Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-MNSev	0.06 44	0.54 223	0.10 69	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.11 97	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 207	0.10 69	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

CoDeX	0.15 124	0.70 240	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 373	0.02 15	0.69 371	0.75 383	0.01 9	0.02 20	0.02 20

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

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

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

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

Wz-Net-LNSev	0.06 44	0.24 122	0.20 167	0.23 154	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 179	0.21 180	0.02 18	0.01 9	0.01 10	0.01 10

psmg	0.43 262	1.91 422	0.92 398	1.91 474	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 504	1.44 497	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 200	1.29 387	1.19 423	1.36 452	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 465	1.21 475	0.03 38	0.09 111	0.02 20	0.09 111

SFCPSM	0.17 136	0.78 245	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 408	0.02 15	0.75 382	0.76 385	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 164	1.31 389	0.74 375	0.92 348	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 377	0.75 382	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 366	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 108	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 52	0.02 12	0.04 43	0.90 343	0.06 110	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 130	0.36 281	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 87	0.02 12	0.02 14	1.62 466	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

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

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

zh-sn7	0.10 65	0.98 283	0.14 126	0.15 110	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 125	0.13 137	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 96	1.14 321	0.17 152	0.20 137	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 151	0.16 146	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 112	1.22 383	0.28 197	0.32 185	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 211	0.27 202	0.04 73	0.03 54	0.03 43	0.03 51

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

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

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

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

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

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

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

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

DualNet (step1)	0.10 65	1.05 310	0.12 101	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 65	1.05 310	0.12 101	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 65	1.05 310	0.12 101	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 52	1.00 291	0.11 89	0.11 76	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 52	0.97 282	0.10 69	0.10 59	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 65	1.07 314	0.11 89	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 65	1.03 305	0.12 101	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.13 137	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 52	0.87 259	0.10 69	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 52	1.03 305	0.11 89	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 52	0.87 259	0.12 101	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 52	1.01 299	0.09 65	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 52	0.95 279	0.09 65	0.10 59	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 112	1.83 413	0.12 101	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 93	0.11 97	0.05 86	0.04 78	0.05 92	0.04 79

DualNet	0.10 65	1.07 314	0.11 89	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 65	1.09 316	0.12 101	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 52	1.01 299	0.10 69	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 51

x	0.11 87	1.15 324	0.15 142	0.14 100	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.15 144	0.03 38	0.03 54	0.03 43	0.03 51

Wz-Net-LNSev-Ref	0.11 87	0.44 179	0.33 227	0.39 209	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 259	0.36 257	0.02 18	0.02 20	0.02 20	0.02 20

222	0.10 65	0.99 286	0.12 101	0.13 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 87	1.16 326	0.16 145	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.16 146	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 65	1.09 316	0.13 121	0.12 83	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.14 141	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 87	0.03 31	0.03 36	1.60 463	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 87	0.03 31	0.03 36	1.60 463	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 96	0.03 31	0.04 43	1.71 470	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

AnyNet_C32	0.14 112	0.04 37	0.03 36	2.22 486	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 104	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

z-mn7	0.16 132	1.21 377	0.33 227	0.41 235	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 228	0.31 233	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 139	1.47 397	0.33 227	0.40 223	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 248	0.32 237	0.05 86	0.04 78	0.04 77	0.04 79

1111x	0.10 65	1.14 321	0.13 121	0.14 100	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.11 97	0.03 38	0.02 20	0.03 43	0.02 20

GASNet	0.05 41	0.04 37	0.12 101	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 125	0.04 88	0.06 98	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

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

FADNet-RVC-Resample	0.12 96	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 517	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 104

FADNet_RVC	0.12 96	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 521	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 103	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 526	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

FADNet	0.12 96	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 523	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCP+	0.15 124	0.04 37	0.04 43	2.20 485	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 107	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCPNet	0.10 65	0.03 31	0.04 43	1.27 439	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 107	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
z-ln-s-r	0.21 151	1.40 395	0.53 329	0.56 297	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 333	0.44 304	0.04 73	0.04 78	0.04 77	0.04 79

APVNet	0.09 52	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 419	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

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

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 98	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

qqq1	0.25 164	3.70 507	0.14 126	0.14 100	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 109	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 164	3.70 507	0.14 126	0.14 100	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 109	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 136	2.16 439	0.13 121	0.13 96	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 98	0.03 52	0.06 88	0.05 88	0.18 151	0.12 113	0.06 94	0.03 54	0.05 92	0.03 51

ffm	0.25 164	3.83 513	0.12 101	0.12 83	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 98	0.05 94	0.06 88	0.05 88	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 164	3.83 513	0.12 101	0.12 83	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 98	0.05 94	0.06 88	0.05 88	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 164	3.83 513	0.12 101	0.12 83	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 98	0.05 94	0.06 88	0.05 88	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

qqq	0.16 132	2.01 430	0.12 101	0.15 110	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 98	0.03 52	0.06 88	0.03 48	0.12 93	0.14 141	0.04 73	0.04 78	0.03 43	0.03 51

AASNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 109	0.05 91	0.06 109	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 109	0.05 91	0.06 109	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 109	0.05 91	0.06 109	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

DA	0.09 52	0.13 82	0.39 261	0.08 49	0.05 99	0.07 103	0.05 93	0.13 126	0.05 97	0.06 96	0.05 100	0.06 98	0.05 94	0.06 88	0.05 88	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

GGEV	0.09 52	0.13 82	0.39 261	0.08 49	0.05 99	0.07 103	0.05 93	0.13 126	0.05 97	0.06 96	0.05 100	0.06 98	0.05 94	0.06 88	0.05 88	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

BridgeDepth	0.08 50	0.08 59	0.11 89	0.11 76	0.05 99	0.08 105	0.05 93	0.08 107	0.07 111	0.08 106	0.05 100	0.08 107	0.05 94	0.09 110	0.08 104	0.15 125	0.11 97	0.07 99	0.05 96	0.07 106	0.06 104
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
FINET	0.07 49	0.08 59	0.07 58	0.07 47	0.07 111	0.08 105	0.06 108	0.08 107	0.07 111	0.08 106	0.07 112	0.08 107	0.06 109	0.07 104	0.07 102	0.08 62	0.07 59	0.07 99	0.07 105	0.06 96	0.06 104

GwcNet	0.12 96	0.07 58	0.05 57	0.08 49	0.05 99	0.08 105	1.20 447	0.07 104	0.05 97	0.05 91	0.05 100	0.08 107	0.05 94	0.08 107	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

BEATNet-Init1	0.19 142	0.08 59	0.08 60	2.23 487	0.08 113	0.08 105	0.07 111	0.07 104	0.08 114	0.08 106	0.07 112	0.08 107	0.07 113	0.11 124	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

DeepPrunerF	0.19 142	0.08 59	0.08 60	2.23 487	0.08 113	0.08 105	0.07 111	0.07 104	0.08 114	0.08 106	0.07 112	0.08 107	0.07 113	0.11 124	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

SepStereo	0.09 52	0.09 66	0.10 69	0.09 55	0.09 115	0.09 110	0.09 113	0.10 110	0.08 114	0.10 111	0.09 115	0.09 112	0.09 116	0.09 110	0.08 104	0.09 68	0.08 61	0.09 107	0.08 109	0.09 112	0.08 108

AnonymousM	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 114	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SuperB	0.21 151	0.10 68	2.51 551	0.12 83	0.09 115	0.10 111	0.09 113	0.08 107	0.07 111	0.10 111	0.09 115	0.09 112	0.07 113	0.07 104	0.07 102	0.07 60	0.08 61	0.07 99	0.07 105	0.08 109	0.07 107

PVD	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 114	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SHD	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 114	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SAMSARA	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 114	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

XQC	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 114	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSC	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 114	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTS	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 114	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSA	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 114	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet+	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 114	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet++	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 114	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

JetRed	0.11 87	0.12 81	0.11 89	0.11 76	0.11 137	0.11 122	0.14 152	0.11 122	0.11 133	0.12 125	0.11 133	0.11 124	0.11 132	0.11 124	0.11 126	0.11 88	0.16 146	0.11 119	0.11 130	0.11 123	0.11 128

JetBlue	0.11 87	0.11 79	0.12 101	0.13 96	0.14 158	0.11 122	0.11 131	0.11 122	0.11 133	0.11 123	0.11 133	0.11 124	0.11 132	0.12 128	0.12 141	0.11 88	0.11 97	0.11 119	0.11 130	0.11 123	0.11 128

aanetorigin	0.13 103	0.11 79	0.11 89	0.11 76	0.11 137	0.11 122	0.11 131	0.11 122	0.11 133	0.11 123	0.12 144	0.11 124	0.11 132	0.11 124	0.11 126	0.11 88	0.11 97	0.14 127	0.11 130	0.49 315	0.11 128

PASM	0.39 239	3.06 493	1.36 489	1.58 459	0.09 115	0.11 122	0.11 131	0.11 122	0.11 133	0.09 110	0.09 115	0.11 124	0.09 116	0.09 110	0.09 108	0.11 88	0.11 97	0.11 119	0.09 111	0.11 123	0.11 128

ISRNet	0.11 87	0.05 49	0.36 247	0.24 159	0.07 111	0.13 126	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 128	0.05 94	0.05 82	0.09 108	0.24 184	0.20 176	0.10 108	0.05 96	0.06 96	0.13 150

S2M2_L	0.12 96	0.14 88	0.10 69	0.15 110	0.10 121	0.14 127	0.10 118	0.14 128	0.10 118	0.15 133	0.10 119	0.14 129	0.10 120	0.14 130	0.10 114	0.13 109	0.10 75	0.13 125	0.09 111	0.13 130	0.09 111
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
IPLG	0.13 103	0.20 104	0.14 126	0.15 110	0.11 137	0.14 127	0.11 131	0.14 128	0.11 133	0.14 127	0.11 133	0.14 129	0.11 132	0.14 130	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

IPLGR_C	0.14 112	0.20 104	0.12 101	0.15 110	0.11 137	0.14 127	0.15 157	0.14 128	0.11 133	0.15 133	0.12 144	0.14 129	0.11 132	0.16 140	0.11 126	0.15 125	0.12 113	0.14 127	0.12 147	0.15 142	0.12 144

ACRE	0.13 103	0.21 110	0.14 126	0.15 110	0.11 137	0.14 127	0.11 131	0.14 128	0.11 133	0.14 127	0.12 144	0.14 129	0.11 132	0.14 130	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

LRCNet_RVC	0.13 103	0.13 82	0.09 65	0.13 96	0.10 121	0.14 127	0.10 118	0.14 128	0.10 118	0.23 177	0.10 119	0.20 161	0.10 120	0.24 184	0.11 126	0.11 88	0.09 70	0.12 122	0.14 161	0.12 128	0.09 111

GMStereo	0.14 112	0.13 82	0.14 126	0.14 100	0.14 158	0.14 127	0.14 152	0.14 128	0.14 157	0.14 127	0.14 161	0.14 129	0.14 158	0.14 130	0.14 151	0.14 116	0.14 141	0.14 127	0.14 161	0.14 132	0.14 155
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 179	0.90 267	0.10 69	0.14 100	0.10 121	0.14 127	0.10 118	0.91 384	0.69 393	0.14 127	0.11 133	0.14 129	0.11 132	0.14 130	0.10 114	0.12 93	0.09 70	0.12 122	0.09 111	0.88 375	0.76 401

xyz-stereo-finetune2	0.18 139	0.48 201	0.16 145	0.16 121	0.15 169	0.15 134	0.16 162	0.16 141	0.16 171	0.16 138	0.16 172	0.16 140	0.16 170	0.16 140	0.16 167	0.16 135	0.16 146	0.16 145	0.16 169	0.16 146	0.16 159

CAS++	0.17 136	0.27 130	0.21 171	0.10 59	0.21 206	0.15 134	0.22 196	0.10 110	0.21 194	0.22 173	0.10 119	0.19 158	0.18 185	0.10 113	0.19 183	0.20 158	0.19 174	0.18 163	0.10 118	0.19 162	0.18 175
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala_base	0.13 103	0.16 90	0.11 89	0.15 110	0.11 137	0.15 134	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 140	0.11 132	0.16 140	0.11 126	0.14 116	0.11 97	0.14 127	0.11 130	0.14 132	0.11 128

CIPLG	0.13 103	0.21 110	0.12 101	0.16 121	0.11 137	0.15 134	0.11 131	0.14 128	0.11 133	0.15 133	0.12 144	0.15 139	0.11 132	0.14 130	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

MIPNet	0.14 112	0.21 110	0.17 152	0.16 121	0.11 137	0.15 134	0.12 147	0.14 128	0.11 133	0.16 138	0.11 133	0.14 129	0.11 132	0.14 130	0.11 126	0.14 116	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

IPLGR	0.14 112	0.24 122	0.14 126	0.16 121	0.12 153	0.15 134	0.12 147	0.14 128	0.11 133	0.15 133	0.12 144	0.14 129	0.11 132	0.14 130	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

DRN-Test	0.14 112	0.13 82	0.09 65	0.14 100	0.09 115	0.15 134	0.09 113	0.14 128	0.10 118	0.14 127	0.09 115	0.14 129	0.09 116	0.13 129	0.09 108	0.12 93	0.09 70	0.12 122	0.09 111	0.12 128	0.73 395

StereoDRNet	0.15 124	0.14 88	0.10 69	0.14 100	0.09 115	0.15 134	0.09 113	0.14 128	0.09 117	0.14 127	0.10 119	0.14 129	0.09 116	0.14 130	0.09 108	0.13 109	0.10 75	0.13 125	0.09 111	0.13 130	0.82 407

xyz-stereo-finetune	0.28 174	0.49 203	0.16 145	0.16 121	0.16 178	0.16 142	0.16 162	0.22 173	0.30 250	0.32 214	0.31 263	0.32 220	0.31 264	0.32 218	0.32 251	0.32 211	0.33 248	0.31 219	0.32 279	0.31 204	0.32 257

xyz-stereo	0.18 139	0.50 207	0.16 145	0.15 110	0.16 178	0.16 142	0.16 162	0.16 141	0.16 171	0.16 138	0.16 172	0.16 140	0.16 170	0.16 140	0.16 167	0.16 135	0.16 146	0.16 145	0.16 169	0.16 146	0.16 159

castereo++	0.54 305	3.59 504	1.15 417	1.31 446	0.14 158	0.16 142	0.14 152	0.16 141	0.14 157	0.16 138	0.14 161	0.16 140	0.13 154	0.16 140	0.14 151	1.45 479	1.16 424	0.15 142	0.14 161	0.15 142	0.13 150

test_for_model	0.15 124	0.23 115	0.18 161	0.21 147	0.11 137	0.16 142	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 140	0.11 132	0.16 140	0.11 126	0.21 165	0.18 173	0.14 127	0.11 130	0.14 132	0.11 128

testlalala2	0.13 103	0.16 90	0.11 89	0.15 110	0.11 137	0.16 142	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 140	0.11 132	0.16 140	0.11 126	0.14 116	0.11 97	0.14 127	0.11 130	0.14 132	0.11 128

GMStereo_Zeroshot	0.16 132	0.16 90	0.16 145	0.16 121	0.16 178	0.16 142	0.16 162	0.16 141	0.16 171	0.16 138	0.16 172	0.16 140	0.16 170	0.16 140	0.16 167	0.16 135	0.16 146	0.16 145	0.16 169	0.16 146	0.16 159

ProNet	0.14 112	0.20 104	0.14 126	0.16 121	0.11 137	0.16 142	0.11 131	0.17 149	0.11 133	0.17 147	0.12 144	0.17 150	0.13 154	0.17 149	0.12 141	0.15 125	0.11 97	0.16 145	0.11 130	0.15 142	0.12 144

ICVP	0.15 124	0.53 220	0.11 89	0.16 121	0.11 137	0.16 142	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 140	0.11 132	0.16 140	0.11 126	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.11 128
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 112	0.17 96	0.12 101	0.17 129	0.11 137	0.17 150	0.11 131	0.17 149	0.11 133	0.17 147	0.11 133	0.17 150	0.11 132	0.17 149	0.11 126	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.11 128
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
castereo	0.61 316	3.79 512	1.35 481	1.52 458	0.15 169	0.17 150	0.16 162	0.20 160	0.21 194	0.18 151	0.16 172	0.21 169	0.12 149	0.26 199	0.17 171	1.43 478	1.38 494	0.17 153	0.16 169	0.18 156	0.16 159

HSM	0.14 112	0.16 90	0.12 101	0.17 129	0.12 153	0.17 150	0.11 131	0.17 149	0.11 133	0.17 147	0.12 144	0.17 150	0.12 149	0.17 149	0.12 141	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.12 144

PDISCO_ROB	0.83 370	2.80 489	3.49 568	0.14 100	0.11 137	0.17 150	0.09 113	0.15 140	0.10 118	0.15 133	0.12 144	0.16 140	0.14 158	3.30 553	0.13 147	0.14 116	2.34 545	0.16 145	0.12 147	2.62 534	0.10 116

cf-r	0.66 326	2.17 440	0.12 101	0.18 131	0.12 153	0.18 154	2.70 558	2.60 533	0.12 152	0.18 151	0.12 144	0.18 154	0.12 149	0.18 152	0.12 141	0.15 125	0.11 97	0.15 142	0.11 130	1.81 493	1.74 534

ELAS_RVC	0.14 112	0.16 90	0.10 69	0.15 110	0.10 121	0.18 154	0.11 131	0.19 154	0.11 133	0.19 153	0.12 144	0.18 154	0.11 132	0.19 155	0.12 141	0.14 116	0.08 61	0.14 127	0.09 111	0.15 142	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 103	0.16 90	0.11 89	0.15 110	0.09 115	0.18 154	0.11 131	0.18 152	0.11 133	0.17 147	0.11 133	0.18 154	0.11 132	0.18 152	0.11 126	0.14 116	0.08 61	0.14 127	0.08 109	0.14 132	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DEFOM-Stereo_RVC	0.83 370	5.18 537	1.98 539	2.19 484	0.17 182	0.19 157	0.18 177	0.19 154	0.16 171	0.20 159	0.19 192	0.22 177	0.22 201	0.20 159	0.15 161	2.28 521	2.13 540	0.24 192	0.17 189	0.18 156	0.16 159

DDVS	0.30 180	3.10 494	0.14 126	0.19 134	0.14 158	0.19 157	0.14 152	0.20 160	0.14 157	0.19 153	0.13 156	0.16 140	0.13 154	0.19 155	0.13 147	0.17 143	0.13 137	0.17 153	0.13 155	0.17 152	0.13 150

ITSA-stereo	0.15 124	0.17 96	0.13 121	0.20 137	0.13 156	0.19 157	0.13 150	0.18 152	0.13 155	0.19 153	0.13 156	0.18 154	0.14 158	0.18 152	0.14 151	0.16 135	0.11 97	0.15 142	0.14 161	0.18 156	0.11 128

DeepPruner_ROB	0.16 132	0.18 99	0.13 121	0.19 134	0.13 156	0.19 157	0.13 150	0.19 154	0.13 155	0.19 153	0.13 156	0.19 158	0.13 154	0.19 155	0.13 147	0.18 151	0.13 137	0.18 163	0.13 155	0.18 156	0.13 150

