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

MLG-Stereo_test2	0.06 1	0.04 1	0.10 144	0.15 118	0.05 1	0.07 36	0.11 57	0.09 11	0.04 2	0.06 24	0.05 7	0.06 32	0.04 1	0.08 19	0.09 62	0.06 136	0.04 24	0.05 74	0.03 1	0.05 144	0.05 169

MLG-Stereo_test1	0.06 1	0.05 58	0.08 40	0.17 277	0.05 1	0.06 10	0.11 57	0.08 4	0.03 1	0.05 3	0.04 1	0.06 32	0.05 11	0.09 48	0.09 62	0.05 37	0.04 24	0.05 74	0.03 1	0.04 22	0.04 54

FoundationStereo	0.06 1	0.04 1	0.08 40	0.12 4	0.05 1	0.09 115	0.13 155	0.06 1	0.09 61	0.05 3	0.05 7	0.06 32	0.04 1	0.06 1	0.07 1	0.06 136	0.04 24	0.05 74	0.03 1	0.05 144	0.04 54

ss10	0.07 4	0.04 1	0.09 91	0.13 14	0.06 18	0.09 115	0.12 89	0.15 144	0.08 39	0.06 24	0.08 99	0.05 7	0.07 128	0.09 48	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

5k_new	0.07 4	0.04 1	0.10 144	0.13 14	0.07 111	0.08 65	0.12 89	0.13 76	0.07 16	0.06 24	0.07 53	0.06 32	0.07 128	0.11 168	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.05 144	0.05 169

ACM	0.07 4	0.04 1	0.10 144	0.13 14	0.07 111	0.09 115	0.11 57	0.14 102	0.08 39	0.06 24	0.08 99	0.06 32	0.07 128	0.09 48	0.11 246	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

uiiii_40	0.07 4	0.06 109	0.06 4	0.13 14	0.07 111	0.07 36	0.10 29	0.14 102	0.07 16	0.05 3	0.06 15	0.06 32	0.06 42	0.10 95	0.09 62	0.05 37	0.04 24	0.04 1	0.03 1	0.05 144	0.05 169

4.5w_L	0.07 4	0.06 109	0.07 9	0.14 66	0.07 111	0.08 65	0.10 29	0.14 102	0.09 61	0.06 24	0.07 53	0.06 32	0.06 42	0.10 95	0.09 62	0.06 136	0.04 24	0.04 1	0.03 1	0.05 144	0.05 169

StePilot	0.07 4	0.06 109	0.07 9	0.14 66	0.07 111	0.08 65	0.10 29	0.14 102	0.10 82	0.06 24	0.07 53	0.06 32	0.06 42	0.10 95	0.09 62	0.05 37	0.04 24	0.04 1	0.03 1	0.05 144	0.05 169

SteFusion	0.07 4	0.05 58	0.08 40	0.15 118	0.06 18	0.06 10	0.13 155	0.15 144	0.13 176	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 77	0.04 22	0.03 2

PyraSte	0.07 4	0.05 58	0.08 40	0.17 277	0.06 18	0.08 65	0.11 57	0.15 144	0.08 39	0.07 77	0.07 53	0.04 1	0.07 128	0.08 19	0.10 149	0.04 11	0.04 24	0.04 1	0.04 77	0.04 22	0.03 2

tim_s	0.07 4	0.04 1	0.08 40	0.16 199	0.06 18	0.08 65	0.11 57	0.14 102	0.09 61	0.06 24	0.06 15	0.04 1	0.08 193	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	0.16 199	0.06 18	0.07 36	0.12 89	0.15 144	0.12 140	0.06 24	0.05 7	0.04 1	0.08 193	0.07 4	0.09 62	0.04 11	0.05 213	0.04 1	0.04 77	0.04 22	0.03 2

ACW_4w	0.07 4	0.05 58	0.09 91	0.15 118	0.06 18	0.08 65	0.11 57	0.14 102	0.13 176	0.06 24	0.07 53	0.04 1	0.08 193	0.08 19	0.09 62	0.04 11	0.04 24	0.04 1	0.04 77	0.03 1	0.03 2

5w_v4	0.07 4	0.04 1	0.08 40	0.15 118	0.06 18	0.08 65	0.11 57	0.15 144	0.11 111	0.07 77	0.06 15	0.04 1	0.08 193	0.08 19	0.09 62	0.04 11	0.05 213	0.04 1	0.04 77	0.04 22	0.03 2

ITERv30	0.07 4	0.04 1	0.10 144	0.12 4	0.07 111	0.07 36	0.12 89	0.11 36	0.08 39	0.05 3	0.10 173	0.07 112	0.07 128	0.10 95	0.10 149	0.06 136	0.06 366	0.04 1	0.04 77	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 76	0.05 5	0.05 3	0.07 53	0.06 32	0.08 193	0.09 48	0.10 149	0.07 303	0.06 366	0.04 1	0.03 1	0.04 22	0.04 54

yuret106	0.07 4	0.04 1	0.09 91	0.13 14	0.06 18	0.08 65	0.11 57	0.13 76	0.06 8	0.04 1	0.06 15	0.07 112	0.07 128	0.10 95	0.10 149	0.06 136	0.06 366	0.04 1	0.03 1	0.04 22	0.04 54

uio108cc	0.07 4	0.05 58	0.09 91	0.14 66	0.06 18	0.09 115	0.12 89	0.15 144	0.07 16	0.05 3	0.07 53	0.07 112	0.07 128	0.09 48	0.10 149	0.06 136	0.06 366	0.04 1	0.03 1	0.04 22	0.04 54

dddd17k	0.07 4	0.04 1	0.10 144	0.14 66	0.06 18	0.09 115	0.12 89	0.14 102	0.05 5	0.06 24	0.09 129	0.05 7	0.07 128	0.10 95	0.10 149	0.06 136	0.05 213	0.04 1	0.04 77	0.04 22	0.04 54

zxcv128	0.07 4	0.04 1	0.10 144	0.13 14	0.06 18	0.08 65	0.13 155	0.14 102	0.06 8	0.06 24	0.10 173	0.06 32	0.08 193	0.10 95	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

iked130	0.07 4	0.04 1	0.10 144	0.14 66	0.06 18	0.08 65	0.13 155	0.15 144	0.04 2	0.05 3	0.08 99	0.06 32	0.07 128	0.09 48	0.11 246	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv14	0.07 4	0.04 1	0.10 144	0.13 14	0.06 18	0.08 65	0.12 89	0.15 144	0.06 8	0.06 24	0.09 129	0.06 32	0.07 128	0.10 95	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	0.10 144	0.13 14	0.06 18	0.09 115	0.12 89	0.15 144	0.07 16	0.06 24	0.09 129	0.06 32	0.07 128	0.10 95	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

a5sdf	0.07 4	0.04 1	0.10 144	0.13 14	0.06 18	0.09 115	0.12 89	0.15 144	0.07 16	0.05 3	0.09 129	0.06 32	0.07 128	0.10 95	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv4	0.07 4	0.06 109	0.09 91	0.14 66	0.06 18	0.06 10	0.10 29	0.11 36	0.07 16	0.07 77	0.08 99	0.06 32	0.07 128	0.08 19	0.09 62	0.05 37	0.05 213	0.05 74	0.04 77	0.03 1	0.03 2

VIP-Stereo	0.07 4	0.07 200	0.07 9	0.15 118	0.06 18	0.12 269	0.10 29	0.11 36	0.11 111	0.06 24	0.07 53	0.06 32	0.05 11	0.10 95	0.08 17	0.05 37	0.04 24	0.05 74	0.03 1	0.03 1	0.02 1

zaero_v3	0.07 4	0.04 1	0.10 144	0.14 66	0.05 1	0.06 10	0.11 57	0.10 20	0.08 39	0.07 77	0.06 15	0.04 1	0.07 128	0.07 4	0.08 17	0.06 136	0.04 24	0.04 1	0.04 77	0.04 22	0.04 54

ITERv2	0.07 4	0.04 1	0.10 144	0.14 66	0.05 1	0.08 65	0.11 57	0.11 36	0.07 16	0.05 3	0.07 53	0.05 7	0.07 128	0.08 19	0.09 62	0.06 136	0.04 24	0.04 1	0.04 77	0.05 144	0.04 54

ITER	0.07 4	0.04 1	0.10 144	0.14 66	0.05 1	0.06 10	0.10 29	0.10 20	0.07 16	0.06 24	0.08 99	0.06 32	0.08 193	0.08 19	0.09 62	0.06 136	0.04 24	0.04 1	0.03 1	0.05 144	0.05 169

OmniDepth	0.07 4	0.07 200	0.08 40	0.18 360	0.06 18	0.07 36	0.11 57	0.09 11	0.06 8	0.04 1	0.07 53	0.10 217	0.09 233	0.08 19	0.08 17	0.04 11	0.03 1	0.04 1	0.04 77	0.03 1	0.03 2

Zero-FE251	0.07 4	0.05 58	0.09 91	0.13 14	0.06 18	0.12 269	0.12 89	0.11 36	0.10 82	0.07 77	0.08 99	0.06 32	0.06 42	0.09 48	0.08 17	0.06 136	0.04 24	0.05 74	0.04 77	0.04 22	0.04 54

MonStereo	0.07 4	0.06 109	0.05 1	0.15 118	0.05 1	0.08 65	0.10 29	0.15 144	0.15 222	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

Wavelet-MonSter	0.07 4	0.05 58	0.07 9	0.16 199	0.06 18	0.07 36	0.11 57	0.10 20	0.08 39	0.06 24	0.06 15	0.07 112	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-eth3d	0.07 4	0.06 109	0.05 1	0.15 118	0.05 1	0.08 65	0.10 29	0.15 144	0.15 222	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-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	0.06 136	0.04 24	0.04 1	0.03 1	0.05 144	0.05 169

Replicate-Monster	0.07 4	0.05 58	0.09 91	0.14 66	0.06 18	0.08 65	0.09 18	0.13 76	0.13 176	0.05 3	0.07 53	0.06 32	0.06 42	0.08 19	0.10 149	0.05 37	0.04 24	0.05 74	0.03 1	0.04 22	0.04 54

AdaDepth	0.07 4	0.06 109	0.07 9	0.18 360	0.06 18	0.11 233	0.12 89	0.09 11	0.07 16	0.06 24	0.05 7	0.07 112	0.06 42	0.09 48	0.10 149	0.04 11	0.05 213	0.05 74	0.04 77	0.04 22	0.04 54

asda	0.07 4	0.08 301	0.08 40	0.16 199	0.06 18	0.06 10	0.10 29	0.16 191	0.10 82	0.06 24	0.06 15	0.05 7	0.05 11	0.10 95	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

asd	0.07 4	0.08 301	0.07 9	0.16 199	0.07 111	0.08 65	0.08 7	0.11 36	0.08 39	0.07 77	0.07 53	0.06 32	0.06 42	0.10 95	0.09 62	0.03 1	0.03 1	0.04 1	0.04 77	0.04 22	0.03 2

qwe	0.07 4	0.08 301	0.07 9	0.15 118	0.06 18	0.07 36	0.10 29	0.18 261	0.11 111	0.07 77	0.07 53	0.06 32	0.06 42	0.10 95	0.09 62	0.03 1	0.03 1	0.04 1	0.04 77	0.04 22	0.03 2

2.25w	0.07 4	0.06 109	0.07 9	0.14 66	0.06 18	0.08 65	0.08 7	0.10 20	0.15 222	0.08 120	0.10 173	0.07 112	0.06 42	0.08 19	0.10 149	0.05 37	0.03 1	0.04 1	0.04 77	0.03 1	0.04 54

4.25_new	0.07 4	0.08 301	0.09 91	0.15 118	0.06 18	0.09 115	0.08 7	0.14 102	0.08 39	0.07 77	0.07 53	0.06 32	0.06 42	0.12 255	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	0.08 301	0.09 91	0.15 118	0.06 18	0.09 115	0.08 7	0.14 102	0.08 39	0.07 77	0.07 53	0.06 32	0.06 42	0.12 255	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	0.09 377	0.08 40	0.15 118	0.07 111	0.06 10	0.10 29	0.14 102	0.11 111	0.06 24	0.08 99	0.06 32	0.06 42	0.08 19	0.10 149	0.03 1	0.03 1	0.04 1	0.04 77	0.04 22	0.03 2

4.5w-stereo	0.07 4	0.09 377	0.08 40	0.15 118	0.07 111	0.06 10	0.10 29	0.14 102	0.11 111	0.06 24	0.08 99	0.06 32	0.06 42	0.08 19	0.10 149	0.03 1	0.03 1	0.04 1	0.04 77	0.04 22	0.03 2

4.25w-stereo	0.07 4	0.08 301	0.09 91	0.15 118	0.06 18	0.09 115	0.08 7	0.14 102	0.08 39	0.07 77	0.07 53	0.06 32	0.06 42	0.12 255	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	0.08 301	0.08 40	0.16 199	0.06 18	0.07 36	0.08 7	0.12 59	0.08 39	0.07 77	0.07 53	0.05 7	0.06 42	0.09 48	0.10 149	0.03 1	0.03 1	0.04 1	0.04 77	0.04 22	0.03 2

2.5w	0.07 4	0.07 200	0.07 9	0.16 199	0.06 18	0.08 65	0.12 89	0.10 20	0.10 82	0.07 77	0.06 15	0.09 184	0.06 42	0.08 19	0.09 62	0.04 11	0.03 1	0.04 1	0.04 77	0.03 1	0.03 2

2.75w_new	0.07 4	0.07 200	0.07 9	0.13 14	0.06 18	0.08 65	0.08 7	0.18 261	0.12 140	0.07 77	0.08 99	0.06 32	0.06 42	0.09 48	0.11 246	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 54

3.25w_new	0.07 4	0.06 109	0.07 9	0.15 118	0.06 18	0.10 185	0.07 3	0.12 59	0.11 111	0.08 120	0.06 15	0.07 112	0.06 42	0.11 168	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	0.06 109	0.07 9	0.15 118	0.06 18	0.10 185	0.07 3	0.12 59	0.11 111	0.08 120	0.06 15	0.07 112	0.06 42	0.11 168	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 4	0.07 200	0.08 40	0.16 199	0.07 111	0.07 36	0.09 18	0.16 191	0.09 61	0.07 77	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	0.07 200	0.07 9	0.15 118	0.07 111	0.09 115	0.06 1	0.13 76	0.11 111	0.07 77	0.07 53	0.06 32	0.07 128	0.10 95	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	0.06 109	0.07 9	0.16 199	0.06 18	0.07 36	0.10 29	0.14 102	0.14 203	0.07 77	0.08 99	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	0.06 109	0.06 4	0.16 199	0.06 18	0.08 65	0.10 29	0.16 191	0.11 111	0.07 77	0.08 99	0.06 32	0.07 128	0.08 19	0.09 62	0.04 11	0.04 24	0.05 74	0.04 77	0.03 1	0.03 2

monsters	0.07 4	0.06 109	0.06 4	0.15 118	0.06 18	0.08 65	0.09 18	0.12 59	0.08 39	0.09 156	0.07 53	0.06 32	0.06 42	0.08 19	0.08 17	0.05 37	0.04 24	0.04 1	0.04 77	0.03 1	0.03 2

IGEV	0.07 4	0.04 1	0.08 40	0.13 14	0.06 18	0.09 115	0.12 89	0.14 102	0.10 82	0.06 24	0.09 129	0.07 112	0.05 11	0.09 48	0.09 62	0.06 136	0.04 24	0.05 74	0.04 77	0.05 144	0.04 54

111111	0.07 4	0.04 1	0.09 91	0.17 277	0.06 18	0.05 4	0.10 29	0.11 36	0.09 61	0.06 24	0.06 15	0.07 112	0.05 11	0.09 48	0.09 62	0.06 136	0.04 24	0.05 74	0.04 77	0.07 322	0.06 264

LG-Stereo_L2	0.07 4	0.05 58	0.10 144	0.14 66	0.06 18	0.07 36	0.12 89	0.09 11	0.09 61	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 74	0.03 1	0.04 22	0.03 2

LG-Stereo_L1	0.07 4	0.05 58	0.11 205	0.14 66	0.06 18	0.07 36	0.13 155	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 74	0.03 1	0.04 22	0.04 54

MLG-Stereo_test3	0.07 4	0.05 58	0.10 144	0.14 66	0.06 18	0.07 36	0.11 57	0.08 4	0.06 8	0.06 24	0.04 1	0.06 32	0.06 42	0.07 4	0.10 149	0.06 136	0.04 24	0.05 74	0.04 77	0.05 144	0.06 264

MLG-Stereo	0.07 4	0.05 58	0.08 40	0.17 277	0.05 1	0.07 36	0.11 57	0.08 4	0.04 2	0.05 3	0.04 1	0.06 32	0.05 11	0.10 95	0.09 62	0.05 37	0.04 24	0.05 74	0.03 1	0.04 22	0.04 54

LG-G_1	0.07 4	0.04 1	0.11 205	0.15 118	0.06 18	0.09 115	0.08 7	0.08 4	0.06 8	0.06 24	0.05 7	0.07 112	0.07 128	0.11 168	0.08 17	0.07 303	0.04 24	0.05 74	0.04 77	0.05 144	0.05 169

LG-G	0.07 4	0.04 1	0.11 205	0.15 118	0.06 18	0.09 115	0.08 7	0.08 4	0.06 8	0.06 24	0.05 7	0.07 112	0.07 128	0.11 168	0.08 17	0.07 303	0.04 24	0.05 74	0.04 77	0.05 144	0.05 169

LGtest1	0.07 4	0.04 1	0.10 144	0.15 118	0.06 18	0.07 36	0.09 18	0.08 4	0.06 8	0.05 3	0.04 1	0.06 32	0.06 42	0.10 95	0.09 62	0.07 303	0.04 24	0.05 74	0.04 77	0.06 254	0.06 264

LG-Stereo_Zeroshot	0.07 4	0.06 109	0.10 144	0.16 199	0.07 111	0.04 1	0.13 155	0.10 20	0.10 82	0.05 3	0.11 212	0.07 112	0.05 11	0.07 4	0.09 62	0.06 136	0.04 24	0.05 74	0.04 77	0.05 144	0.04 54

GREAT-IGEV	0.07 4	0.06 109	0.08 40	0.13 14	0.07 111	0.07 36	0.14 213	0.09 11	0.09 61	0.06 24	0.07 53	0.06 32	0.05 11	0.10 95	0.07 1	0.05 37	0.04 24	0.05 74	0.04 77	0.05 144	0.04 54

StereoAnything_RVC	0.07 4	0.15 530	0.17 441	0.11 1	0.05 1	0.05 4	0.11 57	0.08 4	0.08 39	0.06 24	0.06 15	0.05 7	0.05 11	0.09 48	0.08 17	0.08 366	0.04 24	0.05 74	0.03 1	0.05 144	0.04 54

AIO_rvc	0.07 4	0.06 109	0.08 40	0.15 118	0.06 18	0.08 65	0.14 213	0.09 11	0.08 39	0.07 77	0.08 99	0.07 112	0.04 1	0.10 95	0.08 17	0.05 37	0.04 24	0.05 74	0.04 77	0.04 22	0.03 2

AIO_test	0.07 4	0.05 58	0.07 9	0.15 118	0.07 111	0.06 10	0.14 213	0.10 20	0.10 82	0.07 77	0.07 53	0.06 32	0.05 11	0.08 19	0.10 149	0.05 37	0.04 24	0.05 74	0.04 77	0.04 22	0.03 2

MonSter	0.07 4	0.06 109	0.05 1	0.15 118	0.05 1	0.07 36	0.10 29	0.15 144	0.15 222	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

DEFOM-Stereo	0.07 4	0.05 58	0.07 9	0.14 66	0.06 18	0.10 185	0.13 155	0.07 2	0.13 176	0.06 24	0.07 53	0.06 32	0.05 11	0.10 95	0.09 62	0.04 11	0.04 24	0.05 74	0.03 1	0.04 22	0.04 54

dual_stereo	0.07 4	0.04 1	0.08 40	0.15 118	0.05 1	0.05 4	0.13 155	0.12 59	0.08 39	0.07 77	0.06 15	0.05 7	0.05 11	0.07 4	0.09 62	0.06 136	0.04 24	0.05 74	0.03 1	0.04 22	0.04 54

IGEV-Stereo++	0.07 4	0.06 109	0.08 40	0.18 360	0.06 18	0.04 1	0.10 29	0.11 36	0.11 111	0.06 24	0.07 53	0.07 112	0.06 42	0.09 48	0.09 62	0.05 37	0.04 24	0.05 74	0.04 77	0.05 144	0.04 54

IGEV-Stereo+	0.07 4	0.04 1	0.08 40	0.15 118	0.06 18	0.04 1	0.09 18	0.10 20	0.09 61	0.06 24	0.06 15	0.06 32	0.06 42	0.06 1	0.08 17	0.06 136	0.04 24	0.05 74	0.04 77	0.06 254	0.06 264

Selective-IGEV	0.07 4	0.06 109	0.08 40	0.17 277	0.06 18	0.08 65	0.12 89	0.13 76	0.07 16	0.08 120	0.07 53	0.06 32	0.04 1	0.10 95	0.09 62	0.05 37	0.04 24	0.05 74	0.04 77	0.04 22	0.03 2

mfccc	0.08 78	0.04 1	0.10 144	0.13 14	0.07 111	0.10 185	0.11 57	0.14 102	0.09 61	0.06 24	0.09 129	0.06 32	0.08 193	0.10 95	0.11 246	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

SX	0.08 78	0.04 1	0.11 205	0.13 14	0.07 111	0.09 115	0.11 57	0.12 59	0.07 16	0.07 77	0.06 15	0.07 112	0.07 128	0.10 95	0.11 246	0.06 136	0.05 213	0.04 1	0.03 1	0.05 144	0.05 169

USM	0.08 78	0.05 58	0.09 91	0.14 66	0.06 18	0.09 115	0.12 89	0.15 144	0.09 61	0.06 24	0.07 53	0.05 7	0.07 128	0.10 95	0.10 149	0.05 37	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

weee2	0.08 78	0.04 1	0.10 144	0.13 14	0.06 18	0.09 115	0.12 89	0.13 76	0.08 39	0.06 24	0.07 53	0.06 32	0.08 193	0.10 95	0.11 246	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv28	0.08 78	0.04 1	0.10 144	0.13 14	0.06 18	0.09 115	0.12 89	0.14 102	0.08 39	0.05 3	0.08 99	0.06 32	0.06 42	0.09 48	0.10 149	0.06 136	0.06 366	0.04 1	0.03 1	0.05 144	0.04 54

oiu110	0.08 78	0.04 1	0.09 91	0.13 14	0.07 111	0.09 115	0.12 89	0.14 102	0.07 16	0.06 24	0.09 129	0.06 32	0.07 128	0.09 48	0.10 149	0.06 136	0.06 366	0.04 1	0.03 1	0.04 22	0.05 169

ITERv24	0.08 78	0.04 1	0.09 91	0.13 14	0.06 18	0.09 115	0.12 89	0.16 191	0.05 5	0.06 24	0.08 99	0.07 112	0.07 128	0.09 48	0.11 246	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

dd23bbn	0.08 78	0.04 1	0.08 40	0.14 66	0.06 18	0.09 115	0.13 155	0.16 191	0.07 16	0.07 77	0.11 212	0.07 112	0.08 193	0.08 19	0.10 149	0.05 37	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

hj116sk	0.08 78	0.04 1	0.10 144	0.13 14	0.07 111	0.09 115	0.10 29	0.15 144	0.08 39	0.05 3	0.09 129	0.07 112	0.07 128	0.10 95	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv21	0.08 78	0.04 1	0.11 205	0.13 14	0.07 111	0.09 115	0.12 89	0.13 76	0.07 16	0.05 3	0.08 99	0.06 32	0.07 128	0.10 95	0.11 246	0.06 136	0.06 366	0.04 1	0.03 1	0.04 22	0.04 54

v20iiwwt	0.08 78	0.04 1	0.09 91	0.13 14	0.06 18	0.09 115	0.12 89	0.15 144	0.08 39	0.07 77	0.09 129	0.06 32	0.08 193	0.10 95	0.11 246	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv19	0.08 78	0.04 1	0.11 205	0.13 14	0.06 18	0.10 185	0.13 155	0.16 191	0.07 16	0.06 24	0.08 99	0.06 32	0.07 128	0.09 48	0.10 149	0.06 136	0.06 366	0.04 1	0.03 1	0.04 22	0.04 54

ITER124	0.08 78	0.04 1	0.09 91	0.13 14	0.06 18	0.09 115	0.13 155	0.15 144	0.07 16	0.06 24	0.08 99	0.06 32	0.08 193	0.10 95	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

v134_o9	0.08 78	0.04 1	0.11 205	0.13 14	0.06 18	0.09 115	0.12 89	0.16 191	0.07 16	0.06 24	0.08 99	0.06 32	0.07 128	0.09 48	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv12	0.08 78	0.04 1	0.11 205	0.13 14	0.07 111	0.09 115	0.12 89	0.13 76	0.09 61	0.07 77	0.09 129	0.06 32	0.07 128	0.10 95	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.05 144	0.05 169

vnu138km	0.08 78	0.04 1	0.11 205	0.13 14	0.07 111	0.09 115	0.12 89	0.15 144	0.07 16	0.06 24	0.09 129	0.06 32	0.06 42	0.10 95	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv10	0.08 78	0.04 1	0.10 144	0.13 14	0.06 18	0.08 65	0.12 89	0.15 144	0.08 39	0.06 24	0.09 129	0.06 32	0.07 128	0.10 95	0.10 149	0.05 37	0.04 24	0.04 1	0.03 1	0.04 22	0.04 54

99wein	0.08 78	0.04 1	0.10 144	0.13 14	0.06 18	0.08 65	0.11 57	0.15 144	0.09 61	0.06 24	0.09 129	0.06 32	0.06 42	0.10 95	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv8	0.08 78	0.04 1	0.10 144	0.13 14	0.07 111	0.08 65	0.12 89	0.15 144	0.07 16	0.06 24	0.09 129	0.06 32	0.07 128	0.10 95	0.10 149	0.06 136	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

