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

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	0.69 364	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

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	0.79 400	0.02 15	0.75 374	0.76 385	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	1.62 459	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

AnyNet_C32	0.14 112	0.04 37	0.03 36	2.22 478	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

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

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

BEATNet_4x	0.11 87	0.03 31	0.03 36	1.60 456	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	1.60 456	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

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

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	1.57 510	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 104

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	1.71 519	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

ADCRef	0.12 96	0.03 31	0.04 43	1.71 462	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

ADCP+	0.15 124	0.04 37	0.04 43	2.20 477	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
APVNet	0.09 52	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 411	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

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	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	1.65 514	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

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

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

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

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	1.66 516	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

GwcNet	0.12 96	0.07 58	0.05 57	0.08 49	0.05 99	0.08 105	1.20 440	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

SuperB	0.21 151	0.10 68	2.51 544	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

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

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

BEATNet-Init1	0.19 142	0.08 59	0.08 60	2.23 479	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	2.23 479	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

test_sample2	0.09 52	1.03 299	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

SMFormer	0.09 52	1.01 293	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

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

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

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	1.07 306	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_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

DualNet	0.10 65	1.07 306	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

xxx	0.09 52	1.01 293	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

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

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

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

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	3.06 486	1.36 482	1.58 452	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

DualNet (step1)	0.10 65	1.05 303	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	1.05 303	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	1.05 303	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	1.00 287	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_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

mmm	0.14 112	1.83 406	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

ffm	0.25 164	3.83 506	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	3.83 506	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	3.83 506	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

ttt	0.10 65	1.09 308	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

qqq	0.16 132	2.01 423	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

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

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

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	0.69 386	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	0.76 394

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	0.73 388

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
test_sample4	0.10 65	1.03 299	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

qqq1	0.25 164	3.70 500	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	3.70 500	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

1111x	0.10 65	1.14 313	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

xxxx	0.11 87	1.16 318	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

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	0.82 400

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

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

x	0.11 87	1.15 316	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

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

test_xeample	0.10 65	1.09 308	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

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
PDISCO_ROB	0.83 370	2.80 482	3.49 561	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	3.30 546	0.13 147	0.14 116	2.34 538	0.16 145	0.12 147	2.62 527	0.10 116

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
OmniDepth	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: OmniDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
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

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

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

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

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

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

cf-r	0.66 326	2.17 433	0.12 101	0.18 131	0.12 153	0.18 154	2.70 551	2.60 526	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	1.81 486	1.74 527

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

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
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

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

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

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

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)
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

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
DDVS	0.30 180	3.10 487	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

ACVNet	0.20 144	0.19 100	0.14 126	0.20 137	0.14 158	0.20 162	0.96 419	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	0.96 419	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

hitnet-ft	0.79 354	2.78 481	0.14 126	0.20 137	0.14 158	0.21 173	2.89 552	2.80 540	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	2.54 526	2.33 544

PSMNet-RSSM	0.77 350	2.76 476	0.14 126	0.20 137	0.14 158	0.20 162	2.66 549	2.79 539	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	2.52 518	2.31 542

GwcNet-RSSM	0.77 350	2.77 478	0.14 126	0.20 137	0.14 158	0.20 162	2.67 550	2.78 538	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	2.52 518	2.31 542

CFNet-ft	0.55 309	1.57 393	0.14 126	0.20 137	0.14 158	0.20 162	2.53 548	1.61 480	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	1.56 474	1.24 490

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

zh-mn7	0.12 96	1.14 313	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

11t1	0.17 136	2.16 432	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

GANet-RSSM	0.75 345	1.91 415	0.14 126	0.47 260	0.14 158	0.21 173	3.21 568	2.30 512	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	2.13 496	2.12 537

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

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	3.08 559

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	3.08 559

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	2.84 550

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	1.19 440	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	1.19 440	0.20 158	0.17 164	0.24 192	0.14 161	0.20 163	0.14 155

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
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

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

GEStereo_RVC	0.86 376	4.45 520	0.20 167	0.27 174	0.20 199	0.27 203	0.20 185	0.26 193	0.18 182	5.03 574	0.20 196	0.27 204	0.19 190	0.27 203	0.21 190	0.20 158	0.19 174	0.19 166	4.02 579	0.20 163	0.18 175

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

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

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

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

ACV-stereo	0.30 180	2.08 425	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

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

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

dad	0.23 159	1.03 299	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

psm_up	0.43 262	1.19 322	0.17 152	0.25 164	0.18 192	0.25 191	0.19 181	1.26 467	0.91 415	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	1.18 411	0.99 415

UPFNet	0.42 261	1.20 323	0.17 152	0.24 159	0.17 182	0.25 191	0.17 170	1.19 415	0.90 413	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	1.15 403	0.93 410

ac_64	0.22 155	0.13 82	0.19 164	0.23 154	0.10 121	0.26 199	1.02 427	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

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

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

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

MMNet	0.44 267	1.24 377	0.17 152	0.25 164	0.17 182	0.25 191	0.18 177	1.26 467	0.93 420	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	1.20 414	0.99 415

delet	0.43 262	1.21 369	0.17 152	0.25 164	0.17 182	0.25 191	0.18 177	1.26 467	0.95 422	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	1.18 411	0.98 414

CFNet	1.37 468	5.27 533	0.19 164	5.49 560	0.19 196	0.28 204	0.19 181	0.28 197	0.19 188	0.28 200	0.19 192	0.28 205	4.35 572	0.28 207	0.19 183	0.23 179	0.17 164	0.23 184	4.21 581	4.81 558	0.17 171

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

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

gwcnet-sp	0.82 366	1.72 399	1.48 492	0.39 209	0.15 169	0.31 213	0.21 191	0.20 160	0.25 211	1.61 486	0.23 207	0.28 205	0.26 223	0.20 159	0.15 161	0.24 184	1.33 478	0.32 220	0.16 169	6.75 574	0.23 187

scenet	0.82 366	1.72 399	1.48 492	0.39 209	0.15 169	0.31 213	0.21 191	0.20 160	0.25 211	1.61 486	0.23 207	0.28 205	0.26 223	0.20 159	0.15 161	0.24 184	1.33 478	0.32 220	0.16 169	6.75 574	0.23 187

ssnet_v2	0.68 331	1.96 422	1.25 470	0.29 176	0.20 199	0.30 208	0.20 185	0.29 202	0.22 197	1.50 482	0.20 196	0.31 218	0.20 194	0.27 203	0.22 192	0.24 184	1.49 493	0.26 200	0.18 194	3.90 536	0.19 177

ssnet	0.82 366	1.72 399	1.48 492	0.39 209	0.15 169	0.31 213	0.21 191	0.20 160	0.25 211	1.61 486	0.23 207	0.28 205	0.26 223	0.20 159	0.15 161	0.24 184	1.33 478	0.32 220	0.16 169	6.75 574	0.23 187

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	2.90 551

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_RVC	0.30 180	1.14 313	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	1.17 319	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

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.
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	0.73 399	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	0.75 404	0.28 193	0.30 243

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

DCVSM-stereo	0.36 215	1.89 412	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

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

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

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

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

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

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.
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

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

WCG-NET（raft）	0.32 195	1.24 377	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

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
DISCO	1.11 410	0.39 158	5.28 574	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	6.95 585	0.22 192	0.30 205	0.21 180	0.27 204	0.21 198	5.25 567	0.21 182

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

w-ln-seven-2	0.14 112	1.22 375	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

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

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

GES	0.66 326	2.34 449	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	2.46 552	2.49 514	0.30 243

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

ACVNet-DCA	0.37 221	1.00 287	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	1.02 297	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	1.02 297	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

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

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

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

xx1	0.38 227	1.03 299	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

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

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

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

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

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

z-mn7	0.16 132	1.21 369	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

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

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

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

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

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

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

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

UCFNet_RVC	2.75 542	10.06 571	0.29 201	10.31 587	0.29 245	0.42 289	0.29 240	0.43 286	0.29 239	0.42 275	0.29 243	0.42 288	9.87 589	0.43 287	0.29 236	0.36 233	9.84 589	0.36 257	0.26 226	9.77 588	0.26 204

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	0.68 377	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	0.69 382	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	0.73 392	0.37 237	0.32 237	0.40 284	0.29 249	0.37 240	0.30 243

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

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

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)
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

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

IER	0.88 378	7.04 549	2.23 537	2.75 497	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

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
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

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	0.69 382	0.38 248	0.33 248	0.40 284	0.30 263	0.38 253	0.30 243

w-ln-seven	0.18 139	1.47 390	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

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	1.88 411	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

RAFT-Stereo-weight	0.45 270	1.90 414	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

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

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

RCA-Stereo	0.51 300	3.22 492	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

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

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	0.71 369	0.39 279	0.35 303	0.41 278	0.41 309

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

Gwc-CoAtRS	0.41 250	1.49 391	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

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

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

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

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.
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

PCWNet_CMD	2.80 544	9.82 569	0.32 222	10.09 586	0.32 267	0.49 321	0.33 266	3.34 546	0.33 272	0.49 314	0.33 274	0.49 319	8.73 585	0.48 311	0.33 260	0.41 271	9.22 584	0.42 312	0.29 249	9.55 587	0.31 252

CFNet_ucs	2.73 541	9.64 568	0.33 227	9.92 584	0.32 267	0.49 321	0.33 266	0.49 308	0.33 272	0.49 314	0.33 274	0.49 319	8.98 587	0.48 311	0.33 260	0.41 271	9.96 590	0.40 284	0.29 249	10.12 590	0.54 352

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

CFNet_pseudo	2.67 540	9.36 566	0.32 222	10.99 588	0.33 279	0.85 384	0.33 266	0.49 308	0.33 272	0.49 314	0.32 267	0.49 319	7.26 583	0.49 317	0.33 260	0.41 271	9.62 587	0.41 301	0.29 249	10.03 589	0.29 230

pcwnet_v2	2.66 539	9.89 570	0.33 227	9.89 583	0.32 267	0.50 329	0.32 256	0.49 308	0.33 272	0.49 314	0.34 282	0.49 319	8.76 586	0.48 311	0.33 260	0.41 271	9.58 586	0.40 284	0.29 249	9.01 585	0.63 370

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

ccnet	0.80 356	2.28 441	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	1.56 497	2.38 516	0.33 260	0.41 271	0.29 219	0.42 312	1.57 512	2.28 502	0.29 230