SGM_RVC	0.15 124	0.17 96	0.11 89	0.18 131	0.11 137	0.19 157	0.11 131	0.19 154	0.12 152	0.19 153	0.12 144	0.20 161	0.12 149	0.19 155	0.12 141	0.16 135	0.11 97	0.17 153	0.10 118	0.17 152	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
RAFT-FEzeroshot	0.34 200	0.26 127	0.17 152	0.21 147	0.17 182	0.20 162	0.16 162	0.20 160	0.16 171	0.20 159	0.17 177	0.21 169	0.16 170	0.27 203	0.24 202	0.19 155	0.16 146	0.19 166	0.16 169	0.26 186	3.08 566

RAFT-FE	0.34 200	0.26 127	0.17 152	0.21 147	0.17 182	0.20 162	0.16 162	0.20 160	0.16 171	0.20 159	0.17 177	0.21 169	0.16 170	0.27 203	0.24 202	0.19 155	0.16 146	0.19 166	0.16 169	0.26 186	3.08 566

IGEV-FE	0.35 209	0.37 148	0.17 152	0.19 134	0.17 182	0.20 162	0.17 170	0.19 154	0.17 179	0.19 153	0.17 177	0.19 158	0.17 177	0.37 239	0.36 281	0.19 155	0.17 164	0.19 166	0.17 189	0.38 253	2.84 557

DAS	0.20 144	0.20 104	0.20 167	0.20 137	0.20 199	0.20 162	0.20 185	0.20 160	0.20 190	0.20 159	0.20 196	0.20 161	0.20 194	0.20 159	0.20 186	0.20 158	0.20 176	0.20 170	0.20 196	0.20 163	0.20 179

ASD4	0.20 144	0.20 104	0.20 167	0.20 137	0.20 199	0.20 162	0.20 185	0.20 160	0.20 190	0.20 159	0.20 196	0.20 161	0.20 194	0.20 159	0.20 186	0.20 158	0.20 176	0.20 170	0.20 196	0.20 163	0.20 179

ACVNet	0.20 144	0.19 100	0.14 126	0.20 137	0.14 158	0.20 162	0.96 426	0.21 169	0.14 157	0.20 159	0.13 156	0.21 169	0.14 158	0.20 159	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	0.17 152	0.12 144

acv_ft	0.20 144	0.19 100	0.14 126	0.20 137	0.14 158	0.20 162	0.96 426	0.21 169	0.14 157	0.20 159	0.13 156	0.21 169	0.14 158	0.20 159	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	0.17 152	0.12 144

PSMNet-RSSM	0.77 350	2.76 483	0.14 126	0.20 137	0.14 158	0.20 162	2.66 556	2.79 546	0.14 157	0.21 171	0.14 161	0.21 169	0.14 158	0.20 159	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	2.52 525	2.31 549

GwcNet-RSSM	0.77 350	2.77 485	0.14 126	0.20 137	0.14 158	0.20 162	2.67 557	2.78 545	0.14 157	0.20 159	0.14 161	0.20 161	0.14 158	0.21 170	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	2.52 525	2.31 549

CFNet-ft	0.55 309	1.57 400	0.14 126	0.20 137	0.14 158	0.20 162	2.53 555	1.61 487	0.14 157	0.20 159	0.14 161	0.20 161	0.14 158	0.20 159	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	1.56 481	1.24 497

LALA_ROB	0.15 124	0.19 100	0.12 101	0.18 131	0.11 137	0.20 162	0.12 147	0.21 169	0.12 152	0.20 159	0.12 144	0.20 161	0.12 149	0.21 170	0.13 147	0.17 143	0.10 75	0.18 163	0.11 130	0.18 156	0.11 128

hitnet-ft	0.79 354	2.78 488	0.14 126	0.20 137	0.14 158	0.21 173	2.89 559	2.80 547	0.14 157	0.20 159	0.14 161	0.20 161	0.14 158	0.20 159	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	2.54 533	2.33 551

GANet-RSSM	0.75 345	1.91 422	0.14 126	0.47 260	0.14 158	0.21 173	3.21 575	2.30 519	0.14 157	0.46 294	0.14 161	0.23 183	0.18 185	0.21 170	0.14 151	0.18 151	0.27 202	0.37 260	0.13 155	2.13 503	2.12 544

RSGM-EC	0.24 161	0.24 122	0.15 142	0.22 150	0.15 169	0.22 175	0.15 157	0.22 173	0.15 167	0.24 182	0.15 169	0.22 177	0.15 168	0.22 174	1.19 447	0.20 158	0.17 164	0.24 192	0.14 161	0.20 163	0.14 155

acva	0.24 161	0.24 122	0.15 142	0.22 150	0.15 169	0.22 175	0.15 157	0.22 173	0.15 167	0.24 182	0.15 169	0.22 177	0.15 168	0.22 174	1.19 447	0.20 158	0.17 164	0.24 192	0.14 161	0.20 163	0.14 155

WAO-6	0.22 155	0.23 115	0.22 173	0.23 154	0.22 208	0.22 175	0.22 196	0.22 173	0.22 197	0.22 173	0.22 203	0.22 177	0.22 201	0.22 174	0.22 192	0.22 168	0.22 184	0.22 178	0.22 201	0.22 171	0.22 185

IMH-64-1	0.22 155	0.23 115	0.23 176	0.22 150	0.22 208	0.22 175	0.22 196	0.22 173	0.22 197	0.22 173	0.22 203	0.22 177	0.22 201	0.22 174	0.22 192	0.22 168	0.22 184	0.23 184	0.22 201	0.22 171	0.23 187

IMH-64	0.22 155	0.23 115	0.23 176	0.22 150	0.22 208	0.22 175	0.22 196	0.22 173	0.22 197	0.22 173	0.22 203	0.22 177	0.22 201	0.22 174	0.22 192	0.22 168	0.22 184	0.23 184	0.22 201	0.22 171	0.23 187

IGEV_Zeroshot_test	0.20 144	0.19 100	0.40 266	0.30 177	0.17 182	0.22 175	0.17 170	0.21 169	0.17 179	0.20 159	0.17 177	0.21 169	0.18 185	0.21 170	0.17 171	0.20 158	0.16 146	0.20 170	0.16 169	0.20 163	0.17 171

MSKI-zero shot	0.24 161	0.21 110	0.49 311	0.65 314	0.18 192	0.22 175	0.17 170	0.23 179	0.18 182	0.21 171	0.17 177	0.23 183	0.28 238	0.23 180	0.18 180	0.21 165	0.16 146	0.21 173	0.16 169	0.21 169	0.16 159

MIM_Stereo	0.25 164	0.23 115	0.66 351	0.80 333	0.17 182	0.22 175	0.17 170	0.23 179	0.18 182	0.26 196	0.17 177	0.21 169	0.17 177	0.25 189	0.17 171	0.23 179	0.16 146	0.21 173	0.17 189	0.22 171	0.17 171

dd	0.23 159	0.98 283	0.16 145	0.23 154	0.15 169	0.23 183	0.15 157	0.23 179	0.15 167	0.23 177	0.15 169	0.24 187	0.17 177	0.23 180	0.15 161	0.22 168	0.15 144	0.21 173	0.15 167	0.22 171	0.16 159

tg	0.21 151	0.25 126	0.21 171	0.26 171	0.17 182	0.24 184	0.17 170	0.24 182	0.17 179	0.24 182	0.17 177	0.24 187	0.17 177	0.24 184	0.17 171	0.24 184	0.17 164	0.23 184	0.16 169	0.23 180	0.16 159

ACV-stereo	0.30 180	2.08 432	0.25 186	0.25 164	0.18 192	0.24 184	0.17 170	0.24 182	0.18 182	0.24 182	0.17 177	0.25 192	0.17 177	0.24 184	0.17 171	0.22 168	0.16 146	0.22 178	0.16 169	0.22 171	0.16 159

Pointernet	0.21 151	0.22 114	0.19 164	0.24 159	0.19 196	0.24 184	0.19 181	0.24 182	0.19 188	0.24 182	0.19 192	0.24 187	0.19 190	0.24 184	0.19 183	0.22 168	0.17 164	0.22 178	0.17 189	0.22 171	0.17 171

CASnet	0.35 209	0.51 215	0.44 283	0.32 185	0.31 265	0.24 184	0.34 277	0.36 224	0.25 211	0.31 209	0.37 302	0.30 214	0.33 275	0.25 189	0.45 328	0.37 237	0.37 259	0.33 228	0.35 303	0.34 217	0.37 286
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
dad	0.23 159	1.03 305	0.16 145	0.23 154	0.15 169	0.24 184	0.15 157	0.24 182	0.16 171	0.23 177	0.16 172	0.24 187	0.16 170	0.23 180	0.15 161	0.22 168	0.16 146	0.22 178	0.16 169	0.22 171	0.16 159

iResNetv2_ROB	0.20 144	0.23 115	0.18 161	0.24 159	0.20 199	0.24 184	0.18 177	0.24 182	0.18 182	0.24 182	0.18 190	0.23 183	0.19 190	0.24 184	0.18 180	0.21 165	0.16 146	0.21 173	0.16 169	0.22 171	0.16 159

iResNet	0.20 144	0.23 115	0.18 161	0.24 159	0.18 192	0.24 184	0.20 185	0.24 182	0.18 182	0.23 177	0.17 177	0.23 183	0.18 185	0.23 180	0.18 180	0.22 168	0.16 146	0.21 173	0.16 169	0.21 169	0.16 159

VIP-Stereo	0.70 335	2.97 492	2.43 550	2.49 499	0.16 178	0.25 191	0.16 162	0.25 188	0.16 171	0.25 188	0.18 190	0.25 192	0.16 170	0.26 199	0.16 167	1.86 494	1.26 477	0.23 184	0.15 167	0.23 180	0.15 158

UNDER WATER-64	0.25 164	0.26 127	0.25 186	0.26 171	0.25 221	0.25 191	0.25 212	0.25 188	0.25 211	0.25 188	0.25 220	0.25 192	0.25 214	0.26 199	0.25 210	0.25 190	0.25 192	0.25 195	0.25 220	0.25 184	0.25 198

LoS	0.25 164	0.27 130	0.25 186	0.25 164	0.25 221	0.25 191	0.25 212	0.26 193	0.25 211	0.25 188	0.25 220	0.25 192	0.25 214	0.25 189	0.25 210	0.26 192	0.25 192	0.25 195	0.26 226	0.26 186	0.25 198
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 267	1.24 385	0.17 152	0.25 164	0.17 182	0.25 191	0.18 177	1.26 475	0.93 427	0.25 188	0.17 177	0.25 192	0.18 185	0.25 189	0.17 171	0.23 179	0.16 146	0.23 184	0.16 169	1.20 422	0.99 422

delet	0.43 262	1.21 377	0.17 152	0.25 164	0.17 182	0.25 191	0.18 177	1.26 475	0.95 429	0.25 188	0.17 177	0.25 192	0.17 177	0.25 189	0.17 171	0.23 179	0.16 146	0.22 178	0.16 169	1.18 419	0.98 421

psm_up	0.43 262	1.19 330	0.17 152	0.25 164	0.18 192	0.25 191	0.19 181	1.26 475	0.91 422	0.26 196	0.17 177	0.25 192	0.17 177	0.25 189	0.17 171	0.22 168	0.17 164	0.23 184	0.16 169	1.18 419	0.99 422

UPFNet	0.42 261	1.20 331	0.17 152	0.24 159	0.17 182	0.25 191	0.17 170	1.19 423	0.90 421	0.25 188	0.17 177	0.24 187	0.17 177	0.25 189	0.17 171	0.22 168	0.17 164	0.22 178	0.16 169	1.15 411	0.93 417

AANet_RVC	1.26 471	0.31 139	4.99 579	5.93 571	0.20 199	0.25 191	0.20 185	0.25 188	0.20 190	0.23 177	0.19 192	0.25 192	0.20 194	0.25 189	0.20 186	5.66 580	4.76 573	0.26 200	0.30 263	0.24 182	0.27 212

Select-FE	0.41 250	0.44 179	0.23 176	0.26 171	0.22 208	0.26 199	0.22 196	0.26 193	0.23 203	0.26 196	0.23 207	0.26 202	0.23 207	0.45 293	0.42 323	0.25 190	0.22 184	0.25 195	0.22 201	0.45 292	2.90 558

LoS_RVC	0.30 180	1.14 321	0.25 186	0.25 164	0.25 221	0.26 199	0.25 212	0.25 188	0.25 211	0.25 188	0.25 220	0.26 202	0.26 223	0.26 199	0.25 210	0.26 192	0.26 195	0.25 195	0.25 220	0.26 186	0.26 204

CAS	0.30 180	1.17 327	0.25 186	0.25 164	0.25 221	0.26 199	0.25 212	0.25 188	0.26 224	0.25 188	0.25 220	0.25 192	0.25 214	0.25 189	0.25 210	0.26 192	0.26 195	0.26 200	0.25 220	0.26 186	0.25 198

ac_64	0.22 155	0.13 82	0.19 164	0.23 154	0.10 121	0.26 199	1.02 434	0.14 128	0.10 118	0.28 200	0.14 161	0.17 150	0.19 190	0.28 207	0.09 108	0.22 168	0.16 146	0.23 184	0.17 189	0.11 123	0.12 144

GEStereo_RVC	0.86 381	4.45 527	0.20 167	0.27 174	0.20 199	0.27 203	0.20 185	0.26 193	0.18 182	5.03 581	0.20 196	0.27 204	0.19 190	0.27 203	0.21 190	0.20 158	0.19 174	0.19 166	4.02 586	0.20 163	0.18 175

DLNR-FE	0.28 174	0.89 264	0.30 205	0.34 191	0.19 196	0.28 204	0.19 181	0.28 197	0.20 190	0.28 200	0.20 196	0.28 205	0.20 194	0.28 207	0.20 186	0.33 215	0.28 208	0.25 195	0.19 195	0.24 182	0.19 177

SQANet	0.28 174	0.28 133	0.28 197	0.28 175	0.28 236	0.28 204	0.28 231	0.28 197	0.28 233	0.28 200	0.28 238	0.28 205	0.28 238	0.28 207	0.28 226	0.28 197	0.28 208	0.28 206	0.28 239	0.28 193	0.28 225

CFNet	1.37 476	5.27 540	0.19 164	5.49 568	0.19 196	0.28 204	0.19 181	0.28 197	0.19 188	0.28 200	0.19 192	0.28 205	4.35 579	0.28 207	0.19 183	0.23 179	0.17 164	0.23 184	4.21 588	4.81 565	0.17 171

HCRNet	1.22 469	7.11 557	3.00 553	3.55 536	0.33 279	0.29 207	0.14 152	0.19 154	0.15 167	0.33 219	0.29 243	0.25 192	0.14 158	0.22 174	0.33 260	3.64 551	3.00 548	0.76 385	0.32 279	0.18 156	0.13 150

MultiAttention	0.30 180	0.30 136	0.30 205	0.30 177	0.30 255	0.30 208	0.30 245	0.30 204	0.30 250	0.30 205	0.30 255	0.30 214	0.30 252	0.30 213	0.30 243	0.30 205	0.30 227	0.30 213	0.30 263	0.30 199	0.30 243

MSAF-DinoV2	0.30 180	0.30 136	0.30 205	0.30 177	0.30 255	0.30 208	0.30 245	0.30 204	0.30 250	0.30 205	0.30 255	0.30 214	0.30 252	0.30 213	0.30 243	0.30 205	0.30 227	0.30 213	0.30 263	0.30 199	0.30 243

DLNR_Zeroshot_test	0.31 187	0.28 133	0.47 296	0.79 331	0.24 219	0.30 208	0.26 220	0.30 204	0.24 206	0.32 214	0.23 207	0.31 218	0.24 211	0.30 213	0.23 198	0.29 204	0.26 195	0.29 211	0.24 215	0.33 213	0.23 187

ssnet_v2	0.68 331	1.96 429	1.25 477	0.29 176	0.20 199	0.30 208	0.20 185	0.29 202	0.22 197	1.50 489	0.20 196	0.31 218	0.20 194	0.27 203	0.22 192	0.24 184	1.49 500	0.26 200	0.18 194	3.90 543	0.19 177

DANet	0.30 180	0.30 136	0.30 205	0.30 177	0.30 255	0.30 208	0.30 245	0.30 204	0.30 250	0.30 205	0.30 255	0.30 214	0.30 252	0.30 213	0.30 243	0.30 205	0.30 227	0.30 213	0.30 263	0.30 199	0.30 243
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DEFOM-Stereo	0.68 331	3.11 495	1.40 495	1.63 468	0.25 221	0.31 213	0.25 212	0.31 208	0.28 233	0.31 209	0.29 243	0.29 211	0.27 231	0.31 217	0.28 226	1.59 486	1.47 499	0.30 213	0.29 249	0.30 199	0.28 225

tt1	0.31 187	0.93 276	0.24 183	0.33 189	0.23 214	0.31 213	0.24 209	0.32 209	0.24 206	0.32 214	0.23 207	0.32 220	0.25 214	0.32 218	0.24 202	0.27 195	0.26 195	0.27 204	0.26 226	0.27 191	0.27 212

xxxxx1	0.31 187	0.91 269	0.23 176	0.31 182	0.23 214	0.31 213	0.23 204	0.33 212	0.25 211	0.31 209	0.24 214	0.33 223	0.25 214	0.32 218	0.24 202	0.28 197	0.28 208	0.28 206	0.28 239	0.29 196	0.27 212

tt_ll	0.31 187	0.91 269	0.23 176	0.31 182	0.23 214	0.31 213	0.23 204	0.33 212	0.25 211	0.31 209	0.24 214	0.33 223	0.25 214	0.32 218	0.24 202	0.28 197	0.28 208	0.28 206	0.28 239	0.29 196	0.27 212

gwcnet-sp	0.82 366	1.72 406	1.48 499	0.39 209	0.15 169	0.31 213	0.21 191	0.20 160	0.25 211	1.61 493	0.23 207	0.28 205	0.26 223	0.20 159	0.15 161	0.24 184	1.33 485	0.32 220	0.16 169	6.75 581	0.23 187

scenet	0.82 366	1.72 406	1.48 499	0.39 209	0.15 169	0.31 213	0.21 191	0.20 160	0.25 211	1.61 493	0.23 207	0.28 205	0.26 223	0.20 159	0.15 161	0.24 184	1.33 485	0.32 220	0.16 169	6.75 581	0.23 187

ssnet	0.82 366	1.72 406	1.48 499	0.39 209	0.15 169	0.31 213	0.21 191	0.20 160	0.25 211	1.61 493	0.23 207	0.28 205	0.26 223	0.20 159	0.15 161	0.24 184	1.33 485	0.32 220	0.16 169	6.75 581	0.23 187

ff	0.31 187	0.91 269	0.23 176	0.31 182	0.23 214	0.31 213	0.23 204	0.33 212	0.25 211	0.31 209	0.24 214	0.33 223	0.25 214	0.32 218	0.24 202	0.28 197	0.28 208	0.28 206	0.28 239	0.29 196	0.27 212

WCG-NET（raft）	0.32 195	1.24 385	0.24 183	0.32 185	0.24 219	0.32 221	0.23 204	0.32 209	0.24 206	0.32 214	0.24 214	0.32 220	0.24 211	0.32 218	0.24 202	0.30 205	0.23 189	0.30 213	0.23 207	0.30 199	0.23 187

iResNet_ROB	0.28 174	0.32 140	0.24 183	0.32 185	0.25 221	0.32 221	0.24 209	0.32 209	0.24 206	0.33 219	0.24 214	0.35 230	0.24 211	0.33 224	0.24 202	0.31 210	0.24 191	0.32 220	0.24 215	0.32 206	0.24 197

gcap-zeroshot	0.35 209	0.32 140	0.37 251	0.49 271	0.39 318	0.33 223	0.21 191	0.26 193	0.35 284	0.42 275	0.34 282	0.49 319	0.29 245	0.47 302	0.39 304	0.34 219	0.17 164	0.38 268	0.23 207	0.48 311	0.34 270

testlalala	0.32 195	0.81 251	0.31 217	0.39 209	0.26 229	0.33 223	0.24 209	0.33 212	0.26 224	0.32 214	0.26 226	0.33 223	0.23 207	0.33 224	0.23 198	0.35 228	0.31 233	0.30 213	0.24 215	0.31 204	0.21 182

