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

MLG-Stereo_test2	0.06 1	0.04 1	0.10 131	0.15 84	0.05 1	0.07 33	0.11 54	0.09 11	0.04 2	0.06 13	0.05 7	0.06 22	0.04 1	0.08 18	0.09 61	0.06 129	0.04 24	0.05 34	0.03 1	0.05 119	0.05 144

MLG-Stereo_test1	0.06 1	0.05 25	0.08 38	0.17 240	0.05 1	0.06 11	0.11 54	0.08 4	0.03 1	0.05 2	0.04 1	0.06 22	0.05 12	0.09 39	0.09 61	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

FoundationStereo	0.06 1	0.04 1	0.08 38	0.12 5	0.05 1	0.09 95	0.13 122	0.06 1	0.09 28	0.05 2	0.05 7	0.06 22	0.04 1	0.06 1	0.07 1	0.06 129	0.04 24	0.05 34	0.03 1	0.05 119	0.04 49

MatchStereo	0.07 4	0.04 1	0.08 38	0.14 41	0.06 16	0.05 4	0.12 74	0.12 55	0.09 28	0.07 46	0.06 14	0.04 1	0.04 1	0.08 18	0.09 61	0.06 129	0.05 209	0.05 34	0.03 1	0.04 21	0.04 49

BridgeDepth_RVC	0.07 4	0.04 1	0.09 86	0.11 1	0.05 1	0.10 147	0.10 31	0.14 94	0.09 28	0.06 13	0.07 46	0.06 22	0.07 125	0.07 4	0.10 140	0.06 129	0.04 24	0.04 1	0.04 46	0.04 21	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 4	0.05 25	0.07 8	0.14 41	0.06 16	0.09 95	0.13 122	0.15 126	0.06 4	0.07 46	0.08 88	0.06 22	0.08 165	0.09 39	0.09 61	0.06 129	0.05 209	0.04 1	0.03 1	0.04 21	0.04 49

VIP-Stereo	0.07 4	0.07 167	0.07 8	0.15 84	0.06 16	0.12 237	0.10 31	0.11 35	0.11 73	0.06 13	0.07 46	0.06 22	0.05 12	0.10 80	0.08 17	0.05 35	0.04 24	0.05 34	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 4	0.07 167	0.08 38	0.18 323	0.06 16	0.07 33	0.11 54	0.09 11	0.06 4	0.04 1	0.07 46	0.10 184	0.09 198	0.08 18	0.08 17	0.04 11	0.03 1	0.04 1	0.04 46	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 4	0.05 25	0.09 86	0.13 14	0.06 16	0.12 237	0.12 74	0.11 35	0.10 45	0.07 46	0.08 88	0.06 22	0.06 45	0.09 39	0.08 17	0.06 129	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

MonStereo	0.07 4	0.06 74	0.05 1	0.15 84	0.05 1	0.08 59	0.10 31	0.15 126	0.15 183	0.05 2	0.06 14	0.05 2	0.06 45	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 4	0.05 25	0.07 8	0.16 164	0.06 16	0.07 33	0.11 54	0.10 20	0.08 15	0.06 13	0.06 14	0.07 78	0.07 125	0.09 39	0.09 61	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 74	0.05 1	0.15 84	0.05 1	0.08 59	0.10 31	0.15 126	0.15 183	0.05 2	0.06 14	0.05 2	0.06 45	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 4	0.04 1	0.09 86	0.13 14	0.06 16	0.05 4	0.09 18	0.11 35	0.07 10	0.06 13	0.06 14	0.05 2	0.06 45	0.09 39	0.09 61	0.06 129	0.04 24	0.04 1	0.03 1	0.05 119	0.05 144

Replicate-Monster	0.07 4	0.05 25	0.09 86	0.14 41	0.06 16	0.08 59	0.09 18	0.13 73	0.13 138	0.05 2	0.07 46	0.06 22	0.06 45	0.08 18	0.10 140	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

AdaDepth	0.07 4	0.06 74	0.07 8	0.18 323	0.06 16	0.11 194	0.12 74	0.09 11	0.07 10	0.06 13	0.05 7	0.07 78	0.06 45	0.09 39	0.10 140	0.04 11	0.05 209	0.05 34	0.04 46	0.04 21	0.04 49

asda	0.07 4	0.08 268	0.08 38	0.16 164	0.06 16	0.06 11	0.10 31	0.16 156	0.10 45	0.06 13	0.06 14	0.05 2	0.05 12	0.10 80	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

asd	0.07 4	0.08 268	0.07 8	0.16 164	0.07 84	0.08 59	0.08 7	0.11 35	0.08 15	0.07 46	0.07 46	0.06 22	0.06 45	0.10 80	0.09 61	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

qwe	0.07 4	0.08 268	0.07 8	0.15 84	0.06 16	0.07 33	0.10 31	0.18 223	0.11 73	0.07 46	0.07 46	0.06 22	0.06 45	0.10 80	0.09 61	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

2.25w	0.07 4	0.06 74	0.07 8	0.14 41	0.06 16	0.08 59	0.08 7	0.10 20	0.15 183	0.08 83	0.10 142	0.07 78	0.06 45	0.08 18	0.10 140	0.05 35	0.03 1	0.04 1	0.04 46	0.03 1	0.04 49

4.25_new	0.07 4	0.08 268	0.09 86	0.15 84	0.06 16	0.09 95	0.08 7	0.14 94	0.08 15	0.07 46	0.07 46	0.06 22	0.06 45	0.12 222	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5w_new	0.07 4	0.08 268	0.09 86	0.15 84	0.06 16	0.09 95	0.08 7	0.14 94	0.08 15	0.07 46	0.07 46	0.06 22	0.06 45	0.12 222	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5_new	0.07 4	0.09 344	0.08 38	0.15 84	0.07 84	0.06 11	0.10 31	0.14 94	0.11 73	0.06 13	0.08 88	0.06 22	0.06 45	0.08 18	0.10 140	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

4.5w-stereo	0.07 4	0.09 344	0.08 38	0.15 84	0.07 84	0.06 11	0.10 31	0.14 94	0.11 73	0.06 13	0.08 88	0.06 22	0.06 45	0.08 18	0.10 140	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

4.25w-stereo	0.07 4	0.08 268	0.09 86	0.15 84	0.06 16	0.09 95	0.08 7	0.14 94	0.08 15	0.07 46	0.07 46	0.06 22	0.06 45	0.12 222	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4w-stereo	0.07 4	0.08 268	0.08 38	0.16 164	0.06 16	0.07 33	0.08 7	0.12 55	0.08 15	0.07 46	0.07 46	0.05 2	0.06 45	0.09 39	0.10 140	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

2.5w	0.07 4	0.07 167	0.07 8	0.16 164	0.06 16	0.08 59	0.12 74	0.10 20	0.10 45	0.07 46	0.06 14	0.09 150	0.06 45	0.08 18	0.09 61	0.04 11	0.03 1	0.04 1	0.04 46	0.03 1	0.03 2

2.75w_new	0.07 4	0.07 167	0.07 8	0.13 14	0.06 16	0.08 59	0.08 7	0.18 223	0.12 103	0.07 46	0.08 88	0.06 22	0.06 45	0.09 39	0.11 213	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 49

3.25w_new	0.07 4	0.06 74	0.07 8	0.15 84	0.06 16	0.10 147	0.07 3	0.12 55	0.11 73	0.08 83	0.06 14	0.07 78	0.06 45	0.11 130	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 4	0.06 74	0.07 8	0.15 84	0.06 16	0.10 147	0.07 3	0.12 55	0.11 73	0.08 83	0.06 14	0.07 78	0.06 45	0.11 130	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 4	0.07 167	0.08 38	0.16 164	0.07 84	0.07 33	0.09 18	0.16 156	0.09 28	0.07 46	0.06 14	0.05 2	0.06 45	0.09 39	0.10 140	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 4	0.07 167	0.07 8	0.15 84	0.07 84	0.09 95	0.06 1	0.13 73	0.11 73	0.07 46	0.07 46	0.06 22	0.07 125	0.10 80	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 4	0.06 74	0.07 8	0.16 164	0.06 16	0.07 33	0.10 31	0.14 94	0.14 163	0.07 46	0.08 88	0.05 2	0.06 45	0.09 39	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 49

monsterstereo	0.07 4	0.06 74	0.06 4	0.16 164	0.06 16	0.08 59	0.10 31	0.16 156	0.11 73	0.07 46	0.08 88	0.06 22	0.07 125	0.08 18	0.09 61	0.04 11	0.04 24	0.05 34	0.04 46	0.03 1	0.03 2

monsters	0.07 4	0.06 74	0.06 4	0.15 84	0.06 16	0.08 59	0.09 18	0.12 55	0.08 15	0.09 122	0.07 46	0.06 22	0.06 45	0.08 18	0.08 17	0.05 35	0.04 24	0.04 1	0.04 46	0.03 1	0.03 2

IGEV	0.07 4	0.04 1	0.08 38	0.13 14	0.06 16	0.09 95	0.12 74	0.14 94	0.10 45	0.06 13	0.09 111	0.07 78	0.05 12	0.09 39	0.09 61	0.06 129	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

111111	0.07 4	0.04 1	0.09 86	0.17 240	0.06 16	0.05 4	0.10 31	0.11 35	0.09 28	0.06 13	0.06 14	0.07 78	0.05 12	0.09 39	0.09 61	0.06 129	0.04 24	0.05 34	0.04 46	0.07 292	0.06 232

LG-Stereo_L2	0.07 4	0.05 25	0.10 131	0.14 41	0.06 16	0.07 33	0.12 74	0.09 11	0.09 28	0.06 13	0.04 1	0.05 2	0.05 12	0.08 18	0.08 17	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

LG-Stereo_L1	0.07 4	0.05 25	0.11 177	0.14 41	0.06 16	0.07 33	0.13 122	0.09 11	0.07 10	0.05 2	0.04 1	0.05 2	0.04 1	0.08 18	0.07 1	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo_test3	0.07 4	0.05 25	0.10 131	0.14 41	0.06 16	0.07 33	0.11 54	0.08 4	0.06 4	0.06 13	0.04 1	0.06 22	0.06 45	0.07 4	0.10 140	0.06 129	0.04 24	0.05 34	0.04 46	0.05 119	0.06 232

MLG-Stereo	0.07 4	0.05 25	0.08 38	0.17 240	0.05 1	0.07 33	0.11 54	0.08 4	0.04 2	0.05 2	0.04 1	0.06 22	0.05 12	0.10 80	0.09 61	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

LG-G_1	0.07 4	0.04 1	0.11 177	0.15 84	0.06 16	0.09 95	0.08 7	0.08 4	0.06 4	0.06 13	0.05 7	0.07 78	0.07 125	0.11 130	0.08 17	0.07 272	0.04 24	0.05 34	0.04 46	0.05 119	0.05 144

LG-G	0.07 4	0.04 1	0.11 177	0.15 84	0.06 16	0.09 95	0.08 7	0.08 4	0.06 4	0.06 13	0.05 7	0.07 78	0.07 125	0.11 130	0.08 17	0.07 272	0.04 24	0.05 34	0.04 46	0.05 119	0.05 144

LGtest1	0.07 4	0.04 1	0.10 131	0.15 84	0.06 16	0.07 33	0.09 18	0.08 4	0.06 4	0.05 2	0.04 1	0.06 22	0.06 45	0.10 80	0.09 61	0.07 272	0.04 24	0.05 34	0.04 46	0.06 222	0.06 232

LG-Stereo_Zeroshot	0.07 4	0.06 74	0.10 131	0.16 164	0.07 84	0.04 1	0.13 122	0.10 20	0.10 45	0.05 2	0.11 180	0.07 78	0.05 12	0.07 4	0.09 61	0.06 129	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

GREAT-IGEV	0.07 4	0.06 74	0.08 38	0.13 14	0.07 84	0.07 33	0.14 177	0.09 11	0.09 28	0.06 13	0.07 46	0.06 22	0.05 12	0.10 80	0.07 1	0.05 35	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

StereoAnything_RVC	0.07 4	0.15 500	0.17 411	0.11 1	0.05 1	0.05 4	0.11 54	0.08 4	0.08 15	0.06 13	0.06 14	0.05 2	0.05 12	0.09 39	0.08 17	0.08 336	0.04 24	0.05 34	0.03 1	0.05 119	0.04 49

AIO_rvc	0.07 4	0.06 74	0.08 38	0.15 84	0.06 16	0.08 59	0.14 177	0.09 11	0.08 15	0.07 46	0.08 88	0.07 78	0.04 1	0.10 80	0.08 17	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

AIO_test	0.07 4	0.05 25	0.07 8	0.15 84	0.07 84	0.06 11	0.14 177	0.10 20	0.10 45	0.07 46	0.07 46	0.06 22	0.05 12	0.08 18	0.10 140	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

MonSter	0.07 4	0.06 74	0.05 1	0.15 84	0.05 1	0.07 33	0.10 31	0.15 126	0.15 183	0.05 2	0.06 14	0.05 2	0.06 45	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 4	0.05 25	0.07 8	0.14 41	0.06 16	0.10 147	0.13 122	0.07 2	0.13 138	0.06 13	0.07 46	0.06 22	0.05 12	0.10 80	0.09 61	0.04 11	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

dual_stereo	0.07 4	0.04 1	0.08 38	0.15 84	0.05 1	0.05 4	0.13 122	0.12 55	0.08 15	0.07 46	0.06 14	0.05 2	0.05 12	0.07 4	0.09 61	0.06 129	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

IGEV-Stereo++	0.07 4	0.06 74	0.08 38	0.18 323	0.06 16	0.04 1	0.10 31	0.11 35	0.11 73	0.06 13	0.07 46	0.07 78	0.06 45	0.09 39	0.09 61	0.05 35	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

IGEV-Stereo+	0.07 4	0.04 1	0.08 38	0.15 84	0.06 16	0.04 1	0.09 18	0.10 20	0.09 28	0.06 13	0.06 14	0.06 22	0.06 45	0.06 1	0.08 17	0.06 129	0.04 24	0.05 34	0.04 46	0.06 222	0.06 232

Selective-IGEV	0.07 4	0.06 74	0.08 38	0.17 240	0.06 16	0.08 59	0.12 74	0.13 73	0.07 10	0.08 83	0.07 46	0.06 22	0.04 1	0.10 80	0.09 61	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

BStereo	0.08 55	0.06 74	0.16 381	0.15 84	0.08 144	0.07 33	0.09 18	0.15 126	0.16 212	0.06 13	0.07 46	0.07 78	0.05 12	0.09 39	0.11 213	0.04 11	0.05 209	0.05 34	0.07 303	0.04 21	0.04 49

MS-F	0.08 55	0.04 1	0.10 131	0.13 14	0.06 16	0.09 95	0.12 74	0.13 73	0.08 15	0.06 13	0.07 46	0.06 22	0.08 165	0.10 80	0.11 213	0.06 129	0.05 209	0.04 1	0.03 1	0.04 21	0.04 49

HiDET	0.08 55	0.04 1	0.10 131	0.13 14	0.06 16	0.08 59	0.12 74	0.12 55	0.11 73	0.06 13	0.07 46	0.07 78	0.07 125	0.11 130	0.11 213	0.06 129	0.04 24	0.04 1	0.03 1	0.04 21	0.04 49

LCMNet	0.08 55	0.05 25	0.10 131	0.13 14	0.07 84	0.09 95	0.12 74	0.10 20	0.11 73	0.06 13	0.08 88	0.06 22	0.07 125	0.11 130	0.10 140	0.06 129	0.05 209	0.04 1	0.03 1	0.04 21	0.04 49

GEAStereo	0.08 55	0.05 25	0.08 38	0.13 14	0.08 144	0.08 59	0.14 177	0.10 20	0.09 28	0.08 83	0.10 142	0.06 22	0.05 12	0.11 130	0.08 17	0.06 129	0.04 24	0.05 34	0.04 46	0.05 119	0.05 144

GSStereo	0.08 55	0.05 25	0.08 38	0.13 14	0.08 144	0.08 59	0.14 177	0.11 35	0.12 103	0.08 83	0.10 142	0.05 2	0.05 12	0.11 130	0.08 17	0.06 129	0.04 24	0.05 34	0.04 46	0.05 119	0.05 144

gasm-f	0.08 55	0.05 25	0.07 8	0.13 14	0.08 144	0.08 59	0.14 177	0.10 20	0.09 28	0.08 83	0.10 142	0.06 22	0.05 12	0.10 80	0.08 17	0.06 129	0.04 24	0.05 34	0.04 46	0.06 222	0.05 144

DDF-Stereo	0.08 55	0.04 1	0.09 86	0.15 84	0.10 370	0.06 11	0.13 122	0.09 11	0.14 163	0.06 13	0.06 14	0.07 78	0.06 45	0.09 39	0.10 140	0.06 129	0.04 24	0.06 125	0.04 46	0.08 355	0.05 144

252Zero-FE	0.08 55	0.04 1	0.09 86	0.13 14	0.07 84	0.12 237	0.11 54	0.13 73	0.14 163	0.06 13	0.05 7	0.06 22	0.05 12	0.09 39	0.10 140	0.06 129	0.04 24	0.04 1	0.03 1	0.05 119	0.06 232

DA	0.08 55	0.07 167	0.07 8	0.19 384	0.08 144	0.09 95	0.12 74	0.13 73	0.12 103	0.08 83	0.10 142	0.10 184	0.08 165	0.09 39	0.10 140	0.05 35	0.04 24	0.06 125	0.04 46	0.05 119	0.03 2

zero-FE	0.08 55	0.04 1	0.09 86	0.15 84	0.10 370	0.05 4	0.14 177	0.09 11	0.14 163	0.07 46	0.06 14	0.07 78	0.06 45	0.09 39	0.10 140	0.06 129	0.04 24	0.06 125	0.04 46	0.08 355	0.05 144

GGEV	0.08 55	0.07 167	0.07 8	0.19 384	0.08 144	0.09 95	0.12 74	0.13 73	0.12 103	0.08 83	0.10 142	0.10 184	0.08 165	0.09 39	0.10 140	0.05 35	0.04 24	0.06 125	0.04 46	0.05 119	0.03 2

GASTEREO	0.08 55	0.05 25	0.09 86	0.19 384	0.07 84	0.07 33	0.12 74	0.14 94	0.11 73	0.10 157	0.09 111	0.07 78	0.04 1	0.12 222	0.08 17	0.06 129	0.05 209	0.05 34	0.04 46	0.04 21	0.05 144

MSCF	0.08 55	0.05 25	0.08 38	0.19 384	0.08 144	0.06 11	0.12 74	0.14 94	0.11 73	0.10 157	0.09 111	0.07 78	0.04 1	0.11 130	0.08 17	0.06 129	0.05 209	0.05 34	0.04 46	0.05 119	0.05 144

S2M2_XL	0.08 55	0.06 74	0.12 213	0.12 5	0.08 144	0.09 95	0.09 18	0.07 2	0.07 10	0.08 83	0.07 46	0.07 78	0.06 45	0.09 39	0.09 61	0.08 336	0.06 341	0.07 227	0.05 131	0.08 355	0.06 232
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 55	0.09 344	0.10 131	0.17 240	0.07 84	0.08 59	0.10 31	0.20 260	0.13 138	0.06 13	0.07 46	0.05 2	0.06 45	0.08 18	0.09 61	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

2w_stereo	0.08 55	0.08 268	0.09 86	0.16 164	0.06 16	0.08 59	0.10 31	0.20 260	0.15 183	0.08 83	0.07 46	0.06 22	0.06 45	0.06 1	0.09 61	0.04 11	0.03 1	0.04 1	0.04 46	0.03 1	0.03 2

LG-Stereo	0.08 55	0.07 167	0.10 131	0.18 323	0.07 84	0.10 147	0.17 355	0.11 35	0.08 15	0.05 2	0.07 46	0.05 2	0.07 125	0.09 39	0.09 61	0.04 11	0.05 209	0.07 227	0.07 303	0.04 21	0.04 49

SGD-Stereo	0.08 55	0.05 25	0.10 131	0.14 41	0.05 1	0.12 237	0.12 74	0.11 35	0.12 103	0.07 46	0.09 111	0.09 150	0.09 198	0.08 18	0.08 17	0.06 129	0.04 24	0.05 34	0.04 46	0.05 119	0.03 2

