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

DepthFocus	0.08 83	0.04 1	0.15 423	0.12 5	0.09 338	0.07 42	0.12 96	0.10 33	0.05 4	0.09 179	0.05 7	0.07 123	0.04 1	0.08 25	0.08 25	0.06 167	0.05 268	0.07 298	0.07 378	0.05 167	0.04 72

Selective-IGEV-i32	0.07 7	0.06 106	0.08 56	0.17 295	0.06 27	0.08 82	0.12 96	0.13 111	0.07 15	0.08 127	0.07 64	0.06 42	0.04 1	0.10 121	0.09 102	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

MatchStereo	0.07 7	0.04 1	0.08 56	0.14 59	0.06 27	0.05 4	0.12 96	0.12 83	0.09 50	0.07 73	0.06 23	0.04 1	0.04 1	0.08 25	0.09 102	0.06 167	0.05 268	0.05 47	0.03 1	0.04 48	0.04 72
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
GASTEREO	0.08 83	0.05 40	0.09 121	0.19 454	0.07 131	0.07 42	0.12 96	0.14 142	0.11 104	0.10 224	0.09 156	0.07 123	0.04 1	0.12 289	0.08 25	0.06 167	0.05 268	0.05 47	0.04 58	0.04 48	0.05 203

MSCF	0.08 83	0.05 40	0.08 56	0.19 454	0.08 211	0.06 13	0.12 96	0.14 142	0.11 104	0.10 224	0.09 156	0.07 123	0.04 1	0.11 195	0.08 25	0.06 167	0.05 268	0.05 47	0.04 58	0.05 167	0.05 203

LG-Stereo_L1	0.07 7	0.05 40	0.11 243	0.14 59	0.06 27	0.07 42	0.13 169	0.09 20	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 47	0.03 1	0.04 48	0.04 72

MLG-Stereo_test2	0.06 1	0.04 1	0.10 185	0.15 112	0.05 2	0.07 42	0.11 64	0.09 20	0.04 2	0.06 24	0.05 7	0.06 42	0.04 1	0.08 25	0.09 102	0.06 167	0.04 25	0.05 47	0.03 1	0.05 167	0.05 203

SCV	0.08 83	0.09 423	0.08 56	0.15 112	0.08 211	0.10 198	0.13 169	0.10 33	0.12 141	0.07 73	0.07 64	0.06 42	0.04 1	0.09 58	0.08 25	0.05 51	0.04 25	0.06 187	0.04 58	0.06 289	0.04 72

FoundationStereo	0.06 1	0.04 1	0.08 56	0.12 5	0.05 2	0.09 135	0.13 169	0.06 1	0.09 50	0.05 2	0.05 7	0.06 42	0.04 1	0.06 1	0.07 1	0.06 167	0.04 25	0.05 47	0.03 1	0.05 167	0.04 72

AIO_rvc	0.07 7	0.06 106	0.08 56	0.15 112	0.06 27	0.08 82	0.14 234	0.09 20	0.08 24	0.07 73	0.08 121	0.07 123	0.04 1	0.10 121	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

GIP-stereo	0.08 83	0.06 106	0.11 243	0.14 59	0.06 27	0.09 135	0.13 169	0.14 142	0.11 104	0.07 73	0.08 121	0.05 5	0.04 1	0.10 121	0.07 1	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

IGEV-BASED-STEREO-	0.09 171	0.10 485	0.31 598	0.15 112	0.06 27	0.08 82	0.14 234	0.10 33	0.10 73	0.07 73	0.07 64	0.06 42	0.04 1	0.11 195	0.07 1	0.12 569	0.04 25	0.07 298	0.05 189	0.05 167	0.05 203

Selective-IGEV	0.07 7	0.06 106	0.08 56	0.17 295	0.06 27	0.08 82	0.12 96	0.13 111	0.07 15	0.08 127	0.07 64	0.06 42	0.04 1	0.10 121	0.09 102	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

MGA	0.07 7	0.04 1	0.10 185	0.13 16	0.06 27	0.08 82	0.09 20	0.12 83	0.08 24	0.05 2	0.06 23	0.06 42	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.05 47	0.03 1	0.05 167	0.05 203

CAR	0.07 7	0.05 40	0.08 56	0.14 59	0.06 27	0.07 42	0.08 7	0.12 83	0.08 24	0.05 2	0.06 23	0.05 5	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

MSE-Stereo	0.07 7	0.04 1	0.08 56	0.13 16	0.06 27	0.07 42	0.08 7	0.12 83	0.08 24	0.05 2	0.06 23	0.05 5	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

aanet-new-40k	0.07 7	0.08 343	0.07 11	0.17 295	0.07 131	0.08 82	0.13 169	0.10 33	0.10 73	0.07 73	0.08 121	0.06 42	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

aanet-new-36k	0.08 83	0.06 106	0.09 121	0.17 295	0.06 27	0.09 135	0.13 169	0.11 56	0.13 183	0.08 127	0.08 121	0.06 42	0.05 14	0.09 58	0.08 25	0.04 11	0.04 25	0.05 47	0.04 58	0.03 1	0.03 2

aanet-new-34k	0.08 83	0.06 106	0.09 121	0.17 295	0.05 2	0.07 42	0.13 169	0.12 83	0.12 141	0.09 179	0.08 121	0.07 123	0.05 14	0.10 121	0.09 102	0.04 11	0.04 25	0.05 47	0.04 58	0.03 1	0.03 2

GCAP-Stereo-DPT26K	0.07 7	0.06 106	0.07 11	0.16 208	0.06 27	0.08 82	0.12 96	0.10 33	0.08 24	0.06 24	0.09 156	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 47	0.04 58	0.03 1	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 40	0.11 243	0.15 112	0.06 27	0.07 42	0.13 169	0.09 20	0.11 104	0.07 73	0.08 121	0.06 42	0.05 14	0.09 58	0.07 1	0.05 51	0.05 268	0.05 47	0.04 58	0.03 1	0.04 72

GCAP-Stereo-DPT-24K	0.07 7	0.06 106	0.07 11	0.15 112	0.06 27	0.10 198	0.15 318	0.12 83	0.11 104	0.06 24	0.11 242	0.06 42	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.03 1	0.03 2

GCAP-Stereo-DPT-50K	0.08 83	0.06 106	0.17 489	0.15 112	0.06 27	0.06 13	0.13 169	0.13 111	0.13 183	0.07 73	0.07 64	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 47	0.04 58	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 83	0.06 106	0.07 11	0.16 208	0.06 27	0.06 13	0.14 234	0.14 142	0.14 215	0.07 73	0.10 192	0.06 42	0.05 14	0.09 58	0.09 102	0.04 11	0.04 25	0.04 1	0.04 58	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 121	0.13 16	0.05 2	0.08 82	0.11 64	0.06 1	0.06 6	0.06 24	0.05 7	0.08 182	0.05 14	0.08 25	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.05 167	0.04 72

PSi22b	0.06 1	0.04 1	0.09 121	0.13 16	0.05 2	0.08 82	0.11 64	0.06 1	0.06 6	0.06 24	0.06 23	0.08 182	0.05 14	0.08 25	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.05 167	0.04 72

PSi22a	0.06 1	0.04 1	0.09 121	0.12 5	0.05 2	0.06 13	0.11 64	0.06 1	0.06 6	0.06 24	0.06 23	0.06 42	0.05 14	0.08 25	0.09 102	0.07 335	0.04 25	0.04 1	0.03 1	0.05 167	0.04 72

Foundation-i32	0.06 1	0.04 1	0.09 121	0.13 16	0.04 1	0.06 13	0.12 96	0.06 1	0.05 4	0.06 24	0.05 7	0.05 5	0.05 14	0.07 4	0.09 102	0.06 167	0.04 25	0.05 47	0.03 1	0.04 48	0.04 72

Test_v1	0.07 7	0.04 1	0.06 5	0.13 16	0.06 27	0.08 82	0.11 64	0.15 184	0.12 141	0.06 24	0.05 7	0.04 1	0.05 14	0.08 25	0.10 206	0.07 335	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

Pro-Stereo	0.07 7	0.05 40	0.08 56	0.15 112	0.07 131	0.08 82	0.12 96	0.07 7	0.07 15	0.06 24	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.06 187	0.05 189	0.04 48	0.04 72

BStereo	0.08 83	0.06 106	0.16 459	0.15 112	0.08 211	0.07 42	0.09 20	0.15 184	0.16 277	0.06 24	0.07 64	0.07 123	0.05 14	0.09 58	0.11 286	0.04 11	0.05 268	0.05 47	0.07 378	0.04 48	0.04 72

Wave_Phase_stereo	0.09 171	0.06 106	0.16 459	0.15 112	0.08 211	0.11 250	0.09 20	0.18 295	0.16 277	0.06 24	0.07 64	0.07 123	0.05 14	0.09 58	0.11 286	0.04 11	0.05 268	0.05 47	0.07 378	0.04 48	0.04 72

VIP-Stereo	0.07 7	0.07 224	0.07 11	0.15 112	0.06 27	0.12 302	0.10 35	0.11 56	0.11 104	0.06 24	0.07 64	0.06 42	0.05 14	0.10 121	0.08 25	0.05 51	0.04 25	0.05 47	0.03 1	0.03 1	0.02 1

GEAStereo	0.08 83	0.05 40	0.08 56	0.13 16	0.08 211	0.08 82	0.14 234	0.10 33	0.09 50	0.08 127	0.10 192	0.06 42	0.05 14	0.11 195	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.05 203

GSStereo	0.08 83	0.05 40	0.08 56	0.13 16	0.08 211	0.08 82	0.14 234	0.11 56	0.12 141	0.08 127	0.10 192	0.05 5	0.05 14	0.11 195	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.05 203

GS-Stereo							0.14 234	0.11 56	0.12 141	0.08 127	0.10 192	0.05 5	0.05 14	0.11 195	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.05 203

gasm-f	0.08 83	0.05 40	0.07 11	0.13 16	0.08 211	0.08 82	0.14 234	0.10 33	0.09 50	0.08 127	0.10 192	0.06 42	0.05 14	0.10 121	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.06 289	0.05 203

252Zero-FE	0.08 83	0.04 1	0.09 121	0.13 16	0.07 131	0.12 302	0.11 64	0.13 111	0.14 215	0.06 24	0.05 7	0.06 42	0.05 14	0.09 58	0.10 206	0.06 167	0.04 25	0.04 1	0.03 1	0.05 167	0.06 303

asda	0.07 7	0.08 343	0.08 56	0.16 208	0.06 27	0.06 13	0.10 35	0.16 222	0.10 73	0.06 24	0.06 23	0.05 5	0.05 14	0.10 121	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

IGEV	0.07 7	0.04 1	0.08 56	0.13 16	0.06 27	0.09 135	0.12 96	0.14 142	0.10 73	0.06 24	0.09 156	0.07 123	0.05 14	0.09 58	0.09 102	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

111111	0.07 7	0.04 1	0.09 121	0.17 295	0.06 27	0.05 4	0.10 35	0.11 56	0.09 50	0.06 24	0.06 23	0.07 123	0.05 14	0.09 58	0.09 102	0.06 167	0.04 25	0.05 47	0.04 58	0.07 369	0.06 303

LG-Stereo_L2	0.07 7	0.05 40	0.10 185	0.14 59	0.06 27	0.07 42	0.12 96	0.09 20	0.09 50	0.06 24	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 47	0.03 1	0.04 48	0.03 2

MLG-Stereo_test1	0.06 1	0.05 40	0.08 56	0.17 295	0.05 2	0.06 13	0.11 64	0.08 11	0.03 1	0.05 2	0.04 1	0.06 42	0.05 14	0.09 58	0.09 102	0.05 51	0.04 25	0.05 47	0.03 1	0.04 48	0.04 72

MLG-Stereo	0.07 7	0.05 40	0.08 56	0.17 295	0.05 2	0.07 42	0.11 64	0.08 11	0.04 2	0.05 2	0.04 1	0.06 42	0.05 14	0.10 121	0.09 102	0.05 51	0.04 25	0.05 47	0.03 1	0.04 48	0.04 72

LG-Stereo_Zeroshot	0.07 7	0.06 106	0.10 185	0.16 208	0.07 131	0.04 1	0.13 169	0.10 33	0.10 73	0.05 2	0.11 242	0.07 123	0.05 14	0.07 4	0.09 102	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

HART	0.08 83	0.07 224	0.09 121	0.17 295	0.07 131	0.10 198	0.16 387	0.13 111	0.11 104	0.08 127	0.10 192	0.07 123	0.05 14	0.10 121	0.08 25	0.05 51	0.04 25	0.06 187	0.04 58	0.05 167	0.04 72

GREAT-IGEV	0.07 7	0.06 106	0.08 56	0.13 16	0.07 131	0.07 42	0.14 234	0.09 20	0.09 50	0.06 24	0.07 64	0.06 42	0.05 14	0.10 121	0.07 1	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
SCV_C0	0.08 83	0.07 224	0.07 11	0.16 208	0.09 338	0.08 82	0.15 318	0.11 56	0.12 141	0.08 127	0.07 64	0.06 42	0.05 14	0.11 195	0.07 1	0.05 51	0.05 268	0.05 47	0.04 58	0.06 289	0.05 203

DEFOM-Stereo_RVC	0.08 83	0.06 106	0.09 121	0.22 569	0.06 27	0.08 82	0.12 96	0.10 33	0.10 73	0.07 73	0.07 64	0.06 42	0.05 14	0.11 195	0.09 102	0.06 167	0.04 25	0.05 47	0.03 1	0.06 289	0.04 72

StereoAnything_RVC	0.07 7	0.15 579	0.17 489	0.11 1	0.05 2	0.05 4	0.11 64	0.08 11	0.08 24	0.06 24	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.08 412	0.04 25	0.05 47	0.03 1	0.05 167	0.04 72

AIO_test	0.07 7	0.05 40	0.07 11	0.15 112	0.07 131	0.06 13	0.14 234	0.10 33	0.10 73	0.07 73	0.07 64	0.06 42	0.05 14	0.08 25	0.10 206	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

AIO-test2	0.10 240	0.08 343	0.10 185	0.23 593	0.08 211	0.11 250	0.10 35	0.23 404	0.23 421	0.08 127	0.09 156	0.08 182	0.05 14	0.10 121	0.08 25	0.06 167	0.05 268	0.08 392	0.09 498	0.05 167	0.05 203

DEFOM-Stereo	0.07 7	0.05 40	0.07 11	0.14 59	0.06 27	0.10 198	0.13 169	0.07 7	0.13 183	0.06 24	0.07 64	0.06 42	0.05 14	0.10 121	0.09 102	0.04 11	0.04 25	0.05 47	0.03 1	0.04 48	0.04 72

dual_stereo	0.07 7	0.04 1	0.08 56	0.15 112	0.05 2	0.05 4	0.13 169	0.12 83	0.08 24	0.07 73	0.06 23	0.05 5	0.05 14	0.07 4	0.09 102	0.06 167	0.04 25	0.05 47	0.03 1	0.04 48	0.04 72

Occ-G	0.08 83	0.05 40	0.06 5	0.14 59	0.07 131	0.08 82	0.14 234	0.13 111	0.15 240	0.07 73	0.11 242	0.07 123	0.05 14	0.09 58	0.10 206	0.06 167	0.05 268	0.05 47	0.04 58	0.05 167	0.05 203

U	0.08 83	0.07 224	0.09 121	0.19 454	0.10 450	0.10 198	0.13 169	0.12 83	0.17 306	0.07 73	0.07 64	0.06 42	0.05 14	0.07 4	0.08 25	0.06 167	0.04 25	0.06 187	0.04 58	0.06 289	0.05 203

AIO-Stereo	0.08 83	0.06 106	0.09 121	0.18 385	0.06 27	0.08 82	0.12 96	0.15 184	0.09 50	0.08 127	0.08 121	0.07 123	0.05 14	0.11 195	0.08 25	0.05 51	0.05 268	0.05 47	0.04 58	0.04 48	0.04 72

RSM++	0.08 83	0.06 106	0.09 121	0.17 295	0.07 131	0.09 135	0.12 96	0.11 56	0.11 104	0.08 127	0.06 23	0.07 123	0.05 14	0.10 121	0.09 102	0.04 11	0.04 25	0.06 187	0.05 189	0.05 167	0.03 2

RSM	0.08 83	0.06 106	0.09 121	0.17 295	0.06 27	0.08 82	0.12 96	0.12 83	0.10 73	0.08 127	0.07 64	0.06 42	0.05 14	0.11 195	0.09 102	0.04 11	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

GCAPDPT-zeroshot4090	0.07 7	0.05 40	0.11 243	0.15 112	0.06 27	0.07 42	0.13 169	0.09 20	0.11 104	0.07 73	0.08 121	0.06 42	0.05 14	0.09 58	0.07 1	0.05 51	0.05 268	0.05 47	0.04 58	0.03 1	0.04 72

MIM_Stereo	0.09 171	0.07 224	0.11 243	0.15 112	0.07 131	0.06 13	0.12 96	0.20 336	0.14 215	0.13 330	0.13 282	0.09 218	0.05 14	0.12 289	0.08 25	0.05 51	0.06 415	0.07 298	0.06 280	0.06 289	0.05 203

EGLCR-Stereo	0.08 83	0.05 40	0.08 56	0.14 59	0.06 27	0.10 198	0.12 96	0.11 56	0.16 277	0.06 24	0.05 7	0.07 123	0.05 14	0.10 121	0.11 286	0.06 167	0.04 25	0.06 187	0.05 189	0.04 48	0.04 72

CroCo-Stereo Lap2	0.09 171	0.09 423	0.08 56	0.22 569	0.09 338	0.09 135	0.19 518	0.16 222	0.12 141	0.09 179	0.10 192	0.05 5	0.05 14	0.08 25	0.08 25	0.06 167	0.06 415	0.07 298	0.05 189	0.05 167	0.05 203

iRaft-Stereo_20w	0.09 171	0.05 40	0.13 338	0.14 59	0.08 211	0.12 302	0.15 318	0.18 295	0.10 73	0.11 259	0.08 121	0.08 182	0.05 14	0.10 121	0.09 102	0.06 167	0.04 25	0.06 187	0.05 189	0.06 289	0.05 203

quiztm	0.08 83	0.07 224	0.08 56	0.18 385	0.07 131	0.09 135	0.14 234	0.14 142	0.12 141	0.07 73	0.07 64	0.05 5	0.06 65	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.04 58	0.04 48	0.03 2

monster-pro	0.07 7	0.06 106	0.05 1	0.15 112	0.05 2	0.07 42	0.10 35	0.15 184	0.15 240	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DN	0.10 240	0.05 40	0.09 121	0.14 59	0.09 338	0.12 302	0.18 478	0.17 261	0.16 277	0.08 127	0.09 156	0.08 182	0.06 65	0.08 25	0.09 102	0.11 544	0.05 268	0.07 298	0.06 280	0.07 369	0.09 500

aanet-new-90k	0.08 83	0.07 224	0.08 56	0.19 454	0.06 27	0.07 42	0.12 96	0.12 83	0.13 183	0.06 24	0.07 64	0.06 42	0.06 65	0.10 121	0.07 1	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.03 2

aanet-new-60k	0.07 7	0.07 224	0.08 56	0.18 385	0.06 27	0.07 42	0.10 35	0.09 20	0.14 215	0.07 73	0.07 64	0.06 42	0.06 65	0.11 195	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

aanet-new-70k	0.07 7	0.06 106	0.09 121	0.17 295	0.06 27	0.08 82	0.12 96	0.11 56	0.10 73	0.06 24	0.07 64	0.07 123	0.06 65	0.10 121	0.07 1	0.04 11	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 224	0.09 121	0.19 454	0.06 27	0.07 42	0.12 96	0.11 56	0.13 183	0.06 24	0.07 64	0.06 42	0.06 65	0.09 58	0.07 1	0.04 11	0.04 25	0.05 47	0.04 58	0.05 167	0.03 2

aanet-new-32k	0.08 83	0.07 224	0.09 121	0.18 385	0.06 27	0.11 250	0.11 64	0.10 33	0.08 24	0.07 73	0.07 64	0.07 123	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

aanet-new-30k	0.08 83	0.07 224	0.09 121	0.18 385	0.06 27	0.11 250	0.11 64	0.10 33	0.08 24	0.07 73	0.07 64	0.07 123	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

aanet-new-28k	0.08 83	0.07 224	0.09 121	0.18 385	0.06 27	0.08 82	0.12 96	0.10 33	0.09 50	0.09 179	0.08 121	0.08 182	0.06 65	0.12 289	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

aanet-new-22k	0.08 83	0.06 106	0.09 121	0.17 295	0.06 27	0.08 82	0.11 64	0.14 142	0.12 141	0.09 179	0.09 156	0.08 182	0.06 65	0.10 121	0.08 25	0.04 11	0.04 25	0.05 47	0.04 58	0.03 1	0.03 2

aanet-new-16k	0.08 83	0.08 343	0.08 56	0.18 385	0.06 27	0.07 42	0.09 20	0.13 111	0.12 141	0.08 127	0.07 64	0.07 123	0.06 65	0.09 58	0.08 25	0.04 11	0.04 25	0.05 47	0.04 58	0.05 167	0.03 2

aanet-new-14k	0.08 83	0.09 423	0.08 56	0.19 454	0.06 27	0.07 42	0.10 35	0.14 142	0.15 240	0.06 24	0.08 121	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

aanet-new-8k	0.08 83	0.07 224	0.08 56	0.19 454	0.07 131	0.09 135	0.12 96	0.16 222	0.15 240	0.07 73	0.07 64	0.06 42	0.06 65	0.10 121	0.08 25	0.04 11	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

GCAP-Stereo-cres-4k	0.08 83	0.07 224	0.08 56	0.18 385	0.07 131	0.11 250	0.14 234	0.12 83	0.11 104	0.07 73	0.11 242	0.07 123	0.06 65	0.09 58	0.08 25	0.04 11	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

GCAP-Stereo-DPT-cres	0.08 83	0.05 40	0.07 11	0.15 112	0.06 27	0.10 198	0.14 234	0.13 111	0.12 141	0.07 73	0.09 156	0.07 123	0.06 65	0.10 121	0.09 102	0.05 51	0.04 25	0.05 47	0.04 58	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 83	0.06 106	0.15 423	0.14 59	0.06 27	0.08 82	0.13 169	0.13 111	0.11 104	0.07 73	0.08 121	0.07 123	0.06 65	0.09 58	0.08 25	0.05 51	0.05 268	0.05 47	0.04 58	0.03 1	0.04 72

GCAP-Stereo-DPT-22K	0.08 83	0.06 106	0.07 11	0.17 295	0.06 27	0.07 42	0.14 234	0.13 111	0.16 277	0.05 2	0.10 192	0.06 42	0.06 65	0.08 25	0.08 25	0.04 11	0.04 25	0.05 47	0.04 58	0.03 1	0.04 72

GCAP-Stereo-DPT-5K	0.08 83	0.06 106	0.10 185	0.16 208	0.07 131	0.11 250	0.12 96	0.15 184	0.15 240	0.08 127	0.12 263	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 187	0.05 189	0.03 1	0.04 72

GCAP-Stereo-DPT-2K	0.08 83	0.06 106	0.10 185	0.16 208	0.07 131	0.11 250	0.13 169	0.14 142	0.14 215	0.08 127	0.13 282	0.05 5	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.03 1	0.04 72

GCAP-Stereo-DPT-3K	0.08 83	0.07 224	0.10 185	0.16 208	0.07 131	0.09 135	0.12 96	0.15 184	0.14 215	0.08 127	0.11 242	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.03 1	0.04 72

GCAP-Stereo-DPT-FT	0.08 83	0.05 40	0.12 288	0.15 112	0.06 27	0.10 198	0.14 234	0.12 83	0.12 141	0.07 73	0.09 156	0.06 42	0.06 65	0.10 121	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

PSi22	0.08 83	0.06 106	0.11 243	0.16 208	0.07 131	0.08 82	0.10 35	0.14 142	0.08 24	0.08 127	0.06 23	0.10 253	0.06 65	0.12 289	0.09 102	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 72

Foundation-i1b	0.08 83	0.05 40	0.07 11	0.14 59	0.05 2	0.09 135	0.12 96	0.13 111	0.10 73	0.09 179	0.10 192	0.09 218	0.06 65	0.07 4	0.09 102	0.06 167	0.04 25	0.05 47	0.04 58	0.03 1	0.03 2

Foundation-i1a	0.08 83	0.05 40	0.07 11	0.13 16	0.05 2	0.13 353	0.13 169	0.12 83	0.09 50	0.11 259	0.11 242	0.11 283	0.06 65	0.08 25	0.09 102	0.06 167	0.04 25	0.05 47	0.03 1	0.04 48	0.04 72

Selective-IGEV-i16pc	0.13 385	0.06 106	0.13 338	0.15 112	0.11 500	0.38 642	0.16 387	0.23 404	0.16 277	0.10 224	0.15 313	0.09 218	0.06 65	0.13 341	0.10 206	0.10 513	0.08 517	0.06 187	0.07 378	0.09 496	0.09 500

gcap_with_dpt	0.08 83	0.06 106	0.09 121	0.16 208	0.07 131	0.09 135	0.12 96	0.13 111	0.13 183	0.08 127	0.12 263	0.04 1	0.06 65	0.10 121	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.03 1	0.04 72

DispViT+	0.08 83	0.05 40	0.09 121	0.13 16	0.06 27	0.05 4	0.11 64	0.18 295	0.16 277	0.09 179	0.08 121	0.07 123	0.06 65	0.11 195	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

BLMT-Stereo	0.07 7	0.04 1	0.08 56	0.15 112	0.07 131	0.06 13	0.14 234	0.07 7	0.10 73	0.05 2	0.05 7	0.04 1	0.06 65	0.07 4	0.09 102	0.04 11	0.04 25	0.05 47	0.05 189	0.04 48	0.04 72

WQFJA1++	0.08 83	0.04 1	0.11 243	0.14 59	0.07 131	0.11 250	0.11 64	0.11 56	0.07 15	0.07 73	0.07 64	0.07 123	0.06 65	0.10 121	0.10 206	0.06 167	0.04 25	0.05 47	0.04 58	0.06 289	0.06 303

DLNR-FE	10.43 704	1.83 695	19.53 719	120.75 723	13.06 711	0.06 13	0.13 169	0.23 404	0.10 73	0.07 73	0.10 192	0.09 218	0.06 65	0.10 121	0.09 102	0.13 595	0.04 25	0.06 187	0.04 58	52.01 725	0.04 72

Select-FE	0.11 288	0.06 106	0.20 537	0.15 112	0.11 500	0.11 250	0.13 169	0.21 359	0.18 337	0.09 179	0.11 242	0.10 253	0.06 65	0.12 289	0.09 102	0.07 335	0.05 268	0.07 298	0.08 451	0.06 289	0.08 456

IGEV-FE	0.09 171	0.05 40	0.12 288	0.13 16	0.08 211	0.12 302	0.13 169	0.17 261	0.11 104	0.10 224	0.06 23	0.09 218	0.06 65	0.11 195	0.09 102	0.06 167	0.04 25	0.06 187	0.06 280	0.05 167	0.05 203

DDF-Stereo	0.08 83	0.04 1	0.09 121	0.15 112	0.10 450	0.06 13	0.13 169	0.09 20	0.14 215	0.06 24	0.06 23	0.07 123	0.06 65	0.09 58	0.10 206	0.06 167	0.04 25	0.06 187	0.04 58	0.08 433	0.05 203

Zero-FE251	0.07 7	0.05 40	0.09 121	0.13 16	0.06 27	0.12 302	0.12 96	0.11 56	0.10 73	0.07 73	0.08 121	0.06 42	0.06 65	0.09 58	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

MonStereo	0.07 7	0.06 106	0.05 1	0.15 112	0.05 2	0.08 82	0.10 35	0.15 184	0.15 240	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 106	0.05 1	0.15 112	0.05 2	0.08 82	0.10 35	0.15 184	0.15 240	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 121	0.13 16	0.06 27	0.05 4	0.09 20	0.11 56	0.07 15	0.06 24	0.06 23	0.05 5	0.06 65	0.09 58	0.09 102	0.06 167	0.04 25	0.04 1	0.03 1	0.05 167	0.05 203

