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

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

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

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

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

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

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

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

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-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-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

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-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

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

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

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

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

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

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

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

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

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

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
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
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

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

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
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

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

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

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

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

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

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

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

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

3.75w	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

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

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

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

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

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-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

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

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

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

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

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
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_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

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

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

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

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

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

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

TS12	0.08 84	0.06 107	0.09 121	0.21 554	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

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

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

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-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-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

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

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	0.20 522	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-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-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-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-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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

DEFOM-Stereo_RVC	0.08 84	0.06 107	0.09 121	0.22 571	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

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

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

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

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

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

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

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

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

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

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

MoCha-V2	0.08 84	0.05 41	0.10 185	0.20 522	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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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
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

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

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

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

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

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

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

IGEV-BASED-STEREO-	0.09 172	0.10 486	0.31 600	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

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

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

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

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

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

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

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

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

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

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

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

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

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)
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

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

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

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

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.
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

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

CroCo-Stereo Lap2	0.09 172	0.09 424	0.08 56	0.22 571	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

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

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

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

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

CroCo-Stereo	0.09 172	0.08 344	0.08 56	0.22 571	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
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

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

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

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

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

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

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

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

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

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

WQFJA1	0.10 241	0.07 225	0.08 56	0.20 522	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

WQFJX1	0.10 241	0.07 225	0.08 56	0.22 571	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

WQFJX	0.10 241	0.07 225	0.09 121	0.21 554	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

NLMM	0.10 241	0.07 225	0.08 56	0.20 522	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

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

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

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-test2	0.10 241	0.08 344	0.10 185	0.23 595	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

AIO-test1	0.10 241	0.07 225	0.10 185	0.23 595	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

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

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

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

RAStereo	0.10 241	0.09 424	0.08 56	0.20 522	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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

test_3	0.10 241	0.09 424	0.10 185	0.20 522	0.08 212	0.13 354	0.26 621	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

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

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

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

cross-raft	0.10 241	0.09 424	0.09 121	0.19 455	0.07 132	0.11 251	0.25 612	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

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

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

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

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

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

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
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
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

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

NLMM1	0.11 289	0.09 424	0.07 11	0.22 571	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

NLCSM	0.11 289	0.09 424	0.09 121	0.23 595	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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

Selective-RAFT	0.11 289	0.10 486	0.11 244	0.21 554	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

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

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

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

GMOStereo	0.11 289	0.09 424	0.07 11	0.19 455	0.08 212	0.12 303	0.28 634	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	0.28 634	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	0.28 634	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

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

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	0.15 617

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
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

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

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

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

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	0.14 610

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	0.16 628

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

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

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

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

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	0.41 615	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	0.36 577	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

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

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

test-2	0.11 289	0.09 424	0.07 11	0.19 455	0.08 212	0.12 303	0.28 634	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

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

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

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

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

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

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
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

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_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_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

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

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

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

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

RAFT_CTSACE	0.12 360	0.09 424	0.10 185	0.22 571	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

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

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

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

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

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

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

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

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

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

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

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

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

sCroCo_RVC	0.12 360	0.09 424	0.23 562	0.24 604	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

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

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

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

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

Selective-IGEV-i16pc	0.13 386	0.06 107	0.13 339	0.15 113	0.11 501	0.38 644	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

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

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

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

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

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

UGAM	0.13 386	0.10 486	0.09 121	0.22 571	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

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

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

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	0.38 578	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

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

StereoVision	0.13 386	0.12 530	0.09 121	0.24 604	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	0.11 585	0.12 575	0.12 593	0.06 290	0.05 203

LL-Strereo	0.13 386	0.09 424	0.11 244	0.20 522	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

CASS	0.13 386	0.12 530	0.11 244	0.23 595	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

TestStereo1	0.13 386	0.08 344	0.08 56	0.19 455	0.08 212	0.18 485	0.29 644	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

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

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

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	0.28 634	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

SA-5K	0.13 386	0.08 344	0.08 56	0.19 455	0.08 212	0.18 485	0.29 644	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

GwcNet-ADL	0.13 386	0.08 344	0.14 376	0.20 522	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

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

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

TestStereo	0.13 386	0.14 570	0.11 244	0.23 595	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

sAnonymous2	0.13 386	0.12 530	0.24 566	0.20 522	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	0.20 522	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

RAFT + AFF	0.13 386	0.07 225	0.20 538	0.20 522	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

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
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

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

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

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

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

Selective-IGEV-i16pb	0.14 423	0.08 344	0.17 490	0.15 113	0.11 501	0.41 649	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

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

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	0.11 585	0.12 575	0.10 539	0.09 497	0.06 304

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	0.11 585	0.10 524	0.10 539	0.08 434	0.06 304

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	0.11 585	0.11 555	0.10 539	0.09 497	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

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

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

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

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

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

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	0.36 564	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

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

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

BUS	0.14 423	0.09 424	0.14 376	0.22 571	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

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

test_5	0.14 423	0.12 530	0.08 56	0.20 522	0.10 451	0.14 388	0.29 644	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

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

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

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

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

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

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

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

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

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	0.36 577	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

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

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

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	0.36 564	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

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
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

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

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_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

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

rvit_0105_3	0.15 468	0.09 424	0.14 376	0.19 455	0.12 535	0.15 414	0.25 612	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	0.11 585	0.12 575	0.14 608	0.07 370	0.06 304

ACV-stereo	0.15 468	0.10 486	0.28 587	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

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	0.49 624	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

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

1111x	0.15 468	0.08 344	0.12 289	0.18 386	0.07 132	0.18 485	0.25 612	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

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

BSDual-CNN	0.15 468	0.09 424	0.14 376	0.22 571	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

hknet	0.15 468	0.11 512	0.13 339	0.22 571	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

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

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

PSMNet-ADL	0.15 468	0.12 530	0.13 339	0.22 571	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	0.21 554	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

ICVP	0.15 468	0.09 424	0.12 289	0.22 571	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)
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	0.26 603	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	0.26 603	0.09 473	0.05 268	0.07 299	0.07 379	0.07 370	0.07 391

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

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

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

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.
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	0.37 613	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

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

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	0.96 693	0.09 499	0.05 168	0.04 72

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

GMStereo_Zeroshot	0.16 491	0.13 558	0.24 566	0.20 522	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

iinet-f	0.16 491	0.06 107	0.45 633	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

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

NINENet	0.16 491	0.10 486	0.15 424	0.17 296	0.11 501	0.19 509	0.14 235	0.40 629	0.36 564	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

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

AASNet	0.16 491	0.08 344	0.12 289	0.19 455	0.09 339	0.18 485	0.15 319	0.37 613	0.37 571	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

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

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	0.39 581	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

Anonymous3	0.16 491	0.13 558	0.33 607	0.26 621	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

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

HCRNet	0.16 491	0.24 635	0.12 289	0.35 656	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

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	0.40 658	0.10 514	0.05 268	0.07 299	0.06 281	0.07 370	0.08 457

UPFNet	0.16 491	0.08 344	0.12 289	0.20 522	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

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

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

FADNet-RVC-Resample	0.16 491	0.11 512	0.31 600	0.22 571	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_RVC	0.16 491	0.14 570	0.40 626	0.20 522	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	0.35 574	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

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

z-ln-s-r	0.17 512	0.10 486	0.40 626	0.19 455	0.08 212	0.17 466	0.18 479	0.22 384	0.33 538	0.18 457	0.40 604	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

rvit_stereo_0075_2	0.17 512	0.12 530	0.25 571	0.23 595	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	0.17 626	0.10 539	0.10 530	0.09 501

ToySt	0.17 512	0.11 512	0.18 514	0.17 296	0.11 501	0.16 444	0.25 612	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

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	0.18 637	0.09 551	0.11 555	0.09 499	0.11 553	0.07 391

GEStereo_RVC	0.17 512	0.12 530	0.15 424	0.22 571	0.11 501	0.19 509	0.17 430	0.32 555	0.48 617	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

MMNet	0.17 512	0.09 424	0.16 460	0.20 522	0.11 501	0.27 604	0.20 542	0.25 446	0.41 590	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

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	0.37 571	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

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

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

DMCA-RVC	0.17 512	0.10 486	0.15 424	0.24 604	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

TDLM	0.17 512	0.12 530	0.13 339	0.24 604	0.10 451	0.18 485	0.18 479	0.36 607	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

