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	0.09 122	0.13 25	0.05 2	0.08 84	0.11 65	0.06 1	0.06 6	0.06 25	0.06 23	0.08 185	0.05 14	0.08 25	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

PSi22a	0.06 1	0.04 1	0.09 122	0.12 7	0.05 2	0.06 14	0.11 65	0.06 1	0.06 6	0.06 25	0.06 23	0.06 42	0.05 14	0.08 25	0.09 103	0.07 338	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

Foundation-i32	0.06 1	0.04 1	0.09 122	0.13 25	0.04 1	0.06 14	0.12 98	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 4	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

MLG-Stereo_test2	0.06 1	0.04 1	0.10 186	0.15 123	0.05 2	0.07 43	0.11 65	0.09 21	0.04 2	0.06 25	0.05 7	0.06 42	0.04 1	0.08 25	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.05 170	0.05 204

MLG-Stereo_test1	0.06 1	0.05 42	0.08 57	0.17 306	0.05 2	0.06 14	0.11 65	0.08 12	0.03 1	0.05 2	0.04 1	0.06 42	0.05 14	0.09 59	0.09 103	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

FoundationStereo	0.06 1	0.04 1	0.08 57	0.12 7	0.05 2	0.09 138	0.13 178	0.06 1	0.09 52	0.05 2	0.05 7	0.06 42	0.04 1	0.06 1	0.07 1	0.06 167	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

MCSU-Stereo	0.07 7	0.05 42	0.07 11	0.16 219	0.05 2	0.08 84	0.12 98	0.09 21	0.07 15	0.06 25	0.10 194	0.06 42	0.06 65	0.08 25	0.08 25	0.06 167	0.04 25	0.04 1	0.03 1	0.04 48	0.03 2

derf	0.07 7	0.04 1	0.10 186	0.14 69	0.06 28	0.05 4	0.12 98	0.12 85	0.09 52	0.05 2	0.07 64	0.07 124	0.08 228	0.10 122	0.10 207	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.05 204

mm2	0.07 7	0.04 1	0.10 186	0.13 25	0.06 28	0.06 14	0.12 98	0.13 114	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.09 103	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.05 204

mm1	0.07 7	0.04 1	0.10 186	0.13 25	0.06 28	0.06 14	0.12 98	0.06 1	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.09 103	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.05 204

qqai	0.07 7	0.05 42	0.10 186	0.14 69	0.06 28	0.05 4	0.12 98	0.08 12	0.09 52	0.05 2	0.06 23	0.06 42	0.08 228	0.10 122	0.09 103	0.06 167	0.05 275	0.05 50	0.03 1	0.04 48	0.05 204

MGA	0.07 7	0.04 1	0.10 186	0.13 25	0.06 28	0.08 84	0.09 20	0.12 85	0.08 25	0.05 2	0.06 23	0.06 42	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.05 170	0.05 204

CAR	0.07 7	0.05 42	0.08 57	0.14 69	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

MSE-Stereo	0.07 7	0.04 1	0.08 57	0.13 25	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

monster-pro	0.07 7	0.06 118	0.05 1	0.15 123	0.05 2	0.07 43	0.10 35	0.15 187	0.15 250	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 118	0.07 11	0.15 123	0.07 134	0.08 84	0.14 246	0.11 58	0.08 25	0.05 2	0.07 64	0.08 185	0.08 228	0.09 59	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

aanet-new-60k	0.07 7	0.07 236	0.08 57	0.18 397	0.06 28	0.07 43	0.10 35	0.09 21	0.14 222	0.07 75	0.07 64	0.06 42	0.06 65	0.11 197	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-70k	0.07 7	0.06 118	0.09 122	0.17 306	0.06 28	0.08 84	0.12 98	0.11 58	0.10 76	0.06 25	0.07 64	0.07 124	0.06 65	0.10 122	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 236	0.09 122	0.19 466	0.06 28	0.07 43	0.12 98	0.11 58	0.13 189	0.06 25	0.07 64	0.06 42	0.06 65	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-40k	0.07 7	0.08 355	0.07 11	0.17 306	0.07 134	0.08 84	0.13 178	0.10 35	0.10 76	0.07 75	0.08 123	0.06 42	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

GCAP-Stereo-DPT26K	0.07 7	0.06 118	0.07 11	0.16 219	0.06 28	0.08 84	0.12 98	0.10 35	0.08 25	0.06 25	0.09 158	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 236	0.07 11	0.17 306	0.06 28	0.07 43	0.12 98	0.09 21	0.11 108	0.09 181	0.09 158	0.06 42	0.07 179	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 42	0.11 246	0.15 123	0.06 28	0.07 43	0.13 178	0.09 21	0.11 108	0.07 75	0.08 123	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 275	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-24K	0.07 7	0.06 118	0.07 11	0.15 123	0.06 28	0.10 201	0.15 329	0.12 85	0.11 108	0.06 25	0.11 245	0.06 42	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 122	0.13 25	0.05 2	0.08 84	0.11 65	0.06 1	0.06 6	0.06 25	0.05 7	0.08 185	0.05 14	0.08 25	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

LACA3	0.07 7	0.08 355	0.08 57	0.13 25	0.05 2	0.09 138	0.11 65	0.08 12	0.08 25	0.08 129	0.05 7	0.07 124	0.07 179	0.07 4	0.07 1	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 118	0.08 57	0.17 306	0.06 28	0.08 84	0.12 98	0.13 114	0.07 15	0.08 129	0.07 64	0.06 42	0.04 1	0.10 122	0.09 103	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

LACA2	0.07 7	0.05 42	0.06 5	0.15 123	0.06 28	0.09 138	0.11 65	0.11 58	0.10 76	0.05 2	0.05 7	0.06 42	0.08 228	0.09 59	0.07 1	0.07 338	0.04 25	0.04 1	0.04 60	0.04 48	0.04 73

LACA1	0.07 7	0.07 236	0.07 11	0.14 69	0.05 2	0.09 138	0.11 65	0.10 35	0.07 15	0.05 2	0.05 7	0.06 42	0.07 179	0.08 25	0.09 103	0.06 167	0.04 25	0.04 1	0.04 60	0.03 1	0.04 73

Test_v1	0.07 7	0.04 1	0.06 5	0.13 25	0.06 28	0.08 84	0.11 65	0.15 187	0.12 147	0.06 25	0.05 7	0.04 1	0.05 14	0.08 25	0.10 207	0.07 338	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

BLMT-Stereo	0.07 7	0.04 1	0.08 57	0.15 123	0.07 134	0.06 14	0.14 246	0.07 7	0.10 76	0.05 2	0.05 7	0.04 1	0.06 65	0.07 4	0.09 103	0.04 11	0.04 25	0.05 50	0.05 194	0.04 48	0.04 73

Pro-Stereo	0.07 7	0.05 42	0.08 57	0.15 123	0.07 134	0.08 84	0.12 98	0.07 7	0.07 15	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

MatchStereo	0.07 7	0.04 1	0.08 57	0.14 69	0.06 28	0.05 4	0.12 98	0.12 85	0.09 52	0.07 75	0.06 23	0.04 1	0.04 1	0.08 25	0.09 103	0.06 167	0.05 275	0.05 50	0.03 1	0.04 48	0.04 73
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	0.09 122	0.11 1	0.05 2	0.10 201	0.10 35	0.14 145	0.09 52	0.06 25	0.07 64	0.06 42	0.07 179	0.07 4	0.10 207	0.06 167	0.04 25	0.04 1	0.04 60	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 42	0.07 11	0.14 69	0.06 28	0.09 138	0.13 178	0.15 187	0.06 6	0.07 75	0.08 123	0.06 42	0.08 228	0.09 59	0.09 103	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.04 73

VIP-Stereo	0.07 7	0.07 236	0.07 11	0.15 123	0.06 28	0.12 307	0.10 35	0.11 58	0.11 108	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 236	0.08 57	0.18 397	0.06 28	0.07 43	0.11 65	0.09 21	0.06 6	0.04 1	0.07 64	0.10 256	0.09 267	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 60	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 42	0.09 122	0.13 25	0.06 28	0.12 307	0.12 98	0.11 58	0.10 76	0.07 75	0.08 123	0.06 42	0.06 65	0.09 59	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

MonStereo	0.07 7	0.06 118	0.05 1	0.15 123	0.05 2	0.08 84	0.10 35	0.15 187	0.15 250	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	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 42	0.07 11	0.16 219	0.06 28	0.07 43	0.11 65	0.10 35	0.08 25	0.06 25	0.06 23	0.07 124	0.07 179	0.09 59	0.09 103	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 118	0.05 1	0.15 123	0.05 2	0.08 84	0.10 35	0.15 187	0.15 250	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	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	0.09 122	0.13 25	0.06 28	0.05 4	0.09 20	0.11 58	0.07 15	0.06 25	0.06 23	0.05 5	0.06 65	0.09 59	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 170	0.05 204

Replicate-Monster	0.07 7	0.05 42	0.09 122	0.14 69	0.06 28	0.08 84	0.09 20	0.13 114	0.13 189	0.05 2	0.07 64	0.06 42	0.06 65	0.08 25	0.10 207	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

AdaDepth	0.07 7	0.06 118	0.07 11	0.18 397	0.06 28	0.11 254	0.12 98	0.09 21	0.07 15	0.06 25	0.05 7	0.07 124	0.06 65	0.09 59	0.10 207	0.04 11	0.05 275	0.05 50	0.04 60	0.04 48	0.04 73

asda	0.07 7	0.08 355	0.08 57	0.16 219	0.06 28	0.06 14	0.10 35	0.16 225	0.10 76	0.06 25	0.06 23	0.05 5	0.05 14	0.10 122	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

asd	0.07 7	0.08 355	0.07 11	0.16 219	0.07 134	0.08 84	0.08 7	0.11 58	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.10 122	0.09 103	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

qwe	0.07 7	0.08 355	0.07 11	0.15 123	0.06 28	0.07 43	0.10 35	0.18 298	0.11 108	0.07 75	0.07 64	0.06 42	0.06 65	0.10 122	0.09 103	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.25w	0.07 7	0.06 118	0.07 11	0.14 69	0.06 28	0.08 84	0.08 7	0.10 35	0.15 250	0.08 129	0.10 194	0.07 124	0.06 65	0.08 25	0.10 207	0.05 51	0.03 1	0.04 1	0.04 60	0.03 1	0.04 73

4.25_new	0.07 7	0.08 355	0.09 122	0.15 123	0.06 28	0.09 138	0.08 7	0.14 145	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.12 291	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 355	0.09 122	0.15 123	0.06 28	0.09 138	0.08 7	0.14 145	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.12 291	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 435	0.08 57	0.15 123	0.07 134	0.06 14	0.10 35	0.14 145	0.11 108	0.06 25	0.08 123	0.06 42	0.06 65	0.08 25	0.10 207	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 435	0.08 57	0.15 123	0.07 134	0.06 14	0.10 35	0.14 145	0.11 108	0.06 25	0.08 123	0.06 42	0.06 65	0.08 25	0.10 207	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 355	0.09 122	0.15 123	0.06 28	0.09 138	0.08 7	0.14 145	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.12 291	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 355	0.08 57	0.16 219	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.07 75	0.07 64	0.05 5	0.06 65	0.09 59	0.10 207	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.5w	0.07 7	0.07 236	0.07 11	0.16 219	0.06 28	0.08 84	0.12 98	0.10 35	0.10 76	0.07 75	0.06 23	0.09 221	0.06 65	0.08 25	0.09 103	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 236	0.07 11	0.13 25	0.06 28	0.08 84	0.08 7	0.18 298	0.12 147	0.07 75	0.08 123	0.06 42	0.06 65	0.09 59	0.11 288	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 73

3.25w_new	0.07 7	0.06 118	0.07 11	0.15 123	0.06 28	0.10 201	0.07 3	0.12 85	0.11 108	0.08 129	0.06 23	0.07 124	0.06 65	0.11 197	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 118	0.07 11	0.15 123	0.06 28	0.10 201	0.07 3	0.12 85	0.11 108	0.08 129	0.06 23	0.07 124	0.06 65	0.11 197	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 236	0.08 57	0.16 219	0.07 134	0.07 43	0.09 20	0.16 225	0.09 52	0.07 75	0.06 23	0.05 5	0.06 65	0.09 59	0.10 207	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 236	0.07 11	0.15 123	0.07 134	0.09 138	0.06 1	0.13 114	0.11 108	0.07 75	0.07 64	0.06 42	0.07 179	0.10 122	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 118	0.07 11	0.16 219	0.06 28	0.07 43	0.10 35	0.14 145	0.14 222	0.07 75	0.08 123	0.05 5	0.06 65	0.09 59	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 73

monsterstereo	0.07 7	0.06 118	0.06 5	0.16 219	0.06 28	0.08 84	0.10 35	0.16 225	0.11 108	0.07 75	0.08 123	0.06 42	0.07 179	0.08 25	0.09 103	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

monsters	0.07 7	0.06 118	0.06 5	0.15 123	0.06 28	0.08 84	0.09 20	0.12 85	0.08 25	0.09 181	0.07 64	0.06 42	0.06 65	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 57	0.13 25	0.06 28	0.09 138	0.12 98	0.14 145	0.10 76	0.06 25	0.09 158	0.07 124	0.05 14	0.09 59	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

111111	0.07 7	0.04 1	0.09 122	0.17 306	0.06 28	0.05 4	0.10 35	0.11 58	0.09 52	0.06 25	0.06 23	0.07 124	0.05 14	0.09 59	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.07 372	0.06 305

LG-Stereo_L2	0.07 7	0.05 42	0.10 186	0.14 69	0.06 28	0.07 43	0.12 98	0.09 21	0.09 52	0.06 25	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

LG-Stereo_L1	0.07 7	0.05 42	0.11 246	0.14 69	0.06 28	0.07 43	0.13 178	0.09 21	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 50	0.03 1	0.04 48	0.04 73

MLG-Stereo_test3	0.07 7	0.05 42	0.10 186	0.14 69	0.06 28	0.07 43	0.11 65	0.08 12	0.06 6	0.06 25	0.04 1	0.06 42	0.06 65	0.07 4	0.10 207	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.06 305

MLG-Stereo	0.07 7	0.05 42	0.08 57	0.17 306	0.05 2	0.07 43	0.11 65	0.08 12	0.04 2	0.05 2	0.04 1	0.06 42	0.05 14	0.10 122	0.09 103	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

LG-G_1	0.07 7	0.04 1	0.11 246	0.15 123	0.06 28	0.09 138	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 179	0.11 197	0.08 25	0.07 338	0.04 25	0.05 50	0.04 60	0.05 170	0.05 204

LG-G	0.07 7	0.04 1	0.11 246	0.15 123	0.06 28	0.09 138	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 179	0.11 197	0.08 25	0.07 338	0.04 25	0.05 50	0.04 60	0.05 170	0.05 204

LGtest1	0.07 7	0.04 1	0.10 186	0.15 123	0.06 28	0.07 43	0.09 20	0.08 12	0.06 6	0.05 2	0.04 1	0.06 42	0.06 65	0.10 122	0.09 103	0.07 338	0.04 25	0.05 50	0.04 60	0.06 291	0.06 305

LG-Stereo_Zeroshot	0.07 7	0.06 118	0.10 186	0.16 219	0.07 134	0.04 1	0.13 178	0.10 35	0.10 76	0.05 2	0.11 245	0.07 124	0.05 14	0.07 4	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

GREAT-IGEV	0.07 7	0.06 118	0.08 57	0.13 25	0.07 134	0.07 43	0.14 246	0.09 21	0.09 52	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73
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	0.15 591	0.17 501	0.11 1	0.05 2	0.05 4	0.11 65	0.08 12	0.08 25	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.08 421	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

AIO_rvc	0.07 7	0.06 118	0.08 57	0.15 123	0.06 28	0.08 84	0.14 246	0.09 21	0.08 25	0.07 75	0.08 123	0.07 124	0.04 1	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

AIO_test	0.07 7	0.05 42	0.07 11	0.15 123	0.07 134	0.06 14	0.14 246	0.10 35	0.10 76	0.07 75	0.07 64	0.06 42	0.05 14	0.08 25	0.10 207	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

MonSter	0.07 7	0.06 118	0.05 1	0.15 123	0.05 2	0.07 43	0.10 35	0.15 187	0.15 250	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	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 42	0.07 11	0.14 69	0.06 28	0.10 201	0.13 178	0.07 7	0.13 189	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.09 103	0.04 11	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

dual_stereo	0.07 7	0.04 1	0.08 57	0.15 123	0.05 2	0.05 4	0.13 178	0.12 85	0.08 25	0.07 75	0.06 23	0.05 5	0.05 14	0.07 4	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

IGEV-Stereo++	0.07 7	0.06 118	0.08 57	0.18 397	0.06 28	0.04 1	0.10 35	0.11 58	0.11 108	0.06 25	0.07 64	0.07 124	0.06 65	0.09 59	0.09 103	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

IGEV-Stereo+	0.07 7	0.04 1	0.08 57	0.15 123	0.06 28	0.04 1	0.09 20	0.10 35	0.09 52	0.06 25	0.06 23	0.06 42	0.06 65	0.06 1	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.06 291	0.06 305

GCAPDPT-zeroshot4090	0.07 7	0.05 42	0.11 246	0.15 123	0.06 28	0.07 43	0.13 178	0.09 21	0.11 108	0.07 75	0.08 123	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 275	0.05 50	0.04 60	0.03 1	0.04 73

Selective-IGEV	0.07 7	0.06 118	0.08 57	0.17 306	0.06 28	0.08 84	0.12 98	0.13 114	0.07 15	0.08 129	0.07 64	0.06 42	0.04 1	0.10 122	0.09 103	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

LGCAT	0.08 85	0.04 1	0.10 186	0.11 1	0.06 28	0.07 43	0.12 98	0.07 7	0.08 25	0.09 181	0.07 64	0.07 124	0.08 228	0.12 291	0.11 288	0.10 524	0.09 561	0.04 1	0.05 194	0.04 48	0.09 510

quiztm	0.08 85	0.07 236	0.08 57	0.18 397	0.07 134	0.09 138	0.14 246	0.14 145	0.12 147	0.07 75	0.07 64	0.05 5	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.04 60	0.04 48	0.03 2

TS12	0.08 85	0.06 118	0.09 122	0.21 564	0.07 134	0.11 254	0.13 178	0.11 58	0.09 52	0.10 227	0.10 194	0.08 185	0.10 311	0.09 59	0.12 350	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

DF	0.08 85	0.05 42	0.09 122	0.15 123	0.06 28	0.11 254	0.13 178	0.10 35	0.12 147	0.09 181	0.10 194	0.10 256	0.08 228	0.11 197	0.09 103	0.07 338	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

LiteMatch*	0.08 85	0.04 1	0.11 246	0.13 25	0.08 218	0.08 84	0.13 178	0.14 145	0.09 52	0.05 2	0.05 7	0.05 5	0.09 267	0.11 197	0.10 207	0.06 167	0.05 275	0.05 50	0.04 60	0.05 170	0.05 204

aanet-new-90k	0.08 85	0.07 236	0.08 57	0.19 466	0.06 28	0.07 43	0.12 98	0.12 85	0.13 189	0.06 25	0.07 64	0.06 42	0.06 65	0.10 122	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-36k	0.08 85	0.06 118	0.09 122	0.17 306	0.06 28	0.09 138	0.13 178	0.11 58	0.13 189	0.08 129	0.08 123	0.06 42	0.05 14	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-34k	0.08 85	0.06 118	0.09 122	0.17 306	0.05 2	0.07 43	0.13 178	0.12 85	0.12 147	0.09 181	0.08 123	0.07 124	0.05 14	0.10 122	0.09 103	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-32k-new	0.08 85	0.07 236	0.08 57	0.18 397	0.06 28	0.08 84	0.12 98	0.11 58	0.12 147	0.07 75	0.08 123	0.05 5	0.07 179	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 291	0.04 73

aanet-new-32k	0.08 85	0.07 236	0.09 122	0.18 397	0.06 28	0.11 254	0.11 65	0.10 35	0.08 25	0.07 75	0.07 64	0.07 124	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-30k	0.08 85	0.07 236	0.09 122	0.18 397	0.06 28	0.11 254	0.11 65	0.10 35	0.08 25	0.07 75	0.07 64	0.07 124	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-28k	0.08 85	0.07 236	0.09 122	0.18 397	0.06 28	0.08 84	0.12 98	0.10 35	0.09 52	0.09 181	0.08 123	0.08 185	0.06 65	0.12 291	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-22k	0.08 85	0.06 118	0.09 122	0.17 306	0.06 28	0.08 84	0.11 65	0.14 145	0.12 147	0.09 181	0.09 158	0.08 185	0.06 65	0.10 122	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-16k	0.08 85	0.08 355	0.08 57	0.18 397	0.06 28	0.07 43	0.09 20	0.13 114	0.12 147	0.08 129	0.07 64	0.07 124	0.06 65	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-10k	0.08 85	0.08 355	0.08 57	0.19 466	0.07 134	0.08 84	0.12 98	0.14 145	0.11 108	0.07 75	0.08 123	0.07 124	0.07 179	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-12k	0.08 85	0.09 435	0.07 11	0.20 532	0.08 218	0.08 84	0.13 178	0.12 85	0.13 189	0.08 129	0.08 123	0.05 5	0.07 179	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.06 291	0.04 73

aanet-new-14k	0.08 85	0.09 435	0.08 57	0.19 466	0.06 28	0.07 43	0.10 35	0.14 145	0.15 250	0.06 25	0.08 123	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-8k	0.08 85	0.07 236	0.08 57	0.19 466	0.07 134	0.09 138	0.12 98	0.16 225	0.15 250	0.07 75	0.07 64	0.06 42	0.06 65	0.10 122	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

aanet-new	0.08 85	0.09 435	0.10 186	0.18 397	0.08 218	0.10 201	0.12 98	0.15 187	0.12 147	0.08 129	0.08 123	0.05 5	0.07 179	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 291	0.04 73

GCAP-Stereo-cres-4k	0.08 85	0.07 236	0.08 57	0.18 397	0.07 134	0.11 254	0.14 246	0.12 85	0.11 108	0.07 75	0.11 245	0.07 124	0.06 65	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

GCAP-Stereo-DPT-cres	0.08 85	0.05 42	0.07 11	0.15 123	0.06 28	0.10 201	0.14 246	0.13 114	0.12 147	0.07 75	0.09 158	0.07 124	0.06 65	0.10 122	0.09 103	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 85	0.06 118	0.15 435	0.14 69	0.06 28	0.08 84	0.13 178	0.13 114	0.11 108	0.07 75	0.08 123	0.07 124	0.06 65	0.09 59	0.08 25	0.05 51	0.05 275	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-22K	0.08 85	0.06 118	0.07 11	0.17 306	0.06 28	0.07 43	0.14 246	0.13 114	0.16 289	0.05 2	0.10 194	0.06 42	0.06 65	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-5K	0.08 85	0.06 118	0.10 186	0.16 219	0.07 134	0.11 254	0.12 98	0.15 187	0.15 250	0.08 129	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.05 194	0.03 1	0.04 73

GCAP-Stereo-DPT-2K	0.08 85	0.06 118	0.10 186	0.16 219	0.07 134	0.11 254	0.13 178	0.14 145	0.14 222	0.08 129	0.13 285	0.05 5	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-3K	0.08 85	0.07 236	0.10 186	0.16 219	0.07 134	0.09 138	0.12 98	0.15 187	0.14 222	0.08 129	0.11 245	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-50K	0.08 85	0.06 118	0.17 501	0.15 123	0.06 28	0.06 14	0.13 178	0.13 114	0.13 189	0.07 75	0.07 64	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 85	0.06 118	0.07 11	0.16 219	0.06 28	0.06 14	0.14 246	0.14 145	0.14 222	0.07 75	0.10 194	0.06 42	0.05 14	0.09 59	0.09 103	0.04 11	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 85	0.05 42	0.12 290	0.15 123	0.06 28	0.10 201	0.14 246	0.12 85	0.12 147	0.07 75	0.09 158	0.06 42	0.06 65	0.10 122	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

PSi22	0.08 85	0.06 118	0.11 246	0.16 219	0.07 134	0.08 84	0.10 35	0.14 145	0.08 25	0.08 129	0.06 23	0.10 256	0.06 65	0.12 291	0.09 103	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

Foundation-i1c-attn	0.08 85	0.05 42	0.07 11	0.14 69	0.05 2	0.09 138	0.12 98	0.12 85	0.10 76	0.09 181	0.10 194	0.10 256	0.07 179	0.07 4	0.10 207	0.06 167	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Foundation-i1b	0.08 85	0.05 42	0.07 11	0.14 69	0.05 2	0.09 138	0.12 98	0.13 114	0.10 76	0.09 181	0.10 194	0.09 221	0.06 65	0.07 4	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Foundation-i1a	0.08 85	0.05 42	0.07 11	0.13 25	0.05 2	0.13 363	0.13 178	0.12 85	0.09 52	0.11 262	0.11 245	0.11 286	0.06 65	0.08 25	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

DepthFocus	0.08 85	0.04 1	0.15 435	0.12 7	0.09 349	0.07 43	0.12 98	0.10 35	0.05 4	0.09 181	0.05 7	0.07 124	0.04 1	0.08 25	0.08 25	0.06 167	0.05 275	0.07 309	0.07 389	0.05 170	0.04 73

GeoVLM	0.08 85	0.04 1	0.10 186	0.13 25	0.06 28	0.10 201	0.12 98	0.13 114	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.11 288	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.05 204

gcap_with_dpt	0.08 85	0.06 118	0.09 122	0.16 219	0.07 134	0.09 138	0.12 98	0.13 114	0.13 189	0.08 129	0.12 266	0.04 1	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

DispViT+	0.08 85	0.05 42	0.09 122	0.13 25	0.06 28	0.05 4	0.11 65	0.18 298	0.16 289	0.09 181	0.08 123	0.07 124	0.06 65	0.11 197	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 85	0.04 1	0.11 246	0.14 69	0.07 134	0.11 254	0.11 65	0.11 58	0.07 15	0.07 75	0.07 64	0.07 124	0.06 65	0.10 122	0.10 207	0.06 167	0.04 25	0.05 50	0.04 60	0.06 291	0.06 305

BStereo	0.08 85	0.06 118	0.16 471	0.15 123	0.08 218	0.07 43	0.09 20	0.15 187	0.16 289	0.06 25	0.07 64	0.07 124	0.05 14	0.09 59	0.11 288	0.04 11	0.05 275	0.05 50	0.07 389	0.04 48	0.04 73

MonSter++	0.08 85	0.04 1	0.10 186	0.13 25	0.06 28	0.09 138	0.12 98	0.13 114	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.11 288	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.04 73

