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

yuret106	0.07 4	0.04 1	0.09 91	0.13 14	0.06 18	0.08 65	0.11 57	0.13 75	0.06 8	0.04 1	0.06 15	0.07 106	0.07 128	0.10 93	0.10 149	0.06 135	0.06 359	0.04 1	0.03 1	0.04 22	0.04 54

OmniDepth	0.07 4	0.07 193	0.08 40	0.18 353	0.06 18	0.07 36	0.11 57	0.09 11	0.06 8	0.04 1	0.07 52	0.10 210	0.09 226	0.08 19	0.08 17	0.04 11	0.03 1	0.04 1	0.04 70	0.03 1	0.03 2

uiiii_40	0.07 4	0.06 102	0.06 4	0.13 14	0.07 108	0.07 36	0.10 29	0.14 99	0.07 16	0.05 3	0.06 15	0.06 30	0.06 42	0.10 93	0.09 62	0.05 37	0.04 24	0.04 1	0.03 1	0.05 139	0.05 164

ITERv30	0.07 4	0.04 1	0.10 142	0.12 4	0.07 108	0.07 36	0.12 86	0.11 36	0.08 37	0.05 3	0.10 166	0.07 106	0.07 128	0.10 93	0.10 149	0.06 135	0.06 359	0.04 1	0.04 70	0.04 22	0.04 54

qyd29nn	0.07 4	0.04 1	0.09 91	0.13 14	0.06 18	0.07 36	0.11 57	0.13 75	0.05 5	0.05 3	0.07 52	0.06 30	0.08 188	0.09 48	0.10 149	0.07 296	0.06 359	0.04 1	0.03 1	0.04 22	0.04 54

ITERv28	0.08 75	0.04 1	0.10 142	0.13 14	0.06 18	0.09 114	0.12 86	0.14 99	0.08 37	0.05 3	0.08 95	0.06 30	0.06 42	0.09 48	0.10 149	0.06 135	0.06 359	0.04 1	0.03 1	0.05 139	0.04 54

uio108cc	0.07 4	0.05 52	0.09 91	0.14 60	0.06 18	0.09 114	0.12 86	0.15 139	0.07 16	0.05 3	0.07 52	0.07 106	0.07 128	0.09 48	0.10 149	0.06 135	0.06 359	0.04 1	0.03 1	0.04 22	0.04 54

hj116sk	0.08 75	0.04 1	0.10 142	0.13 14	0.07 108	0.09 114	0.10 29	0.15 139	0.08 37	0.05 3	0.09 123	0.07 106	0.07 128	0.10 93	0.10 149	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv21	0.08 75	0.04 1	0.11 199	0.13 14	0.07 108	0.09 114	0.12 86	0.13 75	0.07 16	0.05 3	0.08 95	0.06 30	0.07 128	0.10 93	0.11 243	0.06 135	0.06 359	0.04 1	0.03 1	0.04 22	0.04 54

iked130	0.07 4	0.04 1	0.10 142	0.14 60	0.06 18	0.08 65	0.13 148	0.15 139	0.04 2	0.05 3	0.08 95	0.06 30	0.07 128	0.09 48	0.11 243	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

a5sdf	0.07 4	0.04 1	0.10 142	0.13 14	0.06 18	0.09 114	0.12 86	0.15 139	0.07 16	0.05 3	0.09 123	0.06 30	0.07 128	0.10 93	0.10 149	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv2	0.07 4	0.04 1	0.10 142	0.14 60	0.05 1	0.08 65	0.11 57	0.11 36	0.07 16	0.05 3	0.07 52	0.05 7	0.07 128	0.08 19	0.09 62	0.06 135	0.04 24	0.04 1	0.04 70	0.05 139	0.04 54

MonStereo	0.07 4	0.06 102	0.05 1	0.15 111	0.05 1	0.08 65	0.10 29	0.15 139	0.15 215	0.05 3	0.06 15	0.05 7	0.06 42	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 102	0.05 1	0.15 111	0.05 1	0.08 65	0.10 29	0.15 139	0.15 215	0.05 3	0.06 15	0.05 7	0.06 42	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Replicate-Monster	0.07 4	0.05 52	0.09 91	0.14 60	0.06 18	0.08 65	0.09 18	0.13 75	0.13 169	0.05 3	0.07 52	0.06 30	0.06 42	0.08 19	0.10 149	0.05 37	0.04 24	0.05 67	0.03 1	0.04 22	0.04 54

LG-Stereo_L1	0.07 4	0.05 52	0.11 199	0.14 60	0.06 18	0.07 36	0.13 148	0.09 11	0.07 16	0.05 3	0.04 1	0.05 7	0.04 1	0.08 19	0.07 1	0.05 37	0.04 24	0.05 67	0.03 1	0.04 22	0.04 54

MLG-Stereo_test1	0.06 1	0.05 52	0.08 40	0.17 270	0.05 1	0.06 10	0.11 57	0.08 4	0.03 1	0.05 3	0.04 1	0.06 30	0.05 11	0.09 48	0.09 62	0.05 37	0.04 24	0.05 67	0.03 1	0.04 22	0.04 54

MLG-Stereo	0.07 4	0.05 52	0.08 40	0.17 270	0.05 1	0.07 36	0.11 57	0.08 4	0.04 2	0.05 3	0.04 1	0.06 30	0.05 11	0.10 93	0.09 62	0.05 37	0.04 24	0.05 67	0.03 1	0.04 22	0.04 54

LGtest1	0.07 4	0.04 1	0.10 142	0.15 111	0.06 18	0.07 36	0.09 18	0.08 4	0.06 8	0.05 3	0.04 1	0.06 30	0.06 42	0.10 93	0.09 62	0.07 296	0.04 24	0.05 67	0.04 70	0.06 247	0.06 257

LG-Stereo_Zeroshot	0.07 4	0.06 102	0.10 142	0.16 192	0.07 108	0.04 1	0.13 148	0.10 20	0.10 75	0.05 3	0.11 205	0.07 106	0.05 11	0.07 4	0.09 62	0.06 135	0.04 24	0.05 67	0.04 70	0.05 139	0.04 54

LG-Stereo	0.08 75	0.07 193	0.10 142	0.18 353	0.07 108	0.10 179	0.17 378	0.11 36	0.08 37	0.05 3	0.07 52	0.05 7	0.07 128	0.09 48	0.09 62	0.04 11	0.05 213	0.07 253	0.07 331	0.04 22	0.04 54

FoundationStereo	0.06 1	0.04 1	0.08 40	0.12 4	0.05 1	0.09 114	0.13 148	0.06 1	0.09 56	0.05 3	0.05 7	0.06 30	0.04 1	0.06 1	0.07 1	0.06 135	0.04 24	0.05 67	0.03 1	0.05 139	0.04 54

MonSter	0.07 4	0.06 102	0.05 1	0.15 111	0.05 1	0.07 36	0.10 29	0.15 139	0.15 215	0.05 3	0.06 15	0.05 7	0.06 42	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

4.5w_L	0.07 4	0.06 102	0.07 9	0.14 60	0.07 108	0.08 65	0.10 29	0.14 99	0.09 56	0.06 24	0.07 52	0.06 30	0.06 42	0.10 93	0.09 62	0.06 135	0.04 24	0.04 1	0.03 1	0.05 139	0.05 164

StePilot	0.07 4	0.06 102	0.07 9	0.14 60	0.07 108	0.08 65	0.10 29	0.14 99	0.10 75	0.06 24	0.07 52	0.06 30	0.06 42	0.10 93	0.09 62	0.05 37	0.04 24	0.04 1	0.03 1	0.05 139	0.05 164

SteFusion	0.07 4	0.05 52	0.08 40	0.15 111	0.06 18	0.06 10	0.13 148	0.15 139	0.13 169	0.06 24	0.06 15	0.05 7	0.07 128	0.08 19	0.09 62	0.04 11	0.04 24	0.04 1	0.04 70	0.04 22	0.03 2

tim_s	0.07 4	0.04 1	0.08 40	0.16 192	0.06 18	0.08 65	0.11 57	0.14 99	0.09 56	0.06 24	0.06 15	0.04 1	0.08 188	0.08 19	0.10 149	0.04 11	0.04 24	0.04 1	0.03 1	0.04 22	0.03 2

xxxad45	0.07 4	0.04 1	0.08 40	0.16 192	0.06 18	0.07 36	0.12 86	0.15 139	0.12 133	0.06 24	0.05 7	0.04 1	0.08 188	0.07 4	0.09 62	0.04 11	0.05 213	0.04 1	0.04 70	0.04 22	0.03 2

ACW_4w	0.07 4	0.05 52	0.09 91	0.15 111	0.06 18	0.08 65	0.11 57	0.14 99	0.13 169	0.06 24	0.07 52	0.04 1	0.08 188	0.08 19	0.09 62	0.04 11	0.04 24	0.04 1	0.04 70	0.03 1	0.03 2

oiu110	0.08 75	0.04 1	0.09 91	0.13 14	0.07 108	0.09 114	0.12 86	0.14 99	0.07 16	0.06 24	0.09 123	0.06 30	0.07 128	0.09 48	0.10 149	0.06 135	0.06 359	0.04 1	0.03 1	0.04 22	0.05 164

ITERv24	0.08 75	0.04 1	0.09 91	0.13 14	0.06 18	0.09 114	0.12 86	0.16 184	0.05 5	0.06 24	0.08 95	0.07 106	0.07 128	0.09 48	0.11 243	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv19	0.08 75	0.04 1	0.11 199	0.13 14	0.06 18	0.10 179	0.13 148	0.16 184	0.07 16	0.06 24	0.08 95	0.06 30	0.07 128	0.09 48	0.10 149	0.06 135	0.06 359	0.04 1	0.03 1	0.04 22	0.04 54

ITER124	0.08 75	0.04 1	0.09 91	0.13 14	0.06 18	0.09 114	0.13 148	0.15 139	0.07 16	0.06 24	0.08 95	0.06 30	0.08 188	0.10 93	0.10 149	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

dddd17k	0.07 4	0.04 1	0.10 142	0.14 60	0.06 18	0.09 114	0.12 86	0.14 99	0.05 5	0.06 24	0.09 123	0.05 7	0.07 128	0.10 93	0.10 149	0.06 135	0.05 213	0.04 1	0.04 70	0.04 22	0.04 54

zxcv128	0.07 4	0.04 1	0.10 142	0.13 14	0.06 18	0.08 65	0.13 148	0.14 99	0.06 8	0.06 24	0.10 166	0.06 30	0.08 188	0.10 93	0.10 149	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv14	0.07 4	0.04 1	0.10 142	0.13 14	0.06 18	0.08 65	0.12 86	0.15 139	0.06 8	0.06 24	0.09 123	0.06 30	0.07 128	0.10 93	0.10 149	0.05 37	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

v134_o9	0.08 75	0.04 1	0.11 199	0.13 14	0.06 18	0.09 114	0.12 86	0.16 184	0.07 16	0.06 24	0.08 95	0.06 30	0.07 128	0.09 48	0.10 149	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

vnu138km	0.08 75	0.04 1	0.11 199	0.13 14	0.07 108	0.09 114	0.12 86	0.15 139	0.07 16	0.06 24	0.09 123	0.06 30	0.06 42	0.10 93	0.10 149	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv10	0.08 75	0.04 1	0.10 142	0.13 14	0.06 18	0.08 65	0.12 86	0.15 139	0.08 37	0.06 24	0.09 123	0.06 30	0.07 128	0.10 93	0.10 149	0.05 37	0.04 24	0.04 1	0.03 1	0.04 22	0.04 54

99wein	0.08 75	0.04 1	0.10 142	0.13 14	0.06 18	0.08 65	0.11 57	0.15 139	0.09 56	0.06 24	0.09 123	0.06 30	0.06 42	0.10 93	0.10 149	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv8	0.08 75	0.04 1	0.10 142	0.13 14	0.07 108	0.08 65	0.12 86	0.15 139	0.07 16	0.06 24	0.09 123	0.06 30	0.07 128	0.10 93	0.10 149	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv7	0.08 75	0.04 1	0.10 142	0.13 14	0.06 18	0.09 114	0.12 86	0.15 139	0.07 16	0.06 24	0.09 123	0.06 30	0.07 128	0.10 93	0.10 149	0.05 37	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

s6wercc	0.07 4	0.04 1	0.10 142	0.13 14	0.06 18	0.09 114	0.12 86	0.15 139	0.07 16	0.06 24	0.09 123	0.06 30	0.07 128	0.10 93	0.10 149	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

VIP-Stereo	0.07 4	0.07 193	0.07 9	0.15 111	0.06 18	0.12 262	0.10 29	0.11 36	0.11 104	0.06 24	0.07 52	0.06 30	0.05 11	0.10 93	0.08 17	0.05 37	0.04 24	0.05 67	0.03 1	0.03 1	0.02 1

ITER	0.07 4	0.04 1	0.10 142	0.14 60	0.05 1	0.06 10	0.10 29	0.10 20	0.07 16	0.06 24	0.08 95	0.06 30	0.08 188	0.08 19	0.09 62	0.06 135	0.04 24	0.04 1	0.03 1	0.05 139	0.05 164

DDF-Stereo	0.08 75	0.04 1	0.09 91	0.15 111	0.10 396	0.06 10	0.13 148	0.09 11	0.14 196	0.06 24	0.06 15	0.07 106	0.06 42	0.09 48	0.10 149	0.06 135	0.04 24	0.06 154	0.04 70	0.08 378	0.05 164

252Zero-FE	0.08 75	0.04 1	0.09 91	0.13 14	0.07 108	0.12 262	0.11 57	0.13 75	0.14 196	0.06 24	0.05 7	0.06 30	0.05 11	0.09 48	0.10 149	0.06 135	0.04 24	0.04 1	0.03 1	0.05 139	0.06 257

Wavelet-MonSter	0.07 4	0.05 52	0.07 9	0.16 192	0.06 18	0.07 36	0.11 57	0.10 20	0.08 37	0.06 24	0.06 15	0.07 106	0.07 128	0.09 48	0.09 62	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 4	0.04 1	0.09 91	0.13 14	0.06 18	0.05 4	0.09 18	0.11 36	0.07 16	0.06 24	0.06 15	0.05 7	0.06 42	0.09 48	0.09 62	0.06 135	0.04 24	0.04 1	0.03 1	0.05 139	0.05 164

AdaDepth	0.07 4	0.06 102	0.07 9	0.18 353	0.06 18	0.11 226	0.12 86	0.09 11	0.07 16	0.06 24	0.05 7	0.07 106	0.06 42	0.09 48	0.10 149	0.04 11	0.05 213	0.05 67	0.04 70	0.04 22	0.04 54

asda	0.07 4	0.08 294	0.08 40	0.16 192	0.06 18	0.06 10	0.10 29	0.16 184	0.10 75	0.06 24	0.06 15	0.05 7	0.05 11	0.10 93	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

4.5_new	0.07 4	0.09 370	0.08 40	0.15 111	0.07 108	0.06 10	0.10 29	0.14 99	0.11 104	0.06 24	0.08 95	0.06 30	0.06 42	0.08 19	0.10 149	0.03 1	0.03 1	0.04 1	0.04 70	0.04 22	0.03 2

4.5w-stereo	0.07 4	0.09 370	0.08 40	0.15 111	0.07 108	0.06 10	0.10 29	0.14 99	0.11 104	0.06 24	0.08 95	0.06 30	0.06 42	0.08 19	0.10 149	0.03 1	0.03 1	0.04 1	0.04 70	0.04 22	0.03 2

3w_stereo	0.08 75	0.09 370	0.10 142	0.17 270	0.07 108	0.08 65	0.10 29	0.20 287	0.13 169	0.06 24	0.07 52	0.05 7	0.06 42	0.08 19	0.09 62	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

IGEV	0.07 4	0.04 1	0.08 40	0.13 14	0.06 18	0.09 114	0.12 86	0.14 99	0.10 75	0.06 24	0.09 123	0.07 106	0.05 11	0.09 48	0.09 62	0.06 135	0.04 24	0.05 67	0.04 70	0.05 139	0.04 54

111111	0.07 4	0.04 1	0.09 91	0.17 270	0.06 18	0.05 4	0.10 29	0.11 36	0.09 56	0.06 24	0.06 15	0.07 106	0.05 11	0.09 48	0.09 62	0.06 135	0.04 24	0.05 67	0.04 70	0.07 315	0.06 257

LG-Stereo_L2	0.07 4	0.05 52	0.10 142	0.14 60	0.06 18	0.07 36	0.12 86	0.09 11	0.09 56	0.06 24	0.04 1	0.05 7	0.05 11	0.08 19	0.08 17	0.05 37	0.04 24	0.05 67	0.03 1	0.04 22	0.03 2

MLG-Stereo_test3	0.07 4	0.05 52	0.10 142	0.14 60	0.06 18	0.07 36	0.11 57	0.08 4	0.06 8	0.06 24	0.04 1	0.06 30	0.06 42	0.07 4	0.10 149	0.06 135	0.04 24	0.05 67	0.04 70	0.05 139	0.06 257

MLG-Stereo_test2	0.06 1	0.04 1	0.10 142	0.15 111	0.05 1	0.07 36	0.11 57	0.09 11	0.04 2	0.06 24	0.05 7	0.06 30	0.04 1	0.08 19	0.09 62	0.06 135	0.04 24	0.05 67	0.03 1	0.05 139	0.05 164

LG-G_1	0.07 4	0.04 1	0.11 199	0.15 111	0.06 18	0.09 114	0.08 7	0.08 4	0.06 8	0.06 24	0.05 7	0.07 106	0.07 128	0.11 162	0.08 17	0.07 296	0.04 24	0.05 67	0.04 70	0.05 139	0.05 164

LG-G	0.07 4	0.04 1	0.11 199	0.15 111	0.06 18	0.09 114	0.08 7	0.08 4	0.06 8	0.06 24	0.05 7	0.07 106	0.07 128	0.11 162	0.08 17	0.07 296	0.04 24	0.05 67	0.04 70	0.05 139	0.05 164

MM-Stereo_test3	0.10 199	0.07 193	0.07 9	0.18 353	0.07 108	0.12 262	0.19 463	0.24 376	0.19 306	0.06 24	0.10 166	0.08 152	0.06 42	0.11 162	0.08 17	0.06 135	0.06 359	0.07 253	0.05 164	0.05 139	0.04 54

GREAT-IGEV	0.07 4	0.06 102	0.08 40	0.13 14	0.07 108	0.07 36	0.14 206	0.09 11	0.09 56	0.06 24	0.07 52	0.06 30	0.05 11	0.10 93	0.07 1	0.05 37	0.04 24	0.05 67	0.04 70	0.05 139	0.04 54

StereoAnything_RVC	0.07 4	0.15 523	0.17 434	0.11 1	0.05 1	0.05 4	0.11 57	0.08 4	0.08 37	0.06 24	0.06 15	0.05 7	0.05 11	0.09 48	0.08 17	0.08 359	0.04 24	0.05 67	0.03 1	0.05 139	0.04 54

IGEV-RUCA	0.08 75	0.06 102	0.11 199	0.14 60	0.09 293	0.10 179	0.12 86	0.10 20	0.12 133	0.06 24	0.07 52	0.07 106	0.06 42	0.09 48	0.08 17	0.06 135	0.05 213	0.05 67	0.04 70	0.05 139	0.06 257

DEFOM-Stereo	0.07 4	0.05 52	0.07 9	0.14 60	0.06 18	0.10 179	0.13 148	0.07 2	0.13 169	0.06 24	0.07 52	0.06 30	0.05 11	0.10 93	0.09 62	0.04 11	0.04 24	0.05 67	0.03 1	0.04 22	0.04 54

WCG-NET	0.08 75	0.05 52	0.09 91	0.15 111	0.06 18	0.11 226	0.14 206	0.13 75	0.13 169	0.06 24	0.09 123	0.07 106	0.06 42	0.13 294	0.08 17	0.05 37	0.04 24	0.05 67	0.04 70	0.04 22	0.03 2

IGEV-Stereo++	0.07 4	0.06 102	0.08 40	0.18 353	0.06 18	0.04 1	0.10 29	0.11 36	0.11 104	0.06 24	0.07 52	0.07 106	0.06 42	0.09 48	0.09 62	0.05 37	0.04 24	0.05 67	0.04 70	0.05 139	0.04 54

IGEV-Stereo+	0.07 4	0.04 1	0.08 40	0.15 111	0.06 18	0.04 1	0.09 18	0.10 20	0.09 56	0.06 24	0.06 15	0.06 30	0.06 42	0.06 1	0.08 17	0.06 135	0.04 24	0.05 67	0.04 70	0.06 247	0.06 257

EGLCR-Stereo	0.08 75	0.05 52	0.08 40	0.14 60	0.06 18	0.10 179	0.12 86	0.11 36	0.16 244	0.06 24	0.05 7	0.07 106	0.05 11	0.10 93	0.11 243	0.06 135	0.04 24	0.06 154	0.05 164	0.04 22	0.04 54

PyraSte	0.07 4	0.05 52	0.08 40	0.17 270	0.06 18	0.08 65	0.11 57	0.15 139	0.08 37	0.07 71	0.07 52	0.04 1	0.07 128	0.08 19	0.10 149	0.04 11	0.04 24	0.04 1	0.04 70	0.04 22	0.03 2

5w_v4	0.07 4	0.04 1	0.08 40	0.15 111	0.06 18	0.08 65	0.11 57	0.15 139	0.11 104	0.07 71	0.06 15	0.04 1	0.08 188	0.08 19	0.09 62	0.04 11	0.05 213	0.04 1	0.04 70	0.04 22	0.03 2

dd23bbn	0.08 75	0.04 1	0.08 40	0.14 60	0.06 18	0.09 114	0.13 148	0.16 184	0.07 16	0.07 71	0.11 205	0.07 106	0.08 188	0.08 19	0.10 149	0.05 37	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

v20iiwwt	0.08 75	0.04 1	0.09 91	0.13 14	0.06 18	0.09 114	0.12 86	0.15 139	0.08 37	0.07 71	0.09 123	0.06 30	0.08 188	0.10 93	0.11 243	0.06 135	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv12	0.08 75	0.04 1	0.11 199	0.13 14	0.07 108	0.09 114	0.12 86	0.13 75	0.09 56	0.07 71	0.09 123	0.06 30	0.07 128	0.10 93	0.10 149	0.06 135	0.05 213	0.04 1	0.03 1	0.05 139	0.05 164

ITERv4	0.07 4	0.06 102	0.09 91	0.14 60	0.06 18	0.06 10	0.10 29	0.11 36	0.07 16	0.07 71	0.08 95	0.06 30	0.07 128	0.08 19	0.09 62	0.05 37	0.05 213	0.05 67	0.04 70	0.03 1	0.03 2

zaero_v3	0.07 4	0.04 1	0.10 142	0.14 60	0.05 1	0.06 10	0.11 57	0.10 20	0.08 37	0.07 71	0.06 15	0.04 1	0.07 128	0.07 4	0.08 17	0.06 135	0.04 24	0.04 1	0.04 70	0.04 22	0.04 54

DLNR-FE	10.43 642	1.83 634	19.53 651	120.75 655	13.06 646	0.06 10	0.13 148	0.23 353	0.10 75	0.07 71	0.10 166	0.09 177	0.06 42	0.10 93	0.09 62	0.13 536	0.04 24	0.06 154	0.04 70	52.01 657	0.04 54

Zero-FE251	0.07 4	0.05 52	0.09 91	0.13 14	0.06 18	0.12 262	0.12 86	0.11 36	0.10 75	0.07 71	0.08 95	0.06 30	0.06 42	0.09 48	0.08 17	0.06 135	0.04 24	0.05 67	0.04 70	0.04 22	0.04 54

zero-FE	0.08 75	0.04 1	0.09 91	0.15 111	0.10 396	0.05 4	0.14 206	0.09 11	0.14 196	0.07 71	0.06 15	0.07 106	0.06 42	0.09 48	0.10 149	0.06 135	0.04 24	0.06 154	0.04 70	0.08 378	0.05 164

asd	0.07 4	0.08 294	0.07 9	0.16 192	0.07 108	0.08 65	0.08 7	0.11 36	0.08 37	0.07 71	0.07 52	0.06 30	0.06 42	0.10 93	0.09 62	0.03 1	0.03 1	0.04 1	0.04 70	0.04 22	0.03 2

qwe	0.07 4	0.08 294	0.07 9	0.15 111	0.06 18	0.07 36	0.10 29	0.18 254	0.11 104	0.07 71	0.07 52	0.06 30	0.06 42	0.10 93	0.09 62	0.03 1	0.03 1	0.04 1	0.04 70	0.04 22	0.03 2

4.25_new	0.07 4	0.08 294	0.09 91	0.15 111	0.06 18	0.09 114	0.08 7	0.14 99	0.08 37	0.07 71	0.07 52	0.06 30	0.06 42	0.12 248	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

4.5w_new	0.07 4	0.08 294	0.09 91	0.15 111	0.06 18	0.09 114	0.08 7	0.14 99	0.08 37	0.07 71	0.07 52	0.06 30	0.06 42	0.12 248	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

4.25w-stereo	0.07 4	0.08 294	0.09 91	0.15 111	0.06 18	0.09 114	0.08 7	0.14 99	0.08 37	0.07 71	0.07 52	0.06 30	0.06 42	0.12 248	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

4w-stereo	0.07 4	0.08 294	0.08 40	0.16 192	0.06 18	0.07 36	0.08 7	0.12 59	0.08 37	0.07 71	0.07 52	0.05 7	0.06 42	0.09 48	0.10 149	0.03 1	0.03 1	0.04 1	0.04 70	0.04 22	0.03 2

2.5w	0.07 4	0.07 193	0.07 9	0.16 192	0.06 18	0.08 65	0.12 86	0.10 20	0.10 75	0.07 71	0.06 15	0.09 177	0.06 42	0.08 19	0.09 62	0.04 11	0.03 1	0.04 1	0.04 70	0.03 1	0.03 2

2.75w_new	0.07 4	0.07 193	0.07 9	0.13 14	0.06 18	0.08 65	0.08 7	0.18 254	0.12 133	0.07 71	0.08 95	0.06 30	0.06 42	0.09 48	0.11 243	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 54

