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	0.09 120	0.13 16	0.05 2	0.08 79	0.11 64	0.06 1	0.06 6	0.06 23	0.06 23	0.08 178	0.05 14	0.08 25	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.05 163	0.04 71

PSi22a	0.06 1	0.04 1	0.09 120	0.12 5	0.05 2	0.06 12	0.11 64	0.06 1	0.06 6	0.06 23	0.06 23	0.06 41	0.05 14	0.08 25	0.09 101	0.07 331	0.04 25	0.04 1	0.03 1	0.05 163	0.04 71

Foundation-i32	0.06 1	0.04 1	0.09 120	0.13 16	0.04 1	0.06 12	0.12 96	0.06 1	0.05 4	0.06 23	0.05 7	0.05 5	0.05 14	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

MLG-Stereo_test2	0.06 1	0.04 1	0.10 184	0.15 109	0.05 2	0.07 39	0.11 64	0.09 18	0.04 2	0.06 23	0.05 7	0.06 41	0.04 1	0.08 25	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.05 163	0.05 202

MLG-Stereo_test1	0.06 1	0.05 38	0.08 56	0.17 291	0.05 2	0.06 12	0.11 64	0.08 10	0.03 1	0.05 2	0.04 1	0.06 41	0.05 14	0.09 58	0.09 101	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

FoundationStereo	0.06 1	0.04 1	0.08 56	0.12 5	0.05 2	0.09 132	0.13 166	0.06 1	0.09 48	0.05 2	0.05 7	0.06 41	0.04 1	0.06 1	0.07 1	0.06 166	0.04 25	0.05 45	0.03 1	0.05 163	0.04 71

MGA	0.07 7	0.04 1	0.10 184	0.13 16	0.06 27	0.08 79	0.09 20	0.12 81	0.08 24	0.05 2	0.06 23	0.06 41	0.05 14	0.10 120	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.05 163	0.05 202

CAR	0.07 7	0.05 38	0.08 56	0.14 57	0.06 27	0.07 39	0.08 7	0.12 81	0.08 24	0.05 2	0.06 23	0.05 5	0.05 14	0.10 120	0.09 101	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

MSE-Stereo	0.07 7	0.04 1	0.08 56	0.13 16	0.06 27	0.07 39	0.08 7	0.12 81	0.08 24	0.05 2	0.06 23	0.05 5	0.05 14	0.10 120	0.09 101	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

monster-pro	0.07 7	0.06 102	0.05 1	0.15 109	0.05 2	0.07 39	0.10 35	0.15 180	0.15 235	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 102	0.07 11	0.15 109	0.07 128	0.08 79	0.14 231	0.11 54	0.08 24	0.05 2	0.07 63	0.08 178	0.08 225	0.09 58	0.09 101	0.06 166	0.04 25	0.05 45	0.04 55	0.03 1	0.04 71

aanet-new-60k	0.07 7	0.07 220	0.08 56	0.18 381	0.06 27	0.07 39	0.10 35	0.09 18	0.14 210	0.07 70	0.07 63	0.06 41	0.06 65	0.11 191	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

aanet-new-70k	0.07 7	0.06 102	0.09 120	0.17 291	0.06 27	0.08 79	0.12 96	0.11 54	0.10 69	0.06 23	0.07 63	0.07 119	0.06 65	0.10 120	0.07 1	0.04 11	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 220	0.09 120	0.19 449	0.06 27	0.07 39	0.12 96	0.11 54	0.13 178	0.06 23	0.07 63	0.06 41	0.06 65	0.09 58	0.07 1	0.04 11	0.04 25	0.05 45	0.04 55	0.05 163	0.03 2

aanet-new-40k	0.07 7	0.08 338	0.07 11	0.17 291	0.07 128	0.08 79	0.13 166	0.10 31	0.10 69	0.07 70	0.08 117	0.06 41	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

GCAP-Stereo-DPT26K	0.07 7	0.06 102	0.07 11	0.16 204	0.06 27	0.08 79	0.12 96	0.10 31	0.08 24	0.06 23	0.09 152	0.06 41	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 45	0.04 55	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 220	0.07 11	0.17 291	0.06 27	0.07 39	0.12 96	0.09 18	0.11 100	0.09 174	0.09 152	0.06 41	0.07 177	0.09 58	0.07 1	0.04 11	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 38	0.11 239	0.15 109	0.06 27	0.07 39	0.13 166	0.09 18	0.11 100	0.07 70	0.08 117	0.06 41	0.05 14	0.09 58	0.07 1	0.05 51	0.05 266	0.05 45	0.04 55	0.03 1	0.04 71

GCAP-Stereo-DPT-24K	0.07 7	0.06 102	0.07 11	0.15 109	0.06 27	0.10 194	0.15 314	0.12 81	0.11 100	0.06 23	0.11 238	0.06 41	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 120	0.13 16	0.05 2	0.08 79	0.11 64	0.06 1	0.06 6	0.06 23	0.05 7	0.08 178	0.05 14	0.08 25	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.05 163	0.04 71

LACA3	0.07 7	0.08 338	0.08 56	0.13 16	0.05 2	0.09 132	0.11 64	0.08 10	0.08 24	0.08 123	0.05 7	0.07 119	0.07 177	0.07 4	0.07 1	0.06 166	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 102	0.08 56	0.17 291	0.06 27	0.08 79	0.12 96	0.13 109	0.07 15	0.08 123	0.07 63	0.06 41	0.04 1	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

LACA2	0.07 7	0.05 38	0.06 5	0.15 109	0.06 27	0.09 132	0.11 64	0.11 54	0.10 69	0.05 2	0.05 7	0.06 41	0.08 225	0.09 58	0.07 1	0.07 331	0.04 25	0.04 1	0.04 55	0.04 48	0.04 71

LACA1	0.07 7	0.07 220	0.07 11	0.14 57	0.05 2	0.09 132	0.11 64	0.10 31	0.07 15	0.05 2	0.05 7	0.06 41	0.07 177	0.08 25	0.09 101	0.06 166	0.04 25	0.04 1	0.04 55	0.03 1	0.04 71

Test_v1	0.07 7	0.04 1	0.06 5	0.13 16	0.06 27	0.08 79	0.11 64	0.15 180	0.12 137	0.06 23	0.05 7	0.04 1	0.05 14	0.08 25	0.10 201	0.07 331	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

BLMT-Stereo	0.07 7	0.04 1	0.08 56	0.15 109	0.07 128	0.06 12	0.14 231	0.07 6	0.10 69	0.05 2	0.05 7	0.04 1	0.06 65	0.07 4	0.09 101	0.04 11	0.04 25	0.05 45	0.05 185	0.04 48	0.04 71

Pro-Stereo	0.07 7	0.05 38	0.08 56	0.15 109	0.07 128	0.08 79	0.12 96	0.07 6	0.07 15	0.06 23	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.06 183	0.05 185	0.04 48	0.04 71

MatchStereo	0.07 7	0.04 1	0.08 56	0.14 57	0.06 27	0.05 4	0.12 96	0.12 81	0.09 48	0.07 70	0.06 23	0.04 1	0.04 1	0.08 25	0.09 101	0.06 166	0.05 266	0.05 45	0.03 1	0.04 48	0.04 71
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	0.09 120	0.11 1	0.05 2	0.10 194	0.10 35	0.14 139	0.09 48	0.06 23	0.07 63	0.06 41	0.07 177	0.07 4	0.10 201	0.06 166	0.04 25	0.04 1	0.04 55	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 38	0.07 11	0.14 57	0.06 27	0.09 132	0.13 166	0.15 180	0.06 6	0.07 70	0.08 117	0.06 41	0.08 225	0.09 58	0.09 101	0.06 166	0.05 266	0.04 1	0.03 1	0.04 48	0.04 71

VIP-Stereo	0.07 7	0.07 220	0.07 11	0.15 109	0.06 27	0.12 297	0.10 35	0.11 54	0.11 100	0.06 23	0.07 63	0.06 41	0.05 14	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 220	0.08 56	0.18 381	0.06 27	0.07 39	0.11 64	0.09 18	0.06 6	0.04 1	0.07 63	0.10 248	0.09 259	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 55	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 38	0.09 120	0.13 16	0.06 27	0.12 297	0.12 96	0.11 54	0.10 69	0.07 70	0.08 117	0.06 41	0.06 65	0.09 58	0.08 25	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

MonStereo	0.07 7	0.06 102	0.05 1	0.15 109	0.05 2	0.08 79	0.10 35	0.15 180	0.15 235	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 101	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 38	0.07 11	0.16 204	0.06 27	0.07 39	0.11 64	0.10 31	0.08 24	0.06 23	0.06 23	0.07 119	0.07 177	0.09 58	0.09 101	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 102	0.05 1	0.15 109	0.05 2	0.08 79	0.10 35	0.15 180	0.15 235	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 101	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	0.09 120	0.13 16	0.06 27	0.05 4	0.09 20	0.11 54	0.07 15	0.06 23	0.06 23	0.05 5	0.06 65	0.09 58	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.05 163	0.05 202

Replicate-Monster	0.07 7	0.05 38	0.09 120	0.14 57	0.06 27	0.08 79	0.09 20	0.13 109	0.13 178	0.05 2	0.07 63	0.06 41	0.06 65	0.08 25	0.10 201	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

AdaDepth	0.07 7	0.06 102	0.07 11	0.18 381	0.06 27	0.11 245	0.12 96	0.09 18	0.07 15	0.06 23	0.05 7	0.07 119	0.06 65	0.09 58	0.10 201	0.04 11	0.05 266	0.05 45	0.04 55	0.04 48	0.04 71

asda	0.07 7	0.08 338	0.08 56	0.16 204	0.06 27	0.06 12	0.10 35	0.16 218	0.10 69	0.06 23	0.06 23	0.05 5	0.05 14	0.10 120	0.10 201	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

asd	0.07 7	0.08 338	0.07 11	0.16 204	0.07 128	0.08 79	0.08 7	0.11 54	0.08 24	0.07 70	0.07 63	0.06 41	0.06 65	0.10 120	0.09 101	0.03 1	0.03 1	0.04 1	0.04 55	0.04 48	0.03 2

qwe	0.07 7	0.08 338	0.07 11	0.15 109	0.06 27	0.07 39	0.10 35	0.18 290	0.11 100	0.07 70	0.07 63	0.06 41	0.06 65	0.10 120	0.09 101	0.03 1	0.03 1	0.04 1	0.04 55	0.04 48	0.03 2

2.25w	0.07 7	0.06 102	0.07 11	0.14 57	0.06 27	0.08 79	0.08 7	0.10 31	0.15 235	0.08 123	0.10 188	0.07 119	0.06 65	0.08 25	0.10 201	0.05 51	0.03 1	0.04 1	0.04 55	0.03 1	0.04 71

4.25_new	0.07 7	0.08 338	0.09 120	0.15 109	0.06 27	0.09 132	0.08 7	0.14 139	0.08 24	0.07 70	0.07 63	0.06 41	0.06 65	0.12 284	0.10 201	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 338	0.09 120	0.15 109	0.06 27	0.09 132	0.08 7	0.14 139	0.08 24	0.07 70	0.07 63	0.06 41	0.06 65	0.12 284	0.10 201	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 418	0.08 56	0.15 109	0.07 128	0.06 12	0.10 35	0.14 139	0.11 100	0.06 23	0.08 117	0.06 41	0.06 65	0.08 25	0.10 201	0.03 1	0.03 1	0.04 1	0.04 55	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 418	0.08 56	0.15 109	0.07 128	0.06 12	0.10 35	0.14 139	0.11 100	0.06 23	0.08 117	0.06 41	0.06 65	0.08 25	0.10 201	0.03 1	0.03 1	0.04 1	0.04 55	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 338	0.09 120	0.15 109	0.06 27	0.09 132	0.08 7	0.14 139	0.08 24	0.07 70	0.07 63	0.06 41	0.06 65	0.12 284	0.10 201	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 338	0.08 56	0.16 204	0.06 27	0.07 39	0.08 7	0.12 81	0.08 24	0.07 70	0.07 63	0.05 5	0.06 65	0.09 58	0.10 201	0.03 1	0.03 1	0.04 1	0.04 55	0.04 48	0.03 2

2.5w	0.07 7	0.07 220	0.07 11	0.16 204	0.06 27	0.08 79	0.12 96	0.10 31	0.10 69	0.07 70	0.06 23	0.09 213	0.06 65	0.08 25	0.09 101	0.04 11	0.03 1	0.04 1	0.04 55	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 220	0.07 11	0.13 16	0.06 27	0.08 79	0.08 7	0.18 290	0.12 137	0.07 70	0.08 117	0.06 41	0.06 65	0.09 58	0.11 281	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 71

3.25w_new	0.07 7	0.06 102	0.07 11	0.15 109	0.06 27	0.10 194	0.07 3	0.12 81	0.11 100	0.08 123	0.06 23	0.07 119	0.06 65	0.11 191	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 102	0.07 11	0.15 109	0.06 27	0.10 194	0.07 3	0.12 81	0.11 100	0.08 123	0.06 23	0.07 119	0.06 65	0.11 191	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 220	0.08 56	0.16 204	0.07 128	0.07 39	0.09 20	0.16 218	0.09 48	0.07 70	0.06 23	0.05 5	0.06 65	0.09 58	0.10 201	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 220	0.07 11	0.15 109	0.07 128	0.09 132	0.06 1	0.13 109	0.11 100	0.07 70	0.07 63	0.06 41	0.07 177	0.10 120	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 102	0.07 11	0.16 204	0.06 27	0.07 39	0.10 35	0.14 139	0.14 210	0.07 70	0.08 117	0.05 5	0.06 65	0.09 58	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 71

monsterstereo	0.07 7	0.06 102	0.06 5	0.16 204	0.06 27	0.08 79	0.10 35	0.16 218	0.11 100	0.07 70	0.08 117	0.06 41	0.07 177	0.08 25	0.09 101	0.04 11	0.04 25	0.05 45	0.04 55	0.03 1	0.03 2

monsters	0.07 7	0.06 102	0.06 5	0.15 109	0.06 27	0.08 79	0.09 20	0.12 81	0.08 24	0.09 174	0.07 63	0.06 41	0.06 65	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 55	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 56	0.13 16	0.06 27	0.09 132	0.12 96	0.14 139	0.10 69	0.06 23	0.09 152	0.07 119	0.05 14	0.09 58	0.09 101	0.06 166	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

111111	0.07 7	0.04 1	0.09 120	0.17 291	0.06 27	0.05 4	0.10 35	0.11 54	0.09 48	0.06 23	0.06 23	0.07 119	0.05 14	0.09 58	0.09 101	0.06 166	0.04 25	0.05 45	0.04 55	0.07 364	0.06 298

LG-Stereo_L2	0.07 7	0.05 38	0.10 184	0.14 57	0.06 27	0.07 39	0.12 96	0.09 18	0.09 48	0.06 23	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.03 2

LG-Stereo_L1	0.07 7	0.05 38	0.11 239	0.14 57	0.06 27	0.07 39	0.13 166	0.09 18	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 45	0.03 1	0.04 48	0.04 71

MLG-Stereo_test3	0.07 7	0.05 38	0.10 184	0.14 57	0.06 27	0.07 39	0.11 64	0.08 10	0.06 6	0.06 23	0.04 1	0.06 41	0.06 65	0.07 4	0.10 201	0.06 166	0.04 25	0.05 45	0.04 55	0.05 163	0.06 298

MLG-Stereo	0.07 7	0.05 38	0.08 56	0.17 291	0.05 2	0.07 39	0.11 64	0.08 10	0.04 2	0.05 2	0.04 1	0.06 41	0.05 14	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

LG-G_1	0.07 7	0.04 1	0.11 239	0.15 109	0.06 27	0.09 132	0.08 7	0.08 10	0.06 6	0.06 23	0.05 7	0.07 119	0.07 177	0.11 191	0.08 25	0.07 331	0.04 25	0.05 45	0.04 55	0.05 163	0.05 202

LG-G	0.07 7	0.04 1	0.11 239	0.15 109	0.06 27	0.09 132	0.08 7	0.08 10	0.06 6	0.06 23	0.05 7	0.07 119	0.07 177	0.11 191	0.08 25	0.07 331	0.04 25	0.05 45	0.04 55	0.05 163	0.05 202

LGtest1	0.07 7	0.04 1	0.10 184	0.15 109	0.06 27	0.07 39	0.09 20	0.08 10	0.06 6	0.05 2	0.04 1	0.06 41	0.06 65	0.10 120	0.09 101	0.07 331	0.04 25	0.05 45	0.04 55	0.06 285	0.06 298

LG-Stereo_Zeroshot	0.07 7	0.06 102	0.10 184	0.16 204	0.07 128	0.04 1	0.13 166	0.10 31	0.10 69	0.05 2	0.11 238	0.07 119	0.05 14	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

GREAT-IGEV	0.07 7	0.06 102	0.08 56	0.13 16	0.07 128	0.07 39	0.14 231	0.09 18	0.09 48	0.06 23	0.07 63	0.06 41	0.05 14	0.10 120	0.07 1	0.05 51	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71
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	0.15 574	0.17 484	0.11 1	0.05 2	0.05 4	0.11 64	0.08 10	0.08 24	0.06 23	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.08 407	0.04 25	0.05 45	0.03 1	0.05 163	0.04 71

AIO_rvc	0.07 7	0.06 102	0.08 56	0.15 109	0.06 27	0.08 79	0.14 231	0.09 18	0.08 24	0.07 70	0.08 117	0.07 119	0.04 1	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

AIO_test	0.07 7	0.05 38	0.07 11	0.15 109	0.07 128	0.06 12	0.14 231	0.10 31	0.10 69	0.07 70	0.07 63	0.06 41	0.05 14	0.08 25	0.10 201	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

MonSter	0.07 7	0.06 102	0.05 1	0.15 109	0.05 2	0.07 39	0.10 35	0.15 180	0.15 235	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 101	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 38	0.07 11	0.14 57	0.06 27	0.10 194	0.13 166	0.07 6	0.13 178	0.06 23	0.07 63	0.06 41	0.05 14	0.10 120	0.09 101	0.04 11	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

dual_stereo	0.07 7	0.04 1	0.08 56	0.15 109	0.05 2	0.05 4	0.13 166	0.12 81	0.08 24	0.07 70	0.06 23	0.05 5	0.05 14	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

IGEV-Stereo++	0.07 7	0.06 102	0.08 56	0.18 381	0.06 27	0.04 1	0.10 35	0.11 54	0.11 100	0.06 23	0.07 63	0.07 119	0.06 65	0.09 58	0.09 101	0.05 51	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

IGEV-Stereo+	0.07 7	0.04 1	0.08 56	0.15 109	0.06 27	0.04 1	0.09 20	0.10 31	0.09 48	0.06 23	0.06 23	0.06 41	0.06 65	0.06 1	0.08 25	0.06 166	0.04 25	0.05 45	0.04 55	0.06 285	0.06 298

GCAPDPT-zeroshot4090	0.07 7	0.05 38	0.11 239	0.15 109	0.06 27	0.07 39	0.13 166	0.09 18	0.11 100	0.07 70	0.08 117	0.06 41	0.05 14	0.09 58	0.07 1	0.05 51	0.05 266	0.05 45	0.04 55	0.03 1	0.04 71

Selective-IGEV	0.07 7	0.06 102	0.08 56	0.17 291	0.06 27	0.08 79	0.12 96	0.13 109	0.07 15	0.08 123	0.07 63	0.06 41	0.04 1	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

TS12	0.08 80	0.06 102	0.09 120	0.21 548	0.07 128	0.11 245	0.13 166	0.11 54	0.09 48	0.10 219	0.10 188	0.08 178	0.10 298	0.09 58	0.12 342	0.04 11	0.04 25	0.05 45	0.04 55	0.03 1	0.04 71

DF	0.08 80	0.05 38	0.09 120	0.15 109	0.06 27	0.11 245	0.13 166	0.10 31	0.12 137	0.09 174	0.10 188	0.10 248	0.08 225	0.11 191	0.09 101	0.07 331	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

LiteMatch*	0.08 80	0.04 1	0.11 239	0.13 16	0.08 207	0.08 79	0.13 166	0.14 139	0.09 48	0.05 2	0.05 7	0.05 5	0.09 259	0.11 191	0.10 201	0.06 166	0.05 266	0.05 45	0.04 55	0.05 163	0.05 202

aanet-new-90k	0.08 80	0.07 220	0.08 56	0.19 449	0.06 27	0.07 39	0.12 96	0.12 81	0.13 178	0.06 23	0.07 63	0.06 41	0.06 65	0.10 120	0.07 1	0.05 51	0.04 25	0.05 45	0.04 55	0.05 163	0.03 2

aanet-new-36k	0.08 80	0.06 102	0.09 120	0.17 291	0.06 27	0.09 132	0.13 166	0.11 54	0.13 178	0.08 123	0.08 117	0.06 41	0.05 14	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 55	0.03 1	0.03 2

aanet-new-34k	0.08 80	0.06 102	0.09 120	0.17 291	0.05 2	0.07 39	0.13 166	0.12 81	0.12 137	0.09 174	0.08 117	0.07 119	0.05 14	0.10 120	0.09 101	0.04 11	0.04 25	0.05 45	0.04 55	0.03 1	0.03 2

aanet-32k-new	0.08 80	0.07 220	0.08 56	0.18 381	0.06 27	0.08 79	0.12 96	0.11 54	0.12 137	0.07 70	0.08 117	0.05 5	0.07 177	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.06 285	0.04 71

aanet-new-32k	0.08 80	0.07 220	0.09 120	0.18 381	0.06 27	0.11 245	0.11 64	0.10 31	0.08 24	0.07 70	0.07 63	0.07 119	0.06 65	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

aanet-new-30k	0.08 80	0.07 220	0.09 120	0.18 381	0.06 27	0.11 245	0.11 64	0.10 31	0.08 24	0.07 70	0.07 63	0.07 119	0.06 65	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

aanet-new-28k	0.08 80	0.07 220	0.09 120	0.18 381	0.06 27	0.08 79	0.12 96	0.10 31	0.09 48	0.09 174	0.08 117	0.08 178	0.06 65	0.12 284	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

aanet-new-22k	0.08 80	0.06 102	0.09 120	0.17 291	0.06 27	0.08 79	0.11 64	0.14 139	0.12 137	0.09 174	0.09 152	0.08 178	0.06 65	0.10 120	0.08 25	0.04 11	0.04 25	0.05 45	0.04 55	0.03 1	0.03 2

aanet-new-16k	0.08 80	0.08 338	0.08 56	0.18 381	0.06 27	0.07 39	0.09 20	0.13 109	0.12 137	0.08 123	0.07 63	0.07 119	0.06 65	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 55	0.05 163	0.03 2

aanet-new-10k	0.08 80	0.08 338	0.08 56	0.19 449	0.07 128	0.08 79	0.12 96	0.14 139	0.11 100	0.07 70	0.08 117	0.07 119	0.07 177	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

aanet-new-12k	0.08 80	0.09 418	0.07 11	0.20 516	0.08 207	0.08 79	0.13 166	0.12 81	0.13 178	0.08 123	0.08 117	0.05 5	0.07 177	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 55	0.06 285	0.04 71

aanet-new-14k	0.08 80	0.09 418	0.08 56	0.19 449	0.06 27	0.07 39	0.10 35	0.14 139	0.15 235	0.06 23	0.08 117	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

aanet-new-8k	0.08 80	0.07 220	0.08 56	0.19 449	0.07 128	0.09 132	0.12 96	0.16 218	0.15 235	0.07 70	0.07 63	0.06 41	0.06 65	0.10 120	0.08 25	0.04 11	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

aanet-new	0.08 80	0.09 418	0.10 184	0.18 381	0.08 207	0.10 194	0.12 96	0.15 180	0.12 137	0.08 123	0.08 117	0.05 5	0.07 177	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.06 285	0.04 71

GCAP-Stereo-cres-4k	0.08 80	0.07 220	0.08 56	0.18 381	0.07 128	0.11 245	0.14 231	0.12 81	0.11 100	0.07 70	0.11 238	0.07 119	0.06 65	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

GCAP-Stereo-DPT-cres	0.08 80	0.05 38	0.07 11	0.15 109	0.06 27	0.10 194	0.14 231	0.13 109	0.12 137	0.07 70	0.09 152	0.07 119	0.06 65	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.04 55	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 80	0.06 102	0.15 418	0.14 57	0.06 27	0.08 79	0.13 166	0.13 109	0.11 100	0.07 70	0.08 117	0.07 119	0.06 65	0.09 58	0.08 25	0.05 51	0.05 266	0.05 45	0.04 55	0.03 1	0.04 71

GCAP-Stereo-DPT-22K	0.08 80	0.06 102	0.07 11	0.17 291	0.06 27	0.07 39	0.14 231	0.13 109	0.16 272	0.05 2	0.10 188	0.06 41	0.06 65	0.08 25	0.08 25	0.04 11	0.04 25	0.05 45	0.04 55	0.03 1	0.04 71

GCAP-Stereo-DPT-5K	0.08 80	0.06 102	0.10 184	0.16 204	0.07 128	0.11 245	0.12 96	0.15 180	0.15 235	0.08 123	0.12 259	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 183	0.05 185	0.03 1	0.04 71

GCAP-Stereo-DPT-2K	0.08 80	0.06 102	0.10 184	0.16 204	0.07 128	0.11 245	0.13 166	0.14 139	0.14 210	0.08 123	0.13 277	0.05 5	0.06 65	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.03 1	0.04 71

GCAP-Stereo-DPT-3K	0.08 80	0.07 220	0.10 184	0.16 204	0.07 128	0.09 132	0.12 96	0.15 180	0.14 210	0.08 123	0.11 238	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.03 1	0.04 71

GCAP-Stereo-DPT-50K	0.08 80	0.06 102	0.17 484	0.15 109	0.06 27	0.06 12	0.13 166	0.13 109	0.13 178	0.07 70	0.07 63	0.06 41	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 45	0.04 55	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 80	0.06 102	0.07 11	0.16 204	0.06 27	0.06 12	0.14 231	0.14 139	0.14 210	0.07 70	0.10 188	0.06 41	0.05 14	0.09 58	0.09 101	0.04 11	0.04 25	0.04 1	0.04 55	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 80	0.05 38	0.12 283	0.15 109	0.06 27	0.10 194	0.14 231	0.12 81	0.12 137	0.07 70	0.09 152	0.06 41	0.06 65	0.10 120	0.08 25	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

PSi22	0.08 80	0.06 102	0.11 239	0.16 204	0.07 128	0.08 79	0.10 35	0.14 139	0.08 24	0.08 123	0.06 23	0.10 248	0.06 65	0.12 284	0.09 101	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 71

Foundation-i1c-attn	0.08 80	0.05 38	0.07 11	0.14 57	0.05 2	0.09 132	0.12 96	0.12 81	0.10 69	0.09 174	0.10 188	0.10 248	0.07 177	0.07 4	0.10 201	0.06 166	0.04 25	0.05 45	0.04 55	0.03 1	0.03 2

Foundation-i1b	0.08 80	0.05 38	0.07 11	0.14 57	0.05 2	0.09 132	0.12 96	0.13 109	0.10 69	0.09 174	0.10 188	0.09 213	0.06 65	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.04 55	0.03 1	0.03 2

Foundation-i1a	0.08 80	0.05 38	0.07 11	0.13 16	0.05 2	0.13 348	0.13 166	0.12 81	0.09 48	0.11 254	0.11 238	0.11 278	0.06 65	0.08 25	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

DepthFocus	0.08 80	0.04 1	0.15 418	0.12 5	0.09 333	0.07 39	0.12 96	0.10 31	0.05 4	0.09 174	0.05 7	0.07 119	0.04 1	0.08 25	0.08 25	0.06 166	0.05 266	0.07 293	0.07 373	0.05 163	0.04 71

