Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CoDeX	0.15 124	0.70 240	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 373	0.02 15	0.69 364	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

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

psmg	0.43 262	1.91 415	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

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

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

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

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	0.14 131	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 89	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

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

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

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

zh-mn7	0.12 96	1.14 313	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

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

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

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

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

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

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

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

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

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

DualNet (step1)	0.10 65	1.05 303	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_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_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

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

test_sample2	0.09 52	1.03 299	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

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

SMFormer	0.09 52	1.01 293	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

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 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 75	0.12 93	0.11 97	0.05 86	0.04 78	0.05 92	0.04 79

DualNet	0.10 65	1.07 306	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

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

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

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

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

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

xxxx	0.11 87	1.16 318	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

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

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 83	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 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 96	0.03 31	0.04 43	1.71 462	0.04 79	0.03 40	0.03 50	0.04 77	0.04 82	0.04 74	0.03 52	0.04 77	0.03 52	0.06 89	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

AnyNet_C32	0.14 112	0.04 37	0.03 36	2.22 478	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	0.07 105	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

z-mn7	0.16 132	1.21 369	0.33 227	0.41 235	0.04 79	0.04 77	0.03 50	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 228	0.31 233	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 139	1.47 390	0.33 227	0.40 223	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 248	0.32 237	0.05 86	0.04 78	0.04 77	0.04 79

1111x	0.10 65	1.14 313	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

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 82	0.12 126	0.04 88	0.06 98	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

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

FADNet-RVC-Resample	0.12 96	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	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	0.12 96	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	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

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 82	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

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 82	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

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 82	0.04 74	0.05 100	0.04 77	0.04 84	0.08 108	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	0.08 108	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 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
z-ln-s-r	0.21 151	1.40 388	0.53 329	0.56 297	0.04 79	0.05 89	0.04 81	0.05 89	0.05 98	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.05 88	0.57 333	0.44 304	0.04 73	0.04 78	0.04 77	0.04 79

APVNet	0.09 52	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 411	0.06 95	0.04 82	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	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 82	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 95	0.04 82	0.06 97	0.04 88	0.06 98	0.04 84	0.06 89	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

qqq1	0.25 164	3.70 500	0.14 126	0.14 100	0.04 79	0.06 92	0.05 93	0.06 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	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 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	0.05 88	0.13 109	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 136	2.16 432	0.13 121	0.13 96	0.04 79	0.06 92	0.04 81	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 88	0.18 151	0.12 113	0.06 94	0.03 54	0.05 92	0.03 51

ffm	0.25 164	3.83 506	0.12 101	0.12 83	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	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 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	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 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

qqq	0.16 132	2.01 423	0.12 101	0.15 110	0.04 79	0.06 92	0.05 93	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 93	0.14 141	0.04 73	0.04 78	0.03 43	0.03 51

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

DA	0.09 52	0.13 82	0.39 261	0.08 49	0.05 99	0.07 103	0.05 93	0.13 127	0.05 98	0.06 97	0.05 100	0.06 98	0.05 94	0.06 89	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	0.13 127	0.05 98	0.06 97	0.05 100	0.06 98	0.05 94	0.06 89	0.05 88	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

OmniDepth	0.08 50	0.08 59	0.11 89	0.11 76	0.05 99	0.08 105	0.05 93	0.08 108	0.07 112	0.08 107	0.05 100	0.08 107	0.05 94	0.09 111	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
FINET	0.07 49	0.08 59	0.07 58	0.07 47	0.07 111	0.08 105	0.06 108	0.08 108	0.07 112	0.08 107	0.07 112	0.08 107	0.06 109	0.07 105	0.07 102	0.08 62	0.07 59	0.07 99	0.07 105	0.06 96	0.06 104

GwcNet	0.12 96	0.07 58	0.05 57	0.08 49	0.05 99	0.08 105	1.20 440	0.07 105	0.05 98	0.05 92	0.05 100	0.08 107	0.05 94	0.08 108	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

BEATNet-Init1	0.19 142	0.08 59	0.08 60	2.23 479	0.08 113	0.08 105	0.07 111	0.07 105	0.08 115	0.08 107	0.07 112	0.08 107	0.07 113	0.11 125	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	0.07 105	0.08 115	0.08 107	0.07 112	0.08 107	0.07 113	0.11 125	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

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

AnonymousM	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SuperB	0.21 151	0.10 68	2.51 544	0.12 83	0.09 115	0.10 111	0.09 113	0.08 108	0.07 112	0.10 112	0.09 115	0.09 112	0.07 113	0.07 105	0.07 102	0.07 60	0.08 61	0.07 99	0.07 105	0.08 109	0.07 107

PVD	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	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	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	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	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	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	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	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	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	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	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	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	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	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	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	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	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	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	0.11 123	0.11 134	0.12 126	0.11 133	0.11 124	0.11 132	0.11 125	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	0.11 123	0.11 134	0.11 124	0.11 133	0.11 124	0.11 132	0.12 129	0.12 141	0.11 88	0.11 97	0.11 119	0.11 130	0.11 123	0.11 128

aanetorigin	0.13 103	0.11 79	0.11 89	0.11 76	0.11 137	0.11 122	0.11 131	0.11 123	0.11 134	0.11 124	0.12 144	0.11 124	0.11 132	0.11 125	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	0.11 123	0.11 134	0.09 111	0.09 115	0.11 124	0.09 116	0.09 111	0.09 108	0.11 88	0.11 97	0.11 119	0.09 111	0.11 123	0.11 128

ISRNet	0.11 87	0.05 49	0.36 247	0.24 159	0.07 111	0.13 126	0.05 93	0.06 95	0.05 98	0.05 92	0.05 100	0.13 128	0.05 94	0.05 83	0.09 108	0.24 184	0.20 176	0.10 108	0.05 96	0.06 96	0.13 151

S2M2_L	0.12 96	0.14 88	0.10 69	0.15 110	0.10 121	0.14 127	0.10 118	0.14 129	0.10 119	0.15 134	0.10 119	0.14 129	0.10 120	0.14 131	0.10 114	0.13 109	0.10 75	0.13 125	0.09 111	0.13 130	0.09 111
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
IPLG	0.13 103	0.20 104	0.14 126	0.15 110	0.11 137	0.14 127	0.11 131	0.14 129	0.11 134	0.14 128	0.11 133	0.14 129	0.11 132	0.14 131	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	0.14 129	0.11 134	0.15 134	0.12 144	0.14 129	0.11 132	0.16 141	0.11 126	0.15 125	0.12 113	0.14 127	0.12 147	0.15 142	0.12 145

ACRE	0.13 103	0.21 110	0.14 126	0.15 110	0.11 137	0.14 127	0.11 131	0.14 129	0.11 134	0.14 128	0.12 144	0.14 129	0.11 132	0.14 131	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

LRCNet_RVC	0.13 103	0.13 82	0.09 65	0.13 96	0.10 121	0.14 127	0.10 118	0.14 129	0.10 119	0.23 178	0.10 119	0.20 161	0.10 120	0.24 185	0.11 126	0.11 88	0.09 70	0.12 122	0.14 161	0.12 128	0.09 111

GMStereo	0.14 112	0.13 82	0.14 126	0.14 100	0.14 158	0.14 127	0.14 152	0.14 129	0.14 158	0.14 128	0.14 161	0.14 129	0.14 158	0.14 131	0.14 151	0.14 116	0.14 141	0.14 127	0.14 161	0.14 132	0.14 156
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 179	0.90 267	0.10 69	0.14 100	0.10 121	0.14 127	0.10 118	0.91 385	0.69 387	0.14 128	0.11 133	0.14 129	0.11 132	0.14 131	0.10 114	0.12 93	0.09 70	0.12 122	0.09 111	0.88 375	0.76 395

xyz-stereo-finetune2	0.18 139	0.48 201	0.16 145	0.16 121	0.15 169	0.15 134	0.16 162	0.16 142	0.16 172	0.16 139	0.16 172	0.16 140	0.16 170	0.16 141	0.16 167	0.16 135	0.16 146	0.16 145	0.16 169	0.16 146	0.16 160

CAS++	0.17 136	0.27 130	0.21 171	0.10 59	0.21 206	0.15 134	0.22 196	0.10 111	0.21 195	0.22 174	0.10 119	0.19 158	0.18 185	0.10 114	0.19 183	0.20 158	0.19 174	0.18 163	0.10 118	0.19 162	0.18 176
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala_base	0.13 103	0.16 90	0.11 89	0.15 110	0.11 137	0.15 134	0.11 131	0.16 142	0.11 134	0.16 139	0.11 133	0.16 140	0.11 132	0.16 141	0.11 126	0.14 116	0.11 97	0.14 127	0.11 130	0.14 132	0.11 128

CIPLG	0.13 103	0.21 110	0.12 101	0.16 121	0.11 137	0.15 134	0.11 131	0.14 129	0.11 134	0.15 134	0.12 144	0.15 139	0.11 132	0.14 131	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

MIPNet	0.14 112	0.21 110	0.17 152	0.16 121	0.11 137	0.15 134	0.12 147	0.14 129	0.11 134	0.16 139	0.11 133	0.14 129	0.11 132	0.14 131	0.11 126	0.14 116	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

IPLGR	0.14 112	0.24 122	0.14 126	0.16 121	0.12 153	0.15 134	0.12 147	0.14 129	0.11 134	0.15 134	0.12 144	0.14 129	0.11 132	0.14 131	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

DRN-Test	0.14 112	0.13 82	0.09 65	0.14 100	0.09 115	0.15 134	0.09 113	0.14 129	0.10 119	0.14 128	0.09 115	0.14 129	0.09 116	0.13 130	0.09 108	0.12 93	0.09 70	0.12 122	0.09 111	0.12 128	0.73 389

StereoDRNet	0.15 124	0.14 88	0.10 69	0.14 100	0.09 115	0.15 134	0.09 113	0.14 129	0.09 118	0.14 128	0.10 119	0.14 129	0.09 116	0.14 131	0.09 108	0.13 109	0.10 75	0.13 125	0.09 111	0.13 130	0.82 401

xyz-stereo-finetune	0.28 174	0.49 203	0.16 145	0.16 121	0.16 178	0.16 142	0.16 162	0.22 174	0.30 251	0.32 215	0.31 263	0.32 220	0.31 264	0.32 219	0.32 251	0.32 211	0.33 248	0.31 219	0.32 279	0.31 204	0.32 258

xyz-stereo	0.18 139	0.50 207	0.16 145	0.15 110	0.16 178	0.16 142	0.16 162	0.16 142	0.16 172	0.16 139	0.16 172	0.16 140	0.16 170	0.16 141	0.16 167	0.16 135	0.16 146	0.16 145	0.16 169	0.16 146	0.16 160

castereo++	0.54 305	3.59 497	1.15 410	1.31 442	0.14 158	0.16 142	0.14 152	0.16 142	0.14 158	0.16 139	0.14 161	0.16 140	0.13 154	0.16 141	0.14 151	1.45 472	1.16 417	0.15 142	0.14 161	0.15 142	0.13 151

test_for_model	0.15 124	0.23 115	0.18 161	0.21 147	0.11 137	0.16 142	0.11 131	0.16 142	0.11 134	0.16 139	0.11 133	0.16 140	0.11 132	0.16 141	0.11 126	0.21 165	0.18 173	0.14 127	0.11 130	0.14 132	0.11 128

testlalala2	0.13 103	0.16 90	0.11 89	0.15 110	0.11 137	0.16 142	0.11 131	0.16 142	0.11 134	0.16 139	0.11 133	0.16 140	0.11 132	0.16 141	0.11 126	0.14 116	0.11 97	0.14 127	0.11 130	0.14 132	0.11 128

GMStereo_Zeroshot	0.16 132	0.16 90	0.16 145	0.16 121	0.16 178	0.16 142	0.16 162	0.16 142	0.16 172	0.16 139	0.16 172	0.16 140	0.16 170	0.16 141	0.16 167	0.16 135	0.16 146	0.16 145	0.16 169	0.16 146	0.16 160

ProNet	0.14 112	0.20 104	0.14 126	0.16 121	0.11 137	0.16 142	0.11 131	0.17 150	0.11 134	0.17 148	0.12 144	0.17 150	0.13 154	0.17 150	0.12 141	0.15 125	0.11 97	0.16 145	0.11 130	0.15 142	0.12 145

ICVP	0.15 124	0.53 220	0.11 89	0.16 121	0.11 137	0.16 142	0.11 131	0.16 142	0.11 134	0.16 139	0.11 133	0.16 140	0.11 132	0.16 141	0.11 126	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.11 128
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 112	0.17 96	0.12 101	0.17 129	0.11 137	0.17 150	0.11 131	0.17 150	0.11 134	0.17 148	0.11 133	0.17 150	0.11 132	0.17 150	0.11 126	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.11 128
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
castereo	0.61 316	3.79 505	1.35 474	1.52 451	0.15 169	0.17 150	0.16 162	0.20 161	0.21 195	0.18 152	0.16 172	0.21 169	0.12 149	0.26 200	0.17 171	1.43 471	1.38 487	0.17 153	0.16 169	0.18 156	0.16 160

HSM	0.14 112	0.16 90	0.12 101	0.17 129	0.12 153	0.17 150	0.11 131	0.17 150	0.11 134	0.17 148	0.12 144	0.17 150	0.12 149	0.17 150	0.12 141	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.12 145

PDISCO_ROB	0.83 370	2.80 482	3.49 561	0.14 100	0.11 137	0.17 150	0.09 113	0.15 141	0.10 119	0.15 134	0.12 144	0.16 140	0.14 158	3.30 547	0.13 147	0.14 116	2.34 538	0.16 145	0.12 147	2.62 527	0.10 116

cf-r	0.66 326	2.17 433	0.12 101	0.18 131	0.12 153	0.18 154	2.70 551	2.60 527	0.12 153	0.18 152	0.12 144	0.18 154	0.12 149	0.18 153	0.12 141	0.15 125	0.11 97	0.15 142	0.11 130	1.81 486	1.74 528

ELAS_RVC	0.14 112	0.16 90	0.10 69	0.15 110	0.10 121	0.18 154	0.11 131	0.19 155	0.11 134	0.19 154	0.12 144	0.18 154	0.11 132	0.19 156	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	0.18 153	0.11 134	0.17 148	0.11 133	0.18 154	0.11 132	0.18 153	0.11 126	0.14 116	0.08 61	0.14 127	0.08 109	0.14 132	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DEFOM-Stereo_RVC	0.83 370	5.18 530	1.98 532	2.19 476	0.17 182	0.19 157	0.18 177	0.19 155	0.16 172	0.20 160	0.19 192	0.22 177	0.22 201	0.20 160	0.15 161	2.28 514	2.13 533	0.24 192	0.17 189	0.18 156	0.16 160

DDVS	0.30 180	3.10 487	0.14 126	0.19 134	0.14 158	0.19 157	0.14 152	0.20 161	0.14 158	0.19 154	0.13 156	0.16 140	0.13 154	0.19 156	0.13 147	0.17 143	0.13 137	0.17 153	0.13 155	0.17 152	0.13 151

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

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

SGM_RVC	0.15 124	0.17 96	0.11 89	0.18 131	0.11 137	0.19 157	0.11 131	0.19 155	0.12 153	0.19 154	0.12 144	0.20 161	0.12 149	0.19 156	0.12 141	0.16 135	0.11 97	0.17 153	0.10 118	0.17 152	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
RAFT-FEzeroshot	0.34 200	0.26 127	0.17 152	0.21 147	0.17 182	0.20 162	0.16 162	0.20 161	0.16 172	0.20 160	0.17 177	0.21 169	0.16 170	0.27 204	0.24 202	0.19 155	0.16 146	0.19 166	0.16 169	0.26 186	3.08 560

RAFT-FE	0.34 200	0.26 127	0.17 152	0.21 147	0.17 182	0.20 162	0.16 162	0.20 161	0.16 172	0.20 160	0.17 177	0.21 169	0.16 170	0.27 204	0.24 202	0.19 155	0.16 146	0.19 166	0.16 169	0.26 186	3.08 560

IGEV-FE	0.35 209	0.37 148	0.17 152	0.19 134	0.17 182	0.20 162	0.17 170	0.19 155	0.17 180	0.19 154	0.17 177	0.19 158	0.17 177	0.37 240	0.36 281	0.19 155	0.17 164	0.19 166	0.17 189	0.38 253	2.84 551

DAS	0.20 144	0.20 104	0.20 167	0.20 137	0.20 199	0.20 162	0.20 185	0.20 161	0.20 191	0.20 160	0.20 196	0.20 161	0.20 194	0.20 160	0.20 186	0.20 158	0.20 176	0.20 170	0.20 196	0.20 163	0.20 180

ASD4	0.20 144	0.20 104	0.20 167	0.20 137	0.20 199	0.20 162	0.20 185	0.20 161	0.20 191	0.20 160	0.20 196	0.20 161	0.20 194	0.20 160	0.20 186	0.20 158	0.20 176	0.20 170	0.20 196	0.20 163	0.20 180

ACVNet	0.20 144	0.19 100	0.14 126	0.20 137	0.14 158	0.20 162	0.96 419	0.21 170	0.14 158	0.20 160	0.13 156	0.21 169	0.14 158	0.20 160	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	0.17 152	0.12 145

acv_ft	0.20 144	0.19 100	0.14 126	0.20 137	0.14 158	0.20 162	0.96 419	0.21 170	0.14 158	0.20 160	0.13 156	0.21 169	0.14 158	0.20 160	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	0.17 152	0.12 145

