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

FS-TRT-Baseline	0.06 1	0.04 1	0.09 86	0.13 14	0.05 1	0.08 59	0.04 1	0.06 1	0.04 2	0.07 46	0.05 7	0.07 78	0.06 45	0.09 39	0.10 140	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49
1853532: FS-TRT-Baseline: No-Enhancement Baseline for ETH3D Low-Res Two-View. Technical report (online)
FS-TRT-Harmonizegood	0.06 1	0.04 1	0.09 86	0.13 14	0.05 1	0.08 59	0.04 1	0.06 1	0.04 2	0.07 46	0.05 7	0.07 78	0.06 45	0.09 39	0.10 140	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49
1853532: FS-TRT-Harmonize: Photometric Harmonization for ETH3D Low-Res Two-View. Technical report (online)
FoundationStereo	0.06 1	0.04 1	0.08 38	0.12 5	0.05 1	0.09 97	0.13 124	0.06 1	0.09 30	0.05 2	0.05 7	0.06 22	0.04 1	0.06 1	0.07 1	0.06 131	0.04 24	0.05 34	0.03 1	0.05 121	0.04 49

S2M2_XL	0.08 57	0.06 76	0.12 215	0.12 5	0.08 146	0.09 97	0.09 20	0.07 4	0.07 12	0.08 85	0.07 48	0.07 78	0.06 45	0.09 39	0.09 61	0.08 338	0.06 343	0.07 229	0.05 133	0.08 357	0.06 234
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
DEFOM-Stereo	0.07 6	0.05 27	0.07 8	0.14 43	0.06 18	0.10 149	0.13 124	0.07 4	0.13 140	0.06 13	0.07 48	0.06 22	0.05 12	0.10 82	0.09 61	0.04 11	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo_test3	0.07 6	0.05 27	0.10 133	0.14 43	0.06 18	0.07 33	0.11 56	0.08 6	0.06 6	0.06 13	0.04 1	0.06 22	0.06 45	0.07 4	0.10 140	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.06 234

MLG-Stereo_test1	0.06 1	0.05 27	0.08 38	0.17 242	0.05 1	0.06 11	0.11 56	0.08 6	0.03 1	0.05 2	0.04 1	0.06 22	0.05 12	0.09 39	0.09 61	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo	0.07 6	0.05 27	0.08 38	0.17 242	0.05 1	0.07 33	0.11 56	0.08 6	0.04 2	0.05 2	0.04 1	0.06 22	0.05 12	0.10 82	0.09 61	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

LG-G_1	0.07 6	0.04 1	0.11 179	0.15 86	0.06 18	0.09 97	0.08 9	0.08 6	0.06 6	0.06 13	0.05 7	0.07 78	0.07 127	0.11 132	0.08 17	0.07 274	0.04 24	0.05 34	0.04 48	0.05 121	0.05 146

LG-G	0.07 6	0.04 1	0.11 179	0.15 86	0.06 18	0.09 97	0.08 9	0.08 6	0.06 6	0.06 13	0.05 7	0.07 78	0.07 127	0.11 132	0.08 17	0.07 274	0.04 24	0.05 34	0.04 48	0.05 121	0.05 146

LGtest1	0.07 6	0.04 1	0.10 133	0.15 86	0.06 18	0.07 33	0.09 20	0.08 6	0.06 6	0.05 2	0.04 1	0.06 22	0.06 45	0.10 82	0.09 61	0.07 274	0.04 24	0.05 34	0.04 48	0.06 224	0.06 234

StereoAnything_RVC	0.07 6	0.15 502	0.17 413	0.11 1	0.05 1	0.05 4	0.11 56	0.08 6	0.08 17	0.06 13	0.06 16	0.05 2	0.05 12	0.09 39	0.08 17	0.08 338	0.04 24	0.05 34	0.03 1	0.05 121	0.04 49

BridgeDepth	0.07 6	0.07 169	0.08 38	0.18 325	0.06 18	0.07 33	0.11 56	0.09 13	0.06 6	0.04 1	0.07 48	0.10 186	0.09 200	0.08 18	0.08 17	0.04 11	0.03 1	0.04 1	0.04 48	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
DDF-Stereo	0.08 57	0.04 1	0.09 86	0.15 86	0.10 372	0.06 11	0.13 124	0.09 13	0.14 165	0.06 13	0.06 16	0.07 78	0.06 45	0.09 39	0.10 140	0.06 131	0.04 24	0.06 127	0.04 48	0.08 357	0.05 146

zero-FE	0.08 57	0.04 1	0.09 86	0.15 86	0.10 372	0.05 4	0.14 179	0.09 13	0.14 165	0.07 46	0.06 16	0.07 78	0.06 45	0.09 39	0.10 140	0.06 131	0.04 24	0.06 127	0.04 48	0.08 357	0.05 146

AdaDepth	0.07 6	0.06 76	0.07 8	0.18 325	0.06 18	0.11 196	0.12 76	0.09 13	0.07 12	0.06 13	0.05 7	0.07 78	0.06 45	0.09 39	0.10 140	0.04 11	0.05 211	0.05 34	0.04 48	0.04 21	0.04 49

LG-Stereo_L2	0.07 6	0.05 27	0.10 133	0.14 43	0.06 18	0.07 33	0.12 76	0.09 13	0.09 30	0.06 13	0.04 1	0.05 2	0.05 12	0.08 18	0.08 17	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

LG-Stereo_L1	0.07 6	0.05 27	0.11 179	0.14 43	0.06 18	0.07 33	0.13 124	0.09 13	0.07 12	0.05 2	0.04 1	0.05 2	0.04 1	0.08 18	0.07 1	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo_test2	0.06 1	0.04 1	0.10 133	0.15 86	0.05 1	0.07 33	0.11 56	0.09 13	0.04 2	0.06 13	0.05 7	0.06 22	0.04 1	0.08 18	0.09 61	0.06 131	0.04 24	0.05 34	0.03 1	0.05 121	0.05 146

GREAT-IGEV	0.07 6	0.06 76	0.08 38	0.13 14	0.07 86	0.07 33	0.14 179	0.09 13	0.09 30	0.06 13	0.07 48	0.06 22	0.05 12	0.10 82	0.07 1	0.05 35	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

AIO_rvc	0.07 6	0.06 76	0.08 38	0.15 86	0.06 18	0.08 59	0.14 179	0.09 13	0.08 17	0.07 46	0.08 90	0.07 78	0.04 1	0.10 82	0.08 17	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

LCMNet	0.08 57	0.05 27	0.10 133	0.13 14	0.07 86	0.09 97	0.12 76	0.10 22	0.11 75	0.06 13	0.08 90	0.06 22	0.07 127	0.11 132	0.10 140	0.06 131	0.05 211	0.04 1	0.03 1	0.04 21	0.04 49

GEAStereo	0.08 57	0.05 27	0.08 38	0.13 14	0.08 146	0.08 59	0.14 179	0.10 22	0.09 30	0.08 85	0.10 144	0.06 22	0.05 12	0.11 132	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.05 146

gasm-f	0.08 57	0.05 27	0.07 8	0.13 14	0.08 146	0.08 59	0.14 179	0.10 22	0.09 30	0.08 85	0.10 144	0.06 22	0.05 12	0.10 82	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.06 224	0.05 146

Wavelet-MonSter	0.07 6	0.05 27	0.07 8	0.16 166	0.06 18	0.07 33	0.11 56	0.10 22	0.08 17	0.06 13	0.06 16	0.07 78	0.07 127	0.09 39	0.09 61	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

2.25w	0.07 6	0.06 76	0.07 8	0.14 43	0.06 18	0.08 59	0.08 9	0.10 22	0.15 185	0.08 85	0.10 144	0.07 78	0.06 45	0.08 18	0.10 140	0.05 35	0.03 1	0.04 1	0.04 48	0.03 1	0.04 49

2.5w	0.07 6	0.07 169	0.07 8	0.16 166	0.06 18	0.08 59	0.12 76	0.10 22	0.10 47	0.07 46	0.06 16	0.09 152	0.06 45	0.08 18	0.09 61	0.04 11	0.03 1	0.04 1	0.04 48	0.03 1	0.03 2

LG-Stereo_Zeroshot	0.07 6	0.06 76	0.10 133	0.16 166	0.07 86	0.04 1	0.13 124	0.10 22	0.10 47	0.05 2	0.11 182	0.07 78	0.05 12	0.07 4	0.09 61	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

S2M2_L	0.09 106	0.08 270	0.11 179	0.13 14	0.10 372	0.08 59	0.06 3	0.10 22	0.10 47	0.10 159	0.09 113	0.10 186	0.09 200	0.11 132	0.11 215	0.13 515	0.07 418	0.08 314	0.09 422	0.10 452	0.08 381
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
SCV	0.08 57	0.09 346	0.08 38	0.15 86	0.08 146	0.10 149	0.13 124	0.10 22	0.12 105	0.07 46	0.07 48	0.06 22	0.04 1	0.09 39	0.08 17	0.05 35	0.04 24	0.06 127	0.04 48	0.06 224	0.04 49

DEFOM-Stereo_RVC	0.08 57	0.06 76	0.09 86	0.22 490	0.06 18	0.08 59	0.12 76	0.10 22	0.10 47	0.07 46	0.07 48	0.06 22	0.05 12	0.11 132	0.09 61	0.06 131	0.04 24	0.05 34	0.03 1	0.06 224	0.04 49

AIO_test	0.07 6	0.05 27	0.07 8	0.15 86	0.07 86	0.06 11	0.14 179	0.10 22	0.10 47	0.07 46	0.07 48	0.06 22	0.05 12	0.08 18	0.10 140	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

IGEV-RUCA	0.08 57	0.06 76	0.11 179	0.14 43	0.09 269	0.10 149	0.12 76	0.10 22	0.12 105	0.06 13	0.07 48	0.07 78	0.06 45	0.09 39	0.08 17	0.06 131	0.05 211	0.05 34	0.04 48	0.05 121	0.06 234

IGEV-BASED-STEREO-	0.09 106	0.10 407	0.31 520	0.15 86	0.06 18	0.08 59	0.14 179	0.10 22	0.10 47	0.07 46	0.07 48	0.06 22	0.04 1	0.11 132	0.07 1	0.12 492	0.04 24	0.07 229	0.05 133	0.05 121	0.05 146

IGEV-Stereo+	0.07 6	0.04 1	0.08 38	0.15 86	0.06 18	0.04 1	0.09 20	0.10 22	0.09 30	0.06 13	0.06 16	0.06 22	0.06 45	0.06 1	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.06 224	0.06 234

IGEV++	0.08 57	0.06 76	0.08 38	0.18 325	0.07 86	0.09 97	0.13 124	0.10 22	0.09 30	0.08 85	0.08 90	0.06 22	0.06 45	0.13 270	0.09 61	0.05 35	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

VIP-Stereo	0.07 6	0.07 169	0.07 8	0.15 86	0.06 18	0.12 239	0.10 33	0.11 37	0.11 75	0.06 13	0.07 48	0.06 22	0.05 12	0.10 82	0.08 17	0.05 35	0.04 24	0.05 34	0.03 1	0.03 1	0.02 1

GSStereo	0.08 57	0.05 27	0.08 38	0.13 14	0.08 146	0.08 59	0.14 179	0.11 37	0.12 105	0.08 85	0.10 144	0.05 2	0.05 12	0.11 132	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.05 146

GS-Stereo							0.14 179	0.11 37	0.12 105	0.08 85	0.10 144	0.05 2	0.05 12	0.11 132	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.05 146

Zero-FE251	0.07 6	0.05 27	0.09 86	0.13 14	0.06 18	0.12 239	0.12 76	0.11 37	0.10 47	0.07 46	0.08 90	0.06 22	0.06 45	0.09 39	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.04 49

Monster-pub-mixall	0.07 6	0.04 1	0.09 86	0.13 14	0.06 18	0.05 4	0.09 20	0.11 37	0.07 12	0.06 13	0.06 16	0.05 2	0.06 45	0.09 39	0.09 61	0.06 131	0.04 24	0.04 1	0.03 1	0.05 121	0.05 146

asd	0.07 6	0.08 270	0.07 8	0.16 166	0.07 86	0.08 59	0.08 9	0.11 37	0.08 17	0.07 46	0.07 48	0.06 22	0.06 45	0.10 82	0.09 61	0.03 1	0.03 1	0.04 1	0.04 48	0.04 21	0.03 2

111111	0.07 6	0.04 1	0.09 86	0.17 242	0.06 18	0.05 4	0.10 33	0.11 37	0.09 30	0.06 13	0.06 16	0.07 78	0.05 12	0.09 39	0.09 61	0.06 131	0.04 24	0.05 34	0.04 48	0.07 294	0.06 234

LG-Stereo	0.08 57	0.07 169	0.10 133	0.18 325	0.07 86	0.10 149	0.17 357	0.11 37	0.08 17	0.05 2	0.07 48	0.05 2	0.07 127	0.09 39	0.09 61	0.04 11	0.05 211	0.07 229	0.07 305	0.04 21	0.04 49

SGD-Stereo	0.08 57	0.05 27	0.10 133	0.14 43	0.05 1	0.12 239	0.12 76	0.11 37	0.12 105	0.07 46	0.09 113	0.09 152	0.09 200	0.08 18	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.03 2

SCV_C0	0.08 57	0.07 169	0.07 8	0.16 166	0.09 269	0.08 59	0.15 251	0.11 37	0.12 105	0.08 85	0.07 48	0.06 22	0.05 12	0.11 132	0.07 1	0.05 35	0.05 211	0.05 34	0.04 48	0.06 224	0.05 146

castereo++	0.08 57	0.05 27	0.08 38	0.15 86	0.05 1	0.14 315	0.12 76	0.11 37	0.15 185	0.07 46	0.07 48	0.07 78	0.06 45	0.08 18	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

SMoEStereo_RVC	0.08 57	0.06 76	0.12 215	0.16 166	0.07 86	0.09 97	0.14 179	0.11 37	0.13 140	0.09 124	0.07 48	0.07 78	0.07 127	0.12 224	0.10 140	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

ours_stereo	0.09 106	0.07 169	0.09 86	0.17 242	0.08 146	0.11 196	0.16 319	0.11 37	0.12 105	0.08 85	0.10 144	0.08 127	0.06 45	0.12 224	0.12 271	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.03 2

IGEV-Stereo++	0.07 6	0.06 76	0.08 38	0.18 325	0.06 18	0.04 1	0.10 33	0.11 37	0.11 75	0.06 13	0.07 48	0.07 78	0.06 45	0.09 39	0.09 61	0.05 35	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

RSM++	0.08 57	0.06 76	0.09 86	0.17 242	0.07 86	0.09 97	0.12 76	0.11 37	0.11 75	0.08 85	0.06 16	0.07 78	0.05 12	0.10 82	0.09 61	0.04 11	0.04 24	0.06 127	0.05 133	0.05 121	0.03 2

gcap-zeroshot	0.09 106	0.05 27	0.10 133	0.16 166	0.07 86	0.13 283	0.13 124	0.11 37	0.12 105	0.13 257	0.12 196	0.09 152	0.08 167	0.09 39	0.09 61	0.06 131	0.05 211	0.06 127	0.05 133	0.04 21	0.04 49

MoCha-V2	0.08 57	0.05 27	0.10 133	0.20 444	0.07 86	0.09 97	0.14 179	0.11 37	0.08 17	0.07 46	0.08 90	0.07 78	0.06 45	0.09 39	0.08 17	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.04 49

LoS_RVC	0.08 57	0.05 27	0.07 8	0.15 86	0.07 86	0.08 59	0.15 251	0.11 37	0.10 47	0.08 85	0.09 113	0.06 22	0.09 200	0.10 82	0.09 61	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

CES	0.08 57	0.04 1	0.08 38	0.14 43	0.07 86	0.09 97	0.14 179	0.11 37	0.09 30	0.08 85	0.09 113	0.11 212	0.06 45	0.12 224	0.08 17	0.06 131	0.04 24	0.05 34	0.03 1	0.05 121	0.05 146

EGLCR-Stereo	0.08 57	0.05 27	0.08 38	0.14 43	0.06 18	0.10 149	0.12 76	0.11 37	0.16 214	0.06 13	0.05 7	0.07 78	0.05 12	0.10 82	0.11 215	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

MatchStereo	0.07 6	0.04 1	0.08 38	0.14 43	0.06 18	0.05 4	0.12 76	0.12 57	0.09 30	0.07 46	0.06 16	0.04 1	0.04 1	0.08 18	0.09 61	0.06 131	0.05 211	0.05 34	0.03 1	0.04 21	0.04 49

HiDET	0.08 57	0.04 1	0.10 133	0.13 14	0.06 18	0.08 59	0.12 76	0.12 57	0.11 75	0.06 13	0.07 48	0.07 78	0.07 127	0.11 132	0.11 215	0.06 131	0.04 24	0.04 1	0.03 1	0.04 21	0.04 49

4w-stereo	0.07 6	0.08 270	0.08 38	0.16 166	0.06 18	0.07 33	0.08 9	0.12 57	0.08 17	0.07 46	0.07 48	0.05 2	0.06 45	0.09 39	0.10 140	0.03 1	0.03 1	0.04 1	0.04 48	0.04 21	0.03 2

3.25w_new	0.07 6	0.06 76	0.07 8	0.15 86	0.06 18	0.10 149	0.07 5	0.12 57	0.11 75	0.08 85	0.06 16	0.07 78	0.06 45	0.11 132	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 6	0.06 76	0.07 8	0.15 86	0.06 18	0.10 149	0.07 5	0.12 57	0.11 75	0.08 85	0.06 16	0.07 78	0.06 45	0.11 132	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

monsters	0.07 6	0.06 76	0.06 4	0.15 86	0.06 18	0.08 59	0.09 20	0.12 57	0.08 17	0.09 124	0.07 48	0.06 22	0.06 45	0.08 18	0.08 17	0.05 35	0.04 24	0.04 1	0.04 48	0.03 1	0.03 2

fffft	0.09 106	0.06 76	0.12 215	0.16 166	0.07 86	0.09 97	0.17 357	0.12 57	0.11 75	0.08 85	0.07 48	0.09 152	0.06 45	0.11 132	0.12 271	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.05 146
1: 1. 1
mms	0.09 106	0.07 169	0.08 38	0.16 166	0.08 146	0.10 149	0.16 319	0.12 57	0.11 75	0.08 85	0.09 113	0.08 127	0.06 45	0.11 132	0.12 271	0.05 35	0.04 24	0.07 229	0.05 133	0.04 21	0.03 2

dual_stereo	0.07 6	0.04 1	0.08 38	0.15 86	0.05 1	0.05 4	0.13 124	0.12 57	0.08 17	0.07 46	0.06 16	0.05 2	0.05 12	0.07 4	0.09 61	0.06 131	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

U	0.08 57	0.07 169	0.09 86	0.19 386	0.10 372	0.10 149	0.13 124	0.12 57	0.17 237	0.07 46	0.07 48	0.06 22	0.05 12	0.07 4	0.08 17	0.06 131	0.04 24	0.06 127	0.04 48	0.06 224	0.05 146

RSM	0.08 57	0.06 76	0.09 86	0.17 242	0.06 18	0.08 59	0.12 76	0.12 57	0.10 47	0.08 85	0.07 48	0.06 22	0.05 12	0.11 132	0.09 61	0.04 11	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

test_for_model	0.09 106	0.12 451	0.14 297	0.23 511	0.11 424	0.08 59	0.13 124	0.12 57	0.12 105	0.10 159	0.07 48	0.07 78	0.06 45	0.11 132	0.10 140	0.06 131	0.05 211	0.05 34	0.03 1	0.07 294	0.04 49

MGS-Stereo	0.09 106	0.07 169	0.12 215	0.15 86	0.08 146	0.09 97	0.15 251	0.12 57	0.12 105	0.07 46	0.10 144	0.08 127	0.06 45	0.10 82	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.06 224	0.05 146

UniTT-Stereo	0.09 106	0.07 169	0.08 38	0.18 325	0.08 146	0.13 283	0.11 56	0.12 57	0.11 75	0.10 159	0.12 196	0.05 2	0.07 127	0.09 39	0.09 61	0.07 274	0.05 211	0.05 34	0.05 133	0.05 121	0.05 146

CAS	0.08 57	0.04 1	0.07 8	0.17 242	0.08 146	0.10 149	0.13 124	0.12 57	0.09 30	0.09 124	0.10 144	0.08 127	0.06 45	0.09 39	0.08 17	0.08 338	0.04 24	0.05 34	0.03 1	0.05 121	0.04 49

MC-Stereo	0.08 57	0.06 76	0.09 86	0.17 242	0.06 18	0.10 149	0.14 179	0.12 57	0.10 47	0.09 124	0.12 196	0.09 152	0.06 45	0.11 132	0.10 140	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

test-3	0.08 57	0.06 76	0.09 86	0.17 242	0.07 86	0.07 33	0.14 179	0.12 57	0.15 185	0.09 124	0.08 90	0.07 78	0.08 167	0.11 132	0.10 140	0.05 35	0.04 24	0.07 229	0.05 133	0.04 21	0.04 49

test_1	0.08 57	0.06 76	0.09 86	0.17 242	0.07 86	0.07 33	0.14 179	0.12 57	0.15 185	0.09 124	0.08 90	0.07 78	0.08 167	0.11 132	0.10 140	0.05 35	0.04 24	0.07 229	0.05 133	0.04 21	0.04 49

MS-F	0.08 57	0.04 1	0.10 133	0.13 14	0.06 18	0.09 97	0.12 76	0.13 75	0.08 17	0.06 13	0.07 48	0.06 22	0.08 167	0.10 82	0.11 215	0.06 131	0.05 211	0.04 1	0.03 1	0.04 21	0.04 49

252Zero-FE	0.08 57	0.04 1	0.09 86	0.13 14	0.07 86	0.12 239	0.11 56	0.13 75	0.14 165	0.06 13	0.05 7	0.06 22	0.05 12	0.09 39	0.10 140	0.06 131	0.04 24	0.04 1	0.03 1	0.05 121	0.06 234

DA	0.08 57	0.07 169	0.07 8	0.19 386	0.08 146	0.09 97	0.12 76	0.13 75	0.12 105	0.08 85	0.10 144	0.10 186	0.08 167	0.09 39	0.10 140	0.05 35	0.04 24	0.06 127	0.04 48	0.05 121	0.03 2

Replicate-Monster	0.07 6	0.05 27	0.09 86	0.14 43	0.06 18	0.08 59	0.09 20	0.13 75	0.13 140	0.05 2	0.07 48	0.06 22	0.06 45	0.08 18	0.10 140	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

GGEV	0.08 57	0.07 169	0.07 8	0.19 386	0.08 146	0.09 97	0.12 76	0.13 75	0.12 105	0.08 85	0.10 144	0.10 186	0.08 167	0.09 39	0.10 140	0.05 35	0.04 24	0.06 127	0.04 48	0.05 121	0.03 2

3.5w_stereo	0.07 6	0.07 169	0.07 8	0.15 86	0.07 86	0.09 97	0.06 3	0.13 75	0.11 75	0.07 46	0.07 48	0.06 22	0.07 127	0.10 82	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

HART	0.08 57	0.07 169	0.09 86	0.17 242	0.07 86	0.10 149	0.16 319	0.13 75	0.11 75	0.08 85	0.10 144	0.07 78	0.05 12	0.10 82	0.08 17	0.05 35	0.04 24	0.06 127	0.04 48	0.05 121	0.04 49

HUF	0.08 57	0.05 27	0.08 38	0.14 43	0.06 18	0.09 97	0.13 124	0.13 75	0.13 140	0.07 46	0.07 48	0.08 127	0.06 45	0.10 82	0.09 61	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

tt45	0.09 106	0.06 76	0.11 179	0.15 86	0.07 86	0.11 196	0.16 319	0.13 75	0.11 75	0.09 124	0.06 16	0.08 127	0.06 45	0.13 270	0.10 140	0.06 131	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

fffy	0.09 106	0.08 270	0.09 86	0.16 166	0.07 86	0.13 283	0.17 357	0.13 75	0.12 105	0.08 85	0.09 113	0.08 127	0.09 200	0.13 270	0.11 215	0.05 35	0.05 211	0.07 229	0.05 133	0.04 21	0.05 146

WCG-NET	0.08 57	0.05 27	0.09 86	0.15 86	0.06 18	0.11 196	0.14 179	0.13 75	0.13 140	0.06 13	0.09 113	0.07 78	0.06 45	0.13 270	0.08 17	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