HART	0.08 55	0.07 167	0.09 86	0.17 240	0.07 84	0.10 147	0.16 317	0.13 73	0.11 73	0.08 83	0.10 142	0.07 78	0.05 12	0.10 80	0.08 17	0.05 35	0.04 24	0.06 125	0.04 46	0.05 119	0.04 49

Reg-Stereo(zero)	0.08 55	0.05 25	0.08 38	0.16 164	0.06 16	0.12 237	0.11 54	0.15 126	0.10 45	0.12 228	0.09 111	0.10 184	0.08 165	0.11 130	0.08 17	0.06 129	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

SCV_C0	0.08 55	0.07 167	0.07 8	0.16 164	0.09 267	0.08 59	0.15 249	0.11 35	0.12 103	0.08 83	0.07 46	0.06 22	0.05 12	0.11 130	0.07 1	0.05 35	0.05 209	0.05 34	0.04 46	0.06 222	0.05 144

SCV	0.08 55	0.09 344	0.08 38	0.15 84	0.08 144	0.10 147	0.13 122	0.10 20	0.12 103	0.07 46	0.07 46	0.06 22	0.04 1	0.09 39	0.08 17	0.05 35	0.04 24	0.06 125	0.04 46	0.06 222	0.04 49

DEFOM-Stereo_RVC	0.08 55	0.06 74	0.09 86	0.22 489	0.06 16	0.08 59	0.12 74	0.10 20	0.10 45	0.07 46	0.07 46	0.06 22	0.05 12	0.11 130	0.09 61	0.06 129	0.04 24	0.05 34	0.03 1	0.06 222	0.04 49

HUF	0.08 55	0.05 25	0.08 38	0.14 41	0.06 16	0.09 95	0.13 122	0.13 73	0.13 138	0.07 46	0.07 46	0.08 125	0.06 45	0.10 80	0.09 61	0.06 129	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

castereo++	0.08 55	0.05 25	0.08 38	0.15 84	0.05 1	0.14 313	0.12 74	0.11 35	0.15 183	0.07 46	0.07 46	0.07 78	0.06 45	0.08 18	0.08 17	0.06 129	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

IGEV-RUCA	0.08 55	0.06 74	0.11 177	0.14 41	0.09 267	0.10 147	0.12 74	0.10 20	0.12 103	0.06 13	0.07 46	0.07 78	0.06 45	0.09 39	0.08 17	0.06 129	0.05 209	0.05 34	0.04 46	0.05 119	0.06 232

GIP-stereo	0.08 55	0.06 74	0.11 177	0.14 41	0.06 16	0.09 95	0.13 122	0.14 94	0.11 73	0.07 46	0.08 88	0.05 2	0.04 1	0.10 80	0.07 1	0.05 35	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

SMoEStereo_RVC	0.08 55	0.06 74	0.12 213	0.16 164	0.07 84	0.09 95	0.14 177	0.11 35	0.13 138	0.09 122	0.07 46	0.07 78	0.07 125	0.12 222	0.10 140	0.05 35	0.04 24	0.06 125	0.05 131	0.04 21	0.04 49

WCG-NET	0.08 55	0.05 25	0.09 86	0.15 84	0.06 16	0.11 194	0.14 177	0.13 73	0.13 138	0.06 13	0.09 111	0.07 78	0.06 45	0.13 268	0.08 17	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

Occ-G	0.08 55	0.05 25	0.06 4	0.14 41	0.07 84	0.08 59	0.14 177	0.13 73	0.15 183	0.07 46	0.11 180	0.07 78	0.05 12	0.09 39	0.10 140	0.06 129	0.05 209	0.05 34	0.04 46	0.05 119	0.05 144

U	0.08 55	0.07 167	0.09 86	0.19 384	0.10 370	0.10 147	0.13 122	0.12 55	0.17 235	0.07 46	0.07 46	0.06 22	0.05 12	0.07 4	0.08 17	0.06 129	0.04 24	0.06 125	0.04 46	0.06 222	0.05 144

AIO-Stereo	0.08 55	0.06 74	0.09 86	0.18 323	0.06 16	0.08 59	0.12 74	0.15 126	0.09 28	0.08 83	0.08 88	0.07 78	0.05 12	0.11 130	0.08 17	0.05 35	0.05 209	0.05 34	0.04 46	0.04 21	0.04 49

WCG-NET（raft）	0.08 55	0.05 25	0.10 131	0.15 84	0.06 16	0.11 194	0.13 122	0.15 126	0.12 103	0.08 83	0.07 46	0.06 22	0.06 45	0.13 268	0.08 17	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

RSM++	0.08 55	0.06 74	0.09 86	0.17 240	0.07 84	0.09 95	0.12 74	0.11 35	0.11 73	0.08 83	0.06 14	0.07 78	0.05 12	0.10 80	0.09 61	0.04 11	0.04 24	0.06 125	0.05 131	0.05 119	0.03 2

RSM	0.08 55	0.06 74	0.09 86	0.17 240	0.06 16	0.08 59	0.12 74	0.12 55	0.10 45	0.08 83	0.07 46	0.06 22	0.05 12	0.11 130	0.09 61	0.04 11	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

trnet	0.08 55	0.05 25	0.07 8	0.12 5	0.05 1	0.12 237	0.11 54	0.13 73	0.10 45	0.08 83	0.13 208	0.09 150	0.08 165	0.11 130	0.10 140	0.08 336	0.05 209	0.05 34	0.03 1	0.06 222	0.05 144

MoCha-V2	0.08 55	0.05 25	0.10 131	0.20 443	0.07 84	0.09 95	0.14 177	0.11 35	0.08 15	0.07 46	0.08 88	0.07 78	0.06 45	0.09 39	0.08 17	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

IGEV++	0.08 55	0.06 74	0.08 38	0.18 323	0.07 84	0.09 95	0.13 122	0.10 20	0.09 28	0.08 83	0.08 88	0.06 22	0.06 45	0.13 268	0.09 61	0.05 35	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

testlalala	0.08 55	0.07 167	0.17 411	0.16 164	0.08 144	0.09 95	0.12 74	0.15 126	0.10 45	0.07 46	0.09 111	0.06 22	0.06 45	0.11 130	0.09 61	0.05 35	0.04 24	0.06 125	0.04 46	0.04 21	0.04 49

AEACV	0.08 55	0.05 25	0.08 38	0.14 41	0.13 478	0.14 313	0.13 122	0.14 94	0.09 28	0.07 46	0.09 111	0.07 78	0.08 165	0.10 80	0.09 61	0.06 129	0.04 24	0.06 125	0.05 131	0.05 119	0.04 49

LoS_RVC	0.08 55	0.05 25	0.07 8	0.15 84	0.07 84	0.08 59	0.15 249	0.11 35	0.10 45	0.08 83	0.09 111	0.06 22	0.09 198	0.10 80	0.09 61	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

CAS	0.08 55	0.04 1	0.07 8	0.17 240	0.08 144	0.10 147	0.13 122	0.12 55	0.09 28	0.09 122	0.10 142	0.08 125	0.06 45	0.09 39	0.08 17	0.08 336	0.04 24	0.05 34	0.03 1	0.05 119	0.04 49

CES	0.08 55	0.04 1	0.08 38	0.14 41	0.07 84	0.09 95	0.14 177	0.11 35	0.09 28	0.08 83	0.09 111	0.11 210	0.06 45	0.12 222	0.08 17	0.06 129	0.04 24	0.05 34	0.03 1	0.05 119	0.05 144

EGLCR-Stereo	0.08 55	0.05 25	0.08 38	0.14 41	0.06 16	0.10 147	0.12 74	0.11 35	0.16 212	0.06 13	0.05 7	0.07 78	0.05 12	0.10 80	0.11 213	0.06 129	0.04 24	0.06 125	0.05 131	0.04 21	0.04 49

MC-Stereo	0.08 55	0.06 74	0.09 86	0.17 240	0.06 16	0.10 147	0.14 177	0.12 55	0.10 45	0.09 122	0.12 194	0.09 150	0.06 45	0.11 130	0.10 140	0.06 129	0.04 24	0.06 125	0.05 131	0.04 21	0.04 49

test-3	0.08 55	0.06 74	0.09 86	0.17 240	0.07 84	0.07 33	0.14 177	0.12 55	0.15 183	0.09 122	0.08 88	0.07 78	0.08 165	0.11 130	0.10 140	0.05 35	0.04 24	0.07 227	0.05 131	0.04 21	0.04 49

test_1	0.08 55	0.06 74	0.09 86	0.17 240	0.07 84	0.07 33	0.14 177	0.12 55	0.15 183	0.09 122	0.08 88	0.07 78	0.08 165	0.11 130	0.10 140	0.05 35	0.04 24	0.07 227	0.05 131	0.04 21	0.04 49

CREStereo++_RVC	0.08 55	0.04 1	0.06 4	0.13 14	0.07 84	0.09 95	0.12 74	0.14 94	0.14 163	0.10 157	0.14 222	0.08 125	0.07 125	0.09 39	0.11 213	0.06 129	0.04 24	0.05 34	0.05 131	0.04 21	0.04 49
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
Wave_Phase_stereo	0.09 104	0.06 74	0.16 381	0.15 84	0.08 144	0.11 194	0.09 18	0.18 223	0.16 212	0.06 13	0.07 46	0.07 78	0.05 12	0.09 39	0.11 213	0.04 11	0.05 209	0.05 34	0.07 303	0.04 21	0.04 49

NLMM	0.09 104	0.06 74	0.08 38	0.18 323	0.08 144	0.11 194	0.16 317	0.17 192	0.19 278	0.08 83	0.07 46	0.07 78	0.08 165	0.11 130	0.12 269	0.04 11	0.04 24	0.06 125	0.06 212	0.04 21	0.04 49

NLSM3	0.09 104	0.06 74	0.08 38	0.19 384	0.08 144	0.11 194	0.16 317	0.18 223	0.16 212	0.06 13	0.08 88	0.07 78	0.08 165	0.09 39	0.11 213	0.04 11	0.04 24	0.06 125	0.07 303	0.03 1	0.03 2

NLSM1	0.09 104	0.06 74	0.09 86	0.17 240	0.07 84	0.14 313	0.16 317	0.19 247	0.14 163	0.08 83	0.10 142	0.07 78	0.09 198	0.13 268	0.11 213	0.05 35	0.04 24	0.05 34	0.05 131	0.05 119	0.04 49

NLCSM	0.09 104	0.05 25	0.09 86	0.18 323	0.08 144	0.11 194	0.13 122	0.19 247	0.17 235	0.08 83	0.08 88	0.07 78	0.09 198	0.11 130	0.11 213	0.05 35	0.04 24	0.06 125	0.05 131	0.04 21	0.04 49

FE-Mocha	0.09 104	0.06 74	0.14 295	0.16 164	0.09 267	0.10 147	0.15 249	0.18 223	0.16 212	0.10 157	0.09 111	0.07 78	0.07 125	0.09 39	0.09 61	0.06 129	0.04 24	0.06 125	0.06 212	0.05 119	0.05 144

IGEV-FE	0.09 104	0.05 25	0.12 213	0.13 14	0.08 144	0.12 237	0.13 122	0.17 192	0.11 73	0.10 157	0.06 14	0.09 150	0.06 45	0.11 130	0.09 61	0.06 129	0.04 24	0.06 125	0.06 212	0.05 119	0.05 144

water-stereo	0.09 104	0.06 74	0.08 38	0.16 164	0.07 84	0.09 95	0.13 122	0.15 126	0.13 138	0.11 190	0.12 194	0.08 125	0.09 198	0.07 4	0.08 17	0.06 129	0.05 209	0.05 34	0.05 131	0.04 21	0.04 49

depthmonostereo	0.09 104	0.06 74	0.09 86	0.15 84	0.06 16	0.10 147	0.13 122	0.14 94	0.14 163	0.10 157	0.10 142	0.09 150	0.11 259	0.08 18	0.09 61	0.06 129	0.05 209	0.06 125	0.04 46	0.04 21	0.03 2

DilatedVolume-Stereo	0.09 104	0.05 25	0.08 38	0.15 84	0.06 16	0.11 194	0.12 74	0.14 94	0.16 212	0.11 190	0.11 180	0.09 150	0.09 198	0.11 130	0.10 140	0.06 129	0.05 209	0.05 34	0.04 46	0.03 1	0.03 2

S2M2_L	0.09 104	0.08 268	0.11 177	0.13 14	0.10 370	0.08 59	0.06 1	0.10 20	0.10 45	0.10 157	0.09 111	0.10 184	0.09 198	0.11 130	0.11 213	0.13 513	0.07 416	0.08 312	0.09 420	0.10 450	0.08 379
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 104	0.06 74	0.09 86	0.19 384	0.08 144	0.12 237	0.18 400	0.15 126	0.14 163	0.07 46	0.10 142	0.07 78	0.06 45	0.12 222	0.09 61	0.05 35	0.04 24	0.06 125	0.05 131	0.05 119	0.03 2

castereo	0.09 104	0.06 74	0.11 177	0.15 84	0.06 16	0.11 194	0.15 249	0.14 94	0.18 262	0.08 83	0.10 142	0.11 210	0.08 165	0.09 39	0.10 140	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

fffft	0.09 104	0.06 74	0.12 213	0.16 164	0.07 84	0.09 95	0.17 355	0.12 55	0.11 73	0.08 83	0.07 46	0.09 150	0.06 45	0.11 130	0.12 269	0.05 35	0.04 24	0.06 125	0.05 131	0.04 21	0.05 144
1: 1. 1
tt45	0.09 104	0.06 74	0.11 177	0.15 84	0.07 84	0.11 194	0.16 317	0.13 73	0.11 73	0.09 122	0.06 14	0.08 125	0.06 45	0.13 268	0.10 140	0.06 129	0.04 24	0.06 125	0.05 131	0.05 119	0.06 232

999	0.09 104	0.05 25	0.13 260	0.15 84	0.08 144	0.10 147	0.14 177	0.15 126	0.11 73	0.10 157	0.08 88	0.08 125	0.08 165	0.16 352	0.10 140	0.06 129	0.04 24	0.06 125	0.05 131	0.04 21	0.05 144

mms	0.09 104	0.07 167	0.08 38	0.16 164	0.08 144	0.10 147	0.16 317	0.12 55	0.11 73	0.08 83	0.09 111	0.08 125	0.06 45	0.11 130	0.12 269	0.05 35	0.04 24	0.07 227	0.05 131	0.04 21	0.03 2

ours_stereo	0.09 104	0.07 167	0.09 86	0.17 240	0.08 144	0.11 194	0.16 317	0.11 35	0.12 103	0.08 83	0.10 142	0.08 125	0.06 45	0.12 222	0.12 269	0.05 35	0.04 24	0.06 125	0.05 131	0.04 21	0.03 2

fffy	0.09 104	0.08 268	0.09 86	0.16 164	0.07 84	0.13 281	0.17 355	0.13 73	0.12 103	0.08 83	0.09 111	0.08 125	0.09 198	0.13 268	0.11 213	0.05 35	0.05 209	0.07 227	0.05 131	0.04 21	0.05 144

PAM_32	0.09 104	0.05 25	0.17 411	0.15 84	0.08 144	0.10 147	0.15 249	0.14 94	0.15 183	0.09 122	0.08 88	0.09 150	0.07 125	0.14 296	0.08 17	0.06 129	0.05 209	0.06 125	0.06 212	0.05 119	0.06 232

UGAM-zero	0.09 104	0.05 25	0.15 347	0.15 84	0.08 144	0.09 95	0.13 122	0.19 247	0.15 183	0.11 190	0.15 239	0.07 78	0.07 125	0.09 39	0.09 61	0.06 129	0.05 209	0.06 125	0.05 131	0.05 119	0.06 232

GCAP-BAT	0.09 104	0.07 167	0.14 295	0.15 84	0.08 144	0.10 147	0.13 122	0.14 94	0.10 45	0.11 190	0.10 142	0.08 125	0.07 125	0.12 222	0.10 140	0.06 129	0.05 209	0.06 125	0.04 46	0.04 21	0.04 49

Pointernet	0.09 104	0.04 1	0.09 86	0.16 164	0.08 144	0.13 281	0.10 31	0.15 126	0.17 235	0.09 122	0.07 46	0.06 22	0.06 45	0.11 130	0.09 61	0.08 336	0.04 24	0.05 34	0.03 1	0.06 222	0.05 144

IGEV-BASED-STEREO-	0.09 104	0.10 405	0.31 519	0.15 84	0.06 16	0.08 59	0.14 177	0.10 20	0.10 45	0.07 46	0.07 46	0.06 22	0.04 1	0.11 130	0.07 1	0.12 490	0.04 24	0.07 227	0.05 131	0.05 119	0.05 144

RAFT-Stereo-weight	0.09 104	0.06 74	0.10 131	0.16 164	0.07 84	0.09 95	0.14 177	0.19 247	0.16 212	0.11 190	0.10 142	0.08 125	0.06 45	0.10 80	0.11 213	0.06 129	0.04 24	0.06 125	0.04 46	0.04 21	0.04 49

gcap-zeroshot	0.09 104	0.05 25	0.10 131	0.16 164	0.07 84	0.13 281	0.13 122	0.11 35	0.12 103	0.13 255	0.12 194	0.09 150	0.08 165	0.09 39	0.09 61	0.06 129	0.05 209	0.06 125	0.05 131	0.04 21	0.04 49

test_for_model	0.09 104	0.12 449	0.14 295	0.23 510	0.11 422	0.08 59	0.13 122	0.12 55	0.12 103	0.10 157	0.07 46	0.07 78	0.06 45	0.11 130	0.10 140	0.06 129	0.05 209	0.05 34	0.03 1	0.07 292	0.04 49

MGS-Stereo	0.09 104	0.07 167	0.12 213	0.15 84	0.08 144	0.09 95	0.15 249	0.12 55	0.12 103	0.07 46	0.10 142	0.08 125	0.06 45	0.10 80	0.09 61	0.05 35	0.04 24	0.06 125	0.05 131	0.06 222	0.05 144

ff7	0.09 104	0.07 167	0.11 177	0.16 164	0.09 267	0.11 194	0.15 249	0.16 156	0.12 103	0.10 157	0.06 14	0.06 22	0.06 45	0.11 130	0.09 61	0.05 35	0.04 24	0.06 125	0.05 131	0.05 119	0.06 232

IGEVStereo-DCA	0.09 104	0.06 74	0.11 177	0.15 84	0.10 370	0.11 194	0.15 249	0.16 156	0.12 103	0.10 157	0.06 14	0.08 125	0.06 45	0.10 80	0.08 17	0.06 129	0.05 209	0.06 125	0.05 131	0.05 119	0.06 232

ffff	0.09 104	0.07 167	0.11 177	0.16 164	0.09 267	0.11 194	0.15 249	0.16 156	0.12 103	0.10 157	0.06 14	0.06 22	0.06 45	0.11 130	0.09 61	0.05 35	0.04 24	0.06 125	0.05 131	0.05 119	0.06 232

rrr	0.09 104	0.06 74	0.12 213	0.15 84	0.10 370	0.11 194	0.16 317	0.16 156	0.15 183	0.10 157	0.06 14	0.08 125	0.06 45	0.10 80	0.08 17	0.06 129	0.05 209	0.06 125	0.05 131	0.05 119	0.06 232

11t	0.09 104	0.07 167	0.11 177	0.16 164	0.09 267	0.11 194	0.15 249	0.16 156	0.12 103	0.10 157	0.06 14	0.06 22	0.06 45	0.11 130	0.09 61	0.05 35	0.04 24	0.06 125	0.05 131	0.05 119	0.06 232

MaDis-Stereo	0.09 104	0.09 344	0.08 38	0.17 240	0.09 267	0.13 281	0.10 31	0.16 156	0.16 212	0.09 122	0.11 180	0.06 22	0.06 45	0.09 39	0.13 311	0.07 272	0.06 341	0.07 227	0.05 131	0.05 119	0.04 49