PSMNet-RSSM	0.77 350	2.76 476	0.14 126	0.20 137	0.14 158	0.20 162	2.66 549	2.79 540	0.14 158	0.21 172	0.14 161	0.21 169	0.14 158	0.20 160	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	2.52 518	2.31 543

GwcNet-RSSM	0.77 350	2.77 478	0.14 126	0.20 137	0.14 158	0.20 162	2.67 550	2.78 539	0.14 158	0.20 160	0.14 161	0.20 161	0.14 158	0.21 171	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	2.52 518	2.31 543

CFNet-ft	0.55 309	1.57 393	0.14 126	0.20 137	0.14 158	0.20 162	2.53 548	1.61 481	0.14 158	0.20 160	0.14 161	0.20 161	0.14 158	0.20 160	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	1.56 474	1.24 491

LALA_ROB	0.15 124	0.19 100	0.12 101	0.18 131	0.11 137	0.20 162	0.12 147	0.21 170	0.12 153	0.20 160	0.12 144	0.20 161	0.12 149	0.21 171	0.13 147	0.17 143	0.10 75	0.18 163	0.11 130	0.18 156	0.11 128

hitnet-ft	0.79 354	2.78 481	0.14 126	0.20 137	0.14 158	0.21 173	2.89 552	2.80 541	0.14 158	0.20 160	0.14 161	0.20 161	0.14 158	0.20 160	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	2.54 526	2.33 545

GANet-RSSM	0.75 345	1.91 415	0.14 126	0.47 260	0.14 158	0.21 173	3.21 568	2.30 513	0.14 158	0.46 295	0.14 161	0.23 183	0.18 185	0.21 171	0.14 151	0.18 151	0.27 202	0.37 260	0.13 155	2.13 496	2.12 538

RSGM-EC	0.24 161	0.24 122	0.15 142	0.22 150	0.15 169	0.22 175	0.15 157	0.22 174	0.15 168	0.24 183	0.15 169	0.22 177	0.15 168	0.22 175	1.19 440	0.20 158	0.17 164	0.24 192	0.14 161	0.20 163	0.14 156

acva	0.24 161	0.24 122	0.15 142	0.22 150	0.15 169	0.22 175	0.15 157	0.22 174	0.15 168	0.24 183	0.15 169	0.22 177	0.15 168	0.22 175	1.19 440	0.20 158	0.17 164	0.24 192	0.14 161	0.20 163	0.14 156

WAO-6	0.22 155	0.23 115	0.22 173	0.23 154	0.22 208	0.22 175	0.22 196	0.22 174	0.22 198	0.22 174	0.22 203	0.22 177	0.22 201	0.22 175	0.22 192	0.22 168	0.22 184	0.22 178	0.22 201	0.22 171	0.22 186

IMH-64-1	0.22 155	0.23 115	0.23 176	0.22 150	0.22 208	0.22 175	0.22 196	0.22 174	0.22 198	0.22 174	0.22 203	0.22 177	0.22 201	0.22 175	0.22 192	0.22 168	0.22 184	0.23 184	0.22 201	0.22 171	0.23 188

IMH-64	0.22 155	0.23 115	0.23 176	0.22 150	0.22 208	0.22 175	0.22 196	0.22 174	0.22 198	0.22 174	0.22 203	0.22 177	0.22 201	0.22 175	0.22 192	0.22 168	0.22 184	0.23 184	0.22 201	0.22 171	0.23 188

IGEV_Zeroshot_test	0.20 144	0.19 100	0.40 266	0.30 177	0.17 182	0.22 175	0.17 170	0.21 170	0.17 180	0.20 160	0.17 177	0.21 169	0.18 185	0.21 171	0.17 171	0.20 158	0.16 146	0.20 170	0.16 169	0.20 163	0.17 172

MSKI-zero shot	0.24 161	0.21 110	0.49 311	0.65 314	0.18 192	0.22 175	0.17 170	0.23 180	0.18 183	0.21 172	0.17 177	0.23 183	0.28 238	0.23 181	0.18 180	0.21 165	0.16 146	0.21 173	0.16 169	0.21 169	0.16 160

MIM_Stereo	0.25 164	0.23 115	0.66 351	0.80 333	0.17 182	0.22 175	0.17 170	0.23 180	0.18 183	0.26 197	0.17 177	0.21 169	0.17 177	0.25 190	0.17 171	0.23 179	0.16 146	0.21 173	0.17 189	0.22 171	0.17 172

dd	0.23 159	0.98 283	0.16 145	0.23 154	0.15 169	0.23 183	0.15 157	0.23 180	0.15 168	0.23 178	0.15 169	0.24 187	0.17 177	0.23 181	0.15 161	0.22 168	0.15 144	0.21 173	0.15 167	0.22 171	0.16 160

tg	0.21 151	0.25 126	0.21 171	0.26 171	0.17 182	0.24 184	0.17 170	0.24 183	0.17 180	0.24 183	0.17 177	0.24 187	0.17 177	0.24 185	0.17 171	0.24 184	0.17 164	0.23 184	0.16 169	0.23 180	0.16 160

ACV-stereo	0.30 180	2.08 425	0.25 186	0.25 164	0.18 192	0.24 184	0.17 170	0.24 183	0.18 183	0.24 183	0.17 177	0.25 192	0.17 177	0.24 185	0.17 171	0.22 168	0.16 146	0.22 178	0.16 169	0.22 171	0.16 160

Pointernet	0.21 151	0.22 114	0.19 164	0.24 159	0.19 196	0.24 184	0.19 181	0.24 183	0.19 189	0.24 183	0.19 192	0.24 187	0.19 190	0.24 185	0.19 183	0.22 168	0.17 164	0.22 178	0.17 189	0.22 171	0.17 172

CASnet	0.35 209	0.51 215	0.44 283	0.32 185	0.31 265	0.24 184	0.34 277	0.36 225	0.25 212	0.31 210	0.37 302	0.30 214	0.33 275	0.25 190	0.45 328	0.37 237	0.37 259	0.33 228	0.35 303	0.34 217	0.37 287
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
dad	0.23 159	1.03 299	0.16 145	0.23 154	0.15 169	0.24 184	0.15 157	0.24 183	0.16 172	0.23 178	0.16 172	0.24 187	0.16 170	0.23 181	0.15 161	0.22 168	0.16 146	0.22 178	0.16 169	0.22 171	0.16 160

iResNetv2_ROB	0.20 144	0.23 115	0.18 161	0.24 159	0.20 199	0.24 184	0.18 177	0.24 183	0.18 183	0.24 183	0.18 190	0.23 183	0.19 190	0.24 185	0.18 180	0.21 165	0.16 146	0.21 173	0.16 169	0.22 171	0.16 160

iResNet	0.20 144	0.23 115	0.18 161	0.24 159	0.18 192	0.24 184	0.20 185	0.24 183	0.18 183	0.23 178	0.17 177	0.23 183	0.18 185	0.23 181	0.18 180	0.22 168	0.16 146	0.21 173	0.16 169	0.21 169	0.16 160

VIP-Stereo	0.70 335	2.97 485	2.43 543	2.49 491	0.16 178	0.25 191	0.16 162	0.25 189	0.16 172	0.25 189	0.18 190	0.25 192	0.16 170	0.26 200	0.16 167	1.86 487	1.26 470	0.23 184	0.15 167	0.23 180	0.15 159

UNDER WATER-64	0.25 164	0.26 127	0.25 186	0.26 171	0.25 221	0.25 191	0.25 212	0.25 189	0.25 212	0.25 189	0.25 220	0.25 192	0.25 214	0.26 200	0.25 210	0.25 190	0.25 192	0.25 195	0.25 220	0.25 184	0.25 199

LoS	0.25 164	0.27 130	0.25 186	0.25 164	0.25 221	0.25 191	0.25 212	0.26 194	0.25 212	0.25 189	0.25 220	0.25 192	0.25 214	0.25 190	0.25 210	0.26 192	0.25 192	0.25 195	0.26 226	0.26 186	0.25 199
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 267	1.24 377	0.17 152	0.25 164	0.17 182	0.25 191	0.18 177	1.26 468	0.93 421	0.25 189	0.17 177	0.25 192	0.18 185	0.25 190	0.17 171	0.23 179	0.16 146	0.23 184	0.16 169	1.20 414	0.99 416

delet	0.43 262	1.21 369	0.17 152	0.25 164	0.17 182	0.25 191	0.18 177	1.26 468	0.95 423	0.25 189	0.17 177	0.25 192	0.17 177	0.25 190	0.17 171	0.23 179	0.16 146	0.22 178	0.16 169	1.18 411	0.98 415

psm_up	0.43 262	1.19 322	0.17 152	0.25 164	0.18 192	0.25 191	0.19 181	1.26 468	0.91 416	0.26 197	0.17 177	0.25 192	0.17 177	0.25 190	0.17 171	0.22 168	0.17 164	0.23 184	0.16 169	1.18 411	0.99 416

UPFNet	0.42 261	1.20 323	0.17 152	0.24 159	0.17 182	0.25 191	0.17 170	1.19 416	0.90 414	0.25 189	0.17 177	0.24 187	0.17 177	0.25 190	0.17 171	0.22 168	0.17 164	0.22 178	0.16 169	1.15 403	0.93 411

AANet_RVC	1.26 463	0.31 139	4.99 572	5.93 563	0.20 199	0.25 191	0.20 185	0.25 189	0.20 191	0.23 178	0.19 192	0.25 192	0.20 194	0.25 190	0.20 186	5.66 573	4.76 566	0.26 200	0.30 263	0.24 182	0.27 213

Select-FE	0.41 250	0.44 179	0.23 176	0.26 171	0.22 208	0.26 199	0.22 196	0.26 194	0.23 204	0.26 197	0.23 207	0.26 202	0.23 207	0.45 294	0.42 323	0.25 190	0.22 184	0.25 195	0.22 201	0.45 292	2.90 552

LoS_RVC	0.30 180	1.14 313	0.25 186	0.25 164	0.25 221	0.26 199	0.25 212	0.25 189	0.25 212	0.25 189	0.25 220	0.26 202	0.26 223	0.26 200	0.25 210	0.26 192	0.26 195	0.25 195	0.25 220	0.26 186	0.26 205

CAS	0.30 180	1.17 319	0.25 186	0.25 164	0.25 221	0.26 199	0.25 212	0.25 189	0.26 225	0.25 189	0.25 220	0.25 192	0.25 214	0.25 190	0.25 210	0.26 192	0.26 195	0.26 200	0.25 220	0.26 186	0.25 199

ac_64	0.22 155	0.13 82	0.19 164	0.23 154	0.10 121	0.26 199	1.02 427	0.14 129	0.10 119	0.28 201	0.14 161	0.17 150	0.19 190	0.28 208	0.09 108	0.22 168	0.16 146	0.23 184	0.17 189	0.11 123	0.12 145

GEStereo_RVC	0.86 376	4.45 520	0.20 167	0.27 174	0.20 199	0.27 203	0.20 185	0.26 194	0.18 183	5.03 575	0.20 196	0.27 204	0.19 190	0.27 204	0.21 190	0.20 158	0.19 174	0.19 166	4.02 579	0.20 163	0.18 176

DLNR-FE	0.28 174	0.89 264	0.30 205	0.34 191	0.19 196	0.28 204	0.19 181	0.28 198	0.20 191	0.28 201	0.20 196	0.28 205	0.20 194	0.28 208	0.20 186	0.33 215	0.28 208	0.25 195	0.19 195	0.24 182	0.19 178

SQANet	0.28 174	0.28 133	0.28 197	0.28 175	0.28 236	0.28 204	0.28 231	0.28 198	0.28 234	0.28 201	0.28 238	0.28 205	0.28 238	0.28 208	0.28 226	0.28 197	0.28 208	0.28 206	0.28 239	0.28 193	0.28 226

CFNet	1.37 468	5.27 533	0.19 164	5.49 560	0.19 196	0.28 204	0.19 181	0.28 198	0.19 189	0.28 201	0.19 192	0.28 205	4.35 572	0.28 208	0.19 183	0.23 179	0.17 164	0.23 184	4.21 581	4.81 558	0.17 172

HCRNet	1.22 461	7.11 550	3.00 546	3.55 528	0.33 279	0.29 207	0.14 152	0.19 155	0.15 168	0.33 220	0.29 243	0.25 192	0.14 158	0.22 175	0.33 260	3.64 544	3.00 541	0.76 385	0.32 279	0.18 156	0.13 151

MultiAttention	0.30 180	0.30 136	0.30 205	0.30 177	0.30 255	0.30 208	0.30 245	0.30 205	0.30 251	0.30 206	0.30 255	0.30 214	0.30 252	0.30 214	0.30 243	0.30 205	0.30 227	0.30 213	0.30 263	0.30 199	0.30 244

MSAF-DinoV2	0.30 180	0.30 136	0.30 205	0.30 177	0.30 255	0.30 208	0.30 245	0.30 205	0.30 251	0.30 206	0.30 255	0.30 214	0.30 252	0.30 214	0.30 243	0.30 205	0.30 227	0.30 213	0.30 263	0.30 199	0.30 244

DLNR_Zeroshot_test	0.31 187	0.28 133	0.47 296	0.79 331	0.24 219	0.30 208	0.26 220	0.30 205	0.24 207	0.32 215	0.23 207	0.31 218	0.24 211	0.30 214	0.23 198	0.29 204	0.26 195	0.29 211	0.24 215	0.33 213	0.23 188

ssnet_v2	0.68 331	1.96 422	1.25 470	0.29 176	0.20 199	0.30 208	0.20 185	0.29 203	0.22 198	1.50 483	0.20 196	0.31 218	0.20 194	0.27 204	0.22 192	0.24 184	1.49 493	0.26 200	0.18 194	3.90 536	0.19 178

DANet	0.30 180	0.30 136	0.30 205	0.30 177	0.30 255	0.30 208	0.30 245	0.30 205	0.30 251	0.30 206	0.30 255	0.30 214	0.30 252	0.30 214	0.30 243	0.30 205	0.30 227	0.30 213	0.30 263	0.30 199	0.30 244
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DEFOM-Stereo	0.68 331	3.11 488	1.40 488	1.63 460	0.25 221	0.31 213	0.25 212	0.31 209	0.28 234	0.31 210	0.29 243	0.29 211	0.27 231	0.31 218	0.28 226	1.59 479	1.47 492	0.30 213	0.29 249	0.30 199	0.28 226

tt1	0.31 187	0.93 276	0.24 183	0.33 189	0.23 214	0.31 213	0.24 209	0.32 210	0.24 207	0.32 215	0.23 207	0.32 220	0.25 214	0.32 219	0.24 202	0.27 195	0.26 195	0.27 204	0.26 226	0.27 191	0.27 213

xxxxx1	0.31 187	0.91 269	0.23 176	0.31 182	0.23 214	0.31 213	0.23 204	0.33 213	0.25 212	0.31 210	0.24 214	0.33 223	0.25 214	0.32 219	0.24 202	0.28 197	0.28 208	0.28 206	0.28 239	0.29 196	0.27 213

tt_ll	0.31 187	0.91 269	0.23 176	0.31 182	0.23 214	0.31 213	0.23 204	0.33 213	0.25 212	0.31 210	0.24 214	0.33 223	0.25 214	0.32 219	0.24 202	0.28 197	0.28 208	0.28 206	0.28 239	0.29 196	0.27 213

gwcnet-sp	0.82 366	1.72 399	1.48 492	0.39 209	0.15 169	0.31 213	0.21 191	0.20 161	0.25 212	1.61 487	0.23 207	0.28 205	0.26 223	0.20 160	0.15 161	0.24 184	1.33 478	0.32 220	0.16 169	6.75 574	0.23 188

scenet	0.82 366	1.72 399	1.48 492	0.39 209	0.15 169	0.31 213	0.21 191	0.20 161	0.25 212	1.61 487	0.23 207	0.28 205	0.26 223	0.20 160	0.15 161	0.24 184	1.33 478	0.32 220	0.16 169	6.75 574	0.23 188

ssnet	0.82 366	1.72 399	1.48 492	0.39 209	0.15 169	0.31 213	0.21 191	0.20 161	0.25 212	1.61 487	0.23 207	0.28 205	0.26 223	0.20 160	0.15 161	0.24 184	1.33 478	0.32 220	0.16 169	6.75 574	0.23 188

ff	0.31 187	0.91 269	0.23 176	0.31 182	0.23 214	0.31 213	0.23 204	0.33 213	0.25 212	0.31 210	0.24 214	0.33 223	0.25 214	0.32 219	0.24 202	0.28 197	0.28 208	0.28 206	0.28 239	0.29 196	0.27 213