GeoVLM	0.08 80	0.04 1	0.10 184	0.13 16	0.06 27	0.10 194	0.12 96	0.13 109	0.08 24	0.06 23	0.07 63	0.06 41	0.08 225	0.10 120	0.11 281	0.06 166	0.05 266	0.04 1	0.03 1	0.04 48	0.05 202

gcap_with_dpt	0.08 80	0.06 102	0.09 120	0.16 204	0.07 128	0.09 132	0.12 96	0.13 109	0.13 178	0.08 123	0.12 259	0.04 1	0.06 65	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.03 1	0.04 71

DispViT+	0.08 80	0.05 38	0.09 120	0.13 16	0.06 27	0.05 4	0.11 64	0.18 290	0.16 272	0.09 174	0.08 117	0.07 119	0.06 65	0.11 191	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 80	0.04 1	0.11 239	0.14 57	0.07 128	0.11 245	0.11 64	0.11 54	0.07 15	0.07 70	0.07 63	0.07 119	0.06 65	0.10 120	0.10 201	0.06 166	0.04 25	0.05 45	0.04 55	0.06 285	0.06 298

BStereo	0.08 80	0.06 102	0.16 454	0.15 109	0.08 207	0.07 39	0.09 20	0.15 180	0.16 272	0.06 23	0.07 63	0.07 119	0.05 14	0.09 58	0.11 281	0.04 11	0.05 266	0.05 45	0.07 373	0.04 48	0.04 71

MonSter++	0.08 80	0.04 1	0.10 184	0.13 16	0.06 27	0.09 132	0.12 96	0.13 109	0.08 24	0.06 23	0.07 63	0.06 41	0.08 225	0.10 120	0.11 281	0.06 166	0.05 266	0.04 1	0.03 1	0.04 48	0.04 71

HiDET	0.08 80	0.04 1	0.10 184	0.13 16	0.06 27	0.08 79	0.12 96	0.12 81	0.11 100	0.06 23	0.07 63	0.07 119	0.07 177	0.11 191	0.11 281	0.06 166	0.04 25	0.04 1	0.03 1	0.04 48	0.04 71

LCMNet	0.08 80	0.05 38	0.10 184	0.13 16	0.07 128	0.09 132	0.12 96	0.10 31	0.11 100	0.06 23	0.08 117	0.06 41	0.07 177	0.11 191	0.10 201	0.06 166	0.05 266	0.04 1	0.03 1	0.04 48	0.04 71

GEAStereo	0.08 80	0.05 38	0.08 56	0.13 16	0.08 207	0.08 79	0.14 231	0.10 31	0.09 48	0.08 123	0.10 188	0.06 41	0.05 14	0.11 191	0.08 25	0.06 166	0.04 25	0.05 45	0.04 55	0.05 163	0.05 202

GSStereo	0.08 80	0.05 38	0.08 56	0.13 16	0.08 207	0.08 79	0.14 231	0.11 54	0.12 137	0.08 123	0.10 188	0.05 5	0.05 14	0.11 191	0.08 25	0.06 166	0.04 25	0.05 45	0.04 55	0.05 163	0.05 202

gasm-f	0.08 80	0.05 38	0.07 11	0.13 16	0.08 207	0.08 79	0.14 231	0.10 31	0.09 48	0.08 123	0.10 188	0.06 41	0.05 14	0.10 120	0.08 25	0.06 166	0.04 25	0.05 45	0.04 55	0.06 285	0.05 202

DDF-Stereo	0.08 80	0.04 1	0.09 120	0.15 109	0.10 445	0.06 12	0.13 166	0.09 18	0.14 210	0.06 23	0.06 23	0.07 119	0.06 65	0.09 58	0.10 201	0.06 166	0.04 25	0.06 183	0.04 55	0.08 428	0.05 202

252Zero-FE	0.08 80	0.04 1	0.09 120	0.13 16	0.07 128	0.12 297	0.11 64	0.13 109	0.14 210	0.06 23	0.05 7	0.06 41	0.05 14	0.09 58	0.10 201	0.06 166	0.04 25	0.04 1	0.03 1	0.05 163	0.06 298

DA	0.08 80	0.07 220	0.07 11	0.19 449	0.08 207	0.09 132	0.12 96	0.13 109	0.12 137	0.08 123	0.10 188	0.10 248	0.08 225	0.09 58	0.10 201	0.05 51	0.04 25	0.06 183	0.04 55	0.05 163	0.03 2

zero-FE	0.08 80	0.04 1	0.09 120	0.15 109	0.10 445	0.05 4	0.14 231	0.09 18	0.14 210	0.07 70	0.06 23	0.07 119	0.06 65	0.09 58	0.10 201	0.06 166	0.04 25	0.06 183	0.04 55	0.08 428	0.05 202

GGEV	0.08 80	0.07 220	0.07 11	0.19 449	0.08 207	0.09 132	0.12 96	0.13 109	0.12 137	0.08 123	0.10 188	0.10 248	0.08 225	0.09 58	0.10 201	0.05 51	0.04 25	0.06 183	0.04 55	0.05 163	0.03 2

GASTEREO	0.08 80	0.05 38	0.09 120	0.19 449	0.07 128	0.07 39	0.12 96	0.14 139	0.11 100	0.10 219	0.09 152	0.07 119	0.04 1	0.12 284	0.08 25	0.06 166	0.05 266	0.05 45	0.04 55	0.04 48	0.05 202

MSCF	0.08 80	0.05 38	0.08 56	0.19 449	0.08 207	0.06 12	0.12 96	0.14 139	0.11 100	0.10 219	0.09 152	0.07 119	0.04 1	0.11 191	0.08 25	0.06 166	0.05 266	0.05 45	0.04 55	0.05 163	0.05 202

S2M2_XL	0.08 80	0.06 102	0.12 283	0.12 5	0.08 207	0.09 132	0.09 20	0.07 6	0.07 15	0.08 123	0.07 63	0.07 119	0.06 65	0.09 58	0.09 101	0.08 407	0.06 410	0.07 293	0.05 185	0.08 428	0.06 298
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 80	0.09 418	0.10 184	0.17 291	0.07 128	0.08 79	0.10 35	0.20 331	0.13 178	0.06 23	0.07 63	0.05 5	0.06 65	0.08 25	0.09 101	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 80	0.08 338	0.09 120	0.16 204	0.06 27	0.08 79	0.10 35	0.20 331	0.15 235	0.08 123	0.07 63	0.06 41	0.06 65	0.06 1	0.09 101	0.04 11	0.03 1	0.04 1	0.04 55	0.03 1	0.03 2

LG-Stereo	0.08 80	0.07 220	0.10 184	0.18 381	0.07 128	0.10 194	0.17 424	0.11 54	0.08 24	0.05 2	0.07 63	0.05 5	0.07 177	0.09 58	0.09 101	0.04 11	0.05 266	0.07 293	0.07 373	0.04 48	0.04 71

SGD-Stereo	0.08 80	0.05 38	0.10 184	0.14 57	0.05 2	0.12 297	0.12 96	0.11 54	0.12 137	0.07 70	0.09 152	0.09 213	0.09 259	0.08 25	0.08 25	0.06 166	0.04 25	0.05 45	0.04 55	0.05 163	0.03 2

HART	0.08 80	0.07 220	0.09 120	0.17 291	0.07 128	0.10 194	0.16 383	0.13 109	0.11 100	0.08 123	0.10 188	0.07 119	0.05 14	0.10 120	0.08 25	0.05 51	0.04 25	0.06 183	0.04 55	0.05 163	0.04 71

Reg-Stereo(zero)	0.08 80	0.05 38	0.08 56	0.16 204	0.06 27	0.12 297	0.11 64	0.15 180	0.10 69	0.12 295	0.09 152	0.10 248	0.08 225	0.11 191	0.08 25	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.05 202

SCV_C0	0.08 80	0.07 220	0.07 11	0.16 204	0.09 333	0.08 79	0.15 314	0.11 54	0.12 137	0.08 123	0.07 63	0.06 41	0.05 14	0.11 191	0.07 1	0.05 51	0.05 266	0.05 45	0.04 55	0.06 285	0.05 202

SCV	0.08 80	0.09 418	0.08 56	0.15 109	0.08 207	0.10 194	0.13 166	0.10 31	0.12 137	0.07 70	0.07 63	0.06 41	0.04 1	0.09 58	0.08 25	0.05 51	0.04 25	0.06 183	0.04 55	0.06 285	0.04 71

DEFOM-Stereo_RVC	0.08 80	0.06 102	0.09 120	0.22 565	0.06 27	0.08 79	0.12 96	0.10 31	0.10 69	0.07 70	0.07 63	0.06 41	0.05 14	0.11 191	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.06 285	0.04 71

HUF	0.08 80	0.05 38	0.08 56	0.14 57	0.06 27	0.09 132	0.13 166	0.13 109	0.13 178	0.07 70	0.07 63	0.08 178	0.06 65	0.10 120	0.09 101	0.06 166	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

castereo++	0.08 80	0.05 38	0.08 56	0.15 109	0.05 2	0.14 382	0.12 96	0.11 54	0.15 235	0.07 70	0.07 63	0.07 119	0.06 65	0.08 25	0.08 25	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

IGEV-RUCA	0.08 80	0.06 102	0.11 239	0.14 57	0.09 333	0.10 194	0.12 96	0.10 31	0.12 137	0.06 23	0.07 63	0.07 119	0.06 65	0.09 58	0.08 25	0.06 166	0.05 266	0.05 45	0.04 55	0.05 163	0.06 298

GIP-stereo	0.08 80	0.06 102	0.11 239	0.14 57	0.06 27	0.09 132	0.13 166	0.14 139	0.11 100	0.07 70	0.08 117	0.05 5	0.04 1	0.10 120	0.07 1	0.05 51	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

SMoEStereo_RVC	0.08 80	0.06 102	0.12 283	0.16 204	0.07 128	0.09 132	0.14 231	0.11 54	0.13 178	0.09 174	0.07 63	0.07 119	0.07 177	0.12 284	0.10 201	0.05 51	0.04 25	0.06 183	0.05 185	0.04 48	0.04 71

WCG-NET	0.08 80	0.05 38	0.09 120	0.15 109	0.06 27	0.11 245	0.14 231	0.13 109	0.13 178	0.06 23	0.09 152	0.07 119	0.06 65	0.13 336	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

Occ-G	0.08 80	0.05 38	0.06 5	0.14 57	0.07 128	0.08 79	0.14 231	0.13 109	0.15 235	0.07 70	0.11 238	0.07 119	0.05 14	0.09 58	0.10 201	0.06 166	0.05 266	0.05 45	0.04 55	0.05 163	0.05 202

U	0.08 80	0.07 220	0.09 120	0.19 449	0.10 445	0.10 194	0.13 166	0.12 81	0.17 301	0.07 70	0.07 63	0.06 41	0.05 14	0.07 4	0.08 25	0.06 166	0.04 25	0.06 183	0.04 55	0.06 285	0.05 202

AIO-Stereo	0.08 80	0.06 102	0.09 120	0.18 381	0.06 27	0.08 79	0.12 96	0.15 180	0.09 48	0.08 123	0.08 117	0.07 119	0.05 14	0.11 191	0.08 25	0.05 51	0.05 266	0.05 45	0.04 55	0.04 48	0.04 71

WCG-NET（raft）	0.08 80	0.05 38	0.10 184	0.15 109	0.06 27	0.11 245	0.13 166	0.15 180	0.12 137	0.08 123	0.07 63	0.06 41	0.06 65	0.13 336	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

RSM++	0.08 80	0.06 102	0.09 120	0.17 291	0.07 128	0.09 132	0.12 96	0.11 54	0.11 100	0.08 123	0.06 23	0.07 119	0.05 14	0.10 120	0.09 101	0.04 11	0.04 25	0.06 183	0.05 185	0.05 163	0.03 2

RSM	0.08 80	0.06 102	0.09 120	0.17 291	0.06 27	0.08 79	0.12 96	0.12 81	0.10 69	0.08 123	0.07 63	0.06 41	0.05 14	0.11 191	0.09 101	0.04 11	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

gcap-zeroshot	0.08 80	0.06 102	0.10 184	0.15 109	0.07 128	0.11 245	0.12 96	0.15 180	0.15 235	0.08 123	0.12 259	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 183	0.05 185	0.03 1	0.04 71

test_for_model	0.08 80	0.06 102	0.10 184	0.16 204	0.07 128	0.11 245	0.12 96	0.15 180	0.15 235	0.08 123	0.12 259	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 183	0.05 185	0.03 1	0.04 71

trnet	0.08 80	0.05 38	0.07 11	0.12 5	0.05 2	0.12 297	0.11 64	0.13 109	0.10 69	0.08 123	0.13 277	0.09 213	0.08 225	0.11 191	0.10 201	0.08 407	0.05 266	0.05 45	0.03 1	0.06 285	0.05 202

MoCha-V2	0.08 80	0.05 38	0.10 184	0.20 516	0.07 128	0.09 132	0.14 231	0.11 54	0.08 24	0.07 70	0.08 117	0.07 119	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

IGEV++	0.08 80	0.06 102	0.08 56	0.18 381	0.07 128	0.09 132	0.13 166	0.10 31	0.09 48	0.08 123	0.08 117	0.06 41	0.06 65	0.13 336	0.09 101	0.05 51	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

testlalala	0.08 80	0.06 102	0.10 184	0.15 109	0.07 128	0.11 245	0.12 96	0.15 180	0.15 235	0.08 123	0.12 259	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 183	0.05 185	0.03 1	0.04 71

AEACV	0.08 80	0.05 38	0.08 56	0.14 57	0.13 552	0.14 382	0.13 166	0.14 139	0.09 48	0.07 70	0.09 152	0.07 119	0.08 225	0.10 120	0.09 101	0.06 166	0.04 25	0.06 183	0.05 185	0.05 163	0.04 71

LoS_RVC	0.08 80	0.05 38	0.07 11	0.15 109	0.07 128	0.08 79	0.15 314	0.11 54	0.10 69	0.08 123	0.09 152	0.06 41	0.09 259	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.03 2

CAS	0.08 80	0.04 1	0.07 11	0.17 291	0.08 207	0.10 194	0.13 166	0.12 81	0.09 48	0.09 174	0.10 188	0.08 178	0.06 65	0.09 58	0.08 25	0.08 407	0.04 25	0.05 45	0.03 1	0.05 163	0.04 71

CES	0.08 80	0.04 1	0.08 56	0.14 57	0.07 128	0.09 132	0.14 231	0.11 54	0.09 48	0.08 123	0.09 152	0.11 278	0.06 65	0.12 284	0.08 25	0.06 166	0.04 25	0.05 45	0.03 1	0.05 163	0.05 202

EGLCR-Stereo	0.08 80	0.05 38	0.08 56	0.14 57	0.06 27	0.10 194	0.12 96	0.11 54	0.16 272	0.06 23	0.05 7	0.07 119	0.05 14	0.10 120	0.11 281	0.06 166	0.04 25	0.06 183	0.05 185	0.04 48	0.04 71

MC-Stereo	0.08 80	0.06 102	0.09 120	0.17 291	0.06 27	0.10 194	0.14 231	0.12 81	0.10 69	0.09 174	0.12 259	0.09 213	0.06 65	0.11 191	0.10 201	0.06 166	0.04 25	0.06 183	0.05 185	0.04 48	0.04 71

test-3	0.08 80	0.06 102	0.09 120	0.17 291	0.07 128	0.07 39	0.14 231	0.12 81	0.15 235	0.09 174	0.08 117	0.07 119	0.08 225	0.11 191	0.10 201	0.05 51	0.04 25	0.07 293	0.05 185	0.04 48	0.04 71

test_1	0.08 80	0.06 102	0.09 120	0.17 291	0.07 128	0.07 39	0.14 231	0.12 81	0.15 235	0.09 174	0.08 117	0.07 119	0.08 225	0.11 191	0.10 201	0.05 51	0.04 25	0.07 293	0.05 185	0.04 48	0.04 71

CREStereo++_RVC	0.08 80	0.04 1	0.06 5	0.13 16	0.07 128	0.09 132	0.12 96	0.14 139	0.14 210	0.10 219	0.14 291	0.08 178	0.07 177	0.09 58	0.11 281	0.06 166	0.04 25	0.05 45	0.05 185	0.04 48	0.04 71
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
RT-Monster	0.09 167	0.05 38	0.09 120	0.14 57	0.08 207	0.11 245	0.10 35	0.17 257	0.18 332	0.13 325	0.10 188	0.09 213	0.08 225	0.10 120	0.10 201	0.07 331	0.05 266	0.05 45	0.04 55	0.05 163	0.06 298

LiteMatch	0.09 167	0.06 102	0.10 184	0.16 204	0.07 128	0.09 132	0.15 314	0.13 109	0.08 24	0.06 23	0.07 63	0.06 41	0.15 444	0.10 120	0.14 422	0.07 331	0.04 25	0.06 183	0.06 275	0.06 285	0.06 298

Foundation-i1	0.09 167	0.04 1	0.10 184	0.14 57	0.06 27	0.10 194	0.13 166	0.16 218	0.14 210	0.10 219	0.10 188	0.11 278	0.07 177	0.07 4	0.10 201	0.06 166	0.04 25	0.05 45	0.05 185	0.05 163	0.05 202

VMStereo-Base	0.09 167	0.05 38	0.10 184	0.13 16	0.07 128	0.10 194	0.10 35	0.16 218	0.13 178	0.10 219	0.15 308	0.10 248	0.09 259	0.11 191	0.10 201	0.07 331	0.05 266	0.05 45	0.04 55	0.05 163	0.06 298

Wave_Phase_stereo	0.09 167	0.06 102	0.16 454	0.15 109	0.08 207	0.11 245	0.09 20	0.18 290	0.16 272	0.06 23	0.07 63	0.07 119	0.05 14	0.09 58	0.11 281	0.04 11	0.05 266	0.05 45	0.07 373	0.04 48	0.04 71

NLSM3	0.09 167	0.06 102	0.08 56	0.19 449	0.08 207	0.11 245	0.16 383	0.18 290	0.16 272	0.06 23	0.08 117	0.07 119	0.08 225	0.09 58	0.11 281	0.04 11	0.04 25	0.06 183	0.07 373	0.03 1	0.03 2

FE-Mocha	0.09 167	0.06 102	0.14 370	0.16 204	0.09 333	0.10 194	0.15 314	0.18 290	0.16 272	0.10 219	0.09 152	0.07 119	0.07 177	0.09 58	0.09 101	0.06 166	0.04 25	0.06 183	0.06 275	0.05 163	0.05 202

IGEV-FE	0.09 167	0.05 38	0.12 283	0.13 16	0.08 207	0.12 297	0.13 166	0.17 257	0.11 100	0.10 219	0.06 23	0.09 213	0.06 65	0.11 191	0.09 101	0.06 166	0.04 25	0.06 183	0.06 275	0.05 163	0.05 202

water-stereo	0.09 167	0.06 102	0.08 56	0.16 204	0.07 128	0.09 132	0.13 166	0.15 180	0.13 178	0.11 254	0.12 259	0.08 178	0.09 259	0.07 4	0.08 25	0.06 166	0.05 266	0.05 45	0.05 185	0.04 48	0.04 71

depthmonostereo	0.09 167	0.06 102	0.09 120	0.15 109	0.06 27	0.10 194	0.13 166	0.14 139	0.14 210	0.10 219	0.10 188	0.09 213	0.11 331	0.08 25	0.09 101	0.06 166	0.05 266	0.06 183	0.04 55	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 167	0.05 38	0.08 56	0.15 109	0.06 27	0.11 245	0.12 96	0.14 139	0.16 272	0.11 254	0.11 238	0.09 213	0.09 259	0.11 191	0.10 201	0.06 166	0.05 266	0.05 45	0.04 55	0.03 1	0.03 2

S2M2_L	0.09 167	0.08 338	0.11 239	0.13 16	0.10 445	0.08 79	0.06 1	0.10 31	0.10 69	0.10 219	0.09 152	0.10 248	0.09 259	0.11 191	0.11 281	0.13 590	0.07 482	0.08 387	0.09 493	0.10 524	0.08 451
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 167	0.06 102	0.09 120	0.19 449	0.08 207	0.12 297	0.18 473	0.15 180	0.14 210	0.07 70	0.10 188	0.07 119	0.06 65	0.12 284	0.09 101	0.05 51	0.04 25	0.06 183	0.05 185	0.05 163	0.03 2

castereo	0.09 167	0.06 102	0.11 239	0.15 109	0.06 27	0.11 245	0.15 314	0.14 139	0.18 332	0.08 123	0.10 188	0.11 278	0.08 225	0.09 58	0.10 201	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.03 2

fffft	0.09 167	0.06 102	0.12 283	0.16 204	0.07 128	0.09 132	0.17 424	0.12 81	0.11 100	0.08 123	0.07 63	0.09 213	0.06 65	0.11 191	0.12 342	0.05 51	0.04 25	0.06 183	0.05 185	0.04 48	0.05 202
1: 1. 1
tt45	0.09 167	0.06 102	0.11 239	0.15 109	0.07 128	0.11 245	0.16 383	0.13 109	0.11 100	0.09 174	0.06 23	0.08 178	0.06 65	0.13 336	0.10 201	0.06 166	0.04 25	0.06 183	0.05 185	0.05 163	0.06 298

999	0.09 167	0.05 38	0.13 333	0.15 109	0.08 207	0.10 194	0.14 231	0.15 180	0.11 100	0.10 219	0.08 117	0.08 178	0.08 225	0.16 424	0.10 201	0.06 166	0.04 25	0.06 183	0.05 185	0.04 48	0.05 202

mms	0.09 167	0.07 220	0.08 56	0.16 204	0.08 207	0.10 194	0.16 383	0.12 81	0.11 100	0.08 123	0.09 152	0.08 178	0.06 65	0.11 191	0.12 342	0.05 51	0.04 25	0.07 293	0.05 185	0.04 48	0.03 2

ours_stereo	0.09 167	0.07 220	0.09 120	0.17 291	0.08 207	0.11 245	0.16 383	0.11 54	0.12 137	0.08 123	0.10 188	0.08 178	0.06 65	0.12 284	0.12 342	0.05 51	0.04 25	0.06 183	0.05 185	0.04 48	0.03 2

fffy	0.09 167	0.08 338	0.09 120	0.16 204	0.07 128	0.13 348	0.17 424	0.13 109	0.12 137	0.08 123	0.09 152	0.08 178	0.09 259	0.13 336	0.11 281	0.05 51	0.05 266	0.07 293	0.05 185	0.04 48	0.05 202

PAM_32	0.09 167	0.05 38	0.17 484	0.15 109	0.08 207	0.10 194	0.15 314	0.14 139	0.15 235	0.09 174	0.08 117	0.09 213	0.07 177	0.14 365	0.08 25	0.06 166	0.05 266	0.06 183	0.06 275	0.05 163	0.06 298

UGAM-zero	0.09 167	0.05 38	0.15 418	0.15 109	0.08 207	0.09 132	0.13 166	0.19 320	0.15 235	0.11 254	0.15 308	0.07 119	0.07 177	0.09 58	0.09 101	0.06 166	0.05 266	0.06 183	0.05 185	0.05 163	0.06 298

GCAP-BAT	0.09 167	0.05 38	0.11 239	0.13 16	0.07 128	0.11 245	0.14 231	0.14 139	0.16 272	0.07 70	0.10 188	0.08 178	0.06 65	0.13 336	0.08 25	0.07 331	0.05 266	0.05 45	0.05 185	0.04 48	0.04 71

Pointernet	0.09 167	0.04 1	0.09 120	0.16 204	0.08 207	0.13 348	0.10 35	0.15 180	0.17 301	0.09 174	0.07 63	0.06 41	0.06 65	0.11 191	0.09 101	0.08 407	0.04 25	0.05 45	0.03 1	0.06 285	0.05 202

IGEV-BASED-STEREO-	0.09 167	0.10 480	0.31 594	0.15 109	0.06 27	0.08 79	0.14 231	0.10 31	0.10 69	0.07 70	0.07 63	0.06 41	0.04 1	0.11 191	0.07 1	0.12 564	0.04 25	0.07 293	0.05 185	0.05 163	0.05 202

RAFT-Stereo-weight	0.09 167	0.06 102	0.10 184	0.16 204	0.07 128	0.09 132	0.14 231	0.19 320	0.16 272	0.11 254	0.10 188	0.08 178	0.06 65	0.10 120	0.11 281	0.06 166	0.04 25	0.06 183	0.04 55	0.04 48	0.04 71

MGS-Stereo	0.09 167	0.07 220	0.12 283	0.15 109	0.08 207	0.09 132	0.15 314	0.12 81	0.12 137	0.07 70	0.10 188	0.08 178	0.06 65	0.10 120	0.09 101	0.05 51	0.04 25	0.06 183	0.05 185	0.06 285	0.05 202

ff7	0.09 167	0.07 220	0.11 239	0.16 204	0.09 333	0.11 245	0.15 314	0.16 218	0.12 137	0.10 219	0.06 23	0.06 41	0.06 65	0.11 191	0.09 101	0.05 51	0.04 25	0.06 183	0.05 185	0.05 163	0.06 298

IGEVStereo-DCA	0.09 167	0.06 102	0.11 239	0.15 109	0.10 445	0.11 245	0.15 314	0.16 218	0.12 137	0.10 219	0.06 23	0.08 178	0.06 65	0.10 120	0.08 25	0.06 166	0.05 266	0.06 183	0.05 185	0.05 163	0.06 298

ffff	0.09 167	0.07 220	0.11 239	0.16 204	0.09 333	0.11 245	0.15 314	0.16 218	0.12 137	0.10 219	0.06 23	0.06 41	0.06 65	0.11 191	0.09 101	0.05 51	0.04 25	0.06 183	0.05 185	0.05 163	0.06 298

rrr	0.09 167	0.06 102	0.12 283	0.15 109	0.10 445	0.11 245	0.16 383	0.16 218	0.15 235	0.10 219	0.06 23	0.08 178	0.06 65	0.10 120	0.08 25	0.06 166	0.05 266	0.06 183	0.05 185	0.05 163	0.06 298

11t	0.09 167	0.07 220	0.11 239	0.16 204	0.09 333	0.11 245	0.15 314	0.16 218	0.12 137	0.10 219	0.06 23	0.06 41	0.06 65	0.11 191	0.09 101	0.05 51	0.04 25	0.06 183	0.05 185	0.05 163	0.06 298

MaDis-Stereo	0.09 167	0.09 418	0.08 56	0.17 291	0.09 333	0.13 348	0.10 35	0.16 218	0.16 272	0.09 174	0.11 238	0.06 41	0.06 65	0.09 58	0.13 384	0.07 331	0.06 410	0.07 293	0.05 185	0.05 163	0.04 71

IGEV_Zeroshot_test	0.09 167	0.05 38	0.12 283	0.13 16	0.08 207	0.12 297	0.13 166	0.17 257	0.11 100	0.10 219	0.06 23	0.09 213	0.06 65	0.11 191	0.09 101	0.06 166	0.04 25	0.06 183	0.06 275	0.05 163	0.05 202

MSKI-zero shot	0.09 167	0.05 38	0.09 120	0.15 109	0.07 128	0.10 194	0.13 166	0.14 139	0.13 178	0.09 174	0.09 152	0.09 213	0.06 65	0.12 284	0.10 201	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

UniTT-Stereo	0.09 167	0.07 220	0.08 56	0.18 381	0.08 207	0.13 348	0.11 64	0.12 81	0.11 100	0.10 219	0.12 259	0.05 5	0.07 177	0.09 58	0.09 101	0.07 331	0.05 266	0.05 45	0.05 185	0.05 163	0.05 202

MIM_Stereo	0.09 167	0.07 220	0.11 239	0.15 109	0.07 128	0.06 12	0.12 96	0.20 331	0.14 210	0.13 325	0.13 277	0.09 213	0.05 14	0.12 284	0.08 25	0.05 51	0.06 410	0.07 293	0.06 275	0.06 285	0.05 202