NLCA_NET_v2_RVC	0.17 512	0.10 486	0.22 553	0.20 522	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.
StereoDRNet-Refined	0.17 512	0.12 530	0.15 424	0.20 522	0.09 339	0.18 485	0.18 479	0.26 464	0.23 422	0.26 568	0.40 604	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
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	0.20 645	0.08 518	0.14 603	0.14 608	0.14 601	0.17 637

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	0.30 668	0.14 603	0.14 608	0.14 601	0.12 570

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

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	0.16 635	0.21 640	0.17 636	0.10 530	0.08 457

Wz-Net-LNSev-Ref	0.18 526	0.09 424	0.29 595	0.15 113	0.10 451	0.22 551	0.20 542	0.26 464	0.39 581	0.25 562	0.42 621	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

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	0.14 610

psm_up	0.18 526	0.10 486	0.18 514	0.20 522	0.11 501	0.17 466	0.19 519	0.37 613	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

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

STTStereo	0.18 526	0.12 530	0.27 582	0.20 522	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	0.11 585	0.11 555	0.14 608	0.09 497	0.08 457

CVANet_RVC	0.18 526	0.10 486	0.14 376	0.21 554	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

StereoDRNet	0.18 526	0.11 512	0.17 490	0.22 571	0.11 501	0.21 542	0.22 572	0.37 613	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	0.23 595	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

TCMNet	0.19 538	0.12 530	0.19 526	0.20 522	0.18 632	0.20 525	0.24 596	0.27 486	0.36 564	0.23 540	0.26 499	0.25 522	0.19 532	0.19 501	0.23 568	0.13 596	0.11 585	0.11 555	0.12 593	0.13 587	0.12 570

rvit_105_1	0.19 538	0.11 512	0.25 571	0.21 554	0.16 610	0.21 542	0.27 628	0.31 544	0.41 590	0.19 474	0.20 399	0.22 484	0.17 501	0.19 501	0.17 490	0.12 570	0.12 601	0.13 590	0.15 625	0.08 434	0.07 391

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	0.36 608	0.25 580	0.19 501	0.17 490	0.15 614	0.30 668	0.14 603	0.14 608	0.14 601	0.12 570

SDNR	0.19 538	0.08 344	0.19 526	0.16 209	0.12 535	0.77 680	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	0.18 642	0.14 603	0.11 573	0.08 434	0.11 557

pcwnet_v2	0.19 538	0.10 486	0.26 574	0.17 296	0.14 579	0.18 485	0.15 319	0.37 613	0.46 615	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	0.13 593

ADCRef	0.19 538	0.12 530	0.41 629	0.20 522	0.12 535	0.22 551	0.18 479	0.32 555	0.36 564	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

NVstereo2D	0.19 538	0.10 486	0.15 424	0.17 296	0.15 599	0.28 611	0.23 583	0.44 646	0.42 598	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

DRN-Test	0.19 538	0.11 512	0.20 538	0.22 571	0.10 451	0.22 551	0.22 572	0.39 625	0.37 571	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

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	0.44 608	0.22 527	0.31 549	0.33 595	0.26 586	0.28 599	0.28 619	0.08 413	0.06 416	0.07 299	0.07 379	0.09 497	0.09 501

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	0.17 640	0.22 644	0.20 642	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	0.18 642	0.23 645	0.21 644	0.12 568	0.13 593

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	0.15 631	0.17 626	0.16 629	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
w-ln-seven-2	0.20 550	0.14 570	0.37 620	0.22 571	0.12 535	0.20 525	0.21 562	0.28 505	0.37 571	0.25 562	0.37 584	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

YMNet	0.20 550	0.12 530	0.19 526	0.20 522	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	0.13 616	0.10 524	0.10 539	0.08 434	0.09 501

YMNet_1	0.20 550	0.12 530	0.19 526	0.20 522	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	0.13 616	0.10 524	0.10 539	0.08 434	0.09 501

GwcNet	0.20 550	0.13 558	0.19 526	0.18 386	0.12 535	0.24 573	0.19 519	0.35 600	0.43 603	0.20 497	0.32 553	0.33 595	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

FAT-Stereo	0.20 550	0.12 530	0.22 553	0.21 554	0.12 535	0.17 466	0.18 479	0.34 584	0.39 581	0.27 574	0.37 584	0.34 602	0.32 626	0.21 543	0.20 527	0.09 473	0.11 585	0.10 524	0.09 499	0.11 553	0.14 610

FADNet-RVC	0.20 550	0.20 620	0.38 622	0.21 554	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	0.13 616	0.12 575	0.14 608	0.13 587	0.18 640

S-Stereo	0.20 550	0.12 530	0.25 571	0.21 554	0.13 558	0.20 525	0.18 479	0.32 555	0.43 603	0.23 540	0.36 577	0.28 550	0.30 617	0.19 501	0.22 556	0.09 473	0.12 601	0.10 524	0.10 539	0.13 587	0.13 593

SuperB	0.20 550	0.10 486	0.56 649	0.16 209	0.09 339	0.18 485	0.18 479	0.24 429	0.50 627	0.26 568	0.39 598	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

ADCP+	0.20 550	0.10 486	0.33 607	0.20 522	0.12 535	0.22 551	0.26 621	0.31 544	0.34 550	0.26 568	0.37 584	0.22 484	0.22 557	0.27 587	0.27 611	0.09 473	0.06 416	0.08 393	0.08 452	0.09 497	0.10 530

PS-NSSS	0.20 550	0.21 626	0.23 562	0.20 522	0.10 451	0.19 509	0.17 430	0.36 607	0.25 460	0.27 574	0.33 565	0.27 540	0.24 571	0.20 526	0.20 527	0.15 614	0.12 601	0.17 626	0.14 608	0.10 530	0.08 457

PWCDC_ROB	0.20 550	0.13 558	0.22 553	0.24 604	0.11 501	0.19 509	0.15 319	0.33 575	0.54 637	0.29 598	0.50 637	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

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	0.16 635	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
UDG	0.21 562	0.17 599	0.19 526	0.23 595	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	0.12 601	0.13 590	0.09 499	0.14 601	0.14 610

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	0.48 617	0.25 562	0.32 553	0.22 484	0.22 557	0.22 556	0.17 490	0.18 637	0.16 635	0.11 555	0.10 539	0.15 617	0.13 593

Syn2CoEx	0.21 562	0.16 588	0.27 582	0.29 646	0.14 579	0.26 594	0.20 542	0.33 575	0.31 524	0.28 589	0.36 577	0.27 540	0.25 580	0.19 501	0.24 581	0.16 630	0.12 601	0.14 603	0.11 573	0.09 497	0.08 457

FADNet	0.21 562	0.22 630	0.36 616	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	0.15 631	0.12 575	0.15 625	0.16 626	0.18 640

RP	0.21 562	0.13 558	0.21 547	0.23 595	0.11 501	0.21 542	0.20 542	0.25 446	0.44 608	0.21 511	0.38 590	0.36 608	0.24 571	0.27 587	0.25 591	0.11 545	0.12 601	0.13 590	0.12 593	0.12 568	0.14 610

DANet	0.21 562	0.15 580	0.28 587	0.25 616	0.13 558	0.22 551	0.19 519	0.27 486	0.27 484	0.28 589	0.32 553	0.35 606	0.31 621	0.31 610	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
GANet	0.21 562	0.12 530	0.21 547	0.24 604	0.13 558	0.22 551	0.22 572	0.41 635	0.26 474	0.31 609	0.42 621	0.37 613	0.28 605	0.23 567	0.22 556	0.10 514	0.12 601	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	0.49 624	0.30 603	0.40 604	0.32 591	0.24 571	0.31 610	0.22 556	0.10 514	0.07 488	0.11 555	0.08 452	0.11 553	0.10 530

PSMNet_ROB	0.21 562	0.11 512	0.15 424	0.27 634	0.15 599	0.24 573	0.35 661	0.43 644	0.37 571	0.27 574	0.32 553	0.32 591	0.22 557	0.21 543	0.26 603	0.12 570	0.08 518	0.13 590	0.11 573	0.09 497	0.09 501

MSAF-DinoV2	0.22 571	0.11 512	0.23 562	0.17 296	0.10 451	0.27 604	0.16 388	0.37 613	0.55 638	0.21 511	0.27 508	0.47 648	0.27 594	0.35 629	0.39 655	0.09 473	0.06 416	0.07 299	0.09 499	0.12 568	0.10 530