CFNet-RSSM	0.91 381	4.89 526	0.34 237	0.44 252	1.07 436	1.62 491	1.40 505	0.91 384	0.35 284	1.60 483	1.39 505	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

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	2.79 543	10.17 573	0.32 222	10.00 585	0.33 279	0.49 321	0.33 266	1.90 491	0.32 265	0.51 334	0.33 274	0.49 319	9.24 588	0.49 317	0.33 260	0.41 271	9.82 588	0.41 301	0.28 239	9.34 586	0.29 230

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

MSMDNet	2.65 538	10.14 572	0.33 227	9.74 582	0.32 267	0.87 386	0.33 266	2.95 542	0.68 383	0.49 314	0.34 282	0.49 319	5.70 579	0.49 317	0.33 260	0.42 285	9.57 585	0.41 301	0.31 273	8.36 582	0.65 372

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

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

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	0.75 392

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

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

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

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

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
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

GCST	0.50 295	2.08 425	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

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

UGAM-zero	0.51 300	2.17 433	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	2.23 438	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

MyStereo07	0.60 313	3.72 503	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	3.72 503	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

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	0.71 394	0.67 368	0.50 362	1.16 427	1.11 421	0.66 363	0.52 355	0.49 306	0.49 322	0.51 354	0.66 388	0.50 320	1.14 431

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

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

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

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

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
ktn	0.72 341	0.53 220	1.08 405	1.14 379	0.51 367	1.22 470	1.36 498	0.51 329	0.59 370	0.51 334	0.51 368	0.69 373	1.20 432	0.67 365	0.51 353	0.51 318	0.49 322	0.58 364	0.66 388	0.52 328	0.53 349

DDF-Stereo	0.43 262	1.15 316	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

GASTEREO	0.48 287	1.21 369	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

PML	0.46 276	1.36 385	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

CFNet_RVC	2.38 532	8.71 561	0.38 254	9.33 579	0.42 338	0.56 351	0.42 328	0.60 351	0.38 301	0.62 361	0.42 335	0.56 356	7.29 584	0.62 356	0.42 323	0.53 323	0.37 259	0.49 345	0.34 291	8.30 581	6.87 587

GEAStereo	0.62 319	3.91 510	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	4.28 519	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	3.79 564	0.50 324	0.38 293	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.35 279

GS-Stereo							0.38 301	0.50 316	0.38 301	0.50 327	0.38 307	0.50 334	3.79 564	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	3.91 510	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

MyStereo8	0.71 338	3.92 512	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

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

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

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

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.
z-ln-s-r	0.21 151	1.40 388	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

MonSter	0.60 313	0.64 237	0.52 325	0.62 308	0.44 341	2.07 506	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

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

MSCF	0.51 300	1.40 388	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

MyStereo06	0.75 345	4.12 513	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	4.12 513	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

LL-Strereo2	0.48 287	1.73 404	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

FSD	0.61 316	0.59 231	0.50 315	2.58 495	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

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

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

AIO-Stereo-zeroshot	0.91 381	0.86 257	0.89 384	1.25 438	0.69 397	1.05 407	0.81 405	1.16 410	0.50 355	1.12 419	0.97 424	0.72 377	0.82 401	1.06 413	0.95 416	0.61 340	0.87 386	1.03 423	0.85 416	1.04 396	1.01 420

PAM_32	0.64 323	2.38 453	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

AIO-Stereo-zeroshot1	0.75 345	0.92 274	0.85 383	0.96 359	0.59 376	1.27 473	0.44 331	0.59 349	0.69 386	0.91 393	0.68 390	0.55 353	0.61 369	1.06 413	0.83 406	0.62 344	0.70 365	0.90 403	0.41 335	0.89 376	0.56 360

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

WCG-NET	0.61 316	1.21 369	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

DSFCA	0.66 326	0.73 243	0.78 375	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	0.65 386	0.66 343	0.64 371

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	0.67 392	0.68 345	0.73 388

PA-Net	11.80 588	223.51 614	0.62 344	0.59 303	0.71 401	0.59 359	0.73 394	0.67 360	0.73 399	0.55 348	0.61 380	0.60 363	0.74 391	0.63 360	0.73 392	0.66 349	0.60 348	0.69 376	0.66 388	0.72 351	0.65 372
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
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

HH	0.71 338	2.54 459	0.74 369	1.10 373	0.32 267	0.41 269	0.37 295	0.69 362	0.78 403	0.73 374	0.90 415	0.75 381	1.00 411	0.84 382	0.69 382	0.69 352	0.40 275	0.35 252	0.26 226	0.35 229	0.26 204

HanStereo	0.71 338	2.54 459	0.74 369	1.10 373	0.32 267	0.41 269	0.37 295	0.69 362	0.78 403	0.73 374	0.90 415	0.75 381	1.00 411	0.84 382	0.69 382	0.69 352	0.40 275	0.35 252	0.26 226	0.35 229	0.26 204

DMCA-RVC	0.70 335	0.80 248	0.70 358	0.70 323	0.70 399	0.70 370	0.70 388	0.71 365	0.70 389	0.70 371	0.71 399	0.71 374	0.70 384	0.70 367	0.69 382	0.69 352	0.70 365	0.69 376	0.70 397	0.69 349	0.70 380

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

TorneroNet	0.66 326	0.53 220	0.50 315	0.50 278	0.64 387	1.06 408	0.70 388	0.50 316	0.51 362	0.49 314	0.69 393	0.49 319	0.50 353	0.48 311	1.15 433	0.71 356	0.49 322	1.14 426	1.08 431	0.49 315	0.49 337

999	1.00 395	1.12 312	0.59 336	1.10 373	1.21 495	1.09 414	0.52 361	1.08 402	1.43 507	1.18 424	1.35 499	0.98 407	0.52 359	0.91 392	0.85 407	0.72 357	1.46 491	0.83 398	0.98 423	0.68 345	1.41 503

iGMRVC	0.84 373	2.85 483	0.72 365	0.72 326	0.73 404	0.77 375	0.79 400	0.73 367	0.74 401	0.73 374	0.72 402	0.73 379	0.76 394	0.73 371	0.73 392	0.72 357	0.73 371	0.73 380	0.72 402	0.73 354	0.72 385

zero-FE	0.72 341	1.31 381	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

GCAP-Stereo	0.75 345	4.15 516	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

RAFT-Stereo + iAFF	0.70 335	0.72 242	0.71 362	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	0.70 384	0.73 371	0.61 367	0.76 361	0.61 352	0.74 382	0.61 382	0.77 358	0.61 366

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	0.72 396	0.83 388	0.70 395	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

G-Net	0.79 354	0.79 247	0.79 378	0.79 331	0.79 410	0.79 379	0.79 400	0.79 370	0.79 406	0.79 383	0.79 410	0.79 386	0.79 398	0.79 376	0.79 400	0.79 363	0.79 378	0.79 388	0.79 408	0.79 361	0.79 396

FC-DCNN	1.07 406	1.09 308	0.98 397	0.89 342	0.52 368	1.41 484	0.91 413	1.21 463	1.24 493	1.96 495	2.05 550	1.91 497	1.30 485	1.27 477	1.08 427	0.80 364	0.60 348	0.58 364	0.41 335	0.68 345	0.54 352

NaN_ROB	0.80 356	0.80 248	0.80 379	0.80 333	0.80 412	0.80 380	0.80 403	0.80 372	0.80 407	0.80 384	0.80 411	0.80 387	0.80 399	0.80 378	0.80 402	0.80 364	0.80 381	0.80 391	0.80 410	0.80 364	0.80 397

CSAN	0.80 356	0.80 248	0.80 379	0.80 333	0.80 412	0.80 380	0.80 403	0.80 372	0.80 407	0.80 384	0.80 411	0.80 387	0.80 399	0.80 378	0.80 402	0.80 364	0.80 381	0.80 391	0.80 410	0.80 364	0.80 397

FlowAnything_test	1.02 403	1.72 399	0.71 362	1.59 453	0.70 399	1.61 489	0.69 384	1.61 480	0.70 389	1.60 483	0.70 395	1.61 492	0.69 382	1.61 487	0.70 388	0.81 367	0.58 345	0.81 393	0.55 370	0.81 367	0.56 360

FlowAnything	1.02 403	1.71 398	0.72 365	1.59 453	0.69 397	1.60 488	0.69 384	1.61 480	0.70 389	1.60 483	0.69 393	1.60 489	0.69 382	1.61 487	0.69 382	0.81 367	0.58 345	0.81 393	0.56 374	0.82 369	0.56 360

RSM++	0.76 349	0.82 253	0.66 351	0.85 340	0.64 387	0.85 384	0.71 391	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	0.70 365	0.79 388	0.71 400	0.83 371	0.70 380

Selective-RAFT-Error	0.88 378	0.84 254	0.98 397	0.86 341	0.97 426	0.88 387	0.95 418	0.84 377	0.99 428	0.92 395	0.82 413	0.84 392	0.98 410	0.87 387	0.97 418	0.81 367	0.83 384	0.79 388	0.82 413	0.79 361	0.85 402

DCRE	0.84 373	1.89 412	0.77 374	0.94 354	0.72 403	0.88 387	0.73 394	0.87 378	0.78 403	0.90 391	0.71 399	0.88 394	0.67 378	0.88 388	0.73 392	0.81 367	0.68 360	0.81 393	0.70 397	0.82 369	0.70 380

4D-IteraStereo	0.78 353	3.13 489	0.89 384	0.69 319	0.32 267	0.40 253	0.32 256	0.76 368	0.97 425	0.52 337	0.65 386	0.89 396	0.32 267	0.76 375	0.98 419	0.83 372	0.94 393	0.35 252	0.27 234	0.70 350	0.89 406

Selective-RAFT	0.89 380	0.89 264	0.72 365	1.16 386	0.78 409	1.06 408	0.82 406	0.87 378	0.97 425	1.00 403	0.91 418	0.90 397	1.00 411	0.89 390	0.93 415	0.83 372	0.83 384	0.82 397	0.82 413	0.81 367	0.82 400

DDUNet	0.81 361	2.45 457	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

MoCha-V2	2.11 508	26.97 592	0.78 375	0.92 348	0.77 408	0.96 397	0.72 393	0.90 382	0.72 396	0.94 399	0.70 395	0.90 397	0.71 388	0.91 392	0.71 390	0.85 375	0.71 369	0.88 402	0.69 395	0.87 374	0.67 376

UDG	0.80 356	2.21 437	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

Syn2CoEx	0.25 164	1.31 381	0.74 369	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	0.75 374	0.02 18	0.02 20	0.02 20	0.02 20

