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

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

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	1.32 226	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

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	1.03 204	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

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

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

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

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

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

FADNet_RVC	0.10 40	0.03 23	0.04 25	0.03 23	0.04 32	0.05 35	0.04 32	0.04 31	0.04 32	0.03 21	0.04 31	0.04 30	0.03 23	0.04 32	0.03 26	0.03 26	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.03 26	1.63 281	0.03 25	0.03 24	0.04 32	0.03 22	0.04 32

BEATNet_4x	0.08 33	0.03 23	0.06 34	0.03 23	0.03 23	0.03 22	0.03 26	0.03 24	0.03 27	1.47 235	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	1.47 235	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

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	1.46 234	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	2.33 275	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	1.32 226	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

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	1.53 276	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	1.79 287	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	1.74 285	0.04 32	0.04 31	0.05 38	0.04 30	0.05 37

ADCRef	0.13 60	0.04 32	0.05 30	0.04 32	0.04 32	0.04 31	0.09 48	0.04 31	0.04 32	2.46 278	0.04 31	0.04 30	0.04 33	0.04 32	0.04 33	0.04 32	0.04 28	0.04 31	0.04 30	0.04 32	0.04 31	0.04 33	0.04 32	0.05 38	0.04 31	0.04 32	0.04 30	0.04 32

ADCP+	0.12 55	0.04 32	0.07 36	0.04 32	0.05 36	0.04 31	0.04 32	0.04 31	0.04 32	2.28 267	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

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

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	1.08 258	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

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	2.19 263	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	2.19 263	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

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

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

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

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

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
JetRed	0.22 93	0.11 57	0.12 68	0.11 59	0.11 63	0.11 59	0.11 62	0.11 57	0.11 63	2.93 288	0.11 63	0.11 60	0.11 64	0.11 67	0.11 63	0.12 78	0.11 60	0.11 66	0.11 60	0.11 64	0.11 60	0.11 64	0.11 61	0.11 66	0.11 60	0.11 64	0.11 60	0.11 65

MatchStereo	0.27 103	0.12 60	2.51 299	0.12 60	0.11 63	0.12 60	0.11 62	2.54 288	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

JetBlue	0.23 95	0.12 60	0.13 77	0.12 60	0.12 82	0.12 60	0.11 62	0.14 62	0.12 78	3.07 289	0.12 81	0.12 62	0.11 64	0.11 67	0.13 85	0.13 84	0.12 61	0.12 82	0.13 61	0.11 64	0.12 61	0.13 86	0.12 78	0.14 88	0.13 62	0.12 80	0.12 61	0.11 65

LRCNet_RVC	0.11 52	0.12 60	0.09 43	0.12 60	0.09 48	0.12 60	0.09 48	0.12 60	0.09 49	0.12 49	0.09 50	0.11 60	0.09 49	0.09 48	0.09 49	0.09 49	0.12 61	0.16 92	0.21 94	0.09 50	0.12 61	0.09 50	0.09 45	0.09 49	0.12 61	0.28 129	0.12 61	0.09 49

GMStereo	0.14 67	0.13 63	0.14 81	0.14 64	0.14 89	0.14 65	0.14 86	0.14 62	0.14 88	0.14 50	0.14 88	0.14 64	0.14 89	0.14 88	0.14 89	0.14 88	0.14 64	0.14 88	0.14 63	0.14 89	0.14 63	0.14 89	0.14 85	0.14 88	0.14 64	0.14 86	0.14 64	0.14 89
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.19 85	0.13 63	0.09 43	0.13 63	0.09 48	0.13 63	0.09 48	0.13 61	0.09 49	0.90 185	0.09 50	0.13 63	0.09 49	0.10 51	0.09 49	0.70 226	0.13 63	0.09 50	0.13 61	0.10 51	0.91 218	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	0.30 114	0.10 51	0.14 50	0.17 94	0.14 64	0.10 52	0.10 51	0.10 52	0.10 51	0.14 64	0.10 51	0.14 63	0.10 51	0.14 63	0.10 52	0.10 48	0.10 52	0.15 69	0.10 50	0.14 64	0.10 53
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CIPLG	0.13 60	0.15 66	0.12 68	0.14 64	0.11 63	0.14 65	0.11 62	0.15 70	0.11 63	0.15 55	0.11 63	0.15 73	0.11 64	0.12 77	0.12 80	0.11 63	0.15 71	0.11 66	0.15 71	0.11 64	0.14 63	0.11 64	0.11 61	0.12 80	0.15 69	0.12 80	0.15 71	0.12 79

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

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

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

PDISCO_ROB	0.50 165	0.15 66	0.11 62	0.16 79	3.16 305	0.13 63	0.12 80	0.14 62	0.12 78	0.15 55	0.11 63	2.55 291	0.11 64	2.20 289	0.13 85	0.12 78	0.16 79	0.10 51	0.14 63	0.12 82	0.15 72	0.12 81	0.12 78	0.12 80	0.15 69	0.10 50	2.75 292	0.09 49

ITSA-stereo	0.21 92	0.16 71	0.12 68	0.16 79	0.13 86	0.18 83	0.14 86	0.16 72	1.89 294	0.16 66	0.12 81	0.17 84	0.12 83	0.13 84	0.13 85	0.13 84	0.17 82	0.13 85	0.17 80	0.12 82	0.16 78	0.12 81	0.12 78	0.12 80	0.17 81	0.12 80	0.16 78	0.12 79

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

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

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

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

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

SFCPSM	0.23 95	0.18 76	0.13 77	0.18 85	0.12 82	0.18 83	0.80 239	0.17 76	0.12 78	0.88 184	0.12 81	0.17 84	0.12 83	0.13 84	0.12 80	0.12 78	0.18 86	0.12 82	0.18 84	0.12 82	1.18 248	0.13 86	0.12 78	0.12 80	0.18 84	0.13 85	0.18 83	0.12 79

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

ELAS_RVC	0.14 67	0.18 76	0.11 62	0.19 88	0.11 63	0.18 83	0.13 84	0.16 72	0.11 63	0.17 70	0.11 63	0.14 64	0.11 64	0.09 48	0.11 63	0.12 78	0.17 82	0.10 51	0.18 84	0.11 64	0.18 83	0.11 64	0.10 48	0.11 66	0.19 87	0.11 64	0.19 85	0.12 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.14 67	0.19 81	0.11 62	0.20 90	0.11 63	0.20 91	0.12 80	0.18 78	0.12 78	0.18 72	0.12 81	0.19 90	0.11 64	0.11 67	0.11 63	0.11 63	0.18 86	0.11 66	0.19 88	0.11 64	0.19 87	0.11 64	0.11 61	0.11 66	0.20 91	0.11 64	0.20 90	0.12 79
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DAS	0.20 89	0.20 82	0.20 98	0.20 90	0.20 110	0.20 91	0.20 109	0.20 81	0.20 107	0.20 77	0.20 109	0.20 93	0.20 108	0.20 107	0.20 110	0.20 104	0.20 92	0.20 112	0.20 91	0.20 111	0.20 91	0.20 110	0.20 107	0.20 108	0.20 91	0.20 108	0.20 90	0.20 109

MSKI-zero shot	0.19 85	0.21 83	0.16 83	0.22 96	0.16 93	0.23 105	0.17 96	0.22 91	0.17 95	0.22 80	0.17 94	0.22 97	0.16 93	0.19 106	0.16 93	0.17 94	0.23 102	0.16 92	0.22 95	0.16 93	0.22 96	0.17 98	0.16 89	0.17 94	0.22 97	0.19 107	0.22 95	0.16 92

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

WAO-6	0.30 113	0.22 85	0.23 107	0.22 96	0.23 117	0.23 105	0.22 113	0.22 91	0.23 115	2.21 266	0.22 114	0.22 97	0.22 114	0.22 112	0.22 115	0.23 111	0.22 97	0.23 119	0.22 95	0.22 114	0.22 96	0.22 112	0.22 111	0.22 115	0.23 102	0.23 117	0.22 95	0.22 114

IGEV_Zeroshot_test	0.18 82	0.22 85	0.18 92	0.21 94	0.18 104	0.20 91	0.17 96	0.20 81	0.16 90	0.25 91	0.16 92	0.21 94	0.17 96	0.16 93	0.18 102	0.15 91	0.20 92	0.16 92	0.20 91	0.18 104	0.21 93	0.17 98	0.17 91	0.17 94	0.20 91	0.17 96	0.20 90	0.16 92

dd	0.18 82	0.22 85	0.16 83	0.22 96	0.15 90	0.22 97	0.15 90	0.21 84	0.15 89	0.21 78	0.15 89	0.21 94	0.15 91	0.15 90	0.15 91	0.15 91	0.22 97	0.14 88	0.22 95	0.14 89	0.22 96	0.15 91	0.16 89	0.15 91	0.23 102	0.15 90	0.22 95	0.16 92

iResNetv2_ROB	0.20 89	0.22 85	0.19 96	0.23 103	0.19 108	0.22 97	0.17 96	0.22 91	0.17 95	0.22 80	0.17 94	0.22 97	0.17 96	0.18 102	0.18 102	0.19 103	0.22 97	0.17 96	0.23 102	0.17 97	0.25 107	0.18 106	0.17 91	0.18 105	0.23 102	0.17 96	0.25 112	0.17 98

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

IMH-64-1	0.29 109	0.23 89	0.23 107	0.23 103	0.22 112	0.22 97	0.23 115	0.22 91	0.22 112	2.02 256	0.23 117	0.23 103	0.22 114	0.23 116	0.23 117	0.23 111	0.23 102	0.22 114	0.23 102	0.22 114	0.22 96	0.22 112	0.22 111	0.22 115	0.22 97	0.22 114	0.22 95	0.22 114

IMH-64	0.29 109	0.23 89	0.23 107	0.23 103	0.22 112	0.22 97	0.23 115	0.22 91	0.22 112	2.02 256	0.23 117	0.23 103	0.22 114	0.23 116	0.23 117	0.23 111	0.23 102	0.22 114	0.23 102	0.22 114	0.22 96	0.22 112	0.22 111	0.22 115	0.22 97	0.22 114	0.22 95	0.22 114

MIM_Stereo	0.19 85	0.23 89	0.18 92	0.22 96	0.16 93	0.22 97	0.16 94	0.21 84	0.16 90	0.22 80	0.17 94	0.21 94	0.17 96	0.20 107	0.18 102	0.17 94	0.22 97	0.18 106	0.22 95	0.16 93	0.21 93	0.16 94	0.17 91	0.17 94	0.21 95	0.16 94	0.22 95	0.20 109

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

GEStereo_RVC	0.36 134	0.23 89	0.18 92	0.23 103	0.18 104	0.23 105	0.19 107	0.22 91	0.19 105	0.24 87	0.20 109	0.24 110	0.18 106	0.18 102	0.18 102	0.21 106	0.25 113	0.18 106	0.22 95	0.18 104	0.23 102	0.18 106	0.19 105	0.20 108	0.23 102	0.20 108	4.43 311	0.19 107

iResNet	0.19 85	0.23 89	0.17 87	0.22 96	0.17 97	0.22 97	0.19 107	0.22 91	0.17 95	0.22 80	0.17 94	0.22 97	0.17 96	0.17 95	0.17 97	0.17 94	0.22 97	0.17 96	0.22 95	0.17 97	0.23 102	0.17 98	0.18 102	0.17 94	0.23 102	0.17 96	0.23 103	0.17 98

ELAS	0.14 67	0.23 89	0.10 46	0.19 88	0.11 63	0.20 91	0.11 62	0.16 72	0.10 51	0.15 55	0.11 63	0.15 73	0.11 64	0.09 48	0.11 63	0.11 63	0.16 79	0.10 51	0.17 80	0.11 64	0.18 83	0.11 64	0.09 45	0.10 52	0.18 84	0.11 64	0.19 85	0.12 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MMNet	0.30 113	0.24 97	0.17 87	0.24 108	0.17 97	0.24 109	0.17 96	0.23 99	0.18 103	1.21 220	0.17 94	0.23 103	0.17 96	0.17 95	0.17 97	0.89 238	0.24 107	0.17 96	0.24 108	0.17 97	1.22 253	0.16 94	0.17 91	0.17 94	0.24 108	0.17 96	0.24 105	0.17 98

delet	0.30 113	0.24 97	0.17 87	0.24 108	0.17 97	0.24 109	0.17 96	0.23 99	0.16 90	1.21 220	0.17 94	0.24 110	0.17 96	0.17 95	0.17 97	0.91 242	0.24 107	0.17 96	0.24 108	0.17 97	1.23 255	0.17 98	0.17 91	0.17 94	0.24 108	0.17 96	0.24 105	0.17 98

psm_up	0.30 113	0.24 97	0.17 87	0.25 111	0.17 97	0.24 109	0.17 96	0.24 103	0.17 95	1.20 219	0.17 94	0.23 103	0.17 96	0.17 95	0.18 102	0.90 241	0.24 107	0.17 96	0.25 113	0.17 97	1.24 258	0.17 98	0.17 91	0.17 94	0.24 108	0.17 96	0.24 105	0.17 98

UPFNet	0.29 109	0.24 97	0.16 83	0.24 108	0.16 93	0.24 109	0.16 94	0.23 99	0.16 90	1.19 217	0.16 92	0.23 103	0.16 93	0.17 95	0.16 93	0.89 238	0.24 107	0.16 92	0.24 108	0.18 104	1.20 251	0.16 94	0.17 91	0.16 93	0.24 108	0.16 94	0.24 105	0.16 92

UNDER WATER-64	0.31 121	0.25 101	0.25 112	0.26 116	0.26 121	0.25 115	0.26 121	0.25 104	0.26 125	1.69 241	0.26 126	0.25 112	0.25 120	0.25 120	0.26 127	0.26 118	0.25 113	0.26 125	0.26 116	0.26 126	0.25 107	0.25 118	0.25 117	0.25 121	0.26 118	0.26 124	0.25 112	0.26 125

LoS_RVC	0.25 98	0.25 101	0.25 112	0.25 111	0.25 119	0.25 115	0.25 119	0.25 104	0.25 118	0.25 91	0.25 122	0.25 112	0.25 120	0.26 122	0.25 122	0.26 118	0.25 113	0.25 121	0.26 116	0.25 122	0.25 107	0.25 118	0.25 117	0.25 121	0.25 114	0.25 120	0.25 112	0.25 120

tt_ll	0.25 98	0.25 101	0.25 112	0.25 111	0.25 119	0.25 115	0.25 119	0.25 104	0.25 118	0.25 91	0.25 122	0.25 112	0.25 120	0.26 122	0.25 122	0.26 118	0.25 113	0.25 121	0.26 116	0.25 122	0.25 107	0.25 118	0.25 117	0.25 121	0.25 114	0.25 120	0.25 112	0.25 120

CAS	0.25 98	0.25 101	0.25 112	0.25 111	0.26 121	0.26 121	0.26 121	0.25 104	0.25 118	0.25 91	0.25 122	0.25 112	0.25 120	0.25 120	0.25 122	0.25 115	0.26 119	0.25 121	0.26 116	0.26 126	0.25 107	0.25 118	0.25 117	0.26 125	0.25 114	0.26 124	0.25 112	0.25 120

