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	1.32 225	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

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	1.47 234	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	1.47 234	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	1.03 203	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	1.46 233	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	2.33 274	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	1.32 225	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	1.08 257	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	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	1.63 280	0.03 25	0.03 24	0.04 32	0.03 22	0.04 32

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	2.46 277	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

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

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	1.53 275	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	1.79 286	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	1.74 284	0.04 32	0.04 31	0.05 38	0.04 30	0.05 37

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	2.28 266	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

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	2.19 262	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	2.19 262	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

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 93	0.21 95	0.09 50	0.12 61	0.09 50	0.09 45	0.09 49	0.12 61	0.28 130	0.12 61	0.09 49

UNet	0.19 86	0.13 63	0.09 43	0.13 63	0.09 48	0.13 63	0.09 48	0.13 61	0.09 49	0.90 184	0.09 50	0.13 63	0.09 49	0.10 51	0.09 49	0.70 225	0.13 63	0.09 50	0.13 61	0.10 51	0.91 217	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	0.30 115	0.10 51	0.14 50	0.17 95	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

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

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

MatchStereo	0.27 104	0.12 60	2.51 298	0.12 60	0.11 63	0.12 60	0.11 62	2.54 287	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

S2M2_XL	0.24 98	1.32 233	0.86 224	0.17 83	0.11 63	0.17 82	0.11 62	1.05 230	0.12 79	0.16 67	0.11 63	0.16 81	0.11 64	0.11 67	0.11 63	0.11 63	0.17 83	0.11 66	0.17 81	0.11 64	0.17 82	0.11 64	0.11 61	0.11 66	0.17 82	0.11 64	0.17 82	0.11 65
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
GCAP-BAT	0.17 77	1.25 221	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

test_for_model	0.17 77	1.25 221	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

testlalala2	0.17 77	1.25 221	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 94	0.11 57	0.12 68	0.11 59	0.11 63	0.11 59	0.11 62	0.11 57	0.11 63	2.93 287	0.11 63	0.11 60	0.11 64	0.11 67	0.11 63	0.12 79	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

testlalala	0.17 77	1.25 221	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

testlalala_base	0.17 77	1.25 221	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	1.25 221	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 78	0.12 81	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 81	0.15 69	0.12 81	0.15 71	0.12 80

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 78	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 78	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 78	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

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 85	0.15 55	0.11 63	0.14 64	0.12 84	0.12 78	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 81	0.15 69	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 78	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 80	0.11 63	0.16 81	0.11 62	0.16 72	0.11 63	0.16 67	0.11 63	0.16 81	0.11 64	0.11 67	0.11 63	0.11 63	0.16 80	0.11 66	0.16 79	0.11 64	0.16 79	0.11 64	0.11 61	0.11 66	0.16 80	0.11 64	0.16 79	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 83	0.11 63	0.17 82	0.12 81	0.17 76	0.11 63	0.17 71	0.11 63	0.17 85	0.11 64	0.12 78	0.12 81	0.12 79	0.17 83	0.12 83	0.17 81	0.12 83	0.17 82	0.12 82	0.12 79	0.12 81	0.17 82	0.12 81	0.17 82	0.12 80

ELAS_RVC	0.14 67	0.18 76	0.11 62	0.19 89	0.11 63	0.18 84	0.13 85	0.16 72	0.11 63	0.17 71	0.11 63	0.14 64	0.11 64	0.09 48	0.11 63	0.12 79	0.17 83	0.10 51	0.18 85	0.11 64	0.18 84	0.11 64	0.10 48	0.11 66	0.19 88	0.11 64	0.19 86	0.12 80
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 91	0.11 63	0.20 92	0.12 81	0.18 78	0.12 79	0.18 73	0.12 82	0.19 91	0.11 64	0.11 67	0.11 63	0.11 63	0.18 87	0.11 66	0.19 89	0.11 64	0.19 88	0.11 64	0.11 61	0.11 66	0.20 92	0.11 64	0.20 91	0.12 80
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 89	0.11 63	0.20 92	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 80	0.10 51	0.17 81	0.11 64	0.18 84	0.11 64	0.09 45	0.10 52	0.18 85	0.11 64	0.19 86	0.12 80
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.23 96	0.12 60	0.13 77	0.12 60	0.12 83	0.12 60	0.11 62	0.14 62	0.12 79	3.07 288	0.12 82	0.12 62	0.11 64	0.11 67	0.13 86	0.13 85	0.12 61	0.12 83	0.13 61	0.11 64	0.12 61	0.13 87	0.12 79	0.14 89	0.13 62	0.12 81	0.12 61	0.11 65

SFCPSM	0.23 96	0.18 76	0.13 77	0.18 86	0.12 83	0.18 84	0.80 238	0.17 76	0.12 79	0.88 183	0.12 82	0.17 85	0.12 84	0.13 85	0.12 81	0.12 79	0.18 87	0.12 83	0.18 85	0.12 83	1.18 247	0.13 87	0.12 79	0.12 81	0.18 85	0.13 86	0.18 84	0.12 80

DeepPruner_ROB	0.15 72	0.18 76	0.12 68	0.18 86	0.12 83	0.18 84	0.12 81	0.18 78	0.13 85	0.18 73	0.12 82	0.18 88	0.12 84	0.13 85	0.12 81	0.13 85	0.18 87	0.13 86	0.18 85	0.12 83	0.19 88	0.12 82	0.13 84	0.12 81	0.18 85	0.12 81	0.18 84	0.12 80

LALA_ROB	0.15 72	0.21 83	0.12 68	0.21 95	0.12 83	0.20 92	0.14 87	0.20 81	0.12 79	0.22 81	0.12 82	0.16 81	0.12 84	0.10 51	0.12 81	0.12 79	0.21 96	0.11 66	0.22 96	0.12 83	0.20 92	0.12 82	0.11 61	0.12 81	0.21 96	0.14 87	0.21 94	0.13 88

castereo++	0.26 103	1.28 232	1.07 241	0.15 72	0.13 87	0.15 73	0.14 87	1.22 243	0.13 85	0.16 67	0.17 95	0.16 81	0.14 90	0.14 89	0.15 92	0.14 89	0.15 71	0.14 89	0.16 79	0.14 90	0.16 79	0.14 90	0.14 86	0.14 89	0.16 80	0.14 87	0.16 79	0.15 91

DDVS	0.15 72	0.18 76	0.13 77	0.18 86	0.13 87	0.19 89	0.13 85	0.18 78	0.13 85	0.18 73	0.13 88	0.18 88	0.13 89	0.13 85	0.13 86	0.13 85	0.18 87	0.13 86	0.18 85	0.13 89	0.18 84	0.13 87	0.13 84	0.10 52	0.19 88	0.14 87	0.19 86	0.13 88

ITSA-stereo	0.21 93	0.16 71	0.12 68	0.16 80	0.13 87	0.18 84	0.14 87	0.16 72	1.89 293	0.16 67	0.12 82	0.17 85	0.12 84	0.13 85	0.13 86	0.13 85	0.17 83	0.13 86	0.17 81	0.12 83	0.16 79	0.12 82	0.12 79	0.12 81	0.17 82	0.12 81	0.16 79	0.12 80

GMStereo	0.14 67	0.13 63	0.14 81	0.14 64	0.14 90	0.14 65	0.14 87	0.14 62	0.14 89	0.14 50	0.14 89	0.14 64	0.14 90	0.14 89	0.14 90	0.14 89	0.14 64	0.14 89	0.14 63	0.14 90	0.14 63	0.14 90	0.14 86	0.14 89	0.14 64	0.14 87	0.14 64	0.14 90
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
castereo	0.34 129	1.59 239	1.39 260	0.17 83	0.15 91	0.18 84	0.26 122	1.74 258	0.17 96	0.19 76	0.18 107	0.18 88	0.20 109	0.20 108	0.22 116	0.21 107	0.18 87	0.17 97	0.19 89	0.16 94	0.18 84	0.20 111	0.17 92	0.21 113	0.19 88	0.17 97	0.19 86	0.16 93

dd	0.18 83	0.22 85	0.16 83	0.22 97	0.15 91	0.22 98	0.15 91	0.21 84	0.15 90	0.21 79	0.15 90	0.21 95	0.15 92	0.15 91	0.15 92	0.15 92	0.22 98	0.14 89	0.22 96	0.14 90	0.22 97	0.15 92	0.16 90	0.15 92	0.23 103	0.15 91	0.22 96	0.16 93

dad	0.18 83	0.23 89	0.16 83	0.22 97	0.15 91	0.22 98	0.15 91	0.22 92	0.16 91	0.21 79	0.15 90	0.22 98	0.15 92	0.15 91	0.16 94	0.17 95	0.23 103	0.17 97	0.23 103	0.15 93	0.22 97	0.15 92	0.15 88	0.15 92	0.22 98	0.15 91	0.22 96	0.16 93

VIP-Stereo	0.36 133	2.00 248	1.11 244	0.26 117	0.16 94	0.24 110	0.15 91	2.00 268	0.23 116	0.24 88	0.15 90	0.23 104	0.16 94	0.16 94	0.16 94	0.15 92	0.24 108	0.15 92	0.24 109	0.16 94	0.24 106	0.15 92	0.15 88	0.20 109	0.24 109	0.15 91	0.24 106	0.15 91

MSKI-zero shot	0.19 86	0.21 83	0.16 83	0.22 97	0.16 94	0.23 106	0.17 97	0.22 92	0.17 96	0.22 81	0.17 95	0.22 98	0.16 94	0.19 107	0.16 94	0.17 95	0.23 103	0.16 93	0.22 96	0.16 94	0.22 97	0.17 99	0.16 90	0.17 95	0.22 98	0.19 108	0.22 96	0.16 93

MIM_Stereo	0.19 86	0.23 89	0.18 92	0.22 97	0.16 94	0.22 98	0.16 95	0.21 84	0.16 91	0.22 81	0.17 95	0.21 95	0.17 97	0.20 108	0.18 103	0.17 95	0.22 98	0.18 107	0.22 96	0.16 94	0.21 94	0.16 95	0.17 92	0.17 95	0.21 96	0.16 95	0.22 96	0.20 110

UPFNet	0.29 110	0.24 97	0.16 83	0.24 109	0.16 94	0.24 110	0.16 95	0.23 100	0.16 91	1.19 216	0.16 93	0.23 104	0.16 94	0.17 96	0.16 94	0.89 237	0.24 108	0.16 93	0.24 109	0.18 105	1.20 250	0.16 95	0.17 92	0.16 94	0.24 109	0.16 95	0.24 106	0.16 93

IGEV-FE	0.29 110	2.85 274	0.36 140	0.20 91	0.17 98	0.19 89	0.17 97	0.37 132	0.17 96	0.19 76	0.17 95	0.19 91	0.17 97	0.17 96	0.17 98	0.17 95	0.19 92	0.17 97	0.19 89	0.17 98	0.19 88	0.17 99	0.17 92	0.17 95	0.19 88	0.17 97	0.19 86	0.17 99

ACV-stereo	0.20 90	0.23 89	0.17 87	0.23 104	0.17 98	0.23 106	0.17 97	0.23 100	0.17 96	0.23 87	0.17 95	0.23 104	0.17 97	0.17 96	0.17 98	0.17 95	0.24 108	0.17 97	0.23 103	0.17 98	0.24 106	0.17 99	0.17 92	0.17 95	0.23 103	0.17 97	0.23 104	0.17 99

Pointernet	0.22 94	0.41 129	0.38 144	0.22 97	0.17 98	0.22 98	0.17 97	0.41 145	0.17 96	0.22 81	0.17 95	0.22 98	0.17 97	0.18 103	0.18 103	0.18 101	0.23 103	0.18 107	0.23 103	0.18 105	0.23 103	0.18 107	0.17 92	0.17 95	0.22 98	0.18 106	0.22 96	0.17 99

MMNet	0.30 114	0.24 97	0.17 87	0.24 109	0.17 98	0.24 110	0.17 97	0.23 100	0.18 104	1.21 219	0.17 95	0.23 104	0.17 97	0.17 96	0.17 98	0.89 237	0.24 108	0.17 97	0.24 109	0.17 98	1.22 252	0.16 95	0.17 92	0.17 95	0.24 109	0.17 97	0.24 106	0.17 99

delet	0.30 114	0.24 97	0.17 87	0.24 109	0.17 98	0.24 110	0.17 97	0.23 100	0.16 91	1.21 219	0.17 95	0.24 111	0.17 97	0.17 96	0.17 98	0.91 241	0.24 108	0.17 97	0.24 109	0.17 98	1.23 254	0.17 99	0.17 92	0.17 95	0.24 109	0.17 97	0.24 106	0.17 99

psm_up	0.30 114	0.24 97	0.17 87	0.25 112	0.17 98	0.24 110	0.17 97	0.24 104	0.17 96	1.20 218	0.17 95	0.23 104	0.17 97	0.17 96	0.18 103	0.90 240	0.24 108	0.17 97	0.25 114	0.17 98	1.24 257	0.17 99	0.17 92	0.17 95	0.24 109	0.17 97	0.24 106	0.17 99

iResNet	0.19 86	0.23 89	0.17 87	0.22 97	0.17 98	0.22 98	0.19 108	0.22 92	0.17 96	0.22 81	0.17 95	0.22 98	0.17 97	0.17 96	0.17 98	0.17 95	0.22 98	0.17 97	0.22 96	0.17 98	0.23 103	0.17 99	0.18 103	0.17 95	0.23 103	0.17 97	0.23 104	0.17 99

DEFOM-Stereo_RVC	0.40 144	2.14 257	1.91 285	0.20 91	0.18 105	0.19 89	0.17 97	2.23 271	0.19 106	0.24 88	0.21 112	0.19 91	0.21 113	0.20 108	0.18 103	0.20 105	0.20 93	0.18 107	0.20 92	0.19 110	0.19 88	0.17 99	0.18 103	0.17 95	0.20 92	0.20 109	0.21 94	0.19 108

IGEV_Zeroshot_test	0.18 83	0.22 85	0.18 92	0.21 95	0.18 105	0.20 92	0.17 97	0.20 81	0.16 91	0.25 92	0.16 93	0.21 95	0.17 97	0.16 94	0.18 103	0.15 92	0.20 93	0.16 93	0.20 92	0.18 105	0.21 94	0.17 99	0.17 92	0.17 95	0.20 92	0.17 97	0.20 91	0.16 93

GEStereo_RVC	0.36 133	0.23 89	0.18 92	0.23 104	0.18 105	0.23 106	0.19 108	0.22 92	0.19 106	0.24 88	0.20 110	0.24 111	0.18 107	0.18 103	0.18 103	0.21 107	0.25 114	0.18 107	0.22 96	0.18 105	0.23 103	0.18 107	0.19 106	0.20 109	0.23 103	0.20 109	4.43 310	0.19 108