Replicate-Monster	0.07 7	0.05 40	0.09 121	0.14 59	0.06 27	0.08 82	0.09 20	0.13 111	0.13 183	0.05 2	0.07 64	0.06 42	0.06 65	0.08 25	0.10 206	0.05 51	0.04 25	0.05 47	0.03 1	0.04 48	0.04 72

zero-FE	0.08 83	0.04 1	0.09 121	0.15 112	0.10 450	0.05 4	0.14 234	0.09 20	0.14 215	0.07 73	0.06 23	0.07 123	0.06 65	0.09 58	0.10 206	0.06 167	0.04 25	0.06 187	0.04 58	0.08 433	0.05 203

AdaDepth	0.07 7	0.06 106	0.07 11	0.18 385	0.06 27	0.11 250	0.12 96	0.09 20	0.07 15	0.06 24	0.05 7	0.07 123	0.06 65	0.09 58	0.10 206	0.04 11	0.05 268	0.05 47	0.04 58	0.04 48	0.04 72

S2M2_XL	0.08 83	0.06 106	0.12 288	0.12 5	0.08 211	0.09 135	0.09 20	0.07 7	0.07 15	0.08 127	0.07 64	0.07 123	0.06 65	0.09 58	0.09 102	0.08 412	0.06 415	0.07 298	0.05 189	0.08 433	0.06 303
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
asd	0.07 7	0.08 343	0.07 11	0.16 208	0.07 131	0.08 82	0.08 7	0.11 56	0.08 24	0.07 73	0.07 64	0.06 42	0.06 65	0.10 121	0.09 102	0.03 1	0.03 1	0.04 1	0.04 58	0.04 48	0.03 2

qwe	0.07 7	0.08 343	0.07 11	0.15 112	0.06 27	0.07 42	0.10 35	0.18 295	0.11 104	0.07 73	0.07 64	0.06 42	0.06 65	0.10 121	0.09 102	0.03 1	0.03 1	0.04 1	0.04 58	0.04 48	0.03 2

2.25w	0.07 7	0.06 106	0.07 11	0.14 59	0.06 27	0.08 82	0.08 7	0.10 33	0.15 240	0.08 127	0.10 192	0.07 123	0.06 65	0.08 25	0.10 206	0.05 51	0.03 1	0.04 1	0.04 58	0.03 1	0.04 72

4.25_new	0.07 7	0.08 343	0.09 121	0.15 112	0.06 27	0.09 135	0.08 7	0.14 142	0.08 24	0.07 73	0.07 64	0.06 42	0.06 65	0.12 289	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 343	0.09 121	0.15 112	0.06 27	0.09 135	0.08 7	0.14 142	0.08 24	0.07 73	0.07 64	0.06 42	0.06 65	0.12 289	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 423	0.08 56	0.15 112	0.07 131	0.06 13	0.10 35	0.14 142	0.11 104	0.06 24	0.08 121	0.06 42	0.06 65	0.08 25	0.10 206	0.03 1	0.03 1	0.04 1	0.04 58	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 423	0.08 56	0.15 112	0.07 131	0.06 13	0.10 35	0.14 142	0.11 104	0.06 24	0.08 121	0.06 42	0.06 65	0.08 25	0.10 206	0.03 1	0.03 1	0.04 1	0.04 58	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 343	0.09 121	0.15 112	0.06 27	0.09 135	0.08 7	0.14 142	0.08 24	0.07 73	0.07 64	0.06 42	0.06 65	0.12 289	0.10 206	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 343	0.08 56	0.16 208	0.06 27	0.07 42	0.08 7	0.12 83	0.08 24	0.07 73	0.07 64	0.05 5	0.06 65	0.09 58	0.10 206	0.03 1	0.03 1	0.04 1	0.04 58	0.04 48	0.03 2

2.5w	0.07 7	0.07 224	0.07 11	0.16 208	0.06 27	0.08 82	0.12 96	0.10 33	0.10 73	0.07 73	0.06 23	0.09 218	0.06 65	0.08 25	0.09 102	0.04 11	0.03 1	0.04 1	0.04 58	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 224	0.07 11	0.13 16	0.06 27	0.08 82	0.08 7	0.18 295	0.12 141	0.07 73	0.08 121	0.06 42	0.06 65	0.09 58	0.11 286	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 72

3.25w_new	0.07 7	0.06 106	0.07 11	0.15 112	0.06 27	0.10 198	0.07 3	0.12 83	0.11 104	0.08 127	0.06 23	0.07 123	0.06 65	0.11 195	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 106	0.07 11	0.15 112	0.06 27	0.10 198	0.07 3	0.12 83	0.11 104	0.08 127	0.06 23	0.07 123	0.06 65	0.11 195	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 224	0.08 56	0.16 208	0.07 131	0.07 42	0.09 20	0.16 222	0.09 50	0.07 73	0.06 23	0.05 5	0.06 65	0.09 58	0.10 206	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3w_stereo	0.08 83	0.09 423	0.10 185	0.17 295	0.07 131	0.08 82	0.10 35	0.20 336	0.13 183	0.06 24	0.07 64	0.05 5	0.06 65	0.08 25	0.09 102	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 83	0.08 343	0.09 121	0.16 208	0.06 27	0.08 82	0.10 35	0.20 336	0.15 240	0.08 127	0.07 64	0.06 42	0.06 65	0.06 1	0.09 102	0.04 11	0.03 1	0.04 1	0.04 58	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 106	0.07 11	0.16 208	0.06 27	0.07 42	0.10 35	0.14 142	0.14 215	0.07 73	0.08 121	0.05 5	0.06 65	0.09 58	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 72

monsters	0.07 7	0.06 106	0.06 5	0.15 112	0.06 27	0.08 82	0.09 20	0.12 83	0.08 24	0.09 179	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 58	0.03 1	0.03 2

MLG-Stereo_test3	0.07 7	0.05 40	0.10 185	0.14 59	0.06 27	0.07 42	0.11 64	0.08 11	0.06 6	0.06 24	0.04 1	0.06 42	0.06 65	0.07 4	0.10 206	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.06 303

LGtest1	0.07 7	0.04 1	0.10 185	0.15 112	0.06 27	0.07 42	0.09 20	0.08 11	0.06 6	0.05 2	0.04 1	0.06 42	0.06 65	0.10 121	0.09 102	0.07 335	0.04 25	0.05 47	0.04 58	0.06 289	0.06 303

MM-Stereo_test3	0.10 240	0.07 224	0.07 11	0.18 385	0.07 131	0.12 302	0.19 518	0.24 428	0.19 356	0.06 24	0.10 192	0.08 182	0.06 65	0.11 195	0.08 25	0.06 167	0.06 415	0.07 298	0.05 189	0.05 167	0.04 72

MM-Stereo_test2	0.09 171	0.06 106	0.09 121	0.19 454	0.08 211	0.12 302	0.18 478	0.15 184	0.14 215	0.07 73	0.10 192	0.07 123	0.06 65	0.12 289	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.05 167	0.03 2

MM-Stereo_test1	0.10 240	0.07 224	0.08 56	0.18 385	0.07 131	0.12 302	0.18 478	0.21 359	0.20 379	0.09 179	0.11 242	0.08 182	0.06 65	0.10 121	0.10 206	0.06 167	0.05 268	0.07 298	0.06 280	0.05 167	0.04 72

HUF	0.08 83	0.05 40	0.08 56	0.14 59	0.06 27	0.09 135	0.13 169	0.13 111	0.13 183	0.07 73	0.07 64	0.08 182	0.06 65	0.10 121	0.09 102	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

castereo++	0.08 83	0.05 40	0.08 56	0.15 112	0.05 2	0.14 387	0.12 96	0.11 56	0.15 240	0.07 73	0.07 64	0.07 123	0.06 65	0.08 25	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

IGEV-RUCA	0.08 83	0.06 106	0.11 243	0.14 59	0.09 338	0.10 198	0.12 96	0.10 33	0.12 141	0.06 24	0.07 64	0.07 123	0.06 65	0.09 58	0.08 25	0.06 167	0.05 268	0.05 47	0.04 58	0.05 167	0.06 303

MonSter	0.07 7	0.06 106	0.05 1	0.15 112	0.05 2	0.07 42	0.10 35	0.15 184	0.15 240	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

fffft	0.09 171	0.06 106	0.12 288	0.16 208	0.07 131	0.09 135	0.17 429	0.12 83	0.11 104	0.08 127	0.07 64	0.09 218	0.06 65	0.11 195	0.12 347	0.05 51	0.04 25	0.06 187	0.05 189	0.04 48	0.05 203
1: 1. 1
tt45	0.09 171	0.06 106	0.11 243	0.15 112	0.07 131	0.11 250	0.16 387	0.13 111	0.11 104	0.09 179	0.06 23	0.08 182	0.06 65	0.13 341	0.10 206	0.06 167	0.04 25	0.06 187	0.05 189	0.05 167	0.06 303

mms	0.09 171	0.07 224	0.08 56	0.16 208	0.08 211	0.10 198	0.16 387	0.12 83	0.11 104	0.08 127	0.09 156	0.08 182	0.06 65	0.11 195	0.12 347	0.05 51	0.04 25	0.07 298	0.05 189	0.04 48	0.03 2

ours_stereo	0.09 171	0.07 224	0.09 121	0.17 295	0.08 211	0.11 250	0.16 387	0.11 56	0.12 141	0.08 127	0.10 192	0.08 182	0.06 65	0.12 289	0.12 347	0.05 51	0.04 25	0.06 187	0.05 189	0.04 48	0.03 2

WCG-NET	0.08 83	0.05 40	0.09 121	0.15 112	0.06 27	0.11 250	0.14 234	0.13 111	0.13 183	0.06 24	0.09 156	0.07 123	0.06 65	0.13 341	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

GCAP-BAT	0.09 171	0.05 40	0.11 243	0.13 16	0.07 131	0.11 250	0.14 234	0.14 142	0.16 277	0.07 73	0.10 192	0.08 182	0.06 65	0.13 341	0.08 25	0.07 335	0.05 268	0.05 47	0.05 189	0.04 48	0.04 72

IGEV-Stereo++	0.07 7	0.06 106	0.08 56	0.18 385	0.06 27	0.04 1	0.10 35	0.11 56	0.11 104	0.06 24	0.07 64	0.07 123	0.06 65	0.09 58	0.09 102	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

RAStereo	0.10 240	0.09 423	0.08 56	0.20 520	0.08 211	0.13 353	0.18 478	0.15 184	0.17 306	0.10 224	0.12 263	0.05 5	0.06 65	0.09 58	0.08 25	0.07 335	0.05 268	0.07 298	0.05 189	0.05 167	0.04 72

Pointernet	0.09 171	0.04 1	0.09 121	0.16 208	0.08 211	0.13 353	0.10 35	0.15 184	0.17 306	0.09 179	0.07 64	0.06 42	0.06 65	0.11 195	0.09 102	0.08 412	0.04 25	0.05 47	0.03 1	0.06 289	0.05 203

IGEV-Stereo+	0.07 7	0.04 1	0.08 56	0.15 112	0.06 27	0.04 1	0.09 20	0.10 33	0.09 50	0.06 24	0.06 23	0.06 42	0.06 65	0.06 1	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.06 289	0.06 303

WCG-NET（raft）	0.08 83	0.05 40	0.10 185	0.15 112	0.06 27	0.11 250	0.13 169	0.15 184	0.12 141	0.08 127	0.07 64	0.06 42	0.06 65	0.13 341	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

RAFT-Stereo-weight	0.09 171	0.06 106	0.10 185	0.16 208	0.07 131	0.09 135	0.14 234	0.19 325	0.16 277	0.11 259	0.10 192	0.08 182	0.06 65	0.10 121	0.11 286	0.06 167	0.04 25	0.06 187	0.04 58	0.04 48	0.04 72

gcap-zeroshot	0.08 83	0.06 106	0.10 185	0.15 112	0.07 131	0.11 250	0.12 96	0.15 184	0.15 240	0.08 127	0.12 263	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 187	0.05 189	0.03 1	0.04 72

test_for_model	0.08 83	0.06 106	0.10 185	0.16 208	0.07 131	0.11 250	0.12 96	0.15 184	0.15 240	0.08 127	0.12 263	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 187	0.05 189	0.03 1	0.04 72

MGS-Stereo	0.09 171	0.07 224	0.12 288	0.15 112	0.08 211	0.09 135	0.15 318	0.12 83	0.12 141	0.07 73	0.10 192	0.08 182	0.06 65	0.10 121	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.06 289	0.05 203

MoCha-V2	0.08 83	0.05 40	0.10 185	0.20 520	0.07 131	0.09 135	0.14 234	0.11 56	0.08 24	0.07 73	0.08 121	0.07 123	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

IGEV++	0.08 83	0.06 106	0.08 56	0.18 385	0.07 131	0.09 135	0.13 169	0.10 33	0.09 50	0.08 127	0.08 121	0.06 42	0.06 65	0.13 341	0.09 102	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

ACVNet-DCA	0.10 240	0.08 343	0.12 288	0.17 295	0.09 338	0.13 353	0.15 318	0.23 404	0.16 277	0.09 179	0.09 156	0.06 42	0.06 65	0.10 121	0.07 1	0.06 167	0.04 25	0.06 187	0.05 189	0.07 369	0.07 390

1test111	0.11 288	0.08 343	0.12 288	0.17 295	0.09 338	0.13 353	0.15 318	0.23 404	0.16 277	0.09 179	0.09 156	0.06 42	0.06 65	0.15 394	0.16 474	0.06 167	0.04 25	0.06 187	0.05 189	0.07 369	0.07 390

cc1	0.10 240	0.08 343	0.12 288	0.17 295	0.09 338	0.13 353	0.15 318	0.16 222	0.18 337	0.09 179	0.09 156	0.06 42	0.06 65	0.10 121	0.07 1	0.06 167	0.04 25	0.06 187	0.05 189	0.06 289	0.06 303

ff7	0.09 171	0.07 224	0.11 243	0.16 208	0.09 338	0.11 250	0.15 318	0.16 222	0.12 141	0.10 224	0.06 23	0.06 42	0.06 65	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.05 167	0.06 303

IGEVStereo-DCA	0.09 171	0.06 106	0.11 243	0.15 112	0.10 450	0.11 250	0.15 318	0.16 222	0.12 141	0.10 224	0.06 23	0.08 182	0.06 65	0.10 121	0.08 25	0.06 167	0.05 268	0.06 187	0.05 189	0.05 167	0.06 303

ffff	0.09 171	0.07 224	0.11 243	0.16 208	0.09 338	0.11 250	0.15 318	0.16 222	0.12 141	0.10 224	0.06 23	0.06 42	0.06 65	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.05 167	0.06 303

rrr	0.09 171	0.06 106	0.12 288	0.15 112	0.10 450	0.11 250	0.16 387	0.16 222	0.15 240	0.10 224	0.06 23	0.08 182	0.06 65	0.10 121	0.08 25	0.06 167	0.05 268	0.06 187	0.05 189	0.05 167	0.06 303

11t	0.09 171	0.07 224	0.11 243	0.16 208	0.09 338	0.11 250	0.15 318	0.16 222	0.12 141	0.10 224	0.06 23	0.06 42	0.06 65	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.05 167	0.06 303

tt1	0.10 240	0.08 343	0.12 288	0.17 295	0.09 338	0.12 302	0.16 387	0.15 184	0.19 356	0.09 179	0.08 121	0.06 42	0.06 65	0.10 121	0.07 1	0.06 167	0.04 25	0.06 187	0.05 189	0.06 289	0.06 303

MaDis-Stereo	0.09 171	0.09 423	0.08 56	0.17 295	0.09 338	0.13 353	0.10 35	0.16 222	0.16 277	0.09 179	0.11 242	0.06 42	0.06 65	0.09 58	0.13 389	0.07 335	0.06 415	0.07 298	0.05 189	0.05 167	0.04 72

IGEV_Zeroshot_test	0.09 171	0.05 40	0.12 288	0.13 16	0.08 211	0.12 302	0.13 169	0.17 261	0.11 104	0.10 224	0.06 23	0.09 218	0.06 65	0.11 195	0.09 102	0.06 167	0.04 25	0.06 187	0.06 280	0.05 167	0.05 203

MSKI-zero shot	0.09 171	0.05 40	0.09 121	0.15 112	0.07 131	0.10 198	0.13 169	0.14 142	0.13 183	0.09 179	0.09 156	0.09 218	0.06 65	0.12 289	0.10 206	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

DLNR_Zeroshot_test	10.40 703	1.82 694	19.49 718	120.77 724	13.11 712	0.06 13	0.13 169	0.23 404	0.10 73	0.07 73	0.10 192	0.09 218	0.06 65	0.10 121	0.09 102	0.13 595	0.04 25	0.06 187	0.04 58	51.54 724	0.04 72

testlalala	0.08 83	0.06 106	0.10 185	0.15 112	0.07 131	0.11 250	0.12 96	0.15 184	0.15 240	0.08 127	0.12 263	0.05 5	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.06 187	0.05 189	0.03 1	0.04 72

GCAPDPT-zeroshot	0.09 171	0.05 40	0.11 243	0.13 16	0.07 131	0.11 250	0.14 234	0.14 142	0.16 277	0.07 73	0.10 192	0.08 182	0.06 65	0.13 341	0.08 25	0.07 335	0.05 268	0.05 47	0.05 189	0.04 48	0.04 72

CAS	0.08 83	0.04 1	0.07 11	0.17 295	0.08 211	0.10 198	0.13 169	0.12 83	0.09 50	0.09 179	0.10 192	0.08 182	0.06 65	0.09 58	0.08 25	0.08 412	0.04 25	0.05 47	0.03 1	0.05 167	0.04 72

anonymousdsp	0.09 171	0.07 224	0.11 243	0.16 208	0.09 338	0.11 250	0.15 318	0.16 222	0.12 141	0.09 179	0.06 23	0.06 42	0.06 65	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.05 167	0.06 303

CES	0.08 83	0.04 1	0.08 56	0.14 59	0.07 131	0.09 135	0.14 234	0.11 56	0.09 50	0.08 127	0.09 156	0.11 283	0.06 65	0.12 289	0.08 25	0.06 167	0.04 25	0.05 47	0.03 1	0.05 167	0.05 203

ProNet	0.09 171	0.07 224	0.10 185	0.17 295	0.08 211	0.10 198	0.15 318	0.15 184	0.12 141	0.09 179	0.06 23	0.07 123	0.06 65	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.04 48	0.06 303

MC-Stereo	0.08 83	0.06 106	0.09 121	0.17 295	0.06 27	0.10 198	0.14 234	0.12 83	0.10 73	0.09 179	0.12 263	0.09 218	0.06 65	0.11 195	0.10 206	0.06 167	0.04 25	0.06 187	0.05 189	0.04 48	0.04 72

ccc-4	0.09 171	0.07 224	0.11 243	0.16 208	0.09 338	0.11 250	0.15 318	0.16 222	0.12 141	0.10 224	0.06 23	0.06 42	0.06 65	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.05 167	0.06 303

IGEV-Stereo	0.09 171	0.07 224	0.11 243	0.16 208	0.09 338	0.11 250	0.15 318	0.16 222	0.12 141	0.09 179	0.06 23	0.06 42	0.06 65	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.05 167	0.06 303
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TRStereo	0.09 171	0.05 40	0.12 288	0.15 112	0.12 534	0.10 198	0.13 169	0.18 295	0.18 337	0.09 179	0.09 156	0.09 218	0.06 65	0.10 121	0.08 25	0.07 335	0.05 268	0.07 298	0.07 378	0.04 48	0.04 72

CroCo-Stereo	0.09 171	0.08 343	0.08 56	0.22 569	0.09 338	0.09 135	0.19 518	0.15 184	0.12 141	0.07 73	0.07 64	0.08 182	0.06 65	0.08 25	0.07 1	0.07 335	0.05 268	0.06 187	0.04 58	0.05 167	0.04 72
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
TANstereo	0.09 171	0.04 1	0.08 56	0.13 16	0.06 27	0.11 250	0.14 234	0.15 184	0.19 356	0.11 259	0.15 313	0.10 253	0.06 65	0.12 289	0.09 102	0.07 335	0.05 268	0.05 47	0.04 58	0.06 289	0.05 203

XX-Stereo	0.09 171	0.05 40	0.08 56	0.17 295	0.09 338	0.15 413	0.12 96	0.20 336	0.10 73	0.10 224	0.14 296	0.07 123	0.06 65	0.12 289	0.08 25	0.06 167	0.05 268	0.06 187	0.06 280	0.04 48	0.04 72

test_xeample3	0.09 171	0.06 106	0.12 288	0.16 208	0.09 338	0.11 250	0.15 318	0.16 222	0.13 183	0.10 224	0.06 23	0.08 182	0.06 65	0.10 121	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.05 167	0.06 303

DNS	0.09 171	0.05 40	0.11 243	0.15 112	0.08 211	0.10 198	0.16 387	0.17 261	0.09 50	0.08 127	0.12 263	0.08 182	0.07 178	0.09 58	0.08 25	0.07 335	0.04 25	0.05 47	0.05 189	0.06 289	0.05 203

aanet-32k-new	0.08 83	0.07 224	0.08 56	0.18 385	0.06 27	0.08 82	0.12 96	0.11 56	0.12 141	0.07 73	0.08 121	0.05 5	0.07 178	0.10 121	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.06 289	0.04 72

aanet-new-24k	0.07 7	0.07 224	0.07 11	0.17 295	0.06 27	0.07 42	0.12 96	0.09 20	0.11 104	0.09 179	0.09 156	0.06 42	0.07 178	0.09 58	0.07 1	0.04 11	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

aanet-new-10k	0.08 83	0.08 343	0.08 56	0.19 454	0.07 131	0.08 82	0.12 96	0.14 142	0.11 104	0.07 73	0.08 121	0.07 123	0.07 178	0.09 58	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

aanet-new-12k	0.08 83	0.09 423	0.07 11	0.20 520	0.08 211	0.08 82	0.13 169	0.12 83	0.13 183	0.08 127	0.08 121	0.05 5	0.07 178	0.09 58	0.08 25	0.04 11	0.04 25	0.05 47	0.04 58	0.06 289	0.04 72

aanet-new	0.08 83	0.09 423	0.10 185	0.18 385	0.08 211	0.10 198	0.12 96	0.15 184	0.12 141	0.08 127	0.08 121	0.05 5	0.07 178	0.10 121	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.06 289	0.04 72

LACA3	0.07 7	0.08 343	0.08 56	0.13 16	0.05 2	0.09 135	0.11 64	0.08 11	0.08 24	0.08 127	0.05 7	0.07 123	0.07 178	0.07 4	0.07 1	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Foundation-i1c-attn	0.08 83	0.05 40	0.07 11	0.14 59	0.05 2	0.09 135	0.12 96	0.12 83	0.10 73	0.09 179	0.10 192	0.10 253	0.07 178	0.07 4	0.10 206	0.06 167	0.04 25	0.05 47	0.04 58	0.03 1	0.03 2

Selective-IGEV-i16pb	0.14 422	0.08 343	0.17 489	0.15 112	0.11 500	0.41 647	0.16 387	0.28 504	0.23 421	0.11 259	0.20 398	0.10 253	0.07 178	0.17 463	0.12 347	0.10 513	0.07 487	0.06 187	0.08 451	0.09 496	0.10 529

Foundation-i1	0.09 171	0.04 1	0.10 185	0.14 59	0.06 27	0.10 198	0.13 169	0.16 222	0.14 215	0.10 224	0.10 192	0.11 283	0.07 178	0.07 4	0.10 206	0.06 167	0.04 25	0.05 47	0.05 189	0.05 167	0.05 203

LACA1	0.07 7	0.07 224	0.07 11	0.14 59	0.05 2	0.09 135	0.11 64	0.10 33	0.07 15	0.05 2	0.05 7	0.06 42	0.07 178	0.08 25	0.09 102	0.06 167	0.04 25	0.04 1	0.04 58	0.03 1	0.04 72

BridgeDepth_RVC	0.07 7	0.04 1	0.09 121	0.11 1	0.05 2	0.10 198	0.10 35	0.14 142	0.09 50	0.06 24	0.07 64	0.06 42	0.07 178	0.07 4	0.10 206	0.06 167	0.04 25	0.04 1	0.04 58	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
HiDET	0.08 83	0.04 1	0.10 185	0.13 16	0.06 27	0.08 82	0.12 96	0.12 83	0.11 104	0.06 24	0.07 64	0.07 123	0.07 178	0.11 195	0.11 286	0.06 167	0.04 25	0.04 1	0.03 1	0.04 48	0.04 72

LCMNet	0.08 83	0.05 40	0.10 185	0.13 16	0.07 131	0.09 135	0.12 96	0.10 33	0.11 104	0.06 24	0.08 121	0.06 42	0.07 178	0.11 195	0.10 206	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.04 72

FE-Mocha	0.09 171	0.06 106	0.14 375	0.16 208	0.09 338	0.10 198	0.15 318	0.18 295	0.16 277	0.10 224	0.09 156	0.07 123	0.07 178	0.09 58	0.09 102	0.06 167	0.04 25	0.06 187	0.06 280	0.05 167	0.05 203

Wavelet-MonSter	0.07 7	0.05 40	0.07 11	0.16 208	0.06 27	0.07 42	0.11 64	0.10 33	0.08 24	0.06 24	0.06 23	0.07 123	0.07 178	0.09 58	0.09 102	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 224	0.07 11	0.15 112	0.07 131	0.09 135	0.06 1	0.13 111	0.11 104	0.07 73	0.07 64	0.06 42	0.07 178	0.10 121	0.09 102	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

monsterstereo	0.07 7	0.06 106	0.06 5	0.16 208	0.06 27	0.08 82	0.10 35	0.16 222	0.11 104	0.07 73	0.08 121	0.06 42	0.07 178	0.08 25	0.09 102	0.04 11	0.04 25	0.05 47	0.04 58	0.03 1	0.03 2

LG-G_1	0.07 7	0.04 1	0.11 243	0.15 112	0.06 27	0.09 135	0.08 7	0.08 11	0.06 6	0.06 24	0.05 7	0.07 123	0.07 178	0.11 195	0.08 25	0.07 335	0.04 25	0.05 47	0.04 58	0.05 167	0.05 203

LG-G	0.07 7	0.04 1	0.11 243	0.15 112	0.06 27	0.09 135	0.08 7	0.08 11	0.06 6	0.06 24	0.05 7	0.07 123	0.07 178	0.11 195	0.08 25	0.07 335	0.04 25	0.05 47	0.04 58	0.05 167	0.05 203

LG-Stereo	0.08 83	0.07 224	0.10 185	0.18 385	0.07 131	0.10 198	0.17 429	0.11 56	0.08 24	0.05 2	0.07 64	0.05 5	0.07 178	0.09 58	0.09 102	0.04 11	0.05 268	0.07 298	0.07 378	0.04 48	0.04 72

AIO-test1	0.10 240	0.07 224	0.10 185	0.23 593	0.07 131	0.09 135	0.13 169	0.21 359	0.14 215	0.11 259	0.12 263	0.09 218	0.07 178	0.11 195	0.09 102	0.06 167	0.05 268	0.09 475	0.10 538	0.03 1	0.06 303

SMoEStereo_RVC	0.08 83	0.06 106	0.12 288	0.16 208	0.07 131	0.09 135	0.14 234	0.11 56	0.13 183	0.09 179	0.07 64	0.07 123	0.07 178	0.12 289	0.10 206	0.05 51	0.04 25	0.06 187	0.05 189	0.04 48	0.04 72

tg	0.10 240	0.06 106	0.10 185	0.18 385	0.08 211	0.11 250	0.16 387	0.20 336	0.12 141	0.08 127	0.11 242	0.11 283	0.07 178	0.11 195	0.10 206	0.05 51	0.04 25	0.08 392	0.08 451	0.04 48	0.04 72