LoS	0.25 98	0.25 101	0.27 116	0.27 118	0.26 121	0.25 115	0.26 121	0.26 109	0.25 118	0.26 97	0.25 122	0.25 112	0.25 120	0.26 122	0.25 122	0.25 115	0.25 113	0.25 121	0.25 113	0.25 122	0.27 114	0.25 118	0.26 121	0.26 125	0.26 118	0.25 120	0.25 112	0.25 120
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
HGLStereo	0.27 103	0.25 101	0.21 104	0.35 133	0.21 111	0.35 132	0.21 111	0.34 123	0.21 109	0.39 118	0.21 111	0.34 129	0.21 112	0.22 112	0.21 111	0.21 106	0.35 131	0.22 114	0.35 130	0.22 114	0.35 126	0.22 112	0.21 108	0.21 112	0.35 131	0.21 111	0.35 130	0.21 112

CFNet	0.55 181	0.25 101	0.18 92	0.25 111	0.18 104	0.25 115	0.18 106	0.25 104	0.18 103	0.25 91	0.18 106	0.25 112	0.18 106	0.18 102	0.18 102	0.18 100	0.25 113	0.18 106	0.25 113	0.18 104	5.31 322	4.36 322	0.18 102	0.18 105	0.25 114	0.18 105	0.25 112	0.18 106

SQANet	0.33 125	0.28 108	0.28 119	0.28 122	0.28 130	0.29 123	0.28 132	0.28 110	0.28 132	1.59 238	0.28 133	0.28 122	0.28 130	0.28 134	0.28 134	0.28 128	0.28 122	0.28 129	0.29 122	0.28 131	0.28 116	0.28 131	0.28 128	0.28 133	0.28 121	0.28 129	0.28 120	0.28 131

RAFT + AFF	0.34 128	0.29 109	0.32 136	0.31 125	0.30 147	0.39 152	0.32 154	0.39 140	0.30 144	0.39 118	0.32 152	0.39 147	0.32 149	0.35 150	0.36 159	0.32 149	0.38 142	0.31 147	0.38 141	0.31 151	0.38 135	0.28 131	0.37 164	0.34 156	0.38 140	0.30 147	0.38 138	0.28 131

DISCO	0.59 187	0.29 109	0.22 105	0.27 118	5.05 327	0.30 124	0.21 111	0.28 110	0.21 109	0.27 98	0.21 111	0.27 120	0.20 108	0.21 111	0.21 111	0.21 106	0.27 121	0.21 113	0.27 120	0.21 113	0.27 114	0.23 117	0.21 108	0.21 112	0.27 120	0.21 111	5.06 319	0.22 114

model_zeroshot	0.27 103	0.30 111	0.19 96	0.36 137	0.23 117	0.25 115	0.27 125	0.33 117	0.21 109	0.35 106	0.22 114	0.25 112	0.27 128	0.26 122	0.23 117	0.26 118	0.35 131	0.22 114	0.36 133	0.23 119	0.25 107	0.27 125	0.27 123	0.23 118	0.36 133	0.22 114	0.25 112	0.27 128

DLNR_Zeroshot_test	0.27 103	0.30 111	0.23 107	0.30 123	0.22 112	0.31 125	0.24 117	0.29 112	0.23 115	0.38 115	0.23 117	0.29 123	0.23 118	0.22 112	0.23 117	0.23 111	0.30 124	0.34 153	0.29 122	0.23 119	0.29 118	0.29 143	0.22 111	0.23 118	0.30 123	0.23 117	0.30 122	0.23 118

FCDSN-DC	0.44 156	0.31 113	0.35 139	0.34 129	0.28 130	0.35 132	0.30 150	0.32 116	0.25 118	1.32 226	0.24 120	1.00 237	0.32 149	0.35 150	0.34 153	0.30 140	0.72 208	0.37 164	0.48 180	0.32 152	0.53 188	0.49 197	0.23 115	0.29 143	0.50 183	0.42 183	0.61 201	0.71 232
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AANet_RVC	0.61 188	0.31 113	5.05 316	0.31 125	0.19 108	0.24 109	0.20 109	5.86 312	0.20 107	0.24 87	0.18 106	0.25 112	0.20 108	0.23 116	0.21 111	0.18 100	0.37 139	0.18 106	0.24 108	0.19 109	0.25 107	0.19 109	0.19 105	0.19 107	0.24 108	0.15 90	0.24 105	0.20 109

iResNet_ROB	0.28 108	0.32 115	0.24 111	0.33 127	0.26 121	0.32 127	0.24 117	0.33 117	0.25 118	0.33 101	0.24 120	0.35 132	0.24 119	0.23 116	0.24 121	0.25 115	0.32 126	0.24 120	0.36 133	0.24 121	0.32 120	0.28 131	0.24 116	0.24 120	0.32 125	0.24 119	0.33 124	0.24 119

MLCV	0.30 113	0.33 116	0.28 119	0.34 129	0.28 130	0.33 128	0.28 132	0.33 117	0.29 140	0.33 101	0.27 130	0.33 127	0.28 130	0.26 122	0.29 142	0.28 128	0.33 127	0.28 129	0.33 125	0.28 131	0.33 121	0.27 125	0.28 128	0.28 133	0.33 126	0.28 129	0.33 124	0.28 131

CES	0.38 141	0.34 117	0.44 160	0.43 168	0.33 155	0.37 141	0.44 187	0.37 131	0.38 164	0.45 138	0.35 158	0.35 132	0.41 176	0.45 178	0.36 159	0.36 157	0.36 136	0.45 184	0.43 165	0.35 159	0.34 122	0.46 183	0.36 160	0.36 163	0.42 162	0.34 156	0.35 130	0.38 169

anonymity	0.30 113	0.34 117	0.27 116	0.33 127	0.27 126	0.33 128	0.28 132	0.33 117	0.28 132	0.33 101	0.28 133	0.33 127	0.28 130	0.28 134	0.28 134	0.28 128	0.34 128	0.28 129	0.34 128	0.28 131	0.34 122	0.27 125	0.27 123	0.27 129	0.34 128	0.28 129	0.34 128	0.28 131

DN-CSS_ROB	0.30 113	0.34 117	0.29 124	0.34 129	0.27 126	0.34 130	0.28 132	0.33 117	0.27 127	0.34 104	0.27 130	0.34 129	0.28 130	0.29 136	0.27 130	0.26 118	0.35 131	0.29 138	0.33 125	0.28 131	0.34 122	0.28 131	0.28 128	0.27 129	0.34 128	0.28 129	0.33 124	0.28 131

ETE_ROB	0.35 133	0.35 120	0.35 139	0.35 133	0.35 160	0.35 132	0.35 157	0.35 126	0.35 156	0.35 106	0.35 158	0.35 132	0.35 156	0.35 150	0.35 155	0.35 155	0.35 131	0.35 157	0.35 130	0.35 159	0.35 126	0.35 155	0.35 155	0.35 160	0.35 131	0.35 157	0.35 130	0.35 158

RSM	0.33 125	0.36 121	0.31 133	0.39 154	0.32 152	0.36 137	0.30 150	0.35 126	0.38 164	0.35 106	0.31 149	0.35 132	0.30 144	0.30 141	0.31 149	0.30 140	0.36 136	0.31 147	0.36 133	0.30 147	0.36 130	0.31 148	0.31 146	0.31 149	0.36 133	0.31 150	0.36 133	0.31 151

XPNet_ROB	0.37 139	0.37 122	0.37 143	0.37 139	0.37 166	0.37 141	0.37 168	0.37 131	0.37 163	0.37 114	0.37 167	0.37 140	0.37 163	0.37 157	0.37 162	0.37 160	0.37 139	0.37 164	0.37 137	0.37 165	0.37 132	0.37 161	0.37 164	0.37 169	0.37 137	0.37 166	0.37 136	0.37 166

DCVSM-stereo	0.27 103	0.38 123	0.22 105	0.38 143	0.22 112	0.38 145	0.22 113	0.29 112	0.22 112	0.29 99	0.22 114	0.29 123	0.22 114	0.22 112	0.21 111	0.21 106	0.38 142	0.22 114	0.38 141	0.22 114	0.38 135	0.22 112	0.21 108	0.25 121	0.38 140	0.21 111	0.38 138	0.21 112

WAO-7	0.46 160	0.38 123	0.38 145	0.38 143	0.38 170	0.38 145	0.38 171	0.38 134	0.38 164	2.57 282	0.38 170	0.38 143	0.38 166	0.38 159	0.38 164	0.38 163	0.38 142	0.38 167	0.38 141	0.38 169	0.38 135	0.38 164	0.38 168	0.38 170	0.38 140	0.38 170	0.38 138	0.38 169

Venus	0.46 160	0.38 123	0.40 149	0.38 143	0.38 170	0.39 152	0.38 171	0.38 134	0.38 164	2.71 284	0.38 170	0.38 143	0.38 166	0.38 159	0.38 164	0.38 163	0.38 142	0.38 167	0.38 141	0.38 169	0.38 135	0.38 164	0.38 168	0.38 170	0.38 140	0.38 170	0.39 148	0.38 169

DMCA	0.36 134	0.38 123	0.37 143	0.35 133	0.35 160	0.35 132	0.36 163	0.35 126	0.36 161	0.36 112	0.37 167	0.36 138	0.36 161	0.36 155	0.35 155	0.37 160	0.36 136	0.36 159	0.36 133	0.36 163	0.36 130	0.35 155	0.36 160	0.36 163	0.37 137	0.36 160	0.36 133	0.36 163

HanzoNet	0.47 162	0.39 127	0.38 145	0.38 143	0.38 170	0.38 145	0.38 171	0.40 144	0.38 164	2.63 283	0.38 170	0.38 143	0.38 166	0.38 159	0.38 164	0.39 171	0.38 142	0.38 167	0.38 141	0.42 183	0.38 135	0.39 173	0.39 174	0.38 170	0.38 140	0.38 170	0.38 138	0.39 175

IMH	0.47 162	0.40 128	0.39 148	0.38 143	0.38 170	0.38 145	0.38 171	0.38 134	0.40 173	2.79 286	0.38 170	0.38 143	0.38 166	0.38 159	0.38 164	0.38 163	0.39 152	0.38 167	0.38 141	0.40 177	0.38 135	0.38 164	0.38 168	0.38 170	0.38 140	0.38 170	0.38 138	0.38 169

Pointernet	0.22 93	0.41 129	0.38 145	0.22 96	0.17 97	0.22 97	0.17 96	0.41 146	0.17 95	0.22 80	0.17 94	0.22 97	0.17 96	0.18 102	0.18 102	0.18 100	0.23 102	0.18 106	0.23 102	0.18 104	0.23 102	0.18 106	0.17 91	0.17 94	0.22 97	0.18 105	0.22 95	0.17 98

GwcNet-ADL	0.41 146	0.41 129	0.41 151	0.41 162	0.41 177	0.41 159	0.41 179	0.41 146	0.41 176	0.41 127	0.41 180	0.41 155	0.41 176	0.41 169	0.41 179	0.41 172	0.41 159	0.41 177	0.41 158	0.41 178	0.41 150	0.41 177	0.41 176	0.41 179	0.41 155	0.41 178	0.41 153	0.41 178

PSMNet-ADL	0.41 146	0.41 129	0.41 151	0.41 162	0.41 177	0.41 159	0.41 179	0.41 146	0.41 176	0.41 127	0.41 180	0.41 155	0.41 176	0.41 169	0.41 179	0.41 172	0.41 159	0.41 177	0.41 158	0.41 178	0.41 150	0.41 177	0.41 176	0.41 179	0.41 155	0.41 178	0.41 153	0.41 178

GANet-ADL	0.41 146	0.41 129	0.41 151	0.41 162	0.41 177	0.41 159	0.41 179	0.41 146	0.41 176	0.41 127	0.41 180	0.41 155	0.41 176	0.41 169	0.41 179	0.41 172	0.41 159	0.41 177	0.41 158	0.41 178	0.41 150	0.41 177	0.41 176	0.41 179	0.41 155	0.41 178	0.41 153	0.41 178

ADLNet	0.41 146	0.41 129	0.41 151	0.41 162	0.41 177	0.41 159	0.41 179	0.41 146	0.41 176	0.41 127	0.41 180	0.41 155	0.41 176	0.41 169	0.41 179	0.41 172	0.41 159	0.41 177	0.41 158	0.41 178	0.41 150	0.41 177	0.41 176	0.41 179	0.41 155	0.41 178	0.41 153	0.41 178

GES	0.43 154	0.41 129	0.31 133	0.35 133	0.30 147	0.47 177	0.28 132	0.33 117	0.28 132	0.35 106	0.29 141	2.95 292	0.38 166	0.35 150	0.30 146	0.34 152	0.34 128	0.30 144	0.33 125	0.30 147	0.35 126	0.30 146	0.33 150	0.33 154	0.33 126	0.31 150	0.33 124	0.29 142

gcap_with_dpt	0.34 128	0.42 135	0.29 124	0.42 166	0.29 140	0.42 163	0.29 145	0.39 140	0.29 140	0.39 118	0.29 141	0.39 147	0.29 139	0.29 136	0.29 142	0.28 128	0.42 163	0.29 138	0.42 162	0.29 140	0.42 155	0.28 131	0.28 128	0.28 133	0.41 155	0.28 129	0.41 153	0.28 131

GCAP-BAT	0.34 128	0.42 135	0.29 124	0.42 166	0.29 140	0.42 163	0.29 145	0.39 140	0.29 140	0.39 118	0.29 141	0.39 147	0.29 139	0.29 136	0.29 142	0.28 128	0.42 163	0.29 138	0.42 162	0.29 140	0.42 155	0.28 131	0.28 128	0.28 133	0.41 155	0.28 129	0.41 153	0.28 131

DGSMNet	0.33 125	0.42 135	0.28 119	0.40 155	0.28 130	0.40 155	0.28 132	0.40 144	0.28 132	0.40 126	0.28 133	0.39 147	0.28 130	0.27 129	0.28 134	0.28 128	0.40 156	0.28 129	0.42 162	0.29 140	0.41 150	0.31 148	0.29 136	0.28 133	0.41 155	0.28 129	0.42 159	0.29 142

GMOStereo	0.50 165	0.44 138	2.38 296	0.40 155	0.34 157	0.42 163	0.36 163	1.96 264	0.34 152	0.41 127	0.36 161	0.42 159	0.35 156	0.34 146	0.38 164	0.31 145	0.39 152	0.34 153	0.40 153	0.33 156	0.39 144	0.33 152	0.33 150	0.34 156	0.40 150	0.36 160	0.40 149	0.32 153

error version	0.50 165	0.44 138	2.38 296	0.40 155	0.34 157	0.42 163	0.36 163	1.96 264	0.34 152	0.41 127	0.36 161	0.42 159	0.35 156	0.34 146	0.38 164	0.31 145	0.39 152	0.34 153	0.40 153	0.33 156	0.39 144	0.33 152	0.33 150	0.34 156	0.40 150	0.36 160	0.40 149	0.32 153

