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

BridgeDepth	0.07 7	0.07 225	0.08 56	0.18 386	0.06 27	0.07 43	0.11 64	0.09 20	0.06 6	0.04 1	0.07 64	0.10 254	0.09 265	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 59	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
derf	0.07 7	0.04 1	0.10 185	0.14 59	0.06 27	0.05 4	0.12 96	0.12 83	0.09 50	0.05 2	0.07 64	0.07 123	0.08 227	0.10 121	0.10 206	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

qqai	0.07 7	0.05 41	0.10 185	0.14 59	0.06 27	0.05 4	0.12 96	0.08 11	0.09 50	0.05 2	0.06 23	0.06 42	0.08 227	0.10 121	0.09 102	0.06 167	0.05 268	0.05 48	0.03 1	0.04 48	0.05 203

MGA	0.07 7	0.04 1	0.10 185	0.13 16	0.06 27	0.08 83	0.09 20	0.12 83	0.08 24	0.05 2	0.06 23	0.06 42	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.05 168	0.05 203

CAR	0.07 7	0.05 41	0.08 56	0.14 59	0.06 27	0.07 43	0.08 7	0.12 83	0.08 24	0.05 2	0.06 23	0.05 5	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

MSE-Stereo	0.07 7	0.04 1	0.08 56	0.13 16	0.06 27	0.07 43	0.08 7	0.12 83	0.08 24	0.05 2	0.06 23	0.05 5	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

monster-pro	0.07 7	0.06 107	0.05 1	0.15 113	0.05 2	0.07 43	0.10 35	0.15 185	0.15 241	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 107	0.07 11	0.15 113	0.07 132	0.08 83	0.14 235	0.11 56	0.08 24	0.05 2	0.07 64	0.08 183	0.08 227	0.09 58	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

LiteMatch*	0.08 84	0.04 1	0.11 244	0.13 16	0.08 212	0.08 83	0.13 170	0.14 143	0.09 50	0.05 2	0.05 7	0.05 5	0.09 265	0.11 196	0.10 206	0.06 167	0.05 268	0.05 48	0.04 59	0.05 168	0.05 203

GCAP-Stereo-DPT-22K	0.08 84	0.06 107	0.07 11	0.17 296	0.06 27	0.07 43	0.14 235	0.13 112	0.16 278	0.05 2	0.10 193	0.06 42	0.06 65	0.08 25	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

LACA2	0.07 7	0.05 41	0.06 5	0.15 113	0.06 27	0.09 136	0.11 64	0.11 56	0.10 74	0.05 2	0.05 7	0.06 42	0.08 227	0.09 58	0.07 1	0.07 336	0.04 25	0.04 1	0.04 59	0.04 48	0.04 72

LACA1	0.07 7	0.07 225	0.07 11	0.14 59	0.05 2	0.09 136	0.11 64	0.10 33	0.07 15	0.05 2	0.05 7	0.06 42	0.07 178	0.08 25	0.09 102	0.06 167	0.04 25	0.04 1	0.04 59	0.03 1	0.04 72

BLMT-Stereo	0.07 7	0.04 1	0.08 56	0.15 113	0.07 132	0.06 14	0.14 235	0.07 7	0.10 74	0.05 2	0.05 7	0.04 1	0.06 65	0.07 4	0.09 102	0.04 11	0.04 25	0.05 48	0.05 190	0.04 48	0.04 72

MonStereo	0.07 7	0.06 107	0.05 1	0.15 113	0.05 2	0.08 83	0.10 35	0.15 185	0.15 241	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 107	0.05 1	0.15 113	0.05 2	0.08 83	0.10 35	0.15 185	0.15 241	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Replicate-Monster	0.07 7	0.05 41	0.09 121	0.14 59	0.06 27	0.08 83	0.09 20	0.13 112	0.13 184	0.05 2	0.07 64	0.06 42	0.06 65	0.08 25	0.10 206	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

LG-Stereo_L1	0.07 7	0.05 41	0.11 244	0.14 59	0.06 27	0.07 43	0.13 170	0.09 20	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

MLG-Stereo_test1	0.06 1	0.05 41	0.08 56	0.17 296	0.05 2	0.06 14	0.11 64	0.08 11	0.03 1	0.05 2	0.04 1	0.06 42	0.05 14	0.09 58	0.09 102	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

MLG-Stereo	0.07 7	0.05 41	0.08 56	0.17 296	0.05 2	0.07 43	0.11 64	0.08 11	0.04 2	0.05 2	0.04 1	0.06 42	0.05 14	0.10 121	0.09 102	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

LGtest1	0.07 7	0.04 1	0.10 185	0.15 113	0.06 27	0.07 43	0.09 20	0.08 11	0.06 6	0.05 2	0.04 1	0.06 42	0.06 65	0.10 121	0.09 102	0.07 336	0.04 25	0.05 48	0.04 59	0.06 290	0.06 304

LG-Stereo_Zeroshot	0.07 7	0.06 107	0.10 185	0.16 209	0.07 132	0.04 1	0.13 170	0.10 33	0.10 74	0.05 2	0.11 243	0.07 123	0.05 14	0.07 4	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

LG-Stereo	0.08 84	0.07 225	0.10 185	0.18 386	0.07 132	0.10 199	0.17 430	0.11 56	0.08 24	0.05 2	0.07 64	0.05 5	0.07 178	0.09 58	0.09 102	0.04 11	0.05 268	0.07 299	0.07 379	0.04 48	0.04 72

FoundationStereo	0.06 1	0.04 1	0.08 56	0.12 5	0.05 2	0.09 136	0.13 170	0.06 1	0.09 50	0.05 2	0.05 7	0.06 42	0.04 1	0.06 1	0.07 1	0.06 167	0.04 25	0.05 48	0.03 1	0.05 168	0.04 72

MonSter	0.07 7	0.06 107	0.05 1	0.15 113	0.05 2	0.07 43	0.10 35	0.15 185	0.15 241	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

mm2	0.07 7	0.04 1	0.10 185	0.13 16	0.06 27	0.06 14	0.12 96	0.13 112	0.08 24	0.06 25	0.07 64	0.06 42	0.08 227	0.10 121	0.09 102	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

mm1	0.07 7	0.04 1	0.10 185	0.13 16	0.06 27	0.06 14	0.12 96	0.06 1	0.08 24	0.06 25	0.07 64	0.06 42	0.08 227	0.10 121	0.09 102	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

aanet-new-90k	0.08 84	0.07 225	0.08 56	0.19 455	0.06 27	0.07 43	0.12 96	0.12 83	0.13 184	0.06 25	0.07 64	0.06 42	0.06 65	0.10 121	0.07 1	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.03 2

aanet-new-70k	0.07 7	0.06 107	0.09 121	0.17 296	0.06 27	0.08 83	0.12 96	0.11 56	0.10 74	0.06 25	0.07 64	0.07 123	0.06 65	0.10 121	0.07 1	0.04 11	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 225	0.09 121	0.19 455	0.06 27	0.07 43	0.12 96	0.11 56	0.13 184	0.06 25	0.07 64	0.06 42	0.06 65	0.09 58	0.07 1	0.04 11	0.04 25	0.05 48	0.04 59	0.05 168	0.03 2

GCAP-Stereo-DPT26K	0.07 7	0.06 107	0.07 11	0.16 209	0.06 27	0.08 83	0.12 96	0.10 33	0.08 24	0.06 25	0.09 157	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

aanet-new-14k	0.08 84	0.09 424	0.08 56	0.19 455	0.06 27	0.07 43	0.10 35	0.14 143	0.15 241	0.06 25	0.08 122	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

GCAP-Stereo-DPT-24K	0.07 7	0.06 107	0.07 11	0.15 113	0.06 27	0.10 199	0.15 319	0.12 83	0.11 105	0.06 25	0.11 243	0.06 42	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 121	0.13 16	0.05 2	0.08 83	0.11 64	0.06 1	0.06 6	0.06 25	0.05 7	0.08 183	0.05 14	0.08 25	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.05 168	0.04 72

PSi22b	0.06 1	0.04 1	0.09 121	0.13 16	0.05 2	0.08 83	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.08 183	0.05 14	0.08 25	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.05 168	0.04 72

PSi22a	0.06 1	0.04 1	0.09 121	0.12 5	0.05 2	0.06 14	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.06 42	0.05 14	0.08 25	0.09 102	0.07 336	0.04 25	0.04 1	0.03 1	0.05 168	0.04 72

LiteMatch	0.09 172	0.06 107	0.10 185	0.16 209	0.07 132	0.09 136	0.15 319	0.13 112	0.08 24	0.06 25	0.07 64	0.06 42	0.15 450	0.10 121	0.14 428	0.07 336	0.04 25	0.06 188	0.06 281	0.06 290	0.06 304

Foundation-i32	0.06 1	0.04 1	0.09 121	0.13 16	0.04 1	0.06 14	0.12 96	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 4	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

GeoVLM	0.08 84	0.04 1	0.10 185	0.13 16	0.06 27	0.10 199	0.12 96	0.13 112	0.08 24	0.06 25	0.07 64	0.06 42	0.08 227	0.10 121	0.11 287	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

Test_v1	0.07 7	0.04 1	0.06 5	0.13 16	0.06 27	0.08 83	0.11 64	0.15 185	0.12 142	0.06 25	0.05 7	0.04 1	0.05 14	0.08 25	0.10 206	0.07 336	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

Pro-Stereo	0.07 7	0.05 41	0.08 56	0.15 113	0.07 132	0.08 83	0.12 96	0.07 7	0.07 15	0.06 25	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

BStereo	0.08 84	0.06 107	0.16 460	0.15 113	0.08 212	0.07 43	0.09 20	0.15 185	0.16 278	0.06 25	0.07 64	0.07 123	0.05 14	0.09 58	0.11 287	0.04 11	0.05 268	0.05 48	0.07 379	0.04 48	0.04 72

Wave_Phase_stereo	0.09 172	0.06 107	0.16 460	0.15 113	0.08 212	0.11 251	0.09 20	0.18 296	0.16 278	0.06 25	0.07 64	0.07 123	0.05 14	0.09 58	0.11 287	0.04 11	0.05 268	0.05 48	0.07 379	0.04 48	0.04 72

BridgeDepth_RVC	0.07 7	0.04 1	0.09 121	0.11 1	0.05 2	0.10 199	0.10 35	0.14 143	0.09 50	0.06 25	0.07 64	0.06 42	0.07 178	0.07 4	0.10 206	0.06 167	0.04 25	0.04 1	0.04 59	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
NLSM3	0.09 172	0.06 107	0.08 56	0.19 455	0.08 212	0.11 251	0.16 388	0.18 296	0.16 278	0.06 25	0.08 122	0.07 123	0.08 227	0.09 58	0.11 287	0.04 11	0.04 25	0.06 188	0.07 379	0.03 1	0.03 2

MonSter++	0.08 84	0.04 1	0.10 185	0.13 16	0.06 27	0.09 136	0.12 96	0.13 112	0.08 24	0.06 25	0.07 64	0.06 42	0.08 227	0.10 121	0.11 287	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.04 72

HiDET	0.08 84	0.04 1	0.10 185	0.13 16	0.06 27	0.08 83	0.12 96	0.12 83	0.11 105	0.06 25	0.07 64	0.07 123	0.07 178	0.11 196	0.11 287	0.06 167	0.04 25	0.04 1	0.03 1	0.04 48	0.04 72

LCMNet	0.08 84	0.05 41	0.10 185	0.13 16	0.07 132	0.09 136	0.12 96	0.10 33	0.11 105	0.06 25	0.08 122	0.06 42	0.07 178	0.11 196	0.10 206	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.04 72

VIP-Stereo	0.07 7	0.07 225	0.07 11	0.15 113	0.06 27	0.12 303	0.10 35	0.11 56	0.11 105	0.06 25	0.07 64	0.06 42	0.05 14	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.03 1	0.03 1	0.02 1

DDF-Stereo	0.08 84	0.04 1	0.09 121	0.15 113	0.10 451	0.06 14	0.13 170	0.09 20	0.14 216	0.06 25	0.06 23	0.07 123	0.06 65	0.09 58	0.10 206	0.06 167	0.04 25	0.06 188	0.04 59	0.08 434	0.05 203

252Zero-FE	0.08 84	0.04 1	0.09 121	0.13 16	0.07 132	0.12 303	0.11 64	0.13 112	0.14 216	0.06 25	0.05 7	0.06 42	0.05 14	0.09 58	0.10 206	0.06 167	0.04 25	0.04 1	0.03 1	0.05 168	0.06 304

Wavelet-MonSter	0.07 7	0.05 41	0.07 11	0.16 209	0.06 27	0.07 43	0.11 64	0.10 33	0.08 24	0.06 25	0.06 23	0.07 123	0.07 178	0.09 58	0.09 102	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 121	0.13 16	0.06 27	0.05 4	0.09 20	0.11 56	0.07 15	0.06 25	0.06 23	0.05 5	0.06 65	0.09 58	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.05 168	0.05 203

AdaDepth	0.07 7	0.06 107	0.07 11	0.18 386	0.06 27	0.11 251	0.12 96	0.09 20	0.07 15	0.06 25	0.05 7	0.07 123	0.06 65	0.09 58	0.10 206	0.04 11	0.05 268	0.05 48	0.04 59	0.04 48	0.04 72

asda	0.07 7	0.08 344	0.08 56	0.16 209	0.06 27	0.06 14	0.10 35	0.16 223	0.10 74	0.06 25	0.06 23	0.05 5	0.05 14	0.10 121	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 424	0.08 56	0.15 113	0.07 132	0.06 14	0.10 35	0.14 143	0.11 105	0.06 25	0.08 122	0.06 42	0.06 65	0.08 25	0.10 206	0.03 1	0.03 1	0.04 1	0.04 59	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 424	0.08 56	0.15 113	0.07 132	0.06 14	0.10 35	0.14 143	0.11 105	0.06 25	0.08 122	0.06 42	0.06 65	0.08 25	0.10 206	0.03 1	0.03 1	0.04 1	0.04 59	0.04 48	0.03 2

3w_stereo	0.08 84	0.09 424	0.10 185	0.17 296	0.07 132	0.08 83	0.10 35	0.20 337	0.13 184	0.06 25	0.07 64	0.05 5	0.06 65	0.08 25	0.09 102	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

IGEV	0.07 7	0.04 1	0.08 56	0.13 16	0.06 27	0.09 136	0.12 96	0.14 143	0.10 74	0.06 25	0.09 157	0.07 123	0.05 14	0.09 58	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

111111	0.07 7	0.04 1	0.09 121	0.17 296	0.06 27	0.05 4	0.10 35	0.11 56	0.09 50	0.06 25	0.06 23	0.07 123	0.05 14	0.09 58	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.07 370	0.06 304

LG-Stereo_L2	0.07 7	0.05 41	0.10 185	0.14 59	0.06 27	0.07 43	0.12 96	0.09 20	0.09 50	0.06 25	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.03 2

MLG-Stereo_test3	0.07 7	0.05 41	0.10 185	0.14 59	0.06 27	0.07 43	0.11 64	0.08 11	0.06 6	0.06 25	0.04 1	0.06 42	0.06 65	0.07 4	0.10 206	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.06 304

MLG-Stereo_test2	0.06 1	0.04 1	0.10 185	0.15 113	0.05 2	0.07 43	0.11 64	0.09 20	0.04 2	0.06 25	0.05 7	0.06 42	0.04 1	0.08 25	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.05 168	0.05 203

LG-G_1	0.07 7	0.04 1	0.11 244	0.15 113	0.06 27	0.09 136	0.08 7	0.08 11	0.06 6	0.06 25	0.05 7	0.07 123	0.07 178	0.11 196	0.08 25	0.07 336	0.04 25	0.05 48	0.04 59	0.05 168	0.05 203

LG-G	0.07 7	0.04 1	0.11 244	0.15 113	0.06 27	0.09 136	0.08 7	0.08 11	0.06 6	0.06 25	0.05 7	0.07 123	0.07 178	0.11 196	0.08 25	0.07 336	0.04 25	0.05 48	0.04 59	0.05 168	0.05 203

MM-Stereo_test3	0.10 241	0.07 225	0.07 11	0.18 386	0.07 132	0.12 303	0.19 519	0.24 429	0.19 357	0.06 25	0.10 193	0.08 183	0.06 65	0.11 196	0.08 25	0.06 167	0.06 416	0.07 299	0.05 190	0.05 168	0.04 72

GREAT-IGEV	0.07 7	0.06 107	0.08 56	0.13 16	0.07 132	0.07 43	0.14 235	0.09 20	0.09 50	0.06 25	0.07 64	0.06 42	0.05 14	0.10 121	0.07 1	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 580	0.17 490	0.11 1	0.05 2	0.05 4	0.11 64	0.08 11	0.08 24	0.06 25	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.08 413	0.04 25	0.05 48	0.03 1	0.05 168	0.04 72

IGEV-RUCA	0.08 84	0.06 107	0.11 244	0.14 59	0.09 339	0.10 199	0.12 96	0.10 33	0.12 142	0.06 25	0.07 64	0.07 123	0.06 65	0.09 58	0.08 25	0.06 167	0.05 268	0.05 48	0.04 59	0.05 168	0.06 304

DEFOM-Stereo	0.07 7	0.05 41	0.07 11	0.14 59	0.06 27	0.10 199	0.13 170	0.07 7	0.13 184	0.06 25	0.07 64	0.06 42	0.05 14	0.10 121	0.09 102	0.04 11	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

WCG-NET	0.08 84	0.05 41	0.09 121	0.15 113	0.06 27	0.11 251	0.14 235	0.13 112	0.13 184	0.06 25	0.09 157	0.07 123	0.06 65	0.13 342	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

IGEV-Stereo++	0.07 7	0.06 107	0.08 56	0.18 386	0.06 27	0.04 1	0.10 35	0.11 56	0.11 105	0.06 25	0.07 64	0.07 123	0.06 65	0.09 58	0.09 102	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

IGEV-Stereo+	0.07 7	0.04 1	0.08 56	0.15 113	0.06 27	0.04 1	0.09 20	0.10 33	0.09 50	0.06 25	0.06 23	0.06 42	0.06 65	0.06 1	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.06 290	0.06 304

EGLCR-Stereo	0.08 84	0.05 41	0.08 56	0.14 59	0.06 27	0.10 199	0.12 96	0.11 56	0.16 278	0.06 25	0.05 7	0.07 123	0.05 14	0.10 121	0.11 287	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

quiztm	0.08 84	0.07 225	0.08 56	0.18 386	0.07 132	0.09 136	0.14 235	0.14 143	0.12 142	0.07 74	0.07 64	0.05 5	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.04 59	0.04 48	0.03 2

aanet-new-60k	0.07 7	0.07 225	0.08 56	0.18 386	0.06 27	0.07 43	0.10 35	0.09 20	0.14 216	0.07 74	0.07 64	0.06 42	0.06 65	0.11 196	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

aanet-new-40k	0.07 7	0.08 344	0.07 11	0.17 296	0.07 132	0.08 83	0.13 170	0.10 33	0.10 74	0.07 74	0.08 122	0.06 42	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

aanet-32k-new	0.08 84	0.07 225	0.08 56	0.18 386	0.06 27	0.08 83	0.12 96	0.11 56	0.12 142	0.07 74	0.08 122	0.05 5	0.07 178	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.06 290	0.04 72

aanet-new-32k	0.08 84	0.07 225	0.09 121	0.18 386	0.06 27	0.11 251	0.11 64	0.10 33	0.08 24	0.07 74	0.07 64	0.07 123	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

aanet-new-30k	0.08 84	0.07 225	0.09 121	0.18 386	0.06 27	0.11 251	0.11 64	0.10 33	0.08 24	0.07 74	0.07 64	0.07 123	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

aanet-new-10k	0.08 84	0.08 344	0.08 56	0.19 455	0.07 132	0.08 83	0.12 96	0.14 143	0.11 105	0.07 74	0.08 122	0.07 123	0.07 178	0.09 58	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

aanet-new-8k	0.08 84	0.07 225	0.08 56	0.19 455	0.07 132	0.09 136	0.12 96	0.16 223	0.15 241	0.07 74	0.07 64	0.06 42	0.06 65	0.10 121	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

GCAP-Stereo-cres-4k	0.08 84	0.07 225	0.08 56	0.18 386	0.07 132	0.11 251	0.14 235	0.12 83	0.11 105	0.07 74	0.11 243	0.07 123	0.06 65	0.09 58	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

GCAP-Stereo-DPT-cres	0.08 84	0.05 41	0.07 11	0.15 113	0.06 27	0.10 199	0.14 235	0.13 112	0.12 142	0.07 74	0.09 157	0.07 123	0.06 65	0.10 121	0.09 102	0.05 51	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 84	0.06 107	0.15 424	0.14 59	0.06 27	0.08 83	0.13 170	0.13 112	0.11 105	0.07 74	0.08 122	0.07 123	0.06 65	0.09 58	0.08 25	0.05 51	0.05 268	0.05 48	0.04 59	0.03 1	0.04 72

GCAP-Stereo-DPT-20K	0.07 7	0.05 41	0.11 244	0.15 113	0.06 27	0.07 43	0.13 170	0.09 20	0.11 105	0.07 74	0.08 122	0.06 42	0.05 14	0.09 58	0.07 1	0.05 51	0.05 268	0.05 48	0.04 59	0.03 1	0.04 72

GCAP-Stereo-DPT-50K	0.08 84	0.06 107	0.17 490	0.15 113	0.06 27	0.06 14	0.13 170	0.13 112	0.13 184	0.07 74	0.07 64	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 84	0.06 107	0.07 11	0.16 209	0.06 27	0.06 14	0.14 235	0.14 143	0.14 216	0.07 74	0.10 193	0.06 42	0.05 14	0.09 58	0.09 102	0.04 11	0.04 25	0.04 1	0.04 59	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 84	0.05 41	0.12 289	0.15 113	0.06 27	0.10 199	0.14 235	0.12 83	0.12 142	0.07 74	0.09 157	0.06 42	0.06 65	0.10 121	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

WQFJA1++	0.08 84	0.04 1	0.11 244	0.14 59	0.07 132	0.11 251	0.11 64	0.11 56	0.07 15	0.07 74	0.07 64	0.07 123	0.06 65	0.10 121	0.10 206	0.06 167	0.04 25	0.05 48	0.04 59	0.06 290	0.06 304

MatchStereo	0.07 7	0.04 1	0.08 56	0.14 59	0.06 27	0.05 4	0.12 96	0.12 83	0.09 50	0.07 74	0.06 23	0.04 1	0.04 1	0.08 25	0.09 102	0.06 167	0.05 268	0.05 48	0.03 1	0.04 48	0.04 72
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
CSFM-Stereo	0.07 7	0.05 41	0.07 11	0.14 59	0.06 27	0.09 136	0.13 170	0.15 185	0.06 6	0.07 74	0.08 122	0.06 42	0.08 227	0.09 58	0.09 102	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.04 72

DLNR-FE	10.43 705	1.83 696	19.53 720	120.75 724	13.06 712	0.06 14	0.13 170	0.23 405	0.10 74	0.07 74	0.10 193	0.09 219	0.06 65	0.10 121	0.09 102	0.13 596	0.04 25	0.06 188	0.04 59	52.01 726	0.04 72

Zero-FE251	0.07 7	0.05 41	0.09 121	0.13 16	0.06 27	0.12 303	0.12 96	0.11 56	0.10 74	0.07 74	0.08 122	0.06 42	0.06 65	0.09 58	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

zero-FE	0.08 84	0.04 1	0.09 121	0.15 113	0.10 451	0.05 4	0.14 235	0.09 20	0.14 216	0.07 74	0.06 23	0.07 123	0.06 65	0.09 58	0.10 206	0.06 167	0.04 25	0.06 188	0.04 59	0.08 434	0.05 203

asd	0.07 7	0.08 344	0.07 11	0.16 209	0.07 132	0.08 83	0.08 7	0.11 56	0.08 24	0.07 74	0.07 64	0.06 42	0.06 65	0.10 121	0.09 102	0.03 1	0.03 1	0.04 1	0.04 59	0.04 48	0.03 2

qwe	0.07 7	0.08 344	0.07 11	0.15 113	0.06 27	0.07 43	0.10 35	0.18 296	0.11 105	0.07 74	0.07 64	0.06 42	0.06 65	0.10 121	0.09 102	0.03 1	0.03 1	0.04 1	0.04 59	0.04 48	0.03 2

4.25_new	0.07 7	0.08 344	0.09 121	0.15 113	0.06 27	0.09 136	0.08 7	0.14 143	0.08 24	0.07 74	0.07 64	0.06 42	0.06 65	0.12 290	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 344	0.09 121	0.15 113	0.06 27	0.09 136	0.08 7	0.14 143	0.08 24	0.07 74	0.07 64	0.06 42	0.06 65	0.12 290	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 344	0.09 121	0.15 113	0.06 27	0.09 136	0.08 7	0.14 143	0.08 24	0.07 74	0.07 64	0.06 42	0.06 65	0.12 290	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 344	0.08 56	0.16 209	0.06 27	0.07 43	0.08 7	0.12 83	0.08 24	0.07 74	0.07 64	0.05 5	0.06 65	0.09 58	0.10 206	0.03 1	0.03 1	0.04 1	0.04 59	0.04 48	0.03 2

2.5w	0.07 7	0.07 225	0.07 11	0.16 209	0.06 27	0.08 83	0.12 96	0.10 33	0.10 74	0.07 74	0.06 23	0.09 219	0.06 65	0.08 25	0.09 102	0.04 11	0.03 1	0.04 1	0.04 59	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 225	0.07 11	0.13 16	0.06 27	0.08 83	0.08 7	0.18 296	0.12 142	0.07 74	0.08 122	0.06 42	0.06 65	0.09 58	0.11 287	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 72

3.75w	0.07 7	0.07 225	0.08 56	0.16 209	0.07 132	0.07 43	0.09 20	0.16 223	0.09 50	0.07 74	0.06 23	0.05 5	0.06 65	0.09 58	0.10 206	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 225	0.07 11	0.15 113	0.07 132	0.09 136	0.06 1	0.13 112	0.11 105	0.07 74	0.07 64	0.06 42	0.07 178	0.10 121	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 107	0.07 11	0.16 209	0.06 27	0.07 43	0.10 35	0.14 143	0.14 216	0.07 74	0.08 122	0.05 5	0.06 65	0.09 58	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 72

monsterstereo	0.07 7	0.06 107	0.06 5	0.16 209	0.06 27	0.08 83	0.10 35	0.16 223	0.11 105	0.07 74	0.08 122	0.06 42	0.07 178	0.08 25	0.09 102	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

SGD-Stereo	0.08 84	0.05 41	0.10 185	0.14 59	0.05 2	0.12 303	0.12 96	0.11 56	0.12 142	0.07 74	0.09 157	0.09 219	0.09 265	0.08 25	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.03 2

MM-Stereo_test2	0.09 172	0.06 107	0.09 121	0.19 455	0.08 212	0.12 303	0.18 479	0.15 185	0.14 216	0.07 74	0.10 193	0.07 123	0.06 65	0.12 290	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.03 2

SCV	0.08 84	0.09 424	0.08 56	0.15 113	0.08 212	0.10 199	0.13 170	0.10 33	0.12 142	0.07 74	0.07 64	0.06 42	0.04 1	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.04 59	0.06 290	0.04 72

