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 44	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 59	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	0.20 168	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 70	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 70	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

CoDeX	0.15 125	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	0.67 374	0.02 15	0.69 364	0.75 383	0.01 9	0.02 20	0.02 20

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

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

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

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

Wz-Net-LNSev-Ref	0.11 88	0.44 179	0.33 228	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

psmg	0.43 263	1.91 415	0.92 393	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	0.34 201	1.29 379	1.19 417	1.36 446	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 457	1.21 468	0.03 38	0.09 111	0.02 20	0.09 111

SFCPSM	0.17 137	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	0.79 401	0.02 15	0.75 374	0.76 385	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 165	1.31 381	0.74 370	0.92 348	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 377	0.75 374	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 51	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	0.09 109	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 53	0.02 12	0.04 44	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	0.36 282	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 66	0.98 283	0.14 127	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 97	1.14 313	0.17 153	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	0.14 113	1.22 375	0.28 198	0.32 185	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 211	0.27 202	0.04 73	0.03 54	0.03 43	0.03 51

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

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

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

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

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

YMNet	0.03 29	0.04 37	0.03 37	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 37	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

test_sample8	0.10 66	1.05 303	0.12 102	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_sample6	0.09 53	0.97 282	0.10 70	0.10 59	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 66	1.07 306	0.11 90	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 66	1.03 299	0.12 102	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 53	0.87 259	0.10 70	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 53	1.03 299	0.11 90	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 53	1.01 293	0.09 66	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 53	0.95 279	0.09 66	0.10 59	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 113	1.83 406	0.12 102	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 76	0.12 93	0.11 97	0.05 86	0.04 78	0.05 92	0.04 79

DualNet	0.10 66	1.07 306	0.11 90	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

ffm	0.25 165	3.83 506	0.12 102	0.12 83	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 165	3.83 506	0.12 102	0.12 83	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 165	3.83 506	0.12 102	0.12 83	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

ttt	0.10 66	1.09 308	0.12 102	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 66	1.14 313	0.13 122	0.14 100	0.03 48	0.04 78	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

xxx	0.09 53	1.01 293	0.10 70	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

222	0.10 66	0.99 286	0.12 102	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 88	1.16 318	0.16 146	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 66	1.09 308	0.13 122	0.12 83	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.14 141	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 88	0.03 31	0.03 37	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 88	0.03 31	0.03 37	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

AnyNet_C01	0.11 88	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 76	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 113	0.04 37	0.03 37	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 76	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

z-mn7	0.16 133	1.21 369	0.33 228	0.41 235	0.04 79	0.04 78	0.03 50	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.35 228	0.31 233	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 140	1.47 390	0.33 228	0.40 223	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.38 248	0.32 237	0.05 86	0.04 78	0.04 77	0.04 79

TCMNet	0.03 29	0.04 37	0.03 37	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

DualNet (step1)	0.10 66	1.05 303	0.12 102	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 66	1.05 303	0.12 102	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_sample7	0.09 53	1.00 287	0.11 90	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_sample1	0.09 53	0.87 259	0.12 102	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

x	0.11 88	1.15 316	0.15 143	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

EDNetEfficient	0.04 38	0.05 49	0.04 44	0.04 37	0.03 48	0.04 78	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 97	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	1.57 511	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 104

FADNet_RVC	0.12 97	0.04 37	0.04 44	0.05 43	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.65 515	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 104	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.05 95	0.04 72	1.71 520	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

FADNet	0.12 97	0.05 49	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.66 517	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 97	0.03 31	0.04 44	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 76	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCP+	0.15 125	0.04 37	0.04 44	2.20 477	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.04 85	0.08 108	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCPNet	0.10 66	0.03 31	0.04 44	1.27 439	0.03 48	0.04 78	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 76	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 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	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
FADE	0.07 49	0.06 54	0.02 14	0.09 55	0.10 121	0.03 40	0.03 50	0.05 89	0.03 55	0.04 74	0.03 52	0.05 91	0.03 52	0.04 72	0.03 48	0.15 125	0.10 75	0.17 153	0.13 155	0.11 123	0.11 128

z-ln-s-r	0.21 152	1.40 388	0.53 330	0.56 297	0.04 79	0.05 90	0.04 82	0.05 89	0.05 98	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.05 89	0.57 333	0.44 304	0.04 73	0.04 78	0.04 77	0.04 79

ISRNet	0.11 88	0.05 49	0.36 248	0.24 159	0.07 111	0.13 127	0.05 94	0.06 95	0.05 98	0.05 92	0.05 101	0.13 128	0.05 95	0.05 83	0.09 109	0.24 184	0.20 176	0.10 108	0.05 96	0.06 96	0.13 151

APVNet	0.09 53	0.05 49	0.04 44	0.05 43	0.04 79	0.05 90	0.90 412	0.06 95	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	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 44	0.05 43	0.04 79	0.05 90	0.04 82	0.05 89	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

GwcNet	0.12 97	0.07 58	0.05 58	0.08 49	0.05 99	0.08 106	1.20 441	0.07 105	0.05 98	0.05 92	0.05 101	0.08 107	0.05 95	0.08 108	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

DA	0.09 53	0.13 82	0.39 262	0.08 49	0.05 99	0.07 104	0.05 94	0.13 127	0.05 98	0.06 97	0.05 101	0.06 98	0.05 95	0.06 89	0.05 89	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

GGEV	0.09 53	0.13 82	0.39 262	0.08 49	0.05 99	0.07 104	0.05 94	0.13 127	0.05 98	0.06 97	0.05 101	0.06 98	0.05 95	0.06 89	0.05 89	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

DFGA-Net	0.05 41	0.06 54	0.04 44	0.06 46	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.04 89	0.06 98	0.04 85	0.06 89	0.04 76	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

qqq1	0.25 165	3.70 500	0.14 127	0.14 100	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 109	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 165	3.70 500	0.14 127	0.14 100	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 109	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 137	2.16 432	0.13 122	0.13 96	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 89	0.18 151	0.12 113	0.06 94	0.03 54	0.05 92	0.03 51

qqq	0.16 133	2.01 423	0.12 102	0.15 110	0.04 79	0.06 93	0.05 94	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 93	0.14 141	0.04 73	0.04 78	0.03 43	0.03 51

AASNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 109	0.06 97	0.06 110	0.05 91	0.06 110	0.06 89	0.05 89	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 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 109	0.06 97	0.06 110	0.05 91	0.06 110	0.06 89	0.05 89	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 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 109	0.06 97	0.06 110	0.05 91	0.06 110	0.06 89	0.05 89	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

OmniDepth	0.08 51	0.08 59	0.11 90	0.11 76	0.05 99	0.08 106	0.05 94	0.08 108	0.07 112	0.08 107	0.05 101	0.08 107	0.05 95	0.09 111	0.08 105	0.15 125	0.11 97	0.07 99	0.05 96	0.07 106	0.06 104
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: OmniDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
FINET	0.07 49	0.08 59	0.07 59	0.07 47	0.07 111	0.08 106	0.06 109	0.08 108	0.07 112	0.08 107	0.07 113	0.08 107	0.06 110	0.07 105	0.07 103	0.08 62	0.07 59	0.07 99	0.07 105	0.06 96	0.06 104

BEATNet-Init1	0.19 143	0.08 59	0.08 61	2.23 479	0.08 113	0.08 106	0.07 112	0.07 105	0.08 115	0.08 107	0.07 113	0.08 107	0.07 114	0.11 125	0.08 105	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

DeepPrunerF	0.19 143	0.08 59	0.08 61	2.23 479	0.08 113	0.08 106	0.07 112	0.07 105	0.08 115	0.08 107	0.07 113	0.08 107	0.07 114	0.11 125	0.08 105	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

PASM	0.39 240	3.06 486	1.36 483	1.58 452	0.09 115	0.11 123	0.11 132	0.11 123	0.11 134	0.09 111	0.09 116	0.11 124	0.09 117	0.09 111	0.09 109	0.11 88	0.11 97	0.11 119	0.09 111	0.11 123	0.11 128

SepStereo	0.09 53	0.09 66	0.10 70	0.09 55	0.09 115	0.09 111	0.09 114	0.10 111	0.08 115	0.10 112	0.09 116	0.09 112	0.09 117	0.09 111	0.08 105	0.09 68	0.08 61	0.09 107	0.08 109	0.09 112	0.08 108

AnonymousM	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SuperB	0.21 152	0.10 68	2.51 545	0.12 83	0.09 115	0.10 112	0.09 114	0.08 108	0.07 112	0.10 112	0.09 116	0.09 112	0.07 114	0.07 105	0.07 103	0.07 60	0.08 61	0.07 99	0.07 105	0.08 109	0.07 107

PVD	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SHD	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SAMSARA	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

XQC	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSC	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTS	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSA	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet+	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet++	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

JetBlue	0.11 88	0.11 79	0.12 102	0.13 96	0.14 158	0.11 123	0.11 132	0.11 123	0.11 134	0.11 124	0.11 134	0.11 124	0.11 133	0.12 129	0.12 142	0.11 88	0.11 97	0.11 119	0.11 130	0.11 123	0.11 128

aanetorigin	0.13 104	0.11 79	0.11 90	0.11 76	0.11 137	0.11 123	0.11 132	0.11 123	0.11 134	0.11 124	0.12 145	0.11 124	0.11 133	0.11 125	0.11 127	0.11 88	0.11 97	0.14 127	0.11 130	0.49 315	0.11 128

JetRed	0.11 88	0.12 81	0.11 90	0.11 76	0.11 137	0.11 123	0.14 153	0.11 123	0.11 134	0.12 126	0.11 134	0.11 124	0.11 133	0.11 125	0.11 127	0.11 88	0.16 146	0.11 119	0.11 130	0.11 123	0.11 128

GASNet	0.05 41	0.04 37	0.12 102	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.12 126	0.04 89	0.06 98	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

IPLG	0.13 104	0.20 104	0.14 127	0.15 110	0.11 137	0.14 128	0.11 132	0.14 129	0.11 134	0.14 128	0.11 134	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

ACRE	0.13 104	0.21 110	0.14 127	0.15 110	0.11 137	0.14 128	0.11 132	0.14 129	0.11 134	0.14 128	0.12 145	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

GMStereo	0.14 113	0.13 82	0.14 127	0.14 100	0.14 158	0.14 128	0.14 153	0.14 129	0.14 158	0.14 128	0.14 162	0.14 129	0.14 159	0.14 131	0.14 152	0.14 116	0.14 141	0.14 127	0.14 161	0.14 132	0.14 156
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 180	0.90 267	0.10 70	0.14 100	0.10 121	0.14 128	0.10 119	0.91 385	0.69 387	0.14 128	0.11 134	0.14 129	0.11 133	0.14 131	0.10 115	0.12 93	0.09 70	0.12 122	0.09 111	0.88 375	0.76 395

DRN-Test	0.14 113	0.13 82	0.09 66	0.14 100	0.09 115	0.15 135	0.09 114	0.14 129	0.10 119	0.14 128	0.09 116	0.14 129	0.09 117	0.13 130	0.09 109	0.12 93	0.09 70	0.12 122	0.09 111	0.12 128	0.73 389

StereoDRNet	0.15 125	0.14 88	0.10 70	0.14 100	0.09 115	0.15 135	0.09 114	0.14 129	0.09 118	0.14 128	0.10 120	0.14 129	0.09 117	0.14 131	0.09 109	0.13 109	0.10 75	0.13 125	0.09 111	0.13 130	0.82 401

S2M2_L	0.12 97	0.14 88	0.10 70	0.15 110	0.10 121	0.14 128	0.10 119	0.14 129	0.10 119	0.15 134	0.10 120	0.14 129	0.10 121	0.14 131	0.10 115	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
CIPLG	0.13 104	0.21 110	0.12 102	0.16 121	0.11 137	0.15 135	0.11 132	0.14 129	0.11 134	0.15 134	0.12 145	0.15 139	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

IPLGR_C	0.14 113	0.20 104	0.12 102	0.15 110	0.11 137	0.14 128	0.15 158	0.14 129	0.11 134	0.15 134	0.12 145	0.14 129	0.11 133	0.16 141	0.11 127	0.15 125	0.12 113	0.14 127	0.12 147	0.15 142	0.12 145

IPLGR	0.14 113	0.24 122	0.14 127	0.16 121	0.12 153	0.15 135	0.12 148	0.14 129	0.11 134	0.15 134	0.12 145	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

PDISCO_ROB	0.83 371	2.80 482	3.49 562	0.14 100	0.11 137	0.17 151	0.09 114	0.15 141	0.10 119	0.15 134	0.12 145	0.16 140	0.14 159	3.30 547	0.13 148	0.14 116	2.34 538	0.16 145	0.12 147	2.62 527	0.10 116

xyz-stereo-finetune2	0.18 140	0.48 201	0.16 146	0.16 121	0.15 169	0.15 135	0.16 163	0.16 142	0.16 172	0.16 139	0.16 173	0.16 140	0.16 171	0.16 141	0.16 168	0.16 135	0.16 146	0.16 145	0.16 169	0.16 146	0.16 160

xyz-stereo	0.18 140	0.50 207	0.16 146	0.15 110	0.16 178	0.16 143	0.16 163	0.16 142	0.16 172	0.16 139	0.16 173	0.16 140	0.16 171	0.16 141	0.16 168	0.16 135	0.16 146	0.16 145	0.16 169	0.16 146	0.16 160

castereo++	0.54 306	3.59 497	1.15 411	1.31 442	0.14 158	0.16 143	0.14 153	0.16 142	0.14 158	0.16 139	0.14 162	0.16 140	0.13 155	0.16 141	0.14 152	1.45 472	1.16 417	0.15 142	0.14 161	0.15 142	0.13 151

test_for_model	0.15 125	0.23 115	0.18 162	0.21 147	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.21 165	0.18 173	0.14 127	0.11 130	0.14 132	0.11 128

testlalala2	0.13 104	0.16 90	0.11 90	0.15 110	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.14 116	0.11 97	0.14 127	0.11 130	0.14 132	0.11 128

GMStereo_Zeroshot	0.16 133	0.16 90	0.16 146	0.16 121	0.16 178	0.16 143	0.16 163	0.16 142	0.16 172	0.16 139	0.16 173	0.16 140	0.16 171	0.16 141	0.16 168	0.16 135	0.16 146	0.16 145	0.16 169	0.16 146	0.16 160

testlalala_base	0.13 104	0.16 90	0.11 90	0.15 110	0.11 137	0.15 135	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.14 116	0.11 97	0.14 127	0.11 130	0.14 132	0.11 128

MIPNet	0.14 113	0.21 110	0.17 153	0.16 121	0.11 137	0.15 135	0.12 148	0.14 129	0.11 134	0.16 139	0.11 134	0.14 129	0.11 133	0.14 131	0.11 127	0.14 116	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

ICVP	0.15 125	0.53 220	0.11 90	0.16 121	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.11 128
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 113	0.17 96	0.12 102	0.17 129	0.11 137	0.17 151	0.11 132	0.17 150	0.11 134	0.17 148	0.11 134	0.17 150	0.11 133	0.17 150	0.11 127	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
ProNet	0.14 113	0.20 104	0.14 127	0.16 121	0.11 137	0.16 143	0.11 132	0.17 150	0.11 134	0.17 148	0.12 145	0.17 150	0.13 155	0.17 150	0.12 142	0.15 125	0.11 97	0.16 145	0.11 130	0.15 142	0.12 145

HSM	0.14 113	0.16 90	0.12 102	0.17 129	0.12 153	0.17 151	0.11 132	0.17 150	0.11 134	0.17 148	0.12 145	0.17 150	0.12 150	0.17 150	0.12 142	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.12 145

ELAS	0.13 104	0.16 90	0.11 90	0.15 110	0.09 115	0.18 155	0.11 132	0.18 153	0.11 134	0.17 148	0.11 134	0.18 154	0.11 133	0.18 153	0.11 127	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
castereo	0.61 317	3.79 505	1.35 475	1.52 451	0.15 169	0.17 151	0.16 163	0.20 161	0.21 195	0.18 152	0.16 173	0.21 169	0.12 150	0.26 200	0.17 172	1.43 471	1.38 487	0.17 153	0.16 169	0.18 156	0.16 160

cf-r	0.66 327	2.17 433	0.12 102	0.18 131	0.12 153	0.18 155	2.70 552	2.60 527	0.12 153	0.18 152	0.12 145	0.18 154	0.12 150	0.18 153	0.12 142	0.15 125	0.11 97	0.15 142	0.11 130	1.81 486	1.74 528

IGEV-FE	0.35 210	0.37 148	0.17 153	0.19 134	0.17 182	0.20 163	0.17 171	0.19 155	0.17 180	0.19 154	0.17 178	0.19 158	0.17 178	0.37 240	0.36 282	0.19 155	0.17 164	0.19 166	0.17 189	0.38 253	2.84 551

DDVS	0.30 181	3.10 487	0.14 127	0.19 134	0.14 158	0.19 158	0.14 153	0.20 161	0.14 158	0.19 154	0.13 157	0.16 140	0.13 155	0.19 156	0.13 148	0.17 143	0.13 137	0.17 153	0.13 155	0.17 152	0.13 151

ITSA-stereo	0.15 125	0.17 96	0.13 122	0.20 137	0.13 156	0.19 158	0.13 151	0.18 153	0.13 156	0.19 154	0.13 157	0.18 154	0.14 159	0.18 153	0.14 152	0.16 135	0.11 97	0.15 142	0.14 161	0.18 156	0.11 128

DeepPruner_ROB	0.16 133	0.18 99	0.13 122	0.19 134	0.13 156	0.19 158	0.13 151	0.19 155	0.13 156	0.19 154	0.13 157	0.19 158	0.13 155	0.19 156	0.13 148	0.18 151	0.13 137	0.18 163	0.13 155	0.18 156	0.13 151

ELAS_RVC	0.14 113	0.16 90	0.10 70	0.15 110	0.10 121	0.18 155	0.11 132	0.19 155	0.11 134	0.19 154	0.12 145	0.18 154	0.11 133	0.19 156	0.12 142	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	0.15 125	0.17 96	0.11 90	0.18 131	0.11 137	0.19 158	0.11 132	0.19 155	0.12 153	0.19 154	0.12 145	0.20 161	0.12 150	0.19 156	0.12 142	0.16 135	0.11 97	0.17 153	0.10 118	0.17 152	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
RAFT-FEzeroshot	0.34 201	0.26 127	0.17 153	0.21 147	0.17 182	0.20 163	0.16 163	0.20 161	0.16 172	0.20 160	0.17 178	0.21 169	0.16 171	0.27 204	0.24 203	0.19 155	0.16 146	0.19 166	0.16 169	0.26 186	3.08 560

