198	0.47 297	0.47 261	0.47 354	0.47 314	0.47 345	0.47 303	0.47 345	0.47 303	0.47 355	0.47 310	0.46 338	0.47 305	0.47 341	0.47 300	0.47 316	0.47 334	0.46 350	0.47 309	0.47 332

LVE	0.47 283	0.47 198	0.47 297	0.47 261	0.49 360	0.47 314	0.47 345	0.47 303	0.49 354	0.47 303	0.47 355	0.47 310	0.46 338	0.47 305	0.47 341	0.47 300	0.47 316	0.48 342	0.47 357	0.47 309	0.47 332

GASTEREO	0.48 288	1.21 381	0.47 297	0.57 299	0.38 311	0.50 332	0.38 303	0.50 319	0.38 303	0.50 330	0.38 309	0.50 336	0.38 301	0.50 327	0.38 295	0.52 321	0.42 294	0.46 325	0.34 293	0.46 297	0.34 273

LG-Stereo_Zeroshot	0.48 288	0.55 228	0.47 297	0.63 311	0.41 330	0.56 354	0.44 333	0.56 344	0.41 326	0.56 353	0.41 327	0.57 360	0.42 327	0.56 350	0.41 317	0.55 331	0.43 298	0.51 356	0.37 313	0.51 328	0.37 289

fffft	0.48 288	0.51 218	0.45 286	0.52 288	0.45 346	0.52 347	0.45 338	0.52 336	0.48 352	0.53 343	0.45 345	0.52 347	0.45 335	0.52 341	0.46 334	0.51 319	0.41 285	0.50 351	0.41 337	0.50 322	0.41 311
1: 1. 1
RainbowNet	0.48 288	0.48 204	0.48 305	0.48 266	0.48 358	0.48 319	0.48 354	0.48 307	0.48 352	0.48 310	0.48 359	0.48 317	0.48 347	0.48 314	0.48 347	0.48 304	0.48 320	0.48 342	0.48 360	0.48 313	0.48 334

notaker	0.48 288	0.49 206	0.48 305	0.48 266	0.48 358	0.48 319	0.48 354	0.48 307	0.49 354	0.48 310	0.48 359	0.48 317	0.48 347	0.48 314	0.48 347	0.48 304	0.48 320	0.48 342	0.48 360	0.48 313	0.49 339

LL-Strereo2	0.48 288	1.73 414	0.51 322	0.59 304	0.34 291	0.42 292	0.33 267	0.40 250	0.31 264	0.42 278	0.33 277	0.42 290	0.31 267	0.44 293	0.39 306	0.60 337	0.51 334	0.44 317	0.33 289	0.44 290	0.33 267

Former-RAFT_DAM_RVC	0.49 294	0.98 285	0.64 347	0.84 339	0.46 348	0.45 303	0.35 285	0.47 303	0.47 345	0.45 291	0.34 285	0.46 304	0.48 347	0.46 301	0.35 280	0.39 260	0.71 376	0.39 281	0.35 305	0.41 280	0.41 311

ACVNet_2	0.49 294	0.49 206	0.49 312	0.49 272	0.49 360	0.49 324	0.49 356	0.49 311	0.49 354	0.49 317	0.49 362	0.49 321	0.49 352	0.49 320	0.49 349	0.49 307	0.49 323	0.49 347	0.49 363	0.49 317	0.49 339

FoundationStereo	0.50 296	0.50 210	0.50 316	0.50 279	0.50 364	0.50 332	0.50 358	0.50 319	0.50 357	0.50 330	0.50 364	0.50 336	0.50 355	0.50 327	0.50 350	0.50 313	0.50 329	0.50 351	0.50 365	0.50 322	0.50 342

StereoAnything_RVC	0.50 296	0.50 210	0.50 316	0.50 279	0.50 364	0.50 332	0.50 358	0.50 319	0.50 357	0.50 330	0.50 364	0.50 336	0.50 355	0.50 327	0.50 350	0.50 313	0.50 329	0.50 351	0.50 365	0.50 322	0.50 342

dual_stereo	0.50 296	0.50 210	0.50 316	0.50 279	0.50 364	0.50 332	0.50 358	0.50 319	0.50 357	0.50 330	0.50 364	0.50 336	0.50 355	0.50 327	0.50 350	0.50 313	0.50 329	0.50 351	0.50 365	0.50 322	0.50 342

GCST	0.50 296	2.08 435	0.38 255	0.53 289	0.35 294	0.49 324	0.35 285	0.50 319	0.35 287	0.49 317	0.35 294	0.49 321	0.35 289	0.49 320	0.35 280	0.48 304	0.37 260	0.45 321	0.33 289	0.44 290	0.33 267

SANet	0.50 296	0.50 210	0.50 316	0.50 279	0.50 364	0.50 332	0.50 358	0.50 319	0.50 357	0.50 330	0.50 364	0.50 336	0.50 355	0.50 327	0.50 350	0.50 313	0.50 329	0.50 351	0.50 365	0.50 322	0.50 342

MSCF	0.51 301	1.40 399	0.49 312	0.58 301	0.38 311	0.50 332	0.38 303	0.54 340	0.41 326	0.52 340	0.41 327	0.53 348	0.42 327	0.53 343	0.41 317	0.60 337	0.47 316	0.48 342	0.37 313	0.48 313	0.38 296

UGAM-zero	0.51 301	2.17 443	0.39 262	0.53 289	0.36 300	0.50 332	0.36 291	0.50 319	0.36 297	0.49 317	0.36 297	0.50 336	0.35 289	0.50 327	0.36 283	0.49 307	0.37 260	0.47 334	0.35 305	0.46 297	0.34 273

UGAM	0.51 301	2.23 448	0.39 262	0.54 292	0.35 294	0.50 332	0.35 285	0.49 311	0.35 287	0.49 317	0.35 294	0.49 321	0.36 292	0.50 327	0.36 283	0.49 307	0.37 260	0.45 321	0.34 293	0.45 294	0.34 273

Selective-IGEV	0.51 301	0.55 228	0.45 286	0.69 320	0.45 346	0.61 363	0.45 338	0.50 319	0.40 317	0.56 353	0.44 341	0.55 355	0.40 310	0.72 372	0.67 375	0.59 336	0.46 308	0.45 321	0.34 293	0.46 297	0.37 289

RCA-Stereo	0.51 301	3.22 502	0.34 239	0.44 253	0.34 291	0.44 302	0.34 280	0.43 289	0.34 284	0.43 284	0.34 285	0.44 298	0.33 278	0.43 290	0.33 263	0.38 249	0.29 220	0.38 270	0.29 251	0.38 255	0.29 233

MatchStereo	0.54 306	0.12 81	2.38 551	2.32 495	0.09 116	0.09 111	0.08 114	0.09 111	0.07 112	0.09 111	0.07 113	0.09 112	0.07 114	0.09 111	0.08 105	2.34 529	2.34 547	0.12 123	0.11 131	0.11 124	0.10 117

AIO-test1	0.54 306	0.60 236	0.52 325	0.66 318	0.47 354	0.61 363	0.47 345	0.58 350	0.46 340	0.61 361	0.46 347	0.61 366	0.45 335	0.62 359	0.45 330	0.61 341	0.52 336	0.57 365	0.48 360	0.57 338	0.48 334

castereo++	0.54 306	3.59 507	1.15 416	1.31 448	0.14 159	0.16 144	0.14 154	0.16 143	0.14 159	0.16 140	0.14 163	0.16 141	0.13 156	0.16 142	0.14 153	1.45 481	1.16 424	0.15 144	0.14 162	0.15 143	0.13 152

FENet	0.54 306	1.52 403	1.19 422	1.41 458	0.23 216	0.35 233	0.23 205	0.35 221	0.23 206	0.34 224	0.23 210	0.35 232	0.23 210	0.35 232	0.23 201	1.40 478	1.07 408	0.32 222	0.23 209	0.33 215	0.23 190

PSMNet_ROB	0.54 306	0.54 226	0.54 330	0.54 292	0.53 373	0.54 352	0.54 366	0.53 338	0.54 367	0.54 348	0.54 374	0.54 351	0.53 362	0.54 345	0.54 360	0.54 325	0.53 338	0.54 363	0.54 371	0.54 335	0.54 353

AIO-test2	0.55 311	0.59 234	0.52 325	0.67 319	0.47 354	0.61 363	0.47 345	0.61 356	0.47 345	0.61 361	0.47 355	0.61 366	0.48 347	0.62 359	0.47 341	0.64 347	0.53 338	0.58 366	0.47 357	0.58 339	0.48 334

CFNet-ft	0.55 311	1.57 404	0.14 127	0.20 137	0.14 159	0.20 164	2.53 558	1.61 491	0.14 159	0.20 161	0.14 163	0.20 162	0.14 160	0.20 161	0.14 153	0.17 143	0.12 113	0.17 155	0.12 149	1.56 484	1.24 499

MyStereo04	0.56 313	3.72 513	0.59 336	0.49 272	0.41 330	0.36 236	0.32 257	0.37 231	0.31 264	0.34 224	0.46 347	0.35 232	0.32 270	0.35 232	0.33 263	0.49 307	0.45 306	0.34 238	0.32 281	0.35 231	0.43 319

CASS	0.57 314	0.89 266	0.56 332	0.57 299	0.56 376	0.56 354	0.56 367	0.56 344	0.53 365	0.57 356	0.57 376	0.59 364	0.48 347	0.56 350	0.57 363	0.55 331	0.56 342	0.47 334	0.56 376	0.62 342	0.56 361
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
LG-Stereo	0.60 315	0.58 233	0.47 297	0.64 314	0.74 407	1.00 403	0.69 392	0.57 347	0.41 326	0.57 356	0.41 327	0.57 360	0.41 321	1.00 409	0.75 405	0.91 379	0.51 334	0.52 359	0.37 313	0.52 330	0.37 289

MonSter	0.60 315	0.64 239	0.52 325	0.62 309	0.44 343	2.07 517	0.44 333	0.62 357	0.44 337	0.62 364	0.44 341	0.62 368	0.44 332	0.62 359	0.44 329	0.58 335	0.42 294	0.62 369	0.46 350	0.58 339	0.42 318

MyStereo07	0.60 315	3.72 513	0.48 305	0.49 272	0.41 330	0.36 236	0.32 257	0.49 311	0.43 334	0.51 337	0.42 337	0.49 321	0.43 330	0.51 336	0.64 370	0.49 307	0.45 306	0.34 238	0.32 281	0.35 231	0.43 319

castereo	0.61 318	3.79 515	1.35 482	1.52 460	0.15 170	0.17 152	0.16 164	0.20 162	0.21 197	0.18 153	0.16 174	0.21 169	0.12 151	0.26 202	0.17 173	1.43 480	1.38 496	0.17 155	0.16 170	0.18 157	0.16 161

WCG-NET	0.61 318	1.21 381	0.54 330	0.61 308	0.53 373	0.67 371	0.53 364	0.66 362	0.53 365	0.64 367	0.53 373	0.65 372	0.53 362	0.59 357	0.52 357	0.65 348	0.48 320	0.64 372	0.52 369	0.58 339	0.50 342

GEAStereo	0.62 320	3.91 520	0.48 305	0.69 320	0.38 311	0.51 344	0.38 303	0.51 332	0.38 303	0.53 343	0.38 309	0.50 336	0.38 301	0.51 336	0.38 295	0.54 325	0.43 298	0.46 325	0.34 293	0.46 297	0.34 273

gasm-f	0.62 320	3.91 520	0.48 305	0.69 320	0.38 311	0.51 344	0.38 303	0.51 332	0.38 303	0.53 343	0.38 309	0.50 336	0.38 301	0.51 336	0.38 295	0.54 325	0.43 298	0.46 325	0.34 293	0.46 297	0.34 273

SMoEStereo_RVC	0.63 322	0.75 246	0.51 322	0.73 328	0.53 373	0.71 375	0.47 345	0.67 363	0.58 370	0.74 381	0.60 377	0.72 379	0.53 362	0.74 376	0.51 355	0.61 341	0.62 354	0.62 369	0.61 383	0.63 343	0.61 367

anonymity	0.63 322	0.69 241	0.56 332	0.71 326	0.56 376	0.71 375	0.56 367	0.71 368	0.56 368	0.72 375	0.56 375	0.71 376	0.56 366	0.71 371	0.58 364	0.68 352	0.55 340	0.68 377	0.55 372	0.68 347	0.54 353