DEFOM-Stereo_RVC	0.08 84	0.06 107	0.09 121	0.22 570	0.06 27	0.08 83	0.12 96	0.10 33	0.10 74	0.07 74	0.07 64	0.06 42	0.05 14	0.11 196	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.06 290	0.04 72

AIO_rvc	0.07 7	0.06 107	0.08 56	0.15 113	0.06 27	0.08 83	0.14 235	0.09 20	0.08 24	0.07 74	0.08 122	0.07 123	0.04 1	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

HUF	0.08 84	0.05 41	0.08 56	0.14 59	0.06 27	0.09 136	0.13 170	0.13 112	0.13 184	0.07 74	0.07 64	0.08 183	0.06 65	0.10 121	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

AIO_test	0.07 7	0.05 41	0.07 11	0.15 113	0.07 132	0.06 14	0.14 235	0.10 33	0.10 74	0.07 74	0.07 64	0.06 42	0.05 14	0.08 25	0.10 206	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

castereo++	0.08 84	0.05 41	0.08 56	0.15 113	0.05 2	0.14 388	0.12 96	0.11 56	0.15 241	0.07 74	0.07 64	0.07 123	0.06 65	0.08 25	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

GIP-stereo	0.08 84	0.06 107	0.11 244	0.14 59	0.06 27	0.09 136	0.13 170	0.14 143	0.11 105	0.07 74	0.08 122	0.05 5	0.04 1	0.10 121	0.07 1	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

dual_stereo	0.07 7	0.04 1	0.08 56	0.15 113	0.05 2	0.05 4	0.13 170	0.12 83	0.08 24	0.07 74	0.06 23	0.05 5	0.05 14	0.07 4	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

GCAP-BAT	0.09 172	0.05 41	0.11 244	0.13 16	0.07 132	0.11 251	0.14 235	0.14 143	0.16 278	0.07 74	0.10 193	0.08 183	0.06 65	0.13 342	0.08 25	0.07 336	0.05 268	0.05 48	0.05 190	0.04 48	0.04 72

Occ-G	0.08 84	0.05 41	0.06 5	0.14 59	0.07 132	0.08 83	0.14 235	0.13 112	0.15 241	0.07 74	0.11 243	0.07 123	0.05 14	0.09 58	0.10 206	0.06 167	0.05 268	0.05 48	0.04 59	0.05 168	0.05 203

U	0.08 84	0.07 225	0.09 121	0.19 455	0.10 451	0.10 199	0.13 170	0.12 83	0.17 307	0.07 74	0.07 64	0.06 42	0.05 14	0.07 4	0.08 25	0.06 167	0.04 25	0.06 188	0.04 59	0.06 290	0.05 203

IGEV-BASED-STEREO-	0.09 172	0.10 486	0.31 599	0.15 113	0.06 27	0.08 83	0.14 235	0.10 33	0.10 74	0.07 74	0.07 64	0.06 42	0.04 1	0.11 196	0.07 1	0.12 570	0.04 25	0.07 299	0.05 190	0.05 168	0.05 203

GCAPDPT-zeroshot4090	0.07 7	0.05 41	0.11 244	0.15 113	0.06 27	0.07 43	0.13 170	0.09 20	0.11 105	0.07 74	0.08 122	0.06 42	0.05 14	0.09 58	0.07 1	0.05 51	0.05 268	0.05 48	0.04 59	0.03 1	0.04 72

MGS-Stereo	0.09 172	0.07 225	0.12 289	0.15 113	0.08 212	0.09 136	0.15 319	0.12 83	0.12 142	0.07 74	0.10 193	0.08 183	0.06 65	0.10 121	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.06 290	0.05 203

MoCha-V2	0.08 84	0.05 41	0.10 185	0.20 521	0.07 132	0.09 136	0.14 235	0.11 56	0.08 24	0.07 74	0.08 122	0.07 123	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

DLNR_Zeroshot_test	10.40 704	1.82 695	19.49 719	120.77 725	13.11 713	0.06 14	0.13 170	0.23 405	0.10 74	0.07 74	0.10 193	0.09 219	0.06 65	0.10 121	0.09 102	0.13 596	0.04 25	0.06 188	0.04 59	51.54 725	0.04 72

GCAPDPT-zeroshot	0.09 172	0.05 41	0.11 244	0.13 16	0.07 132	0.11 251	0.14 235	0.14 143	0.16 278	0.07 74	0.10 193	0.08 183	0.06 65	0.13 342	0.08 25	0.07 336	0.05 268	0.05 48	0.05 190	0.04 48	0.04 72

AEACV	0.08 84	0.05 41	0.08 56	0.14 59	0.13 558	0.14 388	0.13 170	0.14 143	0.09 50	0.07 74	0.09 157	0.07 123	0.08 227	0.10 121	0.09 102	0.06 167	0.04 25	0.06 188	0.05 190	0.05 168	0.04 72

CroCo-Stereo	0.09 172	0.08 344	0.08 56	0.22 570	0.09 339	0.09 136	0.19 519	0.15 185	0.12 142	0.07 74	0.07 64	0.08 183	0.06 65	0.08 25	0.07 1	0.07 336	0.05 268	0.06 188	0.04 59	0.05 168	0.04 72
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
DNS	0.09 172	0.05 41	0.11 244	0.15 113	0.08 212	0.10 199	0.16 388	0.17 262	0.09 50	0.08 128	0.12 264	0.08 183	0.07 178	0.09 58	0.08 25	0.07 336	0.04 25	0.05 48	0.05 190	0.06 290	0.05 203

DN	0.10 241	0.05 41	0.09 121	0.14 59	0.09 339	0.12 303	0.18 479	0.17 262	0.16 278	0.08 128	0.09 157	0.08 183	0.06 65	0.08 25	0.09 102	0.11 545	0.05 268	0.07 299	0.06 281	0.07 370	0.09 501

aanet-new-36k	0.08 84	0.06 107	0.09 121	0.17 296	0.06 27	0.09 136	0.13 170	0.11 56	0.13 184	0.08 128	0.08 122	0.06 42	0.05 14	0.09 58	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

aanet-new-16k	0.08 84	0.08 344	0.08 56	0.18 386	0.06 27	0.07 43	0.09 20	0.13 112	0.12 142	0.08 128	0.07 64	0.07 123	0.06 65	0.09 58	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.05 168	0.03 2

aanet-new-12k	0.08 84	0.09 424	0.07 11	0.20 521	0.08 212	0.08 83	0.13 170	0.12 83	0.13 184	0.08 128	0.08 122	0.05 5	0.07 178	0.09 58	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.06 290	0.04 72

aanet-new	0.08 84	0.09 424	0.10 185	0.18 386	0.08 212	0.10 199	0.12 96	0.15 185	0.12 142	0.08 128	0.08 122	0.05 5	0.07 178	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.06 290	0.04 72

GCAP-Stereo-DPT-5K	0.08 84	0.06 107	0.10 185	0.16 209	0.07 132	0.11 251	0.12 96	0.15 185	0.15 241	0.08 128	0.12 264	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.05 190	0.03 1	0.04 72

GCAP-Stereo-DPT-2K	0.08 84	0.06 107	0.10 185	0.16 209	0.07 132	0.11 251	0.13 170	0.14 143	0.14 216	0.08 128	0.13 283	0.05 5	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

GCAP-Stereo-DPT-3K	0.08 84	0.07 225	0.10 185	0.16 209	0.07 132	0.09 136	0.12 96	0.15 185	0.14 216	0.08 128	0.11 243	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

LACA3	0.07 7	0.08 344	0.08 56	0.13 16	0.05 2	0.09 136	0.11 64	0.08 11	0.08 24	0.08 128	0.05 7	0.07 123	0.07 178	0.07 4	0.07 1	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

PSi22	0.08 84	0.06 107	0.11 244	0.16 209	0.07 132	0.08 83	0.10 35	0.14 143	0.08 24	0.08 128	0.06 23	0.10 254	0.06 65	0.12 290	0.09 102	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 72

Selective-IGEV-i32	0.07 7	0.06 107	0.08 56	0.17 296	0.06 27	0.08 83	0.12 96	0.13 112	0.07 15	0.08 128	0.07 64	0.06 42	0.04 1	0.10 121	0.09 102	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

gcap_with_dpt	0.08 84	0.06 107	0.09 121	0.16 209	0.07 132	0.09 136	0.12 96	0.13 112	0.13 184	0.08 128	0.12 264	0.04 1	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

GEAStereo	0.08 84	0.05 41	0.08 56	0.13 16	0.08 212	0.08 83	0.14 235	0.10 33	0.09 50	0.08 128	0.10 193	0.06 42	0.05 14	0.11 196	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.05 203

GSStereo	0.08 84	0.05 41	0.08 56	0.13 16	0.08 212	0.08 83	0.14 235	0.11 56	0.12 142	0.08 128	0.10 193	0.05 5	0.05 14	0.11 196	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.05 203

GS-Stereo							0.14 235	0.11 56	0.12 142	0.08 128	0.10 193	0.05 5	0.05 14	0.11 196	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.05 203

gasm-f	0.08 84	0.05 41	0.07 11	0.13 16	0.08 212	0.08 83	0.14 235	0.10 33	0.09 50	0.08 128	0.10 193	0.06 42	0.05 14	0.10 121	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.06 290	0.05 203

DA	0.08 84	0.07 225	0.07 11	0.19 455	0.08 212	0.09 136	0.12 96	0.13 112	0.12 142	0.08 128	0.10 193	0.10 254	0.08 227	0.09 58	0.10 206	0.05 51	0.04 25	0.06 188	0.04 59	0.05 168	0.03 2

GGEV	0.08 84	0.07 225	0.07 11	0.19 455	0.08 212	0.09 136	0.12 96	0.13 112	0.12 142	0.08 128	0.10 193	0.10 254	0.08 227	0.09 58	0.10 206	0.05 51	0.04 25	0.06 188	0.04 59	0.05 168	0.03 2

S2M2_XL	0.08 84	0.06 107	0.12 289	0.12 5	0.08 212	0.09 136	0.09 20	0.07 7	0.07 15	0.08 128	0.07 64	0.07 123	0.06 65	0.09 58	0.09 102	0.08 413	0.06 416	0.07 299	0.05 190	0.08 434	0.06 304
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
2.25w	0.07 7	0.06 107	0.07 11	0.14 59	0.06 27	0.08 83	0.08 7	0.10 33	0.15 241	0.08 128	0.10 193	0.07 123	0.06 65	0.08 25	0.10 206	0.05 51	0.03 1	0.04 1	0.04 59	0.03 1	0.04 72

3.25w_new	0.07 7	0.06 107	0.07 11	0.15 113	0.06 27	0.10 199	0.07 3	0.12 83	0.11 105	0.08 128	0.06 23	0.07 123	0.06 65	0.11 196	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 107	0.07 11	0.15 113	0.06 27	0.10 199	0.07 3	0.12 83	0.11 105	0.08 128	0.06 23	0.07 123	0.06 65	0.11 196	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

2w_stereo	0.08 84	0.08 344	0.09 121	0.16 209	0.06 27	0.08 83	0.10 35	0.20 337	0.15 241	0.08 128	0.07 64	0.06 42	0.06 65	0.06 1	0.09 102	0.04 11	0.03 1	0.04 1	0.04 59	0.03 1	0.03 2

HART	0.08 84	0.07 225	0.09 121	0.17 296	0.07 132	0.10 199	0.16 388	0.13 112	0.11 105	0.08 128	0.10 193	0.07 123	0.05 14	0.10 121	0.08 25	0.05 51	0.04 25	0.06 188	0.04 59	0.05 168	0.04 72

SCV_C0	0.08 84	0.07 225	0.07 11	0.16 209	0.09 339	0.08 83	0.15 319	0.11 56	0.12 142	0.08 128	0.07 64	0.06 42	0.05 14	0.11 196	0.07 1	0.05 51	0.05 268	0.05 48	0.04 59	0.06 290	0.05 203

AIO-test2	0.10 241	0.08 344	0.10 185	0.23 594	0.08 212	0.11 251	0.10 35	0.23 405	0.23 422	0.08 128	0.09 157	0.08 183	0.05 14	0.10 121	0.08 25	0.06 167	0.05 268	0.08 393	0.09 499	0.05 168	0.05 203

castereo	0.09 172	0.06 107	0.11 244	0.15 113	0.06 27	0.11 251	0.15 319	0.14 143	0.18 338	0.08 128	0.10 193	0.11 284	0.08 227	0.09 58	0.10 206	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

fffft	0.09 172	0.06 107	0.12 289	0.16 209	0.07 132	0.09 136	0.17 430	0.12 83	0.11 105	0.08 128	0.07 64	0.09 219	0.06 65	0.11 196	0.12 348	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.05 203
1: 1. 1
mms	0.09 172	0.07 225	0.08 56	0.16 209	0.08 212	0.10 199	0.16 388	0.12 83	0.11 105	0.08 128	0.09 157	0.08 183	0.06 65	0.11 196	0.12 348	0.05 51	0.04 25	0.07 299	0.05 190	0.04 48	0.03 2

ours_stereo	0.09 172	0.07 225	0.09 121	0.17 296	0.08 212	0.11 251	0.16 388	0.11 56	0.12 142	0.08 128	0.10 193	0.08 183	0.06 65	0.12 290	0.12 348	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.03 2

fffy	0.09 172	0.08 344	0.09 121	0.16 209	0.07 132	0.13 354	0.17 430	0.13 112	0.12 142	0.08 128	0.09 157	0.08 183	0.09 265	0.13 342	0.11 287	0.05 51	0.05 268	0.07 299	0.05 190	0.04 48	0.05 203

tg	0.10 241	0.06 107	0.10 185	0.18 386	0.08 212	0.11 251	0.16 388	0.20 337	0.12 142	0.08 128	0.11 243	0.11 284	0.07 178	0.11 196	0.10 206	0.05 51	0.04 25	0.08 393	0.08 452	0.04 48	0.04 72

AIO-Stereo	0.08 84	0.06 107	0.09 121	0.18 386	0.06 27	0.08 83	0.12 96	0.15 185	0.09 50	0.08 128	0.08 122	0.07 123	0.05 14	0.11 196	0.08 25	0.05 51	0.05 268	0.05 48	0.04 59	0.04 48	0.04 72

WCG-NET（raft）	0.08 84	0.05 41	0.10 185	0.15 113	0.06 27	0.11 251	0.13 170	0.15 185	0.12 142	0.08 128	0.07 64	0.06 42	0.06 65	0.13 342	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

RSM++	0.08 84	0.06 107	0.09 121	0.17 296	0.07 132	0.09 136	0.12 96	0.11 56	0.11 105	0.08 128	0.06 23	0.07 123	0.05 14	0.10 121	0.09 102	0.04 11	0.04 25	0.06 188	0.05 190	0.05 168	0.03 2

RSM	0.08 84	0.06 107	0.09 121	0.17 296	0.06 27	0.08 83	0.12 96	0.12 83	0.10 74	0.08 128	0.07 64	0.06 42	0.05 14	0.11 196	0.09 102	0.04 11	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

gcap-zeroshot	0.08 84	0.06 107	0.10 185	0.15 113	0.07 132	0.11 251	0.12 96	0.15 185	0.15 241	0.08 128	0.12 264	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.05 190	0.03 1	0.04 72

test_for_model	0.08 84	0.06 107	0.10 185	0.16 209	0.07 132	0.11 251	0.12 96	0.15 185	0.15 241	0.08 128	0.12 264	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.05 190	0.03 1	0.04 72

trnet	0.08 84	0.05 41	0.07 11	0.12 5	0.05 2	0.12 303	0.11 64	0.13 112	0.10 74	0.08 128	0.13 283	0.09 219	0.08 227	0.11 196	0.10 206	0.08 413	0.05 268	0.05 48	0.03 1	0.06 290	0.05 203

IGEV++	0.08 84	0.06 107	0.08 56	0.18 386	0.07 132	0.09 136	0.13 170	0.10 33	0.09 50	0.08 128	0.08 122	0.06 42	0.06 65	0.13 342	0.09 102	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

testlalala	0.08 84	0.06 107	0.10 185	0.15 113	0.07 132	0.11 251	0.12 96	0.15 185	0.15 241	0.08 128	0.12 264	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 188	0.05 190	0.03 1	0.04 72

HH	0.09 172	0.06 107	0.13 339	0.17 296	0.08 212	0.10 199	0.16 388	0.14 143	0.10 74	0.08 128	0.09 157	0.08 183	0.07 178	0.10 121	0.09 102	0.06 167	0.04 25	0.06 188	0.05 190	0.05 168	0.04 72

HanStereo	0.09 172	0.06 107	0.13 339	0.17 296	0.08 212	0.10 199	0.16 388	0.14 143	0.10 74	0.08 128	0.09 157	0.08 183	0.07 178	0.10 121	0.09 102	0.06 167	0.04 25	0.06 188	0.05 190	0.05 168	0.04 72

LoS_RVC	0.08 84	0.05 41	0.07 11	0.15 113	0.07 132	0.08 83	0.15 319	0.11 56	0.10 74	0.08 128	0.09 157	0.06 42	0.09 265	0.10 121	0.09 102	0.05 51	0.04 25	0.05 48	0.03 1	0.04 48	0.03 2

CES	0.08 84	0.04 1	0.08 56	0.14 59	0.07 132	0.09 136	0.14 235	0.11 56	0.09 50	0.08 128	0.09 157	0.11 284	0.06 65	0.12 290	0.08 25	0.06 167	0.04 25	0.05 48	0.03 1	0.05 168	0.05 203

Selective-IGEV	0.07 7	0.06 107	0.08 56	0.17 296	0.06 27	0.08 83	0.12 96	0.13 112	0.07 15	0.08 128	0.07 64	0.06 42	0.04 1	0.10 121	0.09 102	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

cross-raft	0.10 241	0.09 424	0.09 121	0.19 455	0.07 132	0.11 251	0.25 611	0.13 112	0.15 241	0.08 128	0.11 243	0.12 304	0.10 304	0.09 58	0.11 287	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

EAI-Stereo	0.09 172	0.07 225	0.11 244	0.15 113	0.06 27	0.10 199	0.15 319	0.16 223	0.09 50	0.08 128	0.09 157	0.08 183	0.07 178	0.09 58	0.11 287	0.05 51	0.04 25	0.05 48	0.05 190	0.05 168	0.04 72

CFNet-RSSM	0.09 172	0.07 225	0.09 121	0.16 209	0.07 132	0.09 136	0.15 319	0.16 223	0.17 307	0.08 128	0.12 264	0.10 254	0.09 265	0.11 196	0.09 102	0.06 167	0.04 25	0.06 188	0.04 59	0.04 48	0.04 72

Gwc-CoAtRS	0.09 172	0.06 107	0.10 185	0.16 209	0.07 132	0.10 199	0.14 235	0.17 262	0.17 307	0.08 128	0.10 193	0.12 304	0.09 265	0.12 290	0.09 102	0.06 167	0.04 25	0.06 188	0.04 59	0.04 48	0.04 72

CREStereo	0.09 172	0.04 1	0.08 56	0.11 1	0.06 27	0.13 354	0.14 235	0.14 143	0.10 74	0.08 128	0.13 283	0.09 219	0.08 227	0.11 196	0.10 206	0.08 413	0.04 25	0.05 48	0.03 1	0.06 290	0.06 304
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
DF	0.08 84	0.05 41	0.09 121	0.15 113	0.06 27	0.11 251	0.13 170	0.10 33	0.12 142	0.09 180	0.10 193	0.10 254	0.08 227	0.11 196	0.09 102	0.07 336	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

aanet-new-34k	0.08 84	0.06 107	0.09 121	0.17 296	0.05 2	0.07 43	0.13 170	0.12 83	0.12 142	0.09 180	0.08 122	0.07 123	0.05 14	0.10 121	0.09 102	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

aanet-new-28k	0.08 84	0.07 225	0.09 121	0.18 386	0.06 27	0.08 83	0.12 96	0.10 33	0.09 50	0.09 180	0.08 122	0.08 183	0.06 65	0.12 290	0.08 25	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

aanet-new-24k	0.07 7	0.07 225	0.07 11	0.17 296	0.06 27	0.07 43	0.12 96	0.09 20	0.11 105	0.09 180	0.09 157	0.06 42	0.07 178	0.09 58	0.07 1	0.04 11	0.04 25	0.05 48	0.04 59	0.04 48	0.03 2

aanet-new-22k	0.08 84	0.06 107	0.09 121	0.17 296	0.06 27	0.08 83	0.11 64	0.14 143	0.12 142	0.09 180	0.09 157	0.08 183	0.06 65	0.10 121	0.08 25	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

Foundation-i1c-attn	0.08 84	0.05 41	0.07 11	0.14 59	0.05 2	0.09 136	0.12 96	0.12 83	0.10 74	0.09 180	0.10 193	0.10 254	0.07 178	0.07 4	0.10 206	0.06 167	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

Foundation-i1b	0.08 84	0.05 41	0.07 11	0.14 59	0.05 2	0.09 136	0.12 96	0.13 112	0.10 74	0.09 180	0.10 193	0.09 219	0.06 65	0.07 4	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.03 1	0.03 2

DepthFocus	0.08 84	0.04 1	0.15 424	0.12 5	0.09 339	0.07 43	0.12 96	0.10 33	0.05 4	0.09 180	0.05 7	0.07 123	0.04 1	0.08 25	0.08 25	0.06 167	0.05 268	0.07 299	0.07 379	0.05 168	0.04 72

DispViT+	0.08 84	0.05 41	0.09 121	0.13 16	0.06 27	0.05 4	0.11 64	0.18 296	0.16 278	0.09 180	0.08 122	0.07 123	0.06 65	0.11 196	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1	0.10 241	0.07 225	0.08 56	0.20 521	0.09 339	0.12 303	0.17 430	0.17 262	0.17 307	0.09 180	0.10 193	0.08 183	0.10 304	0.12 290	0.11 287	0.06 167	0.07 488	0.07 299	0.06 281	0.06 290	0.05 203

NLMM	0.10 241	0.07 225	0.08 56	0.20 521	0.09 339	0.12 303	0.17 430	0.17 262	0.17 307	0.09 180	0.10 193	0.08 183	0.10 304	0.12 290	0.11 287	0.06 167	0.07 488	0.07 299	0.06 281	0.06 290	0.05 203

Select-FE	0.11 289	0.06 107	0.20 538	0.15 113	0.11 501	0.11 251	0.13 170	0.21 360	0.18 338	0.09 180	0.11 243	0.10 254	0.06 65	0.12 290	0.09 102	0.07 336	0.05 268	0.07 299	0.08 452	0.06 290	0.08 457

FlowAnything_test	0.11 289	0.08 344	0.14 376	0.15 113	0.09 339	0.07 43	0.14 235	0.20 337	0.11 105	0.09 180	0.09 157	0.12 304	0.12 368	0.13 342	0.11 287	0.09 473	0.06 416	0.09 476	0.09 499	0.06 290	0.09 501

monsters	0.07 7	0.06 107	0.06 5	0.15 113	0.06 27	0.08 83	0.09 20	0.12 83	0.08 24	0.09 180	0.07 64	0.06 42	0.06 65	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 59	0.03 1	0.03 2

MM-Stereo_test1	0.10 241	0.07 225	0.08 56	0.18 386	0.07 132	0.12 303	0.18 479	0.21 360	0.20 380	0.09 180	0.11 243	0.08 183	0.06 65	0.10 121	0.10 206	0.06 167	0.05 268	0.07 299	0.06 281	0.05 168	0.04 72

SMoEStereo_RVC	0.08 84	0.06 107	0.12 289	0.16 209	0.07 132	0.09 136	0.14 235	0.11 56	0.13 184	0.09 180	0.07 64	0.07 123	0.07 178	0.12 290	0.10 206	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

tt45	0.09 172	0.06 107	0.11 244	0.15 113	0.07 132	0.11 251	0.16 388	0.13 112	0.11 105	0.09 180	0.06 23	0.08 183	0.06 65	0.13 342	0.10 206	0.06 167	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

PAM_32	0.09 172	0.05 41	0.17 490	0.15 113	0.08 212	0.10 199	0.15 319	0.14 143	0.15 241	0.09 180	0.08 122	0.09 219	0.07 178	0.14 371	0.08 25	0.06 167	0.05 268	0.06 188	0.06 281	0.05 168	0.06 304

Pointernet	0.09 172	0.04 1	0.09 121	0.16 209	0.08 212	0.13 354	0.10 35	0.15 185	0.17 307	0.09 180	0.07 64	0.06 42	0.06 65	0.11 196	0.09 102	0.08 413	0.04 25	0.05 48	0.03 1	0.06 290	0.05 203

MyStereo07	0.10 241	0.07 225	0.10 185	0.17 296	0.09 339	0.14 388	0.18 479	0.15 185	0.15 241	0.09 180	0.06 23	0.06 42	0.07 178	0.12 290	0.09 102	0.06 167	0.05 268	0.08 393	0.07 379	0.06 290	0.06 304

AE-Stereo	0.10 241	0.08 344	0.10 185	0.18 386	0.09 339	0.10 199	0.15 319	0.14 143	0.19 357	0.09 180	0.14 297	0.12 304	0.08 227	0.11 196	0.10 206	0.05 51	0.06 416	0.07 299	0.06 281	0.05 168	0.04 72

ACVNet-DCA	0.10 241	0.08 344	0.12 289	0.17 296	0.09 339	0.13 354	0.15 319	0.23 405	0.16 278	0.09 180	0.09 157	0.06 42	0.06 65	0.10 121	0.07 1	0.06 167	0.04 25	0.06 188	0.05 190	0.07 370	0.07 391

xx1	0.11 289	0.08 344	0.12 289	0.17 296	0.09 339	0.13 354	0.15 319	0.16 223	0.18 338	0.09 180	0.09 157	0.16 395	0.16 478	0.10 121	0.07 1	0.06 167	0.04 25	0.08 393	0.08 452	0.07 370	0.07 391

1test111	0.11 289	0.08 344	0.12 289	0.17 296	0.09 339	0.13 354	0.15 319	0.23 405	0.16 278	0.09 180	0.09 157	0.06 42	0.06 65	0.15 395	0.16 475	0.06 167	0.04 25	0.06 188	0.05 190	0.07 370	0.07 391

cc1	0.10 241	0.08 344	0.12 289	0.17 296	0.09 339	0.13 354	0.15 319	0.16 223	0.18 338	0.09 180	0.09 157	0.06 42	0.06 65	0.10 121	0.07 1	0.06 167	0.04 25	0.06 188	0.05 190	0.06 290	0.06 304

tt1	0.10 241	0.08 344	0.12 289	0.17 296	0.09 339	0.12 303	0.16 388	0.15 185	0.19 357	0.09 180	0.08 122	0.06 42	0.06 65	0.10 121	0.07 1	0.06 167	0.04 25	0.06 188	0.05 190	0.06 290	0.06 304

MaDis-Stereo	0.09 172	0.09 424	0.08 56	0.17 296	0.09 339	0.13 354	0.10 35	0.16 223	0.16 278	0.09 180	0.11 243	0.06 42	0.06 65	0.09 58	0.13 390	0.07 336	0.06 416	0.07 299	0.05 190	0.05 168	0.04 72