Occ-G	0.08 57	0.05 27	0.06 4	0.14 43	0.07 86	0.08 59	0.14 179	0.13 75	0.15 185	0.07 46	0.11 182	0.07 78	0.05 12	0.09 39	0.10 140	0.06 131	0.05 211	0.05 34	0.04 48	0.05 121	0.05 146

trnet	0.08 57	0.05 27	0.07 8	0.12 5	0.05 1	0.12 239	0.11 56	0.13 75	0.10 47	0.08 85	0.13 210	0.09 152	0.08 167	0.11 132	0.10 140	0.08 338	0.05 211	0.05 34	0.03 1	0.06 224	0.05 146

testlalala_base	0.10 174	0.09 346	0.14 297	0.21 475	0.08 146	0.10 149	0.14 179	0.13 75	0.10 47	0.07 46	0.15 241	0.07 78	0.08 167	0.10 82	0.12 271	0.08 338	0.05 211	0.05 34	0.03 1	0.06 224	0.05 146

GCAP-Stereo	0.09 106	0.07 169	0.13 262	0.18 325	0.06 18	0.11 196	0.07 5	0.13 75	0.12 105	0.09 124	0.10 144	0.07 78	0.09 200	0.13 270	0.10 140	0.06 131	0.05 211	0.05 34	0.04 48	0.04 21	0.05 146

Selective-IGEV	0.07 6	0.06 76	0.08 38	0.17 242	0.06 18	0.08 59	0.12 76	0.13 75	0.07 12	0.08 85	0.07 48	0.06 22	0.04 1	0.10 82	0.09 61	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

GMOStereo	0.11 218	0.09 346	0.07 8	0.19 386	0.08 146	0.12 239	0.28 550	0.13 75	0.17 237	0.11 192	0.17 277	0.14 276	0.12 294	0.07 4	0.07 1	0.05 35	0.05 211	0.09 398	0.07 305	0.04 21	0.04 49

error version	0.11 218	0.09 346	0.07 8	0.19 386	0.08 146	0.12 239	0.28 550	0.13 75	0.17 237	0.11 192	0.17 277	0.14 276	0.12 294	0.07 4	0.07 1	0.05 35	0.05 211	0.09 398	0.07 305	0.04 21	0.04 49

test-v	0.11 218	0.09 346	0.07 8	0.19 386	0.08 146	0.12 239	0.28 550	0.13 75	0.17 237	0.11 192	0.17 277	0.14 276	0.12 294	0.07 4	0.07 1	0.05 35	0.05 211	0.09 398	0.07 305	0.04 21	0.04 49

test-2	0.11 218	0.09 346	0.07 8	0.19 386	0.08 146	0.12 239	0.28 550	0.13 75	0.17 237	0.11 192	0.17 277	0.14 276	0.12 294	0.07 4	0.07 1	0.05 35	0.05 211	0.09 398	0.07 305	0.04 21	0.04 49

cross-raft	0.10 174	0.09 346	0.09 86	0.19 386	0.07 86	0.11 196	0.25 528	0.13 75	0.15 185	0.08 85	0.11 182	0.12 231	0.10 236	0.09 39	0.11 215	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

BridgeDepth_RVC	0.07 6	0.04 1	0.09 86	0.11 1	0.05 1	0.10 149	0.10 33	0.14 96	0.09 30	0.06 13	0.07 48	0.06 22	0.07 127	0.07 4	0.10 140	0.06 131	0.04 24	0.04 1	0.04 48	0.04 21	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GASTEREO	0.08 57	0.05 27	0.09 86	0.19 386	0.07 86	0.07 33	0.12 76	0.14 96	0.11 75	0.10 159	0.09 113	0.07 78	0.04 1	0.12 224	0.08 17	0.06 131	0.05 211	0.05 34	0.04 48	0.04 21	0.05 146

MSCF	0.08 57	0.05 27	0.08 38	0.19 386	0.08 146	0.06 11	0.12 76	0.14 96	0.11 75	0.10 159	0.09 113	0.07 78	0.04 1	0.11 132	0.08 17	0.06 131	0.05 211	0.05 34	0.04 48	0.05 121	0.05 146

depthmonostereo	0.09 106	0.06 76	0.09 86	0.15 86	0.06 18	0.10 149	0.13 124	0.14 96	0.14 165	0.10 159	0.10 144	0.09 152	0.11 261	0.08 18	0.09 61	0.06 131	0.05 211	0.06 127	0.04 48	0.04 21	0.03 2

DilatedVolume-Stereo	0.09 106	0.05 27	0.08 38	0.15 86	0.06 18	0.11 196	0.12 76	0.14 96	0.16 214	0.11 192	0.11 182	0.09 152	0.09 200	0.11 132	0.10 140	0.06 131	0.05 211	0.05 34	0.04 48	0.03 1	0.03 2

4.25_new	0.07 6	0.08 270	0.09 86	0.15 86	0.06 18	0.09 97	0.08 9	0.14 96	0.08 17	0.07 46	0.07 48	0.06 22	0.06 45	0.12 224	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5w_new	0.07 6	0.08 270	0.09 86	0.15 86	0.06 18	0.09 97	0.08 9	0.14 96	0.08 17	0.07 46	0.07 48	0.06 22	0.06 45	0.12 224	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5_new	0.07 6	0.09 346	0.08 38	0.15 86	0.07 86	0.06 11	0.10 33	0.14 96	0.11 75	0.06 13	0.08 90	0.06 22	0.06 45	0.08 18	0.10 140	0.03 1	0.03 1	0.04 1	0.04 48	0.04 21	0.03 2

4.5w-stereo	0.07 6	0.09 346	0.08 38	0.15 86	0.07 86	0.06 11	0.10 33	0.14 96	0.11 75	0.06 13	0.08 90	0.06 22	0.06 45	0.08 18	0.10 140	0.03 1	0.03 1	0.04 1	0.04 48	0.04 21	0.03 2

4.25w-stereo	0.07 6	0.08 270	0.09 86	0.15 86	0.06 18	0.09 97	0.08 9	0.14 96	0.08 17	0.07 46	0.07 48	0.06 22	0.06 45	0.12 224	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

1w_stereo	0.07 6	0.06 76	0.07 8	0.16 166	0.06 18	0.07 33	0.10 33	0.14 96	0.14 165	0.07 46	0.08 90	0.05 2	0.06 45	0.09 39	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 49

IGEV	0.07 6	0.04 1	0.08 38	0.13 14	0.06 18	0.09 97	0.12 76	0.14 96	0.10 47	0.06 13	0.09 113	0.07 78	0.05 12	0.09 39	0.09 61	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

castereo	0.09 106	0.06 76	0.11 179	0.15 86	0.06 18	0.11 196	0.15 251	0.14 96	0.18 264	0.08 85	0.10 144	0.11 212	0.08 167	0.09 39	0.10 140	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

GIP-stereo	0.08 57	0.06 76	0.11 179	0.14 43	0.06 18	0.09 97	0.13 124	0.14 96	0.11 75	0.07 46	0.08 90	0.05 2	0.04 1	0.10 82	0.07 1	0.05 35	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

PAM_32	0.09 106	0.05 27	0.17 413	0.15 86	0.08 146	0.10 149	0.15 251	0.14 96	0.15 185	0.09 124	0.08 90	0.09 152	0.07 127	0.14 298	0.08 17	0.06 131	0.05 211	0.06 127	0.06 214	0.05 121	0.06 234

rvit_stereo_0083	0.12 285	0.08 270	0.17 413	0.16 166	0.09 269	0.11 196	0.15 251	0.14 96	0.26 395	0.11 192	0.14 224	0.13 256	0.10 236	0.12 224	0.12 271	0.10 438	0.08 444	0.09 398	0.07 305	0.07 294	0.05 146

rvit_stereo_0081_aga	0.11 218	0.09 346	0.14 297	0.18 325	0.09 269	0.13 283	0.14 179	0.14 96	0.19 280	0.10 159	0.18 302	0.16 319	0.09 200	0.12 224	0.09 61	0.10 438	0.06 343	0.08 314	0.07 305	0.07 294	0.06 234

rvit_stereo_0081	0.11 218	0.08 270	0.15 349	0.16 166	0.09 269	0.10 149	0.14 179	0.14 96	0.24 360	0.11 192	0.13 210	0.13 256	0.09 200	0.11 132	0.12 271	0.10 438	0.07 418	0.08 314	0.07 305	0.07 294	0.05 146

GCAP-BAT	0.09 106	0.07 169	0.14 297	0.15 86	0.08 146	0.10 149	0.13 124	0.14 96	0.10 47	0.11 192	0.10 144	0.08 127	0.07 127	0.12 224	0.10 140	0.06 131	0.05 211	0.06 127	0.04 48	0.04 21	0.04 49

rvit_stereo_0082	0.11 218	0.08 270	0.15 349	0.16 166	0.09 269	0.10 149	0.14 179	0.14 96	0.24 360	0.11 192	0.13 210	0.13 256	0.09 200	0.11 132	0.12 271	0.10 438	0.07 418	0.08 314	0.07 305	0.07 294	0.05 146

H2IRNET	0.10 174	0.09 346	0.09 86	0.18 325	0.09 269	0.12 239	0.15 251	0.14 96	0.21 319	0.10 159	0.10 144	0.10 186	0.10 236	0.10 82	0.10 140	0.05 35	0.04 24	0.08 314	0.08 373	0.06 224	0.05 146

AE-Stereo	0.10 174	0.08 270	0.10 133	0.18 325	0.09 269	0.10 149	0.15 251	0.14 96	0.19 280	0.09 124	0.14 224	0.12 231	0.08 167	0.11 132	0.10 140	0.05 35	0.06 343	0.07 229	0.06 214	0.05 121	0.04 49

plain	0.10 174	0.08 270	0.10 133	0.19 386	0.09 269	0.10 149	0.15 251	0.14 96	0.13 140	0.13 257	0.15 241	0.09 152	0.12 294	0.13 270	0.12 271	0.07 274	0.05 211	0.09 398	0.06 214	0.06 224	0.06 234

MSKI-zero shot	0.09 106	0.05 27	0.09 86	0.15 86	0.07 86	0.10 149	0.13 124	0.14 96	0.13 140	0.09 124	0.09 113	0.09 152	0.06 45	0.12 224	0.10 140	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.04 49

AEACV	0.08 57	0.05 27	0.08 38	0.14 43	0.13 480	0.14 315	0.13 124	0.14 96	0.09 30	0.07 46	0.09 113	0.07 78	0.08 167	0.10 82	0.09 61	0.06 131	0.04 24	0.06 127	0.05 133	0.05 121	0.04 49

HH	0.09 106	0.06 76	0.13 262	0.17 242	0.08 146	0.10 149	0.16 319	0.14 96	0.10 47	0.08 85	0.09 113	0.08 127	0.07 127	0.10 82	0.09 61	0.06 131	0.04 24	0.06 127	0.05 133	0.05 121	0.04 49

HanStereo	0.09 106	0.06 76	0.13 262	0.17 242	0.08 146	0.10 149	0.16 319	0.14 96	0.10 47	0.08 85	0.09 113	0.08 127	0.07 127	0.10 82	0.09 61	0.06 131	0.04 24	0.06 127	0.05 133	0.05 121	0.04 49

test_3	0.10 174	0.09 346	0.10 133	0.20 444	0.08 146	0.13 283	0.26 537	0.14 96	0.21 319	0.10 159	0.10 144	0.09 152	0.09 200	0.08 18	0.11 215	0.05 35	0.04 24	0.08 314	0.07 305	0.04 21	0.04 49

test-1	0.10 174	0.07 169	0.16 383	0.19 386	0.08 146	0.11 196	0.24 513	0.14 96	0.18 264	0.09 124	0.07 48	0.09 152	0.08 167	0.07 4	0.09 61	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

CREStereo++_RVC	0.08 57	0.04 1	0.06 4	0.13 14	0.07 86	0.09 97	0.12 76	0.14 96	0.14 165	0.10 159	0.14 224	0.08 127	0.07 127	0.09 39	0.11 215	0.06 131	0.04 24	0.05 34	0.05 133	0.04 21	0.04 49
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
XX-TBD	0.09 106	0.06 76	0.07 8	0.14 43	0.07 86	0.12 239	0.16 319	0.14 96	0.13 140	0.11 192	0.12 196	0.09 152	0.08 167	0.10 82	0.10 140	0.06 131	0.04 24	0.05 34	0.03 1	0.06 224	0.05 146

CREStereo	0.09 106	0.04 1	0.08 38	0.11 1	0.06 18	0.13 283	0.14 179	0.14 96	0.10 47	0.08 85	0.13 210	0.09 152	0.08 167	0.11 132	0.10 140	0.08 338	0.04 24	0.05 34	0.03 1	0.06 224	0.06 234
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
BStereo	0.08 57	0.06 76	0.16 383	0.15 86	0.08 146	0.07 33	0.09 20	0.15 128	0.16 214	0.06 13	0.07 48	0.07 78	0.05 12	0.09 39	0.11 215	0.04 11	0.05 211	0.05 34	0.07 305	0.04 21	0.04 49

CSFM-Stereo	0.07 6	0.05 27	0.07 8	0.14 43	0.06 18	0.09 97	0.13 124	0.15 128	0.06 6	0.07 46	0.08 90	0.06 22	0.08 167	0.09 39	0.09 61	0.06 131	0.05 211	0.04 1	0.03 1	0.04 21	0.04 49

MonStereo	0.07 6	0.06 76	0.05 1	0.15 86	0.05 1	0.08 59	0.10 33	0.15 128	0.15 185	0.05 2	0.06 16	0.05 2	0.06 45	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 6	0.06 76	0.05 1	0.15 86	0.05 1	0.08 59	0.10 33	0.15 128	0.15 185	0.05 2	0.06 16	0.05 2	0.06 45	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

water-stereo	0.09 106	0.06 76	0.08 38	0.16 166	0.07 86	0.09 97	0.13 124	0.15 128	0.13 140	0.11 192	0.12 196	0.08 127	0.09 200	0.07 4	0.08 17	0.06 131	0.05 211	0.05 34	0.05 133	0.04 21	0.04 49

MM-Stereo_test2	0.09 106	0.06 76	0.09 86	0.19 386	0.08 146	0.12 239	0.18 402	0.15 128	0.14 165	0.07 46	0.10 144	0.07 78	0.06 45	0.12 224	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.03 2

Reg-Stereo(zero)	0.08 57	0.05 27	0.08 38	0.16 166	0.06 18	0.12 239	0.11 56	0.15 128	0.10 47	0.12 230	0.09 113	0.10 186	0.08 167	0.11 132	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

MonSter	0.07 6	0.06 76	0.05 1	0.15 86	0.05 1	0.07 33	0.10 33	0.15 128	0.15 185	0.05 2	0.06 16	0.05 2	0.06 45	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

999	0.09 106	0.05 27	0.13 262	0.15 86	0.08 146	0.10 149	0.14 179	0.15 128	0.11 75	0.10 159	0.08 90	0.08 127	0.08 167	0.16 354	0.10 140	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.05 146

PAM	0.10 174	0.05 27	0.16 383	0.15 86	0.08 146	0.09 97	0.16 319	0.15 128	0.16 214	0.12 230	0.09 113	0.09 152	0.07 127	0.13 270	0.08 17	0.06 131	0.05 211	0.06 127	0.06 214	0.05 121	0.06 234

RAStereo	0.10 174	0.09 346	0.08 38	0.20 444	0.08 146	0.13 283	0.18 402	0.15 128	0.17 237	0.10 159	0.12 196	0.05 2	0.06 45	0.09 39	0.08 17	0.07 274	0.05 211	0.07 229	0.05 133	0.05 121	0.04 49

Pointernet	0.09 106	0.04 1	0.09 86	0.16 166	0.08 146	0.13 283	0.10 33	0.15 128	0.17 237	0.09 124	0.07 48	0.06 22	0.06 45	0.11 132	0.09 61	0.08 338	0.04 24	0.05 34	0.03 1	0.06 224	0.05 146

AIO-Stereo	0.08 57	0.06 76	0.09 86	0.18 325	0.06 18	0.08 59	0.12 76	0.15 128	0.09 30	0.08 85	0.08 90	0.07 78	0.05 12	0.11 132	0.08 17	0.05 35	0.05 211	0.05 34	0.04 48	0.04 21	0.04 49

WCG-NET（raft）	0.08 57	0.05 27	0.10 133	0.15 86	0.06 18	0.11 196	0.13 124	0.15 128	0.12 105	0.08 85	0.07 48	0.06 22	0.06 45	0.13 270	0.08 17	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.04 49

MyStereo07	0.10 174	0.07 169	0.10 133	0.17 242	0.09 269	0.14 315	0.18 402	0.15 128	0.15 185	0.09 124	0.06 16	0.06 22	0.07 127	0.12 224	0.09 61	0.06 131	0.05 211	0.08 314	0.07 305	0.06 224	0.06 234

ffm	0.12 285	0.09 346	0.14 297	0.16 166	0.08 146	0.17 393	0.17 357	0.15 128	0.19 280	0.15 306	0.25 404	0.19 367	0.13 332	0.10 82	0.07 1	0.06 131	0.04 24	0.09 398	0.08 373	0.06 224	0.06 234

ff1	0.13 310	0.09 346	0.14 297	0.16 166	0.08 146	0.17 393	0.17 357	0.15 128	0.19 280	0.15 306	0.25 404	0.19 367	0.13 332	0.14 298	0.20 449	0.06 131	0.04 24	0.09 398	0.08 373	0.06 224	0.06 234

tt1	0.10 174	0.08 270	0.12 215	0.17 242	0.09 269	0.12 239	0.16 319	0.15 128	0.19 280	0.09 124	0.08 90	0.06 22	0.06 45	0.10 82	0.07 1	0.06 131	0.04 24	0.06 127	0.05 133	0.06 224	0.06 234

testlalala	0.08 57	0.07 169	0.17 413	0.16 166	0.08 146	0.09 97	0.12 76	0.15 128	0.10 47	0.07 46	0.09 113	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.04 48	0.04 21	0.04 49

LoS	0.09 106	0.05 27	0.11 179	0.13 14	0.07 86	0.14 315	0.11 56	0.15 128	0.15 185	0.09 124	0.09 113	0.12 231	0.09 200	0.15 320	0.10 140	0.07 274	0.05 211	0.05 34	0.03 1	0.05 121	0.05 146
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 106	0.07 169	0.10 133	0.17 242	0.08 146	0.10 149	0.15 251	0.15 128	0.12 105	0.09 124	0.06 16	0.07 78	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.06 234

ADStereo(finetuned)	0.10 174	0.06 76	0.12 215	0.16 166	0.06 18	0.09 97	0.17 357	0.15 128	0.19 280	0.13 257	0.17 277	0.10 186	0.12 294	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

test_4	0.10 174	0.10 407	0.08 38	0.19 386	0.09 269	0.08 59	0.22 490	0.15 128	0.17 237	0.12 230	0.18 302	0.12 231	0.09 200	0.08 18	0.11 215	0.04 11	0.04 24	0.08 314	0.08 373	0.04 21	0.03 2

GLC_STEREO	0.11 218	0.07 169	0.11 179	0.17 242	0.07 86	0.09 97	0.13 124	0.15 128	0.24 360	0.12 230	0.13 210	0.12 231	0.08 167	0.18 408	0.11 215	0.06 131	0.08 444	0.08 314	0.06 214	0.05 121	0.05 146

RAFT-345	0.11 218	0.07 169	0.15 349	0.16 166	0.08 146	0.08 59	0.12 76	0.15 128	0.10 47	0.11 192	0.36 497	0.09 152	0.09 200	0.11 132	0.12 271	0.05 35	0.05 211	0.07 229	0.06 214	0.04 21	0.05 146

CroCo-Stereo	0.09 106	0.08 270	0.08 38	0.22 490	0.09 269	0.09 97	0.19 442	0.15 128	0.12 105	0.07 46	0.07 48	0.08 127	0.06 45	0.08 18	0.07 1	0.07 274	0.05 211	0.06 127	0.04 48	0.05 121	0.04 49
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 106	0.06 76	0.07 8	0.15 86	0.05 1	0.16 372	0.18 402	0.15 128	0.15 185	0.10 159	0.11 182	0.11 212	0.11 261	0.10 82	0.12 271	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.04 49

TANstereo	0.09 106	0.04 1	0.08 38	0.13 14	0.06 18	0.11 196	0.14 179	0.15 128	0.19 280	0.11 192	0.15 241	0.10 186	0.06 45	0.12 224	0.09 61	0.07 274	0.05 211	0.05 34	0.04 48	0.06 224	0.05 146

DCANet	0.10 174	0.06 76	0.12 215	0.16 166	0.06 18	0.09 97	0.17 357	0.15 128	0.19 280	0.13 257	0.17 277	0.10 186	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

PMTNet	0.09 106	0.05 27	0.09 86	0.12 5	0.06 18	0.12 239	0.14 179	0.15 128	0.11 75	0.09 124	0.13 210	0.10 186	0.07 127	0.13 270	0.10 140	0.15 533	0.04 24	0.05 34	0.03 1	0.07 294	0.06 234

asda	0.07 6	0.08 270	0.08 38	0.16 166	0.06 18	0.06 11	0.10 33	0.16 158	0.10 47	0.06 13	0.06 16	0.05 2	0.05 12	0.10 82	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

3.75w	0.07 6	0.07 169	0.08 38	0.16 166	0.07 86	0.07 33	0.09 20	0.16 158	0.09 30	0.07 46	0.06 16	0.05 2	0.06 45	0.09 39	0.10 140	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

monsterstereo	0.07 6	0.06 76	0.06 4	0.16 166	0.06 18	0.08 59	0.10 33	0.16 158	0.11 75	0.07 46	0.08 90	0.06 22	0.07 127	0.08 18	0.09 61	0.04 11	0.04 24	0.05 34	0.04 48	0.03 1	0.03 2

rvit_stereo_0080	0.10 174	0.08 270	0.14 297	0.15 86	0.09 269	0.07 33	0.15 251	0.16 158	0.16 214	0.11 192	0.10 144	0.14 276	0.08 167	0.12 224	0.10 140	0.09 397	0.07 418	0.07 229	0.06 214	0.07 294	0.05 146

rvit_stereo_ft	0.12 285	0.07 169	0.13 262	0.19 386	0.10 372	0.12 239	0.17 357	0.16 158	0.16 214	0.12 230	0.13 210	0.15 305	0.10 236	0.14 298	0.13 313	0.09 397	0.06 343	0.08 314	0.07 305	0.07 294	0.05 146

xx1	0.11 218	0.08 270	0.12 215	0.17 242	0.09 269	0.13 283	0.15 251	0.16 158	0.18 264	0.09 124	0.09 113	0.16 319	0.16 401	0.10 82	0.07 1	0.06 131	0.04 24	0.08 314	0.08 373	0.07 294	0.07 317

cc1	0.10 174	0.08 270	0.12 215	0.17 242	0.09 269	0.13 283	0.15 251	0.16 158	0.18 264	0.09 124	0.09 113	0.06 22	0.06 45	0.10 82	0.07 1	0.06 131	0.04 24	0.06 127	0.05 133	0.06 224	0.06 234

ff7	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.10 159	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

IGEVStereo-DCA	0.09 106	0.06 76	0.11 179	0.15 86	0.10 372	0.11 196	0.15 251	0.16 158	0.12 105	0.10 159	0.06 16	0.08 127	0.06 45	0.10 82	0.08 17	0.06 131	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

ffff	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.10 159	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

rrr	0.09 106	0.06 76	0.12 215	0.15 86	0.10 372	0.11 196	0.16 319	0.16 158	0.15 185	0.10 159	0.06 16	0.08 127	0.06 45	0.10 82	0.08 17	0.06 131	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

11t	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.10 159	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

whm_eth	0.10 174	0.08 270	0.14 297	0.15 86	0.09 269	0.07 33	0.15 251	0.16 158	0.16 214	0.11 192	0.10 144	0.14 276	0.08 167	0.12 224	0.10 140	0.09 397	0.07 418	0.07 229	0.06 214	0.07 294	0.05 146

MaDis-Stereo	0.09 106	0.09 346	0.08 38	0.17 242	0.09 269	0.13 283	0.10 33	0.16 158	0.16 214	0.09 124	0.11 182	0.06 22	0.06 45	0.09 39	0.13 313	0.07 274	0.06 343	0.07 229	0.05 133	0.05 121	0.04 49