PAM_32	0.64 324	2.38 463	0.51 322	0.92 349	0.43 342	0.53 349	0.44 333	0.87 381	0.43 334	0.52 340	0.45 345	0.53 348	0.40 310	0.54 345	0.46 334	0.62 345	0.56 342	0.48 342	0.45 348	0.76 358	0.44 322

CRFU-Net	0.65 325	1.67 407	1.22 474	1.96 480	0.27 233	0.41 272	0.27 224	0.41 265	0.27 233	0.40 250	0.26 229	0.41 272	0.27 234	0.40 256	0.27 219	1.80 495	1.62 515	0.34 238	0.23 209	0.33 215	0.23 190

LMCR-Stereo	0.65 325	0.63 237	0.65 350	0.65 315	0.65 390	0.66 370	0.63 374	0.58 350	0.65 380	0.63 366	0.64 385	0.65 372	0.65 375	0.66 366	0.66 374	0.66 350	0.64 356	0.65 375	0.67 400	0.68 347	0.73 395

KSHMR	0.66 327	0.50 210	0.48 305	1.15 381	0.52 370	0.49 324	0.51 362	0.49 311	0.71 402	0.67 371	0.50 364	1.16 436	1.11 429	0.66 366	0.52 357	0.49 307	0.49 323	0.51 356	0.66 396	0.50 322	1.14 438

TorneroNet	0.66 327	0.53 223	0.50 316	0.50 279	0.64 388	1.06 416	0.70 395	0.50 319	0.51 364	0.49 317	0.69 401	0.49 321	0.50 355	0.48 314	1.15 441	0.71 357	0.49 323	1.14 435	1.08 439	0.49 317	0.49 339

GES	0.66 327	2.34 459	0.29 203	0.41 236	0.29 247	0.41 272	0.29 241	0.42 283	0.29 242	0.40 250	0.41 327	0.41 272	0.30 255	0.51 336	0.29 239	0.32 212	0.29 220	0.32 222	2.46 562	2.49 524	0.30 246

cf-r	0.66 327	2.17 443	0.12 102	0.18 131	0.12 154	0.18 156	2.70 561	2.60 537	0.12 154	0.18 153	0.12 146	0.18 155	0.12 151	0.18 154	0.12 143	0.15 126	0.11 97	0.15 144	0.11 131	1.81 496	1.74 536

DSFCA	0.66 327	0.73 245	0.78 380	0.65 315	0.65 390	0.64 368	0.64 375	0.65 360	0.63 378	0.64 367	0.64 385	0.64 369	0.64 373	0.65 365	0.65 371	0.65 348	0.65 358	0.65 375	0.65 394	0.66 345	0.64 375

DEFOM-Stereo	0.68 332	3.11 498	1.40 496	1.63 470	0.25 223	0.31 216	0.25 213	0.31 209	0.28 236	0.31 212	0.29 246	0.29 213	0.27 234	0.31 220	0.28 229	1.59 488	1.47 501	0.30 215	0.29 251	0.30 201	0.28 228

ssnet_v2	0.68 332	1.96 432	1.25 478	0.29 177	0.20 200	0.30 211	0.20 187	0.29 203	0.22 200	1.50 493	0.20 200	0.31 220	0.20 198	0.27 206	0.22 195	0.24 185	1.49 502	0.26 202	0.18 195	3.90 546	0.19 181

ARAFT	0.68 332	0.81 253	0.63 345	0.74 329	0.60 379	0.78 380	0.62 373	0.77 372	0.66 382	0.74 381	0.63 383	0.75 383	0.62 372	0.83 384	0.60 367	0.70 356	0.55 340	0.70 380	0.60 381	0.78 361	0.55 358

NINENet	0.69 335	3.87 519	1.20 425	1.98 481	0.05 99	0.40 256	0.04 81	0.40 250	0.05 97	0.41 264	0.04 88	0.41 272	0.05 94	0.40 256	0.05 88	1.79 494	1.56 508	0.34 238	0.22 203	0.34 219	0.23 190

VIP-Stereo	0.70 336	2.97 495	2.43 552	2.49 502	0.16 179	0.25 194	0.16 164	0.25 189	0.16 173	0.25 191	0.18 194	0.25 194	0.16 172	0.26 202	0.16 169	1.86 496	1.26 479	0.23 186	0.15 168	0.23 182	0.15 160

RAFT-Stereo + iAFF	0.70 336	0.72 244	0.71 367	0.80 334	0.62 387	0.82 385	0.61 372	0.81 378	0.62 376	0.81 388	0.63 383	0.80 389	0.70 393	0.73 374	0.61 369	0.76 362	0.61 353	0.74 384	0.61 383	0.77 360	0.61 367

DMCA-RVC	0.70 336	0.80 250	0.70 364	0.70 324	0.70 400	0.70 373	0.70 395	0.71 368	0.70 397	0.70 374	0.71 408	0.71 376	0.70 393	0.70 370	0.69 390	0.69 353	0.70 372	0.69 378	0.70 405	0.69 351	0.70 387

MyStereo8	0.71 339	3.92 522	0.52 325	0.59 304	0.52 370	0.57 360	0.53 364	0.59 352	0.50 357	0.59 360	0.51 370	0.57 360	0.50 355	0.56 350	0.52 357	0.54 325	0.49 323	0.54 363	0.49 363	0.55 336	0.50 342

HH	0.71 339	2.54 469	0.74 374	1.10 373	0.32 269	0.41 272	0.37 297	0.69 365	0.78 412	0.73 376	0.90 424	0.75 383	1.00 419	0.84 385	0.69 390	0.69 353	0.40 276	0.35 254	0.26 228	0.35 231	0.26 207

HanStereo	0.71 339	2.54 469	0.74 374	1.10 373	0.32 269	0.41 272	0.37 297	0.69 365	0.78 412	0.73 376	0.90 424	0.75 383	1.00 419	0.84 385	0.69 390	0.69 353	0.40 276	0.35 254	0.26 228	0.35 231	0.26 207

zero-FE	0.72 342	1.31 393	0.66 351	0.92 349	0.60 379	0.82 385	0.58 369	0.82 379	0.58 370	0.81 388	0.60 377	0.81 392	0.60 369	0.82 383	0.58 364	0.74 360	0.59 348	0.73 382	0.52 369	0.76 358	0.51 349

ktn	0.72 342	0.53 223	1.08 411	1.14 379	0.51 369	1.22 482	1.36 508	0.51 332	0.59 372	0.51 337	0.51 370	0.69 375	1.20 440	0.67 368	0.51 355	0.51 319	0.49 323	0.58 366	0.66 396	0.52 330	0.53 350

CroCo-Stereo	0.73 344	1.22 387	0.25 188	1.22 437	0.25 223	1.22 482	0.25 213	1.22 476	0.25 214	1.22 484	0.25 223	1.22 487	0.25 217	1.22 487	0.25 213	1.22 466	0.26 196	1.21 493	0.25 222	1.22 472	0.25 201
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
AFF-stereo	0.73 344	0.88 263	0.67 355	0.75 330	0.68 397	0.75 377	0.64 375	0.80 375	0.72 404	0.83 390	0.70 404	0.82 393	0.64 373	0.84 385	0.67 375	0.77 363	0.63 355	0.81 395	0.63 385	0.78 361	0.62 370

AIO-Stereo-zeroshot1	0.75 346	0.92 276	0.85 389	0.96 360	0.59 378	1.27 485	0.44 333	0.59 352	0.69 394	0.91 395	0.68 393	0.55 355	0.61 371	1.06 422	0.83 415	0.62 345	0.70 372	0.90 405	0.41 337	0.89 378	0.56 361

MyStereo06	0.75 346	4.12 523	0.60 338	0.63 311	0.61 384	0.62 366	0.66 378	0.56 344	0.45 339	0.55 351	0.48 359	0.54 351	0.46 338	0.57 355	0.45 330	0.60 337	0.57 344	0.64 372	0.55 372	0.72 353	0.55 358

GCAP-Stereo	0.75 346	4.15 526	0.42 281	0.75 330	0.35 294	0.78 380	0.40 317	0.79 373	0.38 303	0.78 384	0.36 297	0.78 386	0.36 292	0.79 379	0.39 306	0.75 361	0.39 273	0.76 387	0.39 329	0.75 357	0.39 302

GANet-RSSM	0.75 346	1.91 425	0.14 127	0.47 261	0.14 159	0.21 174	3.21 578	2.30 523	0.14 159	0.46 297	0.14 163	0.23 183	0.18 189	0.21 171	0.14 153	0.18 151	0.27 203	0.37 262	0.13 157	2.13 506	2.12 546

RSM++	0.76 350	0.82 255	0.66 351	0.85 341	0.64 388	0.85 387	0.71 398	0.94 394	0.64 379	0.87 391	0.67 390	0.87 395	0.65 375	0.84 385	0.65 371	0.81 368	0.70 372	0.79 390	0.71 408	0.83 373	0.70 387

CroCo-Stereo Lap2	0.77 351	1.29 391	0.29 203	1.27 441	0.29 247	1.27 485	0.26 221	1.26 479	0.26 227	1.26 485	0.26 229	1.27 489	0.26 226	1.26 488	0.27 219	1.27 468	0.27 203	1.27 496	0.27 236	1.27 474	0.27 215

PSMNet-RSSM	0.77 351	2.76 486	0.14 127	0.20 137	0.14 159	0.20 164	2.66 559	2.79 550	0.14 159	0.21 172	0.14 163	0.21 169	0.14 160	0.20 161	0.14 153	0.17 143	0.12 113	0.17 155	0.12 149	2.52 528	2.31 551

GwcNet-RSSM	0.77 351	2.77 488	0.14 127	0.20 137	0.14 159	0.20 164	2.67 560	2.78 549	0.14 159	0.20 161	0.14 163	0.20 162	0.14 160	0.21 171	0.14 153	0.17 143	0.12 113	0.17 155	0.12 149	2.52 528	2.31 551

4D-IteraStereo	0.78 354	3.13 499	0.89 390	0.69 320	0.32 269	0.40 256	0.32 257	0.76 371	0.97 433	0.52 340	0.65 387	0.89 398	0.32 270	0.76 378	0.98 427	0.83 373	0.94 400	0.35 254	0.27 236	0.70 352	0.89 413

hitnet-ft	0.79 355	2.78 491	0.14 127	0.20 137	0.14 159	0.21 174	2.89 562	2.80 551	0.14 159	0.20 161	0.14 163	0.20 162	0.14 160	0.20 161	0.14 153	0.17 143	0.12 113	0.17 155	0.12 149	2.54 536	2.33 553

G-Net	0.79 355	0.79 249	0.79 383	0.79 332	0.79 419	0.79 382	0.79 408	0.79 373	0.79 415	0.79 385	0.79 419	0.79 388	0.79 407	0.79 379	0.79 409	0.79 364	0.79 386	0.79 390	0.79 416	0.79 363	0.79 403

MyStereo05	0.80 357	4.12 523	0.63 345	0.63 311	0.61 384	0.62 366	0.66 378	0.65 360	0.62 376	0.67 371	0.61 381	0.65 372	0.58 367	0.67 368	0.55 362	0.60 337	0.57 344	0.64 372	0.55 372	0.72 353	0.55 358

UDG	0.80 357	2.21 447	0.60 338	0.91 346	0.60 379	0.90 393	0.58 369	0.88 384	0.60 373	0.90 393	0.60 377	0.88 396	0.60 369	0.90 394	0.58 364	0.86 377	0.60 349	0.84 401	0.59 380	0.84 374	0.61 367

ccnet	0.80 357	2.28 451	0.33 229	0.50 279	0.33 281	0.50 332	0.33 267	0.50 319	0.33 275	0.49 317	0.33 277	0.49 321	1.56 507	2.38 527	0.33 263	0.41 272	0.29 220	0.42 314	1.57 522	2.28 512	0.29 233

NaN_ROB	0.80 357	0.80 250	0.80 384	0.80 334	0.80 421	0.80 383	0.80 411	0.80 375	0.80 416	0.80 386	0.80 420	0.80 389	0.80 408	0.80 381	0.80 411	0.80 365	0.80 389	0.80 393	0.80 418	0.80 366	0.80 404

CSAN	0.80 357	0.80 250	0.80 384	0.80 334	0.80 421	0.80 383	0.80 411	0.80 375	0.80 416	0.80 386	0.80 420	0.80 389	0.80 408	0.80 381	0.80 411	0.80 365	0.80 389	0.80 393	0.80 418	0.80 366	0.80 404