MSKI-zero shot	0.09 172	0.05 41	0.09 121	0.15 113	0.07 132	0.10 199	0.13 170	0.14 143	0.13 184	0.09 180	0.09 157	0.09 219	0.06 65	0.12 290	0.10 206	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

GCAP-Stereo	0.09 172	0.07 225	0.13 339	0.18 386	0.06 27	0.11 251	0.07 3	0.13 112	0.12 142	0.09 180	0.10 193	0.07 123	0.09 265	0.13 342	0.10 206	0.06 167	0.05 268	0.05 48	0.04 59	0.04 48	0.05 203

RAFT-Test	0.09 172	0.06 107	0.10 185	0.15 113	0.07 132	0.11 251	0.15 319	0.16 223	0.13 184	0.09 180	0.10 193	0.10 254	0.09 265	0.12 290	0.09 102	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

CAS	0.08 84	0.04 1	0.07 11	0.17 296	0.08 212	0.10 199	0.13 170	0.12 83	0.09 50	0.09 180	0.10 193	0.08 183	0.06 65	0.09 58	0.08 25	0.08 413	0.04 25	0.05 48	0.03 1	0.05 168	0.04 72

anonymousdsp	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.09 180	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

LoS	0.09 172	0.05 41	0.11 244	0.13 16	0.07 132	0.14 388	0.11 64	0.15 185	0.15 241	0.09 180	0.09 157	0.12 304	0.09 265	0.15 395	0.10 206	0.07 336	0.05 268	0.05 48	0.03 1	0.05 168	0.05 203
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 172	0.07 225	0.10 185	0.17 296	0.08 212	0.10 199	0.15 319	0.15 185	0.12 142	0.09 180	0.06 23	0.07 123	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.06 304

MC-Stereo	0.08 84	0.06 107	0.09 121	0.17 296	0.06 27	0.10 199	0.14 235	0.12 83	0.10 74	0.09 180	0.12 264	0.09 219	0.06 65	0.11 196	0.10 206	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

RCA-Stereo	0.09 172	0.06 107	0.09 121	0.16 209	0.06 27	0.09 136	0.13 170	0.18 296	0.14 216	0.09 180	0.10 193	0.08 183	0.07 178	0.12 290	0.11 287	0.06 167	0.04 25	0.06 188	0.05 190	0.05 168	0.04 72

CroCo-Stereo Lap2	0.09 172	0.09 424	0.08 56	0.22 570	0.09 339	0.09 136	0.19 519	0.16 223	0.12 142	0.09 180	0.10 193	0.05 5	0.05 14	0.08 25	0.08 25	0.06 167	0.06 416	0.07 299	0.05 190	0.05 168	0.05 203

IGEV-Stereo	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.09 180	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test-3	0.08 84	0.06 107	0.09 121	0.17 296	0.07 132	0.07 43	0.14 235	0.12 83	0.15 241	0.09 180	0.08 122	0.07 123	0.08 227	0.11 196	0.10 206	0.05 51	0.04 25	0.07 299	0.05 190	0.04 48	0.04 72

test_1	0.08 84	0.06 107	0.09 121	0.17 296	0.07 132	0.07 43	0.14 235	0.12 83	0.15 241	0.09 180	0.08 122	0.07 123	0.08 227	0.11 196	0.10 206	0.05 51	0.04 25	0.07 299	0.05 190	0.04 48	0.04 72

TRStereo	0.09 172	0.05 41	0.12 289	0.15 113	0.12 535	0.10 199	0.13 170	0.18 296	0.18 338	0.09 180	0.09 157	0.09 219	0.06 65	0.10 121	0.08 25	0.07 336	0.05 268	0.07 299	0.07 379	0.04 48	0.04 72

test-1	0.10 241	0.07 225	0.16 460	0.19 455	0.08 212	0.11 251	0.24 596	0.14 143	0.18 338	0.09 180	0.07 64	0.09 219	0.08 227	0.07 4	0.09 102	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

iRaftStereo_RVC	0.10 241	0.07 225	0.09 121	0.17 296	0.09 339	0.11 251	0.17 430	0.18 296	0.12 142	0.09 180	0.12 264	0.10 254	0.07 178	0.11 196	0.10 206	0.05 51	0.04 25	0.08 393	0.08 452	0.04 48	0.04 72

RAFT-Stereo + iAFF	0.09 172	0.06 107	0.10 185	0.17 296	0.06 27	0.10 199	0.16 388	0.17 262	0.14 216	0.09 180	0.10 193	0.08 183	0.09 265	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.06 281	0.04 48	0.03 2

PMTNet	0.09 172	0.05 41	0.09 121	0.12 5	0.06 27	0.12 303	0.14 235	0.15 185	0.11 105	0.09 180	0.13 283	0.10 254	0.07 178	0.13 342	0.10 206	0.15 614	0.04 25	0.05 48	0.03 1	0.07 370	0.06 304

TS12	0.08 84	0.06 107	0.09 121	0.21 553	0.07 132	0.11 251	0.13 170	0.11 56	0.09 50	0.10 225	0.10 193	0.08 183	0.10 304	0.09 58	0.12 348	0.04 11	0.04 25	0.05 48	0.04 59	0.03 1	0.04 72

Selective-IGEV-i16pc	0.13 386	0.06 107	0.13 339	0.15 113	0.11 501	0.38 643	0.16 388	0.23 405	0.16 278	0.10 225	0.15 314	0.09 219	0.06 65	0.13 342	0.10 206	0.10 514	0.08 518	0.06 188	0.07 379	0.09 497	0.09 501

Foundation-i1	0.09 172	0.04 1	0.10 185	0.14 59	0.06 27	0.10 199	0.13 170	0.16 223	0.14 216	0.10 225	0.10 193	0.11 284	0.07 178	0.07 4	0.10 206	0.06 167	0.04 25	0.05 48	0.05 190	0.05 168	0.05 203

VMStereo-Base	0.09 172	0.05 41	0.10 185	0.13 16	0.07 132	0.10 199	0.10 35	0.16 223	0.13 184	0.10 225	0.15 314	0.10 254	0.09 265	0.11 196	0.10 206	0.07 336	0.05 268	0.05 48	0.04 59	0.05 168	0.06 304

WQFJX1	0.10 241	0.07 225	0.08 56	0.22 570	0.09 339	0.12 303	0.17 430	0.18 296	0.17 307	0.10 225	0.09 157	0.07 123	0.10 304	0.11 196	0.09 102	0.07 336	0.08 518	0.07 299	0.06 281	0.05 168	0.04 72

FE-Mocha	0.09 172	0.06 107	0.14 376	0.16 209	0.09 339	0.10 199	0.15 319	0.18 296	0.16 278	0.10 225	0.09 157	0.07 123	0.07 178	0.09 58	0.09 102	0.06 167	0.04 25	0.06 188	0.06 281	0.05 168	0.05 203

IGEV-FE	0.09 172	0.05 41	0.12 289	0.13 16	0.08 212	0.12 303	0.13 170	0.17 262	0.11 105	0.10 225	0.06 23	0.09 219	0.06 65	0.11 196	0.09 102	0.06 167	0.04 25	0.06 188	0.06 281	0.05 168	0.05 203

GASTEREO	0.08 84	0.05 41	0.09 121	0.19 455	0.07 132	0.07 43	0.12 96	0.14 143	0.11 105	0.10 225	0.09 157	0.07 123	0.04 1	0.12 290	0.08 25	0.06 167	0.05 268	0.05 48	0.04 59	0.04 48	0.05 203

MSCF	0.08 84	0.05 41	0.08 56	0.19 455	0.08 212	0.06 14	0.12 96	0.14 143	0.11 105	0.10 225	0.09 157	0.07 123	0.04 1	0.11 196	0.08 25	0.06 167	0.05 268	0.05 48	0.04 59	0.05 168	0.05 203

depthmonostereo	0.09 172	0.06 107	0.09 121	0.15 113	0.06 27	0.10 199	0.13 170	0.14 143	0.14 216	0.10 225	0.10 193	0.09 219	0.11 337	0.08 25	0.09 102	0.06 167	0.05 268	0.06 188	0.04 59	0.04 48	0.03 2

S2M2_L	0.09 172	0.08 344	0.11 244	0.13 16	0.10 451	0.08 83	0.06 1	0.10 33	0.10 74	0.10 225	0.09 157	0.10 254	0.09 265	0.11 196	0.11 287	0.13 596	0.07 488	0.08 393	0.09 499	0.10 530	0.08 457
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
999	0.09 172	0.05 41	0.13 339	0.15 113	0.08 212	0.10 199	0.14 235	0.15 185	0.11 105	0.10 225	0.08 122	0.08 183	0.08 227	0.16 430	0.10 206	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.05 203

rvit_stereo_0081_aga	0.11 289	0.09 424	0.14 376	0.18 386	0.09 339	0.13 354	0.14 235	0.14 143	0.19 357	0.10 225	0.18 376	0.16 395	0.09 265	0.12 290	0.09 102	0.10 514	0.06 416	0.08 393	0.07 379	0.07 370	0.06 304

RAStereo	0.10 241	0.09 424	0.08 56	0.20 521	0.08 212	0.13 354	0.18 479	0.15 185	0.17 307	0.10 225	0.12 264	0.05 5	0.06 65	0.09 58	0.08 25	0.07 336	0.05 268	0.07 299	0.05 190	0.05 168	0.04 72

AIO-Stereo-zeroshot	0.11 289	0.05 41	0.11 244	0.15 113	0.13 558	0.13 354	0.16 388	0.23 405	0.17 307	0.10 225	0.12 264	0.10 254	0.07 178	0.11 196	0.09 102	0.06 167	0.05 268	0.06 188	0.06 281	0.07 370	0.08 457

H2IRNET	0.10 241	0.09 424	0.09 121	0.18 386	0.09 339	0.12 303	0.15 319	0.14 143	0.21 396	0.10 225	0.10 193	0.10 254	0.10 304	0.10 121	0.10 206	0.05 51	0.04 25	0.08 393	0.08 452	0.06 290	0.05 203

Former-RAFT_DAM_RVC	0.10 241	0.08 344	0.12 289	0.16 209	0.08 212	0.15 414	0.16 388	0.18 296	0.18 338	0.10 225	0.09 157	0.09 219	0.08 227	0.11 196	0.12 348	0.07 336	0.05 268	0.08 393	0.06 281	0.07 370	0.06 304

ff7	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.10 225	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

IGEVStereo-DCA	0.09 172	0.06 107	0.11 244	0.15 113	0.10 451	0.11 251	0.15 319	0.16 223	0.12 142	0.10 225	0.06 23	0.08 183	0.06 65	0.10 121	0.08 25	0.06 167	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

ffff	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.10 225	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

rrr	0.09 172	0.06 107	0.12 289	0.15 113	0.10 451	0.11 251	0.16 388	0.16 223	0.15 241	0.10 225	0.06 23	0.08 183	0.06 65	0.10 121	0.08 25	0.06 167	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

11t	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.10 225	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

IGEV_Zeroshot_test	0.09 172	0.05 41	0.12 289	0.13 16	0.08 212	0.12 303	0.13 170	0.17 262	0.11 105	0.10 225	0.06 23	0.09 219	0.06 65	0.11 196	0.09 102	0.06 167	0.04 25	0.06 188	0.06 281	0.05 168	0.05 203

UniTT-Stereo	0.09 172	0.07 225	0.08 56	0.18 386	0.08 212	0.13 354	0.11 64	0.12 83	0.11 105	0.10 225	0.12 264	0.05 5	0.07 178	0.09 58	0.09 102	0.07 336	0.05 268	0.05 48	0.05 190	0.05 168	0.05 203

4D-IteraStereo	0.09 172	0.07 225	0.10 185	0.18 386	0.07 132	0.09 136	0.15 319	0.17 262	0.15 241	0.10 225	0.11 243	0.10 254	0.07 178	0.11 196	0.09 102	0.05 51	0.03 1	0.08 393	0.07 379	0.06 290	0.05 203

Selective-RAFT	0.11 289	0.10 486	0.11 244	0.21 553	0.08 212	0.16 444	0.13 170	0.20 337	0.22 410	0.10 225	0.10 193	0.11 284	0.10 304	0.15 395	0.11 287	0.05 51	0.05 268	0.06 188	0.05 190	0.06 290	0.05 203

ccc-4	0.09 172	0.07 225	0.11 244	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.12 142	0.10 225	0.06 23	0.06 42	0.06 65	0.11 196	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

test_3	0.10 241	0.09 424	0.10 185	0.20 521	0.08 212	0.13 354	0.26 620	0.14 143	0.21 396	0.10 225	0.10 193	0.09 219	0.09 265	0.08 25	0.11 287	0.05 51	0.04 25	0.08 393	0.07 379	0.04 48	0.04 72

CREStereo++_RVC	0.08 84	0.04 1	0.06 5	0.13 16	0.07 132	0.09 136	0.12 96	0.14 143	0.14 216	0.10 225	0.14 297	0.08 183	0.07 178	0.09 58	0.11 287	0.06 167	0.04 25	0.05 48	0.05 190	0.04 48	0.04 72
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.09 172	0.06 107	0.07 11	0.15 113	0.05 2	0.16 444	0.18 479	0.15 185	0.15 241	0.10 225	0.11 243	0.11 284	0.11 337	0.10 121	0.12 348	0.05 51	0.04 25	0.05 48	0.04 59	0.04 48	0.04 72

raftrobust	0.09 172	0.06 107	0.10 185	0.17 296	0.08 212	0.09 136	0.10 35	0.18 296	0.16 278	0.10 225	0.09 157	0.12 304	0.07 178	0.12 290	0.10 206	0.08 413	0.05 268	0.06 188	0.05 190	0.05 168	0.05 203

sCroCo_RVC	0.12 360	0.09 424	0.23 562	0.24 603	0.11 501	0.19 509	0.14 235	0.17 262	0.14 216	0.10 225	0.13 283	0.12 304	0.07 178	0.14 371	0.11 287	0.08 413	0.08 518	0.08 393	0.08 452	0.05 168	0.07 391

XX-Stereo	0.09 172	0.05 41	0.08 56	0.17 296	0.09 339	0.15 414	0.12 96	0.20 337	0.10 74	0.10 225	0.14 297	0.07 123	0.06 65	0.12 290	0.08 25	0.06 167	0.05 268	0.06 188	0.06 281	0.04 48	0.04 72

test_xeample3	0.09 172	0.06 107	0.12 289	0.16 209	0.09 339	0.11 251	0.15 319	0.16 223	0.13 184	0.10 225	0.06 23	0.08 183	0.06 65	0.10 121	0.09 102	0.05 51	0.04 25	0.06 188	0.05 190	0.05 168	0.06 304

AFF-stereo	0.09 172	0.06 107	0.10 185	0.17 296	0.07 132	0.10 199	0.16 388	0.17 262	0.09 50	0.10 225	0.12 264	0.09 219	0.09 265	0.12 290	0.09 102	0.05 51	0.04 25	0.07 299	0.07 379	0.04 48	0.03 2

Foundation-i1a	0.08 84	0.05 41	0.07 11	0.13 16	0.05 2	0.13 354	0.13 170	0.12 83	0.09 50	0.11 260	0.11 243	0.11 284	0.06 65	0.08 25	0.09 102	0.06 167	0.04 25	0.05 48	0.03 1	0.04 48	0.04 72

Selective-IGEV-i16pb	0.14 423	0.08 344	0.17 490	0.15 113	0.11 501	0.41 648	0.16 388	0.28 505	0.23 422	0.11 260	0.20 399	0.10 254	0.07 178	0.17 464	0.12 348	0.10 514	0.07 488	0.06 188	0.08 452	0.09 497	0.10 530

Hybrid-DGEV-2	0.11 289	0.06 107	0.12 289	0.18 386	0.09 339	0.09 136	0.13 170	0.28 505	0.29 506	0.11 260	0.11 243	0.09 219	0.12 368	0.12 290	0.09 102	0.06 167	0.05 268	0.07 299	0.07 379	0.05 168	0.05 203

NLSM1	0.10 241	0.07 225	0.07 11	0.19 455	0.08 212	0.13 354	0.16 388	0.21 360	0.15 241	0.11 260	0.10 193	0.06 42	0.10 304	0.10 121	0.11 287	0.07 336	0.08 518	0.08 393	0.07 379	0.05 168	0.05 203

water-stereo	0.09 172	0.06 107	0.08 56	0.16 209	0.07 132	0.09 136	0.13 170	0.15 185	0.13 184	0.11 260	0.12 264	0.08 183	0.09 265	0.07 4	0.08 25	0.06 167	0.05 268	0.05 48	0.05 190	0.04 48	0.04 72

DilatedVolume-Stereo	0.09 172	0.05 41	0.08 56	0.15 113	0.06 27	0.11 251	0.12 96	0.14 143	0.16 278	0.11 260	0.11 243	0.09 219	0.09 265	0.11 196	0.10 206	0.06 167	0.05 268	0.05 48	0.04 59	0.03 1	0.03 2

AIO-test1	0.10 241	0.07 225	0.10 185	0.23 594	0.07 132	0.09 136	0.13 170	0.21 360	0.14 216	0.11 260	0.12 264	0.09 219	0.07 178	0.11 196	0.09 102	0.06 167	0.05 268	0.09 476	0.10 539	0.03 1	0.06 304

UGAM-zero	0.09 172	0.05 41	0.15 424	0.15 113	0.08 212	0.09 136	0.13 170	0.19 326	0.15 241	0.11 260	0.15 314	0.07 123	0.07 178	0.09 58	0.09 102	0.06 167	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

rvit_stereo_0083	0.12 360	0.08 344	0.17 490	0.16 209	0.09 339	0.11 251	0.15 319	0.14 143	0.26 474	0.11 260	0.14 297	0.13 330	0.10 304	0.12 290	0.12 348	0.10 514	0.08 518	0.09 476	0.07 379	0.07 370	0.05 203

rvit_stereo_0081	0.11 289	0.08 344	0.15 424	0.16 209	0.09 339	0.10 199	0.14 235	0.14 143	0.24 439	0.11 260	0.13 283	0.13 330	0.09 265	0.11 196	0.12 348	0.10 514	0.07 488	0.08 393	0.07 379	0.07 370	0.05 203

model_zeroshot	0.10 241	0.04 1	0.11 244	0.15 113	0.09 339	0.12 303	0.14 235	0.20 337	0.13 184	0.11 260	0.10 193	0.12 304	0.07 178	0.12 290	0.10 206	0.07 336	0.06 416	0.06 188	0.05 190	0.06 290	0.06 304

rvit_stereo_0082	0.11 289	0.08 344	0.15 424	0.16 209	0.09 339	0.10 199	0.14 235	0.14 143	0.24 439	0.11 260	0.13 283	0.13 330	0.09 265	0.11 196	0.12 348	0.10 514	0.07 488	0.08 393	0.07 379	0.07 370	0.05 203

AIO-Stereo-zeroshot1	0.11 289	0.05 41	0.14 376	0.15 113	0.20 639	0.09 136	0.17 430	0.21 360	0.15 241	0.11 260	0.14 297	0.10 254	0.07 178	0.10 121	0.08 25	0.06 167	0.05 268	0.07 299	0.07 379	0.07 370	0.09 501

rvit_stereo_0080	0.10 241	0.08 344	0.14 376	0.15 113	0.09 339	0.07 43	0.15 319	0.16 223	0.16 278	0.11 260	0.10 193	0.14 350	0.08 227	0.12 290	0.10 206	0.09 473	0.07 488	0.07 299	0.06 281	0.07 370	0.05 203

RAFT-Stereo-weight	0.09 172	0.06 107	0.10 185	0.16 209	0.07 132	0.09 136	0.14 235	0.19 326	0.16 278	0.11 260	0.10 193	0.08 183	0.06 65	0.10 121	0.11 287	0.06 167	0.04 25	0.06 188	0.04 59	0.04 48	0.04 72

CAS++	0.11 289	0.07 225	0.11 244	0.14 59	0.09 339	0.12 303	0.14 235	0.24 429	0.14 216	0.11 260	0.09 157	0.11 284	0.07 178	0.14 371	0.09 102	0.11 545	0.09 551	0.09 476	0.07 379	0.07 370	0.08 457
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
whm_eth	0.10 241	0.08 344	0.14 376	0.15 113	0.09 339	0.07 43	0.15 319	0.16 223	0.16 278	0.11 260	0.10 193	0.14 350	0.08 227	0.12 290	0.10 206	0.09 473	0.07 488	0.07 299	0.06 281	0.07 370	0.05 203

EKT-Stereo	0.11 289	0.07 225	0.14 376	0.15 113	0.10 451	0.13 354	0.14 235	0.18 296	0.21 396	0.11 260	0.08 122	0.12 304	0.09 265	0.11 196	0.12 348	0.08 413	0.06 416	0.07 299	0.06 281	0.08 434	0.07 391

CASnet	0.09 172	0.09 424	0.09 121	0.19 455	0.06 27	0.07 43	0.11 64	0.18 296	0.14 216	0.11 260	0.10 193	0.09 219	0.07 178	0.10 121	0.10 206	0.06 167	0.04 25	0.10 524	0.08 452	0.05 168	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.10 241	0.05 41	0.09 121	0.14 59	0.07 132	0.13 354	0.14 235	0.21 360	0.15 241	0.11 260	0.12 264	0.12 304	0.09 265	0.12 290	0.09 102	0.07 336	0.04 25	0.05 48	0.04 59	0.06 290	0.05 203

DCRE	0.11 289	0.07 225	0.13 339	0.16 209	0.11 501	0.11 251	0.17 430	0.18 296	0.17 307	0.11 260	0.18 376	0.10 254	0.10 304	0.15 395	0.11 287	0.06 167	0.05 268	0.06 188	0.06 281	0.05 168	0.04 72

knoymous	0.11 289	0.05 41	0.12 289	0.13 16	0.07 132	0.15 414	0.14 235	0.19 326	0.13 184	0.11 260	0.17 349	0.13 330	0.09 265	0.13 342	0.11 287	0.08 413	0.05 268	0.06 188	0.05 190	0.08 434	0.07 391

riskmin	0.11 289	0.06 107	0.13 339	0.14 59	0.08 212	0.14 388	0.14 235	0.18 296	0.14 216	0.11 260	0.14 297	0.16 395	0.11 337	0.14 371	0.12 348	0.09 473	0.05 268	0.07 299	0.05 190	0.08 434	0.08 457

iRaft-Stereo_20w	0.09 172	0.05 41	0.13 339	0.14 59	0.08 212	0.12 303	0.15 319	0.18 296	0.10 74	0.11 260	0.08 122	0.08 183	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.06 188	0.05 190	0.06 290	0.05 203

MIPNet	0.11 289	0.08 344	0.14 376	0.17 296	0.09 339	0.12 303	0.14 235	0.20 337	0.24 439	0.11 260	0.10 193	0.09 219	0.07 178	0.13 342	0.12 348	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

IPLGR	0.11 289	0.09 424	0.16 460	0.18 386	0.08 212	0.12 303	0.17 430	0.21 360	0.24 439	0.11 260	0.12 264	0.11 284	0.08 227	0.12 290	0.12 348	0.06 167	0.05 268	0.06 188	0.06 281	0.04 48	0.04 72

GMOStereo	0.11 289	0.09 424	0.07 11	0.19 455	0.08 212	0.12 303	0.28 633	0.13 112	0.17 307	0.11 260	0.17 349	0.14 350	0.12 368	0.07 4	0.07 1	0.05 51	0.05 268	0.09 476	0.07 379	0.04 48	0.04 72

error version	0.11 289	0.09 424	0.07 11	0.19 455	0.08 212	0.12 303	0.28 633	0.13 112	0.17 307	0.11 260	0.17 349	0.14 350	0.12 368	0.07 4	0.07 1	0.05 51	0.05 268	0.09 476	0.07 379	0.04 48	0.04 72

test-v	0.11 289	0.09 424	0.07 11	0.19 455	0.08 212	0.12 303	0.28 633	0.13 112	0.17 307	0.11 260	0.17 349	0.14 350	0.12 368	0.07 4	0.07 1	0.05 51	0.05 268	0.09 476	0.07 379	0.04 48	0.04 72

LCNet	0.11 289	0.07 225	0.09 121	0.19 455	0.09 339	0.08 83	0.15 319	0.21 360	0.15 241	0.11 260	0.15 314	0.16 395	0.11 337	0.12 290	0.11 287	0.05 51	0.04 25	0.08 393	0.07 379	0.06 290	0.15 616

STrans-v2	0.10 241	0.07 225	0.12 289	0.18 386	0.07 132	0.10 199	0.14 235	0.21 360	0.11 105	0.11 260	0.15 314	0.12 304	0.10 304	0.11 196	0.12 348	0.05 51	0.04 25	0.06 188	0.06 281	0.04 48	0.04 72

RAFT-345	0.11 289	0.07 225	0.15 424	0.16 209	0.08 212	0.08 83	0.12 96	0.15 185	0.10 74	0.11 260	0.36 576	0.09 219	0.09 265	0.11 196	0.12 348	0.05 51	0.05 268	0.07 299	0.06 281	0.04 48	0.05 203

test-2	0.11 289	0.09 424	0.07 11	0.19 455	0.08 212	0.12 303	0.28 633	0.13 112	0.17 307	0.11 260	0.17 349	0.14 350	0.12 368	0.07 4	0.07 1	0.05 51	0.05 268	0.09 476	0.07 379	0.04 48	0.04 72

GMM-Stereo	0.11 289	0.07 225	0.10 185	0.18 386	0.09 339	0.08 83	0.15 319	0.23 405	0.16 278	0.11 260	0.15 314	0.13 330	0.11 337	0.11 196	0.11 287	0.05 51	0.04 25	0.08 393	0.07 379	0.06 290	0.09 501

TANstereo	0.09 172	0.04 1	0.08 56	0.13 16	0.06 27	0.11 251	0.14 235	0.15 185	0.19 357	0.11 260	0.15 314	0.10 254	0.06 65	0.12 290	0.09 102	0.07 336	0.05 268	0.05 48	0.04 59	0.06 290	0.05 203

XX-TBD	0.09 172	0.06 107	0.07 11	0.14 59	0.07 132	0.12 303	0.16 388	0.14 143	0.13 184	0.11 260	0.12 264	0.09 219	0.08 227	0.10 121	0.10 206	0.06 167	0.04 25	0.05 48	0.03 1	0.06 290	0.05 203

sAnonymous2	0.13 386	0.12 530	0.24 566	0.20 521	0.12 535	0.17 466	0.13 170	0.26 464	0.21 396	0.11 260	0.11 243	0.13 330	0.08 227	0.10 121	0.10 206	0.09 473	0.05 268	0.08 393	0.06 281	0.15 617	0.10 530

CroCo_RVC	0.13 386	0.12 530	0.24 566	0.20 521	0.12 535	0.17 466	0.13 170	0.26 464	0.21 396	0.11 260	0.11 243	0.13 330	0.08 227	0.10 121	0.10 206	0.09 473	0.05 268	0.08 393	0.06 281	0.15 617	0.10 530