STTRV1_RVC	0.82 366	1.60 395	0.70 358	1.01 366	0.60 377	1.07 411	0.69 384	1.01 399	0.60 371	0.72 372	0.55 373	1.02 413	0.68 379	1.03 411	0.67 373	0.89 378	0.63 354	0.92 408	0.57 376	0.90 379	0.65 372

LG-Stereo	0.60 313	0.58 230	0.47 296	0.64 313	0.74 406	1.00 400	0.69 384	0.57 344	0.41 324	0.57 353	0.41 325	0.57 358	0.41 319	1.00 406	0.75 396	0.91 379	0.51 333	0.52 357	0.37 311	0.52 328	0.37 286

tt45	1.04 405	0.88 261	1.36 482	0.92 348	1.03 434	1.51 487	0.79 400	0.70 364	0.88 412	0.74 379	0.90 415	1.60 489	0.72 389	1.60 485	0.75 396	0.91 379	0.78 377	1.52 498	0.79 408	1.14 401	1.32 495

ToySt	0.92 383	2.11 428	0.90 387	0.95 356	0.79 410	0.99 399	0.78 399	0.94 391	0.81 410	0.94 399	0.78 409	0.95 404	0.77 396	0.94 398	0.86 408	0.91 379	0.79 378	0.85 400	0.77 405	0.89 376	0.73 388

AdaDepth	0.86 376	0.93 276	0.71 362	1.01 366	1.07 436	1.02 405	0.71 391	1.00 395	0.71 394	1.01 407	0.71 399	1.00 408	0.72 389	1.14 424	0.71 390	0.92 382	0.64 356	0.90 403	0.64 385	0.89 376	0.69 379

DGTPSM_ROB	0.93 388	1.00 287	0.92 392	0.94 354	0.96 425	0.91 391	0.92 414	0.91 384	0.96 424	0.91 393	0.96 423	0.93 403	0.92 406	0.94 398	0.92 411	0.92 382	0.92 391	0.90 403	0.92 418	0.94 386	0.91 408

DPSM_ROB	0.92 383	0.91 269	0.91 390	0.91 345	0.92 421	0.92 392	0.92 414	0.92 387	0.91 415	0.93 397	0.91 418	0.92 400	0.90 403	0.91 392	0.92 411	0.92 382	0.91 389	0.91 406	0.92 418	0.93 384	0.93 410

DPSM	0.92 383	0.91 269	0.91 390	0.91 345	0.92 421	0.92 392	0.92 414	0.92 387	0.91 415	0.93 397	0.91 418	0.92 400	0.90 403	0.91 392	0.92 411	0.92 382	0.91 389	0.91 406	0.92 418	0.93 384	0.93 410

pmcnn	0.92 383	0.92 274	0.92 392	0.92 348	0.92 421	0.92 392	0.92 414	0.92 387	0.92 419	0.92 395	0.92 422	0.92 400	0.92 406	0.92 396	0.92 411	0.92 382	0.92 391	0.92 408	0.92 418	0.92 383	0.92 409

R-Stereo Train	0.81 361	0.96 280	0.67 355	0.95 356	0.67 393	0.95 395	0.68 381	0.95 393	0.68 383	0.95 401	0.68 390	0.96 405	0.68 379	0.96 402	0.68 377	0.94 387	0.68 360	0.94 410	0.68 393	0.94 386	0.68 377

RAFT-Stereo	0.81 361	0.96 280	0.67 355	0.95 356	0.67 393	0.95 395	0.68 381	0.95 393	0.68 383	0.95 401	0.68 390	0.96 405	0.68 379	0.96 402	0.68 377	0.94 387	0.68 360	0.94 410	0.68 393	0.94 386	0.68 377
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GANet	1.00 395	1.00 287	1.00 399	1.00 363	1.00 427	1.00 400	1.00 422	1.00 395	1.00 429	1.00 403	1.00 426	1.00 408	1.00 411	1.00 406	1.00 421	1.00 389	1.00 394	1.00 417	1.00 425	1.00 390	1.00 417

TDLM	1.00 395	1.00 287	1.00 399	1.00 363	1.00 427	1.00 400	1.00 422	1.00 395	1.00 429	1.00 403	1.00 426	1.00 408	1.00 411	1.00 406	1.00 421	1.00 389	1.00 394	1.00 417	1.00 425	1.00 390	1.00 417

CVANet_RVC	1.00 395	1.00 287	1.00 399	1.00 363	1.00 427	1.00 400	1.00 422	1.00 395	1.00 429	1.00 403	1.00 426	1.00 408	1.00 411	1.00 406	1.00 421	1.00 389	1.00 394	1.00 417	1.00 425	1.00 390	1.00 417

trnet	1.01 401	1.01 293	1.01 402	1.01 366	1.01 431	1.01 404	1.01 425	1.01 399	1.01 432	1.01 407	1.01 429	1.01 412	1.01 417	1.01 410	1.01 424	1.01 392	1.01 397	1.01 420	1.01 429	1.01 393	1.01 420

AIO-Stereo	0.84 373	0.66 238	0.70 358	0.83 337	0.67 393	0.98 398	0.82 406	1.14 406	0.72 396	1.03 409	0.74 405	1.03 414	1.09 420	0.99 404	0.45 328	1.04 393	0.73 371	0.95 412	0.74 403	0.94 386	0.46 323

HBP-ISP	1.24 462	1.72 399	1.65 502	1.15 381	0.76 407	1.40 482	0.88 409	1.67 486	1.02 433	1.69 490	1.38 504	1.69 493	1.21 478	1.87 497	1.21 487	1.05 394	0.79 378	0.97 415	0.80 410	1.19 413	0.75 392

GLC_STEREO	1.07 406	1.01 293	1.06 404	1.07 371	1.05 435	1.06 408	1.08 429	1.08 402	1.05 435	1.07 411	1.06 431	1.08 416	1.05 419	1.06 413	1.10 428	1.07 395	1.09 407	1.05 424	1.05 430	1.06 397	1.12 427

NCC-stereo	2.36 528	25.52 587	1.17 412	1.15 381	1.17 445	1.11 418	1.11 430	1.15 407	1.16 438	1.10 413	1.16 437	1.10 420	1.15 425	1.14 424	1.13 431	1.09 396	1.11 411	1.15 427	1.16 437	1.17 410	1.17 436

Abc-Net	2.32 525	24.75 584	1.14 408	1.17 387	1.17 445	1.11 418	1.15 434	1.17 412	1.21 490	1.08 412	1.16 437	1.12 424	1.14 424	1.09 417	1.17 437	1.09 396	1.16 417	1.17 432	1.17 438	1.16 405	1.11 425
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AF-Net	2.37 530	25.71 588	1.17 412	1.13 378	1.15 440	1.15 422	1.18 438	1.19 415	1.16 438	1.10 413	1.15 434	1.10 420	1.18 430	1.12 423	1.15 433	1.10 398	1.10 410	1.17 432	1.15 435	1.16 405	1.12 427

RGC	2.36 528	25.48 586	1.19 416	1.15 381	1.15 440	1.10 415	1.16 436	1.17 412	1.16 438	1.12 419	1.16 437	1.11 423	1.13 422	1.09 417	1.18 438	1.10 398	1.15 416	1.16 428	1.12 433	1.14 401	1.12 427

edge stereo	2.43 533	27.07 593	1.14 408	1.06 370	1.14 439	1.08 412	1.17 437	1.16 410	1.14 436	1.10 413	1.16 437	1.09 418	1.16 429	1.10 419	1.16 436	1.10 398	1.11 411	1.16 428	1.19 439	1.13 400	1.11 425

Nwc_Net	2.37 530	25.95 589	1.15 410	1.14 379	1.15 440	1.08 412	1.14 433	1.17 412	1.16 438	1.14 422	1.15 434	1.08 416	1.15 425	1.11 421	1.14 432	1.10 398	1.11 411	1.16 428	1.09 432	1.16 405	1.15 432

MSMD_ROB	1.19 413	1.10 311	0.70 358	1.10 373	0.60 377	1.10 415	0.70 388	1.10 405	0.70 389	1.10 413	0.70 395	1.10 420	0.70 384	7.00 586	0.70 388	1.10 398	0.70 365	1.10 425	0.70 397	1.10 399	0.70 380

RP	2.33 526	25.00 585	1.13 407	1.15 381	1.15 440	1.10 415	1.15 434	1.15 407	1.15 437	1.12 419	1.15 434	1.09 418	1.13 422	1.10 419	1.15 433	1.11 403	1.09 407	1.16 428	1.12 433	1.16 405	1.17 436

MLG-Stereo	0.92 383	0.90 267	0.84 382	1.27 439	0.49 358	1.38 480	0.88 409	1.41 478	0.97 425	0.73 374	1.09 432	1.26 477	0.43 328	0.72 369	1.05 426	1.13 404	0.49 322	1.18 435	0.66 388	1.01 393	0.46 323

HSM-Net_RVC	0.95 391	1.17 319	0.78 375	1.18 388	0.71 401	1.16 423	0.75 396	1.09 404	0.80 407	1.10 413	0.75 406	1.17 428	0.74 391	1.17 427	0.80 402	1.13 404	0.73 371	1.17 432	0.77 405	1.16 405	0.72 385
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
stereogan	2.33 526	24.38 583	1.18 414	1.18 388	1.18 447	1.14 421	1.18 438	1.19 415	1.19 444	1.14 422	1.18 441	1.14 425	1.18 430	1.14 424	1.18 438	1.14 406	1.14 415	1.19 436	1.19 439	1.15 403	1.19 440

DPSimNet_ROB	0.97 392	1.18 321	0.81 381	1.10 373	0.91 420	1.02 405	0.82 406	1.04 401	0.91 415	1.03 409	0.86 414	1.28 479	0.82 401	1.03 411	0.89 409	1.17 407	0.81 383	1.02 421	0.82 413	1.08 398	0.81 399

S-Stereo	2.51 535	26.86 591	1.23 468	1.22 435	1.22 497	1.24 472	1.25 489	1.22 464	1.24 493	1.21 471	1.24 490	1.19 429	1.27 482	1.19 428	1.24 489	1.19 408	1.20 422	1.25 484	1.19 439	1.24 462	1.23 489

DisPM	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

CrosDoStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

PFNet+	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

LCNet	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

HHNet	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

Patchmatch Stereo++	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441
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	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

