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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 99	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 364	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	0.09 108	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 52	0.02 12	0.04 43	0.90 341	0.06 110	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 130	0.36 279	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 87	0.02 12	0.02 14	1.62 456	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

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

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

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

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

BEATNet_4x	0.11 87	0.03 31	0.03 36	1.60 453	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 87	0.03 31	0.03 36	1.60 453	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

ADCRef	0.12 96	0.03 31	0.04 43	1.71 459	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

ADCPNet	0.10 65	0.03 31	0.04 43	1.27 436	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

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

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

GASNet	0.05 41	0.04 37	0.12 101	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 125	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

FADNet-RVC-Resample	0.12 96	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	1.57 507	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 104

FADNet_RVC	0.12 96	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	1.65 511	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 103	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	1.71 516	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

AnyNet_C32	0.14 112	0.04 37	0.03 36	2.22 475	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

ADCP+	0.15 124	0.04 37	0.04 43	2.20 474	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

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
ISRNet	0.11 87	0.05 49	0.36 245	0.24 157	0.07 111	0.13 126	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 127	0.05 94	0.05 82	0.09 108	0.24 182	0.20 175	0.10 108	0.05 96	0.06 96	0.13 150

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

APVNet	0.09 52	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 408	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

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

FADNet	0.12 96	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	1.66 513	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

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

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

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

GwcNet	0.12 96	0.07 57	0.05 57	0.08 49	0.05 99	0.08 105	1.20 437	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

OmniDepth	0.08 50	0.08 58	0.11 89	0.11 75	0.05 99	0.08 105	0.05 93	0.08 107	0.07 111	0.08 106	0.05 100	0.08 106	0.05 94	0.09 110	0.08 104	0.15 125	0.11 96	0.07 99	0.05 96	0.07 106	0.06 104

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	0.06 108	0.06 96	0.06 109	0.05 91	0.06 109	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	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	0.06 108	0.06 96	0.06 109	0.05 91	0.06 109	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	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	0.06 108	0.06 96	0.06 109	0.05 91	0.06 109	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 111	0.08 105	0.06 108	0.08 107	0.07 111	0.08 106	0.07 112	0.08 106	0.06 109	0.07 104	0.07 102	0.08 62	0.07 59	0.07 99	0.07 105	0.06 96	0.06 104

BEATNet-Init1	0.19 142	0.08 58	0.08 60	2.23 476	0.08 113	0.08 105	0.07 111	0.07 104	0.08 114	0.08 106	0.07 112	0.08 106	0.07 113	0.11 124	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

DeepPrunerF	0.19 142	0.08 58	0.08 60	2.23 476	0.08 113	0.08 105	0.07 111	0.07 104	0.08 114	0.08 106	0.07 112	0.08 106	0.07 113	0.11 124	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

Wz-Net-SNSev	0.03 29	0.09 65	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

SepStereo	0.09 52	0.09 65	0.10 69	0.09 55	0.09 115	0.09 110	0.09 113	0.10 110	0.08 114	0.10 111	0.09 115	0.09 111	0.09 116	0.09 110	0.08 104	0.09 68	0.08 61	0.09 107	0.08 109	0.09 112	0.08 108

AnonymousM	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SuperB	0.21 150	0.10 67	2.51 540	0.12 82	0.09 115	0.10 111	0.09 113	0.08 107	0.07 111	0.10 111	0.09 115	0.09 111	0.07 113	0.07 104	0.07 102	0.07 60	0.08 61	0.07 99	0.07 105	0.08 109	0.07 107

PVD	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SHD	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SAMSARA	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

XQC	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSC	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTS	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSA	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet+	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet++	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

JetBlue	0.11 87	0.11 78	0.12 101	0.13 95	0.14 157	0.11 122	0.11 131	0.11 122	0.11 133	0.11 123	0.11 133	0.11 123	0.11 132	0.12 128	0.12 141	0.11 88	0.11 96	0.11 119	0.11 130	0.11 123	0.11 128

aanetorigin	0.13 103	0.11 78	0.11 89	0.11 75	0.11 136	0.11 122	0.11 131	0.11 122	0.11 133	0.11 123	0.12 144	0.11 123	0.11 132	0.11 124	0.11 126	0.11 88	0.11 96	0.14 127	0.11 130	0.49 313	0.11 128

JetRed	0.11 87	0.12 80	0.11 89	0.11 75	0.11 136	0.11 122	0.14 152	0.11 122	0.11 133	0.12 125	0.11 133	0.11 123	0.11 132	0.11 124	0.11 126	0.11 88	0.16 145	0.11 119	0.11 130	0.11 123	0.11 128

DA	0.09 52	0.13 81	0.39 259	0.08 49	0.05 99	0.07 103	0.05 93	0.13 126	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	0.14 127	0.13 155	0.06 96	0.05 97

GGEV	0.09 52	0.13 81	0.39 259	0.08 49	0.05 99	0.07 103	0.05 93	0.13 126	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	0.14 127	0.13 155	0.06 96	0.05 97

LRCNet_RVC	0.13 103	0.13 81	0.09 65	0.13 95	0.10 121	0.14 127	0.10 118	0.14 128	0.10 118	0.23 176	0.10 119	0.20 160	0.10 120	0.24 183	0.11 126	0.11 88	0.09 70	0.12 122	0.14 160	0.12 127	0.09 111

GMStereo	0.14 112	0.13 81	0.14 126	0.14 99	0.14 157	0.14 127	0.14 152	0.14 128	0.14 157	0.14 127	0.14 161	0.14 128	0.14 158	0.14 130	0.14 151	0.14 116	0.14 140	0.14 127	0.14 160	0.14 131	0.14 155
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 154	0.13 81	0.19 164	0.23 152	0.10 121	0.26 198	1.02 424	0.14 128	0.10 118	0.28 199	0.14 161	0.17 149	0.19 190	0.28 206	0.09 108	0.22 166	0.16 145	0.23 182	0.17 188	0.11 123	0.12 144

DRN-Test	0.14 112	0.13 81	0.09 65	0.14 99	0.09 115	0.15 134	0.09 113	0.14 128	0.10 118	0.14 127	0.09 115	0.14 128	0.09 116	0.13 129	0.09 108	0.12 93	0.09 70	0.12 122	0.09 111	0.12 127	0.73 384

S2M2_L	0.12 96	0.14 87	0.10 69	0.15 109	0.10 121	0.14 127	0.10 118	0.14 128	0.10 118	0.15 133	0.10 119	0.14 128	0.10 120	0.14 130	0.10 114	0.13 109	0.10 75	0.13 125	0.09 111	0.13 129	0.09 111
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
StereoDRNet	0.15 124	0.14 87	0.10 69	0.14 99	0.09 115	0.15 134	0.09 113	0.14 128	0.09 117	0.14 127	0.10 119	0.14 128	0.09 116	0.14 130	0.09 108	0.13 109	0.10 75	0.13 125	0.09 111	0.13 129	0.82 396

testlalala2	0.13 103	0.16 89	0.11 89	0.15 109	0.11 136	0.16 142	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 139	0.11 132	0.16 140	0.11 126	0.14 116	0.11 96	0.14 127	0.11 130	0.14 131	0.11 128

GMStereo_Zeroshot	0.16 132	0.16 89	0.16 145	0.16 120	0.16 177	0.16 142	0.16 162	0.16 141	0.16 171	0.16 138	0.16 172	0.16 139	0.16 170	0.16 140	0.16 167	0.16 134	0.16 145	0.16 145	0.16 168	0.16 145	0.16 159

testlalala_base	0.13 103	0.16 89	0.11 89	0.15 109	0.11 136	0.15 134	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 139	0.11 132	0.16 140	0.11 126	0.14 116	0.11 96	0.14 127	0.11 130	0.14 131	0.11 128

HSM	0.14 112	0.16 89	0.12 101	0.17 128	0.12 152	0.17 150	0.11 131	0.17 149	0.11 133	0.17 147	0.12 144	0.17 149	0.12 149	0.17 149	0.12 141	0.16 134	0.11 96	0.16 145	0.11 130	0.16 145	0.12 144

ELAS_RVC	0.14 112	0.16 89	0.10 69	0.15 109	0.10 121	0.18 154	0.11 131	0.19 154	0.11 133	0.19 153	0.12 144	0.18 153	0.11 132	0.19 155	0.12 141	0.14 116	0.08 61	0.14 127	0.09 111	0.15 141	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 103	0.16 89	0.11 89	0.15 109	0.09 115	0.18 154	0.11 131	0.18 152	0.11 133	0.17 147	0.11 133	0.18 153	0.11 132	0.18 152	0.11 126	0.14 116	0.08 61	0.14 127	0.08 109	0.14 131	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 112	0.17 95	0.12 101	0.17 128	0.11 136	0.17 150	0.11 131	0.17 149	0.11 133	0.17 147	0.11 133	0.17 149	0.11 132	0.17 149	0.11 126	0.16 134	0.11 96	0.16 145	0.11 130	0.16 145	0.11 128
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ITSA-stereo	0.15 124	0.17 95	0.13 121	0.20 136	0.13 155	0.19 157	0.13 150	0.18 152	0.13 155	0.19 153	0.13 156	0.18 153	0.14 158	0.18 152	0.14 151	0.16 134	0.11 96	0.15 142	0.14 160	0.18 155	0.11 128

SGM_RVC	0.15 124	0.17 95	0.11 89	0.18 130	0.11 136	0.19 157	0.11 131	0.19 154	0.12 152	0.19 153	0.12 144	0.20 160	0.12 149	0.19 155	0.12 141	0.16 134	0.11 96	0.17 153	0.10 118	0.17 151	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 132	0.18 98	0.13 121	0.19 133	0.13 155	0.19 157	0.13 150	0.19 154	0.13 155	0.19 153	0.13 156	0.19 157	0.13 154	0.19 155	0.13 147	0.18 150	0.13 136	0.18 162	0.13 155	0.18 155	0.13 150

IGEV_Zeroshot_test	0.20 144	0.19 99	0.40 264	0.30 175	0.17 181	0.22 174	0.17 170	0.21 168	0.17 179	0.20 159	0.17 177	0.21 167	0.18 185	0.21 169	0.17 171	0.20 157	0.16 145	0.20 169	0.16 168	0.20 162	0.17 171

ACVNet	0.20 144	0.19 99	0.14 126	0.20 136	0.14 157	0.20 162	0.96 416	0.21 168	0.14 157	0.20 159	0.13 156	0.21 167	0.14 158	0.20 159	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	0.17 151	0.12 144

acv_ft	0.20 144	0.19 99	0.14 126	0.20 136	0.14 157	0.20 162	0.96 416	0.21 168	0.14 157	0.20 159	0.13 156	0.21 167	0.14 158	0.20 159	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	0.17 151	0.12 144

LALA_ROB	0.15 124	0.19 99	0.12 101	0.18 130	0.11 136	0.20 162	0.12 147	0.21 168	0.12 152	0.20 159	0.12 144	0.20 160	0.12 149	0.21 169	0.13 147	0.17 142	0.10 75	0.18 162	0.11 130	0.18 155	0.11 128

model_zeroshot	0.27 172	0.20 103	0.27 192	0.33 187	0.21 204	0.37 237	0.22 195	0.37 229	0.24 205	0.26 195	0.27 230	0.33 221	0.21 199	0.25 188	0.27 215	0.32 209	0.20 175	0.34 234	0.23 205	0.25 182	0.26 203

ProNet	0.14 112	0.20 103	0.14 126	0.16 120	0.11 136	0.16 142	0.11 131	0.17 149	0.11 133	0.17 147	0.12 144	0.17 149	0.13 154	0.17 149	0.12 141	0.15 125	0.11 96	0.16 145	0.11 130	0.15 141	0.12 144

DAS	0.20 144	0.20 103	0.20 167	0.20 136	0.20 198	0.20 162	0.20 185	0.20 160	0.20 190	0.20 159	0.20 196	0.20 160	0.20 194	0.20 159	0.20 186	0.20 157	0.20 175	0.20 169	0.20 195	0.20 162	0.20 179

IPLG	0.13 103	0.20 103	0.14 126	0.15 109	0.11 136	0.14 127	0.11 131	0.14 128	0.11 133	0.14 127	0.11 133	0.14 128	0.11 132	0.14 130	0.11 126	0.15 125	0.12 112	0.14 127	0.11 130	0.14 131	0.11 128

IPLGR_C	0.14 112	0.20 103	0.12 101	0.15 109	0.11 136	0.14 127	0.15 157	0.14 128	0.11 133	0.15 133	0.12 144	0.14 128	0.11 132	0.16 140	0.11 126	0.15 125	0.12 112	0.14 127	0.12 147	0.15 141	0.12 144

ASD4		0.20 103

MSKI-zero shot	0.24 160	0.21 109	0.49 309	0.65 312	0.18 191	0.22 174	0.17 170	0.23 178	0.18 182	0.21 170	0.17 177	0.23 181	0.28 237	0.23 179	0.18 180	0.21 163	0.16 145	0.21 171	0.16 168	0.21 167	0.16 159

CIPLG	0.13 103	0.21 109	0.12 101	0.16 120	0.11 136	0.15 134	0.11 131	0.14 128	0.11 133	0.15 133	0.12 144	0.15 138	0.11 132	0.14 130	0.11 126	0.15 125	0.12 112	0.14 127	0.11 130	0.14 131	0.11 128

MIPNet	0.14 112	0.21 109	0.17 152	0.16 120	0.11 136	0.15 134	0.12 147	0.14 128	0.11 133	0.16 138	0.11 133	0.14 128	0.11 132	0.14 130	0.11 126	0.14 116	0.12 112	0.14 127	0.11 130	0.14 131	0.11 128

ACRE	0.13 103	0.21 109	0.14 126	0.15 109	0.11 136	0.14 127	0.11 131	0.14 128	0.11 133	0.14 127	0.12 144	0.14 128	0.11 132	0.14 130	0.11 126	0.15 125	0.12 112	0.14 127	0.11 130	0.14 131	0.11 128

Pointernet	0.21 150	0.22 113	0.19 164	0.24 157	0.19 195	0.24 183	0.19 181	0.24 181	0.19 188	0.24 181	0.19 192	0.24 185	0.19 190	0.24 183	0.19 183	0.22 166	0.17 163	0.22 176	0.17 188	0.22 169	0.17 171

test_for_model	0.15 124	0.23 114	0.18 161	0.21 145	0.11 136	0.16 142	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 139	0.11 132	0.16 140	0.11 126	0.21 163	0.18 172	0.14 127	0.11 130	0.14 131	0.11 128

WAO-6	0.22 154	0.23 114	0.22 172	0.23 152	0.22 206	0.22 174	0.22 195	0.22 172	0.22 196	0.22 172	0.22 202	0.22 175	0.22 200	0.22 173	0.22 191	0.22 166	0.22 182	0.22 176	0.22 199	0.22 169	0.22 184

IMH-64-1	0.22 154	0.23 114	0.23 175	0.22 148	0.22 206	0.22 174	0.22 195	0.22 172	0.22 196	0.22 172	0.22 202	0.22 175	0.22 200	0.22 173	0.22 191	0.22 166	0.22 182	0.23 182	0.22 199	0.22 169	0.23 186

IMH-64	0.22 154	0.23 114	0.23 175	0.22 148	0.22 206	0.22 174	0.22 195	0.22 172	0.22 196	0.22 172	0.22 202	0.22 175	0.22 200	0.22 173	0.22 191	0.22 166	0.22 182	0.23 182	0.22 199	0.22 169	0.23 186

MIM_Stereo	0.25 163	0.23 114	0.66 348	0.80 331	0.17 181	0.22 174	0.17 170	0.23 178	0.18 182	0.26 195	0.17 177	0.21 167	0.17 177	0.25 188	0.17 171	0.23 177	0.16 145	0.21 171	0.17 188	0.22 169	0.17 171

iResNetv2_ROB	0.20 144	0.23 114	0.18 161	0.24 157	0.20 198	0.24 183	0.18 177	0.24 181	0.18 182	0.24 181	0.18 190	0.23 181	0.19 190	0.24 183	0.18 180	0.21 163	0.16 145	0.21 171	0.16 168	0.22 169	0.16 159

iResNet	0.20 144	0.23 114	0.18 161	0.24 157	0.18 191	0.24 183	0.20 185	0.24 181	0.18 182	0.23 176	0.17 177	0.23 181	0.18 185	0.23 179	0.18 180	0.22 166	0.16 145	0.21 171	0.16 168	0.21 167	0.16 159

RSGM-EC	0.24 160	0.24 121	0.15 142	0.22 148	0.15 168	0.22 174	0.15 157	0.22 172	0.15 167	0.24 181	0.15 169	0.22 175	0.15 168	0.22 173	1.19 437	0.20 157	0.17 163	0.24 190	0.14 160	0.20 162	0.14 155

acva	0.24 160	0.24 121	0.15 142	0.22 148	0.15 168	0.22 174	0.15 157	0.22 172	0.15 167	0.24 181	0.15 169	0.22 175	0.15 168	0.22 173	1.19 437	0.20 157	0.17 163	0.24 190	0.14 160	0.20 162	0.14 155

Wz-Net-LNSev	0.06 44	0.24 121	0.20 167	0.23 152	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 177	0.21 178	0.02 18	0.01 9	0.01 10	0.01 10

IPLGR	0.14 112	0.24 121	0.14 126	0.16 120	0.12 152	0.15 134	0.12 147	0.14 128	0.11 133	0.15 133	0.12 144	0.14 128	0.11 132	0.14 130	0.11 126	0.15 125	0.12 112	0.14 127	0.11 130	0.14 131	0.11 128

tg	0.21 150	0.25 125	0.21 170	0.26 169	0.17 181	0.24 183	0.17 170	0.24 181	0.17 179	0.24 181	0.17 177	0.24 185	0.17 177	0.24 183	0.17 171	0.24 182	0.17 163	0.23 182	0.16 168	0.23 178	0.16 159

RAFT-FEzeroshot	0.34 199	0.26 126	0.17 152	0.21 145	0.17 181	0.20 162	0.16 162	0.20 160	0.16 171	0.20 159	0.17 177	0.21 167	0.16 170	0.27 202	0.24 201	0.19 154	0.16 145	0.19 165	0.16 168	0.26 184	3.08 555

RAFT-FE	0.34 199	0.26 126	0.17 152	0.21 145	0.17 181	0.20 162	0.16 162	0.20 160	0.16 171	0.20 159	0.17 177	0.21 167	0.16 170	0.27 202	0.24 201	0.19 154	0.16 145	0.19 165	0.16 168	0.26 184	3.08 555

UNDER WATER-64	0.25 163	0.26 126	0.25 185	0.26 169	0.25 219	0.25 190	0.25 211	0.25 187	0.25 210	0.25 187	0.25 219	0.25 190	0.25 213	0.26 198	0.25 209	0.25 188	0.25 190	0.25 193	0.25 218	0.25 182	0.25 197

CAS++	0.17 136	0.27 129	0.21 170	0.10 58	0.21 204	0.15 134	0.22 195	0.10 110	0.21 193	0.22 172	0.10 119	0.19 157	0.18 185	0.10 113	0.19 183	0.20 157	0.19 173	0.18 162	0.10 118	0.19 161	0.18 175
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
TorneroNet-64	0.45 268	0.27 129	0.30 204	0.58 298	0.27 229	0.70 369	0.30 244	0.28 196	0.73 396	0.73 372	0.28 237	0.71 372	0.66 374	0.75 373	0.27 215	0.27 193	0.29 217	0.37 258	0.75 401	0.28 191	0.30 242