FE-Mocha	0.35 209	0.71 241	0.40 266	0.47 260	0.27 231	0.34 225	0.27 223	0.34 216	0.26 224	0.34 221	0.26 226	0.34 228	0.27 231	0.34 226	0.27 216	0.44 287	0.41 284	0.33 228	0.29 249	0.32 206	0.29 230

GCAP-BAT	0.33 198	0.78 245	0.32 222	0.38 203	0.25 221	0.34 225	0.25 212	0.34 216	0.26 224	0.34 221	0.25 220	0.35 230	0.26 223	0.35 229	0.27 216	0.36 233	0.30 227	0.32 220	0.24 215	0.32 206	0.26 204

H2IRNET	0.34 200	0.34 142	0.34 237	0.34 191	0.34 289	0.34 225	0.34 277	0.34 216	0.34 281	0.34 221	0.34 282	0.34 228	0.34 280	0.34 226	0.34 273	0.34 219	0.34 252	0.34 236	0.34 291	0.34 217	0.34 270

EKT-Stereo	0.37 221	0.40 160	0.44 283	1.07 371	0.29 245	0.34 225	0.31 254	0.36 224	0.29 239	0.38 235	0.31 263	0.37 242	0.30 252	0.36 235	0.29 236	0.34 219	0.28 208	0.39 279	0.30 263	0.37 240	0.30 243

DN-CSS_ROB	0.31 187	0.35 143	0.28 197	0.35 193	0.28 236	0.34 225	0.27 223	0.34 216	0.25 211	0.35 226	0.27 231	0.36 236	0.26 223	0.34 226	0.28 226	0.35 228	0.28 208	0.34 236	0.28 239	0.34 217	0.27 212

FENet	0.54 305	1.52 399	1.19 423	1.41 456	0.23 214	0.35 230	0.23 204	0.35 220	0.23 203	0.34 221	0.23 207	0.35 230	0.23 207	0.35 229	0.23 198	1.40 476	1.07 408	0.32 220	0.23 207	0.33 213	0.23 187

MLCV	0.31 187	0.35 143	0.27 193	0.35 193	0.28 236	0.35 230	0.27 223	0.35 220	0.28 233	0.36 229	0.27 231	0.35 230	0.27 231	0.35 229	0.27 216	0.34 219	0.27 202	0.34 236	0.27 234	0.34 217	0.27 212

ETE_ROB	0.35 209	0.35 143	0.35 245	0.35 193	0.35 292	0.35 230	0.35 282	0.35 220	0.35 284	0.35 226	0.35 291	0.35 230	0.35 287	0.35 229	0.35 277	0.35 228	0.35 254	0.35 252	0.35 303	0.35 229	0.35 279

MyStereo07	0.60 313	3.72 510	0.48 304	0.49 271	0.41 328	0.36 233	0.32 256	0.49 308	0.43 332	0.51 334	0.42 335	0.49 319	0.43 328	0.51 333	0.64 368	0.49 306	0.45 305	0.34 236	0.32 279	0.35 229	0.43 317

MyStereo04	0.56 311	3.72 510	0.59 336	0.49 271	0.41 328	0.36 233	0.32 256	0.37 230	0.31 261	0.34 221	0.46 345	0.35 230	0.32 267	0.35 229	0.33 260	0.49 306	0.45 305	0.34 236	0.32 279	0.35 229	0.43 317

Any-RAFT	0.32 195	0.36 146	0.27 193	0.36 197	0.27 231	0.36 233	0.27 223	0.36 224	0.27 230	0.36 229	0.27 231	0.36 236	0.27 231	0.36 235	0.28 226	0.36 233	0.28 208	0.36 257	0.28 239	0.36 236	0.28 225

HGLStereo	0.28 174	0.29 135	0.22 173	0.36 197	0.22 208	0.36 233	0.21 191	0.36 224	0.21 194	0.42 275	0.21 202	0.36 236	0.22 201	0.36 235	0.21 190	0.34 219	0.21 180	0.34 236	0.21 198	0.34 217	0.21 182

DMCA	0.36 215	0.38 152	0.37 251	0.35 193	0.35 292	0.36 233	0.36 289	0.36 224	0.35 284	0.35 226	0.37 302	0.36 236	0.36 290	0.35 229	0.36 281	0.36 233	0.36 257	0.35 252	0.36 309	0.36 236	0.36 282

Monster-pub-eth3d	0.45 270	0.57 228	0.60 338	0.39 209	0.28 236	0.37 238	0.28 231	0.37 230	0.30 250	0.39 241	0.29 243	0.39 249	0.30 252	0.92 396	0.27 216	1.42 477	0.28 208	0.34 236	0.28 239	0.37 240	0.53 349

Monster-pub-mixall	0.44 267	0.56 227	0.60 338	0.38 203	0.27 231	0.37 238	0.27 223	0.37 230	0.29 239	0.38 235	0.27 231	0.38 244	0.29 245	0.85 386	0.27 216	1.46 480	0.26 195	0.34 236	0.26 226	0.36 236	0.53 349

Replicate-Monster	0.45 270	0.57 228	0.60 338	0.40 223	0.29 245	0.37 238	0.27 223	0.37 230	0.30 250	0.40 247	0.31 263	0.40 257	0.30 252	0.99 404	0.27 216	1.36 473	0.31 233	0.34 236	0.30 263	0.36 236	0.54 352

model_zeroshot	0.27 173	0.20 104	0.27 193	0.33 189	0.21 206	0.37 238	0.22 196	0.37 230	0.24 206	0.26 196	0.27 231	0.33 223	0.21 200	0.25 189	0.27 216	0.32 211	0.20 176	0.34 236	0.23 207	0.25 184	0.26 204

Venus	0.38 227	0.38 152	0.38 254	0.38 203	0.38 309	0.37 238	0.38 301	0.37 230	0.37 297	0.41 261	0.37 302	0.39 249	0.37 295	0.38 242	0.38 293	0.37 237	0.38 265	0.38 268	0.37 311	0.37 240	0.38 293

IGEV-Stereo	0.35 209	0.44 179	0.45 285	0.49 271	0.30 255	0.37 238	0.30 245	0.36 224	0.30 250	0.36 229	0.29 243	0.36 236	0.29 245	0.36 235	0.30 243	0.46 294	0.39 272	0.32 220	0.24 215	0.32 206	0.25 198
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
XPNet_ROB	0.37 221	0.37 148	0.37 251	0.37 200	0.37 302	0.37 238	0.37 295	0.37 230	0.37 297	0.37 234	0.37 302	0.37 242	0.37 295	0.37 239	0.37 290	0.37 237	0.37 259	0.37 260	0.37 311	0.37 240	0.37 286

WAO-8	0.38 227	0.38 152	0.38 254	0.38 203	0.38 309	0.38 245	0.38 301	0.38 238	0.38 301	0.38 235	0.38 307	0.38 244	0.38 299	0.38 242	0.38 293	0.38 248	0.38 265	0.38 268	0.37 311	0.38 253	0.38 293

WAO-7	0.38 227	0.38 152	0.38 254	0.38 203	0.38 309	0.38 245	0.38 301	0.38 238	0.38 301	0.38 235	0.38 307	0.38 244	0.38 299	0.38 242	0.38 293	0.38 248	0.38 265	0.38 268	0.38 324	0.38 253	0.38 293

HanzoNet	0.39 239	0.38 152	0.40 266	0.39 209	0.41 328	0.38 245	0.38 301	0.38 238	0.38 301	0.39 241	0.39 316	0.38 244	0.38 299	0.39 250	0.40 308	0.38 248	0.38 265	0.40 284	0.38 324	0.38 253	0.40 302

IMH	0.38 227	0.38 152	0.38 254	0.38 203	0.38 309	0.38 245	0.38 301	0.38 238	0.38 301	0.42 275	0.38 307	0.40 257	0.38 299	0.38 242	0.38 293	0.38 248	0.38 265	0.39 279	0.38 324	0.38 253	0.38 293

iRaft-Stereo_5w	0.34 200	0.42 175	0.31 217	0.39 209	0.30 255	0.38 245	0.30 245	0.40 247	0.29 239	0.40 247	0.37 302	0.41 270	0.34 280	0.38 242	0.30 243	0.34 219	0.27 202	0.34 236	0.26 226	0.34 217	0.26 204

RAFT + AFF	0.31 187	0.45 187	0.34 237	0.39 209	0.28 236	0.38 245	0.33 266	0.29 202	0.31 261	0.30 205	0.30 255	0.29 211	0.27 231	0.29 211	0.30 243	0.28 197	0.29 219	0.29 211	0.29 249	0.27 191	0.32 257

LG-Stereo_L2	0.34 200	0.37 148	0.38 254	0.47 260	0.28 236	0.39 251	0.28 231	0.39 242	0.28 233	0.39 241	0.28 238	0.39 249	0.28 238	0.38 242	0.28 226	0.42 285	0.35 254	0.36 257	0.26 226	0.35 229	0.26 204

DISCO	1.11 418	0.39 158	5.28 581	0.39 209	0.20 199	0.39 251	0.27 223	0.39 242	0.22 197	0.38 235	0.20 196	0.38 244	0.20 194	6.95 592	0.22 192	0.30 205	0.21 180	0.27 204	0.21 198	5.25 574	0.21 182

DCVSM-stereo	0.36 215	1.89 419	0.22 173	0.40 223	0.22 208	0.40 253	0.22 196	0.40 247	0.22 197	0.40 247	0.22 203	0.40 257	0.22 201	0.40 253	0.22 192	0.28 197	0.21 180	0.28 206	0.21 198	0.28 193	0.20 179

IGEV++	0.34 200	0.43 176	0.30 205	0.40 223	0.29 245	0.40 253	0.29 240	0.40 247	0.29 239	0.40 247	0.29 243	0.40 257	0.29 245	0.40 253	0.30 243	0.38 248	0.29 219	0.37 260	0.29 249	0.37 240	0.29 230

ACVNet-DCA	0.37 221	1.00 291	0.30 205	0.40 223	0.29 245	0.40 253	0.29 240	0.40 247	0.29 239	0.40 247	0.29 243	0.40 257	0.29 245	0.39 250	0.28 226	0.33 215	0.32 237	0.33 228	0.32 279	0.33 213	0.32 257

1test111	0.37 221	1.02 303	0.30 205	0.39 209	0.29 245	0.40 253	0.28 231	0.39 242	0.29 239	0.39 241	0.29 243	0.39 249	0.28 238	0.40 253	0.29 236	0.33 215	0.32 237	0.33 228	0.31 273	0.32 206	0.31 252

cc1	0.37 221	1.02 303	0.30 205	0.39 209	0.29 245	0.40 253	0.28 231	0.39 242	0.29 239	0.39 241	0.29 243	0.39 249	0.28 238	0.40 253	0.29 236	0.33 215	0.32 237	0.33 228	0.31 273	0.32 206	0.31 252

4D-IteraStereo	0.78 353	3.13 496	0.89 391	0.69 319	0.32 267	0.40 253	0.32 256	0.76 368	0.97 432	0.52 337	0.65 386	0.89 396	0.32 267	0.76 375	0.98 426	0.83 372	0.94 400	0.35 252	0.27 234	0.70 350	0.89 413

knoymous	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 247	0.40 315	0.40 247	0.40 319	0.40 257	0.40 308	0.40 253	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 302

anonymousa	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 247	0.40 315	0.40 247	0.40 319	0.40 257	0.40 308	0.40 253	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 302

riskmin	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 247	0.40 315	0.40 247	0.40 319	0.40 257	0.40 308	0.40 253	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 302

Anonymous_2	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 247	0.40 315	0.40 247	0.40 319	0.40 257	0.40 308	0.40 253	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 302

Anonymous_1	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 247	0.40 315	0.40 247	0.40 319	0.40 257	0.40 308	0.40 253	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 302

BUS	0.83 370	1.91 422	0.92 398	4.48 546	0.02 21	0.40 253	0.04 81	0.41 262	0.02 21	0.48 307	0.03 52	0.41 270	0.05 94	0.03 39	0.05 88	1.97 504	4.19 570	0.33 228	0.23 207	0.34 217	0.27 212

NINENet	0.69 334	3.87 516	1.20 426	1.98 479	0.05 99	0.40 253	0.04 81	0.40 247	0.05 97	0.41 261	0.04 88	0.41 270	0.05 94	0.40 253	0.05 88	1.79 492	1.56 506	0.34 236	0.22 201	0.34 217	0.23 187

iRaft-Stereo_20w	0.34 200	0.41 168	0.31 217	0.39 209	0.29 245	0.40 253	0.32 256	0.41 262	0.32 265	0.38 235	0.30 255	0.39 249	0.30 252	0.38 242	0.32 251	0.35 228	0.27 202	0.34 236	0.27 234	0.34 217	0.29 230

AdaStereo	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 247	0.40 315	0.40 247	0.40 319	0.40 257	0.40 308	0.40 253	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 302
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
StereoDRNet-Refined	0.33 198	0.39 158	0.26 192	0.39 209	0.26 229	0.40 253	0.26 220	0.40 247	0.26 224	0.39 241	0.26 226	0.39 249	0.26 223	0.39 250	0.26 215	0.37 237	0.25 192	0.37 260	0.25 220	0.37 240	0.37 286
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DDF-Stereo	0.43 262	1.15 324	0.57 334	0.53 288	0.32 267	0.41 269	0.32 256	0.41 262	0.32 265	0.41 261	0.32 267	0.41 270	0.32 267	0.40 253	0.32 251	0.52 320	0.50 328	0.38 268	0.31 273	0.39 262	0.31 252

Zero-FE251	0.36 215	0.40 160	0.28 197	0.41 235	0.28 236	0.41 269	0.28 231	0.41 262	0.28 233	0.41 261	0.28 238	0.41 270	0.28 238	0.42 281	0.30 243	0.37 237	0.26 195	0.37 260	0.27 234	0.45 292	0.56 360

HART	0.38 227	0.45 187	0.34 237	0.42 245	0.33 279	0.41 269	0.34 277	0.42 280	0.33 272	0.43 281	0.34 282	0.42 288	0.34 280	0.41 268	0.38 293	0.40 263	0.32 237	0.42 312	0.32 279	0.40 268	0.32 257

GIP-stereo	0.36 215	0.49 203	0.39 261	0.48 265	0.32 267	0.41 269	0.28 231	0.40 247	0.30 250	0.41 261	0.28 238	0.40 257	0.28 238	0.42 281	0.28 226	0.45 290	0.32 237	0.38 268	0.30 263	0.37 240	0.27 212

xx1	0.38 227	1.03 305	0.31 217	0.40 223	0.31 265	0.41 269	0.28 231	0.40 247	0.29 239	0.40 247	0.29 243	0.40 257	0.29 245	0.40 253	0.29 236	0.34 219	0.33 248	0.34 236	0.32 279	0.34 217	0.32 257

RAFT-Test	0.36 215	0.37 148	0.33 227	0.41 235	0.32 267	0.41 269	0.32 256	0.41 262	0.32 265	0.41 261	0.32 267	0.41 270	0.32 267	0.41 268	0.33 260	0.37 237	0.29 219	0.37 260	0.29 249	0.38 253	0.31 252

HH	0.71 338	2.54 466	0.74 375	1.10 373	0.32 267	0.41 269	0.37 295	0.69 362	0.78 411	0.73 374	0.90 423	0.75 381	1.00 418	0.84 382	0.69 389	0.69 352	0.40 275	0.35 252	0.26 226	0.35 229	0.26 204

HanStereo	0.71 338	2.54 466	0.74 375	1.10 373	0.32 267	0.41 269	0.37 295	0.69 362	0.78 411	0.73 374	0.90 423	0.75 381	1.00 418	0.84 382	0.69 389	0.69 352	0.40 275	0.35 252	0.26 226	0.35 229	0.26 204

CRFU-Net	0.65 324	1.67 404	1.22 473	1.96 478	0.27 231	0.41 269	0.27 223	0.41 262	0.27 230	0.40 247	0.26 226	0.41 270	0.27 231	0.40 253	0.27 216	1.80 493	1.62 513	0.34 236	0.23 207	0.33 213	0.23 187

GMOStereo	0.37 221	0.45 187	0.23 176	0.30 177	0.37 302	0.41 269	0.36 289	0.41 262	0.35 284	0.43 281	0.36 295	0.41 270	0.40 308	0.41 268	0.36 281	0.34 219	0.22 184	0.47 332	0.37 311	0.39 262	0.33 264

error version	0.93 396	4.47 528	2.35 547	1.99 480	0.37 302	0.41 269	0.36 289	0.41 262	0.35 284	0.43 281	0.36 295	0.41 270	0.40 308	0.41 268	0.36 281	1.87 496	2.16 541	0.47 332	0.37 311	0.39 262	0.33 264

test_1	0.93 396	4.47 528	2.35 547	1.99 480	0.37 302	0.41 269	0.36 289	0.41 262	0.35 284	0.43 281	0.36 295	0.41 270	0.40 308	0.41 268	0.36 281	1.87 496	2.16 541	0.47 332	0.37 311	0.39 262	0.33 264

GwcNet-ADL	0.41 250	0.41 168	0.41 275	0.41 235	0.41 328	0.41 269	0.41 323	0.41 262	0.41 324	0.41 261	0.41 325	0.41 270	0.41 319	0.41 268	0.41 315	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 309

PSMNet-ADL	0.41 250	0.41 168	0.41 275	0.41 235	0.41 328	0.41 269	0.41 323	0.41 262	0.41 324	0.41 261	0.41 325	0.41 270	0.41 319	0.41 268	0.41 315	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 309

GANet-ADL	0.41 250	0.41 168	0.41 275	0.41 235	0.41 328	0.41 269	0.41 323	0.41 262	0.41 324	0.41 261	0.41 325	0.41 270	0.41 319	0.41 268	0.41 315	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 309

ADLNet2	0.41 250	0.41 168	0.41 275	0.41 235	0.41 328	0.41 269	0.41 323	0.41 262	0.41 324	0.41 261	0.41 325	0.41 270	0.41 319	0.41 268	0.41 315	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 309

ADLNet	0.41 250	0.41 168	0.41 275	0.41 235	0.41 328	0.41 269	0.41 323	0.41 262	0.41 324	0.41 261	0.41 325	0.41 270	0.41 319	0.41 268	0.41 315	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 309

GES	0.66 326	2.34 456	0.29 201	0.41 235	0.29 245	0.41 269	0.29 240	0.42 280	0.29 239	0.40 247	0.41 325	0.41 270	0.30 252	0.51 333	0.29 236	0.32 211	0.29 219	0.32 220	2.46 559	2.49 521	0.30 243

DGSMNet	0.34 200	0.41 168	0.27 193	0.41 235	0.28 236	0.41 269	0.28 231	0.41 262	0.27 230	0.41 261	0.27 231	0.42 288	0.27 231	0.41 268	0.28 226	0.40 263	0.29 219	0.40 284	0.28 239	0.40 268	0.27 212

