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

monster-pro	0.07 6	0.06 92	0.06 1	0.15 101	0.05 2	0.08 71	0.10 33	0.15 172	0.15 226	0.05 2	0.06 19	0.05 4	0.06 65	0.07 3	0.09 90	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

BridgeDepth	0.07 6	0.07 193	0.08 35	0.18 371	0.06 25	0.07 32	0.11 67	0.10 25	0.06 6	0.04 1	0.07 57	0.10 242	0.09 253	0.08 21	0.08 23	0.04 6	0.03 1	0.04 1	0.04 49	0.03 1	0.03 1
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
MonStereo	0.07 6	0.06 92	0.06 1	0.15 101	0.05 2	0.08 71	0.10 33	0.15 172	0.15 226	0.05 2	0.06 19	0.05 4	0.06 65	0.07 3	0.09 90	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

Monster-pub-eth3d	0.07 6	0.06 92	0.06 1	0.15 101	0.05 2	0.08 71	0.10 33	0.15 172	0.15 226	0.05 2	0.06 19	0.05 4	0.06 65	0.07 3	0.10 184	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

asda	0.07 6	0.08 326	0.08 35	0.16 193	0.07 119	0.06 11	0.10 33	0.16 209	0.11 93	0.06 21	0.06 19	0.05 4	0.06 65	0.10 112	0.10 184	0.03 1	0.03 1	0.04 1	0.03 1	0.04 45	0.03 1

asd	0.07 6	0.08 326	0.08 35	0.16 193	0.07 119	0.08 71	0.08 7	0.11 51	0.08 19	0.07 66	0.07 57	0.06 39	0.06 65	0.10 112	0.09 90	0.03 1	0.03 1	0.04 1	0.04 49	0.04 45	0.03 1

qwe	0.08 70	0.08 326	0.07 8	0.15 101	0.06 25	0.07 32	0.10 33	0.18 276	0.12 130	0.07 66	0.07 57	0.06 39	0.06 65	0.10 112	0.09 90	0.04 6	0.03 1	0.04 1	0.04 49	0.04 45	0.03 1

4.25_new	0.07 6	0.08 326	0.09 103	0.15 101	0.06 25	0.08 71	0.08 7	0.14 134	0.08 19	0.07 66	0.07 57	0.06 39	0.06 65	0.12 273	0.10 184	0.04 6	0.03 1	0.04 1	0.03 1	0.04 45	0.03 1

4.5w_new	0.07 6	0.08 326	0.09 103	0.15 101	0.06 25	0.08 71	0.08 7	0.14 134	0.08 19	0.07 66	0.07 57	0.06 39	0.06 65	0.12 273	0.10 184	0.04 6	0.03 1	0.04 1	0.03 1	0.04 45	0.03 1

4.5_new	0.07 6	0.09 406	0.08 35	0.15 101	0.07 119	0.07 32	0.10 33	0.14 134	0.11 93	0.06 21	0.08 114	0.06 39	0.06 65	0.08 21	0.10 184	0.03 1	0.03 1	0.04 1	0.04 49	0.04 45	0.03 1

4.5w-stereo	0.07 6	0.09 406	0.08 35	0.15 101	0.07 119	0.07 32	0.10 33	0.14 134	0.11 93	0.06 21	0.08 114	0.06 39	0.06 65	0.08 21	0.10 184	0.03 1	0.03 1	0.04 1	0.04 49	0.04 45	0.03 1

4.25w-stereo	0.07 6	0.08 326	0.09 103	0.15 101	0.06 25	0.08 71	0.08 7	0.14 134	0.08 19	0.07 66	0.07 57	0.06 39	0.06 65	0.12 273	0.10 184	0.04 6	0.03 1	0.04 1	0.03 1	0.04 45	0.03 1

4w-stereo	0.07 6	0.08 326	0.08 35	0.16 193	0.07 119	0.07 32	0.08 7	0.11 51	0.09 42	0.07 66	0.07 57	0.05 4	0.06 65	0.09 55	0.10 184	0.03 1	0.03 1	0.04 1	0.04 49	0.04 45	0.03 1

2.5w	0.07 6	0.07 193	0.08 35	0.16 193	0.06 25	0.08 71	0.12 102	0.10 25	0.10 61	0.07 66	0.06 19	0.09 210	0.06 65	0.08 21	0.09 90	0.04 6	0.03 1	0.04 1	0.04 49	0.03 1	0.03 1

3.25w_new	0.07 6	0.06 92	0.08 35	0.15 101	0.06 25	0.10 186	0.07 3	0.12 77	0.11 93	0.08 118	0.07 57	0.07 118	0.06 65	0.11 182	0.10 184	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 47

3.25w	0.07 6	0.06 92	0.08 35	0.15 101	0.06 25	0.10 186	0.07 3	0.12 77	0.11 93	0.08 118	0.07 57	0.07 118	0.06 65	0.11 182	0.10 184	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 47

3.75w	0.07 6	0.07 193	0.08 35	0.16 193	0.07 119	0.07 32	0.09 20	0.16 209	0.10 61	0.07 66	0.06 19	0.06 39	0.06 65	0.09 55	0.10 184	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 6	0.07 193	0.07 8	0.15 101	0.07 119	0.09 129	0.06 1	0.14 134	0.11 93	0.08 118	0.07 57	0.06 39	0.07 169	0.10 112	0.09 90	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3w_stereo	0.08 70	0.09 406	0.10 161	0.17 281	0.07 119	0.08 71	0.11 67	0.20 327	0.13 172	0.06 21	0.07 57	0.05 4	0.06 65	0.08 21	0.09 90	0.04 6	0.03 1	0.04 1	0.03 1	0.04 45	0.03 1

2w_stereo	0.08 70	0.08 326	0.09 103	0.16 193	0.06 25	0.09 129	0.10 33	0.20 327	0.15 226	0.08 118	0.07 57	0.06 39	0.06 65	0.06 1	0.10 184	0.04 6	0.03 1	0.04 1	0.04 49	0.03 1	0.03 1

1w_stereo	0.08 70	0.06 92	0.07 8	0.16 193	0.06 25	0.07 32	0.10 33	0.14 134	0.15 226	0.07 66	0.08 114	0.05 4	0.06 65	0.10 112	0.09 90	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 47

MonSter	0.07 6	0.06 92	0.06 1	0.15 101	0.05 2	0.08 71	0.10 33	0.15 172	0.15 226	0.05 2	0.06 19	0.05 4	0.06 65	0.07 3	0.09 90	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

4D-IteraStereo	0.10 228	0.07 193	0.10 161	0.18 371	0.07 119	0.09 129	0.15 320	0.18 276	0.15 226	0.10 211	0.11 235	0.10 242	0.07 169	0.12 273	0.09 90	0.05 48	0.03 1	0.08 383	0.07 370	0.06 275	0.05 184

MGA	0.07 6	0.04 1	0.11 222	0.13 11	0.06 25	0.08 71	0.09 20	0.12 77	0.08 19	0.05 2	0.06 19	0.06 39	0.05 17	0.10 112	0.09 90	0.06 160	0.04 24	0.05 43	0.03 1	0.05 156	0.05 184

CAR	0.07 6	0.05 29	0.09 103	0.14 53	0.06 25	0.07 32	0.08 7	0.12 77	0.08 19	0.05 2	0.06 19	0.05 4	0.05 17	0.10 112	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

MSE-Stereo	0.07 6	0.04 1	0.09 103	0.13 11	0.06 25	0.07 32	0.08 7	0.12 77	0.08 19	0.05 2	0.06 19	0.05 4	0.05 17	0.10 112	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

PointNet	0.08 70	0.06 92	0.07 8	0.15 101	0.07 119	0.09 129	0.14 237	0.11 51	0.08 19	0.05 2	0.08 114	0.08 170	0.09 253	0.09 55	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.03 1	0.04 47

TS12	0.08 70	0.06 92	0.09 103	0.21 541	0.07 119	0.12 290	0.12 102	0.11 51	0.09 42	0.10 211	0.10 184	0.08 170	0.10 282	0.09 55	0.12 333	0.04 6	0.04 24	0.05 43	0.04 49	0.03 1	0.04 47

DF	0.08 70	0.06 92	0.10 161	0.15 101	0.06 25	0.11 236	0.12 102	0.11 51	0.12 130	0.09 168	0.10 184	0.10 242	0.08 221	0.11 182	0.09 90	0.07 329	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

aanet-new-90k	0.08 70	0.07 193	0.09 103	0.19 441	0.06 25	0.07 32	0.12 102	0.13 105	0.13 172	0.06 21	0.07 57	0.06 39	0.07 169	0.11 182	0.07 1	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.03 1

aanet-new-60k	0.08 70	0.07 193	0.08 35	0.18 371	0.06 25	0.07 32	0.10 33	0.09 17	0.14 200	0.07 66	0.07 57	0.06 39	0.07 169	0.11 182	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.04 45	0.03 1

aanet-new-70k	0.07 6	0.06 92	0.09 103	0.17 281	0.06 25	0.08 71	0.12 102	0.11 51	0.10 61	0.07 66	0.07 57	0.07 118	0.06 65	0.10 112	0.07 1	0.04 6	0.04 24	0.05 43	0.04 49	0.04 45	0.03 1

aanet-new-78k	0.08 70	0.07 193	0.09 103	0.19 441	0.06 25	0.07 32	0.12 102	0.11 51	0.13 172	0.06 21	0.07 57	0.06 39	0.06 65	0.10 112	0.07 1	0.04 6	0.04 24	0.05 43	0.04 49	0.05 156	0.03 1

aanet-new-40k	0.07 6	0.08 326	0.08 35	0.17 281	0.07 119	0.08 71	0.13 168	0.10 25	0.10 61	0.07 66	0.09 152	0.06 39	0.05 17	0.08 21	0.07 1	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

aanet-new-36k	0.08 70	0.07 193	0.10 161	0.17 281	0.06 25	0.09 129	0.13 168	0.12 77	0.14 200	0.08 118	0.08 114	0.06 39	0.05 17	0.09 55	0.08 23	0.04 6	0.04 24	0.05 43	0.04 49	0.03 1	0.03 1

aanet-new-34k	0.08 70	0.06 92	0.09 103	0.17 281	0.05 2	0.08 71	0.13 168	0.12 77	0.13 172	0.09 168	0.08 114	0.07 118	0.05 17	0.10 112	0.09 90	0.04 6	0.04 24	0.05 43	0.04 49	0.03 1	0.03 1

aanet-32k-new	0.08 70	0.07 193	0.08 35	0.19 441	0.06 25	0.08 71	0.12 102	0.11 51	0.13 172	0.07 66	0.08 114	0.05 4	0.07 169	0.10 112	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.06 275	0.04 47

aanet-new-32k	0.08 70	0.07 193	0.09 103	0.18 371	0.06 25	0.10 186	0.11 67	0.10 25	0.09 42	0.07 66	0.07 57	0.07 118	0.06 65	0.11 182	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

aanet-new-30k	0.08 70	0.07 193	0.09 103	0.18 371	0.06 25	0.10 186	0.11 67	0.10 25	0.09 42	0.07 66	0.07 57	0.07 118	0.06 65	0.11 182	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

aanet-new-28k	0.08 70	0.07 193	0.09 103	0.18 371	0.06 25	0.08 71	0.12 102	0.10 25	0.09 42	0.09 168	0.08 114	0.08 170	0.06 65	0.12 273	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

GCAP-Stereo-DPT26K	0.07 6	0.07 193	0.07 8	0.16 193	0.06 25	0.08 71	0.12 102	0.10 25	0.09 42	0.06 21	0.09 152	0.06 39	0.05 17	0.09 55	0.08 23	0.04 6	0.04 24	0.05 43	0.04 49	0.03 1	0.04 47

aanet-new-24k	0.08 70	0.08 326	0.08 35	0.17 281	0.06 25	0.07 32	0.12 102	0.10 25	0.11 93	0.09 168	0.09 152	0.06 39	0.07 169	0.09 55	0.07 1	0.04 6	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

aanet-new-16k	0.08 70	0.08 326	0.08 35	0.18 371	0.06 25	0.07 32	0.10 33	0.13 105	0.13 172	0.08 118	0.07 57	0.07 118	0.06 65	0.09 55	0.08 23	0.04 6	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

aanet-new-10k	0.08 70	0.08 326	0.08 35	0.19 441	0.07 119	0.08 71	0.13 168	0.15 172	0.12 130	0.07 66	0.08 114	0.07 118	0.07 169	0.09 55	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

aanet-new-12k	0.08 70	0.10 474	0.07 8	0.20 505	0.08 203	0.08 71	0.12 102	0.12 77	0.14 200	0.08 118	0.08 114	0.05 4	0.07 169	0.09 55	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.06 275	0.04 47

aanet-new-14k	0.08 70	0.09 406	0.08 35	0.19 441	0.07 119	0.07 32	0.10 33	0.14 134	0.15 226	0.06 21	0.08 114	0.05 4	0.06 65	0.10 112	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

aanet-new-8k	0.08 70	0.08 326	0.08 35	0.19 441	0.07 119	0.09 129	0.11 67	0.17 246	0.15 226	0.07 66	0.07 57	0.06 39	0.06 65	0.10 112	0.08 23	0.04 6	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

aanet-new	0.09 159	0.09 406	0.10 161	0.18 371	0.08 203	0.10 186	0.12 102	0.15 172	0.13 172	0.08 118	0.08 114	0.05 4	0.07 169	0.10 112	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.06 275	0.04 47

GCAP-Stereo-cres-4k	0.08 70	0.08 326	0.09 103	0.18 371	0.07 119	0.11 236	0.14 237	0.13 105	0.11 93	0.08 118	0.11 235	0.07 118	0.06 65	0.09 55	0.08 23	0.04 6	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

GCAP-Stereo-DPT-cres	0.08 70	0.05 29	0.08 35	0.15 101	0.06 25	0.10 186	0.14 237	0.13 105	0.12 130	0.07 66	0.08 114	0.07 118	0.06 65	0.10 112	0.09 90	0.05 48	0.04 24	0.05 43	0.04 49	0.03 1	0.04 47

GCAP-Stereo-DPT-22K	0.08 70	0.06 92	0.08 35	0.17 281	0.06 25	0.07 32	0.14 237	0.13 105	0.16 260	0.05 2	0.10 184	0.06 39	0.06 65	0.08 21	0.08 23	0.04 6	0.04 24	0.05 43	0.04 49	0.03 1	0.04 47

GCAP-Stereo-DPT-24K	0.07 6	0.06 92	0.07 8	0.15 101	0.06 25	0.10 186	0.15 320	0.12 77	0.11 93	0.06 21	0.11 235	0.06 39	0.05 17	0.09 55	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.03 1	0.03 1

GCAP-Stereo-DPT-5K	0.08 70	0.06 92	0.11 222	0.16 193	0.07 119	0.11 236	0.12 102	0.15 172	0.16 260	0.08 118	0.12 255	0.05 4	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.06 178	0.05 185	0.03 1	0.04 47

GCAP-Stereo-DPT-2K	0.08 70	0.06 92	0.10 161	0.16 193	0.07 119	0.11 236	0.13 168	0.14 134	0.14 200	0.08 118	0.13 276	0.05 4	0.06 65	0.10 112	0.08 23	0.05 48	0.04 24	0.06 178	0.04 49	0.03 1	0.04 47

GCAP-Stereo-DPT-3K	0.08 70	0.07 193	0.10 161	0.16 193	0.07 119	0.09 129	0.12 102	0.15 172	0.15 226	0.09 168	0.12 255	0.05 4	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.06 178	0.04 49	0.03 1	0.04 47

GCAP-Stereo-DPT-50K	0.08 70	0.07 193	0.18 493	0.16 193	0.06 25	0.06 11	0.13 168	0.13 105	0.13 172	0.07 66	0.07 57	0.06 39	0.05 17	0.08 21	0.08 23	0.04 6	0.04 24	0.05 43	0.04 49	0.03 1	0.03 1

GCAP-Stereo-DPT-25K	0.08 70	0.06 92	0.08 35	0.16 193	0.06 25	0.06 11	0.14 237	0.14 134	0.15 226	0.07 66	0.10 184	0.06 39	0.05 17	0.09 55	0.09 90	0.04 6	0.04 24	0.05 43	0.04 49	0.03 1	0.03 1

GCAP-Stereo-DPT-FT	0.08 70	0.05 29	0.12 271	0.15 101	0.06 25	0.09 129	0.13 168	0.12 77	0.12 130	0.07 66	0.09 152	0.06 39	0.06 65	0.10 112	0.08 23	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

PipStereo	0.07 6	0.04 1	0.09 103	0.13 11	0.05 2	0.08 71	0.10 33	0.06 1	0.07 13	0.06 21	0.05 7	0.09 210	0.05 17	0.08 21	0.09 90	0.06 160	0.04 24	0.04 1	0.03 1	0.05 156	0.05 184

PSi22b	0.06 1	0.04 1	0.09 103	0.13 11	0.05 2	0.08 71	0.10 33	0.06 1	0.06 6	0.06 21	0.06 19	0.08 170	0.05 17	0.08 21	0.09 90	0.06 160	0.04 24	0.04 1	0.03 1	0.04 45	0.05 184

PSi22a	0.06 1	0.04 1	0.09 103	0.12 5	0.05 2	0.06 11	0.11 67	0.06 1	0.06 6	0.06 21	0.06 19	0.06 39	0.05 17	0.08 21	0.09 90	0.07 329	0.04 24	0.04 1	0.03 1	0.04 45	0.04 47

LACA3	0.07 6	0.08 326	0.08 35	0.13 11	0.05 2	0.09 129	0.11 67	0.08 10	0.09 42	0.08 118	0.06 19	0.07 118	0.07 169	0.08 21	0.07 1	0.06 160	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

PSi22	0.08 70	0.06 92	0.11 222	0.16 193	0.07 119	0.08 71	0.10 33	0.14 134	0.08 19	0.08 118	0.07 57	0.10 242	0.06 65	0.12 273	0.10 184	0.05 48	0.04 24	0.04 1	0.04 49	0.04 45	0.04 47

Foundation-i1c-attn	0.08 70	0.05 29	0.07 8	0.14 53	0.05 2	0.09 129	0.12 102	0.13 105	0.10 61	0.09 168	0.10 184	0.10 242	0.07 169	0.08 21	0.10 184	0.06 160	0.04 24	0.05 43	0.04 49	0.03 1	0.04 47

Foundation-i1b	0.08 70	0.05 29	0.07 8	0.14 53	0.05 2	0.09 129	0.12 102	0.13 105	0.10 61	0.09 168	0.10 184	0.10 242	0.06 65	0.07 3	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.03 1	0.03 1

Foundation-i1a	0.08 70	0.05 29	0.08 35	0.13 11	0.05 2	0.13 333	0.13 168	0.12 77	0.10 61	0.11 253	0.11 235	0.11 274	0.06 65	0.08 21	0.09 90	0.06 160	0.04 24	0.05 43	0.03 1	0.04 45	0.04 47

LiteMatch	0.09 159	0.06 92	0.10 161	0.16 193	0.07 119	0.10 186	0.15 320	0.13 105	0.08 19	0.06 21	0.07 57	0.06 39	0.16 461	0.10 112	0.14 406	0.07 329	0.04 24	0.06 178	0.06 269	0.06 275	0.06 284

Lsterematch	0.11 271	0.06 92	0.11 222	0.16 193	0.07 119	0.13 333	0.15 320	0.14 134	0.18 313	0.16 398	0.18 365	0.15 367	0.16 461	0.13 330	0.14 406	0.07 329	0.04 24	0.06 178	0.06 269	0.06 275	0.06 284

Foundation-i1	0.09 159	0.04 1	0.10 161	0.14 53	0.06 25	0.10 186	0.13 168	0.16 209	0.15 226	0.10 211	0.10 184	0.11 274	0.07 169	0.07 3	0.10 184	0.06 160	0.04 24	0.05 43	0.05 185	0.05 156	0.05 184

Foundation-i32	0.06 1	0.04 1	0.09 103	0.13 11	0.04 1	0.06 11	0.12 102	0.06 1	0.05 3	0.06 21	0.05 7	0.05 4	0.05 17	0.07 3	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

Selective-IGEV-i32	0.07 6	0.06 92	0.09 103	0.17 281	0.06 25	0.08 71	0.12 102	0.13 105	0.08 19	0.08 118	0.07 57	0.06 39	0.04 1	0.10 112	0.09 90	0.05 48	0.04 24	0.05 43	0.04 49	0.04 45	0.03 1

LACA2	0.07 6	0.05 29	0.06 1	0.15 101	0.06 25	0.09 129	0.10 33	0.11 51	0.11 93	0.05 2	0.05 7	0.06 39	0.08 221	0.09 55	0.07 1	0.07 329	0.04 24	0.04 1	0.04 49	0.04 45	0.04 47

LACA1	0.07 6	0.07 193	0.07 8	0.14 53	0.05 2	0.09 129	0.11 67	0.10 25	0.07 13	0.05 2	0.05 7	0.06 39	0.08 221	0.08 21	0.09 90	0.06 160	0.04 24	0.04 1	0.04 49	0.03 1	0.04 47

Test_v1	0.07 6	0.04 1	0.06 1	0.13 11	0.06 25	0.09 129	0.10 33	0.15 172	0.12 130	0.06 21	0.05 7	0.04 1	0.05 17	0.08 21	0.10 184	0.07 329	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

gcap_with_dpt	0.08 70	0.06 92	0.10 161	0.16 193	0.07 119	0.10 186	0.12 102	0.14 134	0.14 200	0.08 118	0.12 255	0.05 4	0.06 65	0.10 112	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.03 1	0.04 47

Hybrid-DGEV-03	0.11 271	0.06 92	0.09 103	0.18 371	0.08 203	0.16 430	0.14 237	0.15 172	0.14 200	0.13 321	0.17 339	0.12 298	0.09 253	0.13 330	0.11 263	0.06 160	0.04 24	0.08 383	0.06 269	0.05 156	0.04 47

DispViT+	0.08 70	0.05 29	0.10 161	0.13 11	0.06 25	0.05 3	0.11 67	0.18 276	0.16 260	0.09 168	0.08 114	0.07 118	0.06 65	0.11 182	0.09 90	0.06 160	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

BLMT-Stereo	0.07 6	0.04 1	0.08 35	0.15 101	0.07 119	0.07 32	0.14 237	0.07 6	0.10 61	0.05 2	0.05 7	0.04 1	0.06 65	0.07 3	0.09 90	0.04 6	0.04 24	0.06 178	0.05 185	0.04 45	0.04 47

Pro-Stereo	0.07 6	0.05 29	0.08 35	0.15 101	0.08 203	0.08 71	0.12 102	0.07 6	0.08 19	0.06 21	0.06 19	0.05 4	0.05 17	0.09 55	0.08 23	0.05 48	0.04 24	0.06 178	0.05 185	0.04 45	0.04 47

WQFJA1++	0.08 70	0.04 1	0.11 222	0.14 53	0.07 119	0.11 236	0.11 67	0.12 77	0.07 13	0.07 66	0.07 57	0.07 118	0.06 65	0.10 112	0.10 184	0.06 160	0.04 24	0.05 43	0.04 49	0.06 275	0.06 284

BridgeDepth_RVC	0.07 6	0.04 1	0.09 103	0.11 1	0.05 2	0.10 186	0.10 33	0.14 134	0.09 42	0.06 21	0.07 57	0.06 39	0.08 221	0.07 3	0.10 184	0.06 160	0.04 24	0.04 1	0.04 49	0.05 156	0.04 47
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
NLSM3	0.09 159	0.07 193	0.08 35	0.20 505	0.08 203	0.11 236	0.16 384	0.18 276	0.17 295	0.06 21	0.08 114	0.08 170	0.09 253	0.09 55	0.11 263	0.04 6	0.04 24	0.06 178	0.07 370	0.03 1	0.04 47

VIP-Stereo	0.07 6	0.07 193	0.08 35	0.15 101	0.06 25	0.11 236	0.10 33	0.11 51	0.11 93	0.06 21	0.07 57	0.06 39	0.05 17	0.10 112	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.03 1	0.03 1

GEAStereo	0.08 70	0.06 92	0.09 103	0.13 11	0.08 203	0.08 71	0.14 237	0.10 25	0.10 61	0.08 118	0.10 184	0.06 39	0.04 1	0.11 182	0.08 23	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.05 184

GSStereo	0.08 70	0.06 92	0.09 103	0.13 11	0.08 203	0.08 71	0.14 237	0.11 51	0.12 130	0.08 118	0.10 184	0.05 4	0.04 1	0.11 182	0.08 23	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.05 184

GS-Stereo							0.14 237	0.11 51	0.12 130	0.08 118	0.10 184	0.05 4	0.04 1	0.11 182	0.08 23	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.05 184

gasm-f	0.08 70	0.05 29	0.08 35	0.13 11	0.08 203	0.08 71	0.14 237	0.10 25	0.10 61	0.08 118	0.10 184	0.06 39	0.05 17	0.10 112	0.08 23	0.06 160	0.04 24	0.05 43	0.04 49	0.06 275	0.05 184

FE-Mocha	0.09 159	0.06 92	0.14 357	0.16 193	0.09 322	0.11 236	0.15 320	0.19 309	0.16 260	0.10 211	0.09 152	0.07 118	0.07 169	0.09 55	0.09 90	0.06 160	0.04 24	0.06 178	0.06 269	0.05 156	0.05 184

DLNR-FE	10.51 701	2.29 690	19.85 714	120.28 718	13.21 706	0.06 11	0.13 168	0.24 414	0.10 61	0.08 118	0.10 184	0.09 210	0.07 169	0.10 112	0.09 90	0.13 582	0.04 24	0.06 178	0.04 49	53.18 720	0.04 47

IGEV-FE	0.09 159	0.05 29	0.13 311	0.14 53	0.08 203	0.12 290	0.13 168	0.17 246	0.11 93	0.10 211	0.06 19	0.09 210	0.06 65	0.11 182	0.09 90	0.06 160	0.04 24	0.06 178	0.06 269	0.05 156	0.05 184

DDF-Stereo	0.08 70	0.05 29	0.10 161	0.15 101	0.10 437	0.05 3	0.13 168	0.09 17	0.14 200	0.06 21	0.06 19	0.07 118	0.06 65	0.09 55	0.10 184	0.06 160	0.04 24	0.06 178	0.04 49	0.08 423	0.05 184

252Zero-FE	0.08 70	0.04 1	0.10 161	0.13 11	0.07 119	0.13 333	0.11 67	0.13 105	0.14 200	0.07 66	0.05 7	0.06 39	0.05 17	0.09 55	0.10 184	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.06 284

Zero-FE251	0.08 70	0.05 29	0.10 161	0.13 11	0.06 25	0.12 290	0.12 102	0.11 51	0.10 61	0.07 66	0.08 114	0.06 39	0.06 65	0.10 112	0.08 23	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

Wavelet-MonSter	0.07 6	0.05 29	0.07 8	0.16 193	0.06 25	0.07 32	0.11 67	0.10 25	0.08 19	0.06 21	0.07 57	0.07 118	0.07 169	0.09 55	0.09 90	0.04 6	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

DA	0.09 159	0.07 193	0.07 8	0.19 441	0.08 203	0.10 186	0.13 168	0.13 105	0.12 130	0.08 118	0.10 184	0.10 242	0.08 221	0.09 55	0.10 184	0.05 48	0.04 24	0.06 178	0.04 49	0.05 156	0.04 47

Monster-pub-mixall	0.07 6	0.04 1	0.09 103	0.13 11	0.06 25	0.06 11	0.08 7	0.12 77	0.07 13	0.06 21	0.06 19	0.05 4	0.06 65	0.09 55	0.09 90	0.06 160	0.04 24	0.04 1	0.03 1	0.05 156	0.05 184

Replicate-Monster	0.07 6	0.05 29	0.09 103	0.14 53	0.06 25	0.09 129	0.09 20	0.14 134	0.12 130	0.05 2	0.07 57	0.06 39	0.06 65	0.08 21	0.10 184	0.06 160	0.04 24	0.05 43	0.03 1	0.04 45	0.04 47

zero-FE	0.08 70	0.05 29	0.10 161	0.15 101	0.10 437	0.05 3	0.13 168	0.09 17	0.14 200	0.07 66	0.06 19	0.07 118	0.06 65	0.09 55	0.10 184	0.06 160	0.04 24	0.06 178	0.04 49	0.08 423	0.05 184