RAFT-Test	0.09 106	0.06 76	0.10 133	0.15 86	0.07 86	0.11 196	0.15 251	0.16 158	0.13 140	0.09 124	0.10 144	0.10 186	0.09 200	0.12 224	0.09 61	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

anonymousdsp	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.09 124	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

CroCo-Stereo Lap2	0.09 106	0.09 346	0.08 38	0.22 490	0.09 269	0.09 97	0.19 442	0.16 158	0.12 105	0.09 124	0.10 144	0.05 2	0.05 12	0.08 18	0.08 17	0.06 131	0.06 343	0.07 229	0.05 133	0.05 121	0.05 146

ccc-4	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.10 159	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

fff	0.10 174	0.06 76	0.12 215	0.15 86	0.07 86	0.09 97	0.17 357	0.16 158	0.20 304	0.13 257	0.16 255	0.10 186	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

IGEV-Stereo	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.09 124	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
Patchmatch Stereo++	0.11 218	0.09 346	0.16 383	0.18 325	0.08 146	0.06 11	0.11 56	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317
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
NRIStereo	0.11 218	0.08 270	0.14 297	0.18 325	0.08 146	0.10 149	0.14 179	0.16 158	0.15 185	0.12 230	0.14 224	0.13 256	0.12 294	0.13 270	0.10 140	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.07 317

PSM-adaLoss	0.11 218	0.09 346	0.16 383	0.18 325	0.08 146	0.06 11	0.12 76	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

ROB_FTStereo_v2	0.11 218	0.09 346	0.16 383	0.19 386	0.08 146	0.06 11	0.12 76	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

ROB_FTStereo	0.11 218	0.09 346	0.16 383	0.19 386	0.08 146	0.06 11	0.11 56	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

HUI-Stereo	0.11 218	0.09 346	0.16 383	0.18 325	0.08 146	0.06 11	0.12 76	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

DEmStereo	0.12 285	0.06 76	0.14 297	0.14 43	0.10 372	0.16 372	0.15 251	0.16 158	0.24 360	0.17 350	0.24 375	0.13 256	0.14 357	0.12 224	0.13 313	0.05 35	0.04 24	0.07 229	0.06 214	0.05 121	0.05 146

iGMRVC	0.11 218	0.09 346	0.16 383	0.19 386	0.08 146	0.06 11	0.12 76	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

iRAFT	0.11 218	0.09 346	0.16 383	0.18 325	0.08 146	0.06 11	0.11 56	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

RAFT-IKP	0.11 218	0.09 346	0.16 383	0.19 386	0.08 146	0.06 11	0.12 76	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

csc	0.10 174	0.06 76	0.12 215	0.15 86	0.07 86	0.09 97	0.17 357	0.16 158	0.20 304	0.13 257	0.16 255	0.10 186	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

cscssc	0.10 174	0.06 76	0.12 215	0.15 86	0.07 86	0.09 97	0.17 357	0.16 158	0.20 304	0.13 257	0.16 255	0.10 186	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

test_xeample3	0.09 106	0.06 76	0.12 215	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.13 140	0.10 159	0.06 16	0.08 127	0.06 45	0.10 82	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

EAI-Stereo	0.09 106	0.07 169	0.11 179	0.15 86	0.06 18	0.10 149	0.15 251	0.16 158	0.09 30	0.08 85	0.09 113	0.08 127	0.07 127	0.09 39	0.11 215	0.05 35	0.04 24	0.05 34	0.05 133	0.05 121	0.04 49

CFNet-RSSM	0.09 106	0.07 169	0.09 86	0.16 166	0.07 86	0.09 97	0.15 251	0.16 158	0.17 237	0.08 85	0.12 196	0.10 186	0.09 200	0.11 132	0.09 61	0.06 131	0.04 24	0.06 127	0.04 48	0.04 21	0.04 49

DIP-Stereo	0.11 218	0.07 169	0.14 297	0.17 242	0.09 269	0.13 283	0.09 20	0.16 158	0.16 214	0.11 192	0.16 255	0.14 276	0.12 294	0.15 320	0.13 313	0.06 131	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
NLMM	0.09 106	0.06 76	0.08 38	0.18 325	0.08 146	0.11 196	0.16 319	0.17 194	0.19 280	0.08 85	0.07 48	0.07 78	0.08 167	0.11 132	0.12 271	0.04 11	0.04 24	0.06 127	0.06 214	0.04 21	0.04 49

IGEV-FE	0.09 106	0.05 27	0.12 215	0.13 14	0.08 146	0.12 239	0.13 124	0.17 194	0.11 75	0.10 159	0.06 16	0.09 152	0.06 45	0.11 132	0.09 61	0.06 131	0.04 24	0.06 127	0.06 214	0.05 121	0.05 146

xyz-stereo-finetune2	0.11 218	0.07 169	0.13 262	0.13 14	0.07 86	0.11 196	0.19 442	0.17 194	0.12 105	0.15 306	0.15 241	0.17 339	0.12 294	0.13 270	0.11 215	0.05 35	0.04 24	0.07 229	0.05 133	0.04 21	0.06 234

xyz-stereo-finetune	0.11 218	0.08 270	0.13 262	0.14 43	0.06 18	0.10 149	0.19 442	0.17 194	0.19 280	0.12 230	0.14 224	0.15 305	0.10 236	0.13 270	0.11 215	0.05 35	0.04 24	0.07 229	0.05 133	0.04 21	0.05 146

xyz-stereo	0.13 310	0.07 169	0.20 459	0.15 86	0.05 1	0.20 450	0.15 251	0.17 194	0.31 443	0.15 306	0.29 456	0.26 454	0.16 401	0.13 270	0.12 271	0.05 35	0.05 211	0.06 127	0.05 133	0.04 21	0.04 49

UGAM	0.13 310	0.10 407	0.09 86	0.22 490	0.08 146	0.12 239	0.20 463	0.17 194	0.23 344	0.21 433	0.16 255	0.13 256	0.13 332	0.19 423	0.12 271	0.07 274	0.05 211	0.13 511	0.11 493	0.07 294	0.05 146

testlalala2	0.10 174	0.06 76	0.11 179	0.20 444	0.10 372	0.10 149	0.12 76	0.17 194	0.12 105	0.12 230	0.13 210	0.09 152	0.07 127	0.11 132	0.13 313	0.06 131	0.05 211	0.05 34	0.04 48	0.05 121	0.05 146

IGEV_Zeroshot_test	0.09 106	0.05 27	0.12 215	0.13 14	0.08 146	0.12 239	0.13 124	0.17 194	0.11 75	0.10 159	0.06 16	0.09 152	0.06 45	0.11 132	0.09 61	0.06 131	0.04 24	0.06 127	0.06 214	0.05 121	0.05 146

MIF-Stereo (partial)	0.11 218	0.06 76	0.10 133	0.19 386	0.10 372	0.10 149	0.11 56	0.17 194	0.18 264	0.14 279	0.16 255	0.09 152	0.11 261	0.12 224	0.12 271	0.08 338	0.05 211	0.08 314	0.07 305	0.06 224	0.07 317

LL-Strereo2	0.10 174	0.10 407	0.15 349	0.18 325	0.08 146	0.15 342	0.09 20	0.17 194	0.14 165	0.14 279	0.10 144	0.09 152	0.07 127	0.16 354	0.10 140	0.05 35	0.05 211	0.10 446	0.07 305	0.06 224	0.05 146

4D-IteraStereo	0.09 106	0.07 169	0.10 133	0.18 325	0.07 86	0.09 97	0.15 251	0.17 194	0.15 185	0.10 159	0.11 182	0.10 186	0.07 127	0.11 132	0.09 61	0.05 35	0.03 1	0.08 314	0.07 305	0.06 224	0.05 146

DisPM	0.11 218	0.07 169	0.12 215	0.16 166	0.09 269	0.06 11	0.13 124	0.17 194	0.17 237	0.14 279	0.20 323	0.12 231	0.10 236	0.11 132	0.10 140	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.11 479

CIPLG	0.11 218	0.08 270	0.14 297	0.17 242	0.08 146	0.12 239	0.15 251	0.17 194	0.15 185	0.14 279	0.11 182	0.16 319	0.09 200	0.16 354	0.11 215	0.07 274	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

IPLGR_C	0.11 218	0.08 270	0.14 297	0.17 242	0.08 146	0.12 239	0.15 251	0.17 194	0.15 185	0.14 279	0.10 144	0.16 319	0.09 200	0.16 354	0.11 215	0.07 274	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

ACRE	0.11 218	0.08 270	0.14 297	0.17 242	0.08 146	0.12 239	0.15 251	0.17 194	0.14 165	0.14 279	0.10 144	0.16 319	0.09 200	0.16 354	0.11 215	0.07 274	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

CrosDoStereo	0.12 285	0.06 76	0.12 215	0.14 43	0.08 146	0.12 239	0.15 251	0.17 194	0.22 334	0.19 396	0.24 375	0.15 305	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.07 229	0.07 305	0.05 121	0.05 146

PFNet+	0.11 218	0.06 76	0.13 262	0.16 166	0.09 269	0.05 4	0.12 76	0.17 194	0.21 319	0.16 334	0.19 311	0.14 276	0.10 236	0.11 132	0.11 215	0.08 338	0.05 211	0.09 398	0.08 373	0.06 224	0.11 479

ASMatch	0.11 218	0.06 76	0.13 262	0.16 166	0.10 372	0.07 33	0.14 179	0.17 194	0.17 237	0.12 230	0.16 255	0.16 319	0.10 236	0.13 270	0.10 140	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.08 381

DeepStereo_LL	0.12 285	0.06 76	0.12 215	0.14 43	0.08 146	0.12 239	0.15 251	0.17 194	0.22 334	0.19 396	0.24 375	0.15 305	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.07 229	0.07 305	0.05 121	0.05 146

SST-Stereo	0.10 174	0.07 169	0.15 349	0.18 325	0.09 269	0.06 11	0.12 76	0.17 194	0.11 75	0.15 306	0.17 277	0.13 256	0.12 294	0.10 82	0.11 215	0.06 131	0.04 24	0.09 398	0.06 214	0.06 224	0.05 146

THIR-Stereo	0.12 285	0.07 169	0.11 179	0.15 86	0.08 146	0.14 315	0.16 319	0.17 194	0.25 381	0.16 334	0.24 375	0.14 276	0.12 294	0.12 224	0.14 352	0.06 131	0.04 24	0.07 229	0.07 305	0.05 121	0.05 146

RAFT_R40	0.11 218	0.07 169	0.14 297	0.18 325	0.09 269	0.06 11	0.13 124	0.17 194	0.16 214	0.14 279	0.18 302	0.15 305	0.12 294	0.10 82	0.11 215	0.06 131	0.04 24	0.09 398	0.06 214	0.06 224	0.05 146

Pruner-Stereo	0.11 218	0.07 169	0.12 215	0.17 242	0.09 269	0.06 11	0.12 76	0.17 194	0.17 237	0.13 257	0.19 311	0.13 256	0.09 200	0.11 132	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.08 381

DeepStereo_RVC	0.11 218	0.08 270	0.16 383	0.18 325	0.08 146	0.08 59	0.12 76	0.17 194	0.12 105	0.13 257	0.14 224	0.12 231	0.12 294	0.12 224	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.07 294	0.08 381

RAFT-RH_RVC	0.11 218	0.06 76	0.14 297	0.16 166	0.09 269	0.12 239	0.12 76	0.17 194	0.12 105	0.13 257	0.41 534	0.11 212	0.10 236	0.13 270	0.12 271	0.05 35	0.04 24	0.08 314	0.05 133	0.04 21	0.06 234

rafts_anoy	0.11 218	0.06 76	0.10 133	0.17 242	0.08 146	0.10 149	0.14 179	0.17 194	0.14 165	0.13 257	0.13 210	0.12 231	0.10 236	0.11 132	0.12 271	0.07 274	0.04 24	0.09 398	0.11 493	0.07 294	0.06 234

RALCasStereoNet	0.10 174	0.06 76	0.09 86	0.16 166	0.08 146	0.12 239	0.14 179	0.17 194	0.11 75	0.12 230	0.17 277	0.14 276	0.10 236	0.12 224	0.11 215	0.07 274	0.06 343	0.06 127	0.05 133	0.08 357	0.07 317

sCroCo_RVC	0.12 285	0.09 346	0.23 483	0.24 520	0.11 424	0.19 435	0.14 179	0.17 194	0.14 165	0.10 159	0.13 210	0.12 231	0.07 127	0.14 298	0.11 215	0.08 338	0.08 444	0.08 314	0.08 373	0.05 121	0.07 317

RAFT-Stereo + iAFF	0.09 106	0.06 76	0.10 133	0.17 242	0.06 18	0.10 149	0.16 319	0.17 194	0.14 165	0.09 124	0.10 144	0.08 127	0.09 200	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.06 214	0.04 21	0.03 2

AFF-stereo	0.09 106	0.06 76	0.10 133	0.17 242	0.07 86	0.10 149	0.16 319	0.17 194	0.09 30	0.10 159	0.12 196	0.09 152	0.09 200	0.12 224	0.09 61	0.05 35	0.04 24	0.07 229	0.07 305	0.04 21	0.03 2

Gwc-CoAtRS	0.09 106	0.06 76	0.10 133	0.16 166	0.07 86	0.10 149	0.14 179	0.17 194	0.17 237	0.08 85	0.10 144	0.12 231	0.09 200	0.12 224	0.09 61	0.06 131	0.04 24	0.06 127	0.04 48	0.04 21	0.04 49

Wave_Phase_stereo	0.09 106	0.06 76	0.16 383	0.15 86	0.08 146	0.11 196	0.09 20	0.18 225	0.16 214	0.06 13	0.07 48	0.07 78	0.05 12	0.09 39	0.11 215	0.04 11	0.05 211	0.05 34	0.07 305	0.04 21	0.04 49

NLSM3	0.09 106	0.06 76	0.08 38	0.19 386	0.08 146	0.11 196	0.16 319	0.18 225	0.16 214	0.06 13	0.08 90	0.07 78	0.08 167	0.09 39	0.11 215	0.04 11	0.04 24	0.06 127	0.07 305	0.03 1	0.03 2

FE-Mocha	0.09 106	0.06 76	0.14 297	0.16 166	0.09 269	0.10 149	0.15 251	0.18 225	0.16 214	0.10 159	0.09 113	0.07 78	0.07 127	0.09 39	0.09 61	0.06 131	0.04 24	0.06 127	0.06 214	0.05 121	0.05 146

qwe	0.07 6	0.08 270	0.07 8	0.15 86	0.06 18	0.07 33	0.10 33	0.18 225	0.11 75	0.07 46	0.07 48	0.06 22	0.06 45	0.10 82	0.09 61	0.03 1	0.03 1	0.04 1	0.04 48	0.04 21	0.03 2

2.75w_new	0.07 6	0.07 169	0.07 8	0.13 14	0.06 18	0.08 59	0.08 9	0.18 225	0.12 105	0.07 46	0.08 90	0.06 22	0.06 45	0.09 39	0.11 215	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 49

Former-RAFT_DAM_RVC	0.10 174	0.08 270	0.12 215	0.16 166	0.08 146	0.15 342	0.16 319	0.18 225	0.18 264	0.10 159	0.09 113	0.09 152	0.08 167	0.11 132	0.12 271	0.07 274	0.05 211	0.08 314	0.06 214	0.07 294	0.06 234

11t1	0.12 285	0.06 76	0.13 262	0.14 43	0.08 146	0.17 393	0.15 251	0.18 225	0.15 185	0.15 306	0.15 241	0.16 319	0.16 401	0.15 320	0.13 313	0.08 338	0.05 211	0.06 127	0.05 133	0.08 357	0.07 317

EKT-Stereo	0.11 218	0.07 169	0.14 297	0.15 86	0.10 372	0.13 283	0.14 179	0.18 225	0.21 319	0.11 192	0.08 90	0.12 231	0.09 200	0.11 132	0.12 271	0.08 338	0.06 343	0.07 229	0.06 214	0.08 357	0.07 317

CASnet	0.09 106	0.09 346	0.09 86	0.19 386	0.06 18	0.07 33	0.11 56	0.18 225	0.14 165	0.11 192	0.10 144	0.09 152	0.07 127	0.10 82	0.10 140	0.06 131	0.04 24	0.10 446	0.08 373	0.05 121	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
anonymousdsp2	0.11 218	0.07 169	0.10 133	0.16 166	0.09 269	0.13 283	0.14 179	0.18 225	0.22 334	0.13 257	0.14 224	0.12 231	0.09 200	0.14 298	0.11 215	0.05 35	0.04 24	0.05 34	0.04 48	0.06 224	0.05 146

CASS	0.13 310	0.12 451	0.11 179	0.23 511	0.09 269	0.15 342	0.17 357	0.18 225	0.19 280	0.17 350	0.18 302	0.15 305	0.15 375	0.14 298	0.14 352	0.09 397	0.06 343	0.10 446	0.08 373	0.09 420	0.07 317
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.11 218	0.07 169	0.13 262	0.16 166	0.11 424	0.11 196	0.17 357	0.18 225	0.17 237	0.11 192	0.18 302	0.10 186	0.10 236	0.15 320	0.11 215	0.06 131	0.05 211	0.06 127	0.06 214	0.05 121	0.04 49

riskmin	0.11 218	0.06 76	0.13 262	0.14 43	0.08 146	0.14 315	0.14 179	0.18 225	0.14 165	0.11 192	0.14 224	0.16 319	0.11 261	0.14 298	0.12 271	0.09 397	0.05 211	0.07 229	0.05 133	0.08 357	0.08 381

RCA-Stereo	0.09 106	0.06 76	0.09 86	0.16 166	0.06 18	0.09 97	0.13 124	0.18 225	0.14 165	0.09 124	0.10 144	0.08 127	0.07 127	0.12 224	0.11 215	0.06 131	0.04 24	0.06 127	0.05 133	0.05 121	0.04 49

DCANet-4	0.10 174	0.06 76	0.12 215	0.16 166	0.06 18	0.09 97	0.17 357	0.18 225	0.19 280	0.13 257	0.16 255	0.09 152	0.14 357	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

RAFT_CTSACE	0.12 285	0.09 346	0.10 133	0.22 490	0.08 146	0.12 239	0.24 513	0.18 225	0.16 214	0.20 419	0.27 430	0.13 256	0.07 127	0.13 270	0.09 61	0.05 35	0.06 343	0.08 314	0.07 305	0.04 21	0.04 49

iRaft-Stereo_20w	0.09 106	0.05 27	0.13 262	0.14 43	0.08 146	0.12 239	0.15 251	0.18 225	0.10 47	0.11 192	0.08 90	0.08 127	0.05 12	0.10 82	0.09 61	0.06 131	0.04 24	0.06 127	0.05 133	0.06 224	0.05 146

TRStereo	0.09 106	0.05 27	0.12 215	0.15 86	0.12 457	0.10 149	0.13 124	0.18 225	0.18 264	0.09 124	0.09 113	0.09 152	0.06 45	0.10 82	0.08 17	0.07 274	0.05 211	0.07 229	0.07 305	0.04 21	0.04 49

AAGNet	0.11 218	0.07 169	0.16 383	0.19 386	0.09 269	0.08 59	0.13 124	0.18 225	0.13 140	0.16 334	0.21 344	0.13 256	0.14 357	0.11 132	0.14 352	0.06 131	0.04 24	0.09 398	0.06 214	0.06 224	0.05 146

GrayStereo	0.11 218	0.06 76	0.11 179	0.19 386	0.09 269	0.09 97	0.16 319	0.18 225	0.17 237	0.14 279	0.17 277	0.17 339	0.11 261	0.12 224	0.11 215	0.05 35	0.05 211	0.07 229	0.06 214	0.05 121	0.10 453

CRE-IMP	0.11 218	0.09 346	0.16 383	0.19 386	0.08 146	0.10 149	0.12 76	0.18 225	0.10 47	0.14 279	0.13 210	0.13 256	0.12 294	0.12 224	0.11 215	0.07 274	0.04 24	0.08 314	0.06 214	0.08 357	0.08 381

iRaftStereo_RVC	0.10 174	0.07 169	0.09 86	0.17 242	0.09 269	0.11 196	0.17 357	0.18 225	0.12 105	0.09 124	0.12 196	0.10 186	0.07 127	0.11 132	0.10 140	0.05 35	0.04 24	0.08 314	0.08 373	0.04 21	0.04 49

raftrobust	0.09 106	0.06 76	0.10 133	0.17 242	0.08 146	0.09 97	0.10 33	0.18 225	0.16 214	0.10 159	0.09 113	0.12 231	0.07 127	0.12 224	0.10 140	0.08 338	0.05 211	0.06 127	0.05 133	0.05 121	0.05 146

HITNet	0.10 174	0.06 76	0.12 215	0.14 43	0.06 18	0.11 196	0.10 33	0.18 225	0.18 264	0.13 257	0.16 255	0.14 276	0.11 261	0.15 320	0.13 313	0.06 131	0.04 24	0.04 1	0.04 48	0.06 224	0.05 146
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
NLSM1	0.09 106	0.06 76	0.09 86	0.17 242	0.07 86	0.14 315	0.16 319	0.19 249	0.14 165	0.08 85	0.10 144	0.07 78	0.09 200	0.13 270	0.11 215	0.05 35	0.04 24	0.05 34	0.05 133	0.05 121	0.04 49

NLCSM	0.09 106	0.05 27	0.09 86	0.18 325	0.08 146	0.11 196	0.13 124	0.19 249	0.17 237	0.08 85	0.08 90	0.07 78	0.09 200	0.11 132	0.11 215	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

rvit_0105_6	0.14 346	0.09 346	0.18 436	0.17 242	0.10 372	0.10 149	0.16 319	0.19 249	0.26 395	0.12 230	0.18 302	0.17 339	0.12 294	0.18 408	0.12 271	0.15 533	0.11 505	0.12 496	0.10 461	0.09 420	0.06 234

UGAM-zero	0.09 106	0.05 27	0.15 349	0.15 86	0.08 146	0.09 97	0.13 124	0.19 249	0.15 185	0.11 192	0.15 241	0.07 78	0.07 127	0.09 39	0.09 61	0.06 131	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

DCVSM-stereo	0.14 346	0.09 346	0.16 383	0.16 166	0.10 372	0.15 342	0.09 20	0.19 249	0.23 344	0.20 419	0.23 363	0.26 454	0.15 375	0.18 408	0.14 352	0.09 397	0.07 418	0.09 398	0.08 373	0.10 452	0.12 492

RAFT-Stereo-weight	0.09 106	0.06 76	0.10 133	0.16 166	0.07 86	0.09 97	0.14 179	0.19 249	0.16 214	0.11 192	0.10 144	0.08 127	0.06 45	0.10 82	0.11 215	0.06 131	0.04 24	0.06 127	0.04 48	0.04 21	0.04 49

MyStereo8	0.12 285	0.07 169	0.15 349	0.15 86	0.09 269	0.18 412	0.14 179	0.19 249	0.22 334	0.12 230	0.18 302	0.11 212	0.10 236	0.16 354	0.18 430	0.07 274	0.05 211	0.07 229	0.05 133	0.08 357	0.09 426

MyStereo06	0.10 174	0.07 169	0.12 215	0.17 242	0.09 269	0.13 283	0.18 402	0.19 249	0.12 105	0.12 230	0.08 90	0.07 78	0.07 127	0.11 132	0.09 61	0.06 131	0.05 211	0.07 229	0.07 305	0.06 224	0.06 234

knoymous	0.11 218	0.05 27	0.12 215	0.13 14	0.07 86	0.15 342	0.14 179	0.19 249	0.13 140	0.11 192	0.17 277	0.13 256	0.09 200	0.13 270	0.11 215	0.08 338	0.05 211	0.06 127	0.05 133	0.08 357	0.07 317

anonymousa	0.13 310	0.07 169	0.13 262	0.18 325	0.09 269	0.13 283	0.17 357	0.19 249	0.29 426	0.15 306	0.24 375	0.15 305	0.14 357	0.14 298	0.14 352	0.07 274	0.05 211	0.07 229	0.09 422	0.05 121	0.06 234

TransformOpticalFlow	0.10 174	0.08 270	0.13 262	0.18 325	0.07 86	0.09 97	0.15 251	0.19 249	0.15 185	0.12 230	0.17 277	0.11 212	0.11 261	0.11 132	0.10 140	0.05 35	0.04 24	0.06 127	0.06 214	0.05 121	0.05 146