IGEV_Zeroshot_test	0.09 104	0.05 25	0.12 213	0.13 14	0.08 144	0.12 237	0.13 122	0.17 192	0.11 73	0.10 157	0.06 14	0.09 150	0.06 45	0.11 130	0.09 61	0.06 129	0.04 24	0.06 125	0.06 212	0.05 119	0.05 144

MSKI-zero shot	0.09 104	0.05 25	0.09 86	0.15 84	0.07 84	0.10 147	0.13 122	0.14 94	0.13 138	0.09 122	0.09 111	0.09 150	0.06 45	0.12 222	0.10 140	0.06 129	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

UniTT-Stereo	0.09 104	0.07 167	0.08 38	0.18 323	0.08 144	0.13 281	0.11 54	0.12 55	0.11 73	0.10 157	0.12 194	0.05 2	0.07 125	0.09 39	0.09 61	0.07 272	0.05 209	0.05 34	0.05 131	0.05 119	0.05 144

MIM_Stereo	0.09 104	0.07 167	0.11 177	0.15 84	0.07 84	0.06 11	0.12 74	0.20 260	0.14 163	0.13 255	0.13 208	0.09 150	0.05 12	0.12 222	0.08 17	0.05 35	0.06 341	0.07 227	0.06 212	0.06 222	0.05 144

CASnet	0.09 104	0.09 344	0.09 86	0.19 384	0.06 16	0.07 33	0.11 54	0.18 223	0.14 163	0.11 190	0.10 142	0.09 150	0.07 125	0.10 80	0.10 140	0.06 129	0.04 24	0.10 444	0.08 371	0.05 119	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 104	0.07 167	0.13 260	0.18 323	0.06 16	0.11 194	0.07 3	0.13 73	0.12 103	0.09 122	0.10 142	0.07 78	0.09 198	0.13 268	0.10 140	0.06 129	0.05 209	0.05 34	0.04 46	0.04 21	0.05 144

RAFT-Test	0.09 104	0.06 74	0.10 131	0.15 84	0.07 84	0.11 194	0.15 249	0.16 156	0.13 138	0.09 122	0.10 142	0.10 184	0.09 198	0.12 222	0.09 61	0.06 129	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

HH	0.09 104	0.06 74	0.13 260	0.17 240	0.08 144	0.10 147	0.16 317	0.14 94	0.10 45	0.08 83	0.09 111	0.08 125	0.07 125	0.10 80	0.09 61	0.06 129	0.04 24	0.06 125	0.05 131	0.05 119	0.04 49

HanStereo	0.09 104	0.06 74	0.13 260	0.17 240	0.08 144	0.10 147	0.16 317	0.14 94	0.10 45	0.08 83	0.09 111	0.08 125	0.07 125	0.10 80	0.09 61	0.06 129	0.04 24	0.06 125	0.05 131	0.05 119	0.04 49

4D-IteraStereo	0.09 104	0.07 167	0.10 131	0.18 323	0.07 84	0.09 95	0.15 249	0.17 192	0.15 183	0.10 157	0.11 180	0.10 184	0.07 125	0.11 130	0.09 61	0.05 35	0.03 1	0.08 312	0.07 303	0.06 222	0.05 144

anonymousdsp	0.09 104	0.07 167	0.11 177	0.16 164	0.09 267	0.11 194	0.15 249	0.16 156	0.12 103	0.09 122	0.06 14	0.06 22	0.06 45	0.11 130	0.09 61	0.05 35	0.04 24	0.06 125	0.05 131	0.05 119	0.06 232

LoS	0.09 104	0.05 25	0.11 177	0.13 14	0.07 84	0.14 313	0.11 54	0.15 126	0.15 183	0.09 122	0.09 111	0.12 229	0.09 198	0.15 318	0.10 140	0.07 272	0.05 209	0.05 34	0.03 1	0.05 119	0.05 144
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 104	0.07 167	0.10 131	0.17 240	0.08 144	0.10 147	0.15 249	0.15 126	0.12 103	0.09 122	0.06 14	0.07 78	0.06 45	0.11 130	0.09 61	0.05 35	0.04 24	0.06 125	0.05 131	0.04 21	0.06 232

RCA-Stereo	0.09 104	0.06 74	0.09 86	0.16 164	0.06 16	0.09 95	0.13 122	0.18 223	0.14 163	0.09 122	0.10 142	0.08 125	0.07 125	0.12 222	0.11 213	0.06 129	0.04 24	0.06 125	0.05 131	0.05 119	0.04 49

CroCo-Stereo Lap2	0.09 104	0.09 344	0.08 38	0.22 489	0.09 267	0.09 95	0.19 440	0.16 156	0.12 103	0.09 122	0.10 142	0.05 2	0.05 12	0.08 18	0.08 17	0.06 129	0.06 341	0.07 227	0.05 131	0.05 119	0.05 144

ccc-4	0.09 104	0.07 167	0.11 177	0.16 164	0.09 267	0.11 194	0.15 249	0.16 156	0.12 103	0.10 157	0.06 14	0.06 22	0.06 45	0.11 130	0.09 61	0.05 35	0.04 24	0.06 125	0.05 131	0.05 119	0.06 232

IGEV-Stereo	0.09 104	0.07 167	0.11 177	0.16 164	0.09 267	0.11 194	0.15 249	0.16 156	0.12 103	0.09 122	0.06 14	0.06 22	0.06 45	0.11 130	0.09 61	0.05 35	0.04 24	0.06 125	0.05 131	0.05 119	0.06 232
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 104	0.05 25	0.13 260	0.14 41	0.08 144	0.12 237	0.15 249	0.18 223	0.10 45	0.11 190	0.08 88	0.08 125	0.05 12	0.10 80	0.09 61	0.06 129	0.04 24	0.06 125	0.05 131	0.06 222	0.05 144

TRStereo	0.09 104	0.05 25	0.12 213	0.15 84	0.12 455	0.10 147	0.13 122	0.18 223	0.18 262	0.09 122	0.09 111	0.09 150	0.06 45	0.10 80	0.08 17	0.07 272	0.05 209	0.07 227	0.07 303	0.04 21	0.04 49

AnonymousM	0.09 104	0.05 25	0.10 131	0.14 41	0.06 16	0.09 95	0.13 122	0.19 247	0.14 163	0.13 255	0.11 180	0.09 150	0.08 165	0.13 268	0.10 140	0.08 336	0.05 209	0.08 312	0.05 131	0.05 119	0.05 144

CroCo-Stereo	0.09 104	0.08 268	0.08 38	0.22 489	0.09 267	0.09 95	0.19 440	0.15 126	0.12 103	0.07 46	0.07 46	0.08 125	0.06 45	0.08 18	0.07 1	0.07 272	0.05 209	0.06 125	0.04 46	0.05 119	0.04 49
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 104	0.06 74	0.07 8	0.15 84	0.05 1	0.16 370	0.18 400	0.15 126	0.15 183	0.10 157	0.11 180	0.11 210	0.11 259	0.10 80	0.12 269	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

TANstereo	0.09 104	0.04 1	0.08 38	0.13 14	0.06 16	0.11 194	0.14 177	0.15 126	0.19 278	0.11 190	0.15 239	0.10 184	0.06 45	0.12 222	0.09 61	0.07 272	0.05 209	0.05 34	0.04 46	0.06 222	0.05 144

XX-TBD	0.09 104	0.06 74	0.07 8	0.14 41	0.07 84	0.12 237	0.16 317	0.14 94	0.13 138	0.11 190	0.12 194	0.09 150	0.08 165	0.10 80	0.10 140	0.06 129	0.04 24	0.05 34	0.03 1	0.06 222	0.05 144

raftrobust	0.09 104	0.06 74	0.10 131	0.17 240	0.08 144	0.09 95	0.10 31	0.18 223	0.16 212	0.10 157	0.09 111	0.12 229	0.07 125	0.12 222	0.10 140	0.08 336	0.05 209	0.06 125	0.05 131	0.05 119	0.05 144

XX-Stereo	0.09 104	0.05 25	0.08 38	0.17 240	0.09 267	0.15 340	0.12 74	0.20 260	0.10 45	0.10 157	0.14 222	0.07 78	0.06 45	0.12 222	0.08 17	0.06 129	0.05 209	0.06 125	0.06 212	0.04 21	0.04 49

test_xeample3	0.09 104	0.06 74	0.12 213	0.16 164	0.09 267	0.11 194	0.15 249	0.16 156	0.13 138	0.10 157	0.06 14	0.08 125	0.06 45	0.10 80	0.09 61	0.05 35	0.04 24	0.06 125	0.05 131	0.05 119	0.06 232

RAFT-Stereo + iAFF	0.09 104	0.06 74	0.10 131	0.17 240	0.06 16	0.10 147	0.16 317	0.17 192	0.14 163	0.09 122	0.10 142	0.08 125	0.09 198	0.11 130	0.09 61	0.05 35	0.04 24	0.06 125	0.06 212	0.04 21	0.03 2

AFF-stereo	0.09 104	0.06 74	0.10 131	0.17 240	0.07 84	0.10 147	0.16 317	0.17 192	0.09 28	0.10 157	0.12 194	0.09 150	0.09 198	0.12 222	0.09 61	0.05 35	0.04 24	0.07 227	0.07 303	0.04 21	0.03 2

EAI-Stereo	0.09 104	0.07 167	0.11 177	0.15 84	0.06 16	0.10 147	0.15 249	0.16 156	0.09 28	0.08 83	0.09 111	0.08 125	0.07 125	0.09 39	0.11 213	0.05 35	0.04 24	0.05 34	0.05 131	0.05 119	0.04 49

CFNet-RSSM	0.09 104	0.07 167	0.09 86	0.16 164	0.07 84	0.09 95	0.15 249	0.16 156	0.17 235	0.08 83	0.12 194	0.10 184	0.09 198	0.11 130	0.09 61	0.06 129	0.04 24	0.06 125	0.04 46	0.04 21	0.04 49

Gwc-CoAtRS	0.09 104	0.06 74	0.10 131	0.16 164	0.07 84	0.10 147	0.14 177	0.17 192	0.17 235	0.08 83	0.10 142	0.12 229	0.09 198	0.12 222	0.09 61	0.06 129	0.04 24	0.06 125	0.04 46	0.04 21	0.04 49

CREStereo	0.09 104	0.04 1	0.08 38	0.11 1	0.06 16	0.13 281	0.14 177	0.14 94	0.10 45	0.08 83	0.13 208	0.09 150	0.08 165	0.11 130	0.10 140	0.08 336	0.04 24	0.05 34	0.03 1	0.06 222	0.06 232
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	0.09 104	0.05 25	0.09 86	0.12 5	0.06 16	0.12 237	0.14 177	0.15 126	0.11 73	0.09 122	0.13 208	0.10 184	0.07 125	0.13 268	0.10 140	0.15 531	0.04 24	0.05 34	0.03 1	0.07 292	0.06 232

NLMM1	0.10 172	0.06 74	0.11 177	0.18 323	0.07 84	0.12 237	0.13 122	0.20 260	0.21 317	0.09 122	0.09 111	0.09 150	0.08 165	0.13 268	0.10 140	0.05 35	0.04 24	0.05 34	0.05 131	0.05 119	0.04 49

MM-Stereo_test3	0.10 172	0.07 167	0.07 8	0.18 323	0.07 84	0.12 237	0.19 440	0.24 350	0.19 278	0.06 13	0.10 142	0.08 125	0.06 45	0.11 130	0.08 17	0.06 129	0.06 341	0.07 227	0.05 131	0.05 119	0.04 49

MM-Stereo_test1	0.10 172	0.07 167	0.08 38	0.18 323	0.07 84	0.12 237	0.18 400	0.21 284	0.20 302	0.09 122	0.11 180	0.08 125	0.06 45	0.10 80	0.10 140	0.06 129	0.05 209	0.07 227	0.06 212	0.05 119	0.04 49

AIO-test2	0.10 172	0.08 268	0.10 131	0.23 510	0.08 144	0.11 194	0.10 31	0.23 327	0.23 342	0.08 83	0.09 111	0.08 125	0.05 12	0.10 80	0.08 17	0.06 129	0.05 209	0.08 312	0.09 420	0.05 119	0.05 144

AIO-test1	0.10 172	0.07 167	0.10 131	0.23 510	0.07 84	0.09 95	0.13 122	0.21 284	0.14 163	0.11 190	0.12 194	0.09 150	0.07 125	0.11 130	0.09 61	0.06 129	0.05 209	0.09 396	0.10 459	0.03 1	0.06 232

tg	0.10 172	0.06 74	0.10 131	0.18 323	0.08 144	0.11 194	0.16 317	0.20 260	0.12 103	0.08 83	0.11 180	0.11 210	0.07 125	0.11 130	0.10 140	0.05 35	0.04 24	0.08 312	0.08 371	0.04 21	0.04 49

PAM	0.10 172	0.05 25	0.16 381	0.15 84	0.08 144	0.09 95	0.16 317	0.15 126	0.16 212	0.12 228	0.09 111	0.09 150	0.07 125	0.13 268	0.08 17	0.06 129	0.05 209	0.06 125	0.06 212	0.05 119	0.06 232

model_zeroshot	0.10 172	0.04 1	0.11 177	0.15 84	0.09 267	0.12 237	0.14 177	0.20 260	0.13 138	0.11 190	0.10 142	0.12 229	0.07 125	0.12 222	0.10 140	0.07 272	0.06 341	0.06 125	0.05 131	0.06 222	0.06 232

RAStereo	0.10 172	0.09 344	0.08 38	0.20 443	0.08 144	0.13 281	0.18 400	0.15 126	0.17 235	0.10 157	0.12 194	0.05 2	0.06 45	0.09 39	0.08 17	0.07 272	0.05 209	0.07 227	0.05 131	0.05 119	0.04 49

rvit_stereo_0080	0.10 172	0.08 268	0.14 295	0.15 84	0.09 267	0.07 33	0.15 249	0.16 156	0.16 212	0.11 190	0.10 142	0.14 274	0.08 165	0.12 222	0.10 140	0.09 395	0.07 416	0.07 227	0.06 212	0.07 292	0.05 144

testlalala2	0.10 172	0.06 74	0.11 177	0.20 443	0.10 370	0.10 147	0.12 74	0.17 192	0.12 103	0.12 228	0.13 208	0.09 150	0.07 125	0.11 130	0.13 311	0.06 129	0.05 209	0.05 34	0.04 46	0.05 119	0.05 144

H2IRNET	0.10 172	0.09 344	0.09 86	0.18 323	0.09 267	0.12 237	0.15 249	0.14 94	0.21 317	0.10 157	0.10 142	0.10 184	0.10 234	0.10 80	0.10 140	0.05 35	0.04 24	0.08 312	0.08 371	0.06 222	0.05 144

Former-RAFT_DAM_RVC	0.10 172	0.08 268	0.12 213	0.16 164	0.08 144	0.15 340	0.16 317	0.18 223	0.18 262	0.10 157	0.09 111	0.09 150	0.08 165	0.11 130	0.12 269	0.07 272	0.05 209	0.08 312	0.06 212	0.07 292	0.06 232

MyStereo07	0.10 172	0.07 167	0.10 131	0.17 240	0.09 267	0.14 313	0.18 400	0.15 126	0.15 183	0.09 122	0.06 14	0.06 22	0.07 125	0.12 222	0.09 61	0.06 129	0.05 209	0.08 312	0.07 303	0.06 222	0.06 232

MyStereo06	0.10 172	0.07 167	0.12 213	0.17 240	0.09 267	0.13 281	0.18 400	0.19 247	0.12 103	0.12 228	0.08 88	0.07 78	0.07 125	0.11 130	0.09 61	0.06 129	0.05 209	0.07 227	0.07 303	0.06 222	0.06 232

AE-Stereo	0.10 172	0.08 268	0.10 131	0.18 323	0.09 267	0.10 147	0.15 249	0.14 94	0.19 278	0.09 122	0.14 222	0.12 229	0.08 165	0.11 130	0.10 140	0.05 35	0.06 341	0.07 227	0.06 212	0.05 119	0.04 49

ACVNet-DCA	0.10 172	0.08 268	0.12 213	0.17 240	0.09 267	0.13 281	0.15 249	0.23 327	0.16 212	0.09 122	0.09 111	0.06 22	0.06 45	0.10 80	0.07 1	0.06 129	0.04 24	0.06 125	0.05 131	0.07 292	0.07 315

cc1	0.10 172	0.08 268	0.12 213	0.17 240	0.09 267	0.13 281	0.15 249	0.16 156	0.18 262	0.09 122	0.09 111	0.06 22	0.06 45	0.10 80	0.07 1	0.06 129	0.04 24	0.06 125	0.05 131	0.06 222	0.06 232

tt1	0.10 172	0.08 268	0.12 213	0.17 240	0.09 267	0.12 237	0.16 317	0.15 126	0.19 278	0.09 122	0.08 88	0.06 22	0.06 45	0.10 80	0.07 1	0.06 129	0.04 24	0.06 125	0.05 131	0.06 222	0.06 232

whm_eth	0.10 172	0.08 268	0.14 295	0.15 84	0.09 267	0.07 33	0.15 249	0.16 156	0.16 212	0.11 190	0.10 142	0.14 274	0.08 165	0.12 222	0.10 140	0.09 395	0.07 416	0.07 227	0.06 212	0.07 292	0.05 144

plain	0.10 172	0.08 268	0.10 131	0.19 384	0.09 267	0.10 147	0.15 249	0.14 94	0.13 138	0.13 255	0.15 239	0.09 150	0.12 292	0.13 268	0.12 269	0.07 272	0.05 209	0.09 396	0.06 212	0.06 222	0.06 232

testlalala_base	0.10 172	0.09 344	0.14 295	0.21 474	0.08 144	0.10 147	0.14 177	0.13 73	0.10 45	0.07 46	0.15 239	0.07 78	0.08 165	0.10 80	0.12 269	0.08 336	0.05 209	0.05 34	0.03 1	0.06 222	0.05 144

Any-RAFT	0.10 172	0.05 25	0.09 86	0.14 41	0.07 84	0.13 281	0.14 177	0.21 284	0.15 183	0.11 190	0.12 194	0.12 229	0.09 198	0.12 222	0.09 61	0.07 272	0.04 24	0.05 34	0.04 46	0.06 222	0.05 144

LL-Strereo2	0.10 172	0.10 405	0.15 347	0.18 323	0.08 144	0.15 340	0.09 18	0.17 192	0.14 163	0.14 277	0.10 142	0.09 150	0.07 125	0.16 352	0.10 140	0.05 35	0.05 209	0.10 444	0.07 303	0.06 222	0.05 144

DCANet-4	0.10 172	0.06 74	0.12 213	0.16 164	0.06 16	0.09 95	0.17 355	0.18 223	0.19 278	0.13 255	0.16 253	0.09 150	0.14 355	0.11 130	0.12 269	0.06 129	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

fff	0.10 172	0.06 74	0.12 213	0.15 84	0.07 84	0.09 95	0.17 355	0.16 156	0.20 302	0.13 255	0.16 253	0.10 184	0.11 259	0.11 130	0.12 269	0.06 129	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

ADStereo(finetuned)	0.10 172	0.06 74	0.12 213	0.16 164	0.06 16	0.09 95	0.17 355	0.15 126	0.19 278	0.13 255	0.17 275	0.10 184	0.12 292	0.11 130	0.12 269	0.06 129	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

test_4	0.10 172	0.10 405	0.08 38	0.19 384	0.09 267	0.08 59	0.22 488	0.15 126	0.17 235	0.12 228	0.18 300	0.12 229	0.09 198	0.08 18	0.11 213	0.04 11	0.04 24	0.08 312	0.08 371	0.04 21	0.03 2

IPLG	0.10 172	0.07 167	0.15 347	0.17 240	0.08 144	0.11 194	0.14 177	0.20 260	0.15 183	0.12 228	0.17 275	0.07 78	0.07 125	0.14 296	0.13 311	0.06 129	0.04 24	0.06 125	0.05 131	0.04 21	0.04 49

test_3	0.10 172	0.09 344	0.10 131	0.20 443	0.08 144	0.13 281	0.26 536	0.14 94	0.21 317	0.10 157	0.10 142	0.09 150	0.09 198	0.08 18	0.11 213	0.05 35	0.04 24	0.08 312	0.07 303	0.04 21	0.04 49