LG-Stereo_L2	0.32 122	0.45 140	0.36 141	0.37 139	0.27 126	0.37 141	0.27 125	0.43 151	0.27 127	0.36 112	0.31 149	0.36 138	0.27 128	0.27 129	0.27 130	0.30 140	0.37 139	0.27 128	0.37 137	0.27 130	0.37 132	0.27 125	0.27 123	0.27 129	0.37 137	0.27 127	0.37 136	0.27 128

Any-RAFT	0.32 122	0.45 140	0.29 124	0.36 137	0.29 140	0.36 137	0.29 145	0.36 130	0.29 140	0.35 106	0.29 141	0.35 132	0.28 130	0.27 129	0.28 134	0.28 128	0.35 131	0.28 129	0.35 130	0.28 131	0.35 126	0.28 131	0.29 136	0.29 143	0.36 133	0.29 144	0.36 133	0.29 142

RAFT-Test	0.34 128	0.45 140	0.30 130	0.38 143	0.32 152	0.40 155	0.32 154	0.39 140	0.32 147	0.39 118	0.30 146	0.37 140	0.29 139	0.30 141	0.30 146	0.29 138	0.38 142	0.30 144	0.38 141	0.29 140	0.38 135	0.29 143	0.29 136	0.30 147	0.38 140	0.30 147	0.38 138	0.30 148

GREAT-IGEV	0.36 134	0.46 143	0.33 137	0.43 168	0.30 147	0.43 168	0.30 150	0.45 153	0.30 144	0.42 134	0.30 146	0.43 163	0.30 144	0.30 141	0.30 146	0.30 140	0.43 165	0.30 144	0.43 165	0.30 147	0.43 158	0.30 146	0.30 144	0.30 147	0.43 163	0.30 147	0.43 161	0.30 148
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
otaku	0.52 169	0.46 143	0.48 173	0.46 172	0.46 186	0.46 171	0.46 188	0.46 154	0.47 191	1.88 245	0.46 188	0.46 166	0.46 187	0.46 180	0.46 188	0.46 181	0.47 171	0.46 185	0.46 169	0.46 188	0.47 165	0.46 183	0.46 183	0.46 188	0.47 172	0.46 187	0.46 164	0.47 188

Dean	0.52 169	0.46 143	0.48 173	0.46 172	0.46 186	0.46 171	0.46 188	0.46 154	0.46 186	1.90 246	0.46 188	0.47 171	0.46 187	0.46 180	0.46 188	0.46 181	0.48 176	0.46 185	0.46 169	0.46 188	0.46 161	0.46 183	0.46 183	0.46 188	0.46 166	0.46 187	0.46 164	0.46 185

ACVNet_1	0.53 173	0.46 143	0.48 173	0.47 177	0.47 190	0.46 171	0.48 196	0.48 163	0.48 195	2.07 259	0.47 192	0.48 179	0.48 194	0.47 184	0.47 192	0.46 181	0.49 181	0.47 192	0.47 173	0.47 193	0.48 172	0.46 183	0.46 183	0.48 196	0.47 172	0.47 194	0.48 174	0.47 188

ACVNet-4b	0.53 173	0.46 143	0.47 167	0.46 172	0.46 186	0.46 171	0.46 188	0.46 154	0.46 186	2.17 262	0.46 188	0.46 166	0.47 190	0.46 180	0.46 188	0.46 181	0.46 167	0.46 185	0.46 169	0.46 188	0.46 161	0.46 183	0.46 183	0.47 192	0.46 166	0.46 187	0.46 164	0.46 185

iRaft-Stereo_20w	0.30 113	0.46 143	0.27 116	0.34 129	0.26 121	0.35 132	0.28 132	0.34 123	0.26 125	0.34 104	0.26 126	0.34 129	0.26 126	0.26 122	0.26 127	0.26 118	0.34 128	0.26 125	0.34 128	0.26 126	0.34 122	0.26 124	0.26 121	0.26 125	0.34 128	0.26 124	0.34 128	0.26 125

Ntro	0.53 173	0.47 149	0.50 180	0.46 172	0.48 195	0.47 177	0.47 192	0.46 154	0.46 186	2.05 258	0.47 192	0.47 171	0.49 198	0.47 184	0.47 192	0.46 181	0.48 176	0.46 185	0.49 184	0.46 188	0.47 165	0.46 183	0.46 183	0.47 192	0.46 166	0.46 187	0.47 168	0.47 188

UNDER WATER	0.52 169	0.47 149	0.47 167	0.47 177	0.47 190	0.47 177	0.47 192	0.47 160	0.47 191	1.90 246	0.47 192	0.47 171	0.47 190	0.47 184	0.47 192	0.47 188	0.46 167	0.47 192	0.47 173	0.47 193	0.46 161	0.47 191	0.47 189	0.48 196	0.47 172	0.47 194	0.47 168	0.47 188

LVE	0.53 173	0.47 149	0.48 173	0.47 177	0.47 190	0.47 177	0.47 192	0.48 163	0.47 191	1.96 253	0.47 192	0.47 171	0.47 190	0.47 184	0.47 192	0.47 188	0.47 171	0.47 192	0.47 173	0.47 193	0.47 165	0.47 191	0.47 189	0.47 192	0.47 172	0.47 194	0.47 168	0.47 188

RainbowNet	0.53 173	0.48 152	0.48 173	0.48 181	0.48 195	0.48 183	0.48 196	0.48 163	0.48 195	1.92 248	0.48 197	0.48 179	0.48 194	0.48 189	0.48 197	0.48 191	0.48 176	0.48 196	0.48 180	0.48 197	0.48 172	0.48 194	0.48 192	0.48 196	0.48 177	0.48 198	0.48 174	0.48 194

HaxPig	0.52 169	0.48 152	0.47 167	0.47 177	0.47 190	0.47 177	0.47 192	0.47 160	0.47 191	1.80 242	0.47 192	0.47 171	0.47 190	0.47 184	0.47 192	0.47 188	0.47 171	0.47 192	0.47 173	0.47 193	0.47 165	0.47 191	0.47 189	0.47 192	0.47 172	0.47 194	0.47 168	0.47 188

notaker	0.54 178	0.48 152	0.48 173	0.48 181	0.48 195	0.48 183	0.49 199	0.48 163	0.48 195	1.95 252	0.48 197	0.48 179	0.48 194	0.48 189	0.48 197	0.48 191	0.48 176	0.48 196	0.48 180	0.48 197	0.49 178	0.48 194	0.48 192	0.49 199	0.48 177	0.48 198	0.48 174	0.49 195

ACVNet_2	0.55 181	0.49 155	0.50 180	0.49 187	0.49 199	0.49 189	0.49 199	0.49 167	0.49 200	2.14 261	0.49 200	0.50 184	0.49 198	0.49 192	0.49 201	0.49 195	0.50 184	0.49 201	0.50 188	0.49 201	0.49 178	0.49 197	0.49 194	0.50 201	0.50 183	0.49 201	0.50 184	0.49 195

EKT-Stereo	0.36 134	0.50 156	0.30 130	0.40 155	0.29 140	0.40 155	0.29 145	0.35 126	0.30 144	0.47 143	0.30 146	0.35 132	0.32 149	0.29 136	0.34 153	0.33 151	0.59 196	0.31 147	0.39 152	0.29 140	0.37 132	0.38 164	0.29 136	0.31 149	0.58 201	0.28 129	0.51 186	0.29 142

SANet	0.50 165	0.50 156	0.50 180	0.50 189	0.50 203	0.50 190	0.50 203	0.50 171	0.50 202	0.50 149	0.50 202	0.50 184	0.50 200	0.50 195	0.50 204	0.50 199	0.50 184	0.50 202	0.50 188	0.50 204	0.50 180	0.50 203	0.50 197	0.50 201	0.50 183	0.50 204	0.50 184	0.50 198

AEACV	0.74 208	0.52 158	3.10 302	0.60 204	0.48 195	0.56 199	0.48 196	3.02 290	0.83 238	0.61 162	0.62 216	0.72 210	0.50 200	0.49 192	0.49 201	0.48 191	0.58 195	0.50 202	0.55 199	0.48 197	0.56 192	0.50 203	0.50 197	0.51 203	0.58 201	0.51 206	0.60 198	0.51 201

CASnet	0.32 122	0.53 159	0.34 138	0.27 118	0.31 150	0.34 130	0.29 145	0.31 115	0.32 147	0.25 91	0.31 149	0.27 120	0.40 175	0.45 178	0.27 130	0.30 140	0.26 119	0.40 175	0.28 121	0.37 165	0.28 116	0.39 173	0.29 136	0.40 178	0.29 122	0.28 129	0.24 105	0.30 148
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GASTEREO	0.41 146	0.54 160	0.44 160	0.48 181	0.35 160	0.48 183	0.35 157	0.53 177	0.35 156	0.46 140	0.35 158	0.46 166	0.35 156	0.35 150	0.35 155	0.35 155	0.47 171	0.35 157	0.47 173	0.35 159	0.47 165	0.38 164	0.35 155	0.35 160	0.48 177	0.35 157	0.47 168	0.35 158

Occ-G	0.68 199	0.54 160	3.16 305	0.57 202	0.45 185	0.52 195	0.40 178	3.44 296	0.46 186	0.52 153	0.45 187	0.51 187	0.44 184	0.44 177	0.40 177	0.45 180	0.55 191	0.41 177	0.53 196	0.43 184	0.52 185	0.40 175	0.44 182	0.45 187	0.55 195	0.44 186	0.53 191	0.44 184

GEAStereo	0.42 151	0.55 162	0.44 160	0.48 181	0.35 160	0.48 183	0.35 157	0.54 179	0.35 156	0.47 143	0.36 161	0.47 171	0.41 176	0.38 159	0.38 164	0.38 163	0.51 186	0.36 159	0.51 191	0.38 169	0.48 172	0.35 155	0.35 155	0.36 163	0.52 189	0.37 166	0.48 174	0.36 163

gasm-f	0.42 151	0.55 162	0.44 160	0.48 181	0.35 160	0.48 183	0.35 157	0.54 179	0.35 156	0.47 143	0.36 161	0.47 171	0.41 176	0.38 159	0.38 164	0.38 163	0.51 186	0.36 159	0.51 191	0.38 169	0.48 172	0.35 155	0.35 155	0.36 163	0.52 189	0.37 166	0.48 174	0.36 163

FSD		0.55 162	0.42 157	0.54 194	0.42 182	0.55 198	0.43 185	0.54 179	0.42 181	0.59 159	0.42 185			0.43 175	0.42 185	0.42 177			2.46 287	0.44 186				0.44 186	0.55 195	0.43 185	0.55 193	0.53 204

PSMNet_ROB	0.55 181	0.55 162	0.56 194	0.56 198	0.55 207	0.56 199	0.55 207	0.55 183	0.55 206	0.55 156	0.55 207	0.55 193	0.55 208	0.55 198	0.56 209	0.55 203	0.55 191	0.55 208	0.55 199	0.55 207	0.55 191	0.55 206	0.55 202	0.55 209	0.55 195	0.55 209	0.55 193	0.55 205

GSStereo	0.42 151	0.56 166	0.44 160	0.48 181	0.36 165	0.48 183	0.36 163	0.54 179	0.36 161	0.47 143	0.36 161	0.47 171	0.36 161	0.36 155	0.35 155	0.36 157	0.48 176	0.36 159	0.48 180	0.36 163	0.48 172	0.36 160	0.36 160	0.36 163	0.48 177	0.36 160	0.48 174	0.35 158

GIP-stereo	0.38 141	0.56 166	0.40 149	0.45 171	0.33 155	0.44 170	0.35 157	0.49 167	0.33 151	0.43 135	0.32 152	0.42 159	0.31 146	0.33 145	0.33 152	0.34 152	0.40 156	0.32 151	0.40 153	0.32 152	0.43 158	0.38 164	0.33 150	0.32 151	0.43 163	0.32 152	0.42 159	0.34 157

PML	0.39 144	0.56 166	0.29 124	0.55 197	0.28 130	0.56 199	0.28 132	0.51 174	0.28 132	0.50 149	0.28 133	0.51 187	0.28 130	0.29 136	0.28 134	0.29 138	0.56 194	0.29 138	0.57 202	0.28 131	0.56 192	0.28 131	0.28 128	0.29 143	0.56 198	0.28 129	0.56 195	0.28 131

DDF-Stereo	0.37 139	0.57 169	0.50 180	0.40 155	0.32 152	0.40 155	0.32 154	0.53 177	0.32 147	0.39 118	0.32 152	0.39 147	0.32 149	0.32 144	0.32 151	0.32 149	0.40 156	0.32 151	0.40 153	0.32 152	0.40 149	0.32 151	0.32 147	0.32 151	0.40 150	0.32 152	0.40 149	0.32 153

LG-Stereo_Zeroshot	0.45 159	0.57 169	0.45 165	0.54 194	0.37 166	0.53 196	0.37 168	0.56 185	0.40 173	0.53 155	0.38 170	0.53 191	0.37 163	0.37 157	0.37 162	0.37 160	0.55 191	0.38 167	0.53 196	0.37 165	0.53 188	0.37 161	0.37 164	0.39 177	0.54 194	0.37 166	0.54 192	0.37 166

AIO-Stereo-zeroshot1	0.74 208	0.57 169	0.57 197	0.56 198	0.92 242	1.07 247	0.63 220	1.03 228	0.82 237	0.49 148	0.77 234	0.69 207	0.54 207	0.58 202	0.54 206	0.86 237	1.06 241	0.72 233	1.06 244	0.79 235	0.58 195	0.87 239	0.59 207	0.46 188	0.76 214	0.46 187	1.05 242	0.97 247

LG-Stereo_L1	0.44 156	0.58 172	0.49 179	0.51 192	0.38 170	0.51 192	0.38 171	0.56 185	0.38 164	0.50 149	0.38 170	0.50 184	0.38 166	0.38 159	0.38 164	0.38 163	0.52 188	0.38 167	0.52 194	0.38 169	0.51 182	0.38 164	0.38 168	0.38 170	0.52 189	0.38 170	0.51 186	0.40 176

LG-Stereo	0.57 185	0.58 172	0.43 158	0.54 194	0.65 218	0.95 230	0.69 232	0.69 194	0.38 164	0.52 153	0.37 167	0.53 191	0.37 163	0.68 225	0.73 234	0.72 229	0.70 205	0.37 164	0.54 198	0.37 165	0.54 190	0.37 161	0.37 164	0.56 210	0.95 231	0.59 214	0.84 219	0.37 166

MSCF	0.44 156	0.60 174	0.47 167	0.50 189	0.40 175	0.50 190	0.38 171	0.57 187	0.38 164	0.48 147	0.38 170	0.48 179	0.38 166	0.38 159	0.38 164	0.38 163	0.49 181	0.38 167	0.49 184	0.39 176	0.50 180	0.38 164	0.38 168	0.38 170	0.49 182	0.38 170	0.49 182	0.38 169