ITERv7	0.08 78	0.04 1	0.10 144	0.13 14	0.06 18	0.09 115	0.12 89	0.15 144	0.07 16	0.06 24	0.09 129	0.06 32	0.07 128	0.10 95	0.10 149	0.05 37	0.05 213	0.04 1	0.03 1	0.04 22	0.04 54

GEAStereo	0.08 78	0.05 58	0.08 40	0.13 14	0.08 182	0.08 65	0.14 213	0.10 20	0.09 61	0.08 120	0.10 173	0.06 32	0.05 11	0.11 168	0.08 17	0.06 136	0.04 24	0.05 74	0.04 77	0.05 144	0.05 169

GSStereo	0.08 78	0.05 58	0.08 40	0.13 14	0.08 182	0.08 65	0.14 213	0.11 36	0.12 140	0.08 120	0.10 173	0.05 7	0.05 11	0.11 168	0.08 17	0.06 136	0.04 24	0.05 74	0.04 77	0.05 144	0.05 169

gasm-f	0.08 78	0.05 58	0.07 9	0.13 14	0.08 182	0.08 65	0.14 213	0.10 20	0.09 61	0.08 120	0.10 173	0.06 32	0.05 11	0.10 95	0.08 17	0.06 136	0.04 24	0.05 74	0.04 77	0.06 254	0.05 169

DDF-Stereo	0.08 78	0.04 1	0.09 91	0.15 118	0.10 403	0.06 10	0.13 155	0.09 11	0.14 203	0.06 24	0.06 15	0.07 112	0.06 42	0.09 48	0.10 149	0.06 136	0.04 24	0.06 161	0.04 77	0.08 385	0.05 169

252Zero-FE	0.08 78	0.04 1	0.09 91	0.13 14	0.07 111	0.12 269	0.11 57	0.13 76	0.14 203	0.06 24	0.05 7	0.06 32	0.05 11	0.09 48	0.10 149	0.06 136	0.04 24	0.04 1	0.03 1	0.05 144	0.06 264

DA	0.08 78	0.07 200	0.07 9	0.19 418	0.08 182	0.09 115	0.12 89	0.13 76	0.12 140	0.08 120	0.10 173	0.10 217	0.08 193	0.09 48	0.10 149	0.05 37	0.04 24	0.06 161	0.04 77	0.05 144	0.03 2

zero-FE	0.08 78	0.04 1	0.09 91	0.15 118	0.10 403	0.05 4	0.14 213	0.09 11	0.14 203	0.07 77	0.06 15	0.07 112	0.06 42	0.09 48	0.10 149	0.06 136	0.04 24	0.06 161	0.04 77	0.08 385	0.05 169

GGEV	0.08 78	0.07 200	0.07 9	0.19 418	0.08 182	0.09 115	0.12 89	0.13 76	0.12 140	0.08 120	0.10 173	0.10 217	0.08 193	0.09 48	0.10 149	0.05 37	0.04 24	0.06 161	0.04 77	0.05 144	0.03 2

GASTEREO	0.08 78	0.05 58	0.09 91	0.19 418	0.07 111	0.07 36	0.12 89	0.14 102	0.11 111	0.10 190	0.09 129	0.07 112	0.04 1	0.12 255	0.08 17	0.06 136	0.05 213	0.05 74	0.04 77	0.04 22	0.05 169

MSCF	0.08 78	0.05 58	0.08 40	0.19 418	0.08 182	0.06 10	0.12 89	0.14 102	0.11 111	0.10 190	0.09 129	0.07 112	0.04 1	0.11 168	0.08 17	0.06 136	0.05 213	0.05 74	0.04 77	0.05 144	0.05 169

S2M2_XL	0.08 78	0.06 109	0.12 246	0.12 4	0.08 182	0.09 115	0.09 18	0.07 2	0.07 16	0.08 120	0.07 53	0.07 112	0.06 42	0.09 48	0.09 62	0.08 366	0.06 366	0.07 260	0.05 171	0.08 385	0.06 264
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 78	0.09 377	0.10 144	0.17 277	0.07 111	0.08 65	0.10 29	0.20 294	0.13 176	0.06 24	0.07 53	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

2w_stereo	0.08 78	0.08 301	0.09 91	0.16 199	0.06 18	0.08 65	0.10 29	0.20 294	0.15 222	0.08 120	0.07 53	0.06 32	0.06 42	0.06 1	0.09 62	0.04 11	0.03 1	0.04 1	0.04 77	0.03 1	0.03 2

LG-Stereo	0.08 78	0.07 200	0.10 144	0.18 360	0.07 111	0.10 185	0.17 385	0.11 36	0.08 39	0.05 3	0.07 53	0.05 7	0.07 128	0.09 48	0.09 62	0.04 11	0.05 213	0.07 260	0.07 338	0.04 22	0.04 54

SGD-Stereo	0.08 78	0.05 58	0.10 144	0.14 66	0.05 1	0.12 269	0.12 89	0.11 36	0.12 140	0.07 77	0.09 129	0.09 184	0.09 233	0.08 19	0.08 17	0.06 136	0.04 24	0.05 74	0.04 77	0.05 144	0.03 2

HART	0.08 78	0.07 200	0.09 91	0.17 277	0.07 111	0.10 185	0.16 351	0.13 76	0.11 111	0.08 120	0.10 173	0.07 112	0.05 11	0.10 95	0.08 17	0.05 37	0.04 24	0.06 161	0.04 77	0.05 144	0.04 54

Reg-Stereo(zero)	0.08 78	0.05 58	0.08 40	0.16 199	0.06 18	0.12 269	0.11 57	0.15 144	0.10 82	0.12 259	0.09 129	0.10 217	0.08 193	0.11 168	0.08 17	0.06 136	0.04 24	0.05 74	0.04 77	0.04 22	0.05 169

SCV_C0	0.08 78	0.07 200	0.07 9	0.16 199	0.09 300	0.08 65	0.15 285	0.11 36	0.12 140	0.08 120	0.07 53	0.06 32	0.05 11	0.11 168	0.07 1	0.05 37	0.05 213	0.05 74	0.04 77	0.06 254	0.05 169

SCV	0.08 78	0.09 377	0.08 40	0.15 118	0.08 182	0.10 185	0.13 155	0.10 20	0.12 140	0.07 77	0.07 53	0.06 32	0.04 1	0.09 48	0.08 17	0.05 37	0.04 24	0.06 161	0.04 77	0.06 254	0.04 54

DEFOM-Stereo_RVC	0.08 78	0.06 109	0.09 91	0.22 519	0.06 18	0.08 65	0.12 89	0.10 20	0.10 82	0.07 77	0.07 53	0.06 32	0.05 11	0.11 168	0.09 62	0.06 136	0.04 24	0.05 74	0.03 1	0.06 254	0.04 54

HUF	0.08 78	0.05 58	0.08 40	0.14 66	0.06 18	0.09 115	0.13 155	0.13 76	0.13 176	0.07 77	0.07 53	0.08 159	0.06 42	0.10 95	0.09 62	0.06 136	0.04 24	0.05 74	0.04 77	0.05 144	0.04 54

castereo++	0.08 78	0.05 58	0.08 40	0.15 118	0.05 1	0.14 344	0.12 89	0.11 36	0.15 222	0.07 77	0.07 53	0.07 112	0.06 42	0.08 19	0.08 17	0.06 136	0.04 24	0.05 74	0.04 77	0.04 22	0.03 2

IGEV-RUCA	0.08 78	0.06 109	0.11 205	0.14 66	0.09 300	0.10 185	0.12 89	0.10 20	0.12 140	0.06 24	0.07 53	0.07 112	0.06 42	0.09 48	0.08 17	0.06 136	0.05 213	0.05 74	0.04 77	0.05 144	0.06 264

GIP-stereo	0.08 78	0.06 109	0.11 205	0.14 66	0.06 18	0.09 115	0.13 155	0.14 102	0.11 111	0.07 77	0.08 99	0.05 7	0.04 1	0.10 95	0.07 1	0.05 37	0.04 24	0.05 74	0.04 77	0.05 144	0.04 54

SMoEStereo_RVC	0.08 78	0.06 109	0.12 246	0.16 199	0.07 111	0.09 115	0.14 213	0.11 36	0.13 176	0.09 156	0.07 53	0.07 112	0.07 128	0.12 255	0.10 149	0.05 37	0.04 24	0.06 161	0.05 171	0.04 22	0.04 54

WCG-NET	0.08 78	0.05 58	0.09 91	0.15 118	0.06 18	0.11 233	0.14 213	0.13 76	0.13 176	0.06 24	0.09 129	0.07 112	0.06 42	0.13 301	0.08 17	0.05 37	0.04 24	0.05 74	0.04 77	0.04 22	0.03 2

Occ-G	0.08 78	0.05 58	0.06 4	0.14 66	0.07 111	0.08 65	0.14 213	0.13 76	0.15 222	0.07 77	0.11 212	0.07 112	0.05 11	0.09 48	0.10 149	0.06 136	0.05 213	0.05 74	0.04 77	0.05 144	0.05 169

U	0.08 78	0.07 200	0.09 91	0.19 418	0.10 403	0.10 185	0.13 155	0.12 59	0.17 271	0.07 77	0.07 53	0.06 32	0.05 11	0.07 4	0.08 17	0.06 136	0.04 24	0.06 161	0.04 77	0.06 254	0.05 169

AIO-Stereo	0.08 78	0.06 109	0.09 91	0.18 360	0.06 18	0.08 65	0.12 89	0.15 144	0.09 61	0.08 120	0.08 99	0.07 112	0.05 11	0.11 168	0.08 17	0.05 37	0.05 213	0.05 74	0.04 77	0.04 22	0.04 54

WCG-NET（raft）	0.08 78	0.05 58	0.10 144	0.15 118	0.06 18	0.11 233	0.13 155	0.15 144	0.12 140	0.08 120	0.07 53	0.06 32	0.06 42	0.13 301	0.08 17	0.05 37	0.04 24	0.05 74	0.04 77	0.04 22	0.04 54

RSM++	0.08 78	0.06 109	0.09 91	0.17 277	0.07 111	0.09 115	0.12 89	0.11 36	0.11 111	0.08 120	0.06 15	0.07 112	0.05 11	0.10 95	0.09 62	0.04 11	0.04 24	0.06 161	0.05 171	0.05 144	0.03 2

RSM	0.08 78	0.06 109	0.09 91	0.17 277	0.06 18	0.08 65	0.12 89	0.12 59	0.10 82	0.08 120	0.07 53	0.06 32	0.05 11	0.11 168	0.09 62	0.04 11	0.04 24	0.05 74	0.04 77	0.04 22	0.03 2

trnet	0.08 78	0.05 58	0.07 9	0.12 4	0.05 1	0.12 269	0.11 57	0.13 76	0.10 82	0.08 120	0.13 241	0.09 184	0.08 193	0.11 168	0.10 149	0.08 366	0.05 213	0.05 74	0.03 1	0.06 254	0.05 169

MoCha-V2	0.08 78	0.05 58	0.10 144	0.20 475	0.07 111	0.09 115	0.14 213	0.11 36	0.08 39	0.07 77	0.08 99	0.07 112	0.06 42	0.09 48	0.08 17	0.05 37	0.04 24	0.05 74	0.04 77	0.04 22	0.04 54

IGEV++	0.08 78	0.06 109	0.08 40	0.18 360	0.07 111	0.09 115	0.13 155	0.10 20	0.09 61	0.08 120	0.08 99	0.06 32	0.06 42	0.13 301	0.09 62	0.05 37	0.04 24	0.05 74	0.04 77	0.05 144	0.04 54

testlalala	0.08 78	0.07 200	0.17 441	0.16 199	0.08 182	0.09 115	0.12 89	0.15 144	0.10 82	0.07 77	0.09 129	0.06 32	0.06 42	0.11 168	0.09 62	0.05 37	0.04 24	0.06 161	0.04 77	0.04 22	0.04 54

AEACV	0.08 78	0.05 58	0.08 40	0.14 66	0.13 508	0.14 344	0.13 155	0.14 102	0.09 61	0.07 77	0.09 129	0.07 112	0.08 193	0.10 95	0.09 62	0.06 136	0.04 24	0.06 161	0.05 171	0.05 144	0.04 54

LoS_RVC	0.08 78	0.05 58	0.07 9	0.15 118	0.07 111	0.08 65	0.15 285	0.11 36	0.10 82	0.08 120	0.09 129	0.06 32	0.09 233	0.10 95	0.09 62	0.05 37	0.04 24	0.05 74	0.03 1	0.04 22	0.03 2

CAS	0.08 78	0.04 1	0.07 9	0.17 277	0.08 182	0.10 185	0.13 155	0.12 59	0.09 61	0.09 156	0.10 173	0.08 159	0.06 42	0.09 48	0.08 17	0.08 366	0.04 24	0.05 74	0.03 1	0.05 144	0.04 54

CES	0.08 78	0.04 1	0.08 40	0.14 66	0.07 111	0.09 115	0.14 213	0.11 36	0.09 61	0.08 120	0.09 129	0.11 242	0.06 42	0.12 255	0.08 17	0.06 136	0.04 24	0.05 74	0.03 1	0.05 144	0.05 169

EGLCR-Stereo	0.08 78	0.05 58	0.08 40	0.14 66	0.06 18	0.10 185	0.12 89	0.11 36	0.16 251	0.06 24	0.05 7	0.07 112	0.05 11	0.10 95	0.11 246	0.06 136	0.04 24	0.06 161	0.05 171	0.04 22	0.04 54

MC-Stereo	0.08 78	0.06 109	0.09 91	0.17 277	0.06 18	0.10 185	0.14 213	0.12 59	0.10 82	0.09 156	0.12 227	0.09 184	0.06 42	0.11 168	0.10 149	0.06 136	0.04 24	0.06 161	0.05 171	0.04 22	0.04 54

test-3	0.08 78	0.06 109	0.09 91	0.17 277	0.07 111	0.07 36	0.14 213	0.12 59	0.15 222	0.09 156	0.08 99	0.07 112	0.08 193	0.11 168	0.10 149	0.05 37	0.04 24	0.07 260	0.05 171	0.04 22	0.04 54

test_1	0.08 78	0.06 109	0.09 91	0.17 277	0.07 111	0.07 36	0.14 213	0.12 59	0.15 222	0.09 156	0.08 99	0.07 112	0.08 193	0.11 168	0.10 149	0.05 37	0.04 24	0.07 260	0.05 171	0.04 22	0.04 54

CREStereo++_RVC	0.08 78	0.04 1	0.06 4	0.13 14	0.07 111	0.09 115	0.12 89	0.14 102	0.14 203	0.10 190	0.14 255	0.08 159	0.07 128	0.09 48	0.11 246	0.06 136	0.04 24	0.05 74	0.05 171	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
FE-Mocha	0.09 143	0.06 109	0.14 327	0.16 199	0.09 300	0.10 185	0.15 285	0.18 261	0.16 251	0.10 190	0.09 129	0.07 112	0.07 128	0.09 48	0.09 62	0.06 136	0.04 24	0.06 161	0.06 249	0.05 144	0.05 169

IGEV-FE	0.09 143	0.05 58	0.12 246	0.13 14	0.08 182	0.12 269	0.13 155	0.17 231	0.11 111	0.10 190	0.06 15	0.09 184	0.06 42	0.11 168	0.09 62	0.06 136	0.04 24	0.06 161	0.06 249	0.05 144	0.05 169

water-stereo	0.09 143	0.06 109	0.08 40	0.16 199	0.07 111	0.09 115	0.13 155	0.15 144	0.13 176	0.11 221	0.12 227	0.08 159	0.09 233	0.07 4	0.08 17	0.06 136	0.05 213	0.05 74	0.05 171	0.04 22	0.04 54

depthmonostereo	0.09 143	0.06 109	0.09 91	0.15 118	0.06 18	0.10 185	0.13 155	0.14 102	0.14 203	0.10 190	0.10 173	0.09 184	0.11 291	0.08 19	0.09 62	0.06 136	0.05 213	0.06 161	0.04 77	0.04 22	0.03 2

DilatedVolume-Stereo	0.09 143	0.05 58	0.08 40	0.15 118	0.06 18	0.11 233	0.12 89	0.14 102	0.16 251	0.11 221	0.11 212	0.09 184	0.09 233	0.11 168	0.10 149	0.06 136	0.05 213	0.05 74	0.04 77	0.03 1	0.03 2

S2M2_L	0.09 143	0.08 301	0.11 205	0.13 14	0.10 403	0.08 65	0.06 1	0.10 20	0.10 82	0.10 190	0.09 129	0.10 217	0.09 233	0.11 168	0.11 246	0.13 543	0.07 446	0.08 345	0.09 450	0.10 480	0.08 409
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 143	0.06 109	0.09 91	0.19 418	0.08 182	0.12 269	0.18 430	0.15 144	0.14 203	0.07 77	0.10 173	0.07 112	0.06 42	0.12 255	0.09 62	0.05 37	0.04 24	0.06 161	0.05 171	0.05 144	0.03 2

castereo	0.09 143	0.06 109	0.11 205	0.15 118	0.06 18	0.11 233	0.15 285	0.14 102	0.18 297	0.08 120	0.10 173	0.11 242	0.08 193	0.09 48	0.10 149	0.05 37	0.04 24	0.05 74	0.04 77	0.04 22	0.03 2

fffft	0.09 143	0.06 109	0.12 246	0.16 199	0.07 111	0.09 115	0.17 385	0.12 59	0.11 111	0.08 120	0.07 53	0.09 184	0.06 42	0.11 168	0.12 303	0.05 37	0.04 24	0.06 161	0.05 171	0.04 22	0.05 169
1: 1. 1
tt45	0.09 143	0.06 109	0.11 205	0.15 118	0.07 111	0.11 233	0.16 351	0.13 76	0.11 111	0.09 156	0.06 15	0.08 159	0.06 42	0.13 301	0.10 149	0.06 136	0.04 24	0.06 161	0.05 171	0.05 144	0.06 264

999	0.09 143	0.05 58	0.13 292	0.15 118	0.08 182	0.10 185	0.14 213	0.15 144	0.11 111	0.10 190	0.08 99	0.08 159	0.08 193	0.16 383	0.10 149	0.06 136	0.04 24	0.06 161	0.05 171	0.04 22	0.05 169

mms	0.09 143	0.07 200	0.08 40	0.16 199	0.08 182	0.10 185	0.16 351	0.12 59	0.11 111	0.08 120	0.09 129	0.08 159	0.06 42	0.11 168	0.12 303	0.05 37	0.04 24	0.07 260	0.05 171	0.04 22	0.03 2

ours_stereo	0.09 143	0.07 200	0.09 91	0.17 277	0.08 182	0.11 233	0.16 351	0.11 36	0.12 140	0.08 120	0.10 173	0.08 159	0.06 42	0.12 255	0.12 303	0.05 37	0.04 24	0.06 161	0.05 171	0.04 22	0.03 2

fffy	0.09 143	0.08 301	0.09 91	0.16 199	0.07 111	0.13 312	0.17 385	0.13 76	0.12 140	0.08 120	0.09 129	0.08 159	0.09 233	0.13 301	0.11 246	0.05 37	0.05 213	0.07 260	0.05 171	0.04 22	0.05 169

PAM_32	0.09 143	0.05 58	0.17 441	0.15 118	0.08 182	0.10 185	0.15 285	0.14 102	0.15 222	0.09 156	0.08 99	0.09 184	0.07 128	0.14 327	0.08 17	0.06 136	0.05 213	0.06 161	0.06 249	0.05 144	0.06 264

UGAM-zero	0.09 143	0.05 58	0.15 379	0.15 118	0.08 182	0.09 115	0.13 155	0.19 283	0.15 222	0.11 221	0.15 272	0.07 112	0.07 128	0.09 48	0.09 62	0.06 136	0.05 213	0.06 161	0.05 171	0.05 144	0.06 264

GCAP-BAT	0.09 143	0.07 200	0.14 327	0.15 118	0.08 182	0.10 185	0.13 155	0.14 102	0.10 82	0.11 221	0.10 173	0.08 159	0.07 128	0.12 255	0.10 149	0.06 136	0.05 213	0.06 161	0.04 77	0.04 22	0.04 54

Pointernet	0.09 143	0.04 1	0.09 91	0.16 199	0.08 182	0.13 312	0.10 29	0.15 144	0.17 271	0.09 156	0.07 53	0.06 32	0.06 42	0.11 168	0.09 62	0.08 366	0.04 24	0.05 74	0.03 1	0.06 254	0.05 169

IGEV-BASED-STEREO-	0.09 143	0.10 435	0.31 548	0.15 118	0.06 18	0.08 65	0.14 213	0.10 20	0.10 82	0.07 77	0.07 53	0.06 32	0.04 1	0.11 168	0.07 1	0.12 520	0.04 24	0.07 260	0.05 171	0.05 144	0.05 169

RAFT-Stereo-weight	0.09 143	0.06 109	0.10 144	0.16 199	0.07 111	0.09 115	0.14 213	0.19 283	0.16 251	0.11 221	0.10 173	0.08 159	0.06 42	0.10 95	0.11 246	0.06 136	0.04 24	0.06 161	0.04 77	0.04 22	0.04 54

gcap-zeroshot	0.09 143	0.05 58	0.10 144	0.16 199	0.07 111	0.13 312	0.13 155	0.11 36	0.12 140	0.13 286	0.12 227	0.09 184	0.08 193	0.09 48	0.09 62	0.06 136	0.05 213	0.06 161	0.05 171	0.04 22	0.04 54

test_for_model	0.09 143	0.12 479	0.14 327	0.23 540	0.11 453	0.08 65	0.13 155	0.12 59	0.12 140	0.10 190	0.07 53	0.07 112	0.06 42	0.11 168	0.10 149	0.06 136	0.05 213	0.05 74	0.03 1	0.07 322	0.04 54

MGS-Stereo	0.09 143	0.07 200	0.12 246	0.15 118	0.08 182	0.09 115	0.15 285	0.12 59	0.12 140	0.07 77	0.10 173	0.08 159	0.06 42	0.10 95	0.09 62	0.05 37	0.04 24	0.06 161	0.05 171	0.06 254	0.05 169

ff7	0.09 143	0.07 200	0.11 205	0.16 199	0.09 300	0.11 233	0.15 285	0.16 191	0.12 140	0.10 190	0.06 15	0.06 32	0.06 42	0.11 168	0.09 62	0.05 37	0.04 24	0.06 161	0.05 171	0.05 144	0.06 264

IGEVStereo-DCA	0.09 143	0.06 109	0.11 205	0.15 118	0.10 403	0.11 233	0.15 285	0.16 191	0.12 140	0.10 190	0.06 15	0.08 159	0.06 42	0.10 95	0.08 17	0.06 136	0.05 213	0.06 161	0.05 171	0.05 144	0.06 264

ffff	0.09 143	0.07 200	0.11 205	0.16 199	0.09 300	0.11 233	0.15 285	0.16 191	0.12 140	0.10 190	0.06 15	0.06 32	0.06 42	0.11 168	0.09 62	0.05 37	0.04 24	0.06 161	0.05 171	0.05 144	0.06 264

rrr	0.09 143	0.06 109	0.12 246	0.15 118	0.10 403	0.11 233	0.16 351	0.16 191	0.15 222	0.10 190	0.06 15	0.08 159	0.06 42	0.10 95	0.08 17	0.06 136	0.05 213	0.06 161	0.05 171	0.05 144	0.06 264

11t	0.09 143	0.07 200	0.11 205	0.16 199	0.09 300	0.11 233	0.15 285	0.16 191	0.12 140	0.10 190	0.06 15	0.06 32	0.06 42	0.11 168	0.09 62	0.05 37	0.04 24	0.06 161	0.05 171	0.05 144	0.06 264

MaDis-Stereo	0.09 143	0.09 377	0.08 40	0.17 277	0.09 300	0.13 312	0.10 29	0.16 191	0.16 251	0.09 156	0.11 212	0.06 32	0.06 42	0.09 48	0.13 344	0.07 303	0.06 366	0.07 260	0.05 171	0.05 144	0.04 54

IGEV_Zeroshot_test	0.09 143	0.05 58	0.12 246	0.13 14	0.08 182	0.12 269	0.13 155	0.17 231	0.11 111	0.10 190	0.06 15	0.09 184	0.06 42	0.11 168	0.09 62	0.06 136	0.04 24	0.06 161	0.06 249	0.05 144	0.05 169

MSKI-zero shot	0.09 143	0.05 58	0.09 91	0.15 118	0.07 111	0.10 185	0.13 155	0.14 102	0.13 176	0.09 156	0.09 129	0.09 184	0.06 42	0.12 255	0.10 149	0.06 136	0.04 24	0.05 74	0.04 77	0.04 22	0.04 54

UniTT-Stereo	0.09 143	0.07 200	0.08 40	0.18 360	0.08 182	0.13 312	0.11 57	0.12 59	0.11 111	0.10 190	0.12 227	0.05 7	0.07 128	0.09 48	0.09 62	0.07 303	0.05 213	0.05 74	0.05 171	0.05 144	0.05 169

MIM_Stereo	0.09 143	0.07 200	0.11 205	0.15 118	0.07 111	0.06 10	0.12 89	0.20 294	0.14 203	0.13 286	0.13 241	0.09 184	0.05 11	0.12 255	0.08 17	0.05 37	0.06 366	0.07 260	0.06 249	0.06 254	0.05 169

CASnet	0.09 143	0.09 377	0.09 91	0.19 418	0.06 18	0.07 36	0.11 57	0.18 261	0.14 203	0.11 221	0.10 173	0.09 184	0.07 128	0.10 95	0.10 149	0.06 136	0.04 24	0.10 474	0.08 403	0.05 144	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 143	0.07 200	0.13 292	0.18 360	0.06 18	0.11 233	0.07 3	0.13 76	0.12 140	0.09 156	0.10 173	0.07 112	0.09 233	0.13 301	0.10 149	0.06 136	0.05 213	0.05 74	0.04 77	0.04 22	0.05 169

RAFT-Test	0.09 143	0.06 109	0.10 144	0.15 118	0.07 111	0.11 233	0.15 285	0.16 191	0.13 176	0.09 156	0.10 173	0.10 217	0.09 233	0.12 255	0.09 62	0.06 136	0.04 24	0.05 74	0.04 77	0.04 22	0.05 169