CASnet	0.09 167	0.09 418	0.09 120	0.19 449	0.06 27	0.07 39	0.11 64	0.18 290	0.14 210	0.11 254	0.10 188	0.09 213	0.07 177	0.10 120	0.10 201	0.06 166	0.04 25	0.10 518	0.08 446	0.05 163	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 167	0.05 38	0.11 239	0.13 16	0.07 128	0.11 245	0.14 231	0.14 139	0.16 272	0.07 70	0.10 188	0.08 178	0.06 65	0.13 336	0.08 25	0.07 331	0.05 266	0.05 45	0.05 185	0.04 48	0.04 71

GCAP-Stereo	0.09 167	0.07 220	0.13 333	0.18 381	0.06 27	0.11 245	0.07 3	0.13 109	0.12 137	0.09 174	0.10 188	0.07 119	0.09 259	0.13 336	0.10 201	0.06 166	0.05 266	0.05 45	0.04 55	0.04 48	0.05 202

RAFT-Test	0.09 167	0.06 102	0.10 184	0.15 109	0.07 128	0.11 245	0.15 314	0.16 218	0.13 178	0.09 174	0.10 188	0.10 248	0.09 259	0.12 284	0.09 101	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.05 202

HH	0.09 167	0.06 102	0.13 333	0.17 291	0.08 207	0.10 194	0.16 383	0.14 139	0.10 69	0.08 123	0.09 152	0.08 178	0.07 177	0.10 120	0.09 101	0.06 166	0.04 25	0.06 183	0.05 185	0.05 163	0.04 71

HanStereo	0.09 167	0.06 102	0.13 333	0.17 291	0.08 207	0.10 194	0.16 383	0.14 139	0.10 69	0.08 123	0.09 152	0.08 178	0.07 177	0.10 120	0.09 101	0.06 166	0.04 25	0.06 183	0.05 185	0.05 163	0.04 71

4D-IteraStereo	0.09 167	0.07 220	0.10 184	0.18 381	0.07 128	0.09 132	0.15 314	0.17 257	0.15 235	0.10 219	0.11 238	0.10 248	0.07 177	0.11 191	0.09 101	0.05 51	0.03 1	0.08 387	0.07 373	0.06 285	0.05 202

anonymousdsp	0.09 167	0.07 220	0.11 239	0.16 204	0.09 333	0.11 245	0.15 314	0.16 218	0.12 137	0.09 174	0.06 23	0.06 41	0.06 65	0.11 191	0.09 101	0.05 51	0.04 25	0.06 183	0.05 185	0.05 163	0.06 298

LoS	0.09 167	0.05 38	0.11 239	0.13 16	0.07 128	0.14 382	0.11 64	0.15 180	0.15 235	0.09 174	0.09 152	0.12 298	0.09 259	0.15 389	0.10 201	0.07 331	0.05 266	0.05 45	0.03 1	0.05 163	0.05 202
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 167	0.07 220	0.10 184	0.17 291	0.08 207	0.10 194	0.15 314	0.15 180	0.12 137	0.09 174	0.06 23	0.07 119	0.06 65	0.11 191	0.09 101	0.05 51	0.04 25	0.06 183	0.05 185	0.04 48	0.06 298

RCA-Stereo	0.09 167	0.06 102	0.09 120	0.16 204	0.06 27	0.09 132	0.13 166	0.18 290	0.14 210	0.09 174	0.10 188	0.08 178	0.07 177	0.12 284	0.11 281	0.06 166	0.04 25	0.06 183	0.05 185	0.05 163	0.04 71

CroCo-Stereo Lap2	0.09 167	0.09 418	0.08 56	0.22 565	0.09 333	0.09 132	0.19 513	0.16 218	0.12 137	0.09 174	0.10 188	0.05 5	0.05 14	0.08 25	0.08 25	0.06 166	0.06 410	0.07 293	0.05 185	0.05 163	0.05 202

ccc-4	0.09 167	0.07 220	0.11 239	0.16 204	0.09 333	0.11 245	0.15 314	0.16 218	0.12 137	0.10 219	0.06 23	0.06 41	0.06 65	0.11 191	0.09 101	0.05 51	0.04 25	0.06 183	0.05 185	0.05 163	0.06 298

IGEV-Stereo	0.09 167	0.07 220	0.11 239	0.16 204	0.09 333	0.11 245	0.15 314	0.16 218	0.12 137	0.09 174	0.06 23	0.06 41	0.06 65	0.11 191	0.09 101	0.05 51	0.04 25	0.06 183	0.05 185	0.05 163	0.06 298
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 167	0.05 38	0.13 333	0.14 57	0.08 207	0.12 297	0.15 314	0.18 290	0.10 69	0.11 254	0.08 117	0.08 178	0.05 14	0.10 120	0.09 101	0.06 166	0.04 25	0.06 183	0.05 185	0.06 285	0.05 202

TRStereo	0.09 167	0.05 38	0.12 283	0.15 109	0.12 529	0.10 194	0.13 166	0.18 290	0.18 332	0.09 174	0.09 152	0.09 213	0.06 65	0.10 120	0.08 25	0.07 331	0.05 266	0.07 293	0.07 373	0.04 48	0.04 71

AnonymousM	0.09 167	0.05 38	0.10 184	0.14 57	0.06 27	0.09 132	0.13 166	0.19 320	0.14 210	0.13 325	0.11 238	0.09 213	0.08 225	0.13 336	0.10 201	0.08 407	0.05 266	0.08 387	0.05 185	0.05 163	0.05 202

CroCo-Stereo	0.09 167	0.08 338	0.08 56	0.22 565	0.09 333	0.09 132	0.19 513	0.15 180	0.12 137	0.07 70	0.07 63	0.08 178	0.06 65	0.08 25	0.07 1	0.07 331	0.05 266	0.06 183	0.04 55	0.05 163	0.04 71
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	0.09 167	0.06 102	0.07 11	0.15 109	0.05 2	0.16 438	0.18 473	0.15 180	0.15 235	0.10 219	0.11 238	0.11 278	0.11 331	0.10 120	0.12 342	0.05 51	0.04 25	0.05 45	0.04 55	0.04 48	0.04 71

TANstereo	0.09 167	0.04 1	0.08 56	0.13 16	0.06 27	0.11 245	0.14 231	0.15 180	0.19 351	0.11 254	0.15 308	0.10 248	0.06 65	0.12 284	0.09 101	0.07 331	0.05 266	0.05 45	0.04 55	0.06 285	0.05 202

XX-TBD	0.09 167	0.06 102	0.07 11	0.14 57	0.07 128	0.12 297	0.16 383	0.14 139	0.13 178	0.11 254	0.12 259	0.09 213	0.08 225	0.10 120	0.10 201	0.06 166	0.04 25	0.05 45	0.03 1	0.06 285	0.05 202

raftrobust	0.09 167	0.06 102	0.10 184	0.17 291	0.08 207	0.09 132	0.10 35	0.18 290	0.16 272	0.10 219	0.09 152	0.12 298	0.07 177	0.12 284	0.10 201	0.08 407	0.05 266	0.06 183	0.05 185	0.05 163	0.05 202

XX-Stereo	0.09 167	0.05 38	0.08 56	0.17 291	0.09 333	0.15 408	0.12 96	0.20 331	0.10 69	0.10 219	0.14 291	0.07 119	0.06 65	0.12 284	0.08 25	0.06 166	0.05 266	0.06 183	0.06 275	0.04 48	0.04 71

test_xeample3	0.09 167	0.06 102	0.12 283	0.16 204	0.09 333	0.11 245	0.15 314	0.16 218	0.13 178	0.10 219	0.06 23	0.08 178	0.06 65	0.10 120	0.09 101	0.05 51	0.04 25	0.06 183	0.05 185	0.05 163	0.06 298

RAFT-Stereo + iAFF	0.09 167	0.06 102	0.10 184	0.17 291	0.06 27	0.10 194	0.16 383	0.17 257	0.14 210	0.09 174	0.10 188	0.08 178	0.09 259	0.11 191	0.09 101	0.05 51	0.04 25	0.06 183	0.06 275	0.04 48	0.03 2

AFF-stereo	0.09 167	0.06 102	0.10 184	0.17 291	0.07 128	0.10 194	0.16 383	0.17 257	0.09 48	0.10 219	0.12 259	0.09 213	0.09 259	0.12 284	0.09 101	0.05 51	0.04 25	0.07 293	0.07 373	0.04 48	0.03 2

EAI-Stereo	0.09 167	0.07 220	0.11 239	0.15 109	0.06 27	0.10 194	0.15 314	0.16 218	0.09 48	0.08 123	0.09 152	0.08 178	0.07 177	0.09 58	0.11 281	0.05 51	0.04 25	0.05 45	0.05 185	0.05 163	0.04 71

CFNet-RSSM	0.09 167	0.07 220	0.09 120	0.16 204	0.07 128	0.09 132	0.15 314	0.16 218	0.17 301	0.08 123	0.12 259	0.10 248	0.09 259	0.11 191	0.09 101	0.06 166	0.04 25	0.06 183	0.04 55	0.04 48	0.04 71

Gwc-CoAtRS	0.09 167	0.06 102	0.10 184	0.16 204	0.07 128	0.10 194	0.14 231	0.17 257	0.17 301	0.08 123	0.10 188	0.12 298	0.09 259	0.12 284	0.09 101	0.06 166	0.04 25	0.06 183	0.04 55	0.04 48	0.04 71

CREStereo	0.09 167	0.04 1	0.08 56	0.11 1	0.06 27	0.13 348	0.14 231	0.14 139	0.10 69	0.08 123	0.13 277	0.09 213	0.08 225	0.11 191	0.10 201	0.08 407	0.04 25	0.05 45	0.03 1	0.06 285	0.06 298
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	0.09 167	0.05 38	0.09 120	0.12 5	0.06 27	0.12 297	0.14 231	0.15 180	0.11 100	0.09 174	0.13 277	0.10 248	0.07 177	0.13 336	0.10 201	0.15 608	0.04 25	0.05 45	0.03 1	0.07 364	0.06 298

DN	0.10 235	0.05 38	0.09 120	0.14 57	0.09 333	0.12 297	0.18 473	0.17 257	0.16 272	0.08 123	0.09 152	0.08 178	0.06 65	0.08 25	0.09 101	0.11 539	0.05 266	0.07 293	0.06 275	0.07 364	0.09 495

Hybrid-DGEV-03	0.10 235	0.06 102	0.09 120	0.18 381	0.08 207	0.16 438	0.14 231	0.15 180	0.14 210	0.13 325	0.16 321	0.12 298	0.09 259	0.13 336	0.11 281	0.06 166	0.04 25	0.08 387	0.06 275	0.05 163	0.04 71

WQFJA1	0.10 235	0.07 220	0.08 56	0.20 516	0.09 333	0.12 297	0.17 424	0.17 257	0.17 301	0.09 174	0.10 188	0.08 178	0.10 298	0.12 284	0.11 281	0.06 166	0.07 482	0.07 293	0.06 275	0.06 285	0.05 202

WQFJX1	0.10 235	0.07 220	0.08 56	0.22 565	0.09 333	0.12 297	0.17 424	0.18 290	0.17 301	0.10 219	0.09 152	0.07 119	0.10 298	0.11 191	0.09 101	0.07 331	0.08 512	0.07 293	0.06 275	0.05 163	0.04 71

WQFJX	0.10 235	0.07 220	0.09 120	0.21 548	0.09 333	0.12 297	0.16 383	0.18 290	0.17 301	0.12 295	0.10 188	0.07 119	0.09 259	0.12 284	0.10 201	0.06 166	0.07 482	0.06 183	0.05 185	0.06 285	0.05 202

NLMM	0.10 235	0.07 220	0.08 56	0.20 516	0.09 333	0.12 297	0.17 424	0.17 257	0.17 301	0.09 174	0.10 188	0.08 178	0.10 298	0.12 284	0.11 281	0.06 166	0.07 482	0.07 293	0.06 275	0.06 285	0.05 202

NLSM1	0.10 235	0.07 220	0.07 11	0.19 449	0.08 207	0.13 348	0.16 383	0.21 354	0.15 235	0.11 254	0.10 188	0.06 41	0.10 298	0.10 120	0.11 281	0.07 331	0.08 512	0.08 387	0.07 373	0.05 163	0.05 202

MM-Stereo_test3	0.10 235	0.07 220	0.07 11	0.18 381	0.07 128	0.12 297	0.19 513	0.24 423	0.19 351	0.06 23	0.10 188	0.08 178	0.06 65	0.11 191	0.08 25	0.06 166	0.06 410	0.07 293	0.05 185	0.05 163	0.04 71

MM-Stereo_test1	0.10 235	0.07 220	0.08 56	0.18 381	0.07 128	0.12 297	0.18 473	0.21 354	0.20 374	0.09 174	0.11 238	0.08 178	0.06 65	0.10 120	0.10 201	0.06 166	0.05 266	0.07 293	0.06 275	0.05 163	0.04 71

AIO-test2	0.10 235	0.08 338	0.10 184	0.23 589	0.08 207	0.11 245	0.10 35	0.23 399	0.23 416	0.08 123	0.09 152	0.08 178	0.05 14	0.10 120	0.08 25	0.06 166	0.05 266	0.08 387	0.09 493	0.05 163	0.05 202

AIO-test1	0.10 235	0.07 220	0.10 184	0.23 589	0.07 128	0.09 132	0.13 166	0.21 354	0.14 210	0.11 254	0.12 259	0.09 213	0.07 177	0.11 191	0.09 101	0.06 166	0.05 266	0.09 470	0.10 533	0.03 1	0.06 298

tg	0.10 235	0.06 102	0.10 184	0.18 381	0.08 207	0.11 245	0.16 383	0.20 331	0.12 137	0.08 123	0.11 238	0.11 278	0.07 177	0.11 191	0.10 201	0.05 51	0.04 25	0.08 387	0.08 446	0.04 48	0.04 71

PAM	0.10 235	0.05 38	0.16 454	0.15 109	0.08 207	0.09 132	0.16 383	0.15 180	0.16 272	0.12 295	0.09 152	0.09 213	0.07 177	0.13 336	0.08 25	0.06 166	0.05 266	0.06 183	0.06 275	0.05 163	0.06 298

model_zeroshot	0.10 235	0.04 1	0.11 239	0.15 109	0.09 333	0.12 297	0.14 231	0.20 331	0.13 178	0.11 254	0.10 188	0.12 298	0.07 177	0.12 284	0.10 201	0.07 331	0.06 410	0.06 183	0.05 185	0.06 285	0.06 298

RAStereo	0.10 235	0.09 418	0.08 56	0.20 516	0.08 207	0.13 348	0.18 473	0.15 180	0.17 301	0.10 219	0.12 259	0.05 5	0.06 65	0.09 58	0.08 25	0.07 331	0.05 266	0.07 293	0.05 185	0.05 163	0.04 71

rvit_stereo_0080	0.10 235	0.08 338	0.14 370	0.15 109	0.09 333	0.07 39	0.15 314	0.16 218	0.16 272	0.11 254	0.10 188	0.14 344	0.08 225	0.12 284	0.10 201	0.09 467	0.07 482	0.07 293	0.06 275	0.07 364	0.05 202

H2IRNET	0.10 235	0.09 418	0.09 120	0.18 381	0.09 333	0.12 297	0.15 314	0.14 139	0.21 390	0.10 219	0.10 188	0.10 248	0.10 298	0.10 120	0.10 201	0.05 51	0.04 25	0.08 387	0.08 446	0.06 285	0.05 202

Former-RAFT_DAM_RVC	0.10 235	0.08 338	0.12 283	0.16 204	0.08 207	0.15 408	0.16 383	0.18 290	0.18 332	0.10 219	0.09 152	0.09 213	0.08 225	0.11 191	0.12 342	0.07 331	0.05 266	0.08 387	0.06 275	0.07 364	0.06 298

MyStereo07	0.10 235	0.07 220	0.10 184	0.17 291	0.09 333	0.14 382	0.18 473	0.15 180	0.15 235	0.09 174	0.06 23	0.06 41	0.07 177	0.12 284	0.09 101	0.06 166	0.05 266	0.08 387	0.07 373	0.06 285	0.06 298

MyStereo06	0.10 235	0.07 220	0.12 283	0.17 291	0.09 333	0.13 348	0.18 473	0.19 320	0.12 137	0.12 295	0.08 117	0.07 119	0.07 177	0.11 191	0.09 101	0.06 166	0.05 266	0.07 293	0.07 373	0.06 285	0.06 298

AE-Stereo	0.10 235	0.08 338	0.10 184	0.18 381	0.09 333	0.10 194	0.15 314	0.14 139	0.19 351	0.09 174	0.14 291	0.12 298	0.08 225	0.11 191	0.10 201	0.05 51	0.06 410	0.07 293	0.06 275	0.05 163	0.04 71

ACVNet-DCA	0.10 235	0.08 338	0.12 283	0.17 291	0.09 333	0.13 348	0.15 314	0.23 399	0.16 272	0.09 174	0.09 152	0.06 41	0.06 65	0.10 120	0.07 1	0.06 166	0.04 25	0.06 183	0.05 185	0.07 364	0.07 385

cc1	0.10 235	0.08 338	0.12 283	0.17 291	0.09 333	0.13 348	0.15 314	0.16 218	0.18 332	0.09 174	0.09 152	0.06 41	0.06 65	0.10 120	0.07 1	0.06 166	0.04 25	0.06 183	0.05 185	0.06 285	0.06 298

tt1	0.10 235	0.08 338	0.12 283	0.17 291	0.09 333	0.12 297	0.16 383	0.15 180	0.19 351	0.09 174	0.08 117	0.06 41	0.06 65	0.10 120	0.07 1	0.06 166	0.04 25	0.06 183	0.05 185	0.06 285	0.06 298

whm_eth	0.10 235	0.08 338	0.14 370	0.15 109	0.09 333	0.07 39	0.15 314	0.16 218	0.16 272	0.11 254	0.10 188	0.14 344	0.08 225	0.12 284	0.10 201	0.09 467	0.07 482	0.07 293	0.06 275	0.07 364	0.05 202

plain	0.10 235	0.08 338	0.10 184	0.19 449	0.09 333	0.10 194	0.15 314	0.14 139	0.13 178	0.13 325	0.15 308	0.09 213	0.12 362	0.13 336	0.12 342	0.07 331	0.05 266	0.09 470	0.06 275	0.06 285	0.06 298

Any-RAFT	0.10 235	0.05 38	0.09 120	0.14 57	0.07 128	0.13 348	0.14 231	0.21 354	0.15 235	0.11 254	0.12 259	0.12 298	0.09 259	0.12 284	0.09 101	0.07 331	0.04 25	0.05 45	0.04 55	0.06 285	0.05 202

LL-Strereo2	0.10 235	0.10 480	0.15 418	0.18 381	0.08 207	0.15 408	0.09 20	0.17 257	0.14 210	0.14 347	0.10 188	0.09 213	0.07 177	0.16 424	0.10 201	0.05 51	0.05 266	0.10 518	0.07 373	0.06 285	0.05 202

DCANet-4	0.10 235	0.06 102	0.12 283	0.16 204	0.06 27	0.09 132	0.17 424	0.18 290	0.19 351	0.13 325	0.16 321	0.09 213	0.14 426	0.11 191	0.12 342	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.05 202

fff	0.10 235	0.06 102	0.12 283	0.15 109	0.07 128	0.09 132	0.17 424	0.16 218	0.20 374	0.13 325	0.16 321	0.10 248	0.11 331	0.11 191	0.12 342	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.05 202

ADStereo(finetuned)	0.10 235	0.06 102	0.12 283	0.16 204	0.06 27	0.09 132	0.17 424	0.15 180	0.19 351	0.13 325	0.17 343	0.10 248	0.12 362	0.11 191	0.12 342	0.06 166	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

test_4	0.10 235	0.10 480	0.08 56	0.19 449	0.09 333	0.08 79	0.22 566	0.15 180	0.17 301	0.12 295	0.18 370	0.12 298	0.09 259	0.08 25	0.11 281	0.04 11	0.04 25	0.08 387	0.08 446	0.04 48	0.03 2

IPLG	0.10 235	0.07 220	0.15 418	0.17 291	0.08 207	0.11 245	0.14 231	0.20 331	0.15 235	0.12 295	0.17 343	0.07 119	0.07 177	0.14 365	0.13 384	0.06 166	0.04 25	0.06 183	0.05 185	0.04 48	0.04 71

test_3	0.10 235	0.09 418	0.10 184	0.20 516	0.08 207	0.13 348	0.26 615	0.14 139	0.21 390	0.10 219	0.10 188	0.09 213	0.09 259	0.08 25	0.11 281	0.05 51	0.04 25	0.08 387	0.07 373	0.04 48	0.04 71

STrans-v2	0.10 235	0.07 220	0.12 283	0.18 381	0.07 128	0.10 194	0.14 231	0.21 354	0.11 100	0.11 254	0.15 308	0.12 298	0.10 298	0.11 191	0.12 342	0.05 51	0.04 25	0.06 183	0.06 275	0.04 48	0.04 71

TransformOpticalFlow	0.10 235	0.08 338	0.13 333	0.18 381	0.07 128	0.09 132	0.15 314	0.19 320	0.15 235	0.12 295	0.17 343	0.11 278	0.11 331	0.11 191	0.10 201	0.05 51	0.04 25	0.06 183	0.06 275	0.05 163	0.05 202

SST-Stereo	0.10 235	0.07 220	0.15 418	0.18 381	0.09 333	0.06 12	0.12 96	0.17 257	0.11 100	0.15 374	0.17 343	0.13 324	0.12 362	0.10 120	0.11 281	0.06 166	0.04 25	0.09 470	0.06 275	0.06 285	0.05 202

cross-raft	0.10 235	0.09 418	0.09 120	0.19 449	0.07 128	0.11 245	0.25 606	0.13 109	0.15 235	0.08 123	0.11 238	0.12 298	0.10 298	0.09 58	0.11 281	0.05 51	0.04 25	0.06 183	0.05 185	0.04 48	0.04 71

test-1	0.10 235	0.07 220	0.16 454	0.19 449	0.08 207	0.11 245	0.24 590	0.14 139	0.18 332	0.09 174	0.07 63	0.09 213	0.08 225	0.07 4	0.09 101	0.06 166	0.04 25	0.06 183	0.05 185	0.04 48	0.04 71

iRaftStereo_RVC	0.10 235	0.07 220	0.09 120	0.17 291	0.09 333	0.11 245	0.17 424	0.18 290	0.12 137	0.09 174	0.12 259	0.10 248	0.07 177	0.11 191	0.10 201	0.05 51	0.04 25	0.08 387	0.08 446	0.04 48	0.04 71

RALCasStereoNet	0.10 235	0.06 102	0.09 120	0.16 204	0.08 207	0.12 297	0.14 231	0.17 257	0.11 100	0.12 295	0.17 343	0.14 344	0.10 298	0.12 284	0.11 281	0.07 331	0.06 410	0.06 183	0.05 185	0.08 428	0.07 385

DCANet	0.10 235	0.06 102	0.12 283	0.16 204	0.06 27	0.09 132	0.17 424	0.15 180	0.19 351	0.13 325	0.17 343	0.10 248	0.11 331	0.11 191	0.12 342	0.06 166	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

csc	0.10 235	0.06 102	0.12 283	0.15 109	0.07 128	0.09 132	0.17 424	0.16 218	0.20 374	0.13 325	0.16 321	0.10 248	0.11 331	0.11 191	0.12 342	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.05 202

cscssc	0.10 235	0.06 102	0.12 283	0.15 109	0.07 128	0.09 132	0.17 424	0.16 218	0.20 374	0.13 325	0.16 321	0.10 248	0.11 331	0.11 191	0.12 342	0.06 166	0.04 25	0.05 45	0.04 55	0.04 48	0.05 202

111	0.10 235	0.06 102	0.12 283	0.15 109	0.07 128	0.10 194	0.14 231	0.21 354	0.23 416	0.11 254	0.12 259	0.14 344	0.11 331	0.13 336	0.10 201	0.06 166	0.04 25	0.06 183	0.04 55	0.05 163	0.05 202

R-Stereo Train	0.10 235	0.06 102	0.10 184	0.17 291	0.08 207	0.11 245	0.14 231	0.23 399	0.11 100	0.12 295	0.19 381	0.11 278	0.08 225	0.09 58	0.11 281	0.07 331	0.05 266	0.06 183	0.05 185	0.05 163	0.05 202

RAFT-Stereo	0.10 235	0.06 102	0.10 184	0.17 291	0.08 207	0.11 245	0.14 231	0.23 399	0.11 100	0.12 295	0.19 381	0.11 278	0.08 225	0.09 58	0.11 281	0.07 331	0.05 266	0.06 183	0.05 185	0.05 163	0.05 202
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 235	0.06 102	0.12 283	0.14 57	0.06 27	0.11 245	0.10 35	0.18 290	0.18 332	0.13 325	0.16 321	0.14 344	0.11 331	0.15 389	0.13 384	0.06 166	0.04 25	0.04 1	0.04 55	0.06 285	0.05 202
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	0.11 283	0.06 102	0.11 239	0.16 204	0.07 128	0.13 348	0.15 314	0.14 139	0.17 301	0.16 402	0.18 370	0.15 373	0.15 444	0.12 284	0.14 422	0.07 331	0.04 25	0.06 183	0.06 275	0.06 285	0.06 298

Hybrid-DGEV-2	0.11 283	0.06 102	0.12 283	0.18 381	0.09 333	0.09 132	0.13 166	0.28 499	0.29 500	0.11 254	0.11 238	0.09 213	0.12 362	0.12 284	0.09 101	0.06 166	0.05 266	0.07 293	0.07 373	0.05 163	0.05 202

NLMM1	0.11 283	0.09 418	0.07 11	0.22 565	0.10 445	0.12 297	0.20 536	0.18 290	0.20 374	0.12 295	0.11 238	0.07 119	0.09 259	0.11 191	0.11 281	0.08 407	0.08 512	0.07 293	0.06 275	0.04 48	0.04 71

NLCSM	0.11 283	0.09 418	0.09 120	0.23 589	0.11 495	0.12 297	0.19 513	0.18 290	0.18 332	0.12 295	0.11 238	0.07 119	0.09 259	0.11 191	0.10 201	0.07 331	0.08 512	0.07 293	0.07 373	0.06 285	0.05 202

Select-FE	0.11 283	0.06 102	0.20 532	0.15 109	0.11 495	0.11 245	0.13 166	0.21 354	0.18 332	0.09 174	0.11 238	0.10 248	0.06 65	0.12 284	0.09 101	0.07 331	0.05 266	0.07 293	0.08 446	0.06 285	0.08 451

FlowAnything_test	0.11 283	0.08 338	0.14 370	0.15 109	0.09 333	0.07 39	0.14 231	0.20 331	0.11 100	0.09 174	0.09 152	0.12 298	0.12 362	0.13 336	0.11 281	0.09 467	0.06 410	0.09 470	0.09 493	0.06 285	0.09 495

xyz-stereo-finetune2	0.11 283	0.07 220	0.13 333	0.13 16	0.07 128	0.11 245	0.19 513	0.17 257	0.12 137	0.15 374	0.15 308	0.17 411	0.12 362	0.13 336	0.11 281	0.05 51	0.04 25	0.07 293	0.05 185	0.04 48	0.06 298

xyz-stereo-finetune	0.11 283	0.08 338	0.13 333	0.14 57	0.06 27	0.10 194	0.19 513	0.17 257	0.19 351	0.12 295	0.14 291	0.15 373	0.10 298	0.13 336	0.11 281	0.05 51	0.04 25	0.07 293	0.05 185	0.04 48	0.05 202

HI	0.11 283	0.06 102	0.11 239	0.13 16	0.09 333	0.09 132	0.14 231	0.21 354	0.10 69	0.19 468	0.17 343	0.14 344	0.09 259	0.16 424	0.08 25	0.05 51	0.04 25	0.07 293	0.08 446	0.07 364	0.06 298