AnonymousM	0.09 106	0.05 27	0.10 133	0.14 43	0.06 18	0.09 97	0.13 124	0.19 249	0.14 165	0.13 257	0.11 182	0.09 152	0.08 167	0.13 270	0.10 140	0.08 338	0.05 211	0.08 314	0.05 133	0.05 121	0.05 146

MLCV	0.12 285	0.07 169	0.16 383	0.18 325	0.06 18	0.15 342	0.17 357	0.19 249	0.21 319	0.18 380	0.25 404	0.17 339	0.13 332	0.14 298	0.13 313	0.05 35	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

NLMM1	0.10 174	0.06 76	0.11 179	0.18 325	0.07 86	0.12 239	0.13 124	0.20 262	0.21 319	0.09 124	0.09 113	0.09 152	0.08 167	0.13 270	0.10 140	0.05 35	0.04 24	0.05 34	0.05 133	0.05 121	0.04 49

FlowAnything_test	0.11 218	0.08 270	0.14 297	0.15 86	0.09 269	0.07 33	0.14 179	0.20 262	0.11 75	0.09 124	0.09 113	0.12 231	0.12 294	0.13 270	0.11 215	0.09 397	0.06 343	0.09 398	0.09 422	0.06 224	0.09 426

3w_stereo	0.08 57	0.09 346	0.10 133	0.17 242	0.07 86	0.08 59	0.10 33	0.20 262	0.13 140	0.06 13	0.07 48	0.05 2	0.06 45	0.08 18	0.09 61	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

2w_stereo	0.08 57	0.08 270	0.09 86	0.16 166	0.06 18	0.08 59	0.10 33	0.20 262	0.15 185	0.08 85	0.07 48	0.06 22	0.06 45	0.06 1	0.09 61	0.04 11	0.03 1	0.04 1	0.04 48	0.03 1	0.03 2

tg	0.10 174	0.06 76	0.10 133	0.18 325	0.08 146	0.11 196	0.16 319	0.20 262	0.12 105	0.08 85	0.11 182	0.11 212	0.07 127	0.11 132	0.10 140	0.05 35	0.04 24	0.08 314	0.08 373	0.04 21	0.04 49

model_zeroshot	0.10 174	0.04 1	0.11 179	0.15 86	0.09 269	0.12 239	0.14 179	0.20 262	0.13 140	0.11 192	0.10 144	0.12 231	0.07 127	0.12 224	0.10 140	0.07 274	0.06 343	0.06 127	0.05 133	0.06 224	0.06 234

GCST	0.37 562	0.42 580	0.26 495	1.02 604	0.39 580	0.18 412	0.08 9	0.20 262	0.17 237	0.28 510	0.25 404	0.15 305	0.12 294	0.16 354	0.14 352	0.64 600	0.43 589	0.75 597	0.65 600	0.63 593	0.46 592

test_sample1	0.13 310	0.07 169	0.14 297	0.13 14	0.08 146	0.19 435	0.16 319	0.20 262	0.15 185	0.14 279	0.22 354	0.18 353	0.16 401	0.17 386	0.14 352	0.07 274	0.06 343	0.06 127	0.06 214	0.08 357	0.07 317

MIM_Stereo	0.09 106	0.07 169	0.11 179	0.15 86	0.07 86	0.06 11	0.12 76	0.20 262	0.14 165	0.13 257	0.13 210	0.09 152	0.05 12	0.12 224	0.08 17	0.05 35	0.06 343	0.07 229	0.06 214	0.06 224	0.05 146

Selective-RAFT	0.11 218	0.10 407	0.11 179	0.21 475	0.08 146	0.16 372	0.13 124	0.20 262	0.22 334	0.10 159	0.10 144	0.11 212	0.10 236	0.15 320	0.11 215	0.05 35	0.05 211	0.06 127	0.05 133	0.06 224	0.05 146

IPLG	0.10 174	0.07 169	0.15 349	0.17 242	0.08 146	0.11 196	0.14 179	0.20 262	0.15 185	0.12 230	0.17 277	0.07 78	0.07 127	0.14 298	0.13 313	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

MIPNet	0.11 218	0.08 270	0.14 297	0.17 242	0.09 269	0.12 239	0.14 179	0.20 262	0.24 360	0.11 192	0.10 144	0.09 152	0.07 127	0.13 270	0.12 271	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

HHNet	0.11 218	0.06 76	0.16 383	0.15 86	0.14 500	0.07 33	0.13 124	0.20 262	0.17 237	0.14 279	0.25 404	0.11 212	0.08 167	0.13 270	0.10 140	0.05 35	0.04 24	0.08 314	0.06 214	0.05 121	0.09 426

PSM-AAD	0.11 218	0.07 169	0.10 133	0.19 386	0.09 269	0.10 149	0.15 251	0.20 262	0.13 140	0.12 230	0.14 224	0.18 353	0.11 261	0.11 132	0.10 140	0.05 35	0.05 211	0.09 398	0.08 373	0.06 224	0.14 528

RAFT	0.13 310	0.09 346	0.11 179	0.18 325	0.08 146	0.15 342	0.24 513	0.20 262	0.19 280	0.21 433	0.21 344	0.17 339	0.12 294	0.16 354	0.09 61	0.06 131	0.07 418	0.10 446	0.09 422	0.05 121	0.05 146

TestStereo	0.13 310	0.14 492	0.11 179	0.23 511	0.08 146	0.15 342	0.21 480	0.20 262	0.23 344	0.14 279	0.24 375	0.16 319	0.12 294	0.16 354	0.14 352	0.05 35	0.06 343	0.08 314	0.06 214	0.09 420	0.05 146

RALAANet	0.11 218	0.08 270	0.10 133	0.17 242	0.09 269	0.14 315	0.10 33	0.20 262	0.15 185	0.14 279	0.13 210	0.16 319	0.09 200	0.12 224	0.11 215	0.06 131	0.05 211	0.07 229	0.06 214	0.05 121	0.04 49

XX-Stereo	0.09 106	0.05 27	0.08 38	0.17 242	0.09 269	0.15 342	0.12 76	0.20 262	0.10 47	0.10 159	0.14 224	0.07 78	0.06 45	0.12 224	0.08 17	0.06 131	0.05 211	0.06 127	0.06 214	0.04 21	0.04 49

ARAFT	0.12 285	0.08 270	0.17 413	0.19 386	0.09 269	0.14 315	0.18 402	0.20 262	0.12 105	0.12 230	0.13 210	0.14 276	0.11 261	0.15 320	0.12 271	0.06 131	0.05 211	0.10 446	0.09 422	0.05 121	0.04 49

GMStereo	0.13 310	0.14 492	0.14 297	0.18 325	0.09 269	0.15 342	0.16 319	0.20 262	0.24 360	0.16 334	0.17 277	0.10 186	0.10 236	0.16 354	0.13 313	0.07 274	0.06 343	0.06 127	0.06 214	0.07 294	0.06 234
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
aanetorigin	0.22 493	0.17 521	0.56 566	0.17 242	0.10 372	0.15 342	0.19 442	0.20 262	0.33 457	0.49 570	0.48 550	0.29 480	0.27 516	0.20 448	0.23 490	0.08 338	0.07 418	0.08 314	0.07 305	0.10 452	0.09 426

EDNetEfficient	0.29 545	0.24 553	1.13 600	0.18 325	0.10 372	0.19 435	0.20 463	0.20 262	0.60 568	0.74 590	0.56 566	0.31 502	0.39 560	0.22 478	0.30 547	0.09 397	0.07 418	0.08 314	0.07 305	0.11 475	0.09 426

cf-r	0.13 310	0.07 169	0.12 215	0.16 166	0.08 146	0.14 315	0.19 442	0.20 262	0.25 381	0.17 350	0.25 404	0.21 388	0.16 401	0.14 298	0.14 352	0.10 438	0.05 211	0.06 127	0.08 373	0.06 224	0.06 234

iResNet	0.13 310	0.10 407	0.18 436	0.19 386	0.08 146	0.13 283	0.18 402	0.20 262	0.26 395	0.15 306	0.23 363	0.15 305	0.13 332	0.14 298	0.14 352	0.06 131	0.04 24	0.06 127	0.05 133	0.06 224	0.05 146

Select-FE	0.11 218	0.06 76	0.20 459	0.15 86	0.11 424	0.11 196	0.13 124	0.21 286	0.18 264	0.09 124	0.11 182	0.10 186	0.06 45	0.12 224	0.09 61	0.07 274	0.05 211	0.07 229	0.08 373	0.06 224	0.08 381

MM-Stereo_test1	0.10 174	0.07 169	0.08 38	0.18 325	0.07 86	0.12 239	0.18 402	0.21 286	0.20 304	0.09 124	0.11 182	0.08 127	0.06 45	0.10 82	0.10 140	0.06 131	0.05 211	0.07 229	0.06 214	0.05 121	0.04 49

HI	0.11 218	0.06 76	0.11 179	0.13 14	0.09 269	0.09 97	0.14 179	0.21 286	0.10 47	0.19 396	0.17 277	0.14 276	0.09 200	0.16 354	0.08 17	0.05 35	0.04 24	0.07 229	0.08 373	0.07 294	0.06 234

CoSv	0.11 218	0.06 76	0.11 179	0.13 14	0.09 269	0.09 97	0.14 179	0.21 286	0.10 47	0.19 396	0.17 277	0.14 276	0.09 200	0.16 354	0.08 17	0.05 35	0.04 24	0.07 229	0.08 373	0.07 294	0.06 234

AIO-test1	0.10 174	0.07 169	0.10 133	0.23 511	0.07 86	0.09 97	0.13 124	0.21 286	0.14 165	0.11 192	0.12 196	0.09 152	0.07 127	0.11 132	0.09 61	0.06 131	0.05 211	0.09 398	0.10 461	0.03 1	0.06 234

AIO-Stereo-zeroshot1	0.11 218	0.05 27	0.14 297	0.15 86	0.20 555	0.09 97	0.17 357	0.21 286	0.15 185	0.11 192	0.14 224	0.10 186	0.07 127	0.10 82	0.08 17	0.06 131	0.05 211	0.07 229	0.07 305	0.07 294	0.09 426

test_sample2	0.12 285	0.07 169	0.12 215	0.14 43	0.08 146	0.16 372	0.18 402	0.21 286	0.16 214	0.14 279	0.20 323	0.19 367	0.15 375	0.15 320	0.12 271	0.08 338	0.05 211	0.07 229	0.06 214	0.08 357	0.07 317

mmm	0.14 346	0.08 270	0.17 413	0.17 242	0.09 269	0.17 393	0.18 402	0.21 286	0.15 185	0.15 306	0.23 363	0.21 388	0.16 401	0.16 354	0.17 412	0.08 338	0.05 211	0.08 314	0.07 305	0.07 294	0.07 317

StereoVision	0.13 310	0.12 451	0.09 86	0.24 520	0.10 372	0.15 342	0.21 480	0.21 286	0.20 304	0.12 230	0.24 375	0.10 186	0.10 236	0.16 354	0.10 140	0.09 397	0.11 505	0.12 496	0.12 512	0.06 224	0.05 146

Any-RAFT	0.10 174	0.05 27	0.09 86	0.14 43	0.07 86	0.13 283	0.14 179	0.21 286	0.15 185	0.11 192	0.12 196	0.12 231	0.09 200	0.12 224	0.09 61	0.07 274	0.04 24	0.05 34	0.04 48	0.06 224	0.05 146

test_5	0.14 346	0.12 451	0.08 38	0.20 444	0.10 372	0.14 315	0.29 559	0.21 286	0.24 360	0.18 380	0.28 444	0.11 212	0.15 375	0.12 224	0.13 313	0.06 131	0.05 211	0.07 229	0.08 373	0.08 357	0.07 317

iRaft-Stereo_5w	0.12 285	0.09 346	0.12 215	0.19 386	0.08 146	0.09 97	0.12 76	0.21 286	0.21 319	0.19 396	0.14 224	0.11 212	0.09 200	0.20 448	0.16 397	0.05 35	0.05 211	0.07 229	0.06 214	0.05 121	0.06 234

UDGNet	0.14 346	0.13 480	0.16 383	0.17 242	0.10 372	0.12 239	0.16 319	0.21 286	0.27 405	0.20 419	0.20 323	0.16 319	0.13 332	0.16 354	0.13 313	0.10 438	0.06 343	0.09 398	0.07 305	0.06 224	0.07 317

dd	0.15 391	0.16 510	0.16 383	0.19 386	0.09 269	0.15 342	0.18 402	0.21 286	0.25 381	0.23 461	0.20 323	0.21 388	0.09 200	0.21 465	0.16 397	0.10 438	0.06 343	0.08 314	0.06 214	0.08 357	0.06 234

dad	0.17 434	0.20 539	0.20 459	0.16 166	0.11 424	0.20 450	0.18 402	0.21 286	0.28 419	0.30 522	0.24 375	0.29 480	0.13 332	0.19 423	0.16 397	0.18 555	0.09 473	0.11 477	0.09 422	0.11 475	0.07 317

IPLGR	0.11 218	0.09 346	0.16 383	0.18 325	0.08 146	0.12 239	0.17 357	0.21 286	0.24 360	0.11 192	0.12 196	0.11 212	0.08 167	0.12 224	0.12 271	0.06 131	0.05 211	0.06 127	0.06 214	0.04 21	0.04 49

LCNet	0.11 218	0.07 169	0.09 86	0.19 386	0.09 269	0.08 59	0.15 251	0.21 286	0.15 185	0.11 192	0.15 241	0.16 319	0.11 261	0.12 224	0.11 215	0.05 35	0.04 24	0.08 314	0.07 305	0.06 224	0.15 535

STrans-v2	0.10 174	0.07 169	0.12 215	0.18 325	0.07 86	0.10 149	0.14 179	0.21 286	0.11 75	0.11 192	0.15 241	0.12 231	0.10 236	0.11 132	0.12 271	0.05 35	0.04 24	0.06 127	0.06 214	0.04 21	0.04 49

OMP-Stereo	0.11 218	0.06 76	0.14 297	0.18 325	0.08 146	0.09 97	0.12 76	0.21 286	0.21 319	0.13 257	0.14 224	0.11 212	0.12 294	0.11 132	0.13 313	0.06 131	0.04 24	0.07 229	0.06 214	0.05 121	0.04 49

FTStereo	0.12 285	0.06 76	0.14 297	0.18 325	0.09 269	0.07 33	0.15 251	0.21 286	0.18 264	0.12 230	0.24 375	0.12 231	0.12 294	0.13 270	0.13 313	0.05 35	0.05 211	0.07 229	0.06 214	0.06 224	0.10 453

DRaft	0.12 285	0.06 76	0.11 179	0.14 43	0.09 269	0.14 315	0.17 357	0.21 286	0.30 436	0.17 350	0.28 444	0.10 186	0.15 375	0.10 82	0.12 271	0.05 35	0.04 24	0.07 229	0.06 214	0.05 121	0.05 146

111	0.10 174	0.06 76	0.12 215	0.15 86	0.07 86	0.10 149	0.14 179	0.21 286	0.23 344	0.11 192	0.12 196	0.14 276	0.11 261	0.13 270	0.10 140	0.06 131	0.04 24	0.06 127	0.04 48	0.05 121	0.05 146

GwcNet-RSSM	0.14 346	0.07 169	0.12 215	0.15 86	0.08 146	0.15 342	0.20 463	0.21 286	0.27 405	0.18 380	0.27 430	0.22 406	0.16 401	0.14 298	0.15 381	0.10 438	0.05 211	0.07 229	0.09 422	0.07 294	0.07 317

z-ln-s-r	0.17 434	0.10 407	0.40 543	0.19 386	0.08 146	0.17 393	0.18 402	0.22 309	0.33 457	0.18 380	0.40 523	0.22 406	0.17 424	0.20 448	0.23 490	0.07 274	0.05 211	0.07 229	0.07 305	0.07 294	0.05 146

DFGA-Net	0.13 310	0.11 433	0.18 436	0.17 242	0.10 372	0.12 239	0.13 124	0.22 309	0.25 381	0.16 334	0.16 255	0.13 256	0.12 294	0.16 354	0.14 352	0.07 274	0.05 211	0.08 314	0.07 305	0.05 121	0.05 146

FACV-RUCA	0.13 310	0.11 433	0.12 215	0.19 386	0.12 457	0.15 342	0.15 251	0.22 309	0.20 304	0.15 306	0.16 255	0.14 276	0.16 401	0.14 298	0.13 313	0.07 274	0.05 211	0.08 314	0.06 214	0.10 452	0.08 381

CBFPSM	0.14 346	0.06 76	0.26 495	0.17 242	0.09 269	0.13 283	0.15 251	0.22 309	0.23 344	0.20 419	0.27 430	0.24 430	0.16 401	0.16 354	0.18 430	0.06 131	0.06 343	0.06 127	0.07 305	0.07 294	0.07 317

Anonymous_2	0.22 493	0.17 521	0.28 507	0.15 86	0.16 528	0.32 540	0.22 490	0.22 309	0.17 237	0.23 461	0.24 375	0.26 454	0.27 516	0.27 508	0.23 490	0.22 571	0.25 577	0.17 543	0.17 551	0.17 550	0.17 554

x	0.13 310	0.07 169	0.14 297	0.14 43	0.08 146	0.18 412	0.14 179	0.22 309	0.20 304	0.15 306	0.19 311	0.19 367	0.17 424	0.18 408	0.18 430	0.07 274	0.05 211	0.06 127	0.06 214	0.07 294	0.07 317

RAFT+CT+SA	0.13 310	0.11 433	0.09 86	0.19 386	0.09 269	0.15 342	0.28 550	0.22 309	0.22 334	0.15 306	0.26 421	0.10 186	0.10 236	0.11 132	0.12 271	0.05 35	0.04 24	0.07 229	0.08 373	0.07 294	0.06 234

Sa-1000	0.12 285	0.08 270	0.08 38	0.18 325	0.08 146	0.14 315	0.22 490	0.22 309	0.18 264	0.15 306	0.20 323	0.17 339	0.11 261	0.10 82	0.10 140	0.06 131	0.05 211	0.09 398	0.09 422	0.05 121	0.05 146

IIG-Stereo	0.11 218	0.06 76	0.13 262	0.17 242	0.08 146	0.11 196	0.12 76	0.22 309	0.17 237	0.14 279	0.17 277	0.11 212	0.12 294	0.12 224	0.12 271	0.06 131	0.05 211	0.07 229	0.06 214	0.05 121	0.04 49

KYRaft	0.11 218	0.07 169	0.10 133	0.19 386	0.09 269	0.08 59	0.15 251	0.22 309	0.12 105	0.13 257	0.16 255	0.20 379	0.10 236	0.12 224	0.10 140	0.05 35	0.04 24	0.08 314	0.08 373	0.06 224	0.16 546

Prome-Stereo	0.11 218	0.06 76	0.10 133	0.18 325	0.08 146	0.12 239	0.15 251	0.22 309	0.13 140	0.12 230	0.17 277	0.13 256	0.08 167	0.12 224	0.10 140	0.05 35	0.04 24	0.07 229	0.06 214	0.06 224	0.09 426

EDNetEfficientorigin	7.91 616	0.31 570	153.02 637	0.19 386	0.09 269	0.21 467	0.16 319	0.22 309	0.59 565	0.72 586	0.67 576	0.42 550	0.50 578	0.24 498	0.39 571	0.08 338	0.07 418	0.08 314	0.07 305	0.12 490	0.10 453

FENet	0.13 310	0.08 270	0.12 215	0.16 166	0.08 146	0.14 315	0.15 251	0.22 309	0.23 344	0.17 350	0.23 363	0.16 319	0.12 294	0.14 298	0.15 381	0.08 338	0.05 211	0.08 314	0.08 373	0.07 294	0.07 317

ACVNet	0.15 391	0.09 346	0.15 349	0.13 14	0.12 457	0.14 315	0.20 463	0.22 309	0.33 457	0.17 350	0.26 421	0.21 388	0.16 401	0.17 386	0.21 469	0.07 274	0.06 343	0.06 127	0.06 214	0.08 357	0.06 234

GANet-RSSM	0.14 346	0.07 169	0.13 262	0.13 14	0.08 146	0.14 315	0.17 357	0.22 309	0.21 319	0.17 350	0.24 375	0.23 424	0.15 375	0.16 354	0.15 381	0.10 438	0.06 343	0.07 229	0.08 373	0.08 357	0.07 317

CFNet-ft	0.14 346	0.07 169	0.15 349	0.12 5	0.09 269	0.16 372	0.18 402	0.22 309	0.24 360	0.17 350	0.26 421	0.24 430	0.14 357	0.16 354	0.14 352	0.11 467	0.06 343	0.08 314	0.09 422	0.09 420	0.08 381

BEATNet_4x	0.12 285	0.08 270	0.14 297	0.18 325	0.07 86	0.15 342	0.07 5	0.22 309	0.18 264	0.16 334	0.19 311	0.18 353	0.14 357	0.16 354	0.15 381	0.07 274	0.05 211	0.05 34	0.05 133	0.06 224	0.06 234

CFNet_RVC	0.14 346	0.07 169	0.15 349	0.12 5	0.09 269	0.16 372	0.18 402	0.22 309	0.24 360	0.17 350	0.26 421	0.24 430	0.14 357	0.16 354	0.14 352	0.11 467	0.06 343	0.08 314	0.09 422	0.09 420	0.08 381

LE_ROB	0.50 578	0.07 169	0.14 297	0.15 86	0.08 146	0.24 493	0.16 319	0.22 309	1.81 613	4.63 616	0.67 576	0.47 564	0.44 573	0.20 448	0.29 542	0.07 274	0.06 343	0.06 127	0.06 214	0.08 357	0.06 234

DN-CSS_ROB	0.13 310	0.13 480	0.16 383	0.18 325	0.10 372	0.16 372	0.08 9	0.22 309	0.18 264	0.17 350	0.22 354	0.13 256	0.13 332	0.12 224	0.13 313	0.05 35	0.05 211	0.10 446	0.10 461	0.08 357	0.06 234

DLNR-FE	10.43 621	1.83 613	19.53 632	120.75 636	13.06 625	0.06 11	0.13 124	0.23 329	0.10 47	0.07 46	0.10 144	0.09 152	0.06 45	0.10 82	0.09 61	0.13 515	0.04 24	0.06 127	0.04 48	52.01 638	0.04 49

AIO-test2	0.10 174	0.08 270	0.10 133	0.23 511	0.08 146	0.11 196	0.10 33	0.23 329	0.23 344	0.08 85	0.09 113	0.08 127	0.05 12	0.10 82	0.08 17	0.06 131	0.05 211	0.08 314	0.09 422	0.05 121	0.05 146

rvit_0105_4	0.14 346	0.09 346	0.17 413	0.17 242	0.10 372	0.12 239	0.19 442	0.23 329	0.27 405	0.14 279	0.20 323	0.17 339	0.13 332	0.17 386	0.13 313	0.15 533	0.11 505	0.11 477	0.10 461	0.09 420	0.06 234

ACV-stereo	0.15 391	0.10 407	0.28 507	0.18 325	0.12 457	0.14 315	0.12 76	0.23 329	0.21 319	0.19 396	0.23 363	0.22 406	0.15 375	0.23 489	0.17 412	0.07 274	0.06 343	0.07 229	0.07 305	0.07 294	0.07 317

AIO-Stereo-zeroshot	0.11 218	0.05 27	0.11 179	0.15 86	0.13 480	0.13 283	0.16 319	0.23 329	0.17 237	0.10 159	0.12 196	0.10 186	0.07 127	0.11 132	0.09 61	0.06 131	0.05 211	0.06 127	0.06 214	0.07 294	0.08 381

DispNO	0.14 346	0.08 270	0.17 413	0.19 386	0.12 457	0.11 196	0.21 480	0.23 329	0.29 426	0.17 350	0.23 363	0.18 353	0.17 424	0.15 320	0.15 381	0.07 274	0.05 211	0.08 314	0.08 373	0.07 294	0.06 234

CoDeX	0.12 285	0.07 169	0.12 215	0.17 242	0.08 146	0.12 239	0.15 251	0.23 329	0.27 405	0.13 257	0.17 277	0.16 319	0.11 261	0.14 298	0.11 215	0.07 274	0.05 211	0.07 229	0.06 214	0.06 224	0.05 146

