Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

PSi22b	0.06 1	0.04 1	0.09 118	0.13 16	0.05 2	0.08 77	0.11 61	0.06 1	0.06 6	0.06 20	0.06 23	0.08 175	0.05 14	0.08 25	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.05 161	0.04 71

PSi22a	0.06 1	0.04 1	0.09 118	0.12 5	0.05 2	0.06 12	0.11 61	0.06 1	0.06 6	0.06 20	0.06 23	0.06 39	0.05 14	0.08 25	0.09 101	0.07 328	0.04 25	0.04 1	0.03 1	0.05 161	0.04 71

Foundation-i32	0.06 1	0.04 1	0.09 118	0.13 16	0.04 1	0.06 12	0.12 93	0.06 1	0.05 4	0.06 20	0.05 7	0.05 5	0.05 14	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

MLG-Stereo_test2	0.06 1	0.04 1	0.10 182	0.15 106	0.05 2	0.07 39	0.11 61	0.09 18	0.04 2	0.06 20	0.05 7	0.06 39	0.04 1	0.08 25	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.05 161	0.05 200

MLG-Stereo_test1	0.06 1	0.05 36	0.08 56	0.17 287	0.05 2	0.06 12	0.11 61	0.08 10	0.03 1	0.05 2	0.04 1	0.06 39	0.05 14	0.09 58	0.09 101	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

FoundationStereo	0.06 1	0.04 1	0.08 56	0.12 5	0.05 2	0.09 129	0.13 163	0.06 1	0.09 45	0.05 2	0.05 7	0.06 39	0.04 1	0.06 1	0.07 1	0.06 166	0.04 25	0.05 45	0.03 1	0.05 161	0.04 71

monster-pro	0.07 7	0.06 99	0.05 1	0.15 106	0.05 2	0.07 39	0.10 32	0.15 177	0.15 232	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 99	0.07 11	0.15 106	0.07 125	0.08 77	0.14 228	0.11 54	0.08 24	0.05 2	0.07 60	0.08 175	0.08 222	0.09 58	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

aanet-new-60k	0.07 7	0.07 216	0.08 56	0.18 377	0.06 27	0.07 39	0.10 32	0.09 18	0.14 207	0.07 67	0.07 60	0.06 39	0.06 62	0.11 188	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

aanet-new-70k	0.07 7	0.06 99	0.09 118	0.17 287	0.06 27	0.08 77	0.12 93	0.11 54	0.10 66	0.06 20	0.07 60	0.07 116	0.06 62	0.10 120	0.07 1	0.04 11	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 216	0.09 118	0.19 445	0.06 27	0.07 39	0.12 93	0.11 54	0.13 175	0.06 20	0.07 60	0.06 39	0.06 62	0.09 58	0.07 1	0.04 11	0.04 25	0.05 45	0.04 54	0.05 161	0.03 2

aanet-new-40k	0.07 7	0.08 334	0.07 11	0.17 287	0.07 125	0.08 77	0.13 163	0.10 31	0.10 66	0.07 67	0.08 114	0.06 39	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

GCAP-Stereo-DPT26K	0.07 7	0.06 99	0.07 11	0.16 201	0.06 27	0.08 77	0.12 93	0.10 31	0.08 24	0.06 20	0.09 149	0.06 39	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 216	0.07 11	0.17 287	0.06 27	0.07 39	0.12 93	0.09 18	0.11 97	0.09 171	0.09 149	0.06 39	0.07 174	0.09 58	0.07 1	0.04 11	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 36	0.11 236	0.15 106	0.06 27	0.07 39	0.13 163	0.09 18	0.11 97	0.07 67	0.08 114	0.06 39	0.05 14	0.09 58	0.07 1	0.05 51	0.05 263	0.05 45	0.04 54	0.03 1	0.04 71

GCAP-Stereo-DPT-24K	0.07 7	0.06 99	0.07 11	0.15 106	0.06 27	0.10 191	0.15 310	0.12 81	0.11 97	0.06 20	0.11 235	0.06 39	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 118	0.13 16	0.05 2	0.08 77	0.11 61	0.06 1	0.06 6	0.06 20	0.05 7	0.08 175	0.05 14	0.08 25	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.05 161	0.04 71

LACA3	0.07 7	0.08 334	0.08 56	0.13 16	0.05 2	0.09 129	0.11 61	0.08 10	0.08 24	0.08 120	0.05 7	0.07 116	0.07 174	0.07 4	0.07 1	0.06 166	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 99	0.08 56	0.17 287	0.06 27	0.08 77	0.12 93	0.13 106	0.07 15	0.08 120	0.07 60	0.06 39	0.04 1	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

LACA2	0.07 7	0.05 36	0.06 5	0.15 106	0.06 27	0.09 129	0.11 61	0.11 54	0.10 66	0.05 2	0.05 7	0.06 39	0.08 222	0.09 58	0.07 1	0.07 328	0.04 25	0.04 1	0.04 54	0.04 48	0.04 71

LACA1	0.07 7	0.07 216	0.07 11	0.14 55	0.05 2	0.09 129	0.11 61	0.10 31	0.07 15	0.05 2	0.05 7	0.06 39	0.07 174	0.08 25	0.09 101	0.06 166	0.04 25	0.04 1	0.04 54	0.03 1	0.04 71

Test_v1	0.07 7	0.04 1	0.06 5	0.13 16	0.06 27	0.08 77	0.11 61	0.15 177	0.12 134	0.06 20	0.05 7	0.04 1	0.05 14	0.08 25	0.10 198	0.07 328	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

BLMT-Stereo	0.07 7	0.04 1	0.08 56	0.15 106	0.07 125	0.06 12	0.14 228	0.07 6	0.10 66	0.05 2	0.05 7	0.04 1	0.06 62	0.07 4	0.09 101	0.04 11	0.04 25	0.05 45	0.05 182	0.04 48	0.04 71

Pro-Stereo	0.07 7	0.05 36	0.08 56	0.15 106	0.07 125	0.08 77	0.12 93	0.07 6	0.07 15	0.06 20	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

MatchStereo	0.07 7	0.04 1	0.08 56	0.14 55	0.06 27	0.05 4	0.12 93	0.12 81	0.09 45	0.07 67	0.06 23	0.04 1	0.04 1	0.08 25	0.09 101	0.06 166	0.05 263	0.05 45	0.03 1	0.04 48	0.04 71
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth_RVC	0.07 7	0.04 1	0.09 118	0.11 1	0.05 2	0.10 191	0.10 32	0.14 136	0.09 45	0.06 20	0.07 60	0.06 39	0.07 174	0.07 4	0.10 198	0.06 166	0.04 25	0.04 1	0.04 54	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 36	0.07 11	0.14 55	0.06 27	0.09 129	0.13 163	0.15 177	0.06 6	0.07 67	0.08 114	0.06 39	0.08 222	0.09 58	0.09 101	0.06 166	0.05 263	0.04 1	0.03 1	0.04 48	0.04 71

VIP-Stereo	0.07 7	0.07 216	0.07 11	0.15 106	0.06 27	0.12 294	0.10 32	0.11 54	0.11 97	0.06 20	0.07 60	0.06 39	0.05 14	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 216	0.08 56	0.18 377	0.06 27	0.07 39	0.11 61	0.09 18	0.06 6	0.04 1	0.07 60	0.10 245	0.09 256	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 54	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 7	0.05 36	0.09 118	0.13 16	0.06 27	0.12 294	0.12 93	0.11 54	0.10 66	0.07 67	0.08 114	0.06 39	0.06 62	0.09 58	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

MonStereo	0.07 7	0.06 99	0.05 1	0.15 106	0.05 2	0.08 77	0.10 32	0.15 177	0.15 232	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 36	0.07 11	0.16 201	0.06 27	0.07 39	0.11 61	0.10 31	0.08 24	0.06 20	0.06 23	0.07 116	0.07 174	0.09 58	0.09 101	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 99	0.05 1	0.15 106	0.05 2	0.08 77	0.10 32	0.15 177	0.15 232	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 118	0.13 16	0.06 27	0.05 4	0.09 18	0.11 54	0.07 15	0.06 20	0.06 23	0.05 5	0.06 62	0.09 58	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.05 161	0.05 200

Replicate-Monster	0.07 7	0.05 36	0.09 118	0.14 55	0.06 27	0.08 77	0.09 18	0.13 106	0.13 175	0.05 2	0.07 60	0.06 39	0.06 62	0.08 25	0.10 198	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

AdaDepth	0.07 7	0.06 99	0.07 11	0.18 377	0.06 27	0.11 242	0.12 93	0.09 18	0.07 15	0.06 20	0.05 7	0.07 116	0.06 62	0.09 58	0.10 198	0.04 11	0.05 263	0.05 45	0.04 54	0.04 48	0.04 71

asda	0.07 7	0.08 334	0.08 56	0.16 201	0.06 27	0.06 12	0.10 32	0.16 215	0.10 66	0.06 20	0.06 23	0.05 5	0.05 14	0.10 120	0.10 198	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

asd	0.07 7	0.08 334	0.07 11	0.16 201	0.07 125	0.08 77	0.08 7	0.11 54	0.08 24	0.07 67	0.07 60	0.06 39	0.06 62	0.10 120	0.09 101	0.03 1	0.03 1	0.04 1	0.04 54	0.04 48	0.03 2

qwe	0.07 7	0.08 334	0.07 11	0.15 106	0.06 27	0.07 39	0.10 32	0.18 287	0.11 97	0.07 67	0.07 60	0.06 39	0.06 62	0.10 120	0.09 101	0.03 1	0.03 1	0.04 1	0.04 54	0.04 48	0.03 2

2.25w	0.07 7	0.06 99	0.07 11	0.14 55	0.06 27	0.08 77	0.08 7	0.10 31	0.15 232	0.08 120	0.10 185	0.07 116	0.06 62	0.08 25	0.10 198	0.05 51	0.03 1	0.04 1	0.04 54	0.03 1	0.04 71

4.25_new	0.07 7	0.08 334	0.09 118	0.15 106	0.06 27	0.09 129	0.08 7	0.14 136	0.08 24	0.07 67	0.07 60	0.06 39	0.06 62	0.12 281	0.10 198	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 334	0.09 118	0.15 106	0.06 27	0.09 129	0.08 7	0.14 136	0.08 24	0.07 67	0.07 60	0.06 39	0.06 62	0.12 281	0.10 198	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 414	0.08 56	0.15 106	0.07 125	0.06 12	0.10 32	0.14 136	0.11 97	0.06 20	0.08 114	0.06 39	0.06 62	0.08 25	0.10 198	0.03 1	0.03 1	0.04 1	0.04 54	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 414	0.08 56	0.15 106	0.07 125	0.06 12	0.10 32	0.14 136	0.11 97	0.06 20	0.08 114	0.06 39	0.06 62	0.08 25	0.10 198	0.03 1	0.03 1	0.04 1	0.04 54	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 334	0.09 118	0.15 106	0.06 27	0.09 129	0.08 7	0.14 136	0.08 24	0.07 67	0.07 60	0.06 39	0.06 62	0.12 281	0.10 198	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 334	0.08 56	0.16 201	0.06 27	0.07 39	0.08 7	0.12 81	0.08 24	0.07 67	0.07 60	0.05 5	0.06 62	0.09 58	0.10 198	0.03 1	0.03 1	0.04 1	0.04 54	0.04 48	0.03 2

2.5w	0.07 7	0.07 216	0.07 11	0.16 201	0.06 27	0.08 77	0.12 93	0.10 31	0.10 66	0.07 67	0.06 23	0.09 210	0.06 62	0.08 25	0.09 101	0.04 11	0.03 1	0.04 1	0.04 54	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 216	0.07 11	0.13 16	0.06 27	0.08 77	0.08 7	0.18 287	0.12 134	0.07 67	0.08 114	0.06 39	0.06 62	0.09 58	0.11 278	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 71

3.25w_new	0.07 7	0.06 99	0.07 11	0.15 106	0.06 27	0.10 191	0.07 3	0.12 81	0.11 97	0.08 120	0.06 23	0.07 116	0.06 62	0.11 188	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 99	0.07 11	0.15 106	0.06 27	0.10 191	0.07 3	0.12 81	0.11 97	0.08 120	0.06 23	0.07 116	0.06 62	0.11 188	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 216	0.08 56	0.16 201	0.07 125	0.07 39	0.09 18	0.16 215	0.09 45	0.07 67	0.06 23	0.05 5	0.06 62	0.09 58	0.10 198	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 216	0.07 11	0.15 106	0.07 125	0.09 129	0.06 1	0.13 106	0.11 97	0.07 67	0.07 60	0.06 39	0.07 174	0.10 120	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 99	0.07 11	0.16 201	0.06 27	0.07 39	0.10 32	0.14 136	0.14 207	0.07 67	0.08 114	0.05 5	0.06 62	0.09 58	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 71

monsterstereo	0.07 7	0.06 99	0.06 5	0.16 201	0.06 27	0.08 77	0.10 32	0.16 215	0.11 97	0.07 67	0.08 114	0.06 39	0.07 174	0.08 25	0.09 101	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

monsters	0.07 7	0.06 99	0.06 5	0.15 106	0.06 27	0.08 77	0.09 18	0.12 81	0.08 24	0.09 171	0.07 60	0.06 39	0.06 62	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 54	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 56	0.13 16	0.06 27	0.09 129	0.12 93	0.14 136	0.10 66	0.06 20	0.09 149	0.07 116	0.05 14	0.09 58	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

111111	0.07 7	0.04 1	0.09 118	0.17 287	0.06 27	0.05 4	0.10 32	0.11 54	0.09 45	0.06 20	0.06 23	0.07 116	0.05 14	0.09 58	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.07 360	0.06 295

LG-Stereo_L2	0.07 7	0.05 36	0.10 182	0.14 55	0.06 27	0.07 39	0.12 93	0.09 18	0.09 45	0.06 20	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.03 2

LG-Stereo_L1	0.07 7	0.05 36	0.11 236	0.14 55	0.06 27	0.07 39	0.13 163	0.09 18	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

MLG-Stereo_test3	0.07 7	0.05 36	0.10 182	0.14 55	0.06 27	0.07 39	0.11 61	0.08 10	0.06 6	0.06 20	0.04 1	0.06 39	0.06 62	0.07 4	0.10 198	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.06 295

MLG-Stereo	0.07 7	0.05 36	0.08 56	0.17 287	0.05 2	0.07 39	0.11 61	0.08 10	0.04 2	0.05 2	0.04 1	0.06 39	0.05 14	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

LG-G_1	0.07 7	0.04 1	0.11 236	0.15 106	0.06 27	0.09 129	0.08 7	0.08 10	0.06 6	0.06 20	0.05 7	0.07 116	0.07 174	0.11 188	0.08 25	0.07 328	0.04 25	0.05 45	0.04 54	0.05 161	0.05 200

LG-G	0.07 7	0.04 1	0.11 236	0.15 106	0.06 27	0.09 129	0.08 7	0.08 10	0.06 6	0.06 20	0.05 7	0.07 116	0.07 174	0.11 188	0.08 25	0.07 328	0.04 25	0.05 45	0.04 54	0.05 161	0.05 200

LGtest1	0.07 7	0.04 1	0.10 182	0.15 106	0.06 27	0.07 39	0.09 18	0.08 10	0.06 6	0.05 2	0.04 1	0.06 39	0.06 62	0.10 120	0.09 101	0.07 328	0.04 25	0.05 45	0.04 54	0.06 281	0.06 295

LG-Stereo_Zeroshot	0.07 7	0.06 99	0.10 182	0.16 201	0.07 125	0.04 1	0.13 163	0.10 31	0.10 66	0.05 2	0.11 235	0.07 116	0.05 14	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

GREAT-IGEV	0.07 7	0.06 99	0.08 56	0.13 16	0.07 125	0.07 39	0.14 228	0.09 18	0.09 45	0.06 20	0.07 60	0.06 39	0.05 14	0.10 120	0.07 1	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 570	0.17 480	0.11 1	0.05 2	0.05 4	0.11 61	0.08 10	0.08 24	0.06 20	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.08 403	0.04 25	0.05 45	0.03 1	0.05 161	0.04 71

AIO_rvc	0.07 7	0.06 99	0.08 56	0.15 106	0.06 27	0.08 77	0.14 228	0.09 18	0.08 24	0.07 67	0.08 114	0.07 116	0.04 1	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

AIO_test	0.07 7	0.05 36	0.07 11	0.15 106	0.07 125	0.06 12	0.14 228	0.10 31	0.10 66	0.07 67	0.07 60	0.06 39	0.05 14	0.08 25	0.10 198	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

MonSter	0.07 7	0.06 99	0.05 1	0.15 106	0.05 2	0.07 39	0.10 32	0.15 177	0.15 232	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 36	0.07 11	0.14 55	0.06 27	0.10 191	0.13 163	0.07 6	0.13 175	0.06 20	0.07 60	0.06 39	0.05 14	0.10 120	0.09 101	0.04 11	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

dual_stereo	0.07 7	0.04 1	0.08 56	0.15 106	0.05 2	0.05 4	0.13 163	0.12 81	0.08 24	0.07 67	0.06 23	0.05 5	0.05 14	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

IGEV-Stereo++	0.07 7	0.06 99	0.08 56	0.18 377	0.06 27	0.04 1	0.10 32	0.11 54	0.11 97	0.06 20	0.07 60	0.07 116	0.06 62	0.09 58	0.09 101	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

IGEV-Stereo+	0.07 7	0.04 1	0.08 56	0.15 106	0.06 27	0.04 1	0.09 18	0.10 31	0.09 45	0.06 20	0.06 23	0.06 39	0.06 62	0.06 1	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.06 281	0.06 295

GCAPDPT-zeroshot4090	0.07 7	0.05 36	0.11 236	0.15 106	0.06 27	0.07 39	0.13 163	0.09 18	0.11 97	0.07 67	0.08 114	0.06 39	0.05 14	0.09 58	0.07 1	0.05 51	0.05 263	0.05 45	0.04 54	0.03 1	0.04 71

Selective-IGEV	0.07 7	0.06 99	0.08 56	0.17 287	0.06 27	0.08 77	0.12 93	0.13 106	0.07 15	0.08 120	0.07 60	0.06 39	0.04 1	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

TS12	0.08 77	0.06 99	0.09 118	0.21 543	0.07 125	0.11 242	0.13 163	0.11 54	0.09 45	0.10 216	0.10 185	0.08 175	0.10 295	0.09 58	0.12 339	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

DF	0.08 77	0.05 36	0.09 118	0.15 106	0.06 27	0.11 242	0.13 163	0.10 31	0.12 134	0.09 171	0.10 185	0.10 245	0.08 222	0.11 188	0.09 101	0.07 328	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

LiteMatch*	0.08 77	0.04 1	0.11 236	0.13 16	0.08 204	0.08 77	0.13 163	0.14 136	0.09 45	0.05 2	0.05 7	0.05 5	0.09 256	0.11 188	0.10 198	0.06 166	0.05 263	0.05 45	0.04 54	0.05 161	0.05 200

aanet-new-90k	0.08 77	0.07 216	0.08 56	0.19 445	0.06 27	0.07 39	0.12 93	0.12 81	0.13 175	0.06 20	0.07 60	0.06 39	0.06 62	0.10 120	0.07 1	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.03 2

aanet-new-36k	0.08 77	0.06 99	0.09 118	0.17 287	0.06 27	0.09 129	0.13 163	0.11 54	0.13 175	0.08 120	0.08 114	0.06 39	0.05 14	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

aanet-new-34k	0.08 77	0.06 99	0.09 118	0.17 287	0.05 2	0.07 39	0.13 163	0.12 81	0.12 134	0.09 171	0.08 114	0.07 116	0.05 14	0.10 120	0.09 101	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

aanet-32k-new	0.08 77	0.07 216	0.08 56	0.18 377	0.06 27	0.08 77	0.12 93	0.11 54	0.12 134	0.07 67	0.08 114	0.05 5	0.07 174	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.06 281	0.04 71

aanet-new-32k	0.08 77	0.07 216	0.09 118	0.18 377	0.06 27	0.11 242	0.11 61	0.10 31	0.08 24	0.07 67	0.07 60	0.07 116	0.06 62	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

aanet-new-30k	0.08 77	0.07 216	0.09 118	0.18 377	0.06 27	0.11 242	0.11 61	0.10 31	0.08 24	0.07 67	0.07 60	0.07 116	0.06 62	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

aanet-new-28k	0.08 77	0.07 216	0.09 118	0.18 377	0.06 27	0.08 77	0.12 93	0.10 31	0.09 45	0.09 171	0.08 114	0.08 175	0.06 62	0.12 281	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

aanet-new-22k	0.08 77	0.06 99	0.09 118	0.17 287	0.06 27	0.08 77	0.11 61	0.14 136	0.12 134	0.09 171	0.09 149	0.08 175	0.06 62	0.10 120	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

aanet-new-16k	0.08 77	0.08 334	0.08 56	0.18 377	0.06 27	0.07 39	0.09 18	0.13 106	0.12 134	0.08 120	0.07 60	0.07 116	0.06 62	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.05 161	0.03 2

aanet-new-10k	0.08 77	0.08 334	0.08 56	0.19 445	0.07 125	0.08 77	0.12 93	0.14 136	0.11 97	0.07 67	0.08 114	0.07 116	0.07 174	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

aanet-new-12k	0.08 77	0.09 414	0.07 11	0.20 511	0.08 204	0.08 77	0.13 163	0.12 81	0.13 175	0.08 120	0.08 114	0.05 5	0.07 174	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.06 281	0.04 71

aanet-new-14k	0.08 77	0.09 414	0.08 56	0.19 445	0.06 27	0.07 39	0.10 32	0.14 136	0.15 232	0.06 20	0.08 114	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

aanet-new-8k	0.08 77	0.07 216	0.08 56	0.19 445	0.07 125	0.09 129	0.12 93	0.16 215	0.15 232	0.07 67	0.07 60	0.06 39	0.06 62	0.10 120	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

aanet-new	0.08 77	0.09 414	0.10 182	0.18 377	0.08 204	0.10 191	0.12 93	0.15 177	0.12 134	0.08 120	0.08 114	0.05 5	0.07 174	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.06 281	0.04 71

GCAP-Stereo-cres-4k	0.08 77	0.07 216	0.08 56	0.18 377	0.07 125	0.11 242	0.14 228	0.12 81	0.11 97	0.07 67	0.11 235	0.07 116	0.06 62	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

GCAP-Stereo-DPT-cres	0.08 77	0.05 36	0.07 11	0.15 106	0.06 27	0.10 191	0.14 228	0.13 106	0.12 134	0.07 67	0.09 149	0.07 116	0.06 62	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 77	0.06 99	0.15 414	0.14 55	0.06 27	0.08 77	0.13 163	0.13 106	0.11 97	0.07 67	0.08 114	0.07 116	0.06 62	0.09 58	0.08 25	0.05 51	0.05 263	0.05 45	0.04 54	0.03 1	0.04 71

GCAP-Stereo-DPT-22K	0.08 77	0.06 99	0.07 11	0.17 287	0.06 27	0.07 39	0.14 228	0.13 106	0.16 269	0.05 2	0.10 185	0.06 39	0.06 62	0.08 25	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

GCAP-Stereo-DPT-5K	0.08 77	0.06 99	0.10 182	0.16 201	0.07 125	0.11 242	0.12 93	0.15 177	0.15 232	0.08 120	0.12 256	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.05 182	0.03 1	0.04 71

GCAP-Stereo-DPT-2K	0.08 77	0.06 99	0.10 182	0.16 201	0.07 125	0.11 242	0.13 163	0.14 136	0.14 207	0.08 120	0.13 274	0.05 5	0.06 62	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

GCAP-Stereo-DPT-3K	0.08 77	0.07 216	0.10 182	0.16 201	0.07 125	0.09 129	0.12 93	0.15 177	0.14 207	0.08 120	0.11 235	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

GCAP-Stereo-DPT-50K	0.08 77	0.06 99	0.17 480	0.15 106	0.06 27	0.06 12	0.13 163	0.13 106	0.13 175	0.07 67	0.07 60	0.06 39	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 77	0.06 99	0.07 11	0.16 201	0.06 27	0.06 12	0.14 228	0.14 136	0.14 207	0.07 67	0.10 185	0.06 39	0.05 14	0.09 58	0.09 101	0.04 11	0.04 25	0.04 1	0.04 54	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 77	0.05 36	0.12 279	0.15 106	0.06 27	0.10 191	0.14 228	0.12 81	0.12 134	0.07 67	0.09 149	0.06 39	0.06 62	0.10 120	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

PSi22	0.08 77	0.06 99	0.11 236	0.16 201	0.07 125	0.08 77	0.10 32	0.14 136	0.08 24	0.08 120	0.06 23	0.10 245	0.06 62	0.12 281	0.09 101	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 71

Foundation-i1c-attn	0.08 77	0.05 36	0.07 11	0.14 55	0.05 2	0.09 129	0.12 93	0.12 81	0.10 66	0.09 171	0.10 185	0.10 245	0.07 174	0.07 4	0.10 198	0.06 166	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

Foundation-i1b	0.08 77	0.05 36	0.07 11	0.14 55	0.05 2	0.09 129	0.12 93	0.13 106	0.10 66	0.09 171	0.10 185	0.09 210	0.06 62	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

Foundation-i1a	0.08 77	0.05 36	0.07 11	0.13 16	0.05 2	0.13 345	0.13 163	0.12 81	0.09 45	0.11 251	0.11 235	0.11 275	0.06 62	0.08 25	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

DepthFocus	0.08 77	0.04 1	0.15 414	0.12 5	0.09 329	0.07 39	0.12 93	0.10 31	0.05 4	0.09 171	0.05 7	0.07 116	0.04 1	0.08 25	0.08 25	0.06 166	0.05 263	0.07 289	0.07 369	0.05 161	0.04 71

GeoVLM	0.08 77	0.04 1	0.10 182	0.13 16	0.06 27	0.10 191	0.12 93	0.13 106	0.08 24	0.06 20	0.07 60	0.06 39	0.08 222	0.10 120	0.11 278	0.06 166	0.05 263	0.04 1	0.03 1	0.04 48	0.05 200

gcap_with_dpt	0.08 77	0.06 99	0.09 118	0.16 201	0.07 125	0.09 129	0.12 93	0.13 106	0.13 175	0.08 120	0.12 256	0.04 1	0.06 62	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

DispViT+	0.08 77	0.05 36	0.09 118	0.13 16	0.06 27	0.05 4	0.11 61	0.18 287	0.16 269	0.09 171	0.08 114	0.07 116	0.06 62	0.11 188	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 77	0.04 1	0.11 236	0.14 55	0.07 125	0.11 242	0.11 61	0.11 54	0.07 15	0.07 67	0.07 60	0.07 116	0.06 62	0.10 120	0.10 198	0.06 166	0.04 25	0.05 45	0.04 54	0.06 281	0.06 295