HH	0.09 143	0.06 109	0.13 292	0.17 277	0.08 182	0.10 185	0.16 351	0.14 102	0.10 82	0.08 120	0.09 129	0.08 159	0.07 128	0.10 95	0.09 62	0.06 136	0.04 24	0.06 161	0.05 171	0.05 144	0.04 54

HanStereo	0.09 143	0.06 109	0.13 292	0.17 277	0.08 182	0.10 185	0.16 351	0.14 102	0.10 82	0.08 120	0.09 129	0.08 159	0.07 128	0.10 95	0.09 62	0.06 136	0.04 24	0.06 161	0.05 171	0.05 144	0.04 54

4D-IteraStereo	0.09 143	0.07 200	0.10 144	0.18 360	0.07 111	0.09 115	0.15 285	0.17 231	0.15 222	0.10 190	0.11 212	0.10 217	0.07 128	0.11 168	0.09 62	0.05 37	0.03 1	0.08 345	0.07 338	0.06 254	0.05 169

anonymousdsp	0.09 143	0.07 200	0.11 205	0.16 199	0.09 300	0.11 233	0.15 285	0.16 191	0.12 140	0.09 156	0.06 15	0.06 32	0.06 42	0.11 168	0.09 62	0.05 37	0.04 24	0.06 161	0.05 171	0.05 144	0.06 264

LoS	0.09 143	0.05 58	0.11 205	0.13 14	0.07 111	0.14 344	0.11 57	0.15 144	0.15 222	0.09 156	0.09 129	0.12 259	0.09 233	0.15 349	0.10 149	0.07 303	0.05 213	0.05 74	0.03 1	0.05 144	0.05 169
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 143	0.07 200	0.10 144	0.17 277	0.08 182	0.10 185	0.15 285	0.15 144	0.12 140	0.09 156	0.06 15	0.07 112	0.06 42	0.11 168	0.09 62	0.05 37	0.04 24	0.06 161	0.05 171	0.04 22	0.06 264

RCA-Stereo	0.09 143	0.06 109	0.09 91	0.16 199	0.06 18	0.09 115	0.13 155	0.18 261	0.14 203	0.09 156	0.10 173	0.08 159	0.07 128	0.12 255	0.11 246	0.06 136	0.04 24	0.06 161	0.05 171	0.05 144	0.04 54

CroCo-Stereo Lap2	0.09 143	0.09 377	0.08 40	0.22 519	0.09 300	0.09 115	0.19 470	0.16 191	0.12 140	0.09 156	0.10 173	0.05 7	0.05 11	0.08 19	0.08 17	0.06 136	0.06 366	0.07 260	0.05 171	0.05 144	0.05 169

ccc-4	0.09 143	0.07 200	0.11 205	0.16 199	0.09 300	0.11 233	0.15 285	0.16 191	0.12 140	0.10 190	0.06 15	0.06 32	0.06 42	0.11 168	0.09 62	0.05 37	0.04 24	0.06 161	0.05 171	0.05 144	0.06 264

IGEV-Stereo	0.09 143	0.07 200	0.11 205	0.16 199	0.09 300	0.11 233	0.15 285	0.16 191	0.12 140	0.09 156	0.06 15	0.06 32	0.06 42	0.11 168	0.09 62	0.05 37	0.04 24	0.06 161	0.05 171	0.05 144	0.06 264
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 143	0.05 58	0.13 292	0.14 66	0.08 182	0.12 269	0.15 285	0.18 261	0.10 82	0.11 221	0.08 99	0.08 159	0.05 11	0.10 95	0.09 62	0.06 136	0.04 24	0.06 161	0.05 171	0.06 254	0.05 169

TRStereo	0.09 143	0.05 58	0.12 246	0.15 118	0.12 485	0.10 185	0.13 155	0.18 261	0.18 297	0.09 156	0.09 129	0.09 184	0.06 42	0.10 95	0.08 17	0.07 303	0.05 213	0.07 260	0.07 338	0.04 22	0.04 54

AnonymousM	0.09 143	0.05 58	0.10 144	0.14 66	0.06 18	0.09 115	0.13 155	0.19 283	0.14 203	0.13 286	0.11 212	0.09 184	0.08 193	0.13 301	0.10 149	0.08 366	0.05 213	0.08 345	0.05 171	0.05 144	0.05 169

CroCo-Stereo	0.09 143	0.08 301	0.08 40	0.22 519	0.09 300	0.09 115	0.19 470	0.15 144	0.12 140	0.07 77	0.07 53	0.08 159	0.06 42	0.08 19	0.07 1	0.07 303	0.05 213	0.06 161	0.04 77	0.05 144	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
s12784h	0.09 143	0.06 109	0.07 9	0.15 118	0.05 1	0.16 400	0.18 430	0.15 144	0.15 222	0.10 190	0.11 212	0.11 242	0.11 291	0.10 95	0.12 303	0.05 37	0.04 24	0.05 74	0.04 77	0.04 22	0.04 54

TANstereo	0.09 143	0.04 1	0.08 40	0.13 14	0.06 18	0.11 233	0.14 213	0.15 144	0.19 313	0.11 221	0.15 272	0.10 217	0.06 42	0.12 255	0.09 62	0.07 303	0.05 213	0.05 74	0.04 77	0.06 254	0.05 169

XX-TBD	0.09 143	0.06 109	0.07 9	0.14 66	0.07 111	0.12 269	0.16 351	0.14 102	0.13 176	0.11 221	0.12 227	0.09 184	0.08 193	0.10 95	0.10 149	0.06 136	0.04 24	0.05 74	0.03 1	0.06 254	0.05 169

raftrobust	0.09 143	0.06 109	0.10 144	0.17 277	0.08 182	0.09 115	0.10 29	0.18 261	0.16 251	0.10 190	0.09 129	0.12 259	0.07 128	0.12 255	0.10 149	0.08 366	0.05 213	0.06 161	0.05 171	0.05 144	0.05 169

XX-Stereo	0.09 143	0.05 58	0.08 40	0.17 277	0.09 300	0.15 370	0.12 89	0.20 294	0.10 82	0.10 190	0.14 255	0.07 112	0.06 42	0.12 255	0.08 17	0.06 136	0.05 213	0.06 161	0.06 249	0.04 22	0.04 54

test_xeample3	0.09 143	0.06 109	0.12 246	0.16 199	0.09 300	0.11 233	0.15 285	0.16 191	0.13 176	0.10 190	0.06 15	0.08 159	0.06 42	0.10 95	0.09 62	0.05 37	0.04 24	0.06 161	0.05 171	0.05 144	0.06 264

RAFT-Stereo + iAFF	0.09 143	0.06 109	0.10 144	0.17 277	0.06 18	0.10 185	0.16 351	0.17 231	0.14 203	0.09 156	0.10 173	0.08 159	0.09 233	0.11 168	0.09 62	0.05 37	0.04 24	0.06 161	0.06 249	0.04 22	0.03 2

AFF-stereo	0.09 143	0.06 109	0.10 144	0.17 277	0.07 111	0.10 185	0.16 351	0.17 231	0.09 61	0.10 190	0.12 227	0.09 184	0.09 233	0.12 255	0.09 62	0.05 37	0.04 24	0.07 260	0.07 338	0.04 22	0.03 2

EAI-Stereo	0.09 143	0.07 200	0.11 205	0.15 118	0.06 18	0.10 185	0.15 285	0.16 191	0.09 61	0.08 120	0.09 129	0.08 159	0.07 128	0.09 48	0.11 246	0.05 37	0.04 24	0.05 74	0.05 171	0.05 144	0.04 54

CFNet-RSSM	0.09 143	0.07 200	0.09 91	0.16 199	0.07 111	0.09 115	0.15 285	0.16 191	0.17 271	0.08 120	0.12 227	0.10 217	0.09 233	0.11 168	0.09 62	0.06 136	0.04 24	0.06 161	0.04 77	0.04 22	0.04 54

Gwc-CoAtRS	0.09 143	0.06 109	0.10 144	0.16 199	0.07 111	0.10 185	0.14 213	0.17 231	0.17 271	0.08 120	0.10 173	0.12 259	0.09 233	0.12 255	0.09 62	0.06 136	0.04 24	0.06 161	0.04 77	0.04 22	0.04 54

CREStereo	0.09 143	0.04 1	0.08 40	0.11 1	0.06 18	0.13 312	0.14 213	0.14 102	0.10 82	0.08 120	0.13 241	0.09 184	0.08 193	0.11 168	0.10 149	0.08 366	0.04 24	0.05 74	0.03 1	0.06 254	0.06 264
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 143	0.05 58	0.09 91	0.12 4	0.06 18	0.12 269	0.14 213	0.15 144	0.11 111	0.09 156	0.13 241	0.10 217	0.07 128	0.13 301	0.10 149	0.15 561	0.04 24	0.05 74	0.03 1	0.07 322	0.06 264

MM-Stereo_test3	0.10 206	0.07 200	0.07 9	0.18 360	0.07 111	0.12 269	0.19 470	0.24 383	0.19 313	0.06 24	0.10 173	0.08 159	0.06 42	0.11 168	0.08 17	0.06 136	0.06 366	0.07 260	0.05 171	0.05 144	0.04 54

MM-Stereo_test1	0.10 206	0.07 200	0.08 40	0.18 360	0.07 111	0.12 269	0.18 430	0.21 317	0.20 336	0.09 156	0.11 212	0.08 159	0.06 42	0.10 95	0.10 149	0.06 136	0.05 213	0.07 260	0.06 249	0.05 144	0.04 54

AIO-test2	0.10 206	0.08 301	0.10 144	0.23 540	0.08 182	0.11 233	0.10 29	0.23 360	0.23 375	0.08 120	0.09 129	0.08 159	0.05 11	0.10 95	0.08 17	0.06 136	0.05 213	0.08 345	0.09 450	0.05 144	0.05 169

AIO-test1	0.10 206	0.07 200	0.10 144	0.23 540	0.07 111	0.09 115	0.13 155	0.21 317	0.14 203	0.11 221	0.12 227	0.09 184	0.07 128	0.11 168	0.09 62	0.06 136	0.05 213	0.09 426	0.10 489	0.03 1	0.06 264

tg	0.10 206	0.06 109	0.10 144	0.18 360	0.08 182	0.11 233	0.16 351	0.20 294	0.12 140	0.08 120	0.11 212	0.11 242	0.07 128	0.11 168	0.10 149	0.05 37	0.04 24	0.08 345	0.08 403	0.04 22	0.04 54

PAM	0.10 206	0.05 58	0.16 413	0.15 118	0.08 182	0.09 115	0.16 351	0.15 144	0.16 251	0.12 259	0.09 129	0.09 184	0.07 128	0.13 301	0.08 17	0.06 136	0.05 213	0.06 161	0.06 249	0.05 144	0.06 264

model_zeroshot	0.10 206	0.04 1	0.11 205	0.15 118	0.09 300	0.12 269	0.14 213	0.20 294	0.13 176	0.11 221	0.10 173	0.12 259	0.07 128	0.12 255	0.10 149	0.07 303	0.06 366	0.06 161	0.05 171	0.06 254	0.06 264

RAStereo	0.10 206	0.09 377	0.08 40	0.20 475	0.08 182	0.13 312	0.18 430	0.15 144	0.17 271	0.10 190	0.12 227	0.05 7	0.06 42	0.09 48	0.08 17	0.07 303	0.05 213	0.07 260	0.05 171	0.05 144	0.04 54

rvit_stereo_0080	0.10 206	0.08 301	0.14 327	0.15 118	0.09 300	0.07 36	0.15 285	0.16 191	0.16 251	0.11 221	0.10 173	0.14 304	0.08 193	0.12 255	0.10 149	0.09 425	0.07 446	0.07 260	0.06 249	0.07 322	0.05 169

testlalala2	0.10 206	0.06 109	0.11 205	0.20 475	0.10 403	0.10 185	0.12 89	0.17 231	0.12 140	0.12 259	0.13 241	0.09 184	0.07 128	0.11 168	0.13 344	0.06 136	0.05 213	0.05 74	0.04 77	0.05 144	0.05 169

H2IRNET	0.10 206	0.09 377	0.09 91	0.18 360	0.09 300	0.12 269	0.15 285	0.14 102	0.21 351	0.10 190	0.10 173	0.10 217	0.10 266	0.10 95	0.10 149	0.05 37	0.04 24	0.08 345	0.08 403	0.06 254	0.05 169

Former-RAFT_DAM_RVC	0.10 206	0.08 301	0.12 246	0.16 199	0.08 182	0.15 370	0.16 351	0.18 261	0.18 297	0.10 190	0.09 129	0.09 184	0.08 193	0.11 168	0.12 303	0.07 303	0.05 213	0.08 345	0.06 249	0.07 322	0.06 264

MyStereo07	0.10 206	0.07 200	0.10 144	0.17 277	0.09 300	0.14 344	0.18 430	0.15 144	0.15 222	0.09 156	0.06 15	0.06 32	0.07 128	0.12 255	0.09 62	0.06 136	0.05 213	0.08 345	0.07 338	0.06 254	0.06 264

MyStereo06	0.10 206	0.07 200	0.12 246	0.17 277	0.09 300	0.13 312	0.18 430	0.19 283	0.12 140	0.12 259	0.08 99	0.07 112	0.07 128	0.11 168	0.09 62	0.06 136	0.05 213	0.07 260	0.07 338	0.06 254	0.06 264

AE-Stereo	0.10 206	0.08 301	0.10 144	0.18 360	0.09 300	0.10 185	0.15 285	0.14 102	0.19 313	0.09 156	0.14 255	0.12 259	0.08 193	0.11 168	0.10 149	0.05 37	0.06 366	0.07 260	0.06 249	0.05 144	0.04 54

ACVNet-DCA	0.10 206	0.08 301	0.12 246	0.17 277	0.09 300	0.13 312	0.15 285	0.23 360	0.16 251	0.09 156	0.09 129	0.06 32	0.06 42	0.10 95	0.07 1	0.06 136	0.04 24	0.06 161	0.05 171	0.07 322	0.07 345

cc1	0.10 206	0.08 301	0.12 246	0.17 277	0.09 300	0.13 312	0.15 285	0.16 191	0.18 297	0.09 156	0.09 129	0.06 32	0.06 42	0.10 95	0.07 1	0.06 136	0.04 24	0.06 161	0.05 171	0.06 254	0.06 264

tt1	0.10 206	0.08 301	0.12 246	0.17 277	0.09 300	0.12 269	0.16 351	0.15 144	0.19 313	0.09 156	0.08 99	0.06 32	0.06 42	0.10 95	0.07 1	0.06 136	0.04 24	0.06 161	0.05 171	0.06 254	0.06 264

whm_eth	0.10 206	0.08 301	0.14 327	0.15 118	0.09 300	0.07 36	0.15 285	0.16 191	0.16 251	0.11 221	0.10 173	0.14 304	0.08 193	0.12 255	0.10 149	0.09 425	0.07 446	0.07 260	0.06 249	0.07 322	0.05 169

plain	0.10 206	0.08 301	0.10 144	0.19 418	0.09 300	0.10 185	0.15 285	0.14 102	0.13 176	0.13 286	0.15 272	0.09 184	0.12 322	0.13 301	0.12 303	0.07 303	0.05 213	0.09 426	0.06 249	0.06 254	0.06 264

testlalala_base	0.10 206	0.09 377	0.14 327	0.21 504	0.08 182	0.10 185	0.14 213	0.13 76	0.10 82	0.07 77	0.15 272	0.07 112	0.08 193	0.10 95	0.12 303	0.08 366	0.05 213	0.05 74	0.03 1	0.06 254	0.05 169

Any-RAFT	0.10 206	0.05 58	0.09 91	0.14 66	0.07 111	0.13 312	0.14 213	0.21 317	0.15 222	0.11 221	0.12 227	0.12 259	0.09 233	0.12 255	0.09 62	0.07 303	0.04 24	0.05 74	0.04 77	0.06 254	0.05 169

LL-Strereo2	0.10 206	0.10 435	0.15 379	0.18 360	0.08 182	0.15 370	0.09 18	0.17 231	0.14 203	0.14 307	0.10 173	0.09 184	0.07 128	0.16 383	0.10 149	0.05 37	0.05 213	0.10 474	0.07 338	0.06 254	0.05 169

DCANet-4	0.10 206	0.06 109	0.12 246	0.16 199	0.06 18	0.09 115	0.17 385	0.18 261	0.19 313	0.13 286	0.16 284	0.09 184	0.14 385	0.11 168	0.12 303	0.06 136	0.04 24	0.05 74	0.04 77	0.04 22	0.05 169

fff	0.10 206	0.06 109	0.12 246	0.15 118	0.07 111	0.09 115	0.17 385	0.16 191	0.20 336	0.13 286	0.16 284	0.10 217	0.11 291	0.11 168	0.12 303	0.06 136	0.04 24	0.05 74	0.04 77	0.04 22	0.05 169

ADStereo(finetuned)	0.10 206	0.06 109	0.12 246	0.16 199	0.06 18	0.09 115	0.17 385	0.15 144	0.19 313	0.13 286	0.17 305	0.10 217	0.12 322	0.11 168	0.12 303	0.06 136	0.04 24	0.05 74	0.04 77	0.05 144	0.04 54

test_4	0.10 206	0.10 435	0.08 40	0.19 418	0.09 300	0.08 65	0.22 518	0.15 144	0.17 271	0.12 259	0.18 330	0.12 259	0.09 233	0.08 19	0.11 246	0.04 11	0.04 24	0.08 345	0.08 403	0.04 22	0.03 2

IPLG	0.10 206	0.07 200	0.15 379	0.17 277	0.08 182	0.11 233	0.14 213	0.20 294	0.15 222	0.12 259	0.17 305	0.07 112	0.07 128	0.14 327	0.13 344	0.06 136	0.04 24	0.06 161	0.05 171	0.04 22	0.04 54

test_3	0.10 206	0.09 377	0.10 144	0.20 475	0.08 182	0.13 312	0.26 565	0.14 102	0.21 351	0.10 190	0.10 173	0.09 184	0.09 233	0.08 19	0.11 246	0.05 37	0.04 24	0.08 345	0.07 338	0.04 22	0.04 54

STrans-v2	0.10 206	0.07 200	0.12 246	0.18 360	0.07 111	0.10 185	0.14 213	0.21 317	0.11 111	0.11 221	0.15 272	0.12 259	0.10 266	0.11 168	0.12 303	0.05 37	0.04 24	0.06 161	0.06 249	0.04 22	0.04 54

TransformOpticalFlow	0.10 206	0.08 301	0.13 292	0.18 360	0.07 111	0.09 115	0.15 285	0.19 283	0.15 222	0.12 259	0.17 305	0.11 242	0.11 291	0.11 168	0.10 149	0.05 37	0.04 24	0.06 161	0.06 249	0.05 144	0.05 169

SST-Stereo	0.10 206	0.07 200	0.15 379	0.18 360	0.09 300	0.06 10	0.12 89	0.17 231	0.11 111	0.15 334	0.17 305	0.13 284	0.12 322	0.10 95	0.11 246	0.06 136	0.04 24	0.09 426	0.06 249	0.06 254	0.05 169

cross-raft	0.10 206	0.09 377	0.09 91	0.19 418	0.07 111	0.11 233	0.25 556	0.13 76	0.15 222	0.08 120	0.11 212	0.12 259	0.10 266	0.09 48	0.11 246	0.05 37	0.04 24	0.06 161	0.05 171	0.04 22	0.04 54

test-1	0.10 206	0.07 200	0.16 413	0.19 418	0.08 182	0.11 233	0.24 541	0.14 102	0.18 297	0.09 156	0.07 53	0.09 184	0.08 193	0.07 4	0.09 62	0.06 136	0.04 24	0.06 161	0.05 171	0.04 22	0.04 54

iRaftStereo_RVC	0.10 206	0.07 200	0.09 91	0.17 277	0.09 300	0.11 233	0.17 385	0.18 261	0.12 140	0.09 156	0.12 227	0.10 217	0.07 128	0.11 168	0.10 149	0.05 37	0.04 24	0.08 345	0.08 403	0.04 22	0.04 54

RALCasStereoNet	0.10 206	0.06 109	0.09 91	0.16 199	0.08 182	0.12 269	0.14 213	0.17 231	0.11 111	0.12 259	0.17 305	0.14 304	0.10 266	0.12 255	0.11 246	0.07 303	0.06 366	0.06 161	0.05 171	0.08 385	0.07 345

DCANet	0.10 206	0.06 109	0.12 246	0.16 199	0.06 18	0.09 115	0.17 385	0.15 144	0.19 313	0.13 286	0.17 305	0.10 217	0.11 291	0.11 168	0.12 303	0.06 136	0.04 24	0.05 74	0.04 77	0.05 144	0.04 54

csc	0.10 206	0.06 109	0.12 246	0.15 118	0.07 111	0.09 115	0.17 385	0.16 191	0.20 336	0.13 286	0.16 284	0.10 217	0.11 291	0.11 168	0.12 303	0.06 136	0.04 24	0.05 74	0.04 77	0.04 22	0.05 169

cscssc	0.10 206	0.06 109	0.12 246	0.15 118	0.07 111	0.09 115	0.17 385	0.16 191	0.20 336	0.13 286	0.16 284	0.10 217	0.11 291	0.11 168	0.12 303	0.06 136	0.04 24	0.05 74	0.04 77	0.04 22	0.05 169

111	0.10 206	0.06 109	0.12 246	0.15 118	0.07 111	0.10 185	0.14 213	0.21 317	0.23 375	0.11 221	0.12 227	0.14 304	0.11 291	0.13 301	0.10 149	0.06 136	0.04 24	0.06 161	0.04 77	0.05 144	0.05 169

R-Stereo Train	0.10 206	0.06 109	0.10 144	0.17 277	0.08 182	0.11 233	0.14 213	0.23 360	0.11 111	0.12 259	0.19 339	0.11 242	0.08 193	0.09 48	0.11 246	0.07 303	0.05 213	0.06 161	0.05 171	0.05 144	0.05 169

RAFT-Stereo	0.10 206	0.06 109	0.10 144	0.17 277	0.08 182	0.11 233	0.14 213	0.23 360	0.11 111	0.12 259	0.19 339	0.11 242	0.08 193	0.09 48	0.11 246	0.07 303	0.05 213	0.06 161	0.05 171	0.05 144	0.05 169
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 206	0.06 109	0.12 246	0.14 66	0.06 18	0.11 233	0.10 29	0.18 261	0.18 297	0.13 286	0.16 284	0.14 304	0.11 291	0.15 349	0.13 344	0.06 136	0.04 24	0.04 1	0.04 77	0.06 254	0.05 169
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
Select-FE	0.11 249	0.06 109	0.20 487	0.15 118	0.11 453	0.11 233	0.13 155	0.21 317	0.18 297	0.09 156	0.11 212	0.10 217	0.06 42	0.12 255	0.09 62	0.07 303	0.05 213	0.07 260	0.08 403	0.06 254	0.08 409

FlowAnything_test	0.11 249	0.08 301	0.14 327	0.15 118	0.09 300	0.07 36	0.14 213	0.20 294	0.11 111	0.09 156	0.09 129	0.12 259	0.12 322	0.13 301	0.11 246	0.09 425	0.06 366	0.09 426	0.09 450	0.06 254	0.09 454

xyz-stereo-finetune2	0.11 249	0.07 200	0.13 292	0.13 14	0.07 111	0.11 233	0.19 470	0.17 231	0.12 140	0.15 334	0.15 272	0.17 367	0.12 322	0.13 301	0.11 246	0.05 37	0.04 24	0.07 260	0.05 171	0.04 22	0.06 264

xyz-stereo-finetune	0.11 249	0.08 301	0.13 292	0.14 66	0.06 18	0.10 185	0.19 470	0.17 231	0.19 313	0.12 259	0.14 255	0.15 333	0.10 266	0.13 301	0.11 246	0.05 37	0.04 24	0.07 260	0.05 171	0.04 22	0.05 169

HI	0.11 249	0.06 109	0.11 205	0.13 14	0.09 300	0.09 115	0.14 213	0.21 317	0.10 82	0.19 424	0.17 305	0.14 304	0.09 233	0.16 383	0.08 17	0.05 37	0.04 24	0.07 260	0.08 403	0.07 322	0.06 264

CoSv	0.11 249	0.06 109	0.11 205	0.13 14	0.09 300	0.09 115	0.14 213	0.21 317	0.10 82	0.19 424	0.17 305	0.14 304	0.09 233	0.16 383	0.08 17	0.05 37	0.04 24	0.07 260	0.08 403	0.07 322	0.06 264

rvit_stereo_0081_aga	0.11 249	0.09 377	0.14 327	0.18 360	0.09 300	0.13 312	0.14 213	0.14 102	0.19 313	0.10 190	0.18 330	0.16 347	0.09 233	0.12 255	0.09 62	0.10 466	0.06 366	0.08 345	0.07 338	0.07 322	0.06 264

rvit_stereo_0081	0.11 249	0.08 301	0.15 379	0.16 199	0.09 300	0.10 185	0.14 213	0.14 102	0.24 391	0.11 221	0.13 241	0.13 284	0.09 233	0.11 168	0.12 303	0.10 466	0.07 446	0.08 345	0.07 338	0.07 322	0.05 169

rvit_stereo_0082	0.11 249	0.08 301	0.15 379	0.16 199	0.09 300	0.10 185	0.14 213	0.14 102	0.24 391	0.11 221	0.13 241	0.13 284	0.09 233	0.11 168	0.12 303	0.10 466	0.07 446	0.08 345	0.07 338	0.07 322	0.05 169

AIO-Stereo-zeroshot1	0.11 249	0.05 58	0.14 327	0.15 118	0.20 583	0.09 115	0.17 385	0.21 317	0.15 222	0.11 221	0.14 255	0.10 217	0.07 128	0.10 95	0.08 17	0.06 136	0.05 213	0.07 260	0.07 338	0.07 322	0.09 454

AIO-Stereo-zeroshot	0.11 249	0.05 58	0.11 205	0.15 118	0.13 508	0.13 312	0.16 351	0.23 360	0.17 271	0.10 190	0.12 227	0.10 217	0.07 128	0.11 168	0.09 62	0.06 136	0.05 213	0.06 161	0.06 249	0.07 322	0.08 409