LoS	0.25 163	0.27 129	0.25 185	0.25 162	0.25 219	0.25 190	0.25 211	0.26 192	0.25 210	0.25 187	0.25 219	0.25 190	0.25 213	0.25 188	0.25 209	0.26 190	0.25 190	0.25 193	0.26 224	0.26 184	0.25 197
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DLNR_Zeroshot_test	0.31 186	0.28 132	0.47 294	0.79 329	0.24 217	0.30 207	0.26 219	0.30 203	0.24 205	0.32 213	0.23 206	0.31 216	0.24 210	0.30 212	0.23 197	0.29 202	0.26 193	0.29 209	0.24 213	0.33 211	0.23 186

SQANet	0.28 173	0.28 132	0.28 196	0.28 173	0.28 234	0.28 203	0.28 230	0.28 196	0.28 232	0.28 199	0.28 237	0.28 203	0.28 237	0.28 206	0.28 225	0.28 195	0.28 206	0.28 204	0.28 237	0.28 191	0.28 224

HGLStereo	0.28 173	0.29 134	0.22 172	0.36 195	0.22 206	0.36 232	0.21 190	0.36 223	0.21 193	0.42 274	0.21 201	0.36 234	0.22 200	0.36 234	0.21 189	0.34 217	0.21 178	0.34 234	0.21 196	0.34 215	0.21 181

MultiAttention	0.30 179	0.30 135	0.30 204	0.30 175	0.30 253	0.30 207	0.30 244	0.30 203	0.30 249	0.30 204	0.30 254	0.30 212	0.30 251	0.30 212	0.30 242	0.30 203	0.30 225	0.30 211	0.30 261	0.30 197	0.30 242

MSAF-DinoV2	0.30 179	0.30 135	0.30 204	0.30 175	0.30 253	0.30 207	0.30 244	0.30 203	0.30 249	0.30 204	0.30 254	0.30 212	0.30 251	0.30 212	0.30 242	0.30 203	0.30 225	0.30 211	0.30 261	0.30 197	0.30 242

DANet	0.30 179	0.30 135	0.30 204	0.30 175	0.30 253	0.30 207	0.30 244	0.30 203	0.30 249	0.30 204	0.30 254	0.30 212	0.30 251	0.30 212	0.30 242	0.30 203	0.30 225	0.30 211	0.30 261	0.30 197	0.30 242
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 459	0.31 138	4.99 568	5.93 559	0.20 198	0.25 190	0.20 185	0.25 187	0.20 190	0.23 176	0.19 192	0.25 190	0.20 194	0.25 188	0.20 186	5.66 570	4.76 563	0.26 198	0.30 261	0.24 180	0.27 211

gcap-zeroshot	0.35 208	0.32 139	0.37 249	0.49 269	0.39 316	0.33 222	0.21 190	0.26 192	0.35 283	0.42 274	0.34 281	0.49 317	0.29 244	0.47 301	0.39 302	0.34 217	0.17 163	0.38 266	0.23 205	0.48 309	0.34 269

iResNet_ROB	0.28 173	0.32 139	0.24 182	0.32 183	0.25 219	0.32 220	0.24 208	0.32 208	0.24 205	0.33 218	0.24 213	0.35 228	0.24 210	0.33 223	0.24 201	0.31 208	0.24 189	0.32 218	0.24 213	0.32 204	0.24 196

H2IRNET	0.34 199	0.34 141	0.34 236	0.34 189	0.34 287	0.34 224	0.34 276	0.34 215	0.34 280	0.34 220	0.34 281	0.34 226	0.34 279	0.34 225	0.34 272	0.34 217	0.34 250	0.34 234	0.34 289	0.34 215	0.34 269

MLCV	0.31 186	0.35 142	0.27 192	0.35 191	0.28 234	0.35 229	0.27 222	0.35 219	0.28 232	0.36 228	0.27 230	0.35 228	0.27 230	0.35 228	0.27 215	0.34 217	0.27 200	0.34 234	0.27 232	0.34 215	0.27 211

ETE_ROB	0.35 208	0.35 142	0.35 243	0.35 191	0.35 290	0.35 229	0.35 281	0.35 219	0.35 283	0.35 225	0.35 290	0.35 228	0.35 285	0.35 228	0.35 276	0.35 226	0.35 252	0.35 250	0.35 301	0.35 227	0.35 278

DN-CSS_ROB	0.31 186	0.35 142	0.28 196	0.35 191	0.28 234	0.34 224	0.27 222	0.34 215	0.25 210	0.35 225	0.27 230	0.36 234	0.26 222	0.34 225	0.28 225	0.35 226	0.28 206	0.34 234	0.28 237	0.34 215	0.27 211

RSM	0.36 214	0.36 145	0.43 279	0.37 198	0.42 336	0.49 320	0.42 326	0.37 229	0.28 232	0.36 228	0.29 242	0.36 234	0.30 251	0.37 238	0.28 225	0.34 217	0.31 231	0.34 234	0.35 301	0.40 266	0.29 229

Any-RAFT	0.32 194	0.36 145	0.27 192	0.36 195	0.27 229	0.36 232	0.27 222	0.36 223	0.27 229	0.36 228	0.27 230	0.36 234	0.27 230	0.36 234	0.28 225	0.36 231	0.28 206	0.36 255	0.28 237	0.36 234	0.28 224

IGEV-FE	0.35 208	0.37 147	0.17 152	0.19 133	0.17 181	0.20 162	0.17 170	0.19 154	0.17 179	0.19 153	0.17 177	0.19 157	0.17 177	0.37 238	0.36 279	0.19 154	0.17 163	0.19 165	0.17 188	0.38 251	2.84 546

LG-Stereo_L2	0.34 199	0.37 147	0.38 252	0.47 258	0.28 234	0.39 250	0.28 230	0.39 241	0.28 232	0.39 240	0.28 237	0.39 247	0.28 237	0.38 241	0.28 225	0.42 283	0.35 252	0.36 255	0.26 224	0.35 227	0.26 203

RAFT-Test	0.36 214	0.37 147	0.33 226	0.41 233	0.32 265	0.41 268	0.32 255	0.41 261	0.32 264	0.41 260	0.32 266	0.41 268	0.32 266	0.41 267	0.33 259	0.37 235	0.29 217	0.37 258	0.29 247	0.38 251	0.31 251

XPNet_ROB	0.37 220	0.37 147	0.37 249	0.37 198	0.37 300	0.37 237	0.37 293	0.37 229	0.37 295	0.37 233	0.37 300	0.37 240	0.37 293	0.37 238	0.37 288	0.37 235	0.37 257	0.37 258	0.37 309	0.37 238	0.37 285

WAO-8	0.38 226	0.38 151	0.38 252	0.38 201	0.38 307	0.38 244	0.38 299	0.38 237	0.38 299	0.38 234	0.38 305	0.38 242	0.38 297	0.38 241	0.38 291	0.38 246	0.38 263	0.38 266	0.37 309	0.38 251	0.38 292

WAO-7	0.38 226	0.38 151	0.38 252	0.38 201	0.38 307	0.38 244	0.38 299	0.38 237	0.38 299	0.38 234	0.38 305	0.38 242	0.38 297	0.38 241	0.38 291	0.38 246	0.38 263	0.38 266	0.38 322	0.38 251	0.38 292

HanzoNet	0.39 238	0.38 151	0.40 264	0.39 207	0.41 326	0.38 244	0.38 299	0.38 237	0.38 299	0.39 240	0.39 314	0.38 242	0.38 297	0.39 249	0.40 306	0.38 246	0.38 263	0.40 282	0.38 322	0.38 251	0.40 300

Venus	0.38 226	0.38 151	0.38 252	0.38 201	0.38 307	0.37 237	0.38 299	0.37 229	0.37 295	0.41 260	0.37 300	0.39 247	0.37 293	0.38 241	0.38 291	0.37 235	0.38 263	0.38 266	0.37 309	0.37 238	0.38 292

IMH	0.38 226	0.38 151	0.38 252	0.38 201	0.38 307	0.38 244	0.38 299	0.38 237	0.38 299	0.42 274	0.38 305	0.40 255	0.38 297	0.38 241	0.38 291	0.38 246	0.38 263	0.39 277	0.38 322	0.38 251	0.38 292

DMCA	0.36 214	0.38 151	0.37 249	0.35 191	0.35 290	0.36 232	0.36 287	0.36 223	0.35 283	0.35 225	0.37 300	0.36 234	0.36 288	0.35 228	0.36 279	0.36 231	0.36 255	0.35 250	0.36 307	0.36 234	0.36 281

StereoDRNet-Refined	0.33 197	0.39 157	0.26 191	0.39 207	0.26 227	0.40 252	0.26 219	0.40 246	0.26 223	0.39 240	0.26 225	0.39 247	0.26 222	0.39 249	0.26 214	0.37 235	0.25 190	0.37 258	0.25 218	0.37 238	0.37 285
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 406	0.39 157	5.28 570	0.39 207	0.20 198	0.39 250	0.27 222	0.39 241	0.22 196	0.38 234	0.20 196	0.38 242	0.20 194	6.95 583	0.22 191	0.30 203	0.21 178	0.27 202	0.21 196	5.25 564	0.21 181

Zero-FE251	0.36 214	0.40 159	0.28 196	0.41 233	0.28 234	0.41 268	0.28 230	0.41 261	0.28 232	0.41 260	0.28 237	0.41 268	0.28 237	0.42 280	0.30 242	0.37 235	0.26 193	0.37 258	0.27 232	0.45 290	0.56 357

EKT-Stereo	0.37 220	0.40 159	0.44 281	1.07 368	0.29 243	0.34 224	0.31 253	0.36 223	0.29 238	0.38 234	0.31 262	0.37 240	0.30 251	0.36 234	0.29 235	0.34 217	0.28 206	0.39 277	0.30 261	0.37 238	0.30 242

knoymous	0.40 242	0.40 159	0.40 264	0.40 221	0.40 318	0.40 252	0.40 313	0.40 246	0.40 313	0.40 246	0.40 317	0.40 255	0.40 306	0.40 252	0.40 306	0.40 261	0.40 273	0.40 282	0.40 326	0.40 266	0.40 300

anonymousa	0.40 242	0.40 159	0.40 264	0.40 221	0.40 318	0.40 252	0.40 313	0.40 246	0.40 313	0.40 246	0.40 317	0.40 255	0.40 306	0.40 252	0.40 306	0.40 261	0.40 273	0.40 282	0.40 326	0.40 266	0.40 300

riskmin	0.40 242	0.40 159	0.40 264	0.40 221	0.40 318	0.40 252	0.40 313	0.40 246	0.40 313	0.40 246	0.40 317	0.40 255	0.40 306	0.40 252	0.40 306	0.40 261	0.40 273	0.40 282	0.40 326	0.40 266	0.40 300

Anonymous_2	0.40 242	0.40 159	0.40 264	0.40 221	0.40 318	0.40 252	0.40 313	0.40 246	0.40 313	0.40 246	0.40 317	0.40 255	0.40 306	0.40 252	0.40 306	0.40 261	0.40 273	0.40 282	0.40 326	0.40 266	0.40 300

Anonymous_1	0.40 242	0.40 159	0.40 264	0.40 221	0.40 318	0.40 252	0.40 313	0.40 246	0.40 313	0.40 246	0.40 317	0.40 255	0.40 306	0.40 252	0.40 306	0.40 261	0.40 273	0.40 282	0.40 326	0.40 266	0.40 300

AdaStereo	0.40 242	0.40 159	0.40 264	0.40 221	0.40 318	0.40 252	0.40 313	0.40 246	0.40 313	0.40 246	0.40 317	0.40 255	0.40 306	0.40 252	0.40 306	0.40 261	0.40 273	0.40 282	0.40 326	0.40 266	0.40 300
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.
iRaft-Stereo_20w	0.34 199	0.41 167	0.31 216	0.39 207	0.29 243	0.40 252	0.32 255	0.41 261	0.32 264	0.38 234	0.30 254	0.39 247	0.30 251	0.38 241	0.32 250	0.35 226	0.27 200	0.34 234	0.27 232	0.34 215	0.29 229

GwcNet-ADL	0.41 249	0.41 167	0.41 273	0.41 233	0.41 326	0.41 268	0.41 321	0.41 261	0.41 322	0.41 260	0.41 323	0.41 268	0.41 317	0.41 267	0.41 313	0.41 269	0.41 282	0.41 299	0.41 333	0.41 276	0.41 307

PSMNet-ADL	0.41 249	0.41 167	0.41 273	0.41 233	0.41 326	0.41 268	0.41 321	0.41 261	0.41 322	0.41 260	0.41 323	0.41 268	0.41 317	0.41 267	0.41 313	0.41 269	0.41 282	0.41 299	0.41 333	0.41 276	0.41 307

GANet-ADL	0.41 249	0.41 167	0.41 273	0.41 233	0.41 326	0.41 268	0.41 321	0.41 261	0.41 322	0.41 260	0.41 323	0.41 268	0.41 317	0.41 267	0.41 313	0.41 269	0.41 282	0.41 299	0.41 333	0.41 276	0.41 307

ADLNet2	0.41 249	0.41 167	0.41 273	0.41 233	0.41 326	0.41 268	0.41 321	0.41 261	0.41 322	0.41 260	0.41 323	0.41 268	0.41 317	0.41 267	0.41 313	0.41 269	0.41 282	0.41 299	0.41 333	0.41 276	0.41 307

ADLNet	0.41 249	0.41 167	0.41 273	0.41 233	0.41 326	0.41 268	0.41 321	0.41 261	0.41 322	0.41 260	0.41 323	0.41 268	0.41 317	0.41 267	0.41 313	0.41 269	0.41 282	0.41 299	0.41 333	0.41 276	0.41 307

DGSMNet	0.34 199	0.41 167	0.27 192	0.41 233	0.28 234	0.41 268	0.28 230	0.41 261	0.27 229	0.41 260	0.27 230	0.42 286	0.27 230	0.41 267	0.28 225	0.40 261	0.29 217	0.40 282	0.28 237	0.40 266	0.27 211

iRaft-Stereo_5w	0.34 199	0.42 174	0.31 216	0.39 207	0.30 253	0.38 244	0.30 244	0.40 246	0.29 238	0.40 246	0.37 300	0.41 268	0.34 279	0.38 241	0.30 242	0.34 217	0.27 200	0.34 234	0.26 224	0.34 215	0.26 203

GREAT-IGEV	0.38 226	0.43 175	0.36 245	0.48 263	0.32 265	0.45 299	0.32 255	0.45 289	0.32 264	0.45 287	0.32 266	0.45 296	0.32 266	0.45 292	0.32 250	0.44 285	0.33 246	0.41 299	0.29 247	0.41 276	0.29 229

fffy	0.38 226	0.43 175	0.33 226	0.46 252	0.33 277	0.45 299	0.32 255	0.45 289	0.32 264	0.45 287	0.32 266	0.45 296	0.33 274	0.45 292	0.32 250	0.38 246	0.38 263	0.38 266	0.37 309	0.37 238	0.36 281

IGEV++	0.34 199	0.43 175	0.30 204	0.40 221	0.29 243	0.40 252	0.29 239	0.40 246	0.29 238	0.40 246	0.29 242	0.40 255	0.29 244	0.40 252	0.30 242	0.38 246	0.29 217	0.37 258	0.29 247	0.37 238	0.29 229

MS-F	0.38 226	0.44 178	0.31 216	0.43 249	0.30 253	0.43 295	0.31 253	0.43 285	0.31 260	0.45 287	0.31 262	0.43 293	0.31 263	0.43 286	0.69 379	0.38 246	0.33 246	0.40 282	0.30 261	0.38 251	0.30 242

HiDET	0.38 226	0.44 178	0.30 204	0.42 243	0.30 253	0.42 288	0.30 244	0.42 279	0.30 249	0.44 285	0.30 254	0.42 286	0.30 251	0.42 280	0.68 374	0.37 235	0.32 235	0.40 282	0.29 247	0.37 238	0.29 229

LCMNet	0.38 226	0.44 178	0.30 204	0.42 243	0.30 253	0.42 288	0.30 244	0.42 279	0.30 249	0.45 287	0.30 254	0.42 286	0.30 251	0.42 280	0.69 379	0.37 235	0.32 235	0.40 282	0.29 247	0.37 238	0.29 229

CSFM-Stereo	0.38 226	0.44 178	0.30 204	0.42 243	0.30 253	0.42 288	0.30 244	0.43 285	0.30 249	0.44 285	0.30 254	0.42 286	0.30 251	0.42 280	0.73 389	0.37 235	0.32 235	0.40 282	0.29 247	0.37 238	0.30 242

Select-FE	0.41 249	0.44 178	0.23 175	0.26 169	0.22 206	0.26 198	0.22 195	0.26 192	0.23 202	0.26 195	0.23 206	0.26 200	0.23 206	0.45 292	0.42 321	0.25 188	0.22 182	0.25 193	0.22 199	0.45 290	2.90 547

ccccc		0.44 178		0.48 263	0.35 290	0.48 315		0.51 328		0.47 299		0.47 306		0.47 301		0.41 269	0.40 273	0.40 282	0.40 326	0.41 276

Wz-Net-LNSev-Ref	0.11 87	0.44 178	0.33 226	0.39 207	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	0.39 257	0.36 255	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-Stereo	0.35 208	0.44 178	0.45 283	0.49 269	0.30 253	0.37 237	0.30 244	0.36 223	0.30 249	0.36 228	0.29 242	0.36 234	0.29 244	0.36 234	0.30 242	0.46 292	0.39 270	0.32 218	0.24 213	0.32 204	0.25 197
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HART	0.38 226	0.45 186	0.34 236	0.42 243	0.33 277	0.41 268	0.34 276	0.42 279	0.33 271	0.43 280	0.34 281	0.42 286	0.34 279	0.41 267	0.38 291	0.40 261	0.32 235	0.42 310	0.32 277	0.40 266	0.32 256

mms	0.40 242	0.45 186	0.35 243	0.48 263	0.36 296	0.47 310	0.34 276	0.45 289	0.38 299	0.47 299	0.33 273	0.45 296	0.32 266	0.45 292	0.32 250	0.39 257	0.38 263	0.38 266	0.37 309	0.39 260	0.39 298

GMOStereo	0.37 220	0.45 186	0.23 175	0.30 175	0.37 300	0.41 268	0.36 287	0.41 261	0.35 283	0.43 280	0.36 293	0.41 268	0.40 306	0.41 267	0.36 279	0.34 217	0.22 182	0.47 330	0.37 309	0.39 260	0.33 263

RAFT + AFF	0.31 186	0.45 186	0.34 236	0.39 207	0.28 234	0.38 244	0.33 265	0.29 201	0.31 260	0.30 204	0.30 254	0.29 209	0.27 230	0.29 210	0.30 242	0.28 195	0.29 217	0.29 209	0.29 247	0.27 189	0.32 256

otaku	0.46 274	0.46 190	0.46 287	0.46 252	0.46 344	0.46 305	0.46 336	0.46 293	0.46 336	0.46 293	0.46 343	0.46 300	0.46 334	0.46 297	0.46 330	0.46 292	0.46 305	0.46 321	0.46 346	0.46 293	0.46 321

Dean	0.46 274	0.46 190	0.46 287	0.46 252	0.46 344	0.46 305	0.46 336	0.46 293	0.46 336	0.47 299	0.46 343	0.46 300	0.46 334	0.46 297	0.46 330	0.46 292	0.46 305	0.46 321	0.46 346	0.46 293	0.46 321

