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 74	0.13 10	0.05 1	0.08 54	0.04 1	0.06 1	0.05 3	0.08 78	0.05 7	0.07 78	0.06 45	0.09 37	0.10 126	0.05 33	0.04 23	0.05 33	0.03 1	0.04 19	0.04 33
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 74	0.13 10	0.05 1	0.08 54	0.04 1	0.06 1	0.05 3	0.08 78	0.05 7	0.07 78	0.06 45	0.09 37	0.10 126	0.05 33	0.04 23	0.05 33	0.03 1	0.04 19	0.04 33
1853532: FS-TRT-Harmonize: Photometric Harmonization for ETH3D Low-Res Two-View. Technical report (online)
MLG-Stereo_test1	0.06 1	0.05 18	0.08 24	0.17 233	0.05 1	0.07 27	0.11 55	0.09 12	0.03 1	0.05 2	0.04 1	0.06 20	0.05 15	0.09 37	0.09 50	0.05 33	0.04 23	0.05 33	0.03 1	0.04 19	0.05 129

FoundationStereo	0.06 1	0.04 1	0.08 24	0.13 10	0.05 1	0.09 96	0.13 125	0.06 1	0.09 28	0.05 2	0.05 7	0.06 20	0.04 1	0.07 3	0.07 1	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

MatchStereo	0.07 5	0.04 1	0.08 24	0.14 39	0.06 16	0.05 3	0.12 82	0.12 55	0.09 28	0.07 43	0.07 43	0.04 1	0.04 1	0.09 37	0.09 50	0.06 125	0.05 181	0.05 33	0.03 1	0.04 19	0.05 129

BridgeDepth_RVC	0.07 5	0.04 1	0.09 74	0.11 1	0.05 1	0.10 142	0.10 32	0.14 92	0.09 28	0.06 11	0.07 43	0.06 20	0.08 163	0.07 3	0.10 126	0.06 125	0.04 23	0.04 1	0.04 43	0.05 115	0.04 33
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
VIP-Stereo	0.07 5	0.07 146	0.08 24	0.15 80	0.06 16	0.11 186	0.10 32	0.11 35	0.11 67	0.06 11	0.07 43	0.06 20	0.05 15	0.10 76	0.08 14	0.05 33	0.04 23	0.05 33	0.04 43	0.03 1	0.03 1

BridgeDepth	0.07 5	0.07 146	0.08 24	0.18 316	0.06 16	0.07 27	0.11 55	0.10 19	0.06 6	0.04 1	0.07 43	0.10 183	0.09 195	0.08 16	0.08 14	0.04 6	0.03 1	0.04 1	0.04 43	0.03 1	0.03 1
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
MonStereo	0.07 5	0.06 65	0.06 1	0.15 80	0.05 1	0.08 54	0.10 32	0.15 120	0.15 179	0.05 2	0.06 14	0.05 2	0.06 45	0.07 3	0.09 50	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

Wavelet-MonSter	0.07 5	0.05 18	0.07 5	0.16 156	0.06 16	0.07 27	0.11 55	0.10 19	0.08 14	0.06 11	0.07 43	0.07 78	0.07 122	0.09 37	0.09 50	0.04 6	0.04 23	0.04 1	0.03 1	0.03 1	0.03 1

Monster-pub-eth3d	0.07 5	0.06 65	0.06 1	0.15 80	0.05 1	0.08 54	0.10 32	0.15 120	0.15 179	0.05 2	0.06 14	0.05 2	0.06 45	0.07 3	0.10 126	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

Monster-pub-mixall	0.07 5	0.04 1	0.09 74	0.13 10	0.06 16	0.06 10	0.08 9	0.12 55	0.07 11	0.06 11	0.06 14	0.05 2	0.06 45	0.09 37	0.09 50	0.06 125	0.04 23	0.04 1	0.03 1	0.05 115	0.05 129

Replicate-Monster	0.07 5	0.05 18	0.09 74	0.14 39	0.06 16	0.09 96	0.09 20	0.14 92	0.12 99	0.05 2	0.07 43	0.06 20	0.06 45	0.08 16	0.10 126	0.06 125	0.04 23	0.05 33	0.03 1	0.04 19	0.04 33

AdaDepth	0.07 5	0.06 65	0.07 5	0.18 316	0.06 16	0.11 186	0.11 55	0.10 19	0.08 14	0.06 11	0.05 7	0.07 78	0.06 45	0.09 37	0.10 126	0.04 6	0.05 181	0.05 33	0.04 43	0.04 19	0.04 33

asda	0.07 5	0.08 262	0.08 24	0.16 156	0.07 78	0.06 10	0.10 32	0.16 149	0.11 67	0.06 11	0.06 14	0.05 2	0.06 45	0.10 76	0.10 126	0.03 1	0.03 1	0.04 1	0.03 1	0.04 19	0.03 1

asd	0.07 5	0.08 262	0.08 24	0.16 156	0.07 78	0.08 54	0.08 9	0.11 35	0.08 14	0.07 43	0.07 43	0.06 20	0.06 45	0.10 76	0.09 50	0.03 1	0.03 1	0.04 1	0.04 43	0.04 19	0.03 1

2.25w	0.07 5	0.07 146	0.08 24	0.15 80	0.06 16	0.08 54	0.09 20	0.10 19	0.15 179	0.08 78	0.10 141	0.07 78	0.06 45	0.09 37	0.10 126	0.05 33	0.04 23	0.04 1	0.04 43	0.03 1	0.04 33

4.25_new	0.07 5	0.08 262	0.09 74	0.15 80	0.06 16	0.08 54	0.08 9	0.14 92	0.08 14	0.07 43	0.07 43	0.06 20	0.06 45	0.12 211	0.10 126	0.04 6	0.03 1	0.04 1	0.03 1	0.04 19	0.03 1

4.5w_new	0.07 5	0.08 262	0.09 74	0.15 80	0.06 16	0.08 54	0.08 9	0.14 92	0.08 14	0.07 43	0.07 43	0.06 20	0.06 45	0.12 211	0.10 126	0.04 6	0.03 1	0.04 1	0.03 1	0.04 19	0.03 1

4.5_new	0.07 5	0.09 334	0.08 24	0.15 80	0.07 78	0.07 27	0.10 32	0.14 92	0.11 67	0.06 11	0.08 88	0.06 20	0.06 45	0.08 16	0.10 126	0.03 1	0.03 1	0.04 1	0.04 43	0.04 19	0.03 1

4.5w-stereo	0.07 5	0.09 334	0.08 24	0.15 80	0.07 78	0.07 27	0.10 32	0.14 92	0.11 67	0.06 11	0.08 88	0.06 20	0.06 45	0.08 16	0.10 126	0.03 1	0.03 1	0.04 1	0.04 43	0.04 19	0.03 1

4.25w-stereo	0.07 5	0.08 262	0.09 74	0.15 80	0.06 16	0.08 54	0.08 9	0.14 92	0.08 14	0.07 43	0.07 43	0.06 20	0.06 45	0.12 211	0.10 126	0.04 6	0.03 1	0.04 1	0.03 1	0.04 19	0.03 1

4w-stereo	0.07 5	0.08 262	0.08 24	0.16 156	0.07 78	0.07 27	0.08 9	0.11 35	0.09 28	0.07 43	0.07 43	0.05 2	0.06 45	0.09 37	0.10 126	0.03 1	0.03 1	0.04 1	0.04 43	0.04 19	0.03 1

2.5w	0.07 5	0.07 146	0.08 24	0.16 156	0.06 16	0.08 54	0.12 82	0.10 19	0.10 40	0.07 43	0.06 14	0.09 149	0.06 45	0.08 16	0.09 50	0.04 6	0.03 1	0.04 1	0.04 43	0.03 1	0.03 1

2.75w_new	0.07 5	0.07 146	0.07 5	0.13 10	0.06 16	0.08 54	0.08 9	0.18 212	0.13 136	0.08 78	0.08 88	0.06 20	0.06 45	0.09 37	0.11 197	0.04 6	0.04 23	0.04 1	0.03 1	0.03 1	0.04 33

3.25w_new	0.07 5	0.06 65	0.08 24	0.15 80	0.06 16	0.10 142	0.07 5	0.12 55	0.11 67	0.08 78	0.07 43	0.07 78	0.06 45	0.11 126	0.10 126	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 33

3.25w	0.07 5	0.06 65	0.08 24	0.15 80	0.06 16	0.10 142	0.07 5	0.12 55	0.11 67	0.08 78	0.07 43	0.07 78	0.06 45	0.11 126	0.10 126	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 33

3.75w	0.07 5	0.07 146	0.08 24	0.16 156	0.07 78	0.07 27	0.09 20	0.16 149	0.10 40	0.07 43	0.06 14	0.06 20	0.06 45	0.09 37	0.10 126	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 5	0.07 146	0.07 5	0.15 80	0.07 78	0.09 96	0.06 3	0.14 92	0.11 67	0.08 78	0.07 43	0.06 20	0.07 122	0.10 76	0.09 50	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

monsters	0.07 5	0.06 65	0.06 1	0.15 80	0.06 16	0.08 54	0.09 20	0.13 74	0.09 28	0.09 119	0.07 43	0.06 20	0.06 45	0.09 37	0.08 14	0.05 33	0.04 23	0.04 1	0.04 43	0.03 1	0.04 33

111111	0.07 5	0.05 18	0.10 115	0.17 233	0.06 16	0.05 3	0.10 32	0.11 35	0.10 40	0.06 11	0.06 14	0.07 78	0.05 15	0.08 16	0.09 50	0.06 125	0.04 23	0.05 33	0.04 43	0.07 285	0.06 222

LG-Stereo_L2	0.07 5	0.05 18	0.10 115	0.14 39	0.06 16	0.07 27	0.12 82	0.09 12	0.10 40	0.06 11	0.04 1	0.05 2	0.05 15	0.08 16	0.08 14	0.05 33	0.04 23	0.05 33	0.03 1	0.04 19	0.03 1

LG-Stereo_L1	0.07 5	0.05 18	0.11 167	0.14 39	0.06 16	0.07 27	0.12 82	0.09 12	0.08 14	0.05 2	0.04 1	0.05 2	0.04 1	0.08 16	0.08 14	0.05 33	0.04 23	0.05 33	0.03 1	0.04 19	0.04 33

MLG-Stereo_test3	0.07 5	0.05 18	0.10 115	0.15 80	0.06 16	0.07 27	0.10 32	0.08 6	0.06 6	0.06 11	0.04 1	0.06 20	0.06 45	0.08 16	0.10 126	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.06 222

MLG-Stereo_test2	0.07 5	0.04 1	0.10 115	0.15 80	0.06 16	0.07 27	0.11 55	0.09 12	0.04 2	0.06 11	0.05 7	0.06 20	0.04 1	0.08 16	0.09 50	0.06 125	0.04 23	0.05 33	0.03 1	0.05 115	0.05 129

MLG-Stereo	0.07 5	0.05 18	0.09 74	0.17 233	0.05 1	0.07 27	0.11 55	0.08 6	0.05 3	0.05 2	0.04 1	0.06 20	0.05 15	0.10 76	0.09 50	0.05 33	0.04 23	0.05 33	0.03 1	0.04 19	0.05 129

LG-G_1	0.07 5	0.04 1	0.11 167	0.15 80	0.06 16	0.09 96	0.08 9	0.08 6	0.06 6	0.06 11	0.06 14	0.07 78	0.07 122	0.11 126	0.08 14	0.07 273	0.04 23	0.05 33	0.04 43	0.05 115	0.06 222

LG-G	0.07 5	0.04 1	0.11 167	0.15 80	0.06 16	0.09 96	0.08 9	0.08 6	0.06 6	0.06 11	0.06 14	0.07 78	0.07 122	0.11 126	0.08 14	0.07 273	0.04 23	0.05 33	0.04 43	0.05 115	0.06 222

LGtest1	0.07 5	0.05 18	0.11 167	0.15 80	0.06 16	0.07 27	0.09 20	0.08 6	0.06 6	0.06 11	0.04 1	0.06 20	0.07 122	0.10 76	0.09 50	0.07 273	0.04 23	0.05 33	0.04 43	0.06 214	0.06 222

LG-Stereo_Zeroshot	0.07 5	0.06 65	0.10 115	0.16 156	0.07 78	0.04 1	0.13 125	0.10 19	0.10 40	0.05 2	0.11 179	0.07 78	0.05 15	0.07 3	0.09 50	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

GREAT-IGEV	0.07 5	0.06 65	0.09 74	0.13 10	0.07 78	0.07 27	0.14 184	0.10 19	0.09 28	0.06 11	0.08 88	0.06 20	0.05 15	0.10 76	0.07 1	0.05 33	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

StereoAnything_RVC	0.07 5	0.16 507	0.17 388	0.11 1	0.05 1	0.06 10	0.11 55	0.08 6	0.08 14	0.06 11	0.06 14	0.05 2	0.05 15	0.09 37	0.08 14	0.08 336	0.04 23	0.05 33	0.03 1	0.05 115	0.04 33

AIO_rvc	0.07 5	0.06 65	0.08 24	0.15 80	0.06 16	0.08 54	0.14 184	0.09 12	0.08 14	0.07 43	0.08 88	0.07 78	0.04 1	0.10 76	0.08 14	0.05 33	0.04 23	0.05 33	0.04 43	0.04 19	0.03 1

AIO_test	0.07 5	0.06 65	0.07 5	0.15 80	0.07 78	0.07 27	0.14 184	0.10 19	0.10 40	0.07 43	0.07 43	0.06 20	0.05 15	0.08 16	0.10 126	0.05 33	0.04 23	0.05 33	0.04 43	0.04 19	0.03 1

MonSter	0.07 5	0.06 65	0.06 1	0.15 80	0.05 1	0.08 54	0.10 32	0.15 120	0.15 179	0.05 2	0.06 14	0.05 2	0.06 45	0.07 3	0.09 50	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 5	0.05 18	0.07 5	0.14 39	0.06 16	0.09 96	0.13 125	0.07 4	0.13 136	0.06 11	0.07 43	0.06 20	0.05 15	0.10 76	0.09 50	0.05 33	0.04 23	0.05 33	0.03 1	0.04 19	0.04 33

dual_stereo	0.07 5	0.05 18	0.08 24	0.15 80	0.05 1	0.05 3	0.13 125	0.12 55	0.08 14	0.07 43	0.06 14	0.05 2	0.05 15	0.07 3	0.09 50	0.06 125	0.04 23	0.05 33	0.03 1	0.04 19	0.04 33

IGEV-Stereo++	0.07 5	0.06 65	0.08 24	0.18 316	0.06 16	0.05 3	0.10 32	0.11 35	0.11 67	0.06 11	0.07 43	0.07 78	0.06 45	0.09 37	0.09 50	0.05 33	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

IGEV-Stereo+	0.07 5	0.04 1	0.08 24	0.15 80	0.06 16	0.04 1	0.09 20	0.10 19	0.09 28	0.06 11	0.06 14	0.06 20	0.06 45	0.06 1	0.09 50	0.06 125	0.04 23	0.05 33	0.04 43	0.06 214	0.06 222

Selective-IGEV	0.07 5	0.06 65	0.09 74	0.17 233	0.06 16	0.08 54	0.12 82	0.13 74	0.08 14	0.08 78	0.07 43	0.06 20	0.04 1	0.10 76	0.09 50	0.05 33	0.04 23	0.05 33	0.04 43	0.04 19	0.03 1

BStereo	0.08 51	0.06 65	0.17 388	0.15 80	0.08 143	0.08 54	0.09 20	0.15 120	0.16 207	0.06 11	0.07 43	0.07 78	0.05 15	0.09 37	0.11 197	0.04 6	0.05 181	0.05 33	0.07 302	0.04 19	0.05 129

MS-F	0.08 51	0.04 1	0.10 115	0.13 10	0.06 16	0.10 142	0.13 125	0.13 74	0.08 14	0.06 11	0.07 43	0.06 20	0.08 163	0.10 76	0.11 197	0.06 125	0.05 181	0.04 1	0.03 1	0.04 19	0.05 129

HiDET	0.08 51	0.05 18	0.10 115	0.13 10	0.06 16	0.09 96	0.12 82	0.12 55	0.12 99	0.07 43	0.07 43	0.07 78	0.07 122	0.11 126	0.11 197	0.06 125	0.05 181	0.04 1	0.03 1	0.04 19	0.04 33

LCMNet	0.08 51	0.05 18	0.10 115	0.13 10	0.07 78	0.09 96	0.12 82	0.10 19	0.12 99	0.06 11	0.08 88	0.06 20	0.07 122	0.11 126	0.10 126	0.06 125	0.05 181	0.04 1	0.03 1	0.04 19	0.04 33

CSFM-Stereo	0.08 51	0.05 18	0.08 24	0.14 39	0.06 16	0.09 96	0.13 125	0.15 120	0.07 11	0.07 43	0.08 88	0.06 20	0.08 163	0.09 37	0.10 126	0.06 125	0.05 181	0.04 1	0.03 1	0.04 19	0.04 33

GEAStereo	0.08 51	0.06 65	0.09 74	0.13 10	0.08 143	0.08 54	0.14 184	0.10 19	0.10 40	0.08 78	0.10 141	0.06 20	0.04 1	0.11 126	0.08 14	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.05 129

GSStereo	0.08 51	0.06 65	0.09 74	0.13 10	0.08 143	0.08 54	0.14 184	0.11 35	0.12 99	0.08 78	0.10 141	0.05 2	0.04 1	0.11 126	0.08 14	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.05 129

gasm-f	0.08 51	0.05 18	0.08 24	0.13 10	0.08 143	0.08 54	0.14 184	0.10 19	0.10 40	0.08 78	0.10 141	0.06 20	0.05 15	0.10 76	0.08 14	0.06 125	0.04 23	0.05 33	0.04 43	0.06 214	0.05 129

DDF-Stereo	0.08 51	0.05 18	0.10 115	0.15 80	0.10 365	0.05 3	0.13 125	0.09 12	0.14 158	0.06 11	0.06 14	0.07 78	0.06 45	0.09 37	0.10 126	0.06 125	0.04 23	0.06 125	0.04 43	0.08 351	0.05 129

252Zero-FE	0.08 51	0.04 1	0.10 115	0.13 10	0.07 78	0.13 269	0.11 55	0.13 74	0.14 158	0.07 43	0.05 7	0.06 20	0.05 15	0.09 37	0.10 126	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.06 222

Zero-FE251	0.08 51	0.05 18	0.10 115	0.13 10	0.06 16	0.12 236	0.12 82	0.11 35	0.10 40	0.07 43	0.08 88	0.06 20	0.06 45	0.10 76	0.08 14	0.06 125	0.04 23	0.05 33	0.04 43	0.04 19	0.04 33

zero-FE	0.08 51	0.05 18	0.10 115	0.15 80	0.10 365	0.05 3	0.13 125	0.09 12	0.14 158	0.07 43	0.06 14	0.07 78	0.06 45	0.09 37	0.10 126	0.06 125	0.04 23	0.06 125	0.04 43	0.08 351	0.05 129

GASTEREO	0.08 51	0.05 18	0.09 74	0.19 379	0.08 143	0.08 54	0.12 82	0.14 92	0.11 67	0.10 151	0.09 113	0.07 78	0.04 1	0.12 211	0.08 14	0.06 125	0.05 181	0.05 33	0.04 43	0.04 19	0.05 129

MSCF	0.08 51	0.05 18	0.09 74	0.19 379	0.08 143	0.07 27	0.12 82	0.14 92	0.11 67	0.10 151	0.09 113	0.07 78	0.04 1	0.11 126	0.08 14	0.06 125	0.05 181	0.05 33	0.04 43	0.05 115	0.05 129

S2M2_XL	0.08 51	0.06 65	0.12 205	0.12 5	0.08 143	0.09 96	0.09 20	0.07 4	0.07 11	0.08 78	0.07 43	0.07 78	0.06 45	0.09 37	0.09 50	0.08 336	0.06 337	0.07 229	0.06 208	0.08 351	0.06 222
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
qwe	0.08 51	0.08 262	0.07 5	0.15 80	0.06 16	0.07 27	0.10 32	0.18 212	0.12 99	0.07 43	0.07 43	0.06 20	0.06 45	0.10 76	0.09 50	0.04 6	0.03 1	0.04 1	0.04 43	0.04 19	0.03 1

3w_stereo	0.08 51	0.09 334	0.10 115	0.17 233	0.07 78	0.08 54	0.11 55	0.20 257	0.13 136	0.06 11	0.07 43	0.05 2	0.06 45	0.08 16	0.09 50	0.04 6	0.03 1	0.04 1	0.03 1	0.04 19	0.03 1

2w_stereo	0.08 51	0.08 262	0.09 74	0.16 156	0.06 16	0.09 96	0.10 32	0.20 257	0.15 179	0.08 78	0.07 43	0.06 20	0.06 45	0.06 1	0.10 126	0.04 6	0.03 1	0.04 1	0.04 43	0.03 1	0.03 1

1w_stereo	0.08 51	0.06 65	0.07 5	0.16 156	0.06 16	0.07 27	0.10 32	0.14 92	0.15 179	0.07 43	0.08 88	0.05 2	0.06 45	0.10 76	0.09 50	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 33

monsterstereo	0.08 51	0.06 65	0.07 5	0.16 156	0.06 16	0.08 54	0.10 32	0.16 149	0.12 99	0.07 43	0.08 88	0.06 20	0.07 122	0.08 16	0.09 50	0.04 6	0.04 23	0.05 33	0.04 43	0.04 19	0.03 1

IGEV	0.08 51	0.04 1	0.09 74	0.13 10	0.06 16	0.09 96	0.12 82	0.14 92	0.10 40	0.06 11	0.09 113	0.07 78	0.05 15	0.09 37	0.09 50	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

LG-Stereo	0.08 51	0.08 262	0.10 115	0.18 316	0.07 78	0.10 142	0.17 350	0.11 35	0.08 14	0.06 11	0.08 88	0.06 20	0.07 122	0.09 37	0.09 50	0.04 6	0.05 181	0.07 229	0.07 302	0.04 19	0.04 33

SGD-Stereo	0.08 51	0.05 18	0.10 115	0.14 39	0.06 16	0.12 236	0.12 82	0.11 35	0.12 99	0.07 43	0.09 113	0.09 149	0.09 195	0.08 16	0.08 14	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

HART	0.08 51	0.07 146	0.09 74	0.18 316	0.07 78	0.10 142	0.16 320	0.13 74	0.11 67	0.09 119	0.10 141	0.08 121	0.05 15	0.10 76	0.08 14	0.05 33	0.04 23	0.06 125	0.04 43	0.05 115	0.04 33

SCV_C0	0.08 51	0.07 146	0.08 24	0.16 156	0.10 365	0.08 54	0.14 184	0.11 35	0.13 136	0.08 78	0.07 43	0.06 20	0.05 15	0.11 126	0.07 1	0.05 33	0.05 181	0.05 33	0.04 43	0.06 214	0.05 129

SCV	0.08 51	0.09 334	0.08 24	0.15 80	0.08 143	0.10 142	0.12 82	0.11 35	0.12 99	0.07 43	0.07 43	0.06 20	0.04 1	0.10 76	0.08 14	0.05 33	0.05 181	0.06 125	0.04 43	0.06 214	0.04 33

DEFOM-Stereo_RVC	0.08 51	0.07 146	0.09 74	0.22 490	0.06 16	0.08 54	0.12 82	0.10 19	0.10 40	0.07 43	0.07 43	0.06 20	0.05 15	0.11 126	0.09 50	0.06 125	0.04 23	0.05 33	0.03 1	0.06 214	0.04 33

HUF	0.08 51	0.05 18	0.08 24	0.14 39	0.06 16	0.09 96	0.13 125	0.13 74	0.13 136	0.07 43	0.07 43	0.09 149	0.06 45	0.10 76	0.09 50	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

castereo++	0.08 51	0.06 65	0.08 24	0.15 80	0.05 1	0.14 309	0.11 55	0.11 35	0.15 179	0.07 43	0.07 43	0.08 121	0.06 45	0.08 16	0.08 14	0.06 125	0.04 23	0.05 33	0.04 43	0.04 19	0.03 1

IGEV-RUCA	0.08 51	0.06 65	0.11 167	0.14 39	0.09 258	0.10 142	0.12 82	0.10 19	0.12 99	0.06 11	0.07 43	0.08 121	0.06 45	0.09 37	0.08 14	0.06 125	0.05 181	0.05 33	0.04 43	0.05 115	0.06 222

GIP-stereo	0.08 51	0.06 65	0.11 167	0.15 80	0.07 78	0.09 96	0.13 125	0.15 120	0.11 67	0.07 43	0.08 88	0.05 2	0.04 1	0.10 76	0.07 1	0.05 33	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

SMoEStereo_RVC	0.08 51	0.06 65	0.12 205	0.16 156	0.07 78	0.09 96	0.13 125	0.11 35	0.14 158	0.09 119	0.07 43	0.07 78	0.07 122	0.12 211	0.10 126	0.05 33	0.04 23	0.06 125	0.05 133	0.04 19	0.04 33

WCG-NET	0.08 51	0.05 18	0.10 115	0.15 80	0.06 16	0.11 186	0.14 184	0.13 74	0.14 158	0.07 43	0.09 113	0.07 78	0.06 45	0.13 265	0.08 14	0.05 33	0.04 23	0.06 125	0.04 43	0.04 19	0.03 1

Occ-G	0.08 51	0.05 18	0.07 5	0.14 39	0.07 78	0.09 96	0.14 184	0.14 92	0.15 179	0.07 43	0.12 194	0.07 78	0.05 15	0.09 37	0.10 126	0.06 125	0.05 181	0.05 33	0.04 43	0.05 115	0.06 222