HiDET	0.08 85	0.04 1	0.10 186	0.13 25	0.06 28	0.08 84	0.12 98	0.12 85	0.11 108	0.06 25	0.07 64	0.07 124	0.07 179	0.11 197	0.11 288	0.06 167	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

LCMNet	0.08 85	0.05 42	0.10 186	0.13 25	0.07 134	0.09 138	0.12 98	0.10 35	0.11 108	0.06 25	0.08 123	0.06 42	0.07 179	0.11 197	0.10 207	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.04 73

GEAStereo	0.08 85	0.05 42	0.08 57	0.13 25	0.08 218	0.08 84	0.14 246	0.10 35	0.09 52	0.08 129	0.10 194	0.06 42	0.05 14	0.11 197	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.05 204

GSStereo	0.08 85	0.05 42	0.08 57	0.13 25	0.08 218	0.08 84	0.14 246	0.11 58	0.12 147	0.08 129	0.10 194	0.05 5	0.05 14	0.11 197	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.05 204

gasm-f	0.08 85	0.05 42	0.07 11	0.13 25	0.08 218	0.08 84	0.14 246	0.10 35	0.09 52	0.08 129	0.10 194	0.06 42	0.05 14	0.10 122	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.06 291	0.05 204

DDF-Stereo	0.08 85	0.04 1	0.09 122	0.15 123	0.10 462	0.06 14	0.13 178	0.09 21	0.14 222	0.06 25	0.06 23	0.07 124	0.06 65	0.09 59	0.10 207	0.06 167	0.04 25	0.06 199	0.04 60	0.08 442	0.05 204

252Zero-FE	0.08 85	0.04 1	0.09 122	0.13 25	0.07 134	0.12 307	0.11 65	0.13 114	0.14 222	0.06 25	0.05 7	0.06 42	0.05 14	0.09 59	0.10 207	0.06 167	0.04 25	0.04 1	0.03 1	0.05 170	0.06 305

DA	0.08 85	0.07 236	0.07 11	0.19 466	0.08 218	0.09 138	0.12 98	0.13 114	0.12 147	0.08 129	0.10 194	0.10 256	0.08 228	0.09 59	0.10 207	0.05 51	0.04 25	0.06 199	0.04 60	0.05 170	0.03 2

zero-FE	0.08 85	0.04 1	0.09 122	0.15 123	0.10 462	0.05 4	0.14 246	0.09 21	0.14 222	0.07 75	0.06 23	0.07 124	0.06 65	0.09 59	0.10 207	0.06 167	0.04 25	0.06 199	0.04 60	0.08 442	0.05 204

GGEV	0.08 85	0.07 236	0.07 11	0.19 466	0.08 218	0.09 138	0.12 98	0.13 114	0.12 147	0.08 129	0.10 194	0.10 256	0.08 228	0.09 59	0.10 207	0.05 51	0.04 25	0.06 199	0.04 60	0.05 170	0.03 2

GASTEREO	0.08 85	0.05 42	0.09 122	0.19 466	0.07 134	0.07 43	0.12 98	0.14 145	0.11 108	0.10 227	0.09 158	0.07 124	0.04 1	0.12 291	0.08 25	0.06 167	0.05 275	0.05 50	0.04 60	0.04 48	0.05 204

MSCF	0.08 85	0.05 42	0.08 57	0.19 466	0.08 218	0.06 14	0.12 98	0.14 145	0.11 108	0.10 227	0.09 158	0.07 124	0.04 1	0.11 197	0.08 25	0.06 167	0.05 275	0.05 50	0.04 60	0.05 170	0.05 204

S2M2_XL	0.08 85	0.06 118	0.12 290	0.12 7	0.08 218	0.09 138	0.09 20	0.07 7	0.07 15	0.08 129	0.07 64	0.07 124	0.06 65	0.09 59	0.09 103	0.08 421	0.06 426	0.07 309	0.05 194	0.08 442	0.06 305
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 85	0.09 435	0.10 186	0.17 306	0.07 134	0.08 84	0.10 35	0.20 339	0.13 189	0.06 25	0.07 64	0.05 5	0.06 65	0.08 25	0.09 103	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 85	0.08 355	0.09 122	0.16 219	0.06 28	0.08 84	0.10 35	0.20 339	0.15 250	0.08 129	0.07 64	0.06 42	0.06 65	0.06 1	0.09 103	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

LG-Stereo	0.08 85	0.07 236	0.10 186	0.18 397	0.07 134	0.10 201	0.17 441	0.11 58	0.08 25	0.05 2	0.07 64	0.05 5	0.07 179	0.09 59	0.09 103	0.04 11	0.05 275	0.07 309	0.07 389	0.04 48	0.04 73

SGD-Stereo	0.08 85	0.05 42	0.10 186	0.14 69	0.05 2	0.12 307	0.12 98	0.11 58	0.12 147	0.07 75	0.09 158	0.09 221	0.09 267	0.08 25	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

HART	0.08 85	0.07 236	0.09 122	0.17 306	0.07 134	0.10 201	0.16 399	0.13 114	0.11 108	0.08 129	0.10 194	0.07 124	0.05 14	0.10 122	0.08 25	0.05 51	0.04 25	0.06 199	0.04 60	0.05 170	0.04 73

Reg-Stereo(zero)	0.08 85	0.05 42	0.08 57	0.16 219	0.06 28	0.12 307	0.11 65	0.15 187	0.10 76	0.12 304	0.09 158	0.10 256	0.08 228	0.11 197	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

SCV_C0	0.08 85	0.07 236	0.07 11	0.16 219	0.09 349	0.08 84	0.15 329	0.11 58	0.12 147	0.08 129	0.07 64	0.06 42	0.05 14	0.11 197	0.07 1	0.05 51	0.05 275	0.05 50	0.04 60	0.06 291	0.05 204

SCV	0.08 85	0.09 435	0.08 57	0.15 123	0.08 218	0.10 201	0.13 178	0.10 35	0.12 147	0.07 75	0.07 64	0.06 42	0.04 1	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.04 60	0.06 291	0.04 73

DEFOM-Stereo_RVC	0.08 85	0.06 118	0.09 122	0.22 581	0.06 28	0.08 84	0.12 98	0.10 35	0.10 76	0.07 75	0.07 64	0.06 42	0.05 14	0.11 197	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.06 291	0.04 73

HUF	0.08 85	0.05 42	0.08 57	0.14 69	0.06 28	0.09 138	0.13 178	0.13 114	0.13 189	0.07 75	0.07 64	0.08 185	0.06 65	0.10 122	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

castereo++	0.08 85	0.05 42	0.08 57	0.15 123	0.05 2	0.14 397	0.12 98	0.11 58	0.15 250	0.07 75	0.07 64	0.07 124	0.06 65	0.08 25	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

IGEV-RUCA	0.08 85	0.06 118	0.11 246	0.14 69	0.09 349	0.10 201	0.12 98	0.10 35	0.12 147	0.06 25	0.07 64	0.07 124	0.06 65	0.09 59	0.08 25	0.06 167	0.05 275	0.05 50	0.04 60	0.05 170	0.06 305

GIP-stereo	0.08 85	0.06 118	0.11 246	0.14 69	0.06 28	0.09 138	0.13 178	0.14 145	0.11 108	0.07 75	0.08 123	0.05 5	0.04 1	0.10 122	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

SMoEStereo_RVC	0.08 85	0.06 118	0.12 290	0.16 219	0.07 134	0.09 138	0.14 246	0.11 58	0.13 189	0.09 181	0.07 64	0.07 124	0.07 179	0.12 291	0.10 207	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

WCG-NET	0.08 85	0.05 42	0.09 122	0.15 123	0.06 28	0.11 254	0.14 246	0.13 114	0.13 189	0.06 25	0.09 158	0.07 124	0.06 65	0.13 345	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

Occ-G	0.08 85	0.05 42	0.06 5	0.14 69	0.07 134	0.08 84	0.14 246	0.13 114	0.15 250	0.07 75	0.11 245	0.07 124	0.05 14	0.09 59	0.10 207	0.06 167	0.05 275	0.05 50	0.04 60	0.05 170	0.05 204

U	0.08 85	0.07 236	0.09 122	0.19 466	0.10 462	0.10 201	0.13 178	0.12 85	0.17 318	0.07 75	0.07 64	0.06 42	0.05 14	0.07 4	0.08 25	0.06 167	0.04 25	0.06 199	0.04 60	0.06 291	0.05 204

AIO-Stereo	0.08 85	0.06 118	0.09 122	0.18 397	0.06 28	0.08 84	0.12 98	0.15 187	0.09 52	0.08 129	0.08 123	0.07 124	0.05 14	0.11 197	0.08 25	0.05 51	0.05 275	0.05 50	0.04 60	0.04 48	0.04 73

WCG-NET（raft）	0.08 85	0.05 42	0.10 186	0.15 123	0.06 28	0.11 254	0.13 178	0.15 187	0.12 147	0.08 129	0.07 64	0.06 42	0.06 65	0.13 345	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

RSM++	0.08 85	0.06 118	0.09 122	0.17 306	0.07 134	0.09 138	0.12 98	0.11 58	0.11 108	0.08 129	0.06 23	0.07 124	0.05 14	0.10 122	0.09 103	0.04 11	0.04 25	0.06 199	0.05 194	0.05 170	0.03 2

RSM	0.08 85	0.06 118	0.09 122	0.17 306	0.06 28	0.08 84	0.12 98	0.12 85	0.10 76	0.08 129	0.07 64	0.06 42	0.05 14	0.11 197	0.09 103	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

gcap-zeroshot	0.08 85	0.06 118	0.10 186	0.15 123	0.07 134	0.11 254	0.12 98	0.15 187	0.15 250	0.08 129	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.05 194	0.03 1	0.04 73

test_for_model	0.08 85	0.06 118	0.10 186	0.16 219	0.07 134	0.11 254	0.12 98	0.15 187	0.15 250	0.08 129	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.05 194	0.03 1	0.04 73

trnet	0.08 85	0.05 42	0.07 11	0.12 7	0.05 2	0.12 307	0.11 65	0.13 114	0.10 76	0.08 129	0.13 285	0.09 221	0.08 228	0.11 197	0.10 207	0.08 421	0.05 275	0.05 50	0.03 1	0.06 291	0.05 204

MoCha-V2	0.08 85	0.05 42	0.10 186	0.20 532	0.07 134	0.09 138	0.14 246	0.11 58	0.08 25	0.07 75	0.08 123	0.07 124	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

IGEV++	0.08 85	0.06 118	0.08 57	0.18 397	0.07 134	0.09 138	0.13 178	0.10 35	0.09 52	0.08 129	0.08 123	0.06 42	0.06 65	0.13 345	0.09 103	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

testlalala	0.08 85	0.06 118	0.10 186	0.15 123	0.07 134	0.11 254	0.12 98	0.15 187	0.15 250	0.08 129	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.05 194	0.03 1	0.04 73

AEACV	0.08 85	0.05 42	0.08 57	0.14 69	0.13 569	0.14 397	0.13 178	0.14 145	0.09 52	0.07 75	0.09 158	0.07 124	0.08 228	0.10 122	0.09 103	0.06 167	0.04 25	0.06 199	0.05 194	0.05 170	0.04 73

LoS_RVC	0.08 85	0.05 42	0.07 11	0.15 123	0.07 134	0.08 84	0.15 329	0.11 58	0.10 76	0.08 129	0.09 158	0.06 42	0.09 267	0.10 122	0.09 103	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

CAS	0.08 85	0.04 1	0.07 11	0.17 306	0.08 218	0.10 201	0.13 178	0.12 85	0.09 52	0.09 181	0.10 194	0.08 185	0.06 65	0.09 59	0.08 25	0.08 421	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

CES	0.08 85	0.04 1	0.08 57	0.14 69	0.07 134	0.09 138	0.14 246	0.11 58	0.09 52	0.08 129	0.09 158	0.11 286	0.06 65	0.12 291	0.08 25	0.06 167	0.04 25	0.05 50	0.03 1	0.05 170	0.05 204

EGLCR-Stereo	0.08 85	0.05 42	0.08 57	0.14 69	0.06 28	0.10 201	0.12 98	0.11 58	0.16 289	0.06 25	0.05 7	0.07 124	0.05 14	0.10 122	0.11 288	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

MC-Stereo	0.08 85	0.06 118	0.09 122	0.17 306	0.06 28	0.10 201	0.14 246	0.12 85	0.10 76	0.09 181	0.12 266	0.09 221	0.06 65	0.11 197	0.10 207	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

test-3	0.08 85	0.06 118	0.09 122	0.17 306	0.07 134	0.07 43	0.14 246	0.12 85	0.15 250	0.09 181	0.08 123	0.07 124	0.08 228	0.11 197	0.10 207	0.05 51	0.04 25	0.07 309	0.05 194	0.04 48	0.04 73

test_1	0.08 85	0.06 118	0.09 122	0.17 306	0.07 134	0.07 43	0.14 246	0.12 85	0.15 250	0.09 181	0.08 123	0.07 124	0.08 228	0.11 197	0.10 207	0.05 51	0.04 25	0.07 309	0.05 194	0.04 48	0.04 73

CREStereo++_RVC	0.08 85	0.04 1	0.06 5	0.13 25	0.07 134	0.09 138	0.12 98	0.14 145	0.14 222	0.10 227	0.14 299	0.08 185	0.07 179	0.09 59	0.11 288	0.06 167	0.04 25	0.05 50	0.05 194	0.04 48	0.04 73
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
DNS	0.09 174	0.05 42	0.11 246	0.15 123	0.08 218	0.10 201	0.16 399	0.17 264	0.09 52	0.08 129	0.12 266	0.08 185	0.07 179	0.09 59	0.08 25	0.07 338	0.04 25	0.05 50	0.05 194	0.06 291	0.05 204

RT-Monster	0.09 174	0.05 42	0.09 122	0.14 69	0.08 218	0.11 254	0.10 35	0.17 264	0.18 349	0.13 337	0.10 194	0.09 221	0.08 228	0.10 122	0.10 207	0.07 338	0.05 275	0.05 50	0.04 60	0.05 170	0.06 305

LiteMatch	0.09 174	0.06 118	0.10 186	0.16 219	0.07 134	0.09 138	0.15 329	0.13 114	0.08 25	0.06 25	0.07 64	0.06 42	0.15 461	0.10 122	0.14 438	0.07 338	0.04 25	0.06 199	0.06 292	0.06 291	0.06 305

Foundation-i1	0.09 174	0.04 1	0.10 186	0.14 69	0.06 28	0.10 201	0.13 178	0.16 225	0.14 222	0.10 227	0.10 194	0.11 286	0.07 179	0.07 4	0.10 207	0.06 167	0.04 25	0.05 50	0.05 194	0.05 170	0.05 204

VMStereo-Base	0.09 174	0.05 42	0.10 186	0.13 25	0.07 134	0.10 201	0.10 35	0.16 225	0.13 189	0.10 227	0.15 320	0.10 256	0.09 267	0.11 197	0.10 207	0.07 338	0.05 275	0.05 50	0.04 60	0.05 170	0.06 305

Wave_Phase_stereo	0.09 174	0.06 118	0.16 471	0.15 123	0.08 218	0.11 254	0.09 20	0.18 298	0.16 289	0.06 25	0.07 64	0.07 124	0.05 14	0.09 59	0.11 288	0.04 11	0.05 275	0.05 50	0.07 389	0.04 48	0.04 73

NLSM3	0.09 174	0.06 118	0.08 57	0.19 466	0.08 218	0.11 254	0.16 399	0.18 298	0.16 289	0.06 25	0.08 123	0.07 124	0.08 228	0.09 59	0.11 288	0.04 11	0.04 25	0.06 199	0.07 389	0.03 1	0.03 2

FE-Mocha	0.09 174	0.06 118	0.14 385	0.16 219	0.09 349	0.10 201	0.15 329	0.18 298	0.16 289	0.10 227	0.09 158	0.07 124	0.07 179	0.09 59	0.09 103	0.06 167	0.04 25	0.06 199	0.06 292	0.05 170	0.05 204

IGEV-FE	0.09 174	0.05 42	0.12 290	0.13 25	0.08 218	0.12 307	0.13 178	0.17 264	0.11 108	0.10 227	0.06 23	0.09 221	0.06 65	0.11 197	0.09 103	0.06 167	0.04 25	0.06 199	0.06 292	0.05 170	0.05 204

water-stereo	0.09 174	0.06 118	0.08 57	0.16 219	0.07 134	0.09 138	0.13 178	0.15 187	0.13 189	0.11 262	0.12 266	0.08 185	0.09 267	0.07 4	0.08 25	0.06 167	0.05 275	0.05 50	0.05 194	0.04 48	0.04 73

depthmonostereo	0.09 174	0.06 118	0.09 122	0.15 123	0.06 28	0.10 201	0.13 178	0.14 145	0.14 222	0.10 227	0.10 194	0.09 221	0.11 347	0.08 25	0.09 103	0.06 167	0.05 275	0.06 199	0.04 60	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 174	0.05 42	0.08 57	0.15 123	0.06 28	0.11 254	0.12 98	0.14 145	0.16 289	0.11 262	0.11 245	0.09 221	0.09 267	0.11 197	0.10 207	0.06 167	0.05 275	0.05 50	0.04 60	0.03 1	0.03 2

S2M2_L	0.09 174	0.08 355	0.11 246	0.13 25	0.10 462	0.08 84	0.06 1	0.10 35	0.10 76	0.10 227	0.09 158	0.10 256	0.09 267	0.11 197	0.11 288	0.13 607	0.07 498	0.08 403	0.09 509	0.10 541	0.08 464
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 174	0.06 118	0.09 122	0.19 466	0.08 218	0.12 307	0.18 490	0.15 187	0.14 222	0.07 75	0.10 194	0.07 124	0.06 65	0.12 291	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.03 2

castereo	0.09 174	0.06 118	0.11 246	0.15 123	0.06 28	0.11 254	0.15 329	0.14 145	0.18 349	0.08 129	0.10 194	0.11 286	0.08 228	0.09 59	0.10 207	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

fffft	0.09 174	0.06 118	0.12 290	0.16 219	0.07 134	0.09 138	0.17 441	0.12 85	0.11 108	0.08 129	0.07 64	0.09 221	0.06 65	0.11 197	0.12 350	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.05 204
1: 1. 1
tt45	0.09 174	0.06 118	0.11 246	0.15 123	0.07 134	0.11 254	0.16 399	0.13 114	0.11 108	0.09 181	0.06 23	0.08 185	0.06 65	0.13 345	0.10 207	0.06 167	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

999	0.09 174	0.05 42	0.13 346	0.15 123	0.08 218	0.10 201	0.14 246	0.15 187	0.11 108	0.10 227	0.08 123	0.08 185	0.08 228	0.16 441	0.10 207	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.05 204

mms	0.09 174	0.07 236	0.08 57	0.16 219	0.08 218	0.10 201	0.16 399	0.12 85	0.11 108	0.08 129	0.09 158	0.08 185	0.06 65	0.11 197	0.12 350	0.05 51	0.04 25	0.07 309	0.05 194	0.04 48	0.03 2

ours_stereo	0.09 174	0.07 236	0.09 122	0.17 306	0.08 218	0.11 254	0.16 399	0.11 58	0.12 147	0.08 129	0.10 194	0.08 185	0.06 65	0.12 291	0.12 350	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.03 2

fffy	0.09 174	0.08 355	0.09 122	0.16 219	0.07 134	0.13 363	0.17 441	0.13 114	0.12 147	0.08 129	0.09 158	0.08 185	0.09 267	0.13 345	0.11 288	0.05 51	0.05 275	0.07 309	0.05 194	0.04 48	0.05 204

PAM_32	0.09 174	0.05 42	0.17 501	0.15 123	0.08 218	0.10 201	0.15 329	0.14 145	0.15 250	0.09 181	0.08 123	0.09 221	0.07 179	0.14 379	0.08 25	0.06 167	0.05 275	0.06 199	0.06 292	0.05 170	0.06 305

UGAM-zero	0.09 174	0.05 42	0.15 435	0.15 123	0.08 218	0.09 138	0.13 178	0.19 328	0.15 250	0.11 262	0.15 320	0.07 124	0.07 179	0.09 59	0.09 103	0.06 167	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

GCAP-BAT	0.09 174	0.05 42	0.11 246	0.13 25	0.07 134	0.11 254	0.14 246	0.14 145	0.16 289	0.07 75	0.10 194	0.08 185	0.06 65	0.13 345	0.08 25	0.07 338	0.05 275	0.05 50	0.05 194	0.04 48	0.04 73

Pointernet	0.09 174	0.04 1	0.09 122	0.16 219	0.08 218	0.13 363	0.10 35	0.15 187	0.17 318	0.09 181	0.07 64	0.06 42	0.06 65	0.11 197	0.09 103	0.08 421	0.04 25	0.05 50	0.03 1	0.06 291	0.05 204

IGEV-BASED-STEREO-	0.09 174	0.10 497	0.31 610	0.15 123	0.06 28	0.08 84	0.14 246	0.10 35	0.10 76	0.07 75	0.07 64	0.06 42	0.04 1	0.11 197	0.07 1	0.12 581	0.04 25	0.07 309	0.05 194	0.05 170	0.05 204

RAFT-Stereo-weight	0.09 174	0.06 118	0.10 186	0.16 219	0.07 134	0.09 138	0.14 246	0.19 328	0.16 289	0.11 262	0.10 194	0.08 185	0.06 65	0.10 122	0.11 288	0.06 167	0.04 25	0.06 199	0.04 60	0.04 48	0.04 73

MGS-Stereo	0.09 174	0.07 236	0.12 290	0.15 123	0.08 218	0.09 138	0.15 329	0.12 85	0.12 147	0.07 75	0.10 194	0.08 185	0.06 65	0.10 122	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.06 291	0.05 204

ff7	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.10 227	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

IGEVStereo-DCA	0.09 174	0.06 118	0.11 246	0.15 123	0.10 462	0.11 254	0.15 329	0.16 225	0.12 147	0.10 227	0.06 23	0.08 185	0.06 65	0.10 122	0.08 25	0.06 167	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

ffff	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.10 227	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

rrr	0.09 174	0.06 118	0.12 290	0.15 123	0.10 462	0.11 254	0.16 399	0.16 225	0.15 250	0.10 227	0.06 23	0.08 185	0.06 65	0.10 122	0.08 25	0.06 167	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

11t	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.10 227	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

MaDis-Stereo	0.09 174	0.09 435	0.08 57	0.17 306	0.09 349	0.13 363	0.10 35	0.16 225	0.16 289	0.09 181	0.11 245	0.06 42	0.06 65	0.09 59	0.13 394	0.07 338	0.06 426	0.07 309	0.05 194	0.05 170	0.04 73

IGEV_Zeroshot_test	0.09 174	0.05 42	0.12 290	0.13 25	0.08 218	0.12 307	0.13 178	0.17 264	0.11 108	0.10 227	0.06 23	0.09 221	0.06 65	0.11 197	0.09 103	0.06 167	0.04 25	0.06 199	0.06 292	0.05 170	0.05 204

MSKI-zero shot	0.09 174	0.05 42	0.09 122	0.15 123	0.07 134	0.10 201	0.13 178	0.14 145	0.13 189	0.09 181	0.09 158	0.09 221	0.06 65	0.12 291	0.10 207	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

UniTT-Stereo	0.09 174	0.07 236	0.08 57	0.18 397	0.08 218	0.13 363	0.11 65	0.12 85	0.11 108	0.10 227	0.12 266	0.05 5	0.07 179	0.09 59	0.09 103	0.07 338	0.05 275	0.05 50	0.05 194	0.05 170	0.05 204

MIM_Stereo	0.09 174	0.07 236	0.11 246	0.15 123	0.07 134	0.06 14	0.12 98	0.20 339	0.14 222	0.13 337	0.13 285	0.09 221	0.05 14	0.12 291	0.08 25	0.05 51	0.06 426	0.07 309	0.06 292	0.06 291	0.05 204

CASnet	0.09 174	0.09 435	0.09 122	0.19 466	0.06 28	0.07 43	0.11 65	0.18 298	0.14 222	0.11 262	0.10 194	0.09 221	0.07 179	0.10 122	0.10 207	0.06 167	0.04 25	0.10 535	0.08 462	0.05 170	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 174	0.05 42	0.11 246	0.13 25	0.07 134	0.11 254	0.14 246	0.14 145	0.16 289	0.07 75	0.10 194	0.08 185	0.06 65	0.13 345	0.08 25	0.07 338	0.05 275	0.05 50	0.05 194	0.04 48	0.04 73

GCAP-Stereo	0.09 174	0.07 236	0.13 346	0.18 397	0.06 28	0.11 254	0.07 3	0.13 114	0.12 147	0.09 181	0.10 194	0.07 124	0.09 267	0.13 345	0.10 207	0.06 167	0.05 275	0.05 50	0.04 60	0.04 48	0.05 204

RAFT-Test	0.09 174	0.06 118	0.10 186	0.15 123	0.07 134	0.11 254	0.15 329	0.16 225	0.13 189	0.09 181	0.10 194	0.10 256	0.09 267	0.12 291	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

HH	0.09 174	0.06 118	0.13 346	0.17 306	0.08 218	0.10 201	0.16 399	0.14 145	0.10 76	0.08 129	0.09 158	0.08 185	0.07 179	0.10 122	0.09 103	0.06 167	0.04 25	0.06 199	0.05 194	0.05 170	0.04 73

HanStereo	0.09 174	0.06 118	0.13 346	0.17 306	0.08 218	0.10 201	0.16 399	0.14 145	0.10 76	0.08 129	0.09 158	0.08 185	0.07 179	0.10 122	0.09 103	0.06 167	0.04 25	0.06 199	0.05 194	0.05 170	0.04 73

4D-IteraStereo	0.09 174	0.07 236	0.10 186	0.18 397	0.07 134	0.09 138	0.15 329	0.17 264	0.15 250	0.10 227	0.11 245	0.10 256	0.07 179	0.11 197	0.09 103	0.05 51	0.03 1	0.08 403	0.07 389	0.06 291	0.05 204

anonymousdsp	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.09 181	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

LoS	0.09 174	0.05 42	0.11 246	0.13 25	0.07 134	0.14 397	0.11 65	0.15 187	0.15 250	0.09 181	0.09 158	0.12 310	0.09 267	0.15 406	0.10 207	0.07 338	0.05 275	0.05 50	0.03 1	0.05 170	0.05 204
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 174	0.07 236	0.10 186	0.17 306	0.08 218	0.10 201	0.15 329	0.15 187	0.12 147	0.09 181	0.06 23	0.07 124	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.06 305

RCA-Stereo	0.09 174	0.06 118	0.09 122	0.16 219	0.06 28	0.09 138	0.13 178	0.18 298	0.14 222	0.09 181	0.10 194	0.08 185	0.07 179	0.12 291	0.11 288	0.06 167	0.04 25	0.06 199	0.05 194	0.05 170	0.04 73