BStereo	0.08 77	0.06 99	0.16 450	0.15 106	0.08 204	0.07 39	0.09 18	0.15 177	0.16 269	0.06 20	0.07 60	0.07 116	0.05 14	0.09 58	0.11 278	0.04 11	0.05 263	0.05 45	0.07 369	0.04 48	0.04 71

MonSter++	0.08 77	0.04 1	0.10 182	0.13 16	0.06 27	0.09 129	0.12 93	0.13 106	0.08 24	0.06 20	0.07 60	0.06 39	0.08 222	0.10 120	0.11 278	0.06 166	0.05 263	0.04 1	0.03 1	0.04 48	0.04 71

HiDET	0.08 77	0.04 1	0.10 182	0.13 16	0.06 27	0.08 77	0.12 93	0.12 81	0.11 97	0.06 20	0.07 60	0.07 116	0.07 174	0.11 188	0.11 278	0.06 166	0.04 25	0.04 1	0.03 1	0.04 48	0.04 71

LCMNet	0.08 77	0.05 36	0.10 182	0.13 16	0.07 125	0.09 129	0.12 93	0.10 31	0.11 97	0.06 20	0.08 114	0.06 39	0.07 174	0.11 188	0.10 198	0.06 166	0.05 263	0.04 1	0.03 1	0.04 48	0.04 71

GEAStereo	0.08 77	0.05 36	0.08 56	0.13 16	0.08 204	0.08 77	0.14 228	0.10 31	0.09 45	0.08 120	0.10 185	0.06 39	0.05 14	0.11 188	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.05 200

GSStereo	0.08 77	0.05 36	0.08 56	0.13 16	0.08 204	0.08 77	0.14 228	0.11 54	0.12 134	0.08 120	0.10 185	0.05 5	0.05 14	0.11 188	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.05 200

gasm-f	0.08 77	0.05 36	0.07 11	0.13 16	0.08 204	0.08 77	0.14 228	0.10 31	0.09 45	0.08 120	0.10 185	0.06 39	0.05 14	0.10 120	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.06 281	0.05 200

DDF-Stereo	0.08 77	0.04 1	0.09 118	0.15 106	0.10 441	0.06 12	0.13 163	0.09 18	0.14 207	0.06 20	0.06 23	0.07 116	0.06 62	0.09 58	0.10 198	0.06 166	0.04 25	0.06 180	0.04 54	0.08 424	0.05 200

252Zero-FE	0.08 77	0.04 1	0.09 118	0.13 16	0.07 125	0.12 294	0.11 61	0.13 106	0.14 207	0.06 20	0.05 7	0.06 39	0.05 14	0.09 58	0.10 198	0.06 166	0.04 25	0.04 1	0.03 1	0.05 161	0.06 295

DA	0.08 77	0.07 216	0.07 11	0.19 445	0.08 204	0.09 129	0.12 93	0.13 106	0.12 134	0.08 120	0.10 185	0.10 245	0.08 222	0.09 58	0.10 198	0.05 51	0.04 25	0.06 180	0.04 54	0.05 161	0.03 2

zero-FE	0.08 77	0.04 1	0.09 118	0.15 106	0.10 441	0.05 4	0.14 228	0.09 18	0.14 207	0.07 67	0.06 23	0.07 116	0.06 62	0.09 58	0.10 198	0.06 166	0.04 25	0.06 180	0.04 54	0.08 424	0.05 200

GGEV	0.08 77	0.07 216	0.07 11	0.19 445	0.08 204	0.09 129	0.12 93	0.13 106	0.12 134	0.08 120	0.10 185	0.10 245	0.08 222	0.09 58	0.10 198	0.05 51	0.04 25	0.06 180	0.04 54	0.05 161	0.03 2

GASTEREO	0.08 77	0.05 36	0.09 118	0.19 445	0.07 125	0.07 39	0.12 93	0.14 136	0.11 97	0.10 216	0.09 149	0.07 116	0.04 1	0.12 281	0.08 25	0.06 166	0.05 263	0.05 45	0.04 54	0.04 48	0.05 200

MSCF	0.08 77	0.05 36	0.08 56	0.19 445	0.08 204	0.06 12	0.12 93	0.14 136	0.11 97	0.10 216	0.09 149	0.07 116	0.04 1	0.11 188	0.08 25	0.06 166	0.05 263	0.05 45	0.04 54	0.05 161	0.05 200

S2M2_XL	0.08 77	0.06 99	0.12 279	0.12 5	0.08 204	0.09 129	0.09 18	0.07 6	0.07 15	0.08 120	0.07 60	0.07 116	0.06 62	0.09 58	0.09 101	0.08 403	0.06 406	0.07 289	0.05 182	0.08 424	0.06 295
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 77	0.09 414	0.10 182	0.17 287	0.07 125	0.08 77	0.10 32	0.20 328	0.13 175	0.06 20	0.07 60	0.05 5	0.06 62	0.08 25	0.09 101	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 77	0.08 334	0.09 118	0.16 201	0.06 27	0.08 77	0.10 32	0.20 328	0.15 232	0.08 120	0.07 60	0.06 39	0.06 62	0.06 1	0.09 101	0.04 11	0.03 1	0.04 1	0.04 54	0.03 1	0.03 2

LG-Stereo	0.08 77	0.07 216	0.10 182	0.18 377	0.07 125	0.10 191	0.17 420	0.11 54	0.08 24	0.05 2	0.07 60	0.05 5	0.07 174	0.09 58	0.09 101	0.04 11	0.05 263	0.07 289	0.07 369	0.04 48	0.04 71

SGD-Stereo	0.08 77	0.05 36	0.10 182	0.14 55	0.05 2	0.12 294	0.12 93	0.11 54	0.12 134	0.07 67	0.09 149	0.09 210	0.09 256	0.08 25	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.03 2

HART	0.08 77	0.07 216	0.09 118	0.17 287	0.07 125	0.10 191	0.16 379	0.13 106	0.11 97	0.08 120	0.10 185	0.07 116	0.05 14	0.10 120	0.08 25	0.05 51	0.04 25	0.06 180	0.04 54	0.05 161	0.04 71

Reg-Stereo(zero)	0.08 77	0.05 36	0.08 56	0.16 201	0.06 27	0.12 294	0.11 61	0.15 177	0.10 66	0.12 292	0.09 149	0.10 245	0.08 222	0.11 188	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

SCV_C0	0.08 77	0.07 216	0.07 11	0.16 201	0.09 329	0.08 77	0.15 310	0.11 54	0.12 134	0.08 120	0.07 60	0.06 39	0.05 14	0.11 188	0.07 1	0.05 51	0.05 263	0.05 45	0.04 54	0.06 281	0.05 200

SCV	0.08 77	0.09 414	0.08 56	0.15 106	0.08 204	0.10 191	0.13 163	0.10 31	0.12 134	0.07 67	0.07 60	0.06 39	0.04 1	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.04 54	0.06 281	0.04 71

DEFOM-Stereo_RVC	0.08 77	0.06 99	0.09 118	0.22 560	0.06 27	0.08 77	0.12 93	0.10 31	0.10 66	0.07 67	0.07 60	0.06 39	0.05 14	0.11 188	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.06 281	0.04 71

HUF	0.08 77	0.05 36	0.08 56	0.14 55	0.06 27	0.09 129	0.13 163	0.13 106	0.13 175	0.07 67	0.07 60	0.08 175	0.06 62	0.10 120	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

castereo++	0.08 77	0.05 36	0.08 56	0.15 106	0.05 2	0.14 379	0.12 93	0.11 54	0.15 232	0.07 67	0.07 60	0.07 116	0.06 62	0.08 25	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

IGEV-RUCA	0.08 77	0.06 99	0.11 236	0.14 55	0.09 329	0.10 191	0.12 93	0.10 31	0.12 134	0.06 20	0.07 60	0.07 116	0.06 62	0.09 58	0.08 25	0.06 166	0.05 263	0.05 45	0.04 54	0.05 161	0.06 295

GIP-stereo	0.08 77	0.06 99	0.11 236	0.14 55	0.06 27	0.09 129	0.13 163	0.14 136	0.11 97	0.07 67	0.08 114	0.05 5	0.04 1	0.10 120	0.07 1	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

SMoEStereo_RVC	0.08 77	0.06 99	0.12 279	0.16 201	0.07 125	0.09 129	0.14 228	0.11 54	0.13 175	0.09 171	0.07 60	0.07 116	0.07 174	0.12 281	0.10 198	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

WCG-NET	0.08 77	0.05 36	0.09 118	0.15 106	0.06 27	0.11 242	0.14 228	0.13 106	0.13 175	0.06 20	0.09 149	0.07 116	0.06 62	0.13 333	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

Occ-G	0.08 77	0.05 36	0.06 5	0.14 55	0.07 125	0.08 77	0.14 228	0.13 106	0.15 232	0.07 67	0.11 235	0.07 116	0.05 14	0.09 58	0.10 198	0.06 166	0.05 263	0.05 45	0.04 54	0.05 161	0.05 200

U	0.08 77	0.07 216	0.09 118	0.19 445	0.10 441	0.10 191	0.13 163	0.12 81	0.17 298	0.07 67	0.07 60	0.06 39	0.05 14	0.07 4	0.08 25	0.06 166	0.04 25	0.06 180	0.04 54	0.06 281	0.05 200

AIO-Stereo	0.08 77	0.06 99	0.09 118	0.18 377	0.06 27	0.08 77	0.12 93	0.15 177	0.09 45	0.08 120	0.08 114	0.07 116	0.05 14	0.11 188	0.08 25	0.05 51	0.05 263	0.05 45	0.04 54	0.04 48	0.04 71

WCG-NET（raft）	0.08 77	0.05 36	0.10 182	0.15 106	0.06 27	0.11 242	0.13 163	0.15 177	0.12 134	0.08 120	0.07 60	0.06 39	0.06 62	0.13 333	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

RSM++	0.08 77	0.06 99	0.09 118	0.17 287	0.07 125	0.09 129	0.12 93	0.11 54	0.11 97	0.08 120	0.06 23	0.07 116	0.05 14	0.10 120	0.09 101	0.04 11	0.04 25	0.06 180	0.05 182	0.05 161	0.03 2

RSM	0.08 77	0.06 99	0.09 118	0.17 287	0.06 27	0.08 77	0.12 93	0.12 81	0.10 66	0.08 120	0.07 60	0.06 39	0.05 14	0.11 188	0.09 101	0.04 11	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

gcap-zeroshot	0.08 77	0.06 99	0.10 182	0.15 106	0.07 125	0.11 242	0.12 93	0.15 177	0.15 232	0.08 120	0.12 256	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.05 182	0.03 1	0.04 71

test_for_model	0.08 77	0.06 99	0.10 182	0.16 201	0.07 125	0.11 242	0.12 93	0.15 177	0.15 232	0.08 120	0.12 256	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.05 182	0.03 1	0.04 71

trnet	0.08 77	0.05 36	0.07 11	0.12 5	0.05 2	0.12 294	0.11 61	0.13 106	0.10 66	0.08 120	0.13 274	0.09 210	0.08 222	0.11 188	0.10 198	0.08 403	0.05 263	0.05 45	0.03 1	0.06 281	0.05 200

MoCha-V2	0.08 77	0.05 36	0.10 182	0.20 511	0.07 125	0.09 129	0.14 228	0.11 54	0.08 24	0.07 67	0.08 114	0.07 116	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

IGEV++	0.08 77	0.06 99	0.08 56	0.18 377	0.07 125	0.09 129	0.13 163	0.10 31	0.09 45	0.08 120	0.08 114	0.06 39	0.06 62	0.13 333	0.09 101	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

testlalala	0.08 77	0.06 99	0.10 182	0.15 106	0.07 125	0.11 242	0.12 93	0.15 177	0.15 232	0.08 120	0.12 256	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.05 182	0.03 1	0.04 71

AEACV	0.08 77	0.05 36	0.08 56	0.14 55	0.13 548	0.14 379	0.13 163	0.14 136	0.09 45	0.07 67	0.09 149	0.07 116	0.08 222	0.10 120	0.09 101	0.06 166	0.04 25	0.06 180	0.05 182	0.05 161	0.04 71

LoS_RVC	0.08 77	0.05 36	0.07 11	0.15 106	0.07 125	0.08 77	0.15 310	0.11 54	0.10 66	0.08 120	0.09 149	0.06 39	0.09 256	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.03 2

CAS	0.08 77	0.04 1	0.07 11	0.17 287	0.08 204	0.10 191	0.13 163	0.12 81	0.09 45	0.09 171	0.10 185	0.08 175	0.06 62	0.09 58	0.08 25	0.08 403	0.04 25	0.05 45	0.03 1	0.05 161	0.04 71

CES	0.08 77	0.04 1	0.08 56	0.14 55	0.07 125	0.09 129	0.14 228	0.11 54	0.09 45	0.08 120	0.09 149	0.11 275	0.06 62	0.12 281	0.08 25	0.06 166	0.04 25	0.05 45	0.03 1	0.05 161	0.05 200

EGLCR-Stereo	0.08 77	0.05 36	0.08 56	0.14 55	0.06 27	0.10 191	0.12 93	0.11 54	0.16 269	0.06 20	0.05 7	0.07 116	0.05 14	0.10 120	0.11 278	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

MC-Stereo	0.08 77	0.06 99	0.09 118	0.17 287	0.06 27	0.10 191	0.14 228	0.12 81	0.10 66	0.09 171	0.12 256	0.09 210	0.06 62	0.11 188	0.10 198	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

test-3	0.08 77	0.06 99	0.09 118	0.17 287	0.07 125	0.07 39	0.14 228	0.12 81	0.15 232	0.09 171	0.08 114	0.07 116	0.08 222	0.11 188	0.10 198	0.05 51	0.04 25	0.07 289	0.05 182	0.04 48	0.04 71

test_1	0.08 77	0.06 99	0.09 118	0.17 287	0.07 125	0.07 39	0.14 228	0.12 81	0.15 232	0.09 171	0.08 114	0.07 116	0.08 222	0.11 188	0.10 198	0.05 51	0.04 25	0.07 289	0.05 182	0.04 48	0.04 71

CREStereo++_RVC	0.08 77	0.04 1	0.06 5	0.13 16	0.07 125	0.09 129	0.12 93	0.14 136	0.14 207	0.10 216	0.14 288	0.08 175	0.07 174	0.09 58	0.11 278	0.06 166	0.04 25	0.05 45	0.05 182	0.04 48	0.04 71
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
RT-Monster	0.09 164	0.05 36	0.09 118	0.14 55	0.08 204	0.11 242	0.10 32	0.17 254	0.18 329	0.13 322	0.10 185	0.09 210	0.08 222	0.10 120	0.10 198	0.07 328	0.05 263	0.05 45	0.04 54	0.05 161	0.06 295

LiteMatch	0.09 164	0.06 99	0.10 182	0.16 201	0.07 125	0.09 129	0.15 310	0.13 106	0.08 24	0.06 20	0.07 60	0.06 39	0.15 441	0.10 120	0.14 418	0.07 328	0.04 25	0.06 180	0.06 272	0.06 281	0.06 295

Foundation-i1	0.09 164	0.04 1	0.10 182	0.14 55	0.06 27	0.10 191	0.13 163	0.16 215	0.14 207	0.10 216	0.10 185	0.11 275	0.07 174	0.07 4	0.10 198	0.06 166	0.04 25	0.05 45	0.05 182	0.05 161	0.05 200

VMStereo-Base	0.09 164	0.05 36	0.10 182	0.13 16	0.07 125	0.10 191	0.10 32	0.16 215	0.13 175	0.10 216	0.15 305	0.10 245	0.09 256	0.11 188	0.10 198	0.07 328	0.05 263	0.05 45	0.04 54	0.05 161	0.06 295

Wave_Phase_stereo	0.09 164	0.06 99	0.16 450	0.15 106	0.08 204	0.11 242	0.09 18	0.18 287	0.16 269	0.06 20	0.07 60	0.07 116	0.05 14	0.09 58	0.11 278	0.04 11	0.05 263	0.05 45	0.07 369	0.04 48	0.04 71

NLSM3	0.09 164	0.06 99	0.08 56	0.19 445	0.08 204	0.11 242	0.16 379	0.18 287	0.16 269	0.06 20	0.08 114	0.07 116	0.08 222	0.09 58	0.11 278	0.04 11	0.04 25	0.06 180	0.07 369	0.03 1	0.03 2

FE-Mocha	0.09 164	0.06 99	0.14 366	0.16 201	0.09 329	0.10 191	0.15 310	0.18 287	0.16 269	0.10 216	0.09 149	0.07 116	0.07 174	0.09 58	0.09 101	0.06 166	0.04 25	0.06 180	0.06 272	0.05 161	0.05 200

IGEV-FE	0.09 164	0.05 36	0.12 279	0.13 16	0.08 204	0.12 294	0.13 163	0.17 254	0.11 97	0.10 216	0.06 23	0.09 210	0.06 62	0.11 188	0.09 101	0.06 166	0.04 25	0.06 180	0.06 272	0.05 161	0.05 200

water-stereo	0.09 164	0.06 99	0.08 56	0.16 201	0.07 125	0.09 129	0.13 163	0.15 177	0.13 175	0.11 251	0.12 256	0.08 175	0.09 256	0.07 4	0.08 25	0.06 166	0.05 263	0.05 45	0.05 182	0.04 48	0.04 71

depthmonostereo	0.09 164	0.06 99	0.09 118	0.15 106	0.06 27	0.10 191	0.13 163	0.14 136	0.14 207	0.10 216	0.10 185	0.09 210	0.11 328	0.08 25	0.09 101	0.06 166	0.05 263	0.06 180	0.04 54	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 164	0.05 36	0.08 56	0.15 106	0.06 27	0.11 242	0.12 93	0.14 136	0.16 269	0.11 251	0.11 235	0.09 210	0.09 256	0.11 188	0.10 198	0.06 166	0.05 263	0.05 45	0.04 54	0.03 1	0.03 2

S2M2_L	0.09 164	0.08 334	0.11 236	0.13 16	0.10 441	0.08 77	0.06 1	0.10 31	0.10 66	0.10 216	0.09 149	0.10 245	0.09 256	0.11 188	0.11 278	0.13 586	0.07 478	0.08 383	0.09 489	0.10 520	0.08 447
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 164	0.06 99	0.09 118	0.19 445	0.08 204	0.12 294	0.18 469	0.15 177	0.14 207	0.07 67	0.10 185	0.07 116	0.06 62	0.12 281	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.03 2

castereo	0.09 164	0.06 99	0.11 236	0.15 106	0.06 27	0.11 242	0.15 310	0.14 136	0.18 329	0.08 120	0.10 185	0.11 275	0.08 222	0.09 58	0.10 198	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

fffft	0.09 164	0.06 99	0.12 279	0.16 201	0.07 125	0.09 129	0.17 420	0.12 81	0.11 97	0.08 120	0.07 60	0.09 210	0.06 62	0.11 188	0.12 339	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.05 200
1: 1. 1
tt45	0.09 164	0.06 99	0.11 236	0.15 106	0.07 125	0.11 242	0.16 379	0.13 106	0.11 97	0.09 171	0.06 23	0.08 175	0.06 62	0.13 333	0.10 198	0.06 166	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

999	0.09 164	0.05 36	0.13 329	0.15 106	0.08 204	0.10 191	0.14 228	0.15 177	0.11 97	0.10 216	0.08 114	0.08 175	0.08 222	0.16 421	0.10 198	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.05 200

mms	0.09 164	0.07 216	0.08 56	0.16 201	0.08 204	0.10 191	0.16 379	0.12 81	0.11 97	0.08 120	0.09 149	0.08 175	0.06 62	0.11 188	0.12 339	0.05 51	0.04 25	0.07 289	0.05 182	0.04 48	0.03 2

ours_stereo	0.09 164	0.07 216	0.09 118	0.17 287	0.08 204	0.11 242	0.16 379	0.11 54	0.12 134	0.08 120	0.10 185	0.08 175	0.06 62	0.12 281	0.12 339	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.03 2

fffy	0.09 164	0.08 334	0.09 118	0.16 201	0.07 125	0.13 345	0.17 420	0.13 106	0.12 134	0.08 120	0.09 149	0.08 175	0.09 256	0.13 333	0.11 278	0.05 51	0.05 263	0.07 289	0.05 182	0.04 48	0.05 200

PAM_32	0.09 164	0.05 36	0.17 480	0.15 106	0.08 204	0.10 191	0.15 310	0.14 136	0.15 232	0.09 171	0.08 114	0.09 210	0.07 174	0.14 362	0.08 25	0.06 166	0.05 263	0.06 180	0.06 272	0.05 161	0.06 295

UGAM-zero	0.09 164	0.05 36	0.15 414	0.15 106	0.08 204	0.09 129	0.13 163	0.19 317	0.15 232	0.11 251	0.15 305	0.07 116	0.07 174	0.09 58	0.09 101	0.06 166	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

GCAP-BAT	0.09 164	0.05 36	0.11 236	0.13 16	0.07 125	0.11 242	0.14 228	0.14 136	0.16 269	0.07 67	0.10 185	0.08 175	0.06 62	0.13 333	0.08 25	0.07 328	0.05 263	0.05 45	0.05 182	0.04 48	0.04 71

Pointernet	0.09 164	0.04 1	0.09 118	0.16 201	0.08 204	0.13 345	0.10 32	0.15 177	0.17 298	0.09 171	0.07 60	0.06 39	0.06 62	0.11 188	0.09 101	0.08 403	0.04 25	0.05 45	0.03 1	0.06 281	0.05 200

IGEV-BASED-STEREO-	0.09 164	0.10 476	0.31 589	0.15 106	0.06 27	0.08 77	0.14 228	0.10 31	0.10 66	0.07 67	0.07 60	0.06 39	0.04 1	0.11 188	0.07 1	0.12 560	0.04 25	0.07 289	0.05 182	0.05 161	0.05 200

RAFT-Stereo-weight	0.09 164	0.06 99	0.10 182	0.16 201	0.07 125	0.09 129	0.14 228	0.19 317	0.16 269	0.11 251	0.10 185	0.08 175	0.06 62	0.10 120	0.11 278	0.06 166	0.04 25	0.06 180	0.04 54	0.04 48	0.04 71

MGS-Stereo	0.09 164	0.07 216	0.12 279	0.15 106	0.08 204	0.09 129	0.15 310	0.12 81	0.12 134	0.07 67	0.10 185	0.08 175	0.06 62	0.10 120	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.06 281	0.05 200

ff7	0.09 164	0.07 216	0.11 236	0.16 201	0.09 329	0.11 242	0.15 310	0.16 215	0.12 134	0.10 216	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

IGEVStereo-DCA	0.09 164	0.06 99	0.11 236	0.15 106	0.10 441	0.11 242	0.15 310	0.16 215	0.12 134	0.10 216	0.06 23	0.08 175	0.06 62	0.10 120	0.08 25	0.06 166	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

ffff	0.09 164	0.07 216	0.11 236	0.16 201	0.09 329	0.11 242	0.15 310	0.16 215	0.12 134	0.10 216	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

rrr	0.09 164	0.06 99	0.12 279	0.15 106	0.10 441	0.11 242	0.16 379	0.16 215	0.15 232	0.10 216	0.06 23	0.08 175	0.06 62	0.10 120	0.08 25	0.06 166	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

11t	0.09 164	0.07 216	0.11 236	0.16 201	0.09 329	0.11 242	0.15 310	0.16 215	0.12 134	0.10 216	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

MaDis-Stereo	0.09 164	0.09 414	0.08 56	0.17 287	0.09 329	0.13 345	0.10 32	0.16 215	0.16 269	0.09 171	0.11 235	0.06 39	0.06 62	0.09 58	0.13 381	0.07 328	0.06 406	0.07 289	0.05 182	0.05 161	0.04 71

IGEV_Zeroshot_test	0.09 164	0.05 36	0.12 279	0.13 16	0.08 204	0.12 294	0.13 163	0.17 254	0.11 97	0.10 216	0.06 23	0.09 210	0.06 62	0.11 188	0.09 101	0.06 166	0.04 25	0.06 180	0.06 272	0.05 161	0.05 200

MSKI-zero shot	0.09 164	0.05 36	0.09 118	0.15 106	0.07 125	0.10 191	0.13 163	0.14 136	0.13 175	0.09 171	0.09 149	0.09 210	0.06 62	0.12 281	0.10 198	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

UniTT-Stereo	0.09 164	0.07 216	0.08 56	0.18 377	0.08 204	0.13 345	0.11 61	0.12 81	0.11 97	0.10 216	0.12 256	0.05 5	0.07 174	0.09 58	0.09 101	0.07 328	0.05 263	0.05 45	0.05 182	0.05 161	0.05 200

MIM_Stereo	0.09 164	0.07 216	0.11 236	0.15 106	0.07 125	0.06 12	0.12 93	0.20 328	0.14 207	0.13 322	0.13 274	0.09 210	0.05 14	0.12 281	0.08 25	0.05 51	0.06 406	0.07 289	0.06 272	0.06 281	0.05 200

CASnet	0.09 164	0.09 414	0.09 118	0.19 445	0.06 27	0.07 39	0.11 61	0.18 287	0.14 207	0.11 251	0.10 185	0.09 210	0.07 174	0.10 120	0.10 198	0.06 166	0.04 25	0.10 514	0.08 442	0.05 161	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 164	0.05 36	0.11 236	0.13 16	0.07 125	0.11 242	0.14 228	0.14 136	0.16 269	0.07 67	0.10 185	0.08 175	0.06 62	0.13 333	0.08 25	0.07 328	0.05 263	0.05 45	0.05 182	0.04 48	0.04 71

GCAP-Stereo	0.09 164	0.07 216	0.13 329	0.18 377	0.06 27	0.11 242	0.07 3	0.13 106	0.12 134	0.09 171	0.10 185	0.07 116	0.09 256	0.13 333	0.10 198	0.06 166	0.05 263	0.05 45	0.04 54	0.04 48	0.05 200

RAFT-Test	0.09 164	0.06 99	0.10 182	0.15 106	0.07 125	0.11 242	0.15 310	0.16 215	0.13 175	0.09 171	0.10 185	0.10 245	0.09 256	0.12 281	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

HH	0.09 164	0.06 99	0.13 329	0.17 287	0.08 204	0.10 191	0.16 379	0.14 136	0.10 66	0.08 120	0.09 149	0.08 175	0.07 174	0.10 120	0.09 101	0.06 166	0.04 25	0.06 180	0.05 182	0.05 161	0.04 71

HanStereo	0.09 164	0.06 99	0.13 329	0.17 287	0.08 204	0.10 191	0.16 379	0.14 136	0.10 66	0.08 120	0.09 149	0.08 175	0.07 174	0.10 120	0.09 101	0.06 166	0.04 25	0.06 180	0.05 182	0.05 161	0.04 71