STrans-v2	0.10 172	0.07 167	0.12 213	0.18 323	0.07 84	0.10 147	0.14 177	0.21 284	0.11 73	0.11 190	0.15 239	0.12 229	0.10 234	0.11 130	0.12 269	0.05 35	0.04 24	0.06 125	0.06 212	0.04 21	0.04 49

TransformOpticalFlow	0.10 172	0.08 268	0.13 260	0.18 323	0.07 84	0.09 95	0.15 249	0.19 247	0.15 183	0.12 228	0.17 275	0.11 210	0.11 259	0.11 130	0.10 140	0.05 35	0.04 24	0.06 125	0.06 212	0.05 119	0.05 144

SST-Stereo	0.10 172	0.07 167	0.15 347	0.18 323	0.09 267	0.06 11	0.12 74	0.17 192	0.11 73	0.15 304	0.17 275	0.13 254	0.12 292	0.10 80	0.11 213	0.06 129	0.04 24	0.09 396	0.06 212	0.06 222	0.05 144

cross-raft	0.10 172	0.09 344	0.09 86	0.19 384	0.07 84	0.11 194	0.25 527	0.13 73	0.15 183	0.08 83	0.11 180	0.12 229	0.10 234	0.09 39	0.11 213	0.05 35	0.04 24	0.06 125	0.05 131	0.04 21	0.04 49

test-1	0.10 172	0.07 167	0.16 381	0.19 384	0.08 144	0.11 194	0.24 511	0.14 94	0.18 262	0.09 122	0.07 46	0.09 150	0.08 165	0.07 4	0.09 61	0.06 129	0.04 24	0.06 125	0.05 131	0.04 21	0.04 49

iRaftStereo_RVC	0.10 172	0.07 167	0.09 86	0.17 240	0.09 267	0.11 194	0.17 355	0.18 223	0.12 103	0.09 122	0.12 194	0.10 184	0.07 125	0.11 130	0.10 140	0.05 35	0.04 24	0.08 312	0.08 371	0.04 21	0.04 49

RALCasStereoNet	0.10 172	0.06 74	0.09 86	0.16 164	0.08 144	0.12 237	0.14 177	0.17 192	0.11 73	0.12 228	0.17 275	0.14 274	0.10 234	0.12 222	0.11 213	0.07 272	0.06 341	0.06 125	0.05 131	0.08 355	0.07 315

DCANet	0.10 172	0.06 74	0.12 213	0.16 164	0.06 16	0.09 95	0.17 355	0.15 126	0.19 278	0.13 255	0.17 275	0.10 184	0.11 259	0.11 130	0.12 269	0.06 129	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

csc	0.10 172	0.06 74	0.12 213	0.15 84	0.07 84	0.09 95	0.17 355	0.16 156	0.20 302	0.13 255	0.16 253	0.10 184	0.11 259	0.11 130	0.12 269	0.06 129	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

cscssc	0.10 172	0.06 74	0.12 213	0.15 84	0.07 84	0.09 95	0.17 355	0.16 156	0.20 302	0.13 255	0.16 253	0.10 184	0.11 259	0.11 130	0.12 269	0.06 129	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

111	0.10 172	0.06 74	0.12 213	0.15 84	0.07 84	0.10 147	0.14 177	0.21 284	0.23 342	0.11 190	0.12 194	0.14 274	0.11 259	0.13 268	0.10 140	0.06 129	0.04 24	0.06 125	0.04 46	0.05 119	0.05 144

R-Stereo Train	0.10 172	0.06 74	0.10 131	0.17 240	0.08 144	0.11 194	0.14 177	0.23 327	0.11 73	0.12 228	0.19 309	0.11 210	0.08 165	0.09 39	0.11 213	0.07 272	0.05 209	0.06 125	0.05 131	0.05 119	0.05 144

RAFT-Stereo	0.10 172	0.06 74	0.10 131	0.17 240	0.08 144	0.11 194	0.14 177	0.23 327	0.11 73	0.12 228	0.19 309	0.11 210	0.08 165	0.09 39	0.11 213	0.07 272	0.05 209	0.06 125	0.05 131	0.05 119	0.05 144
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 172	0.06 74	0.12 213	0.14 41	0.06 16	0.11 194	0.10 31	0.18 223	0.18 262	0.13 255	0.16 253	0.14 274	0.11 259	0.15 318	0.13 311	0.06 129	0.04 24	0.04 1	0.04 46	0.06 222	0.05 144
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
Select-FE	0.11 216	0.06 74	0.20 457	0.15 84	0.11 422	0.11 194	0.13 122	0.21 284	0.18 262	0.09 122	0.11 180	0.10 184	0.06 45	0.12 222	0.09 61	0.07 272	0.05 209	0.07 227	0.08 371	0.06 222	0.08 379

FlowAnything_test	0.11 216	0.08 268	0.14 295	0.15 84	0.09 267	0.07 33	0.14 177	0.20 260	0.11 73	0.09 122	0.09 111	0.12 229	0.12 292	0.13 268	0.11 213	0.09 395	0.06 341	0.09 396	0.09 420	0.06 222	0.09 424

xyz-stereo-finetune2	0.11 216	0.07 167	0.13 260	0.13 14	0.07 84	0.11 194	0.19 440	0.17 192	0.12 103	0.15 304	0.15 239	0.17 337	0.12 292	0.13 268	0.11 213	0.05 35	0.04 24	0.07 227	0.05 131	0.04 21	0.06 232

xyz-stereo-finetune	0.11 216	0.08 268	0.13 260	0.14 41	0.06 16	0.10 147	0.19 440	0.17 192	0.19 278	0.12 228	0.14 222	0.15 303	0.10 234	0.13 268	0.11 213	0.05 35	0.04 24	0.07 227	0.05 131	0.04 21	0.05 144

HI	0.11 216	0.06 74	0.11 177	0.13 14	0.09 267	0.09 95	0.14 177	0.21 284	0.10 45	0.19 394	0.17 275	0.14 274	0.09 198	0.16 352	0.08 17	0.05 35	0.04 24	0.07 227	0.08 371	0.07 292	0.06 232

CoSv	0.11 216	0.06 74	0.11 177	0.13 14	0.09 267	0.09 95	0.14 177	0.21 284	0.10 45	0.19 394	0.17 275	0.14 274	0.09 198	0.16 352	0.08 17	0.05 35	0.04 24	0.07 227	0.08 371	0.07 292	0.06 232

rvit_stereo_0081_aga	0.11 216	0.09 344	0.14 295	0.18 323	0.09 267	0.13 281	0.14 177	0.14 94	0.19 278	0.10 157	0.18 300	0.16 317	0.09 198	0.12 222	0.09 61	0.10 436	0.06 341	0.08 312	0.07 303	0.07 292	0.06 232

rvit_stereo_0081	0.11 216	0.08 268	0.15 347	0.16 164	0.09 267	0.10 147	0.14 177	0.14 94	0.24 358	0.11 190	0.13 208	0.13 254	0.09 198	0.11 130	0.12 269	0.10 436	0.07 416	0.08 312	0.07 303	0.07 292	0.05 144

rvit_stereo_0082	0.11 216	0.08 268	0.15 347	0.16 164	0.09 267	0.10 147	0.14 177	0.14 94	0.24 358	0.11 190	0.13 208	0.13 254	0.09 198	0.11 130	0.12 269	0.10 436	0.07 416	0.08 312	0.07 303	0.07 292	0.05 144

AIO-Stereo-zeroshot1	0.11 216	0.05 25	0.14 295	0.15 84	0.20 553	0.09 95	0.17 355	0.21 284	0.15 183	0.11 190	0.14 222	0.10 184	0.07 125	0.10 80	0.08 17	0.06 129	0.05 209	0.07 227	0.07 303	0.07 292	0.09 424

AIO-Stereo-zeroshot	0.11 216	0.05 25	0.11 177	0.15 84	0.13 478	0.13 281	0.16 317	0.23 327	0.17 235	0.10 157	0.12 194	0.10 184	0.07 125	0.11 130	0.09 61	0.06 129	0.05 209	0.06 125	0.06 212	0.07 292	0.08 379

CAS++	0.11 216	0.07 167	0.11 177	0.14 41	0.09 267	0.12 237	0.14 177	0.24 350	0.14 163	0.11 190	0.09 111	0.11 210	0.07 125	0.14 296	0.09 61	0.11 465	0.09 471	0.09 396	0.07 303	0.07 292	0.08 379
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 216	0.08 268	0.12 213	0.17 240	0.09 267	0.13 281	0.15 249	0.16 156	0.18 262	0.09 122	0.09 111	0.16 317	0.16 399	0.10 80	0.07 1	0.06 129	0.04 24	0.08 312	0.08 371	0.07 292	0.07 315

1test111	0.11 216	0.08 268	0.12 213	0.17 240	0.09 267	0.13 281	0.15 249	0.23 327	0.16 212	0.09 122	0.09 111	0.06 22	0.06 45	0.15 318	0.16 395	0.06 129	0.04 24	0.06 125	0.05 131	0.07 292	0.07 315

MIF-Stereo (partial)	0.11 216	0.06 74	0.10 131	0.19 384	0.10 370	0.10 147	0.11 54	0.17 192	0.18 262	0.14 277	0.16 253	0.09 150	0.11 259	0.12 222	0.12 269	0.08 336	0.05 209	0.08 312	0.07 303	0.06 222	0.07 315

EKT-Stereo	0.11 216	0.07 167	0.14 295	0.15 84	0.10 370	0.13 281	0.14 177	0.18 223	0.21 317	0.11 190	0.08 88	0.12 229	0.09 198	0.11 130	0.12 269	0.08 336	0.06 341	0.07 227	0.06 212	0.08 355	0.07 315

anonymousdsp2	0.11 216	0.07 167	0.10 131	0.16 164	0.09 267	0.13 281	0.14 177	0.18 223	0.22 332	0.13 255	0.14 222	0.12 229	0.09 198	0.14 296	0.11 213	0.05 35	0.04 24	0.05 34	0.04 46	0.06 222	0.05 144

DCRE	0.11 216	0.07 167	0.13 260	0.16 164	0.11 422	0.11 194	0.17 355	0.18 223	0.17 235	0.11 190	0.18 300	0.10 184	0.10 234	0.15 318	0.11 213	0.06 129	0.05 209	0.06 125	0.06 212	0.05 119	0.04 49

knoymous	0.11 216	0.05 25	0.12 213	0.13 14	0.07 84	0.15 340	0.14 177	0.19 247	0.13 138	0.11 190	0.17 275	0.13 254	0.09 198	0.13 268	0.11 213	0.08 336	0.05 209	0.06 125	0.05 131	0.08 355	0.07 315

riskmin	0.11 216	0.06 74	0.13 260	0.14 41	0.08 144	0.14 313	0.14 177	0.18 223	0.14 163	0.11 190	0.14 222	0.16 317	0.11 259	0.14 296	0.12 269	0.09 395	0.05 209	0.07 227	0.05 131	0.08 355	0.08 379

Selective-RAFT	0.11 216	0.10 405	0.11 177	0.21 474	0.08 144	0.16 370	0.13 122	0.20 260	0.22 332	0.10 157	0.10 142	0.11 210	0.10 234	0.15 318	0.11 213	0.05 35	0.05 209	0.06 125	0.05 131	0.06 222	0.05 144

DisPM	0.11 216	0.07 167	0.12 213	0.16 164	0.09 267	0.06 11	0.13 122	0.17 192	0.17 235	0.14 277	0.20 321	0.12 229	0.10 234	0.11 130	0.10 140	0.06 129	0.04 24	0.07 227	0.06 212	0.06 222	0.11 477

CIPLG	0.11 216	0.08 268	0.14 295	0.17 240	0.08 144	0.12 237	0.15 249	0.17 192	0.15 183	0.14 277	0.11 180	0.16 317	0.09 198	0.16 352	0.11 213	0.07 272	0.05 209	0.06 125	0.05 131	0.05 119	0.06 232

GLC_STEREO	0.11 216	0.07 167	0.11 177	0.17 240	0.07 84	0.09 95	0.13 122	0.15 126	0.24 358	0.12 228	0.13 208	0.12 229	0.08 165	0.18 406	0.11 213	0.06 129	0.08 442	0.08 312	0.06 212	0.05 119	0.05 144

IPLGR_C	0.11 216	0.08 268	0.14 295	0.17 240	0.08 144	0.12 237	0.15 249	0.17 192	0.15 183	0.14 277	0.10 142	0.16 317	0.09 198	0.16 352	0.11 213	0.07 272	0.05 209	0.06 125	0.05 131	0.05 119	0.06 232

MIPNet	0.11 216	0.08 268	0.14 295	0.17 240	0.09 267	0.12 237	0.14 177	0.20 260	0.24 358	0.11 190	0.10 142	0.09 150	0.07 125	0.13 268	0.12 269	0.06 129	0.04 24	0.06 125	0.05 131	0.04 21	0.04 49

IPLGR	0.11 216	0.09 344	0.16 381	0.18 323	0.08 144	0.12 237	0.17 355	0.21 284	0.24 358	0.11 190	0.12 194	0.11 210	0.08 165	0.12 222	0.12 269	0.06 129	0.05 209	0.06 125	0.06 212	0.04 21	0.04 49

GMOStereo	0.11 216	0.09 344	0.07 8	0.19 384	0.08 144	0.12 237	0.28 549	0.13 73	0.17 235	0.11 190	0.17 275	0.14 274	0.12 292	0.07 4	0.07 1	0.05 35	0.05 209	0.09 396	0.07 303	0.04 21	0.04 49

error version	0.11 216	0.09 344	0.07 8	0.19 384	0.08 144	0.12 237	0.28 549	0.13 73	0.17 235	0.11 190	0.17 275	0.14 274	0.12 292	0.07 4	0.07 1	0.05 35	0.05 209	0.09 396	0.07 303	0.04 21	0.04 49

test-v	0.11 216	0.09 344	0.07 8	0.19 384	0.08 144	0.12 237	0.28 549	0.13 73	0.17 235	0.11 190	0.17 275	0.14 274	0.12 292	0.07 4	0.07 1	0.05 35	0.05 209	0.09 396	0.07 303	0.04 21	0.04 49

ACRE	0.11 216	0.08 268	0.14 295	0.17 240	0.08 144	0.12 237	0.15 249	0.17 192	0.14 163	0.14 277	0.10 142	0.16 317	0.09 198	0.16 352	0.11 213	0.07 272	0.05 209	0.06 125	0.05 131	0.05 119	0.06 232

PFNet+	0.11 216	0.06 74	0.13 260	0.16 164	0.09 267	0.05 4	0.12 74	0.17 192	0.21 317	0.16 332	0.19 309	0.14 274	0.10 234	0.11 130	0.11 213	0.08 336	0.05 209	0.09 396	0.08 371	0.06 222	0.11 477

LCNet	0.11 216	0.07 167	0.09 86	0.19 384	0.09 267	0.08 59	0.15 249	0.21 284	0.15 183	0.11 190	0.15 239	0.16 317	0.11 259	0.12 222	0.11 213	0.05 35	0.04 24	0.08 312	0.07 303	0.06 222	0.15 534

HHNet	0.11 216	0.06 74	0.16 381	0.15 84	0.14 498	0.07 33	0.13 122	0.20 260	0.17 235	0.14 277	0.25 402	0.11 210	0.08 165	0.13 268	0.10 140	0.05 35	0.04 24	0.08 312	0.06 212	0.05 119	0.09 424

Patchmatch Stereo++	0.11 216	0.09 344	0.16 381	0.18 323	0.08 144	0.06 11	0.11 54	0.16 156	0.13 138	0.15 304	0.16 253	0.14 274	0.12 292	0.11 130	0.10 140	0.06 129	0.04 24	0.08 312	0.06 212	0.08 355	0.07 315
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	0.11 216	0.07 167	0.16 381	0.19 384	0.09 267	0.08 59	0.13 122	0.18 223	0.13 138	0.16 332	0.21 342	0.13 254	0.14 355	0.11 130	0.14 350	0.06 129	0.04 24	0.09 396	0.06 212	0.06 222	0.05 144

OMP-Stereo	0.11 216	0.06 74	0.14 295	0.18 323	0.08 144	0.09 95	0.12 74	0.21 284	0.21 317	0.13 255	0.14 222	0.11 210	0.12 292	0.11 130	0.13 311	0.06 129	0.04 24	0.07 227	0.06 212	0.05 119	0.04 49

IIG-Stereo	0.11 216	0.06 74	0.13 260	0.17 240	0.08 144	0.11 194	0.12 74	0.22 307	0.17 235	0.14 277	0.17 275	0.11 210	0.12 292	0.12 222	0.12 269	0.06 129	0.05 209	0.07 227	0.06 212	0.05 119	0.04 49

NF-Stereo	0.11 216	0.07 167	0.13 260	0.17 240	0.09 267	0.10 147	0.14 177	0.23 327	0.19 278	0.12 228	0.17 275	0.12 229	0.11 259	0.11 130	0.11 213	0.06 129	0.04 24	0.07 227	0.06 212	0.06 222	0.12 490

OCTAStereo	0.11 216	0.07 167	0.13 260	0.17 240	0.09 267	0.10 147	0.14 177	0.23 327	0.19 278	0.12 228	0.17 275	0.12 229	0.11 259	0.11 130	0.11 213	0.06 129	0.04 24	0.07 227	0.06 212	0.06 222	0.12 490

NRIStereo	0.11 216	0.08 268	0.14 295	0.18 323	0.08 144	0.10 147	0.14 177	0.16 156	0.15 183	0.12 228	0.14 222	0.13 254	0.12 292	0.13 268	0.10 140	0.06 129	0.04 24	0.07 227	0.06 212	0.06 222	0.07 315

PSM-adaLoss	0.11 216	0.09 344	0.16 381	0.18 323	0.08 144	0.06 11	0.12 74	0.16 156	0.13 138	0.15 304	0.16 253	0.14 274	0.12 292	0.11 130	0.10 140	0.06 129	0.04 24	0.08 312	0.06 212	0.08 355	0.07 315

PSM-AAD	0.11 216	0.07 167	0.10 131	0.19 384	0.09 267	0.10 147	0.15 249	0.20 260	0.13 138	0.12 228	0.14 222	0.18 351	0.11 259	0.11 130	0.10 140	0.05 35	0.05 209	0.09 396	0.08 371	0.06 222	0.14 527

ROB_FTStereo_v2	0.11 216	0.09 344	0.16 381	0.19 384	0.08 144	0.06 11	0.12 74	0.16 156	0.13 138	0.15 304	0.16 253	0.14 274	0.12 292	0.11 130	0.10 140	0.06 129	0.04 24	0.08 312	0.06 212	0.08 355	0.07 315

ROB_FTStereo	0.11 216	0.09 344	0.16 381	0.19 384	0.08 144	0.06 11	0.11 54	0.16 156	0.13 138	0.15 304	0.16 253	0.14 274	0.12 292	0.11 130	0.10 140	0.06 129	0.04 24	0.08 312	0.06 212	0.08 355	0.07 315

KYRaft	0.11 216	0.07 167	0.10 131	0.19 384	0.09 267	0.08 59	0.15 249	0.22 307	0.12 103	0.13 255	0.16 253	0.20 377	0.10 234	0.12 222	0.10 140	0.05 35	0.04 24	0.08 312	0.08 371	0.06 222	0.16 545

HUI-Stereo	0.11 216	0.09 344	0.16 381	0.18 323	0.08 144	0.06 11	0.12 74	0.16 156	0.13 138	0.15 304	0.16 253	0.14 274	0.12 292	0.11 130	0.10 140	0.06 129	0.04 24	0.08 312	0.06 212	0.08 355	0.07 315

ASMatch	0.11 216	0.06 74	0.13 260	0.16 164	0.10 370	0.07 33	0.14 177	0.17 192	0.17 235	0.12 228	0.16 253	0.16 317	0.10 234	0.13 268	0.10 140	0.05 35	0.04 24	0.06 125	0.05 131	0.04 21	0.08 379