GSStereo	0.81 362	4.28 529	0.50 316	0.59 304	0.40 322	0.51 344	0.38 303	0.50 319	0.38 303	0.50 330	0.38 309	0.50 336	3.79 574	0.50 327	0.38 295	0.54 325	0.43 298	0.46 325	0.34 293	0.46 297	0.35 282

BSDual-CNN	0.81 362	1.91 425	0.92 397	4.48 548	0.02 21	0.42 292	0.06 109	0.41 265	0.02 21	0.48 310	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 506	4.19 573	0.33 230	0.23 209	0.34 219	0.27 215

DDUNet	0.81 362	2.45 467	0.57 334	0.90 344	0.60 379	0.88 390	0.59 371	0.90 385	0.60 373	0.88 392	0.60 377	0.90 399	0.58 367	0.88 391	0.60 367	0.84 375	0.60 349	0.86 403	0.57 378	0.86 375	0.60 366

R-Stereo Train	0.81 362	0.96 282	0.67 355	0.95 357	0.67 394	0.95 398	0.68 384	0.95 396	0.68 386	0.95 403	0.68 393	0.96 407	0.68 383	0.96 405	0.68 380	0.94 387	0.68 364	0.94 418	0.68 401	0.94 394	0.68 384

RAFT-Stereo	0.81 362	0.96 282	0.67 355	0.95 357	0.67 394	0.95 398	0.68 384	0.95 396	0.68 386	0.95 403	0.68 393	0.96 407	0.68 383	0.96 405	0.68 380	0.94 387	0.68 364	0.94 418	0.68 401	0.94 394	0.68 384
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 367	1.72 409	1.48 500	0.39 210	0.15 170	0.31 216	0.21 192	0.20 162	0.25 214	1.61 497	0.23 210	0.28 207	0.26 226	0.20 161	0.15 163	0.24 185	1.33 487	0.32 222	0.16 170	6.75 584	0.23 190

scenet	0.82 367	1.72 409	1.48 500	0.39 210	0.15 170	0.31 216	0.21 192	0.20 162	0.25 214	1.61 497	0.23 210	0.28 207	0.26 226	0.20 161	0.15 163	0.24 185	1.33 487	0.32 222	0.16 170	6.75 584	0.23 190

ssnet	0.82 367	1.72 409	1.48 500	0.39 210	0.15 170	0.31 216	0.21 192	0.20 162	0.25 214	1.61 497	0.23 210	0.28 207	0.26 226	0.20 161	0.15 163	0.24 185	1.33 487	0.32 222	0.16 170	6.75 584	0.23 190

DEFOM-Stereo_RVC	0.83 370	5.18 540	1.98 540	2.19 486	0.17 183	0.19 159	0.18 179	0.19 156	0.16 173	0.20 161	0.19 196	0.22 177	0.22 204	0.20 161	0.15 163	2.28 523	2.13 542	0.24 194	0.17 190	0.18 157	0.16 161

BUS	0.83 370	1.91 425	0.92 397	4.48 548	0.02 21	0.40 256	0.04 81	0.41 265	0.02 21	0.48 310	0.03 52	0.41 272	0.05 94	0.03 39	0.05 88	1.97 506	4.19 573	0.33 230	0.23 209	0.34 219	0.27 215

PDISCO_ROB	0.83 370	2.80 492	3.49 570	0.14 100	0.11 138	0.17 152	0.09 115	0.15 142	0.10 120	0.15 135	0.12 146	0.16 141	0.14 160	3.30 557	0.13 149	0.14 117	2.34 547	0.16 147	0.12 149	2.62 537	0.10 117

WQFJA1	0.84 373	0.99 288	0.67 355	1.28 444	0.75 408	1.01 407	0.68 384	1.01 402	0.67 383	1.01 409	0.67 390	1.01 414	0.67 380	1.01 413	0.67 375	0.97 389	0.67 360	0.92 410	0.63 385	0.92 384	0.63 371

WQFJX1	0.84 373	0.99 288	0.67 355	1.28 444	0.75 408	1.01 407	0.68 384	1.01 402	0.67 383	1.01 409	0.67 390	1.01 414	0.67 380	1.01 413	0.67 375	0.97 389	0.67 360	0.92 410	0.63 385	0.92 384	0.63 371

NLMM1	0.84 373	0.99 288	0.67 355	1.28 444	0.75 408	1.01 407	0.67 382	1.01 402	0.68 386	1.01 409	0.68 393	1.01 414	0.68 383	1.01 413	0.68 380	0.97 389	0.67 360	0.93 413	0.63 385	0.92 384	0.64 375

AIO-Stereo	0.84 373	0.66 240	0.70 364	0.83 338	0.67 394	0.98 401	0.82 415	1.14 416	0.72 404	1.03 417	0.74 414	1.03 422	1.09 428	0.99 407	0.45 330	1.04 401	0.73 378	0.95 420	0.74 411	0.94 394	0.46 325

DCRE	0.84 373	1.89 422	0.77 379	0.94 355	0.72 404	0.88 390	0.73 401	0.87 381	0.78 412	0.90 393	0.71 408	0.88 396	0.67 380	0.88 391	0.73 401	0.81 368	0.68 364	0.81 395	0.70 405	0.82 371	0.70 387

iGMRVC	0.84 373	2.85 493	0.72 370	0.72 327	0.73 405	0.77 378	0.79 408	0.73 370	0.74 409	0.73 376	0.72 411	0.73 381	0.76 403	0.73 374	0.73 401	0.72 358	0.73 378	0.73 382	0.72 410	0.73 356	0.72 392

NLMM	0.85 379	1.00 293	0.68 361	1.31 448	0.76 411	1.01 407	0.68 384	1.02 407	0.68 386	1.02 415	0.68 393	1.02 420	0.68 383	1.02 419	0.68 380	0.98 393	0.68 364	0.93 413	0.64 389	0.93 388	0.64 375

NLSM3	0.85 379	0.99 288	0.68 361	1.29 447	0.76 411	1.01 407	0.68 384	1.01 402	0.68 386	1.02 415	0.68 393	1.01 414	0.68 383	1.01 413	0.68 380	0.97 389	0.68 364	0.93 413	0.64 389	0.93 388	0.63 371

NLSM1	0.86 381	1.03 307	0.68 361	1.32 450	0.77 414	1.09 421	0.73 401	1.04 410	0.68 386	1.03 417	0.68 393	1.03 422	0.68 383	1.04 421	0.68 380	0.98 393	0.67 360	0.93 413	0.64 389	0.93 388	0.64 375

AdaDepth	0.86 381	0.93 278	0.71 367	1.01 367	1.07 445	1.02 413	0.71 398	1.00 398	0.71 402	1.01 409	0.71 408	1.00 410	0.72 398	1.14 433	0.71 399	0.92 382	0.64 356	0.90 405	0.64 389	0.89 378	0.69 386

GEStereo_RVC	0.86 381	4.45 530	0.20 168	0.27 175	0.20 200	0.27 206	0.20 187	0.26 194	0.18 186	5.03 585	0.20 200	0.27 206	0.19 194	0.27 206	0.21 193	0.20 158	0.19 176	0.19 167	4.02 589	0.20 164	0.18 179

Selective-RAFT-Error	0.88 384	0.84 256	0.98 403	0.86 342	0.97 435	0.88 390	0.95 426	0.84 380	0.99 436	0.92 397	0.82 422	0.84 394	0.98 418	0.87 390	0.97 426	0.81 368	0.83 392	0.79 390	0.82 421	0.79 363	0.85 410

IER	0.88 384	7.04 559	2.23 545	2.75 507	0.28 238	0.43 299	0.25 213	0.39 243	0.25 214	0.41 264	0.27 234	0.39 251	0.25 217	0.40 256	0.28 229	0.37 238	0.28 209	0.37 262	0.25 222	0.37 242	0.25 201

Selective-RAFT	0.89 386	0.89 266	0.72 370	1.16 386	0.78 418	1.06 416	0.82 415	0.87 381	0.97 433	1.00 405	0.91 427	0.90 399	1.00 419	0.89 393	0.93 423	0.83 373	0.83 392	0.82 399	0.82 421	0.81 369	0.82 407

WQFJX	0.90 387	1.05 312	0.92 397	1.36 454	0.77 414	1.19 433	0.81 413	1.03 408	0.77 411	1.04 420	0.69 401	1.02 420	0.69 390	1.16 436	0.70 396	0.99 395	0.68 364	0.93 413	0.64 389	0.93 388	0.64 375

NLCSM	0.91 388	1.00 293	0.83 387	1.62 468	0.77 414	1.16 431	0.68 384	1.03 408	0.68 386	1.01 409	0.68 393	1.01 414	0.68 383	1.01 413	0.68 380	0.99 395	0.74 381	1.02 429	0.90 425	0.95 398	0.83 409

AIO-Stereo-zeroshot	0.91 388	0.86 259	0.89 390	1.25 440	0.69 398	1.05 415	0.81 413	1.16 420	0.50 357	1.12 429	0.97 432	0.72 379	0.82 410	1.06 422	0.95 424	0.61 341	0.87 394	1.03 432	0.85 424	1.04 405	1.01 427

CFNet-RSSM	0.91 388	4.89 536	0.34 239	0.44 253	1.07 445	1.62 502	1.40 515	0.91 387	0.35 287	1.60 494	1.39 515	0.64 369	0.34 283	0.44 293	0.33 263	0.41 272	0.35 255	0.75 385	0.30 265	0.41 280	0.29 233

MLG-Stereo	0.92 391	0.90 269	0.84 388	1.27 441	0.49 360	1.38 492	0.88 418	1.41 489	0.97 433	0.73 376	1.09 440	1.26 488	0.43 330	0.72 372	1.05 434	1.13 412	0.49 323	1.18 444	0.66 396	1.01 402	0.46 325

ToySt	0.92 391	2.11 438	0.90 393	0.95 357	0.79 419	0.99 402	0.78 407	0.94 394	0.81 419	0.94 401	0.78 418	0.95 406	0.77 405	0.94 401	0.86 417	0.91 379	0.79 386	0.85 402	0.77 413	0.89 378	0.73 395

DPSM_ROB	0.92 391	0.91 271	0.91 395	0.91 346	0.92 430	0.92 395	0.92 422	0.92 390	0.91 423	0.93 399	0.91 427	0.92 402	0.90 412	0.91 395	0.92 419	0.92 382	0.91 396	0.91 408	0.92 426	0.93 388	0.93 417

DPSM	0.92 391	0.91 271	0.91 395	0.91 346	0.92 430	0.92 395	0.92 422	0.92 390	0.91 423	0.93 399	0.91 427	0.92 402	0.90 412	0.91 395	0.92 419	0.92 382	0.91 396	0.91 408	0.92 426	0.93 388	0.93 417

pmcnn	0.92 391	0.92 276	0.92 397	0.92 349	0.92 430	0.92 395	0.92 422	0.92 390	0.92 427	0.92 397	0.92 430	0.92 402	0.92 414	0.92 399	0.92 419	0.92 382	0.92 398	0.92 410	0.92 426	0.92 384	0.92 416

error version	0.93 396	4.47 531	2.35 548	1.99 482	0.37 304	0.41 272	0.36 291	0.41 265	0.35 287	0.43 284	0.36 297	0.41 272	0.40 310	0.41 271	0.36 283	1.87 498	2.16 543	0.47 334	0.37 313	0.39 264	0.33 267

test_1	0.93 396	4.47 531	2.35 548	1.99 482	0.37 304	0.41 272	0.36 291	0.41 265	0.35 287	0.43 284	0.36 297	0.41 272	0.40 310	0.41 271	0.36 283	1.87 498	2.16 543	0.47 334	0.37 313	0.39 264	0.33 267

DGTPSM_ROB	0.93 396	1.00 293	0.92 397	0.94 355	0.96 434	0.91 394	0.92 422	0.91 387	0.96 432	0.91 395	0.96 431	0.93 405	0.92 414	0.94 401	0.92 419	0.92 382	0.92 398	0.90 405	0.92 426	0.94 394	0.91 415

