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-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

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

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-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

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

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_sample2	0.09 52	1.03 299	0.11 89	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 52	1.01 293	0.09 65	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

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

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

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-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

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

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

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

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

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

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

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

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

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_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_sample1	0.09 52	0.87 259	0.12 101	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

DualNet	0.10 65	1.07 306	0.11 89	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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_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

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

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
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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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
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

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

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

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
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

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

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

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

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

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

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)
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

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

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
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

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

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

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

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
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
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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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_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

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.
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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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
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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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
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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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	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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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_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_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

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

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_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_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_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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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
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

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

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

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
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