GASNet	0.22 571	0.23 632	0.33 607	0.26 621	0.17 625	0.26 594	0.16 388	0.44 646	0.42 598	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

Anonymous_2	0.22 571	0.17 599	0.28 587	0.15 113	0.16 610	0.32 621	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	0.22 654	0.25 664	0.17 626	0.17 636	0.17 634	0.17 637

Wz-Net-LNSev	0.22 571	0.16 588	0.38 622	0.21 554	0.13 558	0.25 584	0.23 583	0.32 555	0.43 603	0.30 603	0.41 615	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	0.31 600	0.20 522	0.14 579	0.36 640	0.24 596	0.33 575	0.44 608	0.28 589	0.40 604	0.38 617	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

DDUNet	0.22 571	0.17 599	0.21 547	0.22 571	0.15 599	0.25 584	0.24 596	0.29 519	0.30 516	0.31 609	0.36 577	0.33 595	0.25 580	0.24 577	0.20 527	0.18 637	0.13 616	0.17 626	0.11 573	0.16 626	0.16 628

APVNet	0.22 571	0.12 530	0.19 526	0.18 386	0.14 579	0.32 621	0.31 657	0.39 625	0.32 531	0.27 574	0.40 604	0.30 568	0.29 613	0.26 584	0.25 591	0.11 545	0.12 601	0.11 555	0.14 608	0.12 568	0.12 570

aanetorigin	0.22 571	0.17 599	0.56 649	0.17 296	0.10 451	0.15 414	0.19 519	0.20 337	0.33 538	0.49 653	0.48 632	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

MaskLacGwcNet_RVC	0.22 571	0.21 626	0.24 566	0.26 621	0.11 501	0.23 568	0.14 235	0.39 625	0.24 439	0.32 615	0.36 577	0.30 568	0.21 548	0.19 501	0.21 547	0.17 635	0.14 625	0.21 640	0.16 629	0.12 568	0.12 570

AF-Net	0.22 571	0.17 599	0.17 490	0.26 621	0.13 558	0.25 584	0.24 596	0.32 555	0.50 627	0.25 562	0.33 565	0.38 617	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

stereogan	0.22 571	0.11 512	0.21 547	0.20 522	0.12 535	0.31 620	0.19 519	0.35 600	0.44 608	0.22 527	0.39 598	0.35 606	0.27 594	0.33 620	0.22 556	0.10 514	0.12 601	0.10 524	0.10 539	0.14 601	0.13 593

edge stereo	0.22 571	0.13 558	0.20 538	0.21 554	0.13 558	0.23 568	0.16 388	0.32 555	0.42 598	0.32 615	0.40 604	0.38 617	0.35 636	0.25 582	0.24 581	0.13 596	0.11 585	0.14 603	0.11 573	0.12 568	0.13 593

RYNet	0.22 571	0.12 530	0.22 553	0.19 455	0.17 625	0.46 651	0.26 621	0.38 621	0.48 617	0.24 549	0.28 522	0.34 602	0.23 565	0.20 526	0.30 630	0.10 514	0.06 416	0.09 476	0.09 499	0.13 587	0.15 617

NaN_ROB	0.22 571	0.19 614	0.24 566	0.25 616	0.13 558	0.29 615	0.26 621	0.33 575	0.41 590	0.31 609	0.31 549	0.32 591	0.23 565	0.30 609	0.21 547	0.11 545	0.17 640	0.10 524	0.10 539	0.08 434	0.09 501

MDST_ROB	0.22 571	0.10 486	0.17 490	0.18 386	0.11 501	0.37 641	0.19 519	0.43 644	0.41 590	0.39 633	0.39 598	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

XPNet_ROB	0.22 571	0.11 512	0.19 526	0.22 571	0.13 558	0.22 551	0.19 519	0.34 584	0.40 587	0.30 603	0.39 598	0.39 625	0.26 586	0.26 584	0.28 619	0.15 614	0.10 572	0.10 524	0.10 539	0.13 587	0.12 570

SQANet	0.23 587	0.23 632	0.30 598	0.30 648	0.19 636	0.27 604	0.13 170	0.29 519	0.33 538	0.24 549	0.37 584	0.31 581	0.22 557	0.27 587	0.23 568	0.15 614	0.10 572	0.21 640	0.16 629	0.21 643	0.15 617

Nwc_Net	0.23 587	0.16 588	0.21 547	0.25 616	0.14 579	0.24 573	0.26 621	0.37 613	0.38 578	0.22 527	0.41 615	0.30 568	0.28 605	0.28 599	0.25 591	0.11 545	0.10 572	0.17 626	0.20 642	0.10 530	0.10 530

RTSC	0.23 587	0.12 530	0.28 587	0.21 554	0.13 558	0.28 611	0.16 388	0.35 600	0.66 663	0.27 574	0.33 565	0.30 568	0.21 548	0.31 610	0.29 623	0.10 514	0.08 518	0.09 476	0.10 539	0.13 587	0.13 593

PA-Net	0.23 587	0.18 610	0.33 607	0.28 637	0.22 645	0.21 542	0.38 666	0.29 519	0.39 581	0.22 527	0.32 553	0.25 522	0.26 586	0.20 526	0.25 591	0.09 473	0.23 661	0.15 615	0.22 647	0.09 497	0.13 593
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 587	0.15 580	0.17 490	0.34 654	0.18 632	0.24 573	0.23 583	0.34 584	0.28 499	0.31 609	0.38 590	0.38 617	0.28 605	0.23 567	0.24 581	0.15 614	0.12 601	0.18 635	0.21 644	0.13 587	0.13 593

ETE_ROB	0.23 587	0.17 599	0.22 553	0.25 616	0.13 558	0.26 594	0.29 644	0.31 544	0.36 564	0.28 589	0.36 577	0.45 640	0.26 586	0.27 587	0.26 603	0.11 545	0.08 518	0.12 575	0.09 499	0.14 601	0.13 593

SGM_RVC	0.23 587	0.12 530	0.15 424	0.15 113	0.09 339	0.33 628	0.18 479	0.34 584	0.31 524	0.44 648	0.37 584	0.53 656	0.35 636	0.35 629	0.24 581	0.13 596	0.13 616	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
DStereoO	0.24 594	0.18 610	0.18 514	0.20 522	0.14 579	0.21 542	0.19 519	0.32 555	0.41 590	0.29 598	0.21 422	0.32 591	0.27 594	0.41 654	0.27 611	0.46 676	0.12 601	0.31 663	0.11 573	0.15 617	0.12 570

z-mn7	0.24 594	0.14 570	0.45 633	0.19 455	0.13 558	0.28 611	0.25 612	0.34 584	0.62 654	0.27 574	0.56 649	0.29 558	0.24 571	0.32 617	0.25 591	0.08 413	0.08 518	0.08 393	0.08 452	0.10 530	0.10 530

w-ln-seven	0.24 594	0.14 570	0.55 646	0.19 455	0.14 579	0.26 594	0.22 572	0.35 600	0.60 651	0.29 598	0.39 598	0.30 568	0.22 557	0.21 543	0.26 603	0.09 473	0.09 551	0.11 555	0.10 539	0.11 553	0.10 530

DGSMNet	0.24 594	0.19 614	0.33 607	0.21 554	0.24 650	0.24 573	0.20 542	0.35 600	0.41 590	0.24 549	0.32 553	0.38 617	0.21 548	0.29 606	0.23 568	0.12 570	0.11 585	0.14 603	0.16 629	0.23 647	0.23 652

G-Net	0.24 594	0.16 588	0.36 616	0.22 571	0.16 610	0.51 657	0.23 583	0.29 519	0.34 550	0.36 625	0.38 590	0.31 581	0.29 613	0.27 587	0.26 603	0.11 545	0.09 551	0.12 575	0.09 499	0.16 626	0.13 593

NCC-stereo	0.24 594	0.15 580	0.31 600	0.26 621	0.16 610	0.20 525	0.30 651	0.40 629	0.40 587	0.24 549	0.38 590	0.33 595	0.28 605	0.36 635	0.27 611	0.12 570	0.11 585	0.15 615	0.22 647	0.13 587	0.13 593

Abc-Net	0.24 594	0.15 580	0.31 600	0.26 621	0.16 610	0.20 525	0.30 651	0.40 629	0.40 587	0.24 549	0.38 590	0.33 595	0.28 605	0.36 635	0.27 611	0.12 570	0.11 585	0.15 615	0.22 647	0.13 587	0.13 593
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 594	0.11 512	0.47 638	0.22 571	0.12 535	0.34 631	0.29 644	0.29 519	0.56 641	0.24 549	0.46 629	0.30 568	0.30 617	0.29 606	0.29 623	0.08 413	0.07 488	0.09 476	0.09 499	0.10 530	0.10 530