CFNet	0.55 180	0.25 101	0.18 92	0.25 112	0.18 105	0.25 116	0.18 107	0.25 105	0.18 104	0.25 92	0.18 107	0.25 113	0.18 107	0.18 103	0.18 103	0.18 101	0.25 114	0.18 107	0.25 114	0.18 105	5.31 321	4.36 321	0.18 103	0.18 106	0.25 115	0.18 106	0.25 113	0.18 107

AANet_RVC	0.61 187	0.31 113	5.05 315	0.31 126	0.19 109	0.24 110	0.20 110	5.86 311	0.20 108	0.24 88	0.18 107	0.25 113	0.20 109	0.23 117	0.21 112	0.18 101	0.37 140	0.18 107	0.24 109	0.19 110	0.25 108	0.19 110	0.19 106	0.19 108	0.24 109	0.15 91	0.24 106	0.20 110

iResNetv2_ROB	0.20 90	0.22 85	0.19 96	0.23 104	0.19 109	0.22 98	0.17 97	0.22 92	0.17 96	0.22 81	0.17 95	0.22 98	0.17 97	0.18 103	0.18 103	0.19 104	0.22 98	0.17 97	0.23 103	0.17 98	0.25 108	0.18 107	0.17 92	0.18 106	0.23 103	0.17 97	0.25 113	0.17 99

DAS	0.20 90	0.20 82	0.20 98	0.20 91	0.20 111	0.20 92	0.20 110	0.20 81	0.20 108	0.20 78	0.20 110	0.20 94	0.20 109	0.20 108	0.20 111	0.20 105	0.20 93	0.20 113	0.20 92	0.20 112	0.20 92	0.20 111	0.20 108	0.20 109	0.20 92	0.20 109	0.20 91	0.20 110

HGLStereo	0.27 104	0.25 101	0.21 105	0.35 134	0.21 112	0.35 133	0.21 112	0.34 124	0.21 110	0.39 119	0.21 112	0.34 130	0.21 113	0.22 113	0.21 112	0.21 107	0.35 132	0.22 115	0.35 131	0.22 115	0.35 127	0.22 113	0.21 109	0.21 113	0.35 132	0.21 112	0.35 131	0.21 113

DCVSM-stereo	0.27 104	0.38 123	0.22 106	0.38 144	0.22 113	0.38 146	0.22 114	0.29 113	0.22 113	0.29 100	0.22 115	0.29 124	0.22 115	0.22 113	0.21 112	0.21 107	0.38 143	0.22 115	0.38 142	0.22 115	0.38 136	0.22 113	0.21 109	0.25 122	0.38 141	0.21 112	0.38 139	0.21 113

IMH-64-1	0.29 110	0.23 89	0.23 108	0.23 104	0.22 113	0.22 98	0.23 116	0.22 92	0.22 113	2.02 255	0.23 118	0.23 104	0.22 115	0.23 117	0.23 118	0.23 112	0.23 103	0.22 115	0.23 103	0.22 115	0.22 97	0.22 113	0.22 112	0.22 116	0.22 98	0.22 115	0.22 96	0.22 115

IMH-64	0.29 110	0.23 89	0.23 108	0.23 104	0.22 113	0.22 98	0.23 116	0.22 92	0.22 113	2.02 255	0.23 118	0.23 104	0.22 115	0.23 117	0.23 118	0.23 112	0.23 103	0.22 115	0.23 103	0.22 115	0.22 97	0.22 113	0.22 112	0.22 116	0.22 98	0.22 115	0.22 96	0.22 115

DLNR_Zeroshot_test	0.27 104	0.30 111	0.23 108	0.30 124	0.22 113	0.31 126	0.24 118	0.29 113	0.23 116	0.38 116	0.23 118	0.29 124	0.23 119	0.22 113	0.23 118	0.23 112	0.30 125	0.34 152	0.29 123	0.23 120	0.29 119	0.29 142	0.22 112	0.23 119	0.30 124	0.23 118	0.30 123	0.23 119

HCRNet	0.71 203	6.06 301	3.15 303	0.50 188	0.22 113	0.21 97	0.15 91	3.04 290	0.34 151	0.43 134	0.33 155	0.43 162	0.33 152	0.15 91	0.14 90	0.14 89	0.21 96	0.17 97	0.47 172	0.20 112	0.21 94	0.16 95	0.32 146	0.33 153	0.50 182	0.33 154	0.49 181	0.28 132

model_zeroshot	0.27 104	0.30 111	0.19 96	0.36 138	0.23 118	0.25 116	0.27 126	0.33 118	0.21 110	0.35 107	0.22 115	0.25 113	0.27 129	0.26 123	0.23 118	0.26 119	0.35 132	0.22 115	0.36 134	0.23 120	0.25 108	0.27 126	0.27 124	0.23 119	0.36 134	0.22 115	0.25 113	0.27 129

WAO-6	0.30 114	0.22 85	0.23 108	0.22 97	0.23 118	0.23 106	0.22 114	0.22 92	0.23 116	2.21 265	0.22 115	0.22 98	0.22 115	0.22 113	0.22 116	0.23 112	0.22 98	0.23 120	0.22 96	0.22 115	0.22 97	0.22 113	0.22 112	0.22 116	0.23 103	0.23 118	0.22 96	0.22 115

LoS_RVC	0.25 99	0.25 101	0.25 113	0.25 112	0.25 120	0.25 116	0.25 120	0.25 105	0.25 119	0.25 92	0.25 123	0.25 113	0.25 121	0.26 123	0.25 123	0.26 119	0.25 114	0.25 122	0.26 117	0.25 123	0.25 108	0.25 119	0.25 118	0.25 122	0.25 115	0.25 121	0.25 113	0.25 121

tt_ll	0.25 99	0.25 101	0.25 113	0.25 112	0.25 120	0.25 116	0.25 120	0.25 105	0.25 119	0.25 92	0.25 123	0.25 113	0.25 121	0.26 123	0.25 123	0.26 119	0.25 114	0.25 122	0.26 117	0.25 123	0.25 108	0.25 119	0.25 118	0.25 122	0.25 115	0.25 121	0.25 113	0.25 121

UNDER WATER-64	0.31 122	0.25 101	0.25 113	0.26 117	0.26 122	0.25 116	0.26 122	0.25 105	0.26 126	1.69 240	0.26 127	0.25 113	0.25 121	0.25 121	0.26 128	0.26 119	0.25 114	0.26 126	0.26 117	0.26 127	0.25 108	0.25 119	0.25 118	0.25 122	0.26 119	0.26 125	0.25 113	0.26 126

CAS	0.25 99	0.25 101	0.25 113	0.25 112	0.26 122	0.26 122	0.26 122	0.25 105	0.25 119	0.25 92	0.25 123	0.25 113	0.25 121	0.25 121	0.25 123	0.25 116	0.26 120	0.25 122	0.26 117	0.26 127	0.25 108	0.25 119	0.25 118	0.26 126	0.25 115	0.26 125	0.25 113	0.25 121

LoS	0.25 99	0.25 101	0.27 117	0.27 119	0.26 122	0.25 116	0.26 122	0.26 110	0.25 119	0.26 98	0.25 123	0.25 113	0.25 121	0.26 123	0.25 123	0.25 116	0.25 114	0.25 122	0.25 114	0.25 123	0.27 115	0.25 119	0.26 122	0.26 126	0.26 119	0.25 121	0.25 113	0.25 121
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
iRaft-Stereo_20w	0.30 114	0.46 141	0.27 117	0.34 130	0.26 122	0.35 133	0.28 133	0.34 124	0.26 126	0.34 105	0.26 127	0.34 130	0.26 127	0.26 123	0.26 128	0.26 119	0.34 129	0.26 126	0.34 129	0.26 127	0.34 123	0.26 125	0.26 122	0.26 126	0.34 129	0.26 125	0.34 129	0.26 126

iResNet_ROB	0.28 109	0.32 115	0.24 112	0.33 128	0.26 122	0.32 128	0.24 118	0.33 118	0.25 119	0.33 102	0.24 121	0.35 133	0.24 120	0.23 117	0.24 122	0.25 116	0.32 127	0.24 121	0.36 134	0.24 122	0.32 121	0.28 132	0.24 117	0.24 121	0.32 126	0.24 120	0.33 125	0.24 120

LG-Stereo_L2	0.32 123	0.45 138	0.36 140	0.37 140	0.27 127	0.37 142	0.27 126	0.43 150	0.27 128	0.36 113	0.31 148	0.36 139	0.27 129	0.27 130	0.27 131	0.30 139	0.37 140	0.27 129	0.37 138	0.27 131	0.37 133	0.27 126	0.27 124	0.27 130	0.37 138	0.27 128	0.37 137	0.27 129

Former-RAFT_DAM_RVC	0.38 140	1.06 205	0.54 187	0.59 202	0.27 127	0.46 170	0.27 126	0.46 153	0.27 128	0.46 139	0.27 131	0.46 165	0.26 127	0.27 130	0.27 131	0.26 119	0.46 166	0.26 126	0.45 167	0.30 146	0.46 160	0.27 126	0.27 124	0.27 130	0.46 165	0.27 128	0.45 162	0.26 126

anonymity	0.30 114	0.34 117	0.27 117	0.33 128	0.27 127	0.33 129	0.28 133	0.33 118	0.28 133	0.33 102	0.28 134	0.33 128	0.28 131	0.28 135	0.28 135	0.28 129	0.34 129	0.28 130	0.34 129	0.28 132	0.34 123	0.27 126	0.27 124	0.27 130	0.34 129	0.28 130	0.34 129	0.28 132

DN-CSS_ROB	0.30 114	0.34 117	0.29 125	0.34 130	0.27 127	0.34 131	0.28 133	0.33 118	0.27 128	0.34 105	0.27 131	0.34 130	0.28 131	0.29 137	0.27 131	0.26 119	0.35 132	0.29 139	0.33 126	0.28 132	0.34 123	0.28 132	0.28 129	0.27 130	0.34 129	0.28 130	0.33 125	0.28 132

DEFOM-Stereo	0.43 153	1.60 241	1.47 265	0.30 124	0.28 131	0.31 126	0.28 133	1.65 256	0.25 119	0.29 100	0.26 127	0.30 126	0.29 140	0.27 130	0.26 128	0.26 119	0.30 125	0.29 139	0.30 125	0.26 127	0.29 119	0.29 142	0.27 124	0.26 126	0.30 124	0.29 143	0.30 123	0.29 141

SQANet	0.33 126	0.28 108	0.28 120	0.28 123	0.28 131	0.29 124	0.28 133	0.28 111	0.28 133	1.59 237	0.28 134	0.28 123	0.28 131	0.28 135	0.28 135	0.28 129	0.28 123	0.28 130	0.29 123	0.28 132	0.28 117	0.28 132	0.28 129	0.28 134	0.28 122	0.28 130	0.28 121	0.28 132

LL-Strereo2	0.47 161	2.60 270	0.51 183	0.38 144	0.28 131	0.37 142	0.28 133	0.55 182	0.35 155	0.44 136	0.34 156	0.44 164	0.34 153	0.34 145	0.36 158	0.36 156	0.47 170	0.36 158	0.47 172	0.35 158	0.47 164	0.35 154	0.35 154	0.35 159	0.46 165	0.35 156	0.47 167	0.35 157

PML	0.39 143	0.56 164	0.29 125	0.55 196	0.28 131	0.56 198	0.28 133	0.51 173	0.28 133	0.50 148	0.28 134	0.51 186	0.28 131	0.29 137	0.28 135	0.29 137	0.56 193	0.29 139	0.57 201	0.28 132	0.56 191	0.28 132	0.28 129	0.29 142	0.56 197	0.28 130	0.56 194	0.28 132

CFNet_pseudo	1.01 242	9.78 320	0.29 125	0.38 144	0.28 131	0.38 146	0.28 133	0.38 135	0.28 133	0.39 119	0.28 134	0.39 148	0.28 131	9.50 328	0.29 143	0.28 129	0.38 143	0.28 130	0.38 142	0.28 132	0.38 136	0.28 132	0.28 129	0.28 134	0.38 141	0.28 130	0.38 139	0.28 132

pcwnet_v2	1.01 242	9.73 319	0.28 120	0.38 144	0.28 131	0.38 146	0.28 133	0.38 135	0.28 133	0.38 116	0.28 134	0.39 148	0.28 131	9.61 329	0.28 135	0.28 129	0.38 143	0.28 130	0.38 142	0.28 132	0.38 136	0.28 132	0.29 135	0.28 134	0.38 141	0.28 130	0.38 139	0.28 132

DGSMNet	0.33 126	0.42 135	0.28 120	0.40 156	0.28 131	0.40 156	0.28 133	0.40 143	0.28 133	0.40 125	0.28 134	0.39 148	0.28 131	0.27 130	0.28 135	0.28 129	0.40 157	0.28 130	0.42 163	0.29 141	0.41 151	0.31 147	0.29 135	0.28 134	0.41 156	0.28 130	0.42 158	0.29 141

FCDSN-DC	0.44 155	0.31 113	0.35 138	0.34 130	0.28 131	0.35 133	0.30 149	0.32 117	0.25 119	1.32 225	0.24 121	1.00 236	0.32 148	0.35 149	0.34 152	0.30 139	0.72 207	0.37 163	0.48 179	0.32 151	0.53 187	0.49 196	0.23 116	0.29 142	0.50 182	0.42 182	0.61 200	0.71 231
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
UCFNet_RVC	1.03 247	10.10 323	0.28 120	0.38 144	0.28 131	0.39 153	0.28 133	0.38 135	0.28 133	0.39 119	0.28 134	0.39 148	0.29 140	9.62 330	0.28 135	0.28 129	0.38 143	0.28 130	0.38 142	0.28 132	0.39 145	0.28 132	0.29 135	0.28 134	0.39 150	0.28 130	0.38 139	0.29 141

MLCV	0.30 114	0.33 116	0.28 120	0.34 130	0.28 131	0.33 129	0.28 133	0.33 118	0.29 141	0.33 102	0.27 131	0.33 128	0.28 131	0.26 123	0.29 143	0.28 129	0.33 128	0.28 130	0.33 126	0.28 132	0.33 122	0.27 126	0.28 129	0.28 134	0.33 127	0.28 130	0.33 125	0.28 132

EKT-Stereo	0.36 133	0.50 154	0.30 129	0.40 156	0.29 141	0.40 156	0.29 146	0.35 127	0.30 143	0.47 142	0.30 145	0.35 133	0.32 148	0.29 137	0.34 152	0.33 150	0.59 195	0.31 146	0.39 153	0.29 141	0.37 133	0.38 163	0.29 135	0.31 148	0.58 200	0.28 130	0.51 185	0.29 141

Any-RAFT	0.32 123	0.45 138	0.29 125	0.36 138	0.29 141	0.36 138	0.29 146	0.36 131	0.29 141	0.35 107	0.29 142	0.35 133	0.28 131	0.27 130	0.28 135	0.28 129	0.35 132	0.28 130	0.35 131	0.28 132	0.35 127	0.28 132	0.29 135	0.29 142	0.36 134	0.29 143	0.36 134	0.29 141