ACVNet-DCA	0.10 174	0.08 270	0.12 215	0.17 242	0.09 269	0.13 283	0.15 251	0.23 329	0.16 214	0.09 124	0.09 113	0.06 22	0.06 45	0.10 82	0.07 1	0.06 131	0.04 24	0.06 127	0.05 133	0.07 294	0.07 317

1test111	0.11 218	0.08 270	0.12 215	0.17 242	0.09 269	0.13 283	0.15 251	0.23 329	0.16 214	0.09 124	0.09 113	0.06 22	0.06 45	0.15 320	0.16 397	0.06 131	0.04 24	0.06 127	0.05 133	0.07 294	0.07 317

DLNR_Zeroshot_test	10.40 620	1.82 612	19.49 631	120.77 637	13.11 626	0.06 11	0.13 124	0.23 329	0.10 47	0.07 46	0.10 144	0.09 152	0.06 45	0.10 82	0.09 61	0.13 515	0.04 24	0.06 127	0.04 48	51.54 637	0.04 49

TestStereo1	0.13 310	0.08 270	0.08 38	0.19 386	0.08 146	0.18 412	0.29 559	0.23 329	0.16 214	0.17 350	0.20 323	0.16 319	0.10 236	0.12 224	0.13 313	0.06 131	0.06 343	0.08 314	0.06 214	0.05 121	0.05 146

qqq	0.13 310	0.09 346	0.15 349	0.16 166	0.08 146	0.13 283	0.15 251	0.23 329	0.16 214	0.15 306	0.19 311	0.16 319	0.16 401	0.15 320	0.16 397	0.07 274	0.06 343	0.08 314	0.08 373	0.07 294	0.07 317

SA-5K	0.13 310	0.08 270	0.08 38	0.19 386	0.08 146	0.18 412	0.29 559	0.23 329	0.16 214	0.17 350	0.20 323	0.16 319	0.10 236	0.12 224	0.13 313	0.06 131	0.06 343	0.08 314	0.06 214	0.05 121	0.05 146

SA	0.12 285	0.09 346	0.08 38	0.18 325	0.08 146	0.12 239	0.24 513	0.23 329	0.18 264	0.17 350	0.27 430	0.14 276	0.11 261	0.11 132	0.11 215	0.05 35	0.05 211	0.09 398	0.08 373	0.05 121	0.04 49

AACVNet	0.16 414	0.08 270	0.14 297	0.15 86	0.10 372	0.18 412	0.15 251	0.23 329	0.24 360	0.27 495	0.27 430	0.28 472	0.17 424	0.19 423	0.16 397	0.09 397	0.07 418	0.09 398	0.07 305	0.10 452	0.09 426

NF-Stereo	0.11 218	0.07 169	0.13 262	0.17 242	0.09 269	0.10 149	0.14 179	0.23 329	0.19 280	0.12 230	0.17 277	0.12 231	0.11 261	0.11 132	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.12 492

OCTAStereo	0.11 218	0.07 169	0.13 262	0.17 242	0.09 269	0.10 149	0.14 179	0.23 329	0.19 280	0.12 230	0.17 277	0.12 231	0.11 261	0.11 132	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.12 492

RE-Stereo	0.11 218	0.07 169	0.13 262	0.17 242	0.09 269	0.10 149	0.14 179	0.23 329	0.19 280	0.12 230	0.17 277	0.12 231	0.11 261	0.11 132	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.12 492

TVStereo	0.11 218	0.07 169	0.13 262	0.17 242	0.09 269	0.10 149	0.14 179	0.23 329	0.19 280	0.12 230	0.17 277	0.12 231	0.11 261	0.11 132	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.12 492

GMM-Stereo	0.11 218	0.07 169	0.10 133	0.18 325	0.09 269	0.08 59	0.15 251	0.23 329	0.16 214	0.11 192	0.15 241	0.13 256	0.11 261	0.11 132	0.11 215	0.05 35	0.04 24	0.08 314	0.07 305	0.06 224	0.09 426

DMCA	0.14 346	0.09 346	0.16 383	0.19 386	0.09 269	0.15 342	0.17 357	0.23 329	0.27 405	0.14 279	0.19 311	0.17 339	0.18 438	0.15 320	0.17 412	0.10 438	0.06 343	0.08 314	0.06 214	0.09 420	0.10 453

R-Stereo Train	0.10 174	0.06 76	0.10 133	0.17 242	0.08 146	0.11 196	0.14 179	0.23 329	0.11 75	0.12 230	0.19 311	0.11 212	0.08 167	0.09 39	0.11 215	0.07 274	0.05 211	0.06 127	0.05 133	0.05 121	0.05 146

RAFT-Stereo	0.10 174	0.06 76	0.10 133	0.17 242	0.08 146	0.11 196	0.14 179	0.23 329	0.11 75	0.12 230	0.19 311	0.11 212	0.08 167	0.09 39	0.11 215	0.07 274	0.05 211	0.06 127	0.05 133	0.05 121	0.05 146
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MM-Stereo_test3	0.10 174	0.07 169	0.07 8	0.18 325	0.07 86	0.12 239	0.19 442	0.24 352	0.19 280	0.06 13	0.10 144	0.08 127	0.06 45	0.11 132	0.08 17	0.06 131	0.06 343	0.07 229	0.05 133	0.05 121	0.04 49

rvit_0105_5	0.14 346	0.09 346	0.13 262	0.17 242	0.09 269	0.14 315	0.23 501	0.24 352	0.27 405	0.14 279	0.15 241	0.18 353	0.12 294	0.17 386	0.14 352	0.14 529	0.11 505	0.10 446	0.10 461	0.08 357	0.06 234

CAS++	0.11 218	0.07 169	0.11 179	0.14 43	0.09 269	0.12 239	0.14 179	0.24 352	0.14 165	0.11 192	0.09 113	0.11 212	0.07 127	0.14 298	0.09 61	0.11 467	0.09 473	0.09 398	0.07 305	0.07 294	0.08 381
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
gwcnet-sp	0.14 346	0.07 169	0.12 215	0.18 325	0.09 269	0.16 372	0.17 357	0.24 352	0.24 360	0.18 380	0.24 375	0.15 305	0.16 401	0.15 320	0.15 381	0.08 338	0.06 343	0.07 229	0.08 373	0.08 357	0.07 317

scenet	0.14 346	0.07 169	0.12 215	0.18 325	0.09 269	0.16 372	0.17 357	0.24 352	0.24 360	0.18 380	0.24 375	0.15 305	0.16 401	0.15 320	0.15 381	0.08 338	0.06 343	0.07 229	0.08 373	0.08 357	0.07 317

ToySt	0.17 434	0.11 433	0.18 436	0.17 242	0.11 424	0.16 372	0.25 528	0.24 352	0.33 457	0.19 396	0.24 375	0.26 454	0.24 493	0.19 423	0.20 449	0.07 274	0.08 444	0.09 398	0.10 461	0.09 420	0.08 381

ssnet	0.14 346	0.07 169	0.12 215	0.18 325	0.09 269	0.16 372	0.17 357	0.24 352	0.24 360	0.18 380	0.24 375	0.15 305	0.16 401	0.15 320	0.15 381	0.08 338	0.06 343	0.07 229	0.08 373	0.08 357	0.07 317

PSM-softLoss	0.12 285	0.07 169	0.15 349	0.17 242	0.09 269	0.08 59	0.13 124	0.24 352	0.17 237	0.14 279	0.19 311	0.13 256	0.11 261	0.11 132	0.11 215	0.07 274	0.05 211	0.08 314	0.07 305	0.06 224	0.12 492

KMStereo	0.12 285	0.07 169	0.15 349	0.17 242	0.09 269	0.08 59	0.13 124	0.24 352	0.17 237	0.14 279	0.19 311	0.13 256	0.11 261	0.11 132	0.11 215	0.07 274	0.05 211	0.08 314	0.07 305	0.06 224	0.12 492

IRAFT_RVC	0.12 285	0.08 270	0.16 383	0.19 386	0.08 146	0.07 33	0.15 251	0.24 352	0.23 344	0.14 279	0.14 224	0.15 305	0.12 294	0.12 224	0.10 140	0.06 131	0.04 24	0.09 398	0.06 214	0.06 224	0.06 234

raft+_RVC	0.11 218	0.07 169	0.09 86	0.16 166	0.07 86	0.10 149	0.11 56	0.24 352	0.20 304	0.12 230	0.15 241	0.12 231	0.08 167	0.12 224	0.13 313	0.07 274	0.04 24	0.07 229	0.06 214	0.05 121	0.05 146

ac_64	0.16 414	0.08 270	0.15 349	0.18 325	0.10 372	0.22 475	0.18 402	0.24 352	0.21 319	0.18 380	0.24 375	0.29 480	0.18 438	0.19 423	0.22 478	0.09 397	0.07 418	0.08 314	0.09 422	0.07 294	0.06 234

PSMNet-RSSM	0.14 346	0.07 169	0.13 262	0.15 86	0.08 146	0.13 283	0.16 319	0.24 352	0.24 360	0.16 334	0.28 444	0.22 406	0.14 357	0.15 320	0.13 313	0.11 467	0.06 343	0.09 398	0.12 512	0.08 357	0.07 317

SuperB	0.20 472	0.10 407	0.56 566	0.16 166	0.09 269	0.18 412	0.18 402	0.24 352	0.50 546	0.26 489	0.39 517	0.17 339	0.21 470	0.22 478	0.21 469	0.08 338	0.06 343	0.06 127	0.06 214	0.12 490	0.10 453

UCFNet_RVC	0.14 346	0.08 270	0.13 262	0.11 1	0.10 372	0.20 450	0.10 33	0.24 352	0.22 334	0.17 350	0.20 323	0.23 424	0.15 375	0.17 386	0.15 381	0.12 492	0.07 418	0.10 446	0.13 522	0.11 475	0.10 453

pmcnn	0.15 391	0.07 169	0.19 447	0.15 86	0.07 86	0.20 450	0.15 251	0.24 352	0.26 395	0.21 433	0.34 490	0.28 472	0.18 438	0.18 408	0.17 412	0.07 274	0.05 211	0.05 34	0.04 48	0.07 294	0.06 234

G2L-ROB	0.13 310	0.06 76	0.13 262	0.13 14	0.08 146	0.14 315	0.16 319	0.25 368	0.18 264	0.19 396	0.18 302	0.20 379	0.14 357	0.17 386	0.16 397	0.08 338	0.05 211	0.06 127	0.05 133	0.08 357	0.09 426

DDVS	0.15 391	0.10 407	0.21 468	0.16 166	0.12 457	0.15 342	0.14 179	0.25 368	0.19 280	0.18 380	0.29 456	0.27 462	0.12 294	0.19 423	0.15 381	0.09 397	0.06 343	0.09 398	0.07 305	0.11 475	0.11 479

rvit_0105_3	0.15 391	0.09 346	0.14 297	0.19 386	0.12 457	0.15 342	0.25 528	0.25 368	0.29 426	0.15 306	0.17 277	0.20 379	0.13 332	0.17 386	0.14 352	0.13 515	0.11 505	0.12 496	0.14 525	0.07 294	0.06 234

test_sample6	0.14 346	0.08 270	0.13 262	0.16 166	0.08 146	0.17 393	0.19 442	0.25 368	0.17 237	0.17 350	0.27 430	0.19 367	0.14 357	0.15 320	0.13 313	0.08 338	0.05 211	0.08 314	0.07 305	0.08 357	0.08 381

test_sample5	0.14 346	0.08 270	0.14 297	0.16 166	0.08 146	0.18 412	0.18 402	0.25 368	0.17 237	0.17 350	0.27 430	0.18 353	0.14 357	0.16 354	0.13 313	0.08 338	0.05 211	0.08 314	0.07 305	0.08 357	0.08 381

DualNet	0.14 346	0.08 270	0.14 297	0.16 166	0.08 146	0.18 412	0.18 402	0.25 368	0.17 237	0.17 350	0.27 430	0.18 353	0.14 357	0.16 354	0.13 313	0.08 338	0.05 211	0.08 314	0.07 305	0.08 357	0.08 381

SDNR	0.19 460	0.08 270	0.19 447	0.16 166	0.12 457	0.77 596	0.14 179	0.25 368	0.32 450	0.19 396	0.24 375	0.19 367	0.13 332	0.19 423	0.15 381	0.16 549	0.18 557	0.14 523	0.11 493	0.08 357	0.11 479

fast-acv-ft	0.18 448	0.11 433	0.19 447	0.19 386	0.12 457	0.24 493	0.21 480	0.25 368	0.34 469	0.22 449	0.34 490	0.27 462	0.20 466	0.21 465	0.23 490	0.09 397	0.09 473	0.08 314	0.10 461	0.08 357	0.07 317

IER	0.14 346	0.07 169	0.13 262	0.17 242	0.09 269	0.14 315	0.16 319	0.25 368	0.26 395	0.18 380	0.25 404	0.17 339	0.20 466	0.16 354	0.14 352	0.08 338	0.05 211	0.07 229	0.06 214	0.08 357	0.07 317

CSP-Net	0.16 414	0.09 346	0.14 297	0.16 166	0.09 269	0.19 435	0.17 357	0.25 368	0.32 450	0.25 483	0.30 462	0.24 430	0.15 375	0.21 465	0.18 430	0.09 397	0.06 343	0.07 229	0.07 305	0.08 357	0.07 317

ICVP	0.15 391	0.09 346	0.12 215	0.22 490	0.09 269	0.17 393	0.21 480	0.25 368	0.23 344	0.18 380	0.30 462	0.26 454	0.18 438	0.17 386	0.14 352	0.09 397	0.07 418	0.08 314	0.07 305	0.07 294	0.07 317
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.17 434	0.09 346	0.16 383	0.20 444	0.11 424	0.27 524	0.20 463	0.25 368	0.41 510	0.22 449	0.30 462	0.21 388	0.20 466	0.17 386	0.20 449	0.06 131	0.06 343	0.07 229	0.07 305	0.08 357	0.07 317

acv_ft	0.15 391	0.09 346	0.15 349	0.19 386	0.10 372	0.16 372	0.17 357	0.25 368	0.33 457	0.19 396	0.26 421	0.21 388	0.17 424	0.17 386	0.18 430	0.07 274	0.06 343	0.06 127	0.06 214	0.08 357	0.06 234

hitnet-ft	0.18 448	0.09 346	0.17 413	0.14 43	0.09 269	0.26 514	0.20 463	0.25 368	0.26 395	0.24 470	0.32 474	0.31 502	0.22 479	0.24 498	0.21 469	0.12 492	0.07 418	0.10 446	0.08 373	0.12 490	0.11 479

DMCA-RVC	0.17 434	0.10 407	0.15 349	0.24 520	0.11 424	0.18 412	0.18 402	0.25 368	0.24 360	0.21 433	0.26 421	0.25 444	0.27 516	0.18 408	0.20 449	0.12 492	0.08 444	0.13 511	0.10 461	0.10 452	0.08 381

FADNet-RVC-Resample	0.16 414	0.11 433	0.31 520	0.22 490	0.11 424	0.19 435	0.14 179	0.25 368	0.24 360	0.24 470	0.27 430	0.20 379	0.15 375	0.16 354	0.15 381	0.07 274	0.08 444	0.12 496	0.10 461	0.09 420	0.10 453

RP	0.21 484	0.13 480	0.21 468	0.23 511	0.11 424	0.21 467	0.20 463	0.25 368	0.44 528	0.21 433	0.38 509	0.36 526	0.24 493	0.27 508	0.25 513	0.11 467	0.12 519	0.13 511	0.12 512	0.12 490	0.14 528

iResNetv2_ROB	0.14 346	0.08 270	0.15 349	0.16 166	0.08 146	0.16 372	0.12 76	0.25 368	0.35 478	0.21 433	0.29 456	0.24 430	0.13 332	0.14 298	0.14 352	0.06 131	0.05 211	0.06 127	0.04 48	0.09 420	0.08 381

WQFJA1	0.13 310	0.09 346	0.10 133	0.20 444	0.10 372	0.11 196	0.15 251	0.26 386	0.39 499	0.10 159	0.15 241	0.11 212	0.11 261	0.11 132	0.13 313	0.07 274	0.06 343	0.08 314	0.08 373	0.06 224	0.06 234

WQFJX1	0.13 310	0.09 346	0.10 133	0.20 444	0.10 372	0.11 196	0.15 251	0.26 386	0.39 499	0.10 159	0.15 241	0.11 212	0.11 261	0.11 132	0.13 313	0.07 274	0.06 343	0.08 314	0.08 373	0.06 224	0.06 234

coex_refinement	0.14 346	0.07 169	0.12 215	0.17 242	0.10 372	0.15 342	0.15 251	0.26 386	0.29 426	0.18 380	0.20 323	0.22 406	0.17 424	0.16 354	0.18 430	0.08 338	0.05 211	0.06 127	0.06 214	0.09 420	0.08 381

test_sample4	0.14 346	0.08 270	0.14 297	0.15 86	0.08 146	0.19 435	0.18 402	0.26 386	0.17 237	0.16 334	0.25 404	0.18 353	0.14 357	0.16 354	0.13 313	0.08 338	0.06 343	0.08 314	0.06 214	0.08 357	0.08 381

test_sample3	0.14 346	0.08 270	0.15 349	0.14 43	0.09 269	0.19 435	0.17 357	0.26 386	0.18 264	0.16 334	0.22 354	0.19 367	0.15 375	0.17 386	0.13 313	0.08 338	0.06 343	0.07 229	0.06 214	0.09 420	0.08 381

SMFormer	0.14 346	0.07 169	0.17 413	0.14 43	0.08 146	0.16 372	0.17 357	0.26 386	0.27 405	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.17 412	0.08 338	0.05 211	0.07 229	0.06 214	0.07 294	0.06 234

tta	0.14 346	0.07 169	0.17 413	0.14 43	0.08 146	0.16 372	0.17 357	0.26 386	0.27 405	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.17 412	0.08 338	0.05 211	0.07 229	0.06 214	0.06 224	0.06 234

qqq1	0.13 310	0.07 169	0.17 413	0.14 43	0.08 146	0.16 372	0.17 357	0.26 386	0.27 405	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.11 215	0.08 338	0.05 211	0.05 34	0.05 133	0.06 224	0.06 234

fff1	0.13 310	0.07 169	0.17 413	0.14 43	0.08 146	0.16 372	0.17 357	0.26 386	0.27 405	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.11 215	0.08 338	0.05 211	0.05 34	0.05 133	0.06 224	0.06 234

Wz-Net-LNSev-Ref	0.18 448	0.09 346	0.29 515	0.15 86	0.10 372	0.22 475	0.20 463	0.26 386	0.39 499	0.25 483	0.42 540	0.24 430	0.15 375	0.20 448	0.19 443	0.07 274	0.05 211	0.06 127	0.05 133	0.10 452	0.09 426

CRFU-Net	0.16 414	0.08 270	0.14 297	0.17 242	0.09 269	0.19 435	0.14 179	0.26 386	0.20 304	0.28 510	0.27 430	0.29 480	0.17 424	0.19 423	0.17 412	0.09 397	0.09 473	0.07 229	0.07 305	0.08 357	0.08 381

PSMNet-ADL	0.15 391	0.12 451	0.13 262	0.22 490	0.09 269	0.13 283	0.20 463	0.26 386	0.23 344	0.18 380	0.20 323	0.24 430	0.16 401	0.18 408	0.17 412	0.08 338	0.08 444	0.08 314	0.11 493	0.08 357	0.07 317

PFNet	0.12 285	0.06 76	0.17 413	0.17 242	0.08 146	0.09 97	0.15 251	0.26 386	0.20 304	0.16 334	0.16 255	0.14 276	0.11 261	0.12 224	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.05 121	0.05 146

sAnonymous2	0.13 310	0.12 451	0.24 487	0.20 444	0.12 457	0.17 393	0.13 124	0.26 386	0.21 319	0.11 192	0.11 182	0.13 256	0.08 167	0.10 82	0.10 140	0.09 397	0.05 211	0.08 314	0.06 214	0.15 536	0.10 453

CroCo_RVC	0.13 310	0.12 451	0.24 487	0.20 444	0.12 457	0.17 393	0.13 124	0.26 386	0.21 319	0.11 192	0.11 182	0.13 256	0.08 167	0.10 82	0.10 140	0.09 397	0.05 211	0.08 314	0.06 214	0.15 536	0.10 453

HCRNet	0.16 414	0.24 553	0.12 215	0.35 569	0.11 424	0.15 342	0.17 357	0.26 386	0.22 334	0.19 396	0.24 375	0.21 388	0.14 357	0.15 320	0.13 313	0.11 467	0.07 418	0.11 477	0.10 461	0.09 420	0.07 317

RAFT + AFF	0.13 310	0.07 169	0.20 459	0.20 444	0.10 372	0.14 315	0.24 513	0.26 386	0.20 304	0.11 192	0.10 144	0.12 231	0.10 236	0.15 320	0.12 271	0.07 274	0.06 343	0.09 398	0.08 373	0.06 224	0.08 381

FADNet_RVC	0.16 414	0.14 492	0.40 543	0.20 444	0.11 424	0.13 283	0.13 124	0.26 386	0.22 334	0.21 433	0.23 363	0.20 379	0.17 424	0.14 298	0.16 397	0.08 338	0.08 444	0.12 496	0.09 422	0.11 475	0.10 453

FADNet-RVC	0.20 472	0.20 539	0.38 540	0.21 475	0.16 528	0.20 450	0.15 251	0.26 386	0.26 395	0.26 489	0.32 474	0.26 454	0.21 470	0.22 478	0.19 443	0.12 492	0.13 532	0.12 496	0.14 525	0.13 508	0.18 557

AANet_RVC	0.16 414	0.10 407	0.10 133	0.18 325	0.09 269	0.18 412	0.19 442	0.26 386	0.31 443	0.22 449	0.35 494	0.21 388	0.21 470	0.22 478	0.16 397	0.06 131	0.05 211	0.06 127	0.06 214	0.07 294	0.06 234

StereoDRNet-Refined	0.17 434	0.12 451	0.15 349	0.20 444	0.09 269	0.18 412	0.18 402	0.26 386	0.23 344	0.26 489	0.40 523	0.22 406	0.17 424	0.21 465	0.20 449	0.08 338	0.05 211	0.09 398	0.10 461	0.07 294	0.07 317
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CBMV_ROB	0.19 460	0.13 480	0.17 413	0.16 166	0.11 424	0.15 342	0.13 124	0.26 386	0.28 419	0.27 495	0.30 462	0.27 462	0.24 493	0.23 489	0.16 397	0.15 533	0.17 555	0.22 561	0.20 557	0.10 452	0.11 479

iResNet_ROB	0.14 346	0.07 169	0.13 262	0.14 43	0.07 86	0.18 412	0.14 179	0.26 386	0.31 443	0.22 449	0.25 404	0.23 424	0.15 375	0.15 320	0.13 313	0.07 274	0.05 211	0.05 34	0.04 48	0.08 357	0.08 381

FSD					0.22 561	0.25 504	0.25 528	0.27 409	0.26 395	0.25 483	0.26 421	0.25 444	0.27 516	0.27 508	0.24 503	0.21 566	0.20 563	0.27 568	0.26 569	0.25 569

G2L-Stereo	0.14 346	0.07 169	0.13 262	0.17 242	0.09 269	0.13 283	0.12 76	0.27 409	0.22 334	0.16 334	0.27 430	0.21 388	0.13 332	0.17 386	0.18 430	0.09 397	0.08 444	0.08 314	0.07 305	0.07 294	0.07 317

TCMNet	0.19 460	0.12 451	0.19 447	0.20 444	0.18 549	0.20 450	0.24 513	0.27 409	0.36 482	0.23 461	0.26 421	0.25 444	0.19 454	0.19 423	0.23 490	0.13 515	0.11 505	0.11 477	0.12 512	0.13 508	0.12 492

DualNet (step1)	0.16 414	0.12 451	0.20 459	0.12 5	0.14 500	0.17 393	0.13 124	0.27 409	0.23 344	0.20 419	0.20 323	0.24 430	0.19 454	0.16 354	0.16 397	0.15 533	0.06 343	0.14 523	0.14 525	0.14 521	0.12 492

test_sample9	0.18 448	0.12 451	0.20 459	0.12 5	0.14 500	0.17 393	0.13 124	0.27 409	0.23 344	0.20 419	0.20 323	0.24 430	0.19 454	0.19 423	0.17 412	0.15 533	0.30 581	0.14 523	0.14 525	0.14 521	0.12 492

test_sample7	0.15 391	0.10 407	0.16 383	0.14 43	0.11 424	0.16 372	0.16 319	0.27 409	0.23 344	0.20 419	0.20 323	0.24 430	0.19 454	0.16 354	0.16 397	0.12 492	0.06 343	0.10 446	0.09 422	0.10 452	0.10 453