PAM_32	0.09 171	0.05 40	0.17 489	0.15 112	0.08 211	0.10 198	0.15 318	0.14 142	0.15 240	0.09 179	0.08 121	0.09 218	0.07 178	0.14 370	0.08 25	0.06 167	0.05 268	0.06 187	0.06 280	0.05 167	0.06 303

PAM	0.10 240	0.05 40	0.16 459	0.15 112	0.08 211	0.09 135	0.16 387	0.15 184	0.16 277	0.12 300	0.09 156	0.09 218	0.07 178	0.13 341	0.08 25	0.06 167	0.05 268	0.06 187	0.06 280	0.05 167	0.06 303

UGAM-zero	0.09 171	0.05 40	0.15 423	0.15 112	0.08 211	0.09 135	0.13 169	0.19 325	0.15 240	0.11 259	0.15 313	0.07 123	0.07 178	0.09 58	0.09 102	0.06 167	0.05 268	0.06 187	0.05 189	0.05 167	0.06 303

model_zeroshot	0.10 240	0.04 1	0.11 243	0.15 112	0.09 338	0.12 302	0.14 234	0.20 336	0.13 183	0.11 259	0.10 192	0.12 303	0.07 178	0.12 289	0.10 206	0.07 335	0.06 415	0.06 187	0.05 189	0.06 289	0.06 303

AIO-Stereo-zeroshot1	0.11 288	0.05 40	0.14 375	0.15 112	0.20 638	0.09 135	0.17 429	0.21 359	0.15 240	0.11 259	0.14 296	0.10 253	0.07 178	0.10 121	0.08 25	0.06 167	0.05 268	0.07 298	0.07 378	0.07 369	0.09 500

AIO-Stereo-zeroshot	0.11 288	0.05 40	0.11 243	0.15 112	0.13 557	0.13 353	0.16 387	0.23 404	0.17 306	0.10 224	0.12 263	0.10 253	0.07 178	0.11 195	0.09 102	0.06 167	0.05 268	0.06 187	0.06 280	0.07 369	0.08 456

CAS++	0.11 288	0.07 224	0.11 243	0.14 59	0.09 338	0.12 302	0.14 234	0.24 428	0.14 215	0.11 259	0.09 156	0.11 283	0.07 178	0.14 370	0.09 102	0.11 544	0.09 550	0.09 475	0.07 378	0.07 369	0.08 456
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MyStereo07	0.10 240	0.07 224	0.10 185	0.17 295	0.09 338	0.14 387	0.18 478	0.15 184	0.15 240	0.09 179	0.06 23	0.06 42	0.07 178	0.12 289	0.09 102	0.06 167	0.05 268	0.08 392	0.07 378	0.06 289	0.06 303

MyStereo06	0.10 240	0.07 224	0.12 288	0.17 295	0.09 338	0.13 353	0.18 478	0.19 325	0.12 141	0.12 300	0.08 121	0.07 123	0.07 178	0.11 195	0.09 102	0.06 167	0.05 268	0.07 298	0.07 378	0.06 289	0.06 303

UniTT-Stereo	0.09 171	0.07 224	0.08 56	0.18 385	0.08 211	0.13 353	0.11 64	0.12 83	0.11 104	0.10 224	0.12 263	0.05 5	0.07 178	0.09 58	0.09 102	0.07 335	0.05 268	0.05 47	0.05 189	0.05 167	0.05 203

CASnet	0.09 171	0.09 423	0.09 121	0.19 454	0.06 27	0.07 42	0.11 64	0.18 295	0.14 215	0.11 259	0.10 192	0.09 218	0.07 178	0.10 121	0.10 206	0.06 167	0.04 25	0.10 523	0.08 451	0.05 167	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
HH	0.09 171	0.06 106	0.13 338	0.17 295	0.08 211	0.10 198	0.16 387	0.14 142	0.10 73	0.08 127	0.09 156	0.08 182	0.07 178	0.10 121	0.09 102	0.06 167	0.04 25	0.06 187	0.05 189	0.05 167	0.04 72

HanStereo	0.09 171	0.06 106	0.13 338	0.17 295	0.08 211	0.10 198	0.16 387	0.14 142	0.10 73	0.08 127	0.09 156	0.08 182	0.07 178	0.10 121	0.09 102	0.06 167	0.04 25	0.06 187	0.05 189	0.05 167	0.04 72

LL-Strereo2	0.10 240	0.10 485	0.15 423	0.18 385	0.08 211	0.15 413	0.09 20	0.17 261	0.14 215	0.14 352	0.10 192	0.09 218	0.07 178	0.16 429	0.10 206	0.05 51	0.05 268	0.10 523	0.07 378	0.06 289	0.05 203

4D-IteraStereo	0.09 171	0.07 224	0.10 185	0.18 385	0.07 131	0.09 135	0.15 318	0.17 261	0.15 240	0.10 224	0.11 242	0.10 253	0.07 178	0.11 195	0.09 102	0.05 51	0.03 1	0.08 392	0.07 378	0.06 289	0.05 203

RCA-Stereo	0.09 171	0.06 106	0.09 121	0.16 208	0.06 27	0.09 135	0.13 169	0.18 295	0.14 215	0.09 179	0.10 192	0.08 182	0.07 178	0.12 289	0.11 286	0.06 167	0.04 25	0.06 187	0.05 189	0.05 167	0.04 72

RAFT_CTSACE	0.12 359	0.09 423	0.10 185	0.22 569	0.08 211	0.12 302	0.24 595	0.18 295	0.16 277	0.20 496	0.27 507	0.13 329	0.07 178	0.13 341	0.09 102	0.05 51	0.06 415	0.08 392	0.07 378	0.04 48	0.04 72

IPLG	0.10 240	0.07 224	0.15 423	0.17 295	0.08 211	0.11 250	0.14 234	0.20 336	0.15 240	0.12 300	0.17 348	0.07 123	0.07 178	0.14 370	0.13 389	0.06 167	0.04 25	0.06 187	0.05 189	0.04 48	0.04 72

MIPNet	0.11 288	0.08 343	0.14 375	0.17 295	0.09 338	0.12 302	0.14 234	0.20 336	0.24 438	0.11 259	0.10 192	0.09 218	0.07 178	0.13 341	0.12 347	0.06 167	0.04 25	0.06 187	0.05 189	0.04 48	0.04 72

iRaftStereo_RVC	0.10 240	0.07 224	0.09 121	0.17 295	0.09 338	0.11 250	0.17 429	0.18 295	0.12 141	0.09 179	0.12 263	0.10 253	0.07 178	0.11 195	0.10 206	0.05 51	0.04 25	0.08 392	0.08 451	0.04 48	0.04 72

CREStereo++_RVC	0.08 83	0.04 1	0.06 5	0.13 16	0.07 131	0.09 135	0.12 96	0.14 142	0.14 215	0.10 224	0.14 296	0.08 182	0.07 178	0.09 58	0.11 286	0.06 167	0.04 25	0.05 47	0.05 189	0.04 48	0.04 72
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
raftrobust	0.09 171	0.06 106	0.10 185	0.17 295	0.08 211	0.09 135	0.10 35	0.18 295	0.16 277	0.10 224	0.09 156	0.12 303	0.07 178	0.12 289	0.10 206	0.08 412	0.05 268	0.06 187	0.05 189	0.05 167	0.05 203

sCroCo_RVC	0.12 359	0.09 423	0.23 561	0.24 602	0.11 500	0.19 508	0.14 234	0.17 261	0.14 215	0.10 224	0.13 282	0.12 303	0.07 178	0.14 370	0.11 286	0.08 412	0.08 517	0.08 392	0.08 451	0.05 167	0.07 390

EAI-Stereo	0.09 171	0.07 224	0.11 243	0.15 112	0.06 27	0.10 198	0.15 318	0.16 222	0.09 50	0.08 127	0.09 156	0.08 182	0.07 178	0.09 58	0.11 286	0.05 51	0.04 25	0.05 47	0.05 189	0.05 167	0.04 72

PMTNet	0.09 171	0.05 40	0.09 121	0.12 5	0.06 27	0.12 302	0.14 234	0.15 184	0.11 104	0.09 179	0.13 282	0.10 253	0.07 178	0.13 341	0.10 206	0.15 613	0.04 25	0.05 47	0.03 1	0.07 369	0.06 303

mm2	0.07 7	0.04 1	0.10 185	0.13 16	0.06 27	0.06 13	0.12 96	0.13 111	0.08 24	0.06 24	0.07 64	0.06 42	0.08 227	0.10 121	0.09 102	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

mm1	0.07 7	0.04 1	0.10 185	0.13 16	0.06 27	0.06 13	0.12 96	0.06 1	0.08 24	0.06 24	0.07 64	0.06 42	0.08 227	0.10 121	0.09 102	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

qqai	0.07 7	0.05 40	0.10 185	0.14 59	0.06 27	0.05 4	0.12 96	0.08 11	0.09 50	0.05 2	0.06 23	0.06 42	0.08 227	0.10 121	0.09 102	0.06 167	0.05 268	0.05 47	0.03 1	0.04 48	0.05 203

PointNet	0.07 7	0.06 106	0.07 11	0.15 112	0.07 131	0.08 82	0.14 234	0.11 56	0.08 24	0.05 2	0.07 64	0.08 182	0.08 227	0.09 58	0.09 102	0.06 167	0.04 25	0.05 47	0.04 58	0.03 1	0.04 72

DF	0.08 83	0.05 40	0.09 121	0.15 112	0.06 27	0.11 250	0.13 169	0.10 33	0.12 141	0.09 179	0.10 192	0.10 253	0.08 227	0.11 195	0.09 102	0.07 335	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

RT-Monster	0.09 171	0.05 40	0.09 121	0.14 59	0.08 211	0.11 250	0.10 35	0.17 261	0.18 337	0.13 330	0.10 192	0.09 218	0.08 227	0.10 121	0.10 206	0.07 335	0.05 268	0.05 47	0.04 58	0.05 167	0.06 303

GeoVLM	0.08 83	0.04 1	0.10 185	0.13 16	0.06 27	0.10 198	0.12 96	0.13 111	0.08 24	0.06 24	0.07 64	0.06 42	0.08 227	0.10 121	0.11 286	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.05 203

LACA2	0.07 7	0.05 40	0.06 5	0.15 112	0.06 27	0.09 135	0.11 64	0.11 56	0.10 73	0.05 2	0.05 7	0.06 42	0.08 227	0.09 58	0.07 1	0.07 335	0.04 25	0.04 1	0.04 58	0.04 48	0.04 72

NLSM3	0.09 171	0.06 106	0.08 56	0.19 454	0.08 211	0.11 250	0.16 387	0.18 295	0.16 277	0.06 24	0.08 121	0.07 123	0.08 227	0.09 58	0.11 286	0.04 11	0.04 25	0.06 187	0.07 378	0.03 1	0.03 2

MonSter++	0.08 83	0.04 1	0.10 185	0.13 16	0.06 27	0.09 135	0.12 96	0.13 111	0.08 24	0.06 24	0.07 64	0.06 42	0.08 227	0.10 121	0.11 286	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.04 72

CSFM-Stereo	0.07 7	0.05 40	0.07 11	0.14 59	0.06 27	0.09 135	0.13 169	0.15 184	0.06 6	0.07 73	0.08 121	0.06 42	0.08 227	0.09 58	0.09 102	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.04 72

DA	0.08 83	0.07 224	0.07 11	0.19 454	0.08 211	0.09 135	0.12 96	0.13 111	0.12 141	0.08 127	0.10 192	0.10 253	0.08 227	0.09 58	0.10 206	0.05 51	0.04 25	0.06 187	0.04 58	0.05 167	0.03 2

GGEV	0.08 83	0.07 224	0.07 11	0.19 454	0.08 211	0.09 135	0.12 96	0.13 111	0.12 141	0.08 127	0.10 192	0.10 253	0.08 227	0.09 58	0.10 206	0.05 51	0.04 25	0.06 187	0.04 58	0.05 167	0.03 2

Reg-Stereo(zero)	0.08 83	0.05 40	0.08 56	0.16 208	0.06 27	0.12 302	0.11 64	0.15 184	0.10 73	0.12 300	0.09 156	0.10 253	0.08 227	0.11 195	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.05 203

castereo	0.09 171	0.06 106	0.11 243	0.15 112	0.06 27	0.11 250	0.15 318	0.14 142	0.18 337	0.08 127	0.10 192	0.11 283	0.08 227	0.09 58	0.10 206	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.03 2

999	0.09 171	0.05 40	0.13 338	0.15 112	0.08 211	0.10 198	0.14 234	0.15 184	0.11 104	0.10 224	0.08 121	0.08 182	0.08 227	0.16 429	0.10 206	0.06 167	0.04 25	0.06 187	0.05 189	0.04 48	0.05 203

rvit_stereo_0080	0.10 240	0.08 343	0.14 375	0.15 112	0.09 338	0.07 42	0.15 318	0.16 222	0.16 277	0.11 259	0.10 192	0.14 349	0.08 227	0.12 289	0.10 206	0.09 472	0.07 487	0.07 298	0.06 280	0.07 369	0.05 203

trnet	0.08 83	0.05 40	0.07 11	0.12 5	0.05 2	0.12 302	0.11 64	0.13 111	0.10 73	0.08 127	0.13 282	0.09 218	0.08 227	0.11 195	0.10 206	0.08 412	0.05 268	0.05 47	0.03 1	0.06 289	0.05 203

Former-RAFT_DAM_RVC	0.10 240	0.08 343	0.12 288	0.16 208	0.08 211	0.15 413	0.16 387	0.18 295	0.18 337	0.10 224	0.09 156	0.09 218	0.08 227	0.11 195	0.12 347	0.07 335	0.05 268	0.08 392	0.06 280	0.07 369	0.06 303

AE-Stereo	0.10 240	0.08 343	0.10 185	0.18 385	0.09 338	0.10 198	0.15 318	0.14 142	0.19 356	0.09 179	0.14 296	0.12 303	0.08 227	0.11 195	0.10 206	0.05 51	0.06 415	0.07 298	0.06 280	0.05 167	0.04 72

whm_eth	0.10 240	0.08 343	0.14 375	0.15 112	0.09 338	0.07 42	0.15 318	0.16 222	0.16 277	0.11 259	0.10 192	0.14 349	0.08 227	0.12 289	0.10 206	0.09 472	0.07 487	0.07 298	0.06 280	0.07 369	0.05 203

AEACV	0.08 83	0.05 40	0.08 56	0.14 59	0.13 557	0.14 387	0.13 169	0.14 142	0.09 50	0.07 73	0.09 156	0.07 123	0.08 227	0.10 121	0.09 102	0.06 167	0.04 25	0.06 187	0.05 189	0.05 167	0.04 72

GLC_STEREO	0.11 288	0.07 224	0.11 243	0.17 295	0.07 131	0.09 135	0.13 169	0.15 184	0.24 438	0.12 300	0.13 282	0.12 303	0.08 227	0.18 485	0.11 286	0.06 167	0.08 517	0.08 392	0.06 280	0.05 167	0.05 203

IPLGR	0.11 288	0.09 423	0.16 459	0.18 385	0.08 211	0.12 302	0.17 429	0.21 359	0.24 438	0.11 259	0.12 263	0.11 283	0.08 227	0.12 289	0.12 347	0.06 167	0.05 268	0.06 187	0.06 280	0.04 48	0.04 72

test-3	0.08 83	0.06 106	0.09 121	0.17 295	0.07 131	0.07 42	0.14 234	0.12 83	0.15 240	0.09 179	0.08 121	0.07 123	0.08 227	0.11 195	0.10 206	0.05 51	0.04 25	0.07 298	0.05 189	0.04 48	0.04 72

test_1	0.08 83	0.06 106	0.09 121	0.17 295	0.07 131	0.07 42	0.14 234	0.12 83	0.15 240	0.09 179	0.08 121	0.07 123	0.08 227	0.11 195	0.10 206	0.05 51	0.04 25	0.07 298	0.05 189	0.04 48	0.04 72

HHNet	0.11 288	0.06 106	0.16 459	0.15 112	0.14 578	0.07 42	0.13 169	0.20 336	0.17 306	0.14 352	0.25 481	0.11 283	0.08 227	0.13 341	0.10 206	0.05 51	0.04 25	0.08 392	0.06 280	0.05 167	0.09 500

AnonymousM	0.09 171	0.05 40	0.10 185	0.14 59	0.06 27	0.09 135	0.13 169	0.19 325	0.14 215	0.13 330	0.11 242	0.09 218	0.08 227	0.13 341	0.10 206	0.08 412	0.05 268	0.08 392	0.05 189	0.05 167	0.05 203

test-1	0.10 240	0.07 224	0.16 459	0.19 454	0.08 211	0.11 250	0.24 595	0.14 142	0.18 337	0.09 179	0.07 64	0.09 218	0.08 227	0.07 4	0.09 102	0.06 167	0.04 25	0.06 187	0.05 189	0.04 48	0.04 72

Prome-Stereo	0.11 288	0.06 106	0.10 185	0.18 385	0.08 211	0.12 302	0.15 318	0.22 383	0.13 183	0.12 300	0.17 348	0.13 329	0.08 227	0.12 289	0.10 206	0.05 51	0.04 25	0.07 298	0.06 280	0.06 289	0.09 500

raft+_RVC	0.11 288	0.07 224	0.09 121	0.16 208	0.07 131	0.10 198	0.11 64	0.24 428	0.20 379	0.12 300	0.15 313	0.12 303	0.08 227	0.12 289	0.13 389	0.07 335	0.04 25	0.07 298	0.06 280	0.05 167	0.05 203

XX-TBD	0.09 171	0.06 106	0.07 11	0.14 59	0.07 131	0.12 302	0.16 387	0.14 142	0.13 183	0.11 259	0.12 263	0.09 218	0.08 227	0.10 121	0.10 206	0.06 167	0.04 25	0.05 47	0.03 1	0.06 289	0.05 203

sAnonymous2	0.13 385	0.12 529	0.24 565	0.20 520	0.12 534	0.17 465	0.13 169	0.26 463	0.21 395	0.11 259	0.11 242	0.13 329	0.08 227	0.10 121	0.10 206	0.09 472	0.05 268	0.08 392	0.06 280	0.15 616	0.10 529

CroCo_RVC	0.13 385	0.12 529	0.24 565	0.20 520	0.12 534	0.17 465	0.13 169	0.26 463	0.21 395	0.11 259	0.11 242	0.13 329	0.08 227	0.10 121	0.10 206	0.09 472	0.05 268	0.08 392	0.06 280	0.15 616	0.10 529

CREStereo	0.09 171	0.04 1	0.08 56	0.11 1	0.06 27	0.13 353	0.14 234	0.14 142	0.10 73	0.08 127	0.13 282	0.09 218	0.08 227	0.11 195	0.10 206	0.08 412	0.04 25	0.05 47	0.03 1	0.06 289	0.06 303
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
R-Stereo Train	0.10 240	0.06 106	0.10 185	0.17 295	0.08 211	0.11 250	0.14 234	0.23 404	0.11 104	0.12 300	0.19 386	0.11 283	0.08 227	0.09 58	0.11 286	0.07 335	0.05 268	0.06 187	0.05 189	0.05 167	0.05 203

RAFT-Stereo	0.10 240	0.06 106	0.10 185	0.17 295	0.08 211	0.11 250	0.14 234	0.23 404	0.11 104	0.12 300	0.19 386	0.11 283	0.08 227	0.09 58	0.11 286	0.07 335	0.05 268	0.06 187	0.05 189	0.05 167	0.05 203
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
LiteMatch*	0.08 83	0.04 1	0.11 243	0.13 16	0.08 211	0.08 82	0.13 169	0.14 142	0.09 50	0.05 2	0.05 7	0.05 5	0.09 264	0.11 195	0.10 206	0.06 167	0.05 268	0.05 47	0.04 58	0.05 167	0.05 203

VMStereo-Base	0.09 171	0.05 40	0.10 185	0.13 16	0.07 131	0.10 198	0.10 35	0.16 222	0.13 183	0.10 224	0.15 313	0.10 253	0.09 264	0.11 195	0.10 206	0.07 335	0.05 268	0.05 47	0.04 58	0.05 167	0.06 303

Hybrid-DGEV-03	0.10 240	0.06 106	0.09 121	0.18 385	0.08 211	0.16 443	0.14 234	0.15 184	0.14 215	0.13 330	0.16 326	0.12 303	0.09 264	0.13 341	0.11 286	0.06 167	0.04 25	0.08 392	0.06 280	0.05 167	0.04 72

WQFJX	0.10 240	0.07 224	0.09 121	0.21 552	0.09 338	0.12 302	0.16 387	0.18 295	0.17 306	0.12 300	0.10 192	0.07 123	0.09 264	0.12 289	0.10 206	0.06 167	0.07 487	0.06 187	0.05 189	0.06 289	0.05 203

NLMM1	0.11 288	0.09 423	0.07 11	0.22 569	0.10 450	0.12 302	0.20 541	0.18 295	0.20 379	0.12 300	0.11 242	0.07 123	0.09 264	0.11 195	0.11 286	0.08 412	0.08 517	0.07 298	0.06 280	0.04 48	0.04 72

NLCSM	0.11 288	0.09 423	0.09 121	0.23 593	0.11 500	0.12 302	0.19 518	0.18 295	0.18 337	0.12 300	0.11 242	0.07 123	0.09 264	0.11 195	0.10 206	0.07 335	0.08 517	0.07 298	0.07 378	0.06 289	0.05 203

BridgeDepth	0.07 7	0.07 224	0.08 56	0.18 385	0.06 27	0.07 42	0.11 64	0.09 20	0.06 6	0.04 1	0.07 64	0.10 253	0.09 264	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 58	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
water-stereo	0.09 171	0.06 106	0.08 56	0.16 208	0.07 131	0.09 135	0.13 169	0.15 184	0.13 183	0.11 259	0.12 263	0.08 182	0.09 264	0.07 4	0.08 25	0.06 167	0.05 268	0.05 47	0.05 189	0.04 48	0.04 72

DilatedVolume-Stereo	0.09 171	0.05 40	0.08 56	0.15 112	0.06 27	0.11 250	0.12 96	0.14 142	0.16 277	0.11 259	0.11 242	0.09 218	0.09 264	0.11 195	0.10 206	0.06 167	0.05 268	0.05 47	0.04 58	0.03 1	0.03 2

S2M2_L	0.09 171	0.08 343	0.11 243	0.13 16	0.10 450	0.08 82	0.06 1	0.10 33	0.10 73	0.10 224	0.09 156	0.10 253	0.09 264	0.11 195	0.11 286	0.13 595	0.07 487	0.08 392	0.09 498	0.10 529	0.08 456
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
SGD-Stereo	0.08 83	0.05 40	0.10 185	0.14 59	0.05 2	0.12 302	0.12 96	0.11 56	0.12 141	0.07 73	0.09 156	0.09 218	0.09 264	0.08 25	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.03 2

HI	0.11 288	0.06 106	0.11 243	0.13 16	0.09 338	0.09 135	0.14 234	0.21 359	0.10 73	0.19 473	0.17 348	0.14 349	0.09 264	0.16 429	0.08 25	0.05 51	0.04 25	0.07 298	0.08 451	0.07 369	0.06 303

CoSv	0.11 288	0.06 106	0.11 243	0.13 16	0.09 338	0.09 135	0.14 234	0.21 359	0.10 73	0.19 473	0.17 348	0.14 349	0.09 264	0.16 429	0.08 25	0.05 51	0.04 25	0.07 298	0.08 451	0.07 369	0.06 303

fffy	0.09 171	0.08 343	0.09 121	0.16 208	0.07 131	0.13 353	0.17 429	0.13 111	0.12 141	0.08 127	0.09 156	0.08 182	0.09 264	0.13 341	0.11 286	0.05 51	0.05 268	0.07 298	0.05 189	0.04 48	0.05 203

rvit_stereo_0081_aga	0.11 288	0.09 423	0.14 375	0.18 385	0.09 338	0.13 353	0.14 234	0.14 142	0.19 356	0.10 224	0.18 375	0.16 394	0.09 264	0.12 289	0.09 102	0.10 513	0.06 415	0.08 392	0.07 378	0.07 369	0.06 303

rvit_stereo_0081	0.11 288	0.08 343	0.15 423	0.16 208	0.09 338	0.10 198	0.14 234	0.14 142	0.24 438	0.11 259	0.13 282	0.13 329	0.09 264	0.11 195	0.12 347	0.10 513	0.07 487	0.08 392	0.07 378	0.07 369	0.05 203

rvit_stereo_0082	0.11 288	0.08 343	0.15 423	0.16 208	0.09 338	0.10 198	0.14 234	0.14 142	0.24 438	0.11 259	0.13 282	0.13 329	0.09 264	0.11 195	0.12 347	0.10 513	0.07 487	0.08 392	0.07 378	0.07 369	0.05 203

EKT-Stereo	0.11 288	0.07 224	0.14 375	0.15 112	0.10 450	0.13 353	0.14 234	0.18 295	0.21 395	0.11 259	0.08 121	0.12 303	0.09 264	0.11 195	0.12 347	0.08 412	0.06 415	0.07 298	0.06 280	0.08 433	0.07 390

GCAP-Stereo	0.09 171	0.07 224	0.13 338	0.18 385	0.06 27	0.11 250	0.07 3	0.13 111	0.12 141	0.09 179	0.10 192	0.07 123	0.09 264	0.13 341	0.10 206	0.06 167	0.05 268	0.05 47	0.04 58	0.04 48	0.05 203

Any-RAFT	0.10 240	0.05 40	0.09 121	0.14 59	0.07 131	0.13 353	0.14 234	0.21 359	0.15 240	0.11 259	0.12 263	0.12 303	0.09 264	0.12 289	0.09 102	0.07 335	0.04 25	0.05 47	0.04 58	0.06 289	0.05 203

RAFT-Test	0.09 171	0.06 106	0.10 185	0.15 112	0.07 131	0.11 250	0.15 318	0.16 222	0.13 183	0.09 179	0.10 192	0.10 253	0.09 264	0.12 289	0.09 102	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.05 203

LoS_RVC	0.08 83	0.05 40	0.07 11	0.15 112	0.07 131	0.08 82	0.15 318	0.11 56	0.10 73	0.08 127	0.09 156	0.06 42	0.09 264	0.10 121	0.09 102	0.05 51	0.04 25	0.05 47	0.03 1	0.04 48	0.03 2

anonymousdsp2	0.11 288	0.07 224	0.10 185	0.16 208	0.09 338	0.13 353	0.14 234	0.18 295	0.22 409	0.13 330	0.14 296	0.12 303	0.09 264	0.14 370	0.11 286	0.05 51	0.04 25	0.05 47	0.04 58	0.06 289	0.05 203

LoS	0.09 171	0.05 40	0.11 243	0.13 16	0.07 131	0.14 387	0.11 64	0.15 184	0.15 240	0.09 179	0.09 156	0.12 303	0.09 264	0.15 394	0.10 206	0.07 335	0.05 268	0.05 47	0.03 1	0.05 167	0.05 203
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
knoymous	0.11 288	0.05 40	0.12 288	0.13 16	0.07 131	0.15 413	0.14 234	0.19 325	0.13 183	0.11 259	0.17 348	0.13 329	0.09 264	0.13 341	0.11 286	0.08 412	0.05 268	0.06 187	0.05 189	0.08 433	0.07 390

test_4	0.10 240	0.10 485	0.08 56	0.19 454	0.09 338	0.08 82	0.22 571	0.15 184	0.17 306	0.12 300	0.18 375	0.12 303	0.09 264	0.08 25	0.11 286	0.04 11	0.04 25	0.08 392	0.08 451	0.04 48	0.03 2

iRaft-Stereo_5w	0.12 359	0.09 423	0.12 288	0.19 454	0.08 211	0.09 135	0.12 96	0.21 359	0.21 395	0.19 473	0.14 296	0.11 283	0.09 264	0.20 525	0.16 474	0.05 51	0.05 268	0.07 298	0.06 280	0.05 167	0.06 303