3.75w	0.07 4	0.07 193	0.08 40	0.16 192	0.07 108	0.07 36	0.09 18	0.16 184	0.09 56	0.07 71	0.06 15	0.05 7	0.06 42	0.09 48	0.10 149	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 4	0.07 193	0.07 9	0.15 111	0.07 108	0.09 114	0.06 1	0.13 75	0.11 104	0.07 71	0.07 52	0.06 30	0.07 128	0.10 93	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 4	0.06 102	0.07 9	0.16 192	0.06 18	0.07 36	0.10 29	0.14 99	0.14 196	0.07 71	0.08 95	0.05 7	0.06 42	0.09 48	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 54

monsterstereo	0.07 4	0.06 102	0.06 4	0.16 192	0.06 18	0.08 65	0.10 29	0.16 184	0.11 104	0.07 71	0.08 95	0.06 30	0.07 128	0.08 19	0.09 62	0.04 11	0.04 24	0.05 67	0.04 70	0.03 1	0.03 2

SGD-Stereo	0.08 75	0.05 52	0.10 142	0.14 60	0.05 1	0.12 262	0.12 86	0.11 36	0.12 133	0.07 71	0.09 123	0.09 177	0.09 226	0.08 19	0.08 17	0.06 135	0.04 24	0.05 67	0.04 70	0.05 139	0.03 2

MM-Stereo_test2	0.09 136	0.06 102	0.09 91	0.19 411	0.08 175	0.12 262	0.18 423	0.15 139	0.14 196	0.07 71	0.10 166	0.07 106	0.06 42	0.12 248	0.09 62	0.05 37	0.04 24	0.06 154	0.05 164	0.05 139	0.03 2

SCV	0.08 75	0.09 370	0.08 40	0.15 111	0.08 175	0.10 179	0.13 148	0.10 20	0.12 133	0.07 71	0.07 52	0.06 30	0.04 1	0.09 48	0.08 17	0.05 37	0.04 24	0.06 154	0.04 70	0.06 247	0.04 54

DEFOM-Stereo_RVC	0.08 75	0.06 102	0.09 91	0.22 512	0.06 18	0.08 65	0.12 86	0.10 20	0.10 75	0.07 71	0.07 52	0.06 30	0.05 11	0.11 162	0.09 62	0.06 135	0.04 24	0.05 67	0.03 1	0.06 247	0.04 54

AIO_rvc	0.07 4	0.06 102	0.08 40	0.15 111	0.06 18	0.08 65	0.14 206	0.09 11	0.08 37	0.07 71	0.08 95	0.07 106	0.04 1	0.10 93	0.08 17	0.05 37	0.04 24	0.05 67	0.04 70	0.04 22	0.03 2

HUF	0.08 75	0.05 52	0.08 40	0.14 60	0.06 18	0.09 114	0.13 148	0.13 75	0.13 169	0.07 71	0.07 52	0.08 152	0.06 42	0.10 93	0.09 62	0.06 135	0.04 24	0.05 67	0.04 70	0.05 139	0.04 54

AIO_test	0.07 4	0.05 52	0.07 9	0.15 111	0.07 108	0.06 10	0.14 206	0.10 20	0.10 75	0.07 71	0.07 52	0.06 30	0.05 11	0.08 19	0.10 149	0.05 37	0.04 24	0.05 67	0.04 70	0.04 22	0.03 2

castereo++	0.08 75	0.05 52	0.08 40	0.15 111	0.05 1	0.14 337	0.12 86	0.11 36	0.15 215	0.07 71	0.07 52	0.07 106	0.06 42	0.08 19	0.08 17	0.06 135	0.04 24	0.05 67	0.04 70	0.04 22	0.03 2

GIP-stereo	0.08 75	0.06 102	0.11 199	0.14 60	0.06 18	0.09 114	0.13 148	0.14 99	0.11 104	0.07 71	0.08 95	0.05 7	0.04 1	0.10 93	0.07 1	0.05 37	0.04 24	0.05 67	0.04 70	0.05 139	0.04 54

dual_stereo	0.07 4	0.04 1	0.08 40	0.15 111	0.05 1	0.05 4	0.13 148	0.12 59	0.08 37	0.07 71	0.06 15	0.05 7	0.05 11	0.07 4	0.09 62	0.06 135	0.04 24	0.05 67	0.03 1	0.04 22	0.04 54

Occ-G	0.08 75	0.05 52	0.06 4	0.14 60	0.07 108	0.08 65	0.14 206	0.13 75	0.15 215	0.07 71	0.11 205	0.07 106	0.05 11	0.09 48	0.10 149	0.06 135	0.05 213	0.05 67	0.04 70	0.05 139	0.05 164

U	0.08 75	0.07 193	0.09 91	0.19 411	0.10 396	0.10 179	0.13 148	0.12 59	0.17 264	0.07 71	0.07 52	0.06 30	0.05 11	0.07 4	0.08 17	0.06 135	0.04 24	0.06 154	0.04 70	0.06 247	0.05 164

IGEV-BASED-STEREO-	0.09 136	0.10 428	0.31 541	0.15 111	0.06 18	0.08 65	0.14 206	0.10 20	0.10 75	0.07 71	0.07 52	0.06 30	0.04 1	0.11 162	0.07 1	0.12 513	0.04 24	0.07 253	0.05 164	0.05 139	0.05 164

MGS-Stereo	0.09 136	0.07 193	0.12 239	0.15 111	0.08 175	0.09 114	0.15 278	0.12 59	0.12 133	0.07 71	0.10 166	0.08 152	0.06 42	0.10 93	0.09 62	0.05 37	0.04 24	0.06 154	0.05 164	0.06 247	0.05 164

MoCha-V2	0.08 75	0.05 52	0.10 142	0.20 468	0.07 108	0.09 114	0.14 206	0.11 36	0.08 37	0.07 71	0.08 95	0.07 106	0.06 42	0.09 48	0.08 17	0.05 37	0.04 24	0.05 67	0.04 70	0.04 22	0.04 54

DLNR_Zeroshot_test	10.40 641	1.82 633	19.49 650	120.77 656	13.11 647	0.06 10	0.13 148	0.23 353	0.10 75	0.07 71	0.10 166	0.09 177	0.06 42	0.10 93	0.09 62	0.13 536	0.04 24	0.06 154	0.04 70	51.54 656	0.04 54

testlalala	0.08 75	0.07 193	0.17 434	0.16 192	0.08 175	0.09 114	0.12 86	0.15 139	0.10 75	0.07 71	0.09 123	0.06 30	0.06 42	0.11 162	0.09 62	0.05 37	0.04 24	0.06 154	0.04 70	0.04 22	0.04 54

testlalala_base	0.10 199	0.09 370	0.14 320	0.21 497	0.08 175	0.10 179	0.14 206	0.13 75	0.10 75	0.07 71	0.15 265	0.07 106	0.08 188	0.10 93	0.12 296	0.08 359	0.05 213	0.05 67	0.03 1	0.06 247	0.05 164

AEACV	0.08 75	0.05 52	0.08 40	0.14 60	0.13 501	0.14 337	0.13 148	0.14 99	0.09 56	0.07 71	0.09 123	0.07 106	0.08 188	0.10 93	0.09 62	0.06 135	0.04 24	0.06 154	0.05 164	0.05 139	0.04 54

CroCo-Stereo	0.09 136	0.08 294	0.08 40	0.22 512	0.09 293	0.09 114	0.19 463	0.15 139	0.12 133	0.07 71	0.07 52	0.08 152	0.06 42	0.08 19	0.07 1	0.07 296	0.05 213	0.06 154	0.04 70	0.05 139	0.04 54
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
GEAStereo	0.08 75	0.05 52	0.08 40	0.13 14	0.08 175	0.08 65	0.14 206	0.10 20	0.09 56	0.08 113	0.10 166	0.06 30	0.05 11	0.11 162	0.08 17	0.06 135	0.04 24	0.05 67	0.04 70	0.05 139	0.05 164

GSStereo	0.08 75	0.05 52	0.08 40	0.13 14	0.08 175	0.08 65	0.14 206	0.11 36	0.12 133	0.08 113	0.10 166	0.05 7	0.05 11	0.11 162	0.08 17	0.06 135	0.04 24	0.05 67	0.04 70	0.05 139	0.05 164

GS-Stereo							0.14 206	0.11 36	0.12 133	0.08 113	0.10 166	0.05 7	0.05 11	0.11 162	0.08 17	0.06 135	0.04 24	0.05 67	0.04 70	0.05 139	0.05 164

gasm-f	0.08 75	0.05 52	0.07 9	0.13 14	0.08 175	0.08 65	0.14 206	0.10 20	0.09 56	0.08 113	0.10 166	0.06 30	0.05 11	0.10 93	0.08 17	0.06 135	0.04 24	0.05 67	0.04 70	0.06 247	0.05 164

DA	0.08 75	0.07 193	0.07 9	0.19 411	0.08 175	0.09 114	0.12 86	0.13 75	0.12 133	0.08 113	0.10 166	0.10 210	0.08 188	0.09 48	0.10 149	0.05 37	0.04 24	0.06 154	0.04 70	0.05 139	0.03 2

GGEV	0.08 75	0.07 193	0.07 9	0.19 411	0.08 175	0.09 114	0.12 86	0.13 75	0.12 133	0.08 113	0.10 166	0.10 210	0.08 188	0.09 48	0.10 149	0.05 37	0.04 24	0.06 154	0.04 70	0.05 139	0.03 2

S2M2_XL	0.08 75	0.06 102	0.12 239	0.12 4	0.08 175	0.09 114	0.09 18	0.07 2	0.07 16	0.08 113	0.07 52	0.07 106	0.06 42	0.09 48	0.09 62	0.08 359	0.06 359	0.07 253	0.05 164	0.08 378	0.06 257
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
2.25w	0.07 4	0.06 102	0.07 9	0.14 60	0.06 18	0.08 65	0.08 7	0.10 20	0.15 215	0.08 113	0.10 166	0.07 106	0.06 42	0.08 19	0.10 149	0.05 37	0.03 1	0.04 1	0.04 70	0.03 1	0.04 54

3.25w_new	0.07 4	0.06 102	0.07 9	0.15 111	0.06 18	0.10 179	0.07 3	0.12 59	0.11 104	0.08 113	0.06 15	0.07 106	0.06 42	0.11 162	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 4	0.06 102	0.07 9	0.15 111	0.06 18	0.10 179	0.07 3	0.12 59	0.11 104	0.08 113	0.06 15	0.07 106	0.06 42	0.11 162	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

2w_stereo	0.08 75	0.08 294	0.09 91	0.16 192	0.06 18	0.08 65	0.10 29	0.20 287	0.15 215	0.08 113	0.07 52	0.06 30	0.06 42	0.06 1	0.09 62	0.04 11	0.03 1	0.04 1	0.04 70	0.03 1	0.03 2

HART	0.08 75	0.07 193	0.09 91	0.17 270	0.07 108	0.10 179	0.16 344	0.13 75	0.11 104	0.08 113	0.10 166	0.07 106	0.05 11	0.10 93	0.08 17	0.05 37	0.04 24	0.06 154	0.04 70	0.05 139	0.04 54

SCV_C0	0.08 75	0.07 193	0.07 9	0.16 192	0.09 293	0.08 65	0.15 278	0.11 36	0.12 133	0.08 113	0.07 52	0.06 30	0.05 11	0.11 162	0.07 1	0.05 37	0.05 213	0.05 67	0.04 70	0.06 247	0.05 164

AIO-test2	0.10 199	0.08 294	0.10 142	0.23 533	0.08 175	0.11 226	0.10 29	0.23 353	0.23 368	0.08 113	0.09 123	0.08 152	0.05 11	0.10 93	0.08 17	0.06 135	0.05 213	0.08 338	0.09 443	0.05 139	0.05 164

castereo	0.09 136	0.06 102	0.11 199	0.15 111	0.06 18	0.11 226	0.15 278	0.14 99	0.18 290	0.08 113	0.10 166	0.11 235	0.08 188	0.09 48	0.10 149	0.05 37	0.04 24	0.05 67	0.04 70	0.04 22	0.03 2

fffft	0.09 136	0.06 102	0.12 239	0.16 192	0.07 108	0.09 114	0.17 378	0.12 59	0.11 104	0.08 113	0.07 52	0.09 177	0.06 42	0.11 162	0.12 296	0.05 37	0.04 24	0.06 154	0.05 164	0.04 22	0.05 164
1: 1. 1
mms	0.09 136	0.07 193	0.08 40	0.16 192	0.08 175	0.10 179	0.16 344	0.12 59	0.11 104	0.08 113	0.09 123	0.08 152	0.06 42	0.11 162	0.12 296	0.05 37	0.04 24	0.07 253	0.05 164	0.04 22	0.03 2

ours_stereo	0.09 136	0.07 193	0.09 91	0.17 270	0.08 175	0.11 226	0.16 344	0.11 36	0.12 133	0.08 113	0.10 166	0.08 152	0.06 42	0.12 248	0.12 296	0.05 37	0.04 24	0.06 154	0.05 164	0.04 22	0.03 2

fffy	0.09 136	0.08 294	0.09 91	0.16 192	0.07 108	0.13 305	0.17 378	0.13 75	0.12 133	0.08 113	0.09 123	0.08 152	0.09 226	0.13 294	0.11 243	0.05 37	0.05 213	0.07 253	0.05 164	0.04 22	0.05 164

tg	0.10 199	0.06 102	0.10 142	0.18 353	0.08 175	0.11 226	0.16 344	0.20 287	0.12 133	0.08 113	0.11 205	0.11 235	0.07 128	0.11 162	0.10 149	0.05 37	0.04 24	0.08 338	0.08 396	0.04 22	0.04 54

AIO-Stereo	0.08 75	0.06 102	0.09 91	0.18 353	0.06 18	0.08 65	0.12 86	0.15 139	0.09 56	0.08 113	0.08 95	0.07 106	0.05 11	0.11 162	0.08 17	0.05 37	0.05 213	0.05 67	0.04 70	0.04 22	0.04 54

WCG-NET（raft）	0.08 75	0.05 52	0.10 142	0.15 111	0.06 18	0.11 226	0.13 148	0.15 139	0.12 133	0.08 113	0.07 52	0.06 30	0.06 42	0.13 294	0.08 17	0.05 37	0.04 24	0.05 67	0.04 70	0.04 22	0.04 54

RSM++	0.08 75	0.06 102	0.09 91	0.17 270	0.07 108	0.09 114	0.12 86	0.11 36	0.11 104	0.08 113	0.06 15	0.07 106	0.05 11	0.10 93	0.09 62	0.04 11	0.04 24	0.06 154	0.05 164	0.05 139	0.03 2

RSM	0.08 75	0.06 102	0.09 91	0.17 270	0.06 18	0.08 65	0.12 86	0.12 59	0.10 75	0.08 113	0.07 52	0.06 30	0.05 11	0.11 162	0.09 62	0.04 11	0.04 24	0.05 67	0.04 70	0.04 22	0.03 2

trnet	0.08 75	0.05 52	0.07 9	0.12 4	0.05 1	0.12 262	0.11 57	0.13 75	0.10 75	0.08 113	0.13 234	0.09 177	0.08 188	0.11 162	0.10 149	0.08 359	0.05 213	0.05 67	0.03 1	0.06 247	0.05 164

IGEV++	0.08 75	0.06 102	0.08 40	0.18 353	0.07 108	0.09 114	0.13 148	0.10 20	0.09 56	0.08 113	0.08 95	0.06 30	0.06 42	0.13 294	0.09 62	0.05 37	0.04 24	0.05 67	0.04 70	0.05 139	0.04 54

HH	0.09 136	0.06 102	0.13 285	0.17 270	0.08 175	0.10 179	0.16 344	0.14 99	0.10 75	0.08 113	0.09 123	0.08 152	0.07 128	0.10 93	0.09 62	0.06 135	0.04 24	0.06 154	0.05 164	0.05 139	0.04 54

HanStereo	0.09 136	0.06 102	0.13 285	0.17 270	0.08 175	0.10 179	0.16 344	0.14 99	0.10 75	0.08 113	0.09 123	0.08 152	0.07 128	0.10 93	0.09 62	0.06 135	0.04 24	0.06 154	0.05 164	0.05 139	0.04 54

LoS_RVC	0.08 75	0.05 52	0.07 9	0.15 111	0.07 108	0.08 65	0.15 278	0.11 36	0.10 75	0.08 113	0.09 123	0.06 30	0.09 226	0.10 93	0.09 62	0.05 37	0.04 24	0.05 67	0.03 1	0.04 22	0.03 2

CES	0.08 75	0.04 1	0.08 40	0.14 60	0.07 108	0.09 114	0.14 206	0.11 36	0.09 56	0.08 113	0.09 123	0.11 235	0.06 42	0.12 248	0.08 17	0.06 135	0.04 24	0.05 67	0.03 1	0.05 139	0.05 164

Selective-IGEV	0.07 4	0.06 102	0.08 40	0.17 270	0.06 18	0.08 65	0.12 86	0.13 75	0.07 16	0.08 113	0.07 52	0.06 30	0.04 1	0.10 93	0.09 62	0.05 37	0.04 24	0.05 67	0.04 70	0.04 22	0.03 2

cross-raft	0.10 199	0.09 370	0.09 91	0.19 411	0.07 108	0.11 226	0.25 549	0.13 75	0.15 215	0.08 113	0.11 205	0.12 252	0.10 259	0.09 48	0.11 243	0.05 37	0.04 24	0.06 154	0.05 164	0.04 22	0.04 54

EAI-Stereo	0.09 136	0.07 193	0.11 199	0.15 111	0.06 18	0.10 179	0.15 278	0.16 184	0.09 56	0.08 113	0.09 123	0.08 152	0.07 128	0.09 48	0.11 243	0.05 37	0.04 24	0.05 67	0.05 164	0.05 139	0.04 54

CFNet-RSSM	0.09 136	0.07 193	0.09 91	0.16 192	0.07 108	0.09 114	0.15 278	0.16 184	0.17 264	0.08 113	0.12 220	0.10 210	0.09 226	0.11 162	0.09 62	0.06 135	0.04 24	0.06 154	0.04 70	0.04 22	0.04 54

Gwc-CoAtRS	0.09 136	0.06 102	0.10 142	0.16 192	0.07 108	0.10 179	0.14 206	0.17 224	0.17 264	0.08 113	0.10 166	0.12 252	0.09 226	0.12 248	0.09 62	0.06 135	0.04 24	0.06 154	0.04 70	0.04 22	0.04 54

CREStereo	0.09 136	0.04 1	0.08 40	0.11 1	0.06 18	0.13 305	0.14 206	0.14 99	0.10 75	0.08 113	0.13 234	0.09 177	0.08 188	0.11 162	0.10 149	0.08 359	0.04 24	0.05 67	0.03 1	0.06 247	0.06 257
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
Select-FE	0.11 242	0.06 102	0.20 480	0.15 111	0.11 446	0.11 226	0.13 148	0.21 310	0.18 290	0.09 149	0.11 205	0.10 210	0.06 42	0.12 248	0.09 62	0.07 296	0.05 213	0.07 253	0.08 396	0.06 247	0.08 402

FlowAnything_test	0.11 242	0.08 294	0.14 320	0.15 111	0.09 293	0.07 36	0.14 206	0.20 287	0.11 104	0.09 149	0.09 123	0.12 252	0.12 315	0.13 294	0.11 243	0.09 418	0.06 359	0.09 419	0.09 443	0.06 247	0.09 447

monsters	0.07 4	0.06 102	0.06 4	0.15 111	0.06 18	0.08 65	0.09 18	0.12 59	0.08 37	0.09 149	0.07 52	0.06 30	0.06 42	0.08 19	0.08 17	0.05 37	0.04 24	0.04 1	0.04 70	0.03 1	0.03 2

MM-Stereo_test1	0.10 199	0.07 193	0.08 40	0.18 353	0.07 108	0.12 262	0.18 423	0.21 310	0.20 329	0.09 149	0.11 205	0.08 152	0.06 42	0.10 93	0.10 149	0.06 135	0.05 213	0.07 253	0.06 242	0.05 139	0.04 54

SMoEStereo_RVC	0.08 75	0.06 102	0.12 239	0.16 192	0.07 108	0.09 114	0.14 206	0.11 36	0.13 169	0.09 149	0.07 52	0.07 106	0.07 128	0.12 248	0.10 149	0.05 37	0.04 24	0.06 154	0.05 164	0.04 22	0.04 54

tt45	0.09 136	0.06 102	0.11 199	0.15 111	0.07 108	0.11 226	0.16 344	0.13 75	0.11 104	0.09 149	0.06 15	0.08 152	0.06 42	0.13 294	0.10 149	0.06 135	0.04 24	0.06 154	0.05 164	0.05 139	0.06 257

PAM_32	0.09 136	0.05 52	0.17 434	0.15 111	0.08 175	0.10 179	0.15 278	0.14 99	0.15 215	0.09 149	0.08 95	0.09 177	0.07 128	0.14 320	0.08 17	0.06 135	0.05 213	0.06 154	0.06 242	0.05 139	0.06 257

Pointernet	0.09 136	0.04 1	0.09 91	0.16 192	0.08 175	0.13 305	0.10 29	0.15 139	0.17 264	0.09 149	0.07 52	0.06 30	0.06 42	0.11 162	0.09 62	0.08 359	0.04 24	0.05 67	0.03 1	0.06 247	0.05 164

MyStereo07	0.10 199	0.07 193	0.10 142	0.17 270	0.09 293	0.14 337	0.18 423	0.15 139	0.15 215	0.09 149	0.06 15	0.06 30	0.07 128	0.12 248	0.09 62	0.06 135	0.05 213	0.08 338	0.07 331	0.06 247	0.06 257

AE-Stereo	0.10 199	0.08 294	0.10 142	0.18 353	0.09 293	0.10 179	0.15 278	0.14 99	0.19 306	0.09 149	0.14 248	0.12 252	0.08 188	0.11 162	0.10 149	0.05 37	0.06 359	0.07 253	0.06 242	0.05 139	0.04 54

ACVNet-DCA	0.10 199	0.08 294	0.12 239	0.17 270	0.09 293	0.13 305	0.15 278	0.23 353	0.16 244	0.09 149	0.09 123	0.06 30	0.06 42	0.10 93	0.07 1	0.06 135	0.04 24	0.06 154	0.05 164	0.07 315	0.07 338

xx1	0.11 242	0.08 294	0.12 239	0.17 270	0.09 293	0.13 305	0.15 278	0.16 184	0.18 290	0.09 149	0.09 123	0.16 340	0.16 422	0.10 93	0.07 1	0.06 135	0.04 24	0.08 338	0.08 396	0.07 315	0.07 338

1test111	0.11 242	0.08 294	0.12 239	0.17 270	0.09 293	0.13 305	0.15 278	0.23 353	0.16 244	0.09 149	0.09 123	0.06 30	0.06 42	0.15 342	0.16 418	0.06 135	0.04 24	0.06 154	0.05 164	0.07 315	0.07 338

cc1	0.10 199	0.08 294	0.12 239	0.17 270	0.09 293	0.13 305	0.15 278	0.16 184	0.18 290	0.09 149	0.09 123	0.06 30	0.06 42	0.10 93	0.07 1	0.06 135	0.04 24	0.06 154	0.05 164	0.06 247	0.06 257

tt1	0.10 199	0.08 294	0.12 239	0.17 270	0.09 293	0.12 262	0.16 344	0.15 139	0.19 306	0.09 149	0.08 95	0.06 30	0.06 42	0.10 93	0.07 1	0.06 135	0.04 24	0.06 154	0.05 164	0.06 247	0.06 257

MaDis-Stereo	0.09 136	0.09 370	0.08 40	0.17 270	0.09 293	0.13 305	0.10 29	0.16 184	0.16 244	0.09 149	0.11 205	0.06 30	0.06 42	0.09 48	0.13 337	0.07 296	0.06 359	0.07 253	0.05 164	0.05 139	0.04 54

MSKI-zero shot	0.09 136	0.05 52	0.09 91	0.15 111	0.07 108	0.10 179	0.13 148	0.14 99	0.13 169	0.09 149	0.09 123	0.09 177	0.06 42	0.12 248	0.10 149	0.06 135	0.04 24	0.05 67	0.04 70	0.04 22	0.04 54

GCAP-Stereo	0.09 136	0.07 193	0.13 285	0.18 353	0.06 18	0.11 226	0.07 3	0.13 75	0.12 133	0.09 149	0.10 166	0.07 106	0.09 226	0.13 294	0.10 149	0.06 135	0.05 213	0.05 67	0.04 70	0.04 22	0.05 164

RAFT-Test	0.09 136	0.06 102	0.10 142	0.15 111	0.07 108	0.11 226	0.15 278	0.16 184	0.13 169	0.09 149	0.10 166	0.10 210	0.09 226	0.12 248	0.09 62	0.06 135	0.04 24	0.05 67	0.04 70	0.04 22	0.05 164

CAS	0.08 75	0.04 1	0.07 9	0.17 270	0.08 175	0.10 179	0.13 148	0.12 59	0.09 56	0.09 149	0.10 166	0.08 152	0.06 42	0.09 48	0.08 17	0.08 359	0.04 24	0.05 67	0.03 1	0.05 139	0.04 54

anonymousdsp	0.09 136	0.07 193	0.11 199	0.16 192	0.09 293	0.11 226	0.15 278	0.16 184	0.12 133	0.09 149	0.06 15	0.06 30	0.06 42	0.11 162	0.09 62	0.05 37	0.04 24	0.06 154	0.05 164	0.05 139	0.06 257

LoS	0.09 136	0.05 52	0.11 199	0.13 14	0.07 108	0.14 337	0.11 57	0.15 139	0.15 215	0.09 149	0.09 123	0.12 252	0.09 226	0.15 342	0.10 149	0.07 296	0.05 213	0.05 67	0.03 1	0.05 139	0.05 164
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 136	0.07 193	0.10 142	0.17 270	0.08 175	0.10 179	0.15 278	0.15 139	0.12 133	0.09 149	0.06 15	0.07 106	0.06 42	0.11 162	0.09 62	0.05 37	0.04 24	0.06 154	0.05 164	0.04 22	0.06 257

MC-Stereo	0.08 75	0.06 102	0.09 91	0.17 270	0.06 18	0.10 179	0.14 206	0.12 59	0.10 75	0.09 149	0.12 220	0.09 177	0.06 42	0.11 162	0.10 149	0.06 135	0.04 24	0.06 154	0.05 164	0.04 22	0.04 54