GGEV	0.09 159	0.07 193	0.07 8	0.19 441	0.08 203	0.10 186	0.13 168	0.13 105	0.12 130	0.08 118	0.10 184	0.10 242	0.08 221	0.09 55	0.10 184	0.05 48	0.04 24	0.06 178	0.04 49	0.05 156	0.04 47

2.25w	0.07 6	0.07 193	0.08 35	0.15 101	0.06 25	0.08 71	0.09 20	0.10 25	0.15 226	0.08 118	0.10 184	0.07 118	0.06 65	0.09 55	0.10 184	0.05 48	0.04 24	0.04 1	0.04 49	0.03 1	0.04 47

2.75w_new	0.07 6	0.07 193	0.07 8	0.13 11	0.06 25	0.08 71	0.08 7	0.18 276	0.13 172	0.08 118	0.08 114	0.06 39	0.06 65	0.09 55	0.11 263	0.04 6	0.04 24	0.04 1	0.03 1	0.03 1	0.04 47

monsterstereo	0.08 70	0.06 92	0.07 8	0.16 193	0.06 25	0.08 71	0.10 33	0.16 209	0.12 130	0.07 66	0.08 114	0.06 39	0.07 169	0.08 21	0.09 90	0.04 6	0.04 24	0.05 43	0.04 49	0.04 45	0.03 1

monsters	0.07 6	0.06 92	0.06 1	0.15 101	0.06 25	0.08 71	0.09 20	0.13 105	0.09 42	0.09 168	0.07 57	0.06 39	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.04 1	0.04 49	0.03 1	0.04 47

IGEV	0.08 70	0.04 1	0.09 103	0.13 11	0.06 25	0.09 129	0.12 102	0.14 134	0.10 61	0.06 21	0.09 152	0.07 118	0.05 17	0.09 55	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

xyz-stereo-finetune2	0.11 271	0.07 193	0.13 311	0.13 11	0.07 119	0.11 236	0.19 512	0.17 246	0.12 130	0.15 369	0.15 302	0.17 407	0.13 387	0.13 330	0.11 263	0.05 48	0.04 24	0.07 293	0.05 185	0.04 45	0.06 284

xyz-stereo-finetune	0.11 271	0.08 326	0.13 311	0.14 53	0.06 25	0.10 186	0.19 512	0.18 276	0.19 341	0.12 289	0.14 289	0.15 367	0.11 321	0.13 330	0.12 333	0.05 48	0.04 24	0.07 293	0.05 185	0.04 45	0.05 184

111111	0.07 6	0.05 29	0.10 161	0.17 281	0.06 25	0.05 3	0.10 33	0.11 51	0.10 61	0.06 21	0.06 19	0.07 118	0.05 17	0.08 21	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.07 356	0.06 284

LG-Stereo_L2	0.07 6	0.05 29	0.10 161	0.14 53	0.06 25	0.07 32	0.12 102	0.09 17	0.10 61	0.06 21	0.04 1	0.05 4	0.05 17	0.08 21	0.08 23	0.05 48	0.04 24	0.05 43	0.03 1	0.04 45	0.03 1

LG-Stereo_L1	0.07 6	0.05 29	0.11 222	0.14 53	0.06 25	0.07 32	0.12 102	0.09 17	0.08 19	0.05 2	0.04 1	0.05 4	0.04 1	0.08 21	0.08 23	0.05 48	0.04 24	0.05 43	0.03 1	0.04 45	0.04 47

MLG-Stereo_test3	0.07 6	0.05 29	0.10 161	0.15 101	0.06 25	0.07 32	0.10 33	0.08 10	0.06 6	0.06 21	0.04 1	0.06 39	0.06 65	0.08 21	0.10 184	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.06 284

MLG-Stereo_test2	0.07 6	0.04 1	0.10 161	0.15 101	0.06 25	0.07 32	0.11 67	0.09 17	0.04 2	0.06 21	0.05 7	0.06 39	0.04 1	0.08 21	0.09 90	0.06 160	0.04 24	0.05 43	0.03 1	0.05 156	0.05 184

MLG-Stereo_test1	0.06 1	0.05 29	0.08 35	0.17 281	0.05 2	0.07 32	0.11 67	0.09 17	0.03 1	0.05 2	0.04 1	0.06 39	0.05 17	0.09 55	0.09 90	0.05 48	0.04 24	0.05 43	0.03 1	0.04 45	0.05 184

MLG-Stereo	0.07 6	0.05 29	0.09 103	0.17 281	0.05 2	0.07 32	0.11 67	0.08 10	0.05 3	0.05 2	0.04 1	0.06 39	0.05 17	0.10 112	0.09 90	0.05 48	0.04 24	0.05 43	0.03 1	0.04 45	0.05 184

LG-G_1	0.07 6	0.04 1	0.11 222	0.15 101	0.06 25	0.09 129	0.08 7	0.08 10	0.06 6	0.06 21	0.06 19	0.07 118	0.07 169	0.11 182	0.08 23	0.07 329	0.04 24	0.05 43	0.04 49	0.05 156	0.06 284

LG-G	0.07 6	0.04 1	0.11 222	0.15 101	0.06 25	0.09 129	0.08 7	0.08 10	0.06 6	0.06 21	0.06 19	0.07 118	0.07 169	0.11 182	0.08 23	0.07 329	0.04 24	0.05 43	0.04 49	0.05 156	0.06 284

LGtest1	0.07 6	0.05 29	0.11 222	0.15 101	0.06 25	0.07 32	0.09 20	0.08 10	0.06 6	0.06 21	0.04 1	0.06 39	0.07 169	0.10 112	0.09 90	0.07 329	0.04 24	0.05 43	0.04 49	0.06 275	0.06 284

LG-Stereo_Zeroshot	0.07 6	0.06 92	0.10 161	0.16 193	0.07 119	0.04 1	0.13 168	0.10 25	0.10 61	0.05 2	0.11 235	0.07 118	0.05 17	0.07 3	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

SGD-Stereo	0.08 70	0.05 29	0.10 161	0.14 53	0.06 25	0.12 290	0.12 102	0.11 51	0.12 130	0.07 66	0.09 152	0.09 210	0.09 253	0.08 21	0.08 23	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

MM-Stereo_test2	0.09 159	0.07 193	0.09 103	0.19 441	0.08 203	0.12 290	0.18 466	0.15 172	0.14 200	0.07 66	0.10 184	0.07 118	0.06 65	0.12 273	0.09 90	0.05 48	0.04 24	0.06 178	0.05 185	0.06 275	0.04 47

HART	0.08 70	0.07 193	0.09 103	0.18 371	0.07 119	0.10 186	0.16 384	0.13 105	0.11 93	0.09 168	0.10 184	0.08 170	0.05 17	0.10 112	0.08 23	0.05 48	0.04 24	0.06 178	0.04 49	0.05 156	0.04 47

GREAT-IGEV	0.07 6	0.06 92	0.09 103	0.13 11	0.07 119	0.07 32	0.14 237	0.10 25	0.09 42	0.06 21	0.08 114	0.06 39	0.05 17	0.10 112	0.07 1	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
HI	0.11 271	0.06 92	0.12 271	0.13 11	0.09 322	0.09 129	0.14 237	0.22 369	0.11 93	0.20 483	0.17 339	0.14 342	0.10 282	0.16 410	0.09 90	0.05 48	0.04 24	0.07 293	0.08 445	0.07 356	0.06 284

CoSv	0.11 271	0.06 92	0.12 271	0.13 11	0.09 322	0.09 129	0.14 237	0.22 369	0.11 93	0.20 483	0.17 339	0.14 342	0.10 282	0.16 410	0.09 90	0.05 48	0.04 24	0.07 293	0.08 445	0.07 356	0.06 284

DEFOM-Stereo_RVC	0.08 70	0.07 193	0.09 103	0.22 563	0.06 25	0.08 71	0.12 102	0.10 25	0.10 61	0.07 66	0.07 57	0.06 39	0.05 17	0.11 182	0.09 90	0.06 160	0.04 24	0.05 43	0.03 1	0.06 275	0.04 47

FoundationStereo	0.06 1	0.04 1	0.08 35	0.13 11	0.05 2	0.09 129	0.13 168	0.06 1	0.09 42	0.05 2	0.05 7	0.06 39	0.04 1	0.07 3	0.07 1	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

StereoAnything_RVC	0.07 6	0.16 579	0.17 459	0.11 1	0.05 2	0.06 11	0.11 67	0.08 10	0.08 19	0.06 21	0.06 19	0.05 4	0.05 17	0.09 55	0.08 23	0.08 404	0.04 24	0.05 43	0.03 1	0.05 156	0.04 47

AIO_rvc	0.07 6	0.06 92	0.08 35	0.15 101	0.06 25	0.08 71	0.14 237	0.09 17	0.08 19	0.07 66	0.08 114	0.07 118	0.04 1	0.10 112	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.04 45	0.03 1

HUF	0.08 70	0.05 29	0.08 35	0.14 53	0.06 25	0.09 129	0.13 168	0.13 105	0.13 172	0.07 66	0.07 57	0.09 210	0.06 65	0.10 112	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

AIO_test	0.07 6	0.06 92	0.07 8	0.15 101	0.07 119	0.07 32	0.14 237	0.10 25	0.10 61	0.07 66	0.07 57	0.06 39	0.05 17	0.08 21	0.10 184	0.05 48	0.04 24	0.05 43	0.04 49	0.04 45	0.03 1

castereo++	0.08 70	0.06 92	0.08 35	0.15 101	0.05 2	0.14 377	0.11 67	0.11 51	0.15 226	0.07 66	0.07 57	0.08 170	0.06 65	0.08 21	0.08 23	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.03 1

castereo	0.09 159	0.06 92	0.11 222	0.15 101	0.06 25	0.11 236	0.14 237	0.14 134	0.18 313	0.08 118	0.10 184	0.11 274	0.08 221	0.09 55	0.10 184	0.05 48	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

GIP-stereo	0.08 70	0.06 92	0.11 222	0.15 101	0.07 119	0.09 129	0.13 168	0.15 172	0.11 93	0.07 66	0.08 114	0.05 4	0.04 1	0.10 112	0.07 1	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

fffft	0.09 159	0.06 92	0.12 271	0.16 193	0.07 119	0.09 129	0.16 384	0.12 77	0.11 93	0.09 168	0.07 57	0.09 210	0.06 65	0.11 182	0.12 333	0.05 48	0.04 24	0.06 178	0.05 185	0.04 45	0.05 184
1: 1. 1
DEFOM-Stereo	0.07 6	0.05 29	0.07 8	0.14 53	0.06 25	0.09 129	0.13 168	0.07 6	0.13 172	0.06 21	0.07 57	0.06 39	0.05 17	0.10 112	0.09 90	0.05 48	0.04 24	0.05 43	0.03 1	0.04 45	0.04 47

SMoEStereo_RVC	0.08 70	0.06 92	0.12 271	0.16 193	0.07 119	0.09 129	0.13 168	0.11 51	0.14 200	0.09 168	0.07 57	0.07 118	0.07 169	0.12 273	0.10 184	0.05 48	0.04 24	0.06 178	0.05 185	0.04 45	0.04 47

tt45	0.09 159	0.06 92	0.11 222	0.15 101	0.07 119	0.12 290	0.15 320	0.13 105	0.12 130	0.09 168	0.06 19	0.08 170	0.06 65	0.13 330	0.10 184	0.06 160	0.04 24	0.06 178	0.05 185	0.05 156	0.06 284

999	0.09 159	0.06 92	0.13 311	0.15 101	0.08 203	0.10 186	0.14 237	0.15 172	0.12 130	0.10 211	0.08 114	0.08 170	0.08 221	0.16 410	0.10 184	0.06 160	0.04 24	0.06 178	0.05 185	0.04 45	0.06 284

mms	0.09 159	0.07 193	0.08 35	0.17 281	0.08 203	0.11 236	0.15 320	0.12 77	0.11 93	0.09 168	0.09 152	0.08 170	0.06 65	0.11 182	0.12 333	0.05 48	0.04 24	0.07 293	0.05 185	0.04 45	0.04 47

ours_stereo	0.09 159	0.07 193	0.09 103	0.17 281	0.08 203	0.11 236	0.16 384	0.11 51	0.12 130	0.08 118	0.10 184	0.08 170	0.06 65	0.12 273	0.12 333	0.05 48	0.04 24	0.06 178	0.05 185	0.04 45	0.04 47

tg	0.10 228	0.06 92	0.10 161	0.18 371	0.08 203	0.11 236	0.16 384	0.20 327	0.12 130	0.08 118	0.11 235	0.11 274	0.07 169	0.11 182	0.10 184	0.05 48	0.04 24	0.08 383	0.08 445	0.04 45	0.04 47

dual_stereo	0.07 6	0.05 29	0.08 35	0.15 101	0.05 2	0.05 3	0.13 168	0.12 77	0.08 19	0.07 66	0.06 19	0.05 4	0.05 17	0.07 3	0.09 90	0.06 160	0.04 24	0.05 43	0.03 1	0.04 45	0.04 47

WCG-NET	0.08 70	0.05 29	0.10 161	0.15 101	0.06 25	0.11 236	0.14 237	0.13 105	0.14 200	0.07 66	0.09 152	0.07 118	0.06 65	0.13 330	0.08 23	0.05 48	0.04 24	0.06 178	0.04 49	0.04 45	0.03 1

IGEV-Stereo++	0.07 6	0.06 92	0.08 35	0.18 371	0.06 25	0.05 3	0.10 33	0.11 51	0.11 93	0.06 21	0.07 57	0.07 118	0.06 65	0.09 55	0.09 90	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

Pointernet	0.09 159	0.05 29	0.10 161	0.16 193	0.08 203	0.13 333	0.10 33	0.15 172	0.18 313	0.09 168	0.07 57	0.06 39	0.06 65	0.11 182	0.10 184	0.08 404	0.04 24	0.05 43	0.03 1	0.06 275	0.05 184

U	0.08 70	0.07 193	0.10 161	0.19 441	0.10 437	0.10 186	0.13 168	0.12 77	0.17 295	0.07 66	0.07 57	0.06 39	0.05 17	0.07 3	0.09 90	0.06 160	0.04 24	0.06 178	0.04 49	0.06 275	0.05 184

IGEV-BASED-STEREO-	0.09 159	0.10 474	0.32 595	0.15 101	0.06 25	0.08 71	0.14 237	0.11 51	0.10 61	0.07 66	0.07 57	0.06 39	0.04 1	0.11 182	0.07 1	0.12 563	0.04 24	0.07 293	0.05 185	0.05 156	0.05 184

IGEV-Stereo+	0.07 6	0.04 1	0.08 35	0.15 101	0.06 25	0.04 1	0.09 20	0.10 25	0.09 42	0.06 21	0.06 19	0.06 39	0.06 65	0.06 1	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.06 275	0.06 284

WCG-NET（raft）	0.08 70	0.05 29	0.10 161	0.15 101	0.06 25	0.11 236	0.13 168	0.15 172	0.12 130	0.08 118	0.07 57	0.06 39	0.06 65	0.13 330	0.08 23	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

RSM++	0.08 70	0.06 92	0.09 103	0.17 281	0.07 119	0.09 129	0.12 102	0.11 51	0.11 93	0.08 118	0.06 19	0.07 118	0.05 17	0.10 112	0.09 90	0.05 48	0.04 24	0.06 178	0.05 185	0.05 156	0.03 1

RSM	0.08 70	0.06 92	0.09 103	0.17 281	0.07 119	0.08 71	0.12 102	0.12 77	0.10 61	0.08 118	0.07 57	0.06 39	0.05 17	0.11 182	0.09 90	0.04 6	0.04 24	0.05 43	0.04 49	0.04 45	0.04 47

RAFT-Stereo-weight	0.09 159	0.06 92	0.11 222	0.16 193	0.07 119	0.09 129	0.14 237	0.19 309	0.16 260	0.11 253	0.10 184	0.08 170	0.06 65	0.10 112	0.11 263	0.06 160	0.04 24	0.06 178	0.04 49	0.04 45	0.04 47

gcap-zeroshot	0.08 70	0.06 92	0.11 222	0.15 101	0.07 119	0.12 290	0.13 168	0.15 172	0.16 260	0.08 118	0.12 255	0.05 4	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.06 178	0.05 185	0.03 1	0.04 47

test_for_model	0.08 70	0.06 92	0.11 222	0.16 193	0.07 119	0.11 236	0.12 102	0.15 172	0.16 260	0.08 118	0.12 255	0.05 4	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.06 178	0.05 185	0.03 1	0.04 47

H2IRNET	0.10 228	0.09 406	0.10 161	0.18 371	0.09 322	0.12 290	0.15 320	0.14 134	0.21 379	0.10 211	0.10 184	0.10 242	0.11 321	0.10 112	0.10 184	0.06 160	0.04 24	0.08 383	0.08 445	0.06 275	0.05 184

MGS-Stereo	0.09 159	0.07 193	0.12 271	0.16 193	0.08 203	0.09 129	0.15 320	0.12 77	0.12 130	0.07 66	0.10 184	0.08 170	0.06 65	0.11 182	0.09 90	0.05 48	0.04 24	0.06 178	0.05 185	0.06 275	0.05 184

IGEV++	0.08 70	0.06 92	0.09 103	0.18 371	0.07 119	0.10 186	0.13 168	0.10 25	0.10 61	0.08 118	0.08 114	0.06 39	0.05 17	0.13 330	0.09 90	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

ff7	0.09 159	0.07 193	0.11 222	0.16 193	0.09 322	0.11 236	0.15 320	0.16 209	0.12 130	0.10 211	0.06 19	0.06 39	0.06 65	0.11 182	0.09 90	0.05 48	0.04 24	0.06 178	0.05 185	0.05 156	0.06 284

ffff	0.09 159	0.07 193	0.11 222	0.16 193	0.09 322	0.11 236	0.15 320	0.16 209	0.12 130	0.10 211	0.06 19	0.06 39	0.06 65	0.11 182	0.09 90	0.05 48	0.04 24	0.06 178	0.05 185	0.05 156	0.06 284

11t	0.09 159	0.07 193	0.11 222	0.16 193	0.09 322	0.11 236	0.15 320	0.16 209	0.12 130	0.10 211	0.06 19	0.06 39	0.06 65	0.11 182	0.09 90	0.05 48	0.04 24	0.06 178	0.05 185	0.05 156	0.06 284

IGEV_Zeroshot_test	0.09 159	0.05 29	0.13 311	0.14 53	0.08 203	0.12 290	0.13 168	0.17 246	0.11 93	0.10 211	0.06 19	0.09 210	0.06 65	0.11 182	0.09 90	0.06 160	0.04 24	0.06 178	0.06 269	0.05 156	0.05 184

MSKI-zero shot	0.09 159	0.05 29	0.09 103	0.16 193	0.07 119	0.10 186	0.13 168	0.15 172	0.14 200	0.09 168	0.09 152	0.09 210	0.06 65	0.12 273	0.11 263	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.05 184

DLNR_Zeroshot_test	10.48 700	2.27 689	19.78 713	120.28 718	13.29 707	0.06 11	0.13 168	0.24 414	0.10 61	0.08 118	0.10 184	0.09 210	0.07 169	0.10 112	0.09 90	0.13 582	0.04 24	0.06 178	0.04 49	52.68 719	0.04 47

CASnet	0.09 159	0.09 406	0.09 103	0.19 441	0.06 25	0.07 32	0.11 67	0.18 276	0.14 200	0.11 253	0.10 184	0.09 210	0.07 169	0.10 112	0.10 184	0.06 160	0.04 24	0.10 517	0.08 445	0.06 275	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.08 70	0.06 92	0.11 222	0.15 101	0.07 119	0.12 290	0.13 168	0.15 172	0.16 260	0.08 118	0.12 255	0.05 4	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.06 178	0.05 185	0.03 1	0.04 47

AEACV	0.09 159	0.05 29	0.08 35	0.14 53	0.13 551	0.14 377	0.13 168	0.15 172	0.09 42	0.07 66	0.09 152	0.07 118	0.08 221	0.10 112	0.09 90	0.06 160	0.04 24	0.06 178	0.05 185	0.05 156	0.04 47

Any-RAFT	0.10 228	0.05 29	0.10 161	0.15 101	0.07 119	0.13 333	0.14 237	0.21 345	0.15 226	0.11 253	0.12 255	0.13 323	0.10 282	0.13 330	0.10 184	0.07 329	0.04 24	0.05 43	0.04 49	0.06 275	0.05 184

RAFT-Test	0.09 159	0.06 92	0.10 161	0.16 193	0.07 119	0.11 236	0.15 320	0.16 209	0.13 172	0.09 168	0.10 184	0.11 274	0.09 253	0.12 273	0.09 90	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.05 184

HH	0.09 159	0.06 92	0.13 311	0.17 281	0.08 203	0.11 236	0.16 384	0.15 172	0.10 61	0.08 118	0.10 184	0.08 170	0.07 169	0.10 112	0.09 90	0.06 160	0.04 24	0.06 178	0.05 185	0.05 156	0.04 47

HanStereo	0.09 159	0.06 92	0.13 311	0.17 281	0.08 203	0.11 236	0.16 384	0.15 172	0.10 61	0.08 118	0.10 184	0.08 170	0.07 169	0.10 112	0.09 90	0.06 160	0.04 24	0.06 178	0.05 185	0.05 156	0.04 47

LoS_RVC	0.08 70	0.05 29	0.07 8	0.15 101	0.07 119	0.08 71	0.15 320	0.12 77	0.11 93	0.08 118	0.09 152	0.06 39	0.09 253	0.10 112	0.09 90	0.05 48	0.04 24	0.05 43	0.03 1	0.04 45	0.04 47

CAS	0.08 70	0.04 1	0.07 8	0.17 281	0.08 203	0.10 186	0.13 168	0.12 77	0.09 42	0.09 168	0.10 184	0.08 170	0.06 65	0.09 55	0.09 90	0.08 404	0.04 24	0.05 43	0.03 1	0.05 156	0.04 47

anonymousdsp	0.09 159	0.07 193	0.11 222	0.17 281	0.09 322	0.11 236	0.15 320	0.16 209	0.12 130	0.10 211	0.06 19	0.06 39	0.06 65	0.11 182	0.09 90	0.05 48	0.04 24	0.06 178	0.05 185	0.05 156	0.06 284

CES	0.08 70	0.04 1	0.08 35	0.14 53	0.07 119	0.09 129	0.14 237	0.11 51	0.09 42	0.08 118	0.09 152	0.11 274	0.07 169	0.12 273	0.08 23	0.06 160	0.04 24	0.05 43	0.03 1	0.05 156	0.05 184

Selective-IGEV	0.07 6	0.06 92	0.09 103	0.17 281	0.06 25	0.08 71	0.12 102	0.13 105	0.08 19	0.08 118	0.07 57	0.06 39	0.04 1	0.10 112	0.09 90	0.05 48	0.04 24	0.05 43	0.04 49	0.04 45	0.03 1

EGLCR-Stereo	0.08 70	0.05 29	0.08 35	0.14 53	0.07 119	0.11 236	0.12 102	0.11 51	0.16 260	0.06 21	0.05 7	0.07 118	0.05 17	0.10 112	0.11 263	0.06 160	0.04 24	0.06 178	0.05 185	0.04 45	0.04 47

MC-Stereo	0.09 159	0.07 193	0.09 103	0.17 281	0.06 25	0.10 186	0.14 237	0.12 77	0.11 93	0.09 168	0.12 255	0.09 210	0.06 65	0.11 182	0.10 184	0.06 160	0.04 24	0.06 178	0.05 185	0.04 45	0.04 47

RCA-Stereo	0.09 159	0.06 92	0.09 103	0.16 193	0.06 25	0.09 129	0.13 168	0.18 276	0.14 200	0.10 211	0.11 235	0.08 170	0.07 169	0.12 273	0.11 263	0.06 160	0.04 24	0.06 178	0.05 185	0.05 156	0.04 47

DCANet-4	0.11 271	0.07 193	0.13 311	0.16 193	0.06 25	0.09 129	0.17 417	0.18 276	0.20 364	0.13 321	0.17 339	0.09 210	0.14 420	0.12 273	0.13 369	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.05 184

ccc-4	0.09 159	0.07 193	0.11 222	0.16 193	0.09 322	0.11 236	0.15 320	0.16 209	0.12 130	0.10 211	0.06 19	0.06 39	0.06 65	0.11 182	0.09 90	0.05 48	0.04 24	0.06 178	0.05 185	0.05 156	0.06 284

fff	0.10 228	0.06 92	0.12 271	0.15 101	0.07 119	0.09 129	0.17 417	0.16 209	0.21 379	0.13 321	0.17 339	0.10 242	0.11 321	0.12 273	0.13 369	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.05 184

ADStereo(finetuned)	0.10 228	0.06 92	0.13 311	0.16 193	0.06 25	0.09 129	0.17 417	0.16 209	0.20 364	0.13 321	0.18 365	0.10 242	0.12 354	0.12 273	0.12 333	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.05 184

RAFT+CT+SA	0.13 377	0.11 500	0.09 103	0.19 441	0.09 322	0.15 402	0.28 623	0.22 369	0.22 401	0.15 369	0.26 482	0.10 242	0.10 282	0.11 182	0.12 333	0.05 48	0.04 24	0.07 293	0.08 445	0.07 356	0.06 284

test_4	0.11 271	0.10 474	0.08 35	0.19 441	0.09 322	0.08 71	0.21 550	0.15 172	0.18 313	0.12 289	0.18 365	0.12 298	0.09 253	0.08 21	0.11 263	0.04 6	0.04 24	0.08 383	0.08 445	0.04 45	0.04 47

IGEV-Stereo	0.09 159	0.07 193	0.11 222	0.17 281	0.09 322	0.11 236	0.15 320	0.16 209	0.12 130	0.10 211	0.06 19	0.06 39	0.06 65	0.11 182	0.09 90	0.05 48	0.04 24	0.06 178	0.05 185	0.05 156	0.06 284
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 159	0.05 29	0.13 311	0.14 53	0.09 322	0.12 290	0.15 320	0.19 309	0.11 93	0.11 253	0.08 114	0.08 170	0.05 17	0.10 112	0.09 90	0.06 160	0.04 24	0.06 178	0.05 185	0.06 275	0.05 184

IPLG	0.11 271	0.08 326	0.15 392	0.17 281	0.08 203	0.11 236	0.14 237	0.20 327	0.15 226	0.13 321	0.18 365	0.07 118	0.07 169	0.14 362	0.14 406	0.06 160	0.04 24	0.06 178	0.05 185	0.04 45	0.04 47

MIPNet	0.11 271	0.08 326	0.15 392	0.17 281	0.09 322	0.12 290	0.14 237	0.21 345	0.25 448	0.12 289	0.10 184	0.09 210	0.07 169	0.13 330	0.13 369	0.06 160	0.04 24	0.06 178	0.05 185	0.04 45	0.04 47

test-3	0.09 159	0.06 92	0.10 161	0.18 371	0.07 119	0.07 32	0.14 237	0.12 77	0.16 260	0.10 211	0.08 114	0.08 170	0.08 221	0.11 182	0.10 184	0.05 48	0.04 24	0.07 293	0.05 185	0.04 45	0.04 47

test_1	0.09 159	0.06 92	0.10 161	0.18 371	0.07 119	0.07 32	0.14 237	0.12 77	0.16 260	0.10 211	0.08 114	0.08 170	0.08 221	0.11 182	0.10 184	0.05 48	0.04 24	0.07 293	0.05 185	0.04 45	0.04 47

test_3	0.11 271	0.09 406	0.10 161	0.21 541	0.08 203	0.13 333	0.25 603	0.14 134	0.21 379	0.10 211	0.10 184	0.09 210	0.10 282	0.08 21	0.11 263	0.05 48	0.04 24	0.08 383	0.07 370	0.04 45	0.04 47

LCNet	0.11 271	0.07 193	0.09 103	0.19 441	0.09 322	0.08 71	0.14 237	0.21 345	0.15 226	0.12 289	0.15 302	0.16 389	0.11 321	0.12 273	0.11 263	0.05 48	0.04 24	0.08 383	0.07 370	0.06 275	0.14 595

HHNet	0.11 271	0.06 92	0.16 435	0.15 101	0.14 570	0.07 32	0.13 168	0.20 327	0.18 313	0.15 369	0.25 469	0.11 274	0.09 253	0.13 330	0.10 184	0.06 160	0.04 24	0.08 383	0.06 269	0.05 156	0.09 487

AAGNet	0.12 349	0.08 326	0.17 459	0.19 441	0.09 322	0.08 71	0.13 168	0.19 309	0.13 172	0.16 398	0.21 409	0.13 323	0.14 420	0.11 182	0.14 406	0.06 160	0.04 24	0.09 469	0.06 269	0.06 275	0.05 184