RAFT_R40	0.11 216	0.07 167	0.14 295	0.18 323	0.09 267	0.06 11	0.13 122	0.17 192	0.16 212	0.14 277	0.18 300	0.15 303	0.12 292	0.10 80	0.11 213	0.06 129	0.04 24	0.09 396	0.06 212	0.06 222	0.05 144

GrayStereo	0.11 216	0.06 74	0.11 177	0.19 384	0.09 267	0.09 95	0.16 317	0.18 223	0.17 235	0.14 277	0.17 275	0.17 337	0.11 259	0.12 222	0.11 213	0.05 35	0.05 209	0.07 227	0.06 212	0.05 119	0.10 451

RE-Stereo	0.11 216	0.07 167	0.13 260	0.17 240	0.09 267	0.10 147	0.14 177	0.23 327	0.19 278	0.12 228	0.17 275	0.12 229	0.11 259	0.11 130	0.11 213	0.06 129	0.04 24	0.07 227	0.06 212	0.06 222	0.12 490

Pruner-Stereo	0.11 216	0.07 167	0.12 213	0.17 240	0.09 267	0.06 11	0.12 74	0.17 192	0.17 235	0.13 255	0.19 309	0.13 254	0.09 198	0.11 130	0.11 213	0.06 129	0.04 24	0.07 227	0.06 212	0.06 222	0.08 379

TVStereo	0.11 216	0.07 167	0.13 260	0.17 240	0.09 267	0.10 147	0.14 177	0.23 327	0.19 278	0.12 228	0.17 275	0.12 229	0.11 259	0.11 130	0.11 213	0.06 129	0.04 24	0.07 227	0.06 212	0.06 222	0.12 490

DeepStereo_RVC	0.11 216	0.08 268	0.16 381	0.18 323	0.08 144	0.08 59	0.12 74	0.17 192	0.12 103	0.13 255	0.14 222	0.12 229	0.12 292	0.12 222	0.11 213	0.06 129	0.04 24	0.07 227	0.06 212	0.07 292	0.08 379

iGMRVC	0.11 216	0.09 344	0.16 381	0.19 384	0.08 144	0.06 11	0.12 74	0.16 156	0.13 138	0.15 304	0.16 253	0.14 274	0.12 292	0.11 130	0.10 140	0.06 129	0.04 24	0.08 312	0.06 212	0.08 355	0.07 315

RAFT-RH_RVC	0.11 216	0.06 74	0.14 295	0.16 164	0.09 267	0.12 237	0.12 74	0.17 192	0.12 103	0.13 255	0.41 533	0.11 210	0.10 234	0.13 268	0.12 269	0.05 35	0.04 24	0.08 312	0.05 131	0.04 21	0.06 232

RAFT-345	0.11 216	0.07 167	0.15 347	0.16 164	0.08 144	0.08 59	0.12 74	0.15 126	0.10 45	0.11 190	0.36 496	0.09 150	0.09 198	0.11 130	0.12 269	0.05 35	0.05 209	0.07 227	0.06 212	0.04 21	0.05 144

iRAFT	0.11 216	0.09 344	0.16 381	0.18 323	0.08 144	0.06 11	0.11 54	0.16 156	0.13 138	0.15 304	0.16 253	0.14 274	0.12 292	0.11 130	0.10 140	0.06 129	0.04 24	0.08 312	0.06 212	0.08 355	0.07 315

CRE-IMP	0.11 216	0.09 344	0.16 381	0.19 384	0.08 144	0.10 147	0.12 74	0.18 223	0.10 45	0.14 277	0.13 208	0.13 254	0.12 292	0.12 222	0.11 213	0.07 272	0.04 24	0.08 312	0.06 212	0.08 355	0.08 379

test-2	0.11 216	0.09 344	0.07 8	0.19 384	0.08 144	0.12 237	0.28 549	0.13 73	0.17 235	0.11 190	0.17 275	0.14 274	0.12 292	0.07 4	0.07 1	0.05 35	0.05 209	0.09 396	0.07 303	0.04 21	0.04 49

GMM-Stereo	0.11 216	0.07 167	0.10 131	0.18 323	0.09 267	0.08 59	0.15 249	0.23 327	0.16 212	0.11 190	0.15 239	0.13 254	0.11 259	0.11 130	0.11 213	0.05 35	0.04 24	0.08 312	0.07 303	0.06 222	0.09 424

RAFT-IKP	0.11 216	0.09 344	0.16 381	0.19 384	0.08 144	0.06 11	0.12 74	0.16 156	0.13 138	0.15 304	0.16 253	0.14 274	0.12 292	0.11 130	0.10 140	0.06 129	0.04 24	0.08 312	0.06 212	0.08 355	0.07 315

Prome-Stereo	0.11 216	0.06 74	0.10 131	0.18 323	0.08 144	0.12 237	0.15 249	0.22 307	0.13 138	0.12 228	0.17 275	0.13 254	0.08 165	0.12 222	0.10 140	0.05 35	0.04 24	0.07 227	0.06 212	0.06 222	0.09 424

rafts_anoy	0.11 216	0.06 74	0.10 131	0.17 240	0.08 144	0.10 147	0.14 177	0.17 192	0.14 163	0.13 255	0.13 208	0.12 229	0.10 234	0.11 130	0.12 269	0.07 272	0.04 24	0.09 396	0.11 491	0.07 292	0.06 232

raft+_RVC	0.11 216	0.07 167	0.09 86	0.16 164	0.07 84	0.10 147	0.11 54	0.24 350	0.20 302	0.12 228	0.15 239	0.12 229	0.08 165	0.12 222	0.13 311	0.07 272	0.04 24	0.07 227	0.06 212	0.05 119	0.05 144

RALAANet	0.11 216	0.08 268	0.10 131	0.17 240	0.09 267	0.14 313	0.10 31	0.20 260	0.15 183	0.14 277	0.13 208	0.16 317	0.09 198	0.12 222	0.11 213	0.06 129	0.05 209	0.07 227	0.06 212	0.05 119	0.04 49

DIP-Stereo	0.11 216	0.07 167	0.14 295	0.17 240	0.09 267	0.13 281	0.09 18	0.16 156	0.16 212	0.11 190	0.16 253	0.14 274	0.12 292	0.15 318	0.13 311	0.06 129	0.05 209	0.06 125	0.05 131	0.05 119	0.06 232
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0083	0.12 283	0.08 268	0.17 411	0.16 164	0.09 267	0.11 194	0.15 249	0.14 94	0.26 393	0.11 190	0.14 222	0.13 254	0.10 234	0.12 222	0.12 269	0.10 436	0.08 442	0.09 396	0.07 303	0.07 292	0.05 144

rvit_stereo_ft	0.12 283	0.07 167	0.13 260	0.19 384	0.10 370	0.12 237	0.17 355	0.16 156	0.16 212	0.12 228	0.13 208	0.15 303	0.10 234	0.14 296	0.13 311	0.09 395	0.06 341	0.08 312	0.07 303	0.07 292	0.05 144

test_sample2	0.12 283	0.07 167	0.12 213	0.14 41	0.08 144	0.16 370	0.18 400	0.21 284	0.16 212	0.14 277	0.20 321	0.19 365	0.15 373	0.15 318	0.12 269	0.08 336	0.05 209	0.07 227	0.06 212	0.08 355	0.07 315

MyStereo8	0.12 283	0.07 167	0.15 347	0.15 84	0.09 267	0.18 410	0.14 177	0.19 247	0.22 332	0.12 228	0.18 300	0.11 210	0.10 234	0.16 352	0.18 428	0.07 272	0.05 209	0.07 227	0.05 131	0.08 355	0.09 424

CoDeX	0.12 283	0.07 167	0.12 213	0.17 240	0.08 144	0.12 237	0.15 249	0.23 327	0.27 403	0.13 255	0.17 275	0.16 317	0.11 259	0.14 296	0.11 213	0.07 272	0.05 209	0.07 227	0.06 212	0.06 222	0.05 144

11t1	0.12 283	0.06 74	0.13 260	0.14 41	0.08 144	0.17 391	0.15 249	0.18 223	0.15 183	0.15 304	0.15 239	0.16 317	0.16 399	0.15 318	0.13 311	0.08 336	0.05 209	0.06 125	0.05 131	0.08 355	0.07 315

ffm	0.12 283	0.09 344	0.14 295	0.16 164	0.08 144	0.17 391	0.17 355	0.15 126	0.19 278	0.15 304	0.25 402	0.19 365	0.13 330	0.10 80	0.07 1	0.06 129	0.04 24	0.09 396	0.08 371	0.06 222	0.06 232

RAFT_CTSACE	0.12 283	0.09 344	0.10 131	0.22 489	0.08 144	0.12 237	0.24 511	0.18 223	0.16 212	0.20 417	0.27 428	0.13 254	0.07 125	0.13 268	0.09 61	0.05 35	0.06 341	0.08 312	0.07 303	0.04 21	0.04 49

Sa-1000	0.12 283	0.08 268	0.08 38	0.18 323	0.08 144	0.14 313	0.22 488	0.22 307	0.18 262	0.15 304	0.20 321	0.17 337	0.11 259	0.10 80	0.10 140	0.06 129	0.05 209	0.09 396	0.09 420	0.05 119	0.05 144

SA	0.12 283	0.09 344	0.08 38	0.18 323	0.08 144	0.12 237	0.24 511	0.23 327	0.18 262	0.17 348	0.27 428	0.14 274	0.11 259	0.11 130	0.11 213	0.05 35	0.05 209	0.09 396	0.08 371	0.05 119	0.04 49

iRaft-Stereo_5w	0.12 283	0.09 344	0.12 213	0.19 384	0.08 144	0.09 95	0.12 74	0.21 284	0.21 317	0.19 394	0.14 222	0.11 210	0.09 198	0.20 446	0.16 395	0.05 35	0.05 209	0.07 227	0.06 212	0.05 119	0.06 232

CrosDoStereo	0.12 283	0.06 74	0.12 213	0.14 41	0.08 144	0.12 237	0.15 249	0.17 192	0.22 332	0.19 394	0.24 373	0.15 303	0.11 259	0.11 130	0.12 269	0.06 129	0.04 24	0.07 227	0.07 303	0.05 119	0.05 144

PSM-softLoss	0.12 283	0.07 167	0.15 347	0.17 240	0.09 267	0.08 59	0.13 122	0.24 350	0.17 235	0.14 277	0.19 309	0.13 254	0.11 259	0.11 130	0.11 213	0.07 272	0.05 209	0.08 312	0.07 303	0.06 222	0.12 490

KMStereo	0.12 283	0.07 167	0.15 347	0.17 240	0.09 267	0.08 59	0.13 122	0.24 350	0.17 235	0.14 277	0.19 309	0.13 254	0.11 259	0.11 130	0.11 213	0.07 272	0.05 209	0.08 312	0.07 303	0.06 222	0.12 490

FTStereo	0.12 283	0.06 74	0.14 295	0.18 323	0.09 267	0.07 33	0.15 249	0.21 284	0.18 262	0.12 228	0.24 373	0.12 229	0.12 292	0.13 268	0.13 311	0.05 35	0.05 209	0.07 227	0.06 212	0.06 222	0.10 451

DeepStereo_LL	0.12 283	0.06 74	0.12 213	0.14 41	0.08 144	0.12 237	0.15 249	0.17 192	0.22 332	0.19 394	0.24 373	0.15 303	0.11 259	0.11 130	0.12 269	0.06 129	0.04 24	0.07 227	0.07 303	0.05 119	0.05 144

DEmStereo	0.12 283	0.06 74	0.14 295	0.14 41	0.10 370	0.16 370	0.15 249	0.16 156	0.24 358	0.17 348	0.24 373	0.13 254	0.14 355	0.12 222	0.13 311	0.05 35	0.04 24	0.07 227	0.06 212	0.05 119	0.05 144

THIR-Stereo	0.12 283	0.07 167	0.11 177	0.15 84	0.08 144	0.14 313	0.16 317	0.17 192	0.25 379	0.16 332	0.24 373	0.14 274	0.12 292	0.12 222	0.14 350	0.06 129	0.04 24	0.07 227	0.07 303	0.05 119	0.05 144

DRaft	0.12 283	0.06 74	0.11 177	0.14 41	0.09 267	0.14 313	0.17 355	0.21 284	0.30 434	0.17 348	0.28 442	0.10 184	0.15 373	0.10 80	0.12 269	0.05 35	0.04 24	0.07 227	0.06 212	0.05 119	0.05 144

PFNet	0.12 283	0.06 74	0.17 411	0.17 240	0.08 144	0.09 95	0.15 249	0.26 384	0.20 302	0.16 332	0.16 253	0.14 274	0.11 259	0.12 222	0.11 213	0.06 129	0.04 24	0.07 227	0.06 212	0.05 119	0.05 144

IRAFT_RVC	0.12 283	0.08 268	0.16 381	0.19 384	0.08 144	0.07 33	0.15 249	0.24 350	0.23 342	0.14 277	0.14 222	0.15 303	0.12 292	0.12 222	0.10 140	0.06 129	0.04 24	0.09 396	0.06 212	0.06 222	0.06 232

sCroCo_RVC	0.12 283	0.09 344	0.23 481	0.24 519	0.11 422	0.19 433	0.14 177	0.17 192	0.14 163	0.10 157	0.13 208	0.12 229	0.07 125	0.14 296	0.11 213	0.08 336	0.08 442	0.08 312	0.08 371	0.05 119	0.07 315

ARAFT	0.12 283	0.08 268	0.17 411	0.19 384	0.09 267	0.14 313	0.18 400	0.20 260	0.12 103	0.12 228	0.13 208	0.14 274	0.11 259	0.15 318	0.12 269	0.06 129	0.05 209	0.10 444	0.09 420	0.05 119	0.04 49

BEATNet_4x	0.12 283	0.08 268	0.14 295	0.18 323	0.07 84	0.15 340	0.07 3	0.22 307	0.18 262	0.16 332	0.19 309	0.18 351	0.14 355	0.16 352	0.15 379	0.07 272	0.05 209	0.05 34	0.05 131	0.06 222	0.06 232

MLCV	0.12 283	0.07 167	0.16 381	0.18 323	0.06 16	0.15 340	0.17 355	0.19 247	0.21 317	0.18 378	0.25 402	0.17 337	0.13 330	0.14 296	0.13 311	0.05 35	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

WQFJA1	0.13 308	0.09 344	0.10 131	0.20 443	0.10 370	0.11 194	0.15 249	0.26 384	0.39 498	0.10 157	0.15 239	0.11 210	0.11 259	0.11 130	0.13 311	0.07 272	0.06 341	0.08 312	0.08 371	0.06 222	0.06 232

WQFJX1	0.13 308	0.09 344	0.10 131	0.20 443	0.10 370	0.11 194	0.15 249	0.26 384	0.39 498	0.10 157	0.15 239	0.11 210	0.11 259	0.11 130	0.13 311	0.07 272	0.06 341	0.08 312	0.08 371	0.06 222	0.06 232

G2L-ROB	0.13 308	0.06 74	0.13 260	0.13 14	0.08 144	0.14 313	0.16 317	0.25 366	0.18 262	0.19 394	0.18 300	0.20 377	0.14 355	0.17 384	0.16 395	0.08 336	0.05 209	0.06 125	0.05 131	0.08 355	0.09 424

xyz-stereo	0.13 308	0.07 167	0.20 457	0.15 84	0.05 1	0.20 448	0.15 249	0.17 192	0.31 441	0.15 304	0.29 454	0.26 452	0.16 399	0.13 268	0.12 269	0.05 35	0.05 209	0.06 125	0.05 131	0.04 21	0.04 49

DFGA-Net	0.13 308	0.11 431	0.18 434	0.17 240	0.10 370	0.12 237	0.13 122	0.22 307	0.25 379	0.16 332	0.16 253	0.13 254	0.12 292	0.16 352	0.14 350	0.07 272	0.05 209	0.08 312	0.07 303	0.05 119	0.05 144

FACV-RUCA	0.13 308	0.11 431	0.12 213	0.19 384	0.12 455	0.15 340	0.15 249	0.22 307	0.20 302	0.15 304	0.16 253	0.14 274	0.16 399	0.14 296	0.13 311	0.07 272	0.05 209	0.08 312	0.06 212	0.10 450	0.08 379

UGAM	0.13 308	0.10 405	0.09 86	0.22 489	0.08 144	0.12 237	0.20 461	0.17 192	0.23 342	0.21 431	0.16 253	0.13 254	0.13 330	0.19 421	0.12 269	0.07 272	0.05 209	0.13 509	0.11 491	0.07 292	0.05 144

test_sample1	0.13 308	0.07 167	0.14 295	0.13 14	0.08 144	0.19 433	0.16 317	0.20 260	0.15 183	0.14 277	0.22 352	0.18 351	0.16 399	0.17 384	0.14 350	0.07 272	0.06 341	0.06 125	0.06 212	0.08 355	0.07 315

qqq1	0.13 308	0.07 167	0.17 411	0.14 41	0.08 144	0.16 370	0.17 355	0.26 384	0.27 403	0.19 394	0.20 321	0.18 351	0.15 373	0.15 318	0.11 213	0.08 336	0.05 209	0.05 34	0.05 131	0.06 222	0.06 232

fff1	0.13 308	0.07 167	0.17 411	0.14 41	0.08 144	0.16 370	0.17 355	0.26 384	0.27 403	0.19 394	0.20 321	0.18 351	0.15 373	0.15 318	0.11 213	0.08 336	0.05 209	0.05 34	0.05 131	0.06 222	0.06 232

MyStereo05	0.13 308	0.07 167	0.10 131	0.17 240	0.09 267	0.13 281	0.18 400	0.27 407	0.35 476	0.17 348	0.14 222	0.15 303	0.11 259	0.15 318	0.13 311	0.06 129	0.05 209	0.07 227	0.07 303	0.06 222	0.06 232

MyStereo04	0.13 308	0.07 167	0.10 131	0.17 240	0.09 267	0.14 313	0.18 400	0.29 438	0.38 495	0.17 348	0.14 222	0.16 317	0.10 234	0.15 318	0.13 311	0.06 129	0.05 209	0.08 312	0.07 303	0.06 222	0.06 232

ff1	0.13 308	0.09 344	0.14 295	0.16 164	0.08 144	0.17 391	0.17 355	0.15 126	0.19 278	0.15 304	0.25 402	0.19 365	0.13 330	0.14 296	0.20 447	0.06 129	0.04 24	0.09 396	0.08 371	0.06 222	0.06 232

StereoVision	0.13 308	0.12 449	0.09 86	0.24 519	0.10 370	0.15 340	0.21 478	0.21 284	0.20 302	0.12 228	0.24 373	0.10 184	0.10 234	0.16 352	0.10 140	0.09 395	0.11 504	0.12 494	0.12 510	0.06 222	0.05 144

LL-Strereo	0.13 308	0.09 344	0.11 177	0.20 443	0.10 370	0.11 194	0.18 400	0.32 473	0.24 358	0.15 304	0.15 239	0.14 274	0.13 330	0.19 421	0.11 213	0.06 129	0.04 24	0.09 396	0.08 371	0.04 21	0.05 144

CASS	0.13 308	0.12 449	0.11 177	0.23 510	0.09 267	0.15 340	0.17 355	0.18 223	0.19 278	0.17 348	0.18 300	0.15 303	0.15 373	0.14 296	0.14 350	0.09 395	0.06 341	0.10 444	0.08 371	0.09 418	0.07 315
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 308	0.07 167	0.13 260	0.18 323	0.09 267	0.13 281	0.17 355	0.19 247	0.29 424	0.15 304	0.24 373	0.15 303	0.14 355	0.14 296	0.14 350	0.07 272	0.05 209	0.07 227	0.09 420	0.05 119	0.06 232