CroCo-Stereo Lap2	0.09 174	0.09 435	0.08 57	0.22 581	0.09 349	0.09 138	0.19 530	0.16 225	0.12 147	0.09 181	0.10 194	0.05 5	0.05 14	0.08 25	0.08 25	0.06 167	0.06 426	0.07 309	0.05 194	0.05 170	0.05 204

ccc-4	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.10 227	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

IGEV-Stereo	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.09 181	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 174	0.05 42	0.13 346	0.14 69	0.08 218	0.12 307	0.15 329	0.18 298	0.10 76	0.11 262	0.08 123	0.08 185	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.06 199	0.05 194	0.06 291	0.05 204

TRStereo	0.09 174	0.05 42	0.12 290	0.15 123	0.12 546	0.10 201	0.13 178	0.18 298	0.18 349	0.09 181	0.09 158	0.09 221	0.06 65	0.10 122	0.08 25	0.07 338	0.05 275	0.07 309	0.07 389	0.04 48	0.04 73

AnonymousM	0.09 174	0.05 42	0.10 186	0.14 69	0.06 28	0.09 138	0.13 178	0.19 328	0.14 222	0.13 337	0.11 245	0.09 221	0.08 228	0.13 345	0.10 207	0.08 421	0.05 275	0.08 403	0.05 194	0.05 170	0.05 204

CroCo-Stereo	0.09 174	0.08 355	0.08 57	0.22 581	0.09 349	0.09 138	0.19 530	0.15 187	0.12 147	0.07 75	0.07 64	0.08 185	0.06 65	0.08 25	0.07 1	0.07 338	0.05 275	0.06 199	0.04 60	0.05 170	0.04 73
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	0.09 174	0.06 118	0.07 11	0.15 123	0.05 2	0.16 455	0.18 490	0.15 187	0.15 250	0.10 227	0.11 245	0.11 286	0.11 347	0.10 122	0.12 350	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

TANstereo	0.09 174	0.04 1	0.08 57	0.13 25	0.06 28	0.11 254	0.14 246	0.15 187	0.19 367	0.11 262	0.15 320	0.10 256	0.06 65	0.12 291	0.09 103	0.07 338	0.05 275	0.05 50	0.04 60	0.06 291	0.05 204

XX-TBD	0.09 174	0.06 118	0.07 11	0.14 69	0.07 134	0.12 307	0.16 399	0.14 145	0.13 189	0.11 262	0.12 266	0.09 221	0.08 228	0.10 122	0.10 207	0.06 167	0.04 25	0.05 50	0.03 1	0.06 291	0.05 204

raftrobust	0.09 174	0.06 118	0.10 186	0.17 306	0.08 218	0.09 138	0.10 35	0.18 298	0.16 289	0.10 227	0.09 158	0.12 310	0.07 179	0.12 291	0.10 207	0.08 421	0.05 275	0.06 199	0.05 194	0.05 170	0.05 204

XX-Stereo	0.09 174	0.05 42	0.08 57	0.17 306	0.09 349	0.15 424	0.12 98	0.20 339	0.10 76	0.10 227	0.14 299	0.07 124	0.06 65	0.12 291	0.08 25	0.06 167	0.05 275	0.06 199	0.06 292	0.04 48	0.04 73

test_xeample3	0.09 174	0.06 118	0.12 290	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.13 189	0.10 227	0.06 23	0.08 185	0.06 65	0.10 122	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

RAFT-Stereo + iAFF	0.09 174	0.06 118	0.10 186	0.17 306	0.06 28	0.10 201	0.16 399	0.17 264	0.14 222	0.09 181	0.10 194	0.08 185	0.09 267	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.06 292	0.04 48	0.03 2

AFF-stereo	0.09 174	0.06 118	0.10 186	0.17 306	0.07 134	0.10 201	0.16 399	0.17 264	0.09 52	0.10 227	0.12 266	0.09 221	0.09 267	0.12 291	0.09 103	0.05 51	0.04 25	0.07 309	0.07 389	0.04 48	0.03 2

EAI-Stereo	0.09 174	0.07 236	0.11 246	0.15 123	0.06 28	0.10 201	0.15 329	0.16 225	0.09 52	0.08 129	0.09 158	0.08 185	0.07 179	0.09 59	0.11 288	0.05 51	0.04 25	0.05 50	0.05 194	0.05 170	0.04 73

CFNet-RSSM	0.09 174	0.07 236	0.09 122	0.16 219	0.07 134	0.09 138	0.15 329	0.16 225	0.17 318	0.08 129	0.12 266	0.10 256	0.09 267	0.11 197	0.09 103	0.06 167	0.04 25	0.06 199	0.04 60	0.04 48	0.04 73

Gwc-CoAtRS	0.09 174	0.06 118	0.10 186	0.16 219	0.07 134	0.10 201	0.14 246	0.17 264	0.17 318	0.08 129	0.10 194	0.12 310	0.09 267	0.12 291	0.09 103	0.06 167	0.04 25	0.06 199	0.04 60	0.04 48	0.04 73

CREStereo	0.09 174	0.04 1	0.08 57	0.11 1	0.06 28	0.13 363	0.14 246	0.14 145	0.10 76	0.08 129	0.13 285	0.09 221	0.08 228	0.11 197	0.10 207	0.08 421	0.04 25	0.05 50	0.03 1	0.06 291	0.06 305
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	0.09 174	0.05 42	0.09 122	0.12 7	0.06 28	0.12 307	0.14 246	0.15 187	0.11 108	0.09 181	0.13 285	0.10 256	0.07 179	0.13 345	0.10 207	0.15 625	0.04 25	0.05 50	0.03 1	0.07 372	0.06 305

ManiGeoR	0.10 243	0.05 42	0.12 290	0.12 7	0.08 218	0.12 307	0.12 98	0.24 437	0.14 222	0.12 304	0.14 299	0.12 310	0.09 267	0.13 345	0.13 394	0.07 338	0.04 25	0.05 50	0.05 194	0.07 372	0.07 393

HLf10	0.10 243	0.05 42	0.12 290	0.12 7	0.08 218	0.12 307	0.12 98	0.24 437	0.14 222	0.12 304	0.14 299	0.12 310	0.09 267	0.13 345	0.13 394	0.07 338	0.04 25	0.05 50	0.05 194	0.07 372	0.07 393

TestStereo_HLe17	0.10 243	0.05 42	0.12 290	0.13 25	0.07 134	0.11 254	0.15 329	0.21 362	0.15 250	0.11 262	0.14 299	0.11 286	0.09 267	0.13 345	0.12 350	0.07 338	0.04 25	0.05 50	0.05 194	0.07 372	0.06 305

TestStereo_HL1	0.10 243	0.05 42	0.12 290	0.12 7	0.07 134	0.12 307	0.13 178	0.22 388	0.11 108	0.14 361	0.14 299	0.11 286	0.09 267	0.13 345	0.13 394	0.07 338	0.04 25	0.05 50	0.05 194	0.07 372	0.07 393

DN	0.10 243	0.05 42	0.09 122	0.14 69	0.09 349	0.12 307	0.18 490	0.17 264	0.16 289	0.08 129	0.09 158	0.08 185	0.06 65	0.08 25	0.09 103	0.11 556	0.05 275	0.07 309	0.06 292	0.07 372	0.09 510

Hybrid-DGEV-03	0.10 243	0.06 118	0.09 122	0.18 397	0.08 218	0.16 455	0.14 246	0.15 187	0.14 222	0.13 337	0.16 333	0.12 310	0.09 267	0.13 345	0.11 288	0.06 167	0.04 25	0.08 403	0.06 292	0.05 170	0.04 73

WQFJA1	0.10 243	0.07 236	0.08 57	0.20 532	0.09 349	0.12 307	0.17 441	0.17 264	0.17 318	0.09 181	0.10 194	0.08 185	0.10 311	0.12 291	0.11 288	0.06 167	0.07 498	0.07 309	0.06 292	0.06 291	0.05 204

WQFJX1	0.10 243	0.07 236	0.08 57	0.22 581	0.09 349	0.12 307	0.17 441	0.18 298	0.17 318	0.10 227	0.09 158	0.07 124	0.10 311	0.11 197	0.09 103	0.07 338	0.08 528	0.07 309	0.06 292	0.05 170	0.04 73

WQFJX	0.10 243	0.07 236	0.09 122	0.21 564	0.09 349	0.12 307	0.16 399	0.18 298	0.17 318	0.12 304	0.10 194	0.07 124	0.09 267	0.12 291	0.10 207	0.06 167	0.07 498	0.06 199	0.05 194	0.06 291	0.05 204

NLMM	0.10 243	0.07 236	0.08 57	0.20 532	0.09 349	0.12 307	0.17 441	0.17 264	0.17 318	0.09 181	0.10 194	0.08 185	0.10 311	0.12 291	0.11 288	0.06 167	0.07 498	0.07 309	0.06 292	0.06 291	0.05 204

NLSM1	0.10 243	0.07 236	0.07 11	0.19 466	0.08 218	0.13 363	0.16 399	0.21 362	0.15 250	0.11 262	0.10 194	0.06 42	0.10 311	0.10 122	0.11 288	0.07 338	0.08 528	0.08 403	0.07 389	0.05 170	0.05 204

MM-Stereo_test3	0.10 243	0.07 236	0.07 11	0.18 397	0.07 134	0.12 307	0.19 530	0.24 437	0.19 367	0.06 25	0.10 194	0.08 185	0.06 65	0.11 197	0.08 25	0.06 167	0.06 426	0.07 309	0.05 194	0.05 170	0.04 73

MM-Stereo_test1	0.10 243	0.07 236	0.08 57	0.18 397	0.07 134	0.12 307	0.18 490	0.21 362	0.20 390	0.09 181	0.11 245	0.08 185	0.06 65	0.10 122	0.10 207	0.06 167	0.05 275	0.07 309	0.06 292	0.05 170	0.04 73

AIO-test2	0.10 243	0.08 355	0.10 186	0.23 605	0.08 218	0.11 254	0.10 35	0.23 412	0.23 432	0.08 129	0.09 158	0.08 185	0.05 14	0.10 122	0.08 25	0.06 167	0.05 275	0.08 403	0.09 509	0.05 170	0.05 204

AIO-test1	0.10 243	0.07 236	0.10 186	0.23 605	0.07 134	0.09 138	0.13 178	0.21 362	0.14 222	0.11 262	0.12 266	0.09 221	0.07 179	0.11 197	0.09 103	0.06 167	0.05 275	0.09 486	0.10 550	0.03 1	0.06 305

tg	0.10 243	0.06 118	0.10 186	0.18 397	0.08 218	0.11 254	0.16 399	0.20 339	0.12 147	0.08 129	0.11 245	0.11 286	0.07 179	0.11 197	0.10 207	0.05 51	0.04 25	0.08 403	0.08 462	0.04 48	0.04 73

PAM	0.10 243	0.05 42	0.16 471	0.15 123	0.08 218	0.09 138	0.16 399	0.15 187	0.16 289	0.12 304	0.09 158	0.09 221	0.07 179	0.13 345	0.08 25	0.06 167	0.05 275	0.06 199	0.06 292	0.05 170	0.06 305

model_zeroshot	0.10 243	0.04 1	0.11 246	0.15 123	0.09 349	0.12 307	0.14 246	0.20 339	0.13 189	0.11 262	0.10 194	0.12 310	0.07 179	0.12 291	0.10 207	0.07 338	0.06 426	0.06 199	0.05 194	0.06 291	0.06 305

RAStereo	0.10 243	0.09 435	0.08 57	0.20 532	0.08 218	0.13 363	0.18 490	0.15 187	0.17 318	0.10 227	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.07 338	0.05 275	0.07 309	0.05 194	0.05 170	0.04 73

rvit_stereo_0080	0.10 243	0.08 355	0.14 385	0.15 123	0.09 349	0.07 43	0.15 329	0.16 225	0.16 289	0.11 262	0.10 194	0.14 361	0.08 228	0.12 291	0.10 207	0.09 482	0.07 498	0.07 309	0.06 292	0.07 372	0.05 204

H2IRNET	0.10 243	0.09 435	0.09 122	0.18 397	0.09 349	0.12 307	0.15 329	0.14 145	0.21 406	0.10 227	0.10 194	0.10 256	0.10 311	0.10 122	0.10 207	0.05 51	0.04 25	0.08 403	0.08 462	0.06 291	0.05 204

Former-RAFT_DAM_RVC	0.10 243	0.08 355	0.12 290	0.16 219	0.08 218	0.15 424	0.16 399	0.18 298	0.18 349	0.10 227	0.09 158	0.09 221	0.08 228	0.11 197	0.12 350	0.07 338	0.05 275	0.08 403	0.06 292	0.07 372	0.06 305

MyStereo07	0.10 243	0.07 236	0.10 186	0.17 306	0.09 349	0.14 397	0.18 490	0.15 187	0.15 250	0.09 181	0.06 23	0.06 42	0.07 179	0.12 291	0.09 103	0.06 167	0.05 275	0.08 403	0.07 389	0.06 291	0.06 305

MyStereo06	0.10 243	0.07 236	0.12 290	0.17 306	0.09 349	0.13 363	0.18 490	0.19 328	0.12 147	0.12 304	0.08 123	0.07 124	0.07 179	0.11 197	0.09 103	0.06 167	0.05 275	0.07 309	0.07 389	0.06 291	0.06 305

AE-Stereo	0.10 243	0.08 355	0.10 186	0.18 397	0.09 349	0.10 201	0.15 329	0.14 145	0.19 367	0.09 181	0.14 299	0.12 310	0.08 228	0.11 197	0.10 207	0.05 51	0.06 426	0.07 309	0.06 292	0.05 170	0.04 73

ACVNet-DCA	0.10 243	0.08 355	0.12 290	0.17 306	0.09 349	0.13 363	0.15 329	0.23 412	0.16 289	0.09 181	0.09 158	0.06 42	0.06 65	0.10 122	0.07 1	0.06 167	0.04 25	0.06 199	0.05 194	0.07 372	0.07 393

cc1	0.10 243	0.08 355	0.12 290	0.17 306	0.09 349	0.13 363	0.15 329	0.16 225	0.18 349	0.09 181	0.09 158	0.06 42	0.06 65	0.10 122	0.07 1	0.06 167	0.04 25	0.06 199	0.05 194	0.06 291	0.06 305

tt1	0.10 243	0.08 355	0.12 290	0.17 306	0.09 349	0.12 307	0.16 399	0.15 187	0.19 367	0.09 181	0.08 123	0.06 42	0.06 65	0.10 122	0.07 1	0.06 167	0.04 25	0.06 199	0.05 194	0.06 291	0.06 305

whm_eth	0.10 243	0.08 355	0.14 385	0.15 123	0.09 349	0.07 43	0.15 329	0.16 225	0.16 289	0.11 262	0.10 194	0.14 361	0.08 228	0.12 291	0.10 207	0.09 482	0.07 498	0.07 309	0.06 292	0.07 372	0.05 204

plain	0.10 243	0.08 355	0.10 186	0.19 466	0.09 349	0.10 201	0.15 329	0.14 145	0.13 189	0.13 337	0.15 320	0.09 221	0.12 379	0.13 345	0.12 350	0.07 338	0.05 275	0.09 486	0.06 292	0.06 291	0.06 305

Any-RAFT	0.10 243	0.05 42	0.09 122	0.14 69	0.07 134	0.13 363	0.14 246	0.21 362	0.15 250	0.11 262	0.12 266	0.12 310	0.09 267	0.12 291	0.09 103	0.07 338	0.04 25	0.05 50	0.04 60	0.06 291	0.05 204

LL-Strereo2	0.10 243	0.10 497	0.15 435	0.18 397	0.08 218	0.15 424	0.09 20	0.17 264	0.14 222	0.14 361	0.10 194	0.09 221	0.07 179	0.16 441	0.10 207	0.05 51	0.05 275	0.10 535	0.07 389	0.06 291	0.05 204

DCANet-4	0.10 243	0.06 118	0.12 290	0.16 219	0.06 28	0.09 138	0.17 441	0.18 298	0.19 367	0.13 337	0.16 333	0.09 221	0.14 443	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

fff	0.10 243	0.06 118	0.12 290	0.15 123	0.07 134	0.09 138	0.17 441	0.16 225	0.20 390	0.13 337	0.16 333	0.10 256	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

ADStereo(finetuned)	0.10 243	0.06 118	0.12 290	0.16 219	0.06 28	0.09 138	0.17 441	0.15 187	0.19 367	0.13 337	0.17 356	0.10 256	0.12 379	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

test_4	0.10 243	0.10 497	0.08 57	0.19 466	0.09 349	0.08 84	0.22 583	0.15 187	0.17 318	0.12 304	0.18 384	0.12 310	0.09 267	0.08 25	0.11 288	0.04 11	0.04 25	0.08 403	0.08 462	0.04 48	0.03 2

IPLG	0.10 243	0.07 236	0.15 435	0.17 306	0.08 218	0.11 254	0.14 246	0.20 339	0.15 250	0.12 304	0.17 356	0.07 124	0.07 179	0.14 379	0.13 394	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

test_3	0.10 243	0.09 435	0.10 186	0.20 532	0.08 218	0.13 363	0.26 631	0.14 145	0.21 406	0.10 227	0.10 194	0.09 221	0.09 267	0.08 25	0.11 288	0.05 51	0.04 25	0.08 403	0.07 389	0.04 48	0.04 73

STrans-v2	0.10 243	0.07 236	0.12 290	0.18 397	0.07 134	0.10 201	0.14 246	0.21 362	0.11 108	0.11 262	0.15 320	0.12 310	0.10 311	0.11 197	0.12 350	0.05 51	0.04 25	0.06 199	0.06 292	0.04 48	0.04 73

TransformOpticalFlow	0.10 243	0.08 355	0.13 346	0.18 397	0.07 134	0.09 138	0.15 329	0.19 328	0.15 250	0.12 304	0.17 356	0.11 286	0.11 347	0.11 197	0.10 207	0.05 51	0.04 25	0.06 199	0.06 292	0.05 170	0.05 204

SST-Stereo	0.10 243	0.07 236	0.15 435	0.18 397	0.09 349	0.06 14	0.12 98	0.17 264	0.11 108	0.15 390	0.17 356	0.13 341	0.12 379	0.10 122	0.11 288	0.06 167	0.04 25	0.09 486	0.06 292	0.06 291	0.05 204

cross-raft	0.10 243	0.09 435	0.09 122	0.19 466	0.07 134	0.11 254	0.25 622	0.13 114	0.15 250	0.08 129	0.11 245	0.12 310	0.10 311	0.09 59	0.11 288	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

test-1	0.10 243	0.07 236	0.16 471	0.19 466	0.08 218	0.11 254	0.24 607	0.14 145	0.18 349	0.09 181	0.07 64	0.09 221	0.08 228	0.07 4	0.09 103	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

iRaftStereo_RVC	0.10 243	0.07 236	0.09 122	0.17 306	0.09 349	0.11 254	0.17 441	0.18 298	0.12 147	0.09 181	0.12 266	0.10 256	0.07 179	0.11 197	0.10 207	0.05 51	0.04 25	0.08 403	0.08 462	0.04 48	0.04 73

RALCasStereoNet	0.10 243	0.06 118	0.09 122	0.16 219	0.08 218	0.12 307	0.14 246	0.17 264	0.11 108	0.12 304	0.17 356	0.14 361	0.10 311	0.12 291	0.11 288	0.07 338	0.06 426	0.06 199	0.05 194	0.08 442	0.07 393

DCANet	0.10 243	0.06 118	0.12 290	0.16 219	0.06 28	0.09 138	0.17 441	0.15 187	0.19 367	0.13 337	0.17 356	0.10 256	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

csc	0.10 243	0.06 118	0.12 290	0.15 123	0.07 134	0.09 138	0.17 441	0.16 225	0.20 390	0.13 337	0.16 333	0.10 256	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

cscssc	0.10 243	0.06 118	0.12 290	0.15 123	0.07 134	0.09 138	0.17 441	0.16 225	0.20 390	0.13 337	0.16 333	0.10 256	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

111	0.10 243	0.06 118	0.12 290	0.15 123	0.07 134	0.10 201	0.14 246	0.21 362	0.23 432	0.11 262	0.12 266	0.14 361	0.11 347	0.13 345	0.10 207	0.06 167	0.04 25	0.06 199	0.04 60	0.05 170	0.05 204

R-Stereo Train	0.10 243	0.06 118	0.10 186	0.17 306	0.08 218	0.11 254	0.14 246	0.23 412	0.11 108	0.12 304	0.19 395	0.11 286	0.08 228	0.09 59	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.05 204

RAFT-Stereo	0.10 243	0.06 118	0.10 186	0.17 306	0.08 218	0.11 254	0.14 246	0.23 412	0.11 108	0.12 304	0.19 395	0.11 286	0.08 228	0.09 59	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.05 204
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 243	0.06 118	0.12 290	0.14 69	0.06 28	0.11 254	0.10 35	0.18 298	0.18 349	0.13 337	0.16 333	0.14 361	0.11 347	0.15 406	0.13 394	0.06 167	0.04 25	0.04 1	0.04 60	0.06 291	0.05 204
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
HLF11	0.11 295	0.05 42	0.13 346	0.12 7	0.08 218	0.14 397	0.11 65	0.22 388	0.10 76	0.12 304	0.23 450	0.11 286	0.11 347	0.14 379	0.13 394	0.08 421	0.05 275	0.05 50	0.04 60	0.08 442	0.08 464

HLf8	0.11 295	0.05 42	0.13 346	0.11 1	0.08 218	0.15 424	0.12 98	0.22 388	0.15 250	0.13 337	0.17 356	0.12 310	0.10 311	0.14 379	0.12 350	0.09 482	0.05 275	0.05 50	0.05 194	0.08 442	0.08 464

TestStereo_HL3	0.11 295	0.05 42	0.14 385	0.12 7	0.07 134	0.12 307	0.12 98	0.21 362	0.11 108	0.14 361	0.25 492	0.11 286	0.10 311	0.14 379	0.13 394	0.07 338	0.04 25	0.05 50	0.04 60	0.07 372	0.07 393

TestStereo_HL2	0.11 295	0.05 42	0.12 290	0.12 7	0.07 134	0.10 201	0.10 35	0.24 437	0.14 222	0.13 337	0.23 450	0.12 310	0.10 311	0.13 345	0.13 394	0.07 338	0.05 275	0.05 50	0.04 60	0.07 372	0.07 393

TestStereo-Hl	0.11 295	0.05 42	0.12 290	0.12 7	0.08 218	0.12 307	0.13 178	0.23 412	0.13 189	0.15 390	0.16 333	0.12 310	0.09 267	0.12 291	0.13 394	0.07 338	0.04 25	0.05 50	0.05 194	0.08 442	0.07 393

Lsterematch	0.11 295	0.06 118	0.11 246	0.16 219	0.07 134	0.13 363	0.15 329	0.14 145	0.17 318	0.16 419	0.18 384	0.15 390	0.15 461	0.12 291	0.14 438	0.07 338	0.04 25	0.06 199	0.06 292	0.06 291	0.06 305

Hybrid-DGEV-2	0.11 295	0.06 118	0.12 290	0.18 397	0.09 349	0.09 138	0.13 178	0.28 515	0.29 517	0.11 262	0.11 245	0.09 221	0.12 379	0.12 291	0.09 103	0.06 167	0.05 275	0.07 309	0.07 389	0.05 170	0.05 204

NLMM1	0.11 295	0.09 435	0.07 11	0.22 581	0.10 462	0.12 307	0.20 553	0.18 298	0.20 390	0.12 304	0.11 245	0.07 124	0.09 267	0.11 197	0.11 288	0.08 421	0.08 528	0.07 309	0.06 292	0.04 48	0.04 73

NLCSM	0.11 295	0.09 435	0.09 122	0.23 605	0.11 512	0.12 307	0.19 530	0.18 298	0.18 349	0.12 304	0.11 245	0.07 124	0.09 267	0.11 197	0.10 207	0.07 338	0.08 528	0.07 309	0.07 389	0.06 291	0.05 204

Select-FE	0.11 295	0.06 118	0.20 549	0.15 123	0.11 512	0.11 254	0.13 178	0.21 362	0.18 349	0.09 181	0.11 245	0.10 256	0.06 65	0.12 291	0.09 103	0.07 338	0.05 275	0.07 309	0.08 462	0.06 291	0.08 464

FlowAnything_test	0.11 295	0.08 355	0.14 385	0.15 123	0.09 349	0.07 43	0.14 246	0.20 339	0.11 108	0.09 181	0.09 158	0.12 310	0.12 379	0.13 345	0.11 288	0.09 482	0.06 426	0.09 486	0.09 509	0.06 291	0.09 510

xyz-stereo-finetune2	0.11 295	0.07 236	0.13 346	0.13 25	0.07 134	0.11 254	0.19 530	0.17 264	0.12 147	0.15 390	0.15 320	0.17 427	0.12 379	0.13 345	0.11 288	0.05 51	0.04 25	0.07 309	0.05 194	0.04 48	0.06 305

xyz-stereo-finetune	0.11 295	0.08 355	0.13 346	0.14 69	0.06 28	0.10 201	0.19 530	0.17 264	0.19 367	0.12 304	0.14 299	0.15 390	0.10 311	0.13 345	0.11 288	0.05 51	0.04 25	0.07 309	0.05 194	0.04 48	0.05 204

fast-iter	0.11 295	0.06 118	0.11 246	0.13 25	0.09 349	0.09 138	0.14 246	0.21 362	0.10 76	0.19 485	0.17 356	0.14 361	0.09 267	0.16 441	0.08 25	0.05 51	0.04 25	0.07 309	0.08 462	0.07 372	0.06 305

CoSv	0.11 295	0.06 118	0.11 246	0.13 25	0.09 349	0.09 138	0.14 246	0.21 362	0.10 76	0.19 485	0.17 356	0.14 361	0.09 267	0.16 441	0.08 25	0.05 51	0.04 25	0.07 309	0.08 462	0.07 372	0.06 305

rvit_stereo_0081_aga	0.11 295	0.09 435	0.14 385	0.18 397	0.09 349	0.13 363	0.14 246	0.14 145	0.19 367	0.10 227	0.18 384	0.16 405	0.09 267	0.12 291	0.09 103	0.10 524	0.06 426	0.08 403	0.07 389	0.07 372	0.06 305

rvit_stereo_0081	0.11 295	0.08 355	0.15 435	0.16 219	0.09 349	0.10 201	0.14 246	0.14 145	0.24 449	0.11 262	0.13 285	0.13 341	0.09 267	0.11 197	0.12 350	0.10 524	0.07 498	0.08 403	0.07 389	0.07 372	0.05 204

rvit_stereo_0082	0.11 295	0.08 355	0.15 435	0.16 219	0.09 349	0.10 201	0.14 246	0.14 145	0.24 449	0.11 262	0.13 285	0.13 341	0.09 267	0.11 197	0.12 350	0.10 524	0.07 498	0.08 403	0.07 389	0.07 372	0.05 204