ACVNet-4b	0.46 274	0.46 190	0.46 287	0.46 252	0.46 344	0.46 305	0.46 336	0.46 293	0.46 336	0.46 293	0.46 343	0.46 300	0.46 334	0.47 301	0.46 330	0.46 292	0.46 305	0.46 321	0.46 346	0.46 293	0.46 321

psmorigin	0.41 249	0.46 190	0.33 226	0.49 269	0.33 277	0.49 320	0.33 265	0.49 307	0.33 271	0.49 313	0.33 273	0.49 317	0.33 274	0.51 332	0.33 259	0.41 269	0.30 225	0.41 299	0.30 261	0.79 359	0.29 229

Ntro	0.47 280	0.47 194	0.46 287	0.46 252	0.46 344	0.47 310	0.47 341	0.46 293	0.47 341	0.46 293	0.46 343	0.47 306	0.46 334	0.47 301	0.47 337	0.47 297	0.46 305	0.46 321	0.46 346	0.46 293	0.46 321

HaxPig	0.47 280	0.47 194	0.47 294	0.49 269	0.47 350	0.47 310	0.47 341	0.47 299	0.47 341	0.47 299	0.47 351	0.47 306	0.47 342	0.47 301	0.47 337	0.47 297	0.47 313	0.47 330	0.47 353	0.47 305	0.48 330

UNDER WATER	0.47 280	0.47 194	0.47 294	0.47 258	0.47 350	0.47 310	0.47 341	0.47 299	0.47 341	0.47 299	0.47 351	0.47 306	0.46 334	0.47 301	0.47 337	0.47 297	0.47 313	0.47 330	0.46 346	0.47 305	0.47 328

LVE	0.47 280	0.47 194	0.47 294	0.47 258	0.49 356	0.47 310	0.47 341	0.47 299	0.49 350	0.47 299	0.47 351	0.47 306	0.46 334	0.47 301	0.47 337	0.47 297	0.47 313	0.48 338	0.47 353	0.47 305	0.47 328

ACVNet_1	0.46 274	0.47 194	0.46 287	0.46 252	0.46 344	0.46 305	0.46 336	0.46 293	0.47 341	0.46 293	0.46 343	0.46 300	0.46 334	0.46 297	0.46 330	0.46 292	0.46 305	0.47 330	0.46 346	0.46 293	0.46 321

CES	0.39 238	0.47 194	0.36 245	0.36 195	0.37 300	0.45 299	0.35 281	0.35 219	0.40 313	0.36 228	0.44 337	0.47 306	0.36 288	0.44 289	0.36 279	0.37 235	0.39 270	0.44 313	0.35 301	0.37 238	0.36 281

xyz-stereo-finetune2	0.18 139	0.48 200	0.16 145	0.16 120	0.15 168	0.15 134	0.16 162	0.16 141	0.16 171	0.16 138	0.16 172	0.16 139	0.16 170	0.16 140	0.16 167	0.16 134	0.16 145	0.16 145	0.16 168	0.16 145	0.16 159

RainbowNet	0.48 285	0.48 200	0.48 302	0.48 263	0.48 354	0.48 315	0.48 350	0.48 303	0.48 348	0.48 306	0.48 355	0.48 313	0.48 343	0.48 310	0.48 343	0.48 301	0.48 317	0.48 338	0.48 356	0.48 309	0.48 330

xyz-stereo-finetune	0.28 173	0.49 202	0.16 145	0.16 120	0.16 177	0.16 142	0.16 162	0.22 172	0.30 249	0.32 213	0.31 262	0.32 218	0.31 263	0.32 217	0.32 250	0.32 209	0.33 246	0.31 217	0.32 277	0.31 202	0.32 256

GIP-stereo	0.36 214	0.49 202	0.39 259	0.48 263	0.32 265	0.41 268	0.28 230	0.40 246	0.30 249	0.41 260	0.28 237	0.40 255	0.28 237	0.42 280	0.28 225	0.45 288	0.32 235	0.38 266	0.30 261	0.37 238	0.27 211

notaker	0.48 285	0.49 202	0.48 302	0.48 263	0.48 354	0.48 315	0.48 350	0.48 303	0.49 350	0.48 306	0.48 355	0.48 313	0.48 343	0.48 310	0.48 343	0.48 301	0.48 317	0.48 338	0.48 356	0.48 309	0.49 335

ACVNet_2	0.49 291	0.49 202	0.49 309	0.49 269	0.49 356	0.49 320	0.49 352	0.49 307	0.49 350	0.49 313	0.49 358	0.49 317	0.49 348	0.49 316	0.49 345	0.49 304	0.49 320	0.49 343	0.49 359	0.49 313	0.49 335

252Zero-FE	0.45 268	0.50 206	0.36 245	0.50 276	0.36 296	0.50 328	0.36 287	0.50 315	0.36 293	0.49 313	0.36 293	0.49 317	0.36 288	0.54 341	0.41 313	0.45 288	0.34 250	0.45 317	0.34 289	0.55 332	0.75 388

xyz-stereo	0.18 139	0.50 206	0.16 145	0.15 109	0.16 177	0.16 142	0.16 162	0.16 141	0.16 171	0.16 138	0.16 172	0.16 139	0.16 170	0.16 140	0.16 167	0.16 134	0.16 145	0.16 145	0.16 168	0.16 145	0.16 159

FoundationStereo	0.50 293	0.50 206	0.50 313	0.50 276	0.50 360	0.50 328	0.50 354	0.50 315	0.50 353	0.50 326	0.50 360	0.50 332	0.50 351	0.50 323	0.50 346	0.50 310	0.50 326	0.50 347	0.50 361	0.50 318	0.50 338

StereoAnything_RVC	0.50 293	0.50 206	0.50 313	0.50 276	0.50 360	0.50 328	0.50 354	0.50 315	0.50 353	0.50 326	0.50 360	0.50 332	0.50 351	0.50 323	0.50 346	0.50 310	0.50 326	0.50 347	0.50 361	0.50 318	0.50 338

dual_stereo	0.50 293	0.50 206	0.50 313	0.50 276	0.50 360	0.50 328	0.50 354	0.50 315	0.50 353	0.50 326	0.50 360	0.50 332	0.50 351	0.50 323	0.50 346	0.50 310	0.50 326	0.50 347	0.50 361	0.50 318	0.50 338

KSHMR	0.66 323	0.50 206	0.48 302	1.15 378	0.52 366	0.49 320	0.51 358	0.49 307	0.71 391	0.67 367	0.50 360	1.16 424	1.11 418	0.66 362	0.52 353	0.49 304	0.49 320	0.51 352	0.66 385	0.50 318	1.14 427

WZ-Net	0.05 41	0.50 206	0.10 69	0.12 82	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 93	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

SANet	0.50 293	0.50 206	0.50 313	0.50 276	0.50 360	0.50 328	0.50 354	0.50 315	0.50 353	0.50 326	0.50 360	0.50 332	0.50 351	0.50 323	0.50 346	0.50 310	0.50 326	0.50 347	0.50 361	0.50 318	0.50 338

fffft	0.48 285	0.51 214	0.45 283	0.52 285	0.45 342	0.52 343	0.45 334	0.52 332	0.48 348	0.53 339	0.45 341	0.52 343	0.45 331	0.52 337	0.46 330	0.51 316	0.41 282	0.50 347	0.41 333	0.50 318	0.41 307
1: 1. 1
CASnet	0.35 208	0.51 214	0.44 281	0.32 183	0.31 263	0.24 183	0.34 276	0.36 223	0.25 210	0.31 208	0.37 300	0.30 212	0.33 274	0.25 188	0.45 326	0.37 235	0.37 257	0.33 226	0.35 301	0.34 215	0.37 285
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LG-Stereo_L1	0.47 280	0.52 216	0.47 294	0.62 306	0.39 316	0.53 345	0.40 313	0.53 334	0.39 312	0.53 339	0.39 314	0.53 344	0.39 305	0.53 339	0.39 302	0.55 328	0.46 305	0.49 343	0.37 309	0.49 313	0.37 285

Occ-G	1.12 407	0.52 216	3.72 562	3.50 523	0.50 360	0.56 350	0.47 341	0.54 336	0.46 336	0.54 344	0.41 323	0.54 347	0.42 323	0.52 337	0.42 321	3.42 540	4.02 559	0.52 355	0.45 344	0.51 324	0.44 318

AEACV	1.12 407	0.52 216	3.12 554	3.24 508	0.86 411	0.53 345	0.49 352	0.60 350	0.47 341	0.53 339	0.49 358	0.55 351	0.45 331	0.55 345	0.47 337	3.01 536	3.88 557	0.71 377	0.60 377	0.80 362	0.48 330

ktn	0.72 338	0.53 219	1.08 401	1.14 376	0.51 365	1.22 468	1.36 495	0.51 328	0.59 368	0.51 333	0.51 366	0.69 371	1.20 429	0.67 364	0.51 351	0.51 316	0.49 320	0.58 362	0.66 385	0.52 326	0.53 346

TorneroNet	0.66 323	0.53 219	0.50 313	0.50 276	0.64 384	1.06 407	0.70 385	0.50 315	0.51 360	0.49 313	0.69 390	0.49 317	0.50 351	0.48 310	1.15 430	0.71 354	0.49 320	1.14 423	1.08 428	0.49 313	0.49 335

ICVP	0.15 124	0.53 219	0.11 89	0.16 120	0.11 136	0.16 142	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 139	0.11 132	0.16 140	0.11 126	0.16 134	0.11 96	0.16 145	0.11 130	0.16 145	0.11 128
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 44	0.54 222	0.10 69	0.12 82	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 93	0.11 96	0.01 9	0.01 9	0.01 10	0.01 10

PSMNet_ROB	0.54 303	0.54 222	0.54 327	0.54 289	0.53 369	0.54 348	0.54 362	0.53 334	0.54 363	0.54 344	0.54 370	0.54 347	0.53 358	0.54 341	0.54 356	0.54 322	0.53 335	0.54 359	0.54 367	0.54 331	0.54 349

LG-Stereo_Zeroshot	0.48 285	0.55 224	0.47 294	0.63 308	0.41 326	0.56 350	0.44 329	0.56 340	0.41 322	0.56 349	0.41 323	0.57 356	0.42 323	0.56 346	0.41 313	0.55 328	0.43 295	0.51 352	0.37 309	0.51 324	0.37 285

Selective-IGEV	0.51 298	0.55 224	0.45 283	0.69 317	0.45 342	0.61 359	0.45 334	0.50 315	0.40 313	0.56 349	0.44 337	0.55 351	0.40 306	0.72 368	0.67 371	0.59 333	0.46 305	0.45 317	0.34 289	0.46 293	0.37 285

Monster-pub-mixall	0.44 265	0.56 226	0.60 335	0.38 201	0.27 229	0.37 237	0.27 222	0.37 229	0.29 238	0.38 234	0.27 230	0.38 242	0.29 244	0.85 385	0.27 215	1.46 470	0.26 193	0.34 234	0.26 224	0.36 234	0.53 346

Monster-pub-eth3d	0.45 268	0.57 227	0.60 335	0.39 207	0.28 234	0.37 237	0.28 230	0.37 229	0.30 249	0.39 240	0.29 242	0.39 247	0.30 251	0.92 395	0.27 215	1.42 467	0.28 206	0.34 234	0.28 237	0.37 238	0.53 346

Replicate-Monster	0.45 268	0.57 227	0.60 335	0.40 221	0.29 243	0.37 237	0.27 222	0.37 229	0.30 249	0.40 246	0.31 262	0.40 255	0.30 251	0.99 403	0.27 215	1.36 463	0.31 231	0.34 234	0.30 261	0.36 234	0.54 349

LG-Stereo	0.60 311	0.58 229	0.47 294	0.64 311	0.74 403	1.00 399	0.69 382	0.57 343	0.41 322	0.57 352	0.41 323	0.57 356	0.41 317	1.00 405	0.75 393	0.91 376	0.51 331	0.52 355	0.37 309	0.52 326	0.37 285

AIO-test2	0.55 307	0.59 230	0.52 322	0.67 316	0.47 350	0.61 359	0.47 341	0.61 352	0.47 341	0.61 357	0.47 351	0.61 362	0.48 343	0.62 355	0.47 337	0.64 344	0.53 335	0.58 362	0.47 353	0.58 335	0.48 330

FCDSN-DC	0.41 249	0.59 230	0.64 344	0.54 289	0.33 277	0.50 328	0.37 293	0.42 279	0.40 313	0.61 357	0.43 335	0.50 332	0.49 348	0.38 241	0.32 250	0.28 195	0.23 187	0.26 198	0.22 199	0.35 227	0.28 224
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AIO-test1	0.54 303	0.60 232	0.52 322	0.66 315	0.47 350	0.61 359	0.47 341	0.58 346	0.46 336	0.61 357	0.46 343	0.61 362	0.45 331	0.62 355	0.45 326	0.61 338	0.52 333	0.57 361	0.48 356	0.57 334	0.48 330

DispNO	1.00 391	0.63 233	0.43 279	3.45 519	0.44 339	0.65 365	0.43 328	0.64 355	0.43 330	0.64 363	0.43 335	0.64 365	3.03 540	0.64 360	0.43 324	4.55 549	0.43 295	0.63 367	0.43 342	0.63 339	0.43 315

LMCR-Stereo	0.65 321	0.63 233	0.65 347	0.65 312	0.65 386	0.66 366	0.63 370	0.58 346	0.65 376	0.63 362	0.64 381	0.65 368	0.65 371	0.66 362	0.66 370	0.66 347	0.64 353	0.65 371	0.67 389	0.68 343	0.73 384

MonSter	0.60 311	0.64 235	0.52 322	0.62 306	0.44 339	2.07 504	0.44 329	0.62 353	0.44 333	0.62 360	0.44 337	0.62 364	0.44 328	0.62 355	0.44 325	0.58 332	0.42 291	0.62 365	0.46 346	0.58 335	0.42 314

AIO-Stereo	0.84 369	0.66 236	0.70 355	0.83 335	0.67 390	0.98 397	0.82 403	1.14 404	0.72 393	1.03 407	0.74 402	1.03 411	1.09 417	0.99 403	0.45 326	1.04 390	0.73 368	0.95 409	0.74 400	0.94 383	0.46 321

anonymity	0.63 318	0.69 237	0.56 329	0.71 323	0.56 372	0.71 371	0.56 363	0.71 364	0.56 364	0.72 371	0.56 371	0.71 372	0.56 362	0.71 367	0.58 360	0.68 349	0.55 337	0.68 373	0.55 368	0.68 343	0.54 349

CoDeX	0.15 124	0.70 238	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	0.67 371	0.02 15	0.69 361	0.75 381	0.01 9	0.02 20	0.02 20

FE-Mocha	0.35 208	0.71 239	0.40 264	0.47 258	0.27 229	0.34 224	0.27 222	0.34 215	0.26 223	0.34 220	0.26 225	0.34 226	0.27 230	0.34 225	0.27 215	0.44 285	0.41 282	0.33 226	0.29 247	0.32 204	0.29 229

RAFT-Stereo + iAFF	0.70 332	0.72 240	0.71 358	0.80 331	0.62 383	0.82 381	0.61 368	0.81 374	0.62 372	0.81 384	0.63 379	0.80 385	0.70 381	0.73 370	0.61 365	0.76 359	0.61 350	0.74 380	0.61 379	0.77 356	0.61 363

DSFCA	0.66 323	0.73 241	0.78 371	0.65 312	0.65 386	0.64 364	0.64 371	0.65 356	0.63 374	0.64 363	0.64 381	0.64 365	0.64 369	0.65 361	0.65 367	0.65 345	0.65 355	0.65 371	0.65 383	0.66 341	0.64 368

SMoEStereo_RVC	0.63 318	0.75 242	0.51 319	0.73 325	0.53 369	0.71 371	0.47 341	0.67 359	0.58 366	0.74 377	0.60 373	0.72 375	0.53 358	0.74 372	0.51 351	0.61 338	0.62 351	0.62 365	0.61 379	0.63 339	0.61 363

GCAP-BAT	0.33 197	0.78 243	0.32 221	0.38 201	0.25 219	0.34 224	0.25 211	0.34 215	0.26 223	0.34 220	0.25 219	0.35 228	0.26 222	0.35 228	0.27 215	0.36 231	0.30 225	0.32 218	0.24 213	0.32 204	0.26 203

SFCPSM	0.17 136	0.78 243	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	0.79 397	0.02 15	0.75 371	0.76 383	0.02 20	0.02 20	0.02 20

G-Net	0.79 351	0.79 245	0.79 374	0.79 329	0.79 407	0.79 378	0.79 397	0.79 369	0.79 403	0.79 381	0.79 407	0.79 384	0.79 395	0.79 375	0.79 397	0.79 361	0.79 375	0.79 386	0.79 405	0.79 359	0.79 392

DMCA-RVC	0.70 332	0.80 246	0.70 355	0.70 321	0.70 396	0.70 369	0.70 385	0.71 364	0.70 386	0.70 370	0.71 396	0.71 372	0.70 381	0.70 366	0.69 379	0.69 350	0.70 362	0.69 374	0.70 394	0.69 347	0.70 376

NaN_ROB	0.80 353	0.80 246	0.80 375	0.80 331	0.80 409	0.80 379	0.80 400	0.80 371	0.80 404	0.80 382	0.80 408	0.80 385	0.80 396	0.80 377	0.80 399	0.80 362	0.80 378	0.80 389	0.80 407	0.80 362	0.80 393

CSAN	0.80 353	0.80 246	0.80 375	0.80 331	0.80 409	0.80 379	0.80 400	0.80 371	0.80 404	0.80 382	0.80 408	0.80 385	0.80 396	0.80 377	0.80 399	0.80 362	0.80 378	0.80 389	0.80 407	0.80 362	0.80 393

testlalala	0.32 194	0.81 249	0.31 216	0.39 207	0.26 227	0.33 222	0.24 208	0.33 211	0.26 223	0.32 213	0.26 225	0.33 221	0.23 206	0.33 223	0.23 197	0.35 226	0.31 231	0.30 211	0.24 213	0.31 202	0.21 181

ARAFT	0.68 328	0.81 249	0.63 342	0.74 326	0.60 375	0.78 376	0.62 369	0.77 368	0.66 378	0.74 377	0.63 379	0.75 379	0.62 368	0.83 380	0.60 363	0.70 353	0.55 337	0.70 376	0.60 377	0.78 357	0.55 354

RSM++	0.76 346	0.82 251	0.66 348	0.85 338	0.64 384	0.85 383	0.71 388	0.94 390	0.64 375	0.87 387	0.67 386	0.87 391	0.65 371	0.84 381	0.65 367	0.81 365	0.70 362	0.79 386	0.71 397	0.83 369	0.70 376

water-stereo	0.41 249	0.84 252	0.46 287	0.50 276	0.33 277	0.45 299	0.33 265	0.45 289	0.32 264	0.45 287	0.32 266	0.45 296	0.32 266	0.45 292	0.32 250	0.44 285	0.41 282	0.39 277	0.31 271	0.39 260	0.32 256

Selective-RAFT-Error	0.88 374	0.84 252	0.98 393	0.86 339	0.97 423	0.88 386	0.95 415	0.84 376	0.99 425	0.92 393	0.82 410	0.84 390	0.98 407	0.87 386	0.97 415	0.81 365	0.83 381	0.79 386	0.82 410	0.79 359	0.85 398

depthmonostereo	0.44 265	0.85 254	0.46 287	0.54 289	0.40 318	0.52 343	0.38 299	0.52 332	0.35 283	0.47 299	0.34 281	0.46 300	0.34 279	0.47 301	0.34 272	0.45 288	0.43 295	0.41 299	0.33 285	0.41 276	0.32 256