RCA-Stereo	0.09 136	0.06 102	0.09 91	0.16 192	0.06 18	0.09 114	0.13 148	0.18 254	0.14 196	0.09 149	0.10 166	0.08 152	0.07 128	0.12 248	0.11 243	0.06 135	0.04 24	0.06 154	0.05 164	0.05 139	0.04 54

CroCo-Stereo Lap2	0.09 136	0.09 370	0.08 40	0.22 512	0.09 293	0.09 114	0.19 463	0.16 184	0.12 133	0.09 149	0.10 166	0.05 7	0.05 11	0.08 19	0.08 17	0.06 135	0.06 359	0.07 253	0.05 164	0.05 139	0.05 164

IGEV-Stereo	0.09 136	0.07 193	0.11 199	0.16 192	0.09 293	0.11 226	0.15 278	0.16 184	0.12 133	0.09 149	0.06 15	0.06 30	0.06 42	0.11 162	0.09 62	0.05 37	0.04 24	0.06 154	0.05 164	0.05 139	0.06 257
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test-3	0.08 75	0.06 102	0.09 91	0.17 270	0.07 108	0.07 36	0.14 206	0.12 59	0.15 215	0.09 149	0.08 95	0.07 106	0.08 188	0.11 162	0.10 149	0.05 37	0.04 24	0.07 253	0.05 164	0.04 22	0.04 54

test_1	0.08 75	0.06 102	0.09 91	0.17 270	0.07 108	0.07 36	0.14 206	0.12 59	0.15 215	0.09 149	0.08 95	0.07 106	0.08 188	0.11 162	0.10 149	0.05 37	0.04 24	0.07 253	0.05 164	0.04 22	0.04 54

TRStereo	0.09 136	0.05 52	0.12 239	0.15 111	0.12 478	0.10 179	0.13 148	0.18 254	0.18 290	0.09 149	0.09 123	0.09 177	0.06 42	0.10 93	0.08 17	0.07 296	0.05 213	0.07 253	0.07 331	0.04 22	0.04 54

test-1	0.10 199	0.07 193	0.16 406	0.19 411	0.08 175	0.11 226	0.24 534	0.14 99	0.18 290	0.09 149	0.07 52	0.09 177	0.08 188	0.07 4	0.09 62	0.06 135	0.04 24	0.06 154	0.05 164	0.04 22	0.04 54

iRaftStereo_RVC	0.10 199	0.07 193	0.09 91	0.17 270	0.09 293	0.11 226	0.17 378	0.18 254	0.12 133	0.09 149	0.12 220	0.10 210	0.07 128	0.11 162	0.10 149	0.05 37	0.04 24	0.08 338	0.08 396	0.04 22	0.04 54

RAFT-Stereo + iAFF	0.09 136	0.06 102	0.10 142	0.17 270	0.06 18	0.10 179	0.16 344	0.17 224	0.14 196	0.09 149	0.10 166	0.08 152	0.09 226	0.11 162	0.09 62	0.05 37	0.04 24	0.06 154	0.06 242	0.04 22	0.03 2

PMTNet	0.09 136	0.05 52	0.09 91	0.12 4	0.06 18	0.12 262	0.14 206	0.15 139	0.11 104	0.09 149	0.13 234	0.10 210	0.07 128	0.13 294	0.10 149	0.15 554	0.04 24	0.05 67	0.03 1	0.07 315	0.06 257

FE-Mocha	0.09 136	0.06 102	0.14 320	0.16 192	0.09 293	0.10 179	0.15 278	0.18 254	0.16 244	0.10 183	0.09 123	0.07 106	0.07 128	0.09 48	0.09 62	0.06 135	0.04 24	0.06 154	0.06 242	0.05 139	0.05 164

IGEV-FE	0.09 136	0.05 52	0.12 239	0.13 14	0.08 175	0.12 262	0.13 148	0.17 224	0.11 104	0.10 183	0.06 15	0.09 177	0.06 42	0.11 162	0.09 62	0.06 135	0.04 24	0.06 154	0.06 242	0.05 139	0.05 164

GASTEREO	0.08 75	0.05 52	0.09 91	0.19 411	0.07 108	0.07 36	0.12 86	0.14 99	0.11 104	0.10 183	0.09 123	0.07 106	0.04 1	0.12 248	0.08 17	0.06 135	0.05 213	0.05 67	0.04 70	0.04 22	0.05 164

MSCF	0.08 75	0.05 52	0.08 40	0.19 411	0.08 175	0.06 10	0.12 86	0.14 99	0.11 104	0.10 183	0.09 123	0.07 106	0.04 1	0.11 162	0.08 17	0.06 135	0.05 213	0.05 67	0.04 70	0.05 139	0.05 164

depthmonostereo	0.09 136	0.06 102	0.09 91	0.15 111	0.06 18	0.10 179	0.13 148	0.14 99	0.14 196	0.10 183	0.10 166	0.09 177	0.11 284	0.08 19	0.09 62	0.06 135	0.05 213	0.06 154	0.04 70	0.04 22	0.03 2

S2M2_L	0.09 136	0.08 294	0.11 199	0.13 14	0.10 396	0.08 65	0.06 1	0.10 20	0.10 75	0.10 183	0.09 123	0.10 210	0.09 226	0.11 162	0.11 243	0.13 536	0.07 439	0.08 338	0.09 443	0.10 473	0.08 402
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
999	0.09 136	0.05 52	0.13 285	0.15 111	0.08 175	0.10 179	0.14 206	0.15 139	0.11 104	0.10 183	0.08 95	0.08 152	0.08 188	0.16 376	0.10 149	0.06 135	0.04 24	0.06 154	0.05 164	0.04 22	0.05 164

rvit_stereo_0081_aga	0.11 242	0.09 370	0.14 320	0.18 353	0.09 293	0.13 305	0.14 206	0.14 99	0.19 306	0.10 183	0.18 323	0.16 340	0.09 226	0.12 248	0.09 62	0.10 459	0.06 359	0.08 338	0.07 331	0.07 315	0.06 257

RAStereo	0.10 199	0.09 370	0.08 40	0.20 468	0.08 175	0.13 305	0.18 423	0.15 139	0.17 264	0.10 183	0.12 220	0.05 7	0.06 42	0.09 48	0.08 17	0.07 296	0.05 213	0.07 253	0.05 164	0.05 139	0.04 54

AIO-Stereo-zeroshot	0.11 242	0.05 52	0.11 199	0.15 111	0.13 501	0.13 305	0.16 344	0.23 353	0.17 264	0.10 183	0.12 220	0.10 210	0.07 128	0.11 162	0.09 62	0.06 135	0.05 213	0.06 154	0.06 242	0.07 315	0.08 402

test_for_model	0.09 136	0.12 472	0.14 320	0.23 533	0.11 446	0.08 65	0.13 148	0.12 59	0.12 133	0.10 183	0.07 52	0.07 106	0.06 42	0.11 162	0.10 149	0.06 135	0.05 213	0.05 67	0.03 1	0.07 315	0.04 54

H2IRNET	0.10 199	0.09 370	0.09 91	0.18 353	0.09 293	0.12 262	0.15 278	0.14 99	0.21 344	0.10 183	0.10 166	0.10 210	0.10 259	0.10 93	0.10 149	0.05 37	0.04 24	0.08 338	0.08 396	0.06 247	0.05 164

Former-RAFT_DAM_RVC	0.10 199	0.08 294	0.12 239	0.16 192	0.08 175	0.15 363	0.16 344	0.18 254	0.18 290	0.10 183	0.09 123	0.09 177	0.08 188	0.11 162	0.12 296	0.07 296	0.05 213	0.08 338	0.06 242	0.07 315	0.06 257

ff7	0.09 136	0.07 193	0.11 199	0.16 192	0.09 293	0.11 226	0.15 278	0.16 184	0.12 133	0.10 183	0.06 15	0.06 30	0.06 42	0.11 162	0.09 62	0.05 37	0.04 24	0.06 154	0.05 164	0.05 139	0.06 257

IGEVStereo-DCA	0.09 136	0.06 102	0.11 199	0.15 111	0.10 396	0.11 226	0.15 278	0.16 184	0.12 133	0.10 183	0.06 15	0.08 152	0.06 42	0.10 93	0.08 17	0.06 135	0.05 213	0.06 154	0.05 164	0.05 139	0.06 257

ffff	0.09 136	0.07 193	0.11 199	0.16 192	0.09 293	0.11 226	0.15 278	0.16 184	0.12 133	0.10 183	0.06 15	0.06 30	0.06 42	0.11 162	0.09 62	0.05 37	0.04 24	0.06 154	0.05 164	0.05 139	0.06 257

rrr	0.09 136	0.06 102	0.12 239	0.15 111	0.10 396	0.11 226	0.16 344	0.16 184	0.15 215	0.10 183	0.06 15	0.08 152	0.06 42	0.10 93	0.08 17	0.06 135	0.05 213	0.06 154	0.05 164	0.05 139	0.06 257

11t	0.09 136	0.07 193	0.11 199	0.16 192	0.09 293	0.11 226	0.15 278	0.16 184	0.12 133	0.10 183	0.06 15	0.06 30	0.06 42	0.11 162	0.09 62	0.05 37	0.04 24	0.06 154	0.05 164	0.05 139	0.06 257

IGEV_Zeroshot_test	0.09 136	0.05 52	0.12 239	0.13 14	0.08 175	0.12 262	0.13 148	0.17 224	0.11 104	0.10 183	0.06 15	0.09 177	0.06 42	0.11 162	0.09 62	0.06 135	0.04 24	0.06 154	0.06 242	0.05 139	0.05 164

UniTT-Stereo	0.09 136	0.07 193	0.08 40	0.18 353	0.08 175	0.13 305	0.11 57	0.12 59	0.11 104	0.10 183	0.12 220	0.05 7	0.07 128	0.09 48	0.09 62	0.07 296	0.05 213	0.05 67	0.05 164	0.05 139	0.05 164

4D-IteraStereo	0.09 136	0.07 193	0.10 142	0.18 353	0.07 108	0.09 114	0.15 278	0.17 224	0.15 215	0.10 183	0.11 205	0.10 210	0.07 128	0.11 162	0.09 62	0.05 37	0.03 1	0.08 338	0.07 331	0.06 247	0.05 164

Selective-RAFT	0.11 242	0.10 428	0.11 199	0.21 497	0.08 175	0.16 393	0.13 148	0.20 287	0.22 358	0.10 183	0.10 166	0.11 235	0.10 259	0.15 342	0.11 243	0.05 37	0.05 213	0.06 154	0.05 164	0.06 247	0.05 164

ccc-4	0.09 136	0.07 193	0.11 199	0.16 192	0.09 293	0.11 226	0.15 278	0.16 184	0.12 133	0.10 183	0.06 15	0.06 30	0.06 42	0.11 162	0.09 62	0.05 37	0.04 24	0.06 154	0.05 164	0.05 139	0.06 257

test_3	0.10 199	0.09 370	0.10 142	0.20 468	0.08 175	0.13 305	0.26 558	0.14 99	0.21 344	0.10 183	0.10 166	0.09 177	0.09 226	0.08 19	0.11 243	0.05 37	0.04 24	0.08 338	0.07 331	0.04 22	0.04 54

CREStereo++_RVC	0.08 75	0.04 1	0.06 4	0.13 14	0.07 108	0.09 114	0.12 86	0.14 99	0.14 196	0.10 183	0.14 248	0.08 152	0.07 128	0.09 48	0.11 243	0.06 135	0.04 24	0.05 67	0.05 164	0.04 22	0.04 54
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	0.09 136	0.06 102	0.07 9	0.15 111	0.05 1	0.16 393	0.18 423	0.15 139	0.15 215	0.10 183	0.11 205	0.11 235	0.11 284	0.10 93	0.12 296	0.05 37	0.04 24	0.05 67	0.04 70	0.04 22	0.04 54

raftrobust	0.09 136	0.06 102	0.10 142	0.17 270	0.08 175	0.09 114	0.10 29	0.18 254	0.16 244	0.10 183	0.09 123	0.12 252	0.07 128	0.12 248	0.10 149	0.08 359	0.05 213	0.06 154	0.05 164	0.05 139	0.05 164

sCroCo_RVC	0.12 309	0.09 370	0.23 504	0.24 542	0.11 446	0.19 456	0.14 206	0.17 224	0.14 196	0.10 183	0.13 234	0.12 252	0.07 128	0.14 320	0.11 243	0.08 359	0.08 465	0.08 338	0.08 396	0.05 139	0.07 338

XX-Stereo	0.09 136	0.05 52	0.08 40	0.17 270	0.09 293	0.15 363	0.12 86	0.20 287	0.10 75	0.10 183	0.14 248	0.07 106	0.06 42	0.12 248	0.08 17	0.06 135	0.05 213	0.06 154	0.06 242	0.04 22	0.04 54

test_xeample3	0.09 136	0.06 102	0.12 239	0.16 192	0.09 293	0.11 226	0.15 278	0.16 184	0.13 169	0.10 183	0.06 15	0.08 152	0.06 42	0.10 93	0.09 62	0.05 37	0.04 24	0.06 154	0.05 164	0.05 139	0.06 257

AFF-stereo	0.09 136	0.06 102	0.10 142	0.17 270	0.07 108	0.10 179	0.16 344	0.17 224	0.09 56	0.10 183	0.12 220	0.09 177	0.09 226	0.12 248	0.09 62	0.05 37	0.04 24	0.07 253	0.07 331	0.04 22	0.03 2

water-stereo	0.09 136	0.06 102	0.08 40	0.16 192	0.07 108	0.09 114	0.13 148	0.15 139	0.13 169	0.11 214	0.12 220	0.08 152	0.09 226	0.07 4	0.08 17	0.06 135	0.05 213	0.05 67	0.05 164	0.04 22	0.04 54

DilatedVolume-Stereo	0.09 136	0.05 52	0.08 40	0.15 111	0.06 18	0.11 226	0.12 86	0.14 99	0.16 244	0.11 214	0.11 205	0.09 177	0.09 226	0.11 162	0.10 149	0.06 135	0.05 213	0.05 67	0.04 70	0.03 1	0.03 2

AIO-test1	0.10 199	0.07 193	0.10 142	0.23 533	0.07 108	0.09 114	0.13 148	0.21 310	0.14 196	0.11 214	0.12 220	0.09 177	0.07 128	0.11 162	0.09 62	0.06 135	0.05 213	0.09 419	0.10 482	0.03 1	0.06 257

UGAM-zero	0.09 136	0.05 52	0.15 372	0.15 111	0.08 175	0.09 114	0.13 148	0.19 276	0.15 215	0.11 214	0.15 265	0.07 106	0.07 128	0.09 48	0.09 62	0.06 135	0.05 213	0.06 154	0.05 164	0.05 139	0.06 257

rvit_stereo_0083	0.12 309	0.08 294	0.17 434	0.16 192	0.09 293	0.11 226	0.15 278	0.14 99	0.26 419	0.11 214	0.14 248	0.13 277	0.10 259	0.12 248	0.12 296	0.10 459	0.08 465	0.09 419	0.07 331	0.07 315	0.05 164

rvit_stereo_0081	0.11 242	0.08 294	0.15 372	0.16 192	0.09 293	0.10 179	0.14 206	0.14 99	0.24 384	0.11 214	0.13 234	0.13 277	0.09 226	0.11 162	0.12 296	0.10 459	0.07 439	0.08 338	0.07 331	0.07 315	0.05 164

model_zeroshot	0.10 199	0.04 1	0.11 199	0.15 111	0.09 293	0.12 262	0.14 206	0.20 287	0.13 169	0.11 214	0.10 166	0.12 252	0.07 128	0.12 248	0.10 149	0.07 296	0.06 359	0.06 154	0.05 164	0.06 247	0.06 257

GCAP-BAT	0.09 136	0.07 193	0.14 320	0.15 111	0.08 175	0.10 179	0.13 148	0.14 99	0.10 75	0.11 214	0.10 166	0.08 152	0.07 128	0.12 248	0.10 149	0.06 135	0.05 213	0.06 154	0.04 70	0.04 22	0.04 54

rvit_stereo_0082	0.11 242	0.08 294	0.15 372	0.16 192	0.09 293	0.10 179	0.14 206	0.14 99	0.24 384	0.11 214	0.13 234	0.13 277	0.09 226	0.11 162	0.12 296	0.10 459	0.07 439	0.08 338	0.07 331	0.07 315	0.05 164

AIO-Stereo-zeroshot1	0.11 242	0.05 52	0.14 320	0.15 111	0.20 576	0.09 114	0.17 378	0.21 310	0.15 215	0.11 214	0.14 248	0.10 210	0.07 128	0.10 93	0.08 17	0.06 135	0.05 213	0.07 253	0.07 331	0.07 315	0.09 447

rvit_stereo_0080	0.10 199	0.08 294	0.14 320	0.15 111	0.09 293	0.07 36	0.15 278	0.16 184	0.16 244	0.11 214	0.10 166	0.14 297	0.08 188	0.12 248	0.10 149	0.09 418	0.07 439	0.07 253	0.06 242	0.07 315	0.05 164

RAFT-Stereo-weight	0.09 136	0.06 102	0.10 142	0.16 192	0.07 108	0.09 114	0.14 206	0.19 276	0.16 244	0.11 214	0.10 166	0.08 152	0.06 42	0.10 93	0.11 243	0.06 135	0.04 24	0.06 154	0.04 70	0.04 22	0.04 54

CAS++	0.11 242	0.07 193	0.11 199	0.14 60	0.09 293	0.12 262	0.14 206	0.24 376	0.14 196	0.11 214	0.09 123	0.11 235	0.07 128	0.14 320	0.09 62	0.11 488	0.09 494	0.09 419	0.07 331	0.07 315	0.08 402
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
whm_eth	0.10 199	0.08 294	0.14 320	0.15 111	0.09 293	0.07 36	0.15 278	0.16 184	0.16 244	0.11 214	0.10 166	0.14 297	0.08 188	0.12 248	0.10 149	0.09 418	0.07 439	0.07 253	0.06 242	0.07 315	0.05 164

EKT-Stereo	0.11 242	0.07 193	0.14 320	0.15 111	0.10 396	0.13 305	0.14 206	0.18 254	0.21 344	0.11 214	0.08 95	0.12 252	0.09 226	0.11 162	0.12 296	0.08 359	0.06 359	0.07 253	0.06 242	0.08 378	0.07 338

CASnet	0.09 136	0.09 370	0.09 91	0.19 411	0.06 18	0.07 36	0.11 57	0.18 254	0.14 196	0.11 214	0.10 166	0.09 177	0.07 128	0.10 93	0.10 149	0.06 135	0.04 24	0.10 467	0.08 396	0.05 139	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.10 199	0.05 52	0.09 91	0.14 60	0.07 108	0.13 305	0.14 206	0.21 310	0.15 215	0.11 214	0.12 220	0.12 252	0.09 226	0.12 248	0.09 62	0.07 296	0.04 24	0.05 67	0.04 70	0.06 247	0.05 164

DCRE	0.11 242	0.07 193	0.13 285	0.16 192	0.11 446	0.11 226	0.17 378	0.18 254	0.17 264	0.11 214	0.18 323	0.10 210	0.10 259	0.15 342	0.11 243	0.06 135	0.05 213	0.06 154	0.06 242	0.05 139	0.04 54

knoymous	0.11 242	0.05 52	0.12 239	0.13 14	0.07 108	0.15 363	0.14 206	0.19 276	0.13 169	0.11 214	0.17 298	0.13 277	0.09 226	0.13 294	0.11 243	0.08 359	0.05 213	0.06 154	0.05 164	0.08 378	0.07 338

riskmin	0.11 242	0.06 102	0.13 285	0.14 60	0.08 175	0.14 337	0.14 206	0.18 254	0.14 196	0.11 214	0.14 248	0.16 340	0.11 284	0.14 320	0.12 296	0.09 418	0.05 213	0.07 253	0.05 164	0.08 378	0.08 402

iRaft-Stereo_20w	0.09 136	0.05 52	0.13 285	0.14 60	0.08 175	0.12 262	0.15 278	0.18 254	0.10 75	0.11 214	0.08 95	0.08 152	0.05 11	0.10 93	0.09 62	0.06 135	0.04 24	0.06 154	0.05 164	0.06 247	0.05 164

MIPNet	0.11 242	0.08 294	0.14 320	0.17 270	0.09 293	0.12 262	0.14 206	0.20 287	0.24 384	0.11 214	0.10 166	0.09 177	0.07 128	0.13 294	0.12 296	0.06 135	0.04 24	0.06 154	0.05 164	0.04 22	0.04 54

IPLGR	0.11 242	0.09 370	0.16 406	0.18 353	0.08 175	0.12 262	0.17 378	0.21 310	0.24 384	0.11 214	0.12 220	0.11 235	0.08 188	0.12 248	0.12 296	0.06 135	0.05 213	0.06 154	0.06 242	0.04 22	0.04 54

GMOStereo	0.11 242	0.09 370	0.07 9	0.19 411	0.08 175	0.12 262	0.28 571	0.13 75	0.17 264	0.11 214	0.17 298	0.14 297	0.12 315	0.07 4	0.07 1	0.05 37	0.05 213	0.09 419	0.07 331	0.04 22	0.04 54

error version	0.11 242	0.09 370	0.07 9	0.19 411	0.08 175	0.12 262	0.28 571	0.13 75	0.17 264	0.11 214	0.17 298	0.14 297	0.12 315	0.07 4	0.07 1	0.05 37	0.05 213	0.09 419	0.07 331	0.04 22	0.04 54

test-v	0.11 242	0.09 370	0.07 9	0.19 411	0.08 175	0.12 262	0.28 571	0.13 75	0.17 264	0.11 214	0.17 298	0.14 297	0.12 315	0.07 4	0.07 1	0.05 37	0.05 213	0.09 419	0.07 331	0.04 22	0.04 54

LCNet	0.11 242	0.07 193	0.09 91	0.19 411	0.09 293	0.08 65	0.15 278	0.21 310	0.15 215	0.11 214	0.15 265	0.16 340	0.11 284	0.12 248	0.11 243	0.05 37	0.04 24	0.08 338	0.07 331	0.06 247	0.15 556

STrans-v2	0.10 199	0.07 193	0.12 239	0.18 353	0.07 108	0.10 179	0.14 206	0.21 310	0.11 104	0.11 214	0.15 265	0.12 252	0.10 259	0.11 162	0.12 296	0.05 37	0.04 24	0.06 154	0.06 242	0.04 22	0.04 54

RAFT-345	0.11 242	0.07 193	0.15 372	0.16 192	0.08 175	0.08 65	0.12 86	0.15 139	0.10 75	0.11 214	0.36 518	0.09 177	0.09 226	0.11 162	0.12 296	0.05 37	0.05 213	0.07 253	0.06 242	0.04 22	0.05 164

test-2	0.11 242	0.09 370	0.07 9	0.19 411	0.08 175	0.12 262	0.28 571	0.13 75	0.17 264	0.11 214	0.17 298	0.14 297	0.12 315	0.07 4	0.07 1	0.05 37	0.05 213	0.09 419	0.07 331	0.04 22	0.04 54

GMM-Stereo	0.11 242	0.07 193	0.10 142	0.18 353	0.09 293	0.08 65	0.15 278	0.23 353	0.16 244	0.11 214	0.15 265	0.13 277	0.11 284	0.11 162	0.11 243	0.05 37	0.04 24	0.08 338	0.07 331	0.06 247	0.09 447

TANstereo	0.09 136	0.04 1	0.08 40	0.13 14	0.06 18	0.11 226	0.14 206	0.15 139	0.19 306	0.11 214	0.15 265	0.10 210	0.06 42	0.12 248	0.09 62	0.07 296	0.05 213	0.05 67	0.04 70	0.06 247	0.05 164

XX-TBD	0.09 136	0.06 102	0.07 9	0.14 60	0.07 108	0.12 262	0.16 344	0.14 99	0.13 169	0.11 214	0.12 220	0.09 177	0.08 188	0.10 93	0.10 149	0.06 135	0.04 24	0.05 67	0.03 1	0.06 247	0.05 164

sAnonymous2	0.13 334	0.12 472	0.24 508	0.20 468	0.12 478	0.17 414	0.13 148	0.26 410	0.21 344	0.11 214	0.11 205	0.13 277	0.08 188	0.10 93	0.10 149	0.09 418	0.05 213	0.08 338	0.06 242	0.15 557	0.10 474

CroCo_RVC	0.13 334	0.12 472	0.24 508	0.20 468	0.12 478	0.17 414	0.13 148	0.26 410	0.21 344	0.11 214	0.11 205	0.13 277	0.08 188	0.10 93	0.10 149	0.09 418	0.05 213	0.08 338	0.06 242	0.15 557	0.10 474

111	0.10 199	0.06 102	0.12 239	0.15 111	0.07 108	0.10 179	0.14 206	0.21 310	0.23 368	0.11 214	0.12 220	0.14 297	0.11 284	0.13 294	0.10 149	0.06 135	0.04 24	0.06 154	0.04 70	0.05 139	0.05 164

RAFT + AFF	0.13 334	0.07 193	0.20 480	0.20 468	0.10 396	0.14 337	0.24 534	0.26 410	0.20 329	0.11 214	0.10 166	0.12 252	0.10 259	0.15 342	0.12 296	0.07 296	0.06 359	0.09 419	0.08 396	0.06 247	0.08 402

DIP-Stereo	0.11 242	0.07 193	0.14 320	0.17 270	0.09 293	0.13 305	0.09 18	0.16 184	0.16 244	0.11 214	0.16 277	0.14 297	0.12 315	0.15 342	0.13 337	0.06 135	0.05 213	0.06 154	0.05 164	0.05 139	0.06 257
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
xyz-stereo-finetune	0.11 242	0.08 294	0.13 285	0.14 60	0.06 18	0.10 179	0.19 463	0.17 224	0.19 306	0.12 252	0.14 248	0.15 326	0.10 259	0.13 294	0.11 243	0.05 37	0.04 24	0.07 253	0.05 164	0.04 22	0.05 164