Gwc-CoAtRS	0.41 250	1.49 398	0.32 222	0.42 245	0.32 267	0.41 269	0.32 256	0.41 262	0.33 272	0.41 261	0.32 267	0.41 270	0.32 267	0.41 268	0.32 251	0.39 259	0.28 208	0.39 279	0.28 239	0.40 268	0.28 225

HiDET	0.38 227	0.44 179	0.30 205	0.42 245	0.30 255	0.42 289	0.30 245	0.42 280	0.30 250	0.44 286	0.30 255	0.42 288	0.30 252	0.42 281	0.68 379	0.37 237	0.32 237	0.40 284	0.29 249	0.37 240	0.29 230

LCMNet	0.38 227	0.44 179	0.30 205	0.42 245	0.30 255	0.42 289	0.30 245	0.42 280	0.30 250	0.45 288	0.30 255	0.42 288	0.30 252	0.42 281	0.69 389	0.37 237	0.32 237	0.40 284	0.29 249	0.37 240	0.29 230

CSFM-Stereo	0.38 227	0.44 179	0.30 205	0.42 245	0.30 255	0.42 289	0.30 245	0.43 286	0.30 250	0.44 286	0.30 255	0.42 288	0.30 252	0.42 281	0.73 400	0.37 237	0.32 237	0.40 284	0.29 249	0.37 240	0.30 243

LL-Strereo2	0.48 287	1.73 411	0.51 322	0.59 303	0.34 289	0.42 289	0.33 266	0.40 247	0.31 261	0.42 275	0.33 274	0.42 288	0.31 264	0.44 290	0.39 304	0.60 336	0.51 333	0.44 315	0.33 287	0.44 288	0.33 264

BSDual-CNN	0.81 361	1.91 422	0.92 398	4.48 546	0.02 21	0.42 289	0.06 108	0.41 262	0.02 21	0.48 307	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 504	4.19 570	0.33 228	0.23 207	0.34 217	0.27 212

hknet	1.10 416	1.85 415	3.49 568	4.48 546	0.02 21	0.42 289	0.06 108	0.41 262	0.02 21	0.48 307	0.03 52	0.41 270	0.03 52	0.42 281	0.03 48	4.39 556	4.19 570	0.33 228	0.23 207	0.34 217	0.27 212

UCFNet_RVC	2.75 549	10.06 578	0.29 201	10.31 595	0.29 245	0.42 289	0.29 240	0.43 286	0.29 239	0.42 275	0.29 243	0.42 288	9.87 596	0.43 287	0.29 236	0.36 233	9.84 596	0.36 257	0.26 226	9.77 595	0.26 204

MS-F	0.38 227	0.44 179	0.31 217	0.43 251	0.30 255	0.43 296	0.31 254	0.43 286	0.31 261	0.45 288	0.31 263	0.43 295	0.31 264	0.43 287	0.69 389	0.38 248	0.33 248	0.40 284	0.30 263	0.38 253	0.30 243

RAFT-Stereo-weight	0.45 270	1.90 421	0.34 237	0.42 245	0.36 298	0.43 296	0.35 282	0.42 280	0.34 281	0.42 275	0.34 282	0.44 296	0.34 280	0.41 268	0.34 273	0.38 248	0.32 237	0.38 268	0.32 279	0.38 253	0.33 264

IER	0.88 384	7.04 556	2.23 544	2.75 505	0.28 236	0.43 296	0.25 212	0.39 242	0.25 211	0.41 261	0.27 231	0.39 249	0.25 214	0.40 253	0.28 226	0.37 237	0.28 208	0.37 260	0.25 220	0.37 240	0.25 198

RCA-Stereo	0.51 300	3.22 499	0.34 237	0.44 252	0.34 289	0.44 299	0.34 277	0.43 286	0.34 281	0.43 281	0.34 282	0.44 296	0.33 275	0.43 287	0.33 260	0.38 248	0.29 219	0.38 268	0.29 249	0.38 253	0.29 230

water-stereo	0.41 250	0.84 254	0.46 289	0.50 278	0.33 279	0.45 300	0.33 266	0.45 290	0.32 265	0.45 288	0.32 267	0.45 298	0.32 267	0.45 293	0.32 251	0.44 287	0.41 284	0.39 279	0.31 273	0.39 262	0.32 257

GREAT-IGEV	0.38 227	0.43 176	0.36 247	0.48 265	0.32 267	0.45 300	0.32 256	0.45 290	0.32 265	0.45 288	0.32 267	0.45 298	0.32 267	0.45 293	0.32 251	0.44 287	0.33 248	0.41 301	0.29 249	0.41 278	0.29 230

fffy	0.38 227	0.43 176	0.33 227	0.46 254	0.33 279	0.45 300	0.32 256	0.45 290	0.32 265	0.45 288	0.32 267	0.45 298	0.33 275	0.45 293	0.32 251	0.38 248	0.38 265	0.38 268	0.37 311	0.37 240	0.36 282

PAM	0.39 239	1.88 418	0.34 237	0.37 200	0.41 328	0.45 300	0.22 196	0.28 197	0.23 203	0.28 200	0.24 214	0.29 211	0.23 207	0.29 211	0.23 198	0.38 248	0.32 237	0.38 268	0.37 311	0.32 206	0.22 185

Former-RAFT_DAM_RVC	0.49 293	0.98 283	0.64 347	0.84 338	0.46 346	0.45 300	0.35 282	0.47 300	0.47 343	0.45 288	0.34 282	0.46 302	0.48 345	0.46 298	0.35 277	0.39 259	0.71 376	0.39 279	0.35 303	0.41 278	0.41 309

CES	0.39 239	0.47 195	0.36 247	0.36 197	0.37 302	0.45 300	0.35 282	0.35 220	0.40 315	0.36 229	0.44 339	0.47 308	0.36 290	0.44 290	0.36 281	0.37 237	0.39 272	0.44 315	0.35 303	0.37 240	0.36 282

DilatedVolume-Stereo	0.43 262	0.86 257	0.48 304	0.50 278	0.33 279	0.46 306	0.33 266	0.46 294	0.33 272	0.46 294	0.33 274	0.47 308	0.33 275	0.47 302	0.34 273	0.45 290	0.42 293	0.40 284	0.33 287	0.47 307	0.38 293

otaku	0.46 276	0.46 191	0.46 289	0.46 254	0.46 346	0.46 306	0.46 338	0.46 294	0.46 338	0.46 294	0.46 345	0.46 302	0.46 336	0.46 298	0.46 332	0.46 294	0.46 307	0.46 323	0.46 348	0.46 295	0.46 323

Dean	0.46 276	0.46 191	0.46 289	0.46 254	0.46 346	0.46 306	0.46 338	0.46 294	0.46 338	0.47 300	0.46 345	0.46 302	0.46 336	0.46 298	0.46 332	0.46 294	0.46 307	0.46 323	0.46 348	0.46 295	0.46 323

ACVNet_1	0.46 276	0.47 195	0.46 289	0.46 254	0.46 346	0.46 306	0.46 338	0.46 294	0.47 343	0.46 294	0.46 345	0.46 302	0.46 336	0.46 298	0.46 332	0.46 294	0.46 307	0.47 332	0.46 348	0.46 295	0.46 323

ACVNet-4b	0.46 276	0.46 191	0.46 289	0.46 254	0.46 346	0.46 306	0.46 338	0.46 294	0.46 338	0.46 294	0.46 345	0.46 302	0.46 336	0.47 302	0.46 332	0.46 294	0.46 307	0.46 323	0.46 348	0.46 295	0.46 323

mms	0.40 243	0.45 187	0.35 245	0.48 265	0.36 298	0.47 311	0.34 277	0.45 290	0.38 301	0.47 300	0.33 274	0.45 298	0.32 267	0.45 293	0.32 251	0.39 259	0.38 265	0.38 268	0.37 311	0.39 262	0.39 299

Ntro	0.47 282	0.47 195	0.46 289	0.46 254	0.46 346	0.47 311	0.47 343	0.46 294	0.47 343	0.46 294	0.46 345	0.47 308	0.46 336	0.47 302	0.47 339	0.47 299	0.46 307	0.46 323	0.46 348	0.46 295	0.46 323

HaxPig	0.47 282	0.47 195	0.47 296	0.49 271	0.47 352	0.47 311	0.47 343	0.47 300	0.47 343	0.47 300	0.47 353	0.47 308	0.47 344	0.47 302	0.47 339	0.47 299	0.47 315	0.47 332	0.47 355	0.47 307	0.48 332

UNDER WATER	0.47 282	0.47 195	0.47 296	0.47 260	0.47 352	0.47 311	0.47 343	0.47 300	0.47 343	0.47 300	0.47 353	0.47 308	0.46 336	0.47 302	0.47 339	0.47 299	0.47 315	0.47 332	0.46 348	0.47 307	0.47 330

LVE	0.47 282	0.47 195	0.47 296	0.47 260	0.49 358	0.47 311	0.47 343	0.47 300	0.49 352	0.47 300	0.47 353	0.47 308	0.46 336	0.47 302	0.47 339	0.47 299	0.47 315	0.48 340	0.47 355	0.47 307	0.47 330

SCV_C0	0.45 270	0.88 261	0.49 311	0.54 291	0.37 302	0.48 316	0.37 295	0.48 304	0.37 297	0.48 307	0.36 295	0.48 315	0.37 295	0.49 317	0.37 290	0.50 312	0.41 284	0.44 315	0.34 291	0.44 288	0.34 270

SCV	0.46 276	0.94 278	0.45 285	0.54 291	0.37 302	0.48 316	0.38 301	0.48 304	0.37 297	0.48 307	0.39 316	0.48 315	0.37 295	0.49 317	0.37 290	0.50 312	0.46 307	0.44 315	0.34 291	0.44 288	0.34 270

ccccc	0.41 250	0.44 179	0.34 237	0.48 265	0.35 292	0.48 316	0.35 282	0.51 329	0.35 284	0.47 300	0.35 291	0.47 308	0.34 280	0.47 302	0.35 277	0.41 271	0.40 275	0.40 284	0.40 328	0.41 278	0.39 299

RainbowNet	0.48 287	0.48 201	0.48 304	0.48 265	0.48 356	0.48 316	0.48 352	0.48 304	0.48 350	0.48 307	0.48 357	0.48 315	0.48 345	0.48 311	0.48 345	0.48 303	0.48 319	0.48 340	0.48 358	0.48 311	0.48 332

notaker	0.48 287	0.49 203	0.48 304	0.48 265	0.48 356	0.48 316	0.48 352	0.48 304	0.49 352	0.48 307	0.48 357	0.48 315	0.48 345	0.48 311	0.48 345	0.48 303	0.48 319	0.48 340	0.48 358	0.48 311	0.49 337

RSM	0.36 215	0.36 146	0.43 281	0.37 200	0.42 338	0.49 321	0.42 328	0.37 230	0.28 233	0.36 229	0.29 243	0.36 236	0.30 252	0.37 239	0.28 226	0.34 219	0.31 233	0.34 236	0.35 303	0.40 268	0.29 230

GCST	0.50 295	2.08 432	0.38 254	0.53 288	0.35 292	0.49 321	0.35 282	0.50 316	0.35 284	0.49 314	0.35 291	0.49 319	0.35 287	0.49 317	0.35 277	0.48 303	0.37 259	0.45 319	0.33 287	0.44 288	0.33 264

KSHMR	0.66 326	0.50 207	0.48 304	1.15 381	0.52 368	0.49 321	0.51 360	0.49 308	0.71 401	0.67 368	0.50 362	1.16 435	1.11 428	0.66 363	0.52 355	0.49 306	0.49 322	0.51 354	0.66 395	0.50 320	1.14 438

ACVNet_2	0.49 293	0.49 203	0.49 311	0.49 271	0.49 358	0.49 321	0.49 354	0.49 308	0.49 352	0.49 314	0.49 360	0.49 319	0.49 350	0.49 317	0.49 347	0.49 306	0.49 322	0.49 345	0.49 361	0.49 315	0.49 337

PCWNet_CMD	2.80 551	9.82 576	0.32 222	10.09 594	0.32 267	0.49 321	0.33 266	3.34 553	0.33 272	0.49 314	0.33 274	0.49 319	8.73 592	0.48 311	0.33 260	0.41 271	9.22 591	0.42 312	0.29 249	9.55 594	0.31 252

CFNet_ucs	2.73 548	9.64 575	0.33 227	9.92 592	0.32 267	0.49 321	0.33 266	0.49 308	0.33 272	0.49 314	0.33 274	0.49 319	8.98 594	0.48 311	0.33 260	0.41 271	9.96 597	0.40 284	0.29 249	10.12 597	0.54 352

psmorigin	0.41 250	0.46 191	0.33 227	0.49 271	0.33 279	0.49 321	0.33 266	0.49 308	0.33 272	0.49 314	0.33 274	0.49 319	0.33 275	0.51 333	0.33 260	0.41 271	0.30 227	0.41 301	0.30 263	0.79 361	0.29 230

ccs_rob	2.79 550	10.17 580	0.32 222	10.00 593	0.33 279	0.49 321	0.33 266	1.90 498	0.32 265	0.51 334	0.33 274	0.49 319	9.24 595	0.49 317	0.33 260	0.41 271	9.82 595	0.41 301	0.28 239	9.34 593	0.29 230

252Zero-FE	0.45 270	0.50 207	0.36 247	0.50 278	0.36 298	0.50 329	0.36 289	0.50 316	0.36 295	0.49 314	0.36 295	0.49 319	0.36 290	0.54 342	0.41 315	0.45 290	0.34 252	0.45 319	0.34 291	0.55 334	0.75 399

GASTEREO	0.48 287	1.21 377	0.47 296	0.57 298	0.38 309	0.50 329	0.38 301	0.50 316	0.38 301	0.50 327	0.38 307	0.50 334	0.38 299	0.50 324	0.38 293	0.52 320	0.42 293	0.46 323	0.34 291	0.46 295	0.34 270

MSCF	0.51 300	1.40 395	0.49 311	0.58 300	0.38 309	0.50 329	0.38 301	0.54 337	0.41 324	0.52 337	0.41 325	0.53 346	0.42 325	0.53 340	0.41 315	0.60 336	0.47 315	0.48 340	0.37 311	0.48 311	0.38 293

FoundationStereo	0.50 295	0.50 207	0.50 315	0.50 278	0.50 362	0.50 329	0.50 356	0.50 316	0.50 355	0.50 327	0.50 362	0.50 334	0.50 353	0.50 324	0.50 348	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 340

StereoAnything_RVC	0.50 295	0.50 207	0.50 315	0.50 278	0.50 362	0.50 329	0.50 356	0.50 316	0.50 355	0.50 327	0.50 362	0.50 334	0.50 353	0.50 324	0.50 348	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 340

dual_stereo	0.50 295	0.50 207	0.50 315	0.50 278	0.50 362	0.50 329	0.50 356	0.50 316	0.50 355	0.50 327	0.50 362	0.50 334	0.50 353	0.50 324	0.50 348	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 340

UGAM-zero	0.51 300	2.17 440	0.39 261	0.53 288	0.36 298	0.50 329	0.36 289	0.50 316	0.36 295	0.49 314	0.36 295	0.50 334	0.35 287	0.50 324	0.36 281	0.49 306	0.37 259	0.47 332	0.35 303	0.46 295	0.34 270

UGAM	0.51 300	2.23 445	0.39 261	0.54 291	0.35 292	0.50 329	0.35 282	0.49 308	0.35 284	0.49 314	0.35 291	0.49 319	0.36 290	0.50 324	0.36 281	0.49 306	0.37 259	0.45 319	0.34 291	0.45 292	0.34 270

pcwnet_v2	2.66 546	9.89 577	0.33 227	9.89 591	0.32 267	0.50 329	0.32 256	0.49 308	0.33 272	0.49 314	0.34 282	0.49 319	8.76 593	0.48 311	0.33 260	0.41 271	9.58 593	0.40 284	0.29 249	9.01 592	0.63 370

ccnet	0.80 356	2.28 448	0.33 227	0.50 278	0.33 279	0.50 329	0.33 266	0.50 316	0.33 272	0.49 314	0.33 274	0.49 319	1.56 504	2.38 523	0.33 260	0.41 271	0.29 219	0.42 312	1.57 519	2.28 509	0.29 230

FCDSN-DC	0.41 250	0.59 231	0.64 347	0.54 291	0.33 279	0.50 329	0.37 295	0.42 280	0.40 315	0.61 358	0.43 337	0.50 334	0.49 350	0.38 242	0.32 251	0.28 197	0.23 189	0.26 200	0.22 201	0.35 229	0.28 225
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SANet	0.50 295	0.50 207	0.50 315	0.50 278	0.50 362	0.50 329	0.50 356	0.50 316	0.50 355	0.50 327	0.50 362	0.50 334	0.50 353	0.50 324	0.50 348	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 340

GEAStereo	0.62 319	3.91 517	0.48 304	0.69 319	0.38 309	0.51 341	0.38 301	0.51 329	0.38 301	0.53 340	0.38 307	0.50 334	0.38 299	0.51 333	0.38 293	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.34 270

GSStereo	0.81 361	4.28 526	0.50 315	0.59 303	0.40 320	0.51 341	0.38 301	0.50 316	0.38 301	0.50 327	0.38 307	0.50 334	3.79 571	0.50 324	0.38 293	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.35 279

gasm-f	0.62 319	3.91 517	0.48 304	0.69 319	0.38 309	0.51 341	0.38 301	0.51 329	0.38 301	0.53 340	0.38 307	0.50 334	0.38 299	0.51 333	0.38 293	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.34 270

depthmonostereo	0.44 267	0.85 256	0.46 289	0.54 291	0.40 320	0.52 344	0.38 301	0.52 333	0.35 284	0.47 300	0.34 282	0.46 302	0.34 280	0.47 302	0.34 273	0.45 290	0.43 297	0.41 301	0.33 287	0.41 278	0.32 257

fffft	0.48 287	0.51 215	0.45 285	0.52 287	0.45 344	0.52 344	0.45 336	0.52 333	0.48 350	0.53 340	0.45 343	0.52 345	0.45 333	0.52 338	0.46 332	0.51 318	0.41 284	0.50 349	0.41 335	0.50 320	0.41 309
1: 1. 1
LG-Stereo_L1	0.47 282	0.52 217	0.47 296	0.62 308	0.39 318	0.53 346	0.40 315	0.53 335	0.39 314	0.53 340	0.39 316	0.53 346	0.39 307	0.53 340	0.39 304	0.55 330	0.46 307	0.49 345	0.37 311	0.49 315	0.37 286

PAM_32	0.64 323	2.38 460	0.51 322	0.92 348	0.43 340	0.53 346	0.44 331	0.87 378	0.43 332	0.52 337	0.45 343	0.53 346	0.40 308	0.54 342	0.46 332	0.62 344	0.56 341	0.48 340	0.45 346	0.76 356	0.44 320

AEACV	1.12 419	0.52 217	3.12 565	3.24 520	0.86 422	0.53 346	0.49 354	0.60 351	0.47 343	0.53 340	0.49 360	0.55 353	0.45 333	0.55 346	0.47 339	3.01 546	3.88 567	0.71 379	0.60 380	0.80 364	0.48 332

iRaftStereo_RVC	0.97 400	3.17 498	2.30 546	2.42 496	0.38 309	0.54 349	0.38 301	0.54 337	0.38 301	0.54 345	0.38 307	0.54 349	0.38 299	0.54 342	0.38 293	2.38 529	2.34 545	0.49 345	0.36 309	0.49 315	0.36 282