HH	0.66 192	2.13 252	0.47 166	0.37 140	0.29 141	0.36 138	0.27 126	0.49 166	0.44 182	0.78 172	0.68 225	0.67 203	0.90 241	0.62 206	0.90 241	0.53 200	0.88 220	0.48 195	0.37 138	0.29 141	0.63 200	0.66 218	0.66 213	0.51 202	1.06 246	0.61 216	1.08 244	0.60 211

HanStereo	0.66 192	2.13 252	0.47 166	0.37 140	0.29 141	0.36 138	0.27 126	0.49 166	0.44 182	0.78 172	0.68 225	0.67 203	0.90 241	0.62 206	0.90 241	0.53 200	0.88 220	0.48 195	0.37 138	0.29 141	0.63 200	0.66 218	0.66 213	0.51 202	1.06 246	0.61 216	1.08 244	0.60 211

IER	0.56 183	2.72 273	2.20 289	0.38 144	0.29 141	0.38 146	0.27 126	2.77 288	0.27 128	0.38 116	0.28 134	0.37 141	0.25 121	0.26 123	0.25 123	0.26 119	0.38 143	0.29 139	0.38 142	0.25 123	0.39 145	0.25 119	0.29 135	0.29 142	0.40 151	0.25 121	0.38 139	0.25 121

GREAT-IGEV	0.36 133	0.46 141	0.33 136	0.43 167	0.30 146	0.43 167	0.30 149	0.45 152	0.30 143	0.42 133	0.30 145	0.43 162	0.30 143	0.30 140	0.30 145	0.30 139	0.43 164	0.30 143	0.43 164	0.30 146	0.43 157	0.30 145	0.30 143	0.30 146	0.43 162	0.30 146	0.43 160	0.30 147
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
GES	0.43 153	0.41 129	0.31 132	0.35 134	0.30 146	0.47 176	0.28 133	0.33 118	0.28 133	0.35 107	0.29 142	2.95 291	0.38 165	0.35 149	0.30 145	0.34 151	0.34 129	0.30 143	0.33 126	0.30 146	0.35 127	0.30 145	0.33 149	0.33 153	0.33 127	0.31 149	0.33 125	0.29 141

RAFT + AFF	0.34 129	0.29 109	0.32 135	0.31 126	0.30 146	0.39 153	0.32 153	0.39 141	0.30 143	0.39 119	0.32 151	0.39 148	0.32 148	0.35 149	0.36 158	0.32 148	0.38 143	0.31 146	0.38 142	0.31 150	0.38 136	0.28 132	0.37 163	0.34 155	0.38 141	0.30 146	0.38 139	0.28 132

CASnet	0.32 123	0.53 157	0.34 137	0.27 119	0.31 149	0.34 131	0.29 146	0.31 116	0.32 146	0.25 92	0.31 148	0.27 121	0.40 174	0.45 177	0.27 131	0.30 139	0.26 120	0.40 174	0.28 122	0.37 164	0.28 117	0.39 172	0.29 135	0.40 177	0.29 123	0.28 130	0.24 106	0.30 147
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
ccs_rob	1.00 238	10.06 322	0.31 132	0.44 169	0.31 149	0.43 167	0.31 152	0.43 150	0.32 146	0.45 137	0.32 151	1.20 254	0.31 145	7.02 327	0.31 148	0.31 144	0.44 165	0.31 146	0.44 166	0.32 151	0.44 159	0.31 147	0.32 146	0.32 150	0.44 164	0.32 151	0.43 160	0.31 150

DDF-Stereo	0.37 138	0.57 167	0.50 179	0.40 156	0.32 151	0.40 156	0.32 153	0.53 176	0.32 146	0.39 119	0.32 151	0.39 148	0.32 148	0.32 143	0.32 150	0.32 148	0.40 157	0.32 150	0.40 154	0.32 151	0.40 150	0.32 150	0.32 146	0.32 150	0.40 151	0.32 151	0.40 150	0.32 152

RSM	0.33 126	0.36 121	0.31 132	0.39 155	0.32 151	0.36 138	0.30 149	0.35 127	0.38 163	0.35 107	0.31 148	0.35 133	0.30 143	0.30 140	0.31 148	0.30 139	0.36 137	0.31 146	0.36 134	0.30 146	0.36 131	0.31 147	0.31 145	0.31 148	0.36 134	0.31 149	0.36 134	0.31 150

RAFT-Test	0.34 129	0.45 138	0.30 129	0.38 144	0.32 151	0.40 156	0.32 153	0.39 141	0.32 146	0.39 119	0.30 145	0.37 141	0.29 140	0.30 140	0.30 145	0.29 137	0.38 143	0.30 143	0.38 142	0.29 141	0.38 136	0.29 142	0.29 135	0.30 146	0.38 141	0.30 146	0.38 139	0.30 147

GIP-stereo	0.38 140	0.56 164	0.40 148	0.45 170	0.33 154	0.44 169	0.35 156	0.49 166	0.33 150	0.43 134	0.32 151	0.42 158	0.31 145	0.33 144	0.33 151	0.34 151	0.40 157	0.32 150	0.40 154	0.32 151	0.43 157	0.38 163	0.33 149	0.32 150	0.43 162	0.32 151	0.42 158	0.34 156

CES	0.38 140	0.34 117	0.44 159	0.43 167	0.33 154	0.37 142	0.44 186	0.37 132	0.38 163	0.45 137	0.35 157	0.35 133	0.41 175	0.45 177	0.36 158	0.36 156	0.36 137	0.45 183	0.43 164	0.35 158	0.34 123	0.46 182	0.36 159	0.36 162	0.42 161	0.34 155	0.35 131	0.38 168

GMOStereo	0.50 164	0.44 136	2.38 295	0.40 156	0.34 156	0.42 164	0.36 162	1.96 263	0.34 151	0.41 126	0.36 160	0.42 158	0.35 155	0.34 145	0.38 163	0.31 144	0.39 153	0.34 152	0.40 154	0.33 155	0.39 145	0.33 151	0.33 149	0.34 155	0.40 151	0.36 159	0.40 150	0.32 152

error version	0.50 164	0.44 136	2.38 295	0.40 156	0.34 156	0.42 164	0.36 162	1.96 263	0.34 151	0.41 126	0.36 160	0.42 158	0.35 155	0.34 145	0.38 163	0.31 144	0.39 153	0.34 152	0.40 154	0.33 155	0.39 145	0.33 151	0.33 149	0.34 155	0.40 151	0.36 159	0.40 150	0.32 152

test_1	0.65 191	4.37 289	2.38 295	0.40 156	0.34 156	0.42 164	0.36 162	1.96 263	0.34 151	0.41 126	0.36 160	0.42 158	0.35 155	0.34 145	0.38 163	0.31 144	0.39 153	0.34 152	0.40 154	0.33 155	0.39 145	0.33 151	0.33 149	0.34 155	0.40 151	0.36 159	0.40 150	0.32 152

GEAStereo	0.42 150	0.55 160	0.44 159	0.48 180	0.35 159	0.48 182	0.35 156	0.54 178	0.35 155	0.47 142	0.36 160	0.47 170	0.41 175	0.38 158	0.38 163	0.38 162	0.51 185	0.36 158	0.51 190	0.38 168	0.48 171	0.35 154	0.35 154	0.36 162	0.52 188	0.37 165	0.48 173	0.36 162

gasm-f	0.42 150	0.55 160	0.44 159	0.48 180	0.35 159	0.48 182	0.35 156	0.54 178	0.35 155	0.47 142	0.36 160	0.47 170	0.41 175	0.38 158	0.38 163	0.38 162	0.51 185	0.36 158	0.51 190	0.38 168	0.48 171	0.35 154	0.35 154	0.36 162	0.52 188	0.37 165	0.48 173	0.36 162

GASTEREO	0.41 145	0.54 158	0.44 159	0.48 180	0.35 159	0.48 182	0.35 156	0.53 176	0.35 155	0.46 139	0.35 157	0.46 165	0.35 155	0.35 149	0.35 154	0.35 154	0.47 170	0.35 156	0.47 172	0.35 158	0.47 164	0.38 163	0.35 154	0.35 159	0.48 176	0.35 156	0.47 167	0.35 157

DMCA	0.36 133	0.38 123	0.37 142	0.35 134	0.35 159	0.35 133	0.36 162	0.35 127	0.36 160	0.36 113	0.37 166	0.36 139	0.36 160	0.36 154	0.35 154	0.37 159	0.36 137	0.36 158	0.36 134	0.36 162	0.36 131	0.35 154	0.36 159	0.36 162	0.37 138	0.36 159	0.36 134	0.36 162

ETE_ROB	0.35 132	0.35 120	0.35 138	0.35 134	0.35 159	0.35 133	0.35 156	0.35 127	0.35 155	0.35 107	0.35 157	0.35 133	0.35 155	0.35 149	0.35 154	0.35 154	0.35 132	0.35 156	0.35 131	0.35 158	0.35 127	0.35 154	0.35 154	0.35 159	0.35 132	0.35 156	0.35 131	0.35 157

GSStereo	0.42 150	0.56 164	0.44 159	0.48 180	0.36 164	0.48 182	0.36 162	0.54 178	0.36 160	0.47 142	0.36 160	0.47 170	0.36 160	0.36 154	0.35 154	0.36 156	0.48 175	0.36 158	0.48 179	0.36 162	0.48 171	0.36 159	0.36 159	0.36 162	0.48 176	0.36 159	0.48 173	0.35 157

LG-Stereo_Zeroshot	0.45 158	0.57 167	0.45 164	0.54 193	0.37 165	0.53 195	0.37 167	0.56 184	0.40 172	0.53 154	0.38 169	0.53 190	0.37 162	0.37 156	0.37 161	0.37 159	0.55 190	0.38 166	0.53 195	0.37 164	0.53 187	0.37 160	0.37 163	0.39 176	0.54 193	0.37 165	0.54 191	0.37 165

iRaftStereo_RVC	0.62 189	1.76 244	2.24 291	0.52 192	0.37 165	0.53 195	0.38 170	2.51 282	0.38 163	0.51 151	0.38 169	0.51 186	0.38 165	0.38 158	0.38 163	0.38 162	0.52 187	0.38 166	0.52 193	0.38 168	0.52 184	0.38 163	0.38 167	0.38 169	0.52 188	0.39 175	0.52 188	0.38 168

CFNet_RVC	0.93 232	8.54 316	0.41 150	0.56 197	0.37 165	0.56 198	0.37 167	0.50 170	0.40 172	0.56 157	5.24 327	0.56 193	0.34 153	0.40 167	0.41 178	0.34 151	0.53 189	0.40 174	0.56 200	0.38 168	0.52 184	0.40 174	0.40 174	0.41 178	0.56 197	0.40 176	0.56 194	0.40 175

XPNet_ROB	0.37 138	0.37 122	0.37 142	0.37 140	0.37 165	0.37 142	0.37 167	0.37 132	0.37 162	0.37 115	0.37 166	0.37 141	0.37 162	0.37 156	0.37 161	0.37 159	0.37 140	0.37 163	0.37 138	0.37 164	0.37 133	0.37 160	0.37 163	0.37 168	0.37 138	0.37 165	0.37 137	0.37 165

LG-Stereo_L1	0.44 155	0.58 170	0.49 178	0.51 191	0.38 169	0.51 191	0.38 170	0.56 184	0.38 163	0.50 148	0.38 169	0.50 183	0.38 165	0.38 158	0.38 163	0.38 162	0.52 187	0.38 166	0.52 193	0.38 168	0.51 181	0.38 163	0.38 167	0.38 169	0.52 188	0.38 169	0.51 185	0.40 175

WAO-7	0.46 159	0.38 123	0.38 144	0.38 144	0.38 169	0.38 146	0.38 170	0.38 135	0.38 163	2.57 281	0.38 169	0.38 144	0.38 165	0.38 158	0.38 163	0.38 162	0.38 143	0.38 166	0.38 142	0.38 168	0.38 136	0.38 163	0.38 167	0.38 169	0.38 141	0.38 169	0.38 139	0.38 168

HanzoNet	0.47 161	0.39 127	0.38 144	0.38 144	0.38 169	0.38 146	0.38 170	0.40 143	0.38 163	2.63 282	0.38 169	0.38 144	0.38 165	0.38 158	0.38 163	0.39 170	0.38 143	0.38 166	0.38 142	0.42 182	0.38 136	0.39 172	0.39 173	0.38 169	0.38 141	0.38 169	0.38 139	0.39 174

Venus	0.46 159	0.38 123	0.40 148	0.38 144	0.38 169	0.39 153	0.38 170	0.38 135	0.38 163	2.71 283	0.38 169	0.38 144	0.38 165	0.38 158	0.38 163	0.38 162	0.38 143	0.38 166	0.38 142	0.38 168	0.38 136	0.38 163	0.38 167	0.38 169	0.38 141	0.38 169	0.39 149	0.38 168

IMH	0.47 161	0.40 128	0.39 147	0.38 144	0.38 169	0.38 146	0.38 170	0.38 135	0.40 172	2.79 285	0.38 169	0.38 144	0.38 165	0.38 158	0.38 163	0.38 162	0.39 153	0.38 166	0.38 142	0.40 176	0.38 136	0.38 163	0.38 167	0.38 169	0.38 141	0.38 169	0.38 139	0.38 168

MSCF	0.44 155	0.60 172	0.47 166	0.50 188	0.40 174	0.50 189	0.38 170	0.57 186	0.38 163	0.48 146	0.38 169	0.48 178	0.38 165	0.38 158	0.38 163	0.38 162	0.49 180	0.38 166	0.49 183	0.39 175	0.50 179	0.38 163	0.38 167	0.38 169	0.49 181	0.38 169	0.49 181	0.38 168

WAO-8	1.02 245	1.50 237	1.49 266	0.40 156	0.40 174	1.56 269	0.98 245	1.55 254	0.58 211	4.18 307	0.40 177	0.79 217	0.48 193	0.91 238	0.39 175	0.99 247	0.71 206	0.70 230	0.51 190	0.77 233	1.07 239	0.82 237	0.69 226	0.96 250	1.01 242	1.30 272	1.10 246	1.38 276

GwcNet-ADL	0.41 145	0.41 129	0.41 150	0.41 163	0.41 176	0.41 160	0.41 178	0.41 145	0.41 175	0.41 126	0.41 179	0.41 154	0.41 175	0.41 168	0.41 178	0.41 171	0.41 160	0.41 176	0.41 159	0.41 177	0.41 151	0.41 176	0.41 175	0.41 178	0.41 156	0.41 177	0.41 154	0.41 177

PSMNet-ADL	0.41 145	0.41 129	0.41 150	0.41 163	0.41 176	0.41 160	0.41 178	0.41 145	0.41 175	0.41 126	0.41 179	0.41 154	0.41 175	0.41 168	0.41 178	0.41 171	0.41 160	0.41 176	0.41 159	0.41 177	0.41 151	0.41 176	0.41 175	0.41 178	0.41 156	0.41 177	0.41 154	0.41 177