STrans-v2	0.10 228	0.07 193	0.13 311	0.18 371	0.08 203	0.10 186	0.14 237	0.22 369	0.11 93	0.11 253	0.15 302	0.12 298	0.10 282	0.11 182	0.12 333	0.05 48	0.04 24	0.06 178	0.06 269	0.05 156	0.05 184

TransformOpticalFlow	0.10 228	0.08 326	0.13 311	0.18 371	0.07 119	0.09 129	0.15 320	0.19 309	0.16 260	0.12 289	0.16 319	0.11 274	0.11 321	0.11 182	0.11 263	0.05 48	0.04 24	0.06 178	0.06 269	0.05 156	0.05 184

NF-Stereo	0.11 271	0.07 193	0.13 311	0.17 281	0.09 322	0.10 186	0.13 168	0.23 388	0.19 341	0.12 289	0.17 339	0.12 298	0.12 354	0.11 182	0.11 263	0.06 160	0.04 24	0.07 293	0.06 269	0.07 356	0.12 564

OCTAStereo	0.11 271	0.07 193	0.14 357	0.17 281	0.09 322	0.10 186	0.13 168	0.23 388	0.19 341	0.12 289	0.17 339	0.12 298	0.12 354	0.11 182	0.11 263	0.06 160	0.04 24	0.07 293	0.06 269	0.07 356	0.11 543

NRIStereo	0.11 271	0.08 326	0.15 392	0.18 371	0.08 203	0.10 186	0.13 168	0.17 246	0.15 226	0.12 289	0.15 302	0.13 323	0.13 387	0.13 330	0.10 184	0.06 160	0.04 24	0.07 293	0.06 269	0.06 275	0.07 371

KYRaft	0.12 349	0.07 193	0.10 161	0.19 441	0.09 322	0.08 71	0.15 320	0.23 388	0.12 130	0.13 321	0.16 319	0.20 449	0.10 282	0.12 273	0.11 263	0.06 160	0.04 24	0.08 383	0.08 445	0.06 275	0.15 609

ASMatch	0.11 271	0.06 92	0.13 311	0.17 281	0.10 437	0.08 71	0.14 237	0.18 276	0.16 260	0.12 289	0.16 319	0.16 389	0.11 321	0.13 330	0.11 263	0.05 48	0.04 24	0.06 178	0.06 269	0.04 45	0.09 487

DEmStereo	0.12 349	0.06 92	0.14 357	0.14 53	0.10 437	0.16 430	0.15 320	0.16 209	0.24 423	0.17 412	0.23 431	0.12 298	0.14 420	0.12 273	0.14 406	0.05 48	0.04 24	0.07 293	0.06 269	0.05 156	0.05 184

SST-Stereo	0.11 271	0.07 193	0.16 435	0.18 371	0.09 322	0.06 11	0.12 102	0.18 276	0.10 61	0.15 369	0.18 365	0.13 323	0.12 354	0.10 112	0.11 263	0.06 160	0.04 24	0.09 469	0.06 269	0.07 356	0.06 284

RAFT_R40	0.11 271	0.07 193	0.15 392	0.18 371	0.09 322	0.06 11	0.13 168	0.17 246	0.15 226	0.14 344	0.18 365	0.15 367	0.12 354	0.10 112	0.11 263	0.06 160	0.04 24	0.09 469	0.06 269	0.06 275	0.05 184

DRaft	0.12 349	0.06 92	0.12 271	0.14 53	0.09 322	0.14 377	0.17 417	0.21 345	0.30 504	0.18 445	0.27 500	0.10 242	0.16 461	0.11 182	0.12 333	0.05 48	0.04 24	0.07 293	0.07 370	0.05 156	0.05 184

PFNet	0.12 349	0.06 92	0.17 459	0.18 371	0.08 203	0.09 129	0.15 320	0.26 449	0.20 364	0.16 398	0.16 319	0.14 342	0.12 354	0.13 330	0.11 263	0.06 160	0.04 24	0.07 293	0.06 269	0.05 156	0.05 184

RE-Stereo	0.11 271	0.07 193	0.13 311	0.17 281	0.09 322	0.10 186	0.13 168	0.23 388	0.19 341	0.12 289	0.17 339	0.12 298	0.12 354	0.11 182	0.11 263	0.06 160	0.04 24	0.07 293	0.06 269	0.07 356	0.11 543

Pruner-Stereo	0.11 271	0.07 193	0.12 271	0.17 281	0.09 322	0.06 11	0.12 102	0.18 276	0.17 295	0.14 344	0.19 381	0.13 323	0.10 282	0.11 182	0.11 263	0.06 160	0.04 24	0.07 293	0.06 269	0.06 275	0.08 441

TVStereo	0.11 271	0.07 193	0.13 311	0.17 281	0.09 322	0.10 186	0.13 168	0.23 388	0.19 341	0.12 289	0.17 339	0.12 298	0.12 354	0.11 182	0.11 263	0.06 160	0.04 24	0.07 293	0.06 269	0.07 356	0.11 543

DeepStereo_RVC	0.11 271	0.08 326	0.17 459	0.18 371	0.08 203	0.08 71	0.11 67	0.17 246	0.12 130	0.13 321	0.15 302	0.12 298	0.12 354	0.12 273	0.11 263	0.06 160	0.04 24	0.07 293	0.06 269	0.07 356	0.08 441

RAFT-RH_RVC	0.12 349	0.06 92	0.14 357	0.16 193	0.09 322	0.12 290	0.12 102	0.17 246	0.12 130	0.13 321	0.40 593	0.11 274	0.10 282	0.13 330	0.12 333	0.05 48	0.04 24	0.08 383	0.05 185	0.05 156	0.06 284

IRAFT_RVC	0.12 349	0.08 326	0.17 459	0.19 441	0.08 203	0.07 32	0.14 237	0.25 435	0.23 411	0.14 344	0.15 302	0.15 367	0.12 354	0.12 273	0.11 263	0.06 160	0.04 24	0.09 469	0.06 269	0.06 275	0.06 284

CRE-IMP	0.11 271	0.09 406	0.16 435	0.19 441	0.09 322	0.10 186	0.12 102	0.18 276	0.10 61	0.14 344	0.14 289	0.14 342	0.13 387	0.12 273	0.12 333	0.07 329	0.04 24	0.08 383	0.06 269	0.08 423	0.08 441

cross-raft	0.10 228	0.09 406	0.09 103	0.19 441	0.07 119	0.11 236	0.24 587	0.13 105	0.15 226	0.08 118	0.10 184	0.12 298	0.10 282	0.09 55	0.11 263	0.05 48	0.04 24	0.06 178	0.05 185	0.04 45	0.04 47

test-1	0.10 228	0.07 193	0.17 459	0.19 441	0.08 203	0.11 236	0.24 587	0.15 172	0.18 313	0.09 168	0.07 57	0.10 242	0.08 221	0.08 21	0.09 90	0.06 160	0.04 24	0.06 178	0.06 269	0.04 45	0.05 184

GMM-Stereo	0.11 271	0.07 193	0.10 161	0.18 371	0.09 322	0.08 71	0.14 237	0.24 414	0.16 260	0.11 253	0.15 302	0.13 323	0.11 321	0.11 182	0.11 263	0.05 48	0.04 24	0.08 383	0.07 370	0.06 275	0.09 487

iRaftStereo_RVC	0.10 228	0.07 193	0.10 161	0.17 281	0.09 322	0.11 236	0.17 417	0.18 276	0.12 130	0.09 168	0.11 235	0.10 242	0.07 169	0.11 182	0.10 184	0.05 48	0.04 24	0.08 383	0.08 445	0.04 45	0.04 47

CREStereo++_RVC	0.08 70	0.04 1	0.07 8	0.13 11	0.07 119	0.09 129	0.12 102	0.14 134	0.14 200	0.10 211	0.14 289	0.08 170	0.07 169	0.10 112	0.11 263	0.06 160	0.04 24	0.05 43	0.05 185	0.04 45	0.04 47
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.10 228	0.06 92	0.08 35	0.15 101	0.05 2	0.16 430	0.18 466	0.16 209	0.15 226	0.10 211	0.11 235	0.11 274	0.11 321	0.11 182	0.12 333	0.05 48	0.04 24	0.06 178	0.04 49	0.04 45	0.04 47

raft+_RVC	0.11 271	0.07 193	0.09 103	0.16 193	0.07 119	0.10 186	0.11 67	0.24 414	0.20 364	0.12 289	0.15 302	0.12 298	0.08 221	0.12 273	0.13 369	0.07 329	0.04 24	0.07 293	0.06 269	0.05 156	0.05 184

XX-TBD	0.09 159	0.06 92	0.07 8	0.14 53	0.07 119	0.13 333	0.16 384	0.14 134	0.14 200	0.11 253	0.12 255	0.09 210	0.08 221	0.10 112	0.10 184	0.06 160	0.04 24	0.05 43	0.04 49	0.06 275	0.05 184

DCANet	0.10 228	0.06 92	0.12 271	0.16 193	0.06 25	0.09 129	0.17 417	0.16 209	0.20 364	0.13 321	0.18 365	0.10 242	0.11 321	0.11 182	0.12 333	0.06 160	0.04 24	0.05 43	0.04 49	0.05 156	0.05 184

csc	0.10 228	0.06 92	0.12 271	0.15 101	0.07 119	0.09 129	0.17 417	0.16 209	0.21 379	0.13 321	0.17 339	0.10 242	0.11 321	0.12 273	0.13 369	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.05 184

cscssc	0.10 228	0.06 92	0.12 271	0.15 101	0.07 119	0.09 129	0.17 417	0.16 209	0.21 379	0.13 321	0.17 339	0.10 242	0.11 321	0.12 273	0.13 369	0.06 160	0.04 24	0.05 43	0.04 49	0.04 45	0.05 184

111	0.11 271	0.06 92	0.12 271	0.15 101	0.07 119	0.10 186	0.14 237	0.21 345	0.24 423	0.11 253	0.12 255	0.14 342	0.12 354	0.13 330	0.10 184	0.06 160	0.04 24	0.06 178	0.04 49	0.06 275	0.05 184

test_xeample3	0.09 159	0.07 193	0.12 271	0.16 193	0.09 322	0.11 236	0.15 320	0.16 209	0.14 200	0.10 211	0.07 57	0.08 170	0.06 65	0.10 112	0.09 90	0.06 160	0.04 24	0.06 178	0.05 185	0.05 156	0.06 284

RAFT-Stereo + iAFF	0.09 159	0.06 92	0.10 161	0.17 281	0.07 119	0.10 186	0.15 320	0.17 246	0.15 226	0.10 211	0.10 184	0.08 170	0.09 253	0.12 273	0.10 184	0.05 48	0.04 24	0.06 178	0.06 269	0.04 45	0.03 1

AFF-stereo	0.09 159	0.07 193	0.10 161	0.17 281	0.07 119	0.10 186	0.15 320	0.18 276	0.10 61	0.10 211	0.11 235	0.09 210	0.10 282	0.12 273	0.10 184	0.05 48	0.04 24	0.07 293	0.07 370	0.04 45	0.04 47

CFNet-RSSM	0.09 159	0.07 193	0.10 161	0.16 193	0.07 119	0.09 129	0.15 320	0.17 246	0.18 313	0.08 118	0.12 255	0.11 274	0.09 253	0.12 273	0.10 184	0.06 160	0.04 24	0.06 178	0.04 49	0.04 45	0.04 47

Gwc-CoAtRS	0.09 159	0.07 193	0.10 161	0.16 193	0.07 119	0.10 186	0.15 320	0.18 276	0.17 295	0.08 118	0.10 184	0.12 298	0.09 253	0.12 273	0.09 90	0.06 160	0.04 24	0.06 178	0.04 49	0.04 45	0.05 184

CREStereo	0.09 159	0.05 29	0.08 35	0.11 1	0.06 25	0.14 377	0.14 237	0.14 134	0.10 61	0.09 168	0.13 276	0.09 210	0.08 221	0.12 273	0.10 184	0.08 404	0.04 24	0.05 43	0.03 1	0.06 275	0.06 284
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	0.09 159	0.05 29	0.09 103	0.12 5	0.06 25	0.13 333	0.14 237	0.16 209	0.11 93	0.09 168	0.13 276	0.10 242	0.07 169	0.14 362	0.10 184	0.15 607	0.04 24	0.05 43	0.03 1	0.07 356	0.06 284

HITNet	0.11 271	0.06 92	0.12 271	0.14 53	0.06 25	0.12 290	0.10 33	0.18 276	0.18 313	0.13 321	0.17 339	0.15 367	0.11 321	0.15 381	0.14 406	0.06 160	0.04 24	0.04 1	0.04 49	0.06 275	0.05 184
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
MLCV	0.13 377	0.08 326	0.17 459	0.18 371	0.06 25	0.16 430	0.17 417	0.19 309	0.22 401	0.19 461	0.25 469	0.17 407	0.13 387	0.15 381	0.14 406	0.05 48	0.04 24	0.05 43	0.04 49	0.05 156	0.04 47

iResNet	0.13 377	0.10 474	0.18 493	0.19 441	0.08 203	0.14 377	0.18 466	0.21 345	0.27 474	0.16 398	0.24 443	0.15 367	0.13 387	0.14 362	0.15 443	0.06 160	0.04 24	0.06 178	0.05 185	0.06 275	0.05 184

LiteMatch*	0.08 70	0.04 1	0.12 271	0.13 11	0.08 203	0.08 71	0.13 168	0.14 134	0.09 42	0.05 2	0.05 7	0.05 4	0.09 253	0.11 182	0.10 184	0.06 160	0.05 235	0.05 43	0.04 49	0.05 156	0.06 284

DN	0.10 228	0.05 29	0.10 161	0.15 101	0.09 322	0.12 290	0.18 466	0.17 246	0.16 260	0.08 118	0.09 152	0.08 170	0.06 65	0.08 21	0.09 90	0.11 537	0.05 235	0.07 293	0.06 269	0.07 356	0.09 487

aanet-new-22k	0.08 70	0.06 92	0.10 161	0.18 371	0.06 25	0.08 71	0.11 67	0.14 134	0.12 130	0.09 168	0.09 152	0.08 170	0.06 65	0.10 112	0.08 23	0.04 6	0.05 235	0.05 43	0.04 49	0.03 1	0.04 47

GCAP-Stereo-DPT-36K	0.08 70	0.06 92	0.16 435	0.15 101	0.06 25	0.08 71	0.12 102	0.13 105	0.11 93	0.07 66	0.08 114	0.07 118	0.06 65	0.09 55	0.08 23	0.05 48	0.05 235	0.05 43	0.04 49	0.04 45	0.04 47

GCAP-Stereo-DPT-20K	0.07 6	0.05 29	0.11 222	0.15 101	0.06 25	0.07 32	0.12 102	0.10 25	0.11 93	0.07 66	0.08 114	0.06 39	0.05 17	0.09 55	0.07 1	0.05 48	0.05 235	0.05 43	0.04 49	0.03 1	0.04 47

IGEV_i1	0.12 349	0.08 326	0.12 271	0.17 281	0.08 203	0.19 493	0.15 320	0.19 309	0.23 411	0.18 445	0.18 365	0.16 389	0.12 354	0.17 450	0.14 406	0.06 160	0.05 235	0.06 178	0.05 185	0.06 275	0.06 284

RT-IGEV	0.13 377	0.06 92	0.14 357	0.15 101	0.10 437	0.15 402	0.18 466	0.25 435	0.28 490	0.16 398	0.17 339	0.18 422	0.11 321	0.14 362	0.11 263	0.08 404	0.05 235	0.07 293	0.05 185	0.07 356	0.08 441

RT-Monster	0.09 159	0.05 29	0.09 103	0.14 53	0.08 203	0.12 290	0.10 33	0.17 246	0.19 341	0.14 344	0.10 184	0.10 242	0.08 221	0.11 182	0.10 184	0.07 329	0.05 235	0.05 43	0.04 49	0.05 156	0.06 284

DepthFocus	0.08 70	0.04 1	0.15 392	0.13 11	0.09 322	0.08 71	0.12 102	0.10 25	0.05 3	0.09 168	0.06 19	0.07 118	0.04 1	0.08 21	0.08 23	0.06 160	0.05 235	0.07 293	0.07 370	0.05 156	0.04 47

Selective-IGEV-i1	0.13 377	0.07 193	0.12 271	0.20 505	0.08 203	0.18 470	0.16 384	0.23 388	0.30 504	0.17 412	0.17 339	0.17 407	0.10 282	0.15 381	0.13 369	0.06 160	0.05 235	0.06 178	0.05 185	0.06 275	0.06 284

GeoVLM	0.08 70	0.04 1	0.10 161	0.13 11	0.06 25	0.10 186	0.13 168	0.13 105	0.08 19	0.06 21	0.07 57	0.06 39	0.08 221	0.10 112	0.11 263	0.06 160	0.05 235	0.04 1	0.03 1	0.04 45	0.05 184

VMStereo-Base	0.09 159	0.05 29	0.10 161	0.13 11	0.07 119	0.11 236	0.10 33	0.16 209	0.13 172	0.10 211	0.16 319	0.10 242	0.09 253	0.11 182	0.10 184	0.07 329	0.05 235	0.05 43	0.04 49	0.05 156	0.06 284

Hybrid-DGEV-2	0.11 271	0.06 92	0.12 271	0.18 371	0.09 322	0.09 129	0.13 168	0.29 507	0.30 504	0.11 253	0.12 255	0.10 242	0.13 387	0.12 273	0.10 184	0.06 160	0.05 235	0.07 293	0.07 370	0.05 156	0.05 184

DStereoRT	0.17 501	0.07 193	0.12 271	0.19 441	0.09 322	0.13 333	0.12 102	0.28 488	0.23 411	0.12 289	0.20 391	0.11 274	0.10 282	0.15 381	0.14 406	0.06 160	0.05 235	1.02 685	0.09 491	0.05 156	0.04 47

BStereo	0.08 70	0.06 92	0.17 459	0.15 101	0.08 203	0.08 71	0.09 20	0.15 172	0.16 260	0.06 21	0.07 57	0.07 118	0.05 17	0.09 55	0.11 263	0.04 6	0.05 235	0.05 43	0.07 370	0.04 45	0.05 184

MatchStereo	0.07 6	0.04 1	0.08 35	0.14 53	0.06 25	0.05 3	0.12 102	0.12 77	0.09 42	0.07 66	0.07 57	0.04 1	0.04 1	0.09 55	0.09 90	0.06 160	0.05 235	0.05 43	0.03 1	0.04 45	0.05 184
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
Wave_Phase_stereo	0.09 159	0.06 92	0.17 459	0.15 101	0.08 203	0.11 236	0.09 20	0.18 276	0.16 260	0.06 21	0.07 57	0.07 118	0.05 17	0.09 55	0.11 263	0.04 6	0.05 235	0.05 43	0.07 370	0.04 45	0.05 184

MonSter++	0.08 70	0.04 1	0.10 161	0.13 11	0.06 25	0.10 186	0.13 168	0.13 105	0.08 19	0.06 21	0.07 57	0.06 39	0.08 221	0.10 112	0.11 263	0.06 160	0.05 235	0.04 1	0.03 1	0.04 45	0.05 184

HiDET	0.08 70	0.05 29	0.10 161	0.13 11	0.06 25	0.09 129	0.12 102	0.12 77	0.12 130	0.07 66	0.07 57	0.07 118	0.07 169	0.11 182	0.11 263	0.06 160	0.05 235	0.04 1	0.03 1	0.04 45	0.04 47

LCMNet	0.08 70	0.05 29	0.10 161	0.13 11	0.07 119	0.09 129	0.12 102	0.10 25	0.12 130	0.06 21	0.08 114	0.06 39	0.07 169	0.11 182	0.10 184	0.06 160	0.05 235	0.04 1	0.03 1	0.04 45	0.04 47

CSFM-Stereo	0.08 70	0.05 29	0.08 35	0.14 53	0.06 25	0.09 129	0.13 168	0.15 172	0.07 13	0.07 66	0.08 114	0.06 39	0.08 221	0.09 55	0.10 184	0.06 160	0.05 235	0.04 1	0.03 1	0.04 45	0.04 47

Select-FE	0.11 271	0.06 92	0.21 532	0.15 101	0.11 493	0.12 290	0.13 168	0.22 369	0.18 313	0.09 168	0.11 235	0.10 242	0.06 65	0.12 273	0.09 90	0.07 329	0.05 235	0.07 293	0.08 445	0.06 275	0.08 441

MultiAttention	0.30 621	0.08 326	0.15 392	0.19 441	0.13 551	1.56 688	1.33 692	0.36 593	0.36 555	0.20 483	0.21 409	0.24 502	0.11 321	0.39 635	0.18 492	0.06 160	0.05 235	0.08 383	0.08 445	0.11 544	0.09 487

AdaDepth	0.07 6	0.06 92	0.07 8	0.18 371	0.06 25	0.11 236	0.11 67	0.10 25	0.08 19	0.06 21	0.05 7	0.07 118	0.06 65	0.09 55	0.10 184	0.04 6	0.05 235	0.05 43	0.04 49	0.04 45	0.04 47

GASTEREO	0.08 70	0.05 29	0.09 103	0.19 441	0.08 203	0.08 71	0.12 102	0.14 134	0.11 93	0.10 211	0.09 152	0.07 118	0.04 1	0.12 273	0.08 23	0.06 160	0.05 235	0.05 43	0.04 49	0.04 45	0.05 184

MSCF	0.08 70	0.05 29	0.09 103	0.19 441	0.08 203	0.07 32	0.12 102	0.14 134	0.11 93	0.10 211	0.09 152	0.07 118	0.04 1	0.11 182	0.08 23	0.06 160	0.05 235	0.05 43	0.04 49	0.05 156	0.05 184

z-ln-s-r	0.18 517	0.10 474	0.41 617	0.19 441	0.08 203	0.18 470	0.18 466	0.23 388	0.34 536	0.19 461	0.41 604	0.22 476	0.17 487	0.20 512	0.25 574	0.07 329	0.05 235	0.07 293	0.07 370	0.07 356	0.06 284

water-stereo	0.09 159	0.06 92	0.08 35	0.16 193	0.07 119	0.10 186	0.13 168	0.15 172	0.13 172	0.11 253	0.12 255	0.09 210	0.10 282	0.07 3	0.08 23	0.06 160	0.05 235	0.05 43	0.05 185	0.04 45	0.04 47

depthmonostereo	0.09 159	0.06 92	0.09 103	0.15 101	0.06 25	0.11 236	0.13 168	0.14 134	0.15 226	0.10 211	0.10 184	0.09 210	0.11 321	0.08 21	0.09 90	0.06 160	0.05 235	0.06 178	0.04 49	0.04 45	0.03 1

DilatedVolume-Stereo	0.09 159	0.05 29	0.08 35	0.15 101	0.06 25	0.11 236	0.12 102	0.14 134	0.16 260	0.11 253	0.11 235	0.09 210	0.10 282	0.11 182	0.11 263	0.06 160	0.05 235	0.05 43	0.04 49	0.03 1	0.03 1

G2L-ROB	0.13 377	0.07 193	0.13 311	0.13 11	0.08 203	0.14 377	0.17 417	0.25 435	0.19 341	0.20 483	0.19 381	0.20 449	0.14 420	0.18 469	0.16 462	0.08 404	0.05 235	0.06 178	0.05 185	0.08 423	0.09 487

xyz-stereo	0.14 410	0.07 193	0.22 542	0.15 101	0.05 2	0.22 538	0.15 320	0.17 246	0.31 514	0.15 369	0.28 511	0.26 525	0.17 487	0.13 330	0.12 333	0.05 48	0.05 235	0.06 178	0.05 185	0.04 45	0.04 47

DFGA-Net	0.13 377	0.11 500	0.19 517	0.18 371	0.10 437	0.13 333	0.13 168	0.23 388	0.25 448	0.16 398	0.16 319	0.13 323	0.12 354	0.17 450	0.15 443	0.07 329	0.05 235	0.08 383	0.07 370	0.05 156	0.05 184

G2L-Stereo_test	0.14 410	0.07 193	0.11 222	0.13 11	0.08 203	0.12 290	0.17 417	0.31 537	0.28 490	0.21 499	0.23 431	0.20 449	0.16 461	0.17 450	0.19 507	0.07 329	0.05 235	0.05 43	0.05 185	0.07 356	0.07 371

coex_refinement	0.14 410	0.07 193	0.12 271	0.17 281	0.10 437	0.16 430	0.15 320	0.27 463	0.29 498	0.18 445	0.21 409	0.22 476	0.17 487	0.16 410	0.19 507	0.08 404	0.05 235	0.06 178	0.06 269	0.09 486	0.08 441

LG-Stereo	0.08 70	0.08 326	0.10 161	0.18 371	0.07 119	0.10 186	0.17 417	0.11 51	0.08 19	0.06 21	0.08 114	0.06 39	0.07 169	0.09 55	0.09 90	0.04 6	0.05 235	0.07 293	0.07 370	0.04 45	0.04 47

MM-Stereo_test1	0.10 228	0.07 193	0.09 103	0.18 371	0.07 119	0.12 290	0.18 466	0.21 345	0.20 364	0.09 168	0.11 235	0.08 170	0.06 65	0.10 112	0.10 184	0.06 160	0.05 235	0.07 293	0.06 269	0.05 156	0.04 47

Reg-Stereo(zero)	0.09 159	0.05 29	0.08 35	0.16 193	0.06 25	0.12 290	0.11 67	0.15 172	0.11 93	0.12 289	0.09 152	0.10 242	0.08 221	0.11 182	0.09 90	0.06 160	0.05 235	0.05 43	0.04 49	0.04 45	0.05 184

SCV_C0	0.08 70	0.07 193	0.08 35	0.16 193	0.10 437	0.08 71	0.14 237	0.11 51	0.13 172	0.08 118	0.07 57	0.06 39	0.05 17	0.11 182	0.07 1	0.05 48	0.05 235	0.05 43	0.04 49	0.06 275	0.05 184

SCV	0.08 70	0.09 406	0.08 35	0.15 101	0.08 203	0.10 186	0.12 102	0.11 51	0.12 130	0.07 66	0.07 57	0.06 39	0.04 1	0.10 112	0.08 23	0.05 48	0.05 235	0.06 178	0.04 49	0.06 275	0.04 47

AIO-test2	0.10 228	0.08 326	0.10 161	0.23 584	0.09 322	0.11 236	0.11 67	0.23 388	0.24 423	0.08 118	0.09 152	0.08 170	0.05 17	0.10 112	0.08 23	0.06 160	0.05 235	0.08 383	0.09 491	0.05 156	0.05 184

AIO-test1	0.10 228	0.07 193	0.11 222	0.24 596	0.07 119	0.09 129	0.13 168	0.22 369	0.15 226	0.11 253	0.12 255	0.09 210	0.07 169	0.11 182	0.09 90	0.06 160	0.05 235	0.09 469	0.10 530	0.04 45	0.07 371

FACV-RUCA	0.13 377	0.11 500	0.13 311	0.19 441	0.12 525	0.15 402	0.16 384	0.22 369	0.21 379	0.16 398	0.16 319	0.15 367	0.16 461	0.14 362	0.13 369	0.07 329	0.05 235	0.08 383	0.06 269	0.10 522	0.08 441

IGEV-RUCA	0.08 70	0.06 92	0.11 222	0.14 53	0.09 322	0.10 186	0.12 102	0.10 25	0.12 130	0.06 21	0.07 57	0.08 170	0.06 65	0.09 55	0.08 23	0.06 160	0.05 235	0.05 43	0.04 49	0.05 156	0.06 284

fffy	0.09 159	0.08 326	0.10 161	0.16 193	0.07 119	0.13 333	0.17 417	0.13 105	0.12 130	0.08 118	0.09 152	0.08 170	0.09 253	0.13 330	0.11 263	0.05 48	0.05 235	0.07 293	0.05 185	0.04 45	0.05 184

PAM_32	0.10 228	0.06 92	0.17 459	0.15 101	0.08 203	0.10 186	0.15 320	0.14 134	0.16 260	0.09 168	0.08 114	0.10 242	0.07 169	0.14 362	0.09 90	0.06 160	0.05 235	0.06 178	0.06 269	0.05 156	0.06 284

PAM	0.10 228	0.06 92	0.17 459	0.15 101	0.09 322	0.10 186	0.16 384	0.15 172	0.16 260	0.12 289	0.09 152	0.10 242	0.07 169	0.13 330	0.09 90	0.06 160	0.05 235	0.06 178	0.06 269	0.05 156	0.06 284