WCG-NET（raft）	0.32 195	1.24 377	0.24 183	0.32 185	0.24 219	0.32 221	0.23 204	0.32 210	0.24 207	0.32 215	0.24 214	0.32 220	0.24 211	0.32 219	0.24 202	0.30 205	0.23 189	0.30 213	0.23 207	0.30 199	0.23 188

iResNet_ROB	0.28 174	0.32 140	0.24 183	0.32 185	0.25 221	0.32 221	0.24 209	0.32 210	0.24 207	0.33 220	0.24 214	0.35 230	0.24 211	0.33 225	0.24 202	0.31 210	0.24 191	0.32 220	0.24 215	0.32 206	0.24 198

gcap-zeroshot	0.35 209	0.32 140	0.37 251	0.49 271	0.39 318	0.33 223	0.21 191	0.26 194	0.35 285	0.42 276	0.34 282	0.49 319	0.29 245	0.47 303	0.39 304	0.34 219	0.17 164	0.38 268	0.23 207	0.48 311	0.34 271

testlalala	0.32 195	0.81 251	0.31 217	0.39 209	0.26 229	0.33 223	0.24 209	0.33 213	0.26 225	0.32 215	0.26 226	0.33 223	0.23 207	0.33 225	0.23 198	0.35 228	0.31 233	0.30 213	0.24 215	0.31 204	0.21 183

FE-Mocha	0.35 209	0.71 241	0.40 266	0.47 260	0.27 231	0.34 225	0.27 223	0.34 217	0.26 225	0.34 222	0.26 226	0.34 228	0.27 231	0.34 227	0.27 216	0.44 287	0.41 284	0.33 228	0.29 249	0.32 206	0.29 231

GCAP-BAT	0.33 198	0.78 245	0.32 222	0.38 203	0.25 221	0.34 225	0.25 212	0.34 217	0.26 225	0.34 222	0.25 220	0.35 230	0.26 223	0.35 230	0.27 216	0.36 233	0.30 227	0.32 220	0.24 215	0.32 206	0.26 205

H2IRNET	0.34 200	0.34 142	0.34 237	0.34 191	0.34 289	0.34 225	0.34 277	0.34 217	0.34 282	0.34 222	0.34 282	0.34 228	0.34 280	0.34 227	0.34 273	0.34 219	0.34 252	0.34 236	0.34 291	0.34 217	0.34 271

EKT-Stereo	0.37 221	0.40 160	0.44 283	1.07 371	0.29 245	0.34 225	0.31 254	0.36 225	0.29 240	0.38 236	0.31 263	0.37 242	0.30 252	0.36 236	0.29 236	0.34 219	0.28 208	0.39 279	0.30 263	0.37 240	0.30 244

DN-CSS_ROB	0.31 187	0.35 143	0.28 197	0.35 193	0.28 236	0.34 225	0.27 223	0.34 217	0.25 212	0.35 227	0.27 231	0.36 236	0.26 223	0.34 227	0.28 226	0.35 228	0.28 208	0.34 236	0.28 239	0.34 217	0.27 213

FENet	0.54 305	1.52 392	1.19 416	1.41 449	0.23 214	0.35 230	0.23 204	0.35 221	0.23 204	0.34 222	0.23 207	0.35 230	0.23 207	0.35 230	0.23 198	1.40 469	1.07 401	0.32 220	0.23 207	0.33 213	0.23 188

MLCV	0.31 187	0.35 143	0.27 193	0.35 193	0.28 236	0.35 230	0.27 223	0.35 221	0.28 234	0.36 230	0.27 231	0.35 230	0.27 231	0.35 230	0.27 216	0.34 219	0.27 202	0.34 236	0.27 234	0.34 217	0.27 213

ETE_ROB	0.35 209	0.35 143	0.35 245	0.35 193	0.35 292	0.35 230	0.35 282	0.35 221	0.35 285	0.35 227	0.35 291	0.35 230	0.35 287	0.35 230	0.35 277	0.35 228	0.35 254	0.35 252	0.35 303	0.35 229	0.35 280

MyStereo07	0.60 313	3.72 503	0.48 304	0.49 271	0.41 328	0.36 233	0.32 256	0.49 309	0.43 333	0.51 335	0.42 335	0.49 319	0.43 328	0.51 334	0.64 368	0.49 306	0.45 305	0.34 236	0.32 279	0.35 229	0.43 318

MyStereo04	0.56 311	3.72 503	0.59 336	0.49 271	0.41 328	0.36 233	0.32 256	0.37 231	0.31 262	0.34 222	0.46 345	0.35 230	0.32 267	0.35 230	0.33 260	0.49 306	0.45 305	0.34 236	0.32 279	0.35 229	0.43 318

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

HGLStereo	0.28 174	0.29 135	0.22 173	0.36 197	0.22 208	0.36 233	0.21 191	0.36 225	0.21 195	0.42 276	0.21 202	0.36 236	0.22 201	0.36 236	0.21 190	0.34 219	0.21 180	0.34 236	0.21 198	0.34 217	0.21 183

DMCA	0.36 215	0.38 152	0.37 251	0.35 193	0.35 292	0.36 233	0.36 289	0.36 225	0.35 285	0.35 227	0.37 302	0.36 236	0.36 290	0.35 230	0.36 281	0.36 233	0.36 257	0.35 252	0.36 309	0.36 236	0.36 283

Monster-pub-eth3d	0.45 270	0.57 228	0.60 338	0.39 209	0.28 236	0.37 238	0.28 231	0.37 231	0.30 251	0.39 242	0.29 243	0.39 249	0.30 252	0.92 397	0.27 216	1.42 470	0.28 208	0.34 236	0.28 239	0.37 240	0.53 350

Monster-pub-mixall	0.44 267	0.56 227	0.60 338	0.38 203	0.27 231	0.37 238	0.27 223	0.37 231	0.29 240	0.38 236	0.27 231	0.38 244	0.29 245	0.85 387	0.27 216	1.46 473	0.26 195	0.34 236	0.26 226	0.36 236	0.53 350

Replicate-Monster	0.45 270	0.57 228	0.60 338	0.40 223	0.29 245	0.37 238	0.27 223	0.37 231	0.30 251	0.40 248	0.31 263	0.40 257	0.30 252	0.99 405	0.27 216	1.36 466	0.31 233	0.34 236	0.30 263	0.36 236	0.54 353

model_zeroshot	0.27 173	0.20 104	0.27 193	0.33 189	0.21 206	0.37 238	0.22 196	0.37 231	0.24 207	0.26 197	0.27 231	0.33 223	0.21 200	0.25 190	0.27 216	0.32 211	0.20 176	0.34 236	0.23 207	0.25 184	0.26 205

Venus	0.38 227	0.38 152	0.38 254	0.38 203	0.38 309	0.37 238	0.38 301	0.37 231	0.37 298	0.41 262	0.37 302	0.39 249	0.37 295	0.38 243	0.38 293	0.37 237	0.38 265	0.38 268	0.37 311	0.37 240	0.38 294

IGEV-Stereo	0.35 209	0.44 179	0.45 285	0.49 271	0.30 255	0.37 238	0.30 245	0.36 225	0.30 251	0.36 230	0.29 243	0.36 236	0.29 245	0.36 236	0.30 243	0.46 294	0.39 272	0.32 220	0.24 215	0.32 206	0.25 199
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
XPNet_ROB	0.37 221	0.37 148	0.37 251	0.37 200	0.37 302	0.37 238	0.37 295	0.37 231	0.37 298	0.37 235	0.37 302	0.37 242	0.37 295	0.37 240	0.37 290	0.37 237	0.37 259	0.37 260	0.37 311	0.37 240	0.37 287

WAO-8	0.38 227	0.38 152	0.38 254	0.38 203	0.38 309	0.38 245	0.38 301	0.38 239	0.38 302	0.38 236	0.38 307	0.38 244	0.38 299	0.38 243	0.38 293	0.38 248	0.38 265	0.38 268	0.37 311	0.38 253	0.38 294

WAO-7	0.38 227	0.38 152	0.38 254	0.38 203	0.38 309	0.38 245	0.38 301	0.38 239	0.38 302	0.38 236	0.38 307	0.38 244	0.38 299	0.38 243	0.38 293	0.38 248	0.38 265	0.38 268	0.38 324	0.38 253	0.38 294

HanzoNet	0.39 239	0.38 152	0.40 266	0.39 209	0.41 328	0.38 245	0.38 301	0.38 239	0.38 302	0.39 242	0.39 316	0.38 244	0.38 299	0.39 251	0.40 308	0.38 248	0.38 265	0.40 284	0.38 324	0.38 253	0.40 303

IMH	0.38 227	0.38 152	0.38 254	0.38 203	0.38 309	0.38 245	0.38 301	0.38 239	0.38 302	0.42 276	0.38 307	0.40 257	0.38 299	0.38 243	0.38 293	0.38 248	0.38 265	0.39 279	0.38 324	0.38 253	0.38 294

iRaft-Stereo_5w	0.34 200	0.42 175	0.31 217	0.39 209	0.30 255	0.38 245	0.30 245	0.40 248	0.29 240	0.40 248	0.37 302	0.41 270	0.34 280	0.38 243	0.30 243	0.34 219	0.27 202	0.34 236	0.26 226	0.34 217	0.26 205

RAFT + AFF	0.31 187	0.45 187	0.34 237	0.39 209	0.28 236	0.38 245	0.33 266	0.29 203	0.31 262	0.30 206	0.30 255	0.29 211	0.27 231	0.29 212	0.30 243	0.28 197	0.29 219	0.29 211	0.29 249	0.27 191	0.32 258

LG-Stereo_L2	0.34 200	0.37 148	0.38 254	0.47 260	0.28 236	0.39 251	0.28 231	0.39 243	0.28 234	0.39 242	0.28 238	0.39 249	0.28 238	0.38 243	0.28 226	0.42 285	0.35 254	0.36 257	0.26 226	0.35 229	0.26 205

DISCO	1.11 410	0.39 158	5.28 574	0.39 209	0.20 199	0.39 251	0.27 223	0.39 243	0.22 198	0.38 236	0.20 196	0.38 244	0.20 194	6.95 586	0.22 192	0.30 205	0.21 180	0.27 204	0.21 198	5.25 567	0.21 183

DCVSM-stereo	0.36 215	1.89 412	0.22 173	0.40 223	0.22 208	0.40 253	0.22 196	0.40 248	0.22 198	0.40 248	0.22 203	0.40 257	0.22 201	0.40 254	0.22 192	0.28 197	0.21 180	0.28 206	0.21 198	0.28 193	0.20 180

IGEV++	0.34 200	0.43 176	0.30 205	0.40 223	0.29 245	0.40 253	0.29 240	0.40 248	0.29 240	0.40 248	0.29 243	0.40 257	0.29 245	0.40 254	0.30 243	0.38 248	0.29 219	0.37 260	0.29 249	0.37 240	0.29 231

ACVNet-DCA	0.37 221	1.00 287	0.30 205	0.40 223	0.29 245	0.40 253	0.29 240	0.40 248	0.29 240	0.40 248	0.29 243	0.40 257	0.29 245	0.39 251	0.28 226	0.33 215	0.32 237	0.33 228	0.32 279	0.33 213	0.32 258

1test111	0.37 221	1.02 297	0.30 205	0.39 209	0.29 245	0.40 253	0.28 231	0.39 243	0.29 240	0.39 242	0.29 243	0.39 249	0.28 238	0.40 254	0.29 236	0.33 215	0.32 237	0.33 228	0.31 273	0.32 206	0.31 253

cc1	0.37 221	1.02 297	0.30 205	0.39 209	0.29 245	0.40 253	0.28 231	0.39 243	0.29 240	0.39 242	0.29 243	0.39 249	0.28 238	0.40 254	0.29 236	0.33 215	0.32 237	0.33 228	0.31 273	0.32 206	0.31 253

4D-IteraStereo	0.78 353	3.13 489	0.89 384	0.69 319	0.32 267	0.40 253	0.32 256	0.76 369	0.97 426	0.52 338	0.65 386	0.89 396	0.32 267	0.76 376	0.98 419	0.83 372	0.94 393	0.35 252	0.27 234	0.70 350	0.89 407

knoymous	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 248	0.40 316	0.40 248	0.40 319	0.40 257	0.40 308	0.40 254	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303

anonymousa	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 248	0.40 316	0.40 248	0.40 319	0.40 257	0.40 308	0.40 254	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303

riskmin	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 248	0.40 316	0.40 248	0.40 319	0.40 257	0.40 308	0.40 254	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303

Anonymous_2	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 248	0.40 316	0.40 248	0.40 319	0.40 257	0.40 308	0.40 254	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303

Anonymous_1	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 248	0.40 316	0.40 248	0.40 319	0.40 257	0.40 308	0.40 254	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303

BUS	0.83 370	1.91 415	0.92 392	4.48 538	0.02 21	0.40 253	0.04 81	0.41 263	0.02 21	0.48 308	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	0.27 213

NINENet	0.69 334	3.87 509	1.20 419	1.98 471	0.05 99	0.40 253	0.04 81	0.40 248	0.05 98	0.41 262	0.04 88	0.41 270	0.05 94	0.40 254	0.05 88	1.79 485	1.56 499	0.34 236	0.22 201	0.34 217	0.23 188

iRaft-Stereo_20w	0.34 200	0.41 168	0.31 217	0.39 209	0.29 245	0.40 253	0.32 256	0.41 263	0.32 266	0.38 236	0.30 255	0.39 249	0.30 252	0.38 243	0.32 251	0.35 228	0.27 202	0.34 236	0.27 234	0.34 217	0.29 231

AdaStereo	0.40 243	0.40 160	0.40 266	0.40 223	0.40 320	0.40 253	0.40 315	0.40 248	0.40 316	0.40 248	0.40 319	0.40 257	0.40 308	0.40 254	0.40 308	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
StereoDRNet-Refined	0.33 198	0.39 158	0.26 192	0.39 209	0.26 229	0.40 253	0.26 220	0.40 248	0.26 225	0.39 242	0.26 226	0.39 249	0.26 223	0.39 251	0.26 215	0.37 237	0.25 192	0.37 260	0.25 220	0.37 240	0.37 287
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DDF-Stereo	0.43 262	1.15 316	0.57 334	0.53 288	0.32 267	0.41 269	0.32 256	0.41 263	0.32 266	0.41 262	0.32 267	0.41 270	0.32 267	0.40 254	0.32 251	0.52 320	0.50 328	0.38 268	0.31 273	0.39 262	0.31 253

Zero-FE251	0.36 215	0.40 160	0.28 197	0.41 235	0.28 236	0.41 269	0.28 231	0.41 263	0.28 234	0.41 262	0.28 238	0.41 270	0.28 238	0.42 282	0.30 243	0.37 237	0.26 195	0.37 260	0.27 234	0.45 292	0.56 361

HART	0.38 227	0.45 187	0.34 237	0.42 245	0.33 279	0.41 269	0.34 277	0.42 281	0.33 273	0.43 282	0.34 282	0.42 288	0.34 280	0.41 269	0.38 293	0.40 263	0.32 237	0.42 312	0.32 279	0.40 268	0.32 258

GIP-stereo	0.36 215	0.49 203	0.39 261	0.48 265	0.32 267	0.41 269	0.28 231	0.40 248	0.30 251	0.41 262	0.28 238	0.40 257	0.28 238	0.42 282	0.28 226	0.45 290	0.32 237	0.38 268	0.30 263	0.37 240	0.27 213

xx1	0.38 227	1.03 299	0.31 217	0.40 223	0.31 265	0.41 269	0.28 231	0.40 248	0.29 240	0.40 248	0.29 243	0.40 257	0.29 245	0.40 254	0.29 236	0.34 219	0.33 248	0.34 236	0.32 279	0.34 217	0.32 258

RAFT-Test	0.36 215	0.37 148	0.33 227	0.41 235	0.32 267	0.41 269	0.32 256	0.41 263	0.32 266	0.41 262	0.32 267	0.41 270	0.32 267	0.41 269	0.33 260	0.37 237	0.29 219	0.37 260	0.29 249	0.38 253	0.31 253

HH	0.71 338	2.54 459	0.74 369	1.10 373	0.32 267	0.41 269	0.37 295	0.69 363	0.78 404	0.73 375	0.90 415	0.75 381	1.00 411	0.84 383	0.69 382	0.69 352	0.40 275	0.35 252	0.26 226	0.35 229	0.26 205

HanStereo	0.71 338	2.54 459	0.74 369	1.10 373	0.32 267	0.41 269	0.37 295	0.69 363	0.78 404	0.73 375	0.90 415	0.75 381	1.00 411	0.84 383	0.69 382	0.69 352	0.40 275	0.35 252	0.26 226	0.35 229	0.26 205

CRFU-Net	0.65 324	1.67 397	1.22 466	1.96 470	0.27 231	0.41 269	0.27 223	0.41 263	0.27 231	0.40 248	0.26 226	0.41 270	0.27 231	0.40 254	0.27 216	1.80 486	1.62 506	0.34 236	0.23 207	0.33 213	0.23 188

GMOStereo	0.37 221	0.45 187	0.23 176	0.30 177	0.37 302	0.41 269	0.36 289	0.41 263	0.35 285	0.43 282	0.36 295	0.41 270	0.40 308	0.41 269	0.36 281	0.34 219	0.22 184	0.47 332	0.37 311	0.39 262	0.33 265

error version	0.93 388	4.47 521	2.35 540	1.99 472	0.37 302	0.41 269	0.36 289	0.41 263	0.35 285	0.43 282	0.36 295	0.41 270	0.40 308	0.41 269	0.36 281	1.87 489	2.16 534	0.47 332	0.37 311	0.39 262	0.33 265

test_1	0.93 388	4.47 521	2.35 540	1.99 472	0.37 302	0.41 269	0.36 289	0.41 263	0.35 285	0.43 282	0.36 295	0.41 270	0.40 308	0.41 269	0.36 281	1.87 489	2.16 534	0.47 332	0.37 311	0.39 262	0.33 265