GANet-ADL	0.41 145	0.41 129	0.41 150	0.41 163	0.41 176	0.41 160	0.41 178	0.41 145	0.41 175	0.41 126	0.41 179	0.41 154	0.41 175	0.41 168	0.41 178	0.41 171	0.41 160	0.41 176	0.41 159	0.41 177	0.41 151	0.41 176	0.41 175	0.41 178	0.41 156	0.41 177	0.41 154	0.41 177

CroCo-Stereo	0.80 212	2.51 265	0.41 150	1.27 261	0.41 176	1.27 260	0.41 178	1.27 245	0.41 175	1.27 222	0.41 179	1.27 257	0.41 175	0.41 168	0.41 178	0.41 171	1.28 258	0.41 176	1.27 257	0.41 177	1.27 258	0.41 176	0.42 179	0.41 178	1.27 262	0.41 177	1.27 259	0.41 177
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	0.41 145	0.41 129	0.41 150	0.41 163	0.41 176	0.41 160	0.41 178	0.41 145	0.41 175	0.41 126	0.41 179	0.41 154	0.41 175	0.41 168	0.41 178	0.41 171	0.41 160	0.41 176	0.41 159	0.41 177	0.41 151	0.41 176	0.41 175	0.41 178	0.41 156	0.41 177	0.41 154	0.41 177

FSD		0.55 160	0.42 156	0.54 193	0.42 181	0.55 197	0.43 184	0.54 178	0.42 180	0.59 158	0.42 184			0.43 174	0.42 184	0.42 176			2.46 286	0.44 185				0.44 185	0.55 194	0.43 184	0.55 192	0.53 203

FC-DCNN	1.10 249	0.81 188	0.77 216	0.63 209	0.42 181	0.86 222	0.64 221	0.91 208	0.96 245	1.11 206	0.80 236	1.07 243	0.81 235	0.67 220	1.75 286	1.30 270	1.41 265	0.85 240	1.28 258	0.71 229	2.12 278	1.32 269	0.52 199	0.81 241	1.64 272	1.40 279	2.39 285	1.75 289

CroCo-Stereo Lap2	0.85 227	2.86 276	0.43 157	1.33 263	0.43 183	1.31 261	0.42 183	1.32 246	0.42 180	1.31 224	0.44 185	1.32 259	0.44 183	0.43 174	0.44 185	0.43 177	1.35 259	0.43 182	1.32 260	0.43 183	1.31 259	0.43 181	0.43 180	0.42 184	1.31 263	0.42 182	1.31 260	0.43 182

Occ-G	0.68 198	0.54 158	3.16 304	0.57 201	0.45 184	0.52 194	0.40 177	3.44 295	0.46 185	0.52 152	0.45 186	0.51 186	0.44 183	0.44 176	0.40 176	0.45 179	0.55 190	0.41 176	0.53 195	0.43 183	0.52 184	0.40 174	0.44 181	0.45 186	0.55 194	0.44 185	0.53 190	0.44 183

otaku	0.52 168	0.46 141	0.48 172	0.46 171	0.46 185	0.46 170	0.46 187	0.46 153	0.47 190	1.88 244	0.46 187	0.46 165	0.46 186	0.46 179	0.46 187	0.46 180	0.47 170	0.46 184	0.46 168	0.46 187	0.47 164	0.46 182	0.46 182	0.46 187	0.47 171	0.46 186	0.46 163	0.47 187

Dean	0.52 168	0.46 141	0.48 172	0.46 171	0.46 185	0.46 170	0.46 187	0.46 153	0.46 185	1.90 245	0.46 187	0.47 170	0.46 186	0.46 179	0.46 187	0.46 180	0.48 175	0.46 184	0.46 168	0.46 187	0.46 160	0.46 182	0.46 182	0.46 187	0.46 165	0.46 186	0.46 163	0.46 184

ACVNet-4b	0.53 172	0.46 141	0.47 166	0.46 171	0.46 185	0.46 170	0.46 187	0.46 153	0.46 185	2.17 261	0.46 187	0.46 165	0.47 189	0.46 179	0.46 187	0.46 180	0.46 166	0.46 184	0.46 168	0.46 187	0.46 160	0.46 182	0.46 182	0.47 191	0.46 165	0.46 186	0.46 163	0.46 184

MaskLacGwcNet_RVC	0.70 201	6.91 303	0.46 165	0.46 171	0.46 185	0.46 170	0.46 187	0.46 153	0.46 185	0.46 139	0.46 187	0.46 165	0.46 186	0.46 179	0.46 187	0.46 180	0.46 166	0.46 184	0.46 168	0.46 187	0.47 164	0.46 182	0.46 182	0.46 187	0.46 165	0.46 186	0.46 163	0.46 184

TorneroNet-64	0.69 199	0.65 176	0.30 129	0.27 119	0.47 189	0.28 123	0.35 156	0.34 124	0.80 232	7.93 328	0.29 142	0.30 126	0.31 145	0.81 234	0.28 135	0.27 128	0.29 124	0.28 130	0.85 222	0.83 240	0.62 199	0.28 132	0.30 143	0.28 134	0.52 188	0.29 143	0.29 122	0.27 129

HaxPig	0.52 168	0.48 150	0.47 166	0.47 176	0.47 189	0.47 176	0.47 191	0.47 159	0.47 190	1.80 241	0.47 191	0.47 170	0.47 189	0.47 183	0.47 191	0.47 187	0.47 170	0.47 191	0.47 172	0.47 192	0.47 164	0.47 190	0.47 188	0.47 191	0.47 171	0.47 193	0.47 167	0.47 187

UNDER WATER	0.52 168	0.47 147	0.47 166	0.47 176	0.47 189	0.47 176	0.47 191	0.47 159	0.47 190	1.90 245	0.47 191	0.47 170	0.47 189	0.47 183	0.47 191	0.47 187	0.46 166	0.47 191	0.47 172	0.47 192	0.46 160	0.47 190	0.47 188	0.48 195	0.47 171	0.47 193	0.47 167	0.47 187

LVE	0.53 172	0.47 147	0.48 172	0.47 176	0.47 189	0.47 176	0.47 191	0.48 162	0.47 190	1.96 252	0.47 191	0.47 170	0.47 189	0.47 183	0.47 191	0.47 187	0.47 170	0.47 191	0.47 172	0.47 192	0.47 164	0.47 190	0.47 188	0.47 191	0.47 171	0.47 193	0.47 167	0.47 187

ACVNet_1	0.53 172	0.46 141	0.48 172	0.47 176	0.47 189	0.46 170	0.48 195	0.48 162	0.48 194	2.07 258	0.47 191	0.48 178	0.48 193	0.47 183	0.47 191	0.46 180	0.49 180	0.47 191	0.47 172	0.47 192	0.48 171	0.46 182	0.46 182	0.48 195	0.47 171	0.47 193	0.48 173	0.47 187

Ntro	0.53 172	0.47 147	0.50 179	0.46 171	0.48 194	0.47 176	0.47 191	0.46 153	0.46 185	2.05 257	0.47 191	0.47 170	0.49 197	0.47 183	0.47 191	0.46 180	0.48 175	0.46 184	0.49 183	0.46 187	0.47 164	0.46 182	0.46 182	0.47 191	0.46 165	0.46 186	0.47 167	0.47 187

RainbowNet	0.53 172	0.48 150	0.48 172	0.48 180	0.48 194	0.48 182	0.48 195	0.48 162	0.48 194	1.92 247	0.48 196	0.48 178	0.48 193	0.48 188	0.48 196	0.48 190	0.48 175	0.48 195	0.48 179	0.48 196	0.48 171	0.48 193	0.48 191	0.48 195	0.48 176	0.48 197	0.48 173	0.48 193

notaker	0.54 177	0.48 150	0.48 172	0.48 180	0.48 194	0.48 182	0.49 198	0.48 162	0.48 194	1.95 251	0.48 196	0.48 178	0.48 193	0.48 188	0.48 196	0.48 190	0.48 175	0.48 195	0.48 179	0.48 196	0.49 177	0.48 193	0.48 191	0.49 198	0.48 176	0.48 197	0.48 173	0.49 194

AEACV	0.74 207	0.52 156	3.10 301	0.60 203	0.48 194	0.56 198	0.48 195	3.02 289	0.83 237	0.61 161	0.62 215	0.72 209	0.50 199	0.49 191	0.49 200	0.48 190	0.58 194	0.50 201	0.55 198	0.48 196	0.56 191	0.50 202	0.50 196	0.51 202	0.58 200	0.51 205	0.60 197	0.51 200

AIO-test1	0.54 177	0.64 175	0.54 187	0.60 203	0.49 198	0.61 204	0.49 198	0.64 190	0.49 199	0.59 158	0.48 196	0.60 197	0.50 199	0.48 188	0.48 196	0.48 190	0.60 196	0.48 195	0.60 203	0.48 196	0.60 195	0.49 196	0.49 193	0.49 198	0.59 202	0.49 200	0.60 197	0.49 194

KSHMR	0.85 227	0.72 178	0.51 183	0.49 186	0.49 198	0.51 191	1.07 258	0.50 170	0.48 194	6.04 323	0.52 203	0.66 201	0.98 247	0.49 191	0.77 234	0.49 194	1.17 250	0.51 204	0.49 183	1.06 256	0.51 181	0.49 196	0.49 193	0.51 202	1.04 244	0.49 200	0.81 216	0.72 232

ACVNet_2	0.55 180	0.49 153	0.50 179	0.49 186	0.49 198	0.49 188	0.49 198	0.49 166	0.49 199	2.14 260	0.49 199	0.50 183	0.49 197	0.49 191	0.49 200	0.49 194	0.50 183	0.49 200	0.50 187	0.49 200	0.49 177	0.49 196	0.49 193	0.50 200	0.50 182	0.49 200	0.50 183	0.49 194

test-3	0.78 211	4.38 290	1.80 277	0.62 207	0.49 198	0.62 205	0.50 202	1.86 259	0.64 215	0.69 165	0.52 203	0.66 201	0.38 165	0.58 201	0.57 211	0.46 180	0.66 202	0.46 184	0.50 187	0.44 185	0.48 171	0.58 207	0.54 200	0.60 216	0.70 208	0.46 186	0.48 173	0.50 197

AIO-test2	0.54 177	0.65 176	0.55 190	0.60 203	0.50 202	0.60 202	0.49 198	0.65 191	0.48 194	0.60 160	0.49 199	0.59 195	0.50 199	0.50 194	0.49 200	0.49 194	0.60 196	0.50 201	0.60 203	0.49 200	0.60 195	0.49 196	0.50 196	0.51 202	0.60 203	0.48 197	0.60 197	0.50 197

SANet	0.50 164	0.50 154	0.50 179	0.50 188	0.50 202	0.50 189	0.50 202	0.50 170	0.50 201	0.50 148	0.50 201	0.50 183	0.50 199	0.50 194	0.50 203	0.50 198	0.50 183	0.50 201	0.50 187	0.50 203	0.50 179	0.50 202	0.50 196	0.50 200	0.50 182	0.50 203	0.50 183	0.50 197

TorneroNet	1.15 252	1.10 209	0.51 183	0.69 212	0.51 204	1.10 248	0.50 202	0.51 173	0.51 202	13.92 330	1.17 264	0.49 182	0.51 204	0.54 196	0.48 196	0.49 194	0.49 180	0.65 219	0.70 208	0.49 200	0.51 181	0.49 196	0.67 219	1.36 276	0.51 186	0.50 203	0.52 188	1.23 268

MyStereo04	0.76 209	4.78 295	0.62 201	0.63 209	0.54 205	0.65 207	0.56 210	0.61 188	0.58 211	0.61 161	0.56 207	0.63 199	0.57 210	0.63 209	0.60 213	0.60 208	0.64 200	0.56 210	0.63 206	0.58 210	0.63 200	0.62 214	0.55 201	0.60 216	0.63 206	0.57 210	0.64 202	0.58 208

CASS	0.58 185	0.89 191	0.55 190	0.56 197	0.55 206	0.60 202	0.57 212	0.57 186	0.56 207	0.55 155	0.56 207	0.56 193	0.50 199	0.63 209	0.56 208	0.56 205	0.62 199	0.62 216	0.59 202	0.56 208	0.56 191	0.48 193	0.60 208	0.56 209	0.57 199	0.60 215	0.57 196	0.59 209
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
PSMNet_ROB	0.55 180	0.55 160	0.56 193	0.56 197	0.55 206	0.56 198	0.55 206	0.55 182	0.55 205	0.55 155	0.55 206	0.55 192	0.55 207	0.55 197	0.56 208	0.55 202	0.55 190	0.55 207	0.55 198	0.55 206	0.55 190	0.55 205	0.55 201	0.55 208	0.55 194	0.55 208	0.55 192	0.55 204

FlowAnything	1.02 245	2.51 265	0.58 197	1.60 270	0.56 208	1.61 270	0.56 210	1.60 255	0.55 205	1.61 238	0.56 207	1.61 266	0.55 207	0.55 197	0.55 207	0.55 202	1.61 269	0.56 210	1.61 267	0.56 208	1.62 266	0.55 205	0.56 204	0.56 209	1.62 271	0.56 209	1.62 268	0.56 205

ARAFT	0.64 190	0.74 182	0.62 201	0.70 215	0.56 208	0.72 212	0.55 206	0.72 197	0.54 204	0.73 169	0.56 207	0.72 209	0.56 209	0.56 199	0.62 216	0.63 211	0.73 208	0.53 206	0.73 211	0.54 205	0.72 205	0.65 215	0.62 210	0.56 209	0.72 210	0.54 206	0.72 207	0.57 206

zero-FE	0.66 192	0.80 185	0.56 193	0.79 219	0.58 210	0.82 217	0.55 206	0.76 199	0.56 207	0.75 171	0.58 211	0.75 213	0.59 212	0.57 200	0.56 208	0.55 202	0.79 212	0.55 207	0.78 216	0.55 206	0.85 214	0.58 207	0.55 201	0.57 213	0.80 216	0.57 210	0.80 212	0.57 206

DDUNet	0.69 199	0.84 189	0.59 198	0.84 225	0.59 211	0.87 223	0.57 212	0.84 204	0.59 213	0.82 179	0.58 211	0.85 222	0.57 210	0.59 204	0.59 212	0.57 206	0.87 219	0.59 212	0.85 222	0.59 213	0.85 214	0.59 210	0.59 206	0.59 214	0.87 221	0.59 213	0.84 218	0.59 209

UDG	0.70 201	0.87 190	0.56 193	0.87 226	0.59 211	0.84 220	0.59 215	0.85 205	0.57 210	0.84 181	0.59 213	0.84 221	0.60 213	0.58 201	0.60 213	0.59 207	0.85 218	0.59 212	0.87 224	0.58 210	0.87 216	0.60 211	0.57 205	0.59 214	0.87 221	0.58 212	0.86 221	0.60 211