AIO-Stereo-zeroshot1	0.11 295	0.05 42	0.14 385	0.15 123	0.20 650	0.09 138	0.17 441	0.21 362	0.15 250	0.11 262	0.14 299	0.10 256	0.07 179	0.10 122	0.08 25	0.06 167	0.05 275	0.07 309	0.07 389	0.07 372	0.09 510

AIO-Stereo-zeroshot	0.11 295	0.05 42	0.11 246	0.15 123	0.13 569	0.13 363	0.16 399	0.23 412	0.17 318	0.10 227	0.12 266	0.10 256	0.07 179	0.11 197	0.09 103	0.06 167	0.05 275	0.06 199	0.06 292	0.07 372	0.08 464

CAS++	0.11 295	0.07 236	0.11 246	0.14 69	0.09 349	0.12 307	0.14 246	0.24 437	0.14 222	0.11 262	0.09 158	0.11 286	0.07 179	0.14 379	0.09 103	0.11 556	0.09 561	0.09 486	0.07 389	0.07 372	0.08 464
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 295	0.08 355	0.12 290	0.17 306	0.09 349	0.13 363	0.15 329	0.16 225	0.18 349	0.09 181	0.09 158	0.16 405	0.16 489	0.10 122	0.07 1	0.06 167	0.04 25	0.08 403	0.08 462	0.07 372	0.07 393

1test111	0.11 295	0.08 355	0.12 290	0.17 306	0.09 349	0.13 363	0.15 329	0.23 412	0.16 289	0.09 181	0.09 158	0.06 42	0.06 65	0.15 406	0.16 486	0.06 167	0.04 25	0.06 199	0.05 194	0.07 372	0.07 393

MIF-Stereo (partial)	0.11 295	0.06 118	0.10 186	0.19 466	0.10 462	0.10 201	0.11 65	0.17 264	0.18 349	0.14 361	0.16 333	0.09 221	0.11 347	0.12 291	0.12 350	0.08 421	0.05 275	0.08 403	0.07 389	0.06 291	0.07 393

EKT-Stereo	0.11 295	0.07 236	0.14 385	0.15 123	0.10 462	0.13 363	0.14 246	0.18 298	0.21 406	0.11 262	0.08 123	0.12 310	0.09 267	0.11 197	0.12 350	0.08 421	0.06 426	0.07 309	0.06 292	0.08 442	0.07 393

anonymousdsp2	0.11 295	0.07 236	0.10 186	0.16 219	0.09 349	0.13 363	0.14 246	0.18 298	0.22 420	0.13 337	0.14 299	0.12 310	0.09 267	0.14 379	0.11 288	0.05 51	0.04 25	0.05 50	0.04 60	0.06 291	0.05 204

DCRE	0.11 295	0.07 236	0.13 346	0.16 219	0.11 512	0.11 254	0.17 441	0.18 298	0.17 318	0.11 262	0.18 384	0.10 256	0.10 311	0.15 406	0.11 288	0.06 167	0.05 275	0.06 199	0.06 292	0.05 170	0.04 73

knoymous	0.11 295	0.05 42	0.12 290	0.13 25	0.07 134	0.15 424	0.14 246	0.19 328	0.13 189	0.11 262	0.17 356	0.13 341	0.09 267	0.13 345	0.11 288	0.08 421	0.05 275	0.06 199	0.05 194	0.08 442	0.07 393

riskmin	0.11 295	0.06 118	0.13 346	0.14 69	0.08 218	0.14 397	0.14 246	0.18 298	0.14 222	0.11 262	0.14 299	0.16 405	0.11 347	0.14 379	0.12 350	0.09 482	0.05 275	0.07 309	0.05 194	0.08 442	0.08 464

Selective-RAFT	0.11 295	0.10 497	0.11 246	0.21 564	0.08 218	0.16 455	0.13 178	0.20 339	0.22 420	0.10 227	0.10 194	0.11 286	0.10 311	0.15 406	0.11 288	0.05 51	0.05 275	0.06 199	0.05 194	0.06 291	0.05 204

DisPM	0.11 295	0.07 236	0.12 290	0.16 219	0.09 349	0.06 14	0.13 178	0.17 264	0.17 318	0.14 361	0.20 407	0.12 310	0.10 311	0.11 197	0.10 207	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.11 568

CIPLG	0.11 295	0.08 355	0.14 385	0.17 306	0.08 218	0.12 307	0.15 329	0.17 264	0.15 250	0.14 361	0.11 245	0.16 405	0.09 267	0.16 441	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

GLC_STEREO	0.11 295	0.07 236	0.11 246	0.17 306	0.07 134	0.09 138	0.13 178	0.15 187	0.24 449	0.12 304	0.13 285	0.12 310	0.08 228	0.18 497	0.11 288	0.06 167	0.08 528	0.08 403	0.06 292	0.05 170	0.05 204

IPLGR_C	0.11 295	0.08 355	0.14 385	0.17 306	0.08 218	0.12 307	0.15 329	0.17 264	0.15 250	0.14 361	0.10 194	0.16 405	0.09 267	0.16 441	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

MIPNet	0.11 295	0.08 355	0.14 385	0.17 306	0.09 349	0.12 307	0.14 246	0.20 339	0.24 449	0.11 262	0.10 194	0.09 221	0.07 179	0.13 345	0.12 350	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

IPLGR	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.12 307	0.17 441	0.21 362	0.24 449	0.11 262	0.12 266	0.11 286	0.08 228	0.12 291	0.12 350	0.06 167	0.05 275	0.06 199	0.06 292	0.04 48	0.04 73

GMOStereo	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 644	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

error version	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 644	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

test-v	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 644	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

ACRE	0.11 295	0.08 355	0.14 385	0.17 306	0.08 218	0.12 307	0.15 329	0.17 264	0.14 222	0.14 361	0.10 194	0.16 405	0.09 267	0.16 441	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

PFNet+	0.11 295	0.06 118	0.13 346	0.16 219	0.09 349	0.05 4	0.12 98	0.17 264	0.21 406	0.16 419	0.19 395	0.14 361	0.10 311	0.11 197	0.11 288	0.08 421	0.05 275	0.09 486	0.08 462	0.06 291	0.11 568

LCNet	0.11 295	0.07 236	0.09 122	0.19 466	0.09 349	0.08 84	0.15 329	0.21 362	0.15 250	0.11 262	0.15 320	0.16 405	0.11 347	0.12 291	0.11 288	0.05 51	0.04 25	0.08 403	0.07 389	0.06 291	0.15 627

HHNet	0.11 295	0.06 118	0.16 471	0.15 123	0.14 590	0.07 43	0.13 178	0.20 339	0.17 318	0.14 361	0.25 492	0.11 286	0.08 228	0.13 345	0.10 207	0.05 51	0.04 25	0.08 403	0.06 292	0.05 170	0.09 510

Patchmatch Stereo++	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.06 14	0.11 65	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393
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	0.11 295	0.07 236	0.16 471	0.19 466	0.09 349	0.08 84	0.13 178	0.18 298	0.13 189	0.16 419	0.21 430	0.13 341	0.14 443	0.11 197	0.14 438	0.06 167	0.04 25	0.09 486	0.06 292	0.06 291	0.05 204

OMP-Stereo	0.11 295	0.06 118	0.14 385	0.18 397	0.08 218	0.09 138	0.12 98	0.21 362	0.21 406	0.13 337	0.14 299	0.11 286	0.12 379	0.11 197	0.13 394	0.06 167	0.04 25	0.07 309	0.06 292	0.05 170	0.04 73

IIG-Stereo	0.11 295	0.06 118	0.13 346	0.17 306	0.08 218	0.11 254	0.12 98	0.22 388	0.17 318	0.14 361	0.17 356	0.11 286	0.12 379	0.12 291	0.12 350	0.06 167	0.05 275	0.07 309	0.06 292	0.05 170	0.04 73

NF-Stereo	0.11 295	0.07 236	0.13 346	0.17 306	0.09 349	0.10 201	0.14 246	0.23 412	0.19 367	0.12 304	0.17 356	0.12 310	0.11 347	0.11 197	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.12 581

OCTAStereo	0.11 295	0.07 236	0.13 346	0.17 306	0.09 349	0.10 201	0.14 246	0.23 412	0.19 367	0.12 304	0.17 356	0.12 310	0.11 347	0.11 197	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.12 581

NRIStereo	0.11 295	0.08 355	0.14 385	0.18 397	0.08 218	0.10 201	0.14 246	0.16 225	0.15 250	0.12 304	0.14 299	0.13 341	0.12 379	0.13 345	0.10 207	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.07 393

PSM-adaLoss	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.06 14	0.12 98	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

PSM-AAD	0.11 295	0.07 236	0.10 186	0.19 466	0.09 349	0.10 201	0.15 329	0.20 339	0.13 189	0.12 304	0.14 299	0.18 441	0.11 347	0.11 197	0.10 207	0.05 51	0.05 275	0.09 486	0.08 462	0.06 291	0.14 620

ROB_FTStereo_v2	0.11 295	0.09 435	0.16 471	0.19 466	0.08 218	0.06 14	0.12 98	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

ROB_FTStereo	0.11 295	0.09 435	0.16 471	0.19 466	0.08 218	0.06 14	0.11 65	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

KYRaft	0.11 295	0.07 236	0.10 186	0.19 466	0.09 349	0.08 84	0.15 329	0.22 388	0.12 147	0.13 337	0.16 333	0.20 468	0.10 311	0.12 291	0.10 207	0.05 51	0.04 25	0.08 403	0.08 462	0.06 291	0.16 638

HUI-Stereo	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.06 14	0.12 98	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

ASMatch	0.11 295	0.06 118	0.13 346	0.16 219	0.10 462	0.07 43	0.14 246	0.17 264	0.17 318	0.12 304	0.16 333	0.16 405	0.10 311	0.13 345	0.10 207	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.08 464

RAFT_R40	0.11 295	0.07 236	0.14 385	0.18 397	0.09 349	0.06 14	0.13 178	0.17 264	0.16 289	0.14 361	0.18 384	0.15 390	0.12 379	0.10 122	0.11 288	0.06 167	0.04 25	0.09 486	0.06 292	0.06 291	0.05 204

GrayStereo	0.11 295	0.06 118	0.11 246	0.19 466	0.09 349	0.09 138	0.16 399	0.18 298	0.17 318	0.14 361	0.17 356	0.17 427	0.11 347	0.12 291	0.11 288	0.05 51	0.05 275	0.07 309	0.06 292	0.05 170	0.10 541

RE-Stereo	0.11 295	0.07 236	0.13 346	0.17 306	0.09 349	0.10 201	0.14 246	0.23 412	0.19 367	0.12 304	0.17 356	0.12 310	0.11 347	0.11 197	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.12 581

Pruner-Stereo	0.11 295	0.07 236	0.12 290	0.17 306	0.09 349	0.06 14	0.12 98	0.17 264	0.17 318	0.13 337	0.19 395	0.13 341	0.09 267	0.11 197	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.08 464

TVStereo	0.11 295	0.07 236	0.13 346	0.17 306	0.09 349	0.10 201	0.14 246	0.23 412	0.19 367	0.12 304	0.17 356	0.12 310	0.11 347	0.11 197	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.12 581

DeepStereo_RVC	0.11 295	0.08 355	0.16 471	0.18 397	0.08 218	0.08 84	0.12 98	0.17 264	0.12 147	0.13 337	0.14 299	0.12 310	0.12 379	0.12 291	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.07 372	0.08 464

iGMRVC	0.11 295	0.09 435	0.16 471	0.19 466	0.08 218	0.06 14	0.12 98	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

RAFT-RH_RVC	0.11 295	0.06 118	0.14 385	0.16 219	0.09 349	0.12 307	0.12 98	0.17 264	0.12 147	0.13 337	0.41 625	0.11 286	0.10 311	0.13 345	0.12 350	0.05 51	0.04 25	0.08 403	0.05 194	0.04 48	0.06 305

RAFT-345	0.11 295	0.07 236	0.15 435	0.16 219	0.08 218	0.08 84	0.12 98	0.15 187	0.10 76	0.11 262	0.36 588	0.09 221	0.09 267	0.11 197	0.12 350	0.05 51	0.05 275	0.07 309	0.06 292	0.04 48	0.05 204

iRAFT	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.06 14	0.11 65	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

CRE-IMP	0.11 295	0.09 435	0.16 471	0.19 466	0.08 218	0.10 201	0.12 98	0.18 298	0.10 76	0.14 361	0.13 285	0.13 341	0.12 379	0.12 291	0.11 288	0.07 338	0.04 25	0.08 403	0.06 292	0.08 442	0.08 464

test-2	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 644	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

GMM-Stereo	0.11 295	0.07 236	0.10 186	0.18 397	0.09 349	0.08 84	0.15 329	0.23 412	0.16 289	0.11 262	0.15 320	0.13 341	0.11 347	0.11 197	0.11 288	0.05 51	0.04 25	0.08 403	0.07 389	0.06 291	0.09 510

RAFT-IKP	0.11 295	0.09 435	0.16 471	0.19 466	0.08 218	0.06 14	0.12 98	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

Prome-Stereo	0.11 295	0.06 118	0.10 186	0.18 397	0.08 218	0.12 307	0.15 329	0.22 388	0.13 189	0.12 304	0.17 356	0.13 341	0.08 228	0.12 291	0.10 207	0.05 51	0.04 25	0.07 309	0.06 292	0.06 291	0.09 510

rafts_anoy	0.11 295	0.06 118	0.10 186	0.17 306	0.08 218	0.10 201	0.14 246	0.17 264	0.14 222	0.13 337	0.13 285	0.12 310	0.10 311	0.11 197	0.12 350	0.07 338	0.04 25	0.09 486	0.11 584	0.07 372	0.06 305

raft+_RVC	0.11 295	0.07 236	0.09 122	0.16 219	0.07 134	0.10 201	0.11 65	0.24 437	0.20 390	0.12 304	0.15 320	0.12 310	0.08 228	0.12 291	0.13 394	0.07 338	0.04 25	0.07 309	0.06 292	0.05 170	0.05 204

RALAANet	0.11 295	0.08 355	0.10 186	0.17 306	0.09 349	0.14 397	0.10 35	0.20 339	0.15 250	0.14 361	0.13 285	0.16 405	0.09 267	0.12 291	0.11 288	0.06 167	0.05 275	0.07 309	0.06 292	0.05 170	0.04 73

DIP-Stereo	0.11 295	0.07 236	0.14 385	0.17 306	0.09 349	0.13 363	0.09 20	0.16 225	0.16 289	0.11 262	0.16 333	0.14 361	0.12 379	0.15 406	0.13 394	0.06 167	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305
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	0.12 371	0.07 236	0.12 290	0.16 219	0.08 218	0.19 521	0.14 246	0.18 298	0.22 420	0.18 468	0.18 384	0.16 405	0.12 379	0.16 441	0.14 438	0.06 167	0.05 275	0.06 199	0.05 194	0.06 291	0.06 305

rvit_stereo_0083	0.12 371	0.08 355	0.17 501	0.16 219	0.09 349	0.11 254	0.15 329	0.14 145	0.26 485	0.11 262	0.14 299	0.13 341	0.10 311	0.12 291	0.12 350	0.10 524	0.08 528	0.09 486	0.07 389	0.07 372	0.05 204

rvit_stereo_ft	0.12 371	0.07 236	0.13 346	0.19 466	0.10 462	0.12 307	0.17 441	0.16 225	0.16 289	0.12 304	0.13 285	0.15 390	0.10 311	0.14 379	0.13 394	0.09 482	0.06 426	0.08 403	0.07 389	0.07 372	0.05 204

test_sample2	0.12 371	0.07 236	0.12 290	0.14 69	0.08 218	0.16 455	0.18 490	0.21 362	0.16 289	0.14 361	0.20 407	0.19 456	0.15 461	0.15 406	0.12 350	0.08 421	0.05 275	0.07 309	0.06 292	0.08 442	0.07 393

MyStereo8	0.12 371	0.07 236	0.15 435	0.15 123	0.09 349	0.18 497	0.14 246	0.19 328	0.22 420	0.12 304	0.18 384	0.11 286	0.10 311	0.16 441	0.18 519	0.07 338	0.05 275	0.07 309	0.05 194	0.08 442	0.09 510

CoDeX	0.12 371	0.07 236	0.12 290	0.17 306	0.08 218	0.12 307	0.15 329	0.23 412	0.27 495	0.13 337	0.17 356	0.16 405	0.11 347	0.14 379	0.11 288	0.07 338	0.05 275	0.07 309	0.06 292	0.06 291	0.05 204

11t1	0.12 371	0.06 118	0.13 346	0.14 69	0.08 218	0.17 478	0.15 329	0.18 298	0.15 250	0.15 390	0.15 320	0.16 405	0.16 489	0.15 406	0.13 394	0.08 421	0.05 275	0.06 199	0.05 194	0.08 442	0.07 393

ffm	0.12 371	0.09 435	0.14 385	0.16 219	0.08 218	0.17 478	0.17 441	0.15 187	0.19 367	0.15 390	0.25 492	0.19 456	0.13 419	0.10 122	0.07 1	0.06 167	0.04 25	0.09 486	0.08 462	0.06 291	0.06 305

RAFT_CTSACE	0.12 371	0.09 435	0.10 186	0.22 581	0.08 218	0.12 307	0.24 607	0.18 298	0.16 289	0.20 508	0.27 519	0.13 341	0.07 179	0.13 345	0.09 103	0.05 51	0.06 426	0.08 403	0.07 389	0.04 48	0.04 73

Sa-1000	0.12 371	0.08 355	0.08 57	0.18 397	0.08 218	0.14 397	0.22 583	0.22 388	0.18 349	0.15 390	0.20 407	0.17 427	0.11 347	0.10 122	0.10 207	0.06 167	0.05 275	0.09 486	0.09 509	0.05 170	0.05 204

SA	0.12 371	0.09 435	0.08 57	0.18 397	0.08 218	0.12 307	0.24 607	0.23 412	0.18 349	0.17 438	0.27 519	0.14 361	0.11 347	0.11 197	0.11 288	0.05 51	0.05 275	0.09 486	0.08 462	0.05 170	0.04 73

iRaft-Stereo_5w	0.12 371	0.09 435	0.12 290	0.19 466	0.08 218	0.09 138	0.12 98	0.21 362	0.21 406	0.19 485	0.14 299	0.11 286	0.09 267	0.20 537	0.16 486	0.05 51	0.05 275	0.07 309	0.06 292	0.05 170	0.06 305

CrosDoStereo	0.12 371	0.06 118	0.12 290	0.14 69	0.08 218	0.12 307	0.15 329	0.17 264	0.22 420	0.19 485	0.24 464	0.15 390	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.07 309	0.07 389	0.05 170	0.05 204

PSM-softLoss	0.12 371	0.07 236	0.15 435	0.17 306	0.09 349	0.08 84	0.13 178	0.24 437	0.17 318	0.14 361	0.19 395	0.13 341	0.11 347	0.11 197	0.11 288	0.07 338	0.05 275	0.08 403	0.07 389	0.06 291	0.12 581

KMStereo	0.12 371	0.07 236	0.15 435	0.17 306	0.09 349	0.08 84	0.13 178	0.24 437	0.17 318	0.14 361	0.19 395	0.13 341	0.11 347	0.11 197	0.11 288	0.07 338	0.05 275	0.08 403	0.07 389	0.06 291	0.12 581

FTStereo	0.12 371	0.06 118	0.14 385	0.18 397	0.09 349	0.07 43	0.15 329	0.21 362	0.18 349	0.12 304	0.24 464	0.12 310	0.12 379	0.13 345	0.13 394	0.05 51	0.05 275	0.07 309	0.06 292	0.06 291	0.10 541

DeepStereo_LL	0.12 371	0.06 118	0.12 290	0.14 69	0.08 218	0.12 307	0.15 329	0.17 264	0.22 420	0.19 485	0.24 464	0.15 390	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.07 309	0.07 389	0.05 170	0.05 204

DEmStereo	0.12 371	0.06 118	0.14 385	0.14 69	0.10 462	0.16 455	0.15 329	0.16 225	0.24 449	0.17 438	0.24 464	0.13 341	0.14 443	0.12 291	0.13 394	0.05 51	0.04 25	0.07 309	0.06 292	0.05 170	0.05 204

THIR-Stereo	0.12 371	0.07 236	0.11 246	0.15 123	0.08 218	0.14 397	0.16 399	0.17 264	0.25 471	0.16 419	0.24 464	0.14 361	0.12 379	0.12 291	0.14 438	0.06 167	0.04 25	0.07 309	0.07 389	0.05 170	0.05 204

DRaft	0.12 371	0.06 118	0.11 246	0.14 69	0.09 349	0.14 397	0.17 441	0.21 362	0.30 527	0.17 438	0.28 533	0.10 256	0.15 461	0.10 122	0.12 350	0.05 51	0.04 25	0.07 309	0.06 292	0.05 170	0.05 204

PFNet	0.12 371	0.06 118	0.17 501	0.17 306	0.08 218	0.09 138	0.15 329	0.26 475	0.20 390	0.16 419	0.16 333	0.14 361	0.11 347	0.12 291	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.05 170	0.05 204

IRAFT_RVC	0.12 371	0.08 355	0.16 471	0.19 466	0.08 218	0.07 43	0.15 329	0.24 437	0.23 432	0.14 361	0.14 299	0.15 390	0.12 379	0.12 291	0.10 207	0.06 167	0.04 25	0.09 486	0.06 292	0.06 291	0.06 305

sCroCo_RVC	0.12 371	0.09 435	0.23 573	0.24 614	0.11 512	0.19 521	0.14 246	0.17 264	0.14 222	0.10 227	0.13 285	0.12 310	0.07 179	0.14 379	0.11 288	0.08 421	0.08 528	0.08 403	0.08 462	0.05 170	0.07 393

ARAFT	0.12 371	0.08 355	0.17 501	0.19 466	0.09 349	0.14 397	0.18 490	0.20 339	0.12 147	0.12 304	0.13 285	0.14 361	0.11 347	0.15 406	0.12 350	0.06 167	0.05 275	0.10 535	0.09 509	0.05 170	0.04 73

BEATNet_4x	0.12 371	0.08 355	0.14 385	0.18 397	0.07 134	0.15 424	0.07 3	0.22 388	0.18 349	0.16 419	0.19 395	0.18 441	0.14 443	0.16 441	0.15 470	0.07 338	0.05 275	0.05 50	0.05 194	0.06 291	0.06 305

MLCV	0.12 371	0.07 236	0.16 471	0.18 397	0.06 28	0.15 424	0.17 441	0.19 328	0.21 406	0.18 468	0.25 492	0.17 427	0.13 419	0.14 379	0.13 394	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

RT-IGEV	0.13 397	0.06 118	0.13 346	0.15 123	0.09 349	0.15 424	0.17 441	0.24 437	0.27 495	0.16 419	0.17 356	0.17 427	0.10 311	0.14 379	0.11 288	0.08 421	0.05 275	0.07 309	0.05 194	0.07 372	0.07 393

Selective-IGEV-i16pc	0.13 397	0.06 118	0.13 346	0.15 123	0.11 512	0.38 654	0.16 399	0.23 412	0.16 289	0.10 227	0.15 320	0.09 221	0.06 65	0.13 345	0.10 207	0.10 524	0.08 528	0.06 199	0.07 389	0.09 508	0.09 510

Selective-IGEV-i1	0.13 397	0.07 236	0.12 290	0.19 466	0.08 218	0.18 497	0.16 399	0.22 388	0.30 527	0.16 419	0.17 356	0.16 405	0.10 311	0.14 379	0.13 394	0.06 167	0.05 275	0.06 199	0.05 194	0.06 291	0.05 204

G2L-ROB	0.13 397	0.06 118	0.13 346	0.13 25	0.08 218	0.14 397	0.16 399	0.25 457	0.18 349	0.19 485	0.18 384	0.20 468	0.14 443	0.17 474	0.16 486	0.08 421	0.05 275	0.06 199	0.05 194	0.08 442	0.09 510

xyz-stereo	0.13 397	0.07 236	0.20 549	0.15 123	0.05 2	0.20 537	0.15 329	0.17 264	0.31 535	0.15 390	0.29 545	0.26 543	0.16 489	0.13 345	0.12 350	0.05 51	0.05 275	0.06 199	0.05 194	0.04 48	0.04 73

DFGA-Net	0.13 397	0.11 523	0.18 525	0.17 306	0.10 462	0.12 307	0.13 178	0.22 388	0.25 471	0.16 419	0.16 333	0.13 341	0.12 379	0.16 441	0.14 438	0.07 338	0.05 275	0.08 403	0.07 389	0.05 170	0.05 204

FACV-RUCA	0.13 397	0.11 523	0.12 290	0.19 466	0.12 546	0.15 424	0.15 329	0.22 388	0.20 390	0.15 390	0.16 333	0.14 361	0.16 489	0.14 379	0.13 394	0.07 338	0.05 275	0.08 403	0.06 292	0.10 541	0.08 464

UGAM	0.13 397	0.10 497	0.09 122	0.22 581	0.08 218	0.12 307	0.20 553	0.17 264	0.23 432	0.21 522	0.16 333	0.13 341	0.13 419	0.19 512	0.12 350	0.07 338	0.05 275	0.13 601	0.11 584	0.07 372	0.05 204

test_sample1	0.13 397	0.07 236	0.14 385	0.13 25	0.08 218	0.19 521	0.16 399	0.20 339	0.15 250	0.14 361	0.22 441	0.18 441	0.16 489	0.17 474	0.14 438	0.07 338	0.06 426	0.06 199	0.06 292	0.08 442	0.07 393

qqq1	0.13 397	0.07 236	0.17 501	0.14 69	0.08 218	0.16 455	0.17 441	0.26 475	0.27 495	0.19 485	0.20 407	0.18 441	0.15 461	0.15 406	0.11 288	0.08 421	0.05 275	0.05 50	0.05 194	0.06 291	0.06 305

fff1	0.13 397	0.07 236	0.17 501	0.14 69	0.08 218	0.16 455	0.17 441	0.26 475	0.27 495	0.19 485	0.20 407	0.18 441	0.15 461	0.15 406	0.11 288	0.08 421	0.05 275	0.05 50	0.05 194	0.06 291	0.06 305

