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

aanet-new-90k	0.08 84	0.07 225	0.08 56	0.19 455	0.06 27	0.07 43	0.12 96	0.12 83	0.13 184	0.06 25	0.07 64	0.06 42	0.06 65	0.10 121	0.07 1	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.03 2

aanet-new-70k	0.07 7	0.06 107	0.09 121	0.17 296	0.06 27	0.08 83	0.12 96	0.11 56	0.10 74	0.06 25	0.07 64	0.07 123	0.06 65	0.10 121	0.07 1	0.04 11	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 225	0.09 121	0.19 455	0.06 27	0.07 43	0.12 96	0.11 56	0.13 184	0.06 25	0.07 64	0.06 42	0.06 65	0.09 58	0.07 1	0.04 11	0.04 25	0.05 48	0.04 59	0.05 168	0.03 2

aanet-new-24k	0.07 7	0.07 225	0.07 11	0.17 296	0.06 27	0.07 43	0.12 96	0.09 20	0.11 105	0.09 180	0.09 157	0.06 42	0.07 178	0.09 58	0.07 1	0.04 11	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 41	0.11 244	0.15 113	0.06 27	0.07 43	0.13 170	0.09 20	0.11 105	0.07 74	0.08 122	0.06 42	0.05 14	0.09 58	0.07 1	0.05 51	0.05 268	0.05 48	0.04 59	0.03 1	0.04 72

LACA3	0.07 7	0.08 344	0.08 56	0.13 16	0.05 2	0.09 136	0.11 64	0.08 11	0.08 24	0.08 128	0.05 7	0.07 123	0.07 178	0.07 4	0.07 1	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

LACA2	0.07 7	0.05 41	0.06 5	0.15 113	0.06 27	0.09 136	0.11 64	0.11 56	0.10 74	0.05 2	0.05 7	0.06 42	0.08 227	0.09 58	0.07 1	0.07 336	0.04 25	0.04 1	0.04 59	0.04 48	0.04 72

LG-Stereo_L1	0.07 7	0.05 41	0.11 244	0.14 59	0.06 27	0.07 43	0.13 170	0.09 20	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

GREAT-IGEV	0.07 7	0.06 107	0.08 56	0.13 16	0.07 132	0.07 43	0.14 235	0.09 20	0.09 50	0.06 25	0.07 64	0.06 42	0.05 14	0.10 121	0.07 1	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
SCV_C0	0.08 84	0.07 225	0.07 11	0.16 209	0.09 339	0.08 83	0.15 319	0.11 56	0.12 142	0.08 128	0.07 64	0.06 42	0.05 14	0.11 196	0.07 1	0.05 51	0.05 268	0.05 48	0.04 59	0.06 290	0.05 203

FoundationStereo	0.06 1	0.04 1	0.08 56	0.12 5	0.05 2	0.09 136	0.13 170	0.06 1	0.09 50	0.05 2	0.05 7	0.06 42	0.04 1	0.06 1	0.07 1	0.06 167	0.04 25	0.05 48	0.03 1	0.05 168	0.04 72

GIP-stereo	0.08 84	0.06 107	0.11 244	0.14 59	0.06 27	0.09 136	0.13 170	0.14 143	0.11 105	0.07 74	0.08 122	0.05 5	0.04 1	0.10 121	0.07 1	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

IGEV-BASED-STEREO-	0.09 172	0.10 486	0.31 599	0.15 113	0.06 27	0.08 83	0.14 235	0.10 33	0.10 74	0.07 74	0.07 64	0.06 42	0.04 1	0.11 196	0.07 1	0.12 570	0.04 25	0.07 299	0.05 190	0.05 168	0.05 203

GCAPDPT-zeroshot4090	0.07 7	0.05 41	0.11 244	0.15 113	0.06 27	0.07 43	0.13 170	0.09 20	0.11 105	0.07 74	0.08 122	0.06 42	0.05 14	0.09 58	0.07 1	0.05 51	0.05 268	0.05 48	0.04 59	0.03 1	0.04 72

ACVNet-DCA	0.10 241	0.08 344	0.12 289	0.17 296	0.09 339	0.13 354	0.15 319	0.23 405	0.16 278	0.09 180	0.09 157	0.06 42	0.06 65	0.10 121	0.07 1	0.06 167	0.04 25	0.06 188	0.05 190	0.07 370	0.07 391

xx1	0.11 289	0.08 344	0.12 289	0.17 296	0.09 339	0.13 354	0.15 319	0.16 223	0.18 338	0.09 180	0.09 157	0.16 395	0.16 478	0.10 121	0.07 1	0.06 167	0.04 25	0.08 393	0.08 452	0.07 370	0.07 391

cc1	0.10 241	0.08 344	0.12 289	0.17 296	0.09 339	0.13 354	0.15 319	0.16 223	0.18 338	0.09 180	0.09 157	0.06 42	0.06 65	0.10 121	0.07 1	0.06 167	0.04 25	0.06 188	0.05 190	0.06 290	0.06 304

ffm	0.12 360	0.09 424	0.14 376	0.16 209	0.08 212	0.17 466	0.17 430	0.15 185	0.19 357	0.15 380	0.25 482	0.19 445	0.13 408	0.10 121	0.07 1	0.06 167	0.04 25	0.09 476	0.08 452	0.06 290	0.06 304

tt1	0.10 241	0.08 344	0.12 289	0.17 296	0.09 339	0.12 303	0.16 388	0.15 185	0.19 357	0.09 180	0.08 122	0.06 42	0.06 65	0.10 121	0.07 1	0.06 167	0.04 25	0.06 188	0.05 190	0.06 290	0.06 304

GMOStereo	0.11 289	0.09 424	0.07 11	0.19 455	0.08 212	0.12 303	0.28 633	0.13 112	0.17 307	0.11 260	0.17 349	0.14 350	0.12 368	0.07 4	0.07 1	0.05 51	0.05 268	0.09 476	0.07 379	0.04 48	0.04 72

error version	0.11 289	0.09 424	0.07 11	0.19 455	0.08 212	0.12 303	0.28 633	0.13 112	0.17 307	0.11 260	0.17 349	0.14 350	0.12 368	0.07 4	0.07 1	0.05 51	0.05 268	0.09 476	0.07 379	0.04 48	0.04 72

test-v	0.11 289	0.09 424	0.07 11	0.19 455	0.08 212	0.12 303	0.28 633	0.13 112	0.17 307	0.11 260	0.17 349	0.14 350	0.12 368	0.07 4	0.07 1	0.05 51	0.05 268	0.09 476	0.07 379	0.04 48	0.04 72

CroCo-Stereo	0.09 172	0.08 344	0.08 56	0.22 570	0.09 339	0.09 136	0.19 519	0.15 185	0.12 142	0.07 74	0.07 64	0.08 183	0.06 65	0.08 25	0.07 1	0.07 336	0.05 268	0.06 188	0.04 59	0.05 168	0.04 72
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
test-2	0.11 289	0.09 424	0.07 11	0.19 455	0.08 212	0.12 303	0.28 633	0.13 112	0.17 307	0.11 260	0.17 349	0.14 350	0.12 368	0.07 4	0.07 1	0.05 51	0.05 268	0.09 476	0.07 379	0.04 48	0.04 72

DNS	0.09 172	0.05 41	0.11 244	0.15 113	0.08 212	0.10 199	0.16 388	0.17 262	0.09 50	0.08 128	0.12 264	0.08 183	0.07 178	0.09 58	0.08 25	0.07 336	0.04 25	0.05 48	0.05 190	0.06 290	0.05 203

aanet-new-60k	0.07 7	0.07 225	0.08 56	0.18 386	0.06 27	0.07 43	0.10 35	0.09 20	0.14 216	0.07 74	0.07 64	0.06 42	0.06 65	0.11 196	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

aanet-new-40k	0.07 7	0.08 344	0.07 11	0.17 296	0.07 132	0.08 83	0.13 170	0.10 33	0.10 74	0.07 74	0.08 122	0.06 42	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

aanet-new-36k	0.08 84	0.06 107	0.09 121	0.17 296	0.06 27	0.09 136	0.13 170	0.11 56	0.13 184	0.08 128	0.08 122	0.06 42	0.05 14	0.09 58	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

aanet-32k-new	0.08 84	0.07 225	0.08 56	0.18 386	0.06 27	0.08 83	0.12 96	0.11 56	0.12 142	0.07 74	0.08 122	0.05 5	0.07 178	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.06 290	0.04 72

aanet-new-32k	0.08 84	0.07 225	0.09 121	0.18 386	0.06 27	0.11 251	0.11 64	0.10 33	0.08 24	0.07 74	0.07 64	0.07 123	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

aanet-new-30k	0.08 84	0.07 225	0.09 121	0.18 386	0.06 27	0.11 251	0.11 64	0.10 33	0.08 24	0.07 74	0.07 64	0.07 123	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

aanet-new-28k	0.08 84	0.07 225	0.09 121	0.18 386	0.06 27	0.08 83	0.12 96	0.10 33	0.09 50	0.09 180	0.08 122	0.08 183	0.06 65	0.12 290	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

GCAP-Stereo-DPT26K	0.07 7	0.06 107	0.07 11	0.16 209	0.06 27	0.08 83	0.12 96	0.10 33	0.08 24	0.06 25	0.09 157	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

aanet-new-22k	0.08 84	0.06 107	0.09 121	0.17 296	0.06 27	0.08 83	0.11 64	0.14 143	0.12 142	0.09 180	0.09 157	0.08 183	0.06 65	0.10 121	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

aanet-new-16k	0.08 84	0.08 344	0.08 56	0.18 386	0.06 27	0.07 43	0.09 20	0.13 112	0.12 142	0.08 128	0.07 64	0.07 123	0.06 65	0.09 58	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.05 168	0.03 2

aanet-new-10k	0.08 84	0.08 344	0.08 56	0.19 455	0.07 132	0.08 83	0.12 96	0.14 143	0.11 105	0.07 74	0.08 122	0.07 123	0.07 178	0.09 58	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

aanet-new-12k	0.08 84	0.09 424	0.07 11	0.20 521	0.08 212	0.08 83	0.13 170	0.12 83	0.13 184	0.08 128	0.08 122	0.05 5	0.07 178	0.09 58	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.06 290	0.04 72

aanet-new-14k	0.08 84	0.09 424	0.08 56	0.19 455	0.06 27	0.07 43	0.10 35	0.14 143	0.15 241	0.06 25	0.08 122	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

aanet-new-8k	0.08 84	0.07 225	0.08 56	0.19 455	0.07 132	0.09 136	0.12 96	0.16 223	0.15 241	0.07 74	0.07 64	0.06 42	0.06 65	0.10 121	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

aanet-new	0.08 84	0.09 424	0.10 185	0.18 386	0.08 212	0.10 199	0.12 96	0.15 185	0.12 142	0.08 128	0.08 122	0.05 5	0.07 178	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.06 290	0.04 72

GCAP-Stereo-cres-4k	0.08 84	0.07 225	0.08 56	0.18 386	0.07 132	0.11 251	0.14 235	0.12 83	0.11 105	0.07 74	0.11 243	0.07 123	0.06 65	0.09 58	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

GCAP-Stereo-DPT-36K	0.08 84	0.06 107	0.15 424	0.14 59	0.06 27	0.08 83	0.13 170	0.13 112	0.11 105	0.07 74	0.08 122	0.07 123	0.06 65	0.09 58	0.08 25	0.05 51	0.05 268	0.05 48	0.04 59	0.03 1	0.04 72

GCAP-Stereo-DPT-22K	0.08 84	0.06 107	0.07 11	0.17 296	0.06 27	0.07 43	0.14 235	0.13 112	0.16 278	0.05 2	0.10 193	0.06 42	0.06 65	0.08 25	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

GCAP-Stereo-DPT-24K	0.07 7	0.06 107	0.07 11	0.15 113	0.06 27	0.10 199	0.15 319	0.12 83	0.11 105	0.06 25	0.11 243	0.06 42	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

GCAP-Stereo-DPT-5K	0.08 84	0.06 107	0.10 185	0.16 209	0.07 132	0.11 251	0.12 96	0.15 185	0.15 241	0.08 128	0.12 264	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.05 190	0.03 1	0.04 72

GCAP-Stereo-DPT-2K	0.08 84	0.06 107	0.10 185	0.16 209	0.07 132	0.11 251	0.13 170	0.14 143	0.14 216	0.08 128	0.13 283	0.05 5	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

GCAP-Stereo-DPT-3K	0.08 84	0.07 225	0.10 185	0.16 209	0.07 132	0.09 136	0.12 96	0.15 185	0.14 216	0.08 128	0.11 243	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

GCAP-Stereo-DPT-50K	0.08 84	0.06 107	0.17 490	0.15 113	0.06 27	0.06 14	0.13 170	0.13 112	0.13 184	0.07 74	0.07 64	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 84	0.05 41	0.12 289	0.15 113	0.06 27	0.10 199	0.14 235	0.12 83	0.12 142	0.07 74	0.09 157	0.06 42	0.06 65	0.10 121	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

DepthFocus	0.08 84	0.04 1	0.15 424	0.12 5	0.09 339	0.07 43	0.12 96	0.10 33	0.05 4	0.09 180	0.05 7	0.07 123	0.04 1	0.08 25	0.08 25	0.06 167	0.05 268	0.07 299	0.07 379	0.05 168	0.04 72

gcap_with_dpt	0.08 84	0.06 107	0.09 121	0.16 209	0.07 132	0.09 136	0.12 96	0.13 112	0.13 184	0.08 128	0.12 264	0.04 1	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

Pro-Stereo	0.07 7	0.05 41	0.08 56	0.15 113	0.07 132	0.08 83	0.12 96	0.07 7	0.07 15	0.06 25	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

VIP-Stereo	0.07 7	0.07 225	0.07 11	0.15 113	0.06 27	0.12 303	0.10 35	0.11 56	0.11 105	0.06 25	0.07 64	0.06 42	0.05 14	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.03 1	0.03 1	0.02 1

GEAStereo	0.08 84	0.05 41	0.08 56	0.13 16	0.08 212	0.08 83	0.14 235	0.10 33	0.09 50	0.08 128	0.10 193	0.06 42	0.05 14	0.11 196	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.05 203

BridgeDepth	0.07 7	0.07 225	0.08 56	0.18 386	0.06 27	0.07 43	0.11 64	0.09 20	0.06 6	0.04 1	0.07 64	0.10 254	0.09 265	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 59	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GSStereo	0.08 84	0.05 41	0.08 56	0.13 16	0.08 212	0.08 83	0.14 235	0.11 56	0.12 142	0.08 128	0.10 193	0.05 5	0.05 14	0.11 196	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.05 203

GS-Stereo							0.14 235	0.11 56	0.12 142	0.08 128	0.10 193	0.05 5	0.05 14	0.11 196	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.05 203

gasm-f	0.08 84	0.05 41	0.07 11	0.13 16	0.08 212	0.08 83	0.14 235	0.10 33	0.09 50	0.08 128	0.10 193	0.06 42	0.05 14	0.10 121	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.06 290	0.05 203

Zero-FE251	0.07 7	0.05 41	0.09 121	0.13 16	0.06 27	0.12 303	0.12 96	0.11 56	0.10 74	0.07 74	0.08 122	0.06 42	0.06 65	0.09 58	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

GASTEREO	0.08 84	0.05 41	0.09 121	0.19 455	0.07 132	0.07 43	0.12 96	0.14 143	0.11 105	0.10 225	0.09 157	0.07 123	0.04 1	0.12 290	0.08 25	0.06 167	0.05 268	0.05 48	0.04 59	0.04 48	0.05 203

MSCF	0.08 84	0.05 41	0.08 56	0.19 455	0.08 212	0.06 14	0.12 96	0.14 143	0.11 105	0.10 225	0.09 157	0.07 123	0.04 1	0.11 196	0.08 25	0.06 167	0.05 268	0.05 48	0.04 59	0.05 168	0.05 203

water-stereo	0.09 172	0.06 107	0.08 56	0.16 209	0.07 132	0.09 136	0.13 170	0.15 185	0.13 184	0.11 260	0.12 264	0.08 183	0.09 265	0.07 4	0.08 25	0.06 167	0.05 268	0.05 48	0.05 190	0.04 48	0.04 72

monsters	0.07 7	0.06 107	0.06 5	0.15 113	0.06 27	0.08 83	0.09 20	0.12 83	0.08 24	0.09 180	0.07 64	0.06 42	0.06 65	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 59	0.03 1	0.03 2

LG-Stereo_L2	0.07 7	0.05 41	0.10 185	0.14 59	0.06 27	0.07 43	0.12 96	0.09 20	0.09 50	0.06 25	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.03 2

LG-G_1	0.07 7	0.04 1	0.11 244	0.15 113	0.06 27	0.09 136	0.08 7	0.08 11	0.06 6	0.06 25	0.05 7	0.07 123	0.07 178	0.11 196	0.08 25	0.07 336	0.04 25	0.05 48	0.04 59	0.05 168	0.05 203

LG-G	0.07 7	0.04 1	0.11 244	0.15 113	0.06 27	0.09 136	0.08 7	0.08 11	0.06 6	0.06 25	0.05 7	0.07 123	0.07 178	0.11 196	0.08 25	0.07 336	0.04 25	0.05 48	0.04 59	0.05 168	0.05 203

SGD-Stereo	0.08 84	0.05 41	0.10 185	0.14 59	0.05 2	0.12 303	0.12 96	0.11 56	0.12 142	0.07 74	0.09 157	0.09 219	0.09 265	0.08 25	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.03 2

MM-Stereo_test3	0.10 241	0.07 225	0.07 11	0.18 386	0.07 132	0.12 303	0.19 519	0.24 429	0.19 357	0.06 25	0.10 193	0.08 183	0.06 65	0.11 196	0.08 25	0.06 167	0.06 416	0.07 299	0.05 190	0.05 168	0.04 72

HART	0.08 84	0.07 225	0.09 121	0.17 296	0.07 132	0.10 199	0.16 388	0.13 112	0.11 105	0.08 128	0.10 193	0.07 123	0.05 14	0.10 121	0.08 25	0.05 51	0.04 25	0.06 188	0.04 59	0.05 168	0.04 72

Reg-Stereo(zero)	0.08 84	0.05 41	0.08 56	0.16 209	0.06 27	0.12 303	0.11 64	0.15 185	0.10 74	0.12 301	0.09 157	0.10 254	0.08 227	0.11 196	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

HI	0.11 289	0.06 107	0.11 244	0.13 16	0.09 339	0.09 136	0.14 235	0.21 360	0.10 74	0.19 474	0.17 349	0.14 350	0.09 265	0.16 430	0.08 25	0.05 51	0.04 25	0.07 299	0.08 452	0.07 370	0.06 304

CoSv	0.11 289	0.06 107	0.11 244	0.13 16	0.09 339	0.09 136	0.14 235	0.21 360	0.10 74	0.19 474	0.17 349	0.14 350	0.09 265	0.16 430	0.08 25	0.05 51	0.04 25	0.07 299	0.08 452	0.07 370	0.06 304

SCV	0.08 84	0.09 424	0.08 56	0.15 113	0.08 212	0.10 199	0.13 170	0.10 33	0.12 142	0.07 74	0.07 64	0.06 42	0.04 1	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.04 59	0.06 290	0.04 72

StereoAnything_RVC	0.07 7	0.15 580	0.17 490	0.11 1	0.05 2	0.05 4	0.11 64	0.08 11	0.08 24	0.06 25	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.08 413	0.04 25	0.05 48	0.03 1	0.05 168	0.04 72

AIO_rvc	0.07 7	0.06 107	0.08 56	0.15 113	0.06 27	0.08 83	0.14 235	0.09 20	0.08 24	0.07 74	0.08 122	0.07 123	0.04 1	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

AIO-test2	0.10 241	0.08 344	0.10 185	0.23 594	0.08 212	0.11 251	0.10 35	0.23 405	0.23 422	0.08 128	0.09 157	0.08 183	0.05 14	0.10 121	0.08 25	0.06 167	0.05 268	0.08 393	0.09 499	0.05 168	0.05 203

castereo++	0.08 84	0.05 41	0.08 56	0.15 113	0.05 2	0.14 388	0.12 96	0.11 56	0.15 241	0.07 74	0.07 64	0.07 123	0.06 65	0.08 25	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

IGEV-RUCA	0.08 84	0.06 107	0.11 244	0.14 59	0.09 339	0.10 199	0.12 96	0.10 33	0.12 142	0.06 25	0.07 64	0.07 123	0.06 65	0.09 58	0.08 25	0.06 167	0.05 268	0.05 48	0.04 59	0.05 168	0.06 304

PAM_32	0.09 172	0.05 41	0.17 490	0.15 113	0.08 212	0.10 199	0.15 319	0.14 143	0.15 241	0.09 180	0.08 122	0.09 219	0.07 178	0.14 371	0.08 25	0.06 167	0.05 268	0.06 188	0.06 281	0.05 168	0.06 304

PAM	0.10 241	0.05 41	0.16 460	0.15 113	0.08 212	0.09 136	0.16 388	0.15 185	0.16 278	0.12 301	0.09 157	0.09 219	0.07 178	0.13 342	0.08 25	0.06 167	0.05 268	0.06 188	0.06 281	0.05 168	0.06 304

WCG-NET	0.08 84	0.05 41	0.09 121	0.15 113	0.06 27	0.11 251	0.14 235	0.13 112	0.13 184	0.06 25	0.09 157	0.07 123	0.06 65	0.13 342	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

GCAP-BAT	0.09 172	0.05 41	0.11 244	0.13 16	0.07 132	0.11 251	0.14 235	0.14 143	0.16 278	0.07 74	0.10 193	0.08 183	0.06 65	0.13 342	0.08 25	0.07 336	0.05 268	0.05 48	0.05 190	0.04 48	0.04 72

RAStereo	0.10 241	0.09 424	0.08 56	0.20 521	0.08 212	0.13 354	0.18 479	0.15 185	0.17 307	0.10 225	0.12 264	0.05 5	0.06 65	0.09 58	0.08 25	0.07 336	0.05 268	0.07 299	0.05 190	0.05 168	0.04 72

AIO-Stereo-zeroshot1	0.11 289	0.05 41	0.14 376	0.15 113	0.20 639	0.09 136	0.17 430	0.21 360	0.15 241	0.11 260	0.14 297	0.10 254	0.07 178	0.10 121	0.08 25	0.06 167	0.05 268	0.07 299	0.07 379	0.07 370	0.09 501

U	0.08 84	0.07 225	0.09 121	0.19 455	0.10 451	0.10 199	0.13 170	0.12 83	0.17 307	0.07 74	0.07 64	0.06 42	0.05 14	0.07 4	0.08 25	0.06 167	0.04 25	0.06 188	0.04 59	0.06 290	0.05 203

IGEV-Stereo+	0.07 7	0.04 1	0.08 56	0.15 113	0.06 27	0.04 1	0.09 20	0.10 33	0.09 50	0.06 25	0.06 23	0.06 42	0.06 65	0.06 1	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.06 290	0.06 304

AIO-Stereo	0.08 84	0.06 107	0.09 121	0.18 386	0.06 27	0.08 83	0.12 96	0.15 185	0.09 50	0.08 128	0.08 122	0.07 123	0.05 14	0.11 196	0.08 25	0.05 51	0.05 268	0.05 48	0.04 59	0.04 48	0.04 72

WCG-NET（raft）	0.08 84	0.05 41	0.10 185	0.15 113	0.06 27	0.11 251	0.13 170	0.15 185	0.12 142	0.08 128	0.07 64	0.06 42	0.06 65	0.13 342	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

gcap-zeroshot	0.08 84	0.06 107	0.10 185	0.15 113	0.07 132	0.11 251	0.12 96	0.15 185	0.15 241	0.08 128	0.12 264	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.05 190	0.03 1	0.04 72

test_for_model	0.08 84	0.06 107	0.10 185	0.16 209	0.07 132	0.11 251	0.12 96	0.15 185	0.15 241	0.08 128	0.12 264	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.05 190	0.03 1	0.04 72

MoCha-V2	0.08 84	0.05 41	0.10 185	0.20 521	0.07 132	0.09 136	0.14 235	0.11 56	0.08 24	0.07 74	0.08 122	0.07 123	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

IGEVStereo-DCA	0.09 172	0.06 107	0.11 244	0.15 113	0.10 451	0.11 251	0.15 319	0.16 223	0.12 142	0.10 225	0.06 23	0.08 183	0.06 65	0.10 121	0.08 25	0.06 167	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

rrr	0.09 172	0.06 107	0.12 289	0.15 113	0.10 451	0.11 251	0.16 388	0.16 223	0.15 241	0.10 225	0.06 23	0.08 183	0.06 65	0.10 121	0.08 25	0.06 167	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

MIM_Stereo	0.09 172	0.07 225	0.11 244	0.15 113	0.07 132	0.06 14	0.12 96	0.20 337	0.14 216	0.13 331	0.13 283	0.09 219	0.05 14	0.12 290	0.08 25	0.05 51	0.06 416	0.07 299	0.06 281	0.06 290	0.05 203

testlalala	0.08 84	0.06 107	0.10 185	0.15 113	0.07 132	0.11 251	0.12 96	0.15 185	0.15 241	0.08 128	0.12 264	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.05 190	0.03 1	0.04 72

GCAPDPT-zeroshot	0.09 172	0.05 41	0.11 244	0.13 16	0.07 132	0.11 251	0.14 235	0.14 143	0.16 278	0.07 74	0.10 193	0.08 183	0.06 65	0.13 342	0.08 25	0.07 336	0.05 268	0.05 48	0.05 190	0.04 48	0.04 72

CAS	0.08 84	0.04 1	0.07 11	0.17 296	0.08 212	0.10 199	0.13 170	0.12 83	0.09 50	0.09 180	0.10 193	0.08 183	0.06 65	0.09 58	0.08 25	0.08 413	0.04 25	0.05 48	0.03 1	0.05 168	0.04 72

CES	0.08 84	0.04 1	0.08 56	0.14 59	0.07 132	0.09 136	0.14 235	0.11 56	0.09 50	0.08 128	0.09 157	0.11 284	0.06 65	0.12 290	0.08 25	0.06 167	0.04 25	0.05 48	0.03 1	0.05 168	0.05 203

CroCo-Stereo Lap2	0.09 172	0.09 424	0.08 56	0.22 570	0.09 339	0.09 136	0.19 519	0.16 223	0.12 142	0.09 180	0.10 193	0.05 5	0.05 14	0.08 25	0.08 25	0.06 167	0.06 416	0.07 299	0.05 190	0.05 168	0.05 203

TRStereo	0.09 172	0.05 41	0.12 289	0.15 113	0.12 535	0.10 199	0.13 170	0.18 296	0.18 338	0.09 180	0.09 157	0.09 219	0.06 65	0.10 121	0.08 25	0.07 336	0.05 268	0.07 299	0.07 379	0.04 48	0.04 72