LMCR-Stereo	0.61 188	0.61 175	0.61 201	0.61 207	0.61 214	0.67 210	0.61 218	0.61 189	0.61 215	0.61 162	0.61 215	0.61 199	0.61 215	0.61 206	0.61 216	0.61 210	0.61 199	0.61 216	0.61 206	0.61 215	0.61 198	0.61 213	0.61 210	0.61 219	0.61 206	0.61 217	0.61 201	0.61 216

PA-Net	0.71 204	0.62 176	0.55 191	0.69 213	0.71 230	0.70 211	0.69 232	0.69 194	0.74 231	0.73 170	0.75 233	0.59 196	0.72 231	0.82 236	0.79 237	0.83 235	0.67 204	0.76 235	0.81 221	0.67 225	0.61 198	0.76 233	0.68 225	0.65 222	0.82 220	0.76 237	0.71 206	0.69 229
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-test1	0.54 178	0.64 177	0.54 188	0.60 204	0.49 199	0.61 205	0.49 199	0.64 191	0.49 200	0.59 159	0.48 197	0.60 198	0.50 200	0.48 189	0.48 197	0.48 191	0.60 197	0.48 196	0.60 204	0.48 197	0.60 196	0.49 197	0.49 194	0.49 199	0.59 203	0.49 201	0.60 198	0.49 195

AIO-test2	0.54 178	0.65 178	0.55 191	0.60 204	0.50 203	0.60 203	0.49 199	0.65 192	0.48 195	0.60 161	0.49 200	0.59 196	0.50 200	0.50 195	0.49 201	0.49 195	0.60 197	0.50 202	0.60 204	0.49 201	0.60 196	0.49 197	0.50 197	0.51 203	0.60 204	0.48 198	0.60 198	0.50 198

TorneroNet-64	0.69 200	0.65 178	0.30 130	0.27 118	0.47 190	0.28 122	0.35 157	0.34 123	0.80 233	7.93 329	0.29 141	0.30 125	0.31 146	0.81 235	0.28 134	0.27 127	0.29 123	0.28 129	0.85 223	0.83 241	0.62 200	0.28 131	0.30 144	0.28 133	0.52 189	0.29 144	0.29 121	0.27 128

KSHMR	0.85 228	0.72 180	0.51 184	0.49 187	0.49 199	0.51 192	1.07 259	0.50 171	0.48 195	6.04 324	0.52 204	0.66 202	0.98 248	0.49 192	0.77 235	0.49 195	1.17 251	0.51 205	0.49 184	1.06 257	0.51 182	0.49 197	0.49 194	0.51 203	1.04 245	0.49 201	0.81 217	0.72 233

DMCA-RVC	0.71 204	0.72 180	0.72 205	0.71 217	0.70 229	0.70 211	0.70 235	0.70 196	0.71 228	0.70 167	0.71 230	0.71 209	0.70 228	0.70 227	0.71 232	0.70 226	0.70 205	0.71 232	0.70 209	0.71 230	0.70 205	0.70 229	0.71 230	0.71 235	0.70 209	0.72 234	0.71 206	0.70 230

AFF-stereo	0.71 204	0.73 182	0.65 204	0.82 224	0.63 217	0.83 219	0.63 220	0.73 199	0.65 217	0.82 180	0.73 232	0.74 213	0.64 216	0.63 210	0.62 217	0.62 211	0.73 209	0.63 218	0.74 214	0.72 232	0.80 209	0.58 208	0.70 228	0.71 235	0.79 215	0.69 231	0.78 211	0.72 233

DSFCA	0.66 193	0.73 182	0.74 210	0.68 212	0.65 218	0.64 207	0.65 223	0.65 192	0.65 217	0.66 165	0.65 218	0.65 201	0.64 216	0.65 213	0.65 220	0.65 214	0.65 202	0.65 220	0.65 208	0.65 218	0.65 204	0.65 216	0.65 213	0.65 222	0.66 208	0.66 221	0.65 204	0.65 218

ARAFT	0.64 191	0.74 184	0.62 202	0.70 216	0.56 209	0.72 213	0.55 207	0.72 198	0.54 205	0.73 170	0.56 208	0.72 210	0.56 210	0.56 200	0.62 217	0.63 212	0.73 209	0.53 207	0.73 212	0.54 206	0.72 206	0.65 216	0.62 211	0.56 210	0.72 211	0.54 207	0.72 208	0.57 207

RAFT-Stereo + iAFF	0.67 197	0.74 184	0.60 200	0.79 220	0.61 214	0.76 214	0.57 213	0.71 197	0.56 208	0.71 168	0.54 206	0.72 210	0.66 219	0.65 213	0.65 220	0.64 213	0.74 211	0.64 219	0.74 214	0.63 216	0.73 207	0.65 216	0.64 212	0.64 221	0.74 213	0.61 217	0.73 209	0.64 217

AIO-Stereo-zeroshot	0.93 233	0.77 186	0.82 222	1.16 257	0.75 233	0.99 236	0.92 243	0.91 209	0.99 248	0.94 191	0.91 242	1.15 248	0.88 241	0.92 241	1.00 249	0.67 220	0.98 229	1.00 248	0.75 216	0.91 245	1.18 248	0.87 239	0.89 240	0.90 245	1.08 250	1.07 257	0.74 210	0.89 241

zero-FE	0.66 193	0.80 187	0.56 194	0.79 220	0.58 211	0.82 218	0.55 207	0.76 200	0.56 208	0.75 172	0.58 212	0.75 214	0.59 213	0.57 201	0.56 209	0.55 203	0.79 213	0.55 208	0.78 217	0.55 207	0.85 215	0.58 208	0.55 202	0.57 214	0.80 217	0.57 211	0.80 213	0.57 207

NaN_ROB	0.80 213	0.80 187	0.80 220	0.80 222	0.80 236	0.80 216	0.80 239	0.80 202	0.80 233	0.80 177	0.80 237	0.80 219	0.80 234	0.80 233	0.80 238	0.80 233	0.80 215	0.80 238	0.80 219	0.80 238	0.80 209	0.80 235	0.80 236	0.80 239	0.80 217	0.80 239	0.80 213	0.80 237

CSAN	0.80 213	0.80 187	0.80 220	0.80 222	0.80 236	0.80 216	0.80 239	0.80 202	0.80 233	0.80 177	0.80 237	0.80 219	0.80 234	0.80 233	0.80 238	0.80 233	0.80 215	0.80 238	0.80 219	0.80 238	0.80 209	0.80 235	0.80 236	0.80 239	0.80 217	0.80 239	0.80 213	0.80 237

FC-DCNN	1.10 250	0.81 190	0.77 217	0.63 210	0.42 182	0.86 223	0.64 222	0.91 209	0.96 246	1.11 207	0.80 237	1.07 244	0.81 236	0.67 221	1.75 287	1.30 271	1.41 266	0.85 241	1.28 259	0.71 230	2.12 279	1.32 270	0.52 200	0.81 242	1.64 273	1.40 280	2.39 286	1.75 290

DDUNet	0.69 200	0.84 191	0.59 199	0.84 226	0.59 212	0.87 224	0.57 213	0.84 205	0.59 214	0.82 180	0.58 212	0.85 223	0.57 211	0.59 205	0.59 213	0.57 207	0.87 220	0.59 213	0.85 223	0.59 214	0.85 215	0.59 211	0.59 207	0.59 215	0.87 222	0.59 214	0.84 219	0.59 210

UDG	0.70 202	0.87 192	0.56 194	0.87 227	0.59 212	0.84 221	0.59 216	0.85 206	0.57 211	0.84 182	0.59 214	0.84 222	0.60 214	0.58 202	0.60 214	0.59 208	0.85 219	0.59 213	0.87 225	0.58 211	0.87 217	0.60 212	0.57 206	0.59 215	0.87 222	0.58 213	0.86 222	0.60 212

CASS	0.58 186	0.89 193	0.55 191	0.56 198	0.55 207	0.60 203	0.57 213	0.57 187	0.56 208	0.55 156	0.56 208	0.56 194	0.50 200	0.63 210	0.56 209	0.56 206	0.62 200	0.62 217	0.59 203	0.56 209	0.56 192	0.48 194	0.60 209	0.56 210	0.57 200	0.60 216	0.57 197	0.59 210
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
RSM++	0.77 211	0.91 194	0.72 205	0.83 225	0.71 230	0.83 219	0.72 236	0.81 204	0.71 228	0.81 179	0.71 230	0.81 221	0.71 230	0.71 229	0.71 232	0.70 226	0.83 218	0.72 233	0.83 222	0.81 240	0.83 213	0.72 232	0.71 230	0.71 235	0.88 224	0.71 232	0.83 218	0.70 230

DPSM_ROB	0.93 233	0.92 195	0.94 229	0.96 233	1.02 250	0.92 226	0.98 246	0.95 215	0.92 242	0.92 186	0.92 244	0.91 225	0.97 246	0.92 241	0.91 244	0.91 242	0.96 227	0.94 245	0.93 230	0.91 245	0.93 222	0.92 243	0.93 242	0.91 246	0.91 226	0.99 246	0.92 223	0.91 243

DPSM	0.93 233	0.92 195	0.94 229	0.96 233	1.02 250	0.92 226	0.98 246	0.95 215	0.92 242	0.92 186	0.92 244	0.91 225	0.97 246	0.92 241	0.91 244	0.91 242	0.96 227	0.94 245	0.93 230	0.91 245	0.93 222	0.92 243	0.93 242	0.91 246	0.91 226	0.99 246	0.92 223	0.91 243

pmcnn	0.92 231	0.92 195	0.92 227	0.92 228	0.92 242	0.92 226	0.92 243	0.92 211	0.92 242	0.92 186	0.92 244	0.92 228	0.92 244	0.92 241	0.92 246	0.92 245	0.92 224	0.92 243	0.92 227	0.92 248	0.92 220	0.92 243	0.92 241	0.92 248	0.92 228	0.92 244	0.92 223	0.92 245

DGTPSM_ROB	0.92 231	0.93 198	0.91 226	0.93 230	0.91 241	0.92 226	0.93 245	0.92 211	0.92 242	0.92 186	0.91 242	0.91 225	0.93 245	0.91 239	0.92 246	0.92 245	0.92 224	0.92 243	0.92 227	0.90 244	0.91 218	0.92 243	0.93 242	0.94 249	0.92 228	0.91 243	0.92 223	0.97 247

AdaDepth	0.80 213	0.95 199	1.02 235	0.95 232	0.67 226	0.95 230	0.67 229	0.94 214	0.67 225	0.92 186	0.67 223	0.94 229	0.67 225	0.67 221	0.67 227	0.67 220	0.95 226	0.67 225	0.95 232	0.67 225	0.96 225	0.68 227	0.67 220	0.67 228	0.96 232	0.67 225	0.95 229	0.67 224

GANet	1.00 239	1.00 200	1.00 231	1.00 241	1.00 245	1.00 240	1.00 251	1.00 224	1.00 249	1.00 199	1.00 248	1.00 237	1.00 250	1.00 248	1.00 249	1.00 249	1.00 235	1.00 248	1.00 237	1.00 250	1.00 233	1.00 248	1.00 247	1.00 252	1.00 239	1.00 249	1.00 233	1.00 249

TDLM	1.00 239	1.00 200	1.00 231	1.00 241	1.00 245	1.00 240	1.00 251	1.00 224	1.00 249	1.00 199	1.00 248	1.00 237	1.00 250	1.00 248	1.00 249	1.00 249	1.00 235	1.00 248	1.00 237	1.00 250	1.00 233	1.00 248	1.00 247	1.00 252	1.00 239	1.00 249	1.00 233	1.00 249

CVANet_RVC	1.00 239	1.00 200	1.00 231	1.00 241	1.00 245	1.00 240	1.00 251	1.00 224	1.00 249	1.00 199	1.00 248	1.00 237	1.00 250	1.00 248	1.00 249	1.00 249	1.00 235	1.00 248	1.00 237	1.00 250	1.00 233	1.00 248	1.00 247	1.00 252	1.00 239	1.00 249	1.00 233	1.00 249

trnet	1.01 243	1.01 203	1.01 234	1.01 245	1.01 249	1.01 243	1.01 254	1.01 227	1.01 252	1.01 203	1.01 251	1.01 241	1.01 254	1.01 251	1.01 253	1.01 252	1.01 240	1.01 252	1.01 243	1.01 253	1.01 236	1.01 251	1.01 250	1.01 255	1.01 243	1.01 252	1.01 241	1.01 252

GLC_STEREO	1.05 249	1.01 203	1.02 235	1.02 247	1.02 250	1.05 245	1.06 256	1.05 231	1.05 254	1.04 206	1.05 254	1.05 243	1.04 255	1.06 255	1.05 255	1.06 256	1.06 241	1.05 255	1.06 244	1.05 256	1.06 239	1.06 254	1.04 252	1.05 257	1.04 245	1.05 255	1.06 243	1.06 254

gcap-zeroshot	0.81 219	1.03 205	0.84 224	0.93 230	0.85 240	0.84 221	0.62 219	1.21 243	0.53 204	0.79 175	0.84 240	0.77 215	0.70 228	0.84 238	0.67 227	0.74 230	1.18 254	0.52 206	0.91 226	0.79 235	0.84 214	0.61 213	0.83 238	0.69 234	0.93 230	0.82 241	0.85 221	0.66 219

DPSimNet_ROB	0.93 233	1.04 206	0.83 223	1.05 248	0.82 238	1.04 244	0.83 242	1.03 228	0.89 240	1.03 204	0.84 240	1.03 242	0.84 238	0.83 237	0.84 241	0.83 235	1.14 246	0.84 240	1.12 249	0.84 242	1.04 237	0.88 241	0.83 238	0.84 243	1.07 249	0.83 242	1.15 251	0.88 240

AIO-Stereo	0.82 224	1.06 207	0.73 208	0.97 235	0.74 232	1.06 246	0.60 217	1.04 230	0.90 241	1.00 199	1.01 251	0.78 216	0.85 240	0.74 231	0.62 217	0.67 220	1.12 244	0.55 208	0.70 209	0.65 218	0.93 222	0.66 219	0.67 220	0.67 228	0.82 220	0.74 235	0.92 223	0.83 239

Former-RAFT_DAM_RVC	0.38 141	1.06 207	0.54 188	0.59 203	0.27 126	0.46 171	0.27 125	0.46 154	0.27 127	0.46 140	0.27 130	0.46 166	0.26 126	0.27 129	0.27 130	0.26 118	0.46 167	0.26 125	0.45 168	0.30 147	0.46 161	0.27 125	0.27 123	0.27 129	0.46 166	0.27 127	0.45 163	0.26 125

HBP-ISP	1.47 265	1.07 209	1.03 237	1.30 263	1.08 256	1.36 263	1.06 256	1.44 251	1.25 272	1.97 254	1.51 279	1.65 269	1.58 279	0.98 246	1.58 280	1.68 285	1.98 275	1.32 271	2.02 275	1.28 274	2.95 291	1.89 292	0.97 246	1.06 259	1.26 262	0.99 246	1.94 272	1.43 280