GwcNet-ADL	0.41 250	0.41 168	0.41 275	0.41 235	0.41 328	0.41 269	0.41 323	0.41 263	0.41 325	0.41 262	0.41 325	0.41 270	0.41 319	0.41 269	0.41 315	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 310

PSMNet-ADL	0.41 250	0.41 168	0.41 275	0.41 235	0.41 328	0.41 269	0.41 323	0.41 263	0.41 325	0.41 262	0.41 325	0.41 270	0.41 319	0.41 269	0.41 315	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 310

GANet-ADL	0.41 250	0.41 168	0.41 275	0.41 235	0.41 328	0.41 269	0.41 323	0.41 263	0.41 325	0.41 262	0.41 325	0.41 270	0.41 319	0.41 269	0.41 315	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 310

ADLNet2	0.41 250	0.41 168	0.41 275	0.41 235	0.41 328	0.41 269	0.41 323	0.41 263	0.41 325	0.41 262	0.41 325	0.41 270	0.41 319	0.41 269	0.41 315	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 310

ADLNet	0.41 250	0.41 168	0.41 275	0.41 235	0.41 328	0.41 269	0.41 323	0.41 263	0.41 325	0.41 262	0.41 325	0.41 270	0.41 319	0.41 269	0.41 315	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 310

GES	0.66 326	2.34 449	0.29 201	0.41 235	0.29 245	0.41 269	0.29 240	0.42 281	0.29 240	0.40 248	0.41 325	0.41 270	0.30 252	0.51 334	0.29 236	0.32 211	0.29 219	0.32 220	2.46 552	2.49 514	0.30 244

DGSMNet	0.34 200	0.41 168	0.27 193	0.41 235	0.28 236	0.41 269	0.28 231	0.41 263	0.27 231	0.41 262	0.27 231	0.42 288	0.27 231	0.41 269	0.28 226	0.40 263	0.29 219	0.40 284	0.28 239	0.40 268	0.27 213

Gwc-CoAtRS	0.41 250	1.49 391	0.32 222	0.42 245	0.32 267	0.41 269	0.32 256	0.41 263	0.33 273	0.41 262	0.32 267	0.41 270	0.32 267	0.41 269	0.32 251	0.39 259	0.28 208	0.39 279	0.28 239	0.40 268	0.28 226

HiDET	0.38 227	0.44 179	0.30 205	0.42 245	0.30 255	0.42 289	0.30 245	0.42 281	0.30 251	0.44 287	0.30 255	0.42 288	0.30 252	0.42 282	0.68 377	0.37 237	0.32 237	0.40 284	0.29 249	0.37 240	0.29 231

LCMNet	0.38 227	0.44 179	0.30 205	0.42 245	0.30 255	0.42 289	0.30 245	0.42 281	0.30 251	0.45 289	0.30 255	0.42 288	0.30 252	0.42 282	0.69 382	0.37 237	0.32 237	0.40 284	0.29 249	0.37 240	0.29 231

CSFM-Stereo	0.38 227	0.44 179	0.30 205	0.42 245	0.30 255	0.42 289	0.30 245	0.43 287	0.30 251	0.44 287	0.30 255	0.42 288	0.30 252	0.42 282	0.73 392	0.37 237	0.32 237	0.40 284	0.29 249	0.37 240	0.30 244

LL-Strereo2	0.48 287	1.73 404	0.51 322	0.59 303	0.34 289	0.42 289	0.33 266	0.40 248	0.31 262	0.42 276	0.33 274	0.42 288	0.31 264	0.44 291	0.39 304	0.60 336	0.51 333	0.44 315	0.33 287	0.44 288	0.33 265

BSDual-CNN	0.81 361	1.91 415	0.92 392	4.48 538	0.02 21	0.42 289	0.06 108	0.41 263	0.02 21	0.48 308	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	0.27 213

hknet	1.10 408	1.85 408	3.49 561	4.48 538	0.02 21	0.42 289	0.06 108	0.41 263	0.02 21	0.48 308	0.03 52	0.41 270	0.03 52	0.42 282	0.03 48	4.39 549	4.19 563	0.33 228	0.23 207	0.34 217	0.27 213

UCFNet_RVC	2.75 542	10.06 571	0.29 201	10.31 587	0.29 245	0.42 289	0.29 240	0.43 287	0.29 240	0.42 276	0.29 243	0.42 288	9.87 589	0.43 288	0.29 236	0.36 233	9.84 589	0.36 257	0.26 226	9.77 588	0.26 205

MS-F	0.38 227	0.44 179	0.31 217	0.43 251	0.30 255	0.43 296	0.31 254	0.43 287	0.31 262	0.45 289	0.31 263	0.43 295	0.31 264	0.43 288	0.69 382	0.38 248	0.33 248	0.40 284	0.30 263	0.38 253	0.30 244

RAFT-Stereo-weight	0.45 270	1.90 414	0.34 237	0.42 245	0.36 298	0.43 296	0.35 282	0.42 281	0.34 282	0.42 276	0.34 282	0.44 296	0.34 280	0.41 269	0.34 273	0.38 248	0.32 237	0.38 268	0.32 279	0.38 253	0.33 265

IER	0.88 378	7.04 549	2.23 537	2.75 497	0.28 236	0.43 296	0.25 212	0.39 243	0.25 212	0.41 262	0.27 231	0.39 249	0.25 214	0.40 254	0.28 226	0.37 237	0.28 208	0.37 260	0.25 220	0.37 240	0.25 199

RCA-Stereo	0.51 300	3.22 492	0.34 237	0.44 252	0.34 289	0.44 299	0.34 277	0.43 287	0.34 282	0.43 282	0.34 282	0.44 296	0.33 275	0.43 288	0.33 260	0.38 248	0.29 219	0.38 268	0.29 249	0.38 253	0.29 231

water-stereo	0.41 250	0.84 254	0.46 289	0.50 278	0.33 279	0.45 300	0.33 266	0.45 291	0.32 266	0.45 289	0.32 267	0.45 298	0.32 267	0.45 294	0.32 251	0.44 287	0.41 284	0.39 279	0.31 273	0.39 262	0.32 258

GREAT-IGEV	0.38 227	0.43 176	0.36 247	0.48 265	0.32 267	0.45 300	0.32 256	0.45 291	0.32 266	0.45 289	0.32 267	0.45 298	0.32 267	0.45 294	0.32 251	0.44 287	0.33 248	0.41 301	0.29 249	0.41 278	0.29 231

fffy	0.38 227	0.43 176	0.33 227	0.46 254	0.33 279	0.45 300	0.32 256	0.45 291	0.32 266	0.45 289	0.32 267	0.45 298	0.33 275	0.45 294	0.32 251	0.38 248	0.38 265	0.38 268	0.37 311	0.37 240	0.36 283

PAM	0.39 239	1.88 411	0.34 237	0.37 200	0.41 328	0.45 300	0.22 196	0.28 198	0.23 204	0.28 201	0.24 214	0.29 211	0.23 207	0.29 212	0.23 198	0.38 248	0.32 237	0.38 268	0.37 311	0.32 206	0.22 186

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	0.47 301	0.47 344	0.45 289	0.34 282	0.46 302	0.48 345	0.46 299	0.35 277	0.39 259	0.71 369	0.39 279	0.35 303	0.41 278	0.41 310

CES	0.39 239	0.47 195	0.36 247	0.36 197	0.37 302	0.45 300	0.35 282	0.35 221	0.40 316	0.36 230	0.44 339	0.47 308	0.36 290	0.44 291	0.36 281	0.37 237	0.39 272	0.44 315	0.35 303	0.37 240	0.36 283

DilatedVolume-Stereo	0.43 262	0.86 257	0.48 304	0.50 278	0.33 279	0.46 306	0.33 266	0.46 295	0.33 273	0.46 295	0.33 274	0.47 308	0.33 275	0.47 303	0.34 273	0.45 290	0.42 293	0.40 284	0.33 287	0.47 307	0.38 294

otaku	0.46 276	0.46 191	0.46 289	0.46 254	0.46 346	0.46 306	0.46 338	0.46 295	0.46 339	0.46 295	0.46 345	0.46 302	0.46 336	0.46 299	0.46 332	0.46 294	0.46 307	0.46 323	0.46 348	0.46 295	0.46 324

Dean	0.46 276	0.46 191	0.46 289	0.46 254	0.46 346	0.46 306	0.46 338	0.46 295	0.46 339	0.47 301	0.46 345	0.46 302	0.46 336	0.46 299	0.46 332	0.46 294	0.46 307	0.46 323	0.46 348	0.46 295	0.46 324

ACVNet_1	0.46 276	0.47 195	0.46 289	0.46 254	0.46 346	0.46 306	0.46 338	0.46 295	0.47 344	0.46 295	0.46 345	0.46 302	0.46 336	0.46 299	0.46 332	0.46 294	0.46 307	0.47 332	0.46 348	0.46 295	0.46 324

ACVNet-4b	0.46 276	0.46 191	0.46 289	0.46 254	0.46 346	0.46 306	0.46 338	0.46 295	0.46 339	0.46 295	0.46 345	0.46 302	0.46 336	0.47 303	0.46 332	0.46 294	0.46 307	0.46 323	0.46 348	0.46 295	0.46 324

mms	0.40 243	0.45 187	0.35 245	0.48 265	0.36 298	0.47 311	0.34 277	0.45 291	0.38 302	0.47 301	0.33 274	0.45 298	0.32 267	0.45 294	0.32 251	0.39 259	0.38 265	0.38 268	0.37 311	0.39 262	0.39 300

Ntro	0.47 282	0.47 195	0.46 289	0.46 254	0.46 346	0.47 311	0.47 343	0.46 295	0.47 344	0.46 295	0.46 345	0.47 308	0.46 336	0.47 303	0.47 339	0.47 299	0.46 307	0.46 323	0.46 348	0.46 295	0.46 324

HaxPig	0.47 282	0.47 195	0.47 296	0.49 271	0.47 352	0.47 311	0.47 343	0.47 301	0.47 344	0.47 301	0.47 353	0.47 308	0.47 344	0.47 303	0.47 339	0.47 299	0.47 315	0.47 332	0.47 355	0.47 307	0.48 333

UNDER WATER	0.47 282	0.47 195	0.47 296	0.47 260	0.47 352	0.47 311	0.47 343	0.47 301	0.47 344	0.47 301	0.47 353	0.47 308	0.46 336	0.47 303	0.47 339	0.47 299	0.47 315	0.47 332	0.46 348	0.47 307	0.47 331

LVE	0.47 282	0.47 195	0.47 296	0.47 260	0.49 358	0.47 311	0.47 343	0.47 301	0.49 353	0.47 301	0.47 353	0.47 308	0.46 336	0.47 303	0.47 339	0.47 299	0.47 315	0.48 340	0.47 355	0.47 307	0.47 331

SCV_C0	0.45 270	0.88 261	0.49 311	0.54 291	0.37 302	0.48 316	0.37 295	0.48 305	0.37 298	0.48 308	0.36 295	0.48 315	0.37 295	0.49 318	0.37 290	0.50 312	0.41 284	0.44 315	0.34 291	0.44 288	0.34 271

SCV	0.46 276	0.94 278	0.45 285	0.54 291	0.37 302	0.48 316	0.38 301	0.48 305	0.37 298	0.48 308	0.39 316	0.48 315	0.37 295	0.49 318	0.37 290	0.50 312	0.46 307	0.44 315	0.34 291	0.44 288	0.34 271

ccccc	0.41 250	0.44 179	0.34 237	0.48 265	0.35 292	0.48 316	0.35 282	0.51 330	0.35 285	0.47 301	0.35 291	0.47 308	0.34 280	0.47 303	0.35 277	0.41 271	0.40 275	0.40 284	0.40 328	0.41 278	0.39 300

RainbowNet	0.48 287	0.48 201	0.48 304	0.48 265	0.48 356	0.48 316	0.48 352	0.48 305	0.48 351	0.48 308	0.48 357	0.48 315	0.48 345	0.48 312	0.48 345	0.48 303	0.48 319	0.48 340	0.48 358	0.48 311	0.48 333

notaker	0.48 287	0.49 203	0.48 304	0.48 265	0.48 356	0.48 316	0.48 352	0.48 305	0.49 353	0.48 308	0.48 357	0.48 315	0.48 345	0.48 312	0.48 345	0.48 303	0.48 319	0.48 340	0.48 358	0.48 311	0.49 338

RSM	0.36 215	0.36 146	0.43 281	0.37 200	0.42 338	0.49 321	0.42 328	0.37 231	0.28 234	0.36 230	0.29 243	0.36 236	0.30 252	0.37 240	0.28 226	0.34 219	0.31 233	0.34 236	0.35 303	0.40 268	0.29 231

GCST	0.50 295	2.08 425	0.38 254	0.53 288	0.35 292	0.49 321	0.35 282	0.50 317	0.35 285	0.49 315	0.35 291	0.49 319	0.35 287	0.49 318	0.35 277	0.48 303	0.37 259	0.45 319	0.33 287	0.44 288	0.33 265

KSHMR	0.66 326	0.50 207	0.48 304	1.15 381	0.52 368	0.49 321	0.51 360	0.49 309	0.71 395	0.67 369	0.50 362	1.16 427	1.11 421	0.66 364	0.52 355	0.49 306	0.49 322	0.51 354	0.66 388	0.50 320	1.14 432

ACVNet_2	0.49 293	0.49 203	0.49 311	0.49 271	0.49 358	0.49 321	0.49 354	0.49 309	0.49 353	0.49 315	0.49 360	0.49 319	0.49 350	0.49 318	0.49 347	0.49 306	0.49 322	0.49 345	0.49 361	0.49 315	0.49 338

PCWNet_CMD	2.80 544	9.82 569	0.32 222	10.09 586	0.32 267	0.49 321	0.33 266	3.34 547	0.33 273	0.49 315	0.33 274	0.49 319	8.73 585	0.48 312	0.33 260	0.41 271	9.22 584	0.42 312	0.29 249	9.55 587	0.31 253

CFNet_ucs	2.73 541	9.64 568	0.33 227	9.92 584	0.32 267	0.49 321	0.33 266	0.49 309	0.33 273	0.49 315	0.33 274	0.49 319	8.98 587	0.48 312	0.33 260	0.41 271	9.96 590	0.40 284	0.29 249	10.12 590	0.54 353

psmorigin	0.41 250	0.46 191	0.33 227	0.49 271	0.33 279	0.49 321	0.33 266	0.49 309	0.33 273	0.49 315	0.33 274	0.49 319	0.33 275	0.51 334	0.33 260	0.41 271	0.30 227	0.41 301	0.30 263	0.79 361	0.29 231

ccs_rob	2.79 543	10.17 573	0.32 222	10.00 585	0.33 279	0.49 321	0.33 266	1.90 492	0.32 266	0.51 335	0.33 274	0.49 319	9.24 588	0.49 318	0.33 260	0.41 271	9.82 588	0.41 301	0.28 239	9.34 586	0.29 231

252Zero-FE	0.45 270	0.50 207	0.36 247	0.50 278	0.36 298	0.50 329	0.36 289	0.50 317	0.36 296	0.49 315	0.36 295	0.49 319	0.36 290	0.54 343	0.41 315	0.45 290	0.34 252	0.45 319	0.34 291	0.55 334	0.75 393

GASTEREO	0.48 287	1.21 369	0.47 296	0.57 298	0.38 309	0.50 329	0.38 301	0.50 317	0.38 302	0.50 328	0.38 307	0.50 334	0.38 299	0.50 325	0.38 293	0.52 320	0.42 293	0.46 323	0.34 291	0.46 295	0.34 271

MSCF	0.51 300	1.40 388	0.49 311	0.58 300	0.38 309	0.50 329	0.38 301	0.54 338	0.41 325	0.52 338	0.41 325	0.53 346	0.42 325	0.53 341	0.41 315	0.60 336	0.47 315	0.48 340	0.37 311	0.48 311	0.38 294

FoundationStereo	0.50 295	0.50 207	0.50 315	0.50 278	0.50 362	0.50 329	0.50 356	0.50 317	0.50 356	0.50 328	0.50 362	0.50 334	0.50 353	0.50 325	0.50 348	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 341

StereoAnything_RVC	0.50 295	0.50 207	0.50 315	0.50 278	0.50 362	0.50 329	0.50 356	0.50 317	0.50 356	0.50 328	0.50 362	0.50 334	0.50 353	0.50 325	0.50 348	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 341

dual_stereo	0.50 295	0.50 207	0.50 315	0.50 278	0.50 362	0.50 329	0.50 356	0.50 317	0.50 356	0.50 328	0.50 362	0.50 334	0.50 353	0.50 325	0.50 348	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 341

UGAM-zero	0.51 300	2.17 433	0.39 261	0.53 288	0.36 298	0.50 329	0.36 289	0.50 317	0.36 296	0.49 315	0.36 295	0.50 334	0.35 287	0.50 325	0.36 281	0.49 306	0.37 259	0.47 332	0.35 303	0.46 295	0.34 271