PSMNet_ROB	0.54 305	0.54 223	0.54 330	0.54 291	0.53 371	0.54 349	0.54 364	0.53 335	0.54 365	0.54 345	0.54 372	0.54 349	0.53 360	0.54 342	0.54 358	0.54 324	0.53 337	0.54 361	0.54 369	0.54 333	0.54 352

FSD	0.61 316	0.59 231	0.50 315	2.58 503	0.44 341	0.56 351	0.44 331	0.55 340	0.44 335	0.56 350	0.44 339	0.56 356	0.44 330	0.56 347	0.46 332	0.61 340	0.42 293	0.52 357	0.42 343	0.52 328	0.51 347

LG-Stereo_Zeroshot	0.48 287	0.55 225	0.47 296	0.63 310	0.41 328	0.56 351	0.44 331	0.56 341	0.41 324	0.56 350	0.41 325	0.57 358	0.42 325	0.56 347	0.41 315	0.55 330	0.43 297	0.51 354	0.37 311	0.51 326	0.37 286

Occ-G	1.12 419	0.52 217	3.72 573	3.50 535	0.50 362	0.56 351	0.47 343	0.54 337	0.46 338	0.54 345	0.41 325	0.54 349	0.42 325	0.52 338	0.42 323	3.42 550	4.02 569	0.52 357	0.45 346	0.51 326	0.44 320

LL-Strereo	1.01 409	5.06 535	1.63 508	0.70 323	1.43 512	0.56 351	0.46 338	0.57 344	0.50 355	0.57 353	0.50 362	1.58 495	0.49 350	0.59 354	0.50 348	1.64 489	0.52 335	0.51 354	1.37 507	0.52 328	0.45 322

CASS	0.57 312	0.89 264	0.56 332	0.57 298	0.56 374	0.56 351	0.56 365	0.56 341	0.53 363	0.57 353	0.57 375	0.59 362	0.48 345	0.56 347	0.57 361	0.55 330	0.56 341	0.47 332	0.56 374	0.62 340	0.56 360
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CFNet_RVC	2.38 539	8.71 568	0.38 254	9.33 587	0.42 338	0.56 351	0.42 328	0.60 351	0.38 301	0.62 361	0.42 335	0.56 356	7.29 591	0.62 356	0.42 323	0.53 323	0.37 259	0.49 345	0.34 291	8.30 588	6.87 594

MyStereo8	0.71 338	3.92 519	0.52 325	0.59 303	0.52 368	0.57 357	0.53 362	0.59 349	0.50 355	0.59 357	0.51 368	0.57 358	0.50 353	0.56 347	0.52 355	0.54 324	0.49 322	0.54 361	0.49 361	0.55 334	0.50 340

PML	0.46 276	1.36 393	0.29 201	0.58 300	0.30 255	0.57 357	0.29 240	0.57 344	0.29 239	0.57 353	0.29 243	0.57 358	0.29 245	0.56 347	0.29 236	0.52 320	0.30 227	0.53 360	0.31 273	0.53 332	0.30 243

PA-Net	11.80 595	223.51 621	0.62 344	0.59 303	0.71 401	0.59 359	0.73 400	0.67 360	0.73 406	0.55 348	0.61 380	0.60 363	0.74 399	0.63 360	0.73 400	0.66 349	0.60 348	0.69 376	0.66 395	0.72 351	0.65 379
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-test2	0.55 309	0.59 231	0.52 325	0.67 318	0.47 352	0.61 360	0.47 343	0.61 353	0.47 343	0.61 358	0.47 353	0.61 364	0.48 345	0.62 356	0.47 339	0.64 346	0.53 337	0.58 364	0.47 355	0.58 337	0.48 332

AIO-test1	0.54 305	0.60 234	0.52 325	0.66 317	0.47 352	0.61 360	0.47 343	0.58 347	0.46 338	0.61 358	0.46 345	0.61 364	0.45 333	0.62 356	0.45 328	0.61 340	0.52 335	0.57 363	0.48 358	0.57 336	0.48 332

Selective-IGEV	0.51 300	0.55 225	0.45 285	0.69 319	0.45 344	0.61 360	0.45 336	0.50 316	0.40 315	0.56 350	0.44 339	0.55 353	0.40 308	0.72 369	0.67 373	0.59 335	0.46 307	0.45 319	0.34 291	0.46 295	0.37 286

MyStereo06	0.75 345	4.12 520	0.60 338	0.63 310	0.61 383	0.62 363	0.66 376	0.56 341	0.45 337	0.55 348	0.48 357	0.54 349	0.46 336	0.57 352	0.45 328	0.60 336	0.57 343	0.64 370	0.55 370	0.72 351	0.55 357

MyStereo05	0.80 356	4.12 520	0.63 345	0.63 310	0.61 383	0.62 363	0.66 376	0.65 357	0.62 375	0.67 368	0.61 380	0.65 370	0.58 365	0.67 365	0.55 360	0.60 336	0.57 343	0.64 370	0.55 370	0.72 351	0.55 357

DSFCA	0.66 326	0.73 243	0.78 381	0.65 314	0.65 389	0.64 365	0.64 373	0.65 357	0.63 377	0.64 364	0.64 384	0.64 367	0.64 371	0.65 362	0.65 369	0.65 347	0.65 358	0.65 373	0.65 393	0.66 343	0.64 374

DispNO	1.00 403	0.63 235	0.43 281	3.45 531	0.44 341	0.65 366	0.43 330	0.64 356	0.43 332	0.64 364	0.43 337	0.64 367	3.03 550	0.64 361	0.43 326	4.55 559	0.43 297	0.63 369	0.43 344	0.63 341	0.43 317

LMCR-Stereo	0.65 324	0.63 235	0.65 350	0.65 314	0.65 389	0.66 367	0.63 372	0.58 347	0.65 379	0.63 363	0.64 384	0.65 370	0.65 373	0.66 363	0.66 372	0.66 349	0.64 356	0.65 373	0.67 399	0.68 345	0.73 395

WCG-NET	0.61 316	1.21 377	0.54 330	0.61 307	0.53 371	0.67 368	0.53 362	0.66 359	0.53 363	0.64 364	0.53 371	0.65 370	0.53 360	0.59 354	0.52 355	0.65 347	0.48 319	0.64 370	0.52 367	0.58 337	0.50 340

test-3	0.98 402	4.13 522	1.85 528	1.85 471	0.61 383	0.69 369	0.37 295	0.63 355	0.61 374	0.66 367	0.51 368	0.73 379	0.44 330	0.57 352	0.54 358	1.68 490	1.81 525	0.40 284	0.43 344	0.66 343	0.50 340

TorneroNet-64	0.45 270	0.27 130	0.30 205	0.58 300	0.27 231	0.70 370	0.30 245	0.28 197	0.73 406	0.73 374	0.28 238	0.71 374	0.66 376	0.75 374	0.27 216	0.27 195	0.29 219	0.37 260	0.75 411	0.28 193	0.30 243

DMCA-RVC	0.70 335	0.80 248	0.70 364	0.70 323	0.70 399	0.70 370	0.70 394	0.71 365	0.70 396	0.70 371	0.71 407	0.71 374	0.70 392	0.70 367	0.69 389	0.69 352	0.70 372	0.69 376	0.70 404	0.69 349	0.70 387

SMoEStereo_RVC	0.63 321	0.75 244	0.51 322	0.73 327	0.53 371	0.71 372	0.47 343	0.67 360	0.58 368	0.74 379	0.60 376	0.72 377	0.53 360	0.74 373	0.51 353	0.61 340	0.62 353	0.62 367	0.61 382	0.63 341	0.61 366

anonymity	0.63 321	0.69 239	0.56 332	0.71 325	0.56 374	0.71 372	0.56 365	0.71 365	0.56 366	0.72 372	0.56 374	0.71 374	0.56 364	0.71 368	0.58 362	0.68 351	0.55 339	0.68 375	0.55 370	0.68 345	0.54 352

AFF-stereo	0.73 343	0.88 261	0.67 355	0.75 329	0.68 396	0.75 374	0.64 373	0.80 372	0.72 403	0.83 388	0.70 403	0.82 391	0.64 371	0.84 382	0.67 373	0.77 362	0.63 354	0.81 393	0.63 384	0.78 359	0.62 369

iGMRVC	0.84 373	2.85 490	0.72 371	0.72 326	0.73 404	0.77 375	0.79 407	0.73 367	0.74 408	0.73 374	0.72 410	0.73 379	0.76 402	0.73 371	0.73 400	0.72 357	0.73 378	0.73 380	0.72 409	0.73 354	0.72 392

test_xeample3	1.10 416	1.81 412	0.61 343	0.84 338	0.49 358	0.77 375	0.66 376	0.92 387	1.40 512	0.68 370	0.46 345	0.78 384	0.54 363	1.72 497	1.48 514	1.34 470	1.52 502	1.35 498	1.67 532	1.33 473	1.55 515

GCAP-Stereo	0.75 345	4.15 523	0.42 280	0.75 329	0.35 292	0.78 377	0.40 315	0.79 370	0.38 301	0.78 382	0.36 295	0.78 384	0.36 290	0.79 376	0.39 304	0.75 360	0.39 272	0.76 385	0.39 327	0.75 355	0.39 299

ARAFT	0.68 331	0.81 251	0.63 345	0.74 328	0.60 377	0.78 377	0.62 371	0.77 369	0.66 381	0.74 379	0.63 382	0.75 381	0.62 370	0.83 381	0.60 365	0.70 355	0.55 339	0.70 378	0.60 380	0.78 359	0.55 357

G-Net	0.79 354	0.79 247	0.79 384	0.79 331	0.79 418	0.79 379	0.79 407	0.79 370	0.79 414	0.79 383	0.79 418	0.79 386	0.79 406	0.79 376	0.79 408	0.79 363	0.79 386	0.79 388	0.79 415	0.79 361	0.79 403

NaN_ROB	0.80 356	0.80 248	0.80 385	0.80 333	0.80 420	0.80 380	0.80 410	0.80 372	0.80 415	0.80 384	0.80 419	0.80 387	0.80 407	0.80 378	0.80 410	0.80 364	0.80 389	0.80 391	0.80 417	0.80 364	0.80 404

CSAN	0.80 356	0.80 248	0.80 385	0.80 333	0.80 420	0.80 380	0.80 410	0.80 372	0.80 415	0.80 384	0.80 419	0.80 387	0.80 407	0.80 378	0.80 410	0.80 364	0.80 389	0.80 391	0.80 417	0.80 364	0.80 404

zero-FE	0.72 341	1.31 389	0.66 351	0.92 348	0.60 377	0.82 382	0.58 367	0.82 376	0.58 368	0.81 386	0.60 376	0.81 390	0.60 367	0.82 380	0.58 362	0.74 359	0.59 347	0.73 380	0.52 367	0.76 356	0.51 347

RAFT-Stereo + iAFF	0.70 335	0.72 242	0.71 368	0.80 333	0.62 386	0.82 382	0.61 370	0.81 375	0.62 375	0.81 386	0.63 382	0.80 387	0.70 392	0.73 371	0.61 367	0.76 361	0.61 352	0.74 382	0.61 382	0.77 358	0.61 366

RSM++	0.76 349	0.82 253	0.66 351	0.85 340	0.64 387	0.85 384	0.71 397	0.94 391	0.64 378	0.87 389	0.67 389	0.87 393	0.65 373	0.84 382	0.65 369	0.81 367	0.70 372	0.79 388	0.71 407	0.83 371	0.70 387

CFNet_pseudo	2.67 547	9.36 573	0.32 222	10.99 596	0.33 279	0.85 384	0.33 266	0.49 308	0.33 272	0.49 314	0.32 267	0.49 319	7.26 590	0.49 317	0.33 260	0.41 271	9.62 594	0.41 301	0.29 249	10.03 596	0.29 230

MSMDNet	2.65 545	10.14 579	0.33 227	9.74 590	0.32 267	0.87 386	0.33 266	2.95 549	0.68 385	0.49 314	0.34 282	0.49 319	5.70 586	0.49 317	0.33 260	0.42 285	9.57 592	0.41 301	0.31 273	8.36 589	0.65 379

Selective-RAFT-Error	0.88 384	0.84 254	0.98 404	0.86 341	0.97 434	0.88 387	0.95 425	0.84 377	0.99 435	0.92 395	0.82 421	0.84 392	0.98 417	0.87 387	0.97 425	0.81 367	0.83 392	0.79 388	0.82 420	0.79 361	0.85 410

DCRE	0.84 373	1.89 419	0.77 380	0.94 354	0.72 403	0.88 387	0.73 400	0.87 378	0.78 411	0.90 391	0.71 407	0.88 394	0.67 378	0.88 388	0.73 400	0.81 367	0.68 364	0.81 393	0.70 404	0.82 369	0.70 387

DDUNet	0.81 361	2.45 464	0.57 334	0.90 343	0.60 377	0.88 387	0.59 369	0.90 382	0.60 371	0.88 390	0.60 376	0.90 397	0.58 365	0.88 388	0.60 365	0.84 374	0.60 348	0.86 401	0.57 376	0.86 373	0.60 365

UDG	0.80 356	2.21 444	0.60 338	0.91 345	0.60 377	0.90 390	0.58 367	0.88 381	0.60 371	0.90 391	0.60 376	0.88 394	0.60 367	0.90 391	0.58 362	0.86 376	0.60 348	0.84 399	0.59 379	0.84 372	0.61 366

DGTPSM_ROB	0.93 396	1.00 291	0.92 398	0.94 354	0.96 433	0.91 391	0.92 421	0.91 384	0.96 431	0.91 393	0.96 430	0.93 403	0.92 413	0.94 398	0.92 418	0.92 382	0.92 398	0.90 403	0.92 425	0.94 393	0.91 415

DPSM_ROB	0.92 391	0.91 269	0.91 396	0.91 345	0.92 429	0.92 392	0.92 421	0.92 387	0.91 422	0.93 397	0.91 426	0.92 400	0.90 411	0.91 392	0.92 418	0.92 382	0.91 396	0.91 406	0.92 425	0.93 387	0.93 417

DPSM	0.92 391	0.91 269	0.91 396	0.91 345	0.92 429	0.92 392	0.92 421	0.92 387	0.91 422	0.93 397	0.91 426	0.92 400	0.90 411	0.91 392	0.92 418	0.92 382	0.91 396	0.91 406	0.92 425	0.93 387	0.93 417

pmcnn	0.92 391	0.92 274	0.92 398	0.92 348	0.92 429	0.92 392	0.92 421	0.92 387	0.92 426	0.92 395	0.92 429	0.92 400	0.92 413	0.92 396	0.92 418	0.92 382	0.92 398	0.92 408	0.92 425	0.92 383	0.92 416

R-Stereo Train	0.81 361	0.96 280	0.67 355	0.95 356	0.67 393	0.95 395	0.68 382	0.95 393	0.68 385	0.95 401	0.68 392	0.96 405	0.68 381	0.96 402	0.68 379	0.94 387	0.68 364	0.94 417	0.68 400	0.94 393	0.68 384

RAFT-Stereo	0.81 361	0.96 280	0.67 355	0.95 356	0.67 393	0.95 395	0.68 382	0.95 393	0.68 385	0.95 401	0.68 392	0.96 405	0.68 381	0.96 402	0.68 379	0.94 387	0.68 364	0.94 417	0.68 400	0.94 393	0.68 384
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MoCha-V2	2.11 515	26.97 599	0.78 381	0.92 348	0.77 413	0.96 397	0.72 399	0.90 382	0.72 403	0.94 399	0.70 403	0.90 397	0.71 396	0.91 392	0.71 398	0.85 375	0.71 376	0.88 402	0.69 402	0.87 374	0.67 383

AIO-Stereo	0.84 373	0.66 238	0.70 364	0.83 337	0.67 393	0.98 398	0.82 414	1.14 414	0.72 403	1.03 415	0.74 413	1.03 421	1.09 427	0.99 404	0.45 328	1.04 401	0.73 378	0.95 419	0.74 410	0.94 393	0.46 323

ToySt	0.92 391	2.11 435	0.90 394	0.95 356	0.79 418	0.99 399	0.78 406	0.94 391	0.81 418	0.94 399	0.78 417	0.95 404	0.77 404	0.94 398	0.86 416	0.91 379	0.79 386	0.85 400	0.77 412	0.89 376	0.73 395

LG-Stereo	0.60 313	0.58 230	0.47 296	0.64 313	0.74 406	1.00 400	0.69 390	0.57 344	0.41 324	0.57 353	0.41 325	0.57 358	0.41 319	1.00 406	0.75 404	0.91 379	0.51 333	0.52 357	0.37 311	0.52 328	0.37 286

GANet	1.00 403	1.00 291	1.00 406	1.00 363	1.00 435	1.00 400	1.00 429	1.00 395	1.00 436	1.00 403	1.00 433	1.00 408	1.00 418	1.00 406	1.00 428	1.00 397	1.00 401	1.00 424	1.00 432	1.00 398	1.00 424

TDLM	1.00 403	1.00 291	1.00 406	1.00 363	1.00 435	1.00 400	1.00 429	1.00 395	1.00 436	1.00 403	1.00 433	1.00 408	1.00 418	1.00 406	1.00 428	1.00 397	1.00 401	1.00 424	1.00 432	1.00 398	1.00 424

CVANet_RVC	1.00 403	1.00 291	1.00 406	1.00 363	1.00 435	1.00 400	1.00 429	1.00 395	1.00 436	1.00 403	1.00 433	1.00 408	1.00 418	1.00 406	1.00 428	1.00 397	1.00 401	1.00 424	1.00 432	1.00 398	1.00 424

WQFJA1	0.84 373	0.99 286	0.67 355	1.28 442	0.75 407	1.01 404	0.68 382	1.01 399	0.67 382	1.01 407	0.67 389	1.01 412	0.67 378	1.01 410	0.67 373	0.97 389	0.67 360	0.92 408	0.63 384	0.92 383	0.63 370

WQFJX1	0.84 373	0.99 286	0.67 355	1.28 442	0.75 407	1.01 404	0.68 382	1.01 399	0.67 382	1.01 407	0.67 389	1.01 412	0.67 378	1.01 410	0.67 373	0.97 389	0.67 360	0.92 408	0.63 384	0.92 383	0.63 370

NLMM1	0.84 373	0.99 286	0.67 355	1.28 442	0.75 407	1.01 404	0.67 380	1.01 399	0.68 385	1.01 407	0.68 392	1.01 412	0.68 381	1.01 410	0.68 379	0.97 389	0.67 360	0.93 412	0.63 384	0.92 383	0.64 374

NLMM	0.85 379	1.00 291	0.68 361	1.31 446	0.76 410	1.01 404	0.68 382	1.02 405	0.68 385	1.02 413	0.68 392	1.02 418	0.68 381	1.02 416	0.68 379	0.98 393	0.68 364	0.93 412	0.64 388	0.93 387	0.64 374

NLSM3	0.85 379	0.99 286	0.68 361	1.29 445	0.76 410	1.01 404	0.68 382	1.01 399	0.68 385	1.02 413	0.68 392	1.01 412	0.68 381	1.01 410	0.68 379	0.97 389	0.68 364	0.93 412	0.64 388	0.93 387	0.63 370

trnet	1.01 409	1.01 299	1.01 409	1.01 366	1.01 439	1.01 404	1.01 432	1.01 399	1.01 439	1.01 407	1.01 436	1.01 412	1.01 424	1.01 410	1.01 431	1.01 400	1.01 404	1.01 427	1.01 436	1.01 401	1.01 427