4D-IteraStereo	0.09 164	0.07 216	0.10 182	0.18 377	0.07 125	0.09 129	0.15 310	0.17 254	0.15 232	0.10 216	0.11 235	0.10 245	0.07 174	0.11 188	0.09 101	0.05 51	0.03 1	0.08 383	0.07 369	0.06 281	0.05 200

anonymousdsp	0.09 164	0.07 216	0.11 236	0.16 201	0.09 329	0.11 242	0.15 310	0.16 215	0.12 134	0.09 171	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

LoS	0.09 164	0.05 36	0.11 236	0.13 16	0.07 125	0.14 379	0.11 61	0.15 177	0.15 232	0.09 171	0.09 149	0.12 295	0.09 256	0.15 386	0.10 198	0.07 328	0.05 263	0.05 45	0.03 1	0.05 161	0.05 200
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 164	0.07 216	0.10 182	0.17 287	0.08 204	0.10 191	0.15 310	0.15 177	0.12 134	0.09 171	0.06 23	0.07 116	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.06 295

RCA-Stereo	0.09 164	0.06 99	0.09 118	0.16 201	0.06 27	0.09 129	0.13 163	0.18 287	0.14 207	0.09 171	0.10 185	0.08 175	0.07 174	0.12 281	0.11 278	0.06 166	0.04 25	0.06 180	0.05 182	0.05 161	0.04 71

CroCo-Stereo Lap2	0.09 164	0.09 414	0.08 56	0.22 560	0.09 329	0.09 129	0.19 509	0.16 215	0.12 134	0.09 171	0.10 185	0.05 5	0.05 14	0.08 25	0.08 25	0.06 166	0.06 406	0.07 289	0.05 182	0.05 161	0.05 200

ccc-4	0.09 164	0.07 216	0.11 236	0.16 201	0.09 329	0.11 242	0.15 310	0.16 215	0.12 134	0.10 216	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

IGEV-Stereo	0.09 164	0.07 216	0.11 236	0.16 201	0.09 329	0.11 242	0.15 310	0.16 215	0.12 134	0.09 171	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 164	0.05 36	0.13 329	0.14 55	0.08 204	0.12 294	0.15 310	0.18 287	0.10 66	0.11 251	0.08 114	0.08 175	0.05 14	0.10 120	0.09 101	0.06 166	0.04 25	0.06 180	0.05 182	0.06 281	0.05 200

TRStereo	0.09 164	0.05 36	0.12 279	0.15 106	0.12 525	0.10 191	0.13 163	0.18 287	0.18 329	0.09 171	0.09 149	0.09 210	0.06 62	0.10 120	0.08 25	0.07 328	0.05 263	0.07 289	0.07 369	0.04 48	0.04 71

AnonymousM	0.09 164	0.05 36	0.10 182	0.14 55	0.06 27	0.09 129	0.13 163	0.19 317	0.14 207	0.13 322	0.11 235	0.09 210	0.08 222	0.13 333	0.10 198	0.08 403	0.05 263	0.08 383	0.05 182	0.05 161	0.05 200

CroCo-Stereo	0.09 164	0.08 334	0.08 56	0.22 560	0.09 329	0.09 129	0.19 509	0.15 177	0.12 134	0.07 67	0.07 60	0.08 175	0.06 62	0.08 25	0.07 1	0.07 328	0.05 263	0.06 180	0.04 54	0.05 161	0.04 71
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 164	0.06 99	0.07 11	0.15 106	0.05 2	0.16 435	0.18 469	0.15 177	0.15 232	0.10 216	0.11 235	0.11 275	0.11 328	0.10 120	0.12 339	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

TANstereo	0.09 164	0.04 1	0.08 56	0.13 16	0.06 27	0.11 242	0.14 228	0.15 177	0.19 347	0.11 251	0.15 305	0.10 245	0.06 62	0.12 281	0.09 101	0.07 328	0.05 263	0.05 45	0.04 54	0.06 281	0.05 200

XX-TBD	0.09 164	0.06 99	0.07 11	0.14 55	0.07 125	0.12 294	0.16 379	0.14 136	0.13 175	0.11 251	0.12 256	0.09 210	0.08 222	0.10 120	0.10 198	0.06 166	0.04 25	0.05 45	0.03 1	0.06 281	0.05 200

raftrobust	0.09 164	0.06 99	0.10 182	0.17 287	0.08 204	0.09 129	0.10 32	0.18 287	0.16 269	0.10 216	0.09 149	0.12 295	0.07 174	0.12 281	0.10 198	0.08 403	0.05 263	0.06 180	0.05 182	0.05 161	0.05 200

XX-Stereo	0.09 164	0.05 36	0.08 56	0.17 287	0.09 329	0.15 405	0.12 93	0.20 328	0.10 66	0.10 216	0.14 288	0.07 116	0.06 62	0.12 281	0.08 25	0.06 166	0.05 263	0.06 180	0.06 272	0.04 48	0.04 71

test_xeample3	0.09 164	0.06 99	0.12 279	0.16 201	0.09 329	0.11 242	0.15 310	0.16 215	0.13 175	0.10 216	0.06 23	0.08 175	0.06 62	0.10 120	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

RAFT-Stereo + iAFF	0.09 164	0.06 99	0.10 182	0.17 287	0.06 27	0.10 191	0.16 379	0.17 254	0.14 207	0.09 171	0.10 185	0.08 175	0.09 256	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.06 272	0.04 48	0.03 2

AFF-stereo	0.09 164	0.06 99	0.10 182	0.17 287	0.07 125	0.10 191	0.16 379	0.17 254	0.09 45	0.10 216	0.12 256	0.09 210	0.09 256	0.12 281	0.09 101	0.05 51	0.04 25	0.07 289	0.07 369	0.04 48	0.03 2

EAI-Stereo	0.09 164	0.07 216	0.11 236	0.15 106	0.06 27	0.10 191	0.15 310	0.16 215	0.09 45	0.08 120	0.09 149	0.08 175	0.07 174	0.09 58	0.11 278	0.05 51	0.04 25	0.05 45	0.05 182	0.05 161	0.04 71

CFNet-RSSM	0.09 164	0.07 216	0.09 118	0.16 201	0.07 125	0.09 129	0.15 310	0.16 215	0.17 298	0.08 120	0.12 256	0.10 245	0.09 256	0.11 188	0.09 101	0.06 166	0.04 25	0.06 180	0.04 54	0.04 48	0.04 71

Gwc-CoAtRS	0.09 164	0.06 99	0.10 182	0.16 201	0.07 125	0.10 191	0.14 228	0.17 254	0.17 298	0.08 120	0.10 185	0.12 295	0.09 256	0.12 281	0.09 101	0.06 166	0.04 25	0.06 180	0.04 54	0.04 48	0.04 71

CREStereo	0.09 164	0.04 1	0.08 56	0.11 1	0.06 27	0.13 345	0.14 228	0.14 136	0.10 66	0.08 120	0.13 274	0.09 210	0.08 222	0.11 188	0.10 198	0.08 403	0.04 25	0.05 45	0.03 1	0.06 281	0.06 295
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 164	0.05 36	0.09 118	0.12 5	0.06 27	0.12 294	0.14 228	0.15 177	0.11 97	0.09 171	0.13 274	0.10 245	0.07 174	0.13 333	0.10 198	0.15 604	0.04 25	0.05 45	0.03 1	0.07 360	0.06 295

DN	0.10 232	0.05 36	0.09 118	0.14 55	0.09 329	0.12 294	0.18 469	0.17 254	0.16 269	0.08 120	0.09 149	0.08 175	0.06 62	0.08 25	0.09 101	0.11 535	0.05 263	0.07 289	0.06 272	0.07 360	0.09 491

Hybrid-DGEV-03	0.10 232	0.06 99	0.09 118	0.18 377	0.08 204	0.16 435	0.14 228	0.15 177	0.14 207	0.13 322	0.16 318	0.12 295	0.09 256	0.13 333	0.11 278	0.06 166	0.04 25	0.08 383	0.06 272	0.05 161	0.04 71

WQFJA1	0.10 232	0.07 216	0.08 56	0.20 511	0.09 329	0.12 294	0.17 420	0.17 254	0.17 298	0.09 171	0.10 185	0.08 175	0.10 295	0.12 281	0.11 278	0.06 166	0.07 478	0.07 289	0.06 272	0.06 281	0.05 200

WQFJX1	0.10 232	0.07 216	0.08 56	0.22 560	0.09 329	0.12 294	0.17 420	0.18 287	0.17 298	0.10 216	0.09 149	0.07 116	0.10 295	0.11 188	0.09 101	0.07 328	0.08 508	0.07 289	0.06 272	0.05 161	0.04 71

WQFJX	0.10 232	0.07 216	0.09 118	0.21 543	0.09 329	0.12 294	0.16 379	0.18 287	0.17 298	0.12 292	0.10 185	0.07 116	0.09 256	0.12 281	0.10 198	0.06 166	0.07 478	0.06 180	0.05 182	0.06 281	0.05 200

NLMM	0.10 232	0.07 216	0.08 56	0.20 511	0.09 329	0.12 294	0.17 420	0.17 254	0.17 298	0.09 171	0.10 185	0.08 175	0.10 295	0.12 281	0.11 278	0.06 166	0.07 478	0.07 289	0.06 272	0.06 281	0.05 200

NLSM1	0.10 232	0.07 216	0.07 11	0.19 445	0.08 204	0.13 345	0.16 379	0.21 351	0.15 232	0.11 251	0.10 185	0.06 39	0.10 295	0.10 120	0.11 278	0.07 328	0.08 508	0.08 383	0.07 369	0.05 161	0.05 200

MM-Stereo_test3	0.10 232	0.07 216	0.07 11	0.18 377	0.07 125	0.12 294	0.19 509	0.24 420	0.19 347	0.06 20	0.10 185	0.08 175	0.06 62	0.11 188	0.08 25	0.06 166	0.06 406	0.07 289	0.05 182	0.05 161	0.04 71

MM-Stereo_test1	0.10 232	0.07 216	0.08 56	0.18 377	0.07 125	0.12 294	0.18 469	0.21 351	0.20 370	0.09 171	0.11 235	0.08 175	0.06 62	0.10 120	0.10 198	0.06 166	0.05 263	0.07 289	0.06 272	0.05 161	0.04 71

AIO-test2	0.10 232	0.08 334	0.10 182	0.23 584	0.08 204	0.11 242	0.10 32	0.23 396	0.23 412	0.08 120	0.09 149	0.08 175	0.05 14	0.10 120	0.08 25	0.06 166	0.05 263	0.08 383	0.09 489	0.05 161	0.05 200

AIO-test1	0.10 232	0.07 216	0.10 182	0.23 584	0.07 125	0.09 129	0.13 163	0.21 351	0.14 207	0.11 251	0.12 256	0.09 210	0.07 174	0.11 188	0.09 101	0.06 166	0.05 263	0.09 466	0.10 529	0.03 1	0.06 295

tg	0.10 232	0.06 99	0.10 182	0.18 377	0.08 204	0.11 242	0.16 379	0.20 328	0.12 134	0.08 120	0.11 235	0.11 275	0.07 174	0.11 188	0.10 198	0.05 51	0.04 25	0.08 383	0.08 442	0.04 48	0.04 71

PAM	0.10 232	0.05 36	0.16 450	0.15 106	0.08 204	0.09 129	0.16 379	0.15 177	0.16 269	0.12 292	0.09 149	0.09 210	0.07 174	0.13 333	0.08 25	0.06 166	0.05 263	0.06 180	0.06 272	0.05 161	0.06 295

model_zeroshot	0.10 232	0.04 1	0.11 236	0.15 106	0.09 329	0.12 294	0.14 228	0.20 328	0.13 175	0.11 251	0.10 185	0.12 295	0.07 174	0.12 281	0.10 198	0.07 328	0.06 406	0.06 180	0.05 182	0.06 281	0.06 295

RAStereo	0.10 232	0.09 414	0.08 56	0.20 511	0.08 204	0.13 345	0.18 469	0.15 177	0.17 298	0.10 216	0.12 256	0.05 5	0.06 62	0.09 58	0.08 25	0.07 328	0.05 263	0.07 289	0.05 182	0.05 161	0.04 71

rvit_stereo_0080	0.10 232	0.08 334	0.14 366	0.15 106	0.09 329	0.07 39	0.15 310	0.16 215	0.16 269	0.11 251	0.10 185	0.14 341	0.08 222	0.12 281	0.10 198	0.09 463	0.07 478	0.07 289	0.06 272	0.07 360	0.05 200

H2IRNET	0.10 232	0.09 414	0.09 118	0.18 377	0.09 329	0.12 294	0.15 310	0.14 136	0.21 386	0.10 216	0.10 185	0.10 245	0.10 295	0.10 120	0.10 198	0.05 51	0.04 25	0.08 383	0.08 442	0.06 281	0.05 200

Former-RAFT_DAM_RVC	0.10 232	0.08 334	0.12 279	0.16 201	0.08 204	0.15 405	0.16 379	0.18 287	0.18 329	0.10 216	0.09 149	0.09 210	0.08 222	0.11 188	0.12 339	0.07 328	0.05 263	0.08 383	0.06 272	0.07 360	0.06 295

MyStereo07	0.10 232	0.07 216	0.10 182	0.17 287	0.09 329	0.14 379	0.18 469	0.15 177	0.15 232	0.09 171	0.06 23	0.06 39	0.07 174	0.12 281	0.09 101	0.06 166	0.05 263	0.08 383	0.07 369	0.06 281	0.06 295

MyStereo06	0.10 232	0.07 216	0.12 279	0.17 287	0.09 329	0.13 345	0.18 469	0.19 317	0.12 134	0.12 292	0.08 114	0.07 116	0.07 174	0.11 188	0.09 101	0.06 166	0.05 263	0.07 289	0.07 369	0.06 281	0.06 295

AE-Stereo	0.10 232	0.08 334	0.10 182	0.18 377	0.09 329	0.10 191	0.15 310	0.14 136	0.19 347	0.09 171	0.14 288	0.12 295	0.08 222	0.11 188	0.10 198	0.05 51	0.06 406	0.07 289	0.06 272	0.05 161	0.04 71

ACVNet-DCA	0.10 232	0.08 334	0.12 279	0.17 287	0.09 329	0.13 345	0.15 310	0.23 396	0.16 269	0.09 171	0.09 149	0.06 39	0.06 62	0.10 120	0.07 1	0.06 166	0.04 25	0.06 180	0.05 182	0.07 360	0.07 382

cc1	0.10 232	0.08 334	0.12 279	0.17 287	0.09 329	0.13 345	0.15 310	0.16 215	0.18 329	0.09 171	0.09 149	0.06 39	0.06 62	0.10 120	0.07 1	0.06 166	0.04 25	0.06 180	0.05 182	0.06 281	0.06 295

tt1	0.10 232	0.08 334	0.12 279	0.17 287	0.09 329	0.12 294	0.16 379	0.15 177	0.19 347	0.09 171	0.08 114	0.06 39	0.06 62	0.10 120	0.07 1	0.06 166	0.04 25	0.06 180	0.05 182	0.06 281	0.06 295

whm_eth	0.10 232	0.08 334	0.14 366	0.15 106	0.09 329	0.07 39	0.15 310	0.16 215	0.16 269	0.11 251	0.10 185	0.14 341	0.08 222	0.12 281	0.10 198	0.09 463	0.07 478	0.07 289	0.06 272	0.07 360	0.05 200

plain	0.10 232	0.08 334	0.10 182	0.19 445	0.09 329	0.10 191	0.15 310	0.14 136	0.13 175	0.13 322	0.15 305	0.09 210	0.12 359	0.13 333	0.12 339	0.07 328	0.05 263	0.09 466	0.06 272	0.06 281	0.06 295

Any-RAFT	0.10 232	0.05 36	0.09 118	0.14 55	0.07 125	0.13 345	0.14 228	0.21 351	0.15 232	0.11 251	0.12 256	0.12 295	0.09 256	0.12 281	0.09 101	0.07 328	0.04 25	0.05 45	0.04 54	0.06 281	0.05 200

LL-Strereo2	0.10 232	0.10 476	0.15 414	0.18 377	0.08 204	0.15 405	0.09 18	0.17 254	0.14 207	0.14 344	0.10 185	0.09 210	0.07 174	0.16 421	0.10 198	0.05 51	0.05 263	0.10 514	0.07 369	0.06 281	0.05 200

DCANet-4	0.10 232	0.06 99	0.12 279	0.16 201	0.06 27	0.09 129	0.17 420	0.18 287	0.19 347	0.13 322	0.16 318	0.09 210	0.14 423	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

fff	0.10 232	0.06 99	0.12 279	0.15 106	0.07 125	0.09 129	0.17 420	0.16 215	0.20 370	0.13 322	0.16 318	0.10 245	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

ADStereo(finetuned)	0.10 232	0.06 99	0.12 279	0.16 201	0.06 27	0.09 129	0.17 420	0.15 177	0.19 347	0.13 322	0.17 340	0.10 245	0.12 359	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

test_4	0.10 232	0.10 476	0.08 56	0.19 445	0.09 329	0.08 77	0.22 562	0.15 177	0.17 298	0.12 292	0.18 367	0.12 295	0.09 256	0.08 25	0.11 278	0.04 11	0.04 25	0.08 383	0.08 442	0.04 48	0.03 2

IPLG	0.10 232	0.07 216	0.15 414	0.17 287	0.08 204	0.11 242	0.14 228	0.20 328	0.15 232	0.12 292	0.17 340	0.07 116	0.07 174	0.14 362	0.13 381	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

test_3	0.10 232	0.09 414	0.10 182	0.20 511	0.08 204	0.13 345	0.26 610	0.14 136	0.21 386	0.10 216	0.10 185	0.09 210	0.09 256	0.08 25	0.11 278	0.05 51	0.04 25	0.08 383	0.07 369	0.04 48	0.04 71

STrans-v2	0.10 232	0.07 216	0.12 279	0.18 377	0.07 125	0.10 191	0.14 228	0.21 351	0.11 97	0.11 251	0.15 305	0.12 295	0.10 295	0.11 188	0.12 339	0.05 51	0.04 25	0.06 180	0.06 272	0.04 48	0.04 71

TransformOpticalFlow	0.10 232	0.08 334	0.13 329	0.18 377	0.07 125	0.09 129	0.15 310	0.19 317	0.15 232	0.12 292	0.17 340	0.11 275	0.11 328	0.11 188	0.10 198	0.05 51	0.04 25	0.06 180	0.06 272	0.05 161	0.05 200

SST-Stereo	0.10 232	0.07 216	0.15 414	0.18 377	0.09 329	0.06 12	0.12 93	0.17 254	0.11 97	0.15 371	0.17 340	0.13 321	0.12 359	0.10 120	0.11 278	0.06 166	0.04 25	0.09 466	0.06 272	0.06 281	0.05 200

cross-raft	0.10 232	0.09 414	0.09 118	0.19 445	0.07 125	0.11 242	0.25 601	0.13 106	0.15 232	0.08 120	0.11 235	0.12 295	0.10 295	0.09 58	0.11 278	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

test-1	0.10 232	0.07 216	0.16 450	0.19 445	0.08 204	0.11 242	0.24 586	0.14 136	0.18 329	0.09 171	0.07 60	0.09 210	0.08 222	0.07 4	0.09 101	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

iRaftStereo_RVC	0.10 232	0.07 216	0.09 118	0.17 287	0.09 329	0.11 242	0.17 420	0.18 287	0.12 134	0.09 171	0.12 256	0.10 245	0.07 174	0.11 188	0.10 198	0.05 51	0.04 25	0.08 383	0.08 442	0.04 48	0.04 71

RALCasStereoNet	0.10 232	0.06 99	0.09 118	0.16 201	0.08 204	0.12 294	0.14 228	0.17 254	0.11 97	0.12 292	0.17 340	0.14 341	0.10 295	0.12 281	0.11 278	0.07 328	0.06 406	0.06 180	0.05 182	0.08 424	0.07 382

DCANet	0.10 232	0.06 99	0.12 279	0.16 201	0.06 27	0.09 129	0.17 420	0.15 177	0.19 347	0.13 322	0.17 340	0.10 245	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

csc	0.10 232	0.06 99	0.12 279	0.15 106	0.07 125	0.09 129	0.17 420	0.16 215	0.20 370	0.13 322	0.16 318	0.10 245	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

cscssc	0.10 232	0.06 99	0.12 279	0.15 106	0.07 125	0.09 129	0.17 420	0.16 215	0.20 370	0.13 322	0.16 318	0.10 245	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

111	0.10 232	0.06 99	0.12 279	0.15 106	0.07 125	0.10 191	0.14 228	0.21 351	0.23 412	0.11 251	0.12 256	0.14 341	0.11 328	0.13 333	0.10 198	0.06 166	0.04 25	0.06 180	0.04 54	0.05 161	0.05 200

R-Stereo Train	0.10 232	0.06 99	0.10 182	0.17 287	0.08 204	0.11 242	0.14 228	0.23 396	0.11 97	0.12 292	0.19 378	0.11 275	0.08 222	0.09 58	0.11 278	0.07 328	0.05 263	0.06 180	0.05 182	0.05 161	0.05 200

RAFT-Stereo	0.10 232	0.06 99	0.10 182	0.17 287	0.08 204	0.11 242	0.14 228	0.23 396	0.11 97	0.12 292	0.19 378	0.11 275	0.08 222	0.09 58	0.11 278	0.07 328	0.05 263	0.06 180	0.05 182	0.05 161	0.05 200
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 232	0.06 99	0.12 279	0.14 55	0.06 27	0.11 242	0.10 32	0.18 287	0.18 329	0.13 322	0.16 318	0.14 341	0.11 328	0.15 386	0.13 381	0.06 166	0.04 25	0.04 1	0.04 54	0.06 281	0.05 200
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
Lsterematch	0.11 280	0.06 99	0.11 236	0.16 201	0.07 125	0.13 345	0.15 310	0.14 136	0.17 298	0.16 399	0.18 367	0.15 370	0.15 441	0.12 281	0.14 418	0.07 328	0.04 25	0.06 180	0.06 272	0.06 281	0.06 295

Hybrid-DGEV-2	0.11 280	0.06 99	0.12 279	0.18 377	0.09 329	0.09 129	0.13 163	0.28 495	0.29 496	0.11 251	0.11 235	0.09 210	0.12 359	0.12 281	0.09 101	0.06 166	0.05 263	0.07 289	0.07 369	0.05 161	0.05 200

NLMM1	0.11 280	0.09 414	0.07 11	0.22 560	0.10 441	0.12 294	0.20 532	0.18 287	0.20 370	0.12 292	0.11 235	0.07 116	0.09 256	0.11 188	0.11 278	0.08 403	0.08 508	0.07 289	0.06 272	0.04 48	0.04 71

NLCSM	0.11 280	0.09 414	0.09 118	0.23 584	0.11 491	0.12 294	0.19 509	0.18 287	0.18 329	0.12 292	0.11 235	0.07 116	0.09 256	0.11 188	0.10 198	0.07 328	0.08 508	0.07 289	0.07 369	0.06 281	0.05 200

Select-FE	0.11 280	0.06 99	0.20 528	0.15 106	0.11 491	0.11 242	0.13 163	0.21 351	0.18 329	0.09 171	0.11 235	0.10 245	0.06 62	0.12 281	0.09 101	0.07 328	0.05 263	0.07 289	0.08 442	0.06 281	0.08 447

FlowAnything_test	0.11 280	0.08 334	0.14 366	0.15 106	0.09 329	0.07 39	0.14 228	0.20 328	0.11 97	0.09 171	0.09 149	0.12 295	0.12 359	0.13 333	0.11 278	0.09 463	0.06 406	0.09 466	0.09 489	0.06 281	0.09 491

xyz-stereo-finetune2	0.11 280	0.07 216	0.13 329	0.13 16	0.07 125	0.11 242	0.19 509	0.17 254	0.12 134	0.15 371	0.15 305	0.17 407	0.12 359	0.13 333	0.11 278	0.05 51	0.04 25	0.07 289	0.05 182	0.04 48	0.06 295

xyz-stereo-finetune	0.11 280	0.08 334	0.13 329	0.14 55	0.06 27	0.10 191	0.19 509	0.17 254	0.19 347	0.12 292	0.14 288	0.15 370	0.10 295	0.13 333	0.11 278	0.05 51	0.04 25	0.07 289	0.05 182	0.04 48	0.05 200

HI	0.11 280	0.06 99	0.11 236	0.13 16	0.09 329	0.09 129	0.14 228	0.21 351	0.10 66	0.19 464	0.17 340	0.14 341	0.09 256	0.16 421	0.08 25	0.05 51	0.04 25	0.07 289	0.08 442	0.07 360	0.06 295

CoSv	0.11 280	0.06 99	0.11 236	0.13 16	0.09 329	0.09 129	0.14 228	0.21 351	0.10 66	0.19 464	0.17 340	0.14 341	0.09 256	0.16 421	0.08 25	0.05 51	0.04 25	0.07 289	0.08 442	0.07 360	0.06 295

rvit_stereo_0081_aga	0.11 280	0.09 414	0.14 366	0.18 377	0.09 329	0.13 345	0.14 228	0.14 136	0.19 347	0.10 216	0.18 367	0.16 385	0.09 256	0.12 281	0.09 101	0.10 504	0.06 406	0.08 383	0.07 369	0.07 360	0.06 295

rvit_stereo_0081	0.11 280	0.08 334	0.15 414	0.16 201	0.09 329	0.10 191	0.14 228	0.14 136	0.24 429	0.11 251	0.13 274	0.13 321	0.09 256	0.11 188	0.12 339	0.10 504	0.07 478	0.08 383	0.07 369	0.07 360	0.05 200

rvit_stereo_0082	0.11 280	0.08 334	0.15 414	0.16 201	0.09 329	0.10 191	0.14 228	0.14 136	0.24 429	0.11 251	0.13 274	0.13 321	0.09 256	0.11 188	0.12 339	0.10 504	0.07 478	0.08 383	0.07 369	0.07 360	0.05 200

AIO-Stereo-zeroshot1	0.11 280	0.05 36	0.14 366	0.15 106	0.20 629	0.09 129	0.17 420	0.21 351	0.15 232	0.11 251	0.14 288	0.10 245	0.07 174	0.10 120	0.08 25	0.06 166	0.05 263	0.07 289	0.07 369	0.07 360	0.09 491

AIO-Stereo-zeroshot	0.11 280	0.05 36	0.11 236	0.15 106	0.13 548	0.13 345	0.16 379	0.23 396	0.17 298	0.10 216	0.12 256	0.10 245	0.07 174	0.11 188	0.09 101	0.06 166	0.05 263	0.06 180	0.06 272	0.07 360	0.08 447