DilatedVolume-Stereo	0.43 260	0.86 255	0.48 302	0.50 276	0.33 277	0.46 305	0.33 265	0.46 293	0.33 271	0.46 293	0.33 273	0.47 306	0.33 274	0.47 301	0.34 272	0.45 288	0.42 291	0.40 282	0.33 285	0.47 305	0.38 292

AIO-Stereo-zeroshot	0.91 377	0.86 255	0.89 380	1.25 435	0.69 394	1.05 406	0.81 402	1.16 408	0.50 353	1.12 417	0.97 421	0.72 375	0.82 398	1.06 411	0.95 413	0.61 338	0.87 383	1.03 420	0.85 413	1.04 393	1.01 416

test_sample3	0.09 52	0.87 257	0.10 69	0.12 82	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 93	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 52	0.87 257	0.12 101	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

SCV_C0	0.45 268	0.88 259	0.49 309	0.54 289	0.37 300	0.48 315	0.37 293	0.48 303	0.37 295	0.48 306	0.36 293	0.48 313	0.37 293	0.49 316	0.37 288	0.50 310	0.41 282	0.44 313	0.34 289	0.44 286	0.34 269

tt45	1.04 401	0.88 259	1.36 478	0.92 346	1.03 431	1.51 485	0.79 397	0.70 363	0.88 409	0.74 377	0.90 412	1.60 486	0.72 386	1.60 483	0.75 393	0.91 376	0.78 374	1.52 495	0.79 405	1.14 398	1.32 491

AFF-stereo	0.73 340	0.88 259	0.67 352	0.75 327	0.68 393	0.75 373	0.64 371	0.80 371	0.72 393	0.83 386	0.70 392	0.82 389	0.64 369	0.84 381	0.67 371	0.77 360	0.63 352	0.81 391	0.63 381	0.78 357	0.62 366

DLNR-FE	0.28 173	0.89 262	0.30 204	0.34 189	0.19 195	0.28 203	0.19 181	0.28 196	0.20 190	0.28 199	0.20 196	0.28 203	0.20 194	0.28 206	0.20 186	0.33 213	0.28 206	0.25 193	0.19 194	0.24 180	0.19 177

CASS	0.57 310	0.89 262	0.56 329	0.57 296	0.56 372	0.56 350	0.56 363	0.56 340	0.53 361	0.57 352	0.57 372	0.59 360	0.48 343	0.56 346	0.57 359	0.55 328	0.56 339	0.47 330	0.56 372	0.62 338	0.56 357
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 376	0.89 262	0.72 361	1.16 383	0.78 406	1.06 407	0.82 403	0.87 377	0.97 422	1.00 401	0.91 415	0.90 395	1.00 408	0.89 389	0.93 412	0.83 370	0.83 381	0.82 395	0.82 410	0.81 365	0.82 396

MLG-Stereo	0.92 379	0.90 265	0.84 378	1.27 436	0.49 356	1.38 478	0.88 406	1.41 476	0.97 422	0.73 372	1.09 429	1.26 474	0.43 326	0.72 368	1.05 423	1.13 401	0.49 320	1.18 432	0.66 385	1.01 390	0.46 321

UNet	0.29 178	0.90 265	0.10 69	0.14 99	0.10 121	0.14 127	0.10 118	0.91 383	0.69 383	0.14 127	0.11 133	0.14 128	0.11 132	0.14 130	0.10 114	0.12 93	0.09 70	0.12 122	0.09 111	0.88 373	0.76 390

xxxxx1	0.31 186	0.91 267	0.23 175	0.31 180	0.23 212	0.31 212	0.23 203	0.33 211	0.25 210	0.31 208	0.24 213	0.33 221	0.25 213	0.32 217	0.24 201	0.28 195	0.28 206	0.28 204	0.28 237	0.29 194	0.27 211

tt_ll	0.31 186	0.91 267	0.23 175	0.31 180	0.23 212	0.31 212	0.23 203	0.33 211	0.25 210	0.31 208	0.24 213	0.33 221	0.25 213	0.32 217	0.24 201	0.28 195	0.28 206	0.28 204	0.28 237	0.29 194	0.27 211

ff	0.31 186	0.91 267	0.23 175	0.31 180	0.23 212	0.31 212	0.23 203	0.33 211	0.25 210	0.31 208	0.24 213	0.33 221	0.25 213	0.32 217	0.24 201	0.28 195	0.28 206	0.28 204	0.28 237	0.29 194	0.27 211

DPSM_ROB	0.92 379	0.91 267	0.91 386	0.91 343	0.92 418	0.92 391	0.92 411	0.92 386	0.91 412	0.93 395	0.91 415	0.92 398	0.90 400	0.91 391	0.92 408	0.92 379	0.91 386	0.91 404	0.92 415	0.93 381	0.93 406

DPSM	0.92 379	0.91 267	0.91 386	0.91 343	0.92 418	0.92 391	0.92 411	0.92 386	0.91 412	0.93 395	0.91 415	0.92 398	0.90 400	0.91 391	0.92 408	0.92 379	0.91 386	0.91 404	0.92 415	0.93 381	0.93 406

AIO-Stereo-zeroshot1	0.75 342	0.92 272	0.85 379	0.96 357	0.59 374	1.27 471	0.44 329	0.59 348	0.69 383	0.91 391	0.68 387	0.55 351	0.61 367	1.06 411	0.83 403	0.62 342	0.70 362	0.90 401	0.41 333	0.89 374	0.56 357

pmcnn	0.92 379	0.92 272	0.92 388	0.92 346	0.92 418	0.92 391	0.92 411	0.92 386	0.92 416	0.92 393	0.92 419	0.92 398	0.92 403	0.92 395	0.92 408	0.92 379	0.92 388	0.92 406	0.92 415	0.92 380	0.92 405

AdaDepth	0.86 372	0.93 274	0.71 358	1.01 364	1.07 433	1.02 404	0.71 388	1.00 394	0.71 391	1.01 405	0.71 396	1.00 406	0.72 386	1.14 422	0.71 387	0.92 379	0.64 353	0.90 401	0.64 382	0.89 374	0.69 375

tt1	0.31 186	0.93 274	0.24 182	0.33 187	0.23 212	0.31 212	0.24 208	0.32 208	0.24 205	0.32 213	0.23 206	0.32 218	0.25 213	0.32 217	0.24 201	0.27 193	0.26 193	0.27 202	0.26 224	0.27 189	0.27 211

SCV	0.46 274	0.94 276	0.45 283	0.54 289	0.37 300	0.48 315	0.38 299	0.48 303	0.37 295	0.48 306	0.39 314	0.48 313	0.37 293	0.49 316	0.37 288	0.50 310	0.46 305	0.44 313	0.34 289	0.44 286	0.34 269

tta	0.09 52	0.95 277	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

R-Stereo Train	0.81 358	0.96 278	0.67 352	0.95 354	0.67 390	0.95 394	0.68 379	0.95 392	0.68 380	0.95 399	0.68 387	0.96 403	0.68 377	0.96 401	0.68 374	0.94 384	0.68 357	0.94 407	0.68 390	0.94 383	0.68 373

RAFT-Stereo	0.81 358	0.96 278	0.67 352	0.95 354	0.67 390	0.95 394	0.68 379	0.95 392	0.68 380	0.95 399	0.68 387	0.96 403	0.68 377	0.96 401	0.68 374	0.94 384	0.68 357	0.94 407	0.68 390	0.94 383	0.68 373
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
test_sample6	0.09 52	0.97 280	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

zh-sn7	0.10 65	0.98 281	0.14 126	0.15 109	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 125	0.13 136	0.03 38	0.03 54	0.03 43	0.03 51

Former-RAFT_DAM_RVC	0.49 291	0.98 281	0.64 344	0.84 336	0.46 344	0.45 299	0.35 281	0.47 299	0.47 341	0.45 287	0.34 281	0.46 300	0.48 343	0.46 297	0.35 276	0.39 257	0.71 366	0.39 277	0.35 301	0.41 276	0.41 307

dd	0.23 158	0.98 281	0.16 145	0.23 152	0.15 168	0.23 182	0.15 157	0.23 178	0.15 167	0.23 176	0.15 169	0.24 185	0.17 177	0.23 179	0.15 161	0.22 166	0.15 143	0.21 171	0.15 166	0.22 169	0.16 159

222	0.10 65	0.99 284	0.12 101	0.13 95	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.02 20	0.04 77	0.03 51

test_sample7	0.09 52	1.00 285	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 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

ACVNet-DCA	0.37 220	1.00 285	0.30 204	0.40 221	0.29 243	0.40 252	0.29 239	0.40 246	0.29 238	0.40 246	0.29 242	0.40 255	0.29 244	0.39 249	0.28 225	0.33 213	0.32 235	0.33 226	0.32 277	0.33 211	0.32 256

GANet	1.00 391	1.00 285	1.00 395	1.00 361	1.00 424	1.00 399	1.00 419	1.00 394	1.00 426	1.00 401	1.00 423	1.00 406	1.00 408	1.00 405	1.00 418	1.00 386	1.00 391	1.00 414	1.00 422	1.00 387	1.00 413

TDLM	1.00 391	1.00 285	1.00 395	1.00 361	1.00 424	1.00 399	1.00 419	1.00 394	1.00 426	1.00 401	1.00 423	1.00 406	1.00 408	1.00 405	1.00 418	1.00 386	1.00 391	1.00 414	1.00 422	1.00 387	1.00 413

CVANet_RVC	1.00 391	1.00 285	1.00 395	1.00 361	1.00 424	1.00 399	1.00 419	1.00 394	1.00 426	1.00 401	1.00 423	1.00 406	1.00 408	1.00 405	1.00 418	1.00 386	1.00 391	1.00 414	1.00 422	1.00 387	1.00 413

DGTPSM_ROB	0.93 384	1.00 285	0.92 388	0.94 352	0.96 422	0.91 390	0.92 411	0.91 383	0.96 421	0.91 391	0.96 420	0.93 401	0.92 403	0.94 397	0.92 408	0.92 379	0.92 388	0.90 401	0.92 415	0.94 383	0.91 404

trnet	1.01 397	1.01 291	1.01 398	1.01 364	1.01 428	1.01 403	1.01 422	1.01 398	1.01 429	1.01 405	1.01 426	1.01 410	1.01 414	1.01 409	1.01 421	1.01 389	1.01 394	1.01 417	1.01 426	1.01 390	1.01 416

SMFormer	0.09 52	1.01 291	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

xxx	0.09 52	1.01 291	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

GLC_STEREO	1.07 402	1.01 291	1.06 400	1.07 368	1.05 432	1.06 407	1.08 426	1.08 400	1.05 432	1.07 409	1.06 428	1.08 413	1.05 416	1.06 411	1.10 425	1.07 392	1.09 404	1.05 421	1.05 427	1.06 394	1.12 423

1test111	0.37 220	1.02 295	0.30 204	0.39 207	0.29 243	0.40 252	0.28 230	0.39 241	0.29 238	0.39 240	0.29 242	0.39 247	0.28 237	0.40 252	0.29 235	0.33 213	0.32 235	0.33 226	0.31 271	0.32 204	0.31 251

cc1	0.37 220	1.02 295	0.30 204	0.39 207	0.29 243	0.40 252	0.28 230	0.39 241	0.29 238	0.39 240	0.29 242	0.39 247	0.28 237	0.40 252	0.29 235	0.33 213	0.32 235	0.33 226	0.31 271	0.32 204	0.31 251

test_sample4	0.10 65	1.03 297	0.12 101	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.13 136	0.03 38	0.03 54	0.03 43	0.03 51

test_sample2	0.09 52	1.03 297	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

xx1	0.38 226	1.03 297	0.31 216	0.40 221	0.31 263	0.41 268	0.28 230	0.40 246	0.29 238	0.40 246	0.29 242	0.40 255	0.29 244	0.40 252	0.29 235	0.34 217	0.33 246	0.34 234	0.32 277	0.34 215	0.32 256

dad	0.23 158	1.03 297	0.16 145	0.23 152	0.15 168	0.24 183	0.15 157	0.24 181	0.16 171	0.23 176	0.16 172	0.24 185	0.16 170	0.23 179	0.15 161	0.22 166	0.16 145	0.22 176	0.16 168	0.22 169	0.16 159

DualNet (step1)	0.10 65	1.05 301	0.12 101	0.12 82	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 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 65	1.05 301	0.12 101	0.12 82	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 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 65	1.05 301	0.12 101	0.12 82	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 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 65	1.07 304	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

DualNet	0.10 65	1.07 304	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 65	1.09 306	0.12 101	0.12 82	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 93	0.12 112	0.03 38	0.02 20	0.03 43	0.02 20

test_xeample	0.10 65	1.09 306	0.13 121	0.12 82	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	0.14 116	0.14 140	0.03 38	0.03 54	0.03 43	0.03 51

FC-DCNN	1.07 402	1.09 306	0.98 393	0.89 340	0.52 366	1.41 482	0.91 410	1.21 461	1.24 490	1.96 493	2.05 547	1.91 494	1.30 482	1.27 475	1.08 424	0.80 362	0.60 346	0.58 362	0.41 333	0.68 343	0.54 349

MSMD_ROB	1.19 409	1.10 309	0.70 355	1.10 370	0.60 375	1.10 413	0.70 385	1.10 403	0.70 386	1.10 411	0.70 392	1.10 417	0.70 381	7.00 584	0.70 385	1.10 395	0.70 362	1.10 422	0.70 394	1.10 396	0.70 376

999	1.00 391	1.12 310	0.59 333	1.10 370	1.21 492	1.09 412	0.52 359	1.08 400	1.43 504	1.18 422	1.35 496	0.98 405	0.52 357	0.91 391	0.85 404	0.72 355	1.46 488	0.83 396	0.98 420	0.68 343	1.41 499

zh-mn7	0.12 96	1.14 311	0.17 152	0.20 136	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 150	0.16 145	0.03 38	0.03 54	0.03 43	0.03 51

1111x	0.10 65	1.14 311	0.13 121	0.14 99	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	0.13 109	0.11 96	0.03 38	0.02 20	0.03 43	0.02 20

LoS_RVC	0.30 179	1.14 311	0.25 185	0.25 162	0.25 219	0.26 198	0.25 211	0.25 187	0.25 210	0.25 187	0.25 219	0.26 200	0.26 222	0.26 198	0.25 209	0.26 190	0.26 193	0.25 193	0.25 218	0.26 184	0.26 203

DDF-Stereo	0.43 260	1.15 314	0.57 331	0.53 286	0.32 265	0.41 268	0.32 255	0.41 261	0.32 264	0.41 260	0.32 266	0.41 268	0.32 266	0.40 252	0.32 250	0.52 318	0.50 326	0.38 266	0.31 271	0.39 260	0.31 251

x	0.11 87	1.15 314	0.15 142	0.14 99	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	0.14 116	0.15 143	0.03 38	0.03 54	0.03 43	0.03 51

xxxx	0.11 87	1.16 316	0.16 145	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.16 145	0.03 38	0.04 78	0.04 77	0.04 79

CAS	0.30 179	1.17 317	0.25 185	0.25 162	0.25 219	0.26 198	0.25 211	0.25 187	0.26 223	0.25 187	0.25 219	0.25 190	0.25 213	0.25 188	0.25 209	0.26 190	0.26 193	0.26 198	0.25 218	0.26 184	0.25 197

HSM-Net_RVC	0.95 387	1.17 317	0.78 371	1.18 385	0.71 398	1.16 421	0.75 393	1.09 402	0.80 404	1.10 411	0.75 403	1.17 425	0.74 388	1.17 425	0.80 399	1.13 401	0.73 368	1.17 429	0.77 402	1.16 402	0.72 381
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 388	1.18 319	0.81 377	1.10 370	0.91 417	1.02 404	0.82 403	1.04 399	0.91 412	1.03 407	0.86 411	1.28 476	0.82 398	1.03 410	0.89 406	1.17 404	0.81 380	1.02 418	0.82 410	1.08 395	0.81 395

psm_up	0.43 260	1.19 320	0.17 152	0.25 162	0.18 191	0.25 190	0.19 181	1.26 465	0.91 412	0.26 195	0.17 177	0.25 190	0.17 177	0.25 188	0.17 171	0.22 166	0.17 163	0.23 182	0.16 168	1.18 408	0.99 411

DisPM	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

CrosDoStereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

PFNet+	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

LCNet	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

HHNet	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

Patchmatch Stereo++	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437
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	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

STrans-v2	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

TransformOpticalFlow	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

OMP-Stereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

IIG-Stereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

NF-Stereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

OCTAStereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

PSM-softLoss	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

KMStereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

NRIStereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

PSM-adaLoss	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

PSM-AAD	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

FTStereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

ROB_FTStereo_v2	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

ROB_FTStereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

Consistency-Raft	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

KYRaft	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

HUI-Stereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

ASMatch	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

DeepStereo_LL	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

DEmStereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

SST-Stereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

THIR-Stereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

RAFT_R40	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

DRaft	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

PFNet	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

GrayStereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

RE-Stereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

Pruner-Stereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

TVStereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

DeepStereo_RVC	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

RAFT-RH_RVC	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

IRAFT_RVC	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

RAFT-345	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

iRAFT	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

CRE-IMP	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

GMM-Stereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

RAFT-IKP	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

Prome-Stereo	1.20 410	1.20 321	1.20 415	1.20 387	1.20 446	1.20 422	1.20 437	1.20 416	1.20 442	1.20 424	1.20 439	1.20 427	1.20 429	1.20 427	1.20 439	1.20 406	1.20 419	1.20 434	1.20 439	1.20 411	1.20 437

UPFNet	0.42 259	1.20 321	0.17 152	0.24 157	0.17 181	0.25 190	0.17 170	1.19 413	0.90 410	0.25 187	0.17 177	0.24 185	0.17 177	0.25 188	0.17 171	0.22 166	0.17 163	0.22 176	0.16 168	1.15 400	0.93 406

Wavelet-MonSter	1.00 391	1.21 367	0.76 368	1.94 464	1.01 428	1.11 416	0.76 394	1.15 405	0.76 399	1.11 416	0.76 404	1.14 422	0.76 391	1.11 419	0.76 395	1.21 451	0.90 384	1.02 418	0.71 397	1.02 392	0.71 380

GASTEREO	0.48 285	1.21 367	0.47 294	0.57 296	0.38 307	0.50 328	0.38 299	0.50 315	0.38 299	0.50 326	0.38 305	0.50 332	0.38 297	0.50 323	0.38 291	0.52 318	0.42 291	0.46 321	0.34 289	0.46 293	0.34 269

z-mn7	0.16 132	1.21 367	0.33 226	0.41 233	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	0.35 226	0.31 231	0.04 73	0.04 78	0.04 77	0.04 79

ours_stereo	1.20 410	1.21 367	0.90 383	1.64 458	1.11 435	1.35 474	0.67 378	1.76 485	0.93 417	1.70 489	1.10 430	1.39 480	0.75 390	1.41 480	0.81 402	1.60 478	1.03 396	1.33 485	1.00 422	1.61 473	0.72 381

WCG-NET	0.61 314	1.21 367	0.54 327	0.61 305	0.53 369	0.67 367	0.53 360	0.66 358	0.53 361	0.64 363	0.53 369	0.65 368	0.53 358	0.59 353	0.52 353	0.65 345	0.48 317	0.64 368	0.52 365	0.58 335	0.50 338

delet	0.43 260	1.21 367	0.17 152	0.25 162	0.17 181	0.25 190	0.18 177	1.26 465	0.95 419	0.25 187	0.17 177	0.25 190	0.17 177	0.25 188	0.17 171	0.23 177	0.16 145	0.22 176	0.16 168	1.18 408	0.98 410

w-ln-seven-2	0.14 112	1.22 373	0.28 196	0.32 183	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	0.32 209	0.27 200	0.04 73	0.03 54	0.03 43	0.03 51