XX-Stereo	0.09 172	0.05 41	0.08 56	0.17 296	0.09 339	0.15 414	0.12 96	0.20 337	0.10 74	0.10 225	0.14 297	0.07 123	0.06 65	0.12 290	0.08 25	0.06 167	0.05 268	0.06 188	0.06 281	0.04 48	0.04 72

mm2	0.07 7	0.04 1	0.10 185	0.13 16	0.06 27	0.06 14	0.12 96	0.13 112	0.08 24	0.06 25	0.07 64	0.06 42	0.08 227	0.10 121	0.09 102	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

mm1	0.07 7	0.04 1	0.10 185	0.13 16	0.06 27	0.06 14	0.12 96	0.06 1	0.08 24	0.06 25	0.07 64	0.06 42	0.08 227	0.10 121	0.09 102	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

qqai	0.07 7	0.05 41	0.10 185	0.14 59	0.06 27	0.05 4	0.12 96	0.08 11	0.09 50	0.05 2	0.06 23	0.06 42	0.08 227	0.10 121	0.09 102	0.06 167	0.05 268	0.05 48	0.03 1	0.04 48	0.05 203

quiztm	0.08 84	0.07 225	0.08 56	0.18 386	0.07 132	0.09 136	0.14 235	0.14 143	0.12 142	0.07 74	0.07 64	0.05 5	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.04 59	0.04 48	0.03 2

MGA	0.07 7	0.04 1	0.10 185	0.13 16	0.06 27	0.08 83	0.09 20	0.12 83	0.08 24	0.05 2	0.06 23	0.06 42	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.05 168	0.05 203

CAR	0.07 7	0.05 41	0.08 56	0.14 59	0.06 27	0.07 43	0.08 7	0.12 83	0.08 24	0.05 2	0.06 23	0.05 5	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

MSE-Stereo	0.07 7	0.04 1	0.08 56	0.13 16	0.06 27	0.07 43	0.08 7	0.12 83	0.08 24	0.05 2	0.06 23	0.05 5	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

monster-pro	0.07 7	0.06 107	0.05 1	0.15 113	0.05 2	0.07 43	0.10 35	0.15 185	0.15 241	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 107	0.07 11	0.15 113	0.07 132	0.08 83	0.14 235	0.11 56	0.08 24	0.05 2	0.07 64	0.08 183	0.08 227	0.09 58	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

DF	0.08 84	0.05 41	0.09 121	0.15 113	0.06 27	0.11 251	0.13 170	0.10 33	0.12 142	0.09 180	0.10 193	0.10 254	0.08 227	0.11 196	0.09 102	0.07 336	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

DN	0.10 241	0.05 41	0.09 121	0.14 59	0.09 339	0.12 303	0.18 479	0.17 262	0.16 278	0.08 128	0.09 157	0.08 183	0.06 65	0.08 25	0.09 102	0.11 545	0.05 268	0.07 299	0.06 281	0.07 370	0.09 501

aanet-new-34k	0.08 84	0.06 107	0.09 121	0.17 296	0.05 2	0.07 43	0.13 170	0.12 83	0.12 142	0.09 180	0.08 122	0.07 123	0.05 14	0.10 121	0.09 102	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

GCAP-Stereo-DPT-cres	0.08 84	0.05 41	0.07 11	0.15 113	0.06 27	0.10 199	0.14 235	0.13 112	0.12 142	0.07 74	0.09 157	0.07 123	0.06 65	0.10 121	0.09 102	0.05 51	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 84	0.06 107	0.07 11	0.16 209	0.06 27	0.06 14	0.14 235	0.14 143	0.14 216	0.07 74	0.10 193	0.06 42	0.05 14	0.09 58	0.09 102	0.04 11	0.04 25	0.04 1	0.04 59	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 121	0.13 16	0.05 2	0.08 83	0.11 64	0.06 1	0.06 6	0.06 25	0.05 7	0.08 183	0.05 14	0.08 25	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.05 168	0.04 72

PSi22b	0.06 1	0.04 1	0.09 121	0.13 16	0.05 2	0.08 83	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.08 183	0.05 14	0.08 25	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.05 168	0.04 72

PSi22a	0.06 1	0.04 1	0.09 121	0.12 5	0.05 2	0.06 14	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.06 42	0.05 14	0.08 25	0.09 102	0.07 336	0.04 25	0.04 1	0.03 1	0.05 168	0.04 72

PSi22	0.08 84	0.06 107	0.11 244	0.16 209	0.07 132	0.08 83	0.10 35	0.14 143	0.08 24	0.08 128	0.06 23	0.10 254	0.06 65	0.12 290	0.09 102	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 72

Foundation-i1b	0.08 84	0.05 41	0.07 11	0.14 59	0.05 2	0.09 136	0.12 96	0.13 112	0.10 74	0.09 180	0.10 193	0.09 219	0.06 65	0.07 4	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

Foundation-i1a	0.08 84	0.05 41	0.07 11	0.13 16	0.05 2	0.13 354	0.13 170	0.12 83	0.09 50	0.11 260	0.11 243	0.11 284	0.06 65	0.08 25	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

Foundation-i32	0.06 1	0.04 1	0.09 121	0.13 16	0.04 1	0.06 14	0.12 96	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 4	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

Selective-IGEV-i32	0.07 7	0.06 107	0.08 56	0.17 296	0.06 27	0.08 83	0.12 96	0.13 112	0.07 15	0.08 128	0.07 64	0.06 42	0.04 1	0.10 121	0.09 102	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

LACA1	0.07 7	0.07 225	0.07 11	0.14 59	0.05 2	0.09 136	0.11 64	0.10 33	0.07 15	0.05 2	0.05 7	0.06 42	0.07 178	0.08 25	0.09 102	0.06 167	0.04 25	0.04 1	0.04 59	0.03 1	0.04 72

Hybrid-DGEV-2	0.11 289	0.06 107	0.12 289	0.18 386	0.09 339	0.09 136	0.13 170	0.28 505	0.29 506	0.11 260	0.11 243	0.09 219	0.12 368	0.12 290	0.09 102	0.06 167	0.05 268	0.07 299	0.07 379	0.05 168	0.05 203

DispViT+	0.08 84	0.05 41	0.09 121	0.13 16	0.06 27	0.05 4	0.11 64	0.18 296	0.16 278	0.09 180	0.08 122	0.07 123	0.06 65	0.11 196	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

BLMT-Stereo	0.07 7	0.04 1	0.08 56	0.15 113	0.07 132	0.06 14	0.14 235	0.07 7	0.10 74	0.05 2	0.05 7	0.04 1	0.06 65	0.07 4	0.09 102	0.04 11	0.04 25	0.05 48	0.05 190	0.04 48	0.04 72

MatchStereo	0.07 7	0.04 1	0.08 56	0.14 59	0.06 27	0.05 4	0.12 96	0.12 83	0.09 50	0.07 74	0.06 23	0.04 1	0.04 1	0.08 25	0.09 102	0.06 167	0.05 268	0.05 48	0.03 1	0.04 48	0.04 72
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
WQFJX1	0.10 241	0.07 225	0.08 56	0.22 570	0.09 339	0.12 303	0.17 430	0.18 296	0.17 307	0.10 225	0.09 157	0.07 123	0.10 304	0.11 196	0.09 102	0.07 336	0.08 518	0.07 299	0.06 281	0.05 168	0.04 72

CSFM-Stereo	0.07 7	0.05 41	0.07 11	0.14 59	0.06 27	0.09 136	0.13 170	0.15 185	0.06 6	0.07 74	0.08 122	0.06 42	0.08 227	0.09 58	0.09 102	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.04 72

FE-Mocha	0.09 172	0.06 107	0.14 376	0.16 209	0.09 339	0.10 199	0.15 319	0.18 296	0.16 278	0.10 225	0.09 157	0.07 123	0.07 178	0.09 58	0.09 102	0.06 167	0.04 25	0.06 188	0.06 281	0.05 168	0.05 203

DLNR-FE	10.43 705	1.83 696	19.53 720	120.75 724	13.06 712	0.06 14	0.13 170	0.23 405	0.10 74	0.07 74	0.10 193	0.09 219	0.06 65	0.10 121	0.09 102	0.13 596	0.04 25	0.06 188	0.04 59	52.01 726	0.04 72

Select-FE	0.11 289	0.06 107	0.20 538	0.15 113	0.11 501	0.11 251	0.13 170	0.21 360	0.18 338	0.09 180	0.11 243	0.10 254	0.06 65	0.12 290	0.09 102	0.07 336	0.05 268	0.07 299	0.08 452	0.06 290	0.08 457

IGEV-FE	0.09 172	0.05 41	0.12 289	0.13 16	0.08 212	0.12 303	0.13 170	0.17 262	0.11 105	0.10 225	0.06 23	0.09 219	0.06 65	0.11 196	0.09 102	0.06 167	0.04 25	0.06 188	0.06 281	0.05 168	0.05 203

MonStereo	0.07 7	0.06 107	0.05 1	0.15 113	0.05 2	0.08 83	0.10 35	0.15 185	0.15 241	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 41	0.07 11	0.16 209	0.06 27	0.07 43	0.11 64	0.10 33	0.08 24	0.06 25	0.06 23	0.07 123	0.07 178	0.09 58	0.09 102	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 107	0.05 1	0.15 113	0.05 2	0.08 83	0.10 35	0.15 185	0.15 241	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 121	0.13 16	0.06 27	0.05 4	0.09 20	0.11 56	0.07 15	0.06 25	0.06 23	0.05 5	0.06 65	0.09 58	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.05 168	0.05 203

S2M2_XL	0.08 84	0.06 107	0.12 289	0.12 5	0.08 212	0.09 136	0.09 20	0.07 7	0.07 15	0.08 128	0.07 64	0.07 123	0.06 65	0.09 58	0.09 102	0.08 413	0.06 416	0.07 299	0.05 190	0.08 434	0.06 304
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
asd	0.07 7	0.08 344	0.07 11	0.16 209	0.07 132	0.08 83	0.08 7	0.11 56	0.08 24	0.07 74	0.07 64	0.06 42	0.06 65	0.10 121	0.09 102	0.03 1	0.03 1	0.04 1	0.04 59	0.04 48	0.03 2

qwe	0.07 7	0.08 344	0.07 11	0.15 113	0.06 27	0.07 43	0.10 35	0.18 296	0.11 105	0.07 74	0.07 64	0.06 42	0.06 65	0.10 121	0.09 102	0.03 1	0.03 1	0.04 1	0.04 59	0.04 48	0.03 2

depthmonostereo	0.09 172	0.06 107	0.09 121	0.15 113	0.06 27	0.10 199	0.13 170	0.14 143	0.14 216	0.10 225	0.10 193	0.09 219	0.11 337	0.08 25	0.09 102	0.06 167	0.05 268	0.06 188	0.04 59	0.04 48	0.03 2

2.5w	0.07 7	0.07 225	0.07 11	0.16 209	0.06 27	0.08 83	0.12 96	0.10 33	0.10 74	0.07 74	0.06 23	0.09 219	0.06 65	0.08 25	0.09 102	0.04 11	0.03 1	0.04 1	0.04 59	0.03 1	0.03 2

3.25w_new	0.07 7	0.06 107	0.07 11	0.15 113	0.06 27	0.10 199	0.07 3	0.12 83	0.11 105	0.08 128	0.06 23	0.07 123	0.06 65	0.11 196	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 107	0.07 11	0.15 113	0.06 27	0.10 199	0.07 3	0.12 83	0.11 105	0.08 128	0.06 23	0.07 123	0.06 65	0.11 196	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 225	0.07 11	0.15 113	0.07 132	0.09 136	0.06 1	0.13 112	0.11 105	0.07 74	0.07 64	0.06 42	0.07 178	0.10 121	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3w_stereo	0.08 84	0.09 424	0.10 185	0.17 296	0.07 132	0.08 83	0.10 35	0.20 337	0.13 184	0.06 25	0.07 64	0.05 5	0.06 65	0.08 25	0.09 102	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 84	0.08 344	0.09 121	0.16 209	0.06 27	0.08 83	0.10 35	0.20 337	0.15 241	0.08 128	0.07 64	0.06 42	0.06 65	0.06 1	0.09 102	0.04 11	0.03 1	0.04 1	0.04 59	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 107	0.07 11	0.16 209	0.06 27	0.07 43	0.10 35	0.14 143	0.14 216	0.07 74	0.08 122	0.05 5	0.06 65	0.09 58	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 72

monsterstereo	0.07 7	0.06 107	0.06 5	0.16 209	0.06 27	0.08 83	0.10 35	0.16 223	0.11 105	0.07 74	0.08 122	0.06 42	0.07 178	0.08 25	0.09 102	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 56	0.13 16	0.06 27	0.09 136	0.12 96	0.14 143	0.10 74	0.06 25	0.09 157	0.07 123	0.05 14	0.09 58	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

111111	0.07 7	0.04 1	0.09 121	0.17 296	0.06 27	0.05 4	0.10 35	0.11 56	0.09 50	0.06 25	0.06 23	0.07 123	0.05 14	0.09 58	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.07 370	0.06 304

MLG-Stereo_test2	0.06 1	0.04 1	0.10 185	0.15 113	0.05 2	0.07 43	0.11 64	0.09 20	0.04 2	0.06 25	0.05 7	0.06 42	0.04 1	0.08 25	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.05 168	0.05 203

MLG-Stereo_test1	0.06 1	0.05 41	0.08 56	0.17 296	0.05 2	0.06 14	0.11 64	0.08 11	0.03 1	0.05 2	0.04 1	0.06 42	0.05 14	0.09 58	0.09 102	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

MLG-Stereo	0.07 7	0.05 41	0.08 56	0.17 296	0.05 2	0.07 43	0.11 64	0.08 11	0.04 2	0.05 2	0.04 1	0.06 42	0.05 14	0.10 121	0.09 102	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

LGtest1	0.07 7	0.04 1	0.10 185	0.15 113	0.06 27	0.07 43	0.09 20	0.08 11	0.06 6	0.05 2	0.04 1	0.06 42	0.06 65	0.10 121	0.09 102	0.07 336	0.04 25	0.05 48	0.04 59	0.06 290	0.06 304

LG-Stereo_Zeroshot	0.07 7	0.06 107	0.10 185	0.16 209	0.07 132	0.04 1	0.13 170	0.10 33	0.10 74	0.05 2	0.11 243	0.07 123	0.05 14	0.07 4	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

LG-Stereo	0.08 84	0.07 225	0.10 185	0.18 386	0.07 132	0.10 199	0.17 430	0.11 56	0.08 24	0.05 2	0.07 64	0.05 5	0.07 178	0.09 58	0.09 102	0.04 11	0.05 268	0.07 299	0.07 379	0.04 48	0.04 72

MM-Stereo_test2	0.09 172	0.06 107	0.09 121	0.19 455	0.08 212	0.12 303	0.18 479	0.15 185	0.14 216	0.07 74	0.10 193	0.07 123	0.06 65	0.12 290	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.03 2

DEFOM-Stereo_RVC	0.08 84	0.06 107	0.09 121	0.22 570	0.06 27	0.08 83	0.12 96	0.10 33	0.10 74	0.07 74	0.07 64	0.06 42	0.05 14	0.11 196	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.06 290	0.04 72

HUF	0.08 84	0.05 41	0.08 56	0.14 59	0.06 27	0.09 136	0.13 170	0.13 112	0.13 184	0.07 74	0.07 64	0.08 183	0.06 65	0.10 121	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

AIO-test1	0.10 241	0.07 225	0.10 185	0.23 594	0.07 132	0.09 136	0.13 170	0.21 360	0.14 216	0.11 260	0.12 264	0.09 219	0.07 178	0.11 196	0.09 102	0.06 167	0.05 268	0.09 476	0.10 539	0.03 1	0.06 304

MonSter	0.07 7	0.06 107	0.05 1	0.15 113	0.05 2	0.07 43	0.10 35	0.15 185	0.15 241	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 41	0.07 11	0.14 59	0.06 27	0.10 199	0.13 170	0.07 7	0.13 184	0.06 25	0.07 64	0.06 42	0.05 14	0.10 121	0.09 102	0.04 11	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

dual_stereo	0.07 7	0.04 1	0.08 56	0.15 113	0.05 2	0.05 4	0.13 170	0.12 83	0.08 24	0.07 74	0.06 23	0.05 5	0.05 14	0.07 4	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

UGAM-zero	0.09 172	0.05 41	0.15 424	0.15 113	0.08 212	0.09 136	0.13 170	0.19 326	0.15 241	0.11 260	0.15 314	0.07 123	0.07 178	0.09 58	0.09 102	0.06 167	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

rvit_stereo_0081_aga	0.11 289	0.09 424	0.14 376	0.18 386	0.09 339	0.13 354	0.14 235	0.14 143	0.19 357	0.10 225	0.18 376	0.16 395	0.09 265	0.12 290	0.09 102	0.10 514	0.06 416	0.08 393	0.07 379	0.07 370	0.06 304

IGEV-Stereo++	0.07 7	0.06 107	0.08 56	0.18 386	0.06 27	0.04 1	0.10 35	0.11 56	0.11 105	0.06 25	0.07 64	0.07 123	0.06 65	0.09 58	0.09 102	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

Pointernet	0.09 172	0.04 1	0.09 121	0.16 209	0.08 212	0.13 354	0.10 35	0.15 185	0.17 307	0.09 180	0.07 64	0.06 42	0.06 65	0.11 196	0.09 102	0.08 413	0.04 25	0.05 48	0.03 1	0.06 290	0.05 203

AIO-Stereo-zeroshot	0.11 289	0.05 41	0.11 244	0.15 113	0.13 558	0.13 354	0.16 388	0.23 405	0.17 307	0.10 225	0.12 264	0.10 254	0.07 178	0.11 196	0.09 102	0.06 167	0.05 268	0.06 188	0.06 281	0.07 370	0.08 457

RSM++	0.08 84	0.06 107	0.09 121	0.17 296	0.07 132	0.09 136	0.12 96	0.11 56	0.11 105	0.08 128	0.06 23	0.07 123	0.05 14	0.10 121	0.09 102	0.04 11	0.04 25	0.06 188	0.05 190	0.05 168	0.03 2

RSM	0.08 84	0.06 107	0.09 121	0.17 296	0.06 27	0.08 83	0.12 96	0.12 83	0.10 74	0.08 128	0.07 64	0.06 42	0.05 14	0.11 196	0.09 102	0.04 11	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

CAS++	0.11 289	0.07 225	0.11 244	0.14 59	0.09 339	0.12 303	0.14 235	0.24 429	0.14 216	0.11 260	0.09 157	0.11 284	0.07 178	0.14 371	0.09 102	0.11 545	0.09 551	0.09 476	0.07 379	0.07 370	0.08 457
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.09 172	0.07 225	0.12 289	0.15 113	0.08 212	0.09 136	0.15 319	0.12 83	0.12 142	0.07 74	0.10 193	0.08 183	0.06 65	0.10 121	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.06 290	0.05 203

IGEV++	0.08 84	0.06 107	0.08 56	0.18 386	0.07 132	0.09 136	0.13 170	0.10 33	0.09 50	0.08 128	0.08 122	0.06 42	0.06 65	0.13 342	0.09 102	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

MyStereo07	0.10 241	0.07 225	0.10 185	0.17 296	0.09 339	0.14 388	0.18 479	0.15 185	0.15 241	0.09 180	0.06 23	0.06 42	0.07 178	0.12 290	0.09 102	0.06 167	0.05 268	0.08 393	0.07 379	0.06 290	0.06 304

MyStereo06	0.10 241	0.07 225	0.12 289	0.17 296	0.09 339	0.13 354	0.18 479	0.19 326	0.12 142	0.12 301	0.08 122	0.07 123	0.07 178	0.11 196	0.09 102	0.06 167	0.05 268	0.07 299	0.07 379	0.06 290	0.06 304

ff7	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.10 225	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

ffff	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.10 225	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

11t	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.10 225	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

IGEV_Zeroshot_test	0.09 172	0.05 41	0.12 289	0.13 16	0.08 212	0.12 303	0.13 170	0.17 262	0.11 105	0.10 225	0.06 23	0.09 219	0.06 65	0.11 196	0.09 102	0.06 167	0.04 25	0.06 188	0.06 281	0.05 168	0.05 203

UniTT-Stereo	0.09 172	0.07 225	0.08 56	0.18 386	0.08 212	0.13 354	0.11 64	0.12 83	0.11 105	0.10 225	0.12 264	0.05 5	0.07 178	0.09 58	0.09 102	0.07 336	0.05 268	0.05 48	0.05 190	0.05 168	0.05 203

DLNR_Zeroshot_test	10.40 704	1.82 695	19.49 719	120.77 725	13.11 713	0.06 14	0.13 170	0.23 405	0.10 74	0.07 74	0.10 193	0.09 219	0.06 65	0.10 121	0.09 102	0.13 596	0.04 25	0.06 188	0.04 59	51.54 725	0.04 72

AEACV	0.08 84	0.05 41	0.08 56	0.14 59	0.13 558	0.14 388	0.13 170	0.14 143	0.09 50	0.07 74	0.09 157	0.07 123	0.08 227	0.10 121	0.09 102	0.06 167	0.04 25	0.06 188	0.05 190	0.05 168	0.04 72

Any-RAFT	0.10 241	0.05 41	0.09 121	0.14 59	0.07 132	0.13 354	0.14 235	0.21 360	0.15 241	0.11 260	0.12 264	0.12 304	0.09 265	0.12 290	0.09 102	0.07 336	0.04 25	0.05 48	0.04 59	0.06 290	0.05 203

RAFT-Test	0.09 172	0.06 107	0.10 185	0.15 113	0.07 132	0.11 251	0.15 319	0.16 223	0.13 184	0.09 180	0.10 193	0.10 254	0.09 265	0.12 290	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

HH	0.09 172	0.06 107	0.13 339	0.17 296	0.08 212	0.10 199	0.16 388	0.14 143	0.10 74	0.08 128	0.09 157	0.08 183	0.07 178	0.10 121	0.09 102	0.06 167	0.04 25	0.06 188	0.05 190	0.05 168	0.04 72

HanStereo	0.09 172	0.06 107	0.13 339	0.17 296	0.08 212	0.10 199	0.16 388	0.14 143	0.10 74	0.08 128	0.09 157	0.08 183	0.07 178	0.10 121	0.09 102	0.06 167	0.04 25	0.06 188	0.05 190	0.05 168	0.04 72

4D-IteraStereo	0.09 172	0.07 225	0.10 185	0.18 386	0.07 132	0.09 136	0.15 319	0.17 262	0.15 241	0.10 225	0.11 243	0.10 254	0.07 178	0.11 196	0.09 102	0.05 51	0.03 1	0.08 393	0.07 379	0.06 290	0.05 203

LoS_RVC	0.08 84	0.05 41	0.07 11	0.15 113	0.07 132	0.08 83	0.15 319	0.11 56	0.10 74	0.08 128	0.09 157	0.06 42	0.09 265	0.10 121	0.09 102	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.03 2

anonymousdsp	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.09 180	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

Selective-IGEV	0.07 7	0.06 107	0.08 56	0.17 296	0.06 27	0.08 83	0.12 96	0.13 112	0.07 15	0.08 128	0.07 64	0.06 42	0.04 1	0.10 121	0.09 102	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

ProNet	0.09 172	0.07 225	0.10 185	0.17 296	0.08 212	0.10 199	0.15 319	0.15 185	0.12 142	0.09 180	0.06 23	0.07 123	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.06 304

ccc-4	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.10 225	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

RAFT_CTSACE	0.12 360	0.09 424	0.10 185	0.22 570	0.08 212	0.12 303	0.24 596	0.18 296	0.16 278	0.20 497	0.27 508	0.13 330	0.07 178	0.13 342	0.09 102	0.05 51	0.06 416	0.08 393	0.07 379	0.04 48	0.04 72

IGEV-Stereo	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.09 180	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 172	0.05 41	0.13 339	0.14 59	0.08 212	0.12 303	0.15 319	0.18 296	0.10 74	0.11 260	0.08 122	0.08 183	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.06 188	0.05 190	0.06 290	0.05 203

RAFT	0.13 386	0.09 424	0.11 244	0.18 386	0.08 212	0.15 414	0.24 596	0.20 337	0.19 357	0.21 511	0.21 422	0.17 417	0.12 368	0.16 430	0.09 102	0.06 167	0.07 488	0.10 524	0.09 499	0.05 168	0.05 203

test-1	0.10 241	0.07 225	0.16 460	0.19 455	0.08 212	0.11 251	0.24 596	0.14 143	0.18 338	0.09 180	0.07 64	0.09 219	0.08 227	0.07 4	0.09 102	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

TANstereo	0.09 172	0.04 1	0.08 56	0.13 16	0.06 27	0.11 251	0.14 235	0.15 185	0.19 357	0.11 260	0.15 314	0.10 254	0.06 65	0.12 290	0.09 102	0.07 336	0.05 268	0.05 48	0.04 59	0.06 290	0.05 203

test_xeample3	0.09 172	0.06 107	0.12 289	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.13 184	0.10 225	0.06 23	0.08 183	0.06 65	0.10 121	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

RAFT-Stereo + iAFF	0.09 172	0.06 107	0.10 185	0.17 296	0.06 27	0.10 199	0.16 388	0.17 262	0.14 216	0.09 180	0.10 193	0.08 183	0.09 265	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.06 281	0.04 48	0.03 2

AFF-stereo	0.09 172	0.06 107	0.10 185	0.17 296	0.07 132	0.10 199	0.16 388	0.17 262	0.09 50	0.10 225	0.12 264	0.09 219	0.09 265	0.12 290	0.09 102	0.05 51	0.04 25	0.07 299	0.07 379	0.04 48	0.03 2

CFNet-RSSM	0.09 172	0.07 225	0.09 121	0.16 209	0.07 132	0.09 136	0.15 319	0.16 223	0.17 307	0.08 128	0.12 264	0.10 254	0.09 265	0.11 196	0.09 102	0.06 167	0.04 25	0.06 188	0.04 59	0.04 48	0.04 72

Gwc-CoAtRS	0.09 172	0.06 107	0.10 185	0.16 209	0.07 132	0.10 199	0.14 235	0.17 262	0.17 307	0.08 128	0.10 193	0.12 304	0.09 265	0.12 290	0.09 102	0.06 167	0.04 25	0.06 188	0.04 59	0.04 48	0.04 72

derf	0.07 7	0.04 1	0.10 185	0.14 59	0.06 27	0.05 4	0.12 96	0.12 83	0.09 50	0.05 2	0.07 64	0.07 123	0.08 227	0.10 121	0.10 206	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

LiteMatch*	0.08 84	0.04 1	0.11 244	0.13 16	0.08 212	0.08 83	0.13 170	0.14 143	0.09 50	0.05 2	0.05 7	0.05 5	0.09 265	0.11 196	0.10 206	0.06 167	0.05 268	0.05 48	0.04 59	0.05 168	0.05 203

RT-Monster	0.09 172	0.05 41	0.09 121	0.14 59	0.08 212	0.11 251	0.10 35	0.17 262	0.18 338	0.13 331	0.10 193	0.09 219	0.08 227	0.10 121	0.10 206	0.07 336	0.05 268	0.05 48	0.04 59	0.05 168	0.06 304