CIPLG	0.11 288	0.08 343	0.14 375	0.17 295	0.08 211	0.12 302	0.15 318	0.17 261	0.15 240	0.14 352	0.11 242	0.16 394	0.09 264	0.16 429	0.11 286	0.07 335	0.05 268	0.06 187	0.05 189	0.05 167	0.06 303

dd	0.15 467	0.16 587	0.16 459	0.19 454	0.09 338	0.15 413	0.18 478	0.21 359	0.25 459	0.23 539	0.20 398	0.21 465	0.09 264	0.21 542	0.16 474	0.10 513	0.06 415	0.08 392	0.06 280	0.08 433	0.06 303

IPLGR_C	0.11 288	0.08 343	0.14 375	0.17 295	0.08 211	0.12 302	0.15 318	0.17 261	0.15 240	0.14 352	0.10 192	0.16 394	0.09 264	0.16 429	0.11 286	0.07 335	0.05 268	0.06 187	0.05 189	0.05 167	0.06 303

ACRE	0.11 288	0.08 343	0.14 375	0.17 295	0.08 211	0.12 302	0.15 318	0.17 261	0.14 215	0.14 352	0.10 192	0.16 394	0.09 264	0.16 429	0.11 286	0.07 335	0.05 268	0.06 187	0.05 189	0.05 167	0.06 303

test_3	0.10 240	0.09 423	0.10 185	0.20 520	0.08 211	0.13 353	0.26 619	0.14 142	0.21 395	0.10 224	0.10 192	0.09 218	0.09 264	0.08 25	0.11 286	0.05 51	0.04 25	0.08 392	0.07 378	0.04 48	0.04 72

Pruner-Stereo	0.11 288	0.07 224	0.12 288	0.17 295	0.09 338	0.06 13	0.12 96	0.17 261	0.17 306	0.13 330	0.19 386	0.13 329	0.09 264	0.11 195	0.11 286	0.06 167	0.04 25	0.07 298	0.06 280	0.06 289	0.08 456

RAFT-345	0.11 288	0.07 224	0.15 423	0.16 208	0.08 211	0.08 82	0.12 96	0.15 184	0.10 73	0.11 259	0.36 575	0.09 218	0.09 264	0.11 195	0.12 347	0.05 51	0.05 268	0.07 298	0.06 280	0.04 48	0.05 203

RALAANet	0.11 288	0.08 343	0.10 185	0.17 295	0.09 338	0.14 387	0.10 35	0.20 336	0.15 240	0.14 352	0.13 282	0.16 394	0.09 264	0.12 289	0.11 286	0.06 167	0.05 268	0.07 298	0.06 280	0.05 167	0.04 72

RAFT-Stereo + iAFF	0.09 171	0.06 106	0.10 185	0.17 295	0.06 27	0.10 198	0.16 387	0.17 261	0.14 215	0.09 179	0.10 192	0.08 182	0.09 264	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.06 280	0.04 48	0.03 2

AFF-stereo	0.09 171	0.06 106	0.10 185	0.17 295	0.07 131	0.10 198	0.16 387	0.17 261	0.09 50	0.10 224	0.12 263	0.09 218	0.09 264	0.12 289	0.09 102	0.05 51	0.04 25	0.07 298	0.07 378	0.04 48	0.03 2

CFNet-RSSM	0.09 171	0.07 224	0.09 121	0.16 208	0.07 131	0.09 135	0.15 318	0.16 222	0.17 306	0.08 127	0.12 263	0.10 253	0.09 264	0.11 195	0.09 102	0.06 167	0.04 25	0.06 187	0.04 58	0.04 48	0.04 72

Gwc-CoAtRS	0.09 171	0.06 106	0.10 185	0.16 208	0.07 131	0.10 198	0.14 234	0.17 261	0.17 306	0.08 127	0.10 192	0.12 303	0.09 264	0.12 289	0.09 102	0.06 167	0.04 25	0.06 187	0.04 58	0.04 48	0.04 72

TS12	0.08 83	0.06 106	0.09 121	0.21 552	0.07 131	0.11 250	0.13 169	0.11 56	0.09 50	0.10 224	0.10 192	0.08 182	0.10 303	0.09 58	0.12 347	0.04 11	0.04 25	0.05 47	0.04 58	0.03 1	0.04 72

RT-IGEV	0.13 385	0.06 106	0.13 338	0.15 112	0.09 338	0.15 413	0.17 429	0.24 428	0.27 483	0.16 407	0.17 348	0.17 416	0.10 303	0.14 370	0.11 286	0.08 412	0.05 268	0.07 298	0.05 189	0.07 369	0.07 390

Selective-IGEV-i1	0.13 385	0.07 224	0.12 288	0.19 454	0.08 211	0.18 484	0.16 387	0.22 383	0.30 515	0.16 407	0.17 348	0.16 394	0.10 303	0.14 370	0.13 389	0.06 167	0.05 268	0.06 187	0.05 189	0.06 289	0.05 203

DStereoRT	0.16 490	0.06 106	0.11 243	0.19 454	0.09 338	0.12 302	0.12 96	0.28 504	0.22 409	0.12 300	0.20 398	0.11 283	0.10 303	0.15 394	0.14 427	0.06 167	0.05 268	0.96 690	0.09 498	0.05 167	0.04 72

WQFJA1	0.10 240	0.07 224	0.08 56	0.20 520	0.09 338	0.12 302	0.17 429	0.17 261	0.17 306	0.09 179	0.10 192	0.08 182	0.10 303	0.12 289	0.11 286	0.06 167	0.07 487	0.07 298	0.06 280	0.06 289	0.05 203

WQFJX1	0.10 240	0.07 224	0.08 56	0.22 569	0.09 338	0.12 302	0.17 429	0.18 295	0.17 306	0.10 224	0.09 156	0.07 123	0.10 303	0.11 195	0.09 102	0.07 335	0.08 517	0.07 298	0.06 280	0.05 167	0.04 72

NLMM	0.10 240	0.07 224	0.08 56	0.20 520	0.09 338	0.12 302	0.17 429	0.17 261	0.17 306	0.09 179	0.10 192	0.08 182	0.10 303	0.12 289	0.11 286	0.06 167	0.07 487	0.07 298	0.06 280	0.06 289	0.05 203

NLSM1	0.10 240	0.07 224	0.07 11	0.19 454	0.08 211	0.13 353	0.16 387	0.21 359	0.15 240	0.11 259	0.10 192	0.06 42	0.10 303	0.10 121	0.11 286	0.07 335	0.08 517	0.08 392	0.07 378	0.05 167	0.05 203

xyz-stereo-finetune	0.11 288	0.08 343	0.13 338	0.14 59	0.06 27	0.10 198	0.19 518	0.17 261	0.19 356	0.12 300	0.14 296	0.15 378	0.10 303	0.13 341	0.11 286	0.05 51	0.04 25	0.07 298	0.05 189	0.04 48	0.05 203

rvit_stereo_0083	0.12 359	0.08 343	0.17 489	0.16 208	0.09 338	0.11 250	0.15 318	0.14 142	0.26 473	0.11 259	0.14 296	0.13 329	0.10 303	0.12 289	0.12 347	0.10 513	0.08 517	0.09 475	0.07 378	0.07 369	0.05 203

rvit_stereo_ft	0.12 359	0.07 224	0.13 338	0.19 454	0.10 450	0.12 302	0.17 429	0.16 222	0.16 277	0.12 300	0.13 282	0.15 378	0.10 303	0.14 370	0.13 389	0.09 472	0.06 415	0.08 392	0.07 378	0.07 369	0.05 203

H2IRNET	0.10 240	0.09 423	0.09 121	0.18 385	0.09 338	0.12 302	0.15 318	0.14 142	0.21 395	0.10 224	0.10 192	0.10 253	0.10 303	0.10 121	0.10 206	0.05 51	0.04 25	0.08 392	0.08 451	0.06 289	0.05 203

MyStereo8	0.12 359	0.07 224	0.15 423	0.15 112	0.09 338	0.18 484	0.14 234	0.19 325	0.22 409	0.12 300	0.18 375	0.11 283	0.10 303	0.16 429	0.18 507	0.07 335	0.05 268	0.07 298	0.05 189	0.08 433	0.09 500

MyStereo04	0.13 385	0.07 224	0.10 185	0.17 295	0.09 338	0.14 387	0.18 478	0.29 518	0.38 576	0.17 426	0.14 296	0.16 394	0.10 303	0.15 394	0.13 389	0.06 167	0.05 268	0.08 392	0.07 378	0.06 289	0.06 303

StereoVision	0.13 385	0.12 529	0.09 121	0.24 602	0.10 450	0.15 413	0.21 561	0.21 359	0.20 379	0.12 300	0.24 453	0.10 253	0.10 303	0.16 429	0.10 206	0.09 472	0.11 583	0.12 574	0.12 592	0.06 289	0.05 203

DCRE	0.11 288	0.07 224	0.13 338	0.16 208	0.11 500	0.11 250	0.17 429	0.18 295	0.17 306	0.11 259	0.18 375	0.10 253	0.10 303	0.15 394	0.11 286	0.06 167	0.05 268	0.06 187	0.06 280	0.05 167	0.04 72

Selective-RAFT	0.11 288	0.10 485	0.11 243	0.21 552	0.08 211	0.16 443	0.13 169	0.20 336	0.22 409	0.10 224	0.10 192	0.11 283	0.10 303	0.15 394	0.11 286	0.05 51	0.05 268	0.06 187	0.05 189	0.06 289	0.05 203

TestStereo1	0.13 385	0.08 343	0.08 56	0.19 454	0.08 211	0.18 484	0.29 642	0.23 404	0.16 277	0.17 426	0.20 398	0.16 394	0.10 303	0.12 289	0.13 389	0.06 167	0.06 415	0.08 392	0.06 280	0.05 167	0.05 203

DisPM	0.11 288	0.07 224	0.12 288	0.16 208	0.09 338	0.06 13	0.13 169	0.17 261	0.17 306	0.14 352	0.20 398	0.12 303	0.10 303	0.11 195	0.10 206	0.06 167	0.04 25	0.07 298	0.06 280	0.06 289	0.11 556

raft_robust	0.13 385	0.10 485	0.07 11	0.18 385	0.08 211	0.13 353	0.24 595	0.28 504	0.33 537	0.20 496	0.19 386	0.14 349	0.10 303	0.11 195	0.12 347	0.05 51	0.05 268	0.07 298	0.07 378	0.05 167	0.04 72

RAFT+CT+SA	0.13 385	0.11 511	0.09 121	0.19 454	0.09 338	0.15 413	0.28 632	0.22 383	0.22 409	0.15 379	0.26 498	0.10 253	0.10 303	0.11 195	0.12 347	0.05 51	0.04 25	0.07 298	0.08 451	0.07 369	0.06 303

SA-5K	0.13 385	0.08 343	0.08 56	0.19 454	0.08 211	0.18 484	0.29 642	0.23 404	0.16 277	0.17 426	0.20 398	0.16 394	0.10 303	0.12 289	0.13 389	0.06 167	0.06 415	0.08 392	0.06 280	0.05 167	0.05 203

PFNet+	0.11 288	0.06 106	0.13 338	0.16 208	0.09 338	0.05 4	0.12 96	0.17 261	0.21 395	0.16 407	0.19 386	0.14 349	0.10 303	0.11 195	0.11 286	0.08 412	0.05 268	0.09 475	0.08 451	0.06 289	0.11 556

STrans-v2	0.10 240	0.07 224	0.12 288	0.18 385	0.07 131	0.10 198	0.14 234	0.21 359	0.11 104	0.11 259	0.15 313	0.12 303	0.10 303	0.11 195	0.12 347	0.05 51	0.04 25	0.06 187	0.06 280	0.04 48	0.04 72

KYRaft	0.11 288	0.07 224	0.10 185	0.19 454	0.09 338	0.08 82	0.15 318	0.22 383	0.12 141	0.13 330	0.16 326	0.20 456	0.10 303	0.12 289	0.10 206	0.05 51	0.04 25	0.08 392	0.08 451	0.06 289	0.16 626

ASMatch	0.11 288	0.06 106	0.13 338	0.16 208	0.10 450	0.07 42	0.14 234	0.17 261	0.17 306	0.12 300	0.16 326	0.16 394	0.10 303	0.13 341	0.10 206	0.05 51	0.04 25	0.06 187	0.05 189	0.04 48	0.08 456

RAFT-RH_RVC	0.11 288	0.06 106	0.14 375	0.16 208	0.09 338	0.12 302	0.12 96	0.17 261	0.12 141	0.13 330	0.41 613	0.11 283	0.10 303	0.13 341	0.12 347	0.05 51	0.04 25	0.08 392	0.05 189	0.04 48	0.06 303

cross-raft	0.10 240	0.09 423	0.09 121	0.19 454	0.07 131	0.11 250	0.25 610	0.13 111	0.15 240	0.08 127	0.11 242	0.12 303	0.10 303	0.09 58	0.11 286	0.05 51	0.04 25	0.06 187	0.05 189	0.04 48	0.04 72

rafts_anoy	0.11 288	0.06 106	0.10 185	0.17 295	0.08 211	0.10 198	0.14 234	0.17 261	0.14 215	0.13 330	0.13 282	0.12 303	0.10 303	0.11 195	0.12 347	0.07 335	0.04 25	0.09 475	0.11 572	0.07 369	0.06 303

Anonymous3	0.16 490	0.13 557	0.33 605	0.26 618	0.14 578	0.27 603	0.17 429	0.28 504	0.28 498	0.15 379	0.17 348	0.14 349	0.10 303	0.15 394	0.12 347	0.08 412	0.08 517	0.08 392	0.08 451	0.08 433	0.11 556

RALCasStereoNet	0.10 240	0.06 106	0.09 121	0.16 208	0.08 211	0.12 302	0.14 234	0.17 261	0.11 104	0.12 300	0.17 348	0.14 349	0.10 303	0.12 289	0.11 286	0.07 335	0.06 415	0.06 187	0.05 189	0.08 433	0.07 390

RAFT + AFF	0.13 385	0.07 224	0.20 537	0.20 520	0.10 450	0.14 387	0.24 595	0.26 463	0.20 379	0.11 259	0.10 192	0.12 303	0.10 303	0.15 394	0.12 347	0.07 335	0.06 415	0.09 475	0.08 451	0.06 289	0.08 456

GMStereo	0.13 385	0.14 569	0.14 375	0.18 385	0.09 338	0.15 413	0.16 387	0.20 336	0.24 438	0.16 407	0.17 348	0.10 253	0.10 303	0.16 429	0.13 389	0.07 335	0.06 415	0.06 187	0.06 280	0.07 369	0.06 303
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MultiAttention	0.29 625	0.08 343	0.14 375	0.19 454	0.12 534	1.45 693	1.33 697	0.36 605	0.37 569	0.19 473	0.21 421	0.24 507	0.11 336	0.38 640	0.18 507	0.06 167	0.05 268	0.08 392	0.08 451	0.10 529	0.09 500

depthmonostereo	0.09 171	0.06 106	0.09 121	0.15 112	0.06 27	0.10 198	0.13 169	0.14 142	0.14 215	0.10 224	0.10 192	0.09 218	0.11 336	0.08 25	0.09 102	0.06 167	0.05 268	0.06 187	0.04 58	0.04 48	0.03 2

MyStereo05	0.13 385	0.07 224	0.10 185	0.17 295	0.09 338	0.13 353	0.18 478	0.27 485	0.35 558	0.17 426	0.14 296	0.15 378	0.11 336	0.15 394	0.13 389	0.06 167	0.05 268	0.07 298	0.07 378	0.06 289	0.06 303

CoDeX	0.12 359	0.07 224	0.12 288	0.17 295	0.08 211	0.12 302	0.15 318	0.23 404	0.27 483	0.13 330	0.17 348	0.16 394	0.11 336	0.14 370	0.11 286	0.07 335	0.05 268	0.07 298	0.06 280	0.06 289	0.05 203

GMStereo_Zeroshot	0.16 490	0.13 557	0.24 565	0.20 520	0.10 450	0.17 465	0.13 169	0.29 518	0.25 459	0.23 539	0.32 552	0.25 521	0.11 336	0.19 500	0.14 427	0.09 472	0.06 415	0.11 554	0.06 280	0.12 567	0.08 456

MIF-Stereo (partial)	0.11 288	0.06 106	0.10 185	0.19 454	0.10 450	0.10 198	0.11 64	0.17 261	0.18 337	0.14 352	0.16 326	0.09 218	0.11 336	0.12 289	0.12 347	0.08 412	0.05 268	0.08 392	0.07 378	0.06 289	0.07 390

riskmin	0.11 288	0.06 106	0.13 338	0.14 59	0.08 211	0.14 387	0.14 234	0.18 295	0.14 215	0.11 259	0.14 296	0.16 394	0.11 336	0.14 370	0.12 347	0.09 472	0.05 268	0.07 298	0.05 189	0.08 433	0.08 456

fff	0.10 240	0.06 106	0.12 288	0.15 112	0.07 131	0.09 135	0.17 429	0.16 222	0.20 379	0.13 330	0.16 326	0.10 253	0.11 336	0.11 195	0.12 347	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.05 203

Sa-1000	0.12 359	0.08 343	0.08 56	0.18 385	0.08 211	0.14 387	0.22 571	0.22 383	0.18 337	0.15 379	0.20 398	0.17 416	0.11 336	0.10 121	0.10 206	0.06 167	0.05 268	0.09 475	0.09 498	0.05 167	0.05 203

SA	0.12 359	0.09 423	0.08 56	0.18 385	0.08 211	0.12 302	0.24 595	0.23 404	0.18 337	0.17 426	0.27 507	0.14 349	0.11 336	0.11 195	0.11 286	0.05 51	0.05 268	0.09 475	0.08 451	0.05 167	0.04 72

CrosDoStereo	0.12 359	0.06 106	0.12 288	0.14 59	0.08 211	0.12 302	0.15 318	0.17 261	0.22 409	0.19 473	0.24 453	0.15 378	0.11 336	0.11 195	0.12 347	0.06 167	0.04 25	0.07 298	0.07 378	0.05 167	0.05 203

LCNet	0.11 288	0.07 224	0.09 121	0.19 454	0.09 338	0.08 82	0.15 318	0.21 359	0.15 240	0.11 259	0.15 313	0.16 394	0.11 336	0.12 289	0.11 286	0.05 51	0.04 25	0.08 392	0.07 378	0.06 289	0.15 615

TransformOpticalFlow	0.10 240	0.08 343	0.13 338	0.18 385	0.07 131	0.09 135	0.15 318	0.19 325	0.15 240	0.12 300	0.17 348	0.11 283	0.11 336	0.11 195	0.10 206	0.05 51	0.04 25	0.06 187	0.06 280	0.05 167	0.05 203

NF-Stereo	0.11 288	0.07 224	0.13 338	0.17 295	0.09 338	0.10 198	0.14 234	0.23 404	0.19 356	0.12 300	0.17 348	0.12 303	0.11 336	0.11 195	0.11 286	0.06 167	0.04 25	0.07 298	0.06 280	0.06 289	0.12 569

OCTAStereo	0.11 288	0.07 224	0.13 338	0.17 295	0.09 338	0.10 198	0.14 234	0.23 404	0.19 356	0.12 300	0.17 348	0.12 303	0.11 336	0.11 195	0.11 286	0.06 167	0.04 25	0.07 298	0.06 280	0.06 289	0.12 569

PSM-softLoss	0.12 359	0.07 224	0.15 423	0.17 295	0.09 338	0.08 82	0.13 169	0.24 428	0.17 306	0.14 352	0.19 386	0.13 329	0.11 336	0.11 195	0.11 286	0.07 335	0.05 268	0.08 392	0.07 378	0.06 289	0.12 569

KMStereo	0.12 359	0.07 224	0.15 423	0.17 295	0.09 338	0.08 82	0.13 169	0.24 428	0.17 306	0.14 352	0.19 386	0.13 329	0.11 336	0.11 195	0.11 286	0.07 335	0.05 268	0.08 392	0.07 378	0.06 289	0.12 569

PSM-AAD	0.11 288	0.07 224	0.10 185	0.19 454	0.09 338	0.10 198	0.15 318	0.20 336	0.13 183	0.12 300	0.14 296	0.18 430	0.11 336	0.11 195	0.10 206	0.05 51	0.05 268	0.09 475	0.08 451	0.06 289	0.14 608

DeepStereo_LL	0.12 359	0.06 106	0.12 288	0.14 59	0.08 211	0.12 302	0.15 318	0.17 261	0.22 409	0.19 473	0.24 453	0.15 378	0.11 336	0.11 195	0.12 347	0.06 167	0.04 25	0.07 298	0.07 378	0.05 167	0.05 203

PFNet	0.12 359	0.06 106	0.17 489	0.17 295	0.08 211	0.09 135	0.15 318	0.26 463	0.20 379	0.16 407	0.16 326	0.14 349	0.11 336	0.12 289	0.11 286	0.06 167	0.04 25	0.07 298	0.06 280	0.05 167	0.05 203

GrayStereo	0.11 288	0.06 106	0.11 243	0.19 454	0.09 338	0.09 135	0.16 387	0.18 295	0.17 306	0.14 352	0.17 348	0.17 416	0.11 336	0.12 289	0.11 286	0.05 51	0.05 268	0.07 298	0.06 280	0.05 167	0.10 529

RE-Stereo	0.11 288	0.07 224	0.13 338	0.17 295	0.09 338	0.10 198	0.14 234	0.23 404	0.19 356	0.12 300	0.17 348	0.12 303	0.11 336	0.11 195	0.11 286	0.06 167	0.04 25	0.07 298	0.06 280	0.06 289	0.12 569

TVStereo	0.11 288	0.07 224	0.13 338	0.17 295	0.09 338	0.10 198	0.14 234	0.23 404	0.19 356	0.12 300	0.17 348	0.12 303	0.11 336	0.11 195	0.11 286	0.06 167	0.04 25	0.07 298	0.06 280	0.06 289	0.12 569

GMM-Stereo	0.11 288	0.07 224	0.10 185	0.18 385	0.09 338	0.08 82	0.15 318	0.23 404	0.16 277	0.11 259	0.15 313	0.13 329	0.11 336	0.11 195	0.11 286	0.05 51	0.04 25	0.08 392	0.07 378	0.06 289	0.09 500

s12784h	0.09 171	0.06 106	0.07 11	0.15 112	0.05 2	0.16 443	0.18 478	0.15 184	0.15 240	0.10 224	0.11 242	0.11 283	0.11 336	0.10 121	0.12 347	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

DCANet	0.10 240	0.06 106	0.12 288	0.16 208	0.06 27	0.09 135	0.17 429	0.15 184	0.19 356	0.13 330	0.17 348	0.10 253	0.11 336	0.11 195	0.12 347	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

csc	0.10 240	0.06 106	0.12 288	0.15 112	0.07 131	0.09 135	0.17 429	0.16 222	0.20 379	0.13 330	0.16 326	0.10 253	0.11 336	0.11 195	0.12 347	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.05 203

cscssc	0.10 240	0.06 106	0.12 288	0.15 112	0.07 131	0.09 135	0.17 429	0.16 222	0.20 379	0.13 330	0.16 326	0.10 253	0.11 336	0.11 195	0.12 347	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.05 203

111	0.10 240	0.06 106	0.12 288	0.15 112	0.07 131	0.10 198	0.14 234	0.21 359	0.23 421	0.11 259	0.12 263	0.14 349	0.11 336	0.13 341	0.10 206	0.06 167	0.04 25	0.06 187	0.04 58	0.05 167	0.05 203

ARAFT	0.12 359	0.08 343	0.17 489	0.19 454	0.09 338	0.14 387	0.18 478	0.20 336	0.12 141	0.12 300	0.13 282	0.14 349	0.11 336	0.15 394	0.12 347	0.06 167	0.05 268	0.10 523	0.09 498	0.05 167	0.04 72

HITNet	0.10 240	0.06 106	0.12 288	0.14 59	0.06 27	0.11 250	0.10 35	0.18 295	0.18 337	0.13 330	0.16 326	0.14 349	0.11 336	0.15 394	0.13 389	0.06 167	0.04 25	0.04 1	0.04 58	0.06 289	0.05 203
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
IGEV_i1	0.12 359	0.07 224	0.12 288	0.16 208	0.08 211	0.19 508	0.14 234	0.18 295	0.22 409	0.18 456	0.18 375	0.16 394	0.12 367	0.16 429	0.14 427	0.06 167	0.05 268	0.06 187	0.05 189	0.06 289	0.06 303

Hybrid-DGEV-2	0.11 288	0.06 106	0.12 288	0.18 385	0.09 338	0.09 135	0.13 169	0.28 504	0.29 505	0.11 259	0.11 242	0.09 218	0.12 367	0.12 289	0.09 102	0.06 167	0.05 268	0.07 298	0.07 378	0.05 167	0.05 203

FlowAnything_test	0.11 288	0.08 343	0.14 375	0.15 112	0.09 338	0.07 42	0.14 234	0.20 336	0.11 104	0.09 179	0.09 156	0.12 303	0.12 367	0.13 341	0.11 286	0.09 472	0.06 415	0.09 475	0.09 498	0.06 289	0.09 500

xyz-stereo-finetune2	0.11 288	0.07 224	0.13 338	0.13 16	0.07 131	0.11 250	0.19 518	0.17 261	0.12 141	0.15 379	0.15 313	0.17 416	0.12 367	0.13 341	0.11 286	0.05 51	0.04 25	0.07 298	0.05 189	0.04 48	0.06 303

DFGA-Net	0.13 385	0.11 511	0.18 513	0.17 295	0.10 450	0.12 302	0.13 169	0.22 383	0.25 459	0.16 407	0.16 326	0.13 329	0.12 367	0.16 429	0.14 427	0.07 335	0.05 268	0.08 392	0.07 378	0.05 167	0.05 203

DDVS	0.15 467	0.10 485	0.21 546	0.16 208	0.12 534	0.15 413	0.14 234	0.25 445	0.19 356	0.18 456	0.29 533	0.27 539	0.12 367	0.19 500	0.15 458	0.09 472	0.06 415	0.09 475	0.07 378	0.11 552	0.11 556

rvit_0105_6	0.14 422	0.09 423	0.18 513	0.17 295	0.10 450	0.10 198	0.16 387	0.19 325	0.26 473	0.12 300	0.18 375	0.17 416	0.12 367	0.18 485	0.12 347	0.15 613	0.11 583	0.12 574	0.10 538	0.09 496	0.06 303

rvit_0105_5	0.14 422	0.09 423	0.13 338	0.17 295	0.09 338	0.14 387	0.23 582	0.24 428	0.27 483	0.14 352	0.15 313	0.18 430	0.12 367	0.17 463	0.14 427	0.14 609	0.11 583	0.10 523	0.10 538	0.08 433	0.06 303

GCST	0.37 643	0.42 662	0.26 573	1.02 688	0.39 663	0.18 484	0.08 7	0.20 336	0.17 306	0.28 588	0.25 481	0.15 378	0.12 367	0.16 429	0.14 427	0.64 684	0.43 673	0.75 680	0.65 684	0.63 677	0.46 675

plain	0.10 240	0.08 343	0.10 185	0.19 454	0.09 338	0.10 198	0.15 318	0.14 142	0.13 183	0.13 330	0.15 313	0.09 218	0.12 367	0.13 341	0.12 347	0.07 335	0.05 268	0.09 475	0.06 280	0.06 289	0.06 303

PCWNet_CMD	0.14 422	0.08 343	0.15 423	0.17 295	0.09 338	0.14 387	0.14 234	0.29 518	0.36 562	0.14 352	0.20 398	0.21 465	0.12 367	0.17 463	0.13 389	0.07 335	0.05 268	0.07 298	0.07 378	0.07 369	0.07 390

ADStereo(finetuned)	0.10 240	0.06 106	0.12 288	0.16 208	0.06 27	0.09 135	0.17 429	0.15 184	0.19 356	0.13 330	0.17 348	0.10 253	0.12 367	0.11 195	0.12 347	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