MyStereo05	0.13 397	0.07 236	0.10 186	0.17 306	0.09 349	0.13 363	0.18 490	0.27 496	0.35 570	0.17 438	0.14 299	0.15 390	0.11 347	0.15 406	0.13 394	0.06 167	0.05 275	0.07 309	0.07 389	0.06 291	0.06 305

MyStereo04	0.13 397	0.07 236	0.10 186	0.17 306	0.09 349	0.14 397	0.18 490	0.29 529	0.38 588	0.17 438	0.14 299	0.16 405	0.10 311	0.15 406	0.13 394	0.06 167	0.05 275	0.08 403	0.07 389	0.06 291	0.06 305

ff1	0.13 397	0.09 435	0.14 385	0.16 219	0.08 218	0.17 478	0.17 441	0.15 187	0.19 367	0.15 390	0.25 492	0.19 456	0.13 419	0.14 379	0.20 538	0.06 167	0.04 25	0.09 486	0.08 462	0.06 291	0.06 305

StereoVision	0.13 397	0.12 541	0.09 122	0.24 614	0.10 462	0.15 424	0.21 573	0.21 362	0.20 390	0.12 304	0.24 464	0.10 256	0.10 311	0.16 441	0.10 207	0.09 482	0.11 595	0.12 586	0.12 604	0.06 291	0.05 204

LL-Strereo	0.13 397	0.09 435	0.11 246	0.20 532	0.10 462	0.11 254	0.18 490	0.32 566	0.24 449	0.15 390	0.15 320	0.14 361	0.13 419	0.19 512	0.11 288	0.06 167	0.04 25	0.09 486	0.08 462	0.04 48	0.05 204

CASS	0.13 397	0.12 541	0.11 246	0.23 605	0.09 349	0.15 424	0.17 441	0.18 298	0.19 367	0.17 438	0.18 384	0.15 390	0.15 461	0.14 379	0.14 438	0.09 482	0.06 426	0.10 535	0.08 462	0.09 508	0.07 393
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 397	0.07 236	0.13 346	0.18 397	0.09 349	0.13 363	0.17 441	0.19 328	0.29 517	0.15 390	0.24 464	0.15 390	0.14 443	0.14 379	0.14 438	0.07 338	0.05 275	0.07 309	0.09 509	0.05 170	0.06 305

TestStereo1	0.13 397	0.08 355	0.08 57	0.19 466	0.08 218	0.18 497	0.29 654	0.23 412	0.16 289	0.17 438	0.20 407	0.16 405	0.10 311	0.12 291	0.13 394	0.06 167	0.06 426	0.08 403	0.06 292	0.05 170	0.05 204

qqq	0.13 397	0.09 435	0.15 435	0.16 219	0.08 218	0.13 363	0.15 329	0.23 412	0.16 289	0.15 390	0.19 395	0.16 405	0.16 489	0.15 406	0.16 486	0.07 338	0.06 426	0.08 403	0.08 462	0.07 372	0.07 393

x	0.13 397	0.07 236	0.14 385	0.14 69	0.08 218	0.18 497	0.14 246	0.22 388	0.20 390	0.15 390	0.19 395	0.19 456	0.17 512	0.18 497	0.18 519	0.07 338	0.05 275	0.06 199	0.06 292	0.07 372	0.07 393

raft_robust	0.13 397	0.10 497	0.07 11	0.18 397	0.08 218	0.13 363	0.24 607	0.28 515	0.33 549	0.20 508	0.19 395	0.14 361	0.10 311	0.11 197	0.12 350	0.05 51	0.05 275	0.07 309	0.07 389	0.05 170	0.04 73

RAFT+CT+SA	0.13 397	0.11 523	0.09 122	0.19 466	0.09 349	0.15 424	0.28 644	0.22 388	0.22 420	0.15 390	0.26 510	0.10 256	0.10 311	0.11 197	0.12 350	0.05 51	0.04 25	0.07 309	0.08 462	0.07 372	0.06 305

SA-5K	0.13 397	0.08 355	0.08 57	0.19 466	0.08 218	0.18 497	0.29 654	0.23 412	0.16 289	0.17 438	0.20 407	0.16 405	0.10 311	0.12 291	0.13 394	0.06 167	0.06 426	0.08 403	0.06 292	0.05 170	0.05 204

GwcNet-ADL	0.13 397	0.08 355	0.14 385	0.20 532	0.09 349	0.11 254	0.20 553	0.30 543	0.24 449	0.13 337	0.14 299	0.18 441	0.14 443	0.13 345	0.14 438	0.07 338	0.05 275	0.06 199	0.05 194	0.07 372	0.06 305

GANet-ADL	0.13 397	0.07 236	0.15 435	0.17 306	0.10 462	0.18 497	0.15 329	0.30 543	0.20 390	0.13 337	0.18 384	0.19 456	0.12 379	0.16 441	0.13 394	0.08 421	0.06 426	0.06 199	0.05 194	0.07 372	0.08 464

RAFT	0.13 397	0.09 435	0.11 246	0.18 397	0.08 218	0.15 424	0.24 607	0.20 339	0.19 367	0.21 522	0.21 430	0.17 427	0.12 379	0.16 441	0.09 103	0.06 167	0.07 498	0.10 535	0.09 509	0.05 170	0.05 204

TestStereo	0.13 397	0.14 581	0.11 246	0.23 605	0.08 218	0.15 424	0.21 573	0.20 339	0.23 432	0.14 361	0.24 464	0.16 405	0.12 379	0.16 441	0.14 438	0.05 51	0.06 426	0.08 403	0.06 292	0.09 508	0.05 204

sAnonymous2	0.13 397	0.12 541	0.24 577	0.20 532	0.12 546	0.17 478	0.13 178	0.26 475	0.21 406	0.11 262	0.11 245	0.13 341	0.08 228	0.10 122	0.10 207	0.09 482	0.05 275	0.08 403	0.06 292	0.15 628	0.10 541

CroCo_RVC	0.13 397	0.12 541	0.24 577	0.20 532	0.12 546	0.17 478	0.13 178	0.26 475	0.21 406	0.11 262	0.11 245	0.13 341	0.08 228	0.10 122	0.10 207	0.09 482	0.05 275	0.08 403	0.06 292	0.15 628	0.10 541

RAFT + AFF	0.13 397	0.07 236	0.20 549	0.20 532	0.10 462	0.14 397	0.24 607	0.26 475	0.20 390	0.11 262	0.10 194	0.12 310	0.10 311	0.15 406	0.12 350	0.07 338	0.06 426	0.09 486	0.08 462	0.06 291	0.08 464

GMStereo	0.13 397	0.14 581	0.14 385	0.18 397	0.09 349	0.15 424	0.16 399	0.20 339	0.24 449	0.16 419	0.17 356	0.10 256	0.10 311	0.16 441	0.13 394	0.07 338	0.06 426	0.06 199	0.06 292	0.07 372	0.06 305
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 397	0.07 236	0.14 385	0.17 306	0.09 349	0.15 424	0.16 399	0.28 515	0.27 495	0.14 361	0.17 356	0.12 310	0.13 419	0.14 379	0.11 288	0.08 421	0.05 275	0.07 309	0.07 389	0.07 372	0.06 305

FENet	0.13 397	0.08 355	0.12 290	0.16 219	0.08 218	0.14 397	0.15 329	0.22 388	0.23 432	0.17 438	0.23 450	0.16 405	0.12 379	0.14 379	0.15 470	0.08 421	0.05 275	0.08 403	0.08 462	0.07 372	0.07 393

cf-r	0.13 397	0.07 236	0.12 290	0.16 219	0.08 218	0.14 397	0.19 530	0.20 339	0.25 471	0.17 438	0.25 492	0.21 477	0.16 489	0.14 379	0.14 438	0.10 524	0.05 275	0.06 199	0.08 462	0.06 291	0.06 305

iResNet	0.13 397	0.10 497	0.18 525	0.19 466	0.08 218	0.13 363	0.18 490	0.20 339	0.26 485	0.15 390	0.23 450	0.15 390	0.13 419	0.14 379	0.14 438	0.06 167	0.04 25	0.06 199	0.05 194	0.06 291	0.05 204

DN-CSS_ROB	0.13 397	0.13 569	0.16 471	0.18 397	0.10 462	0.16 455	0.08 7	0.22 388	0.18 349	0.17 438	0.22 441	0.13 341	0.13 419	0.12 291	0.13 394	0.05 51	0.05 275	0.10 535	0.10 550	0.08 442	0.06 305

Selective-IGEV-i16pb	0.14 434	0.08 355	0.17 501	0.15 123	0.11 512	0.41 659	0.16 399	0.28 515	0.23 432	0.11 262	0.20 407	0.10 256	0.07 179	0.17 474	0.12 350	0.10 524	0.07 498	0.06 199	0.08 462	0.09 508	0.10 541

G2L-Stereo_test	0.14 434	0.07 236	0.11 246	0.13 25	0.08 218	0.12 307	0.16 399	0.30 543	0.28 510	0.20 508	0.23 450	0.20 468	0.16 489	0.17 474	0.18 519	0.07 338	0.05 275	0.05 50	0.05 194	0.07 372	0.06 305

coex_refinement	0.14 434	0.07 236	0.12 290	0.17 306	0.10 462	0.15 424	0.15 329	0.26 475	0.29 517	0.18 468	0.20 407	0.22 495	0.17 512	0.16 441	0.18 519	0.08 421	0.05 275	0.06 199	0.06 292	0.09 508	0.08 464

G2L-Stereo	0.14 434	0.07 236	0.13 346	0.17 306	0.09 349	0.13 363	0.12 98	0.27 496	0.22 420	0.16 419	0.27 519	0.21 477	0.13 419	0.17 474	0.18 519	0.09 482	0.08 528	0.08 403	0.07 389	0.07 372	0.07 393

rvit_0105_6	0.14 434	0.09 435	0.18 525	0.17 306	0.10 462	0.10 201	0.16 399	0.19 328	0.26 485	0.12 304	0.18 384	0.17 427	0.12 379	0.18 497	0.12 350	0.15 625	0.11 595	0.12 586	0.10 550	0.09 508	0.06 305

rvit_0105_5	0.14 434	0.09 435	0.13 346	0.17 306	0.09 349	0.14 397	0.23 594	0.24 437	0.27 495	0.14 361	0.15 320	0.18 441	0.12 379	0.17 474	0.14 438	0.14 621	0.11 595	0.10 535	0.10 550	0.08 442	0.06 305

rvit_0105_4	0.14 434	0.09 435	0.17 501	0.17 306	0.10 462	0.12 307	0.19 530	0.23 412	0.27 495	0.14 361	0.20 407	0.17 427	0.13 419	0.17 474	0.13 394	0.15 625	0.11 595	0.11 566	0.10 550	0.09 508	0.06 305

DCVSM-stereo	0.14 434	0.09 435	0.16 471	0.16 219	0.10 462	0.15 424	0.09 20	0.19 328	0.23 432	0.20 508	0.23 450	0.26 543	0.15 461	0.18 497	0.14 438	0.09 482	0.07 498	0.09 486	0.08 462	0.10 541	0.12 581

test_sample6	0.14 434	0.08 355	0.13 346	0.16 219	0.08 218	0.17 478	0.19 530	0.25 457	0.17 318	0.17 438	0.27 519	0.19 456	0.14 443	0.15 406	0.13 394	0.08 421	0.05 275	0.08 403	0.07 389	0.08 442	0.08 464

test_sample5	0.14 434	0.08 355	0.14 385	0.16 219	0.08 218	0.18 497	0.18 490	0.25 457	0.17 318	0.17 438	0.27 519	0.18 441	0.14 443	0.16 441	0.13 394	0.08 421	0.05 275	0.08 403	0.07 389	0.08 442	0.08 464

test_sample4	0.14 434	0.08 355	0.14 385	0.15 123	0.08 218	0.19 521	0.18 490	0.26 475	0.17 318	0.16 419	0.25 492	0.18 441	0.14 443	0.16 441	0.13 394	0.08 421	0.06 426	0.08 403	0.06 292	0.08 442	0.08 464

test_sample3	0.14 434	0.08 355	0.15 435	0.14 69	0.09 349	0.19 521	0.17 441	0.26 475	0.18 349	0.16 419	0.22 441	0.19 456	0.15 461	0.17 474	0.13 394	0.08 421	0.06 426	0.07 309	0.06 292	0.09 508	0.08 464

DispNO	0.14 434	0.08 355	0.17 501	0.19 466	0.12 546	0.11 254	0.21 573	0.23 412	0.29 517	0.17 438	0.23 450	0.18 441	0.17 512	0.15 406	0.15 470	0.07 338	0.05 275	0.08 403	0.08 462	0.07 372	0.06 305

SMFormer	0.14 434	0.07 236	0.17 501	0.14 69	0.08 218	0.16 455	0.17 441	0.26 475	0.27 495	0.19 485	0.20 407	0.18 441	0.15 461	0.15 406	0.17 501	0.08 421	0.05 275	0.07 309	0.06 292	0.07 372	0.06 305

tta	0.14 434	0.07 236	0.17 501	0.14 69	0.08 218	0.16 455	0.17 441	0.26 475	0.27 495	0.19 485	0.20 407	0.18 441	0.15 461	0.15 406	0.17 501	0.08 421	0.05 275	0.07 309	0.06 292	0.06 291	0.06 305

mmm	0.14 434	0.08 355	0.17 501	0.17 306	0.09 349	0.17 478	0.18 490	0.21 362	0.15 250	0.15 390	0.23 450	0.21 477	0.16 489	0.16 441	0.17 501	0.08 421	0.05 275	0.08 403	0.07 389	0.07 372	0.07 393

DualNet	0.14 434	0.08 355	0.14 385	0.16 219	0.08 218	0.18 497	0.18 490	0.25 457	0.17 318	0.17 438	0.27 519	0.18 441	0.14 443	0.16 441	0.13 394	0.08 421	0.05 275	0.08 403	0.07 389	0.08 442	0.08 464

mmx	0.14 434	0.09 435	0.14 385	0.16 219	0.08 218	0.17 478	0.17 441	0.27 496	0.25 471	0.15 390	0.25 492	0.19 456	0.13 419	0.14 379	0.20 538	0.08 421	0.06 426	0.09 486	0.08 462	0.08 442	0.08 464

xxx	0.14 434	0.09 435	0.14 385	0.16 219	0.08 218	0.17 478	0.17 441	0.27 496	0.25 471	0.15 390	0.25 492	0.19 456	0.13 419	0.14 379	0.20 538	0.08 421	0.06 426	0.09 486	0.08 462	0.08 442	0.08 464

PCWNet_CMD	0.14 434	0.08 355	0.15 435	0.17 306	0.09 349	0.14 397	0.14 246	0.29 529	0.36 574	0.14 361	0.20 407	0.21 477	0.12 379	0.17 474	0.13 394	0.07 338	0.05 275	0.07 309	0.07 389	0.07 372	0.07 393

CBFPSM	0.14 434	0.06 118	0.26 585	0.17 306	0.09 349	0.13 363	0.15 329	0.22 388	0.23 432	0.20 508	0.27 519	0.24 519	0.16 489	0.16 441	0.18 519	0.06 167	0.06 426	0.06 199	0.07 389	0.07 372	0.07 393

gwcnet-sp	0.14 434	0.07 236	0.12 290	0.18 397	0.09 349	0.16 455	0.17 441	0.24 437	0.24 449	0.18 468	0.24 464	0.15 390	0.16 489	0.15 406	0.15 470	0.08 421	0.06 426	0.07 309	0.08 462	0.08 442	0.07 393

scenet	0.14 434	0.07 236	0.12 290	0.18 397	0.09 349	0.16 455	0.17 441	0.24 437	0.24 449	0.18 468	0.24 464	0.15 390	0.16 489	0.15 406	0.15 470	0.08 421	0.06 426	0.07 309	0.08 462	0.08 442	0.07 393

ssnet	0.14 434	0.07 236	0.12 290	0.18 397	0.09 349	0.16 455	0.17 441	0.24 437	0.24 449	0.18 468	0.24 464	0.15 390	0.16 489	0.15 406	0.15 470	0.08 421	0.06 426	0.07 309	0.08 462	0.08 442	0.07 393

BUS	0.14 434	0.09 435	0.14 385	0.22 581	0.10 462	0.19 521	0.14 246	0.34 595	0.19 367	0.17 438	0.22 441	0.16 405	0.13 419	0.15 406	0.13 394	0.08 421	0.06 426	0.10 535	0.09 509	0.07 372	0.07 393

IER	0.14 434	0.07 236	0.13 346	0.17 306	0.09 349	0.14 397	0.16 399	0.25 457	0.26 485	0.18 468	0.25 492	0.17 427	0.20 555	0.16 441	0.14 438	0.08 421	0.05 275	0.07 309	0.06 292	0.08 442	0.07 393

test_5	0.14 434	0.12 541	0.08 57	0.20 532	0.10 462	0.14 397	0.29 654	0.21 362	0.24 449	0.18 468	0.28 533	0.11 286	0.15 461	0.12 291	0.13 394	0.06 167	0.05 275	0.07 309	0.08 462	0.08 442	0.07 393

psmg	0.14 434	0.09 435	0.14 385	0.17 306	0.10 462	0.15 424	0.17 441	0.29 529	0.19 367	0.17 438	0.21 430	0.25 533	0.16 489	0.15 406	0.14 438	0.08 421	0.06 426	0.08 403	0.08 462	0.07 372	0.06 305

UDGNet	0.14 434	0.13 569	0.16 471	0.17 306	0.10 462	0.12 307	0.16 399	0.21 362	0.27 495	0.20 508	0.20 407	0.16 405	0.13 419	0.16 441	0.13 394	0.10 524	0.06 426	0.09 486	0.07 389	0.06 291	0.07 393

CFNet_pseudo	0.14 434	0.08 355	0.15 435	0.16 219	0.09 349	0.13 363	0.14 246	0.27 496	0.34 561	0.14 361	0.21 430	0.22 495	0.13 419	0.18 497	0.14 438	0.07 338	0.05 275	0.08 403	0.06 292	0.07 372	0.07 393

GES	0.14 434	0.08 355	0.16 471	0.15 123	0.10 462	0.13 363	0.13 178	0.28 515	0.25 471	0.16 419	0.23 450	0.18 441	0.13 419	0.16 441	0.13 394	0.08 421	0.07 498	0.07 309	0.06 292	0.08 442	0.09 510

GANet-RSSM	0.14 434	0.07 236	0.13 346	0.13 25	0.08 218	0.14 397	0.17 441	0.22 388	0.21 406	0.17 438	0.24 464	0.23 513	0.15 461	0.16 441	0.15 470	0.10 524	0.06 426	0.07 309	0.08 462	0.08 442	0.07 393

PSMNet-RSSM	0.14 434	0.07 236	0.13 346	0.15 123	0.08 218	0.13 363	0.16 399	0.24 437	0.24 449	0.16 419	0.28 533	0.22 495	0.14 443	0.15 406	0.13 394	0.11 556	0.06 426	0.09 486	0.12 604	0.08 442	0.07 393

GwcNet-RSSM	0.14 434	0.07 236	0.12 290	0.15 123	0.08 218	0.15 424	0.20 553	0.21 362	0.27 495	0.18 468	0.27 519	0.22 495	0.16 489	0.14 379	0.15 470	0.10 524	0.05 275	0.07 309	0.09 509	0.07 372	0.07 393

CFNet-ft	0.14 434	0.07 236	0.15 435	0.12 7	0.09 349	0.16 455	0.18 490	0.22 388	0.24 449	0.17 438	0.26 510	0.24 519	0.14 443	0.16 441	0.14 438	0.11 556	0.06 426	0.08 403	0.09 509	0.09 508	0.08 464

CCAANet	0.14 434	0.06 118	0.14 385	0.17 306	0.09 349	0.16 455	0.13 178	0.30 543	0.24 449	0.16 419	0.32 564	0.18 441	0.17 512	0.17 474	0.14 438	0.06 167	0.05 275	0.09 486	0.09 509	0.06 291	0.09 510

DMCA	0.14 434	0.09 435	0.16 471	0.19 466	0.09 349	0.15 424	0.17 441	0.23 412	0.27 495	0.14 361	0.19 395	0.17 427	0.18 527	0.15 406	0.17 501	0.10 524	0.06 426	0.08 403	0.06 292	0.09 508	0.10 541

RASNet	0.14 434	0.07 236	0.14 385	0.16 219	0.08 218	0.18 497	0.14 246	0.29 529	0.20 390	0.17 438	0.25 492	0.21 477	0.18 527	0.20 537	0.19 532	0.07 338	0.06 426	0.06 199	0.08 462	0.06 291	0.06 305

MSMDNet	0.14 434	0.08 355	0.15 435	0.17 306	0.09 349	0.14 397	0.14 246	0.29 529	0.36 574	0.14 361	0.21 430	0.21 477	0.12 379	0.17 474	0.14 438	0.07 338	0.05 275	0.07 309	0.07 389	0.07 372	0.07 393

HSM-Net_RVC	0.14 434	0.08 355	0.11 246	0.15 123	0.08 218	0.15 424	0.15 329	0.27 496	0.29 517	0.19 485	0.21 430	0.29 569	0.14 443	0.17 474	0.13 394	0.06 167	0.06 426	0.06 199	0.06 292	0.07 372	0.06 305
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 434	0.07 236	0.15 435	0.12 7	0.09 349	0.16 455	0.18 490	0.22 388	0.24 449	0.17 438	0.26 510	0.24 519	0.14 443	0.16 441	0.14 438	0.11 556	0.06 426	0.08 403	0.09 509	0.09 508	0.08 464

ccs_rob	0.14 434	0.08 355	0.15 435	0.16 219	0.09 349	0.12 307	0.14 246	0.27 496	0.34 561	0.14 361	0.21 430	0.22 495	0.13 419	0.18 497	0.14 438	0.07 338	0.05 275	0.08 403	0.07 389	0.07 372	0.07 393

UCFNet_RVC	0.14 434	0.08 355	0.13 346	0.11 1	0.10 462	0.20 537	0.10 35	0.24 437	0.22 420	0.17 438	0.20 407	0.23 513	0.15 461	0.17 474	0.15 470	0.12 581	0.07 498	0.10 535	0.13 615	0.11 564	0.10 541

iResNetv2_ROB	0.14 434	0.08 355	0.15 435	0.16 219	0.08 218	0.16 455	0.12 98	0.25 457	0.35 570	0.21 522	0.29 545	0.24 519	0.13 419	0.14 379	0.14 438	0.06 167	0.05 275	0.06 199	0.04 60	0.09 508	0.08 464

iResNet_ROB	0.14 434	0.07 236	0.13 346	0.14 69	0.07 134	0.18 497	0.14 246	0.26 475	0.31 535	0.22 538	0.25 492	0.23 513	0.15 461	0.15 406	0.13 394	0.07 338	0.05 275	0.05 50	0.04 60	0.08 442	0.08 464

DDVS	0.15 479	0.10 497	0.21 558	0.16 219	0.12 546	0.15 424	0.14 246	0.25 457	0.19 367	0.18 468	0.29 545	0.27 551	0.12 379	0.19 512	0.15 470	0.09 482	0.06 426	0.09 486	0.07 389	0.11 564	0.11 568

rvit_0105_3	0.15 479	0.09 435	0.14 385	0.19 466	0.12 546	0.15 424	0.25 622	0.25 457	0.29 517	0.15 390	0.17 356	0.20 468	0.13 419	0.17 474	0.14 438	0.13 607	0.11 595	0.12 586	0.14 619	0.07 372	0.06 305

ACV-stereo	0.15 479	0.10 497	0.28 597	0.18 397	0.12 546	0.14 397	0.12 98	0.23 412	0.21 406	0.19 485	0.23 450	0.22 495	0.15 461	0.23 578	0.17 501	0.07 338	0.06 426	0.07 309	0.07 389	0.07 372	0.07 393

ITSA-stereo	0.15 479	0.10 497	0.14 385	0.19 466	0.08 218	0.12 307	0.14 246	0.30 543	0.49 634	0.17 438	0.19 395	0.22 495	0.15 461	0.17 474	0.16 486	0.10 524	0.06 426	0.08 403	0.08 462	0.08 442	0.08 464

test_sample7	0.15 479	0.10 497	0.16 471	0.14 69	0.11 512	0.16 455	0.16 399	0.27 496	0.23 432	0.20 508	0.20 407	0.24 519	0.19 543	0.16 441	0.16 486	0.12 581	0.06 426	0.10 535	0.09 509	0.10 541	0.10 541

1111x	0.15 479	0.08 355	0.12 290	0.18 397	0.07 134	0.18 497	0.25 622	0.31 555	0.24 449	0.17 438	0.24 464	0.26 543	0.15 461	0.13 345	0.23 579	0.07 338	0.07 498	0.08 403	0.09 509	0.07 372	0.06 305

CFNet_ucs	0.15 479	0.08 355	0.16 471	0.16 219	0.11 512	0.14 397	0.14 246	0.30 543	0.34 561	0.16 419	0.24 464	0.23 513	0.14 443	0.18 497	0.15 470	0.09 482	0.06 426	0.08 403	0.07 389	0.09 508	0.09 510

BSDual-CNN	0.15 479	0.09 435	0.14 385	0.22 581	0.10 462	0.14 397	0.15 329	0.34 595	0.19 367	0.17 438	0.22 441	0.25 533	0.16 489	0.15 406	0.14 438	0.08 421	0.06 426	0.10 535	0.09 509	0.07 372	0.07 393

hknet	0.15 479	0.11 523	0.13 346	0.22 581	0.11 512	0.14 397	0.15 329	0.34 595	0.25 471	0.17 438	0.22 441	0.22 495	0.18 527	0.17 474	0.12 350	0.07 338	0.06 426	0.10 535	0.09 509	0.07 372	0.07 393

dd	0.15 479	0.16 599	0.16 471	0.19 466	0.09 349	0.15 424	0.18 490	0.21 362	0.25 471	0.23 551	0.20 407	0.21 477	0.09 267	0.21 554	0.16 486	0.10 524	0.06 426	0.08 403	0.06 292	0.08 442	0.06 305

DAS	0.15 479	0.08 355	0.18 525	0.19 466	0.10 462	0.19 521	0.17 441	0.27 496	0.29 517	0.18 468	0.25 492	0.21 477	0.15 461	0.16 441	0.12 350	0.08 421	0.06 426	0.06 199	0.06 292	0.07 372	0.07 393

SepStereo	0.15 479	0.08 355	0.18 525	0.19 466	0.10 462	0.19 521	0.17 441	0.27 496	0.29 517	0.18 468	0.25 492	0.21 477	0.15 461	0.25 593	0.12 350	0.08 421	0.06 426	0.06 199	0.06 292	0.07 372	0.07 393