U	0.08 51	0.07 146	0.10 115	0.19 379	0.10 365	0.10 142	0.13 125	0.12 55	0.17 234	0.07 43	0.07 43	0.06 20	0.05 15	0.07 3	0.09 50	0.06 125	0.04 23	0.06 125	0.04 43	0.06 214	0.05 129

AIO-Stereo	0.08 51	0.06 65	0.10 115	0.18 316	0.06 16	0.09 96	0.11 55	0.16 149	0.09 28	0.09 119	0.08 88	0.07 78	0.05 15	0.11 126	0.08 14	0.05 33	0.05 181	0.05 33	0.04 43	0.04 19	0.04 33

WCG-NET（raft）	0.08 51	0.05 18	0.10 115	0.15 80	0.06 16	0.11 186	0.13 125	0.15 120	0.12 99	0.08 78	0.07 43	0.06 20	0.06 45	0.13 265	0.08 14	0.05 33	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

RSM++	0.08 51	0.06 65	0.09 74	0.17 233	0.07 78	0.09 96	0.12 82	0.11 35	0.11 67	0.08 78	0.06 14	0.07 78	0.05 15	0.10 76	0.09 50	0.05 33	0.04 23	0.06 125	0.05 133	0.05 115	0.03 1

RSM	0.08 51	0.06 65	0.09 74	0.17 233	0.07 78	0.08 54	0.12 82	0.12 55	0.10 40	0.08 78	0.07 43	0.06 20	0.05 15	0.11 126	0.09 50	0.04 6	0.04 23	0.05 33	0.04 43	0.04 19	0.04 33

trnet	0.08 51	0.05 18	0.07 5	0.12 5	0.05 1	0.12 236	0.10 32	0.13 74	0.10 40	0.08 78	0.13 209	0.09 149	0.08 163	0.11 126	0.10 126	0.08 336	0.05 181	0.05 33	0.03 1	0.06 214	0.05 129

MoCha-V2	0.08 51	0.05 18	0.11 167	0.20 436	0.07 78	0.10 142	0.14 184	0.12 55	0.08 14	0.07 43	0.08 88	0.07 78	0.06 45	0.09 37	0.08 14	0.05 33	0.05 181	0.05 33	0.04 43	0.04 19	0.04 33

IGEV++	0.08 51	0.06 65	0.09 74	0.18 316	0.07 78	0.10 142	0.13 125	0.10 19	0.10 40	0.08 78	0.08 88	0.06 20	0.05 15	0.13 265	0.09 50	0.05 33	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

testlalala	0.08 51	0.07 146	0.17 388	0.16 156	0.08 143	0.09 96	0.12 82	0.15 120	0.10 40	0.07 43	0.09 113	0.06 20	0.06 45	0.11 126	0.09 50	0.05 33	0.04 23	0.06 125	0.04 43	0.04 19	0.04 33

LoS_RVC	0.08 51	0.05 18	0.07 5	0.15 80	0.07 78	0.08 54	0.15 258	0.12 55	0.11 67	0.08 78	0.09 113	0.06 20	0.09 195	0.10 76	0.09 50	0.05 33	0.04 23	0.05 33	0.03 1	0.04 19	0.04 33

CAS	0.08 51	0.04 1	0.07 5	0.17 233	0.08 143	0.10 142	0.13 125	0.12 55	0.09 28	0.09 119	0.10 141	0.08 121	0.06 45	0.09 37	0.09 50	0.08 336	0.04 23	0.05 33	0.03 1	0.05 115	0.04 33

CES	0.08 51	0.04 1	0.08 24	0.14 39	0.07 78	0.09 96	0.14 184	0.11 35	0.09 28	0.08 78	0.09 113	0.11 208	0.07 122	0.12 211	0.08 14	0.06 125	0.04 23	0.05 33	0.03 1	0.05 115	0.05 129

EGLCR-Stereo	0.08 51	0.05 18	0.08 24	0.14 39	0.07 78	0.11 186	0.12 82	0.11 35	0.16 207	0.06 11	0.05 7	0.07 78	0.05 15	0.10 76	0.11 197	0.06 125	0.04 23	0.06 125	0.05 133	0.04 19	0.04 33

CREStereo++_RVC	0.08 51	0.04 1	0.07 5	0.13 10	0.07 78	0.09 96	0.12 82	0.14 92	0.14 158	0.10 151	0.14 222	0.08 121	0.07 122	0.10 76	0.11 197	0.06 125	0.04 23	0.05 33	0.05 133	0.04 19	0.04 33
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
Wave_Phase_stereo	0.09 99	0.06 65	0.17 388	0.15 80	0.08 143	0.11 186	0.09 20	0.18 212	0.16 207	0.06 11	0.07 43	0.07 78	0.05 15	0.09 37	0.11 197	0.04 6	0.05 181	0.05 33	0.07 302	0.04 19	0.05 129

NLMM	0.09 99	0.06 65	0.08 24	0.18 316	0.08 143	0.11 186	0.16 320	0.18 212	0.20 293	0.08 78	0.07 43	0.07 78	0.08 163	0.11 126	0.12 261	0.04 6	0.04 23	0.06 125	0.06 208	0.04 19	0.04 33

NLSM3	0.09 99	0.07 146	0.08 24	0.20 436	0.08 143	0.11 186	0.16 320	0.18 212	0.17 234	0.06 11	0.08 88	0.08 121	0.09 195	0.09 37	0.11 197	0.04 6	0.04 23	0.06 125	0.07 302	0.03 1	0.04 33

NLSM1	0.09 99	0.06 65	0.09 74	0.17 233	0.07 78	0.14 309	0.16 320	0.20 257	0.14 158	0.08 78	0.10 141	0.07 78	0.09 195	0.13 265	0.11 197	0.05 33	0.04 23	0.05 33	0.05 133	0.05 115	0.05 129

NLCSM	0.09 99	0.06 65	0.10 115	0.18 316	0.08 143	0.11 186	0.13 125	0.19 242	0.18 249	0.08 78	0.08 88	0.07 78	0.09 195	0.11 126	0.12 261	0.05 33	0.04 23	0.06 125	0.05 133	0.04 19	0.04 33

FE-Mocha	0.09 99	0.06 65	0.14 285	0.16 156	0.09 258	0.11 186	0.15 258	0.19 242	0.16 207	0.10 151	0.09 113	0.07 78	0.07 122	0.09 37	0.09 50	0.06 125	0.04 23	0.06 125	0.06 208	0.05 115	0.05 129

IGEV-FE	0.09 99	0.05 18	0.13 240	0.14 39	0.08 143	0.12 236	0.13 125	0.17 184	0.11 67	0.10 151	0.06 14	0.09 149	0.06 45	0.11 126	0.09 50	0.06 125	0.04 23	0.06 125	0.06 208	0.05 115	0.05 129

DA	0.09 99	0.07 146	0.07 5	0.19 379	0.08 143	0.10 142	0.13 125	0.13 74	0.12 99	0.08 78	0.10 141	0.10 183	0.08 163	0.09 37	0.10 126	0.05 33	0.04 23	0.06 125	0.04 43	0.05 115	0.04 33

GGEV	0.09 99	0.07 146	0.07 5	0.19 379	0.08 143	0.10 142	0.13 125	0.13 74	0.12 99	0.08 78	0.10 141	0.10 183	0.08 163	0.09 37	0.10 126	0.05 33	0.04 23	0.06 125	0.04 43	0.05 115	0.04 33

water-stereo	0.09 99	0.06 65	0.08 24	0.16 156	0.07 78	0.10 142	0.13 125	0.15 120	0.13 136	0.11 192	0.12 194	0.09 149	0.10 222	0.07 3	0.08 14	0.06 125	0.05 181	0.05 33	0.05 133	0.04 19	0.04 33

depthmonostereo	0.09 99	0.06 65	0.09 74	0.15 80	0.06 16	0.11 186	0.13 125	0.14 92	0.15 179	0.10 151	0.10 141	0.09 149	0.11 252	0.08 16	0.09 50	0.06 125	0.05 181	0.06 125	0.04 43	0.04 19	0.03 1

DilatedVolume-Stereo	0.09 99	0.05 18	0.08 24	0.15 80	0.06 16	0.11 186	0.12 82	0.14 92	0.16 207	0.11 192	0.11 179	0.09 149	0.10 222	0.11 126	0.11 197	0.06 125	0.05 181	0.05 33	0.04 43	0.03 1	0.03 1

S2M2_L	0.09 99	0.08 262	0.11 167	0.13 10	0.10 365	0.08 54	0.06 3	0.10 19	0.10 40	0.10 151	0.10 141	0.09 149	0.09 195	0.11 126	0.11 197	0.13 508	0.07 411	0.08 310	0.09 420	0.10 450	0.08 372
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 99	0.07 146	0.09 74	0.19 379	0.08 143	0.12 236	0.18 398	0.15 120	0.14 158	0.07 43	0.10 141	0.07 78	0.06 45	0.12 211	0.09 50	0.05 33	0.04 23	0.06 125	0.05 133	0.06 214	0.04 33

Reg-Stereo(zero)	0.09 99	0.05 18	0.08 24	0.16 156	0.06 16	0.12 236	0.11 55	0.15 120	0.11 67	0.12 224	0.09 113	0.10 183	0.08 163	0.11 126	0.09 50	0.06 125	0.05 181	0.05 33	0.04 43	0.04 19	0.05 129

castereo	0.09 99	0.06 65	0.11 167	0.15 80	0.06 16	0.11 186	0.14 184	0.14 92	0.18 249	0.08 78	0.10 141	0.11 208	0.08 163	0.09 37	0.10 126	0.05 33	0.04 23	0.05 33	0.04 43	0.04 19	0.04 33

fffft	0.09 99	0.06 65	0.12 205	0.16 156	0.07 78	0.09 96	0.16 320	0.12 55	0.11 67	0.09 119	0.07 43	0.09 149	0.06 45	0.11 126	0.12 261	0.05 33	0.04 23	0.06 125	0.05 133	0.04 19	0.05 129
1: 1. 1
tt45	0.09 99	0.06 65	0.11 167	0.15 80	0.07 78	0.12 236	0.15 258	0.13 74	0.12 99	0.09 119	0.06 14	0.08 121	0.06 45	0.13 265	0.10 126	0.06 125	0.04 23	0.06 125	0.05 133	0.05 115	0.06 222

999	0.09 99	0.06 65	0.13 240	0.15 80	0.08 143	0.10 142	0.14 184	0.15 120	0.12 99	0.10 151	0.08 88	0.08 121	0.08 163	0.16 340	0.10 126	0.06 125	0.04 23	0.06 125	0.05 133	0.04 19	0.06 222

mms	0.09 99	0.07 146	0.08 24	0.17 233	0.08 143	0.11 186	0.15 258	0.12 55	0.11 67	0.09 119	0.09 113	0.08 121	0.06 45	0.11 126	0.12 261	0.05 33	0.04 23	0.07 229	0.05 133	0.04 19	0.04 33

ours_stereo	0.09 99	0.07 146	0.09 74	0.17 233	0.08 143	0.11 186	0.16 320	0.11 35	0.12 99	0.08 78	0.10 141	0.08 121	0.06 45	0.12 211	0.12 261	0.05 33	0.04 23	0.06 125	0.05 133	0.04 19	0.04 33

fffy	0.09 99	0.08 262	0.10 115	0.16 156	0.07 78	0.13 269	0.17 350	0.13 74	0.12 99	0.08 78	0.09 113	0.08 121	0.09 195	0.13 265	0.11 197	0.05 33	0.05 181	0.07 229	0.05 133	0.04 19	0.05 129

GCAP-BAT	0.09 99	0.07 146	0.14 285	0.15 80	0.08 143	0.10 142	0.12 82	0.15 120	0.11 67	0.11 192	0.10 141	0.09 149	0.07 122	0.12 211	0.10 126	0.06 125	0.05 181	0.06 125	0.04 43	0.04 19	0.04 33

Pointernet	0.09 99	0.05 18	0.10 115	0.16 156	0.08 143	0.13 269	0.10 32	0.15 120	0.18 249	0.09 119	0.07 43	0.06 20	0.06 45	0.11 126	0.10 126	0.08 336	0.04 23	0.05 33	0.03 1	0.06 214	0.05 129

IGEV-BASED-STEREO-	0.09 99	0.10 402	0.32 523	0.15 80	0.06 16	0.08 54	0.14 184	0.11 35	0.10 40	0.07 43	0.07 43	0.06 20	0.04 1	0.11 126	0.07 1	0.12 491	0.04 23	0.07 229	0.05 133	0.05 115	0.05 129

RAFT-Stereo-weight	0.09 99	0.06 65	0.11 167	0.16 156	0.07 78	0.09 96	0.14 184	0.19 242	0.16 207	0.11 192	0.10 141	0.08 121	0.06 45	0.10 76	0.11 197	0.06 125	0.04 23	0.06 125	0.04 43	0.04 19	0.04 33

gcap-zeroshot	0.09 99	0.06 65	0.10 115	0.16 156	0.07 78	0.14 309	0.13 125	0.11 35	0.12 99	0.13 253	0.12 194	0.09 149	0.08 163	0.09 37	0.09 50	0.06 125	0.05 181	0.06 125	0.05 133	0.04 19	0.04 33

test_for_model	0.09 99	0.12 446	0.14 285	0.23 509	0.11 420	0.08 54	0.13 125	0.12 55	0.13 136	0.10 151	0.07 43	0.07 78	0.06 45	0.11 126	0.10 126	0.06 125	0.05 181	0.05 33	0.04 43	0.08 351	0.05 129

MGS-Stereo	0.09 99	0.07 146	0.12 205	0.16 156	0.08 143	0.09 96	0.15 258	0.12 55	0.12 99	0.07 43	0.10 141	0.08 121	0.06 45	0.11 126	0.09 50	0.05 33	0.04 23	0.06 125	0.05 133	0.06 214	0.05 129

ff7	0.09 99	0.07 146	0.11 167	0.16 156	0.09 258	0.11 186	0.15 258	0.16 149	0.12 99	0.10 151	0.06 14	0.06 20	0.06 45	0.11 126	0.09 50	0.05 33	0.04 23	0.06 125	0.05 133	0.05 115	0.06 222

IGEVStereo-DCA	0.09 99	0.07 146	0.11 167	0.16 156	0.10 365	0.11 186	0.15 258	0.16 149	0.12 99	0.10 151	0.06 14	0.08 121	0.06 45	0.10 76	0.09 50	0.06 125	0.05 181	0.06 125	0.05 133	0.05 115	0.06 222

ffff	0.09 99	0.07 146	0.11 167	0.16 156	0.09 258	0.11 186	0.15 258	0.16 149	0.12 99	0.10 151	0.06 14	0.06 20	0.06 45	0.11 126	0.09 50	0.05 33	0.04 23	0.06 125	0.05 133	0.05 115	0.06 222

rrr	0.09 99	0.07 146	0.13 240	0.16 156	0.10 365	0.11 186	0.15 258	0.16 149	0.15 179	0.10 151	0.06 14	0.08 121	0.06 45	0.10 76	0.09 50	0.06 125	0.05 181	0.06 125	0.05 133	0.05 115	0.06 222

11t	0.09 99	0.07 146	0.11 167	0.16 156	0.09 258	0.11 186	0.15 258	0.16 149	0.12 99	0.10 151	0.06 14	0.06 20	0.06 45	0.11 126	0.09 50	0.05 33	0.04 23	0.06 125	0.05 133	0.05 115	0.06 222

MaDis-Stereo	0.09 99	0.09 334	0.08 24	0.17 233	0.09 258	0.14 309	0.11 55	0.16 149	0.16 207	0.09 119	0.11 179	0.06 20	0.06 45	0.09 37	0.13 298	0.07 273	0.06 337	0.08 310	0.05 133	0.05 115	0.04 33

IGEV_Zeroshot_test	0.09 99	0.05 18	0.13 240	0.14 39	0.08 143	0.12 236	0.13 125	0.17 184	0.11 67	0.10 151	0.06 14	0.09 149	0.06 45	0.11 126	0.09 50	0.06 125	0.04 23	0.06 125	0.06 208	0.05 115	0.05 129

MSKI-zero shot	0.09 99	0.05 18	0.09 74	0.16 156	0.07 78	0.10 142	0.13 125	0.15 120	0.14 158	0.09 119	0.09 113	0.09 149	0.06 45	0.12 211	0.11 197	0.06 125	0.04 23	0.05 33	0.04 43	0.04 19	0.05 129

UniTT-Stereo	0.09 99	0.07 146	0.08 24	0.18 316	0.08 143	0.13 269	0.11 55	0.12 55	0.11 67	0.10 151	0.12 194	0.05 2	0.06 45	0.09 37	0.10 126	0.07 273	0.06 337	0.05 33	0.05 133	0.06 214	0.05 129

CASnet	0.09 99	0.09 334	0.09 74	0.19 379	0.06 16	0.07 27	0.11 55	0.18 212	0.14 158	0.11 192	0.10 141	0.09 149	0.07 122	0.10 76	0.10 126	0.06 125	0.04 23	0.10 445	0.08 372	0.06 214	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.09 99	0.05 18	0.08 24	0.14 39	0.13 479	0.14 309	0.13 125	0.15 120	0.09 28	0.07 43	0.09 113	0.07 78	0.08 163	0.10 76	0.09 50	0.06 125	0.04 23	0.06 125	0.05 133	0.05 115	0.04 33

GCAP-Stereo	0.09 99	0.07 146	0.13 240	0.18 316	0.06 16	0.11 186	0.07 5	0.14 92	0.12 99	0.09 119	0.10 141	0.07 78	0.09 195	0.13 265	0.10 126	0.06 125	0.05 181	0.05 33	0.04 43	0.04 19	0.05 129

RAFT-Test	0.09 99	0.06 65	0.10 115	0.16 156	0.07 78	0.11 186	0.15 258	0.16 149	0.13 136	0.09 119	0.10 141	0.11 208	0.09 195	0.12 211	0.09 50	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.05 129

HH	0.09 99	0.06 65	0.13 240	0.17 233	0.08 143	0.11 186	0.16 320	0.15 120	0.10 40	0.08 78	0.10 141	0.08 121	0.07 122	0.10 76	0.09 50	0.06 125	0.04 23	0.06 125	0.05 133	0.05 115	0.04 33

HanStereo	0.09 99	0.06 65	0.13 240	0.17 233	0.08 143	0.11 186	0.16 320	0.15 120	0.10 40	0.08 78	0.10 141	0.08 121	0.07 122	0.10 76	0.09 50	0.06 125	0.04 23	0.06 125	0.05 133	0.05 115	0.04 33

anonymousdsp	0.09 99	0.07 146	0.11 167	0.17 233	0.09 258	0.11 186	0.15 258	0.16 149	0.12 99	0.10 151	0.06 14	0.06 20	0.06 45	0.11 126	0.09 50	0.05 33	0.04 23	0.06 125	0.05 133	0.05 115	0.06 222

LoS	0.09 99	0.05 18	0.11 167	0.13 10	0.07 78	0.14 309	0.11 55	0.15 120	0.15 179	0.09 119	0.09 113	0.12 229	0.09 195	0.15 313	0.10 126	0.07 273	0.05 181	0.05 33	0.03 1	0.05 115	0.05 129
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 99	0.07 146	0.11 167	0.17 233	0.08 143	0.11 186	0.15 258	0.15 120	0.12 99	0.10 151	0.06 14	0.07 78	0.06 45	0.11 126	0.09 50	0.05 33	0.05 181	0.06 125	0.05 133	0.04 19	0.06 222

MC-Stereo	0.09 99	0.07 146	0.09 74	0.17 233	0.06 16	0.10 142	0.14 184	0.12 55	0.11 67	0.09 119	0.12 194	0.09 149	0.06 45	0.11 126	0.10 126	0.06 125	0.04 23	0.06 125	0.05 133	0.04 19	0.04 33

RCA-Stereo	0.09 99	0.06 65	0.09 74	0.16 156	0.06 16	0.09 96	0.13 125	0.18 212	0.14 158	0.10 151	0.11 179	0.08 121	0.07 122	0.12 211	0.11 197	0.06 125	0.04 23	0.06 125	0.05 133	0.05 115	0.04 33

CroCo-Stereo Lap2	0.09 99	0.09 334	0.08 24	0.22 490	0.09 258	0.09 96	0.18 398	0.16 149	0.12 99	0.09 119	0.10 141	0.05 2	0.05 15	0.08 16	0.08 14	0.06 125	0.06 337	0.07 229	0.05 133	0.06 214	0.05 129

ccc-4	0.09 99	0.07 146	0.11 167	0.16 156	0.09 258	0.11 186	0.15 258	0.16 149	0.12 99	0.10 151	0.06 14	0.06 20	0.06 45	0.11 126	0.09 50	0.05 33	0.04 23	0.06 125	0.05 133	0.05 115	0.06 222

IGEV-Stereo	0.09 99	0.07 146	0.11 167	0.17 233	0.09 258	0.11 186	0.15 258	0.16 149	0.12 99	0.10 151	0.06 14	0.06 20	0.06 45	0.11 126	0.09 50	0.05 33	0.04 23	0.06 125	0.05 133	0.05 115	0.06 222
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 99	0.05 18	0.13 240	0.14 39	0.09 258	0.12 236	0.15 258	0.19 242	0.11 67	0.11 192	0.08 88	0.08 121	0.05 15	0.10 76	0.09 50	0.06 125	0.04 23	0.06 125	0.05 133	0.06 214	0.05 129

test-3	0.09 99	0.06 65	0.10 115	0.18 316	0.07 78	0.07 27	0.14 184	0.12 55	0.16 207	0.10 151	0.08 88	0.08 121	0.08 163	0.11 126	0.10 126	0.05 33	0.04 23	0.07 229	0.05 133	0.04 19	0.04 33

test_1	0.09 99	0.06 65	0.10 115	0.18 316	0.07 78	0.07 27	0.14 184	0.12 55	0.16 207	0.10 151	0.08 88	0.08 121	0.08 163	0.11 126	0.10 126	0.05 33	0.04 23	0.07 229	0.05 133	0.04 19	0.04 33

CroCo-Stereo	0.09 99	0.08 262	0.08 24	0.22 490	0.09 258	0.09 96	0.18 398	0.16 149	0.12 99	0.07 43	0.07 43	0.08 121	0.06 45	0.08 16	0.07 1	0.07 273	0.05 181	0.06 125	0.04 43	0.05 115	0.04 33
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
TANstereo	0.09 99	0.04 1	0.08 24	0.13 10	0.06 16	0.11 186	0.13 125	0.15 120	0.19 272	0.11 192	0.15 235	0.10 183	0.07 122	0.12 211	0.09 50	0.07 273	0.05 181	0.05 33	0.04 43	0.06 214	0.05 129

XX-TBD	0.09 99	0.06 65	0.07 5	0.14 39	0.07 78	0.13 269	0.16 320	0.14 92	0.14 158	0.11 192	0.12 194	0.09 149	0.08 163	0.10 76	0.10 126	0.06 125	0.04 23	0.05 33	0.04 43	0.06 214	0.05 129

raftrobust	0.09 99	0.06 65	0.11 167	0.17 233	0.08 143	0.09 96	0.10 32	0.18 212	0.16 207	0.10 151	0.09 113	0.12 229	0.08 163	0.12 211	0.10 126	0.08 336	0.05 181	0.06 125	0.05 133	0.05 115	0.06 222

XX-Stereo	0.09 99	0.05 18	0.09 74	0.17 233	0.09 258	0.15 336	0.12 82	0.21 276	0.10 40	0.10 151	0.14 222	0.07 78	0.06 45	0.13 265	0.08 14	0.06 125	0.05 181	0.06 125	0.06 208	0.04 19	0.04 33

test_xeample3	0.09 99	0.07 146	0.12 205	0.16 156	0.09 258	0.11 186	0.15 258	0.16 149	0.14 158	0.10 151	0.07 43	0.08 121	0.06 45	0.10 76	0.09 50	0.06 125	0.04 23	0.06 125	0.05 133	0.05 115	0.06 222

RAFT-Stereo + iAFF	0.09 99	0.06 65	0.10 115	0.17 233	0.07 78	0.10 142	0.15 258	0.17 184	0.15 179	0.10 151	0.10 141	0.08 121	0.09 195	0.12 211	0.10 126	0.05 33	0.04 23	0.06 125	0.06 208	0.04 19	0.03 1

AFF-stereo	0.09 99	0.07 146	0.10 115	0.17 233	0.07 78	0.10 142	0.15 258	0.18 212	0.10 40	0.10 151	0.11 179	0.09 149	0.10 222	0.12 211	0.10 126	0.05 33	0.04 23	0.07 229	0.07 302	0.04 19	0.04 33

EAI-Stereo	0.09 99	0.07 146	0.11 167	0.16 156	0.07 78	0.10 142	0.15 258	0.16 149	0.09 28	0.08 78	0.09 113	0.08 121	0.07 122	0.09 37	0.11 197	0.05 33	0.05 181	0.05 33	0.05 133	0.05 115	0.04 33

CFNet-RSSM	0.09 99	0.07 146	0.10 115	0.16 156	0.07 78	0.09 96	0.15 258	0.17 184	0.18 249	0.08 78	0.12 194	0.11 208	0.09 195	0.12 211	0.10 126	0.06 125	0.04 23	0.06 125	0.04 43	0.04 19	0.04 33

Gwc-CoAtRS	0.09 99	0.07 146	0.10 115	0.16 156	0.07 78	0.10 142	0.15 258	0.18 212	0.17 234	0.08 78	0.10 141	0.12 229	0.09 195	0.12 211	0.09 50	0.06 125	0.04 23	0.06 125	0.04 43	0.04 19	0.05 129

CREStereo	0.09 99	0.05 18	0.08 24	0.11 1	0.06 16	0.14 309	0.14 184	0.14 92	0.10 40	0.09 119	0.13 209	0.09 149	0.08 163	0.12 211	0.10 126	0.08 336	0.04 23	0.05 33	0.03 1	0.06 214	0.06 222
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 99	0.05 18	0.09 74	0.12 5	0.06 16	0.13 269	0.14 184	0.16 149	0.11 67	0.09 119	0.13 209	0.10 183	0.07 122	0.14 295	0.10 126	0.15 532	0.04 23	0.05 33	0.03 1	0.07 285	0.06 222

NLMM1	0.10 167	0.06 65	0.12 205	0.18 316	0.07 78	0.12 236	0.13 125	0.21 276	0.21 308	0.09 119	0.09 113	0.09 149	0.08 163	0.13 265	0.10 126	0.05 33	0.04 23	0.05 33	0.05 133	0.05 115	0.04 33

MM-Stereo_test3	0.10 167	0.07 146	0.07 5	0.18 316	0.07 78	0.12 236	0.19 441	0.24 343	0.19 272	0.06 11	0.10 141	0.08 121	0.06 45	0.11 126	0.09 50	0.06 125	0.06 337	0.07 229	0.05 133	0.05 115	0.04 33

MM-Stereo_test1	0.10 167	0.07 146	0.09 74	0.18 316	0.07 78	0.12 236	0.18 398	0.21 276	0.20 293	0.09 119	0.11 179	0.08 121	0.06 45	0.10 76	0.10 126	0.06 125	0.05 181	0.07 229	0.06 208	0.05 115	0.04 33

AIO-test2	0.10 167	0.08 262	0.10 115	0.23 509	0.09 258	0.11 186	0.11 55	0.23 319	0.24 351	0.08 78	0.09 113	0.08 121	0.05 15	0.10 76	0.08 14	0.06 125	0.05 181	0.08 310	0.09 420	0.05 115	0.05 129

AIO-test1	0.10 167	0.07 146	0.11 167	0.24 520	0.07 78	0.09 96	0.13 125	0.22 300	0.15 179	0.11 192	0.12 194	0.09 149	0.07 122	0.11 126	0.09 50	0.06 125	0.05 181	0.09 397	0.10 458	0.04 19	0.07 303

tg	0.10 167	0.06 65	0.10 115	0.18 316	0.08 143	0.11 186	0.16 320	0.20 257	0.12 99	0.08 78	0.11 179	0.11 208	0.07 122	0.11 126	0.10 126	0.05 33	0.04 23	0.08 310	0.08 372	0.04 19	0.04 33

PAM_32	0.10 167	0.06 65	0.17 388	0.15 80	0.08 143	0.10 142	0.15 258	0.14 92	0.16 207	0.09 119	0.08 88	0.10 183	0.07 122	0.14 295	0.09 50	0.06 125	0.05 181	0.06 125	0.06 208	0.05 115	0.06 222

PAM	0.10 167	0.06 65	0.17 388	0.15 80	0.09 258	0.10 142	0.16 320	0.15 120	0.16 207	0.12 224	0.09 113	0.10 183	0.07 122	0.13 265	0.09 50	0.06 125	0.05 181	0.06 125	0.06 208	0.05 115	0.06 222

UGAM-zero	0.10 167	0.05 18	0.15 323	0.15 80	0.08 143	0.10 142	0.13 125	0.20 257	0.15 179	0.11 192	0.15 235	0.07 78	0.08 163	0.09 37	0.10 126	0.06 125	0.05 181	0.06 125	0.05 133	0.05 115	0.06 222

model_zeroshot	0.10 167	0.05 18	0.12 205	0.15 80	0.09 258	0.13 269	0.14 184	0.20 257	0.14 158	0.11 192	0.10 141	0.12 229	0.07 122	0.12 211	0.11 197	0.07 273	0.06 337	0.06 125	0.05 133	0.06 214	0.06 222

RAStereo	0.10 167	0.09 334	0.08 24	0.20 436	0.08 143	0.13 269	0.18 398	0.16 149	0.17 234	0.10 151	0.12 194	0.05 2	0.06 45	0.09 37	0.08 14	0.07 273	0.05 181	0.07 229	0.05 133	0.05 115	0.04 33

rvit_stereo_0080	0.10 167	0.08 262	0.15 323	0.15 80	0.10 365	0.07 27	0.15 258	0.16 149	0.16 207	0.11 192	0.10 141	0.15 299	0.09 195	0.12 211	0.10 126	0.09 392	0.07 411	0.07 229	0.06 208	0.07 285	0.05 129

testlalala2	0.10 167	0.06 65	0.11 167	0.20 436	0.10 365	0.10 142	0.11 55	0.17 184	0.13 136	0.12 224	0.13 209	0.09 149	0.08 163	0.11 126	0.13 298	0.06 125	0.05 181	0.05 33	0.04 43	0.05 115	0.05 129

H2IRNET	0.10 167	0.09 334	0.10 115	0.18 316	0.09 258	0.12 236	0.15 258	0.14 92	0.21 308	0.10 151	0.10 141	0.10 183	0.11 252	0.10 76	0.10 126	0.06 125	0.04 23	0.08 310	0.08 372	0.06 214	0.05 129

MyStereo07	0.10 167	0.07 146	0.10 115	0.17 233	0.09 258	0.14 309	0.17 350	0.15 120	0.15 179	0.09 119	0.06 14	0.06 20	0.07 122	0.12 211	0.09 50	0.06 125	0.05 181	0.08 310	0.07 302	0.06 214	0.06 222

MyStereo06	0.10 167	0.07 146	0.12 205	0.17 233	0.09 258	0.13 269	0.18 398	0.19 242	0.12 99	0.13 253	0.08 88	0.07 78	0.07 122	0.11 126	0.09 50	0.06 125	0.05 181	0.08 310	0.07 302	0.06 214	0.06 222

AE-Stereo	0.10 167	0.08 262	0.11 167	0.19 379	0.09 258	0.10 142	0.15 258	0.14 92	0.20 293	0.09 119	0.15 235	0.12 229	0.08 163	0.11 126	0.10 126	0.05 33	0.06 337	0.07 229	0.06 208	0.05 115	0.04 33

ACVNet-DCA	0.10 167	0.08 262	0.13 240	0.17 233	0.09 258	0.13 269	0.15 258	0.24 343	0.16 207	0.09 119	0.09 113	0.06 20	0.06 45	0.10 76	0.07 1	0.06 125	0.05 181	0.06 125	0.05 133	0.07 285	0.07 303

cc1	0.10 167	0.08 262	0.13 240	0.17 233	0.09 258	0.13 269	0.15 258	0.16 149	0.18 249	0.09 119	0.09 113	0.06 20	0.06 45	0.10 76	0.07 1	0.06 125	0.05 181	0.06 125	0.05 133	0.06 214	0.06 222

tt1	0.10 167	0.08 262	0.13 240	0.17 233	0.09 258	0.13 269	0.15 258	0.15 120	0.19 272	0.09 119	0.08 88	0.06 20	0.06 45	0.10 76	0.08 14	0.06 125	0.05 181	0.06 125	0.05 133	0.06 214	0.06 222

whm_eth	0.10 167	0.08 262	0.15 323	0.15 80	0.10 365	0.07 27	0.15 258	0.16 149	0.16 207	0.11 192	0.10 141	0.15 299	0.09 195	0.12 211	0.10 126	0.09 392	0.07 411	0.07 229	0.06 208	0.07 285	0.05 129

MIM_Stereo	0.10 167	0.07 146	0.11 167	0.15 80	0.07 78	0.07 27	0.12 82	0.20 257	0.14 158	0.13 253	0.14 222	0.09 149	0.05 15	0.12 211	0.08 14	0.05 33	0.06 337	0.07 229	0.06 208	0.06 214	0.05 129

testlalala_base	0.10 167	0.09 334	0.14 285	0.21 470	0.08 143	0.10 142	0.14 184	0.13 74	0.11 67	0.08 78	0.15 235	0.07 78	0.08 163	0.11 126	0.12 261	0.08 336	0.05 181	0.05 33	0.03 1	0.07 285	0.05 129

Any-RAFT	0.10 167	0.05 18	0.10 115	0.15 80	0.07 78	0.13 269	0.14 184	0.21 276	0.15 179	0.11 192	0.12 194	0.13 255	0.10 222	0.13 265	0.10 126	0.07 273	0.04 23	0.05 33	0.04 43	0.06 214	0.05 129

4D-IteraStereo	0.10 167	0.07 146	0.10 115	0.18 316	0.07 78	0.09 96	0.15 258	0.18 212	0.15 179	0.10 151	0.11 179	0.10 183	0.07 122	0.12 211	0.09 50	0.05 33	0.03 1	0.08 310	0.07 302	0.06 214	0.05 129

fff	0.10 167	0.06 65	0.12 205	0.15 80	0.07 78	0.09 96	0.17 350	0.16 149	0.21 308	0.13 253	0.17 274	0.10 183	0.11 252	0.12 211	0.13 298	0.06 125	0.04 23	0.05 33	0.04 43	0.04 19	0.05 129

ADStereo(finetuned)	0.10 167	0.06 65	0.13 240	0.16 156	0.06 16	0.09 96	0.17 350	0.16 149	0.20 293	0.13 253	0.18 297	0.10 183	0.12 286	0.12 211	0.12 261	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.05 129

TRStereo	0.10 167	0.05 18	0.12 205	0.16 156	0.12 453	0.10 142	0.13 125	0.18 212	0.19 272	0.09 119	0.09 113	0.09 149	0.07 122	0.10 76	0.08 14	0.07 273	0.05 181	0.07 229	0.07 302	0.04 19	0.04 33

STrans-v2	0.10 167	0.07 146	0.13 240	0.18 316	0.08 143	0.10 142	0.14 184	0.22 300	0.11 67	0.11 192	0.15 235	0.12 229	0.10 222	0.11 126	0.12 261	0.05 33	0.04 23	0.06 125	0.06 208	0.05 115	0.05 129

TransformOpticalFlow	0.10 167	0.08 262	0.13 240	0.18 316	0.07 78	0.09 96	0.15 258	0.19 242	0.16 207	0.12 224	0.16 254	0.11 208	0.11 252	0.11 126	0.11 197	0.05 33	0.04 23	0.06 125	0.06 208	0.05 115	0.05 129

AnonymousM	0.10 167	0.06 65	0.10 115	0.14 39	0.07 78	0.09 96	0.13 125	0.19 242	0.14 158	0.13 253	0.12 194	0.09 149	0.08 163	0.13 265	0.10 126	0.08 336	0.05 181	0.08 310	0.05 133	0.05 115	0.05 129

cross-raft	0.10 167	0.09 334	0.09 74	0.19 379	0.07 78	0.11 186	0.24 510	0.13 74	0.15 179	0.08 78	0.10 141	0.12 229	0.10 222	0.09 37	0.11 197	0.05 33	0.04 23	0.06 125	0.05 133	0.04 19	0.04 33

test-1	0.10 167	0.07 146	0.17 388	0.19 379	0.08 143	0.11 186	0.24 510	0.15 120	0.18 249	0.09 119	0.07 43	0.10 183	0.08 163	0.08 16	0.09 50	0.06 125	0.04 23	0.06 125	0.06 208	0.04 19	0.05 129

iRaftStereo_RVC	0.10 167	0.07 146	0.10 115	0.17 233	0.09 258	0.11 186	0.17 350	0.18 212	0.12 99	0.09 119	0.11 179	0.10 183	0.07 122	0.11 126	0.10 126	0.05 33	0.04 23	0.08 310	0.08 372	0.04 19	0.04 33

s12784h	0.10 167	0.06 65	0.08 24	0.15 80	0.05 1	0.16 364	0.18 398	0.16 149	0.15 179	0.10 151	0.11 179	0.11 208	0.11 252	0.11 126	0.12 261	0.05 33	0.04 23	0.06 125	0.04 43	0.04 19	0.04 33

DCANet	0.10 167	0.06 65	0.12 205	0.16 156	0.06 16	0.09 96	0.17 350	0.16 149	0.20 293	0.13 253	0.18 297	0.10 183	0.11 252	0.11 126	0.12 261	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.05 129

csc	0.10 167	0.06 65	0.12 205	0.15 80	0.07 78	0.09 96	0.17 350	0.16 149	0.21 308	0.13 253	0.17 274	0.10 183	0.11 252	0.12 211	0.13 298	0.06 125	0.04 23	0.05 33	0.04 43	0.04 19	0.05 129

cscssc	0.10 167	0.06 65	0.12 205	0.15 80	0.07 78	0.09 96	0.17 350	0.16 149	0.21 308	0.13 253	0.17 274	0.10 183	0.11 252	0.12 211	0.13 298	0.06 125	0.04 23	0.05 33	0.04 43	0.04 19	0.05 129

R-Stereo Train	0.10 167	0.06 65	0.11 167	0.17 233	0.08 143	0.11 186	0.14 184	0.24 343	0.11 67	0.12 224	0.19 311	0.11 208	0.08 163	0.10 76	0.11 197	0.07 273	0.05 181	0.06 125	0.05 133	0.05 115	0.05 129

RAFT-Stereo	0.10 167	0.06 65	0.11 167	0.17 233	0.08 143	0.11 186	0.14 184	0.24 343	0.11 67	0.12 224	0.19 311	0.11 208	0.08 163	0.10 76	0.11 197	0.07 273	0.05 181	0.06 125	0.05 133	0.05 115	0.05 129
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Select-FE	0.11 207	0.06 65	0.21 459	0.15 80	0.11 420	0.12 236	0.13 125	0.22 300	0.18 249	0.09 119	0.11 179	0.10 183	0.06 45	0.12 211	0.09 50	0.07 273	0.05 181	0.07 229	0.08 372	0.06 214	0.08 372

FlowAnything_test	0.11 207	0.08 262	0.14 285	0.15 80	0.09 258	0.08 54	0.14 184	0.20 257	0.11 67	0.10 151	0.09 113	0.12 229	0.12 286	0.13 265	0.11 197	0.09 392	0.06 337	0.09 397	0.09 420	0.06 214	0.09 417

xyz-stereo-finetune2	0.11 207	0.07 146	0.13 240	0.13 10	0.07 78	0.11 186	0.19 441	0.17 184	0.12 99	0.15 301	0.15 235	0.17 336	0.13 318	0.13 265	0.11 197	0.05 33	0.04 23	0.07 229	0.05 133	0.04 19	0.06 222

xyz-stereo-finetune	0.11 207	0.08 262	0.13 240	0.14 39	0.06 16	0.10 142	0.19 441	0.18 212	0.19 272	0.12 224	0.14 222	0.15 299	0.11 252	0.13 265	0.12 261	0.05 33	0.04 23	0.07 229	0.05 133	0.04 19	0.05 129

HI	0.11 207	0.06 65	0.12 205	0.13 10	0.09 258	0.09 96	0.14 184	0.22 300	0.11 67	0.20 411	0.17 274	0.14 274	0.10 222	0.16 340	0.09 50	0.05 33	0.04 23	0.07 229	0.08 372	0.07 285	0.06 222

CoSv	0.11 207	0.06 65	0.12 205	0.13 10	0.09 258	0.09 96	0.14 184	0.22 300	0.11 67	0.20 411	0.17 274	0.14 274	0.10 222	0.16 340	0.09 50	0.05 33	0.04 23	0.07 229	0.08 372	0.07 285	0.06 222

rvit_stereo_0081	0.11 207	0.08 262	0.16 365	0.16 156	0.09 258	0.11 186	0.14 184	0.14 92	0.24 351	0.11 192	0.13 209	0.14 274	0.09 195	0.11 126	0.12 261	0.10 433	0.07 411	0.08 310	0.07 302	0.07 285	0.06 222

rvit_stereo_0082	0.11 207	0.08 262	0.16 365	0.16 156	0.09 258	0.11 186	0.14 184	0.14 92	0.24 351	0.11 192	0.13 209	0.14 274	0.09 195	0.11 126	0.12 261	0.10 433	0.07 411	0.08 310	0.07 302	0.07 285	0.06 222

AIO-Stereo-zeroshot1	0.11 207	0.05 18	0.14 285	0.16 156	0.21 558	0.09 96	0.17 350	0.21 276	0.16 207	0.11 192	0.15 235	0.10 183	0.07 122	0.10 76	0.08 14	0.06 125	0.05 181	0.07 229	0.07 302	0.07 285	0.09 417

AIO-Stereo-zeroshot	0.11 207	0.05 18	0.12 205	0.15 80	0.13 479	0.14 309	0.16 320	0.23 319	0.18 249	0.10 151	0.13 209	0.10 183	0.07 122	0.12 211	0.09 50	0.06 125	0.05 181	0.06 125	0.06 208	0.07 285	0.08 372

CAS++	0.11 207	0.07 146	0.11 167	0.14 39	0.10 365	0.13 269	0.14 184	0.24 343	0.14 158	0.11 192	0.09 113	0.11 208	0.07 122	0.14 295	0.09 50	0.11 465	0.09 469	0.09 397	0.07 302	0.07 285	0.08 372
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
Former-RAFT_DAM_RVC	0.11 207	0.08 262	0.13 240	0.16 156	0.08 143	0.15 336	0.16 320	0.18 212	0.19 272	0.10 151	0.09 113	0.09 149	0.08 163	0.11 126	0.12 261	0.07 273	0.05 181	0.08 310	0.06 208	0.07 285	0.06 222

xx1	0.11 207	0.08 262	0.13 240	0.17 233	0.09 258	0.13 269	0.15 258	0.16 149	0.18 249	0.09 119	0.09 113	0.16 319	0.16 392	0.10 76	0.07 1	0.06 125	0.05 181	0.08 310	0.08 372	0.07 285	0.07 303

1test111	0.11 207	0.08 262	0.13 240	0.17 233	0.09 258	0.13 269	0.15 258	0.24 343	0.16 207	0.09 119	0.09 113	0.06 20	0.06 45	0.15 313	0.16 390	0.06 125	0.05 181	0.06 125	0.05 133	0.07 285	0.07 303

plain	0.11 207	0.09 334	0.10 115	0.19 379	0.09 258	0.11 186	0.14 184	0.14 92	0.13 136	0.13 253	0.15 235	0.09 149	0.12 286	0.13 265	0.12 261	0.07 273	0.05 181	0.09 397	0.06 208	0.06 214	0.06 222

MIF-Stereo (partial)	0.11 207	0.06 65	0.10 115	0.19 379	0.10 365	0.10 142	0.12 82	0.17 184	0.19 272	0.14 277	0.16 254	0.10 183	0.11 252	0.12 211	0.12 261	0.08 336	0.05 181	0.08 310	0.07 302	0.06 214	0.07 303

EKT-Stereo	0.11 207	0.07 146	0.14 285	0.16 156	0.10 365	0.13 269	0.14 184	0.19 242	0.21 308	0.11 192	0.08 88	0.13 255	0.10 222	0.11 126	0.12 261	0.08 336	0.06 337	0.07 229	0.06 208	0.08 351	0.07 303

LL-Strereo2	0.11 207	0.10 402	0.16 365	0.18 316	0.08 143	0.15 336	0.09 20	0.17 184	0.14 158	0.14 277	0.11 179	0.09 149	0.07 122	0.16 340	0.10 126	0.05 33	0.05 181	0.11 475	0.07 302	0.06 214	0.05 129

anonymousdsp2	0.11 207	0.07 146	0.11 167	0.16 156	0.09 258	0.13 269	0.14 184	0.19 242	0.23 341	0.13 253	0.14 222	0.12 229	0.09 195	0.14 295	0.11 197	0.05 33	0.05 181	0.05 33	0.04 43	0.06 214	0.06 222

DCRE	0.11 207	0.07 146	0.13 240	0.16 156	0.11 420	0.11 186	0.17 350	0.18 212	0.17 234	0.11 192	0.18 297	0.11 208	0.10 222	0.15 313	0.11 197	0.06 125	0.05 181	0.06 125	0.06 208	0.05 115	0.05 129

knoymous	0.11 207	0.06 65	0.12 205	0.14 39	0.07 78	0.15 336	0.13 125	0.20 257	0.14 158	0.11 192	0.17 274	0.13 255	0.09 195	0.14 295	0.11 197	0.09 392	0.05 181	0.06 125	0.05 133	0.07 285	0.07 303

riskmin	0.11 207	0.06 65	0.13 240	0.14 39	0.08 143	0.14 309	0.14 184	0.18 212	0.15 179	0.12 224	0.15 235	0.17 336	0.11 252	0.14 295	0.12 261	0.09 392	0.05 181	0.07 229	0.05 133	0.08 351	0.08 372

Selective-RAFT	0.11 207	0.11 427	0.12 205	0.21 470	0.08 143	0.16 364	0.13 125	0.21 276	0.23 341	0.10 151	0.10 141	0.11 208	0.10 222	0.15 313	0.11 197	0.05 33	0.05 181	0.06 125	0.05 133	0.06 214	0.05 129

DCANet-4	0.11 207	0.07 146	0.13 240	0.16 156	0.06 16	0.09 96	0.17 350	0.18 212	0.20 293	0.13 253	0.17 274	0.09 149	0.14 350	0.12 211	0.13 298	0.06 125	0.04 23	0.05 33	0.04 43	0.04 19	0.05 129

DisPM	0.11 207	0.07 146	0.13 240	0.16 156	0.09 258	0.06 10	0.13 125	0.18 212	0.17 234	0.14 277	0.19 311	0.12 229	0.10 222	0.12 211	0.11 197	0.07 273	0.05 181	0.07 229	0.06 208	0.06 214	0.11 471

test_4	0.11 207	0.10 402	0.08 24	0.19 379	0.09 258	0.08 54	0.21 476	0.15 120	0.18 249	0.12 224	0.18 297	0.12 229	0.09 195	0.08 16	0.11 197	0.04 6	0.04 23	0.08 310	0.08 372	0.04 19	0.04 33

CIPLG	0.11 207	0.08 262	0.15 323	0.17 233	0.08 143	0.13 269	0.15 258	0.17 184	0.16 207	0.14 277	0.11 179	0.16 319	0.10 222	0.17 379	0.12 261	0.07 273	0.05 181	0.06 125	0.06 208	0.05 115	0.06 222

GLC_STEREO	0.11 207	0.07 146	0.11 167	0.18 316	0.07 78	0.08 54	0.13 125	0.16 149	0.24 351	0.12 224	0.13 209	0.12 229	0.08 163	0.18 397	0.12 261	0.06 125	0.08 442	0.08 310	0.06 208	0.05 115	0.05 129

IPLG	0.11 207	0.08 262	0.15 323	0.17 233	0.08 143	0.11 186	0.14 184	0.20 257	0.15 179	0.13 253	0.18 297	0.07 78	0.07 122	0.14 295	0.14 336	0.06 125	0.04 23	0.06 125	0.05 133	0.04 19	0.04 33

IPLGR_C	0.11 207	0.08 262	0.15 323	0.17 233	0.08 143	0.12 236	0.15 258	0.17 184	0.15 179	0.14 277	0.11 179	0.16 319	0.10 222	0.16 340	0.12 261	0.07 273	0.05 181	0.06 125	0.06 208	0.05 115	0.06 222

MIPNet	0.11 207	0.08 262	0.15 323	0.17 233	0.09 258	0.12 236	0.14 184	0.21 276	0.25 375	0.12 224	0.10 141	0.09 149	0.07 122	0.13 265	0.13 298	0.06 125	0.04 23	0.06 125	0.05 133	0.04 19	0.04 33

IPLGR	0.11 207	0.09 334	0.17 388	0.18 316	0.08 143	0.13 269	0.16 320	0.21 276	0.24 351	0.12 224	0.12 194	0.11 208	0.09 195	0.13 265	0.12 261	0.06 125	0.05 181	0.06 125	0.06 208	0.05 115	0.04 33

GMOStereo	0.11 207	0.09 334	0.08 24	0.19 379	0.08 143	0.12 236	0.28 547	0.13 74	0.18 249	0.11 192	0.17 274	0.14 274	0.12 286	0.07 3	0.07 1	0.05 33	0.05 181	0.09 397	0.07 302	0.04 19	0.04 33

error version	0.11 207	0.09 334	0.08 24	0.19 379	0.08 143	0.12 236	0.28 547	0.13 74	0.18 249	0.11 192	0.17 274	0.14 274	0.12 286	0.07 3	0.07 1	0.05 33	0.05 181	0.09 397	0.07 302	0.04 19	0.04 33

test-v	0.11 207	0.09 334	0.08 24	0.19 379	0.08 143	0.12 236	0.28 547	0.13 74	0.18 249	0.11 192	0.17 274	0.14 274	0.12 286	0.07 3	0.07 1	0.05 33	0.05 181	0.09 397	0.07 302	0.04 19	0.04 33

ACRE	0.11 207	0.08 262	0.15 323	0.17 233	0.08 143	0.13 269	0.15 258	0.17 184	0.14 158	0.14 277	0.11 179	0.16 319	0.10 222	0.16 340	0.12 261	0.07 273	0.05 181	0.06 125	0.06 208	0.05 115	0.06 222

test_3	0.11 207	0.09 334	0.10 115	0.21 470	0.08 143	0.13 269	0.25 527	0.14 92	0.21 308	0.10 151	0.10 141	0.09 149	0.10 222	0.08 16	0.11 197	0.05 33	0.04 23	0.08 310	0.07 302	0.04 19	0.04 33

LCNet	0.11 207	0.07 146	0.09 74	0.19 379	0.09 258	0.08 54	0.14 184	0.21 276	0.15 179	0.12 224	0.15 235	0.16 319	0.11 252	0.12 211	0.11 197	0.05 33	0.04 23	0.08 310	0.07 302	0.06 214	0.14 521

HHNet	0.11 207	0.06 65	0.16 365	0.15 80	0.14 497	0.07 27	0.13 125	0.20 257	0.18 249	0.15 301	0.25 397	0.11 208	0.09 195	0.13 265	0.10 126	0.06 125	0.04 23	0.08 310	0.06 208	0.05 115	0.09 417

Patchmatch Stereo++	0.11 207	0.09 334	0.17 388	0.19 379	0.08 143	0.06 10	0.11 55	0.17 184	0.13 136	0.15 301	0.16 254	0.14 274	0.12 286	0.11 126	0.11 197	0.06 125	0.05 181	0.08 310	0.06 208	0.08 351	0.07 303
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
OMP-Stereo	0.11 207	0.07 146	0.14 285	0.18 316	0.08 143	0.09 96	0.12 82	0.21 276	0.21 308	0.13 253	0.14 222	0.11 208	0.12 286	0.11 126	0.13 298	0.06 125	0.05 181	0.07 229	0.06 208	0.05 115	0.04 33

IIG-Stereo	0.11 207	0.06 65	0.13 240	0.17 233	0.08 143	0.11 186	0.12 82	0.22 300	0.18 249	0.14 277	0.17 274	0.12 229	0.13 318	0.12 211	0.13 298	0.06 125	0.05 181	0.07 229	0.06 208	0.06 214	0.05 129

NF-Stereo	0.11 207	0.07 146	0.13 240	0.17 233	0.09 258	0.10 142	0.13 125	0.23 319	0.19 272	0.12 224	0.17 274	0.12 229	0.12 286	0.11 126	0.11 197	0.06 125	0.04 23	0.07 229	0.06 208	0.07 285	0.12 492

OCTAStereo	0.11 207	0.07 146	0.14 285	0.17 233	0.09 258	0.10 142	0.13 125	0.23 319	0.19 272	0.12 224	0.17 274	0.12 229	0.12 286	0.11 126	0.11 197	0.06 125	0.04 23	0.07 229	0.06 208	0.07 285	0.11 471

NRIStereo	0.11 207	0.08 262	0.15 323	0.18 316	0.08 143	0.10 142	0.13 125	0.17 184	0.15 179	0.12 224	0.15 235	0.13 255	0.13 318	0.13 265	0.10 126	0.06 125	0.04 23	0.07 229	0.06 208	0.06 214	0.07 303

PSM-adaLoss	0.11 207	0.09 334	0.17 388	0.19 379	0.08 143	0.06 10	0.12 82	0.17 184	0.13 136	0.15 301	0.16 254	0.14 274	0.12 286	0.11 126	0.11 197	0.06 125	0.05 181	0.08 310	0.06 208	0.08 351	0.07 303

PSM-AAD	0.11 207	0.07 146	0.10 115	0.20 436	0.09 258	0.10 142	0.14 184	0.21 276	0.13 136	0.12 224	0.14 222	0.18 351	0.11 252	0.11 126	0.10 126	0.05 33	0.05 181	0.09 397	0.08 372	0.06 214	0.14 521

ROB_FTStereo_v2	0.11 207	0.09 334	0.17 388	0.19 379	0.08 143	0.06 10	0.12 82	0.17 184	0.13 136	0.15 301	0.16 254	0.14 274	0.12 286	0.11 126	0.11 197	0.06 125	0.05 181	0.08 310	0.06 208	0.08 351	0.07 303

ROB_FTStereo	0.11 207	0.09 334	0.17 388	0.19 379	0.08 143	0.06 10	0.11 55	0.17 184	0.13 136	0.15 301	0.16 254	0.14 274	0.12 286	0.11 126	0.11 197	0.06 125	0.05 181	0.08 310	0.06 208	0.08 351	0.07 303

HUI-Stereo	0.11 207	0.09 334	0.17 388	0.19 379	0.08 143	0.06 10	0.11 55	0.17 184	0.13 136	0.15 301	0.16 254	0.14 274	0.12 286	0.11 126	0.11 197	0.06 125	0.05 181	0.08 310	0.06 208	0.08 351	0.07 303

ASMatch	0.11 207	0.06 65	0.13 240	0.17 233	0.10 365	0.08 54	0.14 184	0.18 212	0.16 207	0.12 224	0.16 254	0.16 319	0.11 252	0.13 265	0.11 197	0.05 33	0.04 23	0.06 125	0.06 208	0.04 19	0.09 417

SST-Stereo	0.11 207	0.07 146	0.16 365	0.18 316	0.09 258	0.06 10	0.12 82	0.18 212	0.10 40	0.15 301	0.18 297	0.13 255	0.12 286	0.10 76	0.11 197	0.06 125	0.04 23	0.09 397	0.06 208	0.07 285	0.06 222

RAFT_R40	0.11 207	0.07 146	0.15 323	0.18 316	0.09 258	0.06 10	0.13 125	0.17 184	0.15 179	0.14 277	0.18 297	0.15 299	0.12 286	0.10 76	0.11 197	0.06 125	0.04 23	0.09 397	0.06 208	0.06 214	0.05 129

GrayStereo	0.11 207	0.06 65	0.11 167	0.19 379	0.09 258	0.09 96	0.16 320	0.18 212	0.17 234	0.14 277	0.17 274	0.17 336	0.11 252	0.12 211	0.11 197	0.05 33	0.05 181	0.07 229	0.06 208	0.06 214	0.10 447

RE-Stereo	0.11 207	0.07 146	0.13 240	0.17 233	0.09 258	0.10 142	0.13 125	0.23 319	0.19 272	0.12 224	0.17 274	0.12 229	0.12 286	0.11 126	0.11 197	0.06 125	0.04 23	0.07 229	0.06 208	0.07 285	0.11 471

Pruner-Stereo	0.11 207	0.07 146	0.12 205	0.17 233	0.09 258	0.06 10	0.12 82	0.18 212	0.17 234	0.14 277	0.19 311	0.13 255	0.10 222	0.11 126	0.11 197	0.06 125	0.04 23	0.07 229	0.06 208	0.06 214	0.08 372

TVStereo	0.11 207	0.07 146	0.13 240	0.17 233	0.09 258	0.10 142	0.13 125	0.23 319	0.19 272	0.12 224	0.17 274	0.12 229	0.12 286	0.11 126	0.11 197	0.06 125	0.04 23	0.07 229	0.06 208	0.07 285	0.11 471

DeepStereo_RVC	0.11 207	0.08 262	0.17 388	0.18 316	0.08 143	0.08 54	0.11 55	0.17 184	0.12 99	0.13 253	0.15 235	0.12 229	0.12 286	0.12 211	0.11 197	0.06 125	0.04 23	0.07 229	0.06 208	0.07 285	0.08 372

iGMRVC	0.11 207	0.09 334	0.17 388	0.19 379	0.08 143	0.06 10	0.12 82	0.17 184	0.13 136	0.15 301	0.16 254	0.14 274	0.12 286	0.11 126	0.11 197	0.06 125	0.05 181	0.08 310	0.06 208	0.08 351	0.07 303

RAFT-345	0.11 207	0.07 146	0.16 365	0.17 233	0.08 143	0.08 54	0.12 82	0.16 149	0.10 40	0.11 192	0.34 489	0.09 149	0.10 222	0.11 126	0.12 261	0.05 33	0.05 181	0.07 229	0.06 208	0.04 19	0.05 129

iRAFT	0.11 207	0.09 334	0.17 388	0.19 379	0.08 143	0.06 10	0.11 55	0.17 184	0.13 136	0.15 301	0.16 254	0.14 274	0.12 286	0.11 126	0.11 197	0.06 125	0.05 181	0.08 310	0.06 208	0.08 351	0.07 303

CRE-IMP	0.11 207	0.09 334	0.16 365	0.19 379	0.09 258	0.10 142	0.12 82	0.18 212	0.10 40	0.14 277	0.14 222	0.14 274	0.13 318	0.12 211	0.12 261	0.07 273	0.04 23	0.08 310	0.06 208	0.08 351	0.08 372

test-2	0.11 207	0.09 334	0.08 24	0.19 379	0.08 143	0.12 236	0.28 547	0.13 74	0.18 249	0.11 192	0.17 274	0.14 274	0.12 286	0.07 3	0.07 1	0.05 33	0.05 181	0.09 397	0.07 302	0.04 19	0.04 33

GMM-Stereo	0.11 207	0.07 146	0.10 115	0.18 316	0.09 258	0.08 54	0.14 184	0.24 343	0.16 207	0.11 192	0.15 235	0.13 255	0.11 252	0.11 126	0.11 197	0.05 33	0.04 23	0.08 310	0.07 302	0.06 214	0.09 417

RAFT-IKP	0.11 207	0.09 334	0.17 388	0.19 379	0.08 143	0.06 10	0.11 55	0.17 184	0.13 136	0.15 301	0.16 254	0.14 274	0.12 286	0.11 126	0.11 197	0.06 125	0.05 181	0.08 310	0.06 208	0.08 351	0.07 303

Prome-Stereo	0.11 207	0.07 146	0.11 167	0.18 316	0.09 258	0.12 236	0.14 184	0.23 319	0.13 136	0.13 253	0.16 254	0.13 255	0.08 163	0.12 211	0.10 126	0.05 33	0.05 181	0.07 229	0.06 208	0.06 214	0.10 447

rafts_anoy	0.11 207	0.06 65	0.10 115	0.17 233	0.08 143	0.10 142	0.14 184	0.18 212	0.14 158	0.13 253	0.13 209	0.12 229	0.11 252	0.11 126	0.13 298	0.07 273	0.05 181	0.09 397	0.11 488	0.07 285	0.06 222

raft+_RVC	0.11 207	0.07 146	0.09 74	0.16 156	0.07 78	0.10 142	0.11 55	0.24 343	0.20 293	0.12 224	0.15 235	0.12 229	0.08 163	0.12 211	0.13 298	0.07 273	0.04 23	0.07 229	0.06 208	0.05 115	0.05 129

RALCasStereoNet	0.11 207	0.07 146	0.09 74	0.16 156	0.08 143	0.13 269	0.14 184	0.17 184	0.11 67	0.12 224	0.17 274	0.14 274	0.10 222	0.12 211	0.11 197	0.07 273	0.06 337	0.06 125	0.05 133	0.08 351	0.07 303

RALAANet	0.11 207	0.08 262	0.10 115	0.17 233	0.09 258	0.14 309	0.10 32	0.20 257	0.16 207	0.14 277	0.13 209	0.16 319	0.09 195	0.12 211	0.12 261	0.06 125	0.05 181	0.08 310	0.07 302	0.06 214	0.04 33

111	0.11 207	0.06 65	0.12 205	0.15 80	0.07 78	0.10 142	0.14 184	0.21 276	0.24 351	0.11 192	0.12 194	0.14 274	0.12 286	0.13 265	0.10 126	0.06 125	0.04 23	0.06 125	0.04 43	0.06 214	0.05 129

DIP-Stereo	0.11 207	0.08 262	0.15 323	0.17 233	0.09 258	0.13 269	0.09 20	0.16 149	0.16 207	0.12 224	0.16 254	0.14 274	0.12 286	0.16 340	0.14 336	0.06 125	0.05 181	0.06 125	0.05 133	0.05 115	0.07 303
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.11 207	0.06 65	0.12 205	0.14 39	0.06 16	0.12 236	0.10 32	0.18 212	0.18 249	0.13 253	0.17 274	0.15 299	0.11 252	0.15 313	0.14 336	0.06 125	0.04 23	0.04 1	0.04 43	0.06 214	0.05 129
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
rvit_stereo_0083	0.12 280	0.08 262	0.17 388	0.16 156	0.09 258	0.11 186	0.15 258	0.15 120	0.26 388	0.11 192	0.14 222	0.13 255	0.10 222	0.12 211	0.13 298	0.10 433	0.08 442	0.09 397	0.07 302	0.07 285	0.06 222

rvit_stereo_0081_aga	0.12 280	0.09 334	0.15 323	0.18 316	0.10 365	0.14 309	0.14 184	0.14 92	0.19 272	0.10 151	0.18 297	0.16 319	0.09 195	0.12 211	0.10 126	0.10 433	0.06 337	0.08 310	0.07 302	0.07 285	0.06 222

rvit_stereo_ft	0.12 280	0.07 146	0.13 240	0.19 379	0.10 365	0.12 236	0.17 350	0.16 149	0.16 207	0.13 253	0.13 209	0.15 299	0.10 222	0.14 295	0.13 298	0.10 433	0.06 337	0.08 310	0.07 302	0.07 285	0.06 222

MyStereo8	0.12 280	0.07 146	0.15 323	0.15 80	0.09 258	0.18 403	0.14 184	0.19 242	0.22 331	0.12 224	0.18 297	0.11 208	0.10 222	0.16 340	0.18 420	0.07 273	0.05 181	0.07 229	0.05 133	0.08 351	0.09 417

CoDeX	0.12 280	0.07 146	0.13 240	0.17 233	0.08 143	0.12 236	0.16 320	0.23 319	0.27 401	0.13 253	0.17 274	0.15 299	0.12 286	0.14 295	0.11 197	0.07 273	0.05 181	0.07 229	0.06 208	0.06 214	0.05 129

11t1	0.12 280	0.07 146	0.14 285	0.14 39	0.08 143	0.17 387	0.15 258	0.19 242	0.15 179	0.15 301	0.15 235	0.17 336	0.16 392	0.15 313	0.13 298	0.08 336	0.05 181	0.06 125	0.05 133	0.08 351	0.07 303

ffm	0.12 280	0.09 334	0.15 323	0.16 156	0.09 258	0.17 387	0.17 350	0.15 120	0.19 272	0.15 301	0.26 410	0.19 360	0.13 318	0.10 76	0.08 14	0.06 125	0.05 181	0.09 397	0.08 372	0.06 214	0.06 222

RAFT_CTSACE	0.12 280	0.09 334	0.10 115	0.22 490	0.08 143	0.12 236	0.24 510	0.18 212	0.17 234	0.21 427	0.27 428	0.13 255	0.07 122	0.13 265	0.09 50	0.05 33	0.06 337	0.08 310	0.07 302	0.04 19	0.04 33

Sa-1000	0.12 280	0.08 262	0.09 74	0.18 316	0.08 143	0.15 336	0.22 488	0.22 300	0.19 272	0.15 301	0.20 321	0.17 336	0.11 252	0.10 76	0.10 126	0.06 125	0.05 181	0.09 397	0.09 420	0.05 115	0.05 129

iRaft-Stereo_5w	0.12 280	0.09 334	0.12 205	0.20 436	0.08 143	0.09 96	0.12 82	0.22 300	0.22 331	0.19 389	0.14 222	0.11 208	0.09 195	0.20 440	0.16 390	0.05 33	0.05 181	0.07 229	0.06 208	0.05 115	0.06 222

CrosDoStereo	0.12 280	0.07 146	0.12 205	0.14 39	0.09 258	0.12 236	0.15 258	0.17 184	0.22 331	0.19 389	0.24 370	0.15 299	0.11 252	0.11 126	0.12 261	0.06 125	0.05 181	0.07 229	0.07 302	0.05 115	0.05 129

PFNet+	0.12 280	0.06 65	0.14 285	0.16 156	0.09 258	0.05 3	0.12 82	0.18 212	0.21 308	0.16 330	0.19 311	0.14 274	0.10 222	0.11 126	0.11 197	0.08 336	0.05 181	0.09 397	0.08 372	0.06 214	0.11 471

AAGNet	0.12 280	0.08 262	0.17 388	0.19 379	0.09 258	0.08 54	0.13 125	0.19 242	0.13 136	0.16 330	0.21 338	0.13 255	0.14 350	0.11 126	0.14 336	0.06 125	0.04 23	0.09 397	0.06 208	0.06 214	0.05 129

PSM-softLoss	0.12 280	0.07 146	0.15 323	0.17 233	0.09 258	0.08 54	0.12 82	0.24 343	0.17 234	0.15 301	0.19 311	0.13 255	0.11 252	0.11 126	0.11 197	0.07 273	0.05 181	0.08 310	0.07 302	0.07 285	0.12 492

KMStereo	0.12 280	0.07 146	0.15 323	0.17 233	0.09 258	0.08 54	0.12 82	0.24 343	0.17 234	0.15 301	0.19 311	0.13 255	0.11 252	0.11 126	0.11 197	0.07 273	0.05 181	0.08 310	0.07 302	0.07 285	0.12 492

FTStereo	0.12 280	0.07 146	0.14 285	0.18 316	0.09 258	0.07 27	0.15 258	0.22 300	0.18 249	0.12 224	0.24 370	0.11 208	0.13 318	0.13 265	0.14 336	0.05 33	0.05 181	0.07 229	0.07 302	0.06 214	0.10 447

KYRaft	0.12 280	0.07 146	0.10 115	0.19 379	0.09 258	0.08 54	0.15 258	0.23 319	0.12 99	0.13 253	0.16 254	0.20 377	0.10 222	0.12 211	0.11 197	0.06 125	0.04 23	0.08 310	0.08 372	0.06 214	0.15 535

DeepStereo_LL	0.12 280	0.07 146	0.12 205	0.14 39	0.09 258	0.12 236	0.15 258	0.17 184	0.22 331	0.19 389	0.24 370	0.15 299	0.11 252	0.11 126	0.12 261	0.06 125	0.05 181	0.07 229	0.07 302	0.05 115	0.05 129

DEmStereo	0.12 280	0.06 65	0.14 285	0.14 39	0.10 365	0.16 364	0.15 258	0.16 149	0.24 351	0.17 342	0.23 358	0.12 229	0.14 350	0.12 211	0.14 336	0.05 33	0.04 23	0.07 229	0.06 208	0.05 115	0.05 129

THIR-Stereo	0.12 280	0.07 146	0.11 167	0.15 80	0.08 143	0.14 309	0.16 320	0.18 212	0.25 375	0.17 342	0.24 370	0.13 255	0.13 318	0.12 211	0.14 336	0.06 125	0.05 181	0.07 229	0.07 302	0.05 115	0.05 129

DRaft	0.12 280	0.06 65	0.12 205	0.14 39	0.09 258	0.14 309	0.17 350	0.21 276	0.30 430	0.18 374	0.27 428	0.10 183	0.16 392	0.11 126	0.12 261	0.05 33	0.04 23	0.07 229	0.07 302	0.05 115	0.05 129

PFNet	0.12 280	0.06 65	0.17 388	0.18 316	0.08 143	0.09 96	0.15 258	0.26 377	0.20 293	0.16 330	0.16 254	0.14 274	0.12 286	0.13 265	0.11 197	0.06 125	0.04 23	0.07 229	0.06 208	0.05 115	0.05 129

RAFT-RH_RVC	0.12 280	0.06 65	0.14 285	0.16 156	0.09 258	0.12 236	0.12 82	0.17 184	0.12 99	0.13 253	0.40 520	0.11 208	0.10 222	0.13 265	0.12 261	0.05 33	0.04 23	0.08 310	0.05 133	0.05 115	0.06 222

IRAFT_RVC	0.12 280	0.08 262	0.17 388	0.19 379	0.08 143	0.07 27	0.14 184	0.25 364	0.23 341	0.14 277	0.15 235	0.15 299	0.12 286	0.12 211	0.11 197	0.06 125	0.04 23	0.09 397	0.06 208	0.06 214	0.06 222

sCroCo_RVC	0.12 280	0.09 334	0.24 483	0.24 520	0.11 420	0.19 425	0.14 184	0.17 184	0.15 179	0.10 151	0.13 209	0.12 229	0.07 122	0.14 295	0.11 197	0.08 336	0.08 442	0.08 310	0.08 372	0.05 115	0.07 303

ARAFT	0.12 280	0.08 262	0.18 422	0.19 379	0.09 258	0.15 336	0.17 350	0.20 257	0.13 136	0.12 224	0.13 209	0.14 274	0.12 286	0.15 313	0.13 298	0.06 125	0.05 181	0.10 445	0.09 420	0.06 214	0.04 33

BEATNet_4x	0.12 280	0.09 334	0.15 323	0.18 316	0.07 78	0.15 336	0.07 5	0.23 319	0.19 272	0.16 330	0.19 311	0.19 360	0.14 350	0.17 379	0.15 371	0.07 273	0.05 181	0.05 33	0.05 133	0.06 214	0.07 303

WQFJA1	0.13 307	0.09 334	0.10 115	0.20 436	0.11 420	0.11 186	0.15 258	0.26 377	0.40 502	0.10 151	0.15 235	0.12 229	0.11 252	0.12 211	0.13 298	0.07 273	0.06 337	0.08 310	0.08 372	0.06 214	0.06 222

WQFJX1	0.13 307	0.09 334	0.10 115	0.20 436	0.11 420	0.11 186	0.15 258	0.26 377	0.40 502	0.10 151	0.15 235	0.12 229	0.11 252	0.12 211	0.13 298	0.07 273	0.06 337	0.08 310	0.08 372	0.06 214	0.06 222

G2L-ROB	0.13 307	0.07 146	0.13 240	0.13 10	0.08 143	0.14 309	0.17 350	0.25 364	0.19 272	0.20 411	0.19 311	0.20 377	0.14 350	0.18 397	0.16 390	0.08 336	0.05 181	0.06 125	0.05 133	0.08 351	0.09 417

DFGA-Net	0.13 307	0.11 427	0.19 445	0.18 316	0.10 365	0.13 269	0.13 125	0.23 319	0.25 375	0.16 330	0.16 254	0.13 255	0.12 286	0.17 379	0.15 371	0.07 273	0.05 181	0.08 310	0.07 302	0.05 115	0.05 129

FACV-RUCA	0.13 307	0.11 427	0.13 240	0.19 379	0.12 453	0.15 336	0.16 320	0.22 300	0.21 308	0.16 330	0.16 254	0.15 299	0.16 392	0.14 295	0.13 298	0.07 273	0.05 181	0.08 310	0.06 208	0.10 450	0.08 372

UGAM	0.13 307	0.10 402	0.09 74	0.22 490	0.08 143	0.13 269	0.20 460	0.18 212	0.24 351	0.22 442	0.16 254	0.13 255	0.13 318	0.19 422	0.13 298	0.07 273	0.05 181	0.13 510	0.11 488	0.07 285	0.05 129

test_sample2	0.13 307	0.07 146	0.12 205	0.14 39	0.08 143	0.16 364	0.18 398	0.21 276	0.16 207	0.14 277	0.21 338	0.20 377	0.15 371	0.15 313	0.13 298	0.08 336	0.06 337	0.07 229	0.06 208	0.08 351	0.08 372

test_sample1	0.13 307	0.07 146	0.14 285	0.14 39	0.08 143	0.19 425	0.17 350	0.20 257	0.15 179	0.14 277	0.22 354	0.18 351	0.16 392	0.17 379	0.15 371	0.07 273	0.06 337	0.06 125	0.06 208	0.08 351	0.08 372

MyStereo05	0.13 307	0.07 146	0.10 115	0.17 233	0.09 258	0.13 269	0.18 398	0.28 418	0.35 475	0.17 342	0.14 222	0.15 299	0.11 252	0.15 313	0.13 298	0.06 125	0.05 181	0.08 310	0.07 302	0.06 214	0.06 222

MyStereo04	0.13 307	0.07 146	0.10 115	0.17 233	0.09 258	0.14 309	0.17 350	0.29 436	0.38 493	0.17 342	0.14 222	0.16 319	0.11 252	0.15 313	0.13 298	0.06 125	0.05 181	0.08 310	0.07 302	0.06 214	0.06 222

ff1	0.13 307	0.09 334	0.15 323	0.16 156	0.09 258	0.17 387	0.17 350	0.15 120	0.19 272	0.15 301	0.26 410	0.19 360	0.13 318	0.15 313	0.22 471	0.06 125	0.05 181	0.09 397	0.08 372	0.06 214	0.06 222

LL-Strereo	0.13 307	0.10 402	0.12 205	0.20 436	0.10 365	0.11 186	0.18 398	0.33 482	0.25 375	0.16 330	0.16 254	0.14 274	0.14 350	0.19 422	0.11 197	0.06 125	0.05 181	0.09 397	0.08 372	0.04 19	0.05 129

anonymousa	0.13 307	0.07 146	0.14 285	0.18 316	0.09 258	0.13 269	0.17 350	0.20 257	0.29 424	0.15 301	0.24 370	0.16 319	0.14 350	0.14 295	0.14 336	0.07 273	0.05 181	0.07 229	0.09 420	0.05 115	0.07 303

TestStereo1	0.13 307	0.08 262	0.08 24	0.20 436	0.08 143	0.18 403	0.29 558	0.23 319	0.17 234	0.17 342	0.20 321	0.16 319	0.11 252	0.12 211	0.13 298	0.06 125	0.06 337	0.08 310	0.06 208	0.05 115	0.05 129

qqq	0.13 307	0.09 334	0.15 323	0.16 156	0.08 143	0.13 269	0.15 258	0.24 343	0.16 207	0.15 301	0.19 311	0.16 319	0.16 392	0.15 313	0.16 390	0.07 273	0.06 337	0.08 310	0.08 372	0.07 285	0.07 303

x	0.13 307	0.08 262	0.15 323	0.14 39	0.08 143	0.19 425	0.14 184	0.22 300	0.21 308	0.15 301	0.20 321	0.20 377	0.18 430	0.18 397	0.18 420	0.07 273	0.05 181	0.06 125	0.06 208	0.07 285	0.07 303

raft_robust	0.13 307	0.10 402	0.07 5	0.18 316	0.08 143	0.13 269	0.24 510	0.29 436	0.34 461	0.20 411	0.20 321	0.15 299	0.10 222	0.11 126	0.12 261	0.05 33	0.05 181	0.07 229	0.07 302	0.05 115	0.04 33

RAFT+CT+SA	0.13 307	0.11 427	0.09 74	0.19 379	0.09 258	0.15 336	0.28 547	0.22 300	0.22 331	0.15 301	0.26 410	0.10 183	0.10 222	0.11 126	0.12 261	0.05 33	0.04 23	0.07 229	0.08 372	0.07 285	0.06 222

SA-5K	0.13 307	0.08 262	0.08 24	0.20 436	0.08 143	0.18 403	0.29 558	0.23 319	0.17 234	0.17 342	0.20 321	0.16 319	0.11 252	0.12 211	0.13 298	0.06 125	0.06 337	0.08 310	0.06 208	0.05 115	0.05 129

SA	0.13 307	0.09 334	0.09 74	0.18 316	0.08 143	0.12 236	0.24 510	0.23 319	0.19 272	0.17 342	0.27 428	0.15 299	0.11 252	0.11 126	0.11 197	0.05 33	0.05 181	0.09 397	0.08 372	0.05 115	0.05 129

GwcNet-ADL	0.13 307	0.08 262	0.14 285	0.20 436	0.09 258	0.12 236	0.20 460	0.30 447	0.25 375	0.14 277	0.14 222	0.18 351	0.14 350	0.13 265	0.15 371	0.07 273	0.05 181	0.06 125	0.05 133	0.07 285	0.06 222

GANet-ADL	0.13 307	0.07 146	0.15 323	0.17 233	0.10 365	0.19 425	0.15 258	0.30 447	0.21 308	0.13 253	0.18 297	0.19 360	0.13 318	0.16 340	0.14 336	0.08 336	0.06 337	0.06 125	0.05 133	0.07 285	0.08 372

RAFT	0.13 307	0.09 334	0.11 167	0.18 316	0.08 143	0.15 336	0.23 500	0.21 276	0.20 293	0.21 427	0.21 338	0.18 351	0.13 318	0.17 379	0.10 126	0.06 125	0.07 411	0.10 445	0.09 420	0.06 214	0.05 129

sAnonymous2	0.13 307	0.12 446	0.25 486	0.20 436	0.12 453	0.18 403	0.14 184	0.27 393	0.21 308	0.11 192	0.12 194	0.13 255	0.08 163	0.11 126	0.11 197	0.09 392	0.05 181	0.08 310	0.06 208	0.15 532	0.10 447

CroCo_RVC	0.13 307	0.12 446	0.25 486	0.20 436	0.12 453	0.18 403	0.14 184	0.27 393	0.21 308	0.11 192	0.12 194	0.13 255	0.08 163	0.11 126	0.11 197	0.09 392	0.05 181	0.08 310	0.06 208	0.15 532	0.10 447

RAFT + AFF	0.13 307	0.08 262	0.21 459	0.20 436	0.10 365	0.14 309	0.23 500	0.27 393	0.21 308	0.12 224	0.10 141	0.12 229	0.10 222	0.16 340	0.12 261	0.08 336	0.07 411	0.09 397	0.09 420	0.06 214	0.09 417

GMStereo	0.13 307	0.15 496	0.14 285	0.18 316	0.09 258	0.16 364	0.16 320	0.20 257	0.25 375	0.17 342	0.17 274	0.11 208	0.11 252	0.16 340	0.13 298	0.07 273	0.06 337	0.06 125	0.06 208	0.07 285	0.06 222
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 307	0.07 146	0.15 323	0.17 233	0.09 258	0.15 336	0.16 320	0.28 418	0.27 401	0.14 277	0.18 297	0.12 229	0.13 318	0.14 295	0.11 197	0.08 336	0.05 181	0.07 229	0.07 302	0.07 285	0.06 222

FENet	0.13 307	0.08 262	0.13 240	0.16 156	0.08 143	0.15 336	0.16 320	0.23 319	0.23 341	0.17 342	0.24 370	0.16 319	0.13 318	0.14 295	0.15 371	0.08 336	0.05 181	0.08 310	0.08 372	0.08 351	0.08 372

MLCV	0.13 307	0.08 262	0.17 388	0.18 316	0.06 16	0.16 364	0.17 350	0.19 242	0.22 331	0.19 389	0.25 397	0.17 336	0.13 318	0.15 313	0.14 336	0.05 33	0.04 23	0.05 33	0.04 43	0.05 115	0.04 33

iResNet	0.13 307	0.10 402	0.18 422	0.19 379	0.08 143	0.14 309	0.18 398	0.21 276	0.27 401	0.16 330	0.24 370	0.15 299	0.13 318	0.14 295	0.15 371	0.06 125	0.04 23	0.06 125	0.05 133	0.06 214	0.05 129

DN-CSS_ROB	0.13 307	0.13 474	0.17 388	0.18 316	0.10 365	0.16 364	0.08 9	0.22 300	0.19 272	0.17 342	0.23 358	0.13 255	0.13 318	0.13 265	0.14 336	0.05 33	0.05 181	0.10 445	0.10 458	0.08 351	0.06 222

WQFJX	0.14 339	0.09 334	0.12 205	0.25 528	0.11 420	0.11 186	0.16 320	0.38 535	0.44 523	0.13 253	0.16 254	0.10 183	0.09 195	0.17 379	0.14 336	0.06 125	0.06 337	0.08 310	0.06 208	0.04 19	0.05 129

xyz-stereo	0.14 339	0.07 146	0.22 469	0.15 80	0.05 1	0.22 469	0.15 258	0.17 184	0.31 439	0.15 301	0.28 439	0.26 453	0.17 416	0.13 265	0.12 261	0.05 33	0.05 181	0.06 125	0.05 133	0.04 19	0.04 33

G2L-Stereo_test	0.14 339	0.07 146	0.11 167	0.13 10	0.08 143	0.12 236	0.17 350	0.31 463	0.28 417	0.21 427	0.23 358	0.20 377	0.16 392	0.17 379	0.19 435	0.07 273	0.05 181	0.05 33	0.05 133	0.07 285	0.07 303

coex_refinement	0.14 339	0.07 146	0.12 205	0.17 233	0.10 365	0.16 364	0.15 258	0.27 393	0.29 424	0.18 374	0.21 338	0.22 404	0.17 416	0.16 340	0.19 435	0.08 336	0.05 181	0.06 125	0.06 208	0.09 415	0.08 372

G2L-Stereo	0.14 339	0.07 146	0.13 240	0.17 233	0.09 258	0.13 269	0.12 82	0.27 393	0.22 331	0.17 342	0.27 428	0.21 386	0.13 318	0.18 397	0.18 420	0.09 392	0.08 442	0.08 310	0.07 302	0.07 285	0.07 303

rvit_0105_6	0.14 339	0.09 334	0.18 422	0.17 233	0.10 365	0.10 142	0.17 350	0.19 242	0.26 388	0.12 224	0.18 297	0.17 336	0.13 318	0.18 397	0.13 298	0.15 532	0.11 506	0.12 496	0.10 458	0.09 415	0.06 222

rvit_0105_5	0.14 339	0.10 402	0.14 285	0.17 233	0.09 258	0.14 309	0.23 500	0.24 343	0.27 401	0.14 277	0.15 235	0.18 351	0.13 318	0.17 379	0.14 336	0.14 528	0.11 506	0.10 445	0.11 488	0.08 351	0.07 303

test_sample6	0.14 339	0.09 334	0.14 285	0.17 233	0.08 143	0.17 387	0.19 441	0.26 377	0.18 249	0.18 374	0.28 439	0.19 360	0.15 371	0.15 313	0.13 298	0.08 336	0.05 181	0.08 310	0.07 302	0.08 351	0.08 372

test_sample5	0.14 339	0.08 262	0.14 285	0.16 156	0.08 143	0.18 403	0.18 398	0.25 364	0.17 234	0.17 342	0.28 439	0.18 351	0.15 371	0.16 340	0.13 298	0.08 336	0.06 337	0.08 310	0.07 302	0.09 415	0.08 372

test_sample4	0.14 339	0.08 262	0.15 323	0.15 80	0.08 143	0.19 425	0.18 398	0.26 377	0.18 249	0.17 342	0.26 410	0.18 351	0.15 371	0.17 379	0.13 298	0.08 336	0.06 337	0.08 310	0.06 208	0.09 415	0.08 372

test_sample3	0.14 339	0.08 262	0.15 323	0.14 39	0.09 258	0.20 444	0.17 350	0.27 393	0.18 249	0.17 342	0.22 354	0.19 360	0.15 371	0.17 379	0.14 336	0.09 392	0.06 337	0.07 229	0.06 208	0.09 415	0.08 372

SMFormer	0.14 339	0.07 146	0.18 422	0.14 39	0.08 143	0.17 387	0.17 350	0.27 393	0.27 401	0.19 389	0.20 321	0.19 360	0.15 371	0.15 313	0.17 407	0.08 336	0.05 181	0.07 229	0.06 208	0.08 351	0.07 303

tta	0.14 339	0.07 146	0.18 422	0.14 39	0.08 143	0.17 387	0.17 350	0.27 393	0.27 401	0.19 389	0.20 321	0.19 360	0.15 371	0.15 313	0.17 407	0.08 336	0.05 181	0.07 229	0.06 208	0.06 214	0.06 222

qqq1	0.14 339	0.07 146	0.18 422	0.14 39	0.08 143	0.17 387	0.17 350	0.27 393	0.27 401	0.19 389	0.20 321	0.19 360	0.15 371	0.15 313	0.12 261	0.08 336	0.05 181	0.05 33	0.05 133	0.06 214	0.06 222

fff1	0.14 339	0.07 146	0.18 422	0.14 39	0.08 143	0.17 387	0.17 350	0.27 393	0.27 401	0.19 389	0.20 321	0.19 360	0.15 371	0.15 313	0.12 261	0.08 336	0.05 181	0.05 33	0.05 133	0.06 214	0.06 222

mmm	0.14 339	0.08 262	0.18 422	0.17 233	0.09 258	0.17 387	0.18 398	0.21 276	0.16 207	0.16 330	0.23 358	0.21 386	0.16 392	0.16 340	0.17 407	0.08 336	0.05 181	0.08 310	0.08 372	0.08 351	0.07 303

DualNet	0.14 339	0.08 262	0.14 285	0.16 156	0.08 143	0.18 403	0.18 398	0.25 364	0.17 234	0.18 374	0.28 439	0.18 351	0.15 371	0.16 340	0.13 298	0.08 336	0.06 337	0.08 310	0.07 302	0.09 415	0.08 372

ttt	0.14 339	0.08 262	0.14 285	0.15 80	0.08 143	0.15 336	0.18 398	0.27 393	0.30 430	0.16 330	0.24 370	0.17 336	0.14 350	0.13 265	0.14 336	0.11 465	0.08 442	0.09 397	0.08 372	0.09 415	0.09 417

StereoVision	0.14 339	0.13 474	0.10 115	0.24 520	0.10 365	0.16 364	0.21 476	0.21 276	0.20 293	0.12 224	0.25 397	0.10 183	0.10 222	0.16 340	0.10 126	0.09 392	0.10 492	0.12 496	0.12 509	0.06 214	0.05 129

PCWNet_CMD	0.14 339	0.08 262	0.15 323	0.17 233	0.09 258	0.14 309	0.14 184	0.29 436	0.36 481	0.14 277	0.20 321	0.21 386	0.13 318	0.17 379	0.14 336	0.07 273	0.05 181	0.07 229	0.07 302	0.07 285	0.07 303

gwcnet-sp	0.14 339	0.07 146	0.13 240	0.18 316	0.09 258	0.16 364	0.18 398	0.24 343	0.24 351	0.19 389	0.24 370	0.15 299	0.16 392	0.16 340	0.15 371	0.08 336	0.07 411	0.07 229	0.08 372	0.08 351	0.07 303

scenet	0.14 339	0.07 146	0.13 240	0.18 316	0.09 258	0.16 364	0.18 398	0.24 343	0.24 351	0.19 389	0.24 370	0.15 299	0.16 392	0.16 340	0.15 371	0.08 336	0.07 411	0.07 229	0.08 372	0.08 351	0.07 303

CASS	0.14 339	0.12 446	0.12 205	0.23 509	0.09 258	0.15 336	0.17 350	0.19 242	0.20 293	0.17 342	0.18 297	0.15 299	0.15 371	0.15 313	0.14 336	0.09 392	0.06 337	0.10 445	0.08 372	0.09 415	0.07 303
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.14 339	0.07 146	0.13 240	0.18 316	0.09 258	0.16 364	0.18 398	0.24 343	0.24 351	0.19 389	0.24 370	0.15 299	0.16 392	0.16 340	0.15 371	0.08 336	0.07 411	0.07 229	0.08 372	0.08 351	0.07 303

IER	0.14 339	0.08 262	0.13 240	0.17 233	0.09 258	0.14 309	0.16 320	0.26 377	0.27 401	0.18 374	0.26 410	0.17 336	0.20 460	0.17 379	0.14 336	0.08 336	0.05 181	0.07 229	0.06 208	0.08 351	0.07 303

test_5	0.14 339	0.12 446	0.08 24	0.20 436	0.10 365	0.14 309	0.28 547	0.21 276	0.24 351	0.19 389	0.28 439	0.11 208	0.15 371	0.12 211	0.13 298	0.06 125	0.05 181	0.07 229	0.08 372	0.08 351	0.07 303

psmg	0.14 339	0.09 334	0.14 285	0.17 233	0.10 365	0.15 336	0.17 350	0.29 436	0.20 293	0.17 342	0.21 338	0.25 443	0.16 392	0.16 340	0.14 336	0.08 336	0.07 411	0.08 310	0.08 372	0.07 285	0.07 303

UDGNet	0.14 339	0.13 474	0.17 388	0.18 316	0.10 365	0.12 236	0.16 320	0.21 276	0.27 401	0.20 411	0.20 321	0.17 336	0.13 318	0.16 340	0.14 336	0.10 433	0.06 337	0.09 397	0.07 302	0.07 285	0.07 303

TestStereo	0.14 339	0.15 496	0.11 167	0.23 509	0.08 143	0.15 336	0.21 476	0.20 257	0.23 341	0.14 277	0.25 397	0.16 319	0.13 318	0.16 340	0.14 336	0.06 125	0.06 337	0.08 310	0.06 208	0.09 415	0.05 129

CFNet_pseudo	0.14 339	0.08 262	0.16 365	0.16 156	0.09 258	0.13 269	0.14 184	0.27 393	0.34 461	0.15 301	0.21 338	0.22 404	0.13 318	0.18 397	0.14 336	0.07 273	0.05 181	0.08 310	0.06 208	0.07 285	0.07 303

GES	0.14 339	0.08 262	0.16 365	0.15 80	0.10 365	0.13 269	0.13 125	0.28 418	0.26 388	0.17 342	0.24 370	0.19 360	0.14 350	0.16 340	0.14 336	0.08 336	0.08 442	0.07 229	0.06 208	0.08 351	0.09 417

cf-r	0.14 339	0.07 146	0.13 240	0.16 156	0.08 143	0.14 309	0.19 441	0.21 276	0.25 375	0.17 342	0.26 410	0.22 404	0.17 416	0.14 295	0.15 371	0.10 433	0.05 181	0.06 125	0.08 372	0.06 214	0.06 222

GANet-RSSM	0.14 339	0.07 146	0.13 240	0.13 10	0.08 143	0.14 309	0.18 398	0.23 319	0.21 308	0.17 342	0.25 397	0.24 430	0.16 392	0.16 340	0.16 390	0.10 433	0.06 337	0.07 229	0.08 372	0.08 351	0.07 303

PSMNet-RSSM	0.14 339	0.07 146	0.14 285	0.15 80	0.08 143	0.13 269	0.16 320	0.25 364	0.24 351	0.17 342	0.28 439	0.23 421	0.14 350	0.16 340	0.14 336	0.11 465	0.06 337	0.09 397	0.12 509	0.08 351	0.07 303

GwcNet-RSSM	0.14 339	0.07 146	0.12 205	0.16 156	0.08 143	0.15 336	0.20 460	0.22 300	0.28 417	0.18 374	0.28 439	0.23 421	0.17 416	0.15 313	0.16 390	0.10 433	0.06 337	0.07 229	0.09 420	0.07 285	0.07 303

CFNet-ft	0.14 339	0.07 146	0.15 323	0.12 5	0.09 258	0.17 387	0.18 398	0.22 300	0.24 351	0.17 342	0.26 410	0.24 430	0.14 350	0.16 340	0.15 371	0.11 465	0.06 337	0.08 310	0.09 420	0.09 415	0.08 372

DMCA	0.14 339	0.09 334	0.17 388	0.19 379	0.09 258	0.15 336	0.17 350	0.23 319	0.28 417	0.14 277	0.20 321	0.17 336	0.18 430	0.15 313	0.17 407	0.10 433	0.06 337	0.08 310	0.06 208	0.09 415	0.10 447

MSMDNet	0.14 339	0.08 262	0.15 323	0.17 233	0.09 258	0.14 309	0.14 184	0.29 436	0.36 481	0.14 277	0.20 321	0.21 386	0.13 318	0.18 397	0.14 336	0.07 273	0.05 181	0.07 229	0.07 302	0.07 285	0.07 303

HSM-Net_RVC	0.14 339	0.08 262	0.12 205	0.15 80	0.08 143	0.16 364	0.15 258	0.27 393	0.29 424	0.20 411	0.21 338	0.29 478	0.14 350	0.18 397	0.13 298	0.06 125	0.06 337	0.06 125	0.06 208	0.07 285	0.06 222
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 339	0.07 146	0.15 323	0.12 5	0.09 258	0.17 387	0.18 398	0.22 300	0.24 351	0.17 342	0.26 410	0.24 430	0.14 350	0.16 340	0.15 371	0.11 465	0.06 337	0.08 310	0.09 420	0.09 415	0.08 372

ccs_rob	0.14 339	0.09 334	0.16 365	0.16 156	0.09 258	0.13 269	0.14 184	0.27 393	0.34 461	0.15 301	0.21 338	0.22 404	0.13 318	0.18 397	0.14 336	0.07 273	0.05 181	0.08 310	0.07 302	0.07 285	0.07 303

iResNet_ROB	0.14 339	0.07 146	0.13 240	0.15 80	0.07 78	0.19 425	0.14 184	0.26 377	0.32 445	0.23 456	0.26 410	0.23 421	0.16 392	0.15 313	0.14 336	0.07 273	0.05 181	0.05 33	0.04 43	0.08 351	0.08 372

rvit_0105_4	0.15 381	0.09 334	0.17 388	0.17 233	0.10 365	0.12 236	0.20 460	0.23 319	0.27 401	0.14 277	0.20 321	0.17 336	0.14 350	0.17 379	0.13 298	0.15 532	0.11 506	0.11 475	0.10 458	0.09 415	0.06 222

DCVSM-stereo	0.15 381	0.09 334	0.16 365	0.16 156	0.10 365	0.15 336	0.09 20	0.20 257	0.24 351	0.20 411	0.24 370	0.26 453	0.15 371	0.19 422	0.14 336	0.09 392	0.07 411	0.09 397	0.08 372	0.10 450	0.12 492

ACV-stereo	0.15 381	0.10 402	0.29 510	0.18 316	0.12 453	0.15 336	0.13 125	0.23 319	0.21 308	0.19 389	0.23 358	0.22 404	0.15 371	0.23 484	0.17 407	0.08 336	0.07 411	0.07 229	0.07 302	0.08 351	0.07 303

DispNO	0.15 381	0.09 334	0.18 422	0.19 379	0.12 453	0.11 186	0.21 476	0.23 319	0.29 424	0.18 374	0.23 358	0.19 360	0.17 416	0.16 340	0.16 390	0.07 273	0.05 181	0.08 310	0.08 372	0.07 285	0.06 222

mmx	0.15 381	0.09 334	0.15 323	0.16 156	0.09 258	0.17 387	0.17 350	0.27 393	0.26 388	0.15 301	0.26 410	0.19 360	0.13 318	0.15 313	0.22 471	0.08 336	0.06 337	0.09 397	0.08 372	0.08 351	0.08 372

xxx	0.15 381	0.09 334	0.15 323	0.16 156	0.09 258	0.17 387	0.17 350	0.27 393	0.26 388	0.15 301	0.26 410	0.19 360	0.13 318	0.15 313	0.22 471	0.08 336	0.06 337	0.09 397	0.08 372	0.08 351	0.08 372

CFNet_ucs	0.15 381	0.09 334	0.17 388	0.16 156	0.11 420	0.14 309	0.14 184	0.30 447	0.34 461	0.16 330	0.24 370	0.23 421	0.14 350	0.18 397	0.15 371	0.09 392	0.06 337	0.08 310	0.07 302	0.09 415	0.09 417

CBFPSM	0.15 381	0.07 146	0.27 498	0.17 233	0.09 258	0.13 269	0.15 258	0.22 300	0.23 341	0.20 411	0.27 428	0.23 421	0.16 392	0.16 340	0.19 435	0.06 125	0.06 337	0.06 125	0.07 302	0.07 285	0.07 303

BUS	0.15 381	0.09 334	0.14 285	0.22 490	0.10 365	0.20 444	0.14 184	0.34 496	0.20 293	0.17 342	0.23 358	0.16 319	0.14 350	0.16 340	0.14 336	0.08 336	0.06 337	0.10 445	0.09 420	0.07 285	0.07 303

BSDual-CNN	0.15 381	0.09 334	0.14 285	0.22 490	0.10 365	0.15 336	0.15 258	0.34 496	0.20 293	0.17 342	0.23 358	0.25 443	0.16 392	0.16 340	0.14 336	0.08 336	0.06 337	0.10 445	0.09 420	0.07 285	0.07 303

hknet	0.15 381	0.11 427	0.14 285	0.22 490	0.11 420	0.15 336	0.15 258	0.34 496	0.26 388	0.17 342	0.23 358	0.22 404	0.18 430	0.17 379	0.13 298	0.07 273	0.06 337	0.10 445	0.09 420	0.07 285	0.07 303

dd	0.15 381	0.17 517	0.17 388	0.19 379	0.09 258	0.15 336	0.18 398	0.22 300	0.26 388	0.23 456	0.20 321	0.21 386	0.10 222	0.21 458	0.17 407	0.10 433	0.06 337	0.08 310	0.06 208	0.08 351	0.07 303

DAS	0.15 381	0.08 262	0.18 422	0.19 379	0.10 365	0.19 425	0.17 350	0.28 418	0.30 430	0.18 374	0.26 410	0.21 386	0.16 392	0.16 340	0.13 298	0.08 336	0.06 337	0.06 125	0.06 208	0.07 285	0.07 303

SepStereo	0.15 381	0.08 262	0.18 422	0.19 379	0.10 365	0.19 425	0.17 350	0.28 418	0.30 430	0.18 374	0.26 410	0.21 386	0.16 392	0.26 504	0.13 298	0.08 336	0.06 337	0.06 125	0.06 208	0.07 285	0.07 303

PSMNet-ADL	0.15 381	0.12 446	0.13 240	0.22 490	0.09 258	0.13 269	0.20 460	0.26 377	0.23 341	0.18 374	0.20 321	0.23 421	0.17 416	0.18 397	0.18 420	0.09 392	0.08 442	0.08 310	0.11 488	0.08 351	0.07 303

LMCR-Stereo	0.15 381	0.08 262	0.14 285	0.21 470	0.09 258	0.18 403	0.19 441	0.28 418	0.19 272	0.24 468	0.24 370	0.23 421	0.17 416	0.20 440	0.17 407	0.07 273	0.06 337	0.08 310	0.06 208	0.10 450	0.09 417

xxxx	0.15 381	0.07 146	0.14 285	0.14 39	0.08 143	0.24 488	0.18 398	0.32 468	0.20 293	0.14 277	0.28 439	0.22 404	0.14 350	0.15 313	0.29 538	0.09 392	0.05 181	0.07 229	0.07 302	0.08 351	0.08 372

test_xeample	0.15 381	0.07 146	0.14 285	0.15 80	0.08 143	0.22 469	0.20 460	0.29 436	0.21 308	0.16 330	0.29 454	0.19 360	0.17 416	0.16 340	0.28 530	0.09 392	0.05 181	0.07 229	0.07 302	0.07 285	0.07 303

ACVNet	0.15 381	0.09 334	0.15 323	0.13 10	0.12 453	0.14 309	0.20 460	0.22 300	0.34 461	0.17 342	0.26 410	0.21 386	0.17 416	0.18 397	0.21 458	0.07 273	0.06 337	0.06 125	0.06 208	0.08 351	0.06 222

acv_ft	0.15 381	0.09 334	0.16 365	0.19 379	0.10 365	0.16 364	0.17 350	0.25 364	0.34 461	0.19 389	0.26 410	0.21 386	0.17 416	0.18 397	0.19 435	0.07 273	0.06 337	0.06 125	0.06 208	0.08 351	0.06 222

RASNet	0.15 381	0.07 146	0.15 323	0.16 156	0.08 143	0.19 425	0.14 184	0.30 447	0.21 308	0.17 342	0.25 397	0.21 386	0.19 448	0.20 440	0.20 445	0.07 273	0.06 337	0.06 125	0.08 372	0.06 214	0.06 222

CFNet	0.15 381	0.11 427	0.17 388	0.17 233	0.08 143	0.19 425	0.10 32	0.29 436	0.26 388	0.19 389	0.24 370	0.24 430	0.18 430	0.18 397	0.15 371	0.08 336	0.06 337	0.09 397	0.10 458	0.08 351	0.07 303

UCFNet_RVC	0.15 381	0.08 262	0.13 240	0.11 1	0.10 365	0.20 444	0.10 32	0.24 343	0.23 341	0.17 342	0.21 338	0.24 430	0.15 371	0.18 397	0.15 371	0.12 491	0.07 411	0.11 475	0.13 520	0.11 472	0.10 447

AdaStereo	0.15 381	0.11 427	0.16 365	0.19 379	0.09 258	0.21 455	0.11 55	0.33 482	0.28 417	0.21 427	0.23 358	0.21 386	0.13 318	0.19 422	0.15 371	0.13 508	0.05 181	0.10 445	0.07 302	0.09 415	0.07 303
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iResNetv2_ROB	0.15 381	0.08 262	0.16 365	0.16 156	0.08 143	0.16 364	0.13 125	0.26 377	0.36 481	0.21 427	0.29 454	0.24 430	0.13 318	0.14 295	0.14 336	0.06 125	0.06 337	0.06 125	0.04 43	0.09 415	0.08 372

HSM	0.15 381	0.09 334	0.15 323	0.16 156	0.09 258	0.16 364	0.14 184	0.28 418	0.25 375	0.20 411	0.24 370	0.37 530	0.17 416	0.20 440	0.15 371	0.07 273	0.05 181	0.07 229	0.06 208	0.07 285	0.06 222

pmcnn	0.15 381	0.07 146	0.20 449	0.15 80	0.07 78	0.21 455	0.16 320	0.25 364	0.26 388	0.21 427	0.33 479	0.29 478	0.19 448	0.18 397	0.17 407	0.07 273	0.05 181	0.05 33	0.04 43	0.07 285	0.06 222

DDVS	0.16 408	0.10 402	0.22 469	0.16 156	0.12 453	0.15 336	0.14 184	0.25 364	0.19 272	0.18 374	0.30 460	0.27 460	0.13 318	0.20 440	0.16 390	0.09 392	0.06 337	0.09 397	0.07 302	0.11 472	0.11 471

rvit_0105_3	0.16 408	0.10 402	0.15 323	0.20 436	0.12 453	0.15 336	0.26 536	0.25 364	0.30 430	0.15 301	0.17 274	0.21 386	0.14 350	0.18 397	0.14 336	0.14 528	0.11 506	0.12 496	0.14 525	0.07 285	0.07 303

ITSA-stereo	0.16 408	0.11 427	0.14 285	0.19 379	0.08 143	0.13 269	0.14 184	0.30 447	0.49 539	0.17 342	0.18 297	0.22 404	0.15 371	0.17 379	0.16 390	0.10 433	0.06 337	0.08 310	0.08 372	0.08 351	0.09 417

test_sample7	0.16 408	0.10 402	0.16 365	0.14 39	0.12 453	0.16 364	0.17 350	0.28 418	0.24 351	0.21 427	0.21 338	0.24 430	0.20 460	0.16 340	0.16 390	0.12 491	0.06 337	0.10 445	0.09 420	0.11 472	0.10 447

1111x	0.16 408	0.09 334	0.13 240	0.18 316	0.08 143	0.18 403	0.25 527	0.32 468	0.25 375	0.17 342	0.24 370	0.27 460	0.15 371	0.14 295	0.24 494	0.07 273	0.07 411	0.08 310	0.09 420	0.07 285	0.07 303

GMStereo_Zeroshot	0.16 408	0.13 474	0.25 486	0.20 436	0.10 365	0.17 387	0.13 125	0.30 447	0.25 375	0.23 456	0.32 473	0.25 443	0.11 252	0.19 422	0.14 336	0.09 392	0.06 337	0.11 475	0.06 208	0.12 489	0.08 372

CRFU-Net	0.16 408	0.08 262	0.15 323	0.17 233	0.09 258	0.20 444	0.14 184	0.27 393	0.21 308	0.28 506	0.28 439	0.29 478	0.18 430	0.19 422	0.18 420	0.09 392	0.09 469	0.07 229	0.07 302	0.08 351	0.09 417

NINENet	0.16 408	0.10 402	0.16 365	0.17 233	0.11 420	0.20 444	0.14 184	0.41 550	0.37 487	0.18 374	0.21 338	0.16 319	0.14 350	0.16 340	0.14 336	0.08 336	0.08 442	0.10 445	0.07 302	0.10 450	0.09 417

CSP-Net	0.16 408	0.09 334	0.14 285	0.17 233	0.09 258	0.19 425	0.18 398	0.25 364	0.33 450	0.26 486	0.31 464	0.25 443	0.16 392	0.21 458	0.19 435	0.09 392	0.06 337	0.07 229	0.07 302	0.08 351	0.08 372

AASNet	0.16 408	0.08 262	0.13 240	0.19 379	0.09 258	0.19 425	0.15 258	0.38 535	0.37 487	0.20 411	0.24 370	0.20 377	0.17 416	0.17 379	0.21 458	0.10 433	0.08 442	0.08 310	0.07 302	0.09 415	0.09 417

AACVNet	0.16 408	0.08 262	0.15 323	0.15 80	0.10 365	0.18 403	0.15 258	0.24 343	0.25 375	0.27 493	0.27 428	0.28 470	0.18 430	0.19 422	0.17 407	0.09 392	0.07 411	0.09 397	0.07 302	0.10 450	0.09 417

ADLNet2	0.16 408	0.09 334	0.14 285	0.17 233	0.09 258	0.20 444	0.16 320	0.32 468	0.39 498	0.17 342	0.20 321	0.20 377	0.19 448	0.21 458	0.23 482	0.08 336	0.07 411	0.07 229	0.07 302	0.09 415	0.07 303

ICVP	0.16 408	0.09 334	0.12 205	0.22 490	0.09 258	0.18 403	0.21 476	0.26 377	0.24 351	0.18 374	0.30 460	0.27 460	0.18 430	0.18 397	0.15 371	0.10 433	0.07 411	0.08 310	0.07 302	0.07 285	0.08 372
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.16 408	0.14 489	0.34 528	0.26 539	0.14 497	0.27 518	0.18 398	0.28 418	0.28 417	0.15 301	0.17 274	0.14 274	0.11 252	0.16 340	0.12 261	0.08 336	0.08 442	0.08 310	0.08 372	0.08 351	0.11 471

ADLNet	0.16 408	0.08 262	0.15 323	0.16 156	0.10 365	0.16 364	0.17 350	0.33 482	0.27 401	0.23 456	0.27 428	0.24 430	0.16 392	0.18 397	0.21 458	0.10 433	0.06 337	0.10 445	0.10 458	0.08 351	0.09 417

HCRNet	0.16 408	0.23 549	0.12 205	0.35 572	0.11 420	0.15 336	0.17 350	0.26 377	0.22 331	0.19 389	0.24 370	0.21 386	0.14 350	0.15 313	0.13 298	0.11 465	0.07 411	0.11 475	0.10 458	0.09 415	0.07 303

222	0.16 408	0.07 146	0.15 323	0.14 39	0.08 143	0.25 497	0.18 398	0.30 447	0.21 308	0.18 374	0.29 454	0.17 336	0.16 392	0.16 340	0.44 579	0.10 433	0.05 181	0.07 229	0.06 208	0.08 351	0.08 372

UPFNet	0.16 408	0.08 262	0.12 205	0.20 436	0.12 453	0.20 444	0.23 500	0.28 418	0.26 388	0.18 374	0.24 370	0.22 404	0.20 460	0.19 422	0.22 471	0.09 392	0.07 411	0.08 310	0.09 420	0.08 351	0.06 222

ac_64	0.16 408	0.09 334	0.15 323	0.18 316	0.10 365	0.22 469	0.17 350	0.24 343	0.22 331	0.19 389	0.24 370	0.29 478	0.18 430	0.19 422	0.22 471	0.09 392	0.08 442	0.08 310	0.09 420	0.07 285	0.06 222

DSFCA	0.16 408	0.09 334	0.14 285	0.16 156	0.10 365	0.21 455	0.19 441	0.28 418	0.31 439	0.23 456	0.25 397	0.22 404	0.16 392	0.20 440	0.20 445	0.10 433	0.07 411	0.09 397	0.09 420	0.08 351	0.08 372

AANet_RVC	0.16 408	0.10 402	0.11 167	0.18 316	0.09 258	0.19 425	0.18 398	0.27 393	0.32 445	0.22 442	0.35 494	0.21 386	0.22 475	0.22 476	0.17 407	0.06 125	0.05 181	0.06 125	0.06 208	0.07 285	0.06 222

DeepPruner_ROB	0.16 408	0.11 427	0.16 365	0.17 233	0.10 365	0.17 387	0.15 258	0.32 468	0.21 308	0.19 389	0.21 338	0.22 404	0.19 448	0.21 458	0.16 390	0.13 508	0.09 469	0.09 397	0.10 458	0.11 472	0.11 471

rvit_stereo_0075_2	0.17 430	0.12 446	0.25 486	0.23 509	0.16 527	0.13 269	0.10 32	0.30 447	0.27 401	0.20 411	0.28 439	0.22 404	0.15 371	0.18 397	0.13 298	0.16 549	0.10 492	0.17 544	0.10 458	0.10 450	0.10 447

DualNet (step1)	0.17 430	0.12 446	0.21 459	0.13 10	0.14 497	0.18 403	0.14 184	0.28 418	0.24 351	0.21 427	0.21 338	0.24 430	0.20 460	0.16 340	0.16 390	0.15 532	0.06 337	0.14 523	0.14 525	0.15 532	0.13 505

iinet-f	0.17 430	0.07 146	0.46 550	0.14 39	0.10 365	0.21 455	0.14 184	0.27 393	0.23 341	0.22 442	0.25 397	0.21 386	0.16 392	0.18 397	0.22 471	0.09 392	0.07 411	0.07 229	0.06 208	0.09 415	0.10 447

ToySt	0.17 430	0.11 427	0.19 445	0.17 233	0.11 420	0.16 364	0.26 536	0.24 343	0.33 450	0.19 389	0.24 370	0.26 453	0.24 490	0.19 422	0.21 458	0.07 273	0.08 442	0.09 397	0.10 458	0.09 415	0.08 372

ssnet_v2	0.17 430	0.10 402	0.18 422	0.17 233	0.11 420	0.21 455	0.22 488	0.34 496	0.25 375	0.23 456	0.23 358	0.27 460	0.19 448	0.22 476	0.21 458	0.11 465	0.10 492	0.09 397	0.09 420	0.08 351	0.08 372

GEStereo_RVC	0.17 430	0.12 446	0.16 365	0.22 490	0.11 420	0.19 425	0.18 398	0.32 468	0.49 539	0.20 411	0.25 397	0.17 336	0.13 318	0.21 458	0.16 390	0.10 433	0.06 337	0.08 310	0.07 302	0.09 415	0.08 372

MMNet	0.17 430	0.10 402	0.17 388	0.20 436	0.11 420	0.27 518	0.20 460	0.26 377	0.42 513	0.22 442	0.30 460	0.22 404	0.20 460	0.18 397	0.20 445	0.06 125	0.06 337	0.07 229	0.07 302	0.08 351	0.07 303

delet	0.17 430	0.09 334	0.18 422	0.19 379	0.11 420	0.21 455	0.22 488	0.30 447	0.38 493	0.17 342	0.27 428	0.19 360	0.19 448	0.19 422	0.21 458	0.08 336	0.08 442	0.09 397	0.11 488	0.06 214	0.07 303

UNet	0.17 430	0.09 334	0.18 422	0.19 379	0.12 453	0.28 528	0.19 441	0.33 482	0.30 430	0.21 427	0.25 397	0.23 421	0.19 448	0.20 440	0.19 435	0.07 273	0.06 337	0.08 310	0.07 302	0.08 351	0.07 303

HGLStereo	0.17 430	0.09 334	0.19 445	0.17 233	0.12 453	0.18 403	0.18 398	0.31 463	0.33 450	0.22 442	0.33 479	0.24 430	0.18 430	0.20 440	0.21 458	0.10 433	0.09 469	0.07 229	0.07 302	0.09 415	0.10 447

DMCA-RVC	0.17 430	0.10 402	0.16 365	0.24 520	0.11 420	0.19 425	0.18 398	0.26 377	0.24 351	0.21 427	0.27 428	0.25 443	0.27 513	0.18 397	0.21 458	0.12 491	0.08 442	0.13 510	0.10 458	0.10 450	0.08 372

FADNet-RVC-Resample	0.17 430	0.12 446	0.32 523	0.22 490	0.12 453	0.19 425	0.14 184	0.25 364	0.24 351	0.24 468	0.27 428	0.20 377	0.15 371	0.17 379	0.16 390	0.07 273	0.08 442	0.12 496	0.10 458	0.09 415	0.11 471

FADNet_RVC	0.17 430	0.14 489	0.41 543	0.20 436	0.11 420	0.13 269	0.13 125	0.27 393	0.22 331	0.21 427	0.23 358	0.20 377	0.18 430	0.15 313	0.17 407	0.08 336	0.08 442	0.12 496	0.09 420	0.11 472	0.10 447

NLCA_NET_v2_RVC	0.17 430	0.10 402	0.23 477	0.20 436	0.10 365	0.15 336	0.18 398	0.31 463	0.25 375	0.21 427	0.31 464	0.25 443	0.17 416	0.21 458	0.20 445	0.09 392	0.06 337	0.08 310	0.09 420	0.07 285	0.08 372
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 430	0.12 446	0.16 365	0.20 436	0.10 365	0.18 403	0.18 398	0.27 393	0.24 351	0.26 486	0.41 531	0.23 421	0.18 430	0.21 458	0.21 458	0.09 392	0.05 181	0.09 397	0.10 458	0.07 285	0.07 303
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
z-ln-s-r	0.18 445	0.10 402	0.41 543	0.19 379	0.08 143	0.18 403	0.18 398	0.23 319	0.34 461	0.19 389	0.41 531	0.22 404	0.17 416	0.20 440	0.25 502	0.07 273	0.05 181	0.07 229	0.07 302	0.07 285	0.06 222

ISRNet	0.18 445	0.08 262	0.20 449	0.19 379	0.13 479	0.15 336	0.12 82	0.30 447	0.33 450	0.21 427	0.26 410	0.27 460	0.18 430	0.17 379	0.20 445	0.20 564	0.08 442	0.14 523	0.14 525	0.14 520	0.17 553

test_sample9	0.18 445	0.12 446	0.21 459	0.13 10	0.14 497	0.18 403	0.14 184	0.28 418	0.24 351	0.21 427	0.21 338	0.24 430	0.20 460	0.19 422	0.18 420	0.15 532	0.30 582	0.14 523	0.14 525	0.15 532	0.13 505

fast-acv-ft	0.18 445	0.11 427	0.20 449	0.19 379	0.12 453	0.26 509	0.21 476	0.26 377	0.35 475	0.22 442	0.34 489	0.27 460	0.21 468	0.21 458	0.23 482	0.09 392	0.09 469	0.08 310	0.10 458	0.08 351	0.07 303

HBP-ISP	0.18 445	0.13 474	0.17 388	0.15 80	0.11 420	0.08 54	0.13 125	0.28 418	0.30 430	0.22 442	0.33 479	0.21 386	0.25 498	0.23 484	0.18 420	0.15 532	0.17 555	0.21 558	0.17 552	0.10 450	0.09 417

Wz-Net-LNSev-Ref	0.18 445	0.09 334	0.30 516	0.15 80	0.11 420	0.23 482	0.20 460	0.27 393	0.40 502	0.26 486	0.43 542	0.25 443	0.15 371	0.21 458	0.20 445	0.07 273	0.05 181	0.06 125	0.05 133	0.10 450	0.09 417

dad	0.18 445	0.20 538	0.21 459	0.17 233	0.11 420	0.20 444	0.19 441	0.21 276	0.28 417	0.30 521	0.24 370	0.30 487	0.13 318	0.19 422	0.17 407	0.18 555	0.09 469	0.11 475	0.09 420	0.11 472	0.07 303

hitnet-ft	0.18 445	0.10 402	0.17 388	0.14 39	0.09 258	0.27 518	0.20 460	0.25 364	0.26 388	0.24 468	0.32 473	0.32 510	0.23 481	0.24 495	0.21 458	0.12 491	0.07 411	0.10 445	0.08 372	0.12 489	0.11 471

STTStereo	0.18 445	0.13 474	0.28 501	0.20 436	0.11 420	0.16 364	0.21 476	0.29 436	0.23 341	0.22 442	0.30 460	0.29 478	0.18 430	0.20 440	0.20 445	0.12 491	0.11 506	0.11 475	0.14 525	0.09 415	0.08 372

TDLM	0.18 445	0.12 446	0.14 285	0.24 520	0.10 365	0.18 403	0.18 398	0.37 528	0.30 430	0.22 442	0.28 439	0.28 470	0.18 430	0.23 484	0.19 435	0.11 465	0.07 411	0.10 445	0.10 458	0.08 351	0.08 372

CVANet_RVC	0.18 445	0.11 427	0.14 285	0.21 470	0.11 420	0.19 425	0.18 398	0.34 496	0.34 461	0.22 442	0.31 464	0.28 470	0.18 430	0.24 495	0.18 420	0.12 491	0.08 442	0.12 496	0.12 509	0.09 415	0.08 372

DLCB_ROB	0.18 445	0.10 402	0.16 365	0.23 509	0.11 420	0.24 488	0.18 398	0.30 447	0.28 417	0.27 493	0.29 454	0.28 470	0.25 498	0.20 440	0.20 445	0.08 336	0.08 442	0.09 397	0.09 420	0.07 285	0.07 303

TCMNet	0.19 457	0.12 446	0.20 449	0.21 470	0.18 548	0.21 455	0.24 510	0.28 418	0.36 481	0.23 456	0.26 410	0.25 443	0.20 460	0.20 440	0.23 482	0.13 508	0.11 506	0.11 475	0.12 509	0.13 504	0.12 492

rvit_105_1	0.19 457	0.12 446	0.25 486	0.21 470	0.16 527	0.22 469	0.28 547	0.32 468	0.42 513	0.20 411	0.21 338	0.22 404	0.18 430	0.19 422	0.18 420	0.12 491	0.12 520	0.13 510	0.15 541	0.08 351	0.07 303

SACVNet	0.19 457	0.12 446	0.15 323	0.17 233	0.13 479	0.22 469	0.18 398	0.31 463	0.31 439	0.24 468	0.31 464	0.30 487	0.23 481	0.23 484	0.17 407	0.11 465	0.08 442	0.10 445	0.10 458	0.12 489	0.14 521

pcwnet_v2	0.19 457	0.11 427	0.26 495	0.18 316	0.14 497	0.18 403	0.15 258	0.37 528	0.46 535	0.19 389	0.24 370	0.21 386	0.19 448	0.21 458	0.20 445	0.13 508	0.10 492	0.10 445	0.10 458	0.11 472	0.13 505

psm_up	0.19 457	0.10 402	0.18 422	0.21 470	0.11 420	0.17 387	0.19 441	0.38 535	0.34 461	0.22 442	0.28 439	0.29 478	0.25 498	0.20 440	0.22 471	0.09 392	0.10 492	0.11 475	0.11 488	0.08 351	0.08 372

NVstereo2D	0.19 457	0.11 427	0.16 365	0.17 233	0.16 527	0.28 528	0.23 500	0.44 565	0.42 513	0.15 301	0.28 439	0.25 443	0.19 448	0.23 484	0.18 420	0.09 392	0.06 337	0.10 445	0.08 372	0.15 532	0.10 447

StereoDRNet	0.19 457	0.11 427	0.18 422	0.22 490	0.11 420	0.22 469	0.22 488	0.37 528	0.34 461	0.24 468	0.28 439	0.30 487	0.19 448	0.20 440	0.21 458	0.10 433	0.08 442	0.11 475	0.09 420	0.09 415	0.07 303

CBMV_ROB	0.19 457	0.13 474	0.18 422	0.16 156	0.11 420	0.16 364	0.12 82	0.27 393	0.29 424	0.27 493	0.31 464	0.27 460	0.24 490	0.24 495	0.16 390	0.15 532	0.18 557	0.22 562	0.20 558	0.10 450	0.12 492

NOSS_ROB	0.19 457	0.13 474	0.18 422	0.16 156	0.12 453	0.16 364	0.12 82	0.30 447	0.33 450	0.20 411	0.22 354	0.27 460	0.24 490	0.21 458	0.16 390	0.16 549	0.18 557	0.23 563	0.21 560	0.13 504	0.13 505

w-ln-seven-2	0.20 466	0.14 489	0.39 539	0.23 509	0.12 453	0.21 455	0.21 476	0.29 436	0.38 493	0.25 481	0.38 509	0.28 470	0.23 481	0.21 458	0.25 502	0.08 336	0.08 442	0.09 397	0.09 420	0.10 450	0.09 417

YMNet	0.20 466	0.12 446	0.20 449	0.21 470	0.14 497	0.27 518	0.23 500	0.32 468	0.34 461	0.28 506	0.35 494	0.30 487	0.18 430	0.18 397	0.22 471	0.11 465	0.13 532	0.10 445	0.10 458	0.09 415	0.09 417

YMNet_1	0.20 466	0.12 446	0.20 449	0.21 470	0.14 497	0.27 518	0.23 500	0.32 468	0.34 461	0.28 506	0.35 494	0.30 487	0.18 430	0.18 397	0.22 471	0.11 465	0.13 532	0.10 445	0.10 458	0.09 415	0.09 417

test_sample8	0.20 466	0.12 446	0.21 459	0.13 10	0.14 497	0.18 403	0.14 184	0.32 468	0.21 308	0.28 506	0.22 354	0.36 527	0.26 506	0.19 422	0.18 420	0.15 532	0.30 582	0.14 523	0.14 525	0.15 532	0.13 505

SDNR	0.20 466	0.09 334	0.19 445	0.16 156	0.12 453	0.79 594	0.13 125	0.26 377	0.33 450	0.19 389	0.25 397	0.19 360	0.12 286	0.19 422	0.15 371	0.16 549	0.18 557	0.14 523	0.11 488	0.08 351	0.12 492

GwcNet	0.20 466	0.14 489	0.20 449	0.18 316	0.12 453	0.25 497	0.20 460	0.36 519	0.45 528	0.20 411	0.33 479	0.33 516	0.21 468	0.22 476	0.25 502	0.11 465	0.09 469	0.09 397	0.09 420	0.09 415	0.10 447

SuperB	0.20 466	0.10 402	0.57 564	0.16 156	0.09 258	0.19 425	0.18 398	0.25 364	0.51 546	0.27 493	0.39 517	0.17 336	0.22 475	0.22 476	0.21 458	0.08 336	0.06 337	0.06 125	0.06 208	0.12 489	0.11 471

ADCRef	0.20 466	0.12 446	0.43 548	0.20 436	0.12 453	0.23 482	0.18 398	0.32 468	0.37 487	0.26 486	0.33 479	0.18 351	0.23 481	0.25 500	0.26 516	0.07 273	0.06 337	0.09 397	0.09 420	0.08 351	0.09 417

ADCP+	0.20 466	0.10 402	0.35 534	0.21 470	0.12 453	0.22 469	0.27 541	0.31 463	0.35 475	0.26 486	0.37 502	0.22 404	0.22 475	0.27 506	0.28 530	0.09 392	0.06 337	0.08 310	0.08 372	0.10 450	0.10 447

PS-NSSS	0.20 466	0.21 543	0.23 477	0.20 436	0.10 365	0.19 425	0.17 350	0.36 519	0.26 388	0.27 493	0.34 489	0.27 460	0.24 490	0.20 440	0.20 445	0.15 532	0.12 520	0.17 544	0.14 525	0.10 450	0.09 417

DRN-Test	0.20 466	0.11 427	0.21 459	0.22 490	0.10 365	0.22 469	0.22 488	0.40 545	0.38 493	0.24 468	0.33 479	0.26 453	0.22 475	0.22 476	0.25 502	0.11 465	0.07 411	0.11 475	0.10 458	0.09 415	0.08 372

DISCO	0.20 466	0.09 334	0.22 469	0.17 233	0.10 365	0.25 497	0.18 398	0.28 418	0.45 528	0.23 456	0.32 473	0.34 520	0.26 506	0.29 523	0.29 538	0.08 336	0.06 337	0.07 229	0.07 302	0.09 415	0.10 447

SGM-Forest	0.20 466	0.14 489	0.18 422	0.20 436	0.13 479	0.21 455	0.22 488	0.33 482	0.31 439	0.24 468	0.29 454	0.28 470	0.20 460	0.23 484	0.18 420	0.15 532	0.16 551	0.15 534	0.14 525	0.13 504	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
CBMV	0.20 466	0.15 496	0.18 422	0.18 316	0.10 365	0.20 444	0.11 55	0.30 447	0.31 439	0.29 515	0.31 464	0.31 502	0.23 481	0.28 515	0.19 435	0.13 508	0.15 546	0.17 544	0.16 545	0.10 450	0.10 447
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	0.21 480	0.17 517	0.20 449	0.23 509	0.15 515	0.31 538	0.20 460	0.33 482	0.35 475	0.24 468	0.28 439	0.31 502	0.29 526	0.21 458	0.23 482	0.15 532	0.12 520	0.13 510	0.09 420	0.14 520	0.15 535

FAT-Stereo	0.21 480	0.13 474	0.22 469	0.21 470	0.12 453	0.18 403	0.18 398	0.35 511	0.40 502	0.28 506	0.37 502	0.33 516	0.33 548	0.21 458	0.20 445	0.09 392	0.11 506	0.10 445	0.09 420	0.11 472	0.14 521

FADNet-RVC	0.21 480	0.20 538	0.40 541	0.21 470	0.16 527	0.21 455	0.15 258	0.27 393	0.27 401	0.26 486	0.32 473	0.26 453	0.21 468	0.22 476	0.19 435	0.12 491	0.13 532	0.12 496	0.14 525	0.13 504	0.18 556

FADNet	0.21 480	0.23 549	0.37 537	0.18 316	0.17 539	0.25 497	0.13 125	0.32 468	0.32 445	0.23 456	0.25 397	0.27 460	0.21 468	0.19 422	0.16 390	0.13 508	0.15 546	0.12 496	0.15 541	0.17 550	0.18 556

S-Stereo	0.21 480	0.12 446	0.25 486	0.21 470	0.13 479	0.21 455	0.19 441	0.33 482	0.45 528	0.23 456	0.36 499	0.28 470	0.29 526	0.20 440	0.23 482	0.09 392	0.12 520	0.10 445	0.10 458	0.13 504	0.14 521

DANet	0.21 480	0.16 507	0.29 510	0.25 528	0.13 479	0.23 482	0.19 441	0.28 418	0.27 401	0.28 506	0.32 473	0.35 525	0.32 545	0.31 530	0.24 494	0.11 465	0.09 469	0.11 475	0.10 458	0.13 504	0.11 471
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PWC_ROB	0.21 480	0.16 507	0.27 498	0.18 316	0.11 420	0.22 469	0.13 125	0.33 482	0.49 539	0.30 521	0.40 520	0.32 510	0.25 498	0.31 530	0.23 482	0.10 433	0.07 411	0.11 475	0.08 372	0.11 472	0.10 447

PWCDC_ROB	0.21 480	0.13 474	0.23 477	0.25 528	0.12 453	0.20 444	0.15 258	0.34 496	0.55 556	0.29 515	0.49 552	0.21 386	0.15 371	0.28 515	0.20 445	0.11 465	0.09 469	0.10 445	0.08 372	0.11 472	0.09 417

GASNet	0.22 488	0.24 552	0.34 528	0.26 539	0.17 539	0.27 518	0.16 320	0.45 567	0.42 513	0.27 493	0.24 370	0.30 487	0.16 392	0.27 506	0.18 420	0.12 491	0.09 469	0.12 496	0.11 488	0.16 543	0.08 372

Anonymous_2	0.22 488	0.17 517	0.28 501	0.15 80	0.16 527	0.33 542	0.22 488	0.23 319	0.18 249	0.23 456	0.24 370	0.26 453	0.27 513	0.27 506	0.24 494	0.22 571	0.26 578	0.17 544	0.17 552	0.16 543	0.18 556

Wz-Net-LNSev	0.22 488	0.16 507	0.41 543	0.22 490	0.13 479	0.25 497	0.24 510	0.33 482	0.44 523	0.30 521	0.42 539	0.32 510	0.19 448	0.23 484	0.27 522	0.10 433	0.09 469	0.08 310	0.08 372	0.12 489	0.11 471

FINET	0.22 488	0.18 531	0.28 501	0.19 379	0.16 527	0.24 488	0.24 510	0.33 482	0.49 539	0.26 486	0.33 479	0.22 404	0.23 481	0.23 484	0.18 420	0.18 555	0.16 551	0.11 475	0.10 458	0.15 532	0.14 521

Syn2CoEx	0.22 488	0.16 507	0.29 510	0.29 560	0.15 515	0.26 509	0.21 476	0.34 496	0.32 445	0.29 515	0.36 499	0.28 470	0.25 498	0.20 440	0.25 502	0.16 549	0.12 520	0.14 523	0.11 488	0.09 415	0.08 372

aanetorigin	0.22 488	0.17 517	0.57 564	0.18 316	0.10 365	0.16 364	0.19 441	0.20 257	0.33 450	0.49 571	0.48 551	0.30 487	0.28 522	0.21 458	0.24 494	0.08 336	0.07 411	0.08 310	0.07 302	0.10 450	0.09 417

MaskLacGwcNet_RVC	0.22 488	0.21 543	0.25 486	0.26 539	0.11 420	0.24 488	0.14 184	0.39 542	0.24 351	0.32 534	0.36 499	0.30 487	0.21 468	0.19 422	0.22 471	0.17 554	0.14 542	0.21 558	0.16 545	0.13 504	0.12 492

RP	0.22 488	0.13 474	0.22 469	0.23 509	0.12 453	0.21 455	0.20 460	0.26 377	0.45 528	0.22 442	0.38 509	0.37 530	0.25 498	0.28 515	0.25 502	0.11 465	0.12 520	0.13 510	0.12 509	0.13 504	0.14 521

stereogan	0.22 488	0.11 427	0.21 459	0.20 436	0.12 453	0.32 540	0.19 441	0.36 519	0.45 528	0.23 456	0.39 517	0.35 525	0.27 513	0.33 539	0.23 482	0.10 433	0.12 520	0.10 445	0.10 458	0.14 520	0.14 521

GANet	0.22 488	0.13 474	0.21 459	0.25 528	0.14 497	0.23 482	0.22 488	0.42 555	0.27 401	0.31 527	0.43 542	0.37 530	0.29 526	0.23 484	0.23 482	0.10 433	0.12 520	0.10 445	0.09 420	0.10 450	0.08 372

MDST_ROB	0.22 488	0.10 402	0.18 422	0.18 316	0.11 420	0.40 564	0.19 441	0.44 565	0.42 513	0.40 554	0.40 520	0.29 478	0.21 468	0.27 506	0.19 435	0.11 465	0.10 492	0.14 523	0.11 488	0.10 450	0.08 372

XPNet_ROB	0.22 488	0.12 446	0.20 449	0.22 490	0.13 479	0.22 469	0.19 441	0.35 511	0.40 502	0.30 521	0.40 520	0.38 536	0.27 513	0.26 504	0.29 538	0.15 532	0.10 492	0.10 445	0.10 458	0.13 504	0.12 492

PSMNet_ROB	0.22 488	0.12 446	0.15 323	0.27 547	0.15 515	0.25 497	0.36 577	0.43 561	0.37 487	0.27 493	0.33 479	0.32 510	0.23 481	0.21 458	0.27 522	0.12 491	0.08 442	0.13 510	0.11 488	0.10 450	0.09 417

MSAF-DinoV2	0.23 501	0.11 427	0.25 486	0.17 233	0.10 365	0.28 528	0.17 350	0.38 535	0.56 558	0.21 427	0.27 428	0.47 565	0.28 522	0.36 551	0.40 571	0.09 392	0.06 337	0.07 229	0.09 420	0.12 489	0.11 471

Wz-Net-MNSev	0.23 501	0.13 474	0.33 525	0.20 436	0.15 515	0.36 554	0.25 527	0.34 496	0.45 528	0.29 515	0.41 531	0.39 541	0.19 448	0.25 500	0.27 522	0.09 392	0.07 411	0.09 397	0.09 420	0.12 489	0.10 447

DDUNet	0.23 501	0.18 531	0.22 469	0.22 490	0.15 515	0.25 497	0.24 510	0.30 447	0.31 439	0.31 527	0.37 502	0.34 520	0.26 506	0.25 500	0.21 458	0.18 555	0.13 532	0.17 544	0.11 488	0.16 543	0.17 553

APVNet	0.23 501	0.12 446	0.20 449	0.18 316	0.14 497	0.32 540	0.31 566	0.40 545	0.33 450	0.27 493	0.40 520	0.30 487	0.29 526	0.27 506	0.25 502	0.11 465	0.12 520	0.11 475	0.14 525	0.12 489	0.13 505

AF-Net	0.23 501	0.17 517	0.17 388	0.27 547	0.13 479	0.26 509	0.24 510	0.33 482	0.51 546	0.25 481	0.33 479	0.39 541	0.27 513	0.28 515	0.26 516	0.11 465	0.10 492	0.16 541	0.12 509	0.11 472	0.11 471

edge stereo	0.23 501	0.14 489	0.21 459	0.21 470	0.13 479	0.24 488	0.16 320	0.32 468	0.42 513	0.32 534	0.40 520	0.39 541	0.35 552	0.25 500	0.25 502	0.13 508	0.11 506	0.14 523	0.11 488	0.12 489	0.14 521

Nwc_Net	0.23 501	0.17 517	0.22 469	0.25 528	0.15 515	0.25 497	0.27 541	0.38 535	0.39 498	0.22 442	0.41 531	0.30 487	0.29 526	0.28 515	0.25 502	0.11 465	0.10 492	0.17 544	0.20 558	0.10 450	0.11 471

RTSC	0.23 501	0.13 474	0.30 516	0.21 470	0.13 479	0.29 532	0.17 350	0.36 519	0.68 579	0.27 493	0.34 489	0.30 487	0.22 475	0.32 535	0.31 548	0.10 433	0.08 442	0.09 397	0.10 458	0.13 504	0.14 521

RYNet	0.23 501	0.12 446	0.22 469	0.19 379	0.17 539	0.47 570	0.26 536	0.39 542	0.49 539	0.24 468	0.29 454	0.34 520	0.24 490	0.20 440	0.31 548	0.10 433	0.06 337	0.09 397	0.09 420	0.14 520	0.15 535

NaN_ROB	0.23 501	0.20 538	0.25 486	0.25 528	0.13 479	0.31 538	0.27 541	0.34 496	0.41 511	0.31 527	0.31 464	0.32 510	0.23 481	0.31 530	0.22 471	0.11 465	0.17 555	0.10 445	0.11 488	0.08 351	0.09 417

ETE_ROB	0.23 501	0.17 517	0.23 477	0.25 528	0.14 497	0.26 509	0.29 558	0.32 468	0.37 487	0.28 506	0.37 502	0.45 558	0.27 513	0.28 515	0.27 522	0.11 465	0.09 469	0.12 496	0.10 458	0.14 520	0.13 505

w-ln-seven	0.24 512	0.15 496	0.58 567	0.20 436	0.14 497	0.26 509	0.22 488	0.36 519	0.62 570	0.30 521	0.40 520	0.30 487	0.23 481	0.22 476	0.28 530	0.09 392	0.09 469	0.11 475	0.10 458	0.11 472	0.10 447

SQANet	0.24 512	0.24 552	0.31 519	0.31 565	0.19 552	0.27 518	0.13 125	0.30 447	0.33 450	0.25 481	0.37 502	0.31 502	0.22 475	0.27 506	0.23 482	0.15 532	0.10 492	0.21 558	0.16 545	0.22 559	0.16 544

DeepPrunerF	0.24 512	0.17 517	0.45 549	0.26 539	0.16 527	0.23 482	0.29 558	0.37 528	0.51 546	0.27 493	0.31 464	0.24 430	0.28 522	0.22 476	0.23 482	0.15 532	0.11 506	0.20 557	0.18 556	0.12 489	0.14 521

PA-Net	0.24 512	0.18 531	0.34 528	0.28 553	0.22 561	0.22 469	0.39 582	0.29 436	0.39 498	0.22 442	0.33 479	0.25 443	0.26 506	0.21 458	0.25 502	0.10 433	0.23 576	0.15 534	0.22 563	0.09 415	0.13 505
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.24 512	0.15 496	0.18 422	0.34 570	0.18 548	0.24 488	0.24 510	0.34 496	0.29 424	0.31 527	0.38 509	0.38 536	0.29 526	0.23 484	0.25 502	0.15 532	0.12 520	0.18 553	0.21 560	0.13 504	0.13 505

WCMA_ROB	0.24 512	0.11 427	0.24 483	0.17 233	0.14 497	0.34 546	0.16 320	0.33 482	0.33 450	0.39 551	0.54 559	0.40 547	0.35 552	0.35 547	0.26 516	0.12 491	0.12 520	0.12 496	0.11 488	0.14 520	0.14 521

SGM_RVC	0.24 512	0.12 446	0.16 365	0.15 80	0.09 258	0.34 546	0.19 441	0.35 511	0.32 445	0.44 565	0.38 509	0.53 573	0.36 555	0.36 551	0.26 516	0.13 508	0.13 532	0.13 510	0.13 520	0.11 472	0.11 471
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FSD	0.25 519	0.27 561	0.26 495	0.25 528	0.23 562	0.25 497	0.25 527	0.27 393	0.26 388	0.25 481	0.26 410	0.26 453	0.26 506	0.27 506	0.24 494	0.21 567	0.20 563	0.27 569	0.26 570	0.25 571	0.24 570

z-mn7	0.25 519	0.15 496	0.47 553	0.19 379	0.13 479	0.28 528	0.25 527	0.35 511	0.64 574	0.27 493	0.57 566	0.29 478	0.24 490	0.32 535	0.27 522	0.08 336	0.08 442	0.08 310	0.08 372	0.10 450	0.10 447

DGSMNet	0.25 519	0.19 534	0.34 528	0.21 470	0.24 566	0.24 488	0.21 476	0.36 519	0.42 513	0.25 481	0.32 473	0.38 536	0.21 468	0.29 523	0.24 494	0.13 508	0.11 506	0.14 523	0.16 545	0.23 562	0.23 569

psmorigin	0.25 519	0.16 507	0.35 534	0.17 233	0.13 479	0.24 488	0.14 184	0.34 496	0.34 461	0.41 558	0.55 560	0.41 550	0.38 558	0.35 547	0.28 530	0.11 465	0.15 546	0.11 475	0.11 488	0.12 489	0.17 553

RGC	0.25 519	0.20 538	0.29 510	0.28 553	0.16 527	0.22 469	0.23 500	0.33 482	0.44 523	0.27 493	0.40 520	0.38 536	0.28 522	0.37 556	0.23 482	0.11 465	0.13 532	0.17 544	0.17 552	0.15 532	0.16 544

G-Net	0.25 519	0.17 517	0.38 538	0.23 509	0.16 527	0.51 573	0.23 500	0.29 436	0.35 475	0.36 543	0.38 509	0.31 502	0.29 526	0.28 515	0.27 522	0.11 465	0.09 469	0.12 496	0.10 458	0.16 543	0.14 521

NCC-stereo	0.25 519	0.15 496	0.31 519	0.26 539	0.17 539	0.21 455	0.31 566	0.41 550	0.40 502	0.24 468	0.38 509	0.33 516	0.29 526	0.37 556	0.28 530	0.13 508	0.11 506	0.15 534	0.22 563	0.13 504	0.13 505

Abc-Net	0.25 519	0.15 496	0.31 519	0.26 539	0.17 539	0.21 455	0.31 566	0.41 550	0.40 502	0.24 468	0.38 509	0.33 516	0.29 526	0.37 556	0.28 530	0.13 508	0.11 506	0.15 534	0.22 563	0.13 504	0.13 505
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.25 519	0.12 446	0.49 556	0.22 490	0.12 453	0.36 554	0.29 558	0.30 447	0.57 560	0.24 468	0.47 550	0.30 487	0.31 542	0.30 529	0.30 543	0.09 392	0.07 411	0.09 397	0.09 420	0.10 450	0.10 447

FBW_ROB	0.25 519	0.17 517	0.23 477	0.27 547	0.14 497	0.26 509	0.22 488	0.42 555	0.43 521	0.42 560	0.41 531	0.43 554	0.27 513	0.32 535	0.24 494	0.09 392	0.15 546	0.15 534	0.12 509	0.12 489	0.10 447

SANet	0.25 519	0.14 489	0.29 510	0.21 470	0.11 420	0.29 532	0.25 527	0.40 545	0.65 577	0.36 543	0.40 520	0.42 552	0.27 513	0.27 506	0.25 502	0.12 491	0.09 469	0.10 445	0.09 420	0.13 504	0.12 492

LALA_ROB	0.25 519	0.16 507	0.23 477	0.27 547	0.17 539	0.27 518	0.27 541	0.42 555	0.38 493	0.33 538	0.39 517	0.51 569	0.26 506	0.29 523	0.28 530	0.16 549	0.09 469	0.13 510	0.12 509	0.13 504	0.13 505

zh-sn7	0.26 531	0.17 517	0.55 561	0.24 520	0.14 497	0.25 497	0.25 527	0.34 496	0.49 539	0.29 515	0.55 560	0.29 478	0.32 545	0.37 556	0.33 556	0.10 433	0.10 492	0.11 475	0.11 488	0.12 489	0.12 492

zh-mn7	0.26 531	0.15 496	0.59 569	0.19 379	0.14 497	0.24 488	0.22 488	0.35 511	0.63 573	0.35 540	0.67 575	0.31 502	0.25 498	0.31 530	0.26 516	0.09 392	0.08 442	0.09 397	0.09 420	0.09 415	0.11 471

Wz-Net-SNSev	0.26 531	0.17 517	0.46 550	0.25 528	0.14 497	0.26 509	0.24 510	0.38 535	0.57 560	0.30 521	0.56 562	0.39 541	0.26 506	0.24 495	0.32 553	0.10 433	0.09 469	0.10 445	0.11 488	0.11 472	0.11 471

SHD	0.26 531	0.15 496	0.31 519	0.24 520	0.18 548	0.23 482	0.15 258	0.39 542	0.72 584	0.32 534	0.42 539	0.36 527	0.29 526	0.33 539	0.30 543	0.13 508	0.11 506	0.14 523	0.13 520	0.16 543	0.20 564

ADCMid	0.26 531	0.15 496	0.42 546	0.20 436	0.14 497	0.25 497	0.26 536	0.35 511	0.40 502	0.37 548	0.45 546	0.34 520	0.42 568	0.36 551	0.36 561	0.10 433	0.09 469	0.11 475	0.11 488	0.13 504	0.13 505

AnyNet_C32	0.26 531	0.16 507	0.39 539	0.20 436	0.17 539	0.26 509	0.31 566	0.32 468	0.45 528	0.31 527	0.50 554	0.30 487	0.34 549	0.41 572	0.36 561	0.12 491	0.12 520	0.12 496	0.14 525	0.14 520	0.15 535

ADCPNet	0.26 531	0.17 517	0.62 572	0.21 470	0.15 515	0.36 554	0.25 527	0.33 482	0.37 487	0.31 527	0.41 531	0.36 527	0.29 526	0.29 523	0.34 559	0.12 491	0.10 492	0.11 475	0.12 509	0.14 520	0.13 505

DispFullNet	0.27 538	0.22 547	0.66 575	0.28 553	0.17 539	0.27 518	0.17 350	0.34 496	0.57 560	0.27 493	0.37 502	0.43 554	0.24 490	0.39 563	0.25 502	0.12 491	0.06 337	0.19 555	0.11 488	0.23 562	0.16 544

MeshStereo	0.27 538	0.13 474	0.18 422	0.15 80	0.11 420	0.33 542	0.24 510	0.41 550	0.36 481	0.53 574	0.58 570	0.67 583	0.41 564	0.36 551	0.27 522	0.14 528	0.13 532	0.13 510	0.11 488	0.11 472	0.11 471
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
PSMNet-RUCA	0.28 540	0.33 574	0.42 546	0.36 574	0.32 580	0.18 403	0.20 460	0.42 555	0.30 430	0.33 538	0.41 531	0.40 547	0.24 490	0.31 530	0.20 445	0.19 559	0.11 506	0.25 565	0.15 541	0.22 559	0.16 544

CC-Net-ROB	0.28 540	0.31 572	0.36 536	0.30 563	0.15 515	0.25 497	0.19 441	0.45 567	0.34 461	0.39 551	0.37 502	0.39 541	0.31 542	0.27 506	0.27 522	0.24 578	0.18 557	0.30 579	0.23 567	0.19 556	0.15 535

DPSNet	0.28 540	0.16 507	0.33 525	0.18 316	0.13 479	0.55 576	0.42 585	0.52 578	0.68 579	0.29 515	0.38 509	0.39 541	0.30 537	0.32 535	0.23 482	0.11 465	0.10 492	0.11 475	0.08 372	0.20 558	0.16 544

PDISCO_ROB	0.28 540	0.16 507	0.28 501	0.28 553	0.20 555	0.33 542	0.27 541	0.45 567	0.58 563	0.28 506	0.41 531	0.45 558	0.30 537	0.34 542	0.35 560	0.12 491	0.09 469	0.17 544	0.16 545	0.17 550	0.13 505

Wz-Net-TNSev	0.29 544	0.20 538	0.69 583	0.19 379	0.15 515	0.38 560	0.27 541	0.36 519	0.56 558	0.35 540	0.42 539	0.45 558	0.39 559	0.33 539	0.31 548	0.13 508	0.13 532	0.10 445	0.12 509	0.15 532	0.15 535

WZ-Net	0.29 544	0.17 517	0.82 593	0.23 509	0.16 527	0.35 550	0.29 558	0.40 545	0.59 565	0.24 468	0.57 566	0.37 530	0.25 498	0.34 542	0.37 565	0.09 392	0.08 442	0.09 397	0.10 458	0.14 520	0.16 544

XQC	0.29 544	0.23 549	0.53 558	0.29 560	0.19 552	0.36 554	0.28 547	0.37 528	0.58 563	0.31 527	0.31 464	0.37 530	0.30 537	0.39 563	0.39 569	0.13 508	0.09 469	0.15 534	0.12 509	0.18 552	0.18 556

MultiAttention	0.30 547	0.08 262	0.15 323	0.19 379	0.13 479	1.56 612	1.33 614	0.36 519	0.36 481	0.20 411	0.21 338	0.24 430	0.11 252	0.39 563	0.18 420	0.06 125	0.05 181	0.08 310	0.08 372	0.11 472	0.09 417

ccnet	0.30 547	0.28 563	0.24 483	0.20 436	0.28 575	0.41 566	0.22 488	0.46 570	0.33 450	0.37 548	0.46 548	0.37 530	0.30 537	0.40 567	0.43 576	0.23 576	0.14 542	0.21 558	0.17 552	0.23 562	0.19 561

EDNetEfficient	0.30 547	0.24 552	1.18 601	0.18 316	0.10 365	0.20 444	0.20 460	0.21 276	0.61 567	0.74 589	0.56 562	0.30 487	0.40 563	0.23 484	0.32 553	0.09 392	0.07 411	0.08 310	0.07 302	0.11 472	0.10 447

MFN_U_SF_DS_RVC	0.30 547	0.24 552	0.30 516	0.36 574	0.16 527	0.36 554	0.31 566	0.34 496	0.43 521	0.41 558	0.46 548	0.38 536	0.30 537	0.35 547	0.29 538	0.19 559	0.20 563	0.26 566	0.29 577	0.18 552	0.19 561

ADCS	0.30 547	0.19 534	0.48 555	0.21 470	0.18 548	0.29 532	0.24 510	0.42 555	0.64 574	0.40 554	0.50 554	0.40 547	0.37 556	0.40 567	0.43 576	0.13 508	0.13 532	0.13 510	0.14 525	0.16 543	0.16 544

CSAN	0.30 547	0.24 552	0.28 501	0.34 570	0.19 552	0.34 546	0.42 585	0.38 535	0.51 546	0.38 550	0.40 520	0.44 557	0.34 549	0.29 523	0.31 548	0.19 559	0.16 551	0.19 555	0.19 557	0.14 520	0.15 535

GANetREF_RVC	0.31 553	0.34 575	0.29 510	0.35 572	0.16 527	0.33 542	0.42 585	0.48 572	0.52 552	0.35 540	0.35 494	0.34 520	0.32 545	0.40 567	0.33 556	0.27 580	0.20 563	0.29 577	0.15 541	0.19 556	0.18 556
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 553	0.26 558	0.26 495	0.24 520	0.21 558	0.34 546	0.25 527	0.34 496	0.39 498	0.40 554	0.69 579	0.45 558	0.41 564	0.34 542	0.28 530	0.20 564	0.20 563	0.26 566	0.25 569	0.23 562	0.22 568

FC-DCNN v2	0.33 555	0.28 563	0.28 501	0.26 539	0.23 562	0.39 562	0.29 558	0.41 550	0.44 523	0.46 568	0.57 566	0.51 569	0.41 564	0.38 561	0.30 543	0.21 567	0.20 563	0.27 569	0.26 570	0.25 571	0.24 570

FCDSN-DC	0.33 555	0.28 563	0.28 501	0.30 563	0.24 566	0.39 562	0.28 547	0.43 561	0.42 513	0.44 565	0.53 558	0.51 569	0.42 568	0.37 556	0.30 543	0.21 567	0.20 563	0.27 569	0.26 570	0.25 571	0.25 573
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	0.33 555	0.22 547	0.58 567	0.31 565	0.15 515	0.36 554	0.17 350	0.54 581	0.46 535	0.47 570	0.56 562	0.58 576	0.39 559	0.36 551	0.38 568	0.15 532	0.15 546	0.18 553	0.21 560	0.16 543	0.16 544

FC-DCNN	0.33 555	0.28 563	0.28 501	0.26 539	0.23 562	0.38 560	0.29 558	0.40 545	0.44 523	0.46 568	0.56 562	0.51 569	0.41 564	0.38 561	0.31 548	0.21 567	0.20 563	0.27 569	0.26 570	0.25 571	0.24 570

PASM	0.33 555	0.25 557	0.51 557	0.28 553	0.27 574	0.30 535	0.31 566	0.35 511	0.51 546	0.36 543	0.40 520	0.47 565	0.35 552	0.34 542	0.36 561	0.23 576	0.26 578	0.26 566	0.28 576	0.23 562	0.21 565

SGM-ForestM	0.33 555	0.12 446	0.17 388	0.16 156	0.11 420	0.42 567	0.20 460	0.43 561	0.53 555	0.53 574	0.57 566	1.41 606	0.44 573	0.42 573	0.29 538	0.14 528	0.16 551	0.16 541	0.16 545	0.12 489	0.13 505

LSM	0.34 561	0.21 543	0.62 572	0.27 547	0.62 599	0.35 550	0.26 536	0.43 561	0.49 539	0.45 567	0.60 573	0.42 552	0.37 556	0.35 547	0.26 516	0.13 508	0.21 573	0.14 523	0.16 545	0.18 552	0.34 585

GCST	0.37 562	0.42 583	0.27 498	1.03 607	0.39 582	0.18 403	0.08 9	0.21 276	0.18 249	0.28 506	0.25 397	0.15 299	0.12 286	0.16 340	0.14 336	0.64 601	0.43 590	0.75 599	0.65 600	0.64 595	0.46 594