CAS++	0.11 280	0.07 216	0.11 236	0.14 55	0.09 329	0.12 294	0.14 228	0.24 420	0.14 207	0.11 251	0.09 149	0.11 275	0.07 174	0.14 362	0.09 101	0.11 535	0.09 541	0.09 466	0.07 369	0.07 360	0.08 447
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 280	0.08 334	0.12 279	0.17 287	0.09 329	0.13 345	0.15 310	0.16 215	0.18 329	0.09 171	0.09 149	0.16 385	0.16 469	0.10 120	0.07 1	0.06 166	0.04 25	0.08 383	0.08 442	0.07 360	0.07 382

1test111	0.11 280	0.08 334	0.12 279	0.17 287	0.09 329	0.13 345	0.15 310	0.23 396	0.16 269	0.09 171	0.09 149	0.06 39	0.06 62	0.15 386	0.16 465	0.06 166	0.04 25	0.06 180	0.05 182	0.07 360	0.07 382

MIF-Stereo (partial)	0.11 280	0.06 99	0.10 182	0.19 445	0.10 441	0.10 191	0.11 61	0.17 254	0.18 329	0.14 344	0.16 318	0.09 210	0.11 328	0.12 281	0.12 339	0.08 403	0.05 263	0.08 383	0.07 369	0.06 281	0.07 382

EKT-Stereo	0.11 280	0.07 216	0.14 366	0.15 106	0.10 441	0.13 345	0.14 228	0.18 287	0.21 386	0.11 251	0.08 114	0.12 295	0.09 256	0.11 188	0.12 339	0.08 403	0.06 406	0.07 289	0.06 272	0.08 424	0.07 382

anonymousdsp2	0.11 280	0.07 216	0.10 182	0.16 201	0.09 329	0.13 345	0.14 228	0.18 287	0.22 400	0.13 322	0.14 288	0.12 295	0.09 256	0.14 362	0.11 278	0.05 51	0.04 25	0.05 45	0.04 54	0.06 281	0.05 200

DCRE	0.11 280	0.07 216	0.13 329	0.16 201	0.11 491	0.11 242	0.17 420	0.18 287	0.17 298	0.11 251	0.18 367	0.10 245	0.10 295	0.15 386	0.11 278	0.06 166	0.05 263	0.06 180	0.06 272	0.05 161	0.04 71

knoymous	0.11 280	0.05 36	0.12 279	0.13 16	0.07 125	0.15 405	0.14 228	0.19 317	0.13 175	0.11 251	0.17 340	0.13 321	0.09 256	0.13 333	0.11 278	0.08 403	0.05 263	0.06 180	0.05 182	0.08 424	0.07 382

riskmin	0.11 280	0.06 99	0.13 329	0.14 55	0.08 204	0.14 379	0.14 228	0.18 287	0.14 207	0.11 251	0.14 288	0.16 385	0.11 328	0.14 362	0.12 339	0.09 463	0.05 263	0.07 289	0.05 182	0.08 424	0.08 447

Selective-RAFT	0.11 280	0.10 476	0.11 236	0.21 543	0.08 204	0.16 435	0.13 163	0.20 328	0.22 400	0.10 216	0.10 185	0.11 275	0.10 295	0.15 386	0.11 278	0.05 51	0.05 263	0.06 180	0.05 182	0.06 281	0.05 200

DisPM	0.11 280	0.07 216	0.12 279	0.16 201	0.09 329	0.06 12	0.13 163	0.17 254	0.17 298	0.14 344	0.20 390	0.12 295	0.10 295	0.11 188	0.10 198	0.06 166	0.04 25	0.07 289	0.06 272	0.06 281	0.11 547

CIPLG	0.11 280	0.08 334	0.14 366	0.17 287	0.08 204	0.12 294	0.15 310	0.17 254	0.15 232	0.14 344	0.11 235	0.16 385	0.09 256	0.16 421	0.11 278	0.07 328	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

GLC_STEREO	0.11 280	0.07 216	0.11 236	0.17 287	0.07 125	0.09 129	0.13 163	0.15 177	0.24 429	0.12 292	0.13 274	0.12 295	0.08 222	0.18 476	0.11 278	0.06 166	0.08 508	0.08 383	0.06 272	0.05 161	0.05 200

IPLGR_C	0.11 280	0.08 334	0.14 366	0.17 287	0.08 204	0.12 294	0.15 310	0.17 254	0.15 232	0.14 344	0.10 185	0.16 385	0.09 256	0.16 421	0.11 278	0.07 328	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

MIPNet	0.11 280	0.08 334	0.14 366	0.17 287	0.09 329	0.12 294	0.14 228	0.20 328	0.24 429	0.11 251	0.10 185	0.09 210	0.07 174	0.13 333	0.12 339	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

IPLGR	0.11 280	0.09 414	0.16 450	0.18 377	0.08 204	0.12 294	0.17 420	0.21 351	0.24 429	0.11 251	0.12 256	0.11 275	0.08 222	0.12 281	0.12 339	0.06 166	0.05 263	0.06 180	0.06 272	0.04 48	0.04 71

GMOStereo	0.11 280	0.09 414	0.07 11	0.19 445	0.08 204	0.12 294	0.28 623	0.13 106	0.17 298	0.11 251	0.17 340	0.14 341	0.12 359	0.07 4	0.07 1	0.05 51	0.05 263	0.09 466	0.07 369	0.04 48	0.04 71

error version	0.11 280	0.09 414	0.07 11	0.19 445	0.08 204	0.12 294	0.28 623	0.13 106	0.17 298	0.11 251	0.17 340	0.14 341	0.12 359	0.07 4	0.07 1	0.05 51	0.05 263	0.09 466	0.07 369	0.04 48	0.04 71

test-v	0.11 280	0.09 414	0.07 11	0.19 445	0.08 204	0.12 294	0.28 623	0.13 106	0.17 298	0.11 251	0.17 340	0.14 341	0.12 359	0.07 4	0.07 1	0.05 51	0.05 263	0.09 466	0.07 369	0.04 48	0.04 71

ACRE	0.11 280	0.08 334	0.14 366	0.17 287	0.08 204	0.12 294	0.15 310	0.17 254	0.14 207	0.14 344	0.10 185	0.16 385	0.09 256	0.16 421	0.11 278	0.07 328	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

PFNet+	0.11 280	0.06 99	0.13 329	0.16 201	0.09 329	0.05 4	0.12 93	0.17 254	0.21 386	0.16 399	0.19 378	0.14 341	0.10 295	0.11 188	0.11 278	0.08 403	0.05 263	0.09 466	0.08 442	0.06 281	0.11 547

LCNet	0.11 280	0.07 216	0.09 118	0.19 445	0.09 329	0.08 77	0.15 310	0.21 351	0.15 232	0.11 251	0.15 305	0.16 385	0.11 328	0.12 281	0.11 278	0.05 51	0.04 25	0.08 383	0.07 369	0.06 281	0.15 606

HHNet	0.11 280	0.06 99	0.16 450	0.15 106	0.14 569	0.07 39	0.13 163	0.20 328	0.17 298	0.14 344	0.25 473	0.11 275	0.08 222	0.13 333	0.10 198	0.05 51	0.04 25	0.08 383	0.06 272	0.05 161	0.09 491

Patchmatch Stereo++	0.11 280	0.09 414	0.16 450	0.18 377	0.08 204	0.06 12	0.11 61	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 383	0.06 272	0.08 424	0.07 382
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 280	0.07 216	0.16 450	0.19 445	0.09 329	0.08 77	0.13 163	0.18 287	0.13 175	0.16 399	0.21 413	0.13 321	0.14 423	0.11 188	0.14 418	0.06 166	0.04 25	0.09 466	0.06 272	0.06 281	0.05 200

OMP-Stereo	0.11 280	0.06 99	0.14 366	0.18 377	0.08 204	0.09 129	0.12 93	0.21 351	0.21 386	0.13 322	0.14 288	0.11 275	0.12 359	0.11 188	0.13 381	0.06 166	0.04 25	0.07 289	0.06 272	0.05 161	0.04 71

IIG-Stereo	0.11 280	0.06 99	0.13 329	0.17 287	0.08 204	0.11 242	0.12 93	0.22 375	0.17 298	0.14 344	0.17 340	0.11 275	0.12 359	0.12 281	0.12 339	0.06 166	0.05 263	0.07 289	0.06 272	0.05 161	0.04 71

NF-Stereo	0.11 280	0.07 216	0.13 329	0.17 287	0.09 329	0.10 191	0.14 228	0.23 396	0.19 347	0.12 292	0.17 340	0.12 295	0.11 328	0.11 188	0.11 278	0.06 166	0.04 25	0.07 289	0.06 272	0.06 281	0.12 560

OCTAStereo	0.11 280	0.07 216	0.13 329	0.17 287	0.09 329	0.10 191	0.14 228	0.23 396	0.19 347	0.12 292	0.17 340	0.12 295	0.11 328	0.11 188	0.11 278	0.06 166	0.04 25	0.07 289	0.06 272	0.06 281	0.12 560

NRIStereo	0.11 280	0.08 334	0.14 366	0.18 377	0.08 204	0.10 191	0.14 228	0.16 215	0.15 232	0.12 292	0.14 288	0.13 321	0.12 359	0.13 333	0.10 198	0.06 166	0.04 25	0.07 289	0.06 272	0.06 281	0.07 382

PSM-adaLoss	0.11 280	0.09 414	0.16 450	0.18 377	0.08 204	0.06 12	0.12 93	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 383	0.06 272	0.08 424	0.07 382

PSM-AAD	0.11 280	0.07 216	0.10 182	0.19 445	0.09 329	0.10 191	0.15 310	0.20 328	0.13 175	0.12 292	0.14 288	0.18 421	0.11 328	0.11 188	0.10 198	0.05 51	0.05 263	0.09 466	0.08 442	0.06 281	0.14 599

ROB_FTStereo_v2	0.11 280	0.09 414	0.16 450	0.19 445	0.08 204	0.06 12	0.12 93	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 383	0.06 272	0.08 424	0.07 382

ROB_FTStereo	0.11 280	0.09 414	0.16 450	0.19 445	0.08 204	0.06 12	0.11 61	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 383	0.06 272	0.08 424	0.07 382

KYRaft	0.11 280	0.07 216	0.10 182	0.19 445	0.09 329	0.08 77	0.15 310	0.22 375	0.12 134	0.13 322	0.16 318	0.20 447	0.10 295	0.12 281	0.10 198	0.05 51	0.04 25	0.08 383	0.08 442	0.06 281	0.16 617

HUI-Stereo	0.11 280	0.09 414	0.16 450	0.18 377	0.08 204	0.06 12	0.12 93	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 383	0.06 272	0.08 424	0.07 382

ASMatch	0.11 280	0.06 99	0.13 329	0.16 201	0.10 441	0.07 39	0.14 228	0.17 254	0.17 298	0.12 292	0.16 318	0.16 385	0.10 295	0.13 333	0.10 198	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.08 447

RAFT_R40	0.11 280	0.07 216	0.14 366	0.18 377	0.09 329	0.06 12	0.13 163	0.17 254	0.16 269	0.14 344	0.18 367	0.15 370	0.12 359	0.10 120	0.11 278	0.06 166	0.04 25	0.09 466	0.06 272	0.06 281	0.05 200

GrayStereo	0.11 280	0.06 99	0.11 236	0.19 445	0.09 329	0.09 129	0.16 379	0.18 287	0.17 298	0.14 344	0.17 340	0.17 407	0.11 328	0.12 281	0.11 278	0.05 51	0.05 263	0.07 289	0.06 272	0.05 161	0.10 520

RE-Stereo	0.11 280	0.07 216	0.13 329	0.17 287	0.09 329	0.10 191	0.14 228	0.23 396	0.19 347	0.12 292	0.17 340	0.12 295	0.11 328	0.11 188	0.11 278	0.06 166	0.04 25	0.07 289	0.06 272	0.06 281	0.12 560

Pruner-Stereo	0.11 280	0.07 216	0.12 279	0.17 287	0.09 329	0.06 12	0.12 93	0.17 254	0.17 298	0.13 322	0.19 378	0.13 321	0.09 256	0.11 188	0.11 278	0.06 166	0.04 25	0.07 289	0.06 272	0.06 281	0.08 447

TVStereo	0.11 280	0.07 216	0.13 329	0.17 287	0.09 329	0.10 191	0.14 228	0.23 396	0.19 347	0.12 292	0.17 340	0.12 295	0.11 328	0.11 188	0.11 278	0.06 166	0.04 25	0.07 289	0.06 272	0.06 281	0.12 560

DeepStereo_RVC	0.11 280	0.08 334	0.16 450	0.18 377	0.08 204	0.08 77	0.12 93	0.17 254	0.12 134	0.13 322	0.14 288	0.12 295	0.12 359	0.12 281	0.11 278	0.06 166	0.04 25	0.07 289	0.06 272	0.07 360	0.08 447

iGMRVC	0.11 280	0.09 414	0.16 450	0.19 445	0.08 204	0.06 12	0.12 93	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 383	0.06 272	0.08 424	0.07 382

RAFT-RH_RVC	0.11 280	0.06 99	0.14 366	0.16 201	0.09 329	0.12 294	0.12 93	0.17 254	0.12 134	0.13 322	0.41 604	0.11 275	0.10 295	0.13 333	0.12 339	0.05 51	0.04 25	0.08 383	0.05 182	0.04 48	0.06 295

RAFT-345	0.11 280	0.07 216	0.15 414	0.16 201	0.08 204	0.08 77	0.12 93	0.15 177	0.10 66	0.11 251	0.36 567	0.09 210	0.09 256	0.11 188	0.12 339	0.05 51	0.05 263	0.07 289	0.06 272	0.04 48	0.05 200

iRAFT	0.11 280	0.09 414	0.16 450	0.18 377	0.08 204	0.06 12	0.11 61	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 383	0.06 272	0.08 424	0.07 382

CRE-IMP	0.11 280	0.09 414	0.16 450	0.19 445	0.08 204	0.10 191	0.12 93	0.18 287	0.10 66	0.14 344	0.13 274	0.13 321	0.12 359	0.12 281	0.11 278	0.07 328	0.04 25	0.08 383	0.06 272	0.08 424	0.08 447

test-2	0.11 280	0.09 414	0.07 11	0.19 445	0.08 204	0.12 294	0.28 623	0.13 106	0.17 298	0.11 251	0.17 340	0.14 341	0.12 359	0.07 4	0.07 1	0.05 51	0.05 263	0.09 466	0.07 369	0.04 48	0.04 71

GMM-Stereo	0.11 280	0.07 216	0.10 182	0.18 377	0.09 329	0.08 77	0.15 310	0.23 396	0.16 269	0.11 251	0.15 305	0.13 321	0.11 328	0.11 188	0.11 278	0.05 51	0.04 25	0.08 383	0.07 369	0.06 281	0.09 491

RAFT-IKP	0.11 280	0.09 414	0.16 450	0.19 445	0.08 204	0.06 12	0.12 93	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 383	0.06 272	0.08 424	0.07 382

Prome-Stereo	0.11 280	0.06 99	0.10 182	0.18 377	0.08 204	0.12 294	0.15 310	0.22 375	0.13 175	0.12 292	0.17 340	0.13 321	0.08 222	0.12 281	0.10 198	0.05 51	0.04 25	0.07 289	0.06 272	0.06 281	0.09 491

rafts_anoy	0.11 280	0.06 99	0.10 182	0.17 287	0.08 204	0.10 191	0.14 228	0.17 254	0.14 207	0.13 322	0.13 274	0.12 295	0.10 295	0.11 188	0.12 339	0.07 328	0.04 25	0.09 466	0.11 563	0.07 360	0.06 295

raft+_RVC	0.11 280	0.07 216	0.09 118	0.16 201	0.07 125	0.10 191	0.11 61	0.24 420	0.20 370	0.12 292	0.15 305	0.12 295	0.08 222	0.12 281	0.13 381	0.07 328	0.04 25	0.07 289	0.06 272	0.05 161	0.05 200

RALAANet	0.11 280	0.08 334	0.10 182	0.17 287	0.09 329	0.14 379	0.10 32	0.20 328	0.15 232	0.14 344	0.13 274	0.16 385	0.09 256	0.12 281	0.11 278	0.06 166	0.05 263	0.07 289	0.06 272	0.05 161	0.04 71

DIP-Stereo	0.11 280	0.07 216	0.14 366	0.17 287	0.09 329	0.13 345	0.09 18	0.16 215	0.16 269	0.11 251	0.16 318	0.14 341	0.12 359	0.15 386	0.13 381	0.06 166	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
IGEV_i1	0.12 351	0.07 216	0.12 279	0.16 201	0.08 204	0.19 500	0.14 228	0.18 287	0.22 400	0.18 447	0.18 367	0.16 385	0.12 359	0.16 421	0.14 418	0.06 166	0.05 263	0.06 180	0.05 182	0.06 281	0.06 295

rvit_stereo_0083	0.12 351	0.08 334	0.17 480	0.16 201	0.09 329	0.11 242	0.15 310	0.14 136	0.26 464	0.11 251	0.14 288	0.13 321	0.10 295	0.12 281	0.12 339	0.10 504	0.08 508	0.09 466	0.07 369	0.07 360	0.05 200

rvit_stereo_ft	0.12 351	0.07 216	0.13 329	0.19 445	0.10 441	0.12 294	0.17 420	0.16 215	0.16 269	0.12 292	0.13 274	0.15 370	0.10 295	0.14 362	0.13 381	0.09 463	0.06 406	0.08 383	0.07 369	0.07 360	0.05 200

test_sample2	0.12 351	0.07 216	0.12 279	0.14 55	0.08 204	0.16 435	0.18 469	0.21 351	0.16 269	0.14 344	0.20 390	0.19 435	0.15 441	0.15 386	0.12 339	0.08 403	0.05 263	0.07 289	0.06 272	0.08 424	0.07 382

MyStereo8	0.12 351	0.07 216	0.15 414	0.15 106	0.09 329	0.18 476	0.14 228	0.19 317	0.22 400	0.12 292	0.18 367	0.11 275	0.10 295	0.16 421	0.18 498	0.07 328	0.05 263	0.07 289	0.05 182	0.08 424	0.09 491

CoDeX	0.12 351	0.07 216	0.12 279	0.17 287	0.08 204	0.12 294	0.15 310	0.23 396	0.27 474	0.13 322	0.17 340	0.16 385	0.11 328	0.14 362	0.11 278	0.07 328	0.05 263	0.07 289	0.06 272	0.06 281	0.05 200

11t1	0.12 351	0.06 99	0.13 329	0.14 55	0.08 204	0.17 457	0.15 310	0.18 287	0.15 232	0.15 371	0.15 305	0.16 385	0.16 469	0.15 386	0.13 381	0.08 403	0.05 263	0.06 180	0.05 182	0.08 424	0.07 382

ffm	0.12 351	0.09 414	0.14 366	0.16 201	0.08 204	0.17 457	0.17 420	0.15 177	0.19 347	0.15 371	0.25 473	0.19 435	0.13 399	0.10 120	0.07 1	0.06 166	0.04 25	0.09 466	0.08 442	0.06 281	0.06 295

RAFT_CTSACE	0.12 351	0.09 414	0.10 182	0.22 560	0.08 204	0.12 294	0.24 586	0.18 287	0.16 269	0.20 487	0.27 499	0.13 321	0.07 174	0.13 333	0.09 101	0.05 51	0.06 406	0.08 383	0.07 369	0.04 48	0.04 71

Sa-1000	0.12 351	0.08 334	0.08 56	0.18 377	0.08 204	0.14 379	0.22 562	0.22 375	0.18 329	0.15 371	0.20 390	0.17 407	0.11 328	0.10 120	0.10 198	0.06 166	0.05 263	0.09 466	0.09 489	0.05 161	0.05 200

SA	0.12 351	0.09 414	0.08 56	0.18 377	0.08 204	0.12 294	0.24 586	0.23 396	0.18 329	0.17 417	0.27 499	0.14 341	0.11 328	0.11 188	0.11 278	0.05 51	0.05 263	0.09 466	0.08 442	0.05 161	0.04 71

iRaft-Stereo_5w	0.12 351	0.09 414	0.12 279	0.19 445	0.08 204	0.09 129	0.12 93	0.21 351	0.21 386	0.19 464	0.14 288	0.11 275	0.09 256	0.20 516	0.16 465	0.05 51	0.05 263	0.07 289	0.06 272	0.05 161	0.06 295

CrosDoStereo	0.12 351	0.06 99	0.12 279	0.14 55	0.08 204	0.12 294	0.15 310	0.17 254	0.22 400	0.19 464	0.24 445	0.15 370	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.07 289	0.07 369	0.05 161	0.05 200

PSM-softLoss	0.12 351	0.07 216	0.15 414	0.17 287	0.09 329	0.08 77	0.13 163	0.24 420	0.17 298	0.14 344	0.19 378	0.13 321	0.11 328	0.11 188	0.11 278	0.07 328	0.05 263	0.08 383	0.07 369	0.06 281	0.12 560

KMStereo	0.12 351	0.07 216	0.15 414	0.17 287	0.09 329	0.08 77	0.13 163	0.24 420	0.17 298	0.14 344	0.19 378	0.13 321	0.11 328	0.11 188	0.11 278	0.07 328	0.05 263	0.08 383	0.07 369	0.06 281	0.12 560

FTStereo	0.12 351	0.06 99	0.14 366	0.18 377	0.09 329	0.07 39	0.15 310	0.21 351	0.18 329	0.12 292	0.24 445	0.12 295	0.12 359	0.13 333	0.13 381	0.05 51	0.05 263	0.07 289	0.06 272	0.06 281	0.10 520

DeepStereo_LL	0.12 351	0.06 99	0.12 279	0.14 55	0.08 204	0.12 294	0.15 310	0.17 254	0.22 400	0.19 464	0.24 445	0.15 370	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.07 289	0.07 369	0.05 161	0.05 200

DEmStereo	0.12 351	0.06 99	0.14 366	0.14 55	0.10 441	0.16 435	0.15 310	0.16 215	0.24 429	0.17 417	0.24 445	0.13 321	0.14 423	0.12 281	0.13 381	0.05 51	0.04 25	0.07 289	0.06 272	0.05 161	0.05 200

THIR-Stereo	0.12 351	0.07 216	0.11 236	0.15 106	0.08 204	0.14 379	0.16 379	0.17 254	0.25 450	0.16 399	0.24 445	0.14 341	0.12 359	0.12 281	0.14 418	0.06 166	0.04 25	0.07 289	0.07 369	0.05 161	0.05 200

DRaft	0.12 351	0.06 99	0.11 236	0.14 55	0.09 329	0.14 379	0.17 420	0.21 351	0.30 506	0.17 417	0.28 513	0.10 245	0.15 441	0.10 120	0.12 339	0.05 51	0.04 25	0.07 289	0.06 272	0.05 161	0.05 200

PFNet	0.12 351	0.06 99	0.17 480	0.17 287	0.08 204	0.09 129	0.15 310	0.26 455	0.20 370	0.16 399	0.16 318	0.14 341	0.11 328	0.12 281	0.11 278	0.06 166	0.04 25	0.07 289	0.06 272	0.05 161	0.05 200

IRAFT_RVC	0.12 351	0.08 334	0.16 450	0.19 445	0.08 204	0.07 39	0.15 310	0.24 420	0.23 412	0.14 344	0.14 288	0.15 370	0.12 359	0.12 281	0.10 198	0.06 166	0.04 25	0.09 466	0.06 272	0.06 281	0.06 295

sCroCo_RVC	0.12 351	0.09 414	0.23 552	0.24 593	0.11 491	0.19 500	0.14 228	0.17 254	0.14 207	0.10 216	0.13 274	0.12 295	0.07 174	0.14 362	0.11 278	0.08 403	0.08 508	0.08 383	0.08 442	0.05 161	0.07 382

ARAFT	0.12 351	0.08 334	0.17 480	0.19 445	0.09 329	0.14 379	0.18 469	0.20 328	0.12 134	0.12 292	0.13 274	0.14 341	0.11 328	0.15 386	0.12 339	0.06 166	0.05 263	0.10 514	0.09 489	0.05 161	0.04 71

BEATNet_4x	0.12 351	0.08 334	0.14 366	0.18 377	0.07 125	0.15 405	0.07 3	0.22 375	0.18 329	0.16 399	0.19 378	0.18 421	0.14 423	0.16 421	0.15 449	0.07 328	0.05 263	0.05 45	0.05 182	0.06 281	0.06 295

MLCV	0.12 351	0.07 216	0.16 450	0.18 377	0.06 27	0.15 405	0.17 420	0.19 317	0.21 386	0.18 447	0.25 473	0.17 407	0.13 399	0.14 362	0.13 381	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

RT-IGEV	0.13 377	0.06 99	0.13 329	0.15 106	0.09 329	0.15 405	0.17 420	0.24 420	0.27 474	0.16 399	0.17 340	0.17 407	0.10 295	0.14 362	0.11 278	0.08 403	0.05 263	0.07 289	0.05 182	0.07 360	0.07 382

Selective-IGEV-i16pc	0.13 377	0.06 99	0.13 329	0.15 106	0.11 491	0.38 633	0.16 379	0.23 396	0.16 269	0.10 216	0.15 305	0.09 210	0.06 62	0.13 333	0.10 198	0.10 504	0.08 508	0.06 180	0.07 369	0.09 487	0.09 491

Selective-IGEV-i1	0.13 377	0.07 216	0.12 279	0.19 445	0.08 204	0.18 476	0.16 379	0.22 375	0.30 506	0.16 399	0.17 340	0.16 385	0.10 295	0.14 362	0.13 381	0.06 166	0.05 263	0.06 180	0.05 182	0.06 281	0.05 200

G2L-ROB	0.13 377	0.06 99	0.13 329	0.13 16	0.08 204	0.14 379	0.16 379	0.25 437	0.18 329	0.19 464	0.18 367	0.20 447	0.14 423	0.17 454	0.16 465	0.08 403	0.05 263	0.06 180	0.05 182	0.08 424	0.09 491

xyz-stereo	0.13 377	0.07 216	0.20 528	0.15 106	0.05 2	0.20 516	0.15 310	0.17 254	0.31 514	0.15 371	0.29 525	0.26 522	0.16 469	0.13 333	0.12 339	0.05 51	0.05 263	0.06 180	0.05 182	0.04 48	0.04 71

DFGA-Net	0.13 377	0.11 502	0.18 504	0.17 287	0.10 441	0.12 294	0.13 163	0.22 375	0.25 450	0.16 399	0.16 318	0.13 321	0.12 359	0.16 421	0.14 418	0.07 328	0.05 263	0.08 383	0.07 369	0.05 161	0.05 200

FACV-RUCA	0.13 377	0.11 502	0.12 279	0.19 445	0.12 525	0.15 405	0.15 310	0.22 375	0.20 370	0.15 371	0.16 318	0.14 341	0.16 469	0.14 362	0.13 381	0.07 328	0.05 263	0.08 383	0.06 272	0.10 520	0.08 447