CroCo-Stereo	0.73 340	1.22 373	0.25 185	1.22 432	0.25 219	1.22 468	0.25 211	1.22 462	0.25 210	1.22 470	0.25 219	1.22 473	0.25 213	1.22 473	0.25 209	1.22 453	0.26 193	1.21 479	0.25 218	1.22 458	0.25 197
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
WCG-NET（raft）	0.32 194	1.24 375	0.24 182	0.32 183	0.24 217	0.32 220	0.23 203	0.32 208	0.24 205	0.32 213	0.24 213	0.32 218	0.24 210	0.32 217	0.24 201	0.30 203	0.23 187	0.30 211	0.23 205	0.30 197	0.23 186

MMNet	0.44 265	1.24 375	0.17 152	0.25 162	0.17 181	0.25 190	0.18 177	1.26 465	0.93 417	0.25 187	0.17 177	0.25 190	0.18 185	0.25 188	0.17 171	0.23 177	0.16 145	0.23 182	0.16 168	1.20 411	0.99 411

CroCo-Stereo Lap2	0.77 347	1.29 377	0.29 200	1.27 436	0.29 243	1.27 471	0.26 219	1.26 465	0.26 223	1.26 471	0.26 225	1.27 475	0.26 222	1.26 474	0.27 215	1.27 455	0.27 200	1.27 483	0.27 232	1.27 461	0.27 211

CSP-Net	0.34 199	1.29 377	1.19 412	1.36 443	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	1.26 454	1.21 465	0.03 38	0.09 111	0.02 20	0.09 111

zero-FE	0.72 338	1.31 379	0.66 348	0.92 346	0.60 375	0.82 381	0.58 365	0.82 375	0.58 366	0.81 384	0.60 373	0.81 388	0.60 365	0.82 379	0.58 360	0.74 357	0.59 345	0.73 378	0.52 365	0.76 354	0.51 345

Syn2CoEx	0.25 163	1.31 379	0.74 365	0.92 346	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	0.87 375	0.75 371	0.02 18	0.02 20	0.02 20	0.02 20

CC-Net-ROB	1.36 463	1.33 381	1.33 467	1.36 443	1.38 499	1.36 476	1.33 491	1.37 472	1.34 495	1.35 473	1.36 498	1.38 478	1.34 485	1.38 479	1.38 500	1.35 461	1.38 484	1.33 485	1.35 494	1.43 467	1.34 494

MaskLacGwcNet_RVC	1.35 462	1.35 382	1.35 470	1.35 442	1.35 496	1.35 474	1.35 493	1.36 470	1.35 498	1.36 474	1.35 496	1.36 477	1.36 487	1.36 476	1.35 497	1.35 461	1.35 480	1.35 488	1.35 494	1.35 464	1.35 495

NLCSM	1.94 480	1.36 383	0.90 383	17.57 585	1.19 445	1.40 480	0.90 408	1.37 472	0.90 410	1.37 475	0.91 415	1.38 478	0.91 402	1.37 477	0.90 407	1.28 456	0.90 384	1.25 481	0.85 413	1.24 459	0.85 398

PML	0.46 274	1.36 383	0.29 200	0.58 298	0.30 253	0.57 356	0.29 239	0.57 343	0.29 238	0.57 352	0.29 242	0.57 356	0.29 244	0.56 346	0.29 235	0.52 318	0.30 225	0.53 358	0.31 271	0.53 330	0.30 242

PS-NSSS	1.38 465	1.39 385	1.34 468	1.34 441	1.35 496	1.38 478	1.37 500	1.35 469	1.38 501	1.34 472	1.34 495	1.39 480	1.38 490	1.70 487	1.40 501	1.36 463	1.36 481	1.36 490	1.37 497	1.37 465	1.36 496

MSCF	0.51 298	1.40 386	0.49 309	0.58 298	0.38 307	0.50 328	0.38 299	0.54 336	0.41 322	0.52 336	0.41 323	0.53 344	0.42 323	0.53 339	0.41 313	0.60 334	0.47 313	0.48 338	0.37 309	0.48 309	0.38 292

z-ln-s-r	0.21 150	1.40 386	0.53 326	0.56 295	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	0.57 331	0.44 302	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 139	1.47 388	0.33 226	0.40 221	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	0.38 246	0.32 235	0.05 86	0.04 78	0.04 77	0.04 79

Gwc-CoAtRS	0.41 249	1.49 389	0.32 221	0.42 243	0.32 265	0.41 268	0.32 255	0.41 261	0.33 271	0.41 260	0.32 266	0.41 268	0.32 266	0.41 267	0.32 250	0.39 257	0.28 206	0.39 277	0.28 237	0.40 266	0.28 224

FENet	0.54 303	1.52 390	1.19 412	1.41 446	0.23 212	0.35 229	0.23 203	0.35 219	0.23 202	0.34 220	0.23 206	0.35 228	0.23 206	0.35 228	0.23 197	1.40 466	1.07 398	0.32 218	0.23 205	0.33 211	0.23 186

CFNet-ft	0.55 307	1.57 391	0.14 126	0.20 136	0.14 157	0.20 162	2.53 545	1.61 478	0.14 157	0.20 159	0.14 161	0.20 160	0.14 158	0.20 159	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	1.56 471	1.24 486

DPSMNet_ROB	1.60 469	1.59 392	1.70 500	1.59 450	1.59 508	1.61 487	1.61 511	1.60 477	1.60 508	1.62 487	1.59 511	1.60 486	1.60 496	1.60 483	1.59 508	1.59 476	1.60 502	1.59 496	1.59 514	1.59 472	1.59 509

RASNet	1.49 466	1.65 393	1.45 486	1.38 445	1.43 502	1.47 484	1.36 495	1.38 474	1.36 499	1.39 476	1.60 512	1.45 483	1.45 493	1.51 482	2.21 542	1.53 475	1.36 481	1.36 490	1.36 496	1.66 476	1.36 496

CRFU-Net	0.65 321	1.67 394	1.22 462	1.96 467	0.27 229	0.41 268	0.27 222	0.41 261	0.27 229	0.40 246	0.26 225	0.41 268	0.27 230	0.40 252	0.27 215	1.80 483	1.62 503	0.34 234	0.23 205	0.33 211	0.23 186

FlowAnything	1.02 399	1.71 395	0.72 361	1.59 450	0.69 394	1.60 486	0.69 382	1.61 478	0.70 386	1.60 481	0.69 390	1.60 486	0.69 379	1.61 485	0.69 379	0.81 365	0.58 343	0.81 391	0.56 372	0.82 367	0.56 357

FlowAnything_test	1.02 399	1.72 396	0.71 358	1.59 450	0.70 396	1.61 487	0.69 382	1.61 478	0.70 386	1.60 481	0.70 392	1.61 489	0.69 379	1.61 485	0.70 385	0.81 365	0.58 343	0.81 391	0.55 368	0.81 365	0.56 357

gwcnet-sp	0.82 363	1.72 396	1.48 488	0.39 207	0.15 168	0.31 212	0.21 190	0.20 160	0.25 210	1.61 484	0.23 206	0.28 203	0.26 222	0.20 159	0.15 161	0.24 182	1.33 475	0.32 218	0.16 168	6.75 571	0.23 186

scenet	0.82 363	1.72 396	1.48 488	0.39 207	0.15 168	0.31 212	0.21 190	0.20 160	0.25 210	1.61 484	0.23 206	0.28 203	0.26 222	0.20 159	0.15 161	0.24 182	1.33 475	0.32 218	0.16 168	6.75 571	0.23 186

ssnet	0.82 363	1.72 396	1.48 488	0.39 207	0.15 168	0.31 212	0.21 190	0.20 160	0.25 210	1.61 484	0.23 206	0.28 203	0.26 222	0.20 159	0.15 161	0.24 182	1.33 475	0.32 218	0.16 168	6.75 571	0.23 186

HBP-ISP	1.24 458	1.72 396	1.65 498	1.15 378	0.76 404	1.40 480	0.88 406	1.67 484	1.02 430	1.69 488	1.38 501	1.69 490	1.21 475	1.87 495	1.21 484	1.05 391	0.79 375	0.97 412	0.80 407	1.19 410	0.75 388

LL-Strereo2	0.48 285	1.73 401	0.51 319	0.59 301	0.34 287	0.42 288	0.33 265	0.40 246	0.31 260	0.42 274	0.33 273	0.42 286	0.31 263	0.44 289	0.39 302	0.60 334	0.51 331	0.44 313	0.33 285	0.44 286	0.33 263

test_xeample3	1.10 404	1.81 402	0.61 340	0.84 336	0.49 356	0.77 374	0.66 374	0.92 386	1.40 502	0.68 369	0.46 343	0.78 382	0.54 361	1.72 488	1.48 504	1.34 460	1.52 492	1.35 488	1.67 522	1.33 463	1.55 504

mmm	0.14 112	1.83 403	0.12 101	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 93	0.11 96	0.05 86	0.04 78	0.05 92	0.04 79

4.5_new	2.00 487	1.84 404	1.98 528	2.77 495	2.16 543	2.27 509	1.28 490	2.09 497	1.98 540	2.01 499	1.28 491	2.71 531	1.98 524	2.51 522	1.65 511	2.26 507	1.33 475	1.87 506	1.87 534	2.49 511	1.60 510

MM-Stereo_test2	1.20 410	1.85 405	1.05 399	1.46 447	0.94 421	1.36 476	0.99 418	1.36 470	0.95 419	1.41 477	0.98 422	1.40 482	0.96 405	1.37 477	0.95 413	1.37 465	1.06 397	1.33 485	0.93 419	1.29 462	0.89 402

hknet	1.10 404	1.85 405	3.49 557	4.48 534	0.02 21	0.42 288	0.06 108	0.41 261	0.02 21	0.48 306	0.03 52	0.41 268	0.03 52	0.42 280	0.03 48	4.39 546	4.19 560	0.33 226	0.23 205	0.34 215	0.27 211

2.25w	2.00 487	1.86 407	1.98 528	2.95 501	2.17 545	2.26 508	1.35 493	2.42 517	2.00 543	2.07 506	1.27 490	2.53 519	1.99 526	2.29 510	1.49 505	2.21 505	1.32 468	1.85 502	1.87 534	2.52 515	1.62 513

PAM	0.39 238	1.88 408	0.34 236	0.37 198	0.41 326	0.45 299	0.22 195	0.28 196	0.23 202	0.28 199	0.24 213	0.29 209	0.23 206	0.29 210	0.23 197	0.38 246	0.32 235	0.38 266	0.37 309	0.32 204	0.22 184

DCVSM-stereo	0.36 214	1.89 409	0.22 172	0.40 221	0.22 206	0.40 252	0.22 195	0.40 246	0.22 196	0.40 246	0.22 202	0.40 255	0.22 200	0.40 252	0.22 191	0.28 195	0.21 178	0.28 204	0.21 196	0.28 191	0.20 179

DCRE	0.84 369	1.89 409	0.77 370	0.94 352	0.72 400	0.88 386	0.73 391	0.87 377	0.78 400	0.90 389	0.71 396	0.88 392	0.67 376	0.88 387	0.73 389	0.81 365	0.68 357	0.81 391	0.70 394	0.82 367	0.70 376

RAFT-Stereo-weight	0.45 268	1.90 411	0.34 236	0.42 243	0.36 296	0.43 295	0.35 281	0.42 279	0.34 280	0.42 274	0.34 281	0.44 294	0.34 279	0.41 267	0.34 272	0.38 246	0.32 235	0.38 266	0.32 277	0.38 251	0.33 263

BUS	0.83 366	1.91 412	0.92 388	4.48 534	0.02 21	0.40 252	0.04 81	0.41 261	0.02 21	0.48 306	0.03 52	0.41 268	0.05 94	0.03 39	0.05 88	1.97 494	4.19 560	0.33 226	0.23 205	0.34 215	0.27 211

BSDual-CNN	0.81 358	1.91 412	0.92 388	4.48 534	0.02 21	0.42 288	0.06 108	0.41 261	0.02 21	0.48 306	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 494	4.19 560	0.33 226	0.23 205	0.34 215	0.27 211

psmg	0.43 260	1.91 412	0.92 388	1.91 463	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	1.97 494	1.44 487	0.04 73	0.03 54	0.02 20	0.03 51

GANet-RSSM	0.75 342	1.91 412	0.14 126	0.47 258	0.14 157	0.21 172	3.21 565	2.30 510	0.14 157	0.46 293	0.14 161	0.23 181	0.18 185	0.21 169	0.14 151	0.18 150	0.27 200	0.37 258	0.13 155	2.13 493	2.12 533

MFMNet_re	1.81 477	1.91 412	1.71 502	1.95 466	1.70 519	1.95 498	1.70 516	1.96 490	1.74 521	1.97 495	1.72 520	1.95 495	1.71 504	1.97 499	1.71 516	1.86 484	1.62 503	1.85 502	1.66 521	1.86 484	1.64 515

SPS-STEREO	1.59 468	1.91 412	1.21 461	1.94 464	1.20 446	2.00 501	1.23 484	1.99 492	1.24 490	2.00 498	1.25 488	2.03 502	1.26 478	2.00 500	1.29 493	1.90 490	1.18 418	1.89 510	1.21 484	1.89 486	1.20 437
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 467	1.94 418	1.22 462	1.88 461	1.21 492	1.88 493	1.22 483	1.88 487	1.22 488	1.88 490	1.22 485	1.88 492	1.22 476	1.89 496	1.22 485	1.87 486	1.22 466	1.88 509	1.22 485	1.88 485	1.22 483
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
ssnet_v2	0.68 328	1.96 419	1.25 466	0.29 174	0.20 198	0.30 207	0.20 185	0.29 201	0.22 196	1.50 480	0.20 196	0.31 216	0.20 194	0.27 202	0.22 191	0.24 182	1.49 490	0.26 198	0.18 193	3.90 533	0.19 177

qqq	0.16 132	2.01 420	0.12 101	0.15 109	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 93	0.14 140	0.04 73	0.04 78	0.03 43	0.03 51

MM-Stereo_test3	1.27 460	2.07 421	1.18 410	1.60 453	1.02 430	1.45 483	1.01 422	1.40 475	1.04 431	1.44 478	1.03 427	1.46 484	1.02 415	1.44 481	1.02 422	1.51 474	1.12 411	1.32 484	0.98 420	1.38 466	0.97 409

ACV-stereo	0.30 179	2.08 422	0.25 185	0.25 162	0.18 191	0.24 183	0.17 170	0.24 181	0.18 182	0.24 181	0.17 177	0.25 190	0.17 177	0.24 183	0.17 171	0.22 166	0.16 145	0.22 176	0.16 168	0.22 169	0.16 159

GCST	0.50 293	2.08 422	0.38 252	0.53 286	0.35 290	0.49 320	0.35 281	0.50 315	0.35 283	0.49 313	0.35 290	0.49 317	0.35 285	0.49 316	0.35 276	0.48 301	0.37 257	0.45 317	0.33 285	0.44 286	0.33 263

AIO_test	2.18 508	2.09 424	2.04 532	2.42 485	2.01 535	2.47 519	1.94 530	2.34 513	2.03 544	2.56 526	1.94 533	2.43 515	1.94 521	2.41 517	1.87 533	2.39 520	2.10 529	2.35 527	1.91 540	2.25 497	2.19 535

ToySt	0.92 379	2.11 425	0.90 383	0.95 354	0.79 407	0.99 398	0.78 396	0.94 390	0.81 407	0.94 397	0.78 406	0.95 402	0.77 393	0.94 397	0.86 405	0.91 376	0.79 375	0.85 398	0.77 402	0.89 374	0.73 384

TRStereo	2.00 487	2.13 426	1.85 517	2.27 478	1.84 524	2.28 511	1.84 520	2.29 506	1.86 530	2.30 512	1.87 525	2.30 506	1.87 514	2.08 502	1.72 518	2.08 499	1.72 509	2.08 515	1.72 527	2.08 490	1.72 520

XX-Stereo	2.00 487	2.13 426	1.85 517	2.27 478	1.84 524	2.28 511	1.84 520	2.29 506	1.86 530	2.30 512	1.87 525	2.30 506	1.87 514	2.08 502	1.72 518	2.08 499	1.72 509	2.08 515	1.72 527	2.08 490	1.72 520

EAI-Stereo	2.00 487	2.13 426	1.85 517	2.27 478	1.84 524	2.28 511	1.84 520	2.29 506	1.86 530	2.30 512	1.87 525	2.30 506	1.87 514	2.08 502	1.72 518	2.08 499	1.72 509	2.08 515	1.72 527	2.08 490	1.72 520

11t1	0.17 136	2.16 429	0.13 121	0.13 95	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	0.18 150	0.12 112	0.06 94	0.03 54	0.05 92	0.03 51

UGAM-zero	0.51 298	2.17 430	0.39 259	0.53 286	0.36 296	0.50 328	0.36 287	0.50 315	0.36 293	0.49 313	0.36 293	0.50 332	0.35 285	0.50 323	0.36 279	0.49 304	0.37 257	0.47 330	0.35 301	0.46 293	0.34 269

cf-r	0.66 323	2.17 430	0.12 101	0.18 130	0.12 152	0.18 154	2.70 548	2.60 524	0.12 152	0.18 151	0.12 144	0.18 153	0.12 149	0.18 152	0.12 141	0.15 125	0.11 96	0.15 142	0.11 130	1.81 483	1.74 523

3.25w	2.04 500	2.20 432	1.48 488	3.03 502	2.17 545	2.63 531	1.39 501	1.96 490	1.95 539	1.96 493	1.37 499	2.71 531	1.96 523	2.71 531	1.73 523	2.26 507	1.32 468	1.87 506	1.87 534	2.51 514	1.63 514

IGEV	2.02 495	2.20 432	1.82 511	2.90 500	2.16 543	2.41 517	1.25 486	2.00 493	1.98 540	1.99 497	1.31 493	2.72 535	1.93 520	2.67 530	1.69 515	2.26 507	1.32 468	1.83 501	1.87 534	2.53 518	1.61 512

UDG	0.80 353	2.21 434	0.60 335	0.91 343	0.60 375	0.90 389	0.58 365	0.88 380	0.60 369	0.90 389	0.60 373	0.88 392	0.60 365	0.90 390	0.58 360	0.86 374	0.60 346	0.84 397	0.59 376	0.84 370	0.61 363

UGAM	0.51 298	2.23 435	0.39 259	0.54 289	0.35 290	0.50 328	0.35 281	0.49 307	0.35 283	0.49 313	0.35 290	0.49 317	0.36 288	0.50 323	0.36 279	0.49 304	0.37 257	0.45 317	0.34 289	0.45 290	0.34 269

3w_stereo	2.04 500	2.24 436	1.70 500	3.15 505	2.18 547	2.49 521	1.26 488	2.03 495	1.98 540	1.98 496	1.33 494	2.72 535	1.99 526	2.59 525	1.72 518	2.22 506	1.33 475	1.85 502	1.88 539	2.50 513	1.58 508

NCCL2	2.28 520	2.27 437	2.28 534	2.28 481	2.28 548	2.27 509	2.29 543	2.28 504	2.28 546	2.27 511	2.28 548	2.28 505	2.27 534	2.27 509	2.28 547	2.28 511	2.28 534	2.27 520	2.29 547	2.27 498	2.29 537

ccnet	0.80 353	2.28 438	0.33 226	0.50 276	0.33 277	0.50 328	0.33 265	0.50 315	0.33 271	0.49 313	0.33 273	0.49 317	1.56 494	2.38 514	0.33 259	0.41 269	0.29 217	0.42 310	1.57 509	2.28 499	0.29 229