HSM-Net_RVC	0.95 399	1.17 329	0.78 380	1.18 388	0.71 402	1.16 431	0.75 404	1.09 414	0.80 416	1.10 423	0.75 415	1.17 437	0.74 400	1.17 437	0.80 411	1.13 412	0.73 378	1.17 441	0.77 413	1.16 414	0.72 392
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 400	3.17 501	2.30 547	2.42 499	0.38 311	0.54 352	0.38 303	0.54 340	0.38 303	0.54 348	0.38 309	0.54 351	0.38 301	0.54 345	0.38 295	2.38 532	2.34 547	0.49 347	0.36 311	0.49 317	0.36 285

DPSimNet_ROB	0.97 400	1.18 331	0.81 386	1.10 373	0.91 429	1.02 413	0.82 415	1.04 410	0.91 423	1.03 417	0.86 423	1.28 490	0.82 410	1.03 420	0.89 418	1.17 415	0.81 391	1.02 429	0.82 421	1.08 407	0.81 406

test-3	0.98 402	4.13 525	1.85 529	1.85 473	0.61 384	0.69 372	0.37 297	0.63 358	0.61 375	0.66 370	0.51 370	0.73 381	0.44 332	0.57 355	0.54 360	1.68 492	1.81 527	0.40 286	0.43 346	0.66 345	0.50 342

Wavelet-MonSter	1.00 403	1.21 381	0.76 377	1.94 477	1.01 440	1.11 426	0.76 405	1.15 417	0.76 410	1.11 428	0.76 416	1.14 434	0.76 403	1.11 430	0.76 407	1.21 464	0.90 395	1.02 429	0.71 408	1.02 404	0.71 391

999	1.00 403	1.12 322	0.59 336	1.10 373	1.21 505	1.09 421	0.52 363	1.08 412	1.43 517	1.18 434	1.35 509	0.98 409	0.52 361	0.91 395	0.85 416	0.72 358	1.46 500	0.83 400	0.98 431	0.68 347	1.41 512

DispNO	1.00 403	0.63 237	0.43 282	3.45 533	0.44 343	0.65 369	0.43 332	0.64 359	0.43 334	0.64 367	0.43 339	0.64 369	3.03 553	0.64 364	0.43 328	4.55 562	0.43 298	0.63 371	0.43 346	0.63 343	0.43 319

GANet	1.00 403	1.00 293	1.00 405	1.00 364	1.00 436	1.00 403	1.00 430	1.00 398	1.00 437	1.00 405	1.00 434	1.00 410	1.00 419	1.00 409	1.00 429	1.00 397	1.00 401	1.00 425	1.00 433	1.00 399	1.00 424

TDLM	1.00 403	1.00 293	1.00 405	1.00 364	1.00 436	1.00 403	1.00 430	1.00 398	1.00 437	1.00 405	1.00 434	1.00 410	1.00 419	1.00 409	1.00 429	1.00 397	1.00 401	1.00 425	1.00 433	1.00 399	1.00 424

CVANet_RVC	1.00 403	1.00 293	1.00 405	1.00 364	1.00 436	1.00 403	1.00 430	1.00 398	1.00 437	1.00 405	1.00 434	1.00 410	1.00 419	1.00 409	1.00 429	1.00 397	1.00 401	1.00 425	1.00 433	1.00 399	1.00 424

trnet	1.01 409	1.01 301	1.01 408	1.01 367	1.01 440	1.01 407	1.01 433	1.01 402	1.01 440	1.01 409	1.01 437	1.01 414	1.01 425	1.01 413	1.01 432	1.01 400	1.01 404	1.01 428	1.01 437	1.01 402	1.01 427

LL-Strereo	1.01 409	5.06 538	1.63 509	0.70 324	1.43 515	0.56 354	0.46 340	0.57 347	0.50 357	0.57 356	0.50 364	1.58 498	0.49 352	0.59 357	0.50 350	1.64 491	0.52 336	0.51 356	1.37 510	0.52 330	0.45 324

FlowAnything_test	1.02 411	1.72 409	0.71 367	1.59 462	0.70 400	1.61 500	0.69 392	1.61 491	0.70 397	1.60 494	0.70 404	1.61 502	0.69 390	1.61 498	0.70 396	0.81 368	0.58 346	0.81 395	0.55 372	0.81 369	0.56 361

FlowAnything	1.02 411	1.71 408	0.72 370	1.59 462	0.69 398	1.60 499	0.69 392	1.61 491	0.70 397	1.60 494	0.69 401	1.60 499	0.69 390	1.61 498	0.69 390	0.81 368	0.58 346	0.81 395	0.56 376	0.82 371	0.56 361

tt45	1.04 413	0.88 263	1.36 490	0.92 349	1.03 443	1.51 498	0.79 408	0.70 367	0.88 421	0.74 381	0.90 424	1.60 499	0.72 398	1.60 496	0.75 405	0.91 379	0.78 385	1.52 508	0.79 416	1.14 410	1.32 504

GLC_STEREO	1.07 414	1.01 301	1.06 410	1.07 371	1.05 444	1.06 416	1.08 437	1.08 412	1.05 443	1.07 421	1.06 439	1.08 425	1.05 427	1.06 422	1.10 436	1.07 403	1.09 414	1.05 433	1.05 438	1.06 406	1.12 434

FC-DCNN	1.07 414	1.09 318	0.98 403	0.89 343	0.52 370	1.41 495	0.91 421	1.21 475	1.24 503	1.96 506	2.05 560	1.91 507	1.30 495	1.27 489	1.08 435	0.80 365	0.60 349	0.58 366	0.41 337	0.68 347	0.54 353

hknet	1.10 416	1.85 418	3.49 570	4.48 548	0.02 21	0.42 292	0.06 109	0.41 265	0.02 21	0.48 310	0.03 52	0.41 272	0.03 52	0.42 284	0.03 48	4.39 559	4.19 573	0.33 230	0.23 209	0.34 219	0.27 215

test_xeample3	1.10 416	1.81 415	0.61 343	0.84 339	0.49 360	0.77 378	0.66 378	0.92 390	1.40 515	0.68 373	0.46 347	0.78 386	0.54 365	1.72 501	1.48 517	1.34 472	1.52 504	1.35 501	1.67 535	1.33 476	1.55 517

DISCO	1.11 418	0.39 161	5.28 583	0.39 210	0.20 200	0.39 254	0.27 224	0.39 243	0.22 200	0.38 238	0.20 200	0.38 246	0.20 198	6.95 596	0.22 195	0.30 206	0.21 181	0.27 206	0.21 200	5.25 577	0.21 185

Occ-G	1.12 419	0.52 220	3.72 575	3.50 537	0.50 364	0.56 354	0.47 345	0.54 340	0.46 340	0.54 348	0.41 327	0.54 351	0.42 327	0.52 341	0.42 325	3.42 553	4.02 572	0.52 359	0.45 348	0.51 328	0.44 322

AEACV	1.12 419	0.52 220	3.12 567	3.24 522	0.86 423	0.53 349	0.49 356	0.60 354	0.47 345	0.53 343	0.49 362	0.55 355	0.45 335	0.55 349	0.47 341	3.01 549	3.88 570	0.71 381	0.60 381	0.80 366	0.48 334

MSMD_ROB	1.19 421	1.10 321	0.70 364	1.10 373	0.60 379	1.10 423	0.70 395	1.10 415	0.70 397	1.10 423	0.70 404	1.10 429	0.70 393	7.00 597	0.70 396	1.10 406	0.70 372	1.10 434	0.70 405	1.10 408	0.70 387

FS-TRT-Baseline	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448
1853532: FS-TRT-Baseline: No-Enhancement Baseline for ETH3D Low-Res Two-View. Technical report (online)
FS-TRT-Harmonizegood	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448
1853532: FS-TRT-Harmonize: Photometric Harmonization for ETH3D Low-Res Two-View. Technical report (online)
MM-Stereo_test2	1.20 422	1.85 418	1.05 409	1.46 459	0.94 433	1.36 490	0.99 429	1.36 484	0.95 430	1.41 490	0.98 433	1.40 495	0.96 416	1.37 491	0.95 424	1.37 477	1.06 407	1.33 498	0.93 430	1.29 475	0.89 413

ours_stereo	1.20 422	1.21 381	0.90 393	1.64 471	1.11 447	1.35 488	0.67 382	1.76 498	0.93 428	1.70 502	1.10 441	1.39 493	0.75 402	1.41 493	0.81 414	1.60 490	1.03 406	1.33 498	1.00 433	1.61 486	0.72 392

DisPM	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

CrosDoStereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

PFNet+	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

LCNet	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

HHNet	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

Patchmatch Stereo++	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

STrans-v2	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

TransformOpticalFlow	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

OMP-Stereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

IIG-Stereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

NF-Stereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

OCTAStereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

PSM-softLoss	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

KMStereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

NRIStereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

PSM-adaLoss	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

PSM-AAD	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

FTStereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

ROB_FTStereo_v2	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

ROB_FTStereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

Consistency-Raft	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

KYRaft	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

HUI-Stereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

ASMatch	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

DeepStereo_LL	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

DEmStereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

SST-Stereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

THIR-Stereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

RAFT_R40	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

DRaft	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

PFNet	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

GrayStereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

RE-Stereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

Pruner-Stereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

TVStereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

DeepStereo_RVC	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

RAFT-RH_RVC	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

IRAFT_RVC	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

RAFT-345	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

iRAFT	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

CRE-IMP	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

GMM-Stereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

RAFT-IKP	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

Prome-Stereo	1.20 422	1.20 333	1.20 425	1.20 390	1.20 457	1.20 434	1.20 448	1.20 428	1.20 453	1.20 436	1.20 450	1.20 439	1.20 440	1.20 439	1.20 450	1.20 417	1.20 429	1.20 446	1.20 450	1.20 423	1.20 448

HCRNet	1.22 471	7.11 560	3.00 555	3.55 538	0.33 281	0.29 210	0.14 154	0.19 156	0.15 169	0.33 222	0.29 246	0.25 194	0.14 160	0.22 175	0.33 263	3.64 554	3.00 551	0.76 387	0.32 281	0.18 157	0.13 152

HBP-ISP	1.24 472	1.72 409	1.65 510	1.15 381	0.76 411	1.40 494	0.88 418	1.67 497	1.02 441	1.69 501	1.38 514	1.69 503	1.21 488	1.87 508	1.21 497	1.05 402	0.79 386	0.97 423	0.80 418	1.19 422	0.75 399

AANet_RVC	1.26 473	0.31 142	4.99 581	5.93 573	0.20 200	0.25 194	0.20 187	0.25 189	0.20 194	0.23 178	0.19 196	0.25 194	0.20 198	0.25 192	0.20 190	5.66 583	4.76 576	0.26 202	0.30 265	0.24 184	0.27 215

MM-Stereo_test3	1.27 474	2.07 434	1.18 420	1.60 465	1.02 442	1.45 496	1.01 433	1.40 488	1.04 442	1.44 491	1.03 438	1.46 497	1.02 426	1.44 494	1.02 433	1.51 486	1.12 421	1.32 497	0.98 431	1.38 479	0.97 420

11t	1.27 474	2.70 478	1.34 480	1.32 450	0.89 425	1.30 487	1.34 505	1.64 494	0.57 369	1.45 492	0.72 411	1.05 424	1.29 494	1.07 425	1.29 506	1.49 483	1.02 405	0.97 423	1.15 443	1.48 481	1.31 503

MaskLacGwcNet_RVC	1.35 476	1.35 396	1.35 482	1.35 453	1.35 509	1.35 488	1.35 506	1.36 484	1.35 511	1.36 488	1.35 509	1.36 491	1.36 500	1.36 490	1.35 510	1.35 473	1.35 492	1.35 501	1.35 507	1.35 477	1.35 508

CC-Net-ROB	1.36 477	1.33 395	1.33 479	1.36 454	1.38 512	1.36 490	1.33 504	1.37 486	1.34 508	1.35 487	1.36 511	1.38 492	1.34 498	1.38 492	1.38 513	1.35 473	1.38 496	1.33 498	1.35 507	1.43 480	1.34 507

CFNet	1.37 478	5.27 543	0.19 165	5.49 570	0.19 197	0.28 207	0.19 183	0.28 198	0.19 192	0.28 203	0.19 196	0.28 207	4.35 582	0.28 210	0.19 187	0.23 178	0.17 166	0.23 186	4.21 591	4.81 568	0.17 175

PS-NSSS	1.38 479	1.39 398	1.34 480	1.34 452	1.35 509	1.38 492	1.37 513	1.35 483	1.38 514	1.34 486	1.34 508	1.39 493	1.38 503	1.70 500	1.40 514	1.36 475	1.36 493	1.36 503	1.37 510	1.37 478	1.36 509