UGAM	0.13 377	0.10 476	0.09 118	0.22 560	0.08 204	0.12 294	0.20 532	0.17 254	0.23 412	0.21 501	0.16 318	0.13 321	0.13 399	0.19 491	0.12 339	0.07 328	0.05 263	0.13 580	0.11 563	0.07 360	0.05 200

test_sample1	0.13 377	0.07 216	0.14 366	0.13 16	0.08 204	0.19 500	0.16 379	0.20 328	0.15 232	0.14 344	0.22 424	0.18 421	0.16 469	0.17 454	0.14 418	0.07 328	0.06 406	0.06 180	0.06 272	0.08 424	0.07 382

qqq1	0.13 377	0.07 216	0.17 480	0.14 55	0.08 204	0.16 435	0.17 420	0.26 455	0.27 474	0.19 464	0.20 390	0.18 421	0.15 441	0.15 386	0.11 278	0.08 403	0.05 263	0.05 45	0.05 182	0.06 281	0.06 295

fff1	0.13 377	0.07 216	0.17 480	0.14 55	0.08 204	0.16 435	0.17 420	0.26 455	0.27 474	0.19 464	0.20 390	0.18 421	0.15 441	0.15 386	0.11 278	0.08 403	0.05 263	0.05 45	0.05 182	0.06 281	0.06 295

MyStereo05	0.13 377	0.07 216	0.10 182	0.17 287	0.09 329	0.13 345	0.18 469	0.27 476	0.35 549	0.17 417	0.14 288	0.15 370	0.11 328	0.15 386	0.13 381	0.06 166	0.05 263	0.07 289	0.07 369	0.06 281	0.06 295

MyStereo04	0.13 377	0.07 216	0.10 182	0.17 287	0.09 329	0.14 379	0.18 469	0.29 509	0.38 567	0.17 417	0.14 288	0.16 385	0.10 295	0.15 386	0.13 381	0.06 166	0.05 263	0.08 383	0.07 369	0.06 281	0.06 295

ff1	0.13 377	0.09 414	0.14 366	0.16 201	0.08 204	0.17 457	0.17 420	0.15 177	0.19 347	0.15 371	0.25 473	0.19 435	0.13 399	0.14 362	0.20 517	0.06 166	0.04 25	0.09 466	0.08 442	0.06 281	0.06 295

StereoVision	0.13 377	0.12 520	0.09 118	0.24 593	0.10 441	0.15 405	0.21 552	0.21 351	0.20 370	0.12 292	0.24 445	0.10 245	0.10 295	0.16 421	0.10 198	0.09 463	0.11 574	0.12 565	0.12 583	0.06 281	0.05 200

LL-Strereo	0.13 377	0.09 414	0.11 236	0.20 511	0.10 441	0.11 242	0.18 469	0.32 545	0.24 429	0.15 371	0.15 305	0.14 341	0.13 399	0.19 491	0.11 278	0.06 166	0.04 25	0.09 466	0.08 442	0.04 48	0.05 200

CASS	0.13 377	0.12 520	0.11 236	0.23 584	0.09 329	0.15 405	0.17 420	0.18 287	0.19 347	0.17 417	0.18 367	0.15 370	0.15 441	0.14 362	0.14 418	0.09 463	0.06 406	0.10 514	0.08 442	0.09 487	0.07 382
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 377	0.07 216	0.13 329	0.18 377	0.09 329	0.13 345	0.17 420	0.19 317	0.29 496	0.15 371	0.24 445	0.15 370	0.14 423	0.14 362	0.14 418	0.07 328	0.05 263	0.07 289	0.09 489	0.05 161	0.06 295

TestStereo1	0.13 377	0.08 334	0.08 56	0.19 445	0.08 204	0.18 476	0.29 633	0.23 396	0.16 269	0.17 417	0.20 390	0.16 385	0.10 295	0.12 281	0.13 381	0.06 166	0.06 406	0.08 383	0.06 272	0.05 161	0.05 200

qqq	0.13 377	0.09 414	0.15 414	0.16 201	0.08 204	0.13 345	0.15 310	0.23 396	0.16 269	0.15 371	0.19 378	0.16 385	0.16 469	0.15 386	0.16 465	0.07 328	0.06 406	0.08 383	0.08 442	0.07 360	0.07 382

x	0.13 377	0.07 216	0.14 366	0.14 55	0.08 204	0.18 476	0.14 228	0.22 375	0.20 370	0.15 371	0.19 378	0.19 435	0.17 492	0.18 476	0.18 498	0.07 328	0.05 263	0.06 180	0.06 272	0.07 360	0.07 382

raft_robust	0.13 377	0.10 476	0.07 11	0.18 377	0.08 204	0.13 345	0.24 586	0.28 495	0.33 528	0.20 487	0.19 378	0.14 341	0.10 295	0.11 188	0.12 339	0.05 51	0.05 263	0.07 289	0.07 369	0.05 161	0.04 71

RAFT+CT+SA	0.13 377	0.11 502	0.09 118	0.19 445	0.09 329	0.15 405	0.28 623	0.22 375	0.22 400	0.15 371	0.26 490	0.10 245	0.10 295	0.11 188	0.12 339	0.05 51	0.04 25	0.07 289	0.08 442	0.07 360	0.06 295

SA-5K	0.13 377	0.08 334	0.08 56	0.19 445	0.08 204	0.18 476	0.29 633	0.23 396	0.16 269	0.17 417	0.20 390	0.16 385	0.10 295	0.12 281	0.13 381	0.06 166	0.06 406	0.08 383	0.06 272	0.05 161	0.05 200

GwcNet-ADL	0.13 377	0.08 334	0.14 366	0.20 511	0.09 329	0.11 242	0.20 532	0.30 523	0.24 429	0.13 322	0.14 288	0.18 421	0.14 423	0.13 333	0.14 418	0.07 328	0.05 263	0.06 180	0.05 182	0.07 360	0.06 295

GANet-ADL	0.13 377	0.07 216	0.15 414	0.17 287	0.10 441	0.18 476	0.15 310	0.30 523	0.20 370	0.13 322	0.18 367	0.19 435	0.12 359	0.16 421	0.13 381	0.08 403	0.06 406	0.06 180	0.05 182	0.07 360	0.08 447

RAFT	0.13 377	0.09 414	0.11 236	0.18 377	0.08 204	0.15 405	0.24 586	0.20 328	0.19 347	0.21 501	0.21 413	0.17 407	0.12 359	0.16 421	0.09 101	0.06 166	0.07 478	0.10 514	0.09 489	0.05 161	0.05 200

TestStereo	0.13 377	0.14 560	0.11 236	0.23 584	0.08 204	0.15 405	0.21 552	0.20 328	0.23 412	0.14 344	0.24 445	0.16 385	0.12 359	0.16 421	0.14 418	0.05 51	0.06 406	0.08 383	0.06 272	0.09 487	0.05 200

sAnonymous2	0.13 377	0.12 520	0.24 556	0.20 511	0.12 525	0.17 457	0.13 163	0.26 455	0.21 386	0.11 251	0.11 235	0.13 321	0.08 222	0.10 120	0.10 198	0.09 463	0.05 263	0.08 383	0.06 272	0.15 607	0.10 520

CroCo_RVC	0.13 377	0.12 520	0.24 556	0.20 511	0.12 525	0.17 457	0.13 163	0.26 455	0.21 386	0.11 251	0.11 235	0.13 321	0.08 222	0.10 120	0.10 198	0.09 463	0.05 263	0.08 383	0.06 272	0.15 607	0.10 520

RAFT + AFF	0.13 377	0.07 216	0.20 528	0.20 511	0.10 441	0.14 379	0.24 586	0.26 455	0.20 370	0.11 251	0.10 185	0.12 295	0.10 295	0.15 386	0.12 339	0.07 328	0.06 406	0.09 466	0.08 442	0.06 281	0.08 447

GMStereo	0.13 377	0.14 560	0.14 366	0.18 377	0.09 329	0.15 405	0.16 379	0.20 328	0.24 429	0.16 399	0.17 340	0.10 245	0.10 295	0.16 421	0.13 381	0.07 328	0.06 406	0.06 180	0.06 272	0.07 360	0.06 295
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 377	0.07 216	0.14 366	0.17 287	0.09 329	0.15 405	0.16 379	0.28 495	0.27 474	0.14 344	0.17 340	0.12 295	0.13 399	0.14 362	0.11 278	0.08 403	0.05 263	0.07 289	0.07 369	0.07 360	0.06 295

FENet	0.13 377	0.08 334	0.12 279	0.16 201	0.08 204	0.14 379	0.15 310	0.22 375	0.23 412	0.17 417	0.23 433	0.16 385	0.12 359	0.14 362	0.15 449	0.08 403	0.05 263	0.08 383	0.08 442	0.07 360	0.07 382

cf-r	0.13 377	0.07 216	0.12 279	0.16 201	0.08 204	0.14 379	0.19 509	0.20 328	0.25 450	0.17 417	0.25 473	0.21 456	0.16 469	0.14 362	0.14 418	0.10 504	0.05 263	0.06 180	0.08 442	0.06 281	0.06 295

iResNet	0.13 377	0.10 476	0.18 504	0.19 445	0.08 204	0.13 345	0.18 469	0.20 328	0.26 464	0.15 371	0.23 433	0.15 370	0.13 399	0.14 362	0.14 418	0.06 166	0.04 25	0.06 180	0.05 182	0.06 281	0.05 200

DN-CSS_ROB	0.13 377	0.13 548	0.16 450	0.18 377	0.10 441	0.16 435	0.08 7	0.22 375	0.18 329	0.17 417	0.22 424	0.13 321	0.13 399	0.12 281	0.13 381	0.05 51	0.05 263	0.10 514	0.10 529	0.08 424	0.06 295

Selective-IGEV-i16pb	0.14 414	0.08 334	0.17 480	0.15 106	0.11 491	0.41 638	0.16 379	0.28 495	0.23 412	0.11 251	0.20 390	0.10 245	0.07 174	0.17 454	0.12 339	0.10 504	0.07 478	0.06 180	0.08 442	0.09 487	0.10 520

G2L-Stereo_test	0.14 414	0.07 216	0.11 236	0.13 16	0.08 204	0.12 294	0.16 379	0.30 523	0.28 489	0.20 487	0.23 433	0.20 447	0.16 469	0.17 454	0.18 498	0.07 328	0.05 263	0.05 45	0.05 182	0.07 360	0.06 295

coex_refinement	0.14 414	0.07 216	0.12 279	0.17 287	0.10 441	0.15 405	0.15 310	0.26 455	0.29 496	0.18 447	0.20 390	0.22 474	0.17 492	0.16 421	0.18 498	0.08 403	0.05 263	0.06 180	0.06 272	0.09 487	0.08 447

G2L-Stereo	0.14 414	0.07 216	0.13 329	0.17 287	0.09 329	0.13 345	0.12 93	0.27 476	0.22 400	0.16 399	0.27 499	0.21 456	0.13 399	0.17 454	0.18 498	0.09 463	0.08 508	0.08 383	0.07 369	0.07 360	0.07 382

rvit_0105_6	0.14 414	0.09 414	0.18 504	0.17 287	0.10 441	0.10 191	0.16 379	0.19 317	0.26 464	0.12 292	0.18 367	0.17 407	0.12 359	0.18 476	0.12 339	0.15 604	0.11 574	0.12 565	0.10 529	0.09 487	0.06 295

rvit_0105_5	0.14 414	0.09 414	0.13 329	0.17 287	0.09 329	0.14 379	0.23 573	0.24 420	0.27 474	0.14 344	0.15 305	0.18 421	0.12 359	0.17 454	0.14 418	0.14 600	0.11 574	0.10 514	0.10 529	0.08 424	0.06 295

rvit_0105_4	0.14 414	0.09 414	0.17 480	0.17 287	0.10 441	0.12 294	0.19 509	0.23 396	0.27 474	0.14 344	0.20 390	0.17 407	0.13 399	0.17 454	0.13 381	0.15 604	0.11 574	0.11 545	0.10 529	0.09 487	0.06 295

DCVSM-stereo	0.14 414	0.09 414	0.16 450	0.16 201	0.10 441	0.15 405	0.09 18	0.19 317	0.23 412	0.20 487	0.23 433	0.26 522	0.15 441	0.18 476	0.14 418	0.09 463	0.07 478	0.09 466	0.08 442	0.10 520	0.12 560

test_sample6	0.14 414	0.08 334	0.13 329	0.16 201	0.08 204	0.17 457	0.19 509	0.25 437	0.17 298	0.17 417	0.27 499	0.19 435	0.14 423	0.15 386	0.13 381	0.08 403	0.05 263	0.08 383	0.07 369	0.08 424	0.08 447

test_sample5	0.14 414	0.08 334	0.14 366	0.16 201	0.08 204	0.18 476	0.18 469	0.25 437	0.17 298	0.17 417	0.27 499	0.18 421	0.14 423	0.16 421	0.13 381	0.08 403	0.05 263	0.08 383	0.07 369	0.08 424	0.08 447

test_sample4	0.14 414	0.08 334	0.14 366	0.15 106	0.08 204	0.19 500	0.18 469	0.26 455	0.17 298	0.16 399	0.25 473	0.18 421	0.14 423	0.16 421	0.13 381	0.08 403	0.06 406	0.08 383	0.06 272	0.08 424	0.08 447

test_sample3	0.14 414	0.08 334	0.15 414	0.14 55	0.09 329	0.19 500	0.17 420	0.26 455	0.18 329	0.16 399	0.22 424	0.19 435	0.15 441	0.17 454	0.13 381	0.08 403	0.06 406	0.07 289	0.06 272	0.09 487	0.08 447

DispNO	0.14 414	0.08 334	0.17 480	0.19 445	0.12 525	0.11 242	0.21 552	0.23 396	0.29 496	0.17 417	0.23 433	0.18 421	0.17 492	0.15 386	0.15 449	0.07 328	0.05 263	0.08 383	0.08 442	0.07 360	0.06 295

SMFormer	0.14 414	0.07 216	0.17 480	0.14 55	0.08 204	0.16 435	0.17 420	0.26 455	0.27 474	0.19 464	0.20 390	0.18 421	0.15 441	0.15 386	0.17 480	0.08 403	0.05 263	0.07 289	0.06 272	0.07 360	0.06 295

tta	0.14 414	0.07 216	0.17 480	0.14 55	0.08 204	0.16 435	0.17 420	0.26 455	0.27 474	0.19 464	0.20 390	0.18 421	0.15 441	0.15 386	0.17 480	0.08 403	0.05 263	0.07 289	0.06 272	0.06 281	0.06 295

mmm	0.14 414	0.08 334	0.17 480	0.17 287	0.09 329	0.17 457	0.18 469	0.21 351	0.15 232	0.15 371	0.23 433	0.21 456	0.16 469	0.16 421	0.17 480	0.08 403	0.05 263	0.08 383	0.07 369	0.07 360	0.07 382

DualNet	0.14 414	0.08 334	0.14 366	0.16 201	0.08 204	0.18 476	0.18 469	0.25 437	0.17 298	0.17 417	0.27 499	0.18 421	0.14 423	0.16 421	0.13 381	0.08 403	0.05 263	0.08 383	0.07 369	0.08 424	0.08 447

mmx	0.14 414	0.09 414	0.14 366	0.16 201	0.08 204	0.17 457	0.17 420	0.27 476	0.25 450	0.15 371	0.25 473	0.19 435	0.13 399	0.14 362	0.20 517	0.08 403	0.06 406	0.09 466	0.08 442	0.08 424	0.08 447

xxx	0.14 414	0.09 414	0.14 366	0.16 201	0.08 204	0.17 457	0.17 420	0.27 476	0.25 450	0.15 371	0.25 473	0.19 435	0.13 399	0.14 362	0.20 517	0.08 403	0.06 406	0.09 466	0.08 442	0.08 424	0.08 447

PCWNet_CMD	0.14 414	0.08 334	0.15 414	0.17 287	0.09 329	0.14 379	0.14 228	0.29 509	0.36 553	0.14 344	0.20 390	0.21 456	0.12 359	0.17 454	0.13 381	0.07 328	0.05 263	0.07 289	0.07 369	0.07 360	0.07 382

CBFPSM	0.14 414	0.06 99	0.26 564	0.17 287	0.09 329	0.13 345	0.15 310	0.22 375	0.23 412	0.20 487	0.27 499	0.24 498	0.16 469	0.16 421	0.18 498	0.06 166	0.06 406	0.06 180	0.07 369	0.07 360	0.07 382

gwcnet-sp	0.14 414	0.07 216	0.12 279	0.18 377	0.09 329	0.16 435	0.17 420	0.24 420	0.24 429	0.18 447	0.24 445	0.15 370	0.16 469	0.15 386	0.15 449	0.08 403	0.06 406	0.07 289	0.08 442	0.08 424	0.07 382

scenet	0.14 414	0.07 216	0.12 279	0.18 377	0.09 329	0.16 435	0.17 420	0.24 420	0.24 429	0.18 447	0.24 445	0.15 370	0.16 469	0.15 386	0.15 449	0.08 403	0.06 406	0.07 289	0.08 442	0.08 424	0.07 382

ssnet	0.14 414	0.07 216	0.12 279	0.18 377	0.09 329	0.16 435	0.17 420	0.24 420	0.24 429	0.18 447	0.24 445	0.15 370	0.16 469	0.15 386	0.15 449	0.08 403	0.06 406	0.07 289	0.08 442	0.08 424	0.07 382

BUS	0.14 414	0.09 414	0.14 366	0.22 560	0.10 441	0.19 500	0.14 228	0.34 574	0.19 347	0.17 417	0.22 424	0.16 385	0.13 399	0.15 386	0.13 381	0.08 403	0.06 406	0.10 514	0.09 489	0.07 360	0.07 382

IER	0.14 414	0.07 216	0.13 329	0.17 287	0.09 329	0.14 379	0.16 379	0.25 437	0.26 464	0.18 447	0.25 473	0.17 407	0.20 534	0.16 421	0.14 418	0.08 403	0.05 263	0.07 289	0.06 272	0.08 424	0.07 382

test_5	0.14 414	0.12 520	0.08 56	0.20 511	0.10 441	0.14 379	0.29 633	0.21 351	0.24 429	0.18 447	0.28 513	0.11 275	0.15 441	0.12 281	0.13 381	0.06 166	0.05 263	0.07 289	0.08 442	0.08 424	0.07 382

psmg	0.14 414	0.09 414	0.14 366	0.17 287	0.10 441	0.15 405	0.17 420	0.29 509	0.19 347	0.17 417	0.21 413	0.25 512	0.16 469	0.15 386	0.14 418	0.08 403	0.06 406	0.08 383	0.08 442	0.07 360	0.06 295

UDGNet	0.14 414	0.13 548	0.16 450	0.17 287	0.10 441	0.12 294	0.16 379	0.21 351	0.27 474	0.20 487	0.20 390	0.16 385	0.13 399	0.16 421	0.13 381	0.10 504	0.06 406	0.09 466	0.07 369	0.06 281	0.07 382

CFNet_pseudo	0.14 414	0.08 334	0.15 414	0.16 201	0.09 329	0.13 345	0.14 228	0.27 476	0.34 540	0.14 344	0.21 413	0.22 474	0.13 399	0.18 476	0.14 418	0.07 328	0.05 263	0.08 383	0.06 272	0.07 360	0.07 382

GES	0.14 414	0.08 334	0.16 450	0.15 106	0.10 441	0.13 345	0.13 163	0.28 495	0.25 450	0.16 399	0.23 433	0.18 421	0.13 399	0.16 421	0.13 381	0.08 403	0.07 478	0.07 289	0.06 272	0.08 424	0.09 491

GANet-RSSM	0.14 414	0.07 216	0.13 329	0.13 16	0.08 204	0.14 379	0.17 420	0.22 375	0.21 386	0.17 417	0.24 445	0.23 492	0.15 441	0.16 421	0.15 449	0.10 504	0.06 406	0.07 289	0.08 442	0.08 424	0.07 382

PSMNet-RSSM	0.14 414	0.07 216	0.13 329	0.15 106	0.08 204	0.13 345	0.16 379	0.24 420	0.24 429	0.16 399	0.28 513	0.22 474	0.14 423	0.15 386	0.13 381	0.11 535	0.06 406	0.09 466	0.12 583	0.08 424	0.07 382

GwcNet-RSSM	0.14 414	0.07 216	0.12 279	0.15 106	0.08 204	0.15 405	0.20 532	0.21 351	0.27 474	0.18 447	0.27 499	0.22 474	0.16 469	0.14 362	0.15 449	0.10 504	0.05 263	0.07 289	0.09 489	0.07 360	0.07 382

CFNet-ft	0.14 414	0.07 216	0.15 414	0.12 5	0.09 329	0.16 435	0.18 469	0.22 375	0.24 429	0.17 417	0.26 490	0.24 498	0.14 423	0.16 421	0.14 418	0.11 535	0.06 406	0.08 383	0.09 489	0.09 487	0.08 447

DMCA	0.14 414	0.09 414	0.16 450	0.19 445	0.09 329	0.15 405	0.17 420	0.23 396	0.27 474	0.14 344	0.19 378	0.17 407	0.18 506	0.15 386	0.17 480	0.10 504	0.06 406	0.08 383	0.06 272	0.09 487	0.10 520

RASNet	0.14 414	0.07 216	0.14 366	0.16 201	0.08 204	0.18 476	0.14 228	0.29 509	0.20 370	0.17 417	0.25 473	0.21 456	0.18 506	0.20 516	0.19 511	0.07 328	0.06 406	0.06 180	0.08 442	0.06 281	0.06 295

MSMDNet	0.14 414	0.08 334	0.15 414	0.17 287	0.09 329	0.14 379	0.14 228	0.29 509	0.36 553	0.14 344	0.21 413	0.21 456	0.12 359	0.17 454	0.14 418	0.07 328	0.05 263	0.07 289	0.07 369	0.07 360	0.07 382

HSM-Net_RVC	0.14 414	0.08 334	0.11 236	0.15 106	0.08 204	0.15 405	0.15 310	0.27 476	0.29 496	0.19 464	0.21 413	0.29 548	0.14 423	0.17 454	0.13 381	0.06 166	0.06 406	0.06 180	0.06 272	0.07 360	0.06 295
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 414	0.07 216	0.15 414	0.12 5	0.09 329	0.16 435	0.18 469	0.22 375	0.24 429	0.17 417	0.26 490	0.24 498	0.14 423	0.16 421	0.14 418	0.11 535	0.06 406	0.08 383	0.09 489	0.09 487	0.08 447

ccs_rob	0.14 414	0.08 334	0.15 414	0.16 201	0.09 329	0.12 294	0.14 228	0.27 476	0.34 540	0.14 344	0.21 413	0.22 474	0.13 399	0.18 476	0.14 418	0.07 328	0.05 263	0.08 383	0.07 369	0.07 360	0.07 382

UCFNet_RVC	0.14 414	0.08 334	0.13 329	0.11 1	0.10 441	0.20 516	0.10 32	0.24 420	0.22 400	0.17 417	0.20 390	0.23 492	0.15 441	0.17 454	0.15 449	0.12 560	0.07 478	0.10 514	0.13 594	0.11 543	0.10 520

iResNetv2_ROB	0.14 414	0.08 334	0.15 414	0.16 201	0.08 204	0.16 435	0.12 93	0.25 437	0.35 549	0.21 501	0.29 525	0.24 498	0.13 399	0.14 362	0.14 418	0.06 166	0.05 263	0.06 180	0.04 54	0.09 487	0.08 447

iResNet_ROB	0.14 414	0.07 216	0.13 329	0.14 55	0.07 125	0.18 476	0.14 228	0.26 455	0.31 514	0.22 517	0.25 473	0.23 492	0.15 441	0.15 386	0.13 381	0.07 328	0.05 263	0.05 45	0.04 54	0.08 424	0.08 447

DDVS	0.15 458	0.10 476	0.21 537	0.16 201	0.12 525	0.15 405	0.14 228	0.25 437	0.19 347	0.18 447	0.29 525	0.27 530	0.12 359	0.19 491	0.15 449	0.09 463	0.06 406	0.09 466	0.07 369	0.11 543	0.11 547

rvit_0105_3	0.15 458	0.09 414	0.14 366	0.19 445	0.12 525	0.15 405	0.25 601	0.25 437	0.29 496	0.15 371	0.17 340	0.20 447	0.13 399	0.17 454	0.14 418	0.13 586	0.11 574	0.12 565	0.14 598	0.07 360	0.06 295

ACV-stereo	0.15 458	0.10 476	0.28 576	0.18 377	0.12 525	0.14 379	0.12 93	0.23 396	0.21 386	0.19 464	0.23 433	0.22 474	0.15 441	0.23 557	0.17 480	0.07 328	0.06 406	0.07 289	0.07 369	0.07 360	0.07 382

ITSA-stereo	0.15 458	0.10 476	0.14 366	0.19 445	0.08 204	0.12 294	0.14 228	0.30 523	0.49 613	0.17 417	0.19 378	0.22 474	0.15 441	0.17 454	0.16 465	0.10 504	0.06 406	0.08 383	0.08 442	0.08 424	0.08 447

test_sample7	0.15 458	0.10 476	0.16 450	0.14 55	0.11 491	0.16 435	0.16 379	0.27 476	0.23 412	0.20 487	0.20 390	0.24 498	0.19 522	0.16 421	0.16 465	0.12 560	0.06 406	0.10 514	0.09 489	0.10 520	0.10 520

1111x	0.15 458	0.08 334	0.12 279	0.18 377	0.07 125	0.18 476	0.25 601	0.31 534	0.24 429	0.17 417	0.24 445	0.26 522	0.15 441	0.13 333	0.23 558	0.07 328	0.07 478	0.08 383	0.09 489	0.07 360	0.06 295

CFNet_ucs	0.15 458	0.08 334	0.16 450	0.16 201	0.11 491	0.14 379	0.14 228	0.30 523	0.34 540	0.16 399	0.24 445	0.23 492	0.14 423	0.18 476	0.15 449	0.09 463	0.06 406	0.08 383	0.07 369	0.09 487	0.09 491

BSDual-CNN	0.15 458	0.09 414	0.14 366	0.22 560	0.10 441	0.14 379	0.15 310	0.34 574	0.19 347	0.17 417	0.22 424	0.25 512	0.16 469	0.15 386	0.14 418	0.08 403	0.06 406	0.10 514	0.09 489	0.07 360	0.07 382

hknet	0.15 458	0.11 502	0.13 329	0.22 560	0.11 491	0.14 379	0.15 310	0.34 574	0.25 450	0.17 417	0.22 424	0.22 474	0.18 506	0.17 454	0.12 339	0.07 328	0.06 406	0.10 514	0.09 489	0.07 360	0.07 382

dd	0.15 458	0.16 578	0.16 450	0.19 445	0.09 329	0.15 405	0.18 469	0.21 351	0.25 450	0.23 530	0.20 390	0.21 456	0.09 256	0.21 533	0.16 465	0.10 504	0.06 406	0.08 383	0.06 272	0.08 424	0.06 295