DeepPrunerF	0.24 594	0.17 599	0.42 631	0.26 621	0.16 610	0.22 551	0.28 634	0.37 613	0.50 627	0.26 568	0.29 534	0.24 508	0.28 605	0.21 543	0.22 556	0.15 614	0.11 585	0.20 639	0.18 640	0.12 568	0.13 593

FBW_ROB	0.24 594	0.17 599	0.22 553	0.26 621	0.14 579	0.25 584	0.22 572	0.41 635	0.41 590	0.41 640	0.41 615	0.42 632	0.27 594	0.31 610	0.23 568	0.09 473	0.14 625	0.14 603	0.12 593	0.11 553	0.09 501

SANet	0.24 594	0.14 570	0.28 587	0.21 554	0.11 501	0.27 604	0.24 596	0.38 621	0.64 659	0.36 625	0.40 604	0.43 636	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

WCMA_ROB	0.24 594	0.11 512	0.22 553	0.17 296	0.14 579	0.32 621	0.15 319	0.32 555	0.32 531	0.38 631	0.53 640	0.40 629	0.34 633	0.34 623	0.25 591	0.11 545	0.12 601	0.12 575	0.10 539	0.14 601	0.14 610

DStereoSA	0.25 606	0.19 614	0.37 620	0.26 621	0.17 625	0.22 551	0.20 542	0.49 656	0.59 647	0.22 527	0.29 534	0.29 558	0.33 628	0.39 646	0.28 619	0.12 570	0.11 585	0.16 622	0.14 608	0.14 601	0.12 570

FSD	0.25 606	0.27 645	0.26 574	0.24 604	0.22 645	0.25 584	0.25 612	0.27 486	0.26 474	0.25 562	0.26 499	0.25 522	0.27 594	0.27 587	0.24 581	0.21 649	0.20 648	0.27 651	0.26 654	0.25 655	0.24 653

zh-sn7	0.25 606	0.17 599	0.50 640	0.24 604	0.13 558	0.25 584	0.24 596	0.34 584	0.48 617	0.28 589	0.54 642	0.28 550	0.31 621	0.36 635	0.32 638	0.10 514	0.10 572	0.11 555	0.10 539	0.12 568	0.12 570

zh-mn7	0.25 606	0.14 570	0.56 649	0.19 455	0.14 579	0.24 573	0.22 572	0.34 584	0.62 654	0.35 622	0.65 658	0.31 581	0.25 580	0.31 610	0.25 591	0.09 473	0.08 518	0.09 476	0.09 499	0.09 497	0.11 557

Wz-Net-SNSev	0.25 606	0.17 599	0.44 632	0.25 616	0.14 579	0.26 594	0.23 583	0.38 621	0.56 641	0.30 603	0.55 644	0.39 625	0.26 586	0.23 567	0.30 630	0.10 514	0.09 551	0.09 476	0.10 539	0.11 553	0.11 557

psmorigin	0.25 606	0.15 580	0.34 615	0.17 296	0.13 558	0.23 568	0.14 235	0.34 584	0.33 538	0.41 640	0.55 644	0.41 631	0.37 640	0.34 623	0.27 611	0.11 545	0.15 631	0.11 555	0.11 573	0.12 568	0.16 628

RGC	0.25 606	0.20 620	0.29 595	0.28 637	0.16 610	0.22 551	0.23 583	0.32 555	0.44 608	0.27 574	0.40 604	0.38 617	0.27 594	0.36 635	0.22 556	0.11 545	0.13 616	0.17 626	0.17 636	0.14 601	0.16 628

ADCMid	0.25 606	0.15 580	0.40 626	0.20 522	0.14 579	0.25 584	0.26 621	0.34 584	0.38 578	0.36 625	0.44 626	0.34 602	0.40 647	0.35 629	0.33 643	0.10 514	0.09 551	0.11 555	0.11 573	0.13 587	0.12 570

ADCPNet	0.25 606	0.16 588	0.61 656	0.21 554	0.15 599	0.35 639	0.25 612	0.32 555	0.35 559	0.30 603	0.40 604	0.36 608	0.28 605	0.28 599	0.32 638	0.12 570	0.10 572	0.11 555	0.12 593	0.14 601	0.13 593

STTRV1_RVC	0.25 606	0.26 641	0.39 624	0.19 455	0.26 657	0.30 618	0.24 596	0.34 584	0.35 559	0.36 625	0.34 569	0.31 581	0.31 621	0.28 599	0.25 591	0.17 635	0.10 572	0.16 622	0.14 608	0.17 634	0.12 570

LALA_ROB	0.25 606	0.16 588	0.22 553	0.26 621	0.17 625	0.27 604	0.27 628	0.42 640	0.37 571	0.33 619	0.38 590	0.51 652	0.26 586	0.28 599	0.27 611	0.16 630	0.09 551	0.12 575	0.11 573	0.13 587	0.12 570

SHD	0.26 617	0.15 580	0.30 598	0.24 604	0.18 632	0.22 551	0.15 319	0.38 621	0.71 667	0.32 615	0.41 615	0.36 608	0.28 605	0.32 617	0.29 623	0.12 570	0.11 585	0.14 603	0.13 604	0.16 626	0.20 646

AnyNet_C32	0.26 617	0.16 588	0.36 616	0.20 522	0.16 610	0.25 584	0.30 651	0.32 555	0.44 608	0.31 609	0.49 633	0.30 568	0.33 628	0.40 651	0.33 643	0.12 570	0.12 601	0.12 575	0.14 608	0.14 601	0.15 617

DStereoFS	0.27 619	0.22 630	0.31 600	0.22 571	0.15 599	0.22 551	0.20 542	0.50 660	0.48 617	0.28 589	0.44 626	0.33 595	0.34 633	0.52 664	0.29 623	0.12 570	0.11 585	0.15 615	0.13 604	0.16 626	0.16 628

PSMNet-RUCA	0.27 619	0.33 657	0.41 629	0.36 658	0.32 665	0.18 485	0.19 519	0.42 640	0.30 516	0.33 619	0.41 615	0.39 625	0.25 580	0.31 610	0.20 527	0.18 637	0.10 572	0.25 647	0.15 625	0.21 643	0.16 628

PDISCO_ROB	0.27 619	0.16 588	0.26 574	0.28 637	0.20 639	0.32 621	0.26 621	0.44 646	0.57 643	0.28 589	0.40 604	0.45 640	0.29 613	0.33 620	0.34 645	0.12 570	0.09 551	0.17 626	0.16 629	0.17 634	0.13 593

DispFullNet	0.27 619	0.21 626	0.65 659	0.28 637	0.16 610	0.26 594	0.17 430	0.33 575	0.58 646	0.27 574	0.38 590	0.43 636	0.23 565	0.38 642	0.23 568	0.12 570	0.06 416	0.19 637	0.11 573	0.21 643	0.15 617

MeshStereo	0.27 619	0.13 558	0.18 514	0.15 113	0.11 501	0.32 621	0.24 596	0.40 629	0.36 564	0.52 655	0.57 652	0.67 667	0.40 647	0.35 629	0.26 603	0.14 610	0.13 616	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
WZ-Net	0.28 624	0.17 599	0.78 676	0.22 571	0.16 610	0.34 631	0.29 644	0.39 625	0.57 643	0.24 549	0.55 644	0.37 613	0.24 571	0.33 620	0.35 646	0.09 473	0.08 518	0.09 476	0.10 539	0.14 601	0.16 628

XQC	0.28 624	0.23 632	0.51 641	0.28 637	0.19 636	0.34 631	0.27 628	0.36 607	0.57 643	0.31 609	0.30 541	0.37 613	0.30 617	0.38 642	0.38 653	0.13 596	0.09 551	0.15 615	0.12 593	0.17 634	0.18 640

CC-Net-ROB	0.28 624	0.31 655	0.36 616	0.29 646	0.15 599	0.25 584	0.19 519	0.45 649	0.33 538	0.39 633	0.37 584	0.39 625	0.31 621	0.27 587	0.26 603	0.24 660	0.19 645	0.30 662	0.23 651	0.18 638	0.15 617

DPSNet	0.28 624	0.16 588	0.31 600	0.18 386	0.13 558	0.54 659	0.42 670	0.51 662	0.67 664	0.29 598	0.38 590	0.38 617	0.29 613	0.31 610	0.23 568	0.11 545	0.10 572	0.11 555	0.08 452	0.20 642	0.16 628

MultiAttention	0.29 628	0.08 344	0.14 376	0.19 455	0.12 535	1.45 695	1.33 699	0.36 607	0.37 571	0.19 474	0.21 422	0.24 508	0.11 337	0.38 642	0.18 508	0.06 167	0.05 268	0.08 393	0.08 452	0.10 530	0.09 501

Wz-Net-TNSev	0.29 628	0.20 620	0.65 659	0.19 455	0.15 599	0.38 644	0.27 628	0.35 600	0.55 638	0.34 621	0.42 621	0.45 640	0.38 641	0.32 617	0.30 630	0.12 570	0.13 616	0.10 524	0.12 593	0.15 617	0.14 610

ccnet	0.29 628	0.28 650	0.23 562	0.20 522	0.28 659	0.41 649	0.21 562	0.45 649	0.33 538	0.36 625	0.46 629	0.36 608	0.30 617	0.39 646	0.42 662	0.23 658	0.14 625	0.21 640	0.17 636	0.23 647	0.18 640

EDNetEfficient	0.29 628	0.24 635	1.13 687	0.18 386	0.10 451	0.19 509	0.20 542	0.20 337	0.60 651	0.74 675	0.56 649	0.31 581	0.39 644	0.22 556	0.30 630	0.09 473	0.07 488	0.08 393	0.07 379	0.11 553	0.09 501

ADCS	0.29 628	0.18 610	0.45 633	0.21 554	0.17 625	0.28 611	0.23 583	0.41 635	0.63 658	0.40 636	0.49 633	0.40 629	0.36 638	0.39 646	0.40 658	0.13 596	0.12 601	0.13 590	0.14 608	0.16 626	0.16 628

CSAN	0.29 628	0.24 635	0.27 582	0.34 654	0.19 636	0.33 628	0.42 670	0.37 613	0.50 627	0.38 631	0.40 604	0.44 638	0.33 628	0.28 599	0.30 630	0.20 645	0.16 635	0.19 637	0.19 641	0.14 601	0.15 617

AANet	0.30 634	0.19 614	1.03 685	0.16 209	0.13 558	0.22 551	0.16 388	0.30 533	0.62 654	0.60 662	0.52 639	0.46 644	0.38 641	0.23 567	0.32 638	0.12 570	0.09 551	0.11 555	0.10 539	0.13 587	0.12 570

MFN_U_SF_DS_RVC	0.30 634	0.24 635	0.29 595	0.36 658	0.16 610	0.34 631	0.30 651	0.32 555	0.42 598	0.40 636	0.46 629	0.38 617	0.31 621	0.34 623	0.28 619	0.19 643	0.20 648	0.26 648	0.29 661	0.18 638	0.19 645

GANetREF_RVC	0.31 636	0.34 659	0.27 582	0.35 656	0.16 610	0.32 621	0.41 667	0.48 654	0.51 634	0.35 622	0.35 574	0.34 602	0.33 628	0.39 646	0.32 638	0.27 662	0.20 648	0.29 660	0.15 625	0.18 638	0.17 637
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
MSMD_ROB	0.31 636	0.26 641	0.26 574	0.24 604	0.21 643	0.34 631	0.25 612	0.34 584	0.39 581	0.40 636	0.69 662	0.45 640	0.40 647	0.34 623	0.27 611	0.20 645	0.19 645	0.26 648	0.25 653	0.23 647	0.22 650

MFN_U_SF_RVC	0.32 638	0.21 626	0.55 646	0.30 648	0.15 599	0.34 631	0.17 430	0.52 663	0.46 615	0.46 652	0.55 644	0.59 659	0.39 644	0.35 629	0.37 651	0.15 614	0.14 625	0.18 635	0.21 644	0.16 626	0.15 617

PASM	0.32 638	0.24 635	0.48 639	0.28 637	0.27 658	0.29 615	0.30 651	0.34 584	0.49 624	0.35 622	0.39 598	0.46 644	0.34 633	0.34 623	0.35 646	0.23 658	0.25 664	0.26 648	0.28 660	0.23 647	0.21 648

SGM-ForestM	0.32 638	0.12 530	0.16 460	0.16 209	0.11 501	0.39 646	0.19 519	0.41 635	0.50 627	0.52 655	0.54 642	1.32 688	0.42 655	0.40 651	0.27 611	0.14 610	0.16 635	0.16 622	0.16 629	0.12 568	0.12 570

FC-DCNN v2	0.33 641	0.27 645	0.28 587	0.26 621	0.23 648	0.37 641	0.28 634	0.40 629	0.43 603	0.45 649	0.56 649	0.51 652	0.40 647	0.37 640	0.29 623	0.21 649	0.20 648	0.27 651	0.26 654	0.25 655	0.24 653

FCDSN-DC	0.33 641	0.28 650	0.28 587	0.30 648	0.24 650	0.39 646	0.28 634	0.42 640	0.42 598	0.43 646	0.53 640	0.51 652	0.41 652	0.36 635	0.30 630	0.21 649	0.20 648	0.27 651	0.26 654	0.25 655	0.24 653
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 641	0.27 645	0.28 587	0.26 621	0.23 648	0.37 641	0.28 634	0.40 629	0.43 603	0.45 649	0.55 644	0.51 652	0.40 647	0.37 640	0.30 630	0.21 649	0.20 648	0.27 651	0.26 654	0.25 655	0.24 653

LSM	0.33 641	0.20 620	0.58 652	0.26 621	0.60 683	0.34 631	0.25 612	0.42 640	0.48 617	0.45 649	0.58 654	0.42 632	0.36 638	0.35 629	0.25 591	0.12 570	0.20 648	0.14 603	0.16 629	0.19 641	0.33 668

AnyNet_C01	0.36 645	0.25 640	1.37 690	0.22 571	0.17 625	0.48 655	0.27 628	0.35 600	0.39 581	0.39 633	0.74 668	0.46 644	0.38 641	0.45 656	0.47 667	0.13 596	0.13 616	0.13 590	0.14 608	0.14 601	0.15 617

GCST	0.37 646	0.42 666	0.26 574	1.02 692	0.39 666	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	0.64 687	0.43 676	0.75 683	0.65 687	0.63 680	0.46 679

otaku	0.39 647	0.37 662	0.52 642	0.44 665	0.28 659	0.58 661	0.24 596	0.41 635	0.62 654	0.40 636	0.49 633	0.46 644	0.33 628	0.40 651	0.32 638	0.30 663	0.30 668	0.39 667	0.33 666	0.29 662	0.28 662

ACVNet-4b	0.39 647	0.53 669	0.55 646	0.45 666	0.24 650	0.47 653	0.18 479	0.49 656	0.64 659	0.42 643	0.45 628	0.60 660	0.27 594	0.34 623	0.24 581	0.33 667	0.14 625	0.48 671	0.42 673	0.30 663	0.26 661

PVD	0.39 647	0.20 620	0.39 624	0.31 652	0.22 645	0.29 615	0.43 672	0.52 663	0.96 681	0.55 659	0.79 672	0.53 656	0.59 671	0.52 664	0.38 653	0.19 643	0.14 625	0.17 626	0.14 608	0.24 654	0.31 666

Ntro	0.40 650	0.40 664	0.53 643	0.46 669	0.30 663	0.65 667	0.24 596	0.46 651	0.68 665	0.41 640	0.49 633	0.48 650	0.42 655	0.39 646	0.31 637	0.32 665	0.28 666	0.37 666	0.30 663	0.32 667	0.29 663

SAMSARA	0.40 650	0.28 650	0.33 607	0.55 672	0.39 666	0.82 681	1.23 698	0.47 653	0.51 634	0.36 625	0.35 574	0.55 658	0.39 644	0.38 642	0.39 655	0.15 614	0.20 648	0.15 615	0.14 608	0.23 647	0.20 646

ELAS_RVC	0.41 652	0.29 653	0.33 607	0.28 637	0.24 650	0.54 659	0.36 662	0.49 656	0.59 647	0.72 671	0.74 668	0.65 665	0.54 664	0.54 669	0.40 658	0.22 654	0.20 648	0.27 651	0.26 654	0.26 660	0.25 659
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 652	0.29 653	0.33 607	0.27 634	0.24 650	0.60 664	0.36 662	0.50 660	0.50 627	0.71 669	0.79 672	0.67 667	0.54 664	0.51 662	0.42 662	0.22 654	0.20 648	0.27 651	0.26 654	0.26 660	0.25 659
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 654	0.26 641	0.59 654	0.60 674	0.49 673	0.32 621	0.23 583	0.46 651	0.52 636	0.56 661	0.58 654	0.76 672	0.32 626	0.48 658	0.29 623	0.32 665	0.24 662	0.27 651	0.33 666	0.46 671	0.39 673

MSC_U_SF_DS_RVC	0.43 655	0.39 663	0.54 644	0.40 661	0.20 639	0.64 666	0.32 659	0.53 665	0.72 668	0.71 669	0.72 665	0.61 661	0.54 664	0.51 662	0.46 666	0.20 645	0.19 645	0.29 660	0.30 663	0.23 647	0.18 640

ACVNet_1	0.44 656	0.49 668	0.60 655	0.45 666	0.28 659	0.49 656	0.27 628	0.57 670	0.72 668	0.62 664	0.58 654	0.74 671	0.49 661	0.50 660	0.35 646	0.26 661	0.24 662	0.39 667	0.29 661	0.31 666	0.24 653

Consistency-Raft	0.44 656	0.40 664	0.45 633	0.37 660	0.43 670	0.46 651	0.41 667	0.57 670	0.55 638	0.32 615	0.73 666	0.33 595	0.48 660	0.42 655	0.49 669	0.39 670	0.35 673	0.45 670	0.51 680	0.42 670	0.29 663

RTS	0.45 658	0.19 614	3.26 697	0.24 604	0.15 599	0.74 674	0.20 542	0.36 607	0.76 674	0.42 643	0.43 624	0.31 581	0.41 652	0.53 667	0.35 646	0.10 514	0.08 518	0.13 590	0.12 593	0.15 617	0.15 617

RTSA	0.45 658	0.19 614	3.26 697	0.24 604	0.15 599	0.74 674	0.20 542	0.36 607	0.76 674	0.42 643	0.43 624	0.31 581	0.41 652	0.53 667	0.35 646	0.10 514	0.08 518	0.13 590	0.12 593	0.15 617	0.15 617

MANE	0.45 658	0.27 645	0.27 582	0.27 634	0.24 650	0.47 653	0.31 657	0.55 667	0.59 647	0.72 671	1.13 689	1.15 682	0.61 672	0.52 664	0.37 651	0.21 649	0.20 648	0.27 651	0.31 665	0.25 655	0.24 653

NVStereoNet_ROB	0.46 661	0.36 661	0.46 637	0.41 663	0.28 659	0.34 631	0.34 660	0.48 654	0.60 651	0.72 671	0.93 678	0.70 670	0.66 675	0.47 657	0.60 677	0.22 654	0.33 672	0.34 665	0.34 669	0.30 663	0.30 665
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 662	0.26 641	0.58 652	0.28 637	0.20 639	0.39 646	0.18 479	0.49 656	0.64 659	0.52 655	0.87 675	1.01 677	0.57 669	0.50 660	0.56 674	0.53 680	0.31 671	0.54 677	0.40 671	0.33 668	0.34 669

LE_ROB	0.50 663	0.07 225	0.14 376	0.15 113	0.08 212	0.24 573	0.16 388	0.22 384	1.81 698	4.63 704	0.67 660	0.47 648	0.44 657	0.20 526	0.29 623	0.07 336	0.06 416	0.06 188	0.06 281	0.08 434	0.06 304

BEATNet-Init1	0.52 664	0.27 645	0.62 657	0.30 648	0.21 643	0.76 678	0.29 644	0.54 666	0.65 662	0.86 680	0.95 680	2.07 698	0.62 674	0.56 671	0.42 662	0.18 637	0.18 642	0.23 645	0.22 647	0.22 646	0.21 648

anonymity	0.53 665	0.58 671	0.65 659	0.41 663	0.61 684	0.53 658	0.41 667	0.56 668	0.41 590	0.55 659	0.50 637	0.49 651	0.55 667	0.58 672	0.50 672	0.58 683	0.50 686	0.51 673	0.51 680	0.51 673	0.57 682

RainbowNet	0.54 666	0.61 673	0.70 674	0.57 673	0.43 670	0.65 667	0.37 665	0.60 672	0.87 678	0.50 654	0.66 659	0.64 663	0.47 659	0.49 659	0.43 665	0.47 677	0.48 682	0.52 675	0.41 672	0.52 674	0.40 676

SGM+DAISY	0.56 667	0.57 670	0.65 659	0.40 661	0.54 676	0.66 669	0.49 675	0.56 668	0.45 614	0.66 665	0.69 662	0.67 667	0.56 668	0.63 674	0.56 674	0.59 684	0.48 682	0.50 672	0.50 679	0.52 674	0.58 683

SPS-STEREO	0.57 668	0.58 671	0.65 659	0.45 666	0.55 678	0.62 665	0.44 674	0.62 673	0.50 627	0.68 667	0.64 657	0.66 666	0.57 669	0.61 673	0.60 677	0.62 686	0.47 681	0.51 673	0.49 677	0.55 678	0.58 683
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 669	0.66 677	0.65 659	0.51 670	0.69 688	0.69 670	0.57 681	0.64 674	0.73 672	0.60 662	0.73 666	0.62 662	0.67 676	0.65 675	0.60 677	0.66 688	0.58 695	0.63 678	0.59 683	0.68 685	0.69 692

IMH-64-1	0.65 670	0.61 673	0.68 668	0.71 677	0.51 674	0.59 662	0.49 675	0.91 682	0.85 676	0.74 675	1.02 682	0.81 673	0.78 680	0.79 679	0.49 669	0.42 672	0.46 677	0.71 680	0.47 675	0.52 674	0.39 673

IMH-64	0.65 670	0.61 673	0.68 668	0.71 677	0.51 674	0.59 662	0.49 675	0.91 682	0.85 676	0.74 675	1.02 682	0.81 673	0.78 680	0.79 679	0.49 669	0.42 672	0.46 677	0.71 680	0.47 675	0.52 674	0.39 673

ACVNet_2	0.66 672	0.66 677	0.68 668	0.63 675	0.41 668	0.71 672	0.49 675	0.96 686	1.39 691	0.89 681	1.09 685	1.04 678	0.73 678	0.54 669	0.47 667	0.43 674	0.40 675	0.53 676	0.44 674	0.47 672	0.35 671

JetBlue	0.71 673	0.45 667	1.14 688	0.51 670	0.47 672	2.02 696	0.64 685	0.75 677	0.70 666	0.69 668	0.77 671	1.22 684	0.83 682	1.03 694	1.01 693	0.40 671	0.28 666	0.33 664	0.33 666	0.30 663	0.34 669

IMH	0.71 673	0.64 676	0.68 668	0.76 679	0.54 676	0.69 670	0.54 679	0.98 688	1.10 684	0.82 679	1.09 685	0.89 675	0.88 685	0.87 687	0.52 673	0.44 675	0.50 686	0.75 683	0.51 680	0.56 679	0.41 677

PWCK	0.71 673	0.94 688	0.95 683	0.76 679	0.31 664	0.74 674	0.36 662	0.90 681	0.90 679	0.96 684	0.75 670	0.95 676	0.61 672	0.87 687	0.66 680	0.72 689	0.46 677	0.75 683	0.49 677	0.69 687	0.44 678

MADNet+	0.75 676	0.71 679	3.70 700	0.66 676	0.41 668	0.98 686	0.97 696	0.69 676	0.73 672	0.52 655	0.57 652	0.64 663	0.68 677	0.86 686	1.01 693	0.34 668	0.36 674	0.28 659	0.23 651	0.36 669	0.31 666

TorneroNet-64	0.76 677	0.72 680	0.74 675	0.78 681	0.58 682	0.91 685	0.56 680	0.84 680	1.29 688	0.66 665	0.90 676	1.40 690	0.75 679	0.85 685	0.67 683	0.49 678	0.46 677	0.72 682	0.59 683	0.67 684	0.53 681

WAO-7	0.79 678	0.78 682	0.54 644	0.85 685	0.67 687	0.74 674	0.68 689	1.05 691	1.32 689	0.90 682	1.20 692	1.04 678	0.92 686	0.69 676	0.66 680	0.60 685	0.62 696	0.67 679	0.68 689	0.64 681	0.58 683

WAO-6	0.81 679	0.80 683	0.62 657	0.86 686	0.63 685	0.76 678	0.58 682	0.98 688	1.54 696	0.90 682	0.96 681	1.07 680	1.03 690	0.70 677	0.66 680	0.72 689	0.49 684	0.90 691	0.71 690	0.68 685	0.58 683

TorneroNet	0.82 680	0.74 681	0.81 680	0.84 684	0.63 685	0.99 687	0.63 683	0.96 686	1.16 685	0.80 678	1.11 687	1.36 689	0.86 684	0.93 690	0.80 688	0.56 681	0.49 684	0.78 688	0.66 688	0.73 690	0.63 691

LVE	0.83 681	0.85 686	0.85 681	0.80 682	0.56 679	1.04 691	0.65 686	1.05 691	1.47 694	0.96 684	1.22 693	1.10 681	0.85 683	0.83 682	0.71 685	0.49 678	0.55 692	0.76 686	0.60 685	0.65 682	0.59 688

Dean	0.87 682	0.86 687	0.79 678	0.81 683	0.56 679	0.90 682	0.63 683	1.15 697	1.73 697	1.15 692	1.15 690	1.31 687	0.99 689	0.81 681	0.81 689	0.57 682	0.56 693	0.77 687	0.64 686	0.66 683	0.58 683

WAO-8	0.91 683	0.81 684	0.65 659	0.94 689	0.69 688	0.90 682	0.67 687	1.07 694	1.83 699	1.06 689	1.45 695	1.30 685	1.07 691	0.84 683	0.78 686	0.74 691	0.53 689	0.86 689	0.75 691	0.69 687	0.62 689

Venus	0.91 683	0.81 684	0.65 659	0.94 689	0.69 688	0.90 682	0.67 687	1.07 694	1.83 699	1.06 689	1.45 695	1.30 685	1.07 691	0.84 683	0.78 686	0.74 691	0.53 689	0.86 689	0.75 691	0.69 687	0.62 689

UNDER WATER-64	0.95 685	0.94 688	1.43 692	0.87 687	0.56 679	1.18 694	0.87 693	0.77 678	0.94 680	1.04 687	0.85 674	1.58 695	1.21 696	0.94 691	0.96 691	0.87 695	0.57 694	1.03 695	0.88 696	0.78 691	0.73 693

UNDER WATER	0.97 686	0.97 690	1.42 691	0.99 691	0.70 691	1.12 693	0.84 692	0.80 679	1.08 683	1.01 686	0.90 676	1.55 694	1.22 697	1.03 694	1.00 692	0.78 693	0.53 689	1.02 694	0.87 695	0.80 692	0.74 694

notaker	0.97 686	1.11 691	0.98 684	1.13 694	0.81 692	0.73 673	0.68 689	0.93 684	1.16 685	1.18 694	1.18 691	1.41 691	1.16 695	1.08 696	0.69 684	0.81 694	0.64 697	1.17 697	0.79 693	0.98 694	0.80 696

ktn	1.01 688	1.21 693	0.80 679	1.23 696	0.86 694	1.01 689	0.87 693	0.94 685	1.39 691	1.04 687	1.12 688	1.15 682	1.07 691	0.94 691	0.59 676	1.28 701	0.71 698	1.38 701	0.83 694	1.02 696	0.75 695

KSHMR	1.09 689	1.17 692	0.88 682	1.25 697	1.00 696	0.99 687	0.96 695	1.13 696	1.37 690	1.16 693	1.29 694	1.41 691	0.96 688	1.01 693	0.92 690	1.03 698	1.08 700	1.20 698	1.03 699	1.01 695	0.97 698

DPSimNet_ROB	1.11 690	1.23 694	0.78 676	1.13 694	0.88 695	1.10 692	1.13 697	1.16 698	1.23 687	1.43 696	1.02 682	1.41 691	1.10 694	0.90 689	1.60 695	1.46 702	0.51 688	1.21 699	1.03 699	0.90 693	1.01 700

HanzoNet	1.29 691	1.26 695	1.19 689	1.12 693	0.85 693	1.02 690	0.83 691	1.03 690	1.48 695	1.64 697	1.61 697	2.50 700	1.72 698	1.61 698	1.61 696	1.26 700	0.80 699	1.31 700	1.01 698	1.02 696	0.86 697

JetRed	1.62 692	1.46 696	2.98 695	0.92 688	1.21 697	4.99 699	1.53 701	1.27 699	1.39 691	1.83 698	1.74 698	1.60 696	0.95 687	1.41 697	2.45 701	0.90 697	1.60 702	0.93 692	0.90 697	1.35 698	0.99 699

MADNet++	1.95 693	1.75 697	1.59 693	1.82 699	1.69 699	2.33 697	1.40 700	2.35 701	2.09 701	2.57 701	2.36 700	2.24 699	2.17 700	2.28 699	2.34 699	1.87 703	1.66 703	1.54 702	1.34 702	1.92 700	1.77 703

Selective-IGEV-i1pa	2.80 694	3.51 703	0.67 667	0.28 637	0.14 579	10.22 704	0.43 672	4.36 702	3.63 702	3.53 702	6.92 703	3.47 701	1.97 699	13.41 716	2.26 698	0.36 669	0.15 631	0.13 590	0.10 539	0.15 617	0.35 671

coex-ft	3.30 695	0.34 659	59.09 727	0.18 386	0.13 558	0.26 594	0.22 572	0.27 486	0.72 668	1.90 699	0.70 664	0.44 638	0.45 658	0.29 606	0.41 661	0.09 473	0.09 551	0.12 575	0.09 499	0.14 601	0.13 593

ASD4	3.54 696	3.38 702	2.05 694	1.72 698	2.51 701	9.03 703	17.71 707	2.25 700	5.51 704	2.46 700	2.81 701	2.03 697	3.36 702	2.73 700	5.06 702	1.22 699	1.34 701	1.13 696	1.33 701	1.68 699	1.49 702

TCMNet-wrong-test	3.67 697	5.48 711	3.89 701	12.18 713	11.75 714	4.65 698	3.88 702	1.06 693	0.72 668	1.09 691	2.15 699	6.30 706	0.53 663	3.43 702	2.36 700	0.89 696	0.20 648	1.87 704	1.69 703	5.57 708	3.62 709

tt	4.67 698	0.06 107	3.55 699	2.02 700	1.55 698	10.25 705	16.71 706	8.91 711	5.03 703	1.31 695	0.94 679	4.71 702	4.76 703	3.33 701	5.87 704	6.06 711	10.30 717	1.88 705	2.11 705	2.75 702	1.21 701

USTest	6.22 699	2.73 700	3.00 696	6.57 707	7.29 706	14.37 707	21.57 708	7.00 710	9.56 709	5.34 707	6.10 702	5.72 705	7.64 706	6.41 706	6.96 706	1.97 704	3.42 709	1.64 703	2.15 706	2.66 701	2.36 704

xxxxx1	7.79 700	5.02 708	7.31 704	3.12 701	3.85 702	16.35 709	22.88 709	5.86 707	8.69 706	7.97 708	8.54 704	9.12 710	8.27 707	10.18 708	10.92 707	2.42 705	2.45 705	3.56 708	12.37 714	3.77 703	3.06 706

tt_ll	7.79 700	5.02 708	7.31 704	3.12 701	3.85 702	16.35 709	22.88 709	5.86 707	8.69 706	7.97 708	8.54 704	9.12 710	8.27 707	10.18 708	10.92 707	2.42 705	2.45 705	3.56 708	12.37 714	3.77 703	3.06 706

ff	7.79 700	5.02 708	7.31 704	3.12 701	3.85 702	16.35 709	22.88 709	5.86 707	8.69 706	7.97 708	8.54 704	9.12 710	8.27 707	10.18 708	10.92 707	2.42 705	2.45 705	3.56 708	12.37 714	3.77 703	3.06 706

EDNetEfficientorigin	7.91 703	0.31 655	153.02 728	0.19 455	0.09 339	0.21 542	0.16 388	0.22 384	0.59 647	0.72 671	0.67 660	0.42 632	0.50 662	0.24 577	0.39 655	0.08 413	0.07 488	0.08 393	0.07 379	0.12 568	0.10 530