UGAM-zero	0.10 228	0.05 29	0.15 392	0.15 101	0.08 203	0.10 186	0.13 168	0.20 327	0.15 226	0.11 253	0.15 302	0.07 118	0.08 221	0.09 55	0.10 184	0.06 160	0.05 235	0.06 178	0.05 185	0.05 156	0.06 284

UGAM	0.13 377	0.10 474	0.09 103	0.22 563	0.08 203	0.13 333	0.20 533	0.18 276	0.24 423	0.22 514	0.16 319	0.13 323	0.13 387	0.19 494	0.13 369	0.07 329	0.05 235	0.13 583	0.11 562	0.07 356	0.05 184

GCAP-BAT	0.09 159	0.05 29	0.11 222	0.13 11	0.07 119	0.11 236	0.14 237	0.14 134	0.17 295	0.07 66	0.10 184	0.08 170	0.06 65	0.13 330	0.08 23	0.07 329	0.05 235	0.05 43	0.05 185	0.05 156	0.04 47

RAStereo	0.10 228	0.09 406	0.08 35	0.20 505	0.08 203	0.13 333	0.18 466	0.16 209	0.17 295	0.10 211	0.12 255	0.05 4	0.06 65	0.09 55	0.08 23	0.07 329	0.05 235	0.07 293	0.05 185	0.05 156	0.04 47

Occ-G	0.08 70	0.05 29	0.07 8	0.14 53	0.07 119	0.09 129	0.14 237	0.14 134	0.15 226	0.07 66	0.12 255	0.07 118	0.05 17	0.09 55	0.10 184	0.06 160	0.05 235	0.05 43	0.04 49	0.05 156	0.06 284

AIO-Stereo-zeroshot1	0.11 271	0.05 29	0.14 357	0.16 193	0.21 636	0.09 129	0.17 417	0.21 345	0.16 260	0.11 253	0.15 302	0.10 242	0.07 169	0.10 112	0.08 23	0.06 160	0.05 235	0.07 293	0.07 370	0.07 356	0.09 487

AIO-Stereo-zeroshot	0.11 271	0.05 29	0.12 271	0.15 101	0.13 551	0.14 377	0.16 384	0.23 388	0.18 313	0.10 211	0.13 276	0.10 242	0.07 169	0.12 273	0.09 90	0.06 160	0.05 235	0.06 178	0.06 269	0.07 356	0.08 441

AIO-Stereo	0.08 70	0.06 92	0.10 161	0.18 371	0.06 25	0.09 129	0.11 67	0.16 209	0.09 42	0.09 168	0.08 114	0.07 118	0.05 17	0.11 182	0.08 23	0.05 48	0.05 235	0.05 43	0.04 49	0.04 45	0.04 47

test_sample6	0.14 410	0.09 406	0.14 357	0.17 281	0.08 203	0.17 454	0.19 512	0.26 449	0.18 313	0.18 445	0.28 511	0.19 432	0.15 440	0.15 381	0.13 369	0.08 404	0.05 235	0.08 383	0.07 370	0.08 423	0.08 441

trnet	0.08 70	0.05 29	0.07 8	0.12 5	0.05 2	0.12 290	0.10 33	0.13 105	0.10 61	0.08 118	0.13 276	0.09 210	0.08 221	0.11 182	0.10 184	0.08 404	0.05 235	0.05 43	0.03 1	0.06 275	0.05 184

GCAPDPT-zeroshot4090	0.07 6	0.05 29	0.11 222	0.15 101	0.06 25	0.07 32	0.12 102	0.10 25	0.11 93	0.07 66	0.08 114	0.06 39	0.05 17	0.09 55	0.07 1	0.05 48	0.05 235	0.05 43	0.04 49	0.03 1	0.04 47

MoCha-V2	0.08 70	0.05 29	0.11 222	0.20 505	0.07 119	0.10 186	0.14 237	0.12 77	0.08 19	0.07 66	0.08 114	0.07 118	0.06 65	0.09 55	0.08 23	0.05 48	0.05 235	0.05 43	0.04 49	0.04 45	0.04 47

DispNO	0.15 452	0.09 406	0.18 493	0.19 441	0.12 525	0.11 236	0.21 550	0.23 388	0.29 498	0.18 445	0.23 431	0.19 432	0.17 487	0.16 410	0.16 462	0.07 329	0.05 235	0.08 383	0.08 445	0.07 356	0.06 284

Former-RAFT_DAM_RVC	0.11 271	0.08 326	0.13 311	0.16 193	0.08 203	0.15 402	0.16 384	0.18 276	0.19 341	0.10 211	0.09 152	0.09 210	0.08 221	0.11 182	0.12 333	0.07 329	0.05 235	0.08 383	0.06 269	0.07 356	0.06 284

MyStereo8	0.12 349	0.07 193	0.15 392	0.15 101	0.09 322	0.18 470	0.14 237	0.19 309	0.22 401	0.12 289	0.18 365	0.11 274	0.10 282	0.16 410	0.18 492	0.07 329	0.05 235	0.07 293	0.05 185	0.08 423	0.09 487

SMFormer	0.14 410	0.07 193	0.18 493	0.14 53	0.08 203	0.17 454	0.17 417	0.27 463	0.27 474	0.19 461	0.20 391	0.19 432	0.15 440	0.15 381	0.17 479	0.08 404	0.05 235	0.07 293	0.06 269	0.08 423	0.07 371

tta	0.14 410	0.07 193	0.18 493	0.14 53	0.08 203	0.17 454	0.17 417	0.27 463	0.27 474	0.19 461	0.20 391	0.19 432	0.15 440	0.15 381	0.17 479	0.08 404	0.05 235	0.07 293	0.06 269	0.06 275	0.06 284

qqq1	0.14 410	0.07 193	0.18 493	0.14 53	0.08 203	0.17 454	0.17 417	0.27 463	0.27 474	0.19 461	0.20 391	0.19 432	0.15 440	0.15 381	0.12 333	0.08 404	0.05 235	0.05 43	0.05 185	0.06 275	0.06 284

fff1	0.14 410	0.07 193	0.18 493	0.14 53	0.08 203	0.17 454	0.17 417	0.27 463	0.27 474	0.19 461	0.20 391	0.19 432	0.15 440	0.15 381	0.12 333	0.08 404	0.05 235	0.05 43	0.05 185	0.06 275	0.06 284

MyStereo07	0.10 228	0.07 193	0.10 161	0.17 281	0.09 322	0.14 377	0.17 417	0.15 172	0.15 226	0.09 168	0.06 19	0.06 39	0.07 169	0.12 273	0.09 90	0.06 160	0.05 235	0.08 383	0.07 370	0.06 275	0.06 284

MyStereo06	0.10 228	0.07 193	0.12 271	0.17 281	0.09 322	0.13 333	0.18 466	0.19 309	0.12 130	0.13 321	0.08 114	0.07 118	0.07 169	0.11 182	0.09 90	0.06 160	0.05 235	0.08 383	0.07 370	0.06 275	0.06 284

MyStereo05	0.13 377	0.07 193	0.10 161	0.17 281	0.09 322	0.13 333	0.18 466	0.28 488	0.35 550	0.17 412	0.14 289	0.15 367	0.11 321	0.15 381	0.13 369	0.06 160	0.05 235	0.08 383	0.07 370	0.06 275	0.06 284

MyStereo04	0.13 377	0.07 193	0.10 161	0.17 281	0.09 322	0.14 377	0.17 417	0.29 507	0.38 567	0.17 412	0.14 289	0.16 389	0.11 321	0.15 381	0.13 369	0.06 160	0.05 235	0.08 383	0.07 370	0.06 275	0.06 284

CoDeX	0.12 349	0.07 193	0.13 311	0.17 281	0.08 203	0.12 290	0.16 384	0.23 388	0.27 474	0.13 321	0.17 339	0.15 367	0.12 354	0.14 362	0.11 263	0.07 329	0.05 235	0.07 293	0.06 269	0.06 275	0.05 184

ACVNet-DCA	0.10 228	0.08 326	0.13 311	0.17 281	0.09 322	0.13 333	0.15 320	0.24 414	0.16 260	0.09 168	0.09 152	0.06 39	0.06 65	0.10 112	0.07 1	0.06 160	0.05 235	0.06 178	0.05 185	0.07 356	0.07 371

xx1	0.11 271	0.08 326	0.13 311	0.17 281	0.09 322	0.13 333	0.15 320	0.16 209	0.18 313	0.09 168	0.09 152	0.16 389	0.16 461	0.10 112	0.07 1	0.06 160	0.05 235	0.08 383	0.08 445	0.07 356	0.07 371

1test111	0.11 271	0.08 326	0.13 311	0.17 281	0.09 322	0.13 333	0.15 320	0.24 414	0.16 260	0.09 168	0.09 152	0.06 39	0.06 65	0.15 381	0.16 462	0.06 160	0.05 235	0.06 178	0.05 185	0.07 356	0.07 371

cc1	0.10 228	0.08 326	0.13 311	0.17 281	0.09 322	0.13 333	0.15 320	0.16 209	0.18 313	0.09 168	0.09 152	0.06 39	0.06 65	0.10 112	0.07 1	0.06 160	0.05 235	0.06 178	0.05 185	0.06 275	0.06 284

mmm	0.14 410	0.08 326	0.18 493	0.17 281	0.09 322	0.17 454	0.18 466	0.21 345	0.16 260	0.16 398	0.23 431	0.21 458	0.16 461	0.16 410	0.17 479	0.08 404	0.05 235	0.08 383	0.08 445	0.08 423	0.07 371

11t1	0.12 349	0.07 193	0.14 357	0.14 53	0.08 203	0.17 454	0.15 320	0.19 309	0.15 226	0.15 369	0.15 302	0.17 407	0.16 461	0.15 381	0.13 369	0.08 404	0.05 235	0.06 178	0.05 185	0.08 423	0.07 371

IGEVStereo-DCA	0.09 159	0.07 193	0.11 222	0.16 193	0.10 437	0.11 236	0.15 320	0.16 209	0.12 130	0.10 211	0.06 19	0.08 170	0.06 65	0.10 112	0.09 90	0.06 160	0.05 235	0.06 178	0.05 185	0.05 156	0.06 284

rrr	0.09 159	0.07 193	0.13 311	0.16 193	0.10 437	0.11 236	0.15 320	0.16 209	0.15 226	0.10 211	0.06 19	0.08 170	0.06 65	0.10 112	0.09 90	0.06 160	0.05 235	0.06 178	0.05 185	0.05 156	0.06 284

ffm	0.12 349	0.09 406	0.15 392	0.16 193	0.09 322	0.17 454	0.17 417	0.15 172	0.19 341	0.15 369	0.26 482	0.19 432	0.13 387	0.10 112	0.08 23	0.06 160	0.05 235	0.09 469	0.08 445	0.06 275	0.06 284

ff1	0.13 377	0.09 406	0.15 392	0.16 193	0.09 322	0.17 454	0.17 417	0.15 172	0.19 341	0.15 369	0.26 482	0.19 432	0.13 387	0.15 381	0.22 543	0.06 160	0.05 235	0.09 469	0.08 445	0.06 275	0.06 284

tt1	0.10 228	0.08 326	0.13 311	0.17 281	0.09 322	0.13 333	0.15 320	0.15 172	0.19 341	0.09 168	0.08 114	0.06 39	0.06 65	0.10 112	0.08 23	0.06 160	0.05 235	0.06 178	0.05 185	0.06 275	0.06 284

plain	0.11 271	0.09 406	0.10 161	0.19 441	0.09 322	0.11 236	0.14 237	0.14 134	0.13 172	0.13 321	0.15 302	0.09 210	0.12 354	0.13 330	0.12 333	0.07 329	0.05 235	0.09 469	0.06 269	0.06 275	0.06 284

MIF-Stereo (partial)	0.11 271	0.06 92	0.10 161	0.19 441	0.10 437	0.10 186	0.12 102	0.17 246	0.19 341	0.14 344	0.16 319	0.10 242	0.11 321	0.12 273	0.12 333	0.08 404	0.05 235	0.08 383	0.07 370	0.06 275	0.07 371

PCWNet_CMD	0.14 410	0.08 326	0.15 392	0.17 281	0.09 322	0.14 377	0.14 237	0.29 507	0.36 555	0.14 344	0.20 391	0.21 458	0.13 387	0.17 450	0.14 406	0.07 329	0.05 235	0.07 293	0.07 370	0.07 356	0.07 371

GCAPDPT-zeroshot	0.09 159	0.05 29	0.11 222	0.13 11	0.07 119	0.11 236	0.14 237	0.14 134	0.17 295	0.07 66	0.10 184	0.08 170	0.06 65	0.13 330	0.08 23	0.07 329	0.05 235	0.05 43	0.05 185	0.05 156	0.04 47

GCAP-Stereo	0.09 159	0.07 193	0.13 311	0.18 371	0.06 25	0.11 236	0.07 3	0.14 134	0.12 130	0.09 168	0.10 184	0.07 118	0.09 253	0.13 330	0.10 184	0.06 160	0.05 235	0.05 43	0.04 49	0.04 45	0.05 184

LL-Strereo2	0.11 271	0.10 474	0.16 435	0.18 371	0.08 203	0.15 402	0.09 20	0.17 246	0.14 200	0.14 344	0.11 235	0.09 210	0.07 169	0.16 410	0.10 184	0.05 48	0.05 235	0.11 547	0.07 370	0.06 275	0.05 184

LL-Strereo	0.13 377	0.10 474	0.12 271	0.20 505	0.10 437	0.11 236	0.18 466	0.33 556	0.25 448	0.16 398	0.16 319	0.14 342	0.14 420	0.19 494	0.11 263	0.06 160	0.05 235	0.09 469	0.08 445	0.04 45	0.05 184

anonymousdsp2	0.11 271	0.07 193	0.11 222	0.16 193	0.09 322	0.13 333	0.14 237	0.19 309	0.23 411	0.13 321	0.14 289	0.12 298	0.09 253	0.14 362	0.11 263	0.05 48	0.05 235	0.05 43	0.04 49	0.06 275	0.06 284

LoS	0.09 159	0.05 29	0.11 222	0.13 11	0.07 119	0.14 377	0.11 67	0.15 172	0.15 226	0.09 168	0.09 152	0.12 298	0.09 253	0.15 381	0.10 184	0.07 329	0.05 235	0.05 43	0.03 1	0.05 156	0.05 184
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DCRE	0.11 271	0.07 193	0.13 311	0.16 193	0.11 493	0.11 236	0.17 417	0.18 276	0.17 295	0.11 253	0.18 365	0.11 274	0.10 282	0.15 381	0.11 263	0.06 160	0.05 235	0.06 178	0.06 269	0.05 156	0.05 184

knoymous	0.11 271	0.06 92	0.12 271	0.14 53	0.07 119	0.15 402	0.13 168	0.20 327	0.14 200	0.11 253	0.17 339	0.13 323	0.09 253	0.14 362	0.11 263	0.09 462	0.05 235	0.06 178	0.05 185	0.07 356	0.07 371

anonymousa	0.13 377	0.07 193	0.14 357	0.18 371	0.09 322	0.13 333	0.17 417	0.20 327	0.29 498	0.15 369	0.24 443	0.16 389	0.14 420	0.14 362	0.14 406	0.07 329	0.05 235	0.07 293	0.09 491	0.05 156	0.07 371

riskmin	0.11 271	0.06 92	0.13 311	0.14 53	0.08 203	0.14 377	0.14 237	0.18 276	0.15 226	0.12 289	0.15 302	0.17 407	0.11 321	0.14 362	0.12 333	0.09 462	0.05 235	0.07 293	0.05 185	0.08 423	0.08 441

Selective-RAFT	0.11 271	0.11 500	0.12 271	0.21 541	0.08 203	0.16 430	0.13 168	0.21 345	0.23 411	0.10 211	0.10 184	0.11 274	0.10 282	0.15 381	0.11 263	0.05 48	0.05 235	0.06 178	0.05 185	0.06 275	0.05 184

ProNet	0.09 159	0.07 193	0.11 222	0.17 281	0.08 203	0.11 236	0.15 320	0.15 172	0.12 130	0.10 211	0.06 19	0.07 118	0.06 65	0.11 182	0.09 90	0.05 48	0.05 235	0.06 178	0.05 185	0.04 45	0.06 284

x	0.13 377	0.08 326	0.15 392	0.14 53	0.08 203	0.19 493	0.14 237	0.22 369	0.21 379	0.15 369	0.20 391	0.20 449	0.18 501	0.18 469	0.18 492	0.07 329	0.05 235	0.06 178	0.06 269	0.07 356	0.07 371

DisPM	0.11 271	0.07 193	0.13 311	0.16 193	0.09 322	0.06 11	0.13 168	0.18 276	0.17 295	0.14 344	0.19 381	0.12 298	0.10 282	0.12 273	0.11 263	0.07 329	0.05 235	0.07 293	0.06 269	0.06 275	0.11 543

Wz-Net-LNSev-Ref	0.18 517	0.09 406	0.30 588	0.15 101	0.11 493	0.23 553	0.20 533	0.27 463	0.40 576	0.26 559	0.43 615	0.25 515	0.15 440	0.21 530	0.20 517	0.07 329	0.05 235	0.06 178	0.05 185	0.10 522	0.09 487

IER	0.14 410	0.08 326	0.13 311	0.17 281	0.09 322	0.14 377	0.16 384	0.26 449	0.27 474	0.18 445	0.26 482	0.17 407	0.20 532	0.17 450	0.14 406	0.08 404	0.05 235	0.07 293	0.06 269	0.08 423	0.07 371

raft_robust	0.13 377	0.10 474	0.07 8	0.18 371	0.08 203	0.13 333	0.24 587	0.29 507	0.34 536	0.20 483	0.20 391	0.15 367	0.10 282	0.11 182	0.12 333	0.05 48	0.05 235	0.07 293	0.07 370	0.05 156	0.04 47

test_5	0.14 410	0.12 519	0.08 35	0.20 505	0.10 437	0.14 377	0.28 623	0.21 345	0.24 423	0.19 461	0.28 511	0.11 274	0.15 440	0.12 273	0.13 369	0.06 160	0.05 235	0.07 293	0.08 445	0.08 423	0.07 371

Sa-1000	0.12 349	0.08 326	0.09 103	0.18 371	0.08 203	0.15 402	0.22 564	0.22 369	0.19 341	0.15 369	0.20 391	0.17 407	0.11 321	0.10 112	0.10 184	0.06 160	0.05 235	0.09 469	0.09 491	0.05 156	0.05 184

SA	0.13 377	0.09 406	0.09 103	0.18 371	0.08 203	0.12 290	0.24 587	0.23 388	0.19 341	0.17 412	0.27 500	0.15 367	0.11 321	0.11 182	0.11 263	0.05 48	0.05 235	0.09 469	0.08 445	0.05 156	0.05 184

iRaft-Stereo_5w	0.12 349	0.09 406	0.12 271	0.20 505	0.08 203	0.09 129	0.12 102	0.22 369	0.22 401	0.19 461	0.14 289	0.11 274	0.09 253	0.20 512	0.16 462	0.05 48	0.05 235	0.07 293	0.06 269	0.05 156	0.06 284

CIPLG	0.11 271	0.08 326	0.15 392	0.17 281	0.08 203	0.13 333	0.15 320	0.17 246	0.16 260	0.14 344	0.11 235	0.16 389	0.10 282	0.17 450	0.12 333	0.07 329	0.05 235	0.06 178	0.06 269	0.05 156	0.06 284

IPLGR_C	0.11 271	0.08 326	0.15 392	0.17 281	0.08 203	0.12 290	0.15 320	0.17 246	0.15 226	0.14 344	0.11 235	0.16 389	0.10 282	0.16 410	0.12 333	0.07 329	0.05 235	0.06 178	0.06 269	0.05 156	0.06 284

IPLGR	0.11 271	0.09 406	0.17 459	0.18 371	0.08 203	0.13 333	0.16 384	0.21 345	0.24 423	0.12 289	0.12 255	0.11 274	0.09 253	0.13 330	0.12 333	0.06 160	0.05 235	0.06 178	0.06 269	0.05 156	0.04 47

GMOStereo	0.11 271	0.09 406	0.08 35	0.19 441	0.08 203	0.12 290	0.28 623	0.13 105	0.18 313	0.11 253	0.17 339	0.14 342	0.12 354	0.07 3	0.07 1	0.05 48	0.05 235	0.09 469	0.07 370	0.04 45	0.04 47

error version	0.11 271	0.09 406	0.08 35	0.19 441	0.08 203	0.12 290	0.28 623	0.13 105	0.18 313	0.11 253	0.17 339	0.14 342	0.12 354	0.07 3	0.07 1	0.05 48	0.05 235	0.09 469	0.07 370	0.04 45	0.04 47

test-v	0.11 271	0.09 406	0.08 35	0.19 441	0.08 203	0.12 290	0.28 623	0.13 105	0.18 313	0.11 253	0.17 339	0.14 342	0.12 354	0.07 3	0.07 1	0.05 48	0.05 235	0.09 469	0.07 370	0.04 45	0.04 47

ACRE	0.11 271	0.08 326	0.15 392	0.17 281	0.08 203	0.13 333	0.15 320	0.17 246	0.14 200	0.14 344	0.11 235	0.16 389	0.10 282	0.16 410	0.12 333	0.07 329	0.05 235	0.06 178	0.06 269	0.05 156	0.06 284

GwcNet-ADL	0.13 377	0.08 326	0.14 357	0.20 505	0.09 322	0.12 290	0.20 533	0.30 520	0.25 448	0.14 344	0.14 289	0.18 422	0.14 420	0.13 330	0.15 443	0.07 329	0.05 235	0.06 178	0.05 185	0.07 356	0.06 284

CrosDoStereo	0.12 349	0.07 193	0.12 271	0.14 53	0.09 322	0.12 290	0.15 320	0.17 246	0.22 401	0.19 461	0.24 443	0.15 367	0.11 321	0.11 182	0.12 333	0.06 160	0.05 235	0.07 293	0.07 370	0.05 156	0.05 184

PFNet+	0.12 349	0.06 92	0.14 357	0.16 193	0.09 322	0.05 3	0.12 102	0.18 276	0.21 379	0.16 398	0.19 381	0.14 342	0.10 282	0.11 182	0.11 263	0.08 404	0.05 235	0.09 469	0.08 445	0.06 275	0.11 543

TRStereo	0.10 228	0.05 29	0.12 271	0.16 193	0.12 525	0.10 186	0.13 168	0.18 276	0.19 341	0.09 168	0.09 152	0.09 210	0.07 169	0.10 112	0.08 23	0.07 329	0.05 235	0.07 293	0.07 370	0.04 45	0.04 47

Patchmatch Stereo++	0.11 271	0.09 406	0.17 459	0.19 441	0.08 203	0.06 11	0.11 67	0.17 246	0.13 172	0.15 369	0.16 319	0.14 342	0.12 354	0.11 182	0.11 263	0.06 160	0.05 235	0.08 383	0.06 269	0.08 423	0.07 371
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
OMP-Stereo	0.11 271	0.07 193	0.14 357	0.18 371	0.08 203	0.09 129	0.12 102	0.21 345	0.21 379	0.13 321	0.14 289	0.11 274	0.12 354	0.11 182	0.13 369	0.06 160	0.05 235	0.07 293	0.06 269	0.05 156	0.04 47

IIG-Stereo	0.11 271	0.06 92	0.13 311	0.17 281	0.08 203	0.11 236	0.12 102	0.22 369	0.18 313	0.14 344	0.17 339	0.12 298	0.13 387	0.12 273	0.13 369	0.06 160	0.05 235	0.07 293	0.06 269	0.06 275	0.05 184

PSM-softLoss	0.12 349	0.07 193	0.15 392	0.17 281	0.09 322	0.08 71	0.12 102	0.24 414	0.17 295	0.15 369	0.19 381	0.13 323	0.11 321	0.11 182	0.11 263	0.07 329	0.05 235	0.08 383	0.07 370	0.07 356	0.12 564

KMStereo	0.12 349	0.07 193	0.15 392	0.17 281	0.09 322	0.08 71	0.12 102	0.24 414	0.17 295	0.15 369	0.19 381	0.13 323	0.11 321	0.11 182	0.11 263	0.07 329	0.05 235	0.08 383	0.07 370	0.07 356	0.12 564

PSM-adaLoss	0.11 271	0.09 406	0.17 459	0.19 441	0.08 203	0.06 11	0.12 102	0.17 246	0.13 172	0.15 369	0.16 319	0.14 342	0.12 354	0.11 182	0.11 263	0.06 160	0.05 235	0.08 383	0.06 269	0.08 423	0.07 371

PSM-AAD	0.11 271	0.07 193	0.10 161	0.20 505	0.09 322	0.10 186	0.14 237	0.21 345	0.13 172	0.12 289	0.14 289	0.18 422	0.11 321	0.11 182	0.10 184	0.05 48	0.05 235	0.09 469	0.08 445	0.06 275	0.14 595

FTStereo	0.12 349	0.07 193	0.14 357	0.18 371	0.09 322	0.07 32	0.15 320	0.22 369	0.18 313	0.12 289	0.24 443	0.11 274	0.13 387	0.13 330	0.14 406	0.05 48	0.05 235	0.07 293	0.07 370	0.06 275	0.10 517

ROB_FTStereo_v2	0.11 271	0.09 406	0.17 459	0.19 441	0.08 203	0.06 11	0.12 102	0.17 246	0.13 172	0.15 369	0.16 319	0.14 342	0.12 354	0.11 182	0.11 263	0.06 160	0.05 235	0.08 383	0.06 269	0.08 423	0.07 371

ROB_FTStereo	0.11 271	0.09 406	0.17 459	0.19 441	0.08 203	0.06 11	0.11 67	0.17 246	0.13 172	0.15 369	0.16 319	0.14 342	0.12 354	0.11 182	0.11 263	0.06 160	0.05 235	0.08 383	0.06 269	0.08 423	0.07 371

HUI-Stereo	0.11 271	0.09 406	0.17 459	0.19 441	0.08 203	0.06 11	0.11 67	0.17 246	0.13 172	0.15 369	0.16 319	0.14 342	0.12 354	0.11 182	0.11 263	0.06 160	0.05 235	0.08 383	0.06 269	0.08 423	0.07 371

DeepStereo_LL	0.12 349	0.07 193	0.12 271	0.14 53	0.09 322	0.12 290	0.15 320	0.17 246	0.22 401	0.19 461	0.24 443	0.15 367	0.11 321	0.11 182	0.12 333	0.06 160	0.05 235	0.07 293	0.07 370	0.05 156	0.05 184

THIR-Stereo	0.12 349	0.07 193	0.11 222	0.15 101	0.08 203	0.14 377	0.16 384	0.18 276	0.25 448	0.17 412	0.24 443	0.13 323	0.13 387	0.12 273	0.14 406	0.06 160	0.05 235	0.07 293	0.07 370	0.05 156	0.05 184

GrayStereo	0.11 271	0.06 92	0.11 222	0.19 441	0.09 322	0.09 129	0.16 384	0.18 276	0.17 295	0.14 344	0.17 339	0.17 407	0.11 321	0.12 273	0.11 263	0.05 48	0.05 235	0.07 293	0.06 269	0.06 275	0.10 517

iGMRVC	0.11 271	0.09 406	0.17 459	0.19 441	0.08 203	0.06 11	0.12 102	0.17 246	0.13 172	0.15 369	0.16 319	0.14 342	0.12 354	0.11 182	0.11 263	0.06 160	0.05 235	0.08 383	0.06 269	0.08 423	0.07 371

RAFT-345	0.11 271	0.07 193	0.16 435	0.17 281	0.08 203	0.08 71	0.12 102	0.16 209	0.10 61	0.11 253	0.34 562	0.09 210	0.10 282	0.11 182	0.12 333	0.05 48	0.05 235	0.07 293	0.06 269	0.04 45	0.05 184

iRAFT	0.11 271	0.09 406	0.17 459	0.19 441	0.08 203	0.06 11	0.11 67	0.17 246	0.13 172	0.15 369	0.16 319	0.14 342	0.12 354	0.11 182	0.11 263	0.06 160	0.05 235	0.08 383	0.06 269	0.08 423	0.07 371

AnonymousM	0.10 228	0.06 92	0.10 161	0.14 53	0.07 119	0.09 129	0.13 168	0.19 309	0.14 200	0.13 321	0.12 255	0.09 210	0.08 221	0.13 330	0.10 184	0.08 404	0.05 235	0.08 383	0.05 185	0.05 156	0.05 184