HUF	2.18 508	2.30 439	1.99 531	2.34 483	2.02 538	2.41 517	2.06 539	2.38 515	1.89 536	2.36 517	1.85 523	2.56 524	1.98 524	2.31 512	1.97 538	2.30 514	2.03 527	2.30 522	2.11 541	2.23 495	2.16 534

3.75w	1.99 483	2.31 440	1.83 514	3.16 506	1.65 512	1.93 494	1.98 531	2.72 526	1.68 510	2.73 535	1.97 536	2.00 499	1.72 505	1.81 493	1.25 489	2.27 510	2.01 522	2.38 528	1.42 503	1.71 478	1.24 486

1w_stereo	2.05 502	2.32 441	1.35 470	3.74 532	2.01 535	2.73 535	1.42 505	1.88 487	1.93 538	2.03 501	1.28 491	2.71 531	1.99 526	2.72 533	1.72 518	2.20 504	1.32 468	1.87 506	1.86 533	2.45 507	1.54 503

4.25_new	2.00 487	2.33 442	1.82 511	3.32 513	1.69 516	1.95 498	1.99 534	2.72 526	1.71 514	2.72 530	1.97 536	2.01 500	1.74 508	1.77 490	1.28 491	2.18 502	2.01 522	2.48 534	1.58 512	1.65 474	1.17 432

4.5w_new	2.00 487	2.33 442	1.82 511	3.32 513	1.69 516	1.95 498	1.99 534	2.72 526	1.71 514	2.72 530	1.97 536	2.01 500	1.74 508	1.77 490	1.28 491	2.18 502	2.01 522	2.48 534	1.58 512	1.65 474	1.17 432

4.5w-stereo	1.99 483	2.33 442	1.81 506	3.28 510	1.68 515	1.94 495	1.99 534	2.72 526	1.70 513	2.72 530	1.99 545	1.97 497	1.68 500	1.76 489	1.29 493	1.91 491	2.02 526	2.53 536	1.61 516	1.75 481	1.16 431

monsterstereo	2.20 514	2.33 442	1.95 526	3.65 527	2.07 540	2.49 521	1.61 511	2.48 519	1.83 528	2.45 521	1.61 514	2.67 530	1.86 513	2.64 527	1.94 536	2.48 526	1.66 506	2.34 525	1.68 524	2.40 504	1.86 527

2.75w_new	1.99 483	2.34 446	1.81 506	3.14 504	1.62 510	1.94 495	1.99 534	2.72 526	1.71 514	2.72 530	1.99 545	1.90 493	1.73 506	1.82 494	1.29 493	2.37 518	2.01 522	2.31 523	1.42 503	1.77 482	1.22 483

AIO_rvc	2.18 508	2.34 446	1.87 521	2.32 482	1.94 533	2.40 516	1.89 528	2.37 514	2.07 545	2.52 525	1.95 535	2.44 516	1.99 526	2.41 517	1.89 535	2.32 516	2.09 528	2.24 519	2.18 543	2.21 494	2.23 536

GES	0.66 323	2.34 446	0.29 200	0.41 233	0.29 243	0.41 268	0.29 239	0.42 279	0.29 238	0.40 246	0.41 323	0.41 268	0.30 251	0.51 332	0.29 235	0.32 209	0.29 217	0.32 218	2.46 549	2.49 511	0.30 242

2w_stereo	1.99 483	2.36 449	1.81 506	3.24 508	1.67 513	1.94 495	1.98 531	2.72 526	1.68 510	2.72 530	1.94 533	1.98 498	1.74 508	1.79 492	1.27 490	1.95 493	2.00 520	2.53 536	1.60 515	1.68 477	1.15 428

PAM_32	0.64 320	2.38 450	0.51 319	0.92 346	0.43 338	0.53 345	0.44 329	0.87 377	0.43 330	0.52 336	0.45 341	0.53 344	0.40 306	0.54 341	0.46 330	0.62 342	0.56 339	0.48 338	0.45 344	0.76 354	0.44 318

2.5w	2.01 494	2.40 451	1.37 480	3.28 510	2.01 535	2.71 532	1.43 508	1.82 486	1.83 528	1.90 492	1.41 503	2.71 531	1.35 486	2.71 531	1.85 529	2.66 530	1.53 493	1.64 497	1.23 486	2.53 518	1.87 529

MonStereo	2.17 506	2.41 452	1.49 492	2.67 492	1.67 513	2.60 530	2.04 538	2.32 511	1.76 522	2.44 520	1.68 518	2.50 517	1.69 502	2.38 514	1.80 526	2.28 511	1.78 512	2.63 539	2.14 542	3.47 529	1.68 518

monsters	2.18 508	2.41 452	1.96 527	3.47 520	2.03 539	2.53 525	1.64 513	2.48 519	1.73 519	2.40 519	1.50 506	2.62 527	1.94 521	2.59 525	1.94 536	2.44 522	1.57 497	2.28 521	1.87 534	2.42 505	1.86 527

DDUNet	0.81 358	2.45 454	0.57 331	0.90 341	0.60 375	0.88 386	0.59 367	0.90 381	0.60 369	0.88 388	0.60 373	0.90 395	0.58 363	0.88 387	0.60 363	0.84 372	0.60 346	0.86 399	0.57 374	0.86 371	0.60 362

FBW_ROB	2.12 505	2.46 455	1.77 505	2.49 488	1.79 523	2.38 515	1.83 519	2.46 518	1.78 524	2.48 523	1.97 536	2.40 514	1.78 511	2.42 519	1.83 527	2.31 515	1.85 517	2.38 528	1.82 532	2.35 502	1.84 525

asda	2.17 506	2.54 456	1.81 506	3.47 520	1.78 522	2.50 523	1.86 524	2.61 525	1.68 510	2.61 527	1.83 522	2.37 513	1.73 506	2.44 520	1.88 534	2.51 527	1.84 516	2.34 525	1.62 518	2.23 495	1.77 524

HH	0.71 335	2.54 456	0.74 365	1.10 370	0.32 265	0.41 268	0.37 293	0.69 361	0.78 400	0.73 372	0.90 412	0.75 379	1.00 408	0.84 381	0.69 379	0.69 350	0.40 273	0.35 250	0.26 224	0.35 227	0.26 203

HanStereo	0.71 335	2.54 456	0.74 365	1.10 370	0.32 265	0.41 268	0.37 293	0.69 361	0.78 400	0.73 372	0.90 412	0.75 379	1.00 408	0.84 381	0.69 379	0.69 350	0.40 273	0.35 250	0.26 224	0.35 227	0.26 203

qwe	2.18 508	2.60 459	1.58 495	3.83 533	1.90 532	2.53 525	1.90 529	2.48 519	1.73 519	2.37 518	1.92 532	2.53 519	1.68 500	2.56 523	1.83 527	2.52 529	1.87 518	2.07 514	1.68 524	2.32 501	1.71 519

sAnonymous2	3.31 543	2.63 460	1.38 482	3.71 529	1.86 527	4.70 568	1.11 427	4.82 571	2.72 549	5.45 576	1.98 542	4.59 561	2.64 536	2.65 528	6.21 581	4.37 544	1.08 402	5.16 575	2.24 545	4.52 542	2.39 542

CroCo_RVC	3.31 543	2.63 460	1.38 482	3.71 529	1.86 527	4.70 568	1.11 427	4.82 571	2.72 549	5.45 576	1.98 542	4.59 561	2.64 536	2.65 528	6.21 581	4.37 544	1.08 402	5.16 575	2.24 545	4.52 542	2.39 542

ff7	1.68 470	2.68 462	1.35 470	0.97 358	0.89 413	1.84 490	2.15 540	2.12 498	1.80 525	2.05 503	1.56 508	2.33 509	2.12 531	2.23 506	2.25 543	1.31 457	1.07 398	1.48 492	1.41 500	0.90 377	1.04 418

ffff	1.68 470	2.68 462	1.35 470	0.97 358	0.89 413	1.84 490	2.15 540	2.12 498	1.80 525	2.05 503	1.56 508	2.33 509	2.12 531	2.23 506	2.25 543	1.31 457	1.07 398	1.48 492	1.41 500	0.90 377	1.04 418

ccc-4	1.68 470	2.68 462	1.35 470	0.97 358	0.89 413	1.84 490	2.15 540	2.12 498	1.80 525	2.05 503	1.56 508	2.33 509	2.12 531	2.23 506	2.25 543	1.31 457	1.07 398	1.48 492	1.41 500	0.90 377	1.04 418

LGtest1	2.22 515	2.70 465	1.89 522	2.76 494	1.86 527	2.75 537	1.86 524	2.75 533	1.86 530	2.75 536	1.86 524	2.77 540	1.87 514	2.75 537	1.86 530	2.46 523	1.58 498	2.45 531	1.56 508	2.45 507	1.56 505

11t	1.27 460	2.70 465	1.34 468	1.32 440	0.89 413	1.30 473	1.34 492	1.64 481	0.57 365	1.45 479	0.72 399	1.05 412	1.29 481	1.07 414	1.29 493	1.49 471	1.02 395	0.97 412	1.15 432	1.48 468	1.31 490

LG-G_1	2.22 515	2.71 467	1.89 522	2.77 495	1.87 530	2.75 537	1.87 526	2.76 534	1.87 534	2.75 536	1.87 525	2.76 538	1.87 514	2.75 537	1.86 530	2.47 524	1.58 498	2.45 531	1.57 509	2.45 507	1.57 506

LG-G	2.22 515	2.71 467	1.89 522	2.77 495	1.87 530	2.75 537	1.87 526	2.76 534	1.87 534	2.75 536	1.87 525	2.76 538	1.87 514	2.75 537	1.86 530	2.47 524	1.58 498	2.45 531	1.57 509	2.45 507	1.57 506

4.25w-stereo	1.98 482	2.72 469	1.46 487	3.47 520	1.43 502	2.07 504	1.98 531	2.53 523	1.52 506	2.71 529	1.98 542	1.81 491	1.62 498	1.96 498	1.36 498	1.88 489	2.00 520	2.53 536	1.61 516	1.74 480	1.15 428

4w-stereo	2.02 495	2.72 469	1.44 485	3.36 516	1.59 508	2.48 520	1.72 517	2.28 504	1.24 490	2.24 510	1.65 516	2.56 524	1.32 484	2.39 516	1.98 539	2.67 532	1.51 491	1.66 498	1.24 487	2.53 518	1.88 532

3.25w_new	2.03 497	2.72 469	1.35 470	3.33 515	1.57 506	2.72 533	1.53 510	2.15 502	1.33 494	2.15 508	1.60 512	2.63 528	1.30 482	2.72 533	1.99 540	2.67 532	1.53 493	1.75 500	1.25 489	2.53 518	1.87 529

3.5w_stereo	2.03 497	2.72 469	1.35 470	3.41 517	1.57 506	2.72 533	1.49 509	2.01 494	1.34 495	2.15 508	1.61 514	2.63 528	1.36 487	2.72 533	1.99 540	2.66 530	1.58 498	1.68 499	1.24 487	2.53 518	1.87 529

sCroCo_RVC	2.10 503	2.76 473	1.92 525	2.78 498	1.39 500	2.73 535	1.41 503	2.73 532	1.40 502	2.77 541	1.41 503	2.74 537	1.40 491	2.74 536	1.40 501	2.72 534	1.42 486	2.72 540	1.44 505	2.79 525	1.42 500

PSMNet-RSSM	0.77 347	2.76 473	0.14 126	0.20 136	0.14 157	0.20 162	2.66 546	2.79 537	0.14 157	0.21 170	0.14 161	0.21 167	0.14 158	0.20 159	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	2.52 515	2.31 538

MonStereo1	1.94 480	2.77 475	1.52 493	3.73 531	1.51 505	2.13 506	1.42 505	2.32 511	1.52 506	2.31 515	1.50 506	2.53 519	1.59 495	2.34 513	1.56 506	1.91 491	1.36 481	1.86 505	1.31 492	2.07 489	1.53 502

asd	2.18 508	2.77 475	1.58 495	3.59 525	2.00 534	2.58 529	1.85 523	2.39 516	1.71 514	2.47 522	1.97 536	2.59 526	1.61 497	2.56 523	1.79 525	2.51 527	1.99 519	2.11 518	1.62 518	2.36 503	1.60 510

GwcNet-RSSM	0.77 347	2.77 475	0.14 126	0.20 136	0.14 157	0.20 162	2.67 547	2.78 536	0.14 157	0.20 159	0.14 161	0.20 160	0.14 158	0.21 169	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	2.52 515	2.31 538

hitnet-ft	0.79 351	2.78 478	0.14 126	0.20 136	0.14 157	0.21 172	2.89 549	2.80 538	0.14 157	0.20 159	0.14 161	0.20 160	0.14 158	0.20 159	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	2.54 523	2.33 540

PDISCO_ROB	0.83 366	2.80 479	3.49 557	0.14 99	0.11 136	0.17 150	0.09 113	0.15 140	0.10 118	0.15 133	0.12 144	0.16 139	0.14 158	3.30 544	0.13 147	0.14 116	2.34 535	0.16 145	0.12 147	2.62 524	0.10 116

iGMRVC	0.84 369	2.85 480	0.72 361	0.72 324	0.73 401	0.77 374	0.79 397	0.73 366	0.74 398	0.73 372	0.72 399	0.73 377	0.76 391	0.73 370	0.73 389	0.72 355	0.73 368	0.73 378	0.72 399	0.73 352	0.72 381

MC-Stereo	1.76 473	2.96 481	1.37 480	2.14 472	1.37 498	2.14 507	1.36 495	2.14 501	1.37 500	2.14 507	1.37 499	2.14 504	1.37 489	2.14 505	1.37 499	1.97 494	1.32 468	1.97 512	1.32 493	1.98 487	1.33 492

VIP-Stereo	0.70 332	2.97 482	2.43 539	2.49 488	0.16 177	0.25 190	0.16 162	0.25 187	0.16 171	0.25 187	0.18 190	0.25 190	0.16 170	0.26 198	0.16 167	1.86 484	1.26 467	0.23 182	0.15 166	0.23 178	0.15 158

PASM	0.39 238	3.06 483	1.36 478	1.58 449	0.09 115	0.11 122	0.11 131	0.11 122	0.11 133	0.09 110	0.09 115	0.11 123	0.09 116	0.09 110	0.09 108	0.11 88	0.11 96	0.11 119	0.09 111	0.11 123	0.11 128

DDVS	0.30 179	3.10 484	0.14 126	0.19 133	0.14 157	0.19 157	0.14 152	0.20 160	0.14 157	0.19 153	0.13 156	0.16 139	0.13 154	0.19 155	0.13 147	0.17 142	0.13 136	0.17 153	0.13 155	0.17 151	0.13 150

DEFOM-Stereo	0.68 328	3.11 485	1.40 484	1.63 457	0.25 219	0.31 212	0.25 211	0.31 207	0.28 232	0.31 208	0.29 242	0.29 209	0.27 230	0.31 216	0.28 225	1.59 476	1.47 489	0.30 211	0.29 247	0.30 197	0.28 224

4D-IteraStereo	0.78 350	3.13 486	0.89 380	0.69 317	0.32 265	0.40 252	0.32 255	0.76 367	0.97 422	0.52 336	0.65 383	0.89 394	0.32 266	0.76 374	0.98 416	0.83 370	0.94 390	0.35 250	0.27 232	0.70 348	0.89 402

plain	1.88 478	3.16 487	0.64 344	3.10 503	0.65 386	3.10 542	0.64 371	3.12 541	0.65 376	3.10 542	0.65 383	3.11 542	0.65 371	3.12 541	0.65 367	3.12 537	0.65 355	3.13 542	0.65 383	3.13 527	0.65 369

iRaftStereo_RVC	0.97 388	3.17 488	2.30 535	2.42 485	0.38 307	0.54 348	0.38 299	0.54 336	0.38 299	0.54 344	0.38 305	0.54 347	0.38 297	0.54 341	0.38 291	2.38 519	2.34 535	0.49 343	0.36 307	0.49 313	0.36 281

RCA-Stereo	0.51 298	3.22 489	0.34 236	0.44 250	0.34 287	0.44 298	0.34 276	0.43 285	0.34 280	0.43 280	0.34 281	0.44 294	0.33 274	0.43 286	0.33 259	0.38 246	0.29 217	0.38 266	0.29 247	0.38 251	0.29 229

Anonymous3	2.55 532	3.26 490	1.65 498	3.28 510	1.63 511	3.24 544	1.68 514	3.27 543	1.66 509	3.28 544	1.67 517	3.25 544	1.66 499	3.27 543	1.64 510	3.26 538	1.65 505	3.30 543	1.65 520	4.95 560	1.65 517

MIF-Stereo (partial)	2.58 533	3.31 491	0.66 348	3.18 507	0.66 389	3.18 543	0.66 374	3.21 542	0.67 379	3.19 543	0.66 385	3.19 543	0.66 374	3.31 545	0.68 374	5.09 566	1.79 514	8.23 585	1.67 522	6.18 569	1.38 498

MM-Stereo_test1	1.80 476	3.41 492	1.52 493	2.12 471	1.41 501	2.04 502	1.41 503	2.05 496	1.46 505	2.04 502	1.41 503	2.05 503	1.42 492	2.05 501	1.43 503	2.04 498	1.54 495	1.94 511	1.38 499	1.99 488	1.33 492

UniTT-Stereo	2.03 497	3.43 493	0.72 361	3.42 518	0.73 401	3.27 545	0.68 379	3.38 545	0.69 383	3.29 545	0.72 399	3.28 545	0.70 381	3.35 546	0.68 374	3.39 539	0.68 357	3.31 544	0.69 392	3.37 528	0.73 384

castereo++	0.54 303	3.59 494	1.15 406	1.31 439	0.14 157	0.16 142	0.14 152	0.16 141	0.14 157	0.16 138	0.14 161	0.16 139	0.13 154	0.16 140	0.14 151	1.45 469	1.16 414	0.15 142	0.14 160	0.15 141	0.13 150

DPSNet	3.66 545	3.60 495	3.62 560	3.63 526	3.64 571	3.65 548	3.65 570	3.66 548	3.67 567	3.67 547	3.65 568	3.67 548	3.66 556	3.66 547	3.68 565	3.68 542	3.66 555	3.67 548	3.68 571	3.67 530	3.67 568

RAStereo	2.23 518	3.64 496	0.76 368	3.65 527	0.86 411	3.66 549	0.76 394	3.67 549	0.81 407	3.66 546	0.76 404	3.66 547	0.77 393	3.68 548	0.77 396	3.68 542	0.77 373	3.69 549	0.77 402	3.70 531	0.77 391

qqq1	0.25 163	3.70 497	0.14 126	0.14 99	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	0.13 109	0.12 112	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 163	3.70 497	0.14 126	0.14 99	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	0.13 109	0.12 112	0.06 94	0.05 96	0.03 43	0.04 79

RAFT_CTSACE	1.92 479	3.71 499	1.72 503	1.88 461	1.72 520	2.04 502	1.42 505	2.18 503	1.89 536	2.02 500	1.97 536	1.95 495	2.06 530	1.93 497	1.62 509	1.76 481	1.66 506	2.02 513	1.73 530	1.73 479	1.43 501

MyStereo07	0.60 311	3.72 500	0.48 302	0.49 269	0.41 326	0.36 232	0.32 255	0.49 307	0.43 330	0.51 333	0.42 333	0.49 317	0.43 326	0.51 332	0.64 366	0.49 304	0.45 303	0.34 234	0.32 277	0.35 227	0.43 315