HSM-Net_RVC	0.93 233	1.09 210	0.79 219	1.10 250	0.78 234	1.09 248	0.79 238	1.16 238	0.80 233	1.14 209	0.79 236	1.17 251	0.77 232	0.73 230	0.83 240	0.78 231	1.19 255	0.79 236	1.18 253	0.72 232	1.19 250	0.80 235	0.72 232	0.80 239	1.18 258	0.74 235	1.14 250	0.73 235
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
TorneroNet	1.15 253	1.10 211	0.51 184	0.69 213	0.51 205	1.10 249	0.50 203	0.51 174	0.51 203	13.92 331	1.17 265	0.49 183	0.51 205	0.54 197	0.48 197	0.49 195	0.49 181	0.65 220	0.70 209	0.49 201	0.51 182	0.49 197	0.67 220	1.36 277	0.51 187	0.50 204	0.52 189	1.23 269

ktn	0.84 227	1.15 212	0.54 188	1.16 257	1.26 271	0.51 192	0.53 206	0.51 174	0.66 220	4.54 312	0.51 203	0.52 190	0.52 206	0.66 216	0.51 205	0.51 200	1.37 264	1.17 263	0.49 184	0.51 205	1.23 255	0.51 205	0.67 220	0.51 203	0.51 187	0.68 230	0.51 186	0.51 201

Nwc_Net	1.15 253	1.15 212	1.15 248	1.09 249	1.19 267	1.16 252	1.17 263	1.15 236	1.16 263	1.16 213	1.16 261	1.08 245	1.16 262	1.11 258	1.15 264	1.18 265	1.11 243	1.10 257	1.16 250	1.17 266	1.16 244	1.13 259	1.18 262	1.20 270	1.11 252	1.15 263	1.16 252	1.20 265

RP	1.14 251	1.16 214	1.15 248	1.17 259	1.10 258	1.16 252	1.15 261	1.10 233	1.16 263	1.15 210	1.08 256	1.16 249	1.15 261	1.15 262	1.14 262	1.16 261	1.16 249	1.10 257	1.10 246	1.10 260	1.16 244	1.11 257	1.10 256	1.19 269	1.14 254	1.19 268	1.07 244	1.10 257

RGC	1.15 253	1.16 214	1.17 251	1.15 255	1.11 260	1.21 258	1.21 272	1.10 233	1.15 261	1.16 213	1.11 258	1.17 251	1.09 257	1.14 261	1.11 259	1.16 261	1.19 255	1.11 260	1.10 246	1.15 265	1.11 241	1.19 263	1.16 260	1.12 264	1.17 256	1.10 260	1.16 252	1.17 262

Abc-Net	1.14 251	1.16 214	1.18 252	1.10 250	1.10 258	1.16 252	1.18 265	1.16 238	1.13 260	1.11 207	1.16 261	1.16 249	1.12 259	1.10 256	1.17 265	1.16 261	1.16 249	1.10 257	1.16 250	1.14 263	1.17 246	1.16 260	1.11 257	1.09 262	1.10 251	1.10 260	1.16 252	1.17 262
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCC-stereo	1.15 253	1.17 217	1.12 247	1.10 250	1.15 261	1.14 250	1.15 261	1.15 236	1.12 259	1.17 216	1.17 265	1.11 246	1.17 265	1.11 258	1.10 258	1.16 261	1.12 244	1.11 260	1.16 250	1.13 262	1.23 255	1.16 260	1.19 264	1.11 263	1.18 258	1.17 265	1.17 255	1.13 260

S-Stereo	1.22 260	1.18 218	1.19 255	1.20 260	1.23 269	1.23 259	1.19 266	1.19 241	1.18 267	1.27 223	1.20 269	1.20 255	1.20 267	1.23 267	1.22 270	1.23 269	1.23 258	1.23 270	1.20 255	1.25 273	1.20 251	1.22 269	1.25 268	1.24 273	1.20 260	1.22 272	1.26 259	1.24 270

edge stereo	1.15 253	1.18 218	1.11 245	1.12 253	1.17 265	1.17 257	1.17 263	1.16 238	1.18 267	1.16 213	1.17 265	1.17 251	1.13 260	1.11 258	1.11 259	1.12 258	1.17 251	1.17 263	1.11 248	1.17 266	1.17 246	1.17 262	1.18 262	1.14 265	1.11 252	1.18 266	1.12 248	1.11 258

stereogan	1.17 259	1.19 220	1.15 248	1.15 255	1.15 261	1.15 251	1.19 266	1.19 241	1.15 261	1.15 210	1.16 261	1.19 254	1.19 266	1.19 264	1.19 266	1.19 266	1.15 247	1.19 266	1.19 254	1.19 269	1.15 243	1.19 263	1.15 259	1.15 266	1.16 255	1.15 263	1.19 256	1.20 265

FAT-Stereo	1.22 260	1.23 221	1.19 255	1.21 261	1.24 270	1.24 260	1.19 266	1.25 245	1.24 270	1.25 222	1.19 268	1.20 255	1.24 270	1.20 265	1.21 268	1.25 270	1.22 257	1.21 268	1.25 257	1.23 272	1.22 253	1.19 263	1.19 264	1.24 273	1.25 261	1.20 269	1.19 256	1.25 271

WQFJA1++	0.80 213	1.24 222	0.73 208	0.97 235	0.65 218	0.97 232	0.65 223	0.97 217	0.65 217	0.94 191	0.66 219	0.94 229	0.65 218	0.66 216	0.65 220	0.66 215	0.98 229	0.66 222	0.98 233	0.66 220	0.98 226	0.66 219	0.66 214	0.66 224	0.98 233	0.66 221	0.98 230	0.66 219

test_for_model	0.17 77	1.25 223	0.20 98	0.15 72	0.11 63	0.15 73	0.11 62	0.21 84	0.11 63	0.15 55	0.11 63	0.15 73	0.11 64	0.11 67	0.11 63	0.11 63	0.15 71	0.11 66	0.15 71	0.11 64	0.15 72	0.11 64	0.11 61	0.11 66	0.15 69	0.11 64	0.15 71	0.11 65

GCAPDPT-zeroshot4090	0.17 77	1.25 223	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	0.17 77	1.25 223	0.20 98	0.15 72	0.11 63	0.15 73	0.11 62	0.21 84	0.11 63	0.15 55	0.11 63	0.15 73	0.11 64	0.11 67	0.11 63	0.11 63	0.15 71	0.11 66	0.15 71	0.11 64	0.15 72	0.11 64	0.11 61	0.11 66	0.15 69	0.11 64	0.15 71	0.11 65

GCAPDPT-zeroshot	0.17 77	1.25 223	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	1.25 223	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

NLMM1	0.81 219	1.26 228	0.74 210	1.00 241	0.66 221	0.99 236	0.67 229	0.98 220	0.66 220	0.94 191	0.67 223	0.94 229	0.66 219	0.66 216	0.66 223	0.66 215	1.00 235	0.67 225	1.00 237	0.66 220	0.99 227	0.71 230	0.73 233	0.67 228	0.99 234	0.67 225	1.00 233	0.66 219

NLMM	0.80 213	1.26 228	0.75 214	0.98 237	0.66 221	0.97 232	0.66 225	0.97 217	0.66 220	0.94 191	0.66 219	0.96 236	0.66 219	0.66 216	0.68 230	0.67 220	0.99 231	0.68 229	0.98 233	0.66 220	0.99 227	0.66 219	0.66 214	0.66 224	1.00 239	0.66 221	0.99 231	0.66 219

WQFJX1	0.81 219	1.27 230	0.74 210	0.98 237	0.67 226	0.98 234	0.67 229	0.97 217	0.67 225	0.94 191	0.67 223	0.95 232	0.66 219	0.66 216	0.66 223	0.67 220	0.99 231	0.67 225	0.98 233	0.68 228	0.99 227	0.66 219	0.66 214	0.66 224	0.99 234	0.66 221	1.00 233	0.66 219

WQFJX	0.81 219	1.27 230	0.74 210	0.99 239	0.66 221	0.99 236	0.66 225	0.99 223	0.66 220	0.95 196	0.66 219	0.95 232	0.67 225	0.67 221	0.66 223	0.66 215	0.99 231	0.66 222	1.00 237	0.66 220	0.99 227	0.67 225	0.68 225	0.67 228	0.99 234	0.67 225	0.99 231	0.67 224

NLSM3	0.81 219	1.27 230	0.75 214	0.99 239	0.66 221	0.99 236	0.66 225	0.98 220	0.67 225	0.95 196	0.66 219	0.95 232	0.66 219	0.67 221	0.67 227	0.66 215	0.99 231	0.66 222	0.99 236	0.66 220	0.99 227	0.67 225	0.66 214	0.66 224	0.99 234	0.67 225	1.00 233	0.67 224

castereo++	0.26 102	1.28 233	1.07 242	0.15 72	0.13 86	0.15 73	0.14 86	1.22 244	0.13 84	0.16 66	0.17 94	0.16 80	0.14 89	0.14 88	0.15 91	0.14 88	0.15 71	0.14 88	0.16 78	0.14 89	0.16 78	0.14 89	0.14 85	0.14 88	0.16 79	0.14 86	0.16 78	0.15 90

S2M2_XL	0.24 97	1.32 234	0.86 225	0.17 82	0.11 63	0.17 81	0.11 62	1.05 231	0.12 78	0.16 66	0.11 63	0.16 80	0.11 64	0.11 67	0.11 63	0.11 63	0.17 82	0.11 66	0.17 80	0.11 64	0.17 81	0.11 64	0.11 61	0.11 66	0.17 81	0.11 64	0.17 81	0.11 65
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MLG-Stereo	0.87 230	1.33 235	0.93 228	0.62 208	1.00 245	1.16 252	0.55 207	0.86 207	0.83 238	1.19 217	0.40 178	1.30 259	0.81 236	0.65 213	0.45 187	1.01 252	1.17 251	0.46 185	1.29 260	0.58 211	1.05 238	0.90 242	0.73 233	0.87 244	0.60 204	1.01 252	1.13 249	0.51 201

RASNet	1.39 264	1.37 236	1.35 259	1.38 267	1.40 274	1.39 266	1.77 288	1.36 248	1.74 287	1.36 229	1.36 274	1.36 263	1.36 273	1.36 269	1.35 272	1.41 278	1.36 262	1.36 276	1.36 262	1.35 276	1.36 262	1.35 273	1.36 271	1.35 276	1.36 266	1.35 276	1.36 264	1.35 273

SPS-STEREO	1.25 263	1.47 237	1.06 241	1.54 270	1.08 256	1.52 269	1.20 271	1.44 251	1.06 256	1.49 237	1.10 257	1.41 265	1.10 258	0.98 246	1.08 257	1.12 258	1.47 268	1.04 253	1.53 267	1.14 263	1.52 266	1.07 255	1.02 251	1.05 257	1.48 269	1.07 257	1.55 267	1.11 258
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-8	1.02 246	1.50 238	1.49 267	0.40 155	0.40 175	1.56 270	0.98 246	1.55 255	0.58 212	4.18 308	0.40 178	0.79 218	0.48 194	0.91 239	0.39 176	0.99 248	0.71 207	0.70 231	0.51 191	0.77 234	1.07 240	0.82 238	0.69 227	0.96 251	1.01 243	1.30 273	1.10 247	1.38 277

WQFJA1	0.82 224	1.52 239	0.76 216	1.01 245	0.66 221	0.98 234	0.66 225	0.98 220	0.66 220	0.95 196	0.68 226	0.95 232	0.66 219	0.68 225	0.66 223	0.66 215	1.00 235	0.67 225	1.00 237	0.67 225	0.99 227	0.68 227	0.67 220	0.68 233	0.99 234	0.67 225	1.00 233	0.67 224

castereo	0.34 128	1.59 240	1.39 261	0.17 82	0.15 90	0.18 83	0.26 121	1.74 259	0.17 95	0.19 75	0.18 106	0.18 87	0.20 108	0.20 107	0.22 115	0.21 106	0.18 86	0.17 96	0.19 88	0.16 93	0.18 83	0.20 110	0.17 91	0.21 112	0.19 87	0.17 96	0.19 85	0.16 92

STTRV1_RVC		1.59 240	0.52 187	0.69 213	0.61 214	0.66 209	0.43 185	0.88 208	0.45 185	0.71 168	0.62 216	0.69 207	0.45 186	0.62 207	0.40 177	0.44 179	0.80 215	0.59 213		0.63 216	0.80 209	0.46 183		0.61 219	0.72 211	0.54 207	0.80 213	0.60 212

MM-Stereo_test3	1.22 260	1.60 242	1.19 255	1.48 269	1.02 250	1.48 268	0.99 250	1.54 254	1.03 253	1.41 232	1.03 253	1.44 266	1.00 250	1.04 253	1.04 254	1.02 254	1.42 267	1.04 253	1.48 266	1.01 253	1.48 265	1.03 252	1.06 254	1.04 256	1.53 270	1.04 254	1.49 266	1.04 253

DEFOM-Stereo	0.43 154	1.60 242	1.47 266	0.30 123	0.28 130	0.31 125	0.28 132	1.65 257	0.25 118	0.29 99	0.26 126	0.30 125	0.29 139	0.27 129	0.26 127	0.26 118	0.30 124	0.29 138	0.30 124	0.26 126	0.29 118	0.29 143	0.27 123	0.26 125	0.30 123	0.29 144	0.30 122	0.29 142

DPSMNet_ROB	1.62 270	1.60 242	1.59 268	1.61 272	1.69 283	1.66 272	1.61 281	1.70 258	1.65 285	1.62 240	1.60 282	1.61 267	1.60 280	1.60 276	1.59 281	1.62 283	1.60 269	1.63 284	1.62 269	1.68 288	1.70 268	1.60 279	1.64 282	1.60 284	1.61 271	1.60 283	1.60 268	1.59 283

iRaftStereo_RVC	0.62 190	1.76 245	2.24 292	0.52 193	0.37 166	0.53 196	0.38 171	2.51 283	0.38 164	0.51 152	0.38 170	0.51 187	0.38 166	0.38 159	0.38 164	0.38 163	0.52 188	0.38 167	0.52 194	0.38 169	0.52 185	0.38 164	0.38 168	0.38 170	0.52 189	0.39 176	0.52 189	0.38 169

G-Net	0.82 224	1.77 246	0.78 218	0.78 219	0.78 234	0.78 215	0.78 237	0.78 201	0.79 232	0.79 175	0.78 235	0.78 216	0.78 233	0.78 232	0.78 236	0.78 231	0.79 213	0.79 236	0.79 218	0.79 235	0.79 208	0.79 234	0.79 235	0.79 238	0.79 215	0.79 238	0.79 212	0.79 236

MFMNet_re	1.77 275	1.89 247	1.72 276	1.88 273	1.69 283	1.89 273	1.67 285	1.91 261	1.70 286	1.87 244	1.67 286	1.89 270	1.68 285	1.67 280	1.67 286	1.70 286	1.88 271	1.68 286	1.88 270	1.67 286	1.89 269	1.68 285	1.70 284	1.71 289	1.87 274	1.68 291	1.87 270	1.68 288