MyStereo05	0.13 310	0.07 169	0.10 133	0.17 242	0.09 269	0.13 283	0.18 402	0.27 409	0.35 478	0.17 350	0.14 224	0.15 305	0.11 261	0.15 320	0.13 313	0.06 131	0.05 211	0.07 229	0.07 305	0.06 224	0.06 234

mmx	0.14 346	0.09 346	0.14 297	0.16 166	0.08 146	0.17 393	0.17 357	0.27 409	0.25 381	0.15 306	0.25 404	0.19 367	0.13 332	0.14 298	0.20 449	0.08 338	0.06 343	0.09 398	0.08 373	0.08 357	0.08 381

ttt	0.14 346	0.08 270	0.14 297	0.15 86	0.08 146	0.15 342	0.18 402	0.27 409	0.29 426	0.16 334	0.24 375	0.17 339	0.13 332	0.13 270	0.14 352	0.11 467	0.08 444	0.09 398	0.08 373	0.09 420	0.08 381

xxx	0.14 346	0.09 346	0.14 297	0.16 166	0.08 146	0.17 393	0.17 357	0.27 409	0.25 381	0.15 306	0.25 404	0.19 367	0.13 332	0.14 298	0.20 449	0.08 338	0.06 343	0.09 398	0.08 373	0.08 357	0.08 381

coex-ft	3.30 609	0.34 573	59.09 636	0.18 325	0.13 480	0.26 514	0.22 490	0.27 409	0.72 584	1.90 614	0.70 580	0.44 555	0.45 574	0.29 526	0.41 577	0.09 397	0.09 473	0.12 496	0.09 422	0.14 521	0.13 511

iinet-f	0.16 414	0.06 76	0.45 550	0.14 43	0.10 372	0.21 467	0.14 179	0.27 409	0.23 344	0.21 433	0.24 375	0.21 388	0.15 375	0.18 408	0.21 469	0.09 397	0.07 418	0.07 229	0.06 214	0.09 420	0.10 453

DAS	0.15 391	0.08 270	0.18 436	0.19 386	0.10 372	0.19 435	0.17 357	0.27 409	0.29 426	0.18 380	0.25 404	0.21 388	0.15 375	0.16 354	0.12 271	0.08 338	0.06 343	0.06 127	0.06 214	0.07 294	0.07 317

SepStereo	0.15 391	0.08 270	0.18 436	0.19 386	0.10 372	0.19 435	0.17 357	0.27 409	0.29 426	0.18 380	0.25 404	0.21 388	0.15 375	0.25 503	0.12 271	0.08 338	0.06 343	0.06 127	0.06 214	0.07 294	0.07 317

LMCR-Stereo	0.15 391	0.08 270	0.13 262	0.21 475	0.09 269	0.17 393	0.20 463	0.27 409	0.19 280	0.24 470	0.24 375	0.23 424	0.17 424	0.20 448	0.17 412	0.07 274	0.06 343	0.08 314	0.06 214	0.10 452	0.08 381

CFNet_pseudo	0.14 346	0.08 270	0.15 349	0.16 166	0.09 269	0.13 283	0.14 179	0.27 409	0.34 469	0.14 279	0.21 344	0.22 406	0.13 332	0.18 408	0.14 352	0.07 274	0.05 211	0.08 314	0.06 214	0.07 294	0.07 317

HSM-Net_RVC	0.14 346	0.08 270	0.11 179	0.15 86	0.08 146	0.15 342	0.15 251	0.27 409	0.29 426	0.19 396	0.21 344	0.29 480	0.14 357	0.17 386	0.13 313	0.06 131	0.06 343	0.06 127	0.06 214	0.07 294	0.06 234
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DANet	0.21 484	0.15 502	0.28 507	0.25 531	0.13 480	0.22 475	0.19 442	0.27 409	0.27 405	0.28 510	0.32 474	0.35 524	0.31 542	0.31 530	0.23 490	0.11 467	0.09 473	0.11 477	0.10 461	0.13 508	0.11 479
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ccs_rob	0.14 346	0.08 270	0.15 349	0.16 166	0.09 269	0.12 239	0.14 179	0.27 409	0.34 469	0.14 279	0.21 344	0.22 406	0.13 332	0.18 408	0.14 352	0.07 274	0.05 211	0.08 314	0.07 305	0.07 294	0.07 317

DISCO	0.19 460	0.09 346	0.22 474	0.17 242	0.10 372	0.25 504	0.18 402	0.27 409	0.44 528	0.22 449	0.31 470	0.33 514	0.26 508	0.28 520	0.28 539	0.08 338	0.06 343	0.07 229	0.07 305	0.09 420	0.09 426

w-ln-seven-2	0.20 472	0.14 492	0.37 539	0.22 490	0.12 457	0.20 450	0.21 480	0.28 429	0.37 489	0.25 483	0.37 503	0.27 462	0.22 479	0.21 465	0.23 490	0.08 338	0.08 444	0.09 398	0.09 422	0.10 452	0.09 426

HBP-ISP	0.18 448	0.13 480	0.16 383	0.15 86	0.11 424	0.08 59	0.13 124	0.28 429	0.29 426	0.22 449	0.33 486	0.21 388	0.25 502	0.23 489	0.17 412	0.14 529	0.16 550	0.21 557	0.17 551	0.10 452	0.08 381

raft_robust	0.13 310	0.10 407	0.07 8	0.18 325	0.08 146	0.13 283	0.24 513	0.28 429	0.33 457	0.20 419	0.19 311	0.14 276	0.10 236	0.11 132	0.12 271	0.05 35	0.05 211	0.07 229	0.07 305	0.05 121	0.04 49

Anonymous3	0.16 414	0.13 480	0.33 526	0.26 537	0.14 500	0.27 524	0.17 357	0.28 429	0.28 419	0.15 306	0.17 277	0.14 276	0.10 236	0.15 320	0.12 271	0.08 338	0.08 444	0.08 314	0.08 373	0.08 357	0.11 479

GES	0.14 346	0.08 270	0.16 383	0.15 86	0.10 372	0.13 283	0.13 124	0.28 429	0.25 381	0.16 334	0.23 363	0.18 353	0.13 332	0.16 354	0.13 313	0.08 338	0.07 418	0.07 229	0.06 214	0.08 357	0.09 426

test_xeample	0.15 391	0.06 76	0.13 262	0.14 43	0.08 146	0.21 467	0.20 463	0.28 429	0.20 304	0.16 334	0.29 456	0.19 367	0.16 401	0.15 320	0.26 524	0.09 397	0.05 211	0.07 229	0.07 305	0.07 294	0.07 317

SFCPSM	0.13 310	0.07 169	0.14 297	0.17 242	0.09 269	0.15 342	0.16 319	0.28 429	0.27 405	0.14 279	0.17 277	0.12 231	0.13 332	0.14 298	0.11 215	0.08 338	0.05 211	0.07 229	0.07 305	0.07 294	0.06 234

UPFNet	0.16 414	0.08 270	0.12 215	0.20 444	0.12 457	0.20 450	0.23 501	0.28 429	0.26 395	0.17 350	0.24 375	0.22 406	0.19 454	0.19 423	0.21 469	0.09 397	0.07 418	0.08 314	0.09 422	0.08 357	0.06 234

DSFCA	0.16 414	0.09 346	0.14 297	0.16 166	0.10 372	0.20 450	0.19 442	0.28 429	0.31 443	0.23 461	0.24 375	0.22 406	0.15 375	0.19 423	0.20 449	0.10 438	0.07 418	0.09 398	0.09 422	0.08 357	0.08 381

CFNet	0.15 391	0.10 407	0.17 413	0.17 242	0.08 146	0.18 412	0.09 20	0.28 429	0.25 381	0.19 396	0.24 375	0.24 430	0.17 424	0.17 386	0.14 352	0.08 338	0.06 343	0.09 398	0.10 461	0.07 294	0.06 234

HSM	0.15 391	0.08 270	0.14 297	0.16 166	0.09 269	0.16 372	0.14 179	0.28 429	0.25 381	0.19 396	0.23 363	0.37 531	0.16 401	0.20 448	0.15 381	0.07 274	0.05 211	0.07 229	0.06 214	0.07 294	0.06 234

MyStereo04	0.13 310	0.07 169	0.10 133	0.17 242	0.09 269	0.14 315	0.18 402	0.29 440	0.38 496	0.17 350	0.14 224	0.16 319	0.10 236	0.15 320	0.13 313	0.06 131	0.05 211	0.08 314	0.07 305	0.06 224	0.06 234

GMStereo_Zeroshot	0.16 414	0.13 480	0.24 487	0.20 444	0.10 372	0.17 393	0.13 124	0.29 440	0.25 381	0.23 461	0.32 474	0.25 444	0.11 261	0.19 423	0.14 352	0.09 397	0.06 343	0.11 477	0.06 214	0.12 490	0.08 381

SQANet	0.23 509	0.23 550	0.30 518	0.30 562	0.19 552	0.27 524	0.13 124	0.29 440	0.33 457	0.24 470	0.37 503	0.31 502	0.22 479	0.27 508	0.23 490	0.15 533	0.10 493	0.21 557	0.16 544	0.21 558	0.15 535

PCWNet_CMD	0.14 346	0.08 270	0.15 349	0.17 242	0.09 269	0.14 315	0.14 179	0.29 440	0.36 482	0.14 279	0.20 323	0.21 388	0.12 294	0.17 386	0.13 313	0.07 274	0.05 211	0.07 229	0.07 305	0.07 294	0.07 317

psmg	0.14 346	0.09 346	0.14 297	0.17 242	0.10 372	0.15 342	0.17 357	0.29 440	0.19 280	0.17 350	0.21 344	0.25 444	0.16 401	0.15 320	0.14 352	0.08 338	0.06 343	0.08 314	0.08 373	0.07 294	0.06 234

DDUNet	0.22 493	0.17 521	0.21 468	0.22 490	0.15 518	0.25 504	0.24 513	0.29 440	0.30 436	0.31 528	0.36 497	0.33 514	0.25 502	0.24 498	0.20 449	0.18 555	0.13 532	0.17 543	0.11 493	0.16 543	0.16 546

STTStereo	0.18 448	0.12 451	0.27 502	0.20 444	0.11 424	0.16 372	0.21 480	0.29 440	0.23 344	0.21 433	0.30 462	0.29 480	0.18 438	0.20 448	0.19 443	0.12 492	0.11 505	0.11 477	0.14 525	0.09 420	0.08 381

G-Net	0.24 516	0.16 510	0.36 535	0.22 490	0.16 528	0.51 573	0.23 501	0.29 440	0.34 469	0.36 544	0.38 509	0.31 502	0.29 534	0.27 508	0.26 524	0.11 467	0.09 473	0.12 496	0.09 422	0.16 543	0.13 511

ADCL	0.24 516	0.11 433	0.47 555	0.22 490	0.12 457	0.34 549	0.29 559	0.29 440	0.56 559	0.24 470	0.46 547	0.30 489	0.30 538	0.29 526	0.29 542	0.08 338	0.07 418	0.09 398	0.09 422	0.10 452	0.10 453

RASNet	0.14 346	0.07 169	0.14 297	0.16 166	0.08 146	0.18 412	0.14 179	0.29 440	0.20 304	0.17 350	0.25 404	0.21 388	0.18 438	0.20 448	0.19 443	0.07 274	0.06 343	0.06 127	0.08 373	0.06 224	0.06 234

MSMDNet	0.14 346	0.08 270	0.15 349	0.17 242	0.09 269	0.14 315	0.14 179	0.29 440	0.36 482	0.14 279	0.21 344	0.21 388	0.12 294	0.17 386	0.14 352	0.07 274	0.05 211	0.07 229	0.07 305	0.07 294	0.07 317

PA-Net	0.23 509	0.18 532	0.33 526	0.28 552	0.22 561	0.21 467	0.38 581	0.29 440	0.39 499	0.22 449	0.32 474	0.25 444	0.26 508	0.20 448	0.25 513	0.09 397	0.23 575	0.15 535	0.22 562	0.09 420	0.13 511
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	0.18 448	0.10 407	0.15 349	0.23 511	0.11 424	0.24 493	0.18 402	0.29 440	0.28 419	0.27 495	0.28 444	0.28 472	0.24 493	0.19 423	0.20 449	0.08 338	0.08 444	0.09 398	0.09 422	0.07 294	0.07 317

CBMV	0.19 460	0.14 492	0.17 413	0.18 325	0.10 372	0.20 450	0.11 56	0.29 440	0.30 436	0.29 518	0.30 462	0.30 489	0.23 487	0.27 508	0.19 443	0.13 515	0.15 547	0.17 543	0.16 544	0.10 452	0.10 453
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
G2L-Stereo_test	0.14 346	0.07 169	0.11 179	0.13 14	0.08 146	0.12 239	0.16 319	0.30 454	0.28 419	0.20 419	0.23 363	0.20 379	0.16 401	0.17 386	0.18 430	0.07 274	0.05 211	0.05 34	0.05 133	0.07 294	0.06 234

ISRNet	0.18 448	0.08 270	0.19 447	0.19 386	0.13 480	0.15 342	0.12 76	0.30 454	0.32 450	0.21 433	0.25 404	0.27 462	0.17 424	0.17 386	0.20 449	0.20 562	0.08 444	0.14 523	0.14 525	0.14 521	0.17 554

ITSA-stereo	0.15 391	0.10 407	0.14 297	0.19 386	0.08 146	0.12 239	0.14 179	0.30 454	0.49 543	0.17 350	0.19 311	0.22 406	0.15 375	0.17 386	0.16 397	0.10 438	0.06 343	0.08 314	0.08 373	0.08 357	0.08 381

rvit_stereo_0075_2	0.17 434	0.12 451	0.25 492	0.23 511	0.16 528	0.13 283	0.10 33	0.30 454	0.27 405	0.20 419	0.28 444	0.22 406	0.15 375	0.18 408	0.13 313	0.16 549	0.10 493	0.17 543	0.10 461	0.10 452	0.09 426

CFNet_ucs	0.15 391	0.08 270	0.16 383	0.16 166	0.11 424	0.14 315	0.14 179	0.30 454	0.34 469	0.16 334	0.24 375	0.23 424	0.14 357	0.18 408	0.15 381	0.09 397	0.06 343	0.08 314	0.07 305	0.09 420	0.09 426

GwcNet-ADL	0.13 310	0.08 270	0.14 297	0.20 444	0.09 269	0.11 196	0.20 463	0.30 454	0.24 360	0.13 257	0.14 224	0.18 353	0.14 357	0.13 270	0.14 352	0.07 274	0.05 211	0.06 127	0.05 133	0.07 294	0.06 234

GANet-ADL	0.13 310	0.07 169	0.15 349	0.17 242	0.10 372	0.18 412	0.15 251	0.30 454	0.20 304	0.13 257	0.18 302	0.19 367	0.12 294	0.16 354	0.13 313	0.08 338	0.06 343	0.06 127	0.05 133	0.07 294	0.08 381

222	0.16 414	0.07 169	0.14 297	0.14 43	0.08 146	0.24 493	0.18 402	0.30 454	0.20 304	0.17 350	0.28 444	0.17 339	0.16 401	0.15 320	0.40 574	0.10 438	0.05 211	0.07 229	0.06 214	0.07 294	0.08 381

delet	0.17 434	0.08 270	0.17 413	0.19 386	0.11 424	0.20 450	0.21 480	0.30 454	0.37 489	0.17 350	0.26 421	0.19 367	0.19 454	0.19 423	0.21 469	0.08 338	0.08 444	0.09 398	0.11 493	0.06 224	0.06 234

NOSS_ROB	0.19 460	0.12 451	0.18 436	0.16 166	0.12 457	0.15 342	0.12 76	0.30 454	0.32 450	0.20 419	0.22 354	0.27 462	0.23 487	0.21 465	0.16 397	0.16 549	0.18 557	0.23 562	0.21 559	0.12 490	0.13 511

rvit_105_1	0.19 460	0.11 433	0.25 492	0.21 475	0.16 528	0.21 467	0.27 544	0.31 464	0.41 510	0.19 396	0.20 323	0.22 406	0.17 424	0.19 423	0.17 412	0.12 492	0.12 519	0.13 511	0.15 540	0.08 357	0.07 317

test_sample8	0.19 460	0.12 451	0.20 459	0.12 5	0.14 500	0.17 393	0.13 124	0.31 464	0.21 319	0.27 495	0.22 354	0.36 526	0.25 502	0.19 423	0.17 412	0.15 533	0.30 581	0.14 523	0.14 525	0.14 521	0.12 492

1111x	0.15 391	0.08 270	0.12 215	0.18 325	0.07 86	0.18 412	0.25 528	0.31 464	0.24 360	0.17 350	0.24 375	0.26 454	0.15 375	0.13 270	0.23 490	0.07 274	0.07 418	0.08 314	0.09 422	0.07 294	0.06 234

SACVNet	0.18 448	0.12 451	0.14 297	0.17 242	0.13 480	0.22 475	0.18 402	0.31 464	0.30 436	0.23 461	0.31 470	0.30 489	0.22 479	0.22 478	0.17 412	0.11 467	0.08 444	0.10 446	0.10 461	0.12 490	0.14 528

ADLNet2	0.16 414	0.09 346	0.13 262	0.16 166	0.09 269	0.20 450	0.16 319	0.31 464	0.39 499	0.16 334	0.20 323	0.20 379	0.18 438	0.21 465	0.22 478	0.08 338	0.06 343	0.07 229	0.07 305	0.09 420	0.07 317

xxxx	0.15 391	0.07 169	0.14 297	0.14 43	0.08 146	0.23 488	0.18 402	0.31 464	0.19 280	0.14 279	0.28 444	0.22 406	0.14 357	0.15 320	0.26 524	0.09 397	0.05 211	0.07 229	0.07 305	0.08 357	0.07 317

HGLStereo	0.17 434	0.08 270	0.19 447	0.17 242	0.12 457	0.18 412	0.18 402	0.31 464	0.32 450	0.21 433	0.32 474	0.25 444	0.18 438	0.19 423	0.20 449	0.09 397	0.09 473	0.07 229	0.07 305	0.09 420	0.10 453

FADNet	0.21 484	0.22 549	0.36 535	0.18 325	0.17 543	0.24 493	0.13 124	0.31 464	0.31 443	0.23 461	0.25 404	0.27 462	0.21 470	0.19 423	0.15 381	0.13 515	0.15 547	0.12 496	0.15 540	0.16 543	0.18 557

ADCP+	0.20 472	0.10 407	0.33 526	0.20 444	0.12 457	0.22 475	0.26 537	0.31 464	0.34 469	0.26 489	0.37 503	0.22 406	0.22 479	0.27 508	0.27 532	0.09 397	0.06 343	0.08 314	0.08 373	0.09 420	0.10 453

NLCA_NET_v2_RVC	0.17 434	0.10 407	0.22 474	0.20 444	0.10 372	0.15 342	0.18 402	0.31 464	0.25 381	0.21 433	0.30 462	0.25 444	0.17 424	0.21 465	0.20 449	0.09 397	0.06 343	0.08 314	0.08 373	0.07 294	0.08 381
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ETE_ROB	0.23 509	0.17 521	0.22 474	0.25 531	0.13 480	0.26 514	0.29 559	0.31 464	0.36 482	0.28 510	0.36 497	0.45 557	0.26 508	0.27 508	0.26 524	0.11 467	0.08 444	0.12 496	0.09 422	0.14 521	0.13 511

YMNet	0.20 472	0.12 451	0.19 447	0.20 444	0.14 500	0.26 514	0.23 501	0.32 475	0.34 469	0.27 495	0.34 490	0.30 489	0.18 438	0.18 408	0.22 478	0.10 438	0.13 532	0.10 446	0.10 461	0.08 357	0.09 426

YMNet_1	0.20 472	0.12 451	0.19 447	0.20 444	0.14 500	0.26 514	0.23 501	0.32 475	0.34 469	0.27 495	0.34 490	0.30 489	0.18 438	0.18 408	0.22 478	0.10 438	0.13 532	0.10 446	0.10 461	0.08 357	0.09 426

LL-Strereo	0.13 310	0.09 346	0.11 179	0.20 444	0.10 372	0.11 196	0.18 402	0.32 475	0.24 360	0.15 306	0.15 241	0.14 276	0.13 332	0.19 423	0.11 215	0.06 131	0.04 24	0.09 398	0.08 373	0.04 21	0.05 146

Wz-Net-LNSev	0.22 493	0.16 510	0.38 540	0.21 475	0.13 480	0.25 504	0.23 501	0.32 475	0.43 522	0.30 522	0.41 534	0.31 502	0.18 438	0.22 478	0.25 513	0.10 438	0.09 473	0.08 314	0.08 373	0.12 490	0.11 479

GEStereo_RVC	0.17 434	0.12 451	0.15 349	0.22 490	0.11 424	0.19 435	0.17 357	0.32 475	0.48 537	0.20 419	0.25 404	0.17 339	0.13 332	0.21 465	0.16 397	0.10 438	0.06 343	0.08 314	0.07 305	0.09 420	0.08 381

ADLNet	0.16 414	0.08 270	0.15 349	0.16 166	0.10 372	0.16 372	0.17 357	0.32 475	0.27 405	0.22 449	0.27 430	0.24 430	0.16 401	0.18 408	0.21 469	0.10 438	0.06 343	0.10 446	0.10 461	0.08 357	0.09 426

FINET	0.21 484	0.18 532	0.26 495	0.18 325	0.16 528	0.23 488	0.23 501	0.32 475	0.48 537	0.25 483	0.32 474	0.22 406	0.22 479	0.22 478	0.17 412	0.18 555	0.16 550	0.11 477	0.10 461	0.15 536	0.13 511

MFN_U_SF_DS_RVC	0.30 551	0.24 553	0.29 515	0.36 571	0.16 528	0.34 549	0.30 566	0.32 475	0.42 517	0.40 554	0.46 547	0.38 535	0.31 542	0.34 543	0.28 539	0.19 560	0.20 563	0.26 565	0.29 576	0.18 553	0.19 562

S-Stereo	0.20 472	0.12 451	0.25 492	0.21 475	0.13 480	0.20 450	0.18 402	0.32 475	0.43 522	0.23 461	0.36 497	0.28 472	0.30 538	0.19 423	0.22 478	0.09 397	0.12 519	0.10 446	0.10 461	0.13 508	0.13 511

AF-Net	0.22 493	0.17 521	0.17 413	0.26 537	0.13 480	0.25 504	0.24 513	0.32 475	0.50 546	0.25 483	0.33 486	0.38 535	0.26 508	0.28 520	0.25 513	0.11 467	0.10 493	0.16 541	0.11 493	0.11 475	0.10 453

RGC	0.25 527	0.20 539	0.29 515	0.28 552	0.16 528	0.22 475	0.23 501	0.32 475	0.44 528	0.27 495	0.40 523	0.38 535	0.27 516	0.36 555	0.22 478	0.11 467	0.13 532	0.17 543	0.17 551	0.14 521	0.16 546

edge stereo	0.22 493	0.13 480	0.20 459	0.21 475	0.13 480	0.23 488	0.16 319	0.32 475	0.42 517	0.32 534	0.40 523	0.38 535	0.35 553	0.25 503	0.24 503	0.13 515	0.11 505	0.14 523	0.11 493	0.12 490	0.13 511

ADCRef	0.19 460	0.12 451	0.41 546	0.20 444	0.12 457	0.22 475	0.18 402	0.32 475	0.36 482	0.26 489	0.32 474	0.17 339	0.23 487	0.24 498	0.24 503	0.07 274	0.06 343	0.09 398	0.09 422	0.08 357	0.08 381

AnyNet_C32	0.26 535	0.16 510	0.36 535	0.20 444	0.16 528	0.25 504	0.30 566	0.32 475	0.44 528	0.31 528	0.49 551	0.30 489	0.33 547	0.40 570	0.33 559	0.12 492	0.12 519	0.12 496	0.14 525	0.14 521	0.15 535

ADCPNet	0.25 527	0.16 510	0.61 572	0.21 475	0.15 518	0.35 557	0.25 528	0.32 475	0.35 478	0.30 522	0.40 523	0.36 526	0.28 526	0.28 520	0.32 555	0.12 492	0.10 493	0.11 477	0.12 512	0.14 521	0.13 511