111	0.10 241	0.06 107	0.12 289	0.15 113	0.07 132	0.10 199	0.14 235	0.21 360	0.23 422	0.11 260	0.12 264	0.14 350	0.11 337	0.13 342	0.10 206	0.06 167	0.04 25	0.06 188	0.04 59	0.05 168	0.05 203

RAFT + AFF	0.13 386	0.07 225	0.20 538	0.20 521	0.10 451	0.14 388	0.24 596	0.26 464	0.20 380	0.11 260	0.10 193	0.12 304	0.10 304	0.15 395	0.12 348	0.07 336	0.06 416	0.09 476	0.08 452	0.06 290	0.08 457

DIP-Stereo	0.11 289	0.07 225	0.14 376	0.17 296	0.09 339	0.13 354	0.09 20	0.16 223	0.16 278	0.11 260	0.16 327	0.14 350	0.12 368	0.15 395	0.13 390	0.06 167	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DStereoRT	0.16 491	0.06 107	0.11 244	0.19 455	0.09 339	0.12 303	0.12 96	0.28 505	0.22 410	0.12 301	0.20 399	0.11 284	0.10 304	0.15 395	0.14 428	0.06 167	0.05 268	0.96 691	0.09 499	0.05 168	0.04 72

WQFJX	0.10 241	0.07 225	0.09 121	0.21 553	0.09 339	0.12 303	0.16 388	0.18 296	0.17 307	0.12 301	0.10 193	0.07 123	0.09 265	0.12 290	0.10 206	0.06 167	0.07 488	0.06 188	0.05 190	0.06 290	0.05 203

NLMM1	0.11 289	0.09 424	0.07 11	0.22 570	0.10 451	0.12 303	0.20 542	0.18 296	0.20 380	0.12 301	0.11 243	0.07 123	0.09 265	0.11 196	0.11 287	0.08 413	0.08 518	0.07 299	0.06 281	0.04 48	0.04 72

NLCSM	0.11 289	0.09 424	0.09 121	0.23 594	0.11 501	0.12 303	0.19 519	0.18 296	0.18 338	0.12 301	0.11 243	0.07 123	0.09 265	0.11 196	0.10 206	0.07 336	0.08 518	0.07 299	0.07 379	0.06 290	0.05 203

xyz-stereo-finetune	0.11 289	0.08 344	0.13 339	0.14 59	0.06 27	0.10 199	0.19 519	0.17 262	0.19 357	0.12 301	0.14 297	0.15 379	0.10 304	0.13 342	0.11 287	0.05 51	0.04 25	0.07 299	0.05 190	0.04 48	0.05 203

Reg-Stereo(zero)	0.08 84	0.05 41	0.08 56	0.16 209	0.06 27	0.12 303	0.11 64	0.15 185	0.10 74	0.12 301	0.09 157	0.10 254	0.08 227	0.11 196	0.08 25	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

PAM	0.10 241	0.05 41	0.16 460	0.15 113	0.08 212	0.09 136	0.16 388	0.15 185	0.16 278	0.12 301	0.09 157	0.09 219	0.07 178	0.13 342	0.08 25	0.06 167	0.05 268	0.06 188	0.06 281	0.05 168	0.06 304

rvit_0105_6	0.14 423	0.09 424	0.18 514	0.17 296	0.10 451	0.10 199	0.16 388	0.19 326	0.26 474	0.12 301	0.18 376	0.17 417	0.12 368	0.18 486	0.12 348	0.15 614	0.11 584	0.12 575	0.10 539	0.09 497	0.06 304

rvit_stereo_ft	0.12 360	0.07 225	0.13 339	0.19 455	0.10 451	0.12 303	0.17 430	0.16 223	0.16 278	0.12 301	0.13 283	0.15 379	0.10 304	0.14 371	0.13 390	0.09 473	0.06 416	0.08 393	0.07 379	0.07 370	0.05 203

MyStereo8	0.12 360	0.07 225	0.15 424	0.15 113	0.09 339	0.18 485	0.14 235	0.19 326	0.22 410	0.12 301	0.18 376	0.11 284	0.10 304	0.16 430	0.18 508	0.07 336	0.05 268	0.07 299	0.05 190	0.08 434	0.09 501

MyStereo06	0.10 241	0.07 225	0.12 289	0.17 296	0.09 339	0.13 354	0.18 479	0.19 326	0.12 142	0.12 301	0.08 122	0.07 123	0.07 178	0.11 196	0.09 102	0.06 167	0.05 268	0.07 299	0.07 379	0.06 290	0.06 304

StereoVision	0.13 386	0.12 530	0.09 121	0.24 603	0.10 451	0.15 414	0.21 562	0.21 360	0.20 380	0.12 301	0.24 454	0.10 254	0.10 304	0.16 430	0.10 206	0.09 473	0.11 584	0.12 575	0.12 593	0.06 290	0.05 203

test_4	0.10 241	0.10 486	0.08 56	0.19 455	0.09 339	0.08 83	0.22 572	0.15 185	0.17 307	0.12 301	0.18 376	0.12 304	0.09 265	0.08 25	0.11 287	0.04 11	0.04 25	0.08 393	0.08 452	0.04 48	0.03 2

GLC_STEREO	0.11 289	0.07 225	0.11 244	0.17 296	0.07 132	0.09 136	0.13 170	0.15 185	0.24 439	0.12 301	0.13 283	0.12 304	0.08 227	0.18 486	0.11 287	0.06 167	0.08 518	0.08 393	0.06 281	0.05 168	0.05 203

IPLG	0.10 241	0.07 225	0.15 424	0.17 296	0.08 212	0.11 251	0.14 235	0.20 337	0.15 241	0.12 301	0.17 349	0.07 123	0.07 178	0.14 371	0.13 390	0.06 167	0.04 25	0.06 188	0.05 190	0.04 48	0.04 72

TransformOpticalFlow	0.10 241	0.08 344	0.13 339	0.18 386	0.07 132	0.09 136	0.15 319	0.19 326	0.15 241	0.12 301	0.17 349	0.11 284	0.11 337	0.11 196	0.10 206	0.05 51	0.04 25	0.06 188	0.06 281	0.05 168	0.05 203

NF-Stereo	0.11 289	0.07 225	0.13 339	0.17 296	0.09 339	0.10 199	0.14 235	0.23 405	0.19 357	0.12 301	0.17 349	0.12 304	0.11 337	0.11 196	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.12 570

OCTAStereo	0.11 289	0.07 225	0.13 339	0.17 296	0.09 339	0.10 199	0.14 235	0.23 405	0.19 357	0.12 301	0.17 349	0.12 304	0.11 337	0.11 196	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.12 570

NRIStereo	0.11 289	0.08 344	0.14 376	0.18 386	0.08 212	0.10 199	0.14 235	0.16 223	0.15 241	0.12 301	0.14 297	0.13 330	0.12 368	0.13 342	0.10 206	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.07 391

PSM-AAD	0.11 289	0.07 225	0.10 185	0.19 455	0.09 339	0.10 199	0.15 319	0.20 337	0.13 184	0.12 301	0.14 297	0.18 431	0.11 337	0.11 196	0.10 206	0.05 51	0.05 268	0.09 476	0.08 452	0.06 290	0.14 609

FTStereo	0.12 360	0.06 107	0.14 376	0.18 386	0.09 339	0.07 43	0.15 319	0.21 360	0.18 338	0.12 301	0.24 454	0.12 304	0.12 368	0.13 342	0.13 390	0.05 51	0.05 268	0.07 299	0.06 281	0.06 290	0.10 530

ASMatch	0.11 289	0.06 107	0.13 339	0.16 209	0.10 451	0.07 43	0.14 235	0.17 262	0.17 307	0.12 301	0.16 327	0.16 395	0.10 304	0.13 342	0.10 206	0.05 51	0.04 25	0.06 188	0.05 190	0.04 48	0.08 457

RE-Stereo	0.11 289	0.07 225	0.13 339	0.17 296	0.09 339	0.10 199	0.14 235	0.23 405	0.19 357	0.12 301	0.17 349	0.12 304	0.11 337	0.11 196	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.12 570

TVStereo	0.11 289	0.07 225	0.13 339	0.17 296	0.09 339	0.10 199	0.14 235	0.23 405	0.19 357	0.12 301	0.17 349	0.12 304	0.11 337	0.11 196	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.12 570

Prome-Stereo	0.11 289	0.06 107	0.10 185	0.18 386	0.08 212	0.12 303	0.15 319	0.22 384	0.13 184	0.12 301	0.17 349	0.13 330	0.08 227	0.12 290	0.10 206	0.05 51	0.04 25	0.07 299	0.06 281	0.06 290	0.09 501

raft+_RVC	0.11 289	0.07 225	0.09 121	0.16 209	0.07 132	0.10 199	0.11 64	0.24 429	0.20 380	0.12 301	0.15 314	0.12 304	0.08 227	0.12 290	0.13 390	0.07 336	0.04 25	0.07 299	0.06 281	0.05 168	0.05 203

RALCasStereoNet	0.10 241	0.06 107	0.09 121	0.16 209	0.08 212	0.12 303	0.14 235	0.17 262	0.11 105	0.12 301	0.17 349	0.14 350	0.10 304	0.12 290	0.11 287	0.07 336	0.06 416	0.06 188	0.05 190	0.08 434	0.07 391

ARAFT	0.12 360	0.08 344	0.17 490	0.19 455	0.09 339	0.14 388	0.18 479	0.20 337	0.12 142	0.12 301	0.13 283	0.14 350	0.11 337	0.15 395	0.12 348	0.06 167	0.05 268	0.10 524	0.09 499	0.05 168	0.04 72

R-Stereo Train	0.10 241	0.06 107	0.10 185	0.17 296	0.08 212	0.11 251	0.14 235	0.23 405	0.11 105	0.12 301	0.19 387	0.11 284	0.08 227	0.09 58	0.11 287	0.07 336	0.05 268	0.06 188	0.05 190	0.05 168	0.05 203

RAFT-Stereo	0.10 241	0.06 107	0.10 185	0.17 296	0.08 212	0.11 251	0.14 235	0.23 405	0.11 105	0.12 301	0.19 387	0.11 284	0.08 227	0.09 58	0.11 287	0.07 336	0.05 268	0.06 188	0.05 190	0.05 168	0.05 203
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RT-Monster	0.09 172	0.05 41	0.09 121	0.14 59	0.08 212	0.11 251	0.10 35	0.17 262	0.18 338	0.13 331	0.10 193	0.09 219	0.08 227	0.10 121	0.10 206	0.07 336	0.05 268	0.05 48	0.04 59	0.05 168	0.06 304

Hybrid-DGEV-03	0.10 241	0.06 107	0.09 121	0.18 386	0.08 212	0.16 444	0.14 235	0.15 185	0.14 216	0.13 331	0.16 327	0.12 304	0.09 265	0.13 342	0.11 287	0.06 167	0.04 25	0.08 393	0.06 281	0.05 168	0.04 72

CoDeX	0.12 360	0.07 225	0.12 289	0.17 296	0.08 212	0.12 303	0.15 319	0.23 405	0.27 484	0.13 331	0.17 349	0.16 395	0.11 337	0.14 371	0.11 287	0.07 336	0.05 268	0.07 299	0.06 281	0.06 290	0.05 203

plain	0.10 241	0.08 344	0.10 185	0.19 455	0.09 339	0.10 199	0.15 319	0.14 143	0.13 184	0.13 331	0.15 314	0.09 219	0.12 368	0.13 342	0.12 348	0.07 336	0.05 268	0.09 476	0.06 281	0.06 290	0.06 304

MIM_Stereo	0.09 172	0.07 225	0.11 244	0.15 113	0.07 132	0.06 14	0.12 96	0.20 337	0.14 216	0.13 331	0.13 283	0.09 219	0.05 14	0.12 290	0.08 25	0.05 51	0.06 416	0.07 299	0.06 281	0.06 290	0.05 203

anonymousdsp2	0.11 289	0.07 225	0.10 185	0.16 209	0.09 339	0.13 354	0.14 235	0.18 296	0.22 410	0.13 331	0.14 297	0.12 304	0.09 265	0.14 371	0.11 287	0.05 51	0.04 25	0.05 48	0.04 59	0.06 290	0.05 203

DCANet-4	0.10 241	0.06 107	0.12 289	0.16 209	0.06 27	0.09 136	0.17 430	0.18 296	0.19 357	0.13 331	0.16 327	0.09 219	0.14 432	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

fff	0.10 241	0.06 107	0.12 289	0.15 113	0.07 132	0.09 136	0.17 430	0.16 223	0.20 380	0.13 331	0.16 327	0.10 254	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

ADStereo(finetuned)	0.10 241	0.06 107	0.12 289	0.16 209	0.06 27	0.09 136	0.17 430	0.15 185	0.19 357	0.13 331	0.17 349	0.10 254	0.12 368	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

GwcNet-ADL	0.13 386	0.08 344	0.14 376	0.20 521	0.09 339	0.11 251	0.20 542	0.30 533	0.24 439	0.13 331	0.14 297	0.18 431	0.14 432	0.13 342	0.14 428	0.07 336	0.05 268	0.06 188	0.05 190	0.07 370	0.06 304

GANet-ADL	0.13 386	0.07 225	0.15 424	0.17 296	0.10 451	0.18 485	0.15 319	0.30 533	0.20 380	0.13 331	0.18 376	0.19 445	0.12 368	0.16 430	0.13 390	0.08 413	0.06 416	0.06 188	0.05 190	0.07 370	0.08 457

OMP-Stereo	0.11 289	0.06 107	0.14 376	0.18 386	0.08 212	0.09 136	0.12 96	0.21 360	0.21 396	0.13 331	0.14 297	0.11 284	0.12 368	0.11 196	0.13 390	0.06 167	0.04 25	0.07 299	0.06 281	0.05 168	0.04 72

KYRaft	0.11 289	0.07 225	0.10 185	0.19 455	0.09 339	0.08 83	0.15 319	0.22 384	0.12 142	0.13 331	0.16 327	0.20 457	0.10 304	0.12 290	0.10 206	0.05 51	0.04 25	0.08 393	0.08 452	0.06 290	0.16 627

Pruner-Stereo	0.11 289	0.07 225	0.12 289	0.17 296	0.09 339	0.06 14	0.12 96	0.17 262	0.17 307	0.13 331	0.19 387	0.13 330	0.09 265	0.11 196	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.08 457

DeepStereo_RVC	0.11 289	0.08 344	0.16 460	0.18 386	0.08 212	0.08 83	0.12 96	0.17 262	0.12 142	0.13 331	0.14 297	0.12 304	0.12 368	0.12 290	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.07 370	0.08 457

RAFT-RH_RVC	0.11 289	0.06 107	0.14 376	0.16 209	0.09 339	0.12 303	0.12 96	0.17 262	0.12 142	0.13 331	0.41 614	0.11 284	0.10 304	0.13 342	0.12 348	0.05 51	0.04 25	0.08 393	0.05 190	0.04 48	0.06 304

AnonymousM	0.09 172	0.05 41	0.10 185	0.14 59	0.06 27	0.09 136	0.13 170	0.19 326	0.14 216	0.13 331	0.11 243	0.09 219	0.08 227	0.13 342	0.10 206	0.08 413	0.05 268	0.08 393	0.05 190	0.05 168	0.05 203

rafts_anoy	0.11 289	0.06 107	0.10 185	0.17 296	0.08 212	0.10 199	0.14 235	0.17 262	0.14 216	0.13 331	0.13 283	0.12 304	0.10 304	0.11 196	0.12 348	0.07 336	0.04 25	0.09 476	0.11 573	0.07 370	0.06 304

DCANet	0.10 241	0.06 107	0.12 289	0.16 209	0.06 27	0.09 136	0.17 430	0.15 185	0.19 357	0.13 331	0.17 349	0.10 254	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

csc	0.10 241	0.06 107	0.12 289	0.15 113	0.07 132	0.09 136	0.17 430	0.16 223	0.20 380	0.13 331	0.16 327	0.10 254	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

cscssc	0.10 241	0.06 107	0.12 289	0.15 113	0.07 132	0.09 136	0.17 430	0.16 223	0.20 380	0.13 331	0.16 327	0.10 254	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.05 48	0.04 59	0.04 48	0.05 203

HITNet	0.10 241	0.06 107	0.12 289	0.14 59	0.06 27	0.11 251	0.10 35	0.18 296	0.18 338	0.13 331	0.16 327	0.14 350	0.11 337	0.15 395	0.13 390	0.06 167	0.04 25	0.04 1	0.04 59	0.06 290	0.05 203
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
rvit_0105_5	0.14 423	0.09 424	0.13 339	0.17 296	0.09 339	0.14 388	0.23 583	0.24 429	0.27 484	0.14 353	0.15 314	0.18 431	0.12 368	0.17 464	0.14 428	0.14 610	0.11 584	0.10 524	0.10 539	0.08 434	0.06 304

rvit_0105_4	0.14 423	0.09 424	0.17 490	0.17 296	0.10 451	0.12 303	0.19 519	0.23 405	0.27 484	0.14 353	0.20 399	0.17 417	0.13 408	0.17 464	0.13 390	0.15 614	0.11 584	0.11 555	0.10 539	0.09 497	0.06 304

test_sample2	0.12 360	0.07 225	0.12 289	0.14 59	0.08 212	0.16 444	0.18 479	0.21 360	0.16 278	0.14 353	0.20 399	0.19 445	0.15 450	0.15 395	0.12 348	0.08 413	0.05 268	0.07 299	0.06 281	0.08 434	0.07 391

test_sample1	0.13 386	0.07 225	0.14 376	0.13 16	0.08 212	0.19 509	0.16 388	0.20 337	0.15 241	0.14 353	0.22 433	0.18 431	0.16 478	0.17 464	0.14 428	0.07 336	0.06 416	0.06 188	0.06 281	0.08 434	0.07 391

MIF-Stereo (partial)	0.11 289	0.06 107	0.10 185	0.19 455	0.10 451	0.10 199	0.11 64	0.17 262	0.18 338	0.14 353	0.16 327	0.09 219	0.11 337	0.12 290	0.12 348	0.08 413	0.05 268	0.08 393	0.07 379	0.06 290	0.07 391

PCWNet_CMD	0.14 423	0.08 344	0.15 424	0.17 296	0.09 339	0.14 388	0.14 235	0.29 519	0.36 563	0.14 353	0.20 399	0.21 466	0.12 368	0.17 464	0.13 390	0.07 336	0.05 268	0.07 299	0.07 379	0.07 370	0.07 391

LL-Strereo2	0.10 241	0.10 486	0.15 424	0.18 386	0.08 212	0.15 414	0.09 20	0.17 262	0.14 216	0.14 353	0.10 193	0.09 219	0.07 178	0.16 430	0.10 206	0.05 51	0.05 268	0.10 524	0.07 379	0.06 290	0.05 203

DisPM	0.11 289	0.07 225	0.12 289	0.16 209	0.09 339	0.06 14	0.13 170	0.17 262	0.17 307	0.14 353	0.20 399	0.12 304	0.10 304	0.11 196	0.10 206	0.06 167	0.04 25	0.07 299	0.06 281	0.06 290	0.11 557

CIPLG	0.11 289	0.08 344	0.14 376	0.17 296	0.08 212	0.12 303	0.15 319	0.17 262	0.15 241	0.14 353	0.11 243	0.16 395	0.09 265	0.16 430	0.11 287	0.07 336	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

IPLGR_C	0.11 289	0.08 344	0.14 376	0.17 296	0.08 212	0.12 303	0.15 319	0.17 262	0.15 241	0.14 353	0.10 193	0.16 395	0.09 265	0.16 430	0.11 287	0.07 336	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

ACRE	0.11 289	0.08 344	0.14 376	0.17 296	0.08 212	0.12 303	0.15 319	0.17 262	0.14 216	0.14 353	0.10 193	0.16 395	0.09 265	0.16 430	0.11 287	0.07 336	0.05 268	0.06 188	0.05 190	0.05 168	0.06 304

HHNet	0.11 289	0.06 107	0.16 460	0.15 113	0.14 579	0.07 43	0.13 170	0.20 337	0.17 307	0.14 353	0.25 482	0.11 284	0.08 227	0.13 342	0.10 206	0.05 51	0.04 25	0.08 393	0.06 281	0.05 168	0.09 501

IIG-Stereo	0.11 289	0.06 107	0.13 339	0.17 296	0.08 212	0.11 251	0.12 96	0.22 384	0.17 307	0.14 353	0.17 349	0.11 284	0.12 368	0.12 290	0.12 348	0.06 167	0.05 268	0.07 299	0.06 281	0.05 168	0.04 72

PSM-softLoss	0.12 360	0.07 225	0.15 424	0.17 296	0.09 339	0.08 83	0.13 170	0.24 429	0.17 307	0.14 353	0.19 387	0.13 330	0.11 337	0.11 196	0.11 287	0.07 336	0.05 268	0.08 393	0.07 379	0.06 290	0.12 570

KMStereo	0.12 360	0.07 225	0.15 424	0.17 296	0.09 339	0.08 83	0.13 170	0.24 429	0.17 307	0.14 353	0.19 387	0.13 330	0.11 337	0.11 196	0.11 287	0.07 336	0.05 268	0.08 393	0.07 379	0.06 290	0.12 570

RAFT_R40	0.11 289	0.07 225	0.14 376	0.18 386	0.09 339	0.06 14	0.13 170	0.17 262	0.16 278	0.14 353	0.18 376	0.15 379	0.12 368	0.10 121	0.11 287	0.06 167	0.04 25	0.09 476	0.06 281	0.06 290	0.05 203

GrayStereo	0.11 289	0.06 107	0.11 244	0.19 455	0.09 339	0.09 136	0.16 388	0.18 296	0.17 307	0.14 353	0.17 349	0.17 417	0.11 337	0.12 290	0.11 287	0.05 51	0.05 268	0.07 299	0.06 281	0.05 168	0.10 530

IRAFT_RVC	0.12 360	0.08 344	0.16 460	0.19 455	0.08 212	0.07 43	0.15 319	0.24 429	0.23 422	0.14 353	0.14 297	0.15 379	0.12 368	0.12 290	0.10 206	0.06 167	0.04 25	0.09 476	0.06 281	0.06 290	0.06 304

CRE-IMP	0.11 289	0.09 424	0.16 460	0.19 455	0.08 212	0.10 199	0.12 96	0.18 296	0.10 74	0.14 353	0.13 283	0.13 330	0.12 368	0.12 290	0.11 287	0.07 336	0.04 25	0.08 393	0.06 281	0.08 434	0.08 457

TestStereo	0.13 386	0.14 570	0.11 244	0.23 594	0.08 212	0.15 414	0.21 562	0.20 337	0.23 422	0.14 353	0.24 454	0.16 395	0.12 368	0.16 430	0.14 428	0.05 51	0.06 416	0.08 393	0.06 281	0.09 497	0.05 203

CFNet_pseudo	0.14 423	0.08 344	0.15 424	0.16 209	0.09 339	0.13 354	0.14 235	0.27 486	0.34 550	0.14 353	0.21 422	0.22 484	0.13 408	0.18 486	0.14 428	0.07 336	0.05 268	0.08 393	0.06 281	0.07 370	0.07 391

RALAANet	0.11 289	0.08 344	0.10 185	0.17 296	0.09 339	0.14 388	0.10 35	0.20 337	0.15 241	0.14 353	0.13 283	0.16 395	0.09 265	0.12 290	0.11 287	0.06 167	0.05 268	0.07 299	0.06 281	0.05 168	0.04 72

xxxx	0.15 468	0.07 225	0.14 376	0.14 59	0.08 212	0.23 568	0.18 479	0.31 544	0.19 357	0.14 353	0.28 522	0.22 484	0.14 432	0.15 395	0.26 602	0.09 473	0.05 268	0.07 299	0.07 379	0.08 434	0.07 391

SFCPSM	0.13 386	0.07 225	0.14 376	0.17 296	0.09 339	0.15 414	0.16 388	0.28 505	0.27 484	0.14 353	0.17 349	0.12 304	0.13 408	0.14 371	0.11 287	0.08 413	0.05 268	0.07 299	0.07 379	0.07 370	0.06 304

DMCA	0.14 423	0.09 424	0.16 460	0.19 455	0.09 339	0.15 414	0.17 430	0.23 405	0.27 484	0.14 353	0.19 387	0.17 417	0.18 516	0.15 395	0.17 490	0.10 514	0.06 416	0.08 393	0.06 281	0.09 497	0.10 530

MSMDNet	0.14 423	0.08 344	0.15 424	0.17 296	0.09 339	0.14 388	0.14 235	0.29 519	0.36 563	0.14 353	0.21 422	0.21 466	0.12 368	0.17 464	0.14 428	0.07 336	0.05 268	0.07 299	0.07 379	0.07 370	0.07 391

ccs_rob	0.14 423	0.08 344	0.15 424	0.16 209	0.09 339	0.12 303	0.14 235	0.27 486	0.34 550	0.14 353	0.21 422	0.22 484	0.13 408	0.18 486	0.14 428	0.07 336	0.05 268	0.08 393	0.07 379	0.07 370	0.07 391

xyz-stereo-finetune2	0.11 289	0.07 225	0.13 339	0.13 16	0.07 132	0.11 251	0.19 519	0.17 262	0.12 142	0.15 380	0.15 314	0.17 417	0.12 368	0.13 342	0.11 287	0.05 51	0.04 25	0.07 299	0.05 190	0.04 48	0.06 304

xyz-stereo	0.13 386	0.07 225	0.20 538	0.15 113	0.05 2	0.20 525	0.15 319	0.17 262	0.31 524	0.15 380	0.29 534	0.26 532	0.16 478	0.13 342	0.12 348	0.05 51	0.05 268	0.06 188	0.05 190	0.04 48	0.04 72

FACV-RUCA	0.13 386	0.11 512	0.12 289	0.19 455	0.12 535	0.15 414	0.15 319	0.22 384	0.20 380	0.15 380	0.16 327	0.14 350	0.16 478	0.14 371	0.13 390	0.07 336	0.05 268	0.08 393	0.06 281	0.10 530	0.08 457

rvit_0105_3	0.15 468	0.09 424	0.14 376	0.19 455	0.12 535	0.15 414	0.25 611	0.25 446	0.29 506	0.15 380	0.17 349	0.20 457	0.13 408	0.17 464	0.14 428	0.13 596	0.11 584	0.12 575	0.14 608	0.07 370	0.06 304

mmm	0.14 423	0.08 344	0.17 490	0.17 296	0.09 339	0.17 466	0.18 479	0.21 360	0.15 241	0.15 380	0.23 442	0.21 466	0.16 478	0.16 430	0.17 490	0.08 413	0.05 268	0.08 393	0.07 379	0.07 370	0.07 391