RASNet	1.49 480	1.65 406	1.45 498	1.38 457	1.43 515	1.47 497	1.36 508	1.38 487	1.36 512	1.39 489	1.60 525	1.45 496	1.45 506	1.51 495	2.21 555	1.53 487	1.36 493	1.36 503	1.36 509	1.66 489	1.36 509

GANetREF_RVC	1.55 481	1.94 431	1.22 474	1.88 474	1.21 505	1.88 506	1.22 496	1.88 500	1.22 501	1.88 503	1.22 498	1.88 505	1.22 489	1.89 509	1.22 498	1.87 498	1.22 478	1.88 522	1.22 498	1.88 498	1.22 496
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 482	1.91 425	1.21 473	1.94 477	1.20 457	2.00 514	1.23 497	1.99 505	1.24 503	2.00 511	1.25 501	2.03 515	1.26 491	2.00 513	1.29 506	1.90 502	1.18 428	1.89 523	1.21 497	1.89 499	1.20 448
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 483	1.59 405	1.70 512	1.59 462	1.59 521	1.61 500	1.61 524	1.60 490	1.60 521	1.62 500	1.59 524	1.60 499	1.60 509	1.60 496	1.59 521	1.59 488	1.60 514	1.59 509	1.59 527	1.59 485	1.59 522

ff7	1.68 484	2.68 475	1.35 482	0.97 361	0.89 425	1.84 503	2.15 553	2.12 511	1.80 538	2.05 516	1.56 521	2.33 522	2.12 544	2.23 519	2.25 556	1.31 469	1.07 408	1.48 505	1.41 513	0.90 381	1.04 429

ffff	1.68 484	2.68 475	1.35 482	0.97 361	0.89 425	1.84 503	2.15 553	2.12 511	1.80 538	2.05 516	1.56 521	2.33 522	2.12 544	2.23 519	2.25 556	1.31 469	1.07 408	1.48 505	1.41 513	0.90 381	1.04 429

ccc-4	1.68 484	2.68 475	1.35 482	0.97 361	0.89 425	1.84 503	2.15 553	2.12 511	1.80 538	2.05 516	1.56 521	2.33 522	2.12 544	2.23 519	2.25 556	1.31 469	1.07 408	1.48 505	1.41 513	0.90 381	1.04 429

MC-Stereo	1.76 487	2.96 494	1.37 492	2.14 485	1.37 511	2.14 520	1.36 508	2.14 514	1.37 513	2.14 520	1.37 512	2.14 517	1.37 502	2.14 518	1.37 512	1.97 506	1.32 480	1.97 525	1.32 506	1.98 500	1.33 505

IGEVStereo-DCA	1.77 488	4.21 527	1.84 527	2.49 502	2.11 554	2.54 540	1.36 508	1.65 495	1.17 450	2.75 549	1.90 543	2.54 535	1.15 433	0.94 401	1.11 437	1.50 484	1.32 480	0.96 421	1.46 519	1.49 482	0.88 411

rrr	1.77 488	4.21 527	1.84 527	2.49 502	2.11 554	2.54 540	1.36 508	1.65 495	1.17 450	2.75 549	1.90 543	2.54 535	1.15 433	0.94 401	1.11 437	1.50 484	1.32 480	0.96 421	1.46 519	1.49 482	0.88 411

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

MFMNet_re	1.81 491	1.91 425	1.71 514	1.95 479	1.70 532	1.95 511	1.70 529	1.96 503	1.74 534	1.97 508	1.72 533	1.95 508	1.71 517	1.97 512	1.71 529	1.86 496	1.62 515	1.85 515	1.66 534	1.86 497	1.64 528

plain	1.88 492	3.16 500	0.64 347	3.10 517	0.65 390	3.10 555	0.64 375	3.12 554	0.65 380	3.10 555	0.65 387	3.11 555	0.65 375	3.12 554	0.65 371	3.12 550	0.65 358	3.13 555	0.65 394	3.13 540	0.65 380

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

MonStereo1	1.94 494	2.77 488	1.52 505	3.73 545	1.51 518	2.13 519	1.42 518	2.32 524	1.52 519	2.31 528	1.50 519	2.53 532	1.59 508	2.34 526	1.56 519	1.91 503	1.36 493	1.86 518	1.31 505	2.07 502	1.53 515

4.25w-stereo	1.98 495	2.72 482	1.46 499	3.47 534	1.43 515	2.07 517	1.98 544	2.53 536	1.52 519	2.71 542	1.98 555	1.81 504	1.62 511	1.96 511	1.36 511	1.88 501	2.00 532	2.53 549	1.61 529	1.74 493	1.15 439

4.5w-stereo	1.99 496	2.33 455	1.81 518	3.28 524	1.68 528	1.94 508	1.99 547	2.72 539	1.70 526	2.72 543	1.99 558	1.97 510	1.68 513	1.76 502	1.29 506	1.91 503	2.02 538	2.53 549	1.61 529	1.75 494	1.16 442

2.75w_new	1.99 496	2.34 459	1.81 518	3.14 518	1.62 523	1.94 508	1.99 547	2.72 539	1.71 527	2.72 543	1.99 558	1.90 506	1.73 519	1.82 507	1.29 506	2.37 531	2.01 534	2.31 536	1.42 516	1.77 495	1.22 496

3.75w	1.99 496	2.31 453	1.83 526	3.16 520	1.65 525	1.93 507	1.98 544	2.72 539	1.68 523	2.73 548	1.97 549	2.00 512	1.72 518	1.81 506	1.25 502	2.27 522	2.01 534	2.38 541	1.42 516	1.71 491	1.24 499

2w_stereo	1.99 496	2.36 462	1.81 518	3.24 522	1.67 526	1.94 508	1.98 544	2.72 539	1.68 523	2.72 543	1.94 546	1.98 511	1.74 521	1.79 505	1.27 503	1.95 505	2.00 532	2.53 549	1.60 528	1.68 490	1.15 439

2.25w	2.00 500	1.86 420	1.98 540	2.95 515	2.17 558	2.26 521	1.35 506	2.42 530	2.00 556	2.07 519	1.27 503	2.53 532	1.99 539	2.29 523	1.49 518	2.21 517	1.32 480	1.85 515	1.87 547	2.52 528	1.62 526

4.25_new	2.00 500	2.33 455	1.82 523	3.32 527	1.69 529	1.95 511	1.99 547	2.72 539	1.71 527	2.72 543	1.97 549	2.01 513	1.74 521	1.77 503	1.28 504	2.18 514	2.01 534	2.48 547	1.58 525	1.65 487	1.17 443

4.5w_new	2.00 500	2.33 455	1.82 523	3.32 527	1.69 529	1.95 511	1.99 547	2.72 539	1.71 527	2.72 543	1.97 549	2.01 513	1.74 521	1.77 503	1.28 504	2.18 514	2.01 534	2.48 547	1.58 525	1.65 487	1.17 443

4.5_new	2.00 500	1.84 417	1.98 540	2.77 509	2.16 556	2.27 522	1.28 503	2.09 510	1.98 553	2.01 512	1.28 504	2.71 544	1.98 537	2.51 535	1.65 524	2.26 519	1.33 487	1.87 519	1.87 547	2.49 524	1.60 523

TRStereo	2.00 500	2.13 439	1.85 529	2.27 491	1.84 537	2.28 524	1.84 533	2.29 519	1.86 543	2.30 525	1.87 538	2.30 519	1.87 527	2.08 515	1.72 531	2.08 511	1.72 521	2.08 528	1.72 540	2.08 503	1.72 533

XX-Stereo	2.00 500	2.13 439	1.85 529	2.27 491	1.84 537	2.28 524	1.84 533	2.29 519	1.86 543	2.30 525	1.87 538	2.30 519	1.87 527	2.08 515	1.72 531	2.08 511	1.72 521	2.08 528	1.72 540	2.08 503	1.72 533

EAI-Stereo	2.00 500	2.13 439	1.85 529	2.27 491	1.84 537	2.28 524	1.84 533	2.29 519	1.86 543	2.30 525	1.87 538	2.30 519	1.87 527	2.08 515	1.72 531	2.08 511	1.72 521	2.08 528	1.72 540	2.08 503	1.72 533

2.5w	2.01 507	2.40 464	1.37 492	3.28 524	2.01 548	2.71 545	1.43 521	1.82 499	1.83 541	1.90 505	1.41 516	2.71 544	1.35 499	2.71 544	1.85 542	2.66 543	1.53 505	1.64 510	1.23 499	2.53 531	1.87 542

4w-stereo	2.02 508	2.72 482	1.44 497	3.36 530	1.59 521	2.48 533	1.72 530	2.28 517	1.24 503	2.24 523	1.65 529	2.56 537	1.32 497	2.39 529	1.98 552	2.67 545	1.51 503	1.66 511	1.24 500	2.53 531	1.88 545

IGEV	2.02 508	2.20 445	1.82 523	2.90 514	2.16 556	2.41 530	1.25 499	2.00 506	1.98 553	1.99 510	1.31 506	2.72 548	1.93 533	2.67 543	1.69 528	2.26 519	1.32 480	1.83 514	1.87 547	2.53 531	1.61 525

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

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

UniTT-Stereo	2.03 510	3.43 506	0.72 370	3.42 532	0.73 405	3.27 558	0.68 384	3.38 558	0.69 394	3.29 558	0.72 411	3.28 558	0.70 393	3.35 559	0.68 380	3.39 552	0.68 364	3.31 557	0.69 403	3.37 541	0.73 395

3.25w	2.04 513	2.20 445	1.48 500	3.03 516	2.17 558	2.63 544	1.39 514	1.96 503	1.95 552	1.96 506	1.37 512	2.71 544	1.96 536	2.71 544	1.73 536	2.26 519	1.32 480	1.87 519	1.87 547	2.51 527	1.63 527

3w_stereo	2.04 513	2.24 449	1.70 512	3.15 519	2.18 560	2.49 534	1.26 501	2.03 508	1.98 553	1.98 509	1.33 507	2.72 548	1.99 539	2.59 538	1.72 531	2.22 518	1.33 487	1.85 515	1.88 552	2.50 526	1.58 521

1w_stereo	2.05 515	2.32 454	1.35 482	3.74 546	2.01 548	2.73 548	1.42 518	1.88 500	1.93 551	2.03 514	1.28 504	2.71 544	1.99 539	2.72 546	1.72 531	2.20 516	1.32 480	1.87 519	1.86 546	2.45 520	1.54 516

sCroCo_RVC	2.10 516	2.76 486	1.92 537	2.78 512	1.39 513	2.73 548	1.41 516	2.73 545	1.40 515	2.77 554	1.41 516	2.74 550	1.40 504	2.74 549	1.40 514	2.72 547	1.42 498	2.72 553	1.44 518	2.79 538	1.42 513

MoCha-V2	2.11 517	26.97 602	0.78 380	0.92 349	0.77 414	0.96 400	0.72 400	0.90 385	0.72 404	0.94 401	0.70 404	0.90 399	0.71 397	0.91 395	0.71 399	0.85 376	0.71 376	0.88 404	0.69 403	0.87 376	0.67 383

FBW_ROB	2.12 518	2.46 468	1.77 517	2.49 502	1.79 536	2.38 528	1.83 532	2.46 531	1.78 537	2.48 536	1.97 549	2.40 527	1.78 524	2.42 532	1.83 540	2.31 527	1.85 529	2.38 541	1.82 545	2.35 515	1.84 538

MonStereo	2.17 519	2.41 465	1.49 504	2.67 506	1.67 526	2.60 543	2.04 551	2.32 524	1.76 535	2.44 533	1.68 531	2.50 530	1.69 515	2.38 527	1.80 539	2.28 523	1.78 524	2.63 552	2.14 555	3.47 542	1.68 531

asda	2.17 519	2.54 469	1.81 518	3.47 534	1.78 535	2.50 536	1.86 537	2.61 538	1.68 523	2.61 540	1.83 535	2.37 526	1.73 519	2.44 533	1.88 547	2.51 540	1.84 528	2.34 538	1.62 531	2.23 508	1.77 537

asd	2.18 521	2.77 488	1.58 507	3.59 539	2.00 547	2.58 542	1.85 536	2.39 529	1.71 527	2.47 535	1.97 549	2.59 539	1.61 510	2.56 536	1.79 538	2.51 540	1.99 531	2.11 531	1.62 531	2.36 516	1.60 523

qwe	2.18 521	2.60 472	1.58 507	3.83 547	1.90 545	2.53 538	1.90 542	2.48 532	1.73 532	2.37 531	1.92 545	2.53 532	1.68 513	2.56 536	1.83 540	2.52 542	1.87 530	2.07 527	1.68 537	2.32 514	1.71 532

monsters	2.18 521	2.41 465	1.96 539	3.47 534	2.03 552	2.53 538	1.64 526	2.48 532	1.73 532	2.40 532	1.50 519	2.62 540	1.94 534	2.59 538	1.94 549	2.44 535	1.57 509	2.28 534	1.87 547	2.42 518	1.86 540

