Low-res two-view results

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

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

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

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

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

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

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	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	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	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	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	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	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	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	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 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9
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
STStereo	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

NVstereo2D	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

PWC_ROB	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

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

PWCK	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

coex_refinement	0.02 15	0.03 23	0.02 14	0.03 23	0.02 15	0.03 22	0.02 15	0.03 24	0.02 15	0.03 21	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.03 22	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.03 24	0.02 15	0.03 22	0.02 15

G2L-Stereo	0.02 15	0.03 23	0.02 14	0.03 23	0.02 15	0.03 22	0.02 15	0.03 24	0.02 15	0.03 21	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.03 22	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.03 24	0.02 15	0.03 22	0.02 15

iinet-f	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MFN_U_SF_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MSC_U_SF_DS_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

MFN_U_SF_DS_RVC	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

ADCMid	0.08 33	0.02 14	0.13 77	0.03 23	0.02 15	0.03 22	0.02 15	0.02 15	0.02 15	1.32 228	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.07 42	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 25

LSM0	0.02 15	0.02 14	0.02 14	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 16	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

DFGA-Net	0.04 24	0.06 37	0.03 23	0.06 36	0.03 23	0.05 35	0.03 26	0.05 35	0.03 27	0.05 27	0.03 26	0.05 34	0.03 23	0.03 27	0.03 26	0.03 26	0.05 35	0.03 25	0.05 33	0.03 26	0.06 41	0.03 26	0.03 25	0.03 25	0.06 41	0.03 26	0.06 40	0.03 25

YMNet	0.03 23	0.03 23	0.03 23	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	0.03 21	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.04 32	0.03 24	0.03 26	0.03 22	0.03 25

FADNet_RVC	0.10 40	0.03 23	0.04 25	0.03 23	0.04 32	0.05 35	0.04 32	0.04 31	0.04 32	0.03 21	0.04 31	0.04 30	0.03 23	0.04 32	0.03 26	0.03 26	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.03 26	1.63 283	0.03 25	0.03 24	0.04 32	0.03 22	0.04 32

BEATNet_4x	0.08 33	0.03 23	0.06 34	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 237	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.03 22	0.03 25

ADCL	0.08 33	0.03 23	0.06 34	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 237	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.03 22	0.03 25

ADCS	0.06 28	0.02 14	0.04 25	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	1.03 206	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.03 20	0.02 15	0.02 15	0.01 9	0.02 15	0.02 15	0.03 25	0.02 15	0.02 15	0.02 15	0.04 30	0.02 15

AnyNet_C01	0.08 33	0.03 23	0.04 25	0.02 15	0.03 23	0.03 22	0.02 15	0.02 15	0.02 15	1.46 236	0.02 15	0.03 23	0.03 23	0.02 15	0.02 15	0.02 15	0.04 28	0.02 15	0.03 22	0.02 16	0.02 15	0.02 15	0.02 15	0.03 25	0.02 15	0.02 15	0.03 22	0.03 25

AnyNet_C32	0.12 55	0.03 23	0.07 36	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.02 15	2.33 277	0.04 31	0.04 30	0.03 23	0.02 15	0.03 26	0.04 32	0.04 28	0.04 31	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.04 31	0.03 26	0.03 22	0.02 15

ADCPNet	0.08 33	0.03 23	0.04 25	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.32 228	0.03 26	0.03 23	0.03 23	0.03 27	0.03 26	0.03 26	0.03 20	0.03 25	0.03 22	0.03 26	0.03 23	0.03 26	0.03 25	0.03 25	0.03 24	0.03 26	0.04 30	0.03 25

RYNet	0.02 15	0.02 14	0.02 14	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.03 23	0.02 15	0.02 15	0.02 15	0.04 28	0.03 25	0.02 15	0.02 16	0.03 23	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15	0.02 15

DispViT+	0.06 28	0.09 45	0.08 39	0.06 36	0.04 32	0.06 42	0.04 32	0.08 44	0.07 43	0.06 33	0.04 31	0.06 42	0.04 33	0.07 42	0.05 39	0.05 39	0.06 42	0.04 31	0.06 41	0.04 32	0.06 41	0.04 33	0.05 38	0.04 32	0.07 42	0.04 32	0.06 40	0.04 32

APVNet	0.09 38	0.06 37	0.04 25	0.06 36	0.04 32	0.05 35	0.04 32	0.05 35	1.08 260	0.05 27	0.05 36	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.05 35	0.04 31	0.05 33	0.04 32	0.05 35	0.04 33	0.04 32	0.04 32	0.05 36	0.04 32	0.05 36	0.04 32

FADNet-RVC-Resample	0.10 40	0.04 32	0.05 30	0.04 32	0.05 36	0.05 35	0.05 38	0.07 38	0.05 37	0.05 27	0.05 36	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.05 35	0.05 39	0.05 33	0.05 38	0.05 35	0.04 33	1.53 278	0.04 32	0.05 36	0.05 38	0.06 40	0.05 37

FADNet-RVC	0.11 52	0.04 32	0.05 30	0.04 32	0.05 36	0.04 31	0.04 32	0.05 35	0.04 32	0.04 25	0.04 31	0.04 30	0.04 33	0.05 35	0.04 33	0.04 32	0.04 28	0.04 31	0.05 33	0.04 32	0.04 31	0.04 33	1.79 289	0.04 32	0.04 31	0.04 32	0.04 30	0.05 37

FADNet	0.11 52	0.04 32	0.05 30	0.06 36	0.05 36	0.04 31	0.04 32	0.04 31	0.04 32	0.04 25	0.05 36	0.05 34	0.04 33	0.05 35	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.05 38	0.05 35	0.04 33	1.74 287	0.04 32	0.04 31	0.05 38	0.04 30	0.05 37

ADCRef	0.13 60	0.04 32	0.05 30	0.04 32	0.04 32	0.04 31	0.09 48	0.04 31	0.04 32	2.46 280	0.04 31	0.04 30	0.04 33	0.04 32	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.04 33	0.04 32	0.05 38	0.04 31	0.04 32	0.04 30	0.04 32

ADCP+	0.12 55	0.04 32	0.07 36	0.04 32	0.05 36	0.04 31	0.04 32	0.04 31	0.04 32	2.28 269	0.05 36	0.05 34	0.04 33	0.04 32	0.04 33	0.04 32	0.05 35	0.04 31	0.05 33	0.04 32	0.04 31	0.04 33	0.04 32	0.05 38	0.04 31	0.04 32	0.04 30	0.04 32

BridgeDepth_RVC	0.07 30	0.11 57	0.10 46	0.08 43	0.05 36	0.08 45	0.05 38	0.11 57	0.05 37	0.07 34	0.05 36	0.07 43	0.05 40	0.10 51	0.05 39	0.05 39	0.08 44	0.05 39	0.08 44	0.05 38	0.08 46	0.05 40	0.05 38	0.05 38	0.08 44	0.05 38	0.08 45	0.05 37
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
BridgeDepth	0.07 30	0.11 57	0.10 46	0.08 43	0.05 36	0.08 45	0.05 38	0.11 57	0.05 37	0.07 34	0.05 36	0.07 43	0.05 40	0.10 51	0.05 39	0.05 39	0.08 44	0.05 39	0.08 44	0.05 38	0.07 43	0.05 40	0.05 38	0.05 38	0.08 44	0.07 44	0.08 45	0.06 44
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
AASNet	0.05 25	0.08 41	0.08 39	0.07 40	0.05 36	0.05 35	0.05 38	0.07 38	0.05 37	0.05 27	0.05 36	0.05 34	0.05 40	0.06 39	0.07 42	0.05 39	0.05 35	0.05 39	0.05 33	0.05 38	0.05 35	0.05 40	0.04 32	0.05 38	0.05 36	0.05 38	0.05 36	0.05 37

SACVNet	0.05 25	0.08 41	0.08 39	0.07 40	0.05 36	0.05 35	0.05 38	0.07 38	0.05 37	0.05 27	0.05 36	0.05 34	0.05 40	0.06 39	0.07 42	0.05 39	0.05 35	0.05 39	0.05 33	0.05 38	0.05 35	0.05 40	0.04 32	0.05 38	0.05 36	0.05 38	0.05 36	0.05 37

AACVNet	0.05 25	0.08 41	0.08 39	0.07 40	0.05 36	0.05 35	0.05 38	0.07 38	0.05 37	0.05 27	0.05 36	0.05 34	0.05 40	0.06 39	0.07 42	0.05 39	0.05 35	0.05 39	0.05 33	0.05 38	0.05 35	0.05 40	0.04 32	0.05 38	0.05 36	0.05 38	0.05 36	0.05 37

MatchStereo	0.27 105	0.12 60	2.51 301	0.12 60	0.11 63	0.12 60	0.11 62	2.54 290	0.08 47	0.09 37	0.08 46	0.08 45	0.07 45	0.07 42	0.09 49	0.07 45	0.09 48	0.07 45	0.09 48	0.07 45	0.09 48	0.07 45	0.08 44	0.07 46	0.08 44	0.08 48	0.09 48	0.08 48
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
FINET	0.07 30	0.08 41	0.07 36	0.08 43	0.07 45	0.08 45	0.07 44	0.08 44	0.07 43	0.08 36	0.07 45	0.08 45	0.07 45	0.07 42	0.07 42	0.07 45	0.07 43	0.07 45	0.07 42	0.07 45	0.08 46	0.07 45	0.07 41	0.06 45	0.07 42	0.07 44	0.08 45	0.06 44

BEATNet-Init1	0.15 72	0.07 39	0.10 46	0.08 43	0.07 45	0.07 43	0.07 44	0.07 38	0.07 43	2.19 265	0.08 46	0.08 45	0.07 45	0.07 42	0.07 42	0.07 45	0.08 44	0.07 45	0.08 44	0.08 47	0.07 43	0.07 45	0.07 41	0.07 46	0.08 44	0.07 44	0.07 43	0.07 46

DeepPrunerF	0.15 72	0.07 39	0.10 46	0.08 43	0.07 45	0.07 43	0.07 44	0.07 38	0.07 43	2.19 265	0.08 46	0.08 45	0.07 45	0.07 42	0.07 42	0.07 45	0.08 44	0.07 45	0.08 44	0.08 47	0.07 43	0.07 45	0.07 41	0.07 46	0.08 44	0.07 44	0.07 43	0.07 46

SepStereo	0.09 38	0.09 45	0.09 43	0.09 48	0.10 50	0.09 48	0.08 47	0.09 46	0.08 47	0.09 37	0.08 46	0.09 49	0.09 49	0.08 47	0.08 48	0.09 49	0.09 48	0.08 49	0.09 48	0.08 47	0.09 48	0.08 49	0.09 45	0.09 49	0.10 49	0.08 48	0.10 49	0.09 49

LRCNet_RVC	0.11 52	0.12 60	0.09 43	0.12 60	0.09 48	0.12 60	0.09 48	0.12 60	0.09 49	0.12 49	0.09 50	0.11 60	0.09 49	0.09 48	0.09 49	0.09 49	0.12 61	0.16 92	0.21 94	0.09 50	0.12 61	0.09 50	0.09 45	0.09 49	0.12 61	0.28 131	0.12 61	0.09 49

UNet	0.19 85	0.13 63	0.09 43	0.13 63	0.09 48	0.13 63	0.09 48	0.13 61	0.09 49	0.90 187	0.09 50	0.13 63	0.09 49	0.10 51	0.09 49	0.70 228	0.13 63	0.09 50	0.13 61	0.10 51	0.91 220	0.09 50	0.10 48	0.09 49	0.13 62	0.10 50	0.13 63	0.09 49

S2M2_L	0.13 60	0.14 65	0.10 46	0.14 64	0.10 50	0.15 73	0.10 51	0.30 116	0.10 51	0.14 50	0.17 94	0.14 64	0.10 52	0.10 51	0.10 52	0.10 51	0.14 64	0.10 51	0.14 63	0.10 51	0.14 63	0.10 52	0.10 48	0.10 52	0.15 69	0.10 50	0.14 64	0.10 53
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ProNet	0.12 55	0.18 76	0.11 62	0.14 64	0.10 50	0.14 65	0.11 62	0.14 62	0.11 63	0.14 50	0.10 52	0.14 64	0.10 52	0.10 51	0.11 63	0.10 51	0.15 71	0.10 51	0.14 63	0.10 51	0.14 63	0.10 52	0.11 61	0.10 52	0.15 69	0.10 50	0.14 64	0.10 53

AnonymousM	0.10 40	0.10 47	0.10 46	0.10 49	0.10 50	0.10 49	0.10 51	0.10 47	0.10 51	0.10 39	0.10 52	0.10 50	0.10 52	0.10 51	0.10 52	0.10 51	0.10 50	0.10 51	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 49	0.10 50	0.10 49	0.10 53

PVD	0.10 40	0.10 47	0.10 46	0.10 49	0.10 50	0.10 49	0.10 51	0.10 47	0.10 51	0.10 39	0.10 52	0.10 50	0.10 52	0.10 51	0.10 52	0.10 51	0.10 50	0.10 51	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 49	0.10 50	0.10 49	0.10 53

SHD	0.10 40	0.10 47	0.10 46	0.10 49	0.10 50	0.10 49	0.10 51	0.10 47	0.10 51	0.10 39	0.10 52	0.10 50	0.10 52	0.10 51	0.10 52	0.10 51	0.10 50	0.10 51	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 49	0.10 50	0.10 49	0.10 53

SAMSARA	0.10 40	0.10 47	0.10 46	0.10 49	0.10 50	0.10 49	0.10 51	0.10 47	0.10 51	0.10 39	0.10 52	0.10 50	0.10 52	0.10 51	0.10 52	0.10 51	0.10 50	0.10 51	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 49	0.10 50	0.10 49	0.10 53

XQC	0.10 40	0.10 47	0.10 46	0.10 49	0.10 50	0.10 49	0.10 51	0.10 47	0.10 51	0.10 39	0.10 52	0.10 50	0.10 52	0.10 51	0.10 52	0.10 51	0.10 50	0.10 51	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 49	0.10 50	0.10 49	0.10 53

RTSC	0.10 40	0.10 47	0.10 46	0.10 49	0.10 50	0.10 49	0.10 51	0.10 47	0.10 51	0.10 39	0.10 52	0.10 50	0.10 52	0.10 51	0.10 52	0.10 51	0.10 50	0.10 51	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 49	0.10 50	0.10 49	0.10 53

RTS	0.10 40	0.10 47	0.10 46	0.10 49	0.10 50	0.10 49	0.10 51	0.10 47	0.10 51	0.10 39	0.10 52	0.10 50	0.10 52	0.10 51	0.10 52	0.10 51	0.10 50	0.10 51	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 49	0.10 50	0.10 49	0.10 53

RTSA	0.10 40	0.10 47	0.10 46	0.10 49	0.10 50	0.10 49	0.10 51	0.10 47	0.10 51	0.10 39	0.10 52	0.10 50	0.10 52	0.10 51	0.10 52	0.10 51	0.10 50	0.10 51	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 49	0.10 50	0.10 49	0.10 53

MADNet+	0.10 40	0.10 47	0.10 46	0.10 49	0.10 50	0.10 49	0.10 51	0.10 47	0.10 51	0.10 39	0.10 52	0.10 50	0.10 52	0.10 51	0.10 52	0.10 51	0.10 50	0.10 51	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 49	0.10 50	0.10 49	0.10 53

MADNet++	0.10 40	0.10 47	0.10 46	0.10 49	0.10 50	0.10 49	0.10 51	0.10 47	0.10 51	0.10 39	0.10 52	0.10 50	0.10 52	0.10 51	0.10 52	0.10 51	0.10 50	0.10 51	0.10 50	0.10 51	0.10 50	0.10 52	0.10 48	0.10 52	0.10 49	0.10 50	0.10 49	0.10 53

S2M2_XL	0.24 99	1.32 236	0.86 227	0.17 82	0.11 63	0.17 81	0.11 62	1.05 233	0.12 78	0.16 66	0.11 63	0.16 80	0.11 64	0.11 67	0.11 63	0.11 63	0.17 82	0.11 66	0.17 80	0.11 64	0.17 81	0.11 64	0.11 61	0.11 66	0.17 81	0.11 64	0.17 81	0.11 65
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
test_for_model	0.17 77	1.25 225	0.20 98	0.15 72	0.11 63	0.15 73	0.11 62	0.21 84	0.11 63	0.15 55	0.11 63	0.15 73	0.11 64	0.11 67	0.11 63	0.11 63	0.15 71	0.11 66	0.15 71	0.11 64	0.15 72	0.11 64	0.11 61	0.11 66	0.15 69	0.11 64	0.15 71	0.11 65

GCAPDPT-zeroshot4090	0.17 77	1.25 225	0.20 98	0.15 72	0.11 63	0.15 73	0.11 62	0.21 84	0.11 63	0.15 55	0.11 63	0.15 73	0.11 64	0.11 67	0.11 63	0.11 63	0.15 71	0.11 66	0.15 71	0.11 64	0.15 72	0.11 64	0.11 61	0.11 66	0.15 69	0.11 64	0.15 71	0.11 65

JetRed	0.22 95	0.11 57	0.12 68	0.11 59	0.11 63	0.11 59	0.11 62	0.11 57	0.11 63	2.93 290	0.11 63	0.11 60	0.11 64	0.11 67	0.11 63	0.12 78	0.11 60	0.11 66	0.11 60	0.11 64	0.11 60	0.11 64	0.11 61	0.11 66	0.11 60	0.11 64	0.11 60	0.11 65