STrans-v2	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

TransformOpticalFlow	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

OMP-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

IIG-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

NF-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

OCTAStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

PSM-softLoss	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

KMStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

NRIStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

PSM-adaLoss	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

PSM-AAD	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

FTStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

ROB_FTStereo_v2	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

ROB_FTStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

Consistency-Raft	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

KYRaft	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

HUI-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

ASMatch	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

DeepStereo_LL	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

DEmStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

SST-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

THIR-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

RAFT_R40	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

DRaft	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

PFNet	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

GrayStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

RE-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

Pruner-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

TVStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

DeepStereo_RVC	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

RAFT-RH_RVC	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

IRAFT_RVC	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

RAFT-345	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

iRAFT	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

CRE-IMP	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

GMM-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

RAFT-IKP	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

Prome-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 418	1.20 445	1.20 426	1.20 442	1.20 430	1.20 432	1.20 429	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 441

Wavelet-MonSter	1.00 395	1.21 369	0.76 372	1.94 467	1.01 431	1.11 418	0.76 397	1.15 407	0.76 402	1.11 418	0.76 407	1.14 425	0.76 394	1.11 421	0.76 398	1.21 454	0.90 387	1.02 421	0.71 400	1.02 395	0.71 384

FAT-Stereo	2.46 534	26.05 590	1.23 468	1.23 437	1.22 497	1.20 424	1.24 488	1.23 466	1.23 492	1.19 425	1.22 488	1.21 475	1.24 480	1.20 429	1.24 489	1.21 454	1.17 420	1.22 483	1.25 492	1.20 414	1.24 490

CroCo-Stereo	0.73 343	1.22 375	0.25 186	1.22 435	0.25 221	1.22 470	0.25 212	1.22 464	0.25 211	1.22 472	0.25 220	1.22 476	0.25 214	1.22 475	0.25 210	1.22 456	0.26 195	1.21 482	0.25 220	1.22 461	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
CSP-Net	0.34 200	1.29 379	1.19 416	1.36 446	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	1.26 457	1.21 468	0.03 38	0.09 111	0.02 20	0.09 111

CroCo-Stereo Lap2	0.77 350	1.29 379	0.29 201	1.27 439	0.29 245	1.27 473	0.26 220	1.26 467	0.26 224	1.26 473	0.26 226	1.27 478	0.26 223	1.26 476	0.27 216	1.27 458	0.27 202	1.27 486	0.27 234	1.27 464	0.27 212

NLCSM	1.94 484	1.36 385	0.90 387	17.57 589	1.19 448	1.40 482	0.90 411	1.37 474	0.90 413	1.37 477	0.91 418	1.38 481	0.91 405	1.37 479	0.90 410	1.28 459	0.90 387	1.25 484	0.85 416	1.24 462	0.85 402

ff7	1.68 474	2.68 465	1.35 474	0.97 360	0.89 416	1.84 492	2.15 543	2.12 500	1.80 528	2.05 505	1.56 511	2.33 512	2.12 534	2.23 508	2.25 546	1.31 460	1.07 401	1.48 495	1.41 503	0.90 379	1.04 422

ffff	1.68 474	2.68 465	1.35 474	0.97 360	0.89 416	1.84 492	2.15 543	2.12 500	1.80 528	2.05 505	1.56 511	2.33 512	2.12 534	2.23 508	2.25 546	1.31 460	1.07 401	1.48 495	1.41 503	0.90 379	1.04 422

ccc-4	1.68 474	2.68 465	1.35 474	0.97 360	0.89 416	1.84 492	2.15 543	2.12 500	1.80 528	2.05 505	1.56 511	2.33 512	2.12 534	2.23 508	2.25 546	1.31 460	1.07 401	1.48 495	1.41 503	0.90 379	1.04 422

test_xeample3	1.10 408	1.81 405	0.61 343	0.84 338	0.49 358	0.77 375	0.66 376	0.92 387	1.40 505	0.68 370	0.46 345	0.78 384	0.54 363	1.72 490	1.48 507	1.34 463	1.52 495	1.35 491	1.67 525	1.33 466	1.55 508

MaskLacGwcNet_RVC	1.35 466	1.35 384	1.35 474	1.35 445	1.35 499	1.35 476	1.35 496	1.36 472	1.35 501	1.36 476	1.35 499	1.36 480	1.36 490	1.36 478	1.35 500	1.35 464	1.35 483	1.35 491	1.35 497	1.35 467	1.35 499

CC-Net-ROB	1.36 467	1.33 383	1.33 471	1.36 446	1.38 502	1.36 478	1.33 494	1.37 474	1.34 498	1.35 475	1.36 501	1.38 481	1.34 488	1.38 481	1.38 503	1.35 464	1.38 487	1.33 488	1.35 497	1.43 470	1.34 498

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	1.36 466	0.31 233	0.34 236	0.30 263	0.36 236	0.54 352

PS-NSSS	1.38 469	1.39 387	1.34 472	1.34 444	1.35 499	1.38 480	1.37 503	1.35 471	1.38 504	1.34 474	1.34 498	1.39 483	1.38 493	1.70 489	1.40 504	1.36 466	1.36 484	1.36 493	1.37 500	1.37 468	1.36 500

MM-Stereo_test2	1.20 414	1.85 408	1.05 403	1.46 450	0.94 424	1.36 478	0.99 421	1.36 472	0.95 422	1.41 479	0.98 425	1.40 485	0.96 408	1.37 479	0.95 416	1.37 468	1.06 400	1.33 488	0.93 422	1.29 465	0.89 406

FENet	0.54 305	1.52 392	1.19 416	1.41 449	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	1.40 469	1.07 401	0.32 220	0.23 207	0.33 213	0.23 187

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	1.42 470	0.28 208	0.34 236	0.28 239	0.37 240	0.53 349

castereo	0.61 316	3.79 505	1.35 474	1.52 451	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	1.43 471	1.38 487	0.17 153	0.16 169	0.18 156	0.16 159

castereo++	0.54 305	3.59 497	1.15 410	1.31 442	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	1.45 472	1.16 417	0.15 142	0.14 161	0.15 142	0.13 150

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	1.46 473	0.26 195	0.34 236	0.26 226	0.36 236	0.53 349

11t	1.27 464	2.70 468	1.34 472	1.32 443	0.89 416	1.30 475	1.34 495	1.64 483	0.57 367	1.45 481	0.72 402	1.05 415	1.29 484	1.07 416	1.29 496	1.49 474	1.02 398	0.97 415	1.15 435	1.48 471	1.31 494

IGEVStereo-DCA	1.77 478	4.21 517	1.84 519	2.49 491	2.11 544	2.54 529	1.36 498	1.65 484	1.17 442	2.75 538	1.90 533	2.54 525	1.15 425	0.94 398	1.11 429	1.50 475	1.32 471	0.96 413	1.46 509	1.49 472	0.88 404

rrr	1.77 478	4.21 517	1.84 519	2.49 491	2.11 544	2.54 529	1.36 498	1.65 484	1.17 442	2.75 538	1.90 533	2.54 525	1.15 425	0.94 398	1.11 429	1.50 475	1.32 471	0.96 413	1.46 509	1.49 472	0.88 404

MM-Stereo_test3	1.27 464	2.07 424	1.18 414	1.60 456	1.02 433	1.45 485	1.01 425	1.40 477	1.04 434	1.44 480	1.03 430	1.46 487	1.02 418	1.44 483	1.02 425	1.51 477	1.12 414	1.32 487	0.98 423	1.38 469	0.97 413

RASNet	1.49 470	1.65 396	1.45 490	1.38 448	1.43 505	1.47 486	1.36 498	1.38 476	1.36 502	1.39 478	1.60 515	1.45 486	1.45 496	1.51 484	2.21 545	1.53 478	1.36 484	1.36 493	1.36 499	1.66 479	1.36 500

DEFOM-Stereo	0.68 331	3.11 488	1.40 488	1.63 460	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	1.59 479	1.47 492	0.30 213	0.29 249	0.30 199	0.28 225

DPSMNet_ROB	1.60 473	1.59 394	1.70 504	1.59 453	1.59 511	1.61 489	1.61 514	1.60 479	1.60 511	1.62 489	1.59 514	1.60 489	1.60 499	1.60 485	1.59 511	1.59 479	1.60 505	1.59 499	1.59 517	1.59 475	1.59 513

ours_stereo	1.20 414	1.21 369	0.90 387	1.64 461	1.11 438	1.35 476	0.67 380	1.76 487	0.93 420	1.70 491	1.10 433	1.39 483	0.75 393	1.41 482	0.81 405	1.60 481	1.03 399	1.33 488	1.00 425	1.61 476	0.72 385

LL-Strereo	1.01 401	5.06 528	1.63 501	0.70 323	1.43 505	0.56 351	0.46 338	0.57 344	0.50 355	0.57 353	0.50 362	1.58 488	0.49 350	0.59 354	0.50 348	1.64 482	0.52 335	0.51 354	1.37 500	0.52 328	0.45 322

test-3	0.98 394	4.13 515	1.85 521	1.85 463	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	1.68 483	1.81 518	0.40 284	0.43 344	0.66 343	0.50 340

RAFT_CTSACE	1.92 483	3.71 502	1.72 507	1.88 464	1.72 523	2.04 504	1.42 508	2.18 505	1.89 539	2.02 502	1.97 539	1.95 498	2.06 533	1.93 499	1.62 512	1.76 484	1.66 509	2.02 516	1.73 533	1.73 482	1.43 505

NINENet	0.69 334	3.87 509	1.20 419	1.98 471	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	1.79 485	1.56 499	0.34 236	0.22 201	0.34 217	0.23 187

CRFU-Net	0.65 324	1.67 397	1.22 466	1.96 470	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	1.80 486	1.62 506	0.34 236	0.23 207	0.33 213	0.23 187

VIP-Stereo	0.70 335	2.97 485	2.43 543	2.49 491	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	1.86 487	1.26 470	0.23 184	0.15 167	0.23 180	0.15 158

MFMNet_re	1.81 481	1.91 415	1.71 506	1.95 469	1.70 522	1.95 500	1.70 519	1.96 492	1.74 524	1.97 497	1.72 523	1.95 498	1.71 507	1.97 501	1.71 519	1.86 487	1.62 506	1.85 505	1.66 524	1.86 487	1.64 519

error version	0.93 388	4.47 521	2.35 540	1.99 472	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	1.87 489	2.16 534	0.47 332	0.37 311	0.39 262	0.33 264

test_1	0.93 388	4.47 521	2.35 540	1.99 472	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	1.87 489	2.16 534	0.47 332	0.37 311	0.39 262	0.33 264