RAFT-FE	0.34 201	0.26 127	0.17 153	0.21 147	0.17 182	0.20 163	0.16 163	0.20 161	0.16 172	0.20 160	0.17 178	0.21 169	0.16 171	0.27 204	0.24 203	0.19 155	0.16 146	0.19 166	0.16 169	0.26 186	3.08 560

DEFOM-Stereo_RVC	0.83 371	5.18 530	1.98 533	2.19 476	0.17 182	0.19 158	0.18 178	0.19 155	0.16 172	0.20 160	0.19 193	0.22 177	0.22 202	0.20 160	0.15 162	2.28 514	2.13 533	0.24 192	0.17 189	0.18 156	0.16 160

IGEV_Zeroshot_test	0.20 145	0.19 100	0.40 267	0.30 177	0.17 182	0.22 176	0.17 171	0.21 170	0.17 180	0.20 160	0.17 178	0.21 169	0.18 186	0.21 171	0.17 172	0.20 158	0.16 146	0.20 170	0.16 169	0.20 163	0.17 172

DAS	0.20 145	0.20 104	0.20 168	0.20 137	0.20 199	0.20 163	0.20 186	0.20 161	0.20 191	0.20 160	0.20 197	0.20 161	0.20 195	0.20 160	0.20 187	0.20 158	0.20 176	0.20 170	0.20 196	0.20 163	0.20 180

ASD4	0.20 145	0.20 104	0.20 168	0.20 137	0.20 199	0.20 163	0.20 186	0.20 161	0.20 191	0.20 160	0.20 197	0.20 161	0.20 195	0.20 160	0.20 187	0.20 158	0.20 176	0.20 170	0.20 196	0.20 163	0.20 180

ACVNet	0.20 145	0.19 100	0.14 127	0.20 137	0.14 158	0.20 163	0.96 420	0.21 170	0.14 158	0.20 160	0.13 157	0.21 169	0.14 159	0.20 160	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	0.17 152	0.12 145

acv_ft	0.20 145	0.19 100	0.14 127	0.20 137	0.14 158	0.20 163	0.96 420	0.21 170	0.14 158	0.20 160	0.13 157	0.21 169	0.14 159	0.20 160	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	0.17 152	0.12 145

hitnet-ft	0.79 355	2.78 481	0.14 127	0.20 137	0.14 158	0.21 174	2.89 553	2.80 541	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.20 160	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	2.54 526	2.33 545

GwcNet-RSSM	0.77 351	2.77 478	0.14 127	0.20 137	0.14 158	0.20 163	2.67 551	2.78 539	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.21 171	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	2.52 518	2.31 543

CFNet-ft	0.55 310	1.57 393	0.14 127	0.20 137	0.14 158	0.20 163	2.53 549	1.61 481	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.20 160	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	1.56 474	1.24 491

LALA_ROB	0.15 125	0.19 100	0.12 102	0.18 131	0.11 137	0.20 163	0.12 148	0.21 170	0.12 153	0.20 160	0.12 145	0.20 161	0.12 150	0.21 171	0.13 148	0.17 143	0.10 75	0.18 163	0.11 130	0.18 156	0.11 128

MSKI-zero shot	0.24 162	0.21 110	0.49 312	0.65 314	0.18 192	0.22 176	0.17 171	0.23 180	0.18 183	0.21 172	0.17 178	0.23 183	0.28 239	0.23 181	0.18 181	0.21 165	0.16 146	0.21 173	0.16 169	0.21 169	0.16 160

PSMNet-RSSM	0.77 351	2.76 476	0.14 127	0.20 137	0.14 158	0.20 163	2.66 550	2.79 540	0.14 158	0.21 172	0.14 162	0.21 169	0.14 159	0.20 160	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	2.52 518	2.31 543

CAS++	0.17 137	0.27 130	0.21 172	0.10 59	0.21 206	0.15 135	0.22 197	0.10 111	0.21 195	0.22 174	0.10 120	0.19 158	0.18 186	0.10 114	0.19 184	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
WAO-6	0.22 156	0.23 115	0.22 174	0.23 154	0.22 208	0.22 176	0.22 197	0.22 174	0.22 198	0.22 174	0.22 204	0.22 177	0.22 202	0.22 175	0.22 193	0.22 168	0.22 184	0.22 178	0.22 201	0.22 171	0.22 186

IMH-64-1	0.22 156	0.23 115	0.23 177	0.22 150	0.22 208	0.22 176	0.22 197	0.22 174	0.22 198	0.22 174	0.22 204	0.22 177	0.22 202	0.22 175	0.22 193	0.22 168	0.22 184	0.23 184	0.22 201	0.22 171	0.23 188

IMH-64	0.22 156	0.23 115	0.23 177	0.22 150	0.22 208	0.22 176	0.22 197	0.22 174	0.22 198	0.22 174	0.22 204	0.22 177	0.22 202	0.22 175	0.22 193	0.22 168	0.22 184	0.23 184	0.22 201	0.22 171	0.23 188

dd	0.23 160	0.98 283	0.16 146	0.23 154	0.15 169	0.23 184	0.15 158	0.23 180	0.15 168	0.23 178	0.15 170	0.24 187	0.17 178	0.23 181	0.15 162	0.22 168	0.15 144	0.21 173	0.15 167	0.22 171	0.16 160

dad	0.23 160	1.03 299	0.16 146	0.23 154	0.15 169	0.24 185	0.15 158	0.24 183	0.16 172	0.23 178	0.16 173	0.24 187	0.16 171	0.23 181	0.15 162	0.22 168	0.16 146	0.22 178	0.16 169	0.22 171	0.16 160

LRCNet_RVC	0.13 104	0.13 82	0.09 66	0.13 96	0.10 121	0.14 128	0.10 119	0.14 129	0.10 119	0.23 178	0.10 120	0.20 161	0.10 121	0.24 185	0.11 127	0.11 88	0.09 70	0.12 122	0.14 161	0.12 128	0.09 111

AANet_RVC	1.26 464	0.31 139	4.99 573	5.93 563	0.20 199	0.25 192	0.20 186	0.25 189	0.20 191	0.23 178	0.19 193	0.25 192	0.20 195	0.25 190	0.20 187	5.66 573	4.76 566	0.26 200	0.30 263	0.24 182	0.27 213

iResNet	0.20 145	0.23 115	0.18 162	0.24 159	0.18 192	0.24 185	0.20 186	0.24 183	0.18 183	0.23 178	0.17 178	0.23 183	0.18 186	0.23 181	0.18 181	0.22 168	0.16 146	0.21 173	0.16 169	0.21 169	0.16 160

RSGM-EC	0.24 162	0.24 122	0.15 143	0.22 150	0.15 169	0.22 176	0.15 158	0.22 174	0.15 168	0.24 183	0.15 170	0.22 177	0.15 169	0.22 175	1.19 441	0.20 158	0.17 164	0.24 192	0.14 161	0.20 163	0.14 156

acva	0.24 162	0.24 122	0.15 143	0.22 150	0.15 169	0.22 176	0.15 158	0.22 174	0.15 168	0.24 183	0.15 170	0.22 177	0.15 169	0.22 175	1.19 441	0.20 158	0.17 164	0.24 192	0.14 161	0.20 163	0.14 156

tg	0.21 152	0.25 126	0.21 172	0.26 171	0.17 182	0.24 185	0.17 171	0.24 183	0.17 180	0.24 183	0.17 178	0.24 187	0.17 178	0.24 185	0.17 172	0.24 184	0.17 164	0.23 184	0.16 169	0.23 180	0.16 160

ACV-stereo	0.30 181	2.08 425	0.25 187	0.25 164	0.18 192	0.24 185	0.17 171	0.24 183	0.18 183	0.24 183	0.17 178	0.25 192	0.17 178	0.24 185	0.17 172	0.22 168	0.16 146	0.22 178	0.16 169	0.22 171	0.16 160

Pointernet	0.21 152	0.22 114	0.19 165	0.24 159	0.19 196	0.24 185	0.19 182	0.24 183	0.19 189	0.24 183	0.19 193	0.24 187	0.19 191	0.24 185	0.19 184	0.22 168	0.17 164	0.22 178	0.17 189	0.22 171	0.17 172

iResNetv2_ROB	0.20 145	0.23 115	0.18 162	0.24 159	0.20 199	0.24 185	0.18 178	0.24 183	0.18 183	0.24 183	0.18 191	0.23 183	0.19 191	0.24 185	0.18 181	0.21 165	0.16 146	0.21 173	0.16 169	0.22 171	0.16 160

VIP-Stereo	0.70 336	2.97 485	2.43 544	2.49 491	0.16 178	0.25 192	0.16 163	0.25 189	0.16 172	0.25 189	0.18 191	0.25 192	0.16 171	0.26 200	0.16 168	1.86 487	1.26 470	0.23 184	0.15 167	0.23 180	0.15 159

UNDER WATER-64	0.25 165	0.26 127	0.25 187	0.26 171	0.25 221	0.25 192	0.25 213	0.25 189	0.25 212	0.25 189	0.25 221	0.25 192	0.25 215	0.26 200	0.25 211	0.25 190	0.25 192	0.25 195	0.25 220	0.25 184	0.25 199

LoS_RVC	0.30 181	1.14 313	0.25 187	0.25 164	0.25 221	0.26 200	0.25 213	0.25 189	0.25 212	0.25 189	0.25 221	0.26 202	0.26 224	0.26 200	0.25 211	0.26 192	0.26 195	0.25 195	0.25 220	0.26 186	0.26 205

CAS	0.30 181	1.17 319	0.25 187	0.25 164	0.25 221	0.26 200	0.25 213	0.25 189	0.26 225	0.25 189	0.25 221	0.25 192	0.25 215	0.25 190	0.25 211	0.26 192	0.26 195	0.26 200	0.25 220	0.26 186	0.25 199

LoS	0.25 165	0.27 130	0.25 187	0.25 164	0.25 221	0.25 192	0.25 213	0.26 194	0.25 212	0.25 189	0.25 221	0.25 192	0.25 215	0.25 190	0.25 211	0.26 192	0.25 192	0.25 195	0.26 226	0.26 186	0.25 199
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 268	1.24 377	0.17 153	0.25 164	0.17 182	0.25 192	0.18 178	1.26 468	0.93 421	0.25 189	0.17 178	0.25 192	0.18 186	0.25 190	0.17 172	0.23 179	0.16 146	0.23 184	0.16 169	1.20 414	0.99 416

delet	0.43 263	1.21 369	0.17 153	0.25 164	0.17 182	0.25 192	0.18 178	1.26 468	0.95 423	0.25 189	0.17 178	0.25 192	0.17 178	0.25 190	0.17 172	0.23 179	0.16 146	0.22 178	0.16 169	1.18 411	0.98 415

UPFNet	0.42 262	1.20 323	0.17 153	0.24 159	0.17 182	0.25 192	0.17 171	1.19 416	0.90 414	0.25 189	0.17 178	0.24 187	0.17 178	0.25 190	0.17 172	0.22 168	0.17 164	0.22 178	0.16 169	1.15 403	0.93 411

Select-FE	0.41 251	0.44 179	0.23 177	0.26 171	0.22 208	0.26 200	0.22 197	0.26 194	0.23 204	0.26 197	0.23 208	0.26 202	0.23 208	0.45 294	0.42 324	0.25 190	0.22 184	0.25 195	0.22 201	0.45 292	2.90 552

model_zeroshot	0.27 174	0.20 104	0.27 194	0.33 189	0.21 206	0.37 239	0.22 197	0.37 231	0.24 207	0.26 197	0.27 232	0.33 223	0.21 201	0.25 190	0.27 217	0.32 211	0.20 176	0.34 236	0.23 207	0.25 184	0.26 205

MIM_Stereo	0.25 165	0.23 115	0.66 352	0.80 333	0.17 182	0.22 176	0.17 171	0.23 180	0.18 183	0.26 197	0.17 178	0.21 169	0.17 178	0.25 190	0.17 172	0.23 179	0.16 146	0.21 173	0.17 189	0.22 171	0.17 172

psm_up	0.43 263	1.19 322	0.17 153	0.25 164	0.18 192	0.25 192	0.19 182	1.26 468	0.91 416	0.26 197	0.17 178	0.25 192	0.17 178	0.25 190	0.17 172	0.22 168	0.17 164	0.23 184	0.16 169	1.18 411	0.99 416

DLNR-FE	0.28 175	0.89 264	0.30 206	0.34 191	0.19 196	0.28 205	0.19 182	0.28 198	0.20 191	0.28 201	0.20 197	0.28 205	0.20 195	0.28 208	0.20 187	0.33 215	0.28 208	0.25 195	0.19 195	0.24 182	0.19 178

PAM	0.39 240	1.88 411	0.34 238	0.37 200	0.41 328	0.45 301	0.22 197	0.28 198	0.23 204	0.28 201	0.24 215	0.29 211	0.23 208	0.29 212	0.23 199	0.38 248	0.32 237	0.38 268	0.37 311	0.32 206	0.22 186

SQANet	0.28 175	0.28 133	0.28 198	0.28 175	0.28 236	0.28 205	0.28 232	0.28 198	0.28 234	0.28 201	0.28 239	0.28 205	0.28 239	0.28 208	0.28 227	0.28 197	0.28 208	0.28 206	0.28 239	0.28 193	0.28 226

ac_64	0.22 156	0.13 82	0.19 165	0.23 154	0.10 121	0.26 200	1.02 428	0.14 129	0.10 119	0.28 201	0.14 162	0.17 150	0.19 191	0.28 208	0.09 109	0.22 168	0.16 146	0.23 184	0.17 189	0.11 123	0.12 145

CFNet	1.37 469	5.27 533	0.19 165	5.49 560	0.19 196	0.28 205	0.19 182	0.28 198	0.19 189	0.28 201	0.19 193	0.28 205	4.35 573	0.28 208	0.19 184	0.23 179	0.17 164	0.23 184	4.21 581	4.81 558	0.17 172

MultiAttention	0.30 181	0.30 136	0.30 206	0.30 177	0.30 255	0.30 209	0.30 246	0.30 205	0.30 251	0.30 206	0.30 256	0.30 214	0.30 253	0.30 214	0.30 244	0.30 205	0.30 227	0.30 213	0.30 263	0.30 199	0.30 244

MSAF-DinoV2	0.30 181	0.30 136	0.30 206	0.30 177	0.30 255	0.30 209	0.30 246	0.30 205	0.30 251	0.30 206	0.30 256	0.30 214	0.30 253	0.30 214	0.30 244	0.30 205	0.30 227	0.30 213	0.30 263	0.30 199	0.30 244

RAFT + AFF	0.31 188	0.45 187	0.34 238	0.39 209	0.28 236	0.38 246	0.33 267	0.29 203	0.31 262	0.30 206	0.30 256	0.29 211	0.27 232	0.29 212	0.30 244	0.28 197	0.29 219	0.29 211	0.29 249	0.27 191	0.32 258

DANet	0.30 181	0.30 136	0.30 206	0.30 177	0.30 255	0.30 209	0.30 246	0.30 205	0.30 251	0.30 206	0.30 256	0.30 214	0.30 253	0.30 214	0.30 244	0.30 205	0.30 227	0.30 213	0.30 263	0.30 199	0.30 244
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DEFOM-Stereo	0.68 332	3.11 488	1.40 489	1.63 460	0.25 221	0.31 214	0.25 213	0.31 209	0.28 234	0.31 210	0.29 244	0.29 211	0.27 232	0.31 218	0.28 227	1.59 479	1.47 492	0.30 213	0.29 249	0.30 199	0.28 226

xxxxx1	0.31 188	0.91 269	0.23 177	0.31 182	0.23 214	0.31 214	0.23 205	0.33 213	0.25 212	0.31 210	0.24 215	0.33 223	0.25 215	0.32 219	0.24 203	0.28 197	0.28 208	0.28 206	0.28 239	0.29 196	0.27 213

CASnet	0.35 210	0.51 215	0.44 284	0.32 185	0.31 265	0.24 185	0.34 278	0.36 225	0.25 212	0.31 210	0.37 303	0.30 214	0.33 276	0.25 190	0.45 329	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)
tt_ll	0.31 188	0.91 269	0.23 177	0.31 182	0.23 214	0.31 214	0.23 205	0.33 213	0.25 212	0.31 210	0.24 215	0.33 223	0.25 215	0.32 219	0.24 203	0.28 197	0.28 208	0.28 206	0.28 239	0.29 196	0.27 213

ff	0.31 188	0.91 269	0.23 177	0.31 182	0.23 214	0.31 214	0.23 205	0.33 213	0.25 212	0.31 210	0.24 215	0.33 223	0.25 215	0.32 219	0.24 203	0.28 197	0.28 208	0.28 206	0.28 239	0.29 196	0.27 213

xyz-stereo-finetune	0.28 175	0.49 203	0.16 146	0.16 121	0.16 178	0.16 143	0.16 163	0.22 174	0.30 251	0.32 215	0.31 264	0.32 220	0.31 265	0.32 219	0.32 252	0.32 211	0.33 248	0.31 219	0.32 279	0.31 204	0.32 258

WCG-NET（raft）	0.32 196	1.24 377	0.24 184	0.32 185	0.24 219	0.32 222	0.23 205	0.32 210	0.24 207	0.32 215	0.24 215	0.32 220	0.24 212	0.32 219	0.24 203	0.30 205	0.23 189	0.30 213	0.23 207	0.30 199	0.23 188

tt1	0.31 188	0.93 276	0.24 184	0.33 189	0.23 214	0.31 214	0.24 210	0.32 210	0.24 207	0.32 215	0.23 208	0.32 220	0.25 215	0.32 219	0.24 203	0.27 195	0.26 195	0.27 204	0.26 226	0.27 191	0.27 213

DLNR_Zeroshot_test	0.31 188	0.28 133	0.47 297	0.79 331	0.24 219	0.30 209	0.26 221	0.30 205	0.24 207	0.32 215	0.23 208	0.31 218	0.24 212	0.30 214	0.23 199	0.29 204	0.26 195	0.29 211	0.24 215	0.33 213	0.23 188

testlalala	0.32 196	0.81 251	0.31 218	0.39 209	0.26 229	0.33 224	0.24 210	0.33 213	0.26 225	0.32 215	0.26 227	0.33 223	0.23 208	0.33 225	0.23 199	0.35 228	0.31 233	0.30 213	0.24 215	0.31 204	0.21 183