MyStereo04	0.56 309	3.72 500	0.59 333	0.49 269	0.41 326	0.36 232	0.32 255	0.37 229	0.31 260	0.34 220	0.46 343	0.35 228	0.32 266	0.35 228	0.33 259	0.49 304	0.45 303	0.34 234	0.32 277	0.35 227	0.43 315

castereo	0.61 314	3.79 502	1.35 470	1.52 448	0.15 168	0.17 150	0.16 162	0.20 160	0.21 193	0.18 151	0.16 172	0.21 167	0.12 149	0.26 198	0.17 171	1.43 468	1.38 484	0.17 153	0.16 168	0.18 155	0.16 159

ffm	0.25 163	3.83 503	0.12 101	0.12 82	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 93	0.12 112	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 163	3.83 503	0.12 101	0.12 82	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 93	0.12 112	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 163	3.83 503	0.12 101	0.12 82	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 93	0.12 112	0.05 86	0.04 78	0.06 96	0.04 79

NINENet	0.69 331	3.87 506	1.20 415	1.98 468	0.05 99	0.40 252	0.04 81	0.40 246	0.05 97	0.41 260	0.04 88	0.41 268	0.05 94	0.40 252	0.05 88	1.79 482	1.56 496	0.34 234	0.22 199	0.34 215	0.23 186

GEAStereo	0.62 316	3.91 507	0.48 302	0.69 317	0.38 307	0.51 340	0.38 299	0.51 328	0.38 299	0.53 339	0.38 305	0.50 332	0.38 297	0.51 332	0.38 291	0.54 322	0.43 295	0.46 321	0.34 289	0.46 293	0.34 269

gasm-f	0.62 316	3.91 507	0.48 302	0.69 317	0.38 307	0.51 340	0.38 299	0.51 328	0.38 299	0.53 339	0.38 305	0.50 332	0.38 297	0.51 332	0.38 291	0.54 322	0.43 295	0.46 321	0.34 289	0.46 293	0.34 269

MyStereo8	0.71 335	3.92 509	0.52 322	0.59 301	0.52 366	0.57 356	0.53 360	0.59 348	0.50 353	0.59 356	0.51 366	0.57 356	0.50 351	0.56 346	0.52 353	0.54 322	0.49 320	0.54 359	0.49 359	0.55 332	0.50 338

MyStereo06	0.75 342	4.12 510	0.60 335	0.63 308	0.61 380	0.62 362	0.66 374	0.56 340	0.45 335	0.55 347	0.48 355	0.54 347	0.46 334	0.57 351	0.45 326	0.60 334	0.57 341	0.64 368	0.55 368	0.72 349	0.55 354

MyStereo05	0.80 353	4.12 510	0.63 342	0.63 308	0.61 380	0.62 362	0.66 374	0.65 356	0.62 372	0.67 367	0.61 377	0.65 368	0.58 363	0.67 364	0.55 358	0.60 334	0.57 341	0.64 368	0.55 368	0.72 349	0.55 354

test-3	0.98 390	4.13 512	1.85 517	1.85 460	0.61 380	0.69 368	0.37 293	0.63 354	0.61 371	0.66 366	0.51 366	0.73 377	0.44 328	0.57 351	0.54 356	1.68 480	1.81 515	0.40 282	0.43 342	0.66 341	0.50 338

GCAP-Stereo	0.75 342	4.15 513	0.42 278	0.75 327	0.35 290	0.78 376	0.40 313	0.79 369	0.38 299	0.78 380	0.36 293	0.78 382	0.36 288	0.79 375	0.39 302	0.75 358	0.39 270	0.76 383	0.39 325	0.75 353	0.39 298

IGEVStereo-DCA	1.77 474	4.21 514	1.84 515	2.49 488	2.11 541	2.54 527	1.36 495	1.65 482	1.17 439	2.75 536	1.90 530	2.54 522	1.15 422	0.94 397	1.11 426	1.50 472	1.32 468	0.96 410	1.46 506	1.49 469	0.88 400

rrr	1.77 474	4.21 514	1.84 515	2.49 488	2.11 541	2.54 527	1.36 495	1.65 482	1.17 439	2.75 536	1.90 530	2.54 522	1.15 422	0.94 397	1.11 426	1.50 472	1.32 468	0.96 410	1.46 506	1.49 469	0.88 400

GSStereo	0.81 358	4.28 516	0.50 313	0.59 301	0.40 318	0.51 340	0.38 299	0.50 315	0.38 299	0.50 326	0.38 305	0.50 332	3.79 561	0.50 323	0.38 291	0.54 322	0.43 295	0.46 321	0.34 289	0.46 293	0.35 278

GEStereo_RVC	0.86 372	4.45 517	0.20 167	0.27 172	0.20 198	0.27 202	0.20 185	0.26 192	0.18 182	5.03 572	0.20 196	0.27 202	0.19 190	0.27 202	0.21 189	0.20 157	0.19 173	0.19 165	4.02 576	0.20 162	0.18 175

error version	0.93 384	4.47 518	2.35 536	1.99 469	0.37 300	0.41 268	0.36 287	0.41 261	0.35 283	0.43 280	0.36 293	0.41 268	0.40 306	0.41 267	0.36 279	1.87 486	2.16 531	0.47 330	0.37 309	0.39 260	0.33 263

test_1	0.93 384	4.47 518	2.35 536	1.99 469	0.37 300	0.41 268	0.36 287	0.41 261	0.35 283	0.43 280	0.36 293	0.41 268	0.40 306	0.41 267	0.36 279	1.87 486	2.16 531	0.47 330	0.37 309	0.39 260	0.33 263

TestStereo	4.88 571	4.75 520	4.79 566	4.87 551	4.92 580	4.81 573	4.90 580	4.78 569	4.77 579	4.87 570	4.89 579	4.90 574	4.91 572	4.99 573	4.79 577	4.98 563	4.87 564	4.87 572	4.92 581	5.00 561	5.00 578

DispFullNet	4.61 567	4.84 521	3.12 554	5.00 552	3.57 568	4.75 571	3.03 556	7.75 584	4.17 576	4.91 571	3.09 560	6.20 580	3.95 565	6.71 580	3.51 563	5.30 568	3.67 556	5.86 581	3.63 568	5.61 566	3.46 566

MLG-Stereo_test3	4.26 560	4.85 522	3.95 563	5.35 555	3.60 569	4.75 571	3.76 571	5.49 577	3.71 568	5.39 574	3.69 569	4.82 572	3.66 556	4.85 569	3.73 569	4.93 561	3.19 552	4.69 566	2.99 553	4.84 557	2.98 549

CFNet-RSSM	0.91 377	4.89 523	0.34 236	0.44 250	1.07 433	1.62 489	1.40 502	0.91 383	0.35 283	1.60 481	1.39 502	0.64 365	0.34 279	0.44 289	0.33 259	0.41 269	0.35 252	0.75 381	0.30 261	0.41 276	0.29 229

StereoVision	3.15 541	5.00 524	0.89 380	4.83 549	1.00 424	3.93 550	1.27 489	6.37 578	1.34 495	5.67 578	1.26 489	5.84 579	1.27 479	5.03 575	1.24 486	5.10 567	1.09 404	4.61 561	0.57 374	5.62 567	1.12 423

LL-Strereo	1.01 397	5.06 525	1.63 497	0.70 321	1.43 502	0.56 350	0.46 336	0.57 343	0.50 353	0.57 352	0.50 360	1.58 485	0.49 348	0.59 353	0.50 346	1.64 479	0.52 333	0.51 352	1.37 497	0.52 326	0.45 320

FC-DCNN v2	5.10 575	5.15 526	4.49 565	5.07 553	3.37 566	6.87 580	4.75 579	5.04 574	6.34 583	7.84 584	5.06 580	6.72 584	4.09 568	4.99 573	5.44 580	5.03 564	3.16 549	4.67 564	4.86 580	5.15 563	3.89 573

DEFOM-Stereo_RVC	0.83 366	5.18 527	1.98 528	2.19 473	0.17 181	0.19 157	0.18 177	0.19 154	0.16 171	0.20 159	0.19 192	0.22 175	0.22 200	0.20 159	0.15 161	2.28 511	2.13 530	0.24 190	0.17 188	0.18 155	0.16 159

rvit_105_1	3.83 547	5.22 528	3.01 543	4.53 537	3.01 553	4.51 556	3.01 551	4.56 558	3.04 552	4.53 557	3.03 553	4.55 559	3.03 540	4.56 558	3.04 549	4.57 550	3.05 539	4.57 556	3.05 554	4.57 544	3.05 550

rvit_stereo_0081	3.83 547	5.23 529	3.01 543	4.53 537	3.03 555	4.55 562	3.02 552	4.56 558	3.04 552	4.52 555	3.02 551	4.54 557	3.03 540	4.56 558	3.04 549	4.57 550	3.05 539	4.57 556	3.05 554	4.58 545	3.05 550

CFNet	1.37 464	5.27 530	0.19 164	5.49 556	0.19 195	0.28 203	0.19 181	0.28 196	0.19 188	0.28 199	0.19 192	0.28 203	4.35 569	0.28 206	0.19 183	0.23 177	0.17 163	0.23 182	4.21 578	4.81 555	0.17 171

rvit_stereo_0083	3.92 556	5.30 531	3.06 551	4.61 546	3.09 562	4.67 567	3.08 561	4.66 566	3.09 561	4.62 565	3.10 561	4.66 569	3.11 549	4.67 566	3.16 560	4.72 560	3.16 549	4.77 569	3.11 561	4.66 551	3.11 559

rvit_0105_3	3.91 554	5.33 532	3.06 551	4.60 545	3.07 561	4.60 565	3.06 560	4.62 564	3.08 560	4.60 564	3.07 559	4.62 566	3.08 547	4.67 566	3.10 558	4.70 558	3.11 546	4.77 569	3.19 565	4.77 554	3.14 561

rvit_stereo_0081_aga	3.86 549	5.33 532	3.02 546	4.55 543	3.04 559	4.54 558	3.02 552	4.64 565	3.06 556	4.54 559	3.04 555	4.62 566	3.08 547	4.62 564	3.07 554	4.58 553	3.06 543	4.60 560	3.08 558	4.63 548	3.07 554

MLG-Stereo_test1	4.25 559	5.34 534	3.61 559	5.31 554	3.63 570	5.23 574	3.57 568	5.38 576	3.65 566	5.23 573	3.47 565	4.76 570	3.74 559	4.85 569	3.71 566	4.96 562	3.18 551	4.71 567	2.92 551	4.86 558	2.90 547

rvit_0105_5	4.10 558	5.40 535	3.13 556	4.71 548	3.15 564	4.72 570	3.10 563	4.90 573	3.27 564	4.69 567	3.16 563	4.84 573	3.25 552	4.96 572	3.34 562	5.05 565	3.39 554	5.10 574	3.40 566	5.11 562	3.42 565

UDGNet	2.23 518	5.40 535	1.72 503	2.48 487	1.69 516	2.51 524	1.69 515	2.51 522	1.72 518	2.50 524	1.69 519	2.52 518	1.69 502	2.50 521	1.68 514	2.41 521	1.70 508	2.42 530	1.69 526	2.42 505	1.64 515

rvit_stereo_ft	3.93 557	5.44 537	3.05 550	4.59 544	3.06 560	4.61 566	3.08 561	4.67 567	3.12 562	4.63 566	3.10 561	4.65 568	3.11 549	4.69 568	3.13 559	4.70 558	3.14 548	4.71 567	3.15 563	4.74 552	3.16 562

MLG-Stereo_test2	4.28 561	5.46 538	3.69 561	4.86 550	3.72 572	5.58 577	3.42 566	4.81 570	3.77 572	4.85 569	3.72 570	5.55 578	3.63 555	5.58 576	3.53 564	4.41 547	3.28 553	4.99 573	2.95 552	4.75 553	3.13 560

rvit_0105_4	3.91 554	5.47 539	3.02 546	4.54 540	3.02 554	4.54 558	3.03 556	4.75 568	3.17 563	4.57 561	3.06 556	4.61 565	3.16 551	4.65 565	3.09 557	4.66 557	3.11 546	4.68 565	3.18 564	4.81 555	3.16 562

rvit_stereo_0080	3.89 552	5.70 540	3.04 548	4.54 540	3.03 555	4.56 563	3.05 558	4.60 562	3.07 557	4.58 562	3.06 556	4.59 561	3.06 545	4.61 562	3.08 555	4.63 555	3.09 544	4.64 562	3.10 559	4.65 549	3.10 557

whm_eth	3.89 552	5.70 540	3.04 548	4.54 540	3.03 555	4.56 563	3.05 558	4.60 562	3.07 557	4.58 562	3.06 556	4.59 561	3.06 545	4.61 562	3.08 555	4.63 555	3.09 544	4.64 562	3.10 559	4.65 549	3.10 557

rvit_0105_6	3.87 551	5.73 542	3.10 553	4.69 547	3.12 563	4.54 558	3.02 552	4.56 558	3.04 552	4.54 559	3.03 553	4.54 557	3.04 543	4.56 558	3.05 551	4.58 553	3.05 539	4.58 558	3.05 554	4.58 545	3.05 550

rvit_stereo_0082	3.86 549	5.82 543	3.01 543	4.53 537	3.03 555	4.54 558	3.02 552	4.56 558	3.04 552	4.53 557	3.02 551	4.55 559	3.04 543	4.57 561	3.05 551	4.57 550	3.05 539	4.58 558	3.05 554	4.58 545	3.06 553

SGM-Forest	5.21 577	5.92 544	4.08 564	6.18 561	4.16 577	6.31 579	4.34 578	6.50 579	4.33 577	6.14 580	4.21 576	6.61 583	4.55 571	6.67 579	4.48 576	5.94 572	3.94 558	5.85 580	4.03 577	5.79 568	4.17 576
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MaDis-Stereo	3.19 542	6.02 545	1.12 402	5.61 558	1.16 441	5.43 576	1.02 424	5.15 575	0.70 386	5.43 575	1.21 484	5.03 576	0.97 406	4.85 569	0.99 417	4.53 548	1.16 414	5.53 577	1.25 489	5.37 565	1.30 489

IER	0.88 374	7.04 546	2.23 533	2.75 493	0.28 234	0.43 295	0.25 211	0.39 241	0.25 210	0.41 260	0.27 230	0.39 247	0.25 213	0.40 252	0.28 225	0.37 235	0.28 206	0.37 258	0.25 218	0.37 238	0.25 197

HCRNet	1.22 457	7.11 547	3.00 542	3.55 524	0.33 277	0.29 206	0.14 152	0.19 154	0.15 167	0.33 218	0.29 242	0.25 190	0.14 158	0.22 173	0.33 259	3.64 541	3.00 538	0.76 383	0.32 277	0.18 155	0.13 150

SA	4.33 563	7.35 548	6.85 578	5.96 560	4.09 576	3.59 547	3.15 564	3.82 550	2.64 548	3.91 548	3.85 571	3.57 546	2.72 538	3.13 542	4.03 572	7.09 580	6.86 575	3.57 546	3.12 562	3.85 532	3.51 567

cross-raft	4.83 570	7.52 549	6.43 574	6.63 563	3.96 575	4.51 556	3.99 575	4.49 556	3.96 574	4.52 555	3.96 573	4.50 556	3.97 566	4.50 557	3.97 571	6.65 575	6.44 572	4.33 553	3.92 575	4.35 540	3.91 574

test_5	4.62 568	7.55 550	6.23 573	6.32 562	3.40 567	5.29 575	3.50 567	3.53 547	4.11 575	4.28 552	4.47 578	4.26 555	4.38 570	3.68 548	3.24 561	5.89 571	5.60 567	4.84 571	3.50 567	4.33 539	3.93 575

RAFT+CT+SA	4.28 561	7.62 551	4.91 567	5.55 557	2.28 548	3.09 541	3.64 569	4.49 556	3.07 557	4.80 568	3.35 564	4.77 571	3.70 558	4.29 555	3.05 551	5.58 569	5.98 570	3.58 547	3.78 573	4.26 538	3.72 569

raft_robust	4.71 569	7.75 552	5.40 572	6.81 564	3.31 565	4.28 555	4.20 577	4.32 555	4.37 578	4.35 554	4.35 577	4.14 553	3.75 560	4.30 556	4.20 575	6.67 576	6.37 571	3.36 545	4.24 579	4.86 558	3.25 564

test_4	4.88 571	8.13 553	6.98 579	7.46 568	4.44 578	4.25 554	3.85 574	4.04 554	3.92 573	4.13 551	3.91 572	4.18 554	3.84 563	4.14 553	4.06 573	7.01 579	7.13 576	4.53 554	3.72 572	4.09 536	3.72 569

Sa-1000	4.34 564	8.37 554	6.84 577	6.98 567	4.45 579	3.58 546	3.00 550	3.42 546	3.39 565	2.61 527	4.00 574	3.83 550	4.01 567	3.90 550	3.90 570	5.98 573	5.62 568	3.76 550	2.34 548	4.35 540	2.47 544

TestStereo1	4.60 565	8.41 555	6.44 575	6.86 565	3.79 573	3.97 551	3.78 572	3.99 552	3.74 569	3.97 549	3.52 566	3.94 551	3.58 553	3.98 551	3.72 567	6.82 577	6.50 573	3.76 550	3.66 569	3.90 533	3.74 571

SA-5K	4.60 565	8.41 555	6.44 575	6.86 565	3.79 573	3.97 551	3.78 572	3.99 552	3.74 569	3.97 549	3.52 566	3.94 551	3.58 553	3.98 551	3.72 567	6.82 577	6.50 573	3.76 550	3.66 569	3.90 533	3.74 571

U	5.15 576	8.49 557	1.81 506	8.49 572	1.77 521	8.49 585	1.77 518	8.51 586	1.77 523	8.49 586	1.77 521	8.50 586	1.78 511	8.58 586	1.77 524	8.54 584	1.78 512	8.55 586	1.78 531	8.55 580	1.84 525

CFNet_RVC	2.38 528	8.71 558	0.38 252	9.33 575	0.42 336	0.56 350	0.42 326	0.60 350	0.38 299	0.62 360	0.42 333	0.56 354	7.29 581	0.62 355	0.42 321	0.53 321	0.37 257	0.49 343	0.34 289	8.30 578	6.87 583

rvit_stereo_0075_2	6.64 579	8.80 559	5.25 569	7.89 569	5.27 582	7.90 584	5.27 581	7.92 585	5.28 581	7.91 585	5.29 582	7.93 585	5.27 573	7.92 585	5.28 578	7.93 581	5.28 566	7.93 584	5.29 583	7.93 577	5.28 580

test_3	5.01 573	8.86 560	7.77 581	8.09 570	2.76 552	4.13 553	4.05 576	3.88 551	3.76 571	4.33 553	4.13 575	3.71 549	3.91 564	4.21 554	4.06 573	7.93 581	7.69 578	4.53 554	3.91 574	4.17 537	4.29 577

SGM+DAISY	7.06 581	9.15 561	5.38 571	8.84 574	5.18 581	8.80 586	5.31 582	8.79 587	5.28 581	8.89 587	5.20 581	8.93 587	5.33 574	8.95 587	5.36 579	8.70 585	5.21 565	8.74 587	5.20 582	8.89 581	5.15 579

test-1	6.46 578	9.16 562	8.03 584	8.09 570	5.62 583	6.11 578	6.35 583	6.85 581	4.94 580	6.08 579	6.29 585	4.98 575	6.43 577	6.22 577	6.36 583	6.16 574	7.47 577	5.82 579	5.44 584	7.11 574	5.68 581