CAS++	0.11 249	0.07 200	0.11 205	0.14 66	0.09 300	0.12 269	0.14 213	0.24 383	0.14 203	0.11 221	0.09 129	0.11 242	0.07 128	0.14 327	0.09 62	0.11 495	0.09 501	0.09 426	0.07 338	0.07 322	0.08 409
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 249	0.08 301	0.12 246	0.17 277	0.09 300	0.13 312	0.15 285	0.16 191	0.18 297	0.09 156	0.09 129	0.16 347	0.16 429	0.10 95	0.07 1	0.06 136	0.04 24	0.08 345	0.08 403	0.07 322	0.07 345

1test111	0.11 249	0.08 301	0.12 246	0.17 277	0.09 300	0.13 312	0.15 285	0.23 360	0.16 251	0.09 156	0.09 129	0.06 32	0.06 42	0.15 349	0.16 425	0.06 136	0.04 24	0.06 161	0.05 171	0.07 322	0.07 345

MIF-Stereo (partial)	0.11 249	0.06 109	0.10 144	0.19 418	0.10 403	0.10 185	0.11 57	0.17 231	0.18 297	0.14 307	0.16 284	0.09 184	0.11 291	0.12 255	0.12 303	0.08 366	0.05 213	0.08 345	0.07 338	0.06 254	0.07 345

EKT-Stereo	0.11 249	0.07 200	0.14 327	0.15 118	0.10 403	0.13 312	0.14 213	0.18 261	0.21 351	0.11 221	0.08 99	0.12 259	0.09 233	0.11 168	0.12 303	0.08 366	0.06 366	0.07 260	0.06 249	0.08 385	0.07 345

anonymousdsp2	0.11 249	0.07 200	0.10 144	0.16 199	0.09 300	0.13 312	0.14 213	0.18 261	0.22 365	0.13 286	0.14 255	0.12 259	0.09 233	0.14 327	0.11 246	0.05 37	0.04 24	0.05 74	0.04 77	0.06 254	0.05 169

DCRE	0.11 249	0.07 200	0.13 292	0.16 199	0.11 453	0.11 233	0.17 385	0.18 261	0.17 271	0.11 221	0.18 330	0.10 217	0.10 266	0.15 349	0.11 246	0.06 136	0.05 213	0.06 161	0.06 249	0.05 144	0.04 54

knoymous	0.11 249	0.05 58	0.12 246	0.13 14	0.07 111	0.15 370	0.14 213	0.19 283	0.13 176	0.11 221	0.17 305	0.13 284	0.09 233	0.13 301	0.11 246	0.08 366	0.05 213	0.06 161	0.05 171	0.08 385	0.07 345

riskmin	0.11 249	0.06 109	0.13 292	0.14 66	0.08 182	0.14 344	0.14 213	0.18 261	0.14 203	0.11 221	0.14 255	0.16 347	0.11 291	0.14 327	0.12 303	0.09 425	0.05 213	0.07 260	0.05 171	0.08 385	0.08 409

Selective-RAFT	0.11 249	0.10 435	0.11 205	0.21 504	0.08 182	0.16 400	0.13 155	0.20 294	0.22 365	0.10 190	0.10 173	0.11 242	0.10 266	0.15 349	0.11 246	0.05 37	0.05 213	0.06 161	0.05 171	0.06 254	0.05 169

DisPM	0.11 249	0.07 200	0.12 246	0.16 199	0.09 300	0.06 10	0.13 155	0.17 231	0.17 271	0.14 307	0.20 351	0.12 259	0.10 266	0.11 168	0.10 149	0.06 136	0.04 24	0.07 260	0.06 249	0.06 254	0.11 507

CIPLG	0.11 249	0.08 301	0.14 327	0.17 277	0.08 182	0.12 269	0.15 285	0.17 231	0.15 222	0.14 307	0.11 212	0.16 347	0.09 233	0.16 383	0.11 246	0.07 303	0.05 213	0.06 161	0.05 171	0.05 144	0.06 264

GLC_STEREO	0.11 249	0.07 200	0.11 205	0.17 277	0.07 111	0.09 115	0.13 155	0.15 144	0.24 391	0.12 259	0.13 241	0.12 259	0.08 193	0.18 436	0.11 246	0.06 136	0.08 472	0.08 345	0.06 249	0.05 144	0.05 169

IPLGR_C	0.11 249	0.08 301	0.14 327	0.17 277	0.08 182	0.12 269	0.15 285	0.17 231	0.15 222	0.14 307	0.10 173	0.16 347	0.09 233	0.16 383	0.11 246	0.07 303	0.05 213	0.06 161	0.05 171	0.05 144	0.06 264

MIPNet	0.11 249	0.08 301	0.14 327	0.17 277	0.09 300	0.12 269	0.14 213	0.20 294	0.24 391	0.11 221	0.10 173	0.09 184	0.07 128	0.13 301	0.12 303	0.06 136	0.04 24	0.06 161	0.05 171	0.04 22	0.04 54

IPLGR	0.11 249	0.09 377	0.16 413	0.18 360	0.08 182	0.12 269	0.17 385	0.21 317	0.24 391	0.11 221	0.12 227	0.11 242	0.08 193	0.12 255	0.12 303	0.06 136	0.05 213	0.06 161	0.06 249	0.04 22	0.04 54

GMOStereo	0.11 249	0.09 377	0.07 9	0.19 418	0.08 182	0.12 269	0.28 578	0.13 76	0.17 271	0.11 221	0.17 305	0.14 304	0.12 322	0.07 4	0.07 1	0.05 37	0.05 213	0.09 426	0.07 338	0.04 22	0.04 54

error version	0.11 249	0.09 377	0.07 9	0.19 418	0.08 182	0.12 269	0.28 578	0.13 76	0.17 271	0.11 221	0.17 305	0.14 304	0.12 322	0.07 4	0.07 1	0.05 37	0.05 213	0.09 426	0.07 338	0.04 22	0.04 54

test-v	0.11 249	0.09 377	0.07 9	0.19 418	0.08 182	0.12 269	0.28 578	0.13 76	0.17 271	0.11 221	0.17 305	0.14 304	0.12 322	0.07 4	0.07 1	0.05 37	0.05 213	0.09 426	0.07 338	0.04 22	0.04 54

ACRE	0.11 249	0.08 301	0.14 327	0.17 277	0.08 182	0.12 269	0.15 285	0.17 231	0.14 203	0.14 307	0.10 173	0.16 347	0.09 233	0.16 383	0.11 246	0.07 303	0.05 213	0.06 161	0.05 171	0.05 144	0.06 264

PFNet+	0.11 249	0.06 109	0.13 292	0.16 199	0.09 300	0.05 4	0.12 89	0.17 231	0.21 351	0.16 362	0.19 339	0.14 304	0.10 266	0.11 168	0.11 246	0.08 366	0.05 213	0.09 426	0.08 403	0.06 254	0.11 507

LCNet	0.11 249	0.07 200	0.09 91	0.19 418	0.09 300	0.08 65	0.15 285	0.21 317	0.15 222	0.11 221	0.15 272	0.16 347	0.11 291	0.12 255	0.11 246	0.05 37	0.04 24	0.08 345	0.07 338	0.06 254	0.15 563

HHNet	0.11 249	0.06 109	0.16 413	0.15 118	0.14 528	0.07 36	0.13 155	0.20 294	0.17 271	0.14 307	0.25 432	0.11 242	0.08 193	0.13 301	0.10 149	0.05 37	0.04 24	0.08 345	0.06 249	0.05 144	0.09 454

Patchmatch Stereo++	0.11 249	0.09 377	0.16 413	0.18 360	0.08 182	0.06 10	0.11 57	0.16 191	0.13 176	0.15 334	0.16 284	0.14 304	0.12 322	0.11 168	0.10 149	0.06 136	0.04 24	0.08 345	0.06 249	0.08 385	0.07 345
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 249	0.07 200	0.16 413	0.19 418	0.09 300	0.08 65	0.13 155	0.18 261	0.13 176	0.16 362	0.21 372	0.13 284	0.14 385	0.11 168	0.14 381	0.06 136	0.04 24	0.09 426	0.06 249	0.06 254	0.05 169

OMP-Stereo	0.11 249	0.06 109	0.14 327	0.18 360	0.08 182	0.09 115	0.12 89	0.21 317	0.21 351	0.13 286	0.14 255	0.11 242	0.12 322	0.11 168	0.13 344	0.06 136	0.04 24	0.07 260	0.06 249	0.05 144	0.04 54

IIG-Stereo	0.11 249	0.06 109	0.13 292	0.17 277	0.08 182	0.11 233	0.12 89	0.22 340	0.17 271	0.14 307	0.17 305	0.11 242	0.12 322	0.12 255	0.12 303	0.06 136	0.05 213	0.07 260	0.06 249	0.05 144	0.04 54

NF-Stereo	0.11 249	0.07 200	0.13 292	0.17 277	0.09 300	0.10 185	0.14 213	0.23 360	0.19 313	0.12 259	0.17 305	0.12 259	0.11 291	0.11 168	0.11 246	0.06 136	0.04 24	0.07 260	0.06 249	0.06 254	0.12 520

OCTAStereo	0.11 249	0.07 200	0.13 292	0.17 277	0.09 300	0.10 185	0.14 213	0.23 360	0.19 313	0.12 259	0.17 305	0.12 259	0.11 291	0.11 168	0.11 246	0.06 136	0.04 24	0.07 260	0.06 249	0.06 254	0.12 520

NRIStereo	0.11 249	0.08 301	0.14 327	0.18 360	0.08 182	0.10 185	0.14 213	0.16 191	0.15 222	0.12 259	0.14 255	0.13 284	0.12 322	0.13 301	0.10 149	0.06 136	0.04 24	0.07 260	0.06 249	0.06 254	0.07 345

PSM-adaLoss	0.11 249	0.09 377	0.16 413	0.18 360	0.08 182	0.06 10	0.12 89	0.16 191	0.13 176	0.15 334	0.16 284	0.14 304	0.12 322	0.11 168	0.10 149	0.06 136	0.04 24	0.08 345	0.06 249	0.08 385	0.07 345

PSM-AAD	0.11 249	0.07 200	0.10 144	0.19 418	0.09 300	0.10 185	0.15 285	0.20 294	0.13 176	0.12 259	0.14 255	0.18 381	0.11 291	0.11 168	0.10 149	0.05 37	0.05 213	0.09 426	0.08 403	0.06 254	0.14 556

ROB_FTStereo_v2	0.11 249	0.09 377	0.16 413	0.19 418	0.08 182	0.06 10	0.12 89	0.16 191	0.13 176	0.15 334	0.16 284	0.14 304	0.12 322	0.11 168	0.10 149	0.06 136	0.04 24	0.08 345	0.06 249	0.08 385	0.07 345

ROB_FTStereo	0.11 249	0.09 377	0.16 413	0.19 418	0.08 182	0.06 10	0.11 57	0.16 191	0.13 176	0.15 334	0.16 284	0.14 304	0.12 322	0.11 168	0.10 149	0.06 136	0.04 24	0.08 345	0.06 249	0.08 385	0.07 345

KYRaft	0.11 249	0.07 200	0.10 144	0.19 418	0.09 300	0.08 65	0.15 285	0.22 340	0.12 140	0.13 286	0.16 284	0.20 407	0.10 266	0.12 255	0.10 149	0.05 37	0.04 24	0.08 345	0.08 403	0.06 254	0.16 574

HUI-Stereo	0.11 249	0.09 377	0.16 413	0.18 360	0.08 182	0.06 10	0.12 89	0.16 191	0.13 176	0.15 334	0.16 284	0.14 304	0.12 322	0.11 168	0.10 149	0.06 136	0.04 24	0.08 345	0.06 249	0.08 385	0.07 345

ASMatch	0.11 249	0.06 109	0.13 292	0.16 199	0.10 403	0.07 36	0.14 213	0.17 231	0.17 271	0.12 259	0.16 284	0.16 347	0.10 266	0.13 301	0.10 149	0.05 37	0.04 24	0.06 161	0.05 171	0.04 22	0.08 409

RAFT_R40	0.11 249	0.07 200	0.14 327	0.18 360	0.09 300	0.06 10	0.13 155	0.17 231	0.16 251	0.14 307	0.18 330	0.15 333	0.12 322	0.10 95	0.11 246	0.06 136	0.04 24	0.09 426	0.06 249	0.06 254	0.05 169

GrayStereo	0.11 249	0.06 109	0.11 205	0.19 418	0.09 300	0.09 115	0.16 351	0.18 261	0.17 271	0.14 307	0.17 305	0.17 367	0.11 291	0.12 255	0.11 246	0.05 37	0.05 213	0.07 260	0.06 249	0.05 144	0.10 481

RE-Stereo	0.11 249	0.07 200	0.13 292	0.17 277	0.09 300	0.10 185	0.14 213	0.23 360	0.19 313	0.12 259	0.17 305	0.12 259	0.11 291	0.11 168	0.11 246	0.06 136	0.04 24	0.07 260	0.06 249	0.06 254	0.12 520

Pruner-Stereo	0.11 249	0.07 200	0.12 246	0.17 277	0.09 300	0.06 10	0.12 89	0.17 231	0.17 271	0.13 286	0.19 339	0.13 284	0.09 233	0.11 168	0.11 246	0.06 136	0.04 24	0.07 260	0.06 249	0.06 254	0.08 409

TVStereo	0.11 249	0.07 200	0.13 292	0.17 277	0.09 300	0.10 185	0.14 213	0.23 360	0.19 313	0.12 259	0.17 305	0.12 259	0.11 291	0.11 168	0.11 246	0.06 136	0.04 24	0.07 260	0.06 249	0.06 254	0.12 520

DeepStereo_RVC	0.11 249	0.08 301	0.16 413	0.18 360	0.08 182	0.08 65	0.12 89	0.17 231	0.12 140	0.13 286	0.14 255	0.12 259	0.12 322	0.12 255	0.11 246	0.06 136	0.04 24	0.07 260	0.06 249	0.07 322	0.08 409

iGMRVC	0.11 249	0.09 377	0.16 413	0.19 418	0.08 182	0.06 10	0.12 89	0.16 191	0.13 176	0.15 334	0.16 284	0.14 304	0.12 322	0.11 168	0.10 149	0.06 136	0.04 24	0.08 345	0.06 249	0.08 385	0.07 345

RAFT-RH_RVC	0.11 249	0.06 109	0.14 327	0.16 199	0.09 300	0.12 269	0.12 89	0.17 231	0.12 140	0.13 286	0.41 562	0.11 242	0.10 266	0.13 301	0.12 303	0.05 37	0.04 24	0.08 345	0.05 171	0.04 22	0.06 264

RAFT-345	0.11 249	0.07 200	0.15 379	0.16 199	0.08 182	0.08 65	0.12 89	0.15 144	0.10 82	0.11 221	0.36 525	0.09 184	0.09 233	0.11 168	0.12 303	0.05 37	0.05 213	0.07 260	0.06 249	0.04 22	0.05 169

iRAFT	0.11 249	0.09 377	0.16 413	0.18 360	0.08 182	0.06 10	0.11 57	0.16 191	0.13 176	0.15 334	0.16 284	0.14 304	0.12 322	0.11 168	0.10 149	0.06 136	0.04 24	0.08 345	0.06 249	0.08 385	0.07 345

CRE-IMP	0.11 249	0.09 377	0.16 413	0.19 418	0.08 182	0.10 185	0.12 89	0.18 261	0.10 82	0.14 307	0.13 241	0.13 284	0.12 322	0.12 255	0.11 246	0.07 303	0.04 24	0.08 345	0.06 249	0.08 385	0.08 409

test-2	0.11 249	0.09 377	0.07 9	0.19 418	0.08 182	0.12 269	0.28 578	0.13 76	0.17 271	0.11 221	0.17 305	0.14 304	0.12 322	0.07 4	0.07 1	0.05 37	0.05 213	0.09 426	0.07 338	0.04 22	0.04 54

GMM-Stereo	0.11 249	0.07 200	0.10 144	0.18 360	0.09 300	0.08 65	0.15 285	0.23 360	0.16 251	0.11 221	0.15 272	0.13 284	0.11 291	0.11 168	0.11 246	0.05 37	0.04 24	0.08 345	0.07 338	0.06 254	0.09 454

RAFT-IKP	0.11 249	0.09 377	0.16 413	0.19 418	0.08 182	0.06 10	0.12 89	0.16 191	0.13 176	0.15 334	0.16 284	0.14 304	0.12 322	0.11 168	0.10 149	0.06 136	0.04 24	0.08 345	0.06 249	0.08 385	0.07 345

Prome-Stereo	0.11 249	0.06 109	0.10 144	0.18 360	0.08 182	0.12 269	0.15 285	0.22 340	0.13 176	0.12 259	0.17 305	0.13 284	0.08 193	0.12 255	0.10 149	0.05 37	0.04 24	0.07 260	0.06 249	0.06 254	0.09 454

rafts_anoy	0.11 249	0.06 109	0.10 144	0.17 277	0.08 182	0.10 185	0.14 213	0.17 231	0.14 203	0.13 286	0.13 241	0.12 259	0.10 266	0.11 168	0.12 303	0.07 303	0.04 24	0.09 426	0.11 521	0.07 322	0.06 264

raft+_RVC	0.11 249	0.07 200	0.09 91	0.16 199	0.07 111	0.10 185	0.11 57	0.24 383	0.20 336	0.12 259	0.15 272	0.12 259	0.08 193	0.12 255	0.13 344	0.07 303	0.04 24	0.07 260	0.06 249	0.05 144	0.05 169

RALAANet	0.11 249	0.08 301	0.10 144	0.17 277	0.09 300	0.14 344	0.10 29	0.20 294	0.15 222	0.14 307	0.13 241	0.16 347	0.09 233	0.12 255	0.11 246	0.06 136	0.05 213	0.07 260	0.06 249	0.05 144	0.04 54

DIP-Stereo	0.11 249	0.07 200	0.14 327	0.17 277	0.09 300	0.13 312	0.09 18	0.16 191	0.16 251	0.11 221	0.16 284	0.14 304	0.12 322	0.15 349	0.13 344	0.06 136	0.05 213	0.06 161	0.05 171	0.05 144	0.06 264
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0083	0.12 316	0.08 301	0.17 441	0.16 199	0.09 300	0.11 233	0.15 285	0.14 102	0.26 426	0.11 221	0.14 255	0.13 284	0.10 266	0.12 255	0.12 303	0.10 466	0.08 472	0.09 426	0.07 338	0.07 322	0.05 169

rvit_stereo_ft	0.12 316	0.07 200	0.13 292	0.19 418	0.10 403	0.12 269	0.17 385	0.16 191	0.16 251	0.12 259	0.13 241	0.15 333	0.10 266	0.14 327	0.13 344	0.09 425	0.06 366	0.08 345	0.07 338	0.07 322	0.05 169

test_sample2	0.12 316	0.07 200	0.12 246	0.14 66	0.08 182	0.16 400	0.18 430	0.21 317	0.16 251	0.14 307	0.20 351	0.19 395	0.15 403	0.15 349	0.12 303	0.08 366	0.05 213	0.07 260	0.06 249	0.08 385	0.07 345

MyStereo8	0.12 316	0.07 200	0.15 379	0.15 118	0.09 300	0.18 440	0.14 213	0.19 283	0.22 365	0.12 259	0.18 330	0.11 242	0.10 266	0.16 383	0.18 458	0.07 303	0.05 213	0.07 260	0.05 171	0.08 385	0.09 454

CoDeX	0.12 316	0.07 200	0.12 246	0.17 277	0.08 182	0.12 269	0.15 285	0.23 360	0.27 436	0.13 286	0.17 305	0.16 347	0.11 291	0.14 327	0.11 246	0.07 303	0.05 213	0.07 260	0.06 249	0.06 254	0.05 169

11t1	0.12 316	0.06 109	0.13 292	0.14 66	0.08 182	0.17 421	0.15 285	0.18 261	0.15 222	0.15 334	0.15 272	0.16 347	0.16 429	0.15 349	0.13 344	0.08 366	0.05 213	0.06 161	0.05 171	0.08 385	0.07 345

ffm	0.12 316	0.09 377	0.14 327	0.16 199	0.08 182	0.17 421	0.17 385	0.15 144	0.19 313	0.15 334	0.25 432	0.19 395	0.13 360	0.10 95	0.07 1	0.06 136	0.04 24	0.09 426	0.08 403	0.06 254	0.06 264

RAFT_CTSACE	0.12 316	0.09 377	0.10 144	0.22 519	0.08 182	0.12 269	0.24 541	0.18 261	0.16 251	0.20 447	0.27 458	0.13 284	0.07 128	0.13 301	0.09 62	0.05 37	0.06 366	0.08 345	0.07 338	0.04 22	0.04 54

Sa-1000	0.12 316	0.08 301	0.08 40	0.18 360	0.08 182	0.14 344	0.22 518	0.22 340	0.18 297	0.15 334	0.20 351	0.17 367	0.11 291	0.10 95	0.10 149	0.06 136	0.05 213	0.09 426	0.09 450	0.05 144	0.05 169

SA	0.12 316	0.09 377	0.08 40	0.18 360	0.08 182	0.12 269	0.24 541	0.23 360	0.18 297	0.17 378	0.27 458	0.14 304	0.11 291	0.11 168	0.11 246	0.05 37	0.05 213	0.09 426	0.08 403	0.05 144	0.04 54

iRaft-Stereo_5w	0.12 316	0.09 377	0.12 246	0.19 418	0.08 182	0.09 115	0.12 89	0.21 317	0.21 351	0.19 424	0.14 255	0.11 242	0.09 233	0.20 476	0.16 425	0.05 37	0.05 213	0.07 260	0.06 249	0.05 144	0.06 264

CrosDoStereo	0.12 316	0.06 109	0.12 246	0.14 66	0.08 182	0.12 269	0.15 285	0.17 231	0.22 365	0.19 424	0.24 403	0.15 333	0.11 291	0.11 168	0.12 303	0.06 136	0.04 24	0.07 260	0.07 338	0.05 144	0.05 169

PSM-softLoss	0.12 316	0.07 200	0.15 379	0.17 277	0.09 300	0.08 65	0.13 155	0.24 383	0.17 271	0.14 307	0.19 339	0.13 284	0.11 291	0.11 168	0.11 246	0.07 303	0.05 213	0.08 345	0.07 338	0.06 254	0.12 520

KMStereo	0.12 316	0.07 200	0.15 379	0.17 277	0.09 300	0.08 65	0.13 155	0.24 383	0.17 271	0.14 307	0.19 339	0.13 284	0.11 291	0.11 168	0.11 246	0.07 303	0.05 213	0.08 345	0.07 338	0.06 254	0.12 520

FTStereo	0.12 316	0.06 109	0.14 327	0.18 360	0.09 300	0.07 36	0.15 285	0.21 317	0.18 297	0.12 259	0.24 403	0.12 259	0.12 322	0.13 301	0.13 344	0.05 37	0.05 213	0.07 260	0.06 249	0.06 254	0.10 481

DeepStereo_LL	0.12 316	0.06 109	0.12 246	0.14 66	0.08 182	0.12 269	0.15 285	0.17 231	0.22 365	0.19 424	0.24 403	0.15 333	0.11 291	0.11 168	0.12 303	0.06 136	0.04 24	0.07 260	0.07 338	0.05 144	0.05 169

DEmStereo	0.12 316	0.06 109	0.14 327	0.14 66	0.10 403	0.16 400	0.15 285	0.16 191	0.24 391	0.17 378	0.24 403	0.13 284	0.14 385	0.12 255	0.13 344	0.05 37	0.04 24	0.07 260	0.06 249	0.05 144	0.05 169

THIR-Stereo	0.12 316	0.07 200	0.11 205	0.15 118	0.08 182	0.14 344	0.16 351	0.17 231	0.25 412	0.16 362	0.24 403	0.14 304	0.12 322	0.12 255	0.14 381	0.06 136	0.04 24	0.07 260	0.07 338	0.05 144	0.05 169

DRaft	0.12 316	0.06 109	0.11 205	0.14 66	0.09 300	0.14 344	0.17 385	0.21 317	0.30 467	0.17 378	0.28 472	0.10 217	0.15 403	0.10 95	0.12 303	0.05 37	0.04 24	0.07 260	0.06 249	0.05 144	0.05 169

PFNet	0.12 316	0.06 109	0.17 441	0.17 277	0.08 182	0.09 115	0.15 285	0.26 417	0.20 336	0.16 362	0.16 284	0.14 304	0.11 291	0.12 255	0.11 246	0.06 136	0.04 24	0.07 260	0.06 249	0.05 144	0.05 169

IRAFT_RVC	0.12 316	0.08 301	0.16 413	0.19 418	0.08 182	0.07 36	0.15 285	0.24 383	0.23 375	0.14 307	0.14 255	0.15 333	0.12 322	0.12 255	0.10 149	0.06 136	0.04 24	0.09 426	0.06 249	0.06 254	0.06 264

sCroCo_RVC	0.12 316	0.09 377	0.23 511	0.24 549	0.11 453	0.19 463	0.14 213	0.17 231	0.14 203	0.10 190	0.13 241	0.12 259	0.07 128	0.14 327	0.11 246	0.08 366	0.08 472	0.08 345	0.08 403	0.05 144	0.07 345

ARAFT	0.12 316	0.08 301	0.17 441	0.19 418	0.09 300	0.14 344	0.18 430	0.20 294	0.12 140	0.12 259	0.13 241	0.14 304	0.11 291	0.15 349	0.12 303	0.06 136	0.05 213	0.10 474	0.09 450	0.05 144	0.04 54

BEATNet_4x	0.12 316	0.08 301	0.14 327	0.18 360	0.07 111	0.15 370	0.07 3	0.22 340	0.18 297	0.16 362	0.19 339	0.18 381	0.14 385	0.16 383	0.15 409	0.07 303	0.05 213	0.05 74	0.05 171	0.06 254	0.06 264

MLCV	0.12 316	0.07 200	0.16 413	0.18 360	0.06 18	0.15 370	0.17 385	0.19 283	0.21 351	0.18 408	0.25 432	0.17 367	0.13 360	0.14 327	0.13 344	0.05 37	0.04 24	0.05 74	0.04 77	0.05 144	0.04 54

G2L-ROB	0.13 341	0.06 109	0.13 292	0.13 14	0.08 182	0.14 344	0.16 351	0.25 399	0.18 297	0.19 424	0.18 330	0.20 407	0.14 385	0.17 415	0.16 425	0.08 366	0.05 213	0.06 161	0.05 171	0.08 385	0.09 454

xyz-stereo	0.13 341	0.07 200	0.20 487	0.15 118	0.05 1	0.20 478	0.15 285	0.17 231	0.31 474	0.15 334	0.29 484	0.26 482	0.16 429	0.13 301	0.12 303	0.05 37	0.05 213	0.06 161	0.05 171	0.04 22	0.04 54

DFGA-Net	0.13 341	0.11 461	0.18 464	0.17 277	0.10 403	0.12 269	0.13 155	0.22 340	0.25 412	0.16 362	0.16 284	0.13 284	0.12 322	0.16 383	0.14 381	0.07 303	0.05 213	0.08 345	0.07 338	0.05 144	0.05 169

FACV-RUCA	0.13 341	0.11 461	0.12 246	0.19 418	0.12 485	0.15 370	0.15 285	0.22 340	0.20 336	0.15 334	0.16 284	0.14 304	0.16 429	0.14 327	0.13 344	0.07 303	0.05 213	0.08 345	0.06 249	0.10 480	0.08 409

UGAM	0.13 341	0.10 435	0.09 91	0.22 519	0.08 182	0.12 269	0.20 491	0.17 231	0.23 375	0.21 461	0.16 284	0.13 284	0.13 360	0.19 451	0.12 303	0.07 303	0.05 213	0.13 539	0.11 521	0.07 322	0.05 169

test_sample1	0.13 341	0.07 200	0.14 327	0.13 14	0.08 182	0.19 463	0.16 351	0.20 294	0.15 222	0.14 307	0.22 382	0.18 381	0.16 429	0.17 415	0.14 381	0.07 303	0.06 366	0.06 161	0.06 249	0.08 385	0.07 345

qqq1	0.13 341	0.07 200	0.17 441	0.14 66	0.08 182	0.16 400	0.17 385	0.26 417	0.27 436	0.19 424	0.20 351	0.18 381	0.15 403	0.15 349	0.11 246	0.08 366	0.05 213	0.05 74	0.05 171	0.06 254	0.06 264

fff1	0.13 341	0.07 200	0.17 441	0.14 66	0.08 182	0.16 400	0.17 385	0.26 417	0.27 436	0.19 424	0.20 351	0.18 381	0.15 403	0.15 349	0.11 246	0.08 366	0.05 213	0.05 74	0.05 171	0.06 254	0.06 264

MyStereo05	0.13 341	0.07 200	0.10 144	0.17 277	0.09 300	0.13 312	0.18 430	0.27 438	0.35 509	0.17 378	0.14 255	0.15 333	0.11 291	0.15 349	0.13 344	0.06 136	0.05 213	0.07 260	0.07 338	0.06 254	0.06 264

MyStereo04	0.13 341	0.07 200	0.10 144	0.17 277	0.09 300	0.14 344	0.18 430	0.29 469	0.38 527	0.17 378	0.14 255	0.16 347	0.10 266	0.15 349	0.13 344	0.06 136	0.05 213	0.08 345	0.07 338	0.06 254	0.06 264

ff1	0.13 341	0.09 377	0.14 327	0.16 199	0.08 182	0.17 421	0.17 385	0.15 144	0.19 313	0.15 334	0.25 432	0.19 395	0.13 360	0.14 327	0.20 477	0.06 136	0.04 24	0.09 426	0.08 403	0.06 254	0.06 264

StereoVision	0.13 341	0.12 479	0.09 91	0.24 549	0.10 403	0.15 370	0.21 508	0.21 317	0.20 336	0.12 259	0.24 403	0.10 217	0.10 266	0.16 383	0.10 149	0.09 425	0.11 533	0.12 524	0.12 540	0.06 254	0.05 169

LL-Strereo	0.13 341	0.09 377	0.11 205	0.20 475	0.10 403	0.11 233	0.18 430	0.32 504	0.24 391	0.15 334	0.15 272	0.14 304	0.13 360	0.19 451	0.11 246	0.06 136	0.04 24	0.09 426	0.08 403	0.04 22	0.05 169

CASS	0.13 341	0.12 479	0.11 205	0.23 540	0.09 300	0.15 370	0.17 385	0.18 261	0.19 313	0.17 378	0.18 330	0.15 333	0.15 403	0.14 327	0.14 381	0.09 425	0.06 366	0.10 474	0.08 403	0.09 448	0.07 345
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 341	0.07 200	0.13 292	0.18 360	0.09 300	0.13 312	0.17 385	0.19 283	0.29 457	0.15 334	0.24 403	0.15 333	0.14 385	0.14 327	0.14 381	0.07 303	0.05 213	0.07 260	0.09 450	0.05 144	0.06 264

TestStereo1	0.13 341	0.08 301	0.08 40	0.19 418	0.08 182	0.18 440	0.29 587	0.23 360	0.16 251	0.17 378	0.20 351	0.16 347	0.10 266	0.12 255	0.13 344	0.06 136	0.06 366	0.08 345	0.06 249	0.05 144	0.05 169

qqq	0.13 341	0.09 377	0.15 379	0.16 199	0.08 182	0.13 312	0.15 285	0.23 360	0.16 251	0.15 334	0.19 339	0.16 347	0.16 429	0.15 349	0.16 425	0.07 303	0.06 366	0.08 345	0.08 403	0.07 322	0.07 345

x	0.13 341	0.07 200	0.14 327	0.14 66	0.08 182	0.18 440	0.14 213	0.22 340	0.20 336	0.15 334	0.19 339	0.19 395	0.17 452	0.18 436	0.18 458	0.07 303	0.05 213	0.06 161	0.06 249	0.07 322	0.07 345

raft_robust	0.13 341	0.10 435	0.07 9	0.18 360	0.08 182	0.13 312	0.24 541	0.28 458	0.33 488	0.20 447	0.19 339	0.14 304	0.10 266	0.11 168	0.12 303	0.05 37	0.05 213	0.07 260	0.07 338	0.05 144	0.04 54

RAFT+CT+SA	0.13 341	0.11 461	0.09 91	0.19 418	0.09 300	0.15 370	0.28 578	0.22 340	0.22 365	0.15 334	0.26 449	0.10 217	0.10 266	0.11 168	0.12 303	0.05 37	0.04 24	0.07 260	0.08 403	0.07 322	0.06 264

SA-5K	0.13 341	0.08 301	0.08 40	0.19 418	0.08 182	0.18 440	0.29 587	0.23 360	0.16 251	0.17 378	0.20 351	0.16 347	0.10 266	0.12 255	0.13 344	0.06 136	0.06 366	0.08 345	0.06 249	0.05 144	0.05 169

GwcNet-ADL	0.13 341	0.08 301	0.14 327	0.20 475	0.09 300	0.11 233	0.20 491	0.30 483	0.24 391	0.13 286	0.14 255	0.18 381	0.14 385	0.13 301	0.14 381	0.07 303	0.05 213	0.06 161	0.05 171	0.07 322	0.06 264

GANet-ADL	0.13 341	0.07 200	0.15 379	0.17 277	0.10 403	0.18 440	0.15 285	0.30 483	0.20 336	0.13 286	0.18 330	0.19 395	0.12 322	0.16 383	0.13 344	0.08 366	0.06 366	0.06 161	0.05 171	0.07 322	0.08 409

RAFT	0.13 341	0.09 377	0.11 205	0.18 360	0.08 182	0.15 370	0.24 541	0.20 294	0.19 313	0.21 461	0.21 372	0.17 367	0.12 322	0.16 383	0.09 62	0.06 136	0.07 446	0.10 474	0.09 450	0.05 144	0.05 169

TestStereo	0.13 341	0.14 520	0.11 205	0.23 540	0.08 182	0.15 370	0.21 508	0.20 294	0.23 375	0.14 307	0.24 403	0.16 347	0.12 322	0.16 383	0.14 381	0.05 37	0.06 366	0.08 345	0.06 249	0.09 448	0.05 169

sAnonymous2	0.13 341	0.12 479	0.24 515	0.20 475	0.12 485	0.17 421	0.13 155	0.26 417	0.21 351	0.11 221	0.11 212	0.13 284	0.08 193	0.10 95	0.10 149	0.09 425	0.05 213	0.08 345	0.06 249	0.15 564	0.10 481

CroCo_RVC	0.13 341	0.12 479	0.24 515	0.20 475	0.12 485	0.17 421	0.13 155	0.26 417	0.21 351	0.11 221	0.11 212	0.13 284	0.08 193	0.10 95	0.10 149	0.09 425	0.05 213	0.08 345	0.06 249	0.15 564	0.10 481

RAFT + AFF	0.13 341	0.07 200	0.20 487	0.20 475	0.10 403	0.14 344	0.24 541	0.26 417	0.20 336	0.11 221	0.10 173	0.12 259	0.10 266	0.15 349	0.12 303	0.07 303	0.06 366	0.09 426	0.08 403	0.06 254	0.08 409

GMStereo	0.13 341	0.14 520	0.14 327	0.18 360	0.09 300	0.15 370	0.16 351	0.20 294	0.24 391	0.16 362	0.17 305	0.10 217	0.10 266	0.16 383	0.13 344	0.07 303	0.06 366	0.06 161	0.06 249	0.07 322	0.06 264
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 341	0.07 200	0.14 327	0.17 277	0.09 300	0.15 370	0.16 351	0.28 458	0.27 436	0.14 307	0.17 305	0.12 259	0.13 360	0.14 327	0.11 246	0.08 366	0.05 213	0.07 260	0.07 338	0.07 322	0.06 264

FENet	0.13 341	0.08 301	0.12 246	0.16 199	0.08 182	0.14 344	0.15 285	0.22 340	0.23 375	0.17 378	0.23 391	0.16 347	0.12 322	0.14 327	0.15 409	0.08 366	0.05 213	0.08 345	0.08 403	0.07 322	0.07 345

cf-r	0.13 341	0.07 200	0.12 246	0.16 199	0.08 182	0.14 344	0.19 470	0.20 294	0.25 412	0.17 378	0.25 432	0.21 416	0.16 429	0.14 327	0.14 381	0.10 466	0.05 213	0.06 161	0.08 403	0.06 254	0.06 264

iResNet	0.13 341	0.10 435	0.18 464	0.19 418	0.08 182	0.13 312	0.18 430	0.20 294	0.26 426	0.15 334	0.23 391	0.15 333	0.13 360	0.14 327	0.14 381	0.06 136	0.04 24	0.06 161	0.05 171	0.06 254	0.05 169

DN-CSS_ROB	0.13 341	0.13 508	0.16 413	0.18 360	0.10 403	0.16 400	0.08 7	0.22 340	0.18 297	0.17 378	0.22 382	0.13 284	0.13 360	0.12 255	0.13 344	0.05 37	0.05 213	0.10 474	0.10 489	0.08 385	0.06 264

G2L-Stereo_test	0.14 375	0.07 200	0.11 205	0.13 14	0.08 182	0.12 269	0.16 351	0.30 483	0.28 450	0.20 447	0.23 391	0.20 407	0.16 429	0.17 415	0.18 458	0.07 303	0.05 213	0.05 74	0.05 171	0.07 322	0.06 264

coex_refinement	0.14 375	0.07 200	0.12 246	0.17 277	0.10 403	0.15 370	0.15 285	0.26 417	0.29 457	0.18 408	0.20 351	0.22 434	0.17 452	0.16 383	0.18 458	0.08 366	0.05 213	0.06 161	0.06 249	0.09 448	0.08 409

G2L-Stereo	0.14 375	0.07 200	0.13 292	0.17 277	0.09 300	0.13 312	0.12 89	0.27 438	0.22 365	0.16 362	0.27 458	0.21 416	0.13 360	0.17 415	0.18 458	0.09 425	0.08 472	0.08 345	0.07 338	0.07 322	0.07 345

rvit_0105_6	0.14 375	0.09 377	0.18 464	0.17 277	0.10 403	0.10 185	0.16 351	0.19 283	0.26 426	0.12 259	0.18 330	0.17 367	0.12 322	0.18 436	0.12 303	0.15 561	0.11 533	0.12 524	0.10 489	0.09 448	0.06 264

rvit_0105_5	0.14 375	0.09 377	0.13 292	0.17 277	0.09 300	0.14 344	0.23 529	0.24 383	0.27 436	0.14 307	0.15 272	0.18 381	0.12 322	0.17 415	0.14 381	0.14 557	0.11 533	0.10 474	0.10 489	0.08 385	0.06 264

rvit_0105_4	0.14 375	0.09 377	0.17 441	0.17 277	0.10 403	0.12 269	0.19 470	0.23 360	0.27 436	0.14 307	0.20 351	0.17 367	0.13 360	0.17 415	0.13 344	0.15 561	0.11 533	0.11 505	0.10 489	0.09 448	0.06 264

DCVSM-stereo	0.14 375	0.09 377	0.16 413	0.16 199	0.10 403	0.15 370	0.09 18	0.19 283	0.23 375	0.20 447	0.23 391	0.26 482	0.15 403	0.18 436	0.14 381	0.09 425	0.07 446	0.09 426	0.08 403	0.10 480	0.12 520

test_sample6	0.14 375	0.08 301	0.13 292	0.16 199	0.08 182	0.17 421	0.19 470	0.25 399	0.17 271	0.17 378	0.27 458	0.19 395	0.14 385	0.15 349	0.13 344	0.08 366	0.05 213	0.08 345	0.07 338	0.08 385	0.08 409

test_sample5	0.14 375	0.08 301	0.14 327	0.16 199	0.08 182	0.18 440	0.18 430	0.25 399	0.17 271	0.17 378	0.27 458	0.18 381	0.14 385	0.16 383	0.13 344	0.08 366	0.05 213	0.08 345	0.07 338	0.08 385	0.08 409

test_sample4	0.14 375	0.08 301	0.14 327	0.15 118	0.08 182	0.19 463	0.18 430	0.26 417	0.17 271	0.16 362	0.25 432	0.18 381	0.14 385	0.16 383	0.13 344	0.08 366	0.06 366	0.08 345	0.06 249	0.08 385	0.08 409

test_sample3	0.14 375	0.08 301	0.15 379	0.14 66	0.09 300	0.19 463	0.17 385	0.26 417	0.18 297	0.16 362	0.22 382	0.19 395	0.15 403	0.17 415	0.13 344	0.08 366	0.06 366	0.07 260	0.06 249	0.09 448	0.08 409

DispNO	0.14 375	0.08 301	0.17 441	0.19 418	0.12 485	0.11 233	0.21 508	0.23 360	0.29 457	0.17 378	0.23 391	0.18 381	0.17 452	0.15 349	0.15 409	0.07 303	0.05 213	0.08 345	0.08 403	0.07 322	0.06 264

SMFormer	0.14 375	0.07 200	0.17 441	0.14 66	0.08 182	0.16 400	0.17 385	0.26 417	0.27 436	0.19 424	0.20 351	0.18 381	0.15 403	0.15 349	0.17 440	0.08 366	0.05 213	0.07 260	0.06 249	0.07 322	0.06 264

tta	0.14 375	0.07 200	0.17 441	0.14 66	0.08 182	0.16 400	0.17 385	0.26 417	0.27 436	0.19 424	0.20 351	0.18 381	0.15 403	0.15 349	0.17 440	0.08 366	0.05 213	0.07 260	0.06 249	0.06 254	0.06 264

mmm	0.14 375	0.08 301	0.17 441	0.17 277	0.09 300	0.17 421	0.18 430	0.21 317	0.15 222	0.15 334	0.23 391	0.21 416	0.16 429	0.16 383	0.17 440	0.08 366	0.05 213	0.08 345	0.07 338	0.07 322	0.07 345

DualNet	0.14 375	0.08 301	0.14 327	0.16 199	0.08 182	0.18 440	0.18 430	0.25 399	0.17 271	0.17 378	0.27 458	0.18 381	0.14 385	0.16 383	0.13 344	0.08 366	0.05 213	0.08 345	0.07 338	0.08 385	0.08 409

mmx	0.14 375	0.09 377	0.14 327	0.16 199	0.08 182	0.17 421	0.17 385	0.27 438	0.25 412	0.15 334	0.25 432	0.19 395	0.13 360	0.14 327	0.20 477	0.08 366	0.06 366	0.09 426	0.08 403	0.08 385	0.08 409

ttt	0.14 375	0.08 301	0.14 327	0.15 118	0.08 182	0.15 370	0.18 430	0.27 438	0.29 457	0.16 362	0.24 403	0.17 367	0.13 360	0.13 301	0.14 381	0.11 495	0.08 472	0.09 426	0.08 403	0.09 448	0.08 409

xxx	0.14 375	0.09 377	0.14 327	0.16 199	0.08 182	0.17 421	0.17 385	0.27 438	0.25 412	0.15 334	0.25 432	0.19 395	0.13 360	0.14 327	0.20 477	0.08 366	0.06 366	0.09 426	0.08 403	0.08 385	0.08 409

PCWNet_CMD	0.14 375	0.08 301	0.15 379	0.17 277	0.09 300	0.14 344	0.14 213	0.29 469	0.36 513	0.14 307	0.20 351	0.21 416	0.12 322	0.17 415	0.13 344	0.07 303	0.05 213	0.07 260	0.07 338	0.07 322	0.07 345

CBFPSM	0.14 375	0.06 109	0.26 523	0.17 277	0.09 300	0.13 312	0.15 285	0.22 340	0.23 375	0.20 447	0.27 458	0.24 458	0.16 429	0.16 383	0.18 458	0.06 136	0.06 366	0.06 161	0.07 338	0.07 322	0.07 345

gwcnet-sp	0.14 375	0.07 200	0.12 246	0.18 360	0.09 300	0.16 400	0.17 385	0.24 383	0.24 391	0.18 408	0.24 403	0.15 333	0.16 429	0.15 349	0.15 409	0.08 366	0.06 366	0.07 260	0.08 403	0.08 385	0.07 345

scenet	0.14 375	0.07 200	0.12 246	0.18 360	0.09 300	0.16 400	0.17 385	0.24 383	0.24 391	0.18 408	0.24 403	0.15 333	0.16 429	0.15 349	0.15 409	0.08 366	0.06 366	0.07 260	0.08 403	0.08 385	0.07 345

ssnet	0.14 375	0.07 200	0.12 246	0.18 360	0.09 300	0.16 400	0.17 385	0.24 383	0.24 391	0.18 408	0.24 403	0.15 333	0.16 429	0.15 349	0.15 409	0.08 366	0.06 366	0.07 260	0.08 403	0.08 385	0.07 345

BUS	0.14 375	0.09 377	0.14 327	0.22 519	0.10 403	0.19 463	0.14 213	0.34 532	0.19 313	0.17 378	0.22 382	0.16 347	0.13 360	0.15 349	0.13 344	0.08 366	0.06 366	0.10 474	0.09 450	0.07 322	0.07 345

IER	0.14 375	0.07 200	0.13 292	0.17 277	0.09 300	0.14 344	0.16 351	0.25 399	0.26 426	0.18 408	0.25 432	0.17 367	0.20 494	0.16 383	0.14 381	0.08 366	0.05 213	0.07 260	0.06 249	0.08 385	0.07 345

test_5	0.14 375	0.12 479	0.08 40	0.20 475	0.10 403	0.14 344	0.29 587	0.21 317	0.24 391	0.18 408	0.28 472	0.11 242	0.15 403	0.12 255	0.13 344	0.06 136	0.05 213	0.07 260	0.08 403	0.08 385	0.07 345

psmg	0.14 375	0.09 377	0.14 327	0.17 277	0.10 403	0.15 370	0.17 385	0.29 469	0.19 313	0.17 378	0.21 372	0.25 472	0.16 429	0.15 349	0.14 381	0.08 366	0.06 366	0.08 345	0.08 403	0.07 322	0.06 264

UDGNet	0.14 375	0.13 508	0.16 413	0.17 277	0.10 403	0.12 269	0.16 351	0.21 317	0.27 436	0.20 447	0.20 351	0.16 347	0.13 360	0.16 383	0.13 344	0.10 466	0.06 366	0.09 426	0.07 338	0.06 254	0.07 345

CFNet_pseudo	0.14 375	0.08 301	0.15 379	0.16 199	0.09 300	0.13 312	0.14 213	0.27 438	0.34 500	0.14 307	0.21 372	0.22 434	0.13 360	0.18 436	0.14 381	0.07 303	0.05 213	0.08 345	0.06 249	0.07 322	0.07 345

GES	0.14 375	0.08 301	0.16 413	0.15 118	0.10 403	0.13 312	0.13 155	0.28 458	0.25 412	0.16 362	0.23 391	0.18 381	0.13 360	0.16 383	0.13 344	0.08 366	0.07 446	0.07 260	0.06 249	0.08 385	0.09 454

GANet-RSSM	0.14 375	0.07 200	0.13 292	0.13 14	0.08 182	0.14 344	0.17 385	0.22 340	0.21 351	0.17 378	0.24 403	0.23 452	0.15 403	0.16 383	0.15 409	0.10 466	0.06 366	0.07 260	0.08 403	0.08 385	0.07 345

PSMNet-RSSM	0.14 375	0.07 200	0.13 292	0.15 118	0.08 182	0.13 312	0.16 351	0.24 383	0.24 391	0.16 362	0.28 472	0.22 434	0.14 385	0.15 349	0.13 344	0.11 495	0.06 366	0.09 426	0.12 540	0.08 385	0.07 345

GwcNet-RSSM	0.14 375	0.07 200	0.12 246	0.15 118	0.08 182	0.15 370	0.20 491	0.21 317	0.27 436	0.18 408	0.27 458	0.22 434	0.16 429	0.14 327	0.15 409	0.10 466	0.05 213	0.07 260	0.09 450	0.07 322	0.07 345

CFNet-ft	0.14 375	0.07 200	0.15 379	0.12 4	0.09 300	0.16 400	0.18 430	0.22 340	0.24 391	0.17 378	0.26 449	0.24 458	0.14 385	0.16 383	0.14 381	0.11 495	0.06 366	0.08 345	0.09 450	0.09 448	0.08 409

DMCA	0.14 375	0.09 377	0.16 413	0.19 418	0.09 300	0.15 370	0.17 385	0.23 360	0.27 436	0.14 307	0.19 339	0.17 367	0.18 466	0.15 349	0.17 440	0.10 466	0.06 366	0.08 345	0.06 249	0.09 448	0.10 481

RASNet	0.14 375	0.07 200	0.14 327	0.16 199	0.08 182	0.18 440	0.14 213	0.29 469	0.20 336	0.17 378	0.25 432	0.21 416	0.18 466	0.20 476	0.19 471	0.07 303	0.06 366	0.06 161	0.08 403	0.06 254	0.06 264

MSMDNet	0.14 375	0.08 301	0.15 379	0.17 277	0.09 300	0.14 344	0.14 213	0.29 469	0.36 513	0.14 307	0.21 372	0.21 416	0.12 322	0.17 415	0.14 381	0.07 303	0.05 213	0.07 260	0.07 338	0.07 322	0.07 345

HSM-Net_RVC	0.14 375	0.08 301	0.11 205	0.15 118	0.08 182	0.15 370	0.15 285	0.27 438	0.29 457	0.19 424	0.21 372	0.29 508	0.14 385	0.17 415	0.13 344	0.06 136	0.06 366	0.06 161	0.06 249	0.07 322	0.06 264
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 375	0.07 200	0.15 379	0.12 4	0.09 300	0.16 400	0.18 430	0.22 340	0.24 391	0.17 378	0.26 449	0.24 458	0.14 385	0.16 383	0.14 381	0.11 495	0.06 366	0.08 345	0.09 450	0.09 448	0.08 409

ccs_rob	0.14 375	0.08 301	0.15 379	0.16 199	0.09 300	0.12 269	0.14 213	0.27 438	0.34 500	0.14 307	0.21 372	0.22 434	0.13 360	0.18 436	0.14 381	0.07 303	0.05 213	0.08 345	0.07 338	0.07 322	0.07 345

UCFNet_RVC	0.14 375	0.08 301	0.13 292	0.11 1	0.10 403	0.20 478	0.10 29	0.24 383	0.22 365	0.17 378	0.20 351	0.23 452	0.15 403	0.17 415	0.15 409	0.12 520	0.07 446	0.10 474	0.13 550	0.11 503	0.10 481

iResNetv2_ROB	0.14 375	0.08 301	0.15 379	0.16 199	0.08 182	0.16 400	0.12 89	0.25 399	0.35 509	0.21 461	0.29 484	0.24 458	0.13 360	0.14 327	0.14 381	0.06 136	0.05 213	0.06 161	0.04 77	0.09 448	0.08 409

iResNet_ROB	0.14 375	0.07 200	0.13 292	0.14 66	0.07 111	0.18 440	0.14 213	0.26 417	0.31 474	0.22 477	0.25 432	0.23 452	0.15 403	0.15 349	0.13 344	0.07 303	0.05 213	0.05 74	0.04 77	0.08 385	0.08 409

DDVS	0.15 419	0.10 435	0.21 496	0.16 199	0.12 485	0.15 370	0.14 213	0.25 399	0.19 313	0.18 408	0.29 484	0.27 490	0.12 322	0.19 451	0.15 409	0.09 425	0.06 366	0.09 426	0.07 338	0.11 503	0.11 507

rvit_0105_3	0.15 419	0.09 377	0.14 327	0.19 418	0.12 485	0.15 370	0.25 556	0.25 399	0.29 457	0.15 334	0.17 305	0.20 407	0.13 360	0.17 415	0.14 381	0.13 543	0.11 533	0.12 524	0.14 553	0.07 322	0.06 264

ACV-stereo	0.15 419	0.10 435	0.28 535	0.18 360	0.12 485	0.14 344	0.12 89	0.23 360	0.21 351	0.19 424	0.23 391	0.22 434	0.15 403	0.23 517	0.17 440	0.07 303	0.06 366	0.07 260	0.07 338	0.07 322	0.07 345