GANetREF_RVC	1.55 471	1.94 421	1.22 466	1.88 464	1.21 495	1.88 495	1.22 486	1.88 489	1.22 491	1.88 492	1.22 488	1.88 495	1.22 479	1.89 498	1.22 488	1.87 489	1.22 469	1.88 512	1.22 488	1.88 488	1.22 487
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
4.25w-stereo	1.98 486	2.72 472	1.46 491	3.47 524	1.43 505	2.07 506	1.98 534	2.53 525	1.52 509	2.71 531	1.98 545	1.81 494	1.62 501	1.96 500	1.36 501	1.88 492	2.00 523	2.53 539	1.61 519	1.74 483	1.15 432

SPS-STEREO	1.59 472	1.91 415	1.21 465	1.94 467	1.20 449	2.00 503	1.23 487	1.99 494	1.24 493	2.00 500	1.25 491	2.03 505	1.26 481	2.00 502	1.29 496	1.90 493	1.18 421	1.89 513	1.21 487	1.89 489	1.20 441
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MonStereo1	1.94 484	2.77 478	1.52 497	3.73 535	1.51 508	2.13 508	1.42 508	2.32 513	1.52 509	2.31 517	1.50 509	2.53 522	1.59 498	2.34 515	1.56 509	1.91 494	1.36 484	1.86 508	1.31 495	2.07 492	1.53 506

4.5w-stereo	1.99 487	2.33 445	1.81 510	3.28 514	1.68 518	1.94 497	1.99 537	2.72 528	1.70 516	2.72 532	1.99 548	1.97 500	1.68 503	1.76 491	1.29 496	1.91 494	2.02 529	2.53 539	1.61 519	1.75 484	1.16 435

2w_stereo	1.99 487	2.36 452	1.81 510	3.24 512	1.67 516	1.94 497	1.98 534	2.72 528	1.68 513	2.72 532	1.94 536	1.98 501	1.74 511	1.79 494	1.27 493	1.95 496	2.00 523	2.53 539	1.60 518	1.68 480	1.15 432

MC-Stereo	1.76 477	2.96 484	1.37 484	2.14 475	1.37 501	2.14 509	1.36 498	2.14 503	1.37 503	2.14 509	1.37 502	2.14 507	1.37 492	2.14 507	1.37 502	1.97 497	1.32 471	1.97 515	1.32 496	1.98 490	1.33 496

BUS	0.83 370	1.91 415	0.92 392	4.48 538	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	1.97 497	4.19 563	0.33 228	0.23 207	0.34 217	0.27 212

BSDual-CNN	0.81 361	1.91 415	0.92 392	4.48 538	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	1.97 497	4.19 563	0.33 228	0.23 207	0.34 217	0.27 212

psmg	0.43 262	1.91 415	0.92 392	1.91 466	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	1.97 497	1.44 490	0.04 73	0.03 54	0.02 20	0.03 51

MM-Stereo_test1	1.80 480	3.41 495	1.52 497	2.12 474	1.41 504	2.04 504	1.41 506	2.05 498	1.46 508	2.04 504	1.41 506	2.05 506	1.42 495	2.05 503	1.43 506	2.04 501	1.54 498	1.94 514	1.38 502	1.99 491	1.33 496

TRStereo	2.00 491	2.13 429	1.85 521	2.27 481	1.84 527	2.28 513	1.84 523	2.29 508	1.86 533	2.30 514	1.87 528	2.30 509	1.87 517	2.08 504	1.72 521	2.08 502	1.72 512	2.08 518	1.72 530	2.08 493	1.72 524

XX-Stereo	2.00 491	2.13 429	1.85 521	2.27 481	1.84 527	2.28 513	1.84 523	2.29 508	1.86 533	2.30 514	1.87 528	2.30 509	1.87 517	2.08 504	1.72 521	2.08 502	1.72 512	2.08 518	1.72 530	2.08 493	1.72 524

EAI-Stereo	2.00 491	2.13 429	1.85 521	2.27 481	1.84 527	2.28 513	1.84 523	2.29 508	1.86 533	2.30 514	1.87 528	2.30 509	1.87 517	2.08 504	1.72 521	2.08 502	1.72 512	2.08 518	1.72 530	2.08 493	1.72 524

4.25_new	2.00 491	2.33 445	1.82 515	3.32 517	1.69 519	1.95 500	1.99 537	2.72 528	1.71 517	2.72 532	1.97 539	2.01 503	1.74 511	1.77 492	1.28 494	2.18 505	2.01 525	2.48 537	1.58 515	1.65 477	1.17 436

4.5w_new	2.00 491	2.33 445	1.82 515	3.32 517	1.69 519	1.95 500	1.99 537	2.72 528	1.71 517	2.72 532	1.97 539	2.01 503	1.74 511	1.77 492	1.28 494	2.18 505	2.01 525	2.48 537	1.58 515	1.65 477	1.17 436

1w_stereo	2.05 506	2.32 444	1.35 474	3.74 536	2.01 538	2.73 537	1.42 508	1.88 489	1.93 541	2.03 503	1.28 494	2.71 534	1.99 529	2.72 535	1.72 521	2.20 507	1.32 471	1.87 509	1.86 536	2.45 510	1.54 507

2.25w	2.00 491	1.86 410	1.98 532	2.95 505	2.17 548	2.26 510	1.35 496	2.42 519	2.00 546	2.07 508	1.27 493	2.53 522	1.99 529	2.29 512	1.49 508	2.21 508	1.32 471	1.85 505	1.87 537	2.52 518	1.62 517

3w_stereo	2.04 504	2.24 439	1.70 504	3.15 509	2.18 550	2.49 523	1.26 491	2.03 497	1.98 543	1.98 498	1.33 497	2.72 538	1.99 529	2.59 527	1.72 521	2.22 509	1.33 478	1.85 505	1.88 542	2.50 516	1.58 512

4.5_new	2.00 491	1.84 407	1.98 532	2.77 499	2.16 546	2.27 511	1.28 493	2.09 499	1.98 543	2.01 501	1.28 494	2.71 534	1.98 527	2.51 524	1.65 514	2.26 510	1.33 478	1.87 509	1.87 537	2.49 514	1.60 514

3.25w	2.04 504	2.20 435	1.48 492	3.03 506	2.17 548	2.63 533	1.39 504	1.96 492	1.95 542	1.96 495	1.37 502	2.71 534	1.96 526	2.71 533	1.73 526	2.26 510	1.32 471	1.87 509	1.87 537	2.51 517	1.63 518

IGEV	2.02 499	2.20 435	1.82 515	2.90 504	2.16 546	2.41 519	1.25 489	2.00 495	1.98 543	1.99 499	1.31 496	2.72 538	1.93 523	2.67 532	1.69 518	2.26 510	1.32 471	1.83 504	1.87 537	2.53 521	1.61 516

3.75w	1.99 487	2.31 443	1.83 518	3.16 510	1.65 515	1.93 496	1.98 534	2.72 528	1.68 513	2.73 537	1.97 539	2.00 502	1.72 508	1.81 495	1.25 492	2.27 513	2.01 525	2.38 531	1.42 506	1.71 481	1.24 490

MonStereo	2.17 510	2.41 455	1.49 496	2.67 496	1.67 516	2.60 532	2.04 541	2.32 513	1.76 525	2.44 522	1.68 521	2.50 520	1.69 505	2.38 516	1.80 529	2.28 514	1.78 515	2.63 542	2.14 545	3.47 532	1.68 522

DEFOM-Stereo_RVC	0.83 370	5.18 530	1.98 532	2.19 476	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	2.28 514	2.13 533	0.24 192	0.17 189	0.18 156	0.16 159

NCCL2	2.28 524	2.27 440	2.28 538	2.28 484	2.28 551	2.27 511	2.29 546	2.28 506	2.28 549	2.27 513	2.28 551	2.28 508	2.27 537	2.27 511	2.28 550	2.28 514	2.28 537	2.27 523	2.29 550	2.27 501	2.29 541

HUF	2.18 512	2.30 442	1.99 535	2.34 486	2.02 541	2.41 519	2.06 542	2.38 517	1.89 539	2.36 519	1.85 526	2.56 527	1.98 527	2.31 514	1.97 541	2.30 517	2.03 530	2.30 525	2.11 544	2.23 498	2.16 538

FBW_ROB	2.12 509	2.46 458	1.77 509	2.49 491	1.79 526	2.38 517	1.83 522	2.46 520	1.78 527	2.48 525	1.97 539	2.40 517	1.78 514	2.42 521	1.83 530	2.31 518	1.85 520	2.38 531	1.82 535	2.35 505	1.84 529

AIO_rvc	2.18 512	2.34 449	1.87 525	2.32 485	1.94 536	2.40 518	1.89 531	2.37 516	2.07 548	2.52 527	1.95 538	2.44 519	1.99 529	2.41 519	1.89 538	2.32 519	2.09 531	2.24 522	2.18 546	2.21 497	2.23 540

STTStereo	3.73 550	30.40 597	2.37 542	2.39 487	2.31 553	2.35 516	2.33 547	2.29 508	2.42 550	2.32 518	2.34 552	2.33 512	2.36 538	2.30 513	2.27 549	2.35 520	2.22 536	2.31 526	2.22 547	2.29 503	2.34 545

2.75w_new	1.99 487	2.34 449	1.81 510	3.14 508	1.62 513	1.94 497	1.99 537	2.72 528	1.71 517	2.72 532	1.99 548	1.90 496	1.73 509	1.82 496	1.29 496	2.37 521	2.01 525	2.31 526	1.42 506	1.77 485	1.22 487

iRaftStereo_RVC	0.97 392	3.17 491	2.30 539	2.42 488	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	2.38 522	2.34 538	0.49 345	0.36 309	0.49 315	0.36 282

AIO_test	2.18 512	2.09 427	2.04 536	2.42 488	2.01 538	2.47 521	1.94 533	2.34 515	2.03 547	2.56 528	1.94 536	2.43 518	1.94 524	2.41 519	1.87 536	2.39 523	2.10 532	2.35 530	1.91 543	2.25 500	2.19 539