LMCR-Stereo	0.61 187	0.61 173	0.61 200	0.61 206	0.61 213	0.67 209	0.61 217	0.61 188	0.61 214	0.61 161	0.61 214	0.61 198	0.61 214	0.61 205	0.61 215	0.61 209	0.61 198	0.61 215	0.61 205	0.61 214	0.61 197	0.61 212	0.61 209	0.61 218	0.61 205	0.61 216	0.61 200	0.61 215

RAFT-Stereo + iAFF	0.67 196	0.74 182	0.60 199	0.79 219	0.61 213	0.76 213	0.57 212	0.71 196	0.56 207	0.71 167	0.54 205	0.72 209	0.66 218	0.65 212	0.65 219	0.64 212	0.74 210	0.64 218	0.74 213	0.63 215	0.73 206	0.65 215	0.64 211	0.64 220	0.74 212	0.61 216	0.73 208	0.64 216

STTRV1_RVC		1.59 239	0.52 186	0.69 212	0.61 213	0.66 208	0.43 184	0.88 207	0.45 184	0.71 167	0.62 215	0.69 206	0.45 185	0.62 206	0.40 176	0.44 178	0.80 214	0.59 212		0.63 215	0.80 208	0.46 182		0.61 218	0.72 210	0.54 206	0.80 212	0.60 211

AFF-stereo	0.71 203	0.73 180	0.65 203	0.82 223	0.63 216	0.83 218	0.63 219	0.73 198	0.65 216	0.82 179	0.73 231	0.74 212	0.64 215	0.63 209	0.62 216	0.62 210	0.73 208	0.63 217	0.74 213	0.72 231	0.80 208	0.58 207	0.70 227	0.71 234	0.79 214	0.69 230	0.78 210	0.72 232

WQFJA1++	0.80 212	1.24 220	0.73 207	0.97 234	0.65 217	0.97 231	0.65 222	0.97 216	0.65 216	0.94 190	0.66 218	0.94 228	0.65 217	0.66 215	0.65 219	0.66 214	0.98 228	0.66 221	0.98 232	0.66 219	0.98 225	0.66 218	0.66 213	0.66 223	0.98 232	0.66 220	0.98 229	0.66 218

LG-Stereo	0.57 184	0.58 170	0.43 157	0.54 193	0.65 217	0.95 229	0.69 231	0.69 193	0.38 163	0.52 152	0.37 166	0.53 190	0.37 162	0.68 224	0.73 233	0.72 228	0.70 204	0.37 163	0.54 197	0.37 164	0.54 189	0.37 160	0.37 163	0.56 209	0.95 230	0.59 213	0.84 218	0.37 165

DSFCA	0.66 192	0.73 180	0.74 209	0.68 211	0.65 217	0.64 206	0.65 222	0.65 191	0.65 216	0.66 164	0.65 217	0.65 200	0.64 215	0.65 212	0.65 219	0.65 213	0.65 201	0.65 219	0.65 207	0.65 217	0.65 203	0.65 215	0.65 212	0.65 221	0.66 207	0.66 220	0.65 203	0.65 217

WQFJA1	0.82 223	1.52 238	0.76 215	1.01 244	0.66 220	0.98 233	0.66 224	0.98 219	0.66 219	0.95 195	0.68 225	0.95 231	0.66 218	0.68 224	0.66 222	0.66 214	1.00 234	0.67 224	1.00 236	0.67 224	0.99 226	0.68 226	0.67 219	0.68 232	0.99 233	0.67 224	1.00 232	0.67 223

WQFJX	0.81 218	1.27 229	0.74 209	0.99 238	0.66 220	0.99 235	0.66 224	0.99 222	0.66 219	0.95 195	0.66 218	0.95 231	0.67 224	0.67 220	0.66 222	0.66 214	0.99 230	0.66 221	1.00 236	0.66 219	0.99 226	0.67 224	0.68 224	0.67 227	0.99 233	0.67 224	0.99 230	0.67 223

NLMM1	0.81 218	1.26 227	0.74 209	1.00 240	0.66 220	0.99 235	0.67 228	0.98 219	0.66 219	0.94 190	0.67 222	0.94 228	0.66 218	0.66 215	0.66 222	0.66 214	1.00 234	0.67 224	1.00 236	0.66 219	0.99 226	0.71 229	0.73 232	0.67 227	0.99 233	0.67 224	1.00 232	0.66 218

NLMM	0.80 212	1.26 227	0.75 213	0.98 236	0.66 220	0.97 231	0.66 224	0.97 216	0.66 219	0.94 190	0.66 218	0.96 235	0.66 218	0.66 215	0.68 229	0.67 219	0.99 230	0.68 228	0.98 232	0.66 219	0.99 226	0.66 218	0.66 213	0.66 223	1.00 238	0.66 220	0.99 230	0.66 218

NLSM3	0.81 218	1.27 229	0.75 213	0.99 238	0.66 220	0.99 235	0.66 224	0.98 219	0.67 224	0.95 195	0.66 218	0.95 231	0.66 218	0.67 220	0.67 226	0.66 214	0.99 230	0.66 221	0.99 235	0.66 219	0.99 226	0.67 224	0.66 213	0.66 223	0.99 233	0.67 224	1.00 232	0.67 223

WQFJX1	0.81 218	1.27 229	0.74 209	0.98 236	0.67 225	0.98 233	0.67 228	0.97 216	0.67 224	0.94 190	0.67 222	0.95 231	0.66 218	0.66 215	0.66 222	0.67 219	0.99 230	0.67 224	0.98 232	0.68 227	0.99 226	0.66 218	0.66 213	0.66 223	0.99 233	0.66 220	1.00 232	0.66 218

AdaDepth	0.80 212	0.95 197	1.02 234	0.95 231	0.67 225	0.95 229	0.67 228	0.94 213	0.67 224	0.92 185	0.67 222	0.94 228	0.67 224	0.67 220	0.67 226	0.67 219	0.95 225	0.67 224	0.95 231	0.67 224	0.96 224	0.68 226	0.67 219	0.67 227	0.96 231	0.67 224	0.95 228	0.67 223

MoCha-V2	1.75 273	27.02 338	0.72 204	0.92 227	0.69 227	0.89 224	0.69 231	0.92 210	0.71 227	0.87 182	0.69 228	0.88 223	0.68 226	0.70 226	0.68 229	0.69 224	0.90 222	0.69 229	0.92 226	0.69 228	0.92 219	0.71 229	0.70 227	0.67 227	0.88 223	0.71 231	0.92 222	0.68 227

DMCA-RVC	0.71 203	0.72 178	0.72 204	0.71 216	0.70 228	0.70 210	0.70 234	0.70 195	0.71 227	0.70 166	0.71 229	0.71 208	0.70 227	0.70 226	0.71 231	0.70 225	0.70 204	0.71 231	0.70 208	0.71 229	0.70 204	0.70 228	0.71 229	0.71 234	0.70 208	0.72 233	0.71 205	0.70 229

RSM++	0.77 210	0.91 192	0.72 204	0.83 224	0.71 229	0.83 218	0.72 235	0.81 203	0.71 227	0.81 178	0.71 229	0.81 220	0.71 229	0.71 228	0.71 231	0.70 225	0.83 217	0.72 232	0.83 221	0.81 239	0.83 212	0.72 231	0.71 229	0.71 234	0.88 223	0.71 231	0.83 217	0.70 229

PA-Net	0.71 203	0.62 174	0.55 190	0.69 212	0.71 229	0.70 210	0.69 231	0.69 193	0.74 230	0.73 169	0.75 232	0.59 195	0.72 230	0.82 235	0.79 236	0.83 234	0.67 203	0.76 234	0.81 220	0.67 224	0.61 197	0.76 232	0.68 224	0.65 221	0.82 219	0.76 236	0.71 205	0.69 228
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-Stereo	0.82 223	1.06 205	0.73 207	0.97 234	0.74 231	1.06 245	0.60 216	1.04 229	0.90 240	1.00 198	1.01 250	0.78 215	0.85 239	0.74 230	0.62 216	0.67 219	1.12 243	0.55 207	0.70 208	0.65 217	0.93 221	0.66 218	0.67 219	0.67 227	0.82 219	0.74 234	0.92 222	0.83 238

AIO-Stereo-zeroshot	0.93 232	0.77 184	0.82 221	1.16 256	0.75 232	0.99 235	0.92 242	0.91 208	0.99 247	0.94 190	0.91 241	1.15 247	0.88 240	0.92 240	1.00 248	0.67 219	0.98 228	1.00 247	0.75 215	0.91 244	1.18 247	0.87 238	0.89 239	0.90 244	1.08 249	1.07 256	0.74 209	0.89 240

G-Net	0.82 223	1.77 245	0.78 217	0.78 218	0.78 233	0.78 214	0.78 236	0.78 200	0.79 231	0.79 174	0.78 234	0.78 215	0.78 232	0.78 231	0.78 235	0.78 230	0.79 212	0.79 235	0.79 217	0.79 234	0.79 207	0.79 233	0.79 234	0.79 237	0.79 214	0.79 237	0.79 211	0.79 235

HSM-Net_RVC	0.93 232	1.09 208	0.79 218	1.10 249	0.78 233	1.09 247	0.79 237	1.16 237	0.80 232	1.14 208	0.79 235	1.17 250	0.77 231	0.73 229	0.83 239	0.78 230	1.19 254	0.79 235	1.18 252	0.72 231	1.19 249	0.80 234	0.72 231	0.80 238	1.18 257	0.74 234	1.14 249	0.73 234
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 212	0.80 185	0.80 219	0.80 221	0.80 235	0.80 215	0.80 238	0.80 201	0.80 232	0.80 176	0.80 236	0.80 218	0.80 233	0.80 232	0.80 237	0.80 232	0.80 214	0.80 237	0.80 218	0.80 237	0.80 208	0.80 234	0.80 235	0.80 238	0.80 216	0.80 238	0.80 212	0.80 236

CSAN	0.80 212	0.80 185	0.80 219	0.80 221	0.80 235	0.80 215	0.80 238	0.80 201	0.80 232	0.80 176	0.80 236	0.80 218	0.80 233	0.80 232	0.80 237	0.80 232	0.80 214	0.80 237	0.80 218	0.80 237	0.80 208	0.80 234	0.80 235	0.80 238	0.80 216	0.80 238	0.80 212	0.80 236

DPSimNet_ROB	0.93 232	1.04 204	0.83 222	1.05 247	0.82 237	1.04 243	0.83 241	1.03 227	0.89 239	1.03 203	0.84 239	1.03 241	0.84 237	0.83 236	0.84 240	0.83 234	1.14 245	0.84 239	1.12 248	0.84 241	1.04 236	0.88 240	0.83 237	0.84 242	1.07 248	0.83 241	1.15 250	0.88 239

4D-IteraStereo	0.67 196	3.40 279	1.05 238	0.71 216	0.83 238	0.47 176	0.27 126	0.47 159	0.27 128	0.35 107	0.26 127	0.68 205	0.84 237	0.41 168	0.54 205	0.89 237	0.74 210	0.88 241	0.73 211	0.87 242	0.42 156	0.27 126	0.28 129	0.28 134	0.36 134	0.28 130	0.68 204	0.90 241

gcap-zeroshot	0.81 218	1.03 203	0.84 223	0.93 229	0.85 239	0.84 220	0.62 218	1.21 242	0.53 203	0.79 174	0.84 239	0.77 214	0.70 227	0.84 237	0.67 226	0.74 229	1.18 253	0.52 205	0.91 225	0.79 234	0.84 213	0.61 212	0.83 237	0.69 233	0.93 229	0.82 240	0.85 220	0.66 218

DGTPSM_ROB	0.92 230	0.93 196	0.91 225	0.93 229	0.91 240	0.92 225	0.93 244	0.92 210	0.92 241	0.92 185	0.91 241	0.91 224	0.93 244	0.91 238	0.92 245	0.92 244	0.92 223	0.92 242	0.92 226	0.90 243	0.91 217	0.92 242	0.93 241	0.94 248	0.92 227	0.91 242	0.92 222	0.97 246

AIO-Stereo-zeroshot1	0.74 207	0.57 167	0.57 196	0.56 197	0.92 241	1.07 246	0.63 219	1.03 227	0.82 236	0.49 147	0.77 233	0.69 206	0.54 206	0.58 201	0.54 205	0.86 236	1.06 240	0.72 232	1.06 243	0.79 234	0.58 194	0.87 238	0.59 206	0.46 187	0.76 213	0.46 186	1.05 241	0.97 246

pmcnn	0.92 230	0.92 193	0.92 226	0.92 227	0.92 241	0.92 225	0.92 242	0.92 210	0.92 241	0.92 185	0.92 243	0.92 227	0.92 243	0.92 240	0.92 245	0.92 244	0.92 223	0.92 242	0.92 226	0.92 247	0.92 219	0.92 242	0.92 240	0.92 247	0.92 227	0.92 243	0.92 222	0.92 244

MM-Stereo_test2	1.15 252	1.90 247	1.10 242	1.37 265	0.94 243	1.36 262	0.98 245	1.48 252	0.98 246	1.37 229	0.98 246	1.37 263	0.98 247	0.95 244	0.94 247	0.95 246	1.37 263	0.95 246	1.38 262	0.95 248	1.38 263	0.95 246	0.95 244	0.95 249	1.37 266	0.95 244	1.37 264	0.95 245

MLG-Stereo	0.87 229	1.33 234	0.93 227	0.62 207	1.00 244	1.16 251	0.55 206	0.86 206	0.83 237	1.19 216	0.40 177	1.30 258	0.81 235	0.65 212	0.45 186	1.01 251	1.17 250	0.46 184	1.29 259	0.58 210	1.05 237	0.90 241	0.73 232	0.87 243	0.60 203	1.01 251	1.13 248	0.51 200

GANet	1.00 238	1.00 198	1.00 230	1.00 240	1.00 244	1.00 239	1.00 250	1.00 223	1.00 248	1.00 198	1.00 247	1.00 236	1.00 249	1.00 247	1.00 248	1.00 248	1.00 234	1.00 247	1.00 236	1.00 249	1.00 232	1.00 247	1.00 246	1.00 251	1.00 238	1.00 248	1.00 232	1.00 248

TDLM	1.00 238	1.00 198	1.00 230	1.00 240	1.00 244	1.00 239	1.00 250	1.00 223	1.00 248	1.00 198	1.00 247	1.00 236	1.00 249	1.00 247	1.00 248	1.00 248	1.00 234	1.00 247	1.00 236	1.00 249	1.00 232	1.00 247	1.00 246	1.00 251	1.00 238	1.00 248	1.00 232	1.00 248