11t1	0.12 360	0.06 107	0.13 339	0.14 59	0.08 212	0.17 466	0.15 319	0.18 296	0.15 241	0.15 380	0.15 314	0.16 395	0.16 478	0.15 395	0.13 390	0.08 413	0.05 268	0.06 188	0.05 190	0.08 434	0.07 391

ffm	0.12 360	0.09 424	0.14 376	0.16 209	0.08 212	0.17 466	0.17 430	0.15 185	0.19 357	0.15 380	0.25 482	0.19 445	0.13 408	0.10 121	0.07 1	0.06 167	0.04 25	0.09 476	0.08 452	0.06 290	0.06 304

ff1	0.13 386	0.09 424	0.14 376	0.16 209	0.08 212	0.17 466	0.17 430	0.15 185	0.19 357	0.15 380	0.25 482	0.19 445	0.13 408	0.14 371	0.20 527	0.06 167	0.04 25	0.09 476	0.08 452	0.06 290	0.06 304

mmx	0.14 423	0.09 424	0.14 376	0.16 209	0.08 212	0.17 466	0.17 430	0.27 486	0.25 460	0.15 380	0.25 482	0.19 445	0.13 408	0.14 371	0.20 527	0.08 413	0.06 416	0.09 476	0.08 452	0.08 434	0.08 457

xxx	0.14 423	0.09 424	0.14 376	0.16 209	0.08 212	0.17 466	0.17 430	0.27 486	0.25 460	0.15 380	0.25 482	0.19 445	0.13 408	0.14 371	0.20 527	0.08 413	0.06 416	0.09 476	0.08 452	0.08 434	0.08 457

LL-Strereo	0.13 386	0.09 424	0.11 244	0.20 521	0.10 451	0.11 251	0.18 479	0.32 555	0.24 439	0.15 380	0.15 314	0.14 350	0.13 408	0.19 501	0.11 287	0.06 167	0.04 25	0.09 476	0.08 452	0.04 48	0.05 203

anonymousa	0.13 386	0.07 225	0.13 339	0.18 386	0.09 339	0.13 354	0.17 430	0.19 326	0.29 506	0.15 380	0.24 454	0.15 379	0.14 432	0.14 371	0.14 428	0.07 336	0.05 268	0.07 299	0.09 499	0.05 168	0.06 304

qqq	0.13 386	0.09 424	0.15 424	0.16 209	0.08 212	0.13 354	0.15 319	0.23 405	0.16 278	0.15 380	0.19 387	0.16 395	0.16 478	0.15 395	0.16 475	0.07 336	0.06 416	0.08 393	0.08 452	0.07 370	0.07 391

x	0.13 386	0.07 225	0.14 376	0.14 59	0.08 212	0.18 485	0.14 235	0.22 384	0.20 380	0.15 380	0.19 387	0.19 445	0.17 501	0.18 486	0.18 508	0.07 336	0.05 268	0.06 188	0.06 281	0.07 370	0.07 391

RAFT+CT+SA	0.13 386	0.11 512	0.09 121	0.19 455	0.09 339	0.15 414	0.28 633	0.22 384	0.22 410	0.15 380	0.26 499	0.10 254	0.10 304	0.11 196	0.12 348	0.05 51	0.04 25	0.07 299	0.08 452	0.07 370	0.06 304

Sa-1000	0.12 360	0.08 344	0.08 56	0.18 386	0.08 212	0.14 388	0.22 572	0.22 384	0.18 338	0.15 380	0.20 399	0.17 417	0.11 337	0.10 121	0.10 206	0.06 167	0.05 268	0.09 476	0.09 499	0.05 168	0.05 203

Patchmatch Stereo++	0.11 289	0.09 424	0.16 460	0.18 386	0.08 212	0.06 14	0.11 64	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.11 289	0.09 424	0.16 460	0.18 386	0.08 212	0.06 14	0.12 96	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

ROB_FTStereo_v2	0.11 289	0.09 424	0.16 460	0.19 455	0.08 212	0.06 14	0.12 96	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

ROB_FTStereo	0.11 289	0.09 424	0.16 460	0.19 455	0.08 212	0.06 14	0.11 64	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

HUI-Stereo	0.11 289	0.09 424	0.16 460	0.18 386	0.08 212	0.06 14	0.12 96	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

SST-Stereo	0.10 241	0.07 225	0.15 424	0.18 386	0.09 339	0.06 14	0.12 96	0.17 262	0.11 105	0.15 380	0.17 349	0.13 330	0.12 368	0.10 121	0.11 287	0.06 167	0.04 25	0.09 476	0.06 281	0.06 290	0.05 203

iGMRVC	0.11 289	0.09 424	0.16 460	0.19 455	0.08 212	0.06 14	0.12 96	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

iRAFT	0.11 289	0.09 424	0.16 460	0.18 386	0.08 212	0.06 14	0.11 64	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

RAFT-IKP	0.11 289	0.09 424	0.16 460	0.19 455	0.08 212	0.06 14	0.12 96	0.16 223	0.13 184	0.15 380	0.16 327	0.14 350	0.12 368	0.11 196	0.10 206	0.06 167	0.04 25	0.08 393	0.06 281	0.08 434	0.07 391

Anonymous3	0.16 491	0.13 558	0.33 606	0.26 619	0.14 579	0.27 604	0.17 430	0.28 505	0.28 499	0.15 380	0.17 349	0.14 350	0.10 304	0.15 395	0.12 348	0.08 413	0.08 518	0.08 393	0.08 452	0.08 434	0.11 557

NVstereo2D	0.19 538	0.10 486	0.15 424	0.17 296	0.15 599	0.28 611	0.23 583	0.44 645	0.42 597	0.15 380	0.27 508	0.25 522	0.19 532	0.22 556	0.17 490	0.09 473	0.06 416	0.10 524	0.08 452	0.15 617	0.09 501

iResNet	0.13 386	0.10 486	0.18 514	0.19 455	0.08 212	0.13 354	0.18 479	0.20 337	0.26 474	0.15 380	0.23 442	0.15 379	0.13 408	0.14 371	0.14 428	0.06 167	0.04 25	0.06 188	0.05 190	0.06 290	0.05 203

RT-IGEV	0.13 386	0.06 107	0.13 339	0.15 113	0.09 339	0.15 414	0.17 430	0.24 429	0.27 484	0.16 408	0.17 349	0.17 417	0.10 304	0.14 371	0.11 287	0.08 413	0.05 268	0.07 299	0.05 190	0.07 370	0.07 391

Lsterematch	0.11 289	0.06 107	0.11 244	0.16 209	0.07 132	0.13 354	0.15 319	0.14 143	0.17 307	0.16 408	0.18 376	0.15 379	0.15 450	0.12 290	0.14 428	0.07 336	0.04 25	0.06 188	0.06 281	0.06 290	0.06 304

Selective-IGEV-i1	0.13 386	0.07 225	0.12 289	0.19 455	0.08 212	0.18 485	0.16 388	0.22 384	0.30 516	0.16 408	0.17 349	0.16 395	0.10 304	0.14 371	0.13 390	0.06 167	0.05 268	0.06 188	0.05 190	0.06 290	0.05 203

DFGA-Net	0.13 386	0.11 512	0.18 514	0.17 296	0.10 451	0.12 303	0.13 170	0.22 384	0.25 460	0.16 408	0.16 327	0.13 330	0.12 368	0.16 430	0.14 428	0.07 336	0.05 268	0.08 393	0.07 379	0.05 168	0.05 203

G2L-Stereo	0.14 423	0.07 225	0.13 339	0.17 296	0.09 339	0.13 354	0.12 96	0.27 486	0.22 410	0.16 408	0.27 508	0.21 466	0.13 408	0.17 464	0.18 508	0.09 473	0.08 518	0.08 393	0.07 379	0.07 370	0.07 391

test_sample4	0.14 423	0.08 344	0.14 376	0.15 113	0.08 212	0.19 509	0.18 479	0.26 464	0.17 307	0.16 408	0.25 482	0.18 431	0.14 432	0.16 430	0.13 390	0.08 413	0.06 416	0.08 393	0.06 281	0.08 434	0.08 457

test_sample3	0.14 423	0.08 344	0.15 424	0.14 59	0.09 339	0.19 509	0.17 430	0.26 464	0.18 338	0.16 408	0.22 433	0.19 445	0.15 450	0.17 464	0.13 390	0.08 413	0.06 416	0.07 299	0.06 281	0.09 497	0.08 457

CFNet_ucs	0.15 468	0.08 344	0.16 460	0.16 209	0.11 501	0.14 388	0.14 235	0.30 533	0.34 550	0.16 408	0.24 454	0.23 502	0.14 432	0.18 486	0.15 459	0.09 473	0.06 416	0.08 393	0.07 379	0.09 497	0.09 501

ADLNet2	0.16 491	0.09 424	0.13 339	0.16 209	0.09 339	0.20 525	0.16 388	0.31 544	0.39 580	0.16 408	0.20 399	0.20 457	0.18 516	0.21 543	0.22 556	0.08 413	0.06 416	0.07 299	0.07 379	0.09 497	0.07 391

PFNet+	0.11 289	0.06 107	0.13 339	0.16 209	0.09 339	0.05 4	0.12 96	0.17 262	0.21 396	0.16 408	0.19 387	0.14 350	0.10 304	0.11 196	0.11 287	0.08 413	0.05 268	0.09 476	0.08 452	0.06 290	0.11 557

AAGNet	0.11 289	0.07 225	0.16 460	0.19 455	0.09 339	0.08 83	0.13 170	0.18 296	0.13 184	0.16 408	0.21 422	0.13 330	0.14 432	0.11 196	0.14 428	0.06 167	0.04 25	0.09 476	0.06 281	0.06 290	0.05 203

THIR-Stereo	0.12 360	0.07 225	0.11 244	0.15 113	0.08 212	0.14 388	0.16 388	0.17 262	0.25 460	0.16 408	0.24 454	0.14 350	0.12 368	0.12 290	0.14 428	0.06 167	0.04 25	0.07 299	0.07 379	0.05 168	0.05 203

PFNet	0.12 360	0.06 107	0.17 490	0.17 296	0.08 212	0.09 136	0.15 319	0.26 464	0.20 380	0.16 408	0.16 327	0.14 350	0.11 337	0.12 290	0.11 287	0.06 167	0.04 25	0.07 299	0.06 281	0.05 168	0.05 203

GES	0.14 423	0.08 344	0.16 460	0.15 113	0.10 451	0.13 354	0.13 170	0.28 505	0.25 460	0.16 408	0.23 442	0.18 431	0.13 408	0.16 430	0.13 390	0.08 413	0.07 488	0.07 299	0.06 281	0.08 434	0.09 501

test_xeample	0.15 468	0.06 107	0.13 339	0.14 59	0.08 212	0.21 542	0.20 542	0.28 505	0.20 380	0.16 408	0.29 534	0.19 445	0.16 478	0.15 395	0.26 602	0.09 473	0.05 268	0.07 299	0.07 379	0.07 370	0.07 391

GMStereo	0.13 386	0.14 570	0.14 376	0.18 386	0.09 339	0.15 414	0.16 388	0.20 337	0.24 439	0.16 408	0.17 349	0.10 254	0.10 304	0.16 430	0.13 390	0.07 336	0.06 416	0.06 188	0.06 281	0.07 370	0.06 304
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 423	0.07 225	0.13 339	0.15 113	0.08 212	0.13 354	0.16 388	0.24 429	0.24 439	0.16 408	0.28 522	0.22 484	0.14 432	0.15 395	0.13 390	0.11 545	0.06 416	0.09 476	0.12 593	0.08 434	0.07 391

CCAANet	0.14 423	0.06 107	0.11 244	0.16 209	0.08 212	0.22 551	0.14 235	0.26 464	0.18 338	0.16 408	0.36 576	0.15 379	0.17 501	0.16 430	0.13 390	0.07 336	0.05 268	0.06 188	0.06 281	0.05 168	0.07 391

BEATNet_4x	0.12 360	0.08 344	0.14 376	0.18 386	0.07 132	0.15 414	0.07 3	0.22 384	0.18 338	0.16 408	0.19 387	0.18 431	0.14 432	0.16 430	0.15 459	0.07 336	0.05 268	0.05 48	0.05 190	0.06 290	0.06 304

ITSA-stereo	0.15 468	0.10 486	0.14 376	0.19 455	0.08 212	0.12 303	0.14 235	0.30 533	0.49 623	0.17 427	0.19 387	0.22 484	0.15 450	0.17 464	0.16 475	0.10 514	0.06 416	0.08 393	0.08 452	0.08 434	0.08 457

test_sample6	0.14 423	0.08 344	0.13 339	0.16 209	0.08 212	0.17 466	0.19 519	0.25 446	0.17 307	0.17 427	0.27 508	0.19 445	0.14 432	0.15 395	0.13 390	0.08 413	0.05 268	0.08 393	0.07 379	0.08 434	0.08 457

test_sample5	0.14 423	0.08 344	0.14 376	0.16 209	0.08 212	0.18 485	0.18 479	0.25 446	0.17 307	0.17 427	0.27 508	0.18 431	0.14 432	0.16 430	0.13 390	0.08 413	0.05 268	0.08 393	0.07 379	0.08 434	0.08 457

DispNO	0.14 423	0.08 344	0.17 490	0.19 455	0.12 535	0.11 251	0.21 562	0.23 405	0.29 506	0.17 427	0.23 442	0.18 431	0.17 501	0.15 395	0.15 459	0.07 336	0.05 268	0.08 393	0.08 452	0.07 370	0.06 304

MyStereo05	0.13 386	0.07 225	0.10 185	0.17 296	0.09 339	0.13 354	0.18 479	0.27 486	0.35 559	0.17 427	0.14 297	0.15 379	0.11 337	0.15 395	0.13 390	0.06 167	0.05 268	0.07 299	0.07 379	0.06 290	0.06 304

MyStereo04	0.13 386	0.07 225	0.10 185	0.17 296	0.09 339	0.14 388	0.18 479	0.29 519	0.38 577	0.17 427	0.14 297	0.16 395	0.10 304	0.15 395	0.13 390	0.06 167	0.05 268	0.08 393	0.07 379	0.06 290	0.06 304

DualNet	0.14 423	0.08 344	0.14 376	0.16 209	0.08 212	0.18 485	0.18 479	0.25 446	0.17 307	0.17 427	0.27 508	0.18 431	0.14 432	0.16 430	0.13 390	0.08 413	0.05 268	0.08 393	0.07 379	0.08 434	0.08 457

1111x	0.15 468	0.08 344	0.12 289	0.18 386	0.07 132	0.18 485	0.25 611	0.31 544	0.24 439	0.17 427	0.24 454	0.26 532	0.15 450	0.13 342	0.23 568	0.07 336	0.07 488	0.08 393	0.09 499	0.07 370	0.06 304

CASS	0.13 386	0.12 530	0.11 244	0.23 594	0.09 339	0.15 414	0.17 430	0.18 296	0.19 357	0.17 427	0.18 376	0.15 379	0.15 450	0.14 371	0.14 428	0.09 473	0.06 416	0.10 524	0.08 452	0.09 497	0.07 391
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
TestStereo1	0.13 386	0.08 344	0.08 56	0.19 455	0.08 212	0.18 485	0.29 643	0.23 405	0.16 278	0.17 427	0.20 399	0.16 395	0.10 304	0.12 290	0.13 390	0.06 167	0.06 416	0.08 393	0.06 281	0.05 168	0.05 203

BUS	0.14 423	0.09 424	0.14 376	0.22 570	0.10 451	0.19 509	0.14 235	0.34 584	0.19 357	0.17 427	0.22 433	0.16 395	0.13 408	0.15 395	0.13 390	0.08 413	0.06 416	0.10 524	0.09 499	0.07 370	0.07 391

BSDual-CNN	0.15 468	0.09 424	0.14 376	0.22 570	0.10 451	0.14 388	0.15 319	0.34 584	0.19 357	0.17 427	0.22 433	0.25 522	0.16 478	0.15 395	0.14 428	0.08 413	0.06 416	0.10 524	0.09 499	0.07 370	0.07 391

hknet	0.15 468	0.11 512	0.13 339	0.22 570	0.11 501	0.14 388	0.15 319	0.34 584	0.25 460	0.17 427	0.22 433	0.22 484	0.18 516	0.17 464	0.12 348	0.07 336	0.06 416	0.10 524	0.09 499	0.07 370	0.07 391

SA-5K	0.13 386	0.08 344	0.08 56	0.19 455	0.08 212	0.18 485	0.29 643	0.23 405	0.16 278	0.17 427	0.20 399	0.16 395	0.10 304	0.12 290	0.13 390	0.06 167	0.06 416	0.08 393	0.06 281	0.05 168	0.05 203

SA	0.12 360	0.09 424	0.08 56	0.18 386	0.08 212	0.12 303	0.24 596	0.23 405	0.18 338	0.17 427	0.27 508	0.14 350	0.11 337	0.11 196	0.11 287	0.05 51	0.05 268	0.09 476	0.08 452	0.05 168	0.04 72

psmg	0.14 423	0.09 424	0.14 376	0.17 296	0.10 451	0.15 414	0.17 430	0.29 519	0.19 357	0.17 427	0.21 422	0.25 522	0.16 478	0.15 395	0.14 428	0.08 413	0.06 416	0.08 393	0.08 452	0.07 370	0.06 304

DEmStereo	0.12 360	0.06 107	0.14 376	0.14 59	0.10 451	0.16 444	0.15 319	0.16 223	0.24 439	0.17 427	0.24 454	0.13 330	0.14 432	0.12 290	0.13 390	0.05 51	0.04 25	0.07 299	0.06 281	0.05 168	0.05 203

DRaft	0.12 360	0.06 107	0.11 244	0.14 59	0.09 339	0.14 388	0.17 430	0.21 360	0.30 516	0.17 427	0.28 522	0.10 254	0.15 450	0.10 121	0.12 348	0.05 51	0.04 25	0.07 299	0.06 281	0.05 168	0.05 203

222	0.16 491	0.07 225	0.14 376	0.14 59	0.08 212	0.24 573	0.18 479	0.30 533	0.20 380	0.17 427	0.28 522	0.17 417	0.16 478	0.15 395	0.40 657	0.10 514	0.05 268	0.07 299	0.06 281	0.07 370	0.08 457

delet	0.17 512	0.08 344	0.17 490	0.19 455	0.11 501	0.20 525	0.21 562	0.30 533	0.37 570	0.17 427	0.26 499	0.19 445	0.19 532	0.19 501	0.21 547	0.08 413	0.08 518	0.09 476	0.11 573	0.06 290	0.06 304

UPFNet	0.16 491	0.08 344	0.12 289	0.20 521	0.12 535	0.20 525	0.23 583	0.28 505	0.26 474	0.17 427	0.24 454	0.22 484	0.19 532	0.19 501	0.21 547	0.09 473	0.07 488	0.08 393	0.09 499	0.08 434	0.06 304

FENet	0.13 386	0.08 344	0.12 289	0.16 209	0.08 212	0.14 388	0.15 319	0.22 384	0.23 422	0.17 427	0.23 442	0.16 395	0.12 368	0.14 371	0.15 459	0.08 413	0.05 268	0.08 393	0.08 452	0.07 370	0.07 391

ACVNet	0.15 468	0.09 424	0.15 424	0.13 16	0.12 535	0.14 388	0.20 542	0.22 384	0.33 538	0.17 427	0.26 499	0.21 466	0.16 478	0.17 464	0.21 547	0.07 336	0.06 416	0.06 188	0.06 281	0.08 434	0.06 304

cf-r	0.13 386	0.07 225	0.12 289	0.16 209	0.08 212	0.14 388	0.19 519	0.20 337	0.25 460	0.17 427	0.25 482	0.21 466	0.16 478	0.14 371	0.14 428	0.10 514	0.05 268	0.06 188	0.08 452	0.06 290	0.06 304

GANet-RSSM	0.14 423	0.07 225	0.13 339	0.13 16	0.08 212	0.14 388	0.17 430	0.22 384	0.21 396	0.17 427	0.24 454	0.23 502	0.15 450	0.16 430	0.15 459	0.10 514	0.06 416	0.07 299	0.08 452	0.08 434	0.07 391

CFNet-ft	0.14 423	0.07 225	0.15 424	0.12 5	0.09 339	0.16 444	0.18 479	0.22 384	0.24 439	0.17 427	0.26 499	0.24 508	0.14 432	0.16 430	0.14 428	0.11 545	0.06 416	0.08 393	0.09 499	0.09 497	0.08 457

RASNet	0.14 423	0.07 225	0.14 376	0.16 209	0.08 212	0.18 485	0.14 235	0.29 519	0.20 380	0.17 427	0.25 482	0.21 466	0.18 516	0.20 526	0.19 521	0.07 336	0.06 416	0.06 188	0.08 452	0.06 290	0.06 304

CFNet_RVC	0.14 423	0.07 225	0.15 424	0.12 5	0.09 339	0.16 444	0.18 479	0.22 384	0.24 439	0.17 427	0.26 499	0.24 508	0.14 432	0.16 430	0.14 428	0.11 545	0.06 416	0.08 393	0.09 499	0.09 497	0.08 457

UCFNet_RVC	0.14 423	0.08 344	0.13 339	0.11 1	0.10 451	0.20 525	0.10 35	0.24 429	0.22 410	0.17 427	0.20 399	0.23 502	0.15 450	0.17 464	0.15 459	0.12 570	0.07 488	0.10 524	0.13 604	0.11 553	0.10 530

DN-CSS_ROB	0.13 386	0.13 558	0.16 460	0.18 386	0.10 451	0.16 444	0.08 7	0.22 384	0.18 338	0.17 427	0.22 433	0.13 330	0.13 408	0.12 290	0.13 390	0.05 51	0.05 268	0.10 524	0.10 539	0.08 434	0.06 304

IGEV_i1	0.12 360	0.07 225	0.12 289	0.16 209	0.08 212	0.19 509	0.14 235	0.18 296	0.22 410	0.18 457	0.18 376	0.16 395	0.12 368	0.16 430	0.14 428	0.06 167	0.05 268	0.06 188	0.05 190	0.06 290	0.06 304

z-ln-s-r	0.17 512	0.10 486	0.40 624	0.19 455	0.08 212	0.17 466	0.18 479	0.22 384	0.33 538	0.18 457	0.40 603	0.22 484	0.17 501	0.20 526	0.23 568	0.07 336	0.05 268	0.07 299	0.07 379	0.07 370	0.05 203

coex_refinement	0.14 423	0.07 225	0.12 289	0.17 296	0.10 451	0.15 414	0.15 319	0.26 464	0.29 506	0.18 457	0.20 399	0.22 484	0.17 501	0.16 430	0.18 508	0.08 413	0.05 268	0.06 188	0.06 281	0.09 497	0.08 457

DDVS	0.15 468	0.10 486	0.21 547	0.16 209	0.12 535	0.15 414	0.14 235	0.25 446	0.19 357	0.18 457	0.29 534	0.27 540	0.12 368	0.19 501	0.15 459	0.09 473	0.06 416	0.09 476	0.07 379	0.11 553	0.11 557

gwcnet-sp	0.14 423	0.07 225	0.12 289	0.18 386	0.09 339	0.16 444	0.17 430	0.24 429	0.24 439	0.18 457	0.24 454	0.15 379	0.16 478	0.15 395	0.15 459	0.08 413	0.06 416	0.07 299	0.08 452	0.08 434	0.07 391

scenet	0.14 423	0.07 225	0.12 289	0.18 386	0.09 339	0.16 444	0.17 430	0.24 429	0.24 439	0.18 457	0.24 454	0.15 379	0.16 478	0.15 395	0.15 459	0.08 413	0.06 416	0.07 299	0.08 452	0.08 434	0.07 391

ssnet	0.14 423	0.07 225	0.12 289	0.18 386	0.09 339	0.16 444	0.17 430	0.24 429	0.24 439	0.18 457	0.24 454	0.15 379	0.16 478	0.15 395	0.15 459	0.08 413	0.06 416	0.07 299	0.08 452	0.08 434	0.07 391

IER	0.14 423	0.07 225	0.13 339	0.17 296	0.09 339	0.14 388	0.16 388	0.25 446	0.26 474	0.18 457	0.25 482	0.17 417	0.20 544	0.16 430	0.14 428	0.08 413	0.05 268	0.07 299	0.06 281	0.08 434	0.07 391

test_5	0.14 423	0.12 530	0.08 56	0.20 521	0.10 451	0.14 388	0.29 643	0.21 360	0.24 439	0.18 457	0.28 522	0.11 284	0.15 450	0.12 290	0.13 390	0.06 167	0.05 268	0.07 299	0.08 452	0.08 434	0.07 391

NINENet	0.16 491	0.10 486	0.15 424	0.17 296	0.11 501	0.19 509	0.14 235	0.40 628	0.36 563	0.18 457	0.21 422	0.16 395	0.13 408	0.15 395	0.13 390	0.08 413	0.08 518	0.10 524	0.07 379	0.10 530	0.09 501

DAS	0.15 468	0.08 344	0.18 514	0.19 455	0.10 451	0.19 509	0.17 430	0.27 486	0.29 506	0.18 457	0.25 482	0.21 466	0.15 450	0.16 430	0.12 348	0.08 413	0.06 416	0.06 188	0.06 281	0.07 370	0.07 391

SepStereo	0.15 468	0.08 344	0.18 514	0.19 455	0.10 451	0.19 509	0.17 430	0.27 486	0.29 506	0.18 457	0.25 482	0.21 466	0.15 450	0.25 582	0.12 348	0.08 413	0.06 416	0.06 188	0.06 281	0.07 370	0.07 391

PSMNet-ADL	0.15 468	0.12 530	0.13 339	0.22 570	0.09 339	0.13 354	0.20 542	0.26 464	0.23 422	0.18 457	0.20 399	0.24 508	0.16 478	0.18 486	0.17 490	0.08 413	0.08 518	0.08 393	0.11 573	0.08 434	0.07 391

ICVP	0.15 468	0.09 424	0.12 289	0.22 570	0.09 339	0.17 466	0.21 562	0.25 446	0.23 422	0.18 457	0.30 541	0.26 532	0.18 516	0.17 464	0.14 428	0.09 473	0.07 488	0.08 393	0.07 379	0.07 370	0.07 391
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ac_64	0.16 491	0.08 344	0.15 424	0.18 386	0.10 451	0.22 551	0.18 479	0.24 429	0.21 396	0.18 457	0.24 454	0.29 558	0.18 516	0.19 501	0.22 556	0.09 473	0.07 488	0.08 393	0.09 499	0.07 370	0.06 304

GwcNet-RSSM	0.14 423	0.07 225	0.12 289	0.15 113	0.08 212	0.15 414	0.20 542	0.21 360	0.27 484	0.18 457	0.27 508	0.22 484	0.16 478	0.14 371	0.15 459	0.10 514	0.05 268	0.07 299	0.09 499	0.07 370	0.07 391

MLCV	0.12 360	0.07 225	0.16 460	0.18 386	0.06 27	0.15 414	0.17 430	0.19 326	0.21 396	0.18 457	0.25 482	0.17 417	0.13 408	0.14 371	0.13 390	0.05 51	0.04 25	0.05 48	0.04 59	0.05 168	0.04 72

MultiAttention	0.29 626	0.08 344	0.14 376	0.19 455	0.12 535	1.45 694	1.33 698	0.36 606	0.37 570	0.19 474	0.21 422	0.24 508	0.11 337	0.38 641	0.18 508	0.06 167	0.05 268	0.08 393	0.08 452	0.10 530	0.09 501

G2L-ROB	0.13 386	0.06 107	0.13 339	0.13 16	0.08 212	0.14 388	0.16 388	0.25 446	0.18 338	0.19 474	0.18 376	0.20 457	0.14 432	0.17 464	0.16 475	0.08 413	0.05 268	0.06 188	0.05 190	0.08 434	0.09 501