UDGNet	2.23 522	5.40 538	1.72 507	2.48 490	1.69 519	2.51 526	1.69 518	2.51 524	1.72 521	2.50 526	1.69 522	2.52 521	1.69 505	2.50 523	1.68 517	2.41 524	1.70 511	2.42 533	1.69 529	2.42 508	1.64 519

monsters	2.18 512	2.41 455	1.96 531	3.47 524	2.03 542	2.53 527	1.64 516	2.48 521	1.73 522	2.40 521	1.50 509	2.62 530	1.94 524	2.59 527	1.94 539	2.44 525	1.57 500	2.28 524	1.87 537	2.42 508	1.86 531

LGtest1	2.22 519	2.70 468	1.89 526	2.76 498	1.86 530	2.75 539	1.86 527	2.75 535	1.86 533	2.75 538	1.86 527	2.77 543	1.87 517	2.75 539	1.86 533	2.46 526	1.58 501	2.45 534	1.56 511	2.45 510	1.56 509

LG-G_1	2.22 519	2.71 470	1.89 526	2.77 499	1.87 533	2.75 539	1.87 529	2.76 536	1.87 537	2.75 538	1.87 528	2.76 541	1.87 517	2.75 539	1.86 533	2.47 527	1.58 501	2.45 534	1.57 512	2.45 510	1.57 510

LG-G	2.22 519	2.71 470	1.89 526	2.77 499	1.87 533	2.75 539	1.87 529	2.76 536	1.87 537	2.75 538	1.87 528	2.76 541	1.87 517	2.75 539	1.86 533	2.47 527	1.58 501	2.45 534	1.57 512	2.45 510	1.57 510

monsterstereo	2.20 518	2.33 445	1.95 530	3.65 531	2.07 543	2.49 523	1.61 514	2.48 521	1.83 531	2.45 523	1.61 517	2.67 533	1.86 516	2.64 529	1.94 539	2.48 529	1.66 509	2.34 528	1.68 527	2.40 507	1.86 531

asda	2.17 510	2.54 459	1.81 510	3.47 524	1.78 525	2.50 525	1.86 527	2.61 527	1.68 513	2.61 529	1.83 525	2.37 516	1.73 509	2.44 522	1.88 537	2.51 530	1.84 519	2.34 528	1.62 521	2.23 498	1.77 528

asd	2.18 512	2.77 478	1.58 499	3.59 529	2.00 537	2.58 531	1.85 526	2.39 518	1.71 517	2.47 524	1.97 539	2.59 529	1.61 500	2.56 525	1.79 528	2.51 530	1.99 522	2.11 521	1.62 521	2.36 506	1.60 514

qwe	2.18 512	2.60 462	1.58 499	3.83 537	1.90 535	2.53 527	1.90 532	2.48 521	1.73 522	2.37 520	1.92 535	2.53 522	1.68 503	2.56 525	1.83 530	2.52 532	1.87 521	2.07 517	1.68 527	2.32 504	1.71 523

2.5w	2.01 498	2.40 454	1.37 484	3.28 514	2.01 538	2.71 534	1.43 511	1.82 488	1.83 531	1.90 494	1.41 506	2.71 534	1.35 489	2.71 533	1.85 532	2.66 533	1.53 496	1.64 500	1.23 489	2.53 521	1.87 533

3.5w_stereo	2.03 501	2.72 472	1.35 474	3.41 521	1.57 509	2.72 535	1.49 512	2.01 496	1.34 498	2.15 510	1.61 517	2.63 531	1.36 490	2.72 535	1.99 543	2.66 533	1.58 501	1.68 502	1.24 490	2.53 521	1.87 533

4w-stereo	2.02 499	2.72 472	1.44 489	3.36 520	1.59 511	2.48 522	1.72 520	2.28 506	1.24 493	2.24 512	1.65 519	2.56 527	1.32 487	2.39 518	1.98 542	2.67 535	1.51 494	1.66 501	1.24 490	2.53 521	1.88 536

3.25w_new	2.03 501	2.72 472	1.35 474	3.33 519	1.57 509	2.72 535	1.53 513	2.15 504	1.33 497	2.15 510	1.60 515	2.63 531	1.30 485	2.72 535	1.99 543	2.67 535	1.53 496	1.75 503	1.25 492	2.53 521	1.87 533

sCroCo_RVC	2.10 507	2.76 476	1.92 529	2.78 502	1.39 503	2.73 537	1.41 506	2.73 534	1.40 505	2.77 543	1.41 506	2.74 540	1.40 494	2.74 538	1.40 504	2.72 537	1.42 489	2.72 543	1.44 508	2.79 528	1.42 504

NLCA_NET_v2_RVC	5.04 578	50.87 607	2.78 545	2.87 503	2.71 554	2.78 542	0.47 343	2.88 541	2.86 554	1.89 493	2.67 553	2.79 544	2.79 542	2.78 542	2.83 551	2.82 538	2.82 540	2.83 544	2.77 553	2.83 529	2.76 549
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AEACV	1.12 411	0.52 217	3.12 558	3.24 512	0.86 414	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	3.01 539	3.88 560	0.71 379	0.60 380	0.80 364	0.48 332

plain	1.88 482	3.16 490	0.64 347	3.10 507	0.65 389	3.10 544	0.64 373	3.12 543	0.65 379	3.10 544	0.65 386	3.11 545	0.65 373	3.12 543	0.65 369	3.12 540	0.65 358	3.13 545	0.65 386	3.13 530	0.65 372

Anonymous3	2.55 536	3.26 493	1.65 502	3.28 514	1.63 514	3.24 546	1.68 517	3.27 545	1.66 512	3.28 546	1.67 520	3.25 547	1.66 502	3.27 545	1.64 513	3.26 541	1.65 508	3.30 546	1.65 523	4.95 563	1.65 521

UniTT-Stereo	2.03 501	3.43 496	0.72 365	3.42 522	0.73 404	3.27 547	0.68 381	3.38 547	0.69 386	3.29 547	0.72 402	3.28 548	0.70 384	3.35 548	0.68 377	3.39 542	0.68 360	3.31 547	0.69 395	3.37 531	0.73 388

Occ-G	1.12 411	0.52 217	3.72 566	3.50 527	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	3.42 543	4.02 562	0.52 357	0.45 346	0.51 326	0.44 320

HCRNet	1.22 461	7.11 550	3.00 546	3.55 528	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	3.64 544	3.00 541	0.76 385	0.32 279	0.18 156	0.13 150

RAStereo	2.23 522	3.64 499	0.76 372	3.65 531	0.86 414	3.66 551	0.76 397	3.67 551	0.81 410	3.66 548	0.76 407	3.66 550	0.77 396	3.68 550	0.77 399	3.68 545	0.77 376	3.69 552	0.77 405	3.70 534	0.77 395

DPSNet	3.66 549	3.60 498	3.62 564	3.63 530	3.64 574	3.65 550	3.65 573	3.66 550	3.67 570	3.67 549	3.65 571	3.67 551	3.66 559	3.66 549	3.68 568	3.68 545	3.66 558	3.67 551	3.68 574	3.67 533	3.67 572

sAnonymous2	3.31 547	2.63 463	1.38 486	3.71 533	1.86 530	4.70 570	1.11 430	4.82 573	2.72 552	5.45 578	1.98 545	4.59 564	2.64 539	2.65 530	6.21 584	4.37 547	1.08 405	5.16 578	2.24 548	4.52 545	2.39 546

CroCo_RVC	3.31 547	2.63 463	1.38 486	3.71 533	1.86 530	4.70 570	1.11 430	4.82 573	2.72 552	5.45 578	1.98 545	4.59 564	2.64 539	2.65 530	6.21 584	4.37 547	1.08 405	5.16 578	2.24 548	4.52 545	2.39 546

hknet	1.10 408	1.85 408	3.49 561	4.48 538	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	4.39 549	4.19 563	0.33 228	0.23 207	0.34 217	0.27 212

MLG-Stereo_test2	4.28 565	5.46 541	3.69 565	4.86 554	3.72 575	5.58 579	3.42 569	4.81 572	3.77 575	4.85 571	3.72 573	5.55 581	3.63 558	5.58 578	3.53 567	4.41 550	3.28 556	4.99 576	2.95 555	4.75 556	3.13 564

MaDis-Stereo	3.19 546	6.02 548	1.12 406	5.61 562	1.16 444	5.43 578	1.02 427	5.15 577	0.70 389	5.43 577	1.21 487	5.03 579	0.97 409	4.85 571	0.99 420	4.53 551	1.16 417	5.53 580	1.25 492	5.37 568	1.30 493

DispNO	1.00 395	0.63 235	0.43 281	3.45 523	0.44 341	0.65 366	0.43 330	0.64 356	0.43 332	0.64 364	0.43 337	0.64 367	3.03 543	0.64 361	0.43 326	4.55 552	0.43 297	0.63 369	0.43 344	0.63 341	0.43 317

rvit_105_1	3.83 551	5.22 531	3.01 547	4.53 541	3.01 556	4.51 558	3.01 554	4.56 560	3.04 555	4.53 559	3.03 556	4.55 562	3.03 543	4.56 560	3.04 552	4.57 553	3.05 542	4.57 559	3.05 557	4.57 547	3.05 554

rvit_stereo_0081	3.83 551	5.23 532	3.01 547	4.53 541	3.03 558	4.55 564	3.02 555	4.56 560	3.04 555	4.52 557	3.02 554	4.54 560	3.03 543	4.56 560	3.04 552	4.57 553	3.05 542	4.57 559	3.05 557	4.58 548	3.05 554

rvit_stereo_0082	3.86 553	5.82 546	3.01 547	4.53 541	3.03 558	4.54 560	3.02 555	4.56 560	3.04 555	4.53 559	3.02 554	4.55 562	3.04 546	4.57 563	3.05 554	4.57 553	3.05 542	4.58 561	3.05 557	4.58 548	3.06 557

rvit_0105_6	3.87 555	5.73 545	3.10 557	4.69 551	3.12 566	4.54 560	3.02 555	4.56 560	3.04 555	4.54 561	3.03 556	4.54 560	3.04 546	4.56 560	3.05 554	4.58 556	3.05 542	4.58 561	3.05 557	4.58 548	3.05 554

rvit_stereo_0081_aga	3.86 553	5.33 535	3.02 550	4.55 547	3.04 562	4.54 560	3.02 555	4.64 567	3.06 559	4.54 561	3.04 558	4.62 569	3.08 550	4.62 566	3.07 557	4.58 556	3.06 546	4.60 563	3.08 561	4.63 551	3.07 558