MM-Stereo_test2	1.15 253	1.90 248	1.10 243	1.37 266	0.94 244	1.36 263	0.98 246	1.48 253	0.98 247	1.37 230	0.98 247	1.37 264	0.98 248	0.95 245	0.94 248	0.95 247	1.37 264	0.95 247	1.38 263	0.95 249	1.38 264	0.95 247	0.95 245	0.95 250	1.37 267	0.95 245	1.37 265	0.95 246

VIP-Stereo	0.36 134	2.00 249	1.11 245	0.26 116	0.16 93	0.24 109	0.15 90	2.00 269	0.23 115	0.24 87	0.15 89	0.23 103	0.16 93	0.16 93	0.16 93	0.15 91	0.24 107	0.15 91	0.24 108	0.16 93	0.24 105	0.15 91	0.15 87	0.20 108	0.24 108	0.15 90	0.24 105	0.15 90

R-Stereo Train	1.62 270	2.01 250	1.41 262	1.97 274	1.40 274	1.96 274	1.39 276	1.93 262	1.39 276	1.92 248	1.38 276	1.94 273	1.39 276	1.40 273	1.45 276	1.38 275	1.96 273	1.37 277	1.97 272	1.39 277	1.98 271	1.41 276	1.40 273	1.37 278	1.97 276	1.38 277	1.96 273	1.37 275

RAFT-Stereo	1.62 270	2.01 250	1.41 262	1.97 274	1.40 274	1.96 274	1.39 276	1.93 262	1.39 276	1.92 248	1.38 276	1.94 273	1.39 276	1.40 273	1.45 276	1.38 275	1.96 273	1.37 277	1.97 272	1.39 277	1.98 271	1.41 276	1.40 273	1.37 278	1.97 276	1.38 277	1.96 273	1.37 275
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GANetREF_RVC	1.52 268	2.01 250	1.21 258	1.98 276	1.21 268	1.98 276	1.21 272	1.98 267	1.21 269	1.99 255	1.21 270	1.98 275	1.21 269	1.02 252	1.21 268	1.21 268	1.99 276	1.21 268	1.99 274	1.21 270	1.99 273	1.21 266	1.21 266	1.21 271	1.99 278	1.21 270	1.99 275	1.21 267
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
HH	0.66 193	2.13 253	0.47 167	0.37 139	0.29 140	0.36 137	0.27 125	0.49 167	0.44 183	0.78 173	0.68 226	0.67 204	0.90 242	0.62 207	0.90 242	0.53 201	0.88 221	0.48 196	0.37 137	0.29 140	0.63 201	0.66 219	0.66 214	0.51 203	1.06 247	0.61 217	1.08 245	0.60 212

HanStereo	0.66 193	2.13 253	0.47 167	0.37 139	0.29 140	0.36 137	0.27 125	0.49 167	0.44 183	0.78 173	0.68 226	0.67 204	0.90 242	0.62 207	0.90 242	0.53 201	0.88 221	0.48 196	0.37 137	0.29 140	0.63 201	0.66 219	0.66 214	0.51 203	1.06 247	0.61 217	1.08 245	0.60 212

TRStereo	2.05 283	2.13 253	1.85 280	2.27 280	1.84 288	2.28 280	1.84 291	2.29 275	1.87 291	2.29 270	1.86 290	2.30 280	1.87 290	2.30 296	1.87 292	2.08 294	2.29 280	1.87 290	2.30 279	1.87 292	2.08 276	1.72 286	1.86 290	2.30 302	2.13 280	1.84 294	2.29 280	1.87 293

XX-Stereo	2.05 283	2.13 253	1.85 280	2.27 280	1.84 288	2.28 280	1.84 291	2.29 275	1.87 291	2.29 270	1.86 290	2.30 280	1.87 290	2.30 296	1.87 292	2.08 294	2.29 280	1.87 290	2.30 279	1.87 292	2.08 276	1.72 286	1.86 290	2.30 302	2.13 280	1.84 294	2.29 280	1.87 293

EAI-Stereo	2.05 283	2.13 253	1.85 280	2.27 280	1.84 288	2.28 280	1.84 291	2.29 275	1.87 291	2.29 270	1.86 290	2.30 280	1.87 290	2.30 296	1.87 292	2.08 294	2.29 280	1.87 290	2.30 279	1.87 292	2.08 276	1.72 286	1.86 290	2.30 302	2.13 280	1.84 294	2.29 280	1.87 293

DEFOM-Stereo_RVC	0.40 145	2.14 258	1.91 286	0.20 90	0.18 104	0.19 88	0.17 96	2.23 272	0.19 105	0.24 87	0.21 111	0.19 90	0.21 112	0.20 107	0.18 102	0.20 104	0.20 92	0.18 106	0.20 91	0.19 109	0.19 87	0.17 98	0.18 102	0.17 94	0.20 91	0.20 108	0.21 93	0.19 107

NCCL2	2.27 292	2.27 259	2.28 295	2.27 280	2.28 300	2.28 280	2.28 301	2.27 273	2.28 301	2.28 267	2.28 299	2.29 279	2.28 299	2.28 295	2.29 301	2.28 301	2.28 279	2.28 301	2.27 278	2.28 303	2.28 282	2.28 300	2.28 300	2.28 300	2.28 285	2.28 303	2.11 277	2.28 304

HUF	2.22 288	2.33 260	2.24 292	2.35 284	2.07 294	2.45 287	2.11 298	2.42 281	2.13 298	2.19 263	2.15 297	2.10 276	2.09 295	2.27 294	2.04 297	2.08 294	2.44 285	2.12 297	2.38 284	2.18 299	2.29 283	2.22 296	2.12 297	2.12 297	2.52 289	2.10 299	2.22 279	2.15 300

STTStereo	2.30 293	2.34 261	2.26 294	2.37 285	2.23 297	2.40 284	2.35 302	2.20 271	2.33 302	2.28 267	2.31 301	2.19 277	2.37 300	2.20 289	2.31 302	2.23 300	2.38 283	2.25 300	2.33 283	2.27 302	2.39 285	2.27 299	2.31 301	2.29 301	2.37 286	2.32 304	2.34 284	2.26 303

AIO_rvc	2.25 291	2.35 262	2.10 288	2.47 288	2.17 296	2.54 288	2.15 299	2.32 278	2.21 299	2.29 270	2.28 299	2.33 285	2.09 295	2.26 293	2.14 298	2.08 294	2.49 287	2.09 296	2.53 288	2.14 298	2.34 284	2.23 297	2.14 298	2.18 298	2.19 284	2.15 300	2.35 285	2.22 301

AIO_test	2.22 288	2.36 263	2.10 288	2.47 288	2.15 295	2.54 288	2.06 297	2.27 273	2.09 297	2.29 270	2.13 296	2.30 280	2.09 295	2.25 292	2.15 299	1.95 292	2.52 288	2.08 295	2.32 282	2.21 301	2.20 280	2.26 298	2.05 296	2.06 295	2.40 287	2.16 301	2.52 288	2.05 299

UDGNet	1.97 278	2.43 264	1.67 273	2.46 287	1.70 285	2.44 286	1.69 286	2.34 280	1.63 284	2.35 276	1.67 286	2.37 286	1.67 284	1.68 281	1.64 285	1.67 284	2.44 285	1.64 285	2.43 285	1.67 286	2.43 287	1.66 283	1.67 283	1.63 288	2.43 288	1.66 289	2.42 287	1.66 287

FBW_ROB	2.04 282	2.50 265	1.75 277	2.45 286	1.78 286	2.40 284	1.74 287	2.47 282	1.77 288	2.37 277	1.81 288	2.30 280	1.80 286	1.78 282	1.88 295	1.80 287	2.41 284	1.77 287	2.43 285	1.83 290	2.39 285	1.81 290	1.76 286	1.75 290	2.56 293	1.75 292	2.30 283	1.74 289

FlowAnything	1.02 246	2.51 266	0.58 198	1.60 271	0.56 209	1.61 271	0.56 211	1.60 256	0.55 206	1.61 239	0.56 208	1.61 267	0.55 208	0.55 198	0.55 208	0.55 203	1.61 270	0.56 211	1.61 268	0.56 209	1.62 267	0.55 206	0.56 205	0.56 210	1.62 272	0.56 210	1.62 269	0.56 206

CroCo-Stereo	0.80 213	2.51 266	0.41 151	1.27 262	0.41 177	1.27 261	0.41 179	1.27 246	0.41 176	1.27 223	0.41 180	1.27 258	0.41 176	0.41 169	0.41 179	0.41 172	1.28 259	0.41 177	1.27 258	0.41 178	1.27 259	0.41 177	0.42 180	0.41 179	1.27 263	0.41 178	1.27 260	0.41 178
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
LGtest1	1.99 279	2.55 268	1.62 270	2.54 290	1.61 280	2.54 288	1.61 281	2.51 283	1.61 281	2.49 279	1.61 283	2.49 287	1.61 281	1.61 277	1.61 282	1.61 280	2.55 289	1.62 283	2.54 289	1.61 283	2.54 288	1.61 280	1.61 278	1.61 285	2.54 290	1.61 284	2.54 289	1.61 284

LG-G_1	1.99 279	2.56 269	1.63 271	2.54 290	1.62 281	2.55 291	1.61 281	2.51 283	1.61 281	2.50 280	1.62 284	2.50 288	1.61 281	1.61 277	1.61 282	1.61 280	2.55 289	1.61 281	2.55 290	1.61 283	2.55 289	1.61 280	1.61 278	1.61 285	2.55 291	1.61 284	2.54 289	1.61 284

LG-G	1.99 279	2.56 269	1.63 271	2.54 290	1.62 281	2.55 291	1.61 281	2.51 283	1.61 281	2.50 280	1.62 284	2.50 288	1.61 281	1.61 277	1.61 282	1.61 280	2.55 289	1.61 281	2.55 290	1.61 283	2.55 289	1.61 280	1.61 278	1.61 285	2.55 291	1.61 284	2.54 289	1.61 284

LL-Strereo2	0.47 162	2.60 271	0.51 184	0.38 143	0.28 130	0.37 141	0.28 132	0.55 183	0.35 156	0.44 137	0.34 157	0.44 165	0.34 154	0.34 146	0.36 159	0.36 157	0.47 171	0.36 159	0.47 173	0.35 159	0.47 165	0.35 155	0.35 155	0.35 160	0.46 166	0.35 157	0.47 168	0.35 158

MonStereo	1.66 273	2.63 272	1.46 264	1.99 277	1.41 278	2.03 278	1.39 276	2.04 270	1.43 279	1.94 251	1.40 278	1.92 272	1.37 274	1.38 271	1.39 273	1.39 277	1.99 276	1.38 279	2.04 276	1.41 280	2.02 275	1.37 275	1.39 272	1.38 280	1.99 278	1.38 277	2.01 276	1.39 279

MonStereo1	1.60 269	2.69 273	1.46 264	1.99 277	1.31 272	1.99 277	1.36 275	1.99 268	1.31 273	1.84 243	1.32 272	1.89 270	1.31 271	1.32 268	1.30 271	1.36 273	1.94 272	1.33 273	1.93 271	1.30 275	1.92 270	1.33 271	1.31 269	1.31 275	1.94 275	1.31 274	1.93 271	1.31 272

IER	0.56 184	2.72 274	2.20 290	0.38 143	0.29 140	0.38 145	0.27 125	2.77 289	0.27 127	0.38 115	0.28 133	0.37 140	0.25 120	0.26 122	0.25 122	0.26 118	0.38 142	0.29 138	0.38 141	0.25 122	0.39 144	0.25 118	0.29 136	0.29 143	0.40 150	0.25 120	0.38 138	0.25 120

IGEV-FE	0.29 109	2.85 275	0.36 141	0.20 90	0.17 97	0.19 88	0.17 96	0.37 131	0.17 95	0.19 75	0.17 94	0.19 90	0.17 96	0.17 95	0.17 97	0.17 94	0.19 91	0.17 96	0.19 88	0.17 97	0.19 87	0.17 98	0.17 91	0.17 94	0.19 87	0.17 96	0.19 85	0.17 98

NLCA_NET_v2_RVC	2.50 294	2.85 275	1.90 285	2.90 293	2.77 303	2.88 293	2.85 305	2.51 283	2.85 305	2.88 287	1.99 295	2.50 288	2.76 303	2.20 289	1.57 279	2.64 303	2.89 292	2.63 303	5.69 323	1.03 255	2.01 274	2.71 302	2.74 305	2.73 306	2.87 294	1.64 287	1.00 233	1.49 281
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CroCo-Stereo Lap2	0.85 228	2.86 277	0.43 158	1.33 264	0.43 184	1.31 262	0.42 184	1.32 247	0.42 181	1.31 225	0.44 186	1.32 260	0.44 184	0.43 175	0.44 186	0.43 178	1.35 260	0.43 183	1.32 261	0.43 184	1.31 260	0.43 182	0.43 181	0.42 185	1.31 264	0.42 183	1.31 261	0.43 183

FC-DCNN v2	4.74 321	3.16 278	3.16 305	3.16 294	3.16 305	3.16 295	3.16 310	3.16 292	3.16 307	3.16 290	3.16 307	3.16 294	3.16 308	3.16 302	3.16 309	3.16 309	6.72 326	6.72 328	6.72 326	6.72 331	6.72 325	6.72 330	6.72 329	6.72 330	6.72 326	6.72 329	6.72 327	6.72 330

plain	1.96 277	3.33 279	1.04 238	3.24 296	1.04 254	3.24 296	1.04 255	3.26 293	1.05 254	3.26 292	1.13 259	3.27 295	1.06 256	1.05 254	1.05 255	1.05 255	3.28 293	1.05 255	3.29 293	1.06 257	3.30 293	1.05 253	1.05 253	1.06 259	3.30 296	1.06 256	3.30 295	1.06 254

4D-IteraStereo	0.67 197	3.40 280	1.05 239	0.71 217	0.83 239	0.47 177	0.27 125	0.47 160	0.27 127	0.35 106	0.26 126	0.68 206	0.84 238	0.41 169	0.54 206	0.89 238	0.74 211	0.88 242	0.73 212	0.87 243	0.42 155	0.27 125	0.28 128	0.28 133	0.36 133	0.28 129	0.68 205	0.90 242

MIF-Stereo (partial)	2.52 295	3.41 281	1.05 239	3.29 297	1.05 255	3.29 299	1.06 256	3.30 295	1.06 256	3.31 293	1.06 255	4.97 318	2.72 302	2.72 300	2.71 304	2.70 304	6.57 325	2.19 298	5.08 320	1.08 259	3.36 294	1.07 255	1.07 255	1.07 261	3.35 298	1.07 257	3.36 297	1.07 256

MM-Stereo_test1	1.85 276	3.50 282	1.61 269	2.12 279	1.47 279	2.14 279	1.47 280	2.33 279	1.53 280	2.12 260	1.54 280	2.19 277	1.53 278	1.54 275	1.53 278	1.53 279	2.20 278	1.54 280	2.24 277	1.57 282	2.21 281	1.49 278	1.59 277	1.49 283	2.15 283	1.52 282	2.15 278	1.54 282

DPSNet	3.67 303	3.61 283	3.62 311	3.64 300	3.61 315	3.64 301	3.65 315	3.64 298	3.67 314	3.67 296	3.65 313	3.68 298	3.69 318	3.69 313	3.69 320	3.68 316	3.70 297	3.70 315	3.69 299	3.69 317	3.71 299	3.69 312	3.67 313	3.69 318	3.68 302	3.67 314	3.68 300	3.67 311

UniTT-Stereo	2.12 287	3.66 284	1.10 243	3.48 299	1.15 261	3.57 300	1.11 260	3.44 296	1.16 263	3.52 294	1.16 261	3.50 296	1.16 262	1.10 256	1.13 261	1.15 260	3.61 295	1.17 263	3.64 294	1.12 261	3.58 296	1.12 258	1.12 258	1.17 267	3.53 299	1.18 266	3.52 298	1.18 264

RAStereo	2.24 290	3.70 285	1.18 252	3.73 303	1.18 266	3.69 302	1.19 266	3.73 299	1.24 270	3.72 297	1.21 270	3.76 300	1.20 267	1.20 265	1.20 267	1.20 267	3.74 300	1.20 267	3.75 300	1.21 270	3.77 300	1.21 266	1.21 266	1.21 271	3.82 303	1.21 270	3.82 302	1.21 267

NLSM1	2.82 297	3.85 286	2.57 300	3.19 295	2.46 301	3.28 298	2.38 303	3.29 294	2.42 303	3.20 291	2.64 302	3.14 293	2.62 301	2.46 299	2.44 303	2.51 302	3.31 294	2.53 302	3.17 292	2.47 304	3.27 292	2.33 301	2.65 302	2.61 305	3.22 295	2.55 305	3.31 296	2.39 305

sCroCo_RVC	2.76 296	4.00 287	1.82 279	4.00 307	1.83 287	3.98 308	1.82 289	3.99 301	1.81 289	4.14 305	2.76 303	4.13 309	1.82 288	1.83 283	1.83 288	1.82 288	4.01 305	1.82 289	3.98 303	1.86 291	4.00 305	1.82 291	1.83 288	1.84 291	4.02 309	1.81 293	4.00 306	1.83 292

sAnonymous2	2.87 298	4.16 288	1.89 283	4.26 312	1.87 291	4.23 311	1.92 294	4.17 302	1.94 295	4.16 306	1.92 293	4.20 310	1.92 293	1.96 285	1.86 290	1.87 290	4.25 309	1.90 293	4.23 309	1.91 295	4.26 308	1.93 293	1.89 293	1.90 292	4.07 311	1.91 297	5.09 322	1.93 297

CroCo_RVC	2.87 298	4.16 288	1.89 283	4.26 312	1.87 291	4.23 311	1.92 294	4.17 302	1.94 295	4.16 306	1.92 293	4.20 310	1.92 293	1.96 285	1.86 290	1.87 290	4.25 309	1.90 293	4.23 309	1.91 295	4.26 308	1.93 293	1.89 293	1.90 292	4.07 311	1.91 297	5.09 322	1.93 297

test_1	0.65 192	4.37 290	2.38 296	0.40 155	0.34 157	0.42 163	0.36 163	1.96 264	0.34 152	0.41 127	0.36 161	0.42 159	0.35 156	0.34 146	0.38 164	0.31 145	0.39 152	0.34 153	0.40 153	0.33 156	0.39 144	0.33 152	0.33 150	0.34 156	0.40 150	0.36 160	0.40 149	0.32 153

test-3	0.78 212	4.38 291	1.80 278	0.62 208	0.49 199	0.62 206	0.50 203	1.86 260	0.64 216	0.69 166	0.52 204	0.66 202	0.38 166	0.58 202	0.57 212	0.46 181	0.66 203	0.46 185	0.50 188	0.44 186	0.48 172	0.58 208	0.54 201	0.60 217	0.70 209	0.46 187	0.48 174	0.50 198

CC-Net-ROB	1.51 267	4.40 292	1.69 275	1.39 268	1.40 274	1.37 265	1.40 279	1.36 248	1.39 276	1.41 232	1.36 274	1.35 262	1.38 275	1.39 272	1.39 273	1.36 273	1.36 262	1.35 274	1.39 264	1.39 277	1.37 263	1.36 274	1.41 275	1.48 282	1.39 268	1.42 281	1.35 263	1.35 273

PS-NSSS	1.48 266	4.46 293	1.35 259	1.35 265	1.35 273	1.41 267	1.34 274	1.36 248	1.35 275	1.40 231	1.35 273	1.33 261	1.35 272	1.37 270	1.40 275	1.35 272	1.35 260	1.35 274	1.39 264	1.44 281	1.35 261	1.34 272	1.35 270	1.38 280	1.35 265	1.33 275	1.34 262	1.38 277

MLG-Stereo_test3	3.87 307	4.64 294	3.29 307	5.17 322	3.23 308	4.83 318	3.02 306	4.95 309	3.22 308	4.31 309	3.33 311	5.08 320	3.20 309	3.23 304	2.77 305	3.20 311	4.99 319	3.24 309	4.93 317	2.94 306	4.82 317	3.33 308	3.33 309	3.29 311	5.19 321	3.02 307	5.08 320	2.93 308

MLG-Stereo_test1	3.87 307	4.67 295	3.29 307	5.26 323	3.25 309	5.04 321	3.11 308	4.43 304	3.27 310	5.02 320	3.21 308	4.71 316	3.10 307	3.22 303	3.06 307	2.98 308	5.03 320	3.18 307	4.95 318	2.94 306	4.70 316	3.32 306	3.30 308	3.27 310	5.17 320	3.08 309	5.02 318	2.85 307

MyStereo04	0.76 210	4.78 296	0.62 202	0.63 210	0.54 206	0.65 208	0.56 211	0.61 189	0.58 212	0.61 162	0.56 208	0.63 200	0.57 211	0.63 210	0.60 214	0.60 209	0.64 201	0.56 211	0.63 207	0.58 211	0.63 201	0.62 215	0.55 202	0.60 217	0.63 207	0.57 211	0.64 203	0.58 209

TestStereo	4.92 322	4.80 297	4.98 315	4.82 318	4.97 326	4.91 320	4.78 327	4.80 307	4.88 327	4.78 315	4.80 326	4.99 319	4.81 326	4.83 323	4.87 327	4.97 327	4.93 317	5.01 326	5.03 319	4.90 326	5.02 319	5.02 324	5.06 324	5.04 327	4.93 318	4.89 326	5.01 317	5.09 326

Anonymous3	3.36 300	4.93 298	2.20 290	4.92 319	2.23 297	4.90 319	2.23 300	4.89 308	2.24 300	4.95 318	2.21 298	4.91 317	2.21 298	2.18 288	2.22 300	2.22 299	4.86 316	2.20 299	4.90 316	2.20 300	4.96 318	2.21 295	2.21 299	2.21 299	6.30 325	2.21 302	4.90 315	2.23 302

MLG-Stereo_test2	3.86 306	4.96 299	3.13 303	4.65 317	3.27 310	5.17 323	3.07 307	5.01 310	3.01 306	4.93 317	3.03 305	4.56 315	3.32 311	3.26 306	3.33 311	3.30 312	5.17 321	3.19 308	4.86 315	2.96 309	5.04 320	3.25 305	2.67 303	3.15 308	4.98 319	3.05 308	4.59 313	3.30 310

NLCSM	3.61 302	5.05 300	3.36 310	4.13 309	3.31 311	3.91 304	3.26 311	3.98 300	3.24 309	4.08 304	3.06 306	3.95 305	3.25 310	3.25 305	3.10 308	3.17 310	4.20 308	3.08 305	4.16 307	3.24 311	4.26 308	3.46 310	3.14 307	3.19 309	4.02 309	3.24 310	4.21 310	3.17 309

DispFullNet	4.96 323	5.67 301	3.30 309	5.01 320	3.21 307	4.50 315	3.11 308	4.43 304	3.44 313	4.60 313	3.46 312	5.13 321	3.44 312	3.53 309	3.20 310	2.87 307	4.80 315	3.15 306	4.70 313	4.83 325	9.02 330	5.98 327	5.95 328	6.21 329	8.84 331	5.85 328	9.76 332	5.91 328

HCRNet	0.71 204	6.06 302	3.15 304	0.50 189	0.22 112	0.21 96	0.15 90	3.04 291	0.34 152	0.43 135	0.33 156	0.43 163	0.33 153	0.15 90	0.14 89	0.14 88	0.21 95	0.17 96	0.47 173	0.20 111	0.21 93	0.16 94	0.32 147	0.33 154	0.50 183	0.33 155	0.49 182	0.28 131

SGM-Forest	5.07 324	6.74 303	4.17 312	6.46 326	4.68 325	6.21 327	4.38 325	6.00 314	4.14 323	5.84 323	4.44 325	6.28 325	4.16 324	3.92 318	4.56 326	4.60 326	6.15 323	4.27 323	6.12 325	4.31 324	5.99 324	4.27 320	3.92 319	4.27 324	6.13 324	4.10 325	6.18 324	4.49 325
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MaskLacGwcNet_RVC	0.70 202	6.91 304	0.46 166	0.46 172	0.46 186	0.46 171	0.46 188	0.46 154	0.46 186	0.46 140	0.46 188	0.46 166	0.46 187	0.46 180	0.46 188	0.46 181	0.46 167	0.46 185	0.46 169	0.46 188	0.47 165	0.46 183	0.46 183	0.46 188	0.46 166	0.46 187	0.46 164	0.46 185

SA	3.93 309	7.22 305	4.74 313	4.15 310	3.88 321	3.70 303	4.02 324	6.67 321	3.95 319	3.64 295	3.74 315	3.63 297	3.00 305	3.51 308	3.68 319	3.68 316	3.73 299	3.71 316	3.64 294	3.48 312	3.58 296	2.97 304	3.69 314	3.61 313	3.55 301	3.42 311	3.64 299	3.79 319

cross-raft	4.43 316	7.31 306	6.46 321	4.47 314	3.95 322	4.46 314	3.95 322	6.70 322	3.97 320	4.41 310	3.82 318	4.38 313	3.94 322	3.95 319	3.95 324	3.95 320	4.45 313	3.95 320	4.46 312	3.95 321	4.46 313	3.95 317	3.95 320	3.94 322	4.40 313	3.95 323	4.45 312	3.95 321

RAFT+CT+SA	4.43 316	7.34 307	6.71 323	5.01 320	4.38 324	4.40 313	3.85 320	6.15 318	4.30 324	4.89 316	3.26 309	4.49 314	3.01 306	4.53 322	3.36 312	3.65 315	3.64 296	4.39 324	3.94 302	4.28 323	4.44 312	4.30 321	4.24 323	4.52 325	3.90 306	3.85 321	4.89 314	4.00 322

test-1	4.11 310	7.65 308	4.93 314	3.65 301	3.58 313	4.70 317	3.74 319	4.73 306	4.06 321	3.72 297	4.11 323	3.70 299	3.49 313	3.36 307	3.65 315	4.17 324	3.92 303	4.04 322	4.19 308	3.75 318	4.69 315	4.18 319	3.88 317	3.90 320	4.73 315	3.77 319	3.12 294	3.68 314

Sa-1000	3.84 305	7.71 309	6.81 326	4.15 310	2.86 304	3.27 297	3.87 321	5.99 313	4.35 325	2.78 285	3.71 314	3.88 301	3.56 314	3.88 316	3.64 313	2.71 305	3.72 298	3.27 310	3.67 298	3.15 310	3.51 295	3.36 309	2.70 304	3.49 312	3.32 297	3.76 318	2.87 293	3.76 318

raft_robust	4.19 315	7.78 310	6.08 319	3.30 298	3.85 320	4.03 309	3.73 318	6.25 320	3.30 312	4.44 311	3.28 310	4.01 306	3.82 321	4.29 321	3.70 321	4.01 321	4.48 314	3.42 311	4.11 305	3.76 319	4.05 306	3.32 306	3.85 316	3.82 319	4.71 314	3.83 320	4.09 307	3.80 320

TestStereo1	4.11 310	7.79 311	6.72 324	3.93 304	3.81 318	3.96 306	3.58 313	6.96 324	3.74 316	3.90 299	3.76 316	3.89 302	3.57 315	3.70 314	3.66 316	3.34 313	3.80 301	3.62 312	3.66 296	3.68 315	3.91 302	3.70 313	3.65 311	3.67 315	3.88 304	3.53 312	3.89 303	3.68 314

SA-5K	4.11 310	7.79 311	6.72 324	3.93 304	3.81 318	3.96 306	3.58 313	6.96 324	3.74 316	3.90 299	3.76 316	3.89 302	3.57 315	3.70 314	3.66 316	3.34 313	3.80 301	3.62 312	3.66 296	3.68 315	3.91 302	3.70 313	3.65 311	3.67 315	3.88 304	3.53 312	3.89 303	3.68 314

TESTraft	4.16 314	8.03 313	6.81 326	3.99 306	3.68 316	3.93 305	3.70 317	6.86 323	3.69 315	3.93 301	3.88 321	3.93 304	3.59 317	3.65 312	3.64 313	3.68 316	3.92 303	3.72 317	3.92 301	3.57 314	3.84 301	3.70 313	3.71 315	3.67 315	3.91 307	3.74 316	3.92 305	3.67 311

test_4	4.11 310	8.05 314	6.64 322	4.52 315	3.68 316	3.00 294	3.40 312	6.21 319	3.29 311	4.07 303	3.84 319	4.04 307	3.76 320	3.56 311	3.67 318	3.76 319	4.04 306	3.79 318	4.10 304	3.53 313	3.98 304	3.74 316	3.55 310	3.61 313	3.94 308	3.75 317	3.73 301	3.73 317

SGM+DAISY	6.35 326	8.16 315	5.14 317	8.12 330	5.08 328	8.12 330	5.16 328	8.01 327	5.18 329	7.92 328	5.14 327	7.89 329	5.14 327	4.95 324	5.33 328	5.32 328	8.14 329	5.16 327	8.16 329	5.16 327	8.21 328	5.19 325	5.12 325	5.12 328	8.18 330	5.24 327	8.12 330	5.11 327

RAFT_CTSACE	4.43 316	8.26 316	6.10 320	4.62 316	4.01 323	4.54 316	3.65 315	6.09 315	3.93 318	4.64 314	4.14 324	4.26 312	4.13 323	3.91 317	3.88 322	4.06 323	4.30 311	4.03 321	4.27 311	3.92 320	4.26 308	3.67 311	3.91 318	4.16 323	4.82 316	4.08 324	4.20 309	3.67 311

CFNet_RVC	0.93 233	8.54 317	0.41 151	0.56 198	0.37 166	0.56 199	0.37 168	0.50 171	0.40 173	0.56 158	5.24 328	0.56 194	0.34 154	0.40 168	0.41 179	0.34 152	0.53 190	0.40 175	0.56 201	0.38 169	0.52 185	0.40 175	0.40 175	0.41 179	0.56 198	0.40 177	0.56 195	0.40 176