GMOStereo	0.11 288	0.09 423	0.07 11	0.19 454	0.08 211	0.12 302	0.28 632	0.13 111	0.17 306	0.11 259	0.17 348	0.14 349	0.12 367	0.07 4	0.07 1	0.05 51	0.05 268	0.09 475	0.07 378	0.04 48	0.04 72

error version	0.11 288	0.09 423	0.07 11	0.19 454	0.08 211	0.12 302	0.28 632	0.13 111	0.17 306	0.11 259	0.17 348	0.14 349	0.12 367	0.07 4	0.07 1	0.05 51	0.05 268	0.09 475	0.07 378	0.04 48	0.04 72

test-v	0.11 288	0.09 423	0.07 11	0.19 454	0.08 211	0.12 302	0.28 632	0.13 111	0.17 306	0.11 259	0.17 348	0.14 349	0.12 367	0.07 4	0.07 1	0.05 51	0.05 268	0.09 475	0.07 378	0.04 48	0.04 72

GANet-ADL	0.13 385	0.07 224	0.15 423	0.17 295	0.10 450	0.18 484	0.15 318	0.30 532	0.20 379	0.13 330	0.18 375	0.19 444	0.12 367	0.16 429	0.13 389	0.08 412	0.06 415	0.06 187	0.05 189	0.07 369	0.08 456

Patchmatch Stereo++	0.11 288	0.09 423	0.16 459	0.18 385	0.08 211	0.06 13	0.11 64	0.16 222	0.13 183	0.15 379	0.16 326	0.14 349	0.12 367	0.11 195	0.10 206	0.06 167	0.04 25	0.08 392	0.06 280	0.08 433	0.07 390
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
OMP-Stereo	0.11 288	0.06 106	0.14 375	0.18 385	0.08 211	0.09 135	0.12 96	0.21 359	0.21 395	0.13 330	0.14 296	0.11 283	0.12 367	0.11 195	0.13 389	0.06 167	0.04 25	0.07 298	0.06 280	0.05 167	0.04 72

IIG-Stereo	0.11 288	0.06 106	0.13 338	0.17 295	0.08 211	0.11 250	0.12 96	0.22 383	0.17 306	0.14 352	0.17 348	0.11 283	0.12 367	0.12 289	0.12 347	0.06 167	0.05 268	0.07 298	0.06 280	0.05 167	0.04 72

NRIStereo	0.11 288	0.08 343	0.14 375	0.18 385	0.08 211	0.10 198	0.14 234	0.16 222	0.15 240	0.12 300	0.14 296	0.13 329	0.12 367	0.13 341	0.10 206	0.06 167	0.04 25	0.07 298	0.06 280	0.06 289	0.07 390

PSM-adaLoss	0.11 288	0.09 423	0.16 459	0.18 385	0.08 211	0.06 13	0.12 96	0.16 222	0.13 183	0.15 379	0.16 326	0.14 349	0.12 367	0.11 195	0.10 206	0.06 167	0.04 25	0.08 392	0.06 280	0.08 433	0.07 390

FTStereo	0.12 359	0.06 106	0.14 375	0.18 385	0.09 338	0.07 42	0.15 318	0.21 359	0.18 337	0.12 300	0.24 453	0.12 303	0.12 367	0.13 341	0.13 389	0.05 51	0.05 268	0.07 298	0.06 280	0.06 289	0.10 529

ROB_FTStereo_v2	0.11 288	0.09 423	0.16 459	0.19 454	0.08 211	0.06 13	0.12 96	0.16 222	0.13 183	0.15 379	0.16 326	0.14 349	0.12 367	0.11 195	0.10 206	0.06 167	0.04 25	0.08 392	0.06 280	0.08 433	0.07 390

ROB_FTStereo	0.11 288	0.09 423	0.16 459	0.19 454	0.08 211	0.06 13	0.11 64	0.16 222	0.13 183	0.15 379	0.16 326	0.14 349	0.12 367	0.11 195	0.10 206	0.06 167	0.04 25	0.08 392	0.06 280	0.08 433	0.07 390

HUI-Stereo	0.11 288	0.09 423	0.16 459	0.18 385	0.08 211	0.06 13	0.12 96	0.16 222	0.13 183	0.15 379	0.16 326	0.14 349	0.12 367	0.11 195	0.10 206	0.06 167	0.04 25	0.08 392	0.06 280	0.08 433	0.07 390

SST-Stereo	0.10 240	0.07 224	0.15 423	0.18 385	0.09 338	0.06 13	0.12 96	0.17 261	0.11 104	0.15 379	0.17 348	0.13 329	0.12 367	0.10 121	0.11 286	0.06 167	0.04 25	0.09 475	0.06 280	0.06 289	0.05 203

THIR-Stereo	0.12 359	0.07 224	0.11 243	0.15 112	0.08 211	0.14 387	0.16 387	0.17 261	0.25 459	0.16 407	0.24 453	0.14 349	0.12 367	0.12 289	0.14 427	0.06 167	0.04 25	0.07 298	0.07 378	0.05 167	0.05 203

RAFT_R40	0.11 288	0.07 224	0.14 375	0.18 385	0.09 338	0.06 13	0.13 169	0.17 261	0.16 277	0.14 352	0.18 375	0.15 378	0.12 367	0.10 121	0.11 286	0.06 167	0.04 25	0.09 475	0.06 280	0.06 289	0.05 203

DeepStereo_RVC	0.11 288	0.08 343	0.16 459	0.18 385	0.08 211	0.08 82	0.12 96	0.17 261	0.12 141	0.13 330	0.14 296	0.12 303	0.12 367	0.12 289	0.11 286	0.06 167	0.04 25	0.07 298	0.06 280	0.07 369	0.08 456

iGMRVC	0.11 288	0.09 423	0.16 459	0.19 454	0.08 211	0.06 13	0.12 96	0.16 222	0.13 183	0.15 379	0.16 326	0.14 349	0.12 367	0.11 195	0.10 206	0.06 167	0.04 25	0.08 392	0.06 280	0.08 433	0.07 390

IRAFT_RVC	0.12 359	0.08 343	0.16 459	0.19 454	0.08 211	0.07 42	0.15 318	0.24 428	0.23 421	0.14 352	0.14 296	0.15 378	0.12 367	0.12 289	0.10 206	0.06 167	0.04 25	0.09 475	0.06 280	0.06 289	0.06 303

iRAFT	0.11 288	0.09 423	0.16 459	0.18 385	0.08 211	0.06 13	0.11 64	0.16 222	0.13 183	0.15 379	0.16 326	0.14 349	0.12 367	0.11 195	0.10 206	0.06 167	0.04 25	0.08 392	0.06 280	0.08 433	0.07 390

CRE-IMP	0.11 288	0.09 423	0.16 459	0.19 454	0.08 211	0.10 198	0.12 96	0.18 295	0.10 73	0.14 352	0.13 282	0.13 329	0.12 367	0.12 289	0.11 286	0.07 335	0.04 25	0.08 392	0.06 280	0.08 433	0.08 456

test-2	0.11 288	0.09 423	0.07 11	0.19 454	0.08 211	0.12 302	0.28 632	0.13 111	0.17 306	0.11 259	0.17 348	0.14 349	0.12 367	0.07 4	0.07 1	0.05 51	0.05 268	0.09 475	0.07 378	0.04 48	0.04 72

RAFT	0.13 385	0.09 423	0.11 243	0.18 385	0.08 211	0.15 413	0.24 595	0.20 336	0.19 356	0.21 510	0.21 421	0.17 416	0.12 367	0.16 429	0.09 102	0.06 167	0.07 487	0.10 523	0.09 498	0.05 167	0.05 203

RAFT-IKP	0.11 288	0.09 423	0.16 459	0.19 454	0.08 211	0.06 13	0.12 96	0.16 222	0.13 183	0.15 379	0.16 326	0.14 349	0.12 367	0.11 195	0.10 206	0.06 167	0.04 25	0.08 392	0.06 280	0.08 433	0.07 390

TestStereo	0.13 385	0.14 569	0.11 243	0.23 593	0.08 211	0.15 413	0.21 561	0.20 336	0.23 421	0.14 352	0.24 453	0.16 394	0.12 367	0.16 429	0.14 427	0.05 51	0.06 415	0.08 392	0.06 280	0.09 496	0.05 203

FENet	0.13 385	0.08 343	0.12 288	0.16 208	0.08 211	0.14 387	0.15 318	0.22 383	0.23 421	0.17 426	0.23 441	0.16 394	0.12 367	0.14 370	0.15 458	0.08 412	0.05 268	0.08 392	0.08 451	0.07 369	0.07 390

DIP-Stereo	0.11 288	0.07 224	0.14 375	0.17 295	0.09 338	0.13 353	0.09 20	0.16 222	0.16 277	0.11 259	0.16 326	0.14 349	0.12 367	0.15 394	0.13 389	0.06 167	0.05 268	0.06 187	0.05 189	0.05 167	0.06 303
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.14 422	0.08 343	0.15 423	0.17 295	0.09 338	0.14 387	0.14 234	0.29 518	0.36 562	0.14 352	0.21 421	0.21 465	0.12 367	0.17 463	0.14 427	0.07 335	0.05 268	0.07 298	0.07 378	0.07 369	0.07 390

G2L-Stereo	0.14 422	0.07 224	0.13 338	0.17 295	0.09 338	0.13 353	0.12 96	0.27 485	0.22 409	0.16 407	0.27 507	0.21 465	0.13 407	0.17 463	0.18 507	0.09 472	0.08 517	0.08 392	0.07 378	0.07 369	0.07 390

rvit_0105_4	0.14 422	0.09 423	0.17 489	0.17 295	0.10 450	0.12 302	0.19 518	0.23 404	0.27 483	0.14 352	0.20 398	0.17 416	0.13 407	0.17 463	0.13 389	0.15 613	0.11 583	0.11 554	0.10 538	0.09 496	0.06 303

rvit_0105_3	0.15 467	0.09 423	0.14 375	0.19 454	0.12 534	0.15 413	0.25 610	0.25 445	0.29 505	0.15 379	0.17 348	0.20 456	0.13 407	0.17 463	0.14 427	0.13 595	0.11 583	0.12 574	0.14 607	0.07 369	0.06 303

UGAM	0.13 385	0.10 485	0.09 121	0.22 569	0.08 211	0.12 302	0.20 541	0.17 261	0.23 421	0.21 510	0.16 326	0.13 329	0.13 407	0.19 500	0.12 347	0.07 335	0.05 268	0.13 589	0.11 572	0.07 369	0.05 203

ffm	0.12 359	0.09 423	0.14 375	0.16 208	0.08 211	0.17 465	0.17 429	0.15 184	0.19 356	0.15 379	0.25 481	0.19 444	0.13 407	0.10 121	0.07 1	0.06 167	0.04 25	0.09 475	0.08 451	0.06 289	0.06 303

ff1	0.13 385	0.09 423	0.14 375	0.16 208	0.08 211	0.17 465	0.17 429	0.15 184	0.19 356	0.15 379	0.25 481	0.19 444	0.13 407	0.14 370	0.20 526	0.06 167	0.04 25	0.09 475	0.08 451	0.06 289	0.06 303

mmx	0.14 422	0.09 423	0.14 375	0.16 208	0.08 211	0.17 465	0.17 429	0.27 485	0.25 459	0.15 379	0.25 481	0.19 444	0.13 407	0.14 370	0.20 526	0.08 412	0.06 415	0.09 475	0.08 451	0.08 433	0.08 456

xxx	0.14 422	0.09 423	0.14 375	0.16 208	0.08 211	0.17 465	0.17 429	0.27 485	0.25 459	0.15 379	0.25 481	0.19 444	0.13 407	0.14 370	0.20 526	0.08 412	0.06 415	0.09 475	0.08 451	0.08 433	0.08 456

LL-Strereo	0.13 385	0.09 423	0.11 243	0.20 520	0.10 450	0.11 250	0.18 478	0.32 554	0.24 438	0.15 379	0.15 313	0.14 349	0.13 407	0.19 500	0.11 286	0.06 167	0.04 25	0.09 475	0.08 451	0.04 48	0.05 203

SDNR	0.19 537	0.08 343	0.19 525	0.16 208	0.12 534	0.77 678	0.14 234	0.25 445	0.32 530	0.19 473	0.24 453	0.19 444	0.13 407	0.19 500	0.15 458	0.16 629	0.18 640	0.14 602	0.11 572	0.08 433	0.11 556

BUS	0.14 422	0.09 423	0.14 375	0.22 569	0.10 450	0.19 508	0.14 234	0.34 583	0.19 356	0.17 426	0.22 432	0.16 394	0.13 407	0.15 394	0.13 389	0.08 412	0.06 415	0.10 523	0.09 498	0.07 369	0.07 390

NINENet	0.16 490	0.10 485	0.15 423	0.17 295	0.11 500	0.19 508	0.14 234	0.40 627	0.36 562	0.18 456	0.21 421	0.16 394	0.13 407	0.15 394	0.13 389	0.08 412	0.08 517	0.10 523	0.07 378	0.10 529	0.09 500

UDGNet	0.14 422	0.13 557	0.16 459	0.17 295	0.10 450	0.12 302	0.16 387	0.21 359	0.27 483	0.20 496	0.20 398	0.16 394	0.13 407	0.16 429	0.13 389	0.10 513	0.06 415	0.09 475	0.07 378	0.06 289	0.07 390

dad	0.17 511	0.20 619	0.20 537	0.16 208	0.11 500	0.20 524	0.18 478	0.21 359	0.28 498	0.30 602	0.24 453	0.29 557	0.13 407	0.19 500	0.16 474	0.18 635	0.09 550	0.11 554	0.09 498	0.11 552	0.07 390

GEStereo_RVC	0.17 511	0.12 529	0.15 423	0.22 569	0.11 500	0.19 508	0.17 429	0.32 554	0.48 615	0.20 496	0.25 481	0.17 416	0.13 407	0.21 542	0.16 474	0.10 513	0.06 415	0.08 392	0.07 378	0.09 496	0.08 456

CFNet_pseudo	0.14 422	0.08 343	0.15 423	0.16 208	0.09 338	0.13 353	0.14 234	0.27 485	0.34 549	0.14 352	0.21 421	0.22 483	0.13 407	0.18 485	0.14 427	0.07 335	0.05 268	0.08 392	0.06 280	0.07 369	0.07 390

GES	0.14 422	0.08 343	0.16 459	0.15 112	0.10 450	0.13 353	0.13 169	0.28 504	0.25 459	0.16 407	0.23 441	0.18 430	0.13 407	0.16 429	0.13 389	0.08 412	0.07 487	0.07 298	0.06 280	0.08 433	0.09 500

SFCPSM	0.13 385	0.07 224	0.14 375	0.17 295	0.09 338	0.15 413	0.16 387	0.28 504	0.27 483	0.14 352	0.17 348	0.12 303	0.13 407	0.14 370	0.11 286	0.08 412	0.05 268	0.07 298	0.07 378	0.07 369	0.06 303

ccs_rob	0.14 422	0.08 343	0.15 423	0.16 208	0.09 338	0.12 302	0.14 234	0.27 485	0.34 549	0.14 352	0.21 421	0.22 483	0.13 407	0.18 485	0.14 427	0.07 335	0.05 268	0.08 392	0.07 378	0.07 369	0.07 390

AdaStereo	0.15 467	0.11 511	0.15 423	0.18 385	0.09 338	0.20 524	0.11 64	0.32 554	0.28 498	0.20 496	0.23 441	0.20 456	0.13 407	0.19 500	0.14 427	0.12 569	0.05 268	0.10 523	0.07 378	0.09 496	0.07 390
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.
iResNetv2_ROB	0.14 422	0.08 343	0.15 423	0.16 208	0.08 211	0.16 443	0.12 96	0.25 445	0.35 558	0.21 510	0.29 533	0.24 507	0.13 407	0.14 370	0.14 427	0.06 167	0.05 268	0.06 187	0.04 58	0.09 496	0.08 456

MLCV	0.12 359	0.07 224	0.16 459	0.18 385	0.06 27	0.15 413	0.17 429	0.19 325	0.21 395	0.18 456	0.25 481	0.17 416	0.13 407	0.14 370	0.13 389	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72

iResNet	0.13 385	0.10 485	0.18 513	0.19 454	0.08 211	0.13 353	0.18 478	0.20 336	0.26 473	0.15 379	0.23 441	0.15 378	0.13 407	0.14 370	0.14 427	0.06 167	0.04 25	0.06 187	0.05 189	0.06 289	0.05 203

DN-CSS_ROB	0.13 385	0.13 557	0.16 459	0.18 385	0.10 450	0.16 443	0.08 7	0.22 383	0.18 337	0.17 426	0.22 432	0.13 329	0.13 407	0.12 289	0.13 389	0.05 51	0.05 268	0.10 523	0.10 538	0.08 433	0.06 303

G2L-ROB	0.13 385	0.06 106	0.13 338	0.13 16	0.08 211	0.14 387	0.16 387	0.25 445	0.18 337	0.19 473	0.18 375	0.20 456	0.14 431	0.17 463	0.16 474	0.08 412	0.05 268	0.06 187	0.05 189	0.08 433	0.09 500

test_sample6	0.14 422	0.08 343	0.13 338	0.16 208	0.08 211	0.17 465	0.19 518	0.25 445	0.17 306	0.17 426	0.27 507	0.19 444	0.14 431	0.15 394	0.13 389	0.08 412	0.05 268	0.08 392	0.07 378	0.08 433	0.08 456

test_sample5	0.14 422	0.08 343	0.14 375	0.16 208	0.08 211	0.18 484	0.18 478	0.25 445	0.17 306	0.17 426	0.27 507	0.18 430	0.14 431	0.16 429	0.13 389	0.08 412	0.05 268	0.08 392	0.07 378	0.08 433	0.08 456

test_sample4	0.14 422	0.08 343	0.14 375	0.15 112	0.08 211	0.19 508	0.18 478	0.26 463	0.17 306	0.16 407	0.25 481	0.18 430	0.14 431	0.16 429	0.13 389	0.08 412	0.06 415	0.08 392	0.06 280	0.08 433	0.08 456

DualNet	0.14 422	0.08 343	0.14 375	0.16 208	0.08 211	0.18 484	0.18 478	0.25 445	0.17 306	0.17 426	0.27 507	0.18 430	0.14 431	0.16 429	0.13 389	0.08 412	0.05 268	0.08 392	0.07 378	0.08 433	0.08 456

CFNet_ucs	0.15 467	0.08 343	0.16 459	0.16 208	0.11 500	0.14 387	0.14 234	0.30 532	0.34 549	0.16 407	0.24 453	0.23 501	0.14 431	0.18 485	0.15 458	0.09 472	0.06 415	0.08 392	0.07 378	0.09 496	0.09 500

anonymousa	0.13 385	0.07 224	0.13 338	0.18 385	0.09 338	0.13 353	0.17 429	0.19 325	0.29 505	0.15 379	0.24 453	0.15 378	0.14 431	0.14 370	0.14 427	0.07 335	0.05 268	0.07 298	0.09 498	0.05 167	0.06 303

DCANet-4	0.10 240	0.06 106	0.12 288	0.16 208	0.06 27	0.09 135	0.17 429	0.18 295	0.19 356	0.13 330	0.16 326	0.09 218	0.14 431	0.11 195	0.12 347	0.06 167	0.04 25	0.05 47	0.04 58	0.04 48	0.05 203

GwcNet-ADL	0.13 385	0.08 343	0.14 375	0.20 520	0.09 338	0.11 250	0.20 541	0.30 532	0.24 438	0.13 330	0.14 296	0.18 430	0.14 431	0.13 341	0.14 427	0.07 335	0.05 268	0.06 187	0.05 189	0.07 369	0.06 303

AAGNet	0.11 288	0.07 224	0.16 459	0.19 454	0.09 338	0.08 82	0.13 169	0.18 295	0.13 183	0.16 407	0.21 421	0.13 329	0.14 431	0.11 195	0.14 427	0.06 167	0.04 25	0.09 475	0.06 280	0.06 289	0.05 203

DEmStereo	0.12 359	0.06 106	0.14 375	0.14 59	0.10 450	0.16 443	0.15 318	0.16 222	0.24 438	0.17 426	0.24 453	0.13 329	0.14 431	0.12 289	0.13 389	0.05 51	0.04 25	0.07 298	0.06 280	0.05 167	0.05 203

HCRNet	0.16 490	0.24 634	0.12 288	0.35 652	0.11 500	0.15 413	0.17 429	0.26 463	0.22 409	0.19 473	0.24 453	0.21 465	0.14 431	0.15 394	0.13 389	0.11 544	0.07 487	0.11 554	0.10 538	0.09 496	0.07 390

xxxx	0.15 467	0.07 224	0.14 375	0.14 59	0.08 211	0.23 567	0.18 478	0.31 543	0.19 356	0.14 352	0.28 521	0.22 483	0.14 431	0.15 394	0.26 601	0.09 472	0.05 268	0.07 298	0.07 378	0.08 433	0.07 390

PSMNet-RSSM	0.14 422	0.07 224	0.13 338	0.15 112	0.08 211	0.13 353	0.16 387	0.24 428	0.24 438	0.16 407	0.28 521	0.22 483	0.14 431	0.15 394	0.13 389	0.11 544	0.06 415	0.09 475	0.12 592	0.08 433	0.07 390

CFNet-ft	0.14 422	0.07 224	0.15 423	0.12 5	0.09 338	0.16 443	0.18 478	0.22 383	0.24 438	0.17 426	0.26 498	0.24 507	0.14 431	0.16 429	0.14 427	0.11 544	0.06 415	0.08 392	0.09 498	0.09 496	0.08 456

BEATNet_4x	0.12 359	0.08 343	0.14 375	0.18 385	0.07 131	0.15 413	0.07 3	0.22 383	0.18 337	0.16 407	0.19 386	0.18 430	0.14 431	0.16 429	0.15 458	0.07 335	0.05 268	0.05 47	0.05 189	0.06 289	0.06 303

HSM-Net_RVC	0.14 422	0.08 343	0.11 243	0.15 112	0.08 211	0.15 413	0.15 318	0.27 485	0.29 505	0.19 473	0.21 421	0.29 557	0.14 431	0.17 463	0.13 389	0.06 167	0.06 415	0.06 187	0.06 280	0.07 369	0.06 303
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 422	0.07 224	0.15 423	0.12 5	0.09 338	0.16 443	0.18 478	0.22 383	0.24 438	0.17 426	0.26 498	0.24 507	0.14 431	0.16 429	0.14 427	0.11 544	0.06 415	0.08 392	0.09 498	0.09 496	0.08 456

LiteMatch	0.09 171	0.06 106	0.10 185	0.16 208	0.07 131	0.09 135	0.15 318	0.13 111	0.08 24	0.06 24	0.07 64	0.06 42	0.15 449	0.10 121	0.14 427	0.07 335	0.04 25	0.06 187	0.06 280	0.06 289	0.06 303

Lsterematch	0.11 288	0.06 106	0.11 243	0.16 208	0.07 131	0.13 353	0.15 318	0.14 142	0.17 306	0.16 407	0.18 375	0.15 378	0.15 449	0.12 289	0.14 427	0.07 335	0.04 25	0.06 187	0.06 280	0.06 289	0.06 303

DCVSM-stereo	0.14 422	0.09 423	0.16 459	0.16 208	0.10 450	0.15 413	0.09 20	0.19 325	0.23 421	0.20 496	0.23 441	0.26 531	0.15 449	0.18 485	0.14 427	0.09 472	0.07 487	0.09 475	0.08 451	0.10 529	0.12 569

ACV-stereo	0.15 467	0.10 485	0.28 585	0.18 385	0.12 534	0.14 387	0.12 96	0.23 404	0.21 395	0.19 473	0.23 441	0.22 483	0.15 449	0.23 566	0.17 489	0.07 335	0.06 415	0.07 298	0.07 378	0.07 369	0.07 390

ITSA-stereo	0.15 467	0.10 485	0.14 375	0.19 454	0.08 211	0.12 302	0.14 234	0.30 532	0.49 622	0.17 426	0.19 386	0.22 483	0.15 449	0.17 463	0.16 474	0.10 513	0.06 415	0.08 392	0.08 451	0.08 433	0.08 456

rvit_stereo_0075_2	0.17 511	0.12 529	0.25 570	0.23 593	0.16 609	0.13 353	0.10 35	0.30 532	0.27 483	0.20 496	0.28 521	0.22 483	0.15 449	0.18 485	0.13 389	0.16 629	0.10 571	0.17 624	0.10 538	0.10 529	0.09 500

test_sample3	0.14 422	0.08 343	0.15 423	0.14 59	0.09 338	0.19 508	0.17 429	0.26 463	0.18 337	0.16 407	0.22 432	0.19 444	0.15 449	0.17 463	0.13 389	0.08 412	0.06 415	0.07 298	0.06 280	0.09 496	0.08 456

test_sample2	0.12 359	0.07 224	0.12 288	0.14 59	0.08 211	0.16 443	0.18 478	0.21 359	0.16 277	0.14 352	0.20 398	0.19 444	0.15 449	0.15 394	0.12 347	0.08 412	0.05 268	0.07 298	0.06 280	0.08 433	0.07 390

SMFormer	0.14 422	0.07 224	0.17 489	0.14 59	0.08 211	0.16 443	0.17 429	0.26 463	0.27 483	0.19 473	0.20 398	0.18 430	0.15 449	0.15 394	0.17 489	0.08 412	0.05 268	0.07 298	0.06 280	0.07 369	0.06 303

tta	0.14 422	0.07 224	0.17 489	0.14 59	0.08 211	0.16 443	0.17 429	0.26 463	0.27 483	0.19 473	0.20 398	0.18 430	0.15 449	0.15 394	0.17 489	0.08 412	0.05 268	0.07 298	0.06 280	0.06 289	0.06 303

qqq1	0.13 385	0.07 224	0.17 489	0.14 59	0.08 211	0.16 443	0.17 429	0.26 463	0.27 483	0.19 473	0.20 398	0.18 430	0.15 449	0.15 394	0.11 286	0.08 412	0.05 268	0.05 47	0.05 189	0.06 289	0.06 303

fff1	0.13 385	0.07 224	0.17 489	0.14 59	0.08 211	0.16 443	0.17 429	0.26 463	0.27 483	0.19 473	0.20 398	0.18 430	0.15 449	0.15 394	0.11 286	0.08 412	0.05 268	0.05 47	0.05 189	0.06 289	0.06 303

1111x	0.15 467	0.08 343	0.12 288	0.18 385	0.07 131	0.18 484	0.25 610	0.31 543	0.24 438	0.17 426	0.24 453	0.26 531	0.15 449	0.13 341	0.23 567	0.07 335	0.07 487	0.08 392	0.09 498	0.07 369	0.06 303

iinet-f	0.16 490	0.06 106	0.45 630	0.14 59	0.10 450	0.21 541	0.14 234	0.27 485	0.23 421	0.21 510	0.24 453	0.21 465	0.15 449	0.18 485	0.21 546	0.09 472	0.07 487	0.07 298	0.06 280	0.09 496	0.10 529

GASNet	0.22 570	0.23 631	0.33 605	0.26 618	0.17 624	0.26 593	0.16 387	0.44 644	0.42 596	0.27 573	0.24 453	0.30 567	0.15 449	0.27 586	0.18 507	0.12 569	0.08 517	0.12 574	0.11 572	0.16 625	0.07 390

CASS	0.13 385	0.12 529	0.11 243	0.23 593	0.09 338	0.15 413	0.17 429	0.18 295	0.19 356	0.17 426	0.18 375	0.15 378	0.15 449	0.14 370	0.14 427	0.09 472	0.06 415	0.10 523	0.08 451	0.09 496	0.07 390
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Wz-Net-LNSev-Ref	0.18 525	0.09 423	0.29 593	0.15 112	0.10 450	0.22 550	0.20 541	0.26 463	0.39 579	0.25 561	0.42 619	0.24 507	0.15 449	0.20 525	0.19 520	0.07 335	0.05 268	0.06 187	0.05 189	0.10 529	0.09 500

test_5	0.14 422	0.12 529	0.08 56	0.20 520	0.10 450	0.14 387	0.29 642	0.21 359	0.24 438	0.18 456	0.28 521	0.11 283	0.15 449	0.12 289	0.13 389	0.06 167	0.05 268	0.07 298	0.08 451	0.08 433	0.07 390