Foundation-i1c-attn	0.08 84	0.05 41	0.07 11	0.14 59	0.05 2	0.09 136	0.12 96	0.12 83	0.10 74	0.09 180	0.10 193	0.10 254	0.07 178	0.07 4	0.10 206	0.06 167	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

Selective-IGEV-i16pc	0.13 386	0.06 107	0.13 339	0.15 113	0.11 501	0.38 643	0.16 388	0.23 405	0.16 278	0.10 225	0.15 314	0.09 219	0.06 65	0.13 342	0.10 206	0.10 514	0.08 518	0.06 188	0.07 379	0.09 497	0.09 501

Foundation-i1	0.09 172	0.04 1	0.10 185	0.14 59	0.06 27	0.10 199	0.13 170	0.16 223	0.14 216	0.10 225	0.10 193	0.11 284	0.07 178	0.07 4	0.10 206	0.06 167	0.04 25	0.05 48	0.05 190	0.05 168	0.05 203

Test_v1	0.07 7	0.04 1	0.06 5	0.13 16	0.06 27	0.08 83	0.11 64	0.15 185	0.12 142	0.06 25	0.05 7	0.04 1	0.05 14	0.08 25	0.10 206	0.07 336	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

VMStereo-Base	0.09 172	0.05 41	0.10 185	0.13 16	0.07 132	0.10 199	0.10 35	0.16 223	0.13 184	0.10 225	0.15 314	0.10 254	0.09 265	0.11 196	0.10 206	0.07 336	0.05 268	0.05 48	0.04 59	0.05 168	0.06 304

WQFJA1++	0.08 84	0.04 1	0.11 244	0.14 59	0.07 132	0.11 251	0.11 64	0.11 56	0.07 15	0.07 74	0.07 64	0.07 123	0.06 65	0.10 121	0.10 206	0.06 167	0.04 25	0.05 48	0.04 59	0.06 290	0.06 304

BridgeDepth_RVC	0.07 7	0.04 1	0.09 121	0.11 1	0.05 2	0.10 199	0.10 35	0.14 143	0.09 50	0.06 25	0.07 64	0.06 42	0.07 178	0.07 4	0.10 206	0.06 167	0.04 25	0.04 1	0.04 59	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
WQFJX	0.10 241	0.07 225	0.09 121	0.21 553	0.09 339	0.12 303	0.16 388	0.18 296	0.17 307	0.12 301	0.10 193	0.07 123	0.09 265	0.12 290	0.10 206	0.06 167	0.07 488	0.06 188	0.05 190	0.06 290	0.05 203

LCMNet	0.08 84	0.05 41	0.10 185	0.13 16	0.07 132	0.09 136	0.12 96	0.10 33	0.11 105	0.06 25	0.08 122	0.06 42	0.07 178	0.11 196	0.10 206	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.04 72

NLCSM	0.11 289	0.09 424	0.09 121	0.23 594	0.11 501	0.12 303	0.19 519	0.18 296	0.18 338	0.12 301	0.11 243	0.07 123	0.09 265	0.11 196	0.10 206	0.07 336	0.08 518	0.07 299	0.07 379	0.06 290	0.05 203

DDF-Stereo	0.08 84	0.04 1	0.09 121	0.15 113	0.10 451	0.06 14	0.13 170	0.09 20	0.14 216	0.06 25	0.06 23	0.07 123	0.06 65	0.09 58	0.10 206	0.06 167	0.04 25	0.06 188	0.04 59	0.08 434	0.05 203

252Zero-FE	0.08 84	0.04 1	0.09 121	0.13 16	0.07 132	0.12 303	0.11 64	0.13 112	0.14 216	0.06 25	0.05 7	0.06 42	0.05 14	0.09 58	0.10 206	0.06 167	0.04 25	0.04 1	0.03 1	0.05 168	0.06 304

DA	0.08 84	0.07 225	0.07 11	0.19 455	0.08 212	0.09 136	0.12 96	0.13 112	0.12 142	0.08 128	0.10 193	0.10 254	0.08 227	0.09 58	0.10 206	0.05 51	0.04 25	0.06 188	0.04 59	0.05 168	0.03 2

Replicate-Monster	0.07 7	0.05 41	0.09 121	0.14 59	0.06 27	0.08 83	0.09 20	0.13 112	0.13 184	0.05 2	0.07 64	0.06 42	0.06 65	0.08 25	0.10 206	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

zero-FE	0.08 84	0.04 1	0.09 121	0.15 113	0.10 451	0.05 4	0.14 235	0.09 20	0.14 216	0.07 74	0.06 23	0.07 123	0.06 65	0.09 58	0.10 206	0.06 167	0.04 25	0.06 188	0.04 59	0.08 434	0.05 203

GGEV	0.08 84	0.07 225	0.07 11	0.19 455	0.08 212	0.09 136	0.12 96	0.13 112	0.12 142	0.08 128	0.10 193	0.10 254	0.08 227	0.09 58	0.10 206	0.05 51	0.04 25	0.06 188	0.04 59	0.05 168	0.03 2

AdaDepth	0.07 7	0.06 107	0.07 11	0.18 386	0.06 27	0.11 251	0.12 96	0.09 20	0.07 15	0.06 25	0.05 7	0.07 123	0.06 65	0.09 58	0.10 206	0.04 11	0.05 268	0.05 48	0.04 59	0.04 48	0.04 72

asda	0.07 7	0.08 344	0.08 56	0.16 209	0.06 27	0.06 14	0.10 35	0.16 223	0.10 74	0.06 25	0.06 23	0.05 5	0.05 14	0.10 121	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 172	0.05 41	0.08 56	0.15 113	0.06 27	0.11 251	0.12 96	0.14 143	0.16 278	0.11 260	0.11 243	0.09 219	0.09 265	0.11 196	0.10 206	0.06 167	0.05 268	0.05 48	0.04 59	0.03 1	0.03 2

2.25w	0.07 7	0.06 107	0.07 11	0.14 59	0.06 27	0.08 83	0.08 7	0.10 33	0.15 241	0.08 128	0.10 193	0.07 123	0.06 65	0.08 25	0.10 206	0.05 51	0.03 1	0.04 1	0.04 59	0.03 1	0.04 72

4.25_new	0.07 7	0.08 344	0.09 121	0.15 113	0.06 27	0.09 136	0.08 7	0.14 143	0.08 24	0.07 74	0.07 64	0.06 42	0.06 65	0.12 290	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 344	0.09 121	0.15 113	0.06 27	0.09 136	0.08 7	0.14 143	0.08 24	0.07 74	0.07 64	0.06 42	0.06 65	0.12 290	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 424	0.08 56	0.15 113	0.07 132	0.06 14	0.10 35	0.14 143	0.11 105	0.06 25	0.08 122	0.06 42	0.06 65	0.08 25	0.10 206	0.03 1	0.03 1	0.04 1	0.04 59	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 424	0.08 56	0.15 113	0.07 132	0.06 14	0.10 35	0.14 143	0.11 105	0.06 25	0.08 122	0.06 42	0.06 65	0.08 25	0.10 206	0.03 1	0.03 1	0.04 1	0.04 59	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 344	0.09 121	0.15 113	0.06 27	0.09 136	0.08 7	0.14 143	0.08 24	0.07 74	0.07 64	0.06 42	0.06 65	0.12 290	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 344	0.08 56	0.16 209	0.06 27	0.07 43	0.08 7	0.12 83	0.08 24	0.07 74	0.07 64	0.05 5	0.06 65	0.09 58	0.10 206	0.03 1	0.03 1	0.04 1	0.04 59	0.04 48	0.03 2

3.75w	0.07 7	0.07 225	0.08 56	0.16 209	0.07 132	0.07 43	0.09 20	0.16 223	0.09 50	0.07 74	0.06 23	0.05 5	0.06 65	0.09 58	0.10 206	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

MLG-Stereo_test3	0.07 7	0.05 41	0.10 185	0.14 59	0.06 27	0.07 43	0.11 64	0.08 11	0.06 6	0.06 25	0.04 1	0.06 42	0.06 65	0.07 4	0.10 206	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.06 304

MM-Stereo_test1	0.10 241	0.07 225	0.08 56	0.18 386	0.07 132	0.12 303	0.18 479	0.21 360	0.20 380	0.09 180	0.11 243	0.08 183	0.06 65	0.10 121	0.10 206	0.06 167	0.05 268	0.07 299	0.06 281	0.05 168	0.04 72

AIO_test	0.07 7	0.05 41	0.07 11	0.15 113	0.07 132	0.06 14	0.14 235	0.10 33	0.10 74	0.07 74	0.07 64	0.06 42	0.05 14	0.08 25	0.10 206	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

castereo	0.09 172	0.06 107	0.11 244	0.15 113	0.06 27	0.11 251	0.15 319	0.14 143	0.18 338	0.08 128	0.10 193	0.11 284	0.08 227	0.09 58	0.10 206	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

SMoEStereo_RVC	0.08 84	0.06 107	0.12 289	0.16 209	0.07 132	0.09 136	0.14 235	0.11 56	0.13 184	0.09 180	0.07 64	0.07 123	0.07 178	0.12 290	0.10 206	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

tt45	0.09 172	0.06 107	0.11 244	0.15 113	0.07 132	0.11 251	0.16 388	0.13 112	0.11 105	0.09 180	0.06 23	0.08 183	0.06 65	0.13 342	0.10 206	0.06 167	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

999	0.09 172	0.05 41	0.13 339	0.15 113	0.08 212	0.10 199	0.14 235	0.15 185	0.11 105	0.10 225	0.08 122	0.08 183	0.08 227	0.16 430	0.10 206	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.05 203

tg	0.10 241	0.06 107	0.10 185	0.18 386	0.08 212	0.11 251	0.16 388	0.20 337	0.12 142	0.08 128	0.11 243	0.11 284	0.07 178	0.11 196	0.10 206	0.05 51	0.04 25	0.08 393	0.08 452	0.04 48	0.04 72

model_zeroshot	0.10 241	0.04 1	0.11 244	0.15 113	0.09 339	0.12 303	0.14 235	0.20 337	0.13 184	0.11 260	0.10 193	0.12 304	0.07 178	0.12 290	0.10 206	0.07 336	0.06 416	0.06 188	0.05 190	0.06 290	0.06 304

Occ-G	0.08 84	0.05 41	0.06 5	0.14 59	0.07 132	0.08 83	0.14 235	0.13 112	0.15 241	0.07 74	0.11 243	0.07 123	0.05 14	0.09 58	0.10 206	0.06 167	0.05 268	0.05 48	0.04 59	0.05 168	0.05 203

rvit_stereo_0080	0.10 241	0.08 344	0.14 376	0.15 113	0.09 339	0.07 43	0.15 319	0.16 223	0.16 278	0.11 260	0.10 193	0.14 350	0.08 227	0.12 290	0.10 206	0.09 473	0.07 488	0.07 299	0.06 281	0.07 370	0.05 203

trnet	0.08 84	0.05 41	0.07 11	0.12 5	0.05 2	0.12 303	0.11 64	0.13 112	0.10 74	0.08 128	0.13 283	0.09 219	0.08 227	0.11 196	0.10 206	0.08 413	0.05 268	0.05 48	0.03 1	0.06 290	0.05 203

H2IRNET	0.10 241	0.09 424	0.09 121	0.18 386	0.09 339	0.12 303	0.15 319	0.14 143	0.21 396	0.10 225	0.10 193	0.10 254	0.10 304	0.10 121	0.10 206	0.05 51	0.04 25	0.08 393	0.08 452	0.06 290	0.05 203

AE-Stereo	0.10 241	0.08 344	0.10 185	0.18 386	0.09 339	0.10 199	0.15 319	0.14 143	0.19 357	0.09 180	0.14 297	0.12 304	0.08 227	0.11 196	0.10 206	0.05 51	0.06 416	0.07 299	0.06 281	0.05 168	0.04 72

whm_eth	0.10 241	0.08 344	0.14 376	0.15 113	0.09 339	0.07 43	0.15 319	0.16 223	0.16 278	0.11 260	0.10 193	0.14 350	0.08 227	0.12 290	0.10 206	0.09 473	0.07 488	0.07 299	0.06 281	0.07 370	0.05 203

MSKI-zero shot	0.09 172	0.05 41	0.09 121	0.15 113	0.07 132	0.10 199	0.13 170	0.14 143	0.13 184	0.09 180	0.09 157	0.09 219	0.06 65	0.12 290	0.10 206	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

StereoVision	0.13 386	0.12 530	0.09 121	0.24 603	0.10 451	0.15 414	0.21 562	0.21 360	0.20 380	0.12 301	0.24 454	0.10 254	0.10 304	0.16 430	0.10 206	0.09 473	0.11 584	0.12 575	0.12 593	0.06 290	0.05 203

CASnet	0.09 172	0.09 424	0.09 121	0.19 455	0.06 27	0.07 43	0.11 64	0.18 296	0.14 216	0.11 260	0.10 193	0.09 219	0.07 178	0.10 121	0.10 206	0.06 167	0.04 25	0.10 524	0.08 452	0.05 168	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 172	0.07 225	0.13 339	0.18 386	0.06 27	0.11 251	0.07 3	0.13 112	0.12 142	0.09 180	0.10 193	0.07 123	0.09 265	0.13 342	0.10 206	0.06 167	0.05 268	0.05 48	0.04 59	0.04 48	0.05 203

LL-Strereo2	0.10 241	0.10 486	0.15 424	0.18 386	0.08 212	0.15 414	0.09 20	0.17 262	0.14 216	0.14 353	0.10 193	0.09 219	0.07 178	0.16 430	0.10 206	0.05 51	0.05 268	0.10 524	0.07 379	0.06 290	0.05 203

LoS	0.09 172	0.05 41	0.11 244	0.13 16	0.07 132	0.14 388	0.11 64	0.15 185	0.15 241	0.09 180	0.09 157	0.12 304	0.09 265	0.15 395	0.10 206	0.07 336	0.05 268	0.05 48	0.03 1	0.05 168	0.05 203
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MC-Stereo	0.08 84	0.06 107	0.09 121	0.17 296	0.06 27	0.10 199	0.14 235	0.12 83	0.10 74	0.09 180	0.12 264	0.09 219	0.06 65	0.11 196	0.10 206	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

DisPM	0.11 289	0.07 225	0.12 289	0.16 209	0.09 339	0.06 14	0.13 170	0.17 262	0.17 307	0.14 353	0.20 399	0.12 304	0.10 304	0.11 196	0.10 206	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.11 557

Sa-1000	0.12 360	0.08 344	0.08 56	0.18 386	0.08 212	0.14 388	0.22 572	0.22 384	0.18 338	0.15 380	0.20 399	0.17 417	0.11 337	0.10 121	0.10 206	0.06 167	0.05 268	0.09 476	0.09 499	0.05 168	0.05 203

test-3	0.08 84	0.06 107	0.09 121	0.17 296	0.07 132	0.07 43	0.14 235	0.12 83	0.15 241	0.09 180	0.08 122	0.07 123	0.08 227	0.11 196	0.10 206	0.05 51	0.04 25	0.07 299	0.05 190	0.04 48	0.04 72

test_1	0.08 84	0.06 107	0.09 121	0.17 296	0.07 132	0.07 43	0.14 235	0.12 83	0.15 241	0.09 180	0.08 122	0.07 123	0.08 227	0.11 196	0.10 206	0.05 51	0.04 25	0.07 299	0.05 190	0.04 48	0.04 72

HHNet	0.11 289	0.06 107	0.16 460	0.15 113	0.14 579	0.07 43	0.13 170	0.20 337	0.17 307	0.14 353	0.25 482	0.11 284	0.08 227	0.13 342	0.10 206	0.05 51	0.04 25	0.08 393	0.06 281	0.05 168	0.09 501

Patchmatch Stereo++	0.11 289	0.09 424	0.16 460	0.18 386	0.08 212	0.06 14	0.11 64	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391
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
TransformOpticalFlow	0.10 241	0.08 344	0.13 339	0.18 386	0.07 132	0.09 136	0.15 319	0.19 326	0.15 241	0.12 301	0.17 349	0.11 284	0.11 337	0.11 196	0.10 206	0.05 51	0.04 25	0.06 188	0.06 281	0.05 168	0.05 203

NRIStereo	0.11 289	0.08 344	0.14 376	0.18 386	0.08 212	0.10 199	0.14 235	0.16 223	0.15 241	0.12 301	0.14 297	0.13 330	0.12 368	0.13 342	0.10 206	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.07 391

PSM-adaLoss	0.11 289	0.09 424	0.16 460	0.18 386	0.08 212	0.06 14	0.12 96	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

PSM-AAD	0.11 289	0.07 225	0.10 185	0.19 455	0.09 339	0.10 199	0.15 319	0.20 337	0.13 184	0.12 301	0.14 297	0.18 431	0.11 337	0.11 196	0.10 206	0.05 51	0.05 268	0.09 476	0.08 452	0.06 290	0.14 609

ROB_FTStereo_v2	0.11 289	0.09 424	0.16 460	0.19 455	0.08 212	0.06 14	0.12 96	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

ROB_FTStereo	0.11 289	0.09 424	0.16 460	0.19 455	0.08 212	0.06 14	0.11 64	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

KYRaft	0.11 289	0.07 225	0.10 185	0.19 455	0.09 339	0.08 83	0.15 319	0.22 384	0.12 142	0.13 331	0.16 327	0.20 457	0.10 304	0.12 290	0.10 206	0.05 51	0.04 25	0.08 393	0.08 452	0.06 290	0.16 627

HUI-Stereo	0.11 289	0.09 424	0.16 460	0.18 386	0.08 212	0.06 14	0.12 96	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

ASMatch	0.11 289	0.06 107	0.13 339	0.16 209	0.10 451	0.07 43	0.14 235	0.17 262	0.17 307	0.12 301	0.16 327	0.16 395	0.10 304	0.13 342	0.10 206	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.08 457

iGMRVC	0.11 289	0.09 424	0.16 460	0.19 455	0.08 212	0.06 14	0.12 96	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

IRAFT_RVC	0.12 360	0.08 344	0.16 460	0.19 455	0.08 212	0.07 43	0.15 319	0.24 429	0.23 422	0.14 353	0.14 297	0.15 379	0.12 368	0.12 290	0.10 206	0.06 167	0.04 25	0.09 476	0.06 281	0.06 290	0.06 304

iRAFT	0.11 289	0.09 424	0.16 460	0.18 386	0.08 212	0.06 14	0.11 64	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

AnonymousM	0.09 172	0.05 41	0.10 185	0.14 59	0.06 27	0.09 136	0.13 170	0.19 326	0.14 216	0.13 331	0.11 243	0.09 219	0.08 227	0.13 342	0.10 206	0.08 413	0.05 268	0.08 393	0.05 190	0.05 168	0.05 203

RAFT-IKP	0.11 289	0.09 424	0.16 460	0.19 455	0.08 212	0.06 14	0.12 96	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

Prome-Stereo	0.11 289	0.06 107	0.10 185	0.18 386	0.08 212	0.12 303	0.15 319	0.22 384	0.13 184	0.12 301	0.17 349	0.13 330	0.08 227	0.12 290	0.10 206	0.05 51	0.04 25	0.07 299	0.06 281	0.06 290	0.09 501

iRaftStereo_RVC	0.10 241	0.07 225	0.09 121	0.17 296	0.09 339	0.11 251	0.17 430	0.18 296	0.12 142	0.09 180	0.12 264	0.10 254	0.07 178	0.11 196	0.10 206	0.05 51	0.04 25	0.08 393	0.08 452	0.04 48	0.04 72

XX-TBD	0.09 172	0.06 107	0.07 11	0.14 59	0.07 132	0.12 303	0.16 388	0.14 143	0.13 184	0.11 260	0.12 264	0.09 219	0.08 227	0.10 121	0.10 206	0.06 167	0.04 25	0.05 48	0.03 1	0.06 290	0.05 203

raftrobust	0.09 172	0.06 107	0.10 185	0.17 296	0.08 212	0.09 136	0.10 35	0.18 296	0.16 278	0.10 225	0.09 157	0.12 304	0.07 178	0.12 290	0.10 206	0.08 413	0.05 268	0.06 188	0.05 190	0.05 168	0.05 203

sAnonymous2	0.13 386	0.12 530	0.24 566	0.20 521	0.12 535	0.17 466	0.13 170	0.26 464	0.21 396	0.11 260	0.11 243	0.13 330	0.08 227	0.10 121	0.10 206	0.09 473	0.05 268	0.08 393	0.06 281	0.15 617	0.10 530

CroCo_RVC	0.13 386	0.12 530	0.24 566	0.20 521	0.12 535	0.17 466	0.13 170	0.26 464	0.21 396	0.11 260	0.11 243	0.13 330	0.08 227	0.10 121	0.10 206	0.09 473	0.05 268	0.08 393	0.06 281	0.15 617	0.10 530

111	0.10 241	0.06 107	0.12 289	0.15 113	0.07 132	0.10 199	0.14 235	0.21 360	0.23 422	0.11 260	0.12 264	0.14 350	0.11 337	0.13 342	0.10 206	0.06 167	0.04 25	0.06 188	0.04 59	0.05 168	0.05 203

CREStereo	0.09 172	0.04 1	0.08 56	0.11 1	0.06 27	0.13 354	0.14 235	0.14 143	0.10 74	0.08 128	0.13 283	0.09 219	0.08 227	0.11 196	0.10 206	0.08 413	0.04 25	0.05 48	0.03 1	0.06 290	0.06 304
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	0.09 172	0.05 41	0.09 121	0.12 5	0.06 27	0.12 303	0.14 235	0.15 185	0.11 105	0.09 180	0.13 283	0.10 254	0.07 178	0.13 342	0.10 206	0.15 614	0.04 25	0.05 48	0.03 1	0.07 370	0.06 304

RT-IGEV	0.13 386	0.06 107	0.13 339	0.15 113	0.09 339	0.15 414	0.17 430	0.24 429	0.27 484	0.16 408	0.17 349	0.17 417	0.10 304	0.14 371	0.11 287	0.08 413	0.05 268	0.07 299	0.05 190	0.07 370	0.07 391

GeoVLM	0.08 84	0.04 1	0.10 185	0.13 16	0.06 27	0.10 199	0.12 96	0.13 112	0.08 24	0.06 25	0.07 64	0.06 42	0.08 227	0.10 121	0.11 287	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

Hybrid-DGEV-03	0.10 241	0.06 107	0.09 121	0.18 386	0.08 212	0.16 444	0.14 235	0.15 185	0.14 216	0.13 331	0.16 327	0.12 304	0.09 265	0.13 342	0.11 287	0.06 167	0.04 25	0.08 393	0.06 281	0.05 168	0.04 72

BStereo	0.08 84	0.06 107	0.16 460	0.15 113	0.08 212	0.07 43	0.09 20	0.15 185	0.16 278	0.06 25	0.07 64	0.07 123	0.05 14	0.09 58	0.11 287	0.04 11	0.05 268	0.05 48	0.07 379	0.04 48	0.04 72

Wave_Phase_stereo	0.09 172	0.06 107	0.16 460	0.15 113	0.08 212	0.11 251	0.09 20	0.18 296	0.16 278	0.06 25	0.07 64	0.07 123	0.05 14	0.09 58	0.11 287	0.04 11	0.05 268	0.05 48	0.07 379	0.04 48	0.04 72

WQFJA1	0.10 241	0.07 225	0.08 56	0.20 521	0.09 339	0.12 303	0.17 430	0.17 262	0.17 307	0.09 180	0.10 193	0.08 183	0.10 304	0.12 290	0.11 287	0.06 167	0.07 488	0.07 299	0.06 281	0.06 290	0.05 203

NLMM1	0.11 289	0.09 424	0.07 11	0.22 570	0.10 451	0.12 303	0.20 542	0.18 296	0.20 380	0.12 301	0.11 243	0.07 123	0.09 265	0.11 196	0.11 287	0.08 413	0.08 518	0.07 299	0.06 281	0.04 48	0.04 72

NLMM	0.10 241	0.07 225	0.08 56	0.20 521	0.09 339	0.12 303	0.17 430	0.17 262	0.17 307	0.09 180	0.10 193	0.08 183	0.10 304	0.12 290	0.11 287	0.06 167	0.07 488	0.07 299	0.06 281	0.06 290	0.05 203

NLSM3	0.09 172	0.06 107	0.08 56	0.19 455	0.08 212	0.11 251	0.16 388	0.18 296	0.16 278	0.06 25	0.08 122	0.07 123	0.08 227	0.09 58	0.11 287	0.04 11	0.04 25	0.06 188	0.07 379	0.03 1	0.03 2

NLSM1	0.10 241	0.07 225	0.07 11	0.19 455	0.08 212	0.13 354	0.16 388	0.21 360	0.15 241	0.11 260	0.10 193	0.06 42	0.10 304	0.10 121	0.11 287	0.07 336	0.08 518	0.08 393	0.07 379	0.05 168	0.05 203

MonSter++	0.08 84	0.04 1	0.10 185	0.13 16	0.06 27	0.09 136	0.12 96	0.13 112	0.08 24	0.06 25	0.07 64	0.06 42	0.08 227	0.10 121	0.11 287	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.04 72

HiDET	0.08 84	0.04 1	0.10 185	0.13 16	0.06 27	0.08 83	0.12 96	0.12 83	0.11 105	0.06 25	0.07 64	0.07 123	0.07 178	0.11 196	0.11 287	0.06 167	0.04 25	0.04 1	0.03 1	0.04 48	0.04 72

FlowAnything_test	0.11 289	0.08 344	0.14 376	0.15 113	0.09 339	0.07 43	0.14 235	0.20 337	0.11 105	0.09 180	0.09 157	0.12 304	0.12 368	0.13 342	0.11 287	0.09 473	0.06 416	0.09 476	0.09 499	0.06 290	0.09 501

2.75w_new	0.07 7	0.07 225	0.07 11	0.13 16	0.06 27	0.08 83	0.08 7	0.18 296	0.12 142	0.07 74	0.08 122	0.06 42	0.06 65	0.09 58	0.11 287	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 72

xyz-stereo-finetune2	0.11 289	0.07 225	0.13 339	0.13 16	0.07 132	0.11 251	0.19 519	0.17 262	0.12 142	0.15 380	0.15 314	0.17 417	0.12 368	0.13 342	0.11 287	0.05 51	0.04 25	0.07 299	0.05 190	0.04 48	0.06 304

xyz-stereo-finetune	0.11 289	0.08 344	0.13 339	0.14 59	0.06 27	0.10 199	0.19 519	0.17 262	0.19 357	0.12 301	0.14 297	0.15 379	0.10 304	0.13 342	0.11 287	0.05 51	0.04 25	0.07 299	0.05 190	0.04 48	0.05 203