AIO_rvc	2.18 521	2.34 459	1.87 533	2.32 495	1.94 546	2.40 529	1.89 541	2.37 527	2.07 558	2.52 538	1.95 548	2.44 529	1.99 539	2.41 530	1.89 548	2.32 528	2.09 540	2.24 532	2.18 556	2.21 507	2.23 549

HUF	2.18 521	2.30 452	1.99 543	2.34 497	2.02 551	2.41 530	2.06 552	2.38 528	1.89 549	2.36 530	1.85 536	2.56 537	1.98 537	2.31 525	1.97 551	2.30 526	2.03 539	2.30 535	2.11 554	2.23 508	2.16 547

AIO_test	2.18 521	2.09 437	2.04 544	2.42 499	2.01 548	2.47 532	1.94 543	2.34 526	2.03 557	2.56 539	1.94 546	2.43 528	1.94 534	2.41 530	1.87 546	2.39 533	2.10 541	2.35 540	1.91 553	2.25 510	2.19 548

monsterstereo	2.20 527	2.33 455	1.95 538	3.65 541	2.07 553	2.49 534	1.61 524	2.48 532	1.83 541	2.45 534	1.61 527	2.67 543	1.86 526	2.64 540	1.94 549	2.48 539	1.66 518	2.34 538	1.68 537	2.40 517	1.86 540

LG-G_1	2.22 528	2.71 480	1.89 534	2.77 509	1.87 543	2.75 550	1.87 539	2.76 547	1.87 547	2.75 549	1.87 538	2.76 551	1.87 527	2.75 550	1.86 543	2.47 537	1.58 510	2.45 544	1.57 522	2.45 520	1.57 519

LG-G	2.22 528	2.71 480	1.89 534	2.77 509	1.87 543	2.75 550	1.87 539	2.76 547	1.87 547	2.75 549	1.87 538	2.76 551	1.87 527	2.75 550	1.86 543	2.47 537	1.58 510	2.45 544	1.57 522	2.45 520	1.57 519

LGtest1	2.22 528	2.70 478	1.89 534	2.76 508	1.86 540	2.75 550	1.86 537	2.75 546	1.86 543	2.75 549	1.86 537	2.77 553	1.87 527	2.75 550	1.86 543	2.46 536	1.58 510	2.45 544	1.56 521	2.45 520	1.56 518

RAStereo	2.23 531	3.64 509	0.76 377	3.65 541	0.86 423	3.66 562	0.76 405	3.67 562	0.81 419	3.66 559	0.76 416	3.66 560	0.77 405	3.68 561	0.77 408	3.68 555	0.77 384	3.69 562	0.77 413	3.70 544	0.77 402

UDGNet	2.23 531	5.40 548	1.72 515	2.48 501	1.69 529	2.51 537	1.69 528	2.51 535	1.72 531	2.50 537	1.69 532	2.52 531	1.69 515	2.50 534	1.68 527	2.41 534	1.70 520	2.42 543	1.69 539	2.42 518	1.64 528

NCCL2	2.28 533	2.27 450	2.28 546	2.28 494	2.28 561	2.27 522	2.29 556	2.28 517	2.28 559	2.27 524	2.28 561	2.28 518	2.27 547	2.27 522	2.28 560	2.28 523	2.28 546	2.27 533	2.29 560	2.27 511	2.29 550

Abc-Net	2.32 534	24.75 594	1.14 414	1.17 387	1.17 454	1.11 426	1.15 442	1.17 422	1.21 500	1.08 422	1.16 445	1.12 433	1.14 432	1.09 426	1.17 445	1.09 404	1.16 424	1.17 441	1.17 446	1.16 414	1.11 432
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 535	25.00 595	1.13 413	1.15 381	1.15 449	1.10 423	1.15 442	1.15 417	1.15 445	1.12 429	1.15 442	1.09 427	1.13 430	1.10 428	1.15 441	1.11 411	1.09 414	1.16 437	1.12 441	1.16 414	1.17 443

stereogan	2.33 535	24.38 593	1.18 420	1.18 388	1.18 456	1.14 429	1.18 446	1.19 425	1.19 452	1.14 432	1.18 449	1.14 434	1.18 438	1.14 433	1.18 446	1.14 414	1.14 422	1.19 445	1.19 447	1.15 412	1.19 447

RGC	2.36 537	25.48 596	1.19 422	1.15 381	1.15 449	1.10 423	1.16 444	1.17 422	1.16 446	1.12 429	1.16 445	1.11 432	1.13 430	1.09 426	1.18 446	1.10 406	1.15 423	1.16 437	1.12 441	1.14 410	1.12 434

NCC-stereo	2.36 537	25.52 597	1.17 418	1.15 381	1.17 454	1.11 426	1.11 438	1.15 417	1.16 446	1.10 423	1.16 445	1.10 429	1.15 433	1.14 433	1.13 439	1.09 404	1.11 418	1.15 436	1.16 445	1.17 419	1.17 443

AF-Net	2.37 539	25.71 598	1.17 418	1.13 378	1.15 449	1.15 430	1.18 446	1.19 425	1.16 446	1.10 423	1.15 442	1.10 429	1.18 438	1.12 432	1.15 441	1.10 406	1.10 417	1.17 441	1.15 443	1.16 414	1.12 434

Nwc_Net	2.37 539	25.95 599	1.15 416	1.14 379	1.15 449	1.08 419	1.14 441	1.17 422	1.16 446	1.14 432	1.15 442	1.08 425	1.15 433	1.11 430	1.14 440	1.10 406	1.11 418	1.16 437	1.09 440	1.16 414	1.15 439

CFNet_RVC	2.38 541	8.71 571	0.38 255	9.33 589	0.42 340	0.56 354	0.42 330	0.60 354	0.38 303	0.62 364	0.42 337	0.56 358	7.29 594	0.62 359	0.42 325	0.53 324	0.37 260	0.49 347	0.34 293	8.30 591	6.87 596

edge stereo	2.43 542	27.07 603	1.14 414	1.06 370	1.14 448	1.08 419	1.17 445	1.16 420	1.14 444	1.10 423	1.16 445	1.09 427	1.16 437	1.10 428	1.16 444	1.10 406	1.11 418	1.16 437	1.19 447	1.13 409	1.11 432

FAT-Stereo	2.46 543	26.05 600	1.23 476	1.23 439	1.22 507	1.20 434	1.24 498	1.23 478	1.23 502	1.19 435	1.22 498	1.21 486	1.24 490	1.20 439	1.24 499	1.21 464	1.17 427	1.22 494	1.25 502	1.20 423	1.24 499

S-Stereo	2.51 544	26.86 601	1.23 476	1.22 437	1.22 507	1.24 484	1.25 499	1.22 476	1.24 503	1.21 483	1.24 500	1.19 438	1.27 492	1.19 438	1.24 499	1.19 416	1.20 429	1.25 495	1.19 447	1.24 473	1.23 498

Anonymous3	2.55 545	3.26 503	1.65 510	3.28 524	1.63 524	3.24 557	1.68 527	3.27 556	1.66 522	3.28 557	1.67 530	3.25 557	1.66 512	3.27 556	1.64 523	3.26 551	1.65 517	3.30 556	1.65 533	4.95 573	1.65 530

MIF-Stereo (partial)	2.58 546	3.31 504	0.66 351	3.18 521	0.66 393	3.18 556	0.66 378	3.21 555	0.67 383	3.19 556	0.66 389	3.19 556	0.66 378	3.31 558	0.68 380	5.09 579	1.79 526	8.23 598	1.67 535	6.18 582	1.38 511

MSMDNet	2.65 547	10.14 582	0.33 229	9.74 592	0.32 269	0.87 389	0.33 267	2.95 553	0.68 386	0.49 317	0.34 285	0.49 321	5.70 589	0.49 320	0.33 263	0.42 286	9.57 595	0.41 303	0.31 275	8.36 592	0.65 380

pcwnet_v2	2.66 548	9.89 580	0.33 229	9.89 593	0.32 269	0.50 332	0.32 257	0.49 311	0.33 275	0.49 317	0.34 285	0.49 321	8.76 596	0.48 314	0.33 263	0.41 272	9.58 596	0.40 286	0.29 251	9.01 595	0.63 371

CFNet_pseudo	2.67 549	9.36 576	0.32 224	10.99 598	0.33 281	0.85 387	0.33 267	0.49 311	0.33 275	0.49 317	0.32 270	0.49 321	7.26 593	0.49 320	0.33 263	0.41 272	9.62 597	0.41 303	0.29 251	10.03 599	0.29 233

CFNet_ucs	2.73 550	9.64 578	0.33 229	9.92 594	0.32 269	0.49 324	0.33 267	0.49 311	0.33 275	0.49 317	0.33 277	0.49 321	8.98 597	0.48 314	0.33 263	0.41 272	9.96 600	0.40 286	0.29 251	10.12 600	0.54 353

UCFNet_RVC	2.75 551	10.06 581	0.29 203	10.31 597	0.29 247	0.42 292	0.29 241	0.43 289	0.29 242	0.42 278	0.29 246	0.42 290	9.87 599	0.43 290	0.29 239	0.36 234	9.84 599	0.36 259	0.26 228	9.77 598	0.26 207

ccs_rob	2.79 552	10.17 583	0.32 224	10.00 595	0.33 281	0.49 324	0.33 267	1.90 502	0.32 268	0.51 337	0.33 277	0.49 321	9.24 598	0.49 320	0.33 263	0.41 272	9.82 598	0.41 303	0.28 241	9.34 596	0.29 233

PCWNet_CMD	2.80 553	9.82 579	0.32 224	10.09 596	0.32 269	0.49 324	0.33 267	3.34 557	0.33 275	0.49 317	0.33 277	0.49 321	8.73 595	0.48 314	0.33 263	0.41 272	9.22 594	0.42 314	0.29 251	9.55 597	0.31 255

StereoVision	3.15 554	5.00 537	0.89 390	4.83 563	1.00 436	3.93 563	1.27 502	6.37 591	1.34 508	5.67 591	1.26 502	5.84 592	1.27 492	5.03 588	1.24 499	5.10 580	1.09 414	4.61 574	0.57 378	5.62 580	1.12 434

MaDis-Stereo	3.19 555	6.02 558	1.12 412	5.61 572	1.16 453	5.43 589	1.02 435	5.15 588	0.70 397	5.43 588	1.21 497	5.03 589	0.97 417	4.85 582	0.99 428	4.53 561	1.16 424	5.53 590	1.25 502	5.37 578	1.30 502

sAnonymous2	3.31 556	2.63 473	1.38 494	3.71 543	1.86 540	4.70 581	1.11 438	4.82 584	2.72 562	5.45 589	1.98 555	4.59 574	2.64 549	2.65 541	6.21 594	4.37 557	1.08 412	5.16 588	2.24 558	4.52 555	2.39 555

CroCo_RVC	3.31 556	2.63 473	1.38 494	3.71 543	1.86 540	4.70 581	1.11 438	4.82 584	2.72 562	5.45 589	1.98 555	4.59 574	2.64 549	2.65 541	6.21 594	4.37 557	1.08 412	5.16 588	2.24 558	4.52 555	2.39 555

DPSNet	3.66 558	3.60 508	3.62 573	3.63 540	3.64 584	3.65 561	3.65 583	3.66 561	3.67 580	3.67 560	3.65 581	3.67 561	3.66 569	3.66 560	3.68 578	3.68 555	3.66 568	3.67 561	3.68 584	3.67 543	3.67 581