CoSv	0.11 283	0.06 102	0.11 239	0.13 16	0.09 333	0.09 132	0.14 231	0.21 354	0.10 69	0.19 468	0.17 343	0.14 344	0.09 259	0.16 424	0.08 25	0.05 51	0.04 25	0.07 293	0.08 446	0.07 364	0.06 298

rvit_stereo_0081_aga	0.11 283	0.09 418	0.14 370	0.18 381	0.09 333	0.13 348	0.14 231	0.14 139	0.19 351	0.10 219	0.18 370	0.16 389	0.09 259	0.12 284	0.09 101	0.10 508	0.06 410	0.08 387	0.07 373	0.07 364	0.06 298

rvit_stereo_0081	0.11 283	0.08 338	0.15 418	0.16 204	0.09 333	0.10 194	0.14 231	0.14 139	0.24 433	0.11 254	0.13 277	0.13 324	0.09 259	0.11 191	0.12 342	0.10 508	0.07 482	0.08 387	0.07 373	0.07 364	0.05 202

rvit_stereo_0082	0.11 283	0.08 338	0.15 418	0.16 204	0.09 333	0.10 194	0.14 231	0.14 139	0.24 433	0.11 254	0.13 277	0.13 324	0.09 259	0.11 191	0.12 342	0.10 508	0.07 482	0.08 387	0.07 373	0.07 364	0.05 202

AIO-Stereo-zeroshot1	0.11 283	0.05 38	0.14 370	0.15 109	0.20 633	0.09 132	0.17 424	0.21 354	0.15 235	0.11 254	0.14 291	0.10 248	0.07 177	0.10 120	0.08 25	0.06 166	0.05 266	0.07 293	0.07 373	0.07 364	0.09 495

AIO-Stereo-zeroshot	0.11 283	0.05 38	0.11 239	0.15 109	0.13 552	0.13 348	0.16 383	0.23 399	0.17 301	0.10 219	0.12 259	0.10 248	0.07 177	0.11 191	0.09 101	0.06 166	0.05 266	0.06 183	0.06 275	0.07 364	0.08 451

CAS++	0.11 283	0.07 220	0.11 239	0.14 57	0.09 333	0.12 297	0.14 231	0.24 423	0.14 210	0.11 254	0.09 152	0.11 278	0.07 177	0.14 365	0.09 101	0.11 539	0.09 545	0.09 470	0.07 373	0.07 364	0.08 451
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 283	0.08 338	0.12 283	0.17 291	0.09 333	0.13 348	0.15 314	0.16 218	0.18 332	0.09 174	0.09 152	0.16 389	0.16 472	0.10 120	0.07 1	0.06 166	0.04 25	0.08 387	0.08 446	0.07 364	0.07 385

1test111	0.11 283	0.08 338	0.12 283	0.17 291	0.09 333	0.13 348	0.15 314	0.23 399	0.16 272	0.09 174	0.09 152	0.06 41	0.06 65	0.15 389	0.16 469	0.06 166	0.04 25	0.06 183	0.05 185	0.07 364	0.07 385

MIF-Stereo (partial)	0.11 283	0.06 102	0.10 184	0.19 449	0.10 445	0.10 194	0.11 64	0.17 257	0.18 332	0.14 347	0.16 321	0.09 213	0.11 331	0.12 284	0.12 342	0.08 407	0.05 266	0.08 387	0.07 373	0.06 285	0.07 385

EKT-Stereo	0.11 283	0.07 220	0.14 370	0.15 109	0.10 445	0.13 348	0.14 231	0.18 290	0.21 390	0.11 254	0.08 117	0.12 298	0.09 259	0.11 191	0.12 342	0.08 407	0.06 410	0.07 293	0.06 275	0.08 428	0.07 385

anonymousdsp2	0.11 283	0.07 220	0.10 184	0.16 204	0.09 333	0.13 348	0.14 231	0.18 290	0.22 404	0.13 325	0.14 291	0.12 298	0.09 259	0.14 365	0.11 281	0.05 51	0.04 25	0.05 45	0.04 55	0.06 285	0.05 202

DCRE	0.11 283	0.07 220	0.13 333	0.16 204	0.11 495	0.11 245	0.17 424	0.18 290	0.17 301	0.11 254	0.18 370	0.10 248	0.10 298	0.15 389	0.11 281	0.06 166	0.05 266	0.06 183	0.06 275	0.05 163	0.04 71

knoymous	0.11 283	0.05 38	0.12 283	0.13 16	0.07 128	0.15 408	0.14 231	0.19 320	0.13 178	0.11 254	0.17 343	0.13 324	0.09 259	0.13 336	0.11 281	0.08 407	0.05 266	0.06 183	0.05 185	0.08 428	0.07 385

riskmin	0.11 283	0.06 102	0.13 333	0.14 57	0.08 207	0.14 382	0.14 231	0.18 290	0.14 210	0.11 254	0.14 291	0.16 389	0.11 331	0.14 365	0.12 342	0.09 467	0.05 266	0.07 293	0.05 185	0.08 428	0.08 451

Selective-RAFT	0.11 283	0.10 480	0.11 239	0.21 548	0.08 207	0.16 438	0.13 166	0.20 331	0.22 404	0.10 219	0.10 188	0.11 278	0.10 298	0.15 389	0.11 281	0.05 51	0.05 266	0.06 183	0.05 185	0.06 285	0.05 202

DisPM	0.11 283	0.07 220	0.12 283	0.16 204	0.09 333	0.06 12	0.13 166	0.17 257	0.17 301	0.14 347	0.20 393	0.12 298	0.10 298	0.11 191	0.10 201	0.06 166	0.04 25	0.07 293	0.06 275	0.06 285	0.11 551

CIPLG	0.11 283	0.08 338	0.14 370	0.17 291	0.08 207	0.12 297	0.15 314	0.17 257	0.15 235	0.14 347	0.11 238	0.16 389	0.09 259	0.16 424	0.11 281	0.07 331	0.05 266	0.06 183	0.05 185	0.05 163	0.06 298

GLC_STEREO	0.11 283	0.07 220	0.11 239	0.17 291	0.07 128	0.09 132	0.13 166	0.15 180	0.24 433	0.12 295	0.13 277	0.12 298	0.08 225	0.18 480	0.11 281	0.06 166	0.08 512	0.08 387	0.06 275	0.05 163	0.05 202

IPLGR_C	0.11 283	0.08 338	0.14 370	0.17 291	0.08 207	0.12 297	0.15 314	0.17 257	0.15 235	0.14 347	0.10 188	0.16 389	0.09 259	0.16 424	0.11 281	0.07 331	0.05 266	0.06 183	0.05 185	0.05 163	0.06 298

MIPNet	0.11 283	0.08 338	0.14 370	0.17 291	0.09 333	0.12 297	0.14 231	0.20 331	0.24 433	0.11 254	0.10 188	0.09 213	0.07 177	0.13 336	0.12 342	0.06 166	0.04 25	0.06 183	0.05 185	0.04 48	0.04 71

IPLGR	0.11 283	0.09 418	0.16 454	0.18 381	0.08 207	0.12 297	0.17 424	0.21 354	0.24 433	0.11 254	0.12 259	0.11 278	0.08 225	0.12 284	0.12 342	0.06 166	0.05 266	0.06 183	0.06 275	0.04 48	0.04 71

GMOStereo	0.11 283	0.09 418	0.07 11	0.19 449	0.08 207	0.12 297	0.28 628	0.13 109	0.17 301	0.11 254	0.17 343	0.14 344	0.12 362	0.07 4	0.07 1	0.05 51	0.05 266	0.09 470	0.07 373	0.04 48	0.04 71

error version	0.11 283	0.09 418	0.07 11	0.19 449	0.08 207	0.12 297	0.28 628	0.13 109	0.17 301	0.11 254	0.17 343	0.14 344	0.12 362	0.07 4	0.07 1	0.05 51	0.05 266	0.09 470	0.07 373	0.04 48	0.04 71

test-v	0.11 283	0.09 418	0.07 11	0.19 449	0.08 207	0.12 297	0.28 628	0.13 109	0.17 301	0.11 254	0.17 343	0.14 344	0.12 362	0.07 4	0.07 1	0.05 51	0.05 266	0.09 470	0.07 373	0.04 48	0.04 71

ACRE	0.11 283	0.08 338	0.14 370	0.17 291	0.08 207	0.12 297	0.15 314	0.17 257	0.14 210	0.14 347	0.10 188	0.16 389	0.09 259	0.16 424	0.11 281	0.07 331	0.05 266	0.06 183	0.05 185	0.05 163	0.06 298

PFNet+	0.11 283	0.06 102	0.13 333	0.16 204	0.09 333	0.05 4	0.12 96	0.17 257	0.21 390	0.16 402	0.19 381	0.14 344	0.10 298	0.11 191	0.11 281	0.08 407	0.05 266	0.09 470	0.08 446	0.06 285	0.11 551

LCNet	0.11 283	0.07 220	0.09 120	0.19 449	0.09 333	0.08 79	0.15 314	0.21 354	0.15 235	0.11 254	0.15 308	0.16 389	0.11 331	0.12 284	0.11 281	0.05 51	0.04 25	0.08 387	0.07 373	0.06 285	0.15 611

HHNet	0.11 283	0.06 102	0.16 454	0.15 109	0.14 573	0.07 39	0.13 166	0.20 331	0.17 301	0.14 347	0.25 476	0.11 278	0.08 225	0.13 336	0.10 201	0.05 51	0.04 25	0.08 387	0.06 275	0.05 163	0.09 495

Patchmatch Stereo++	0.11 283	0.09 418	0.16 454	0.18 381	0.08 207	0.06 12	0.11 64	0.16 218	0.13 178	0.15 374	0.16 321	0.14 344	0.12 362	0.11 191	0.10 201	0.06 166	0.04 25	0.08 387	0.06 275	0.08 428	0.07 385
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	0.11 283	0.07 220	0.16 454	0.19 449	0.09 333	0.08 79	0.13 166	0.18 290	0.13 178	0.16 402	0.21 416	0.13 324	0.14 426	0.11 191	0.14 422	0.06 166	0.04 25	0.09 470	0.06 275	0.06 285	0.05 202

OMP-Stereo	0.11 283	0.06 102	0.14 370	0.18 381	0.08 207	0.09 132	0.12 96	0.21 354	0.21 390	0.13 325	0.14 291	0.11 278	0.12 362	0.11 191	0.13 384	0.06 166	0.04 25	0.07 293	0.06 275	0.05 163	0.04 71

IIG-Stereo	0.11 283	0.06 102	0.13 333	0.17 291	0.08 207	0.11 245	0.12 96	0.22 378	0.17 301	0.14 347	0.17 343	0.11 278	0.12 362	0.12 284	0.12 342	0.06 166	0.05 266	0.07 293	0.06 275	0.05 163	0.04 71

NF-Stereo	0.11 283	0.07 220	0.13 333	0.17 291	0.09 333	0.10 194	0.14 231	0.23 399	0.19 351	0.12 295	0.17 343	0.12 298	0.11 331	0.11 191	0.11 281	0.06 166	0.04 25	0.07 293	0.06 275	0.06 285	0.12 564

OCTAStereo	0.11 283	0.07 220	0.13 333	0.17 291	0.09 333	0.10 194	0.14 231	0.23 399	0.19 351	0.12 295	0.17 343	0.12 298	0.11 331	0.11 191	0.11 281	0.06 166	0.04 25	0.07 293	0.06 275	0.06 285	0.12 564

NRIStereo	0.11 283	0.08 338	0.14 370	0.18 381	0.08 207	0.10 194	0.14 231	0.16 218	0.15 235	0.12 295	0.14 291	0.13 324	0.12 362	0.13 336	0.10 201	0.06 166	0.04 25	0.07 293	0.06 275	0.06 285	0.07 385

PSM-adaLoss	0.11 283	0.09 418	0.16 454	0.18 381	0.08 207	0.06 12	0.12 96	0.16 218	0.13 178	0.15 374	0.16 321	0.14 344	0.12 362	0.11 191	0.10 201	0.06 166	0.04 25	0.08 387	0.06 275	0.08 428	0.07 385

PSM-AAD	0.11 283	0.07 220	0.10 184	0.19 449	0.09 333	0.10 194	0.15 314	0.20 331	0.13 178	0.12 295	0.14 291	0.18 425	0.11 331	0.11 191	0.10 201	0.05 51	0.05 266	0.09 470	0.08 446	0.06 285	0.14 604

ROB_FTStereo_v2	0.11 283	0.09 418	0.16 454	0.19 449	0.08 207	0.06 12	0.12 96	0.16 218	0.13 178	0.15 374	0.16 321	0.14 344	0.12 362	0.11 191	0.10 201	0.06 166	0.04 25	0.08 387	0.06 275	0.08 428	0.07 385

ROB_FTStereo	0.11 283	0.09 418	0.16 454	0.19 449	0.08 207	0.06 12	0.11 64	0.16 218	0.13 178	0.15 374	0.16 321	0.14 344	0.12 362	0.11 191	0.10 201	0.06 166	0.04 25	0.08 387	0.06 275	0.08 428	0.07 385

KYRaft	0.11 283	0.07 220	0.10 184	0.19 449	0.09 333	0.08 79	0.15 314	0.22 378	0.12 137	0.13 325	0.16 321	0.20 451	0.10 298	0.12 284	0.10 201	0.05 51	0.04 25	0.08 387	0.08 446	0.06 285	0.16 622

HUI-Stereo	0.11 283	0.09 418	0.16 454	0.18 381	0.08 207	0.06 12	0.12 96	0.16 218	0.13 178	0.15 374	0.16 321	0.14 344	0.12 362	0.11 191	0.10 201	0.06 166	0.04 25	0.08 387	0.06 275	0.08 428	0.07 385

ASMatch	0.11 283	0.06 102	0.13 333	0.16 204	0.10 445	0.07 39	0.14 231	0.17 257	0.17 301	0.12 295	0.16 321	0.16 389	0.10 298	0.13 336	0.10 201	0.05 51	0.04 25	0.06 183	0.05 185	0.04 48	0.08 451

RAFT_R40	0.11 283	0.07 220	0.14 370	0.18 381	0.09 333	0.06 12	0.13 166	0.17 257	0.16 272	0.14 347	0.18 370	0.15 373	0.12 362	0.10 120	0.11 281	0.06 166	0.04 25	0.09 470	0.06 275	0.06 285	0.05 202

GrayStereo	0.11 283	0.06 102	0.11 239	0.19 449	0.09 333	0.09 132	0.16 383	0.18 290	0.17 301	0.14 347	0.17 343	0.17 411	0.11 331	0.12 284	0.11 281	0.05 51	0.05 266	0.07 293	0.06 275	0.05 163	0.10 524

RE-Stereo	0.11 283	0.07 220	0.13 333	0.17 291	0.09 333	0.10 194	0.14 231	0.23 399	0.19 351	0.12 295	0.17 343	0.12 298	0.11 331	0.11 191	0.11 281	0.06 166	0.04 25	0.07 293	0.06 275	0.06 285	0.12 564

Pruner-Stereo	0.11 283	0.07 220	0.12 283	0.17 291	0.09 333	0.06 12	0.12 96	0.17 257	0.17 301	0.13 325	0.19 381	0.13 324	0.09 259	0.11 191	0.11 281	0.06 166	0.04 25	0.07 293	0.06 275	0.06 285	0.08 451

TVStereo	0.11 283	0.07 220	0.13 333	0.17 291	0.09 333	0.10 194	0.14 231	0.23 399	0.19 351	0.12 295	0.17 343	0.12 298	0.11 331	0.11 191	0.11 281	0.06 166	0.04 25	0.07 293	0.06 275	0.06 285	0.12 564

DeepStereo_RVC	0.11 283	0.08 338	0.16 454	0.18 381	0.08 207	0.08 79	0.12 96	0.17 257	0.12 137	0.13 325	0.14 291	0.12 298	0.12 362	0.12 284	0.11 281	0.06 166	0.04 25	0.07 293	0.06 275	0.07 364	0.08 451

iGMRVC	0.11 283	0.09 418	0.16 454	0.19 449	0.08 207	0.06 12	0.12 96	0.16 218	0.13 178	0.15 374	0.16 321	0.14 344	0.12 362	0.11 191	0.10 201	0.06 166	0.04 25	0.08 387	0.06 275	0.08 428	0.07 385

RAFT-RH_RVC	0.11 283	0.06 102	0.14 370	0.16 204	0.09 333	0.12 297	0.12 96	0.17 257	0.12 137	0.13 325	0.41 609	0.11 278	0.10 298	0.13 336	0.12 342	0.05 51	0.04 25	0.08 387	0.05 185	0.04 48	0.06 298

RAFT-345	0.11 283	0.07 220	0.15 418	0.16 204	0.08 207	0.08 79	0.12 96	0.15 180	0.10 69	0.11 254	0.36 571	0.09 213	0.09 259	0.11 191	0.12 342	0.05 51	0.05 266	0.07 293	0.06 275	0.04 48	0.05 202

iRAFT	0.11 283	0.09 418	0.16 454	0.18 381	0.08 207	0.06 12	0.11 64	0.16 218	0.13 178	0.15 374	0.16 321	0.14 344	0.12 362	0.11 191	0.10 201	0.06 166	0.04 25	0.08 387	0.06 275	0.08 428	0.07 385

CRE-IMP	0.11 283	0.09 418	0.16 454	0.19 449	0.08 207	0.10 194	0.12 96	0.18 290	0.10 69	0.14 347	0.13 277	0.13 324	0.12 362	0.12 284	0.11 281	0.07 331	0.04 25	0.08 387	0.06 275	0.08 428	0.08 451

test-2	0.11 283	0.09 418	0.07 11	0.19 449	0.08 207	0.12 297	0.28 628	0.13 109	0.17 301	0.11 254	0.17 343	0.14 344	0.12 362	0.07 4	0.07 1	0.05 51	0.05 266	0.09 470	0.07 373	0.04 48	0.04 71

GMM-Stereo	0.11 283	0.07 220	0.10 184	0.18 381	0.09 333	0.08 79	0.15 314	0.23 399	0.16 272	0.11 254	0.15 308	0.13 324	0.11 331	0.11 191	0.11 281	0.05 51	0.04 25	0.08 387	0.07 373	0.06 285	0.09 495

RAFT-IKP	0.11 283	0.09 418	0.16 454	0.19 449	0.08 207	0.06 12	0.12 96	0.16 218	0.13 178	0.15 374	0.16 321	0.14 344	0.12 362	0.11 191	0.10 201	0.06 166	0.04 25	0.08 387	0.06 275	0.08 428	0.07 385

Prome-Stereo	0.11 283	0.06 102	0.10 184	0.18 381	0.08 207	0.12 297	0.15 314	0.22 378	0.13 178	0.12 295	0.17 343	0.13 324	0.08 225	0.12 284	0.10 201	0.05 51	0.04 25	0.07 293	0.06 275	0.06 285	0.09 495

rafts_anoy	0.11 283	0.06 102	0.10 184	0.17 291	0.08 207	0.10 194	0.14 231	0.17 257	0.14 210	0.13 325	0.13 277	0.12 298	0.10 298	0.11 191	0.12 342	0.07 331	0.04 25	0.09 470	0.11 567	0.07 364	0.06 298

raft+_RVC	0.11 283	0.07 220	0.09 120	0.16 204	0.07 128	0.10 194	0.11 64	0.24 423	0.20 374	0.12 295	0.15 308	0.12 298	0.08 225	0.12 284	0.13 384	0.07 331	0.04 25	0.07 293	0.06 275	0.05 163	0.05 202

RALAANet	0.11 283	0.08 338	0.10 184	0.17 291	0.09 333	0.14 382	0.10 35	0.20 331	0.15 235	0.14 347	0.13 277	0.16 389	0.09 259	0.12 284	0.11 281	0.06 166	0.05 266	0.07 293	0.06 275	0.05 163	0.04 71

DIP-Stereo	0.11 283	0.07 220	0.14 370	0.17 291	0.09 333	0.13 348	0.09 20	0.16 218	0.16 272	0.11 254	0.16 321	0.14 344	0.12 362	0.15 389	0.13 384	0.06 166	0.05 266	0.06 183	0.05 185	0.05 163	0.06 298
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	0.12 354	0.07 220	0.12 283	0.16 204	0.08 207	0.19 503	0.14 231	0.18 290	0.22 404	0.18 451	0.18 370	0.16 389	0.12 362	0.16 424	0.14 422	0.06 166	0.05 266	0.06 183	0.05 185	0.06 285	0.06 298

rvit_stereo_0083	0.12 354	0.08 338	0.17 484	0.16 204	0.09 333	0.11 245	0.15 314	0.14 139	0.26 468	0.11 254	0.14 291	0.13 324	0.10 298	0.12 284	0.12 342	0.10 508	0.08 512	0.09 470	0.07 373	0.07 364	0.05 202

rvit_stereo_ft	0.12 354	0.07 220	0.13 333	0.19 449	0.10 445	0.12 297	0.17 424	0.16 218	0.16 272	0.12 295	0.13 277	0.15 373	0.10 298	0.14 365	0.13 384	0.09 467	0.06 410	0.08 387	0.07 373	0.07 364	0.05 202

test_sample2	0.12 354	0.07 220	0.12 283	0.14 57	0.08 207	0.16 438	0.18 473	0.21 354	0.16 272	0.14 347	0.20 393	0.19 439	0.15 444	0.15 389	0.12 342	0.08 407	0.05 266	0.07 293	0.06 275	0.08 428	0.07 385

MyStereo8	0.12 354	0.07 220	0.15 418	0.15 109	0.09 333	0.18 479	0.14 231	0.19 320	0.22 404	0.12 295	0.18 370	0.11 278	0.10 298	0.16 424	0.18 502	0.07 331	0.05 266	0.07 293	0.05 185	0.08 428	0.09 495

CoDeX	0.12 354	0.07 220	0.12 283	0.17 291	0.08 207	0.12 297	0.15 314	0.23 399	0.27 478	0.13 325	0.17 343	0.16 389	0.11 331	0.14 365	0.11 281	0.07 331	0.05 266	0.07 293	0.06 275	0.06 285	0.05 202

11t1	0.12 354	0.06 102	0.13 333	0.14 57	0.08 207	0.17 460	0.15 314	0.18 290	0.15 235	0.15 374	0.15 308	0.16 389	0.16 472	0.15 389	0.13 384	0.08 407	0.05 266	0.06 183	0.05 185	0.08 428	0.07 385

ffm	0.12 354	0.09 418	0.14 370	0.16 204	0.08 207	0.17 460	0.17 424	0.15 180	0.19 351	0.15 374	0.25 476	0.19 439	0.13 402	0.10 120	0.07 1	0.06 166	0.04 25	0.09 470	0.08 446	0.06 285	0.06 298

RAFT_CTSACE	0.12 354	0.09 418	0.10 184	0.22 565	0.08 207	0.12 297	0.24 590	0.18 290	0.16 272	0.20 491	0.27 502	0.13 324	0.07 177	0.13 336	0.09 101	0.05 51	0.06 410	0.08 387	0.07 373	0.04 48	0.04 71

Sa-1000	0.12 354	0.08 338	0.08 56	0.18 381	0.08 207	0.14 382	0.22 566	0.22 378	0.18 332	0.15 374	0.20 393	0.17 411	0.11 331	0.10 120	0.10 201	0.06 166	0.05 266	0.09 470	0.09 493	0.05 163	0.05 202

SA	0.12 354	0.09 418	0.08 56	0.18 381	0.08 207	0.12 297	0.24 590	0.23 399	0.18 332	0.17 421	0.27 502	0.14 344	0.11 331	0.11 191	0.11 281	0.05 51	0.05 266	0.09 470	0.08 446	0.05 163	0.04 71

iRaft-Stereo_5w	0.12 354	0.09 418	0.12 283	0.19 449	0.08 207	0.09 132	0.12 96	0.21 354	0.21 390	0.19 468	0.14 291	0.11 278	0.09 259	0.20 520	0.16 469	0.05 51	0.05 266	0.07 293	0.06 275	0.05 163	0.06 298

CrosDoStereo	0.12 354	0.06 102	0.12 283	0.14 57	0.08 207	0.12 297	0.15 314	0.17 257	0.22 404	0.19 468	0.24 448	0.15 373	0.11 331	0.11 191	0.12 342	0.06 166	0.04 25	0.07 293	0.07 373	0.05 163	0.05 202

PSM-softLoss	0.12 354	0.07 220	0.15 418	0.17 291	0.09 333	0.08 79	0.13 166	0.24 423	0.17 301	0.14 347	0.19 381	0.13 324	0.11 331	0.11 191	0.11 281	0.07 331	0.05 266	0.08 387	0.07 373	0.06 285	0.12 564

KMStereo	0.12 354	0.07 220	0.15 418	0.17 291	0.09 333	0.08 79	0.13 166	0.24 423	0.17 301	0.14 347	0.19 381	0.13 324	0.11 331	0.11 191	0.11 281	0.07 331	0.05 266	0.08 387	0.07 373	0.06 285	0.12 564

FTStereo	0.12 354	0.06 102	0.14 370	0.18 381	0.09 333	0.07 39	0.15 314	0.21 354	0.18 332	0.12 295	0.24 448	0.12 298	0.12 362	0.13 336	0.13 384	0.05 51	0.05 266	0.07 293	0.06 275	0.06 285	0.10 524

DeepStereo_LL	0.12 354	0.06 102	0.12 283	0.14 57	0.08 207	0.12 297	0.15 314	0.17 257	0.22 404	0.19 468	0.24 448	0.15 373	0.11 331	0.11 191	0.12 342	0.06 166	0.04 25	0.07 293	0.07 373	0.05 163	0.05 202

DEmStereo	0.12 354	0.06 102	0.14 370	0.14 57	0.10 445	0.16 438	0.15 314	0.16 218	0.24 433	0.17 421	0.24 448	0.13 324	0.14 426	0.12 284	0.13 384	0.05 51	0.04 25	0.07 293	0.06 275	0.05 163	0.05 202

THIR-Stereo	0.12 354	0.07 220	0.11 239	0.15 109	0.08 207	0.14 382	0.16 383	0.17 257	0.25 454	0.16 402	0.24 448	0.14 344	0.12 362	0.12 284	0.14 422	0.06 166	0.04 25	0.07 293	0.07 373	0.05 163	0.05 202

DRaft	0.12 354	0.06 102	0.11 239	0.14 57	0.09 333	0.14 382	0.17 424	0.21 354	0.30 510	0.17 421	0.28 516	0.10 248	0.15 444	0.10 120	0.12 342	0.05 51	0.04 25	0.07 293	0.06 275	0.05 163	0.05 202

PFNet	0.12 354	0.06 102	0.17 484	0.17 291	0.08 207	0.09 132	0.15 314	0.26 458	0.20 374	0.16 402	0.16 321	0.14 344	0.11 331	0.12 284	0.11 281	0.06 166	0.04 25	0.07 293	0.06 275	0.05 163	0.05 202

IRAFT_RVC	0.12 354	0.08 338	0.16 454	0.19 449	0.08 207	0.07 39	0.15 314	0.24 423	0.23 416	0.14 347	0.14 291	0.15 373	0.12 362	0.12 284	0.10 201	0.06 166	0.04 25	0.09 470	0.06 275	0.06 285	0.06 298

sCroCo_RVC	0.12 354	0.09 418	0.23 556	0.24 598	0.11 495	0.19 503	0.14 231	0.17 257	0.14 210	0.10 219	0.13 277	0.12 298	0.07 177	0.14 365	0.11 281	0.08 407	0.08 512	0.08 387	0.08 446	0.05 163	0.07 385

ARAFT	0.12 354	0.08 338	0.17 484	0.19 449	0.09 333	0.14 382	0.18 473	0.20 331	0.12 137	0.12 295	0.13 277	0.14 344	0.11 331	0.15 389	0.12 342	0.06 166	0.05 266	0.10 518	0.09 493	0.05 163	0.04 71

BEATNet_4x	0.12 354	0.08 338	0.14 370	0.18 381	0.07 128	0.15 408	0.07 3	0.22 378	0.18 332	0.16 402	0.19 381	0.18 425	0.14 426	0.16 424	0.15 453	0.07 331	0.05 266	0.05 45	0.05 185	0.06 285	0.06 298