HCRNet	1.22 462	7.11 550	3.00 547	3.55 528	0.33 279	0.29 208	0.14 153	0.19 155	0.15 168	0.33 220	0.29 244	0.25 192	0.14 159	0.22 175	0.33 261	3.64 544	3.00 541	0.76 385	0.32 279	0.18 156	0.13 151

iResNet_ROB	0.28 175	0.32 140	0.24 184	0.32 185	0.25 221	0.32 222	0.24 210	0.32 210	0.24 207	0.33 220	0.24 215	0.35 230	0.24 212	0.33 225	0.24 203	0.31 210	0.24 191	0.32 220	0.24 215	0.32 206	0.24 198

FE-Mocha	0.35 210	0.71 241	0.40 267	0.47 260	0.27 231	0.34 226	0.27 224	0.34 217	0.26 225	0.34 222	0.26 227	0.34 228	0.27 232	0.34 227	0.27 217	0.44 287	0.41 284	0.33 228	0.29 249	0.32 206	0.29 231

GCAP-BAT	0.33 199	0.78 245	0.32 223	0.38 203	0.25 221	0.34 226	0.25 213	0.34 217	0.26 225	0.34 222	0.25 221	0.35 230	0.26 224	0.35 230	0.27 217	0.36 233	0.30 227	0.32 220	0.24 215	0.32 206	0.26 205

H2IRNET	0.34 201	0.34 142	0.34 238	0.34 191	0.34 289	0.34 226	0.34 278	0.34 217	0.34 282	0.34 222	0.34 283	0.34 228	0.34 281	0.34 227	0.34 274	0.34 219	0.34 252	0.34 236	0.34 291	0.34 217	0.34 271

MyStereo04	0.56 312	3.72 503	0.59 337	0.49 271	0.41 328	0.36 234	0.32 257	0.37 231	0.31 262	0.34 222	0.46 346	0.35 230	0.32 268	0.35 230	0.33 261	0.49 306	0.45 305	0.34 236	0.32 279	0.35 229	0.43 318

FENet	0.54 306	1.52 392	1.19 417	1.41 449	0.23 214	0.35 231	0.23 205	0.35 221	0.23 204	0.34 222	0.23 208	0.35 230	0.23 208	0.35 230	0.23 199	1.40 469	1.07 401	0.32 220	0.23 207	0.33 213	0.23 188

DMCA	0.36 216	0.38 152	0.37 252	0.35 193	0.35 292	0.36 234	0.36 290	0.36 225	0.35 285	0.35 227	0.37 303	0.36 236	0.36 291	0.35 230	0.36 282	0.36 233	0.36 257	0.35 252	0.36 309	0.36 236	0.36 283

ETE_ROB	0.35 210	0.35 143	0.35 246	0.35 193	0.35 292	0.35 231	0.35 283	0.35 221	0.35 285	0.35 227	0.35 292	0.35 230	0.35 288	0.35 230	0.35 278	0.35 228	0.35 254	0.35 252	0.35 303	0.35 229	0.35 280

DN-CSS_ROB	0.31 188	0.35 143	0.28 198	0.35 193	0.28 236	0.34 226	0.27 224	0.34 217	0.25 212	0.35 227	0.27 232	0.36 236	0.26 224	0.34 227	0.28 227	0.35 228	0.28 208	0.34 236	0.28 239	0.34 217	0.27 213

RSM	0.36 216	0.36 146	0.43 282	0.37 200	0.42 338	0.49 322	0.42 329	0.37 231	0.28 234	0.36 230	0.29 244	0.36 236	0.30 253	0.37 240	0.28 227	0.34 219	0.31 233	0.34 236	0.35 303	0.40 268	0.29 231

Any-RAFT	0.32 196	0.36 146	0.27 194	0.36 197	0.27 231	0.36 234	0.27 224	0.36 225	0.27 231	0.36 230	0.27 232	0.36 236	0.27 232	0.36 236	0.28 227	0.36 233	0.28 208	0.36 257	0.28 239	0.36 236	0.28 226

CES	0.39 240	0.47 195	0.36 248	0.36 197	0.37 302	0.45 301	0.35 283	0.35 221	0.40 316	0.36 230	0.44 340	0.47 308	0.36 291	0.44 291	0.36 282	0.37 237	0.39 272	0.44 315	0.35 303	0.37 240	0.36 283

IGEV-Stereo	0.35 210	0.44 179	0.45 286	0.49 271	0.30 255	0.37 239	0.30 246	0.36 225	0.30 251	0.36 230	0.29 244	0.36 236	0.29 246	0.36 236	0.30 244	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
MLCV	0.31 188	0.35 143	0.27 194	0.35 193	0.28 236	0.35 231	0.27 224	0.35 221	0.28 234	0.36 230	0.27 232	0.35 230	0.27 232	0.35 230	0.27 217	0.34 219	0.27 202	0.34 236	0.27 234	0.34 217	0.27 213

XPNet_ROB	0.37 222	0.37 148	0.37 252	0.37 200	0.37 302	0.37 239	0.37 296	0.37 231	0.37 298	0.37 235	0.37 303	0.37 242	0.37 296	0.37 240	0.37 291	0.37 237	0.37 259	0.37 260	0.37 311	0.37 240	0.37 287

Monster-pub-mixall	0.44 268	0.56 227	0.60 339	0.38 203	0.27 231	0.37 239	0.27 224	0.37 231	0.29 240	0.38 236	0.27 232	0.38 244	0.29 246	0.85 387	0.27 217	1.46 473	0.26 195	0.34 236	0.26 226	0.36 236	0.53 350

WAO-8	0.38 228	0.38 152	0.38 255	0.38 203	0.38 309	0.38 246	0.38 302	0.38 239	0.38 302	0.38 236	0.38 308	0.38 244	0.38 300	0.38 243	0.38 294	0.38 248	0.38 265	0.38 268	0.37 311	0.38 253	0.38 294

WAO-7	0.38 228	0.38 152	0.38 255	0.38 203	0.38 309	0.38 246	0.38 302	0.38 239	0.38 302	0.38 236	0.38 308	0.38 244	0.38 300	0.38 243	0.38 294	0.38 248	0.38 265	0.38 268	0.38 324	0.38 253	0.38 294

EKT-Stereo	0.37 222	0.40 160	0.44 284	1.07 371	0.29 245	0.34 226	0.31 255	0.36 225	0.29 240	0.38 236	0.31 264	0.37 242	0.30 253	0.36 236	0.29 237	0.34 219	0.28 208	0.39 279	0.30 263	0.37 240	0.30 244

iRaft-Stereo_20w	0.34 201	0.41 168	0.31 218	0.39 209	0.29 245	0.40 254	0.32 257	0.41 263	0.32 266	0.38 236	0.30 256	0.39 249	0.30 253	0.38 243	0.32 252	0.35 228	0.27 202	0.34 236	0.27 234	0.34 217	0.29 231

DISCO	1.11 411	0.39 158	5.28 575	0.39 209	0.20 199	0.39 252	0.27 224	0.39 243	0.22 198	0.38 236	0.20 197	0.38 244	0.20 195	6.95 586	0.22 193	0.30 205	0.21 180	0.27 204	0.21 198	5.25 567	0.21 183

Monster-pub-eth3d	0.45 271	0.57 228	0.60 339	0.39 209	0.28 236	0.37 239	0.28 232	0.37 231	0.30 251	0.39 242	0.29 244	0.39 249	0.30 253	0.92 397	0.27 217	1.42 470	0.28 208	0.34 236	0.28 239	0.37 240	0.53 350

LG-Stereo_L2	0.34 201	0.37 148	0.38 255	0.47 260	0.28 236	0.39 252	0.28 232	0.39 243	0.28 234	0.39 242	0.28 239	0.39 249	0.28 239	0.38 243	0.28 227	0.42 285	0.35 254	0.36 257	0.26 226	0.35 229	0.26 205

1test111	0.37 222	1.02 297	0.30 206	0.39 209	0.29 245	0.40 254	0.28 232	0.39 243	0.29 240	0.39 242	0.29 244	0.39 249	0.28 239	0.40 254	0.29 237	0.33 215	0.32 237	0.33 228	0.31 273	0.32 206	0.31 253

cc1	0.37 222	1.02 297	0.30 206	0.39 209	0.29 245	0.40 254	0.28 232	0.39 243	0.29 240	0.39 242	0.29 244	0.39 249	0.28 239	0.40 254	0.29 237	0.33 215	0.32 237	0.33 228	0.31 273	0.32 206	0.31 253

HanzoNet	0.39 240	0.38 152	0.40 267	0.39 209	0.41 328	0.38 246	0.38 302	0.38 239	0.38 302	0.39 242	0.39 317	0.38 244	0.38 300	0.39 251	0.40 309	0.38 248	0.38 265	0.40 284	0.38 324	0.38 253	0.40 303

StereoDRNet-Refined	0.33 199	0.39 158	0.26 193	0.39 209	0.26 229	0.40 254	0.26 221	0.40 248	0.26 225	0.39 242	0.26 227	0.39 249	0.26 224	0.39 251	0.26 216	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
Replicate-Monster	0.45 271	0.57 228	0.60 339	0.40 223	0.29 245	0.37 239	0.27 224	0.37 231	0.30 251	0.40 248	0.31 264	0.40 257	0.30 253	0.99 405	0.27 217	1.36 466	0.31 233	0.34 236	0.30 263	0.36 236	0.54 353

DCVSM-stereo	0.36 216	1.89 412	0.22 174	0.40 223	0.22 208	0.40 254	0.22 197	0.40 248	0.22 198	0.40 248	0.22 204	0.40 257	0.22 202	0.40 254	0.22 193	0.28 197	0.21 180	0.28 206	0.21 198	0.28 193	0.20 180

IGEV++	0.34 201	0.43 176	0.30 206	0.40 223	0.29 245	0.40 254	0.29 241	0.40 248	0.29 240	0.40 248	0.29 244	0.40 257	0.29 246	0.40 254	0.30 244	0.38 248	0.29 219	0.37 260	0.29 249	0.37 240	0.29 231

ACVNet-DCA	0.37 222	1.00 287	0.30 206	0.40 223	0.29 245	0.40 254	0.29 241	0.40 248	0.29 240	0.40 248	0.29 244	0.40 257	0.29 246	0.39 251	0.28 227	0.33 215	0.32 237	0.33 228	0.32 279	0.33 213	0.32 258

xx1	0.38 228	1.03 299	0.31 218	0.40 223	0.31 265	0.41 270	0.28 232	0.40 248	0.29 240	0.40 248	0.29 244	0.40 257	0.29 246	0.40 254	0.29 237	0.34 219	0.33 248	0.34 236	0.32 279	0.34 217	0.32 258

knoymous	0.40 244	0.40 160	0.40 267	0.40 223	0.40 320	0.40 254	0.40 316	0.40 248	0.40 316	0.40 248	0.40 320	0.40 257	0.40 309	0.40 254	0.40 309	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303

anonymousa	0.40 244	0.40 160	0.40 267	0.40 223	0.40 320	0.40 254	0.40 316	0.40 248	0.40 316	0.40 248	0.40 320	0.40 257	0.40 309	0.40 254	0.40 309	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303

riskmin	0.40 244	0.40 160	0.40 267	0.40 223	0.40 320	0.40 254	0.40 316	0.40 248	0.40 316	0.40 248	0.40 320	0.40 257	0.40 309	0.40 254	0.40 309	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303

Anonymous_2	0.40 244	0.40 160	0.40 267	0.40 223	0.40 320	0.40 254	0.40 316	0.40 248	0.40 316	0.40 248	0.40 320	0.40 257	0.40 309	0.40 254	0.40 309	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303

Anonymous_1	0.40 244	0.40 160	0.40 267	0.40 223	0.40 320	0.40 254	0.40 316	0.40 248	0.40 316	0.40 248	0.40 320	0.40 257	0.40 309	0.40 254	0.40 309	0.40 263	0.40 275	0.40 284	0.40 328	0.40 268	0.40 303

CRFU-Net	0.65 325	1.67 397	1.22 467	1.96 470	0.27 231	0.41 270	0.27 224	0.41 263	0.27 231	0.40 248	0.26 227	0.41 270	0.27 232	0.40 254	0.27 217	1.80 486	1.62 506	0.34 236	0.23 207	0.33 213	0.23 188

iRaft-Stereo_5w	0.34 201	0.42 175	0.31 218	0.39 209	0.30 255	0.38 246	0.30 246	0.40 248	0.29 240	0.40 248	0.37 303	0.41 270	0.34 281	0.38 243	0.30 244	0.34 219	0.27 202	0.34 236	0.26 226	0.34 217	0.26 205

GES	0.66 327	2.34 449	0.29 202	0.41 235	0.29 245	0.41 270	0.29 241	0.42 281	0.29 240	0.40 248	0.41 326	0.41 270	0.30 253	0.51 334	0.29 237	0.32 211	0.29 219	0.32 220	2.46 552	2.49 514	0.30 244

AdaStereo	0.40 244	0.40 160	0.40 267	0.40 223	0.40 320	0.40 254	0.40 316	0.40 248	0.40 316	0.40 248	0.40 320	0.40 257	0.40 309	0.40 254	0.40 309	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.
DDF-Stereo	0.43 263	1.15 316	0.57 335	0.53 288	0.32 267	0.41 270	0.32 257	0.41 263	0.32 266	0.41 262	0.32 268	0.41 270	0.32 268	0.40 254	0.32 252	0.52 320	0.50 328	0.38 268	0.31 273	0.39 262	0.31 253

Zero-FE251	0.36 216	0.40 160	0.28 198	0.41 235	0.28 236	0.41 270	0.28 232	0.41 263	0.28 234	0.41 262	0.28 239	0.41 270	0.28 239	0.42 282	0.30 244	0.37 237	0.26 195	0.37 260	0.27 234	0.45 292	0.56 361

GIP-stereo	0.36 216	0.49 203	0.39 262	0.48 265	0.32 267	0.41 270	0.28 232	0.40 248	0.30 251	0.41 262	0.28 239	0.40 257	0.28 239	0.42 282	0.28 227	0.45 290	0.32 237	0.38 268	0.30 263	0.37 240	0.27 213

Venus	0.38 228	0.38 152	0.38 255	0.38 203	0.38 309	0.37 239	0.38 302	0.37 231	0.37 298	0.41 262	0.37 303	0.39 249	0.37 296	0.38 243	0.38 294	0.37 237	0.38 265	0.38 268	0.37 311	0.37 240	0.38 294

RAFT-Test	0.36 216	0.37 148	0.33 228	0.41 235	0.32 267	0.41 270	0.32 257	0.41 263	0.32 266	0.41 262	0.32 268	0.41 270	0.32 268	0.41 269	0.33 261	0.37 237	0.29 219	0.37 260	0.29 249	0.38 253	0.31 253

IER	0.88 379	7.04 549	2.23 538	2.75 497	0.28 236	0.43 297	0.25 213	0.39 243	0.25 212	0.41 262	0.27 232	0.39 249	0.25 215	0.40 254	0.28 227	0.37 237	0.28 208	0.37 260	0.25 220	0.37 240	0.25 199

NINENet	0.69 335	3.87 509	1.20 420	1.98 471	0.05 99	0.40 254	0.04 82	0.40 248	0.05 98	0.41 262	0.04 89	0.41 270	0.05 95	0.40 254	0.05 89	1.79 485	1.56 499	0.34 236	0.22 201	0.34 217	0.23 188

GwcNet-ADL	0.41 251	0.41 168	0.41 276	0.41 235	0.41 328	0.41 270	0.41 324	0.41 263	0.41 325	0.41 262	0.41 326	0.41 270	0.41 320	0.41 269	0.41 316	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 310

PSMNet-ADL	0.41 251	0.41 168	0.41 276	0.41 235	0.41 328	0.41 270	0.41 324	0.41 263	0.41 325	0.41 262	0.41 326	0.41 270	0.41 320	0.41 269	0.41 316	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 310

GANet-ADL	0.41 251	0.41 168	0.41 276	0.41 235	0.41 328	0.41 270	0.41 324	0.41 263	0.41 325	0.41 262	0.41 326	0.41 270	0.41 320	0.41 269	0.41 316	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 310

ADLNet2	0.41 251	0.41 168	0.41 276	0.41 235	0.41 328	0.41 270	0.41 324	0.41 263	0.41 325	0.41 262	0.41 326	0.41 270	0.41 320	0.41 269	0.41 316	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 310

ADLNet	0.41 251	0.41 168	0.41 276	0.41 235	0.41 328	0.41 270	0.41 324	0.41 263	0.41 325	0.41 262	0.41 326	0.41 270	0.41 320	0.41 269	0.41 316	0.41 271	0.41 284	0.41 301	0.41 335	0.41 278	0.41 310

DGSMNet	0.34 201	0.41 168	0.27 194	0.41 235	0.28 236	0.41 270	0.28 232	0.41 263	0.27 231	0.41 262	0.27 232	0.42 288	0.27 232	0.41 269	0.28 227	0.40 263	0.29 219	0.40 284	0.28 239	0.40 268	0.27 213

Gwc-CoAtRS	0.41 251	1.49 391	0.32 223	0.42 245	0.32 267	0.41 270	0.32 257	0.41 263	0.33 273	0.41 262	0.32 268	0.41 270	0.32 268	0.41 269	0.32 252	0.39 259	0.28 208	0.39 279	0.28 239	0.40 268	0.28 226

RAFT-Stereo-weight	0.45 271	1.90 414	0.34 238	0.42 245	0.36 298	0.43 297	0.35 283	0.42 281	0.34 282	0.42 276	0.34 283	0.44 296	0.34 281	0.41 269	0.34 274	0.38 248	0.32 237	0.38 268	0.32 279	0.38 253	0.33 265

gcap-zeroshot	0.35 210	0.32 140	0.37 252	0.49 271	0.39 318	0.33 224	0.21 192	0.26 194	0.35 285	0.42 276	0.34 283	0.49 319	0.29 246	0.47 303	0.39 305	0.34 219	0.17 164	0.38 268	0.23 207	0.48 311	0.34 271

IMH	0.38 228	0.38 152	0.38 255	0.38 203	0.38 309	0.38 246	0.38 302	0.38 239	0.38 302	0.42 276	0.38 308	0.40 257	0.38 300	0.38 243	0.38 294	0.38 248	0.38 265	0.39 279	0.38 324	0.38 253	0.38 294