AdaDepth	0.86 381	0.93 276	0.71 368	1.01 366	1.07 444	1.02 410	0.71 397	1.00 395	0.71 401	1.01 407	0.71 407	1.00 408	0.72 397	1.14 431	0.71 398	0.92 382	0.64 356	0.90 403	0.64 388	0.89 376	0.69 386

DPSimNet_ROB	0.97 400	1.18 329	0.81 387	1.10 373	0.91 428	1.02 410	0.82 414	1.04 408	0.91 422	1.03 415	0.86 422	1.28 487	0.82 409	1.03 417	0.89 417	1.17 415	0.81 391	1.02 428	0.82 420	1.08 406	0.81 406

AIO-Stereo-zeroshot	0.91 388	0.86 257	0.89 391	1.25 438	0.69 397	1.05 412	0.81 412	1.16 418	0.50 355	1.12 427	0.97 431	0.72 377	0.82 409	1.06 420	0.95 423	0.61 340	0.87 394	1.03 431	0.85 423	1.04 404	1.01 427

TorneroNet	0.66 326	0.53 220	0.50 315	0.50 278	0.64 387	1.06 413	0.70 394	0.50 316	0.51 362	0.49 314	0.69 400	0.49 319	0.50 353	0.48 311	1.15 440	0.71 356	0.49 322	1.14 434	1.08 438	0.49 315	0.49 337

Selective-RAFT	0.89 386	0.89 264	0.72 371	1.16 386	0.78 417	1.06 413	0.82 414	0.87 378	0.97 432	1.00 403	0.91 426	0.90 397	1.00 418	0.89 390	0.93 422	0.83 372	0.83 392	0.82 397	0.82 420	0.81 367	0.82 407

GLC_STEREO	1.07 414	1.01 299	1.06 411	1.07 371	1.05 443	1.06 413	1.08 436	1.08 410	1.05 442	1.07 419	1.06 438	1.08 424	1.05 426	1.06 420	1.10 435	1.07 403	1.09 414	1.05 432	1.05 437	1.06 405	1.12 434

STTRV1_RVC	0.82 366	1.60 402	0.70 364	1.01 366	0.60 377	1.07 416	0.69 390	1.01 399	0.60 371	0.72 372	0.55 373	1.02 418	0.68 381	1.03 417	0.67 373	0.89 378	0.63 354	0.92 408	0.57 376	0.90 379	0.65 379

edge stereo	2.43 540	27.07 600	1.14 415	1.06 370	1.14 447	1.08 417	1.17 444	1.16 418	1.14 443	1.10 421	1.16 444	1.09 426	1.16 436	1.10 426	1.16 443	1.10 406	1.11 418	1.16 436	1.19 446	1.13 408	1.11 432

Nwc_Net	2.37 537	25.95 596	1.15 417	1.14 379	1.15 448	1.08 417	1.14 440	1.17 420	1.16 445	1.14 430	1.15 441	1.08 424	1.15 432	1.11 428	1.14 439	1.10 406	1.11 418	1.16 436	1.09 439	1.16 413	1.15 439

NLSM1	0.86 381	1.03 305	0.68 361	1.32 448	0.77 413	1.09 419	0.73 400	1.04 408	0.68 385	1.03 415	0.68 392	1.03 421	0.68 381	1.04 419	0.68 379	0.98 393	0.67 360	0.93 412	0.64 388	0.93 387	0.64 374

999	1.00 403	1.12 320	0.59 336	1.10 373	1.21 502	1.09 419	0.52 361	1.08 410	1.43 514	1.18 432	1.35 506	0.98 407	0.52 359	0.91 392	0.85 415	0.72 357	1.46 498	0.83 398	0.98 430	0.68 345	1.41 510

RP	2.33 533	25.00 592	1.13 414	1.15 381	1.15 448	1.10 421	1.15 441	1.15 415	1.15 444	1.12 427	1.15 441	1.09 426	1.13 429	1.10 426	1.15 440	1.11 411	1.09 414	1.16 436	1.12 440	1.16 413	1.17 443

RGC	2.36 535	25.48 593	1.19 423	1.15 381	1.15 448	1.10 421	1.16 443	1.17 420	1.16 445	1.12 427	1.16 444	1.11 431	1.13 429	1.09 424	1.18 445	1.10 406	1.15 423	1.16 436	1.12 440	1.14 409	1.12 434

MSMD_ROB	1.19 421	1.10 319	0.70 364	1.10 373	0.60 377	1.10 421	0.70 394	1.10 413	0.70 396	1.10 421	0.70 403	1.10 428	0.70 392	7.00 593	0.70 395	1.10 406	0.70 372	1.10 433	0.70 404	1.10 407	0.70 387

Wavelet-MonSter	1.00 403	1.21 377	0.76 378	1.94 475	1.01 439	1.11 424	0.76 404	1.15 415	0.76 409	1.11 426	0.76 415	1.14 433	0.76 402	1.11 428	0.76 406	1.21 462	0.90 395	1.02 428	0.71 407	1.02 403	0.71 391

NCC-stereo	2.36 535	25.52 594	1.17 419	1.15 381	1.17 453	1.11 424	1.11 437	1.15 415	1.16 445	1.10 421	1.16 444	1.10 428	1.15 432	1.14 431	1.13 438	1.09 404	1.11 418	1.15 435	1.16 444	1.17 418	1.17 443

Abc-Net	2.32 532	24.75 591	1.14 415	1.17 387	1.17 453	1.11 424	1.15 441	1.17 420	1.21 497	1.08 420	1.16 444	1.12 432	1.14 431	1.09 424	1.17 444	1.09 404	1.16 424	1.17 440	1.17 445	1.16 413	1.11 432
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 533	24.38 590	1.18 421	1.18 388	1.18 455	1.14 427	1.18 445	1.19 423	1.19 451	1.14 430	1.18 448	1.14 433	1.18 437	1.14 431	1.18 445	1.14 414	1.14 422	1.19 444	1.19 446	1.15 411	1.19 447

AF-Net	2.37 537	25.71 595	1.17 419	1.13 378	1.15 448	1.15 428	1.18 445	1.19 423	1.16 445	1.10 421	1.15 441	1.10 428	1.18 437	1.12 430	1.15 440	1.10 406	1.10 417	1.17 440	1.15 442	1.16 413	1.12 434

NLCSM	0.91 388	1.00 291	0.83 388	1.62 466	0.77 413	1.16 429	0.68 382	1.03 406	0.68 385	1.01 407	0.68 392	1.01 412	0.68 381	1.01 410	0.68 379	0.99 395	0.74 381	1.02 428	0.90 424	0.95 397	0.83 409

HSM-Net_RVC	0.95 399	1.17 327	0.78 381	1.18 388	0.71 401	1.16 429	0.75 403	1.09 412	0.80 415	1.10 421	0.75 414	1.17 436	0.74 399	1.17 435	0.80 410	1.13 412	0.73 378	1.17 440	0.77 412	1.16 413	0.72 392
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
WQFJX	0.90 387	1.05 310	0.92 398	1.36 452	0.77 413	1.19 431	0.81 412	1.03 406	0.77 410	1.04 418	0.69 400	1.02 418	0.69 389	1.16 434	0.70 395	0.99 395	0.68 364	0.93 412	0.64 388	0.93 387	0.64 374

DisPM	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

CrosDoStereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

PFNet+	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

LCNet	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

HHNet	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

Patchmatch Stereo++	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

STrans-v2	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

TransformOpticalFlow	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

OMP-Stereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

IIG-Stereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

NF-Stereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

OCTAStereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

PSM-softLoss	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

KMStereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

NRIStereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

PSM-adaLoss	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

PSM-AAD	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

FTStereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

ROB_FTStereo_v2	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

ROB_FTStereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

Consistency-Raft	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

KYRaft	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

HUI-Stereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

ASMatch	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

DeepStereo_LL	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

DEmStereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

SST-Stereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

THIR-Stereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

RAFT_R40	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

DRaft	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

PFNet	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

GrayStereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

RE-Stereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

Pruner-Stereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

TVStereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

DeepStereo_RVC	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

RAFT-RH_RVC	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

IRAFT_RVC	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

RAFT-345	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

iRAFT	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

CRE-IMP	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

GMM-Stereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

RAFT-IKP	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

Prome-Stereo	1.20 422	1.20 331	1.20 426	1.20 390	1.20 456	1.20 432	1.20 447	1.20 426	1.20 452	1.20 434	1.20 449	1.20 438	1.20 439	1.20 437	1.20 449	1.20 417	1.20 429	1.20 445	1.20 449	1.20 422	1.20 448

FAT-Stereo	2.46 541	26.05 597	1.23 475	1.23 437	1.22 504	1.20 432	1.24 495	1.23 474	1.23 499	1.19 433	1.22 495	1.21 483	1.24 487	1.20 437	1.24 496	1.21 462	1.17 427	1.22 491	1.25 499	1.20 422	1.24 497

ktn	0.72 341	0.53 220	1.08 412	1.14 379	0.51 367	1.22 478	1.36 505	0.51 329	0.59 370	0.51 334	0.51 368	0.69 373	1.20 439	0.67 365	0.51 353	0.51 318	0.49 322	0.58 364	0.66 395	0.52 328	0.53 349

CroCo-Stereo	0.73 343	1.22 383	0.25 186	1.22 435	0.25 221	1.22 478	0.25 212	1.22 472	0.25 211	1.22 480	0.25 220	1.22 484	0.25 214	1.22 483	0.25 210	1.22 464	0.26 195	1.21 490	0.25 220	1.22 469	0.25 198
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
S-Stereo	2.51 542	26.86 598	1.23 475	1.22 435	1.22 504	1.24 480	1.25 496	1.22 472	1.24 500	1.21 479	1.24 497	1.19 437	1.27 489	1.19 436	1.24 496	1.19 416	1.20 429	1.25 492	1.19 446	1.24 470	1.23 496

AIO-Stereo-zeroshot1	0.75 345	0.92 274	0.85 390	0.96 359	0.59 376	1.27 481	0.44 331	0.59 349	0.69 393	0.91 393	0.68 392	0.55 353	0.61 369	1.06 420	0.83 414	0.62 344	0.70 372	0.90 403	0.41 335	0.89 376	0.56 360

CroCo-Stereo Lap2	0.77 350	1.29 387	0.29 201	1.27 439	0.29 245	1.27 481	0.26 220	1.26 475	0.26 224	1.26 481	0.26 226	1.27 486	0.26 223	1.26 484	0.27 216	1.27 466	0.27 202	1.27 493	0.27 234	1.27 471	0.27 212

11t	1.27 472	2.70 475	1.34 479	1.32 448	0.89 424	1.30 483	1.34 502	1.64 490	0.57 367	1.45 488	0.72 410	1.05 423	1.29 491	1.07 423	1.29 503	1.49 481	1.02 405	0.97 422	1.15 442	1.48 478	1.31 501

ours_stereo	1.20 422	1.21 377	0.90 394	1.64 469	1.11 446	1.35 484	0.67 380	1.76 494	0.93 427	1.70 498	1.10 440	1.39 490	0.75 401	1.41 489	0.81 413	1.60 488	1.03 406	1.33 495	1.00 432	1.61 483	0.72 392

MaskLacGwcNet_RVC	1.35 474	1.35 392	1.35 481	1.35 451	1.35 506	1.35 484	1.35 503	1.36 480	1.35 508	1.36 484	1.35 506	1.36 488	1.36 497	1.36 486	1.35 507	1.35 471	1.35 490	1.35 498	1.35 504	1.35 474	1.35 506

MM-Stereo_test2	1.20 422	1.85 415	1.05 410	1.46 457	0.94 432	1.36 486	0.99 428	1.36 480	0.95 429	1.41 486	0.98 432	1.40 492	0.96 415	1.37 487	0.95 423	1.37 475	1.06 407	1.33 495	0.93 429	1.29 472	0.89 413

CC-Net-ROB	1.36 475	1.33 391	1.33 478	1.36 452	1.38 509	1.36 486	1.33 501	1.37 482	1.34 505	1.35 483	1.36 508	1.38 489	1.34 495	1.38 488	1.38 510	1.35 471	1.38 494	1.33 495	1.35 504	1.43 477	1.34 505

MLG-Stereo	0.92 391	0.90 267	0.84 389	1.27 439	0.49 358	1.38 488	0.88 417	1.41 485	0.97 432	0.73 374	1.09 439	1.26 485	0.43 328	0.72 369	1.05 433	1.13 412	0.49 322	1.18 443	0.66 395	1.01 401	0.46 323

PS-NSSS	1.38 477	1.39 394	1.34 479	1.34 450	1.35 506	1.38 488	1.37 510	1.35 479	1.38 511	1.34 482	1.34 505	1.39 490	1.38 500	1.70 496	1.40 511	1.36 473	1.36 491	1.36 500	1.37 507	1.37 475	1.36 507

HBP-ISP	1.24 470	1.72 406	1.65 509	1.15 381	0.76 410	1.40 490	0.88 417	1.67 493	1.02 440	1.69 497	1.38 511	1.69 500	1.21 485	1.87 504	1.21 494	1.05 402	0.79 386	0.97 422	0.80 417	1.19 421	0.75 399

FC-DCNN	1.07 414	1.09 316	0.98 404	0.89 342	0.52 368	1.41 491	0.91 420	1.21 471	1.24 500	1.96 502	2.05 557	1.91 504	1.30 492	1.27 485	1.08 434	0.80 364	0.60 348	0.58 364	0.41 335	0.68 345	0.54 352

MM-Stereo_test3	1.27 472	2.07 431	1.18 421	1.60 463	1.02 441	1.45 492	1.01 432	1.40 484	1.04 441	1.44 487	1.03 437	1.46 494	1.02 425	1.44 490	1.02 432	1.51 484	1.12 421	1.32 494	0.98 430	1.38 476	0.97 420

RASNet	1.49 478	1.65 403	1.45 497	1.38 455	1.43 512	1.47 493	1.36 505	1.38 483	1.36 509	1.39 485	1.60 522	1.45 493	1.45 503	1.51 491	2.21 552	1.53 485	1.36 491	1.36 500	1.36 506	1.66 486	1.36 507

tt45	1.04 413	0.88 261	1.36 489	0.92 348	1.03 442	1.51 494	0.79 407	0.70 364	0.88 420	0.74 379	0.90 423	1.60 496	0.72 397	1.60 492	0.75 404	0.91 379	0.78 385	1.52 505	0.79 415	1.14 409	1.32 502

FlowAnything	1.02 411	1.71 405	0.72 371	1.59 460	0.69 397	1.60 495	0.69 390	1.61 487	0.70 396	1.60 490	0.69 400	1.60 496	0.69 389	1.61 494	0.69 389	0.81 367	0.58 345	0.81 393	0.56 374	0.82 369	0.56 360

FlowAnything_test	1.02 411	1.72 406	0.71 368	1.59 460	0.70 399	1.61 496	0.69 390	1.61 487	0.70 396	1.60 490	0.70 403	1.61 499	0.69 389	1.61 494	0.70 395	0.81 367	0.58 345	0.81 393	0.55 370	0.81 367	0.56 360

DPSMNet_ROB	1.60 481	1.59 401	1.70 511	1.59 460	1.59 518	1.61 496	1.61 521	1.60 486	1.60 518	1.62 496	1.59 521	1.60 496	1.60 506	1.60 492	1.59 518	1.59 486	1.60 512	1.59 506	1.59 524	1.59 482	1.59 520

CFNet-RSSM	0.91 388	4.89 533	0.34 237	0.44 252	1.07 444	1.62 498	1.40 512	0.91 384	0.35 284	1.60 490	1.39 512	0.64 367	0.34 280	0.44 290	0.33 260	0.41 271	0.35 254	0.75 383	0.30 263	0.41 278	0.29 230

ff7	1.68 482	2.68 472	1.35 481	0.97 360	0.89 424	1.84 499	2.15 550	2.12 507	1.80 535	2.05 512	1.56 518	2.33 519	2.12 541	2.23 515	2.25 553	1.31 467	1.07 408	1.48 502	1.41 510	0.90 379	1.04 429

ffff	1.68 482	2.68 472	1.35 481	0.97 360	0.89 424	1.84 499	2.15 550	2.12 507	1.80 535	2.05 512	1.56 518	2.33 519	2.12 541	2.23 515	2.25 553	1.31 467	1.07 408	1.48 502	1.41 510	0.90 379	1.04 429

ccc-4	1.68 482	2.68 472	1.35 481	0.97 360	0.89 424	1.84 499	2.15 550	2.12 507	1.80 535	2.05 512	1.56 518	2.33 519	2.12 541	2.23 515	2.25 553	1.31 467	1.07 408	1.48 502	1.41 510	0.90 379	1.04 429

GANetREF_RVC	1.55 479	1.94 428	1.22 473	1.88 472	1.21 502	1.88 502	1.22 493	1.88 496	1.22 498	1.88 499	1.22 495	1.88 502	1.22 486	1.89 505	1.22 495	1.87 496	1.22 476	1.88 519	1.22 495	1.88 495	1.22 494
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
3.75w	1.99 494	2.31 450	1.83 525	3.16 518	1.65 522	1.93 503	1.98 541	2.72 535	1.68 520	2.73 544	1.97 546	2.00 509	1.72 515	1.81 502	1.25 499	2.27 520	2.01 532	2.38 538	1.42 513	1.71 488	1.24 497

4.5w-stereo	1.99 494	2.33 452	1.81 517	3.28 522	1.68 525	1.94 504	1.99 544	2.72 535	1.70 523	2.72 539	1.99 555	1.97 507	1.68 510	1.76 498	1.29 503	1.91 501	2.02 536	2.53 546	1.61 526	1.75 491	1.16 442

2.75w_new	1.99 494	2.34 456	1.81 517	3.14 516	1.62 520	1.94 504	1.99 544	2.72 535	1.71 524	2.72 539	1.99 555	1.90 503	1.73 516	1.82 503	1.29 503	2.37 528	2.01 532	2.31 533	1.42 513	1.77 492	1.22 494

2w_stereo	1.99 494	2.36 459	1.81 517	3.24 520	1.67 523	1.94 504	1.98 541	2.72 535	1.68 520	2.72 539	1.94 543	1.98 508	1.74 518	1.79 501	1.27 500	1.95 503	2.00 530	2.53 546	1.60 525	1.68 487	1.15 439

4.25_new	2.00 498	2.33 452	1.82 522	3.32 525	1.69 526	1.95 507	1.99 544	2.72 535	1.71 524	2.72 539	1.97 546	2.01 510	1.74 518	1.77 499	1.28 501	2.18 512	2.01 532	2.48 544	1.58 522	1.65 484	1.17 443

4.5w_new	2.00 498	2.33 452	1.82 522	3.32 525	1.69 526	1.95 507	1.99 544	2.72 535	1.71 524	2.72 539	1.97 546	2.01 510	1.74 518	1.77 499	1.28 501	2.18 512	2.01 532	2.48 544	1.58 522	1.65 484	1.17 443

MFMNet_re	1.81 489	1.91 422	1.71 513	1.95 477	1.70 529	1.95 507	1.70 526	1.96 499	1.74 531	1.97 504	1.72 530	1.95 505	1.71 514	1.97 508	1.71 526	1.86 494	1.62 513	1.85 512	1.66 531	1.86 494	1.64 526