UGAM	0.51 300	2.23 438	0.39 261	0.54 291	0.35 292	0.50 329	0.35 282	0.49 309	0.35 285	0.49 315	0.35 291	0.49 319	0.36 290	0.50 325	0.36 281	0.49 306	0.37 259	0.45 319	0.34 291	0.45 292	0.34 271

pcwnet_v2	2.66 539	9.89 570	0.33 227	9.89 583	0.32 267	0.50 329	0.32 256	0.49 309	0.33 273	0.49 315	0.34 282	0.49 319	8.76 586	0.48 312	0.33 260	0.41 271	9.58 586	0.40 284	0.29 249	9.01 585	0.63 371

ccnet	0.80 356	2.28 441	0.33 227	0.50 278	0.33 279	0.50 329	0.33 266	0.50 317	0.33 273	0.49 315	0.33 274	0.49 319	1.56 497	2.38 517	0.33 260	0.41 271	0.29 219	0.42 312	1.57 512	2.28 502	0.29 231

FCDSN-DC	0.41 250	0.59 231	0.64 347	0.54 291	0.33 279	0.50 329	0.37 295	0.42 281	0.40 316	0.61 359	0.43 337	0.50 334	0.49 350	0.38 243	0.32 251	0.28 197	0.23 189	0.26 200	0.22 201	0.35 229	0.28 226
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SANet	0.50 295	0.50 207	0.50 315	0.50 278	0.50 362	0.50 329	0.50 356	0.50 317	0.50 356	0.50 328	0.50 362	0.50 334	0.50 353	0.50 325	0.50 348	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 341

GEAStereo	0.62 319	3.91 510	0.48 304	0.69 319	0.38 309	0.51 341	0.38 301	0.51 330	0.38 302	0.53 341	0.38 307	0.50 334	0.38 299	0.51 334	0.38 293	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.34 271

GSStereo	0.81 361	4.28 519	0.50 315	0.59 303	0.40 320	0.51 341	0.38 301	0.50 317	0.38 302	0.50 328	0.38 307	0.50 334	3.79 564	0.50 325	0.38 293	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.35 280

gasm-f	0.62 319	3.91 510	0.48 304	0.69 319	0.38 309	0.51 341	0.38 301	0.51 330	0.38 302	0.53 341	0.38 307	0.50 334	0.38 299	0.51 334	0.38 293	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.34 271

depthmonostereo	0.44 267	0.85 256	0.46 289	0.54 291	0.40 320	0.52 344	0.38 301	0.52 334	0.35 285	0.47 301	0.34 282	0.46 302	0.34 280	0.47 303	0.34 273	0.45 290	0.43 297	0.41 301	0.33 287	0.41 278	0.32 258

fffft	0.48 287	0.51 215	0.45 285	0.52 287	0.45 344	0.52 344	0.45 336	0.52 334	0.48 351	0.53 341	0.45 343	0.52 345	0.45 333	0.52 339	0.46 332	0.51 318	0.41 284	0.50 349	0.41 335	0.50 320	0.41 310
1: 1. 1
LG-Stereo_L1	0.47 282	0.52 217	0.47 296	0.62 308	0.39 318	0.53 346	0.40 315	0.53 336	0.39 315	0.53 341	0.39 316	0.53 346	0.39 307	0.53 341	0.39 304	0.55 330	0.46 307	0.49 345	0.37 311	0.49 315	0.37 287

PAM_32	0.64 323	2.38 453	0.51 322	0.92 348	0.43 340	0.53 346	0.44 331	0.87 379	0.43 333	0.52 338	0.45 343	0.53 346	0.40 308	0.54 343	0.46 332	0.62 344	0.56 341	0.48 340	0.45 346	0.76 356	0.44 321

AEACV	1.12 411	0.52 217	3.12 558	3.24 512	0.86 414	0.53 346	0.49 354	0.60 352	0.47 344	0.53 341	0.49 360	0.55 353	0.45 333	0.55 347	0.47 339	3.01 539	3.88 560	0.71 379	0.60 380	0.80 364	0.48 333

iRaftStereo_RVC	0.97 392	3.17 491	2.30 539	2.42 488	0.38 309	0.54 349	0.38 301	0.54 338	0.38 302	0.54 346	0.38 307	0.54 349	0.38 299	0.54 343	0.38 293	2.38 522	2.34 538	0.49 345	0.36 309	0.49 315	0.36 283

PSMNet_ROB	0.54 305	0.54 223	0.54 330	0.54 291	0.53 371	0.54 349	0.54 364	0.53 336	0.54 366	0.54 346	0.54 372	0.54 349	0.53 360	0.54 343	0.54 358	0.54 324	0.53 337	0.54 361	0.54 369	0.54 333	0.54 353

FSD	0.61 316	0.59 231	0.50 315	2.58 495	0.44 341	0.56 351	0.44 331	0.55 341	0.44 336	0.56 351	0.44 339	0.56 356	0.44 330	0.56 348	0.46 332	0.61 340	0.42 293	0.52 357	0.42 343	0.52 328	0.51 348

LG-Stereo_Zeroshot	0.48 287	0.55 225	0.47 296	0.63 310	0.41 328	0.56 351	0.44 331	0.56 342	0.41 325	0.56 351	0.41 325	0.57 358	0.42 325	0.56 348	0.41 315	0.55 330	0.43 297	0.51 354	0.37 311	0.51 326	0.37 287

Occ-G	1.12 411	0.52 217	3.72 566	3.50 527	0.50 362	0.56 351	0.47 343	0.54 338	0.46 339	0.54 346	0.41 325	0.54 349	0.42 325	0.52 339	0.42 323	3.42 543	4.02 562	0.52 357	0.45 346	0.51 326	0.44 321

LL-Strereo	1.01 401	5.06 528	1.63 501	0.70 323	1.43 505	0.56 351	0.46 338	0.57 345	0.50 356	0.57 354	0.50 362	1.58 488	0.49 350	0.59 355	0.50 348	1.64 482	0.52 335	0.51 354	1.37 500	0.52 328	0.45 323

CASS	0.57 312	0.89 264	0.56 332	0.57 298	0.56 374	0.56 351	0.56 365	0.56 342	0.53 364	0.57 354	0.57 375	0.59 362	0.48 345	0.56 348	0.57 361	0.55 330	0.56 341	0.47 332	0.56 374	0.62 340	0.56 361
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CFNet_RVC	2.38 532	8.71 561	0.38 254	9.33 579	0.42 338	0.56 351	0.42 328	0.60 352	0.38 302	0.62 362	0.42 335	0.56 356	7.29 584	0.62 357	0.42 323	0.53 323	0.37 259	0.49 345	0.34 291	8.30 581	6.87 588

MyStereo8	0.71 338	3.92 512	0.52 325	0.59 303	0.52 368	0.57 357	0.53 362	0.59 350	0.50 356	0.59 358	0.51 368	0.57 358	0.50 353	0.56 348	0.52 355	0.54 324	0.49 322	0.54 361	0.49 361	0.55 334	0.50 341

PML	0.46 276	1.36 385	0.29 201	0.58 300	0.30 255	0.57 357	0.29 240	0.57 345	0.29 240	0.57 354	0.29 243	0.57 358	0.29 245	0.56 348	0.29 236	0.52 320	0.30 227	0.53 360	0.31 273	0.53 332	0.30 244

PA-Net	11.80 588	223.51 614	0.62 344	0.59 303	0.71 401	0.59 359	0.73 394	0.67 361	0.73 400	0.55 349	0.61 380	0.60 363	0.74 391	0.63 361	0.73 392	0.66 349	0.60 348	0.69 376	0.66 388	0.72 351	0.65 373
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-test2	0.55 309	0.59 231	0.52 325	0.67 318	0.47 352	0.61 360	0.47 343	0.61 354	0.47 344	0.61 359	0.47 353	0.61 364	0.48 345	0.62 357	0.47 339	0.64 346	0.53 337	0.58 364	0.47 355	0.58 337	0.48 333

AIO-test1	0.54 305	0.60 234	0.52 325	0.66 317	0.47 352	0.61 360	0.47 343	0.58 348	0.46 339	0.61 359	0.46 345	0.61 364	0.45 333	0.62 357	0.45 328	0.61 340	0.52 335	0.57 363	0.48 358	0.57 336	0.48 333

Selective-IGEV	0.51 300	0.55 225	0.45 285	0.69 319	0.45 344	0.61 360	0.45 336	0.50 317	0.40 316	0.56 351	0.44 339	0.55 353	0.40 308	0.72 370	0.67 373	0.59 335	0.46 307	0.45 319	0.34 291	0.46 295	0.37 287

MyStereo06	0.75 345	4.12 513	0.60 338	0.63 310	0.61 383	0.62 363	0.66 376	0.56 342	0.45 338	0.55 349	0.48 357	0.54 349	0.46 336	0.57 353	0.45 328	0.60 336	0.57 343	0.64 370	0.55 370	0.72 351	0.55 358

MyStereo05	0.80 356	4.12 513	0.63 345	0.63 310	0.61 383	0.62 363	0.66 376	0.65 358	0.62 376	0.67 369	0.61 380	0.65 370	0.58 365	0.67 366	0.55 360	0.60 336	0.57 343	0.64 370	0.55 370	0.72 351	0.55 358

DSFCA	0.66 326	0.73 243	0.78 375	0.65 314	0.65 389	0.64 365	0.64 373	0.65 358	0.63 378	0.64 365	0.64 384	0.64 367	0.64 371	0.65 363	0.65 369	0.65 347	0.65 358	0.65 373	0.65 386	0.66 343	0.64 372

DispNO	1.00 395	0.63 235	0.43 281	3.45 523	0.44 341	0.65 366	0.43 330	0.64 357	0.43 333	0.64 365	0.43 337	0.64 367	3.03 543	0.64 362	0.43 326	4.55 552	0.43 297	0.63 369	0.43 344	0.63 341	0.43 318

LMCR-Stereo	0.65 324	0.63 235	0.65 350	0.65 314	0.65 389	0.66 367	0.63 372	0.58 348	0.65 380	0.63 364	0.64 384	0.65 370	0.65 373	0.66 364	0.66 372	0.66 349	0.64 356	0.65 373	0.67 392	0.68 345	0.73 389

WCG-NET	0.61 316	1.21 369	0.54 330	0.61 307	0.53 371	0.67 368	0.53 362	0.66 360	0.53 364	0.64 365	0.53 371	0.65 370	0.53 360	0.59 355	0.52 355	0.65 347	0.48 319	0.64 370	0.52 367	0.58 337	0.50 341

test-3	0.98 394	4.13 515	1.85 521	1.85 463	0.61 383	0.69 369	0.37 295	0.63 356	0.61 375	0.66 368	0.51 368	0.73 379	0.44 330	0.57 353	0.54 358	1.68 483	1.81 518	0.40 284	0.43 344	0.66 343	0.50 341

TorneroNet-64	0.45 270	0.27 130	0.30 205	0.58 300	0.27 231	0.70 370	0.30 245	0.28 198	0.73 400	0.73 375	0.28 238	0.71 374	0.66 376	0.75 375	0.27 216	0.27 195	0.29 219	0.37 260	0.75 404	0.28 193	0.30 244

DMCA-RVC	0.70 335	0.80 248	0.70 358	0.70 323	0.70 399	0.70 370	0.70 388	0.71 366	0.70 390	0.70 372	0.71 399	0.71 374	0.70 384	0.70 368	0.69 382	0.69 352	0.70 365	0.69 376	0.70 397	0.69 349	0.70 381

SMoEStereo_RVC	0.63 321	0.75 244	0.51 322	0.73 327	0.53 371	0.71 372	0.47 343	0.67 361	0.58 369	0.74 380	0.60 376	0.72 377	0.53 360	0.74 374	0.51 353	0.61 340	0.62 353	0.62 367	0.61 382	0.63 341	0.61 367

anonymity	0.63 321	0.69 239	0.56 332	0.71 325	0.56 374	0.71 372	0.56 365	0.71 366	0.56 367	0.72 373	0.56 374	0.71 374	0.56 364	0.71 369	0.58 362	0.68 351	0.55 339	0.68 375	0.55 370	0.68 345	0.54 353

AFF-stereo	0.73 343	0.88 261	0.67 355	0.75 329	0.68 396	0.75 374	0.64 373	0.80 373	0.72 397	0.83 389	0.70 395	0.82 391	0.64 371	0.84 383	0.67 373	0.77 362	0.63 354	0.81 393	0.63 384	0.78 359	0.62 370

iGMRVC	0.84 373	2.85 483	0.72 365	0.72 326	0.73 404	0.77 375	0.79 400	0.73 368	0.74 402	0.73 375	0.72 402	0.73 379	0.76 394	0.73 372	0.73 392	0.72 357	0.73 371	0.73 380	0.72 402	0.73 354	0.72 386

test_xeample3	1.10 408	1.81 405	0.61 343	0.84 338	0.49 358	0.77 375	0.66 376	0.92 388	1.40 506	0.68 371	0.46 345	0.78 384	0.54 363	1.72 491	1.48 507	1.34 463	1.52 495	1.35 491	1.67 525	1.33 466	1.55 509

GCAP-Stereo	0.75 345	4.15 516	0.42 280	0.75 329	0.35 292	0.78 377	0.40 315	0.79 371	0.38 302	0.78 383	0.36 295	0.78 384	0.36 290	0.79 377	0.39 304	0.75 360	0.39 272	0.76 385	0.39 327	0.75 355	0.39 300

ARAFT	0.68 331	0.81 251	0.63 345	0.74 328	0.60 377	0.78 377	0.62 371	0.77 370	0.66 382	0.74 380	0.63 382	0.75 381	0.62 370	0.83 382	0.60 365	0.70 355	0.55 339	0.70 378	0.60 380	0.78 359	0.55 358

G-Net	0.79 354	0.79 247	0.79 378	0.79 331	0.79 410	0.79 379	0.79 400	0.79 371	0.79 407	0.79 384	0.79 410	0.79 386	0.79 398	0.79 377	0.79 400	0.79 363	0.79 378	0.79 388	0.79 408	0.79 361	0.79 397

NaN_ROB	0.80 356	0.80 248	0.80 379	0.80 333	0.80 412	0.80 380	0.80 403	0.80 373	0.80 408	0.80 385	0.80 411	0.80 387	0.80 399	0.80 379	0.80 402	0.80 364	0.80 381	0.80 391	0.80 410	0.80 364	0.80 398

CSAN	0.80 356	0.80 248	0.80 379	0.80 333	0.80 412	0.80 380	0.80 403	0.80 373	0.80 408	0.80 385	0.80 411	0.80 387	0.80 399	0.80 379	0.80 402	0.80 364	0.80 381	0.80 391	0.80 410	0.80 364	0.80 398

zero-FE	0.72 341	1.31 381	0.66 351	0.92 348	0.60 377	0.82 382	0.58 367	0.82 377	0.58 369	0.81 387	0.60 376	0.81 390	0.60 367	0.82 381	0.58 362	0.74 359	0.59 347	0.73 380	0.52 367	0.76 356	0.51 348

RAFT-Stereo + iAFF	0.70 335	0.72 242	0.71 362	0.80 333	0.62 386	0.82 382	0.61 370	0.81 376	0.62 376	0.81 387	0.63 382	0.80 387	0.70 384	0.73 372	0.61 367	0.76 361	0.61 352	0.74 382	0.61 382	0.77 358	0.61 367

RSM++	0.76 349	0.82 253	0.66 351	0.85 340	0.64 387	0.85 384	0.71 391	0.94 392	0.64 379	0.87 390	0.67 389	0.87 393	0.65 373	0.84 383	0.65 369	0.81 367	0.70 365	0.79 388	0.71 400	0.83 371	0.70 381

CFNet_pseudo	2.67 540	9.36 566	0.32 222	10.99 588	0.33 279	0.85 384	0.33 266	0.49 309	0.33 273	0.49 315	0.32 267	0.49 319	7.26 583	0.49 318	0.33 260	0.41 271	9.62 587	0.41 301	0.29 249	10.03 589	0.29 231

MSMDNet	2.65 538	10.14 572	0.33 227	9.74 582	0.32 267	0.87 386	0.33 266	2.95 543	0.68 384	0.49 315	0.34 282	0.49 319	5.70 579	0.49 318	0.33 260	0.42 285	9.57 585	0.41 301	0.31 273	8.36 582	0.65 373

Selective-RAFT-Error	0.88 378	0.84 254	0.98 397	0.86 341	0.97 426	0.88 387	0.95 418	0.84 378	0.99 429	0.92 396	0.82 413	0.84 392	0.98 410	0.87 388	0.97 418	0.81 367	0.83 384	0.79 388	0.82 413	0.79 361	0.85 403

DCRE	0.84 373	1.89 412	0.77 374	0.94 354	0.72 403	0.88 387	0.73 394	0.87 379	0.78 404	0.90 392	0.71 399	0.88 394	0.67 378	0.88 389	0.73 392	0.81 367	0.68 360	0.81 393	0.70 397	0.82 369	0.70 381

DDUNet	0.81 361	2.45 457	0.57 334	0.90 343	0.60 377	0.88 387	0.59 369	0.90 383	0.60 372	0.88 391	0.60 376	0.90 397	0.58 365	0.88 389	0.60 365	0.84 374	0.60 348	0.86 401	0.57 376	0.86 373	0.60 366