DPSMNet_ROB	8.06 704	4.48 704	8.63 712	5.37 706	10.74 709	8.32 701	22.98 713	5.46 704	13.36 714	5.12 705	9.92 709	5.08 703	10.40 710	5.53 705	12.58 710	3.80 709	8.00 710	3.50 706	7.02 711	3.83 706	7.14 713

DGTPSM_ROB	8.06 704	4.48 704	8.63 712	5.35 704	10.72 708	8.32 701	22.97 712	5.46 704	13.35 713	5.12 705	9.92 709	5.08 703	10.40 710	5.52 704	12.58 710	3.79 708	8.00 710	3.50 706	7.02 711	3.83 706	7.14 713

PML	8.91 706	9.34 717	6.13 702	5.35 704	6.41 705	14.99 708	23.38 714	5.27 703	6.83 705	18.04 720	28.19 727	7.67 707	6.83 705	7.85 707	5.75 703	5.35 710	1.83 704	5.95 716	1.93 704	8.64 713	2.52 705

DLNR_Zeroshot_test	10.40 707	1.82 698	19.49 722	120.77 729	13.11 716	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	51.54 728	0.04 72

DLNR-FE	10.43 708	1.83 699	19.53 723	120.75 728	13.06 715	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	52.01 729	0.04 72

iinet-test	10.48 709	8.09 713	7.54 708	10.26 708	10.94 710	18.00 713	25.26 715	11.33 715	13.28 711	9.69 712	9.85 707	9.42 713	11.17 712	11.02 712	12.78 713	6.59 713	8.30 712	5.56 711	6.56 707	6.89 709	7.02 711

IINet	10.48 709	8.09 713	7.54 708	10.26 708	10.94 710	18.00 713	25.26 715	11.33 715	13.28 711	9.69 712	9.85 707	9.42 713	11.17 712	11.02 712	12.78 713	6.59 713	8.30 712	5.56 711	6.56 707	6.89 709	7.02 711

LRCNet_RVC	10.62 711	13.42 718	7.30 703	18.92 717	2.07 700	0.33 628	0.30 651	5.59 706	0.48 617	13.03 716	17.94 715	8.87 709	5.65 704	4.79 703	1.89 697	23.51 725	2.73 708	27.55 728	25.71 728	16.07 722	16.33 724

Anonymous_1	10.96 712	7.92 712	7.46 707	10.33 710	10.06 707	18.65 715	26.34 717	11.06 714	13.44 715	9.40 711	10.05 711	9.67 715	11.23 714	10.73 711	12.72 712	6.42 712	8.38 714	5.77 713	10.61 713	12.12 714	6.77 710

DPSM_ROB	11.15 713	8.58 715	8.00 710	10.88 711	11.58 712	19.10 716	26.71 718	12.05 717	14.07 718	10.36 714	10.84 712	10.33 716	11.86 715	11.70 714	13.54 715	6.99 715	8.79 715	5.89 714	6.95 709	7.29 711	7.42 715

DPSM	11.15 713	8.58 715	8.00 710	10.88 711	11.58 712	19.10 716	26.71 718	12.05 717	14.07 718	10.36 714	10.84 712	10.33 716	11.86 715	11.70 714	13.54 715	6.99 715	8.79 715	5.89 714	6.95 709	7.29 711	7.42 715

HaxPig	15.71 715	18.52 726	19.18 721	16.89 716	15.89 717	7.73 700	7.60 703	13.31 719	10.82 710	15.42 717	14.91 714	15.98 718	14.92 717	15.58 717	15.98 717	18.95 724	16.73 718	19.46 724	18.08 724	19.26 723	19.05 727

Selective-IGEV-i16pa	18.58 716	3.30 701	1.09 686	0.21 554	0.18 632	103.68 728	0.28 634	19.87 721	40.73 729	4.16 703	56.45 728	8.07 708	2.59 701	123.95 730	5.89 705	0.18 637	0.12 601	0.09 476	0.12 593	0.12 568	0.51 680

RSGM-EC	20.36 717	4.73 706	0.68 668	16.76 714	16.92 718	21.28 718	27.18 720	10.46 712	14.04 716	18.00 718	21.31 718	22.24 727	21.82 719	22.57 719	17.63 718	62.81 728	33.79 728	20.14 725	18.10 725	20.18 724	16.45 725

acva	20.36 717	4.73 706	0.68 668	16.76 714	16.92 718	21.28 718	27.18 720	10.46 712	14.04 716	18.00 718	21.31 718	22.24 727	21.82 719	22.57 719	17.63 718	62.81 728	33.79 728	20.14 725	18.10 725	20.18 724	16.45 725

MEDIAN_ROB	20.38 719	24.04 727	23.31 724	21.23 718	21.71 720	10.40 706	7.92 704	17.64 720	15.50 720	20.12 721	19.70 716	20.34 719	20.32 718	21.19 718	21.13 720	23.81 726	21.81 726	24.98 727	23.76 727	24.71 726	23.93 728

CasAABBNet	22.42 720	17.33 720	16.01 716	22.01 720	23.28 722	38.32 720	53.80 724	24.14 725	28.41 725	20.60 723	21.77 722	20.89 725	23.91 723	23.43 723	27.36 723	14.07 718	17.69 720	11.83 719	14.01 718	14.67 717	14.95 720

RAFT-FEzeroshot	22.43 721	17.33 720	15.98 714	22.02 721	23.31 724	38.34 721	53.82 726	24.05 723	28.39 723	20.61 724	21.76 720	20.88 722	23.92 725	23.41 721	27.42 725	14.07 718	17.69 720	11.83 719	14.02 719	14.69 718	14.97 721

RAFT-FE	22.43 721	17.33 720	15.98 714	22.02 721	23.31 724	38.34 721	53.82 726	24.05 723	28.39 723	20.61 724	21.76 720	20.88 722	23.92 725	23.41 721	27.42 725	14.07 718	17.69 720	11.83 719	14.02 719	14.69 718	14.97 721

FlowAnything	22.44 723	17.35 723	16.14 718	22.07 724	23.23 721	38.39 724	53.77 723	24.25 726	28.44 726	20.96 728	21.82 724	20.70 720	23.84 721	23.49 725	27.14 722	14.04 717	17.79 725	11.75 717	14.15 723	14.65 715	14.89 717

Hybrid-DGEV	22.47 724	17.40 725	16.14 718	22.00 719	23.29 723	38.36 723	53.80 724	24.43 729	28.63 728	20.59 722	21.81 723	20.88 722	23.91 723	23.45 724	27.42 725	14.08 721	17.69 720	11.83 719	14.06 722	14.65 715	14.93 719

Selective-RAFT-Error	22.47 724	17.37 724	16.09 717	22.06 723	23.34 726	38.39 724	53.83 728	24.29 728	28.47 727	20.74 726	21.83 725	20.81 721	23.90 722	23.54 727	27.53 728	14.08 721	17.69 720	11.82 718	14.00 717	14.69 718	15.00 723

LSM0	22.87 726	17.28 719	18.96 720	22.19 725	29.04 728	38.42 726	53.71 722	24.28 727	28.31 722	20.78 727	21.00 717	21.43 726	24.16 727	23.50 726	27.39 724	14.09 723	17.38 719	11.84 723	14.04 721	14.73 721	14.89 717

AVERAGE_ROB	24.90 727	29.20 728	28.14 725	24.89 726	24.64 727	17.75 712	11.12 705	21.45 722	19.93 721	25.12 729	24.46 726	25.12 729	25.46 728	24.69 728	22.83 721	29.76 727	27.13 727	28.97 729	27.95 729	29.91 727	29.47 729

test_example2	98.32 728	94.13 729	45.89 726	96.35 727	109.85 729	88.61 727	95.45 729	25.75 730	94.37 730	130.00 731	126.06 730	58.17 730	74.63 729	88.51 729	79.96 729	150.23 730	221.02 730	77.62 730	99.10 730	113.75 730	96.94 730

ccccc	245.47 729	285.66 730	306.18 729	368.85 730	370.60 730	123.16 729	145.33 730	115.05 731	110.08 731	126.68 730	110.87 729	122.83 731	165.88 730	252.94 731	276.56 730	384.56 731	353.86 731	254.69 731	223.00 731	425.87 731	386.83 731

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

FADE		0.33 657		0.33 653	0.25 656			0.64 674	1.07 682	0.43 646		0.42 632		0.70 677		0.30 663	0.21 660	0.41 669	0.38 670	0.23 647	0.22 650

Low-res two-view benchmark