JetBlue	0.23 97	0.12 60	0.13 77	0.12 60	0.12 82	0.12 60	0.11 62	0.14 62	0.12 78	3.07 291	0.12 81	0.12 62	0.11 64	0.11 67	0.13 85	0.13 84	0.12 61	0.12 82	0.13 61	0.11 64	0.12 61	0.13 86	0.12 78	0.14 88	0.13 62	0.12 80	0.12 61	0.11 65

testlalala	0.17 77	1.25 225	0.20 98	0.15 72	0.11 63	0.15 73	0.11 62	0.21 84	0.11 63	0.15 55	0.11 63	0.15 73	0.11 64	0.11 67	0.11 63	0.11 63	0.15 71	0.11 66	0.15 71	0.11 64	0.15 72	0.11 64	0.11 61	0.11 66	0.15 69	0.11 64	0.15 71	0.11 65

GCAPDPT-zeroshot	0.17 77	1.25 225	0.20 98	0.15 72	0.11 63	0.15 73	0.11 62	0.21 84	0.11 63	0.15 55	0.11 63	0.15 73	0.11 64	0.11 67	0.11 63	0.11 63	0.15 71	0.11 66	0.15 71	0.11 64	0.15 72	0.11 64	0.11 61	0.11 66	0.15 69	0.11 64	0.15 71	0.11 65

GCAP-Stereo	0.17 77	1.25 225	0.20 98	0.15 72	0.11 63	0.15 73	0.11 62	0.21 84	0.11 63	0.15 55	0.11 63	0.15 73	0.11 64	0.11 67	0.11 63	0.11 63	0.15 71	0.11 66	0.15 71	0.11 64	0.15 72	0.11 64	0.11 61	0.11 66	0.15 69	0.11 64	0.15 71	0.11 65

CIPLG	0.13 60	0.15 66	0.12 68	0.14 64	0.11 63	0.14 65	0.11 62	0.15 70	0.11 63	0.15 55	0.11 63	0.15 73	0.11 64	0.12 77	0.12 80	0.11 63	0.15 71	0.11 66	0.15 71	0.11 64	0.14 63	0.11 64	0.11 61	0.12 80	0.15 69	0.12 80	0.15 71	0.12 79

IPLG	0.12 55	0.15 66	0.12 68	0.14 64	0.11 63	0.14 65	0.11 62	0.14 62	0.11 63	0.15 55	0.11 63	0.14 64	0.11 64	0.12 77	0.11 63	0.11 63	0.14 64	0.11 66	0.14 63	0.11 64	0.14 63	0.11 64	0.11 61	0.11 66	0.14 64	0.11 64	0.14 64	0.11 65

IPLGR_C	0.13 60	0.16 71	0.14 81	0.15 72	0.11 63	0.14 65	0.11 62	0.14 62	0.11 63	0.14 50	0.11 63	0.14 64	0.11 64	0.12 77	0.11 63	0.11 63	0.14 64	0.11 66	0.14 63	0.11 64	0.14 63	0.11 64	0.11 61	0.11 66	0.14 64	0.11 64	0.15 71	0.11 65

MIPNet	0.12 55	0.15 66	0.12 68	0.14 64	0.11 63	0.14 65	0.11 62	0.14 62	0.11 63	0.15 55	0.11 63	0.14 64	0.11 64	0.12 77	0.11 63	0.11 63	0.14 64	0.11 66	0.15 71	0.11 64	0.14 63	0.11 64	0.11 61	0.11 66	0.14 64	0.11 64	0.14 64	0.11 65

ACRE	0.13 60	0.16 71	0.12 68	0.14 64	0.11 63	0.14 65	0.11 62	0.15 70	0.11 63	0.14 50	0.11 63	0.14 64	0.11 64	0.12 77	0.11 63	0.11 63	0.14 64	0.11 66	0.14 63	0.11 64	0.14 63	0.11 64	0.11 61	0.11 66	0.14 64	0.11 64	0.14 64	0.11 65

ICVP	0.13 60	0.16 71	0.11 62	0.16 79	0.11 63	0.16 80	0.11 62	0.16 72	0.11 63	0.16 66	0.11 63	0.16 80	0.11 64	0.11 67	0.11 63	0.11 63	0.16 79	0.11 66	0.16 78	0.11 64	0.16 78	0.11 64	0.11 61	0.11 66	0.16 79	0.11 64	0.16 78	0.11 65
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 67	0.17 75	0.11 62	0.17 82	0.11 63	0.17 81	0.12 80	0.17 76	0.11 63	0.17 70	0.11 63	0.17 84	0.11 64	0.12 77	0.12 80	0.12 78	0.17 82	0.12 82	0.17 80	0.12 82	0.17 81	0.12 81	0.12 78	0.12 80	0.17 81	0.12 80	0.17 81	0.12 79

PDISCO_ROB	0.50 167	0.15 66	0.11 62	0.16 79	3.16 307	0.13 63	0.12 80	0.14 62	0.12 78	0.15 55	0.11 63	2.55 293	0.11 64	2.20 291	0.13 85	0.12 78	0.16 79	0.10 51	0.14 63	0.12 82	0.15 72	0.12 81	0.12 78	0.12 80	0.15 69	0.10 50	2.75 294	0.09 49

ELAS_RVC	0.14 67	0.18 76	0.11 62	0.19 88	0.11 63	0.18 83	0.13 84	0.16 72	0.11 63	0.17 70	0.11 63	0.14 64	0.11 64	0.09 48	0.11 63	0.12 78	0.17 82	0.10 51	0.18 84	0.11 64	0.18 83	0.11 64	0.10 48	0.11 66	0.19 87	0.11 64	0.19 85	0.12 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.14 67	0.19 81	0.11 62	0.20 90	0.11 63	0.20 91	0.12 80	0.18 78	0.12 78	0.18 72	0.12 81	0.19 90	0.11 64	0.11 67	0.11 63	0.11 63	0.18 86	0.11 66	0.19 88	0.11 64	0.19 87	0.11 64	0.11 61	0.11 66	0.20 91	0.11 64	0.20 90	0.12 79
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.14 67	0.23 89	0.10 46	0.19 88	0.11 63	0.20 91	0.11 62	0.16 72	0.10 51	0.15 55	0.11 63	0.15 73	0.11 64	0.09 48	0.11 63	0.11 63	0.16 79	0.10 51	0.17 80	0.11 64	0.18 83	0.11 64	0.09 45	0.10 52	0.18 84	0.11 64	0.19 85	0.12 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.21 94	0.16 71	0.12 68	0.16 79	0.13 86	0.18 83	0.14 86	0.16 72	1.89 296	0.16 66	0.12 81	0.17 84	0.12 83	0.13 84	0.13 85	0.13 84	0.17 82	0.13 85	0.17 80	0.12 82	0.16 78	0.12 81	0.12 78	0.12 80	0.17 81	0.12 80	0.16 78	0.12 79

IPLGR	0.13 60	0.15 66	0.12 68	0.14 64	0.11 63	0.14 65	0.11 62	0.14 62	0.13 84	0.15 55	0.11 63	0.14 64	0.12 83	0.12 77	0.11 63	0.11 63	0.14 64	0.11 66	0.14 63	0.11 64	0.14 63	0.11 64	0.11 61	0.12 80	0.15 69	0.11 64	0.14 64	0.11 65

SFCPSM	0.23 97	0.18 76	0.13 77	0.18 85	0.12 82	0.18 83	0.80 241	0.17 76	0.12 78	0.88 186	0.12 81	0.17 84	0.12 83	0.13 84	0.12 80	0.12 78	0.18 86	0.12 82	0.18 84	0.12 82	1.18 250	0.13 86	0.12 78	0.12 80	0.18 84	0.13 85	0.18 83	0.12 79

DeepPruner_ROB	0.15 72	0.18 76	0.12 68	0.18 85	0.12 82	0.18 83	0.12 80	0.18 78	0.13 84	0.18 72	0.12 81	0.18 87	0.12 83	0.13 84	0.12 80	0.13 84	0.18 86	0.13 85	0.18 84	0.12 82	0.19 87	0.12 81	0.13 83	0.12 80	0.18 84	0.12 80	0.18 83	0.12 79

LALA_ROB	0.15 72	0.21 83	0.12 68	0.21 94	0.12 82	0.20 91	0.14 86	0.20 81	0.12 78	0.22 80	0.12 81	0.16 80	0.12 83	0.10 51	0.12 80	0.12 78	0.21 95	0.11 66	0.22 95	0.12 82	0.20 91	0.12 81	0.11 61	0.12 80	0.21 95	0.14 86	0.21 93	0.13 87

DDVS	0.15 72	0.18 76	0.13 77	0.18 85	0.13 86	0.19 88	0.13 84	0.18 78	0.13 84	0.18 72	0.13 87	0.18 87	0.13 88	0.13 84	0.13 85	0.13 84	0.18 86	0.13 85	0.18 84	0.13 88	0.18 83	0.13 86	0.13 83	0.10 52	0.19 87	0.14 86	0.19 85	0.13 87

castereo++	0.26 104	1.28 235	1.07 244	0.15 72	0.13 86	0.15 73	0.14 86	1.22 246	0.13 84	0.16 66	0.17 94	0.16 80	0.14 89	0.14 88	0.15 91	0.14 88	0.15 71	0.14 88	0.16 78	0.14 89	0.16 78	0.14 89	0.14 85	0.14 88	0.16 79	0.14 86	0.16 78	0.15 90

GMStereo	0.14 67	0.13 63	0.14 81	0.14 64	0.14 89	0.14 65	0.14 86	0.14 62	0.14 88	0.14 50	0.14 88	0.14 64	0.14 89	0.14 88	0.14 89	0.14 88	0.14 64	0.14 88	0.14 63	0.14 89	0.14 63	0.14 89	0.14 85	0.14 88	0.14 64	0.14 86	0.14 64	0.14 89
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
dd	0.18 82	0.22 85	0.16 83	0.22 96	0.15 90	0.22 97	0.15 90	0.21 84	0.15 89	0.21 78	0.15 89	0.21 94	0.15 91	0.15 90	0.15 91	0.15 91	0.22 97	0.14 88	0.22 95	0.14 89	0.22 96	0.15 91	0.16 89	0.15 91	0.23 102	0.15 90	0.22 95	0.16 92

dad	0.18 82	0.23 89	0.16 83	0.22 96	0.15 90	0.22 97	0.15 90	0.22 91	0.16 90	0.21 78	0.15 89	0.22 97	0.15 91	0.15 90	0.16 93	0.17 94	0.23 102	0.17 96	0.23 102	0.15 92	0.22 96	0.15 91	0.15 87	0.15 91	0.22 97	0.15 90	0.22 95	0.16 92

VIP-Stereo	0.36 136	2.00 251	1.11 247	0.26 118	0.16 93	0.24 109	0.15 90	2.00 271	0.23 117	0.24 87	0.15 89	0.23 103	0.16 93	0.16 93	0.16 93	0.15 91	0.24 107	0.15 91	0.24 108	0.16 93	0.24 105	0.15 91	0.15 87	0.20 110	0.24 108	0.15 90	0.24 105	0.15 90

MSKI-zero shot	0.19 85	0.21 83	0.16 83	0.22 96	0.16 93	0.23 105	0.17 96	0.22 91	0.17 95	0.22 80	0.17 94	0.22 97	0.16 93	0.19 106	0.16 93	0.17 94	0.23 102	0.16 92	0.22 95	0.16 93	0.22 96	0.17 98	0.16 89	0.17 94	0.22 97	0.19 109	0.22 95	0.16 92

UPFNet	0.29 111	0.24 97	0.16 83	0.24 108	0.16 93	0.24 109	0.16 94	0.23 99	0.16 90	1.19 219	0.16 92	0.23 103	0.16 93	0.17 95	0.16 93	0.89 240	0.24 107	0.16 92	0.24 108	0.18 106	1.20 253	0.16 94	0.17 91	0.16 93	0.24 108	0.16 94	0.24 105	0.16 92

LACA2	0.20 89	0.27 108	0.22 105	0.24 108	0.17 97	0.24 109	0.17 96	0.26 109	0.17 95	0.24 87	0.17 94	0.24 110	0.17 96	0.21 111	0.17 97	0.17 94	0.24 107	0.17 96	0.24 108	0.17 97	0.24 105	0.17 98	0.17 91	0.17 94	0.24 108	0.17 96	0.24 105	0.17 98

LACA1	0.20 89	0.27 108	0.22 105	0.24 108	0.17 97	0.24 109	0.17 96	0.27 111	0.17 95	0.24 87	0.17 94	0.24 110	0.17 96	0.21 111	0.17 97	0.17 94	0.24 107	0.17 96	0.24 108	0.17 97	0.24 105	0.17 98	0.17 91	0.17 94	0.24 108	0.17 96	0.24 105	0.17 98

IGEV-FE	0.29 111	2.85 277	0.36 143	0.20 90	0.17 97	0.19 88	0.17 96	0.37 133	0.17 95	0.19 75	0.17 94	0.19 90	0.17 96	0.17 95	0.17 97	0.17 94	0.19 91	0.17 96	0.19 88	0.17 97	0.19 87	0.17 98	0.17 91	0.17 94	0.19 87	0.17 96	0.19 85	0.17 98

ACV-stereo	0.20 89	0.23 89	0.17 87	0.23 103	0.17 97	0.23 105	0.17 96	0.23 99	0.17 95	0.23 86	0.17 94	0.23 103	0.17 96	0.17 95	0.17 97	0.17 94	0.24 107	0.17 96	0.23 102	0.17 97	0.24 105	0.17 98	0.17 91	0.17 94	0.23 102	0.17 96	0.23 103	0.17 98

Pointernet	0.22 95	0.41 131	0.38 147	0.22 96	0.17 97	0.22 97	0.17 96	0.41 148	0.17 95	0.22 80	0.17 94	0.22 97	0.17 96	0.18 102	0.18 104	0.18 102	0.23 102	0.18 108	0.23 102	0.18 106	0.23 102	0.18 108	0.17 91	0.17 94	0.22 97	0.18 107	0.22 95	0.17 98

IGEV_Zeroshot_test	0.18 82	0.22 85	0.18 92	0.21 94	0.18 106	0.20 91	0.17 96	0.20 81	0.16 90	0.25 93	0.16 92	0.21 94	0.17 96	0.16 93	0.18 104	0.15 91	0.20 92	0.16 92	0.20 91	0.18 106	0.21 93	0.17 98	0.17 91	0.17 94	0.20 91	0.17 96	0.20 90	0.16 92

MIM_Stereo	0.19 85	0.23 89	0.18 92	0.22 96	0.16 93	0.22 97	0.16 94	0.21 84	0.16 90	0.22 80	0.17 94	0.21 94	0.17 96	0.20 107	0.18 104	0.17 94	0.22 97	0.18 108	0.22 95	0.16 93	0.21 93	0.16 94	0.17 91	0.17 94	0.21 95	0.16 94	0.22 95	0.20 111

MMNet	0.30 115	0.24 97	0.17 87	0.24 108	0.17 97	0.24 109	0.17 96	0.23 99	0.18 105	1.21 222	0.17 94	0.23 103	0.17 96	0.17 95	0.17 97	0.89 240	0.24 107	0.17 96	0.24 108	0.17 97	1.22 255	0.16 94	0.17 91	0.17 94	0.24 108	0.17 96	0.24 105	0.17 98

delet	0.30 115	0.24 97	0.17 87	0.24 108	0.17 97	0.24 109	0.17 96	0.23 99	0.16 90	1.21 222	0.17 94	0.24 110	0.17 96	0.17 95	0.17 97	0.91 244	0.24 107	0.17 96	0.24 108	0.17 97	1.23 257	0.17 98	0.17 91	0.17 94	0.24 108	0.17 96	0.24 105	0.17 98

psm_up	0.30 115	0.24 97	0.17 87	0.25 113	0.17 97	0.24 109	0.17 96	0.24 103	0.17 95	1.20 221	0.17 94	0.23 103	0.17 96	0.17 95	0.18 104	0.90 243	0.24 107	0.17 96	0.25 115	0.17 97	1.24 260	0.17 98	0.17 91	0.17 94	0.24 108	0.17 96	0.24 105	0.17 98

iResNetv2_ROB	0.20 89	0.22 85	0.19 96	0.23 103	0.19 110	0.22 97	0.17 96	0.22 91	0.17 95	0.22 80	0.17 94	0.22 97	0.17 96	0.18 102	0.18 104	0.19 105	0.22 97	0.17 96	0.23 102	0.17 97	0.25 109	0.18 108	0.17 91	0.18 107	0.23 102	0.17 96	0.25 114	0.17 98

iResNet	0.19 85	0.23 89	0.17 87	0.22 96	0.17 97	0.22 97	0.19 109	0.22 91	0.17 95	0.22 80	0.17 94	0.22 97	0.17 96	0.17 95	0.17 97	0.17 94	0.22 97	0.17 96	0.22 95	0.17 97	0.23 102	0.17 98	0.18 104	0.17 94	0.23 102	0.17 96	0.23 103	0.17 98

GEStereo_RVC	0.36 136	0.23 89	0.18 92	0.23 103	0.18 106	0.23 105	0.19 109	0.22 91	0.19 107	0.24 87	0.20 111	0.24 110	0.18 108	0.18 102	0.18 104	0.21 108	0.25 115	0.18 108	0.22 95	0.18 106	0.23 102	0.18 108	0.19 107	0.20 110	0.23 102	0.20 110	4.43 313	0.19 109