UDG	0.80 356	2.21 437	0.60 338	0.91 345	0.60 377	0.90 390	0.58 367	0.88 382	0.60 372	0.90 392	0.60 376	0.88 394	0.60 367	0.90 392	0.58 362	0.86 376	0.60 348	0.84 399	0.59 379	0.84 372	0.61 367

DGTPSM_ROB	0.93 388	1.00 287	0.92 392	0.94 354	0.96 425	0.91 391	0.92 414	0.91 385	0.96 425	0.91 394	0.96 423	0.93 403	0.92 406	0.94 399	0.92 411	0.92 382	0.92 391	0.90 403	0.92 418	0.94 386	0.91 409

DPSM_ROB	0.92 383	0.91 269	0.91 390	0.91 345	0.92 421	0.92 392	0.92 414	0.92 388	0.91 416	0.93 398	0.91 418	0.92 400	0.90 403	0.91 393	0.92 411	0.92 382	0.91 389	0.91 406	0.92 418	0.93 384	0.93 411

DPSM	0.92 383	0.91 269	0.91 390	0.91 345	0.92 421	0.92 392	0.92 414	0.92 388	0.91 416	0.93 398	0.91 418	0.92 400	0.90 403	0.91 393	0.92 411	0.92 382	0.91 389	0.91 406	0.92 418	0.93 384	0.93 411

pmcnn	0.92 383	0.92 274	0.92 392	0.92 348	0.92 421	0.92 392	0.92 414	0.92 388	0.92 420	0.92 396	0.92 422	0.92 400	0.92 406	0.92 397	0.92 411	0.92 382	0.92 391	0.92 408	0.92 418	0.92 383	0.92 410

R-Stereo Train	0.81 361	0.96 280	0.67 355	0.95 356	0.67 393	0.95 395	0.68 381	0.95 394	0.68 384	0.95 402	0.68 390	0.96 405	0.68 379	0.96 403	0.68 377	0.94 387	0.68 360	0.94 410	0.68 393	0.94 386	0.68 378

RAFT-Stereo	0.81 361	0.96 280	0.67 355	0.95 356	0.67 393	0.95 395	0.68 381	0.95 394	0.68 384	0.95 402	0.68 390	0.96 405	0.68 379	0.96 403	0.68 377	0.94 387	0.68 360	0.94 410	0.68 393	0.94 386	0.68 378
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MoCha-V2	2.11 508	26.97 592	0.78 375	0.92 348	0.77 408	0.96 397	0.72 393	0.90 383	0.72 397	0.94 400	0.70 395	0.90 397	0.71 388	0.91 393	0.71 390	0.85 375	0.71 369	0.88 402	0.69 395	0.87 374	0.67 377

AIO-Stereo	0.84 373	0.66 238	0.70 358	0.83 337	0.67 393	0.98 398	0.82 406	1.14 407	0.72 397	1.03 410	0.74 405	1.03 414	1.09 420	0.99 405	0.45 328	1.04 393	0.73 371	0.95 412	0.74 403	0.94 386	0.46 324

ToySt	0.92 383	2.11 428	0.90 387	0.95 356	0.79 410	0.99 399	0.78 399	0.94 392	0.81 411	0.94 400	0.78 409	0.95 404	0.77 396	0.94 399	0.86 408	0.91 379	0.79 378	0.85 400	0.77 405	0.89 376	0.73 389

LG-Stereo	0.60 313	0.58 230	0.47 296	0.64 313	0.74 406	1.00 400	0.69 384	0.57 345	0.41 325	0.57 354	0.41 325	0.57 358	0.41 319	1.00 407	0.75 396	0.91 379	0.51 333	0.52 357	0.37 311	0.52 328	0.37 287

GANet	1.00 395	1.00 287	1.00 399	1.00 363	1.00 427	1.00 400	1.00 422	1.00 396	1.00 430	1.00 404	1.00 426	1.00 408	1.00 411	1.00 407	1.00 421	1.00 389	1.00 394	1.00 417	1.00 425	1.00 390	1.00 418

TDLM	1.00 395	1.00 287	1.00 399	1.00 363	1.00 427	1.00 400	1.00 422	1.00 396	1.00 430	1.00 404	1.00 426	1.00 408	1.00 411	1.00 407	1.00 421	1.00 389	1.00 394	1.00 417	1.00 425	1.00 390	1.00 418

CVANet_RVC	1.00 395	1.00 287	1.00 399	1.00 363	1.00 427	1.00 400	1.00 422	1.00 396	1.00 430	1.00 404	1.00 426	1.00 408	1.00 411	1.00 407	1.00 421	1.00 389	1.00 394	1.00 417	1.00 425	1.00 390	1.00 418

trnet	1.01 401	1.01 293	1.01 402	1.01 366	1.01 431	1.01 404	1.01 425	1.01 400	1.01 433	1.01 408	1.01 429	1.01 412	1.01 417	1.01 411	1.01 424	1.01 392	1.01 397	1.01 420	1.01 429	1.01 393	1.01 421

AdaDepth	0.86 376	0.93 276	0.71 362	1.01 366	1.07 436	1.02 405	0.71 391	1.00 396	0.71 395	1.01 408	0.71 399	1.00 408	0.72 389	1.14 425	0.71 390	0.92 382	0.64 356	0.90 403	0.64 385	0.89 376	0.69 380

DPSimNet_ROB	0.97 392	1.18 321	0.81 381	1.10 373	0.91 420	1.02 405	0.82 406	1.04 402	0.91 416	1.03 410	0.86 414	1.28 479	0.82 401	1.03 412	0.89 409	1.17 407	0.81 383	1.02 421	0.82 413	1.08 398	0.81 400

AIO-Stereo-zeroshot	0.91 381	0.86 257	0.89 384	1.25 438	0.69 397	1.05 407	0.81 405	1.16 411	0.50 356	1.12 420	0.97 424	0.72 377	0.82 401	1.06 414	0.95 416	0.61 340	0.87 386	1.03 423	0.85 416	1.04 396	1.01 421

TorneroNet	0.66 326	0.53 220	0.50 315	0.50 278	0.64 387	1.06 408	0.70 388	0.50 317	0.51 363	0.49 315	0.69 393	0.49 319	0.50 353	0.48 312	1.15 433	0.71 356	0.49 322	1.14 426	1.08 431	0.49 315	0.49 338

Selective-RAFT	0.89 380	0.89 264	0.72 365	1.16 386	0.78 409	1.06 408	0.82 406	0.87 379	0.97 426	1.00 404	0.91 418	0.90 397	1.00 411	0.89 391	0.93 415	0.83 372	0.83 384	0.82 397	0.82 413	0.81 367	0.82 401

GLC_STEREO	1.07 406	1.01 293	1.06 404	1.07 371	1.05 435	1.06 408	1.08 429	1.08 403	1.05 436	1.07 412	1.06 431	1.08 416	1.05 419	1.06 414	1.10 428	1.07 395	1.09 407	1.05 424	1.05 430	1.06 397	1.12 428

STTRV1_RVC	0.82 366	1.60 395	0.70 358	1.01 366	0.60 377	1.07 411	0.69 384	1.01 400	0.60 372	0.72 373	0.55 373	1.02 413	0.68 379	1.03 412	0.67 373	0.89 378	0.63 354	0.92 408	0.57 376	0.90 379	0.65 373

edge stereo	2.43 533	27.07 593	1.14 408	1.06 370	1.14 439	1.08 412	1.17 437	1.16 411	1.14 437	1.10 414	1.16 437	1.09 418	1.16 429	1.10 420	1.16 436	1.10 398	1.11 411	1.16 428	1.19 439	1.13 400	1.11 426

Nwc_Net	2.37 530	25.95 589	1.15 410	1.14 379	1.15 440	1.08 412	1.14 433	1.17 413	1.16 439	1.14 423	1.15 434	1.08 416	1.15 425	1.11 422	1.14 432	1.10 398	1.11 411	1.16 428	1.09 432	1.16 405	1.15 433

999	1.00 395	1.12 312	0.59 336	1.10 373	1.21 495	1.09 414	0.52 361	1.08 403	1.43 508	1.18 425	1.35 499	0.98 407	0.52 359	0.91 393	0.85 407	0.72 357	1.46 491	0.83 398	0.98 423	0.68 345	1.41 504

RP	2.33 526	25.00 585	1.13 407	1.15 381	1.15 440	1.10 415	1.15 434	1.15 408	1.15 438	1.12 420	1.15 434	1.09 418	1.13 422	1.10 420	1.15 433	1.11 403	1.09 407	1.16 428	1.12 433	1.16 405	1.17 437

RGC	2.36 528	25.48 586	1.19 416	1.15 381	1.15 440	1.10 415	1.16 436	1.17 413	1.16 439	1.12 420	1.16 437	1.11 423	1.13 422	1.09 418	1.18 438	1.10 398	1.15 416	1.16 428	1.12 433	1.14 401	1.12 428

MSMD_ROB	1.19 413	1.10 311	0.70 358	1.10 373	0.60 377	1.10 415	0.70 388	1.10 406	0.70 390	1.10 414	0.70 395	1.10 420	0.70 384	7.00 587	0.70 388	1.10 398	0.70 365	1.10 425	0.70 397	1.10 399	0.70 381

Wavelet-MonSter	1.00 395	1.21 369	0.76 372	1.94 467	1.01 431	1.11 418	0.76 397	1.15 408	0.76 403	1.11 419	0.76 407	1.14 425	0.76 394	1.11 422	0.76 398	1.21 454	0.90 387	1.02 421	0.71 400	1.02 395	0.71 385

NCC-stereo	2.36 528	25.52 587	1.17 412	1.15 381	1.17 445	1.11 418	1.11 430	1.15 408	1.16 439	1.10 414	1.16 437	1.10 420	1.15 425	1.14 425	1.13 431	1.09 396	1.11 411	1.15 427	1.16 437	1.17 410	1.17 437

Abc-Net	2.32 525	24.75 584	1.14 408	1.17 387	1.17 445	1.11 418	1.15 434	1.17 413	1.21 491	1.08 413	1.16 437	1.12 424	1.14 424	1.09 418	1.17 437	1.09 396	1.16 417	1.17 432	1.17 438	1.16 405	1.11 426
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 526	24.38 583	1.18 414	1.18 388	1.18 447	1.14 421	1.18 438	1.19 416	1.19 445	1.14 423	1.18 441	1.14 425	1.18 430	1.14 425	1.18 438	1.14 406	1.14 415	1.19 436	1.19 439	1.15 403	1.19 441

AF-Net	2.37 530	25.71 588	1.17 412	1.13 378	1.15 440	1.15 422	1.18 438	1.19 416	1.16 439	1.10 414	1.15 434	1.10 420	1.18 430	1.12 424	1.15 433	1.10 398	1.10 410	1.17 432	1.15 435	1.16 405	1.12 428

HSM-Net_RVC	0.95 391	1.17 319	0.78 375	1.18 388	0.71 401	1.16 423	0.75 396	1.09 405	0.80 408	1.10 414	0.75 406	1.17 428	0.74 391	1.17 428	0.80 402	1.13 404	0.73 371	1.17 432	0.77 405	1.16 405	0.72 386
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DisPM	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

CrosDoStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

PFNet+	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

LCNet	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

HHNet	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

Patchmatch Stereo++	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442
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	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

STrans-v2	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

TransformOpticalFlow	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

OMP-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

IIG-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

NF-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

OCTAStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

PSM-softLoss	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

KMStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

NRIStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

PSM-adaLoss	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

PSM-AAD	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

FTStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

ROB_FTStereo_v2	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

ROB_FTStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

Consistency-Raft	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

KYRaft	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

HUI-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

ASMatch	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

DeepStereo_LL	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

DEmStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

SST-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

THIR-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

RAFT_R40	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

DRaft	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

PFNet	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

GrayStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

RE-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

Pruner-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

TVStereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

DeepStereo_RVC	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

RAFT-RH_RVC	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

IRAFT_RVC	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

RAFT-345	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

iRAFT	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

CRE-IMP	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

GMM-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

RAFT-IKP	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

Prome-Stereo	1.20 414	1.20 323	1.20 419	1.20 390	1.20 449	1.20 424	1.20 440	1.20 419	1.20 446	1.20 427	1.20 442	1.20 430	1.20 432	1.20 430	1.20 442	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

FAT-Stereo	2.46 534	26.05 590	1.23 468	1.23 437	1.22 497	1.20 424	1.24 488	1.23 467	1.23 493	1.19 426	1.22 488	1.21 475	1.24 480	1.20 430	1.24 489	1.21 454	1.17 420	1.22 483	1.25 492	1.20 414	1.24 491

ktn	0.72 341	0.53 220	1.08 405	1.14 379	0.51 367	1.22 470	1.36 498	0.51 330	0.59 371	0.51 335	0.51 368	0.69 373	1.20 432	0.67 366	0.51 353	0.51 318	0.49 322	0.58 364	0.66 388	0.52 328	0.53 350

CroCo-Stereo	0.73 343	1.22 375	0.25 186	1.22 435	0.25 221	1.22 470	0.25 212	1.22 465	0.25 212	1.22 473	0.25 220	1.22 476	0.25 214	1.22 476	0.25 210	1.22 456	0.26 195	1.21 482	0.25 220	1.22 461	0.25 199
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
S-Stereo	2.51 535	26.86 591	1.23 468	1.22 435	1.22 497	1.24 472	1.25 489	1.22 465	1.24 494	1.21 472	1.24 490	1.19 429	1.27 482	1.19 429	1.24 489	1.19 408	1.20 422	1.25 484	1.19 439	1.24 462	1.23 490

AIO-Stereo-zeroshot1	0.75 345	0.92 274	0.85 383	0.96 359	0.59 376	1.27 473	0.44 331	0.59 350	0.69 387	0.91 394	0.68 390	0.55 353	0.61 369	1.06 414	0.83 406	0.62 344	0.70 365	0.90 403	0.41 335	0.89 376	0.56 361

CroCo-Stereo Lap2	0.77 350	1.29 379	0.29 201	1.27 439	0.29 245	1.27 473	0.26 220	1.26 468	0.26 225	1.26 474	0.26 226	1.27 478	0.26 223	1.26 477	0.27 216	1.27 458	0.27 202	1.27 486	0.27 234	1.27 464	0.27 213

11t	1.27 464	2.70 468	1.34 472	1.32 443	0.89 416	1.30 475	1.34 495	1.64 484	0.57 368	1.45 482	0.72 402	1.05 415	1.29 484	1.07 417	1.29 496	1.49 474	1.02 398	0.97 415	1.15 435	1.48 471	1.31 495

ours_stereo	1.20 414	1.21 369	0.90 387	1.64 461	1.11 438	1.35 476	0.67 380	1.76 488	0.93 421	1.70 492	1.10 433	1.39 483	0.75 393	1.41 483	0.81 405	1.60 481	1.03 399	1.33 488	1.00 425	1.61 476	0.72 386

MaskLacGwcNet_RVC	1.35 466	1.35 384	1.35 474	1.35 445	1.35 499	1.35 476	1.35 496	1.36 473	1.35 502	1.36 477	1.35 499	1.36 480	1.36 490	1.36 479	1.35 500	1.35 464	1.35 483	1.35 491	1.35 497	1.35 467	1.35 500

MM-Stereo_test2	1.20 414	1.85 408	1.05 403	1.46 450	0.94 424	1.36 478	0.99 421	1.36 473	0.95 423	1.41 480	0.98 425	1.40 485	0.96 408	1.37 480	0.95 416	1.37 468	1.06 400	1.33 488	0.93 422	1.29 465	0.89 407

CC-Net-ROB	1.36 467	1.33 383	1.33 471	1.36 446	1.38 502	1.36 478	1.33 494	1.37 475	1.34 499	1.35 476	1.36 501	1.38 481	1.34 488	1.38 482	1.38 503	1.35 464	1.38 487	1.33 488	1.35 497	1.43 470	1.34 499

MLG-Stereo	0.92 383	0.90 267	0.84 382	1.27 439	0.49 358	1.38 480	0.88 409	1.41 479	0.97 426	0.73 375	1.09 432	1.26 477	0.43 328	0.72 370	1.05 426	1.13 404	0.49 322	1.18 435	0.66 388	1.01 393	0.46 324

PS-NSSS	1.38 469	1.39 387	1.34 472	1.34 444	1.35 499	1.38 480	1.37 503	1.35 472	1.38 505	1.34 475	1.34 498	1.39 483	1.38 493	1.70 490	1.40 504	1.36 466	1.36 484	1.36 493	1.37 500	1.37 468	1.36 501

NLCSM	1.94 484	1.36 385	0.90 387	17.57 589	1.19 448	1.40 482	0.90 411	1.37 475	0.90 414	1.37 478	0.91 418	1.38 481	0.91 405	1.37 480	0.90 410	1.28 459	0.90 387	1.25 484	0.85 416	1.24 462	0.85 403

HBP-ISP	1.24 462	1.72 399	1.65 502	1.15 381	0.76 407	1.40 482	0.88 409	1.67 487	1.02 434	1.69 491	1.38 504	1.69 493	1.21 478	1.87 498	1.21 487	1.05 394	0.79 378	0.97 415	0.80 410	1.19 413	0.75 393

FC-DCNN	1.07 406	1.09 308	0.98 397	0.89 342	0.52 368	1.41 484	0.91 413	1.21 464	1.24 494	1.96 496	2.05 550	1.91 497	1.30 485	1.27 478	1.08 427	0.80 364	0.60 348	0.58 364	0.41 335	0.68 345	0.54 353