LL-Strereo2	0.48 288	1.73 404	0.51 323	0.59 303	0.34 289	0.42 290	0.33 267	0.40 248	0.31 262	0.42 276	0.33 275	0.42 288	0.31 265	0.44 291	0.39 305	0.60 336	0.51 333	0.44 315	0.33 287	0.44 288	0.33 265

HGLStereo	0.28 175	0.29 135	0.22 174	0.36 197	0.22 208	0.36 234	0.21 192	0.36 225	0.21 195	0.42 276	0.21 203	0.36 236	0.22 202	0.36 236	0.21 191	0.34 219	0.21 180	0.34 236	0.21 198	0.34 217	0.21 183

UCFNet_RVC	2.75 543	10.06 571	0.29 202	10.31 587	0.29 245	0.42 290	0.29 241	0.43 287	0.29 240	0.42 276	0.29 244	0.42 288	9.87 590	0.43 288	0.29 237	0.36 233	9.84 589	0.36 257	0.26 226	9.77 588	0.26 205

HART	0.38 228	0.45 187	0.34 238	0.42 245	0.33 279	0.41 270	0.34 278	0.42 281	0.33 273	0.43 282	0.34 283	0.42 288	0.34 281	0.41 269	0.38 294	0.40 263	0.32 237	0.42 312	0.32 279	0.40 268	0.32 258

RCA-Stereo	0.51 301	3.22 492	0.34 238	0.44 252	0.34 289	0.44 300	0.34 278	0.43 287	0.34 282	0.43 282	0.34 283	0.44 296	0.33 276	0.43 288	0.33 261	0.38 248	0.29 219	0.38 268	0.29 249	0.38 253	0.29 231

GMOStereo	0.37 222	0.45 187	0.23 177	0.30 177	0.37 302	0.41 270	0.36 290	0.41 263	0.35 285	0.43 282	0.36 296	0.41 270	0.40 309	0.41 269	0.36 282	0.34 219	0.22 184	0.47 332	0.37 311	0.39 262	0.33 265

error version	0.93 389	4.47 521	2.35 541	1.99 472	0.37 302	0.41 270	0.36 290	0.41 263	0.35 285	0.43 282	0.36 296	0.41 270	0.40 309	0.41 269	0.36 282	1.87 489	2.16 534	0.47 332	0.37 311	0.39 262	0.33 265

test_1	0.93 389	4.47 521	2.35 541	1.99 472	0.37 302	0.41 270	0.36 290	0.41 263	0.35 285	0.43 282	0.36 296	0.41 270	0.40 309	0.41 269	0.36 282	1.87 489	2.16 534	0.47 332	0.37 311	0.39 262	0.33 265

HiDET	0.38 228	0.44 179	0.30 206	0.42 245	0.30 255	0.42 290	0.30 246	0.42 281	0.30 251	0.44 287	0.30 256	0.42 288	0.30 253	0.42 282	0.68 378	0.37 237	0.32 237	0.40 284	0.29 249	0.37 240	0.29 231

CSFM-Stereo	0.38 228	0.44 179	0.30 206	0.42 245	0.30 255	0.42 290	0.30 246	0.43 287	0.30 251	0.44 287	0.30 256	0.42 288	0.30 253	0.42 282	0.73 393	0.37 237	0.32 237	0.40 284	0.29 249	0.37 240	0.30 244

MS-F	0.38 228	0.44 179	0.31 218	0.43 251	0.30 255	0.43 297	0.31 255	0.43 287	0.31 262	0.45 289	0.31 264	0.43 295	0.31 265	0.43 288	0.69 383	0.38 248	0.33 248	0.40 284	0.30 263	0.38 253	0.30 244

LCMNet	0.38 228	0.44 179	0.30 206	0.42 245	0.30 255	0.42 290	0.30 246	0.42 281	0.30 251	0.45 289	0.30 256	0.42 288	0.30 253	0.42 282	0.69 383	0.37 237	0.32 237	0.40 284	0.29 249	0.37 240	0.29 231

water-stereo	0.41 251	0.84 254	0.46 290	0.50 278	0.33 279	0.45 301	0.33 267	0.45 291	0.32 266	0.45 289	0.32 268	0.45 298	0.32 268	0.45 294	0.32 252	0.44 287	0.41 284	0.39 279	0.31 273	0.39 262	0.32 258

GREAT-IGEV	0.38 228	0.43 176	0.36 248	0.48 265	0.32 267	0.45 301	0.32 257	0.45 291	0.32 266	0.45 289	0.32 268	0.45 298	0.32 268	0.45 294	0.32 252	0.44 287	0.33 248	0.41 301	0.29 249	0.41 278	0.29 231

fffy	0.38 228	0.43 176	0.33 228	0.46 254	0.33 279	0.45 301	0.32 257	0.45 291	0.32 266	0.45 289	0.32 268	0.45 298	0.33 276	0.45 294	0.32 252	0.38 248	0.38 265	0.38 268	0.37 311	0.37 240	0.36 283

Former-RAFT_DAM_RVC	0.49 294	0.98 283	0.64 348	0.84 338	0.46 346	0.45 301	0.35 283	0.47 301	0.47 344	0.45 289	0.34 283	0.46 302	0.48 346	0.46 299	0.35 278	0.39 259	0.71 369	0.39 279	0.35 303	0.41 278	0.41 310

DilatedVolume-Stereo	0.43 263	0.86 257	0.48 305	0.50 278	0.33 279	0.46 307	0.33 267	0.46 295	0.33 273	0.46 295	0.33 275	0.47 308	0.33 276	0.47 303	0.34 274	0.45 290	0.42 293	0.40 284	0.33 287	0.47 307	0.38 294

otaku	0.46 277	0.46 191	0.46 290	0.46 254	0.46 346	0.46 307	0.46 339	0.46 295	0.46 339	0.46 295	0.46 346	0.46 302	0.46 337	0.46 299	0.46 333	0.46 294	0.46 307	0.46 323	0.46 348	0.46 295	0.46 324

Ntro	0.47 283	0.47 195	0.46 290	0.46 254	0.46 346	0.47 312	0.47 344	0.46 295	0.47 344	0.46 295	0.46 346	0.47 308	0.46 337	0.47 303	0.47 340	0.47 299	0.46 307	0.46 323	0.46 348	0.46 295	0.46 324

ACVNet_1	0.46 277	0.47 195	0.46 290	0.46 254	0.46 346	0.46 307	0.46 339	0.46 295	0.47 344	0.46 295	0.46 346	0.46 302	0.46 337	0.46 299	0.46 333	0.46 294	0.46 307	0.47 332	0.46 348	0.46 295	0.46 324

ACVNet-4b	0.46 277	0.46 191	0.46 290	0.46 254	0.46 346	0.46 307	0.46 339	0.46 295	0.46 339	0.46 295	0.46 346	0.46 302	0.46 337	0.47 303	0.46 333	0.46 294	0.46 307	0.46 323	0.46 348	0.46 295	0.46 324

GANet-RSSM	0.75 346	1.91 415	0.14 127	0.47 260	0.14 158	0.21 174	3.21 569	2.30 513	0.14 158	0.46 295	0.14 162	0.23 183	0.18 186	0.21 171	0.14 152	0.18 151	0.27 202	0.37 260	0.13 155	2.13 496	2.12 538

depthmonostereo	0.44 268	0.85 256	0.46 290	0.54 291	0.40 320	0.52 345	0.38 302	0.52 334	0.35 285	0.47 301	0.34 283	0.46 302	0.34 281	0.47 303	0.34 274	0.45 290	0.43 297	0.41 301	0.33 287	0.41 278	0.32 258

mms	0.40 244	0.45 187	0.35 246	0.48 265	0.36 298	0.47 312	0.34 278	0.45 291	0.38 302	0.47 301	0.33 275	0.45 298	0.32 268	0.45 294	0.32 252	0.39 259	0.38 265	0.38 268	0.37 311	0.39 262	0.39 300

ccccc	0.41 251	0.44 179	0.34 238	0.48 265	0.35 292	0.48 317	0.35 283	0.51 330	0.35 285	0.47 301	0.35 292	0.47 308	0.34 281	0.47 303	0.35 278	0.41 271	0.40 275	0.40 284	0.40 328	0.41 278	0.39 300

HaxPig	0.47 283	0.47 195	0.47 297	0.49 271	0.47 352	0.47 312	0.47 344	0.47 301	0.47 344	0.47 301	0.47 354	0.47 308	0.47 345	0.47 303	0.47 340	0.47 299	0.47 315	0.47 332	0.47 355	0.47 307	0.48 333

UNDER WATER	0.47 283	0.47 195	0.47 297	0.47 260	0.47 352	0.47 312	0.47 344	0.47 301	0.47 344	0.47 301	0.47 354	0.47 308	0.46 337	0.47 303	0.47 340	0.47 299	0.47 315	0.47 332	0.46 348	0.47 307	0.47 331

LVE	0.47 283	0.47 195	0.47 297	0.47 260	0.49 358	0.47 312	0.47 344	0.47 301	0.49 353	0.47 301	0.47 354	0.47 308	0.46 337	0.47 303	0.47 340	0.47 299	0.47 315	0.48 340	0.47 355	0.47 307	0.47 331

Dean	0.46 277	0.46 191	0.46 290	0.46 254	0.46 346	0.46 307	0.46 339	0.46 295	0.46 339	0.47 301	0.46 346	0.46 302	0.46 337	0.46 299	0.46 333	0.46 294	0.46 307	0.46 323	0.46 348	0.46 295	0.46 324

SCV_C0	0.45 271	0.88 261	0.49 312	0.54 291	0.37 302	0.48 317	0.37 296	0.48 305	0.37 298	0.48 308	0.36 296	0.48 315	0.37 296	0.49 318	0.37 291	0.50 312	0.41 284	0.44 315	0.34 291	0.44 288	0.34 271

SCV	0.46 277	0.94 278	0.45 286	0.54 291	0.37 302	0.48 317	0.38 302	0.48 305	0.37 298	0.48 308	0.39 317	0.48 315	0.37 296	0.49 318	0.37 291	0.50 312	0.46 307	0.44 315	0.34 291	0.44 288	0.34 271

RainbowNet	0.48 288	0.48 201	0.48 305	0.48 265	0.48 356	0.48 317	0.48 353	0.48 305	0.48 351	0.48 308	0.48 358	0.48 315	0.48 346	0.48 312	0.48 346	0.48 303	0.48 319	0.48 340	0.48 358	0.48 311	0.48 333

notaker	0.48 288	0.49 203	0.48 305	0.48 265	0.48 356	0.48 317	0.48 353	0.48 305	0.49 353	0.48 308	0.48 358	0.48 315	0.48 346	0.48 312	0.48 346	0.48 303	0.48 319	0.48 340	0.48 358	0.48 311	0.49 338

BUS	0.83 371	1.91 415	0.92 393	4.48 538	0.02 21	0.40 254	0.04 82	0.41 263	0.02 21	0.48 308	0.03 52	0.41 270	0.05 95	0.03 39	0.05 89	1.97 497	4.19 563	0.33 228	0.23 207	0.34 217	0.27 213

BSDual-CNN	0.81 362	1.91 415	0.92 393	4.48 538	0.02 21	0.42 290	0.06 109	0.41 263	0.02 21	0.48 308	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 497	4.19 563	0.33 228	0.23 207	0.34 217	0.27 213

hknet	1.10 409	1.85 408	3.49 562	4.48 538	0.02 21	0.42 290	0.06 109	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

252Zero-FE	0.45 271	0.50 207	0.36 248	0.50 278	0.36 298	0.50 330	0.36 290	0.50 317	0.36 296	0.49 315	0.36 296	0.49 319	0.36 291	0.54 343	0.41 316	0.45 290	0.34 252	0.45 319	0.34 291	0.55 334	0.75 393

UGAM-zero	0.51 301	2.17 433	0.39 262	0.53 288	0.36 298	0.50 330	0.36 290	0.50 317	0.36 296	0.49 315	0.36 296	0.50 334	0.35 288	0.50 325	0.36 282	0.49 306	0.37 259	0.47 332	0.35 303	0.46 295	0.34 271

UGAM	0.51 301	2.23 438	0.39 262	0.54 291	0.35 292	0.50 330	0.35 283	0.49 309	0.35 285	0.49 315	0.35 292	0.49 319	0.36 291	0.50 325	0.36 282	0.49 306	0.37 259	0.45 319	0.34 291	0.45 292	0.34 271

GCST	0.50 296	2.08 425	0.38 255	0.53 288	0.35 292	0.49 322	0.35 283	0.50 317	0.35 285	0.49 315	0.35 292	0.49 319	0.35 288	0.49 318	0.35 278	0.48 303	0.37 259	0.45 319	0.33 287	0.44 288	0.33 265

TorneroNet	0.66 327	0.53 220	0.50 316	0.50 278	0.64 387	1.06 409	0.70 389	0.50 317	0.51 363	0.49 315	0.69 394	0.49 319	0.50 354	0.48 312	1.15 434	0.71 356	0.49 322	1.14 426	1.08 431	0.49 315	0.49 338

ACVNet_2	0.49 294	0.49 203	0.49 312	0.49 271	0.49 358	0.49 322	0.49 355	0.49 309	0.49 353	0.49 315	0.49 361	0.49 319	0.49 351	0.49 318	0.49 348	0.49 306	0.49 322	0.49 345	0.49 361	0.49 315	0.49 338

PCWNet_CMD	2.80 545	9.82 569	0.32 223	10.09 586	0.32 267	0.49 322	0.33 267	3.34 547	0.33 273	0.49 315	0.33 275	0.49 319	8.73 586	0.48 312	0.33 261	0.41 271	9.22 584	0.42 312	0.29 249	9.55 587	0.31 253

CFNet_ucs	2.73 542	9.64 568	0.33 228	9.92 584	0.32 267	0.49 322	0.33 267	0.49 309	0.33 273	0.49 315	0.33 275	0.49 319	8.98 588	0.48 312	0.33 261	0.41 271	9.96 590	0.40 284	0.29 249	10.12 590	0.54 353

CFNet_pseudo	2.67 541	9.36 566	0.32 223	10.99 588	0.33 279	0.85 385	0.33 267	0.49 309	0.33 273	0.49 315	0.32 268	0.49 319	7.26 584	0.49 318	0.33 261	0.41 271	9.62 587	0.41 301	0.29 249	10.03 589	0.29 231

pcwnet_v2	2.66 540	9.89 570	0.33 228	9.89 583	0.32 267	0.50 330	0.32 257	0.49 309	0.33 273	0.49 315	0.34 283	0.49 319	8.76 587	0.48 312	0.33 261	0.41 271	9.58 586	0.40 284	0.29 249	9.01 585	0.63 371

ccnet	0.80 357	2.28 441	0.33 228	0.50 278	0.33 279	0.50 330	0.33 267	0.50 317	0.33 273	0.49 315	0.33 275	0.49 319	1.56 498	2.38 517	0.33 261	0.41 271	0.29 219	0.42 312	1.57 512	2.28 502	0.29 231

psmorigin	0.41 251	0.46 191	0.33 228	0.49 271	0.33 279	0.49 322	0.33 267	0.49 309	0.33 273	0.49 315	0.33 275	0.49 319	0.33 276	0.51 334	0.33 261	0.41 271	0.30 227	0.41 301	0.30 263	0.79 361	0.29 231

MSMDNet	2.65 539	10.14 572	0.33 228	9.74 582	0.32 267	0.87 387	0.33 267	2.95 543	0.68 384	0.49 315	0.34 283	0.49 319	5.70 580	0.49 318	0.33 261	0.42 285	9.57 585	0.41 301	0.31 273	8.36 582	0.65 373

GSStereo	0.81 362	4.28 519	0.50 316	0.59 303	0.40 320	0.51 342	0.38 302	0.50 317	0.38 302	0.50 328	0.38 308	0.50 334	3.79 565	0.50 325	0.38 294	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.35 280

GS-Stereo							0.38 302	0.50 317	0.38 302	0.50 328	0.38 308	0.50 334	3.79 565	0.50 325	0.38 294	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.35 280

GASTEREO	0.48 288	1.21 369	0.47 297	0.57 298	0.38 309	0.50 330	0.38 302	0.50 317	0.38 302	0.50 328	0.38 308	0.50 334	0.38 300	0.50 325	0.38 294	0.52 320	0.42 293	0.46 323	0.34 291	0.46 295	0.34 271

FoundationStereo	0.50 296	0.50 207	0.50 316	0.50 278	0.50 362	0.50 330	0.50 357	0.50 317	0.50 356	0.50 328	0.50 363	0.50 334	0.50 354	0.50 325	0.50 349	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 341

StereoAnything_RVC	0.50 296	0.50 207	0.50 316	0.50 278	0.50 362	0.50 330	0.50 357	0.50 317	0.50 356	0.50 328	0.50 363	0.50 334	0.50 354	0.50 325	0.50 349	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 341

dual_stereo	0.50 296	0.50 207	0.50 316	0.50 278	0.50 362	0.50 330	0.50 357	0.50 317	0.50 356	0.50 328	0.50 363	0.50 334	0.50 354	0.50 325	0.50 349	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 341

SANet	0.50 296	0.50 207	0.50 316	0.50 278	0.50 362	0.50 330	0.50 357	0.50 317	0.50 356	0.50 328	0.50 363	0.50 334	0.50 354	0.50 325	0.50 349	0.50 312	0.50 328	0.50 349	0.50 363	0.50 320	0.50 341

MyStereo07	0.60 314	3.72 503	0.48 305	0.49 271	0.41 328	0.36 234	0.32 257	0.49 309	0.43 333	0.51 335	0.42 336	0.49 319	0.43 329	0.51 334	0.64 369	0.49 306	0.45 305	0.34 236	0.32 279	0.35 229	0.43 318

ktn	0.72 342	0.53 220	1.08 406	1.14 379	0.51 367	1.22 471	1.36 499	0.51 330	0.59 371	0.51 335	0.51 369	0.69 373	1.20 433	0.67 366	0.51 354	0.51 318	0.49 322	0.58 364	0.66 388	0.52 328	0.53 350

ccs_rob	2.79 544	10.17 573	0.32 223	10.00 585	0.33 279	0.49 322	0.33 267	1.90 492	0.32 266	0.51 335	0.33 275	0.49 319	9.24 589	0.49 318	0.33 261	0.41 271	9.82 588	0.41 301	0.28 239	9.34 586	0.29 231

MSCF	0.51 301	1.40 388	0.49 312	0.58 300	0.38 309	0.50 330	0.38 302	0.54 338	0.41 325	0.52 338	0.41 326	0.53 346	0.42 326	0.53 341	0.41 316	0.60 336	0.47 315	0.48 340	0.37 311	0.48 311	0.38 294