CFNet	0.55 183	0.25 101	0.18 92	0.25 113	0.18 106	0.25 117	0.18 108	0.25 104	0.18 105	0.25 93	0.18 108	0.25 114	0.18 108	0.18 102	0.18 104	0.18 102	0.25 115	0.18 108	0.25 115	0.18 106	5.31 324	4.36 324	0.18 104	0.18 107	0.25 116	0.18 107	0.25 114	0.18 108

castereo	0.34 130	1.59 242	1.39 263	0.17 82	0.15 90	0.18 83	0.26 123	1.74 261	0.17 95	0.19 75	0.18 108	0.18 87	0.20 110	0.20 107	0.22 117	0.21 108	0.18 86	0.17 96	0.19 88	0.16 93	0.18 83	0.20 112	0.17 91	0.21 114	0.19 87	0.17 96	0.19 85	0.16 92

DAS	0.20 89	0.20 82	0.20 98	0.20 90	0.20 112	0.20 91	0.20 111	0.20 81	0.20 109	0.20 77	0.20 111	0.20 93	0.20 110	0.20 107	0.20 112	0.20 106	0.20 92	0.20 114	0.20 91	0.20 113	0.20 91	0.20 112	0.20 109	0.20 110	0.20 91	0.20 110	0.20 90	0.20 111

AANet_RVC	0.61 190	0.31 115	5.05 318	0.31 127	0.19 110	0.24 109	0.20 111	5.86 314	0.20 109	0.24 87	0.18 108	0.25 114	0.20 110	0.23 118	0.21 113	0.18 102	0.37 141	0.18 108	0.24 108	0.19 111	0.25 109	0.19 111	0.19 107	0.19 109	0.24 108	0.15 90	0.24 105	0.20 111

DISCO	0.59 189	0.29 111	0.22 105	0.27 120	5.05 329	0.30 126	0.21 113	0.28 112	0.21 111	0.27 100	0.21 113	0.27 122	0.20 110	0.21 111	0.21 113	0.21 108	0.27 123	0.21 115	0.27 122	0.21 115	0.27 116	0.23 119	0.21 110	0.21 114	0.27 122	0.21 113	5.06 321	0.22 116

DEFOM-Stereo_RVC	0.40 147	2.14 260	1.91 288	0.20 90	0.18 106	0.19 88	0.17 96	2.23 274	0.19 107	0.24 87	0.21 113	0.19 90	0.21 114	0.20 107	0.18 104	0.20 106	0.20 92	0.18 108	0.20 91	0.19 111	0.19 87	0.17 98	0.18 104	0.17 94	0.20 91	0.20 110	0.21 93	0.19 109

HGLStereo	0.27 105	0.25 101	0.21 104	0.35 135	0.21 113	0.35 134	0.21 113	0.34 125	0.21 111	0.39 120	0.21 113	0.34 131	0.21 114	0.22 114	0.21 113	0.21 108	0.35 133	0.22 116	0.35 132	0.22 116	0.35 128	0.22 114	0.21 110	0.21 114	0.35 133	0.21 113	0.35 132	0.21 114

DCVSM-stereo	0.27 105	0.38 125	0.22 105	0.38 145	0.22 114	0.38 147	0.22 115	0.29 114	0.22 114	0.29 101	0.22 116	0.29 125	0.22 116	0.22 114	0.21 113	0.21 108	0.38 144	0.22 116	0.38 143	0.22 116	0.38 137	0.22 114	0.21 110	0.25 123	0.38 142	0.21 113	0.38 140	0.21 114

WAO-6	0.30 115	0.22 85	0.23 109	0.22 96	0.23 119	0.23 105	0.22 115	0.22 91	0.23 117	2.21 268	0.22 116	0.22 97	0.22 116	0.22 114	0.22 117	0.23 113	0.22 97	0.23 121	0.22 95	0.22 116	0.22 96	0.22 114	0.22 113	0.22 117	0.23 102	0.23 119	0.22 95	0.22 116

IMH-64-1	0.29 111	0.23 89	0.23 109	0.23 103	0.22 114	0.22 97	0.23 117	0.22 91	0.22 114	2.02 258	0.23 119	0.23 103	0.22 116	0.23 118	0.23 119	0.23 113	0.23 102	0.22 116	0.23 102	0.22 116	0.22 96	0.22 114	0.22 113	0.22 117	0.22 97	0.22 116	0.22 95	0.22 116

IMH-64	0.29 111	0.23 89	0.23 109	0.23 103	0.22 114	0.22 97	0.23 117	0.22 91	0.22 114	2.02 258	0.23 119	0.23 103	0.22 116	0.23 118	0.23 119	0.23 113	0.23 102	0.22 116	0.23 102	0.22 116	0.22 96	0.22 114	0.22 113	0.22 117	0.22 97	0.22 116	0.22 95	0.22 116

DLNR_Zeroshot_test	0.27 105	0.30 113	0.23 109	0.30 125	0.22 114	0.31 127	0.24 119	0.29 114	0.23 117	0.38 117	0.23 119	0.29 125	0.23 120	0.22 114	0.23 119	0.23 113	0.30 126	0.34 155	0.29 124	0.23 121	0.29 120	0.29 145	0.22 113	0.23 120	0.30 125	0.23 119	0.30 124	0.23 120

iResNet_ROB	0.28 110	0.32 117	0.24 113	0.33 129	0.26 123	0.32 129	0.24 119	0.33 119	0.25 120	0.33 103	0.24 122	0.35 134	0.24 121	0.23 118	0.24 123	0.25 117	0.32 128	0.24 122	0.36 135	0.24 123	0.32 122	0.28 133	0.24 118	0.24 122	0.32 127	0.24 121	0.33 126	0.24 121

UNDER WATER-64	0.31 123	0.25 101	0.25 114	0.26 118	0.26 123	0.25 117	0.26 123	0.25 104	0.26 127	1.69 243	0.26 128	0.25 114	0.25 122	0.25 122	0.26 129	0.26 120	0.25 115	0.26 127	0.26 118	0.26 128	0.25 109	0.25 120	0.25 119	0.25 123	0.26 120	0.26 126	0.25 114	0.26 127

LoS_RVC	0.25 100	0.25 101	0.25 114	0.25 113	0.25 121	0.25 117	0.25 121	0.25 104	0.25 120	0.25 93	0.25 124	0.25 114	0.25 122	0.26 124	0.25 124	0.26 120	0.25 115	0.25 123	0.26 118	0.25 124	0.25 109	0.25 120	0.25 119	0.25 123	0.25 116	0.25 122	0.25 114	0.25 122

tt_ll	0.25 100	0.25 101	0.25 114	0.25 113	0.25 121	0.25 117	0.25 121	0.25 104	0.25 120	0.25 93	0.25 124	0.25 114	0.25 122	0.26 124	0.25 124	0.26 120	0.25 115	0.25 123	0.26 118	0.25 124	0.25 109	0.25 120	0.25 119	0.25 123	0.25 116	0.25 122	0.25 114	0.25 122

CAS	0.25 100	0.25 101	0.25 114	0.25 113	0.26 123	0.26 123	0.26 123	0.25 104	0.25 120	0.25 93	0.25 124	0.25 114	0.25 122	0.25 122	0.25 124	0.25 117	0.26 121	0.25 123	0.26 118	0.26 128	0.25 109	0.25 120	0.25 119	0.26 127	0.25 116	0.26 126	0.25 114	0.25 122

LoS	0.25 100	0.25 101	0.27 118	0.27 120	0.26 123	0.25 117	0.26 123	0.26 109	0.25 120	0.26 99	0.25 124	0.25 114	0.25 122	0.26 124	0.25 124	0.25 117	0.25 115	0.25 123	0.25 115	0.25 124	0.27 116	0.25 120	0.26 123	0.26 127	0.26 120	0.25 122	0.25 114	0.25 122
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
IER	0.56 186	2.72 276	2.20 292	0.38 145	0.29 142	0.38 147	0.27 127	2.77 291	0.27 129	0.38 117	0.28 135	0.37 142	0.25 122	0.26 124	0.25 124	0.26 120	0.38 144	0.29 140	0.38 143	0.25 124	0.39 146	0.25 120	0.29 138	0.29 145	0.40 152	0.25 122	0.38 140	0.25 122

Former-RAFT_DAM_RVC	0.38 143	1.06 209	0.54 190	0.59 205	0.27 128	0.46 173	0.27 127	0.46 156	0.27 129	0.46 142	0.27 132	0.46 168	0.26 128	0.27 131	0.27 132	0.26 120	0.46 169	0.26 127	0.45 170	0.30 149	0.46 163	0.27 127	0.27 125	0.27 131	0.46 168	0.27 129	0.45 165	0.26 127

iRaft-Stereo_20w	0.30 115	0.46 145	0.27 118	0.34 131	0.26 123	0.35 134	0.28 134	0.34 125	0.26 127	0.34 106	0.26 128	0.34 131	0.26 128	0.26 124	0.26 129	0.26 120	0.34 130	0.26 127	0.34 130	0.26 128	0.34 124	0.26 126	0.26 123	0.26 127	0.34 130	0.26 126	0.34 130	0.26 127

LG-Stereo_L2	0.32 124	0.45 142	0.36 143	0.37 141	0.27 128	0.37 143	0.27 127	0.43 153	0.27 129	0.36 114	0.31 151	0.36 140	0.27 130	0.27 131	0.27 132	0.30 142	0.37 141	0.27 130	0.37 139	0.27 132	0.37 134	0.27 127	0.27 125	0.27 131	0.37 139	0.27 129	0.37 138	0.27 130

model_zeroshot	0.27 105	0.30 113	0.19 96	0.36 139	0.23 119	0.25 117	0.27 127	0.33 119	0.21 111	0.35 108	0.22 116	0.25 114	0.27 130	0.26 124	0.23 119	0.26 120	0.35 133	0.22 116	0.36 135	0.23 121	0.25 109	0.27 127	0.27 125	0.23 120	0.36 135	0.22 116	0.25 114	0.27 130

SQANet	0.33 127	0.28 110	0.28 121	0.28 124	0.28 132	0.29 125	0.28 134	0.28 112	0.28 134	1.59 240	0.28 135	0.28 124	0.28 132	0.28 136	0.28 136	0.28 130	0.28 124	0.28 131	0.29 124	0.28 133	0.28 118	0.28 133	0.28 130	0.28 135	0.28 123	0.28 131	0.28 122	0.28 133

Any-RAFT	0.32 124	0.45 142	0.29 126	0.36 139	0.29 142	0.36 139	0.29 147	0.36 132	0.29 142	0.35 108	0.29 143	0.35 134	0.28 132	0.27 131	0.28 136	0.28 130	0.35 133	0.28 131	0.35 132	0.28 133	0.35 128	0.28 133	0.29 138	0.29 145	0.36 135	0.29 146	0.36 135	0.29 144

anonymity	0.30 115	0.34 119	0.27 118	0.33 129	0.27 128	0.33 130	0.28 134	0.33 119	0.28 134	0.33 103	0.28 135	0.33 129	0.28 132	0.28 136	0.28 136	0.28 130	0.34 130	0.28 131	0.34 130	0.28 133	0.34 124	0.27 127	0.27 125	0.27 131	0.34 130	0.28 131	0.34 130	0.28 133

PML	0.39 146	0.56 168	0.29 126	0.55 199	0.28 132	0.56 201	0.28 134	0.51 176	0.28 134	0.50 151	0.28 135	0.51 189	0.28 132	0.29 138	0.28 136	0.29 140	0.56 196	0.29 140	0.57 204	0.28 133	0.56 194	0.28 133	0.28 130	0.29 145	0.56 200	0.28 131	0.56 197	0.28 133

CFNet_pseudo	1.01 245	9.78 323	0.29 126	0.38 145	0.28 132	0.38 147	0.28 134	0.38 136	0.28 134	0.39 120	0.28 135	0.39 149	0.28 132	9.50 331	0.29 144	0.28 130	0.38 144	0.28 131	0.38 143	0.28 133	0.38 137	0.28 133	0.28 130	0.28 135	0.38 142	0.28 131	0.38 140	0.28 133

pcwnet_v2	1.01 245	9.73 322	0.28 121	0.38 145	0.28 132	0.38 147	0.28 134	0.38 136	0.28 134	0.38 117	0.28 135	0.39 149	0.28 132	9.61 332	0.28 136	0.28 130	0.38 144	0.28 131	0.38 143	0.28 133	0.38 137	0.28 133	0.29 138	0.28 135	0.38 142	0.28 131	0.38 140	0.28 133

DGSMNet	0.33 127	0.42 137	0.28 121	0.40 157	0.28 132	0.40 157	0.28 134	0.40 146	0.28 134	0.40 128	0.28 135	0.39 149	0.28 132	0.27 131	0.28 136	0.28 130	0.40 158	0.28 131	0.42 164	0.29 142	0.41 152	0.31 150	0.29 138	0.28 135	0.41 157	0.28 131	0.42 161	0.29 144

MLCV	0.30 115	0.33 118	0.28 121	0.34 131	0.28 132	0.33 130	0.28 134	0.33 119	0.29 142	0.33 103	0.27 132	0.33 129	0.28 132	0.26 124	0.29 144	0.28 130	0.33 129	0.28 131	0.33 127	0.28 133	0.33 123	0.27 127	0.28 130	0.28 135	0.33 128	0.28 131	0.33 126	0.28 133

DN-CSS_ROB	0.30 115	0.34 119	0.29 126	0.34 131	0.27 128	0.34 132	0.28 134	0.33 119	0.27 129	0.34 106	0.27 132	0.34 131	0.28 132	0.29 138	0.27 132	0.26 120	0.35 133	0.29 140	0.33 127	0.28 133	0.34 124	0.28 133	0.28 130	0.27 131	0.34 130	0.28 131	0.33 126	0.28 133

gcap_with_dpt	0.34 130	0.42 137	0.29 126	0.42 168	0.29 142	0.42 165	0.29 147	0.39 142	0.29 142	0.39 120	0.29 143	0.39 149	0.29 141	0.29 138	0.29 144	0.28 130	0.42 165	0.29 140	0.42 164	0.29 142	0.42 157	0.28 133	0.28 130	0.28 135	0.41 157	0.28 131	0.41 155	0.28 133

DEFOM-Stereo	0.43 156	1.60 244	1.47 268	0.30 125	0.28 132	0.31 127	0.28 134	1.65 259	0.25 120	0.29 101	0.26 128	0.30 127	0.29 141	0.27 131	0.26 129	0.26 120	0.30 126	0.29 140	0.30 126	0.26 128	0.29 120	0.29 145	0.27 125	0.26 127	0.30 125	0.29 146	0.30 124	0.29 144

GCAP-BAT	0.34 130	0.42 137	0.29 126	0.42 168	0.29 142	0.42 165	0.29 147	0.39 142	0.29 142	0.39 120	0.29 143	0.39 149	0.29 141	0.29 138	0.29 144	0.28 130	0.42 165	0.29 140	0.42 164	0.29 142	0.42 157	0.28 133	0.28 130	0.28 135	0.41 157	0.28 131	0.41 155	0.28 133

RAFT-Test	0.34 130	0.45 142	0.30 132	0.38 145	0.32 154	0.40 157	0.32 156	0.39 142	0.32 149	0.39 120	0.30 148	0.37 142	0.29 141	0.30 143	0.30 148	0.29 140	0.38 144	0.30 146	0.38 143	0.29 142	0.38 137	0.29 145	0.29 138	0.30 149	0.38 142	0.30 149	0.38 140	0.30 150

UCFNet_RVC	1.03 250	10.10 326	0.28 121	0.38 145	0.28 132	0.39 154	0.28 134	0.38 136	0.28 134	0.39 120	0.28 135	0.39 149	0.29 141	9.62 333	0.28 136	0.28 130	0.38 144	0.28 131	0.38 143	0.28 133	0.39 146	0.28 133	0.29 138	0.28 135	0.39 151	0.28 131	0.38 140	0.29 144

GREAT-IGEV	0.36 136	0.46 145	0.33 139	0.43 170	0.30 149	0.43 170	0.30 152	0.45 155	0.30 146	0.42 136	0.30 148	0.43 165	0.30 146	0.30 143	0.30 148	0.30 142	0.43 167	0.30 146	0.43 167	0.30 149	0.43 160	0.30 148	0.30 146	0.30 149	0.43 165	0.30 149	0.43 163	0.30 150
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
RSM	0.33 127	0.36 123	0.31 135	0.39 156	0.32 154	0.36 139	0.30 152	0.35 128	0.38 166	0.35 108	0.31 151	0.35 134	0.30 146	0.30 143	0.31 151	0.30 142	0.36 138	0.31 149	0.36 135	0.30 149	0.36 132	0.31 150	0.31 148	0.31 151	0.36 135	0.31 152	0.36 135	0.31 153

GIP-stereo	0.38 143	0.56 168	0.40 151	0.45 173	0.33 157	0.44 172	0.35 159	0.49 169	0.33 153	0.43 137	0.32 154	0.42 161	0.31 148	0.33 147	0.33 154	0.34 154	0.40 158	0.32 153	0.40 155	0.32 154	0.43 160	0.38 166	0.33 152	0.32 153	0.43 165	0.32 154	0.42 161	0.34 159