TestStereo1	0.13 308	0.08 268	0.08 38	0.19 384	0.08 144	0.18 410	0.29 558	0.23 327	0.16 212	0.17 348	0.20 321	0.16 317	0.10 234	0.12 222	0.13 311	0.06 129	0.06 341	0.08 312	0.06 212	0.05 119	0.05 144

qqq	0.13 308	0.09 344	0.15 347	0.16 164	0.08 144	0.13 281	0.15 249	0.23 327	0.16 212	0.15 304	0.19 309	0.16 317	0.16 399	0.15 318	0.16 395	0.07 272	0.06 341	0.08 312	0.08 371	0.07 292	0.07 315

x	0.13 308	0.07 167	0.14 295	0.14 41	0.08 144	0.18 410	0.14 177	0.22 307	0.20 302	0.15 304	0.19 309	0.19 365	0.17 422	0.18 406	0.18 428	0.07 272	0.05 209	0.06 125	0.06 212	0.07 292	0.07 315

raft_robust	0.13 308	0.10 405	0.07 8	0.18 323	0.08 144	0.13 281	0.24 511	0.28 427	0.33 455	0.20 417	0.19 309	0.14 274	0.10 234	0.11 130	0.12 269	0.05 35	0.05 209	0.07 227	0.07 303	0.05 119	0.04 49

RAFT+CT+SA	0.13 308	0.11 431	0.09 86	0.19 384	0.09 267	0.15 340	0.28 549	0.22 307	0.22 332	0.15 304	0.26 419	0.10 184	0.10 234	0.11 130	0.12 269	0.05 35	0.04 24	0.07 227	0.08 371	0.07 292	0.06 232

SA-5K	0.13 308	0.08 268	0.08 38	0.19 384	0.08 144	0.18 410	0.29 558	0.23 327	0.16 212	0.17 348	0.20 321	0.16 317	0.10 234	0.12 222	0.13 311	0.06 129	0.06 341	0.08 312	0.06 212	0.05 119	0.05 144

GwcNet-ADL	0.13 308	0.08 268	0.14 295	0.20 443	0.09 267	0.11 194	0.20 461	0.30 452	0.24 358	0.13 255	0.14 222	0.18 351	0.14 355	0.13 268	0.14 350	0.07 272	0.05 209	0.06 125	0.05 131	0.07 292	0.06 232

GANet-ADL	0.13 308	0.07 167	0.15 347	0.17 240	0.10 370	0.18 410	0.15 249	0.30 452	0.20 302	0.13 255	0.18 300	0.19 365	0.12 292	0.16 352	0.13 311	0.08 336	0.06 341	0.06 125	0.05 131	0.07 292	0.08 379

RAFT	0.13 308	0.09 344	0.11 177	0.18 323	0.08 144	0.15 340	0.24 511	0.20 260	0.19 278	0.21 431	0.21 342	0.17 337	0.12 292	0.16 352	0.09 61	0.06 129	0.07 416	0.10 444	0.09 420	0.05 119	0.05 144

TestStereo	0.13 308	0.14 490	0.11 177	0.23 510	0.08 144	0.15 340	0.21 478	0.20 260	0.23 342	0.14 277	0.24 373	0.16 317	0.12 292	0.16 352	0.14 350	0.05 35	0.06 341	0.08 312	0.06 212	0.09 418	0.05 144

sAnonymous2	0.13 308	0.12 449	0.24 485	0.20 443	0.12 455	0.17 391	0.13 122	0.26 384	0.21 317	0.11 190	0.11 180	0.13 254	0.08 165	0.10 80	0.10 140	0.09 395	0.05 209	0.08 312	0.06 212	0.15 534	0.10 451

CroCo_RVC	0.13 308	0.12 449	0.24 485	0.20 443	0.12 455	0.17 391	0.13 122	0.26 384	0.21 317	0.11 190	0.11 180	0.13 254	0.08 165	0.10 80	0.10 140	0.09 395	0.05 209	0.08 312	0.06 212	0.15 534	0.10 451

RAFT + AFF	0.13 308	0.07 167	0.20 457	0.20 443	0.10 370	0.14 313	0.24 511	0.26 384	0.20 302	0.11 190	0.10 142	0.12 229	0.10 234	0.15 318	0.12 269	0.07 272	0.06 341	0.09 396	0.08 371	0.06 222	0.08 379

GMStereo	0.13 308	0.14 490	0.14 295	0.18 323	0.09 267	0.15 340	0.16 317	0.20 260	0.24 358	0.16 332	0.17 275	0.10 184	0.10 234	0.16 352	0.13 311	0.07 272	0.06 341	0.06 125	0.06 212	0.07 292	0.06 232
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 308	0.07 167	0.14 295	0.17 240	0.09 267	0.15 340	0.16 317	0.28 427	0.27 403	0.14 277	0.17 275	0.12 229	0.13 330	0.14 296	0.11 213	0.08 336	0.05 209	0.07 227	0.07 303	0.07 292	0.06 232

FENet	0.13 308	0.08 268	0.12 213	0.16 164	0.08 144	0.14 313	0.15 249	0.22 307	0.23 342	0.17 348	0.23 361	0.16 317	0.12 292	0.14 296	0.15 379	0.08 336	0.05 209	0.08 312	0.08 371	0.07 292	0.07 315

cf-r	0.13 308	0.07 167	0.12 213	0.16 164	0.08 144	0.14 313	0.19 440	0.20 260	0.25 379	0.17 348	0.25 402	0.21 386	0.16 399	0.14 296	0.14 350	0.10 436	0.05 209	0.06 125	0.08 371	0.06 222	0.06 232

iResNet	0.13 308	0.10 405	0.18 434	0.19 384	0.08 144	0.13 281	0.18 400	0.20 260	0.26 393	0.15 304	0.23 361	0.15 303	0.13 330	0.14 296	0.14 350	0.06 129	0.04 24	0.06 125	0.05 131	0.06 222	0.05 144

DN-CSS_ROB	0.13 308	0.13 478	0.16 381	0.18 323	0.10 370	0.16 370	0.08 7	0.22 307	0.18 262	0.17 348	0.22 352	0.13 254	0.13 330	0.12 222	0.13 311	0.05 35	0.05 209	0.10 444	0.10 459	0.08 355	0.06 232

WQFJX	0.14 344	0.09 344	0.12 213	0.25 531	0.11 422	0.11 194	0.16 317	0.38 538	0.43 521	0.13 255	0.16 253	0.10 184	0.09 198	0.17 384	0.14 350	0.06 129	0.06 341	0.08 312	0.06 212	0.04 21	0.05 144

G2L-Stereo_test	0.14 344	0.07 167	0.11 177	0.13 14	0.08 144	0.12 237	0.16 317	0.30 452	0.28 417	0.20 417	0.23 361	0.20 377	0.16 399	0.17 384	0.18 428	0.07 272	0.05 209	0.05 34	0.05 131	0.07 292	0.06 232

coex_refinement	0.14 344	0.07 167	0.12 213	0.17 240	0.10 370	0.15 340	0.15 249	0.26 384	0.29 424	0.18 378	0.20 321	0.22 404	0.17 422	0.16 352	0.18 428	0.08 336	0.05 209	0.06 125	0.06 212	0.09 418	0.08 379

G2L-Stereo	0.14 344	0.07 167	0.13 260	0.17 240	0.09 267	0.13 281	0.12 74	0.27 407	0.22 332	0.16 332	0.27 428	0.21 386	0.13 330	0.17 384	0.18 428	0.09 395	0.08 442	0.08 312	0.07 303	0.07 292	0.07 315

rvit_0105_6	0.14 344	0.09 344	0.18 434	0.17 240	0.10 370	0.10 147	0.16 317	0.19 247	0.26 393	0.12 228	0.18 300	0.17 337	0.12 292	0.18 406	0.12 269	0.15 531	0.11 504	0.12 494	0.10 459	0.09 418	0.06 232

rvit_0105_5	0.14 344	0.09 344	0.13 260	0.17 240	0.09 267	0.14 313	0.23 499	0.24 350	0.27 403	0.14 277	0.15 239	0.18 351	0.12 292	0.17 384	0.14 350	0.14 527	0.11 504	0.10 444	0.10 459	0.08 355	0.06 232

rvit_0105_4	0.14 344	0.09 344	0.17 411	0.17 240	0.10 370	0.12 237	0.19 440	0.23 327	0.27 403	0.14 277	0.20 321	0.17 337	0.13 330	0.17 384	0.13 311	0.15 531	0.11 504	0.11 475	0.10 459	0.09 418	0.06 232

DCVSM-stereo	0.14 344	0.09 344	0.16 381	0.16 164	0.10 370	0.15 340	0.09 18	0.19 247	0.23 342	0.20 417	0.23 361	0.26 452	0.15 373	0.18 406	0.14 350	0.09 395	0.07 416	0.09 396	0.08 371	0.10 450	0.12 490

test_sample6	0.14 344	0.08 268	0.13 260	0.16 164	0.08 144	0.17 391	0.19 440	0.25 366	0.17 235	0.17 348	0.27 428	0.19 365	0.14 355	0.15 318	0.13 311	0.08 336	0.05 209	0.08 312	0.07 303	0.08 355	0.08 379

test_sample5	0.14 344	0.08 268	0.14 295	0.16 164	0.08 144	0.18 410	0.18 400	0.25 366	0.17 235	0.17 348	0.27 428	0.18 351	0.14 355	0.16 352	0.13 311	0.08 336	0.05 209	0.08 312	0.07 303	0.08 355	0.08 379

test_sample4	0.14 344	0.08 268	0.14 295	0.15 84	0.08 144	0.19 433	0.18 400	0.26 384	0.17 235	0.16 332	0.25 402	0.18 351	0.14 355	0.16 352	0.13 311	0.08 336	0.06 341	0.08 312	0.06 212	0.08 355	0.08 379

test_sample3	0.14 344	0.08 268	0.15 347	0.14 41	0.09 267	0.19 433	0.17 355	0.26 384	0.18 262	0.16 332	0.22 352	0.19 365	0.15 373	0.17 384	0.13 311	0.08 336	0.06 341	0.07 227	0.06 212	0.09 418	0.08 379

DispNO	0.14 344	0.08 268	0.17 411	0.19 384	0.12 455	0.11 194	0.21 478	0.23 327	0.29 424	0.17 348	0.23 361	0.18 351	0.17 422	0.15 318	0.15 379	0.07 272	0.05 209	0.08 312	0.08 371	0.07 292	0.06 232

SMFormer	0.14 344	0.07 167	0.17 411	0.14 41	0.08 144	0.16 370	0.17 355	0.26 384	0.27 403	0.19 394	0.20 321	0.18 351	0.15 373	0.15 318	0.17 410	0.08 336	0.05 209	0.07 227	0.06 212	0.07 292	0.06 232

tta	0.14 344	0.07 167	0.17 411	0.14 41	0.08 144	0.16 370	0.17 355	0.26 384	0.27 403	0.19 394	0.20 321	0.18 351	0.15 373	0.15 318	0.17 410	0.08 336	0.05 209	0.07 227	0.06 212	0.06 222	0.06 232

mmm	0.14 344	0.08 268	0.17 411	0.17 240	0.09 267	0.17 391	0.18 400	0.21 284	0.15 183	0.15 304	0.23 361	0.21 386	0.16 399	0.16 352	0.17 410	0.08 336	0.05 209	0.08 312	0.07 303	0.07 292	0.07 315

DualNet	0.14 344	0.08 268	0.14 295	0.16 164	0.08 144	0.18 410	0.18 400	0.25 366	0.17 235	0.17 348	0.27 428	0.18 351	0.14 355	0.16 352	0.13 311	0.08 336	0.05 209	0.08 312	0.07 303	0.08 355	0.08 379

mmx	0.14 344	0.09 344	0.14 295	0.16 164	0.08 144	0.17 391	0.17 355	0.27 407	0.25 379	0.15 304	0.25 402	0.19 365	0.13 330	0.14 296	0.20 447	0.08 336	0.06 341	0.09 396	0.08 371	0.08 355	0.08 379

ttt	0.14 344	0.08 268	0.14 295	0.15 84	0.08 144	0.15 340	0.18 400	0.27 407	0.29 424	0.16 332	0.24 373	0.17 337	0.13 330	0.13 268	0.14 350	0.11 465	0.08 442	0.09 396	0.08 371	0.09 418	0.08 379

xxx	0.14 344	0.09 344	0.14 295	0.16 164	0.08 144	0.17 391	0.17 355	0.27 407	0.25 379	0.15 304	0.25 402	0.19 365	0.13 330	0.14 296	0.20 447	0.08 336	0.06 341	0.09 396	0.08 371	0.08 355	0.08 379

PCWNet_CMD	0.14 344	0.08 268	0.15 347	0.17 240	0.09 267	0.14 313	0.14 177	0.29 438	0.36 481	0.14 277	0.20 321	0.21 386	0.12 292	0.17 384	0.13 311	0.07 272	0.05 209	0.07 227	0.07 303	0.07 292	0.07 315

CBFPSM	0.14 344	0.06 74	0.26 493	0.17 240	0.09 267	0.13 281	0.15 249	0.22 307	0.23 342	0.20 417	0.27 428	0.24 428	0.16 399	0.16 352	0.18 428	0.06 129	0.06 341	0.06 125	0.07 303	0.07 292	0.07 315

gwcnet-sp	0.14 344	0.07 167	0.12 213	0.18 323	0.09 267	0.16 370	0.17 355	0.24 350	0.24 358	0.18 378	0.24 373	0.15 303	0.16 399	0.15 318	0.15 379	0.08 336	0.06 341	0.07 227	0.08 371	0.08 355	0.07 315

scenet	0.14 344	0.07 167	0.12 213	0.18 323	0.09 267	0.16 370	0.17 355	0.24 350	0.24 358	0.18 378	0.24 373	0.15 303	0.16 399	0.15 318	0.15 379	0.08 336	0.06 341	0.07 227	0.08 371	0.08 355	0.07 315

ssnet	0.14 344	0.07 167	0.12 213	0.18 323	0.09 267	0.16 370	0.17 355	0.24 350	0.24 358	0.18 378	0.24 373	0.15 303	0.16 399	0.15 318	0.15 379	0.08 336	0.06 341	0.07 227	0.08 371	0.08 355	0.07 315

BUS	0.14 344	0.09 344	0.14 295	0.22 489	0.10 370	0.19 433	0.14 177	0.34 501	0.19 278	0.17 348	0.22 352	0.16 317	0.13 330	0.15 318	0.13 311	0.08 336	0.06 341	0.10 444	0.09 420	0.07 292	0.07 315

IER	0.14 344	0.07 167	0.13 260	0.17 240	0.09 267	0.14 313	0.16 317	0.25 366	0.26 393	0.18 378	0.25 402	0.17 337	0.20 464	0.16 352	0.14 350	0.08 336	0.05 209	0.07 227	0.06 212	0.08 355	0.07 315

test_5	0.14 344	0.12 449	0.08 38	0.20 443	0.10 370	0.14 313	0.29 558	0.21 284	0.24 358	0.18 378	0.28 442	0.11 210	0.15 373	0.12 222	0.13 311	0.06 129	0.05 209	0.07 227	0.08 371	0.08 355	0.07 315

psmg	0.14 344	0.09 344	0.14 295	0.17 240	0.10 370	0.15 340	0.17 355	0.29 438	0.19 278	0.17 348	0.21 342	0.25 442	0.16 399	0.15 318	0.14 350	0.08 336	0.06 341	0.08 312	0.08 371	0.07 292	0.06 232

UDGNet	0.14 344	0.13 478	0.16 381	0.17 240	0.10 370	0.12 237	0.16 317	0.21 284	0.27 403	0.20 417	0.20 321	0.16 317	0.13 330	0.16 352	0.13 311	0.10 436	0.06 341	0.09 396	0.07 303	0.06 222	0.07 315

CFNet_pseudo	0.14 344	0.08 268	0.15 347	0.16 164	0.09 267	0.13 281	0.14 177	0.27 407	0.34 467	0.14 277	0.21 342	0.22 404	0.13 330	0.18 406	0.14 350	0.07 272	0.05 209	0.08 312	0.06 212	0.07 292	0.07 315

GES	0.14 344	0.08 268	0.16 381	0.15 84	0.10 370	0.13 281	0.13 122	0.28 427	0.25 379	0.16 332	0.23 361	0.18 351	0.13 330	0.16 352	0.13 311	0.08 336	0.07 416	0.07 227	0.06 212	0.08 355	0.09 424

GANet-RSSM	0.14 344	0.07 167	0.13 260	0.13 14	0.08 144	0.14 313	0.17 355	0.22 307	0.21 317	0.17 348	0.24 373	0.23 422	0.15 373	0.16 352	0.15 379	0.10 436	0.06 341	0.07 227	0.08 371	0.08 355	0.07 315

PSMNet-RSSM	0.14 344	0.07 167	0.13 260	0.15 84	0.08 144	0.13 281	0.16 317	0.24 350	0.24 358	0.16 332	0.28 442	0.22 404	0.14 355	0.15 318	0.13 311	0.11 465	0.06 341	0.09 396	0.12 510	0.08 355	0.07 315

GwcNet-RSSM	0.14 344	0.07 167	0.12 213	0.15 84	0.08 144	0.15 340	0.20 461	0.21 284	0.27 403	0.18 378	0.27 428	0.22 404	0.16 399	0.14 296	0.15 379	0.10 436	0.05 209	0.07 227	0.09 420	0.07 292	0.07 315

CFNet-ft	0.14 344	0.07 167	0.15 347	0.12 5	0.09 267	0.16 370	0.18 400	0.22 307	0.24 358	0.17 348	0.26 419	0.24 428	0.14 355	0.16 352	0.14 350	0.11 465	0.06 341	0.08 312	0.09 420	0.09 418	0.08 379

DMCA	0.14 344	0.09 344	0.16 381	0.19 384	0.09 267	0.15 340	0.17 355	0.23 327	0.27 403	0.14 277	0.19 309	0.17 337	0.18 436	0.15 318	0.17 410	0.10 436	0.06 341	0.08 312	0.06 212	0.09 418	0.10 451

RASNet	0.14 344	0.07 167	0.14 295	0.16 164	0.08 144	0.18 410	0.14 177	0.29 438	0.20 302	0.17 348	0.25 402	0.21 386	0.18 436	0.20 446	0.19 441	0.07 272	0.06 341	0.06 125	0.08 371	0.06 222	0.06 232

MSMDNet	0.14 344	0.08 268	0.15 347	0.17 240	0.09 267	0.14 313	0.14 177	0.29 438	0.36 481	0.14 277	0.21 342	0.21 386	0.12 292	0.17 384	0.14 350	0.07 272	0.05 209	0.07 227	0.07 303	0.07 292	0.07 315

HSM-Net_RVC	0.14 344	0.08 268	0.11 177	0.15 84	0.08 144	0.15 340	0.15 249	0.27 407	0.29 424	0.19 394	0.21 342	0.29 478	0.14 355	0.17 384	0.13 311	0.06 129	0.06 341	0.06 125	0.06 212	0.07 292	0.06 232
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 344	0.07 167	0.15 347	0.12 5	0.09 267	0.16 370	0.18 400	0.22 307	0.24 358	0.17 348	0.26 419	0.24 428	0.14 355	0.16 352	0.14 350	0.11 465	0.06 341	0.08 312	0.09 420	0.09 418	0.08 379

ccs_rob	0.14 344	0.08 268	0.15 347	0.16 164	0.09 267	0.12 237	0.14 177	0.27 407	0.34 467	0.14 277	0.21 342	0.22 404	0.13 330	0.18 406	0.14 350	0.07 272	0.05 209	0.08 312	0.07 303	0.07 292	0.07 315

UCFNet_RVC	0.14 344	0.08 268	0.13 260	0.11 1	0.10 370	0.20 448	0.10 31	0.24 350	0.22 332	0.17 348	0.20 321	0.23 422	0.15 373	0.17 384	0.15 379	0.12 490	0.07 416	0.10 444	0.13 520	0.11 473	0.10 451

iResNetv2_ROB	0.14 344	0.08 268	0.15 347	0.16 164	0.08 144	0.16 370	0.12 74	0.25 366	0.35 476	0.21 431	0.29 454	0.24 428	0.13 330	0.14 296	0.14 350	0.06 129	0.05 209	0.06 125	0.04 46	0.09 418	0.08 379

iResNet_ROB	0.14 344	0.07 167	0.13 260	0.14 41	0.07 84	0.18 410	0.14 177	0.26 384	0.31 441	0.22 447	0.25 402	0.23 422	0.15 373	0.15 318	0.13 311	0.07 272	0.05 209	0.05 34	0.04 46	0.08 355	0.08 379