SPS-STEREO	1.59 480	1.91 422	1.21 472	1.94 475	1.20 456	2.00 510	1.23 494	1.99 501	1.24 500	2.00 507	1.25 498	2.03 512	1.26 488	2.00 509	1.29 503	1.90 500	1.18 428	1.89 520	1.21 494	1.89 496	1.20 448
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 488	3.41 502	1.52 504	2.12 482	1.41 511	2.04 511	1.41 513	2.05 505	1.46 515	2.04 511	1.41 513	2.05 513	1.42 502	2.05 510	1.43 513	2.04 508	1.54 505	1.94 521	1.38 509	1.99 498	1.33 503

RAFT_CTSACE	1.92 491	3.71 509	1.72 514	1.88 472	1.72 530	2.04 511	1.42 515	2.18 512	1.89 546	2.02 509	1.97 546	1.95 505	2.06 540	1.93 506	1.62 519	1.76 491	1.66 516	2.02 523	1.73 540	1.73 489	1.43 512

4.25w-stereo	1.98 493	2.72 479	1.46 498	3.47 532	1.43 512	2.07 513	1.98 541	2.53 532	1.52 516	2.71 538	1.98 552	1.81 501	1.62 508	1.96 507	1.36 508	1.88 499	2.00 530	2.53 546	1.61 526	1.74 490	1.15 439

MonSter	0.60 313	0.64 237	0.52 325	0.62 308	0.44 341	2.07 513	0.44 331	0.62 354	0.44 335	0.62 361	0.44 339	0.62 366	0.44 330	0.62 356	0.44 327	0.58 334	0.42 293	0.62 367	0.46 348	0.58 337	0.42 316

MonStereo1	1.94 492	2.77 485	1.52 504	3.73 543	1.51 515	2.13 515	1.42 515	2.32 520	1.52 516	2.31 524	1.50 516	2.53 529	1.59 505	2.34 522	1.56 516	1.91 501	1.36 491	1.86 515	1.31 502	2.07 499	1.53 513

MC-Stereo	1.76 485	2.96 491	1.37 491	2.14 483	1.37 508	2.14 516	1.36 505	2.14 510	1.37 510	2.14 516	1.37 509	2.14 514	1.37 499	2.14 514	1.37 509	1.97 504	1.32 478	1.97 522	1.32 503	1.98 497	1.33 503

2.25w	2.00 498	1.86 417	1.98 539	2.95 513	2.17 555	2.26 517	1.35 503	2.42 526	2.00 553	2.07 515	1.27 500	2.53 529	1.99 536	2.29 519	1.49 515	2.21 515	1.32 478	1.85 512	1.87 544	2.52 525	1.62 524

4.5_new	2.00 498	1.84 414	1.98 539	2.77 507	2.16 553	2.27 518	1.28 500	2.09 506	1.98 550	2.01 508	1.28 501	2.71 541	1.98 534	2.51 531	1.65 521	2.26 517	1.33 485	1.87 516	1.87 544	2.49 521	1.60 521

NCCL2	2.28 531	2.27 447	2.28 545	2.28 492	2.28 558	2.27 518	2.29 553	2.28 513	2.28 556	2.27 520	2.28 558	2.28 515	2.27 544	2.27 518	2.28 557	2.28 521	2.28 544	2.27 530	2.29 557	2.27 508	2.29 548

TRStereo	2.00 498	2.13 436	1.85 528	2.27 489	1.84 534	2.28 520	1.84 530	2.29 515	1.86 540	2.30 521	1.87 535	2.30 516	1.87 524	2.08 511	1.72 528	2.08 509	1.72 519	2.08 525	1.72 537	2.08 500	1.72 531

XX-Stereo	2.00 498	2.13 436	1.85 528	2.27 489	1.84 534	2.28 520	1.84 530	2.29 515	1.86 540	2.30 521	1.87 535	2.30 516	1.87 524	2.08 511	1.72 528	2.08 509	1.72 519	2.08 525	1.72 537	2.08 500	1.72 531

EAI-Stereo	2.00 498	2.13 436	1.85 528	2.27 489	1.84 534	2.28 520	1.84 530	2.29 515	1.86 540	2.30 521	1.87 535	2.30 516	1.87 524	2.08 511	1.72 528	2.08 509	1.72 519	2.08 525	1.72 537	2.08 500	1.72 531

STTStereo	3.73 557	30.40 604	2.37 549	2.39 495	2.31 560	2.35 523	2.33 554	2.29 515	2.42 557	2.32 525	2.34 559	2.33 519	2.36 545	2.30 520	2.27 556	2.35 527	2.22 543	2.31 533	2.22 554	2.29 510	2.34 552

FBW_ROB	2.12 516	2.46 465	1.77 516	2.49 499	1.79 533	2.38 524	1.83 529	2.46 527	1.78 534	2.48 532	1.97 546	2.40 524	1.78 521	2.42 528	1.83 537	2.31 525	1.85 527	2.38 538	1.82 542	2.35 512	1.84 536

AIO_rvc	2.18 519	2.34 456	1.87 532	2.32 493	1.94 543	2.40 525	1.89 538	2.37 523	2.07 555	2.52 534	1.95 545	2.44 526	1.99 536	2.41 526	1.89 545	2.32 526	2.09 538	2.24 529	2.18 553	2.21 504	2.23 547

IGEV	2.02 506	2.20 442	1.82 522	2.90 512	2.16 553	2.41 526	1.25 496	2.00 502	1.98 550	1.99 506	1.31 503	2.72 545	1.93 530	2.67 539	1.69 525	2.26 517	1.32 478	1.83 511	1.87 544	2.53 528	1.61 523

HUF	2.18 519	2.30 449	1.99 542	2.34 494	2.02 548	2.41 526	2.06 549	2.38 524	1.89 546	2.36 526	1.85 533	2.56 534	1.98 534	2.31 521	1.97 548	2.30 524	2.03 537	2.30 532	2.11 551	2.23 505	2.16 545

AIO_test	2.18 519	2.09 434	2.04 543	2.42 496	2.01 545	2.47 528	1.94 540	2.34 522	2.03 554	2.56 535	1.94 543	2.43 525	1.94 531	2.41 526	1.87 543	2.39 530	2.10 539	2.35 537	1.91 550	2.25 507	2.19 546

4w-stereo	2.02 506	2.72 479	1.44 496	3.36 528	1.59 518	2.48 529	1.72 527	2.28 513	1.24 500	2.24 519	1.65 526	2.56 534	1.32 494	2.39 525	1.98 549	2.67 542	1.51 501	1.66 508	1.24 497	2.53 528	1.88 543

3w_stereo	2.04 511	2.24 446	1.70 511	3.15 517	2.18 557	2.49 530	1.26 498	2.03 504	1.98 550	1.98 505	1.33 504	2.72 545	1.99 536	2.59 534	1.72 528	2.22 516	1.33 485	1.85 512	1.88 549	2.50 523	1.58 519

monsterstereo	2.20 525	2.33 452	1.95 537	3.65 539	2.07 550	2.49 530	1.61 521	2.48 528	1.83 538	2.45 530	1.61 524	2.67 540	1.86 523	2.64 536	1.94 546	2.48 536	1.66 516	2.34 535	1.68 534	2.40 514	1.86 538

asda	2.17 517	2.54 466	1.81 517	3.47 532	1.78 532	2.50 532	1.86 534	2.61 534	1.68 520	2.61 536	1.83 532	2.37 523	1.73 516	2.44 529	1.88 544	2.51 537	1.84 526	2.34 535	1.62 528	2.23 505	1.77 535

UDGNet	2.23 529	5.40 545	1.72 514	2.48 498	1.69 526	2.51 533	1.69 525	2.51 531	1.72 528	2.50 533	1.69 529	2.52 528	1.69 512	2.50 530	1.68 524	2.41 531	1.70 518	2.42 540	1.69 536	2.42 515	1.64 526

qwe	2.18 519	2.60 469	1.58 506	3.83 545	1.90 542	2.53 534	1.90 539	2.48 528	1.73 529	2.37 527	1.92 542	2.53 529	1.68 510	2.56 532	1.83 537	2.52 539	1.87 528	2.07 524	1.68 534	2.32 511	1.71 530

monsters	2.18 519	2.41 462	1.96 538	3.47 532	2.03 549	2.53 534	1.64 523	2.48 528	1.73 529	2.40 528	1.50 516	2.62 537	1.94 531	2.59 534	1.94 546	2.44 532	1.57 507	2.28 531	1.87 544	2.42 515	1.86 538

IGEVStereo-DCA	1.77 486	4.21 524	1.84 526	2.49 499	2.11 551	2.54 536	1.36 505	1.65 491	1.17 449	2.75 545	1.90 540	2.54 532	1.15 432	0.94 398	1.11 436	1.50 482	1.32 478	0.96 420	1.46 516	1.49 479	0.88 411

rrr	1.77 486	4.21 524	1.84 526	2.49 499	2.11 551	2.54 536	1.36 505	1.65 491	1.17 449	2.75 545	1.90 540	2.54 532	1.15 432	0.94 398	1.11 436	1.50 482	1.32 478	0.96 420	1.46 516	1.49 479	0.88 411

asd	2.18 519	2.77 485	1.58 506	3.59 537	2.00 544	2.58 538	1.85 533	2.39 525	1.71 524	2.47 531	1.97 546	2.59 536	1.61 507	2.56 532	1.79 535	2.51 537	1.99 529	2.11 528	1.62 528	2.36 513	1.60 521

MonStereo	2.17 517	2.41 462	1.49 503	2.67 504	1.67 523	2.60 539	2.04 548	2.32 520	1.76 532	2.44 529	1.68 528	2.50 527	1.69 512	2.38 523	1.80 536	2.28 521	1.78 522	2.63 549	2.14 552	3.47 539	1.68 529

3.25w	2.04 511	2.20 442	1.48 499	3.03 514	2.17 555	2.63 540	1.39 511	1.96 499	1.95 549	1.96 502	1.37 509	2.71 541	1.96 533	2.71 540	1.73 533	2.26 517	1.32 478	1.87 516	1.87 544	2.51 524	1.63 525

2.5w	2.01 505	2.40 461	1.37 491	3.28 522	2.01 545	2.71 541	1.43 518	1.82 495	1.83 538	1.90 501	1.41 513	2.71 541	1.35 496	2.71 540	1.85 539	2.66 540	1.53 503	1.64 507	1.23 496	2.53 528	1.87 540

3.25w_new	2.03 508	2.72 479	1.35 481	3.33 527	1.57 516	2.72 542	1.53 520	2.15 511	1.33 504	2.15 517	1.60 522	2.63 538	1.30 492	2.72 542	1.99 550	2.67 542	1.53 503	1.75 510	1.25 499	2.53 528	1.87 540

3.5w_stereo	2.03 508	2.72 479	1.35 481	3.41 529	1.57 516	2.72 542	1.49 519	2.01 503	1.34 505	2.15 517	1.61 524	2.63 538	1.36 497	2.72 542	1.99 550	2.66 540	1.58 508	1.68 509	1.24 497	2.53 528	1.87 540

1w_stereo	2.05 513	2.32 451	1.35 481	3.74 544	2.01 545	2.73 544	1.42 515	1.88 496	1.93 548	2.03 510	1.28 501	2.71 541	1.99 536	2.72 542	1.72 528	2.20 514	1.32 478	1.87 516	1.86 543	2.45 517	1.54 514

sCroCo_RVC	2.10 514	2.76 483	1.92 536	2.78 510	1.39 510	2.73 544	1.41 513	2.73 541	1.40 512	2.77 550	1.41 513	2.74 547	1.40 501	2.74 545	1.40 511	2.72 544	1.42 496	2.72 550	1.44 515	2.79 535	1.42 511

LG-G_1	2.22 526	2.71 477	1.89 533	2.77 507	1.87 540	2.75 546	1.87 536	2.76 543	1.87 544	2.75 545	1.87 535	2.76 548	1.87 524	2.75 546	1.86 540	2.47 534	1.58 508	2.45 541	1.57 519	2.45 517	1.57 517

LG-G	2.22 526	2.71 477	1.89 533	2.77 507	1.87 540	2.75 546	1.87 536	2.76 543	1.87 544	2.75 545	1.87 535	2.76 548	1.87 524	2.75 546	1.86 540	2.47 534	1.58 508	2.45 541	1.57 519	2.45 517	1.57 517

LGtest1	2.22 526	2.70 475	1.89 533	2.76 506	1.86 537	2.75 546	1.86 534	2.75 542	1.86 540	2.75 545	1.86 534	2.77 550	1.87 524	2.75 546	1.86 540	2.46 533	1.58 508	2.45 541	1.56 518	2.45 517	1.56 516

NLCA_NET_v2_RVC	5.04 585	50.87 614	2.78 552	2.87 511	2.71 561	2.78 549	0.47 343	2.88 548	2.86 561	1.89 500	2.67 560	2.79 551	2.79 549	2.78 549	2.83 558	2.82 545	2.82 547	2.83 551	2.77 560	2.83 536	2.76 556
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT+CT+SA	4.28 572	7.62 561	4.91 578	5.55 569	2.28 558	3.09 550	3.64 579	4.49 565	3.07 567	4.80 577	3.35 574	4.77 581	3.70 568	4.29 564	3.05 561	5.58 579	5.98 580	3.58 557	3.78 583	4.26 548	3.72 580

plain	1.88 490	3.16 497	0.64 347	3.10 515	0.65 389	3.10 551	0.64 373	3.12 550	0.65 379	3.10 551	0.65 386	3.11 552	0.65 373	3.12 550	0.65 369	3.12 547	0.65 358	3.13 552	0.65 393	3.13 537	0.65 379

MIF-Stereo (partial)	2.58 544	3.31 501	0.66 351	3.18 519	0.66 392	3.18 552	0.66 376	3.21 551	0.67 382	3.19 552	0.66 388	3.19 553	0.66 376	3.31 554	0.68 379	5.09 576	1.79 524	8.23 595	1.67 532	6.18 579	1.38 509

Anonymous3	2.55 543	3.26 500	1.65 509	3.28 522	1.63 521	3.24 553	1.68 524	3.27 552	1.66 519	3.28 553	1.67 527	3.25 554	1.66 509	3.27 552	1.64 520	3.26 548	1.65 515	3.30 553	1.65 530	4.95 570	1.65 528

UniTT-Stereo	2.03 508	3.43 503	0.72 371	3.42 530	0.73 404	3.27 554	0.68 382	3.38 554	0.69 393	3.29 554	0.72 410	3.28 555	0.70 392	3.35 555	0.68 379	3.39 549	0.68 364	3.31 554	0.69 402	3.37 538	0.73 395

Sa-1000	4.34 575	8.37 564	6.84 588	6.98 579	4.45 589	3.58 555	3.00 560	3.42 555	3.39 575	2.61 536	4.00 584	3.83 560	4.01 577	3.90 559	3.90 580	5.98 583	5.62 578	3.76 560	2.34 558	4.35 550	2.47 555

SA	4.33 574	7.35 558	6.85 589	5.96 572	4.09 586	3.59 556	3.15 574	3.82 559	2.64 558	3.91 557	3.85 581	3.57 556	2.72 548	3.13 551	4.03 582	7.09 590	6.86 585	3.57 556	3.12 572	3.85 542	3.51 578

DPSNet	3.66 556	3.60 505	3.62 571	3.63 538	3.64 581	3.65 557	3.65 580	3.66 557	3.67 577	3.67 556	3.65 578	3.67 558	3.66 566	3.66 556	3.68 575	3.68 552	3.66 565	3.67 558	3.68 581	3.67 540	3.67 579

RAStereo	2.23 529	3.64 506	0.76 378	3.65 539	0.86 422	3.66 558	0.76 404	3.67 558	0.81 418	3.66 555	0.76 415	3.66 557	0.77 404	3.68 557	0.77 407	3.68 552	0.77 384	3.69 559	0.77 412	3.70 541	0.77 402

StereoVision	3.15 552	5.00 534	0.89 391	4.83 561	1.00 435	3.93 559	1.27 499	6.37 587	1.34 505	5.67 587	1.26 499	5.84 589	1.27 489	5.03 584	1.24 496	5.10 577	1.09 414	4.61 571	0.57 376	5.62 577	1.12 434

TestStereo1	4.60 576	8.41 565	6.44 586	6.86 577	3.79 583	3.97 560	3.78 582	3.99 561	3.74 579	3.97 558	3.52 576	3.94 561	3.58 563	3.98 560	3.72 577	6.82 587	6.50 583	3.76 560	3.66 579	3.90 543	3.74 582

SA-5K	4.60 576	8.41 565	6.44 586	6.86 577	3.79 583	3.97 560	3.78 582	3.99 561	3.74 579	3.97 558	3.52 576	3.94 561	3.58 563	3.98 560	3.72 577	6.82 587	6.50 583	3.76 560	3.66 579	3.90 543	3.74 582

test_3	5.01 584	8.86 570	7.77 592	8.09 582	2.76 562	4.13 562	4.05 586	3.88 560	3.76 581	4.33 562	4.13 585	3.71 559	3.91 574	4.21 563	4.06 583	7.93 591	7.69 588	4.53 564	3.91 584	4.17 547	4.29 588

test_4	4.88 582	8.13 563	6.98 590	7.46 580	4.44 588	4.25 563	3.85 584	4.04 563	3.92 583	4.13 560	3.91 582	4.18 564	3.84 573	4.14 562	4.06 583	7.01 589	7.13 586	4.53 564	3.72 582	4.09 546	3.72 580

raft_robust	4.71 580	7.75 562	5.40 583	6.81 576	3.31 575	4.28 564	4.20 587	4.32 564	4.37 588	4.35 563	4.35 587	4.14 563	3.75 570	4.30 565	4.20 585	6.67 586	6.37 581	3.36 555	4.24 589	4.86 568	3.25 575

rvit_105_1	3.83 558	5.22 538	3.01 554	4.53 549	3.01 563	4.51 565	3.01 561	4.56 567	3.04 562	4.53 566	3.03 563	4.55 569	3.03 550	4.56 567	3.04 559	4.57 560	3.05 549	4.57 566	3.05 564	4.57 554	3.05 561

cross-raft	4.83 581	7.52 559	6.43 585	6.63 575	3.96 585	4.51 565	3.99 585	4.49 565	3.96 584	4.52 564	3.96 583	4.50 566	3.97 576	4.50 566	3.97 581	6.65 585	6.44 582	4.33 563	3.92 585	4.35 550	3.91 585

rvit_0105_6	3.87 562	5.73 552	3.10 564	4.69 559	3.12 573	4.54 567	3.02 562	4.56 567	3.04 562	4.54 568	3.03 563	4.54 567	3.04 553	4.56 567	3.05 561	4.58 563	3.05 549	4.58 568	3.05 564	4.58 555	3.05 561

rvit_0105_4	3.91 565	5.47 549	3.02 557	4.54 552	3.02 564	4.54 567	3.03 566	4.75 577	3.17 573	4.57 570	3.06 566	4.61 575	3.16 561	4.65 574	3.09 567	4.66 567	3.11 556	4.68 575	3.18 574	4.81 565	3.16 573

rvit_stereo_0081_aga	3.86 560	5.33 542	3.02 557	4.55 555	3.04 569	4.54 567	3.02 562	4.64 574	3.06 566	4.54 568	3.04 565	4.62 576	3.08 557	4.62 573	3.07 564	4.58 563	3.06 553	4.60 570	3.08 568	4.63 558	3.07 565

rvit_stereo_0082	3.86 560	5.82 553	3.01 554	4.53 549	3.03 565	4.54 567	3.02 562	4.56 567	3.04 562	4.53 566	3.02 561	4.55 569	3.04 553	4.57 570	3.05 561	4.57 560	3.05 549	4.58 568	3.05 564	4.58 555	3.06 564

rvit_stereo_0081	3.83 558	5.23 539	3.01 554	4.53 549	3.03 565	4.55 571	3.02 562	4.56 567	3.04 562	4.52 564	3.02 561	4.54 567	3.03 550	4.56 567	3.04 559	4.57 560	3.05 549	4.57 566	3.05 564	4.58 555	3.05 561

rvit_stereo_0080	3.89 563	5.70 550	3.04 559	4.54 552	3.03 565	4.56 572	3.05 568	4.60 571	3.07 567	4.58 571	3.06 566	4.59 571	3.06 555	4.61 571	3.08 565	4.63 565	3.09 554	4.64 572	3.10 569	4.65 559	3.10 568

whm_eth	3.89 563	5.70 550	3.04 559	4.54 552	3.03 565	4.56 572	3.05 568	4.60 571	3.07 567	4.58 571	3.06 566	4.59 571	3.06 555	4.61 571	3.08 565	4.63 565	3.09 554	4.64 572	3.10 569	4.65 559	3.10 568

rvit_0105_3	3.91 565	5.33 542	3.06 562	4.60 557	3.07 571	4.60 574	3.06 570	4.62 573	3.08 570	4.60 573	3.07 569	4.62 576	3.08 557	4.67 575	3.10 568	4.70 568	3.11 556	4.77 579	3.19 575	4.77 564	3.14 572

rvit_stereo_ft	3.93 568	5.44 547	3.05 561	4.59 556	3.06 570	4.61 575	3.08 571	4.67 576	3.12 572	4.63 575	3.10 571	4.65 578	3.11 559	4.69 577	3.13 569	4.70 568	3.14 558	4.71 577	3.15 573	4.74 562	3.16 573

rvit_stereo_0083	3.92 567	5.30 541	3.06 562	4.61 558	3.09 572	4.67 576	3.08 571	4.66 575	3.09 571	4.62 574	3.10 571	4.66 579	3.11 559	4.67 575	3.16 570	4.72 570	3.16 559	4.77 579	3.11 571	4.66 561	3.11 570

sAnonymous2	3.31 554	2.63 470	1.38 493	3.71 541	1.86 537	4.70 577	1.11 437	4.82 580	2.72 559	5.45 585	1.98 552	4.59 571	2.64 546	2.65 537	6.21 591	4.37 554	1.08 412	5.16 585	2.24 555	4.52 552	2.39 553