DAS	0.15 458	0.08 334	0.18 504	0.19 445	0.10 441	0.19 500	0.17 420	0.27 476	0.29 496	0.18 447	0.25 473	0.21 456	0.15 441	0.16 421	0.12 339	0.08 403	0.06 406	0.06 180	0.06 272	0.07 360	0.07 382

SepStereo	0.15 458	0.08 334	0.18 504	0.19 445	0.10 441	0.19 500	0.17 420	0.27 476	0.29 496	0.18 447	0.25 473	0.21 456	0.15 441	0.25 572	0.12 339	0.08 403	0.06 406	0.06 180	0.06 272	0.07 360	0.07 382

PSMNet-ADL	0.15 458	0.12 520	0.13 329	0.22 560	0.09 329	0.13 345	0.20 532	0.26 455	0.23 412	0.18 447	0.20 390	0.24 498	0.16 469	0.18 476	0.17 480	0.08 403	0.08 508	0.08 383	0.11 563	0.08 424	0.07 382

LMCR-Stereo	0.15 458	0.08 334	0.13 329	0.21 543	0.09 329	0.17 457	0.20 532	0.27 476	0.19 347	0.24 539	0.24 445	0.23 492	0.17 492	0.20 516	0.17 480	0.07 328	0.06 406	0.08 383	0.06 272	0.10 520	0.08 447

ICVP	0.15 458	0.09 414	0.12 279	0.22 560	0.09 329	0.17 457	0.21 552	0.25 437	0.23 412	0.18 447	0.30 532	0.26 522	0.18 506	0.17 454	0.14 418	0.09 463	0.07 478	0.08 383	0.07 369	0.07 360	0.07 382
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 458	0.07 216	0.14 366	0.14 55	0.08 204	0.23 558	0.18 469	0.31 534	0.19 347	0.14 344	0.28 513	0.22 474	0.14 423	0.15 386	0.26 592	0.09 463	0.05 263	0.07 289	0.07 369	0.08 424	0.07 382

test_xeample	0.15 458	0.06 99	0.13 329	0.14 55	0.08 204	0.21 533	0.20 532	0.28 495	0.20 370	0.16 399	0.29 525	0.19 435	0.16 469	0.15 386	0.26 592	0.09 463	0.05 263	0.07 289	0.07 369	0.07 360	0.07 382

ACVNet	0.15 458	0.09 414	0.15 414	0.13 16	0.12 525	0.14 379	0.20 532	0.22 375	0.33 528	0.17 417	0.26 490	0.21 456	0.16 469	0.17 454	0.21 537	0.07 328	0.06 406	0.06 180	0.06 272	0.08 424	0.06 295

acv_ft	0.15 458	0.09 414	0.15 414	0.19 445	0.10 441	0.16 435	0.17 420	0.25 437	0.33 528	0.19 464	0.26 490	0.21 456	0.17 492	0.17 454	0.18 498	0.07 328	0.06 406	0.06 180	0.06 272	0.08 424	0.06 295

CFNet	0.15 458	0.10 476	0.17 480	0.17 287	0.08 204	0.18 476	0.09 18	0.28 495	0.25 450	0.19 464	0.24 445	0.24 498	0.17 492	0.17 454	0.14 418	0.08 403	0.06 406	0.09 466	0.10 529	0.07 360	0.06 295

AdaStereo	0.15 458	0.11 502	0.15 414	0.18 377	0.09 329	0.20 516	0.11 61	0.32 545	0.28 489	0.20 487	0.23 433	0.20 447	0.13 399	0.19 491	0.14 418	0.12 560	0.05 263	0.10 514	0.07 369	0.09 487	0.07 382
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 458	0.08 334	0.14 366	0.16 201	0.09 329	0.16 435	0.14 228	0.28 495	0.25 450	0.19 464	0.23 433	0.37 602	0.16 469	0.20 516	0.15 449	0.07 328	0.05 263	0.07 289	0.06 272	0.07 360	0.06 295

pmcnn	0.15 458	0.07 216	0.19 516	0.15 106	0.07 125	0.20 516	0.15 310	0.24 420	0.26 464	0.21 501	0.34 560	0.28 540	0.18 506	0.18 476	0.17 480	0.07 328	0.05 263	0.05 45	0.04 54	0.07 360	0.06 295

DStereoRT	0.16 481	0.06 99	0.11 236	0.19 445	0.09 329	0.12 294	0.12 93	0.28 495	0.22 400	0.12 292	0.20 390	0.11 275	0.10 295	0.15 386	0.14 418	0.06 166	0.05 263	0.96 681	0.09 489	0.05 161	0.04 71

DualNet (step1)	0.16 481	0.12 520	0.20 528	0.12 5	0.14 569	0.17 457	0.13 163	0.27 476	0.23 412	0.20 487	0.20 390	0.24 498	0.19 522	0.16 421	0.16 465	0.15 604	0.06 406	0.14 593	0.14 598	0.14 591	0.12 560

GMStereo_Zeroshot	0.16 481	0.13 548	0.24 556	0.20 511	0.10 441	0.17 457	0.13 163	0.29 509	0.25 450	0.23 530	0.32 544	0.25 512	0.11 328	0.19 491	0.14 418	0.09 463	0.06 406	0.11 545	0.06 272	0.12 558	0.08 447

iinet-f	0.16 481	0.06 99	0.45 621	0.14 55	0.10 441	0.21 533	0.14 228	0.27 476	0.23 412	0.21 501	0.24 445	0.21 456	0.15 441	0.18 476	0.21 537	0.09 463	0.07 478	0.07 289	0.06 272	0.09 487	0.10 520

CRFU-Net	0.16 481	0.08 334	0.14 366	0.17 287	0.09 329	0.19 500	0.14 228	0.26 455	0.20 370	0.28 579	0.27 499	0.29 548	0.17 492	0.19 491	0.17 480	0.09 463	0.09 541	0.07 289	0.07 369	0.08 424	0.08 447

NINENet	0.16 481	0.10 476	0.15 414	0.17 287	0.11 491	0.19 500	0.14 228	0.40 618	0.36 553	0.18 447	0.21 413	0.16 385	0.13 399	0.15 386	0.13 381	0.08 403	0.08 508	0.10 514	0.07 369	0.10 520	0.09 491

CSP-Net	0.16 481	0.09 414	0.14 366	0.16 201	0.09 329	0.19 500	0.17 420	0.25 437	0.32 521	0.25 552	0.30 532	0.24 498	0.15 441	0.21 533	0.18 498	0.09 463	0.06 406	0.07 289	0.07 369	0.08 424	0.07 382

AASNet	0.16 481	0.08 334	0.12 279	0.19 445	0.09 329	0.18 476	0.15 310	0.37 602	0.37 560	0.19 464	0.23 433	0.20 447	0.16 469	0.17 454	0.20 517	0.10 504	0.08 508	0.08 383	0.07 369	0.09 487	0.09 491

AACVNet	0.16 481	0.08 334	0.14 366	0.15 106	0.10 441	0.18 476	0.15 310	0.23 396	0.24 429	0.27 564	0.27 499	0.28 540	0.17 492	0.19 491	0.16 465	0.09 463	0.07 478	0.09 466	0.07 369	0.10 520	0.09 491

ADLNet2	0.16 481	0.09 414	0.13 329	0.16 201	0.09 329	0.20 516	0.16 379	0.31 534	0.39 570	0.16 399	0.20 390	0.20 447	0.18 506	0.21 533	0.22 546	0.08 403	0.06 406	0.07 289	0.07 369	0.09 487	0.07 382

Anonymous3	0.16 481	0.13 548	0.33 596	0.26 609	0.14 569	0.27 594	0.17 420	0.28 495	0.28 489	0.15 371	0.17 340	0.14 341	0.10 295	0.15 386	0.12 339	0.08 403	0.08 508	0.08 383	0.08 442	0.08 424	0.11 547

ADLNet	0.16 481	0.08 334	0.15 414	0.16 201	0.10 441	0.16 435	0.17 420	0.32 545	0.27 474	0.22 517	0.27 499	0.24 498	0.16 469	0.18 476	0.21 537	0.10 504	0.06 406	0.10 514	0.10 529	0.08 424	0.09 491

HCRNet	0.16 481	0.24 625	0.12 279	0.35 643	0.11 491	0.15 405	0.17 420	0.26 455	0.22 400	0.19 464	0.24 445	0.21 456	0.14 423	0.15 386	0.13 381	0.11 535	0.07 478	0.11 545	0.10 529	0.09 487	0.07 382

222	0.16 481	0.07 216	0.14 366	0.14 55	0.08 204	0.24 563	0.18 469	0.30 523	0.20 370	0.17 417	0.28 513	0.17 407	0.16 469	0.15 386	0.40 647	0.10 504	0.05 263	0.07 289	0.06 272	0.07 360	0.08 447

UPFNet	0.16 481	0.08 334	0.12 279	0.20 511	0.12 525	0.20 516	0.23 573	0.28 495	0.26 464	0.17 417	0.24 445	0.22 474	0.19 522	0.19 491	0.21 537	0.09 463	0.07 478	0.08 383	0.09 489	0.08 424	0.06 295

ac_64	0.16 481	0.08 334	0.15 414	0.18 377	0.10 441	0.22 542	0.18 469	0.24 420	0.21 386	0.18 447	0.24 445	0.29 548	0.18 506	0.19 491	0.22 546	0.09 463	0.07 478	0.08 383	0.09 489	0.07 360	0.06 295

DSFCA	0.16 481	0.09 414	0.14 366	0.16 201	0.10 441	0.20 516	0.19 509	0.28 495	0.31 514	0.23 530	0.24 445	0.22 474	0.15 441	0.19 491	0.20 517	0.10 504	0.07 478	0.09 466	0.09 489	0.08 424	0.08 447

FADNet-RVC-Resample	0.16 481	0.11 502	0.31 589	0.22 560	0.11 491	0.19 500	0.14 228	0.25 437	0.24 429	0.24 539	0.27 499	0.20 447	0.15 441	0.16 421	0.15 449	0.07 328	0.08 508	0.12 565	0.10 529	0.09 487	0.10 520

FADNet_RVC	0.16 481	0.14 560	0.40 614	0.20 511	0.11 491	0.13 345	0.13 163	0.26 455	0.22 400	0.21 501	0.23 433	0.20 447	0.17 492	0.14 362	0.16 465	0.08 403	0.08 508	0.12 565	0.09 489	0.11 543	0.10 520

AANet_RVC	0.16 481	0.10 476	0.10 182	0.18 377	0.09 329	0.18 476	0.19 509	0.26 455	0.31 514	0.22 517	0.35 564	0.21 456	0.21 538	0.22 546	0.16 465	0.06 166	0.05 263	0.06 180	0.06 272	0.07 360	0.06 295

DeepPruner_ROB	0.16 481	0.11 502	0.15 414	0.17 287	0.10 441	0.17 457	0.15 310	0.32 545	0.21 386	0.19 464	0.21 413	0.22 474	0.18 506	0.20 516	0.15 449	0.13 586	0.09 541	0.09 466	0.09 489	0.11 543	0.10 520

z-ln-s-r	0.17 502	0.10 476	0.40 614	0.19 445	0.08 204	0.17 457	0.18 469	0.22 375	0.33 528	0.18 447	0.40 593	0.22 474	0.17 492	0.20 516	0.23 558	0.07 328	0.05 263	0.07 289	0.07 369	0.07 360	0.05 200

rvit_stereo_0075_2	0.17 502	0.12 520	0.25 561	0.23 584	0.16 600	0.13 345	0.10 32	0.30 523	0.27 474	0.20 487	0.28 513	0.22 474	0.15 441	0.18 476	0.13 381	0.16 620	0.10 562	0.17 615	0.10 529	0.10 520	0.09 491

ToySt	0.17 502	0.11 502	0.18 504	0.17 287	0.11 491	0.16 435	0.25 601	0.24 420	0.33 528	0.19 464	0.24 445	0.26 522	0.24 561	0.19 491	0.20 517	0.07 328	0.08 508	0.09 466	0.10 529	0.09 487	0.08 447

ssnet_v2	0.17 502	0.10 476	0.17 480	0.17 287	0.11 491	0.21 533	0.21 552	0.33 565	0.25 450	0.22 517	0.22 424	0.27 530	0.18 506	0.22 546	0.20 517	0.11 535	0.09 541	0.09 466	0.09 489	0.08 424	0.08 447

dad	0.17 502	0.20 610	0.20 528	0.16 201	0.11 491	0.20 516	0.18 469	0.21 351	0.28 489	0.30 593	0.24 445	0.29 548	0.13 399	0.19 491	0.16 465	0.18 626	0.09 541	0.11 545	0.09 489	0.11 543	0.07 382

GEStereo_RVC	0.17 502	0.12 520	0.15 414	0.22 560	0.11 491	0.19 500	0.17 420	0.32 545	0.48 606	0.20 487	0.25 473	0.17 407	0.13 399	0.21 533	0.16 465	0.10 504	0.06 406	0.08 383	0.07 369	0.09 487	0.08 447

MMNet	0.17 502	0.09 414	0.16 450	0.20 511	0.11 491	0.27 594	0.20 532	0.25 437	0.41 579	0.22 517	0.30 532	0.21 456	0.20 534	0.17 454	0.20 517	0.06 166	0.06 406	0.07 289	0.07 369	0.08 424	0.07 382

delet	0.17 502	0.08 334	0.17 480	0.19 445	0.11 491	0.20 516	0.21 552	0.30 523	0.37 560	0.17 417	0.26 490	0.19 435	0.19 522	0.19 491	0.21 537	0.08 403	0.08 508	0.09 466	0.11 563	0.06 281	0.06 295

UNet	0.17 502	0.09 414	0.18 504	0.19 445	0.12 525	0.27 594	0.19 509	0.33 565	0.29 496	0.21 501	0.24 445	0.23 492	0.19 522	0.19 491	0.18 498	0.07 328	0.06 406	0.08 383	0.07 369	0.08 424	0.06 295

HGLStereo	0.17 502	0.08 334	0.19 516	0.17 287	0.12 525	0.18 476	0.18 469	0.31 534	0.32 521	0.21 501	0.32 544	0.25 512	0.18 506	0.19 491	0.20 517	0.09 463	0.09 541	0.07 289	0.07 369	0.09 487	0.10 520

DMCA-RVC	0.17 502	0.10 476	0.15 414	0.24 593	0.11 491	0.18 476	0.18 469	0.25 437	0.24 429	0.21 501	0.26 490	0.25 512	0.27 584	0.18 476	0.20 517	0.12 560	0.08 508	0.13 580	0.10 529	0.10 520	0.08 447

TDLM	0.17 502	0.12 520	0.13 329	0.24 593	0.10 441	0.18 476	0.18 469	0.36 596	0.30 506	0.21 501	0.28 513	0.28 540	0.18 506	0.23 557	0.18 498	0.11 535	0.07 478	0.10 514	0.10 529	0.08 424	0.08 447

NLCA_NET_v2_RVC	0.17 502	0.10 476	0.22 543	0.20 511	0.10 441	0.15 405	0.18 469	0.31 534	0.25 450	0.21 501	0.30 532	0.25 512	0.17 492	0.21 533	0.20 517	0.09 463	0.06 406	0.08 383	0.08 442	0.07 360	0.08 447
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 502	0.12 520	0.15 414	0.20 511	0.09 329	0.18 476	0.18 469	0.26 455	0.23 412	0.26 558	0.40 593	0.22 474	0.17 492	0.21 533	0.20 517	0.08 403	0.05 263	0.09 466	0.10 529	0.07 360	0.07 382
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 516	0.08 334	0.19 516	0.19 445	0.13 548	0.15 405	0.12 93	0.30 523	0.32 521	0.21 501	0.25 473	0.27 530	0.17 492	0.17 454	0.20 517	0.20 634	0.08 508	0.14 593	0.14 598	0.14 591	0.17 626

test_sample9	0.18 516	0.12 520	0.20 528	0.12 5	0.14 569	0.17 457	0.13 163	0.27 476	0.23 412	0.20 487	0.20 390	0.24 498	0.19 522	0.19 491	0.17 480	0.15 604	0.30 656	0.14 593	0.14 598	0.14 591	0.12 560

fast-acv-ft	0.18 516	0.11 502	0.19 516	0.19 445	0.12 525	0.24 563	0.21 552	0.25 437	0.34 540	0.22 517	0.34 560	0.27 530	0.20 534	0.21 533	0.23 558	0.09 463	0.09 541	0.08 383	0.10 529	0.08 424	0.07 382

HBP-ISP	0.18 516	0.13 548	0.16 450	0.15 106	0.11 491	0.08 77	0.13 163	0.28 495	0.29 496	0.22 517	0.33 556	0.21 456	0.25 570	0.23 557	0.17 480	0.14 600	0.16 624	0.21 629	0.17 625	0.10 520	0.08 447

Wz-Net-LNSev-Ref	0.18 516	0.09 414	0.29 584	0.15 106	0.10 441	0.22 542	0.20 532	0.26 455	0.39 570	0.25 552	0.42 610	0.24 498	0.15 441	0.20 516	0.19 511	0.07 328	0.05 263	0.06 180	0.05 182	0.10 520	0.09 491

SACVNet	0.18 516	0.12 520	0.14 366	0.17 287	0.13 548	0.22 542	0.18 469	0.31 534	0.30 506	0.23 530	0.31 540	0.30 558	0.22 547	0.22 546	0.17 480	0.11 535	0.08 508	0.10 514	0.10 529	0.12 558	0.14 599

psm_up	0.18 516	0.10 476	0.18 504	0.20 511	0.11 491	0.17 457	0.19 509	0.37 602	0.34 540	0.21 501	0.28 513	0.29 548	0.24 561	0.20 516	0.22 546	0.09 463	0.10 562	0.11 545	0.11 563	0.08 424	0.08 447

hitnet-ft	0.18 516	0.09 414	0.17 480	0.14 55	0.09 329	0.26 584	0.20 532	0.25 437	0.26 464	0.24 539	0.32 544	0.31 571	0.22 547	0.24 567	0.21 537	0.12 560	0.07 478	0.10 514	0.08 442	0.12 558	0.11 547

STTStereo	0.18 516	0.12 520	0.27 571	0.20 511	0.11 491	0.16 435	0.21 552	0.29 509	0.23 412	0.21 501	0.30 532	0.29 548	0.18 506	0.20 516	0.19 511	0.12 560	0.11 574	0.11 545	0.14 598	0.09 487	0.08 447

CVANet_RVC	0.18 516	0.10 476	0.14 366	0.21 543	0.10 441	0.18 476	0.17 420	0.34 574	0.33 528	0.22 517	0.31 540	0.28 540	0.18 506	0.23 557	0.17 480	0.12 560	0.08 508	0.12 565	0.11 563	0.09 487	0.07 382

StereoDRNet	0.18 516	0.11 502	0.17 480	0.22 560	0.11 491	0.21 533	0.22 562	0.37 602	0.33 528	0.24 539	0.28 513	0.30 558	0.19 522	0.20 516	0.20 517	0.09 463	0.08 508	0.11 545	0.09 489	0.09 487	0.07 382

DLCB_ROB	0.18 516	0.10 476	0.15 414	0.23 584	0.11 491	0.24 563	0.18 469	0.29 509	0.28 489	0.27 564	0.28 513	0.28 540	0.24 561	0.19 491	0.20 517	0.08 403	0.08 508	0.09 466	0.09 489	0.07 360	0.07 382

TCMNet	0.19 528	0.12 520	0.19 516	0.20 511	0.18 622	0.20 516	0.24 586	0.27 476	0.36 553	0.23 530	0.26 490	0.25 512	0.19 522	0.19 491	0.23 558	0.13 586	0.11 574	0.11 545	0.12 583	0.13 577	0.12 560

rvit_105_1	0.19 528	0.11 502	0.25 561	0.21 543	0.16 600	0.21 533	0.27 617	0.31 534	0.41 579	0.19 464	0.20 390	0.22 474	0.17 492	0.19 491	0.17 480	0.12 560	0.12 590	0.13 580	0.15 614	0.08 424	0.07 382

test_sample8	0.19 528	0.12 520	0.20 528	0.12 5	0.14 569	0.17 457	0.13 163	0.31 534	0.21 386	0.27 564	0.22 424	0.36 597	0.25 570	0.19 491	0.17 480	0.15 604	0.30 656	0.14 593	0.14 598	0.14 591	0.12 560

SDNR	0.19 528	0.08 334	0.19 516	0.16 201	0.12 525	0.77 669	0.14 228	0.25 437	0.32 521	0.19 464	0.24 445	0.19 435	0.13 399	0.19 491	0.15 449	0.16 620	0.18 631	0.14 593	0.11 563	0.08 424	0.11 547

pcwnet_v2	0.19 528	0.10 476	0.26 564	0.17 287	0.14 569	0.18 476	0.15 310	0.37 602	0.46 604	0.19 464	0.24 445	0.21 456	0.19 522	0.20 516	0.19 511	0.13 586	0.10 562	0.10 514	0.10 529	0.11 543	0.13 582

ADCRef	0.19 528	0.12 520	0.41 617	0.20 511	0.12 525	0.22 542	0.18 469	0.32 545	0.36 553	0.26 558	0.32 544	0.17 407	0.23 555	0.24 567	0.24 571	0.07 328	0.06 406	0.09 466	0.09 489	0.08 424	0.08 447

NVstereo2D	0.19 528	0.10 476	0.15 414	0.17 287	0.15 589	0.28 601	0.23 573	0.44 635	0.42 587	0.15 371	0.27 499	0.25 512	0.19 522	0.22 546	0.17 480	0.09 463	0.06 406	0.10 514	0.08 442	0.15 607	0.09 491

DRN-Test	0.19 528	0.11 502	0.20 528	0.22 560	0.10 441	0.22 542	0.22 562	0.39 614	0.37 560	0.24 539	0.32 544	0.26 522	0.21 538	0.22 546	0.24 571	0.11 535	0.07 478	0.11 545	0.10 529	0.09 487	0.07 382

DISCO	0.19 528	0.09 414	0.22 543	0.17 287	0.10 441	0.25 574	0.18 469	0.27 476	0.44 597	0.22 517	0.31 540	0.33 584	0.26 576	0.28 589	0.28 608	0.08 403	0.06 406	0.07 289	0.07 369	0.09 487	0.09 491

CBMV_ROB	0.19 528	0.13 548	0.17 480	0.16 201	0.11 491	0.15 405	0.13 163	0.26 455	0.28 489	0.27 564	0.30 532	0.27 530	0.24 561	0.23 557	0.16 465	0.15 604	0.17 629	0.22 633	0.20 631	0.10 520	0.11 547

NOSS_ROB	0.19 528	0.12 520	0.18 504	0.16 201	0.12 525	0.15 405	0.12 93	0.30 523	0.32 521	0.20 487	0.22 424	0.27 530	0.23 555	0.21 533	0.16 465	0.16 620	0.18 631	0.23 634	0.21 633	0.12 558	0.13 582

CBMV	0.19 528	0.14 560	0.17 480	0.18 377	0.10 441	0.20 516	0.11 61	0.29 509	0.30 506	0.29 588	0.30 532	0.30 558	0.23 555	0.27 577	0.19 511	0.13 586	0.15 620	0.17 615	0.16 618	0.10 520	0.10 520
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 540	0.14 560	0.37 609	0.22 560	0.12 525	0.20 516	0.21 552	0.28 495	0.37 560	0.25 552	0.37 573	0.27 530	0.22 547	0.21 533	0.23 558	0.08 403	0.08 508	0.09 466	0.09 489	0.10 520	0.09 491

YMNet	0.20 540	0.12 520	0.19 516	0.20 511	0.14 569	0.26 584	0.23 573	0.32 545	0.34 540	0.27 564	0.34 560	0.30 558	0.18 506	0.18 476	0.22 546	0.10 504	0.13 605	0.10 514	0.10 529	0.08 424	0.09 491

YMNet_1	0.20 540	0.12 520	0.19 516	0.20 511	0.14 569	0.26 584	0.23 573	0.32 545	0.34 540	0.27 564	0.34 560	0.30 558	0.18 506	0.18 476	0.22 546	0.10 504	0.13 605	0.10 514	0.10 529	0.08 424	0.09 491

GwcNet	0.20 540	0.13 548	0.19 516	0.18 377	0.12 525	0.24 563	0.19 509	0.35 589	0.43 592	0.20 487	0.32 544	0.33 584	0.20 534	0.22 546	0.24 571	0.11 535	0.09 541	0.09 466	0.09 489	0.09 487	0.10 520

FAT-Stereo	0.20 540	0.12 520	0.22 543	0.21 543	0.12 525	0.17 457	0.18 469	0.34 574	0.39 570	0.27 564	0.37 573	0.34 591	0.32 615	0.21 533	0.20 517	0.09 463	0.11 574	0.10 514	0.09 489	0.11 543	0.14 599

FADNet-RVC	0.20 540	0.20 610	0.38 611	0.21 543	0.16 600	0.20 516	0.15 310	0.26 455	0.26 464	0.26 558	0.32 544	0.26 522	0.21 538	0.22 546	0.19 511	0.12 560	0.13 605	0.12 565	0.14 598	0.13 577	0.18 629

S-Stereo	0.20 540	0.12 520	0.25 561	0.21 543	0.13 548	0.20 516	0.18 469	0.32 545	0.43 592	0.23 530	0.36 567	0.28 540	0.30 607	0.19 491	0.22 546	0.09 463	0.12 590	0.10 514	0.10 529	0.13 577	0.13 582

SuperB	0.20 540	0.10 476	0.56 637	0.16 201	0.09 329	0.18 476	0.18 469	0.24 420	0.50 616	0.26 558	0.39 587	0.17 407	0.21 538	0.22 546	0.21 537	0.08 403	0.06 406	0.06 180	0.06 272	0.12 558	0.10 520

ADCP+	0.20 540	0.10 476	0.33 596	0.20 511	0.12 525	0.22 542	0.26 610	0.31 534	0.34 540	0.26 558	0.37 573	0.22 474	0.22 547	0.27 577	0.27 600	0.09 463	0.06 406	0.08 383	0.08 442	0.09 487	0.10 520

PS-NSSS	0.20 540	0.21 616	0.23 552	0.20 511	0.10 441	0.19 500	0.17 420	0.36 596	0.25 450	0.27 564	0.33 556	0.27 530	0.24 561	0.20 516	0.20 517	0.15 604	0.12 590	0.17 615	0.14 598	0.10 520	0.08 447

PWCDC_ROB	0.20 540	0.13 548	0.22 543	0.24 593	0.11 491	0.19 500	0.15 310	0.33 565	0.54 626	0.29 588	0.50 626	0.21 456	0.15 441	0.27 577	0.20 517	0.11 535	0.09 541	0.10 514	0.08 442	0.11 543	0.09 491