CroCo-Stereo	0.09 159	0.08 326	0.08 35	0.22 563	0.09 322	0.09 129	0.18 466	0.16 209	0.12 130	0.07 66	0.07 57	0.08 170	0.06 65	0.08 21	0.07 1	0.07 329	0.05 235	0.06 178	0.04 49	0.05 156	0.04 47
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-2	0.11 271	0.09 406	0.08 35	0.19 441	0.08 203	0.12 290	0.28 623	0.13 105	0.18 313	0.11 253	0.17 339	0.14 342	0.12 354	0.07 3	0.07 1	0.05 48	0.05 235	0.09 469	0.07 370	0.04 45	0.04 47

RAFT-IKP	0.11 271	0.09 406	0.17 459	0.19 441	0.08 203	0.06 11	0.11 67	0.17 246	0.13 172	0.15 369	0.16 319	0.14 342	0.12 354	0.11 182	0.11 263	0.06 160	0.05 235	0.08 383	0.06 269	0.08 423	0.07 371

Prome-Stereo	0.11 271	0.07 193	0.11 222	0.18 371	0.09 322	0.12 290	0.14 237	0.23 388	0.13 172	0.13 321	0.16 319	0.13 323	0.08 221	0.12 273	0.10 184	0.05 48	0.05 235	0.07 293	0.06 269	0.06 275	0.10 517

rafts_anoy	0.11 271	0.06 92	0.10 161	0.17 281	0.08 203	0.10 186	0.14 237	0.18 276	0.14 200	0.13 321	0.13 276	0.12 298	0.11 321	0.11 182	0.13 369	0.07 329	0.05 235	0.09 469	0.11 562	0.07 356	0.06 284

TANstereo	0.09 159	0.04 1	0.08 35	0.13 11	0.06 25	0.11 236	0.13 168	0.15 172	0.19 341	0.11 253	0.15 302	0.10 242	0.07 169	0.12 273	0.09 90	0.07 329	0.05 235	0.05 43	0.04 49	0.06 275	0.05 184

raftrobust	0.09 159	0.06 92	0.11 222	0.17 281	0.08 203	0.09 129	0.10 33	0.18 276	0.16 260	0.10 211	0.09 152	0.12 298	0.08 221	0.12 273	0.10 184	0.08 404	0.05 235	0.06 178	0.05 185	0.05 156	0.06 284

sAnonymous2	0.13 377	0.12 519	0.25 559	0.20 505	0.12 525	0.18 470	0.14 237	0.27 463	0.21 379	0.11 253	0.12 255	0.13 323	0.08 221	0.11 182	0.11 263	0.09 462	0.05 235	0.08 383	0.06 269	0.15 606	0.10 517

CroCo_RVC	0.13 377	0.12 519	0.25 559	0.20 505	0.12 525	0.18 470	0.14 237	0.27 463	0.21 379	0.11 253	0.12 255	0.13 323	0.08 221	0.11 182	0.11 263	0.09 462	0.05 235	0.08 383	0.06 269	0.15 606	0.10 517

CFNet_pseudo	0.14 410	0.08 326	0.16 435	0.16 193	0.09 322	0.13 333	0.14 237	0.27 463	0.34 536	0.15 369	0.21 409	0.22 476	0.13 387	0.18 469	0.14 406	0.07 329	0.05 235	0.08 383	0.06 269	0.07 356	0.07 371

RALAANet	0.11 271	0.08 326	0.10 161	0.17 281	0.09 322	0.14 377	0.10 33	0.20 327	0.16 260	0.14 344	0.13 276	0.16 389	0.09 253	0.12 273	0.12 333	0.06 160	0.05 235	0.08 383	0.07 370	0.06 275	0.04 47

XX-Stereo	0.09 159	0.05 29	0.09 103	0.17 281	0.09 322	0.15 402	0.12 102	0.21 345	0.10 61	0.10 211	0.14 289	0.07 118	0.06 65	0.13 330	0.08 23	0.06 160	0.05 235	0.06 178	0.06 269	0.04 45	0.04 47

222	0.16 479	0.07 193	0.15 392	0.14 53	0.08 203	0.25 571	0.18 466	0.30 520	0.21 379	0.18 445	0.29 526	0.17 407	0.16 461	0.16 410	0.44 655	0.10 503	0.05 235	0.07 293	0.06 269	0.08 423	0.08 441

xxxx	0.15 452	0.07 193	0.14 357	0.14 53	0.08 203	0.24 562	0.18 466	0.32 542	0.20 364	0.14 344	0.28 511	0.22 476	0.14 420	0.15 381	0.29 610	0.09 462	0.05 235	0.07 293	0.07 370	0.08 423	0.08 441

test_xeample	0.15 452	0.07 193	0.14 357	0.15 101	0.08 203	0.22 538	0.20 533	0.29 507	0.21 379	0.16 398	0.29 526	0.19 432	0.17 487	0.16 410	0.28 601	0.09 462	0.05 235	0.07 293	0.07 370	0.07 356	0.07 371

ARAFT	0.12 349	0.08 326	0.18 493	0.19 441	0.09 322	0.15 402	0.17 417	0.20 327	0.13 172	0.12 289	0.13 276	0.14 342	0.12 354	0.15 381	0.13 369	0.06 160	0.05 235	0.10 517	0.09 491	0.06 275	0.04 47

EAI-Stereo	0.09 159	0.07 193	0.11 222	0.16 193	0.07 119	0.10 186	0.15 320	0.16 209	0.09 42	0.08 118	0.09 152	0.08 170	0.07 169	0.09 55	0.11 263	0.05 48	0.05 235	0.05 43	0.05 185	0.05 156	0.04 47

SFCPSM	0.13 377	0.07 193	0.15 392	0.17 281	0.09 322	0.15 402	0.16 384	0.28 488	0.27 474	0.14 344	0.18 365	0.12 298	0.13 387	0.14 362	0.11 263	0.08 404	0.05 235	0.07 293	0.07 370	0.07 356	0.06 284

FENet	0.13 377	0.08 326	0.13 311	0.16 193	0.08 203	0.15 402	0.16 384	0.23 388	0.23 411	0.17 412	0.24 443	0.16 389	0.13 387	0.14 362	0.15 443	0.08 404	0.05 235	0.08 383	0.08 445	0.08 423	0.08 441

cf-r	0.14 410	0.07 193	0.13 311	0.16 193	0.08 203	0.14 377	0.19 512	0.21 345	0.25 448	0.17 412	0.26 482	0.22 476	0.17 487	0.14 362	0.15 443	0.10 503	0.05 235	0.06 178	0.08 445	0.06 275	0.06 284

CCAANet	0.14 410	0.06 92	0.12 271	0.16 193	0.08 203	0.22 538	0.14 237	0.27 463	0.18 313	0.16 398	0.37 574	0.15 367	0.18 501	0.16 410	0.13 369	0.07 329	0.05 235	0.06 178	0.06 269	0.05 156	0.07 371

DIP-Stereo	0.11 271	0.08 326	0.15 392	0.17 281	0.09 322	0.13 333	0.09 20	0.16 209	0.16 260	0.12 289	0.16 319	0.14 342	0.12 354	0.16 410	0.14 406	0.06 160	0.05 235	0.06 178	0.05 185	0.05 156	0.07 371
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 349	0.09 406	0.15 392	0.18 371	0.07 119	0.15 402	0.07 3	0.23 388	0.19 341	0.16 398	0.19 381	0.19 432	0.14 420	0.17 450	0.15 443	0.07 329	0.05 235	0.05 43	0.05 185	0.06 275	0.07 371

R-Stereo Train	0.10 228	0.06 92	0.11 222	0.17 281	0.08 203	0.11 236	0.14 237	0.24 414	0.11 93	0.12 289	0.19 381	0.11 274	0.08 221	0.10 112	0.11 263	0.07 329	0.05 235	0.06 178	0.05 185	0.05 156	0.05 184

RAFT-Stereo	0.10 228	0.06 92	0.11 222	0.17 281	0.08 203	0.11 236	0.14 237	0.24 414	0.11 93	0.12 289	0.19 381	0.11 274	0.08 221	0.10 112	0.11 263	0.07 329	0.05 235	0.06 178	0.05 185	0.05 156	0.05 184
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.14 410	0.08 326	0.15 392	0.17 281	0.09 322	0.14 377	0.14 237	0.29 507	0.36 555	0.14 344	0.20 391	0.21 458	0.13 387	0.18 469	0.14 406	0.07 329	0.05 235	0.07 293	0.07 370	0.07 356	0.07 371

ccs_rob	0.14 410	0.09 406	0.16 435	0.16 193	0.09 322	0.13 333	0.14 237	0.27 463	0.34 536	0.15 369	0.21 409	0.22 476	0.13 387	0.18 469	0.14 406	0.07 329	0.05 235	0.08 383	0.07 370	0.07 356	0.07 371

AANet_RVC	0.16 479	0.10 474	0.11 222	0.18 371	0.09 322	0.19 493	0.18 466	0.27 463	0.32 520	0.22 514	0.35 566	0.21 458	0.22 547	0.22 548	0.17 479	0.06 160	0.05 235	0.06 178	0.06 269	0.07 356	0.06 284

AdaStereo	0.15 452	0.11 500	0.16 435	0.19 441	0.09 322	0.21 524	0.11 67	0.33 556	0.28 490	0.21 499	0.23 431	0.21 458	0.13 387	0.19 494	0.15 443	0.13 582	0.05 235	0.10 517	0.07 370	0.09 486	0.07 371
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	0.15 452	0.09 406	0.15 392	0.16 193	0.09 322	0.16 430	0.14 237	0.28 488	0.25 448	0.20 483	0.24 443	0.37 604	0.17 487	0.20 512	0.15 443	0.07 329	0.05 235	0.07 293	0.06 269	0.07 356	0.06 284

StereoDRNet-Refined	0.17 501	0.12 519	0.16 435	0.20 505	0.10 437	0.18 470	0.18 466	0.27 463	0.24 423	0.26 559	0.41 604	0.23 493	0.18 501	0.21 530	0.21 530	0.09 462	0.05 235	0.09 469	0.10 530	0.07 356	0.07 371
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROB	0.14 410	0.07 193	0.13 311	0.15 101	0.07 119	0.19 493	0.14 237	0.26 449	0.32 520	0.23 529	0.26 482	0.23 493	0.16 461	0.15 381	0.14 406	0.07 329	0.05 235	0.05 43	0.04 49	0.08 423	0.08 441

DN-CSS_ROB	0.13 377	0.13 546	0.17 459	0.18 371	0.10 437	0.16 430	0.08 7	0.22 369	0.19 341	0.17 412	0.23 431	0.13 323	0.13 387	0.13 330	0.14 406	0.05 48	0.05 235	0.10 517	0.10 530	0.08 423	0.06 284

pmcnn	0.15 452	0.07 193	0.20 522	0.15 101	0.07 119	0.21 524	0.16 384	0.25 435	0.26 461	0.21 499	0.33 552	0.29 550	0.19 520	0.18 469	0.17 479	0.07 329	0.05 235	0.05 43	0.04 49	0.07 356	0.06 284

FlowAnything_test	0.11 271	0.08 326	0.14 357	0.15 101	0.09 322	0.08 71	0.14 237	0.20 327	0.11 93	0.10 211	0.09 152	0.12 298	0.12 354	0.13 330	0.11 263	0.09 462	0.06 404	0.09 469	0.09 491	0.06 275	0.09 487

MSAF-DinoV2	0.23 573	0.11 500	0.25 559	0.17 281	0.10 437	0.28 602	0.17 417	0.38 609	0.56 632	0.21 499	0.27 500	0.47 640	0.28 594	0.36 623	0.40 647	0.09 462	0.06 404	0.07 293	0.09 491	0.12 561	0.11 543

S2M2_XL	0.08 70	0.06 92	0.12 271	0.12 5	0.08 203	0.09 129	0.09 20	0.07 6	0.07 13	0.08 118	0.07 57	0.07 118	0.06 65	0.09 55	0.09 90	0.08 404	0.06 404	0.07 293	0.06 269	0.08 423	0.06 284
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test3	0.10 228	0.07 193	0.07 8	0.18 371	0.07 119	0.12 290	0.19 512	0.24 414	0.19 341	0.06 21	0.10 184	0.08 170	0.06 65	0.11 182	0.09 90	0.06 160	0.06 404	0.07 293	0.05 185	0.05 156	0.04 47

DDVS	0.16 479	0.10 474	0.22 542	0.16 193	0.12 525	0.15 402	0.14 237	0.25 435	0.19 341	0.18 445	0.30 532	0.27 532	0.13 387	0.20 512	0.16 462	0.09 462	0.06 404	0.09 469	0.07 370	0.11 544	0.11 543

rvit_stereo_0081_aga	0.12 349	0.09 406	0.15 392	0.18 371	0.10 437	0.14 377	0.14 237	0.14 134	0.19 341	0.10 211	0.18 365	0.16 389	0.09 253	0.12 273	0.10 184	0.10 503	0.06 404	0.08 383	0.07 370	0.07 356	0.06 284

model_zeroshot	0.10 228	0.05 29	0.12 271	0.15 101	0.09 322	0.13 333	0.14 237	0.20 327	0.14 200	0.11 253	0.10 184	0.12 298	0.07 169	0.12 273	0.11 263	0.07 329	0.06 404	0.06 178	0.05 185	0.06 275	0.06 284

ITSA-stereo	0.16 479	0.11 500	0.14 357	0.19 441	0.08 203	0.13 333	0.14 237	0.30 520	0.49 611	0.17 412	0.18 365	0.22 476	0.15 440	0.17 450	0.16 462	0.10 503	0.06 404	0.08 383	0.08 445	0.08 423	0.09 487

rvit_stereo_ft	0.12 349	0.07 193	0.13 311	0.19 441	0.10 437	0.12 290	0.17 417	0.16 209	0.16 260	0.13 321	0.13 276	0.15 367	0.10 282	0.14 362	0.13 369	0.10 503	0.06 404	0.08 383	0.07 370	0.07 356	0.06 284

DualNet (step1)	0.17 501	0.12 519	0.21 532	0.13 11	0.14 570	0.18 470	0.14 237	0.28 488	0.24 423	0.21 499	0.21 409	0.24 502	0.20 532	0.16 410	0.16 462	0.15 607	0.06 404	0.14 597	0.14 602	0.15 606	0.13 579

test_sample7	0.16 479	0.10 474	0.16 435	0.14 53	0.12 525	0.16 430	0.17 417	0.28 488	0.24 423	0.21 499	0.21 409	0.24 502	0.20 532	0.16 410	0.16 462	0.12 563	0.06 404	0.10 517	0.09 491	0.11 544	0.10 517

test_sample5	0.14 410	0.08 326	0.14 357	0.16 193	0.08 203	0.18 470	0.18 466	0.25 435	0.17 295	0.17 412	0.28 511	0.18 422	0.15 440	0.16 410	0.13 369	0.08 404	0.06 404	0.08 383	0.07 370	0.09 486	0.08 441

test_sample4	0.14 410	0.08 326	0.15 392	0.15 101	0.08 203	0.19 493	0.18 466	0.26 449	0.18 313	0.17 412	0.26 482	0.18 422	0.15 440	0.17 450	0.13 369	0.08 404	0.06 404	0.08 383	0.06 269	0.09 486	0.08 441

test_sample3	0.14 410	0.08 326	0.15 392	0.14 53	0.09 322	0.20 513	0.17 417	0.27 463	0.18 313	0.17 412	0.22 426	0.19 432	0.15 440	0.17 450	0.14 406	0.09 462	0.06 404	0.07 293	0.06 269	0.09 486	0.08 441

test_sample2	0.13 377	0.07 193	0.12 271	0.14 53	0.08 203	0.16 430	0.18 466	0.21 345	0.16 260	0.14 344	0.21 409	0.20 449	0.15 440	0.15 381	0.13 369	0.08 404	0.06 404	0.07 293	0.06 269	0.08 423	0.08 441

test_sample1	0.13 377	0.07 193	0.14 357	0.14 53	0.08 203	0.19 493	0.17 417	0.20 327	0.15 226	0.14 344	0.22 426	0.18 422	0.16 461	0.17 450	0.15 443	0.07 329	0.06 404	0.06 178	0.06 269	0.08 423	0.08 441

AE-Stereo	0.10 228	0.08 326	0.11 222	0.19 441	0.09 322	0.10 186	0.15 320	0.14 134	0.20 364	0.09 168	0.15 302	0.12 298	0.08 221	0.11 182	0.10 184	0.05 48	0.06 404	0.07 293	0.06 269	0.05 156	0.04 47

DualNet	0.14 410	0.08 326	0.14 357	0.16 193	0.08 203	0.18 470	0.18 466	0.25 435	0.17 295	0.18 445	0.28 511	0.18 422	0.15 440	0.16 410	0.13 369	0.08 404	0.06 404	0.08 383	0.07 370	0.09 486	0.08 441

mmx	0.15 452	0.09 406	0.15 392	0.16 193	0.09 322	0.17 454	0.17 417	0.27 463	0.26 461	0.15 369	0.26 482	0.19 432	0.13 387	0.15 381	0.22 543	0.08 404	0.06 404	0.09 469	0.08 445	0.08 423	0.08 441

xxx	0.15 452	0.09 406	0.15 392	0.16 193	0.09 322	0.17 454	0.17 417	0.27 463	0.26 461	0.15 369	0.26 482	0.19 432	0.13 387	0.15 381	0.22 543	0.08 404	0.06 404	0.09 469	0.08 445	0.08 423	0.08 441

GMStereo_Zeroshot	0.16 479	0.13 546	0.25 559	0.20 505	0.10 437	0.17 454	0.13 168	0.30 520	0.25 448	0.23 529	0.32 546	0.25 515	0.11 321	0.19 494	0.14 406	0.09 462	0.06 404	0.11 547	0.06 269	0.12 561	0.08 441

MaDis-Stereo	0.09 159	0.09 406	0.08 35	0.17 281	0.09 322	0.14 377	0.11 67	0.16 209	0.16 260	0.09 168	0.11 235	0.06 39	0.06 65	0.09 55	0.13 369	0.07 329	0.06 404	0.08 383	0.05 185	0.05 156	0.04 47

UniTT-Stereo	0.09 159	0.07 193	0.08 35	0.18 371	0.08 203	0.13 333	0.11 67	0.12 77	0.11 93	0.10 211	0.12 255	0.05 4	0.06 65	0.09 55	0.10 184	0.07 329	0.06 404	0.05 43	0.05 185	0.06 275	0.05 184

EKT-Stereo	0.11 271	0.07 193	0.14 357	0.16 193	0.10 437	0.13 333	0.14 237	0.19 309	0.21 379	0.11 253	0.08 114	0.13 323	0.10 282	0.11 182	0.12 333	0.08 404	0.06 404	0.07 293	0.06 269	0.08 423	0.07 371

MIM_Stereo	0.10 228	0.07 193	0.11 222	0.15 101	0.07 119	0.07 32	0.12 102	0.20 327	0.14 200	0.13 321	0.14 289	0.09 210	0.05 17	0.12 273	0.08 23	0.05 48	0.06 404	0.07 293	0.06 269	0.06 275	0.05 184

CFNet_ucs	0.15 452	0.09 406	0.17 459	0.16 193	0.11 493	0.14 377	0.14 237	0.30 520	0.34 536	0.16 398	0.24 443	0.23 493	0.14 420	0.18 469	0.15 443	0.09 462	0.06 404	0.08 383	0.07 370	0.09 486	0.09 487

CBFPSM	0.15 452	0.07 193	0.27 570	0.17 281	0.09 322	0.13 333	0.15 320	0.22 369	0.23 411	0.20 483	0.27 500	0.23 493	0.16 461	0.16 410	0.19 507	0.06 160	0.06 404	0.06 178	0.07 370	0.07 356	0.07 371

CASS	0.14 410	0.12 519	0.12 271	0.23 584	0.09 322	0.15 402	0.17 417	0.19 309	0.20 364	0.17 412	0.18 365	0.15 367	0.15 440	0.15 381	0.14 406	0.09 462	0.06 404	0.10 517	0.08 445	0.09 486	0.07 371
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CroCo-Stereo Lap2	0.09 159	0.09 406	0.08 35	0.22 563	0.09 322	0.09 129	0.18 466	0.16 209	0.12 130	0.09 168	0.10 184	0.05 4	0.05 17	0.08 21	0.08 23	0.06 160	0.06 404	0.07 293	0.05 185	0.06 275	0.05 184

TestStereo1	0.13 377	0.08 326	0.08 35	0.20 505	0.08 203	0.18 470	0.29 634	0.23 388	0.17 295	0.17 412	0.20 391	0.16 389	0.11 321	0.12 273	0.13 369	0.06 160	0.06 404	0.08 383	0.06 269	0.05 156	0.05 184

qqq	0.13 377	0.09 406	0.15 392	0.16 193	0.08 203	0.13 333	0.15 320	0.24 414	0.16 260	0.15 369	0.19 381	0.16 389	0.16 461	0.15 381	0.16 462	0.07 329	0.06 404	0.08 383	0.08 445	0.07 356	0.07 371

BUS	0.15 452	0.09 406	0.14 357	0.22 563	0.10 437	0.20 513	0.14 237	0.34 571	0.20 364	0.17 412	0.23 431	0.16 389	0.14 420	0.16 410	0.14 406	0.08 404	0.06 404	0.10 517	0.09 491	0.07 356	0.07 371

RAFT_CTSACE	0.12 349	0.09 406	0.10 161	0.22 563	0.08 203	0.12 290	0.24 587	0.18 276	0.17 295	0.21 499	0.27 500	0.13 323	0.07 169	0.13 330	0.09 90	0.05 48	0.06 404	0.08 383	0.07 370	0.04 45	0.04 47

BSDual-CNN	0.15 452	0.09 406	0.14 357	0.22 563	0.10 437	0.15 402	0.15 320	0.34 571	0.20 364	0.17 412	0.23 431	0.25 515	0.16 461	0.16 410	0.14 406	0.08 404	0.06 404	0.10 517	0.09 491	0.07 356	0.07 371

hknet	0.15 452	0.11 500	0.14 357	0.22 563	0.11 493	0.15 402	0.15 320	0.34 571	0.26 461	0.17 412	0.23 431	0.22 476	0.18 501	0.17 450	0.13 369	0.07 329	0.06 404	0.10 517	0.09 491	0.07 356	0.07 371

SA-5K	0.13 377	0.08 326	0.08 35	0.20 505	0.08 203	0.18 470	0.29 634	0.23 388	0.17 295	0.17 412	0.20 391	0.16 389	0.11 321	0.12 273	0.13 369	0.06 160	0.06 404	0.08 383	0.06 269	0.05 156	0.05 184

CSP-Net	0.16 479	0.09 406	0.14 357	0.17 281	0.09 322	0.19 493	0.18 466	0.25 435	0.33 525	0.26 559	0.31 537	0.25 515	0.16 461	0.21 530	0.19 507	0.09 462	0.06 404	0.07 293	0.07 370	0.08 423	0.08 441

UDGNet	0.14 410	0.13 546	0.17 459	0.18 371	0.10 437	0.12 290	0.16 384	0.21 345	0.27 474	0.20 483	0.20 391	0.17 407	0.13 387	0.16 410	0.14 406	0.10 503	0.06 404	0.09 469	0.07 370	0.07 356	0.07 371

dd	0.15 452	0.17 589	0.17 459	0.19 441	0.09 322	0.15 402	0.18 466	0.22 369	0.26 461	0.23 529	0.20 391	0.21 458	0.10 282	0.21 530	0.17 479	0.10 503	0.06 404	0.08 383	0.06 269	0.08 423	0.07 371

DAS	0.15 452	0.08 326	0.18 493	0.19 441	0.10 437	0.19 493	0.17 417	0.28 488	0.30 504	0.18 445	0.26 482	0.21 458	0.16 461	0.16 410	0.13 369	0.08 404	0.06 404	0.06 178	0.06 269	0.07 356	0.07 371

SepStereo	0.15 452	0.08 326	0.18 493	0.19 441	0.10 437	0.19 493	0.17 417	0.28 488	0.30 504	0.18 445	0.26 482	0.21 458	0.16 461	0.26 577	0.13 369	0.08 404	0.06 404	0.06 178	0.06 269	0.07 356	0.07 371

GANet-ADL	0.13 377	0.07 193	0.15 392	0.17 281	0.10 437	0.19 493	0.15 320	0.30 520	0.21 379	0.13 321	0.18 365	0.19 432	0.13 387	0.16 410	0.14 406	0.08 404	0.06 404	0.06 178	0.05 185	0.07 356	0.08 441

LMCR-Stereo	0.15 452	0.08 326	0.14 357	0.21 541	0.09 322	0.18 470	0.19 512	0.28 488	0.19 341	0.24 541	0.24 443	0.23 493	0.17 487	0.20 512	0.17 479	0.07 329	0.06 404	0.08 383	0.06 269	0.10 522	0.09 487

GEStereo_RVC	0.17 501	0.12 519	0.16 435	0.22 563	0.11 493	0.19 493	0.18 466	0.32 542	0.49 611	0.20 483	0.25 469	0.17 407	0.13 387	0.21 530	0.16 462	0.10 503	0.06 404	0.08 383	0.07 370	0.09 486	0.08 441

TestStereo	0.14 410	0.15 568	0.11 222	0.23 584	0.08 203	0.15 402	0.21 550	0.20 327	0.23 411	0.14 344	0.25 469	0.16 389	0.13 387	0.16 410	0.14 406	0.06 160	0.06 404	0.08 383	0.06 269	0.09 486	0.05 184

RALCasStereoNet	0.11 271	0.07 193	0.09 103	0.16 193	0.08 203	0.13 333	0.14 237	0.17 246	0.11 93	0.12 289	0.17 339	0.14 342	0.10 282	0.12 273	0.11 263	0.07 329	0.06 404	0.06 178	0.05 185	0.08 423	0.07 371

ADLNet	0.16 479	0.08 326	0.15 392	0.16 193	0.10 437	0.16 430	0.17 417	0.33 556	0.27 474	0.23 529	0.27 500	0.24 502	0.16 461	0.18 469	0.21 530	0.10 503	0.06 404	0.10 517	0.10 530	0.08 423	0.09 487

GMStereo	0.13 377	0.15 568	0.14 357	0.18 371	0.09 322	0.16 430	0.16 384	0.20 327	0.25 448	0.17 412	0.17 339	0.11 274	0.11 321	0.16 410	0.13 369	0.07 329	0.06 404	0.06 178	0.06 269	0.07 356	0.06 284
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MMNet	0.17 501	0.10 474	0.17 459	0.20 505	0.11 493	0.27 592	0.20 533	0.26 449	0.42 585	0.22 514	0.30 532	0.22 476	0.20 532	0.18 469	0.20 517	0.06 160	0.06 404	0.07 293	0.07 370	0.08 423	0.07 371

UNet	0.17 501	0.09 406	0.18 493	0.19 441	0.12 525	0.28 602	0.19 512	0.33 556	0.30 504	0.21 499	0.25 469	0.23 493	0.19 520	0.20 512	0.19 507	0.07 329	0.06 404	0.08 383	0.07 370	0.08 423	0.07 371

ACVNet	0.15 452	0.09 406	0.15 392	0.13 11	0.12 525	0.14 377	0.20 533	0.22 369	0.34 536	0.17 412	0.26 482	0.21 458	0.17 487	0.18 469	0.21 530	0.07 329	0.06 404	0.06 178	0.06 269	0.08 423	0.06 284

acv_ft	0.15 452	0.09 406	0.16 435	0.19 441	0.10 437	0.16 430	0.17 417	0.25 435	0.34 536	0.19 461	0.26 482	0.21 458	0.17 487	0.18 469	0.19 507	0.07 329	0.06 404	0.06 178	0.06 269	0.08 423	0.06 284

GANet-RSSM	0.14 410	0.07 193	0.13 311	0.13 11	0.08 203	0.14 377	0.18 466	0.23 388	0.21 379	0.17 412	0.25 469	0.24 502	0.16 461	0.16 410	0.16 462	0.10 503	0.06 404	0.07 293	0.08 445	0.08 423	0.07 371

PSMNet-RSSM	0.14 410	0.07 193	0.14 357	0.15 101	0.08 203	0.13 333	0.16 384	0.25 435	0.24 423	0.17 412	0.28 511	0.23 493	0.14 420	0.16 410	0.14 406	0.11 537	0.06 404	0.09 469	0.12 584	0.08 423	0.07 371