RAFT	6.73 580	9.36 563	7.40 580	8.51 573	6.55 584	6.88 581	6.60 584	6.79 580	6.60 584	6.80 581	6.72 586	5.31 577	5.50 575	6.61 578	6.61 584	8.42 583	5.89 569	5.73 578	5.45 585	6.61 570	6.24 582

CFNet_pseudo	2.67 536	9.36 563	0.32 221	10.99 584	0.33 277	0.85 383	0.33 265	0.49 307	0.33 271	0.49 313	0.32 266	0.49 317	7.26 580	0.49 316	0.33 259	0.41 269	9.62 584	0.41 299	0.29 247	10.03 586	0.29 229

CFNet_ucs	2.73 537	9.64 565	0.33 226	9.92 580	0.32 265	0.49 320	0.33 265	0.49 307	0.33 271	0.49 313	0.33 273	0.49 317	8.98 584	0.48 310	0.33 259	0.41 269	9.96 587	0.40 282	0.29 247	10.12 587	0.54 349

PCWNet_CMD	2.80 540	9.82 566	0.32 221	10.09 582	0.32 265	0.49 320	0.33 265	3.34 544	0.33 271	0.49 313	0.33 273	0.49 317	8.73 582	0.48 310	0.33 259	0.41 269	9.22 581	0.42 310	0.29 247	9.55 584	0.31 251

pcwnet_v2	2.66 535	9.89 567	0.33 226	9.89 579	0.32 265	0.50 328	0.32 255	0.49 307	0.33 271	0.49 313	0.34 281	0.49 317	8.76 583	0.48 310	0.33 259	0.41 269	9.58 583	0.40 282	0.29 247	9.01 582	0.63 367

UCFNet_RVC	2.75 538	10.06 568	0.29 200	10.31 583	0.29 243	0.42 288	0.29 239	0.43 285	0.29 238	0.42 274	0.29 242	0.42 286	9.87 586	0.43 286	0.29 235	0.36 231	9.84 586	0.36 255	0.26 224	9.77 585	0.26 203

MSMDNet	2.65 534	10.14 569	0.33 226	9.74 578	0.32 265	0.87 385	0.33 265	2.95 540	0.68 380	0.49 313	0.34 281	0.49 317	5.70 576	0.49 316	0.33 259	0.42 283	9.57 582	0.41 299	0.31 271	8.36 579	0.65 369

ccs_rob	2.79 539	10.17 570	0.32 221	10.00 581	0.33 277	0.49 320	0.33 265	1.90 489	0.32 264	0.51 333	0.33 273	0.49 317	9.24 585	0.49 316	0.33 259	0.41 269	9.82 585	0.41 299	0.28 237	9.34 583	0.29 229

test-v	7.53 582	11.89 571	7.98 582	9.36 576	7.14 585	7.06 582	7.09 585	7.37 582	6.91 585	7.29 582	5.71 583	6.45 581	6.93 578	6.73 581	7.27 585	8.93 586	7.85 579	6.98 582	6.80 586	7.56 575	7.34 584

test-2	7.53 582	11.89 571	7.98 582	9.36 576	7.14 585	7.06 582	7.09 585	7.37 582	6.91 585	7.29 582	5.71 583	6.45 581	6.93 578	6.73 581	7.27 585	8.93 586	7.85 579	6.98 582	6.80 586	7.56 575	7.34 584

rafts_anoy	20.00 586	20.00 573	20.00 586	20.00 586	20.00 588	20.00 587	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 589	20.00 588	20.00 589	20.00 588	20.00 587

raft+_RVC	20.00 586	20.00 573	20.00 586	20.00 586	20.00 588	20.00 587	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 589	20.00 588	20.00 589	20.00 588	20.00 587

raftrobust	20.00 586	20.00 573	20.00 586	20.00 586	20.00 588	20.00 587	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 589	20.00 588	20.00 589	20.00 588	20.00 587

CasAABBNet	20.00 586	20.00 573	20.00 586	20.00 586	20.00 588	20.00 587	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 589	20.00 588	20.00 589	20.00 588	20.00 587

RALCasStereoNet	20.00 586	20.00 573	20.00 586	20.00 586	20.00 588	20.00 587	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 589	20.00 588	20.00 589	20.00 588	20.00 587

RALAANet	20.00 586	20.00 573	20.00 586	20.00 586	20.00 588	20.00 587	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 588	20.00 589	20.00 588	20.00 589	20.00 588	20.00 587

MANE	19.05 585	23.00 579	15.00 585	23.00 592	15.00 587	24.00 593	16.00 587	24.00 594	16.00 587	22.00 594	15.00 587	23.00 594	16.00 587	23.00 594	15.00 587	22.00 594	15.00 588	22.00 594	15.00 588	22.00 594	15.00 586

stereogan	2.33 522	24.38 580	1.18 410	1.18 385	1.18 444	1.14 419	1.18 435	1.19 413	1.19 441	1.14 420	1.18 438	1.14 422	1.18 427	1.14 422	1.18 435	1.14 403	1.14 412	1.19 433	1.19 436	1.15 400	1.19 436

Abc-Net	2.32 521	24.75 581	1.14 404	1.17 384	1.17 442	1.11 416	1.15 431	1.17 410	1.21 487	1.08 410	1.16 434	1.12 421	1.14 421	1.09 415	1.17 434	1.09 393	1.16 414	1.17 429	1.17 435	1.16 402	1.11 421
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 522	25.00 582	1.13 403	1.15 378	1.15 437	1.10 413	1.15 431	1.15 405	1.15 434	1.12 417	1.15 431	1.09 415	1.13 419	1.10 417	1.15 430	1.11 400	1.09 404	1.16 425	1.12 430	1.16 402	1.17 432

RGC	2.36 524	25.48 583	1.19 412	1.15 378	1.15 437	1.10 413	1.16 433	1.17 410	1.16 435	1.12 417	1.16 434	1.11 420	1.13 419	1.09 415	1.18 435	1.10 395	1.15 413	1.16 425	1.12 430	1.14 398	1.12 423

NCC-stereo	2.36 524	25.52 584	1.17 408	1.15 378	1.17 442	1.11 416	1.11 427	1.15 405	1.16 435	1.10 411	1.16 434	1.10 417	1.15 422	1.14 422	1.13 428	1.09 393	1.11 408	1.15 424	1.16 434	1.17 407	1.17 432

AF-Net	2.37 526	25.71 585	1.17 408	1.13 375	1.15 437	1.15 420	1.18 435	1.19 413	1.16 435	1.10 411	1.15 431	1.10 417	1.18 427	1.12 421	1.15 430	1.10 395	1.10 407	1.17 429	1.15 432	1.16 402	1.12 423

Nwc_Net	2.37 526	25.95 586	1.15 406	1.14 376	1.15 437	1.08 410	1.14 430	1.17 410	1.16 435	1.14 420	1.15 431	1.08 413	1.15 422	1.11 419	1.14 429	1.10 395	1.11 408	1.16 425	1.09 429	1.16 402	1.15 428

FAT-Stereo	2.46 530	26.05 587	1.23 464	1.23 434	1.22 494	1.20 422	1.24 485	1.23 464	1.23 489	1.19 423	1.22 485	1.21 472	1.24 477	1.20 427	1.24 486	1.21 451	1.17 417	1.22 480	1.25 489	1.20 411	1.24 486

S-Stereo	2.51 531	26.86 588	1.23 464	1.22 432	1.22 494	1.24 470	1.25 486	1.22 462	1.24 490	1.21 469	1.24 487	1.19 426	1.27 479	1.19 426	1.24 486	1.19 405	1.20 419	1.25 481	1.19 436	1.24 459	1.23 485

MoCha-V2	2.11 504	26.97 589	0.78 371	0.92 346	0.77 405	0.96 396	0.72 390	0.90 381	0.72 393	0.94 397	0.70 392	0.90 395	0.71 385	0.91 391	0.71 387	0.85 373	0.71 366	0.88 400	0.69 392	0.87 372	0.67 372

edge stereo	2.43 529	27.07 590	1.14 404	1.06 367	1.14 436	1.08 410	1.17 434	1.16 408	1.14 433	1.10 411	1.16 434	1.09 415	1.16 426	1.10 417	1.16 433	1.10 395	1.11 408	1.16 425	1.19 436	1.13 397	1.11 421

fff	1000028.16 612	29.62 591	29.72 593	32.61 593	30.02 595	35.13 596	31.83 596	32.07 596	10000000.00 614	35.27 598	29.82 596	32.45 596	30.15 595	32.35 596	30.09 595	31.04 596	29.55 597	30.64 596	30.14 596	10000000.00 615	30.77 595

csc	1000028.16 612	29.62 591	29.72 593	32.61 593	30.02 595	35.13 596	31.83 596	32.07 596	10000000.00 614	35.27 598	29.82 596	32.45 596	30.15 595	32.35 596	30.09 595	31.04 596	29.55 597	30.64 596	30.14 596	10000000.00 615	30.77 595

cscssc	1000028.16 612	29.62 591	29.72 593	32.61 593	30.02 595	35.13 596	31.83 596	32.07 596	10000000.00 614	35.27 598	29.82 596	32.45 596	30.15 595	32.35 596	30.09 595	31.04 596	29.55 597	30.64 596	30.14 596	10000000.00 615	30.77 595

STTStereo	3.73 546	30.40 594	2.37 538	2.39 484	2.31 550	2.35 514	2.33 544	2.29 506	2.42 547	2.32 516	2.34 549	2.33 509	2.36 535	2.30 511	2.27 546	2.35 517	2.22 533	2.31 523	2.22 544	2.29 500	2.34 541

111	30.40 592	30.94 595	29.72 593	32.61 593	30.02 595	33.57 594	30.47 595	31.50 595	29.39 595	30.98 595	29.11 595	29.78 595	30.39 598	29.45 595	30.76 598	30.08 595	29.02 596	29.92 595	30.32 599	29.86 595	30.17 594

DCANet-4	35.22 594	34.54 596	35.08 599	33.58 597	35.47 602	34.55 595	35.53 602	36.08 601	35.85 599	35.92 601	35.77 601	35.18 601	35.48 600	35.39 601	37.15 604	34.55 601	33.92 600	35.02 602	34.90 601	35.79 599	34.74 601

tt	500032.53 610	34.60 597	29.72 593	37.47 602	34.41 600	36.85 600	35.22 600	34.71 599	33.55 597	34.50 596	35.43 599	33.81 599	10000000.00 615	33.57 599	33.13 599	33.68 599	35.00 601	34.03 600	35.26 602	30.96 596	34.63 599

DCANet	500032.53 610	34.60 597	29.72 593	37.47 602	34.41 600	36.85 600	35.22 600	34.71 599	33.55 597	34.50 596	35.43 599	33.81 599	10000000.00 615	33.57 599	33.13 599	33.68 599	35.00 601	34.03 600	35.26 602	30.96 596	34.63 599

WCMA_ROB	31.10 593	35.43 599	27.12 592	39.51 604	23.10 594	38.78 605	25.30 594	37.49 606	25.39 594	37.29 605	27.02 594	38.52 606	26.48 594	37.80 605	26.44 594	36.28 602	22.65 595	33.90 599	22.30 595	37.10 603	24.18 593

ADStereo(finetuned)	36.13 595	36.63 600	38.07 603	36.97 598	33.25 599	35.91 599	34.45 599	36.36 602	32.99 596	38.14 606	36.71 602	36.69 602	34.13 599	38.57 606	40.79 605	37.60 606	36.58 603	35.90 603	33.36 600	35.42 598	34.04 598

Reg-Stereo(zero)	37.00 596	37.00 601	37.00 600	37.00 599	37.00 603	37.00 602	37.00 603	37.00 603	37.00 600	37.00 602	37.00 603	37.00 603	37.00 601	37.00 602	37.00 601	37.00 603	37.00 604	37.00 604	37.00 604	37.00 600	37.00 602

HI	37.00 596	37.00 601	37.00 600	37.00 599	37.00 603	37.00 602	37.00 603	37.00 603	37.00 600	37.00 602	37.00 603	37.00 603	37.00 601	37.00 602	37.00 601	37.00 603	37.00 604	37.00 604	37.00 604	37.00 600	37.00 602

CoSv	37.00 596	37.00 601	37.00 600	37.00 599	37.00 603	37.00 602	37.00 603	37.00 603	37.00 600	37.00 602	37.00 603	37.00 603	37.00 601	37.00 602	37.00 601	37.00 603	37.00 604	37.00 604	37.00 604	37.00 600	37.00 602

NLCA_NET_v2_RVC	5.04 574	50.87 604	2.78 541	2.87 499	2.71 551	2.78 540	0.47 341	2.88 539	2.86 551	1.89 491	2.67 550	2.79 541	2.79 539	2.78 540	2.83 548	2.82 535	2.82 537	2.83 541	2.77 550	2.83 526	2.76 545
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 599	87.70 605	41.95 604	113.75 607	65.62 608	75.05 606	55.25 607	75.64 608	45.04 603	71.61 607	41.75 606	72.81 607	44.06 604	68.38 607	44.63 606	101.89 609	59.57 609	107.10 609	61.05 609	104.38 606	59.38 607

MGS-Stereo	239.45 604	123.00 606	135.00 608	266.00 610	286.00 612	277.00 611	305.00 612	271.00 612	242.00 609	274.00 612	279.00 612	255.00 612	270.00 610	268.00 612	297.00 612	221.00 612	247.00 613	216.00 612	123.00 610	217.00 609	217.00 611

AE-Stereo	201.80 603	123.00 606	115.00 606	219.00 609	218.00 611	223.00 610	244.00 611	217.00 611	236.00 608	202.00 611	203.00 610	205.00 611	208.00 608	225.00 611	204.00 610	210.00 611	198.00 611	197.00 611	184.00 612	204.00 608	201.00 609

EGLCR-Stereo	246.90 605	129.00 608	139.00 609	266.00 610	286.00 612	277.00 611	305.00 612	271.00 612	242.00 609	274.00 612	279.00 612	255.00 612	270.00 610	268.00 612	297.00 612	230.00 613	247.00 613	216.00 612	223.00 614	237.00 610	227.00 612

NOSS_ROB	102.95 600	153.00 609	121.00 607	51.00 605	44.00 606	165.00 609	127.00 608	153.00 609	119.00 605	164.00 610	125.00 608	168.00 610	120.00 606	153.00 609	117.00 608	49.00 607	44.00 607	49.00 607	44.00 607	49.00 604	44.00 605

MeshStereo	159.24 602	171.00 610	160.68 610	162.58 608	160.59 609	164.01 608	160.35 609	158.51 610	158.56 606	158.34 609	160.12 609	158.56 609	159.92 607	157.26 610	158.94 609	154.38 610	158.36 610	155.75 610	159.13 611	153.67 607	154.07 608
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
PA-Net	11.80 584	223.51 611	0.62 341	0.59 301	0.71 398	0.59 358	0.73 391	0.67 359	0.73 396	0.55 347	0.61 377	0.60 361	0.74 388	0.63 359	0.73 389	0.66 347	0.60 346	0.69 374	0.66 385	0.72 349	0.65 369
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 606	354.61 612	207.27 611	363.24 612	206.46 610	364.72 613	210.41 610	364.72 614	210.41 607	364.81 614	208.64 611	364.81 614	208.64 609	364.72 614	210.41 611	354.70 614	205.53 612	354.70 614	205.53 613	354.70 611	205.53 610

LE_ROB	396.57 607	471.28 613	329.84 612	471.48 613	308.15 614	526.83 614	322.10 614	488.15 615	323.76 611	495.46 615	317.97 614	497.17 615	320.10 612	481.62 615	326.76 614	462.71 615	298.97 615	466.16 615	285.98 615	447.62 612	289.21 613

SGM-ForestM	596.69 608	677.77 614	444.52 613	699.85 614	517.25 615	732.94 615	488.29 615	770.79 616	460.11 612	750.81 616	487.98 615	792.79 616	499.41 613	730.90 616	475.81 615	720.03 616	491.16 616	663.96 616	418.60 616	674.76 613	436.05 614

CBMV_ROB	818.48 609	913.88 615	709.52 614	862.84 615	597.78 616	1073.99 616	700.52 616	1015.66 617	702.59 613	1115.65 617	760.02 616	1130.24 617	721.57 614	1037.41 617	692.65 616	814.05 617	564.29 617	843.28 617	595.31 617	915.51 614	602.92 615

CBMV	128.50 601	1422.70 616	53.10 605	79.50 606	51.30 607	77.30 607	49.70 606	74.00 607	48.20 604	77.20 608	48.80 607	73.90 608	48.00 605	73.80 608	48.80 607	70.40 608	45.10 608	68.90 608	46.10 608	68.20 605	45.00 606
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
111111	10000000.00 615	10000000.00 617	10000000.00 615	10000000.00 616	10000000.00 617	10000000.00 617	10000000.00 617	10000000.00 618	10000000.00 614	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 615	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 615	10000000.00 616

SGD-Stereo	10000000.00 615	10000000.00 617	10000000.00 615	10000000.00 616	10000000.00 617	10000000.00 617	10000000.00 617	10000000.00 618	10000000.00 614	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 615	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 615	10000000.00 616

IGEV-Stereo++	10000000.00 615	10000000.00 617	10000000.00 615	10000000.00 616	10000000.00 617	10000000.00 617	10000000.00 617	10000000.00 618	10000000.00 614	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 615	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 615	10000000.00 616

IGEV-BASED-STEREO-	10000000.00 615	10000000.00 617	10000000.00 615	10000000.00 616	10000000.00 617	10000000.00 617	10000000.00 617	10000000.00 618	10000000.00 614	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 615	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 615	10000000.00 616

IGEV-Stereo+	10000000.00 615	10000000.00 617	10000000.00 615	10000000.00 616	10000000.00 617	10000000.00 617	10000000.00 617	10000000.00 618	10000000.00 614	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 615	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 615	10000000.00 616

SDNR	10000000.00 615	10000000.00 617	10000000.00 615	10000000.00 616	10000000.00 617	10000000.00 617	10000000.00 617	10000000.00 618	10000000.00 614	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 615	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 615	10000000.00 616

anonymousdsp2	10000000.00 615	10000000.00 617	10000000.00 615	10000000.00 616	10000000.00 617	10000000.00 617	10000000.00 617	10000000.00 618	10000000.00 614	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 615	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 615	10000000.00 616

anonymousdsp	10000000.00 615	10000000.00 617	10000000.00 615	10000000.00 616	10000000.00 617	10000000.00 617	10000000.00 617	10000000.00 618	10000000.00 614	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 615	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 615	10000000.00 616

test_example2	10000000.00 615	10000000.00 617	10000000.00 615	10000000.00 616	10000000.00 617	10000000.00 617	10000000.00 617	10000000.00 618	10000000.00 614	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 615	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 615	10000000.00 616

DIP-Stereo	10000000.00 615	10000000.00 617	10000000.00 615	10000000.00 616	10000000.00 617	10000000.00 617	10000000.00 617	10000000.00 618	10000000.00 614	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 615	10000000.00 618	10000000.00 617	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 618	10000000.00 615	10000000.00 616
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							0.38 299	0.50 315	0.38 299	0.50 326	0.38 305	0.50 332	3.79 561	0.50 323	0.38 291	0.54 322	0.43 295	0.46 321	0.34 289	0.46 293	0.35 278

FSD					0.44 339	0.56 350	0.44 329	0.55 339	0.44 333	0.56 349	0.44 337	0.56 354	0.44 328	0.56 346	0.46 330	0.61 338	0.42 291	0.52 355	0.42 341	0.52 326

Low-res two-view benchmark