S2M2_L	0.09 172	0.08 344	0.11 244	0.13 16	0.10 451	0.08 83	0.06 1	0.10 33	0.10 74	0.10 225	0.09 157	0.10 254	0.09 265	0.11 196	0.11 287	0.13 596	0.07 488	0.08 393	0.09 499	0.10 530	0.08 457
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
fffy	0.09 172	0.08 344	0.09 121	0.16 209	0.07 132	0.13 354	0.17 430	0.13 112	0.12 142	0.08 128	0.09 157	0.08 183	0.09 265	0.13 342	0.11 287	0.05 51	0.05 268	0.07 299	0.05 190	0.04 48	0.05 203

RAFT-Stereo-weight	0.09 172	0.06 107	0.10 185	0.16 209	0.07 132	0.09 136	0.14 235	0.19 326	0.16 278	0.11 260	0.10 193	0.08 183	0.06 65	0.10 121	0.11 287	0.06 167	0.04 25	0.06 188	0.04 59	0.04 48	0.04 72

qqq1	0.13 386	0.07 225	0.17 490	0.14 59	0.08 212	0.16 444	0.17 430	0.26 464	0.27 484	0.19 474	0.20 399	0.18 431	0.15 450	0.15 395	0.11 287	0.08 413	0.05 268	0.05 48	0.05 190	0.06 290	0.06 304

fff1	0.13 386	0.07 225	0.17 490	0.14 59	0.08 212	0.16 444	0.17 430	0.26 464	0.27 484	0.19 474	0.20 399	0.18 431	0.15 450	0.15 395	0.11 287	0.08 413	0.05 268	0.05 48	0.05 190	0.06 290	0.06 304

CoDeX	0.12 360	0.07 225	0.12 289	0.17 296	0.08 212	0.12 303	0.15 319	0.23 405	0.27 484	0.13 331	0.17 349	0.16 395	0.11 337	0.14 371	0.11 287	0.07 336	0.05 268	0.07 299	0.06 281	0.06 290	0.05 203

LL-Strereo	0.13 386	0.09 424	0.11 244	0.20 521	0.10 451	0.11 251	0.18 479	0.32 555	0.24 439	0.15 380	0.15 314	0.14 350	0.13 408	0.19 501	0.11 287	0.06 167	0.04 25	0.09 476	0.08 452	0.04 48	0.05 203

anonymousdsp2	0.11 289	0.07 225	0.10 185	0.16 209	0.09 339	0.13 354	0.14 235	0.18 296	0.22 410	0.13 331	0.14 297	0.12 304	0.09 265	0.14 371	0.11 287	0.05 51	0.04 25	0.05 48	0.04 59	0.06 290	0.05 203

EGLCR-Stereo	0.08 84	0.05 41	0.08 56	0.14 59	0.06 27	0.10 199	0.12 96	0.11 56	0.16 278	0.06 25	0.05 7	0.07 123	0.05 14	0.10 121	0.11 287	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

DCRE	0.11 289	0.07 225	0.13 339	0.16 209	0.11 501	0.11 251	0.17 430	0.18 296	0.17 307	0.11 260	0.18 376	0.10 254	0.10 304	0.15 395	0.11 287	0.06 167	0.05 268	0.06 188	0.06 281	0.05 168	0.04 72

knoymous	0.11 289	0.05 41	0.12 289	0.13 16	0.07 132	0.15 414	0.14 235	0.19 326	0.13 184	0.11 260	0.17 349	0.13 330	0.09 265	0.13 342	0.11 287	0.08 413	0.05 268	0.06 188	0.05 190	0.08 434	0.07 391

Selective-RAFT	0.11 289	0.10 486	0.11 244	0.21 553	0.08 212	0.16 444	0.13 170	0.20 337	0.22 410	0.10 225	0.10 193	0.11 284	0.10 304	0.15 395	0.11 287	0.05 51	0.05 268	0.06 188	0.05 190	0.06 290	0.05 203

RCA-Stereo	0.09 172	0.06 107	0.09 121	0.16 209	0.06 27	0.09 136	0.13 170	0.18 296	0.14 216	0.09 180	0.10 193	0.08 183	0.07 178	0.12 290	0.11 287	0.06 167	0.04 25	0.06 188	0.05 190	0.05 168	0.04 72

SA	0.12 360	0.09 424	0.08 56	0.18 386	0.08 212	0.12 303	0.24 596	0.23 405	0.18 338	0.17 427	0.27 508	0.14 350	0.11 337	0.11 196	0.11 287	0.05 51	0.05 268	0.09 476	0.08 452	0.05 168	0.04 72

test_4	0.10 241	0.10 486	0.08 56	0.19 455	0.09 339	0.08 83	0.22 572	0.15 185	0.17 307	0.12 301	0.18 376	0.12 304	0.09 265	0.08 25	0.11 287	0.04 11	0.04 25	0.08 393	0.08 452	0.04 48	0.03 2

CIPLG	0.11 289	0.08 344	0.14 376	0.17 296	0.08 212	0.12 303	0.15 319	0.17 262	0.15 241	0.14 353	0.11 243	0.16 395	0.09 265	0.16 430	0.11 287	0.07 336	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

GLC_STEREO	0.11 289	0.07 225	0.11 244	0.17 296	0.07 132	0.09 136	0.13 170	0.15 185	0.24 439	0.12 301	0.13 283	0.12 304	0.08 227	0.18 486	0.11 287	0.06 167	0.08 518	0.08 393	0.06 281	0.05 168	0.05 203

IPLGR_C	0.11 289	0.08 344	0.14 376	0.17 296	0.08 212	0.12 303	0.15 319	0.17 262	0.15 241	0.14 353	0.10 193	0.16 395	0.09 265	0.16 430	0.11 287	0.07 336	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

ACRE	0.11 289	0.08 344	0.14 376	0.17 296	0.08 212	0.12 303	0.15 319	0.17 262	0.14 216	0.14 353	0.10 193	0.16 395	0.09 265	0.16 430	0.11 287	0.07 336	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

test_3	0.10 241	0.09 424	0.10 185	0.20 521	0.08 212	0.13 354	0.26 620	0.14 143	0.21 396	0.10 225	0.10 193	0.09 219	0.09 265	0.08 25	0.11 287	0.05 51	0.04 25	0.08 393	0.07 379	0.04 48	0.04 72

PFNet+	0.11 289	0.06 107	0.13 339	0.16 209	0.09 339	0.05 4	0.12 96	0.17 262	0.21 396	0.16 408	0.19 387	0.14 350	0.10 304	0.11 196	0.11 287	0.08 413	0.05 268	0.09 476	0.08 452	0.06 290	0.11 557

LCNet	0.11 289	0.07 225	0.09 121	0.19 455	0.09 339	0.08 83	0.15 319	0.21 360	0.15 241	0.11 260	0.15 314	0.16 395	0.11 337	0.12 290	0.11 287	0.05 51	0.04 25	0.08 393	0.07 379	0.06 290	0.15 616

NF-Stereo	0.11 289	0.07 225	0.13 339	0.17 296	0.09 339	0.10 199	0.14 235	0.23 405	0.19 357	0.12 301	0.17 349	0.12 304	0.11 337	0.11 196	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.12 570

OCTAStereo	0.11 289	0.07 225	0.13 339	0.17 296	0.09 339	0.10 199	0.14 235	0.23 405	0.19 357	0.12 301	0.17 349	0.12 304	0.11 337	0.11 196	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.12 570

PSM-softLoss	0.12 360	0.07 225	0.15 424	0.17 296	0.09 339	0.08 83	0.13 170	0.24 429	0.17 307	0.14 353	0.19 387	0.13 330	0.11 337	0.11 196	0.11 287	0.07 336	0.05 268	0.08 393	0.07 379	0.06 290	0.12 570

KMStereo	0.12 360	0.07 225	0.15 424	0.17 296	0.09 339	0.08 83	0.13 170	0.24 429	0.17 307	0.14 353	0.19 387	0.13 330	0.11 337	0.11 196	0.11 287	0.07 336	0.05 268	0.08 393	0.07 379	0.06 290	0.12 570

SST-Stereo	0.10 241	0.07 225	0.15 424	0.18 386	0.09 339	0.06 14	0.12 96	0.17 262	0.11 105	0.15 380	0.17 349	0.13 330	0.12 368	0.10 121	0.11 287	0.06 167	0.04 25	0.09 476	0.06 281	0.06 290	0.05 203

RAFT_R40	0.11 289	0.07 225	0.14 376	0.18 386	0.09 339	0.06 14	0.13 170	0.17 262	0.16 278	0.14 353	0.18 376	0.15 379	0.12 368	0.10 121	0.11 287	0.06 167	0.04 25	0.09 476	0.06 281	0.06 290	0.05 203

PFNet	0.12 360	0.06 107	0.17 490	0.17 296	0.08 212	0.09 136	0.15 319	0.26 464	0.20 380	0.16 408	0.16 327	0.14 350	0.11 337	0.12 290	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.05 168	0.05 203

GrayStereo	0.11 289	0.06 107	0.11 244	0.19 455	0.09 339	0.09 136	0.16 388	0.18 296	0.17 307	0.14 353	0.17 349	0.17 417	0.11 337	0.12 290	0.11 287	0.05 51	0.05 268	0.07 299	0.06 281	0.05 168	0.10 530

RE-Stereo	0.11 289	0.07 225	0.13 339	0.17 296	0.09 339	0.10 199	0.14 235	0.23 405	0.19 357	0.12 301	0.17 349	0.12 304	0.11 337	0.11 196	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.12 570

Pruner-Stereo	0.11 289	0.07 225	0.12 289	0.17 296	0.09 339	0.06 14	0.12 96	0.17 262	0.17 307	0.13 331	0.19 387	0.13 330	0.09 265	0.11 196	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.08 457

TVStereo	0.11 289	0.07 225	0.13 339	0.17 296	0.09 339	0.10 199	0.14 235	0.23 405	0.19 357	0.12 301	0.17 349	0.12 304	0.11 337	0.11 196	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.12 570

DeepStereo_RVC	0.11 289	0.08 344	0.16 460	0.18 386	0.08 212	0.08 83	0.12 96	0.17 262	0.12 142	0.13 331	0.14 297	0.12 304	0.12 368	0.12 290	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.07 370	0.08 457

CRE-IMP	0.11 289	0.09 424	0.16 460	0.19 455	0.08 212	0.10 199	0.12 96	0.18 296	0.10 74	0.14 353	0.13 283	0.13 330	0.12 368	0.12 290	0.11 287	0.07 336	0.04 25	0.08 393	0.06 281	0.08 434	0.08 457

cross-raft	0.10 241	0.09 424	0.09 121	0.19 455	0.07 132	0.11 251	0.25 611	0.13 112	0.15 241	0.08 128	0.11 243	0.12 304	0.10 304	0.09 58	0.11 287	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

GMM-Stereo	0.11 289	0.07 225	0.10 185	0.18 386	0.09 339	0.08 83	0.15 319	0.23 405	0.16 278	0.11 260	0.15 314	0.13 330	0.11 337	0.11 196	0.11 287	0.05 51	0.04 25	0.08 393	0.07 379	0.06 290	0.09 501

CREStereo++_RVC	0.08 84	0.04 1	0.06 5	0.13 16	0.07 132	0.09 136	0.12 96	0.14 143	0.14 216	0.10 225	0.14 297	0.08 183	0.07 178	0.09 58	0.11 287	0.06 167	0.04 25	0.05 48	0.05 190	0.04 48	0.04 72
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
RALCasStereoNet	0.10 241	0.06 107	0.09 121	0.16 209	0.08 212	0.12 303	0.14 235	0.17 262	0.11 105	0.12 301	0.17 349	0.14 350	0.10 304	0.12 290	0.11 287	0.07 336	0.06 416	0.06 188	0.05 190	0.08 434	0.07 391

RALAANet	0.11 289	0.08 344	0.10 185	0.17 296	0.09 339	0.14 388	0.10 35	0.20 337	0.15 241	0.14 353	0.13 283	0.16 395	0.09 265	0.12 290	0.11 287	0.06 167	0.05 268	0.07 299	0.06 281	0.05 168	0.04 72

sCroCo_RVC	0.12 360	0.09 424	0.23 562	0.24 603	0.11 501	0.19 509	0.14 235	0.17 262	0.14 216	0.10 225	0.13 283	0.12 304	0.07 178	0.14 371	0.11 287	0.08 413	0.08 518	0.08 393	0.08 452	0.05 168	0.07 391

EAI-Stereo	0.09 172	0.07 225	0.11 244	0.15 113	0.06 27	0.10 199	0.15 319	0.16 223	0.09 50	0.08 128	0.09 157	0.08 183	0.07 178	0.09 58	0.11 287	0.05 51	0.04 25	0.05 48	0.05 190	0.05 168	0.04 72

SFCPSM	0.13 386	0.07 225	0.14 376	0.17 296	0.09 339	0.15 414	0.16 388	0.28 505	0.27 484	0.14 353	0.17 349	0.12 304	0.13 408	0.14 371	0.11 287	0.08 413	0.05 268	0.07 299	0.07 379	0.07 370	0.06 304

R-Stereo Train	0.10 241	0.06 107	0.10 185	0.17 296	0.08 212	0.11 251	0.14 235	0.23 405	0.11 105	0.12 301	0.19 387	0.11 284	0.08 227	0.09 58	0.11 287	0.07 336	0.05 268	0.06 188	0.05 190	0.05 168	0.05 203

RAFT-Stereo	0.10 241	0.06 107	0.10 185	0.17 296	0.08 212	0.11 251	0.14 235	0.23 405	0.11 105	0.12 301	0.19 387	0.11 284	0.08 227	0.09 58	0.11 287	0.07 336	0.05 268	0.06 188	0.05 190	0.05 168	0.05 203
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
TS12	0.08 84	0.06 107	0.09 121	0.21 553	0.07 132	0.11 251	0.13 170	0.11 56	0.09 50	0.10 225	0.10 193	0.08 183	0.10 304	0.09 58	0.12 348	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

Selective-IGEV-i16pb	0.14 423	0.08 344	0.17 490	0.15 113	0.11 501	0.41 648	0.16 388	0.28 505	0.23 422	0.11 260	0.20 399	0.10 254	0.07 178	0.17 464	0.12 348	0.10 514	0.07 488	0.06 188	0.08 452	0.09 497	0.10 530

xyz-stereo	0.13 386	0.07 225	0.20 538	0.15 113	0.05 2	0.20 525	0.15 319	0.17 262	0.31 524	0.15 380	0.29 534	0.26 532	0.16 478	0.13 342	0.12 348	0.05 51	0.05 268	0.06 188	0.05 190	0.04 48	0.04 72

fffft	0.09 172	0.06 107	0.12 289	0.16 209	0.07 132	0.09 136	0.17 430	0.12 83	0.11 105	0.08 128	0.07 64	0.09 219	0.06 65	0.11 196	0.12 348	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.05 203
1: 1. 1
mms	0.09 172	0.07 225	0.08 56	0.16 209	0.08 212	0.10 199	0.16 388	0.12 83	0.11 105	0.08 128	0.09 157	0.08 183	0.06 65	0.11 196	0.12 348	0.05 51	0.04 25	0.07 299	0.05 190	0.04 48	0.03 2

ours_stereo	0.09 172	0.07 225	0.09 121	0.17 296	0.08 212	0.11 251	0.16 388	0.11 56	0.12 142	0.08 128	0.10 193	0.08 183	0.06 65	0.12 290	0.12 348	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.03 2

rvit_0105_6	0.14 423	0.09 424	0.18 514	0.17 296	0.10 451	0.10 199	0.16 388	0.19 326	0.26 474	0.12 301	0.18 376	0.17 417	0.12 368	0.18 486	0.12 348	0.15 614	0.11 584	0.12 575	0.10 539	0.09 497	0.06 304

UGAM	0.13 386	0.10 486	0.09 121	0.22 570	0.08 212	0.12 303	0.20 542	0.17 262	0.23 422	0.21 511	0.16 327	0.13 330	0.13 408	0.19 501	0.12 348	0.07 336	0.05 268	0.13 590	0.11 573	0.07 370	0.05 203

rvit_stereo_0083	0.12 360	0.08 344	0.17 490	0.16 209	0.09 339	0.11 251	0.15 319	0.14 143	0.26 474	0.11 260	0.14 297	0.13 330	0.10 304	0.12 290	0.12 348	0.10 514	0.08 518	0.09 476	0.07 379	0.07 370	0.05 203

rvit_stereo_0081	0.11 289	0.08 344	0.15 424	0.16 209	0.09 339	0.10 199	0.14 235	0.14 143	0.24 439	0.11 260	0.13 283	0.13 330	0.09 265	0.11 196	0.12 348	0.10 514	0.07 488	0.08 393	0.07 379	0.07 370	0.05 203

rvit_stereo_0082	0.11 289	0.08 344	0.15 424	0.16 209	0.09 339	0.10 199	0.14 235	0.14 143	0.24 439	0.11 260	0.13 283	0.13 330	0.09 265	0.11 196	0.12 348	0.10 514	0.07 488	0.08 393	0.07 379	0.07 370	0.05 203

test_sample2	0.12 360	0.07 225	0.12 289	0.14 59	0.08 212	0.16 444	0.18 479	0.21 360	0.16 278	0.14 353	0.20 399	0.19 445	0.15 450	0.15 395	0.12 348	0.08 413	0.05 268	0.07 299	0.06 281	0.08 434	0.07 391

Former-RAFT_DAM_RVC	0.10 241	0.08 344	0.12 289	0.16 209	0.08 212	0.15 414	0.16 388	0.18 296	0.18 338	0.10 225	0.09 157	0.09 219	0.08 227	0.11 196	0.12 348	0.07 336	0.05 268	0.08 393	0.06 281	0.07 370	0.06 304

plain	0.10 241	0.08 344	0.10 185	0.19 455	0.09 339	0.10 199	0.15 319	0.14 143	0.13 184	0.13 331	0.15 314	0.09 219	0.12 368	0.13 342	0.12 348	0.07 336	0.05 268	0.09 476	0.06 281	0.06 290	0.06 304

MIF-Stereo (partial)	0.11 289	0.06 107	0.10 185	0.19 455	0.10 451	0.10 199	0.11 64	0.17 262	0.18 338	0.14 353	0.16 327	0.09 219	0.11 337	0.12 290	0.12 348	0.08 413	0.05 268	0.08 393	0.07 379	0.06 290	0.07 391

EKT-Stereo	0.11 289	0.07 225	0.14 376	0.15 113	0.10 451	0.13 354	0.14 235	0.18 296	0.21 396	0.11 260	0.08 122	0.12 304	0.09 265	0.11 196	0.12 348	0.08 413	0.06 416	0.07 299	0.06 281	0.08 434	0.07 391

riskmin	0.11 289	0.06 107	0.13 339	0.14 59	0.08 212	0.14 388	0.14 235	0.18 296	0.14 216	0.11 260	0.14 297	0.16 395	0.11 337	0.14 371	0.12 348	0.09 473	0.05 268	0.07 299	0.05 190	0.08 434	0.08 457

DCANet-4	0.10 241	0.06 107	0.12 289	0.16 209	0.06 27	0.09 136	0.17 430	0.18 296	0.19 357	0.13 331	0.16 327	0.09 219	0.14 432	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

fff	0.10 241	0.06 107	0.12 289	0.15 113	0.07 132	0.09 136	0.17 430	0.16 223	0.20 380	0.13 331	0.16 327	0.10 254	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

ADStereo(finetuned)	0.10 241	0.06 107	0.12 289	0.16 209	0.06 27	0.09 136	0.17 430	0.15 185	0.19 357	0.13 331	0.17 349	0.10 254	0.12 368	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

raft_robust	0.13 386	0.10 486	0.07 11	0.18 386	0.08 212	0.13 354	0.24 596	0.28 505	0.33 538	0.20 497	0.19 387	0.14 350	0.10 304	0.11 196	0.12 348	0.05 51	0.05 268	0.07 299	0.07 379	0.05 168	0.04 72

RAFT+CT+SA	0.13 386	0.11 512	0.09 121	0.19 455	0.09 339	0.15 414	0.28 633	0.22 384	0.22 410	0.15 380	0.26 499	0.10 254	0.10 304	0.11 196	0.12 348	0.05 51	0.04 25	0.07 299	0.08 452	0.07 370	0.06 304

hknet	0.15 468	0.11 512	0.13 339	0.22 570	0.11 501	0.14 388	0.15 319	0.34 584	0.25 460	0.17 427	0.22 433	0.22 484	0.18 516	0.17 464	0.12 348	0.07 336	0.06 416	0.10 524	0.09 499	0.07 370	0.07 391

DAS	0.15 468	0.08 344	0.18 514	0.19 455	0.10 451	0.19 509	0.17 430	0.27 486	0.29 506	0.18 457	0.25 482	0.21 466	0.15 450	0.16 430	0.12 348	0.08 413	0.06 416	0.06 188	0.06 281	0.07 370	0.07 391

SepStereo	0.15 468	0.08 344	0.18 514	0.19 455	0.10 451	0.19 509	0.17 430	0.27 486	0.29 506	0.18 457	0.25 482	0.21 466	0.15 450	0.25 582	0.12 348	0.08 413	0.06 416	0.06 188	0.06 281	0.07 370	0.07 391

MIPNet	0.11 289	0.08 344	0.14 376	0.17 296	0.09 339	0.12 303	0.14 235	0.20 337	0.24 439	0.11 260	0.10 193	0.09 219	0.07 178	0.13 342	0.12 348	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

IPLGR	0.11 289	0.09 424	0.16 460	0.18 386	0.08 212	0.12 303	0.17 430	0.21 360	0.24 439	0.11 260	0.12 264	0.11 284	0.08 227	0.12 290	0.12 348	0.06 167	0.05 268	0.06 188	0.06 281	0.04 48	0.04 72

CrosDoStereo	0.12 360	0.06 107	0.12 289	0.14 59	0.08 212	0.12 303	0.15 319	0.17 262	0.22 410	0.19 474	0.24 454	0.15 379	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.07 299	0.07 379	0.05 168	0.05 203

STrans-v2	0.10 241	0.07 225	0.12 289	0.18 386	0.07 132	0.10 199	0.14 235	0.21 360	0.11 105	0.11 260	0.15 314	0.12 304	0.10 304	0.11 196	0.12 348	0.05 51	0.04 25	0.06 188	0.06 281	0.04 48	0.04 72

IIG-Stereo	0.11 289	0.06 107	0.13 339	0.17 296	0.08 212	0.11 251	0.12 96	0.22 384	0.17 307	0.14 353	0.17 349	0.11 284	0.12 368	0.12 290	0.12 348	0.06 167	0.05 268	0.07 299	0.06 281	0.05 168	0.04 72

DeepStereo_LL	0.12 360	0.06 107	0.12 289	0.14 59	0.08 212	0.12 303	0.15 319	0.17 262	0.22 410	0.19 474	0.24 454	0.15 379	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.07 299	0.07 379	0.05 168	0.05 203

DRaft	0.12 360	0.06 107	0.11 244	0.14 59	0.09 339	0.14 388	0.17 430	0.21 360	0.30 516	0.17 427	0.28 522	0.10 254	0.15 450	0.10 121	0.12 348	0.05 51	0.04 25	0.07 299	0.06 281	0.05 168	0.05 203

RAFT-RH_RVC	0.11 289	0.06 107	0.14 376	0.16 209	0.09 339	0.12 303	0.12 96	0.17 262	0.12 142	0.13 331	0.41 614	0.11 284	0.10 304	0.13 342	0.12 348	0.05 51	0.04 25	0.08 393	0.05 190	0.04 48	0.06 304

RAFT-345	0.11 289	0.07 225	0.15 424	0.16 209	0.08 212	0.08 83	0.12 96	0.15 185	0.10 74	0.11 260	0.36 576	0.09 219	0.09 265	0.11 196	0.12 348	0.05 51	0.05 268	0.07 299	0.06 281	0.04 48	0.05 203

rafts_anoy	0.11 289	0.06 107	0.10 185	0.17 296	0.08 212	0.10 199	0.14 235	0.17 262	0.14 216	0.13 331	0.13 283	0.12 304	0.10 304	0.11 196	0.12 348	0.07 336	0.04 25	0.09 476	0.11 573	0.07 370	0.06 304

Anonymous3	0.16 491	0.13 558	0.33 606	0.26 619	0.14 579	0.27 604	0.17 430	0.28 505	0.28 499	0.15 380	0.17 349	0.14 350	0.10 304	0.15 395	0.12 348	0.08 413	0.08 518	0.08 393	0.08 452	0.08 434	0.11 557

s12784h	0.09 172	0.06 107	0.07 11	0.15 113	0.05 2	0.16 444	0.18 479	0.15 185	0.15 241	0.10 225	0.11 243	0.11 284	0.11 337	0.10 121	0.12 348	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

DCANet	0.10 241	0.06 107	0.12 289	0.16 209	0.06 27	0.09 136	0.17 430	0.15 185	0.19 357	0.13 331	0.17 349	0.10 254	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

csc	0.10 241	0.06 107	0.12 289	0.15 113	0.07 132	0.09 136	0.17 430	0.16 223	0.20 380	0.13 331	0.16 327	0.10 254	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

cscssc	0.10 241	0.06 107	0.12 289	0.15 113	0.07 132	0.09 136	0.17 430	0.16 223	0.20 380	0.13 331	0.16 327	0.10 254	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

ARAFT	0.12 360	0.08 344	0.17 490	0.19 455	0.09 339	0.14 388	0.18 479	0.20 337	0.12 142	0.12 301	0.13 283	0.14 350	0.11 337	0.15 395	0.12 348	0.06 167	0.05 268	0.10 524	0.09 499	0.05 168	0.04 72

RAFT + AFF	0.13 386	0.07 225	0.20 538	0.20 521	0.10 451	0.14 388	0.24 596	0.26 464	0.20 380	0.11 260	0.10 193	0.12 304	0.10 304	0.15 395	0.12 348	0.07 336	0.06 416	0.09 476	0.08 452	0.06 290	0.08 457

Selective-IGEV-i1	0.13 386	0.07 225	0.12 289	0.19 455	0.08 212	0.18 485	0.16 388	0.22 384	0.30 516	0.16 408	0.17 349	0.16 395	0.10 304	0.14 371	0.13 390	0.06 167	0.05 268	0.06 188	0.05 190	0.06 290	0.05 203