AdaStereo	0.15 391	0.11 433	0.15 349	0.18 325	0.09 269	0.20 450	0.11 56	0.32 475	0.28 419	0.20 419	0.23 363	0.20 379	0.13 332	0.19 423	0.14 352	0.12 492	0.05 211	0.10 446	0.07 305	0.09 420	0.07 317
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.
DeepPruner_ROB	0.16 414	0.11 433	0.15 349	0.17 242	0.10 372	0.17 393	0.15 251	0.32 475	0.21 319	0.19 396	0.21 344	0.22 406	0.18 438	0.20 448	0.15 381	0.13 515	0.09 473	0.09 398	0.09 422	0.11 475	0.10 453

PWC_ROB	0.21 484	0.16 510	0.26 495	0.18 325	0.11 424	0.22 475	0.13 124	0.32 475	0.49 543	0.30 522	0.40 523	0.32 511	0.24 493	0.31 530	0.22 478	0.10 438	0.07 418	0.11 477	0.08 373	0.11 475	0.10 453

WCMA_ROB	0.24 516	0.11 433	0.22 474	0.17 242	0.14 500	0.32 540	0.15 251	0.32 475	0.32 450	0.38 549	0.53 557	0.40 547	0.34 551	0.34 543	0.25 513	0.11 467	0.12 519	0.12 496	0.10 461	0.14 521	0.14 528

ssnet_v2	0.17 434	0.10 407	0.17 413	0.17 242	0.11 424	0.21 467	0.21 480	0.33 494	0.25 381	0.22 449	0.22 354	0.27 462	0.18 438	0.22 478	0.20 449	0.11 467	0.09 473	0.09 398	0.09 422	0.08 357	0.08 381

Wz-Net-MNSev	0.22 493	0.13 480	0.31 520	0.20 444	0.14 500	0.36 558	0.24 513	0.33 494	0.44 528	0.28 510	0.40 523	0.38 535	0.19 454	0.24 498	0.25 513	0.09 397	0.07 418	0.09 398	0.09 422	0.12 490	0.10 453

UDG	0.21 484	0.17 521	0.19 447	0.23 511	0.15 518	0.30 538	0.20 463	0.33 494	0.35 478	0.23 461	0.28 444	0.31 502	0.27 516	0.20 448	0.22 478	0.15 533	0.12 519	0.13 511	0.09 422	0.14 521	0.14 528

Syn2CoEx	0.21 484	0.16 510	0.27 502	0.29 560	0.14 500	0.26 514	0.20 463	0.33 494	0.31 443	0.28 510	0.36 497	0.27 462	0.25 502	0.19 423	0.24 503	0.16 549	0.12 519	0.14 523	0.11 493	0.09 420	0.08 381

UNet	0.17 434	0.09 346	0.18 436	0.19 386	0.12 457	0.27 524	0.19 442	0.33 494	0.29 426	0.21 433	0.24 375	0.23 424	0.19 454	0.19 423	0.18 430	0.07 274	0.06 343	0.08 314	0.07 305	0.08 357	0.06 234

NaN_ROB	0.22 493	0.19 535	0.24 487	0.25 531	0.13 480	0.29 535	0.26 537	0.33 494	0.41 510	0.31 528	0.31 470	0.32 511	0.23 487	0.30 529	0.21 469	0.11 467	0.17 555	0.10 446	0.10 461	0.08 357	0.09 426

DispFullNet	0.27 537	0.21 545	0.65 575	0.28 552	0.16 528	0.26 514	0.17 357	0.33 494	0.58 564	0.27 495	0.38 509	0.43 553	0.23 487	0.38 562	0.23 490	0.12 492	0.06 343	0.19 554	0.11 493	0.21 558	0.15 535

PWCDC_ROB	0.20 472	0.13 480	0.22 474	0.24 520	0.11 424	0.19 435	0.15 251	0.33 494	0.54 555	0.29 518	0.50 555	0.21 388	0.15 375	0.27 508	0.20 449	0.11 467	0.09 473	0.10 446	0.08 373	0.11 475	0.09 426

SGM-Forest	0.20 472	0.14 492	0.18 436	0.19 386	0.13 480	0.20 450	0.22 490	0.33 494	0.30 436	0.24 470	0.29 456	0.28 472	0.19 454	0.23 489	0.17 412	0.15 533	0.16 550	0.15 535	0.14 525	0.12 490	0.12 492
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
zh-sn7	0.25 527	0.17 521	0.50 557	0.24 520	0.13 480	0.25 504	0.24 513	0.34 503	0.48 537	0.28 510	0.54 559	0.28 472	0.31 542	0.36 555	0.32 555	0.10 438	0.10 493	0.11 477	0.10 461	0.12 490	0.12 492

zh-mn7	0.25 527	0.14 492	0.56 566	0.19 386	0.14 500	0.24 493	0.22 490	0.34 503	0.62 571	0.35 541	0.65 574	0.31 502	0.25 502	0.31 530	0.25 513	0.09 397	0.08 444	0.09 398	0.09 422	0.09 420	0.11 479

z-mn7	0.24 516	0.14 492	0.45 550	0.19 386	0.13 480	0.28 531	0.25 528	0.34 503	0.62 571	0.27 495	0.56 566	0.29 480	0.24 493	0.32 537	0.25 513	0.08 338	0.08 444	0.08 314	0.08 373	0.10 452	0.10 453

BUS	0.14 346	0.09 346	0.14 297	0.22 490	0.10 372	0.19 435	0.14 179	0.34 503	0.19 280	0.17 350	0.22 354	0.16 319	0.13 332	0.15 320	0.13 313	0.08 338	0.06 343	0.10 446	0.09 422	0.07 294	0.07 317

BSDual-CNN	0.15 391	0.09 346	0.14 297	0.22 490	0.10 372	0.14 315	0.15 251	0.34 503	0.19 280	0.17 350	0.22 354	0.25 444	0.16 401	0.15 320	0.14 352	0.08 338	0.06 343	0.10 446	0.09 422	0.07 294	0.07 317

hknet	0.15 391	0.11 433	0.13 262	0.22 490	0.11 424	0.14 315	0.15 251	0.34 503	0.25 381	0.17 350	0.22 354	0.22 406	0.18 438	0.17 386	0.12 271	0.07 274	0.06 343	0.10 446	0.09 422	0.07 294	0.07 317

psmorigin	0.25 527	0.15 502	0.34 534	0.17 242	0.13 480	0.23 488	0.14 179	0.34 503	0.33 457	0.41 558	0.55 561	0.41 549	0.37 557	0.34 543	0.27 532	0.11 467	0.15 547	0.11 477	0.11 493	0.12 490	0.16 546

FAT-Stereo	0.20 472	0.12 451	0.22 474	0.21 475	0.12 457	0.17 393	0.18 402	0.34 503	0.39 499	0.27 495	0.37 503	0.34 520	0.32 546	0.21 465	0.20 449	0.09 397	0.11 505	0.10 446	0.09 422	0.11 475	0.14 528

ADCMid	0.25 527	0.15 502	0.40 543	0.20 444	0.14 500	0.25 504	0.26 537	0.34 503	0.38 496	0.36 544	0.44 545	0.34 520	0.40 563	0.35 549	0.33 559	0.10 438	0.09 473	0.11 477	0.11 493	0.13 508	0.12 492

CVANet_RVC	0.18 448	0.10 407	0.14 297	0.21 475	0.10 372	0.18 412	0.17 357	0.34 503	0.33 457	0.22 449	0.31 470	0.28 472	0.18 438	0.23 489	0.17 412	0.12 492	0.08 444	0.12 496	0.11 493	0.09 420	0.07 317

PASM	0.32 554	0.24 553	0.48 556	0.28 552	0.27 572	0.29 535	0.30 566	0.34 503	0.49 543	0.35 541	0.39 517	0.46 561	0.34 551	0.34 543	0.35 562	0.23 575	0.25 577	0.26 565	0.28 575	0.23 562	0.21 565

NCCL2	0.23 509	0.15 502	0.17 413	0.34 567	0.18 549	0.24 493	0.23 501	0.34 503	0.28 419	0.31 528	0.38 509	0.38 535	0.28 526	0.23 489	0.24 503	0.15 533	0.12 519	0.18 552	0.21 559	0.13 508	0.13 511

XPNet_ROB	0.22 493	0.11 433	0.19 447	0.22 490	0.13 480	0.22 475	0.19 442	0.34 503	0.40 507	0.30 522	0.39 517	0.39 543	0.26 508	0.26 505	0.28 539	0.15 533	0.10 493	0.10 446	0.10 461	0.13 508	0.12 492

MSMD_ROB	0.31 552	0.26 559	0.26 495	0.24 520	0.21 559	0.34 549	0.25 528	0.34 503	0.39 499	0.40 554	0.69 578	0.45 557	0.40 563	0.34 543	0.27 532	0.20 562	0.19 560	0.26 565	0.25 568	0.23 562	0.22 567

SGM_RVC	0.23 509	0.12 451	0.15 349	0.15 86	0.09 269	0.33 546	0.18 402	0.34 503	0.31 443	0.44 565	0.37 503	0.53 572	0.35 553	0.35 549	0.24 503	0.13 515	0.13 532	0.13 511	0.13 522	0.10 452	0.11 479
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
w-ln-seven	0.24 516	0.14 492	0.55 563	0.19 386	0.14 500	0.26 514	0.22 490	0.35 518	0.60 568	0.29 518	0.39 517	0.30 489	0.22 479	0.21 465	0.26 524	0.09 397	0.09 473	0.11 477	0.10 461	0.11 475	0.10 453

Wz-Net-TNSev	0.29 545	0.20 539	0.65 575	0.19 386	0.15 518	0.38 562	0.27 544	0.35 518	0.55 556	0.34 540	0.42 540	0.45 557	0.38 558	0.32 537	0.30 547	0.12 492	0.13 532	0.10 446	0.12 512	0.15 536	0.14 528

DGSMNet	0.24 516	0.19 535	0.33 526	0.21 475	0.24 566	0.24 493	0.20 463	0.35 518	0.41 510	0.24 470	0.32 474	0.38 535	0.21 470	0.29 526	0.23 490	0.12 492	0.11 505	0.14 523	0.16 544	0.23 562	0.23 568

GwcNet	0.20 472	0.13 480	0.19 447	0.18 325	0.12 457	0.24 493	0.19 442	0.35 518	0.43 522	0.20 419	0.32 474	0.33 514	0.20 466	0.22 478	0.24 503	0.11 467	0.09 473	0.09 398	0.09 422	0.09 420	0.10 453

stereogan	0.22 493	0.11 433	0.21 468	0.20 444	0.12 457	0.31 539	0.19 442	0.35 518	0.44 528	0.22 449	0.39 517	0.35 524	0.27 516	0.33 540	0.22 478	0.10 438	0.12 519	0.10 446	0.10 461	0.14 521	0.13 511

RTSC	0.23 509	0.12 451	0.28 507	0.21 475	0.13 480	0.28 531	0.16 319	0.35 518	0.66 579	0.27 495	0.33 486	0.30 489	0.21 470	0.31 530	0.29 542	0.10 438	0.08 444	0.09 398	0.10 461	0.13 508	0.13 511

AnyNet_C01	0.36 561	0.25 558	1.37 603	0.22 490	0.17 543	0.48 571	0.27 544	0.35 518	0.39 499	0.39 551	0.74 584	0.46 561	0.38 558	0.45 574	0.47 583	0.13 515	0.13 532	0.13 511	0.14 525	0.14 521	0.15 535

MultiAttention	0.29 545	0.08 270	0.14 297	0.19 386	0.12 457	1.45 611	1.33 613	0.36 525	0.37 489	0.19 396	0.21 344	0.24 430	0.11 261	0.38 562	0.18 430	0.06 131	0.05 211	0.08 314	0.08 373	0.10 452	0.09 426

XQC	0.28 541	0.23 550	0.51 558	0.28 552	0.19 552	0.34 549	0.27 544	0.36 525	0.57 561	0.31 528	0.30 462	0.37 531	0.30 538	0.38 562	0.38 569	0.13 515	0.09 473	0.15 535	0.12 512	0.17 550	0.18 557

RTS	0.45 573	0.19 535	3.26 609	0.24 520	0.15 518	0.74 590	0.20 463	0.36 525	0.76 590	0.42 561	0.43 543	0.31 502	0.41 568	0.53 583	0.35 562	0.10 438	0.08 444	0.13 511	0.12 512	0.15 536	0.15 535

RTSA	0.45 573	0.19 535	3.26 609	0.24 520	0.15 518	0.74 590	0.20 463	0.36 525	0.76 590	0.42 561	0.43 543	0.31 502	0.41 568	0.53 583	0.35 562	0.10 438	0.08 444	0.13 511	0.12 512	0.15 536	0.15 535

TDLM	0.17 434	0.12 451	0.13 262	0.24 520	0.10 372	0.18 412	0.18 402	0.36 525	0.30 436	0.21 433	0.28 444	0.28 472	0.18 438	0.23 489	0.18 430	0.11 467	0.07 418	0.10 446	0.10 461	0.08 357	0.08 381

PS-NSSS	0.20 472	0.21 545	0.23 483	0.20 444	0.10 372	0.19 435	0.17 357	0.36 525	0.25 381	0.27 495	0.33 486	0.27 462	0.24 493	0.20 448	0.20 449	0.15 533	0.12 519	0.17 543	0.14 525	0.10 452	0.08 381

MSAF-DinoV2	0.22 493	0.11 433	0.23 483	0.17 242	0.10 372	0.27 524	0.16 319	0.37 531	0.55 556	0.21 433	0.27 430	0.47 564	0.27 516	0.35 549	0.39 571	0.09 397	0.06 343	0.07 229	0.09 422	0.12 490	0.10 453

AASNet	0.16 414	0.08 270	0.12 215	0.19 386	0.09 269	0.18 412	0.15 251	0.37 531	0.37 489	0.19 396	0.23 363	0.20 379	0.16 401	0.17 386	0.20 449	0.10 438	0.08 444	0.08 314	0.07 305	0.09 420	0.09 426

pcwnet_v2	0.19 460	0.10 407	0.26 495	0.17 242	0.14 500	0.18 412	0.15 251	0.37 531	0.46 535	0.19 396	0.24 375	0.21 388	0.19 454	0.20 448	0.19 443	0.13 515	0.10 493	0.10 446	0.10 461	0.11 475	0.13 511

psm_up	0.18 448	0.10 407	0.18 436	0.20 444	0.11 424	0.17 393	0.19 442	0.37 531	0.34 469	0.21 433	0.28 444	0.29 480	0.24 493	0.20 448	0.22 478	0.09 397	0.10 493	0.11 477	0.11 493	0.08 357	0.08 381

Nwc_Net	0.23 509	0.16 510	0.21 468	0.25 531	0.14 500	0.24 493	0.26 537	0.37 531	0.38 496	0.22 449	0.41 534	0.30 489	0.28 526	0.28 520	0.25 513	0.11 467	0.10 493	0.17 543	0.20 557	0.10 452	0.10 453

DeepPrunerF	0.24 516	0.17 521	0.42 548	0.26 537	0.16 528	0.22 475	0.28 550	0.37 531	0.50 546	0.26 489	0.29 456	0.24 430	0.28 526	0.21 465	0.22 478	0.15 533	0.11 505	0.20 556	0.18 555	0.12 490	0.13 511

StereoDRNet	0.18 448	0.11 433	0.17 413	0.22 490	0.11 424	0.21 467	0.22 490	0.37 531	0.33 457	0.24 470	0.28 444	0.30 489	0.19 454	0.20 448	0.20 449	0.09 397	0.08 444	0.11 477	0.09 422	0.09 420	0.07 317

CSAN	0.29 545	0.24 553	0.27 502	0.34 567	0.19 552	0.33 546	0.42 585	0.37 531	0.50 546	0.38 549	0.40 523	0.44 555	0.33 547	0.28 520	0.30 547	0.20 562	0.16 550	0.19 554	0.19 556	0.14 521	0.15 535

WQFJX	0.14 346	0.09 346	0.12 215	0.25 531	0.11 424	0.11 196	0.16 319	0.38 539	0.43 522	0.13 257	0.16 255	0.10 186	0.09 200	0.17 386	0.14 352	0.06 131	0.06 343	0.08 314	0.06 214	0.04 21	0.05 146

Wz-Net-SNSev	0.25 527	0.17 521	0.44 549	0.25 531	0.14 500	0.26 514	0.23 501	0.38 539	0.56 559	0.30 522	0.55 561	0.39 543	0.26 508	0.23 489	0.30 547	0.10 438	0.09 473	0.09 398	0.10 461	0.11 475	0.11 479

SHD	0.26 535	0.15 502	0.30 518	0.24 520	0.18 549	0.22 475	0.15 251	0.38 539	0.71 583	0.32 534	0.41 534	0.36 526	0.28 526	0.32 537	0.29 542	0.12 492	0.11 505	0.14 523	0.13 522	0.16 543	0.20 563

RYNet	0.22 493	0.12 451	0.22 474	0.19 386	0.17 543	0.46 567	0.26 537	0.38 539	0.48 537	0.24 470	0.28 444	0.34 520	0.23 487	0.20 448	0.30 547	0.10 438	0.06 343	0.09 398	0.09 422	0.13 508	0.15 535

SANet	0.24 516	0.14 492	0.28 507	0.21 475	0.11 424	0.27 524	0.24 513	0.38 539	0.64 575	0.36 544	0.40 523	0.43 553	0.26 508	0.27 508	0.24 503	0.12 492	0.09 473	0.10 446	0.09 422	0.13 508	0.11 479

WZ-Net	0.28 541	0.17 521	0.78 591	0.22 490	0.16 528	0.34 549	0.29 559	0.39 544	0.57 561	0.24 470	0.55 561	0.37 531	0.24 493	0.33 540	0.35 562	0.09 397	0.08 444	0.09 398	0.10 461	0.14 521	0.16 546

APVNet	0.22 493	0.12 451	0.19 447	0.18 325	0.14 500	0.32 540	0.31 572	0.39 544	0.32 450	0.27 495	0.40 523	0.30 489	0.29 534	0.26 505	0.25 513	0.11 467	0.12 519	0.11 477	0.14 525	0.12 490	0.12 492

MaskLacGwcNet_RVC	0.22 493	0.21 545	0.24 487	0.26 537	0.11 424	0.23 488	0.14 179	0.39 544	0.24 360	0.32 534	0.36 497	0.30 489	0.21 470	0.19 423	0.21 469	0.17 554	0.14 541	0.21 557	0.16 544	0.12 490	0.12 492

DRN-Test	0.19 460	0.11 433	0.20 459	0.22 490	0.10 372	0.22 475	0.22 490	0.39 544	0.37 489	0.24 470	0.32 474	0.26 454	0.21 470	0.22 478	0.24 503	0.11 467	0.07 418	0.11 477	0.10 461	0.09 420	0.07 317

FC-DCNN v2	0.33 557	0.27 561	0.28 507	0.26 537	0.23 564	0.37 559	0.28 550	0.40 548	0.43 522	0.45 566	0.56 566	0.51 568	0.40 563	0.37 560	0.29 542	0.21 566	0.20 563	0.27 568	0.26 569	0.25 569	0.24 569

NINENet	0.16 414	0.10 407	0.15 349	0.17 242	0.11 424	0.19 435	0.14 179	0.40 548	0.36 482	0.18 380	0.21 344	0.16 319	0.13 332	0.15 320	0.13 313	0.08 338	0.08 444	0.10 446	0.07 305	0.10 452	0.09 426

NCC-stereo	0.24 516	0.15 502	0.31 520	0.26 537	0.16 528	0.20 450	0.30 566	0.40 548	0.40 507	0.24 470	0.38 509	0.33 514	0.28 526	0.36 555	0.27 532	0.12 492	0.11 505	0.15 535	0.22 562	0.13 508	0.13 511

Abc-Net	0.24 516	0.15 502	0.31 520	0.26 537	0.16 528	0.20 450	0.30 566	0.40 548	0.40 507	0.24 470	0.38 509	0.33 514	0.28 526	0.36 555	0.27 532	0.12 492	0.11 505	0.15 535	0.22 562	0.13 508	0.13 511
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FC-DCNN	0.33 557	0.27 561	0.28 507	0.26 537	0.23 564	0.37 559	0.28 550	0.40 548	0.43 522	0.45 566	0.55 561	0.51 568	0.40 563	0.37 560	0.30 547	0.21 566	0.20 563	0.27 568	0.26 569	0.25 569	0.24 569

MeshStereo	0.27 537	0.13 480	0.18 436	0.15 86	0.11 424	0.32 540	0.24 513	0.40 548	0.36 482	0.52 572	0.57 569	0.67 583	0.40 563	0.35 549	0.26 524	0.14 529	0.13 532	0.13 511	0.11 493	0.11 475	0.10 453
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
otaku	0.39 563	0.37 576	0.52 559	0.44 578	0.28 573	0.58 577	0.24 513	0.41 554	0.62 571	0.40 554	0.49 551	0.46 561	0.33 547	0.40 570	0.32 555	0.30 580	0.30 581	0.39 582	0.33 581	0.29 576	0.28 577

ADCS	0.29 545	0.18 532	0.45 550	0.21 475	0.17 543	0.28 531	0.23 501	0.41 554	0.63 574	0.40 554	0.49 551	0.40 547	0.36 555	0.39 566	0.40 574	0.13 515	0.12 519	0.13 511	0.14 525	0.16 543	0.16 546

GANet	0.21 484	0.12 451	0.21 468	0.24 520	0.13 480	0.22 475	0.22 490	0.41 554	0.26 395	0.31 528	0.42 540	0.37 531	0.28 526	0.23 489	0.22 478	0.10 438	0.12 519	0.10 446	0.09 422	0.10 452	0.08 381

SGM-ForestM	0.32 554	0.12 451	0.16 383	0.16 166	0.11 424	0.39 563	0.19 442	0.41 554	0.50 546	0.52 572	0.54 559	1.32 603	0.42 571	0.40 570	0.27 532	0.14 529	0.16 550	0.16 541	0.16 544	0.12 490	0.12 492

FBW_ROB	0.24 516	0.17 521	0.22 474	0.26 537	0.14 500	0.25 504	0.22 490	0.41 554	0.41 510	0.41 558	0.41 534	0.42 550	0.27 516	0.31 530	0.23 490	0.09 397	0.14 541	0.14 523	0.12 512	0.11 475	0.09 426

PSMNet-RUCA	0.27 537	0.33 572	0.41 546	0.36 571	0.32 579	0.18 412	0.19 442	0.42 559	0.30 436	0.33 538	0.41 534	0.39 543	0.25 502	0.31 530	0.20 449	0.18 555	0.10 493	0.25 564	0.15 540	0.21 558	0.16 546

FCDSN-DC	0.33 557	0.28 565	0.28 507	0.30 562	0.24 566	0.39 563	0.28 550	0.42 559	0.42 517	0.43 564	0.53 557	0.51 568	0.41 568	0.36 555	0.30 547	0.21 566	0.20 563	0.27 568	0.26 569	0.25 569	0.24 569
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LSM	0.33 557	0.20 539	0.58 569	0.26 537	0.60 596	0.34 549	0.25 528	0.42 559	0.48 537	0.45 566	0.58 571	0.42 550	0.36 555	0.35 549	0.25 513	0.12 492	0.20 563	0.14 523	0.16 544	0.19 556	0.33 583

LALA_ROB	0.25 527	0.16 510	0.22 474	0.26 537	0.17 543	0.27 524	0.27 544	0.42 559	0.37 489	0.33 538	0.38 509	0.51 568	0.26 508	0.28 520	0.27 532	0.16 549	0.09 473	0.12 496	0.11 493	0.13 508	0.12 492

MDST_ROB	0.22 493	0.10 407	0.17 413	0.18 325	0.11 424	0.37 559	0.19 442	0.43 563	0.41 510	0.39 551	0.39 517	0.29 480	0.21 470	0.26 505	0.18 430	0.11 467	0.10 493	0.14 523	0.11 493	0.10 452	0.08 381

PSMNet_ROB	0.21 484	0.11 433	0.15 349	0.27 549	0.15 518	0.24 493	0.35 576	0.43 563	0.37 489	0.27 495	0.32 474	0.32 511	0.22 479	0.21 465	0.26 524	0.12 492	0.08 444	0.13 511	0.11 493	0.09 420	0.09 426