GwcNet-RSSM	0.14 410	0.07 193	0.12 271	0.16 193	0.08 203	0.15 402	0.20 533	0.22 369	0.28 490	0.18 445	0.28 511	0.23 493	0.17 487	0.15 381	0.16 462	0.10 503	0.06 404	0.07 293	0.09 491	0.07 356	0.07 371

CFNet-ft	0.14 410	0.07 193	0.15 392	0.12 5	0.09 322	0.17 454	0.18 466	0.22 369	0.24 423	0.17 412	0.26 482	0.24 502	0.14 420	0.16 410	0.15 443	0.11 537	0.06 404	0.08 383	0.09 491	0.09 486	0.08 441

DMCA	0.14 410	0.09 406	0.17 459	0.19 441	0.09 322	0.15 402	0.17 417	0.23 388	0.28 490	0.14 344	0.20 391	0.17 407	0.18 501	0.15 381	0.17 479	0.10 503	0.06 404	0.08 383	0.06 269	0.09 486	0.10 517

SuperB	0.20 538	0.10 474	0.57 638	0.16 193	0.09 322	0.19 493	0.18 466	0.25 435	0.51 619	0.27 566	0.39 590	0.17 407	0.22 547	0.22 548	0.21 530	0.08 404	0.06 404	0.06 178	0.06 269	0.12 561	0.11 543

ADCRef	0.20 538	0.12 519	0.43 622	0.20 505	0.12 525	0.23 553	0.18 466	0.32 542	0.37 561	0.26 559	0.33 552	0.18 422	0.23 553	0.25 573	0.26 587	0.07 329	0.06 404	0.09 469	0.09 491	0.08 423	0.09 487

ADCP+	0.20 538	0.10 474	0.35 607	0.21 541	0.12 525	0.22 538	0.27 617	0.31 537	0.35 550	0.26 559	0.37 574	0.22 476	0.22 547	0.27 579	0.28 601	0.09 462	0.06 404	0.08 383	0.08 445	0.10 522	0.10 517

RASNet	0.15 452	0.07 193	0.15 392	0.16 193	0.08 203	0.19 493	0.14 237	0.30 520	0.21 379	0.17 412	0.25 469	0.21 458	0.19 520	0.20 512	0.20 517	0.07 329	0.06 404	0.06 178	0.08 445	0.06 275	0.06 284

HSM-Net_RVC	0.14 410	0.08 326	0.12 271	0.15 101	0.08 203	0.16 430	0.15 320	0.27 463	0.29 498	0.20 483	0.21 409	0.29 550	0.14 420	0.18 469	0.13 369	0.06 160	0.06 404	0.06 178	0.06 269	0.07 356	0.06 284
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RYNet	0.23 573	0.12 519	0.22 542	0.19 441	0.17 615	0.47 646	0.26 612	0.39 615	0.49 611	0.24 541	0.29 526	0.34 593	0.24 562	0.20 512	0.31 623	0.10 503	0.06 404	0.09 469	0.09 491	0.14 594	0.15 609

CFNet	0.15 452	0.11 500	0.17 459	0.17 281	0.08 203	0.19 493	0.10 33	0.29 507	0.26 461	0.19 461	0.24 443	0.24 502	0.18 501	0.18 469	0.15 443	0.08 404	0.06 404	0.09 469	0.10 530	0.08 423	0.07 371

CFNet_RVC	0.14 410	0.07 193	0.15 392	0.12 5	0.09 322	0.17 454	0.18 466	0.22 369	0.24 423	0.17 412	0.26 482	0.24 502	0.14 420	0.16 410	0.15 443	0.11 537	0.06 404	0.08 383	0.09 491	0.09 486	0.08 441

NLCA_NET_v2_RVC	0.17 501	0.10 474	0.23 550	0.20 505	0.10 437	0.15 402	0.18 466	0.31 537	0.25 448	0.21 499	0.31 537	0.25 515	0.17 487	0.21 530	0.20 517	0.09 462	0.06 404	0.08 383	0.09 491	0.07 356	0.08 441
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	0.19 529	0.11 500	0.16 435	0.17 281	0.16 603	0.28 602	0.23 576	0.44 638	0.42 585	0.15 369	0.28 511	0.25 515	0.19 520	0.23 556	0.18 492	0.09 462	0.06 404	0.10 517	0.08 445	0.15 606	0.10 517

iResNetv2_ROB	0.15 452	0.08 326	0.16 435	0.16 193	0.08 203	0.16 430	0.13 168	0.26 449	0.36 555	0.21 499	0.29 526	0.24 502	0.13 387	0.14 362	0.14 406	0.06 160	0.06 404	0.06 178	0.04 49	0.09 486	0.08 441

DISCO	0.20 538	0.09 406	0.22 542	0.17 281	0.10 437	0.25 571	0.18 466	0.28 488	0.45 600	0.23 529	0.32 546	0.34 593	0.26 578	0.29 595	0.29 610	0.08 404	0.06 404	0.07 293	0.07 370	0.09 486	0.10 517

LE_ROB	0.50 655	0.07 193	0.14 357	0.15 101	0.08 203	0.26 583	0.17 417	0.23 388	1.71 689	4.68 695	0.67 651	0.46 636	0.47 650	0.21 530	0.30 617	0.07 329	0.06 404	0.06 178	0.06 269	0.08 423	0.06 284

DispFullNet	0.27 611	0.22 622	0.66 650	0.28 628	0.17 615	0.27 592	0.17 417	0.34 571	0.57 634	0.27 566	0.37 574	0.43 628	0.24 562	0.39 635	0.25 574	0.12 563	0.06 404	0.19 630	0.11 562	0.23 639	0.16 618

Selective-IGEV-i16pb	0.14 410	0.08 326	0.17 459	0.15 101	0.11 493	0.41 641	0.16 384	0.29 507	0.24 423	0.11 253	0.21 409	0.10 242	0.07 169	0.17 450	0.12 333	0.10 503	0.07 475	0.06 178	0.08 445	0.09 486	0.10 517

WQFJX	0.10 228	0.07 193	0.09 103	0.21 541	0.09 322	0.12 290	0.16 384	0.19 309	0.18 313	0.12 289	0.10 184	0.08 170	0.10 282	0.12 273	0.10 184	0.07 329	0.07 475	0.06 178	0.05 185	0.06 275	0.05 184

S2M2_L	0.09 159	0.08 326	0.11 222	0.13 11	0.10 437	0.08 71	0.06 1	0.10 25	0.10 61	0.10 211	0.10 184	0.09 210	0.09 253	0.11 182	0.11 263	0.13 582	0.07 475	0.08 383	0.09 491	0.10 522	0.08 441
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
rvit_stereo_0081	0.11 271	0.08 326	0.16 435	0.16 193	0.09 322	0.11 236	0.14 237	0.14 134	0.24 423	0.11 253	0.13 276	0.14 342	0.09 253	0.11 182	0.12 333	0.10 503	0.07 475	0.08 383	0.07 370	0.07 356	0.06 284

DCVSM-stereo	0.15 452	0.09 406	0.16 435	0.16 193	0.10 437	0.15 402	0.09 20	0.20 327	0.24 423	0.20 483	0.24 443	0.26 525	0.15 440	0.19 494	0.14 406	0.09 462	0.07 475	0.09 469	0.08 445	0.10 522	0.12 564

ACV-stereo	0.15 452	0.10 474	0.29 582	0.18 371	0.12 525	0.15 402	0.13 168	0.23 388	0.21 379	0.19 461	0.23 431	0.22 476	0.15 440	0.23 556	0.17 479	0.08 404	0.07 475	0.07 293	0.07 370	0.08 423	0.07 371

rvit_stereo_0082	0.11 271	0.08 326	0.16 435	0.16 193	0.09 322	0.11 236	0.14 237	0.14 134	0.24 423	0.11 253	0.13 276	0.14 342	0.09 253	0.11 182	0.12 333	0.10 503	0.07 475	0.08 383	0.07 370	0.07 356	0.06 284

rvit_stereo_0080	0.10 228	0.08 326	0.15 392	0.15 101	0.10 437	0.07 32	0.15 320	0.16 209	0.16 260	0.11 253	0.10 184	0.15 367	0.09 253	0.12 273	0.10 184	0.09 462	0.07 475	0.07 293	0.06 269	0.07 356	0.05 184

1111x	0.16 479	0.09 406	0.13 311	0.18 371	0.08 203	0.18 470	0.25 603	0.32 542	0.25 448	0.17 412	0.24 443	0.27 532	0.15 440	0.14 362	0.24 566	0.07 329	0.07 475	0.08 383	0.09 491	0.07 356	0.07 371

whm_eth	0.10 228	0.08 326	0.15 392	0.15 101	0.10 437	0.07 32	0.15 320	0.16 209	0.16 260	0.11 253	0.10 184	0.15 367	0.09 253	0.12 273	0.10 184	0.09 462	0.07 475	0.07 293	0.06 269	0.07 356	0.05 184

iinet-f	0.17 501	0.07 193	0.46 624	0.14 53	0.10 437	0.21 524	0.14 237	0.27 463	0.23 411	0.22 514	0.25 469	0.21 458	0.16 461	0.18 469	0.22 543	0.09 462	0.07 475	0.07 293	0.06 269	0.09 486	0.10 517

gwcnet-sp	0.14 410	0.07 193	0.13 311	0.18 371	0.09 322	0.16 430	0.18 466	0.24 414	0.24 423	0.19 461	0.24 443	0.15 367	0.16 461	0.16 410	0.15 443	0.08 404	0.07 475	0.07 293	0.08 445	0.08 423	0.07 371

scenet	0.14 410	0.07 193	0.13 311	0.18 371	0.09 322	0.16 430	0.18 466	0.24 414	0.24 423	0.19 461	0.24 443	0.15 367	0.16 461	0.16 410	0.15 443	0.08 404	0.07 475	0.07 293	0.08 445	0.08 423	0.07 371

ssnet	0.14 410	0.07 193	0.13 311	0.18 371	0.09 322	0.16 430	0.18 466	0.24 414	0.24 423	0.19 461	0.24 443	0.15 367	0.16 461	0.16 410	0.15 443	0.08 404	0.07 475	0.07 293	0.08 445	0.08 423	0.07 371

Wz-Net-MNSev	0.23 573	0.13 546	0.33 598	0.20 505	0.15 589	0.36 628	0.25 603	0.34 571	0.45 600	0.29 589	0.41 604	0.39 615	0.19 520	0.25 573	0.27 593	0.09 462	0.07 475	0.09 469	0.09 491	0.12 561	0.10 517

psmg	0.14 410	0.09 406	0.14 357	0.17 281	0.10 437	0.15 402	0.17 417	0.29 507	0.20 364	0.17 412	0.21 409	0.25 515	0.16 461	0.16 410	0.14 406	0.08 404	0.07 475	0.08 383	0.08 445	0.07 356	0.07 371

AACVNet	0.16 479	0.08 326	0.15 392	0.15 101	0.10 437	0.18 470	0.15 320	0.24 414	0.25 448	0.27 566	0.27 500	0.28 542	0.18 501	0.19 494	0.17 479	0.09 462	0.07 475	0.09 469	0.07 370	0.10 522	0.09 487

ADLNet2	0.16 479	0.09 406	0.14 357	0.17 281	0.09 322	0.20 513	0.16 384	0.32 542	0.39 572	0.17 412	0.20 391	0.20 449	0.19 520	0.21 530	0.23 554	0.08 404	0.07 475	0.07 293	0.07 370	0.09 486	0.07 371

RAFT	0.13 377	0.09 406	0.11 222	0.18 371	0.08 203	0.15 402	0.23 576	0.21 345	0.20 364	0.21 499	0.21 409	0.18 422	0.13 387	0.17 450	0.10 184	0.06 160	0.07 475	0.10 517	0.09 491	0.06 275	0.05 184

ICVP	0.16 479	0.09 406	0.12 271	0.22 563	0.09 322	0.18 470	0.21 550	0.26 449	0.24 423	0.18 445	0.30 532	0.27 532	0.18 501	0.18 469	0.15 443	0.10 503	0.07 475	0.08 383	0.07 370	0.07 356	0.08 441
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HCRNet	0.16 479	0.23 625	0.12 271	0.35 647	0.11 493	0.15 402	0.17 417	0.26 449	0.22 401	0.19 461	0.24 443	0.21 458	0.14 420	0.15 381	0.13 369	0.11 537	0.07 475	0.11 547	0.10 530	0.09 486	0.07 371

RAFT + AFF	0.13 377	0.08 326	0.21 532	0.20 505	0.10 437	0.14 377	0.23 576	0.27 463	0.21 379	0.12 289	0.10 184	0.12 298	0.10 282	0.16 410	0.12 333	0.08 404	0.07 475	0.09 469	0.09 491	0.06 275	0.09 487

UPFNet	0.16 479	0.08 326	0.12 271	0.20 505	0.12 525	0.20 513	0.23 576	0.28 488	0.26 461	0.18 445	0.24 443	0.22 476	0.20 532	0.19 494	0.22 543	0.09 462	0.07 475	0.08 383	0.09 491	0.08 423	0.06 284

aanetorigin	0.22 560	0.17 589	0.57 638	0.18 371	0.10 437	0.16 430	0.19 512	0.20 327	0.33 525	0.49 645	0.48 625	0.30 560	0.28 594	0.21 530	0.24 566	0.08 404	0.07 475	0.08 383	0.07 370	0.10 522	0.09 487

EDNetEfficientorigin	7.92 694	0.32 648	152.98 719	0.20 505	0.10 437	0.22 538	0.17 417	0.23 388	0.60 640	0.73 663	0.67 651	0.41 624	0.51 655	0.24 568	0.41 649	0.08 404	0.07 475	0.09 469	0.07 370	0.12 561	0.11 543

EDNetEfficient	0.30 621	0.24 628	1.18 679	0.18 371	0.10 437	0.20 513	0.20 533	0.21 345	0.61 642	0.74 665	0.56 637	0.30 560	0.40 639	0.23 556	0.32 628	0.09 462	0.07 475	0.08 383	0.07 370	0.11 544	0.10 517

hitnet-ft	0.18 517	0.10 474	0.17 459	0.14 53	0.09 322	0.27 592	0.20 533	0.25 435	0.26 461	0.24 541	0.32 546	0.32 582	0.23 553	0.24 568	0.21 530	0.12 563	0.07 475	0.10 517	0.08 445	0.12 561	0.11 543

DSFCA	0.16 479	0.09 406	0.14 357	0.16 193	0.10 437	0.21 524	0.19 512	0.28 488	0.31 514	0.23 529	0.25 469	0.22 476	0.16 461	0.20 512	0.20 517	0.10 503	0.07 475	0.09 469	0.09 491	0.08 423	0.08 441

ADCL	0.25 591	0.12 519	0.49 630	0.22 563	0.12 525	0.36 628	0.29 634	0.30 520	0.57 634	0.24 541	0.47 624	0.30 560	0.31 615	0.30 601	0.30 617	0.09 462	0.07 475	0.09 469	0.09 491	0.10 522	0.10 517

TDLM	0.18 517	0.12 519	0.14 357	0.24 596	0.10 437	0.18 470	0.18 466	0.37 602	0.30 504	0.22 514	0.28 511	0.28 542	0.18 501	0.23 556	0.19 507	0.11 537	0.07 475	0.10 517	0.10 530	0.08 423	0.08 441

UCFNet_RVC	0.15 452	0.08 326	0.13 311	0.11 1	0.10 437	0.20 513	0.10 33	0.24 414	0.23 411	0.17 412	0.21 409	0.24 502	0.15 440	0.18 469	0.15 443	0.12 563	0.07 475	0.11 547	0.13 596	0.11 544	0.10 517

DRN-Test	0.20 538	0.11 500	0.21 532	0.22 563	0.10 437	0.22 538	0.22 564	0.40 618	0.38 567	0.24 541	0.33 552	0.26 525	0.22 547	0.22 548	0.25 574	0.11 537	0.07 475	0.11 547	0.10 530	0.09 486	0.08 441

PWC_ROB	0.21 552	0.16 579	0.27 570	0.18 371	0.11 493	0.22 538	0.13 168	0.33 556	0.49 611	0.30 595	0.40 593	0.32 582	0.25 570	0.31 602	0.23 554	0.10 503	0.07 475	0.11 547	0.08 445	0.11 544	0.10 517

Selective-IGEV-i16pc	0.13 377	0.06 92	0.13 311	0.15 101	0.11 493	0.38 634	0.16 384	0.23 388	0.17 295	0.11 253	0.15 302	0.09 210	0.07 169	0.13 330	0.10 184	0.10 503	0.08 508	0.06 178	0.07 370	0.09 486	0.10 517

WQFJA1	0.10 228	0.07 193	0.08 35	0.20 505	0.09 322	0.12 290	0.18 466	0.18 276	0.18 313	0.09 168	0.10 184	0.08 170	0.10 282	0.12 273	0.11 263	0.06 160	0.08 508	0.07 293	0.06 269	0.06 275	0.05 184

WQFJX1	0.10 228	0.07 193	0.08 35	0.22 563	0.09 322	0.12 290	0.17 417	0.18 276	0.18 313	0.10 211	0.10 184	0.07 118	0.10 282	0.11 182	0.10 184	0.07 329	0.08 508	0.07 293	0.06 269	0.05 156	0.05 184

NLMM1	0.11 271	0.09 406	0.07 8	0.22 563	0.10 437	0.12 290	0.20 533	0.19 309	0.20 364	0.12 289	0.11 235	0.08 170	0.10 282	0.11 182	0.11 263	0.08 404	0.08 508	0.07 293	0.06 269	0.05 156	0.04 47

NLMM	0.10 228	0.07 193	0.08 35	0.20 505	0.09 322	0.12 290	0.18 466	0.18 276	0.18 313	0.09 168	0.10 184	0.08 170	0.10 282	0.12 273	0.11 263	0.06 160	0.08 508	0.07 293	0.06 269	0.06 275	0.05 184

NLSM1	0.10 228	0.07 193	0.08 35	0.19 441	0.08 203	0.13 333	0.16 384	0.21 345	0.16 260	0.11 253	0.10 184	0.07 118	0.10 282	0.10 112	0.11 263	0.07 329	0.08 508	0.08 383	0.07 370	0.05 156	0.05 184

NLCSM	0.11 271	0.09 406	0.09 103	0.23 584	0.11 493	0.12 290	0.19 512	0.19 309	0.19 341	0.12 289	0.11 235	0.07 118	0.09 253	0.11 182	0.10 184	0.08 404	0.08 508	0.07 293	0.07 370	0.06 275	0.05 184

zh-mn7	0.26 603	0.15 568	0.59 643	0.19 441	0.14 570	0.24 562	0.22 564	0.35 586	0.63 648	0.35 615	0.67 651	0.31 575	0.25 570	0.31 602	0.26 587	0.09 462	0.08 508	0.09 469	0.09 491	0.09 486	0.11 543

z-mn7	0.25 591	0.15 568	0.47 627	0.19 441	0.13 551	0.28 602	0.25 603	0.35 586	0.64 649	0.27 566	0.57 641	0.29 550	0.24 562	0.32 607	0.27 593	0.08 404	0.08 508	0.08 383	0.08 445	0.10 522	0.10 517

w-ln-seven-2	0.20 538	0.14 561	0.39 612	0.23 584	0.12 525	0.21 524	0.21 550	0.29 507	0.38 567	0.25 554	0.38 582	0.28 542	0.23 553	0.21 530	0.25 574	0.08 404	0.08 508	0.09 469	0.09 491	0.10 522	0.09 487

G2L-Stereo	0.14 410	0.07 193	0.13 311	0.17 281	0.09 322	0.13 333	0.12 102	0.27 463	0.22 401	0.17 412	0.27 500	0.21 458	0.13 387	0.18 469	0.18 492	0.09 462	0.08 508	0.08 383	0.07 370	0.07 356	0.07 371

ISRNet	0.18 517	0.08 326	0.20 522	0.19 441	0.13 551	0.15 402	0.12 102	0.30 520	0.33 525	0.21 499	0.26 482	0.27 532	0.18 501	0.17 450	0.20 517	0.20 639	0.08 508	0.14 597	0.14 602	0.14 594	0.17 627

rvit_stereo_0083	0.12 349	0.08 326	0.17 459	0.16 193	0.09 322	0.11 236	0.15 320	0.15 172	0.26 461	0.11 253	0.14 289	0.13 323	0.10 282	0.12 273	0.13 369	0.10 503	0.08 508	0.09 469	0.07 370	0.07 356	0.06 284

ToySt	0.17 501	0.11 500	0.19 517	0.17 281	0.11 493	0.16 430	0.26 612	0.24 414	0.33 525	0.19 461	0.24 443	0.26 525	0.24 562	0.19 494	0.21 530	0.07 329	0.08 508	0.09 469	0.10 530	0.09 486	0.08 441

NINENet	0.16 479	0.10 474	0.16 435	0.17 281	0.11 493	0.20 513	0.14 237	0.41 623	0.37 561	0.18 445	0.21 409	0.16 389	0.14 420	0.16 410	0.14 406	0.08 404	0.08 508	0.10 517	0.07 370	0.10 522	0.09 487

WZ-Net	0.29 618	0.17 589	0.82 669	0.23 584	0.16 603	0.35 624	0.29 634	0.40 618	0.59 639	0.24 541	0.57 641	0.37 604	0.25 570	0.34 614	0.37 641	0.09 462	0.08 508	0.09 469	0.10 530	0.14 594	0.16 618

GLC_STEREO	0.11 271	0.07 193	0.11 222	0.18 371	0.07 119	0.08 71	0.13 168	0.16 209	0.24 423	0.12 289	0.13 276	0.12 298	0.08 221	0.18 469	0.12 333	0.06 160	0.08 508	0.08 383	0.06 269	0.05 156	0.05 184

AASNet	0.16 479	0.08 326	0.13 311	0.19 441	0.09 322	0.19 493	0.15 320	0.38 609	0.37 561	0.20 483	0.24 443	0.20 449	0.17 487	0.17 450	0.21 530	0.10 503	0.08 508	0.08 383	0.07 370	0.09 486	0.09 487

SACVNet	0.19 529	0.12 519	0.15 392	0.17 281	0.13 551	0.22 538	0.18 466	0.31 537	0.31 514	0.24 541	0.31 537	0.30 560	0.23 553	0.23 556	0.17 479	0.11 537	0.08 508	0.10 517	0.10 530	0.12 561	0.14 595

PSMNet-ADL	0.15 452	0.12 519	0.13 311	0.22 563	0.09 322	0.13 333	0.20 533	0.26 449	0.23 411	0.18 445	0.20 391	0.23 493	0.17 487	0.18 469	0.18 492	0.09 462	0.08 508	0.08 383	0.11 562	0.08 423	0.07 371

Anonymous3	0.16 479	0.14 561	0.34 601	0.26 613	0.14 570	0.27 592	0.18 466	0.28 488	0.28 490	0.15 369	0.17 339	0.14 342	0.11 321	0.16 410	0.12 333	0.08 404	0.08 508	0.08 383	0.08 445	0.08 423	0.11 543

sCroCo_RVC	0.12 349	0.09 406	0.24 556	0.24 596	0.11 493	0.19 493	0.14 237	0.17 246	0.15 226	0.10 211	0.13 276	0.12 298	0.07 169	0.14 362	0.11 263	0.08 404	0.08 508	0.08 383	0.08 445	0.05 156	0.07 371

GES	0.14 410	0.08 326	0.16 435	0.15 101	0.10 437	0.13 333	0.13 168	0.28 488	0.26 461	0.17 412	0.24 443	0.19 432	0.14 420	0.16 410	0.14 406	0.08 404	0.08 508	0.07 293	0.06 269	0.08 423	0.09 487

delet	0.17 501	0.09 406	0.18 493	0.19 441	0.11 493	0.21 524	0.22 564	0.30 520	0.38 567	0.17 412	0.27 500	0.19 432	0.19 520	0.19 494	0.21 530	0.08 404	0.08 508	0.09 469	0.11 562	0.06 275	0.07 371

ac_64	0.16 479	0.09 406	0.15 392	0.18 371	0.10 437	0.22 538	0.17 417	0.24 414	0.22 401	0.19 461	0.24 443	0.29 550	0.18 501	0.19 494	0.22 543	0.09 462	0.08 508	0.08 383	0.09 491	0.07 356	0.06 284

DMCA-RVC	0.17 501	0.10 474	0.16 435	0.24 596	0.11 493	0.19 493	0.18 466	0.26 449	0.24 423	0.21 499	0.27 500	0.25 515	0.27 585	0.18 469	0.21 530	0.12 563	0.08 508	0.13 583	0.10 530	0.10 522	0.08 441

FADNet-RVC-Resample	0.17 501	0.12 519	0.32 595	0.22 563	0.12 525	0.19 493	0.14 237	0.25 435	0.24 423	0.24 541	0.27 500	0.20 449	0.15 440	0.17 450	0.16 462	0.07 329	0.08 508	0.12 569	0.10 530	0.09 486	0.11 543

FADNet_RVC	0.17 501	0.14 561	0.41 617	0.20 505	0.11 493	0.13 333	0.13 168	0.27 463	0.22 401	0.21 499	0.23 431	0.20 449	0.18 501	0.15 381	0.17 479	0.08 404	0.08 508	0.12 569	0.09 491	0.11 544	0.10 517

RTSC	0.23 573	0.13 546	0.30 588	0.21 541	0.13 551	0.29 606	0.17 417	0.36 593	0.68 655	0.27 566	0.34 562	0.30 560	0.22 547	0.32 607	0.31 623	0.10 503	0.08 508	0.09 469	0.10 530	0.13 577	0.14 595

CVANet_RVC	0.18 517	0.11 500	0.14 357	0.21 541	0.11 493	0.19 493	0.18 466	0.34 571	0.34 536	0.22 514	0.31 537	0.28 542	0.18 501	0.24 568	0.18 492	0.12 563	0.08 508	0.12 569	0.12 584	0.09 486	0.08 441

StereoDRNet	0.19 529	0.11 500	0.18 493	0.22 563	0.11 493	0.22 538	0.22 564	0.37 602	0.34 536	0.24 541	0.28 511	0.30 560	0.19 520	0.20 512	0.21 530	0.10 503	0.08 508	0.11 547	0.09 491	0.09 486	0.07 371

DLCB_ROB	0.18 517	0.10 474	0.16 435	0.23 584	0.11 493	0.24 562	0.18 466	0.30 520	0.28 490	0.27 566	0.29 526	0.28 542	0.25 570	0.20 512	0.20 517	0.08 404	0.08 508	0.09 469	0.09 491	0.07 356	0.07 371

PSMNet_ROB	0.22 560	0.12 519	0.15 392	0.27 621	0.15 589	0.25 571	0.36 654	0.43 634	0.37 561	0.27 566	0.33 552	0.32 582	0.23 553	0.21 530	0.27 593	0.12 563	0.08 508	0.13 583	0.11 562	0.10 522	0.09 487

w-ln-seven	0.24 584	0.15 568	0.58 641	0.20 505	0.14 570	0.26 583	0.22 564	0.36 593	0.62 645	0.30 595	0.40 593	0.30 560	0.23 553	0.22 548	0.28 601	0.09 462	0.09 541	0.11 547	0.10 530	0.11 544	0.10 517

CAS++	0.11 271	0.07 193	0.11 222	0.14 53	0.10 437	0.13 333	0.14 237	0.24 414	0.14 200	0.11 253	0.09 152	0.11 274	0.07 169	0.14 362	0.09 90	0.11 537	0.09 541	0.09 469	0.07 370	0.07 356	0.08 441
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
coex-ft	3.24 687	0.35 651	57.83 718	0.18 371	0.13 551	0.27 592	0.23 576	0.28 488	0.72 660	1.89 691	0.70 656	0.43 628	0.47 650	0.29 595	0.43 652	0.09 462	0.09 541	0.12 569	0.09 491	0.14 594	0.14 595

fast-acv-ft	0.18 517	0.11 500	0.20 522	0.19 441	0.12 525	0.26 583	0.21 550	0.26 449	0.35 550	0.22 514	0.34 562	0.27 532	0.21 540	0.21 530	0.23 554	0.09 462	0.09 541	0.08 383	0.10 530	0.08 423	0.07 371

GASNet	0.22 560	0.24 628	0.34 601	0.26 613	0.17 615	0.27 592	0.16 384	0.45 640	0.42 585	0.27 566	0.24 443	0.30 560	0.16 461	0.27 579	0.18 492	0.12 563	0.09 541	0.12 569	0.11 562	0.16 619	0.08 441