CVANet_RVC	1.00 238	1.00 198	1.00 230	1.00 240	1.00 244	1.00 239	1.00 250	1.00 223	1.00 248	1.00 198	1.00 247	1.00 236	1.00 249	1.00 247	1.00 248	1.00 248	1.00 234	1.00 247	1.00 236	1.00 249	1.00 232	1.00 247	1.00 246	1.00 251	1.00 238	1.00 248	1.00 232	1.00 248

trnet	1.01 242	1.01 201	1.01 233	1.01 244	1.01 248	1.01 242	1.01 253	1.01 226	1.01 251	1.01 202	1.01 250	1.01 240	1.01 253	1.01 250	1.01 252	1.01 251	1.01 239	1.01 251	1.01 242	1.01 252	1.01 235	1.01 250	1.01 249	1.01 254	1.01 242	1.01 251	1.01 240	1.01 251

MM-Stereo_test3	1.22 259	1.60 241	1.19 254	1.48 268	1.02 249	1.48 267	0.99 249	1.54 253	1.03 252	1.41 231	1.03 252	1.44 265	1.00 249	1.04 252	1.04 253	1.02 253	1.42 266	1.04 252	1.48 265	1.01 252	1.48 264	1.03 251	1.06 253	1.04 255	1.53 269	1.04 253	1.49 265	1.04 252

GLC_STEREO	1.05 248	1.01 201	1.02 234	1.02 246	1.02 249	1.05 244	1.06 255	1.05 230	1.05 253	1.04 205	1.05 253	1.05 242	1.04 254	1.06 254	1.05 254	1.06 255	1.06 240	1.05 254	1.06 243	1.05 255	1.06 238	1.06 253	1.04 251	1.05 256	1.04 244	1.05 254	1.06 242	1.06 253

DPSM_ROB	0.93 232	0.92 193	0.94 228	0.96 232	1.02 249	0.92 225	0.98 245	0.95 214	0.92 241	0.92 185	0.92 243	0.91 224	0.97 245	0.92 240	0.91 243	0.91 241	0.96 226	0.94 244	0.93 229	0.91 244	0.93 221	0.92 242	0.93 241	0.91 245	0.91 225	0.99 245	0.92 222	0.91 242

DPSM	0.93 232	0.92 193	0.94 228	0.96 232	1.02 249	0.92 225	0.98 245	0.95 214	0.92 241	0.92 185	0.92 243	0.91 224	0.97 245	0.92 240	0.91 243	0.91 241	0.96 226	0.94 244	0.93 229	0.91 244	0.93 221	0.92 242	0.93 241	0.91 245	0.91 225	0.99 245	0.92 222	0.91 242

plain	1.96 276	3.33 278	1.04 237	3.24 295	1.04 253	3.24 295	1.04 254	3.26 292	1.05 253	3.26 291	1.13 258	3.27 294	1.06 255	1.05 253	1.05 254	1.05 254	3.28 292	1.05 254	3.29 292	1.06 256	3.30 292	1.05 252	1.05 252	1.06 258	3.30 295	1.06 255	3.30 294	1.06 253

MIF-Stereo (partial)	2.52 294	3.41 280	1.05 238	3.29 296	1.05 254	3.29 298	1.06 255	3.30 294	1.06 255	3.31 292	1.06 254	4.97 317	2.72 301	2.72 299	2.71 303	2.70 303	6.57 324	2.19 297	5.08 319	1.08 258	3.36 293	1.07 254	1.07 254	1.07 260	3.35 297	1.07 256	3.36 296	1.07 255

HBP-ISP	1.47 264	1.07 207	1.03 236	1.30 262	1.08 255	1.36 262	1.06 255	1.44 250	1.25 271	1.97 253	1.51 278	1.65 268	1.58 278	0.98 245	1.58 279	1.68 284	1.98 274	1.32 270	2.02 274	1.28 273	2.95 290	1.89 291	0.97 245	1.06 258	1.26 261	0.99 245	1.94 271	1.43 279

SPS-STEREO	1.25 262	1.47 236	1.06 240	1.54 269	1.08 255	1.52 268	1.20 270	1.44 250	1.06 255	1.49 236	1.10 256	1.41 264	1.10 257	0.98 245	1.08 256	1.12 257	1.47 267	1.04 252	1.53 266	1.14 262	1.52 265	1.07 254	1.02 250	1.05 256	1.48 268	1.07 256	1.55 266	1.11 257
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RP	1.14 250	1.16 212	1.15 247	1.17 258	1.10 257	1.16 251	1.15 260	1.10 232	1.16 262	1.15 209	1.08 255	1.16 248	1.15 260	1.15 261	1.14 261	1.16 260	1.16 248	1.10 256	1.10 245	1.10 259	1.16 243	1.11 256	1.10 255	1.19 268	1.14 253	1.19 267	1.07 243	1.10 256

Abc-Net	1.14 250	1.16 212	1.18 251	1.10 249	1.10 257	1.16 251	1.18 264	1.16 237	1.13 259	1.11 206	1.16 260	1.16 248	1.12 258	1.10 255	1.17 264	1.16 260	1.16 248	1.10 256	1.16 249	1.14 262	1.17 245	1.16 259	1.11 256	1.09 261	1.10 250	1.10 259	1.16 251	1.17 261
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	1.15 252	1.16 212	1.17 250	1.15 254	1.11 259	1.21 257	1.21 271	1.10 232	1.15 260	1.16 212	1.11 257	1.17 250	1.09 256	1.14 260	1.11 258	1.16 260	1.19 254	1.11 259	1.10 245	1.15 264	1.11 240	1.19 262	1.16 259	1.12 263	1.17 255	1.10 259	1.16 251	1.17 261

UniTT-Stereo	2.12 286	3.66 283	1.10 242	3.48 298	1.15 260	3.57 299	1.11 259	3.44 295	1.16 262	3.52 293	1.16 260	3.50 295	1.16 261	1.10 255	1.13 260	1.15 259	3.61 294	1.17 262	3.64 293	1.12 260	3.58 295	1.12 257	1.12 257	1.17 266	3.53 298	1.18 265	3.52 297	1.18 263

NCC-stereo	1.15 252	1.17 215	1.12 246	1.10 249	1.15 260	1.14 249	1.15 260	1.15 235	1.12 258	1.17 215	1.17 264	1.11 245	1.17 264	1.11 257	1.10 257	1.16 260	1.12 243	1.11 259	1.16 249	1.13 261	1.23 254	1.16 259	1.19 263	1.11 262	1.18 257	1.17 264	1.17 254	1.13 259

stereogan	1.17 258	1.19 218	1.15 247	1.15 254	1.15 260	1.15 250	1.19 265	1.19 240	1.15 260	1.15 209	1.16 260	1.19 253	1.19 265	1.19 263	1.19 265	1.19 265	1.15 246	1.19 265	1.19 253	1.19 268	1.15 242	1.19 262	1.15 258	1.15 265	1.16 254	1.15 262	1.19 255	1.20 264

AF-Net	2.06 285	25.73 337	1.18 251	1.12 252	1.16 263	1.16 251	1.19 265	1.10 232	1.17 265	1.15 209	1.14 259	1.11 245	1.16 261	1.16 262	1.14 261	1.11 256	1.15 246	1.13 261	1.21 255	1.17 265	1.11 240	1.21 265	1.17 260	1.17 266	1.17 255	1.11 261	1.20 257	1.13 259

edge stereo	1.15 252	1.18 216	1.11 244	1.12 252	1.17 264	1.17 256	1.17 262	1.16 237	1.18 266	1.16 212	1.17 264	1.17 250	1.13 259	1.11 257	1.11 258	1.12 257	1.17 250	1.17 262	1.11 247	1.17 265	1.17 245	1.17 261	1.18 261	1.14 264	1.11 251	1.18 265	1.12 247	1.11 257

RAStereo	2.24 289	3.70 284	1.18 251	3.73 302	1.18 265	3.69 301	1.19 265	3.73 298	1.24 269	3.72 296	1.21 269	3.76 299	1.20 266	1.20 264	1.20 266	1.20 266	3.74 299	1.20 266	3.75 299	1.21 269	3.77 299	1.21 265	1.21 265	1.21 270	3.82 302	1.21 269	3.82 301	1.21 266

Nwc_Net	1.15 252	1.15 210	1.15 247	1.09 248	1.19 266	1.16 251	1.17 262	1.15 235	1.16 262	1.16 212	1.16 260	1.08 244	1.16 261	1.11 257	1.15 263	1.18 264	1.11 242	1.10 256	1.16 249	1.17 265	1.16 243	1.13 258	1.18 261	1.20 269	1.11 251	1.15 262	1.16 251	1.20 264

GANetREF_RVC	1.52 267	2.01 249	1.21 257	1.98 275	1.21 267	1.98 275	1.21 271	1.98 266	1.21 268	1.99 254	1.21 269	1.98 274	1.21 268	1.02 251	1.21 267	1.21 267	1.99 275	1.21 267	1.99 273	1.21 269	1.99 272	1.21 265	1.21 265	1.21 270	1.99 277	1.21 269	1.99 274	1.21 266
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
S-Stereo	1.22 259	1.18 216	1.19 254	1.20 259	1.23 268	1.23 258	1.19 265	1.19 240	1.18 266	1.27 222	1.20 268	1.20 254	1.20 266	1.23 266	1.22 269	1.23 268	1.23 257	1.23 269	1.20 254	1.25 272	1.20 250	1.22 268	1.25 267	1.24 272	1.20 259	1.22 271	1.26 258	1.24 269

FAT-Stereo	1.22 259	1.23 219	1.19 254	1.21 260	1.24 269	1.24 259	1.19 265	1.25 244	1.24 269	1.25 221	1.19 267	1.20 254	1.24 269	1.20 264	1.21 267	1.25 269	1.22 256	1.21 267	1.25 256	1.23 271	1.22 252	1.19 262	1.19 263	1.24 272	1.25 260	1.20 268	1.19 255	1.25 270

ktn	0.84 226	1.15 210	0.54 187	1.16 256	1.26 270	0.51 191	0.53 205	0.51 173	0.66 219	4.54 311	0.51 202	0.52 189	0.52 205	0.66 215	0.51 204	0.51 199	1.37 263	1.17 262	0.49 183	0.51 204	1.23 254	0.51 204	0.67 219	0.51 202	0.51 186	0.68 229	0.51 185	0.51 200

MonStereo1	1.60 268	2.69 272	1.46 263	1.99 276	1.31 271	1.99 276	1.36 274	1.99 267	1.31 272	1.84 242	1.32 271	1.89 269	1.31 270	1.32 267	1.30 270	1.36 272	1.94 271	1.33 272	1.93 270	1.30 274	1.92 269	1.33 270	1.31 268	1.31 274	1.94 274	1.31 273	1.93 270	1.31 271

PS-NSSS	1.48 265	4.46 292	1.35 258	1.35 264	1.35 272	1.41 266	1.34 273	1.36 247	1.35 274	1.40 230	1.35 272	1.33 260	1.35 271	1.37 269	1.40 274	1.35 271	1.35 259	1.35 273	1.39 263	1.44 280	1.35 260	1.34 271	1.35 269	1.38 279	1.35 264	1.33 274	1.34 261	1.38 276

R-Stereo Train	1.62 269	2.01 249	1.41 261	1.97 273	1.40 273	1.96 273	1.39 275	1.93 261	1.39 275	1.92 247	1.38 275	1.94 272	1.39 275	1.40 272	1.45 275	1.38 274	1.96 272	1.37 276	1.97 271	1.39 276	1.98 270	1.41 275	1.40 272	1.37 277	1.97 275	1.38 276	1.96 272	1.37 274

RAFT-Stereo	1.62 269	2.01 249	1.41 261	1.97 273	1.40 273	1.96 273	1.39 275	1.93 261	1.39 275	1.92 247	1.38 275	1.94 272	1.39 275	1.40 272	1.45 275	1.38 274	1.96 272	1.37 276	1.97 271	1.39 276	1.98 270	1.41 275	1.40 272	1.37 277	1.97 275	1.38 276	1.96 272	1.37 274
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	1.39 263	1.37 235	1.35 258	1.38 266	1.40 273	1.39 265	1.77 287	1.36 247	1.74 286	1.36 228	1.36 273	1.36 262	1.36 272	1.36 268	1.35 271	1.41 277	1.36 261	1.36 275	1.36 261	1.35 275	1.36 261	1.35 272	1.36 270	1.35 275	1.36 265	1.35 275	1.36 263	1.35 272

CC-Net-ROB	1.51 266	4.40 291	1.69 274	1.39 267	1.40 273	1.37 264	1.40 278	1.36 247	1.39 275	1.41 231	1.36 273	1.35 261	1.38 274	1.39 271	1.39 272	1.36 272	1.36 261	1.35 273	1.39 263	1.39 276	1.37 262	1.36 273	1.41 274	1.48 281	1.39 267	1.42 280	1.35 262	1.35 272

MonStereo	1.66 272	2.63 271	1.46 263	1.99 276	1.41 277	2.03 277	1.39 275	2.04 269	1.43 278	1.94 250	1.40 277	1.92 271	1.37 273	1.38 270	1.39 272	1.39 276	1.99 275	1.38 278	2.04 275	1.41 279	2.02 274	1.37 274	1.39 271	1.38 279	1.99 277	1.38 276	2.01 275	1.39 278

MM-Stereo_test1	1.85 275	3.50 281	1.61 268	2.12 278	1.47 278	2.14 278	1.47 279	2.33 278	1.53 279	2.12 259	1.54 279	2.19 276	1.53 277	1.54 274	1.53 277	1.53 278	2.20 277	1.54 279	2.24 276	1.57 281	2.21 280	1.49 277	1.59 276	1.49 282	2.15 282	1.52 281	2.15 277	1.54 281

LGtest1	1.99 278	2.55 267	1.62 269	2.54 289	1.61 279	2.54 287	1.61 280	2.51 282	1.61 280	2.49 278	1.61 282	2.49 286	1.61 280	1.61 276	1.61 281	1.61 279	2.55 288	1.62 282	2.54 288	1.61 282	2.54 287	1.61 279	1.61 277	1.61 284	2.54 289	1.61 283	2.54 288	1.61 283

LG-G_1	1.99 278	2.56 268	1.63 270	2.54 289	1.62 280	2.55 290	1.61 280	2.51 282	1.61 280	2.50 279	1.62 283	2.50 287	1.61 280	1.61 276	1.61 281	1.61 279	2.55 288	1.61 280	2.55 289	1.61 282	2.55 288	1.61 279	1.61 277	1.61 284	2.55 290	1.61 283	2.54 288	1.61 283

LG-G	1.99 278	2.56 268	1.63 270	2.54 289	1.62 280	2.55 290	1.61 280	2.51 282	1.61 280	2.50 279	1.62 283	2.50 287	1.61 280	1.61 276	1.61 281	1.61 279	2.55 288	1.61 280	2.55 289	1.61 282	2.55 288	1.61 279	1.61 277	1.61 284	2.55 290	1.61 283	2.54 288	1.61 283