rvit_stereo_0080	3.89 556	5.70 543	3.04 552	4.54 544	3.03 558	4.56 565	3.05 561	4.60 564	3.07 560	4.58 564	3.06 559	4.59 564	3.06 548	4.61 564	3.08 558	4.63 558	3.09 547	4.64 565	3.10 562	4.65 552	3.10 561

whm_eth	3.89 556	5.70 543	3.04 552	4.54 544	3.03 558	4.56 565	3.05 561	4.60 564	3.07 560	4.58 564	3.06 559	4.59 564	3.06 548	4.61 564	3.08 558	4.63 558	3.09 547	4.64 565	3.10 562	4.65 552	3.10 561

rvit_0105_4	3.91 558	5.47 542	3.02 550	4.54 544	3.02 557	4.54 560	3.03 559	4.75 570	3.17 566	4.57 563	3.06 559	4.61 568	3.16 554	4.65 567	3.09 560	4.66 560	3.11 549	4.68 568	3.18 567	4.81 558	3.16 566

rvit_0105_3	3.91 558	5.33 535	3.06 555	4.60 549	3.07 564	4.60 567	3.06 563	4.62 566	3.08 563	4.60 566	3.07 562	4.62 569	3.08 550	4.67 568	3.10 561	4.70 561	3.11 549	4.77 572	3.19 568	4.77 557	3.14 565

rvit_stereo_ft	3.93 561	5.44 540	3.05 554	4.59 548	3.06 563	4.61 568	3.08 564	4.67 569	3.12 565	4.63 568	3.10 564	4.65 571	3.11 552	4.69 570	3.13 562	4.70 561	3.14 551	4.71 570	3.15 566	4.74 555	3.16 566

rvit_stereo_0083	3.92 560	5.30 534	3.06 555	4.61 550	3.09 565	4.67 569	3.08 564	4.66 568	3.09 564	4.62 567	3.10 564	4.66 572	3.11 552	4.67 568	3.16 563	4.72 563	3.16 552	4.77 572	3.11 564	4.66 554	3.11 563

MLG-Stereo_test3	4.26 564	4.85 525	3.95 567	5.35 559	3.60 572	4.75 573	3.76 574	5.49 579	3.71 571	5.39 576	3.69 572	4.82 575	3.66 559	4.85 571	3.73 572	4.93 564	3.19 555	4.69 569	2.99 556	4.84 560	2.98 553

MLG-Stereo_test1	4.25 563	5.34 537	3.61 563	5.31 558	3.63 573	5.23 576	3.57 571	5.38 578	3.65 569	5.23 575	3.47 568	4.76 573	3.74 562	4.85 571	3.71 569	4.96 565	3.18 554	4.71 570	2.92 554	4.86 561	2.90 551

TestStereo	4.88 575	4.75 523	4.79 570	4.87 555	4.92 583	4.81 575	4.90 583	4.78 571	4.77 582	4.87 572	4.89 582	4.90 577	4.91 575	4.99 575	4.79 580	4.98 566	4.87 567	4.87 575	4.92 584	5.00 564	5.00 582

FC-DCNN v2	5.10 579	5.15 529	4.49 569	5.07 557	3.37 569	6.87 582	4.75 582	5.04 576	6.34 586	7.84 586	5.06 583	6.72 587	4.09 571	4.99 575	5.44 583	5.03 567	3.16 552	4.67 567	4.86 583	5.15 566	3.89 577

rvit_0105_5	4.10 562	5.40 538	3.13 560	4.71 552	3.15 567	4.72 572	3.10 566	4.90 575	3.27 567	4.69 569	3.16 566	4.84 576	3.25 555	4.96 574	3.34 565	5.05 568	3.39 557	5.10 577	3.40 569	5.11 565	3.42 569

MIF-Stereo (partial)	2.58 537	3.31 494	0.66 351	3.18 511	0.66 392	3.18 545	0.66 376	3.21 544	0.67 382	3.19 545	0.66 388	3.19 546	0.66 376	3.31 547	0.68 377	5.09 569	1.79 517	8.23 588	1.67 525	6.18 572	1.38 502

StereoVision	3.15 545	5.00 527	0.89 384	4.83 553	1.00 427	3.93 552	1.27 492	6.37 580	1.34 498	5.67 580	1.26 492	5.84 582	1.27 482	5.03 577	1.24 489	5.10 570	1.09 407	4.61 564	0.57 376	5.62 570	1.12 427

DispFullNet	4.61 571	4.84 524	3.12 558	5.00 556	3.57 571	4.75 573	3.03 559	7.75 586	4.17 579	4.91 573	3.09 563	6.20 583	3.95 568	6.71 582	3.51 566	5.30 571	3.67 559	5.86 584	3.63 571	5.61 569	3.46 570

RAFT+CT+SA	4.28 565	7.62 554	4.91 571	5.55 561	2.28 551	3.09 543	3.64 572	4.49 558	3.07 560	4.80 570	3.35 567	4.77 574	3.70 561	4.29 557	3.05 554	5.58 572	5.98 573	3.58 550	3.78 576	4.26 541	3.72 573

AANet_RVC	1.26 463	0.31 139	4.99 572	5.93 563	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	5.66 573	4.76 566	0.26 200	0.30 263	0.24 182	0.27 212

test_5	4.62 572	7.55 553	6.23 577	6.32 566	3.40 570	5.29 577	3.50 570	3.53 549	4.11 578	4.28 554	4.47 581	4.26 558	4.38 573	3.68 550	3.24 564	5.89 574	5.60 570	4.84 574	3.50 570	4.33 542	3.93 579

SGM-Forest	5.21 581	5.92 547	4.08 568	6.18 565	4.16 580	6.31 581	4.34 581	6.50 581	4.33 580	6.14 582	4.21 579	6.61 586	4.55 574	6.67 581	4.48 579	5.94 575	3.94 561	5.85 583	4.03 580	5.79 571	4.17 580
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Sa-1000	4.34 568	8.37 557	6.84 581	6.98 571	4.45 582	3.58 548	3.00 553	3.42 548	3.39 568	2.61 529	4.00 577	3.83 553	4.01 570	3.90 552	3.90 573	5.98 576	5.62 571	3.76 553	2.34 551	4.35 543	2.47 548

test-1	6.46 582	9.16 565	8.03 588	8.09 574	5.62 586	6.11 580	6.35 586	6.85 583	4.94 583	6.08 581	6.29 588	4.98 578	6.43 580	6.22 579	6.36 586	6.16 577	7.47 580	5.82 582	5.44 587	7.11 577	5.68 585

cross-raft	4.83 574	7.52 552	6.43 578	6.63 567	3.96 578	4.51 558	3.99 578	4.49 558	3.96 577	4.52 557	3.96 576	4.50 559	3.97 569	4.50 559	3.97 574	6.65 578	6.44 575	4.33 556	3.92 578	4.35 543	3.91 578

raft_robust	4.71 573	7.75 555	5.40 576	6.81 568	3.31 568	4.28 557	4.20 580	4.32 557	4.37 581	4.35 556	4.35 580	4.14 556	3.75 563	4.30 558	4.20 578	6.67 579	6.37 574	3.36 548	4.24 582	4.86 561	3.25 568

TestStereo1	4.60 569	8.41 558	6.44 579	6.86 569	3.79 576	3.97 553	3.78 575	3.99 554	3.74 572	3.97 551	3.52 569	3.94 554	3.58 556	3.98 553	3.72 570	6.82 580	6.50 576	3.76 553	3.66 572	3.90 536	3.74 575

SA-5K	4.60 569	8.41 558	6.44 579	6.86 569	3.79 576	3.97 553	3.78 575	3.99 554	3.74 572	3.97 551	3.52 569	3.94 554	3.58 556	3.98 553	3.72 570	6.82 580	6.50 576	3.76 553	3.66 572	3.90 536	3.74 575

test_4	4.88 575	8.13 556	6.98 583	7.46 572	4.44 581	4.25 556	3.85 577	4.04 556	3.92 576	4.13 553	3.91 575	4.18 557	3.84 566	4.14 555	4.06 576	7.01 582	7.13 579	4.53 557	3.72 575	4.09 539	3.72 573

SA	4.33 567	7.35 551	6.85 582	5.96 564	4.09 579	3.59 549	3.15 567	3.82 552	2.64 551	3.91 550	3.85 574	3.57 549	2.72 541	3.13 544	4.03 575	7.09 583	6.86 578	3.57 549	3.12 565	3.85 535	3.51 571

rvit_stereo_0075_2	6.64 583	8.80 562	5.25 573	7.89 573	5.27 585	7.90 586	5.27 584	7.92 587	5.28 584	7.91 587	5.29 585	7.93 588	5.27 576	7.92 587	5.28 581	7.93 584	5.28 569	7.93 587	5.29 586	7.93 580	5.28 584

test_3	5.01 577	8.86 563	7.77 585	8.09 574	2.76 555	4.13 555	4.05 579	3.88 553	3.76 574	4.33 555	4.13 578	3.71 552	3.91 567	4.21 556	4.06 576	7.93 584	7.69 581	4.53 557	3.91 577	4.17 540	4.29 581

RAFT	6.73 584	9.36 566	7.40 584	8.51 577	6.55 587	6.88 583	6.60 587	6.79 582	6.60 587	6.80 583	6.72 589	5.31 580	5.50 578	6.61 580	6.61 587	8.42 586	5.89 572	5.73 581	5.45 588	6.61 573	6.24 586

U	5.15 580	8.49 560	1.81 510	8.49 576	1.77 524	8.49 587	1.77 521	8.51 588	1.77 526	8.49 588	1.77 524	8.50 589	1.78 514	8.58 588	1.77 527	8.54 587	1.78 515	8.55 589	1.78 534	8.55 583	1.84 529