MLCV	0.12 354	0.07 220	0.16 454	0.18 381	0.06 27	0.15 408	0.17 424	0.19 320	0.21 390	0.18 451	0.25 476	0.17 411	0.13 402	0.14 365	0.13 384	0.05 51	0.04 25	0.05 45	0.04 55	0.05 163	0.04 71

RT-IGEV	0.13 380	0.06 102	0.13 333	0.15 109	0.09 333	0.15 408	0.17 424	0.24 423	0.27 478	0.16 402	0.17 343	0.17 411	0.10 298	0.14 365	0.11 281	0.08 407	0.05 266	0.07 293	0.05 185	0.07 364	0.07 385

Selective-IGEV-i16pc	0.13 380	0.06 102	0.13 333	0.15 109	0.11 495	0.38 639	0.16 383	0.23 399	0.16 272	0.10 219	0.15 308	0.09 213	0.06 65	0.13 336	0.10 201	0.10 508	0.08 512	0.06 183	0.07 373	0.09 491	0.09 495

Selective-IGEV-i1	0.13 380	0.07 220	0.12 283	0.19 449	0.08 207	0.18 479	0.16 383	0.22 378	0.30 510	0.16 402	0.17 343	0.16 389	0.10 298	0.14 365	0.13 384	0.06 166	0.05 266	0.06 183	0.05 185	0.06 285	0.05 202

G2L-ROB	0.13 380	0.06 102	0.13 333	0.13 16	0.08 207	0.14 382	0.16 383	0.25 440	0.18 332	0.19 468	0.18 370	0.20 451	0.14 426	0.17 458	0.16 469	0.08 407	0.05 266	0.06 183	0.05 185	0.08 428	0.09 495

xyz-stereo	0.13 380	0.07 220	0.20 532	0.15 109	0.05 2	0.20 519	0.15 314	0.17 257	0.31 518	0.15 374	0.29 528	0.26 526	0.16 472	0.13 336	0.12 342	0.05 51	0.05 266	0.06 183	0.05 185	0.04 48	0.04 71

DFGA-Net	0.13 380	0.11 506	0.18 508	0.17 291	0.10 445	0.12 297	0.13 166	0.22 378	0.25 454	0.16 402	0.16 321	0.13 324	0.12 362	0.16 424	0.14 422	0.07 331	0.05 266	0.08 387	0.07 373	0.05 163	0.05 202

FACV-RUCA	0.13 380	0.11 506	0.12 283	0.19 449	0.12 529	0.15 408	0.15 314	0.22 378	0.20 374	0.15 374	0.16 321	0.14 344	0.16 472	0.14 365	0.13 384	0.07 331	0.05 266	0.08 387	0.06 275	0.10 524	0.08 451

UGAM	0.13 380	0.10 480	0.09 120	0.22 565	0.08 207	0.12 297	0.20 536	0.17 257	0.23 416	0.21 505	0.16 321	0.13 324	0.13 402	0.19 495	0.12 342	0.07 331	0.05 266	0.13 584	0.11 567	0.07 364	0.05 202

test_sample1	0.13 380	0.07 220	0.14 370	0.13 16	0.08 207	0.19 503	0.16 383	0.20 331	0.15 235	0.14 347	0.22 427	0.18 425	0.16 472	0.17 458	0.14 422	0.07 331	0.06 410	0.06 183	0.06 275	0.08 428	0.07 385

qqq1	0.13 380	0.07 220	0.17 484	0.14 57	0.08 207	0.16 438	0.17 424	0.26 458	0.27 478	0.19 468	0.20 393	0.18 425	0.15 444	0.15 389	0.11 281	0.08 407	0.05 266	0.05 45	0.05 185	0.06 285	0.06 298

fff1	0.13 380	0.07 220	0.17 484	0.14 57	0.08 207	0.16 438	0.17 424	0.26 458	0.27 478	0.19 468	0.20 393	0.18 425	0.15 444	0.15 389	0.11 281	0.08 407	0.05 266	0.05 45	0.05 185	0.06 285	0.06 298

MyStereo05	0.13 380	0.07 220	0.10 184	0.17 291	0.09 333	0.13 348	0.18 473	0.27 480	0.35 553	0.17 421	0.14 291	0.15 373	0.11 331	0.15 389	0.13 384	0.06 166	0.05 266	0.07 293	0.07 373	0.06 285	0.06 298

MyStereo04	0.13 380	0.07 220	0.10 184	0.17 291	0.09 333	0.14 382	0.18 473	0.29 513	0.38 572	0.17 421	0.14 291	0.16 389	0.10 298	0.15 389	0.13 384	0.06 166	0.05 266	0.08 387	0.07 373	0.06 285	0.06 298

ff1	0.13 380	0.09 418	0.14 370	0.16 204	0.08 207	0.17 460	0.17 424	0.15 180	0.19 351	0.15 374	0.25 476	0.19 439	0.13 402	0.14 365	0.20 521	0.06 166	0.04 25	0.09 470	0.08 446	0.06 285	0.06 298

StereoVision	0.13 380	0.12 524	0.09 120	0.24 598	0.10 445	0.15 408	0.21 556	0.21 354	0.20 374	0.12 295	0.24 448	0.10 248	0.10 298	0.16 424	0.10 201	0.09 467	0.11 579	0.12 569	0.12 587	0.06 285	0.05 202

LL-Strereo	0.13 380	0.09 418	0.11 239	0.20 516	0.10 445	0.11 245	0.18 473	0.32 549	0.24 433	0.15 374	0.15 308	0.14 344	0.13 402	0.19 495	0.11 281	0.06 166	0.04 25	0.09 470	0.08 446	0.04 48	0.05 202

CASS	0.13 380	0.12 524	0.11 239	0.23 589	0.09 333	0.15 408	0.17 424	0.18 290	0.19 351	0.17 421	0.18 370	0.15 373	0.15 444	0.14 365	0.14 422	0.09 467	0.06 410	0.10 518	0.08 446	0.09 491	0.07 385
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 380	0.07 220	0.13 333	0.18 381	0.09 333	0.13 348	0.17 424	0.19 320	0.29 500	0.15 374	0.24 448	0.15 373	0.14 426	0.14 365	0.14 422	0.07 331	0.05 266	0.07 293	0.09 493	0.05 163	0.06 298

TestStereo1	0.13 380	0.08 338	0.08 56	0.19 449	0.08 207	0.18 479	0.29 638	0.23 399	0.16 272	0.17 421	0.20 393	0.16 389	0.10 298	0.12 284	0.13 384	0.06 166	0.06 410	0.08 387	0.06 275	0.05 163	0.05 202

qqq	0.13 380	0.09 418	0.15 418	0.16 204	0.08 207	0.13 348	0.15 314	0.23 399	0.16 272	0.15 374	0.19 381	0.16 389	0.16 472	0.15 389	0.16 469	0.07 331	0.06 410	0.08 387	0.08 446	0.07 364	0.07 385

x	0.13 380	0.07 220	0.14 370	0.14 57	0.08 207	0.18 479	0.14 231	0.22 378	0.20 374	0.15 374	0.19 381	0.19 439	0.17 495	0.18 480	0.18 502	0.07 331	0.05 266	0.06 183	0.06 275	0.07 364	0.07 385

raft_robust	0.13 380	0.10 480	0.07 11	0.18 381	0.08 207	0.13 348	0.24 590	0.28 499	0.33 532	0.20 491	0.19 381	0.14 344	0.10 298	0.11 191	0.12 342	0.05 51	0.05 266	0.07 293	0.07 373	0.05 163	0.04 71

RAFT+CT+SA	0.13 380	0.11 506	0.09 120	0.19 449	0.09 333	0.15 408	0.28 628	0.22 378	0.22 404	0.15 374	0.26 493	0.10 248	0.10 298	0.11 191	0.12 342	0.05 51	0.04 25	0.07 293	0.08 446	0.07 364	0.06 298

SA-5K	0.13 380	0.08 338	0.08 56	0.19 449	0.08 207	0.18 479	0.29 638	0.23 399	0.16 272	0.17 421	0.20 393	0.16 389	0.10 298	0.12 284	0.13 384	0.06 166	0.06 410	0.08 387	0.06 275	0.05 163	0.05 202

GwcNet-ADL	0.13 380	0.08 338	0.14 370	0.20 516	0.09 333	0.11 245	0.20 536	0.30 527	0.24 433	0.13 325	0.14 291	0.18 425	0.14 426	0.13 336	0.14 422	0.07 331	0.05 266	0.06 183	0.05 185	0.07 364	0.06 298

GANet-ADL	0.13 380	0.07 220	0.15 418	0.17 291	0.10 445	0.18 479	0.15 314	0.30 527	0.20 374	0.13 325	0.18 370	0.19 439	0.12 362	0.16 424	0.13 384	0.08 407	0.06 410	0.06 183	0.05 185	0.07 364	0.08 451

RAFT	0.13 380	0.09 418	0.11 239	0.18 381	0.08 207	0.15 408	0.24 590	0.20 331	0.19 351	0.21 505	0.21 416	0.17 411	0.12 362	0.16 424	0.09 101	0.06 166	0.07 482	0.10 518	0.09 493	0.05 163	0.05 202

TestStereo	0.13 380	0.14 564	0.11 239	0.23 589	0.08 207	0.15 408	0.21 556	0.20 331	0.23 416	0.14 347	0.24 448	0.16 389	0.12 362	0.16 424	0.14 422	0.05 51	0.06 410	0.08 387	0.06 275	0.09 491	0.05 202

sAnonymous2	0.13 380	0.12 524	0.24 560	0.20 516	0.12 529	0.17 460	0.13 166	0.26 458	0.21 390	0.11 254	0.11 238	0.13 324	0.08 225	0.10 120	0.10 201	0.09 467	0.05 266	0.08 387	0.06 275	0.15 611	0.10 524

CroCo_RVC	0.13 380	0.12 524	0.24 560	0.20 516	0.12 529	0.17 460	0.13 166	0.26 458	0.21 390	0.11 254	0.11 238	0.13 324	0.08 225	0.10 120	0.10 201	0.09 467	0.05 266	0.08 387	0.06 275	0.15 611	0.10 524

RAFT + AFF	0.13 380	0.07 220	0.20 532	0.20 516	0.10 445	0.14 382	0.24 590	0.26 458	0.20 374	0.11 254	0.10 188	0.12 298	0.10 298	0.15 389	0.12 342	0.07 331	0.06 410	0.09 470	0.08 446	0.06 285	0.08 451

GMStereo	0.13 380	0.14 564	0.14 370	0.18 381	0.09 333	0.15 408	0.16 383	0.20 331	0.24 433	0.16 402	0.17 343	0.10 248	0.10 298	0.16 424	0.13 384	0.07 331	0.06 410	0.06 183	0.06 275	0.07 364	0.06 298
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 380	0.07 220	0.14 370	0.17 291	0.09 333	0.15 408	0.16 383	0.28 499	0.27 478	0.14 347	0.17 343	0.12 298	0.13 402	0.14 365	0.11 281	0.08 407	0.05 266	0.07 293	0.07 373	0.07 364	0.06 298

FENet	0.13 380	0.08 338	0.12 283	0.16 204	0.08 207	0.14 382	0.15 314	0.22 378	0.23 416	0.17 421	0.23 436	0.16 389	0.12 362	0.14 365	0.15 453	0.08 407	0.05 266	0.08 387	0.08 446	0.07 364	0.07 385

cf-r	0.13 380	0.07 220	0.12 283	0.16 204	0.08 207	0.14 382	0.19 513	0.20 331	0.25 454	0.17 421	0.25 476	0.21 460	0.16 472	0.14 365	0.14 422	0.10 508	0.05 266	0.06 183	0.08 446	0.06 285	0.06 298

iResNet	0.13 380	0.10 480	0.18 508	0.19 449	0.08 207	0.13 348	0.18 473	0.20 331	0.26 468	0.15 374	0.23 436	0.15 373	0.13 402	0.14 365	0.14 422	0.06 166	0.04 25	0.06 183	0.05 185	0.06 285	0.05 202

DN-CSS_ROB	0.13 380	0.13 552	0.16 454	0.18 381	0.10 445	0.16 438	0.08 7	0.22 378	0.18 332	0.17 421	0.22 427	0.13 324	0.13 402	0.12 284	0.13 384	0.05 51	0.05 266	0.10 518	0.10 533	0.08 428	0.06 298

Selective-IGEV-i16pb	0.14 417	0.08 338	0.17 484	0.15 109	0.11 495	0.41 644	0.16 383	0.28 499	0.23 416	0.11 254	0.20 393	0.10 248	0.07 177	0.17 458	0.12 342	0.10 508	0.07 482	0.06 183	0.08 446	0.09 491	0.10 524

G2L-Stereo_test	0.14 417	0.07 220	0.11 239	0.13 16	0.08 207	0.12 297	0.16 383	0.30 527	0.28 493	0.20 491	0.23 436	0.20 451	0.16 472	0.17 458	0.18 502	0.07 331	0.05 266	0.05 45	0.05 185	0.07 364	0.06 298

coex_refinement	0.14 417	0.07 220	0.12 283	0.17 291	0.10 445	0.15 408	0.15 314	0.26 458	0.29 500	0.18 451	0.20 393	0.22 478	0.17 495	0.16 424	0.18 502	0.08 407	0.05 266	0.06 183	0.06 275	0.09 491	0.08 451

G2L-Stereo	0.14 417	0.07 220	0.13 333	0.17 291	0.09 333	0.13 348	0.12 96	0.27 480	0.22 404	0.16 402	0.27 502	0.21 460	0.13 402	0.17 458	0.18 502	0.09 467	0.08 512	0.08 387	0.07 373	0.07 364	0.07 385

rvit_0105_6	0.14 417	0.09 418	0.18 508	0.17 291	0.10 445	0.10 194	0.16 383	0.19 320	0.26 468	0.12 295	0.18 370	0.17 411	0.12 362	0.18 480	0.12 342	0.15 608	0.11 579	0.12 569	0.10 533	0.09 491	0.06 298

rvit_0105_5	0.14 417	0.09 418	0.13 333	0.17 291	0.09 333	0.14 382	0.23 577	0.24 423	0.27 478	0.14 347	0.15 308	0.18 425	0.12 362	0.17 458	0.14 422	0.14 604	0.11 579	0.10 518	0.10 533	0.08 428	0.06 298

rvit_0105_4	0.14 417	0.09 418	0.17 484	0.17 291	0.10 445	0.12 297	0.19 513	0.23 399	0.27 478	0.14 347	0.20 393	0.17 411	0.13 402	0.17 458	0.13 384	0.15 608	0.11 579	0.11 549	0.10 533	0.09 491	0.06 298

DCVSM-stereo	0.14 417	0.09 418	0.16 454	0.16 204	0.10 445	0.15 408	0.09 20	0.19 320	0.23 416	0.20 491	0.23 436	0.26 526	0.15 444	0.18 480	0.14 422	0.09 467	0.07 482	0.09 470	0.08 446	0.10 524	0.12 564

test_sample6	0.14 417	0.08 338	0.13 333	0.16 204	0.08 207	0.17 460	0.19 513	0.25 440	0.17 301	0.17 421	0.27 502	0.19 439	0.14 426	0.15 389	0.13 384	0.08 407	0.05 266	0.08 387	0.07 373	0.08 428	0.08 451

test_sample5	0.14 417	0.08 338	0.14 370	0.16 204	0.08 207	0.18 479	0.18 473	0.25 440	0.17 301	0.17 421	0.27 502	0.18 425	0.14 426	0.16 424	0.13 384	0.08 407	0.05 266	0.08 387	0.07 373	0.08 428	0.08 451

test_sample4	0.14 417	0.08 338	0.14 370	0.15 109	0.08 207	0.19 503	0.18 473	0.26 458	0.17 301	0.16 402	0.25 476	0.18 425	0.14 426	0.16 424	0.13 384	0.08 407	0.06 410	0.08 387	0.06 275	0.08 428	0.08 451

test_sample3	0.14 417	0.08 338	0.15 418	0.14 57	0.09 333	0.19 503	0.17 424	0.26 458	0.18 332	0.16 402	0.22 427	0.19 439	0.15 444	0.17 458	0.13 384	0.08 407	0.06 410	0.07 293	0.06 275	0.09 491	0.08 451

DispNO	0.14 417	0.08 338	0.17 484	0.19 449	0.12 529	0.11 245	0.21 556	0.23 399	0.29 500	0.17 421	0.23 436	0.18 425	0.17 495	0.15 389	0.15 453	0.07 331	0.05 266	0.08 387	0.08 446	0.07 364	0.06 298

SMFormer	0.14 417	0.07 220	0.17 484	0.14 57	0.08 207	0.16 438	0.17 424	0.26 458	0.27 478	0.19 468	0.20 393	0.18 425	0.15 444	0.15 389	0.17 484	0.08 407	0.05 266	0.07 293	0.06 275	0.07 364	0.06 298

tta	0.14 417	0.07 220	0.17 484	0.14 57	0.08 207	0.16 438	0.17 424	0.26 458	0.27 478	0.19 468	0.20 393	0.18 425	0.15 444	0.15 389	0.17 484	0.08 407	0.05 266	0.07 293	0.06 275	0.06 285	0.06 298

mmm	0.14 417	0.08 338	0.17 484	0.17 291	0.09 333	0.17 460	0.18 473	0.21 354	0.15 235	0.15 374	0.23 436	0.21 460	0.16 472	0.16 424	0.17 484	0.08 407	0.05 266	0.08 387	0.07 373	0.07 364	0.07 385

DualNet	0.14 417	0.08 338	0.14 370	0.16 204	0.08 207	0.18 479	0.18 473	0.25 440	0.17 301	0.17 421	0.27 502	0.18 425	0.14 426	0.16 424	0.13 384	0.08 407	0.05 266	0.08 387	0.07 373	0.08 428	0.08 451

mmx	0.14 417	0.09 418	0.14 370	0.16 204	0.08 207	0.17 460	0.17 424	0.27 480	0.25 454	0.15 374	0.25 476	0.19 439	0.13 402	0.14 365	0.20 521	0.08 407	0.06 410	0.09 470	0.08 446	0.08 428	0.08 451

xxx	0.14 417	0.09 418	0.14 370	0.16 204	0.08 207	0.17 460	0.17 424	0.27 480	0.25 454	0.15 374	0.25 476	0.19 439	0.13 402	0.14 365	0.20 521	0.08 407	0.06 410	0.09 470	0.08 446	0.08 428	0.08 451

PCWNet_CMD	0.14 417	0.08 338	0.15 418	0.17 291	0.09 333	0.14 382	0.14 231	0.29 513	0.36 558	0.14 347	0.20 393	0.21 460	0.12 362	0.17 458	0.13 384	0.07 331	0.05 266	0.07 293	0.07 373	0.07 364	0.07 385

CBFPSM	0.14 417	0.06 102	0.26 568	0.17 291	0.09 333	0.13 348	0.15 314	0.22 378	0.23 416	0.20 491	0.27 502	0.24 502	0.16 472	0.16 424	0.18 502	0.06 166	0.06 410	0.06 183	0.07 373	0.07 364	0.07 385

gwcnet-sp	0.14 417	0.07 220	0.12 283	0.18 381	0.09 333	0.16 438	0.17 424	0.24 423	0.24 433	0.18 451	0.24 448	0.15 373	0.16 472	0.15 389	0.15 453	0.08 407	0.06 410	0.07 293	0.08 446	0.08 428	0.07 385

scenet	0.14 417	0.07 220	0.12 283	0.18 381	0.09 333	0.16 438	0.17 424	0.24 423	0.24 433	0.18 451	0.24 448	0.15 373	0.16 472	0.15 389	0.15 453	0.08 407	0.06 410	0.07 293	0.08 446	0.08 428	0.07 385

ssnet	0.14 417	0.07 220	0.12 283	0.18 381	0.09 333	0.16 438	0.17 424	0.24 423	0.24 433	0.18 451	0.24 448	0.15 373	0.16 472	0.15 389	0.15 453	0.08 407	0.06 410	0.07 293	0.08 446	0.08 428	0.07 385

BUS	0.14 417	0.09 418	0.14 370	0.22 565	0.10 445	0.19 503	0.14 231	0.34 578	0.19 351	0.17 421	0.22 427	0.16 389	0.13 402	0.15 389	0.13 384	0.08 407	0.06 410	0.10 518	0.09 493	0.07 364	0.07 385

IER	0.14 417	0.07 220	0.13 333	0.17 291	0.09 333	0.14 382	0.16 383	0.25 440	0.26 468	0.18 451	0.25 476	0.17 411	0.20 538	0.16 424	0.14 422	0.08 407	0.05 266	0.07 293	0.06 275	0.08 428	0.07 385

test_5	0.14 417	0.12 524	0.08 56	0.20 516	0.10 445	0.14 382	0.29 638	0.21 354	0.24 433	0.18 451	0.28 516	0.11 278	0.15 444	0.12 284	0.13 384	0.06 166	0.05 266	0.07 293	0.08 446	0.08 428	0.07 385

psmg	0.14 417	0.09 418	0.14 370	0.17 291	0.10 445	0.15 408	0.17 424	0.29 513	0.19 351	0.17 421	0.21 416	0.25 516	0.16 472	0.15 389	0.14 422	0.08 407	0.06 410	0.08 387	0.08 446	0.07 364	0.06 298

UDGNet	0.14 417	0.13 552	0.16 454	0.17 291	0.10 445	0.12 297	0.16 383	0.21 354	0.27 478	0.20 491	0.20 393	0.16 389	0.13 402	0.16 424	0.13 384	0.10 508	0.06 410	0.09 470	0.07 373	0.06 285	0.07 385

CFNet_pseudo	0.14 417	0.08 338	0.15 418	0.16 204	0.09 333	0.13 348	0.14 231	0.27 480	0.34 544	0.14 347	0.21 416	0.22 478	0.13 402	0.18 480	0.14 422	0.07 331	0.05 266	0.08 387	0.06 275	0.07 364	0.07 385

GES	0.14 417	0.08 338	0.16 454	0.15 109	0.10 445	0.13 348	0.13 166	0.28 499	0.25 454	0.16 402	0.23 436	0.18 425	0.13 402	0.16 424	0.13 384	0.08 407	0.07 482	0.07 293	0.06 275	0.08 428	0.09 495

GANet-RSSM	0.14 417	0.07 220	0.13 333	0.13 16	0.08 207	0.14 382	0.17 424	0.22 378	0.21 390	0.17 421	0.24 448	0.23 496	0.15 444	0.16 424	0.15 453	0.10 508	0.06 410	0.07 293	0.08 446	0.08 428	0.07 385

PSMNet-RSSM	0.14 417	0.07 220	0.13 333	0.15 109	0.08 207	0.13 348	0.16 383	0.24 423	0.24 433	0.16 402	0.28 516	0.22 478	0.14 426	0.15 389	0.13 384	0.11 539	0.06 410	0.09 470	0.12 587	0.08 428	0.07 385

GwcNet-RSSM	0.14 417	0.07 220	0.12 283	0.15 109	0.08 207	0.15 408	0.20 536	0.21 354	0.27 478	0.18 451	0.27 502	0.22 478	0.16 472	0.14 365	0.15 453	0.10 508	0.05 266	0.07 293	0.09 493	0.07 364	0.07 385

CFNet-ft	0.14 417	0.07 220	0.15 418	0.12 5	0.09 333	0.16 438	0.18 473	0.22 378	0.24 433	0.17 421	0.26 493	0.24 502	0.14 426	0.16 424	0.14 422	0.11 539	0.06 410	0.08 387	0.09 493	0.09 491	0.08 451

CCAANet	0.14 417	0.06 102	0.11 239	0.16 204	0.08 207	0.22 545	0.14 231	0.26 458	0.18 332	0.16 402	0.36 571	0.15 373	0.17 495	0.16 424	0.13 384	0.07 331	0.05 266	0.06 183	0.06 275	0.05 163	0.07 385

DMCA	0.14 417	0.09 418	0.16 454	0.19 449	0.09 333	0.15 408	0.17 424	0.23 399	0.27 478	0.14 347	0.19 381	0.17 411	0.18 510	0.15 389	0.17 484	0.10 508	0.06 410	0.08 387	0.06 275	0.09 491	0.10 524

RASNet	0.14 417	0.07 220	0.14 370	0.16 204	0.08 207	0.18 479	0.14 231	0.29 513	0.20 374	0.17 421	0.25 476	0.21 460	0.18 510	0.20 520	0.19 515	0.07 331	0.06 410	0.06 183	0.08 446	0.06 285	0.06 298

MSMDNet	0.14 417	0.08 338	0.15 418	0.17 291	0.09 333	0.14 382	0.14 231	0.29 513	0.36 558	0.14 347	0.21 416	0.21 460	0.12 362	0.17 458	0.14 422	0.07 331	0.05 266	0.07 293	0.07 373	0.07 364	0.07 385

HSM-Net_RVC	0.14 417	0.08 338	0.11 239	0.15 109	0.08 207	0.15 408	0.15 314	0.27 480	0.29 500	0.19 468	0.21 416	0.29 552	0.14 426	0.17 458	0.13 384	0.06 166	0.06 410	0.06 183	0.06 275	0.07 364	0.06 298
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 417	0.07 220	0.15 418	0.12 5	0.09 333	0.16 438	0.18 473	0.22 378	0.24 433	0.17 421	0.26 493	0.24 502	0.14 426	0.16 424	0.14 422	0.11 539	0.06 410	0.08 387	0.09 493	0.09 491	0.08 451

ccs_rob	0.14 417	0.08 338	0.15 418	0.16 204	0.09 333	0.12 297	0.14 231	0.27 480	0.34 544	0.14 347	0.21 416	0.22 478	0.13 402	0.18 480	0.14 422	0.07 331	0.05 266	0.08 387	0.07 373	0.07 364	0.07 385

UCFNet_RVC	0.14 417	0.08 338	0.13 333	0.11 1	0.10 445	0.20 519	0.10 35	0.24 423	0.22 404	0.17 421	0.20 393	0.23 496	0.15 444	0.17 458	0.15 453	0.12 564	0.07 482	0.10 518	0.13 598	0.11 547	0.10 524

iResNetv2_ROB	0.14 417	0.08 338	0.15 418	0.16 204	0.08 207	0.16 438	0.12 96	0.25 440	0.35 553	0.21 505	0.29 528	0.24 502	0.13 402	0.14 365	0.14 422	0.06 166	0.05 266	0.06 183	0.04 55	0.09 491	0.08 451

iResNet_ROB	0.14 417	0.07 220	0.13 333	0.14 57	0.07 128	0.18 479	0.14 231	0.26 458	0.31 518	0.22 521	0.25 476	0.23 496	0.15 444	0.15 389	0.13 384	0.07 331	0.05 266	0.05 45	0.04 55	0.08 428	0.08 451

DDVS	0.15 462	0.10 480	0.21 541	0.16 204	0.12 529	0.15 408	0.14 231	0.25 440	0.19 351	0.18 451	0.29 528	0.27 534	0.12 362	0.19 495	0.15 453	0.09 467	0.06 410	0.09 470	0.07 373	0.11 547	0.11 551

rvit_0105_3	0.15 462	0.09 418	0.14 370	0.19 449	0.12 529	0.15 408	0.25 606	0.25 440	0.29 500	0.15 374	0.17 343	0.20 451	0.13 402	0.17 458	0.14 422	0.13 590	0.11 579	0.12 569	0.14 602	0.07 364	0.06 298

ACV-stereo	0.15 462	0.10 480	0.28 581	0.18 381	0.12 529	0.14 382	0.12 96	0.23 399	0.21 390	0.19 468	0.23 436	0.22 478	0.15 444	0.23 561	0.17 484	0.07 331	0.06 410	0.07 293	0.07 373	0.07 364	0.07 385