Reg-Stereo(zero)	0.08 75	0.05 52	0.08 40	0.16 192	0.06 18	0.12 262	0.11 57	0.15 139	0.10 75	0.12 252	0.09 123	0.10 210	0.08 188	0.11 162	0.08 17	0.06 135	0.04 24	0.05 67	0.04 70	0.04 22	0.05 164

PAM	0.10 199	0.05 52	0.16 406	0.15 111	0.08 175	0.09 114	0.16 344	0.15 139	0.16 244	0.12 252	0.09 123	0.09 177	0.07 128	0.13 294	0.08 17	0.06 135	0.05 213	0.06 154	0.06 242	0.05 139	0.06 257

rvit_0105_6	0.14 368	0.09 370	0.18 457	0.17 270	0.10 396	0.10 179	0.16 344	0.19 276	0.26 419	0.12 252	0.18 323	0.17 360	0.12 315	0.18 429	0.12 296	0.15 554	0.11 526	0.12 517	0.10 482	0.09 441	0.06 257

rvit_stereo_ft	0.12 309	0.07 193	0.13 285	0.19 411	0.10 396	0.12 262	0.17 378	0.16 184	0.16 244	0.12 252	0.13 234	0.15 326	0.10 259	0.14 320	0.13 337	0.09 418	0.06 359	0.08 338	0.07 331	0.07 315	0.05 164

testlalala2	0.10 199	0.06 102	0.11 199	0.20 468	0.10 396	0.10 179	0.12 86	0.17 224	0.12 133	0.12 252	0.13 234	0.09 177	0.07 128	0.11 162	0.13 337	0.06 135	0.05 213	0.05 67	0.04 70	0.05 139	0.05 164

MyStereo8	0.12 309	0.07 193	0.15 372	0.15 111	0.09 293	0.18 433	0.14 206	0.19 276	0.22 358	0.12 252	0.18 323	0.11 235	0.10 259	0.16 376	0.18 451	0.07 296	0.05 213	0.07 253	0.05 164	0.08 378	0.09 447

MyStereo06	0.10 199	0.07 193	0.12 239	0.17 270	0.09 293	0.13 305	0.18 423	0.19 276	0.12 133	0.12 252	0.08 95	0.07 106	0.07 128	0.11 162	0.09 62	0.06 135	0.05 213	0.07 253	0.07 331	0.06 247	0.06 257

StereoVision	0.13 334	0.12 472	0.09 91	0.24 542	0.10 396	0.15 363	0.21 501	0.21 310	0.20 329	0.12 252	0.24 396	0.10 210	0.10 259	0.16 376	0.10 149	0.09 418	0.11 526	0.12 517	0.12 533	0.06 247	0.05 164

test_4	0.10 199	0.10 428	0.08 40	0.19 411	0.09 293	0.08 65	0.22 511	0.15 139	0.17 264	0.12 252	0.18 323	0.12 252	0.09 226	0.08 19	0.11 243	0.04 11	0.04 24	0.08 338	0.08 396	0.04 22	0.03 2

GLC_STEREO	0.11 242	0.07 193	0.11 199	0.17 270	0.07 108	0.09 114	0.13 148	0.15 139	0.24 384	0.12 252	0.13 234	0.12 252	0.08 188	0.18 429	0.11 243	0.06 135	0.08 465	0.08 338	0.06 242	0.05 139	0.05 164

IPLG	0.10 199	0.07 193	0.15 372	0.17 270	0.08 175	0.11 226	0.14 206	0.20 287	0.15 215	0.12 252	0.17 298	0.07 106	0.07 128	0.14 320	0.13 337	0.06 135	0.04 24	0.06 154	0.05 164	0.04 22	0.04 54

TransformOpticalFlow	0.10 199	0.08 294	0.13 285	0.18 353	0.07 108	0.09 114	0.15 278	0.19 276	0.15 215	0.12 252	0.17 298	0.11 235	0.11 284	0.11 162	0.10 149	0.05 37	0.04 24	0.06 154	0.06 242	0.05 139	0.05 164

NF-Stereo	0.11 242	0.07 193	0.13 285	0.17 270	0.09 293	0.10 179	0.14 206	0.23 353	0.19 306	0.12 252	0.17 298	0.12 252	0.11 284	0.11 162	0.11 243	0.06 135	0.04 24	0.07 253	0.06 242	0.06 247	0.12 513

OCTAStereo	0.11 242	0.07 193	0.13 285	0.17 270	0.09 293	0.10 179	0.14 206	0.23 353	0.19 306	0.12 252	0.17 298	0.12 252	0.11 284	0.11 162	0.11 243	0.06 135	0.04 24	0.07 253	0.06 242	0.06 247	0.12 513

NRIStereo	0.11 242	0.08 294	0.14 320	0.18 353	0.08 175	0.10 179	0.14 206	0.16 184	0.15 215	0.12 252	0.14 248	0.13 277	0.12 315	0.13 294	0.10 149	0.06 135	0.04 24	0.07 253	0.06 242	0.06 247	0.07 338

PSM-AAD	0.11 242	0.07 193	0.10 142	0.19 411	0.09 293	0.10 179	0.15 278	0.20 287	0.13 169	0.12 252	0.14 248	0.18 374	0.11 284	0.11 162	0.10 149	0.05 37	0.05 213	0.09 419	0.08 396	0.06 247	0.14 549

FTStereo	0.12 309	0.06 102	0.14 320	0.18 353	0.09 293	0.07 36	0.15 278	0.21 310	0.18 290	0.12 252	0.24 396	0.12 252	0.12 315	0.13 294	0.13 337	0.05 37	0.05 213	0.07 253	0.06 242	0.06 247	0.10 474

ASMatch	0.11 242	0.06 102	0.13 285	0.16 192	0.10 396	0.07 36	0.14 206	0.17 224	0.17 264	0.12 252	0.16 277	0.16 340	0.10 259	0.13 294	0.10 149	0.05 37	0.04 24	0.06 154	0.05 164	0.04 22	0.08 402

RE-Stereo	0.11 242	0.07 193	0.13 285	0.17 270	0.09 293	0.10 179	0.14 206	0.23 353	0.19 306	0.12 252	0.17 298	0.12 252	0.11 284	0.11 162	0.11 243	0.06 135	0.04 24	0.07 253	0.06 242	0.06 247	0.12 513

TVStereo	0.11 242	0.07 193	0.13 285	0.17 270	0.09 293	0.10 179	0.14 206	0.23 353	0.19 306	0.12 252	0.17 298	0.12 252	0.11 284	0.11 162	0.11 243	0.06 135	0.04 24	0.07 253	0.06 242	0.06 247	0.12 513

Prome-Stereo	0.11 242	0.06 102	0.10 142	0.18 353	0.08 175	0.12 262	0.15 278	0.22 333	0.13 169	0.12 252	0.17 298	0.13 277	0.08 188	0.12 248	0.10 149	0.05 37	0.04 24	0.07 253	0.06 242	0.06 247	0.09 447

raft+_RVC	0.11 242	0.07 193	0.09 91	0.16 192	0.07 108	0.10 179	0.11 57	0.24 376	0.20 329	0.12 252	0.15 265	0.12 252	0.08 188	0.12 248	0.13 337	0.07 296	0.04 24	0.07 253	0.06 242	0.05 139	0.05 164

RALCasStereoNet	0.10 199	0.06 102	0.09 91	0.16 192	0.08 175	0.12 262	0.14 206	0.17 224	0.11 104	0.12 252	0.17 298	0.14 297	0.10 259	0.12 248	0.11 243	0.07 296	0.06 359	0.06 154	0.05 164	0.08 378	0.07 338

ARAFT	0.12 309	0.08 294	0.17 434	0.19 411	0.09 293	0.14 337	0.18 423	0.20 287	0.12 133	0.12 252	0.13 234	0.14 297	0.11 284	0.15 342	0.12 296	0.06 135	0.05 213	0.10 467	0.09 443	0.05 139	0.04 54

R-Stereo Train	0.10 199	0.06 102	0.10 142	0.17 270	0.08 175	0.11 226	0.14 206	0.23 353	0.11 104	0.12 252	0.19 332	0.11 235	0.08 188	0.09 48	0.11 243	0.07 296	0.05 213	0.06 154	0.05 164	0.05 139	0.05 164

RAFT-Stereo	0.10 199	0.06 102	0.10 142	0.17 270	0.08 175	0.11 226	0.14 206	0.23 353	0.11 104	0.12 252	0.19 332	0.11 235	0.08 188	0.09 48	0.11 243	0.07 296	0.05 213	0.06 154	0.05 164	0.05 139	0.05 164
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gcap-zeroshot	0.09 136	0.05 52	0.10 142	0.16 192	0.07 108	0.13 305	0.13 148	0.11 36	0.12 133	0.13 279	0.12 220	0.09 177	0.08 188	0.09 48	0.09 62	0.06 135	0.05 213	0.06 154	0.05 164	0.04 22	0.04 54

CoDeX	0.12 309	0.07 193	0.12 239	0.17 270	0.08 175	0.12 262	0.15 278	0.23 353	0.27 429	0.13 279	0.17 298	0.16 340	0.11 284	0.14 320	0.11 243	0.07 296	0.05 213	0.07 253	0.06 242	0.06 247	0.05 164

plain	0.10 199	0.08 294	0.10 142	0.19 411	0.09 293	0.10 179	0.15 278	0.14 99	0.13 169	0.13 279	0.15 265	0.09 177	0.12 315	0.13 294	0.12 296	0.07 296	0.05 213	0.09 419	0.06 242	0.06 247	0.06 257

MIM_Stereo	0.09 136	0.07 193	0.11 199	0.15 111	0.07 108	0.06 10	0.12 86	0.20 287	0.14 196	0.13 279	0.13 234	0.09 177	0.05 11	0.12 248	0.08 17	0.05 37	0.06 359	0.07 253	0.06 242	0.06 247	0.05 164

anonymousdsp2	0.11 242	0.07 193	0.10 142	0.16 192	0.09 293	0.13 305	0.14 206	0.18 254	0.22 358	0.13 279	0.14 248	0.12 252	0.09 226	0.14 320	0.11 243	0.05 37	0.04 24	0.05 67	0.04 70	0.06 247	0.05 164

DCANet-4	0.10 199	0.06 102	0.12 239	0.16 192	0.06 18	0.09 114	0.17 378	0.18 254	0.19 306	0.13 279	0.16 277	0.09 177	0.14 378	0.11 162	0.12 296	0.06 135	0.04 24	0.05 67	0.04 70	0.04 22	0.05 164

fff	0.10 199	0.06 102	0.12 239	0.15 111	0.07 108	0.09 114	0.17 378	0.16 184	0.20 329	0.13 279	0.16 277	0.10 210	0.11 284	0.11 162	0.12 296	0.06 135	0.04 24	0.05 67	0.04 70	0.04 22	0.05 164

ADStereo(finetuned)	0.10 199	0.06 102	0.12 239	0.16 192	0.06 18	0.09 114	0.17 378	0.15 139	0.19 306	0.13 279	0.17 298	0.10 210	0.12 315	0.11 162	0.12 296	0.06 135	0.04 24	0.05 67	0.04 70	0.05 139	0.04 54

GwcNet-ADL	0.13 334	0.08 294	0.14 320	0.20 468	0.09 293	0.11 226	0.20 484	0.30 476	0.24 384	0.13 279	0.14 248	0.18 374	0.14 378	0.13 294	0.14 374	0.07 296	0.05 213	0.06 154	0.05 164	0.07 315	0.06 257

GANet-ADL	0.13 334	0.07 193	0.15 372	0.17 270	0.10 396	0.18 433	0.15 278	0.30 476	0.20 329	0.13 279	0.18 323	0.19 388	0.12 315	0.16 376	0.13 337	0.08 359	0.06 359	0.06 154	0.05 164	0.07 315	0.08 402

OMP-Stereo	0.11 242	0.06 102	0.14 320	0.18 353	0.08 175	0.09 114	0.12 86	0.21 310	0.21 344	0.13 279	0.14 248	0.11 235	0.12 315	0.11 162	0.13 337	0.06 135	0.04 24	0.07 253	0.06 242	0.05 139	0.04 54

KYRaft	0.11 242	0.07 193	0.10 142	0.19 411	0.09 293	0.08 65	0.15 278	0.22 333	0.12 133	0.13 279	0.16 277	0.20 400	0.10 259	0.12 248	0.10 149	0.05 37	0.04 24	0.08 338	0.08 396	0.06 247	0.16 567

Pruner-Stereo	0.11 242	0.07 193	0.12 239	0.17 270	0.09 293	0.06 10	0.12 86	0.17 224	0.17 264	0.13 279	0.19 332	0.13 277	0.09 226	0.11 162	0.11 243	0.06 135	0.04 24	0.07 253	0.06 242	0.06 247	0.08 402

DeepStereo_RVC	0.11 242	0.08 294	0.16 406	0.18 353	0.08 175	0.08 65	0.12 86	0.17 224	0.12 133	0.13 279	0.14 248	0.12 252	0.12 315	0.12 248	0.11 243	0.06 135	0.04 24	0.07 253	0.06 242	0.07 315	0.08 402

RAFT-RH_RVC	0.11 242	0.06 102	0.14 320	0.16 192	0.09 293	0.12 262	0.12 86	0.17 224	0.12 133	0.13 279	0.41 555	0.11 235	0.10 259	0.13 294	0.12 296	0.05 37	0.04 24	0.08 338	0.05 164	0.04 22	0.06 257

AnonymousM	0.09 136	0.05 52	0.10 142	0.14 60	0.06 18	0.09 114	0.13 148	0.19 276	0.14 196	0.13 279	0.11 205	0.09 177	0.08 188	0.13 294	0.10 149	0.08 359	0.05 213	0.08 338	0.05 164	0.05 139	0.05 164

rafts_anoy	0.11 242	0.06 102	0.10 142	0.17 270	0.08 175	0.10 179	0.14 206	0.17 224	0.14 196	0.13 279	0.13 234	0.12 252	0.10 259	0.11 162	0.12 296	0.07 296	0.04 24	0.09 419	0.11 514	0.07 315	0.06 257

DCANet	0.10 199	0.06 102	0.12 239	0.16 192	0.06 18	0.09 114	0.17 378	0.15 139	0.19 306	0.13 279	0.17 298	0.10 210	0.11 284	0.11 162	0.12 296	0.06 135	0.04 24	0.05 67	0.04 70	0.05 139	0.04 54

csc	0.10 199	0.06 102	0.12 239	0.15 111	0.07 108	0.09 114	0.17 378	0.16 184	0.20 329	0.13 279	0.16 277	0.10 210	0.11 284	0.11 162	0.12 296	0.06 135	0.04 24	0.05 67	0.04 70	0.04 22	0.05 164

cscssc	0.10 199	0.06 102	0.12 239	0.15 111	0.07 108	0.09 114	0.17 378	0.16 184	0.20 329	0.13 279	0.16 277	0.10 210	0.11 284	0.11 162	0.12 296	0.06 135	0.04 24	0.05 67	0.04 70	0.04 22	0.05 164

HITNet	0.10 199	0.06 102	0.12 239	0.14 60	0.06 18	0.11 226	0.10 29	0.18 254	0.18 290	0.13 279	0.16 277	0.14 297	0.11 284	0.15 342	0.13 337	0.06 135	0.04 24	0.04 1	0.04 70	0.06 247	0.05 164
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
rvit_0105_5	0.14 368	0.09 370	0.13 285	0.17 270	0.09 293	0.14 337	0.23 522	0.24 376	0.27 429	0.14 300	0.15 265	0.18 374	0.12 315	0.17 408	0.14 374	0.14 550	0.11 526	0.10 467	0.10 482	0.08 378	0.06 257

rvit_0105_4	0.14 368	0.09 370	0.17 434	0.17 270	0.10 396	0.12 262	0.19 463	0.23 353	0.27 429	0.14 300	0.20 344	0.17 360	0.13 353	0.17 408	0.13 337	0.15 554	0.11 526	0.11 498	0.10 482	0.09 441	0.06 257

test_sample2	0.12 309	0.07 193	0.12 239	0.14 60	0.08 175	0.16 393	0.18 423	0.21 310	0.16 244	0.14 300	0.20 344	0.19 388	0.15 396	0.15 342	0.12 296	0.08 359	0.05 213	0.07 253	0.06 242	0.08 378	0.07 338

test_sample1	0.13 334	0.07 193	0.14 320	0.13 14	0.08 175	0.19 456	0.16 344	0.20 287	0.15 215	0.14 300	0.22 375	0.18 374	0.16 422	0.17 408	0.14 374	0.07 296	0.06 359	0.06 154	0.06 242	0.08 378	0.07 338

MIF-Stereo (partial)	0.11 242	0.06 102	0.10 142	0.19 411	0.10 396	0.10 179	0.11 57	0.17 224	0.18 290	0.14 300	0.16 277	0.09 177	0.11 284	0.12 248	0.12 296	0.08 359	0.05 213	0.08 338	0.07 331	0.06 247	0.07 338

PCWNet_CMD	0.14 368	0.08 294	0.15 372	0.17 270	0.09 293	0.14 337	0.14 206	0.29 462	0.36 506	0.14 300	0.20 344	0.21 409	0.12 315	0.17 408	0.13 337	0.07 296	0.05 213	0.07 253	0.07 331	0.07 315	0.07 338

LL-Strereo2	0.10 199	0.10 428	0.15 372	0.18 353	0.08 175	0.15 363	0.09 18	0.17 224	0.14 196	0.14 300	0.10 166	0.09 177	0.07 128	0.16 376	0.10 149	0.05 37	0.05 213	0.10 467	0.07 331	0.06 247	0.05 164

DisPM	0.11 242	0.07 193	0.12 239	0.16 192	0.09 293	0.06 10	0.13 148	0.17 224	0.17 264	0.14 300	0.20 344	0.12 252	0.10 259	0.11 162	0.10 149	0.06 135	0.04 24	0.07 253	0.06 242	0.06 247	0.11 500

CIPLG	0.11 242	0.08 294	0.14 320	0.17 270	0.08 175	0.12 262	0.15 278	0.17 224	0.15 215	0.14 300	0.11 205	0.16 340	0.09 226	0.16 376	0.11 243	0.07 296	0.05 213	0.06 154	0.05 164	0.05 139	0.06 257

IPLGR_C	0.11 242	0.08 294	0.14 320	0.17 270	0.08 175	0.12 262	0.15 278	0.17 224	0.15 215	0.14 300	0.10 166	0.16 340	0.09 226	0.16 376	0.11 243	0.07 296	0.05 213	0.06 154	0.05 164	0.05 139	0.06 257

ACRE	0.11 242	0.08 294	0.14 320	0.17 270	0.08 175	0.12 262	0.15 278	0.17 224	0.14 196	0.14 300	0.10 166	0.16 340	0.09 226	0.16 376	0.11 243	0.07 296	0.05 213	0.06 154	0.05 164	0.05 139	0.06 257

HHNet	0.11 242	0.06 102	0.16 406	0.15 111	0.14 521	0.07 36	0.13 148	0.20 287	0.17 264	0.14 300	0.25 425	0.11 235	0.08 188	0.13 294	0.10 149	0.05 37	0.04 24	0.08 338	0.06 242	0.05 139	0.09 447

IIG-Stereo	0.11 242	0.06 102	0.13 285	0.17 270	0.08 175	0.11 226	0.12 86	0.22 333	0.17 264	0.14 300	0.17 298	0.11 235	0.12 315	0.12 248	0.12 296	0.06 135	0.05 213	0.07 253	0.06 242	0.05 139	0.04 54

PSM-softLoss	0.12 309	0.07 193	0.15 372	0.17 270	0.09 293	0.08 65	0.13 148	0.24 376	0.17 264	0.14 300	0.19 332	0.13 277	0.11 284	0.11 162	0.11 243	0.07 296	0.05 213	0.08 338	0.07 331	0.06 247	0.12 513

KMStereo	0.12 309	0.07 193	0.15 372	0.17 270	0.09 293	0.08 65	0.13 148	0.24 376	0.17 264	0.14 300	0.19 332	0.13 277	0.11 284	0.11 162	0.11 243	0.07 296	0.05 213	0.08 338	0.07 331	0.06 247	0.12 513

RAFT_R40	0.11 242	0.07 193	0.14 320	0.18 353	0.09 293	0.06 10	0.13 148	0.17 224	0.16 244	0.14 300	0.18 323	0.15 326	0.12 315	0.10 93	0.11 243	0.06 135	0.04 24	0.09 419	0.06 242	0.06 247	0.05 164

GrayStereo	0.11 242	0.06 102	0.11 199	0.19 411	0.09 293	0.09 114	0.16 344	0.18 254	0.17 264	0.14 300	0.17 298	0.17 360	0.11 284	0.12 248	0.11 243	0.05 37	0.05 213	0.07 253	0.06 242	0.05 139	0.10 474

IRAFT_RVC	0.12 309	0.08 294	0.16 406	0.19 411	0.08 175	0.07 36	0.15 278	0.24 376	0.23 368	0.14 300	0.14 248	0.15 326	0.12 315	0.12 248	0.10 149	0.06 135	0.04 24	0.09 419	0.06 242	0.06 247	0.06 257

CRE-IMP	0.11 242	0.09 370	0.16 406	0.19 411	0.08 175	0.10 179	0.12 86	0.18 254	0.10 75	0.14 300	0.13 234	0.13 277	0.12 315	0.12 248	0.11 243	0.07 296	0.04 24	0.08 338	0.06 242	0.08 378	0.08 402

TestStereo	0.13 334	0.14 513	0.11 199	0.23 533	0.08 175	0.15 363	0.21 501	0.20 287	0.23 368	0.14 300	0.24 396	0.16 340	0.12 315	0.16 376	0.14 374	0.05 37	0.06 359	0.08 338	0.06 242	0.09 441	0.05 164

CFNet_pseudo	0.14 368	0.08 294	0.15 372	0.16 192	0.09 293	0.13 305	0.14 206	0.27 431	0.34 493	0.14 300	0.21 365	0.22 427	0.13 353	0.18 429	0.14 374	0.07 296	0.05 213	0.08 338	0.06 242	0.07 315	0.07 338

RALAANet	0.11 242	0.08 294	0.10 142	0.17 270	0.09 293	0.14 337	0.10 29	0.20 287	0.15 215	0.14 300	0.13 234	0.16 340	0.09 226	0.12 248	0.11 243	0.06 135	0.05 213	0.07 253	0.06 242	0.05 139	0.04 54

xxxx	0.15 412	0.07 193	0.14 320	0.14 60	0.08 175	0.23 509	0.18 423	0.31 486	0.19 306	0.14 300	0.28 465	0.22 427	0.14 378	0.15 342	0.26 545	0.09 418	0.05 213	0.07 253	0.07 331	0.08 378	0.07 338

SFCPSM	0.13 334	0.07 193	0.14 320	0.17 270	0.09 293	0.15 363	0.16 344	0.28 451	0.27 429	0.14 300	0.17 298	0.12 252	0.13 353	0.14 320	0.11 243	0.08 359	0.05 213	0.07 253	0.07 331	0.07 315	0.06 257

DMCA	0.14 368	0.09 370	0.16 406	0.19 411	0.09 293	0.15 363	0.17 378	0.23 353	0.27 429	0.14 300	0.19 332	0.17 360	0.18 459	0.15 342	0.17 433	0.10 459	0.06 359	0.08 338	0.06 242	0.09 441	0.10 474

MSMDNet	0.14 368	0.08 294	0.15 372	0.17 270	0.09 293	0.14 337	0.14 206	0.29 462	0.36 506	0.14 300	0.21 365	0.21 409	0.12 315	0.17 408	0.14 374	0.07 296	0.05 213	0.07 253	0.07 331	0.07 315	0.07 338

ccs_rob	0.14 368	0.08 294	0.15 372	0.16 192	0.09 293	0.12 262	0.14 206	0.27 431	0.34 493	0.14 300	0.21 365	0.22 427	0.13 353	0.18 429	0.14 374	0.07 296	0.05 213	0.08 338	0.07 331	0.07 315	0.07 338

xyz-stereo-finetune2	0.11 242	0.07 193	0.13 285	0.13 14	0.07 108	0.11 226	0.19 463	0.17 224	0.12 133	0.15 327	0.15 265	0.17 360	0.12 315	0.13 294	0.11 243	0.05 37	0.04 24	0.07 253	0.05 164	0.04 22	0.06 257

xyz-stereo	0.13 334	0.07 193	0.20 480	0.15 111	0.05 1	0.20 471	0.15 278	0.17 224	0.31 467	0.15 327	0.29 477	0.26 475	0.16 422	0.13 294	0.12 296	0.05 37	0.05 213	0.06 154	0.05 164	0.04 22	0.04 54

FACV-RUCA	0.13 334	0.11 454	0.12 239	0.19 411	0.12 478	0.15 363	0.15 278	0.22 333	0.20 329	0.15 327	0.16 277	0.14 297	0.16 422	0.14 320	0.13 337	0.07 296	0.05 213	0.08 338	0.06 242	0.10 473	0.08 402

rvit_0105_3	0.15 412	0.09 370	0.14 320	0.19 411	0.12 478	0.15 363	0.25 549	0.25 392	0.29 450	0.15 327	0.17 298	0.20 400	0.13 353	0.17 408	0.14 374	0.13 536	0.11 526	0.12 517	0.14 546	0.07 315	0.06 257

mmm	0.14 368	0.08 294	0.17 434	0.17 270	0.09 293	0.17 414	0.18 423	0.21 310	0.15 215	0.15 327	0.23 384	0.21 409	0.16 422	0.16 376	0.17 433	0.08 359	0.05 213	0.08 338	0.07 331	0.07 315	0.07 338