SGM+DAISY	7.06 585	9.15 564	5.38 575	8.84 578	5.18 584	8.80 588	5.31 585	8.79 589	5.28 584	8.89 589	5.20 584	8.93 590	5.33 577	8.95 589	5.36 582	8.70 588	5.21 568	8.74 590	5.20 585	8.89 584	5.15 583

test-v	7.53 586	11.89 574	7.98 586	9.36 580	7.14 588	7.06 584	7.09 588	7.37 584	6.91 588	7.29 584	5.71 586	6.45 584	6.93 581	6.73 583	7.27 588	8.93 589	7.85 582	6.98 585	6.80 589	7.56 578	7.34 588

test-2	7.53 586	11.89 574	7.98 586	9.36 580	7.14 588	7.06 584	7.09 588	7.37 584	6.91 588	7.29 584	5.71 586	6.45 584	6.93 581	6.73 583	7.27 588	8.93 589	7.85 582	6.98 585	6.80 589	7.56 578	7.34 588

rafts_anoy	20.00 590	20.00 576	20.00 590	20.00 590	20.00 591	20.00 589	20.00 591	20.00 590	20.00 591	20.00 590	20.00 591	20.00 591	20.00 591	20.00 590	20.00 591	20.00 591	20.00 592	20.00 591	20.00 592	20.00 591	20.00 591

raft+_RVC	20.00 590	20.00 576	20.00 590	20.00 590	20.00 591	20.00 589	20.00 591	20.00 590	20.00 591	20.00 590	20.00 591	20.00 591	20.00 591	20.00 590	20.00 591	20.00 591	20.00 592	20.00 591	20.00 592	20.00 591	20.00 591

raftrobust	20.00 590	20.00 576	20.00 590	20.00 590	20.00 591	20.00 589	20.00 591	20.00 590	20.00 591	20.00 590	20.00 591	20.00 591	20.00 591	20.00 590	20.00 591	20.00 591	20.00 592	20.00 591	20.00 592	20.00 591	20.00 591

CasAABBNet	20.00 590	20.00 576	20.00 590	20.00 590	20.00 591	20.00 589	20.00 591	20.00 590	20.00 591	20.00 590	20.00 591	20.00 591	20.00 591	20.00 590	20.00 591	20.00 591	20.00 592	20.00 591	20.00 592	20.00 591	20.00 591

RALCasStereoNet	20.00 590	20.00 576	20.00 590	20.00 590	20.00 591	20.00 589	20.00 591	20.00 590	20.00 591	20.00 590	20.00 591	20.00 591	20.00 591	20.00 590	20.00 591	20.00 591	20.00 592	20.00 591	20.00 592	20.00 591	20.00 591

RALAANet	20.00 590	20.00 576	20.00 590	20.00 590	20.00 591	20.00 589	20.00 591	20.00 590	20.00 591	20.00 590	20.00 591	20.00 591	20.00 591	20.00 590	20.00 591	20.00 591	20.00 592	20.00 591	20.00 592	20.00 591	20.00 591

MANE	19.05 589	23.00 582	15.00 589	23.00 596	15.00 590	24.00 595	16.00 590	24.00 596	16.00 590	22.00 596	15.00 590	23.00 597	16.00 590	23.00 596	15.00 590	22.00 597	15.00 591	22.00 597	15.00 591	22.00 597	15.00 590

111	30.40 596	30.94 598	29.72 597	32.61 597	30.02 598	33.57 596	30.47 598	31.50 597	29.39 598	30.98 597	29.11 598	29.78 598	30.39 601	29.45 597	30.76 601	30.08 598	29.02 599	29.92 598	30.32 602	29.86 598	30.17 598

fff	1000028.16 616	29.62 594	29.72 597	32.61 597	30.02 598	35.13 598	31.83 599	32.07 598	10000000.00 617	35.27 600	29.82 599	32.45 599	30.15 598	32.35 598	30.09 598	31.04 599	29.55 600	30.64 599	30.14 599	10000000.00 618	30.77 599

csc	1000028.16 616	29.62 594	29.72 597	32.61 597	30.02 598	35.13 598	31.83 599	32.07 598	10000000.00 617	35.27 600	29.82 599	32.45 599	30.15 598	32.35 598	30.09 598	31.04 599	29.55 600	30.64 599	30.14 599	10000000.00 618	30.77 599

cscssc	1000028.16 616	29.62 594	29.72 597	32.61 597	30.02 598	35.13 598	31.83 599	32.07 598	10000000.00 617	35.27 600	29.82 599	32.45 599	30.15 598	32.35 598	30.09 598	31.04 599	29.55 600	30.64 599	30.14 599	10000000.00 618	30.77 599

tt	500032.53 614	34.60 600	29.72 597	37.47 606	34.41 603	36.85 602	35.22 603	34.71 601	33.55 600	34.50 598	35.43 602	33.81 602	10000000.00 618	33.57 601	33.13 602	33.68 602	35.00 604	34.03 603	35.26 605	30.96 599	34.63 603

DCANet	500032.53 614	34.60 600	29.72 597	37.47 606	34.41 603	36.85 602	35.22 603	34.71 601	33.55 600	34.50 598	35.43 602	33.81 602	10000000.00 618	33.57 601	33.13 602	33.68 602	35.00 604	34.03 603	35.26 605	30.96 599	34.63 603

DCANet-4	35.22 598	34.54 599	35.08 603	33.58 601	35.47 605	34.55 597	35.53 605	36.08 603	35.85 602	35.92 603	35.77 604	35.18 604	35.48 603	35.39 603	37.15 607	34.55 604	33.92 603	35.02 605	34.90 604	35.79 602	34.74 605

WCMA_ROB	31.10 597	35.43 602	27.12 596	39.51 608	23.10 597	38.78 607	25.30 597	37.49 608	25.39 597	37.29 607	27.02 597	38.52 609	26.48 597	37.80 607	26.44 597	36.28 605	22.65 598	33.90 602	22.30 598	37.10 606	24.18 597

Reg-Stereo(zero)	37.00 600	37.00 604	37.00 604	37.00 603	37.00 606	37.00 604	37.00 606	37.00 605	37.00 603	37.00 604	37.00 606	37.00 606	37.00 604	37.00 604	37.00 604	37.00 606	37.00 607	37.00 607	37.00 607	37.00 603	37.00 606

HI	37.00 600	37.00 604	37.00 604	37.00 603	37.00 606	37.00 604	37.00 606	37.00 605	37.00 603	37.00 604	37.00 606	37.00 606	37.00 604	37.00 604	37.00 604	37.00 606	37.00 607	37.00 607	37.00 607	37.00 603	37.00 606

CoSv	37.00 600	37.00 604	37.00 604	37.00 603	37.00 606	37.00 604	37.00 606	37.00 605	37.00 603	37.00 604	37.00 606	37.00 606	37.00 604	37.00 604	37.00 604	37.00 606	37.00 607	37.00 607	37.00 607	37.00 603	37.00 606

ADStereo(finetuned)	36.13 599	36.63 603	38.07 607	36.97 602	33.25 602	35.91 601	34.45 602	36.36 604	32.99 599	38.14 608	36.71 605	36.69 605	34.13 602	38.57 608	40.79 608	37.60 609	36.58 606	35.90 606	33.36 603	35.42 601	34.04 602

NOSS_ROB	102.95 604	153.00 612	121.00 611	51.00 609	44.00 609	165.00 611	127.00 611	153.00 611	119.00 608	164.00 612	125.00 611	168.00 613	120.00 609	153.00 611	117.00 611	49.00 610	44.00 610	49.00 610	44.00 610	49.00 607	44.00 609

CBMV	128.50 605	1422.70 619	53.10 609	79.50 610	51.30 610	77.30 609	49.70 609	74.00 609	48.20 607	77.20 610	48.80 610	73.90 611	48.00 608	73.80 610	48.80 610	70.40 611	45.10 611	68.90 611	46.10 611	68.20 608	45.00 610
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 603	87.70 608	41.95 608	113.75 611	65.62 611	75.05 608	55.25 610	75.64 610	45.04 606	71.61 609	41.75 609	72.81 610	44.06 607	68.38 609	44.63 609	101.89 612	59.57 612	107.10 612	61.05 612	104.38 609	59.38 611

MeshStereo	159.24 606	171.00 613	160.68 614	162.58 612	160.59 612	164.01 610	160.35 612	158.51 612	158.56 609	158.34 611	160.12 612	158.56 612	159.92 610	157.26 612	158.94 612	154.38 613	158.36 613	155.75 613	159.13 614	153.67 610	154.07 612
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 607	123.00 609	115.00 610	219.00 613	218.00 614	223.00 612	244.00 614	217.00 613	236.00 611	202.00 613	203.00 613	205.00 614	208.00 611	225.00 613	204.00 613	210.00 614	198.00 614	197.00 614	184.00 615	204.00 611	201.00 613

MGS-Stereo	239.45 608	123.00 609	135.00 612	266.00 614	286.00 615	277.00 613	305.00 615	271.00 614	242.00 612	274.00 614	279.00 615	255.00 615	270.00 613	268.00 614	297.00 615	221.00 615	247.00 616	216.00 615	123.00 613	217.00 612	217.00 615

EGLCR-Stereo	246.90 609	129.00 611	139.00 613	266.00 614	286.00 615	277.00 613	305.00 615	271.00 614	242.00 612	274.00 614	279.00 615	255.00 615	270.00 613	268.00 614	297.00 615	230.00 616	247.00 616	216.00 615	223.00 617	237.00 613	227.00 616

DLCB_ROB	284.23 610	354.61 615	207.27 615	363.24 616	206.46 613	364.72 615	210.41 613	364.72 616	210.41 610	364.81 616	208.64 614	364.81 617	208.64 612	364.72 616	210.41 614	354.70 617	205.53 615	354.70 617	205.53 616	354.70 614	205.53 614

LE_ROB	396.57 611	471.28 616	329.84 616	471.48 617	308.15 617	526.83 616	322.10 617	488.15 617	323.76 614	495.46 617	317.97 617	497.17 618	320.10 615	481.62 617	326.76 617	462.71 618	298.97 618	466.16 618	285.98 618	447.62 615	289.21 617

SGM-ForestM	596.69 612	677.77 617	444.52 617	699.85 618	517.25 618	732.94 617	488.29 618	770.79 618	460.11 615	750.81 618	487.98 618	792.79 619	499.41 616	730.90 618	475.81 618	720.03 619	491.16 619	663.96 619	418.60 619	674.76 616	436.05 618

CBMV_ROB	818.48 613	913.88 618	709.52 618	862.84 619	597.78 619	1073.99 618	700.52 619	1015.66 619	702.59 616	1115.65 619	760.02 619	1130.24 620	721.57 617	1037.41 619	692.65 619	814.05 620	564.29 620	843.28 620	595.31 620	915.51 617	602.92 619

111111	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 617	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 620

SGD-Stereo	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 617	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 620

IGEV-Stereo++	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 617	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 620

IGEV-BASED-STEREO-	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 617	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 620

IGEV-Stereo+	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 617	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 620

SDNR	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 617	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 620

anonymousdsp2	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 617	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 620

anonymousdsp	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 617	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 620

test_example2	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 617	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 620

DIP-Stereo	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 617	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 620
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark