Low-res two-view results

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

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

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

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

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

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

PSi22b	0.06 1	0.04 1	0.09 122	0.13 25	0.05 2	0.08 84	0.11 65	0.06 1	0.06 6	0.06 25	0.06 23	0.08 185	0.05 14	0.08 25	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

MatchStereo	0.07 7	0.04 1	0.08 57	0.14 69	0.06 28	0.05 4	0.12 98	0.12 85	0.09 52	0.07 75	0.06 23	0.04 1	0.04 1	0.08 25	0.09 103	0.06 167	0.05 275	0.05 50	0.03 1	0.04 48	0.04 73
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth_RVC	0.07 7	0.04 1	0.09 122	0.11 1	0.05 2	0.10 201	0.10 35	0.14 145	0.09 52	0.06 25	0.07 64	0.06 42	0.07 179	0.07 4	0.10 207	0.06 167	0.04 25	0.04 1	0.04 60	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 42	0.07 11	0.14 69	0.06 28	0.09 138	0.13 178	0.15 187	0.06 6	0.07 75	0.08 123	0.06 42	0.08 228	0.09 59	0.09 103	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.04 73

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

BridgeDepth	0.07 7	0.07 236	0.08 57	0.18 397	0.06 28	0.07 43	0.11 65	0.09 21	0.06 6	0.04 1	0.07 64	0.10 256	0.09 267	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 7	0.05 42	0.09 122	0.13 25	0.06 28	0.12 307	0.12 98	0.11 58	0.10 76	0.07 75	0.08 123	0.06 42	0.06 65	0.09 59	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

MonStereo	0.07 7	0.06 118	0.05 1	0.15 123	0.05 2	0.08 84	0.10 35	0.15 187	0.15 250	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 42	0.07 11	0.16 219	0.06 28	0.07 43	0.11 65	0.10 35	0.08 25	0.06 25	0.06 23	0.07 124	0.07 179	0.09 59	0.09 103	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 118	0.05 1	0.15 123	0.05 2	0.08 84	0.10 35	0.15 187	0.15 250	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 122	0.13 25	0.06 28	0.05 4	0.09 20	0.11 58	0.07 15	0.06 25	0.06 23	0.05 5	0.06 65	0.09 59	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 170	0.05 204

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

LG-Stereo_L1	0.07 7	0.05 42	0.11 246	0.14 69	0.06 28	0.07 43	0.13 178	0.09 21	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

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

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

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

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

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

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

GREAT-IGEV	0.07 7	0.06 118	0.08 57	0.13 25	0.07 134	0.07 43	0.14 246	0.09 21	0.09 52	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 591	0.17 501	0.11 1	0.05 2	0.05 4	0.11 65	0.08 12	0.08 25	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.08 421	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

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

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

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

DEFOM-Stereo	0.07 7	0.05 42	0.07 11	0.14 69	0.06 28	0.10 201	0.13 178	0.07 7	0.13 189	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.09 103	0.04 11	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

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

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

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

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

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

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

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

TS12	0.08 85	0.06 118	0.09 122	0.21 565	0.07 134	0.11 254	0.13 178	0.11 58	0.09 52	0.10 227	0.10 194	0.08 185	0.10 311	0.09 59	0.12 350	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

aanet-new-12k	0.08 85	0.09 435	0.07 11	0.20 533	0.08 218	0.08 84	0.13 178	0.12 85	0.13 189	0.08 129	0.08 123	0.05 5	0.07 179	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.06 291	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

S2M2_XL	0.08 85	0.06 118	0.12 290	0.12 7	0.08 218	0.09 138	0.09 20	0.07 7	0.07 15	0.08 129	0.07 64	0.07 124	0.06 65	0.09 59	0.09 103	0.08 421	0.06 426	0.07 309	0.05 194	0.08 442	0.06 305
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 85	0.09 435	0.10 186	0.17 306	0.07 134	0.08 84	0.10 35	0.20 339	0.13 189	0.06 25	0.07 64	0.05 5	0.06 65	0.08 25	0.09 103	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

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

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

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

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

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

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

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

DEFOM-Stereo_RVC	0.08 85	0.06 118	0.09 122	0.22 582	0.06 28	0.08 84	0.12 98	0.10 35	0.10 76	0.07 75	0.07 64	0.06 42	0.05 14	0.11 197	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.06 291	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

MoCha-V2	0.08 85	0.05 42	0.10 186	0.20 533	0.07 134	0.09 138	0.14 246	0.11 58	0.08 25	0.07 75	0.08 123	0.07 124	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

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

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

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

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

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

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

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

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

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

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

CREStereo++_RVC	0.08 85	0.04 1	0.06 5	0.13 25	0.07 134	0.09 138	0.12 98	0.14 145	0.14 222	0.10 227	0.14 299	0.08 185	0.07 179	0.09 59	0.11 288	0.06 167	0.04 25	0.05 50	0.05 194	0.04 48	0.04 73
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
DNS	0.09 174	0.05 42	0.11 246	0.15 123	0.08 218	0.10 201	0.16 399	0.17 264	0.09 52	0.08 129	0.12 266	0.08 185	0.07 179	0.09 59	0.08 25	0.07 338	0.04 25	0.05 50	0.05 194	0.06 291	0.05 204

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

IGEV-BASED-STEREO-	0.09 174	0.10 497	0.31 611	0.15 123	0.06 28	0.08 84	0.14 246	0.10 35	0.10 76	0.07 75	0.07 64	0.06 42	0.04 1	0.11 197	0.07 1	0.12 581	0.04 25	0.07 309	0.05 194	0.05 170	0.05 204

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CroCo-Stereo Lap2	0.09 174	0.09 435	0.08 57	0.22 582	0.09 349	0.09 138	0.19 530	0.16 225	0.12 147	0.09 181	0.10 194	0.05 5	0.05 14	0.08 25	0.08 25	0.06 167	0.06 426	0.07 309	0.05 194	0.05 170	0.05 204

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

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

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

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

CroCo-Stereo	0.09 174	0.08 355	0.08 57	0.22 582	0.09 349	0.09 138	0.19 530	0.15 187	0.12 147	0.07 75	0.07 64	0.08 185	0.06 65	0.08 25	0.07 1	0.07 338	0.05 275	0.06 199	0.04 60	0.05 170	0.04 73
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 174	0.06 118	0.07 11	0.15 123	0.05 2	0.16 455	0.18 490	0.15 187	0.15 250	0.10 227	0.11 245	0.11 286	0.11 347	0.10 122	0.12 350	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

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

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

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

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

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

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

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

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

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

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

CREStereo	0.09 174	0.04 1	0.08 57	0.11 1	0.06 28	0.13 363	0.14 246	0.14 145	0.10 76	0.08 129	0.13 285	0.09 221	0.08 228	0.11 197	0.10 207	0.08 421	0.04 25	0.05 50	0.03 1	0.06 291	0.06 305
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 174	0.05 42	0.09 122	0.12 7	0.06 28	0.12 307	0.14 246	0.15 187	0.11 108	0.09 181	0.13 285	0.10 256	0.07 179	0.13 345	0.10 207	0.15 625	0.04 25	0.05 50	0.03 1	0.07 372	0.06 305

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

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

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

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

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

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

WQFJA1	0.10 243	0.07 236	0.08 57	0.20 533	0.09 349	0.12 307	0.17 441	0.17 264	0.17 318	0.09 181	0.10 194	0.08 185	0.10 311	0.12 291	0.11 288	0.06 167	0.07 498	0.07 309	0.06 292	0.06 291	0.05 204

WQFJX1	0.10 243	0.07 236	0.08 57	0.22 582	0.09 349	0.12 307	0.17 441	0.18 298	0.17 318	0.10 227	0.09 158	0.07 124	0.10 311	0.11 197	0.09 103	0.07 338	0.08 528	0.07 309	0.06 292	0.05 170	0.04 73

WQFJX	0.10 243	0.07 236	0.09 122	0.21 565	0.09 349	0.12 307	0.16 399	0.18 298	0.17 318	0.12 304	0.10 194	0.07 124	0.09 267	0.12 291	0.10 207	0.06 167	0.07 498	0.06 199	0.05 194	0.06 291	0.05 204

NLMM	0.10 243	0.07 236	0.08 57	0.20 533	0.09 349	0.12 307	0.17 441	0.17 264	0.17 318	0.09 181	0.10 194	0.08 185	0.10 311	0.12 291	0.11 288	0.06 167	0.07 498	0.07 309	0.06 292	0.06 291	0.05 204

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

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

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

AIO-test2	0.10 243	0.08 355	0.10 186	0.23 606	0.08 218	0.11 254	0.10 35	0.23 412	0.23 432	0.08 129	0.09 158	0.08 185	0.05 14	0.10 122	0.08 25	0.06 167	0.05 275	0.08 403	0.09 509	0.05 170	0.05 204

AIO-test1	0.10 243	0.07 236	0.10 186	0.23 606	0.07 134	0.09 138	0.13 178	0.21 362	0.14 222	0.11 262	0.12 266	0.09 221	0.07 179	0.11 197	0.09 103	0.06 167	0.05 275	0.09 486	0.10 550	0.03 1	0.06 305

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

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

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

RAStereo	0.10 243	0.09 435	0.08 57	0.20 533	0.08 218	0.13 363	0.18 490	0.15 187	0.17 318	0.10 227	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.07 338	0.05 275	0.07 309	0.05 194	0.05 170	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

test_3	0.10 243	0.09 435	0.10 186	0.20 533	0.08 218	0.13 363	0.26 632	0.14 145	0.21 406	0.10 227	0.10 194	0.09 221	0.09 267	0.08 25	0.11 288	0.05 51	0.04 25	0.08 403	0.07 389	0.04 48	0.04 73

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

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

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

cross-raft	0.10 243	0.09 435	0.09 122	0.19 466	0.07 134	0.11 254	0.25 623	0.13 114	0.15 250	0.08 129	0.11 245	0.12 310	0.10 311	0.09 59	0.11 288	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

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

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

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

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

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

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

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

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

RAFT-Stereo	0.10 243	0.06 118	0.10 186	0.17 306	0.08 218	0.11 254	0.14 246	0.23 412	0.11 108	0.12 304	0.19 395	0.11 286	0.08 228	0.09 59	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.05 204
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 243	0.06 118	0.12 290	0.14 69	0.06 28	0.11 254	0.10 35	0.18 298	0.18 349	0.13 337	0.16 333	0.14 361	0.11 347	0.15 406	0.13 394	0.06 167	0.04 25	0.04 1	0.04 60	0.06 291	0.05 204
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
HLF11	0.11 295	0.05 42	0.13 346	0.12 7	0.08 218	0.14 397	0.11 65	0.22 388	0.10 76	0.12 304	0.23 450	0.11 286	0.11 347	0.14 379	0.13 394	0.08 421	0.05 275	0.05 50	0.04 60	0.08 442	0.08 464

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

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

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

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

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

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

NLMM1	0.11 295	0.09 435	0.07 11	0.22 582	0.10 462	0.12 307	0.20 553	0.18 298	0.20 390	0.12 304	0.11 245	0.07 124	0.09 267	0.11 197	0.11 288	0.08 421	0.08 528	0.07 309	0.06 292	0.04 48	0.04 73

NLCSM	0.11 295	0.09 435	0.09 122	0.23 606	0.11 512	0.12 307	0.19 530	0.18 298	0.18 349	0.12 304	0.11 245	0.07 124	0.09 267	0.11 197	0.10 207	0.07 338	0.08 528	0.07 309	0.07 389	0.06 291	0.05 204

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Selective-RAFT	0.11 295	0.10 497	0.11 246	0.21 565	0.08 218	0.16 455	0.13 178	0.20 339	0.22 420	0.10 227	0.10 194	0.11 286	0.10 311	0.15 406	0.11 288	0.05 51	0.05 275	0.06 199	0.05 194	0.06 291	0.05 204

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

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

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

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

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

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

GMOStereo	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 645	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

error version	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 645	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

test-v	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 645	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

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

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

LCNet	0.11 295	0.07 236	0.09 122	0.19 466	0.09 349	0.08 84	0.15 329	0.21 362	0.15 250	0.11 262	0.15 320	0.16 405	0.11 347	0.12 291	0.11 288	0.05 51	0.04 25	0.08 403	0.07 389	0.06 291	0.15 628

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

Patchmatch Stereo++	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.06 14	0.11 65	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 295	0.07 236	0.16 471	0.19 466	0.09 349	0.08 84	0.13 178	0.18 298	0.13 189	0.16 419	0.21 430	0.13 341	0.14 443	0.11 197	0.14 438	0.06 167	0.04 25	0.09 486	0.06 292	0.06 291	0.05 204

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

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

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

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

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

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

PSM-AAD	0.11 295	0.07 236	0.10 186	0.19 466	0.09 349	0.10 201	0.15 329	0.20 339	0.13 189	0.12 304	0.14 299	0.18 441	0.11 347	0.11 197	0.10 207	0.05 51	0.05 275	0.09 486	0.08 462	0.06 291	0.14 621

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

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

KYRaft	0.11 295	0.07 236	0.10 186	0.19 466	0.09 349	0.08 84	0.15 329	0.22 388	0.12 147	0.13 337	0.16 333	0.20 468	0.10 311	0.12 291	0.10 207	0.05 51	0.04 25	0.08 403	0.08 462	0.06 291	0.16 639

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

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

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

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

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

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

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

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

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

RAFT-RH_RVC	0.11 295	0.06 118	0.14 385	0.16 219	0.09 349	0.12 307	0.12 98	0.17 264	0.12 147	0.13 337	0.41 626	0.11 286	0.10 311	0.13 345	0.12 350	0.05 51	0.04 25	0.08 403	0.05 194	0.04 48	0.06 305

RAFT-345	0.11 295	0.07 236	0.15 435	0.16 219	0.08 218	0.08 84	0.12 98	0.15 187	0.10 76	0.11 262	0.36 589	0.09 221	0.09 267	0.11 197	0.12 350	0.05 51	0.05 275	0.07 309	0.06 292	0.04 48	0.05 204

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

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

test-2	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 645	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

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

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

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

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

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

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

DIP-Stereo	0.11 295	0.07 236	0.14 385	0.17 306	0.09 349	0.13 363	0.09 20	0.16 225	0.16 289	0.11 262	0.16 333	0.14 361	0.12 379	0.15 406	0.13 394	0.06 167	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
IGEV_i1	0.12 371	0.07 236	0.12 290	0.16 219	0.08 218	0.19 521	0.14 246	0.18 298	0.22 420	0.18 468	0.18 384	0.16 405	0.12 379	0.16 441	0.14 438	0.06 167	0.05 275	0.06 199	0.05 194	0.06 291	0.06 305

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

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

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

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

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

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

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

RAFT_CTSACE	0.12 371	0.09 435	0.10 186	0.22 582	0.08 218	0.12 307	0.24 607	0.18 298	0.16 289	0.20 508	0.27 519	0.13 341	0.07 179	0.13 345	0.09 103	0.05 51	0.06 426	0.08 403	0.07 389	0.04 48	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

sCroCo_RVC	0.12 371	0.09 435	0.23 573	0.24 615	0.11 512	0.19 521	0.14 246	0.17 264	0.14 222	0.10 227	0.13 285	0.12 310	0.07 179	0.14 379	0.11 288	0.08 421	0.08 528	0.08 403	0.08 462	0.05 170	0.07 393

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

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

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

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

Selective-IGEV-i16pc	0.13 397	0.06 118	0.13 346	0.15 123	0.11 512	0.38 655	0.16 399	0.23 412	0.16 289	0.10 227	0.15 320	0.09 221	0.06 65	0.13 345	0.10 207	0.10 524	0.08 528	0.06 199	0.07 389	0.09 508	0.09 510

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

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

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

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

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

UGAM	0.13 397	0.10 497	0.09 122	0.22 582	0.08 218	0.12 307	0.20 553	0.17 264	0.23 432	0.21 522	0.16 333	0.13 341	0.13 419	0.19 512	0.12 350	0.07 338	0.05 275	0.13 601	0.11 584	0.07 372	0.05 204

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

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

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

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

MyStereo04	0.13 397	0.07 236	0.10 186	0.17 306	0.09 349	0.14 397	0.18 490	0.29 529	0.38 589	0.17 438	0.14 299	0.16 405	0.10 311	0.15 406	0.13 394	0.06 167	0.05 275	0.08 403	0.07 389	0.06 291	0.06 305

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

StereoVision	0.13 397	0.12 541	0.09 122	0.24 615	0.10 462	0.15 424	0.21 573	0.21 362	0.20 390	0.12 304	0.24 464	0.10 256	0.10 311	0.16 441	0.10 207	0.09 482	0.11 596	0.12 586	0.12 604	0.06 291	0.05 204

LL-Strereo	0.13 397	0.09 435	0.11 246	0.20 533	0.10 462	0.11 254	0.18 490	0.32 566	0.24 449	0.15 390	0.15 320	0.14 361	0.13 419	0.19 512	0.11 288	0.06 167	0.04 25	0.09 486	0.08 462	0.04 48	0.05 204

CASS	0.13 397	0.12 541	0.11 246	0.23 606	0.09 349	0.15 424	0.17 441	0.18 298	0.19 367	0.17 438	0.18 384	0.15 390	0.15 461	0.14 379	0.14 438	0.09 482	0.06 426	0.10 535	0.08 462	0.09 508	0.07 393
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 397	0.07 236	0.13 346	0.18 397	0.09 349	0.13 363	0.17 441	0.19 328	0.29 517	0.15 390	0.24 464	0.15 390	0.14 443	0.14 379	0.14 438	0.07 338	0.05 275	0.07 309	0.09 509	0.05 170	0.06 305

TestStereo1	0.13 397	0.08 355	0.08 57	0.19 466	0.08 218	0.18 497	0.29 655	0.23 412	0.16 289	0.17 438	0.20 407	0.16 405	0.10 311	0.12 291	0.13 394	0.06 167	0.06 426	0.08 403	0.06 292	0.05 170	0.05 204

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

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

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

RAFT+CT+SA	0.13 397	0.11 523	0.09 122	0.19 466	0.09 349	0.15 424	0.28 645	0.22 388	0.22 420	0.15 390	0.26 510	0.10 256	0.10 311	0.11 197	0.12 350	0.05 51	0.04 25	0.07 309	0.08 462	0.07 372	0.06 305

SA-5K	0.13 397	0.08 355	0.08 57	0.19 466	0.08 218	0.18 497	0.29 655	0.23 412	0.16 289	0.17 438	0.20 407	0.16 405	0.10 311	0.12 291	0.13 394	0.06 167	0.06 426	0.08 403	0.06 292	0.05 170	0.05 204

GwcNet-ADL	0.13 397	0.08 355	0.14 385	0.20 533	0.09 349	0.11 254	0.20 553	0.30 543	0.24 449	0.13 337	0.14 299	0.18 441	0.14 443	0.13 345	0.14 438	0.07 338	0.05 275	0.06 199	0.05 194	0.07 372	0.06 305

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

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

TestStereo	0.13 397	0.14 581	0.11 246	0.23 606	0.08 218	0.15 424	0.21 573	0.20 339	0.23 432	0.14 361	0.24 464	0.16 405	0.12 379	0.16 441	0.14 438	0.05 51	0.06 426	0.08 403	0.06 292	0.09 508	0.05 204

sAnonymous2	0.13 397	0.12 541	0.24 577	0.20 533	0.12 546	0.17 478	0.13 178	0.26 475	0.21 406	0.11 262	0.11 245	0.13 341	0.08 228	0.10 122	0.10 207	0.09 482	0.05 275	0.08 403	0.06 292	0.15 628	0.10 541

CroCo_RVC	0.13 397	0.12 541	0.24 577	0.20 533	0.12 546	0.17 478	0.13 178	0.26 475	0.21 406	0.11 262	0.11 245	0.13 341	0.08 228	0.10 122	0.10 207	0.09 482	0.05 275	0.08 403	0.06 292	0.15 628	0.10 541

RAFT + AFF	0.13 397	0.07 236	0.20 549	0.20 533	0.10 462	0.14 397	0.24 607	0.26 475	0.20 390	0.11 262	0.10 194	0.12 310	0.10 311	0.15 406	0.12 350	0.07 338	0.06 426	0.09 486	0.08 462	0.06 291	0.08 464

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

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

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

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

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

Selective-IGEV-i16pb	0.14 434	0.08 355	0.17 501	0.15 123	0.11 512	0.41 660	0.16 399	0.28 515	0.23 432	0.11 262	0.20 407	0.10 256	0.07 179	0.17 474	0.12 350	0.10 524	0.07 498	0.06 199	0.08 462	0.09 508	0.10 541

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

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

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

rvit_0105_6	0.14 434	0.09 435	0.18 525	0.17 306	0.10 462	0.10 201	0.16 399	0.19 328	0.26 485	0.12 304	0.18 384	0.17 427	0.12 379	0.18 497	0.12 350	0.15 625	0.11 596	0.12 586	0.10 550	0.09 508	0.06 305

rvit_0105_5	0.14 434	0.09 435	0.13 346	0.17 306	0.09 349	0.14 397	0.23 594	0.24 437	0.27 495	0.14 361	0.15 320	0.18 441	0.12 379	0.17 474	0.14 438	0.14 621	0.11 596	0.10 535	0.10 550	0.08 442	0.06 305

rvit_0105_4	0.14 434	0.09 435	0.17 501	0.17 306	0.10 462	0.12 307	0.19 530	0.23 412	0.27 495	0.14 361	0.20 407	0.17 427	0.13 419	0.17 474	0.13 394	0.15 625	0.11 596	0.11 566	0.10 550	0.09 508	0.06 305

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

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

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

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

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

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

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

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

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

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

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

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

PCWNet_CMD	0.14 434	0.08 355	0.15 435	0.17 306	0.09 349	0.14 397	0.14 246	0.29 529	0.36 575	0.14 361	0.20 407	0.21 477	0.12 379	0.17 474	0.13 394	0.07 338	0.05 275	0.07 309	0.07 389	0.07 372	0.07 393

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

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

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

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

BUS	0.14 434	0.09 435	0.14 385	0.22 582	0.10 462	0.19 521	0.14 246	0.34 595	0.19 367	0.17 438	0.22 441	0.16 405	0.13 419	0.15 406	0.13 394	0.08 421	0.06 426	0.10 535	0.09 509	0.07 372	0.07 393

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

test_5	0.14 434	0.12 541	0.08 57	0.20 533	0.10 462	0.14 397	0.29 655	0.21 362	0.24 449	0.18 468	0.28 533	0.11 286	0.15 461	0.12 291	0.13 394	0.06 167	0.05 275	0.07 309	0.08 462	0.08 442	0.07 393

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

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

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

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

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

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

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

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

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

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

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

MSMDNet	0.14 434	0.08 355	0.15 435	0.17 306	0.09 349	0.14 397	0.14 246	0.29 529	0.36 575	0.14 361	0.21 430	0.21 477	0.12 379	0.17 474	0.14 438	0.07 338	0.05 275	0.07 309	0.07 389	0.07 372	0.07 393

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

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

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

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

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

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

rvit_0105_3	0.15 479	0.09 435	0.14 385	0.19 466	0.12 546	0.15 424	0.25 623	0.25 457	0.29 517	0.15 390	0.17 356	0.20 468	0.13 419	0.17 474	0.14 438	0.13 607	0.11 596	0.12 586	0.14 619	0.07 372	0.06 305

ACV-stereo	0.15 479	0.10 497	0.28 598	0.18 397	0.12 546	0.14 397	0.12 98	0.23 412	0.21 406	0.19 485	0.23 450	0.22 495	0.15 461	0.23 578	0.17 501	0.07 338	0.06 426	0.07 309	0.07 389	0.07 372	0.07 393

ITSA-stereo	0.15 479	0.10 497	0.14 385	0.19 466	0.08 218	0.12 307	0.14 246	0.30 543	0.49 635	0.17 438	0.19 395	0.22 495	0.15 461	0.17 474	0.16 486	0.10 524	0.06 426	0.08 403	0.08 462	0.08 442	0.08 464

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

1111x	0.15 479	0.08 355	0.12 290	0.18 397	0.07 134	0.18 497	0.25 623	0.31 555	0.24 449	0.17 438	0.24 464	0.26 543	0.15 461	0.13 345	0.23 579	0.07 338	0.07 498	0.08 403	0.09 509	0.07 372	0.06 305

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

BSDual-CNN	0.15 479	0.09 435	0.14 385	0.22 582	0.10 462	0.14 397	0.15 329	0.34 595	0.19 367	0.17 438	0.22 441	0.25 533	0.16 489	0.15 406	0.14 438	0.08 421	0.06 426	0.10 535	0.09 509	0.07 372	0.07 393

hknet	0.15 479	0.11 523	0.13 346	0.22 582	0.11 512	0.14 397	0.15 329	0.34 595	0.25 471	0.17 438	0.22 441	0.22 495	0.18 527	0.17 474	0.12 350	0.07 338	0.06 426	0.10 535	0.09 509	0.07 372	0.07 393

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

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

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

PSMNet-ADL	0.15 479	0.12 541	0.13 346	0.22 582	0.09 349	0.13 363	0.20 553	0.26 475	0.23 432	0.18 468	0.20 407	0.24 519	0.16 489	0.18 497	0.17 501	0.08 421	0.08 528	0.08 403	0.11 584	0.08 442	0.07 393

LMCR-Stereo	0.15 479	0.08 355	0.13 346	0.21 565	0.09 349	0.17 478	0.20 553	0.27 496	0.19 367	0.24 560	0.24 464	0.23 513	0.17 512	0.20 537	0.17 501	0.07 338	0.06 426	0.08 403	0.06 292	0.10 541	0.08 464

ICVP	0.15 479	0.09 435	0.12 290	0.22 582	0.09 349	0.17 478	0.21 573	0.25 457	0.23 432	0.18 468	0.30 552	0.26 543	0.18 527	0.17 474	0.14 438	0.09 482	0.07 498	0.08 403	0.07 389	0.07 372	0.07 393
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 479	0.07 236	0.14 385	0.14 69	0.08 218	0.23 579	0.18 490	0.31 555	0.19 367	0.14 361	0.28 533	0.22 495	0.14 443	0.15 406	0.26 614	0.09 482	0.05 275	0.07 309	0.07 389	0.08 442	0.07 393

test_xeample	0.15 479	0.06 118	0.13 346	0.14 69	0.08 218	0.21 554	0.20 553	0.28 515	0.20 390	0.16 419	0.29 545	0.19 456	0.16 489	0.15 406	0.26 614	0.09 482	0.05 275	0.07 309	0.07 389	0.07 372	0.07 393

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

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

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

AdaStereo	0.15 479	0.11 523	0.15 435	0.18 397	0.09 349	0.20 537	0.11 65	0.32 566	0.28 510	0.20 508	0.23 450	0.20 468	0.13 419	0.19 512	0.14 438	0.12 581	0.05 275	0.10 535	0.07 389	0.09 508	0.07 393
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 479	0.08 355	0.14 385	0.16 219	0.09 349	0.16 455	0.14 246	0.28 515	0.25 471	0.19 485	0.23 450	0.37 624	0.16 489	0.20 537	0.15 470	0.07 338	0.05 275	0.07 309	0.06 292	0.07 372	0.06 305

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

DStereoRT	0.16 502	0.06 118	0.11 246	0.19 466	0.09 349	0.12 307	0.12 98	0.28 515	0.22 420	0.12 304	0.20 407	0.11 286	0.10 311	0.15 406	0.14 438	0.06 167	0.05 275	0.96 704	0.09 509	0.05 170	0.04 73

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

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

iinet-f	0.16 502	0.06 118	0.45 644	0.14 69	0.10 462	0.21 554	0.14 246	0.27 496	0.23 432	0.21 522	0.24 464	0.21 477	0.15 461	0.18 497	0.21 558	0.09 482	0.07 498	0.07 309	0.06 292	0.09 508	0.10 541

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

NINENet	0.16 502	0.10 497	0.15 435	0.17 306	0.11 512	0.19 521	0.14 246	0.40 640	0.36 575	0.18 468	0.21 430	0.16 405	0.13 419	0.15 406	0.13 394	0.08 421	0.08 528	0.10 535	0.07 389	0.10 541	0.09 510

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

AASNet	0.16 502	0.08 355	0.12 290	0.19 466	0.09 349	0.18 497	0.15 329	0.37 624	0.37 582	0.19 485	0.23 450	0.20 468	0.16 489	0.17 474	0.20 538	0.10 524	0.08 528	0.08 403	0.07 389	0.09 508	0.09 510

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

ADLNet2	0.16 502	0.09 435	0.13 346	0.16 219	0.09 349	0.20 537	0.16 399	0.31 555	0.39 592	0.16 419	0.20 407	0.20 468	0.18 527	0.21 554	0.22 567	0.08 421	0.06 426	0.07 309	0.07 389	0.09 508	0.07 393

Anonymous3	0.16 502	0.13 569	0.33 618	0.26 632	0.14 590	0.27 615	0.17 441	0.28 515	0.28 510	0.15 390	0.17 356	0.14 361	0.10 311	0.15 406	0.12 350	0.08 421	0.08 528	0.08 403	0.08 462	0.08 442	0.11 568

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

HCRNet	0.16 502	0.24 646	0.12 290	0.35 667	0.11 512	0.15 424	0.17 441	0.26 475	0.22 420	0.19 485	0.24 464	0.21 477	0.14 443	0.15 406	0.13 394	0.11 556	0.07 498	0.11 566	0.10 550	0.09 508	0.07 393

222	0.16 502	0.07 236	0.14 385	0.14 69	0.08 218	0.24 584	0.18 490	0.30 543	0.20 390	0.17 438	0.28 533	0.17 427	0.16 489	0.15 406	0.40 669	0.10 524	0.05 275	0.07 309	0.06 292	0.07 372	0.08 464

UPFNet	0.16 502	0.08 355	0.12 290	0.20 533	0.12 546	0.20 537	0.23 594	0.28 515	0.26 485	0.17 438	0.24 464	0.22 495	0.19 543	0.19 512	0.21 558	0.09 482	0.07 498	0.08 403	0.09 509	0.08 442	0.06 305

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

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

FADNet-RVC-Resample	0.16 502	0.11 523	0.31 611	0.22 582	0.11 512	0.19 521	0.14 246	0.25 457	0.24 449	0.24 560	0.27 519	0.20 468	0.15 461	0.16 441	0.15 470	0.07 338	0.08 528	0.12 586	0.10 550	0.09 508	0.10 541

FADNet_RVC	0.16 502	0.14 581	0.40 637	0.20 533	0.11 512	0.13 363	0.13 178	0.26 475	0.22 420	0.21 522	0.23 450	0.20 468	0.17 512	0.14 379	0.16 486	0.08 421	0.08 528	0.12 586	0.09 509	0.11 564	0.10 541

AANet_RVC	0.16 502	0.10 497	0.10 186	0.18 397	0.09 349	0.18 497	0.19 530	0.26 475	0.31 535	0.22 538	0.35 586	0.21 477	0.21 559	0.22 567	0.16 486	0.06 167	0.05 275	0.06 199	0.06 292	0.07 372	0.06 305

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

z-ln-s-r	0.17 523	0.10 497	0.40 637	0.19 466	0.08 218	0.17 478	0.18 490	0.22 388	0.33 549	0.18 468	0.40 615	0.22 495	0.17 512	0.20 537	0.23 579	0.07 338	0.05 275	0.07 309	0.07 389	0.07 372	0.05 204

rvit_stereo_0075_2	0.17 523	0.12 541	0.25 582	0.23 606	0.16 621	0.13 363	0.10 35	0.30 543	0.27 495	0.20 508	0.28 533	0.22 495	0.15 461	0.18 497	0.13 394	0.16 641	0.10 583	0.17 637	0.10 550	0.10 541	0.09 510

ToySt	0.17 523	0.11 523	0.18 525	0.17 306	0.11 512	0.16 455	0.25 623	0.24 437	0.33 549	0.19 485	0.24 464	0.26 543	0.24 582	0.19 512	0.20 538	0.07 338	0.08 528	0.09 486	0.10 550	0.09 508	0.08 464

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

dad	0.17 523	0.20 631	0.20 549	0.16 219	0.11 512	0.20 537	0.18 490	0.21 362	0.28 510	0.30 614	0.24 464	0.29 569	0.13 419	0.19 512	0.16 486	0.18 648	0.09 561	0.11 566	0.09 509	0.11 564	0.07 393

GEStereo_RVC	0.17 523	0.12 541	0.15 435	0.22 582	0.11 512	0.19 521	0.17 441	0.32 566	0.48 628	0.20 508	0.25 492	0.17 427	0.13 419	0.21 554	0.16 486	0.10 524	0.06 426	0.08 403	0.07 389	0.09 508	0.08 464

MMNet	0.17 523	0.09 435	0.16 471	0.20 533	0.11 512	0.27 615	0.20 553	0.25 457	0.41 601	0.22 538	0.30 552	0.21 477	0.20 555	0.17 474	0.20 538	0.06 167	0.06 426	0.07 309	0.07 389	0.08 442	0.07 393

delet	0.17 523	0.08 355	0.17 501	0.19 466	0.11 512	0.20 537	0.21 573	0.30 543	0.37 582	0.17 438	0.26 510	0.19 456	0.19 543	0.19 512	0.21 558	0.08 421	0.08 528	0.09 486	0.11 584	0.06 291	0.06 305

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

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

DMCA-RVC	0.17 523	0.10 497	0.15 435	0.24 615	0.11 512	0.18 497	0.18 490	0.25 457	0.24 449	0.21 522	0.26 510	0.25 533	0.27 605	0.18 497	0.20 538	0.12 581	0.08 528	0.13 601	0.10 550	0.10 541	0.08 464

TDLM	0.17 523	0.12 541	0.13 346	0.24 615	0.10 462	0.18 497	0.18 490	0.36 618	0.30 527	0.21 522	0.28 533	0.28 561	0.18 527	0.23 578	0.18 519	0.11 556	0.07 498	0.10 535	0.10 550	0.08 442	0.08 464

NLCA_NET_v2_RVC	0.17 523	0.10 497	0.22 564	0.20 533	0.10 462	0.15 424	0.18 490	0.31 555	0.25 471	0.21 522	0.30 552	0.25 533	0.17 512	0.21 554	0.20 538	0.09 482	0.06 426	0.08 403	0.08 462	0.07 372	0.08 464
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 523	0.12 541	0.15 435	0.20 533	0.09 349	0.18 497	0.18 490	0.26 475	0.23 432	0.26 579	0.40 615	0.22 495	0.17 512	0.21 554	0.20 538	0.08 421	0.05 275	0.09 486	0.10 550	0.07 372	0.07 393
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 537	0.08 355	0.19 537	0.19 466	0.13 569	0.15 424	0.12 98	0.30 543	0.32 542	0.21 522	0.25 492	0.27 551	0.17 512	0.17 474	0.20 538	0.20 656	0.08 528	0.14 614	0.14 619	0.14 612	0.17 648

test_sample9	0.18 537	0.12 541	0.20 549	0.12 7	0.14 590	0.17 478	0.13 178	0.27 496	0.23 432	0.20 508	0.20 407	0.24 519	0.19 543	0.19 512	0.17 501	0.15 625	0.30 679	0.14 614	0.14 619	0.14 612	0.12 581

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

HBP-ISP	0.18 537	0.13 569	0.16 471	0.15 123	0.11 512	0.08 84	0.13 178	0.28 515	0.29 517	0.22 538	0.33 577	0.21 477	0.25 591	0.23 578	0.17 501	0.14 621	0.16 646	0.21 651	0.17 647	0.10 541	0.08 464

Wz-Net-LNSev-Ref	0.18 537	0.09 435	0.29 606	0.15 123	0.10 462	0.22 563	0.20 553	0.26 475	0.39 592	0.25 573	0.42 632	0.24 519	0.15 461	0.20 537	0.19 532	0.07 338	0.05 275	0.06 199	0.05 194	0.10 541	0.09 510

SACVNet	0.18 537	0.12 541	0.14 385	0.17 306	0.13 569	0.22 563	0.18 490	0.31 555	0.30 527	0.23 551	0.31 560	0.30 579	0.22 568	0.22 567	0.17 501	0.11 556	0.08 528	0.10 535	0.10 550	0.12 579	0.14 621

psm_up	0.18 537	0.10 497	0.18 525	0.20 533	0.11 512	0.17 478	0.19 530	0.37 624	0.34 561	0.21 522	0.28 533	0.29 569	0.24 582	0.20 537	0.22 567	0.09 482	0.10 583	0.11 566	0.11 584	0.08 442	0.08 464

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

STTStereo	0.18 537	0.12 541	0.27 593	0.20 533	0.11 512	0.16 455	0.21 573	0.29 529	0.23 432	0.21 522	0.30 552	0.29 569	0.18 527	0.20 537	0.19 532	0.12 581	0.11 596	0.11 566	0.14 619	0.09 508	0.08 464

CVANet_RVC	0.18 537	0.10 497	0.14 385	0.21 565	0.10 462	0.18 497	0.17 441	0.34 595	0.33 549	0.22 538	0.31 560	0.28 561	0.18 527	0.23 578	0.17 501	0.12 581	0.08 528	0.12 586	0.11 584	0.09 508	0.07 393

StereoDRNet	0.18 537	0.11 523	0.17 501	0.22 582	0.11 512	0.21 554	0.22 583	0.37 624	0.33 549	0.24 560	0.28 533	0.30 579	0.19 543	0.20 537	0.20 538	0.09 482	0.08 528	0.11 566	0.09 509	0.09 508	0.07 393

DLCB_ROB	0.18 537	0.10 497	0.15 435	0.23 606	0.11 512	0.24 584	0.18 490	0.29 529	0.28 510	0.27 585	0.28 533	0.28 561	0.24 582	0.19 512	0.20 538	0.08 421	0.08 528	0.09 486	0.09 509	0.07 372	0.07 393

TCMNet	0.19 549	0.12 541	0.19 537	0.20 533	0.18 643	0.20 537	0.24 607	0.27 496	0.36 575	0.23 551	0.26 510	0.25 533	0.19 543	0.19 512	0.23 579	0.13 607	0.11 596	0.11 566	0.12 604	0.13 598	0.12 581

rvit_105_1	0.19 549	0.11 523	0.25 582	0.21 565	0.16 621	0.21 554	0.27 639	0.31 555	0.41 601	0.19 485	0.20 407	0.22 495	0.17 512	0.19 512	0.17 501	0.12 581	0.12 612	0.13 601	0.15 636	0.08 442	0.07 393

test_sample8	0.19 549	0.12 541	0.20 549	0.12 7	0.14 590	0.17 478	0.13 178	0.31 555	0.21 406	0.27 585	0.22 441	0.36 619	0.25 591	0.19 512	0.17 501	0.15 625	0.30 679	0.14 614	0.14 619	0.14 612	0.12 581

SDNR	0.19 549	0.08 355	0.19 537	0.16 219	0.12 546	0.77 691	0.14 246	0.25 457	0.32 542	0.19 485	0.24 464	0.19 456	0.13 419	0.19 512	0.15 470	0.16 641	0.18 653	0.14 614	0.11 584	0.08 442	0.11 568

pcwnet_v2	0.19 549	0.10 497	0.26 585	0.17 306	0.14 590	0.18 497	0.15 329	0.37 624	0.46 626	0.19 485	0.24 464	0.21 477	0.19 543	0.20 537	0.19 532	0.13 607	0.10 583	0.10 535	0.10 550	0.11 564	0.13 604

ADCRef	0.19 549	0.12 541	0.41 640	0.20 533	0.12 546	0.22 563	0.18 490	0.32 566	0.36 575	0.26 579	0.32 564	0.17 427	0.23 576	0.24 588	0.24 592	0.07 338	0.06 426	0.09 486	0.09 509	0.08 442	0.08 464

NVstereo2D	0.19 549	0.10 497	0.15 435	0.17 306	0.15 610	0.28 622	0.23 594	0.44 657	0.42 609	0.15 390	0.27 519	0.25 533	0.19 543	0.22 567	0.17 501	0.09 482	0.06 426	0.10 535	0.08 462	0.15 628	0.09 510

DRN-Test	0.19 549	0.11 523	0.20 549	0.22 582	0.10 462	0.22 563	0.22 583	0.39 636	0.37 582	0.24 560	0.32 564	0.26 543	0.21 559	0.22 567	0.24 592	0.11 556	0.07 498	0.11 566	0.10 550	0.09 508	0.07 393

DISCO	0.19 549	0.09 435	0.22 564	0.17 306	0.10 462	0.25 595	0.18 490	0.27 496	0.44 619	0.22 538	0.31 560	0.33 606	0.26 597	0.28 610	0.28 630	0.08 421	0.06 426	0.07 309	0.07 389	0.09 508	0.09 510

CBMV_ROB	0.19 549	0.13 569	0.17 501	0.16 219	0.11 512	0.15 424	0.13 178	0.26 475	0.28 510	0.27 585	0.30 552	0.27 551	0.24 582	0.23 578	0.16 486	0.15 625	0.17 651	0.22 655	0.20 653	0.10 541	0.11 568

NOSS_ROB	0.19 549	0.12 541	0.18 525	0.16 219	0.12 546	0.15 424	0.12 98	0.30 543	0.32 542	0.20 508	0.22 441	0.27 551	0.23 576	0.21 554	0.16 486	0.16 641	0.18 653	0.23 656	0.21 655	0.12 579	0.13 604

CBMV	0.19 549	0.14 581	0.17 501	0.18 397	0.10 462	0.20 537	0.11 65	0.29 529	0.30 527	0.29 609	0.30 552	0.30 579	0.23 576	0.27 598	0.19 532	0.13 607	0.15 642	0.17 637	0.16 640	0.10 541	0.10 541
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 561	0.14 581	0.37 631	0.22 582	0.12 546	0.20 537	0.21 573	0.28 515	0.37 582	0.25 573	0.37 595	0.27 551	0.22 568	0.21 554	0.23 579	0.08 421	0.08 528	0.09 486	0.09 509	0.10 541	0.09 510

YMNet	0.20 561	0.12 541	0.19 537	0.20 533	0.14 590	0.26 605	0.23 594	0.32 566	0.34 561	0.27 585	0.34 581	0.30 579	0.18 527	0.18 497	0.22 567	0.10 524	0.13 627	0.10 535	0.10 550	0.08 442	0.09 510

YMNet_1	0.20 561	0.12 541	0.19 537	0.20 533	0.14 590	0.26 605	0.23 594	0.32 566	0.34 561	0.27 585	0.34 581	0.30 579	0.18 527	0.18 497	0.22 567	0.10 524	0.13 627	0.10 535	0.10 550	0.08 442	0.09 510

GwcNet	0.20 561	0.13 569	0.19 537	0.18 397	0.12 546	0.24 584	0.19 530	0.35 611	0.43 614	0.20 508	0.32 564	0.33 606	0.20 555	0.22 567	0.24 592	0.11 556	0.09 561	0.09 486	0.09 509	0.09 508	0.10 541

FAT-Stereo	0.20 561	0.12 541	0.22 564	0.21 565	0.12 546	0.17 478	0.18 490	0.34 595	0.39 592	0.27 585	0.37 595	0.34 613	0.32 637	0.21 554	0.20 538	0.09 482	0.11 596	0.10 535	0.09 509	0.11 564	0.14 621

FADNet-RVC	0.20 561	0.20 631	0.38 633	0.21 565	0.16 621	0.20 537	0.15 329	0.26 475	0.26 485	0.26 579	0.32 564	0.26 543	0.21 559	0.22 567	0.19 532	0.12 581	0.13 627	0.12 586	0.14 619	0.13 598	0.18 651

S-Stereo	0.20 561	0.12 541	0.25 582	0.21 565	0.13 569	0.20 537	0.18 490	0.32 566	0.43 614	0.23 551	0.36 589	0.28 561	0.30 628	0.19 512	0.22 567	0.09 482	0.12 612	0.10 535	0.10 550	0.13 598	0.13 604

SuperB	0.20 561	0.10 497	0.56 660	0.16 219	0.09 349	0.18 497	0.18 490	0.24 437	0.50 638	0.26 579	0.39 609	0.17 427	0.21 559	0.22 567	0.21 558	0.08 421	0.06 426	0.06 199	0.06 292	0.12 579	0.10 541

ADCP+	0.20 561	0.10 497	0.33 618	0.20 533	0.12 546	0.22 563	0.26 632	0.31 555	0.34 561	0.26 579	0.37 595	0.22 495	0.22 568	0.27 598	0.27 622	0.09 482	0.06 426	0.08 403	0.08 462	0.09 508	0.10 541

PS-NSSS	0.20 561	0.21 637	0.23 573	0.20 533	0.10 462	0.19 521	0.17 441	0.36 618	0.25 471	0.27 585	0.33 577	0.27 551	0.24 582	0.20 537	0.20 538	0.15 625	0.12 612	0.17 637	0.14 619	0.10 541	0.08 464

PWCDC_ROB	0.20 561	0.13 569	0.22 564	0.24 615	0.11 512	0.19 521	0.15 329	0.33 586	0.54 648	0.29 609	0.50 648	0.21 477	0.15 461	0.27 598	0.20 538	0.11 556	0.09 561	0.10 535	0.08 462	0.11 564	0.09 510

SGM-Forest	0.20 561	0.14 581	0.18 525	0.19 466	0.13 569	0.20 537	0.22 583	0.33 586	0.30 527	0.24 560	0.29 545	0.28 561	0.19 543	0.23 578	0.17 501	0.15 625	0.16 646	0.15 626	0.14 619	0.12 579	0.12 581
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 573	0.17 610	0.19 537	0.23 606	0.15 610	0.30 629	0.20 553	0.33 586	0.35 570	0.23 551	0.28 533	0.31 592	0.27 605	0.20 537	0.22 567	0.15 625	0.12 612	0.13 601	0.09 509	0.14 612	0.14 621

FINET	0.21 573	0.18 621	0.26 585	0.18 397	0.16 621	0.23 579	0.23 594	0.32 566	0.48 628	0.25 573	0.32 564	0.22 495	0.22 568	0.22 567	0.17 501	0.18 648	0.16 646	0.11 566	0.10 550	0.15 628	0.13 604

Syn2CoEx	0.21 573	0.16 599	0.27 593	0.29 657	0.14 590	0.26 605	0.20 553	0.33 586	0.31 535	0.28 600	0.36 589	0.27 551	0.25 591	0.19 512	0.24 592	0.16 641	0.12 612	0.14 614	0.11 584	0.09 508	0.08 464

FADNet	0.21 573	0.22 641	0.36 627	0.18 397	0.17 636	0.24 584	0.13 178	0.31 555	0.31 535	0.23 551	0.25 492	0.27 551	0.21 559	0.19 512	0.15 470	0.13 607	0.15 642	0.12 586	0.15 636	0.16 637	0.18 651

RP	0.21 573	0.13 569	0.21 558	0.23 606	0.11 512	0.21 554	0.20 553	0.25 457	0.44 619	0.21 522	0.38 601	0.36 619	0.24 582	0.27 598	0.25 602	0.11 556	0.12 612	0.13 601	0.12 604	0.12 579	0.14 621

DANet	0.21 573	0.15 591	0.28 598	0.25 627	0.13 569	0.22 563	0.19 530	0.27 496	0.27 495	0.28 600	0.32 564	0.35 617	0.31 632	0.31 621	0.23 579	0.11 556	0.09 561	0.11 566	0.10 550	0.13 598	0.11 568
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 573	0.12 541	0.21 558	0.24 615	0.13 569	0.22 563	0.22 583	0.41 646	0.26 485	0.31 620	0.42 632	0.37 624	0.28 616	0.23 578	0.22 567	0.10 524	0.12 612	0.10 535	0.09 509	0.10 541	0.08 464

PWC_ROB	0.21 573	0.16 599	0.26 585	0.18 397	0.11 512	0.22 563	0.13 178	0.32 566	0.49 635	0.30 614	0.40 615	0.32 602	0.24 582	0.31 621	0.22 567	0.10 524	0.07 498	0.11 566	0.08 462	0.11 564	0.10 541

PSMNet_ROB	0.21 573	0.11 523	0.15 435	0.27 645	0.15 610	0.24 584	0.35 672	0.43 655	0.37 582	0.27 585	0.32 564	0.32 602	0.22 568	0.21 554	0.26 614	0.12 581	0.08 528	0.13 601	0.11 584	0.09 508	0.09 510

MSAF-DinoV2	0.22 582	0.11 523	0.23 573	0.17 306	0.10 462	0.27 615	0.16 399	0.37 624	0.55 649	0.21 522	0.27 519	0.47 659	0.27 605	0.35 640	0.39 666	0.09 482	0.06 426	0.07 309	0.09 509	0.12 579	0.10 541

GASNet	0.22 582	0.23 643	0.33 618	0.26 632	0.17 636	0.26 605	0.16 399	0.44 657	0.42 609	0.27 585	0.24 464	0.30 579	0.15 461	0.27 598	0.18 519	0.12 581	0.08 528	0.12 586	0.11 584	0.16 637	0.07 393

Anonymous_2	0.22 582	0.17 610	0.28 598	0.15 123	0.16 621	0.32 632	0.22 583	0.22 388	0.17 318	0.23 551	0.24 464	0.26 543	0.27 605	0.27 598	0.23 579	0.22 665	0.25 675	0.17 637	0.17 647	0.17 645	0.17 648

Wz-Net-LNSev	0.22 582	0.16 599	0.38 633	0.21 565	0.13 569	0.25 595	0.23 594	0.32 566	0.43 614	0.30 614	0.41 626	0.31 592	0.18 527	0.22 567	0.25 602	0.10 524	0.09 561	0.08 403	0.08 462	0.12 579	0.11 568

Wz-Net-MNSev	0.22 582	0.13 569	0.31 611	0.20 533	0.14 590	0.36 651	0.24 607	0.33 586	0.44 619	0.28 600	0.40 615	0.38 628	0.19 543	0.24 588	0.25 602	0.09 482	0.07 498	0.09 486	0.09 509	0.12 579	0.10 541

DDUNet	0.22 582	0.17 610	0.21 558	0.22 582	0.15 610	0.25 595	0.24 607	0.29 529	0.30 527	0.31 620	0.36 589	0.33 606	0.25 591	0.24 588	0.20 538	0.18 648	0.13 627	0.17 637	0.11 584	0.16 637	0.16 639

APVNet	0.22 582	0.12 541	0.19 537	0.18 397	0.14 590	0.32 632	0.31 668	0.39 636	0.32 542	0.27 585	0.40 615	0.30 579	0.29 624	0.26 595	0.25 602	0.11 556	0.12 612	0.11 566	0.14 619	0.12 579	0.12 581

aanetorigin	0.22 582	0.17 610	0.56 660	0.17 306	0.10 462	0.15 424	0.19 530	0.20 339	0.33 549	0.49 663	0.48 643	0.29 569	0.27 605	0.20 537	0.23 579	0.08 421	0.07 498	0.08 403	0.07 389	0.10 541	0.09 510

MaskLacGwcNet_RVC	0.22 582	0.21 637	0.24 577	0.26 632	0.11 512	0.23 579	0.14 246	0.39 636	0.24 449	0.32 626	0.36 589	0.30 579	0.21 559	0.19 512	0.21 558	0.17 646	0.14 636	0.21 651	0.16 640	0.12 579	0.12 581

AF-Net	0.22 582	0.17 610	0.17 501	0.26 632	0.13 569	0.25 595	0.24 607	0.32 566	0.50 638	0.25 573	0.33 577	0.38 628	0.26 597	0.28 610	0.25 602	0.11 556	0.10 583	0.16 633	0.11 584	0.11 564	0.10 541

stereogan	0.22 582	0.11 523	0.21 558	0.20 533	0.12 546	0.31 631	0.19 530	0.35 611	0.44 619	0.22 538	0.39 609	0.35 617	0.27 605	0.33 631	0.22 567	0.10 524	0.12 612	0.10 535	0.10 550	0.14 612	0.13 604

edge stereo	0.22 582	0.13 569	0.20 549	0.21 565	0.13 569	0.23 579	0.16 399	0.32 566	0.42 609	0.32 626	0.40 615	0.38 628	0.35 647	0.25 593	0.24 592	0.13 607	0.11 596	0.14 614	0.11 584	0.12 579	0.13 604

RYNet	0.22 582	0.12 541	0.22 564	0.19 466	0.17 636	0.46 662	0.26 632	0.38 632	0.48 628	0.24 560	0.28 533	0.34 613	0.23 576	0.20 537	0.30 641	0.10 524	0.06 426	0.09 486	0.09 509	0.13 598	0.15 628

NaN_ROB	0.22 582	0.19 625	0.24 577	0.25 627	0.13 569	0.29 626	0.26 632	0.33 586	0.41 601	0.31 620	0.31 560	0.32 602	0.23 576	0.30 620	0.21 558	0.11 556	0.17 651	0.10 535	0.10 550	0.08 442	0.09 510

MDST_ROB	0.22 582	0.10 497	0.17 501	0.18 397	0.11 512	0.37 652	0.19 530	0.43 655	0.41 601	0.39 644	0.39 609	0.29 569	0.21 559	0.26 595	0.18 519	0.11 556	0.10 583	0.14 614	0.11 584	0.10 541	0.08 464

XPNet_ROB	0.22 582	0.11 523	0.19 537	0.22 582	0.13 569	0.22 563	0.19 530	0.34 595	0.40 598	0.30 614	0.39 609	0.39 636	0.26 597	0.26 595	0.28 630	0.15 625	0.10 583	0.10 535	0.10 550	0.13 598	0.12 581

SQANet	0.23 598	0.23 643	0.30 609	0.30 659	0.19 647	0.27 615	0.13 178	0.29 529	0.33 549	0.24 560	0.37 595	0.31 592	0.22 568	0.27 598	0.23 579	0.15 625	0.10 583	0.21 651	0.16 640	0.21 654	0.15 628

Nwc_Net	0.23 598	0.16 599	0.21 558	0.25 627	0.14 590	0.24 584	0.26 632	0.37 624	0.38 589	0.22 538	0.41 626	0.30 579	0.28 616	0.28 610	0.25 602	0.11 556	0.10 583	0.17 637	0.20 653	0.10 541	0.10 541

RTSC	0.23 598	0.12 541	0.28 598	0.21 565	0.13 569	0.28 622	0.16 399	0.35 611	0.66 674	0.27 585	0.33 577	0.30 579	0.21 559	0.31 621	0.29 634	0.10 524	0.08 528	0.09 486	0.10 550	0.13 598	0.13 604

PA-Net	0.23 598	0.18 621	0.33 618	0.28 648	0.22 656	0.21 554	0.38 677	0.29 529	0.39 592	0.22 538	0.32 564	0.25 533	0.26 597	0.20 537	0.25 602	0.09 482	0.23 672	0.15 626	0.22 658	0.09 508	0.13 604
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 598	0.15 591	0.17 501	0.34 665	0.18 643	0.24 584	0.23 594	0.34 595	0.28 510	0.31 620	0.38 601	0.38 628	0.28 616	0.23 578	0.24 592	0.15 625	0.12 612	0.18 646	0.21 655	0.13 598	0.13 604

ETE_ROB	0.23 598	0.17 610	0.22 564	0.25 627	0.13 569	0.26 605	0.29 655	0.31 555	0.36 575	0.28 600	0.36 589	0.45 651	0.26 597	0.27 598	0.26 614	0.11 556	0.08 528	0.12 586	0.09 509	0.14 612	0.13 604

SGM_RVC	0.23 598	0.12 541	0.15 435	0.15 123	0.09 349	0.33 639	0.18 490	0.34 595	0.31 535	0.44 658	0.37 595	0.53 667	0.35 647	0.35 640	0.24 592	0.13 607	0.13 627	0.13 601	0.13 615	0.10 541	0.11 568
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 605	0.18 621	0.18 525	0.20 533	0.14 590	0.21 554	0.19 530	0.32 566	0.41 601	0.29 609	0.21 430	0.32 602	0.27 605	0.41 665	0.27 622	0.46 687	0.12 612	0.31 674	0.11 584	0.15 628	0.12 581

z-mn7	0.24 605	0.14 581	0.45 644	0.19 466	0.13 569	0.28 622	0.25 623	0.34 595	0.62 665	0.27 585	0.56 660	0.29 569	0.24 582	0.32 628	0.25 602	0.08 421	0.08 528	0.08 403	0.08 462	0.10 541	0.10 541

w-ln-seven	0.24 605	0.14 581	0.55 657	0.19 466	0.14 590	0.26 605	0.22 583	0.35 611	0.60 662	0.29 609	0.39 609	0.30 579	0.22 568	0.21 554	0.26 614	0.09 482	0.09 561	0.11 566	0.10 550	0.11 564	0.10 541

DGSMNet	0.24 605	0.19 625	0.33 618	0.21 565	0.24 661	0.24 584	0.20 553	0.35 611	0.41 601	0.24 560	0.32 564	0.38 628	0.21 559	0.29 617	0.23 579	0.12 581	0.11 596	0.14 614	0.16 640	0.23 658	0.23 662

G-Net	0.24 605	0.16 599	0.36 627	0.22 582	0.16 621	0.51 668	0.23 594	0.29 529	0.34 561	0.36 636	0.38 601	0.31 592	0.29 624	0.27 598	0.26 614	0.11 556	0.09 561	0.12 586	0.09 509	0.16 637	0.13 604

NCC-stereo	0.24 605	0.15 591	0.31 611	0.26 632	0.16 621	0.20 537	0.30 662	0.40 640	0.40 598	0.24 560	0.38 601	0.33 606	0.28 616	0.36 646	0.27 622	0.12 581	0.11 596	0.15 626	0.22 658	0.13 598	0.13 604

Abc-Net	0.24 605	0.15 591	0.31 611	0.26 632	0.16 621	0.20 537	0.30 662	0.40 640	0.40 598	0.24 560	0.38 601	0.33 606	0.28 616	0.36 646	0.27 622	0.12 581	0.11 596	0.15 626	0.22 658	0.13 598	0.13 604
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 605	0.11 523	0.47 649	0.22 582	0.12 546	0.34 642	0.29 655	0.29 529	0.56 652	0.24 560	0.46 640	0.30 579	0.30 628	0.29 617	0.29 634	0.08 421	0.07 498	0.09 486	0.09 509	0.10 541	0.10 541

DeepPrunerF	0.24 605	0.17 610	0.42 642	0.26 632	0.16 621	0.22 563	0.28 645	0.37 624	0.50 638	0.26 579	0.29 545	0.24 519	0.28 616	0.21 554	0.22 567	0.15 625	0.11 596	0.20 650	0.18 651	0.12 579	0.13 604

FBW_ROB	0.24 605	0.17 610	0.22 564	0.26 632	0.14 590	0.25 595	0.22 583	0.41 646	0.41 601	0.41 651	0.41 626	0.42 643	0.27 605	0.31 621	0.23 579	0.09 482	0.14 636	0.14 614	0.12 604	0.11 564	0.09 510

SANet	0.24 605	0.14 581	0.28 598	0.21 565	0.11 512	0.27 615	0.24 607	0.38 632	0.64 670	0.36 636	0.40 615	0.43 647	0.26 597	0.27 598	0.24 592	0.12 581	0.09 561	0.10 535	0.09 509	0.13 598	0.11 568

WCMA_ROB	0.24 605	0.11 523	0.22 564	0.17 306	0.14 590	0.32 632	0.15 329	0.32 566	0.32 542	0.38 642	0.53 651	0.40 640	0.34 644	0.34 634	0.25 602	0.11 556	0.12 612	0.12 586	0.10 550	0.14 612	0.14 621

DStereoSA	0.25 617	0.19 625	0.37 631	0.26 632	0.17 636	0.22 563	0.20 553	0.49 667	0.59 658	0.22 538	0.29 545	0.29 569	0.33 639	0.39 657	0.28 630	0.12 581	0.11 596	0.16 633	0.14 619	0.14 612	0.12 581

FSD	0.25 617	0.27 656	0.26 585	0.24 615	0.22 656	0.25 595	0.25 623	0.27 496	0.26 485	0.25 573	0.26 510	0.25 533	0.27 605	0.27 598	0.24 592	0.21 660	0.20 659	0.27 662	0.26 665	0.25 666	0.24 663

zh-sn7	0.25 617	0.17 610	0.50 651	0.24 615	0.13 569	0.25 595	0.24 607	0.34 595	0.48 628	0.28 600	0.54 653	0.28 561	0.31 632	0.36 646	0.32 649	0.10 524	0.10 583	0.11 566	0.10 550	0.12 579	0.12 581

zh-mn7	0.25 617	0.14 581	0.56 660	0.19 466	0.14 590	0.24 584	0.22 583	0.34 595	0.62 665	0.35 633	0.65 669	0.31 592	0.25 591	0.31 621	0.25 602	0.09 482	0.08 528	0.09 486	0.09 509	0.09 508	0.11 568

Wz-Net-SNSev	0.25 617	0.17 610	0.44 643	0.25 627	0.14 590	0.26 605	0.23 594	0.38 632	0.56 652	0.30 614	0.55 655	0.39 636	0.26 597	0.23 578	0.30 641	0.10 524	0.09 561	0.09 486	0.10 550	0.11 564	0.11 568

psmorigin	0.25 617	0.15 591	0.34 626	0.17 306	0.13 569	0.23 579	0.14 246	0.34 595	0.33 549	0.41 651	0.55 655	0.41 642	0.37 651	0.34 634	0.27 622	0.11 556	0.15 642	0.11 566	0.11 584	0.12 579	0.16 639

RGC	0.25 617	0.20 631	0.29 606	0.28 648	0.16 621	0.22 563	0.23 594	0.32 566	0.44 619	0.27 585	0.40 615	0.38 628	0.27 605	0.36 646	0.22 567	0.11 556	0.13 627	0.17 637	0.17 647	0.14 612	0.16 639

ADCMid	0.25 617	0.15 591	0.40 637	0.20 533	0.14 590	0.25 595	0.26 632	0.34 595	0.38 589	0.36 636	0.44 637	0.34 613	0.40 658	0.35 640	0.33 654	0.10 524	0.09 561	0.11 566	0.11 584	0.13 598	0.12 581

ADCPNet	0.25 617	0.16 599	0.61 667	0.21 565	0.15 610	0.35 650	0.25 623	0.32 566	0.35 570	0.30 614	0.40 615	0.36 619	0.28 616	0.28 610	0.32 649	0.12 581	0.10 583	0.11 566	0.12 604	0.14 612	0.13 604

STTRV1_RVC	0.25 617	0.26 652	0.39 635	0.19 466	0.26 668	0.30 629	0.24 607	0.34 595	0.35 570	0.36 636	0.34 581	0.31 592	0.31 632	0.28 610	0.25 602	0.17 646	0.10 583	0.16 633	0.14 619	0.17 645	0.12 581

LALA_ROB	0.25 617	0.16 599	0.22 564	0.26 632	0.17 636	0.27 615	0.27 639	0.42 651	0.37 582	0.33 630	0.38 601	0.51 663	0.26 597	0.28 610	0.27 622	0.16 641	0.09 561	0.12 586	0.11 584	0.13 598	0.12 581

SHD	0.26 628	0.15 591	0.30 609	0.24 615	0.18 643	0.22 563	0.15 329	0.38 632	0.71 678	0.32 626	0.41 626	0.36 619	0.28 616	0.32 628	0.29 634	0.12 581	0.11 596	0.14 614	0.13 615	0.16 637	0.20 657

AnyNet_C32	0.26 628	0.16 599	0.36 627	0.20 533	0.16 621	0.25 595	0.30 662	0.32 566	0.44 619	0.31 620	0.49 644	0.30 579	0.33 639	0.40 662	0.33 654	0.12 581	0.12 612	0.12 586	0.14 619	0.14 612	0.15 628

DStereoFS	0.27 630	0.22 641	0.31 611	0.22 582	0.15 610	0.22 563	0.20 553	0.50 671	0.48 628	0.28 600	0.44 637	0.33 606	0.34 644	0.52 675	0.29 634	0.12 581	0.11 596	0.15 626	0.13 615	0.16 637	0.16 639

PSMNet-RUCA	0.27 630	0.33 668	0.41 640	0.36 669	0.32 676	0.18 497	0.19 530	0.42 651	0.30 527	0.33 630	0.41 626	0.39 636	0.25 591	0.31 621	0.20 538	0.18 648	0.10 583	0.25 658	0.15 636	0.21 654	0.16 639

PDISCO_ROB	0.27 630	0.16 599	0.26 585	0.28 648	0.20 650	0.32 632	0.26 632	0.44 657	0.57 654	0.28 600	0.40 615	0.45 651	0.29 624	0.33 631	0.34 656	0.12 581	0.09 561	0.17 637	0.16 640	0.17 645	0.13 604

DispFullNet	0.27 630	0.21 637	0.65 670	0.28 648	0.16 621	0.26 605	0.17 441	0.33 586	0.58 657	0.27 585	0.38 601	0.43 647	0.23 576	0.38 653	0.23 579	0.12 581	0.06 426	0.19 648	0.11 584	0.21 654	0.15 628

MeshStereo	0.27 630	0.13 569	0.18 525	0.15 123	0.11 512	0.32 632	0.24 607	0.40 640	0.36 575	0.52 665	0.57 663	0.67 678	0.40 658	0.35 640	0.26 614	0.14 621	0.13 627	0.13 601	0.11 584	0.11 564	0.10 541
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WZ-Net	0.28 635	0.17 610	0.78 687	0.22 582	0.16 621	0.34 642	0.29 655	0.39 636	0.57 654	0.24 560	0.55 655	0.37 624	0.24 582	0.33 631	0.35 657	0.09 482	0.08 528	0.09 486	0.10 550	0.14 612	0.16 639

XQC	0.28 635	0.23 643	0.51 652	0.28 648	0.19 647	0.34 642	0.27 639	0.36 618	0.57 654	0.31 620	0.30 552	0.37 624	0.30 628	0.38 653	0.38 664	0.13 607	0.09 561	0.15 626	0.12 604	0.17 645	0.18 651

CC-Net-ROB	0.28 635	0.31 666	0.36 627	0.29 657	0.15 610	0.25 595	0.19 530	0.45 660	0.33 549	0.39 644	0.37 595	0.39 636	0.31 632	0.27 598	0.26 614	0.24 671	0.19 656	0.30 673	0.23 662	0.18 649	0.15 628

DPSNet	0.28 635	0.16 599	0.31 611	0.18 397	0.13 569	0.54 670	0.42 681	0.51 673	0.67 675	0.29 609	0.38 601	0.38 628	0.29 624	0.31 621	0.23 579	0.11 556	0.10 583	0.11 566	0.08 462	0.20 653	0.16 639

MultiAttention	0.29 639	0.08 355	0.14 385	0.19 466	0.12 546	1.45 706	1.33 710	0.36 618	0.37 582	0.19 485	0.21 430	0.24 519	0.11 347	0.38 653	0.18 519	0.06 167	0.05 275	0.08 403	0.08 462	0.10 541	0.09 510

Wz-Net-TNSev	0.29 639	0.20 631	0.65 670	0.19 466	0.15 610	0.38 655	0.27 639	0.35 611	0.55 649	0.34 632	0.42 632	0.45 651	0.38 652	0.32 628	0.30 641	0.12 581	0.13 627	0.10 535	0.12 604	0.15 628	0.14 621

ccnet	0.29 639	0.28 661	0.23 573	0.20 533	0.28 670	0.41 660	0.21 573	0.45 660	0.33 549	0.36 636	0.46 640	0.36 619	0.30 628	0.39 657	0.42 673	0.23 669	0.14 636	0.21 651	0.17 647	0.23 658	0.18 651

EDNetEfficient	0.29 639	0.24 646	1.13 698	0.18 397	0.10 462	0.19 521	0.20 553	0.20 339	0.60 662	0.74 685	0.56 660	0.31 592	0.39 655	0.22 567	0.30 641	0.09 482	0.07 498	0.08 403	0.07 389	0.11 564	0.09 510

ADCS	0.29 639	0.18 621	0.45 644	0.21 565	0.17 636	0.28 622	0.23 594	0.41 646	0.63 669	0.40 647	0.49 644	0.40 640	0.36 649	0.39 657	0.40 669	0.13 607	0.12 612	0.13 601	0.14 619	0.16 637	0.16 639

CSAN	0.29 639	0.24 646	0.27 593	0.34 665	0.19 647	0.33 639	0.42 681	0.37 624	0.50 638	0.38 642	0.40 615	0.44 649	0.33 639	0.28 610	0.30 641	0.20 656	0.16 646	0.19 648	0.19 652	0.14 612	0.15 628

AANet	0.30 645	0.19 625	1.03 696	0.16 219	0.13 569	0.22 563	0.16 399	0.30 543	0.62 665	0.60 672	0.52 650	0.46 655	0.38 652	0.23 578	0.32 649	0.12 581	0.09 561	0.11 566	0.10 550	0.13 598	0.12 581

MFN_U_SF_DS_RVC	0.30 645	0.24 646	0.29 606	0.36 669	0.16 621	0.34 642	0.30 662	0.32 566	0.42 609	0.40 647	0.46 640	0.38 628	0.31 632	0.34 634	0.28 630	0.19 654	0.20 659	0.26 659	0.29 672	0.18 649	0.19 656

GANetREF_RVC	0.31 647	0.34 670	0.27 593	0.35 667	0.16 621	0.32 632	0.41 678	0.48 665	0.51 645	0.35 633	0.35 586	0.34 613	0.33 639	0.39 657	0.32 649	0.27 673	0.20 659	0.29 671	0.15 636	0.18 649	0.17 648
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	0.31 647	0.26 652	0.26 585	0.24 615	0.21 654	0.34 642	0.25 623	0.34 595	0.39 592	0.40 647	0.69 673	0.45 651	0.40 658	0.34 634	0.27 622	0.20 656	0.19 656	0.26 659	0.25 664	0.23 658	0.22 661

MFN_U_SF_RVC	0.32 649	0.21 637	0.55 657	0.30 659	0.15 610	0.34 642	0.17 441	0.52 674	0.46 626	0.46 662	0.55 655	0.59 670	0.39 655	0.35 640	0.37 662	0.15 625	0.14 636	0.18 646	0.21 655	0.16 637	0.15 628

PASM	0.32 649	0.24 646	0.48 650	0.28 648	0.27 669	0.29 626	0.30 662	0.34 595	0.49 635	0.35 633	0.39 609	0.46 655	0.34 644	0.34 634	0.35 657	0.23 669	0.25 675	0.26 659	0.28 671	0.23 658	0.21 659

SGM-ForestM	0.32 649	0.12 541	0.16 471	0.16 219	0.11 512	0.39 657	0.19 530	0.41 646	0.50 638	0.52 665	0.54 653	1.32 699	0.42 666	0.40 662	0.27 622	0.14 621	0.16 646	0.16 633	0.16 640	0.12 579	0.12 581

FC-DCNN v2	0.33 652	0.27 656	0.28 598	0.26 632	0.23 659	0.37 652	0.28 645	0.40 640	0.43 614	0.45 659	0.56 660	0.51 663	0.40 658	0.37 651	0.29 634	0.21 660	0.20 659	0.27 662	0.26 665	0.25 666	0.24 663

FCDSN-DC	0.33 652	0.28 661	0.28 598	0.30 659	0.24 661	0.39 657	0.28 645	0.42 651	0.42 609	0.43 657	0.53 651	0.51 663	0.41 663	0.36 646	0.30 641	0.21 660	0.20 659	0.27 662	0.26 665	0.25 666	0.24 663
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 652	0.27 656	0.28 598	0.26 632	0.23 659	0.37 652	0.28 645	0.40 640	0.43 614	0.45 659	0.55 655	0.51 663	0.40 658	0.37 651	0.30 641	0.21 660	0.20 659	0.27 662	0.26 665	0.25 666	0.24 663

LSM	0.33 652	0.20 631	0.58 663	0.26 632	0.60 694	0.34 642	0.25 623	0.42 651	0.48 628	0.45 659	0.58 665	0.42 643	0.36 649	0.35 640	0.25 602	0.12 581	0.20 659	0.14 614	0.16 640	0.19 652	0.33 678

AnyNet_C01	0.36 656	0.25 651	1.37 701	0.22 582	0.17 636	0.48 666	0.27 639	0.35 611	0.39 592	0.39 644	0.74 679	0.46 655	0.38 652	0.45 667	0.47 678	0.13 607	0.13 627	0.13 601	0.14 619	0.14 612	0.15 628

GCST	0.37 657	0.42 677	0.26 585	1.02 703	0.39 677	0.18 497	0.08 7	0.20 339	0.17 318	0.28 600	0.25 492	0.15 390	0.12 379	0.16 441	0.14 438	0.64 698	0.43 687	0.75 694	0.65 698	0.63 691	0.46 689

otaku	0.39 658	0.37 673	0.52 653	0.44 676	0.28 670	0.58 672	0.24 607	0.41 646	0.62 665	0.40 647	0.49 644	0.46 655	0.33 639	0.40 662	0.32 649	0.30 674	0.30 679	0.39 678	0.33 677	0.29 673	0.28 672

ACVNet-4b	0.39 658	0.53 680	0.55 657	0.45 677	0.24 661	0.47 664	0.18 490	0.49 667	0.64 670	0.42 654	0.45 639	0.60 671	0.27 605	0.34 634	0.24 592	0.33 678	0.14 636	0.48 682	0.42 684	0.30 674	0.26 671

PVD	0.39 658	0.20 631	0.39 635	0.31 663	0.22 656	0.29 626	0.43 683	0.52 674	0.96 692	0.55 669	0.79 683	0.53 667	0.59 682	0.52 675	0.38 664	0.19 654	0.14 636	0.17 637	0.14 619	0.24 665	0.31 676

Ntro	0.40 661	0.40 675	0.53 654	0.46 680	0.30 674	0.65 678	0.24 607	0.46 662	0.68 676	0.41 651	0.49 644	0.48 661	0.42 666	0.39 657	0.31 648	0.32 676	0.28 677	0.37 677	0.30 674	0.32 678	0.29 673

SAMSARA	0.40 661	0.28 661	0.33 618	0.55 683	0.39 677	0.82 692	1.23 709	0.47 664	0.51 645	0.36 636	0.35 586	0.55 669	0.39 655	0.38 653	0.39 666	0.15 625	0.20 659	0.15 626	0.14 619	0.23 658	0.20 657

ELAS_RVC	0.41 663	0.29 664	0.33 618	0.28 648	0.24 661	0.54 670	0.36 673	0.49 667	0.59 658	0.72 681	0.74 679	0.65 676	0.54 675	0.54 680	0.40 669	0.22 665	0.20 659	0.27 662	0.26 665	0.26 671	0.25 669
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 663	0.29 664	0.33 618	0.27 645	0.24 661	0.60 675	0.36 673	0.50 671	0.50 638	0.71 679	0.79 683	0.67 678	0.54 675	0.51 673	0.42 673	0.22 665	0.20 659	0.27 662	0.26 665	0.26 671	0.25 669
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 665	0.26 652	0.59 665	0.60 685	0.49 684	0.32 632	0.23 594	0.46 662	0.52 647	0.56 671	0.58 665	0.76 683	0.32 637	0.48 669	0.29 634	0.32 676	0.24 673	0.27 662	0.33 677	0.46 682	0.39 683

MSC_U_SF_DS_RVC	0.43 666	0.39 674	0.54 655	0.40 672	0.20 650	0.64 677	0.32 670	0.53 676	0.72 679	0.71 679	0.72 676	0.61 672	0.54 675	0.51 673	0.46 677	0.20 656	0.19 656	0.29 671	0.30 674	0.23 658	0.18 651

ACVNet_1	0.44 667	0.49 679	0.60 666	0.45 677	0.28 670	0.49 667	0.27 639	0.57 681	0.72 679	0.62 674	0.58 665	0.74 682	0.49 672	0.50 671	0.35 657	0.26 672	0.24 673	0.39 678	0.29 672	0.31 677	0.24 663

Consistency-Raft	0.44 667	0.40 675	0.45 644	0.37 671	0.43 681	0.46 662	0.41 678	0.57 681	0.55 649	0.32 626	0.73 677	0.33 606	0.48 671	0.42 666	0.49 680	0.39 681	0.35 684	0.45 681	0.51 691	0.42 681	0.29 673

RTS	0.45 669	0.19 625	3.26 708	0.24 615	0.15 610	0.74 685	0.20 553	0.36 618	0.76 685	0.42 654	0.43 635	0.31 592	0.41 663	0.53 678	0.35 657	0.10 524	0.08 528	0.13 601	0.12 604	0.15 628	0.15 628

RTSA	0.45 669	0.19 625	3.26 708	0.24 615	0.15 610	0.74 685	0.20 553	0.36 618	0.76 685	0.42 654	0.43 635	0.31 592	0.41 663	0.53 678	0.35 657	0.10 524	0.08 528	0.13 601	0.12 604	0.15 628	0.15 628

MANE	0.45 669	0.27 656	0.27 593	0.27 645	0.24 661	0.47 664	0.31 668	0.55 678	0.59 658	0.72 681	1.13 700	1.15 693	0.61 683	0.52 675	0.37 662	0.21 660	0.20 659	0.27 662	0.31 676	0.25 666	0.24 663

NVStereoNet_ROB	0.46 672	0.36 672	0.46 648	0.41 674	0.28 670	0.34 642	0.34 671	0.48 665	0.60 662	0.72 681	0.93 689	0.70 681	0.66 686	0.47 668	0.60 688	0.22 665	0.33 683	0.34 676	0.34 680	0.30 674	0.30 675
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 673	0.26 652	0.58 663	0.28 648	0.20 650	0.39 657	0.18 490	0.49 667	0.64 670	0.52 665	0.87 686	1.01 688	0.57 680	0.50 671	0.56 685	0.53 691	0.31 682	0.54 688	0.40 682	0.33 679	0.34 679

LE_ROB	0.50 674	0.07 236	0.14 385	0.15 123	0.08 218	0.24 584	0.16 399	0.22 388	1.81 708	4.63 714	0.67 671	0.47 659	0.44 668	0.20 537	0.29 634	0.07 338	0.06 426	0.06 199	0.06 292	0.08 442	0.06 305

BEATNet-Init1	0.52 675	0.27 656	0.62 668	0.30 659	0.21 654	0.76 689	0.29 655	0.54 677	0.65 673	0.86 690	0.95 691	2.07 709	0.62 685	0.56 682	0.42 673	0.18 648	0.18 653	0.23 656	0.22 658	0.22 657	0.21 659

anonymity	0.53 676	0.58 682	0.65 670	0.41 674	0.61 695	0.53 669	0.41 678	0.56 679	0.41 601	0.55 669	0.50 648	0.49 662	0.55 678	0.58 683	0.50 683	0.58 694	0.50 697	0.51 684	0.51 691	0.51 684	0.57 692

RainbowNet	0.54 677	0.61 684	0.70 685	0.57 684	0.43 681	0.65 678	0.37 676	0.60 683	0.87 689	0.50 664	0.66 670	0.64 674	0.47 670	0.49 670	0.43 676	0.47 688	0.48 693	0.52 686	0.41 683	0.52 685	0.40 686

SGM+DAISY	0.56 678	0.57 681	0.65 670	0.40 672	0.54 687	0.66 680	0.49 686	0.56 679	0.45 625	0.66 675	0.69 673	0.67 678	0.56 679	0.63 685	0.56 685	0.59 695	0.48 693	0.50 683	0.50 690	0.52 685	0.58 693

SPS-STEREO	0.57 679	0.58 682	0.65 670	0.45 677	0.55 689	0.62 676	0.44 685	0.62 684	0.50 638	0.68 677	0.64 668	0.66 677	0.57 680	0.61 684	0.60 688	0.62 697	0.47 692	0.51 684	0.49 688	0.55 689	0.58 693
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 680	0.66 688	0.65 670	0.51 681	0.69 699	0.69 681	0.57 692	0.64 685	0.73 683	0.60 672	0.73 677	0.62 673	0.67 687	0.65 686	0.60 688	0.66 699	0.58 706	0.63 689	0.59 694	0.68 696	0.69 702

IMH-64-1	0.65 681	0.61 684	0.68 679	0.71 688	0.51 685	0.59 673	0.49 686	0.91 692	0.85 687	0.74 685	1.02 693	0.81 684	0.78 691	0.79 689	0.49 680	0.42 683	0.46 688	0.71 691	0.47 686	0.52 685	0.39 683

IMH-64	0.65 681	0.61 684	0.68 679	0.71 688	0.51 685	0.59 673	0.49 686	0.91 692	0.85 687	0.74 685	1.02 693	0.81 684	0.78 691	0.79 689	0.49 680	0.42 683	0.46 688	0.71 691	0.47 686	0.52 685	0.39 683

ACVNet_2	0.66 683	0.66 688	0.68 679	0.63 686	0.41 679	0.71 683	0.49 686	0.96 696	1.39 701	0.89 691	1.09 696	1.04 689	0.73 689	0.54 680	0.47 678	0.43 685	0.40 686	0.53 687	0.44 685	0.47 683	0.35 681

JetBlue	0.71 684	0.45 678	1.14 699	0.51 681	0.47 683	2.02 707	0.64 696	0.75 687	0.70 677	0.69 678	0.77 682	1.22 695	0.83 693	1.03 704	1.01 704	0.40 682	0.28 677	0.33 675	0.33 677	0.30 674	0.34 679

IMH	0.71 684	0.64 687	0.68 679	0.76 690	0.54 687	0.69 681	0.54 690	0.98 698	1.10 694	0.82 689	1.09 696	0.89 686	0.88 696	0.87 697	0.52 684	0.44 686	0.50 697	0.75 694	0.51 691	0.56 690	0.41 687

PWCK	0.71 684	0.94 699	0.95 694	0.76 690	0.31 675	0.74 685	0.36 673	0.90 691	0.90 690	0.96 694	0.75 681	0.95 687	0.61 683	0.87 697	0.66 691	0.72 700	0.46 688	0.75 694	0.49 688	0.69 698	0.44 688

MADNet+	0.75 687	0.71 690	3.70 711	0.66 687	0.41 679	0.98 697	0.97 707	0.69 686	0.73 683	0.52 665	0.57 663	0.64 674	0.68 688	0.86 696	1.01 704	0.34 679	0.36 685	0.28 670	0.23 662	0.36 680	0.31 676

TorneroNet-64	0.76 688	0.72 691	0.74 686	0.78 692	0.58 693	0.91 696	0.56 691	0.84 690	1.29 698	0.66 675	0.90 687	1.40 701	0.75 690	0.85 695	0.67 694	0.49 689	0.46 688	0.72 693	0.59 694	0.67 695	0.53 691

WAO-7	0.79 689	0.78 693	0.54 655	0.85 696	0.67 698	0.74 685	0.68 700	1.05 701	1.32 699	0.90 692	1.20 703	1.04 689	0.92 697	0.69 687	0.66 691	0.60 696	0.62 707	0.67 690	0.68 700	0.64 692	0.58 693

WAO-6	0.81 690	0.80 694	0.62 668	0.86 697	0.63 696	0.76 689	0.58 693	0.98 698	1.54 706	0.90 692	0.96 692	1.07 691	1.03 701	0.70 688	0.66 691	0.72 700	0.49 695	0.90 702	0.71 701	0.68 696	0.58 693

TorneroNet	0.82 691	0.74 692	0.81 691	0.84 695	0.63 696	0.99 698	0.63 694	0.96 696	1.16 695	0.80 688	1.11 698	1.36 700	0.86 695	0.93 700	0.80 699	0.56 692	0.49 695	0.78 699	0.66 699	0.73 701	0.63 701

LVE	0.83 692	0.85 697	0.85 692	0.80 693	0.56 690	1.04 702	0.65 697	1.05 701	1.47 704	0.96 694	1.22 704	1.10 692	0.85 694	0.83 692	0.71 696	0.49 689	0.55 703	0.76 697	0.60 696	0.65 693	0.59 698

Dean	0.87 693	0.86 698	0.79 689	0.81 694	0.56 690	0.90 693	0.63 694	1.15 707	1.73 707	1.15 702	1.15 701	1.31 698	0.99 700	0.81 691	0.81 700	0.57 693	0.56 704	0.77 698	0.64 697	0.66 694	0.58 693

WAO-8	0.91 694	0.81 695	0.65 670	0.94 700	0.69 699	0.90 693	0.67 698	1.07 704	1.83 709	1.06 699	1.45 706	1.30 696	1.07 702	0.84 693	0.78 697	0.74 702	0.53 700	0.86 700	0.75 702	0.69 698	0.62 699

Venus	0.91 694	0.81 695	0.65 670	0.94 700	0.69 699	0.90 693	0.67 698	1.07 704	1.83 709	1.06 699	1.45 706	1.30 696	1.07 702	0.84 693	0.78 697	0.74 702	0.53 700	0.86 700	0.75 702	0.69 698	0.62 699

UNDER WATER-64	0.95 696	0.94 699	1.43 703	0.87 698	0.56 690	1.18 705	0.87 704	0.77 688	0.94 691	1.04 697	0.85 685	1.58 706	1.21 707	0.94 701	0.96 702	0.87 706	0.57 705	1.03 706	0.88 707	0.78 702	0.73 703

UNDER WATER	0.97 697	0.97 701	1.42 702	0.99 702	0.70 702	1.12 704	0.84 703	0.80 689	1.08 693	1.01 696	0.90 687	1.55 705	1.22 708	1.03 704	1.00 703	0.78 704	0.53 700	1.02 705	0.87 706	0.80 703	0.74 704

notaker	0.97 697	1.11 702	0.98 695	1.13 705	0.81 703	0.73 684	0.68 700	0.93 694	1.16 695	1.18 704	1.18 702	1.41 702	1.16 706	1.08 706	0.69 695	0.81 705	0.64 708	1.17 708	0.79 704	0.98 705	0.80 706

ktn	1.01 699	1.21 704	0.80 690	1.23 707	0.86 705	1.01 700	0.87 704	0.94 695	1.39 701	1.04 697	1.12 699	1.15 693	1.07 702	0.94 701	0.59 687	1.28 712	0.71 709	1.38 712	0.83 705	1.02 707	0.75 705

KSHMR	1.09 700	1.17 703	0.88 693	1.25 708	1.00 707	0.99 698	0.96 706	1.13 706	1.37 700	1.16 703	1.29 705	1.41 702	0.96 699	1.01 703	0.92 701	1.03 709	1.08 711	1.20 709	1.03 710	1.01 706	0.97 708

DPSimNet_ROB	1.11 701	1.23 705	0.78 687	1.13 705	0.88 706	1.10 703	1.13 708	1.16 708	1.23 697	1.43 706	1.02 693	1.41 702	1.10 705	0.90 699	1.60 706	1.46 713	0.51 699	1.21 710	1.03 710	0.90 704	1.01 710

HanzoNet	1.29 702	1.26 706	1.19 700	1.12 704	0.85 704	1.02 701	0.83 702	1.03 700	1.48 705	1.64 707	1.61 708	2.50 711	1.72 709	1.61 708	1.61 707	1.26 711	0.80 710	1.31 711	1.01 709	1.02 707	0.86 707

JetRed	1.62 703	1.46 707	2.98 706	0.92 699	1.21 708	4.99 710	1.53 712	1.27 709	1.39 701	1.83 708	1.74 709	1.60 707	0.95 698	1.41 707	2.45 712	0.90 708	1.60 713	0.93 703	0.90 708	1.35 709	0.99 709