MFMNet_re	1.77 274	1.89 246	1.72 275	1.88 272	1.69 282	1.89 272	1.67 284	1.91 260	1.70 285	1.87 243	1.67 285	1.89 269	1.68 284	1.67 279	1.67 285	1.70 285	1.88 270	1.68 285	1.88 269	1.67 285	1.89 268	1.68 284	1.70 283	1.71 288	1.87 273	1.68 290	1.87 269	1.68 287

DPSMNet_ROB	1.62 269	1.60 241	1.59 267	1.61 271	1.69 282	1.66 271	1.61 280	1.70 257	1.65 284	1.62 239	1.60 281	1.61 266	1.60 279	1.60 275	1.59 280	1.62 282	1.60 268	1.63 283	1.62 268	1.68 287	1.70 267	1.60 278	1.64 281	1.60 283	1.61 270	1.60 282	1.60 267	1.59 282

UDGNet	1.97 277	2.43 263	1.67 272	2.46 286	1.70 284	2.44 285	1.69 285	2.34 279	1.63 283	2.35 275	1.67 285	2.37 285	1.67 283	1.68 280	1.64 284	1.67 283	2.44 284	1.64 284	2.43 284	1.67 285	2.43 286	1.66 282	1.67 282	1.63 287	2.43 287	1.66 288	2.42 286	1.66 286

FBW_ROB	2.04 281	2.50 264	1.75 276	2.45 285	1.78 285	2.40 283	1.74 286	2.47 281	1.77 287	2.37 276	1.81 287	2.30 279	1.80 285	1.78 281	1.88 294	1.80 286	2.41 283	1.77 286	2.43 284	1.83 289	2.39 284	1.81 289	1.76 285	1.75 289	2.56 292	1.75 291	2.30 282	1.74 288

sCroCo_RVC	2.76 295	4.00 286	1.82 278	4.00 306	1.83 286	3.98 307	1.82 288	3.99 300	1.81 288	4.14 304	2.76 302	4.13 308	1.82 287	1.83 282	1.83 287	1.82 287	4.01 304	1.82 288	3.98 302	1.86 290	4.00 304	1.82 290	1.83 287	1.84 290	4.02 308	1.81 292	4.00 305	1.83 291

TRStereo	2.05 282	2.13 252	1.85 279	2.27 279	1.84 287	2.28 279	1.84 290	2.29 274	1.87 290	2.29 269	1.86 289	2.30 279	1.87 289	2.30 295	1.87 291	2.08 293	2.29 279	1.87 289	2.30 278	1.87 291	2.08 275	1.72 285	1.86 289	2.30 301	2.13 279	1.84 293	2.29 279	1.87 292

XX-Stereo	2.05 282	2.13 252	1.85 279	2.27 279	1.84 287	2.28 279	1.84 290	2.29 274	1.87 290	2.29 269	1.86 289	2.30 279	1.87 289	2.30 295	1.87 291	2.08 293	2.29 279	1.87 289	2.30 278	1.87 291	2.08 275	1.72 285	1.86 289	2.30 301	2.13 279	1.84 293	2.29 279	1.87 292

EAI-Stereo	2.05 282	2.13 252	1.85 279	2.27 279	1.84 287	2.28 279	1.84 290	2.29 274	1.87 290	2.29 269	1.86 289	2.30 279	1.87 289	2.30 295	1.87 291	2.08 293	2.29 279	1.87 289	2.30 278	1.87 291	2.08 275	1.72 285	1.86 289	2.30 301	2.13 279	1.84 293	2.29 279	1.87 292

sAnonymous2	2.87 297	4.16 287	1.89 282	4.26 311	1.87 290	4.23 310	1.92 293	4.17 301	1.94 294	4.16 305	1.92 292	4.20 309	1.92 292	1.96 284	1.86 289	1.87 289	4.25 308	1.90 292	4.23 308	1.91 294	4.26 307	1.93 292	1.89 292	1.90 291	4.07 310	1.91 296	5.09 321	1.93 296

CroCo_RVC	2.87 297	4.16 287	1.89 282	4.26 311	1.87 290	4.23 310	1.92 293	4.17 301	1.94 294	4.16 305	1.92 292	4.20 309	1.92 292	1.96 284	1.86 289	1.87 289	4.25 308	1.90 292	4.23 308	1.91 294	4.26 307	1.93 292	1.89 292	1.90 291	4.07 310	1.91 296	5.09 321	1.93 296

MaDis-Stereo	3.69 303	10.19 325	2.01 286	6.09 324	2.01 292	5.94 324	1.82 288	6.14 315	1.85 289	6.59 324	1.82 288	6.01 323	1.81 286	1.83 282	1.83 287	2.02 292	5.87 321	1.79 287	5.93 323	2.06 296	4.63 313	1.67 283	1.84 288	2.08 295	5.90 322	1.66 288	6.34 324	1.87 292

HUF	2.22 287	2.33 259	2.24 291	2.35 283	2.07 293	2.45 286	2.11 297	2.42 280	2.13 297	2.19 262	2.15 296	2.10 275	2.09 294	2.27 293	2.04 296	2.08 293	2.44 284	2.12 296	2.38 283	2.18 298	2.29 282	2.22 295	2.12 296	2.12 296	2.52 288	2.10 298	2.22 278	2.15 299

AIO_test	2.22 287	2.36 262	2.10 287	2.47 287	2.15 294	2.54 287	2.06 296	2.27 272	2.09 296	2.29 269	2.13 295	2.30 279	2.09 294	2.25 291	2.15 298	1.95 291	2.52 287	2.08 294	2.32 281	2.21 300	2.20 279	2.26 297	2.05 295	2.06 294	2.40 286	2.16 300	2.52 287	2.05 298

AIO_rvc	2.25 290	2.35 261	2.10 287	2.47 287	2.17 295	2.54 287	2.15 298	2.32 277	2.21 298	2.29 269	2.28 298	2.33 284	2.09 294	2.26 292	2.14 297	2.08 293	2.49 286	2.09 295	2.53 287	2.14 297	2.34 283	2.23 296	2.14 297	2.18 297	2.19 283	2.15 299	2.35 284	2.22 300

Anonymous3	3.36 299	4.93 297	2.20 289	4.92 318	2.23 296	4.90 318	2.23 299	4.89 307	2.24 299	4.95 317	2.21 297	4.91 316	2.21 297	2.18 287	2.22 299	2.22 298	4.86 315	2.20 298	4.90 315	2.20 299	4.96 317	2.21 294	2.21 298	2.21 298	6.30 324	2.21 301	4.90 314	2.23 301

STTStereo	2.30 292	2.34 260	2.26 293	2.37 284	2.23 296	2.40 283	2.35 301	2.20 270	2.33 301	2.28 266	2.31 300	2.19 276	2.37 299	2.20 288	2.31 301	2.23 299	2.38 282	2.25 299	2.33 282	2.27 301	2.39 284	2.27 298	2.31 300	2.29 300	2.37 285	2.32 303	2.34 283	2.26 302

StereoVision	3.44 300	10.12 324	1.68 273	5.44 323	2.26 298	5.87 323	1.97 295	5.17 310	1.31 272	5.80 321	1.56 280	5.62 322	1.84 288	1.97 286	1.91 295	1.84 288	4.98 317	1.32 270	5.60 320	1.71 288	5.35 322	1.73 288	1.97 294	1.96 293	5.40 321	1.65 287	5.08 319	1.76 290

NCCL2	2.27 291	2.27 258	2.28 294	2.27 279	2.28 299	2.28 279	2.28 300	2.27 272	2.28 300	2.28 266	2.28 298	2.29 278	2.28 298	2.28 294	2.29 300	2.28 300	2.28 278	2.28 300	2.27 277	2.28 302	2.28 281	2.28 299	2.28 299	2.28 299	2.28 284	2.28 302	2.11 276	2.28 303

NLSM1	2.82 296	3.85 285	2.57 299	3.19 294	2.46 300	3.28 297	2.38 302	3.29 293	2.42 302	3.20 290	2.64 301	3.14 292	2.62 300	2.46 298	2.44 302	2.51 301	3.31 293	2.53 301	3.17 291	2.47 303	3.27 291	2.33 300	2.65 301	2.61 304	3.22 294	2.55 304	3.31 295	2.39 304

U	5.23 324	8.71 317	2.75 300	8.64 330	2.76 301	8.65 330	2.79 303	8.67 329	2.79 303	8.70 329	2.79 303	8.70 329	2.79 303	2.79 300	2.80 305	2.80 305	8.84 329	2.82 303	8.82 329	2.89 304	8.84 328	2.83 302	2.83 305	2.82 306	8.87 331	2.83 305	8.84 330	2.83 305

NLCA_NET_v2_RVC	2.50 293	2.85 274	1.90 284	2.90 292	2.77 302	2.88 292	2.85 304	2.51 282	2.85 304	2.88 286	1.99 294	2.50 287	2.76 302	2.20 288	1.57 278	2.64 302	2.89 291	2.63 302	5.69 322	1.03 254	2.01 273	2.71 301	2.74 304	2.73 305	2.87 293	1.64 286	1.00 232	1.49 280
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
Sa-1000	3.84 304	7.71 308	6.81 325	4.15 309	2.86 303	3.27 296	3.87 320	5.99 312	4.35 324	2.78 284	3.71 313	3.88 300	3.56 313	3.88 315	3.64 312	2.71 304	3.72 297	3.27 309	3.67 297	3.15 309	3.51 294	3.36 308	2.70 303	3.49 311	3.32 296	3.76 317	2.87 292	3.76 317

FC-DCNN v2	4.74 320	3.16 277	3.16 304	3.16 293	3.16 304	3.16 294	3.16 309	3.16 291	3.16 306	3.16 289	3.16 306	3.16 293	3.16 307	3.16 301	3.16 308	3.16 308	6.72 325	6.72 327	6.72 325	6.72 330	6.72 324	6.72 329	6.72 328	6.72 329	6.72 325	6.72 328	6.72 326	6.72 329

PDISCO_ROB	0.50 164	0.15 66	0.11 62	0.16 80	3.16 304	0.13 63	0.12 81	0.14 62	0.12 79	0.15 55	0.11 63	2.55 290	0.11 64	2.20 288	0.13 86	0.12 79	0.16 80	0.10 51	0.14 63	0.12 83	0.15 72	0.12 82	0.12 79	0.12 81	0.15 69	0.10 50	2.75 291	0.09 49

DispFullNet	4.96 322	5.67 300	3.30 308	5.01 319	3.21 306	4.50 314	3.11 307	4.43 303	3.44 312	4.60 312	3.46 311	5.13 320	3.44 311	3.53 308	3.20 309	2.87 306	4.80 314	3.15 305	4.70 312	4.83 324	9.02 329	5.98 326	5.95 327	6.21 328	8.84 330	5.85 327	9.76 331	5.91 327

MLG-Stereo_test3	3.87 306	4.64 293	3.29 306	5.17 321	3.23 307	4.83 317	3.02 305	4.95 308	3.22 307	4.31 308	3.33 310	5.08 319	3.20 308	3.23 303	2.77 304	3.20 310	4.99 318	3.24 308	4.93 316	2.94 305	4.82 316	3.33 307	3.33 308	3.29 310	5.19 320	3.02 306	5.08 319	2.93 307

MLG-Stereo_test1	3.87 306	4.67 294	3.29 306	5.26 322	3.25 308	5.04 320	3.11 307	4.43 303	3.27 309	5.02 319	3.21 307	4.71 315	3.10 306	3.22 302	3.06 306	2.98 307	5.03 319	3.18 306	4.95 317	2.94 305	4.70 315	3.32 305	3.30 307	3.27 309	5.17 319	3.08 308	5.02 317	2.85 306

MLG-Stereo_test2	3.86 305	4.96 298	3.13 302	4.65 316	3.27 309	5.17 322	3.07 306	5.01 309	3.01 305	4.93 316	3.03 304	4.56 314	3.32 310	3.26 305	3.33 310	3.30 311	5.17 320	3.19 307	4.86 314	2.96 308	5.04 319	3.25 304	2.67 302	3.15 307	4.98 318	3.05 307	4.59 312	3.30 309

NLCSM	3.61 301	5.05 299	3.36 309	4.13 308	3.31 310	3.91 303	3.26 310	3.98 299	3.24 308	4.08 303	3.06 305	3.95 304	3.25 309	3.25 304	3.10 307	3.17 309	4.20 307	3.08 304	4.16 306	3.24 310	4.26 307	3.46 309	3.14 306	3.19 308	4.02 308	3.24 309	4.21 309	3.17 308

test_5	4.51 318	8.85 318	5.35 317	3.66 301	3.56 311	5.10 321	4.47 325	6.14 315	4.07 321	4.96 318	3.87 319	5.14 321	4.17 324	3.53 308	4.39 324	4.53 324	4.15 306	3.62 311	4.74 313	2.94 305	3.63 297	4.53 322	4.20 321	4.54 325	4.86 316	3.68 314	4.95 315	4.06 322

test-1	4.11 309	7.65 307	4.93 313	3.65 300	3.58 312	4.70 316	3.74 318	4.73 305	4.06 320	3.72 296	4.11 322	3.70 298	3.49 312	3.36 306	3.65 314	4.17 323	3.92 302	4.04 321	4.19 307	3.75 317	4.69 314	4.18 318	3.88 316	3.90 319	4.73 314	3.77 318	3.12 293	3.68 313

test_3	4.55 319	10.96 326	7.69 329	4.04 307	3.60 313	4.10 309	3.98 322	7.94 325	4.56 325	3.99 301	4.03 321	4.08 307	3.74 318	3.99 319	3.91 322	4.05 321	4.33 311	3.89 318	4.14 305	4.00 321	4.11 306	4.02 317	4.01 320	3.91 320	3.53 298	3.94 321	4.19 307	4.20 323

DPSNet	3.67 302	3.61 282	3.62 310	3.64 299	3.61 314	3.64 300	3.65 314	3.64 297	3.67 313	3.67 295	3.65 312	3.68 297	3.69 317	3.69 312	3.69 319	3.68 315	3.70 296	3.70 314	3.69 298	3.69 316	3.71 298	3.69 311	3.67 312	3.69 317	3.68 301	3.67 313	3.68 299	3.67 310

TESTraft	4.16 313	8.03 312	6.81 325	3.99 305	3.68 315	3.93 304	3.70 316	6.86 322	3.69 314	3.93 300	3.88 320	3.93 303	3.59 316	3.65 311	3.64 312	3.68 315	3.92 302	3.72 316	3.92 300	3.57 313	3.84 300	3.70 312	3.71 314	3.67 314	3.91 306	3.74 315	3.92 304	3.67 310

test_4	4.11 309	8.05 313	6.64 321	4.52 314	3.68 315	3.00 293	3.40 311	6.21 318	3.29 310	4.07 302	3.84 318	4.04 306	3.76 319	3.56 310	3.67 317	3.76 318	4.04 305	3.79 317	4.10 303	3.53 312	3.98 303	3.74 315	3.55 309	3.61 312	3.94 307	3.75 316	3.73 300	3.73 316