ITSA-stereo	0.15 462	0.10 480	0.14 370	0.19 449	0.08 207	0.12 297	0.14 231	0.30 527	0.49 618	0.17 421	0.19 381	0.22 478	0.15 444	0.17 458	0.16 469	0.10 508	0.06 410	0.08 387	0.08 446	0.08 428	0.08 451

test_sample7	0.15 462	0.10 480	0.16 454	0.14 57	0.11 495	0.16 438	0.16 383	0.27 480	0.23 416	0.20 491	0.20 393	0.24 502	0.19 526	0.16 424	0.16 469	0.12 564	0.06 410	0.10 518	0.09 493	0.10 524	0.10 524

1111x	0.15 462	0.08 338	0.12 283	0.18 381	0.07 128	0.18 479	0.25 606	0.31 538	0.24 433	0.17 421	0.24 448	0.26 526	0.15 444	0.13 336	0.23 562	0.07 331	0.07 482	0.08 387	0.09 493	0.07 364	0.06 298

CFNet_ucs	0.15 462	0.08 338	0.16 454	0.16 204	0.11 495	0.14 382	0.14 231	0.30 527	0.34 544	0.16 402	0.24 448	0.23 496	0.14 426	0.18 480	0.15 453	0.09 467	0.06 410	0.08 387	0.07 373	0.09 491	0.09 495

BSDual-CNN	0.15 462	0.09 418	0.14 370	0.22 565	0.10 445	0.14 382	0.15 314	0.34 578	0.19 351	0.17 421	0.22 427	0.25 516	0.16 472	0.15 389	0.14 422	0.08 407	0.06 410	0.10 518	0.09 493	0.07 364	0.07 385

hknet	0.15 462	0.11 506	0.13 333	0.22 565	0.11 495	0.14 382	0.15 314	0.34 578	0.25 454	0.17 421	0.22 427	0.22 478	0.18 510	0.17 458	0.12 342	0.07 331	0.06 410	0.10 518	0.09 493	0.07 364	0.07 385

dd	0.15 462	0.16 582	0.16 454	0.19 449	0.09 333	0.15 408	0.18 473	0.21 354	0.25 454	0.23 534	0.20 393	0.21 460	0.09 259	0.21 537	0.16 469	0.10 508	0.06 410	0.08 387	0.06 275	0.08 428	0.06 298

DAS	0.15 462	0.08 338	0.18 508	0.19 449	0.10 445	0.19 503	0.17 424	0.27 480	0.29 500	0.18 451	0.25 476	0.21 460	0.15 444	0.16 424	0.12 342	0.08 407	0.06 410	0.06 183	0.06 275	0.07 364	0.07 385

SepStereo	0.15 462	0.08 338	0.18 508	0.19 449	0.10 445	0.19 503	0.17 424	0.27 480	0.29 500	0.18 451	0.25 476	0.21 460	0.15 444	0.25 576	0.12 342	0.08 407	0.06 410	0.06 183	0.06 275	0.07 364	0.07 385

PSMNet-ADL	0.15 462	0.12 524	0.13 333	0.22 565	0.09 333	0.13 348	0.20 536	0.26 458	0.23 416	0.18 451	0.20 393	0.24 502	0.16 472	0.18 480	0.17 484	0.08 407	0.08 512	0.08 387	0.11 567	0.08 428	0.07 385

LMCR-Stereo	0.15 462	0.08 338	0.13 333	0.21 548	0.09 333	0.17 460	0.20 536	0.27 480	0.19 351	0.24 543	0.24 448	0.23 496	0.17 495	0.20 520	0.17 484	0.07 331	0.06 410	0.08 387	0.06 275	0.10 524	0.08 451

ICVP	0.15 462	0.09 418	0.12 283	0.22 565	0.09 333	0.17 460	0.21 556	0.25 440	0.23 416	0.18 451	0.30 535	0.26 526	0.18 510	0.17 458	0.14 422	0.09 467	0.07 482	0.08 387	0.07 373	0.07 364	0.07 385
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 462	0.07 220	0.14 370	0.14 57	0.08 207	0.23 562	0.18 473	0.31 538	0.19 351	0.14 347	0.28 516	0.22 478	0.14 426	0.15 389	0.26 597	0.09 467	0.05 266	0.07 293	0.07 373	0.08 428	0.07 385

test_xeample	0.15 462	0.06 102	0.13 333	0.14 57	0.08 207	0.21 536	0.20 536	0.28 499	0.20 374	0.16 402	0.29 528	0.19 439	0.16 472	0.15 389	0.26 597	0.09 467	0.05 266	0.07 293	0.07 373	0.07 364	0.07 385

ACVNet	0.15 462	0.09 418	0.15 418	0.13 16	0.12 529	0.14 382	0.20 536	0.22 378	0.33 532	0.17 421	0.26 493	0.21 460	0.16 472	0.17 458	0.21 541	0.07 331	0.06 410	0.06 183	0.06 275	0.08 428	0.06 298

acv_ft	0.15 462	0.09 418	0.15 418	0.19 449	0.10 445	0.16 438	0.17 424	0.25 440	0.33 532	0.19 468	0.26 493	0.21 460	0.17 495	0.17 458	0.18 502	0.07 331	0.06 410	0.06 183	0.06 275	0.08 428	0.06 298

CFNet	0.15 462	0.10 480	0.17 484	0.17 291	0.08 207	0.18 479	0.09 20	0.28 499	0.25 454	0.19 468	0.24 448	0.24 502	0.17 495	0.17 458	0.14 422	0.08 407	0.06 410	0.09 470	0.10 533	0.07 364	0.06 298

AdaStereo	0.15 462	0.11 506	0.15 418	0.18 381	0.09 333	0.20 519	0.11 64	0.32 549	0.28 493	0.20 491	0.23 436	0.20 451	0.13 402	0.19 495	0.14 422	0.12 564	0.05 266	0.10 518	0.07 373	0.09 491	0.07 385
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	0.15 462	0.08 338	0.14 370	0.16 204	0.09 333	0.16 438	0.14 231	0.28 499	0.25 454	0.19 468	0.23 436	0.37 607	0.16 472	0.20 520	0.15 453	0.07 331	0.05 266	0.07 293	0.06 275	0.07 364	0.06 298

pmcnn	0.15 462	0.07 220	0.19 520	0.15 109	0.07 128	0.20 519	0.15 314	0.24 423	0.26 468	0.21 505	0.34 563	0.28 544	0.18 510	0.18 480	0.17 484	0.07 331	0.05 266	0.05 45	0.04 55	0.07 364	0.06 298

DStereoRT	0.16 485	0.06 102	0.11 239	0.19 449	0.09 333	0.12 297	0.12 96	0.28 499	0.22 404	0.12 295	0.20 393	0.11 278	0.10 298	0.15 389	0.14 422	0.06 166	0.05 266	0.96 687	0.09 493	0.05 163	0.04 71

DualNet (step1)	0.16 485	0.12 524	0.20 532	0.12 5	0.14 573	0.17 460	0.13 166	0.27 480	0.23 416	0.20 491	0.20 393	0.24 502	0.19 526	0.16 424	0.16 469	0.15 608	0.06 410	0.14 597	0.14 602	0.14 595	0.12 564

GMStereo_Zeroshot	0.16 485	0.13 552	0.24 560	0.20 516	0.10 445	0.17 460	0.13 166	0.29 513	0.25 454	0.23 534	0.32 547	0.25 516	0.11 331	0.19 495	0.14 422	0.09 467	0.06 410	0.11 549	0.06 275	0.12 562	0.08 451

iinet-f	0.16 485	0.06 102	0.45 627	0.14 57	0.10 445	0.21 536	0.14 231	0.27 480	0.23 416	0.21 505	0.24 448	0.21 460	0.15 444	0.18 480	0.21 541	0.09 467	0.07 482	0.07 293	0.06 275	0.09 491	0.10 524

CRFU-Net	0.16 485	0.08 338	0.14 370	0.17 291	0.09 333	0.19 503	0.14 231	0.26 458	0.20 374	0.28 583	0.27 502	0.29 552	0.17 495	0.19 495	0.17 484	0.09 467	0.09 545	0.07 293	0.07 373	0.08 428	0.08 451

NINENet	0.16 485	0.10 480	0.15 418	0.17 291	0.11 495	0.19 503	0.14 231	0.40 623	0.36 558	0.18 451	0.21 416	0.16 389	0.13 402	0.15 389	0.13 384	0.08 407	0.08 512	0.10 518	0.07 373	0.10 524	0.09 495

CSP-Net	0.16 485	0.09 418	0.14 370	0.16 204	0.09 333	0.19 503	0.17 424	0.25 440	0.32 525	0.25 556	0.30 535	0.24 502	0.15 444	0.21 537	0.18 502	0.09 467	0.06 410	0.07 293	0.07 373	0.08 428	0.07 385

AASNet	0.16 485	0.08 338	0.12 283	0.19 449	0.09 333	0.18 479	0.15 314	0.37 607	0.37 565	0.19 468	0.23 436	0.20 451	0.16 472	0.17 458	0.20 521	0.10 508	0.08 512	0.08 387	0.07 373	0.09 491	0.09 495

AACVNet	0.16 485	0.08 338	0.14 370	0.15 109	0.10 445	0.18 479	0.15 314	0.23 399	0.24 433	0.27 568	0.27 502	0.28 544	0.17 495	0.19 495	0.16 469	0.09 467	0.07 482	0.09 470	0.07 373	0.10 524	0.09 495

ADLNet2	0.16 485	0.09 418	0.13 333	0.16 204	0.09 333	0.20 519	0.16 383	0.31 538	0.39 575	0.16 402	0.20 393	0.20 451	0.18 510	0.21 537	0.22 550	0.08 407	0.06 410	0.07 293	0.07 373	0.09 491	0.07 385

Anonymous3	0.16 485	0.13 552	0.33 601	0.26 615	0.14 573	0.27 598	0.17 424	0.28 499	0.28 493	0.15 374	0.17 343	0.14 344	0.10 298	0.15 389	0.12 342	0.08 407	0.08 512	0.08 387	0.08 446	0.08 428	0.11 551

ADLNet	0.16 485	0.08 338	0.15 418	0.16 204	0.10 445	0.16 438	0.17 424	0.32 549	0.27 478	0.22 521	0.27 502	0.24 502	0.16 472	0.18 480	0.21 541	0.10 508	0.06 410	0.10 518	0.10 533	0.08 428	0.09 495

HCRNet	0.16 485	0.24 629	0.12 283	0.35 650	0.11 495	0.15 408	0.17 424	0.26 458	0.22 404	0.19 468	0.24 448	0.21 460	0.14 426	0.15 389	0.13 384	0.11 539	0.07 482	0.11 549	0.10 533	0.09 491	0.07 385

222	0.16 485	0.07 220	0.14 370	0.14 57	0.08 207	0.24 567	0.18 473	0.30 527	0.20 374	0.17 421	0.28 516	0.17 411	0.16 472	0.15 389	0.40 652	0.10 508	0.05 266	0.07 293	0.06 275	0.07 364	0.08 451

UPFNet	0.16 485	0.08 338	0.12 283	0.20 516	0.12 529	0.20 519	0.23 577	0.28 499	0.26 468	0.17 421	0.24 448	0.22 478	0.19 526	0.19 495	0.21 541	0.09 467	0.07 482	0.08 387	0.09 493	0.08 428	0.06 298

ac_64	0.16 485	0.08 338	0.15 418	0.18 381	0.10 445	0.22 545	0.18 473	0.24 423	0.21 390	0.18 451	0.24 448	0.29 552	0.18 510	0.19 495	0.22 550	0.09 467	0.07 482	0.08 387	0.09 493	0.07 364	0.06 298

DSFCA	0.16 485	0.09 418	0.14 370	0.16 204	0.10 445	0.20 519	0.19 513	0.28 499	0.31 518	0.23 534	0.24 448	0.22 478	0.15 444	0.19 495	0.20 521	0.10 508	0.07 482	0.09 470	0.09 493	0.08 428	0.08 451

FADNet-RVC-Resample	0.16 485	0.11 506	0.31 594	0.22 565	0.11 495	0.19 503	0.14 231	0.25 440	0.24 433	0.24 543	0.27 502	0.20 451	0.15 444	0.16 424	0.15 453	0.07 331	0.08 512	0.12 569	0.10 533	0.09 491	0.10 524

FADNet_RVC	0.16 485	0.14 564	0.40 620	0.20 516	0.11 495	0.13 348	0.13 166	0.26 458	0.22 404	0.21 505	0.23 436	0.20 451	0.17 495	0.14 365	0.16 469	0.08 407	0.08 512	0.12 569	0.09 493	0.11 547	0.10 524

AANet_RVC	0.16 485	0.10 480	0.10 184	0.18 381	0.09 333	0.18 479	0.19 513	0.26 458	0.31 518	0.22 521	0.35 568	0.21 460	0.21 542	0.22 550	0.16 469	0.06 166	0.05 266	0.06 183	0.06 275	0.07 364	0.06 298

DeepPruner_ROB	0.16 485	0.11 506	0.15 418	0.17 291	0.10 445	0.17 460	0.15 314	0.32 549	0.21 390	0.19 468	0.21 416	0.22 478	0.18 510	0.20 520	0.15 453	0.13 590	0.09 545	0.09 470	0.09 493	0.11 547	0.10 524

z-ln-s-r	0.17 506	0.10 480	0.40 620	0.19 449	0.08 207	0.17 460	0.18 473	0.22 378	0.33 532	0.18 451	0.40 598	0.22 478	0.17 495	0.20 520	0.23 562	0.07 331	0.05 266	0.07 293	0.07 373	0.07 364	0.05 202

rvit_stereo_0075_2	0.17 506	0.12 524	0.25 565	0.23 589	0.16 604	0.13 348	0.10 35	0.30 527	0.27 478	0.20 491	0.28 516	0.22 478	0.15 444	0.18 480	0.13 384	0.16 624	0.10 566	0.17 620	0.10 533	0.10 524	0.09 495

ToySt	0.17 506	0.11 506	0.18 508	0.17 291	0.11 495	0.16 438	0.25 606	0.24 423	0.33 532	0.19 468	0.24 448	0.26 526	0.24 565	0.19 495	0.20 521	0.07 331	0.08 512	0.09 470	0.10 533	0.09 491	0.08 451

ssnet_v2	0.17 506	0.10 480	0.17 484	0.17 291	0.11 495	0.21 536	0.21 556	0.33 569	0.25 454	0.22 521	0.22 427	0.27 534	0.18 510	0.22 550	0.20 521	0.11 539	0.09 545	0.09 470	0.09 493	0.08 428	0.08 451

dad	0.17 506	0.20 614	0.20 532	0.16 204	0.11 495	0.20 519	0.18 473	0.21 354	0.28 493	0.30 597	0.24 448	0.29 552	0.13 402	0.19 495	0.16 469	0.18 631	0.09 545	0.11 549	0.09 493	0.11 547	0.07 385

GEStereo_RVC	0.17 506	0.12 524	0.15 418	0.22 565	0.11 495	0.19 503	0.17 424	0.32 549	0.48 611	0.20 491	0.25 476	0.17 411	0.13 402	0.21 537	0.16 469	0.10 508	0.06 410	0.08 387	0.07 373	0.09 491	0.08 451

MMNet	0.17 506	0.09 418	0.16 454	0.20 516	0.11 495	0.27 598	0.20 536	0.25 440	0.41 584	0.22 521	0.30 535	0.21 460	0.20 538	0.17 458	0.20 521	0.06 166	0.06 410	0.07 293	0.07 373	0.08 428	0.07 385

delet	0.17 506	0.08 338	0.17 484	0.19 449	0.11 495	0.20 519	0.21 556	0.30 527	0.37 565	0.17 421	0.26 493	0.19 439	0.19 526	0.19 495	0.21 541	0.08 407	0.08 512	0.09 470	0.11 567	0.06 285	0.06 298

UNet	0.17 506	0.09 418	0.18 508	0.19 449	0.12 529	0.27 598	0.19 513	0.33 569	0.29 500	0.21 505	0.24 448	0.23 496	0.19 526	0.19 495	0.18 502	0.07 331	0.06 410	0.08 387	0.07 373	0.08 428	0.06 298

HGLStereo	0.17 506	0.08 338	0.19 520	0.17 291	0.12 529	0.18 479	0.18 473	0.31 538	0.32 525	0.21 505	0.32 547	0.25 516	0.18 510	0.19 495	0.20 521	0.09 467	0.09 545	0.07 293	0.07 373	0.09 491	0.10 524

DMCA-RVC	0.17 506	0.10 480	0.15 418	0.24 598	0.11 495	0.18 479	0.18 473	0.25 440	0.24 433	0.21 505	0.26 493	0.25 516	0.27 588	0.18 480	0.20 521	0.12 564	0.08 512	0.13 584	0.10 533	0.10 524	0.08 451

TDLM	0.17 506	0.12 524	0.13 333	0.24 598	0.10 445	0.18 479	0.18 473	0.36 601	0.30 510	0.21 505	0.28 516	0.28 544	0.18 510	0.23 561	0.18 502	0.11 539	0.07 482	0.10 518	0.10 533	0.08 428	0.08 451

NLCA_NET_v2_RVC	0.17 506	0.10 480	0.22 547	0.20 516	0.10 445	0.15 408	0.18 473	0.31 538	0.25 454	0.21 505	0.30 535	0.25 516	0.17 495	0.21 537	0.20 521	0.09 467	0.06 410	0.08 387	0.08 446	0.07 364	0.08 451
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	0.17 506	0.12 524	0.15 418	0.20 516	0.09 333	0.18 479	0.18 473	0.26 458	0.23 416	0.26 562	0.40 598	0.22 478	0.17 495	0.21 537	0.20 521	0.08 407	0.05 266	0.09 470	0.10 533	0.07 364	0.07 385
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 520	0.08 338	0.19 520	0.19 449	0.13 552	0.15 408	0.12 96	0.30 527	0.32 525	0.21 505	0.25 476	0.27 534	0.17 495	0.17 458	0.20 521	0.20 639	0.08 512	0.14 597	0.14 602	0.14 595	0.17 631

test_sample9	0.18 520	0.12 524	0.20 532	0.12 5	0.14 573	0.17 460	0.13 166	0.27 480	0.23 416	0.20 491	0.20 393	0.24 502	0.19 526	0.19 495	0.17 484	0.15 608	0.30 662	0.14 597	0.14 602	0.14 595	0.12 564

fast-acv-ft	0.18 520	0.11 506	0.19 520	0.19 449	0.12 529	0.24 567	0.21 556	0.25 440	0.34 544	0.22 521	0.34 563	0.27 534	0.20 538	0.21 537	0.23 562	0.09 467	0.09 545	0.08 387	0.10 533	0.08 428	0.07 385

HBP-ISP	0.18 520	0.13 552	0.16 454	0.15 109	0.11 495	0.08 79	0.13 166	0.28 499	0.29 500	0.22 521	0.33 559	0.21 460	0.25 574	0.23 561	0.17 484	0.14 604	0.16 629	0.21 634	0.17 630	0.10 524	0.08 451

Wz-Net-LNSev-Ref	0.18 520	0.09 418	0.29 589	0.15 109	0.10 445	0.22 545	0.20 536	0.26 458	0.39 575	0.25 556	0.42 616	0.24 502	0.15 444	0.20 520	0.19 515	0.07 331	0.05 266	0.06 183	0.05 185	0.10 524	0.09 495

SACVNet	0.18 520	0.12 524	0.14 370	0.17 291	0.13 552	0.22 545	0.18 473	0.31 538	0.30 510	0.23 534	0.31 543	0.30 562	0.22 551	0.22 550	0.17 484	0.11 539	0.08 512	0.10 518	0.10 533	0.12 562	0.14 604

psm_up	0.18 520	0.10 480	0.18 508	0.20 516	0.11 495	0.17 460	0.19 513	0.37 607	0.34 544	0.21 505	0.28 516	0.29 552	0.24 565	0.20 520	0.22 550	0.09 467	0.10 566	0.11 549	0.11 567	0.08 428	0.08 451

hitnet-ft	0.18 520	0.09 418	0.17 484	0.14 57	0.09 333	0.26 588	0.20 536	0.25 440	0.26 468	0.24 543	0.32 547	0.31 575	0.22 551	0.24 571	0.21 541	0.12 564	0.07 482	0.10 518	0.08 446	0.12 562	0.11 551

STTStereo	0.18 520	0.12 524	0.27 576	0.20 516	0.11 495	0.16 438	0.21 556	0.29 513	0.23 416	0.21 505	0.30 535	0.29 552	0.18 510	0.20 520	0.19 515	0.12 564	0.11 579	0.11 549	0.14 602	0.09 491	0.08 451

CVANet_RVC	0.18 520	0.10 480	0.14 370	0.21 548	0.10 445	0.18 479	0.17 424	0.34 578	0.33 532	0.22 521	0.31 543	0.28 544	0.18 510	0.23 561	0.17 484	0.12 564	0.08 512	0.12 569	0.11 567	0.09 491	0.07 385

StereoDRNet	0.18 520	0.11 506	0.17 484	0.22 565	0.11 495	0.21 536	0.22 566	0.37 607	0.33 532	0.24 543	0.28 516	0.30 562	0.19 526	0.20 520	0.20 521	0.09 467	0.08 512	0.11 549	0.09 493	0.09 491	0.07 385

DLCB_ROB	0.18 520	0.10 480	0.15 418	0.23 589	0.11 495	0.24 567	0.18 473	0.29 513	0.28 493	0.27 568	0.28 516	0.28 544	0.24 565	0.19 495	0.20 521	0.08 407	0.08 512	0.09 470	0.09 493	0.07 364	0.07 385

TCMNet	0.19 532	0.12 524	0.19 520	0.20 516	0.18 626	0.20 519	0.24 590	0.27 480	0.36 558	0.23 534	0.26 493	0.25 516	0.19 526	0.19 495	0.23 562	0.13 590	0.11 579	0.11 549	0.12 587	0.13 581	0.12 564

rvit_105_1	0.19 532	0.11 506	0.25 565	0.21 548	0.16 604	0.21 536	0.27 622	0.31 538	0.41 584	0.19 468	0.20 393	0.22 478	0.17 495	0.19 495	0.17 484	0.12 564	0.12 595	0.13 584	0.15 619	0.08 428	0.07 385

test_sample8	0.19 532	0.12 524	0.20 532	0.12 5	0.14 573	0.17 460	0.13 166	0.31 538	0.21 390	0.27 568	0.22 427	0.36 602	0.25 574	0.19 495	0.17 484	0.15 608	0.30 662	0.14 597	0.14 602	0.14 595	0.12 564

SDNR	0.19 532	0.08 338	0.19 520	0.16 204	0.12 529	0.77 675	0.14 231	0.25 440	0.32 525	0.19 468	0.24 448	0.19 439	0.13 402	0.19 495	0.15 453	0.16 624	0.18 636	0.14 597	0.11 567	0.08 428	0.11 551

pcwnet_v2	0.19 532	0.10 480	0.26 568	0.17 291	0.14 573	0.18 479	0.15 314	0.37 607	0.46 609	0.19 468	0.24 448	0.21 460	0.19 526	0.20 520	0.19 515	0.13 590	0.10 566	0.10 518	0.10 533	0.11 547	0.13 587

ADCRef	0.19 532	0.12 524	0.41 623	0.20 516	0.12 529	0.22 545	0.18 473	0.32 549	0.36 558	0.26 562	0.32 547	0.17 411	0.23 559	0.24 571	0.24 575	0.07 331	0.06 410	0.09 470	0.09 493	0.08 428	0.08 451

NVstereo2D	0.19 532	0.10 480	0.15 418	0.17 291	0.15 593	0.28 605	0.23 577	0.44 640	0.42 592	0.15 374	0.27 502	0.25 516	0.19 526	0.22 550	0.17 484	0.09 467	0.06 410	0.10 518	0.08 446	0.15 611	0.09 495

DRN-Test	0.19 532	0.11 506	0.20 532	0.22 565	0.10 445	0.22 545	0.22 566	0.39 619	0.37 565	0.24 543	0.32 547	0.26 526	0.21 542	0.22 550	0.24 575	0.11 539	0.07 482	0.11 549	0.10 533	0.09 491	0.07 385

DISCO	0.19 532	0.09 418	0.22 547	0.17 291	0.10 445	0.25 578	0.18 473	0.27 480	0.44 602	0.22 521	0.31 543	0.33 589	0.26 580	0.28 593	0.28 613	0.08 407	0.06 410	0.07 293	0.07 373	0.09 491	0.09 495

CBMV_ROB	0.19 532	0.13 552	0.17 484	0.16 204	0.11 495	0.15 408	0.13 166	0.26 458	0.28 493	0.27 568	0.30 535	0.27 534	0.24 565	0.23 561	0.16 469	0.15 608	0.17 634	0.22 638	0.20 636	0.10 524	0.11 551

NOSS_ROB	0.19 532	0.12 524	0.18 508	0.16 204	0.12 529	0.15 408	0.12 96	0.30 527	0.32 525	0.20 491	0.22 427	0.27 534	0.23 559	0.21 537	0.16 469	0.16 624	0.18 636	0.23 639	0.21 638	0.12 562	0.13 587

CBMV	0.19 532	0.14 564	0.17 484	0.18 381	0.10 445	0.20 519	0.11 64	0.29 513	0.30 510	0.29 592	0.30 535	0.30 562	0.23 559	0.27 581	0.19 515	0.13 590	0.15 625	0.17 620	0.16 623	0.10 524	0.10 524
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	0.20 544	0.14 564	0.37 614	0.22 565	0.12 529	0.20 519	0.21 556	0.28 499	0.37 565	0.25 556	0.37 578	0.27 534	0.22 551	0.21 537	0.23 562	0.08 407	0.08 512	0.09 470	0.09 493	0.10 524	0.09 495

YMNet	0.20 544	0.12 524	0.19 520	0.20 516	0.14 573	0.26 588	0.23 577	0.32 549	0.34 544	0.27 568	0.34 563	0.30 562	0.18 510	0.18 480	0.22 550	0.10 508	0.13 610	0.10 518	0.10 533	0.08 428	0.09 495

YMNet_1	0.20 544	0.12 524	0.19 520	0.20 516	0.14 573	0.26 588	0.23 577	0.32 549	0.34 544	0.27 568	0.34 563	0.30 562	0.18 510	0.18 480	0.22 550	0.10 508	0.13 610	0.10 518	0.10 533	0.08 428	0.09 495

GwcNet	0.20 544	0.13 552	0.19 520	0.18 381	0.12 529	0.24 567	0.19 513	0.35 594	0.43 597	0.20 491	0.32 547	0.33 589	0.20 538	0.22 550	0.24 575	0.11 539	0.09 545	0.09 470	0.09 493	0.09 491	0.10 524

FAT-Stereo	0.20 544	0.12 524	0.22 547	0.21 548	0.12 529	0.17 460	0.18 473	0.34 578	0.39 575	0.27 568	0.37 578	0.34 596	0.32 620	0.21 537	0.20 521	0.09 467	0.11 579	0.10 518	0.09 493	0.11 547	0.14 604

FADNet-RVC	0.20 544	0.20 614	0.38 616	0.21 548	0.16 604	0.20 519	0.15 314	0.26 458	0.26 468	0.26 562	0.32 547	0.26 526	0.21 542	0.22 550	0.19 515	0.12 564	0.13 610	0.12 569	0.14 602	0.13 581	0.18 634

S-Stereo	0.20 544	0.12 524	0.25 565	0.21 548	0.13 552	0.20 519	0.18 473	0.32 549	0.43 597	0.23 534	0.36 571	0.28 544	0.30 611	0.19 495	0.22 550	0.09 467	0.12 595	0.10 518	0.10 533	0.13 581	0.13 587

SuperB	0.20 544	0.10 480	0.56 643	0.16 204	0.09 333	0.18 479	0.18 473	0.24 423	0.50 621	0.26 562	0.39 592	0.17 411	0.21 542	0.22 550	0.21 541	0.08 407	0.06 410	0.06 183	0.06 275	0.12 562	0.10 524