11t1	0.12 309	0.06 102	0.13 285	0.14 60	0.08 175	0.17 414	0.15 278	0.18 254	0.15 215	0.15 327	0.15 265	0.16 340	0.16 422	0.15 342	0.13 337	0.08 359	0.05 213	0.06 154	0.05 164	0.08 378	0.07 338

ffm	0.12 309	0.09 370	0.14 320	0.16 192	0.08 175	0.17 414	0.17 378	0.15 139	0.19 306	0.15 327	0.25 425	0.19 388	0.13 353	0.10 93	0.07 1	0.06 135	0.04 24	0.09 419	0.08 396	0.06 247	0.06 257

ff1	0.13 334	0.09 370	0.14 320	0.16 192	0.08 175	0.17 414	0.17 378	0.15 139	0.19 306	0.15 327	0.25 425	0.19 388	0.13 353	0.14 320	0.20 470	0.06 135	0.04 24	0.09 419	0.08 396	0.06 247	0.06 257

mmx	0.14 368	0.09 370	0.14 320	0.16 192	0.08 175	0.17 414	0.17 378	0.27 431	0.25 405	0.15 327	0.25 425	0.19 388	0.13 353	0.14 320	0.20 470	0.08 359	0.06 359	0.09 419	0.08 396	0.08 378	0.08 402

xxx	0.14 368	0.09 370	0.14 320	0.16 192	0.08 175	0.17 414	0.17 378	0.27 431	0.25 405	0.15 327	0.25 425	0.19 388	0.13 353	0.14 320	0.20 470	0.08 359	0.06 359	0.09 419	0.08 396	0.08 378	0.08 402

LL-Strereo	0.13 334	0.09 370	0.11 199	0.20 468	0.10 396	0.11 226	0.18 423	0.32 497	0.24 384	0.15 327	0.15 265	0.14 297	0.13 353	0.19 444	0.11 243	0.06 135	0.04 24	0.09 419	0.08 396	0.04 22	0.05 164

anonymousa	0.13 334	0.07 193	0.13 285	0.18 353	0.09 293	0.13 305	0.17 378	0.19 276	0.29 450	0.15 327	0.24 396	0.15 326	0.14 378	0.14 320	0.14 374	0.07 296	0.05 213	0.07 253	0.09 443	0.05 139	0.06 257

qqq	0.13 334	0.09 370	0.15 372	0.16 192	0.08 175	0.13 305	0.15 278	0.23 353	0.16 244	0.15 327	0.19 332	0.16 340	0.16 422	0.15 342	0.16 418	0.07 296	0.06 359	0.08 338	0.08 396	0.07 315	0.07 338

x	0.13 334	0.07 193	0.14 320	0.14 60	0.08 175	0.18 433	0.14 206	0.22 333	0.20 329	0.15 327	0.19 332	0.19 388	0.17 445	0.18 429	0.18 451	0.07 296	0.05 213	0.06 154	0.06 242	0.07 315	0.07 338

RAFT+CT+SA	0.13 334	0.11 454	0.09 91	0.19 411	0.09 293	0.15 363	0.28 571	0.22 333	0.22 358	0.15 327	0.26 442	0.10 210	0.10 259	0.11 162	0.12 296	0.05 37	0.04 24	0.07 253	0.08 396	0.07 315	0.06 257

Sa-1000	0.12 309	0.08 294	0.08 40	0.18 353	0.08 175	0.14 337	0.22 511	0.22 333	0.18 290	0.15 327	0.20 344	0.17 360	0.11 284	0.10 93	0.10 149	0.06 135	0.05 213	0.09 419	0.09 443	0.05 139	0.05 164

Patchmatch Stereo++	0.11 242	0.09 370	0.16 406	0.18 353	0.08 175	0.06 10	0.11 57	0.16 184	0.13 169	0.15 327	0.16 277	0.14 297	0.12 315	0.11 162	0.10 149	0.06 135	0.04 24	0.08 338	0.06 242	0.08 378	0.07 338
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
PSM-adaLoss	0.11 242	0.09 370	0.16 406	0.18 353	0.08 175	0.06 10	0.12 86	0.16 184	0.13 169	0.15 327	0.16 277	0.14 297	0.12 315	0.11 162	0.10 149	0.06 135	0.04 24	0.08 338	0.06 242	0.08 378	0.07 338

ROB_FTStereo_v2	0.11 242	0.09 370	0.16 406	0.19 411	0.08 175	0.06 10	0.12 86	0.16 184	0.13 169	0.15 327	0.16 277	0.14 297	0.12 315	0.11 162	0.10 149	0.06 135	0.04 24	0.08 338	0.06 242	0.08 378	0.07 338

ROB_FTStereo	0.11 242	0.09 370	0.16 406	0.19 411	0.08 175	0.06 10	0.11 57	0.16 184	0.13 169	0.15 327	0.16 277	0.14 297	0.12 315	0.11 162	0.10 149	0.06 135	0.04 24	0.08 338	0.06 242	0.08 378	0.07 338

HUI-Stereo	0.11 242	0.09 370	0.16 406	0.18 353	0.08 175	0.06 10	0.12 86	0.16 184	0.13 169	0.15 327	0.16 277	0.14 297	0.12 315	0.11 162	0.10 149	0.06 135	0.04 24	0.08 338	0.06 242	0.08 378	0.07 338

SST-Stereo	0.10 199	0.07 193	0.15 372	0.18 353	0.09 293	0.06 10	0.12 86	0.17 224	0.11 104	0.15 327	0.17 298	0.13 277	0.12 315	0.10 93	0.11 243	0.06 135	0.04 24	0.09 419	0.06 242	0.06 247	0.05 164

iGMRVC	0.11 242	0.09 370	0.16 406	0.19 411	0.08 175	0.06 10	0.12 86	0.16 184	0.13 169	0.15 327	0.16 277	0.14 297	0.12 315	0.11 162	0.10 149	0.06 135	0.04 24	0.08 338	0.06 242	0.08 378	0.07 338

iRAFT	0.11 242	0.09 370	0.16 406	0.18 353	0.08 175	0.06 10	0.11 57	0.16 184	0.13 169	0.15 327	0.16 277	0.14 297	0.12 315	0.11 162	0.10 149	0.06 135	0.04 24	0.08 338	0.06 242	0.08 378	0.07 338

RAFT-IKP	0.11 242	0.09 370	0.16 406	0.19 411	0.08 175	0.06 10	0.12 86	0.16 184	0.13 169	0.15 327	0.16 277	0.14 297	0.12 315	0.11 162	0.10 149	0.06 135	0.04 24	0.08 338	0.06 242	0.08 378	0.07 338

Anonymous3	0.16 435	0.13 501	0.33 547	0.26 558	0.14 521	0.27 545	0.17 378	0.28 451	0.28 443	0.15 327	0.17 298	0.14 297	0.10 259	0.15 342	0.12 296	0.08 359	0.08 465	0.08 338	0.08 396	0.08 378	0.11 500

NVstereo2D	0.19 481	0.10 428	0.15 372	0.17 270	0.15 539	0.28 552	0.23 522	0.44 586	0.42 539	0.15 327	0.27 451	0.25 465	0.19 475	0.22 499	0.17 433	0.09 418	0.06 359	0.10 467	0.08 396	0.15 557	0.09 447

iResNet	0.13 334	0.10 428	0.18 457	0.19 411	0.08 175	0.13 305	0.18 423	0.20 287	0.26 419	0.15 327	0.23 384	0.15 326	0.13 353	0.14 320	0.14 374	0.06 135	0.04 24	0.06 154	0.05 164	0.06 247	0.05 164

DFGA-Net	0.13 334	0.11 454	0.18 457	0.17 270	0.10 396	0.12 262	0.13 148	0.22 333	0.25 405	0.16 355	0.16 277	0.13 277	0.12 315	0.16 376	0.14 374	0.07 296	0.05 213	0.08 338	0.07 331	0.05 139	0.05 164

G2L-Stereo	0.14 368	0.07 193	0.13 285	0.17 270	0.09 293	0.13 305	0.12 86	0.27 431	0.22 358	0.16 355	0.27 451	0.21 409	0.13 353	0.17 408	0.18 451	0.09 418	0.08 465	0.08 338	0.07 331	0.07 315	0.07 338

test_sample4	0.14 368	0.08 294	0.14 320	0.15 111	0.08 175	0.19 456	0.18 423	0.26 410	0.17 264	0.16 355	0.25 425	0.18 374	0.14 378	0.16 376	0.13 337	0.08 359	0.06 359	0.08 338	0.06 242	0.08 378	0.08 402

test_sample3	0.14 368	0.08 294	0.15 372	0.14 60	0.09 293	0.19 456	0.17 378	0.26 410	0.18 290	0.16 355	0.22 375	0.19 388	0.15 396	0.17 408	0.13 337	0.08 359	0.06 359	0.07 253	0.06 242	0.09 441	0.08 402

ttt	0.14 368	0.08 294	0.14 320	0.15 111	0.08 175	0.15 363	0.18 423	0.27 431	0.29 450	0.16 355	0.24 396	0.17 360	0.13 353	0.13 294	0.14 374	0.11 488	0.08 465	0.09 419	0.08 396	0.09 441	0.08 402

CFNet_ucs	0.15 412	0.08 294	0.16 406	0.16 192	0.11 446	0.14 337	0.14 206	0.30 476	0.34 493	0.16 355	0.24 396	0.23 445	0.14 378	0.18 429	0.15 402	0.09 418	0.06 359	0.08 338	0.07 331	0.09 441	0.09 447

ADLNet2	0.16 435	0.09 370	0.13 285	0.16 192	0.09 293	0.20 471	0.16 344	0.31 486	0.39 523	0.16 355	0.20 344	0.20 400	0.18 459	0.21 486	0.22 499	0.08 359	0.06 359	0.07 253	0.07 331	0.09 441	0.07 338

PFNet+	0.11 242	0.06 102	0.13 285	0.16 192	0.09 293	0.05 4	0.12 86	0.17 224	0.21 344	0.16 355	0.19 332	0.14 297	0.10 259	0.11 162	0.11 243	0.08 359	0.05 213	0.09 419	0.08 396	0.06 247	0.11 500

AAGNet	0.11 242	0.07 193	0.16 406	0.19 411	0.09 293	0.08 65	0.13 148	0.18 254	0.13 169	0.16 355	0.21 365	0.13 277	0.14 378	0.11 162	0.14 374	0.06 135	0.04 24	0.09 419	0.06 242	0.06 247	0.05 164

THIR-Stereo	0.12 309	0.07 193	0.11 199	0.15 111	0.08 175	0.14 337	0.16 344	0.17 224	0.25 405	0.16 355	0.24 396	0.14 297	0.12 315	0.12 248	0.14 374	0.06 135	0.04 24	0.07 253	0.07 331	0.05 139	0.05 164

PFNet	0.12 309	0.06 102	0.17 434	0.17 270	0.08 175	0.09 114	0.15 278	0.26 410	0.20 329	0.16 355	0.16 277	0.14 297	0.11 284	0.12 248	0.11 243	0.06 135	0.04 24	0.07 253	0.06 242	0.05 139	0.05 164

GES	0.14 368	0.08 294	0.16 406	0.15 111	0.10 396	0.13 305	0.13 148	0.28 451	0.25 405	0.16 355	0.23 384	0.18 374	0.13 353	0.16 376	0.13 337	0.08 359	0.07 439	0.07 253	0.06 242	0.08 378	0.09 447

test_xeample	0.15 412	0.06 102	0.13 285	0.14 60	0.08 175	0.21 488	0.20 484	0.28 451	0.20 329	0.16 355	0.29 477	0.19 388	0.16 422	0.15 342	0.26 545	0.09 418	0.05 213	0.07 253	0.07 331	0.07 315	0.07 338

GMStereo	0.13 334	0.14 513	0.14 320	0.18 353	0.09 293	0.15 363	0.16 344	0.20 287	0.24 384	0.16 355	0.17 298	0.10 210	0.10 259	0.16 376	0.13 337	0.07 296	0.06 359	0.06 154	0.06 242	0.07 315	0.06 257
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 368	0.07 193	0.13 285	0.15 111	0.08 175	0.13 305	0.16 344	0.24 376	0.24 384	0.16 355	0.28 465	0.22 427	0.14 378	0.15 342	0.13 337	0.11 488	0.06 359	0.09 419	0.12 533	0.08 378	0.07 338

BEATNet_4x	0.12 309	0.08 294	0.14 320	0.18 353	0.07 108	0.15 363	0.07 3	0.22 333	0.18 290	0.16 355	0.19 332	0.18 374	0.14 378	0.16 376	0.15 402	0.07 296	0.05 213	0.05 67	0.05 164	0.06 247	0.06 257

ITSA-stereo	0.15 412	0.10 428	0.14 320	0.19 411	0.08 175	0.12 262	0.14 206	0.30 476	0.49 564	0.17 371	0.19 332	0.22 427	0.15 396	0.17 408	0.16 418	0.10 459	0.06 359	0.08 338	0.08 396	0.08 378	0.08 402

test_sample6	0.14 368	0.08 294	0.13 285	0.16 192	0.08 175	0.17 414	0.19 463	0.25 392	0.17 264	0.17 371	0.27 451	0.19 388	0.14 378	0.15 342	0.13 337	0.08 359	0.05 213	0.08 338	0.07 331	0.08 378	0.08 402

test_sample5	0.14 368	0.08 294	0.14 320	0.16 192	0.08 175	0.18 433	0.18 423	0.25 392	0.17 264	0.17 371	0.27 451	0.18 374	0.14 378	0.16 376	0.13 337	0.08 359	0.05 213	0.08 338	0.07 331	0.08 378	0.08 402

DispNO	0.14 368	0.08 294	0.17 434	0.19 411	0.12 478	0.11 226	0.21 501	0.23 353	0.29 450	0.17 371	0.23 384	0.18 374	0.17 445	0.15 342	0.15 402	0.07 296	0.05 213	0.08 338	0.08 396	0.07 315	0.06 257

MyStereo05	0.13 334	0.07 193	0.10 142	0.17 270	0.09 293	0.13 305	0.18 423	0.27 431	0.35 502	0.17 371	0.14 248	0.15 326	0.11 284	0.15 342	0.13 337	0.06 135	0.05 213	0.07 253	0.07 331	0.06 247	0.06 257

MyStereo04	0.13 334	0.07 193	0.10 142	0.17 270	0.09 293	0.14 337	0.18 423	0.29 462	0.38 520	0.17 371	0.14 248	0.16 340	0.10 259	0.15 342	0.13 337	0.06 135	0.05 213	0.08 338	0.07 331	0.06 247	0.06 257

DualNet	0.14 368	0.08 294	0.14 320	0.16 192	0.08 175	0.18 433	0.18 423	0.25 392	0.17 264	0.17 371	0.27 451	0.18 374	0.14 378	0.16 376	0.13 337	0.08 359	0.05 213	0.08 338	0.07 331	0.08 378	0.08 402

1111x	0.15 412	0.08 294	0.12 239	0.18 353	0.07 108	0.18 433	0.25 549	0.31 486	0.24 384	0.17 371	0.24 396	0.26 475	0.15 396	0.13 294	0.23 511	0.07 296	0.07 439	0.08 338	0.09 443	0.07 315	0.06 257

CASS	0.13 334	0.12 472	0.11 199	0.23 533	0.09 293	0.15 363	0.17 378	0.18 254	0.19 306	0.17 371	0.18 323	0.15 326	0.15 396	0.14 320	0.14 374	0.09 418	0.06 359	0.10 467	0.08 396	0.09 441	0.07 338
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
TestStereo1	0.13 334	0.08 294	0.08 40	0.19 411	0.08 175	0.18 433	0.29 580	0.23 353	0.16 244	0.17 371	0.20 344	0.16 340	0.10 259	0.12 248	0.13 337	0.06 135	0.06 359	0.08 338	0.06 242	0.05 139	0.05 164

BUS	0.14 368	0.09 370	0.14 320	0.22 512	0.10 396	0.19 456	0.14 206	0.34 525	0.19 306	0.17 371	0.22 375	0.16 340	0.13 353	0.15 342	0.13 337	0.08 359	0.06 359	0.10 467	0.09 443	0.07 315	0.07 338

BSDual-CNN	0.15 412	0.09 370	0.14 320	0.22 512	0.10 396	0.14 337	0.15 278	0.34 525	0.19 306	0.17 371	0.22 375	0.25 465	0.16 422	0.15 342	0.14 374	0.08 359	0.06 359	0.10 467	0.09 443	0.07 315	0.07 338

hknet	0.15 412	0.11 454	0.13 285	0.22 512	0.11 446	0.14 337	0.15 278	0.34 525	0.25 405	0.17 371	0.22 375	0.22 427	0.18 459	0.17 408	0.12 296	0.07 296	0.06 359	0.10 467	0.09 443	0.07 315	0.07 338

SA-5K	0.13 334	0.08 294	0.08 40	0.19 411	0.08 175	0.18 433	0.29 580	0.23 353	0.16 244	0.17 371	0.20 344	0.16 340	0.10 259	0.12 248	0.13 337	0.06 135	0.06 359	0.08 338	0.06 242	0.05 139	0.05 164

SA	0.12 309	0.09 370	0.08 40	0.18 353	0.08 175	0.12 262	0.24 534	0.23 353	0.18 290	0.17 371	0.27 451	0.14 297	0.11 284	0.11 162	0.11 243	0.05 37	0.05 213	0.09 419	0.08 396	0.05 139	0.04 54

psmg	0.14 368	0.09 370	0.14 320	0.17 270	0.10 396	0.15 363	0.17 378	0.29 462	0.19 306	0.17 371	0.21 365	0.25 465	0.16 422	0.15 342	0.14 374	0.08 359	0.06 359	0.08 338	0.08 396	0.07 315	0.06 257

DEmStereo	0.12 309	0.06 102	0.14 320	0.14 60	0.10 396	0.16 393	0.15 278	0.16 184	0.24 384	0.17 371	0.24 396	0.13 277	0.14 378	0.12 248	0.13 337	0.05 37	0.04 24	0.07 253	0.06 242	0.05 139	0.05 164

DRaft	0.12 309	0.06 102	0.11 199	0.14 60	0.09 293	0.14 337	0.17 378	0.21 310	0.30 460	0.17 371	0.28 465	0.10 210	0.15 396	0.10 93	0.12 296	0.05 37	0.04 24	0.07 253	0.06 242	0.05 139	0.05 164

222	0.16 435	0.07 193	0.14 320	0.14 60	0.08 175	0.24 514	0.18 423	0.30 476	0.20 329	0.17 371	0.28 465	0.17 360	0.16 422	0.15 342	0.40 595	0.10 459	0.05 213	0.07 253	0.06 242	0.07 315	0.08 402

delet	0.17 455	0.08 294	0.17 434	0.19 411	0.11 446	0.20 471	0.21 501	0.30 476	0.37 513	0.17 371	0.26 442	0.19 388	0.19 475	0.19 444	0.21 490	0.08 359	0.08 465	0.09 419	0.11 514	0.06 247	0.06 257

UPFNet	0.16 435	0.08 294	0.12 239	0.20 468	0.12 478	0.20 471	0.23 522	0.28 451	0.26 419	0.17 371	0.24 396	0.22 427	0.19 475	0.19 444	0.21 490	0.09 418	0.07 439	0.08 338	0.09 443	0.08 378	0.06 257

FENet	0.13 334	0.08 294	0.12 239	0.16 192	0.08 175	0.14 337	0.15 278	0.22 333	0.23 368	0.17 371	0.23 384	0.16 340	0.12 315	0.14 320	0.15 402	0.08 359	0.05 213	0.08 338	0.08 396	0.07 315	0.07 338

ACVNet	0.15 412	0.09 370	0.15 372	0.13 14	0.12 478	0.14 337	0.20 484	0.22 333	0.33 481	0.17 371	0.26 442	0.21 409	0.16 422	0.17 408	0.21 490	0.07 296	0.06 359	0.06 154	0.06 242	0.08 378	0.06 257

cf-r	0.13 334	0.07 193	0.12 239	0.16 192	0.08 175	0.14 337	0.19 463	0.20 287	0.25 405	0.17 371	0.25 425	0.21 409	0.16 422	0.14 320	0.14 374	0.10 459	0.05 213	0.06 154	0.08 396	0.06 247	0.06 257

GANet-RSSM	0.14 368	0.07 193	0.13 285	0.13 14	0.08 175	0.14 337	0.17 378	0.22 333	0.21 344	0.17 371	0.24 396	0.23 445	0.15 396	0.16 376	0.15 402	0.10 459	0.06 359	0.07 253	0.08 396	0.08 378	0.07 338

CFNet-ft	0.14 368	0.07 193	0.15 372	0.12 4	0.09 293	0.16 393	0.18 423	0.22 333	0.24 384	0.17 371	0.26 442	0.24 451	0.14 378	0.16 376	0.14 374	0.11 488	0.06 359	0.08 338	0.09 443	0.09 441	0.08 402

RASNet	0.14 368	0.07 193	0.14 320	0.16 192	0.08 175	0.18 433	0.14 206	0.29 462	0.20 329	0.17 371	0.25 425	0.21 409	0.18 459	0.20 469	0.19 464	0.07 296	0.06 359	0.06 154	0.08 396	0.06 247	0.06 257

CFNet_RVC	0.14 368	0.07 193	0.15 372	0.12 4	0.09 293	0.16 393	0.18 423	0.22 333	0.24 384	0.17 371	0.26 442	0.24 451	0.14 378	0.16 376	0.14 374	0.11 488	0.06 359	0.08 338	0.09 443	0.09 441	0.08 402

UCFNet_RVC	0.14 368	0.08 294	0.13 285	0.11 1	0.10 396	0.20 471	0.10 29	0.24 376	0.22 358	0.17 371	0.20 344	0.23 445	0.15 396	0.17 408	0.15 402	0.12 513	0.07 439	0.10 467	0.13 543	0.11 496	0.10 474

DN-CSS_ROB	0.13 334	0.13 501	0.16 406	0.18 353	0.10 396	0.16 393	0.08 7	0.22 333	0.18 290	0.17 371	0.22 375	0.13 277	0.13 353	0.12 248	0.13 337	0.05 37	0.05 213	0.10 467	0.10 482	0.08 378	0.06 257

z-ln-s-r	0.17 455	0.10 428	0.40 564	0.19 411	0.08 175	0.17 414	0.18 423	0.22 333	0.33 481	0.18 401	0.40 544	0.22 427	0.17 445	0.20 469	0.23 511	0.07 296	0.05 213	0.07 253	0.07 331	0.07 315	0.05 164

coex_refinement	0.14 368	0.07 193	0.12 239	0.17 270	0.10 396	0.15 363	0.15 278	0.26 410	0.29 450	0.18 401	0.20 344	0.22 427	0.17 445	0.16 376	0.18 451	0.08 359	0.05 213	0.06 154	0.06 242	0.09 441	0.08 402

DDVS	0.15 412	0.10 428	0.21 489	0.16 192	0.12 478	0.15 363	0.14 206	0.25 392	0.19 306	0.18 401	0.29 477	0.27 483	0.12 315	0.19 444	0.15 402	0.09 418	0.06 359	0.09 419	0.07 331	0.11 496	0.11 500

gwcnet-sp	0.14 368	0.07 193	0.12 239	0.18 353	0.09 293	0.16 393	0.17 378	0.24 376	0.24 384	0.18 401	0.24 396	0.15 326	0.16 422	0.15 342	0.15 402	0.08 359	0.06 359	0.07 253	0.08 396	0.08 378	0.07 338

scenet	0.14 368	0.07 193	0.12 239	0.18 353	0.09 293	0.16 393	0.17 378	0.24 376	0.24 384	0.18 401	0.24 396	0.15 326	0.16 422	0.15 342	0.15 402	0.08 359	0.06 359	0.07 253	0.08 396	0.08 378	0.07 338

ssnet	0.14 368	0.07 193	0.12 239	0.18 353	0.09 293	0.16 393	0.17 378	0.24 376	0.24 384	0.18 401	0.24 396	0.15 326	0.16 422	0.15 342	0.15 402	0.08 359	0.06 359	0.07 253	0.08 396	0.08 378	0.07 338

IER	0.14 368	0.07 193	0.13 285	0.17 270	0.09 293	0.14 337	0.16 344	0.25 392	0.26 419	0.18 401	0.25 425	0.17 360	0.20 487	0.16 376	0.14 374	0.08 359	0.05 213	0.07 253	0.06 242	0.08 378	0.07 338

test_5	0.14 368	0.12 472	0.08 40	0.20 468	0.10 396	0.14 337	0.29 580	0.21 310	0.24 384	0.18 401	0.28 465	0.11 235	0.15 396	0.12 248	0.13 337	0.06 135	0.05 213	0.07 253	0.08 396	0.08 378	0.07 338

NINENet	0.16 435	0.10 428	0.15 372	0.17 270	0.11 446	0.19 456	0.14 206	0.40 569	0.36 506	0.18 401	0.21 365	0.16 340	0.13 353	0.15 342	0.13 337	0.08 359	0.08 465	0.10 467	0.07 331	0.10 473	0.09 447

DAS	0.15 412	0.08 294	0.18 457	0.19 411	0.10 396	0.19 456	0.17 378	0.27 431	0.29 450	0.18 401	0.25 425	0.21 409	0.15 396	0.16 376	0.12 296	0.08 359	0.06 359	0.06 154	0.06 242	0.07 315	0.07 338

SepStereo	0.15 412	0.08 294	0.18 457	0.19 411	0.10 396	0.19 456	0.17 378	0.27 431	0.29 450	0.18 401	0.25 425	0.21 409	0.15 396	0.25 524	0.12 296	0.08 359	0.06 359	0.06 154	0.06 242	0.07 315	0.07 338

PSMNet-ADL	0.15 412	0.12 472	0.13 285	0.22 512	0.09 293	0.13 305	0.20 484	0.26 410	0.23 368	0.18 401	0.20 344	0.24 451	0.16 422	0.18 429	0.17 433	0.08 359	0.08 465	0.08 338	0.11 514	0.08 378	0.07 338

ICVP	0.15 412	0.09 370	0.12 239	0.22 512	0.09 293	0.17 414	0.21 501	0.25 392	0.23 368	0.18 401	0.30 483	0.26 475	0.18 459	0.17 408	0.14 374	0.09 418	0.07 439	0.08 338	0.07 331	0.07 315	0.07 338
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ac_64	0.16 435	0.08 294	0.15 372	0.18 353	0.10 396	0.22 496	0.18 423	0.24 376	0.21 344	0.18 401	0.24 396	0.29 501	0.18 459	0.19 444	0.22 499	0.09 418	0.07 439	0.08 338	0.09 443	0.07 315	0.06 257

GwcNet-RSSM	0.14 368	0.07 193	0.12 239	0.15 111	0.08 175	0.15 363	0.20 484	0.21 310	0.27 429	0.18 401	0.27 451	0.22 427	0.16 422	0.14 320	0.15 402	0.10 459	0.05 213	0.07 253	0.09 443	0.07 315	0.07 338