CSP-Net	0.16 490	0.09 423	0.14 375	0.16 208	0.09 338	0.19 508	0.17 429	0.25 445	0.32 530	0.25 561	0.30 540	0.24 507	0.15 449	0.21 542	0.18 507	0.09 472	0.06 415	0.07 298	0.07 378	0.08 433	0.07 390

DAS	0.15 467	0.08 343	0.18 513	0.19 454	0.10 450	0.19 508	0.17 429	0.27 485	0.29 505	0.18 456	0.25 481	0.21 465	0.15 449	0.16 429	0.12 347	0.08 412	0.06 415	0.06 187	0.06 280	0.07 369	0.07 390

SepStereo	0.15 467	0.08 343	0.18 513	0.19 454	0.10 450	0.19 508	0.17 429	0.27 485	0.29 505	0.18 456	0.25 481	0.21 465	0.15 449	0.25 581	0.12 347	0.08 412	0.06 415	0.06 187	0.06 280	0.07 369	0.07 390

DRaft	0.12 359	0.06 106	0.11 243	0.14 59	0.09 338	0.14 387	0.17 429	0.21 359	0.30 515	0.17 426	0.28 521	0.10 253	0.15 449	0.10 121	0.12 347	0.05 51	0.04 25	0.07 298	0.06 280	0.05 167	0.05 203

GANet-RSSM	0.14 422	0.07 224	0.13 338	0.13 16	0.08 211	0.14 387	0.17 429	0.22 383	0.21 395	0.17 426	0.24 453	0.23 501	0.15 449	0.16 429	0.15 458	0.10 513	0.06 415	0.07 298	0.08 451	0.08 433	0.07 390

DSFCA	0.16 490	0.09 423	0.14 375	0.16 208	0.10 450	0.20 524	0.19 518	0.28 504	0.31 523	0.23 539	0.24 453	0.22 483	0.15 449	0.19 500	0.20 526	0.10 513	0.07 487	0.09 475	0.09 498	0.08 433	0.08 456

FADNet-RVC-Resample	0.16 490	0.11 511	0.31 598	0.22 569	0.11 500	0.19 508	0.14 234	0.25 445	0.24 438	0.24 548	0.27 507	0.20 456	0.15 449	0.16 429	0.15 458	0.07 335	0.08 517	0.12 574	0.10 538	0.09 496	0.10 529

UCFNet_RVC	0.14 422	0.08 343	0.13 338	0.11 1	0.10 450	0.20 524	0.10 35	0.24 428	0.22 409	0.17 426	0.20 398	0.23 501	0.15 449	0.17 463	0.15 458	0.12 569	0.07 487	0.10 523	0.13 603	0.11 552	0.10 529

iResNet_ROB	0.14 422	0.07 224	0.13 338	0.14 59	0.07 131	0.18 484	0.14 234	0.26 463	0.31 523	0.22 526	0.25 481	0.23 501	0.15 449	0.15 394	0.13 389	0.07 335	0.05 268	0.05 47	0.04 58	0.08 433	0.08 456

PWCDC_ROB	0.20 549	0.13 557	0.22 552	0.24 602	0.11 500	0.19 508	0.15 318	0.33 574	0.54 635	0.29 597	0.50 635	0.21 465	0.15 449	0.27 586	0.20 526	0.11 544	0.09 550	0.10 523	0.08 451	0.11 552	0.09 500

xyz-stereo	0.13 385	0.07 224	0.20 537	0.15 112	0.05 2	0.20 524	0.15 318	0.17 261	0.31 523	0.15 379	0.29 533	0.26 531	0.16 477	0.13 341	0.12 347	0.05 51	0.05 268	0.06 187	0.05 189	0.04 48	0.04 72

G2L-Stereo_test	0.14 422	0.07 224	0.11 243	0.13 16	0.08 211	0.12 302	0.16 387	0.30 532	0.28 498	0.20 496	0.23 441	0.20 456	0.16 477	0.17 463	0.18 507	0.07 335	0.05 268	0.05 47	0.05 189	0.07 369	0.06 303

FACV-RUCA	0.13 385	0.11 511	0.12 288	0.19 454	0.12 534	0.15 413	0.15 318	0.22 383	0.20 379	0.15 379	0.16 326	0.14 349	0.16 477	0.14 370	0.13 389	0.07 335	0.05 268	0.08 392	0.06 280	0.10 529	0.08 456

test_sample1	0.13 385	0.07 224	0.14 375	0.13 16	0.08 211	0.19 508	0.16 387	0.20 336	0.15 240	0.14 352	0.22 432	0.18 430	0.16 477	0.17 463	0.14 427	0.07 335	0.06 415	0.06 187	0.06 280	0.08 433	0.07 390

xx1	0.11 288	0.08 343	0.12 288	0.17 295	0.09 338	0.13 353	0.15 318	0.16 222	0.18 337	0.09 179	0.09 156	0.16 394	0.16 477	0.10 121	0.07 1	0.06 167	0.04 25	0.08 392	0.08 451	0.07 369	0.07 390

mmm	0.14 422	0.08 343	0.17 489	0.17 295	0.09 338	0.17 465	0.18 478	0.21 359	0.15 240	0.15 379	0.23 441	0.21 465	0.16 477	0.16 429	0.17 489	0.08 412	0.05 268	0.08 392	0.07 378	0.07 369	0.07 390

11t1	0.12 359	0.06 106	0.13 338	0.14 59	0.08 211	0.17 465	0.15 318	0.18 295	0.15 240	0.15 379	0.15 313	0.16 394	0.16 477	0.15 394	0.13 389	0.08 412	0.05 268	0.06 187	0.05 189	0.08 433	0.07 390

CBFPSM	0.14 422	0.06 106	0.26 573	0.17 295	0.09 338	0.13 353	0.15 318	0.22 383	0.23 421	0.20 496	0.27 507	0.24 507	0.16 477	0.16 429	0.18 507	0.06 167	0.06 415	0.06 187	0.07 378	0.07 369	0.07 390

gwcnet-sp	0.14 422	0.07 224	0.12 288	0.18 385	0.09 338	0.16 443	0.17 429	0.24 428	0.24 438	0.18 456	0.24 453	0.15 378	0.16 477	0.15 394	0.15 458	0.08 412	0.06 415	0.07 298	0.08 451	0.08 433	0.07 390

scenet	0.14 422	0.07 224	0.12 288	0.18 385	0.09 338	0.16 443	0.17 429	0.24 428	0.24 438	0.18 456	0.24 453	0.15 378	0.16 477	0.15 394	0.15 458	0.08 412	0.06 415	0.07 298	0.08 451	0.08 433	0.07 390

ssnet	0.14 422	0.07 224	0.12 288	0.18 385	0.09 338	0.16 443	0.17 429	0.24 428	0.24 438	0.18 456	0.24 453	0.15 378	0.16 477	0.15 394	0.15 458	0.08 412	0.06 415	0.07 298	0.08 451	0.08 433	0.07 390

qqq	0.13 385	0.09 423	0.15 423	0.16 208	0.08 211	0.13 353	0.15 318	0.23 404	0.16 277	0.15 379	0.19 386	0.16 394	0.16 477	0.15 394	0.16 474	0.07 335	0.06 415	0.08 392	0.08 451	0.07 369	0.07 390

BSDual-CNN	0.15 467	0.09 423	0.14 375	0.22 569	0.10 450	0.14 387	0.15 318	0.34 583	0.19 356	0.17 426	0.22 432	0.25 521	0.16 477	0.15 394	0.14 427	0.08 412	0.06 415	0.10 523	0.09 498	0.07 369	0.07 390

psmg	0.14 422	0.09 423	0.14 375	0.17 295	0.10 450	0.15 413	0.17 429	0.29 518	0.19 356	0.17 426	0.21 421	0.25 521	0.16 477	0.15 394	0.14 427	0.08 412	0.06 415	0.08 392	0.08 451	0.07 369	0.06 303

AASNet	0.16 490	0.08 343	0.12 288	0.19 454	0.09 338	0.18 484	0.15 318	0.37 611	0.37 569	0.19 473	0.23 441	0.20 456	0.16 477	0.17 463	0.20 526	0.10 513	0.08 517	0.08 392	0.07 378	0.09 496	0.09 500

PSMNet-ADL	0.15 467	0.12 529	0.13 338	0.22 569	0.09 338	0.13 353	0.20 541	0.26 463	0.23 421	0.18 456	0.20 398	0.24 507	0.16 477	0.18 485	0.17 489	0.08 412	0.08 517	0.08 392	0.11 572	0.08 433	0.07 390

ADLNet	0.16 490	0.08 343	0.15 423	0.16 208	0.10 450	0.16 443	0.17 429	0.32 554	0.27 483	0.22 526	0.27 507	0.24 507	0.16 477	0.18 485	0.21 546	0.10 513	0.06 415	0.10 523	0.10 538	0.08 433	0.09 500

222	0.16 490	0.07 224	0.14 375	0.14 59	0.08 211	0.24 572	0.18 478	0.30 532	0.20 379	0.17 426	0.28 521	0.17 416	0.16 477	0.15 394	0.40 656	0.10 513	0.05 268	0.07 298	0.06 280	0.07 369	0.08 456

test_xeample	0.15 467	0.06 106	0.13 338	0.14 59	0.08 211	0.21 541	0.20 541	0.28 504	0.20 379	0.16 407	0.29 533	0.19 444	0.16 477	0.15 394	0.26 601	0.09 472	0.05 268	0.07 298	0.07 378	0.07 369	0.07 390

ACVNet	0.15 467	0.09 423	0.15 423	0.13 16	0.12 534	0.14 387	0.20 541	0.22 383	0.33 537	0.17 426	0.26 498	0.21 465	0.16 477	0.17 463	0.21 546	0.07 335	0.06 415	0.06 187	0.06 280	0.08 433	0.06 303

cf-r	0.13 385	0.07 224	0.12 288	0.16 208	0.08 211	0.14 387	0.19 518	0.20 336	0.25 459	0.17 426	0.25 481	0.21 465	0.16 477	0.14 370	0.14 427	0.10 513	0.05 268	0.06 187	0.08 451	0.06 289	0.06 303

GwcNet-RSSM	0.14 422	0.07 224	0.12 288	0.15 112	0.08 211	0.15 413	0.20 541	0.21 359	0.27 483	0.18 456	0.27 507	0.22 483	0.16 477	0.14 370	0.15 458	0.10 513	0.05 268	0.07 298	0.09 498	0.07 369	0.07 390

HSM	0.15 467	0.08 343	0.14 375	0.16 208	0.09 338	0.16 443	0.14 234	0.28 504	0.25 459	0.19 473	0.23 441	0.37 611	0.16 477	0.20 525	0.15 458	0.07 335	0.05 268	0.07 298	0.06 280	0.07 369	0.06 303

z-ln-s-r	0.17 511	0.10 485	0.40 623	0.19 454	0.08 211	0.17 465	0.18 478	0.22 383	0.33 537	0.18 456	0.40 602	0.22 483	0.17 500	0.20 525	0.23 567	0.07 335	0.05 268	0.07 298	0.07 378	0.07 369	0.05 203

coex_refinement	0.14 422	0.07 224	0.12 288	0.17 295	0.10 450	0.15 413	0.15 318	0.26 463	0.29 505	0.18 456	0.20 398	0.22 483	0.17 500	0.16 429	0.18 507	0.08 412	0.05 268	0.06 187	0.06 280	0.09 496	0.08 456

ISRNet	0.18 525	0.08 343	0.19 525	0.19 454	0.13 557	0.15 413	0.12 96	0.30 532	0.32 530	0.21 510	0.25 481	0.27 539	0.17 500	0.17 463	0.20 526	0.20 643	0.08 517	0.14 602	0.14 607	0.14 600	0.17 635

rvit_105_1	0.19 537	0.11 511	0.25 570	0.21 552	0.16 609	0.21 541	0.27 626	0.31 543	0.41 588	0.19 473	0.20 398	0.22 483	0.17 500	0.19 500	0.17 489	0.12 569	0.12 599	0.13 589	0.15 623	0.08 433	0.07 390

DispNO	0.14 422	0.08 343	0.17 489	0.19 454	0.12 534	0.11 250	0.21 561	0.23 404	0.29 505	0.17 426	0.23 441	0.18 430	0.17 500	0.15 394	0.15 458	0.07 335	0.05 268	0.08 392	0.08 451	0.07 369	0.06 303

x	0.13 385	0.07 224	0.14 375	0.14 59	0.08 211	0.18 484	0.14 234	0.22 383	0.20 379	0.15 379	0.19 386	0.19 444	0.17 500	0.18 485	0.18 507	0.07 335	0.05 268	0.06 187	0.06 280	0.07 369	0.07 390

CRFU-Net	0.16 490	0.08 343	0.14 375	0.17 295	0.09 338	0.19 508	0.14 234	0.26 463	0.20 379	0.28 588	0.27 507	0.29 557	0.17 500	0.19 500	0.17 489	0.09 472	0.09 550	0.07 298	0.07 378	0.08 433	0.08 456

AACVNet	0.16 490	0.08 343	0.14 375	0.15 112	0.10 450	0.18 484	0.15 318	0.23 404	0.24 438	0.27 573	0.27 507	0.28 549	0.17 500	0.19 500	0.16 474	0.09 472	0.07 487	0.09 475	0.07 378	0.10 529	0.09 500

LMCR-Stereo	0.15 467	0.08 343	0.13 338	0.21 552	0.09 338	0.17 465	0.20 541	0.27 485	0.19 356	0.24 548	0.24 453	0.23 501	0.17 500	0.20 525	0.17 489	0.07 335	0.06 415	0.08 392	0.06 280	0.10 529	0.08 456

acv_ft	0.15 467	0.09 423	0.15 423	0.19 454	0.10 450	0.16 443	0.17 429	0.25 445	0.33 537	0.19 473	0.26 498	0.21 465	0.17 500	0.17 463	0.18 507	0.07 335	0.06 415	0.06 187	0.06 280	0.08 433	0.06 303

CCAANet	0.14 422	0.06 106	0.11 243	0.16 208	0.08 211	0.22 550	0.14 234	0.26 463	0.18 337	0.16 407	0.36 575	0.15 378	0.17 500	0.16 429	0.13 389	0.07 335	0.05 268	0.06 187	0.06 280	0.05 167	0.07 390

FADNet_RVC	0.16 490	0.14 569	0.40 623	0.20 520	0.11 500	0.13 353	0.13 169	0.26 463	0.22 409	0.21 510	0.23 441	0.20 456	0.17 500	0.14 370	0.16 474	0.08 412	0.08 517	0.12 574	0.09 498	0.11 552	0.10 529

CFNet	0.15 467	0.10 485	0.17 489	0.17 295	0.08 211	0.18 484	0.09 20	0.28 504	0.25 459	0.19 473	0.24 453	0.24 507	0.17 500	0.17 463	0.14 427	0.08 412	0.06 415	0.09 475	0.10 538	0.07 369	0.06 303

NLCA_NET_v2_RVC	0.17 511	0.10 485	0.22 552	0.20 520	0.10 450	0.15 413	0.18 478	0.31 543	0.25 459	0.21 510	0.30 540	0.25 521	0.17 500	0.21 542	0.20 526	0.09 472	0.06 415	0.08 392	0.08 451	0.07 369	0.08 456
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	0.17 511	0.12 529	0.15 423	0.20 520	0.09 338	0.18 484	0.18 478	0.26 463	0.23 421	0.26 567	0.40 602	0.22 483	0.17 500	0.21 542	0.20 526	0.08 412	0.05 268	0.09 475	0.10 538	0.07 369	0.07 390
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
YMNet	0.20 549	0.12 529	0.19 525	0.20 520	0.14 578	0.26 593	0.23 582	0.32 554	0.34 549	0.27 573	0.34 568	0.30 567	0.18 515	0.18 485	0.22 555	0.10 513	0.13 614	0.10 523	0.10 538	0.08 433	0.09 500

YMNet_1	0.20 549	0.12 529	0.19 525	0.20 520	0.14 578	0.26 593	0.23 582	0.32 554	0.34 549	0.27 573	0.34 568	0.30 567	0.18 515	0.18 485	0.22 555	0.10 513	0.13 614	0.10 523	0.10 538	0.08 433	0.09 500

ssnet_v2	0.17 511	0.10 485	0.17 489	0.17 295	0.11 500	0.21 541	0.21 561	0.33 574	0.25 459	0.22 526	0.22 432	0.27 539	0.18 515	0.22 555	0.20 526	0.11 544	0.09 550	0.09 475	0.09 498	0.08 433	0.08 456

Wz-Net-LNSev	0.22 570	0.16 587	0.38 620	0.21 552	0.13 557	0.25 583	0.23 582	0.32 554	0.43 601	0.30 602	0.41 613	0.31 580	0.18 515	0.22 555	0.25 590	0.10 513	0.09 550	0.08 392	0.08 451	0.12 567	0.11 556

hknet	0.15 467	0.11 511	0.13 338	0.22 569	0.11 500	0.14 387	0.15 318	0.34 583	0.25 459	0.17 426	0.22 432	0.22 483	0.18 515	0.17 463	0.12 347	0.07 335	0.06 415	0.10 523	0.09 498	0.07 369	0.07 390

ADLNet2	0.16 490	0.09 423	0.13 338	0.16 208	0.09 338	0.20 524	0.16 387	0.31 543	0.39 579	0.16 407	0.20 398	0.20 456	0.18 515	0.21 542	0.22 555	0.08 412	0.06 415	0.07 298	0.07 378	0.09 496	0.07 390

ICVP	0.15 467	0.09 423	0.12 288	0.22 569	0.09 338	0.17 465	0.21 561	0.25 445	0.23 421	0.18 456	0.30 540	0.26 531	0.18 515	0.17 463	0.14 427	0.09 472	0.07 487	0.08 392	0.07 378	0.07 369	0.07 390
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ac_64	0.16 490	0.08 343	0.15 423	0.18 385	0.10 450	0.22 550	0.18 478	0.24 428	0.21 395	0.18 456	0.24 453	0.29 557	0.18 515	0.19 500	0.22 555	0.09 472	0.07 487	0.08 392	0.09 498	0.07 369	0.06 303

HGLStereo	0.17 511	0.08 343	0.19 525	0.17 295	0.12 534	0.18 484	0.18 478	0.31 543	0.32 530	0.21 510	0.32 552	0.25 521	0.18 515	0.19 500	0.20 526	0.09 472	0.09 550	0.07 298	0.07 378	0.09 496	0.10 529

DMCA	0.14 422	0.09 423	0.16 459	0.19 454	0.09 338	0.15 413	0.17 429	0.23 404	0.27 483	0.14 352	0.19 386	0.17 416	0.18 515	0.15 394	0.17 489	0.10 513	0.06 415	0.08 392	0.06 280	0.09 496	0.10 529

STTStereo	0.18 525	0.12 529	0.27 580	0.20 520	0.11 500	0.16 443	0.21 561	0.29 518	0.23 421	0.21 510	0.30 540	0.29 557	0.18 515	0.20 525	0.19 520	0.12 569	0.11 583	0.11 554	0.14 607	0.09 496	0.08 456

RASNet	0.14 422	0.07 224	0.14 375	0.16 208	0.08 211	0.18 484	0.14 234	0.29 518	0.20 379	0.17 426	0.25 481	0.21 465	0.18 515	0.20 525	0.19 520	0.07 335	0.06 415	0.06 187	0.08 451	0.06 289	0.06 303

TDLM	0.17 511	0.12 529	0.13 338	0.24 602	0.10 450	0.18 484	0.18 478	0.36 605	0.30 515	0.21 510	0.28 521	0.28 549	0.18 515	0.23 566	0.18 507	0.11 544	0.07 487	0.10 523	0.10 538	0.08 433	0.08 456

CVANet_RVC	0.18 525	0.10 485	0.14 375	0.21 552	0.10 450	0.18 484	0.17 429	0.34 583	0.33 537	0.22 526	0.31 548	0.28 549	0.18 515	0.23 566	0.17 489	0.12 569	0.08 517	0.12 574	0.11 572	0.09 496	0.07 390

DeepPruner_ROB	0.16 490	0.11 511	0.15 423	0.17 295	0.10 450	0.17 465	0.15 318	0.32 554	0.21 395	0.19 473	0.21 421	0.22 483	0.18 515	0.20 525	0.15 458	0.13 595	0.09 550	0.09 475	0.09 498	0.11 552	0.10 529

pmcnn	0.15 467	0.07 224	0.19 525	0.15 112	0.07 131	0.20 524	0.15 318	0.24 428	0.26 473	0.21 510	0.34 568	0.28 549	0.18 515	0.18 485	0.17 489	0.07 335	0.05 268	0.05 47	0.04 58	0.07 369	0.06 303

TCMNet	0.19 537	0.12 529	0.19 525	0.20 520	0.18 631	0.20 524	0.24 595	0.27 485	0.36 562	0.23 539	0.26 498	0.25 521	0.19 531	0.19 500	0.23 567	0.13 595	0.11 583	0.11 554	0.12 592	0.13 586	0.12 569

DualNet (step1)	0.16 490	0.12 529	0.20 537	0.12 5	0.14 578	0.17 465	0.13 169	0.27 485	0.23 421	0.20 496	0.20 398	0.24 507	0.19 531	0.16 429	0.16 474	0.15 613	0.06 415	0.14 602	0.14 607	0.14 600	0.12 569

test_sample9	0.18 525	0.12 529	0.20 537	0.12 5	0.14 578	0.17 465	0.13 169	0.27 485	0.23 421	0.20 496	0.20 398	0.24 507	0.19 531	0.19 500	0.17 489	0.15 613	0.30 665	0.14 602	0.14 607	0.14 600	0.12 569

test_sample7	0.15 467	0.10 485	0.16 459	0.14 59	0.11 500	0.16 443	0.16 387	0.27 485	0.23 421	0.20 496	0.20 398	0.24 507	0.19 531	0.16 429	0.16 474	0.12 569	0.06 415	0.10 523	0.09 498	0.10 529	0.10 529

Wz-Net-MNSev	0.22 570	0.13 557	0.31 598	0.20 520	0.14 578	0.36 638	0.24 595	0.33 574	0.44 606	0.28 588	0.40 602	0.38 615	0.19 531	0.24 576	0.25 590	0.09 472	0.07 487	0.09 475	0.09 498	0.12 567	0.10 529

pcwnet_v2	0.19 537	0.10 485	0.26 573	0.17 295	0.14 578	0.18 484	0.15 318	0.37 611	0.46 613	0.19 473	0.24 453	0.21 465	0.19 531	0.20 525	0.19 520	0.13 595	0.10 571	0.10 523	0.10 538	0.11 552	0.13 591

delet	0.17 511	0.08 343	0.17 489	0.19 454	0.11 500	0.20 524	0.21 561	0.30 532	0.37 569	0.17 426	0.26 498	0.19 444	0.19 531	0.19 500	0.21 546	0.08 412	0.08 517	0.09 475	0.11 572	0.06 289	0.06 303

UNet	0.17 511	0.09 423	0.18 513	0.19 454	0.12 534	0.27 603	0.19 518	0.33 574	0.29 505	0.21 510	0.24 453	0.23 501	0.19 531	0.19 500	0.18 507	0.07 335	0.06 415	0.08 392	0.07 378	0.08 433	0.06 303

UPFNet	0.16 490	0.08 343	0.12 288	0.20 520	0.12 534	0.20 524	0.23 582	0.28 504	0.26 473	0.17 426	0.24 453	0.22 483	0.19 531	0.19 500	0.21 546	0.09 472	0.07 487	0.08 392	0.09 498	0.08 433	0.06 303

NVstereo2D	0.19 537	0.10 485	0.15 423	0.17 295	0.15 598	0.28 610	0.23 582	0.44 644	0.42 596	0.15 379	0.27 507	0.25 521	0.19 531	0.22 555	0.17 489	0.09 472	0.06 415	0.10 523	0.08 451	0.15 616	0.09 500

StereoDRNet	0.18 525	0.11 511	0.17 489	0.22 569	0.11 500	0.21 541	0.22 571	0.37 611	0.33 537	0.24 548	0.28 521	0.30 567	0.19 531	0.20 525	0.20 526	0.09 472	0.08 517	0.11 554	0.09 498	0.09 496	0.07 390

SGM-Forest	0.20 549	0.14 569	0.18 513	0.19 454	0.13 557	0.20 524	0.22 571	0.33 574	0.30 515	0.24 548	0.29 533	0.28 549	0.19 531	0.23 566	0.17 489	0.15 613	0.16 633	0.15 614	0.14 607	0.12 567	0.12 569
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
fast-acv-ft	0.18 525	0.11 511	0.19 525	0.19 454	0.12 534	0.24 572	0.21 561	0.25 445	0.34 549	0.22 526	0.34 568	0.27 539	0.20 543	0.21 542	0.23 567	0.09 472	0.09 550	0.08 392	0.10 538	0.08 433	0.07 390

IER	0.14 422	0.07 224	0.13 338	0.17 295	0.09 338	0.14 387	0.16 387	0.25 445	0.26 473	0.18 456	0.25 481	0.17 416	0.20 543	0.16 429	0.14 427	0.08 412	0.05 268	0.07 298	0.06 280	0.08 433	0.07 390

MMNet	0.17 511	0.09 423	0.16 459	0.20 520	0.11 500	0.27 603	0.20 541	0.25 445	0.41 588	0.22 526	0.30 540	0.21 465	0.20 543	0.17 463	0.20 526	0.06 167	0.06 415	0.07 298	0.07 378	0.08 433	0.07 390

GwcNet	0.20 549	0.13 557	0.19 525	0.18 385	0.12 534	0.24 572	0.19 518	0.35 598	0.43 601	0.20 496	0.32 552	0.33 593	0.20 543	0.22 555	0.24 580	0.11 544	0.09 550	0.09 475	0.09 498	0.09 496	0.10 529

DGSMNet	0.24 593	0.19 613	0.33 605	0.21 552	0.24 649	0.24 572	0.20 541	0.35 598	0.41 588	0.24 548	0.32 552	0.38 615	0.21 547	0.29 604	0.23 567	0.12 569	0.11 583	0.14 602	0.16 627	0.23 645	0.23 649

FADNet-RVC	0.20 549	0.20 619	0.38 620	0.21 552	0.16 609	0.20 524	0.15 318	0.26 463	0.26 473	0.26 567	0.32 552	0.26 531	0.21 547	0.22 555	0.19 520	0.12 569	0.13 614	0.12 574	0.14 607	0.13 586	0.18 638

FADNet	0.21 561	0.22 629	0.36 614	0.18 385	0.17 624	0.24 572	0.13 169	0.31 543	0.31 523	0.23 539	0.25 481	0.27 539	0.21 547	0.19 500	0.15 458	0.13 595	0.15 629	0.12 574	0.15 623	0.16 625	0.18 638

MaskLacGwcNet_RVC	0.22 570	0.21 625	0.24 565	0.26 618	0.11 500	0.23 567	0.14 234	0.39 623	0.24 438	0.32 614	0.36 575	0.30 567	0.21 547	0.19 500	0.21 546	0.17 634	0.14 623	0.21 638	0.16 627	0.12 567	0.12 569

SuperB	0.20 549	0.10 485	0.56 646	0.16 208	0.09 338	0.18 484	0.18 478	0.24 428	0.50 625	0.26 567	0.39 596	0.17 416	0.21 547	0.22 555	0.21 546	0.08 412	0.06 415	0.06 187	0.06 280	0.12 567	0.10 529

RTSC	0.23 586	0.12 529	0.28 585	0.21 552	0.13 557	0.28 610	0.16 387	0.35 598	0.66 661	0.27 573	0.33 564	0.30 567	0.21 547	0.31 608	0.29 621	0.10 513	0.08 517	0.09 475	0.10 538	0.13 586	0.13 591

AANet_RVC	0.16 490	0.10 485	0.10 185	0.18 385	0.09 338	0.18 484	0.19 518	0.26 463	0.31 523	0.22 526	0.35 572	0.21 465	0.21 547	0.22 555	0.16 474	0.06 167	0.05 268	0.06 187	0.06 280	0.07 369	0.06 303