FACV-RUCA	0.13 386	0.11 512	0.12 289	0.19 455	0.12 535	0.15 414	0.15 319	0.22 384	0.20 380	0.15 380	0.16 327	0.14 350	0.16 478	0.14 371	0.13 390	0.07 336	0.05 268	0.08 393	0.06 281	0.10 530	0.08 457

rvit_0105_4	0.14 423	0.09 424	0.17 490	0.17 296	0.10 451	0.12 303	0.19 519	0.23 405	0.27 484	0.14 353	0.20 399	0.17 417	0.13 408	0.17 464	0.13 390	0.15 614	0.11 584	0.11 555	0.10 539	0.09 497	0.06 304

rvit_stereo_0075_2	0.17 512	0.12 530	0.25 571	0.23 594	0.16 610	0.13 354	0.10 35	0.30 533	0.27 484	0.20 497	0.28 522	0.22 484	0.15 450	0.18 486	0.13 390	0.16 630	0.10 572	0.17 625	0.10 539	0.10 530	0.09 501

rvit_stereo_ft	0.12 360	0.07 225	0.13 339	0.19 455	0.10 451	0.12 303	0.17 430	0.16 223	0.16 278	0.12 301	0.13 283	0.15 379	0.10 304	0.14 371	0.13 390	0.09 473	0.06 416	0.08 393	0.07 379	0.07 370	0.05 203

test_sample6	0.14 423	0.08 344	0.13 339	0.16 209	0.08 212	0.17 466	0.19 519	0.25 446	0.17 307	0.17 427	0.27 508	0.19 445	0.14 432	0.15 395	0.13 390	0.08 413	0.05 268	0.08 393	0.07 379	0.08 434	0.08 457

test_sample5	0.14 423	0.08 344	0.14 376	0.16 209	0.08 212	0.18 485	0.18 479	0.25 446	0.17 307	0.17 427	0.27 508	0.18 431	0.14 432	0.16 430	0.13 390	0.08 413	0.05 268	0.08 393	0.07 379	0.08 434	0.08 457

test_sample4	0.14 423	0.08 344	0.14 376	0.15 113	0.08 212	0.19 509	0.18 479	0.26 464	0.17 307	0.16 408	0.25 482	0.18 431	0.14 432	0.16 430	0.13 390	0.08 413	0.06 416	0.08 393	0.06 281	0.08 434	0.08 457

test_sample3	0.14 423	0.08 344	0.15 424	0.14 59	0.09 339	0.19 509	0.17 430	0.26 464	0.18 338	0.16 408	0.22 433	0.19 445	0.15 450	0.17 464	0.13 390	0.08 413	0.06 416	0.07 299	0.06 281	0.09 497	0.08 457

MyStereo05	0.13 386	0.07 225	0.10 185	0.17 296	0.09 339	0.13 354	0.18 479	0.27 486	0.35 559	0.17 427	0.14 297	0.15 379	0.11 337	0.15 395	0.13 390	0.06 167	0.05 268	0.07 299	0.07 379	0.06 290	0.06 304

MyStereo04	0.13 386	0.07 225	0.10 185	0.17 296	0.09 339	0.14 388	0.18 479	0.29 519	0.38 577	0.17 427	0.14 297	0.16 395	0.10 304	0.15 395	0.13 390	0.06 167	0.05 268	0.08 393	0.07 379	0.06 290	0.06 304

11t1	0.12 360	0.06 107	0.13 339	0.14 59	0.08 212	0.17 466	0.15 319	0.18 296	0.15 241	0.15 380	0.15 314	0.16 395	0.16 478	0.15 395	0.13 390	0.08 413	0.05 268	0.06 188	0.05 190	0.08 434	0.07 391

DualNet	0.14 423	0.08 344	0.14 376	0.16 209	0.08 212	0.18 485	0.18 479	0.25 446	0.17 307	0.17 427	0.27 508	0.18 431	0.14 432	0.16 430	0.13 390	0.08 413	0.05 268	0.08 393	0.07 379	0.08 434	0.08 457

MaDis-Stereo	0.09 172	0.09 424	0.08 56	0.17 296	0.09 339	0.13 354	0.10 35	0.16 223	0.16 278	0.09 180	0.11 243	0.06 42	0.06 65	0.09 58	0.13 390	0.07 336	0.06 416	0.07 299	0.05 190	0.05 168	0.04 72

PCWNet_CMD	0.14 423	0.08 344	0.15 424	0.17 296	0.09 339	0.14 388	0.14 235	0.29 519	0.36 563	0.14 353	0.20 399	0.21 466	0.12 368	0.17 464	0.13 390	0.07 336	0.05 268	0.07 299	0.07 379	0.07 370	0.07 391

TestStereo1	0.13 386	0.08 344	0.08 56	0.19 455	0.08 212	0.18 485	0.29 643	0.23 405	0.16 278	0.17 427	0.20 399	0.16 395	0.10 304	0.12 290	0.13 390	0.06 167	0.06 416	0.08 393	0.06 281	0.05 168	0.05 203

BUS	0.14 423	0.09 424	0.14 376	0.22 570	0.10 451	0.19 509	0.14 235	0.34 584	0.19 357	0.17 427	0.22 433	0.16 395	0.13 408	0.15 395	0.13 390	0.08 413	0.06 416	0.10 524	0.09 499	0.07 370	0.07 391

test_5	0.14 423	0.12 530	0.08 56	0.20 521	0.10 451	0.14 388	0.29 643	0.21 360	0.24 439	0.18 457	0.28 522	0.11 284	0.15 450	0.12 290	0.13 390	0.06 167	0.05 268	0.07 299	0.08 452	0.08 434	0.07 391

NINENet	0.16 491	0.10 486	0.15 424	0.17 296	0.11 501	0.19 509	0.14 235	0.40 628	0.36 563	0.18 457	0.21 422	0.16 395	0.13 408	0.15 395	0.13 390	0.08 413	0.08 518	0.10 524	0.07 379	0.10 530	0.09 501

SA-5K	0.13 386	0.08 344	0.08 56	0.19 455	0.08 212	0.18 485	0.29 643	0.23 405	0.16 278	0.17 427	0.20 399	0.16 395	0.10 304	0.12 290	0.13 390	0.06 167	0.06 416	0.08 393	0.06 281	0.05 168	0.05 203

UDGNet	0.14 423	0.13 558	0.16 460	0.17 296	0.10 451	0.12 303	0.16 388	0.21 360	0.27 484	0.20 497	0.20 399	0.16 395	0.13 408	0.16 430	0.13 390	0.10 514	0.06 416	0.09 476	0.07 379	0.06 290	0.07 391

IPLG	0.10 241	0.07 225	0.15 424	0.17 296	0.08 212	0.11 251	0.14 235	0.20 337	0.15 241	0.12 301	0.17 349	0.07 123	0.07 178	0.14 371	0.13 390	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

GANet-ADL	0.13 386	0.07 225	0.15 424	0.17 296	0.10 451	0.18 485	0.15 319	0.30 533	0.20 380	0.13 331	0.18 376	0.19 445	0.12 368	0.16 430	0.13 390	0.08 413	0.06 416	0.06 188	0.05 190	0.07 370	0.08 457

OMP-Stereo	0.11 289	0.06 107	0.14 376	0.18 386	0.08 212	0.09 136	0.12 96	0.21 360	0.21 396	0.13 331	0.14 297	0.11 284	0.12 368	0.11 196	0.13 390	0.06 167	0.04 25	0.07 299	0.06 281	0.05 168	0.04 72

FTStereo	0.12 360	0.06 107	0.14 376	0.18 386	0.09 339	0.07 43	0.15 319	0.21 360	0.18 338	0.12 301	0.24 454	0.12 304	0.12 368	0.13 342	0.13 390	0.05 51	0.05 268	0.07 299	0.06 281	0.06 290	0.10 530

DEmStereo	0.12 360	0.06 107	0.14 376	0.14 59	0.10 451	0.16 444	0.15 319	0.16 223	0.24 439	0.17 427	0.24 454	0.13 330	0.14 432	0.12 290	0.13 390	0.05 51	0.04 25	0.07 299	0.06 281	0.05 168	0.05 203

raft+_RVC	0.11 289	0.07 225	0.09 121	0.16 209	0.07 132	0.10 199	0.11 64	0.24 429	0.20 380	0.12 301	0.15 314	0.12 304	0.08 227	0.12 290	0.13 390	0.07 336	0.04 25	0.07 299	0.06 281	0.05 168	0.05 203

GES	0.14 423	0.08 344	0.16 460	0.15 113	0.10 451	0.13 354	0.13 170	0.28 505	0.25 460	0.16 408	0.23 442	0.18 431	0.13 408	0.16 430	0.13 390	0.08 413	0.07 488	0.07 299	0.06 281	0.08 434	0.09 501

HCRNet	0.16 491	0.24 635	0.12 289	0.35 653	0.11 501	0.15 414	0.17 430	0.26 464	0.22 410	0.19 474	0.24 454	0.21 466	0.14 432	0.15 395	0.13 390	0.11 545	0.07 488	0.11 555	0.10 539	0.09 497	0.07 391

GMStereo	0.13 386	0.14 570	0.14 376	0.18 386	0.09 339	0.15 414	0.16 388	0.20 337	0.24 439	0.16 408	0.17 349	0.10 254	0.10 304	0.16 430	0.13 390	0.07 336	0.06 416	0.06 188	0.06 281	0.07 370	0.06 304
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 423	0.07 225	0.13 339	0.15 113	0.08 212	0.13 354	0.16 388	0.24 429	0.24 439	0.16 408	0.28 522	0.22 484	0.14 432	0.15 395	0.13 390	0.11 545	0.06 416	0.09 476	0.12 593	0.08 434	0.07 391

CCAANet	0.14 423	0.06 107	0.11 244	0.16 209	0.08 212	0.22 551	0.14 235	0.26 464	0.18 338	0.16 408	0.36 576	0.15 379	0.17 501	0.16 430	0.13 390	0.07 336	0.05 268	0.06 188	0.06 281	0.05 168	0.07 391

DIP-Stereo	0.11 289	0.07 225	0.14 376	0.17 296	0.09 339	0.13 354	0.09 20	0.16 223	0.16 278	0.11 260	0.16 327	0.14 350	0.12 368	0.15 395	0.13 390	0.06 167	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.14 423	0.08 344	0.11 244	0.15 113	0.08 212	0.15 414	0.15 319	0.27 486	0.29 506	0.19 474	0.21 422	0.29 558	0.14 432	0.17 464	0.13 390	0.06 167	0.06 416	0.06 188	0.06 281	0.07 370	0.06 304
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HITNet	0.10 241	0.06 107	0.12 289	0.14 59	0.06 27	0.11 251	0.10 35	0.18 296	0.18 338	0.13 331	0.16 327	0.14 350	0.11 337	0.15 395	0.13 390	0.06 167	0.04 25	0.04 1	0.04 59	0.06 290	0.05 203
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
MLCV	0.12 360	0.07 225	0.16 460	0.18 386	0.06 27	0.15 414	0.17 430	0.19 326	0.21 396	0.18 457	0.25 482	0.17 417	0.13 408	0.14 371	0.13 390	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

iResNet_ROB	0.14 423	0.07 225	0.13 339	0.14 59	0.07 132	0.18 485	0.14 235	0.26 464	0.31 524	0.22 527	0.25 482	0.23 502	0.15 450	0.15 395	0.13 390	0.07 336	0.05 268	0.05 48	0.04 59	0.08 434	0.08 457

DN-CSS_ROB	0.13 386	0.13 558	0.16 460	0.18 386	0.10 451	0.16 444	0.08 7	0.22 384	0.18 338	0.17 427	0.22 433	0.13 330	0.13 408	0.12 290	0.13 390	0.05 51	0.05 268	0.10 524	0.10 539	0.08 434	0.06 304

IGEV_i1	0.12 360	0.07 225	0.12 289	0.16 209	0.08 212	0.19 509	0.14 235	0.18 296	0.22 410	0.18 457	0.18 376	0.16 395	0.12 368	0.16 430	0.14 428	0.06 167	0.05 268	0.06 188	0.05 190	0.06 290	0.06 304

LiteMatch	0.09 172	0.06 107	0.10 185	0.16 209	0.07 132	0.09 136	0.15 319	0.13 112	0.08 24	0.06 25	0.07 64	0.06 42	0.15 450	0.10 121	0.14 428	0.07 336	0.04 25	0.06 188	0.06 281	0.06 290	0.06 304

Lsterematch	0.11 289	0.06 107	0.11 244	0.16 209	0.07 132	0.13 354	0.15 319	0.14 143	0.17 307	0.16 408	0.18 376	0.15 379	0.15 450	0.12 290	0.14 428	0.07 336	0.04 25	0.06 188	0.06 281	0.06 290	0.06 304

DStereoRT	0.16 491	0.06 107	0.11 244	0.19 455	0.09 339	0.12 303	0.12 96	0.28 505	0.22 410	0.12 301	0.20 399	0.11 284	0.10 304	0.15 395	0.14 428	0.06 167	0.05 268	0.96 691	0.09 499	0.05 168	0.04 72

DFGA-Net	0.13 386	0.11 512	0.18 514	0.17 296	0.10 451	0.12 303	0.13 170	0.22 384	0.25 460	0.16 408	0.16 327	0.13 330	0.12 368	0.16 430	0.14 428	0.07 336	0.05 268	0.08 393	0.07 379	0.05 168	0.05 203

rvit_0105_5	0.14 423	0.09 424	0.13 339	0.17 296	0.09 339	0.14 388	0.23 583	0.24 429	0.27 484	0.14 353	0.15 314	0.18 431	0.12 368	0.17 464	0.14 428	0.14 610	0.11 584	0.10 524	0.10 539	0.08 434	0.06 304

rvit_0105_3	0.15 468	0.09 424	0.14 376	0.19 455	0.12 535	0.15 414	0.25 611	0.25 446	0.29 506	0.15 380	0.17 349	0.20 457	0.13 408	0.17 464	0.14 428	0.13 596	0.11 584	0.12 575	0.14 608	0.07 370	0.06 304

DCVSM-stereo	0.14 423	0.09 424	0.16 460	0.16 209	0.10 451	0.15 414	0.09 20	0.19 326	0.23 422	0.20 497	0.23 442	0.26 532	0.15 450	0.18 486	0.14 428	0.09 473	0.07 488	0.09 476	0.08 452	0.10 530	0.12 570

GCST	0.37 644	0.42 663	0.26 574	1.02 689	0.39 664	0.18 485	0.08 7	0.20 337	0.17 307	0.28 589	0.25 482	0.15 379	0.12 368	0.16 430	0.14 428	0.64 685	0.43 674	0.75 681	0.65 685	0.63 678	0.46 676

test_sample1	0.13 386	0.07 225	0.14 376	0.13 16	0.08 212	0.19 509	0.16 388	0.20 337	0.15 241	0.14 353	0.22 433	0.18 431	0.16 478	0.17 464	0.14 428	0.07 336	0.06 416	0.06 188	0.06 281	0.08 434	0.07 391

GMStereo_Zeroshot	0.16 491	0.13 558	0.24 566	0.20 521	0.10 451	0.17 466	0.13 170	0.29 519	0.25 460	0.23 540	0.32 553	0.25 522	0.11 337	0.19 501	0.14 428	0.09 473	0.06 416	0.11 555	0.06 281	0.12 568	0.08 457

CASS	0.13 386	0.12 530	0.11 244	0.23 594	0.09 339	0.15 414	0.17 430	0.18 296	0.19 357	0.17 427	0.18 376	0.15 379	0.15 450	0.14 371	0.14 428	0.09 473	0.06 416	0.10 524	0.08 452	0.09 497	0.07 391
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 386	0.07 225	0.13 339	0.18 386	0.09 339	0.13 354	0.17 430	0.19 326	0.29 506	0.15 380	0.24 454	0.15 379	0.14 432	0.14 371	0.14 428	0.07 336	0.05 268	0.07 299	0.09 499	0.05 168	0.06 304

IER	0.14 423	0.07 225	0.13 339	0.17 296	0.09 339	0.14 388	0.16 388	0.25 446	0.26 474	0.18 457	0.25 482	0.17 417	0.20 544	0.16 430	0.14 428	0.08 413	0.05 268	0.07 299	0.06 281	0.08 434	0.07 391

BSDual-CNN	0.15 468	0.09 424	0.14 376	0.22 570	0.10 451	0.14 388	0.15 319	0.34 584	0.19 357	0.17 427	0.22 433	0.25 522	0.16 478	0.15 395	0.14 428	0.08 413	0.06 416	0.10 524	0.09 499	0.07 370	0.07 391

psmg	0.14 423	0.09 424	0.14 376	0.17 296	0.10 451	0.15 414	0.17 430	0.29 519	0.19 357	0.17 427	0.21 422	0.25 522	0.16 478	0.15 395	0.14 428	0.08 413	0.06 416	0.08 393	0.08 452	0.07 370	0.06 304

GwcNet-ADL	0.13 386	0.08 344	0.14 376	0.20 521	0.09 339	0.11 251	0.20 542	0.30 533	0.24 439	0.13 331	0.14 297	0.18 431	0.14 432	0.13 342	0.14 428	0.07 336	0.05 268	0.06 188	0.05 190	0.07 370	0.06 304

AAGNet	0.11 289	0.07 225	0.16 460	0.19 455	0.09 339	0.08 83	0.13 170	0.18 296	0.13 184	0.16 408	0.21 422	0.13 330	0.14 432	0.11 196	0.14 428	0.06 167	0.04 25	0.09 476	0.06 281	0.06 290	0.05 203

THIR-Stereo	0.12 360	0.07 225	0.11 244	0.15 113	0.08 212	0.14 388	0.16 388	0.17 262	0.25 460	0.16 408	0.24 454	0.14 350	0.12 368	0.12 290	0.14 428	0.06 167	0.04 25	0.07 299	0.07 379	0.05 168	0.05 203

ICVP	0.15 468	0.09 424	0.12 289	0.22 570	0.09 339	0.17 466	0.21 562	0.25 446	0.23 422	0.18 457	0.30 541	0.26 532	0.18 516	0.17 464	0.14 428	0.09 473	0.07 488	0.08 393	0.07 379	0.07 370	0.07 391
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
TestStereo	0.13 386	0.14 570	0.11 244	0.23 594	0.08 212	0.15 414	0.21 562	0.20 337	0.23 422	0.14 353	0.24 454	0.16 395	0.12 368	0.16 430	0.14 428	0.05 51	0.06 416	0.08 393	0.06 281	0.09 497	0.05 203

CFNet_pseudo	0.14 423	0.08 344	0.15 424	0.16 209	0.09 339	0.13 354	0.14 235	0.27 486	0.34 550	0.14 353	0.21 422	0.22 484	0.13 408	0.18 486	0.14 428	0.07 336	0.05 268	0.08 393	0.06 281	0.07 370	0.07 391

cf-r	0.13 386	0.07 225	0.12 289	0.16 209	0.08 212	0.14 388	0.19 519	0.20 337	0.25 460	0.17 427	0.25 482	0.21 466	0.16 478	0.14 371	0.14 428	0.10 514	0.05 268	0.06 188	0.08 452	0.06 290	0.06 304

CFNet-ft	0.14 423	0.07 225	0.15 424	0.12 5	0.09 339	0.16 444	0.18 479	0.22 384	0.24 439	0.17 427	0.26 499	0.24 508	0.14 432	0.16 430	0.14 428	0.11 545	0.06 416	0.08 393	0.09 499	0.09 497	0.08 457

MSMDNet	0.14 423	0.08 344	0.15 424	0.17 296	0.09 339	0.14 388	0.14 235	0.29 519	0.36 563	0.14 353	0.21 422	0.21 466	0.12 368	0.17 464	0.14 428	0.07 336	0.05 268	0.07 299	0.07 379	0.07 370	0.07 391

CFNet	0.15 468	0.10 486	0.17 490	0.17 296	0.08 212	0.18 485	0.09 20	0.28 505	0.25 460	0.19 474	0.24 454	0.24 508	0.17 501	0.17 464	0.14 428	0.08 413	0.06 416	0.09 476	0.10 539	0.07 370	0.06 304

CFNet_RVC	0.14 423	0.07 225	0.15 424	0.12 5	0.09 339	0.16 444	0.18 479	0.22 384	0.24 439	0.17 427	0.26 499	0.24 508	0.14 432	0.16 430	0.14 428	0.11 545	0.06 416	0.08 393	0.09 499	0.09 497	0.08 457

ccs_rob	0.14 423	0.08 344	0.15 424	0.16 209	0.09 339	0.12 303	0.14 235	0.27 486	0.34 550	0.14 353	0.21 422	0.22 484	0.13 408	0.18 486	0.14 428	0.07 336	0.05 268	0.08 393	0.07 379	0.07 370	0.07 391

AdaStereo	0.15 468	0.11 512	0.15 424	0.18 386	0.09 339	0.20 525	0.11 64	0.32 555	0.28 499	0.20 497	0.23 442	0.20 457	0.13 408	0.19 501	0.14 428	0.12 570	0.05 268	0.10 524	0.07 379	0.09 497	0.07 391
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.
iResNetv2_ROB	0.14 423	0.08 344	0.15 424	0.16 209	0.08 212	0.16 444	0.12 96	0.25 446	0.35 559	0.21 511	0.29 534	0.24 508	0.13 408	0.14 371	0.14 428	0.06 167	0.05 268	0.06 188	0.04 59	0.09 497	0.08 457

iResNet	0.13 386	0.10 486	0.18 514	0.19 455	0.08 212	0.13 354	0.18 479	0.20 337	0.26 474	0.15 380	0.23 442	0.15 379	0.13 408	0.14 371	0.14 428	0.06 167	0.04 25	0.06 188	0.05 190	0.06 290	0.05 203

DDVS	0.15 468	0.10 486	0.21 547	0.16 209	0.12 535	0.15 414	0.14 235	0.25 446	0.19 357	0.18 457	0.29 534	0.27 540	0.12 368	0.19 501	0.15 459	0.09 473	0.06 416	0.09 476	0.07 379	0.11 553	0.11 557

DispNO	0.14 423	0.08 344	0.17 490	0.19 455	0.12 535	0.11 251	0.21 562	0.23 405	0.29 506	0.17 427	0.23 442	0.18 431	0.17 501	0.15 395	0.15 459	0.07 336	0.05 268	0.08 393	0.08 452	0.07 370	0.06 304

CFNet_ucs	0.15 468	0.08 344	0.16 460	0.16 209	0.11 501	0.14 388	0.14 235	0.30 533	0.34 550	0.16 408	0.24 454	0.23 502	0.14 432	0.18 486	0.15 459	0.09 473	0.06 416	0.08 393	0.07 379	0.09 497	0.09 501

SDNR	0.19 538	0.08 344	0.19 526	0.16 209	0.12 535	0.77 679	0.14 235	0.25 446	0.32 531	0.19 474	0.24 454	0.19 445	0.13 408	0.19 501	0.15 459	0.16 630	0.18 641	0.14 603	0.11 573	0.08 434	0.11 557

gwcnet-sp	0.14 423	0.07 225	0.12 289	0.18 386	0.09 339	0.16 444	0.17 430	0.24 429	0.24 439	0.18 457	0.24 454	0.15 379	0.16 478	0.15 395	0.15 459	0.08 413	0.06 416	0.07 299	0.08 452	0.08 434	0.07 391

scenet	0.14 423	0.07 225	0.12 289	0.18 386	0.09 339	0.16 444	0.17 430	0.24 429	0.24 439	0.18 457	0.24 454	0.15 379	0.16 478	0.15 395	0.15 459	0.08 413	0.06 416	0.07 299	0.08 452	0.08 434	0.07 391

ssnet	0.14 423	0.07 225	0.12 289	0.18 386	0.09 339	0.16 444	0.17 430	0.24 429	0.24 439	0.18 457	0.24 454	0.15 379	0.16 478	0.15 395	0.15 459	0.08 413	0.06 416	0.07 299	0.08 452	0.08 434	0.07 391

FENet	0.13 386	0.08 344	0.12 289	0.16 209	0.08 212	0.14 388	0.15 319	0.22 384	0.23 422	0.17 427	0.23 442	0.16 395	0.12 368	0.14 371	0.15 459	0.08 413	0.05 268	0.08 393	0.08 452	0.07 370	0.07 391

GANet-RSSM	0.14 423	0.07 225	0.13 339	0.13 16	0.08 212	0.14 388	0.17 430	0.22 384	0.21 396	0.17 427	0.24 454	0.23 502	0.15 450	0.16 430	0.15 459	0.10 514	0.06 416	0.07 299	0.08 452	0.08 434	0.07 391

GwcNet-RSSM	0.14 423	0.07 225	0.12 289	0.15 113	0.08 212	0.15 414	0.20 542	0.21 360	0.27 484	0.18 457	0.27 508	0.22 484	0.16 478	0.14 371	0.15 459	0.10 514	0.05 268	0.07 299	0.09 499	0.07 370	0.07 391

FADNet-RVC-Resample	0.16 491	0.11 512	0.31 599	0.22 570	0.11 501	0.19 509	0.14 235	0.25 446	0.24 439	0.24 549	0.27 508	0.20 457	0.15 450	0.16 430	0.15 459	0.07 336	0.08 518	0.12 575	0.10 539	0.09 497	0.10 530

FADNet	0.21 562	0.22 630	0.36 615	0.18 386	0.17 625	0.24 573	0.13 170	0.31 544	0.31 524	0.23 540	0.25 482	0.27 540	0.21 548	0.19 501	0.15 459	0.13 596	0.15 630	0.12 575	0.15 624	0.16 626	0.18 639

BEATNet_4x	0.12 360	0.08 344	0.14 376	0.18 386	0.07 132	0.15 414	0.07 3	0.22 384	0.18 338	0.16 408	0.19 387	0.18 431	0.14 432	0.16 430	0.15 459	0.07 336	0.05 268	0.05 48	0.05 190	0.06 290	0.06 304

UCFNet_RVC	0.14 423	0.08 344	0.13 339	0.11 1	0.10 451	0.20 525	0.10 35	0.24 429	0.22 410	0.17 427	0.20 399	0.23 502	0.15 450	0.17 464	0.15 459	0.12 570	0.07 488	0.10 524	0.13 604	0.11 553	0.10 530

DeepPruner_ROB	0.16 491	0.11 512	0.15 424	0.17 296	0.10 451	0.17 466	0.15 319	0.32 555	0.21 396	0.19 474	0.21 422	0.22 484	0.18 516	0.20 526	0.15 459	0.13 596	0.09 551	0.09 476	0.09 499	0.11 553	0.10 530

HSM	0.15 468	0.08 344	0.14 376	0.16 209	0.09 339	0.16 444	0.14 235	0.28 505	0.25 460	0.19 474	0.23 442	0.37 612	0.16 478	0.20 526	0.15 459	0.07 336	0.05 268	0.07 299	0.06 281	0.07 370	0.06 304

G2L-ROB	0.13 386	0.06 107	0.13 339	0.13 16	0.08 212	0.14 388	0.16 388	0.25 446	0.18 338	0.19 474	0.18 376	0.20 457	0.14 432	0.17 464	0.16 475	0.08 413	0.05 268	0.06 188	0.05 190	0.08 434	0.09 501

ITSA-stereo	0.15 468	0.10 486	0.14 376	0.19 455	0.08 212	0.12 303	0.14 235	0.30 533	0.49 623	0.17 427	0.19 387	0.22 484	0.15 450	0.17 464	0.16 475	0.10 514	0.06 416	0.08 393	0.08 452	0.08 434	0.08 457