HI	0.11 289	0.06 107	0.11 244	0.13 16	0.09 339	0.09 136	0.14 235	0.21 360	0.10 74	0.19 474	0.17 349	0.14 350	0.09 265	0.16 430	0.08 25	0.05 51	0.04 25	0.07 299	0.08 452	0.07 370	0.06 304

CoSv	0.11 289	0.06 107	0.11 244	0.13 16	0.09 339	0.09 136	0.14 235	0.21 360	0.10 74	0.19 474	0.17 349	0.14 350	0.09 265	0.16 430	0.08 25	0.05 51	0.04 25	0.07 299	0.08 452	0.07 370	0.06 304

rvit_105_1	0.19 538	0.11 512	0.25 571	0.21 553	0.16 610	0.21 542	0.27 627	0.31 544	0.41 589	0.19 474	0.20 399	0.22 484	0.17 501	0.19 501	0.17 490	0.12 570	0.12 600	0.13 590	0.15 624	0.08 434	0.07 391

ACV-stereo	0.15 468	0.10 486	0.28 586	0.18 386	0.12 535	0.14 388	0.12 96	0.23 405	0.21 396	0.19 474	0.23 442	0.22 484	0.15 450	0.23 567	0.17 490	0.07 336	0.06 416	0.07 299	0.07 379	0.07 370	0.07 391

SMFormer	0.14 423	0.07 225	0.17 490	0.14 59	0.08 212	0.16 444	0.17 430	0.26 464	0.27 484	0.19 474	0.20 399	0.18 431	0.15 450	0.15 395	0.17 490	0.08 413	0.05 268	0.07 299	0.06 281	0.07 370	0.06 304

tta	0.14 423	0.07 225	0.17 490	0.14 59	0.08 212	0.16 444	0.17 430	0.26 464	0.27 484	0.19 474	0.20 399	0.18 431	0.15 450	0.15 395	0.17 490	0.08 413	0.05 268	0.07 299	0.06 281	0.06 290	0.06 304

qqq1	0.13 386	0.07 225	0.17 490	0.14 59	0.08 212	0.16 444	0.17 430	0.26 464	0.27 484	0.19 474	0.20 399	0.18 431	0.15 450	0.15 395	0.11 287	0.08 413	0.05 268	0.05 48	0.05 190	0.06 290	0.06 304

fff1	0.13 386	0.07 225	0.17 490	0.14 59	0.08 212	0.16 444	0.17 430	0.26 464	0.27 484	0.19 474	0.20 399	0.18 431	0.15 450	0.15 395	0.11 287	0.08 413	0.05 268	0.05 48	0.05 190	0.06 290	0.06 304

SDNR	0.19 538	0.08 344	0.19 526	0.16 209	0.12 535	0.77 679	0.14 235	0.25 446	0.32 531	0.19 474	0.24 454	0.19 445	0.13 408	0.19 501	0.15 459	0.16 630	0.18 641	0.14 603	0.11 573	0.08 434	0.11 557

ToySt	0.17 512	0.11 512	0.18 514	0.17 296	0.11 501	0.16 444	0.25 611	0.24 429	0.33 538	0.19 474	0.24 454	0.26 532	0.24 571	0.19 501	0.20 527	0.07 336	0.08 518	0.09 476	0.10 539	0.09 497	0.08 457

iRaft-Stereo_5w	0.12 360	0.09 424	0.12 289	0.19 455	0.08 212	0.09 136	0.12 96	0.21 360	0.21 396	0.19 474	0.14 297	0.11 284	0.09 265	0.20 526	0.16 475	0.05 51	0.05 268	0.07 299	0.06 281	0.05 168	0.06 304

AASNet	0.16 491	0.08 344	0.12 289	0.19 455	0.09 339	0.18 485	0.15 319	0.37 612	0.37 570	0.19 474	0.23 442	0.20 457	0.16 478	0.17 464	0.20 527	0.10 514	0.08 518	0.08 393	0.07 379	0.09 497	0.09 501

CrosDoStereo	0.12 360	0.06 107	0.12 289	0.14 59	0.08 212	0.12 303	0.15 319	0.17 262	0.22 410	0.19 474	0.24 454	0.15 379	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.07 299	0.07 379	0.05 168	0.05 203

DeepStereo_LL	0.12 360	0.06 107	0.12 289	0.14 59	0.08 212	0.12 303	0.15 319	0.17 262	0.22 410	0.19 474	0.24 454	0.15 379	0.11 337	0.11 196	0.12 348	0.06 167	0.04 25	0.07 299	0.07 379	0.05 168	0.05 203

pcwnet_v2	0.19 538	0.10 486	0.26 574	0.17 296	0.14 579	0.18 485	0.15 319	0.37 612	0.46 614	0.19 474	0.24 454	0.21 466	0.19 532	0.20 526	0.19 521	0.13 596	0.10 572	0.10 524	0.10 539	0.11 553	0.13 592

HCRNet	0.16 491	0.24 635	0.12 289	0.35 653	0.11 501	0.15 414	0.17 430	0.26 464	0.22 410	0.19 474	0.24 454	0.21 466	0.14 432	0.15 395	0.13 390	0.11 545	0.07 488	0.11 555	0.10 539	0.09 497	0.07 391

acv_ft	0.15 468	0.09 424	0.15 424	0.19 455	0.10 451	0.16 444	0.17 430	0.25 446	0.33 538	0.19 474	0.26 499	0.21 466	0.17 501	0.17 464	0.18 508	0.07 336	0.06 416	0.06 188	0.06 281	0.08 434	0.06 304

HSM-Net_RVC	0.14 423	0.08 344	0.11 244	0.15 113	0.08 212	0.15 414	0.15 319	0.27 486	0.29 506	0.19 474	0.21 422	0.29 558	0.14 432	0.17 464	0.13 390	0.06 167	0.06 416	0.06 188	0.06 281	0.07 370	0.06 304
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 468	0.10 486	0.17 490	0.17 296	0.08 212	0.18 485	0.09 20	0.28 505	0.25 460	0.19 474	0.24 454	0.24 508	0.17 501	0.17 464	0.14 428	0.08 413	0.06 416	0.09 476	0.10 539	0.07 370	0.06 304

DeepPruner_ROB	0.16 491	0.11 512	0.15 424	0.17 296	0.10 451	0.17 466	0.15 319	0.32 555	0.21 396	0.19 474	0.21 422	0.22 484	0.18 516	0.20 526	0.15 459	0.13 596	0.09 551	0.09 476	0.09 499	0.11 553	0.10 530

HSM	0.15 468	0.08 344	0.14 376	0.16 209	0.09 339	0.16 444	0.14 235	0.28 505	0.25 460	0.19 474	0.23 442	0.37 612	0.16 478	0.20 526	0.15 459	0.07 336	0.05 268	0.07 299	0.06 281	0.07 370	0.06 304

G2L-Stereo_test	0.14 423	0.07 225	0.11 244	0.13 16	0.08 212	0.12 303	0.16 388	0.30 533	0.28 499	0.20 497	0.23 442	0.20 457	0.16 478	0.17 464	0.18 508	0.07 336	0.05 268	0.05 48	0.05 190	0.07 370	0.06 304

DCVSM-stereo	0.14 423	0.09 424	0.16 460	0.16 209	0.10 451	0.15 414	0.09 20	0.19 326	0.23 422	0.20 497	0.23 442	0.26 532	0.15 450	0.18 486	0.14 428	0.09 473	0.07 488	0.09 476	0.08 452	0.10 530	0.12 570

rvit_stereo_0075_2	0.17 512	0.12 530	0.25 571	0.23 594	0.16 610	0.13 354	0.10 35	0.30 533	0.27 484	0.20 497	0.28 522	0.22 484	0.15 450	0.18 486	0.13 390	0.16 630	0.10 572	0.17 625	0.10 539	0.10 530	0.09 501

DualNet (step1)	0.16 491	0.12 530	0.20 538	0.12 5	0.14 579	0.17 466	0.13 170	0.27 486	0.23 422	0.20 497	0.20 399	0.24 508	0.19 532	0.16 430	0.16 475	0.15 614	0.06 416	0.14 603	0.14 608	0.14 601	0.12 570

test_sample9	0.18 526	0.12 530	0.20 538	0.12 5	0.14 579	0.17 466	0.13 170	0.27 486	0.23 422	0.20 497	0.20 399	0.24 508	0.19 532	0.19 501	0.17 490	0.15 614	0.30 666	0.14 603	0.14 608	0.14 601	0.12 570

test_sample7	0.15 468	0.10 486	0.16 460	0.14 59	0.11 501	0.16 444	0.16 388	0.27 486	0.23 422	0.20 497	0.20 399	0.24 508	0.19 532	0.16 430	0.16 475	0.12 570	0.06 416	0.10 524	0.09 499	0.10 530	0.10 530

CBFPSM	0.14 423	0.06 107	0.26 574	0.17 296	0.09 339	0.13 354	0.15 319	0.22 384	0.23 422	0.20 497	0.27 508	0.24 508	0.16 478	0.16 430	0.18 508	0.06 167	0.06 416	0.06 188	0.07 379	0.07 370	0.07 391

raft_robust	0.13 386	0.10 486	0.07 11	0.18 386	0.08 212	0.13 354	0.24 596	0.28 505	0.33 538	0.20 497	0.19 387	0.14 350	0.10 304	0.11 196	0.12 348	0.05 51	0.05 268	0.07 299	0.07 379	0.05 168	0.04 72

RAFT_CTSACE	0.12 360	0.09 424	0.10 185	0.22 570	0.08 212	0.12 303	0.24 596	0.18 296	0.16 278	0.20 497	0.27 508	0.13 330	0.07 178	0.13 342	0.09 102	0.05 51	0.06 416	0.08 393	0.07 379	0.04 48	0.04 72

UDGNet	0.14 423	0.13 558	0.16 460	0.17 296	0.10 451	0.12 303	0.16 388	0.21 360	0.27 484	0.20 497	0.20 399	0.16 395	0.13 408	0.16 430	0.13 390	0.10 514	0.06 416	0.09 476	0.07 379	0.06 290	0.07 391

GEStereo_RVC	0.17 512	0.12 530	0.15 424	0.22 570	0.11 501	0.19 509	0.17 430	0.32 555	0.48 616	0.20 497	0.25 482	0.17 417	0.13 408	0.21 543	0.16 475	0.10 514	0.06 416	0.08 393	0.07 379	0.09 497	0.08 457

GwcNet	0.20 550	0.13 558	0.19 526	0.18 386	0.12 535	0.24 573	0.19 519	0.35 599	0.43 602	0.20 497	0.32 553	0.33 594	0.20 544	0.22 556	0.24 581	0.11 545	0.09 551	0.09 476	0.09 499	0.09 497	0.10 530

AdaStereo	0.15 468	0.11 512	0.15 424	0.18 386	0.09 339	0.20 525	0.11 64	0.32 555	0.28 499	0.20 497	0.23 442	0.20 457	0.13 408	0.19 501	0.14 428	0.12 570	0.05 268	0.10 524	0.07 379	0.09 497	0.07 391
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
NOSS_ROB	0.19 538	0.12 530	0.18 514	0.16 209	0.12 535	0.15 414	0.12 96	0.30 533	0.32 531	0.20 497	0.22 433	0.27 540	0.23 565	0.21 543	0.16 475	0.16 630	0.18 641	0.23 644	0.21 643	0.12 568	0.13 592

MSAF-DinoV2	0.22 571	0.11 512	0.23 562	0.17 296	0.10 451	0.27 604	0.16 388	0.37 612	0.55 637	0.21 511	0.27 508	0.47 646	0.27 594	0.35 628	0.39 654	0.09 473	0.06 416	0.07 299	0.09 499	0.12 568	0.10 530

ISRNet	0.18 526	0.08 344	0.19 526	0.19 455	0.13 558	0.15 414	0.12 96	0.30 533	0.32 531	0.21 511	0.25 482	0.27 540	0.17 501	0.17 464	0.20 527	0.20 644	0.08 518	0.14 603	0.14 608	0.14 601	0.17 636

UGAM	0.13 386	0.10 486	0.09 121	0.22 570	0.08 212	0.12 303	0.20 542	0.17 262	0.23 422	0.21 511	0.16 327	0.13 330	0.13 408	0.19 501	0.12 348	0.07 336	0.05 268	0.13 590	0.11 573	0.07 370	0.05 203

iinet-f	0.16 491	0.06 107	0.45 631	0.14 59	0.10 451	0.21 542	0.14 235	0.27 486	0.23 422	0.21 511	0.24 454	0.21 466	0.15 450	0.18 486	0.21 547	0.09 473	0.07 488	0.07 299	0.06 281	0.09 497	0.10 530

RAFT	0.13 386	0.09 424	0.11 244	0.18 386	0.08 212	0.15 414	0.24 596	0.20 337	0.19 357	0.21 511	0.21 422	0.17 417	0.12 368	0.16 430	0.09 102	0.06 167	0.07 488	0.10 524	0.09 499	0.05 168	0.05 203

psm_up	0.18 526	0.10 486	0.18 514	0.20 521	0.11 501	0.17 466	0.19 519	0.37 612	0.34 550	0.21 511	0.28 522	0.29 558	0.24 571	0.20 526	0.22 556	0.09 473	0.10 572	0.11 555	0.11 573	0.08 434	0.08 457

UNet	0.17 512	0.09 424	0.18 514	0.19 455	0.12 535	0.27 604	0.19 519	0.33 575	0.29 506	0.21 511	0.24 454	0.23 502	0.19 532	0.19 501	0.18 508	0.07 336	0.06 416	0.08 393	0.07 379	0.08 434	0.06 304

HGLStereo	0.17 512	0.08 344	0.19 526	0.17 296	0.12 535	0.18 485	0.18 479	0.31 544	0.32 531	0.21 511	0.32 553	0.25 522	0.18 516	0.19 501	0.20 527	0.09 473	0.09 551	0.07 299	0.07 379	0.09 497	0.10 530

DMCA-RVC	0.17 512	0.10 486	0.15 424	0.24 603	0.11 501	0.18 485	0.18 479	0.25 446	0.24 439	0.21 511	0.26 499	0.25 522	0.27 594	0.18 486	0.20 527	0.12 570	0.08 518	0.13 590	0.10 539	0.10 530	0.08 457

FADNet_RVC	0.16 491	0.14 570	0.40 624	0.20 521	0.11 501	0.13 354	0.13 170	0.26 464	0.22 410	0.21 511	0.23 442	0.20 457	0.17 501	0.14 371	0.16 475	0.08 413	0.08 518	0.12 575	0.09 499	0.11 553	0.10 530

STTStereo	0.18 526	0.12 530	0.27 581	0.20 521	0.11 501	0.16 444	0.21 562	0.29 519	0.23 422	0.21 511	0.30 541	0.29 558	0.18 516	0.20 526	0.19 521	0.12 570	0.11 584	0.11 555	0.14 608	0.09 497	0.08 457

RP	0.21 562	0.13 558	0.21 547	0.23 594	0.11 501	0.21 542	0.20 542	0.25 446	0.44 607	0.21 511	0.38 589	0.36 607	0.24 571	0.27 587	0.25 591	0.11 545	0.12 600	0.13 590	0.12 593	0.12 568	0.14 609

TDLM	0.17 512	0.12 530	0.13 339	0.24 603	0.10 451	0.18 485	0.18 479	0.36 606	0.30 516	0.21 511	0.28 522	0.28 550	0.18 516	0.23 567	0.18 508	0.11 545	0.07 488	0.10 524	0.10 539	0.08 434	0.08 457

NLCA_NET_v2_RVC	0.17 512	0.10 486	0.22 553	0.20 521	0.10 451	0.15 414	0.18 479	0.31 544	0.25 460	0.21 511	0.30 541	0.25 522	0.17 501	0.21 543	0.20 527	0.09 473	0.06 416	0.08 393	0.08 452	0.07 370	0.08 457
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNetv2_ROB	0.14 423	0.08 344	0.15 424	0.16 209	0.08 212	0.16 444	0.12 96	0.25 446	0.35 559	0.21 511	0.29 534	0.24 508	0.13 408	0.14 371	0.14 428	0.06 167	0.05 268	0.06 188	0.04 59	0.09 497	0.08 457

pmcnn	0.15 468	0.07 225	0.19 526	0.15 113	0.07 132	0.20 525	0.15 319	0.24 429	0.26 474	0.21 511	0.34 569	0.28 550	0.18 516	0.18 486	0.17 490	0.07 336	0.05 268	0.05 48	0.04 59	0.07 370	0.06 304

DStereoSA	0.25 606	0.19 614	0.37 619	0.26 619	0.17 625	0.22 551	0.20 542	0.49 655	0.59 646	0.22 527	0.29 534	0.29 558	0.33 627	0.39 645	0.28 618	0.12 570	0.11 584	0.16 622	0.14 608	0.14 601	0.12 570

fast-acv-ft	0.18 526	0.11 512	0.19 526	0.19 455	0.12 535	0.24 573	0.21 562	0.25 446	0.34 550	0.22 527	0.34 569	0.27 540	0.20 544	0.21 543	0.23 568	0.09 473	0.09 551	0.08 393	0.10 539	0.08 434	0.07 391

ssnet_v2	0.17 512	0.10 486	0.17 490	0.17 296	0.11 501	0.21 542	0.21 562	0.33 575	0.25 460	0.22 527	0.22 433	0.27 540	0.18 516	0.22 556	0.20 527	0.11 545	0.09 551	0.09 476	0.09 499	0.08 434	0.08 457

HBP-ISP	0.18 526	0.13 558	0.16 460	0.15 113	0.11 501	0.08 83	0.13 170	0.28 505	0.29 506	0.22 527	0.33 565	0.21 466	0.25 580	0.23 567	0.17 490	0.14 610	0.16 634	0.21 639	0.17 635	0.10 530	0.08 457

ADLNet	0.16 491	0.08 344	0.15 424	0.16 209	0.10 451	0.16 444	0.17 430	0.32 555	0.27 484	0.22 527	0.27 508	0.24 508	0.16 478	0.18 486	0.21 547	0.10 514	0.06 416	0.10 524	0.10 539	0.08 434	0.09 501

MMNet	0.17 512	0.09 424	0.16 460	0.20 521	0.11 501	0.27 604	0.20 542	0.25 446	0.41 589	0.22 527	0.30 541	0.21 466	0.20 544	0.17 464	0.20 527	0.06 167	0.06 416	0.07 299	0.07 379	0.08 434	0.07 391

stereogan	0.22 571	0.11 512	0.21 547	0.20 521	0.12 535	0.31 619	0.19 519	0.35 599	0.44 607	0.22 527	0.39 597	0.35 605	0.27 594	0.33 619	0.22 556	0.10 514	0.12 600	0.10 524	0.10 539	0.14 601	0.13 592

Nwc_Net	0.23 587	0.16 588	0.21 547	0.25 614	0.14 579	0.24 573	0.26 620	0.37 612	0.38 577	0.22 527	0.41 614	0.30 568	0.28 605	0.28 599	0.25 591	0.11 545	0.10 572	0.17 625	0.20 641	0.10 530	0.10 530

PA-Net	0.23 587	0.18 610	0.33 606	0.28 635	0.22 645	0.21 542	0.38 665	0.29 519	0.39 580	0.22 527	0.32 553	0.25 522	0.26 586	0.20 526	0.25 591	0.09 473	0.23 659	0.15 615	0.22 646	0.09 497	0.13 592
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CVANet_RVC	0.18 526	0.10 486	0.14 376	0.21 553	0.10 451	0.18 485	0.17 430	0.34 584	0.33 538	0.22 527	0.31 549	0.28 550	0.18 516	0.23 567	0.17 490	0.12 570	0.08 518	0.12 575	0.11 573	0.09 497	0.07 391

AANet_RVC	0.16 491	0.10 486	0.10 185	0.18 386	0.09 339	0.18 485	0.19 519	0.26 464	0.31 524	0.22 527	0.35 573	0.21 466	0.21 548	0.22 556	0.16 475	0.06 167	0.05 268	0.06 188	0.06 281	0.07 370	0.06 304

DISCO	0.19 538	0.09 424	0.22 553	0.17 296	0.10 451	0.25 584	0.18 479	0.27 486	0.44 607	0.22 527	0.31 549	0.33 594	0.26 586	0.28 599	0.28 618	0.08 413	0.06 416	0.07 299	0.07 379	0.09 497	0.09 501

iResNet_ROB	0.14 423	0.07 225	0.13 339	0.14 59	0.07 132	0.18 485	0.14 235	0.26 464	0.31 524	0.22 527	0.25 482	0.23 502	0.15 450	0.15 395	0.13 390	0.07 336	0.05 268	0.05 48	0.04 59	0.08 434	0.08 457

TCMNet	0.19 538	0.12 530	0.19 526	0.20 521	0.18 632	0.20 525	0.24 596	0.27 486	0.36 563	0.23 540	0.26 499	0.25 522	0.19 532	0.19 501	0.23 568	0.13 596	0.11 584	0.11 555	0.12 593	0.13 587	0.12 570

GMStereo_Zeroshot	0.16 491	0.13 558	0.24 566	0.20 521	0.10 451	0.17 466	0.13 170	0.29 519	0.25 460	0.23 540	0.32 553	0.25 522	0.11 337	0.19 501	0.14 428	0.09 473	0.06 416	0.11 555	0.06 281	0.12 568	0.08 457

Anonymous_2	0.22 571	0.17 599	0.28 586	0.15 113	0.16 610	0.32 620	0.22 572	0.22 384	0.17 307	0.23 540	0.24 454	0.26 532	0.27 594	0.27 587	0.23 568	0.22 653	0.25 662	0.17 625	0.17 635	0.17 634	0.17 636

dd	0.15 468	0.16 588	0.16 460	0.19 455	0.09 339	0.15 414	0.18 479	0.21 360	0.25 460	0.23 540	0.20 399	0.21 466	0.09 265	0.21 543	0.16 475	0.10 514	0.06 416	0.08 393	0.06 281	0.08 434	0.06 304

UDG	0.21 562	0.17 599	0.19 526	0.23 594	0.15 599	0.30 618	0.20 542	0.33 575	0.35 559	0.23 540	0.28 522	0.31 581	0.27 594	0.20 526	0.22 556	0.15 614	0.12 600	0.13 590	0.09 499	0.14 601	0.14 609

SACVNet	0.18 526	0.12 530	0.14 376	0.17 296	0.13 558	0.22 551	0.18 479	0.31 544	0.30 516	0.23 540	0.31 549	0.30 568	0.22 557	0.22 556	0.17 490	0.11 545	0.08 518	0.10 524	0.10 539	0.12 568	0.14 609

DSFCA	0.16 491	0.09 424	0.14 376	0.16 209	0.10 451	0.20 525	0.19 519	0.28 505	0.31 524	0.23 540	0.24 454	0.22 484	0.15 450	0.19 501	0.20 527	0.10 514	0.07 488	0.09 476	0.09 499	0.08 434	0.08 457

FADNet	0.21 562	0.22 630	0.36 615	0.18 386	0.17 625	0.24 573	0.13 170	0.31 544	0.31 524	0.23 540	0.25 482	0.27 540	0.21 548	0.19 501	0.15 459	0.13 596	0.15 630	0.12 575	0.15 624	0.16 626	0.18 639

S-Stereo	0.20 550	0.12 530	0.25 571	0.21 553	0.13 558	0.20 525	0.18 479	0.32 555	0.43 602	0.23 540	0.36 576	0.28 550	0.30 617	0.19 501	0.22 556	0.09 473	0.12 600	0.10 524	0.10 539	0.13 587	0.13 592

SQANet	0.23 587	0.23 632	0.30 597	0.30 646	0.19 636	0.27 604	0.13 170	0.29 519	0.33 538	0.24 549	0.37 583	0.31 581	0.22 557	0.27 587	0.23 568	0.15 614	0.10 572	0.21 639	0.16 628	0.21 642	0.15 616

WZ-Net	0.28 622	0.17 599	0.78 674	0.22 570	0.16 610	0.34 630	0.29 643	0.39 624	0.57 642	0.24 549	0.55 643	0.37 612	0.24 571	0.33 619	0.35 645	0.09 473	0.08 518	0.09 476	0.10 539	0.14 601	0.16 627

LMCR-Stereo	0.15 468	0.08 344	0.13 339	0.21 553	0.09 339	0.17 466	0.20 542	0.27 486	0.19 357	0.24 549	0.24 454	0.23 502	0.17 501	0.20 526	0.17 490	0.07 336	0.06 416	0.08 393	0.06 281	0.10 530	0.08 457

DGSMNet	0.24 594	0.19 614	0.33 606	0.21 553	0.24 650	0.24 573	0.20 542	0.35 599	0.41 589	0.24 549	0.32 553	0.38 616	0.21 548	0.29 605	0.23 568	0.12 570	0.11 584	0.14 603	0.16 628	0.23 646	0.23 650

hitnet-ft	0.18 526	0.09 424	0.17 490	0.14 59	0.09 339	0.26 594	0.20 542	0.25 446	0.26 474	0.24 549	0.32 553	0.31 581	0.22 557	0.24 577	0.21 547	0.12 570	0.07 488	0.10 524	0.08 452	0.12 568	0.11 557

FADNet-RVC-Resample	0.16 491	0.11 512	0.31 599	0.22 570	0.11 501	0.19 509	0.14 235	0.25 446	0.24 439	0.24 549	0.27 508	0.20 457	0.15 450	0.16 430	0.15 459	0.07 336	0.08 518	0.12 575	0.10 539	0.09 497	0.10 530

NCC-stereo	0.24 594	0.15 580	0.31 599	0.26 619	0.16 610	0.20 525	0.30 650	0.40 628	0.40 586	0.24 549	0.38 589	0.33 594	0.28 605	0.36 634	0.27 610	0.12 570	0.11 584	0.15 615	0.22 646	0.13 587	0.13 592

Abc-Net	0.24 594	0.15 580	0.31 599	0.26 619	0.16 610	0.20 525	0.30 650	0.40 628	0.40 586	0.24 549	0.38 589	0.33 594	0.28 605	0.36 634	0.27 610	0.12 570	0.11 584	0.15 615	0.22 646	0.13 587	0.13 592
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 594	0.11 512	0.47 636	0.22 570	0.12 535	0.34 630	0.29 643	0.29 519	0.56 640	0.24 549	0.46 628	0.30 568	0.30 617	0.29 605	0.29 622	0.08 413	0.07 488	0.09 476	0.09 499	0.10 530	0.10 530

RYNet	0.22 571	0.12 530	0.22 553	0.19 455	0.17 625	0.46 650	0.26 620	0.38 620	0.48 616	0.24 549	0.28 522	0.34 601	0.23 565	0.20 526	0.30 629	0.10 514	0.06 416	0.09 476	0.09 499	0.13 587	0.15 616

DRN-Test	0.19 538	0.11 512	0.20 538	0.22 570	0.10 451	0.22 551	0.22 572	0.39 624	0.37 570	0.24 549	0.32 553	0.26 532	0.21 548	0.22 556	0.24 581	0.11 545	0.07 488	0.11 555	0.10 539	0.09 497	0.07 391

StereoDRNet	0.18 526	0.11 512	0.17 490	0.22 570	0.11 501	0.21 542	0.22 572	0.37 612	0.33 538	0.24 549	0.28 522	0.30 568	0.19 532	0.20 526	0.20 527	0.09 473	0.08 518	0.11 555	0.09 499	0.09 497	0.07 391