PAM_32	0.64 324	2.38 453	0.51 323	0.92 348	0.43 340	0.53 347	0.44 332	0.87 379	0.43 333	0.52 338	0.45 344	0.53 346	0.40 309	0.54 343	0.46 333	0.62 344	0.56 341	0.48 340	0.45 346	0.76 356	0.44 321

4D-IteraStereo	0.78 354	3.13 489	0.89 385	0.69 319	0.32 267	0.40 254	0.32 257	0.76 369	0.97 426	0.52 338	0.65 387	0.89 396	0.32 268	0.76 376	0.98 420	0.83 372	0.94 393	0.35 252	0.27 234	0.70 350	0.89 407

GEAStereo	0.62 320	3.91 510	0.48 305	0.69 319	0.38 309	0.51 342	0.38 302	0.51 330	0.38 302	0.53 341	0.38 308	0.50 334	0.38 300	0.51 334	0.38 294	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.34 271

gasm-f	0.62 320	3.91 510	0.48 305	0.69 319	0.38 309	0.51 342	0.38 302	0.51 330	0.38 302	0.53 341	0.38 308	0.50 334	0.38 300	0.51 334	0.38 294	0.54 324	0.43 297	0.46 323	0.34 291	0.46 295	0.34 271

LG-Stereo_L1	0.47 283	0.52 217	0.47 297	0.62 308	0.39 318	0.53 347	0.40 316	0.53 336	0.39 315	0.53 341	0.39 317	0.53 346	0.39 308	0.53 341	0.39 305	0.55 330	0.46 307	0.49 345	0.37 311	0.49 315	0.37 287

fffft	0.48 288	0.51 215	0.45 286	0.52 287	0.45 344	0.52 345	0.45 337	0.52 334	0.48 351	0.53 341	0.45 344	0.52 345	0.45 334	0.52 339	0.46 333	0.51 318	0.41 284	0.50 349	0.41 335	0.50 320	0.41 310
1: 1. 1
AEACV	1.12 412	0.52 217	3.12 559	3.24 512	0.86 414	0.53 347	0.49 355	0.60 352	0.47 344	0.53 341	0.49 361	0.55 353	0.45 334	0.55 347	0.47 340	3.01 539	3.88 560	0.71 379	0.60 380	0.80 364	0.48 333

Occ-G	1.12 412	0.52 217	3.72 567	3.50 527	0.50 362	0.56 352	0.47 344	0.54 338	0.46 339	0.54 346	0.41 326	0.54 349	0.42 326	0.52 339	0.42 324	3.42 543	4.02 562	0.52 357	0.45 346	0.51 326	0.44 321

iRaftStereo_RVC	0.97 393	3.17 491	2.30 540	2.42 488	0.38 309	0.54 350	0.38 302	0.54 338	0.38 302	0.54 346	0.38 308	0.54 349	0.38 300	0.54 343	0.38 294	2.38 522	2.34 538	0.49 345	0.36 309	0.49 315	0.36 283

PSMNet_ROB	0.54 306	0.54 223	0.54 331	0.54 291	0.53 371	0.54 350	0.54 365	0.53 336	0.54 366	0.54 346	0.54 373	0.54 349	0.53 361	0.54 343	0.54 359	0.54 324	0.53 337	0.54 361	0.54 369	0.54 333	0.54 353

MyStereo06	0.75 346	4.12 513	0.60 339	0.63 310	0.61 383	0.62 364	0.66 377	0.56 342	0.45 338	0.55 349	0.48 358	0.54 349	0.46 337	0.57 353	0.45 329	0.60 336	0.57 343	0.64 370	0.55 370	0.72 351	0.55 358

PA-Net	11.80 589	223.51 614	0.62 345	0.59 303	0.71 401	0.59 360	0.73 395	0.67 361	0.73 400	0.55 349	0.61 381	0.60 363	0.74 392	0.63 361	0.73 393	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.
FSD	0.61 317	0.59 231	0.50 316	2.58 495	0.44 341	0.56 352	0.44 332	0.55 341	0.44 336	0.56 351	0.44 340	0.56 356	0.44 331	0.56 348	0.46 333	0.61 340	0.42 293	0.52 357	0.42 343	0.52 328	0.51 348

LG-Stereo_Zeroshot	0.48 288	0.55 225	0.47 297	0.63 310	0.41 328	0.56 352	0.44 332	0.56 342	0.41 325	0.56 351	0.41 326	0.57 358	0.42 326	0.56 348	0.41 316	0.55 330	0.43 297	0.51 354	0.37 311	0.51 326	0.37 287

Selective-IGEV	0.51 301	0.55 225	0.45 286	0.69 319	0.45 344	0.61 361	0.45 337	0.50 317	0.40 316	0.56 351	0.44 340	0.55 353	0.40 309	0.72 370	0.67 374	0.59 335	0.46 307	0.45 319	0.34 291	0.46 295	0.37 287

LG-Stereo	0.60 314	0.58 230	0.47 297	0.64 313	0.74 406	1.00 401	0.69 385	0.57 345	0.41 325	0.57 354	0.41 326	0.57 358	0.41 320	1.00 407	0.75 397	0.91 379	0.51 333	0.52 357	0.37 311	0.52 328	0.37 287

LL-Strereo	1.01 402	5.06 528	1.63 502	0.70 323	1.43 505	0.56 352	0.46 339	0.57 345	0.50 356	0.57 354	0.50 363	1.58 488	0.49 351	0.59 355	0.50 349	1.64 482	0.52 335	0.51 354	1.37 500	0.52 328	0.45 323

CASS	0.57 313	0.89 264	0.56 333	0.57 298	0.56 374	0.56 352	0.56 366	0.56 342	0.53 364	0.57 354	0.57 376	0.59 362	0.48 346	0.56 348	0.57 362	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.
PML	0.46 277	1.36 385	0.29 202	0.58 300	0.30 255	0.57 358	0.29 241	0.57 345	0.29 240	0.57 354	0.29 244	0.57 358	0.29 246	0.56 348	0.29 237	0.52 320	0.30 227	0.53 360	0.31 273	0.53 332	0.30 244

MyStereo8	0.71 339	3.92 512	0.52 326	0.59 303	0.52 368	0.57 358	0.53 363	0.59 350	0.50 356	0.59 358	0.51 369	0.57 358	0.50 354	0.56 348	0.52 356	0.54 324	0.49 322	0.54 361	0.49 361	0.55 334	0.50 341

AIO-test2	0.55 310	0.59 231	0.52 326	0.67 318	0.47 352	0.61 361	0.47 344	0.61 354	0.47 344	0.61 359	0.47 354	0.61 364	0.48 346	0.62 357	0.47 340	0.64 346	0.53 337	0.58 364	0.47 355	0.58 337	0.48 333

AIO-test1	0.54 306	0.60 234	0.52 326	0.66 317	0.47 352	0.61 361	0.47 344	0.58 348	0.46 339	0.61 359	0.46 346	0.61 364	0.45 334	0.62 357	0.45 329	0.61 340	0.52 335	0.57 363	0.48 358	0.57 336	0.48 333

FCDSN-DC	0.41 251	0.59 231	0.64 348	0.54 291	0.33 279	0.50 330	0.37 296	0.42 281	0.40 316	0.61 359	0.43 338	0.50 334	0.49 351	0.38 243	0.32 252	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.
MonSter	0.60 314	0.64 237	0.52 326	0.62 308	0.44 341	2.07 507	0.44 332	0.62 355	0.44 336	0.62 362	0.44 340	0.62 366	0.44 331	0.62 357	0.44 328	0.58 334	0.42 293	0.62 367	0.46 348	0.58 337	0.42 317

CFNet_RVC	2.38 533	8.71 561	0.38 255	9.33 579	0.42 338	0.56 352	0.42 329	0.60 352	0.38 302	0.62 362	0.42 336	0.56 356	7.29 585	0.62 357	0.42 324	0.53 323	0.37 259	0.49 345	0.34 291	8.30 581	6.87 588

LMCR-Stereo	0.65 325	0.63 235	0.65 351	0.65 314	0.65 389	0.66 368	0.63 373	0.58 348	0.65 380	0.63 364	0.64 385	0.65 370	0.65 374	0.66 364	0.66 373	0.66 349	0.64 356	0.65 373	0.67 392	0.68 345	0.73 389

WCG-NET	0.61 317	1.21 369	0.54 331	0.61 307	0.53 371	0.67 369	0.53 363	0.66 360	0.53 364	0.64 365	0.53 372	0.65 370	0.53 361	0.59 355	0.52 356	0.65 347	0.48 319	0.64 370	0.52 367	0.58 337	0.50 341

DispNO	1.00 396	0.63 235	0.43 282	3.45 523	0.44 341	0.65 367	0.43 331	0.64 357	0.43 333	0.64 365	0.43 338	0.64 367	3.03 544	0.64 362	0.43 327	4.55 552	0.43 297	0.63 369	0.43 344	0.63 341	0.43 318

DSFCA	0.66 327	0.73 243	0.78 376	0.65 314	0.65 389	0.64 366	0.64 374	0.65 358	0.63 378	0.64 365	0.64 385	0.64 367	0.64 372	0.65 363	0.65 370	0.65 347	0.65 358	0.65 373	0.65 386	0.66 343	0.64 372

test-3	0.98 395	4.13 515	1.85 522	1.85 463	0.61 383	0.69 370	0.37 296	0.63 356	0.61 375	0.66 368	0.51 369	0.73 379	0.44 331	0.57 353	0.54 359	1.68 483	1.81 518	0.40 284	0.43 344	0.66 343	0.50 341

MyStereo05	0.80 357	4.12 513	0.63 346	0.63 310	0.61 383	0.62 364	0.66 377	0.65 358	0.62 376	0.67 369	0.61 381	0.65 370	0.58 366	0.67 366	0.55 361	0.60 336	0.57 343	0.64 370	0.55 370	0.72 351	0.55 358

KSHMR	0.66 327	0.50 207	0.48 305	1.15 381	0.52 368	0.49 322	0.51 361	0.49 309	0.71 395	0.67 369	0.50 363	1.16 427	1.11 422	0.66 364	0.52 356	0.49 306	0.49 322	0.51 354	0.66 388	0.50 320	1.14 432

test_xeample3	1.10 409	1.81 405	0.61 344	0.84 338	0.49 358	0.77 376	0.66 377	0.92 388	1.40 506	0.68 371	0.46 346	0.78 384	0.54 364	1.72 491	1.48 508	1.34 463	1.52 495	1.35 491	1.67 525	1.33 466	1.55 509

DMCA-RVC	0.70 336	0.80 248	0.70 359	0.70 323	0.70 399	0.70 371	0.70 389	0.71 366	0.70 390	0.70 372	0.71 400	0.71 374	0.70 385	0.70 368	0.69 383	0.69 352	0.70 365	0.69 376	0.70 397	0.69 349	0.70 381

anonymity	0.63 322	0.69 239	0.56 333	0.71 325	0.56 374	0.71 373	0.56 366	0.71 366	0.56 367	0.72 373	0.56 375	0.71 374	0.56 365	0.71 369	0.58 363	0.68 351	0.55 339	0.68 375	0.55 370	0.68 345	0.54 353

STTRV1_RVC	0.82 367	1.60 395	0.70 359	1.01 366	0.60 377	1.07 412	0.69 385	1.01 400	0.60 372	0.72 373	0.55 374	1.02 413	0.68 380	1.03 412	0.67 374	0.89 378	0.63 354	0.92 408	0.57 376	0.90 379	0.65 373

MLG-Stereo	0.92 384	0.90 267	0.84 383	1.27 439	0.49 358	1.38 481	0.88 410	1.41 479	0.97 426	0.73 375	1.09 433	1.26 477	0.43 329	0.72 370	1.05 427	1.13 404	0.49 322	1.18 435	0.66 388	1.01 393	0.46 324

TorneroNet-64	0.45 271	0.27 130	0.30 206	0.58 300	0.27 231	0.70 371	0.30 246	0.28 198	0.73 400	0.73 375	0.28 239	0.71 374	0.66 377	0.75 375	0.27 217	0.27 195	0.29 219	0.37 260	0.75 404	0.28 193	0.30 244

HH	0.71 339	2.54 459	0.74 370	1.10 373	0.32 267	0.41 270	0.37 296	0.69 363	0.78 404	0.73 375	0.90 416	0.75 381	1.00 412	0.84 383	0.69 383	0.69 352	0.40 275	0.35 252	0.26 226	0.35 229	0.26 205

HanStereo	0.71 339	2.54 459	0.74 370	1.10 373	0.32 267	0.41 270	0.37 296	0.69 363	0.78 404	0.73 375	0.90 416	0.75 381	1.00 412	0.84 383	0.69 383	0.69 352	0.40 275	0.35 252	0.26 226	0.35 229	0.26 205

iGMRVC	0.84 374	2.85 483	0.72 366	0.72 326	0.73 404	0.77 376	0.79 401	0.73 368	0.74 402	0.73 375	0.72 403	0.73 379	0.76 395	0.73 372	0.73 393	0.72 357	0.73 371	0.73 380	0.72 402	0.73 354	0.72 386

SMoEStereo_RVC	0.63 322	0.75 244	0.51 323	0.73 327	0.53 371	0.71 373	0.47 344	0.67 361	0.58 369	0.74 380	0.60 377	0.72 377	0.53 361	0.74 374	0.51 354	0.61 340	0.62 353	0.62 367	0.61 382	0.63 341	0.61 367

tt45	1.04 406	0.88 261	1.36 483	0.92 348	1.03 434	1.51 488	0.79 401	0.70 365	0.88 413	0.74 380	0.90 416	1.60 489	0.72 390	1.60 486	0.75 397	0.91 379	0.78 377	1.52 498	0.79 408	1.14 401	1.32 496

ARAFT	0.68 332	0.81 251	0.63 346	0.74 328	0.60 377	0.78 378	0.62 372	0.77 370	0.66 382	0.74 380	0.63 383	0.75 381	0.62 371	0.83 382	0.60 366	0.70 355	0.55 339	0.70 378	0.60 380	0.78 359	0.55 358

GCAP-Stereo	0.75 346	4.15 516	0.42 281	0.75 329	0.35 292	0.78 378	0.40 316	0.79 371	0.38 302	0.78 383	0.36 296	0.78 384	0.36 291	0.79 377	0.39 305	0.75 360	0.39 272	0.76 385	0.39 327	0.75 355	0.39 300

G-Net	0.79 355	0.79 247	0.79 379	0.79 331	0.79 410	0.79 380	0.79 401	0.79 371	0.79 407	0.79 384	0.79 411	0.79 386	0.79 399	0.79 377	0.79 401	0.79 363	0.79 378	0.79 388	0.79 408	0.79 361	0.79 397

NaN_ROB	0.80 357	0.80 248	0.80 380	0.80 333	0.80 412	0.80 381	0.80 404	0.80 373	0.80 408	0.80 385	0.80 412	0.80 387	0.80 400	0.80 379	0.80 403	0.80 364	0.80 381	0.80 391	0.80 410	0.80 364	0.80 398

CSAN	0.80 357	0.80 248	0.80 380	0.80 333	0.80 412	0.80 381	0.80 404	0.80 373	0.80 408	0.80 385	0.80 412	0.80 387	0.80 400	0.80 379	0.80 403	0.80 364	0.80 381	0.80 391	0.80 410	0.80 364	0.80 398

zero-FE	0.72 342	1.31 381	0.66 352	0.92 348	0.60 377	0.82 383	0.58 368	0.82 377	0.58 369	0.81 387	0.60 377	0.81 390	0.60 368	0.82 381	0.58 363	0.74 359	0.59 347	0.73 380	0.52 367	0.76 356	0.51 348

RAFT-Stereo + iAFF	0.70 336	0.72 242	0.71 363	0.80 333	0.62 386	0.82 383	0.61 371	0.81 376	0.62 376	0.81 387	0.63 383	0.80 387	0.70 385	0.73 372	0.61 368	0.76 361	0.61 352	0.74 382	0.61 382	0.77 358	0.61 367

AFF-stereo	0.73 344	0.88 261	0.67 356	0.75 329	0.68 396	0.75 375	0.64 374	0.80 373	0.72 397	0.83 389	0.70 396	0.82 391	0.64 372	0.84 383	0.67 374	0.77 362	0.63 354	0.81 393	0.63 384	0.78 359	0.62 370

RSM++	0.76 350	0.82 253	0.66 352	0.85 340	0.64 387	0.85 385	0.71 392	0.94 392	0.64 379	0.87 390	0.67 390	0.87 393	0.65 374	0.84 383	0.65 370	0.81 367	0.70 365	0.79 388	0.71 400	0.83 371	0.70 381

DDUNet	0.81 362	2.45 457	0.57 335	0.90 343	0.60 377	0.88 388	0.59 370	0.90 383	0.60 372	0.88 391	0.60 377	0.90 397	0.58 366	0.88 389	0.60 366	0.84 374	0.60 348	0.86 401	0.57 376	0.86 373	0.60 366

DCRE	0.84 374	1.89 412	0.77 375	0.94 354	0.72 403	0.88 388	0.73 395	0.87 379	0.78 404	0.90 392	0.71 400	0.88 394	0.67 379	0.88 389	0.73 393	0.81 367	0.68 360	0.81 393	0.70 397	0.82 369	0.70 381

UDG	0.80 357	2.21 437	0.60 339	0.91 345	0.60 377	0.90 391	0.58 368	0.88 382	0.60 372	0.90 392	0.60 377	0.88 394	0.60 368	0.90 392	0.58 363	0.86 376	0.60 348	0.84 399	0.59 379	0.84 372	0.61 367

AIO-Stereo-zeroshot1	0.75 346	0.92 274	0.85 384	0.96 359	0.59 376	1.27 474	0.44 332	0.59 350	0.69 387	0.91 394	0.68 391	0.55 353	0.61 370	1.06 414	0.83 407	0.62 344	0.70 365	0.90 403	0.41 335	0.89 376	0.56 361

DGTPSM_ROB	0.93 389	1.00 287	0.92 393	0.94 354	0.96 425	0.91 392	0.92 415	0.91 385	0.96 425	0.91 394	0.96 424	0.93 403	0.92 407	0.94 399	0.92 412	0.92 382	0.92 391	0.90 403	0.92 418	0.94 386	0.91 409