DDVS	0.15 389	0.10 405	0.21 466	0.16 164	0.12 455	0.15 340	0.14 177	0.25 366	0.19 278	0.18 378	0.29 454	0.27 460	0.12 292	0.19 421	0.15 379	0.09 395	0.06 341	0.09 396	0.07 303	0.11 473	0.11 477

rvit_0105_3	0.15 389	0.09 344	0.14 295	0.19 384	0.12 455	0.15 340	0.25 527	0.25 366	0.29 424	0.15 304	0.17 275	0.20 377	0.13 330	0.17 384	0.14 350	0.13 513	0.11 504	0.12 494	0.14 523	0.07 292	0.06 232

ACV-stereo	0.15 389	0.10 405	0.28 506	0.18 323	0.12 455	0.14 313	0.12 74	0.23 327	0.21 317	0.19 394	0.23 361	0.22 404	0.15 373	0.23 487	0.17 410	0.07 272	0.06 341	0.07 227	0.07 303	0.07 292	0.07 315

ITSA-stereo	0.15 389	0.10 405	0.14 295	0.19 384	0.08 144	0.12 237	0.14 177	0.30 452	0.49 542	0.17 348	0.19 309	0.22 404	0.15 373	0.17 384	0.16 395	0.10 436	0.06 341	0.08 312	0.08 371	0.08 355	0.08 379

test_sample7	0.15 389	0.10 405	0.16 381	0.14 41	0.11 422	0.16 370	0.16 317	0.27 407	0.23 342	0.20 417	0.20 321	0.24 428	0.19 452	0.16 352	0.16 395	0.12 490	0.06 341	0.10 444	0.09 420	0.10 450	0.10 451

1111x	0.15 389	0.08 268	0.12 213	0.18 323	0.07 84	0.18 410	0.25 527	0.31 462	0.24 358	0.17 348	0.24 373	0.26 452	0.15 373	0.13 268	0.23 488	0.07 272	0.07 416	0.08 312	0.09 420	0.07 292	0.06 232

CFNet_ucs	0.15 389	0.08 268	0.16 381	0.16 164	0.11 422	0.14 313	0.14 177	0.30 452	0.34 467	0.16 332	0.24 373	0.23 422	0.14 355	0.18 406	0.15 379	0.09 395	0.06 341	0.08 312	0.07 303	0.09 418	0.09 424

BSDual-CNN	0.15 389	0.09 344	0.14 295	0.22 489	0.10 370	0.14 313	0.15 249	0.34 501	0.19 278	0.17 348	0.22 352	0.25 442	0.16 399	0.15 318	0.14 350	0.08 336	0.06 341	0.10 444	0.09 420	0.07 292	0.07 315

hknet	0.15 389	0.11 431	0.13 260	0.22 489	0.11 422	0.14 313	0.15 249	0.34 501	0.25 379	0.17 348	0.22 352	0.22 404	0.18 436	0.17 384	0.12 269	0.07 272	0.06 341	0.10 444	0.09 420	0.07 292	0.07 315

dd	0.15 389	0.16 508	0.16 381	0.19 384	0.09 267	0.15 340	0.18 400	0.21 284	0.25 379	0.23 459	0.20 321	0.21 386	0.09 198	0.21 463	0.16 395	0.10 436	0.06 341	0.08 312	0.06 212	0.08 355	0.06 232

DAS	0.15 389	0.08 268	0.18 434	0.19 384	0.10 370	0.19 433	0.17 355	0.27 407	0.29 424	0.18 378	0.25 402	0.21 386	0.15 373	0.16 352	0.12 269	0.08 336	0.06 341	0.06 125	0.06 212	0.07 292	0.07 315

SepStereo	0.15 389	0.08 268	0.18 434	0.19 384	0.10 370	0.19 433	0.17 355	0.27 407	0.29 424	0.18 378	0.25 402	0.21 386	0.15 373	0.25 501	0.12 269	0.08 336	0.06 341	0.06 125	0.06 212	0.07 292	0.07 315

PSMNet-ADL	0.15 389	0.12 449	0.13 260	0.22 489	0.09 267	0.13 281	0.20 461	0.26 384	0.23 342	0.18 378	0.20 321	0.24 428	0.16 399	0.18 406	0.17 410	0.08 336	0.08 442	0.08 312	0.11 491	0.08 355	0.07 315

LMCR-Stereo	0.15 389	0.08 268	0.13 260	0.21 474	0.09 267	0.17 391	0.20 461	0.27 407	0.19 278	0.24 468	0.24 373	0.23 422	0.17 422	0.20 446	0.17 410	0.07 272	0.06 341	0.08 312	0.06 212	0.10 450	0.08 379

ICVP	0.15 389	0.09 344	0.12 213	0.22 489	0.09 267	0.17 391	0.21 478	0.25 366	0.23 342	0.18 378	0.30 460	0.26 452	0.18 436	0.17 384	0.14 350	0.09 395	0.07 416	0.08 312	0.07 303	0.07 292	0.07 315
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 389	0.07 167	0.14 295	0.14 41	0.08 144	0.23 486	0.18 400	0.31 462	0.19 278	0.14 277	0.28 442	0.22 404	0.14 355	0.15 318	0.26 523	0.09 395	0.05 209	0.07 227	0.07 303	0.08 355	0.07 315

test_xeample	0.15 389	0.06 74	0.13 260	0.14 41	0.08 144	0.21 465	0.20 461	0.28 427	0.20 302	0.16 332	0.29 454	0.19 365	0.16 399	0.15 318	0.26 523	0.09 395	0.05 209	0.07 227	0.07 303	0.07 292	0.07 315

ACVNet	0.15 389	0.09 344	0.15 347	0.13 14	0.12 455	0.14 313	0.20 461	0.22 307	0.33 455	0.17 348	0.26 419	0.21 386	0.16 399	0.17 384	0.21 467	0.07 272	0.06 341	0.06 125	0.06 212	0.08 355	0.06 232

acv_ft	0.15 389	0.09 344	0.15 347	0.19 384	0.10 370	0.16 370	0.17 355	0.25 366	0.33 455	0.19 394	0.26 419	0.21 386	0.17 422	0.17 384	0.18 428	0.07 272	0.06 341	0.06 125	0.06 212	0.08 355	0.06 232

CFNet	0.15 389	0.10 405	0.17 411	0.17 240	0.08 144	0.18 410	0.09 18	0.28 427	0.25 379	0.19 394	0.24 373	0.24 428	0.17 422	0.17 384	0.14 350	0.08 336	0.06 341	0.09 396	0.10 459	0.07 292	0.06 232

AdaStereo	0.15 389	0.11 431	0.15 347	0.18 323	0.09 267	0.20 448	0.11 54	0.32 473	0.28 417	0.20 417	0.23 361	0.20 377	0.13 330	0.19 421	0.14 350	0.12 490	0.05 209	0.10 444	0.07 303	0.09 418	0.07 315
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	0.15 389	0.08 268	0.14 295	0.16 164	0.09 267	0.16 370	0.14 177	0.28 427	0.25 379	0.19 394	0.23 361	0.37 530	0.16 399	0.20 446	0.15 379	0.07 272	0.05 209	0.07 227	0.06 212	0.07 292	0.06 232

pmcnn	0.15 389	0.07 167	0.19 445	0.15 84	0.07 84	0.20 448	0.15 249	0.24 350	0.26 393	0.21 431	0.34 488	0.28 470	0.18 436	0.18 406	0.17 410	0.07 272	0.05 209	0.05 34	0.04 46	0.07 292	0.06 232

DualNet (step1)	0.16 412	0.12 449	0.20 457	0.12 5	0.14 498	0.17 391	0.13 122	0.27 407	0.23 342	0.20 417	0.20 321	0.24 428	0.19 452	0.16 352	0.16 395	0.15 531	0.06 341	0.14 521	0.14 523	0.14 519	0.12 490

GMStereo_Zeroshot	0.16 412	0.13 478	0.24 485	0.20 443	0.10 370	0.17 391	0.13 122	0.29 438	0.25 379	0.23 459	0.32 472	0.25 442	0.11 259	0.19 421	0.14 350	0.09 395	0.06 341	0.11 475	0.06 212	0.12 488	0.08 379

iinet-f	0.16 412	0.06 74	0.45 550	0.14 41	0.10 370	0.21 465	0.14 177	0.27 407	0.23 342	0.21 431	0.24 373	0.21 386	0.15 373	0.18 406	0.21 467	0.09 395	0.07 416	0.07 227	0.06 212	0.09 418	0.10 451

CRFU-Net	0.16 412	0.08 268	0.14 295	0.17 240	0.09 267	0.19 433	0.14 177	0.26 384	0.20 302	0.28 508	0.27 428	0.29 478	0.17 422	0.19 421	0.17 410	0.09 395	0.09 471	0.07 227	0.07 303	0.08 355	0.08 379

NINENet	0.16 412	0.10 405	0.15 347	0.17 240	0.11 422	0.19 433	0.14 177	0.40 547	0.36 481	0.18 378	0.21 342	0.16 317	0.13 330	0.15 318	0.13 311	0.08 336	0.08 442	0.10 444	0.07 303	0.10 450	0.09 424

CSP-Net	0.16 412	0.09 344	0.14 295	0.16 164	0.09 267	0.19 433	0.17 355	0.25 366	0.32 448	0.25 481	0.30 460	0.24 428	0.15 373	0.21 463	0.18 428	0.09 395	0.06 341	0.07 227	0.07 303	0.08 355	0.07 315

AASNet	0.16 412	0.08 268	0.12 213	0.19 384	0.09 267	0.18 410	0.15 249	0.37 530	0.37 488	0.19 394	0.23 361	0.20 377	0.16 399	0.17 384	0.20 447	0.10 436	0.08 442	0.08 312	0.07 303	0.09 418	0.09 424

AACVNet	0.16 412	0.08 268	0.14 295	0.15 84	0.10 370	0.18 410	0.15 249	0.23 327	0.24 358	0.27 493	0.27 428	0.28 470	0.17 422	0.19 421	0.16 395	0.09 395	0.07 416	0.09 396	0.07 303	0.10 450	0.09 424

ADLNet2	0.16 412	0.09 344	0.13 260	0.16 164	0.09 267	0.20 448	0.16 317	0.31 462	0.39 498	0.16 332	0.20 321	0.20 377	0.18 436	0.21 463	0.22 476	0.08 336	0.06 341	0.07 227	0.07 303	0.09 418	0.07 315

Anonymous3	0.16 412	0.13 478	0.33 525	0.26 537	0.14 498	0.27 522	0.17 355	0.28 427	0.28 417	0.15 304	0.17 275	0.14 274	0.10 234	0.15 318	0.12 269	0.08 336	0.08 442	0.08 312	0.08 371	0.08 355	0.11 477

ADLNet	0.16 412	0.08 268	0.15 347	0.16 164	0.10 370	0.16 370	0.17 355	0.32 473	0.27 403	0.22 447	0.27 428	0.24 428	0.16 399	0.18 406	0.21 467	0.10 436	0.06 341	0.10 444	0.10 459	0.08 355	0.09 424

HCRNet	0.16 412	0.24 551	0.12 213	0.35 570	0.11 422	0.15 340	0.17 355	0.26 384	0.22 332	0.19 394	0.24 373	0.21 386	0.14 355	0.15 318	0.13 311	0.11 465	0.07 416	0.11 475	0.10 459	0.09 418	0.07 315

222	0.16 412	0.07 167	0.14 295	0.14 41	0.08 144	0.24 491	0.18 400	0.30 452	0.20 302	0.17 348	0.28 442	0.17 337	0.16 399	0.15 318	0.40 573	0.10 436	0.05 209	0.07 227	0.06 212	0.07 292	0.08 379

UPFNet	0.16 412	0.08 268	0.12 213	0.20 443	0.12 455	0.20 448	0.23 499	0.28 427	0.26 393	0.17 348	0.24 373	0.22 404	0.19 452	0.19 421	0.21 467	0.09 395	0.07 416	0.08 312	0.09 420	0.08 355	0.06 232

ac_64	0.16 412	0.08 268	0.15 347	0.18 323	0.10 370	0.22 473	0.18 400	0.24 350	0.21 317	0.18 378	0.24 373	0.29 478	0.18 436	0.19 421	0.22 476	0.09 395	0.07 416	0.08 312	0.09 420	0.07 292	0.06 232

DSFCA	0.16 412	0.09 344	0.14 295	0.16 164	0.10 370	0.20 448	0.19 440	0.28 427	0.31 441	0.23 459	0.24 373	0.22 404	0.15 373	0.19 421	0.20 447	0.10 436	0.07 416	0.09 396	0.09 420	0.08 355	0.08 379

FADNet-RVC-Resample	0.16 412	0.11 431	0.31 519	0.22 489	0.11 422	0.19 433	0.14 177	0.25 366	0.24 358	0.24 468	0.27 428	0.20 377	0.15 373	0.16 352	0.15 379	0.07 272	0.08 442	0.12 494	0.10 459	0.09 418	0.10 451

FADNet_RVC	0.16 412	0.14 490	0.40 543	0.20 443	0.11 422	0.13 281	0.13 122	0.26 384	0.22 332	0.21 431	0.23 361	0.20 377	0.17 422	0.14 296	0.16 395	0.08 336	0.08 442	0.12 494	0.09 420	0.11 473	0.10 451

AANet_RVC	0.16 412	0.10 405	0.10 131	0.18 323	0.09 267	0.18 410	0.19 440	0.26 384	0.31 441	0.22 447	0.35 493	0.21 386	0.21 468	0.22 476	0.16 395	0.06 129	0.05 209	0.06 125	0.06 212	0.07 292	0.06 232

DeepPruner_ROB	0.16 412	0.11 431	0.15 347	0.17 240	0.10 370	0.17 391	0.15 249	0.32 473	0.21 317	0.19 394	0.21 342	0.22 404	0.18 436	0.20 446	0.15 379	0.13 513	0.09 471	0.09 396	0.09 420	0.11 473	0.10 451

z-ln-s-r	0.17 432	0.10 405	0.40 543	0.19 384	0.08 144	0.17 391	0.18 400	0.22 307	0.33 455	0.18 378	0.40 522	0.22 404	0.17 422	0.20 446	0.23 488	0.07 272	0.05 209	0.07 227	0.07 303	0.07 292	0.05 144

rvit_stereo_0075_2	0.17 432	0.12 449	0.25 490	0.23 510	0.16 526	0.13 281	0.10 31	0.30 452	0.27 403	0.20 417	0.28 442	0.22 404	0.15 373	0.18 406	0.13 311	0.16 547	0.10 491	0.17 542	0.10 459	0.10 450	0.09 424

ToySt	0.17 432	0.11 431	0.18 434	0.17 240	0.11 422	0.16 370	0.25 527	0.24 350	0.33 455	0.19 394	0.24 373	0.26 452	0.24 491	0.19 421	0.20 447	0.07 272	0.08 442	0.09 396	0.10 459	0.09 418	0.08 379

ssnet_v2	0.17 432	0.10 405	0.17 411	0.17 240	0.11 422	0.21 465	0.21 478	0.33 492	0.25 379	0.22 447	0.22 352	0.27 460	0.18 436	0.22 476	0.20 447	0.11 465	0.09 471	0.09 396	0.09 420	0.08 355	0.08 379

dad	0.17 432	0.20 537	0.20 457	0.16 164	0.11 422	0.20 448	0.18 400	0.21 284	0.28 417	0.30 520	0.24 373	0.29 478	0.13 330	0.19 421	0.16 395	0.18 554	0.09 471	0.11 475	0.09 420	0.11 473	0.07 315

GEStereo_RVC	0.17 432	0.12 449	0.15 347	0.22 489	0.11 422	0.19 433	0.17 355	0.32 473	0.48 536	0.20 417	0.25 402	0.17 337	0.13 330	0.21 463	0.16 395	0.10 436	0.06 341	0.08 312	0.07 303	0.09 418	0.08 379

MMNet	0.17 432	0.09 344	0.16 381	0.20 443	0.11 422	0.27 522	0.20 461	0.25 366	0.41 509	0.22 447	0.30 460	0.21 386	0.20 464	0.17 384	0.20 447	0.06 129	0.06 341	0.07 227	0.07 303	0.08 355	0.07 315

delet	0.17 432	0.08 268	0.17 411	0.19 384	0.11 422	0.20 448	0.21 478	0.30 452	0.37 488	0.17 348	0.26 419	0.19 365	0.19 452	0.19 421	0.21 467	0.08 336	0.08 442	0.09 396	0.11 491	0.06 222	0.06 232

UNet	0.17 432	0.09 344	0.18 434	0.19 384	0.12 455	0.27 522	0.19 440	0.33 492	0.29 424	0.21 431	0.24 373	0.23 422	0.19 452	0.19 421	0.18 428	0.07 272	0.06 341	0.08 312	0.07 303	0.08 355	0.06 232

HGLStereo	0.17 432	0.08 268	0.19 445	0.17 240	0.12 455	0.18 410	0.18 400	0.31 462	0.32 448	0.21 431	0.32 472	0.25 442	0.18 436	0.19 421	0.20 447	0.09 395	0.09 471	0.07 227	0.07 303	0.09 418	0.10 451

DMCA-RVC	0.17 432	0.10 405	0.15 347	0.24 519	0.11 422	0.18 410	0.18 400	0.25 366	0.24 358	0.21 431	0.26 419	0.25 442	0.27 514	0.18 406	0.20 447	0.12 490	0.08 442	0.13 509	0.10 459	0.10 450	0.08 379

TDLM	0.17 432	0.12 449	0.13 260	0.24 519	0.10 370	0.18 410	0.18 400	0.36 524	0.30 434	0.21 431	0.28 442	0.28 470	0.18 436	0.23 487	0.18 428	0.11 465	0.07 416	0.10 444	0.10 459	0.08 355	0.08 379

NLCA_NET_v2_RVC	0.17 432	0.10 405	0.22 472	0.20 443	0.10 370	0.15 340	0.18 400	0.31 462	0.25 379	0.21 431	0.30 460	0.25 442	0.17 422	0.21 463	0.20 447	0.09 395	0.06 341	0.08 312	0.08 371	0.07 292	0.08 379
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	0.17 432	0.12 449	0.15 347	0.20 443	0.09 267	0.18 410	0.18 400	0.26 384	0.23 342	0.26 487	0.40 522	0.22 404	0.17 422	0.21 463	0.20 447	0.08 336	0.05 209	0.09 396	0.10 459	0.07 292	0.07 315
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 446	0.08 268	0.19 445	0.19 384	0.13 478	0.15 340	0.12 74	0.30 452	0.32 448	0.21 431	0.25 402	0.27 460	0.17 422	0.17 384	0.20 447	0.20 561	0.08 442	0.14 521	0.14 523	0.14 519	0.17 553

test_sample9	0.18 446	0.12 449	0.20 457	0.12 5	0.14 498	0.17 391	0.13 122	0.27 407	0.23 342	0.20 417	0.20 321	0.24 428	0.19 452	0.19 421	0.17 410	0.15 531	0.30 581	0.14 521	0.14 523	0.14 519	0.12 490

fast-acv-ft	0.18 446	0.11 431	0.19 445	0.19 384	0.12 455	0.24 491	0.21 478	0.25 366	0.34 467	0.22 447	0.34 488	0.27 460	0.20 464	0.21 463	0.23 488	0.09 395	0.09 471	0.08 312	0.10 459	0.08 355	0.07 315

HBP-ISP	0.18 446	0.13 478	0.16 381	0.15 84	0.11 422	0.08 59	0.13 122	0.28 427	0.29 424	0.22 447	0.33 484	0.21 386	0.25 500	0.23 487	0.17 410	0.14 527	0.16 549	0.21 556	0.17 550	0.10 450	0.08 379

Wz-Net-LNSev-Ref	0.18 446	0.09 344	0.29 514	0.15 84	0.10 370	0.22 473	0.20 461	0.26 384	0.39 498	0.25 481	0.42 539	0.24 428	0.15 373	0.20 446	0.19 441	0.07 272	0.05 209	0.06 125	0.05 131	0.10 450	0.09 424