SGM-Forest	0.20 550	0.14 570	0.18 514	0.19 455	0.13 558	0.20 525	0.22 572	0.33 575	0.30 516	0.24 549	0.29 534	0.28 550	0.19 532	0.23 567	0.17 490	0.15 614	0.16 634	0.15 615	0.14 608	0.12 568	0.12 570
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FSD					0.22 645	0.25 584	0.25 611	0.27 486	0.26 474	0.25 562	0.26 499	0.25 522	0.27 594	0.27 587	0.24 581	0.21 648	0.20 647	0.27 650	0.26 653	0.25 653

w-ln-seven-2	0.20 550	0.14 570	0.37 619	0.22 570	0.12 535	0.20 525	0.21 562	0.28 505	0.37 570	0.25 562	0.37 583	0.27 540	0.22 557	0.21 543	0.23 568	0.08 413	0.08 518	0.09 476	0.09 499	0.10 530	0.09 501

Wz-Net-LNSev-Ref	0.18 526	0.09 424	0.29 594	0.15 113	0.10 451	0.22 551	0.20 542	0.26 464	0.39 580	0.25 562	0.42 620	0.24 508	0.15 450	0.20 526	0.19 521	0.07 336	0.05 268	0.06 188	0.05 190	0.10 530	0.09 501

CSP-Net	0.16 491	0.09 424	0.14 376	0.16 209	0.09 339	0.19 509	0.17 430	0.25 446	0.32 531	0.25 562	0.30 541	0.24 508	0.15 450	0.21 543	0.18 508	0.09 473	0.06 416	0.07 299	0.07 379	0.08 434	0.07 391

FINET	0.21 562	0.18 610	0.26 574	0.18 386	0.16 610	0.23 568	0.23 583	0.32 555	0.48 616	0.25 562	0.32 553	0.22 484	0.22 557	0.22 556	0.17 490	0.18 636	0.16 634	0.11 555	0.10 539	0.15 617	0.13 592

AF-Net	0.22 571	0.17 599	0.17 490	0.26 619	0.13 558	0.25 584	0.24 596	0.32 555	0.50 626	0.25 562	0.33 565	0.38 616	0.26 586	0.28 599	0.25 591	0.11 545	0.10 572	0.16 622	0.11 573	0.11 553	0.10 530

FADNet-RVC	0.20 550	0.20 620	0.38 621	0.21 553	0.16 610	0.20 525	0.15 319	0.26 464	0.26 474	0.26 568	0.32 553	0.26 532	0.21 548	0.22 556	0.19 521	0.12 570	0.13 615	0.12 575	0.14 608	0.13 587	0.18 639

SuperB	0.20 550	0.10 486	0.56 647	0.16 209	0.09 339	0.18 485	0.18 479	0.24 429	0.50 626	0.26 568	0.39 597	0.17 417	0.21 548	0.22 556	0.21 547	0.08 413	0.06 416	0.06 188	0.06 281	0.12 568	0.10 530

ADCRef	0.19 538	0.12 530	0.41 627	0.20 521	0.12 535	0.22 551	0.18 479	0.32 555	0.36 563	0.26 568	0.32 553	0.17 417	0.23 565	0.24 577	0.24 581	0.07 336	0.06 416	0.09 476	0.09 499	0.08 434	0.08 457

DeepPrunerF	0.24 594	0.17 599	0.42 629	0.26 619	0.16 610	0.22 551	0.28 633	0.37 612	0.50 626	0.26 568	0.29 534	0.24 508	0.28 605	0.21 543	0.22 556	0.15 614	0.11 584	0.20 638	0.18 639	0.12 568	0.13 592

ADCP+	0.20 550	0.10 486	0.33 606	0.20 521	0.12 535	0.22 551	0.26 620	0.31 544	0.34 550	0.26 568	0.37 583	0.22 484	0.22 557	0.27 587	0.27 610	0.09 473	0.06 416	0.08 393	0.08 452	0.09 497	0.10 530

StereoDRNet-Refined	0.17 512	0.12 530	0.15 424	0.20 521	0.09 339	0.18 485	0.18 479	0.26 464	0.23 422	0.26 568	0.40 603	0.22 484	0.17 501	0.21 543	0.20 527	0.08 413	0.05 268	0.09 476	0.10 539	0.07 370	0.07 391
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
z-mn7	0.24 594	0.14 570	0.45 631	0.19 455	0.13 558	0.28 611	0.25 611	0.34 584	0.62 653	0.27 574	0.56 648	0.29 558	0.24 571	0.32 616	0.25 591	0.08 413	0.08 518	0.08 393	0.08 452	0.10 530	0.10 530

YMNet	0.20 550	0.12 530	0.19 526	0.20 521	0.14 579	0.26 594	0.23 583	0.32 555	0.34 550	0.27 574	0.34 569	0.30 568	0.18 516	0.18 486	0.22 556	0.10 514	0.13 615	0.10 524	0.10 539	0.08 434	0.09 501

YMNet_1	0.20 550	0.12 530	0.19 526	0.20 521	0.14 579	0.26 594	0.23 583	0.32 555	0.34 550	0.27 574	0.34 569	0.30 568	0.18 516	0.18 486	0.22 556	0.10 514	0.13 615	0.10 524	0.10 539	0.08 434	0.09 501

test_sample8	0.19 538	0.12 530	0.20 538	0.12 5	0.14 579	0.17 466	0.13 170	0.31 544	0.21 396	0.27 574	0.22 433	0.36 607	0.25 580	0.19 501	0.17 490	0.15 614	0.30 666	0.14 603	0.14 608	0.14 601	0.12 570

GASNet	0.22 571	0.23 632	0.33 606	0.26 619	0.17 625	0.26 594	0.16 388	0.44 645	0.42 597	0.27 574	0.24 454	0.30 568	0.15 450	0.27 587	0.18 508	0.12 570	0.08 518	0.12 575	0.11 573	0.16 626	0.07 391

AACVNet	0.16 491	0.08 344	0.14 376	0.15 113	0.10 451	0.18 485	0.15 319	0.23 405	0.24 439	0.27 574	0.27 508	0.28 550	0.17 501	0.19 501	0.16 475	0.09 473	0.07 488	0.09 476	0.07 379	0.10 530	0.09 501

APVNet	0.22 571	0.12 530	0.19 526	0.18 386	0.14 579	0.32 620	0.31 656	0.39 624	0.32 531	0.27 574	0.40 603	0.30 568	0.29 613	0.26 584	0.25 591	0.11 545	0.12 600	0.11 555	0.14 608	0.12 568	0.12 570

FAT-Stereo	0.20 550	0.12 530	0.22 553	0.21 553	0.12 535	0.17 466	0.18 479	0.34 584	0.39 580	0.27 574	0.37 583	0.34 601	0.32 625	0.21 543	0.20 527	0.09 473	0.11 584	0.10 524	0.09 499	0.11 553	0.14 609

RGC	0.25 606	0.20 620	0.29 594	0.28 635	0.16 610	0.22 551	0.23 583	0.32 555	0.44 607	0.27 574	0.40 603	0.38 616	0.27 594	0.36 634	0.22 556	0.11 545	0.13 615	0.17 625	0.17 635	0.14 601	0.16 627

RTSC	0.23 587	0.12 530	0.28 586	0.21 553	0.13 558	0.28 611	0.16 388	0.35 599	0.66 662	0.27 574	0.33 565	0.30 568	0.21 548	0.31 609	0.29 622	0.10 514	0.08 518	0.09 476	0.10 539	0.13 587	0.13 592

PS-NSSS	0.20 550	0.21 626	0.23 562	0.20 521	0.10 451	0.19 509	0.17 430	0.36 606	0.25 460	0.27 574	0.33 565	0.27 540	0.24 571	0.20 526	0.20 527	0.15 614	0.12 600	0.17 625	0.14 608	0.10 530	0.08 457

CBMV_ROB	0.19 538	0.13 558	0.17 490	0.16 209	0.11 501	0.15 414	0.13 170	0.26 464	0.28 499	0.27 574	0.30 541	0.27 540	0.24 571	0.23 567	0.16 475	0.15 614	0.17 639	0.22 643	0.20 641	0.10 530	0.11 557

DLCB_ROB	0.18 526	0.10 486	0.15 424	0.23 594	0.11 501	0.24 573	0.18 479	0.29 519	0.28 499	0.27 574	0.28 522	0.28 550	0.24 571	0.19 501	0.20 527	0.08 413	0.08 518	0.09 476	0.09 499	0.07 370	0.07 391

DispFullNet	0.27 617	0.21 626	0.65 657	0.28 635	0.16 610	0.26 594	0.17 430	0.33 575	0.58 645	0.27 574	0.38 589	0.43 634	0.23 565	0.38 641	0.23 568	0.12 570	0.06 416	0.19 636	0.11 573	0.21 642	0.15 616

PSMNet_ROB	0.21 562	0.11 512	0.15 424	0.27 632	0.15 599	0.24 573	0.35 660	0.43 643	0.37 570	0.27 574	0.32 553	0.32 590	0.22 557	0.21 543	0.26 602	0.12 570	0.08 518	0.13 590	0.11 573	0.09 497	0.09 501

DStereoFS	0.27 617	0.22 630	0.31 599	0.22 570	0.15 599	0.22 551	0.20 542	0.50 659	0.48 616	0.28 589	0.44 625	0.33 594	0.34 632	0.52 663	0.29 622	0.12 570	0.11 584	0.15 615	0.13 604	0.16 626	0.16 627

zh-sn7	0.25 606	0.17 599	0.50 638	0.24 603	0.13 558	0.25 584	0.24 596	0.34 584	0.48 616	0.28 589	0.54 641	0.28 550	0.31 621	0.36 634	0.32 637	0.10 514	0.10 572	0.11 555	0.10 539	0.12 568	0.12 570

GCST	0.37 644	0.42 663	0.26 574	1.02 689	0.39 664	0.18 485	0.08 7	0.20 337	0.17 307	0.28 589	0.25 482	0.15 379	0.12 368	0.16 430	0.14 428	0.64 685	0.43 674	0.75 681	0.65 685	0.63 678	0.46 676

Wz-Net-MNSev	0.22 571	0.13 558	0.31 599	0.20 521	0.14 579	0.36 639	0.24 596	0.33 575	0.44 607	0.28 589	0.40 603	0.38 616	0.19 532	0.24 577	0.25 591	0.09 473	0.07 488	0.09 476	0.09 499	0.12 568	0.10 530

CRFU-Net	0.16 491	0.08 344	0.14 376	0.17 296	0.09 339	0.19 509	0.14 235	0.26 464	0.20 380	0.28 589	0.27 508	0.29 558	0.17 501	0.19 501	0.17 490	0.09 473	0.09 551	0.07 299	0.07 379	0.08 434	0.08 457

Syn2CoEx	0.21 562	0.16 588	0.27 581	0.29 644	0.14 579	0.26 594	0.20 542	0.33 575	0.31 524	0.28 589	0.36 576	0.27 540	0.25 580	0.19 501	0.24 581	0.16 630	0.12 600	0.14 603	0.11 573	0.09 497	0.08 457

DANet	0.21 562	0.15 580	0.28 586	0.25 614	0.13 558	0.22 551	0.19 519	0.27 486	0.27 484	0.28 589	0.32 553	0.35 605	0.31 621	0.31 609	0.23 568	0.11 545	0.09 551	0.11 555	0.10 539	0.13 587	0.11 557
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ETE_ROB	0.23 587	0.17 599	0.22 553	0.25 614	0.13 558	0.26 594	0.29 643	0.31 544	0.36 563	0.28 589	0.36 576	0.45 638	0.26 586	0.27 587	0.26 602	0.11 545	0.08 518	0.12 575	0.09 499	0.14 601	0.13 592

PDISCO_ROB	0.27 617	0.16 588	0.26 574	0.28 635	0.20 639	0.32 620	0.26 620	0.44 645	0.57 642	0.28 589	0.40 603	0.45 638	0.29 613	0.33 619	0.34 644	0.12 570	0.09 551	0.17 625	0.16 628	0.17 634	0.13 592

DStereoO	0.24 594	0.18 610	0.18 514	0.20 521	0.14 579	0.21 542	0.19 519	0.32 555	0.41 589	0.29 598	0.21 422	0.32 590	0.27 594	0.41 653	0.27 610	0.46 674	0.12 600	0.31 662	0.11 573	0.15 617	0.12 570

w-ln-seven	0.24 594	0.14 570	0.55 644	0.19 455	0.14 579	0.26 594	0.22 572	0.35 599	0.60 650	0.29 598	0.39 597	0.30 568	0.22 557	0.21 543	0.26 602	0.09 473	0.09 551	0.11 555	0.10 539	0.11 553	0.10 530

DPSNet	0.28 622	0.16 588	0.31 599	0.18 386	0.13 558	0.54 658	0.42 669	0.51 661	0.67 663	0.29 598	0.38 589	0.38 616	0.29 613	0.31 609	0.23 568	0.11 545	0.10 572	0.11 555	0.08 452	0.20 641	0.16 627

PWCDC_ROB	0.20 550	0.13 558	0.22 553	0.24 603	0.11 501	0.19 509	0.15 319	0.33 575	0.54 636	0.29 598	0.50 636	0.21 466	0.15 450	0.27 587	0.20 527	0.11 545	0.09 551	0.10 524	0.08 452	0.11 553	0.09 501

CBMV	0.19 538	0.14 570	0.17 490	0.18 386	0.10 451	0.20 525	0.11 64	0.29 519	0.30 516	0.29 598	0.30 541	0.30 568	0.23 565	0.27 587	0.19 521	0.13 596	0.15 630	0.17 625	0.16 628	0.10 530	0.10 530
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-SNSev	0.25 606	0.17 599	0.44 630	0.25 614	0.14 579	0.26 594	0.23 583	0.38 620	0.56 640	0.30 603	0.55 643	0.39 624	0.26 586	0.23 567	0.30 629	0.10 514	0.09 551	0.09 476	0.10 539	0.11 553	0.11 557

Wz-Net-LNSev	0.22 571	0.16 588	0.38 621	0.21 553	0.13 558	0.25 584	0.23 583	0.32 555	0.43 602	0.30 603	0.41 614	0.31 581	0.18 516	0.22 556	0.25 591	0.10 514	0.09 551	0.08 393	0.08 452	0.12 568	0.11 557

dad	0.17 512	0.20 620	0.20 538	0.16 209	0.11 501	0.20 525	0.18 479	0.21 360	0.28 499	0.30 603	0.24 454	0.29 558	0.13 408	0.19 501	0.16 475	0.18 636	0.09 551	0.11 555	0.09 499	0.11 553	0.07 391

ADCPNet	0.25 606	0.16 588	0.61 654	0.21 553	0.15 599	0.35 638	0.25 611	0.32 555	0.35 559	0.30 603	0.40 603	0.36 607	0.28 605	0.28 599	0.32 637	0.12 570	0.10 572	0.11 555	0.12 593	0.14 601	0.13 592

XPNet_ROB	0.22 571	0.11 512	0.19 526	0.22 570	0.13 558	0.22 551	0.19 519	0.34 584	0.40 586	0.30 603	0.39 597	0.39 624	0.26 586	0.26 584	0.28 618	0.15 614	0.10 572	0.10 524	0.10 539	0.13 587	0.12 570

PWC_ROB	0.21 562	0.16 588	0.26 574	0.18 386	0.11 501	0.22 551	0.13 170	0.32 555	0.49 623	0.30 603	0.40 603	0.32 590	0.24 571	0.31 609	0.22 556	0.10 514	0.07 488	0.11 555	0.08 452	0.11 553	0.10 530

DDUNet	0.22 571	0.17 599	0.21 547	0.22 570	0.15 599	0.25 584	0.24 596	0.29 519	0.30 516	0.31 609	0.36 576	0.33 594	0.25 580	0.24 577	0.20 527	0.18 636	0.13 615	0.17 625	0.11 573	0.16 626	0.16 627

XQC	0.28 622	0.23 632	0.51 639	0.28 635	0.19 636	0.34 630	0.27 627	0.36 606	0.57 642	0.31 609	0.30 541	0.37 612	0.30 617	0.38 641	0.38 652	0.13 596	0.09 551	0.15 615	0.12 593	0.17 634	0.18 639

AnyNet_C32	0.26 615	0.16 588	0.36 615	0.20 521	0.16 610	0.25 584	0.30 650	0.32 555	0.44 607	0.31 609	0.49 632	0.30 568	0.33 627	0.40 650	0.33 642	0.12 570	0.12 600	0.12 575	0.14 608	0.14 601	0.15 616

GANet	0.21 562	0.12 530	0.21 547	0.24 603	0.13 558	0.22 551	0.22 572	0.41 634	0.26 474	0.31 609	0.42 620	0.37 612	0.28 605	0.23 567	0.22 556	0.10 514	0.12 600	0.10 524	0.09 499	0.10 530	0.08 457

NCCL2	0.23 587	0.15 580	0.17 490	0.34 651	0.18 632	0.24 573	0.23 583	0.34 584	0.28 499	0.31 609	0.38 589	0.38 616	0.28 605	0.23 567	0.24 581	0.15 614	0.12 600	0.18 634	0.21 643	0.13 587	0.13 592

NaN_ROB	0.22 571	0.19 614	0.24 566	0.25 614	0.13 558	0.29 615	0.26 620	0.33 575	0.41 589	0.31 609	0.31 549	0.32 590	0.23 565	0.30 608	0.21 547	0.11 545	0.17 639	0.10 524	0.10 539	0.08 434	0.09 501

Consistency-Raft	0.44 654	0.40 661	0.45 631	0.37 657	0.43 668	0.46 650	0.41 666	0.57 669	0.55 637	0.32 615	0.73 665	0.33 594	0.48 659	0.42 654	0.49 668	0.39 668	0.35 671	0.45 668	0.51 678	0.42 668	0.29 660

MaskLacGwcNet_RVC	0.22 571	0.21 626	0.24 566	0.26 619	0.11 501	0.23 568	0.14 235	0.39 624	0.24 439	0.32 615	0.36 576	0.30 568	0.21 548	0.19 501	0.21 547	0.17 635	0.14 624	0.21 639	0.16 628	0.12 568	0.12 570

edge stereo	0.22 571	0.13 558	0.20 538	0.21 553	0.13 558	0.23 568	0.16 388	0.32 555	0.42 597	0.32 615	0.40 603	0.38 616	0.35 635	0.25 582	0.24 581	0.13 596	0.11 584	0.14 603	0.11 573	0.12 568	0.13 592

SHD	0.26 615	0.15 580	0.30 597	0.24 603	0.18 632	0.22 551	0.15 319	0.38 620	0.71 666	0.32 615	0.41 614	0.36 607	0.28 605	0.32 616	0.29 622	0.12 570	0.11 584	0.14 603	0.13 604	0.16 626	0.20 645

PSMNet-RUCA	0.27 617	0.33 655	0.41 627	0.36 655	0.32 663	0.18 485	0.19 519	0.42 639	0.30 516	0.33 619	0.41 614	0.39 624	0.25 580	0.31 609	0.20 527	0.18 636	0.10 572	0.25 646	0.15 624	0.21 642	0.16 627

LALA_ROB	0.25 606	0.16 588	0.22 553	0.26 619	0.17 625	0.27 604	0.27 627	0.42 639	0.37 570	0.33 619	0.38 589	0.51 650	0.26 586	0.28 599	0.27 610	0.16 630	0.09 551	0.12 575	0.11 573	0.13 587	0.12 570

Wz-Net-TNSev	0.29 626	0.20 620	0.65 657	0.19 455	0.15 599	0.38 643	0.27 627	0.35 599	0.55 637	0.34 621	0.42 620	0.45 638	0.38 640	0.32 616	0.30 629	0.12 570	0.13 615	0.10 524	0.12 593	0.15 617	0.14 609

zh-mn7	0.25 606	0.14 570	0.56 647	0.19 455	0.14 579	0.24 573	0.22 572	0.34 584	0.62 653	0.35 622	0.65 657	0.31 581	0.25 580	0.31 609	0.25 591	0.09 473	0.08 518	0.09 476	0.09 499	0.09 497	0.11 557

GANetREF_RVC	0.31 634	0.34 656	0.27 581	0.35 653	0.16 610	0.32 620	0.41 666	0.48 653	0.51 633	0.35 622	0.35 573	0.34 601	0.33 627	0.39 645	0.32 637	0.27 661	0.20 647	0.29 659	0.15 624	0.18 637	0.17 636
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
PASM	0.32 636	0.24 635	0.48 637	0.28 635	0.27 656	0.29 615	0.30 650	0.34 584	0.49 623	0.35 622	0.39 597	0.46 642	0.34 632	0.34 622	0.35 645	0.23 657	0.25 662	0.26 647	0.28 659	0.23 646	0.21 647

ccnet	0.29 626	0.28 648	0.23 562	0.20 521	0.28 657	0.41 648	0.21 562	0.45 648	0.33 538	0.36 625	0.46 628	0.36 607	0.30 617	0.39 645	0.42 661	0.23 657	0.14 624	0.21 639	0.17 635	0.23 646	0.18 639

G-Net	0.24 594	0.16 588	0.36 615	0.22 570	0.16 610	0.51 656	0.23 583	0.29 519	0.34 550	0.36 625	0.38 589	0.31 581	0.29 613	0.27 587	0.26 602	0.11 545	0.09 551	0.12 575	0.09 499	0.16 626	0.13 592

SAMSARA	0.40 648	0.28 648	0.33 606	0.55 669	0.39 664	0.82 680	1.23 697	0.47 652	0.51 633	0.36 625	0.35 573	0.55 656	0.39 643	0.38 641	0.39 654	0.15 614	0.20 647	0.15 615	0.14 608	0.23 646	0.20 645

ADCMid	0.25 606	0.15 580	0.40 624	0.20 521	0.14 579	0.25 584	0.26 620	0.34 584	0.38 577	0.36 625	0.44 625	0.34 601	0.40 646	0.35 628	0.33 642	0.10 514	0.09 551	0.11 555	0.11 573	0.13 587	0.12 570

SANet	0.24 594	0.14 570	0.28 586	0.21 553	0.11 501	0.27 604	0.24 596	0.38 620	0.64 658	0.36 625	0.40 603	0.43 634	0.26 586	0.27 587	0.24 581	0.12 570	0.09 551	0.10 524	0.09 499	0.13 587	0.11 557

CSAN	0.29 626	0.24 635	0.27 581	0.34 651	0.19 636	0.33 627	0.42 669	0.37 612	0.50 626	0.38 630	0.40 603	0.44 636	0.33 627	0.28 599	0.30 629	0.20 644	0.16 634	0.19 636	0.19 640	0.14 601	0.15 616

WCMA_ROB	0.24 594	0.11 512	0.22 553	0.17 296	0.14 579	0.32 620	0.15 319	0.32 555	0.32 531	0.38 630	0.53 639	0.40 628	0.34 632	0.34 622	0.25 591	0.11 545	0.12 600	0.12 575	0.10 539	0.14 601	0.14 609

AnyNet_C01	0.36 643	0.25 640	1.37 688	0.22 570	0.17 625	0.48 654	0.27 627	0.35 599	0.39 580	0.39 632	0.74 667	0.46 642	0.38 640	0.45 655	0.47 666	0.13 596	0.13 615	0.13 590	0.14 608	0.14 601	0.15 616

CC-Net-ROB	0.28 622	0.31 653	0.36 615	0.29 644	0.15 599	0.25 584	0.19 519	0.45 648	0.33 538	0.39 632	0.37 583	0.39 624	0.31 621	0.27 587	0.26 602	0.24 659	0.19 644	0.30 661	0.23 650	0.18 637	0.15 616

MDST_ROB	0.22 571	0.10 486	0.17 490	0.18 386	0.11 501	0.37 640	0.19 519	0.43 643	0.41 589	0.39 632	0.39 597	0.29 558	0.21 548	0.26 584	0.18 508	0.11 545	0.10 572	0.14 603	0.11 573	0.10 530	0.08 457

otaku	0.39 645	0.37 659	0.52 640	0.44 662	0.28 657	0.58 660	0.24 596	0.41 634	0.62 653	0.40 635	0.49 632	0.46 642	0.33 627	0.40 650	0.32 637	0.30 662	0.30 666	0.39 666	0.33 665	0.29 660	0.28 659

MFN_U_SF_DS_RVC	0.30 632	0.24 635	0.29 594	0.36 655	0.16 610	0.34 630	0.30 650	0.32 555	0.42 597	0.40 635	0.46 628	0.38 616	0.31 621	0.34 622	0.28 618	0.19 642	0.20 647	0.26 647	0.29 660	0.18 637	0.19 644

ADCS	0.29 626	0.18 610	0.45 631	0.21 553	0.17 625	0.28 611	0.23 583	0.41 634	0.63 657	0.40 635	0.49 632	0.40 628	0.36 637	0.39 645	0.40 657	0.13 596	0.12 600	0.13 590	0.14 608	0.16 626	0.16 627

MSMD_ROB	0.31 634	0.26 641	0.26 574	0.24 603	0.21 643	0.34 630	0.25 611	0.34 584	0.39 580	0.40 635	0.69 661	0.45 638	0.40 646	0.34 622	0.27 610	0.20 644	0.19 644	0.26 647	0.25 652	0.23 646	0.22 649

Ntro	0.40 648	0.40 661	0.53 641	0.46 666	0.30 661	0.65 666	0.24 596	0.46 650	0.68 664	0.41 639	0.49 632	0.48 648	0.42 654	0.39 645	0.31 636	0.32 663	0.28 664	0.37 665	0.30 662	0.32 665	0.29 660

psmorigin	0.25 606	0.15 580	0.34 614	0.17 296	0.13 558	0.23 568	0.14 235	0.34 584	0.33 538	0.41 639	0.55 643	0.41 630	0.37 639	0.34 622	0.27 610	0.11 545	0.15 630	0.11 555	0.11 573	0.12 568	0.16 627

FBW_ROB	0.24 594	0.17 599	0.22 553	0.26 619	0.14 579	0.25 584	0.22 572	0.41 634	0.41 589	0.41 639	0.41 614	0.42 631	0.27 594	0.31 609	0.23 568	0.09 473	0.14 624	0.14 603	0.12 593	0.11 553	0.09 501

ACVNet-4b	0.39 645	0.53 666	0.55 644	0.45 663	0.24 650	0.47 652	0.18 479	0.49 655	0.64 658	0.42 642	0.45 627	0.60 658	0.27 594	0.34 622	0.24 581	0.33 665	0.14 624	0.48 669	0.42 671	0.30 661	0.26 658

RTS	0.45 656	0.19 614	3.26 694	0.24 603	0.15 599	0.74 673	0.20 542	0.36 606	0.76 673	0.42 642	0.43 623	0.31 581	0.41 651	0.53 666	0.35 645	0.10 514	0.08 518	0.13 590	0.12 593	0.15 617	0.15 616

RTSA	0.45 656	0.19 614	3.26 694	0.24 603	0.15 599	0.74 673	0.20 542	0.36 606	0.76 673	0.42 642	0.43 623	0.31 581	0.41 651	0.53 666	0.35 645	0.10 514	0.08 518	0.13 590	0.12 593	0.15 617	0.15 616