Wz-Net-SNSev	0.26 603	0.17 589	0.46 624	0.25 604	0.14 570	0.26 583	0.24 587	0.38 609	0.57 634	0.30 595	0.56 637	0.39 615	0.26 578	0.24 568	0.32 628	0.10 503	0.09 541	0.10 517	0.11 562	0.11 544	0.11 543

Wz-Net-LNSev	0.22 560	0.16 579	0.41 617	0.22 563	0.13 551	0.25 571	0.24 587	0.33 556	0.44 596	0.30 595	0.42 612	0.32 582	0.19 520	0.23 556	0.27 593	0.10 503	0.09 541	0.08 383	0.08 445	0.12 561	0.11 543

CRFU-Net	0.16 479	0.08 326	0.15 392	0.17 281	0.09 322	0.20 513	0.14 237	0.27 463	0.21 379	0.28 579	0.28 511	0.29 550	0.18 501	0.19 494	0.18 492	0.09 462	0.09 541	0.07 293	0.07 370	0.08 423	0.09 487

dad	0.18 517	0.20 612	0.21 532	0.17 281	0.11 493	0.20 513	0.19 512	0.21 345	0.28 490	0.30 595	0.24 443	0.30 560	0.13 387	0.19 494	0.17 479	0.18 630	0.09 541	0.11 547	0.09 491	0.11 544	0.07 371

GwcNet	0.20 538	0.14 561	0.20 522	0.18 371	0.12 525	0.25 571	0.20 533	0.36 593	0.45 600	0.20 483	0.33 552	0.33 588	0.21 540	0.22 548	0.25 574	0.11 537	0.09 541	0.09 469	0.09 491	0.09 486	0.10 517

HGLStereo	0.17 501	0.09 406	0.19 517	0.17 281	0.12 525	0.18 470	0.18 466	0.31 537	0.33 525	0.22 514	0.33 552	0.24 502	0.18 501	0.20 512	0.21 530	0.10 503	0.09 541	0.07 293	0.07 370	0.09 486	0.10 517

G-Net	0.25 591	0.17 589	0.38 611	0.23 584	0.16 603	0.51 649	0.23 576	0.29 507	0.35 550	0.36 618	0.38 582	0.31 575	0.29 599	0.28 588	0.27 593	0.11 537	0.09 541	0.12 569	0.10 530	0.16 619	0.14 595

XQC	0.29 618	0.23 625	0.53 632	0.29 635	0.19 629	0.36 628	0.28 623	0.37 602	0.58 637	0.31 602	0.31 537	0.37 604	0.30 610	0.39 635	0.39 645	0.13 582	0.09 541	0.15 608	0.12 584	0.18 630	0.18 631

RTS	0.46 650	0.19 607	3.33 688	0.25 604	0.15 589	0.72 665	0.21 550	0.37 602	0.78 667	0.42 634	0.44 617	0.31 575	0.43 647	0.55 660	0.37 641	0.10 503	0.09 541	0.13 583	0.13 596	0.15 606	0.15 609

RTSA	0.46 650	0.19 607	3.33 688	0.25 604	0.15 589	0.72 665	0.21 550	0.37 602	0.78 667	0.42 634	0.44 617	0.31 575	0.43 647	0.55 660	0.37 641	0.10 503	0.09 541	0.13 583	0.13 596	0.15 606	0.15 609

ADCMid	0.26 603	0.15 568	0.42 620	0.20 505	0.14 570	0.25 571	0.26 612	0.35 586	0.40 576	0.37 622	0.45 619	0.34 593	0.42 644	0.36 623	0.36 637	0.10 503	0.09 541	0.11 547	0.11 562	0.13 577	0.13 579

DANet	0.21 552	0.16 579	0.29 582	0.25 604	0.13 551	0.23 553	0.19 512	0.28 488	0.27 474	0.28 579	0.32 546	0.35 599	0.32 617	0.31 602	0.24 566	0.11 537	0.09 541	0.11 547	0.10 530	0.13 577	0.11 543
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DeepPruner_ROB	0.16 479	0.11 500	0.16 435	0.17 281	0.10 437	0.17 454	0.15 320	0.32 542	0.21 379	0.19 461	0.21 409	0.22 476	0.19 520	0.21 530	0.16 462	0.13 582	0.09 541	0.09 469	0.10 530	0.11 544	0.11 543

SANet	0.25 591	0.14 561	0.29 582	0.21 541	0.11 493	0.29 606	0.25 603	0.40 618	0.65 653	0.36 618	0.40 593	0.42 626	0.27 585	0.27 579	0.25 574	0.12 563	0.09 541	0.10 517	0.09 491	0.13 577	0.12 564

ETE_ROB	0.23 573	0.17 589	0.23 550	0.25 604	0.14 570	0.26 583	0.29 634	0.32 542	0.37 561	0.28 579	0.37 574	0.45 632	0.27 585	0.28 588	0.27 593	0.11 537	0.09 541	0.12 569	0.10 530	0.14 594	0.13 579

PDISCO_ROB	0.28 614	0.16 579	0.28 573	0.28 628	0.20 633	0.33 615	0.27 617	0.45 640	0.58 637	0.28 579	0.41 604	0.45 632	0.30 610	0.34 614	0.35 636	0.12 563	0.09 541	0.17 619	0.16 622	0.17 626	0.13 579

LALA_ROB	0.25 591	0.16 579	0.23 550	0.27 621	0.17 615	0.27 592	0.27 617	0.42 628	0.38 567	0.33 613	0.39 590	0.51 644	0.26 578	0.29 595	0.28 601	0.16 624	0.09 541	0.13 583	0.12 584	0.13 577	0.13 579

PWCDC_ROB	0.21 552	0.13 546	0.23 550	0.25 604	0.12 525	0.20 513	0.15 320	0.34 571	0.55 630	0.29 589	0.49 626	0.21 458	0.15 440	0.28 588	0.20 517	0.11 537	0.09 541	0.10 517	0.08 445	0.11 544	0.09 487

AANet	0.31 627	0.20 612	1.05 677	0.16 193	0.13 551	0.23 553	0.16 384	0.30 520	0.64 649	0.60 654	0.53 632	0.46 636	0.39 634	0.23 556	0.33 631	0.12 563	0.10 564	0.11 547	0.10 530	0.13 577	0.12 564

zh-sn7	0.26 603	0.17 589	0.55 635	0.24 596	0.14 570	0.25 571	0.25 603	0.34 571	0.49 611	0.29 589	0.55 635	0.29 550	0.32 617	0.37 628	0.33 631	0.10 503	0.10 564	0.11 547	0.11 562	0.12 561	0.12 564

rvit_stereo_0075_2	0.17 501	0.12 519	0.25 559	0.23 584	0.16 603	0.13 333	0.10 33	0.30 520	0.27 474	0.20 483	0.28 511	0.22 476	0.15 440	0.18 469	0.13 369	0.16 624	0.10 564	0.17 619	0.10 530	0.10 522	0.10 517

StereoVision	0.14 410	0.13 546	0.10 161	0.24 596	0.10 437	0.16 430	0.21 550	0.21 345	0.20 364	0.12 289	0.25 469	0.10 242	0.10 282	0.16 410	0.10 184	0.09 462	0.10 564	0.12 569	0.12 584	0.06 275	0.05 184

SQANet	0.24 584	0.24 628	0.31 591	0.31 641	0.19 629	0.27 592	0.13 168	0.30 520	0.33 525	0.25 554	0.37 574	0.31 575	0.22 547	0.27 579	0.23 554	0.15 607	0.10 564	0.21 633	0.16 622	0.22 636	0.16 618

ssnet_v2	0.17 501	0.10 474	0.18 493	0.17 281	0.11 493	0.21 524	0.22 564	0.34 571	0.25 448	0.23 529	0.23 431	0.27 532	0.19 520	0.22 548	0.21 530	0.11 537	0.10 564	0.09 469	0.09 491	0.08 423	0.08 441

pcwnet_v2	0.19 529	0.11 500	0.26 568	0.18 371	0.14 570	0.18 470	0.15 320	0.37 602	0.46 607	0.19 461	0.24 443	0.21 458	0.19 520	0.21 530	0.20 517	0.13 582	0.10 564	0.10 517	0.10 530	0.11 544	0.13 579

psm_up	0.19 529	0.10 474	0.18 493	0.21 541	0.11 493	0.17 454	0.19 512	0.38 609	0.34 536	0.22 514	0.28 511	0.29 550	0.25 570	0.20 512	0.22 543	0.09 462	0.10 564	0.11 547	0.11 562	0.08 423	0.08 441

AF-Net	0.23 573	0.17 589	0.17 459	0.27 621	0.13 551	0.26 583	0.24 587	0.33 556	0.51 619	0.25 554	0.33 552	0.39 615	0.27 585	0.28 588	0.26 587	0.11 537	0.10 564	0.16 616	0.12 584	0.11 544	0.11 543

Nwc_Net	0.23 573	0.17 589	0.22 542	0.25 604	0.15 589	0.25 571	0.27 617	0.38 609	0.39 572	0.22 514	0.41 604	0.30 560	0.29 599	0.28 588	0.25 574	0.11 537	0.10 564	0.17 619	0.20 635	0.10 522	0.11 543

ADCPNet	0.26 603	0.17 589	0.62 646	0.21 541	0.15 589	0.36 628	0.25 603	0.33 556	0.37 561	0.31 602	0.41 604	0.36 601	0.29 599	0.29 595	0.34 635	0.12 563	0.10 564	0.11 547	0.12 584	0.14 594	0.13 579

DPSNet	0.28 614	0.16 579	0.33 598	0.18 371	0.13 551	0.55 652	0.42 662	0.52 653	0.68 655	0.29 589	0.38 582	0.39 615	0.30 610	0.32 607	0.23 554	0.11 537	0.10 564	0.11 547	0.08 445	0.20 635	0.16 618

MDST_ROB	0.22 560	0.10 474	0.18 493	0.18 371	0.11 493	0.40 639	0.19 512	0.44 638	0.42 585	0.40 628	0.40 593	0.29 550	0.21 540	0.27 579	0.19 507	0.11 537	0.10 564	0.14 597	0.11 562	0.10 522	0.08 441

XPNet_ROB	0.22 560	0.12 519	0.20 522	0.22 563	0.13 551	0.22 538	0.19 512	0.35 586	0.40 576	0.30 595	0.40 593	0.38 610	0.27 585	0.26 577	0.29 610	0.15 607	0.10 564	0.10 517	0.10 530	0.13 577	0.12 564

DStereoFS	0.27 611	0.22 622	0.32 595	0.23 584	0.15 589	0.23 553	0.21 550	0.52 653	0.49 611	0.28 579	0.45 619	0.34 593	0.36 629	0.53 657	0.29 610	0.13 582	0.11 578	0.15 608	0.13 596	0.17 626	0.17 627

DStereoSA	0.26 603	0.19 607	0.39 612	0.27 621	0.17 615	0.23 553	0.21 550	0.50 648	0.60 640	0.22 514	0.30 532	0.29 550	0.34 622	0.40 639	0.29 610	0.12 563	0.11 578	0.16 616	0.14 602	0.15 606	0.12 564

TCMNet	0.19 529	0.12 519	0.20 522	0.21 541	0.18 625	0.21 524	0.24 587	0.28 488	0.36 555	0.23 529	0.26 482	0.25 515	0.20 532	0.20 512	0.23 554	0.13 582	0.11 578	0.11 547	0.12 584	0.13 577	0.12 564

PSMNet-RUCA	0.28 614	0.33 649	0.42 620	0.36 649	0.32 656	0.18 470	0.20 533	0.42 628	0.30 504	0.33 613	0.41 604	0.40 621	0.24 562	0.31 602	0.20 517	0.19 634	0.11 578	0.25 640	0.15 618	0.22 636	0.16 618

rvit_0105_6	0.14 410	0.09 406	0.18 493	0.17 281	0.10 437	0.10 186	0.17 417	0.19 309	0.26 461	0.12 289	0.18 365	0.17 407	0.13 387	0.18 469	0.13 369	0.15 607	0.11 578	0.12 569	0.10 530	0.09 486	0.06 284

rvit_0105_5	0.14 410	0.10 474	0.14 357	0.17 281	0.09 322	0.14 377	0.23 576	0.24 414	0.27 474	0.14 344	0.15 302	0.18 422	0.13 387	0.17 450	0.14 406	0.14 603	0.11 578	0.10 517	0.11 562	0.08 423	0.07 371

rvit_0105_4	0.15 452	0.09 406	0.17 459	0.17 281	0.10 437	0.12 290	0.20 533	0.23 388	0.27 474	0.14 344	0.20 391	0.17 407	0.14 420	0.17 450	0.13 369	0.15 607	0.11 578	0.11 547	0.10 530	0.09 486	0.06 284

rvit_0105_3	0.16 479	0.10 474	0.15 392	0.20 505	0.12 525	0.15 402	0.26 612	0.25 435	0.30 504	0.15 369	0.17 339	0.21 458	0.14 420	0.18 469	0.14 406	0.14 603	0.11 578	0.12 569	0.14 602	0.07 356	0.07 371

DGSMNet	0.25 591	0.19 607	0.34 601	0.21 541	0.24 644	0.24 562	0.21 550	0.36 593	0.42 585	0.25 554	0.32 546	0.38 610	0.21 540	0.29 595	0.24 566	0.13 582	0.11 578	0.14 597	0.16 622	0.23 639	0.23 644

FAT-Stereo	0.21 552	0.13 546	0.22 542	0.21 541	0.12 525	0.18 470	0.18 466	0.35 586	0.40 576	0.28 579	0.37 574	0.33 588	0.33 620	0.21 530	0.20 517	0.09 462	0.11 578	0.10 517	0.09 491	0.11 544	0.14 595

STTStereo	0.18 517	0.13 546	0.28 573	0.20 505	0.11 493	0.16 430	0.21 550	0.29 507	0.23 411	0.22 514	0.30 532	0.29 550	0.18 501	0.20 512	0.20 517	0.12 563	0.11 578	0.11 547	0.14 602	0.09 486	0.08 441

NCC-stereo	0.25 591	0.15 568	0.31 591	0.26 613	0.17 615	0.21 524	0.31 643	0.41 623	0.40 576	0.24 541	0.38 582	0.33 588	0.29 599	0.37 628	0.28 601	0.13 582	0.11 578	0.15 608	0.22 640	0.13 577	0.13 579

edge stereo	0.23 573	0.14 561	0.21 532	0.21 541	0.13 551	0.24 562	0.16 384	0.32 542	0.42 585	0.32 609	0.40 593	0.39 615	0.35 626	0.25 573	0.25 574	0.13 582	0.11 578	0.14 597	0.11 562	0.12 561	0.14 595

Abc-Net	0.25 591	0.15 568	0.31 591	0.26 613	0.17 615	0.21 524	0.31 643	0.41 623	0.40 576	0.24 541	0.38 582	0.33 588	0.29 599	0.37 628	0.28 601	0.13 582	0.11 578	0.15 608	0.22 640	0.13 577	0.13 579
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 603	0.15 568	0.31 591	0.24 596	0.18 625	0.23 553	0.15 320	0.39 615	0.72 660	0.32 609	0.42 612	0.36 601	0.29 599	0.33 611	0.30 617	0.13 582	0.11 578	0.14 597	0.13 596	0.16 619	0.20 639

DeepPrunerF	0.24 584	0.17 589	0.45 623	0.26 613	0.16 603	0.23 553	0.29 634	0.37 602	0.51 619	0.27 566	0.31 537	0.24 502	0.28 594	0.22 548	0.23 554	0.15 607	0.11 578	0.20 632	0.18 633	0.12 561	0.14 595

Selective-IGEV-i16pa	19.44 707	3.95 693	1.06 678	0.21 541	0.19 629	105.21 720	0.29 634	22.78 713	47.64 720	4.27 694	59.07 720	9.08 700	2.84 694	125.10 721	5.92 697	0.18 630	0.12 594	0.09 469	0.12 584	0.12 561	0.52 671

DStereoO	0.25 591	0.18 603	0.19 517	0.20 505	0.15 589	0.22 538	0.19 512	0.33 556	0.42 585	0.30 595	0.22 426	0.33 588	0.28 594	0.42 646	0.28 601	0.47 668	0.12 594	0.31 656	0.11 562	0.17 626	0.12 564

rvit_105_1	0.19 529	0.12 519	0.25 559	0.21 541	0.16 603	0.22 538	0.28 623	0.32 542	0.42 585	0.20 483	0.21 409	0.22 476	0.18 501	0.19 494	0.18 492	0.12 563	0.12 594	0.13 583	0.15 618	0.08 423	0.07 371

UDG	0.21 552	0.17 589	0.20 522	0.23 584	0.15 589	0.31 611	0.20 533	0.33 556	0.35 550	0.24 541	0.28 511	0.31 575	0.29 599	0.21 530	0.23 554	0.15 607	0.12 594	0.13 583	0.09 491	0.14 594	0.15 609

APVNet	0.23 573	0.12 519	0.20 522	0.18 371	0.14 570	0.32 613	0.31 643	0.40 618	0.33 525	0.27 566	0.40 593	0.30 560	0.29 599	0.27 579	0.25 574	0.11 537	0.12 594	0.11 547	0.14 602	0.12 561	0.13 579

Syn2CoEx	0.22 560	0.16 579	0.29 582	0.29 635	0.15 589	0.26 583	0.21 550	0.34 571	0.32 520	0.29 589	0.36 571	0.28 542	0.25 570	0.20 512	0.25 574	0.16 624	0.12 594	0.14 597	0.11 562	0.09 486	0.08 441

S-Stereo	0.21 552	0.12 519	0.25 559	0.21 541	0.13 551	0.21 524	0.19 512	0.33 556	0.45 600	0.23 529	0.36 571	0.28 542	0.29 599	0.20 512	0.23 554	0.09 462	0.12 594	0.10 517	0.10 530	0.13 577	0.14 595

RP	0.22 560	0.13 546	0.22 542	0.23 584	0.12 525	0.21 524	0.20 533	0.26 449	0.45 600	0.22 514	0.38 582	0.37 604	0.25 570	0.28 588	0.25 574	0.11 537	0.12 594	0.13 583	0.12 584	0.13 577	0.14 595

stereogan	0.22 560	0.11 500	0.21 532	0.20 505	0.12 525	0.32 613	0.19 512	0.36 593	0.45 600	0.23 529	0.39 590	0.35 599	0.27 585	0.33 611	0.23 554	0.10 503	0.12 594	0.10 517	0.10 530	0.14 594	0.14 595

AnyNet_C32	0.26 603	0.16 579	0.39 612	0.20 505	0.17 615	0.26 583	0.31 643	0.32 542	0.45 600	0.31 602	0.50 628	0.30 560	0.34 622	0.41 645	0.36 637	0.12 563	0.12 594	0.12 569	0.14 602	0.14 594	0.15 609

GANet	0.22 560	0.13 546	0.21 532	0.25 604	0.14 570	0.23 553	0.22 564	0.42 628	0.27 474	0.31 602	0.43 615	0.37 604	0.29 599	0.23 556	0.23 554	0.10 503	0.12 594	0.10 517	0.09 491	0.10 522	0.08 441

PS-NSSS	0.20 538	0.21 618	0.23 550	0.20 505	0.10 437	0.19 493	0.17 417	0.36 593	0.26 461	0.27 566	0.34 562	0.27 532	0.24 562	0.20 512	0.20 517	0.15 607	0.12 594	0.17 619	0.14 602	0.10 522	0.09 487

NCCL2	0.24 584	0.15 568	0.18 493	0.34 645	0.18 625	0.24 562	0.24 587	0.34 571	0.29 498	0.31 602	0.38 582	0.38 610	0.29 599	0.23 556	0.25 574	0.15 607	0.12 594	0.18 628	0.21 637	0.13 577	0.13 579

WCMA_ROB	0.24 584	0.11 500	0.24 556	0.17 281	0.14 570	0.34 619	0.16 384	0.33 556	0.33 525	0.39 625	0.54 634	0.40 621	0.35 626	0.35 619	0.26 587	0.12 563	0.12 594	0.12 569	0.11 562	0.14 594	0.14 595

YMNet	0.20 538	0.12 519	0.20 522	0.21 541	0.14 570	0.27 592	0.23 576	0.32 542	0.34 536	0.28 579	0.35 566	0.30 560	0.18 501	0.18 469	0.22 543	0.11 537	0.13 608	0.10 517	0.10 530	0.09 486	0.09 487

YMNet_1	0.20 538	0.12 519	0.20 522	0.21 541	0.14 570	0.27 592	0.23 576	0.32 542	0.34 536	0.28 579	0.35 566	0.30 560	0.18 501	0.18 469	0.22 543	0.11 537	0.13 608	0.10 517	0.10 530	0.09 486	0.09 487

Wz-Net-TNSev	0.29 618	0.20 612	0.69 658	0.19 441	0.15 589	0.38 634	0.27 617	0.36 593	0.56 632	0.35 615	0.42 612	0.45 632	0.39 634	0.33 611	0.31 623	0.13 582	0.13 608	0.10 517	0.12 584	0.15 606	0.15 609

DDUNet	0.23 573	0.18 603	0.22 542	0.22 563	0.15 589	0.25 571	0.24 587	0.30 520	0.31 514	0.31 602	0.37 574	0.34 593	0.26 578	0.25 573	0.21 530	0.18 630	0.13 608	0.17 619	0.11 562	0.16 619	0.17 627

FADNet-RVC	0.21 552	0.20 612	0.40 615	0.21 541	0.16 603	0.21 524	0.15 320	0.27 463	0.27 474	0.26 559	0.32 546	0.26 525	0.21 540	0.22 548	0.19 507	0.12 563	0.13 608	0.12 569	0.14 602	0.13 577	0.18 631

RGC	0.25 591	0.20 612	0.29 582	0.28 628	0.16 603	0.22 538	0.23 576	0.33 556	0.44 596	0.27 566	0.40 593	0.38 610	0.28 594	0.37 628	0.23 554	0.11 537	0.13 608	0.17 619	0.17 629	0.15 606	0.16 618

ADCS	0.30 621	0.19 607	0.48 629	0.21 541	0.18 625	0.29 606	0.24 587	0.42 628	0.64 649	0.40 628	0.50 628	0.40 621	0.37 631	0.40 639	0.43 652	0.13 582	0.13 608	0.13 583	0.14 602	0.16 619	0.16 618

AnyNet_C01	0.37 637	0.26 634	1.41 682	0.22 563	0.17 615	0.51 649	0.28 623	0.36 593	0.40 576	0.39 625	0.75 661	0.46 636	0.39 634	0.46 649	0.50 662	0.13 582	0.13 608	0.13 583	0.14 602	0.14 594	0.16 618

SGM_RVC	0.24 584	0.12 519	0.16 435	0.15 101	0.09 322	0.34 619	0.19 512	0.35 586	0.32 520	0.44 639	0.38 582	0.53 648	0.36 629	0.36 623	0.26 587	0.13 582	0.13 608	0.13 583	0.13 596	0.11 544	0.11 543
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 611	0.13 546	0.18 493	0.15 101	0.11 493	0.33 615	0.24 587	0.41 623	0.36 555	0.53 648	0.58 645	0.67 658	0.41 640	0.36 623	0.27 593	0.14 603	0.13 608	0.13 583	0.11 562	0.11 544	0.11 543
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
ACVNet-4b	0.39 639	0.53 660	0.56 636	0.45 657	0.24 644	0.46 645	0.18 466	0.50 648	0.64 649	0.42 634	0.45 619	0.60 652	0.27 585	0.34 614	0.24 566	0.33 658	0.14 618	0.48 663	0.42 665	0.31 657	0.27 652

ccnet	0.30 621	0.28 638	0.24 556	0.20 505	0.28 651	0.41 641	0.22 564	0.46 643	0.33 525	0.37 622	0.46 622	0.37 604	0.30 610	0.40 639	0.43 652	0.23 651	0.14 618	0.21 633	0.17 629	0.23 639	0.19 636

MaskLacGwcNet_RVC	0.22 560	0.21 618	0.25 559	0.26 613	0.11 493	0.24 562	0.14 237	0.39 615	0.24 423	0.32 609	0.36 571	0.30 560	0.21 540	0.19 494	0.22 543	0.17 629	0.14 618	0.21 633	0.16 622	0.13 577	0.12 564

PVD	0.40 641	0.21 618	0.40 615	0.32 644	0.23 640	0.30 609	0.45 666	0.53 656	0.97 674	0.55 651	0.80 665	0.54 649	0.60 664	0.53 657	0.40 647	0.19 634	0.14 618	0.17 619	0.14 602	0.24 645	0.32 657

Selective-IGEV-i1pa	2.90 686	3.64 692	0.72 664	0.29 635	0.14 570	10.70 698	0.45 666	4.60 693	3.77 694	3.60 693	7.07 695	3.52 692	2.16 692	13.72 707	2.40 693	0.37 661	0.15 622	0.13 583	0.10 530	0.15 606	0.36 661

psmorigin	0.25 591	0.16 579	0.35 607	0.17 281	0.13 551	0.24 562	0.14 237	0.34 571	0.34 536	0.41 632	0.55 635	0.41 624	0.38 633	0.35 619	0.28 601	0.11 537	0.15 622	0.11 547	0.11 562	0.12 561	0.17 627

MFN_U_SF_RVC	0.33 630	0.22 622	0.58 641	0.31 641	0.15 589	0.36 628	0.17 417	0.54 657	0.46 607	0.47 644	0.56 637	0.58 651	0.39 634	0.36 623	0.38 644	0.15 607	0.15 622	0.18 628	0.21 637	0.16 619	0.16 618

FADNet	0.21 552	0.23 625	0.37 610	0.18 371	0.17 615	0.25 571	0.13 168	0.32 542	0.32 520	0.23 529	0.25 469	0.27 532	0.21 540	0.19 494	0.16 462	0.13 582	0.15 622	0.12 569	0.15 618	0.17 626	0.18 631

FBW_ROB	0.25 591	0.17 589	0.23 550	0.27 621	0.14 570	0.26 583	0.22 564	0.42 628	0.43 594	0.42 634	0.41 604	0.43 628	0.27 585	0.32 607	0.24 566	0.09 462	0.15 622	0.15 608	0.12 584	0.12 561	0.10 517

CBMV	0.20 538	0.15 568	0.18 493	0.18 371	0.10 437	0.20 513	0.11 67	0.30 520	0.31 514	0.29 589	0.31 537	0.31 575	0.23 553	0.28 588	0.19 507	0.13 582	0.15 622	0.17 619	0.16 622	0.10 522	0.10 517
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FINET	0.22 560	0.18 603	0.28 573	0.19 441	0.16 603	0.24 562	0.24 587	0.33 556	0.49 611	0.26 559	0.33 552	0.22 476	0.23 553	0.23 556	0.18 492	0.18 630	0.16 628	0.11 547	0.10 530	0.15 606	0.14 595

SGM-ForestM	0.33 630	0.12 519	0.17 459	0.16 193	0.11 493	0.42 643	0.20 533	0.43 634	0.53 629	0.53 648	0.57 641	1.41 682	0.44 649	0.42 646	0.29 610	0.14 603	0.16 628	0.16 616	0.16 622	0.12 561	0.13 579

CSAN	0.30 621	0.24 628	0.28 573	0.34 645	0.19 629	0.34 619	0.42 662	0.38 609	0.51 619	0.38 624	0.40 593	0.44 631	0.34 622	0.29 595	0.31 623	0.19 634	0.16 628	0.19 630	0.19 634	0.14 594	0.15 609

SGM-Forest	0.20 538	0.14 561	0.18 493	0.20 505	0.13 551	0.21 524	0.22 564	0.33 556	0.31 514	0.24 541	0.29 526	0.28 542	0.20 532	0.23 556	0.18 492	0.15 607	0.16 628	0.15 608	0.14 602	0.13 577	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
HBP-ISP	0.18 517	0.13 546	0.17 459	0.15 101	0.11 493	0.08 71	0.13 168	0.28 488	0.30 504	0.22 514	0.33 552	0.21 458	0.25 570	0.23 556	0.18 492	0.15 607	0.17 632	0.21 633	0.17 629	0.10 522	0.09 487

NaN_ROB	0.23 573	0.20 612	0.25 559	0.25 604	0.13 551	0.31 611	0.27 617	0.34 571	0.41 583	0.31 602	0.31 537	0.32 582	0.23 553	0.31 602	0.22 543	0.11 537	0.17 632	0.10 517	0.11 562	0.08 423	0.09 487