Selective-RAFT-Error	0.88 379	0.84 254	0.98 398	0.86 341	0.97 426	0.88 388	0.95 419	0.84 378	0.99 429	0.92 396	0.82 414	0.84 392	0.98 411	0.87 388	0.97 419	0.81 367	0.83 384	0.79 388	0.82 413	0.79 361	0.85 403

pmcnn	0.92 384	0.92 274	0.92 393	0.92 348	0.92 421	0.92 393	0.92 415	0.92 388	0.92 420	0.92 396	0.92 423	0.92 400	0.92 407	0.92 397	0.92 412	0.92 382	0.92 391	0.92 408	0.92 418	0.92 383	0.92 410

DPSM_ROB	0.92 384	0.91 269	0.91 391	0.91 345	0.92 421	0.92 393	0.92 415	0.92 388	0.91 416	0.93 398	0.91 419	0.92 400	0.90 404	0.91 393	0.92 412	0.92 382	0.91 389	0.91 406	0.92 418	0.93 384	0.93 411

DPSM	0.92 384	0.91 269	0.91 391	0.91 345	0.92 421	0.92 393	0.92 415	0.92 388	0.91 416	0.93 398	0.91 419	0.92 400	0.90 404	0.91 393	0.92 412	0.92 382	0.91 389	0.91 406	0.92 418	0.93 384	0.93 411

MoCha-V2	2.11 509	26.97 592	0.78 376	0.92 348	0.77 408	0.96 398	0.72 394	0.90 383	0.72 397	0.94 400	0.70 396	0.90 397	0.71 389	0.91 393	0.71 391	0.85 375	0.71 369	0.88 402	0.69 395	0.87 374	0.67 377

ToySt	0.92 384	2.11 428	0.90 388	0.95 356	0.79 410	0.99 400	0.78 400	0.94 392	0.81 411	0.94 400	0.78 410	0.95 404	0.77 397	0.94 399	0.86 409	0.91 379	0.79 378	0.85 400	0.77 405	0.89 376	0.73 389

R-Stereo Train	0.81 362	0.96 280	0.67 356	0.95 356	0.67 393	0.95 396	0.68 382	0.95 394	0.68 384	0.95 402	0.68 391	0.96 405	0.68 380	0.96 403	0.68 378	0.94 387	0.68 360	0.94 410	0.68 393	0.94 386	0.68 378

RAFT-Stereo	0.81 362	0.96 280	0.67 356	0.95 356	0.67 393	0.95 396	0.68 382	0.95 394	0.68 384	0.95 402	0.68 391	0.96 405	0.68 380	0.96 403	0.68 378	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
Selective-RAFT	0.89 381	0.89 264	0.72 366	1.16 386	0.78 409	1.06 409	0.82 407	0.87 379	0.97 426	1.00 404	0.91 419	0.90 397	1.00 412	0.89 391	0.93 416	0.83 372	0.83 384	0.82 397	0.82 413	0.81 367	0.82 401

GANet	1.00 396	1.00 287	1.00 400	1.00 363	1.00 427	1.00 401	1.00 423	1.00 396	1.00 430	1.00 404	1.00 427	1.00 408	1.00 412	1.00 407	1.00 422	1.00 389	1.00 394	1.00 417	1.00 425	1.00 390	1.00 418

TDLM	1.00 396	1.00 287	1.00 400	1.00 363	1.00 427	1.00 401	1.00 423	1.00 396	1.00 430	1.00 404	1.00 427	1.00 408	1.00 412	1.00 407	1.00 422	1.00 389	1.00 394	1.00 417	1.00 425	1.00 390	1.00 418

CVANet_RVC	1.00 396	1.00 287	1.00 400	1.00 363	1.00 427	1.00 401	1.00 423	1.00 396	1.00 430	1.00 404	1.00 427	1.00 408	1.00 412	1.00 407	1.00 422	1.00 389	1.00 394	1.00 417	1.00 425	1.00 390	1.00 418

AdaDepth	0.86 377	0.93 276	0.71 363	1.01 366	1.07 436	1.02 406	0.71 392	1.00 396	0.71 395	1.01 408	0.71 400	1.00 408	0.72 390	1.14 425	0.71 391	0.92 382	0.64 356	0.90 403	0.64 385	0.89 376	0.69 380

trnet	1.01 402	1.01 293	1.01 403	1.01 366	1.01 431	1.01 405	1.01 426	1.01 400	1.01 433	1.01 408	1.01 430	1.01 412	1.01 418	1.01 411	1.01 425	1.01 392	1.01 397	1.01 420	1.01 429	1.01 393	1.01 421

AIO-Stereo	0.84 374	0.66 238	0.70 359	0.83 337	0.67 393	0.98 399	0.82 407	1.14 407	0.72 397	1.03 410	0.74 406	1.03 414	1.09 421	0.99 405	0.45 329	1.04 393	0.73 371	0.95 412	0.74 403	0.94 386	0.46 324

DPSimNet_ROB	0.97 393	1.18 321	0.81 382	1.10 373	0.91 420	1.02 406	0.82 407	1.04 402	0.91 416	1.03 410	0.86 415	1.28 479	0.82 402	1.03 412	0.89 410	1.17 407	0.81 383	1.02 421	0.82 413	1.08 398	0.81 400

GLC_STEREO	1.07 407	1.01 293	1.06 405	1.07 371	1.05 435	1.06 409	1.08 430	1.08 403	1.05 436	1.07 412	1.06 432	1.08 416	1.05 420	1.06 414	1.10 429	1.07 395	1.09 407	1.05 424	1.05 430	1.06 397	1.12 428

Abc-Net	2.32 526	24.75 584	1.14 409	1.17 387	1.17 445	1.11 419	1.15 435	1.17 413	1.21 491	1.08 413	1.16 438	1.12 424	1.14 425	1.09 418	1.17 438	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
AF-Net	2.37 531	25.71 588	1.17 413	1.13 378	1.15 440	1.15 423	1.18 439	1.19 416	1.16 439	1.10 414	1.15 435	1.10 420	1.18 431	1.12 424	1.15 434	1.10 398	1.10 410	1.17 432	1.15 435	1.16 405	1.12 428

NCC-stereo	2.36 529	25.52 587	1.17 413	1.15 381	1.17 445	1.11 419	1.11 431	1.15 408	1.16 439	1.10 414	1.16 438	1.10 420	1.15 426	1.14 425	1.13 432	1.09 396	1.11 411	1.15 427	1.16 437	1.17 410	1.17 437

edge stereo	2.43 534	27.07 593	1.14 409	1.06 370	1.14 439	1.08 413	1.17 438	1.16 411	1.14 437	1.10 414	1.16 438	1.09 418	1.16 430	1.10 420	1.16 437	1.10 398	1.11 411	1.16 428	1.19 439	1.13 400	1.11 426

HSM-Net_RVC	0.95 392	1.17 319	0.78 376	1.18 388	0.71 401	1.16 424	0.75 397	1.09 405	0.80 408	1.10 414	0.75 407	1.17 428	0.74 392	1.17 428	0.80 403	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
MSMD_ROB	1.19 414	1.10 311	0.70 359	1.10 373	0.60 377	1.10 416	0.70 389	1.10 406	0.70 390	1.10 414	0.70 396	1.10 420	0.70 385	7.00 587	0.70 389	1.10 398	0.70 365	1.10 425	0.70 397	1.10 399	0.70 381

Wavelet-MonSter	1.00 396	1.21 369	0.76 373	1.94 467	1.01 431	1.11 419	0.76 398	1.15 408	0.76 403	1.11 419	0.76 408	1.14 425	0.76 395	1.11 422	0.76 399	1.21 454	0.90 387	1.02 421	0.71 400	1.02 395	0.71 385

AIO-Stereo-zeroshot	0.91 382	0.86 257	0.89 385	1.25 438	0.69 397	1.05 408	0.81 406	1.16 411	0.50 356	1.12 420	0.97 425	0.72 377	0.82 402	1.06 414	0.95 417	0.61 340	0.87 386	1.03 423	0.85 416	1.04 396	1.01 421

RP	2.33 527	25.00 585	1.13 408	1.15 381	1.15 440	1.10 416	1.15 435	1.15 408	1.15 438	1.12 420	1.15 435	1.09 418	1.13 423	1.10 420	1.15 434	1.11 403	1.09 407	1.16 428	1.12 433	1.16 405	1.17 437

RGC	2.36 529	25.48 586	1.19 417	1.15 381	1.15 440	1.10 416	1.16 437	1.17 413	1.16 439	1.12 420	1.16 438	1.11 423	1.13 423	1.09 418	1.18 439	1.10 398	1.15 416	1.16 428	1.12 433	1.14 401	1.12 428

stereogan	2.33 527	24.38 583	1.18 415	1.18 388	1.18 447	1.14 422	1.18 439	1.19 416	1.19 445	1.14 423	1.18 442	1.14 425	1.18 431	1.14 425	1.18 439	1.14 406	1.14 415	1.19 436	1.19 439	1.15 403	1.19 441

Nwc_Net	2.37 531	25.95 589	1.15 411	1.14 379	1.15 440	1.08 413	1.14 434	1.17 413	1.16 439	1.14 423	1.15 435	1.08 416	1.15 426	1.11 422	1.14 433	1.10 398	1.11 411	1.16 428	1.09 432	1.16 405	1.15 433

999	1.00 396	1.12 312	0.59 337	1.10 373	1.21 495	1.09 415	0.52 362	1.08 403	1.43 508	1.18 425	1.35 500	0.98 407	0.52 360	0.91 393	0.85 408	0.72 357	1.46 491	0.83 398	0.98 423	0.68 345	1.41 504

FAT-Stereo	2.46 535	26.05 590	1.23 469	1.23 437	1.22 497	1.20 425	1.24 489	1.23 467	1.23 493	1.19 426	1.22 489	1.21 475	1.24 481	1.20 430	1.24 490	1.21 454	1.17 420	1.22 483	1.25 492	1.20 414	1.24 491

DisPM	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

CrosDoStereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

PFNet+	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

LCNet	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

HHNet	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

Patchmatch Stereo++	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	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	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

STrans-v2	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

TransformOpticalFlow	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

OMP-Stereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

IIG-Stereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

NF-Stereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

OCTAStereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

PSM-softLoss	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

KMStereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

NRIStereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

PSM-adaLoss	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

PSM-AAD	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

FTStereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

ROB_FTStereo_v2	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

ROB_FTStereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

Consistency-Raft	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

KYRaft	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

HUI-Stereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

ASMatch	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

DeepStereo_LL	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

DEmStereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

SST-Stereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

THIR-Stereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

RAFT_R40	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

DRaft	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

PFNet	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

GrayStereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

RE-Stereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

Pruner-Stereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

TVStereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

DeepStereo_RVC	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

RAFT-RH_RVC	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

IRAFT_RVC	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

RAFT-345	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

iRAFT	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

CRE-IMP	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

GMM-Stereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

RAFT-IKP	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

Prome-Stereo	1.20 415	1.20 323	1.20 420	1.20 390	1.20 449	1.20 425	1.20 441	1.20 419	1.20 446	1.20 427	1.20 443	1.20 430	1.20 433	1.20 430	1.20 443	1.20 409	1.20 422	1.20 437	1.20 442	1.20 414	1.20 442

S-Stereo	2.51 536	26.86 591	1.23 469	1.22 435	1.22 497	1.24 473	1.25 490	1.22 465	1.24 494	1.21 472	1.24 491	1.19 429	1.27 483	1.19 429	1.24 490	1.19 408	1.20 422	1.25 484	1.19 439	1.24 462	1.23 490

CroCo-Stereo	0.73 344	1.22 375	0.25 187	1.22 435	0.25 221	1.22 471	0.25 213	1.22 465	0.25 212	1.22 473	0.25 221	1.22 476	0.25 215	1.22 476	0.25 211	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
CroCo-Stereo Lap2	0.77 351	1.29 379	0.29 202	1.27 439	0.29 245	1.27 474	0.26 221	1.26 468	0.26 225	1.26 474	0.26 227	1.27 478	0.26 224	1.26 477	0.27 217	1.27 458	0.27 202	1.27 486	0.27 234	1.27 464	0.27 213

PS-NSSS	1.38 470	1.39 387	1.34 473	1.34 444	1.35 499	1.38 481	1.37 504	1.35 472	1.38 505	1.34 475	1.34 499	1.39 483	1.38 494	1.70 490	1.40 505	1.36 466	1.36 484	1.36 493	1.37 500	1.37 468	1.36 501

CC-Net-ROB	1.36 468	1.33 383	1.33 472	1.36 446	1.38 502	1.36 479	1.33 495	1.37 475	1.34 499	1.35 476	1.36 502	1.38 481	1.34 489	1.38 482	1.38 504	1.35 464	1.38 487	1.33 488	1.35 497	1.43 470	1.34 499

MaskLacGwcNet_RVC	1.35 467	1.35 384	1.35 475	1.35 445	1.35 499	1.35 477	1.35 497	1.36 473	1.35 502	1.36 477	1.35 500	1.36 480	1.36 491	1.36 479	1.35 501	1.35 464	1.35 483	1.35 491	1.35 497	1.35 467	1.35 500

NLCSM	1.94 485	1.36 385	0.90 388	17.57 589	1.19 448	1.40 483	0.90 412	1.37 475	0.90 414	1.37 478	0.91 419	1.38 481	0.91 406	1.37 480	0.90 411	1.28 459	0.90 387	1.25 484	0.85 416	1.24 462	0.85 403

RASNet	1.49 471	1.65 396	1.45 491	1.38 448	1.43 505	1.47 487	1.36 499	1.38 477	1.36 503	1.39 479	1.60 516	1.45 486	1.45 497	1.51 485	2.21 546	1.53 478	1.36 484	1.36 493	1.36 499	1.66 479	1.36 501

MM-Stereo_test2	1.20 415	1.85 408	1.05 404	1.46 450	0.94 424	1.36 479	0.99 422	1.36 473	0.95 423	1.41 480	0.98 426	1.40 485	0.96 409	1.37 480	0.95 417	1.37 468	1.06 400	1.33 488	0.93 422	1.29 465	0.89 407

MM-Stereo_test3	1.27 465	2.07 424	1.18 415	1.60 456	1.02 433	1.45 486	1.01 426	1.40 478	1.04 435	1.44 481	1.03 431	1.46 487	1.02 419	1.44 484	1.02 426	1.51 477	1.12 414	1.32 487	0.98 423	1.38 469	0.97 414

11t	1.27 465	2.70 468	1.34 473	1.32 443	0.89 416	1.30 476	1.34 496	1.64 484	0.57 368	1.45 482	0.72 403	1.05 415	1.29 485	1.07 417	1.29 497	1.49 474	1.02 398	0.97 415	1.15 435	1.48 471	1.31 495

ssnet_v2	0.68 332	1.96 422	1.25 471	0.29 176	0.20 199	0.30 209	0.20 186	0.29 203	0.22 198	1.50 483	0.20 197	0.31 218	0.20 195	0.27 204	0.22 193	0.24 184	1.49 493	0.26 200	0.18 194	3.90 536	0.19 178

FlowAnything_test	1.02 404	1.72 399	0.71 363	1.59 453	0.70 399	1.61 490	0.69 385	1.61 481	0.70 390	1.60 484	0.70 396	1.61 492	0.69 383	1.61 488	0.70 389	0.81 367	0.58 345	0.81 393	0.55 370	0.81 367	0.56 361

FlowAnything	1.02 404	1.71 398	0.72 366	1.59 453	0.69 397	1.60 489	0.69 385	1.61 481	0.70 390	1.60 484	0.69 394	1.60 489	0.69 383	1.61 488	0.69 383	0.81 367	0.58 345	0.81 393	0.56 374	0.82 369	0.56 361

CFNet-RSSM	0.91 382	4.89 526	0.34 238	0.44 252	1.07 436	1.62 492	1.40 506	0.91 385	0.35 285	1.60 484	1.39 506	0.64 367	0.34 281	0.44 291	0.33 261	0.41 271	0.35 254	0.75 383	0.30 263	0.41 278	0.29 231

gwcnet-sp	0.82 367	1.72 399	1.48 493	0.39 209	0.15 169	0.31 214	0.21 192	0.20 161	0.25 212	1.61 487	0.23 208	0.28 205	0.26 224	0.20 160	0.15 162	0.24 184	1.33 478	0.32 220	0.16 169	6.75 574	0.23 188

scenet	0.82 367	1.72 399	1.48 493	0.39 209	0.15 169	0.31 214	0.21 192	0.20 161	0.25 212	1.61 487	0.23 208	0.28 205	0.26 224	0.20 160	0.15 162	0.24 184	1.33 478	0.32 220	0.16 169	6.75 574	0.23 188

ssnet	0.82 367	1.72 399	1.48 493	0.39 209	0.15 169	0.31 214	0.21 192	0.20 161	0.25 212	1.61 487	0.23 208	0.28 205	0.26 224	0.20 160	0.15 162	0.24 184	1.33 478	0.32 220	0.16 169	6.75 574	0.23 188

DPSMNet_ROB	1.60 474	1.59 394	1.70 505	1.59 453	1.59 511	1.61 490	1.61 515	1.60 480	1.60 512	1.62 490	1.59 515	1.60 489	1.60 500	1.60 486	1.59 512	1.59 479	1.60 505	1.59 499	1.59 517	1.59 475	1.59 514

HBP-ISP	1.24 463	1.72 399	1.65 503	1.15 381	0.76 407	1.40 483	0.88 410	1.67 487	1.02 434	1.69 491	1.38 505	1.69 493	1.21 479	1.87 498	1.21 488	1.05 394	0.79 378	0.97 415	0.80 410	1.19 413	0.75 393

ours_stereo	1.20 415	1.21 369	0.90 388	1.64 461	1.11 438	1.35 477	0.67 381	1.76 488	0.93 421	1.70 492	1.10 434	1.39 483	0.75 394	1.41 483	0.81 406	1.60 481	1.03 399	1.33 488	1.00 425	1.61 476	0.72 386

GANetREF_RVC	1.55 472	1.94 421	1.22 467	1.88 464	1.21 495	1.88 496	1.22 487	1.88 490	1.22 492	1.88 493	1.22 489	1.88 495	1.22 480	1.89 499	1.22 489	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
NLCA_NET_v2_RVC	5.04 579	50.87 607	2.78 546	2.87 503	2.71 554	2.78 543	0.47 344	2.88 542	2.86 555	1.89 494	2.67 554	2.79 544	2.79 543	2.78 543	2.83 552	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.
2.5w	2.01 499	2.40 454	1.37 485	3.28 514	2.01 538	2.71 535	1.43 512	1.82 489	1.83 532	1.90 495	1.41 507	2.71 534	1.35 490	2.71 534	1.85 533	2.66 533	1.53 496	1.64 500	1.23 489	2.53 521	1.87 534