MLCV	0.12 309	0.07 193	0.16 406	0.18 353	0.06 18	0.15 363	0.17 378	0.19 276	0.21 344	0.18 401	0.25 425	0.17 360	0.13 353	0.14 320	0.13 337	0.05 37	0.04 24	0.05 67	0.04 70	0.05 139	0.04 54

MultiAttention	0.29 566	0.08 294	0.14 320	0.19 411	0.12 478	1.45 632	1.33 634	0.36 547	0.37 513	0.19 417	0.21 365	0.24 451	0.11 284	0.38 583	0.18 451	0.06 135	0.05 213	0.08 338	0.08 396	0.10 473	0.09 447

G2L-ROB	0.13 334	0.06 102	0.13 285	0.13 14	0.08 175	0.14 337	0.16 344	0.25 392	0.18 290	0.19 417	0.18 323	0.20 400	0.14 378	0.17 408	0.16 418	0.08 359	0.05 213	0.06 154	0.05 164	0.08 378	0.09 447

HI	0.11 242	0.06 102	0.11 199	0.13 14	0.09 293	0.09 114	0.14 206	0.21 310	0.10 75	0.19 417	0.17 298	0.14 297	0.09 226	0.16 376	0.08 17	0.05 37	0.04 24	0.07 253	0.08 396	0.07 315	0.06 257

CoSv	0.11 242	0.06 102	0.11 199	0.13 14	0.09 293	0.09 114	0.14 206	0.21 310	0.10 75	0.19 417	0.17 298	0.14 297	0.09 226	0.16 376	0.08 17	0.05 37	0.04 24	0.07 253	0.08 396	0.07 315	0.06 257

rvit_105_1	0.19 481	0.11 454	0.25 513	0.21 497	0.16 549	0.21 488	0.27 565	0.31 486	0.41 532	0.19 417	0.20 344	0.22 427	0.17 445	0.19 444	0.17 433	0.12 513	0.12 540	0.13 532	0.15 561	0.08 378	0.07 338

ACV-stereo	0.15 412	0.10 428	0.28 528	0.18 353	0.12 478	0.14 337	0.12 86	0.23 353	0.21 344	0.19 417	0.23 384	0.22 427	0.15 396	0.23 510	0.17 433	0.07 296	0.06 359	0.07 253	0.07 331	0.07 315	0.07 338

SMFormer	0.14 368	0.07 193	0.17 434	0.14 60	0.08 175	0.16 393	0.17 378	0.26 410	0.27 429	0.19 417	0.20 344	0.18 374	0.15 396	0.15 342	0.17 433	0.08 359	0.05 213	0.07 253	0.06 242	0.07 315	0.06 257

tta	0.14 368	0.07 193	0.17 434	0.14 60	0.08 175	0.16 393	0.17 378	0.26 410	0.27 429	0.19 417	0.20 344	0.18 374	0.15 396	0.15 342	0.17 433	0.08 359	0.05 213	0.07 253	0.06 242	0.06 247	0.06 257

qqq1	0.13 334	0.07 193	0.17 434	0.14 60	0.08 175	0.16 393	0.17 378	0.26 410	0.27 429	0.19 417	0.20 344	0.18 374	0.15 396	0.15 342	0.11 243	0.08 359	0.05 213	0.05 67	0.05 164	0.06 247	0.06 257

fff1	0.13 334	0.07 193	0.17 434	0.14 60	0.08 175	0.16 393	0.17 378	0.26 410	0.27 429	0.19 417	0.20 344	0.18 374	0.15 396	0.15 342	0.11 243	0.08 359	0.05 213	0.05 67	0.05 164	0.06 247	0.06 257

SDNR	0.19 481	0.08 294	0.19 468	0.16 192	0.12 478	0.77 617	0.14 206	0.25 392	0.32 474	0.19 417	0.24 396	0.19 388	0.13 353	0.19 444	0.15 402	0.16 570	0.18 578	0.14 544	0.11 514	0.08 378	0.11 500

ToySt	0.17 455	0.11 454	0.18 457	0.17 270	0.11 446	0.16 393	0.25 549	0.24 376	0.33 481	0.19 417	0.24 396	0.26 475	0.24 514	0.19 444	0.20 470	0.07 296	0.08 465	0.09 419	0.10 482	0.09 441	0.08 402

iRaft-Stereo_5w	0.12 309	0.09 370	0.12 239	0.19 411	0.08 175	0.09 114	0.12 86	0.21 310	0.21 344	0.19 417	0.14 248	0.11 235	0.09 226	0.20 469	0.16 418	0.05 37	0.05 213	0.07 253	0.06 242	0.05 139	0.06 257

AASNet	0.16 435	0.08 294	0.12 239	0.19 411	0.09 293	0.18 433	0.15 278	0.37 553	0.37 513	0.19 417	0.23 384	0.20 400	0.16 422	0.17 408	0.20 470	0.10 459	0.08 465	0.08 338	0.07 331	0.09 441	0.09 447

CrosDoStereo	0.12 309	0.06 102	0.12 239	0.14 60	0.08 175	0.12 262	0.15 278	0.17 224	0.22 358	0.19 417	0.24 396	0.15 326	0.11 284	0.11 162	0.12 296	0.06 135	0.04 24	0.07 253	0.07 331	0.05 139	0.05 164

DeepStereo_LL	0.12 309	0.06 102	0.12 239	0.14 60	0.08 175	0.12 262	0.15 278	0.17 224	0.22 358	0.19 417	0.24 396	0.15 326	0.11 284	0.11 162	0.12 296	0.06 135	0.04 24	0.07 253	0.07 331	0.05 139	0.05 164

pcwnet_v2	0.19 481	0.10 428	0.26 516	0.17 270	0.14 521	0.18 433	0.15 278	0.37 553	0.46 556	0.19 417	0.24 396	0.21 409	0.19 475	0.20 469	0.19 464	0.13 536	0.10 514	0.10 467	0.10 482	0.11 496	0.13 532

HCRNet	0.16 435	0.24 574	0.12 239	0.35 590	0.11 446	0.15 363	0.17 378	0.26 410	0.22 358	0.19 417	0.24 396	0.21 409	0.14 378	0.15 342	0.13 337	0.11 488	0.07 439	0.11 498	0.10 482	0.09 441	0.07 338

acv_ft	0.15 412	0.09 370	0.15 372	0.19 411	0.10 396	0.16 393	0.17 378	0.25 392	0.33 481	0.19 417	0.26 442	0.21 409	0.17 445	0.17 408	0.18 451	0.07 296	0.06 359	0.06 154	0.06 242	0.08 378	0.06 257

HSM-Net_RVC	0.14 368	0.08 294	0.11 199	0.15 111	0.08 175	0.15 363	0.15 278	0.27 431	0.29 450	0.19 417	0.21 365	0.29 501	0.14 378	0.17 408	0.13 337	0.06 135	0.06 359	0.06 154	0.06 242	0.07 315	0.06 257
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 412	0.10 428	0.17 434	0.17 270	0.08 175	0.18 433	0.09 18	0.28 451	0.25 405	0.19 417	0.24 396	0.24 451	0.17 445	0.17 408	0.14 374	0.08 359	0.06 359	0.09 419	0.10 482	0.07 315	0.06 257

DeepPruner_ROB	0.16 435	0.11 454	0.15 372	0.17 270	0.10 396	0.17 414	0.15 278	0.32 497	0.21 344	0.19 417	0.21 365	0.22 427	0.18 459	0.20 469	0.15 402	0.13 536	0.09 494	0.09 419	0.09 443	0.11 496	0.10 474

HSM	0.15 412	0.08 294	0.14 320	0.16 192	0.09 293	0.16 393	0.14 206	0.28 451	0.25 405	0.19 417	0.23 384	0.37 552	0.16 422	0.20 469	0.15 402	0.07 296	0.05 213	0.07 253	0.06 242	0.07 315	0.06 257

G2L-Stereo_test	0.14 368	0.07 193	0.11 199	0.13 14	0.08 175	0.12 262	0.16 344	0.30 476	0.28 443	0.20 440	0.23 384	0.20 400	0.16 422	0.17 408	0.18 451	0.07 296	0.05 213	0.05 67	0.05 164	0.07 315	0.06 257

DCVSM-stereo	0.14 368	0.09 370	0.16 406	0.16 192	0.10 396	0.15 363	0.09 18	0.19 276	0.23 368	0.20 440	0.23 384	0.26 475	0.15 396	0.18 429	0.14 374	0.09 418	0.07 439	0.09 419	0.08 396	0.10 473	0.12 513

rvit_stereo_0075_2	0.17 455	0.12 472	0.25 513	0.23 533	0.16 549	0.13 305	0.10 29	0.30 476	0.27 429	0.20 440	0.28 465	0.22 427	0.15 396	0.18 429	0.13 337	0.16 570	0.10 514	0.17 564	0.10 482	0.10 473	0.09 447

DualNet (step1)	0.16 435	0.12 472	0.20 480	0.12 4	0.14 521	0.17 414	0.13 148	0.27 431	0.23 368	0.20 440	0.20 344	0.24 451	0.19 475	0.16 376	0.16 418	0.15 554	0.06 359	0.14 544	0.14 546	0.14 542	0.12 513

test_sample9	0.18 469	0.12 472	0.20 480	0.12 4	0.14 521	0.17 414	0.13 148	0.27 431	0.23 368	0.20 440	0.20 344	0.24 451	0.19 475	0.19 444	0.17 433	0.15 554	0.30 602	0.14 544	0.14 546	0.14 542	0.12 513

test_sample7	0.15 412	0.10 428	0.16 406	0.14 60	0.11 446	0.16 393	0.16 344	0.27 431	0.23 368	0.20 440	0.20 344	0.24 451	0.19 475	0.16 376	0.16 418	0.12 513	0.06 359	0.10 467	0.09 443	0.10 473	0.10 474

CBFPSM	0.14 368	0.06 102	0.26 516	0.17 270	0.09 293	0.13 305	0.15 278	0.22 333	0.23 368	0.20 440	0.27 451	0.24 451	0.16 422	0.16 376	0.18 451	0.06 135	0.06 359	0.06 154	0.07 331	0.07 315	0.07 338

raft_robust	0.13 334	0.10 428	0.07 9	0.18 353	0.08 175	0.13 305	0.24 534	0.28 451	0.33 481	0.20 440	0.19 332	0.14 297	0.10 259	0.11 162	0.12 296	0.05 37	0.05 213	0.07 253	0.07 331	0.05 139	0.04 54

RAFT_CTSACE	0.12 309	0.09 370	0.10 142	0.22 512	0.08 175	0.12 262	0.24 534	0.18 254	0.16 244	0.20 440	0.27 451	0.13 277	0.07 128	0.13 294	0.09 62	0.05 37	0.06 359	0.08 338	0.07 331	0.04 22	0.04 54

UDGNet	0.14 368	0.13 501	0.16 406	0.17 270	0.10 396	0.12 262	0.16 344	0.21 310	0.27 429	0.20 440	0.20 344	0.16 340	0.13 353	0.16 376	0.13 337	0.10 459	0.06 359	0.09 419	0.07 331	0.06 247	0.07 338

GEStereo_RVC	0.17 455	0.12 472	0.15 372	0.22 512	0.11 446	0.19 456	0.17 378	0.32 497	0.48 558	0.20 440	0.25 425	0.17 360	0.13 353	0.21 486	0.16 418	0.10 459	0.06 359	0.08 338	0.07 331	0.09 441	0.08 402

GwcNet	0.20 493	0.13 501	0.19 468	0.18 353	0.12 478	0.24 514	0.19 463	0.35 540	0.43 544	0.20 440	0.32 495	0.33 535	0.20 487	0.22 499	0.24 524	0.11 488	0.09 494	0.09 419	0.09 443	0.09 441	0.10 474

AdaStereo	0.15 412	0.11 454	0.15 372	0.18 353	0.09 293	0.20 471	0.11 57	0.32 497	0.28 443	0.20 440	0.23 384	0.20 400	0.13 353	0.19 444	0.14 374	0.12 513	0.05 213	0.10 467	0.07 331	0.09 441	0.07 338
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.
NOSS_ROB	0.19 481	0.12 472	0.18 457	0.16 192	0.12 478	0.15 363	0.12 86	0.30 476	0.32 474	0.20 440	0.22 375	0.27 483	0.23 508	0.21 486	0.16 418	0.16 570	0.18 578	0.23 583	0.21 580	0.12 511	0.13 532

MSAF-DinoV2	0.22 514	0.11 454	0.23 504	0.17 270	0.10 396	0.27 545	0.16 344	0.37 553	0.55 577	0.21 454	0.27 451	0.47 585	0.27 537	0.35 570	0.39 592	0.09 418	0.06 359	0.07 253	0.09 443	0.12 511	0.10 474

ISRNet	0.18 469	0.08 294	0.19 468	0.19 411	0.13 501	0.15 363	0.12 86	0.30 476	0.32 474	0.21 454	0.25 425	0.27 483	0.17 445	0.17 408	0.20 470	0.20 583	0.08 465	0.14 544	0.14 546	0.14 542	0.17 575

UGAM	0.13 334	0.10 428	0.09 91	0.22 512	0.08 175	0.12 262	0.20 484	0.17 224	0.23 368	0.21 454	0.16 277	0.13 277	0.13 353	0.19 444	0.12 296	0.07 296	0.05 213	0.13 532	0.11 514	0.07 315	0.05 164

iinet-f	0.16 435	0.06 102	0.45 571	0.14 60	0.10 396	0.21 488	0.14 206	0.27 431	0.23 368	0.21 454	0.24 396	0.21 409	0.15 396	0.18 429	0.21 490	0.09 418	0.07 439	0.07 253	0.06 242	0.09 441	0.10 474

RAFT	0.13 334	0.09 370	0.11 199	0.18 353	0.08 175	0.15 363	0.24 534	0.20 287	0.19 306	0.21 454	0.21 365	0.17 360	0.12 315	0.16 376	0.09 62	0.06 135	0.07 439	0.10 467	0.09 443	0.05 139	0.05 164

psm_up	0.18 469	0.10 428	0.18 457	0.20 468	0.11 446	0.17 414	0.19 463	0.37 553	0.34 493	0.21 454	0.28 465	0.29 501	0.24 514	0.20 469	0.22 499	0.09 418	0.10 514	0.11 498	0.11 514	0.08 378	0.08 402

UNet	0.17 455	0.09 370	0.18 457	0.19 411	0.12 478	0.27 545	0.19 463	0.33 516	0.29 450	0.21 454	0.24 396	0.23 445	0.19 475	0.19 444	0.18 451	0.07 296	0.06 359	0.08 338	0.07 331	0.08 378	0.06 257

HGLStereo	0.17 455	0.08 294	0.19 468	0.17 270	0.12 478	0.18 433	0.18 423	0.31 486	0.32 474	0.21 454	0.32 495	0.25 465	0.18 459	0.19 444	0.20 470	0.09 418	0.09 494	0.07 253	0.07 331	0.09 441	0.10 474

DMCA-RVC	0.17 455	0.10 428	0.15 372	0.24 542	0.11 446	0.18 433	0.18 423	0.25 392	0.24 384	0.21 454	0.26 442	0.25 465	0.27 537	0.18 429	0.20 470	0.12 513	0.08 465	0.13 532	0.10 482	0.10 473	0.08 402

FADNet_RVC	0.16 435	0.14 513	0.40 564	0.20 468	0.11 446	0.13 305	0.13 148	0.26 410	0.22 358	0.21 454	0.23 384	0.20 400	0.17 445	0.14 320	0.16 418	0.08 359	0.08 465	0.12 517	0.09 443	0.11 496	0.10 474

STTStereo	0.18 469	0.12 472	0.27 523	0.20 468	0.11 446	0.16 393	0.21 501	0.29 462	0.23 368	0.21 454	0.30 483	0.29 501	0.18 459	0.20 469	0.19 464	0.12 513	0.11 526	0.11 498	0.14 546	0.09 441	0.08 402

RP	0.21 505	0.13 501	0.21 489	0.23 533	0.11 446	0.21 488	0.20 484	0.25 392	0.44 549	0.21 454	0.38 530	0.36 547	0.24 514	0.27 529	0.25 534	0.11 488	0.12 540	0.13 532	0.12 533	0.12 511	0.14 549

TDLM	0.17 455	0.12 472	0.13 285	0.24 542	0.10 396	0.18 433	0.18 423	0.36 547	0.30 460	0.21 454	0.28 465	0.28 493	0.18 459	0.23 510	0.18 451	0.11 488	0.07 439	0.10 467	0.10 482	0.08 378	0.08 402

NLCA_NET_v2_RVC	0.17 455	0.10 428	0.22 495	0.20 468	0.10 396	0.15 363	0.18 423	0.31 486	0.25 405	0.21 454	0.30 483	0.25 465	0.17 445	0.21 486	0.20 470	0.09 418	0.06 359	0.08 338	0.08 396	0.07 315	0.08 402
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNetv2_ROB	0.14 368	0.08 294	0.15 372	0.16 192	0.08 175	0.16 393	0.12 86	0.25 392	0.35 502	0.21 454	0.29 477	0.24 451	0.13 353	0.14 320	0.14 374	0.06 135	0.05 213	0.06 154	0.04 70	0.09 441	0.08 402

pmcnn	0.15 412	0.07 193	0.19 468	0.15 111	0.07 108	0.20 471	0.15 278	0.24 376	0.26 419	0.21 454	0.34 511	0.28 493	0.18 459	0.18 429	0.17 433	0.07 296	0.05 213	0.05 67	0.04 70	0.07 315	0.06 257

fast-acv-ft	0.18 469	0.11 454	0.19 468	0.19 411	0.12 478	0.24 514	0.21 501	0.25 392	0.34 493	0.22 470	0.34 511	0.27 483	0.20 487	0.21 486	0.23 511	0.09 418	0.09 494	0.08 338	0.10 482	0.08 378	0.07 338

ssnet_v2	0.17 455	0.10 428	0.17 434	0.17 270	0.11 446	0.21 488	0.21 501	0.33 516	0.25 405	0.22 470	0.22 375	0.27 483	0.18 459	0.22 499	0.20 470	0.11 488	0.09 494	0.09 419	0.09 443	0.08 378	0.08 402

HBP-ISP	0.18 469	0.13 501	0.16 406	0.15 111	0.11 446	0.08 65	0.13 148	0.28 451	0.29 450	0.22 470	0.33 507	0.21 409	0.25 523	0.23 510	0.17 433	0.14 550	0.16 571	0.21 578	0.17 572	0.10 473	0.08 402

ADLNet	0.16 435	0.08 294	0.15 372	0.16 192	0.10 396	0.16 393	0.17 378	0.32 497	0.27 429	0.22 470	0.27 451	0.24 451	0.16 422	0.18 429	0.21 490	0.10 459	0.06 359	0.10 467	0.10 482	0.08 378	0.09 447

MMNet	0.17 455	0.09 370	0.16 406	0.20 468	0.11 446	0.27 545	0.20 484	0.25 392	0.41 532	0.22 470	0.30 483	0.21 409	0.20 487	0.17 408	0.20 470	0.06 135	0.06 359	0.07 253	0.07 331	0.08 378	0.07 338

stereogan	0.22 514	0.11 454	0.21 489	0.20 468	0.12 478	0.31 560	0.19 463	0.35 540	0.44 549	0.22 470	0.39 538	0.35 545	0.27 537	0.33 561	0.22 499	0.10 459	0.12 540	0.10 467	0.10 482	0.14 542	0.13 532

Nwc_Net	0.23 530	0.16 531	0.21 489	0.25 553	0.14 521	0.24 514	0.26 558	0.37 553	0.38 520	0.22 470	0.41 555	0.30 510	0.28 547	0.28 541	0.25 534	0.11 488	0.10 514	0.17 564	0.20 578	0.10 473	0.10 474

PA-Net	0.23 530	0.18 553	0.33 547	0.28 573	0.22 582	0.21 488	0.38 602	0.29 462	0.39 523	0.22 470	0.32 495	0.25 465	0.26 529	0.20 469	0.25 534	0.09 418	0.23 596	0.15 556	0.22 583	0.09 441	0.13 532
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CVANet_RVC	0.18 469	0.10 428	0.14 320	0.21 497	0.10 396	0.18 433	0.17 378	0.34 525	0.33 481	0.22 470	0.31 491	0.28 493	0.18 459	0.23 510	0.17 433	0.12 513	0.08 465	0.12 517	0.11 514	0.09 441	0.07 338

AANet_RVC	0.16 435	0.10 428	0.10 142	0.18 353	0.09 293	0.18 433	0.19 463	0.26 410	0.31 467	0.22 470	0.35 515	0.21 409	0.21 491	0.22 499	0.16 418	0.06 135	0.05 213	0.06 154	0.06 242	0.07 315	0.06 257

DISCO	0.19 481	0.09 370	0.22 495	0.17 270	0.10 396	0.25 525	0.18 423	0.27 431	0.44 549	0.22 470	0.31 491	0.33 535	0.26 529	0.28 541	0.28 560	0.08 359	0.06 359	0.07 253	0.07 331	0.09 441	0.09 447

iResNet_ROB	0.14 368	0.07 193	0.13 285	0.14 60	0.07 108	0.18 433	0.14 206	0.26 410	0.31 467	0.22 470	0.25 425	0.23 445	0.15 396	0.15 342	0.13 337	0.07 296	0.05 213	0.05 67	0.04 70	0.08 378	0.08 402

TCMNet	0.19 481	0.12 472	0.19 468	0.20 468	0.18 570	0.20 471	0.24 534	0.27 431	0.36 506	0.23 482	0.26 442	0.25 465	0.19 475	0.19 444	0.23 511	0.13 536	0.11 526	0.11 498	0.12 533	0.13 529	0.12 513

GMStereo_Zeroshot	0.16 435	0.13 501	0.24 508	0.20 468	0.10 396	0.17 414	0.13 148	0.29 462	0.25 405	0.23 482	0.32 495	0.25 465	0.11 284	0.19 444	0.14 374	0.09 418	0.06 359	0.11 498	0.06 242	0.12 511	0.08 402

Anonymous_2	0.22 514	0.17 542	0.28 528	0.15 111	0.16 549	0.32 561	0.22 511	0.22 333	0.17 264	0.23 482	0.24 396	0.26 475	0.27 537	0.27 529	0.23 511	0.22 592	0.25 598	0.17 564	0.17 572	0.17 571	0.17 575

dd	0.15 412	0.16 531	0.16 406	0.19 411	0.09 293	0.15 363	0.18 423	0.21 310	0.25 405	0.23 482	0.20 344	0.21 409	0.09 226	0.21 486	0.16 418	0.10 459	0.06 359	0.08 338	0.06 242	0.08 378	0.06 257

UDG	0.21 505	0.17 542	0.19 468	0.23 533	0.15 539	0.30 559	0.20 484	0.33 516	0.35 502	0.23 482	0.28 465	0.31 523	0.27 537	0.20 469	0.22 499	0.15 554	0.12 540	0.13 532	0.09 443	0.14 542	0.14 549

SACVNet	0.18 469	0.12 472	0.14 320	0.17 270	0.13 501	0.22 496	0.18 423	0.31 486	0.30 460	0.23 482	0.31 491	0.30 510	0.22 500	0.22 499	0.17 433	0.11 488	0.08 465	0.10 467	0.10 482	0.12 511	0.14 549

DSFCA	0.16 435	0.09 370	0.14 320	0.16 192	0.10 396	0.20 471	0.19 463	0.28 451	0.31 467	0.23 482	0.24 396	0.22 427	0.15 396	0.19 444	0.20 470	0.10 459	0.07 439	0.09 419	0.09 443	0.08 378	0.08 402

FADNet	0.21 505	0.22 570	0.36 556	0.18 353	0.17 564	0.24 514	0.13 148	0.31 486	0.31 467	0.23 482	0.25 425	0.27 483	0.21 491	0.19 444	0.15 402	0.13 536	0.15 568	0.12 517	0.15 561	0.16 564	0.18 578

S-Stereo	0.20 493	0.12 472	0.25 513	0.21 497	0.13 501	0.20 471	0.18 423	0.32 497	0.43 544	0.23 482	0.36 518	0.28 493	0.30 559	0.19 444	0.22 499	0.09 418	0.12 540	0.10 467	0.10 482	0.13 529	0.13 532

SQANet	0.23 530	0.23 571	0.30 539	0.30 583	0.19 573	0.27 545	0.13 148	0.29 462	0.33 481	0.24 491	0.37 524	0.31 523	0.22 500	0.27 529	0.23 511	0.15 554	0.10 514	0.21 578	0.16 565	0.21 579	0.15 556

WZ-Net	0.28 562	0.17 542	0.78 610	0.22 512	0.16 549	0.34 570	0.29 580	0.39 565	0.57 582	0.24 491	0.55 582	0.37 552	0.24 514	0.33 561	0.35 583	0.09 418	0.08 465	0.09 419	0.10 482	0.14 542	0.16 567

LMCR-Stereo	0.15 412	0.08 294	0.13 285	0.21 497	0.09 293	0.17 414	0.20 484	0.27 431	0.19 306	0.24 491	0.24 396	0.23 445	0.17 445	0.20 469	0.17 433	0.07 296	0.06 359	0.08 338	0.06 242	0.10 473	0.08 402

DGSMNet	0.24 537	0.19 556	0.33 547	0.21 497	0.24 587	0.24 514	0.20 484	0.35 540	0.41 532	0.24 491	0.32 495	0.38 556	0.21 491	0.29 547	0.23 511	0.12 513	0.11 526	0.14 544	0.16 565	0.23 583	0.23 589

hitnet-ft	0.18 469	0.09 370	0.17 434	0.14 60	0.09 293	0.26 535	0.20 484	0.25 392	0.26 419	0.24 491	0.32 495	0.31 523	0.22 500	0.24 519	0.21 490	0.12 513	0.07 439	0.10 467	0.08 396	0.12 511	0.11 500

FADNet-RVC-Resample	0.16 435	0.11 454	0.31 541	0.22 512	0.11 446	0.19 456	0.14 206	0.25 392	0.24 384	0.24 491	0.27 451	0.20 400	0.15 396	0.16 376	0.15 402	0.07 296	0.08 465	0.12 517	0.10 482	0.09 441	0.10 474