SDNR	0.20 538	0.09 406	0.19 517	0.16 193	0.12 525	0.79 670	0.13 168	0.26 449	0.33 525	0.19 461	0.25 469	0.19 432	0.12 354	0.19 494	0.15 443	0.16 624	0.18 634	0.14 597	0.11 562	0.08 423	0.12 564

BEATNet-Init1	0.54 657	0.28 638	0.68 657	0.31 641	0.21 636	0.85 673	0.31 643	0.57 659	0.69 658	0.89 672	1.00 674	2.17 689	0.66 667	0.58 664	0.44 655	0.19 634	0.18 634	0.23 638	0.22 640	0.22 636	0.21 640

CC-Net-ROB	0.28 614	0.31 647	0.36 609	0.30 639	0.15 589	0.25 571	0.19 512	0.45 640	0.34 536	0.39 625	0.37 574	0.39 615	0.31 615	0.27 579	0.27 593	0.24 653	0.18 634	0.30 655	0.23 644	0.19 633	0.15 609

CBMV_ROB	0.19 529	0.13 546	0.18 493	0.16 193	0.11 493	0.16 430	0.12 102	0.27 463	0.29 498	0.27 566	0.31 537	0.27 532	0.24 562	0.24 568	0.16 462	0.15 607	0.18 634	0.22 637	0.20 635	0.10 522	0.12 564

NOSS_ROB	0.19 529	0.13 546	0.18 493	0.16 193	0.12 525	0.16 430	0.12 102	0.30 520	0.33 525	0.20 483	0.22 426	0.27 532	0.24 562	0.21 530	0.16 462	0.16 624	0.18 634	0.23 638	0.21 637	0.13 577	0.13 579

MSC_U_SF_DS_RVC	0.44 646	0.39 654	0.56 636	0.40 652	0.20 633	0.66 660	0.33 652	0.54 657	0.72 660	0.71 661	0.72 658	0.62 653	0.55 657	0.52 655	0.47 659	0.20 639	0.19 639	0.29 653	0.30 656	0.24 645	0.19 636

FSD					0.23 640	0.25 571	0.25 603	0.27 463	0.26 461	0.25 554	0.26 482	0.26 525	0.26 578	0.27 579	0.24 566	0.21 642	0.20 640	0.27 644	0.26 647	0.25 647

TCMNet-wrong-test	3.69 688	5.54 701	3.91 692	12.22 703	11.75 705	4.77 691	3.86 695	1.08 685	0.74 664	1.13 683	2.21 692	6.16 697	0.53 656	3.43 693	2.33 691	0.90 688	0.20 640	1.85 695	1.69 694	5.71 699	3.79 699

FC-DCNN v2	0.33 630	0.28 638	0.28 573	0.26 613	0.23 640	0.39 637	0.29 634	0.41 623	0.44 596	0.46 642	0.57 641	0.51 644	0.41 640	0.38 633	0.30 617	0.21 642	0.20 640	0.27 644	0.26 647	0.25 647	0.24 645

FCDSN-DC	0.33 630	0.28 638	0.28 573	0.30 639	0.24 644	0.39 637	0.28 623	0.43 634	0.42 585	0.44 639	0.53 632	0.51 644	0.42 644	0.37 628	0.30 617	0.21 642	0.20 640	0.27 644	0.26 647	0.25 647	0.25 647
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	0.30 621	0.24 628	0.30 588	0.36 649	0.16 603	0.36 628	0.31 643	0.34 571	0.43 594	0.41 632	0.46 622	0.38 610	0.30 610	0.35 619	0.29 610	0.19 634	0.20 640	0.26 641	0.29 654	0.18 630	0.19 636

SAMSARA	0.41 642	0.28 638	0.34 601	0.55 663	0.39 658	0.85 673	1.25 691	0.49 647	0.52 625	0.36 618	0.35 566	0.56 650	0.39 634	0.39 635	0.41 649	0.15 607	0.20 640	0.15 608	0.14 602	0.23 639	0.21 640

MANE	0.47 652	0.28 638	0.28 573	0.27 621	0.24 644	0.50 647	0.32 651	0.57 659	0.62 645	0.74 665	1.20 684	1.21 675	0.64 666	0.54 659	0.39 645	0.22 646	0.20 640	0.27 644	0.31 657	0.26 651	0.25 647

GANetREF_RVC	0.31 627	0.34 650	0.29 582	0.35 647	0.16 603	0.33 615	0.42 662	0.48 646	0.52 625	0.35 615	0.35 566	0.34 593	0.32 617	0.40 639	0.33 631	0.27 655	0.20 640	0.29 653	0.15 618	0.19 633	0.18 631
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
FC-DCNN	0.33 630	0.28 638	0.28 573	0.26 613	0.23 640	0.38 634	0.29 634	0.40 618	0.44 596	0.46 642	0.56 637	0.51 644	0.41 640	0.38 633	0.31 623	0.21 642	0.20 640	0.27 644	0.26 647	0.25 647	0.24 645

MSMD_ROB	0.31 627	0.26 634	0.26 568	0.24 596	0.21 636	0.34 619	0.25 603	0.34 571	0.39 572	0.40 628	0.69 655	0.45 632	0.41 640	0.34 614	0.28 601	0.20 639	0.20 640	0.26 641	0.25 646	0.23 639	0.22 643

LSM	0.34 636	0.21 618	0.62 646	0.27 621	0.62 676	0.35 624	0.26 612	0.43 634	0.49 611	0.45 641	0.60 649	0.42 626	0.37 631	0.35 619	0.26 587	0.13 582	0.21 650	0.14 597	0.16 622	0.18 630	0.34 659

ELAS_RVC	0.42 644	0.29 645	0.33 598	0.28 628	0.24 644	0.56 653	0.38 657	0.50 648	0.61 642	0.74 665	0.76 662	0.67 658	0.56 659	0.55 660	0.42 651	0.22 646	0.21 650	0.27 644	0.26 647	0.27 653	0.26 650
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 644	0.29 645	0.34 601	0.28 628	0.24 644	0.63 657	0.37 655	0.52 653	0.52 625	0.72 662	0.82 666	0.68 660	0.56 659	0.52 655	0.45 658	0.22 646	0.21 650	0.27 644	0.26 647	0.26 651	0.26 650
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PA-Net	0.24 584	0.18 603	0.34 601	0.28 628	0.22 639	0.22 538	0.39 659	0.29 507	0.39 572	0.22 514	0.33 552	0.25 515	0.26 578	0.21 530	0.25 574	0.10 503	0.23 653	0.15 608	0.22 640	0.09 486	0.13 579
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
light-stereo	0.44 646	0.27 636	0.64 649	0.61 665	0.50 665	0.34 619	0.23 576	0.47 644	0.52 625	0.57 653	0.59 647	0.78 664	0.33 620	0.49 651	0.30 617	0.33 658	0.25 654	0.27 644	0.33 659	0.47 663	0.41 666

ACVNet_1	0.45 649	0.51 659	0.61 644	0.45 657	0.28 651	0.50 647	0.28 623	0.58 664	0.71 659	0.63 656	0.59 647	0.74 663	0.50 653	0.50 652	0.36 637	0.26 654	0.25 654	0.39 660	0.29 654	0.32 658	0.25 647

Anonymous_2	0.22 560	0.17 589	0.28 573	0.15 101	0.16 603	0.33 615	0.22 564	0.23 388	0.18 313	0.23 529	0.24 443	0.26 525	0.27 585	0.27 579	0.24 566	0.22 646	0.26 656	0.17 619	0.17 629	0.16 619	0.18 631

PASM	0.33 630	0.25 633	0.51 631	0.28 628	0.27 650	0.30 609	0.31 643	0.35 586	0.51 619	0.36 618	0.40 593	0.47 640	0.35 626	0.34 614	0.36 637	0.23 651	0.26 656	0.26 641	0.28 653	0.23 639	0.21 640

JetBlue	0.73 667	0.46 658	1.21 680	0.52 662	0.47 664	2.16 689	0.67 679	0.78 669	0.72 660	0.70 660	0.79 664	1.21 675	0.84 675	1.06 686	1.04 686	0.40 663	0.28 658	0.33 657	0.33 659	0.30 654	0.34 659

Ntro	0.41 642	0.40 655	0.54 634	0.46 660	0.30 655	0.64 658	0.24 587	0.47 644	0.68 655	0.42 634	0.49 626	0.47 640	0.42 644	0.40 639	0.32 628	0.32 657	0.28 658	0.37 659	0.31 657	0.33 659	0.29 653

test_sample9	0.18 517	0.12 519	0.21 532	0.13 11	0.14 570	0.18 470	0.14 237	0.28 488	0.24 423	0.21 499	0.21 409	0.24 502	0.20 532	0.19 494	0.18 492	0.15 607	0.30 660	0.14 597	0.14 602	0.15 606	0.13 579

test_sample8	0.20 538	0.12 519	0.21 532	0.13 11	0.14 570	0.18 470	0.14 237	0.32 542	0.21 379	0.28 579	0.22 426	0.36 601	0.26 578	0.19 494	0.18 492	0.15 607	0.30 660	0.14 597	0.14 602	0.15 606	0.13 579

otaku	0.39 639	0.38 653	0.53 632	0.44 656	0.28 651	0.57 654	0.24 587	0.42 628	0.62 645	0.40 628	0.50 628	0.46 636	0.34 622	0.40 639	0.33 631	0.30 656	0.30 660	0.39 660	0.33 659	0.30 654	0.29 653

MonStereo1	0.49 654	0.27 636	0.61 644	0.29 635	0.20 633	0.40 639	0.19 512	0.51 652	0.66 654	0.53 648	0.91 670	1.02 669	0.59 663	0.51 654	0.58 667	0.53 672	0.32 663	0.55 669	0.40 663	0.36 660	0.38 663

NVStereoNet_ROB	0.47 652	0.37 652	0.47 627	0.42 655	0.29 654	0.35 624	0.35 653	0.50 648	0.61 642	0.73 663	0.94 671	0.70 662	0.68 668	0.48 650	0.62 670	0.22 646	0.33 664	0.34 658	0.34 662	0.30 654	0.31 656
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Consistency-Raft	0.44 646	0.40 655	0.46 624	0.37 651	0.43 662	0.42 643	0.41 660	0.57 659	0.55 630	0.32 609	0.73 659	0.32 582	0.50 653	0.42 646	0.49 661	0.39 662	0.36 665	0.45 662	0.52 674	0.42 662	0.30 655

MADNet+	0.76 668	0.72 670	3.76 691	0.67 667	0.41 660	0.99 679	0.97 689	0.72 668	0.75 665	0.52 647	0.58 645	0.64 656	0.68 668	0.89 680	1.04 686	0.35 660	0.36 665	0.28 652	0.23 644	0.38 661	0.33 658

ACVNet_2	0.67 664	0.68 669	0.70 661	0.64 666	0.41 660	0.75 668	0.50 668	0.98 679	1.38 684	0.90 673	1.09 678	1.04 670	0.74 671	0.55 660	0.48 660	0.43 664	0.40 667	0.53 667	0.45 666	0.48 664	0.36 661

GCST	0.37 637	0.42 657	0.27 570	1.03 683	0.39 658	0.18 470	0.08 7	0.21 345	0.18 313	0.28 579	0.25 469	0.15 367	0.12 354	0.16 410	0.14 406	0.64 679	0.43 668	0.75 675	0.65 678	0.64 672	0.46 670

IMH-64-1	0.66 662	0.62 665	0.69 658	0.72 668	0.51 666	0.60 655	0.51 669	0.92 673	0.84 669	0.75 668	1.02 675	0.81 665	0.78 673	0.80 671	0.50 662	0.43 664	0.46 669	0.72 672	0.48 667	0.55 668	0.40 664

IMH-64	0.66 662	0.62 665	0.69 658	0.72 668	0.51 666	0.60 655	0.51 669	0.92 673	0.84 669	0.75 668	1.02 675	0.81 665	0.78 673	0.80 671	0.50 662	0.43 664	0.46 669	0.72 672	0.48 667	0.55 668	0.40 664

TorneroNet-64	0.76 668	0.73 671	0.77 667	0.78 672	0.58 674	0.94 678	0.58 673	0.85 672	1.26 679	0.67 657	0.88 668	1.41 682	0.76 672	0.87 677	0.68 673	0.49 670	0.46 669	0.73 674	0.59 675	0.68 676	0.54 672

PWCK	0.72 665	0.95 679	0.99 675	0.77 670	0.32 656	0.79 670	0.38 657	0.92 673	0.90 672	0.96 676	0.76 662	0.97 668	0.62 665	0.87 677	0.68 673	0.73 682	0.46 669	0.76 677	0.49 669	0.71 679	0.44 669

SPS-STEREO	0.58 660	0.59 663	0.66 650	0.45 657	0.55 669	0.65 659	0.44 665	0.63 666	0.51 619	0.69 659	0.65 650	0.66 657	0.58 662	0.62 666	0.62 670	0.62 678	0.47 673	0.51 665	0.49 669	0.55 668	0.58 673
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.54 657	0.61 664	0.71 663	0.57 664	0.43 662	0.66 660	0.37 655	0.60 665	0.87 671	0.51 646	0.67 651	0.63 654	0.47 650	0.50 652	0.44 655	0.47 668	0.48 674	0.53 667	0.41 664	0.53 667	0.41 666

WAO-6	0.82 671	0.81 674	0.63 648	0.87 677	0.63 677	0.79 670	0.60 675	0.98 679	1.52 688	0.91 675	0.97 673	1.08 672	1.04 683	0.72 670	0.70 676	0.72 681	0.49 675	0.91 683	0.71 682	0.70 678	0.59 676

TorneroNet	0.83 672	0.75 672	0.83 671	0.85 675	0.63 677	1.03 682	0.65 677	0.96 677	1.14 677	0.80 670	1.10 680	1.36 680	0.88 677	0.95 682	0.82 681	0.57 673	0.49 675	0.79 680	0.66 680	0.74 682	0.64 682

SGM+DAISY	0.57 659	0.58 661	0.67 654	0.41 653	0.55 669	0.68 662	0.51 669	0.57 659	0.46 607	0.67 657	0.70 656	0.69 661	0.57 661	0.64 667	0.58 667	0.59 676	0.49 675	0.50 664	0.50 671	0.52 665	0.59 676

IMH	0.72 665	0.65 667	0.70 661	0.77 670	0.54 668	0.71 664	0.56 672	0.99 681	1.08 675	0.82 671	1.09 678	0.89 667	0.88 677	0.88 679	0.53 666	0.44 667	0.50 678	0.75 675	0.51 672	0.58 671	0.42 668

anonymity	0.53 656	0.58 661	0.66 650	0.41 653	0.61 675	0.54 651	0.41 660	0.57 659	0.41 583	0.56 652	0.50 628	0.50 643	0.55 657	0.59 665	0.50 662	0.58 675	0.50 678	0.51 665	0.51 672	0.52 665	0.58 673

DPSimNet_ROB	1.14 682	1.25 685	0.87 673	1.15 686	0.90 687	1.15 685	1.18 690	1.20 690	1.26 679	1.45 688	1.05 677	1.44 685	1.13 687	0.92 681	1.70 689	1.47 693	0.52 680	1.22 690	1.04 692	0.92 685	1.03 690

WAO-8	0.92 675	0.83 675	0.67 654	0.94 680	0.70 681	0.92 676	0.68 680	1.08 685	1.80 691	1.06 681	1.42 688	1.29 677	1.08 685	0.86 675	0.80 679	0.74 683	0.54 681	0.86 681	0.75 683	0.71 679	0.63 680

Venus	0.92 675	0.83 675	0.67 654	0.94 680	0.70 681	0.92 676	0.68 680	1.08 685	1.80 691	1.06 681	1.42 688	1.29 677	1.08 685	0.86 675	0.80 679	0.74 683	0.54 681	0.86 681	0.75 683	0.71 679	0.63 680

UNDER WATER	0.99 679	1.00 681	1.47 683	1.00 682	0.71 683	1.18 686	0.86 685	0.81 671	1.09 676	1.02 678	0.90 669	1.53 686	1.26 689	1.06 686	1.02 685	0.79 685	0.54 681	1.02 685	0.88 687	0.83 684	0.75 684

LVE	0.84 673	0.87 677	0.86 672	0.81 673	0.56 671	1.09 684	0.66 678	1.07 683	1.45 686	0.97 677	1.23 686	1.11 673	0.86 676	0.84 674	0.72 677	0.49 670	0.56 684	0.76 677	0.60 677	0.66 674	0.60 679

Dean	0.88 674	0.88 678	0.81 668	0.82 674	0.57 672	0.91 675	0.62 676	1.17 689	1.71 689	1.15 684	1.16 682	1.31 679	1.00 682	0.82 673	0.83 682	0.57 673	0.56 684	0.78 679	0.65 678	0.67 675	0.58 673

UNDER WATER-64	0.97 677	0.96 680	1.48 684	0.88 678	0.57 672	1.24 687	0.90 687	0.78 669	0.96 673	1.05 679	0.85 667	1.56 687	1.26 689	0.97 684	0.99 684	0.88 687	0.57 686	1.04 687	0.88 687	0.81 683	0.75 684

MFMNet_re	0.65 661	0.66 668	0.66 650	0.51 661	0.69 680	0.70 663	0.58 673	0.65 667	0.75 665	0.61 655	0.73 659	0.63 654	0.68 668	0.65 668	0.60 669	0.66 680	0.58 687	0.63 670	0.59 675	0.68 676	0.69 683

WAO-7	0.80 670	0.78 673	0.57 638	0.85 675	0.67 679	0.76 669	0.69 682	1.07 683	1.30 681	0.90 673	1.20 684	1.05 671	0.93 679	0.71 669	0.68 673	0.60 677	0.62 688	0.67 671	0.68 681	0.64 672	0.59 676

notaker	0.98 678	1.13 682	1.02 676	1.14 685	0.81 684	0.73 667	0.69 682	0.94 676	1.15 678	1.19 686	1.19 683	1.41 682	1.17 688	1.10 688	0.74 678	0.82 686	0.64 689	1.18 688	0.79 685	1.02 686	0.82 687

ktn	1.02 680	1.23 684	0.82 669	1.24 687	0.86 686	1.00 681	0.86 685	0.96 677	1.37 683	1.05 679	1.12 681	1.16 674	1.06 684	0.95 682	0.62 670	1.28 692	0.71 690	1.39 692	0.83 686	1.06 688	0.77 686

HanzoNet	1.31 683	1.29 686	1.22 681	1.13 684	0.85 685	1.05 683	0.84 684	1.06 682	1.47 687	1.66 689	1.63 690	2.48 691	1.78 691	1.63 690	1.69 688	1.27 691	0.80 691	1.32 691	1.02 690	1.07 689	0.90 688

KSHMR	1.10 681	1.19 683	0.90 674	1.26 688	1.00 688	0.99 679	0.96 688	1.13 688	1.35 682	1.16 685	1.28 687	1.40 681	0.97 681	1.03 685	0.93 683	1.03 690	1.08 692	1.20 689	1.03 691	1.03 687	0.98 689

JetRed	1.66 684	1.51 687	3.09 687	0.93 679	1.21 689	5.28 692	1.61 694	1.29 691	1.42 685	1.84 690	1.77 691	1.59 688	0.95 680	1.43 689	2.51 694	0.91 689	1.61 693	0.93 684	0.91 689	1.36 690	1.03 690

MADNet++	1.97 685	1.75 688	1.66 685	1.83 689	1.69 691	2.38 690	1.45 693	2.36 692	2.11 693	2.58 692	2.37 693	2.25 690	2.21 693	2.28 691	2.36 692	1.87 694	1.67 694	1.53 693	1.34 693	1.87 691	1.78 693

PML	8.57 697	9.39 707	6.24 693	5.34 694	6.36 696	13.21 699	20.99 700	5.35 695	6.68 696	17.75 709	26.46 719	7.58 698	6.08 697	7.89 698	5.76 695	5.33 701	1.83 695	5.95 707	1.93 695	8.75 704	2.53 695

xxxxx1	7.75 691	5.06 698	7.26 694	3.15 691	3.91 693	16.37 701	22.88 704	5.87 698	8.68 697	7.99 699	8.55 696	9.13 701	8.46 699	10.05 699	10.47 699	2.43 696	2.48 696	3.56 699	12.26 705	3.48 694	3.02 696

tt_ll	7.75 691	5.06 698	7.26 694	3.15 691	3.91 693	16.37 701	22.88 704	5.87 698	8.68 697	7.99 699	8.55 696	9.13 701	8.46 699	10.05 699	10.47 699	2.43 696	2.48 696	3.56 699	12.26 705	3.48 694	3.02 696

ff	7.75 691	5.06 698	7.26 694	3.15 691	3.91 693	16.37 701	22.88 704	5.87 698	8.68 697	7.99 699	8.55 696	9.13 701	8.46 699	10.05 699	10.47 699	2.43 696	2.48 696	3.56 699	12.26 705	3.48 694	3.02 696

LRCNet_RVC	10.76 702	13.97 708	7.97 702	19.07 707	2.04 692	0.35 624	0.31 643	5.29 694	0.48 610	13.02 707	17.65 707	8.69 699	5.73 696	4.78 694	2.22 690	23.53 716	2.69 699	27.60 719	25.75 719	17.60 713	16.54 716

USTest	6.16 690	2.65 691	2.79 686	6.48 697	7.21 697	14.33 700	21.38 701	6.98 701	9.55 700	5.35 698	6.12 694	5.71 696	7.69 698	6.31 697	6.75 698	1.97 695	3.38 700	1.63 694	2.14 697	2.49 692	2.35 694

DPSMNet_ROB	8.06 695	4.50 694	8.69 703	5.36 696	10.74 700	8.32 694	22.71 702	5.47 696	13.38 704	5.13 696	9.98 701	5.10 694	10.47 702	5.53 695	12.77 705	3.80 700	8.00 701	3.49 697	6.95 702	3.75 698	7.09 703

DGTPSM_ROB	8.06 695	4.50 694	8.69 703	5.34 694	10.73 699	8.32 694	22.71 702	5.47 696	13.38 704	5.13 696	9.98 701	5.10 694	10.47 702	5.53 695	12.77 705	3.79 699	8.00 701	3.49 697	6.95 702	3.74 697	7.09 703

iinet-test	10.41 698	8.00 703	7.40 697	10.23 698	10.93 701	17.97 705	25.06 707	11.30 706	13.29 702	9.69 703	9.78 700	9.38 704	11.23 704	10.97 703	12.61 703	6.59 704	8.30 703	5.49 702	6.54 698	6.58 700	6.91 701

IINet	10.41 698	8.00 703	7.40 697	10.23 698	10.93 701	17.97 705	25.06 707	11.30 706	13.29 702	9.69 703	9.77 699	9.38 704	11.23 704	10.97 703	12.61 703	6.59 704	8.30 703	5.49 702	6.54 698	6.58 700	6.91 701

Anonymous_1	10.87 703	7.82 702	7.41 699	10.29 700	10.08 698	18.64 707	26.11 709	11.02 705	13.45 706	9.43 702	10.10 703	9.73 706	11.31 706	10.69 702	12.47 702	6.42 703	8.38 705	5.70 704	10.22 704	11.41 705	6.65 700

DPSM_ROB	11.10 704	8.47 705	7.95 700	10.84 701	11.58 703	19.10 708	26.50 712	12.02 708	14.09 707	10.38 705	10.91 704	10.39 707	11.92 707	11.67 705	13.39 707	6.99 706	8.79 706	5.82 705	6.92 700	6.97 702	7.31 705

DPSM	11.10 704	8.47 705	7.95 700	10.84 701	11.58 703	19.10 708	26.50 712	12.02 708	14.09 707	10.38 705	10.91 704	10.39 707	11.92 707	11.67 705	13.39 707	6.99 706	8.79 706	5.82 705	6.92 700	6.97 702	7.31 705

tt	4.65 689	0.07 193	3.54 690	2.01 690	1.55 690	10.25 696	16.66 699	8.90 702	5.03 695	1.33 687	0.96 672	4.71 693	4.74 695	3.33 692	5.86 696	6.06 702	10.30 708	1.87 696	2.09 696	2.61 693	1.19 692

HaxPig	15.73 706	18.55 716	19.19 712	16.92 706	15.89 708	7.80 693	7.57 696	13.37 710	10.80 701	15.40 708	14.87 706	15.95 709	14.81 709	15.67 708	15.97 711	18.96 715	16.72 709	19.47 715	18.10 717	19.45 716	19.06 717

LSM0	22.80 717	17.22 714	19.17 711	22.12 715	28.90 719	38.38 717	53.27 714	24.21 718	28.36 713	20.84 718	21.11 709	21.63 717	24.25 719	23.42 716	26.98 715	14.08 713	17.39 710	11.72 714	13.98 712	14.22 712	14.66 708

RAFT-FEzeroshot	22.33 711	17.12 710	15.83 705	21.95 711	23.32 715	38.31 713	53.41 719	23.99 714	28.43 714	20.66 714	21.84 712	21.02 714	24.05 716	23.33 712	27.09 717	14.06 709	17.69 711	11.70 709	13.95 710	14.05 709	14.76 710

RAFT-FE	22.33 711	17.12 710	15.83 705	21.95 711	23.32 715	38.31 713	53.41 719	23.99 714	28.43 714	20.66 714	21.84 712	21.02 714	24.05 716	23.33 712	27.09 717	14.06 709	17.69 711	11.70 709	13.95 710	14.05 709	14.76 710

CasAABBNet	22.33 711	17.11 709	15.84 707	21.94 710	23.28 713	38.30 712	53.40 717	24.05 716	28.44 716	20.66 714	21.86 714	21.03 716	24.04 715	23.35 714	27.03 716	14.06 709	17.69 711	11.70 709	13.94 709	14.04 708	14.76 710

Hybrid-DGEV	22.38 715	17.26 715	16.15 710	21.92 709	23.29 714	38.36 715	53.40 717	24.38 720	28.67 719	20.64 713	21.89 715	21.01 713	24.05 716	23.35 714	27.12 719	14.08 713	17.70 714	11.71 713	13.99 713	14.01 707	14.70 709

Selective-RAFT-Error	22.39 716	17.14 713	16.01 709	22.00 713	23.34 717	38.37 716	53.36 716	24.24 719	28.53 718	20.80 717	21.94 717	20.94 712	24.02 714	23.48 718	27.33 720	14.07 712	17.70 714	11.70 709	13.93 708	14.05 709	14.83 713

FlowAnything	22.34 714	17.13 712	15.98 708	22.00 713	23.23 712	38.39 718	53.32 715	24.19 717	28.48 717	21.00 719	21.93 716	20.83 711	23.97 713	23.44 717	26.83 714	14.04 708	17.80 716	11.63 708	14.08 714	14.00 706	14.65 707

MEDIAN_ROB	20.38 710	24.05 717	23.36 715	21.18 708	21.62 711	10.51 697	8.17 697	17.68 711	15.46 711	20.04 712	19.65 708	20.30 710	20.16 710	21.17 709	21.03 712	23.81 717	21.77 717	24.98 718	23.75 718	25.01 717	23.94 718

AVERAGE_ROB	24.89 718	29.12 718	27.98 716	24.83 716	24.59 718	17.82 704	11.61 698	21.45 712	19.91 712	25.04 720	24.38 718	25.06 720	25.31 720	24.69 719	22.86 713	29.74 718	27.09 718	28.97 720	27.94 720	30.07 718	29.35 719

RSGM-EC	20.15 708	4.62 696	0.75 665	16.73 704	16.97 709	21.10 710	26.46 710	10.37 703	14.13 709	18.18 710	21.56 710	22.31 718	22.50 711	21.80 710	15.71 709	62.36 719	33.86 719	20.06 716	18.04 715	19.30 714	16.22 714

acva	20.15 708	4.62 696	0.75 665	16.73 704	16.97 709	21.10 710	26.46 710	10.37 703	14.13 709	18.18 710	21.56 710	22.31 718	22.50 711	21.80 710	15.71 709	62.36 719	33.86 719	20.06 716	18.04 715	19.30 714	16.22 714

test_example2	97.69 719	92.93 719	45.57 717	96.02 717	109.84 720	88.44 719	93.70 721	25.54 721	94.63 721	130.46 722	126.87 721	58.93 721	75.48 721	87.99 720	77.94 721	150.16 721	221.11 721	76.29 721	98.21 721	108.42 721	95.33 720

ccccc		285.89 720		366.70 720	366.78 721	118.88 721		113.97 722		125.77 721		120.54 722		252.62 722		382.79 722	352.84 722	254.30 722	222.62 722	426.61 722

Low-res two-view benchmark