DRN-Test	0.19 537	0.11 511	0.20 537	0.22 569	0.10 450	0.22 550	0.22 571	0.39 623	0.37 569	0.24 548	0.32 552	0.26 531	0.21 547	0.22 555	0.24 580	0.11 544	0.07 487	0.11 554	0.10 538	0.09 496	0.07 390

MDST_ROB	0.22 570	0.10 485	0.17 489	0.18 385	0.11 500	0.37 639	0.19 518	0.43 642	0.41 588	0.39 631	0.39 596	0.29 557	0.21 547	0.26 583	0.18 507	0.11 544	0.10 571	0.14 602	0.11 572	0.10 529	0.08 456

w-ln-seven-2	0.20 549	0.14 569	0.37 618	0.22 569	0.12 534	0.20 524	0.21 561	0.28 504	0.37 569	0.25 561	0.37 582	0.27 539	0.22 556	0.21 542	0.23 567	0.08 412	0.08 517	0.09 475	0.09 498	0.10 529	0.09 500

w-ln-seven	0.24 593	0.14 569	0.55 643	0.19 454	0.14 578	0.26 593	0.22 571	0.35 598	0.60 649	0.29 597	0.39 596	0.30 567	0.22 556	0.21 542	0.26 601	0.09 472	0.09 550	0.11 554	0.10 538	0.11 552	0.10 529

SQANet	0.23 586	0.23 631	0.30 596	0.30 645	0.19 635	0.27 603	0.13 169	0.29 518	0.33 537	0.24 548	0.37 582	0.31 580	0.22 556	0.27 586	0.23 567	0.15 613	0.10 571	0.21 638	0.16 627	0.21 641	0.15 615

SACVNet	0.18 525	0.12 529	0.14 375	0.17 295	0.13 557	0.22 550	0.18 478	0.31 543	0.30 515	0.23 539	0.31 548	0.30 567	0.22 556	0.22 555	0.17 489	0.11 544	0.08 517	0.10 523	0.10 538	0.12 567	0.14 608

FINET	0.21 561	0.18 609	0.26 573	0.18 385	0.16 609	0.23 567	0.23 582	0.32 554	0.48 615	0.25 561	0.32 552	0.22 483	0.22 556	0.22 555	0.17 489	0.18 635	0.16 633	0.11 554	0.10 538	0.15 616	0.13 591

hitnet-ft	0.18 525	0.09 423	0.17 489	0.14 59	0.09 338	0.26 593	0.20 541	0.25 445	0.26 473	0.24 548	0.32 552	0.31 580	0.22 556	0.24 576	0.21 546	0.12 569	0.07 487	0.10 523	0.08 451	0.12 567	0.11 556

ADCP+	0.20 549	0.10 485	0.33 605	0.20 520	0.12 534	0.22 550	0.26 619	0.31 543	0.34 549	0.26 567	0.37 582	0.22 483	0.22 556	0.27 586	0.27 609	0.09 472	0.06 415	0.08 392	0.08 451	0.09 496	0.10 529

PSMNet_ROB	0.21 561	0.11 511	0.15 423	0.27 631	0.15 598	0.24 572	0.35 659	0.43 642	0.37 569	0.27 573	0.32 552	0.32 589	0.22 556	0.21 542	0.26 601	0.12 569	0.08 517	0.13 589	0.11 572	0.09 496	0.09 500

ADCRef	0.19 537	0.12 529	0.41 626	0.20 520	0.12 534	0.22 550	0.18 478	0.32 554	0.36 562	0.26 567	0.32 552	0.17 416	0.23 564	0.24 576	0.24 580	0.07 335	0.06 415	0.09 475	0.09 498	0.08 433	0.08 456

RYNet	0.22 570	0.12 529	0.22 552	0.19 454	0.17 624	0.46 649	0.26 619	0.38 619	0.48 615	0.24 548	0.28 521	0.34 600	0.23 564	0.20 525	0.30 628	0.10 513	0.06 415	0.09 475	0.09 498	0.13 586	0.15 615

NaN_ROB	0.22 570	0.19 613	0.24 565	0.25 613	0.13 557	0.29 614	0.26 619	0.33 574	0.41 588	0.31 608	0.31 548	0.32 589	0.23 564	0.30 607	0.21 546	0.11 544	0.17 638	0.10 523	0.10 538	0.08 433	0.09 500

NOSS_ROB	0.19 537	0.12 529	0.18 513	0.16 208	0.12 534	0.15 413	0.12 96	0.30 532	0.32 530	0.20 496	0.22 432	0.27 539	0.23 564	0.21 542	0.16 474	0.16 629	0.18 640	0.23 643	0.21 642	0.12 567	0.13 591

DispFullNet	0.27 616	0.21 625	0.65 656	0.28 634	0.16 609	0.26 593	0.17 429	0.33 574	0.58 644	0.27 573	0.38 588	0.43 633	0.23 564	0.38 640	0.23 567	0.12 569	0.06 415	0.19 635	0.11 572	0.21 641	0.15 615

CBMV	0.19 537	0.14 569	0.17 489	0.18 385	0.10 450	0.20 524	0.11 64	0.29 518	0.30 515	0.29 597	0.30 540	0.30 567	0.23 564	0.27 586	0.19 520	0.13 595	0.15 629	0.17 624	0.16 627	0.10 529	0.10 529
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
z-mn7	0.24 593	0.14 569	0.45 630	0.19 454	0.13 557	0.28 610	0.25 610	0.34 583	0.62 652	0.27 573	0.56 647	0.29 557	0.24 570	0.32 615	0.25 590	0.08 412	0.08 517	0.08 392	0.08 451	0.10 529	0.10 529

ToySt	0.17 511	0.11 511	0.18 513	0.17 295	0.11 500	0.16 443	0.25 610	0.24 428	0.33 537	0.19 473	0.24 453	0.26 531	0.24 570	0.19 500	0.20 526	0.07 335	0.08 517	0.09 475	0.10 538	0.09 496	0.08 456

WZ-Net	0.28 621	0.17 598	0.78 673	0.22 569	0.16 609	0.34 629	0.29 642	0.39 623	0.57 641	0.24 548	0.55 642	0.37 611	0.24 570	0.33 618	0.35 644	0.09 472	0.08 517	0.09 475	0.10 538	0.14 600	0.16 626

psm_up	0.18 525	0.10 485	0.18 513	0.20 520	0.11 500	0.17 465	0.19 518	0.37 611	0.34 549	0.21 510	0.28 521	0.29 557	0.24 570	0.20 525	0.22 555	0.09 472	0.10 571	0.11 554	0.11 572	0.08 433	0.08 456

RP	0.21 561	0.13 557	0.21 546	0.23 593	0.11 500	0.21 541	0.20 541	0.25 445	0.44 606	0.21 510	0.38 588	0.36 606	0.24 570	0.27 586	0.25 590	0.11 544	0.12 599	0.13 589	0.12 592	0.12 567	0.14 608

PS-NSSS	0.20 549	0.21 625	0.23 561	0.20 520	0.10 450	0.19 508	0.17 429	0.36 605	0.25 459	0.27 573	0.33 564	0.27 539	0.24 570	0.20 525	0.20 526	0.15 613	0.12 599	0.17 624	0.14 607	0.10 529	0.08 456

CBMV_ROB	0.19 537	0.13 557	0.17 489	0.16 208	0.11 500	0.15 413	0.13 169	0.26 463	0.28 498	0.27 573	0.30 540	0.27 539	0.24 570	0.23 566	0.16 474	0.15 613	0.17 638	0.22 642	0.20 640	0.10 529	0.11 556

DLCB_ROB	0.18 525	0.10 485	0.15 423	0.23 593	0.11 500	0.24 572	0.18 478	0.29 518	0.28 498	0.27 573	0.28 521	0.28 549	0.24 570	0.19 500	0.20 526	0.08 412	0.08 517	0.09 475	0.09 498	0.07 369	0.07 390

PWC_ROB	0.21 561	0.16 587	0.26 573	0.18 385	0.11 500	0.22 550	0.13 169	0.32 554	0.49 622	0.30 602	0.40 602	0.32 589	0.24 570	0.31 608	0.22 555	0.10 513	0.07 487	0.11 554	0.08 451	0.11 552	0.10 529

zh-mn7	0.25 605	0.14 569	0.56 646	0.19 454	0.14 578	0.24 572	0.22 571	0.34 583	0.62 652	0.35 621	0.65 656	0.31 580	0.25 579	0.31 608	0.25 590	0.09 472	0.08 517	0.09 475	0.09 498	0.09 496	0.11 556

PSMNet-RUCA	0.27 616	0.33 654	0.41 626	0.36 654	0.32 662	0.18 484	0.19 518	0.42 638	0.30 515	0.33 618	0.41 613	0.39 623	0.25 579	0.31 608	0.20 526	0.18 635	0.10 571	0.25 645	0.15 623	0.21 641	0.16 626

test_sample8	0.19 537	0.12 529	0.20 537	0.12 5	0.14 578	0.17 465	0.13 169	0.31 543	0.21 395	0.27 573	0.22 432	0.36 606	0.25 579	0.19 500	0.17 489	0.15 613	0.30 665	0.14 602	0.14 607	0.14 600	0.12 569

HBP-ISP	0.18 525	0.13 557	0.16 459	0.15 112	0.11 500	0.08 82	0.13 169	0.28 504	0.29 505	0.22 526	0.33 564	0.21 465	0.25 579	0.23 566	0.17 489	0.14 609	0.16 633	0.21 638	0.17 634	0.10 529	0.08 456

DDUNet	0.22 570	0.17 598	0.21 546	0.22 569	0.15 598	0.25 583	0.24 595	0.29 518	0.30 515	0.31 608	0.36 575	0.33 593	0.25 579	0.24 576	0.20 526	0.18 635	0.13 614	0.17 624	0.11 572	0.16 625	0.16 626

Syn2CoEx	0.21 561	0.16 587	0.27 580	0.29 643	0.14 578	0.26 593	0.20 541	0.33 574	0.31 523	0.28 588	0.36 575	0.27 539	0.25 579	0.19 500	0.24 580	0.16 629	0.12 599	0.14 602	0.11 572	0.09 496	0.08 456

Wz-Net-SNSev	0.25 605	0.17 598	0.44 629	0.25 613	0.14 578	0.26 593	0.23 582	0.38 619	0.56 639	0.30 602	0.55 642	0.39 623	0.26 585	0.23 566	0.30 628	0.10 513	0.09 550	0.09 475	0.10 538	0.11 552	0.11 556

AF-Net	0.22 570	0.17 598	0.17 489	0.26 618	0.13 557	0.25 583	0.24 595	0.32 554	0.50 625	0.25 561	0.33 564	0.38 615	0.26 585	0.28 598	0.25 590	0.11 544	0.10 571	0.16 621	0.11 572	0.11 552	0.10 529

PA-Net	0.23 586	0.18 609	0.33 605	0.28 634	0.22 644	0.21 541	0.38 664	0.29 518	0.39 579	0.22 526	0.32 552	0.25 521	0.26 585	0.20 525	0.25 590	0.09 472	0.23 658	0.15 614	0.22 645	0.09 496	0.13 591
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DISCO	0.19 537	0.09 423	0.22 552	0.17 295	0.10 450	0.25 583	0.18 478	0.27 485	0.44 606	0.22 526	0.31 548	0.33 593	0.26 585	0.28 598	0.28 617	0.08 412	0.06 415	0.07 298	0.07 378	0.09 496	0.09 500

SANet	0.24 593	0.14 569	0.28 585	0.21 552	0.11 500	0.27 603	0.24 595	0.38 619	0.64 657	0.36 624	0.40 602	0.43 633	0.26 585	0.27 586	0.24 580	0.12 569	0.09 550	0.10 523	0.09 498	0.13 586	0.11 556

XPNet_ROB	0.22 570	0.11 511	0.19 525	0.22 569	0.13 557	0.22 550	0.19 518	0.34 583	0.40 585	0.30 602	0.39 596	0.39 623	0.26 585	0.26 583	0.28 617	0.15 613	0.10 571	0.10 523	0.10 538	0.13 586	0.12 569

ETE_ROB	0.23 586	0.17 598	0.22 552	0.25 613	0.13 557	0.26 593	0.29 642	0.31 543	0.36 562	0.28 588	0.36 575	0.45 637	0.26 585	0.27 586	0.26 601	0.11 544	0.08 517	0.12 574	0.09 498	0.14 600	0.13 591

LALA_ROB	0.25 605	0.16 587	0.22 552	0.26 618	0.17 624	0.27 603	0.27 626	0.42 638	0.37 569	0.33 618	0.38 588	0.51 649	0.26 585	0.28 598	0.27 609	0.16 629	0.09 550	0.12 574	0.11 572	0.13 586	0.12 569

DStereoO	0.24 593	0.18 609	0.18 513	0.20 520	0.14 578	0.21 541	0.19 518	0.32 554	0.41 588	0.29 597	0.21 421	0.32 589	0.27 593	0.41 652	0.27 609	0.46 673	0.12 599	0.31 661	0.11 572	0.15 616	0.12 569

FSD					0.22 644	0.25 583	0.25 610	0.27 485	0.26 473	0.25 561	0.26 498	0.25 521	0.27 593	0.27 586	0.24 580	0.21 647	0.20 646	0.27 649	0.26 652	0.25 652

MSAF-DinoV2	0.22 570	0.11 511	0.23 561	0.17 295	0.10 450	0.27 603	0.16 387	0.37 611	0.55 636	0.21 510	0.27 507	0.47 645	0.27 593	0.35 627	0.39 653	0.09 472	0.06 415	0.07 298	0.09 498	0.12 567	0.10 529

ACVNet-4b	0.39 644	0.53 665	0.55 643	0.45 662	0.24 649	0.47 651	0.18 478	0.49 654	0.64 657	0.42 641	0.45 626	0.60 657	0.27 593	0.34 621	0.24 580	0.33 664	0.14 623	0.48 668	0.42 670	0.30 660	0.26 657

Anonymous_2	0.22 570	0.17 598	0.28 585	0.15 112	0.16 609	0.32 619	0.22 571	0.22 383	0.17 306	0.23 539	0.24 453	0.26 531	0.27 593	0.27 586	0.23 567	0.22 652	0.25 661	0.17 624	0.17 634	0.17 633	0.17 635

UDG	0.21 561	0.17 598	0.19 525	0.23 593	0.15 598	0.30 617	0.20 541	0.33 574	0.35 558	0.23 539	0.28 521	0.31 580	0.27 593	0.20 525	0.22 555	0.15 613	0.12 599	0.13 589	0.09 498	0.14 600	0.14 608

aanetorigin	0.22 570	0.17 598	0.56 646	0.17 295	0.10 450	0.15 413	0.19 518	0.20 336	0.33 537	0.49 650	0.48 630	0.29 557	0.27 593	0.20 525	0.23 567	0.08 412	0.07 487	0.08 392	0.07 378	0.10 529	0.09 500

DMCA-RVC	0.17 511	0.10 485	0.15 423	0.24 602	0.11 500	0.18 484	0.18 478	0.25 445	0.24 438	0.21 510	0.26 498	0.25 521	0.27 593	0.18 485	0.20 526	0.12 569	0.08 517	0.13 589	0.10 538	0.10 529	0.08 456

RGC	0.25 605	0.20 619	0.29 593	0.28 634	0.16 609	0.22 550	0.23 582	0.32 554	0.44 606	0.27 573	0.40 602	0.38 615	0.27 593	0.36 633	0.22 555	0.11 544	0.13 614	0.17 624	0.17 634	0.14 600	0.16 626

stereogan	0.22 570	0.11 511	0.21 546	0.20 520	0.12 534	0.31 618	0.19 518	0.35 598	0.44 606	0.22 526	0.39 596	0.35 604	0.27 593	0.33 618	0.22 555	0.10 513	0.12 599	0.10 523	0.10 538	0.14 600	0.13 591

FBW_ROB	0.24 593	0.17 598	0.22 552	0.26 618	0.14 578	0.25 583	0.22 571	0.41 633	0.41 588	0.41 638	0.41 613	0.42 630	0.27 593	0.31 608	0.23 567	0.09 472	0.14 623	0.14 602	0.12 592	0.11 552	0.09 500

NCC-stereo	0.24 593	0.15 579	0.31 598	0.26 618	0.16 609	0.20 524	0.30 649	0.40 627	0.40 585	0.24 548	0.38 588	0.33 593	0.28 604	0.36 633	0.27 609	0.12 569	0.11 583	0.15 614	0.22 645	0.13 586	0.13 591

Nwc_Net	0.23 586	0.16 587	0.21 546	0.25 613	0.14 578	0.24 572	0.26 619	0.37 611	0.38 576	0.22 526	0.41 613	0.30 567	0.28 604	0.28 598	0.25 590	0.11 544	0.10 571	0.17 624	0.20 640	0.10 529	0.10 529

Abc-Net	0.24 593	0.15 579	0.31 598	0.26 618	0.16 609	0.20 524	0.30 649	0.40 627	0.40 585	0.24 548	0.38 588	0.33 593	0.28 604	0.36 633	0.27 609	0.12 569	0.11 583	0.15 614	0.22 645	0.13 586	0.13 591
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 614	0.15 579	0.30 596	0.24 602	0.18 631	0.22 550	0.15 318	0.38 619	0.71 665	0.32 614	0.41 613	0.36 606	0.28 604	0.32 615	0.29 621	0.12 569	0.11 583	0.14 602	0.13 603	0.16 625	0.20 644

DeepPrunerF	0.24 593	0.17 598	0.42 628	0.26 618	0.16 609	0.22 550	0.28 632	0.37 611	0.50 625	0.26 567	0.29 533	0.24 507	0.28 604	0.21 542	0.22 555	0.15 613	0.11 583	0.20 637	0.18 638	0.12 567	0.13 591

ADCPNet	0.25 605	0.16 587	0.61 653	0.21 552	0.15 598	0.35 637	0.25 610	0.32 554	0.35 558	0.30 602	0.40 602	0.36 606	0.28 604	0.28 598	0.32 636	0.12 569	0.10 571	0.11 554	0.12 592	0.14 600	0.13 591

GANet	0.21 561	0.12 529	0.21 546	0.24 602	0.13 557	0.22 550	0.22 571	0.41 633	0.26 473	0.31 608	0.42 619	0.37 611	0.28 604	0.23 566	0.22 555	0.10 513	0.12 599	0.10 523	0.09 498	0.10 529	0.08 456

NCCL2	0.23 586	0.15 579	0.17 489	0.34 650	0.18 631	0.24 572	0.23 582	0.34 583	0.28 498	0.31 608	0.38 588	0.38 615	0.28 604	0.23 566	0.24 580	0.15 613	0.12 599	0.18 633	0.21 642	0.13 586	0.13 591

APVNet	0.22 570	0.12 529	0.19 525	0.18 385	0.14 578	0.32 619	0.31 655	0.39 623	0.32 530	0.27 573	0.40 602	0.30 567	0.29 612	0.26 583	0.25 590	0.11 544	0.12 599	0.11 554	0.14 607	0.12 567	0.12 569

G-Net	0.24 593	0.16 587	0.36 614	0.22 569	0.16 609	0.51 655	0.23 582	0.29 518	0.34 549	0.36 624	0.38 588	0.31 580	0.29 612	0.27 586	0.26 601	0.11 544	0.09 550	0.12 574	0.09 498	0.16 625	0.13 591

DPSNet	0.28 621	0.16 587	0.31 598	0.18 385	0.13 557	0.54 657	0.42 668	0.51 660	0.67 662	0.29 597	0.38 588	0.38 615	0.29 612	0.31 608	0.23 567	0.11 544	0.10 571	0.11 554	0.08 451	0.20 640	0.16 626

PDISCO_ROB	0.27 616	0.16 587	0.26 573	0.28 634	0.20 638	0.32 619	0.26 619	0.44 644	0.57 641	0.28 588	0.40 602	0.45 637	0.29 612	0.33 618	0.34 643	0.12 569	0.09 550	0.17 624	0.16 627	0.17 633	0.13 591

ccnet	0.29 625	0.28 647	0.23 561	0.20 520	0.28 656	0.41 647	0.21 561	0.45 647	0.33 537	0.36 624	0.46 627	0.36 606	0.30 616	0.39 644	0.42 660	0.23 656	0.14 623	0.21 638	0.17 634	0.23 645	0.18 638

S-Stereo	0.20 549	0.12 529	0.25 570	0.21 552	0.13 557	0.20 524	0.18 478	0.32 554	0.43 601	0.23 539	0.36 575	0.28 549	0.30 616	0.19 500	0.22 555	0.09 472	0.12 599	0.10 523	0.10 538	0.13 586	0.13 591

XQC	0.28 621	0.23 631	0.51 638	0.28 634	0.19 635	0.34 629	0.27 626	0.36 605	0.57 641	0.31 608	0.30 540	0.37 611	0.30 616	0.38 640	0.38 651	0.13 595	0.09 550	0.15 614	0.12 592	0.17 633	0.18 638

ADCL	0.24 593	0.11 511	0.47 635	0.22 569	0.12 534	0.34 629	0.29 642	0.29 518	0.56 639	0.24 548	0.46 627	0.30 567	0.30 616	0.29 604	0.29 621	0.08 412	0.07 487	0.09 475	0.09 498	0.10 529	0.10 529

zh-sn7	0.25 605	0.17 598	0.50 637	0.24 602	0.13 557	0.25 583	0.24 595	0.34 583	0.48 615	0.28 588	0.54 640	0.28 549	0.31 620	0.36 633	0.32 636	0.10 513	0.10 571	0.11 554	0.10 538	0.12 567	0.12 569

MFN_U_SF_DS_RVC	0.30 631	0.24 634	0.29 593	0.36 654	0.16 609	0.34 629	0.30 649	0.32 554	0.42 596	0.40 634	0.46 627	0.38 615	0.31 620	0.34 621	0.28 617	0.19 641	0.20 646	0.26 646	0.29 659	0.18 636	0.19 643

CC-Net-ROB	0.28 621	0.31 652	0.36 614	0.29 643	0.15 598	0.25 583	0.19 518	0.45 647	0.33 537	0.39 631	0.37 582	0.39 623	0.31 620	0.27 586	0.26 601	0.24 658	0.19 643	0.30 660	0.23 649	0.18 636	0.15 615

DANet	0.21 561	0.15 579	0.28 585	0.25 613	0.13 557	0.22 550	0.19 518	0.27 485	0.27 483	0.28 588	0.32 552	0.35 604	0.31 620	0.31 608	0.23 567	0.11 544	0.09 550	0.11 554	0.10 538	0.13 586	0.11 556
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
light-stereo	0.42 651	0.26 640	0.59 651	0.60 670	0.49 670	0.32 619	0.23 582	0.46 649	0.52 634	0.56 658	0.58 652	0.76 669	0.32 624	0.48 656	0.29 621	0.32 662	0.24 659	0.27 649	0.33 664	0.46 668	0.39 669

FAT-Stereo	0.20 549	0.12 529	0.22 552	0.21 552	0.12 534	0.17 465	0.18 478	0.34 583	0.39 579	0.27 573	0.37 582	0.34 600	0.32 624	0.21 542	0.20 526	0.09 472	0.11 583	0.10 523	0.09 498	0.11 552	0.14 608

DStereoSA	0.25 605	0.19 613	0.37 618	0.26 618	0.17 624	0.22 550	0.20 541	0.49 654	0.59 645	0.22 526	0.29 533	0.29 557	0.33 626	0.39 644	0.28 617	0.12 569	0.11 583	0.16 621	0.14 607	0.14 600	0.12 569

otaku	0.39 644	0.37 658	0.52 639	0.44 661	0.28 656	0.58 659	0.24 595	0.41 633	0.62 652	0.40 634	0.49 631	0.46 641	0.33 626	0.40 649	0.32 636	0.30 661	0.30 665	0.39 665	0.33 664	0.29 659	0.28 658

AnyNet_C32	0.26 614	0.16 587	0.36 614	0.20 520	0.16 609	0.25 583	0.30 649	0.32 554	0.44 606	0.31 608	0.49 631	0.30 567	0.33 626	0.40 649	0.33 641	0.12 569	0.12 599	0.12 574	0.14 607	0.14 600	0.15 615

GANetREF_RVC	0.31 633	0.34 655	0.27 580	0.35 652	0.16 609	0.32 619	0.41 665	0.48 652	0.51 632	0.35 621	0.35 572	0.34 600	0.33 626	0.39 644	0.32 636	0.27 660	0.20 646	0.29 658	0.15 623	0.18 636	0.17 635
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
CSAN	0.29 625	0.24 634	0.27 580	0.34 650	0.19 635	0.33 626	0.42 668	0.37 611	0.50 625	0.38 629	0.40 602	0.44 635	0.33 626	0.28 598	0.30 628	0.20 643	0.16 633	0.19 635	0.19 639	0.14 600	0.15 615

DStereoFS	0.27 616	0.22 629	0.31 598	0.22 569	0.15 598	0.22 550	0.20 541	0.50 658	0.48 615	0.28 588	0.44 624	0.33 593	0.34 631	0.52 662	0.29 621	0.12 569	0.11 583	0.15 614	0.13 603	0.16 625	0.16 626

PASM	0.32 635	0.24 634	0.48 636	0.28 634	0.27 655	0.29 614	0.30 649	0.34 583	0.49 622	0.35 621	0.39 596	0.46 641	0.34 631	0.34 621	0.35 644	0.23 656	0.25 661	0.26 646	0.28 658	0.23 645	0.21 646

WCMA_ROB	0.24 593	0.11 511	0.22 552	0.17 295	0.14 578	0.32 619	0.15 318	0.32 554	0.32 530	0.38 629	0.53 638	0.40 627	0.34 631	0.34 621	0.25 590	0.11 544	0.12 599	0.12 574	0.10 538	0.14 600	0.14 608

edge stereo	0.22 570	0.13 557	0.20 537	0.21 552	0.13 557	0.23 567	0.16 387	0.32 554	0.42 596	0.32 614	0.40 602	0.38 615	0.35 634	0.25 581	0.24 580	0.13 595	0.11 583	0.14 602	0.11 572	0.12 567	0.13 591

SGM_RVC	0.23 586	0.12 529	0.15 423	0.15 112	0.09 338	0.33 626	0.18 478	0.34 583	0.31 523	0.44 645	0.37 582	0.53 653	0.35 634	0.35 627	0.24 580	0.13 595	0.13 614	0.13 589	0.13 603	0.10 529	0.11 556
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ADCS	0.29 625	0.18 609	0.45 630	0.21 552	0.17 624	0.28 610	0.23 582	0.41 633	0.63 656	0.40 634	0.49 631	0.40 627	0.36 636	0.39 644	0.40 656	0.13 595	0.12 599	0.13 589	0.14 607	0.16 625	0.16 626

LSM	0.33 638	0.20 619	0.58 649	0.26 618	0.60 680	0.34 629	0.25 610	0.42 638	0.48 615	0.45 646	0.58 652	0.42 630	0.36 636	0.35 627	0.25 590	0.12 569	0.20 646	0.14 602	0.16 627	0.19 639	0.33 664

psmorigin	0.25 605	0.15 579	0.34 613	0.17 295	0.13 557	0.23 567	0.14 234	0.34 583	0.33 537	0.41 638	0.55 642	0.41 629	0.37 638	0.34 621	0.27 609	0.11 544	0.15 629	0.11 554	0.11 572	0.12 567	0.16 626

AANet	0.30 631	0.19 613	1.03 682	0.16 208	0.13 557	0.22 550	0.16 387	0.30 532	0.62 652	0.60 659	0.52 637	0.46 641	0.38 639	0.23 566	0.32 636	0.12 569	0.09 550	0.11 554	0.10 538	0.13 586	0.12 569

Wz-Net-TNSev	0.29 625	0.20 619	0.65 656	0.19 454	0.15 598	0.38 642	0.27 626	0.35 598	0.55 636	0.34 620	0.42 619	0.45 637	0.38 639	0.32 615	0.30 628	0.12 569	0.13 614	0.10 523	0.12 592	0.15 616	0.14 608