TorneroNet-64	0.69 202	0.65 180	0.30 132	0.27 120	0.47 192	0.28 124	0.35 159	0.34 125	0.80 235	7.93 331	0.29 143	0.30 127	0.31 148	0.81 237	0.28 136	0.27 129	0.29 125	0.28 131	0.85 225	0.83 243	0.62 202	0.28 133	0.30 146	0.28 135	0.52 191	0.29 146	0.29 123	0.27 130

ccs_rob	1.00 241	10.06 325	0.31 135	0.44 172	0.31 152	0.43 170	0.31 155	0.43 153	0.32 149	0.45 140	0.32 154	1.20 257	0.31 148	7.02 330	0.31 151	0.31 147	0.44 168	0.31 149	0.44 169	0.32 154	0.44 162	0.31 150	0.32 149	0.32 153	0.44 167	0.32 154	0.43 163	0.31 153

DDF-Stereo	0.37 141	0.57 171	0.50 182	0.40 157	0.32 154	0.40 157	0.32 156	0.53 179	0.32 149	0.39 120	0.32 154	0.39 149	0.32 151	0.32 146	0.32 153	0.32 151	0.40 158	0.32 153	0.40 155	0.32 154	0.40 151	0.32 153	0.32 149	0.32 153	0.40 152	0.32 154	0.40 151	0.32 155

EKT-Stereo	0.36 136	0.50 158	0.30 132	0.40 157	0.29 142	0.40 157	0.29 147	0.35 128	0.30 146	0.47 145	0.30 148	0.35 134	0.32 151	0.29 138	0.34 155	0.33 153	0.59 198	0.31 149	0.39 154	0.29 142	0.37 134	0.38 166	0.29 138	0.31 151	0.58 203	0.28 131	0.51 188	0.29 144

RAFT + AFF	0.34 130	0.29 111	0.32 138	0.31 127	0.30 149	0.39 154	0.32 156	0.39 142	0.30 146	0.39 120	0.32 154	0.39 149	0.32 151	0.35 152	0.36 161	0.32 151	0.38 144	0.31 149	0.38 143	0.31 153	0.38 137	0.28 133	0.37 166	0.34 158	0.38 142	0.30 149	0.38 140	0.28 133

FCDSN-DC	0.44 158	0.31 115	0.35 141	0.34 131	0.28 132	0.35 134	0.30 152	0.32 118	0.25 120	1.32 228	0.24 122	1.00 239	0.32 151	0.35 152	0.34 155	0.30 142	0.72 210	0.37 166	0.48 182	0.32 154	0.53 190	0.49 199	0.23 117	0.29 145	0.50 185	0.42 185	0.61 203	0.71 234
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
HCRNet	0.71 206	6.06 304	3.15 306	0.50 191	0.22 114	0.21 96	0.15 90	3.04 293	0.34 154	0.43 137	0.33 158	0.43 165	0.33 155	0.15 90	0.14 89	0.14 88	0.21 95	0.17 96	0.47 175	0.20 113	0.21 93	0.16 94	0.32 149	0.33 156	0.50 185	0.33 157	0.49 184	0.28 133

LL-Strereo2	0.47 164	2.60 273	0.51 186	0.38 145	0.28 132	0.37 143	0.28 134	0.55 185	0.35 158	0.44 139	0.34 159	0.44 167	0.34 156	0.34 148	0.36 161	0.36 159	0.47 173	0.36 161	0.47 175	0.35 161	0.47 167	0.35 157	0.35 157	0.35 162	0.46 168	0.35 159	0.47 170	0.35 160

CFNet_RVC	0.93 235	8.54 319	0.41 153	0.56 200	0.37 168	0.56 201	0.37 170	0.50 173	0.40 175	0.56 160	5.24 330	0.56 196	0.34 156	0.40 170	0.41 181	0.34 154	0.53 192	0.40 177	0.56 203	0.38 171	0.52 187	0.40 177	0.40 177	0.41 181	0.56 200	0.40 179	0.56 197	0.40 178

GASTEREO	0.41 148	0.54 162	0.44 162	0.48 183	0.35 162	0.48 185	0.35 159	0.53 179	0.35 158	0.46 142	0.35 160	0.46 168	0.35 158	0.35 152	0.35 157	0.35 157	0.47 173	0.35 159	0.47 175	0.35 161	0.47 167	0.38 166	0.35 157	0.35 162	0.48 179	0.35 159	0.47 170	0.35 160

GMOStereo	0.50 167	0.44 140	2.38 298	0.40 157	0.34 159	0.42 165	0.36 165	1.96 266	0.34 154	0.41 129	0.36 163	0.42 161	0.35 158	0.34 148	0.38 166	0.31 147	0.39 154	0.34 155	0.40 155	0.33 158	0.39 146	0.33 154	0.33 152	0.34 158	0.40 152	0.36 162	0.40 151	0.32 155

error version	0.50 167	0.44 140	2.38 298	0.40 157	0.34 159	0.42 165	0.36 165	1.96 266	0.34 154	0.41 129	0.36 163	0.42 161	0.35 158	0.34 148	0.38 166	0.31 147	0.39 154	0.34 155	0.40 155	0.33 158	0.39 146	0.33 154	0.33 152	0.34 158	0.40 152	0.36 162	0.40 151	0.32 155

test_1	0.65 194	4.37 292	2.38 298	0.40 157	0.34 159	0.42 165	0.36 165	1.96 266	0.34 154	0.41 129	0.36 163	0.42 161	0.35 158	0.34 148	0.38 166	0.31 147	0.39 154	0.34 155	0.40 155	0.33 158	0.39 146	0.33 154	0.33 152	0.34 158	0.40 152	0.36 162	0.40 151	0.32 155

ETE_ROB	0.35 135	0.35 122	0.35 141	0.35 135	0.35 162	0.35 134	0.35 159	0.35 128	0.35 158	0.35 108	0.35 160	0.35 134	0.35 158	0.35 152	0.35 157	0.35 157	0.35 133	0.35 159	0.35 132	0.35 161	0.35 128	0.35 157	0.35 157	0.35 162	0.35 133	0.35 159	0.35 132	0.35 160

GSStereo	0.42 153	0.56 168	0.44 162	0.48 183	0.36 167	0.48 185	0.36 165	0.54 181	0.36 163	0.47 145	0.36 163	0.47 173	0.36 163	0.36 157	0.35 157	0.36 159	0.48 178	0.36 161	0.48 182	0.36 165	0.48 174	0.36 162	0.36 162	0.36 165	0.48 179	0.36 162	0.48 176	0.35 160

DMCA	0.36 136	0.38 125	0.37 145	0.35 135	0.35 162	0.35 134	0.36 165	0.35 128	0.36 163	0.36 114	0.37 169	0.36 140	0.36 163	0.36 157	0.35 157	0.37 162	0.36 138	0.36 161	0.36 135	0.36 165	0.36 132	0.35 157	0.36 162	0.36 165	0.37 139	0.36 162	0.36 135	0.36 165

LG-Stereo_Zeroshot	0.45 161	0.57 171	0.45 167	0.54 196	0.37 168	0.53 198	0.37 170	0.56 187	0.40 175	0.53 157	0.38 172	0.53 193	0.37 165	0.37 159	0.37 164	0.37 162	0.55 193	0.38 169	0.53 198	0.37 167	0.53 190	0.37 163	0.37 166	0.39 179	0.54 196	0.37 168	0.54 194	0.37 168

LG-Stereo	0.57 187	0.58 174	0.43 160	0.54 196	0.65 220	0.95 232	0.69 234	0.69 196	0.38 166	0.52 155	0.37 169	0.53 193	0.37 165	0.68 227	0.73 236	0.72 231	0.70 207	0.37 166	0.54 200	0.37 167	0.54 192	0.37 163	0.37 166	0.56 212	0.95 233	0.59 216	0.84 221	0.37 168

XPNet_ROB	0.37 141	0.37 124	0.37 145	0.37 141	0.37 168	0.37 143	0.37 170	0.37 133	0.37 165	0.37 116	0.37 169	0.37 142	0.37 165	0.37 159	0.37 164	0.37 162	0.37 141	0.37 166	0.37 139	0.37 167	0.37 134	0.37 163	0.37 166	0.37 171	0.37 139	0.37 168	0.37 138	0.37 168

MSCF	0.44 158	0.60 176	0.47 169	0.50 191	0.40 177	0.50 192	0.38 173	0.57 189	0.38 166	0.48 149	0.38 172	0.48 181	0.38 168	0.38 161	0.38 166	0.38 165	0.49 183	0.38 169	0.49 186	0.39 178	0.50 182	0.38 166	0.38 170	0.38 172	0.49 184	0.38 172	0.49 184	0.38 171

LG-Stereo_L1	0.44 158	0.58 174	0.49 181	0.51 194	0.38 172	0.51 194	0.38 173	0.56 187	0.38 166	0.50 151	0.38 172	0.50 186	0.38 168	0.38 161	0.38 166	0.38 165	0.52 190	0.38 169	0.52 196	0.38 171	0.51 184	0.38 166	0.38 170	0.38 172	0.52 191	0.38 172	0.51 188	0.40 178

WAO-7	0.46 162	0.38 125	0.38 147	0.38 145	0.38 172	0.38 147	0.38 173	0.38 136	0.38 166	2.57 284	0.38 172	0.38 145	0.38 168	0.38 161	0.38 166	0.38 165	0.38 144	0.38 169	0.38 143	0.38 171	0.38 137	0.38 166	0.38 170	0.38 172	0.38 142	0.38 172	0.38 140	0.38 171

HanzoNet	0.47 164	0.39 129	0.38 147	0.38 145	0.38 172	0.38 147	0.38 173	0.40 146	0.38 166	2.63 285	0.38 172	0.38 145	0.38 168	0.38 161	0.38 166	0.39 173	0.38 144	0.38 169	0.38 143	0.42 185	0.38 137	0.39 175	0.39 176	0.38 172	0.38 142	0.38 172	0.38 140	0.39 177

Venus	0.46 162	0.38 125	0.40 151	0.38 145	0.38 172	0.39 154	0.38 173	0.38 136	0.38 166	2.71 286	0.38 172	0.38 145	0.38 168	0.38 161	0.38 166	0.38 165	0.38 144	0.38 169	0.38 143	0.38 171	0.38 137	0.38 166	0.38 170	0.38 172	0.38 142	0.38 172	0.39 150	0.38 171

IMH	0.47 164	0.40 130	0.39 150	0.38 145	0.38 172	0.38 147	0.38 173	0.38 136	0.40 175	2.79 288	0.38 172	0.38 145	0.38 168	0.38 161	0.38 166	0.38 165	0.39 154	0.38 169	0.38 143	0.40 179	0.38 137	0.38 166	0.38 170	0.38 172	0.38 142	0.38 172	0.38 140	0.38 171

test-3	0.78 214	4.38 293	1.80 280	0.62 210	0.49 201	0.62 208	0.50 205	1.86 262	0.64 218	0.69 168	0.52 206	0.66 204	0.38 168	0.58 204	0.57 214	0.46 183	0.66 205	0.46 187	0.50 190	0.44 188	0.48 174	0.58 210	0.54 203	0.60 219	0.70 211	0.46 189	0.48 176	0.50 200

iRaftStereo_RVC	0.62 192	1.76 247	2.24 294	0.52 195	0.37 168	0.53 198	0.38 173	2.51 285	0.38 166	0.51 154	0.38 172	0.51 189	0.38 168	0.38 161	0.38 166	0.38 165	0.52 190	0.38 169	0.52 196	0.38 171	0.52 187	0.38 166	0.38 170	0.38 172	0.52 191	0.39 178	0.52 191	0.38 171

GES	0.43 156	0.41 131	0.31 135	0.35 135	0.30 149	0.47 179	0.28 134	0.33 119	0.28 134	0.35 108	0.29 143	2.95 294	0.38 168	0.35 152	0.30 148	0.34 154	0.34 130	0.30 146	0.33 127	0.30 149	0.35 128	0.30 148	0.33 152	0.33 156	0.33 128	0.31 152	0.33 126	0.29 144

CASnet	0.32 124	0.53 161	0.34 140	0.27 120	0.31 152	0.34 132	0.29 147	0.31 117	0.32 149	0.25 93	0.31 151	0.27 122	0.40 177	0.45 180	0.27 132	0.30 142	0.26 121	0.40 177	0.28 123	0.37 167	0.28 118	0.39 175	0.29 138	0.40 180	0.29 124	0.28 131	0.24 105	0.30 150
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GEAStereo	0.42 153	0.55 164	0.44 162	0.48 183	0.35 162	0.48 185	0.35 159	0.54 181	0.35 158	0.47 145	0.36 163	0.47 173	0.41 178	0.38 161	0.38 166	0.38 165	0.51 188	0.36 161	0.51 193	0.38 171	0.48 174	0.35 157	0.35 157	0.36 165	0.52 191	0.37 168	0.48 176	0.36 165

gasm-f	0.42 153	0.55 164	0.44 162	0.48 183	0.35 162	0.48 185	0.35 159	0.54 181	0.35 158	0.47 145	0.36 163	0.47 173	0.41 178	0.38 161	0.38 166	0.38 165	0.51 188	0.36 161	0.51 193	0.38 171	0.48 174	0.35 157	0.35 157	0.36 165	0.52 191	0.37 168	0.48 176	0.36 165

CES	0.38 143	0.34 119	0.44 162	0.43 170	0.33 157	0.37 143	0.44 189	0.37 133	0.38 166	0.45 140	0.35 160	0.35 134	0.41 178	0.45 180	0.36 161	0.36 159	0.36 138	0.45 186	0.43 167	0.35 161	0.34 124	0.46 185	0.36 162	0.36 165	0.42 164	0.34 158	0.35 132	0.38 171

GwcNet-ADL	0.41 148	0.41 131	0.41 153	0.41 164	0.41 179	0.41 161	0.41 181	0.41 148	0.41 178	0.41 129	0.41 182	0.41 157	0.41 178	0.41 171	0.41 181	0.41 174	0.41 161	0.41 179	0.41 160	0.41 180	0.41 152	0.41 179	0.41 178	0.41 181	0.41 157	0.41 180	0.41 155	0.41 180

PSMNet-ADL	0.41 148	0.41 131	0.41 153	0.41 164	0.41 179	0.41 161	0.41 181	0.41 148	0.41 178	0.41 129	0.41 182	0.41 157	0.41 178	0.41 171	0.41 181	0.41 174	0.41 161	0.41 179	0.41 160	0.41 180	0.41 152	0.41 179	0.41 178	0.41 181	0.41 157	0.41 180	0.41 155	0.41 180

GANet-ADL	0.41 148	0.41 131	0.41 153	0.41 164	0.41 179	0.41 161	0.41 181	0.41 148	0.41 178	0.41 129	0.41 182	0.41 157	0.41 178	0.41 171	0.41 181	0.41 174	0.41 161	0.41 179	0.41 160	0.41 180	0.41 152	0.41 179	0.41 178	0.41 181	0.41 157	0.41 180	0.41 155	0.41 180

CroCo-Stereo	0.80 215	2.51 268	0.41 153	1.27 264	0.41 179	1.27 263	0.41 181	1.27 248	0.41 178	1.27 225	0.41 182	1.27 260	0.41 178	0.41 171	0.41 181	0.41 174	1.28 261	0.41 179	1.27 260	0.41 180	1.27 261	0.41 179	0.42 182	0.41 181	1.27 265	0.41 180	1.27 262	0.41 180
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
ADLNet	0.41 148	0.41 131	0.41 153	0.41 164	0.41 179	0.41 161	0.41 181	0.41 148	0.41 178	0.41 129	0.41 182	0.41 157	0.41 178	0.41 171	0.41 181	0.41 174	0.41 161	0.41 179	0.41 160	0.41 180	0.41 152	0.41 179	0.41 178	0.41 181	0.41 157	0.41 180	0.41 155	0.41 180

Occ-G	0.68 201	0.54 162	3.16 307	0.57 204	0.45 187	0.52 197	0.40 180	3.44 298	0.46 188	0.52 155	0.45 189	0.51 189	0.44 186	0.44 179	0.40 179	0.45 182	0.55 193	0.41 179	0.53 198	0.43 186	0.52 187	0.40 177	0.44 184	0.45 189	0.55 197	0.44 188	0.53 193	0.44 186

CroCo-Stereo Lap2	0.85 230	2.86 279	0.43 160	1.33 266	0.43 186	1.31 264	0.42 186	1.32 249	0.42 183	1.31 227	0.44 188	1.32 262	0.44 186	0.43 177	0.44 188	0.43 180	1.35 262	0.43 185	1.32 263	0.43 186	1.31 262	0.43 184	0.43 183	0.42 187	1.31 266	0.42 185	1.31 263	0.43 185

STTRV1_RVC		1.59 242	0.52 189	0.69 215	0.61 216	0.66 211	0.43 187	0.88 210	0.45 187	0.71 170	0.62 218	0.69 209	0.45 188	0.62 209	0.40 179	0.44 181	0.80 217	0.59 215		0.63 218	0.80 211	0.46 185		0.61 221	0.72 213	0.54 209	0.80 215	0.60 214

otaku	0.52 171	0.46 145	0.48 175	0.46 174	0.46 188	0.46 173	0.46 190	0.46 156	0.47 193	1.88 247	0.46 190	0.46 168	0.46 189	0.46 182	0.46 190	0.46 183	0.47 173	0.46 187	0.46 171	0.46 190	0.47 167	0.46 185	0.46 185	0.46 190	0.47 174	0.46 189	0.46 166	0.47 190

Dean	0.52 171	0.46 145	0.48 175	0.46 174	0.46 188	0.46 173	0.46 190	0.46 156	0.46 188	1.90 248	0.46 190	0.47 173	0.46 189	0.46 182	0.46 190	0.46 183	0.48 178	0.46 187	0.46 171	0.46 190	0.46 163	0.46 185	0.46 185	0.46 190	0.46 168	0.46 189	0.46 166	0.46 187