STTStereo	3.73 559	30.40 607	2.37 550	2.39 498	2.31 563	2.35 527	2.33 557	2.29 519	2.42 560	2.32 529	2.34 562	2.33 522	2.36 548	2.30 524	2.27 559	2.35 530	2.22 545	2.31 536	2.22 557	2.29 513	2.34 554

rvit_105_1	3.83 560	5.22 541	3.01 556	4.53 551	3.01 566	4.51 569	3.01 564	4.56 571	3.04 565	4.53 570	3.03 566	4.55 572	3.03 553	4.56 571	3.04 562	4.57 563	3.05 552	4.57 569	3.05 567	4.57 557	3.05 563

rvit_stereo_0081	3.83 560	5.23 542	3.01 556	4.53 551	3.03 568	4.55 575	3.02 565	4.56 571	3.04 565	4.52 568	3.02 564	4.54 570	3.03 553	4.56 571	3.04 562	4.57 563	3.05 552	4.57 569	3.05 567	4.58 558	3.05 563

rvit_stereo_0081_aga	3.86 562	5.33 545	3.02 559	4.55 557	3.04 572	4.54 571	3.02 565	4.64 578	3.06 569	4.54 572	3.04 568	4.62 579	3.08 560	4.62 577	3.07 567	4.58 566	3.06 556	4.60 573	3.08 571	4.63 561	3.07 567

rvit_stereo_0082	3.86 562	5.82 556	3.01 556	4.53 551	3.03 568	4.54 571	3.02 565	4.56 571	3.04 565	4.53 570	3.02 564	4.55 572	3.04 556	4.57 574	3.05 564	4.57 563	3.05 552	4.58 571	3.05 567	4.58 558	3.06 566

rvit_0105_6	3.87 564	5.73 555	3.10 566	4.69 561	3.12 576	4.54 571	3.02 565	4.56 571	3.04 565	4.54 572	3.03 566	4.54 570	3.04 556	4.56 571	3.05 564	4.58 566	3.05 552	4.58 571	3.05 567	4.58 558	3.05 563

rvit_stereo_0080	3.89 565	5.70 553	3.04 561	4.54 554	3.03 568	4.56 576	3.05 571	4.60 575	3.07 570	4.58 575	3.06 569	4.59 574	3.06 558	4.61 575	3.08 568	4.63 568	3.09 557	4.64 575	3.10 572	4.65 562	3.10 570

whm_eth	3.89 565	5.70 553	3.04 561	4.54 554	3.03 568	4.56 576	3.05 571	4.60 575	3.07 570	4.58 575	3.06 569	4.59 574	3.06 558	4.61 575	3.08 568	4.63 568	3.09 557	4.64 575	3.10 572	4.65 562	3.10 570

rvit_0105_4	3.91 567	5.47 552	3.02 559	4.54 554	3.02 567	4.54 571	3.03 569	4.75 581	3.17 576	4.57 574	3.06 569	4.61 578	3.16 564	4.65 578	3.09 570	4.66 570	3.11 559	4.68 578	3.18 577	4.81 568	3.16 575

rvit_0105_3	3.91 567	5.33 545	3.06 564	4.60 559	3.07 574	4.60 578	3.06 573	4.62 577	3.08 573	4.60 577	3.07 572	4.62 579	3.08 560	4.67 579	3.10 571	4.70 571	3.11 559	4.77 582	3.19 578	4.77 567	3.14 574

rvit_stereo_0083	3.92 569	5.30 544	3.06 564	4.61 560	3.09 575	4.67 580	3.08 574	4.66 579	3.09 574	4.62 578	3.10 574	4.66 582	3.11 562	4.67 579	3.16 573	4.72 573	3.16 562	4.77 582	3.11 574	4.66 564	3.11 572

rvit_stereo_ft	3.93 570	5.44 550	3.05 563	4.59 558	3.06 573	4.61 579	3.08 574	4.67 580	3.12 575	4.63 579	3.10 574	4.65 581	3.11 562	4.69 581	3.13 572	4.70 571	3.14 561	4.71 580	3.15 576	4.74 565	3.16 575

rvit_0105_5	4.10 571	5.40 548	3.13 569	4.71 562	3.15 577	4.72 583	3.10 576	4.90 586	3.27 577	4.69 580	3.16 576	4.84 586	3.25 565	4.96 585	3.34 575	5.05 578	3.39 567	5.10 587	3.40 579	5.11 575	3.42 578

MLG-Stereo_test1	4.25 572	5.34 547	3.61 572	5.31 568	3.63 583	5.23 587	3.57 581	5.38 589	3.65 579	5.23 586	3.47 578	4.76 583	3.74 572	4.85 582	3.71 579	4.96 575	3.18 564	4.71 580	2.92 564	4.86 571	2.90 560

MLG-Stereo_test3	4.26 573	4.85 535	3.95 576	5.35 569	3.60 582	4.75 584	3.76 584	5.49 590	3.71 581	5.39 587	3.69 582	4.82 585	3.66 569	4.85 582	3.73 582	4.93 574	3.19 565	4.69 579	2.99 566	4.84 570	2.98 562

MLG-Stereo_test2	4.28 574	5.46 551	3.69 574	4.86 564	3.72 585	5.58 590	3.42 579	4.81 583	3.77 585	4.85 582	3.72 583	5.55 591	3.63 568	5.58 589	3.53 577	4.41 560	3.28 566	4.99 586	2.95 565	4.75 566	3.13 573

RAFT+CT+SA	4.28 574	7.62 564	4.91 580	5.55 571	2.28 561	3.09 554	3.64 582	4.49 569	3.07 570	4.80 581	3.35 577	4.77 584	3.70 571	4.29 568	3.05 564	5.58 582	5.98 583	3.58 560	3.78 586	4.26 551	3.72 582

SA	4.33 576	7.35 561	6.85 591	5.96 574	4.09 589	3.59 560	3.15 577	3.82 563	2.64 561	3.91 561	3.85 584	3.57 559	2.72 551	3.13 555	4.03 585	7.09 593	6.86 588	3.57 559	3.12 575	3.85 545	3.51 580

Sa-1000	4.34 577	8.37 567	6.84 590	6.98 581	4.45 592	3.58 559	3.00 563	3.42 559	3.39 578	2.61 540	4.00 587	3.83 563	4.01 580	3.90 563	3.90 583	5.98 586	5.62 581	3.76 563	2.34 561	4.35 553	2.47 557

TestStereo1	4.60 578	8.41 568	6.44 588	6.86 579	3.79 586	3.97 564	3.78 585	3.99 565	3.74 582	3.97 562	3.52 579	3.94 564	3.58 566	3.98 564	3.72 580	6.82 590	6.50 586	3.76 563	3.66 582	3.90 546	3.74 584

SA-5K	4.60 578	8.41 568	6.44 588	6.86 579	3.79 586	3.97 564	3.78 585	3.99 565	3.74 582	3.97 562	3.52 579	3.94 564	3.58 566	3.98 564	3.72 580	6.82 590	6.50 586	3.76 563	3.66 582	3.90 546	3.74 584

DispFullNet	4.61 580	4.84 534	3.12 567	5.00 566	3.57 581	4.75 584	3.03 569	7.75 597	4.17 589	4.91 584	3.09 573	6.20 593	3.95 578	6.71 593	3.51 576	5.30 581	3.67 569	5.86 594	3.63 581	5.61 579	3.46 579

test_5	4.62 581	7.55 563	6.23 586	6.32 576	3.40 580	5.29 588	3.50 580	3.53 560	4.11 588	4.28 565	4.47 591	4.26 568	4.38 583	3.68 561	3.24 574	5.89 584	5.60 580	4.84 584	3.50 580	4.33 552	3.93 588

raft_robust	4.71 582	7.75 565	5.40 585	6.81 578	3.31 578	4.28 568	4.20 590	4.32 568	4.37 591	4.35 567	4.35 590	4.14 566	3.75 573	4.30 569	4.20 588	6.67 589	6.37 584	3.36 558	4.24 592	4.86 571	3.25 577

cross-raft	4.83 583	7.52 562	6.43 587	6.63 577	3.96 588	4.51 569	3.99 588	4.49 569	3.96 587	4.52 568	3.96 586	4.50 569	3.97 579	4.50 570	3.97 584	6.65 588	6.44 585	4.33 566	3.92 588	4.35 553	3.91 587

test_4	4.88 584	8.13 566	6.98 592	7.46 582	4.44 591	4.25 567	3.85 587	4.04 567	3.92 586	4.13 564	3.91 585	4.18 567	3.84 576	4.14 566	4.06 586	7.01 592	7.13 589	4.53 567	3.72 585	4.09 549	3.72 582

TestStereo	4.88 584	4.75 533	4.79 579	4.87 565	4.92 593	4.81 586	4.90 593	4.78 582	4.77 592	4.87 583	4.89 592	4.90 587	4.91 585	4.99 586	4.79 590	4.98 576	4.87 577	4.87 585	4.92 594	5.00 574	5.00 591

test_3	5.01 586	8.86 573	7.77 594	8.09 584	2.76 565	4.13 566	4.05 589	3.88 564	3.76 584	4.33 566	4.13 588	3.71 562	3.91 577	4.21 567	4.06 586	7.93 594	7.69 591	4.53 567	3.91 587	4.17 550	4.29 590

NLCA_NET_v2_RVC	5.04 587	50.87 617	2.78 554	2.87 513	2.71 564	2.78 553	0.47 345	2.88 552	2.86 564	1.89 504	2.67 563	2.79 554	2.79 552	2.78 553	2.83 561	2.82 548	2.82 550	2.83 554	2.77 563	2.83 539	2.76 558
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
FC-DCNN v2	5.10 588	5.15 539	4.49 578	5.07 567	3.37 579	6.87 593	4.75 592	5.04 587	6.34 596	7.84 597	5.06 593	6.72 597	4.09 581	4.99 586	5.44 593	5.03 577	3.16 562	4.67 577	4.86 593	5.15 576	3.89 586

U	5.15 589	8.49 570	1.81 518	8.49 586	1.77 534	8.49 598	1.77 531	8.51 599	1.77 536	8.49 599	1.77 534	8.50 599	1.78 524	8.58 599	1.77 537	8.54 597	1.78 524	8.55 599	1.78 544	8.55 593	1.84 538

SGM-Forest	5.21 590	5.92 557	4.08 577	6.18 575	4.16 590	6.31 592	4.34 591	6.50 592	4.33 590	6.14 593	4.21 589	6.61 596	4.55 584	6.67 592	4.48 589	5.94 585	3.94 571	5.85 593	4.03 590	5.79 581	4.17 589
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 591	9.16 575	8.03 597	8.09 584	5.62 596	6.11 591	6.35 596	6.85 594	4.94 593	6.08 592	6.29 598	4.98 588	6.43 590	6.22 590	6.36 596	6.16 587	7.47 590	5.82 592	5.44 597	7.11 587	5.68 594

rvit_stereo_0075_2	6.64 592	8.80 572	5.25 582	7.89 583	5.27 595	7.90 597	5.27 594	7.92 598	5.28 594	7.91 598	5.29 595	7.93 598	5.27 586	7.92 598	5.28 591	7.93 594	5.28 579	7.93 597	5.29 596	7.93 590	5.28 593

RAFT	6.73 593	9.36 576	7.40 593	8.51 587	6.55 597	6.88 594	6.60 597	6.79 593	6.60 597	6.80 594	6.72 599	5.31 590	5.50 588	6.61 591	6.61 597	8.42 596	5.89 582	5.73 591	5.45 598	6.61 583	6.24 595

SGM+DAISY	7.06 594	9.15 574	5.38 584	8.84 588	5.18 594	8.80 599	5.31 595	8.79 600	5.28 594	8.89 600	5.20 594	8.93 600	5.33 587	8.95 600	5.36 592	8.70 598	5.21 578	8.74 600	5.20 595	8.89 594	5.15 592

test-v	7.53 595	11.89 584	7.98 595	9.36 590	7.14 598	7.06 595	7.09 598	7.37 595	6.91 598	7.29 595	5.71 596	6.45 594	6.93 591	6.73 594	7.27 598	8.93 599	7.85 592	6.98 595	6.80 599	7.56 588	7.34 597

test-2	7.53 595	11.89 584	7.98 595	9.36 590	7.14 598	7.06 595	7.09 598	7.37 595	6.91 598	7.29 595	5.71 596	6.45 594	6.93 591	6.73 594	7.27 598	8.93 599	7.85 592	6.98 595	6.80 599	7.56 588	7.34 597