3.25w	2.04 505	2.20 435	1.48 493	3.03 506	2.17 548	2.63 534	1.39 505	1.96 493	1.95 543	1.96 496	1.37 503	2.71 534	1.96 527	2.71 534	1.73 527	2.26 510	1.32 471	1.87 509	1.87 537	2.51 517	1.63 519

FC-DCNN	1.07 407	1.09 308	0.98 398	0.89 342	0.52 368	1.41 485	0.91 414	1.21 464	1.24 494	1.96 496	2.05 551	1.91 497	1.30 486	1.27 478	1.08 428	0.80 364	0.60 348	0.58 364	0.41 335	0.68 345	0.54 353

MFMNet_re	1.81 482	1.91 415	1.71 507	1.95 469	1.70 522	1.95 501	1.70 520	1.96 493	1.74 525	1.97 498	1.72 524	1.95 498	1.71 508	1.97 502	1.71 520	1.86 487	1.62 506	1.85 505	1.66 524	1.86 487	1.64 520

3w_stereo	2.04 505	2.24 439	1.70 505	3.15 509	2.18 550	2.49 524	1.26 492	2.03 498	1.98 544	1.98 499	1.33 498	2.72 538	1.99 530	2.59 528	1.72 522	2.22 509	1.33 478	1.85 505	1.88 542	2.50 516	1.58 513

IGEV	2.02 500	2.20 435	1.82 516	2.90 504	2.16 546	2.41 520	1.25 490	2.00 496	1.98 544	1.99 500	1.31 497	2.72 538	1.93 524	2.67 533	1.69 519	2.26 510	1.32 471	1.83 504	1.87 537	2.53 521	1.61 517

SPS-STEREO	1.59 473	1.91 415	1.21 466	1.94 467	1.20 449	2.00 504	1.23 488	1.99 495	1.24 494	2.00 501	1.25 492	2.03 505	1.26 482	2.00 503	1.29 497	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
4.5_new	2.00 492	1.84 407	1.98 533	2.77 499	2.16 546	2.27 512	1.28 494	2.09 500	1.98 544	2.01 502	1.28 495	2.71 534	1.98 528	2.51 525	1.65 515	2.26 510	1.33 478	1.87 509	1.87 537	2.49 514	1.60 515

RAFT_CTSACE	1.92 484	3.71 502	1.72 508	1.88 464	1.72 523	2.04 505	1.42 509	2.18 506	1.89 540	2.02 503	1.97 540	1.95 498	2.06 534	1.93 500	1.62 513	1.76 484	1.66 509	2.02 516	1.73 533	1.73 482	1.43 506

1w_stereo	2.05 507	2.32 444	1.35 475	3.74 536	2.01 538	2.73 538	1.42 509	1.88 490	1.93 542	2.03 504	1.28 495	2.71 534	1.99 530	2.72 536	1.72 522	2.20 507	1.32 471	1.87 509	1.86 536	2.45 510	1.54 508

MM-Stereo_test1	1.80 481	3.41 495	1.52 498	2.12 474	1.41 504	2.04 505	1.41 507	2.05 499	1.46 509	2.04 505	1.41 507	2.05 506	1.42 496	2.05 504	1.43 507	2.04 501	1.54 498	1.94 514	1.38 502	1.99 491	1.33 497

ff7	1.68 475	2.68 465	1.35 475	0.97 360	0.89 416	1.84 493	2.15 544	2.12 501	1.80 529	2.05 506	1.56 512	2.33 512	2.12 535	2.23 509	2.25 547	1.31 460	1.07 401	1.48 495	1.41 503	0.90 379	1.04 423

ffff	1.68 475	2.68 465	1.35 475	0.97 360	0.89 416	1.84 493	2.15 544	2.12 501	1.80 529	2.05 506	1.56 512	2.33 512	2.12 535	2.23 509	2.25 547	1.31 460	1.07 401	1.48 495	1.41 503	0.90 379	1.04 423

ccc-4	1.68 475	2.68 465	1.35 475	0.97 360	0.89 416	1.84 493	2.15 544	2.12 501	1.80 529	2.05 506	1.56 512	2.33 512	2.12 535	2.23 509	2.25 547	1.31 460	1.07 401	1.48 495	1.41 503	0.90 379	1.04 423

2.25w	2.00 492	1.86 410	1.98 533	2.95 505	2.17 548	2.26 511	1.35 497	2.42 520	2.00 547	2.07 509	1.27 494	2.53 522	1.99 530	2.29 513	1.49 509	2.21 508	1.32 471	1.85 505	1.87 537	2.52 518	1.62 518

MC-Stereo	1.76 478	2.96 484	1.37 485	2.14 475	1.37 501	2.14 510	1.36 499	2.14 504	1.37 504	2.14 510	1.37 503	2.14 507	1.37 493	2.14 508	1.37 503	1.97 497	1.32 471	1.97 515	1.32 496	1.98 490	1.33 497

3.25w_new	2.03 502	2.72 472	1.35 475	3.33 519	1.57 509	2.72 536	1.53 514	2.15 505	1.33 498	2.15 511	1.60 516	2.63 531	1.30 486	2.72 536	1.99 544	2.67 535	1.53 496	1.75 503	1.25 492	2.53 521	1.87 534

3.5w_stereo	2.03 502	2.72 472	1.35 475	3.41 521	1.57 509	2.72 536	1.49 513	2.01 497	1.34 499	2.15 511	1.61 518	2.63 531	1.36 491	2.72 536	1.99 544	2.66 533	1.58 501	1.68 502	1.24 490	2.53 521	1.87 534

4w-stereo	2.02 500	2.72 472	1.44 490	3.36 520	1.59 511	2.48 523	1.72 521	2.28 507	1.24 494	2.24 513	1.65 520	2.56 527	1.32 488	2.39 519	1.98 543	2.67 535	1.51 494	1.66 501	1.24 490	2.53 521	1.88 537

NCCL2	2.28 525	2.27 440	2.28 539	2.28 484	2.28 551	2.27 512	2.29 547	2.28 507	2.28 550	2.27 514	2.28 552	2.28 508	2.27 538	2.27 512	2.28 551	2.28 514	2.28 537	2.27 523	2.29 550	2.27 501	2.29 542

TRStereo	2.00 492	2.13 429	1.85 522	2.27 481	1.84 527	2.28 514	1.84 524	2.29 509	1.86 534	2.30 515	1.87 529	2.30 509	1.87 518	2.08 505	1.72 522	2.08 502	1.72 512	2.08 518	1.72 530	2.08 493	1.72 525

XX-Stereo	2.00 492	2.13 429	1.85 522	2.27 481	1.84 527	2.28 514	1.84 524	2.29 509	1.86 534	2.30 515	1.87 529	2.30 509	1.87 518	2.08 505	1.72 522	2.08 502	1.72 512	2.08 518	1.72 530	2.08 493	1.72 525

EAI-Stereo	2.00 492	2.13 429	1.85 522	2.27 481	1.84 527	2.28 514	1.84 524	2.29 509	1.86 534	2.30 515	1.87 529	2.30 509	1.87 518	2.08 505	1.72 522	2.08 502	1.72 512	2.08 518	1.72 530	2.08 493	1.72 525

MonStereo1	1.94 485	2.77 478	1.52 498	3.73 535	1.51 508	2.13 509	1.42 509	2.32 514	1.52 510	2.31 518	1.50 510	2.53 522	1.59 499	2.34 516	1.56 510	1.91 494	1.36 484	1.86 508	1.31 495	2.07 492	1.53 507

STTStereo	3.73 551	30.40 597	2.37 543	2.39 487	2.31 553	2.35 517	2.33 548	2.29 509	2.42 551	2.32 519	2.34 553	2.33 512	2.36 539	2.30 514	2.27 550	2.35 520	2.22 536	2.31 526	2.22 547	2.29 503	2.34 546

HUF	2.18 513	2.30 442	1.99 536	2.34 486	2.02 541	2.41 520	2.06 543	2.38 518	1.89 540	2.36 520	1.85 527	2.56 527	1.98 528	2.31 515	1.97 542	2.30 517	2.03 530	2.30 525	2.11 544	2.23 498	2.16 539

qwe	2.18 513	2.60 462	1.58 500	3.83 537	1.90 535	2.53 528	1.90 533	2.48 522	1.73 523	2.37 521	1.92 536	2.53 522	1.68 504	2.56 526	1.83 531	2.52 532	1.87 521	2.07 517	1.68 527	2.32 504	1.71 524

monsters	2.18 513	2.41 455	1.96 532	3.47 524	2.03 542	2.53 528	1.64 517	2.48 522	1.73 523	2.40 522	1.50 510	2.62 530	1.94 525	2.59 528	1.94 540	2.44 525	1.57 500	2.28 524	1.87 537	2.42 508	1.86 532

MonStereo	2.17 511	2.41 455	1.49 497	2.67 496	1.67 516	2.60 533	2.04 542	2.32 514	1.76 526	2.44 523	1.68 522	2.50 520	1.69 506	2.38 517	1.80 530	2.28 514	1.78 515	2.63 542	2.14 545	3.47 532	1.68 523

monsterstereo	2.20 519	2.33 445	1.95 531	3.65 531	2.07 543	2.49 524	1.61 515	2.48 522	1.83 532	2.45 524	1.61 518	2.67 533	1.86 517	2.64 530	1.94 540	2.48 529	1.66 509	2.34 528	1.68 527	2.40 507	1.86 532

asd	2.18 513	2.77 478	1.58 500	3.59 529	2.00 537	2.58 532	1.85 527	2.39 519	1.71 518	2.47 525	1.97 540	2.59 529	1.61 501	2.56 526	1.79 529	2.51 530	1.99 522	2.11 521	1.62 521	2.36 506	1.60 515

FBW_ROB	2.12 510	2.46 458	1.77 510	2.49 491	1.79 526	2.38 518	1.83 523	2.46 521	1.78 528	2.48 526	1.97 540	2.40 517	1.78 515	2.42 522	1.83 531	2.31 518	1.85 520	2.38 531	1.82 535	2.35 505	1.84 530

UDGNet	2.23 523	5.40 538	1.72 508	2.48 490	1.69 519	2.51 527	1.69 519	2.51 525	1.72 522	2.50 527	1.69 523	2.52 521	1.69 506	2.50 524	1.68 518	2.41 524	1.70 511	2.42 533	1.69 529	2.42 508	1.64 520

AIO_rvc	2.18 513	2.34 449	1.87 526	2.32 485	1.94 536	2.40 519	1.89 532	2.37 517	2.07 549	2.52 528	1.95 539	2.44 519	1.99 530	2.41 520	1.89 539	2.32 519	2.09 531	2.24 522	2.18 546	2.21 497	2.23 541

AIO_test	2.18 513	2.09 427	2.04 537	2.42 488	2.01 538	2.47 522	1.94 534	2.34 516	2.03 548	2.56 529	1.94 537	2.43 518	1.94 525	2.41 520	1.87 537	2.39 523	2.10 532	2.35 530	1.91 543	2.25 500	2.19 540

asda	2.17 511	2.54 459	1.81 511	3.47 524	1.78 525	2.50 526	1.86 528	2.61 528	1.68 514	2.61 530	1.83 526	2.37 516	1.73 510	2.44 523	1.88 538	2.51 530	1.84 519	2.34 528	1.62 521	2.23 498	1.77 529

Sa-1000	4.34 569	8.37 557	6.84 582	6.98 571	4.45 582	3.58 549	3.00 554	3.42 549	3.39 569	2.61 530	4.00 578	3.83 553	4.01 571	3.90 553	3.90 574	5.98 576	5.62 571	3.76 553	2.34 551	4.35 543	2.47 549

4.25w-stereo	1.98 487	2.72 472	1.46 492	3.47 524	1.43 505	2.07 507	1.98 535	2.53 526	1.52 510	2.71 532	1.98 546	1.81 494	1.62 502	1.96 501	1.36 502	1.88 492	2.00 523	2.53 539	1.61 519	1.74 483	1.15 433

4.25_new	2.00 492	2.33 445	1.82 516	3.32 517	1.69 519	1.95 501	1.99 538	2.72 529	1.71 518	2.72 533	1.97 540	2.01 503	1.74 512	1.77 493	1.28 495	2.18 505	2.01 525	2.48 537	1.58 515	1.65 477	1.17 437

4.5w_new	2.00 492	2.33 445	1.82 516	3.32 517	1.69 519	1.95 501	1.99 538	2.72 529	1.71 518	2.72 533	1.97 540	2.01 503	1.74 512	1.77 493	1.28 495	2.18 505	2.01 525	2.48 537	1.58 515	1.65 477	1.17 437

4.5w-stereo	1.99 488	2.33 445	1.81 511	3.28 514	1.68 518	1.94 498	1.99 538	2.72 529	1.70 517	2.72 533	1.99 549	1.97 500	1.68 504	1.76 492	1.29 497	1.91 494	2.02 529	2.53 539	1.61 519	1.75 484	1.16 436

2.75w_new	1.99 488	2.34 449	1.81 511	3.14 508	1.62 513	1.94 498	1.99 538	2.72 529	1.71 518	2.72 533	1.99 549	1.90 496	1.73 510	1.82 497	1.29 497	2.37 521	2.01 525	2.31 526	1.42 506	1.77 485	1.22 488

2w_stereo	1.99 488	2.36 452	1.81 511	3.24 512	1.67 516	1.94 498	1.98 535	2.72 529	1.68 514	2.72 533	1.94 537	1.98 501	1.74 512	1.79 495	1.27 494	1.95 496	2.00 523	2.53 539	1.60 518	1.68 480	1.15 433

3.75w	1.99 488	2.31 443	1.83 519	3.16 510	1.65 515	1.93 497	1.98 535	2.72 529	1.68 514	2.73 538	1.97 540	2.00 502	1.72 509	1.81 496	1.25 493	2.27 513	2.01 525	2.38 531	1.42 506	1.71 481	1.24 491

LG-G_1	2.22 520	2.71 470	1.89 527	2.77 499	1.87 533	2.75 540	1.87 530	2.76 537	1.87 538	2.75 539	1.87 529	2.76 541	1.87 518	2.75 540	1.86 534	2.47 527	1.58 501	2.45 534	1.57 512	2.45 510	1.57 511

LG-G	2.22 520	2.71 470	1.89 527	2.77 499	1.87 533	2.75 540	1.87 530	2.76 537	1.87 538	2.75 539	1.87 529	2.76 541	1.87 518	2.75 540	1.86 534	2.47 527	1.58 501	2.45 534	1.57 512	2.45 510	1.57 511

LGtest1	2.22 520	2.70 468	1.89 527	2.76 498	1.86 530	2.75 540	1.86 528	2.75 536	1.86 534	2.75 539	1.86 528	2.77 543	1.87 518	2.75 540	1.86 534	2.46 526	1.58 501	2.45 534	1.56 511	2.45 510	1.56 510

IGEVStereo-DCA	1.77 479	4.21 517	1.84 520	2.49 491	2.11 544	2.54 530	1.36 499	1.65 485	1.17 443	2.75 539	1.90 534	2.54 525	1.15 426	0.94 399	1.11 430	1.50 475	1.32 471	0.96 413	1.46 509	1.49 472	0.88 405

rrr	1.77 479	4.21 517	1.84 520	2.49 491	2.11 544	2.54 530	1.36 499	1.65 485	1.17 443	2.75 539	1.90 534	2.54 525	1.15 426	0.94 399	1.11 430	1.50 475	1.32 471	0.96 413	1.46 509	1.49 472	0.88 405

sCroCo_RVC	2.10 508	2.76 476	1.92 530	2.78 502	1.39 503	2.73 538	1.41 507	2.73 535	1.40 506	2.77 544	1.41 507	2.74 540	1.40 495	2.74 539	1.40 505	2.72 537	1.42 489	2.72 543	1.44 508	2.79 528	1.42 505

plain	1.88 483	3.16 490	0.64 348	3.10 507	0.65 389	3.10 545	0.64 374	3.12 544	0.65 380	3.10 545	0.65 387	3.11 545	0.65 374	3.12 544	0.65 370	3.12 540	0.65 358	3.13 545	0.65 386	3.13 530	0.65 373

MIF-Stereo (partial)	2.58 538	3.31 494	0.66 352	3.18 511	0.66 392	3.18 546	0.66 377	3.21 545	0.67 383	3.19 546	0.66 389	3.19 546	0.66 377	3.31 548	0.68 378	5.09 569	1.79 517	8.23 588	1.67 525	6.18 572	1.38 503

Anonymous3	2.55 537	3.26 493	1.65 503	3.28 514	1.63 514	3.24 547	1.68 518	3.27 546	1.66 513	3.28 547	1.67 521	3.25 547	1.66 503	3.27 546	1.64 514	3.26 541	1.65 508	3.30 546	1.65 523	4.95 563	1.65 522

UniTT-Stereo	2.03 502	3.43 496	0.72 366	3.42 522	0.73 404	3.27 548	0.68 382	3.38 548	0.69 387	3.29 548	0.72 403	3.28 548	0.70 385	3.35 549	0.68 378	3.39 542	0.68 360	3.31 547	0.69 395	3.37 531	0.73 389

RAStereo	2.23 523	3.64 499	0.76 373	3.65 531	0.86 414	3.66 552	0.76 398	3.67 552	0.81 411	3.66 549	0.76 408	3.66 550	0.77 397	3.68 551	0.77 400	3.68 545	0.77 376	3.69 552	0.77 405	3.70 534	0.77 396

DPSNet	3.66 550	3.60 498	3.62 565	3.63 530	3.64 574	3.65 551	3.65 574	3.66 551	3.67 571	3.67 550	3.65 572	3.67 551	3.66 560	3.66 550	3.68 569	3.68 545	3.66 558	3.67 551	3.68 574	3.67 533	3.67 573

SA	4.33 568	7.35 551	6.85 583	5.96 564	4.09 579	3.59 550	3.15 568	3.82 553	2.64 552	3.91 551	3.85 575	3.57 549	2.72 542	3.13 545	4.03 576	7.09 583	6.86 578	3.57 549	3.12 565	3.85 535	3.51 572

TestStereo1	4.60 570	8.41 558	6.44 580	6.86 569	3.79 576	3.97 554	3.78 576	3.99 555	3.74 573	3.97 552	3.52 570	3.94 554	3.58 557	3.98 554	3.72 571	6.82 580	6.50 576	3.76 553	3.66 572	3.90 536	3.74 576