U	5.23 325	8.71 318	2.75 301	8.64 331	2.76 302	8.65 331	2.79 304	8.67 330	2.79 304	8.70 330	2.79 304	8.70 330	2.79 304	2.79 301	2.80 306	2.80 306	8.84 330	2.82 304	8.82 330	2.89 305	8.84 329	2.83 303	2.83 306	2.82 307	8.87 332	2.83 306	8.84 331	2.83 306

test_5	4.51 319	8.85 319	5.35 318	3.66 302	3.56 312	5.10 322	4.47 326	6.14 316	4.07 322	4.96 319	3.87 320	5.14 322	4.17 325	3.53 309	4.39 325	4.53 325	4.15 307	3.62 312	4.74 314	2.94 306	3.63 298	4.53 323	4.20 322	4.54 326	4.86 317	3.68 315	4.95 316	4.06 323

pcwnet_v2	1.01 243	9.73 320	0.28 119	0.38 143	0.28 130	0.38 145	0.28 132	0.38 134	0.28 132	0.38 115	0.28 133	0.39 147	0.28 130	9.61 330	0.28 134	0.28 128	0.38 142	0.28 129	0.38 141	0.28 131	0.38 135	0.28 131	0.29 136	0.28 133	0.38 140	0.28 129	0.38 138	0.28 131

CFNet_pseudo	1.01 243	9.78 321	0.29 124	0.38 143	0.28 130	0.38 145	0.28 132	0.38 134	0.28 132	0.39 118	0.28 133	0.39 147	0.28 130	9.50 329	0.29 142	0.28 128	0.38 142	0.28 129	0.38 141	0.28 131	0.38 135	0.28 131	0.28 128	0.28 133	0.38 140	0.28 129	0.38 138	0.28 131

RAFT	6.60 327	9.99 322	8.33 331	7.21 329	6.55 329	5.95 326	5.87 329	8.70 331	5.02 328	5.10 321	6.69 329	7.06 328	6.94 330	6.17 327	7.09 331	6.84 329	6.47 324	4.72 325	5.60 321	5.60 328	5.11 321	5.97 326	6.93 330	6.89 331	7.16 327	7.08 332	6.58 326	6.66 329

ccs_rob	1.00 239	10.06 323	0.31 133	0.44 170	0.31 150	0.43 168	0.31 153	0.43 151	0.32 147	0.45 138	0.32 152	1.20 255	0.31 146	7.02 328	0.31 149	0.31 145	0.44 166	0.31 147	0.44 167	0.32 152	0.44 160	0.31 148	0.32 147	0.32 151	0.44 165	0.32 152	0.43 161	0.31 151

UCFNet_RVC	1.03 248	10.10 324	0.28 119	0.38 143	0.28 130	0.39 152	0.28 132	0.38 134	0.28 132	0.39 118	0.28 133	0.39 147	0.29 139	9.62 331	0.28 134	0.28 128	0.38 142	0.28 129	0.38 141	0.28 131	0.39 144	0.28 131	0.29 136	0.28 133	0.39 149	0.28 129	0.38 138	0.29 142

StereoVision	3.44 301	10.12 325	1.68 274	5.44 324	2.26 299	5.87 324	1.97 296	5.17 311	1.31 273	5.80 322	1.56 281	5.62 323	1.84 289	1.97 287	1.91 296	1.84 289	4.98 318	1.32 271	5.60 321	1.71 289	5.35 323	1.73 289	1.97 295	1.96 294	5.40 322	1.65 288	5.08 320	1.76 291

MaDis-Stereo	3.69 304	10.19 326	2.01 287	6.09 325	2.01 293	5.94 325	1.82 289	6.14 316	1.85 290	6.59 325	1.82 289	6.01 324	1.81 287	1.83 283	1.83 288	2.02 293	5.87 322	1.79 288	5.93 324	2.06 297	4.63 314	1.67 284	1.84 289	2.08 296	5.90 323	1.66 289	6.34 325	1.87 293

test_3	4.55 320	10.96 327	7.69 330	4.04 308	3.60 314	4.10 310	3.98 323	7.94 326	4.56 326	3.99 302	4.03 322	4.08 308	3.74 319	3.99 320	3.91 323	4.05 322	4.33 312	3.89 319	4.14 306	4.00 322	4.11 307	4.02 318	4.01 321	3.91 321	3.53 299	3.94 322	4.19 308	4.20 324

test-v	7.17 328	11.53 328	7.63 328	7.17 327	6.87 330	7.48 328	6.90 330	8.14 328	6.88 330	6.93 326	7.42 330	7.05 326	6.14 328	6.05 325	6.86 329	6.99 330	7.60 327	6.75 329	6.90 327	6.66 329	7.83 326	6.36 328	5.89 326	7.34 332	7.19 328	6.75 330	7.52 328	6.77 331

test-2	7.17 328	11.53 328	7.63 328	7.17 327	6.87 330	7.48 328	6.90 330	8.14 328	6.88 330	6.93 326	7.42 330	7.05 326	6.14 328	6.05 325	6.86 329	6.99 330	7.60 327	6.75 329	6.90 327	6.66 329	7.83 326	6.36 328	5.89 326	7.34 332	7.19 328	6.75 330	7.52 328	6.77 331

rafts_anoy	20.00 331	20.00 330	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 331	20.00 332	20.00 333	20.00 333	20.00 333	20.00 331	20.00 332	20.00 331	20.00 333	20.00 331	20.00 332	20.00 332	20.00 335	20.00 333	20.00 334	20.00 333	20.00 334

raft+_RVC	20.00 331	20.00 330	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 331	20.00 332	20.00 333	20.00 333	20.00 333	20.00 331	20.00 332	20.00 331	20.00 333	20.00 331	20.00 332	20.00 332	20.00 335	20.00 333	20.00 334	20.00 333	20.00 334

raftrobust	20.00 331	20.00 330	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 331	20.00 332	20.00 333	20.00 333	20.00 333	20.00 331	20.00 332	20.00 331	20.00 333	20.00 331	20.00 332	20.00 332	20.00 335	20.00 333	20.00 334	20.00 333	20.00 334

CasAABBNet	20.00 331	20.00 330	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 331	20.00 332	20.00 333	20.00 333	20.00 333	20.00 331	20.00 332	20.00 331	20.00 333	20.00 331	20.00 332	20.00 332	20.00 335	20.00 333	20.00 334	20.00 333	20.00 334

RALCasStereoNet	20.00 331	20.00 330	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 331	20.00 332	20.00 333	20.00 333	20.00 333	20.00 331	20.00 332	20.00 331	20.00 333	20.00 331	20.00 332	20.00 332	20.00 335	20.00 333	20.00 334	20.00 333	20.00 334

RALAANet	20.00 331	20.00 330	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 331	20.00 332	20.00 333	20.00 333	20.00 333	20.00 331	20.00 332	20.00 331	20.00 333	20.00 331	20.00 332	20.00 332	20.00 335	20.00 333	20.00 334	20.00 333	20.00 334

MSMDNet	20.00 331	20.00 330	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 332	20.00 333	20.00 331	20.00 332	20.00 333	20.00 333	20.00 333	20.00 331	20.00 332	20.00 331	20.00 333	20.00 331	20.00 332	20.00 332	20.00 335	20.00 333	20.00 334	20.00 333	20.00 334

MANE	18.41 330	23.00 337	16.00 332	22.00 339	15.00 332	22.00 339	15.00 332	22.00 339	15.00 332	21.00 339	15.00 332	22.00 338	15.00 331	15.00 332	17.00 332	15.00 332	23.00 338	15.00 331	22.00 338	15.00 332	23.00 338	15.00 331	18.00 331	15.00 334	24.00 340	17.00 333	24.00 340	16.00 333

AF-Net	2.06 286	25.73 338	1.18 252	1.12 253	1.16 264	1.16 252	1.19 266	1.10 233	1.17 266	1.15 210	1.14 260	1.11 246	1.16 262	1.16 263	1.14 262	1.11 257	1.15 247	1.13 262	1.21 256	1.17 266	1.11 241	1.21 266	1.17 261	1.17 267	1.17 256	1.11 262	1.20 258	1.13 260

MoCha-V2	1.75 274	27.02 339	0.72 205	0.92 228	0.69 228	0.89 225	0.69 232	0.92 211	0.71 228	0.87 183	0.69 229	0.88 224	0.68 227	0.70 227	0.68 230	0.69 225	0.90 223	0.69 230	0.92 227	0.69 229	0.92 220	0.71 230	0.70 228	0.67 228	0.88 224	0.71 232	0.92 223	0.68 228

Reg-Stereo(zero)	37.00 338	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 339	37.00 339	37.00 340	37.00 340	37.00 340	37.00 339	37.00 339	37.00 339	37.00 340	37.00 339	37.00 339	37.00 339	37.00 342	37.00 341	37.00 341	37.00 341	37.00 341

HI	37.00 338	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 339	37.00 339	37.00 340	37.00 340	37.00 340	37.00 339	37.00 339	37.00 339	37.00 340	37.00 339	37.00 339	37.00 339	37.00 342	37.00 341	37.00 341	37.00 341	37.00 341

CoSv	37.00 338	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 340	37.00 339	37.00 339	37.00 340	37.00 340	37.00 340	37.00 339	37.00 339	37.00 339	37.00 340	37.00 339	37.00 339	37.00 339	37.00 342	37.00 341	37.00 341	37.00 341	37.00 341

CBMV	101.59 342	71.60 343	48.40 344	72.70 344	49.00 344	79.60 344	48.40 344	80.90 344	46.90 343	68.90 343	49.00 344	78.00 343	572.10 351	49.50 343	51.30 343	48.40 343	72.20 342	639.60 351	79.40 342	48.90 344	79.50 342	51.40 342	52.30 343	48.30 346	80.20 344	49.10 344	79.60 345	47.60 344
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	61.15 341	72.66 344	46.52 343	70.00 343	44.89 343	64.24 343	43.75 343	73.65 343	48.92 344	72.70 344	42.40 343	60.70 342	50.23 342	50.07 344	67.69 344	68.60 344	83.13 343	47.77 342	82.48 343	46.00 343	95.93 343	53.44 343	50.66 342	45.00 345	84.99 345	53.64 345	79.01 344	52.07 345

MeshStereo	151.99 343	131.36 345	140.69 345	151.38 345	151.40 345	150.79 345	151.72 345	149.36 345	159.46 345	146.42 345	150.73 345	149.06 347	176.22 343	143.94 345	133.10 347	133.45 347	153.30 345	154.22 344	154.67 345	153.95 346	156.90 346	156.53 346	160.21 344	162.72 347	154.57 346	160.59 346	153.47 346	163.50 346
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	252.48 345	202.00 346	361.00 349	502.00 349	324.00 349	321.00 346	482.00 352	423.00 349	227.00 349	201.00 346	273.00 349	101.00 344	207.00 344	198.00 346	183.00 348	181.00 348	221.00 346	232.00 348	477.00 347	220.00 348	111.00 344	100.00 344	219.00 346	214.00 348	204.00 347	211.00 348	200.00 347	222.00 349

MGS-Stereo	264.93 346	208.00 347	362.00 350	512.00 350	350.00 350	326.00 347	443.00 351	410.00 348	210.00 346	232.00 348	215.00 346	125.00 345	217.00 345	216.00 348	127.00 346	122.00 346	223.00 347	230.00 346	487.00 349	255.00 349	250.00 347	223.00 348	272.00 348	228.00 351	241.00 348	220.00 350	214.00 348	235.00 350

EGLCR-Stereo	276.81 347	209.00 348	366.00 351	514.00 351	354.00 351	336.00 348	422.00 349	440.00 350	220.00 348	231.00 347	245.00 348	135.00 346	237.00 347	218.00 349	197.00 349	222.00 350	223.00 347	230.00 346	487.00 349	255.00 349	250.00 347	273.00 349	272.00 348	228.00 351	241.00 348	220.00 350	214.00 348	235.00 350

DLCB_ROB	280.78 348	376.74 349	215.59 346	376.74 346	215.59 346	376.74 349	215.59 346	366.42 347	218.39 347	366.42 349	218.39 347	366.42 348	218.39 346	209.96 347	219.76 350	219.38 349	376.72 349	216.43 345	376.72 346	216.43 347	376.72 349	216.43 347	216.14 345	216.14 350	376.69 351	217.67 349	376.69 351	217.67 348

NOSS_ROB	248.11 344	409.00 350	288.00 347	412.00 347	280.00 347	411.00 350	288.00 347	356.00 346	275.00 350	379.00 350	303.00 350	415.00 349	278.00 348	260.00 350	104.00 345	103.00 345	126.00 344	108.00 343	118.00 344	98.00 345	126.00 345	104.00 345	268.00 347	216.00 349	279.00 350	201.00 347	288.00 350	206.00 347

LE_ROB	387.11 349	453.07 351	321.39 348	500.23 348	323.05 348	493.99 351	324.56 348	477.63 351	322.28 351	465.51 351	322.97 351	486.37 350	334.17 349	305.26 351	320.63 351	327.66 351	476.08 350	315.70 349	483.76 348	335.15 351	469.64 350	309.74 350	315.90 350	318.85 353	498.41 352	328.85 352	491.00 352	330.08 352

SGM-ForestM	522.49 350	676.08 352	448.56 352	638.17 352	433.15 352	639.59 352	427.03 350	617.52 352	439.90 352	604.63 352	429.02 352	611.68 351	432.74 350	420.18 352	451.96 352	465.85 352	601.06 351	403.73 350	659.15 351	405.50 352	669.64 351	437.21 351	455.85 351	425.66 354	689.82 353	481.65 353	662.43 353	479.61 353

CBMV_ROB	1133.35 351	1280.38 353	976.92 353	1317.57 353	1021.62 353	1282.66 353	1022.22 353	1213.88 353	982.57 353	1194.12 353	975.90 353	1357.87 352	1090.02 352	943.32 353	1021.85 353	1006.47 353	1309.01 352	986.29 352	1499.40 352	986.35 353	1359.35 352	975.96 352	975.21 352	969.30 355	1337.82 354	1042.34 354	1398.25 354	1073.86 354

111111	10000000.00 352	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 355

SGD-Stereo	10000000.00 352	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 355

IGEV-Stereo++	10000000.00 352	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 355

IGEV-BASED-STEREO-	10000000.00 352	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 355

IGEV-Stereo+	10000000.00 352	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 355

anonymousdsp2	10000000.00 352	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 355

anonymousdsp	10000000.00 352	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 355

AMNet	10000000.00 352	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 354	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 354	10000000.00 353	10000000.00 353	10000000.00 353	10000000.00 356	10000000.00 355	10000000.00 355	10000000.00 355	10000000.00 355

GS-Stereo																							0.36 160	0.36 163	0.48 177	0.36 160	0.48 174	0.35 158

ASD4																								0.20 108

Low-res two-view benchmark