ADCP+	0.20 544	0.10 480	0.33 601	0.20 516	0.12 529	0.22 545	0.26 615	0.31 538	0.34 544	0.26 562	0.37 578	0.22 478	0.22 551	0.27 581	0.27 605	0.09 467	0.06 410	0.08 387	0.08 446	0.09 491	0.10 524

PS-NSSS	0.20 544	0.21 620	0.23 556	0.20 516	0.10 445	0.19 503	0.17 424	0.36 601	0.25 454	0.27 568	0.33 559	0.27 534	0.24 565	0.20 520	0.20 521	0.15 608	0.12 595	0.17 620	0.14 602	0.10 524	0.08 451

PWCDC_ROB	0.20 544	0.13 552	0.22 547	0.24 598	0.11 495	0.19 503	0.15 314	0.33 569	0.54 631	0.29 592	0.50 632	0.21 460	0.15 444	0.27 581	0.20 521	0.11 539	0.09 545	0.10 518	0.08 446	0.11 547	0.09 495

SGM-Forest	0.20 544	0.14 564	0.18 508	0.19 449	0.13 552	0.20 519	0.22 566	0.33 569	0.30 510	0.24 543	0.29 528	0.28 544	0.19 526	0.23 561	0.17 484	0.15 608	0.16 629	0.15 609	0.14 602	0.12 562	0.12 564
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 556	0.17 593	0.19 520	0.23 589	0.15 593	0.30 612	0.20 536	0.33 569	0.35 553	0.23 534	0.28 516	0.31 575	0.27 588	0.20 520	0.22 550	0.15 608	0.12 595	0.13 584	0.09 493	0.14 595	0.14 604

FINET	0.21 556	0.18 604	0.26 568	0.18 381	0.16 604	0.23 562	0.23 577	0.32 549	0.48 611	0.25 556	0.32 547	0.22 478	0.22 551	0.22 550	0.17 484	0.18 631	0.16 629	0.11 549	0.10 533	0.15 611	0.13 587

Syn2CoEx	0.21 556	0.16 582	0.27 576	0.29 640	0.14 573	0.26 588	0.20 536	0.33 569	0.31 518	0.28 583	0.36 571	0.27 534	0.25 574	0.19 495	0.24 575	0.16 624	0.12 595	0.14 597	0.11 567	0.09 491	0.08 451

FADNet	0.21 556	0.22 624	0.36 610	0.18 381	0.17 619	0.24 567	0.13 166	0.31 538	0.31 518	0.23 534	0.25 476	0.27 534	0.21 542	0.19 495	0.15 453	0.13 590	0.15 625	0.12 569	0.15 619	0.16 620	0.18 634

RP	0.21 556	0.13 552	0.21 541	0.23 589	0.11 495	0.21 536	0.20 536	0.25 440	0.44 602	0.21 505	0.38 584	0.36 602	0.24 565	0.27 581	0.25 585	0.11 539	0.12 595	0.13 584	0.12 587	0.12 562	0.14 604

DANet	0.21 556	0.15 574	0.28 581	0.25 610	0.13 552	0.22 545	0.19 513	0.27 480	0.27 478	0.28 583	0.32 547	0.35 600	0.31 615	0.31 604	0.23 562	0.11 539	0.09 545	0.11 549	0.10 533	0.13 581	0.11 551
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 556	0.12 524	0.21 541	0.24 598	0.13 552	0.22 545	0.22 566	0.41 629	0.26 468	0.31 603	0.42 616	0.37 607	0.28 599	0.23 561	0.22 550	0.10 508	0.12 595	0.10 518	0.09 493	0.10 524	0.08 451

PWC_ROB	0.21 556	0.16 582	0.26 568	0.18 381	0.11 495	0.22 545	0.13 166	0.32 549	0.49 618	0.30 597	0.40 598	0.32 585	0.24 565	0.31 604	0.22 550	0.10 508	0.07 482	0.11 549	0.08 446	0.11 547	0.10 524

PSMNet_ROB	0.21 556	0.11 506	0.15 418	0.27 628	0.15 593	0.24 567	0.35 656	0.43 638	0.37 565	0.27 568	0.32 547	0.32 585	0.22 551	0.21 537	0.26 597	0.12 564	0.08 512	0.13 584	0.11 567	0.09 491	0.09 495

MSAF-DinoV2	0.22 565	0.11 506	0.23 556	0.17 291	0.10 445	0.27 598	0.16 383	0.37 607	0.55 632	0.21 505	0.27 502	0.47 642	0.27 588	0.35 623	0.39 649	0.09 467	0.06 410	0.07 293	0.09 493	0.12 562	0.10 524

GASNet	0.22 565	0.23 626	0.33 601	0.26 615	0.17 619	0.26 588	0.16 383	0.44 640	0.42 592	0.27 568	0.24 448	0.30 562	0.15 444	0.27 581	0.18 502	0.12 564	0.08 512	0.12 569	0.11 567	0.16 620	0.07 385

Anonymous_2	0.22 565	0.17 593	0.28 581	0.15 109	0.16 604	0.32 615	0.22 566	0.22 378	0.17 301	0.23 534	0.24 448	0.26 526	0.27 588	0.27 581	0.23 562	0.22 648	0.25 658	0.17 620	0.17 630	0.17 628	0.17 631

Wz-Net-LNSev	0.22 565	0.16 582	0.38 616	0.21 548	0.13 552	0.25 578	0.23 577	0.32 549	0.43 597	0.30 597	0.41 609	0.31 575	0.18 510	0.22 550	0.25 585	0.10 508	0.09 545	0.08 387	0.08 446	0.12 562	0.11 551

Wz-Net-MNSev	0.22 565	0.13 552	0.31 594	0.20 516	0.14 573	0.36 635	0.24 590	0.33 569	0.44 602	0.28 583	0.40 598	0.38 611	0.19 526	0.24 571	0.25 585	0.09 467	0.07 482	0.09 470	0.09 493	0.12 562	0.10 524

DDUNet	0.22 565	0.17 593	0.21 541	0.22 565	0.15 593	0.25 578	0.24 590	0.29 513	0.30 510	0.31 603	0.36 571	0.33 589	0.25 574	0.24 571	0.20 521	0.18 631	0.13 610	0.17 620	0.11 567	0.16 620	0.16 622

APVNet	0.22 565	0.12 524	0.19 520	0.18 381	0.14 573	0.32 615	0.31 652	0.39 619	0.32 525	0.27 568	0.40 598	0.30 562	0.29 607	0.26 578	0.25 585	0.11 539	0.12 595	0.11 549	0.14 602	0.12 562	0.12 564

aanetorigin	0.22 565	0.17 593	0.56 643	0.17 291	0.10 445	0.15 408	0.19 513	0.20 331	0.33 532	0.49 647	0.48 627	0.29 552	0.27 588	0.20 520	0.23 562	0.08 407	0.07 482	0.08 387	0.07 373	0.10 524	0.09 495

MaskLacGwcNet_RVC	0.22 565	0.21 620	0.24 560	0.26 615	0.11 495	0.23 562	0.14 231	0.39 619	0.24 433	0.32 609	0.36 571	0.30 562	0.21 542	0.19 495	0.21 541	0.17 629	0.14 619	0.21 634	0.16 623	0.12 562	0.12 564

AF-Net	0.22 565	0.17 593	0.17 484	0.26 615	0.13 552	0.25 578	0.24 590	0.32 549	0.50 621	0.25 556	0.33 559	0.38 611	0.26 580	0.28 593	0.25 585	0.11 539	0.10 566	0.16 616	0.11 567	0.11 547	0.10 524

stereogan	0.22 565	0.11 506	0.21 541	0.20 516	0.12 529	0.31 614	0.19 513	0.35 594	0.44 602	0.22 521	0.39 592	0.35 600	0.27 588	0.33 614	0.22 550	0.10 508	0.12 595	0.10 518	0.10 533	0.14 595	0.13 587

edge stereo	0.22 565	0.13 552	0.20 532	0.21 548	0.13 552	0.23 562	0.16 383	0.32 549	0.42 592	0.32 609	0.40 598	0.38 611	0.35 630	0.25 576	0.24 575	0.13 590	0.11 579	0.14 597	0.11 567	0.12 562	0.13 587

RYNet	0.22 565	0.12 524	0.22 547	0.19 449	0.17 619	0.46 646	0.26 615	0.38 615	0.48 611	0.24 543	0.28 516	0.34 596	0.23 559	0.20 520	0.30 624	0.10 508	0.06 410	0.09 470	0.09 493	0.13 581	0.15 611

NaN_ROB	0.22 565	0.19 608	0.24 560	0.25 610	0.13 552	0.29 609	0.26 615	0.33 569	0.41 584	0.31 603	0.31 543	0.32 585	0.23 559	0.30 603	0.21 541	0.11 539	0.17 634	0.10 518	0.10 533	0.08 428	0.09 495

MDST_ROB	0.22 565	0.10 480	0.17 484	0.18 381	0.11 495	0.37 636	0.19 513	0.43 638	0.41 584	0.39 627	0.39 592	0.29 552	0.21 542	0.26 578	0.18 502	0.11 539	0.10 566	0.14 597	0.11 567	0.10 524	0.08 451

XPNet_ROB	0.22 565	0.11 506	0.19 520	0.22 565	0.13 552	0.22 545	0.19 513	0.34 578	0.40 581	0.30 597	0.39 592	0.39 619	0.26 580	0.26 578	0.28 613	0.15 608	0.10 566	0.10 518	0.10 533	0.13 581	0.12 564

SQANet	0.23 581	0.23 626	0.30 592	0.30 642	0.19 630	0.27 598	0.13 166	0.29 513	0.33 532	0.24 543	0.37 578	0.31 575	0.22 551	0.27 581	0.23 562	0.15 608	0.10 566	0.21 634	0.16 623	0.21 637	0.15 611

Nwc_Net	0.23 581	0.16 582	0.21 541	0.25 610	0.14 573	0.24 567	0.26 615	0.37 607	0.38 572	0.22 521	0.41 609	0.30 562	0.28 599	0.28 593	0.25 585	0.11 539	0.10 566	0.17 620	0.20 636	0.10 524	0.10 524

RTSC	0.23 581	0.12 524	0.28 581	0.21 548	0.13 552	0.28 605	0.16 383	0.35 594	0.66 657	0.27 568	0.33 559	0.30 562	0.21 542	0.31 604	0.29 617	0.10 508	0.08 512	0.09 470	0.10 533	0.13 581	0.13 587

PA-Net	0.23 581	0.18 604	0.33 601	0.28 631	0.22 639	0.21 536	0.38 661	0.29 513	0.39 575	0.22 521	0.32 547	0.25 516	0.26 580	0.20 520	0.25 585	0.09 467	0.23 655	0.15 609	0.22 641	0.09 491	0.13 587
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 581	0.15 574	0.17 484	0.34 648	0.18 626	0.24 567	0.23 577	0.34 578	0.28 493	0.31 603	0.38 584	0.38 611	0.28 599	0.23 561	0.24 575	0.15 608	0.12 595	0.18 629	0.21 638	0.13 581	0.13 587

ETE_ROB	0.23 581	0.17 593	0.22 547	0.25 610	0.13 552	0.26 588	0.29 638	0.31 538	0.36 558	0.28 583	0.36 571	0.45 634	0.26 580	0.27 581	0.26 597	0.11 539	0.08 512	0.12 569	0.09 493	0.14 595	0.13 587

SGM_RVC	0.23 581	0.12 524	0.15 418	0.15 109	0.09 333	0.33 622	0.18 473	0.34 578	0.31 518	0.44 642	0.37 578	0.53 650	0.35 630	0.35 623	0.24 575	0.13 590	0.13 610	0.13 584	0.13 598	0.10 524	0.11 551
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 588	0.18 604	0.18 508	0.20 516	0.14 573	0.21 536	0.19 513	0.32 549	0.41 584	0.29 592	0.21 416	0.32 585	0.27 588	0.41 648	0.27 605	0.46 670	0.12 595	0.31 657	0.11 567	0.15 611	0.12 564

z-mn7	0.24 588	0.14 564	0.45 627	0.19 449	0.13 552	0.28 605	0.25 606	0.34 578	0.62 648	0.27 568	0.56 644	0.29 552	0.24 565	0.32 611	0.25 585	0.08 407	0.08 512	0.08 387	0.08 446	0.10 524	0.10 524

w-ln-seven	0.24 588	0.14 564	0.55 640	0.19 449	0.14 573	0.26 588	0.22 566	0.35 594	0.60 645	0.29 592	0.39 592	0.30 562	0.22 551	0.21 537	0.26 597	0.09 467	0.09 545	0.11 549	0.10 533	0.11 547	0.10 524

DGSMNet	0.24 588	0.19 608	0.33 601	0.21 548	0.24 644	0.24 567	0.20 536	0.35 594	0.41 584	0.24 543	0.32 547	0.38 611	0.21 542	0.29 600	0.23 562	0.12 564	0.11 579	0.14 597	0.16 623	0.23 641	0.23 646

G-Net	0.24 588	0.16 582	0.36 610	0.22 565	0.16 604	0.51 652	0.23 577	0.29 513	0.34 544	0.36 619	0.38 584	0.31 575	0.29 607	0.27 581	0.26 597	0.11 539	0.09 545	0.12 569	0.09 493	0.16 620	0.13 587

NCC-stereo	0.24 588	0.15 574	0.31 594	0.26 615	0.16 604	0.20 519	0.30 646	0.40 623	0.40 581	0.24 543	0.38 584	0.33 589	0.28 599	0.36 629	0.27 605	0.12 564	0.11 579	0.15 609	0.22 641	0.13 581	0.13 587

Abc-Net	0.24 588	0.15 574	0.31 594	0.26 615	0.16 604	0.20 519	0.30 646	0.40 623	0.40 581	0.24 543	0.38 584	0.33 589	0.28 599	0.36 629	0.27 605	0.12 564	0.11 579	0.15 609	0.22 641	0.13 581	0.13 587
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 588	0.11 506	0.47 632	0.22 565	0.12 529	0.34 625	0.29 638	0.29 513	0.56 635	0.24 543	0.46 624	0.30 562	0.30 611	0.29 600	0.29 617	0.08 407	0.07 482	0.09 470	0.09 493	0.10 524	0.10 524

DeepPrunerF	0.24 588	0.17 593	0.42 625	0.26 615	0.16 604	0.22 545	0.28 628	0.37 607	0.50 621	0.26 562	0.29 528	0.24 502	0.28 599	0.21 537	0.22 550	0.15 608	0.11 579	0.20 633	0.18 634	0.12 562	0.13 587

FBW_ROB	0.24 588	0.17 593	0.22 547	0.26 615	0.14 573	0.25 578	0.22 566	0.41 629	0.41 584	0.41 634	0.41 609	0.42 626	0.27 588	0.31 604	0.23 562	0.09 467	0.14 619	0.14 597	0.12 587	0.11 547	0.09 495

SANet	0.24 588	0.14 564	0.28 581	0.21 548	0.11 495	0.27 598	0.24 590	0.38 615	0.64 653	0.36 619	0.40 598	0.43 630	0.26 580	0.27 581	0.24 575	0.12 564	0.09 545	0.10 518	0.09 493	0.13 581	0.11 551

WCMA_ROB	0.24 588	0.11 506	0.22 547	0.17 291	0.14 573	0.32 615	0.15 314	0.32 549	0.32 525	0.38 625	0.53 635	0.40 623	0.34 627	0.34 617	0.25 585	0.11 539	0.12 595	0.12 569	0.10 533	0.14 595	0.14 604

DStereoSA	0.25 600	0.19 608	0.37 614	0.26 615	0.17 619	0.22 545	0.20 536	0.49 650	0.59 641	0.22 521	0.29 528	0.29 552	0.33 622	0.39 640	0.28 613	0.12 564	0.11 579	0.16 616	0.14 602	0.14 595	0.12 564

FSD	0.25 600	0.27 639	0.26 568	0.24 598	0.22 639	0.25 578	0.25 606	0.27 480	0.26 468	0.25 556	0.26 493	0.25 516	0.27 588	0.27 581	0.24 575	0.21 643	0.20 642	0.27 645	0.26 648	0.25 649	0.24 647

zh-sn7	0.25 600	0.17 593	0.50 634	0.24 598	0.13 552	0.25 578	0.24 590	0.34 578	0.48 611	0.28 583	0.54 637	0.28 544	0.31 615	0.36 629	0.32 632	0.10 508	0.10 566	0.11 549	0.10 533	0.12 562	0.12 564

zh-mn7	0.25 600	0.14 564	0.56 643	0.19 449	0.14 573	0.24 567	0.22 566	0.34 578	0.62 648	0.35 616	0.65 653	0.31 575	0.25 574	0.31 604	0.25 585	0.09 467	0.08 512	0.09 470	0.09 493	0.09 491	0.11 551

Wz-Net-SNSev	0.25 600	0.17 593	0.44 626	0.25 610	0.14 573	0.26 588	0.23 577	0.38 615	0.56 635	0.30 597	0.55 639	0.39 619	0.26 580	0.23 561	0.30 624	0.10 508	0.09 545	0.09 470	0.10 533	0.11 547	0.11 551

psmorigin	0.25 600	0.15 574	0.34 609	0.17 291	0.13 552	0.23 562	0.14 231	0.34 578	0.33 532	0.41 634	0.55 639	0.41 625	0.37 634	0.34 617	0.27 605	0.11 539	0.15 625	0.11 549	0.11 567	0.12 562	0.16 622

RGC	0.25 600	0.20 614	0.29 589	0.28 631	0.16 604	0.22 545	0.23 577	0.32 549	0.44 602	0.27 568	0.40 598	0.38 611	0.27 588	0.36 629	0.22 550	0.11 539	0.13 610	0.17 620	0.17 630	0.14 595	0.16 622

ADCMid	0.25 600	0.15 574	0.40 620	0.20 516	0.14 573	0.25 578	0.26 615	0.34 578	0.38 572	0.36 619	0.44 621	0.34 596	0.40 641	0.35 623	0.33 637	0.10 508	0.09 545	0.11 549	0.11 567	0.13 581	0.12 564

ADCPNet	0.25 600	0.16 582	0.61 650	0.21 548	0.15 593	0.35 633	0.25 606	0.32 549	0.35 553	0.30 597	0.40 598	0.36 602	0.28 599	0.28 593	0.32 632	0.12 564	0.10 566	0.11 549	0.12 587	0.14 595	0.13 587

STTRV1_RVC	0.25 600	0.26 635	0.39 618	0.19 449	0.26 651	0.30 612	0.24 590	0.34 578	0.35 553	0.36 619	0.34 563	0.31 575	0.31 615	0.28 593	0.25 585	0.17 629	0.10 566	0.16 616	0.14 602	0.17 628	0.12 564

LALA_ROB	0.25 600	0.16 582	0.22 547	0.26 615	0.17 619	0.27 598	0.27 622	0.42 634	0.37 565	0.33 613	0.38 584	0.51 646	0.26 580	0.28 593	0.27 605	0.16 624	0.09 545	0.12 569	0.11 567	0.13 581	0.12 564

SHD	0.26 611	0.15 574	0.30 592	0.24 598	0.18 626	0.22 545	0.15 314	0.38 615	0.71 661	0.32 609	0.41 609	0.36 602	0.28 599	0.32 611	0.29 617	0.12 564	0.11 579	0.14 597	0.13 598	0.16 620	0.20 640

AnyNet_C32	0.26 611	0.16 582	0.36 610	0.20 516	0.16 604	0.25 578	0.30 646	0.32 549	0.44 602	0.31 603	0.49 628	0.30 562	0.33 622	0.40 645	0.33 637	0.12 564	0.12 595	0.12 569	0.14 602	0.14 595	0.15 611

DStereoFS	0.27 613	0.22 624	0.31 594	0.22 565	0.15 593	0.22 545	0.20 536	0.50 654	0.48 611	0.28 583	0.44 621	0.33 589	0.34 627	0.52 658	0.29 617	0.12 564	0.11 579	0.15 609	0.13 598	0.16 620	0.16 622

PSMNet-RUCA	0.27 613	0.33 651	0.41 623	0.36 652	0.32 659	0.18 479	0.19 513	0.42 634	0.30 510	0.33 613	0.41 609	0.39 619	0.25 574	0.31 604	0.20 521	0.18 631	0.10 566	0.25 641	0.15 619	0.21 637	0.16 622

PDISCO_ROB	0.27 613	0.16 582	0.26 568	0.28 631	0.20 633	0.32 615	0.26 615	0.44 640	0.57 637	0.28 583	0.40 598	0.45 634	0.29 607	0.33 614	0.34 639	0.12 564	0.09 545	0.17 620	0.16 623	0.17 628	0.13 587

DispFullNet	0.27 613	0.21 620	0.65 653	0.28 631	0.16 604	0.26 588	0.17 424	0.33 569	0.58 640	0.27 568	0.38 584	0.43 630	0.23 559	0.38 636	0.23 562	0.12 564	0.06 410	0.19 631	0.11 567	0.21 637	0.15 611

MeshStereo	0.27 613	0.13 552	0.18 508	0.15 109	0.11 495	0.32 615	0.24 590	0.40 623	0.36 558	0.52 649	0.57 647	0.67 661	0.40 641	0.35 623	0.26 597	0.14 604	0.13 610	0.13 584	0.11 567	0.11 547	0.10 524
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	0.28 618	0.17 593	0.78 670	0.22 565	0.16 604	0.34 625	0.29 638	0.39 619	0.57 637	0.24 543	0.55 639	0.37 607	0.24 565	0.33 614	0.35 640	0.09 467	0.08 512	0.09 470	0.10 533	0.14 595	0.16 622

XQC	0.28 618	0.23 626	0.51 635	0.28 631	0.19 630	0.34 625	0.27 622	0.36 601	0.57 637	0.31 603	0.30 535	0.37 607	0.30 611	0.38 636	0.38 647	0.13 590	0.09 545	0.15 609	0.12 587	0.17 628	0.18 634

CC-Net-ROB	0.28 618	0.31 649	0.36 610	0.29 640	0.15 593	0.25 578	0.19 513	0.45 643	0.33 532	0.39 627	0.37 578	0.39 619	0.31 615	0.27 581	0.26 597	0.24 654	0.19 639	0.30 656	0.23 645	0.18 632	0.15 611

DPSNet	0.28 618	0.16 582	0.31 594	0.18 381	0.13 552	0.54 654	0.42 665	0.51 656	0.67 658	0.29 592	0.38 584	0.38 611	0.29 607	0.31 604	0.23 562	0.11 539	0.10 566	0.11 549	0.08 446	0.20 636	0.16 622

MultiAttention	0.29 622	0.08 338	0.14 370	0.19 449	0.12 529	1.45 690	1.33 694	0.36 601	0.37 565	0.19 468	0.21 416	0.24 502	0.11 331	0.38 636	0.18 502	0.06 166	0.05 266	0.08 387	0.08 446	0.10 524	0.09 495

Wz-Net-TNSev	0.29 622	0.20 614	0.65 653	0.19 449	0.15 593	0.38 639	0.27 622	0.35 594	0.55 632	0.34 615	0.42 616	0.45 634	0.38 635	0.32 611	0.30 624	0.12 564	0.13 610	0.10 518	0.12 587	0.15 611	0.14 604

ccnet	0.29 622	0.28 644	0.23 556	0.20 516	0.28 653	0.41 644	0.21 556	0.45 643	0.33 532	0.36 619	0.46 624	0.36 602	0.30 611	0.39 640	0.42 656	0.23 652	0.14 619	0.21 634	0.17 630	0.23 641	0.18 634

EDNetEfficient	0.29 622	0.24 629	1.13 682	0.18 381	0.10 445	0.19 503	0.20 536	0.20 331	0.60 645	0.74 669	0.56 644	0.31 575	0.39 638	0.22 550	0.30 624	0.09 467	0.07 482	0.08 387	0.07 373	0.11 547	0.09 495

ADCS	0.29 622	0.18 604	0.45 627	0.21 548	0.17 619	0.28 605	0.23 577	0.41 629	0.63 652	0.40 630	0.49 628	0.40 623	0.36 632	0.39 640	0.40 652	0.13 590	0.12 595	0.13 584	0.14 602	0.16 620	0.16 622

CSAN	0.29 622	0.24 629	0.27 576	0.34 648	0.19 630	0.33 622	0.42 665	0.37 607	0.50 621	0.38 625	0.40 598	0.44 632	0.33 622	0.28 593	0.30 624	0.20 639	0.16 629	0.19 631	0.19 635	0.14 595	0.15 611

AANet	0.30 628	0.19 608	1.03 679	0.16 204	0.13 552	0.22 545	0.16 383	0.30 527	0.62 648	0.60 656	0.52 634	0.46 638	0.38 635	0.23 561	0.32 632	0.12 564	0.09 545	0.11 549	0.10 533	0.13 581	0.12 564

MFN_U_SF_DS_RVC	0.30 628	0.24 629	0.29 589	0.36 652	0.16 604	0.34 625	0.30 646	0.32 549	0.42 592	0.40 630	0.46 624	0.38 611	0.31 615	0.34 617	0.28 613	0.19 637	0.20 642	0.26 642	0.29 655	0.18 632	0.19 639

GANetREF_RVC	0.31 630	0.34 653	0.27 576	0.35 650	0.16 604	0.32 615	0.41 662	0.48 648	0.51 628	0.35 616	0.35 568	0.34 596	0.33 622	0.39 640	0.32 632	0.27 656	0.20 642	0.29 654	0.15 619	0.18 632	0.17 631
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	0.31 630	0.26 635	0.26 568	0.24 598	0.21 637	0.34 625	0.25 606	0.34 578	0.39 575	0.40 630	0.69 657	0.45 634	0.40 641	0.34 617	0.27 605	0.20 639	0.19 639	0.26 642	0.25 647	0.23 641	0.22 644

MFN_U_SF_RVC	0.32 632	0.21 620	0.55 640	0.30 642	0.15 593	0.34 625	0.17 424	0.52 657	0.46 609	0.46 646	0.55 639	0.59 653	0.39 638	0.35 623	0.37 645	0.15 608	0.14 619	0.18 629	0.21 638	0.16 620	0.15 611

PASM	0.32 632	0.24 629	0.48 633	0.28 631	0.27 652	0.29 609	0.30 646	0.34 578	0.49 618	0.35 616	0.39 592	0.46 638	0.34 627	0.34 617	0.35 640	0.23 652	0.25 658	0.26 642	0.28 654	0.23 641	0.21 642

SGM-ForestM	0.32 632	0.12 524	0.16 454	0.16 204	0.11 495	0.39 641	0.19 513	0.41 629	0.50 621	0.52 649	0.54 637	1.32 682	0.42 649	0.40 645	0.27 605	0.14 604	0.16 629	0.16 616	0.16 623	0.12 562	0.12 564

FC-DCNN v2	0.33 635	0.27 639	0.28 581	0.26 615	0.23 642	0.37 636	0.28 628	0.40 623	0.43 597	0.45 643	0.56 644	0.51 646	0.40 641	0.37 634	0.29 617	0.21 643	0.20 642	0.27 645	0.26 648	0.25 649	0.24 647

FCDSN-DC	0.33 635	0.28 644	0.28 581	0.30 642	0.24 644	0.39 641	0.28 628	0.42 634	0.42 592	0.43 640	0.53 635	0.51 646	0.41 646	0.36 629	0.30 624	0.21 643	0.20 642	0.27 645	0.26 648	0.25 649	0.24 647
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 635	0.27 639	0.28 581	0.26 615	0.23 642	0.37 636	0.28 628	0.40 623	0.43 597	0.45 643	0.55 639	0.51 646	0.40 641	0.37 634	0.30 624	0.21 643	0.20 642	0.27 645	0.26 648	0.25 649	0.24 647

LSM	0.33 635	0.20 614	0.58 646	0.26 615	0.60 677	0.34 625	0.25 606	0.42 634	0.48 611	0.45 643	0.58 649	0.42 626	0.36 632	0.35 623	0.25 585	0.12 564	0.20 642	0.14 597	0.16 623	0.19 635	0.33 662