DualNet (step1)	0.16 491	0.12 530	0.20 538	0.12 5	0.14 579	0.17 466	0.13 170	0.27 486	0.23 422	0.20 497	0.20 399	0.24 508	0.19 532	0.16 430	0.16 475	0.15 614	0.06 416	0.14 603	0.14 608	0.14 601	0.12 570

test_sample7	0.15 468	0.10 486	0.16 460	0.14 59	0.11 501	0.16 444	0.16 388	0.27 486	0.23 422	0.20 497	0.20 399	0.24 508	0.19 532	0.16 430	0.16 475	0.12 570	0.06 416	0.10 524	0.09 499	0.10 530	0.10 530

1test111	0.11 289	0.08 344	0.12 289	0.17 296	0.09 339	0.13 354	0.15 319	0.23 405	0.16 278	0.09 180	0.09 157	0.06 42	0.06 65	0.15 395	0.16 475	0.06 167	0.04 25	0.06 188	0.05 190	0.07 370	0.07 391

qqq	0.13 386	0.09 424	0.15 424	0.16 209	0.08 212	0.13 354	0.15 319	0.23 405	0.16 278	0.15 380	0.19 387	0.16 395	0.16 478	0.15 395	0.16 475	0.07 336	0.06 416	0.08 393	0.08 452	0.07 370	0.07 391

iRaft-Stereo_5w	0.12 360	0.09 424	0.12 289	0.19 455	0.08 212	0.09 136	0.12 96	0.21 360	0.21 396	0.19 474	0.14 297	0.11 284	0.09 265	0.20 526	0.16 475	0.05 51	0.05 268	0.07 299	0.06 281	0.05 168	0.06 304

dd	0.15 468	0.16 588	0.16 460	0.19 455	0.09 339	0.15 414	0.18 479	0.21 360	0.25 460	0.23 540	0.20 399	0.21 466	0.09 265	0.21 543	0.16 475	0.10 514	0.06 416	0.08 393	0.06 281	0.08 434	0.06 304

dad	0.17 512	0.20 620	0.20 538	0.16 209	0.11 501	0.20 525	0.18 479	0.21 360	0.28 499	0.30 603	0.24 454	0.29 558	0.13 408	0.19 501	0.16 475	0.18 636	0.09 551	0.11 555	0.09 499	0.11 553	0.07 391

AACVNet	0.16 491	0.08 344	0.14 376	0.15 113	0.10 451	0.18 485	0.15 319	0.23 405	0.24 439	0.27 574	0.27 508	0.28 550	0.17 501	0.19 501	0.16 475	0.09 473	0.07 488	0.09 476	0.07 379	0.10 530	0.09 501

GEStereo_RVC	0.17 512	0.12 530	0.15 424	0.22 570	0.11 501	0.19 509	0.17 430	0.32 555	0.48 616	0.20 497	0.25 482	0.17 417	0.13 408	0.21 543	0.16 475	0.10 514	0.06 416	0.08 393	0.07 379	0.09 497	0.08 457

FADNet_RVC	0.16 491	0.14 570	0.40 624	0.20 521	0.11 501	0.13 354	0.13 170	0.26 464	0.22 410	0.21 511	0.23 442	0.20 457	0.17 501	0.14 371	0.16 475	0.08 413	0.08 518	0.12 575	0.09 499	0.11 553	0.10 530

AANet_RVC	0.16 491	0.10 486	0.10 185	0.18 386	0.09 339	0.18 485	0.19 519	0.26 464	0.31 524	0.22 527	0.35 573	0.21 466	0.21 548	0.22 556	0.16 475	0.06 167	0.05 268	0.06 188	0.06 281	0.07 370	0.06 304

CBMV_ROB	0.19 538	0.13 558	0.17 490	0.16 209	0.11 501	0.15 414	0.13 170	0.26 464	0.28 499	0.27 574	0.30 541	0.27 540	0.24 571	0.23 567	0.16 475	0.15 614	0.17 639	0.22 643	0.20 641	0.10 530	0.11 557

NOSS_ROB	0.19 538	0.12 530	0.18 514	0.16 209	0.12 535	0.15 414	0.12 96	0.30 533	0.32 531	0.20 497	0.22 433	0.27 540	0.23 565	0.21 543	0.16 475	0.16 630	0.18 641	0.23 644	0.21 643	0.12 568	0.13 592

rvit_105_1	0.19 538	0.11 512	0.25 571	0.21 553	0.16 610	0.21 542	0.27 627	0.31 544	0.41 589	0.19 474	0.20 399	0.22 484	0.17 501	0.19 501	0.17 490	0.12 570	0.12 600	0.13 590	0.15 624	0.08 434	0.07 391

ACV-stereo	0.15 468	0.10 486	0.28 586	0.18 386	0.12 535	0.14 388	0.12 96	0.23 405	0.21 396	0.19 474	0.23 442	0.22 484	0.15 450	0.23 567	0.17 490	0.07 336	0.06 416	0.07 299	0.07 379	0.07 370	0.07 391

test_sample9	0.18 526	0.12 530	0.20 538	0.12 5	0.14 579	0.17 466	0.13 170	0.27 486	0.23 422	0.20 497	0.20 399	0.24 508	0.19 532	0.19 501	0.17 490	0.15 614	0.30 666	0.14 603	0.14 608	0.14 601	0.12 570

test_sample8	0.19 538	0.12 530	0.20 538	0.12 5	0.14 579	0.17 466	0.13 170	0.31 544	0.21 396	0.27 574	0.22 433	0.36 607	0.25 580	0.19 501	0.17 490	0.15 614	0.30 666	0.14 603	0.14 608	0.14 601	0.12 570

SMFormer	0.14 423	0.07 225	0.17 490	0.14 59	0.08 212	0.16 444	0.17 430	0.26 464	0.27 484	0.19 474	0.20 399	0.18 431	0.15 450	0.15 395	0.17 490	0.08 413	0.05 268	0.07 299	0.06 281	0.07 370	0.06 304

tta	0.14 423	0.07 225	0.17 490	0.14 59	0.08 212	0.16 444	0.17 430	0.26 464	0.27 484	0.19 474	0.20 399	0.18 431	0.15 450	0.15 395	0.17 490	0.08 413	0.05 268	0.07 299	0.06 281	0.06 290	0.06 304

mmm	0.14 423	0.08 344	0.17 490	0.17 296	0.09 339	0.17 466	0.18 479	0.21 360	0.15 241	0.15 380	0.23 442	0.21 466	0.16 478	0.16 430	0.17 490	0.08 413	0.05 268	0.08 393	0.07 379	0.07 370	0.07 391

HBP-ISP	0.18 526	0.13 558	0.16 460	0.15 113	0.11 501	0.08 83	0.13 170	0.28 505	0.29 506	0.22 527	0.33 565	0.21 466	0.25 580	0.23 567	0.17 490	0.14 610	0.16 634	0.21 639	0.17 635	0.10 530	0.08 457

CRFU-Net	0.16 491	0.08 344	0.14 376	0.17 296	0.09 339	0.19 509	0.14 235	0.26 464	0.20 380	0.28 589	0.27 508	0.29 558	0.17 501	0.19 501	0.17 490	0.09 473	0.09 551	0.07 299	0.07 379	0.08 434	0.08 457

SACVNet	0.18 526	0.12 530	0.14 376	0.17 296	0.13 558	0.22 551	0.18 479	0.31 544	0.30 516	0.23 540	0.31 549	0.30 568	0.22 557	0.22 556	0.17 490	0.11 545	0.08 518	0.10 524	0.10 539	0.12 568	0.14 609

PSMNet-ADL	0.15 468	0.12 530	0.13 339	0.22 570	0.09 339	0.13 354	0.20 542	0.26 464	0.23 422	0.18 457	0.20 399	0.24 508	0.16 478	0.18 486	0.17 490	0.08 413	0.08 518	0.08 393	0.11 573	0.08 434	0.07 391

LMCR-Stereo	0.15 468	0.08 344	0.13 339	0.21 553	0.09 339	0.17 466	0.20 542	0.27 486	0.19 357	0.24 549	0.24 454	0.23 502	0.17 501	0.20 526	0.17 490	0.07 336	0.06 416	0.08 393	0.06 281	0.10 530	0.08 457

FINET	0.21 562	0.18 610	0.26 574	0.18 386	0.16 610	0.23 568	0.23 583	0.32 555	0.48 616	0.25 562	0.32 553	0.22 484	0.22 557	0.22 556	0.17 490	0.18 636	0.16 634	0.11 555	0.10 539	0.15 617	0.13 592

DMCA	0.14 423	0.09 424	0.16 460	0.19 455	0.09 339	0.15 414	0.17 430	0.23 405	0.27 484	0.14 353	0.19 387	0.17 417	0.18 516	0.15 395	0.17 490	0.10 514	0.06 416	0.08 393	0.06 281	0.09 497	0.10 530

CVANet_RVC	0.18 526	0.10 486	0.14 376	0.21 553	0.10 451	0.18 485	0.17 430	0.34 584	0.33 538	0.22 527	0.31 549	0.28 550	0.18 516	0.23 567	0.17 490	0.12 570	0.08 518	0.12 575	0.11 573	0.09 497	0.07 391

NVstereo2D	0.19 538	0.10 486	0.15 424	0.17 296	0.15 599	0.28 611	0.23 583	0.44 645	0.42 597	0.15 380	0.27 508	0.25 522	0.19 532	0.22 556	0.17 490	0.09 473	0.06 416	0.10 524	0.08 452	0.15 617	0.09 501

SGM-Forest	0.20 550	0.14 570	0.18 514	0.19 455	0.13 558	0.20 525	0.22 572	0.33 575	0.30 516	0.24 549	0.29 534	0.28 550	0.19 532	0.23 567	0.17 490	0.15 614	0.16 634	0.15 615	0.14 608	0.12 568	0.12 570
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
pmcnn	0.15 468	0.07 225	0.19 526	0.15 113	0.07 132	0.20 525	0.15 319	0.24 429	0.26 474	0.21 511	0.34 569	0.28 550	0.18 516	0.18 486	0.17 490	0.07 336	0.05 268	0.05 48	0.04 59	0.07 370	0.06 304

MultiAttention	0.29 626	0.08 344	0.14 376	0.19 455	0.12 535	1.45 694	1.33 698	0.36 606	0.37 570	0.19 474	0.21 422	0.24 508	0.11 337	0.38 641	0.18 508	0.06 167	0.05 268	0.08 393	0.08 452	0.10 530	0.09 501

G2L-Stereo_test	0.14 423	0.07 225	0.11 244	0.13 16	0.08 212	0.12 303	0.16 388	0.30 533	0.28 499	0.20 497	0.23 442	0.20 457	0.16 478	0.17 464	0.18 508	0.07 336	0.05 268	0.05 48	0.05 190	0.07 370	0.06 304

coex_refinement	0.14 423	0.07 225	0.12 289	0.17 296	0.10 451	0.15 414	0.15 319	0.26 464	0.29 506	0.18 457	0.20 399	0.22 484	0.17 501	0.16 430	0.18 508	0.08 413	0.05 268	0.06 188	0.06 281	0.09 497	0.08 457

G2L-Stereo	0.14 423	0.07 225	0.13 339	0.17 296	0.09 339	0.13 354	0.12 96	0.27 486	0.22 410	0.16 408	0.27 508	0.21 466	0.13 408	0.17 464	0.18 508	0.09 473	0.08 518	0.08 393	0.07 379	0.07 370	0.07 391

MyStereo8	0.12 360	0.07 225	0.15 424	0.15 113	0.09 339	0.18 485	0.14 235	0.19 326	0.22 410	0.12 301	0.18 376	0.11 284	0.10 304	0.16 430	0.18 508	0.07 336	0.05 268	0.07 299	0.05 190	0.08 434	0.09 501

CBFPSM	0.14 423	0.06 107	0.26 574	0.17 296	0.09 339	0.13 354	0.15 319	0.22 384	0.23 422	0.20 497	0.27 508	0.24 508	0.16 478	0.16 430	0.18 508	0.06 167	0.06 416	0.06 188	0.07 379	0.07 370	0.07 391

GASNet	0.22 571	0.23 632	0.33 606	0.26 619	0.17 625	0.26 594	0.16 388	0.44 645	0.42 597	0.27 574	0.24 454	0.30 568	0.15 450	0.27 587	0.18 508	0.12 570	0.08 518	0.12 575	0.11 573	0.16 626	0.07 391

x	0.13 386	0.07 225	0.14 376	0.14 59	0.08 212	0.18 485	0.14 235	0.22 384	0.20 380	0.15 380	0.19 387	0.19 445	0.17 501	0.18 486	0.18 508	0.07 336	0.05 268	0.06 188	0.06 281	0.07 370	0.07 391

CSP-Net	0.16 491	0.09 424	0.14 376	0.16 209	0.09 339	0.19 509	0.17 430	0.25 446	0.32 531	0.25 562	0.30 541	0.24 508	0.15 450	0.21 543	0.18 508	0.09 473	0.06 416	0.07 299	0.07 379	0.08 434	0.07 391

UNet	0.17 512	0.09 424	0.18 514	0.19 455	0.12 535	0.27 604	0.19 519	0.33 575	0.29 506	0.21 511	0.24 454	0.23 502	0.19 532	0.19 501	0.18 508	0.07 336	0.06 416	0.08 393	0.07 379	0.08 434	0.06 304

acv_ft	0.15 468	0.09 424	0.15 424	0.19 455	0.10 451	0.16 444	0.17 430	0.25 446	0.33 538	0.19 474	0.26 499	0.21 466	0.17 501	0.17 464	0.18 508	0.07 336	0.06 416	0.06 188	0.06 281	0.08 434	0.06 304

TDLM	0.17 512	0.12 530	0.13 339	0.24 603	0.10 451	0.18 485	0.18 479	0.36 606	0.30 516	0.21 511	0.28 522	0.28 550	0.18 516	0.23 567	0.18 508	0.11 545	0.07 488	0.10 524	0.10 539	0.08 434	0.08 457

MDST_ROB	0.22 571	0.10 486	0.17 490	0.18 386	0.11 501	0.37 640	0.19 519	0.43 643	0.41 589	0.39 632	0.39 597	0.29 558	0.21 548	0.26 584	0.18 508	0.11 545	0.10 572	0.14 603	0.11 573	0.10 530	0.08 457

Wz-Net-LNSev-Ref	0.18 526	0.09 424	0.29 594	0.15 113	0.10 451	0.22 551	0.20 542	0.26 464	0.39 580	0.25 562	0.42 620	0.24 508	0.15 450	0.20 526	0.19 521	0.07 336	0.05 268	0.06 188	0.05 190	0.10 530	0.09 501

pcwnet_v2	0.19 538	0.10 486	0.26 574	0.17 296	0.14 579	0.18 485	0.15 319	0.37 612	0.46 614	0.19 474	0.24 454	0.21 466	0.19 532	0.20 526	0.19 521	0.13 596	0.10 572	0.10 524	0.10 539	0.11 553	0.13 592

FADNet-RVC	0.20 550	0.20 620	0.38 621	0.21 553	0.16 610	0.20 525	0.15 319	0.26 464	0.26 474	0.26 568	0.32 553	0.26 532	0.21 548	0.22 556	0.19 521	0.12 570	0.13 615	0.12 575	0.14 608	0.13 587	0.18 639

STTStereo	0.18 526	0.12 530	0.27 581	0.20 521	0.11 501	0.16 444	0.21 562	0.29 519	0.23 422	0.21 511	0.30 541	0.29 558	0.18 516	0.20 526	0.19 521	0.12 570	0.11 584	0.11 555	0.14 608	0.09 497	0.08 457

RASNet	0.14 423	0.07 225	0.14 376	0.16 209	0.08 212	0.18 485	0.14 235	0.29 519	0.20 380	0.17 427	0.25 482	0.21 466	0.18 516	0.20 526	0.19 521	0.07 336	0.06 416	0.06 188	0.08 452	0.06 290	0.06 304

CBMV	0.19 538	0.14 570	0.17 490	0.18 386	0.10 451	0.20 525	0.11 64	0.29 519	0.30 516	0.29 598	0.30 541	0.30 568	0.23 565	0.27 587	0.19 521	0.13 596	0.15 630	0.17 625	0.16 628	0.10 530	0.10 530
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ISRNet	0.18 526	0.08 344	0.19 526	0.19 455	0.13 558	0.15 414	0.12 96	0.30 533	0.32 531	0.21 511	0.25 482	0.27 540	0.17 501	0.17 464	0.20 527	0.20 644	0.08 518	0.14 603	0.14 608	0.14 601	0.17 636

PSMNet-RUCA	0.27 617	0.33 655	0.41 627	0.36 655	0.32 663	0.18 485	0.19 519	0.42 639	0.30 516	0.33 619	0.41 614	0.39 624	0.25 580	0.31 609	0.20 527	0.18 636	0.10 572	0.25 646	0.15 624	0.21 642	0.16 627

ff1	0.13 386	0.09 424	0.14 376	0.16 209	0.08 212	0.17 466	0.17 430	0.15 185	0.19 357	0.15 380	0.25 482	0.19 445	0.13 408	0.14 371	0.20 527	0.06 167	0.04 25	0.09 476	0.08 452	0.06 290	0.06 304

mmx	0.14 423	0.09 424	0.14 376	0.16 209	0.08 212	0.17 466	0.17 430	0.27 486	0.25 460	0.15 380	0.25 482	0.19 445	0.13 408	0.14 371	0.20 527	0.08 413	0.06 416	0.09 476	0.08 452	0.08 434	0.08 457

xxx	0.14 423	0.09 424	0.14 376	0.16 209	0.08 212	0.17 466	0.17 430	0.27 486	0.25 460	0.15 380	0.25 482	0.19 445	0.13 408	0.14 371	0.20 527	0.08 413	0.06 416	0.09 476	0.08 452	0.08 434	0.08 457

ToySt	0.17 512	0.11 512	0.18 514	0.17 296	0.11 501	0.16 444	0.25 611	0.24 429	0.33 538	0.19 474	0.24 454	0.26 532	0.24 571	0.19 501	0.20 527	0.07 336	0.08 518	0.09 476	0.10 539	0.09 497	0.08 457

ssnet_v2	0.17 512	0.10 486	0.17 490	0.17 296	0.11 501	0.21 542	0.21 562	0.33 575	0.25 460	0.22 527	0.22 433	0.27 540	0.18 516	0.22 556	0.20 527	0.11 545	0.09 551	0.09 476	0.09 499	0.08 434	0.08 457

DDUNet	0.22 571	0.17 599	0.21 547	0.22 570	0.15 599	0.25 584	0.24 596	0.29 519	0.30 516	0.31 609	0.36 576	0.33 594	0.25 580	0.24 577	0.20 527	0.18 636	0.13 615	0.17 625	0.11 573	0.16 626	0.16 627

AASNet	0.16 491	0.08 344	0.12 289	0.19 455	0.09 339	0.18 485	0.15 319	0.37 612	0.37 570	0.19 474	0.23 442	0.20 457	0.16 478	0.17 464	0.20 527	0.10 514	0.08 518	0.08 393	0.07 379	0.09 497	0.09 501

MMNet	0.17 512	0.09 424	0.16 460	0.20 521	0.11 501	0.27 604	0.20 542	0.25 446	0.41 589	0.22 527	0.30 541	0.21 466	0.20 544	0.17 464	0.20 527	0.06 167	0.06 416	0.07 299	0.07 379	0.08 434	0.07 391

HGLStereo	0.17 512	0.08 344	0.19 526	0.17 296	0.12 535	0.18 485	0.18 479	0.31 544	0.32 531	0.21 511	0.32 553	0.25 522	0.18 516	0.19 501	0.20 527	0.09 473	0.09 551	0.07 299	0.07 379	0.09 497	0.10 530

FAT-Stereo	0.20 550	0.12 530	0.22 553	0.21 553	0.12 535	0.17 466	0.18 479	0.34 584	0.39 580	0.27 574	0.37 583	0.34 601	0.32 625	0.21 543	0.20 527	0.09 473	0.11 584	0.10 524	0.09 499	0.11 553	0.14 609

DSFCA	0.16 491	0.09 424	0.14 376	0.16 209	0.10 451	0.20 525	0.19 519	0.28 505	0.31 524	0.23 540	0.24 454	0.22 484	0.15 450	0.19 501	0.20 527	0.10 514	0.07 488	0.09 476	0.09 499	0.08 434	0.08 457

DMCA-RVC	0.17 512	0.10 486	0.15 424	0.24 603	0.11 501	0.18 485	0.18 479	0.25 446	0.24 439	0.21 511	0.26 499	0.25 522	0.27 594	0.18 486	0.20 527	0.12 570	0.08 518	0.13 590	0.10 539	0.10 530	0.08 457

NLCA_NET_v2_RVC	0.17 512	0.10 486	0.22 553	0.20 521	0.10 451	0.15 414	0.18 479	0.31 544	0.25 460	0.21 511	0.30 541	0.25 522	0.17 501	0.21 543	0.20 527	0.09 473	0.06 416	0.08 393	0.08 452	0.07 370	0.08 457
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 550	0.21 626	0.23 562	0.20 521	0.10 451	0.19 509	0.17 430	0.36 606	0.25 460	0.27 574	0.33 565	0.27 540	0.24 571	0.20 526	0.20 527	0.15 614	0.12 600	0.17 625	0.14 608	0.10 530	0.08 457

StereoDRNet-Refined	0.17 512	0.12 530	0.15 424	0.20 521	0.09 339	0.18 485	0.18 479	0.26 464	0.23 422	0.26 568	0.40 603	0.22 484	0.17 501	0.21 543	0.20 527	0.08 413	0.05 268	0.09 476	0.10 539	0.07 370	0.07 391
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.18 526	0.11 512	0.17 490	0.22 570	0.11 501	0.21 542	0.22 572	0.37 612	0.33 538	0.24 549	0.28 522	0.30 568	0.19 532	0.20 526	0.20 527	0.09 473	0.08 518	0.11 555	0.09 499	0.09 497	0.07 391

DLCB_ROB	0.18 526	0.10 486	0.15 424	0.23 594	0.11 501	0.24 573	0.18 479	0.29 519	0.28 499	0.27 574	0.28 522	0.28 550	0.24 571	0.19 501	0.20 527	0.08 413	0.08 518	0.09 476	0.09 499	0.07 370	0.07 391

PWCDC_ROB	0.20 550	0.13 558	0.22 553	0.24 603	0.11 501	0.19 509	0.15 319	0.33 575	0.54 636	0.29 598	0.50 636	0.21 466	0.15 450	0.27 587	0.20 527	0.11 545	0.09 551	0.10 524	0.08 452	0.11 553	0.09 501

iinet-f	0.16 491	0.06 107	0.45 631	0.14 59	0.10 451	0.21 542	0.14 235	0.27 486	0.23 422	0.21 511	0.24 454	0.21 466	0.15 450	0.18 486	0.21 547	0.09 473	0.07 488	0.07 299	0.06 281	0.09 497	0.10 530

ADLNet	0.16 491	0.08 344	0.15 424	0.16 209	0.10 451	0.16 444	0.17 430	0.32 555	0.27 484	0.22 527	0.27 508	0.24 508	0.16 478	0.18 486	0.21 547	0.10 514	0.06 416	0.10 524	0.10 539	0.08 434	0.09 501

delet	0.17 512	0.08 344	0.17 490	0.19 455	0.11 501	0.20 525	0.21 562	0.30 533	0.37 570	0.17 427	0.26 499	0.19 445	0.19 532	0.19 501	0.21 547	0.08 413	0.08 518	0.09 476	0.11 573	0.06 290	0.06 304

UPFNet	0.16 491	0.08 344	0.12 289	0.20 521	0.12 535	0.20 525	0.23 583	0.28 505	0.26 474	0.17 427	0.24 454	0.22 484	0.19 532	0.19 501	0.21 547	0.09 473	0.07 488	0.08 393	0.09 499	0.08 434	0.06 304

ACVNet	0.15 468	0.09 424	0.15 424	0.13 16	0.12 535	0.14 388	0.20 542	0.22 384	0.33 538	0.17 427	0.26 499	0.21 466	0.16 478	0.17 464	0.21 547	0.07 336	0.06 416	0.06 188	0.06 281	0.08 434	0.06 304

hitnet-ft	0.18 526	0.09 424	0.17 490	0.14 59	0.09 339	0.26 594	0.20 542	0.25 446	0.26 474	0.24 549	0.32 553	0.31 581	0.22 557	0.24 577	0.21 547	0.12 570	0.07 488	0.10 524	0.08 452	0.12 568	0.11 557

MaskLacGwcNet_RVC	0.22 571	0.21 626	0.24 566	0.26 619	0.11 501	0.23 568	0.14 235	0.39 624	0.24 439	0.32 615	0.36 576	0.30 568	0.21 548	0.19 501	0.21 547	0.17 635	0.14 624	0.21 639	0.16 628	0.12 568	0.12 570

SuperB	0.20 550	0.10 486	0.56 647	0.16 209	0.09 339	0.18 485	0.18 479	0.24 429	0.50 626	0.26 568	0.39 597	0.17 417	0.21 548	0.22 556	0.21 547	0.08 413	0.06 416	0.06 188	0.06 281	0.12 568	0.10 530

NaN_ROB	0.22 571	0.19 614	0.24 566	0.25 614	0.13 558	0.29 615	0.26 620	0.33 575	0.41 589	0.31 609	0.31 549	0.32 590	0.23 565	0.30 608	0.21 547	0.11 545	0.17 639	0.10 524	0.10 539	0.08 434	0.09 501

YMNet	0.20 550	0.12 530	0.19 526	0.20 521	0.14 579	0.26 594	0.23 583	0.32 555	0.34 550	0.27 574	0.34 569	0.30 568	0.18 516	0.18 486	0.22 556	0.10 514	0.13 615	0.10 524	0.10 539	0.08 434	0.09 501

YMNet_1	0.20 550	0.12 530	0.19 526	0.20 521	0.14 579	0.26 594	0.23 583	0.32 555	0.34 550	0.27 574	0.34 569	0.30 568	0.18 516	0.18 486	0.22 556	0.10 514	0.13 615	0.10 524	0.10 539	0.08 434	0.09 501

UDG	0.21 562	0.17 599	0.19 526	0.23 594	0.15 599	0.30 618	0.20 542	0.33 575	0.35 559	0.23 540	0.28 522	0.31 581	0.27 594	0.20 526	0.22 556	0.15 614	0.12 600	0.13 590	0.09 499	0.14 601	0.14 609

ADLNet2	0.16 491	0.09 424	0.13 339	0.16 209	0.09 339	0.20 525	0.16 388	0.31 544	0.39 580	0.16 408	0.20 399	0.20 457	0.18 516	0.21 543	0.22 556	0.08 413	0.06 416	0.07 299	0.07 379	0.09 497	0.07 391

psm_up	0.18 526	0.10 486	0.18 514	0.20 521	0.11 501	0.17 466	0.19 519	0.37 612	0.34 550	0.21 511	0.28 522	0.29 558	0.24 571	0.20 526	0.22 556	0.09 473	0.10 572	0.11 555	0.11 573	0.08 434	0.08 457

ac_64	0.16 491	0.08 344	0.15 424	0.18 386	0.10 451	0.22 551	0.18 479	0.24 429	0.21 396	0.18 457	0.24 454	0.29 558	0.18 516	0.19 501	0.22 556	0.09 473	0.07 488	0.08 393	0.09 499	0.07 370	0.06 304