MM-Stereo_test3	1.27 464	2.07 424	1.18 414	1.60 456	1.02 433	1.45 485	1.01 425	1.40 478	1.04 435	1.44 481	1.03 430	1.46 487	1.02 418	1.44 484	1.02 425	1.51 477	1.12 414	1.32 487	0.98 423	1.38 469	0.97 414

RASNet	1.49 470	1.65 396	1.45 490	1.38 448	1.43 505	1.47 486	1.36 498	1.38 477	1.36 503	1.39 479	1.60 515	1.45 486	1.45 496	1.51 485	2.21 545	1.53 478	1.36 484	1.36 493	1.36 499	1.66 479	1.36 501

tt45	1.04 405	0.88 261	1.36 482	0.92 348	1.03 434	1.51 487	0.79 400	0.70 365	0.88 413	0.74 380	0.90 415	1.60 489	0.72 389	1.60 486	0.75 396	0.91 379	0.78 377	1.52 498	0.79 408	1.14 401	1.32 496

FlowAnything	1.02 403	1.71 398	0.72 365	1.59 453	0.69 397	1.60 488	0.69 384	1.61 481	0.70 390	1.60 484	0.69 393	1.60 489	0.69 382	1.61 488	0.69 382	0.81 367	0.58 345	0.81 393	0.56 374	0.82 369	0.56 361

FlowAnything_test	1.02 403	1.72 399	0.71 362	1.59 453	0.70 399	1.61 489	0.69 384	1.61 481	0.70 390	1.60 484	0.70 395	1.61 492	0.69 382	1.61 488	0.70 388	0.81 367	0.58 345	0.81 393	0.55 370	0.81 367	0.56 361

DPSMNet_ROB	1.60 473	1.59 394	1.70 504	1.59 453	1.59 511	1.61 489	1.61 514	1.60 480	1.60 512	1.62 490	1.59 514	1.60 489	1.60 499	1.60 486	1.59 511	1.59 479	1.60 505	1.59 499	1.59 517	1.59 475	1.59 514

CFNet-RSSM	0.91 381	4.89 526	0.34 237	0.44 252	1.07 436	1.62 491	1.40 505	0.91 385	0.35 285	1.60 484	1.39 505	0.64 367	0.34 280	0.44 291	0.33 260	0.41 271	0.35 254	0.75 383	0.30 263	0.41 278	0.29 231

ff7	1.68 474	2.68 465	1.35 474	0.97 360	0.89 416	1.84 492	2.15 543	2.12 501	1.80 529	2.05 506	1.56 511	2.33 512	2.12 534	2.23 509	2.25 546	1.31 460	1.07 401	1.48 495	1.41 503	0.90 379	1.04 423

ffff	1.68 474	2.68 465	1.35 474	0.97 360	0.89 416	1.84 492	2.15 543	2.12 501	1.80 529	2.05 506	1.56 511	2.33 512	2.12 534	2.23 509	2.25 546	1.31 460	1.07 401	1.48 495	1.41 503	0.90 379	1.04 423

ccc-4	1.68 474	2.68 465	1.35 474	0.97 360	0.89 416	1.84 492	2.15 543	2.12 501	1.80 529	2.05 506	1.56 511	2.33 512	2.12 534	2.23 509	2.25 546	1.31 460	1.07 401	1.48 495	1.41 503	0.90 379	1.04 423

GANetREF_RVC	1.55 471	1.94 421	1.22 466	1.88 464	1.21 495	1.88 495	1.22 486	1.88 490	1.22 492	1.88 493	1.22 488	1.88 495	1.22 479	1.89 499	1.22 488	1.87 489	1.22 469	1.88 512	1.22 488	1.88 488	1.22 488
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
3.75w	1.99 487	2.31 443	1.83 518	3.16 510	1.65 515	1.93 496	1.98 534	2.72 529	1.68 514	2.73 538	1.97 539	2.00 502	1.72 508	1.81 496	1.25 492	2.27 513	2.01 525	2.38 531	1.42 506	1.71 481	1.24 491

4.5w-stereo	1.99 487	2.33 445	1.81 510	3.28 514	1.68 518	1.94 497	1.99 537	2.72 529	1.70 517	2.72 533	1.99 548	1.97 500	1.68 503	1.76 492	1.29 496	1.91 494	2.02 529	2.53 539	1.61 519	1.75 484	1.16 436

2.75w_new	1.99 487	2.34 449	1.81 510	3.14 508	1.62 513	1.94 497	1.99 537	2.72 529	1.71 518	2.72 533	1.99 548	1.90 496	1.73 509	1.82 497	1.29 496	2.37 521	2.01 525	2.31 526	1.42 506	1.77 485	1.22 488

2w_stereo	1.99 487	2.36 452	1.81 510	3.24 512	1.67 516	1.94 497	1.98 534	2.72 529	1.68 514	2.72 533	1.94 536	1.98 501	1.74 511	1.79 495	1.27 493	1.95 496	2.00 523	2.53 539	1.60 518	1.68 480	1.15 433

4.25_new	2.00 491	2.33 445	1.82 515	3.32 517	1.69 519	1.95 500	1.99 537	2.72 529	1.71 518	2.72 533	1.97 539	2.01 503	1.74 511	1.77 493	1.28 494	2.18 505	2.01 525	2.48 537	1.58 515	1.65 477	1.17 437

4.5w_new	2.00 491	2.33 445	1.82 515	3.32 517	1.69 519	1.95 500	1.99 537	2.72 529	1.71 518	2.72 533	1.97 539	2.01 503	1.74 511	1.77 493	1.28 494	2.18 505	2.01 525	2.48 537	1.58 515	1.65 477	1.17 437

MFMNet_re	1.81 481	1.91 415	1.71 506	1.95 469	1.70 522	1.95 500	1.70 519	1.96 493	1.74 525	1.97 498	1.72 523	1.95 498	1.71 507	1.97 502	1.71 519	1.86 487	1.62 506	1.85 505	1.66 524	1.86 487	1.64 520

SPS-STEREO	1.59 472	1.91 415	1.21 465	1.94 467	1.20 449	2.00 503	1.23 487	1.99 495	1.24 494	2.00 501	1.25 491	2.03 505	1.26 481	2.00 503	1.29 496	1.90 493	1.18 421	1.89 513	1.21 487	1.89 489	1.20 442
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 480	3.41 495	1.52 497	2.12 474	1.41 504	2.04 504	1.41 506	2.05 499	1.46 509	2.04 505	1.41 506	2.05 506	1.42 495	2.05 504	1.43 506	2.04 501	1.54 498	1.94 514	1.38 502	1.99 491	1.33 497

RAFT_CTSACE	1.92 483	3.71 502	1.72 507	1.88 464	1.72 523	2.04 504	1.42 508	2.18 506	1.89 540	2.02 503	1.97 539	1.95 498	2.06 533	1.93 500	1.62 512	1.76 484	1.66 509	2.02 516	1.73 533	1.73 482	1.43 506

4.25w-stereo	1.98 486	2.72 472	1.46 491	3.47 524	1.43 505	2.07 506	1.98 534	2.53 526	1.52 510	2.71 532	1.98 545	1.81 494	1.62 501	1.96 501	1.36 501	1.88 492	2.00 523	2.53 539	1.61 519	1.74 483	1.15 433

MonSter	0.60 313	0.64 237	0.52 325	0.62 308	0.44 341	2.07 506	0.44 331	0.62 355	0.44 336	0.62 362	0.44 339	0.62 366	0.44 330	0.62 357	0.44 327	0.58 334	0.42 293	0.62 367	0.46 348	0.58 337	0.42 317

MonStereo1	1.94 484	2.77 478	1.52 497	3.73 535	1.51 508	2.13 508	1.42 508	2.32 514	1.52 510	2.31 518	1.50 509	2.53 522	1.59 498	2.34 516	1.56 509	1.91 494	1.36 484	1.86 508	1.31 495	2.07 492	1.53 507

MC-Stereo	1.76 477	2.96 484	1.37 484	2.14 475	1.37 501	2.14 509	1.36 498	2.14 504	1.37 504	2.14 510	1.37 502	2.14 507	1.37 492	2.14 508	1.37 502	1.97 497	1.32 471	1.97 515	1.32 496	1.98 490	1.33 497

2.25w	2.00 491	1.86 410	1.98 532	2.95 505	2.17 548	2.26 510	1.35 496	2.42 520	2.00 547	2.07 509	1.27 493	2.53 522	1.99 529	2.29 513	1.49 508	2.21 508	1.32 471	1.85 505	1.87 537	2.52 518	1.62 518

4.5_new	2.00 491	1.84 407	1.98 532	2.77 499	2.16 546	2.27 511	1.28 493	2.09 500	1.98 544	2.01 502	1.28 494	2.71 534	1.98 527	2.51 525	1.65 514	2.26 510	1.33 478	1.87 509	1.87 537	2.49 514	1.60 515

NCCL2	2.28 524	2.27 440	2.28 538	2.28 484	2.28 551	2.27 511	2.29 546	2.28 507	2.28 550	2.27 514	2.28 551	2.28 508	2.27 537	2.27 512	2.28 550	2.28 514	2.28 537	2.27 523	2.29 550	2.27 501	2.29 542

TRStereo	2.00 491	2.13 429	1.85 521	2.27 481	1.84 527	2.28 513	1.84 523	2.29 509	1.86 534	2.30 515	1.87 528	2.30 509	1.87 517	2.08 505	1.72 521	2.08 502	1.72 512	2.08 518	1.72 530	2.08 493	1.72 525

XX-Stereo	2.00 491	2.13 429	1.85 521	2.27 481	1.84 527	2.28 513	1.84 523	2.29 509	1.86 534	2.30 515	1.87 528	2.30 509	1.87 517	2.08 505	1.72 521	2.08 502	1.72 512	2.08 518	1.72 530	2.08 493	1.72 525

EAI-Stereo	2.00 491	2.13 429	1.85 521	2.27 481	1.84 527	2.28 513	1.84 523	2.29 509	1.86 534	2.30 515	1.87 528	2.30 509	1.87 517	2.08 505	1.72 521	2.08 502	1.72 512	2.08 518	1.72 530	2.08 493	1.72 525

STTStereo	3.73 550	30.40 597	2.37 542	2.39 487	2.31 553	2.35 516	2.33 547	2.29 509	2.42 551	2.32 519	2.34 552	2.33 512	2.36 538	2.30 514	2.27 549	2.35 520	2.22 536	2.31 526	2.22 547	2.29 503	2.34 546

FBW_ROB	2.12 509	2.46 458	1.77 509	2.49 491	1.79 526	2.38 517	1.83 522	2.46 521	1.78 528	2.48 526	1.97 539	2.40 517	1.78 514	2.42 522	1.83 530	2.31 518	1.85 520	2.38 531	1.82 535	2.35 505	1.84 530

AIO_rvc	2.18 512	2.34 449	1.87 525	2.32 485	1.94 536	2.40 518	1.89 531	2.37 517	2.07 549	2.52 528	1.95 538	2.44 519	1.99 529	2.41 520	1.89 538	2.32 519	2.09 531	2.24 522	2.18 546	2.21 497	2.23 541

IGEV	2.02 499	2.20 435	1.82 515	2.90 504	2.16 546	2.41 519	1.25 489	2.00 496	1.98 544	1.99 500	1.31 496	2.72 538	1.93 523	2.67 533	1.69 518	2.26 510	1.32 471	1.83 504	1.87 537	2.53 521	1.61 517

HUF	2.18 512	2.30 442	1.99 535	2.34 486	2.02 541	2.41 519	2.06 542	2.38 518	1.89 540	2.36 520	1.85 526	2.56 527	1.98 527	2.31 515	1.97 541	2.30 517	2.03 530	2.30 525	2.11 544	2.23 498	2.16 539

AIO_test	2.18 512	2.09 427	2.04 536	2.42 488	2.01 538	2.47 521	1.94 533	2.34 516	2.03 548	2.56 529	1.94 536	2.43 518	1.94 524	2.41 520	1.87 536	2.39 523	2.10 532	2.35 530	1.91 543	2.25 500	2.19 540

4w-stereo	2.02 499	2.72 472	1.44 489	3.36 520	1.59 511	2.48 522	1.72 520	2.28 507	1.24 494	2.24 513	1.65 519	2.56 527	1.32 487	2.39 519	1.98 542	2.67 535	1.51 494	1.66 501	1.24 490	2.53 521	1.88 537

3w_stereo	2.04 504	2.24 439	1.70 504	3.15 509	2.18 550	2.49 523	1.26 491	2.03 498	1.98 544	1.98 499	1.33 497	2.72 538	1.99 529	2.59 528	1.72 521	2.22 509	1.33 478	1.85 505	1.88 542	2.50 516	1.58 513

monsterstereo	2.20 518	2.33 445	1.95 530	3.65 531	2.07 543	2.49 523	1.61 514	2.48 522	1.83 532	2.45 524	1.61 517	2.67 533	1.86 516	2.64 530	1.94 539	2.48 529	1.66 509	2.34 528	1.68 527	2.40 507	1.86 532

asda	2.17 510	2.54 459	1.81 510	3.47 524	1.78 525	2.50 525	1.86 527	2.61 528	1.68 514	2.61 530	1.83 525	2.37 516	1.73 509	2.44 523	1.88 537	2.51 530	1.84 519	2.34 528	1.62 521	2.23 498	1.77 529

UDGNet	2.23 522	5.40 538	1.72 507	2.48 490	1.69 519	2.51 526	1.69 518	2.51 525	1.72 522	2.50 527	1.69 522	2.52 521	1.69 505	2.50 524	1.68 517	2.41 524	1.70 511	2.42 533	1.69 529	2.42 508	1.64 520

qwe	2.18 512	2.60 462	1.58 499	3.83 537	1.90 535	2.53 527	1.90 532	2.48 522	1.73 523	2.37 521	1.92 535	2.53 522	1.68 503	2.56 526	1.83 530	2.52 532	1.87 521	2.07 517	1.68 527	2.32 504	1.71 524

monsters	2.18 512	2.41 455	1.96 531	3.47 524	2.03 542	2.53 527	1.64 516	2.48 522	1.73 523	2.40 522	1.50 509	2.62 530	1.94 524	2.59 528	1.94 539	2.44 525	1.57 500	2.28 524	1.87 537	2.42 508	1.86 532

IGEVStereo-DCA	1.77 478	4.21 517	1.84 519	2.49 491	2.11 544	2.54 529	1.36 498	1.65 485	1.17 443	2.75 539	1.90 533	2.54 525	1.15 425	0.94 399	1.11 429	1.50 475	1.32 471	0.96 413	1.46 509	1.49 472	0.88 405

rrr	1.77 478	4.21 517	1.84 519	2.49 491	2.11 544	2.54 529	1.36 498	1.65 485	1.17 443	2.75 539	1.90 533	2.54 525	1.15 425	0.94 399	1.11 429	1.50 475	1.32 471	0.96 413	1.46 509	1.49 472	0.88 405

asd	2.18 512	2.77 478	1.58 499	3.59 529	2.00 537	2.58 531	1.85 526	2.39 519	1.71 518	2.47 525	1.97 539	2.59 529	1.61 500	2.56 526	1.79 528	2.51 530	1.99 522	2.11 521	1.62 521	2.36 506	1.60 515

MonStereo	2.17 510	2.41 455	1.49 496	2.67 496	1.67 516	2.60 532	2.04 541	2.32 514	1.76 526	2.44 523	1.68 521	2.50 520	1.69 505	2.38 517	1.80 529	2.28 514	1.78 515	2.63 542	2.14 545	3.47 532	1.68 523

3.25w	2.04 504	2.20 435	1.48 492	3.03 506	2.17 548	2.63 533	1.39 504	1.96 493	1.95 543	1.96 496	1.37 502	2.71 534	1.96 526	2.71 534	1.73 526	2.26 510	1.32 471	1.87 509	1.87 537	2.51 517	1.63 519

2.5w	2.01 498	2.40 454	1.37 484	3.28 514	2.01 538	2.71 534	1.43 511	1.82 489	1.83 532	1.90 495	1.41 506	2.71 534	1.35 489	2.71 534	1.85 532	2.66 533	1.53 496	1.64 500	1.23 489	2.53 521	1.87 534

3.25w_new	2.03 501	2.72 472	1.35 474	3.33 519	1.57 509	2.72 535	1.53 513	2.15 505	1.33 498	2.15 511	1.60 515	2.63 531	1.30 485	2.72 536	1.99 543	2.67 535	1.53 496	1.75 503	1.25 492	2.53 521	1.87 534

3.5w_stereo	2.03 501	2.72 472	1.35 474	3.41 521	1.57 509	2.72 535	1.49 512	2.01 497	1.34 499	2.15 511	1.61 517	2.63 531	1.36 490	2.72 536	1.99 543	2.66 533	1.58 501	1.68 502	1.24 490	2.53 521	1.87 534

1w_stereo	2.05 506	2.32 444	1.35 474	3.74 536	2.01 538	2.73 537	1.42 508	1.88 490	1.93 542	2.03 504	1.28 494	2.71 534	1.99 529	2.72 536	1.72 521	2.20 507	1.32 471	1.87 509	1.86 536	2.45 510	1.54 508

sCroCo_RVC	2.10 507	2.76 476	1.92 529	2.78 502	1.39 503	2.73 537	1.41 506	2.73 535	1.40 506	2.77 544	1.41 506	2.74 540	1.40 494	2.74 539	1.40 504	2.72 537	1.42 489	2.72 543	1.44 508	2.79 528	1.42 505