PSMNet-ADL	0.15 479	0.12 541	0.13 346	0.22 581	0.09 349	0.13 363	0.20 553	0.26 475	0.23 432	0.18 468	0.20 407	0.24 519	0.16 489	0.18 497	0.17 501	0.08 421	0.08 528	0.08 403	0.11 584	0.08 442	0.07 393

LMCR-Stereo	0.15 479	0.08 355	0.13 346	0.21 564	0.09 349	0.17 478	0.20 553	0.27 496	0.19 367	0.24 560	0.24 464	0.23 513	0.17 512	0.20 537	0.17 501	0.07 338	0.06 426	0.08 403	0.06 292	0.10 541	0.08 464

ICVP	0.15 479	0.09 435	0.12 290	0.22 581	0.09 349	0.17 478	0.21 573	0.25 457	0.23 432	0.18 468	0.30 552	0.26 543	0.18 527	0.17 474	0.14 438	0.09 482	0.07 498	0.08 403	0.07 389	0.07 372	0.07 393
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 479	0.07 236	0.14 385	0.14 69	0.08 218	0.23 579	0.18 490	0.31 555	0.19 367	0.14 361	0.28 533	0.22 495	0.14 443	0.15 406	0.26 613	0.09 482	0.05 275	0.07 309	0.07 389	0.08 442	0.07 393

test_xeample	0.15 479	0.06 118	0.13 346	0.14 69	0.08 218	0.21 554	0.20 553	0.28 515	0.20 390	0.16 419	0.29 545	0.19 456	0.16 489	0.15 406	0.26 613	0.09 482	0.05 275	0.07 309	0.07 389	0.07 372	0.07 393

ACVNet	0.15 479	0.09 435	0.15 435	0.13 25	0.12 546	0.14 397	0.20 553	0.22 388	0.33 549	0.17 438	0.26 510	0.21 477	0.16 489	0.17 474	0.21 558	0.07 338	0.06 426	0.06 199	0.06 292	0.08 442	0.06 305

acv_ft	0.15 479	0.09 435	0.15 435	0.19 466	0.10 462	0.16 455	0.17 441	0.25 457	0.33 549	0.19 485	0.26 510	0.21 477	0.17 512	0.17 474	0.18 519	0.07 338	0.06 426	0.06 199	0.06 292	0.08 442	0.06 305

CFNet	0.15 479	0.10 497	0.17 501	0.17 306	0.08 218	0.18 497	0.09 20	0.28 515	0.25 471	0.19 485	0.24 464	0.24 519	0.17 512	0.17 474	0.14 438	0.08 421	0.06 426	0.09 486	0.10 550	0.07 372	0.06 305

AdaStereo	0.15 479	0.11 523	0.15 435	0.18 397	0.09 349	0.20 537	0.11 65	0.32 566	0.28 510	0.20 508	0.23 450	0.20 468	0.13 419	0.19 512	0.14 438	0.12 581	0.05 275	0.10 535	0.07 389	0.09 508	0.07 393
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	0.15 479	0.08 355	0.14 385	0.16 219	0.09 349	0.16 455	0.14 246	0.28 515	0.25 471	0.19 485	0.23 450	0.37 623	0.16 489	0.20 537	0.15 470	0.07 338	0.05 275	0.07 309	0.06 292	0.07 372	0.06 305

pmcnn	0.15 479	0.07 236	0.19 537	0.15 123	0.07 134	0.20 537	0.15 329	0.24 437	0.26 485	0.21 522	0.34 581	0.28 561	0.18 527	0.18 497	0.17 501	0.07 338	0.05 275	0.05 50	0.04 60	0.07 372	0.06 305

DStereoRT	0.16 502	0.06 118	0.11 246	0.19 466	0.09 349	0.12 307	0.12 98	0.28 515	0.22 420	0.12 304	0.20 407	0.11 286	0.10 311	0.15 406	0.14 438	0.06 167	0.05 275	0.96 702	0.09 509	0.05 170	0.04 73

DualNet (step1)	0.16 502	0.12 541	0.20 549	0.12 7	0.14 590	0.17 478	0.13 178	0.27 496	0.23 432	0.20 508	0.20 407	0.24 519	0.19 543	0.16 441	0.16 486	0.15 625	0.06 426	0.14 614	0.14 619	0.14 612	0.12 581

GMStereo_Zeroshot	0.16 502	0.13 569	0.24 577	0.20 532	0.10 462	0.17 478	0.13 178	0.29 529	0.25 471	0.23 551	0.32 564	0.25 533	0.11 347	0.19 512	0.14 438	0.09 482	0.06 426	0.11 566	0.06 292	0.12 579	0.08 464

iinet-f	0.16 502	0.06 118	0.45 642	0.14 69	0.10 462	0.21 554	0.14 246	0.27 496	0.23 432	0.21 522	0.24 464	0.21 477	0.15 461	0.18 497	0.21 558	0.09 482	0.07 498	0.07 309	0.06 292	0.09 508	0.10 541

CRFU-Net	0.16 502	0.08 355	0.14 385	0.17 306	0.09 349	0.19 521	0.14 246	0.26 475	0.20 390	0.28 600	0.27 519	0.29 569	0.17 512	0.19 512	0.17 501	0.09 482	0.09 561	0.07 309	0.07 389	0.08 442	0.08 464

NINENet	0.16 502	0.10 497	0.15 435	0.17 306	0.11 512	0.19 521	0.14 246	0.40 639	0.36 574	0.18 468	0.21 430	0.16 405	0.13 419	0.15 406	0.13 394	0.08 421	0.08 528	0.10 535	0.07 389	0.10 541	0.09 510

CSP-Net	0.16 502	0.09 435	0.14 385	0.16 219	0.09 349	0.19 521	0.17 441	0.25 457	0.32 542	0.25 573	0.30 552	0.24 519	0.15 461	0.21 554	0.18 519	0.09 482	0.06 426	0.07 309	0.07 389	0.08 442	0.07 393

AASNet	0.16 502	0.08 355	0.12 290	0.19 466	0.09 349	0.18 497	0.15 329	0.37 623	0.37 581	0.19 485	0.23 450	0.20 468	0.16 489	0.17 474	0.20 538	0.10 524	0.08 528	0.08 403	0.07 389	0.09 508	0.09 510

AACVNet	0.16 502	0.08 355	0.14 385	0.15 123	0.10 462	0.18 497	0.15 329	0.23 412	0.24 449	0.27 585	0.27 519	0.28 561	0.17 512	0.19 512	0.16 486	0.09 482	0.07 498	0.09 486	0.07 389	0.10 541	0.09 510

ADLNet2	0.16 502	0.09 435	0.13 346	0.16 219	0.09 349	0.20 537	0.16 399	0.31 555	0.39 591	0.16 419	0.20 407	0.20 468	0.18 527	0.21 554	0.22 567	0.08 421	0.06 426	0.07 309	0.07 389	0.09 508	0.07 393

Anonymous3	0.16 502	0.13 569	0.33 617	0.26 630	0.14 590	0.27 615	0.17 441	0.28 515	0.28 510	0.15 390	0.17 356	0.14 361	0.10 311	0.15 406	0.12 350	0.08 421	0.08 528	0.08 403	0.08 462	0.08 442	0.11 568

ADLNet	0.16 502	0.08 355	0.15 435	0.16 219	0.10 462	0.16 455	0.17 441	0.32 566	0.27 495	0.22 538	0.27 519	0.24 519	0.16 489	0.18 497	0.21 558	0.10 524	0.06 426	0.10 535	0.10 550	0.08 442	0.09 510

HCRNet	0.16 502	0.24 646	0.12 290	0.35 664	0.11 512	0.15 424	0.17 441	0.26 475	0.22 420	0.19 485	0.24 464	0.21 477	0.14 443	0.15 406	0.13 394	0.11 556	0.07 498	0.11 566	0.10 550	0.09 508	0.07 393

222	0.16 502	0.07 236	0.14 385	0.14 69	0.08 218	0.24 584	0.18 490	0.30 543	0.20 390	0.17 438	0.28 533	0.17 427	0.16 489	0.15 406	0.40 668	0.10 524	0.05 275	0.07 309	0.06 292	0.07 372	0.08 464

UPFNet	0.16 502	0.08 355	0.12 290	0.20 532	0.12 546	0.20 537	0.23 594	0.28 515	0.26 485	0.17 438	0.24 464	0.22 495	0.19 543	0.19 512	0.21 558	0.09 482	0.07 498	0.08 403	0.09 509	0.08 442	0.06 305

ac_64	0.16 502	0.08 355	0.15 435	0.18 397	0.10 462	0.22 563	0.18 490	0.24 437	0.21 406	0.18 468	0.24 464	0.29 569	0.18 527	0.19 512	0.22 567	0.09 482	0.07 498	0.08 403	0.09 509	0.07 372	0.06 305

DSFCA	0.16 502	0.09 435	0.14 385	0.16 219	0.10 462	0.20 537	0.19 530	0.28 515	0.31 535	0.23 551	0.24 464	0.22 495	0.15 461	0.19 512	0.20 538	0.10 524	0.07 498	0.09 486	0.09 509	0.08 442	0.08 464

FADNet-RVC-Resample	0.16 502	0.11 523	0.31 610	0.22 581	0.11 512	0.19 521	0.14 246	0.25 457	0.24 449	0.24 560	0.27 519	0.20 468	0.15 461	0.16 441	0.15 470	0.07 338	0.08 528	0.12 586	0.10 550	0.09 508	0.10 541

FADNet_RVC	0.16 502	0.14 581	0.40 635	0.20 532	0.11 512	0.13 363	0.13 178	0.26 475	0.22 420	0.21 522	0.23 450	0.20 468	0.17 512	0.14 379	0.16 486	0.08 421	0.08 528	0.12 586	0.09 509	0.11 564	0.10 541

AANet_RVC	0.16 502	0.10 497	0.10 186	0.18 397	0.09 349	0.18 497	0.19 530	0.26 475	0.31 535	0.22 538	0.35 585	0.21 477	0.21 559	0.22 567	0.16 486	0.06 167	0.05 275	0.06 199	0.06 292	0.07 372	0.06 305

DeepPruner_ROB	0.16 502	0.11 523	0.15 435	0.17 306	0.10 462	0.17 478	0.15 329	0.32 566	0.21 406	0.19 485	0.21 430	0.22 495	0.18 527	0.20 537	0.15 470	0.13 607	0.09 561	0.09 486	0.09 509	0.11 564	0.10 541

z-ln-s-r	0.17 523	0.10 497	0.40 635	0.19 466	0.08 218	0.17 478	0.18 490	0.22 388	0.33 549	0.18 468	0.40 614	0.22 495	0.17 512	0.20 537	0.23 579	0.07 338	0.05 275	0.07 309	0.07 389	0.07 372	0.05 204

rvit_stereo_0075_2	0.17 523	0.12 541	0.25 582	0.23 605	0.16 621	0.13 363	0.10 35	0.30 543	0.27 495	0.20 508	0.28 533	0.22 495	0.15 461	0.18 497	0.13 394	0.16 641	0.10 583	0.17 636	0.10 550	0.10 541	0.09 510

ToySt	0.17 523	0.11 523	0.18 525	0.17 306	0.11 512	0.16 455	0.25 622	0.24 437	0.33 549	0.19 485	0.24 464	0.26 543	0.24 582	0.19 512	0.20 538	0.07 338	0.08 528	0.09 486	0.10 550	0.09 508	0.08 464

ssnet_v2	0.17 523	0.10 497	0.17 501	0.17 306	0.11 512	0.21 554	0.21 573	0.33 586	0.25 471	0.22 538	0.22 441	0.27 551	0.18 527	0.22 567	0.20 538	0.11 556	0.09 561	0.09 486	0.09 509	0.08 442	0.08 464

dad	0.17 523	0.20 631	0.20 549	0.16 219	0.11 512	0.20 537	0.18 490	0.21 362	0.28 510	0.30 614	0.24 464	0.29 569	0.13 419	0.19 512	0.16 486	0.18 647	0.09 561	0.11 566	0.09 509	0.11 564	0.07 393

GEStereo_RVC	0.17 523	0.12 541	0.15 435	0.22 581	0.11 512	0.19 521	0.17 441	0.32 566	0.48 627	0.20 508	0.25 492	0.17 427	0.13 419	0.21 554	0.16 486	0.10 524	0.06 426	0.08 403	0.07 389	0.09 508	0.08 464

MMNet	0.17 523	0.09 435	0.16 471	0.20 532	0.11 512	0.27 615	0.20 553	0.25 457	0.41 600	0.22 538	0.30 552	0.21 477	0.20 555	0.17 474	0.20 538	0.06 167	0.06 426	0.07 309	0.07 389	0.08 442	0.07 393

delet	0.17 523	0.08 355	0.17 501	0.19 466	0.11 512	0.20 537	0.21 573	0.30 543	0.37 581	0.17 438	0.26 510	0.19 456	0.19 543	0.19 512	0.21 558	0.08 421	0.08 528	0.09 486	0.11 584	0.06 291	0.06 305

UNet	0.17 523	0.09 435	0.18 525	0.19 466	0.12 546	0.27 615	0.19 530	0.33 586	0.29 517	0.21 522	0.24 464	0.23 513	0.19 543	0.19 512	0.18 519	0.07 338	0.06 426	0.08 403	0.07 389	0.08 442	0.06 305

HGLStereo	0.17 523	0.08 355	0.19 537	0.17 306	0.12 546	0.18 497	0.18 490	0.31 555	0.32 542	0.21 522	0.32 564	0.25 533	0.18 527	0.19 512	0.20 538	0.09 482	0.09 561	0.07 309	0.07 389	0.09 508	0.10 541

DMCA-RVC	0.17 523	0.10 497	0.15 435	0.24 614	0.11 512	0.18 497	0.18 490	0.25 457	0.24 449	0.21 522	0.26 510	0.25 533	0.27 605	0.18 497	0.20 538	0.12 581	0.08 528	0.13 601	0.10 550	0.10 541	0.08 464

TDLM	0.17 523	0.12 541	0.13 346	0.24 614	0.10 462	0.18 497	0.18 490	0.36 617	0.30 527	0.21 522	0.28 533	0.28 561	0.18 527	0.23 578	0.18 519	0.11 556	0.07 498	0.10 535	0.10 550	0.08 442	0.08 464

NLCA_NET_v2_RVC	0.17 523	0.10 497	0.22 564	0.20 532	0.10 462	0.15 424	0.18 490	0.31 555	0.25 471	0.21 522	0.30 552	0.25 533	0.17 512	0.21 554	0.20 538	0.09 482	0.06 426	0.08 403	0.08 462	0.07 372	0.08 464
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	0.17 523	0.12 541	0.15 435	0.20 532	0.09 349	0.18 497	0.18 490	0.26 475	0.23 432	0.26 579	0.40 614	0.22 495	0.17 512	0.21 554	0.20 538	0.08 421	0.05 275	0.09 486	0.10 550	0.07 372	0.07 393
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 537	0.08 355	0.19 537	0.19 466	0.13 569	0.15 424	0.12 98	0.30 543	0.32 542	0.21 522	0.25 492	0.27 551	0.17 512	0.17 474	0.20 538	0.20 655	0.08 528	0.14 614	0.14 619	0.14 612	0.17 647

test_sample9	0.18 537	0.12 541	0.20 549	0.12 7	0.14 590	0.17 478	0.13 178	0.27 496	0.23 432	0.20 508	0.20 407	0.24 519	0.19 543	0.19 512	0.17 501	0.15 625	0.30 677	0.14 614	0.14 619	0.14 612	0.12 581

fast-acv-ft	0.18 537	0.11 523	0.19 537	0.19 466	0.12 546	0.24 584	0.21 573	0.25 457	0.34 561	0.22 538	0.34 581	0.27 551	0.20 555	0.21 554	0.23 579	0.09 482	0.09 561	0.08 403	0.10 550	0.08 442	0.07 393

HBP-ISP	0.18 537	0.13 569	0.16 471	0.15 123	0.11 512	0.08 84	0.13 178	0.28 515	0.29 517	0.22 538	0.33 577	0.21 477	0.25 591	0.23 578	0.17 501	0.14 621	0.16 645	0.21 650	0.17 646	0.10 541	0.08 464

Wz-Net-LNSev-Ref	0.18 537	0.09 435	0.29 605	0.15 123	0.10 462	0.22 563	0.20 553	0.26 475	0.39 591	0.25 573	0.42 631	0.24 519	0.15 461	0.20 537	0.19 532	0.07 338	0.05 275	0.06 199	0.05 194	0.10 541	0.09 510

SACVNet	0.18 537	0.12 541	0.14 385	0.17 306	0.13 569	0.22 563	0.18 490	0.31 555	0.30 527	0.23 551	0.31 560	0.30 579	0.22 568	0.22 567	0.17 501	0.11 556	0.08 528	0.10 535	0.10 550	0.12 579	0.14 620

psm_up	0.18 537	0.10 497	0.18 525	0.20 532	0.11 512	0.17 478	0.19 530	0.37 623	0.34 561	0.21 522	0.28 533	0.29 569	0.24 582	0.20 537	0.22 567	0.09 482	0.10 583	0.11 566	0.11 584	0.08 442	0.08 464

hitnet-ft	0.18 537	0.09 435	0.17 501	0.14 69	0.09 349	0.26 605	0.20 553	0.25 457	0.26 485	0.24 560	0.32 564	0.31 592	0.22 568	0.24 588	0.21 558	0.12 581	0.07 498	0.10 535	0.08 462	0.12 579	0.11 568

STTStereo	0.18 537	0.12 541	0.27 592	0.20 532	0.11 512	0.16 455	0.21 573	0.29 529	0.23 432	0.21 522	0.30 552	0.29 569	0.18 527	0.20 537	0.19 532	0.12 581	0.11 595	0.11 566	0.14 619	0.09 508	0.08 464

CVANet_RVC	0.18 537	0.10 497	0.14 385	0.21 564	0.10 462	0.18 497	0.17 441	0.34 595	0.33 549	0.22 538	0.31 560	0.28 561	0.18 527	0.23 578	0.17 501	0.12 581	0.08 528	0.12 586	0.11 584	0.09 508	0.07 393

StereoDRNet	0.18 537	0.11 523	0.17 501	0.22 581	0.11 512	0.21 554	0.22 583	0.37 623	0.33 549	0.24 560	0.28 533	0.30 579	0.19 543	0.20 537	0.20 538	0.09 482	0.08 528	0.11 566	0.09 509	0.09 508	0.07 393

DLCB_ROB	0.18 537	0.10 497	0.15 435	0.23 605	0.11 512	0.24 584	0.18 490	0.29 529	0.28 510	0.27 585	0.28 533	0.28 561	0.24 582	0.19 512	0.20 538	0.08 421	0.08 528	0.09 486	0.09 509	0.07 372	0.07 393

TCMNet	0.19 549	0.12 541	0.19 537	0.20 532	0.18 643	0.20 537	0.24 607	0.27 496	0.36 574	0.23 551	0.26 510	0.25 533	0.19 543	0.19 512	0.23 579	0.13 607	0.11 595	0.11 566	0.12 604	0.13 598	0.12 581

rvit_105_1	0.19 549	0.11 523	0.25 582	0.21 564	0.16 621	0.21 554	0.27 638	0.31 555	0.41 600	0.19 485	0.20 407	0.22 495	0.17 512	0.19 512	0.17 501	0.12 581	0.12 611	0.13 601	0.15 635	0.08 442	0.07 393

test_sample8	0.19 549	0.12 541	0.20 549	0.12 7	0.14 590	0.17 478	0.13 178	0.31 555	0.21 406	0.27 585	0.22 441	0.36 618	0.25 591	0.19 512	0.17 501	0.15 625	0.30 677	0.14 614	0.14 619	0.14 612	0.12 581

SDNR	0.19 549	0.08 355	0.19 537	0.16 219	0.12 546	0.77 690	0.14 246	0.25 457	0.32 542	0.19 485	0.24 464	0.19 456	0.13 419	0.19 512	0.15 470	0.16 641	0.18 652	0.14 614	0.11 584	0.08 442	0.11 568

pcwnet_v2	0.19 549	0.10 497	0.26 585	0.17 306	0.14 590	0.18 497	0.15 329	0.37 623	0.46 625	0.19 485	0.24 464	0.21 477	0.19 543	0.20 537	0.19 532	0.13 607	0.10 583	0.10 535	0.10 550	0.11 564	0.13 603

ADCRef	0.19 549	0.12 541	0.41 638	0.20 532	0.12 546	0.22 563	0.18 490	0.32 566	0.36 574	0.26 579	0.32 564	0.17 427	0.23 576	0.24 588	0.24 592	0.07 338	0.06 426	0.09 486	0.09 509	0.08 442	0.08 464

NVstereo2D	0.19 549	0.10 497	0.15 435	0.17 306	0.15 610	0.28 622	0.23 594	0.44 656	0.42 608	0.15 390	0.27 519	0.25 533	0.19 543	0.22 567	0.17 501	0.09 482	0.06 426	0.10 535	0.08 462	0.15 628	0.09 510

DRN-Test	0.19 549	0.11 523	0.20 549	0.22 581	0.10 462	0.22 563	0.22 583	0.39 635	0.37 581	0.24 560	0.32 564	0.26 543	0.21 559	0.22 567	0.24 592	0.11 556	0.07 498	0.11 566	0.10 550	0.09 508	0.07 393

DISCO	0.19 549	0.09 435	0.22 564	0.17 306	0.10 462	0.25 595	0.18 490	0.27 496	0.44 618	0.22 538	0.31 560	0.33 605	0.26 597	0.28 610	0.28 629	0.08 421	0.06 426	0.07 309	0.07 389	0.09 508	0.09 510

CBMV_ROB	0.19 549	0.13 569	0.17 501	0.16 219	0.11 512	0.15 424	0.13 178	0.26 475	0.28 510	0.27 585	0.30 552	0.27 551	0.24 582	0.23 578	0.16 486	0.15 625	0.17 650	0.22 654	0.20 652	0.10 541	0.11 568

NOSS_ROB	0.19 549	0.12 541	0.18 525	0.16 219	0.12 546	0.15 424	0.12 98	0.30 543	0.32 542	0.20 508	0.22 441	0.27 551	0.23 576	0.21 554	0.16 486	0.16 641	0.18 652	0.23 655	0.21 654	0.12 579	0.13 603

CBMV	0.19 549	0.14 581	0.17 501	0.18 397	0.10 462	0.20 537	0.11 65	0.29 529	0.30 527	0.29 609	0.30 552	0.30 579	0.23 576	0.27 598	0.19 532	0.13 607	0.15 641	0.17 636	0.16 639	0.10 541	0.10 541
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	0.20 561	0.14 581	0.37 630	0.22 581	0.12 546	0.20 537	0.21 573	0.28 515	0.37 581	0.25 573	0.37 594	0.27 551	0.22 568	0.21 554	0.23 579	0.08 421	0.08 528	0.09 486	0.09 509	0.10 541	0.09 510

YMNet	0.20 561	0.12 541	0.19 537	0.20 532	0.14 590	0.26 605	0.23 594	0.32 566	0.34 561	0.27 585	0.34 581	0.30 579	0.18 527	0.18 497	0.22 567	0.10 524	0.13 626	0.10 535	0.10 550	0.08 442	0.09 510

YMNet_1	0.20 561	0.12 541	0.19 537	0.20 532	0.14 590	0.26 605	0.23 594	0.32 566	0.34 561	0.27 585	0.34 581	0.30 579	0.18 527	0.18 497	0.22 567	0.10 524	0.13 626	0.10 535	0.10 550	0.08 442	0.09 510

GwcNet	0.20 561	0.13 569	0.19 537	0.18 397	0.12 546	0.24 584	0.19 530	0.35 610	0.43 613	0.20 508	0.32 564	0.33 605	0.20 555	0.22 567	0.24 592	0.11 556	0.09 561	0.09 486	0.09 509	0.09 508	0.10 541

FAT-Stereo	0.20 561	0.12 541	0.22 564	0.21 564	0.12 546	0.17 478	0.18 490	0.34 595	0.39 591	0.27 585	0.37 594	0.34 612	0.32 636	0.21 554	0.20 538	0.09 482	0.11 595	0.10 535	0.09 509	0.11 564	0.14 620

FADNet-RVC	0.20 561	0.20 631	0.38 632	0.21 564	0.16 621	0.20 537	0.15 329	0.26 475	0.26 485	0.26 579	0.32 564	0.26 543	0.21 559	0.22 567	0.19 532	0.12 581	0.13 626	0.12 586	0.14 619	0.13 598	0.18 650

S-Stereo	0.20 561	0.12 541	0.25 582	0.21 564	0.13 569	0.20 537	0.18 490	0.32 566	0.43 613	0.23 551	0.36 588	0.28 561	0.30 628	0.19 512	0.22 567	0.09 482	0.12 611	0.10 535	0.10 550	0.13 598	0.13 603

SuperB	0.20 561	0.10 497	0.56 658	0.16 219	0.09 349	0.18 497	0.18 490	0.24 437	0.50 637	0.26 579	0.39 608	0.17 427	0.21 559	0.22 567	0.21 558	0.08 421	0.06 426	0.06 199	0.06 292	0.12 579	0.10 541

ADCP+	0.20 561	0.10 497	0.33 617	0.20 532	0.12 546	0.22 563	0.26 631	0.31 555	0.34 561	0.26 579	0.37 594	0.22 495	0.22 568	0.27 598	0.27 621	0.09 482	0.06 426	0.08 403	0.08 462	0.09 508	0.10 541

PS-NSSS	0.20 561	0.21 637	0.23 573	0.20 532	0.10 462	0.19 521	0.17 441	0.36 617	0.25 471	0.27 585	0.33 577	0.27 551	0.24 582	0.20 537	0.20 538	0.15 625	0.12 611	0.17 636	0.14 619	0.10 541	0.08 464

PWCDC_ROB	0.20 561	0.13 569	0.22 564	0.24 614	0.11 512	0.19 521	0.15 329	0.33 586	0.54 647	0.29 609	0.50 647	0.21 477	0.15 461	0.27 598	0.20 538	0.11 556	0.09 561	0.10 535	0.08 462	0.11 564	0.09 510

SGM-Forest	0.20 561	0.14 581	0.18 525	0.19 466	0.13 569	0.20 537	0.22 583	0.33 586	0.30 527	0.24 560	0.29 545	0.28 561	0.19 543	0.23 578	0.17 501	0.15 625	0.16 645	0.15 626	0.14 619	0.12 579	0.12 581
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 573	0.17 610	0.19 537	0.23 605	0.15 610	0.30 629	0.20 553	0.33 586	0.35 570	0.23 551	0.28 533	0.31 592	0.27 605	0.20 537	0.22 567	0.15 625	0.12 611	0.13 601	0.09 509	0.14 612	0.14 620