S-Stereo	0.20 550	0.12 530	0.25 571	0.21 553	0.13 558	0.20 525	0.18 479	0.32 555	0.43 602	0.23 540	0.36 576	0.28 550	0.30 617	0.19 501	0.22 556	0.09 473	0.12 600	0.10 524	0.10 539	0.13 587	0.13 592

RGC	0.25 606	0.20 620	0.29 594	0.28 635	0.16 610	0.22 551	0.23 583	0.32 555	0.44 607	0.27 574	0.40 603	0.38 616	0.27 594	0.36 634	0.22 556	0.11 545	0.13 615	0.17 625	0.17 635	0.14 601	0.16 627

stereogan	0.22 571	0.11 512	0.21 547	0.20 521	0.12 535	0.31 619	0.19 519	0.35 599	0.44 607	0.22 527	0.39 597	0.35 605	0.27 594	0.33 619	0.22 556	0.10 514	0.12 600	0.10 524	0.10 539	0.14 601	0.13 592

DeepPrunerF	0.24 594	0.17 599	0.42 629	0.26 619	0.16 610	0.22 551	0.28 633	0.37 612	0.50 626	0.26 568	0.29 534	0.24 508	0.28 605	0.21 543	0.22 556	0.15 614	0.11 584	0.20 638	0.18 639	0.12 568	0.13 592

GANet	0.21 562	0.12 530	0.21 547	0.24 603	0.13 558	0.22 551	0.22 572	0.41 634	0.26 474	0.31 609	0.42 620	0.37 612	0.28 605	0.23 567	0.22 556	0.10 514	0.12 600	0.10 524	0.09 499	0.10 530	0.08 457

PWC_ROB	0.21 562	0.16 588	0.26 574	0.18 386	0.11 501	0.22 551	0.13 170	0.32 555	0.49 623	0.30 603	0.40 603	0.32 590	0.24 571	0.31 609	0.22 556	0.10 514	0.07 488	0.11 555	0.08 452	0.11 553	0.10 530

z-ln-s-r	0.17 512	0.10 486	0.40 624	0.19 455	0.08 212	0.17 466	0.18 479	0.22 384	0.33 538	0.18 457	0.40 603	0.22 484	0.17 501	0.20 526	0.23 568	0.07 336	0.05 268	0.07 299	0.07 379	0.07 370	0.05 203

w-ln-seven-2	0.20 550	0.14 570	0.37 619	0.22 570	0.12 535	0.20 525	0.21 562	0.28 505	0.37 570	0.25 562	0.37 583	0.27 540	0.22 557	0.21 543	0.23 568	0.08 413	0.08 518	0.09 476	0.09 499	0.10 530	0.09 501

TCMNet	0.19 538	0.12 530	0.19 526	0.20 521	0.18 632	0.20 525	0.24 596	0.27 486	0.36 563	0.23 540	0.26 499	0.25 522	0.19 532	0.19 501	0.23 568	0.13 596	0.11 584	0.11 555	0.12 593	0.13 587	0.12 570

1111x	0.15 468	0.08 344	0.12 289	0.18 386	0.07 132	0.18 485	0.25 611	0.31 544	0.24 439	0.17 427	0.24 454	0.26 532	0.15 450	0.13 342	0.23 568	0.07 336	0.07 488	0.08 393	0.09 499	0.07 370	0.06 304

SQANet	0.23 587	0.23 632	0.30 597	0.30 646	0.19 636	0.27 604	0.13 170	0.29 519	0.33 538	0.24 549	0.37 583	0.31 581	0.22 557	0.27 587	0.23 568	0.15 614	0.10 572	0.21 639	0.16 628	0.21 642	0.15 616

fast-acv-ft	0.18 526	0.11 512	0.19 526	0.19 455	0.12 535	0.24 573	0.21 562	0.25 446	0.34 550	0.22 527	0.34 569	0.27 540	0.20 544	0.21 543	0.23 568	0.09 473	0.09 551	0.08 393	0.10 539	0.08 434	0.07 391

Anonymous_2	0.22 571	0.17 599	0.28 586	0.15 113	0.16 610	0.32 620	0.22 572	0.22 384	0.17 307	0.23 540	0.24 454	0.26 532	0.27 594	0.27 587	0.23 568	0.22 653	0.25 662	0.17 625	0.17 635	0.17 634	0.17 636

DGSMNet	0.24 594	0.19 614	0.33 606	0.21 553	0.24 650	0.24 573	0.20 542	0.35 599	0.41 589	0.24 549	0.32 553	0.38 616	0.21 548	0.29 605	0.23 568	0.12 570	0.11 584	0.14 603	0.16 628	0.23 646	0.23 650

aanetorigin	0.22 571	0.17 599	0.56 647	0.17 296	0.10 451	0.15 414	0.19 519	0.20 337	0.33 538	0.49 651	0.48 631	0.29 558	0.27 594	0.20 526	0.23 568	0.08 413	0.07 488	0.08 393	0.07 379	0.10 530	0.09 501

DANet	0.21 562	0.15 580	0.28 586	0.25 614	0.13 558	0.22 551	0.19 519	0.27 486	0.27 484	0.28 589	0.32 553	0.35 605	0.31 621	0.31 609	0.23 568	0.11 545	0.09 551	0.11 555	0.10 539	0.13 587	0.11 557
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	0.28 622	0.16 588	0.31 599	0.18 386	0.13 558	0.54 658	0.42 669	0.51 661	0.67 663	0.29 598	0.38 589	0.38 616	0.29 613	0.31 609	0.23 568	0.11 545	0.10 572	0.11 555	0.08 452	0.20 641	0.16 627

FBW_ROB	0.24 594	0.17 599	0.22 553	0.26 619	0.14 579	0.25 584	0.22 572	0.41 634	0.41 589	0.41 639	0.41 614	0.42 631	0.27 594	0.31 609	0.23 568	0.09 473	0.14 624	0.14 603	0.12 593	0.11 553	0.09 501

DispFullNet	0.27 617	0.21 626	0.65 657	0.28 635	0.16 610	0.26 594	0.17 430	0.33 575	0.58 645	0.27 574	0.38 589	0.43 634	0.23 565	0.38 641	0.23 568	0.12 570	0.06 416	0.19 636	0.11 573	0.21 642	0.15 616

FSD					0.22 645	0.25 584	0.25 611	0.27 486	0.26 474	0.25 562	0.26 499	0.25 522	0.27 594	0.27 587	0.24 581	0.21 648	0.20 647	0.27 650	0.26 653	0.25 653

ACVNet-4b	0.39 645	0.53 666	0.55 644	0.45 663	0.24 650	0.47 652	0.18 479	0.49 655	0.64 658	0.42 642	0.45 627	0.60 658	0.27 594	0.34 622	0.24 581	0.33 665	0.14 624	0.48 669	0.42 671	0.30 661	0.26 658

Syn2CoEx	0.21 562	0.16 588	0.27 581	0.29 644	0.14 579	0.26 594	0.20 542	0.33 575	0.31 524	0.28 589	0.36 576	0.27 540	0.25 580	0.19 501	0.24 581	0.16 630	0.12 600	0.14 603	0.11 573	0.09 497	0.08 457

GwcNet	0.20 550	0.13 558	0.19 526	0.18 386	0.12 535	0.24 573	0.19 519	0.35 599	0.43 602	0.20 497	0.32 553	0.33 594	0.20 544	0.22 556	0.24 581	0.11 545	0.09 551	0.09 476	0.09 499	0.09 497	0.10 530

edge stereo	0.22 571	0.13 558	0.20 538	0.21 553	0.13 558	0.23 568	0.16 388	0.32 555	0.42 597	0.32 615	0.40 603	0.38 616	0.35 635	0.25 582	0.24 581	0.13 596	0.11 584	0.14 603	0.11 573	0.12 568	0.13 592

ADCRef	0.19 538	0.12 530	0.41 627	0.20 521	0.12 535	0.22 551	0.18 479	0.32 555	0.36 563	0.26 568	0.32 553	0.17 417	0.23 565	0.24 577	0.24 581	0.07 336	0.06 416	0.09 476	0.09 499	0.08 434	0.08 457

DRN-Test	0.19 538	0.11 512	0.20 538	0.22 570	0.10 451	0.22 551	0.22 572	0.39 624	0.37 570	0.24 549	0.32 553	0.26 532	0.21 548	0.22 556	0.24 581	0.11 545	0.07 488	0.11 555	0.10 539	0.09 497	0.07 391

NCCL2	0.23 587	0.15 580	0.17 490	0.34 651	0.18 632	0.24 573	0.23 583	0.34 584	0.28 499	0.31 609	0.38 589	0.38 616	0.28 605	0.23 567	0.24 581	0.15 614	0.12 600	0.18 634	0.21 643	0.13 587	0.13 592

SANet	0.24 594	0.14 570	0.28 586	0.21 553	0.11 501	0.27 604	0.24 596	0.38 620	0.64 658	0.36 625	0.40 603	0.43 634	0.26 586	0.27 587	0.24 581	0.12 570	0.09 551	0.10 524	0.09 499	0.13 587	0.11 557

SGM_RVC	0.23 587	0.12 530	0.15 424	0.15 113	0.09 339	0.33 627	0.18 479	0.34 584	0.31 524	0.44 646	0.37 583	0.53 654	0.35 635	0.35 628	0.24 581	0.13 596	0.13 615	0.13 590	0.13 604	0.10 530	0.11 557
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
zh-mn7	0.25 606	0.14 570	0.56 647	0.19 455	0.14 579	0.24 573	0.22 572	0.34 584	0.62 653	0.35 622	0.65 657	0.31 581	0.25 580	0.31 609	0.25 591	0.09 473	0.08 518	0.09 476	0.09 499	0.09 497	0.11 557

z-mn7	0.24 594	0.14 570	0.45 631	0.19 455	0.13 558	0.28 611	0.25 611	0.34 584	0.62 653	0.27 574	0.56 648	0.29 558	0.24 571	0.32 616	0.25 591	0.08 413	0.08 518	0.08 393	0.08 452	0.10 530	0.10 530

Wz-Net-LNSev	0.22 571	0.16 588	0.38 621	0.21 553	0.13 558	0.25 584	0.23 583	0.32 555	0.43 602	0.30 603	0.41 614	0.31 581	0.18 516	0.22 556	0.25 591	0.10 514	0.09 551	0.08 393	0.08 452	0.12 568	0.11 557

Wz-Net-MNSev	0.22 571	0.13 558	0.31 599	0.20 521	0.14 579	0.36 639	0.24 596	0.33 575	0.44 607	0.28 589	0.40 603	0.38 616	0.19 532	0.24 577	0.25 591	0.09 473	0.07 488	0.09 476	0.09 499	0.12 568	0.10 530

APVNet	0.22 571	0.12 530	0.19 526	0.18 386	0.14 579	0.32 620	0.31 656	0.39 624	0.32 531	0.27 574	0.40 603	0.30 568	0.29 613	0.26 584	0.25 591	0.11 545	0.12 600	0.11 555	0.14 608	0.12 568	0.12 570

AF-Net	0.22 571	0.17 599	0.17 490	0.26 619	0.13 558	0.25 584	0.24 596	0.32 555	0.50 626	0.25 562	0.33 565	0.38 616	0.26 586	0.28 599	0.25 591	0.11 545	0.10 572	0.16 622	0.11 573	0.11 553	0.10 530

RP	0.21 562	0.13 558	0.21 547	0.23 594	0.11 501	0.21 542	0.20 542	0.25 446	0.44 607	0.21 511	0.38 589	0.36 607	0.24 571	0.27 587	0.25 591	0.11 545	0.12 600	0.13 590	0.12 593	0.12 568	0.14 609

Nwc_Net	0.23 587	0.16 588	0.21 547	0.25 614	0.14 579	0.24 573	0.26 620	0.37 612	0.38 577	0.22 527	0.41 614	0.30 568	0.28 605	0.28 599	0.25 591	0.11 545	0.10 572	0.17 625	0.20 641	0.10 530	0.10 530

PA-Net	0.23 587	0.18 610	0.33 606	0.28 635	0.22 645	0.21 542	0.38 665	0.29 519	0.39 580	0.22 527	0.32 553	0.25 522	0.26 586	0.20 526	0.25 591	0.09 473	0.23 659	0.15 615	0.22 646	0.09 497	0.13 592
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LSM	0.33 639	0.20 620	0.58 650	0.26 619	0.60 681	0.34 630	0.25 611	0.42 639	0.48 616	0.45 647	0.58 653	0.42 631	0.36 637	0.35 628	0.25 591	0.12 570	0.20 647	0.14 603	0.16 628	0.19 640	0.33 665

WCMA_ROB	0.24 594	0.11 512	0.22 553	0.17 296	0.14 579	0.32 620	0.15 319	0.32 555	0.32 531	0.38 630	0.53 639	0.40 628	0.34 632	0.34 622	0.25 591	0.11 545	0.12 600	0.12 575	0.10 539	0.14 601	0.14 609

w-ln-seven	0.24 594	0.14 570	0.55 644	0.19 455	0.14 579	0.26 594	0.22 572	0.35 599	0.60 650	0.29 598	0.39 597	0.30 568	0.22 557	0.21 543	0.26 602	0.09 473	0.09 551	0.11 555	0.10 539	0.11 553	0.10 530

xxxx	0.15 468	0.07 225	0.14 376	0.14 59	0.08 212	0.23 568	0.18 479	0.31 544	0.19 357	0.14 353	0.28 522	0.22 484	0.14 432	0.15 395	0.26 602	0.09 473	0.05 268	0.07 299	0.07 379	0.08 434	0.07 391

test_xeample	0.15 468	0.06 107	0.13 339	0.14 59	0.08 212	0.21 542	0.20 542	0.28 505	0.20 380	0.16 408	0.29 534	0.19 445	0.16 478	0.15 395	0.26 602	0.09 473	0.05 268	0.07 299	0.07 379	0.07 370	0.07 391

G-Net	0.24 594	0.16 588	0.36 615	0.22 570	0.16 610	0.51 656	0.23 583	0.29 519	0.34 550	0.36 625	0.38 589	0.31 581	0.29 613	0.27 587	0.26 602	0.11 545	0.09 551	0.12 575	0.09 499	0.16 626	0.13 592

CC-Net-ROB	0.28 622	0.31 653	0.36 615	0.29 644	0.15 599	0.25 584	0.19 519	0.45 648	0.33 538	0.39 632	0.37 583	0.39 624	0.31 621	0.27 587	0.26 602	0.24 659	0.19 644	0.30 661	0.23 650	0.18 637	0.15 616

ETE_ROB	0.23 587	0.17 599	0.22 553	0.25 614	0.13 558	0.26 594	0.29 643	0.31 544	0.36 563	0.28 589	0.36 576	0.45 638	0.26 586	0.27 587	0.26 602	0.11 545	0.08 518	0.12 575	0.09 499	0.14 601	0.13 592

PSMNet_ROB	0.21 562	0.11 512	0.15 424	0.27 632	0.15 599	0.24 573	0.35 660	0.43 643	0.37 570	0.27 574	0.32 553	0.32 590	0.22 557	0.21 543	0.26 602	0.12 570	0.08 518	0.13 590	0.11 573	0.09 497	0.09 501

MeshStereo	0.27 617	0.13 558	0.18 514	0.15 113	0.11 501	0.32 620	0.24 596	0.40 628	0.36 563	0.52 653	0.57 651	0.67 665	0.40 646	0.35 628	0.26 602	0.14 610	0.13 615	0.13 590	0.11 573	0.11 553	0.10 530
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
DStereoO	0.24 594	0.18 610	0.18 514	0.20 521	0.14 579	0.21 542	0.19 519	0.32 555	0.41 589	0.29 598	0.21 422	0.32 590	0.27 594	0.41 653	0.27 610	0.46 674	0.12 600	0.31 662	0.11 573	0.15 617	0.12 570

psmorigin	0.25 606	0.15 580	0.34 614	0.17 296	0.13 558	0.23 568	0.14 235	0.34 584	0.33 538	0.41 639	0.55 643	0.41 630	0.37 639	0.34 622	0.27 610	0.11 545	0.15 630	0.11 555	0.11 573	0.12 568	0.16 627

NCC-stereo	0.24 594	0.15 580	0.31 599	0.26 619	0.16 610	0.20 525	0.30 650	0.40 628	0.40 586	0.24 549	0.38 589	0.33 594	0.28 605	0.36 634	0.27 610	0.12 570	0.11 584	0.15 615	0.22 646	0.13 587	0.13 592

Abc-Net	0.24 594	0.15 580	0.31 599	0.26 619	0.16 610	0.20 525	0.30 650	0.40 628	0.40 586	0.24 549	0.38 589	0.33 594	0.28 605	0.36 634	0.27 610	0.12 570	0.11 584	0.15 615	0.22 646	0.13 587	0.13 592
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	0.20 550	0.10 486	0.33 606	0.20 521	0.12 535	0.22 551	0.26 620	0.31 544	0.34 550	0.26 568	0.37 583	0.22 484	0.22 557	0.27 587	0.27 610	0.09 473	0.06 416	0.08 393	0.08 452	0.09 497	0.10 530

SGM-ForestM	0.32 636	0.12 530	0.16 460	0.16 209	0.11 501	0.39 645	0.19 519	0.41 634	0.50 626	0.52 653	0.54 641	1.32 686	0.42 654	0.40 650	0.27 610	0.14 610	0.16 634	0.16 622	0.16 628	0.12 568	0.12 570

LALA_ROB	0.25 606	0.16 588	0.22 553	0.26 619	0.17 625	0.27 604	0.27 627	0.42 639	0.37 570	0.33 619	0.38 589	0.51 650	0.26 586	0.28 599	0.27 610	0.16 630	0.09 551	0.12 575	0.11 573	0.13 587	0.12 570

MSMD_ROB	0.31 634	0.26 641	0.26 574	0.24 603	0.21 643	0.34 630	0.25 611	0.34 584	0.39 580	0.40 635	0.69 661	0.45 638	0.40 646	0.34 622	0.27 610	0.20 644	0.19 644	0.26 647	0.25 652	0.23 646	0.22 649

DStereoSA	0.25 606	0.19 614	0.37 619	0.26 619	0.17 625	0.22 551	0.20 542	0.49 655	0.59 646	0.22 527	0.29 534	0.29 558	0.33 627	0.39 645	0.28 618	0.12 570	0.11 584	0.16 622	0.14 608	0.14 601	0.12 570

MFN_U_SF_DS_RVC	0.30 632	0.24 635	0.29 594	0.36 655	0.16 610	0.34 630	0.30 650	0.32 555	0.42 597	0.40 635	0.46 628	0.38 616	0.31 621	0.34 622	0.28 618	0.19 642	0.20 647	0.26 647	0.29 660	0.18 637	0.19 644

DISCO	0.19 538	0.09 424	0.22 553	0.17 296	0.10 451	0.25 584	0.18 479	0.27 486	0.44 607	0.22 527	0.31 549	0.33 594	0.26 586	0.28 599	0.28 618	0.08 413	0.06 416	0.07 299	0.07 379	0.09 497	0.09 501

XPNet_ROB	0.22 571	0.11 512	0.19 526	0.22 570	0.13 558	0.22 551	0.19 519	0.34 584	0.40 586	0.30 603	0.39 597	0.39 624	0.26 586	0.26 584	0.28 618	0.15 614	0.10 572	0.10 524	0.10 539	0.13 587	0.12 570

light-stereo	0.42 652	0.26 641	0.59 652	0.60 671	0.49 671	0.32 620	0.23 583	0.46 650	0.52 635	0.56 659	0.58 653	0.76 670	0.32 625	0.48 657	0.29 622	0.32 663	0.24 660	0.27 650	0.33 665	0.46 669	0.39 670

DStereoFS	0.27 617	0.22 630	0.31 599	0.22 570	0.15 599	0.22 551	0.20 542	0.50 659	0.48 616	0.28 589	0.44 625	0.33 594	0.34 632	0.52 663	0.29 622	0.12 570	0.11 584	0.15 615	0.13 604	0.16 626	0.16 627

FC-DCNN v2	0.33 639	0.27 644	0.28 586	0.26 619	0.23 648	0.37 640	0.28 633	0.40 628	0.43 602	0.45 647	0.56 648	0.51 650	0.40 646	0.37 639	0.29 622	0.21 648	0.20 647	0.27 650	0.26 653	0.25 653	0.24 651

SHD	0.26 615	0.15 580	0.30 597	0.24 603	0.18 632	0.22 551	0.15 319	0.38 620	0.71 666	0.32 615	0.41 614	0.36 607	0.28 605	0.32 616	0.29 622	0.12 570	0.11 584	0.14 603	0.13 604	0.16 626	0.20 645

RTSC	0.23 587	0.12 530	0.28 586	0.21 553	0.13 558	0.28 611	0.16 388	0.35 599	0.66 662	0.27 574	0.33 565	0.30 568	0.21 548	0.31 609	0.29 622	0.10 514	0.08 518	0.09 476	0.10 539	0.13 587	0.13 592

ADCL	0.24 594	0.11 512	0.47 636	0.22 570	0.12 535	0.34 630	0.29 643	0.29 519	0.56 640	0.24 549	0.46 628	0.30 568	0.30 617	0.29 605	0.29 622	0.08 413	0.07 488	0.09 476	0.09 499	0.10 530	0.10 530

LE_ROB	0.50 661	0.07 225	0.14 376	0.15 113	0.08 212	0.24 573	0.16 388	0.22 384	1.81 696	4.63 701	0.67 659	0.47 646	0.44 656	0.20 526	0.29 622	0.07 336	0.06 416	0.06 188	0.06 281	0.08 434	0.06 304

Wz-Net-TNSev	0.29 626	0.20 620	0.65 657	0.19 455	0.15 599	0.38 643	0.27 627	0.35 599	0.55 637	0.34 621	0.42 620	0.45 638	0.38 640	0.32 616	0.30 629	0.12 570	0.13 615	0.10 524	0.12 593	0.15 617	0.14 609

Wz-Net-SNSev	0.25 606	0.17 599	0.44 630	0.25 614	0.14 579	0.26 594	0.23 583	0.38 620	0.56 640	0.30 603	0.55 643	0.39 624	0.26 586	0.23 567	0.30 629	0.10 514	0.09 551	0.09 476	0.10 539	0.11 553	0.11 557

FCDSN-DC	0.33 639	0.28 648	0.28 586	0.30 646	0.24 650	0.39 645	0.28 633	0.42 639	0.42 597	0.43 645	0.53 639	0.51 650	0.41 651	0.36 634	0.30 629	0.21 648	0.20 647	0.27 650	0.26 653	0.25 653	0.24 651
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
EDNetEfficient	0.29 626	0.24 635	1.13 685	0.18 386	0.10 451	0.19 509	0.20 542	0.20 337	0.60 650	0.74 673	0.56 648	0.31 581	0.39 643	0.22 556	0.30 629	0.09 473	0.07 488	0.08 393	0.07 379	0.11 553	0.09 501

RYNet	0.22 571	0.12 530	0.22 553	0.19 455	0.17 625	0.46 650	0.26 620	0.38 620	0.48 616	0.24 549	0.28 522	0.34 601	0.23 565	0.20 526	0.30 629	0.10 514	0.06 416	0.09 476	0.09 499	0.13 587	0.15 616

FC-DCNN	0.33 639	0.27 644	0.28 586	0.26 619	0.23 648	0.37 640	0.28 633	0.40 628	0.43 602	0.45 647	0.55 643	0.51 650	0.40 646	0.37 639	0.30 629	0.21 648	0.20 647	0.27 650	0.26 653	0.25 653	0.24 651

CSAN	0.29 626	0.24 635	0.27 581	0.34 651	0.19 636	0.33 627	0.42 669	0.37 612	0.50 626	0.38 630	0.40 603	0.44 636	0.33 627	0.28 599	0.30 629	0.20 644	0.16 634	0.19 636	0.19 640	0.14 601	0.15 616

Ntro	0.40 648	0.40 661	0.53 641	0.46 666	0.30 661	0.65 666	0.24 596	0.46 650	0.68 664	0.41 639	0.49 632	0.48 648	0.42 654	0.39 645	0.31 636	0.32 663	0.28 664	0.37 665	0.30 662	0.32 665	0.29 660

AANet	0.30 632	0.19 614	1.03 683	0.16 209	0.13 558	0.22 551	0.16 388	0.30 533	0.62 653	0.60 660	0.52 638	0.46 642	0.38 640	0.23 567	0.32 637	0.12 570	0.09 551	0.11 555	0.10 539	0.13 587	0.12 570

zh-sn7	0.25 606	0.17 599	0.50 638	0.24 603	0.13 558	0.25 584	0.24 596	0.34 584	0.48 616	0.28 589	0.54 641	0.28 550	0.31 621	0.36 634	0.32 637	0.10 514	0.10 572	0.11 555	0.10 539	0.12 568	0.12 570

otaku	0.39 645	0.37 659	0.52 640	0.44 662	0.28 657	0.58 660	0.24 596	0.41 634	0.62 653	0.40 635	0.49 632	0.46 642	0.33 627	0.40 650	0.32 637	0.30 662	0.30 666	0.39 666	0.33 665	0.29 660	0.28 659

ADCPNet	0.25 606	0.16 588	0.61 654	0.21 553	0.15 599	0.35 638	0.25 611	0.32 555	0.35 559	0.30 603	0.40 603	0.36 607	0.28 605	0.28 599	0.32 637	0.12 570	0.10 572	0.11 555	0.12 593	0.14 601	0.13 592

GANetREF_RVC	0.31 634	0.34 656	0.27 581	0.35 653	0.16 610	0.32 620	0.41 666	0.48 653	0.51 633	0.35 622	0.35 573	0.34 601	0.33 627	0.39 645	0.32 637	0.27 661	0.20 647	0.29 659	0.15 624	0.18 637	0.17 636
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
ADCMid	0.25 606	0.15 580	0.40 624	0.20 521	0.14 579	0.25 584	0.26 620	0.34 584	0.38 577	0.36 625	0.44 625	0.34 601	0.40 646	0.35 628	0.33 642	0.10 514	0.09 551	0.11 555	0.11 573	0.13 587	0.12 570

AnyNet_C32	0.26 615	0.16 588	0.36 615	0.20 521	0.16 610	0.25 584	0.30 650	0.32 555	0.44 607	0.31 609	0.49 632	0.30 568	0.33 627	0.40 650	0.33 642	0.12 570	0.12 600	0.12 575	0.14 608	0.14 601	0.15 616

PDISCO_ROB	0.27 617	0.16 588	0.26 574	0.28 635	0.20 639	0.32 620	0.26 620	0.44 645	0.57 642	0.28 589	0.40 603	0.45 638	0.29 613	0.33 619	0.34 644	0.12 570	0.09 551	0.17 625	0.16 628	0.17 634	0.13 592