GASNet	0.22 493	0.23 550	0.33 526	0.26 537	0.17 543	0.26 514	0.16 319	0.44 565	0.42 517	0.27 495	0.24 375	0.30 489	0.15 375	0.27 508	0.18 430	0.12 492	0.08 444	0.12 496	0.11 493	0.16 543	0.07 317

NVstereo2D	0.19 460	0.10 407	0.15 349	0.17 242	0.15 518	0.28 531	0.23 501	0.44 565	0.42 517	0.15 306	0.27 430	0.25 444	0.19 454	0.22 478	0.17 412	0.09 397	0.06 343	0.10 446	0.08 373	0.15 536	0.09 426

PDISCO_ROB	0.27 537	0.16 510	0.26 495	0.28 552	0.20 555	0.32 540	0.26 537	0.44 565	0.57 561	0.28 510	0.40 523	0.45 557	0.29 534	0.33 540	0.34 561	0.12 492	0.09 473	0.17 543	0.16 544	0.17 550	0.13 511

ccnet	0.29 545	0.28 565	0.23 483	0.20 444	0.28 573	0.41 566	0.21 480	0.45 568	0.33 457	0.36 544	0.46 547	0.36 526	0.30 538	0.39 566	0.42 578	0.23 575	0.14 541	0.21 557	0.17 551	0.23 562	0.18 557

CC-Net-ROB	0.28 541	0.31 570	0.36 535	0.29 560	0.15 518	0.25 504	0.19 442	0.45 568	0.33 457	0.39 551	0.37 503	0.39 543	0.31 542	0.27 508	0.26 524	0.24 577	0.19 560	0.30 578	0.23 566	0.18 553	0.15 535

Ntro	0.40 566	0.40 578	0.53 560	0.46 582	0.30 577	0.65 583	0.24 513	0.46 570	0.68 581	0.41 558	0.49 551	0.48 566	0.42 571	0.39 566	0.31 554	0.32 581	0.28 579	0.37 581	0.30 578	0.32 581	0.29 578

SAMSARA	0.40 566	0.28 565	0.33 526	0.55 585	0.39 580	0.82 597	1.23 612	0.47 571	0.51 553	0.36 544	0.35 494	0.55 574	0.39 560	0.38 562	0.39 571	0.15 533	0.20 563	0.15 535	0.14 525	0.23 562	0.20 563

GANetREF_RVC	0.31 552	0.34 573	0.27 502	0.35 569	0.16 528	0.32 540	0.41 582	0.48 572	0.51 553	0.35 541	0.35 494	0.34 520	0.33 547	0.39 566	0.32 555	0.27 579	0.20 563	0.29 576	0.15 540	0.18 553	0.17 554
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
NVStereoNet_ROB	0.46 576	0.36 575	0.46 554	0.41 576	0.28 573	0.34 549	0.34 575	0.48 572	0.60 568	0.72 586	0.93 594	0.70 586	0.66 591	0.47 575	0.60 593	0.22 571	0.33 585	0.34 580	0.34 583	0.30 577	0.30 580
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 577	0.26 559	0.58 569	0.28 552	0.20 555	0.39 563	0.18 402	0.49 574	0.64 575	0.52 572	0.87 591	1.01 592	0.57 585	0.50 577	0.56 590	0.53 593	0.31 584	0.54 591	0.40 584	0.33 582	0.34 584

ACVNet-4b	0.39 563	0.53 583	0.55 563	0.45 579	0.24 566	0.47 569	0.18 402	0.49 574	0.64 575	0.42 561	0.45 546	0.60 576	0.27 516	0.34 543	0.24 503	0.33 582	0.14 541	0.48 585	0.42 586	0.30 577	0.26 576

ELAS_RVC	0.41 568	0.29 568	0.33 526	0.28 552	0.24 566	0.54 575	0.36 577	0.49 574	0.59 565	0.72 586	0.74 584	0.65 581	0.54 580	0.54 585	0.40 574	0.22 571	0.20 563	0.27 568	0.26 569	0.26 574	0.25 574
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 568	0.29 568	0.33 526	0.27 549	0.24 566	0.60 580	0.36 577	0.50 577	0.50 546	0.71 584	0.79 588	0.67 583	0.54 580	0.51 579	0.42 578	0.22 571	0.20 563	0.27 568	0.26 569	0.26 574	0.25 574
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DPSNet	0.28 541	0.16 510	0.31 520	0.18 325	0.13 480	0.54 575	0.42 585	0.51 578	0.67 580	0.29 518	0.38 509	0.38 535	0.29 534	0.31 530	0.23 490	0.11 467	0.10 493	0.11 477	0.08 373	0.20 557	0.16 546

MFN_U_SF_RVC	0.32 554	0.21 545	0.55 563	0.30 562	0.15 518	0.34 549	0.17 357	0.52 579	0.46 535	0.46 569	0.55 561	0.59 575	0.39 560	0.35 549	0.37 567	0.15 533	0.14 541	0.18 552	0.21 559	0.16 543	0.15 535

PVD	0.39 563	0.20 539	0.39 542	0.31 566	0.22 561	0.29 535	0.43 587	0.52 579	0.96 597	0.55 576	0.79 588	0.53 572	0.59 587	0.52 581	0.38 569	0.19 560	0.14 541	0.17 543	0.14 525	0.24 568	0.31 581

MSC_U_SF_DS_RVC	0.43 570	0.39 577	0.54 561	0.40 574	0.20 555	0.64 582	0.32 574	0.53 581	0.72 584	0.71 584	0.72 581	0.61 577	0.54 580	0.51 579	0.46 582	0.20 562	0.19 560	0.29 576	0.30 578	0.23 562	0.18 557

BEATNet-Init1	0.52 579	0.27 561	0.62 573	0.30 562	0.21 559	0.76 594	0.29 559	0.54 582	0.65 578	0.86 595	0.95 596	2.07 612	0.62 590	0.56 587	0.42 578	0.18 555	0.18 557	0.23 562	0.22 562	0.22 561	0.21 565

MANE	0.45 573	0.27 561	0.27 502	0.27 549	0.24 566	0.47 569	0.31 572	0.55 583	0.59 565	0.72 586	1.13 605	1.15 597	0.61 588	0.52 581	0.37 567	0.21 566	0.20 563	0.27 568	0.31 580	0.25 569	0.24 569

anonymity	0.53 580	0.58 585	0.65 575	0.41 576	0.61 597	0.53 574	0.41 582	0.56 584	0.41 510	0.55 576	0.50 555	0.49 567	0.55 583	0.58 588	0.50 588	0.58 596	0.50 599	0.51 587	0.51 593	0.51 586	0.57 594

SGM+DAISY	0.56 582	0.57 584	0.65 575	0.40 574	0.54 589	0.66 585	0.49 589	0.56 584	0.45 534	0.66 580	0.69 578	0.67 583	0.56 584	0.63 590	0.56 590	0.59 597	0.48 595	0.50 586	0.50 592	0.52 587	0.58 595

ACVNet_1	0.44 571	0.49 582	0.60 571	0.45 579	0.28 573	0.49 572	0.27 544	0.57 586	0.72 584	0.62 579	0.58 571	0.74 587	0.49 577	0.50 577	0.35 562	0.26 578	0.24 576	0.39 582	0.29 576	0.31 580	0.24 569

Consistency-Raft	0.44 571	0.40 578	0.45 550	0.37 573	0.43 584	0.46 567	0.41 582	0.57 586	0.55 556	0.32 534	0.73 582	0.33 514	0.48 576	0.42 573	0.49 585	0.39 584	0.35 586	0.45 584	0.51 593	0.42 584	0.29 578

RainbowNet	0.54 581	0.61 587	0.70 589	0.57 586	0.43 584	0.65 583	0.37 580	0.60 588	0.87 594	0.50 571	0.66 575	0.64 579	0.47 575	0.49 576	0.43 581	0.47 590	0.48 595	0.52 589	0.41 585	0.52 587	0.40 589

SPS-STEREO	0.57 583	0.58 585	0.65 575	0.45 579	0.55 591	0.62 581	0.44 588	0.62 589	0.50 546	0.68 582	0.64 573	0.66 582	0.57 585	0.61 589	0.60 593	0.62 599	0.47 594	0.51 587	0.49 590	0.55 591	0.58 595
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 584	0.66 591	0.65 575	0.51 583	0.69 601	0.69 586	0.57 595	0.64 590	0.73 588	0.60 578	0.73 582	0.62 578	0.67 592	0.65 591	0.60 593	0.66 601	0.58 608	0.63 592	0.59 596	0.68 598	0.69 604

MADNet+	0.75 591	0.71 593	3.70 612	0.66 588	0.41 582	0.98 602	0.97 610	0.69 591	0.73 588	0.52 572	0.57 569	0.64 579	0.68 593	0.86 601	1.01 609	0.34 583	0.36 587	0.28 575	0.23 566	0.36 583	0.31 581

JetBlue	0.71 588	0.45 581	1.14 601	0.51 583	0.47 586	2.02 612	0.64 599	0.75 592	0.70 582	0.69 583	0.77 587	1.22 599	0.83 598	1.03 609	1.01 609	0.40 585	0.28 579	0.33 579	0.33 581	0.30 577	0.34 584

UNDER WATER-64	0.95 600	0.94 602	1.43 605	0.87 599	0.56 592	1.18 610	0.87 607	0.77 593	0.94 596	1.04 602	0.85 590	1.58 610	1.21 612	0.94 606	0.96 607	0.87 608	0.57 607	1.03 608	0.88 609	0.78 604	0.73 605

UNDER WATER	0.97 601	0.97 604	1.42 604	0.99 603	0.70 604	1.12 609	0.84 606	0.80 594	1.08 598	1.01 601	0.90 592	1.55 609	1.22 613	1.03 609	1.00 608	0.78 606	0.53 602	1.02 607	0.87 608	0.80 605	0.74 606

TorneroNet-64	0.76 592	0.72 594	0.74 590	0.78 593	0.58 595	0.91 601	0.56 594	0.84 595	1.29 603	0.66 580	0.90 592	1.40 605	0.75 595	0.85 600	0.67 599	0.49 591	0.46 590	0.72 596	0.59 596	0.67 597	0.53 593

PWCK	0.71 588	0.94 602	0.95 598	0.76 591	0.31 578	0.74 590	0.36 577	0.90 596	0.90 595	0.96 599	0.75 586	0.95 591	0.61 588	0.87 602	0.66 596	0.72 602	0.46 590	0.75 597	0.49 590	0.69 600	0.44 591

IMH-64-1	0.65 585	0.61 587	0.68 583	0.71 589	0.51 587	0.59 578	0.49 589	0.91 597	0.85 592	0.74 590	1.02 598	0.81 588	0.78 596	0.79 594	0.49 585	0.42 586	0.46 590	0.71 594	0.47 588	0.52 587	0.39 587

IMH-64	0.65 585	0.61 587	0.68 583	0.71 589	0.51 587	0.59 578	0.49 589	0.91 597	0.85 592	0.74 590	1.02 598	0.81 588	0.78 596	0.79 594	0.49 585	0.42 586	0.46 590	0.71 594	0.47 588	0.52 587	0.39 587

notaker	0.97 601	1.11 605	0.98 599	1.13 606	0.81 605	0.73 589	0.68 603	0.93 599	1.16 600	1.18 609	1.18 607	1.41 606	1.16 611	1.08 611	0.69 600	0.81 607	0.64 610	1.17 609	0.79 606	0.98 607	0.80 608

ktn	1.01 603	1.21 607	0.80 594	1.23 608	0.86 607	1.01 605	0.87 607	0.94 600	1.39 606	1.04 602	1.12 604	1.15 597	1.07 607	0.94 606	0.59 592	1.28 613	0.71 611	1.38 613	0.83 607	1.02 609	0.75 607

TorneroNet	0.82 595	0.74 595	0.81 595	0.84 596	0.63 598	0.99 603	0.63 597	0.96 601	1.16 600	0.80 593	1.11 603	1.36 604	0.86 600	0.93 605	0.80 604	0.56 594	0.49 597	0.78 602	0.66 601	0.73 603	0.63 603

ACVNet_2	0.66 587	0.66 591	0.68 583	0.63 587	0.41 582	0.71 588	0.49 589	0.96 601	1.39 606	0.89 596	1.09 601	1.04 593	0.73 594	0.54 585	0.47 583	0.43 588	0.40 588	0.53 590	0.44 587	0.47 585	0.35 586

WAO-6	0.81 594	0.80 597	0.62 573	0.86 598	0.63 598	0.76 594	0.58 596	0.98 603	1.54 611	0.90 597	0.96 597	1.07 595	1.03 606	0.70 593	0.66 596	0.72 602	0.49 597	0.90 605	0.71 603	0.68 598	0.58 595

IMH	0.71 588	0.64 590	0.68 583	0.76 591	0.54 589	0.69 586	0.54 593	0.98 603	1.10 599	0.82 594	1.09 601	0.89 590	0.88 601	0.87 602	0.52 589	0.44 589	0.50 599	0.75 597	0.51 593	0.56 592	0.41 590

HanzoNet	1.29 606	1.26 609	1.19 602	1.12 605	0.85 606	1.02 606	0.83 605	1.03 605	1.48 610	1.64 612	1.61 613	2.50 614	1.72 614	1.61 613	1.61 612	1.26 612	0.80 612	1.31 612	1.01 611	1.02 609	0.86 609

WAO-7	0.79 593	0.78 596	0.54 561	0.85 597	0.67 600	0.74 590	0.68 603	1.05 606	1.32 604	0.90 597	1.20 608	1.04 593	0.92 602	0.69 592	0.66 596	0.60 598	0.62 609	0.67 593	0.68 602	0.64 594	0.58 595

LVE	0.83 596	0.85 600	0.85 596	0.80 594	0.56 592	1.04 607	0.65 600	1.05 606	1.47 609	0.96 599	1.22 609	1.10 596	0.85 599	0.83 597	0.71 601	0.49 591	0.55 605	0.76 600	0.60 598	0.65 595	0.59 600

TCMNet-wrong-test	3.67 610	5.48 623	3.89 613	12.18 622	11.75 624	4.65 614	3.88 616	1.06 608	0.72 584	1.09 606	2.15 615	6.30 619	0.53 579	3.43 616	2.36 615	0.89 609	0.20 563	1.87 616	1.69 615	5.57 620	3.62 620

WAO-8	0.91 598	0.81 598	0.65 575	0.94 601	0.69 601	0.90 598	0.67 601	1.07 609	1.83 614	1.06 604	1.45 611	1.30 600	1.07 607	0.84 598	0.78 602	0.74 604	0.53 602	0.86 603	0.75 604	0.69 600	0.62 601

Venus	0.91 598	0.81 598	0.65 575	0.94 601	0.69 601	0.90 598	0.67 601	1.07 609	1.83 614	1.06 604	1.45 611	1.30 600	1.07 607	0.84 598	0.78 602	0.74 604	0.53 602	0.86 603	0.75 604	0.69 600	0.62 601

KSHMR	1.09 604	1.17 606	0.88 597	1.25 609	1.00 609	0.99 603	0.96 609	1.13 611	1.37 605	1.16 608	1.29 610	1.41 606	0.96 604	1.01 608	0.92 606	1.03 611	1.08 613	1.20 610	1.03 612	1.01 608	0.97 610

Dean	0.87 597	0.86 601	0.79 593	0.81 595	0.56 592	0.90 598	0.63 597	1.15 612	1.73 612	1.15 607	1.15 606	1.31 602	0.99 605	0.81 596	0.81 605	0.57 595	0.56 606	0.77 601	0.64 599	0.66 596	0.58 595

DPSimNet_ROB	1.11 605	1.23 608	0.78 591	1.13 606	0.88 608	1.10 608	1.13 611	1.16 613	1.23 602	1.43 611	1.02 598	1.41 606	1.10 610	0.90 604	1.60 611	1.46 614	0.51 601	1.21 611	1.03 612	0.90 606	1.01 612

JetRed	1.62 607	1.46 610	2.98 607	0.92 600	1.21 610	4.99 615	1.53 615	1.27 614	1.39 606	1.83 613	1.74 614	1.60 611	0.95 603	1.41 612	2.45 616	0.90 610	1.60 614	0.93 606	0.90 610	1.35 611	0.99 611

MADNet++	1.95 608	1.75 611	1.59 606	1.82 610	1.69 612	2.33 613	1.40 614	2.35 615	2.09 616	2.57 615	2.36 616	2.24 613	2.17 615	2.28 614	2.34 614	1.87 615	1.66 615	1.54 614	1.34 614	1.92 612	1.77 614

PML	8.91 619	9.34 627	6.13 614	5.35 615	6.41 617	14.99 622	23.38 627	5.27 616	6.83 618	18.04 630	28.19 638	7.67 620	6.83 618	7.85 621	5.75 617	5.35 622	1.83 616	5.95 626	1.93 616	8.64 623	2.52 616

DPSMNet_ROB	8.06 617	4.48 616	8.63 622	5.37 617	10.74 621	8.32 617	22.98 626	5.46 617	13.36 625	5.12 617	9.92 621	5.08 616	10.40 623	5.53 619	12.58 623	3.80 621	8.00 622	3.50 618	7.02 621	3.83 618	7.14 622

DGTPSM_ROB	8.06 617	4.48 616	8.63 622	5.35 615	10.72 620	8.32 617	22.97 625	5.46 617	13.35 624	5.12 617	9.92 621	5.08 616	10.40 623	5.52 618	12.58 623	3.79 620	8.00 622	3.50 618	7.02 621	3.83 618	7.14 622

LRCNet_RVC	10.62 622	13.42 628	7.30 615	18.92 626	2.07 613	0.33 546	0.30 566	5.59 619	0.48 537	13.03 626	17.94 627	8.87 621	5.65 617	4.79 617	1.89 613	23.51 634	2.73 620	27.55 637	25.71 637	16.07 631	16.33 632

xxxxx1	7.79 613	5.02 620	7.31 616	3.12 612	3.85 614	16.35 623	22.88 622	5.86 620	8.69 619	7.97 620	8.54 618	9.12 622	8.27 620	10.18 622	10.92 620	2.42 617	2.45 617	3.56 620	12.37 624	3.77 615	3.06 617

tt_ll	7.79 613	5.02 620	7.31 616	3.12 612	3.85 614	16.35 623	22.88 622	5.86 620	8.69 619	7.97 620	8.54 618	9.12 622	8.27 620	10.18 622	10.92 620	2.42 617	2.45 617	3.56 620	12.37 624	3.77 615	3.06 617

ff	7.79 613	5.02 620	7.31 616	3.12 612	3.85 614	16.35 623	22.88 622	5.86 620	8.69 619	7.97 620	8.54 618	9.12 622	8.27 620	10.18 622	10.92 620	2.42 617	2.45 617	3.56 620	12.37 624	3.77 615	3.06 617

USTest	6.22 612	2.73 614	3.00 608	6.57 618	7.29 618	14.37 621	21.57 621	7.00 623	9.56 622	5.34 619	6.10 617	5.72 618	7.64 619	6.41 620	6.96 619	1.97 616	3.42 621	1.64 615	2.15 618	2.66 613	2.36 615

tt	4.67 611	0.06 76	3.55 611	2.02 611	1.55 611	10.25 619	16.71 620	8.91 624	5.03 617	1.31 610	0.94 595	4.71 615	4.76 616	3.33 615	5.87 618	6.06 623	10.30 627	1.88 617	2.11 617	2.75 614	1.21 613

RSGM-EC	20.36 627	4.73 618	0.68 583	16.76 623	16.92 628	21.28 630	27.18 631	10.46 625	14.04 627	18.00 628	21.31 630	22.24 636	21.82 630	22.57 630	17.63 629	62.81 637	33.79 637	20.14 634	18.10 634	20.18 633	16.45 633

acva	20.36 627	4.73 618	0.68 583	16.76 623	16.92 628	21.28 630	27.18 631	10.46 625	14.04 627	18.00 628	21.31 630	22.24 636	21.82 630	22.57 630	17.63 629	62.81 637	33.79 637	20.14 634	18.10 634	20.18 633	16.45 633

Anonymous_1	10.96 623	7.92 624	7.46 619	10.33 619	10.06 619	18.65 627	26.34 628	11.06 627	13.44 626	9.40 623	10.05 623	9.67 625	11.23 625	10.73 625	12.72 625	6.42 624	8.38 624	5.77 623	10.61 623	12.12 624	6.77 621

DPSM_ROB	11.15 624	8.58 625	8.00 620	10.88 620	11.58 622	19.10 628	26.71 629	12.05 628	14.07 629	10.36 624	10.84 624	10.33 626	11.86 626	11.70 626	13.54 626	6.99 625	8.79 625	5.89 624	6.95 619	7.29 621	7.42 624

DPSM	11.15 624	8.58 625	8.00 620	10.88 620	11.58 622	19.10 628	26.71 629	12.05 628	14.07 629	10.36 624	10.84 624	10.33 626	11.86 626	11.70 626	13.54 626	6.99 625	8.79 625	5.89 624	6.95 619	7.29 621	7.42 624

HaxPig	15.71 626	18.52 635	19.18 630	16.89 625	15.89 627	7.73 616	7.60 617	13.31 630	10.82 623	15.42 627	14.91 626	15.98 628	14.92 628	15.58 628	15.98 628	18.95 633	16.73 628	19.46 633	18.08 633	19.26 632	19.05 635

MEDIAN_ROB	20.38 629	24.04 636	23.31 633	21.23 627	21.71 630	10.40 620	7.92 618	17.64 631	15.50 631	20.12 631	19.70 628	20.34 629	20.32 629	21.19 629	21.13 631	23.81 635	21.81 635	24.98 636	23.76 636	24.71 635	23.93 636

AVERAGE_ROB	24.90 636	29.20 637	28.14 634	24.89 634	24.64 636	17.75 626	11.12 619	21.45 632	19.93 632	25.12 638	24.46 637	25.12 638	25.46 638	24.69 638	22.83 632	29.76 636	27.13 636	28.97 638	27.95 638	29.91 636	29.47 637

RAFT-FEzeroshot	22.43 631	17.33 630	15.98 624	22.02 629	23.31 633	38.34 633	53.82 636	24.05 633	28.39 634	20.61 633	21.76 632	20.88 632	23.92 635	23.41 632	27.42 636	14.07 628	17.69 630	11.83 629	14.02 629	14.69 627	14.97 629

RAFT-FE	22.43 631	17.33 630	15.98 624	22.02 629	23.31 633	38.34 633	53.82 636	24.05 633	28.39 634	20.61 633	21.76 632	20.88 632	23.92 635	23.41 632	27.42 636	14.07 628	17.69 630	11.83 629	14.02 629	14.69 627	14.97 629

CasAABBNet	22.42 630	17.33 630	16.01 626	22.01 628	23.28 632	38.32 632	53.80 635	24.14 635	28.41 636	20.60 632	21.77 634	20.89 634	23.91 634	23.43 634	27.36 634	14.07 628	17.69 630	11.83 629	14.01 628	14.67 626	14.95 628

FlowAnything	22.44 633	17.35 633	16.14 628	22.07 632	23.23 631	38.39 635	53.77 634	24.25 636	28.44 637	20.96 637	21.82 635	20.70 630	23.84 632	23.49 635	27.14 633	14.04 627	17.79 634	11.75 627	14.15 632	14.65 625	14.89 626

LSM0	22.87 635	17.28 629	18.96 629	22.19 633	29.04 637	38.42 637	53.71 633	24.28 637	28.31 633	20.78 636	21.00 629	21.43 635	24.16 637	23.50 636	27.39 635	14.09 632	17.38 629	11.84 632	14.04 631	14.73 630	14.89 626

Selective-RAFT-Error	22.47 634	17.37 634	16.09 627	22.06 631	23.34 635	38.39 635	53.83 638	24.29 638	28.47 638	20.74 635	21.83 636	20.81 631	23.90 633	23.54 637	27.53 638	14.08 631	17.69 630	11.82 628	14.00 627	14.69 627	15.00 631

test_example2	98.32 637	94.13 638	45.89 635	96.35 635	109.85 638	88.61 638	95.45 639	25.75 639	94.37 639	130.00 640	126.06 639	58.17 639	74.63 639	88.51 639	79.96 639	150.23 639	221.02 639	77.62 639	99.10 639	113.75 639	96.94 638

ccccc		285.66 639		368.85 638	370.60 639	123.16 639		115.05 640		126.68 639		122.83 640		252.94 640		384.56 640	353.86 640	254.69 640	223.00 640	425.87 640

ASD4		3.38 615

Low-res two-view benchmark