MaskLacGwcNet_RVC	0.70 204	6.91 306	0.46 168	0.46 174	0.46 188	0.46 173	0.46 190	0.46 156	0.46 188	0.46 142	0.46 190	0.46 168	0.46 189	0.46 182	0.46 190	0.46 183	0.46 169	0.46 187	0.46 171	0.46 190	0.47 167	0.46 185	0.46 185	0.46 190	0.46 168	0.46 189	0.46 166	0.46 187

HaxPig	0.52 171	0.48 154	0.47 169	0.47 179	0.47 192	0.47 179	0.47 194	0.47 162	0.47 193	1.80 244	0.47 194	0.47 173	0.47 192	0.47 186	0.47 194	0.47 190	0.47 173	0.47 194	0.47 175	0.47 195	0.47 167	0.47 193	0.47 191	0.47 194	0.47 174	0.47 196	0.47 170	0.47 190

UNDER WATER	0.52 171	0.47 151	0.47 169	0.47 179	0.47 192	0.47 179	0.47 194	0.47 162	0.47 193	1.90 248	0.47 194	0.47 173	0.47 192	0.47 186	0.47 194	0.47 190	0.46 169	0.47 194	0.47 175	0.47 195	0.46 163	0.47 193	0.47 191	0.48 198	0.47 174	0.47 196	0.47 170	0.47 190

LVE	0.53 175	0.47 151	0.48 175	0.47 179	0.47 192	0.47 179	0.47 194	0.48 165	0.47 193	1.96 255	0.47 194	0.47 173	0.47 192	0.47 186	0.47 194	0.47 190	0.47 173	0.47 194	0.47 175	0.47 195	0.47 167	0.47 193	0.47 191	0.47 194	0.47 174	0.47 196	0.47 170	0.47 190

ACVNet-4b	0.53 175	0.46 145	0.47 169	0.46 174	0.46 188	0.46 173	0.46 190	0.46 156	0.46 188	2.17 264	0.46 190	0.46 168	0.47 192	0.46 182	0.46 190	0.46 183	0.46 169	0.46 187	0.46 171	0.46 190	0.46 163	0.46 185	0.46 185	0.47 194	0.46 168	0.46 189	0.46 166	0.46 187

WAO-8	1.02 248	1.50 240	1.49 269	0.40 157	0.40 177	1.56 272	0.98 248	1.55 257	0.58 214	4.18 310	0.40 180	0.79 220	0.48 196	0.91 241	0.39 178	0.99 250	0.71 209	0.70 233	0.51 193	0.77 236	1.07 242	0.82 240	0.69 229	0.96 253	1.01 245	1.30 275	1.10 249	1.38 279

RainbowNet	0.53 175	0.48 154	0.48 175	0.48 183	0.48 197	0.48 185	0.48 198	0.48 165	0.48 197	1.92 250	0.48 199	0.48 181	0.48 196	0.48 191	0.48 199	0.48 193	0.48 178	0.48 198	0.48 182	0.48 199	0.48 174	0.48 196	0.48 194	0.48 198	0.48 179	0.48 200	0.48 176	0.48 196

notaker	0.54 180	0.48 154	0.48 175	0.48 183	0.48 197	0.48 185	0.49 201	0.48 165	0.48 197	1.95 254	0.48 199	0.48 181	0.48 196	0.48 191	0.48 199	0.48 193	0.48 178	0.48 198	0.48 182	0.48 199	0.49 180	0.48 196	0.48 194	0.49 201	0.48 179	0.48 200	0.48 176	0.49 197

ACVNet_1	0.53 175	0.46 145	0.48 175	0.47 179	0.47 192	0.46 173	0.48 198	0.48 165	0.48 197	2.07 261	0.47 194	0.48 181	0.48 196	0.47 186	0.47 194	0.46 183	0.49 183	0.47 194	0.47 175	0.47 195	0.48 174	0.46 185	0.46 185	0.48 198	0.47 174	0.47 196	0.48 176	0.47 190

Ntro	0.53 175	0.47 151	0.50 182	0.46 174	0.48 197	0.47 179	0.47 194	0.46 156	0.46 188	2.05 260	0.47 194	0.47 173	0.49 200	0.47 186	0.47 194	0.46 183	0.48 178	0.46 187	0.49 186	0.46 190	0.47 167	0.46 185	0.46 185	0.47 194	0.46 168	0.46 189	0.47 170	0.47 190

ACVNet_2	0.55 183	0.49 157	0.50 182	0.49 189	0.49 201	0.49 191	0.49 201	0.49 169	0.49 202	2.14 263	0.49 202	0.50 186	0.49 200	0.49 194	0.49 203	0.49 197	0.50 186	0.49 203	0.50 190	0.49 203	0.49 180	0.49 199	0.49 196	0.50 203	0.50 185	0.49 203	0.50 186	0.49 197

AIO-test2	0.54 180	0.65 180	0.55 193	0.60 206	0.50 205	0.60 205	0.49 201	0.65 194	0.48 197	0.60 163	0.49 202	0.59 198	0.50 202	0.50 197	0.49 203	0.49 197	0.60 199	0.50 204	0.60 206	0.49 203	0.60 198	0.49 199	0.50 199	0.51 205	0.60 206	0.48 200	0.60 200	0.50 200

AIO-test1	0.54 180	0.64 179	0.54 190	0.60 206	0.49 201	0.61 207	0.49 201	0.64 193	0.49 202	0.59 161	0.48 199	0.60 200	0.50 202	0.48 191	0.48 199	0.48 193	0.60 199	0.48 198	0.60 206	0.48 199	0.60 198	0.49 199	0.49 196	0.49 201	0.59 205	0.49 203	0.60 200	0.49 197

AEACV	0.74 210	0.52 160	3.10 304	0.60 206	0.48 197	0.56 201	0.48 198	3.02 292	0.83 240	0.61 164	0.62 218	0.72 212	0.50 202	0.49 194	0.49 203	0.48 193	0.58 197	0.50 204	0.55 201	0.48 199	0.56 194	0.50 205	0.50 199	0.51 205	0.58 203	0.51 208	0.60 200	0.51 203

CASS	0.58 188	0.89 195	0.55 193	0.56 200	0.55 209	0.60 205	0.57 215	0.57 189	0.56 210	0.55 158	0.56 210	0.56 196	0.50 202	0.63 212	0.56 211	0.56 208	0.62 202	0.62 219	0.59 205	0.56 211	0.56 194	0.48 196	0.60 211	0.56 212	0.57 202	0.60 218	0.57 199	0.59 212
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SANet	0.50 167	0.50 158	0.50 182	0.50 191	0.50 205	0.50 192	0.50 205	0.50 173	0.50 204	0.50 151	0.50 204	0.50 186	0.50 202	0.50 197	0.50 206	0.50 201	0.50 186	0.50 204	0.50 190	0.50 206	0.50 182	0.50 205	0.50 199	0.50 203	0.50 185	0.50 206	0.50 186	0.50 200

TorneroNet	1.15 255	1.10 213	0.51 186	0.69 215	0.51 207	1.10 251	0.50 205	0.51 176	0.51 205	13.92 333	1.17 267	0.49 185	0.51 207	0.54 199	0.48 199	0.49 197	0.49 183	0.65 222	0.70 211	0.49 203	0.51 184	0.49 199	0.67 222	1.36 279	0.51 189	0.50 206	0.52 191	1.23 271

ktn	0.84 229	1.15 214	0.54 190	1.16 259	1.26 273	0.51 194	0.53 208	0.51 176	0.66 222	4.54 314	0.51 205	0.52 192	0.52 208	0.66 218	0.51 207	0.51 202	1.37 266	1.17 265	0.49 186	0.51 207	1.23 257	0.51 207	0.67 222	0.51 205	0.51 189	0.68 232	0.51 188	0.51 203

AIO-Stereo-zeroshot1	0.74 210	0.57 171	0.57 199	0.56 200	0.92 244	1.07 249	0.63 222	1.03 230	0.82 239	0.49 150	0.77 236	0.69 209	0.54 209	0.58 204	0.54 208	0.86 239	1.06 243	0.72 235	1.06 246	0.79 237	0.58 197	0.87 241	0.59 209	0.46 190	0.76 216	0.46 189	1.05 244	0.97 249

FlowAnything	1.02 248	2.51 268	0.58 200	1.60 273	0.56 211	1.61 273	0.56 213	1.60 258	0.55 208	1.61 241	0.56 210	1.61 269	0.55 210	0.55 200	0.55 210	0.55 205	1.61 272	0.56 213	1.61 270	0.56 211	1.62 269	0.55 208	0.56 207	0.56 212	1.62 274	0.56 212	1.62 271	0.56 208

PSMNet_ROB	0.55 183	0.55 164	0.56 196	0.56 200	0.55 209	0.56 201	0.55 209	0.55 185	0.55 208	0.55 158	0.55 209	0.55 195	0.55 210	0.55 200	0.56 211	0.55 205	0.55 193	0.55 210	0.55 201	0.55 209	0.55 193	0.55 208	0.55 204	0.55 211	0.55 197	0.55 211	0.55 195	0.55 207

ARAFT	0.64 193	0.74 186	0.62 204	0.70 218	0.56 211	0.72 215	0.55 209	0.72 200	0.54 207	0.73 172	0.56 210	0.72 212	0.56 212	0.56 202	0.62 219	0.63 214	0.73 211	0.53 209	0.73 214	0.54 208	0.72 208	0.65 218	0.62 213	0.56 212	0.72 213	0.54 209	0.72 210	0.57 209

MyStereo04	0.76 212	4.78 298	0.62 204	0.63 212	0.54 208	0.65 210	0.56 213	0.61 191	0.58 214	0.61 164	0.56 210	0.63 202	0.57 213	0.63 212	0.60 216	0.60 211	0.64 203	0.56 213	0.63 209	0.58 213	0.63 203	0.62 217	0.55 204	0.60 219	0.63 209	0.57 213	0.64 205	0.58 211

DDUNet	0.69 202	0.84 193	0.59 201	0.84 228	0.59 214	0.87 226	0.57 215	0.84 207	0.59 216	0.82 182	0.58 214	0.85 225	0.57 213	0.59 207	0.59 215	0.57 209	0.87 222	0.59 215	0.85 225	0.59 216	0.85 217	0.59 213	0.59 209	0.59 217	0.87 224	0.59 216	0.84 221	0.59 212

zero-FE	0.66 195	0.80 189	0.56 196	0.79 222	0.58 213	0.82 220	0.55 209	0.76 202	0.56 210	0.75 174	0.58 214	0.75 216	0.59 215	0.57 203	0.56 211	0.55 205	0.79 215	0.55 210	0.78 219	0.55 209	0.85 217	0.58 210	0.55 204	0.57 216	0.80 219	0.57 213	0.80 215	0.57 209

UDG	0.70 204	0.87 194	0.56 196	0.87 229	0.59 214	0.84 223	0.59 218	0.85 208	0.57 213	0.84 184	0.59 216	0.84 224	0.60 216	0.58 204	0.60 216	0.59 210	0.85 221	0.59 215	0.87 227	0.58 213	0.87 219	0.60 214	0.57 208	0.59 217	0.87 224	0.58 215	0.86 224	0.60 214

LMCR-Stereo	0.61 190	0.61 177	0.61 203	0.61 209	0.61 216	0.67 212	0.61 220	0.61 191	0.61 217	0.61 164	0.61 217	0.61 201	0.61 217	0.61 208	0.61 218	0.61 212	0.61 201	0.61 218	0.61 208	0.61 217	0.61 200	0.61 215	0.61 212	0.61 221	0.61 208	0.61 219	0.61 203	0.61 218

AFF-stereo	0.71 206	0.73 184	0.65 206	0.82 226	0.63 219	0.83 221	0.63 222	0.73 201	0.65 219	0.82 182	0.73 234	0.74 215	0.64 218	0.63 212	0.62 219	0.62 213	0.73 211	0.63 220	0.74 216	0.72 234	0.80 211	0.58 210	0.70 230	0.71 237	0.79 217	0.69 233	0.78 213	0.72 235

DSFCA	0.66 195	0.73 184	0.74 212	0.68 214	0.65 220	0.64 209	0.65 225	0.65 194	0.65 219	0.66 167	0.65 220	0.65 203	0.64 218	0.65 215	0.65 222	0.65 216	0.65 204	0.65 222	0.65 210	0.65 220	0.65 206	0.65 218	0.65 215	0.65 224	0.66 210	0.66 223	0.65 206	0.65 220

WQFJA1++	0.80 215	1.24 224	0.73 210	0.97 237	0.65 220	0.97 234	0.65 225	0.97 219	0.65 219	0.94 193	0.66 221	0.94 231	0.65 220	0.66 218	0.65 222	0.66 217	0.98 231	0.66 224	0.98 235	0.66 222	0.98 228	0.66 221	0.66 216	0.66 226	0.98 235	0.66 223	0.98 232	0.66 221

WQFJA1	0.82 226	1.52 241	0.76 218	1.01 247	0.66 223	0.98 236	0.66 227	0.98 222	0.66 222	0.95 198	0.68 228	0.95 234	0.66 221	0.68 227	0.66 225	0.66 217	1.00 237	0.67 227	1.00 239	0.67 227	0.99 229	0.68 229	0.67 222	0.68 235	0.99 236	0.67 227	1.00 235	0.67 226

WQFJX1	0.81 221	1.27 232	0.74 212	0.98 239	0.67 228	0.98 236	0.67 231	0.97 219	0.67 227	0.94 193	0.67 225	0.95 234	0.66 221	0.66 218	0.66 225	0.67 222	0.99 233	0.67 227	0.98 235	0.68 230	0.99 229	0.66 221	0.66 216	0.66 226	0.99 236	0.66 223	1.00 235	0.66 221

NLMM1	0.81 221	1.26 230	0.74 212	1.00 243	0.66 223	0.99 238	0.67 231	0.98 222	0.66 222	0.94 193	0.67 225	0.94 231	0.66 221	0.66 218	0.66 225	0.66 217	1.00 237	0.67 227	1.00 239	0.66 222	0.99 229	0.71 232	0.73 235	0.67 230	0.99 236	0.67 227	1.00 235	0.66 221

NLMM	0.80 215	1.26 230	0.75 216	0.98 239	0.66 223	0.97 234	0.66 227	0.97 219	0.66 222	0.94 193	0.66 221	0.96 238	0.66 221	0.66 218	0.68 232	0.67 222	0.99 233	0.68 231	0.98 235	0.66 222	0.99 229	0.66 221	0.66 216	0.66 226	1.00 241	0.66 223	0.99 233	0.66 221

NLSM3	0.81 221	1.27 232	0.75 216	0.99 241	0.66 223	0.99 238	0.66 227	0.98 222	0.67 227	0.95 198	0.66 221	0.95 234	0.66 221	0.67 223	0.67 229	0.66 217	0.99 233	0.66 224	0.99 238	0.66 222	0.99 229	0.67 227	0.66 216	0.66 226	0.99 236	0.67 227	1.00 235	0.67 226

RAFT-Stereo + iAFF	0.67 199	0.74 186	0.60 202	0.79 222	0.61 216	0.76 216	0.57 215	0.71 199	0.56 210	0.71 170	0.54 208	0.72 212	0.66 221	0.65 215	0.65 222	0.64 215	0.74 213	0.64 221	0.74 216	0.63 218	0.73 209	0.65 218	0.64 214	0.64 223	0.74 215	0.61 219	0.73 211	0.64 219

WQFJX	0.81 221	1.27 232	0.74 212	0.99 241	0.66 223	0.99 238	0.66 227	0.99 225	0.66 222	0.95 198	0.66 221	0.95 234	0.67 227	0.67 223	0.66 225	0.66 217	0.99 233	0.66 224	1.00 239	0.66 222	0.99 229	0.67 227	0.68 227	0.67 230	0.99 236	0.67 227	0.99 233	0.67 226

AdaDepth	0.80 215	0.95 201	1.02 237	0.95 234	0.67 228	0.95 232	0.67 231	0.94 216	0.67 227	0.92 188	0.67 225	0.94 231	0.67 227	0.67 223	0.67 229	0.67 222	0.95 228	0.67 227	0.95 234	0.67 227	0.96 227	0.68 229	0.67 222	0.67 230	0.96 234	0.67 227	0.95 231	0.67 226

MoCha-V2	1.75 276	27.02 341	0.72 207	0.92 230	0.69 230	0.89 227	0.69 234	0.92 213	0.71 230	0.87 185	0.69 231	0.88 226	0.68 229	0.70 229	0.68 232	0.69 227	0.90 225	0.69 232	0.92 229	0.69 231	0.92 222	0.71 232	0.70 230	0.67 230	0.88 226	0.71 234	0.92 225	0.68 230

gcap-zeroshot	0.81 221	1.03 207	0.84 226	0.93 232	0.85 242	0.84 223	0.62 221	1.21 245	0.53 206	0.79 177	0.84 242	0.77 217	0.70 230	0.84 240	0.67 229	0.74 232	1.18 256	0.52 208	0.91 228	0.79 237	0.84 216	0.61 215	0.83 240	0.69 236	0.93 232	0.82 243	0.85 223	0.66 221

DMCA-RVC	0.71 206	0.72 182	0.72 207	0.71 219	0.70 231	0.70 213	0.70 237	0.70 198	0.71 230	0.70 169	0.71 232	0.71 211	0.70 230	0.70 229	0.71 234	0.70 228	0.70 207	0.71 234	0.70 211	0.71 232	0.70 207	0.70 231	0.71 232	0.71 237	0.70 211	0.72 236	0.71 208	0.70 232