TestStereo1	4.11 309	7.79 310	6.72 323	3.93 303	3.81 317	3.96 305	3.58 312	6.96 323	3.74 315	3.90 298	3.76 315	3.89 301	3.57 314	3.70 313	3.66 315	3.34 312	3.80 300	3.62 311	3.66 295	3.68 314	3.91 301	3.70 312	3.65 310	3.67 314	3.88 303	3.53 311	3.89 302	3.68 313

SA-5K	4.11 309	7.79 310	6.72 323	3.93 303	3.81 317	3.96 305	3.58 312	6.96 323	3.74 315	3.90 298	3.76 315	3.89 301	3.57 314	3.70 313	3.66 315	3.34 312	3.80 300	3.62 311	3.66 295	3.68 314	3.91 301	3.70 312	3.65 310	3.67 314	3.88 303	3.53 311	3.89 302	3.68 313

raft_robust	4.19 314	7.78 309	6.08 318	3.30 297	3.85 319	4.03 308	3.73 317	6.25 319	3.30 311	4.44 310	3.28 309	4.01 305	3.82 320	4.29 320	3.70 320	4.01 320	4.48 313	3.42 310	4.11 304	3.76 318	4.05 305	3.32 305	3.85 315	3.82 318	4.71 313	3.83 319	4.09 306	3.80 319

SA	3.93 308	7.22 304	4.74 312	4.15 309	3.88 320	3.70 302	4.02 323	6.67 320	3.95 318	3.64 294	3.74 314	3.63 296	3.00 304	3.51 307	3.68 318	3.68 315	3.73 298	3.71 315	3.64 293	3.48 311	3.58 295	2.97 303	3.69 313	3.61 312	3.55 300	3.42 310	3.64 298	3.79 318

cross-raft	4.43 315	7.31 305	6.46 320	4.47 313	3.95 321	4.46 313	3.95 321	6.70 321	3.97 319	4.41 309	3.82 317	4.38 312	3.94 321	3.95 318	3.95 323	3.95 319	4.45 312	3.95 319	4.46 311	3.95 320	4.46 312	3.95 316	3.95 319	3.94 321	4.40 312	3.95 322	4.45 311	3.95 320

RAFT_CTSACE	4.43 315	8.26 315	6.10 319	4.62 315	4.01 322	4.54 315	3.65 314	6.09 314	3.93 317	4.64 313	4.14 323	4.26 311	4.13 322	3.91 316	3.88 321	4.06 322	4.30 310	4.03 320	4.27 310	3.92 319	4.26 307	3.67 310	3.91 317	4.16 322	4.82 315	4.08 323	4.20 308	3.67 310

RAFT+CT+SA	4.43 315	7.34 306	6.71 322	5.01 319	4.38 323	4.40 312	3.85 319	6.15 317	4.30 323	4.89 315	3.26 308	4.49 313	3.01 305	4.53 321	3.36 311	3.65 314	3.64 295	4.39 323	3.94 301	4.28 322	4.44 311	4.30 320	4.24 322	4.52 324	3.90 305	3.85 320	4.89 313	4.00 321

SGM-Forest	5.07 323	6.74 302	4.17 311	6.46 325	4.68 324	6.21 326	4.38 324	6.00 313	4.14 322	5.84 322	4.44 324	6.28 324	4.16 323	3.92 317	4.56 325	4.60 325	6.15 322	4.27 322	6.12 324	4.31 323	5.99 323	4.27 319	3.92 318	4.27 323	6.13 323	4.10 324	6.18 323	4.49 324
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.92 321	4.80 296	4.98 314	4.82 317	4.97 325	4.91 319	4.78 326	4.80 306	4.88 326	4.78 314	4.80 325	4.99 318	4.81 325	4.83 322	4.87 326	4.97 326	4.93 316	5.01 325	5.03 318	4.90 325	5.02 318	5.02 323	5.06 323	5.04 326	4.93 317	4.89 325	5.01 316	5.09 325

DISCO	0.59 186	0.29 109	0.22 106	0.27 119	5.05 326	0.30 125	0.21 112	0.28 111	0.21 110	0.27 99	0.21 112	0.27 121	0.20 109	0.21 112	0.21 112	0.21 107	0.27 122	0.21 114	0.27 121	0.21 114	0.27 115	0.23 118	0.21 109	0.21 113	0.27 121	0.21 112	5.06 318	0.22 115

SGM+DAISY	6.35 325	8.16 314	5.14 316	8.12 329	5.08 327	8.12 329	5.16 327	8.01 326	5.18 328	7.92 327	5.14 326	7.89 328	5.14 326	4.95 323	5.33 327	5.32 327	8.14 328	5.16 326	8.16 328	5.16 326	8.21 327	5.19 324	5.12 324	5.12 327	8.18 329	5.24 326	8.12 329	5.11 326

RAFT	6.60 326	9.99 321	8.33 330	7.21 328	6.55 328	5.95 325	5.87 328	8.70 330	5.02 327	5.10 320	6.69 328	7.06 327	6.94 329	6.17 326	7.09 330	6.84 328	6.47 323	4.72 324	5.60 320	5.60 327	5.11 320	5.97 325	6.93 329	6.89 330	7.16 326	7.08 331	6.58 325	6.66 328

test-v	7.17 327	11.53 327	7.63 327	7.17 326	6.87 329	7.48 327	6.90 329	8.14 327	6.88 329	6.93 325	7.42 329	7.05 325	6.14 327	6.05 324	6.86 328	6.99 329	7.60 326	6.75 328	6.90 326	6.66 328	7.83 325	6.36 327	5.89 325	7.34 331	7.19 327	6.75 329	7.52 327	6.77 330

test-2	7.17 327	11.53 327	7.63 327	7.17 326	6.87 329	7.48 327	6.90 329	8.14 327	6.88 329	6.93 325	7.42 329	7.05 325	6.14 327	6.05 324	6.86 328	6.99 329	7.60 326	6.75 328	6.90 326	6.66 328	7.83 325	6.36 327	5.89 325	7.34 331	7.19 327	6.75 329	7.52 327	6.77 330

MANE	18.41 329	23.00 336	16.00 331	22.00 338	15.00 331	22.00 338	15.00 331	22.00 338	15.00 331	21.00 338	15.00 331	22.00 337	15.00 330	15.00 331	17.00 331	15.00 331	23.00 337	15.00 330	22.00 337	15.00 331	23.00 337	15.00 330	18.00 330	15.00 333	24.00 339	17.00 332	24.00 339	16.00 332

rafts_anoy	20.00 330	20.00 329	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 330	20.00 331	20.00 332	20.00 332	20.00 332	20.00 330	20.00 331	20.00 330	20.00 332	20.00 330	20.00 331	20.00 331	20.00 334	20.00 332	20.00 333	20.00 332	20.00 333

raft+_RVC	20.00 330	20.00 329	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 330	20.00 331	20.00 332	20.00 332	20.00 332	20.00 330	20.00 331	20.00 330	20.00 332	20.00 330	20.00 331	20.00 331	20.00 334	20.00 332	20.00 333	20.00 332	20.00 333

raftrobust	20.00 330	20.00 329	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 330	20.00 331	20.00 332	20.00 332	20.00 332	20.00 330	20.00 331	20.00 330	20.00 332	20.00 330	20.00 331	20.00 331	20.00 334	20.00 332	20.00 333	20.00 332	20.00 333

CasAABBNet	20.00 330	20.00 329	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 330	20.00 331	20.00 332	20.00 332	20.00 332	20.00 330	20.00 331	20.00 330	20.00 332	20.00 330	20.00 331	20.00 331	20.00 334	20.00 332	20.00 333	20.00 332	20.00 333

RALCasStereoNet	20.00 330	20.00 329	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 330	20.00 331	20.00 332	20.00 332	20.00 332	20.00 330	20.00 331	20.00 330	20.00 332	20.00 330	20.00 331	20.00 331	20.00 334	20.00 332	20.00 333	20.00 332	20.00 333

RALAANet	20.00 330	20.00 329	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 330	20.00 331	20.00 332	20.00 332	20.00 332	20.00 330	20.00 331	20.00 330	20.00 332	20.00 330	20.00 331	20.00 331	20.00 334	20.00 332	20.00 333	20.00 332	20.00 333

MSMDNet	20.00 330	20.00 329	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 331	20.00 332	20.00 330	20.00 331	20.00 332	20.00 332	20.00 332	20.00 330	20.00 331	20.00 330	20.00 332	20.00 330	20.00 331	20.00 331	20.00 334	20.00 332	20.00 333	20.00 332	20.00 333

Reg-Stereo(zero)	37.00 337	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 338	37.00 338	37.00 339	37.00 339	37.00 339	37.00 338	37.00 338	37.00 338	37.00 339	37.00 338	37.00 338	37.00 338	37.00 341	37.00 340	37.00 340	37.00 340	37.00 340

HI	37.00 337	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 338	37.00 338	37.00 339	37.00 339	37.00 339	37.00 338	37.00 338	37.00 338	37.00 339	37.00 338	37.00 338	37.00 338	37.00 341	37.00 340	37.00 340	37.00 340	37.00 340

CoSv	37.00 337	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 339	37.00 338	37.00 338	37.00 339	37.00 339	37.00 339	37.00 338	37.00 338	37.00 338	37.00 339	37.00 338	37.00 338	37.00 338	37.00 341	37.00 340	37.00 340	37.00 340	37.00 340

MDST_ROB	61.15 340	72.66 343	46.52 342	70.00 342	44.89 342	64.24 342	43.75 342	73.65 342	48.92 343	72.70 343	42.40 342	60.70 341	50.23 341	50.07 343	67.69 343	68.60 343	83.13 342	47.77 341	82.48 342	46.00 342	95.93 342	53.44 342	50.66 341	45.00 344	84.99 344	53.64 344	79.01 343	52.07 344

CBMV	101.59 341	71.60 342	48.40 343	72.70 343	49.00 343	79.60 343	48.40 343	80.90 343	46.90 342	68.90 342	49.00 343	78.00 342	572.10 350	49.50 342	51.30 342	48.40 342	72.20 341	639.60 350	79.40 341	48.90 343	79.50 341	51.40 341	52.30 342	48.30 345	80.20 343	49.10 343	79.60 344	47.60 343
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	151.99 342	131.36 344	140.69 344	151.38 344	151.40 344	150.79 344	151.72 344	149.36 344	159.46 344	146.42 344	150.73 344	149.06 346	176.22 342	143.94 344	133.10 346	133.45 346	153.30 344	154.22 343	154.67 344	153.95 345	156.90 345	156.53 345	160.21 343	162.72 346	154.57 345	160.59 345	153.47 345	163.50 345
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
DLCB_ROB	280.78 347	376.74 348	215.59 345	376.74 345	215.59 345	376.74 348	215.59 345	366.42 346	218.39 346	366.42 348	218.39 346	366.42 347	218.39 345	209.96 346	219.76 349	219.38 348	376.72 348	216.43 344	376.72 345	216.43 346	376.72 348	216.43 346	216.14 344	216.14 349	376.69 350	217.67 348	376.69 350	217.67 347

NOSS_ROB	248.11 343	409.00 349	288.00 346	412.00 346	280.00 346	411.00 349	288.00 346	356.00 345	275.00 349	379.00 349	303.00 349	415.00 348	278.00 347	260.00 349	104.00 344	103.00 344	126.00 343	108.00 342	118.00 343	98.00 344	126.00 344	104.00 344	268.00 346	216.00 348	279.00 349	201.00 346	288.00 349	206.00 346

LE_ROB	387.11 348	453.07 350	321.39 347	500.23 347	323.05 347	493.99 350	324.56 347	477.63 350	322.28 350	465.51 350	322.97 350	486.37 349	334.17 348	305.26 350	320.63 350	327.66 350	476.08 349	315.70 348	483.76 347	335.15 350	469.64 349	309.74 349	315.90 349	318.85 352	498.41 351	328.85 351	491.00 351	330.08 351

AE-Stereo	252.48 344	202.00 345	361.00 348	502.00 348	324.00 348	321.00 345	482.00 351	423.00 348	227.00 348	201.00 345	273.00 348	101.00 343	207.00 343	198.00 345	183.00 347	181.00 347	221.00 345	232.00 347	477.00 346	220.00 347	111.00 343	100.00 343	219.00 345	214.00 347	204.00 346	211.00 347	200.00 346	222.00 348

MGS-Stereo	264.93 345	208.00 346	362.00 349	512.00 349	350.00 349	326.00 346	443.00 350	410.00 347	210.00 345	232.00 347	215.00 345	125.00 344	217.00 344	216.00 347	127.00 345	122.00 345	223.00 346	230.00 345	487.00 348	255.00 348	250.00 346	223.00 347	272.00 347	228.00 350	241.00 347	220.00 349	214.00 347	235.00 349

EGLCR-Stereo	276.81 346	209.00 347	366.00 350	514.00 350	354.00 350	336.00 347	422.00 348	440.00 349	220.00 347	231.00 346	245.00 347	135.00 345	237.00 346	218.00 348	197.00 348	222.00 349	223.00 346	230.00 345	487.00 348	255.00 348	250.00 346	273.00 348	272.00 347	228.00 350	241.00 347	220.00 349	214.00 347	235.00 349

SGM-ForestM	522.49 349	676.08 351	448.56 351	638.17 351	433.15 351	639.59 351	427.03 349	617.52 351	439.90 351	604.63 351	429.02 351	611.68 350	432.74 349	420.18 351	451.96 351	465.85 351	601.06 350	403.73 349	659.15 350	405.50 351	669.64 350	437.21 350	455.85 350	425.66 353	689.82 352	481.65 352	662.43 352	479.61 352

CBMV_ROB	1133.35 350	1280.38 352	976.92 352	1317.57 352	1021.62 352	1282.66 352	1022.22 352	1213.88 352	982.57 352	1194.12 352	975.90 352	1357.87 351	1090.02 351	943.32 352	1021.85 352	1006.47 352	1309.01 351	986.29 351	1499.40 351	986.35 352	1359.35 351	975.96 351	975.21 351	969.30 354	1337.82 353	1042.34 353	1398.25 353	1073.86 353

111111	10000000.00 351	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 355	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354

SGD-Stereo	10000000.00 351	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 355	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354

IGEV-Stereo++	10000000.00 351	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 355	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354

IGEV-BASED-STEREO-	10000000.00 351	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 355	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354

IGEV-Stereo+	10000000.00 351	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 355	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354

anonymousdsp2	10000000.00 351	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 355	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354

anonymousdsp	10000000.00 351	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 355	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354

AMNet	10000000.00 351	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 353	10000000.00 352	10000000.00 352	10000000.00 352	10000000.00 355	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354

GS-Stereo																							0.36 159	0.36 162	0.48 176	0.36 159	0.48 173	0.35 157

ASD4																								0.20 109

Low-res two-view benchmark