AnyNet_C01	0.37 562	0.26 558	1.41 604	0.22 490	0.17 539	0.51 573	0.28 547	0.36 519	0.40 502	0.39 551	0.75 585	0.46 562	0.39 559	0.46 575	0.50 586	0.13 508	0.13 532	0.13 510	0.14 525	0.14 520	0.16 544

otaku	0.39 564	0.38 579	0.53 558	0.44 581	0.28 575	0.57 578	0.24 510	0.42 555	0.62 570	0.40 554	0.50 554	0.46 562	0.34 549	0.40 567	0.33 556	0.30 581	0.30 582	0.39 583	0.33 582	0.30 578	0.29 579

ACVNet-4b	0.39 564	0.53 586	0.56 562	0.45 582	0.24 566	0.46 569	0.18 398	0.50 574	0.64 574	0.42 560	0.45 546	0.60 577	0.27 513	0.34 542	0.24 494	0.33 583	0.14 542	0.48 587	0.42 587	0.31 581	0.27 578

PVD	0.40 566	0.21 543	0.40 541	0.32 568	0.23 562	0.30 535	0.45 589	0.53 580	0.97 598	0.55 577	0.80 589	0.54 574	0.60 588	0.53 582	0.40 571	0.19 559	0.14 542	0.17 544	0.14 525	0.24 569	0.32 583

Ntro	0.41 567	0.40 581	0.54 560	0.46 585	0.30 579	0.64 582	0.24 510	0.47 571	0.68 579	0.42 560	0.49 552	0.47 565	0.42 568	0.40 567	0.32 553	0.32 582	0.28 580	0.37 582	0.31 580	0.33 583	0.29 579

SAMSARA	0.41 567	0.28 563	0.34 528	0.55 588	0.39 582	0.85 597	1.25 613	0.49 573	0.52 552	0.36 543	0.35 494	0.56 575	0.39 559	0.39 563	0.41 573	0.15 532	0.20 563	0.15 534	0.14 525	0.23 562	0.21 565

ELAS_RVC	0.42 569	0.29 570	0.33 525	0.28 553	0.24 566	0.56 577	0.38 580	0.50 574	0.61 567	0.74 589	0.76 586	0.67 583	0.56 583	0.55 584	0.42 575	0.22 571	0.21 573	0.27 569	0.26 570	0.27 577	0.26 576
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 569	0.29 570	0.34 528	0.28 553	0.24 566	0.63 581	0.37 578	0.52 578	0.52 552	0.72 586	0.82 590	0.68 585	0.56 583	0.52 580	0.45 582	0.22 571	0.21 573	0.27 569	0.26 570	0.26 575	0.26 576
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Consistency-Raft	0.44 571	0.40 581	0.46 550	0.37 576	0.43 586	0.42 567	0.41 583	0.57 583	0.55 556	0.32 534	0.73 583	0.32 510	0.50 577	0.42 573	0.49 585	0.39 585	0.36 587	0.45 586	0.52 596	0.42 586	0.30 581

MSC_U_SF_DS_RVC	0.44 571	0.39 580	0.56 562	0.40 577	0.20 555	0.66 584	0.33 575	0.54 581	0.72 584	0.71 585	0.72 582	0.62 578	0.55 581	0.52 580	0.47 583	0.20 564	0.19 562	0.29 577	0.30 579	0.24 569	0.19 561

ACVNet_1	0.45 573	0.51 585	0.61 570	0.45 582	0.28 575	0.50 571	0.28 547	0.58 588	0.71 583	0.63 580	0.59 572	0.74 588	0.50 577	0.50 577	0.36 561	0.26 579	0.25 577	0.39 583	0.29 577	0.32 582	0.25 573

RTS	0.46 574	0.19 534	3.33 611	0.25 528	0.15 515	0.72 589	0.21 476	0.37 528	0.78 591	0.42 560	0.44 544	0.31 502	0.43 571	0.55 584	0.37 565	0.10 433	0.09 469	0.13 510	0.13 520	0.15 532	0.15 535

RTSA	0.46 574	0.19 534	3.33 611	0.25 528	0.15 515	0.72 589	0.21 476	0.37 528	0.78 591	0.42 560	0.44 544	0.31 502	0.43 571	0.55 584	0.37 565	0.10 433	0.09 469	0.13 510	0.13 520	0.15 532	0.15 535

MANE	0.47 576	0.28 563	0.28 501	0.27 547	0.24 566	0.50 571	0.32 574	0.57 583	0.62 570	0.74 589	1.20 608	1.21 599	0.64 590	0.54 583	0.39 569	0.22 571	0.20 563	0.27 569	0.31 580	0.26 575	0.25 573

NVStereoNet_ROB	0.47 576	0.37 578	0.47 553	0.42 580	0.29 578	0.35 550	0.35 576	0.50 574	0.61 567	0.73 587	0.94 595	0.70 587	0.68 592	0.48 576	0.62 594	0.22 571	0.33 586	0.34 581	0.34 584	0.30 578	0.31 582
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	0.49 578	0.27 561	0.61 570	0.29 560	0.20 555	0.40 564	0.19 441	0.51 577	0.66 578	0.53 574	0.91 594	1.02 593	0.59 587	0.51 579	0.58 591	0.53 594	0.32 585	0.55 593	0.40 585	0.36 584	0.38 588

LE_ROB	0.50 579	0.07 146	0.14 285	0.15 80	0.08 143	0.26 509	0.17 350	0.23 319	1.71 613	4.68 618	0.67 575	0.46 562	0.47 574	0.21 458	0.30 543	0.07 273	0.06 337	0.06 125	0.06 208	0.08 351	0.06 222

anonymity	0.53 580	0.58 587	0.66 575	0.41 578	0.61 598	0.54 575	0.41 583	0.57 583	0.41 511	0.56 578	0.50 554	0.50 568	0.55 581	0.59 589	0.50 586	0.58 597	0.50 600	0.51 589	0.51 594	0.52 588	0.58 596

RainbowNet	0.54 581	0.61 590	0.71 588	0.57 589	0.43 586	0.66 584	0.37 578	0.60 589	0.87 595	0.51 572	0.67 575	0.63 579	0.47 574	0.50 577	0.44 579	0.47 591	0.48 596	0.53 591	0.41 586	0.53 590	0.41 591

BEATNet-Init1	0.54 581	0.28 563	0.68 582	0.31 565	0.21 558	0.85 597	0.31 566	0.57 583	0.69 582	0.89 596	1.00 598	2.17 614	0.66 591	0.58 588	0.44 579	0.19 559	0.18 557	0.23 563	0.22 563	0.22 559	0.21 565

SGM+DAISY	0.57 583	0.58 587	0.67 579	0.41 578	0.55 592	0.68 586	0.51 591	0.57 583	0.46 535	0.67 581	0.70 580	0.69 586	0.57 585	0.64 591	0.58 591	0.59 598	0.49 597	0.50 588	0.50 593	0.52 588	0.59 599

SPS-STEREO	0.58 584	0.59 589	0.66 575	0.45 582	0.55 592	0.65 583	0.44 588	0.63 590	0.51 546	0.69 583	0.65 574	0.66 582	0.58 586	0.62 590	0.62 594	0.62 600	0.47 595	0.51 589	0.49 591	0.55 591	0.58 596
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.65 585	0.66 594	0.66 575	0.51 586	0.69 603	0.70 587	0.58 595	0.65 591	0.75 589	0.61 579	0.73 583	0.63 579	0.68 592	0.65 592	0.60 593	0.66 602	0.58 609	0.63 594	0.59 597	0.68 599	0.69 606

IMH-64-1	0.66 586	0.62 591	0.69 583	0.72 592	0.51 589	0.60 579	0.51 591	0.92 597	0.84 593	0.75 592	1.02 599	0.81 589	0.78 597	0.80 595	0.50 586	0.43 587	0.46 591	0.72 596	0.48 589	0.55 591	0.40 589

IMH-64	0.66 586	0.62 591	0.69 583	0.72 592	0.51 589	0.60 579	0.51 591	0.92 597	0.84 593	0.75 592	1.02 599	0.81 589	0.78 597	0.80 595	0.50 586	0.43 587	0.46 591	0.72 596	0.48 589	0.55 591	0.40 589

ACVNet_2	0.67 588	0.68 595	0.70 586	0.64 590	0.41 584	0.75 592	0.50 590	0.98 603	1.38 608	0.90 597	1.09 602	1.04 594	0.74 595	0.55 584	0.48 584	0.43 587	0.40 589	0.53 591	0.45 588	0.48 587	0.36 587

IMH	0.72 589	0.65 593	0.70 586	0.77 594	0.54 591	0.71 588	0.56 594	0.99 605	1.08 599	0.82 595	1.09 602	0.89 591	0.88 601	0.88 603	0.53 590	0.44 590	0.50 600	0.75 599	0.51 594	0.58 594	0.42 592

PWCK	0.72 589	0.95 605	0.99 599	0.77 594	0.32 580	0.79 594	0.38 580	0.92 597	0.90 596	0.96 600	0.76 586	0.97 592	0.62 589	0.87 601	0.68 597	0.73 604	0.46 591	0.76 601	0.49 591	0.71 602	0.44 593

JetBlue	0.73 591	0.46 584	1.21 602	0.52 587	0.47 588	2.16 613	0.67 601	0.78 593	0.72 584	0.70 584	0.79 588	1.21 599	0.84 599	1.06 610	1.04 610	0.40 586	0.28 580	0.33 580	0.33 582	0.30 578	0.34 585

TorneroNet-64	0.76 592	0.73 597	0.77 591	0.78 596	0.58 597	0.94 602	0.58 595	0.85 596	1.26 603	0.67 581	0.88 592	1.41 606	0.76 596	0.87 601	0.68 597	0.49 592	0.46 591	0.73 598	0.59 597	0.68 599	0.54 595

MADNet+	0.76 592	0.72 596	3.76 614	0.67 591	0.41 584	0.99 603	0.97 611	0.72 592	0.75 589	0.52 573	0.58 570	0.64 581	0.68 592	0.89 604	1.04 610	0.35 584	0.36 587	0.28 576	0.23 567	0.38 585	0.33 584

WAO-7	0.80 594	0.78 599	0.57 564	0.85 599	0.67 602	0.76 593	0.69 604	1.07 607	1.30 605	0.90 597	1.20 608	1.05 595	0.93 603	0.71 593	0.68 597	0.60 599	0.62 610	0.67 595	0.68 603	0.64 595	0.59 599

WAO-6	0.82 595	0.81 600	0.63 574	0.87 601	0.63 600	0.79 594	0.60 597	0.98 603	1.52 612	0.91 599	0.97 597	1.08 596	1.04 607	0.72 594	0.70 600	0.72 603	0.49 597	0.91 607	0.71 604	0.70 601	0.59 599

TorneroNet	0.83 596	0.75 598	0.83 595	0.85 599	0.63 600	1.03 606	0.65 599	0.96 601	1.14 601	0.80 594	1.10 604	1.36 604	0.88 601	0.95 606	0.82 605	0.57 595	0.49 597	0.79 604	0.66 602	0.74 605	0.64 605

LVE	0.84 597	0.87 603	0.86 596	0.81 597	0.56 594	1.09 608	0.66 600	1.07 607	1.45 610	0.97 601	1.23 610	1.11 597	0.86 600	0.84 598	0.72 601	0.49 592	0.56 606	0.76 601	0.60 599	0.66 597	0.60 602

Dean	0.88 598	0.88 604	0.81 592	0.82 598	0.57 595	0.91 599	0.62 598	1.17 613	1.71 613	1.15 608	1.16 606	1.31 603	1.00 606	0.82 597	0.83 606	0.57 595	0.56 606	0.78 603	0.65 600	0.67 598	0.58 596

WAO-8	0.92 599	0.83 601	0.67 579	0.94 604	0.70 604	0.92 600	0.68 602	1.08 609	1.80 615	1.06 605	1.42 612	1.29 601	1.08 609	0.86 599	0.80 603	0.74 605	0.54 603	0.86 605	0.75 605	0.71 602	0.63 603

Venus	0.92 599	0.83 601	0.67 579	0.94 604	0.70 604	0.92 600	0.68 602	1.08 609	1.80 615	1.06 605	1.42 612	1.29 601	1.08 609	0.86 599	0.80 603	0.74 605	0.54 603	0.86 605	0.75 605	0.71 602	0.63 603

UNDER WATER-64	0.97 601	0.96 606	1.48 606	0.88 602	0.57 595	1.24 611	0.90 609	0.78 593	0.96 597	1.05 603	0.85 591	1.56 611	1.26 613	0.97 608	0.99 608	0.88 609	0.57 608	1.04 610	0.88 609	0.81 606	0.75 607

notaker	0.98 602	1.13 608	1.02 600	1.14 609	0.81 607	0.73 591	0.69 604	0.94 600	1.15 602	1.19 610	1.19 607	1.41 606	1.17 612	1.10 612	0.74 602	0.82 608	0.64 611	1.18 612	0.79 607	1.02 609	0.82 610

UNDER WATER	0.99 603	1.00 607	1.47 605	1.00 606	0.71 606	1.18 610	0.86 607	0.81 595	1.09 600	1.02 602	0.90 593	1.53 610	1.26 613	1.06 610	1.02 609	0.79 607	0.54 603	1.02 609	0.88 609	0.83 607	0.75 607

ktn	1.02 604	1.23 610	0.82 593	1.24 611	0.86 609	1.00 605	0.86 607	0.96 601	1.37 607	1.05 603	1.12 605	1.16 598	1.06 608	0.95 606	0.62 594	1.28 615	0.71 612	1.39 616	0.83 608	1.06 611	0.77 609

KSHMR	1.10 605	1.19 609	0.90 598	1.26 612	1.00 611	0.99 603	0.96 610	1.13 612	1.35 606	1.16 609	1.28 611	1.40 605	0.97 605	1.03 609	0.93 607	1.03 612	1.08 614	1.20 613	1.03 613	1.03 610	0.98 612

DPSimNet_ROB	1.14 606	1.25 611	0.87 597	1.15 610	0.90 610	1.15 609	1.18 612	1.20 614	1.26 603	1.45 612	1.05 601	1.44 609	1.13 611	0.92 605	1.70 613	1.47 616	0.52 602	1.22 614	1.04 614	0.92 608	1.03 613

HanzoNet	1.31 607	1.29 612	1.22 603	1.13 608	0.85 608	1.05 607	0.84 606	1.06 606	1.47 611	1.66 613	1.63 614	2.48 616	1.78 615	1.63 614	1.69 612	1.27 614	0.80 613	1.32 615	1.02 612	1.07 612	0.90 611

JetRed	1.66 608	1.51 613	3.09 610	0.93 603	1.21 612	5.28 616	1.61 616	1.29 615	1.42 609	1.84 614	1.77 615	1.59 612	0.95 604	1.43 613	2.51 617	0.91 611	1.61 616	0.93 608	0.91 611	1.36 613	1.03 613

MADNet++	1.97 609	1.75 614	1.66 607	1.83 614	1.69 614	2.38 614	1.45 615	2.36 617	2.11 617	2.58 617	2.37 617	2.25 615	2.21 616	2.28 615	2.36 616	1.87 617	1.67 617	1.53 617	1.34 616	1.87 615	1.78 617

coex-ft	3.24 610	0.35 577	57.83 638	0.18 316	0.13 479	0.27 518	0.23 500	0.28 418	0.72 584	1.89 615	0.70 580	0.43 554	0.47 574	0.29 523	0.43 576	0.09 392	0.09 469	0.12 496	0.09 420	0.14 520	0.14 521

ASD4	3.59 611	3.47 618	2.05 608	1.75 613	2.54 616	9.22 620	17.86 622	2.29 616	5.54 619	2.49 616	2.86 618	2.05 613	3.46 617	2.77 616	5.29 618	1.23 613	1.36 615	1.13 611	1.33 615	1.71 614	1.50 616

TCMNet-wrong-test	3.69 612	5.54 626	3.91 615	12.22 626	11.75 627	4.77 615	3.86 617	1.08 609	0.74 588	1.13 607	2.21 616	6.16 621	0.53 580	3.43 618	2.33 615	0.90 610	0.20 563	1.85 619	1.69 617	5.71 623	3.79 623

tt	4.65 613	0.07 146	3.54 613	2.01 615	1.55 613	10.25 621	16.66 621	8.90 626	5.03 618	1.33 611	0.96 596	4.71 617	4.74 618	3.33 617	5.86 620	6.06 625	10.30 629	1.87 620	2.09 619	2.61 617	1.19 615

USTest	6.16 614	2.65 617	2.79 609	6.48 622	7.21 621	14.33 624	21.38 624	6.98 625	9.55 624	5.35 621	6.12 619	5.71 620	7.69 621	6.31 622	6.75 621	1.97 618	3.38 623	1.63 618	2.14 620	2.49 616	2.35 618

xxxxx1	7.75 615	5.06 623	7.26 617	3.15 616	3.91 617	16.37 625	22.88 627	5.87 622	8.68 621	7.99 622	8.55 620	9.13 624	8.46 622	10.05 624	10.47 622	2.43 619	2.48 619	3.56 623	12.26 626	3.48 618	3.02 620

tt_ll	7.75 615	5.06 623	7.26 617	3.15 616	3.91 617	16.37 625	22.88 627	5.87 622	8.68 621	7.99 622	8.55 620	9.13 624	8.46 622	10.05 624	10.47 622	2.43 619	2.48 619	3.56 623	12.26 626	3.48 618	3.02 620

ff	7.75 615	5.06 623	7.26 617	3.15 616	3.91 617	16.37 625	22.88 627	5.87 622	8.68 621	7.99 622	8.55 620	9.13 624	8.46 622	10.05 624	10.47 622	2.43 619	2.48 619	3.56 623	12.26 626	3.48 618	3.02 620

EDNetEfficientorigin	7.92 618	0.32 573	152.98 639	0.20 436	0.10 365	0.22 469	0.17 350	0.23 319	0.60 566	0.73 587	0.67 575	0.41 550	0.51 579	0.24 495	0.41 573	0.08 336	0.07 411	0.09 397	0.07 302	0.12 489	0.11 471

DPSMNet_ROB	8.06 619	4.50 619	8.69 624	5.36 621	10.74 624	8.32 618	22.71 625	5.47 620	13.38 626	5.13 619	9.98 623	5.10 618	10.47 625	5.53 620	12.77 626	3.80 623	8.00 624	3.49 621	6.95 623	3.75 622	7.09 625

DGTPSM_ROB	8.06 619	4.50 619	8.69 624	5.34 619	10.73 623	8.32 618	22.71 625	5.47 620	13.38 626	5.13 619	9.98 623	5.10 618	10.47 625	5.53 620	12.77 626	3.79 622	8.00 624	3.49 621	6.95 623	3.74 621	7.09 625

PML	8.57 621	9.39 630	6.24 616	5.34 619	6.36 620	13.21 623	20.99 623	5.35 619	6.68 620	17.75 630	26.46 640	7.58 622	6.08 620	7.89 623	5.76 619	5.33 624	1.83 618	5.95 629	1.93 618	8.75 626	2.53 619

DLNR_Zeroshot_test	10.48 622	2.27 615	19.78 633	120.28 640	13.29 629	0.06 10	0.13 125	0.24 343	0.10 40	0.08 78	0.10 141	0.09 149	0.07 122	0.10 76	0.09 50	0.13 508	0.04 23	0.06 125	0.04 43	52.68 640	0.04 33

DLNR-FE	10.51 623	2.29 616	19.85 634	120.28 640	13.21 628	0.06 10	0.13 125	0.24 343	0.10 40	0.08 78	0.10 141	0.09 149	0.07 122	0.10 76	0.09 50	0.13 508	0.04 23	0.06 125	0.04 43	53.18 641	0.04 33

LRCNet_RVC	10.76 624	13.97 631	7.97 623	19.07 630	2.04 615	0.35 550	0.31 566	5.29 618	0.48 538	13.02 628	17.65 629	8.69 623	5.73 619	4.78 619	2.22 614	23.53 636	2.69 622	27.60 640	25.75 639	17.60 634	16.54 637

Anonymous_1	10.87 625	7.82 627	7.41 620	10.29 623	10.08 622	18.64 629	26.11 630	11.02 629	13.45 628	9.43 625	10.10 625	9.73 627	11.31 627	10.69 627	12.47 625	6.42 626	8.38 626	5.70 626	10.22 625	11.41 627	6.65 624

DPSM_ROB	11.10 626	8.47 628	7.95 621	10.84 624	11.58 625	19.10 630	26.50 633	12.02 630	14.09 629	10.38 626	10.91 626	10.39 628	11.92 628	11.67 628	13.39 628	6.99 627	8.79 627	5.82 627	6.92 621	6.97 624	7.31 627

DPSM	11.10 626	8.47 628	7.95 621	10.84 624	11.58 625	19.10 630	26.50 633	12.02 630	14.09 629	10.38 626	10.91 626	10.39 628	11.92 628	11.67 628	13.39 628	6.99 627	8.79 627	5.82 627	6.92 621	6.97 624	7.31 627

HaxPig	15.73 628	18.55 638	19.19 632	16.92 629	15.89 630	7.80 617	7.57 618	13.37 632	10.80 625	15.40 629	14.87 628	15.95 630	14.81 630	15.67 630	15.97 632	18.96 635	16.72 630	19.47 636	18.10 637	19.45 637	19.06 638

RSGM-EC	20.15 629	4.62 621	0.75 589	16.73 627	16.97 631	21.10 632	26.46 631	10.37 627	14.13 631	18.18 631	21.56 632	22.31 638	22.50 632	21.80 632	15.71 630	62.36 639	33.86 639	20.06 637	18.04 635	19.30 635	16.22 635

acva	20.15 629	4.62 621	0.75 589	16.73 627	16.97 631	21.10 632	26.46 631	10.37 627	14.13 631	18.18 631	21.56 632	22.31 638	22.50 632	21.80 632	15.71 630	62.36 639	33.86 639	20.06 637	18.04 635	19.30 635	16.22 635

MEDIAN_ROB	20.38 631	24.05 639	23.36 635	21.18 631	21.62 633	10.51 622	8.17 619	17.68 633	15.46 633	20.04 633	19.65 630	20.30 631	20.16 631	21.17 631	21.03 633	23.81 637	21.77 637	24.98 639	23.75 638	25.01 638	23.94 639

RAFT-FEzeroshot	22.33 632	17.12 633	15.83 626	21.95 633	23.32 636	38.31 635	53.41 639	23.99 635	28.43 636	20.66 634	21.84 634	21.02 634	24.05 637	23.33 634	27.09 638	14.06 630	17.69 632	11.70 631	13.95 631	14.05 630	14.76 631

RAFT-FE	22.33 632	17.12 633	15.83 626	21.95 633	23.32 636	38.31 635	53.41 639	23.99 635	28.43 636	20.66 634	21.84 634	21.02 634	24.05 637	23.33 634	27.09 638	14.06 630	17.69 632	11.70 631	13.95 631	14.05 630	14.76 631

CasAABBNet	22.33 632	17.11 632	15.84 628	21.94 632	23.28 635	38.30 634	53.40 638	24.05 637	28.44 638	20.66 634	21.86 636	21.03 636	24.04 636	23.35 636	27.03 637	14.06 630	17.69 632	11.70 631	13.94 630	14.04 629	14.76 631

FlowAnything	22.34 635	17.13 635	15.98 629	22.00 635	23.23 634	38.39 639	53.32 636	24.19 638	28.48 639	21.00 639	21.93 637	20.83 632	23.97 634	23.44 638	26.83 635	14.04 629	17.80 636	11.63 630	14.08 634	14.00 628	14.65 629

Selective-RAFT-Error	22.39 636	17.14 636	16.01 630	22.00 635	23.34 638	38.37 637	53.36 637	24.24 640	28.53 640	20.80 637	21.94 638	20.94 633	24.02 635	23.48 639	27.33 640	14.07 633	17.70 635	11.70 631	13.93 629	14.05 630	14.83 634

LSM0	22.80 637	17.22 637	19.17 631	22.12 637	28.90 640	38.38 638	53.27 635	24.21 639	28.36 635	20.84 638	21.11 631	21.63 637	24.25 639	23.42 637	26.98 636	14.08 634	17.39 631	11.72 635	13.98 633	14.22 633	14.66 630

AVERAGE_ROB	24.89 638	29.12 640	27.98 636	24.83 638	24.59 639	17.82 628	11.61 620	21.45 634	19.91 634	25.04 640	24.38 639	25.06 640	25.31 640	24.69 640	22.86 634	29.74 638	27.09 638	28.97 641	27.94 640	30.07 639	29.35 640

test_example2	97.69 639	92.93 641	45.57 637	96.02 639	109.84 641	88.44 640	93.70 641	25.54 641	94.63 641	130.46 642	126.87 642	58.93 641	75.48 641	87.99 641	77.94 641	150.16 641	221.11 641	76.29 642	98.21 641	108.42 642	95.33 641

ccccc	243.87 640	285.89 642	306.04 640	366.70 642	366.78 642	118.88 641	141.79 642	113.97 642	107.77 642	125.77 641	108.41 641	120.54 642	160.89 642	252.62 642	276.01 642	382.79 642	352.84 642	254.30 643	222.62 642	426.61 643	386.14 642

GS-Stereo							0.14 184	0.11 35	0.12 99	0.08 78	0.10 141	0.05 2	0.04 1	0.11 126	0.08 14	0.06 125	0.04 23	0.05 33	0.04 43	0.05 115	0.05 129

STTRV1_RVC		0.26 558		0.19 379	0.26 573	0.30 535	0.24 510	0.35 511	0.35 475	0.36 543	0.34 489	0.31 502	0.31 542	0.28 515	0.25 502	0.18 555	0.10 492	0.16 541	0.14 525	0.18 552	0.12 492

FADE		0.34 575		0.33 569	0.25 572													0.41 585		0.23 562

Low-res two-view benchmark