SA-5K	4.60 570	8.41 558	6.44 580	6.86 569	3.79 576	3.97 554	3.78 576	3.99 555	3.74 573	3.97 552	3.52 570	3.94 554	3.58 557	3.98 554	3.72 571	6.82 580	6.50 576	3.76 553	3.66 572	3.90 536	3.74 576

test_4	4.88 576	8.13 556	6.98 584	7.46 572	4.44 581	4.25 557	3.85 578	4.04 557	3.92 577	4.13 554	3.91 576	4.18 557	3.84 567	4.14 556	4.06 577	7.01 582	7.13 579	4.53 557	3.72 575	4.09 539	3.72 574

test_5	4.62 573	7.55 553	6.23 578	6.32 566	3.40 570	5.29 578	3.50 571	3.53 550	4.11 579	4.28 555	4.47 582	4.26 558	4.38 574	3.68 551	3.24 565	5.89 574	5.60 570	4.84 574	3.50 570	4.33 542	3.93 580

test_3	5.01 578	8.86 563	7.77 586	8.09 574	2.76 555	4.13 556	4.05 580	3.88 554	3.76 575	4.33 556	4.13 579	3.71 552	3.91 568	4.21 557	4.06 577	7.93 584	7.69 581	4.53 557	3.91 577	4.17 540	4.29 582

raft_robust	4.71 574	7.75 555	5.40 577	6.81 568	3.31 568	4.28 558	4.20 581	4.32 558	4.37 582	4.35 557	4.35 581	4.14 556	3.75 564	4.30 559	4.20 579	6.67 579	6.37 574	3.36 548	4.24 582	4.86 561	3.25 569

rvit_stereo_0081	3.83 552	5.23 532	3.01 548	4.53 541	3.03 558	4.55 565	3.02 556	4.56 561	3.04 556	4.52 558	3.02 555	4.54 560	3.03 544	4.56 561	3.04 553	4.57 553	3.05 542	4.57 559	3.05 557	4.58 548	3.05 555

cross-raft	4.83 575	7.52 552	6.43 579	6.63 567	3.96 578	4.51 559	3.99 579	4.49 559	3.96 578	4.52 558	3.96 577	4.50 559	3.97 570	4.50 560	3.97 575	6.65 578	6.44 575	4.33 556	3.92 578	4.35 543	3.91 579

rvit_105_1	3.83 552	5.22 531	3.01 548	4.53 541	3.01 556	4.51 559	3.01 555	4.56 561	3.04 556	4.53 560	3.03 557	4.55 562	3.03 544	4.56 561	3.04 553	4.57 553	3.05 542	4.57 559	3.05 557	4.57 547	3.05 555

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

rvit_0105_6	3.87 556	5.73 545	3.10 558	4.69 551	3.12 566	4.54 561	3.02 556	4.56 561	3.04 556	4.54 562	3.03 557	4.54 560	3.04 547	4.56 561	3.05 555	4.58 556	3.05 542	4.58 561	3.05 557	4.58 548	3.05 555

rvit_stereo_0081_aga	3.86 554	5.33 535	3.02 551	4.55 547	3.04 562	4.54 561	3.02 556	4.64 568	3.06 560	4.54 562	3.04 559	4.62 569	3.08 551	4.62 567	3.07 558	4.58 556	3.06 546	4.60 563	3.08 561	4.63 551	3.07 559

rvit_0105_4	3.91 559	5.47 542	3.02 551	4.54 544	3.02 557	4.54 561	3.03 560	4.75 571	3.17 567	4.57 564	3.06 560	4.61 568	3.16 555	4.65 568	3.09 561	4.66 560	3.11 549	4.68 568	3.18 567	4.81 558	3.16 567

rvit_stereo_0080	3.89 557	5.70 543	3.04 553	4.54 544	3.03 558	4.56 566	3.05 562	4.60 565	3.07 561	4.58 565	3.06 560	4.59 564	3.06 549	4.61 565	3.08 559	4.63 558	3.09 547	4.64 565	3.10 562	4.65 552	3.10 562

whm_eth	3.89 557	5.70 543	3.04 553	4.54 544	3.03 558	4.56 566	3.05 562	4.60 565	3.07 561	4.58 565	3.06 560	4.59 564	3.06 549	4.61 565	3.08 559	4.63 558	3.09 547	4.64 565	3.10 562	4.65 552	3.10 562

rvit_0105_3	3.91 559	5.33 535	3.06 556	4.60 549	3.07 564	4.60 568	3.06 564	4.62 567	3.08 564	4.60 567	3.07 563	4.62 569	3.08 551	4.67 569	3.10 562	4.70 561	3.11 549	4.77 572	3.19 568	4.77 557	3.14 566

rvit_stereo_0083	3.92 561	5.30 534	3.06 556	4.61 550	3.09 565	4.67 570	3.08 565	4.66 569	3.09 565	4.62 568	3.10 565	4.66 572	3.11 553	4.67 569	3.16 564	4.72 563	3.16 552	4.77 572	3.11 564	4.66 554	3.11 564

rvit_stereo_ft	3.93 562	5.44 540	3.05 555	4.59 548	3.06 563	4.61 569	3.08 565	4.67 570	3.12 566	4.63 569	3.10 565	4.65 571	3.11 553	4.69 571	3.13 563	4.70 561	3.14 551	4.71 570	3.15 566	4.74 555	3.16 567

rvit_0105_5	4.10 563	5.40 538	3.13 561	4.71 552	3.15 567	4.72 573	3.10 567	4.90 576	3.27 568	4.69 570	3.16 567	4.84 576	3.25 556	4.96 575	3.34 566	5.05 568	3.39 557	5.10 577	3.40 569	5.11 565	3.42 570

RAFT+CT+SA	4.28 566	7.62 554	4.91 572	5.55 561	2.28 551	3.09 544	3.64 573	4.49 559	3.07 561	4.80 571	3.35 568	4.77 574	3.70 562	4.29 558	3.05 555	5.58 572	5.98 573	3.58 550	3.78 576	4.26 541	3.72 574

MLG-Stereo_test2	4.28 566	5.46 541	3.69 566	4.86 554	3.72 575	5.58 580	3.42 570	4.81 573	3.77 576	4.85 572	3.72 574	5.55 581	3.63 559	5.58 579	3.53 568	4.41 550	3.28 556	4.99 576	2.95 555	4.75 556	3.13 565

TestStereo	4.88 576	4.75 523	4.79 571	4.87 555	4.92 583	4.81 576	4.90 584	4.78 572	4.77 583	4.87 573	4.89 583	4.90 577	4.91 576	4.99 576	4.79 581	4.98 566	4.87 567	4.87 575	4.92 584	5.00 564	5.00 583

DispFullNet	4.61 572	4.84 524	3.12 559	5.00 556	3.57 571	4.75 574	3.03 560	7.75 587	4.17 580	4.91 574	3.09 564	6.20 583	3.95 569	6.71 583	3.51 567	5.30 571	3.67 559	5.86 584	3.63 571	5.61 569	3.46 571

GEStereo_RVC	0.86 377	4.45 520	0.20 168	0.27 174	0.20 199	0.27 204	0.20 186	0.26 194	0.18 183	5.03 575	0.20 197	0.27 204	0.19 191	0.27 204	0.21 191	0.20 158	0.19 174	0.19 166	4.02 579	0.20 163	0.18 176

MLG-Stereo_test1	4.25 564	5.34 537	3.61 564	5.31 558	3.63 573	5.23 577	3.57 572	5.38 579	3.65 570	5.23 576	3.47 569	4.76 573	3.74 563	4.85 572	3.71 570	4.96 565	3.18 554	4.71 570	2.92 554	4.86 561	2.90 552

MLG-Stereo_test3	4.26 565	4.85 525	3.95 568	5.35 559	3.60 572	4.75 574	3.76 575	5.49 580	3.71 572	5.39 577	3.69 573	4.82 575	3.66 560	4.85 572	3.73 573	4.93 564	3.19 555	4.69 569	2.99 556	4.84 560	2.98 554

MaDis-Stereo	3.19 547	6.02 548	1.12 407	5.61 562	1.16 444	5.43 579	1.02 428	5.15 578	0.70 390	5.43 578	1.21 488	5.03 579	0.97 410	4.85 572	0.99 421	4.53 551	1.16 417	5.53 580	1.25 492	5.37 568	1.30 494

sAnonymous2	3.31 548	2.63 463	1.38 487	3.71 533	1.86 530	4.70 571	1.11 431	4.82 574	2.72 553	5.45 579	1.98 546	4.59 564	2.64 540	2.65 531	6.21 585	4.37 547	1.08 405	5.16 578	2.24 548	4.52 545	2.39 547

CroCo_RVC	3.31 548	2.63 463	1.38 487	3.71 533	1.86 530	4.70 571	1.11 431	4.82 574	2.72 553	5.45 579	1.98 546	4.59 564	2.64 540	2.65 531	6.21 585	4.37 547	1.08 405	5.16 578	2.24 548	4.52 545	2.39 547

StereoVision	3.15 546	5.00 527	0.89 385	4.83 553	1.00 427	3.93 553	1.27 493	6.37 581	1.34 499	5.67 581	1.26 493	5.84 582	1.27 483	5.03 578	1.24 490	5.10 570	1.09 407	4.61 564	0.57 376	5.62 570	1.12 428

test-1	6.46 583	9.16 565	8.03 589	8.09 574	5.62 586	6.11 581	6.35 587	6.85 584	4.94 584	6.08 582	6.29 589	4.98 578	6.43 581	6.22 580	6.36 587	6.16 577	7.47 580	5.82 582	5.44 587	7.11 577	5.68 586

SGM-Forest	5.21 582	5.92 547	4.08 569	6.18 565	4.16 580	6.31 582	4.34 582	6.50 582	4.33 581	6.14 583	4.21 580	6.61 586	4.55 575	6.67 582	4.48 580	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
RAFT	6.73 585	9.36 566	7.40 585	8.51 577	6.55 587	6.88 584	6.60 588	6.79 583	6.60 588	6.80 584	6.72 590	5.31 580	5.50 579	6.61 581	6.61 588	8.42 586	5.89 572	5.73 581	5.45 588	6.61 573	6.24 587

test-v	7.53 587	11.89 574	7.98 587	9.36 580	7.14 588	7.06 585	7.09 589	7.37 585	6.91 589	7.29 585	5.71 587	6.45 584	6.93 582	6.73 584	7.27 589	8.93 589	7.85 582	6.98 585	6.80 589	7.56 578	7.34 589

test-2	7.53 587	11.89 574	7.98 587	9.36 580	7.14 588	7.06 585	7.09 589	7.37 585	6.91 589	7.29 585	5.71 587	6.45 584	6.93 582	6.73 584	7.27 589	8.93 589	7.85 582	6.98 585	6.80 589	7.56 578	7.34 589

FC-DCNN v2	5.10 580	5.15 529	4.49 570	5.07 557	3.37 569	6.87 583	4.75 583	5.04 577	6.34 587	7.84 587	5.06 584	6.72 587	4.09 572	4.99 576	5.44 584	5.03 567	3.16 552	4.67 567	4.86 583	5.15 566	3.89 578

rvit_stereo_0075_2	6.64 584	8.80 562	5.25 574	7.89 573	5.27 585	7.90 587	5.27 585	7.92 588	5.28 585	7.91 588	5.29 586	7.93 588	5.27 577	7.92 588	5.28 582	7.93 584	5.28 569	7.93 587	5.29 586	7.93 580	5.28 585

U	5.15 581	8.49 560	1.81 511	8.49 576	1.77 524	8.49 588	1.77 522	8.51 589	1.77 527	8.49 589	1.77 525	8.50 589	1.78 515	8.58 589	1.77 528	8.54 587	1.78 515	8.55 589	1.78 534	8.55 583	1.84 530

SGM+DAISY	7.06 586	9.15 564	5.38 576	8.84 578	5.18 584	8.80 589	5.31 586	8.79 590	5.28 585	8.89 590	5.20 585	8.93 590	5.33 578	8.95 590	5.36 583	8.70 588	5.21 568	8.74 590	5.20 585	8.89 584	5.15 584

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

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

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

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

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

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

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

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

tt	500032.53 615	34.60 600	29.72 598	37.47 606	34.41 603	36.85 603	35.22 604	34.71 602	33.55 601	34.50 599	35.43 603	33.81 602	10000000.00 619	33.57 602	33.13 603	33.68 602	35.00 604	34.03 603	35.26 605	30.96 599	34.63 604

DCANet	500032.53 615	34.60 600	29.72 598	37.47 606	34.41 603	36.85 603	35.22 604	34.71 602	33.55 601	34.50 599	35.43 603	33.81 602	10000000.00 619	33.57 602	33.13 603	33.68 602	35.00 604	34.03 603	35.26 605	30.96 599	34.63 604

fff	1000028.16 617	29.62 594	29.72 598	32.61 597	30.02 598	35.13 599	31.83 600	32.07 599	10000000.00 618	35.27 601	29.82 600	32.45 599	30.15 599	32.35 599	30.09 599	31.04 599	29.55 600	30.64 599	30.14 599	10000000.00 618	30.77 600

csc	1000028.16 617	29.62 594	29.72 598	32.61 597	30.02 598	35.13 599	31.83 600	32.07 599	10000000.00 618	35.27 601	29.82 600	32.45 599	30.15 599	32.35 599	30.09 599	31.04 599	29.55 600	30.64 599	30.14 599	10000000.00 618	30.77 600

cscssc	1000028.16 617	29.62 594	29.72 598	32.61 597	30.02 598	35.13 599	31.83 600	32.07 599	10000000.00 618	35.27 601	29.82 600	32.45 599	30.15 599	32.35 599	30.09 599	31.04 599	29.55 600	30.64 599	30.14 599	10000000.00 618	30.77 600

DCANet-4	35.22 599	34.54 599	35.08 604	33.58 601	35.47 605	34.55 598	35.53 606	36.08 604	35.85 603	35.92 604	35.77 605	35.18 604	35.48 604	35.39 604	37.15 608	34.55 604	33.92 603	35.02 605	34.90 604	35.79 602	34.74 606

Reg-Stereo(zero)	37.00 601	37.00 604	37.00 605	37.00 603	37.00 606	37.00 605	37.00 607	37.00 606	37.00 604	37.00 605	37.00 607	37.00 606	37.00 605	37.00 605	37.00 605	37.00 606	37.00 607	37.00 607	37.00 607	37.00 603	37.00 607

HI	37.00 601	37.00 604	37.00 605	37.00 603	37.00 606	37.00 605	37.00 607	37.00 606	37.00 604	37.00 605	37.00 607	37.00 606	37.00 605	37.00 605	37.00 605	37.00 606	37.00 607	37.00 607	37.00 607	37.00 603	37.00 607

CoSv	37.00 601	37.00 604	37.00 605	37.00 603	37.00 606	37.00 605	37.00 607	37.00 606	37.00 604	37.00 605	37.00 607	37.00 606	37.00 605	37.00 605	37.00 605	37.00 606	37.00 607	37.00 607	37.00 607	37.00 603	37.00 607

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

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

MDST_ROB	69.83 604	87.70 608	41.95 609	113.75 611	65.62 611	75.05 609	55.25 611	75.64 611	45.04 607	71.61 610	41.75 610	72.81 610	44.06 608	68.38 610	44.63 610	101.89 612	59.57 612	107.10 612	61.05 612	104.38 609	59.38 612

CBMV	128.50 606	1422.70 619	53.10 610	79.50 610	51.30 610	77.30 610	49.70 610	74.00 610	48.20 608	77.20 611	48.80 611	73.90 611	48.00 609	73.80 611	48.80 611	70.40 611	45.10 611	68.90 611	46.10 611	68.20 608	45.00 611
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 607	171.00 613	160.68 615	162.58 612	160.59 612	164.01 611	160.35 613	158.51 613	158.56 610	158.34 612	160.12 613	158.56 612	159.92 611	157.26 613	158.94 613	154.38 613	158.36 613	155.75 613	159.13 614	153.67 610	154.07 613
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
NOSS_ROB	102.95 605	153.00 612	121.00 612	51.00 609	44.00 609	165.00 612	127.00 612	153.00 612	119.00 609	164.00 613	125.00 612	168.00 613	120.00 610	153.00 612	117.00 612	49.00 610	44.00 610	49.00 610	44.00 610	49.00 607	44.00 610

AE-Stereo	201.80 608	123.00 609	115.00 611	219.00 613	218.00 614	223.00 613	244.00 615	217.00 614	236.00 612	202.00 614	203.00 614	205.00 614	208.00 612	225.00 614	204.00 614	210.00 614	198.00 614	197.00 614	184.00 615	204.00 611	201.00 614

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

EGLCR-Stereo	246.90 610	129.00 611	139.00 614	266.00 614	286.00 615	277.00 614	305.00 616	271.00 615	242.00 613	274.00 615	279.00 616	255.00 615	270.00 614	268.00 615	297.00 616	230.00 616	247.00 616	216.00 615	223.00 617	237.00 613	227.00 617

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

LE_ROB	396.57 612	471.28 616	329.84 617	471.48 617	308.15 617	526.83 617	322.10 618	488.15 618	323.76 615	495.46 618	317.97 618	497.17 618	320.10 616	481.62 618	326.76 618	462.71 618	298.97 618	466.16 618	285.98 618	447.62 615	289.21 618

SGM-ForestM	596.69 613	677.77 617	444.52 618	699.85 618	517.25 618	732.94 618	488.29 619	770.79 619	460.11 616	750.81 619	487.98 619	792.79 619	499.41 617	730.90 619	475.81 619	720.03 619	491.16 619	663.96 619	418.60 619	674.76 616	436.05 619

CBMV_ROB	818.48 614	913.88 618	709.52 619	862.84 619	597.78 619	1073.99 619	700.52 620	1015.66 620	702.59 617	1115.65 620	760.02 620	1130.24 620	721.57 618	1037.41 620	692.65 620	814.05 620	564.29 620	843.28 620	595.31 620	915.51 617	602.92 620

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

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

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

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

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

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

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

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

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

DIP-Stereo	10000000.00 620	10000000.00 620	10000000.00 620	10000000.00 620	10000000.00 620	10000000.00 620	10000000.00 621	10000000.00 621	10000000.00 618	10000000.00 621	10000000.00 621	10000000.00 621	10000000.00 619	10000000.00 621	10000000.00 621	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

Low-res two-view benchmark