SGM-Forest	0.20 540	0.14 560	0.18 504	0.19 445	0.13 548	0.20 516	0.22 562	0.33 565	0.30 506	0.24 539	0.29 525	0.28 540	0.19 522	0.23 557	0.17 480	0.15 604	0.16 624	0.15 605	0.14 598	0.12 558	0.12 560
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 552	0.17 589	0.19 516	0.23 584	0.15 589	0.30 608	0.20 532	0.33 565	0.35 549	0.23 530	0.28 513	0.31 571	0.27 584	0.20 516	0.22 546	0.15 604	0.12 590	0.13 580	0.09 489	0.14 591	0.14 599

FINET	0.21 552	0.18 600	0.26 564	0.18 377	0.16 600	0.23 558	0.23 573	0.32 545	0.48 606	0.25 552	0.32 544	0.22 474	0.22 547	0.22 546	0.17 480	0.18 626	0.16 624	0.11 545	0.10 529	0.15 607	0.13 582

Syn2CoEx	0.21 552	0.16 578	0.27 571	0.29 634	0.14 569	0.26 584	0.20 532	0.33 565	0.31 514	0.28 579	0.36 567	0.27 530	0.25 570	0.19 491	0.24 571	0.16 620	0.12 590	0.14 593	0.11 563	0.09 487	0.08 447

FADNet	0.21 552	0.22 620	0.36 605	0.18 377	0.17 615	0.24 563	0.13 163	0.31 534	0.31 514	0.23 530	0.25 473	0.27 530	0.21 538	0.19 491	0.15 449	0.13 586	0.15 620	0.12 565	0.15 614	0.16 616	0.18 629

RP	0.21 552	0.13 548	0.21 537	0.23 584	0.11 491	0.21 533	0.20 532	0.25 437	0.44 597	0.21 501	0.38 579	0.36 597	0.24 561	0.27 577	0.25 581	0.11 535	0.12 590	0.13 580	0.12 583	0.12 558	0.14 599

DANet	0.21 552	0.15 570	0.28 576	0.25 604	0.13 548	0.22 542	0.19 509	0.27 476	0.27 474	0.28 579	0.32 544	0.35 595	0.31 611	0.31 599	0.23 558	0.11 535	0.09 541	0.11 545	0.10 529	0.13 577	0.11 547
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 552	0.12 520	0.21 537	0.24 593	0.13 548	0.22 542	0.22 562	0.41 624	0.26 464	0.31 599	0.42 610	0.37 602	0.28 595	0.23 557	0.22 546	0.10 504	0.12 590	0.10 514	0.09 489	0.10 520	0.08 447

PWC_ROB	0.21 552	0.16 578	0.26 564	0.18 377	0.11 491	0.22 542	0.13 163	0.32 545	0.49 613	0.30 593	0.40 593	0.32 580	0.24 561	0.31 599	0.22 546	0.10 504	0.07 478	0.11 545	0.08 442	0.11 543	0.10 520

PSMNet_ROB	0.21 552	0.11 502	0.15 414	0.27 622	0.15 589	0.24 563	0.35 650	0.43 633	0.37 560	0.27 564	0.32 544	0.32 580	0.22 547	0.21 533	0.26 592	0.12 560	0.08 508	0.13 580	0.11 563	0.09 487	0.09 491

MSAF-DinoV2	0.22 561	0.11 502	0.23 552	0.17 287	0.10 441	0.27 594	0.16 379	0.37 602	0.55 627	0.21 501	0.27 499	0.47 636	0.27 584	0.35 618	0.39 644	0.09 463	0.06 406	0.07 289	0.09 489	0.12 558	0.10 520

GASNet	0.22 561	0.23 622	0.33 596	0.26 609	0.17 615	0.26 584	0.16 379	0.44 635	0.42 587	0.27 564	0.24 445	0.30 558	0.15 441	0.27 577	0.18 498	0.12 560	0.08 508	0.12 565	0.11 563	0.16 616	0.07 382

Anonymous_2	0.22 561	0.17 589	0.28 576	0.15 106	0.16 600	0.32 610	0.22 562	0.22 375	0.17 298	0.23 530	0.24 445	0.26 522	0.27 584	0.27 577	0.23 558	0.22 643	0.25 652	0.17 615	0.17 625	0.17 624	0.17 626

Wz-Net-LNSev	0.22 561	0.16 578	0.38 611	0.21 543	0.13 548	0.25 574	0.23 573	0.32 545	0.43 592	0.30 593	0.41 604	0.31 571	0.18 506	0.22 546	0.25 581	0.10 504	0.09 541	0.08 383	0.08 442	0.12 558	0.11 547

Wz-Net-MNSev	0.22 561	0.13 548	0.31 589	0.20 511	0.14 569	0.36 629	0.24 586	0.33 565	0.44 597	0.28 579	0.40 593	0.38 606	0.19 522	0.24 567	0.25 581	0.09 463	0.07 478	0.09 466	0.09 489	0.12 558	0.10 520

DDUNet	0.22 561	0.17 589	0.21 537	0.22 560	0.15 589	0.25 574	0.24 586	0.29 509	0.30 506	0.31 599	0.36 567	0.33 584	0.25 570	0.24 567	0.20 517	0.18 626	0.13 605	0.17 615	0.11 563	0.16 616	0.16 617

APVNet	0.22 561	0.12 520	0.19 516	0.18 377	0.14 569	0.32 610	0.31 646	0.39 614	0.32 521	0.27 564	0.40 593	0.30 558	0.29 603	0.26 574	0.25 581	0.11 535	0.12 590	0.11 545	0.14 598	0.12 558	0.12 560

aanetorigin	0.22 561	0.17 589	0.56 637	0.17 287	0.10 441	0.15 405	0.19 509	0.20 328	0.33 528	0.49 641	0.48 621	0.29 548	0.27 584	0.20 516	0.23 558	0.08 403	0.07 478	0.08 383	0.07 369	0.10 520	0.09 491

MaskLacGwcNet_RVC	0.22 561	0.21 616	0.24 556	0.26 609	0.11 491	0.23 558	0.14 228	0.39 614	0.24 429	0.32 605	0.36 567	0.30 558	0.21 538	0.19 491	0.21 537	0.17 625	0.14 614	0.21 629	0.16 618	0.12 558	0.12 560

AF-Net	0.22 561	0.17 589	0.17 480	0.26 609	0.13 548	0.25 574	0.24 586	0.32 545	0.50 616	0.25 552	0.33 556	0.38 606	0.26 576	0.28 589	0.25 581	0.11 535	0.10 562	0.16 612	0.11 563	0.11 543	0.10 520

stereogan	0.22 561	0.11 502	0.21 537	0.20 511	0.12 525	0.31 609	0.19 509	0.35 589	0.44 597	0.22 517	0.39 587	0.35 595	0.27 584	0.33 609	0.22 546	0.10 504	0.12 590	0.10 514	0.10 529	0.14 591	0.13 582

edge stereo	0.22 561	0.13 548	0.20 528	0.21 543	0.13 548	0.23 558	0.16 379	0.32 545	0.42 587	0.32 605	0.40 593	0.38 606	0.35 625	0.25 572	0.24 571	0.13 586	0.11 574	0.14 593	0.11 563	0.12 558	0.13 582

RYNet	0.22 561	0.12 520	0.22 543	0.19 445	0.17 615	0.46 640	0.26 610	0.38 610	0.48 606	0.24 539	0.28 513	0.34 591	0.23 555	0.20 516	0.30 619	0.10 504	0.06 406	0.09 466	0.09 489	0.13 577	0.15 606

NaN_ROB	0.22 561	0.19 604	0.24 556	0.25 604	0.13 548	0.29 605	0.26 610	0.33 565	0.41 579	0.31 599	0.31 540	0.32 580	0.23 555	0.30 598	0.21 537	0.11 535	0.17 629	0.10 514	0.10 529	0.08 424	0.09 491

MDST_ROB	0.22 561	0.10 476	0.17 480	0.18 377	0.11 491	0.37 630	0.19 509	0.43 633	0.41 579	0.39 622	0.39 587	0.29 548	0.21 538	0.26 574	0.18 498	0.11 535	0.10 562	0.14 593	0.11 563	0.10 520	0.08 447

XPNet_ROB	0.22 561	0.11 502	0.19 516	0.22 560	0.13 548	0.22 542	0.19 509	0.34 574	0.40 576	0.30 593	0.39 587	0.39 614	0.26 576	0.26 574	0.28 608	0.15 604	0.10 562	0.10 514	0.10 529	0.13 577	0.12 560

SQANet	0.23 577	0.23 622	0.30 587	0.30 636	0.19 626	0.27 594	0.13 163	0.29 509	0.33 528	0.24 539	0.37 573	0.31 571	0.22 547	0.27 577	0.23 558	0.15 604	0.10 562	0.21 629	0.16 618	0.21 632	0.15 606

Nwc_Net	0.23 577	0.16 578	0.21 537	0.25 604	0.14 569	0.24 563	0.26 610	0.37 602	0.38 567	0.22 517	0.41 604	0.30 558	0.28 595	0.28 589	0.25 581	0.11 535	0.10 562	0.17 615	0.20 631	0.10 520	0.10 520

RTSC	0.23 577	0.12 520	0.28 576	0.21 543	0.13 548	0.28 601	0.16 379	0.35 589	0.66 652	0.27 564	0.33 556	0.30 558	0.21 538	0.31 599	0.29 612	0.10 504	0.08 508	0.09 466	0.10 529	0.13 577	0.13 582

PA-Net	0.23 577	0.18 600	0.33 596	0.28 625	0.22 635	0.21 533	0.38 655	0.29 509	0.39 570	0.22 517	0.32 544	0.25 512	0.26 576	0.20 516	0.25 581	0.09 463	0.23 649	0.15 605	0.22 636	0.09 487	0.13 582
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 577	0.15 570	0.17 480	0.34 641	0.18 622	0.24 563	0.23 573	0.34 574	0.28 489	0.31 599	0.38 579	0.38 606	0.28 595	0.23 557	0.24 571	0.15 604	0.12 590	0.18 624	0.21 633	0.13 577	0.13 582

ETE_ROB	0.23 577	0.17 589	0.22 543	0.25 604	0.13 548	0.26 584	0.29 633	0.31 534	0.36 553	0.28 579	0.36 567	0.45 628	0.26 576	0.27 577	0.26 592	0.11 535	0.08 508	0.12 565	0.09 489	0.14 591	0.13 582

SGM_RVC	0.23 577	0.12 520	0.15 414	0.15 106	0.09 329	0.33 617	0.18 469	0.34 574	0.31 514	0.44 636	0.37 573	0.53 644	0.35 625	0.35 618	0.24 571	0.13 586	0.13 605	0.13 580	0.13 594	0.10 520	0.11 547
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 584	0.18 600	0.18 504	0.20 511	0.14 569	0.21 533	0.19 509	0.32 545	0.41 579	0.29 588	0.21 413	0.32 580	0.27 584	0.41 643	0.27 600	0.46 664	0.12 590	0.31 652	0.11 563	0.15 607	0.12 560

z-mn7	0.24 584	0.14 560	0.45 621	0.19 445	0.13 548	0.28 601	0.25 601	0.34 574	0.62 643	0.27 564	0.56 638	0.29 548	0.24 561	0.32 606	0.25 581	0.08 403	0.08 508	0.08 383	0.08 442	0.10 520	0.10 520

w-ln-seven	0.24 584	0.14 560	0.55 634	0.19 445	0.14 569	0.26 584	0.22 562	0.35 589	0.60 640	0.29 588	0.39 587	0.30 558	0.22 547	0.21 533	0.26 592	0.09 463	0.09 541	0.11 545	0.10 529	0.11 543	0.10 520

DGSMNet	0.24 584	0.19 604	0.33 596	0.21 543	0.24 640	0.24 563	0.20 532	0.35 589	0.41 579	0.24 539	0.32 544	0.38 606	0.21 538	0.29 595	0.23 558	0.12 560	0.11 574	0.14 593	0.16 618	0.23 636	0.23 640

G-Net	0.24 584	0.16 578	0.36 605	0.22 560	0.16 600	0.51 646	0.23 573	0.29 509	0.34 540	0.36 615	0.38 579	0.31 571	0.29 603	0.27 577	0.26 592	0.11 535	0.09 541	0.12 565	0.09 489	0.16 616	0.13 582

NCC-stereo	0.24 584	0.15 570	0.31 589	0.26 609	0.16 600	0.20 516	0.30 640	0.40 618	0.40 576	0.24 539	0.38 579	0.33 584	0.28 595	0.36 624	0.27 600	0.12 560	0.11 574	0.15 605	0.22 636	0.13 577	0.13 582

Abc-Net	0.24 584	0.15 570	0.31 589	0.26 609	0.16 600	0.20 516	0.30 640	0.40 618	0.40 576	0.24 539	0.38 579	0.33 584	0.28 595	0.36 624	0.27 600	0.12 560	0.11 574	0.15 605	0.22 636	0.13 577	0.13 582
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 584	0.11 502	0.47 626	0.22 560	0.12 525	0.34 620	0.29 633	0.29 509	0.56 630	0.24 539	0.46 618	0.30 558	0.30 607	0.29 595	0.29 612	0.08 403	0.07 478	0.09 466	0.09 489	0.10 520	0.10 520

DeepPrunerF	0.24 584	0.17 589	0.42 619	0.26 609	0.16 600	0.22 542	0.28 623	0.37 602	0.50 616	0.26 558	0.29 525	0.24 498	0.28 595	0.21 533	0.22 546	0.15 604	0.11 574	0.20 628	0.18 629	0.12 558	0.13 582

FBW_ROB	0.24 584	0.17 589	0.22 543	0.26 609	0.14 569	0.25 574	0.22 562	0.41 624	0.41 579	0.41 629	0.41 604	0.42 621	0.27 584	0.31 599	0.23 558	0.09 463	0.14 614	0.14 593	0.12 583	0.11 543	0.09 491

SANet	0.24 584	0.14 560	0.28 576	0.21 543	0.11 491	0.27 594	0.24 586	0.38 610	0.64 648	0.36 615	0.40 593	0.43 624	0.26 576	0.27 577	0.24 571	0.12 560	0.09 541	0.10 514	0.09 489	0.13 577	0.11 547

WCMA_ROB	0.24 584	0.11 502	0.22 543	0.17 287	0.14 569	0.32 610	0.15 310	0.32 545	0.32 521	0.38 620	0.53 629	0.40 618	0.34 622	0.34 612	0.25 581	0.11 535	0.12 590	0.12 565	0.10 529	0.14 591	0.14 599

DStereoSA	0.25 596	0.19 604	0.37 609	0.26 609	0.17 615	0.22 542	0.20 532	0.49 645	0.59 636	0.22 517	0.29 525	0.29 548	0.33 617	0.39 635	0.28 608	0.12 560	0.11 574	0.16 612	0.14 598	0.14 591	0.12 560

zh-sn7	0.25 596	0.17 589	0.50 628	0.24 593	0.13 548	0.25 574	0.24 586	0.34 574	0.48 606	0.28 579	0.54 631	0.28 540	0.31 611	0.36 624	0.32 627	0.10 504	0.10 562	0.11 545	0.10 529	0.12 558	0.12 560

zh-mn7	0.25 596	0.14 560	0.56 637	0.19 445	0.14 569	0.24 563	0.22 562	0.34 574	0.62 643	0.35 612	0.65 647	0.31 571	0.25 570	0.31 599	0.25 581	0.09 463	0.08 508	0.09 466	0.09 489	0.09 487	0.11 547

Wz-Net-SNSev	0.25 596	0.17 589	0.44 620	0.25 604	0.14 569	0.26 584	0.23 573	0.38 610	0.56 630	0.30 593	0.55 633	0.39 614	0.26 576	0.23 557	0.30 619	0.10 504	0.09 541	0.09 466	0.10 529	0.11 543	0.11 547

psmorigin	0.25 596	0.15 570	0.34 604	0.17 287	0.13 548	0.23 558	0.14 228	0.34 574	0.33 528	0.41 629	0.55 633	0.41 620	0.37 629	0.34 612	0.27 600	0.11 535	0.15 620	0.11 545	0.11 563	0.12 558	0.16 617

RGC	0.25 596	0.20 610	0.29 584	0.28 625	0.16 600	0.22 542	0.23 573	0.32 545	0.44 597	0.27 564	0.40 593	0.38 606	0.27 584	0.36 624	0.22 546	0.11 535	0.13 605	0.17 615	0.17 625	0.14 591	0.16 617

ADCMid	0.25 596	0.15 570	0.40 614	0.20 511	0.14 569	0.25 574	0.26 610	0.34 574	0.38 567	0.36 615	0.44 615	0.34 591	0.40 636	0.35 618	0.33 632	0.10 504	0.09 541	0.11 545	0.11 563	0.13 577	0.12 560

ADCPNet	0.25 596	0.16 578	0.61 644	0.21 543	0.15 589	0.35 628	0.25 601	0.32 545	0.35 549	0.30 593	0.40 593	0.36 597	0.28 595	0.28 589	0.32 627	0.12 560	0.10 562	0.11 545	0.12 583	0.14 591	0.13 582

LALA_ROB	0.25 596	0.16 578	0.22 543	0.26 609	0.17 615	0.27 594	0.27 617	0.42 629	0.37 560	0.33 609	0.38 579	0.51 640	0.26 576	0.28 589	0.27 600	0.16 620	0.09 541	0.12 565	0.11 563	0.13 577	0.12 560

SHD	0.26 605	0.15 570	0.30 587	0.24 593	0.18 622	0.22 542	0.15 310	0.38 610	0.71 656	0.32 605	0.41 604	0.36 597	0.28 595	0.32 606	0.29 612	0.12 560	0.11 574	0.14 593	0.13 594	0.16 616	0.20 635

AnyNet_C32	0.26 605	0.16 578	0.36 605	0.20 511	0.16 600	0.25 574	0.30 640	0.32 545	0.44 597	0.31 599	0.49 622	0.30 558	0.33 617	0.40 640	0.33 632	0.12 560	0.12 590	0.12 565	0.14 598	0.14 591	0.15 606

DStereoFS	0.27 607	0.22 620	0.31 589	0.22 560	0.15 589	0.22 542	0.20 532	0.50 649	0.48 606	0.28 579	0.44 615	0.33 584	0.34 622	0.52 653	0.29 612	0.12 560	0.11 574	0.15 605	0.13 594	0.16 616	0.16 617

PSMNet-RUCA	0.27 607	0.33 645	0.41 617	0.36 645	0.32 653	0.18 476	0.19 509	0.42 629	0.30 506	0.33 609	0.41 604	0.39 614	0.25 570	0.31 599	0.20 517	0.18 626	0.10 562	0.25 636	0.15 614	0.21 632	0.16 617

PDISCO_ROB	0.27 607	0.16 578	0.26 564	0.28 625	0.20 629	0.32 610	0.26 610	0.44 635	0.57 632	0.28 579	0.40 593	0.45 628	0.29 603	0.33 609	0.34 634	0.12 560	0.09 541	0.17 615	0.16 618	0.17 624	0.13 582

DispFullNet	0.27 607	0.21 616	0.65 647	0.28 625	0.16 600	0.26 584	0.17 420	0.33 565	0.58 635	0.27 564	0.38 579	0.43 624	0.23 555	0.38 631	0.23 558	0.12 560	0.06 406	0.19 626	0.11 563	0.21 632	0.15 606

MeshStereo	0.27 607	0.13 548	0.18 504	0.15 106	0.11 491	0.32 610	0.24 586	0.40 618	0.36 553	0.52 643	0.57 641	0.67 655	0.40 636	0.35 618	0.26 592	0.14 600	0.13 605	0.13 580	0.11 563	0.11 543	0.10 520
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WZ-Net	0.28 612	0.17 589	0.78 664	0.22 560	0.16 600	0.34 620	0.29 633	0.39 614	0.57 632	0.24 539	0.55 633	0.37 602	0.24 561	0.33 609	0.35 635	0.09 463	0.08 508	0.09 466	0.10 529	0.14 591	0.16 617

XQC	0.28 612	0.23 622	0.51 629	0.28 625	0.19 626	0.34 620	0.27 617	0.36 596	0.57 632	0.31 599	0.30 532	0.37 602	0.30 607	0.38 631	0.38 642	0.13 586	0.09 541	0.15 605	0.12 583	0.17 624	0.18 629

CC-Net-ROB	0.28 612	0.31 643	0.36 605	0.29 634	0.15 589	0.25 574	0.19 509	0.45 638	0.33 528	0.39 622	0.37 573	0.39 614	0.31 611	0.27 577	0.26 592	0.24 649	0.19 634	0.30 651	0.23 640	0.18 627	0.15 606

DPSNet	0.28 612	0.16 578	0.31 589	0.18 377	0.13 548	0.54 648	0.42 659	0.51 651	0.67 653	0.29 588	0.38 579	0.38 606	0.29 603	0.31 599	0.23 558	0.11 535	0.10 562	0.11 545	0.08 442	0.20 631	0.16 617

MultiAttention	0.29 616	0.08 334	0.14 366	0.19 445	0.12 525	1.45 684	1.33 688	0.36 596	0.37 560	0.19 464	0.21 413	0.24 498	0.11 328	0.38 631	0.18 498	0.06 166	0.05 263	0.08 383	0.08 442	0.10 520	0.09 491

Wz-Net-TNSev	0.29 616	0.20 610	0.65 647	0.19 445	0.15 589	0.38 633	0.27 617	0.35 589	0.55 627	0.34 611	0.42 610	0.45 628	0.38 630	0.32 606	0.30 619	0.12 560	0.13 605	0.10 514	0.12 583	0.15 607	0.14 599

ccnet	0.29 616	0.28 638	0.23 552	0.20 511	0.28 647	0.41 638	0.21 552	0.45 638	0.33 528	0.36 615	0.46 618	0.36 597	0.30 607	0.39 635	0.42 651	0.23 647	0.14 614	0.21 629	0.17 625	0.23 636	0.18 629

EDNetEfficient	0.29 616	0.24 625	1.13 675	0.18 377	0.10 441	0.19 500	0.20 532	0.20 328	0.60 640	0.74 663	0.56 638	0.31 571	0.39 633	0.22 546	0.30 619	0.09 463	0.07 478	0.08 383	0.07 369	0.11 543	0.09 491

ADCS	0.29 616	0.18 600	0.45 621	0.21 543	0.17 615	0.28 601	0.23 573	0.41 624	0.63 647	0.40 625	0.49 622	0.40 618	0.36 627	0.39 635	0.40 647	0.13 586	0.12 590	0.13 580	0.14 598	0.16 616	0.16 617

CSAN	0.29 616	0.24 625	0.27 571	0.34 641	0.19 626	0.33 617	0.42 659	0.37 602	0.50 616	0.38 620	0.40 593	0.44 626	0.33 617	0.28 589	0.30 619	0.20 634	0.16 624	0.19 626	0.19 630	0.14 591	0.15 606

AANet	0.30 622	0.19 604	1.03 673	0.16 201	0.13 548	0.22 542	0.16 379	0.30 523	0.62 643	0.60 650	0.52 628	0.46 632	0.38 630	0.23 557	0.32 627	0.12 560	0.09 541	0.11 545	0.10 529	0.13 577	0.12 560

MFN_U_SF_DS_RVC	0.30 622	0.24 625	0.29 584	0.36 645	0.16 600	0.34 620	0.30 640	0.32 545	0.42 587	0.40 625	0.46 618	0.38 606	0.31 611	0.34 612	0.28 608	0.19 632	0.20 637	0.26 637	0.29 650	0.18 627	0.19 634

GANetREF_RVC	0.31 624	0.34 646	0.27 571	0.35 643	0.16 600	0.32 610	0.41 656	0.48 643	0.51 623	0.35 612	0.35 564	0.34 591	0.33 617	0.39 635	0.32 627	0.27 651	0.20 637	0.29 649	0.15 614	0.18 627	0.17 626
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 624	0.26 631	0.26 564	0.24 593	0.21 633	0.34 620	0.25 601	0.34 574	0.39 570	0.40 625	0.69 651	0.45 628	0.40 636	0.34 612	0.27 600	0.20 634	0.19 634	0.26 637	0.25 642	0.23 636	0.22 639

MFN_U_SF_RVC	0.32 626	0.21 616	0.55 634	0.30 636	0.15 589	0.34 620	0.17 420	0.52 652	0.46 604	0.46 640	0.55 633	0.59 647	0.39 633	0.35 618	0.37 640	0.15 604	0.14 614	0.18 624	0.21 633	0.16 616	0.15 606

PASM	0.32 626	0.24 625	0.48 627	0.28 625	0.27 646	0.29 605	0.30 640	0.34 574	0.49 613	0.35 612	0.39 587	0.46 632	0.34 622	0.34 612	0.35 635	0.23 647	0.25 652	0.26 637	0.28 649	0.23 636	0.21 637

SGM-ForestM	0.32 626	0.12 520	0.16 450	0.16 201	0.11 491	0.39 635	0.19 509	0.41 624	0.50 616	0.52 643	0.54 631	1.32 676	0.42 644	0.40 640	0.27 600	0.14 600	0.16 624	0.16 612	0.16 618	0.12 558	0.12 560

FC-DCNN v2	0.33 629	0.27 634	0.28 576	0.26 609	0.23 638	0.37 630	0.28 623	0.40 618	0.43 592	0.45 637	0.56 638	0.51 640	0.40 636	0.37 629	0.29 612	0.21 638	0.20 637	0.27 640	0.26 643	0.25 643	0.24 641

FCDSN-DC	0.33 629	0.28 638	0.28 576	0.30 636	0.24 640	0.39 635	0.28 623	0.42 629	0.42 587	0.43 635	0.53 629	0.51 640	0.41 641	0.36 624	0.30 619	0.21 638	0.20 637	0.27 640	0.26 643	0.25 643	0.24 641
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 629	0.27 634	0.28 576	0.26 609	0.23 638	0.37 630	0.28 623	0.40 618	0.43 592	0.45 637	0.55 633	0.51 640	0.40 636	0.37 629	0.30 619	0.21 638	0.20 637	0.27 640	0.26 643	0.25 643	0.24 641

LSM	0.33 629	0.20 610	0.58 640	0.26 609	0.60 671	0.34 620	0.25 601	0.42 629	0.48 606	0.45 637	0.58 643	0.42 621	0.36 627	0.35 618	0.25 581	0.12 560	0.20 637	0.14 593	0.16 618	0.19 630	0.33 655

AnyNet_C01	0.36 633	0.25 630	1.37 678	0.22 560	0.17 615	0.48 644	0.27 617	0.35 589	0.39 570	0.39 622	0.74 657	0.46 632	0.38 630	0.45 645	0.47 656	0.13 586	0.13 605	0.13 580	0.14 598	0.14 591	0.15 606