FCDSN-DC	0.33 639	0.28 648	0.28 586	0.30 646	0.24 650	0.39 645	0.28 633	0.42 639	0.42 597	0.43 645	0.53 639	0.51 650	0.41 651	0.36 634	0.30 629	0.21 648	0.20 647	0.27 650	0.26 653	0.25 653	0.24 651
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SGM_RVC	0.23 587	0.12 530	0.15 424	0.15 113	0.09 339	0.33 627	0.18 479	0.34 584	0.31 524	0.44 646	0.37 583	0.53 654	0.35 635	0.35 628	0.24 581	0.13 596	0.13 615	0.13 590	0.13 604	0.10 530	0.11 557
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN v2	0.33 639	0.27 644	0.28 586	0.26 619	0.23 648	0.37 640	0.28 633	0.40 628	0.43 602	0.45 647	0.56 648	0.51 650	0.40 646	0.37 639	0.29 622	0.21 648	0.20 647	0.27 650	0.26 653	0.25 653	0.24 651

FC-DCNN	0.33 639	0.27 644	0.28 586	0.26 619	0.23 648	0.37 640	0.28 633	0.40 628	0.43 602	0.45 647	0.55 643	0.51 650	0.40 646	0.37 639	0.30 629	0.21 648	0.20 647	0.27 650	0.26 653	0.25 653	0.24 651

LSM	0.33 639	0.20 620	0.58 650	0.26 619	0.60 681	0.34 630	0.25 611	0.42 639	0.48 616	0.45 647	0.58 653	0.42 631	0.36 637	0.35 628	0.25 591	0.12 570	0.20 647	0.14 603	0.16 628	0.19 640	0.33 665

MFN_U_SF_RVC	0.32 636	0.21 626	0.55 644	0.30 646	0.15 599	0.34 630	0.17 430	0.52 662	0.46 614	0.46 650	0.55 643	0.59 657	0.39 643	0.35 628	0.37 650	0.15 614	0.14 624	0.18 634	0.21 643	0.16 626	0.15 616

aanetorigin	0.22 571	0.17 599	0.56 647	0.17 296	0.10 451	0.15 414	0.19 519	0.20 337	0.33 538	0.49 651	0.48 631	0.29 558	0.27 594	0.20 526	0.23 568	0.08 413	0.07 488	0.08 393	0.07 379	0.10 530	0.09 501

RainbowNet	0.54 664	0.61 670	0.70 672	0.57 670	0.43 668	0.65 666	0.37 664	0.60 671	0.87 677	0.50 652	0.66 658	0.64 661	0.47 658	0.49 658	0.43 664	0.47 675	0.48 680	0.52 673	0.41 670	0.52 672	0.40 673

MonStereo1	0.47 660	0.26 641	0.58 650	0.28 635	0.20 639	0.39 645	0.18 479	0.49 655	0.64 658	0.52 653	0.87 674	1.01 675	0.57 668	0.50 659	0.56 673	0.53 678	0.31 669	0.54 675	0.40 669	0.33 666	0.34 666

MADNet+	0.75 674	0.71 676	3.70 697	0.66 673	0.41 666	0.98 685	0.97 695	0.69 674	0.73 671	0.52 653	0.57 651	0.64 661	0.68 676	0.86 684	1.01 692	0.34 666	0.36 672	0.28 658	0.23 650	0.36 667	0.31 663

SGM-ForestM	0.32 636	0.12 530	0.16 460	0.16 209	0.11 501	0.39 645	0.19 519	0.41 634	0.50 626	0.52 653	0.54 641	1.32 686	0.42 654	0.40 650	0.27 610	0.14 610	0.16 634	0.16 622	0.16 628	0.12 568	0.12 570

MeshStereo	0.27 617	0.13 558	0.18 514	0.15 113	0.11 501	0.32 620	0.24 596	0.40 628	0.36 563	0.52 653	0.57 651	0.67 665	0.40 646	0.35 628	0.26 602	0.14 610	0.13 615	0.13 590	0.11 573	0.11 553	0.10 530
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
anonymity	0.53 663	0.58 668	0.65 657	0.41 660	0.61 682	0.53 657	0.41 666	0.56 667	0.41 589	0.55 657	0.50 636	0.49 649	0.55 666	0.58 671	0.50 671	0.58 681	0.50 684	0.51 671	0.51 678	0.51 671	0.57 679

PVD	0.39 645	0.20 620	0.39 623	0.31 650	0.22 645	0.29 615	0.43 671	0.52 662	0.96 680	0.55 657	0.79 671	0.53 654	0.59 670	0.52 663	0.38 652	0.19 642	0.14 624	0.17 625	0.14 608	0.24 652	0.31 663

light-stereo	0.42 652	0.26 641	0.59 652	0.60 671	0.49 671	0.32 620	0.23 583	0.46 650	0.52 635	0.56 659	0.58 653	0.76 670	0.32 625	0.48 657	0.29 622	0.32 663	0.24 660	0.27 650	0.33 665	0.46 669	0.39 670

AANet	0.30 632	0.19 614	1.03 683	0.16 209	0.13 558	0.22 551	0.16 388	0.30 533	0.62 653	0.60 660	0.52 638	0.46 642	0.38 640	0.23 567	0.32 637	0.12 570	0.09 551	0.11 555	0.10 539	0.13 587	0.12 570

MFMNet_re	0.64 667	0.66 674	0.65 657	0.51 667	0.69 686	0.69 669	0.57 680	0.64 673	0.73 671	0.60 660	0.73 665	0.62 660	0.67 675	0.65 674	0.60 676	0.66 686	0.58 693	0.63 676	0.59 681	0.68 683	0.69 689

ACVNet_1	0.44 654	0.49 665	0.60 653	0.45 663	0.28 657	0.49 655	0.27 627	0.57 669	0.72 667	0.62 662	0.58 653	0.74 669	0.49 660	0.50 659	0.35 645	0.26 660	0.24 660	0.39 666	0.29 660	0.31 664	0.24 651

TorneroNet-64	0.76 675	0.72 677	0.74 673	0.78 678	0.58 680	0.91 684	0.56 679	0.84 678	1.29 686	0.66 663	0.90 675	1.40 688	0.75 678	0.85 683	0.67 682	0.49 676	0.46 675	0.72 680	0.59 681	0.67 682	0.53 678

SGM+DAISY	0.56 665	0.57 667	0.65 657	0.40 658	0.54 674	0.66 668	0.49 674	0.56 667	0.45 613	0.66 663	0.69 661	0.67 665	0.56 667	0.63 673	0.56 673	0.59 682	0.48 680	0.50 670	0.50 677	0.52 672	0.58 680

SPS-STEREO	0.57 666	0.58 668	0.65 657	0.45 663	0.55 676	0.62 664	0.44 673	0.62 672	0.50 626	0.68 665	0.64 656	0.66 664	0.57 668	0.61 672	0.60 676	0.62 684	0.47 679	0.51 671	0.49 675	0.55 676	0.58 680
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
JetBlue	0.71 671	0.45 664	1.14 686	0.51 667	0.47 670	2.02 695	0.64 684	0.75 675	0.70 665	0.69 666	0.77 670	1.22 682	0.83 681	1.03 692	1.01 692	0.40 669	0.28 664	0.33 663	0.33 665	0.30 661	0.34 666

MSC_U_SF_DS_RVC	0.43 653	0.39 660	0.54 642	0.40 658	0.20 639	0.64 665	0.32 658	0.53 664	0.72 667	0.71 667	0.72 664	0.61 659	0.54 663	0.51 661	0.46 665	0.20 644	0.19 644	0.29 659	0.30 662	0.23 646	0.18 639

ELAS	0.41 650	0.29 651	0.33 606	0.27 632	0.24 650	0.60 663	0.36 661	0.50 659	0.50 626	0.71 667	0.79 671	0.67 665	0.54 663	0.51 661	0.42 661	0.22 653	0.20 647	0.27 650	0.26 653	0.26 658	0.25 656
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	7.91 700	0.31 653	153.02 725	0.19 455	0.09 339	0.21 542	0.16 388	0.22 384	0.59 646	0.72 669	0.67 659	0.42 631	0.50 661	0.24 577	0.39 654	0.08 413	0.07 488	0.08 393	0.07 379	0.12 568	0.10 530

MANE	0.45 656	0.27 644	0.27 581	0.27 632	0.24 650	0.47 652	0.31 656	0.55 666	0.59 646	0.72 669	1.13 688	1.15 680	0.61 671	0.52 663	0.37 650	0.21 648	0.20 647	0.27 650	0.31 664	0.25 653	0.24 651

NVStereoNet_ROB	0.46 659	0.36 658	0.46 635	0.41 660	0.28 657	0.34 630	0.34 659	0.48 653	0.60 650	0.72 669	0.93 677	0.70 668	0.66 674	0.47 656	0.60 676	0.22 653	0.33 670	0.34 664	0.34 668	0.30 661	0.30 662
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ELAS_RVC	0.41 650	0.29 651	0.33 606	0.28 635	0.24 650	0.54 658	0.36 661	0.49 655	0.59 646	0.72 669	0.74 667	0.65 663	0.54 663	0.54 668	0.40 657	0.22 653	0.20 647	0.27 650	0.26 653	0.26 658	0.25 656
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IMH-64-1	0.65 668	0.61 670	0.68 666	0.71 674	0.51 672	0.59 661	0.49 674	0.91 680	0.85 675	0.74 673	1.02 681	0.81 671	0.78 679	0.79 677	0.49 668	0.42 670	0.46 675	0.71 678	0.47 673	0.52 672	0.39 670

IMH-64	0.65 668	0.61 670	0.68 666	0.71 674	0.51 672	0.59 661	0.49 674	0.91 680	0.85 675	0.74 673	1.02 681	0.81 671	0.78 679	0.79 677	0.49 668	0.42 670	0.46 675	0.71 678	0.47 673	0.52 672	0.39 670

EDNetEfficient	0.29 626	0.24 635	1.13 685	0.18 386	0.10 451	0.19 509	0.20 542	0.20 337	0.60 650	0.74 673	0.56 648	0.31 581	0.39 643	0.22 556	0.30 629	0.09 473	0.07 488	0.08 393	0.07 379	0.11 553	0.09 501

TorneroNet	0.82 678	0.74 678	0.81 678	0.84 681	0.63 683	0.99 686	0.63 682	0.96 684	1.16 683	0.80 676	1.11 686	1.36 687	0.86 683	0.93 688	0.80 687	0.56 679	0.49 682	0.78 686	0.66 686	0.73 688	0.63 688

IMH	0.71 671	0.64 673	0.68 666	0.76 676	0.54 674	0.69 669	0.54 678	0.98 686	1.10 682	0.82 677	1.09 684	0.89 673	0.88 684	0.87 685	0.52 672	0.44 673	0.50 684	0.75 681	0.51 678	0.56 677	0.41 674

BEATNet-Init1	0.52 662	0.27 644	0.62 655	0.30 646	0.21 643	0.76 677	0.29 643	0.54 665	0.65 661	0.86 678	0.95 679	2.07 695	0.62 673	0.56 670	0.42 661	0.18 636	0.18 641	0.23 644	0.22 646	0.22 645	0.21 647

ACVNet_2	0.66 670	0.66 674	0.68 666	0.63 672	0.41 666	0.71 671	0.49 674	0.96 684	1.39 689	0.89 679	1.09 684	1.04 676	0.73 677	0.54 668	0.47 666	0.43 672	0.40 673	0.53 674	0.44 672	0.47 670	0.35 668

WAO-7	0.79 676	0.78 679	0.54 642	0.85 682	0.67 685	0.74 673	0.68 688	1.05 689	1.32 687	0.90 680	1.20 691	1.04 676	0.92 685	0.69 675	0.66 679	0.60 683	0.62 694	0.67 677	0.68 687	0.64 679	0.58 680

WAO-6	0.81 677	0.80 680	0.62 655	0.86 683	0.63 683	0.76 677	0.58 681	0.98 686	1.54 694	0.90 680	0.96 680	1.07 678	1.03 689	0.70 676	0.66 679	0.72 687	0.49 682	0.90 689	0.71 688	0.68 683	0.58 680

LVE	0.83 679	0.85 683	0.85 679	0.80 679	0.56 677	1.04 690	0.65 685	1.05 689	1.47 692	0.96 682	1.22 692	1.10 679	0.85 682	0.83 680	0.71 684	0.49 676	0.55 690	0.76 684	0.60 683	0.65 680	0.59 685

PWCK	0.71 671	0.94 685	0.95 681	0.76 676	0.31 662	0.74 673	0.36 661	0.90 679	0.90 678	0.96 682	0.75 669	0.95 674	0.61 671	0.87 685	0.66 679	0.72 687	0.46 675	0.75 681	0.49 675	0.69 685	0.44 675

UNDER WATER	0.97 684	0.97 687	1.42 689	0.99 688	0.70 689	1.12 692	0.84 691	0.80 677	1.08 681	1.01 684	0.90 675	1.55 692	1.22 696	1.03 692	1.00 691	0.78 691	0.53 687	1.02 692	0.87 693	0.80 690	0.74 691

UNDER WATER-64	0.95 683	0.94 685	1.43 690	0.87 684	0.56 677	1.18 693	0.87 692	0.77 676	0.94 679	1.04 685	0.85 673	1.58 693	1.21 695	0.94 689	0.96 690	0.87 693	0.57 692	1.03 693	0.88 694	0.78 689	0.73 690

ktn	1.01 686	1.21 690	0.80 677	1.23 693	0.86 692	1.01 688	0.87 692	0.94 683	1.39 689	1.04 685	1.12 687	1.15 680	1.07 690	0.94 689	0.59 675	1.28 698	0.71 696	1.38 698	0.83 692	1.02 694	0.75 692

WAO-8	0.91 681	0.81 681	0.65 657	0.94 686	0.69 686	0.90 681	0.67 686	1.07 692	1.83 697	1.06 687	1.45 694	1.30 683	1.07 690	0.84 681	0.78 685	0.74 689	0.53 687	0.86 687	0.75 689	0.69 685	0.62 686

Venus	0.91 681	0.81 681	0.65 657	0.94 686	0.69 686	0.90 681	0.67 686	1.07 692	1.83 697	1.06 687	1.45 694	1.30 683	1.07 690	0.84 681	0.78 685	0.74 689	0.53 687	0.86 687	0.75 689	0.69 685	0.62 686

TCMNet-wrong-test	3.67 694	5.48 708	3.89 698	12.18 709	11.75 711	4.65 697	3.88 701	1.06 691	0.72 667	1.09 689	2.15 698	6.30 703	0.53 662	3.43 699	2.36 699	0.89 694	0.20 647	1.87 701	1.69 700	5.57 705	3.62 705

Dean	0.87 680	0.86 684	0.79 676	0.81 680	0.56 677	0.90 681	0.63 682	1.15 695	1.73 695	1.15 690	1.15 689	1.31 685	0.99 688	0.81 679	0.81 688	0.57 680	0.56 691	0.77 685	0.64 684	0.66 681	0.58 680

KSHMR	1.09 687	1.17 689	0.88 680	1.25 694	1.00 694	0.99 686	0.96 694	1.13 694	1.37 688	1.16 691	1.29 693	1.41 689	0.96 687	1.01 691	0.92 689	1.03 696	1.08 698	1.20 695	1.03 697	1.01 693	0.97 695

notaker	0.97 684	1.11 688	0.98 682	1.13 691	0.81 690	0.73 672	0.68 688	0.93 682	1.16 683	1.18 692	1.18 690	1.41 689	1.16 694	1.08 694	0.69 683	0.81 692	0.64 695	1.17 694	0.79 691	0.98 692	0.80 693

tt	4.67 695	0.06 107	3.55 696	2.02 696	1.55 696	10.25 703	16.71 705	8.91 708	5.03 701	1.31 693	0.94 678	4.71 699	4.76 701	3.33 698	5.87 702	6.06 708	10.30 714	1.88 702	2.11 702	2.75 699	1.21 698

DPSimNet_ROB	1.11 688	1.23 691	0.78 674	1.13 691	0.88 693	1.10 691	1.13 696	1.16 696	1.23 685	1.43 694	1.02 681	1.41 689	1.10 693	0.90 687	1.60 694	1.46 699	0.51 686	1.21 696	1.03 697	0.90 691	1.01 697

HanzoNet	1.29 689	1.26 692	1.19 687	1.12 690	0.85 691	1.02 689	0.83 690	1.03 688	1.48 693	1.64 695	1.61 696	2.50 697	1.72 697	1.61 696	1.61 695	1.26 697	0.80 697	1.31 697	1.01 696	1.02 694	0.86 694

JetRed	1.62 690	1.46 693	2.98 692	0.92 685	1.21 695	4.99 698	1.53 700	1.27 697	1.39 689	1.83 696	1.74 697	1.60 694	0.95 686	1.41 695	2.45 700	0.90 695	1.60 699	0.93 690	0.90 695	1.35 696	0.99 696

coex-ft	3.30 693	0.34 656	59.09 724	0.18 386	0.13 558	0.26 594	0.22 572	0.27 486	0.72 667	1.90 697	0.70 663	0.44 636	0.45 657	0.29 605	0.41 660	0.09 473	0.09 551	0.12 575	0.09 499	0.14 601	0.13 592

MADNet++	1.95 691	1.75 694	1.59 691	1.82 695	1.69 697	2.33 696	1.40 699	2.35 698	2.09 699	2.57 698	2.36 699	2.24 696	2.17 699	2.28 697	2.34 698	1.87 700	1.66 700	1.54 699	1.34 699	1.92 697	1.77 699

Selective-IGEV-i1pa	2.80 692	3.51 700	0.67 665	0.28 635	0.14 579	10.22 702	0.43 671	4.36 699	3.63 700	3.53 699	6.92 701	3.47 698	1.97 698	13.41 713	2.26 697	0.36 667	0.15 630	0.13 590	0.10 539	0.15 617	0.35 668

Selective-IGEV-i16pa	18.58 713	3.30 698	1.09 684	0.21 553	0.18 632	103.68 726	0.28 633	19.87 718	40.73 726	4.16 700	56.45 726	8.07 705	2.59 700	123.95 727	5.89 703	0.18 636	0.12 600	0.09 476	0.12 593	0.12 568	0.51 677

LE_ROB	0.50 661	0.07 225	0.14 376	0.15 113	0.08 212	0.24 573	0.16 388	0.22 384	1.81 696	4.63 701	0.67 659	0.47 646	0.44 656	0.20 526	0.29 622	0.07 336	0.06 416	0.06 188	0.06 281	0.08 434	0.06 304

DPSMNet_ROB	8.06 701	4.48 701	8.63 709	5.37 702	10.74 706	8.32 700	22.98 711	5.46 701	13.36 711	5.12 702	9.92 707	5.08 700	10.40 708	5.53 702	12.58 708	3.80 706	8.00 707	3.50 703	7.02 708	3.83 703	7.14 709

DGTPSM_ROB	8.06 701	4.48 701	8.63 709	5.35 700	10.72 705	8.32 700	22.97 710	5.46 701	13.35 710	5.12 702	9.92 707	5.08 700	10.40 708	5.52 701	12.58 708	3.79 705	8.00 707	3.50 703	7.02 708	3.83 703	7.14 709

USTest	6.22 696	2.73 697	3.00 693	6.57 703	7.29 703	14.37 705	21.57 706	7.00 707	9.56 706	5.34 704	6.10 700	5.72 702	7.64 704	6.41 703	6.96 704	1.97 701	3.42 706	1.64 700	2.15 703	2.66 698	2.36 700

xxxxx1	7.79 697	5.02 705	7.31 701	3.12 697	3.85 699	16.35 707	22.88 707	5.86 704	8.69 703	7.97 705	8.54 702	9.12 707	8.27 705	10.18 705	10.92 705	2.42 702	2.45 702	3.56 705	12.37 711	3.77 700	3.06 702

tt_ll	7.79 697	5.02 705	7.31 701	3.12 697	3.85 699	16.35 707	22.88 707	5.86 704	8.69 703	7.97 705	8.54 702	9.12 707	8.27 705	10.18 705	10.92 705	2.42 702	2.45 702	3.56 705	12.37 711	3.77 700	3.06 702

ff	7.79 697	5.02 705	7.31 701	3.12 697	3.85 699	16.35 707	22.88 707	5.86 704	8.69 703	7.97 705	8.54 702	9.12 707	8.27 705	10.18 705	10.92 705	2.42 702	2.45 702	3.56 705	12.37 711	3.77 700	3.06 702

Anonymous_1	10.96 709	7.92 709	7.46 704	10.33 706	10.06 704	18.65 713	26.34 715	11.06 711	13.44 712	9.40 708	10.05 709	9.67 712	11.23 712	10.73 708	12.72 710	6.42 709	8.38 711	5.77 710	10.61 710	12.12 711	6.77 706

iinet-test	10.48 706	8.09 710	7.54 705	10.26 704	10.94 707	18.00 711	25.26 713	11.33 712	13.28 708	9.69 709	9.85 705	9.42 710	11.17 710	11.02 709	12.78 711	6.59 710	8.30 709	5.56 708	6.56 704	6.89 706	7.02 707

IINet	10.48 706	8.09 710	7.54 705	10.26 704	10.94 707	18.00 711	25.26 713	11.33 712	13.28 708	9.69 709	9.85 705	9.42 710	11.17 710	11.02 709	12.78 711	6.59 710	8.30 709	5.56 708	6.56 704	6.89 706	7.02 707

DPSM_ROB	11.15 710	8.58 712	8.00 707	10.88 707	11.58 709	19.10 714	26.71 716	12.05 714	14.07 715	10.36 711	10.84 710	10.33 713	11.86 713	11.70 711	13.54 713	6.99 712	8.79 712	5.89 711	6.95 706	7.29 708	7.42 711

DPSM	11.15 710	8.58 712	8.00 707	10.88 707	11.58 709	19.10 714	26.71 716	12.05 714	14.07 715	10.36 711	10.84 710	10.33 713	11.86 713	11.70 711	13.54 713	6.99 712	8.79 712	5.89 711	6.95 706	7.29 708	7.42 711

LRCNet_RVC	10.62 708	13.42 715	7.30 700	18.92 713	2.07 698	0.33 627	0.30 650	5.59 703	0.48 616	13.03 713	17.94 713	8.87 706	5.65 702	4.79 700	1.89 696	23.51 722	2.73 705	27.55 725	25.71 725	16.07 719	16.33 720

HaxPig	15.71 712	18.52 723	19.18 718	16.89 712	15.89 714	7.73 699	7.60 702	13.31 716	10.82 707	15.42 714	14.91 712	15.98 715	14.92 715	15.58 714	15.98 715	18.95 721	16.73 715	19.46 721	18.08 721	19.26 720	19.05 723

RSGM-EC	20.36 714	4.73 703	0.68 666	16.76 710	16.92 715	21.28 716	27.18 718	10.46 709	14.04 713	18.00 715	21.31 716	22.24 724	21.82 717	22.57 716	17.63 716	62.81 725	33.79 725	20.14 722	18.10 722	20.18 721	16.45 721

acva	20.36 714	4.73 703	0.68 666	16.76 710	16.92 715	21.28 716	27.18 718	10.46 709	14.04 713	18.00 715	21.31 716	22.24 724	21.82 717	22.57 716	17.63 716	62.81 725	33.79 725	20.14 722	18.10 722	20.18 721	16.45 721

PML	8.91 703	9.34 714	6.13 699	5.35 700	6.41 702	14.99 706	23.38 712	5.27 700	6.83 702	18.04 717	28.19 725	7.67 704	6.83 703	7.85 704	5.75 701	5.35 707	1.83 701	5.95 713	1.93 701	8.64 710	2.52 701

MEDIAN_ROB	20.38 716	24.04 724	23.31 721	21.23 714	21.71 717	10.40 704	7.92 703	17.64 717	15.50 717	20.12 718	19.70 714	20.34 716	20.32 716	21.19 715	21.13 718	23.81 723	21.81 723	24.98 724	23.76 724	24.71 723	23.93 724

Hybrid-DGEV	22.47 721	17.40 722	16.14 715	22.00 715	23.29 720	38.36 721	53.80 722	24.43 726	28.63 725	20.59 719	21.81 721	20.88 719	23.91 721	23.45 721	27.42 723	14.08 718	17.69 717	11.83 716	14.06 719	14.65 712	14.93 715

CasAABBNet	22.42 717	17.33 717	16.01 713	22.01 716	23.28 719	38.32 718	53.80 722	24.14 722	28.41 722	20.60 720	21.77 720	20.89 722	23.91 721	23.43 720	27.36 721	14.07 715	17.69 717	11.83 716	14.01 715	14.67 714	14.95 716

RAFT-FEzeroshot	22.43 718	17.33 717	15.98 711	22.02 717	23.31 721	38.34 719	53.82 724	24.05 720	28.39 720	20.61 721	21.76 718	20.88 719	23.92 723	23.41 718	27.42 723	14.07 715	17.69 717	11.83 716	14.02 716	14.69 715	14.97 717

RAFT-FE	22.43 718	17.33 717	15.98 711	22.02 717	23.31 721	38.34 719	53.82 724	24.05 720	28.39 720	20.61 721	21.76 718	20.88 719	23.92 723	23.41 718	27.42 723	14.07 715	17.69 717	11.83 716	14.02 716	14.69 715	14.97 717

Selective-RAFT-Error	22.47 721	17.37 721	16.09 714	22.06 719	23.34 723	38.39 722	53.83 726	24.29 725	28.47 724	20.74 723	21.83 723	20.81 718	23.90 720	23.54 724	27.53 726	14.08 718	17.69 717	11.82 715	14.00 714	14.69 715	15.00 719

LSM0	22.87 723	17.28 716	18.96 717	22.19 721	29.04 725	38.42 724	53.71 720	24.28 724	28.31 719	20.78 724	21.00 715	21.43 723	24.16 725	23.50 723	27.39 722	14.09 720	17.38 716	11.84 720	14.04 718	14.73 718	14.89 713

FlowAnything	22.44 720	17.35 720	16.14 715	22.07 720	23.23 718	38.39 722	53.77 721	24.25 723	28.44 723	20.96 725	21.82 722	20.70 717	23.84 719	23.49 722	27.14 720	14.04 714	17.79 722	11.75 714	14.15 720	14.65 712	14.89 713

AVERAGE_ROB	24.90 724	29.20 725	28.14 722	24.89 722	24.64 724	17.75 710	11.12 704	21.45 719	19.93 718	25.12 726	24.46 724	25.12 726	25.46 726	24.69 725	22.83 719	29.76 724	27.13 724	28.97 726	27.95 726	29.91 724	29.47 725

ccccc		285.66 727		368.85 726	370.60 727	123.16 727		115.05 728		126.68 727		122.83 728		252.94 728		384.56 728	353.86 728	254.69 728	223.00 728	425.87 728

test_example2	98.32 725	94.13 726	45.89 723	96.35 723	109.85 726	88.61 725	95.45 727	25.75 727	94.37 727	130.00 728	126.06 727	58.17 727	74.63 727	88.51 726	79.96 727	150.23 727	221.02 727	77.62 727	99.10 727	113.75 727	96.94 726

ASD4		3.38 699

Low-res two-view benchmark