ACVNet_1	0.44 654	0.49 665	0.60 653	0.45 663	0.28 657	0.49 655	0.27 627	0.57 669	0.72 667	0.62 662	0.58 653	0.74 669	0.49 660	0.50 659	0.35 645	0.26 660	0.24 660	0.39 666	0.29 660	0.31 664	0.24 651

WZ-Net	0.28 622	0.17 599	0.78 674	0.22 570	0.16 610	0.34 630	0.29 643	0.39 624	0.57 642	0.24 549	0.55 643	0.37 612	0.24 571	0.33 619	0.35 645	0.09 473	0.08 518	0.09 476	0.10 539	0.14 601	0.16 627

RTS	0.45 656	0.19 614	3.26 694	0.24 603	0.15 599	0.74 673	0.20 542	0.36 606	0.76 673	0.42 642	0.43 623	0.31 581	0.41 651	0.53 666	0.35 645	0.10 514	0.08 518	0.13 590	0.12 593	0.15 617	0.15 616

RTSA	0.45 656	0.19 614	3.26 694	0.24 603	0.15 599	0.74 673	0.20 542	0.36 606	0.76 673	0.42 642	0.43 623	0.31 581	0.41 651	0.53 666	0.35 645	0.10 514	0.08 518	0.13 590	0.12 593	0.15 617	0.15 616

PASM	0.32 636	0.24 635	0.48 637	0.28 635	0.27 656	0.29 615	0.30 650	0.34 584	0.49 623	0.35 622	0.39 597	0.46 642	0.34 632	0.34 622	0.35 645	0.23 657	0.25 662	0.26 647	0.28 659	0.23 646	0.21 647

MFN_U_SF_RVC	0.32 636	0.21 626	0.55 644	0.30 646	0.15 599	0.34 630	0.17 430	0.52 662	0.46 614	0.46 650	0.55 643	0.59 657	0.39 643	0.35 628	0.37 650	0.15 614	0.14 624	0.18 634	0.21 643	0.16 626	0.15 616

MANE	0.45 656	0.27 644	0.27 581	0.27 632	0.24 650	0.47 652	0.31 656	0.55 666	0.59 646	0.72 669	1.13 688	1.15 680	0.61 671	0.52 663	0.37 650	0.21 648	0.20 647	0.27 650	0.31 664	0.25 653	0.24 651

PVD	0.39 645	0.20 620	0.39 623	0.31 650	0.22 645	0.29 615	0.43 671	0.52 662	0.96 680	0.55 657	0.79 671	0.53 654	0.59 670	0.52 663	0.38 652	0.19 642	0.14 624	0.17 625	0.14 608	0.24 652	0.31 663

XQC	0.28 622	0.23 632	0.51 639	0.28 635	0.19 636	0.34 630	0.27 627	0.36 606	0.57 642	0.31 609	0.30 541	0.37 612	0.30 617	0.38 641	0.38 652	0.13 596	0.09 551	0.15 615	0.12 593	0.17 634	0.18 639

MSAF-DinoV2	0.22 571	0.11 512	0.23 562	0.17 296	0.10 451	0.27 604	0.16 388	0.37 612	0.55 637	0.21 511	0.27 508	0.47 646	0.27 594	0.35 628	0.39 654	0.09 473	0.06 416	0.07 299	0.09 499	0.12 568	0.10 530

EDNetEfficientorigin	7.91 700	0.31 653	153.02 725	0.19 455	0.09 339	0.21 542	0.16 388	0.22 384	0.59 646	0.72 669	0.67 659	0.42 631	0.50 661	0.24 577	0.39 654	0.08 413	0.07 488	0.08 393	0.07 379	0.12 568	0.10 530

SAMSARA	0.40 648	0.28 648	0.33 606	0.55 669	0.39 664	0.82 680	1.23 697	0.47 652	0.51 633	0.36 625	0.35 573	0.55 656	0.39 643	0.38 641	0.39 654	0.15 614	0.20 647	0.15 615	0.14 608	0.23 646	0.20 645

222	0.16 491	0.07 225	0.14 376	0.14 59	0.08 212	0.24 573	0.18 479	0.30 533	0.20 380	0.17 427	0.28 522	0.17 417	0.16 478	0.15 395	0.40 657	0.10 514	0.05 268	0.07 299	0.06 281	0.07 370	0.08 457

ADCS	0.29 626	0.18 610	0.45 631	0.21 553	0.17 625	0.28 611	0.23 583	0.41 634	0.63 657	0.40 635	0.49 632	0.40 628	0.36 637	0.39 645	0.40 657	0.13 596	0.12 600	0.13 590	0.14 608	0.16 626	0.16 627

ELAS_RVC	0.41 650	0.29 651	0.33 606	0.28 635	0.24 650	0.54 658	0.36 661	0.49 655	0.59 646	0.72 669	0.74 667	0.65 663	0.54 663	0.54 668	0.40 657	0.22 653	0.20 647	0.27 650	0.26 653	0.26 658	0.25 656
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
coex-ft	3.30 693	0.34 656	59.09 724	0.18 386	0.13 558	0.26 594	0.22 572	0.27 486	0.72 667	1.90 697	0.70 663	0.44 636	0.45 657	0.29 605	0.41 660	0.09 473	0.09 551	0.12 575	0.09 499	0.14 601	0.13 592

ccnet	0.29 626	0.28 648	0.23 562	0.20 521	0.28 657	0.41 648	0.21 562	0.45 648	0.33 538	0.36 625	0.46 628	0.36 607	0.30 617	0.39 645	0.42 661	0.23 657	0.14 624	0.21 639	0.17 635	0.23 646	0.18 639

BEATNet-Init1	0.52 662	0.27 644	0.62 655	0.30 646	0.21 643	0.76 677	0.29 643	0.54 665	0.65 661	0.86 678	0.95 679	2.07 695	0.62 673	0.56 670	0.42 661	0.18 636	0.18 641	0.23 644	0.22 646	0.22 645	0.21 647

ELAS	0.41 650	0.29 651	0.33 606	0.27 632	0.24 650	0.60 663	0.36 661	0.50 659	0.50 626	0.71 667	0.79 671	0.67 665	0.54 663	0.51 661	0.42 661	0.22 653	0.20 647	0.27 650	0.26 653	0.26 658	0.25 656
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RainbowNet	0.54 664	0.61 670	0.70 672	0.57 670	0.43 668	0.65 666	0.37 664	0.60 671	0.87 677	0.50 652	0.66 658	0.64 661	0.47 658	0.49 658	0.43 664	0.47 675	0.48 680	0.52 673	0.41 670	0.52 672	0.40 673

MSC_U_SF_DS_RVC	0.43 653	0.39 660	0.54 642	0.40 658	0.20 639	0.64 665	0.32 658	0.53 664	0.72 667	0.71 667	0.72 664	0.61 659	0.54 663	0.51 661	0.46 665	0.20 644	0.19 644	0.29 659	0.30 662	0.23 646	0.18 639

ACVNet_2	0.66 670	0.66 674	0.68 666	0.63 672	0.41 666	0.71 671	0.49 674	0.96 684	1.39 689	0.89 679	1.09 684	1.04 676	0.73 677	0.54 668	0.47 666	0.43 672	0.40 673	0.53 674	0.44 672	0.47 670	0.35 668

AnyNet_C01	0.36 643	0.25 640	1.37 688	0.22 570	0.17 625	0.48 654	0.27 627	0.35 599	0.39 580	0.39 632	0.74 667	0.46 642	0.38 640	0.45 655	0.47 666	0.13 596	0.13 615	0.13 590	0.14 608	0.14 601	0.15 616

IMH-64-1	0.65 668	0.61 670	0.68 666	0.71 674	0.51 672	0.59 661	0.49 674	0.91 680	0.85 675	0.74 673	1.02 681	0.81 671	0.78 679	0.79 677	0.49 668	0.42 670	0.46 675	0.71 678	0.47 673	0.52 672	0.39 670

IMH-64	0.65 668	0.61 670	0.68 666	0.71 674	0.51 672	0.59 661	0.49 674	0.91 680	0.85 675	0.74 673	1.02 681	0.81 671	0.78 679	0.79 677	0.49 668	0.42 670	0.46 675	0.71 678	0.47 673	0.52 672	0.39 670

Consistency-Raft	0.44 654	0.40 661	0.45 631	0.37 657	0.43 668	0.46 650	0.41 666	0.57 669	0.55 637	0.32 615	0.73 665	0.33 594	0.48 659	0.42 654	0.49 668	0.39 668	0.35 671	0.45 668	0.51 678	0.42 668	0.29 660

anonymity	0.53 663	0.58 668	0.65 657	0.41 660	0.61 682	0.53 657	0.41 666	0.56 667	0.41 589	0.55 657	0.50 636	0.49 649	0.55 666	0.58 671	0.50 671	0.58 681	0.50 684	0.51 671	0.51 678	0.51 671	0.57 679

IMH	0.71 671	0.64 673	0.68 666	0.76 676	0.54 674	0.69 669	0.54 678	0.98 686	1.10 682	0.82 677	1.09 684	0.89 673	0.88 684	0.87 685	0.52 672	0.44 673	0.50 684	0.75 681	0.51 678	0.56 677	0.41 674

MonStereo1	0.47 660	0.26 641	0.58 650	0.28 635	0.20 639	0.39 645	0.18 479	0.49 655	0.64 658	0.52 653	0.87 674	1.01 675	0.57 668	0.50 659	0.56 673	0.53 678	0.31 669	0.54 675	0.40 669	0.33 666	0.34 666

SGM+DAISY	0.56 665	0.57 667	0.65 657	0.40 658	0.54 674	0.66 668	0.49 674	0.56 667	0.45 613	0.66 663	0.69 661	0.67 665	0.56 667	0.63 673	0.56 673	0.59 682	0.48 680	0.50 670	0.50 677	0.52 672	0.58 680

ktn	1.01 686	1.21 690	0.80 677	1.23 693	0.86 692	1.01 688	0.87 692	0.94 683	1.39 689	1.04 685	1.12 687	1.15 680	1.07 690	0.94 689	0.59 675	1.28 698	0.71 696	1.38 698	0.83 692	1.02 694	0.75 692

MFMNet_re	0.64 667	0.66 674	0.65 657	0.51 667	0.69 686	0.69 669	0.57 680	0.64 673	0.73 671	0.60 660	0.73 665	0.62 660	0.67 675	0.65 674	0.60 676	0.66 686	0.58 693	0.63 676	0.59 681	0.68 683	0.69 689

NVStereoNet_ROB	0.46 659	0.36 658	0.46 635	0.41 660	0.28 657	0.34 630	0.34 659	0.48 653	0.60 650	0.72 669	0.93 677	0.70 668	0.66 674	0.47 656	0.60 676	0.22 653	0.33 670	0.34 664	0.34 668	0.30 661	0.30 662
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SPS-STEREO	0.57 666	0.58 668	0.65 657	0.45 663	0.55 676	0.62 664	0.44 673	0.62 672	0.50 626	0.68 665	0.64 656	0.66 664	0.57 668	0.61 672	0.60 676	0.62 684	0.47 679	0.51 671	0.49 675	0.55 676	0.58 680
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	0.79 676	0.78 679	0.54 642	0.85 682	0.67 685	0.74 673	0.68 688	1.05 689	1.32 687	0.90 680	1.20 691	1.04 676	0.92 685	0.69 675	0.66 679	0.60 683	0.62 694	0.67 677	0.68 687	0.64 679	0.58 680

WAO-6	0.81 677	0.80 680	0.62 655	0.86 683	0.63 683	0.76 677	0.58 681	0.98 686	1.54 694	0.90 680	0.96 680	1.07 678	1.03 689	0.70 676	0.66 679	0.72 687	0.49 682	0.90 689	0.71 688	0.68 683	0.58 680

PWCK	0.71 671	0.94 685	0.95 681	0.76 676	0.31 662	0.74 673	0.36 661	0.90 679	0.90 678	0.96 682	0.75 669	0.95 674	0.61 671	0.87 685	0.66 679	0.72 687	0.46 675	0.75 681	0.49 675	0.69 685	0.44 675

TorneroNet-64	0.76 675	0.72 677	0.74 673	0.78 678	0.58 680	0.91 684	0.56 679	0.84 678	1.29 686	0.66 663	0.90 675	1.40 688	0.75 678	0.85 683	0.67 682	0.49 676	0.46 675	0.72 680	0.59 681	0.67 682	0.53 678

notaker	0.97 684	1.11 688	0.98 682	1.13 691	0.81 690	0.73 672	0.68 688	0.93 682	1.16 683	1.18 692	1.18 690	1.41 689	1.16 694	1.08 694	0.69 683	0.81 692	0.64 695	1.17 694	0.79 691	0.98 692	0.80 693

LVE	0.83 679	0.85 683	0.85 679	0.80 679	0.56 677	1.04 690	0.65 685	1.05 689	1.47 692	0.96 682	1.22 692	1.10 679	0.85 682	0.83 680	0.71 684	0.49 676	0.55 690	0.76 684	0.60 683	0.65 680	0.59 685

WAO-8	0.91 681	0.81 681	0.65 657	0.94 686	0.69 686	0.90 681	0.67 686	1.07 692	1.83 697	1.06 687	1.45 694	1.30 683	1.07 690	0.84 681	0.78 685	0.74 689	0.53 687	0.86 687	0.75 689	0.69 685	0.62 686

Venus	0.91 681	0.81 681	0.65 657	0.94 686	0.69 686	0.90 681	0.67 686	1.07 692	1.83 697	1.06 687	1.45 694	1.30 683	1.07 690	0.84 681	0.78 685	0.74 689	0.53 687	0.86 687	0.75 689	0.69 685	0.62 686

TorneroNet	0.82 678	0.74 678	0.81 678	0.84 681	0.63 683	0.99 686	0.63 682	0.96 684	1.16 683	0.80 676	1.11 686	1.36 687	0.86 683	0.93 688	0.80 687	0.56 679	0.49 682	0.78 686	0.66 686	0.73 688	0.63 688

Dean	0.87 680	0.86 684	0.79 676	0.81 680	0.56 677	0.90 681	0.63 682	1.15 695	1.73 695	1.15 690	1.15 689	1.31 685	0.99 688	0.81 679	0.81 688	0.57 680	0.56 691	0.77 685	0.64 684	0.66 681	0.58 680

KSHMR	1.09 687	1.17 689	0.88 680	1.25 694	1.00 694	0.99 686	0.96 694	1.13 694	1.37 688	1.16 691	1.29 693	1.41 689	0.96 687	1.01 691	0.92 689	1.03 696	1.08 698	1.20 695	1.03 697	1.01 693	0.97 695

UNDER WATER-64	0.95 683	0.94 685	1.43 690	0.87 684	0.56 677	1.18 693	0.87 692	0.77 676	0.94 679	1.04 685	0.85 673	1.58 693	1.21 695	0.94 689	0.96 690	0.87 693	0.57 692	1.03 693	0.88 694	0.78 689	0.73 690

UNDER WATER	0.97 684	0.97 687	1.42 689	0.99 688	0.70 689	1.12 692	0.84 691	0.80 677	1.08 681	1.01 684	0.90 675	1.55 692	1.22 696	1.03 692	1.00 691	0.78 691	0.53 687	1.02 692	0.87 693	0.80 690	0.74 691

JetBlue	0.71 671	0.45 664	1.14 686	0.51 667	0.47 670	2.02 695	0.64 684	0.75 675	0.70 665	0.69 666	0.77 670	1.22 682	0.83 681	1.03 692	1.01 692	0.40 669	0.28 664	0.33 663	0.33 665	0.30 661	0.34 666

MADNet+	0.75 674	0.71 676	3.70 697	0.66 673	0.41 666	0.98 685	0.97 695	0.69 674	0.73 671	0.52 653	0.57 651	0.64 661	0.68 676	0.86 684	1.01 692	0.34 666	0.36 672	0.28 658	0.23 650	0.36 667	0.31 663

DPSimNet_ROB	1.11 688	1.23 691	0.78 674	1.13 691	0.88 693	1.10 691	1.13 696	1.16 696	1.23 685	1.43 694	1.02 681	1.41 689	1.10 693	0.90 687	1.60 694	1.46 699	0.51 686	1.21 696	1.03 697	0.90 691	1.01 697

HanzoNet	1.29 689	1.26 692	1.19 687	1.12 690	0.85 691	1.02 689	0.83 690	1.03 688	1.48 693	1.64 695	1.61 696	2.50 697	1.72 697	1.61 696	1.61 695	1.26 697	0.80 697	1.31 697	1.01 696	1.02 694	0.86 694

LRCNet_RVC	10.62 708	13.42 715	7.30 700	18.92 713	2.07 698	0.33 627	0.30 650	5.59 703	0.48 616	13.03 713	17.94 713	8.87 706	5.65 702	4.79 700	1.89 696	23.51 722	2.73 705	27.55 725	25.71 725	16.07 719	16.33 720

Selective-IGEV-i1pa	2.80 692	3.51 700	0.67 665	0.28 635	0.14 579	10.22 702	0.43 671	4.36 699	3.63 700	3.53 699	6.92 701	3.47 698	1.97 698	13.41 713	2.26 697	0.36 667	0.15 630	0.13 590	0.10 539	0.15 617	0.35 668

MADNet++	1.95 691	1.75 694	1.59 691	1.82 695	1.69 697	2.33 696	1.40 699	2.35 698	2.09 699	2.57 698	2.36 699	2.24 696	2.17 699	2.28 697	2.34 698	1.87 700	1.66 700	1.54 699	1.34 699	1.92 697	1.77 699

TCMNet-wrong-test	3.67 694	5.48 708	3.89 698	12.18 709	11.75 711	4.65 697	3.88 701	1.06 691	0.72 667	1.09 689	2.15 698	6.30 703	0.53 662	3.43 699	2.36 699	0.89 694	0.20 647	1.87 701	1.69 700	5.57 705	3.62 705

JetRed	1.62 690	1.46 693	2.98 692	0.92 685	1.21 695	4.99 698	1.53 700	1.27 697	1.39 689	1.83 696	1.74 697	1.60 694	0.95 686	1.41 695	2.45 700	0.90 695	1.60 699	0.93 690	0.90 695	1.35 696	0.99 696

PML	8.91 703	9.34 714	6.13 699	5.35 700	6.41 702	14.99 706	23.38 712	5.27 700	6.83 702	18.04 717	28.19 725	7.67 704	6.83 703	7.85 704	5.75 701	5.35 707	1.83 701	5.95 713	1.93 701	8.64 710	2.52 701

tt	4.67 695	0.06 107	3.55 696	2.02 696	1.55 696	10.25 703	16.71 705	8.91 708	5.03 701	1.31 693	0.94 678	4.71 699	4.76 701	3.33 698	5.87 702	6.06 708	10.30 714	1.88 702	2.11 702	2.75 699	1.21 698

Selective-IGEV-i16pa	18.58 713	3.30 698	1.09 684	0.21 553	0.18 632	103.68 726	0.28 633	19.87 718	40.73 726	4.16 700	56.45 726	8.07 705	2.59 700	123.95 727	5.89 703	0.18 636	0.12 600	0.09 476	0.12 593	0.12 568	0.51 677

USTest	6.22 696	2.73 697	3.00 693	6.57 703	7.29 703	14.37 705	21.57 706	7.00 707	9.56 706	5.34 704	6.10 700	5.72 702	7.64 704	6.41 703	6.96 704	1.97 701	3.42 706	1.64 700	2.15 703	2.66 698	2.36 700

xxxxx1	7.79 697	5.02 705	7.31 701	3.12 697	3.85 699	16.35 707	22.88 707	5.86 704	8.69 703	7.97 705	8.54 702	9.12 707	8.27 705	10.18 705	10.92 705	2.42 702	2.45 702	3.56 705	12.37 711	3.77 700	3.06 702

tt_ll	7.79 697	5.02 705	7.31 701	3.12 697	3.85 699	16.35 707	22.88 707	5.86 704	8.69 703	7.97 705	8.54 702	9.12 707	8.27 705	10.18 705	10.92 705	2.42 702	2.45 702	3.56 705	12.37 711	3.77 700	3.06 702

ff	7.79 697	5.02 705	7.31 701	3.12 697	3.85 699	16.35 707	22.88 707	5.86 704	8.69 703	7.97 705	8.54 702	9.12 707	8.27 705	10.18 705	10.92 705	2.42 702	2.45 702	3.56 705	12.37 711	3.77 700	3.06 702

DPSMNet_ROB	8.06 701	4.48 701	8.63 709	5.37 702	10.74 706	8.32 700	22.98 711	5.46 701	13.36 711	5.12 702	9.92 707	5.08 700	10.40 708	5.53 702	12.58 708	3.80 706	8.00 707	3.50 703	7.02 708	3.83 703	7.14 709

DGTPSM_ROB	8.06 701	4.48 701	8.63 709	5.35 700	10.72 705	8.32 700	22.97 710	5.46 701	13.35 710	5.12 702	9.92 707	5.08 700	10.40 708	5.52 701	12.58 708	3.79 705	8.00 707	3.50 703	7.02 708	3.83 703	7.14 709

Anonymous_1	10.96 709	7.92 709	7.46 704	10.33 706	10.06 704	18.65 713	26.34 715	11.06 711	13.44 712	9.40 708	10.05 709	9.67 712	11.23 712	10.73 708	12.72 710	6.42 709	8.38 711	5.77 710	10.61 710	12.12 711	6.77 706

iinet-test	10.48 706	8.09 710	7.54 705	10.26 704	10.94 707	18.00 711	25.26 713	11.33 712	13.28 708	9.69 709	9.85 705	9.42 710	11.17 710	11.02 709	12.78 711	6.59 710	8.30 709	5.56 708	6.56 704	6.89 706	7.02 707

IINet	10.48 706	8.09 710	7.54 705	10.26 704	10.94 707	18.00 711	25.26 713	11.33 712	13.28 708	9.69 709	9.85 705	9.42 710	11.17 710	11.02 709	12.78 711	6.59 710	8.30 709	5.56 708	6.56 704	6.89 706	7.02 707

DPSM_ROB	11.15 710	8.58 712	8.00 707	10.88 707	11.58 709	19.10 714	26.71 716	12.05 714	14.07 715	10.36 711	10.84 710	10.33 713	11.86 713	11.70 711	13.54 713	6.99 712	8.79 712	5.89 711	6.95 706	7.29 708	7.42 711

DPSM	11.15 710	8.58 712	8.00 707	10.88 707	11.58 709	19.10 714	26.71 716	12.05 714	14.07 715	10.36 711	10.84 710	10.33 713	11.86 713	11.70 711	13.54 713	6.99 712	8.79 712	5.89 711	6.95 706	7.29 708	7.42 711

HaxPig	15.71 712	18.52 723	19.18 718	16.89 712	15.89 714	7.73 699	7.60 702	13.31 716	10.82 707	15.42 714	14.91 712	15.98 715	14.92 715	15.58 714	15.98 715	18.95 721	16.73 715	19.46 721	18.08 721	19.26 720	19.05 723

RSGM-EC	20.36 714	4.73 703	0.68 666	16.76 710	16.92 715	21.28 716	27.18 718	10.46 709	14.04 713	18.00 715	21.31 716	22.24 724	21.82 717	22.57 716	17.63 716	62.81 725	33.79 725	20.14 722	18.10 722	20.18 721	16.45 721

acva	20.36 714	4.73 703	0.68 666	16.76 710	16.92 715	21.28 716	27.18 718	10.46 709	14.04 713	18.00 715	21.31 716	22.24 724	21.82 717	22.57 716	17.63 716	62.81 725	33.79 725	20.14 722	18.10 722	20.18 721	16.45 721

MEDIAN_ROB	20.38 716	24.04 724	23.31 721	21.23 714	21.71 717	10.40 704	7.92 703	17.64 717	15.50 717	20.12 718	19.70 714	20.34 716	20.32 716	21.19 715	21.13 718	23.81 723	21.81 723	24.98 724	23.76 724	24.71 723	23.93 724

AVERAGE_ROB	24.90 724	29.20 725	28.14 722	24.89 722	24.64 724	17.75 710	11.12 704	21.45 719	19.93 718	25.12 726	24.46 724	25.12 726	25.46 726	24.69 725	22.83 719	29.76 724	27.13 724	28.97 726	27.95 726	29.91 724	29.47 725

FlowAnything	22.44 720	17.35 720	16.14 715	22.07 720	23.23 718	38.39 722	53.77 721	24.25 723	28.44 723	20.96 725	21.82 722	20.70 717	23.84 719	23.49 722	27.14 720	14.04 714	17.79 722	11.75 714	14.15 720	14.65 712	14.89 713

CasAABBNet	22.42 717	17.33 717	16.01 713	22.01 716	23.28 719	38.32 718	53.80 722	24.14 722	28.41 722	20.60 720	21.77 720	20.89 722	23.91 721	23.43 720	27.36 721	14.07 715	17.69 717	11.83 716	14.01 715	14.67 714	14.95 716

LSM0	22.87 723	17.28 716	18.96 717	22.19 721	29.04 725	38.42 724	53.71 720	24.28 724	28.31 719	20.78 724	21.00 715	21.43 723	24.16 725	23.50 723	27.39 722	14.09 720	17.38 716	11.84 720	14.04 718	14.73 718	14.89 713

Hybrid-DGEV	22.47 721	17.40 722	16.14 715	22.00 715	23.29 720	38.36 721	53.80 722	24.43 726	28.63 725	20.59 719	21.81 721	20.88 719	23.91 721	23.45 721	27.42 723	14.08 718	17.69 717	11.83 716	14.06 719	14.65 712	14.93 715

RAFT-FEzeroshot	22.43 718	17.33 717	15.98 711	22.02 717	23.31 721	38.34 719	53.82 724	24.05 720	28.39 720	20.61 721	21.76 718	20.88 719	23.92 723	23.41 718	27.42 723	14.07 715	17.69 717	11.83 716	14.02 716	14.69 715	14.97 717

RAFT-FE	22.43 718	17.33 717	15.98 711	22.02 717	23.31 721	38.34 719	53.82 724	24.05 720	28.39 720	20.61 721	21.76 718	20.88 719	23.92 723	23.41 718	27.42 723	14.07 715	17.69 717	11.83 716	14.02 716	14.69 715	14.97 717

Selective-RAFT-Error	22.47 721	17.37 721	16.09 714	22.06 719	23.34 723	38.39 722	53.83 726	24.29 725	28.47 724	20.74 723	21.83 723	20.81 718	23.90 720	23.54 724	27.53 726	14.08 718	17.69 717	11.82 715	14.00 714	14.69 715	15.00 719

test_example2	98.32 725	94.13 726	45.89 723	96.35 723	109.85 726	88.61 725	95.45 727	25.75 727	94.37 727	130.00 728	126.06 727	58.17 727	74.63 727	88.51 726	79.96 727	150.23 727	221.02 727	77.62 727	99.10 727	113.75 727	96.94 726

ccccc		285.66 727		368.85 726	370.60 727	123.16 727		115.05 728		126.68 727		122.83 728		252.94 728		384.56 728	353.86 728	254.69 728	223.00 728	425.87 728

ASD4		3.38 699

Low-res two-view benchmark