NCC-stereo	0.24 537	0.15 523	0.31 541	0.26 558	0.16 549	0.20 471	0.30 587	0.40 569	0.40 529	0.24 491	0.38 530	0.33 535	0.28 547	0.36 576	0.27 553	0.12 513	0.11 526	0.15 556	0.22 583	0.13 529	0.13 532

Abc-Net	0.24 537	0.15 523	0.31 541	0.26 558	0.16 549	0.20 471	0.30 587	0.40 569	0.40 529	0.24 491	0.38 530	0.33 535	0.28 547	0.36 576	0.27 553	0.12 513	0.11 526	0.15 556	0.22 583	0.13 529	0.13 532
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 537	0.11 454	0.47 576	0.22 512	0.12 478	0.34 570	0.29 580	0.29 462	0.56 580	0.24 491	0.46 568	0.30 510	0.30 559	0.29 547	0.29 563	0.08 359	0.07 439	0.09 419	0.09 443	0.10 473	0.10 474

RYNet	0.22 514	0.12 472	0.22 495	0.19 411	0.17 564	0.46 588	0.26 558	0.38 561	0.48 558	0.24 491	0.28 465	0.34 541	0.23 508	0.20 469	0.30 568	0.10 459	0.06 359	0.09 419	0.09 443	0.13 529	0.15 556

DRN-Test	0.19 481	0.11 454	0.20 480	0.22 512	0.10 396	0.22 496	0.22 511	0.39 565	0.37 513	0.24 491	0.32 495	0.26 475	0.21 491	0.22 499	0.24 524	0.11 488	0.07 439	0.11 498	0.10 482	0.09 441	0.07 338

StereoDRNet	0.18 469	0.11 454	0.17 434	0.22 512	0.11 446	0.21 488	0.22 511	0.37 553	0.33 481	0.24 491	0.28 465	0.30 510	0.19 475	0.20 469	0.20 470	0.09 418	0.08 465	0.11 498	0.09 443	0.09 441	0.07 338

SGM-Forest	0.20 493	0.14 513	0.18 457	0.19 411	0.13 501	0.20 471	0.22 511	0.33 516	0.30 460	0.24 491	0.29 477	0.28 493	0.19 475	0.23 510	0.17 433	0.15 554	0.16 571	0.15 556	0.14 546	0.12 511	0.12 513
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FSD					0.22 582	0.25 525	0.25 549	0.27 431	0.26 419	0.25 504	0.26 442	0.25 465	0.27 537	0.27 529	0.24 524	0.21 587	0.20 584	0.27 589	0.26 590	0.25 590

w-ln-seven-2	0.20 493	0.14 513	0.37 560	0.22 512	0.12 478	0.20 471	0.21 501	0.28 451	0.37 513	0.25 504	0.37 524	0.27 483	0.22 500	0.21 486	0.23 511	0.08 359	0.08 465	0.09 419	0.09 443	0.10 473	0.09 447

Wz-Net-LNSev-Ref	0.18 469	0.09 370	0.29 536	0.15 111	0.10 396	0.22 496	0.20 484	0.26 410	0.39 523	0.25 504	0.42 561	0.24 451	0.15 396	0.20 469	0.19 464	0.07 296	0.05 213	0.06 154	0.05 164	0.10 473	0.09 447

CSP-Net	0.16 435	0.09 370	0.14 320	0.16 192	0.09 293	0.19 456	0.17 378	0.25 392	0.32 474	0.25 504	0.30 483	0.24 451	0.15 396	0.21 486	0.18 451	0.09 418	0.06 359	0.07 253	0.07 331	0.08 378	0.07 338

FINET	0.21 505	0.18 553	0.26 516	0.18 353	0.16 549	0.23 509	0.23 522	0.32 497	0.48 558	0.25 504	0.32 495	0.22 427	0.22 500	0.22 499	0.17 433	0.18 576	0.16 571	0.11 498	0.10 482	0.15 557	0.13 532

AF-Net	0.22 514	0.17 542	0.17 434	0.26 558	0.13 501	0.25 525	0.24 534	0.32 497	0.50 567	0.25 504	0.33 507	0.38 556	0.26 529	0.28 541	0.25 534	0.11 488	0.10 514	0.16 562	0.11 514	0.11 496	0.10 474

FADNet-RVC	0.20 493	0.20 560	0.38 561	0.21 497	0.16 549	0.20 471	0.15 278	0.26 410	0.26 419	0.26 510	0.32 495	0.26 475	0.21 491	0.22 499	0.19 464	0.12 513	0.13 553	0.12 517	0.14 546	0.13 529	0.18 578

SuperB	0.20 493	0.10 428	0.56 587	0.16 192	0.09 293	0.18 433	0.18 423	0.24 376	0.50 567	0.26 510	0.39 538	0.17 360	0.21 491	0.22 499	0.21 490	0.08 359	0.06 359	0.06 154	0.06 242	0.12 511	0.10 474

ADCRef	0.19 481	0.12 472	0.41 567	0.20 468	0.12 478	0.22 496	0.18 423	0.32 497	0.36 506	0.26 510	0.32 495	0.17 360	0.23 508	0.24 519	0.24 524	0.07 296	0.06 359	0.09 419	0.09 443	0.08 378	0.08 402

DeepPrunerF	0.24 537	0.17 542	0.42 569	0.26 558	0.16 549	0.22 496	0.28 571	0.37 553	0.50 567	0.26 510	0.29 477	0.24 451	0.28 547	0.21 486	0.22 499	0.15 554	0.11 526	0.20 577	0.18 576	0.12 511	0.13 532

ADCP+	0.20 493	0.10 428	0.33 547	0.20 468	0.12 478	0.22 496	0.26 558	0.31 486	0.34 493	0.26 510	0.37 524	0.22 427	0.22 500	0.27 529	0.27 553	0.09 418	0.06 359	0.08 338	0.08 396	0.09 441	0.10 474

StereoDRNet-Refined	0.17 455	0.12 472	0.15 372	0.20 468	0.09 293	0.18 433	0.18 423	0.26 410	0.23 368	0.26 510	0.40 544	0.22 427	0.17 445	0.21 486	0.20 470	0.08 359	0.05 213	0.09 419	0.10 482	0.07 315	0.07 338
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
z-mn7	0.24 537	0.14 513	0.45 571	0.19 411	0.13 501	0.28 552	0.25 549	0.34 525	0.62 592	0.27 516	0.56 587	0.29 501	0.24 514	0.32 558	0.25 534	0.08 359	0.08 465	0.08 338	0.08 396	0.10 473	0.10 474

YMNet	0.20 493	0.12 472	0.19 468	0.20 468	0.14 521	0.26 535	0.23 522	0.32 497	0.34 493	0.27 516	0.34 511	0.30 510	0.18 459	0.18 429	0.22 499	0.10 459	0.13 553	0.10 467	0.10 482	0.08 378	0.09 447

YMNet_1	0.20 493	0.12 472	0.19 468	0.20 468	0.14 521	0.26 535	0.23 522	0.32 497	0.34 493	0.27 516	0.34 511	0.30 510	0.18 459	0.18 429	0.22 499	0.10 459	0.13 553	0.10 467	0.10 482	0.08 378	0.09 447

test_sample8	0.19 481	0.12 472	0.20 480	0.12 4	0.14 521	0.17 414	0.13 148	0.31 486	0.21 344	0.27 516	0.22 375	0.36 547	0.25 523	0.19 444	0.17 433	0.15 554	0.30 602	0.14 544	0.14 546	0.14 542	0.12 513

GASNet	0.22 514	0.23 571	0.33 547	0.26 558	0.17 564	0.26 535	0.16 344	0.44 586	0.42 539	0.27 516	0.24 396	0.30 510	0.15 396	0.27 529	0.18 451	0.12 513	0.08 465	0.12 517	0.11 514	0.16 564	0.07 338

AACVNet	0.16 435	0.08 294	0.14 320	0.15 111	0.10 396	0.18 433	0.15 278	0.23 353	0.24 384	0.27 516	0.27 451	0.28 493	0.17 445	0.19 444	0.16 418	0.09 418	0.07 439	0.09 419	0.07 331	0.10 473	0.09 447

APVNet	0.22 514	0.12 472	0.19 468	0.18 353	0.14 521	0.32 561	0.31 593	0.39 565	0.32 474	0.27 516	0.40 544	0.30 510	0.29 555	0.26 526	0.25 534	0.11 488	0.12 540	0.11 498	0.14 546	0.12 511	0.12 513

FAT-Stereo	0.20 493	0.12 472	0.22 495	0.21 497	0.12 478	0.17 414	0.18 423	0.34 525	0.39 523	0.27 516	0.37 524	0.34 541	0.32 567	0.21 486	0.20 470	0.09 418	0.11 526	0.10 467	0.09 443	0.11 496	0.14 549

RGC	0.25 548	0.20 560	0.29 536	0.28 573	0.16 549	0.22 496	0.23 522	0.32 497	0.44 549	0.27 516	0.40 544	0.38 556	0.27 537	0.36 576	0.22 499	0.11 488	0.13 553	0.17 564	0.17 572	0.14 542	0.16 567

RTSC	0.23 530	0.12 472	0.28 528	0.21 497	0.13 501	0.28 552	0.16 344	0.35 540	0.66 600	0.27 516	0.33 507	0.30 510	0.21 491	0.31 551	0.29 563	0.10 459	0.08 465	0.09 419	0.10 482	0.13 529	0.13 532

PS-NSSS	0.20 493	0.21 566	0.23 504	0.20 468	0.10 396	0.19 456	0.17 378	0.36 547	0.25 405	0.27 516	0.33 507	0.27 483	0.24 514	0.20 469	0.20 470	0.15 554	0.12 540	0.17 564	0.14 546	0.10 473	0.08 402

CBMV_ROB	0.19 481	0.13 501	0.17 434	0.16 192	0.11 446	0.15 363	0.13 148	0.26 410	0.28 443	0.27 516	0.30 483	0.27 483	0.24 514	0.23 510	0.16 418	0.15 554	0.17 576	0.22 582	0.20 578	0.10 473	0.11 500

DLCB_ROB	0.18 469	0.10 428	0.15 372	0.23 533	0.11 446	0.24 514	0.18 423	0.29 462	0.28 443	0.27 516	0.28 465	0.28 493	0.24 514	0.19 444	0.20 470	0.08 359	0.08 465	0.09 419	0.09 443	0.07 315	0.07 338

DispFullNet	0.27 558	0.21 566	0.65 596	0.28 573	0.16 549	0.26 535	0.17 378	0.33 516	0.58 585	0.27 516	0.38 530	0.43 574	0.23 508	0.38 583	0.23 511	0.12 513	0.06 359	0.19 575	0.11 514	0.21 579	0.15 556

PSMNet_ROB	0.21 505	0.11 454	0.15 372	0.27 570	0.15 539	0.24 514	0.35 597	0.43 584	0.37 513	0.27 516	0.32 495	0.32 532	0.22 500	0.21 486	0.26 545	0.12 513	0.08 465	0.13 532	0.11 514	0.09 441	0.09 447

zh-sn7	0.25 548	0.17 542	0.50 578	0.24 542	0.13 501	0.25 525	0.24 534	0.34 525	0.48 558	0.28 531	0.54 580	0.28 493	0.31 563	0.36 576	0.32 576	0.10 459	0.10 514	0.11 498	0.10 482	0.12 511	0.12 513

GCST	0.37 583	0.42 601	0.26 516	1.02 625	0.39 601	0.18 433	0.08 7	0.20 287	0.17 264	0.28 531	0.25 425	0.15 326	0.12 315	0.16 376	0.14 374	0.64 621	0.43 610	0.75 618	0.65 621	0.63 614	0.46 613

Wz-Net-MNSev	0.22 514	0.13 501	0.31 541	0.20 468	0.14 521	0.36 579	0.24 534	0.33 516	0.44 549	0.28 531	0.40 544	0.38 556	0.19 475	0.24 519	0.25 534	0.09 418	0.07 439	0.09 419	0.09 443	0.12 511	0.10 474

CRFU-Net	0.16 435	0.08 294	0.14 320	0.17 270	0.09 293	0.19 456	0.14 206	0.26 410	0.20 329	0.28 531	0.27 451	0.29 501	0.17 445	0.19 444	0.17 433	0.09 418	0.09 494	0.07 253	0.07 331	0.08 378	0.08 402

Syn2CoEx	0.21 505	0.16 531	0.27 523	0.29 581	0.14 521	0.26 535	0.20 484	0.33 516	0.31 467	0.28 531	0.36 518	0.27 483	0.25 523	0.19 444	0.24 524	0.16 570	0.12 540	0.14 544	0.11 514	0.09 441	0.08 402

DANet	0.21 505	0.15 523	0.28 528	0.25 553	0.13 501	0.22 496	0.19 463	0.27 431	0.27 429	0.28 531	0.32 495	0.35 545	0.31 563	0.31 551	0.23 511	0.11 488	0.09 494	0.11 498	0.10 482	0.13 529	0.11 500
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ETE_ROB	0.23 530	0.17 542	0.22 495	0.25 553	0.13 501	0.26 535	0.29 580	0.31 486	0.36 506	0.28 531	0.36 518	0.45 578	0.26 529	0.27 529	0.26 545	0.11 488	0.08 465	0.12 517	0.09 443	0.14 542	0.13 532

PDISCO_ROB	0.27 558	0.16 531	0.26 516	0.28 573	0.20 576	0.32 561	0.26 558	0.44 586	0.57 582	0.28 531	0.40 544	0.45 578	0.29 555	0.33 561	0.34 582	0.12 513	0.09 494	0.17 564	0.16 565	0.17 571	0.13 532

w-ln-seven	0.24 537	0.14 513	0.55 584	0.19 411	0.14 521	0.26 535	0.22 511	0.35 540	0.60 589	0.29 539	0.39 538	0.30 510	0.22 500	0.21 486	0.26 545	0.09 418	0.09 494	0.11 498	0.10 482	0.11 496	0.10 474

DPSNet	0.28 562	0.16 531	0.31 541	0.18 353	0.13 501	0.54 596	0.42 606	0.51 599	0.67 601	0.29 539	0.38 530	0.38 556	0.29 555	0.31 551	0.23 511	0.11 488	0.10 514	0.11 498	0.08 396	0.20 578	0.16 567

PWCDC_ROB	0.20 493	0.13 501	0.22 495	0.24 542	0.11 446	0.19 456	0.15 278	0.33 516	0.54 576	0.29 539	0.50 576	0.21 409	0.15 396	0.27 529	0.20 470	0.11 488	0.09 494	0.10 467	0.08 396	0.11 496	0.09 447

CBMV	0.19 481	0.14 513	0.17 434	0.18 353	0.10 396	0.20 471	0.11 57	0.29 462	0.30 460	0.29 539	0.30 483	0.30 510	0.23 508	0.27 529	0.19 464	0.13 536	0.15 568	0.17 564	0.16 565	0.10 473	0.10 474
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-SNSev	0.25 548	0.17 542	0.44 570	0.25 553	0.14 521	0.26 535	0.23 522	0.38 561	0.56 580	0.30 543	0.55 582	0.39 564	0.26 529	0.23 510	0.30 568	0.10 459	0.09 494	0.09 419	0.10 482	0.11 496	0.11 500

Wz-Net-LNSev	0.22 514	0.16 531	0.38 561	0.21 497	0.13 501	0.25 525	0.23 522	0.32 497	0.43 544	0.30 543	0.41 555	0.31 523	0.18 459	0.22 499	0.25 534	0.10 459	0.09 494	0.08 338	0.08 396	0.12 511	0.11 500

dad	0.17 455	0.20 560	0.20 480	0.16 192	0.11 446	0.20 471	0.18 423	0.21 310	0.28 443	0.30 543	0.24 396	0.29 501	0.13 353	0.19 444	0.16 418	0.18 576	0.09 494	0.11 498	0.09 443	0.11 496	0.07 338

ADCPNet	0.25 548	0.16 531	0.61 593	0.21 497	0.15 539	0.35 578	0.25 549	0.32 497	0.35 502	0.30 543	0.40 544	0.36 547	0.28 547	0.28 541	0.32 576	0.12 513	0.10 514	0.11 498	0.12 533	0.14 542	0.13 532

XPNet_ROB	0.22 514	0.11 454	0.19 468	0.22 512	0.13 501	0.22 496	0.19 463	0.34 525	0.40 529	0.30 543	0.39 538	0.39 564	0.26 529	0.26 526	0.28 560	0.15 554	0.10 514	0.10 467	0.10 482	0.13 529	0.12 513

PWC_ROB	0.21 505	0.16 531	0.26 516	0.18 353	0.11 446	0.22 496	0.13 148	0.32 497	0.49 564	0.30 543	0.40 544	0.32 532	0.24 514	0.31 551	0.22 499	0.10 459	0.07 439	0.11 498	0.08 396	0.11 496	0.10 474

DDUNet	0.22 514	0.17 542	0.21 489	0.22 512	0.15 539	0.25 525	0.24 534	0.29 462	0.30 460	0.31 549	0.36 518	0.33 535	0.25 523	0.24 519	0.20 470	0.18 576	0.13 553	0.17 564	0.11 514	0.16 564	0.16 567

XQC	0.28 562	0.23 571	0.51 579	0.28 573	0.19 573	0.34 570	0.27 565	0.36 547	0.57 582	0.31 549	0.30 483	0.37 552	0.30 559	0.38 583	0.38 590	0.13 536	0.09 494	0.15 556	0.12 533	0.17 571	0.18 578

AnyNet_C32	0.26 556	0.16 531	0.36 556	0.20 468	0.16 549	0.25 525	0.30 587	0.32 497	0.44 549	0.31 549	0.49 572	0.30 510	0.33 568	0.40 591	0.33 580	0.12 513	0.12 540	0.12 517	0.14 546	0.14 542	0.15 556

GANet	0.21 505	0.12 472	0.21 489	0.24 542	0.13 501	0.22 496	0.22 511	0.41 575	0.26 419	0.31 549	0.42 561	0.37 552	0.28 547	0.23 510	0.22 499	0.10 459	0.12 540	0.10 467	0.09 443	0.10 473	0.08 402

NCCL2	0.23 530	0.15 523	0.17 434	0.34 588	0.18 570	0.24 514	0.23 522	0.34 525	0.28 443	0.31 549	0.38 530	0.38 556	0.28 547	0.23 510	0.24 524	0.15 554	0.12 540	0.18 573	0.21 580	0.13 529	0.13 532

NaN_ROB	0.22 514	0.19 556	0.24 508	0.25 553	0.13 501	0.29 556	0.26 558	0.33 516	0.41 532	0.31 549	0.31 491	0.32 532	0.23 508	0.30 550	0.21 490	0.11 488	0.17 576	0.10 467	0.10 482	0.08 378	0.09 447

Consistency-Raft	0.44 592	0.40 599	0.45 571	0.37 594	0.43 605	0.46 588	0.41 603	0.57 607	0.55 577	0.32 555	0.73 603	0.33 535	0.48 597	0.42 594	0.49 606	0.39 605	0.35 607	0.45 605	0.51 614	0.42 605	0.29 599

MaskLacGwcNet_RVC	0.22 514	0.21 566	0.24 508	0.26 558	0.11 446	0.23 509	0.14 206	0.39 565	0.24 384	0.32 555	0.36 518	0.30 510	0.21 491	0.19 444	0.21 490	0.17 575	0.14 562	0.21 578	0.16 565	0.12 511	0.12 513

edge stereo	0.22 514	0.13 501	0.20 480	0.21 497	0.13 501	0.23 509	0.16 344	0.32 497	0.42 539	0.32 555	0.40 544	0.38 556	0.35 574	0.25 524	0.24 524	0.13 536	0.11 526	0.14 544	0.11 514	0.12 511	0.13 532

SHD	0.26 556	0.15 523	0.30 539	0.24 542	0.18 570	0.22 496	0.15 278	0.38 561	0.71 604	0.32 555	0.41 555	0.36 547	0.28 547	0.32 558	0.29 563	0.12 513	0.11 526	0.14 544	0.13 543	0.16 564	0.20 584

PSMNet-RUCA	0.27 558	0.33 593	0.41 567	0.36 592	0.32 600	0.18 433	0.19 463	0.42 580	0.30 460	0.33 559	0.41 555	0.39 564	0.25 523	0.31 551	0.20 470	0.18 576	0.10 514	0.25 585	0.15 561	0.21 579	0.16 567

LALA_ROB	0.25 548	0.16 531	0.22 495	0.26 558	0.17 564	0.27 545	0.27 565	0.42 580	0.37 513	0.33 559	0.38 530	0.51 589	0.26 529	0.28 541	0.27 553	0.16 570	0.09 494	0.12 517	0.11 514	0.13 529	0.12 513

Wz-Net-TNSev	0.29 566	0.20 560	0.65 596	0.19 411	0.15 539	0.38 583	0.27 565	0.35 540	0.55 577	0.34 561	0.42 561	0.45 578	0.38 579	0.32 558	0.30 568	0.12 513	0.13 553	0.10 467	0.12 533	0.15 557	0.14 549

zh-mn7	0.25 548	0.14 513	0.56 587	0.19 411	0.14 521	0.24 514	0.22 511	0.34 525	0.62 592	0.35 562	0.65 595	0.31 523	0.25 523	0.31 551	0.25 534	0.09 418	0.08 465	0.09 419	0.09 443	0.09 441	0.11 500

GANetREF_RVC	0.31 573	0.34 594	0.27 523	0.35 590	0.16 549	0.32 561	0.41 603	0.48 593	0.51 574	0.35 562	0.35 515	0.34 541	0.33 568	0.39 587	0.32 576	0.27 600	0.20 584	0.29 597	0.15 561	0.18 574	0.17 575
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
PASM	0.32 575	0.24 574	0.48 577	0.28 573	0.27 593	0.29 556	0.30 587	0.34 525	0.49 564	0.35 562	0.39 538	0.46 582	0.34 572	0.34 564	0.35 583	0.23 596	0.25 598	0.26 586	0.28 596	0.23 583	0.21 586

ccnet	0.29 566	0.28 586	0.23 504	0.20 468	0.28 594	0.41 587	0.21 501	0.45 589	0.33 481	0.36 565	0.46 568	0.36 547	0.30 559	0.39 587	0.42 599	0.23 596	0.14 562	0.21 578	0.17 572	0.23 583	0.18 578

G-Net	0.24 537	0.16 531	0.36 556	0.22 512	0.16 549	0.51 594	0.23 522	0.29 462	0.34 493	0.36 565	0.38 530	0.31 523	0.29 555	0.27 529	0.26 545	0.11 488	0.09 494	0.12 517	0.09 443	0.16 564	0.13 532

SAMSARA	0.40 587	0.28 586	0.33 547	0.55 606	0.39 601	0.82 618	1.23 633	0.47 592	0.51 574	0.36 565	0.35 515	0.55 595	0.39 581	0.38 583	0.39 592	0.15 554	0.20 584	0.15 556	0.14 546	0.23 583	0.20 584

ADCMid	0.25 548	0.15 523	0.40 564	0.20 468	0.14 521	0.25 525	0.26 558	0.34 525	0.38 520	0.36 565	0.44 566	0.34 541	0.40 584	0.35 570	0.33 580	0.10 459	0.09 494	0.11 498	0.11 514	0.13 529	0.12 513

SANet	0.24 537	0.14 513	0.28 528	0.21 497	0.11 446	0.27 545	0.24 534	0.38 561	0.64 596	0.36 565	0.40 544	0.43 574	0.26 529	0.27 529	0.24 524	0.12 513	0.09 494	0.10 467	0.09 443	0.13 529	0.11 500

CSAN	0.29 566	0.24 574	0.27 523	0.34 588	0.19 573	0.33 567	0.42 606	0.37 553	0.50 567	0.38 570	0.40 544	0.44 576	0.33 568	0.28 541	0.30 568	0.20 583	0.16 571	0.19 575	0.19 577	0.14 542	0.15 556

WCMA_ROB	0.24 537	0.11 454	0.22 495	0.17 270	0.14 521	0.32 561	0.15 278	0.32 497	0.32 474	0.38 570	0.53 578	0.40 568	0.34 572	0.34 564	0.25 534	0.11 488	0.12 540	0.12 517	0.10 482	0.14 542	0.14 549

AnyNet_C01	0.36 582	0.25 579	1.37 622	0.22 512	0.17 564	0.48 592	0.27 565	0.35 540	0.39 523	0.39 572	0.74 605	0.46 582	0.38 579	0.45 595	0.47 604	0.13 536	0.13 553	0.13 532	0.14 546	0.14 542	0.15 556

CC-Net-ROB	0.28 562	0.31 591	0.36 556	0.29 581	0.15 539	0.25 525	0.19 463	0.45 589	0.33 481	0.39 572	0.37 524	0.39 564	0.31 563	0.27 529	0.26 545	0.24 598	0.19 581	0.30 599	0.23 587	0.18 574	0.15 556

MDST_ROB	0.22 514	0.10 428	0.17 434	0.18 353	0.11 446	0.37 580	0.19 463	0.43 584	0.41 532	0.39 572	0.39 538	0.29 501	0.21 491	0.26 526	0.18 451	0.11 488	0.10 514	0.14 544	0.11 514	0.10 473	0.08 402

otaku	0.39 584	0.37 597	0.52 580	0.44 599	0.28 594	0.58 598	0.24 534	0.41 575	0.62 592	0.40 575	0.49 572	0.46 582	0.33 568	0.40 591	0.32 576	0.30 601	0.30 602	0.39 603	0.33 602	0.29 597	0.28 598

MFN_U_SF_DS_RVC	0.30 572	0.24 574	0.29 536	0.36 592	0.16 549	0.34 570	0.30 587	0.32 497	0.42 539	0.40 575	0.46 568	0.38 556	0.31 563	0.34 564	0.28 560	0.19 581	0.20 584	0.26 586	0.29 597	0.18 574	0.19 583

ADCS	0.29 566	0.18 553	0.45 571	0.21 497	0.17 564	0.28 552	0.23 522	0.41 575	0.63 595	0.40 575	0.49 572	0.40 568	0.36 576	0.39 587	0.40 595	0.13 536	0.12 540	0.13 532	0.14 546	0.16 564	0.16 567

MSMD_ROB	0.31 573	0.26 580	0.26 516	0.24 542	0.21 580	0.34 570	0.25 549	0.34 525	0.39 523	0.40 575	0.69 599	0.45 578	0.40 584	0.34 564	0.27 553	0.20 583	0.19 581	0.26 586	0.25 589	0.23 583	0.22 588