RSM++	0.77 213	0.91 196	0.72 207	0.83 227	0.71 232	0.83 221	0.72 238	0.81 206	0.71 230	0.81 181	0.71 232	0.81 223	0.71 232	0.71 231	0.71 234	0.70 228	0.83 220	0.72 235	0.83 224	0.81 242	0.83 215	0.72 234	0.71 232	0.71 237	0.88 226	0.71 234	0.83 220	0.70 232

PA-Net	0.71 206	0.62 178	0.55 193	0.69 215	0.71 232	0.70 213	0.69 234	0.69 196	0.74 233	0.73 172	0.75 235	0.59 198	0.72 233	0.82 238	0.79 239	0.83 237	0.67 206	0.76 237	0.81 223	0.67 227	0.61 200	0.76 235	0.68 227	0.65 224	0.82 222	0.76 239	0.71 208	0.69 231
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
HSM-Net_RVC	0.93 235	1.09 212	0.79 221	1.10 252	0.78 236	1.09 250	0.79 240	1.16 240	0.80 235	1.14 211	0.79 238	1.17 253	0.77 234	0.73 232	0.83 242	0.78 233	1.19 257	0.79 238	1.18 255	0.72 234	1.19 252	0.80 237	0.72 234	0.80 241	1.18 260	0.74 237	1.14 252	0.73 237
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
G-Net	0.82 226	1.77 248	0.78 220	0.78 221	0.78 236	0.78 217	0.78 239	0.78 203	0.79 234	0.79 177	0.78 237	0.78 218	0.78 235	0.78 234	0.78 238	0.78 233	0.79 215	0.79 238	0.79 220	0.79 237	0.79 210	0.79 236	0.79 237	0.79 240	0.79 217	0.79 240	0.79 214	0.79 238

NaN_ROB	0.80 215	0.80 189	0.80 222	0.80 224	0.80 238	0.80 218	0.80 241	0.80 204	0.80 235	0.80 179	0.80 239	0.80 221	0.80 236	0.80 235	0.80 240	0.80 235	0.80 217	0.80 240	0.80 221	0.80 240	0.80 211	0.80 237	0.80 238	0.80 241	0.80 219	0.80 241	0.80 215	0.80 239

CSAN	0.80 215	0.80 189	0.80 222	0.80 224	0.80 238	0.80 218	0.80 241	0.80 204	0.80 235	0.80 179	0.80 239	0.80 221	0.80 236	0.80 235	0.80 240	0.80 235	0.80 217	0.80 240	0.80 221	0.80 240	0.80 211	0.80 237	0.80 238	0.80 241	0.80 219	0.80 241	0.80 215	0.80 239

MLG-Stereo	0.87 232	1.33 237	0.93 230	0.62 210	1.00 247	1.16 254	0.55 209	0.86 209	0.83 240	1.19 219	0.40 180	1.30 261	0.81 238	0.65 215	0.45 189	1.01 254	1.17 253	0.46 187	1.29 262	0.58 213	1.05 240	0.90 244	0.73 235	0.87 246	0.60 206	1.01 254	1.13 251	0.51 203

FC-DCNN	1.10 252	0.81 192	0.77 219	0.63 212	0.42 184	0.86 225	0.64 224	0.91 211	0.96 248	1.11 209	0.80 239	1.07 246	0.81 238	0.67 223	1.75 289	1.30 273	1.41 268	0.85 243	1.28 261	0.71 232	2.12 281	1.32 272	0.52 202	0.81 244	1.64 275	1.40 282	2.39 288	1.75 292

4D-IteraStereo	0.67 199	3.40 282	1.05 241	0.71 219	0.83 241	0.47 179	0.27 127	0.47 162	0.27 129	0.35 108	0.26 128	0.68 208	0.84 240	0.41 171	0.54 208	0.89 240	0.74 213	0.88 244	0.73 214	0.87 245	0.42 157	0.27 127	0.28 130	0.28 135	0.36 135	0.28 131	0.68 207	0.90 244

DPSimNet_ROB	0.93 235	1.04 208	0.83 225	1.05 250	0.82 240	1.04 246	0.83 244	1.03 230	0.89 242	1.03 206	0.84 242	1.03 244	0.84 240	0.83 239	0.84 243	0.83 237	1.14 248	0.84 242	1.12 251	0.84 244	1.04 239	0.88 243	0.83 240	0.84 245	1.07 251	0.83 244	1.15 253	0.88 242

AIO-Stereo	0.82 226	1.06 209	0.73 210	0.97 237	0.74 234	1.06 248	0.60 219	1.04 232	0.90 243	1.00 201	1.01 253	0.78 218	0.85 242	0.74 233	0.62 219	0.67 222	1.12 246	0.55 210	0.70 211	0.65 220	0.93 224	0.66 221	0.67 222	0.67 230	0.82 222	0.74 237	0.92 225	0.83 241

AIO-Stereo-zeroshot	0.93 235	0.77 188	0.82 224	1.16 259	0.75 235	0.99 238	0.92 245	0.91 211	0.99 250	0.94 193	0.91 244	1.15 250	0.88 243	0.92 243	1.00 251	0.67 222	0.98 231	1.00 250	0.75 218	0.91 247	1.18 250	0.87 241	0.89 242	0.90 247	1.08 252	1.07 259	0.74 212	0.89 243

HH	0.66 195	2.13 255	0.47 169	0.37 141	0.29 142	0.36 139	0.27 127	0.49 169	0.44 185	0.78 175	0.68 228	0.67 206	0.90 244	0.62 209	0.90 244	0.53 203	0.88 223	0.48 198	0.37 139	0.29 142	0.63 203	0.66 221	0.66 216	0.51 205	1.06 249	0.61 219	1.08 247	0.60 214

HanStereo	0.66 195	2.13 255	0.47 169	0.37 141	0.29 142	0.36 139	0.27 127	0.49 169	0.44 185	0.78 175	0.68 228	0.67 206	0.90 244	0.62 209	0.90 244	0.53 203	0.88 223	0.48 198	0.37 139	0.29 142	0.63 203	0.66 221	0.66 216	0.51 205	1.06 249	0.61 219	1.08 247	0.60 214

pmcnn	0.92 233	0.92 197	0.92 229	0.92 230	0.92 244	0.92 228	0.92 245	0.92 213	0.92 244	0.92 188	0.92 246	0.92 230	0.92 246	0.92 243	0.92 248	0.92 247	0.92 226	0.92 245	0.92 229	0.92 250	0.92 222	0.92 245	0.92 243	0.92 250	0.92 230	0.92 246	0.92 225	0.92 247

DGTPSM_ROB	0.92 233	0.93 200	0.91 228	0.93 232	0.91 243	0.92 228	0.93 247	0.92 213	0.92 244	0.92 188	0.91 244	0.91 227	0.93 247	0.91 241	0.92 248	0.92 247	0.92 226	0.92 245	0.92 229	0.90 246	0.91 220	0.92 245	0.93 244	0.94 251	0.92 230	0.91 245	0.92 225	0.97 249

DPSM_ROB	0.93 235	0.92 197	0.94 231	0.96 235	1.02 252	0.92 228	0.98 248	0.95 217	0.92 244	0.92 188	0.92 246	0.91 227	0.97 248	0.92 243	0.91 246	0.91 244	0.96 229	0.94 247	0.93 232	0.91 247	0.93 224	0.92 245	0.93 244	0.91 248	0.91 228	0.99 248	0.92 225	0.91 245

DPSM	0.93 235	0.92 197	0.94 231	0.96 235	1.02 252	0.92 228	0.98 248	0.95 217	0.92 244	0.92 188	0.92 246	0.91 227	0.97 248	0.92 243	0.91 246	0.91 244	0.96 229	0.94 247	0.93 232	0.91 247	0.93 224	0.92 245	0.93 244	0.91 248	0.91 228	0.99 248	0.92 225	0.91 245

MM-Stereo_test2	1.15 255	1.90 250	1.10 245	1.37 268	0.94 246	1.36 265	0.98 248	1.48 255	0.98 249	1.37 232	0.98 249	1.37 266	0.98 250	0.95 247	0.94 250	0.95 249	1.37 266	0.95 249	1.38 265	0.95 251	1.38 266	0.95 249	0.95 247	0.95 252	1.37 269	0.95 247	1.37 267	0.95 248

KSHMR	0.85 230	0.72 182	0.51 186	0.49 189	0.49 201	0.51 194	1.07 261	0.50 173	0.48 197	6.04 326	0.52 206	0.66 204	0.98 250	0.49 194	0.77 237	0.49 197	1.17 253	0.51 207	0.49 186	1.06 259	0.51 184	0.49 199	0.49 196	0.51 205	1.04 247	0.49 203	0.81 219	0.72 235

MM-Stereo_test3	1.22 262	1.60 244	1.19 257	1.48 271	1.02 252	1.48 270	0.99 252	1.54 256	1.03 255	1.41 234	1.03 255	1.44 268	1.00 252	1.04 255	1.04 256	1.02 256	1.42 269	1.04 255	1.48 268	1.01 255	1.48 267	1.03 254	1.06 256	1.04 258	1.53 272	1.04 256	1.49 268	1.04 255

GANet	1.00 241	1.00 202	1.00 233	1.00 243	1.00 247	1.00 242	1.00 253	1.00 226	1.00 251	1.00 201	1.00 250	1.00 239	1.00 252	1.00 250	1.00 251	1.00 251	1.00 237	1.00 250	1.00 239	1.00 252	1.00 235	1.00 250	1.00 249	1.00 254	1.00 241	1.00 251	1.00 235	1.00 251

TDLM	1.00 241	1.00 202	1.00 233	1.00 243	1.00 247	1.00 242	1.00 253	1.00 226	1.00 251	1.00 201	1.00 250	1.00 239	1.00 252	1.00 250	1.00 251	1.00 251	1.00 237	1.00 250	1.00 239	1.00 252	1.00 235	1.00 250	1.00 249	1.00 254	1.00 241	1.00 251	1.00 235	1.00 251

CVANet_RVC	1.00 241	1.00 202	1.00 233	1.00 243	1.00 247	1.00 242	1.00 253	1.00 226	1.00 251	1.00 201	1.00 250	1.00 239	1.00 252	1.00 250	1.00 251	1.00 251	1.00 237	1.00 250	1.00 239	1.00 252	1.00 235	1.00 250	1.00 249	1.00 254	1.00 241	1.00 251	1.00 235	1.00 251

trnet	1.01 245	1.01 205	1.01 236	1.01 247	1.01 251	1.01 245	1.01 256	1.01 229	1.01 254	1.01 205	1.01 253	1.01 243	1.01 256	1.01 253	1.01 255	1.01 254	1.01 242	1.01 254	1.01 245	1.01 255	1.01 238	1.01 253	1.01 252	1.01 257	1.01 245	1.01 254	1.01 243	1.01 254

GLC_STEREO	1.05 251	1.01 205	1.02 237	1.02 249	1.02 252	1.05 247	1.06 258	1.05 233	1.05 256	1.04 208	1.05 256	1.05 245	1.04 257	1.06 257	1.05 257	1.06 258	1.06 243	1.05 257	1.06 246	1.05 258	1.06 241	1.06 256	1.04 254	1.05 259	1.04 247	1.05 257	1.06 245	1.06 256

plain	1.96 279	3.33 281	1.04 240	3.24 298	1.04 256	3.24 298	1.04 257	3.26 295	1.05 256	3.26 294	1.13 261	3.27 297	1.06 258	1.05 256	1.05 257	1.05 257	3.28 295	1.05 257	3.29 295	1.06 259	3.30 295	1.05 255	1.05 255	1.06 261	3.30 298	1.06 258	3.30 297	1.06 256

RGC	1.15 255	1.16 216	1.17 253	1.15 257	1.11 262	1.21 260	1.21 274	1.10 235	1.15 263	1.16 215	1.11 260	1.17 253	1.09 259	1.14 263	1.11 261	1.16 263	1.19 257	1.11 262	1.10 248	1.15 267	1.11 243	1.19 265	1.16 262	1.12 266	1.17 258	1.10 262	1.16 254	1.17 264

SPS-STEREO	1.25 265	1.47 239	1.06 243	1.54 272	1.08 258	1.52 271	1.20 273	1.44 253	1.06 258	1.49 239	1.10 259	1.41 267	1.10 260	0.98 248	1.08 259	1.12 260	1.47 270	1.04 255	1.53 269	1.14 265	1.52 268	1.07 257	1.02 253	1.05 259	1.48 271	1.07 259	1.55 269	1.11 260
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Abc-Net	1.14 253	1.16 216	1.18 254	1.10 252	1.10 260	1.16 254	1.18 267	1.16 240	1.13 262	1.11 209	1.16 263	1.16 251	1.12 261	1.10 258	1.17 267	1.16 263	1.16 251	1.10 259	1.16 252	1.14 265	1.17 248	1.16 262	1.11 259	1.09 264	1.10 253	1.10 262	1.16 254	1.17 264
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
edge stereo	1.15 255	1.18 220	1.11 247	1.12 255	1.17 267	1.17 259	1.17 265	1.16 240	1.18 269	1.16 215	1.17 267	1.17 253	1.13 262	1.11 260	1.11 261	1.12 260	1.17 253	1.17 265	1.11 250	1.17 268	1.17 248	1.17 264	1.18 264	1.14 267	1.11 254	1.18 268	1.12 250	1.11 260

RP	1.14 253	1.16 216	1.15 250	1.17 261	1.10 260	1.16 254	1.15 263	1.10 235	1.16 265	1.15 212	1.08 258	1.16 251	1.15 263	1.15 264	1.14 264	1.16 263	1.16 251	1.10 259	1.10 248	1.10 262	1.16 246	1.11 259	1.10 258	1.19 271	1.14 256	1.19 270	1.07 246	1.10 259

UniTT-Stereo	2.12 289	3.66 286	1.10 245	3.48 301	1.15 263	3.57 302	1.11 262	3.44 298	1.16 265	3.52 296	1.16 263	3.50 298	1.16 264	1.10 258	1.13 263	1.15 262	3.61 297	1.17 265	3.64 296	1.12 263	3.58 298	1.12 260	1.12 260	1.17 269	3.53 301	1.18 268	3.52 300	1.18 266

AF-Net	2.06 288	25.73 340	1.18 254	1.12 255	1.16 266	1.16 254	1.19 268	1.10 235	1.17 268	1.15 212	1.14 262	1.11 248	1.16 264	1.16 265	1.14 264	1.11 259	1.15 249	1.13 264	1.21 258	1.17 268	1.11 243	1.21 268	1.17 263	1.17 269	1.17 258	1.11 264	1.20 260	1.13 262

Nwc_Net	1.15 255	1.15 214	1.15 250	1.09 251	1.19 269	1.16 254	1.17 265	1.15 238	1.16 265	1.16 215	1.16 263	1.08 247	1.16 264	1.11 260	1.15 266	1.18 267	1.11 245	1.10 259	1.16 252	1.17 268	1.16 246	1.13 261	1.18 264	1.20 272	1.11 254	1.15 265	1.16 254	1.20 267

NCC-stereo	1.15 255	1.17 219	1.12 249	1.10 252	1.15 263	1.14 252	1.15 263	1.15 238	1.12 261	1.17 218	1.17 267	1.11 248	1.17 267	1.11 260	1.10 260	1.16 263	1.12 246	1.11 262	1.16 252	1.13 264	1.23 257	1.16 262	1.19 266	1.11 265	1.18 260	1.17 267	1.17 257	1.13 262

stereogan	1.17 261	1.19 222	1.15 250	1.15 257	1.15 263	1.15 253	1.19 268	1.19 243	1.15 263	1.15 212	1.16 263	1.19 256	1.19 268	1.19 266	1.19 268	1.19 268	1.15 249	1.19 268	1.19 256	1.19 271	1.15 245	1.19 265	1.15 261	1.15 268	1.16 257	1.15 265	1.19 258	1.20 267

RAStereo	2.24 292	3.70 287	1.18 254	3.73 305	1.18 268	3.69 304	1.19 268	3.73 301	1.24 272	3.72 299	1.21 272	3.76 302	1.20 269	1.20 267	1.20 269	1.20 269	3.74 302	1.20 269	3.75 302	1.21 272	3.77 302	1.21 268	1.21 268	1.21 273	3.82 305	1.21 272	3.82 304	1.21 269

S-Stereo	1.22 262	1.18 220	1.19 257	1.20 262	1.23 271	1.23 261	1.19 268	1.19 243	1.18 269	1.27 225	1.20 271	1.20 257	1.20 269	1.23 269	1.22 272	1.23 271	1.23 260	1.23 272	1.20 257	1.25 275	1.20 253	1.22 271	1.25 270	1.24 275	1.20 262	1.22 274	1.26 261	1.24 272

GANetREF_RVC	1.52 270	2.01 252	1.21 260	1.98 278	1.21 270	1.98 278	1.21 274	1.98 269	1.21 271	1.99 257	1.21 272	1.98 277	1.21 271	1.02 254	1.21 270	1.21 270	1.99 278	1.21 270	1.99 276	1.21 272	1.99 275	1.21 268	1.21 268	1.21 273	1.99 280	1.21 272	1.99 277	1.21 269
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
FAT-Stereo	1.22 262	1.23 223	1.19 257	1.21 263	1.24 272	1.24 262	1.19 268	1.25 247	1.24 272	1.25 224	1.19 270	1.20 257	1.24 272	1.20 267	1.21 270	1.25 272	1.22 259	1.21 270	1.25 259	1.23 274	1.22 255	1.19 265	1.19 266	1.24 275	1.25 263	1.20 271	1.19 258	1.25 273