ITSA-stereo	0.15 419	0.10 435	0.14 327	0.19 418	0.08 182	0.12 269	0.14 213	0.30 483	0.49 571	0.17 378	0.19 339	0.22 434	0.15 403	0.17 415	0.16 425	0.10 466	0.06 366	0.08 345	0.08 403	0.08 385	0.08 409

test_sample7	0.15 419	0.10 435	0.16 413	0.14 66	0.11 453	0.16 400	0.16 351	0.27 438	0.23 375	0.20 447	0.20 351	0.24 458	0.19 482	0.16 383	0.16 425	0.12 520	0.06 366	0.10 474	0.09 450	0.10 480	0.10 481

1111x	0.15 419	0.08 301	0.12 246	0.18 360	0.07 111	0.18 440	0.25 556	0.31 493	0.24 391	0.17 378	0.24 403	0.26 482	0.15 403	0.13 301	0.23 518	0.07 303	0.07 446	0.08 345	0.09 450	0.07 322	0.06 264

CFNet_ucs	0.15 419	0.08 301	0.16 413	0.16 199	0.11 453	0.14 344	0.14 213	0.30 483	0.34 500	0.16 362	0.24 403	0.23 452	0.14 385	0.18 436	0.15 409	0.09 425	0.06 366	0.08 345	0.07 338	0.09 448	0.09 454

BSDual-CNN	0.15 419	0.09 377	0.14 327	0.22 519	0.10 403	0.14 344	0.15 285	0.34 532	0.19 313	0.17 378	0.22 382	0.25 472	0.16 429	0.15 349	0.14 381	0.08 366	0.06 366	0.10 474	0.09 450	0.07 322	0.07 345

hknet	0.15 419	0.11 461	0.13 292	0.22 519	0.11 453	0.14 344	0.15 285	0.34 532	0.25 412	0.17 378	0.22 382	0.22 434	0.18 466	0.17 415	0.12 303	0.07 303	0.06 366	0.10 474	0.09 450	0.07 322	0.07 345

dd	0.15 419	0.16 538	0.16 413	0.19 418	0.09 300	0.15 370	0.18 430	0.21 317	0.25 412	0.23 489	0.20 351	0.21 416	0.09 233	0.21 493	0.16 425	0.10 466	0.06 366	0.08 345	0.06 249	0.08 385	0.06 264

DAS	0.15 419	0.08 301	0.18 464	0.19 418	0.10 403	0.19 463	0.17 385	0.27 438	0.29 457	0.18 408	0.25 432	0.21 416	0.15 403	0.16 383	0.12 303	0.08 366	0.06 366	0.06 161	0.06 249	0.07 322	0.07 345

SepStereo	0.15 419	0.08 301	0.18 464	0.19 418	0.10 403	0.19 463	0.17 385	0.27 438	0.29 457	0.18 408	0.25 432	0.21 416	0.15 403	0.25 531	0.12 303	0.08 366	0.06 366	0.06 161	0.06 249	0.07 322	0.07 345

PSMNet-ADL	0.15 419	0.12 479	0.13 292	0.22 519	0.09 300	0.13 312	0.20 491	0.26 417	0.23 375	0.18 408	0.20 351	0.24 458	0.16 429	0.18 436	0.17 440	0.08 366	0.08 472	0.08 345	0.11 521	0.08 385	0.07 345

LMCR-Stereo	0.15 419	0.08 301	0.13 292	0.21 504	0.09 300	0.17 421	0.20 491	0.27 438	0.19 313	0.24 498	0.24 403	0.23 452	0.17 452	0.20 476	0.17 440	0.07 303	0.06 366	0.08 345	0.06 249	0.10 480	0.08 409

ICVP	0.15 419	0.09 377	0.12 246	0.22 519	0.09 300	0.17 421	0.21 508	0.25 399	0.23 375	0.18 408	0.30 490	0.26 482	0.18 466	0.17 415	0.14 381	0.09 425	0.07 446	0.08 345	0.07 338	0.07 322	0.07 345
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 419	0.07 200	0.14 327	0.14 66	0.08 182	0.23 516	0.18 430	0.31 493	0.19 313	0.14 307	0.28 472	0.22 434	0.14 385	0.15 349	0.26 552	0.09 425	0.05 213	0.07 260	0.07 338	0.08 385	0.07 345

test_xeample	0.15 419	0.06 109	0.13 292	0.14 66	0.08 182	0.21 495	0.20 491	0.28 458	0.20 336	0.16 362	0.29 484	0.19 395	0.16 429	0.15 349	0.26 552	0.09 425	0.05 213	0.07 260	0.07 338	0.07 322	0.07 345

ACVNet	0.15 419	0.09 377	0.15 379	0.13 14	0.12 485	0.14 344	0.20 491	0.22 340	0.33 488	0.17 378	0.26 449	0.21 416	0.16 429	0.17 415	0.21 497	0.07 303	0.06 366	0.06 161	0.06 249	0.08 385	0.06 264

acv_ft	0.15 419	0.09 377	0.15 379	0.19 418	0.10 403	0.16 400	0.17 385	0.25 399	0.33 488	0.19 424	0.26 449	0.21 416	0.17 452	0.17 415	0.18 458	0.07 303	0.06 366	0.06 161	0.06 249	0.08 385	0.06 264

CFNet	0.15 419	0.10 435	0.17 441	0.17 277	0.08 182	0.18 440	0.09 18	0.28 458	0.25 412	0.19 424	0.24 403	0.24 458	0.17 452	0.17 415	0.14 381	0.08 366	0.06 366	0.09 426	0.10 489	0.07 322	0.06 264

AdaStereo	0.15 419	0.11 461	0.15 379	0.18 360	0.09 300	0.20 478	0.11 57	0.32 504	0.28 450	0.20 447	0.23 391	0.20 407	0.13 360	0.19 451	0.14 381	0.12 520	0.05 213	0.10 474	0.07 338	0.09 448	0.07 345
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 419	0.08 301	0.14 327	0.16 199	0.09 300	0.16 400	0.14 213	0.28 458	0.25 412	0.19 424	0.23 391	0.37 559	0.16 429	0.20 476	0.15 409	0.07 303	0.05 213	0.07 260	0.06 249	0.07 322	0.06 264

pmcnn	0.15 419	0.07 200	0.19 475	0.15 118	0.07 111	0.20 478	0.15 285	0.24 383	0.26 426	0.21 461	0.34 518	0.28 500	0.18 466	0.18 436	0.17 440	0.07 303	0.05 213	0.05 74	0.04 77	0.07 322	0.06 264

DualNet (step1)	0.16 442	0.12 479	0.20 487	0.12 4	0.14 528	0.17 421	0.13 155	0.27 438	0.23 375	0.20 447	0.20 351	0.24 458	0.19 482	0.16 383	0.16 425	0.15 561	0.06 366	0.14 551	0.14 553	0.14 549	0.12 520

GMStereo_Zeroshot	0.16 442	0.13 508	0.24 515	0.20 475	0.10 403	0.17 421	0.13 155	0.29 469	0.25 412	0.23 489	0.32 502	0.25 472	0.11 291	0.19 451	0.14 381	0.09 425	0.06 366	0.11 505	0.06 249	0.12 518	0.08 409

iinet-f	0.16 442	0.06 109	0.45 578	0.14 66	0.10 403	0.21 495	0.14 213	0.27 438	0.23 375	0.21 461	0.24 403	0.21 416	0.15 403	0.18 436	0.21 497	0.09 425	0.07 446	0.07 260	0.06 249	0.09 448	0.10 481

CRFU-Net	0.16 442	0.08 301	0.14 327	0.17 277	0.09 300	0.19 463	0.14 213	0.26 417	0.20 336	0.28 538	0.27 458	0.29 508	0.17 452	0.19 451	0.17 440	0.09 425	0.09 501	0.07 260	0.07 338	0.08 385	0.08 409

NINENet	0.16 442	0.10 435	0.15 379	0.17 277	0.11 453	0.19 463	0.14 213	0.40 576	0.36 513	0.18 408	0.21 372	0.16 347	0.13 360	0.15 349	0.13 344	0.08 366	0.08 472	0.10 474	0.07 338	0.10 480	0.09 454

CSP-Net	0.16 442	0.09 377	0.14 327	0.16 199	0.09 300	0.19 463	0.17 385	0.25 399	0.32 481	0.25 511	0.30 490	0.24 458	0.15 403	0.21 493	0.18 458	0.09 425	0.06 366	0.07 260	0.07 338	0.08 385	0.07 345

AASNet	0.16 442	0.08 301	0.12 246	0.19 418	0.09 300	0.18 440	0.15 285	0.37 560	0.37 520	0.19 424	0.23 391	0.20 407	0.16 429	0.17 415	0.20 477	0.10 466	0.08 472	0.08 345	0.07 338	0.09 448	0.09 454

AACVNet	0.16 442	0.08 301	0.14 327	0.15 118	0.10 403	0.18 440	0.15 285	0.23 360	0.24 391	0.27 523	0.27 458	0.28 500	0.17 452	0.19 451	0.16 425	0.09 425	0.07 446	0.09 426	0.07 338	0.10 480	0.09 454

ADLNet2	0.16 442	0.09 377	0.13 292	0.16 199	0.09 300	0.20 478	0.16 351	0.31 493	0.39 530	0.16 362	0.20 351	0.20 407	0.18 466	0.21 493	0.22 506	0.08 366	0.06 366	0.07 260	0.07 338	0.09 448	0.07 345

Anonymous3	0.16 442	0.13 508	0.33 554	0.26 565	0.14 528	0.27 552	0.17 385	0.28 458	0.28 450	0.15 334	0.17 305	0.14 304	0.10 266	0.15 349	0.12 303	0.08 366	0.08 472	0.08 345	0.08 403	0.08 385	0.11 507

ADLNet	0.16 442	0.08 301	0.15 379	0.16 199	0.10 403	0.16 400	0.17 385	0.32 504	0.27 436	0.22 477	0.27 458	0.24 458	0.16 429	0.18 436	0.21 497	0.10 466	0.06 366	0.10 474	0.10 489	0.08 385	0.09 454

HCRNet	0.16 442	0.24 581	0.12 246	0.35 597	0.11 453	0.15 370	0.17 385	0.26 417	0.22 365	0.19 424	0.24 403	0.21 416	0.14 385	0.15 349	0.13 344	0.11 495	0.07 446	0.11 505	0.10 489	0.09 448	0.07 345

222	0.16 442	0.07 200	0.14 327	0.14 66	0.08 182	0.24 521	0.18 430	0.30 483	0.20 336	0.17 378	0.28 472	0.17 367	0.16 429	0.15 349	0.40 602	0.10 466	0.05 213	0.07 260	0.06 249	0.07 322	0.08 409

UPFNet	0.16 442	0.08 301	0.12 246	0.20 475	0.12 485	0.20 478	0.23 529	0.28 458	0.26 426	0.17 378	0.24 403	0.22 434	0.19 482	0.19 451	0.21 497	0.09 425	0.07 446	0.08 345	0.09 450	0.08 385	0.06 264

ac_64	0.16 442	0.08 301	0.15 379	0.18 360	0.10 403	0.22 503	0.18 430	0.24 383	0.21 351	0.18 408	0.24 403	0.29 508	0.18 466	0.19 451	0.22 506	0.09 425	0.07 446	0.08 345	0.09 450	0.07 322	0.06 264

DSFCA	0.16 442	0.09 377	0.14 327	0.16 199	0.10 403	0.20 478	0.19 470	0.28 458	0.31 474	0.23 489	0.24 403	0.22 434	0.15 403	0.19 451	0.20 477	0.10 466	0.07 446	0.09 426	0.09 450	0.08 385	0.08 409

FADNet-RVC-Resample	0.16 442	0.11 461	0.31 548	0.22 519	0.11 453	0.19 463	0.14 213	0.25 399	0.24 391	0.24 498	0.27 458	0.20 407	0.15 403	0.16 383	0.15 409	0.07 303	0.08 472	0.12 524	0.10 489	0.09 448	0.10 481

FADNet_RVC	0.16 442	0.14 520	0.40 571	0.20 475	0.11 453	0.13 312	0.13 155	0.26 417	0.22 365	0.21 461	0.23 391	0.20 407	0.17 452	0.14 327	0.16 425	0.08 366	0.08 472	0.12 524	0.09 450	0.11 503	0.10 481

AANet_RVC	0.16 442	0.10 435	0.10 144	0.18 360	0.09 300	0.18 440	0.19 470	0.26 417	0.31 474	0.22 477	0.35 522	0.21 416	0.21 498	0.22 506	0.16 425	0.06 136	0.05 213	0.06 161	0.06 249	0.07 322	0.06 264

DeepPruner_ROB	0.16 442	0.11 461	0.15 379	0.17 277	0.10 403	0.17 421	0.15 285	0.32 504	0.21 351	0.19 424	0.21 372	0.22 434	0.18 466	0.20 476	0.15 409	0.13 543	0.09 501	0.09 426	0.09 450	0.11 503	0.10 481

z-ln-s-r	0.17 462	0.10 435	0.40 571	0.19 418	0.08 182	0.17 421	0.18 430	0.22 340	0.33 488	0.18 408	0.40 551	0.22 434	0.17 452	0.20 476	0.23 518	0.07 303	0.05 213	0.07 260	0.07 338	0.07 322	0.05 169

rvit_stereo_0075_2	0.17 462	0.12 479	0.25 520	0.23 540	0.16 556	0.13 312	0.10 29	0.30 483	0.27 436	0.20 447	0.28 472	0.22 434	0.15 403	0.18 436	0.13 344	0.16 577	0.10 521	0.17 571	0.10 489	0.10 480	0.09 454

ToySt	0.17 462	0.11 461	0.18 464	0.17 277	0.11 453	0.16 400	0.25 556	0.24 383	0.33 488	0.19 424	0.24 403	0.26 482	0.24 521	0.19 451	0.20 477	0.07 303	0.08 472	0.09 426	0.10 489	0.09 448	0.08 409

ssnet_v2	0.17 462	0.10 435	0.17 441	0.17 277	0.11 453	0.21 495	0.21 508	0.33 523	0.25 412	0.22 477	0.22 382	0.27 490	0.18 466	0.22 506	0.20 477	0.11 495	0.09 501	0.09 426	0.09 450	0.08 385	0.08 409

dad	0.17 462	0.20 567	0.20 487	0.16 199	0.11 453	0.20 478	0.18 430	0.21 317	0.28 450	0.30 550	0.24 403	0.29 508	0.13 360	0.19 451	0.16 425	0.18 583	0.09 501	0.11 505	0.09 450	0.11 503	0.07 345

GEStereo_RVC	0.17 462	0.12 479	0.15 379	0.22 519	0.11 453	0.19 463	0.17 385	0.32 504	0.48 565	0.20 447	0.25 432	0.17 367	0.13 360	0.21 493	0.16 425	0.10 466	0.06 366	0.08 345	0.07 338	0.09 448	0.08 409

MMNet	0.17 462	0.09 377	0.16 413	0.20 475	0.11 453	0.27 552	0.20 491	0.25 399	0.41 539	0.22 477	0.30 490	0.21 416	0.20 494	0.17 415	0.20 477	0.06 136	0.06 366	0.07 260	0.07 338	0.08 385	0.07 345

delet	0.17 462	0.08 301	0.17 441	0.19 418	0.11 453	0.20 478	0.21 508	0.30 483	0.37 520	0.17 378	0.26 449	0.19 395	0.19 482	0.19 451	0.21 497	0.08 366	0.08 472	0.09 426	0.11 521	0.06 254	0.06 264

UNet	0.17 462	0.09 377	0.18 464	0.19 418	0.12 485	0.27 552	0.19 470	0.33 523	0.29 457	0.21 461	0.24 403	0.23 452	0.19 482	0.19 451	0.18 458	0.07 303	0.06 366	0.08 345	0.07 338	0.08 385	0.06 264

HGLStereo	0.17 462	0.08 301	0.19 475	0.17 277	0.12 485	0.18 440	0.18 430	0.31 493	0.32 481	0.21 461	0.32 502	0.25 472	0.18 466	0.19 451	0.20 477	0.09 425	0.09 501	0.07 260	0.07 338	0.09 448	0.10 481

DMCA-RVC	0.17 462	0.10 435	0.15 379	0.24 549	0.11 453	0.18 440	0.18 430	0.25 399	0.24 391	0.21 461	0.26 449	0.25 472	0.27 544	0.18 436	0.20 477	0.12 520	0.08 472	0.13 539	0.10 489	0.10 480	0.08 409

TDLM	0.17 462	0.12 479	0.13 292	0.24 549	0.10 403	0.18 440	0.18 430	0.36 554	0.30 467	0.21 461	0.28 472	0.28 500	0.18 466	0.23 517	0.18 458	0.11 495	0.07 446	0.10 474	0.10 489	0.08 385	0.08 409

NLCA_NET_v2_RVC	0.17 462	0.10 435	0.22 502	0.20 475	0.10 403	0.15 370	0.18 430	0.31 493	0.25 412	0.21 461	0.30 490	0.25 472	0.17 452	0.21 493	0.20 477	0.09 425	0.06 366	0.08 345	0.08 403	0.07 322	0.08 409
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 462	0.12 479	0.15 379	0.20 475	0.09 300	0.18 440	0.18 430	0.26 417	0.23 375	0.26 517	0.40 551	0.22 434	0.17 452	0.21 493	0.20 477	0.08 366	0.05 213	0.09 426	0.10 489	0.07 322	0.07 345
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 476	0.08 301	0.19 475	0.19 418	0.13 508	0.15 370	0.12 89	0.30 483	0.32 481	0.21 461	0.25 432	0.27 490	0.17 452	0.17 415	0.20 477	0.20 590	0.08 472	0.14 551	0.14 553	0.14 549	0.17 582

test_sample9	0.18 476	0.12 479	0.20 487	0.12 4	0.14 528	0.17 421	0.13 155	0.27 438	0.23 375	0.20 447	0.20 351	0.24 458	0.19 482	0.19 451	0.17 440	0.15 561	0.30 609	0.14 551	0.14 553	0.14 549	0.12 520

fast-acv-ft	0.18 476	0.11 461	0.19 475	0.19 418	0.12 485	0.24 521	0.21 508	0.25 399	0.34 500	0.22 477	0.34 518	0.27 490	0.20 494	0.21 493	0.23 518	0.09 425	0.09 501	0.08 345	0.10 489	0.08 385	0.07 345

HBP-ISP	0.18 476	0.13 508	0.16 413	0.15 118	0.11 453	0.08 65	0.13 155	0.28 458	0.29 457	0.22 477	0.33 514	0.21 416	0.25 530	0.23 517	0.17 440	0.14 557	0.16 578	0.21 585	0.17 579	0.10 480	0.08 409

Wz-Net-LNSev-Ref	0.18 476	0.09 377	0.29 543	0.15 118	0.10 403	0.22 503	0.20 491	0.26 417	0.39 530	0.25 511	0.42 568	0.24 458	0.15 403	0.20 476	0.19 471	0.07 303	0.05 213	0.06 161	0.05 171	0.10 480	0.09 454

SACVNet	0.18 476	0.12 479	0.14 327	0.17 277	0.13 508	0.22 503	0.18 430	0.31 493	0.30 467	0.23 489	0.31 498	0.30 517	0.22 507	0.22 506	0.17 440	0.11 495	0.08 472	0.10 474	0.10 489	0.12 518	0.14 556

psm_up	0.18 476	0.10 435	0.18 464	0.20 475	0.11 453	0.17 421	0.19 470	0.37 560	0.34 500	0.21 461	0.28 472	0.29 508	0.24 521	0.20 476	0.22 506	0.09 425	0.10 521	0.11 505	0.11 521	0.08 385	0.08 409

hitnet-ft	0.18 476	0.09 377	0.17 441	0.14 66	0.09 300	0.26 542	0.20 491	0.25 399	0.26 426	0.24 498	0.32 502	0.31 530	0.22 507	0.24 526	0.21 497	0.12 520	0.07 446	0.10 474	0.08 403	0.12 518	0.11 507

STTStereo	0.18 476	0.12 479	0.27 530	0.20 475	0.11 453	0.16 400	0.21 508	0.29 469	0.23 375	0.21 461	0.30 490	0.29 508	0.18 466	0.20 476	0.19 471	0.12 520	0.11 533	0.11 505	0.14 553	0.09 448	0.08 409

CVANet_RVC	0.18 476	0.10 435	0.14 327	0.21 504	0.10 403	0.18 440	0.17 385	0.34 532	0.33 488	0.22 477	0.31 498	0.28 500	0.18 466	0.23 517	0.17 440	0.12 520	0.08 472	0.12 524	0.11 521	0.09 448	0.07 345

StereoDRNet	0.18 476	0.11 461	0.17 441	0.22 519	0.11 453	0.21 495	0.22 518	0.37 560	0.33 488	0.24 498	0.28 472	0.30 517	0.19 482	0.20 476	0.20 477	0.09 425	0.08 472	0.11 505	0.09 450	0.09 448	0.07 345

DLCB_ROB	0.18 476	0.10 435	0.15 379	0.23 540	0.11 453	0.24 521	0.18 430	0.29 469	0.28 450	0.27 523	0.28 472	0.28 500	0.24 521	0.19 451	0.20 477	0.08 366	0.08 472	0.09 426	0.09 450	0.07 322	0.07 345

TCMNet	0.19 488	0.12 479	0.19 475	0.20 475	0.18 577	0.20 478	0.24 541	0.27 438	0.36 513	0.23 489	0.26 449	0.25 472	0.19 482	0.19 451	0.23 518	0.13 543	0.11 533	0.11 505	0.12 540	0.13 536	0.12 520

rvit_105_1	0.19 488	0.11 461	0.25 520	0.21 504	0.16 556	0.21 495	0.27 572	0.31 493	0.41 539	0.19 424	0.20 351	0.22 434	0.17 452	0.19 451	0.17 440	0.12 520	0.12 547	0.13 539	0.15 568	0.08 385	0.07 345

test_sample8	0.19 488	0.12 479	0.20 487	0.12 4	0.14 528	0.17 421	0.13 155	0.31 493	0.21 351	0.27 523	0.22 382	0.36 554	0.25 530	0.19 451	0.17 440	0.15 561	0.30 609	0.14 551	0.14 553	0.14 549	0.12 520

SDNR	0.19 488	0.08 301	0.19 475	0.16 199	0.12 485	0.77 624	0.14 213	0.25 399	0.32 481	0.19 424	0.24 403	0.19 395	0.13 360	0.19 451	0.15 409	0.16 577	0.18 585	0.14 551	0.11 521	0.08 385	0.11 507

pcwnet_v2	0.19 488	0.10 435	0.26 523	0.17 277	0.14 528	0.18 440	0.15 285	0.37 560	0.46 563	0.19 424	0.24 403	0.21 416	0.19 482	0.20 476	0.19 471	0.13 543	0.10 521	0.10 474	0.10 489	0.11 503	0.13 539

ADCRef	0.19 488	0.12 479	0.41 574	0.20 475	0.12 485	0.22 503	0.18 430	0.32 504	0.36 513	0.26 517	0.32 502	0.17 367	0.23 515	0.24 526	0.24 531	0.07 303	0.06 366	0.09 426	0.09 450	0.08 385	0.08 409

NVstereo2D	0.19 488	0.10 435	0.15 379	0.17 277	0.15 546	0.28 559	0.23 529	0.44 593	0.42 546	0.15 334	0.27 458	0.25 472	0.19 482	0.22 506	0.17 440	0.09 425	0.06 366	0.10 474	0.08 403	0.15 564	0.09 454

DRN-Test	0.19 488	0.11 461	0.20 487	0.22 519	0.10 403	0.22 503	0.22 518	0.39 572	0.37 520	0.24 498	0.32 502	0.26 482	0.21 498	0.22 506	0.24 531	0.11 495	0.07 446	0.11 505	0.10 489	0.09 448	0.07 345

DISCO	0.19 488	0.09 377	0.22 502	0.17 277	0.10 403	0.25 532	0.18 430	0.27 438	0.44 556	0.22 477	0.31 498	0.33 542	0.26 536	0.28 548	0.28 567	0.08 366	0.06 366	0.07 260	0.07 338	0.09 448	0.09 454

CBMV_ROB	0.19 488	0.13 508	0.17 441	0.16 199	0.11 453	0.15 370	0.13 155	0.26 417	0.28 450	0.27 523	0.30 490	0.27 490	0.24 521	0.23 517	0.16 425	0.15 561	0.17 583	0.22 589	0.20 585	0.10 480	0.11 507

NOSS_ROB	0.19 488	0.12 479	0.18 464	0.16 199	0.12 485	0.15 370	0.12 89	0.30 483	0.32 481	0.20 447	0.22 382	0.27 490	0.23 515	0.21 493	0.16 425	0.16 577	0.18 585	0.23 590	0.21 587	0.12 518	0.13 539

CBMV	0.19 488	0.14 520	0.17 441	0.18 360	0.10 403	0.20 478	0.11 57	0.29 469	0.30 467	0.29 546	0.30 490	0.30 517	0.23 515	0.27 536	0.19 471	0.13 543	0.15 575	0.17 571	0.16 572	0.10 480	0.10 481
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 500	0.14 520	0.37 567	0.22 519	0.12 485	0.20 478	0.21 508	0.28 458	0.37 520	0.25 511	0.37 531	0.27 490	0.22 507	0.21 493	0.23 518	0.08 366	0.08 472	0.09 426	0.09 450	0.10 480	0.09 454

YMNet	0.20 500	0.12 479	0.19 475	0.20 475	0.14 528	0.26 542	0.23 529	0.32 504	0.34 500	0.27 523	0.34 518	0.30 517	0.18 466	0.18 436	0.22 506	0.10 466	0.13 560	0.10 474	0.10 489	0.08 385	0.09 454

YMNet_1	0.20 500	0.12 479	0.19 475	0.20 475	0.14 528	0.26 542	0.23 529	0.32 504	0.34 500	0.27 523	0.34 518	0.30 517	0.18 466	0.18 436	0.22 506	0.10 466	0.13 560	0.10 474	0.10 489	0.08 385	0.09 454

GwcNet	0.20 500	0.13 508	0.19 475	0.18 360	0.12 485	0.24 521	0.19 470	0.35 547	0.43 551	0.20 447	0.32 502	0.33 542	0.20 494	0.22 506	0.24 531	0.11 495	0.09 501	0.09 426	0.09 450	0.09 448	0.10 481