Ntro	0.40 587	0.40 599	0.53 581	0.46 603	0.30 598	0.65 604	0.24 534	0.46 591	0.68 602	0.41 579	0.49 572	0.48 587	0.42 592	0.39 587	0.31 575	0.32 602	0.28 600	0.37 602	0.30 599	0.32 602	0.29 599

psmorigin	0.25 548	0.15 523	0.34 555	0.17 270	0.13 501	0.23 509	0.14 206	0.34 525	0.33 481	0.41 579	0.55 582	0.41 570	0.37 578	0.34 564	0.27 553	0.11 488	0.15 568	0.11 498	0.11 514	0.12 511	0.16 567

FBW_ROB	0.24 537	0.17 542	0.22 495	0.26 558	0.14 521	0.25 525	0.22 511	0.41 575	0.41 532	0.41 579	0.41 555	0.42 571	0.27 537	0.31 551	0.23 511	0.09 418	0.14 562	0.14 544	0.12 533	0.11 496	0.09 447

ACVNet-4b	0.39 584	0.53 604	0.55 584	0.45 600	0.24 587	0.47 590	0.18 423	0.49 595	0.64 596	0.42 582	0.45 567	0.60 597	0.27 537	0.34 564	0.24 524	0.33 603	0.14 562	0.48 606	0.42 607	0.30 598	0.26 597

RTS	0.45 594	0.19 556	3.26 628	0.24 542	0.15 539	0.74 611	0.20 484	0.36 547	0.76 611	0.42 582	0.43 564	0.31 523	0.41 589	0.53 604	0.35 583	0.10 459	0.08 465	0.13 532	0.12 533	0.15 557	0.15 556

RTSA	0.45 594	0.19 556	3.26 628	0.24 542	0.15 539	0.74 611	0.20 484	0.36 547	0.76 611	0.42 582	0.43 564	0.31 523	0.41 589	0.53 604	0.35 583	0.10 459	0.08 465	0.13 532	0.12 533	0.15 557	0.15 556

FCDSN-DC	0.33 578	0.28 586	0.28 528	0.30 583	0.24 587	0.39 584	0.28 571	0.42 580	0.42 539	0.43 585	0.53 578	0.51 589	0.41 589	0.36 576	0.30 568	0.21 587	0.20 584	0.27 589	0.26 590	0.25 590	0.24 590
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SGM_RVC	0.23 530	0.12 472	0.15 372	0.15 111	0.09 293	0.33 567	0.18 423	0.34 525	0.31 467	0.44 586	0.37 524	0.53 593	0.35 574	0.35 570	0.24 524	0.13 536	0.13 553	0.13 532	0.13 543	0.10 473	0.11 500
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN v2	0.33 578	0.27 582	0.28 528	0.26 558	0.23 585	0.37 580	0.28 571	0.40 569	0.43 544	0.45 587	0.56 587	0.51 589	0.40 584	0.37 581	0.29 563	0.21 587	0.20 584	0.27 589	0.26 590	0.25 590	0.24 590

FC-DCNN	0.33 578	0.27 582	0.28 528	0.26 558	0.23 585	0.37 580	0.28 571	0.40 569	0.43 544	0.45 587	0.55 582	0.51 589	0.40 584	0.37 581	0.30 568	0.21 587	0.20 584	0.27 589	0.26 590	0.25 590	0.24 590

LSM	0.33 578	0.20 560	0.58 590	0.26 558	0.60 617	0.34 570	0.25 549	0.42 580	0.48 558	0.45 587	0.58 592	0.42 571	0.36 576	0.35 570	0.25 534	0.12 513	0.20 584	0.14 544	0.16 565	0.19 577	0.33 604

MFN_U_SF_RVC	0.32 575	0.21 566	0.55 584	0.30 583	0.15 539	0.34 570	0.17 378	0.52 600	0.46 556	0.46 590	0.55 582	0.59 596	0.39 581	0.35 570	0.37 588	0.15 554	0.14 562	0.18 573	0.21 580	0.16 564	0.15 556

aanetorigin	0.22 514	0.17 542	0.56 587	0.17 270	0.10 396	0.15 363	0.19 463	0.20 287	0.33 481	0.49 591	0.48 571	0.29 501	0.27 537	0.20 469	0.23 511	0.08 359	0.07 439	0.08 338	0.07 331	0.10 473	0.09 447

RainbowNet	0.54 602	0.61 608	0.70 608	0.57 607	0.43 605	0.65 604	0.37 601	0.60 609	0.87 615	0.50 592	0.66 596	0.64 600	0.47 596	0.49 597	0.43 602	0.47 611	0.48 616	0.52 610	0.41 606	0.52 608	0.40 610

MonStereo1	0.47 598	0.26 580	0.58 590	0.28 573	0.20 576	0.39 584	0.18 423	0.49 595	0.64 596	0.52 593	0.87 612	1.01 613	0.57 606	0.50 598	0.56 611	0.53 614	0.31 605	0.54 612	0.40 605	0.33 603	0.34 605

MADNet+	0.75 612	0.71 614	3.70 631	0.66 609	0.41 603	0.98 623	0.97 631	0.69 612	0.73 609	0.52 593	0.57 590	0.64 600	0.68 614	0.86 622	1.01 630	0.34 604	0.36 608	0.28 596	0.23 587	0.36 604	0.31 602

SGM-ForestM	0.32 575	0.12 472	0.16 406	0.16 192	0.11 446	0.39 584	0.19 463	0.41 575	0.50 567	0.52 593	0.54 580	1.32 624	0.42 592	0.40 591	0.27 553	0.14 550	0.16 571	0.16 562	0.16 565	0.12 511	0.12 513

MeshStereo	0.27 558	0.13 501	0.18 457	0.15 111	0.11 446	0.32 561	0.24 534	0.40 569	0.36 506	0.52 593	0.57 590	0.67 604	0.40 584	0.35 570	0.26 545	0.14 550	0.13 553	0.13 532	0.11 514	0.11 496	0.10 474
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
anonymity	0.53 601	0.58 606	0.65 596	0.41 597	0.61 618	0.53 595	0.41 603	0.56 605	0.41 532	0.55 597	0.50 576	0.49 588	0.55 604	0.58 609	0.50 609	0.58 617	0.50 620	0.51 608	0.51 614	0.51 607	0.57 615

PVD	0.39 584	0.20 560	0.39 563	0.31 587	0.22 582	0.29 556	0.43 608	0.52 600	0.96 618	0.55 597	0.79 609	0.53 593	0.59 608	0.52 602	0.38 590	0.19 581	0.14 562	0.17 564	0.14 546	0.24 589	0.31 602

MFMNet_re	0.64 605	0.66 612	0.65 596	0.51 604	0.69 622	0.69 607	0.57 616	0.64 611	0.73 609	0.60 599	0.73 603	0.62 599	0.67 613	0.65 612	0.60 614	0.66 622	0.58 629	0.63 613	0.59 617	0.68 619	0.69 625

ACVNet_1	0.44 592	0.49 603	0.60 592	0.45 600	0.28 594	0.49 593	0.27 565	0.57 607	0.72 605	0.62 600	0.58 592	0.74 608	0.49 598	0.50 598	0.35 583	0.26 599	0.24 597	0.39 603	0.29 597	0.31 601	0.24 590

TorneroNet-64	0.76 613	0.72 615	0.74 609	0.78 614	0.58 616	0.91 622	0.56 615	0.84 616	1.29 624	0.66 601	0.90 613	1.40 626	0.75 616	0.85 621	0.67 620	0.49 612	0.46 611	0.72 617	0.59 617	0.67 618	0.53 614

SGM+DAISY	0.56 603	0.57 605	0.65 596	0.40 595	0.54 610	0.66 606	0.49 610	0.56 605	0.45 555	0.66 601	0.69 599	0.67 604	0.56 605	0.63 611	0.56 611	0.59 618	0.48 616	0.50 607	0.50 613	0.52 608	0.58 616

SPS-STEREO	0.57 604	0.58 606	0.65 596	0.45 600	0.55 612	0.62 602	0.44 609	0.62 610	0.50 567	0.68 603	0.64 594	0.66 603	0.57 606	0.61 610	0.60 614	0.62 620	0.47 615	0.51 608	0.49 611	0.55 612	0.58 616
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
JetBlue	0.71 609	0.45 602	1.14 620	0.51 604	0.47 607	2.02 633	0.64 620	0.75 613	0.70 603	0.69 604	0.77 608	1.22 620	0.83 619	1.03 630	1.01 630	0.40 606	0.28 600	0.33 600	0.33 602	0.30 598	0.34 605

MSC_U_SF_DS_RVC	0.43 591	0.39 598	0.54 582	0.40 595	0.20 576	0.64 603	0.32 595	0.53 602	0.72 605	0.71 605	0.72 602	0.61 598	0.54 601	0.51 600	0.46 603	0.20 583	0.19 581	0.29 597	0.30 599	0.23 583	0.18 578

ELAS	0.41 589	0.29 589	0.33 547	0.27 570	0.24 587	0.60 601	0.36 598	0.50 598	0.50 567	0.71 605	0.79 609	0.67 604	0.54 601	0.51 600	0.42 599	0.22 592	0.20 584	0.27 589	0.26 590	0.26 595	0.25 595
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	7.91 637	0.31 591	153.02 656	0.19 411	0.09 293	0.21 488	0.16 344	0.22 333	0.59 586	0.72 607	0.67 597	0.42 571	0.50 599	0.24 519	0.39 592	0.08 359	0.07 439	0.08 338	0.07 331	0.12 511	0.10 474

MANE	0.45 594	0.27 582	0.27 523	0.27 570	0.24 587	0.47 590	0.31 593	0.55 604	0.59 586	0.72 607	1.13 626	1.15 618	0.61 609	0.52 602	0.37 588	0.21 587	0.20 584	0.27 589	0.31 601	0.25 590	0.24 590

NVStereoNet_ROB	0.46 597	0.36 596	0.46 575	0.41 597	0.28 594	0.34 570	0.34 596	0.48 593	0.60 589	0.72 607	0.93 615	0.70 607	0.66 612	0.47 596	0.60 614	0.22 592	0.33 606	0.34 601	0.34 604	0.30 598	0.30 601
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ELAS_RVC	0.41 589	0.29 589	0.33 547	0.28 573	0.24 587	0.54 596	0.36 598	0.49 595	0.59 586	0.72 607	0.74 605	0.65 602	0.54 601	0.54 606	0.40 595	0.22 592	0.20 584	0.27 589	0.26 590	0.26 595	0.25 595
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IMH-64-1	0.65 606	0.61 608	0.68 604	0.71 610	0.51 608	0.59 599	0.49 610	0.91 618	0.85 613	0.74 611	1.02 619	0.81 609	0.78 617	0.79 615	0.49 606	0.42 607	0.46 611	0.71 615	0.47 609	0.52 608	0.39 608

IMH-64	0.65 606	0.61 608	0.68 604	0.71 610	0.51 608	0.59 599	0.49 610	0.91 618	0.85 613	0.74 611	1.02 619	0.81 609	0.78 617	0.79 615	0.49 606	0.42 607	0.46 611	0.71 615	0.47 609	0.52 608	0.39 608

EDNetEfficient	0.29 566	0.24 574	1.13 619	0.18 353	0.10 396	0.19 456	0.20 484	0.20 287	0.60 589	0.74 611	0.56 587	0.31 523	0.39 581	0.22 499	0.30 568	0.09 418	0.07 439	0.08 338	0.07 331	0.11 496	0.09 447

TorneroNet	0.82 616	0.74 616	0.81 614	0.84 617	0.63 619	0.99 624	0.63 618	0.96 622	1.16 621	0.80 614	1.11 624	1.36 625	0.86 621	0.93 626	0.80 625	0.56 615	0.49 618	0.78 623	0.66 622	0.73 624	0.63 624

IMH	0.71 609	0.64 611	0.68 604	0.76 612	0.54 610	0.69 607	0.54 614	0.98 624	1.10 620	0.82 615	1.09 622	0.89 611	0.88 622	0.87 623	0.52 610	0.44 610	0.50 620	0.75 618	0.51 614	0.56 613	0.41 611

BEATNet-Init1	0.52 600	0.27 582	0.62 594	0.30 583	0.21 580	0.76 615	0.29 580	0.54 603	0.65 599	0.86 616	0.95 617	2.07 633	0.62 611	0.56 608	0.42 599	0.18 576	0.18 578	0.23 583	0.22 583	0.22 582	0.21 586

ACVNet_2	0.66 608	0.66 612	0.68 604	0.63 608	0.41 603	0.71 609	0.49 610	0.96 622	1.39 627	0.89 617	1.09 622	1.04 614	0.73 615	0.54 606	0.47 604	0.43 609	0.40 609	0.53 611	0.44 608	0.47 606	0.35 607

WAO-7	0.79 614	0.78 617	0.54 582	0.85 618	0.67 621	0.74 611	0.68 624	1.05 627	1.32 625	0.90 618	1.20 629	1.04 614	0.92 623	0.69 613	0.66 617	0.60 619	0.62 630	0.67 614	0.68 623	0.64 615	0.58 616

WAO-6	0.81 615	0.80 618	0.62 594	0.86 619	0.63 619	0.76 615	0.58 617	0.98 624	1.54 632	0.90 618	0.96 618	1.07 616	1.03 627	0.70 614	0.66 617	0.72 623	0.49 618	0.90 626	0.71 624	0.68 619	0.58 616

LVE	0.83 617	0.85 621	0.85 615	0.80 615	0.56 613	1.04 628	0.65 621	1.05 627	1.47 630	0.96 620	1.22 630	1.10 617	0.85 620	0.83 618	0.71 622	0.49 612	0.55 626	0.76 621	0.60 619	0.65 616	0.59 621

PWCK	0.71 609	0.94 623	0.95 617	0.76 612	0.31 599	0.74 611	0.36 598	0.90 617	0.90 616	0.96 620	0.75 607	0.95 612	0.61 609	0.87 623	0.66 617	0.72 623	0.46 611	0.75 618	0.49 611	0.69 621	0.44 612

UNDER WATER	0.97 622	0.97 625	1.42 623	0.99 624	0.70 625	1.12 630	0.84 627	0.80 615	1.08 619	1.01 622	0.90 613	1.55 630	1.22 634	1.03 630	1.00 629	0.78 627	0.53 623	1.02 628	0.87 629	0.80 626	0.74 627

UNDER WATER-64	0.95 621	0.94 623	1.43 624	0.87 620	0.56 613	1.18 631	0.87 628	0.77 614	0.94 617	1.04 623	0.85 611	1.58 631	1.21 633	0.94 627	0.96 628	0.87 629	0.57 628	1.03 629	0.88 630	0.78 625	0.73 626

ktn	1.01 624	1.21 628	0.80 613	1.23 629	0.86 628	1.01 626	0.87 628	0.94 621	1.39 627	1.04 623	1.12 625	1.15 618	1.07 628	0.94 627	0.59 613	1.28 634	0.71 632	1.38 634	0.83 628	1.02 630	0.75 628

WAO-8	0.91 619	0.81 619	0.65 596	0.94 622	0.69 622	0.90 619	0.67 622	1.07 630	1.83 635	1.06 625	1.45 632	1.30 621	1.07 628	0.84 619	0.78 623	0.74 625	0.53 623	0.86 624	0.75 625	0.69 621	0.62 622

Venus	0.91 619	0.81 619	0.65 596	0.94 622	0.69 622	0.90 619	0.67 622	1.07 630	1.83 635	1.06 625	1.45 632	1.30 621	1.07 628	0.84 619	0.78 623	0.74 625	0.53 623	0.86 624	0.75 625	0.69 621	0.62 622

TCMNet-wrong-test	3.67 631	5.48 642	3.89 632	12.18 643	11.75 645	4.65 635	3.88 637	1.06 629	0.72 605	1.09 627	2.15 636	6.30 640	0.53 600	3.43 637	2.36 636	0.89 630	0.20 584	1.87 637	1.69 636	5.57 641	3.62 641

Dean	0.87 618	0.86 622	0.79 612	0.81 616	0.56 613	0.90 619	0.63 618	1.15 633	1.73 633	1.15 628	1.15 627	1.31 623	0.99 626	0.81 617	0.81 626	0.57 616	0.56 627	0.77 622	0.64 620	0.66 617	0.58 616

KSHMR	1.09 625	1.17 627	0.88 616	1.25 630	1.00 630	0.99 624	0.96 630	1.13 632	1.37 626	1.16 629	1.29 631	1.41 627	0.96 625	1.01 629	0.92 627	1.03 632	1.08 634	1.20 631	1.03 633	1.01 629	0.97 631

notaker	0.97 622	1.11 626	0.98 618	1.13 627	0.81 626	0.73 610	0.68 624	0.93 620	1.16 621	1.18 630	1.18 628	1.41 627	1.16 632	1.08 632	0.69 621	0.81 628	0.64 631	1.17 630	0.79 627	0.98 628	0.80 629

tt	4.67 632	0.06 102	3.55 630	2.02 632	1.55 632	10.25 640	16.71 641	8.91 645	5.03 638	1.31 631	0.94 616	4.71 636	4.76 637	3.33 636	5.87 639	6.06 644	10.30 648	1.88 638	2.11 638	2.75 635	1.21 634

DPSimNet_ROB	1.11 626	1.23 629	0.78 610	1.13 627	0.88 629	1.10 629	1.13 632	1.16 634	1.23 623	1.43 632	1.02 619	1.41 627	1.10 631	0.90 625	1.60 632	1.46 635	0.51 622	1.21 632	1.03 633	0.90 627	1.01 633

HanzoNet	1.29 627	1.26 630	1.19 621	1.12 626	0.85 627	1.02 627	0.83 626	1.03 626	1.48 631	1.64 633	1.61 634	2.50 635	1.72 635	1.61 634	1.61 633	1.26 633	0.80 633	1.31 633	1.01 632	1.02 630	0.86 630

JetRed	1.62 628	1.46 631	2.98 626	0.92 621	1.21 631	4.99 636	1.53 636	1.27 635	1.39 627	1.83 634	1.74 635	1.60 632	0.95 624	1.41 633	2.45 637	0.90 631	1.60 635	0.93 627	0.90 631	1.35 632	0.99 632

coex-ft	3.30 630	0.34 594	59.09 655	0.18 353	0.13 501	0.26 535	0.22 511	0.27 431	0.72 605	1.90 635	0.70 601	0.44 576	0.45 595	0.29 547	0.41 598	0.09 418	0.09 494	0.12 517	0.09 443	0.14 542	0.13 532

MADNet++	1.95 629	1.75 632	1.59 625	1.82 631	1.69 633	2.33 634	1.40 635	2.35 636	2.09 637	2.57 636	2.36 637	2.24 634	2.17 636	2.28 635	2.34 635	1.87 636	1.66 636	1.54 635	1.34 635	1.92 633	1.77 635

LE_ROB	0.50 599	0.07 193	0.14 320	0.15 111	0.08 175	0.24 514	0.16 344	0.22 333	1.81 634	4.63 637	0.67 597	0.47 585	0.44 594	0.20 469	0.29 563	0.07 296	0.06 359	0.06 154	0.06 242	0.08 378	0.06 257

DPSMNet_ROB	8.06 638	4.48 637	8.63 641	5.37 638	10.74 642	8.32 638	22.98 647	5.46 638	13.36 646	5.12 638	9.92 642	5.08 637	10.40 644	5.53 640	12.58 644	3.80 642	8.00 643	3.50 639	7.02 642	3.83 639	7.14 643

DGTPSM_ROB	8.06 638	4.48 637	8.63 641	5.35 636	10.72 641	8.32 638	22.97 646	5.46 638	13.35 645	5.12 638	9.92 642	5.08 637	10.40 644	5.52 639	12.58 644	3.79 641	8.00 643	3.50 639	7.02 642	3.83 639	7.14 643

USTest	6.22 633	2.73 635	3.00 627	6.57 639	7.29 639	14.37 642	21.57 642	7.00 644	9.56 643	5.34 640	6.10 638	5.72 639	7.64 640	6.41 641	6.96 640	1.97 637	3.42 642	1.64 636	2.15 639	2.66 634	2.36 636

xxxxx1	7.79 634	5.02 639	7.31 635	3.12 633	3.85 635	16.35 644	22.88 643	5.86 641	8.69 640	7.97 641	8.54 639	9.12 643	8.27 641	10.18 643	10.92 641	2.42 638	2.45 638	3.56 641	12.37 645	3.77 636	3.06 638

tt_ll	7.79 634	5.02 639	7.31 635	3.12 633	3.85 635	16.35 644	22.88 643	5.86 641	8.69 640	7.97 641	8.54 639	9.12 643	8.27 641	10.18 643	10.92 641	2.42 638	2.45 638	3.56 641	12.37 645	3.77 636	3.06 638

ff	7.79 634	5.02 639	7.31 635	3.12 633	3.85 635	16.35 644	22.88 643	5.86 641	8.69 640	7.97 641	8.54 639	9.12 643	8.27 641	10.18 643	10.92 641	2.42 638	2.45 638	3.56 641	12.37 645	3.77 636	3.06 638

Anonymous_1	10.96 644	7.92 643	7.46 638	10.33 640	10.06 640	18.65 648	26.34 649	11.06 646	13.44 647	9.40 644	10.05 644	9.67 646	11.23 646	10.73 646	12.72 646	6.42 645	8.38 645	5.77 644	10.61 644	12.12 645	6.77 642

DPSM_ROB	11.15 645	8.58 644	8.00 639	10.88 641	11.58 643	19.10 649	26.71 650	12.05 647	14.07 648	10.36 645	10.84 645	10.33 647	11.86 647	11.70 647	13.54 647	6.99 646	8.79 646	5.89 645	6.95 640	7.29 642	7.42 645

DPSM	11.15 645	8.58 644	8.00 639	10.88 641	11.58 643	19.10 649	26.71 650	12.05 647	14.07 648	10.36 645	10.84 645	10.33 647	11.86 647	11.70 647	13.54 647	6.99 646	8.79 646	5.89 645	6.95 640	7.29 642	7.42 645

LRCNet_RVC	10.62 643	13.42 647	7.30 634	18.92 645	2.07 634	0.33 567	0.30 587	5.59 640	0.48 558	13.03 647	17.94 648	8.87 642	5.65 638	4.79 638	1.89 634	23.51 655	2.73 641	27.55 656	25.71 656	16.07 652	16.33 653

HaxPig	15.71 647	18.52 654	19.18 649	16.89 644	15.89 648	7.73 637	7.60 638	13.31 649	10.82 644	15.42 648	14.91 647	15.98 649	14.92 649	15.58 649	15.98 649	18.95 654	16.73 649	19.46 654	18.08 654	19.26 653	19.05 654

PML	8.91 640	9.34 646	6.13 633	5.35 636	6.41 638	14.99 643	23.38 648	5.27 637	6.83 639	18.04 649	28.19 657	7.67 641	6.83 639	7.85 642	5.75 638	5.35 643	1.83 637	5.95 647	1.93 637	8.64 644	2.52 637

MEDIAN_ROB	20.38 648	24.04 655	23.31 652	21.23 646	21.71 649	10.40 641	7.92 639	17.64 650	15.50 650	20.12 650	19.70 649	20.34 650	20.32 650	21.19 650	21.13 650	23.81 656	21.81 656	24.98 655	23.76 655	24.71 654	23.93 655

CasAABBNet	22.42 649	17.33 649	16.01 645	22.01 647	23.28 651	38.32 651	53.80 654	24.14 654	28.41 655	20.60 651	21.77 653	20.89 655	23.91 653	23.43 653	27.36 653	14.07 649	17.69 651	11.83 650	14.01 649	14.67 647	14.95 649

RAFT-FEzeroshot	22.43 650	17.33 649	15.98 643	22.02 648	23.31 652	38.34 652	53.82 655	24.05 652	28.39 653	20.61 652	21.76 651	20.88 653	23.92 654	23.41 651	27.42 655	14.07 649	17.69 651	11.83 650	14.02 650	14.69 648	14.97 650

RAFT-FE	22.43 650	17.33 649	15.98 643	22.02 648	23.31 652	38.34 652	53.82 655	24.05 652	28.39 653	20.61 652	21.76 651	20.88 653	23.92 654	23.41 651	27.42 655	14.07 649	17.69 651	11.83 650	14.02 650	14.69 648	14.97 650

Selective-RAFT-Error	22.47 653	17.37 653	16.09 646	22.06 650	23.34 654	38.39 654	53.83 657	24.29 657	28.47 657	20.74 654	21.83 655	20.81 652	23.90 652	23.54 656	27.53 657	14.08 652	17.69 651	11.82 649	14.00 648	14.69 648	15.00 652

LSM0	22.87 654	17.28 648	18.96 648	22.19 652	29.04 656	38.42 656	53.71 652	24.28 656	28.31 652	20.78 655	21.00 650	21.43 656	24.16 656	23.50 655	27.39 654	14.09 653	17.38 650	11.84 653	14.04 652	14.73 651	14.89 647

FlowAnything	22.44 652	17.35 652	16.14 647	22.07 651	23.23 650	38.39 654	53.77 653	24.25 655	28.44 656	20.96 656	21.82 654	20.70 651	23.84 651	23.49 654	27.14 652	14.04 648	17.79 655	11.75 648	14.15 653	14.65 646	14.89 647

AVERAGE_ROB	24.90 655	29.20 656	28.14 653	24.89 653	24.64 655	17.75 647	11.12 640	21.45 651	19.93 651	25.12 657	24.46 656	25.12 657	25.46 657	24.69 657	22.83 651	29.76 657	27.13 657	28.97 657	27.95 657	29.91 655	29.47 656

ccccc		285.66 658		368.85 657	370.60 658	123.16 658		115.05 659		126.68 658		122.83 659		252.94 659		384.56 659	353.86 659	254.69 659	223.00 659	425.87 659

test_example2	98.32 656	94.13 657	45.89 654	96.35 654	109.85 657	88.61 657	95.45 658	25.75 658	94.37 658	130.00 659	126.06 658	58.17 658	74.63 658	88.51 658	79.96 658	150.23 658	221.02 658	77.62 658	99.10 658	113.75 658	96.94 657

ASD4		3.38 636

Low-res two-view benchmark