CroCo_RVC	3.31 554	2.63 470	1.38 493	3.71 541	1.86 537	4.70 577	1.11 437	4.82 580	2.72 559	5.45 585	1.98 552	4.59 571	2.64 546	2.65 537	6.21 591	4.37 554	1.08 412	5.16 585	2.24 555	4.52 552	2.39 553

rvit_0105_5	4.10 569	5.40 545	3.13 567	4.71 560	3.15 574	4.72 579	3.10 573	4.90 582	3.27 574	4.69 576	3.16 573	4.84 583	3.25 562	4.96 581	3.34 572	5.05 575	3.39 564	5.10 584	3.40 576	5.11 572	3.42 576

MLG-Stereo_test3	4.26 571	4.85 532	3.95 574	5.35 567	3.60 579	4.75 580	3.76 581	5.49 586	3.71 578	5.39 583	3.69 579	4.82 582	3.66 566	4.85 578	3.73 579	4.93 571	3.19 562	4.69 576	2.99 563	4.84 567	2.98 560

DispFullNet	4.61 578	4.84 531	3.12 565	5.00 564	3.57 578	4.75 580	3.03 566	7.75 593	4.17 586	4.91 580	3.09 570	6.20 590	3.95 575	6.71 589	3.51 573	5.30 578	3.67 566	5.86 591	3.63 578	5.61 576	3.46 577

TestStereo	4.88 582	4.75 530	4.79 577	4.87 563	4.92 590	4.81 582	4.90 590	4.78 578	4.77 589	4.87 579	4.89 589	4.90 584	4.91 582	4.99 582	4.79 587	4.98 573	4.87 574	4.87 582	4.92 591	5.00 571	5.00 589

MLG-Stereo_test1	4.25 570	5.34 544	3.61 570	5.31 566	3.63 580	5.23 583	3.57 578	5.38 585	3.65 576	5.23 582	3.47 575	4.76 580	3.74 569	4.85 578	3.71 576	4.96 572	3.18 561	4.71 577	2.92 561	4.86 568	2.90 558

test_5	4.62 579	7.55 560	6.23 584	6.32 574	3.40 577	5.29 584	3.50 577	3.53 556	4.11 585	4.28 561	4.47 588	4.26 565	4.38 580	3.68 557	3.24 571	5.89 581	5.60 577	4.84 581	3.50 577	4.33 549	3.93 586

MaDis-Stereo	3.19 553	6.02 555	1.12 413	5.61 570	1.16 452	5.43 585	1.02 434	5.15 584	0.70 396	5.43 584	1.21 494	5.03 586	0.97 416	4.85 578	0.99 427	4.53 558	1.16 424	5.53 587	1.25 499	5.37 575	1.30 500

MLG-Stereo_test2	4.28 572	5.46 548	3.69 572	4.86 562	3.72 582	5.58 586	3.42 576	4.81 579	3.77 582	4.85 578	3.72 580	5.55 588	3.63 565	5.58 585	3.53 574	4.41 557	3.28 563	4.99 583	2.95 562	4.75 563	3.13 571

test-1	6.46 589	9.16 572	8.03 595	8.09 582	5.62 593	6.11 587	6.35 593	6.85 590	4.94 590	6.08 588	6.29 595	4.98 585	6.43 587	6.22 586	6.36 593	6.16 584	7.47 587	5.82 589	5.44 594	7.11 584	5.68 592

SGM-Forest	5.21 588	5.92 554	4.08 575	6.18 573	4.16 587	6.31 588	4.34 588	6.50 588	4.33 587	6.14 589	4.21 586	6.61 593	4.55 581	6.67 588	4.48 586	5.94 582	3.94 568	5.85 590	4.03 587	5.79 578	4.17 587
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FC-DCNN v2	5.10 586	5.15 536	4.49 576	5.07 565	3.37 576	6.87 589	4.75 589	5.04 583	6.34 593	7.84 593	5.06 590	6.72 594	4.09 578	4.99 582	5.44 590	5.03 574	3.16 559	4.67 574	4.86 590	5.15 573	3.89 584

RAFT	6.73 591	9.36 573	7.40 591	8.51 585	6.55 594	6.88 590	6.60 594	6.79 589	6.60 594	6.80 590	6.72 596	5.31 587	5.50 585	6.61 587	6.61 594	8.42 593	5.89 579	5.73 588	5.45 595	6.61 580	6.24 593

test-v	7.53 593	11.89 581	7.98 593	9.36 588	7.14 595	7.06 591	7.09 595	7.37 591	6.91 595	7.29 591	5.71 593	6.45 591	6.93 588	6.73 590	7.27 595	8.93 596	7.85 589	6.98 592	6.80 596	7.56 585	7.34 595

test-2	7.53 593	11.89 581	7.98 593	9.36 588	7.14 595	7.06 591	7.09 595	7.37 591	6.91 595	7.29 591	5.71 593	6.45 591	6.93 588	6.73 590	7.27 595	8.93 596	7.85 589	6.98 592	6.80 596	7.56 585	7.34 595

rvit_stereo_0075_2	6.64 590	8.80 569	5.25 580	7.89 581	5.27 592	7.90 593	5.27 591	7.92 594	5.28 591	7.91 594	5.29 592	7.93 595	5.27 583	7.92 594	5.28 588	7.93 591	5.28 576	7.93 594	5.29 593	7.93 587	5.28 591

U	5.15 587	8.49 567	1.81 517	8.49 584	1.77 531	8.49 594	1.77 528	8.51 595	1.77 533	8.49 595	1.77 531	8.50 596	1.78 521	8.58 595	1.77 534	8.54 594	1.78 522	8.55 596	1.78 541	8.55 590	1.84 536

SGM+DAISY	7.06 592	9.15 571	5.38 582	8.84 586	5.18 591	8.80 595	5.31 592	8.79 596	5.28 591	8.89 596	5.20 591	8.93 597	5.33 584	8.95 596	5.36 589	8.70 595	5.21 575	8.74 597	5.20 592	8.89 591	5.15 590

rafts_anoy	20.00 597	20.00 583	20.00 597	20.00 597	20.00 598	20.00 596	20.00 598	20.00 597	20.00 598	20.00 597	20.00 598	20.00 598	20.00 598	20.00 597	20.00 598	20.00 598	20.00 599	20.00 598	20.00 599	20.00 598	20.00 598

raft+_RVC	20.00 597	20.00 583	20.00 597	20.00 597	20.00 598	20.00 596	20.00 598	20.00 597	20.00 598	20.00 597	20.00 598	20.00 598	20.00 598	20.00 597	20.00 598	20.00 598	20.00 599	20.00 598	20.00 599	20.00 598	20.00 598

raftrobust	20.00 597	20.00 583	20.00 597	20.00 597	20.00 598	20.00 596	20.00 598	20.00 597	20.00 598	20.00 597	20.00 598	20.00 598	20.00 598	20.00 597	20.00 598	20.00 598	20.00 599	20.00 598	20.00 599	20.00 598	20.00 598

CasAABBNet	20.00 597	20.00 583	20.00 597	20.00 597	20.00 598	20.00 596	20.00 598	20.00 597	20.00 598	20.00 597	20.00 598	20.00 598	20.00 598	20.00 597	20.00 598	20.00 598	20.00 599	20.00 598	20.00 599	20.00 598	20.00 598

RALCasStereoNet	20.00 597	20.00 583	20.00 597	20.00 597	20.00 598	20.00 596	20.00 598	20.00 597	20.00 598	20.00 597	20.00 598	20.00 598	20.00 598	20.00 597	20.00 598	20.00 598	20.00 599	20.00 598	20.00 599	20.00 598	20.00 598

RALAANet	20.00 597	20.00 583	20.00 597	20.00 597	20.00 598	20.00 596	20.00 598	20.00 597	20.00 598	20.00 597	20.00 598	20.00 598	20.00 598	20.00 597	20.00 598	20.00 598	20.00 599	20.00 598	20.00 599	20.00 598	20.00 598

MANE	19.05 596	23.00 589	15.00 596	23.00 603	15.00 597	24.00 602	16.00 597	24.00 603	16.00 597	22.00 603	15.00 597	23.00 604	16.00 597	23.00 603	15.00 597	22.00 604	15.00 598	22.00 604	15.00 598	22.00 604	15.00 597

111	30.40 603	30.94 605	29.72 604	32.61 604	30.02 605	33.57 603	30.47 605	31.50 604	29.39 605	30.98 604	29.11 605	29.78 605	30.39 608	29.45 604	30.76 608	30.08 605	29.02 606	29.92 605	30.32 609	29.86 605	30.17 605

DCANet-4	35.22 605	34.54 606	35.08 610	33.58 608	35.47 612	34.55 604	35.53 612	36.08 610	35.85 609	35.92 610	35.77 611	35.18 611	35.48 610	35.39 610	37.15 614	34.55 611	33.92 610	35.02 612	34.90 611	35.79 609	34.74 612

fff	1000028.16 623	29.62 601	29.72 604	32.61 604	30.02 605	35.13 605	31.83 606	32.07 605	10000000.00 624	35.27 607	29.82 606	32.45 606	30.15 605	32.35 605	30.09 605	31.04 606	29.55 607	30.64 606	30.14 606	10000000.00 625	30.77 606

csc	1000028.16 623	29.62 601	29.72 604	32.61 604	30.02 605	35.13 605	31.83 606	32.07 605	10000000.00 624	35.27 607	29.82 606	32.45 606	30.15 605	32.35 605	30.09 605	31.04 606	29.55 607	30.64 606	30.14 606	10000000.00 625	30.77 606

cscssc	1000028.16 623	29.62 601	29.72 604	32.61 604	30.02 605	35.13 605	31.83 606	32.07 605	10000000.00 624	35.27 607	29.82 606	32.45 606	30.15 605	32.35 605	30.09 605	31.04 606	29.55 607	30.64 606	30.14 606	10000000.00 625	30.77 606

ADStereo(finetuned)	36.13 606	36.63 610	38.07 614	36.97 609	33.25 609	35.91 608	34.45 609	36.36 611	32.99 606	38.14 615	36.71 612	36.69 612	34.13 609	38.57 615	40.79 615	37.60 616	36.58 613	35.90 613	33.36 610	35.42 608	34.04 609

tt	500032.53 621	34.60 607	29.72 604	37.47 613	34.41 610	36.85 609	35.22 610	34.71 608	33.55 607	34.50 605	35.43 609	33.81 609	10000000.00 625	33.57 608	33.13 609	33.68 609	35.00 611	34.03 610	35.26 612	30.96 606	34.63 610

DCANet	500032.53 621	34.60 607	29.72 604	37.47 613	34.41 610	36.85 609	35.22 610	34.71 608	33.55 607	34.50 605	35.43 609	33.81 609	10000000.00 625	33.57 608	33.13 609	33.68 609	35.00 611	34.03 610	35.26 612	30.96 606	34.63 610

Reg-Stereo(zero)	37.00 607	37.00 611	37.00 611	37.00 610	37.00 613	37.00 611	37.00 613	37.00 612	37.00 610	37.00 611	37.00 613	37.00 613	37.00 611	37.00 611	37.00 611	37.00 613	37.00 614	37.00 614	37.00 614	37.00 610	37.00 613

HI	37.00 607	37.00 611	37.00 611	37.00 610	37.00 613	37.00 611	37.00 613	37.00 612	37.00 610	37.00 611	37.00 613	37.00 613	37.00 611	37.00 611	37.00 611	37.00 613	37.00 614	37.00 614	37.00 614	37.00 610	37.00 613

CoSv	37.00 607	37.00 611	37.00 611	37.00 610	37.00 613	37.00 611	37.00 613	37.00 612	37.00 610	37.00 611	37.00 613	37.00 613	37.00 611	37.00 611	37.00 611	37.00 613	37.00 614	37.00 614	37.00 614	37.00 610	37.00 613

WCMA_ROB	31.10 604	35.43 609	27.12 603	39.51 615	23.10 604	38.78 614	25.30 604	37.49 615	25.39 604	37.29 614	27.02 604	38.52 616	26.48 604	37.80 614	26.44 604	36.28 612	22.65 605	33.90 609	22.30 605	37.10 613	24.18 604

MDST_ROB	69.83 610	87.70 615	41.95 615	113.75 618	65.62 618	75.05 615	55.25 617	75.64 617	45.04 613	71.61 616	41.75 616	72.81 617	44.06 614	68.38 616	44.63 616	101.89 619	59.57 619	107.10 619	61.05 619	104.38 616	59.38 618

CBMV	128.50 612	1422.70 626	53.10 616	79.50 617	51.30 617	77.30 616	49.70 616	74.00 616	48.20 614	77.20 617	48.80 617	73.90 618	48.00 615	73.80 617	48.80 617	70.40 618	45.10 618	68.90 618	46.10 618	68.20 615	45.00 617
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 613	171.00 620	160.68 621	162.58 619	160.59 619	164.01 617	160.35 619	158.51 619	158.56 616	158.34 618	160.12 619	158.56 619	159.92 617	157.26 619	158.94 619	154.38 620	158.36 620	155.75 620	159.13 621	153.67 617	154.07 619
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
NOSS_ROB	102.95 611	153.00 619	121.00 618	51.00 616	44.00 616	165.00 618	127.00 618	153.00 618	119.00 615	164.00 619	125.00 618	168.00 620	120.00 616	153.00 618	117.00 618	49.00 617	44.00 617	49.00 617	44.00 617	49.00 614	44.00 616

AE-Stereo	201.80 614	123.00 616	115.00 617	219.00 620	218.00 621	223.00 619	244.00 621	217.00 620	236.00 618	202.00 620	203.00 620	205.00 621	208.00 618	225.00 620	204.00 620	210.00 621	198.00 621	197.00 621	184.00 622	204.00 618	201.00 620

MGS-Stereo	239.45 615	123.00 616	135.00 619	266.00 621	286.00 622	277.00 620	305.00 622	271.00 621	242.00 619	274.00 621	279.00 622	255.00 622	270.00 620	268.00 621	297.00 622	221.00 622	247.00 623	216.00 622	123.00 620	217.00 619	217.00 622

EGLCR-Stereo	246.90 616	129.00 618	139.00 620	266.00 621	286.00 622	277.00 620	305.00 622	271.00 621	242.00 619	274.00 621	279.00 622	255.00 622	270.00 620	268.00 621	297.00 622	230.00 623	247.00 623	216.00 622	223.00 624	237.00 620	227.00 623

DLCB_ROB	284.23 617	354.61 622	207.27 622	363.24 623	206.46 620	364.72 622	210.41 620	364.72 623	210.41 617	364.81 623	208.64 621	364.81 624	208.64 619	364.72 623	210.41 621	354.70 624	205.53 622	354.70 624	205.53 623	354.70 621	205.53 621

LE_ROB	396.57 618	471.28 623	329.84 623	471.48 624	308.15 624	526.83 623	322.10 624	488.15 624	323.76 621	495.46 624	317.97 624	497.17 625	320.10 622	481.62 624	326.76 624	462.71 625	298.97 625	466.16 625	285.98 625	447.62 622	289.21 624

SGM-ForestM	596.69 619	677.77 624	444.52 624	699.85 625	517.25 625	732.94 624	488.29 625	770.79 625	460.11 622	750.81 625	487.98 625	792.79 626	499.41 623	730.90 625	475.81 625	720.03 626	491.16 626	663.96 626	418.60 626	674.76 623	436.05 625

CBMV_ROB	818.48 620	913.88 625	709.52 625	862.84 626	597.78 626	1073.99 625	700.52 626	1015.66 626	702.59 623	1115.65 626	760.02 626	1130.24 627	721.57 624	1037.41 626	692.65 626	814.05 627	564.29 627	843.28 627	595.31 627	915.51 624	602.92 626

111111	10000000.00 626	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 624	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 625	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 625	10000000.00 627

SGD-Stereo	10000000.00 626	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 624	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 625	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 625	10000000.00 627

IGEV-Stereo++	10000000.00 626	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 624	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 625	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 625	10000000.00 627

IGEV-BASED-STEREO-	10000000.00 626	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 624	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 625	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 625	10000000.00 627

IGEV-Stereo+	10000000.00 626	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 624	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 625	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 625	10000000.00 627

SDNR	10000000.00 626	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 624	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 625	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 625	10000000.00 627

anonymousdsp2	10000000.00 626	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 624	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 625	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 625	10000000.00 627

anonymousdsp	10000000.00 626	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 624	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 625	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 625	10000000.00 627

test_example2	10000000.00 626	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 624	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 625	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 625	10000000.00 627

DIP-Stereo	10000000.00 626	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 626	10000000.00 627	10000000.00 627	10000000.00 624	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 625	10000000.00 627	10000000.00 627	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 628	10000000.00 625	10000000.00 627
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
GS-Stereo							0.38 301	0.50 316	0.38 301	0.50 327	0.38 307	0.50 334	3.79 571	0.50 324	0.38 293	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.35 279

FADE		0.06 54		0.09 55	0.10 121							0.05 91				0.15 125	0.10 75	0.17 153	0.13 155	0.11 123

Low-res two-view benchmark