GCST	0.37 634	0.42 653	0.26 564	1.02 679	0.39 654	0.18 476	0.08 7	0.20 328	0.17 298	0.28 579	0.25 473	0.15 370	0.12 359	0.16 421	0.14 418	0.64 675	0.43 664	0.75 671	0.65 675	0.63 668	0.46 666

otaku	0.39 635	0.37 649	0.52 630	0.44 652	0.28 647	0.58 650	0.24 586	0.41 624	0.62 643	0.40 625	0.49 622	0.46 632	0.33 617	0.40 640	0.32 627	0.30 652	0.30 656	0.39 656	0.33 655	0.29 650	0.28 649

ACVNet-4b	0.39 635	0.53 656	0.55 634	0.45 653	0.24 640	0.47 642	0.18 469	0.49 645	0.64 648	0.42 632	0.45 617	0.60 648	0.27 584	0.34 612	0.24 571	0.33 655	0.14 614	0.48 659	0.42 661	0.30 651	0.26 648

PVD	0.39 635	0.20 610	0.39 613	0.31 640	0.22 635	0.29 605	0.43 661	0.52 652	0.96 670	0.55 647	0.79 661	0.53 644	0.59 660	0.52 653	0.38 642	0.19 632	0.14 614	0.17 615	0.14 598	0.24 642	0.31 653

Ntro	0.40 638	0.40 651	0.53 631	0.46 656	0.30 651	0.65 656	0.24 586	0.46 640	0.68 654	0.41 629	0.49 622	0.48 638	0.42 644	0.39 635	0.31 626	0.32 653	0.28 654	0.37 655	0.30 652	0.32 655	0.29 650

SAMSARA	0.40 638	0.28 638	0.33 596	0.55 659	0.39 654	0.82 670	1.23 687	0.47 642	0.51 623	0.36 615	0.35 564	0.55 646	0.39 633	0.38 631	0.39 644	0.15 604	0.20 637	0.15 605	0.14 598	0.23 636	0.20 635

ELAS_RVC	0.41 640	0.29 641	0.33 596	0.28 625	0.24 640	0.54 648	0.36 651	0.49 645	0.59 636	0.72 659	0.74 657	0.65 653	0.54 653	0.54 658	0.40 647	0.22 643	0.20 637	0.27 640	0.26 643	0.26 648	0.25 646
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 640	0.29 641	0.33 596	0.27 622	0.24 640	0.60 653	0.36 651	0.50 649	0.50 616	0.71 657	0.79 661	0.67 655	0.54 653	0.51 651	0.42 651	0.22 643	0.20 637	0.27 640	0.26 643	0.26 648	0.25 646
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 642	0.26 631	0.59 642	0.60 661	0.49 661	0.32 610	0.23 573	0.46 640	0.52 625	0.56 649	0.58 643	0.76 660	0.32 615	0.48 647	0.29 612	0.32 653	0.24 650	0.27 640	0.33 655	0.46 659	0.39 660

MSC_U_SF_DS_RVC	0.43 643	0.39 650	0.54 632	0.40 648	0.20 629	0.64 655	0.32 648	0.53 654	0.72 657	0.71 657	0.72 654	0.61 649	0.54 653	0.51 651	0.46 655	0.20 634	0.19 634	0.29 649	0.30 652	0.23 636	0.18 629

ACVNet_1	0.44 644	0.49 655	0.60 643	0.45 653	0.28 647	0.49 645	0.27 617	0.57 659	0.72 657	0.62 652	0.58 643	0.74 659	0.49 650	0.50 649	0.35 635	0.26 650	0.24 650	0.39 656	0.29 650	0.31 654	0.24 641

Consistency-Raft	0.44 644	0.40 651	0.45 621	0.37 647	0.43 658	0.46 640	0.41 656	0.57 659	0.55 627	0.32 605	0.73 655	0.33 584	0.48 649	0.42 644	0.49 658	0.39 658	0.35 661	0.45 658	0.51 668	0.42 658	0.29 650

RTS	0.45 646	0.19 604	3.26 684	0.24 593	0.15 589	0.74 663	0.20 532	0.36 596	0.76 663	0.42 632	0.43 613	0.31 571	0.41 641	0.53 656	0.35 635	0.10 504	0.08 508	0.13 580	0.12 583	0.15 607	0.15 606

RTSA	0.45 646	0.19 604	3.26 684	0.24 593	0.15 589	0.74 663	0.20 532	0.36 596	0.76 663	0.42 632	0.43 613	0.31 571	0.41 641	0.53 656	0.35 635	0.10 504	0.08 508	0.13 580	0.12 583	0.15 607	0.15 606

MANE	0.45 646	0.27 634	0.27 571	0.27 622	0.24 640	0.47 642	0.31 646	0.55 656	0.59 636	0.72 659	1.13 678	1.15 670	0.61 661	0.52 653	0.37 640	0.21 638	0.20 637	0.27 640	0.31 654	0.25 643	0.24 641

NVStereoNet_ROB	0.46 649	0.36 648	0.46 625	0.41 650	0.28 647	0.34 620	0.34 649	0.48 643	0.60 640	0.72 659	0.93 667	0.70 658	0.66 664	0.47 646	0.60 666	0.22 643	0.33 660	0.34 654	0.34 658	0.30 651	0.30 652
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 650	0.26 631	0.58 640	0.28 625	0.20 629	0.39 635	0.18 469	0.49 645	0.64 648	0.52 643	0.87 664	1.01 665	0.57 658	0.50 649	0.56 663	0.53 668	0.31 659	0.54 665	0.40 659	0.33 656	0.34 656

LE_ROB	0.50 651	0.07 216	0.14 366	0.15 106	0.08 204	0.24 563	0.16 379	0.22 375	1.81 686	4.63 691	0.67 649	0.47 636	0.44 646	0.20 516	0.29 612	0.07 328	0.06 406	0.06 180	0.06 272	0.08 424	0.06 295

BEATNet-Init1	0.52 652	0.27 634	0.62 645	0.30 636	0.21 633	0.76 667	0.29 633	0.54 655	0.65 651	0.86 668	0.95 669	2.07 685	0.62 663	0.56 660	0.42 651	0.18 626	0.18 631	0.23 634	0.22 636	0.22 635	0.21 637

anonymity	0.53 653	0.58 658	0.65 647	0.41 650	0.61 672	0.53 647	0.41 656	0.56 657	0.41 579	0.55 647	0.50 626	0.49 639	0.55 656	0.58 661	0.50 661	0.58 671	0.50 674	0.51 661	0.51 668	0.51 661	0.57 669

RainbowNet	0.54 654	0.61 660	0.70 662	0.57 660	0.43 658	0.65 656	0.37 654	0.60 661	0.87 667	0.50 642	0.66 648	0.64 651	0.47 648	0.49 648	0.43 654	0.47 665	0.48 670	0.52 663	0.41 660	0.52 662	0.40 663

SGM+DAISY	0.56 655	0.57 657	0.65 647	0.40 648	0.54 664	0.66 658	0.49 664	0.56 657	0.45 603	0.66 653	0.69 651	0.67 655	0.56 657	0.63 663	0.56 663	0.59 672	0.48 670	0.50 660	0.50 667	0.52 662	0.58 670

SPS-STEREO	0.57 656	0.58 658	0.65 647	0.45 653	0.55 666	0.62 654	0.44 663	0.62 662	0.50 616	0.68 655	0.64 646	0.66 654	0.57 658	0.61 662	0.60 666	0.62 674	0.47 669	0.51 661	0.49 665	0.55 666	0.58 670
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 657	0.66 664	0.65 647	0.51 657	0.69 676	0.69 659	0.57 670	0.64 663	0.73 661	0.60 650	0.73 655	0.62 650	0.67 665	0.65 664	0.60 666	0.66 676	0.58 683	0.63 666	0.59 671	0.68 673	0.69 679

IMH-64-1	0.65 658	0.61 660	0.68 656	0.71 664	0.51 662	0.59 651	0.49 664	0.91 670	0.85 665	0.74 663	1.02 671	0.81 661	0.78 669	0.79 667	0.49 658	0.42 660	0.46 665	0.71 668	0.47 663	0.52 662	0.39 660

IMH-64	0.65 658	0.61 660	0.68 656	0.71 664	0.51 662	0.59 651	0.49 664	0.91 670	0.85 665	0.74 663	1.02 671	0.81 661	0.78 669	0.79 667	0.49 658	0.42 660	0.46 665	0.71 668	0.47 663	0.52 662	0.39 660

ACVNet_2	0.66 660	0.66 664	0.68 656	0.63 662	0.41 656	0.71 661	0.49 664	0.96 674	1.39 679	0.89 669	1.09 674	1.04 666	0.73 667	0.54 658	0.47 656	0.43 662	0.40 663	0.53 664	0.44 662	0.47 660	0.35 658

JetBlue	0.71 661	0.45 654	1.14 676	0.51 657	0.47 660	2.02 685	0.64 674	0.75 665	0.70 655	0.69 656	0.77 660	1.22 672	0.83 671	1.03 682	1.01 682	0.40 659	0.28 654	0.33 653	0.33 655	0.30 651	0.34 656

IMH	0.71 661	0.64 663	0.68 656	0.76 666	0.54 664	0.69 659	0.54 668	0.98 676	1.10 672	0.82 667	1.09 674	0.89 663	0.88 674	0.87 675	0.52 662	0.44 663	0.50 674	0.75 671	0.51 668	0.56 667	0.41 664

PWCK	0.71 661	0.94 675	0.95 671	0.76 666	0.31 652	0.74 663	0.36 651	0.90 669	0.90 668	0.96 672	0.75 659	0.95 664	0.61 661	0.87 675	0.66 669	0.72 677	0.46 665	0.75 671	0.49 665	0.69 675	0.44 665

MADNet+	0.75 664	0.71 666	3.70 687	0.66 663	0.41 656	0.98 675	0.97 685	0.69 664	0.73 661	0.52 643	0.57 641	0.64 651	0.68 666	0.86 674	1.01 682	0.34 656	0.36 662	0.28 648	0.23 640	0.36 657	0.31 653

TorneroNet-64	0.76 665	0.72 667	0.74 663	0.78 668	0.58 670	0.91 674	0.56 669	0.84 668	1.29 676	0.66 653	0.90 665	1.40 678	0.75 668	0.85 673	0.67 672	0.49 666	0.46 665	0.72 670	0.59 671	0.67 672	0.53 668

WAO-7	0.79 666	0.78 669	0.54 632	0.85 672	0.67 675	0.74 663	0.68 678	1.05 679	1.32 677	0.90 670	1.20 681	1.04 666	0.92 675	0.69 665	0.66 669	0.60 673	0.62 684	0.67 667	0.68 677	0.64 669	0.58 670

WAO-6	0.81 667	0.80 670	0.62 645	0.86 673	0.63 673	0.76 667	0.58 671	0.98 676	1.54 684	0.90 670	0.96 670	1.07 668	1.03 679	0.70 666	0.66 669	0.72 677	0.49 672	0.90 679	0.71 678	0.68 673	0.58 670

TorneroNet	0.82 668	0.74 668	0.81 668	0.84 671	0.63 673	0.99 676	0.63 672	0.96 674	1.16 673	0.80 666	1.11 676	1.36 677	0.86 673	0.93 678	0.80 677	0.56 669	0.49 672	0.78 676	0.66 676	0.73 678	0.63 678

LVE	0.83 669	0.85 673	0.85 669	0.80 669	0.56 667	1.04 680	0.65 675	1.05 679	1.47 682	0.96 672	1.22 682	1.10 669	0.85 672	0.83 670	0.71 674	0.49 666	0.55 680	0.76 674	0.60 673	0.65 670	0.59 675

Dean	0.87 670	0.86 674	0.79 666	0.81 670	0.56 667	0.90 671	0.63 672	1.15 685	1.73 685	1.15 680	1.15 679	1.31 675	0.99 678	0.81 669	0.81 678	0.57 670	0.56 681	0.77 675	0.64 674	0.66 671	0.58 670

WAO-8	0.91 671	0.81 671	0.65 647	0.94 676	0.69 676	0.90 671	0.67 676	1.07 682	1.83 687	1.06 677	1.45 684	1.30 673	1.07 680	0.84 671	0.78 675	0.74 679	0.53 677	0.86 677	0.75 679	0.69 675	0.62 676

Venus	0.91 671	0.81 671	0.65 647	0.94 676	0.69 676	0.90 671	0.67 676	1.07 682	1.83 687	1.06 677	1.45 684	1.30 673	1.07 680	0.84 671	0.78 675	0.74 679	0.53 677	0.86 677	0.75 679	0.69 675	0.62 676

UNDER WATER-64	0.95 673	0.94 675	1.43 680	0.87 674	0.56 667	1.18 683	0.87 682	0.77 666	0.94 669	1.04 675	0.85 663	1.58 683	1.21 685	0.94 679	0.96 680	0.87 683	0.57 682	1.03 683	0.88 684	0.78 679	0.73 680

UNDER WATER	0.97 674	0.97 677	1.42 679	0.99 678	0.70 679	1.12 682	0.84 681	0.80 667	1.08 671	1.01 674	0.90 665	1.55 682	1.22 686	1.03 682	1.00 681	0.78 681	0.53 677	1.02 682	0.87 683	0.80 680	0.74 681

notaker	0.97 674	1.11 678	0.98 672	1.13 681	0.81 680	0.73 662	0.68 678	0.93 672	1.16 673	1.18 682	1.18 680	1.41 679	1.16 684	1.08 684	0.69 673	0.81 682	0.64 685	1.17 684	0.79 681	0.98 682	0.80 683

ktn	1.01 676	1.21 680	0.80 667	1.23 683	0.86 682	1.01 678	0.87 682	0.94 673	1.39 679	1.04 675	1.12 677	1.15 670	1.07 680	0.94 679	0.59 665	1.28 688	0.71 686	1.38 688	0.83 682	1.02 684	0.75 682

KSHMR	1.09 677	1.17 679	0.88 670	1.25 684	1.00 684	0.99 676	0.96 684	1.13 684	1.37 678	1.16 681	1.29 683	1.41 679	0.96 677	1.01 681	0.92 679	1.03 686	1.08 688	1.20 685	1.03 687	1.01 683	0.97 685

DPSimNet_ROB	1.11 678	1.23 681	0.78 664	1.13 681	0.88 683	1.10 681	1.13 686	1.16 686	1.23 675	1.43 684	1.02 671	1.41 679	1.10 683	0.90 677	1.60 684	1.46 689	0.51 676	1.21 686	1.03 687	0.90 681	1.01 687

HanzoNet	1.29 679	1.26 682	1.19 677	1.12 680	0.85 681	1.02 679	0.83 680	1.03 678	1.48 683	1.64 685	1.61 686	2.50 687	1.72 687	1.61 686	1.61 685	1.26 687	0.80 687	1.31 687	1.01 686	1.02 684	0.86 684

JetRed	1.62 680	1.46 683	2.98 682	0.92 675	1.21 685	4.99 688	1.53 690	1.27 687	1.39 679	1.83 686	1.74 687	1.60 684	0.95 676	1.41 685	2.45 690	0.90 685	1.60 689	0.93 680	0.90 685	1.35 686	0.99 686

MADNet++	1.95 681	1.75 684	1.59 681	1.82 685	1.69 687	2.33 686	1.40 689	2.35 688	2.09 689	2.57 688	2.36 689	2.24 686	2.17 689	2.28 687	2.34 688	1.87 690	1.66 690	1.54 689	1.34 689	1.92 687	1.77 689

Selective-IGEV-i1pa	2.80 682	3.51 690	0.67 655	0.28 625	0.14 569	10.22 692	0.43 661	4.36 689	3.63 690	3.53 689	6.92 691	3.47 688	1.97 688	13.41 703	2.26 687	0.36 657	0.15 620	0.13 580	0.10 529	0.15 607	0.35 658

coex-ft	3.30 683	0.34 646	59.09 714	0.18 377	0.13 548	0.26 584	0.22 562	0.27 476	0.72 657	1.90 687	0.70 653	0.44 626	0.45 647	0.29 595	0.41 650	0.09 463	0.09 541	0.12 565	0.09 489	0.14 591	0.13 582

TCMNet-wrong-test	3.67 684	5.48 698	3.89 688	12.18 699	11.75 701	4.65 687	3.88 691	1.06 681	0.72 657	1.09 679	2.15 688	6.30 693	0.53 652	3.43 689	2.36 689	0.89 684	0.20 637	1.87 691	1.69 690	5.57 695	3.62 695

tt	4.67 685	0.06 99	3.55 686	2.02 686	1.55 686	10.25 693	16.71 695	8.91 698	5.03 691	1.31 683	0.94 668	4.71 689	4.76 691	3.33 688	5.87 692	6.06 698	10.30 704	1.88 692	2.11 692	2.75 689	1.21 688

USTest	6.22 686	2.73 687	3.00 683	6.57 693	7.29 693	14.37 695	21.57 696	7.00 697	9.56 696	5.34 694	6.10 690	5.72 692	7.64 694	6.41 693	6.96 694	1.97 691	3.42 696	1.64 690	2.15 693	2.66 688	2.36 690

xxxxx1	7.79 687	5.02 695	7.31 691	3.12 687	3.85 689	16.35 697	22.88 697	5.86 694	8.69 693	7.97 695	8.54 692	9.12 697	8.27 695	10.18 695	10.92 695	2.42 692	2.45 692	3.56 695	12.37 701	3.77 690	3.06 692

tt_ll	7.79 687	5.02 695	7.31 691	3.12 687	3.85 689	16.35 697	22.88 697	5.86 694	8.69 693	7.97 695	8.54 692	9.12 697	8.27 695	10.18 695	10.92 695	2.42 692	2.45 692	3.56 695	12.37 701	3.77 690	3.06 692

ff	7.79 687	5.02 695	7.31 691	3.12 687	3.85 689	16.35 697	22.88 697	5.86 694	8.69 693	7.97 695	8.54 692	9.12 697	8.27 695	10.18 695	10.92 695	2.42 692	2.45 692	3.56 695	12.37 701	3.77 690	3.06 692

EDNetEfficientorigin	7.91 690	0.31 643	153.02 715	0.19 445	0.09 329	0.21 533	0.16 379	0.22 375	0.59 636	0.72 659	0.67 649	0.42 621	0.50 651	0.24 567	0.39 644	0.08 403	0.07 478	0.08 383	0.07 369	0.12 558	0.10 520

DPSMNet_ROB	8.06 691	4.48 691	8.63 699	5.37 692	10.74 696	8.32 690	22.98 701	5.46 691	13.36 701	5.12 692	9.92 697	5.08 690	10.40 698	5.53 692	12.58 698	3.80 696	8.00 697	3.50 693	7.02 698	3.83 693	7.14 699

DGTPSM_ROB	8.06 691	4.48 691	8.63 699	5.35 690	10.72 695	8.32 690	22.97 700	5.46 691	13.35 700	5.12 692	9.92 697	5.08 690	10.40 698	5.52 691	12.58 698	3.79 695	8.00 697	3.50 693	7.02 698	3.83 693	7.14 699

PML	8.91 693	9.34 704	6.13 689	5.35 690	6.41 692	14.99 696	23.38 702	5.27 690	6.83 692	18.04 707	28.19 715	7.67 694	6.83 693	7.85 694	5.75 691	5.35 697	1.83 691	5.95 703	1.93 691	8.64 700	2.52 691

DLNR_Zeroshot_test	10.40 694	1.82 685	19.49 709	120.77 715	13.11 703	0.06 12	0.13 163	0.23 396	0.10 66	0.07 67	0.10 185	0.09 210	0.06 62	0.10 120	0.09 101	0.13 586	0.04 25	0.06 180	0.04 54	51.54 715	0.04 71

DLNR-FE	10.43 695	1.83 686	19.53 710	120.75 714	13.06 702	0.06 12	0.13 163	0.23 396	0.10 66	0.07 67	0.10 185	0.09 210	0.06 62	0.10 120	0.09 101	0.13 586	0.04 25	0.06 180	0.04 54	52.01 716	0.04 71

iinet-test	10.48 696	8.09 700	7.54 695	10.26 694	10.94 697	18.00 701	25.26 703	11.33 702	13.28 698	9.69 699	9.85 695	9.42 700	11.17 700	11.02 699	12.78 701	6.59 700	8.30 699	5.56 698	6.56 694	6.89 696	7.02 697

IINet	10.48 696	8.09 700	7.54 695	10.26 694	10.94 697	18.00 701	25.26 703	11.33 702	13.28 698	9.69 699	9.85 695	9.42 700	11.17 700	11.02 699	12.78 701	6.59 700	8.30 699	5.56 698	6.56 694	6.89 696	7.02 697

LRCNet_RVC	10.62 698	13.42 705	7.30 690	18.92 703	2.07 688	0.33 617	0.30 640	5.59 693	0.48 606	13.03 703	17.94 703	8.87 696	5.65 692	4.79 690	1.89 686	23.51 712	2.73 695	27.55 715	25.71 715	16.07 709	16.33 710

Anonymous_1	10.96 699	7.92 699	7.46 694	10.33 696	10.06 694	18.65 703	26.34 705	11.06 701	13.44 702	9.40 698	10.05 699	9.67 702	11.23 702	10.73 698	12.72 700	6.42 699	8.38 701	5.77 700	10.61 700	12.12 701	6.77 696

DPSM_ROB	11.15 700	8.58 702	8.00 697	10.88 697	11.58 699	19.10 704	26.71 706	12.05 704	14.07 705	10.36 701	10.84 700	10.33 703	11.86 703	11.70 701	13.54 703	6.99 702	8.79 702	5.89 701	6.95 696	7.29 698	7.42 701

DPSM	11.15 700	8.58 702	8.00 697	10.88 697	11.58 699	19.10 704	26.71 706	12.05 704	14.07 705	10.36 701	10.84 700	10.33 703	11.86 703	11.70 701	13.54 703	6.99 702	8.79 702	5.89 701	6.95 696	7.29 698	7.42 701

HaxPig	15.71 702	18.52 713	19.18 708	16.89 702	15.89 704	7.73 689	7.60 692	13.31 706	10.82 697	15.42 704	14.91 702	15.98 705	14.92 705	15.58 704	15.98 705	18.95 711	16.73 705	19.46 711	18.08 711	19.26 710	19.05 713

Selective-IGEV-i16pa	18.58 703	3.30 688	1.09 674	0.21 543	0.18 622	103.68 716	0.28 623	19.87 708	40.73 716	4.16 690	56.45 716	8.07 695	2.59 690	123.95 717	5.89 693	0.18 626	0.12 590	0.09 466	0.12 583	0.12 558	0.51 667

RSGM-EC	20.36 704	4.73 693	0.68 656	16.76 700	16.92 705	21.28 706	27.18 708	10.46 699	14.04 703	18.00 705	21.31 706	22.24 714	21.82 707	22.57 706	17.63 706	62.81 715	33.79 715	20.14 712	18.10 712	20.18 711	16.45 711

acva	20.36 704	4.73 693	0.68 656	16.76 700	16.92 705	21.28 706	27.18 708	10.46 699	14.04 703	18.00 705	21.31 706	22.24 714	21.82 707	22.57 706	17.63 706	62.81 715	33.79 715	20.14 712	18.10 712	20.18 711	16.45 711

MEDIAN_ROB	20.38 706	24.04 714	23.31 711	21.23 704	21.71 707	10.40 694	7.92 693	17.64 707	15.50 707	20.12 708	19.70 704	20.34 706	20.32 706	21.19 705	21.13 708	23.81 713	21.81 713	24.98 714	23.76 714	24.71 713	23.93 714

CasAABBNet	22.42 707	17.33 707	16.01 703	22.01 706	23.28 709	38.32 708	53.80 712	24.14 712	28.41 712	20.60 710	21.77 710	20.89 712	23.91 711	23.43 710	27.36 711	14.07 705	17.69 707	11.83 706	14.01 705	14.67 704	14.95 706

RAFT-FEzeroshot	22.43 708	17.33 707	15.98 701	22.02 707	23.31 711	38.34 709	53.82 714	24.05 710	28.39 710	20.61 711	21.76 708	20.88 709	23.92 713	23.41 708	27.42 713	14.07 705	17.69 707	11.83 706	14.02 706	14.69 705	14.97 707

RAFT-FE	22.43 708	17.33 707	15.98 701	22.02 707	23.31 711	38.34 709	53.82 714	24.05 710	28.39 710	20.61 711	21.76 708	20.88 709	23.92 713	23.41 708	27.42 713	14.07 705	17.69 707	11.83 706	14.02 706	14.69 705	14.97 707

FlowAnything	22.44 710	17.35 710	16.14 705	22.07 710	23.23 708	38.39 712	53.77 711	24.25 713	28.44 713	20.96 715	21.82 712	20.70 707	23.84 709	23.49 712	27.14 710	14.04 704	17.79 712	11.75 704	14.15 710	14.65 702	14.89 703

Hybrid-DGEV	22.47 711	17.40 712	16.14 705	22.00 705	23.29 710	38.36 711	53.80 712	24.43 716	28.63 715	20.59 709	21.81 711	20.88 709	23.91 711	23.45 711	27.42 713	14.08 708	17.69 707	11.83 706	14.06 709	14.65 702	14.93 705

Selective-RAFT-Error	22.47 711	17.37 711	16.09 704	22.06 709	23.34 713	38.39 712	53.83 716	24.29 715	28.47 714	20.74 713	21.83 713	20.81 708	23.90 710	23.54 714	27.53 716	14.08 708	17.69 707	11.82 705	14.00 704	14.69 705	15.00 709

LSM0	22.87 713	17.28 706	18.96 707	22.19 711	29.04 715	38.42 714	53.71 710	24.28 714	28.31 709	20.78 714	21.00 705	21.43 713	24.16 715	23.50 713	27.39 712	14.09 710	17.38 706	11.84 710	14.04 708	14.73 708	14.89 703

AVERAGE_ROB	24.90 714	29.20 715	28.14 712	24.89 712	24.64 714	17.75 700	11.12 694	21.45 709	19.93 708	25.12 716	24.46 714	25.12 716	25.46 716	24.69 715	22.83 709	29.76 714	27.13 714	28.97 716	27.95 716	29.91 714	29.47 715

test_example2	98.32 715	94.13 716	45.89 713	96.35 713	109.85 716	88.61 715	95.45 717	25.75 717	94.37 717	130.00 718	126.06 717	58.17 717	74.63 717	88.51 716	79.96 717	150.23 717	221.02 717	77.62 717	99.10 717	113.75 717	96.94 716

GS-Stereo							0.14 228	0.11 54	0.12 134	0.08 120	0.10 185	0.05 5	0.05 14	0.11 188	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.05 200

FSD					0.22 635	0.25 574	0.25 601	0.27 476	0.26 464	0.25 552	0.26 490	0.25 512	0.27 584	0.27 577	0.24 571	0.21 638	0.20 637	0.27 640	0.26 643	0.25 643

ccccc		285.66 717		368.85 716	370.60 717	123.16 717		115.05 718		126.68 717		122.83 718		252.94 718		384.56 718	353.86 718	254.69 718	223.00 718	425.87 718

ASD4		3.38 689

Low-res two-view benchmark