AnyNet_C01	0.36 642	0.25 639	1.37 687	0.22 569	0.17 624	0.48 653	0.27 626	0.35 598	0.39 579	0.39 631	0.74 666	0.46 641	0.38 639	0.45 654	0.47 665	0.13 595	0.13 614	0.13 589	0.14 607	0.14 600	0.15 615

EDNetEfficient	0.29 625	0.24 634	1.13 684	0.18 385	0.10 450	0.19 508	0.20 541	0.20 336	0.60 649	0.74 672	0.56 647	0.31 580	0.39 642	0.22 555	0.30 628	0.09 472	0.07 487	0.08 392	0.07 378	0.11 552	0.09 500

MFN_U_SF_RVC	0.32 635	0.21 625	0.55 643	0.30 645	0.15 598	0.34 629	0.17 429	0.52 661	0.46 613	0.46 649	0.55 642	0.59 656	0.39 642	0.35 627	0.37 649	0.15 613	0.14 623	0.18 633	0.21 642	0.16 625	0.15 615

SAMSARA	0.40 647	0.28 647	0.33 605	0.55 668	0.39 663	0.82 679	1.23 696	0.47 651	0.51 632	0.36 624	0.35 572	0.55 655	0.39 642	0.38 640	0.39 653	0.15 613	0.20 646	0.15 614	0.14 607	0.23 645	0.20 644

FC-DCNN v2	0.33 638	0.27 643	0.28 585	0.26 618	0.23 647	0.37 639	0.28 632	0.40 627	0.43 601	0.45 646	0.56 647	0.51 649	0.40 645	0.37 638	0.29 621	0.21 647	0.20 646	0.27 649	0.26 652	0.25 652	0.24 650

ADCMid	0.25 605	0.15 579	0.40 623	0.20 520	0.14 578	0.25 583	0.26 619	0.34 583	0.38 576	0.36 624	0.44 624	0.34 600	0.40 645	0.35 627	0.33 641	0.10 513	0.09 550	0.11 554	0.11 572	0.13 586	0.12 569

FC-DCNN	0.33 638	0.27 643	0.28 585	0.26 618	0.23 647	0.37 639	0.28 632	0.40 627	0.43 601	0.45 646	0.55 642	0.51 649	0.40 645	0.37 638	0.30 628	0.21 647	0.20 646	0.27 649	0.26 652	0.25 652	0.24 650

MSMD_ROB	0.31 633	0.26 640	0.26 573	0.24 602	0.21 642	0.34 629	0.25 610	0.34 583	0.39 579	0.40 634	0.69 660	0.45 637	0.40 645	0.34 621	0.27 609	0.20 643	0.19 643	0.26 646	0.25 651	0.23 645	0.22 648

MeshStereo	0.27 616	0.13 557	0.18 513	0.15 112	0.11 500	0.32 619	0.24 595	0.40 627	0.36 562	0.52 652	0.57 650	0.67 664	0.40 645	0.35 627	0.26 601	0.14 609	0.13 614	0.13 589	0.11 572	0.11 552	0.10 529
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
FCDSN-DC	0.33 638	0.28 647	0.28 585	0.30 645	0.24 649	0.39 644	0.28 632	0.42 638	0.42 596	0.43 644	0.53 638	0.51 649	0.41 650	0.36 633	0.30 628	0.21 647	0.20 646	0.27 649	0.26 652	0.25 652	0.24 650
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RTS	0.45 655	0.19 613	3.26 693	0.24 602	0.15 598	0.74 672	0.20 541	0.36 605	0.76 672	0.42 641	0.43 622	0.31 580	0.41 650	0.53 665	0.35 644	0.10 513	0.08 517	0.13 589	0.12 592	0.15 616	0.15 615

RTSA	0.45 655	0.19 613	3.26 693	0.24 602	0.15 598	0.74 672	0.20 541	0.36 605	0.76 672	0.42 641	0.43 622	0.31 580	0.41 650	0.53 665	0.35 644	0.10 513	0.08 517	0.13 589	0.12 592	0.15 616	0.15 615

Ntro	0.40 647	0.40 660	0.53 640	0.46 665	0.30 660	0.65 665	0.24 595	0.46 649	0.68 663	0.41 638	0.49 631	0.48 647	0.42 653	0.39 644	0.31 635	0.32 662	0.28 663	0.37 664	0.30 661	0.32 664	0.29 659

SGM-ForestM	0.32 635	0.12 529	0.16 459	0.16 208	0.11 500	0.39 644	0.19 518	0.41 633	0.50 625	0.52 652	0.54 640	1.32 685	0.42 653	0.40 649	0.27 609	0.14 609	0.16 633	0.16 621	0.16 627	0.12 567	0.12 569

LE_ROB	0.50 660	0.07 224	0.14 375	0.15 112	0.08 211	0.24 572	0.16 387	0.22 383	1.81 695	4.63 700	0.67 658	0.47 645	0.44 655	0.20 525	0.29 621	0.07 335	0.06 415	0.06 187	0.06 280	0.08 433	0.06 303

coex-ft	3.30 692	0.34 655	59.09 723	0.18 385	0.13 557	0.26 593	0.22 571	0.27 485	0.72 666	1.90 696	0.70 662	0.44 635	0.45 656	0.29 604	0.41 659	0.09 472	0.09 550	0.12 574	0.09 498	0.14 600	0.13 591

RainbowNet	0.54 663	0.61 669	0.70 671	0.57 669	0.43 667	0.65 665	0.37 663	0.60 670	0.87 676	0.50 651	0.66 657	0.64 660	0.47 657	0.49 657	0.43 663	0.47 674	0.48 679	0.52 672	0.41 669	0.52 671	0.40 672

Consistency-Raft	0.44 653	0.40 660	0.45 630	0.37 656	0.43 667	0.46 649	0.41 665	0.57 668	0.55 636	0.32 614	0.73 664	0.33 593	0.48 658	0.42 653	0.49 667	0.39 667	0.35 670	0.45 667	0.51 677	0.42 667	0.29 659

ACVNet_1	0.44 653	0.49 664	0.60 652	0.45 662	0.28 656	0.49 654	0.27 626	0.57 668	0.72 666	0.62 661	0.58 652	0.74 668	0.49 659	0.50 658	0.35 644	0.26 659	0.24 659	0.39 665	0.29 659	0.31 663	0.24 650

EDNetEfficientorigin	7.91 699	0.31 652	153.02 724	0.19 454	0.09 338	0.21 541	0.16 387	0.22 383	0.59 645	0.72 668	0.67 658	0.42 630	0.50 660	0.24 576	0.39 653	0.08 412	0.07 487	0.08 392	0.07 378	0.12 567	0.10 529

TCMNet-wrong-test	3.67 693	5.48 707	3.89 697	12.18 708	11.75 710	4.65 696	3.88 700	1.06 690	0.72 666	1.09 688	2.15 697	6.30 702	0.53 661	3.43 698	2.36 698	0.89 693	0.20 646	1.87 700	1.69 699	5.57 704	3.62 704

MSC_U_SF_DS_RVC	0.43 652	0.39 659	0.54 641	0.40 657	0.20 638	0.64 664	0.32 657	0.53 663	0.72 666	0.71 666	0.72 663	0.61 658	0.54 662	0.51 660	0.46 664	0.20 643	0.19 643	0.29 658	0.30 661	0.23 645	0.18 638

ELAS_RVC	0.41 649	0.29 650	0.33 605	0.28 634	0.24 649	0.54 657	0.36 660	0.49 654	0.59 645	0.72 668	0.74 666	0.65 662	0.54 662	0.54 667	0.40 656	0.22 652	0.20 646	0.27 649	0.26 652	0.26 657	0.25 655
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 649	0.29 650	0.33 605	0.27 631	0.24 649	0.60 662	0.36 660	0.50 658	0.50 625	0.71 666	0.79 670	0.67 664	0.54 662	0.51 660	0.42 660	0.22 652	0.20 646	0.27 649	0.26 652	0.26 657	0.25 655
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
anonymity	0.53 662	0.58 667	0.65 656	0.41 659	0.61 681	0.53 656	0.41 665	0.56 666	0.41 588	0.55 656	0.50 635	0.49 648	0.55 665	0.58 670	0.50 670	0.58 680	0.50 683	0.51 670	0.51 677	0.51 670	0.57 678

SGM+DAISY	0.56 664	0.57 666	0.65 656	0.40 657	0.54 673	0.66 667	0.49 673	0.56 666	0.45 612	0.66 662	0.69 660	0.67 664	0.56 666	0.63 672	0.56 672	0.59 681	0.48 679	0.50 669	0.50 676	0.52 671	0.58 679

MonStereo1	0.47 659	0.26 640	0.58 649	0.28 634	0.20 638	0.39 644	0.18 478	0.49 654	0.64 657	0.52 652	0.87 673	1.01 674	0.57 667	0.50 658	0.56 672	0.53 677	0.31 668	0.54 674	0.40 668	0.33 665	0.34 665

SPS-STEREO	0.57 665	0.58 667	0.65 656	0.45 662	0.55 675	0.62 663	0.44 672	0.62 671	0.50 625	0.68 664	0.64 655	0.66 663	0.57 667	0.61 671	0.60 675	0.62 683	0.47 678	0.51 670	0.49 674	0.55 675	0.58 679
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PVD	0.39 644	0.20 619	0.39 622	0.31 649	0.22 644	0.29 614	0.43 670	0.52 661	0.96 679	0.55 656	0.79 670	0.53 653	0.59 669	0.52 662	0.38 651	0.19 641	0.14 623	0.17 624	0.14 607	0.24 651	0.31 662

MANE	0.45 655	0.27 643	0.27 580	0.27 631	0.24 649	0.47 651	0.31 655	0.55 665	0.59 645	0.72 668	1.13 687	1.15 679	0.61 670	0.52 662	0.37 649	0.21 647	0.20 646	0.27 649	0.31 663	0.25 652	0.24 650

PWCK	0.71 670	0.94 684	0.95 680	0.76 675	0.31 661	0.74 672	0.36 660	0.90 678	0.90 677	0.96 681	0.75 668	0.95 673	0.61 670	0.87 684	0.66 678	0.72 686	0.46 674	0.75 680	0.49 674	0.69 684	0.44 674

BEATNet-Init1	0.52 661	0.27 643	0.62 654	0.30 645	0.21 642	0.76 676	0.29 642	0.54 664	0.65 660	0.86 677	0.95 678	2.07 694	0.62 672	0.56 669	0.42 660	0.18 635	0.18 640	0.23 643	0.22 645	0.22 644	0.21 646

NVStereoNet_ROB	0.46 658	0.36 657	0.46 634	0.41 659	0.28 656	0.34 629	0.34 658	0.48 652	0.60 649	0.72 668	0.93 676	0.70 667	0.66 673	0.47 655	0.60 675	0.22 652	0.33 669	0.34 663	0.34 667	0.30 660	0.30 661
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFMNet_re	0.64 666	0.66 673	0.65 656	0.51 666	0.69 685	0.69 668	0.57 679	0.64 672	0.73 670	0.60 659	0.73 664	0.62 659	0.67 674	0.65 673	0.60 675	0.66 685	0.58 692	0.63 675	0.59 680	0.68 682	0.69 688

MADNet+	0.75 673	0.71 675	3.70 696	0.66 672	0.41 665	0.98 684	0.97 694	0.69 673	0.73 670	0.52 652	0.57 650	0.64 660	0.68 675	0.86 683	1.01 691	0.34 665	0.36 671	0.28 657	0.23 649	0.36 666	0.31 662

ACVNet_2	0.66 669	0.66 673	0.68 665	0.63 671	0.41 665	0.71 670	0.49 673	0.96 683	1.39 688	0.89 678	1.09 683	1.04 675	0.73 676	0.54 667	0.47 665	0.43 671	0.40 672	0.53 673	0.44 671	0.47 669	0.35 667

TorneroNet-64	0.76 674	0.72 676	0.74 672	0.78 677	0.58 679	0.91 683	0.56 678	0.84 677	1.29 685	0.66 662	0.90 674	1.40 687	0.75 677	0.85 682	0.67 681	0.49 675	0.46 674	0.72 679	0.59 680	0.67 681	0.53 677

IMH-64-1	0.65 667	0.61 669	0.68 665	0.71 673	0.51 671	0.59 660	0.49 673	0.91 679	0.85 674	0.74 672	1.02 680	0.81 670	0.78 678	0.79 676	0.49 667	0.42 669	0.46 674	0.71 677	0.47 672	0.52 671	0.39 669

IMH-64	0.65 667	0.61 669	0.68 665	0.71 673	0.51 671	0.59 660	0.49 673	0.91 679	0.85 674	0.74 672	1.02 680	0.81 670	0.78 678	0.79 676	0.49 667	0.42 669	0.46 674	0.71 677	0.47 672	0.52 671	0.39 669

JetBlue	0.71 670	0.45 663	1.14 685	0.51 666	0.47 669	2.02 694	0.64 683	0.75 674	0.70 664	0.69 665	0.77 669	1.22 681	0.83 680	1.03 691	1.01 691	0.40 668	0.28 663	0.33 662	0.33 664	0.30 660	0.34 665

LVE	0.83 678	0.85 682	0.85 678	0.80 678	0.56 676	1.04 689	0.65 684	1.05 688	1.47 691	0.96 681	1.22 691	1.10 678	0.85 681	0.83 679	0.71 683	0.49 675	0.55 689	0.76 683	0.60 682	0.65 679	0.59 684

TorneroNet	0.82 677	0.74 677	0.81 677	0.84 680	0.63 682	0.99 685	0.63 681	0.96 683	1.16 682	0.80 675	1.11 685	1.36 686	0.86 682	0.93 687	0.80 686	0.56 678	0.49 681	0.78 685	0.66 685	0.73 687	0.63 687

IMH	0.71 670	0.64 672	0.68 665	0.76 675	0.54 673	0.69 668	0.54 677	0.98 685	1.10 681	0.82 676	1.09 683	0.89 672	0.88 683	0.87 684	0.52 671	0.44 672	0.50 683	0.75 680	0.51 677	0.56 676	0.41 673

WAO-7	0.79 675	0.78 678	0.54 641	0.85 681	0.67 684	0.74 672	0.68 687	1.05 688	1.32 686	0.90 679	1.20 690	1.04 675	0.92 684	0.69 674	0.66 678	0.60 682	0.62 693	0.67 676	0.68 686	0.64 678	0.58 679

JetRed	1.62 689	1.46 692	2.98 691	0.92 684	1.21 694	4.99 697	1.53 699	1.27 696	1.39 688	1.83 695	1.74 696	1.60 693	0.95 685	1.41 694	2.45 699	0.90 694	1.60 698	0.93 689	0.90 694	1.35 695	0.99 695

KSHMR	1.09 686	1.17 688	0.88 679	1.25 693	1.00 693	0.99 685	0.96 693	1.13 693	1.37 687	1.16 690	1.29 692	1.41 688	0.96 686	1.01 690	0.92 688	1.03 695	1.08 697	1.20 694	1.03 696	1.01 692	0.97 694

Dean	0.87 679	0.86 683	0.79 675	0.81 679	0.56 676	0.90 680	0.63 681	1.15 694	1.73 694	1.15 689	1.15 688	1.31 684	0.99 687	0.81 678	0.81 687	0.57 679	0.56 690	0.77 684	0.64 683	0.66 680	0.58 679

WAO-6	0.81 676	0.80 679	0.62 654	0.86 682	0.63 682	0.76 676	0.58 680	0.98 685	1.54 693	0.90 679	0.96 679	1.07 677	1.03 688	0.70 675	0.66 678	0.72 686	0.49 681	0.90 688	0.71 687	0.68 682	0.58 679

WAO-8	0.91 680	0.81 680	0.65 656	0.94 685	0.69 685	0.90 680	0.67 685	1.07 691	1.83 696	1.06 686	1.45 693	1.30 682	1.07 689	0.84 680	0.78 684	0.74 688	0.53 686	0.86 686	0.75 688	0.69 684	0.62 685

ktn	1.01 685	1.21 689	0.80 676	1.23 692	0.86 691	1.01 687	0.87 691	0.94 682	1.39 688	1.04 684	1.12 686	1.15 679	1.07 689	0.94 688	0.59 674	1.28 697	0.71 695	1.38 697	0.83 691	1.02 693	0.75 691

Venus	0.91 680	0.81 680	0.65 656	0.94 685	0.69 685	0.90 680	0.67 685	1.07 691	1.83 696	1.06 686	1.45 693	1.30 682	1.07 689	0.84 680	0.78 684	0.74 688	0.53 686	0.86 686	0.75 688	0.69 684	0.62 685

DPSimNet_ROB	1.11 687	1.23 690	0.78 673	1.13 690	0.88 692	1.10 690	1.13 695	1.16 695	1.23 684	1.43 693	1.02 680	1.41 688	1.10 692	0.90 686	1.60 693	1.46 698	0.51 685	1.21 695	1.03 696	0.90 690	1.01 696

notaker	0.97 683	1.11 687	0.98 681	1.13 690	0.81 689	0.73 671	0.68 687	0.93 681	1.16 682	1.18 691	1.18 689	1.41 688	1.16 693	1.08 693	0.69 682	0.81 691	0.64 694	1.17 693	0.79 690	0.98 691	0.80 692

UNDER WATER-64	0.95 682	0.94 684	1.43 689	0.87 683	0.56 676	1.18 692	0.87 691	0.77 675	0.94 678	1.04 684	0.85 672	1.58 692	1.21 694	0.94 688	0.96 689	0.87 692	0.57 691	1.03 692	0.88 693	0.78 688	0.73 689

UNDER WATER	0.97 683	0.97 686	1.42 688	0.99 687	0.70 688	1.12 691	0.84 690	0.80 676	1.08 680	1.01 683	0.90 674	1.55 691	1.22 695	1.03 691	1.00 690	0.78 690	0.53 686	1.02 691	0.87 692	0.80 689	0.74 690

HanzoNet	1.29 688	1.26 691	1.19 686	1.12 689	0.85 690	1.02 688	0.83 689	1.03 687	1.48 692	1.64 694	1.61 695	2.50 696	1.72 696	1.61 695	1.61 694	1.26 696	0.80 696	1.31 696	1.01 695	1.02 693	0.86 693

Selective-IGEV-i1pa	2.80 691	3.51 699	0.67 664	0.28 634	0.14 578	10.22 701	0.43 670	4.36 698	3.63 699	3.53 698	6.92 700	3.47 697	1.97 697	13.41 712	2.26 696	0.36 666	0.15 629	0.13 589	0.10 538	0.15 616	0.35 667

MADNet++	1.95 690	1.75 693	1.59 690	1.82 694	1.69 696	2.33 695	1.40 698	2.35 697	2.09 698	2.57 697	2.36 698	2.24 695	2.17 698	2.28 696	2.34 697	1.87 699	1.66 699	1.54 698	1.34 698	1.92 696	1.77 698

Selective-IGEV-i16pa	18.58 712	3.30 697	1.09 683	0.21 552	0.18 631	103.68 725	0.28 632	19.87 717	40.73 725	4.16 699	56.45 725	8.07 704	2.59 699	123.95 726	5.89 702	0.18 635	0.12 599	0.09 475	0.12 592	0.12 567	0.51 676

tt	4.67 694	0.06 106	3.55 695	2.02 695	1.55 695	10.25 702	16.71 704	8.91 707	5.03 700	1.31 692	0.94 677	4.71 698	4.76 700	3.33 697	5.87 701	6.06 707	10.30 713	1.88 701	2.11 701	2.75 698	1.21 697

LRCNet_RVC	10.62 707	13.42 714	7.30 699	18.92 712	2.07 697	0.33 626	0.30 649	5.59 702	0.48 615	13.03 712	17.94 712	8.87 705	5.65 701	4.79 699	1.89 695	23.51 721	2.73 704	27.55 724	25.71 724	16.07 718	16.33 719

PML	8.91 702	9.34 713	6.13 698	5.35 699	6.41 701	14.99 705	23.38 711	5.27 699	6.83 701	18.04 716	28.19 724	7.67 703	6.83 702	7.85 703	5.75 700	5.35 706	1.83 700	5.95 712	1.93 700	8.64 709	2.52 700

USTest	6.22 695	2.73 696	3.00 692	6.57 702	7.29 702	14.37 704	21.57 705	7.00 706	9.56 705	5.34 703	6.10 699	5.72 701	7.64 703	6.41 702	6.96 703	1.97 700	3.42 705	1.64 699	2.15 702	2.66 697	2.36 699

xxxxx1	7.79 696	5.02 704	7.31 700	3.12 696	3.85 698	16.35 706	22.88 706	5.86 703	8.69 702	7.97 704	8.54 701	9.12 706	8.27 704	10.18 704	10.92 704	2.42 701	2.45 701	3.56 704	12.37 710	3.77 699	3.06 701

tt_ll	7.79 696	5.02 704	7.31 700	3.12 696	3.85 698	16.35 706	22.88 706	5.86 703	8.69 702	7.97 704	8.54 701	9.12 706	8.27 704	10.18 704	10.92 704	2.42 701	2.45 701	3.56 704	12.37 710	3.77 699	3.06 701

ff	7.79 696	5.02 704	7.31 700	3.12 696	3.85 698	16.35 706	22.88 706	5.86 703	8.69 702	7.97 704	8.54 701	9.12 706	8.27 704	10.18 704	10.92 704	2.42 701	2.45 701	3.56 704	12.37 710	3.77 699	3.06 701

DPSMNet_ROB	8.06 700	4.48 700	8.63 708	5.37 701	10.74 705	8.32 699	22.98 710	5.46 700	13.36 710	5.12 701	9.92 706	5.08 699	10.40 707	5.53 701	12.58 707	3.80 705	8.00 706	3.50 702	7.02 707	3.83 702	7.14 708

DGTPSM_ROB	8.06 700	4.48 700	8.63 708	5.35 699	10.72 704	8.32 699	22.97 709	5.46 700	13.35 709	5.12 701	9.92 706	5.08 699	10.40 707	5.52 700	12.58 707	3.79 704	8.00 706	3.50 702	7.02 707	3.83 702	7.14 708

iinet-test	10.48 705	8.09 709	7.54 704	10.26 703	10.94 706	18.00 710	25.26 712	11.33 711	13.28 707	9.69 708	9.85 704	9.42 709	11.17 709	11.02 708	12.78 710	6.59 709	8.30 708	5.56 707	6.56 703	6.89 705	7.02 706

IINet	10.48 705	8.09 709	7.54 704	10.26 703	10.94 706	18.00 710	25.26 712	11.33 711	13.28 707	9.69 708	9.85 704	9.42 709	11.17 709	11.02 708	12.78 710	6.59 709	8.30 708	5.56 707	6.56 703	6.89 705	7.02 706

Anonymous_1	10.96 708	7.92 708	7.46 703	10.33 705	10.06 703	18.65 712	26.34 714	11.06 710	13.44 711	9.40 707	10.05 708	9.67 711	11.23 711	10.73 707	12.72 709	6.42 708	8.38 710	5.77 709	10.61 709	12.12 710	6.77 705

DPSM_ROB	11.15 709	8.58 711	8.00 706	10.88 706	11.58 708	19.10 713	26.71 715	12.05 713	14.07 714	10.36 710	10.84 709	10.33 712	11.86 712	11.70 710	13.54 712	6.99 711	8.79 711	5.89 710	6.95 705	7.29 707	7.42 710

DPSM	11.15 709	8.58 711	8.00 706	10.88 706	11.58 708	19.10 713	26.71 715	12.05 713	14.07 714	10.36 710	10.84 709	10.33 712	11.86 712	11.70 710	13.54 712	6.99 711	8.79 711	5.89 710	6.95 705	7.29 707	7.42 710

HaxPig	15.71 711	18.52 722	19.18 717	16.89 711	15.89 713	7.73 698	7.60 701	13.31 715	10.82 706	15.42 713	14.91 711	15.98 714	14.92 714	15.58 713	15.98 714	18.95 720	16.73 714	19.46 720	18.08 720	19.26 719	19.05 722

MEDIAN_ROB	20.38 715	24.04 723	23.31 720	21.23 713	21.71 716	10.40 703	7.92 702	17.64 716	15.50 716	20.12 717	19.70 713	20.34 715	20.32 715	21.19 714	21.13 717	23.81 722	21.81 722	24.98 723	23.76 723	24.71 722	23.93 723

RSGM-EC	20.36 713	4.73 702	0.68 665	16.76 709	16.92 714	21.28 715	27.18 717	10.46 708	14.04 712	18.00 714	21.31 715	22.24 723	21.82 716	22.57 715	17.63 715	62.81 724	33.79 724	20.14 721	18.10 721	20.18 720	16.45 720

acva	20.36 713	4.73 702	0.68 665	16.76 709	16.92 714	21.28 715	27.18 717	10.46 708	14.04 712	18.00 714	21.31 715	22.24 723	21.82 716	22.57 715	17.63 715	62.81 724	33.79 724	20.14 721	18.10 721	20.18 720	16.45 720

FlowAnything	22.44 719	17.35 719	16.14 714	22.07 719	23.23 717	38.39 721	53.77 720	24.25 722	28.44 722	20.96 724	21.82 721	20.70 716	23.84 718	23.49 721	27.14 719	14.04 713	17.79 721	11.75 713	14.15 719	14.65 711	14.89 712

Selective-RAFT-Error	22.47 720	17.37 720	16.09 713	22.06 718	23.34 722	38.39 721	53.83 725	24.29 724	28.47 723	20.74 722	21.83 722	20.81 717	23.90 719	23.54 723	27.53 725	14.08 717	17.69 716	11.82 714	14.00 713	14.69 714	15.00 718

Hybrid-DGEV	22.47 720	17.40 721	16.14 714	22.00 714	23.29 719	38.36 720	53.80 721	24.43 725	28.63 724	20.59 718	21.81 720	20.88 718	23.91 720	23.45 720	27.42 722	14.08 717	17.69 716	11.83 715	14.06 718	14.65 711	14.93 714

CasAABBNet	22.42 716	17.33 716	16.01 712	22.01 715	23.28 718	38.32 717	53.80 721	24.14 721	28.41 721	20.60 719	21.77 719	20.89 721	23.91 720	23.43 719	27.36 720	14.07 714	17.69 716	11.83 715	14.01 714	14.67 713	14.95 715

RAFT-FEzeroshot	22.43 717	17.33 716	15.98 710	22.02 716	23.31 720	38.34 718	53.82 723	24.05 719	28.39 719	20.61 720	21.76 717	20.88 718	23.92 722	23.41 717	27.42 722	14.07 714	17.69 716	11.83 715	14.02 715	14.69 714	14.97 716

RAFT-FE	22.43 717	17.33 716	15.98 710	22.02 716	23.31 720	38.34 718	53.82 723	24.05 719	28.39 719	20.61 720	21.76 717	20.88 718	23.92 722	23.41 717	27.42 722	14.07 714	17.69 716	11.83 715	14.02 715	14.69 714	14.97 716

LSM0	22.87 722	17.28 715	18.96 716	22.19 720	29.04 724	38.42 723	53.71 719	24.28 723	28.31 718	20.78 723	21.00 714	21.43 722	24.16 724	23.50 722	27.39 721	14.09 719	17.38 715	11.84 719	14.04 717	14.73 717	14.89 712

AVERAGE_ROB	24.90 723	29.20 724	28.14 721	24.89 721	24.64 723	17.75 709	11.12 703	21.45 718	19.93 717	25.12 725	24.46 723	25.12 725	25.46 725	24.69 724	22.83 718	29.76 723	27.13 723	28.97 725	27.95 725	29.91 723	29.47 724

test_example2	98.32 724	94.13 725	45.89 722	96.35 722	109.85 725	88.61 724	95.45 726	25.75 726	94.37 726	130.00 727	126.06 726	58.17 726	74.63 726	88.51 725	79.96 726	150.23 726	221.02 726	77.62 726	99.10 726	113.75 726	96.94 725

ccccc		285.66 726		368.85 725	370.60 726	123.16 726		115.05 727		126.68 726		122.83 727		252.94 727		384.56 727	353.86 727	254.69 727	223.00 727	425.87 727

ASD4		3.38 698

Low-res two-view benchmark