FINET	0.21 573	0.18 621	0.26 585	0.18 397	0.16 621	0.23 579	0.23 594	0.32 566	0.48 627	0.25 573	0.32 564	0.22 495	0.22 568	0.22 567	0.17 501	0.18 647	0.16 645	0.11 566	0.10 550	0.15 628	0.13 603

Syn2CoEx	0.21 573	0.16 599	0.27 592	0.29 655	0.14 590	0.26 605	0.20 553	0.33 586	0.31 535	0.28 600	0.36 588	0.27 551	0.25 591	0.19 512	0.24 592	0.16 641	0.12 611	0.14 614	0.11 584	0.09 508	0.08 464

FADNet	0.21 573	0.22 641	0.36 626	0.18 397	0.17 636	0.24 584	0.13 178	0.31 555	0.31 535	0.23 551	0.25 492	0.27 551	0.21 559	0.19 512	0.15 470	0.13 607	0.15 641	0.12 586	0.15 635	0.16 637	0.18 650

RP	0.21 573	0.13 569	0.21 558	0.23 605	0.11 512	0.21 554	0.20 553	0.25 457	0.44 618	0.21 522	0.38 600	0.36 618	0.24 582	0.27 598	0.25 602	0.11 556	0.12 611	0.13 601	0.12 604	0.12 579	0.14 620

DANet	0.21 573	0.15 591	0.28 597	0.25 625	0.13 569	0.22 563	0.19 530	0.27 496	0.27 495	0.28 600	0.32 564	0.35 616	0.31 632	0.31 620	0.23 579	0.11 556	0.09 561	0.11 566	0.10 550	0.13 598	0.11 568
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 573	0.12 541	0.21 558	0.24 614	0.13 569	0.22 563	0.22 583	0.41 645	0.26 485	0.31 620	0.42 631	0.37 623	0.28 616	0.23 578	0.22 567	0.10 524	0.12 611	0.10 535	0.09 509	0.10 541	0.08 464

PWC_ROB	0.21 573	0.16 599	0.26 585	0.18 397	0.11 512	0.22 563	0.13 178	0.32 566	0.49 634	0.30 614	0.40 614	0.32 601	0.24 582	0.31 620	0.22 567	0.10 524	0.07 498	0.11 566	0.08 462	0.11 564	0.10 541

PSMNet_ROB	0.21 573	0.11 523	0.15 435	0.27 643	0.15 610	0.24 584	0.35 671	0.43 654	0.37 581	0.27 585	0.32 564	0.32 601	0.22 568	0.21 554	0.26 613	0.12 581	0.08 528	0.13 601	0.11 584	0.09 508	0.09 510

MSAF-DinoV2	0.22 582	0.11 523	0.23 573	0.17 306	0.10 462	0.27 615	0.16 399	0.37 623	0.55 648	0.21 522	0.27 519	0.47 657	0.27 605	0.35 639	0.39 665	0.09 482	0.06 426	0.07 309	0.09 509	0.12 579	0.10 541

GASNet	0.22 582	0.23 643	0.33 617	0.26 630	0.17 636	0.26 605	0.16 399	0.44 656	0.42 608	0.27 585	0.24 464	0.30 579	0.15 461	0.27 598	0.18 519	0.12 581	0.08 528	0.12 586	0.11 584	0.16 637	0.07 393

Anonymous_2	0.22 582	0.17 610	0.28 597	0.15 123	0.16 621	0.32 631	0.22 583	0.22 388	0.17 318	0.23 551	0.24 464	0.26 543	0.27 605	0.27 598	0.23 579	0.22 664	0.25 673	0.17 636	0.17 646	0.17 645	0.17 647

Wz-Net-LNSev	0.22 582	0.16 599	0.38 632	0.21 564	0.13 569	0.25 595	0.23 594	0.32 566	0.43 613	0.30 614	0.41 625	0.31 592	0.18 527	0.22 567	0.25 602	0.10 524	0.09 561	0.08 403	0.08 462	0.12 579	0.11 568

Wz-Net-MNSev	0.22 582	0.13 569	0.31 610	0.20 532	0.14 590	0.36 650	0.24 607	0.33 586	0.44 618	0.28 600	0.40 614	0.38 627	0.19 543	0.24 588	0.25 602	0.09 482	0.07 498	0.09 486	0.09 509	0.12 579	0.10 541

DDUNet	0.22 582	0.17 610	0.21 558	0.22 581	0.15 610	0.25 595	0.24 607	0.29 529	0.30 527	0.31 620	0.36 588	0.33 605	0.25 591	0.24 588	0.20 538	0.18 647	0.13 626	0.17 636	0.11 584	0.16 637	0.16 638

APVNet	0.22 582	0.12 541	0.19 537	0.18 397	0.14 590	0.32 631	0.31 667	0.39 635	0.32 542	0.27 585	0.40 614	0.30 579	0.29 624	0.26 595	0.25 602	0.11 556	0.12 611	0.11 566	0.14 619	0.12 579	0.12 581

aanetorigin	0.22 582	0.17 610	0.56 658	0.17 306	0.10 462	0.15 424	0.19 530	0.20 339	0.33 549	0.49 662	0.48 642	0.29 569	0.27 605	0.20 537	0.23 579	0.08 421	0.07 498	0.08 403	0.07 389	0.10 541	0.09 510

MaskLacGwcNet_RVC	0.22 582	0.21 637	0.24 577	0.26 630	0.11 512	0.23 579	0.14 246	0.39 635	0.24 449	0.32 626	0.36 588	0.30 579	0.21 559	0.19 512	0.21 558	0.17 646	0.14 635	0.21 650	0.16 639	0.12 579	0.12 581

AF-Net	0.22 582	0.17 610	0.17 501	0.26 630	0.13 569	0.25 595	0.24 607	0.32 566	0.50 637	0.25 573	0.33 577	0.38 627	0.26 597	0.28 610	0.25 602	0.11 556	0.10 583	0.16 633	0.11 584	0.11 564	0.10 541

stereogan	0.22 582	0.11 523	0.21 558	0.20 532	0.12 546	0.31 630	0.19 530	0.35 610	0.44 618	0.22 538	0.39 608	0.35 616	0.27 605	0.33 630	0.22 567	0.10 524	0.12 611	0.10 535	0.10 550	0.14 612	0.13 603

edge stereo	0.22 582	0.13 569	0.20 549	0.21 564	0.13 569	0.23 579	0.16 399	0.32 566	0.42 608	0.32 626	0.40 614	0.38 627	0.35 646	0.25 593	0.24 592	0.13 607	0.11 595	0.14 614	0.11 584	0.12 579	0.13 603

RYNet	0.22 582	0.12 541	0.22 564	0.19 466	0.17 636	0.46 661	0.26 631	0.38 631	0.48 627	0.24 560	0.28 533	0.34 612	0.23 576	0.20 537	0.30 640	0.10 524	0.06 426	0.09 486	0.09 509	0.13 598	0.15 627

NaN_ROB	0.22 582	0.19 625	0.24 577	0.25 625	0.13 569	0.29 626	0.26 631	0.33 586	0.41 600	0.31 620	0.31 560	0.32 601	0.23 576	0.30 619	0.21 558	0.11 556	0.17 650	0.10 535	0.10 550	0.08 442	0.09 510

MDST_ROB	0.22 582	0.10 497	0.17 501	0.18 397	0.11 512	0.37 651	0.19 530	0.43 654	0.41 600	0.39 643	0.39 608	0.29 569	0.21 559	0.26 595	0.18 519	0.11 556	0.10 583	0.14 614	0.11 584	0.10 541	0.08 464

XPNet_ROB	0.22 582	0.11 523	0.19 537	0.22 581	0.13 569	0.22 563	0.19 530	0.34 595	0.40 597	0.30 614	0.39 608	0.39 635	0.26 597	0.26 595	0.28 629	0.15 625	0.10 583	0.10 535	0.10 550	0.13 598	0.12 581

SQANet	0.23 598	0.23 643	0.30 608	0.30 657	0.19 647	0.27 615	0.13 178	0.29 529	0.33 549	0.24 560	0.37 594	0.31 592	0.22 568	0.27 598	0.23 579	0.15 625	0.10 583	0.21 650	0.16 639	0.21 653	0.15 627

Nwc_Net	0.23 598	0.16 599	0.21 558	0.25 625	0.14 590	0.24 584	0.26 631	0.37 623	0.38 588	0.22 538	0.41 625	0.30 579	0.28 616	0.28 610	0.25 602	0.11 556	0.10 583	0.17 636	0.20 652	0.10 541	0.10 541

RTSC	0.23 598	0.12 541	0.28 597	0.21 564	0.13 569	0.28 622	0.16 399	0.35 610	0.66 673	0.27 585	0.33 577	0.30 579	0.21 559	0.31 620	0.29 633	0.10 524	0.08 528	0.09 486	0.10 550	0.13 598	0.13 603

PA-Net	0.23 598	0.18 621	0.33 617	0.28 646	0.22 656	0.21 554	0.38 676	0.29 529	0.39 591	0.22 538	0.32 564	0.25 533	0.26 597	0.20 537	0.25 602	0.09 482	0.23 670	0.15 626	0.22 657	0.09 508	0.13 603
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 598	0.15 591	0.17 501	0.34 662	0.18 643	0.24 584	0.23 594	0.34 595	0.28 510	0.31 620	0.38 600	0.38 627	0.28 616	0.23 578	0.24 592	0.15 625	0.12 611	0.18 645	0.21 654	0.13 598	0.13 603

ETE_ROB	0.23 598	0.17 610	0.22 564	0.25 625	0.13 569	0.26 605	0.29 654	0.31 555	0.36 574	0.28 600	0.36 588	0.45 649	0.26 597	0.27 598	0.26 613	0.11 556	0.08 528	0.12 586	0.09 509	0.14 612	0.13 603

SGM_RVC	0.23 598	0.12 541	0.15 435	0.15 123	0.09 349	0.33 638	0.18 490	0.34 595	0.31 535	0.44 657	0.37 594	0.53 665	0.35 646	0.35 639	0.24 592	0.13 607	0.13 626	0.13 601	0.13 615	0.10 541	0.11 568
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 605	0.18 621	0.18 525	0.20 532	0.14 590	0.21 554	0.19 530	0.32 566	0.41 600	0.29 609	0.21 430	0.32 601	0.27 605	0.41 664	0.27 621	0.46 685	0.12 611	0.31 673	0.11 584	0.15 628	0.12 581

z-mn7	0.24 605	0.14 581	0.45 642	0.19 466	0.13 569	0.28 622	0.25 622	0.34 595	0.62 664	0.27 585	0.56 659	0.29 569	0.24 582	0.32 627	0.25 602	0.08 421	0.08 528	0.08 403	0.08 462	0.10 541	0.10 541

w-ln-seven	0.24 605	0.14 581	0.55 655	0.19 466	0.14 590	0.26 605	0.22 583	0.35 610	0.60 661	0.29 609	0.39 608	0.30 579	0.22 568	0.21 554	0.26 613	0.09 482	0.09 561	0.11 566	0.10 550	0.11 564	0.10 541

DGSMNet	0.24 605	0.19 625	0.33 617	0.21 564	0.24 661	0.24 584	0.20 553	0.35 610	0.41 600	0.24 560	0.32 564	0.38 627	0.21 559	0.29 616	0.23 579	0.12 581	0.11 595	0.14 614	0.16 639	0.23 657	0.23 661

G-Net	0.24 605	0.16 599	0.36 626	0.22 581	0.16 621	0.51 667	0.23 594	0.29 529	0.34 561	0.36 636	0.38 600	0.31 592	0.29 624	0.27 598	0.26 613	0.11 556	0.09 561	0.12 586	0.09 509	0.16 637	0.13 603

NCC-stereo	0.24 605	0.15 591	0.31 610	0.26 630	0.16 621	0.20 537	0.30 661	0.40 639	0.40 597	0.24 560	0.38 600	0.33 605	0.28 616	0.36 645	0.27 621	0.12 581	0.11 595	0.15 626	0.22 657	0.13 598	0.13 603

Abc-Net	0.24 605	0.15 591	0.31 610	0.26 630	0.16 621	0.20 537	0.30 661	0.40 639	0.40 597	0.24 560	0.38 600	0.33 605	0.28 616	0.36 645	0.27 621	0.12 581	0.11 595	0.15 626	0.22 657	0.13 598	0.13 603
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 605	0.11 523	0.47 647	0.22 581	0.12 546	0.34 641	0.29 654	0.29 529	0.56 651	0.24 560	0.46 639	0.30 579	0.30 628	0.29 616	0.29 633	0.08 421	0.07 498	0.09 486	0.09 509	0.10 541	0.10 541

DeepPrunerF	0.24 605	0.17 610	0.42 640	0.26 630	0.16 621	0.22 563	0.28 644	0.37 623	0.50 637	0.26 579	0.29 545	0.24 519	0.28 616	0.21 554	0.22 567	0.15 625	0.11 595	0.20 649	0.18 650	0.12 579	0.13 603

FBW_ROB	0.24 605	0.17 610	0.22 564	0.26 630	0.14 590	0.25 595	0.22 583	0.41 645	0.41 600	0.41 650	0.41 625	0.42 642	0.27 605	0.31 620	0.23 579	0.09 482	0.14 635	0.14 614	0.12 604	0.11 564	0.09 510

SANet	0.24 605	0.14 581	0.28 597	0.21 564	0.11 512	0.27 615	0.24 607	0.38 631	0.64 669	0.36 636	0.40 614	0.43 645	0.26 597	0.27 598	0.24 592	0.12 581	0.09 561	0.10 535	0.09 509	0.13 598	0.11 568

WCMA_ROB	0.24 605	0.11 523	0.22 564	0.17 306	0.14 590	0.32 631	0.15 329	0.32 566	0.32 542	0.38 641	0.53 650	0.40 639	0.34 643	0.34 633	0.25 602	0.11 556	0.12 611	0.12 586	0.10 550	0.14 612	0.14 620

DStereoSA	0.25 617	0.19 625	0.37 630	0.26 630	0.17 636	0.22 563	0.20 553	0.49 666	0.59 657	0.22 538	0.29 545	0.29 569	0.33 638	0.39 656	0.28 629	0.12 581	0.11 595	0.16 633	0.14 619	0.14 612	0.12 581

zh-sn7	0.25 617	0.17 610	0.50 649	0.24 614	0.13 569	0.25 595	0.24 607	0.34 595	0.48 627	0.28 600	0.54 652	0.28 561	0.31 632	0.36 645	0.32 648	0.10 524	0.10 583	0.11 566	0.10 550	0.12 579	0.12 581

zh-mn7	0.25 617	0.14 581	0.56 658	0.19 466	0.14 590	0.24 584	0.22 583	0.34 595	0.62 664	0.35 633	0.65 668	0.31 592	0.25 591	0.31 620	0.25 602	0.09 482	0.08 528	0.09 486	0.09 509	0.09 508	0.11 568

Wz-Net-SNSev	0.25 617	0.17 610	0.44 641	0.25 625	0.14 590	0.26 605	0.23 594	0.38 631	0.56 651	0.30 614	0.55 654	0.39 635	0.26 597	0.23 578	0.30 640	0.10 524	0.09 561	0.09 486	0.10 550	0.11 564	0.11 568

psmorigin	0.25 617	0.15 591	0.34 625	0.17 306	0.13 569	0.23 579	0.14 246	0.34 595	0.33 549	0.41 650	0.55 654	0.41 641	0.37 650	0.34 633	0.27 621	0.11 556	0.15 641	0.11 566	0.11 584	0.12 579	0.16 638

RGC	0.25 617	0.20 631	0.29 605	0.28 646	0.16 621	0.22 563	0.23 594	0.32 566	0.44 618	0.27 585	0.40 614	0.38 627	0.27 605	0.36 645	0.22 567	0.11 556	0.13 626	0.17 636	0.17 646	0.14 612	0.16 638

ADCMid	0.25 617	0.15 591	0.40 635	0.20 532	0.14 590	0.25 595	0.26 631	0.34 595	0.38 588	0.36 636	0.44 636	0.34 612	0.40 657	0.35 639	0.33 653	0.10 524	0.09 561	0.11 566	0.11 584	0.13 598	0.12 581

ADCPNet	0.25 617	0.16 599	0.61 665	0.21 564	0.15 610	0.35 649	0.25 622	0.32 566	0.35 570	0.30 614	0.40 614	0.36 618	0.28 616	0.28 610	0.32 648	0.12 581	0.10 583	0.11 566	0.12 604	0.14 612	0.13 603

LALA_ROB	0.25 617	0.16 599	0.22 564	0.26 630	0.17 636	0.27 615	0.27 638	0.42 650	0.37 581	0.33 630	0.38 600	0.51 661	0.26 597	0.28 610	0.27 621	0.16 641	0.09 561	0.12 586	0.11 584	0.13 598	0.12 581

SHD	0.26 626	0.15 591	0.30 608	0.24 614	0.18 643	0.22 563	0.15 329	0.38 631	0.71 677	0.32 626	0.41 625	0.36 618	0.28 616	0.32 627	0.29 633	0.12 581	0.11 595	0.14 614	0.13 615	0.16 637	0.20 656

AnyNet_C32	0.26 626	0.16 599	0.36 626	0.20 532	0.16 621	0.25 595	0.30 661	0.32 566	0.44 618	0.31 620	0.49 643	0.30 579	0.33 638	0.40 661	0.33 653	0.12 581	0.12 611	0.12 586	0.14 619	0.14 612	0.15 627

DStereoFS	0.27 628	0.22 641	0.31 610	0.22 581	0.15 610	0.22 563	0.20 553	0.50 670	0.48 627	0.28 600	0.44 636	0.33 605	0.34 643	0.52 674	0.29 633	0.12 581	0.11 595	0.15 626	0.13 615	0.16 637	0.16 638

PSMNet-RUCA	0.27 628	0.33 666	0.41 638	0.36 666	0.32 674	0.18 497	0.19 530	0.42 650	0.30 527	0.33 630	0.41 625	0.39 635	0.25 591	0.31 620	0.20 538	0.18 647	0.10 583	0.25 657	0.15 635	0.21 653	0.16 638

PDISCO_ROB	0.27 628	0.16 599	0.26 585	0.28 646	0.20 650	0.32 631	0.26 631	0.44 656	0.57 653	0.28 600	0.40 614	0.45 649	0.29 624	0.33 630	0.34 655	0.12 581	0.09 561	0.17 636	0.16 639	0.17 645	0.13 603

DispFullNet	0.27 628	0.21 637	0.65 668	0.28 646	0.16 621	0.26 605	0.17 441	0.33 586	0.58 656	0.27 585	0.38 600	0.43 645	0.23 576	0.38 652	0.23 579	0.12 581	0.06 426	0.19 647	0.11 584	0.21 653	0.15 627

MeshStereo	0.27 628	0.13 569	0.18 525	0.15 123	0.11 512	0.32 631	0.24 607	0.40 639	0.36 574	0.52 664	0.57 662	0.67 676	0.40 657	0.35 639	0.26 613	0.14 621	0.13 626	0.13 601	0.11 584	0.11 564	0.10 541
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	0.28 633	0.17 610	0.78 685	0.22 581	0.16 621	0.34 641	0.29 654	0.39 635	0.57 653	0.24 560	0.55 654	0.37 623	0.24 582	0.33 630	0.35 656	0.09 482	0.08 528	0.09 486	0.10 550	0.14 612	0.16 638

XQC	0.28 633	0.23 643	0.51 650	0.28 646	0.19 647	0.34 641	0.27 638	0.36 617	0.57 653	0.31 620	0.30 552	0.37 623	0.30 628	0.38 652	0.38 663	0.13 607	0.09 561	0.15 626	0.12 604	0.17 645	0.18 650

CC-Net-ROB	0.28 633	0.31 664	0.36 626	0.29 655	0.15 610	0.25 595	0.19 530	0.45 659	0.33 549	0.39 643	0.37 594	0.39 635	0.31 632	0.27 598	0.26 613	0.24 670	0.19 655	0.30 672	0.23 661	0.18 648	0.15 627

DPSNet	0.28 633	0.16 599	0.31 610	0.18 397	0.13 569	0.54 669	0.42 680	0.51 672	0.67 674	0.29 609	0.38 600	0.38 627	0.29 624	0.31 620	0.23 579	0.11 556	0.10 583	0.11 566	0.08 462	0.20 652	0.16 638

MultiAttention	0.29 637	0.08 355	0.14 385	0.19 466	0.12 546	1.45 705	1.33 709	0.36 617	0.37 581	0.19 485	0.21 430	0.24 519	0.11 347	0.38 652	0.18 519	0.06 167	0.05 275	0.08 403	0.08 462	0.10 541	0.09 510

Wz-Net-TNSev	0.29 637	0.20 631	0.65 668	0.19 466	0.15 610	0.38 654	0.27 638	0.35 610	0.55 648	0.34 632	0.42 631	0.45 649	0.38 651	0.32 627	0.30 640	0.12 581	0.13 626	0.10 535	0.12 604	0.15 628	0.14 620

ccnet	0.29 637	0.28 659	0.23 573	0.20 532	0.28 668	0.41 659	0.21 573	0.45 659	0.33 549	0.36 636	0.46 639	0.36 618	0.30 628	0.39 656	0.42 672	0.23 668	0.14 635	0.21 650	0.17 646	0.23 657	0.18 650

EDNetEfficient	0.29 637	0.24 646	1.13 696	0.18 397	0.10 462	0.19 521	0.20 553	0.20 339	0.60 661	0.74 684	0.56 659	0.31 592	0.39 654	0.22 567	0.30 640	0.09 482	0.07 498	0.08 403	0.07 389	0.11 564	0.09 510

ADCS	0.29 637	0.18 621	0.45 642	0.21 564	0.17 636	0.28 622	0.23 594	0.41 645	0.63 668	0.40 646	0.49 643	0.40 639	0.36 648	0.39 656	0.40 668	0.13 607	0.12 611	0.13 601	0.14 619	0.16 637	0.16 638

CSAN	0.29 637	0.24 646	0.27 592	0.34 662	0.19 647	0.33 638	0.42 680	0.37 623	0.50 637	0.38 641	0.40 614	0.44 647	0.33 638	0.28 610	0.30 640	0.20 655	0.16 645	0.19 647	0.19 651	0.14 612	0.15 627

AANet	0.30 643	0.19 625	1.03 694	0.16 219	0.13 569	0.22 563	0.16 399	0.30 543	0.62 664	0.60 671	0.52 649	0.46 653	0.38 651	0.23 578	0.32 648	0.12 581	0.09 561	0.11 566	0.10 550	0.13 598	0.12 581

MFN_U_SF_DS_RVC	0.30 643	0.24 646	0.29 605	0.36 666	0.16 621	0.34 641	0.30 661	0.32 566	0.42 608	0.40 646	0.46 639	0.38 627	0.31 632	0.34 633	0.28 629	0.19 653	0.20 658	0.26 658	0.29 671	0.18 648	0.19 655

GANetREF_RVC	0.31 645	0.34 667	0.27 592	0.35 664	0.16 621	0.32 631	0.41 677	0.48 664	0.51 644	0.35 633	0.35 585	0.34 612	0.33 638	0.39 656	0.32 648	0.27 672	0.20 658	0.29 670	0.15 635	0.18 648	0.17 647
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	0.31 645	0.26 652	0.26 585	0.24 614	0.21 654	0.34 641	0.25 622	0.34 595	0.39 591	0.40 646	0.69 672	0.45 649	0.40 657	0.34 633	0.27 621	0.20 655	0.19 655	0.26 658	0.25 663	0.23 657	0.22 660

MFN_U_SF_RVC	0.32 647	0.21 637	0.55 655	0.30 657	0.15 610	0.34 641	0.17 441	0.52 673	0.46 625	0.46 661	0.55 654	0.59 668	0.39 654	0.35 639	0.37 661	0.15 625	0.14 635	0.18 645	0.21 654	0.16 637	0.15 627

PASM	0.32 647	0.24 646	0.48 648	0.28 646	0.27 667	0.29 626	0.30 661	0.34 595	0.49 634	0.35 633	0.39 608	0.46 653	0.34 643	0.34 633	0.35 656	0.23 668	0.25 673	0.26 658	0.28 670	0.23 657	0.21 658

SGM-ForestM	0.32 647	0.12 541	0.16 471	0.16 219	0.11 512	0.39 656	0.19 530	0.41 645	0.50 637	0.52 664	0.54 652	1.32 697	0.42 665	0.40 661	0.27 621	0.14 621	0.16 645	0.16 633	0.16 639	0.12 579	0.12 581

FC-DCNN v2	0.33 650	0.27 655	0.28 597	0.26 630	0.23 659	0.37 651	0.28 644	0.40 639	0.43 613	0.45 658	0.56 659	0.51 661	0.40 657	0.37 650	0.29 633	0.21 659	0.20 658	0.27 661	0.26 664	0.25 664	0.24 662

FCDSN-DC	0.33 650	0.28 659	0.28 597	0.30 657	0.24 661	0.39 656	0.28 644	0.42 650	0.42 608	0.43 656	0.53 650	0.51 661	0.41 662	0.36 645	0.30 640	0.21 659	0.20 658	0.27 661	0.26 664	0.25 664	0.24 662
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 650	0.27 655	0.28 597	0.26 630	0.23 659	0.37 651	0.28 644	0.40 639	0.43 613	0.45 658	0.55 654	0.51 661	0.40 657	0.37 650	0.30 640	0.21 659	0.20 658	0.27 661	0.26 664	0.25 664	0.24 662

LSM	0.33 650	0.20 631	0.58 661	0.26 630	0.60 692	0.34 641	0.25 622	0.42 650	0.48 627	0.45 658	0.58 664	0.42 642	0.36 648	0.35 639	0.25 602	0.12 581	0.20 658	0.14 614	0.16 639	0.19 651	0.33 676

AnyNet_C01	0.36 654	0.25 651	1.37 699	0.22 581	0.17 636	0.48 665	0.27 638	0.35 610	0.39 591	0.39 643	0.74 678	0.46 653	0.38 651	0.45 666	0.47 677	0.13 607	0.13 626	0.13 601	0.14 619	0.14 612	0.15 627

GCST	0.37 655	0.42 674	0.26 585	1.02 700	0.39 675	0.18 497	0.08 7	0.20 339	0.17 318	0.28 600	0.25 492	0.15 390	0.12 379	0.16 441	0.14 438	0.64 696	0.43 685	0.75 692	0.65 696	0.63 689	0.46 687

otaku	0.39 656	0.37 670	0.52 651	0.44 673	0.28 668	0.58 671	0.24 607	0.41 645	0.62 664	0.40 646	0.49 643	0.46 653	0.33 638	0.40 661	0.32 648	0.30 673	0.30 677	0.39 677	0.33 676	0.29 671	0.28 670