MonStereo1	1.60 271	2.69 275	1.46 266	1.99 279	1.31 274	1.99 279	1.36 277	1.99 270	1.31 275	1.84 245	1.32 274	1.89 272	1.31 273	1.32 270	1.30 273	1.36 275	1.94 274	1.33 275	1.93 273	1.30 277	1.92 272	1.33 273	1.31 271	1.31 277	1.94 277	1.31 276	1.93 273	1.31 274

PS-NSSS	1.48 268	4.46 295	1.35 261	1.35 267	1.35 275	1.41 269	1.34 276	1.36 250	1.35 277	1.40 233	1.35 275	1.33 263	1.35 274	1.37 272	1.40 277	1.35 274	1.35 262	1.35 276	1.39 266	1.44 283	1.35 263	1.34 274	1.35 272	1.38 282	1.35 267	1.33 277	1.34 264	1.38 279

RASNet	1.39 266	1.37 238	1.35 261	1.38 269	1.40 276	1.39 268	1.77 290	1.36 250	1.74 289	1.36 231	1.36 276	1.36 265	1.36 275	1.36 271	1.35 274	1.41 280	1.36 264	1.36 278	1.36 264	1.35 278	1.36 264	1.35 275	1.36 273	1.35 278	1.36 268	1.35 278	1.36 266	1.35 275

MonStereo	1.66 275	2.63 274	1.46 266	1.99 279	1.41 280	2.03 280	1.39 278	2.04 272	1.43 281	1.94 253	1.40 280	1.92 274	1.37 276	1.38 273	1.39 275	1.39 279	1.99 278	1.38 281	2.04 278	1.41 282	2.02 277	1.37 277	1.39 274	1.38 282	1.99 280	1.38 279	2.01 278	1.39 281

CC-Net-ROB	1.51 269	4.40 294	1.69 277	1.39 270	1.40 276	1.37 267	1.40 281	1.36 250	1.39 278	1.41 234	1.36 276	1.35 264	1.38 277	1.39 274	1.39 275	1.36 275	1.36 264	1.35 276	1.39 266	1.39 279	1.37 265	1.36 276	1.41 277	1.48 284	1.39 270	1.42 283	1.35 265	1.35 275

R-Stereo Train	1.62 272	2.01 252	1.41 264	1.97 276	1.40 276	1.96 276	1.39 278	1.93 264	1.39 278	1.92 250	1.38 278	1.94 275	1.39 278	1.40 275	1.45 278	1.38 277	1.96 275	1.37 279	1.97 274	1.39 279	1.98 273	1.41 278	1.40 275	1.37 280	1.97 278	1.38 279	1.96 275	1.37 277

RAFT-Stereo	1.62 272	2.01 252	1.41 264	1.97 276	1.40 276	1.96 276	1.39 278	1.93 264	1.39 278	1.92 250	1.38 278	1.94 275	1.39 278	1.40 275	1.45 278	1.38 277	1.96 275	1.37 279	1.97 274	1.39 279	1.98 273	1.41 278	1.40 275	1.37 280	1.97 278	1.38 279	1.96 275	1.37 277
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MM-Stereo_test1	1.85 278	3.50 284	1.61 271	2.12 281	1.47 281	2.14 281	1.47 282	2.33 281	1.53 282	2.12 262	1.54 282	2.19 279	1.53 280	1.54 277	1.53 280	1.53 281	2.20 280	1.54 282	2.24 279	1.57 284	2.21 283	1.49 280	1.59 279	1.49 285	2.15 285	1.52 284	2.15 280	1.54 284

HBP-ISP	1.47 267	1.07 211	1.03 239	1.30 265	1.08 258	1.36 265	1.06 258	1.44 253	1.25 274	1.97 256	1.51 281	1.65 271	1.58 281	0.98 248	1.58 282	1.68 287	1.98 277	1.32 273	2.02 277	1.28 276	2.95 293	1.89 294	0.97 248	1.06 261	1.26 264	0.99 248	1.94 274	1.43 282

DPSMNet_ROB	1.62 272	1.60 244	1.59 270	1.61 274	1.69 285	1.66 274	1.61 283	1.70 260	1.65 287	1.62 242	1.60 284	1.61 269	1.60 282	1.60 278	1.59 283	1.62 285	1.60 271	1.63 286	1.62 271	1.68 290	1.70 270	1.60 281	1.64 284	1.60 286	1.61 273	1.60 285	1.60 270	1.59 285

LG-G_1	1.99 281	2.56 271	1.63 273	2.54 292	1.62 283	2.55 293	1.61 283	2.51 285	1.61 283	2.50 282	1.62 286	2.50 290	1.61 283	1.61 279	1.61 284	1.61 282	2.55 291	1.61 283	2.55 292	1.61 285	2.55 291	1.61 282	1.61 280	1.61 287	2.55 293	1.61 286	2.54 291	1.61 286

LG-G	1.99 281	2.56 271	1.63 273	2.54 292	1.62 283	2.55 293	1.61 283	2.51 285	1.61 283	2.50 282	1.62 286	2.50 290	1.61 283	1.61 279	1.61 284	1.61 282	2.55 291	1.61 283	2.55 292	1.61 285	2.55 291	1.61 282	1.61 280	1.61 287	2.55 293	1.61 286	2.54 291	1.61 286

LGtest1	1.99 281	2.55 270	1.62 272	2.54 292	1.61 282	2.54 290	1.61 283	2.51 285	1.61 283	2.49 281	1.61 285	2.49 289	1.61 283	1.61 279	1.61 284	1.61 282	2.55 291	1.62 285	2.54 291	1.61 285	2.54 290	1.61 282	1.61 280	1.61 287	2.54 292	1.61 286	2.54 291	1.61 286

UDGNet	1.97 280	2.43 266	1.67 275	2.46 289	1.70 287	2.44 288	1.69 288	2.34 282	1.63 286	2.35 278	1.67 288	2.37 288	1.67 286	1.68 283	1.64 287	1.67 286	2.44 287	1.64 287	2.43 287	1.67 288	2.43 289	1.66 285	1.67 285	1.63 290	2.43 290	1.66 291	2.42 289	1.66 289

MFMNet_re	1.77 277	1.89 249	1.72 278	1.88 275	1.69 285	1.89 275	1.67 287	1.91 263	1.70 288	1.87 246	1.67 288	1.89 272	1.68 287	1.67 282	1.67 288	1.70 288	1.88 273	1.68 288	1.88 272	1.67 288	1.89 271	1.68 287	1.70 286	1.71 291	1.87 276	1.68 293	1.87 272	1.68 290

FBW_ROB	2.04 284	2.50 267	1.75 279	2.45 288	1.78 288	2.40 286	1.74 289	2.47 284	1.77 290	2.37 279	1.81 290	2.30 282	1.80 288	1.78 284	1.88 297	1.80 289	2.41 286	1.77 289	2.43 287	1.83 292	2.39 287	1.81 292	1.76 288	1.75 292	2.56 295	1.75 294	2.30 285	1.74 291

MaDis-Stereo	3.69 306	10.19 328	2.01 289	6.09 327	2.01 295	5.94 327	1.82 291	6.14 318	1.85 292	6.59 327	1.82 291	6.01 326	1.81 289	1.83 285	1.83 290	2.02 295	5.87 324	1.79 290	5.93 326	2.06 299	4.63 316	1.67 286	1.84 291	2.08 298	5.90 325	1.66 291	6.34 327	1.87 295

sCroCo_RVC	2.76 298	4.00 289	1.82 281	4.00 309	1.83 289	3.98 310	1.82 291	3.99 303	1.81 291	4.14 307	2.76 305	4.13 311	1.82 290	1.83 285	1.83 290	1.82 290	4.01 307	1.82 291	3.98 305	1.86 293	4.00 307	1.82 293	1.83 290	1.84 293	4.02 311	1.81 295	4.00 308	1.83 294

StereoVision	3.44 303	10.12 327	1.68 276	5.44 326	2.26 301	5.87 326	1.97 298	5.17 313	1.31 275	5.80 324	1.56 283	5.62 325	1.84 291	1.97 289	1.91 298	1.84 291	4.98 320	1.32 273	5.60 323	1.71 291	5.35 325	1.73 291	1.97 297	1.96 296	5.40 324	1.65 290	5.08 322	1.76 293

TRStereo	2.05 285	2.13 255	1.85 282	2.27 282	1.84 290	2.28 282	1.84 293	2.29 277	1.87 293	2.29 272	1.86 292	2.30 282	1.87 292	2.30 298	1.87 294	2.08 296	2.29 282	1.87 292	2.30 281	1.87 294	2.08 278	1.72 288	1.86 292	2.30 304	2.13 282	1.84 296	2.29 282	1.87 295

XX-Stereo	2.05 285	2.13 255	1.85 282	2.27 282	1.84 290	2.28 282	1.84 293	2.29 277	1.87 293	2.29 272	1.86 292	2.30 282	1.87 292	2.30 298	1.87 294	2.08 296	2.29 282	1.87 292	2.30 281	1.87 294	2.08 278	1.72 288	1.86 292	2.30 304	2.13 282	1.84 296	2.29 282	1.87 295

EAI-Stereo	2.05 285	2.13 255	1.85 282	2.27 282	1.84 290	2.28 282	1.84 293	2.29 277	1.87 293	2.29 272	1.86 292	2.30 282	1.87 292	2.30 298	1.87 294	2.08 296	2.29 282	1.87 292	2.30 281	1.87 294	2.08 278	1.72 288	1.86 292	2.30 304	2.13 282	1.84 296	2.29 282	1.87 295

sAnonymous2	2.87 300	4.16 290	1.89 285	4.26 314	1.87 293	4.23 313	1.92 296	4.17 304	1.94 297	4.16 308	1.92 295	4.20 312	1.92 295	1.96 287	1.86 292	1.87 292	4.25 311	1.90 295	4.23 311	1.91 297	4.26 310	1.93 295	1.89 295	1.90 294	4.07 313	1.91 299	5.09 324	1.93 299

CroCo_RVC	2.87 300	4.16 290	1.89 285	4.26 314	1.87 293	4.23 313	1.92 296	4.17 304	1.94 297	4.16 308	1.92 295	4.20 312	1.92 295	1.96 287	1.86 292	1.87 292	4.25 311	1.90 295	4.23 311	1.91 297	4.26 310	1.93 295	1.89 295	1.90 294	4.07 313	1.91 299	5.09 324	1.93 299

AIO_rvc	2.25 293	2.35 264	2.10 290	2.47 290	2.17 298	2.54 290	2.15 301	2.32 280	2.21 301	2.29 272	2.28 301	2.33 287	2.09 297	2.26 295	2.14 300	2.08 296	2.49 289	2.09 298	2.53 290	2.14 300	2.34 286	2.23 299	2.14 300	2.18 300	2.19 286	2.15 302	2.35 287	2.22 303

HUF	2.22 290	2.33 262	2.24 294	2.35 286	2.07 296	2.45 289	2.11 300	2.42 283	2.13 300	2.19 265	2.15 299	2.10 278	2.09 297	2.27 296	2.04 299	2.08 296	2.44 287	2.12 299	2.38 286	2.18 301	2.29 285	2.22 298	2.12 299	2.12 299	2.52 291	2.10 301	2.22 281	2.15 302

AIO_test	2.22 290	2.36 265	2.10 290	2.47 290	2.15 297	2.54 290	2.06 299	2.27 275	2.09 299	2.29 272	2.13 298	2.30 282	2.09 297	2.25 294	2.15 301	1.95 294	2.52 290	2.08 297	2.32 284	2.21 303	2.20 282	2.26 300	2.05 298	2.06 297	2.40 289	2.16 303	2.52 290	2.05 301

Anonymous3	3.36 302	4.93 300	2.20 292	4.92 321	2.23 299	4.90 321	2.23 302	4.89 310	2.24 302	4.95 320	2.21 300	4.91 319	2.21 300	2.18 290	2.22 302	2.22 301	4.86 318	2.20 301	4.90 318	2.20 302	4.96 320	2.21 297	2.21 301	2.21 301	6.30 327	2.21 304	4.90 317	2.23 304

NCCL2	2.27 294	2.27 261	2.28 297	2.27 282	2.28 302	2.28 282	2.28 303	2.27 275	2.28 303	2.28 269	2.28 301	2.29 281	2.28 301	2.28 297	2.29 303	2.28 303	2.28 281	2.28 303	2.27 280	2.28 305	2.28 284	2.28 302	2.28 302	2.28 302	2.28 287	2.28 305	2.11 279	2.28 306

STTStereo	2.30 295	2.34 263	2.26 296	2.37 287	2.23 299	2.40 286	2.35 304	2.20 273	2.33 304	2.28 269	2.31 303	2.19 279	2.37 302	2.20 291	2.31 304	2.23 302	2.38 285	2.25 302	2.33 285	2.27 304	2.39 287	2.27 301	2.31 303	2.29 303	2.37 288	2.32 306	2.34 286	2.26 305

NLSM1	2.82 299	3.85 288	2.57 302	3.19 297	2.46 303	3.28 300	2.38 305	3.29 296	2.42 305	3.20 293	2.64 304	3.14 295	2.62 303	2.46 301	2.44 305	2.51 304	3.31 296	2.53 304	3.17 294	2.47 306	3.27 294	2.33 303	2.65 304	2.61 307	3.22 297	2.55 307	3.31 298	2.39 307

MIF-Stereo (partial)	2.52 297	3.41 283	1.05 241	3.29 299	1.05 257	3.29 301	1.06 258	3.30 297	1.06 258	3.31 295	1.06 257	4.97 320	2.72 304	2.72 302	2.71 306	2.70 306	6.57 327	2.19 300	5.08 322	1.08 261	3.36 296	1.07 257	1.07 257	1.07 263	3.35 300	1.07 259	3.36 299	1.07 258

NLCA_NET_v2_RVC	2.50 296	2.85 277	1.90 287	2.90 295	2.77 305	2.88 295	2.85 307	2.51 285	2.85 307	2.88 289	1.99 297	2.50 290	2.76 305	2.20 291	1.57 281	2.64 305	2.89 294	2.63 305	5.69 325	1.03 257	2.01 276	2.71 304	2.74 307	2.73 308	2.87 296	1.64 289	1.00 235	1.49 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
U	5.23 327	8.71 320	2.75 303	8.64 333	2.76 304	8.65 333	2.79 306	8.67 332	2.79 306	8.70 332	2.79 306	8.70 332	2.79 306	2.79 303	2.80 308	2.80 308	8.84 332	2.82 306	8.82 332	2.89 307	8.84 331	2.83 305	2.83 308	2.82 309	8.87 334	2.83 308	8.84 333	2.83 308

SA	3.93 311	7.22 307	4.74 315	4.15 312	3.88 323	3.70 305	4.02 326	6.67 323	3.95 321	3.64 297	3.74 317	3.63 299	3.00 307	3.51 310	3.68 321	3.68 318	3.73 301	3.71 318	3.64 296	3.48 314	3.58 298	2.97 306	3.69 316	3.61 315	3.55 303	3.42 313	3.64 301	3.79 321

RAFT+CT+SA	4.43 318	7.34 309	6.71 325	5.01 322	4.38 326	4.40 315	3.85 322	6.15 320	4.30 326	4.89 318	3.26 311	4.49 316	3.01 308	4.53 324	3.36 314	3.65 317	3.64 298	4.39 326	3.94 304	4.28 325	4.44 314	4.30 323	4.24 325	4.52 327	3.90 308	3.85 323	4.89 316	4.00 324

MLG-Stereo_test1	3.87 309	4.67 297	3.29 309	5.26 325	3.25 311	5.04 323	3.11 310	4.43 306	3.27 312	5.02 322	3.21 310	4.71 318	3.10 309	3.22 305	3.06 309	2.98 310	5.03 322	3.18 309	4.95 320	2.94 308	4.70 318	3.32 308	3.30 310	3.27 312	5.17 322	3.08 311	5.02 320	2.85 309

FC-DCNN v2	4.74 323	3.16 280	3.16 307	3.16 296	3.16 307	3.16 297	3.16 312	3.16 294	3.16 309	3.16 292	3.16 309	3.16 296	3.16 310	3.16 304	3.16 311	3.16 311	6.72 328	6.72 330	6.72 328	6.72 333	6.72 327	6.72 332	6.72 331	6.72 332	6.72 328	6.72 331	6.72 329	6.72 332

MLG-Stereo_test3	3.87 309	4.64 296	3.29 309	5.17 324	3.23 310	4.83 320	3.02 308	4.95 311	3.22 310	4.31 311	3.33 313	5.08 322	3.20 311	3.23 306	2.77 307	3.20 313	4.99 321	3.24 311	4.93 319	2.94 308	4.82 319	3.33 310	3.33 311	3.29 313	5.19 323	3.02 309	5.08 322	2.93 310

NLCSM	3.61 304	5.05 302	3.36 312	4.13 311	3.31 313	3.91 306	3.26 313	3.98 302	3.24 311	4.08 306	3.06 308	3.95 307	3.25 312	3.25 307	3.10 310	3.17 312	4.20 310	3.08 307	4.16 309	3.24 313	4.26 310	3.46 312	3.14 309	3.19 311	4.02 311	3.24 312	4.21 312	3.17 311