FAT-Stereo	0.20 500	0.12 479	0.22 502	0.21 504	0.12 485	0.17 421	0.18 430	0.34 532	0.39 530	0.27 523	0.37 531	0.34 548	0.32 574	0.21 493	0.20 477	0.09 425	0.11 533	0.10 474	0.09 450	0.11 503	0.14 556

FADNet-RVC	0.20 500	0.20 567	0.38 568	0.21 504	0.16 556	0.20 478	0.15 285	0.26 417	0.26 426	0.26 517	0.32 502	0.26 482	0.21 498	0.22 506	0.19 471	0.12 520	0.13 560	0.12 524	0.14 553	0.13 536	0.18 585

S-Stereo	0.20 500	0.12 479	0.25 520	0.21 504	0.13 508	0.20 478	0.18 430	0.32 504	0.43 551	0.23 489	0.36 525	0.28 500	0.30 566	0.19 451	0.22 506	0.09 425	0.12 547	0.10 474	0.10 489	0.13 536	0.13 539

SuperB	0.20 500	0.10 435	0.56 594	0.16 199	0.09 300	0.18 440	0.18 430	0.24 383	0.50 574	0.26 517	0.39 545	0.17 367	0.21 498	0.22 506	0.21 497	0.08 366	0.06 366	0.06 161	0.06 249	0.12 518	0.10 481

ADCP+	0.20 500	0.10 435	0.33 554	0.20 475	0.12 485	0.22 503	0.26 565	0.31 493	0.34 500	0.26 517	0.37 531	0.22 434	0.22 507	0.27 536	0.27 560	0.09 425	0.06 366	0.08 345	0.08 403	0.09 448	0.10 481

PS-NSSS	0.20 500	0.21 573	0.23 511	0.20 475	0.10 403	0.19 463	0.17 385	0.36 554	0.25 412	0.27 523	0.33 514	0.27 490	0.24 521	0.20 476	0.20 477	0.15 561	0.12 547	0.17 571	0.14 553	0.10 480	0.08 409

PWCDC_ROB	0.20 500	0.13 508	0.22 502	0.24 549	0.11 453	0.19 463	0.15 285	0.33 523	0.54 583	0.29 546	0.50 583	0.21 416	0.15 403	0.27 536	0.20 477	0.11 495	0.09 501	0.10 474	0.08 403	0.11 503	0.09 454

SGM-Forest	0.20 500	0.14 520	0.18 464	0.19 418	0.13 508	0.20 478	0.22 518	0.33 523	0.30 467	0.24 498	0.29 484	0.28 500	0.19 482	0.23 517	0.17 440	0.15 561	0.16 578	0.15 563	0.14 553	0.12 518	0.12 520
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 512	0.17 549	0.19 475	0.23 540	0.15 546	0.30 566	0.20 491	0.33 523	0.35 509	0.23 489	0.28 472	0.31 530	0.27 544	0.20 476	0.22 506	0.15 561	0.12 547	0.13 539	0.09 450	0.14 549	0.14 556

FINET	0.21 512	0.18 560	0.26 523	0.18 360	0.16 556	0.23 516	0.23 529	0.32 504	0.48 565	0.25 511	0.32 502	0.22 434	0.22 507	0.22 506	0.17 440	0.18 583	0.16 578	0.11 505	0.10 489	0.15 564	0.13 539

Syn2CoEx	0.21 512	0.16 538	0.27 530	0.29 588	0.14 528	0.26 542	0.20 491	0.33 523	0.31 474	0.28 538	0.36 525	0.27 490	0.25 530	0.19 451	0.24 531	0.16 577	0.12 547	0.14 551	0.11 521	0.09 448	0.08 409

FADNet	0.21 512	0.22 577	0.36 563	0.18 360	0.17 571	0.24 521	0.13 155	0.31 493	0.31 474	0.23 489	0.25 432	0.27 490	0.21 498	0.19 451	0.15 409	0.13 543	0.15 575	0.12 524	0.15 568	0.16 571	0.18 585

RP	0.21 512	0.13 508	0.21 496	0.23 540	0.11 453	0.21 495	0.20 491	0.25 399	0.44 556	0.21 461	0.38 537	0.36 554	0.24 521	0.27 536	0.25 541	0.11 495	0.12 547	0.13 539	0.12 540	0.12 518	0.14 556

DANet	0.21 512	0.15 530	0.28 535	0.25 560	0.13 508	0.22 503	0.19 470	0.27 438	0.27 436	0.28 538	0.32 502	0.35 552	0.31 570	0.31 558	0.23 518	0.11 495	0.09 501	0.11 505	0.10 489	0.13 536	0.11 507
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 512	0.12 479	0.21 496	0.24 549	0.13 508	0.22 503	0.22 518	0.41 582	0.26 426	0.31 556	0.42 568	0.37 559	0.28 554	0.23 517	0.22 506	0.10 466	0.12 547	0.10 474	0.09 450	0.10 480	0.08 409

PWC_ROB	0.21 512	0.16 538	0.26 523	0.18 360	0.11 453	0.22 503	0.13 155	0.32 504	0.49 571	0.30 550	0.40 551	0.32 539	0.24 521	0.31 558	0.22 506	0.10 466	0.07 446	0.11 505	0.08 403	0.11 503	0.10 481

PSMNet_ROB	0.21 512	0.11 461	0.15 379	0.27 577	0.15 546	0.24 521	0.35 604	0.43 591	0.37 520	0.27 523	0.32 502	0.32 539	0.22 507	0.21 493	0.26 552	0.12 520	0.08 472	0.13 539	0.11 521	0.09 448	0.09 454

MSAF-DinoV2	0.22 521	0.11 461	0.23 511	0.17 277	0.10 403	0.27 552	0.16 351	0.37 560	0.55 584	0.21 461	0.27 458	0.47 592	0.27 544	0.35 577	0.39 599	0.09 425	0.06 366	0.07 260	0.09 450	0.12 518	0.10 481

GASNet	0.22 521	0.23 578	0.33 554	0.26 565	0.17 571	0.26 542	0.16 351	0.44 593	0.42 546	0.27 523	0.24 403	0.30 517	0.15 403	0.27 536	0.18 458	0.12 520	0.08 472	0.12 524	0.11 521	0.16 571	0.07 345

Anonymous_2	0.22 521	0.17 549	0.28 535	0.15 118	0.16 556	0.32 568	0.22 518	0.22 340	0.17 271	0.23 489	0.24 403	0.26 482	0.27 544	0.27 536	0.23 518	0.22 599	0.25 605	0.17 571	0.17 579	0.17 578	0.17 582

Wz-Net-LNSev	0.22 521	0.16 538	0.38 568	0.21 504	0.13 508	0.25 532	0.23 529	0.32 504	0.43 551	0.30 550	0.41 562	0.31 530	0.18 466	0.22 506	0.25 541	0.10 466	0.09 501	0.08 345	0.08 403	0.12 518	0.11 507

Wz-Net-MNSev	0.22 521	0.13 508	0.31 548	0.20 475	0.14 528	0.36 586	0.24 541	0.33 523	0.44 556	0.28 538	0.40 551	0.38 563	0.19 482	0.24 526	0.25 541	0.09 425	0.07 446	0.09 426	0.09 450	0.12 518	0.10 481

DDUNet	0.22 521	0.17 549	0.21 496	0.22 519	0.15 546	0.25 532	0.24 541	0.29 469	0.30 467	0.31 556	0.36 525	0.33 542	0.25 530	0.24 526	0.20 477	0.18 583	0.13 560	0.17 571	0.11 521	0.16 571	0.16 574

APVNet	0.22 521	0.12 479	0.19 475	0.18 360	0.14 528	0.32 568	0.31 600	0.39 572	0.32 481	0.27 523	0.40 551	0.30 517	0.29 562	0.26 533	0.25 541	0.11 495	0.12 547	0.11 505	0.14 553	0.12 518	0.12 520

aanetorigin	0.22 521	0.17 549	0.56 594	0.17 277	0.10 403	0.15 370	0.19 470	0.20 294	0.33 488	0.49 598	0.48 578	0.29 508	0.27 544	0.20 476	0.23 518	0.08 366	0.07 446	0.08 345	0.07 338	0.10 480	0.09 454

MaskLacGwcNet_RVC	0.22 521	0.21 573	0.24 515	0.26 565	0.11 453	0.23 516	0.14 213	0.39 572	0.24 391	0.32 562	0.36 525	0.30 517	0.21 498	0.19 451	0.21 497	0.17 582	0.14 569	0.21 585	0.16 572	0.12 518	0.12 520

AF-Net	0.22 521	0.17 549	0.17 441	0.26 565	0.13 508	0.25 532	0.24 541	0.32 504	0.50 574	0.25 511	0.33 514	0.38 563	0.26 536	0.28 548	0.25 541	0.11 495	0.10 521	0.16 569	0.11 521	0.11 503	0.10 481

stereogan	0.22 521	0.11 461	0.21 496	0.20 475	0.12 485	0.31 567	0.19 470	0.35 547	0.44 556	0.22 477	0.39 545	0.35 552	0.27 544	0.33 568	0.22 506	0.10 466	0.12 547	0.10 474	0.10 489	0.14 549	0.13 539

edge stereo	0.22 521	0.13 508	0.20 487	0.21 504	0.13 508	0.23 516	0.16 351	0.32 504	0.42 546	0.32 562	0.40 551	0.38 563	0.35 581	0.25 531	0.24 531	0.13 543	0.11 533	0.14 551	0.11 521	0.12 518	0.13 539

RYNet	0.22 521	0.12 479	0.22 502	0.19 418	0.17 571	0.46 595	0.26 565	0.38 568	0.48 565	0.24 498	0.28 472	0.34 548	0.23 515	0.20 476	0.30 575	0.10 466	0.06 366	0.09 426	0.09 450	0.13 536	0.15 563

NaN_ROB	0.22 521	0.19 563	0.24 515	0.25 560	0.13 508	0.29 563	0.26 565	0.33 523	0.41 539	0.31 556	0.31 498	0.32 539	0.23 515	0.30 557	0.21 497	0.11 495	0.17 583	0.10 474	0.10 489	0.08 385	0.09 454

MDST_ROB	0.22 521	0.10 435	0.17 441	0.18 360	0.11 453	0.37 587	0.19 470	0.43 591	0.41 539	0.39 579	0.39 545	0.29 508	0.21 498	0.26 533	0.18 458	0.11 495	0.10 521	0.14 551	0.11 521	0.10 480	0.08 409

XPNet_ROB	0.22 521	0.11 461	0.19 475	0.22 519	0.13 508	0.22 503	0.19 470	0.34 532	0.40 536	0.30 550	0.39 545	0.39 571	0.26 536	0.26 533	0.28 567	0.15 561	0.10 521	0.10 474	0.10 489	0.13 536	0.12 520

SQANet	0.23 537	0.23 578	0.30 546	0.30 590	0.19 580	0.27 552	0.13 155	0.29 469	0.33 488	0.24 498	0.37 531	0.31 530	0.22 507	0.27 536	0.23 518	0.15 561	0.10 521	0.21 585	0.16 572	0.21 586	0.15 563

Nwc_Net	0.23 537	0.16 538	0.21 496	0.25 560	0.14 528	0.24 521	0.26 565	0.37 560	0.38 527	0.22 477	0.41 562	0.30 517	0.28 554	0.28 548	0.25 541	0.11 495	0.10 521	0.17 571	0.20 585	0.10 480	0.10 481

RTSC	0.23 537	0.12 479	0.28 535	0.21 504	0.13 508	0.28 559	0.16 351	0.35 547	0.66 607	0.27 523	0.33 514	0.30 517	0.21 498	0.31 558	0.29 570	0.10 466	0.08 472	0.09 426	0.10 489	0.13 536	0.13 539

PA-Net	0.23 537	0.18 560	0.33 554	0.28 580	0.22 589	0.21 495	0.38 609	0.29 469	0.39 530	0.22 477	0.32 502	0.25 472	0.26 536	0.20 476	0.25 541	0.09 425	0.23 603	0.15 563	0.22 590	0.09 448	0.13 539
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 537	0.15 530	0.17 441	0.34 595	0.18 577	0.24 521	0.23 529	0.34 532	0.28 450	0.31 556	0.38 537	0.38 563	0.28 554	0.23 517	0.24 531	0.15 561	0.12 547	0.18 580	0.21 587	0.13 536	0.13 539

ETE_ROB	0.23 537	0.17 549	0.22 502	0.25 560	0.13 508	0.26 542	0.29 587	0.31 493	0.36 513	0.28 538	0.36 525	0.45 585	0.26 536	0.27 536	0.26 552	0.11 495	0.08 472	0.12 524	0.09 450	0.14 549	0.13 539

SGM_RVC	0.23 537	0.12 479	0.15 379	0.15 118	0.09 300	0.33 574	0.18 430	0.34 532	0.31 474	0.44 593	0.37 531	0.53 600	0.35 581	0.35 577	0.24 531	0.13 543	0.13 560	0.13 539	0.13 550	0.10 480	0.11 507
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
z-mn7	0.24 544	0.14 520	0.45 578	0.19 418	0.13 508	0.28 559	0.25 556	0.34 532	0.62 599	0.27 523	0.56 594	0.29 508	0.24 521	0.32 565	0.25 541	0.08 366	0.08 472	0.08 345	0.08 403	0.10 480	0.10 481

w-ln-seven	0.24 544	0.14 520	0.55 591	0.19 418	0.14 528	0.26 542	0.22 518	0.35 547	0.60 596	0.29 546	0.39 545	0.30 517	0.22 507	0.21 493	0.26 552	0.09 425	0.09 501	0.11 505	0.10 489	0.11 503	0.10 481

DGSMNet	0.24 544	0.19 563	0.33 554	0.21 504	0.24 594	0.24 521	0.20 491	0.35 547	0.41 539	0.24 498	0.32 502	0.38 563	0.21 498	0.29 554	0.23 518	0.12 520	0.11 533	0.14 551	0.16 572	0.23 590	0.23 596

G-Net	0.24 544	0.16 538	0.36 563	0.22 519	0.16 556	0.51 601	0.23 529	0.29 469	0.34 500	0.36 572	0.38 537	0.31 530	0.29 562	0.27 536	0.26 552	0.11 495	0.09 501	0.12 524	0.09 450	0.16 571	0.13 539

NCC-stereo	0.24 544	0.15 530	0.31 548	0.26 565	0.16 556	0.20 478	0.30 594	0.40 576	0.40 536	0.24 498	0.38 537	0.33 542	0.28 554	0.36 583	0.27 560	0.12 520	0.11 533	0.15 563	0.22 590	0.13 536	0.13 539

Abc-Net	0.24 544	0.15 530	0.31 548	0.26 565	0.16 556	0.20 478	0.30 594	0.40 576	0.40 536	0.24 498	0.38 537	0.33 542	0.28 554	0.36 583	0.27 560	0.12 520	0.11 533	0.15 563	0.22 590	0.13 536	0.13 539
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 544	0.11 461	0.47 583	0.22 519	0.12 485	0.34 577	0.29 587	0.29 469	0.56 587	0.24 498	0.46 575	0.30 517	0.30 566	0.29 554	0.29 570	0.08 366	0.07 446	0.09 426	0.09 450	0.10 480	0.10 481

DeepPrunerF	0.24 544	0.17 549	0.42 576	0.26 565	0.16 556	0.22 503	0.28 578	0.37 560	0.50 574	0.26 517	0.29 484	0.24 458	0.28 554	0.21 493	0.22 506	0.15 561	0.11 533	0.20 584	0.18 583	0.12 518	0.13 539

FBW_ROB	0.24 544	0.17 549	0.22 502	0.26 565	0.14 528	0.25 532	0.22 518	0.41 582	0.41 539	0.41 586	0.41 562	0.42 578	0.27 544	0.31 558	0.23 518	0.09 425	0.14 569	0.14 551	0.12 540	0.11 503	0.09 454

SANet	0.24 544	0.14 520	0.28 535	0.21 504	0.11 453	0.27 552	0.24 541	0.38 568	0.64 603	0.36 572	0.40 551	0.43 581	0.26 536	0.27 536	0.24 531	0.12 520	0.09 501	0.10 474	0.09 450	0.13 536	0.11 507

WCMA_ROB	0.24 544	0.11 461	0.22 502	0.17 277	0.14 528	0.32 568	0.15 285	0.32 504	0.32 481	0.38 577	0.53 585	0.40 575	0.34 579	0.34 571	0.25 541	0.11 495	0.12 547	0.12 524	0.10 489	0.14 549	0.14 556

zh-sn7	0.25 555	0.17 549	0.50 585	0.24 549	0.13 508	0.25 532	0.24 541	0.34 532	0.48 565	0.28 538	0.54 587	0.28 500	0.31 570	0.36 583	0.32 583	0.10 466	0.10 521	0.11 505	0.10 489	0.12 518	0.12 520

zh-mn7	0.25 555	0.14 520	0.56 594	0.19 418	0.14 528	0.24 521	0.22 518	0.34 532	0.62 599	0.35 569	0.65 602	0.31 530	0.25 530	0.31 558	0.25 541	0.09 425	0.08 472	0.09 426	0.09 450	0.09 448	0.11 507

Wz-Net-SNSev	0.25 555	0.17 549	0.44 577	0.25 560	0.14 528	0.26 542	0.23 529	0.38 568	0.56 587	0.30 550	0.55 589	0.39 571	0.26 536	0.23 517	0.30 575	0.10 466	0.09 501	0.09 426	0.10 489	0.11 503	0.11 507

psmorigin	0.25 555	0.15 530	0.34 562	0.17 277	0.13 508	0.23 516	0.14 213	0.34 532	0.33 488	0.41 586	0.55 589	0.41 577	0.37 585	0.34 571	0.27 560	0.11 495	0.15 575	0.11 505	0.11 521	0.12 518	0.16 574

RGC	0.25 555	0.20 567	0.29 543	0.28 580	0.16 556	0.22 503	0.23 529	0.32 504	0.44 556	0.27 523	0.40 551	0.38 563	0.27 544	0.36 583	0.22 506	0.11 495	0.13 560	0.17 571	0.17 579	0.14 549	0.16 574

ADCMid	0.25 555	0.15 530	0.40 571	0.20 475	0.14 528	0.25 532	0.26 565	0.34 532	0.38 527	0.36 572	0.44 573	0.34 548	0.40 591	0.35 577	0.33 587	0.10 466	0.09 501	0.11 505	0.11 521	0.13 536	0.12 520

ADCPNet	0.25 555	0.16 538	0.61 600	0.21 504	0.15 546	0.35 585	0.25 556	0.32 504	0.35 509	0.30 550	0.40 551	0.36 554	0.28 554	0.28 548	0.32 583	0.12 520	0.10 521	0.11 505	0.12 540	0.14 549	0.13 539

LALA_ROB	0.25 555	0.16 538	0.22 502	0.26 565	0.17 571	0.27 552	0.27 572	0.42 587	0.37 520	0.33 566	0.38 537	0.51 596	0.26 536	0.28 548	0.27 560	0.16 577	0.09 501	0.12 524	0.11 521	0.13 536	0.12 520

SHD	0.26 563	0.15 530	0.30 546	0.24 549	0.18 577	0.22 503	0.15 285	0.38 568	0.71 611	0.32 562	0.41 562	0.36 554	0.28 554	0.32 565	0.29 570	0.12 520	0.11 533	0.14 551	0.13 550	0.16 571	0.20 591

AnyNet_C32	0.26 563	0.16 538	0.36 563	0.20 475	0.16 556	0.25 532	0.30 594	0.32 504	0.44 556	0.31 556	0.49 579	0.30 517	0.33 575	0.40 598	0.33 587	0.12 520	0.12 547	0.12 524	0.14 553	0.14 549	0.15 563

PSMNet-RUCA	0.27 565	0.33 600	0.41 574	0.36 599	0.32 607	0.18 440	0.19 470	0.42 587	0.30 467	0.33 566	0.41 562	0.39 571	0.25 530	0.31 558	0.20 477	0.18 583	0.10 521	0.25 592	0.15 568	0.21 586	0.16 574

PDISCO_ROB	0.27 565	0.16 538	0.26 523	0.28 580	0.20 583	0.32 568	0.26 565	0.44 593	0.57 589	0.28 538	0.40 551	0.45 585	0.29 562	0.33 568	0.34 589	0.12 520	0.09 501	0.17 571	0.16 572	0.17 578	0.13 539

DispFullNet	0.27 565	0.21 573	0.65 603	0.28 580	0.16 556	0.26 542	0.17 385	0.33 523	0.58 592	0.27 523	0.38 537	0.43 581	0.23 515	0.38 590	0.23 518	0.12 520	0.06 366	0.19 582	0.11 521	0.21 586	0.15 563

MeshStereo	0.27 565	0.13 508	0.18 464	0.15 118	0.11 453	0.32 568	0.24 541	0.40 576	0.36 513	0.52 600	0.57 597	0.67 611	0.40 591	0.35 577	0.26 552	0.14 557	0.13 560	0.13 539	0.11 521	0.11 503	0.10 481
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WZ-Net	0.28 569	0.17 549	0.78 617	0.22 519	0.16 556	0.34 577	0.29 587	0.39 572	0.57 589	0.24 498	0.55 589	0.37 559	0.24 521	0.33 568	0.35 590	0.09 425	0.08 472	0.09 426	0.10 489	0.14 549	0.16 574

XQC	0.28 569	0.23 578	0.51 586	0.28 580	0.19 580	0.34 577	0.27 572	0.36 554	0.57 589	0.31 556	0.30 490	0.37 559	0.30 566	0.38 590	0.38 597	0.13 543	0.09 501	0.15 563	0.12 540	0.17 578	0.18 585

CC-Net-ROB	0.28 569	0.31 598	0.36 563	0.29 588	0.15 546	0.25 532	0.19 470	0.45 596	0.33 488	0.39 579	0.37 531	0.39 571	0.31 570	0.27 536	0.26 552	0.24 605	0.19 588	0.30 606	0.23 594	0.18 581	0.15 563

DPSNet	0.28 569	0.16 538	0.31 548	0.18 360	0.13 508	0.54 603	0.42 613	0.51 606	0.67 608	0.29 546	0.38 537	0.38 563	0.29 562	0.31 558	0.23 518	0.11 495	0.10 521	0.11 505	0.08 403	0.20 585	0.16 574

MultiAttention	0.29 573	0.08 301	0.14 327	0.19 418	0.12 485	1.45 639	1.33 641	0.36 554	0.37 520	0.19 424	0.21 372	0.24 458	0.11 291	0.38 590	0.18 458	0.06 136	0.05 213	0.08 345	0.08 403	0.10 480	0.09 454

Wz-Net-TNSev	0.29 573	0.20 567	0.65 603	0.19 418	0.15 546	0.38 590	0.27 572	0.35 547	0.55 584	0.34 568	0.42 568	0.45 585	0.38 586	0.32 565	0.30 575	0.12 520	0.13 560	0.10 474	0.12 540	0.15 564	0.14 556

ccnet	0.29 573	0.28 593	0.23 511	0.20 475	0.28 601	0.41 594	0.21 508	0.45 596	0.33 488	0.36 572	0.46 575	0.36 554	0.30 566	0.39 594	0.42 606	0.23 603	0.14 569	0.21 585	0.17 579	0.23 590	0.18 585

EDNetEfficient	0.29 573	0.24 581	1.13 626	0.18 360	0.10 403	0.19 463	0.20 491	0.20 294	0.60 596	0.74 618	0.56 594	0.31 530	0.39 588	0.22 506	0.30 575	0.09 425	0.07 446	0.08 345	0.07 338	0.11 503	0.09 454

ADCS	0.29 573	0.18 560	0.45 578	0.21 504	0.17 571	0.28 559	0.23 529	0.41 582	0.63 602	0.40 582	0.49 579	0.40 575	0.36 583	0.39 594	0.40 602	0.13 543	0.12 547	0.13 539	0.14 553	0.16 571	0.16 574

CSAN	0.29 573	0.24 581	0.27 530	0.34 595	0.19 580	0.33 574	0.42 613	0.37 560	0.50 574	0.38 577	0.40 551	0.44 583	0.33 575	0.28 548	0.30 575	0.20 590	0.16 578	0.19 582	0.19 584	0.14 549	0.15 563

MFN_U_SF_DS_RVC	0.30 579	0.24 581	0.29 543	0.36 599	0.16 556	0.34 577	0.30 594	0.32 504	0.42 546	0.40 582	0.46 575	0.38 563	0.31 570	0.34 571	0.28 567	0.19 588	0.20 591	0.26 593	0.29 604	0.18 581	0.19 590

GANetREF_RVC	0.31 580	0.34 601	0.27 530	0.35 597	0.16 556	0.32 568	0.41 610	0.48 600	0.51 581	0.35 569	0.35 522	0.34 548	0.33 575	0.39 594	0.32 583	0.27 607	0.20 591	0.29 604	0.15 568	0.18 581	0.17 582
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 580	0.26 587	0.26 523	0.24 549	0.21 587	0.34 577	0.25 556	0.34 532	0.39 530	0.40 582	0.69 606	0.45 585	0.40 591	0.34 571	0.27 560	0.20 590	0.19 588	0.26 593	0.25 596	0.23 590	0.22 595

MFN_U_SF_RVC	0.32 582	0.21 573	0.55 591	0.30 590	0.15 546	0.34 577	0.17 385	0.52 607	0.46 563	0.46 597	0.55 589	0.59 603	0.39 588	0.35 577	0.37 595	0.15 561	0.14 569	0.18 580	0.21 587	0.16 571	0.15 563

PASM	0.32 582	0.24 581	0.48 584	0.28 580	0.27 600	0.29 563	0.30 594	0.34 532	0.49 571	0.35 569	0.39 545	0.46 589	0.34 579	0.34 571	0.35 590	0.23 603	0.25 605	0.26 593	0.28 603	0.23 590	0.21 593

SGM-ForestM	0.32 582	0.12 479	0.16 413	0.16 199	0.11 453	0.39 591	0.19 470	0.41 582	0.50 574	0.52 600	0.54 587	1.32 631	0.42 599	0.40 598	0.27 560	0.14 557	0.16 578	0.16 569	0.16 572	0.12 518	0.12 520