PA-Net	11.80 597	223.51 624	0.62 344	0.59 304	0.71 402	0.59 362	0.73 401	0.67 363	0.73 407	0.55 351	0.61 381	0.60 365	0.74 400	0.63 363	0.73 401	0.66 350	0.60 349	0.69 378	0.66 396	0.72 353	0.65 380
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 598	23.00 592	15.00 598	23.00 605	15.00 600	24.00 606	16.00 600	24.00 607	16.00 600	22.00 607	15.00 600	23.00 607	16.00 600	23.00 607	15.00 600	22.00 607	15.00 601	22.00 607	15.00 601	22.00 607	15.00 599

rafts_anoy	20.00 599	20.00 586	20.00 599	20.00 599	20.00 601	20.00 600	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 602	20.00 601	20.00 602	20.00 601	20.00 600

raft+_RVC	20.00 599	20.00 586	20.00 599	20.00 599	20.00 601	20.00 600	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 602	20.00 601	20.00 602	20.00 601	20.00 600

raftrobust	20.00 599	20.00 586	20.00 599	20.00 599	20.00 601	20.00 600	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 602	20.00 601	20.00 602	20.00 601	20.00 600

CasAABBNet	20.00 599	20.00 586	20.00 599	20.00 599	20.00 601	20.00 600	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 602	20.00 601	20.00 602	20.00 601	20.00 600

RALCasStereoNet	20.00 599	20.00 586	20.00 599	20.00 599	20.00 601	20.00 600	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 602	20.00 601	20.00 602	20.00 601	20.00 600

RALAANet	20.00 599	20.00 586	20.00 599	20.00 599	20.00 601	20.00 600	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 601	20.00 602	20.00 601	20.00 602	20.00 601	20.00 600

111	30.40 605	30.94 608	29.72 606	32.61 606	30.02 608	33.57 607	30.47 608	31.50 608	29.39 608	30.98 608	29.11 608	29.78 608	30.39 611	29.45 608	30.76 611	30.08 608	29.02 609	29.92 608	30.32 612	29.86 608	30.17 607

WCMA_ROB	31.10 606	35.43 612	27.12 605	39.51 617	23.10 607	38.78 618	25.30 607	37.49 619	25.39 607	37.29 618	27.02 607	38.52 619	26.48 607	37.80 618	26.44 607	36.28 615	22.65 608	33.90 612	22.30 608	37.10 616	24.18 606

DCANet-4	35.22 607	34.54 609	35.08 612	33.58 610	35.47 615	34.55 608	35.53 615	36.08 614	35.85 612	35.92 614	35.77 614	35.18 614	35.48 613	35.39 614	37.15 617	34.55 614	33.92 613	35.02 615	34.90 614	35.79 612	34.74 614

ADStereo(finetuned)	36.13 608	36.63 613	38.07 616	36.97 611	33.25 612	35.91 612	34.45 612	36.36 615	32.99 609	38.14 619	36.71 615	36.69 615	34.13 612	38.57 619	40.79 618	37.60 619	36.58 616	35.90 616	33.36 613	35.42 611	34.04 611

Reg-Stereo(zero)	37.00 609	37.00 614	37.00 613	37.00 612	37.00 616	37.00 615	37.00 616	37.00 616	37.00 613	37.00 615	37.00 616	37.00 616	37.00 614	37.00 615	37.00 614	37.00 616	37.00 617	37.00 617	37.00 617	37.00 613	37.00 615

HI	37.00 609	37.00 614	37.00 613	37.00 612	37.00 616	37.00 615	37.00 616	37.00 616	37.00 613	37.00 615	37.00 616	37.00 616	37.00 614	37.00 615	37.00 614	37.00 616	37.00 617	37.00 617	37.00 617	37.00 613	37.00 615

CoSv	37.00 609	37.00 614	37.00 613	37.00 612	37.00 616	37.00 615	37.00 616	37.00 616	37.00 613	37.00 615	37.00 616	37.00 616	37.00 614	37.00 615	37.00 614	37.00 616	37.00 617	37.00 617	37.00 617	37.00 613	37.00 615

MDST_ROB	69.83 612	87.70 618	41.95 617	113.75 620	65.62 621	75.05 619	55.25 620	75.64 621	45.04 616	71.61 620	41.75 619	72.81 620	44.06 617	68.38 620	44.63 619	101.89 622	59.57 622	107.10 622	61.05 622	104.38 619	59.38 620

NOSS_ROB	102.95 613	153.00 622	121.00 620	51.00 618	44.00 619	165.00 622	127.00 621	153.00 622	119.00 618	164.00 623	125.00 621	168.00 623	120.00 619	153.00 622	117.00 621	49.00 620	44.00 620	49.00 620	44.00 620	49.00 617	44.00 618

CBMV	128.50 614	1422.70 629	53.10 618	79.50 619	51.30 620	77.30 620	49.70 619	74.00 620	48.20 617	77.20 621	48.80 620	73.90 621	48.00 618	73.80 621	48.80 620	70.40 621	45.10 621	68.90 621	46.10 621	68.20 618	45.00 619
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 615	171.00 623	160.68 623	162.58 621	160.59 622	164.01 621	160.35 622	158.51 623	158.56 619	158.34 622	160.12 622	158.56 622	159.92 620	157.26 623	158.94 622	154.38 623	158.36 623	155.75 623	159.13 624	153.67 620	154.07 621
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 616	123.00 619	115.00 619	219.00 622	218.00 624	223.00 623	244.00 624	217.00 624	236.00 621	202.00 624	203.00 623	205.00 624	208.00 621	225.00 624	204.00 623	210.00 624	198.00 624	197.00 624	184.00 625	204.00 621	201.00 622

MGS-Stereo	239.45 617	123.00 619	135.00 621	266.00 623	286.00 625	277.00 624	305.00 625	271.00 625	242.00 622	274.00 625	279.00 625	255.00 625	270.00 623	268.00 625	297.00 625	221.00 625	247.00 626	216.00 625	123.00 623	217.00 622	217.00 624

EGLCR-Stereo	246.90 618	129.00 621	139.00 622	266.00 623	286.00 625	277.00 624	305.00 625	271.00 625	242.00 622	274.00 625	279.00 625	255.00 625	270.00 623	268.00 625	297.00 625	230.00 626	247.00 626	216.00 625	223.00 627	237.00 623	227.00 625

DLCB_ROB	284.23 619	354.61 625	207.27 624	363.24 625	206.46 623	364.72 626	210.41 623	364.72 627	210.41 620	364.81 627	208.64 624	364.81 627	208.64 622	364.72 627	210.41 624	354.70 627	205.53 625	354.70 627	205.53 626	354.70 624	205.53 623

LE_ROB	396.57 620	471.28 626	329.84 625	471.48 626	308.15 627	526.83 627	322.10 627	488.15 628	323.76 624	495.46 628	317.97 627	497.17 628	320.10 625	481.62 628	326.76 627	462.71 628	298.97 628	466.16 628	285.98 628	447.62 625	289.21 626

SGM-ForestM	596.69 621	677.77 627	444.52 626	699.85 627	517.25 628	732.94 628	488.29 628	770.79 629	460.11 625	750.81 629	487.98 628	792.79 629	499.41 626	730.90 629	475.81 628	720.03 629	491.16 629	663.96 629	418.60 629	674.76 626	436.05 627

CBMV_ROB	818.48 622	913.88 628	709.52 627	862.84 628	597.78 629	1073.99 629	700.52 629	1015.66 630	702.59 626	1115.65 630	760.02 629	1130.24 630	721.57 627	1037.41 630	692.65 629	814.05 630	564.29 630	843.28 630	595.31 630	915.51 627	602.92 628

tt	500032.53 623	34.60 610	29.72 606	37.47 615	34.41 613	36.85 613	35.22 613	34.71 612	33.55 610	34.50 609	35.43 612	33.81 612	10000000.00 628	33.57 612	33.13 612	33.68 612	35.00 614	34.03 613	35.26 615	30.96 609	34.63 612

DCANet	500032.53 623	34.60 610	29.72 606	37.47 615	34.41 613	36.85 613	35.22 613	34.71 612	33.55 610	34.50 609	35.43 612	33.81 612	10000000.00 628	33.57 612	33.13 612	33.68 612	35.00 614	34.03 613	35.26 615	30.96 609	34.63 612

fff	1000028.16 625	29.62 604	29.72 606	32.61 606	30.02 608	35.13 609	31.83 609	32.07 609	10000000.00 627	35.27 611	29.82 609	32.45 609	30.15 608	32.35 609	30.09 608	31.04 609	29.55 610	30.64 609	30.14 609	10000000.00 628	30.77 608

csc	1000028.16 625	29.62 604	29.72 606	32.61 606	30.02 608	35.13 609	31.83 609	32.07 609	10000000.00 627	35.27 611	29.82 609	32.45 609	30.15 608	32.35 609	30.09 608	31.04 609	29.55 610	30.64 609	30.14 609	10000000.00 628	30.77 608

cscssc	1000028.16 625	29.62 604	29.72 606	32.61 606	30.02 608	35.13 609	31.83 609	32.07 609	10000000.00 627	35.27 611	29.82 609	32.45 609	30.15 608	32.35 609	30.09 608	31.04 609	29.55 610	30.64 609	30.14 609	10000000.00 628	30.77 608

111111	10000000.00 628	10000000.00 630	10000000.00 628	10000000.00 629	10000000.00 630	10000000.00 630	10000000.00 630	10000000.00 631	10000000.00 627	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 628	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 628	10000000.00 629

SGD-Stereo	10000000.00 628	10000000.00 630	10000000.00 628	10000000.00 629	10000000.00 630	10000000.00 630	10000000.00 630	10000000.00 631	10000000.00 627	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 628	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 628	10000000.00 629

IGEV-Stereo++	10000000.00 628	10000000.00 630	10000000.00 628	10000000.00 629	10000000.00 630	10000000.00 630	10000000.00 630	10000000.00 631	10000000.00 627	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 628	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 628	10000000.00 629

IGEV-BASED-STEREO-	10000000.00 628	10000000.00 630	10000000.00 628	10000000.00 629	10000000.00 630	10000000.00 630	10000000.00 630	10000000.00 631	10000000.00 627	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 628	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 628	10000000.00 629

IGEV-Stereo+	10000000.00 628	10000000.00 630	10000000.00 628	10000000.00 629	10000000.00 630	10000000.00 630	10000000.00 630	10000000.00 631	10000000.00 627	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 628	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 628	10000000.00 629

SDNR	10000000.00 628	10000000.00 630	10000000.00 628	10000000.00 629	10000000.00 630	10000000.00 630	10000000.00 630	10000000.00 631	10000000.00 627	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 628	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 628	10000000.00 629

anonymousdsp2	10000000.00 628	10000000.00 630	10000000.00 628	10000000.00 629	10000000.00 630	10000000.00 630	10000000.00 630	10000000.00 631	10000000.00 627	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 628	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 628	10000000.00 629

anonymousdsp	10000000.00 628	10000000.00 630	10000000.00 628	10000000.00 629	10000000.00 630	10000000.00 630	10000000.00 630	10000000.00 631	10000000.00 627	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 628	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 628	10000000.00 629

test_example2	10000000.00 628	10000000.00 630	10000000.00 628	10000000.00 629	10000000.00 630	10000000.00 630	10000000.00 630	10000000.00 631	10000000.00 627	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 628	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 628	10000000.00 629

DIP-Stereo	10000000.00 628	10000000.00 630	10000000.00 628	10000000.00 629	10000000.00 630	10000000.00 630	10000000.00 630	10000000.00 631	10000000.00 627	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 628	10000000.00 631	10000000.00 630	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 631	10000000.00 628	10000000.00 629
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
GS-Stereo							0.38 303	0.50 319	0.38 303	0.50 330	0.38 309	0.50 336	3.79 574	0.50 327	0.38 295	0.54 325	0.43 298	0.46 325	0.34 293	0.46 297	0.35 282

FSD					0.44 343	0.56 354	0.44 333	0.55 343	0.44 337	0.56 353	0.44 341	0.56 358	0.44 332	0.56 350	0.46 334	0.61 341	0.42 294	0.52 359	0.42 345	0.52 330

ccccc		0.44 182		0.48 266	0.35 294	0.48 319		0.51 332		0.47 303		0.47 310		0.47 305		0.41 272	0.40 276	0.40 286	0.40 330	0.41 280

ASD4		0.20 105

Low-res two-view benchmark