MLG-Stereo_test2	3.86 308	4.96 301	3.13 305	4.65 319	3.27 312	5.17 325	3.07 309	5.01 312	3.01 308	4.93 319	3.03 307	4.56 317	3.32 313	3.26 308	3.33 313	3.30 314	5.17 323	3.19 310	4.86 317	2.96 311	5.04 322	3.25 307	2.67 305	3.15 310	4.98 321	3.05 310	4.59 315	3.30 312

DispFullNet	4.96 325	5.67 303	3.30 311	5.01 322	3.21 309	4.50 317	3.11 310	4.43 306	3.44 315	4.60 315	3.46 314	5.13 323	3.44 314	3.53 311	3.20 312	2.87 309	4.80 317	3.15 308	4.70 315	4.83 327	9.02 332	5.98 329	5.95 330	6.21 331	8.84 333	5.85 330	9.76 334	5.91 330

test-1	4.11 312	7.65 310	4.93 316	3.65 303	3.58 315	4.70 319	3.74 321	4.73 308	4.06 323	3.72 299	4.11 325	3.70 301	3.49 315	3.36 309	3.65 317	4.17 326	3.92 305	4.04 324	4.19 310	3.75 320	4.69 317	4.18 321	3.88 319	3.90 322	4.73 317	3.77 321	3.12 296	3.68 316

Sa-1000	3.84 307	7.71 311	6.81 328	4.15 312	2.86 306	3.27 299	3.87 323	5.99 315	4.35 327	2.78 287	3.71 316	3.88 303	3.56 316	3.88 318	3.64 315	2.71 307	3.72 300	3.27 312	3.67 300	3.15 312	3.51 297	3.36 311	2.70 306	3.49 314	3.32 299	3.76 320	2.87 295	3.76 320

TestStereo1	4.11 312	7.79 313	6.72 326	3.93 306	3.81 320	3.96 308	3.58 315	6.96 326	3.74 318	3.90 301	3.76 318	3.89 304	3.57 317	3.70 316	3.66 318	3.34 315	3.80 303	3.62 314	3.66 298	3.68 317	3.91 304	3.70 315	3.65 313	3.67 317	3.88 306	3.53 314	3.89 305	3.68 316

SA-5K	4.11 312	7.79 313	6.72 326	3.93 306	3.81 320	3.96 308	3.58 315	6.96 326	3.74 318	3.90 301	3.76 318	3.89 304	3.57 317	3.70 316	3.66 318	3.34 315	3.80 303	3.62 314	3.66 298	3.68 317	3.91 304	3.70 315	3.65 313	3.67 317	3.88 306	3.53 314	3.89 305	3.68 316

TESTraft	4.16 316	8.03 315	6.81 328	3.99 308	3.68 318	3.93 307	3.70 319	6.86 325	3.69 317	3.93 303	3.88 323	3.93 306	3.59 319	3.65 314	3.64 315	3.68 318	3.92 305	3.72 319	3.92 303	3.57 316	3.84 303	3.70 315	3.71 317	3.67 317	3.91 309	3.74 318	3.92 307	3.67 313

DPSNet	3.67 305	3.61 285	3.62 313	3.64 302	3.61 317	3.64 303	3.65 317	3.64 300	3.67 316	3.67 298	3.65 315	3.68 300	3.69 320	3.69 315	3.69 322	3.68 318	3.70 299	3.70 317	3.69 301	3.69 319	3.71 301	3.69 314	3.67 315	3.69 320	3.68 304	3.67 316	3.68 302	3.67 313

test_3	4.55 322	10.96 329	7.69 332	4.04 310	3.60 316	4.10 312	3.98 325	7.94 328	4.56 328	3.99 304	4.03 324	4.08 310	3.74 321	3.99 322	3.91 325	4.05 324	4.33 314	3.89 321	4.14 308	4.00 324	4.11 309	4.02 320	4.01 323	3.91 323	3.53 301	3.94 324	4.19 310	4.20 326

test_4	4.11 312	8.05 316	6.64 324	4.52 317	3.68 318	3.00 296	3.40 314	6.21 321	3.29 313	4.07 305	3.84 321	4.04 309	3.76 322	3.56 313	3.67 320	3.76 321	4.04 308	3.79 320	4.10 306	3.53 315	3.98 306	3.74 318	3.55 312	3.61 315	3.94 310	3.75 319	3.73 303	3.73 319

raft_robust	4.19 317	7.78 312	6.08 321	3.30 300	3.85 322	4.03 311	3.73 320	6.25 322	3.30 314	4.44 313	3.28 312	4.01 308	3.82 323	4.29 323	3.70 323	4.01 323	4.48 316	3.42 313	4.11 307	3.76 321	4.05 308	3.32 308	3.85 318	3.82 321	4.71 316	3.83 322	4.09 309	3.80 322

cross-raft	4.43 318	7.31 308	6.46 323	4.47 316	3.95 324	4.46 316	3.95 324	6.70 324	3.97 322	4.41 312	3.82 320	4.38 315	3.94 324	3.95 321	3.95 326	3.95 322	4.45 315	3.95 322	4.46 314	3.95 323	4.46 315	3.95 319	3.95 322	3.94 324	4.40 315	3.95 325	4.45 314	3.95 323

RAFT_CTSACE	4.43 318	8.26 318	6.10 322	4.62 318	4.01 325	4.54 318	3.65 317	6.09 317	3.93 320	4.64 316	4.14 326	4.26 314	4.13 325	3.91 319	3.88 324	4.06 325	4.30 313	4.03 323	4.27 313	3.92 322	4.26 310	3.67 313	3.91 320	4.16 325	4.82 318	4.08 326	4.20 311	3.67 313

SGM-Forest	5.07 326	6.74 305	4.17 314	6.46 328	4.68 327	6.21 329	4.38 327	6.00 316	4.14 325	5.84 325	4.44 327	6.28 327	4.16 326	3.92 320	4.56 328	4.60 328	6.15 325	4.27 325	6.12 327	4.31 326	5.99 326	4.27 322	3.92 321	4.27 326	6.13 326	4.10 327	6.18 326	4.49 327
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_5	4.51 321	8.85 321	5.35 320	3.66 304	3.56 314	5.10 324	4.47 328	6.14 318	4.07 324	4.96 321	3.87 322	5.14 324	4.17 327	3.53 311	4.39 327	4.53 327	4.15 309	3.62 314	4.74 316	2.94 308	3.63 300	4.53 325	4.20 324	4.54 328	4.86 319	3.68 317	4.95 318	4.06 325

TestStereo	4.92 324	4.80 299	4.98 317	4.82 320	4.97 328	4.91 322	4.78 329	4.80 309	4.88 329	4.78 317	4.80 328	4.99 321	4.81 328	4.83 325	4.87 329	4.97 329	4.93 319	5.01 328	5.03 321	4.90 328	5.02 321	5.02 326	5.06 326	5.04 329	4.93 320	4.89 328	5.01 319	5.09 328

SGM+DAISY	6.35 328	8.16 317	5.14 319	8.12 332	5.08 330	8.12 332	5.16 330	8.01 329	5.18 331	7.92 330	5.14 329	7.89 331	5.14 329	4.95 326	5.33 330	5.32 330	8.14 331	5.16 329	8.16 331	5.16 329	8.21 330	5.19 327	5.12 327	5.12 330	8.18 332	5.24 329	8.12 332	5.11 329

test-v	7.17 330	11.53 330	7.63 330	7.17 329	6.87 332	7.48 330	6.90 332	8.14 330	6.88 332	6.93 328	7.42 332	7.05 328	6.14 330	6.05 327	6.86 331	6.99 332	7.60 329	6.75 331	6.90 329	6.66 331	7.83 328	6.36 330	5.89 328	7.34 334	7.19 330	6.75 332	7.52 330	6.77 333

test-2	7.17 330	11.53 330	7.63 330	7.17 329	6.87 332	7.48 330	6.90 332	8.14 330	6.88 332	6.93 328	7.42 332	7.05 328	6.14 330	6.05 327	6.86 331	6.99 332	7.60 329	6.75 331	6.90 329	6.66 331	7.83 328	6.36 330	5.89 328	7.34 334	7.19 330	6.75 332	7.52 330	6.77 333

RAFT	6.60 329	9.99 324	8.33 333	7.21 331	6.55 331	5.95 328	5.87 331	8.70 333	5.02 330	5.10 323	6.69 331	7.06 330	6.94 332	6.17 329	7.09 333	6.84 331	6.47 326	4.72 327	5.60 323	5.60 330	5.11 323	5.97 328	6.93 332	6.89 333	7.16 329	7.08 334	6.58 328	6.66 331

MANE	18.41 332	23.00 339	16.00 334	22.00 341	15.00 334	22.00 341	15.00 334	22.00 341	15.00 334	21.00 341	15.00 334	22.00 340	15.00 333	15.00 334	17.00 334	15.00 334	23.00 340	15.00 333	22.00 340	15.00 334	23.00 340	15.00 333	18.00 333	15.00 336	24.00 342	17.00 335	24.00 342	16.00 335

rafts_anoy	20.00 333	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 333	20.00 334	20.00 335	20.00 335	20.00 335	20.00 333	20.00 334	20.00 333	20.00 335	20.00 333	20.00 334	20.00 334	20.00 337	20.00 335	20.00 336	20.00 335	20.00 336

raft+_RVC	20.00 333	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 333	20.00 334	20.00 335	20.00 335	20.00 335	20.00 333	20.00 334	20.00 333	20.00 335	20.00 333	20.00 334	20.00 334	20.00 337	20.00 335	20.00 336	20.00 335	20.00 336

raftrobust	20.00 333	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 333	20.00 334	20.00 335	20.00 335	20.00 335	20.00 333	20.00 334	20.00 333	20.00 335	20.00 333	20.00 334	20.00 334	20.00 337	20.00 335	20.00 336	20.00 335	20.00 336

CasAABBNet	20.00 333	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 333	20.00 334	20.00 335	20.00 335	20.00 335	20.00 333	20.00 334	20.00 333	20.00 335	20.00 333	20.00 334	20.00 334	20.00 337	20.00 335	20.00 336	20.00 335	20.00 336

RALCasStereoNet	20.00 333	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 333	20.00 334	20.00 335	20.00 335	20.00 335	20.00 333	20.00 334	20.00 333	20.00 335	20.00 333	20.00 334	20.00 334	20.00 337	20.00 335	20.00 336	20.00 335	20.00 336

RALAANet	20.00 333	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 333	20.00 334	20.00 335	20.00 335	20.00 335	20.00 333	20.00 334	20.00 333	20.00 335	20.00 333	20.00 334	20.00 334	20.00 337	20.00 335	20.00 336	20.00 335	20.00 336

MSMDNet	20.00 333	20.00 332	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 334	20.00 335	20.00 333	20.00 334	20.00 335	20.00 335	20.00 335	20.00 333	20.00 334	20.00 333	20.00 335	20.00 333	20.00 334	20.00 334	20.00 337	20.00 335	20.00 336	20.00 335	20.00 336

Reg-Stereo(zero)	37.00 340	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 341	37.00 341	37.00 342	37.00 342	37.00 342	37.00 341	37.00 341	37.00 341	37.00 342	37.00 341	37.00 341	37.00 341	37.00 344	37.00 343	37.00 343	37.00 343	37.00 343

HI	37.00 340	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 341	37.00 341	37.00 342	37.00 342	37.00 342	37.00 341	37.00 341	37.00 341	37.00 342	37.00 341	37.00 341	37.00 341	37.00 344	37.00 343	37.00 343	37.00 343	37.00 343

CoSv	37.00 340	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 342	37.00 341	37.00 341	37.00 342	37.00 342	37.00 342	37.00 341	37.00 341	37.00 341	37.00 342	37.00 341	37.00 341	37.00 341	37.00 344	37.00 343	37.00 343	37.00 343	37.00 343

MDST_ROB	61.15 343	72.66 346	46.52 345	70.00 345	44.89 345	64.24 345	43.75 345	73.65 345	48.92 346	72.70 346	42.40 345	60.70 344	50.23 344	50.07 346	67.69 346	68.60 346	83.13 345	47.77 344	82.48 345	46.00 345	95.93 345	53.44 345	50.66 344	45.00 347	84.99 347	53.64 347	79.01 346	52.07 347

MeshStereo	151.99 345	131.36 347	140.69 347	151.38 347	151.40 347	150.79 347	151.72 347	149.36 347	159.46 347	146.42 347	150.73 347	149.06 349	176.22 345	143.94 347	133.10 349	133.45 349	153.30 347	154.22 346	154.67 347	153.95 348	156.90 348	156.53 348	160.21 346	162.72 349	154.57 348	160.59 348	153.47 348	163.50 348
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	252.48 347	202.00 348	361.00 351	502.00 351	324.00 351	321.00 348	482.00 354	423.00 351	227.00 351	201.00 348	273.00 351	101.00 346	207.00 346	198.00 348	183.00 350	181.00 350	221.00 348	232.00 350	477.00 349	220.00 350	111.00 346	100.00 346	219.00 348	214.00 350	204.00 349	211.00 350	200.00 349	222.00 351

MGS-Stereo	264.93 348	208.00 349	362.00 352	512.00 352	350.00 352	326.00 349	443.00 353	410.00 350	210.00 348	232.00 350	215.00 348	125.00 347	217.00 347	216.00 350	127.00 348	122.00 348	223.00 349	230.00 348	487.00 351	255.00 351	250.00 349	223.00 350	272.00 350	228.00 353	241.00 350	220.00 352	214.00 350	235.00 352

DLCB_ROB	280.78 350	376.74 351	215.59 348	376.74 348	215.59 348	376.74 351	215.59 348	366.42 349	218.39 349	366.42 351	218.39 349	366.42 350	218.39 348	209.96 349	219.76 352	219.38 351	376.72 351	216.43 347	376.72 348	216.43 349	376.72 351	216.43 349	216.14 347	216.14 352	376.69 353	217.67 351	376.69 353	217.67 350

EGLCR-Stereo	276.81 349	209.00 350	366.00 353	514.00 353	354.00 353	336.00 350	422.00 351	440.00 352	220.00 350	231.00 349	245.00 350	135.00 348	237.00 349	218.00 351	197.00 351	222.00 352	223.00 349	230.00 348	487.00 351	255.00 351	250.00 349	273.00 351	272.00 350	228.00 353	241.00 350	220.00 352	214.00 350	235.00 352

NOSS_ROB	248.11 346	409.00 352	288.00 349	412.00 349	280.00 349	411.00 352	288.00 349	356.00 348	275.00 352	379.00 352	303.00 352	415.00 351	278.00 350	260.00 352	104.00 347	103.00 347	126.00 346	108.00 345	118.00 346	98.00 347	126.00 347	104.00 347	268.00 349	216.00 351	279.00 352	201.00 349	288.00 352	206.00 349

LE_ROB	387.11 351	453.07 353	321.39 350	500.23 350	323.05 350	493.99 353	324.56 350	477.63 353	322.28 353	465.51 353	322.97 353	486.37 352	334.17 351	305.26 353	320.63 353	327.66 353	476.08 352	315.70 351	483.76 350	335.15 353	469.64 352	309.74 352	315.90 352	318.85 355	498.41 354	328.85 354	491.00 354	330.08 354

SGM-ForestM	522.49 352	676.08 354	448.56 354	638.17 354	433.15 354	639.59 354	427.03 352	617.52 354	439.90 354	604.63 354	429.02 354	611.68 353	432.74 352	420.18 354	451.96 354	465.85 354	601.06 353	403.73 352	659.15 353	405.50 354	669.64 353	437.21 353	455.85 353	425.66 356	689.82 355	481.65 355	662.43 355	479.61 355

CBMV	101.59 344	71.60 345	48.40 346	72.70 346	49.00 346	79.60 346	48.40 346	80.90 346	46.90 345	68.90 345	49.00 346	78.00 345	572.10 353	49.50 345	51.30 345	48.40 345	72.20 344	639.60 353	79.40 344	48.90 346	79.50 344	51.40 344	52.30 345	48.30 348	80.20 346	49.10 346	79.60 347	47.60 346
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CBMV_ROB	1133.35 353	1280.38 355	976.92 355	1317.57 355	1021.62 355	1282.66 355	1022.22 355	1213.88 355	982.57 355	1194.12 355	975.90 355	1357.87 354	1090.02 354	943.32 355	1021.85 355	1006.47 355	1309.01 354	986.29 354	1499.40 354	986.35 355	1359.35 354	975.96 354	975.21 354	969.30 357	1337.82 356	1042.34 356	1398.25 356	1073.86 356

111111	10000000.00 354	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 358	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

SGD-Stereo	10000000.00 354	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 358	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

IGEV-Stereo++	10000000.00 354	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 358	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

IGEV-BASED-STEREO-	10000000.00 354	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 358	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

IGEV-Stereo+	10000000.00 354	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 358	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

anonymousdsp2	10000000.00 354	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 358	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

anonymousdsp	10000000.00 354	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 358	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

AMNet	10000000.00 354	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 356	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 358	10000000.00 357	10000000.00 357	10000000.00 357	10000000.00 357

GS-Stereo																							0.36 162	0.36 165	0.48 179	0.36 162	0.48 176	0.35 160

FSD		0.55 164	0.42 159	0.54 196	0.42 184	0.55 200	0.43 187	0.54 181	0.42 183	0.59 161	0.42 187			0.43 177	0.42 187	0.42 179			2.46 289	0.44 188				0.44 188	0.55 197	0.43 187	0.55 195	0.53 206

ASD4																								0.20 110

Low-res two-view benchmark