FC-DCNN v2	0.33 585	0.27 589	0.28 535	0.26 565	0.23 592	0.37 587	0.28 578	0.40 576	0.43 551	0.45 594	0.56 594	0.51 596	0.40 591	0.37 588	0.29 570	0.21 594	0.20 591	0.27 596	0.26 597	0.25 597	0.24 597

FCDSN-DC	0.33 585	0.28 593	0.28 535	0.30 590	0.24 594	0.39 591	0.28 578	0.42 587	0.42 546	0.43 592	0.53 585	0.51 596	0.41 596	0.36 583	0.30 575	0.21 594	0.20 591	0.27 596	0.26 597	0.25 597	0.24 597
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 585	0.27 589	0.28 535	0.26 565	0.23 592	0.37 587	0.28 578	0.40 576	0.43 551	0.45 594	0.55 589	0.51 596	0.40 591	0.37 588	0.30 575	0.21 594	0.20 591	0.27 596	0.26 597	0.25 597	0.24 597

LSM	0.33 585	0.20 567	0.58 597	0.26 565	0.60 624	0.34 577	0.25 556	0.42 587	0.48 565	0.45 594	0.58 599	0.42 578	0.36 583	0.35 577	0.25 541	0.12 520	0.20 591	0.14 551	0.16 572	0.19 584	0.33 611

AnyNet_C01	0.36 589	0.25 586	1.37 629	0.22 519	0.17 571	0.48 599	0.27 572	0.35 547	0.39 530	0.39 579	0.74 612	0.46 589	0.38 586	0.45 602	0.47 611	0.13 543	0.13 560	0.13 539	0.14 553	0.14 549	0.15 563

GCST	0.37 590	0.42 608	0.26 523	1.02 632	0.39 608	0.18 440	0.08 7	0.20 294	0.17 271	0.28 538	0.25 432	0.15 333	0.12 322	0.16 383	0.14 381	0.64 628	0.43 617	0.75 625	0.65 628	0.63 621	0.46 620

otaku	0.39 591	0.37 604	0.52 587	0.44 606	0.28 601	0.58 605	0.24 541	0.41 582	0.62 599	0.40 582	0.49 579	0.46 589	0.33 575	0.40 598	0.32 583	0.30 608	0.30 609	0.39 610	0.33 609	0.29 604	0.28 605

ACVNet-4b	0.39 591	0.53 611	0.55 591	0.45 607	0.24 594	0.47 597	0.18 430	0.49 602	0.64 603	0.42 589	0.45 574	0.60 604	0.27 544	0.34 571	0.24 531	0.33 610	0.14 569	0.48 613	0.42 614	0.30 605	0.26 604

PVD	0.39 591	0.20 567	0.39 570	0.31 594	0.22 589	0.29 563	0.43 615	0.52 607	0.96 625	0.55 604	0.79 616	0.53 600	0.59 615	0.52 609	0.38 597	0.19 588	0.14 569	0.17 571	0.14 553	0.24 596	0.31 609

Ntro	0.40 594	0.40 606	0.53 588	0.46 610	0.30 605	0.65 611	0.24 541	0.46 598	0.68 609	0.41 586	0.49 579	0.48 594	0.42 599	0.39 594	0.31 582	0.32 609	0.28 607	0.37 609	0.30 606	0.32 609	0.29 606

SAMSARA	0.40 594	0.28 593	0.33 554	0.55 613	0.39 608	0.82 625	1.23 640	0.47 599	0.51 581	0.36 572	0.35 522	0.55 602	0.39 588	0.38 590	0.39 599	0.15 561	0.20 591	0.15 563	0.14 553	0.23 590	0.20 591

ELAS_RVC	0.41 596	0.29 596	0.33 554	0.28 580	0.24 594	0.54 603	0.36 605	0.49 602	0.59 593	0.72 614	0.74 612	0.65 609	0.54 608	0.54 613	0.40 602	0.22 599	0.20 591	0.27 596	0.26 597	0.26 602	0.25 602
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 596	0.29 596	0.33 554	0.27 577	0.24 594	0.60 608	0.36 605	0.50 605	0.50 574	0.71 612	0.79 616	0.67 611	0.54 608	0.51 607	0.42 606	0.22 599	0.20 591	0.27 596	0.26 597	0.26 602	0.25 602
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.43 598	0.39 605	0.54 589	0.40 602	0.20 583	0.64 610	0.32 602	0.53 609	0.72 612	0.71 612	0.72 609	0.61 605	0.54 608	0.51 607	0.46 610	0.20 590	0.19 588	0.29 604	0.30 606	0.23 590	0.18 585

ACVNet_1	0.44 599	0.49 610	0.60 599	0.45 607	0.28 601	0.49 600	0.27 572	0.57 614	0.72 612	0.62 607	0.58 599	0.74 615	0.49 605	0.50 605	0.35 590	0.26 606	0.24 604	0.39 610	0.29 604	0.31 608	0.24 597

Consistency-Raft	0.44 599	0.40 606	0.45 578	0.37 601	0.43 612	0.46 595	0.41 610	0.57 614	0.55 584	0.32 562	0.73 610	0.33 542	0.48 604	0.42 601	0.49 613	0.39 612	0.35 614	0.45 612	0.51 621	0.42 612	0.29 606

RTS	0.45 601	0.19 563	3.26 635	0.24 549	0.15 546	0.74 618	0.20 491	0.36 554	0.76 618	0.42 589	0.43 571	0.31 530	0.41 596	0.53 611	0.35 590	0.10 466	0.08 472	0.13 539	0.12 540	0.15 564	0.15 563

RTSA	0.45 601	0.19 563	3.26 635	0.24 549	0.15 546	0.74 618	0.20 491	0.36 554	0.76 618	0.42 589	0.43 571	0.31 530	0.41 596	0.53 611	0.35 590	0.10 466	0.08 472	0.13 539	0.12 540	0.15 564	0.15 563

MANE	0.45 601	0.27 589	0.27 530	0.27 577	0.24 594	0.47 597	0.31 600	0.55 611	0.59 593	0.72 614	1.13 633	1.15 625	0.61 616	0.52 609	0.37 595	0.21 594	0.20 591	0.27 596	0.31 608	0.25 597	0.24 597

NVStereoNet_ROB	0.46 604	0.36 603	0.46 582	0.41 604	0.28 601	0.34 577	0.34 603	0.48 600	0.60 596	0.72 614	0.93 622	0.70 614	0.66 619	0.47 603	0.60 621	0.22 599	0.33 613	0.34 608	0.34 611	0.30 605	0.30 608
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 605	0.26 587	0.58 597	0.28 580	0.20 583	0.39 591	0.18 430	0.49 602	0.64 603	0.52 600	0.87 619	1.01 620	0.57 613	0.50 605	0.56 618	0.53 621	0.31 612	0.54 619	0.40 612	0.33 610	0.34 612

LE_ROB	0.50 606	0.07 200	0.14 327	0.15 118	0.08 182	0.24 521	0.16 351	0.22 340	1.81 641	4.63 644	0.67 604	0.47 592	0.44 601	0.20 476	0.29 570	0.07 303	0.06 366	0.06 161	0.06 249	0.08 385	0.06 264

BEATNet-Init1	0.52 607	0.27 589	0.62 601	0.30 590	0.21 587	0.76 622	0.29 587	0.54 610	0.65 606	0.86 623	0.95 624	2.07 640	0.62 618	0.56 615	0.42 606	0.18 583	0.18 585	0.23 590	0.22 590	0.22 589	0.21 593

anonymity	0.53 608	0.58 613	0.65 603	0.41 604	0.61 625	0.53 602	0.41 610	0.56 612	0.41 539	0.55 604	0.50 583	0.49 595	0.55 611	0.58 616	0.50 616	0.58 624	0.50 627	0.51 615	0.51 621	0.51 614	0.57 622

RainbowNet	0.54 609	0.61 615	0.70 615	0.57 614	0.43 612	0.65 611	0.37 608	0.60 616	0.87 622	0.50 599	0.66 603	0.64 607	0.47 603	0.49 604	0.43 609	0.47 618	0.48 623	0.52 617	0.41 613	0.52 615	0.40 617

SGM+DAISY	0.56 610	0.57 612	0.65 603	0.40 602	0.54 617	0.66 613	0.49 617	0.56 612	0.45 562	0.66 608	0.69 606	0.67 611	0.56 612	0.63 618	0.56 618	0.59 625	0.48 623	0.50 614	0.50 620	0.52 615	0.58 623

SPS-STEREO	0.57 611	0.58 613	0.65 603	0.45 607	0.55 619	0.62 609	0.44 616	0.62 617	0.50 574	0.68 610	0.64 601	0.66 610	0.57 613	0.61 617	0.60 621	0.62 627	0.47 622	0.51 615	0.49 618	0.55 619	0.58 623
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 612	0.66 619	0.65 603	0.51 611	0.69 629	0.69 614	0.57 623	0.64 618	0.73 616	0.60 606	0.73 610	0.62 606	0.67 620	0.65 619	0.60 621	0.66 629	0.58 636	0.63 620	0.59 624	0.68 626	0.69 632

IMH-64-1	0.65 613	0.61 615	0.68 611	0.71 617	0.51 615	0.59 606	0.49 617	0.91 625	0.85 620	0.74 618	1.02 626	0.81 616	0.78 624	0.79 622	0.49 613	0.42 614	0.46 618	0.71 622	0.47 616	0.52 615	0.39 615

IMH-64	0.65 613	0.61 615	0.68 611	0.71 617	0.51 615	0.59 606	0.49 617	0.91 625	0.85 620	0.74 618	1.02 626	0.81 616	0.78 624	0.79 622	0.49 613	0.42 614	0.46 618	0.71 622	0.47 616	0.52 615	0.39 615

ACVNet_2	0.66 615	0.66 619	0.68 611	0.63 615	0.41 610	0.71 616	0.49 617	0.96 629	1.39 634	0.89 624	1.09 629	1.04 621	0.73 622	0.54 613	0.47 611	0.43 616	0.40 616	0.53 618	0.44 615	0.47 613	0.35 614

JetBlue	0.71 616	0.45 609	1.14 627	0.51 611	0.47 614	2.02 640	0.64 627	0.75 620	0.70 610	0.69 611	0.77 615	1.22 627	0.83 626	1.03 637	1.01 637	0.40 613	0.28 607	0.33 607	0.33 609	0.30 605	0.34 612

IMH	0.71 616	0.64 618	0.68 611	0.76 619	0.54 617	0.69 614	0.54 621	0.98 631	1.10 627	0.82 622	1.09 629	0.89 618	0.88 629	0.87 630	0.52 617	0.44 617	0.50 627	0.75 625	0.51 621	0.56 620	0.41 618

PWCK	0.71 616	0.94 630	0.95 624	0.76 619	0.31 606	0.74 618	0.36 605	0.90 624	0.90 623	0.96 627	0.75 614	0.95 619	0.61 616	0.87 630	0.66 624	0.72 630	0.46 618	0.75 625	0.49 618	0.69 628	0.44 619

MADNet+	0.75 619	0.71 621	3.70 638	0.66 616	0.41 610	0.98 630	0.97 638	0.69 619	0.73 616	0.52 600	0.57 597	0.64 607	0.68 621	0.86 629	1.01 637	0.34 611	0.36 615	0.28 603	0.23 594	0.36 611	0.31 609

TorneroNet-64	0.76 620	0.72 622	0.74 616	0.78 621	0.58 623	0.91 629	0.56 622	0.84 623	1.29 631	0.66 608	0.90 620	1.40 633	0.75 623	0.85 628	0.67 627	0.49 619	0.46 618	0.72 624	0.59 624	0.67 625	0.53 621

WAO-7	0.79 621	0.78 624	0.54 589	0.85 625	0.67 628	0.74 618	0.68 631	1.05 634	1.32 632	0.90 625	1.20 636	1.04 621	0.92 630	0.69 620	0.66 624	0.60 626	0.62 637	0.67 621	0.68 630	0.64 622	0.58 623

WAO-6	0.81 622	0.80 625	0.62 601	0.86 626	0.63 626	0.76 622	0.58 624	0.98 631	1.54 639	0.90 625	0.96 625	1.07 623	1.03 634	0.70 621	0.66 624	0.72 630	0.49 625	0.90 633	0.71 631	0.68 626	0.58 623

TorneroNet	0.82 623	0.74 623	0.81 621	0.84 624	0.63 626	0.99 631	0.63 625	0.96 629	1.16 628	0.80 621	1.11 631	1.36 632	0.86 628	0.93 633	0.80 632	0.56 622	0.49 625	0.78 630	0.66 629	0.73 631	0.63 631

LVE	0.83 624	0.85 628	0.85 622	0.80 622	0.56 620	1.04 635	0.65 628	1.05 634	1.47 637	0.96 627	1.22 637	1.10 624	0.85 627	0.83 625	0.71 629	0.49 619	0.55 633	0.76 628	0.60 626	0.65 623	0.59 628

Dean	0.87 625	0.86 629	0.79 619	0.81 623	0.56 620	0.90 626	0.63 625	1.15 640	1.73 640	1.15 635	1.15 634	1.31 630	0.99 633	0.81 624	0.81 633	0.57 623	0.56 634	0.77 629	0.64 627	0.66 624	0.58 623

WAO-8	0.91 626	0.81 626	0.65 603	0.94 629	0.69 629	0.90 626	0.67 629	1.07 637	1.83 642	1.06 632	1.45 639	1.30 628	1.07 635	0.84 626	0.78 630	0.74 632	0.53 630	0.86 631	0.75 632	0.69 628	0.62 629

Venus	0.91 626	0.81 626	0.65 603	0.94 629	0.69 629	0.90 626	0.67 629	1.07 637	1.83 642	1.06 632	1.45 639	1.30 628	1.07 635	0.84 626	0.78 630	0.74 632	0.53 630	0.86 631	0.75 632	0.69 628	0.62 629

UNDER WATER-64	0.95 628	0.94 630	1.43 631	0.87 627	0.56 620	1.18 638	0.87 635	0.77 621	0.94 624	1.04 630	0.85 618	1.58 638	1.21 640	0.94 634	0.96 635	0.87 636	0.57 635	1.03 636	0.88 637	0.78 632	0.73 633

UNDER WATER	0.97 629	0.97 632	1.42 630	0.99 631	0.70 632	1.12 637	0.84 634	0.80 622	1.08 626	1.01 629	0.90 620	1.55 637	1.22 641	1.03 637	1.00 636	0.78 634	0.53 630	1.02 635	0.87 636	0.80 633	0.74 634

notaker	0.97 629	1.11 633	0.98 625	1.13 634	0.81 633	0.73 617	0.68 631	0.93 627	1.16 628	1.18 637	1.18 635	1.41 634	1.16 639	1.08 639	0.69 628	0.81 635	0.64 638	1.17 637	0.79 634	0.98 635	0.80 636

ktn	1.01 631	1.21 635	0.80 620	1.23 636	0.86 635	1.01 633	0.87 635	0.94 628	1.39 634	1.04 630	1.12 632	1.15 625	1.07 635	0.94 634	0.59 620	1.28 641	0.71 639	1.38 641	0.83 635	1.02 637	0.75 635

KSHMR	1.09 632	1.17 634	0.88 623	1.25 637	1.00 637	0.99 631	0.96 637	1.13 639	1.37 633	1.16 636	1.29 638	1.41 634	0.96 632	1.01 636	0.92 634	1.03 639	1.08 641	1.20 638	1.03 640	1.01 636	0.97 638

DPSimNet_ROB	1.11 633	1.23 636	0.78 617	1.13 634	0.88 636	1.10 636	1.13 639	1.16 641	1.23 630	1.43 639	1.02 626	1.41 634	1.10 638	0.90 632	1.60 639	1.46 642	0.51 629	1.21 639	1.03 640	0.90 634	1.01 640

HanzoNet	1.29 634	1.26 637	1.19 628	1.12 633	0.85 634	1.02 634	0.83 633	1.03 633	1.48 638	1.64 640	1.61 641	2.50 642	1.72 642	1.61 641	1.61 640	1.26 640	0.80 640	1.31 640	1.01 639	1.02 637	0.86 637

JetRed	1.62 635	1.46 638	2.98 633	0.92 628	1.21 638	4.99 643	1.53 643	1.27 642	1.39 634	1.83 641	1.74 642	1.60 639	0.95 631	1.41 640	2.45 644	0.90 638	1.60 642	0.93 634	0.90 638	1.35 639	0.99 639

MADNet++	1.95 636	1.75 639	1.59 632	1.82 638	1.69 640	2.33 641	1.40 642	2.35 643	2.09 644	2.57 643	2.36 644	2.24 641	2.17 643	2.28 642	2.34 642	1.87 643	1.66 643	1.54 642	1.34 642	1.92 640	1.77 642

coex-ft	3.30 637	0.34 601	59.09 662	0.18 360	0.13 508	0.26 542	0.22 518	0.27 438	0.72 612	1.90 642	0.70 608	0.44 583	0.45 602	0.29 554	0.41 605	0.09 425	0.09 501	0.12 524	0.09 450	0.14 549	0.13 539

TCMNet-wrong-test	3.67 638	5.48 649	3.89 639	12.18 650	11.75 652	4.65 642	3.88 644	1.06 636	0.72 612	1.09 634	2.15 643	6.30 647	0.53 607	3.43 644	2.36 643	0.89 637	0.20 591	1.87 644	1.69 643	5.57 648	3.62 648

tt	4.67 639	0.06 109	3.55 637	2.02 639	1.55 639	10.25 647	16.71 648	8.91 652	5.03 645	1.31 638	0.94 623	4.71 643	4.76 644	3.33 643	5.87 646	6.06 651	10.30 655	1.88 645	2.11 645	2.75 642	1.21 641

USTest	6.22 640	2.73 642	3.00 634	6.57 646	7.29 646	14.37 649	21.57 649	7.00 651	9.56 650	5.34 647	6.10 645	5.72 646	7.64 647	6.41 648	6.96 647	1.97 644	3.42 649	1.64 643	2.15 646	2.66 641	2.36 643

xxxxx1	7.79 641	5.02 646	7.31 642	3.12 640	3.85 642	16.35 651	22.88 650	5.86 648	8.69 647	7.97 648	8.54 646	9.12 650	8.27 648	10.18 650	10.92 648	2.42 645	2.45 645	3.56 648	12.37 652	3.77 643	3.06 645

tt_ll	7.79 641	5.02 646	7.31 642	3.12 640	3.85 642	16.35 651	22.88 650	5.86 648	8.69 647	7.97 648	8.54 646	9.12 650	8.27 648	10.18 650	10.92 648	2.42 645	2.45 645	3.56 648	12.37 652	3.77 643	3.06 645

ff	7.79 641	5.02 646	7.31 642	3.12 640	3.85 642	16.35 651	22.88 650	5.86 648	8.69 647	7.97 648	8.54 646	9.12 650	8.27 648	10.18 650	10.92 648	2.42 645	2.45 645	3.56 648	12.37 652	3.77 643	3.06 645

EDNetEfficientorigin	7.91 644	0.31 598	153.02 663	0.19 418	0.09 300	0.21 495	0.16 351	0.22 340	0.59 593	0.72 614	0.67 604	0.42 578	0.50 606	0.24 526	0.39 599	0.08 366	0.07 446	0.08 345	0.07 338	0.12 518	0.10 481

DPSMNet_ROB	8.06 645	4.48 644	8.63 648	5.37 645	10.74 649	8.32 645	22.98 654	5.46 645	13.36 653	5.12 645	9.92 649	5.08 644	10.40 651	5.53 647	12.58 651	3.80 649	8.00 650	3.50 646	7.02 649	3.83 646	7.14 650

DGTPSM_ROB	8.06 645	4.48 644	8.63 648	5.35 643	10.72 648	8.32 645	22.97 653	5.46 645	13.35 652	5.12 645	9.92 649	5.08 644	10.40 651	5.52 646	12.58 651	3.79 648	8.00 650	3.50 646	7.02 649	3.83 646	7.14 650

PML	8.91 647	9.34 653	6.13 640	5.35 643	6.41 645	14.99 650	23.38 655	5.27 644	6.83 646	18.04 656	28.19 664	7.67 648	6.83 646	7.85 649	5.75 645	5.35 650	1.83 644	5.95 654	1.93 644	8.64 651	2.52 644

DLNR_Zeroshot_test	10.40 648	1.82 640	19.49 657	120.77 663	13.11 654	0.06 10	0.13 155	0.23 360	0.10 82	0.07 77	0.10 173	0.09 184	0.06 42	0.10 95	0.09 62	0.13 543	0.04 24	0.06 161	0.04 77	51.54 663	0.04 54

DLNR-FE	10.43 649	1.83 641	19.53 658	120.75 662	13.06 653	0.06 10	0.13 155	0.23 360	0.10 82	0.07 77	0.10 173	0.09 184	0.06 42	0.10 95	0.09 62	0.13 543	0.04 24	0.06 161	0.04 77	52.01 664	0.04 54

LRCNet_RVC	10.62 650	13.42 654	7.30 641	18.92 652	2.07 641	0.33 574	0.30 594	5.59 647	0.48 565	13.03 654	17.94 655	8.87 649	5.65 645	4.79 645	1.89 641	23.51 662	2.73 648	27.55 663	25.71 663	16.07 659	16.33 660

Anonymous_1	10.96 651	7.92 650	7.46 645	10.33 647	10.06 647	18.65 655	26.34 656	11.06 653	13.44 654	9.40 651	10.05 651	9.67 653	11.23 653	10.73 653	12.72 653	6.42 652	8.38 652	5.77 651	10.61 651	12.12 652	6.77 649

DPSM_ROB	11.15 652	8.58 651	8.00 646	10.88 648	11.58 650	19.10 656	26.71 657	12.05 654	14.07 655	10.36 652	10.84 652	10.33 654	11.86 654	11.70 654	13.54 654	6.99 653	8.79 653	5.89 652	6.95 647	7.29 649	7.42 652

DPSM	11.15 652	8.58 651	8.00 646	10.88 648	11.58 650	19.10 656	26.71 657	12.05 654	14.07 655	10.36 652	10.84 652	10.33 654	11.86 654	11.70 654	13.54 654	6.99 653	8.79 653	5.89 652	6.95 647	7.29 649	7.42 652

HaxPig	15.71 654	18.52 661	19.18 656	16.89 651	15.89 655	7.73 644	7.60 645	13.31 656	10.82 651	15.42 655	14.91 654	15.98 656	14.92 656	15.58 656	15.98 656	18.95 661	16.73 656	19.46 661	18.08 661	19.26 660	19.05 661

MEDIAN_ROB	20.38 655	24.04 662	23.31 659	21.23 653	21.71 656	10.40 648	7.92 646	17.64 657	15.50 657	20.12 657	19.70 656	20.34 657	20.32 657	21.19 657	21.13 657	23.81 663	21.81 663	24.98 662	23.76 662	24.71 661	23.93 662

CasAABBNet	22.42 656	17.33 656	16.01 652	22.01 654	23.28 658	38.32 658	53.80 661	24.14 661	28.41 662	20.60 658	21.77 660	20.89 662	23.91 660	23.43 660	27.36 660	14.07 656	17.69 658	11.83 657	14.01 656	14.67 654	14.95 656

RAFT-FEzeroshot	22.43 657	17.33 656	15.98 650	22.02 655	23.31 659	38.34 659	53.82 662	24.05 659	28.39 660	20.61 659	21.76 658	20.88 660	23.92 661	23.41 658	27.42 662	14.07 656	17.69 658	11.83 657	14.02 657	14.69 655	14.97 657

RAFT-FE	22.43 657	17.33 656	15.98 650	22.02 655	23.31 659	38.34 659	53.82 662	24.05 659	28.39 660	20.61 659	21.76 658	20.88 660	23.92 661	23.41 658	27.42 662	14.07 656	17.69 658	11.83 657	14.02 657	14.69 655	14.97 657

FlowAnything	22.44 659	17.35 659	16.14 654	22.07 658	23.23 657	38.39 661	53.77 660	24.25 662	28.44 663	20.96 663	21.82 661	20.70 658	23.84 658	23.49 661	27.14 659	14.04 655	17.79 662	11.75 655	14.15 660	14.65 653	14.89 654

Selective-RAFT-Error	22.47 660	17.37 660	16.09 653	22.06 657	23.34 661	38.39 661	53.83 664	24.29 664	28.47 664	20.74 661	21.83 662	20.81 659	23.90 659	23.54 663	27.53 664	14.08 659	17.69 658	11.82 656	14.00 655	14.69 655	15.00 659

LSM0	22.87 661	17.28 655	18.96 655	22.19 659	29.04 663	38.42 663	53.71 659	24.28 663	28.31 659	20.78 662	21.00 657	21.43 663	24.16 663	23.50 662	27.39 661	14.09 660	17.38 657	11.84 660	14.04 659	14.73 658	14.89 654

AVERAGE_ROB	24.90 662	29.20 663	28.14 660	24.89 660	24.64 662	17.75 654	11.12 647	21.45 658	19.93 658	25.12 664	24.46 663	25.12 664	25.46 664	24.69 664	22.83 658	29.76 664	27.13 664	28.97 664	27.95 664	29.91 662	29.47 663

test_example2	98.32 663	94.13 664	45.89 661	96.35 661	109.85 664	88.61 664	95.45 665	25.75 665	94.37 665	130.00 666	126.06 665	58.17 665	74.63 665	88.51 665	79.96 665	150.23 665	221.02 665	77.62 665	99.10 665	113.75 665	96.94 664

GS-Stereo							0.14 213	0.11 36	0.12 140	0.08 120	0.10 173	0.05 7	0.05 11	0.11 168	0.08 17	0.06 136	0.04 24	0.05 74	0.04 77	0.05 144	0.05 169

FSD					0.22 589	0.25 532	0.25 556	0.27 438	0.26 426	0.25 511	0.26 449	0.25 472	0.27 544	0.27 536	0.24 531	0.21 594	0.20 591	0.27 596	0.26 597	0.25 597

ccccc		285.66 665		368.85 664	370.60 665	123.16 665		115.05 666		126.68 665		122.83 666		252.94 666		384.56 666	353.86 666	254.69 666	223.00 666	425.87 666

ASD4		3.38 643

Low-res two-view benchmark