AnyNet_C01	0.36 639	0.25 634	1.37 685	0.22 565	0.17 619	0.48 650	0.27 622	0.35 594	0.39 575	0.39 627	0.74 663	0.46 638	0.38 635	0.45 650	0.47 661	0.13 590	0.13 610	0.13 584	0.14 602	0.14 595	0.15 611

GCST	0.37 640	0.42 660	0.26 568	1.02 686	0.39 660	0.18 479	0.08 7	0.20 331	0.17 301	0.28 583	0.25 476	0.15 373	0.12 362	0.16 424	0.14 422	0.64 681	0.43 670	0.75 677	0.65 681	0.63 674	0.46 673

otaku	0.39 641	0.37 656	0.52 636	0.44 659	0.28 653	0.58 656	0.24 590	0.41 629	0.62 648	0.40 630	0.49 628	0.46 638	0.33 622	0.40 645	0.32 632	0.30 657	0.30 662	0.39 661	0.33 660	0.29 656	0.28 656

ACVNet-4b	0.39 641	0.53 663	0.55 640	0.45 660	0.24 644	0.47 648	0.18 473	0.49 650	0.64 653	0.42 637	0.45 623	0.60 654	0.27 588	0.34 617	0.24 575	0.33 661	0.14 619	0.48 665	0.42 667	0.30 657	0.26 655

PVD	0.39 641	0.20 614	0.39 618	0.31 646	0.22 639	0.29 609	0.43 667	0.52 657	0.96 675	0.55 653	0.79 667	0.53 650	0.59 666	0.52 658	0.38 647	0.19 637	0.14 619	0.17 620	0.14 602	0.24 648	0.31 660

Ntro	0.40 644	0.40 658	0.53 637	0.46 663	0.30 657	0.65 662	0.24 590	0.46 645	0.68 659	0.41 634	0.49 628	0.48 644	0.42 649	0.39 640	0.31 631	0.32 659	0.28 660	0.37 660	0.30 657	0.32 661	0.29 657

SAMSARA	0.40 644	0.28 644	0.33 601	0.55 666	0.39 660	0.82 676	1.23 693	0.47 647	0.51 628	0.36 619	0.35 568	0.55 652	0.39 638	0.38 636	0.39 649	0.15 608	0.20 642	0.15 609	0.14 602	0.23 641	0.20 640

ELAS_RVC	0.41 646	0.29 647	0.33 601	0.28 631	0.24 644	0.54 654	0.36 657	0.49 650	0.59 641	0.72 665	0.74 663	0.65 659	0.54 659	0.54 663	0.40 652	0.22 648	0.20 642	0.27 645	0.26 648	0.26 654	0.25 653
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 646	0.29 647	0.33 601	0.27 628	0.24 644	0.60 659	0.36 657	0.50 654	0.50 621	0.71 663	0.79 667	0.67 661	0.54 659	0.51 656	0.42 656	0.22 648	0.20 642	0.27 645	0.26 648	0.26 654	0.25 653
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 648	0.26 635	0.59 648	0.60 668	0.49 667	0.32 615	0.23 577	0.46 645	0.52 630	0.56 655	0.58 649	0.76 666	0.32 620	0.48 652	0.29 617	0.32 659	0.24 656	0.27 645	0.33 660	0.46 665	0.39 667

MSC_U_SF_DS_RVC	0.43 649	0.39 657	0.54 638	0.40 655	0.20 633	0.64 661	0.32 654	0.53 659	0.72 662	0.71 663	0.72 660	0.61 655	0.54 659	0.51 656	0.46 660	0.20 639	0.19 639	0.29 654	0.30 657	0.23 641	0.18 634

ACVNet_1	0.44 650	0.49 662	0.60 649	0.45 660	0.28 653	0.49 651	0.27 622	0.57 664	0.72 662	0.62 658	0.58 649	0.74 665	0.49 655	0.50 654	0.35 640	0.26 655	0.24 656	0.39 661	0.29 655	0.31 660	0.24 647

Consistency-Raft	0.44 650	0.40 658	0.45 627	0.37 654	0.43 664	0.46 646	0.41 662	0.57 664	0.55 632	0.32 609	0.73 661	0.33 589	0.48 654	0.42 649	0.49 663	0.39 664	0.35 667	0.45 664	0.51 674	0.42 664	0.29 657

RTS	0.45 652	0.19 608	3.26 692	0.24 598	0.15 593	0.74 669	0.20 536	0.36 601	0.76 668	0.42 637	0.43 619	0.31 575	0.41 646	0.53 661	0.35 640	0.10 508	0.08 512	0.13 584	0.12 587	0.15 611	0.15 611

RTSA	0.45 652	0.19 608	3.26 692	0.24 598	0.15 593	0.74 669	0.20 536	0.36 601	0.76 668	0.42 637	0.43 619	0.31 575	0.41 646	0.53 661	0.35 640	0.10 508	0.08 512	0.13 584	0.12 587	0.15 611	0.15 611

MANE	0.45 652	0.27 639	0.27 576	0.27 628	0.24 644	0.47 648	0.31 652	0.55 661	0.59 641	0.72 665	1.13 684	1.15 676	0.61 667	0.52 658	0.37 645	0.21 643	0.20 642	0.27 645	0.31 659	0.25 649	0.24 647

FADE	0.45 652	0.33 651	1.03 679	0.33 647	0.25 650	0.35 633	0.29 638	0.64 668	1.07 676	0.43 640	0.41 609	0.42 626	0.53 657	0.70 671	0.51 667	0.30 657	0.21 654	0.41 663	0.38 664	0.23 641	0.22 644

NVStereoNet_ROB	0.46 656	0.36 655	0.46 631	0.41 657	0.28 653	0.34 625	0.34 655	0.48 648	0.60 645	0.72 665	0.93 673	0.70 664	0.66 670	0.47 651	0.60 672	0.22 648	0.33 666	0.34 659	0.34 663	0.30 657	0.30 659
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	0.47 657	0.26 635	0.58 646	0.28 631	0.20 633	0.39 641	0.18 473	0.49 650	0.64 653	0.52 649	0.87 670	1.01 671	0.57 664	0.50 654	0.56 669	0.53 674	0.31 665	0.54 671	0.40 665	0.33 662	0.34 663

LE_ROB	0.50 658	0.07 220	0.14 370	0.15 109	0.08 207	0.24 567	0.16 383	0.22 378	1.81 692	4.63 698	0.67 655	0.47 642	0.44 651	0.20 520	0.29 617	0.07 331	0.06 410	0.06 183	0.06 275	0.08 428	0.06 298

BEATNet-Init1	0.52 659	0.27 639	0.62 651	0.30 642	0.21 637	0.76 673	0.29 638	0.54 660	0.65 656	0.86 674	0.95 675	2.07 692	0.62 669	0.56 665	0.42 656	0.18 631	0.18 636	0.23 639	0.22 641	0.22 640	0.21 642

anonymity	0.53 660	0.58 665	0.65 653	0.41 657	0.61 678	0.53 653	0.41 662	0.56 662	0.41 584	0.55 653	0.50 632	0.49 645	0.55 662	0.58 666	0.50 666	0.58 677	0.50 680	0.51 667	0.51 674	0.51 667	0.57 676

RainbowNet	0.54 661	0.61 667	0.70 668	0.57 667	0.43 664	0.65 662	0.37 660	0.60 666	0.87 672	0.50 648	0.66 654	0.64 657	0.47 653	0.49 653	0.43 659	0.47 671	0.48 676	0.52 669	0.41 666	0.52 668	0.40 670

SGM+DAISY	0.56 662	0.57 664	0.65 653	0.40 655	0.54 670	0.66 664	0.49 670	0.56 662	0.45 608	0.66 659	0.69 657	0.67 661	0.56 663	0.63 668	0.56 669	0.59 678	0.48 676	0.50 666	0.50 673	0.52 668	0.58 677

SPS-STEREO	0.57 663	0.58 665	0.65 653	0.45 660	0.55 672	0.62 660	0.44 669	0.62 667	0.50 621	0.68 661	0.64 652	0.66 660	0.57 664	0.61 667	0.60 672	0.62 680	0.47 675	0.51 667	0.49 671	0.55 672	0.58 677
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 664	0.66 671	0.65 653	0.51 664	0.69 682	0.69 665	0.57 676	0.64 668	0.73 666	0.60 656	0.73 661	0.62 656	0.67 671	0.65 669	0.60 672	0.66 682	0.58 689	0.63 672	0.59 677	0.68 679	0.69 686

IMH-64-1	0.65 665	0.61 667	0.68 662	0.71 671	0.51 668	0.59 657	0.49 670	0.91 676	0.85 670	0.74 669	1.02 677	0.81 667	0.78 675	0.79 673	0.49 663	0.42 666	0.46 671	0.71 674	0.47 669	0.52 668	0.39 667

IMH-64	0.65 665	0.61 667	0.68 662	0.71 671	0.51 668	0.59 657	0.49 670	0.91 676	0.85 670	0.74 669	1.02 677	0.81 667	0.78 675	0.79 673	0.49 663	0.42 666	0.46 671	0.71 674	0.47 669	0.52 668	0.39 667

ACVNet_2	0.66 667	0.66 671	0.68 662	0.63 669	0.41 662	0.71 667	0.49 670	0.96 680	1.39 685	0.89 675	1.09 680	1.04 672	0.73 673	0.54 663	0.47 661	0.43 668	0.40 669	0.53 670	0.44 668	0.47 666	0.35 665

JetBlue	0.71 668	0.45 661	1.14 683	0.51 664	0.47 666	2.02 691	0.64 680	0.75 671	0.70 660	0.69 662	0.77 666	1.22 678	0.83 677	1.03 688	1.01 688	0.40 665	0.28 660	0.33 658	0.33 660	0.30 657	0.34 663

IMH	0.71 668	0.64 670	0.68 662	0.76 673	0.54 670	0.69 665	0.54 674	0.98 682	1.10 678	0.82 673	1.09 680	0.89 669	0.88 680	0.87 681	0.52 668	0.44 669	0.50 680	0.75 677	0.51 674	0.56 673	0.41 671

PWCK	0.71 668	0.94 682	0.95 677	0.76 673	0.31 658	0.74 669	0.36 657	0.90 675	0.90 673	0.96 678	0.75 665	0.95 670	0.61 667	0.87 681	0.66 675	0.72 683	0.46 671	0.75 677	0.49 671	0.69 681	0.44 672

MADNet+	0.75 671	0.71 673	3.70 695	0.66 670	0.41 662	0.98 681	0.97 691	0.69 670	0.73 666	0.52 649	0.57 647	0.64 657	0.68 672	0.86 680	1.01 688	0.34 662	0.36 668	0.28 653	0.23 645	0.36 663	0.31 660

TorneroNet-64	0.76 672	0.72 674	0.74 669	0.78 675	0.58 676	0.91 680	0.56 675	0.84 674	1.29 682	0.66 659	0.90 671	1.40 684	0.75 674	0.85 679	0.67 678	0.49 672	0.46 671	0.72 676	0.59 677	0.67 678	0.53 675

WAO-7	0.79 673	0.78 676	0.54 638	0.85 679	0.67 681	0.74 669	0.68 684	1.05 685	1.32 683	0.90 676	1.20 687	1.04 672	0.92 681	0.69 670	0.66 675	0.60 679	0.62 690	0.67 673	0.68 683	0.64 675	0.58 677

WAO-6	0.81 674	0.80 677	0.62 651	0.86 680	0.63 679	0.76 673	0.58 677	0.98 682	1.54 690	0.90 676	0.96 676	1.07 674	1.03 685	0.70 671	0.66 675	0.72 683	0.49 678	0.90 685	0.71 684	0.68 679	0.58 677

TorneroNet	0.82 675	0.74 675	0.81 674	0.84 678	0.63 679	0.99 682	0.63 678	0.96 680	1.16 679	0.80 672	1.11 682	1.36 683	0.86 679	0.93 684	0.80 683	0.56 675	0.49 678	0.78 682	0.66 682	0.73 684	0.63 685

LVE	0.83 676	0.85 680	0.85 675	0.80 676	0.56 673	1.04 686	0.65 681	1.05 685	1.47 688	0.96 678	1.22 688	1.10 675	0.85 678	0.83 676	0.71 680	0.49 672	0.55 686	0.76 680	0.60 679	0.65 676	0.59 682

Dean	0.87 677	0.86 681	0.79 672	0.81 677	0.56 673	0.90 677	0.63 678	1.15 691	1.73 691	1.15 686	1.15 685	1.31 681	0.99 684	0.81 675	0.81 684	0.57 676	0.56 687	0.77 681	0.64 680	0.66 677	0.58 677

WAO-8	0.91 678	0.81 678	0.65 653	0.94 683	0.69 682	0.90 677	0.67 682	1.07 688	1.83 693	1.06 683	1.45 690	1.30 679	1.07 686	0.84 677	0.78 681	0.74 685	0.53 683	0.86 683	0.75 685	0.69 681	0.62 683

Venus	0.91 678	0.81 678	0.65 653	0.94 683	0.69 682	0.90 677	0.67 682	1.07 688	1.83 693	1.06 683	1.45 690	1.30 679	1.07 686	0.84 677	0.78 681	0.74 685	0.53 683	0.86 683	0.75 685	0.69 681	0.62 683

UNDER WATER-64	0.95 680	0.94 682	1.43 687	0.87 681	0.56 673	1.18 689	0.87 688	0.77 672	0.94 674	1.04 681	0.85 669	1.58 689	1.21 691	0.94 685	0.96 686	0.87 689	0.57 688	1.03 689	0.88 690	0.78 685	0.73 687

UNDER WATER	0.97 681	0.97 684	1.42 686	0.99 685	0.70 685	1.12 688	0.84 687	0.80 673	1.08 677	1.01 680	0.90 671	1.55 688	1.22 692	1.03 688	1.00 687	0.78 687	0.53 683	1.02 688	0.87 689	0.80 686	0.74 688

notaker	0.97 681	1.11 685	0.98 678	1.13 688	0.81 686	0.73 668	0.68 684	0.93 678	1.16 679	1.18 688	1.18 686	1.41 685	1.16 690	1.08 690	0.69 679	0.81 688	0.64 691	1.17 691	0.79 687	0.98 688	0.80 690

ktn	1.01 683	1.21 687	0.80 673	1.23 690	0.86 688	1.01 684	0.87 688	0.94 679	1.39 685	1.04 681	1.12 683	1.15 676	1.07 686	0.94 685	0.59 671	1.28 695	0.71 692	1.38 695	0.83 688	1.02 690	0.75 689

KSHMR	1.09 684	1.17 686	0.88 676	1.25 691	1.00 690	0.99 682	0.96 690	1.13 690	1.37 684	1.16 687	1.29 689	1.41 685	0.96 683	1.01 687	0.92 685	1.03 692	1.08 694	1.20 692	1.03 693	1.01 689	0.97 692

DPSimNet_ROB	1.11 685	1.23 688	0.78 670	1.13 688	0.88 689	1.10 687	1.13 692	1.16 692	1.23 681	1.43 690	1.02 677	1.41 685	1.10 689	0.90 683	1.60 690	1.46 696	0.51 682	1.21 693	1.03 693	0.90 687	1.01 694

HanzoNet	1.29 686	1.26 689	1.19 684	1.12 687	0.85 687	1.02 685	0.83 686	1.03 684	1.48 689	1.64 691	1.61 692	2.50 694	1.72 693	1.61 692	1.61 691	1.26 694	0.80 693	1.31 694	1.01 692	1.02 690	0.86 691

JetRed	1.62 687	1.46 690	2.98 690	0.92 682	1.21 691	4.99 694	1.53 696	1.27 693	1.39 685	1.83 692	1.74 693	1.60 690	0.95 682	1.41 691	2.45 696	0.90 691	1.60 696	0.93 686	0.90 691	1.35 692	0.99 693

MADNet++	1.95 688	1.75 691	1.59 688	1.82 693	1.69 693	2.33 692	1.40 695	2.35 695	2.09 695	2.57 695	2.36 695	2.24 693	2.17 695	2.28 693	2.34 694	1.87 697	1.66 697	1.54 696	1.34 696	1.92 694	1.77 697

Selective-IGEV-i1pa	2.80 689	3.51 697	0.67 661	0.28 631	0.14 573	10.22 699	0.43 667	4.36 696	3.63 696	3.53 696	6.92 698	3.47 695	1.97 694	13.41 710	2.26 693	0.36 663	0.15 625	0.13 584	0.10 533	0.15 611	0.35 665

coex-ft	3.30 690	0.34 653	59.09 722	0.18 381	0.13 552	0.26 588	0.22 566	0.27 480	0.72 662	1.90 693	0.70 659	0.44 632	0.45 652	0.29 600	0.41 655	0.09 467	0.09 545	0.12 569	0.09 493	0.14 595	0.13 587

ASD4	3.54 691	3.38 696	2.05 689	1.72 692	2.51 695	9.03 698	17.71 702	2.25 694	5.51 698	2.46 694	2.81 696	2.03 691	3.36 697	2.73 694	5.06 697	1.22 693	1.34 695	1.13 690	1.33 695	1.68 693	1.49 696

TCMNet-wrong-test	3.67 692	5.48 705	3.89 696	12.18 707	11.75 708	4.65 693	3.88 697	1.06 687	0.72 662	1.09 685	2.15 694	6.30 700	0.53 657	3.43 696	2.36 695	0.89 690	0.20 642	1.87 698	1.69 697	5.57 702	3.62 703

tt	4.67 693	0.06 102	3.55 694	2.02 694	1.55 692	10.25 700	16.71 701	8.91 705	5.03 697	1.31 689	0.94 674	4.71 696	4.76 698	3.33 695	5.87 699	6.06 705	10.30 711	1.88 699	2.11 699	2.75 696	1.21 695

USTest	6.22 694	2.73 694	3.00 691	6.57 701	7.29 700	14.37 702	21.57 703	7.00 704	9.56 703	5.34 701	6.10 697	5.72 699	7.64 701	6.41 700	6.96 701	1.97 698	3.42 703	1.64 697	2.15 700	2.66 695	2.36 698

xxxxx1	7.79 695	5.02 702	7.31 699	3.12 695	3.85 696	16.35 704	22.88 704	5.86 701	8.69 700	7.97 702	8.54 699	9.12 704	8.27 702	10.18 702	10.92 702	2.42 699	2.45 699	3.56 702	12.37 708	3.77 697	3.06 700

tt_ll	7.79 695	5.02 702	7.31 699	3.12 695	3.85 696	16.35 704	22.88 704	5.86 701	8.69 700	7.97 702	8.54 699	9.12 704	8.27 702	10.18 702	10.92 702	2.42 699	2.45 699	3.56 702	12.37 708	3.77 697	3.06 700

ff	7.79 695	5.02 702	7.31 699	3.12 695	3.85 696	16.35 704	22.88 704	5.86 701	8.69 700	7.97 702	8.54 699	9.12 704	8.27 702	10.18 702	10.92 702	2.42 699	2.45 699	3.56 702	12.37 708	3.77 697	3.06 700

EDNetEfficientorigin	7.91 698	0.31 649	153.02 723	0.19 449	0.09 333	0.21 536	0.16 383	0.22 378	0.59 641	0.72 665	0.67 655	0.42 626	0.50 656	0.24 571	0.39 649	0.08 407	0.07 482	0.08 387	0.07 373	0.12 562	0.10 524

DPSMNet_ROB	8.06 699	4.48 698	8.63 707	5.37 700	10.74 703	8.32 696	22.98 708	5.46 698	13.36 708	5.12 699	9.92 704	5.08 697	10.40 705	5.53 699	12.58 705	3.80 703	8.00 704	3.50 700	7.02 705	3.83 700	7.14 707

DGTPSM_ROB	8.06 699	4.48 698	8.63 707	5.35 698	10.72 702	8.32 696	22.97 707	5.46 698	13.35 707	5.12 699	9.92 704	5.08 697	10.40 705	5.52 698	12.58 705	3.79 702	8.00 704	3.50 700	7.02 705	3.83 700	7.14 707

PML	8.91 701	9.34 711	6.13 697	5.35 698	6.41 699	14.99 703	23.38 709	5.27 697	6.83 699	18.04 714	28.19 722	7.67 701	6.83 700	7.85 701	5.75 698	5.35 704	1.83 698	5.95 710	1.93 698	8.64 707	2.52 699

DLNR_Zeroshot_test	10.40 702	1.82 692	19.49 717	120.77 723	13.11 710	0.06 12	0.13 166	0.23 399	0.10 69	0.07 70	0.10 188	0.09 213	0.06 65	0.10 120	0.09 101	0.13 590	0.04 25	0.06 183	0.04 55	51.54 722	0.04 71

DLNR-FE	10.43 703	1.83 693	19.53 718	120.75 722	13.06 709	0.06 12	0.13 166	0.23 399	0.10 69	0.07 70	0.10 188	0.09 213	0.06 65	0.10 120	0.09 101	0.13 590	0.04 25	0.06 183	0.04 55	52.01 723	0.04 71

iinet-test	10.48 704	8.09 707	7.54 703	10.26 702	10.94 704	18.00 708	25.26 710	11.33 709	13.28 705	9.69 706	9.85 702	9.42 707	11.17 707	11.02 706	12.78 708	6.59 707	8.30 706	5.56 705	6.56 701	6.89 703	7.02 705

IINet	10.48 704	8.09 707	7.54 703	10.26 702	10.94 704	18.00 708	25.26 710	11.33 709	13.28 705	9.69 706	9.85 702	9.42 707	11.17 707	11.02 706	12.78 708	6.59 707	8.30 706	5.56 705	6.56 701	6.89 703	7.02 705

LRCNet_RVC	10.62 706	13.42 712	7.30 698	18.92 711	2.07 694	0.33 622	0.30 646	5.59 700	0.48 611	13.03 710	17.94 710	8.87 703	5.65 699	4.79 697	1.89 692	23.51 719	2.73 702	27.55 722	25.71 722	16.07 716	16.33 718

Anonymous_1	10.96 707	7.92 706	7.46 702	10.33 704	10.06 701	18.65 710	26.34 712	11.06 708	13.44 709	9.40 705	10.05 706	9.67 709	11.23 709	10.73 705	12.72 707	6.42 706	8.38 708	5.77 707	10.61 707	12.12 708	6.77 704

DPSM_ROB	11.15 708	8.58 709	8.00 705	10.88 705	11.58 706	19.10 711	26.71 713	12.05 711	14.07 712	10.36 708	10.84 707	10.33 710	11.86 710	11.70 708	13.54 710	6.99 709	8.79 709	5.89 708	6.95 703	7.29 705	7.42 709

DPSM	11.15 708	8.58 709	8.00 705	10.88 705	11.58 706	19.10 711	26.71 713	12.05 711	14.07 712	10.36 708	10.84 707	10.33 710	11.86 710	11.70 708	13.54 710	6.99 709	8.79 709	5.89 708	6.95 703	7.29 705	7.42 709

HaxPig	15.71 710	18.52 720	19.18 716	16.89 710	15.89 711	7.73 695	7.60 698	13.31 713	10.82 704	15.42 711	14.91 709	15.98 712	14.92 712	15.58 711	15.98 712	18.95 718	16.73 712	19.46 718	18.08 718	19.26 717	19.05 721

Selective-IGEV-i16pa	18.58 711	3.30 695	1.09 681	0.21 548	0.18 626	103.68 723	0.28 628	19.87 715	40.73 723	4.16 697	56.45 723	8.07 702	2.59 696	123.95 724	5.89 700	0.18 631	0.12 595	0.09 470	0.12 587	0.12 562	0.51 674

RSGM-EC	20.36 712	4.73 700	0.68 662	16.76 708	16.92 712	21.28 713	27.18 715	10.46 706	14.04 710	18.00 712	21.31 713	22.24 721	21.82 714	22.57 713	17.63 713	62.81 722	33.79 722	20.14 719	18.10 719	20.18 718	16.45 719

acva	20.36 712	4.73 700	0.68 662	16.76 708	16.92 712	21.28 713	27.18 715	10.46 706	14.04 710	18.00 712	21.31 713	22.24 721	21.82 714	22.57 713	17.63 713	62.81 722	33.79 722	20.14 719	18.10 719	20.18 718	16.45 719

MEDIAN_ROB	20.38 714	24.04 721	23.31 719	21.23 712	21.71 714	10.40 701	7.92 699	17.64 714	15.50 714	20.12 715	19.70 711	20.34 713	20.32 713	21.19 712	21.13 715	23.81 720	21.81 720	24.98 721	23.76 721	24.71 720	23.93 722

CasAABBNet	22.42 715	17.33 714	16.01 711	22.01 714	23.28 716	38.32 715	53.80 719	24.14 719	28.41 719	20.60 717	21.77 717	20.89 719	23.91 718	23.43 717	27.36 718	14.07 712	17.69 714	11.83 713	14.01 712	14.67 711	14.95 714

RAFT-FEzeroshot	22.43 716	17.33 714	15.98 709	22.02 715	23.31 718	38.34 716	53.82 721	24.05 717	28.39 717	20.61 718	21.76 715	20.88 716	23.92 720	23.41 715	27.42 720	14.07 712	17.69 714	11.83 713	14.02 713	14.69 712	14.97 715

RAFT-FE	22.43 716	17.33 714	15.98 709	22.02 715	23.31 718	38.34 716	53.82 721	24.05 717	28.39 717	20.61 718	21.76 715	20.88 716	23.92 720	23.41 715	27.42 720	14.07 712	17.69 714	11.83 713	14.02 713	14.69 712	14.97 715

FlowAnything	22.44 718	17.35 717	16.14 713	22.07 718	23.23 715	38.39 719	53.77 718	24.25 720	28.44 720	20.96 722	21.82 719	20.70 714	23.84 716	23.49 719	27.14 717	14.04 711	17.79 719	11.75 711	14.15 717	14.65 709	14.89 711

Hybrid-DGEV	22.47 719	17.40 719	16.14 713	22.00 713	23.29 717	38.36 718	53.80 719	24.43 723	28.63 722	20.59 716	21.81 718	20.88 716	23.91 718	23.45 718	27.42 720	14.08 715	17.69 714	11.83 713	14.06 716	14.65 709	14.93 713

Selective-RAFT-Error	22.47 719	17.37 718	16.09 712	22.06 717	23.34 720	38.39 719	53.83 723	24.29 722	28.47 721	20.74 720	21.83 720	20.81 715	23.90 717	23.54 721	27.53 723	14.08 715	17.69 714	11.82 712	14.00 711	14.69 712	15.00 717

LSM0	22.87 721	17.28 713	18.96 715	22.19 719	29.04 722	38.42 721	53.71 717	24.28 721	28.31 716	20.78 721	21.00 712	21.43 720	24.16 722	23.50 720	27.39 719	14.09 717	17.38 713	11.84 717	14.04 715	14.73 715	14.89 711

AVERAGE_ROB	24.90 722	29.20 722	28.14 720	24.89 720	24.64 721	17.75 707	11.12 700	21.45 716	19.93 715	25.12 723	24.46 721	25.12 723	25.46 723	24.69 722	22.83 716	29.76 721	27.13 721	28.97 723	27.95 723	29.91 721	29.47 723

test_example2	98.32 723	94.13 723	45.89 721	96.35 721	109.85 723	88.61 722	95.45 724	25.75 724	94.37 724	130.00 725	126.06 725	58.17 724	74.63 724	88.51 723	79.96 724	150.23 724	221.02 724	77.62 724	99.10 724	113.75 724	96.94 724

ccccc	245.47 724	285.66 724	306.18 724	368.85 724	370.60 724	123.16 724	145.33 725	115.05 725	110.08 725	126.68 724	110.87 724	122.83 725	165.88 725	252.94 725	276.56 725	384.56 725	353.86 725	254.69 725	223.00 725	425.87 725	386.83 725

GS-Stereo							0.14 231	0.11 54	0.12 137	0.08 123	0.10 188	0.05 5	0.05 14	0.11 191	0.08 25	0.06 166	0.04 25	0.05 45	0.04 55	0.05 163	0.05 202

Low-res two-view benchmark