ACVNet-4b	0.39 656	0.53 677	0.55 655	0.45 674	0.24 661	0.47 663	0.18 490	0.49 666	0.64 669	0.42 653	0.45 638	0.60 669	0.27 605	0.34 633	0.24 592	0.33 676	0.14 635	0.48 680	0.42 682	0.30 672	0.26 669

PVD	0.39 656	0.20 631	0.39 634	0.31 661	0.22 656	0.29 626	0.43 682	0.52 673	0.96 691	0.55 668	0.79 682	0.53 665	0.59 681	0.52 674	0.38 663	0.19 653	0.14 635	0.17 636	0.14 619	0.24 663	0.31 674

Ntro	0.40 659	0.40 672	0.53 652	0.46 677	0.30 672	0.65 677	0.24 607	0.46 661	0.68 675	0.41 650	0.49 643	0.48 659	0.42 665	0.39 656	0.31 647	0.32 674	0.28 675	0.37 676	0.30 673	0.32 676	0.29 671

SAMSARA	0.40 659	0.28 659	0.33 617	0.55 680	0.39 675	0.82 691	1.23 708	0.47 663	0.51 644	0.36 636	0.35 585	0.55 667	0.39 654	0.38 652	0.39 665	0.15 625	0.20 658	0.15 626	0.14 619	0.23 657	0.20 656

ELAS_RVC	0.41 661	0.29 662	0.33 617	0.28 646	0.24 661	0.54 669	0.36 672	0.49 666	0.59 657	0.72 680	0.74 678	0.65 674	0.54 674	0.54 679	0.40 668	0.22 664	0.20 658	0.27 661	0.26 664	0.26 669	0.25 667
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 661	0.29 662	0.33 617	0.27 643	0.24 661	0.60 674	0.36 672	0.50 670	0.50 637	0.71 678	0.79 682	0.67 676	0.54 674	0.51 672	0.42 672	0.22 664	0.20 658	0.27 661	0.26 664	0.26 669	0.25 667
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 663	0.26 652	0.59 663	0.60 682	0.49 682	0.32 631	0.23 594	0.46 661	0.52 646	0.56 670	0.58 664	0.76 681	0.32 636	0.48 668	0.29 633	0.32 674	0.24 671	0.27 661	0.33 676	0.46 680	0.39 681

MSC_U_SF_DS_RVC	0.43 664	0.39 671	0.54 653	0.40 669	0.20 650	0.64 676	0.32 669	0.53 675	0.72 678	0.71 678	0.72 675	0.61 670	0.54 674	0.51 672	0.46 676	0.20 655	0.19 655	0.29 670	0.30 673	0.23 657	0.18 650

ACVNet_1	0.44 665	0.49 676	0.60 664	0.45 674	0.28 668	0.49 666	0.27 638	0.57 680	0.72 678	0.62 673	0.58 664	0.74 680	0.49 671	0.50 670	0.35 656	0.26 671	0.24 671	0.39 677	0.29 671	0.31 675	0.24 662

Consistency-Raft	0.44 665	0.40 672	0.45 642	0.37 668	0.43 679	0.46 661	0.41 677	0.57 680	0.55 648	0.32 626	0.73 676	0.33 605	0.48 670	0.42 665	0.49 679	0.39 679	0.35 682	0.45 679	0.51 689	0.42 679	0.29 671

RTS	0.45 667	0.19 625	3.26 705	0.24 614	0.15 610	0.74 684	0.20 553	0.36 617	0.76 684	0.42 653	0.43 634	0.31 592	0.41 662	0.53 677	0.35 656	0.10 524	0.08 528	0.13 601	0.12 604	0.15 628	0.15 627

RTSA	0.45 667	0.19 625	3.26 705	0.24 614	0.15 610	0.74 684	0.20 553	0.36 617	0.76 684	0.42 653	0.43 634	0.31 592	0.41 662	0.53 677	0.35 656	0.10 524	0.08 528	0.13 601	0.12 604	0.15 628	0.15 627

MANE	0.45 667	0.27 655	0.27 592	0.27 643	0.24 661	0.47 663	0.31 667	0.55 677	0.59 657	0.72 680	1.13 699	1.15 691	0.61 682	0.52 674	0.37 661	0.21 659	0.20 658	0.27 661	0.31 675	0.25 664	0.24 662

NVStereoNet_ROB	0.46 670	0.36 669	0.46 646	0.41 671	0.28 668	0.34 641	0.34 670	0.48 664	0.60 661	0.72 680	0.93 688	0.70 679	0.66 685	0.47 667	0.60 687	0.22 664	0.33 681	0.34 675	0.34 679	0.30 672	0.30 673
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	0.47 671	0.26 652	0.58 661	0.28 646	0.20 650	0.39 656	0.18 490	0.49 666	0.64 669	0.52 664	0.87 685	1.01 686	0.57 679	0.50 670	0.56 684	0.53 689	0.31 680	0.54 686	0.40 680	0.33 677	0.34 677

LE_ROB	0.50 672	0.07 236	0.14 385	0.15 123	0.08 218	0.24 584	0.16 399	0.22 388	1.81 707	4.63 712	0.67 670	0.47 657	0.44 667	0.20 537	0.29 633	0.07 338	0.06 426	0.06 199	0.06 292	0.08 442	0.06 305

BEATNet-Init1	0.52 673	0.27 655	0.62 666	0.30 657	0.21 654	0.76 688	0.29 654	0.54 676	0.65 672	0.86 689	0.95 690	2.07 706	0.62 684	0.56 681	0.42 672	0.18 647	0.18 652	0.23 655	0.22 657	0.22 656	0.21 658

anonymity	0.53 674	0.58 679	0.65 668	0.41 671	0.61 693	0.53 668	0.41 677	0.56 678	0.41 600	0.55 668	0.50 647	0.49 660	0.55 677	0.58 682	0.50 682	0.58 692	0.50 695	0.51 682	0.51 689	0.51 682	0.57 690

RainbowNet	0.54 675	0.61 681	0.70 683	0.57 681	0.43 679	0.65 677	0.37 675	0.60 682	0.87 688	0.50 663	0.66 669	0.64 672	0.47 669	0.49 669	0.43 675	0.47 686	0.48 691	0.52 684	0.41 681	0.52 683	0.40 684

SGM+DAISY	0.56 676	0.57 678	0.65 668	0.40 669	0.54 685	0.66 679	0.49 685	0.56 678	0.45 624	0.66 674	0.69 672	0.67 676	0.56 678	0.63 684	0.56 684	0.59 693	0.48 691	0.50 681	0.50 688	0.52 683	0.58 691

SPS-STEREO	0.57 677	0.58 679	0.65 668	0.45 674	0.55 687	0.62 675	0.44 684	0.62 683	0.50 637	0.68 676	0.64 667	0.66 675	0.57 679	0.61 683	0.60 687	0.62 695	0.47 690	0.51 682	0.49 686	0.55 687	0.58 691
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 678	0.66 685	0.65 668	0.51 678	0.69 697	0.69 680	0.57 691	0.64 684	0.73 682	0.60 671	0.73 676	0.62 671	0.67 686	0.65 685	0.60 687	0.66 697	0.58 704	0.63 687	0.59 692	0.68 694	0.69 700

IMH-64-1	0.65 679	0.61 681	0.68 677	0.71 685	0.51 683	0.59 672	0.49 685	0.91 691	0.85 686	0.74 684	1.02 692	0.81 682	0.78 690	0.79 688	0.49 679	0.42 681	0.46 686	0.71 689	0.47 684	0.52 683	0.39 681

IMH-64	0.65 679	0.61 681	0.68 677	0.71 685	0.51 683	0.59 672	0.49 685	0.91 691	0.85 686	0.74 684	1.02 692	0.81 682	0.78 690	0.79 688	0.49 679	0.42 681	0.46 686	0.71 689	0.47 684	0.52 683	0.39 681

ACVNet_2	0.66 681	0.66 685	0.68 677	0.63 683	0.41 677	0.71 682	0.49 685	0.96 695	1.39 700	0.89 690	1.09 695	1.04 687	0.73 688	0.54 679	0.47 677	0.43 683	0.40 684	0.53 685	0.44 683	0.47 681	0.35 679

JetBlue	0.71 682	0.45 675	1.14 697	0.51 678	0.47 681	2.02 706	0.64 695	0.75 686	0.70 676	0.69 677	0.77 681	1.22 693	0.83 692	1.03 703	1.01 703	0.40 680	0.28 675	0.33 674	0.33 676	0.30 672	0.34 677

IMH	0.71 682	0.64 684	0.68 677	0.76 687	0.54 685	0.69 680	0.54 689	0.98 697	1.10 693	0.82 688	1.09 695	0.89 684	0.88 695	0.87 696	0.52 683	0.44 684	0.50 695	0.75 692	0.51 689	0.56 688	0.41 685

PWCK	0.71 682	0.94 696	0.95 692	0.76 687	0.31 673	0.74 684	0.36 672	0.90 690	0.90 689	0.96 693	0.75 680	0.95 685	0.61 682	0.87 696	0.66 690	0.72 698	0.46 686	0.75 692	0.49 686	0.69 696	0.44 686

MADNet+	0.75 685	0.71 687	3.70 708	0.66 684	0.41 677	0.98 696	0.97 706	0.69 685	0.73 682	0.52 664	0.57 662	0.64 672	0.68 687	0.86 695	1.01 703	0.34 677	0.36 683	0.28 669	0.23 661	0.36 678	0.31 674

TorneroNet-64	0.76 686	0.72 688	0.74 684	0.78 689	0.58 691	0.91 695	0.56 690	0.84 689	1.29 697	0.66 674	0.90 686	1.40 699	0.75 689	0.85 694	0.67 693	0.49 687	0.46 686	0.72 691	0.59 692	0.67 693	0.53 689

WAO-7	0.79 687	0.78 690	0.54 653	0.85 693	0.67 696	0.74 684	0.68 699	1.05 700	1.32 698	0.90 691	1.20 702	1.04 687	0.92 696	0.69 686	0.66 690	0.60 694	0.62 705	0.67 688	0.68 698	0.64 690	0.58 691

WAO-6	0.81 688	0.80 691	0.62 666	0.86 694	0.63 694	0.76 688	0.58 692	0.98 697	1.54 705	0.90 691	0.96 691	1.07 689	1.03 700	0.70 687	0.66 690	0.72 698	0.49 693	0.90 700	0.71 699	0.68 694	0.58 691

TorneroNet	0.82 689	0.74 689	0.81 689	0.84 692	0.63 694	0.99 697	0.63 693	0.96 695	1.16 694	0.80 687	1.11 697	1.36 698	0.86 694	0.93 699	0.80 698	0.56 690	0.49 693	0.78 697	0.66 697	0.73 699	0.63 699

LVE	0.83 690	0.85 694	0.85 690	0.80 690	0.56 688	1.04 701	0.65 696	1.05 700	1.47 703	0.96 693	1.22 703	1.10 690	0.85 693	0.83 691	0.71 695	0.49 687	0.55 701	0.76 695	0.60 694	0.65 691	0.59 696

Dean	0.87 691	0.86 695	0.79 687	0.81 691	0.56 688	0.90 692	0.63 693	1.15 706	1.73 706	1.15 701	1.15 700	1.31 696	0.99 699	0.81 690	0.81 699	0.57 691	0.56 702	0.77 696	0.64 695	0.66 692	0.58 691

WAO-8	0.91 692	0.81 692	0.65 668	0.94 697	0.69 697	0.90 692	0.67 697	1.07 703	1.83 708	1.06 698	1.45 705	1.30 694	1.07 701	0.84 692	0.78 696	0.74 700	0.53 698	0.86 698	0.75 700	0.69 696	0.62 697

Venus	0.91 692	0.81 692	0.65 668	0.94 697	0.69 697	0.90 692	0.67 697	1.07 703	1.83 708	1.06 698	1.45 705	1.30 694	1.07 701	0.84 692	0.78 696	0.74 700	0.53 698	0.86 698	0.75 700	0.69 696	0.62 697

UNDER WATER-64	0.95 694	0.94 696	1.43 701	0.87 695	0.56 688	1.18 704	0.87 703	0.77 687	0.94 690	1.04 696	0.85 684	1.58 704	1.21 706	0.94 700	0.96 701	0.87 704	0.57 703	1.03 704	0.88 705	0.78 700	0.73 701

UNDER WATER	0.97 695	0.97 698	1.42 700	0.99 699	0.70 700	1.12 703	0.84 702	0.80 688	1.08 692	1.01 695	0.90 686	1.55 703	1.22 707	1.03 703	1.00 702	0.78 702	0.53 698	1.02 703	0.87 704	0.80 701	0.74 702

notaker	0.97 695	1.11 699	0.98 693	1.13 702	0.81 701	0.73 683	0.68 699	0.93 693	1.16 694	1.18 703	1.18 701	1.41 700	1.16 705	1.08 705	0.69 694	0.81 703	0.64 706	1.17 705	0.79 702	0.98 703	0.80 704

ktn	1.01 697	1.21 701	0.80 688	1.23 704	0.86 703	1.01 699	0.87 703	0.94 694	1.39 700	1.04 696	1.12 698	1.15 691	1.07 701	0.94 700	0.59 686	1.28 709	0.71 707	1.38 709	0.83 703	1.02 705	0.75 703

KSHMR	1.09 698	1.17 700	0.88 691	1.25 705	1.00 705	0.99 697	0.96 705	1.13 705	1.37 699	1.16 702	1.29 704	1.41 700	0.96 698	1.01 702	0.92 700	1.03 707	1.08 709	1.20 706	1.03 708	1.01 704	0.97 706

DPSimNet_ROB	1.11 699	1.23 702	0.78 685	1.13 702	0.88 704	1.10 702	1.13 707	1.16 707	1.23 696	1.43 705	1.02 692	1.41 700	1.10 704	0.90 698	1.60 705	1.46 710	0.51 697	1.21 707	1.03 708	0.90 702	1.01 708

HanzoNet	1.29 700	1.26 703	1.19 698	1.12 701	0.85 702	1.02 700	0.83 701	1.03 699	1.48 704	1.64 706	1.61 707	2.50 708	1.72 708	1.61 707	1.61 706	1.26 708	0.80 708	1.31 708	1.01 707	1.02 705	0.86 705

JetRed	1.62 701	1.46 704	2.98 703	0.92 696	1.21 706	4.99 709	1.53 711	1.27 708	1.39 700	1.83 707	1.74 708	1.60 705	0.95 697	1.41 706	2.45 711	0.90 706	1.60 710	0.93 701	0.90 706	1.35 707	0.99 707

MADNet++	1.95 702	1.75 705	1.59 702	1.82 706	1.69 708	2.33 707	1.40 710	2.35 709	2.09 710	2.57 709	2.36 710	2.24 707	2.17 710	2.28 708	2.34 709	1.87 711	1.66 711	1.54 710	1.34 710	1.92 708	1.77 710

Selective-IGEV-i1pa	2.80 703	3.51 711	0.67 676	0.28 646	0.14 590	10.22 713	0.43 682	4.36 710	3.63 711	3.53 710	6.92 712	3.47 709	1.97 709	13.41 724	2.26 708	0.36 678	0.15 641	0.13 601	0.10 550	0.15 628	0.35 679

coex-ft	3.30 704	0.34 667	59.09 736	0.18 397	0.13 569	0.26 605	0.22 583	0.27 496	0.72 678	1.90 708	0.70 674	0.44 647	0.45 668	0.29 616	0.41 671	0.09 482	0.09 561	0.12 586	0.09 509	0.14 612	0.13 603

TCMNet-wrong-test	3.67 705	5.48 719	3.89 709	12.18 720	11.75 722	4.65 708	3.88 712	1.06 702	0.72 678	1.09 700	2.15 709	6.30 714	0.53 673	3.43 710	2.36 710	0.89 705	0.20 658	1.87 712	1.69 711	5.57 716	3.62 716

tt	4.67 706	0.06 118	3.55 707	2.02 707	1.55 707	10.25 714	16.71 716	8.91 719	5.03 712	1.31 704	0.94 689	4.71 710	4.76 712	3.33 709	5.87 713	6.06 719	10.30 725	1.88 713	2.11 713	2.75 710	1.21 709

USTest	6.22 707	2.73 708	3.00 704	6.57 714	7.29 714	14.37 716	21.57 717	7.00 718	9.56 717	5.34 715	6.10 711	5.72 713	7.64 715	6.41 714	6.96 715	1.97 712	3.42 717	1.64 711	2.15 714	2.66 709	2.36 711

xxxxx1	7.79 708	5.02 716	7.31 712	3.12 708	3.85 710	16.35 718	22.88 718	5.86 715	8.69 714	7.97 716	8.54 713	9.12 718	8.27 716	10.18 716	10.92 716	2.42 713	2.45 713	3.56 716	12.37 722	3.77 711	3.06 713

tt_ll	7.79 708	5.02 716	7.31 712	3.12 708	3.85 710	16.35 718	22.88 718	5.86 715	8.69 714	7.97 716	8.54 713	9.12 718	8.27 716	10.18 716	10.92 716	2.42 713	2.45 713	3.56 716	12.37 722	3.77 711	3.06 713

ff	7.79 708	5.02 716	7.31 712	3.12 708	3.85 710	16.35 718	22.88 718	5.86 715	8.69 714	7.97 716	8.54 713	9.12 718	8.27 716	10.18 716	10.92 716	2.42 713	2.45 713	3.56 716	12.37 722	3.77 711	3.06 713

EDNetEfficientorigin	7.91 711	0.31 664	153.02 737	0.19 466	0.09 349	0.21 554	0.16 399	0.22 388	0.59 657	0.72 680	0.67 670	0.42 642	0.50 672	0.24 588	0.39 665	0.08 421	0.07 498	0.08 403	0.07 389	0.12 579	0.10 541

DPSMNet_ROB	8.06 712	4.48 712	8.63 720	5.37 713	10.74 717	8.32 711	22.98 722	5.46 712	13.36 722	5.12 713	9.92 718	5.08 711	10.40 719	5.53 713	12.58 719	3.80 717	8.00 718	3.50 714	7.02 719	3.83 714	7.14 720

DGTPSM_ROB	8.06 712	4.48 712	8.63 720	5.35 711	10.72 716	8.32 711	22.97 721	5.46 712	13.35 721	5.12 713	9.92 718	5.08 711	10.40 719	5.52 712	12.58 719	3.79 716	8.00 718	3.50 714	7.02 719	3.83 714	7.14 720

PML	8.91 714	9.34 725	6.13 710	5.35 711	6.41 713	14.99 717	23.38 723	5.27 711	6.83 713	18.04 728	28.19 737	7.67 715	6.83 714	7.85 715	5.75 712	5.35 718	1.83 712	5.95 724	1.93 712	8.64 721	2.52 712

DLNR_Zeroshot_test	10.40 715	1.82 706	19.49 731	120.77 737	13.11 724	0.06 14	0.13 178	0.23 412	0.10 76	0.07 75	0.10 194	0.09 221	0.06 65	0.10 122	0.09 103	0.13 607	0.04 25	0.06 199	0.04 60	51.54 737	0.04 73

DLNR-FE	10.43 716	1.83 707	19.53 732	120.75 736	13.06 723	0.06 14	0.13 178	0.23 412	0.10 76	0.07 75	0.10 194	0.09 221	0.06 65	0.10 122	0.09 103	0.13 607	0.04 25	0.06 199	0.04 60	52.01 738	0.04 73

iinet-test	10.48 717	8.09 721	7.54 716	10.26 715	10.94 718	18.00 722	25.26 724	11.33 723	13.28 719	9.69 720	9.85 716	9.42 721	11.17 721	11.02 720	12.78 722	6.59 721	8.30 720	5.56 719	6.56 715	6.89 717	7.02 718

IINet	10.48 717	8.09 721	7.54 716	10.26 715	10.94 718	18.00 722	25.26 724	11.33 723	13.28 719	9.69 720	9.85 716	9.42 721	11.17 721	11.02 720	12.78 722	6.59 721	8.30 720	5.56 719	6.56 715	6.89 717	7.02 718

LRCNet_RVC	10.62 719	13.42 726	7.30 711	18.92 724	2.07 709	0.33 638	0.30 661	5.59 714	0.48 627	13.03 724	17.94 724	8.87 717	5.65 713	4.79 711	1.89 707	23.51 734	2.73 716	27.55 737	25.71 737	16.07 731	16.33 732

Anonymous_1	10.96 720	7.92 720	7.46 715	10.33 717	10.06 715	18.65 724	26.34 726	11.06 722	13.44 723	9.40 719	10.05 720	9.67 723	11.23 723	10.73 719	12.72 721	6.42 720	8.38 722	5.77 721	10.61 721	12.12 722	6.77 717

DPSM_ROB	11.15 721	8.58 723	8.00 718	10.88 718	11.58 720	19.10 725	26.71 727	12.05 725	14.07 726	10.36 722	10.84 721	10.33 724	11.86 724	11.70 722	13.54 724	6.99 723	8.79 723	5.89 722	6.95 717	7.29 719	7.42 722

DPSM	11.15 721	8.58 723	8.00 718	10.88 718	11.58 720	19.10 725	26.71 727	12.05 725	14.07 726	10.36 722	10.84 721	10.33 724	11.86 724	11.70 722	13.54 724	6.99 723	8.79 723	5.89 722	6.95 717	7.29 719	7.42 722

HaxPig	15.71 723	18.52 735	19.18 730	16.89 723	15.89 725	7.73 710	7.60 713	13.31 727	10.82 718	15.42 725	14.91 723	15.98 726	14.92 726	15.58 725	15.98 726	18.95 733	16.73 726	19.46 733	18.08 733	19.26 732	19.05 735

Selective-IGEV-i16pa	18.58 724	3.30 709	1.09 695	0.21 564	0.18 643	103.68 738	0.28 644	19.87 729	40.73 738	4.16 711	56.45 738	8.07 716	2.59 711	123.95 739	5.89 714	0.18 647	0.12 611	0.09 486	0.12 604	0.12 579	0.51 688

RSGM-EC	20.36 725	4.73 714	0.68 677	16.76 721	16.92 726	21.28 727	27.18 729	10.46 720	14.04 724	18.00 726	21.31 727	22.24 736	21.82 728	22.57 727	17.63 727	62.81 737	33.79 737	20.14 734	18.10 734	20.18 733	16.45 733

acva	20.36 725	4.73 714	0.68 677	16.76 721	16.92 726	21.28 727	27.18 729	10.46 720	14.04 724	18.00 726	21.31 727	22.24 736	21.82 728	22.57 727	17.63 727	62.81 737	33.79 737	20.14 734	18.10 734	20.18 733	16.45 733

MEDIAN_ROB	20.38 727	24.04 736	23.31 733	21.23 725	21.71 728	10.40 715	7.92 714	17.64 728	15.50 728	20.12 729	19.70 725	20.34 727	20.32 727	21.19 726	21.13 729	23.81 735	21.81 735	24.98 736	23.76 736	24.71 735	23.93 736

CasAABBNet	22.42 728	17.33 728	16.01 724	22.01 727	23.28 730	38.32 729	53.80 734	24.14 733	28.41 733	20.60 732	21.77 731	20.89 734	23.91 733	23.43 732	27.36 733	14.07 726	17.69 729	11.83 727	14.01 726	14.67 725	14.95 728

RAFT-FEzeroshot	22.43 729	17.33 728	15.98 722	22.02 728	23.31 732	38.34 730	53.82 736	24.05 731	28.39 731	20.61 733	21.76 729	20.88 731	23.92 735	23.41 730	27.42 735	14.07 726	17.69 729	11.83 727	14.02 727	14.69 726	14.97 729

RAFT-FE	22.43 729	17.33 728	15.98 722	22.02 728	23.31 732	38.34 730	53.82 736	24.05 731	28.39 731	20.61 733	21.76 729	20.88 731	23.92 735	23.41 730	27.42 735	14.07 726	17.69 729	11.83 727	14.02 727	14.69 726	14.97 729

FlowAnything	22.44 731	17.35 731	16.14 726	22.07 731	23.23 729	38.39 734	53.77 732	24.25 735	28.44 734	20.96 737	21.82 733	20.70 729	23.84 731	23.49 734	27.14 731	14.04 725	17.79 734	11.75 725	14.15 731	14.65 723	14.89 725

Hybrid-DGEV	22.47 732	17.40 733	16.14 726	22.00 726	23.29 731	38.36 732	53.80 734	24.43 738	28.63 737	20.59 731	21.81 732	20.88 731	23.91 733	23.45 733	27.42 735	14.08 729	17.69 729	11.83 727	14.06 730	14.65 723	14.93 727

Selective-RAFT-Error	22.47 732	17.37 732	16.09 725	22.06 730	23.34 734	38.39 734	53.83 738	24.29 737	28.47 735	20.74 735	21.83 734	20.81 730	23.90 732	23.54 736	27.53 738	14.08 729	17.69 729	11.82 726	14.00 725	14.69 726	15.00 731

fast-reg	22.85 734	17.43 734	19.15 729	22.22 733	24.34 735	38.36 732	53.78 733	24.23 734	28.52 736	20.55 730	22.05 735	20.54 728	23.77 730	23.21 729	27.31 732	14.18 732	17.47 728	14.33 732	14.96 732	15.81 730	14.81 724

LSM0	22.87 735	17.28 727	18.96 728	22.19 732	29.04 737	38.42 736	53.71 731	24.28 736	28.31 730	20.78 736	21.00 726	21.43 735	24.16 737	23.50 735	27.39 734	14.09 731	17.38 727	11.84 731	14.04 729	14.73 729	14.89 725

AVERAGE_ROB	24.90 736	29.20 737	28.14 734	24.89 734	24.64 736	17.75 721	11.12 715	21.45 730	19.93 729	25.12 738	24.46 736	25.12 738	25.46 738	24.69 737	22.83 730	29.76 736	27.13 736	28.97 738	27.95 738	29.91 736	29.47 737

test_example2	98.32 737	94.13 738	45.89 735	96.35 735	109.85 738	88.61 737	95.45 739	25.75 739	94.37 739	130.00 740	126.06 739	58.17 739	74.63 739	88.51 738	79.96 739	150.23 739	221.02 739	77.62 739	99.10 739	113.75 739	96.94 738

GS-Stereo							0.14 246	0.11 58	0.12 147	0.08 129	0.10 194	0.05 5	0.05 14	0.11 197	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.05 204

FSD					0.22 656	0.25 595	0.25 622	0.27 496	0.26 485	0.25 573	0.26 510	0.25 533	0.27 605	0.27 598	0.24 592	0.21 659	0.20 658	0.27 661	0.26 664	0.25 664

ccccc		285.66 739		368.85 738	370.60 739	123.16 739		115.05 740		126.68 739		122.83 740		252.94 740		384.56 740	353.86 740	254.69 740	223.00 740	425.87 740

ASD4		3.38 710

Low-res two-view benchmark