MADNet++	1.95 704	1.75 708	1.59 704	1.82 710	1.69 710	2.33 708	1.40 711	2.35 711	2.09 711	2.57 711	2.36 711	2.24 710	2.17 711	2.28 709	2.34 710	1.87 714	1.66 714	1.54 713	1.34 713	1.92 711	1.77 713

Selective-IGEV-i1pa	2.80 705	3.51 714	0.67 678	0.28 648	0.14 590	10.22 715	0.43 683	4.36 712	3.63 712	3.53 712	6.92 714	3.47 712	1.97 710	13.41 726	2.26 709	0.36 680	0.15 642	0.13 601	0.10 550	0.15 628	0.35 681

coex-ft	3.30 706	0.34 670	59.09 739	0.18 397	0.13 569	0.26 605	0.22 583	0.27 496	0.72 679	1.90 709	0.70 675	0.44 649	0.45 669	0.29 617	0.41 672	0.09 482	0.09 561	0.12 586	0.09 509	0.14 612	0.13 604

ASD4	3.54 707	3.38 713	2.05 705	1.72 709	2.51 712	9.03 714	17.71 718	2.25 710	5.51 714	2.46 710	2.81 712	2.03 708	3.36 713	2.73 710	5.06 713	1.22 710	1.34 712	1.13 707	1.33 712	1.68 710	1.49 712

TCMNet-wrong-test	3.67 708	5.48 722	3.89 712	12.18 724	11.75 725	4.65 709	3.88 713	1.06 703	0.72 679	1.09 701	2.15 710	6.30 717	0.53 674	3.43 712	2.36 711	0.89 707	0.20 659	1.87 715	1.69 714	5.57 719	3.62 719

tt	4.67 709	0.06 118	3.55 710	2.02 711	1.55 709	10.25 716	16.71 717	8.91 721	5.03 713	1.31 705	0.94 690	4.71 713	4.76 714	3.33 711	5.87 715	6.06 722	10.30 728	1.88 716	2.11 716	2.75 713	1.21 711

USTest	6.22 710	2.73 711	3.00 707	6.57 718	7.29 717	14.37 718	21.57 719	7.00 720	9.56 719	5.34 717	6.10 713	5.72 716	7.64 717	6.41 716	6.96 717	1.97 715	3.42 720	1.64 714	2.15 717	2.66 712	2.36 714

xxxxx1	7.79 711	5.02 719	7.31 715	3.12 712	3.85 713	16.35 720	22.88 720	5.86 717	8.69 716	7.97 718	8.54 715	9.12 721	8.27 718	10.18 718	10.92 718	2.42 716	2.45 716	3.56 719	12.37 725	3.77 714	3.06 716

tt_ll	7.79 711	5.02 719	7.31 715	3.12 712	3.85 713	16.35 720	22.88 720	5.86 717	8.69 716	7.97 718	8.54 715	9.12 721	8.27 718	10.18 718	10.92 718	2.42 716	2.45 716	3.56 719	12.37 725	3.77 714	3.06 716

ff	7.79 711	5.02 719	7.31 715	3.12 712	3.85 713	16.35 720	22.88 720	5.86 717	8.69 716	7.97 718	8.54 715	9.12 721	8.27 718	10.18 718	10.92 718	2.42 716	2.45 716	3.56 719	12.37 725	3.77 714	3.06 716

EDNetEfficientorigin	7.91 714	0.31 666	153.02 740	0.19 466	0.09 349	0.21 554	0.16 399	0.22 388	0.59 658	0.72 681	0.67 671	0.42 643	0.50 673	0.24 588	0.39 666	0.08 421	0.07 498	0.08 403	0.07 389	0.12 579	0.10 541

DPSMNet_ROB	8.06 715	4.48 715	8.63 723	5.37 717	10.74 720	8.32 712	22.98 724	5.46 714	13.36 724	5.12 715	9.92 720	5.08 714	10.40 721	5.53 715	12.58 721	3.80 720	8.00 721	3.50 717	7.02 722	3.83 717	7.14 723

DGTPSM_ROB	8.06 715	4.48 715	8.63 723	5.35 715	10.72 719	8.32 712	22.97 723	5.46 714	13.35 723	5.12 715	9.92 720	5.08 714	10.40 721	5.52 714	12.58 721	3.79 719	8.00 721	3.50 717	7.02 722	3.83 717	7.14 723

PML	8.91 717	9.34 728	6.13 713	5.35 715	6.41 716	14.99 719	23.38 725	5.27 713	6.83 715	18.04 730	28.19 739	7.67 718	6.83 716	7.85 717	5.75 714	5.35 721	1.83 715	5.95 727	1.93 715	8.64 724	2.52 715

DLNR_Zeroshot_test	10.40 718	1.82 709	19.49 734	120.77 741	13.11 727	0.06 14	0.13 178	0.23 412	0.10 76	0.07 75	0.10 194	0.09 221	0.06 65	0.10 122	0.09 103	0.13 607	0.04 25	0.06 199	0.04 60	51.54 740	0.04 73

DLNR-FE	10.43 719	1.83 710	19.53 735	120.75 740	13.06 726	0.06 14	0.13 178	0.23 412	0.10 76	0.07 75	0.10 194	0.09 221	0.06 65	0.10 122	0.09 103	0.13 607	0.04 25	0.06 199	0.04 60	52.01 741	0.04 73

iinet-test	10.48 720	8.09 724	7.54 719	10.26 719	10.94 721	18.00 724	25.26 726	11.33 725	13.28 721	9.69 722	9.85 718	9.42 724	11.17 723	11.02 722	12.78 724	6.59 724	8.30 723	5.56 722	6.56 718	6.89 720	7.02 721

IINet	10.48 720	8.09 724	7.54 719	10.26 719	10.94 721	18.00 724	25.26 726	11.33 725	13.28 721	9.69 722	9.85 718	9.42 724	11.17 723	11.02 722	12.78 724	6.59 724	8.30 723	5.56 722	6.56 718	6.89 720	7.02 721

LRCNet_RVC	10.62 722	13.42 729	7.30 714	18.92 728	2.07 711	0.33 639	0.30 662	5.59 716	0.48 628	13.03 726	17.94 726	8.87 720	5.65 715	4.79 713	1.89 708	23.51 737	2.73 719	27.55 740	25.71 740	16.07 734	16.33 735

Anonymous_1	10.96 723	7.92 723	7.46 718	10.33 721	10.06 718	18.65 726	26.34 728	11.06 724	13.44 725	9.40 721	10.05 722	9.67 726	11.23 725	10.73 721	12.72 723	6.42 723	8.38 725	5.77 724	10.61 724	12.12 725	6.77 720

DPSM_ROB	11.15 724	8.58 726	8.00 721	10.88 722	11.58 723	19.10 727	26.71 729	12.05 727	14.07 728	10.36 724	10.84 723	10.33 727	11.86 726	11.70 724	13.54 726	6.99 726	8.79 726	5.89 725	6.95 720	7.29 722	7.42 725

DPSM	11.15 724	8.58 726	8.00 721	10.88 722	11.58 723	19.10 727	26.71 729	12.05 727	14.07 728	10.36 724	10.84 723	10.33 727	11.86 726	11.70 724	13.54 726	6.99 726	8.79 726	5.89 725	6.95 720	7.29 722	7.42 725

HaxPig	15.71 726	18.52 738	19.18 733	16.89 727	15.89 728	7.73 711	7.60 714	13.31 729	10.82 720	15.42 727	14.91 725	15.98 729	14.92 728	15.58 727	15.98 728	18.95 736	16.73 729	19.46 736	18.08 736	19.26 735	19.05 738

Selective-IGEV-i16pa	18.58 727	3.30 712	1.09 697	0.21 565	0.18 643	103.68 740	0.28 645	19.87 731	40.73 740	4.16 713	56.45 740	8.07 719	2.59 712	123.95 741	5.89 716	0.18 648	0.12 612	0.09 486	0.12 604	0.12 579	0.51 690

RSGM-EC	20.36 728	4.73 717	0.68 679	16.76 725	16.92 729	21.28 729	27.18 731	10.46 722	14.04 726	18.00 728	21.31 729	22.24 739	21.82 730	22.57 729	17.63 729	62.81 740	33.79 740	20.14 737	18.10 737	20.18 736	16.45 736

acva	20.36 728	4.73 717	0.68 679	16.76 725	16.92 729	21.28 729	27.18 731	10.46 722	14.04 726	18.00 728	21.31 729	22.24 739	21.82 730	22.57 729	17.63 729	62.81 740	33.79 740	20.14 737	18.10 737	20.18 736	16.45 736

MEDIAN_ROB	20.38 730	24.04 739	23.31 736	21.23 729	21.71 731	10.40 717	7.92 715	17.64 730	15.50 730	20.12 731	19.70 727	20.34 730	20.32 729	21.19 728	21.13 731	23.81 738	21.81 738	24.98 739	23.76 739	24.71 738	23.93 739

CasAABBNet	22.42 731	17.33 731	16.01 727	22.01 731	23.28 733	38.32 731	53.80 736	24.14 735	28.41 735	20.60 734	21.77 733	20.89 737	23.91 735	23.43 734	27.36 735	14.07 729	17.69 732	11.83 730	14.01 729	14.67 728	14.95 731

RAFT-FEzeroshot	22.43 732	17.33 731	15.98 725	22.02 732	23.31 735	38.34 732	53.82 738	24.05 733	28.39 733	20.61 735	21.76 731	20.88 734	23.92 737	23.41 732	27.42 737	14.07 729	17.69 732	11.83 730	14.02 730	14.69 729	14.97 732

RAFT-FE	22.43 732	17.33 731	15.98 725	22.02 732	23.31 735	38.34 732	53.82 738	24.05 733	28.39 733	20.61 735	21.76 731	20.88 734	23.92 737	23.41 732	27.42 737	14.07 729	17.69 732	11.83 730	14.02 730	14.69 729	14.97 732

FlowAnything	22.44 734	17.35 734	16.14 729	22.07 735	23.23 732	38.39 736	53.77 734	24.25 737	28.44 736	20.96 739	21.82 735	20.70 732	23.84 733	23.49 736	27.14 733	14.04 728	17.79 737	11.75 728	14.15 734	14.65 726	14.89 728

Hybrid-DGEV	22.47 735	17.40 736	16.14 729	22.00 730	23.29 734	38.36 734	53.80 736	24.43 740	28.63 739	20.59 733	21.81 734	20.88 734	23.91 735	23.45 735	27.42 737	14.08 732	17.69 732	11.83 730	14.06 733	14.65 726	14.93 730

Selective-RAFT-Error	22.47 735	17.37 735	16.09 728	22.06 734	23.34 737	38.39 736	53.83 740	24.29 739	28.47 737	20.74 737	21.83 736	20.81 733	23.90 734	23.54 738	27.53 740	14.08 732	17.69 732	11.82 729	14.00 728	14.69 729	15.00 734

fast-reg	22.85 737	17.43 737	19.15 732	22.22 737	24.34 738	38.36 734	53.78 735	24.23 736	28.52 738	20.55 732	22.05 737	20.54 731	23.77 732	23.21 731	27.31 734	14.18 735	17.47 731	14.33 735	14.96 735	15.81 733	14.81 727

LSM0	22.87 738	17.28 730	18.96 731	22.19 736	29.04 740	38.42 738	53.71 733	24.28 738	28.31 732	20.78 738	21.00 728	21.43 738	24.16 739	23.50 737	27.39 736	14.09 734	17.38 730	11.84 734	14.04 732	14.73 732	14.89 728

AVERAGE_ROB	24.90 739	29.20 740	28.14 737	24.89 738	24.64 739	17.75 723	11.12 716	21.45 732	19.93 731	25.12 740	24.46 738	25.12 741	25.46 740	24.69 739	22.83 732	29.76 739	27.13 739	28.97 741	27.95 741	29.91 739	29.47 740

test_example2	98.32 740	94.13 741	45.89 738	96.35 739	109.85 741	88.61 739	95.45 741	25.75 741	94.37 741	130.00 742	126.06 742	58.17 742	74.63 741	88.51 740	79.96 741	150.23 742	221.02 742	77.62 742	99.10 742	113.75 742	96.94 741

ccccc	245.47 741	285.66 742	306.18 741	368.85 742	370.60 742	123.16 741	145.33 742	115.05 742	110.08 742	126.68 741	110.87 741	122.83 743	165.88 742	252.94 742	276.56 742	384.56 743	353.86 743	254.69 743	223.00 743	425.87 743	386.83 742

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

FADE		0.33 668		0.33 664	0.25 667							0.42 643				0.30 674	0.21 671	0.41 680	0.38 681	0.23 658

Low-res two-view benchmark