LG-G_1	2.22 519	2.71 470	1.89 526	2.77 499	1.87 533	2.75 539	1.87 529	2.76 537	1.87 538	2.75 539	1.87 528	2.76 541	1.87 517	2.75 540	1.86 533	2.47 527	1.58 501	2.45 534	1.57 512	2.45 510	1.57 511

LG-G	2.22 519	2.71 470	1.89 526	2.77 499	1.87 533	2.75 539	1.87 529	2.76 537	1.87 538	2.75 539	1.87 528	2.76 541	1.87 517	2.75 540	1.86 533	2.47 527	1.58 501	2.45 534	1.57 512	2.45 510	1.57 511

LGtest1	2.22 519	2.70 468	1.89 526	2.76 498	1.86 530	2.75 539	1.86 527	2.75 536	1.86 534	2.75 539	1.86 527	2.77 543	1.87 517	2.75 540	1.86 533	2.46 526	1.58 501	2.45 534	1.56 511	2.45 510	1.56 510

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	2.88 542	2.86 555	1.89 494	2.67 553	2.79 544	2.79 542	2.78 543	2.83 551	2.82 538	2.82 540	2.83 544	2.77 553	2.83 529	2.76 550
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT+CT+SA	4.28 565	7.62 554	4.91 571	5.55 561	2.28 551	3.09 543	3.64 572	4.49 559	3.07 561	4.80 571	3.35 567	4.77 574	3.70 561	4.29 558	3.05 554	5.58 572	5.98 573	3.58 550	3.78 576	4.26 541	3.72 574

plain	1.88 482	3.16 490	0.64 347	3.10 507	0.65 389	3.10 544	0.64 373	3.12 544	0.65 380	3.10 545	0.65 386	3.11 545	0.65 373	3.12 544	0.65 369	3.12 540	0.65 358	3.13 545	0.65 386	3.13 530	0.65 373

MIF-Stereo (partial)	2.58 537	3.31 494	0.66 351	3.18 511	0.66 392	3.18 545	0.66 376	3.21 545	0.67 383	3.19 546	0.66 388	3.19 546	0.66 376	3.31 548	0.68 377	5.09 569	1.79 517	8.23 588	1.67 525	6.18 572	1.38 503

Anonymous3	2.55 536	3.26 493	1.65 502	3.28 514	1.63 514	3.24 546	1.68 517	3.27 546	1.66 513	3.28 547	1.67 520	3.25 547	1.66 502	3.27 546	1.64 513	3.26 541	1.65 508	3.30 546	1.65 523	4.95 563	1.65 522

UniTT-Stereo	2.03 501	3.43 496	0.72 365	3.42 522	0.73 404	3.27 547	0.68 381	3.38 548	0.69 387	3.29 548	0.72 402	3.28 548	0.70 384	3.35 549	0.68 377	3.39 542	0.68 360	3.31 547	0.69 395	3.37 531	0.73 389

Sa-1000	4.34 568	8.37 557	6.84 581	6.98 571	4.45 582	3.58 548	3.00 553	3.42 549	3.39 569	2.61 530	4.00 577	3.83 553	4.01 570	3.90 553	3.90 573	5.98 576	5.62 571	3.76 553	2.34 551	4.35 543	2.47 549

SA	4.33 567	7.35 551	6.85 582	5.96 564	4.09 579	3.59 549	3.15 567	3.82 553	2.64 552	3.91 551	3.85 574	3.57 549	2.72 541	3.13 545	4.03 575	7.09 583	6.86 578	3.57 549	3.12 565	3.85 535	3.51 572

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

RAStereo	2.23 522	3.64 499	0.76 372	3.65 531	0.86 414	3.66 551	0.76 397	3.67 552	0.81 411	3.66 549	0.76 407	3.66 550	0.77 396	3.68 551	0.77 399	3.68 545	0.77 376	3.69 552	0.77 405	3.70 534	0.77 396

StereoVision	3.15 545	5.00 527	0.89 384	4.83 553	1.00 427	3.93 552	1.27 492	6.37 581	1.34 499	5.67 581	1.26 492	5.84 582	1.27 482	5.03 578	1.24 489	5.10 570	1.09 407	4.61 564	0.57 376	5.62 570	1.12 428

TestStereo1	4.60 569	8.41 558	6.44 579	6.86 569	3.79 576	3.97 553	3.78 575	3.99 555	3.74 573	3.97 552	3.52 569	3.94 554	3.58 556	3.98 554	3.72 570	6.82 580	6.50 576	3.76 553	3.66 572	3.90 536	3.74 576

SA-5K	4.60 569	8.41 558	6.44 579	6.86 569	3.79 576	3.97 553	3.78 575	3.99 555	3.74 573	3.97 552	3.52 569	3.94 554	3.58 556	3.98 554	3.72 570	6.82 580	6.50 576	3.76 553	3.66 572	3.90 536	3.74 576

test_3	5.01 577	8.86 563	7.77 585	8.09 574	2.76 555	4.13 555	4.05 579	3.88 554	3.76 575	4.33 556	4.13 578	3.71 552	3.91 567	4.21 557	4.06 576	7.93 584	7.69 581	4.53 557	3.91 577	4.17 540	4.29 582

test_4	4.88 575	8.13 556	6.98 583	7.46 572	4.44 581	4.25 556	3.85 577	4.04 557	3.92 577	4.13 554	3.91 575	4.18 557	3.84 566	4.14 556	4.06 576	7.01 582	7.13 579	4.53 557	3.72 575	4.09 539	3.72 574

raft_robust	4.71 573	7.75 555	5.40 576	6.81 568	3.31 568	4.28 557	4.20 580	4.32 558	4.37 582	4.35 557	4.35 580	4.14 556	3.75 563	4.30 559	4.20 578	6.67 579	6.37 574	3.36 548	4.24 582	4.86 561	3.25 569

rvit_105_1	3.83 551	5.22 531	3.01 547	4.53 541	3.01 556	4.51 558	3.01 554	4.56 561	3.04 556	4.53 560	3.03 556	4.55 562	3.03 543	4.56 561	3.04 552	4.57 553	3.05 542	4.57 559	3.05 557	4.57 547	3.05 555

cross-raft	4.83 574	7.52 552	6.43 578	6.63 567	3.96 578	4.51 558	3.99 578	4.49 559	3.96 578	4.52 558	3.96 576	4.50 559	3.97 569	4.50 560	3.97 574	6.65 578	6.44 575	4.33 556	3.92 578	4.35 543	3.91 579

rvit_0105_6	3.87 555	5.73 545	3.10 557	4.69 551	3.12 566	4.54 560	3.02 555	4.56 561	3.04 556	4.54 562	3.03 556	4.54 560	3.04 546	4.56 561	3.05 554	4.58 556	3.05 542	4.58 561	3.05 557	4.58 548	3.05 555

rvit_0105_4	3.91 558	5.47 542	3.02 550	4.54 544	3.02 557	4.54 560	3.03 559	4.75 571	3.17 567	4.57 564	3.06 559	4.61 568	3.16 554	4.65 568	3.09 560	4.66 560	3.11 549	4.68 568	3.18 567	4.81 558	3.16 567

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	4.64 568	3.06 560	4.54 562	3.04 558	4.62 569	3.08 550	4.62 567	3.07 557	4.58 556	3.06 546	4.60 563	3.08 561	4.63 551	3.07 559

rvit_stereo_0082	3.86 553	5.82 546	3.01 547	4.53 541	3.03 558	4.54 560	3.02 555	4.56 561	3.04 556	4.53 560	3.02 554	4.55 562	3.04 546	4.57 564	3.05 554	4.57 553	3.05 542	4.58 561	3.05 557	4.58 548	3.06 558

rvit_stereo_0081	3.83 551	5.23 532	3.01 547	4.53 541	3.03 558	4.55 564	3.02 555	4.56 561	3.04 556	4.52 558	3.02 554	4.54 560	3.03 543	4.56 561	3.04 552	4.57 553	3.05 542	4.57 559	3.05 557	4.58 548	3.05 555

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

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

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

rvit_stereo_ft	3.93 561	5.44 540	3.05 554	4.59 548	3.06 563	4.61 568	3.08 564	4.67 570	3.12 566	4.63 569	3.10 564	4.65 571	3.11 552	4.69 571	3.13 562	4.70 561	3.14 551	4.71 570	3.15 566	4.74 555	3.16 567

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

sAnonymous2	3.31 547	2.63 463	1.38 486	3.71 533	1.86 530	4.70 570	1.11 430	4.82 574	2.72 553	5.45 579	1.98 545	4.59 564	2.64 539	2.65 531	6.21 584	4.37 547	1.08 405	5.16 578	2.24 548	4.52 545	2.39 547

CroCo_RVC	3.31 547	2.63 463	1.38 486	3.71 533	1.86 530	4.70 570	1.11 430	4.82 574	2.72 553	5.45 579	1.98 545	4.59 564	2.64 539	2.65 531	6.21 584	4.37 547	1.08 405	5.16 578	2.24 548	4.52 545	2.39 547

rvit_0105_5	4.10 562	5.40 538	3.13 560	4.71 552	3.15 567	4.72 572	3.10 566	4.90 576	3.27 568	4.69 570	3.16 566	4.84 576	3.25 555	4.96 575	3.34 565	5.05 568	3.39 557	5.10 577	3.40 569	5.11 565	3.42 570

MLG-Stereo_test3	4.26 564	4.85 525	3.95 567	5.35 559	3.60 572	4.75 573	3.76 574	5.49 580	3.71 572	5.39 577	3.69 572	4.82 575	3.66 559	4.85 572	3.73 572	4.93 564	3.19 555	4.69 569	2.99 556	4.84 560	2.98 554

DispFullNet	4.61 571	4.84 524	3.12 558	5.00 556	3.57 571	4.75 573	3.03 559	7.75 587	4.17 580	4.91 574	3.09 563	6.20 583	3.95 568	6.71 583	3.51 566	5.30 571	3.67 559	5.86 584	3.63 571	5.61 569	3.46 571

TestStereo	4.88 575	4.75 523	4.79 570	4.87 555	4.92 583	4.81 575	4.90 583	4.78 572	4.77 583	4.87 573	4.89 582	4.90 577	4.91 575	4.99 576	4.79 580	4.98 566	4.87 567	4.87 575	4.92 584	5.00 564	5.00 583

MLG-Stereo_test1	4.25 563	5.34 537	3.61 563	5.31 558	3.63 573	5.23 576	3.57 571	5.38 579	3.65 570	5.23 576	3.47 568	4.76 573	3.74 562	4.85 572	3.71 569	4.96 565	3.18 554	4.71 570	2.92 554	4.86 561	2.90 552

test_5	4.62 572	7.55 553	6.23 577	6.32 566	3.40 570	5.29 577	3.50 570	3.53 550	4.11 579	4.28 555	4.47 581	4.26 558	4.38 573	3.68 551	3.24 564	5.89 574	5.60 570	4.84 574	3.50 570	4.33 542	3.93 580

MaDis-Stereo	3.19 546	6.02 548	1.12 406	5.61 562	1.16 444	5.43 578	1.02 427	5.15 578	0.70 390	5.43 578	1.21 487	5.03 579	0.97 409	4.85 572	0.99 420	4.53 551	1.16 417	5.53 580	1.25 492	5.37 568	1.30 494

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

test-1	6.46 582	9.16 565	8.03 588	8.09 574	5.62 586	6.11 580	6.35 586	6.85 584	4.94 584	6.08 582	6.29 588	4.98 578	6.43 580	6.22 580	6.36 586	6.16 577	7.47 580	5.82 582	5.44 587	7.11 577	5.68 586

SGM-Forest	5.21 581	5.92 547	4.08 568	6.18 565	4.16 580	6.31 581	4.34 581	6.50 582	4.33 581	6.14 583	4.21 579	6.61 586	4.55 574	6.67 582	4.48 579	5.94 575	3.94 561	5.85 583	4.03 580	5.79 571	4.17 581
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FC-DCNN v2	5.10 579	5.15 529	4.49 569	5.07 557	3.37 569	6.87 582	4.75 582	5.04 577	6.34 587	7.84 587	5.06 583	6.72 587	4.09 571	4.99 576	5.44 583	5.03 567	3.16 552	4.67 567	4.86 583	5.15 566	3.89 578

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

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

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

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	7.92 588	5.28 585	7.91 588	5.29 585	7.93 588	5.27 576	7.92 588	5.28 581	7.93 584	5.28 569	7.93 587	5.29 586	7.93 580	5.28 585

U	5.15 580	8.49 560	1.81 510	8.49 576	1.77 524	8.49 587	1.77 521	8.51 589	1.77 527	8.49 589	1.77 524	8.50 589	1.78 514	8.58 589	1.77 527	8.54 587	1.78 515	8.55 589	1.78 534	8.55 583	1.84 530

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

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

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

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

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

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

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

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

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

DCANet-4	35.22 598	34.54 599	35.08 603	33.58 601	35.47 605	34.55 597	35.53 605	36.08 604	35.85 603	35.92 604	35.77 604	35.18 604	35.48 603	35.39 604	37.15 607	34.55 604	33.92 603	35.02 605	34.90 604	35.79 602	34.74 606

fff	1000028.16 616	29.62 594	29.72 597	32.61 597	30.02 598	35.13 598	31.83 599	32.07 599	10000000.00 618	35.27 601	29.82 599	32.45 599	30.15 598	32.35 599	30.09 598	31.04 599	29.55 600	30.64 599	30.14 599	10000000.00 618	30.77 600

csc	1000028.16 616	29.62 594	29.72 597	32.61 597	30.02 598	35.13 598	31.83 599	32.07 599	10000000.00 618	35.27 601	29.82 599	32.45 599	30.15 598	32.35 599	30.09 598	31.04 599	29.55 600	30.64 599	30.14 599	10000000.00 618	30.77 600

cscssc	1000028.16 616	29.62 594	29.72 597	32.61 597	30.02 598	35.13 598	31.83 599	32.07 599	10000000.00 618	35.27 601	29.82 599	32.45 599	30.15 598	32.35 599	30.09 598	31.04 599	29.55 600	30.64 599	30.14 599	10000000.00 618	30.77 600

ADStereo(finetuned)	36.13 599	36.63 603	38.07 607	36.97 602	33.25 602	35.91 601	34.45 602	36.36 605	32.99 600	38.14 609	36.71 605	36.69 605	34.13 602	38.57 609	40.79 608	37.60 609	36.58 606	35.90 606	33.36 603	35.42 601	34.04 603

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

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

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

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

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

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

MDST_ROB	69.83 603	87.70 608	41.95 608	113.75 611	65.62 611	75.05 608	55.25 610	75.64 611	45.04 607	71.61 610	41.75 609	72.81 610	44.06 607	68.38 610	44.63 609	101.89 612	59.57 612	107.10 612	61.05 612	104.38 609	59.38 612

CBMV	128.50 605	1422.70 619	53.10 609	79.50 610	51.30 610	77.30 609	49.70 609	74.00 610	48.20 608	77.20 611	48.80 610	73.90 611	48.00 608	73.80 611	48.80 610	70.40 611	45.10 611	68.90 611	46.10 611	68.20 608	45.00 611
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 606	171.00 613	160.68 614	162.58 612	160.59 612	164.01 610	160.35 612	158.51 613	158.56 610	158.34 612	160.12 612	158.56 612	159.92 610	157.26 613	158.94 612	154.38 613	158.36 613	155.75 613	159.13 614	153.67 610	154.07 613
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
NOSS_ROB	102.95 604	153.00 612	121.00 611	51.00 609	44.00 609	165.00 611	127.00 611	153.00 612	119.00 609	164.00 613	125.00 611	168.00 613	120.00 609	153.00 612	117.00 611	49.00 610	44.00 610	49.00 610	44.00 610	49.00 607	44.00 610

AE-Stereo	201.80 607	123.00 609	115.00 610	219.00 613	218.00 614	223.00 612	244.00 614	217.00 614	236.00 612	202.00 614	203.00 613	205.00 614	208.00 611	225.00 614	204.00 613	210.00 614	198.00 614	197.00 614	184.00 615	204.00 611	201.00 614

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

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

DLCB_ROB	284.23 610	354.61 615	207.27 615	363.24 616	206.46 613	364.72 615	210.41 613	364.72 617	210.41 611	364.81 617	208.64 614	364.81 617	208.64 612	364.72 617	210.41 614	354.70 617	205.53 615	354.70 617	205.53 616	354.70 614	205.53 615

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

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

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	10000000.00 619	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 620	10000000.00 619	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 621	10000000.00 620	10000000.00 621	10000000.00 618	10000000.00 621	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 621
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
GS-Stereo							0.38 301	0.50 317	0.38 302	0.50 328	0.38 307	0.50 334	3.79 564	0.50 325	0.38 293	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.35 280

FADE		0.06 54		0.09 55	0.10 121			0.05 89	0.03 55	0.04 74		0.05 91		0.04 72		0.15 125	0.10 75	0.17 153	0.13 155	0.11 123	0.11 128

Low-res two-view benchmark