SACVNet	0.18 446	0.12 449	0.14 295	0.17 240	0.13 478	0.22 473	0.18 400	0.31 462	0.30 434	0.23 459	0.31 468	0.30 487	0.22 477	0.22 476	0.17 410	0.11 465	0.08 442	0.10 444	0.10 459	0.12 488	0.14 527

psm_up	0.18 446	0.10 405	0.18 434	0.20 443	0.11 422	0.17 391	0.19 440	0.37 530	0.34 467	0.21 431	0.28 442	0.29 478	0.24 491	0.20 446	0.22 476	0.09 395	0.10 491	0.11 475	0.11 491	0.08 355	0.08 379

hitnet-ft	0.18 446	0.09 344	0.17 411	0.14 41	0.09 267	0.26 512	0.20 461	0.25 366	0.26 393	0.24 468	0.32 472	0.31 500	0.22 477	0.24 496	0.21 467	0.12 490	0.07 416	0.10 444	0.08 371	0.12 488	0.11 477

STTStereo	0.18 446	0.12 449	0.27 501	0.20 443	0.11 422	0.16 370	0.21 478	0.29 438	0.23 342	0.21 431	0.30 460	0.29 478	0.18 436	0.20 446	0.19 441	0.12 490	0.11 504	0.11 475	0.14 523	0.09 418	0.08 379

CVANet_RVC	0.18 446	0.10 405	0.14 295	0.21 474	0.10 370	0.18 410	0.17 355	0.34 501	0.33 455	0.22 447	0.31 468	0.28 470	0.18 436	0.23 487	0.17 410	0.12 490	0.08 442	0.12 494	0.11 491	0.09 418	0.07 315

StereoDRNet	0.18 446	0.11 431	0.17 411	0.22 489	0.11 422	0.21 465	0.22 488	0.37 530	0.33 455	0.24 468	0.28 442	0.30 487	0.19 452	0.20 446	0.20 447	0.09 395	0.08 442	0.11 475	0.09 420	0.09 418	0.07 315

DLCB_ROB	0.18 446	0.10 405	0.15 347	0.23 510	0.11 422	0.24 491	0.18 400	0.29 438	0.28 417	0.27 493	0.28 442	0.28 470	0.24 491	0.19 421	0.20 447	0.08 336	0.08 442	0.09 396	0.09 420	0.07 292	0.07 315

TCMNet	0.19 458	0.12 449	0.19 445	0.20 443	0.18 547	0.20 448	0.24 511	0.27 407	0.36 481	0.23 459	0.26 419	0.25 442	0.19 452	0.19 421	0.23 488	0.13 513	0.11 504	0.11 475	0.12 510	0.13 506	0.12 490

rvit_105_1	0.19 458	0.11 431	0.25 490	0.21 474	0.16 526	0.21 465	0.27 543	0.31 462	0.41 509	0.19 394	0.20 321	0.22 404	0.17 422	0.19 421	0.17 410	0.12 490	0.12 518	0.13 509	0.15 539	0.08 355	0.07 315

test_sample8	0.19 458	0.12 449	0.20 457	0.12 5	0.14 498	0.17 391	0.13 122	0.31 462	0.21 317	0.27 493	0.22 352	0.36 525	0.25 500	0.19 421	0.17 410	0.15 531	0.30 581	0.14 521	0.14 523	0.14 519	0.12 490

SDNR	0.19 458	0.08 268	0.19 445	0.16 164	0.12 455	0.77 595	0.14 177	0.25 366	0.32 448	0.19 394	0.24 373	0.19 365	0.13 330	0.19 421	0.15 379	0.16 547	0.18 556	0.14 521	0.11 491	0.08 355	0.11 477

pcwnet_v2	0.19 458	0.10 405	0.26 493	0.17 240	0.14 498	0.18 410	0.15 249	0.37 530	0.46 534	0.19 394	0.24 373	0.21 386	0.19 452	0.20 446	0.19 441	0.13 513	0.10 491	0.10 444	0.10 459	0.11 473	0.13 510

ADCRef	0.19 458	0.12 449	0.41 546	0.20 443	0.12 455	0.22 473	0.18 400	0.32 473	0.36 481	0.26 487	0.32 472	0.17 337	0.23 485	0.24 496	0.24 501	0.07 272	0.06 341	0.09 396	0.09 420	0.08 355	0.08 379

NVstereo2D	0.19 458	0.10 405	0.15 347	0.17 240	0.15 516	0.28 529	0.23 499	0.44 564	0.42 516	0.15 304	0.27 428	0.25 442	0.19 452	0.22 476	0.17 410	0.09 395	0.06 341	0.10 444	0.08 371	0.15 534	0.09 424

DRN-Test	0.19 458	0.11 431	0.20 457	0.22 489	0.10 370	0.22 473	0.22 488	0.39 543	0.37 488	0.24 468	0.32 472	0.26 452	0.21 468	0.22 476	0.24 501	0.11 465	0.07 416	0.11 475	0.10 459	0.09 418	0.07 315

DISCO	0.19 458	0.09 344	0.22 472	0.17 240	0.10 370	0.25 502	0.18 400	0.27 407	0.44 527	0.22 447	0.31 468	0.33 513	0.26 506	0.28 518	0.28 538	0.08 336	0.06 341	0.07 227	0.07 303	0.09 418	0.09 424

CBMV_ROB	0.19 458	0.13 478	0.17 411	0.16 164	0.11 422	0.15 340	0.13 122	0.26 384	0.28 417	0.27 493	0.30 460	0.27 460	0.24 491	0.23 487	0.16 395	0.15 531	0.17 554	0.22 560	0.20 556	0.10 450	0.11 477

NOSS_ROB	0.19 458	0.12 449	0.18 434	0.16 164	0.12 455	0.15 340	0.12 74	0.30 452	0.32 448	0.20 417	0.22 352	0.27 460	0.23 485	0.21 463	0.16 395	0.16 547	0.18 556	0.23 561	0.21 558	0.12 488	0.13 510

CBMV	0.19 458	0.14 490	0.17 411	0.18 323	0.10 370	0.20 448	0.11 54	0.29 438	0.30 434	0.29 516	0.30 460	0.30 487	0.23 485	0.27 506	0.19 441	0.13 513	0.15 546	0.17 542	0.16 543	0.10 450	0.10 451
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	0.20 470	0.14 490	0.37 538	0.22 489	0.12 455	0.20 448	0.21 478	0.28 427	0.37 488	0.25 481	0.37 502	0.27 460	0.22 477	0.21 463	0.23 488	0.08 336	0.08 442	0.09 396	0.09 420	0.10 450	0.09 424

YMNet	0.20 470	0.12 449	0.19 445	0.20 443	0.14 498	0.26 512	0.23 499	0.32 473	0.34 467	0.27 493	0.34 488	0.30 487	0.18 436	0.18 406	0.22 476	0.10 436	0.13 531	0.10 444	0.10 459	0.08 355	0.09 424

YMNet_1	0.20 470	0.12 449	0.19 445	0.20 443	0.14 498	0.26 512	0.23 499	0.32 473	0.34 467	0.27 493	0.34 488	0.30 487	0.18 436	0.18 406	0.22 476	0.10 436	0.13 531	0.10 444	0.10 459	0.08 355	0.09 424

GwcNet	0.20 470	0.13 478	0.19 445	0.18 323	0.12 455	0.24 491	0.19 440	0.35 517	0.43 521	0.20 417	0.32 472	0.33 513	0.20 464	0.22 476	0.24 501	0.11 465	0.09 471	0.09 396	0.09 420	0.09 418	0.10 451

FAT-Stereo	0.20 470	0.12 449	0.22 472	0.21 474	0.12 455	0.17 391	0.18 400	0.34 501	0.39 498	0.27 493	0.37 502	0.34 519	0.32 545	0.21 463	0.20 447	0.09 395	0.11 504	0.10 444	0.09 420	0.11 473	0.14 527

FADNet-RVC	0.20 470	0.20 537	0.38 539	0.21 474	0.16 526	0.20 448	0.15 249	0.26 384	0.26 393	0.26 487	0.32 472	0.26 452	0.21 468	0.22 476	0.19 441	0.12 490	0.13 531	0.12 494	0.14 523	0.13 506	0.18 556

S-Stereo	0.20 470	0.12 449	0.25 490	0.21 474	0.13 478	0.20 448	0.18 400	0.32 473	0.43 521	0.23 459	0.36 496	0.28 470	0.30 536	0.19 421	0.22 476	0.09 395	0.12 518	0.10 444	0.10 459	0.13 506	0.13 510

SuperB	0.20 470	0.10 405	0.56 566	0.16 164	0.09 267	0.18 410	0.18 400	0.24 350	0.50 545	0.26 487	0.39 516	0.17 337	0.21 468	0.22 476	0.21 467	0.08 336	0.06 341	0.06 125	0.06 212	0.12 488	0.10 451

ADCP+	0.20 470	0.10 405	0.33 525	0.20 443	0.12 455	0.22 473	0.26 536	0.31 462	0.34 467	0.26 487	0.37 502	0.22 404	0.22 477	0.27 506	0.27 531	0.09 395	0.06 341	0.08 312	0.08 371	0.09 418	0.10 451

PS-NSSS	0.20 470	0.21 543	0.23 481	0.20 443	0.10 370	0.19 433	0.17 355	0.36 524	0.25 379	0.27 493	0.33 484	0.27 460	0.24 491	0.20 446	0.20 447	0.15 531	0.12 518	0.17 542	0.14 523	0.10 450	0.08 379

PWCDC_ROB	0.20 470	0.13 478	0.22 472	0.24 519	0.11 422	0.19 433	0.15 249	0.33 492	0.54 554	0.29 516	0.50 554	0.21 386	0.15 373	0.27 506	0.20 447	0.11 465	0.09 471	0.10 444	0.08 371	0.11 473	0.09 424

SGM-Forest	0.20 470	0.14 490	0.18 434	0.19 384	0.13 478	0.20 448	0.22 488	0.33 492	0.30 434	0.24 468	0.29 454	0.28 470	0.19 452	0.23 487	0.17 410	0.15 531	0.16 549	0.15 533	0.14 523	0.12 488	0.12 490
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 482	0.17 519	0.19 445	0.23 510	0.15 516	0.30 536	0.20 461	0.33 492	0.35 476	0.23 459	0.28 442	0.31 500	0.27 514	0.20 446	0.22 476	0.15 531	0.12 518	0.13 509	0.09 420	0.14 519	0.14 527

FINET	0.21 482	0.18 530	0.26 493	0.18 323	0.16 526	0.23 486	0.23 499	0.32 473	0.48 536	0.25 481	0.32 472	0.22 404	0.22 477	0.22 476	0.17 410	0.18 554	0.16 549	0.11 475	0.10 459	0.15 534	0.13 510

Syn2CoEx	0.21 482	0.16 508	0.27 501	0.29 560	0.14 498	0.26 512	0.20 461	0.33 492	0.31 441	0.28 508	0.36 496	0.27 460	0.25 500	0.19 421	0.24 501	0.16 547	0.12 518	0.14 521	0.11 491	0.09 418	0.08 379

FADNet	0.21 482	0.22 547	0.36 534	0.18 323	0.17 541	0.24 491	0.13 122	0.31 462	0.31 441	0.23 459	0.25 402	0.27 460	0.21 468	0.19 421	0.15 379	0.13 513	0.15 546	0.12 494	0.15 539	0.16 541	0.18 556

RP	0.21 482	0.13 478	0.21 466	0.23 510	0.11 422	0.21 465	0.20 461	0.25 366	0.44 527	0.21 431	0.38 508	0.36 525	0.24 491	0.27 506	0.25 511	0.11 465	0.12 518	0.13 509	0.12 510	0.12 488	0.14 527

DANet	0.21 482	0.15 500	0.28 506	0.25 531	0.13 478	0.22 473	0.19 440	0.27 407	0.27 403	0.28 508	0.32 472	0.35 523	0.31 540	0.31 529	0.23 488	0.11 465	0.09 471	0.11 475	0.10 459	0.13 506	0.11 477
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 482	0.12 449	0.21 466	0.24 519	0.13 478	0.22 473	0.22 488	0.41 553	0.26 393	0.31 526	0.42 539	0.37 530	0.28 524	0.23 487	0.22 476	0.10 436	0.12 518	0.10 444	0.09 420	0.10 450	0.08 379

PWC_ROB	0.21 482	0.16 508	0.26 493	0.18 323	0.11 422	0.22 473	0.13 122	0.32 473	0.49 542	0.30 520	0.40 522	0.32 510	0.24 491	0.31 529	0.22 476	0.10 436	0.07 416	0.11 475	0.08 371	0.11 473	0.10 451

PSMNet_ROB	0.21 482	0.11 431	0.15 347	0.27 549	0.15 516	0.24 491	0.35 575	0.43 562	0.37 488	0.27 493	0.32 472	0.32 510	0.22 477	0.21 463	0.26 523	0.12 490	0.08 442	0.13 509	0.11 491	0.09 418	0.09 424

MSAF-DinoV2	0.22 491	0.11 431	0.23 481	0.17 240	0.10 370	0.27 522	0.16 317	0.37 530	0.55 555	0.21 431	0.27 428	0.47 564	0.27 514	0.35 548	0.39 570	0.09 395	0.06 341	0.07 227	0.09 420	0.12 488	0.10 451

GASNet	0.22 491	0.23 548	0.33 525	0.26 537	0.17 541	0.26 512	0.16 317	0.44 564	0.42 516	0.27 493	0.24 373	0.30 487	0.15 373	0.27 506	0.18 428	0.12 490	0.08 442	0.12 494	0.11 491	0.16 541	0.07 315

Anonymous_2	0.22 491	0.17 519	0.28 506	0.15 84	0.16 526	0.32 539	0.22 488	0.22 307	0.17 235	0.23 459	0.24 373	0.26 452	0.27 514	0.27 506	0.23 488	0.22 570	0.25 577	0.17 542	0.17 550	0.17 548	0.17 553

Wz-Net-LNSev	0.22 491	0.16 508	0.38 539	0.21 474	0.13 478	0.25 502	0.23 499	0.32 473	0.43 521	0.30 520	0.41 533	0.31 500	0.18 436	0.22 476	0.25 511	0.10 436	0.09 471	0.08 312	0.08 371	0.12 488	0.11 477

Wz-Net-MNSev	0.22 491	0.13 478	0.31 519	0.20 443	0.14 498	0.36 557	0.24 511	0.33 492	0.44 527	0.28 508	0.40 522	0.38 534	0.19 452	0.24 496	0.25 511	0.09 395	0.07 416	0.09 396	0.09 420	0.12 488	0.10 451

DDUNet	0.22 491	0.17 519	0.21 466	0.22 489	0.15 516	0.25 502	0.24 511	0.29 438	0.30 434	0.31 526	0.36 496	0.33 513	0.25 500	0.24 496	0.20 447	0.18 554	0.13 531	0.17 542	0.11 491	0.16 541	0.16 545

APVNet	0.22 491	0.12 449	0.19 445	0.18 323	0.14 498	0.32 539	0.31 571	0.39 543	0.32 448	0.27 493	0.40 522	0.30 487	0.29 532	0.26 503	0.25 511	0.11 465	0.12 518	0.11 475	0.14 523	0.12 488	0.12 490

aanetorigin	0.22 491	0.17 519	0.56 566	0.17 240	0.10 370	0.15 340	0.19 440	0.20 260	0.33 455	0.49 569	0.48 549	0.29 478	0.27 514	0.20 446	0.23 488	0.08 336	0.07 416	0.08 312	0.07 303	0.10 450	0.09 424

MaskLacGwcNet_RVC	0.22 491	0.21 543	0.24 485	0.26 537	0.11 422	0.23 486	0.14 177	0.39 543	0.24 358	0.32 532	0.36 496	0.30 487	0.21 468	0.19 421	0.21 467	0.17 552	0.14 540	0.21 556	0.16 543	0.12 488	0.12 490

AF-Net	0.22 491	0.17 519	0.17 411	0.26 537	0.13 478	0.25 502	0.24 511	0.32 473	0.50 545	0.25 481	0.33 484	0.38 534	0.26 506	0.28 518	0.25 511	0.11 465	0.10 491	0.16 539	0.11 491	0.11 473	0.10 451

stereogan	0.22 491	0.11 431	0.21 466	0.20 443	0.12 455	0.31 538	0.19 440	0.35 517	0.44 527	0.22 447	0.39 516	0.35 523	0.27 514	0.33 539	0.22 476	0.10 436	0.12 518	0.10 444	0.10 459	0.14 519	0.13 510

edge stereo	0.22 491	0.13 478	0.20 457	0.21 474	0.13 478	0.23 486	0.16 317	0.32 473	0.42 516	0.32 532	0.40 522	0.38 534	0.35 552	0.25 501	0.24 501	0.13 513	0.11 504	0.14 521	0.11 491	0.12 488	0.13 510

RYNet	0.22 491	0.12 449	0.22 472	0.19 384	0.17 541	0.46 566	0.26 536	0.38 538	0.48 536	0.24 468	0.28 442	0.34 519	0.23 485	0.20 446	0.30 546	0.10 436	0.06 341	0.09 396	0.09 420	0.13 506	0.15 534

NaN_ROB	0.22 491	0.19 533	0.24 485	0.25 531	0.13 478	0.29 533	0.26 536	0.33 492	0.41 509	0.31 526	0.31 468	0.32 510	0.23 485	0.30 528	0.21 467	0.11 465	0.17 554	0.10 444	0.10 459	0.08 355	0.09 424

MDST_ROB	0.22 491	0.10 405	0.17 411	0.18 323	0.11 422	0.37 558	0.19 440	0.43 562	0.41 509	0.39 550	0.39 516	0.29 478	0.21 468	0.26 503	0.18 428	0.11 465	0.10 491	0.14 521	0.11 491	0.10 450	0.08 379

XPNet_ROB	0.22 491	0.11 431	0.19 445	0.22 489	0.13 478	0.22 473	0.19 440	0.34 501	0.40 506	0.30 520	0.39 516	0.39 542	0.26 506	0.26 503	0.28 538	0.15 531	0.10 491	0.10 444	0.10 459	0.13 506	0.12 490

SQANet	0.23 507	0.23 548	0.30 517	0.30 562	0.19 550	0.27 522	0.13 122	0.29 438	0.33 455	0.24 468	0.37 502	0.31 500	0.22 477	0.27 506	0.23 488	0.15 531	0.10 491	0.21 556	0.16 543	0.21 557	0.15 534

Nwc_Net	0.23 507	0.16 508	0.21 466	0.25 531	0.14 498	0.24 491	0.26 536	0.37 530	0.38 495	0.22 447	0.41 533	0.30 487	0.28 524	0.28 518	0.25 511	0.11 465	0.10 491	0.17 542	0.20 556	0.10 450	0.10 451

RTSC	0.23 507	0.12 449	0.28 506	0.21 474	0.13 478	0.28 529	0.16 317	0.35 517	0.66 578	0.27 493	0.33 484	0.30 487	0.21 468	0.31 529	0.29 541	0.10 436	0.08 442	0.09 396	0.10 459	0.13 506	0.13 510

PA-Net	0.23 507	0.18 530	0.33 525	0.28 552	0.22 559	0.21 465	0.38 580	0.29 438	0.39 498	0.22 447	0.32 472	0.25 442	0.26 506	0.20 446	0.25 511	0.09 395	0.23 575	0.15 533	0.22 561	0.09 418	0.13 510
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 507	0.15 500	0.17 411	0.34 568	0.18 547	0.24 491	0.23 499	0.34 501	0.28 417	0.31 526	0.38 508	0.38 534	0.28 524	0.23 487	0.24 501	0.15 531	0.12 518	0.18 551	0.21 558	0.13 506	0.13 510

ETE_ROB	0.23 507	0.17 519	0.22 472	0.25 531	0.13 478	0.26 512	0.29 558	0.31 462	0.36 481	0.28 508	0.36 496	0.45 557	0.26 506	0.27 506	0.26 523	0.11 465	0.08 442	0.12 494	0.09 420	0.14 519	0.13 510

SGM_RVC	0.23 507	0.12 449	0.15 347	0.15 84	0.09 267	0.33 545	0.18 400	0.34 501	0.31 441	0.44 564	0.37 502	0.53 572	0.35 552	0.35 548	0.24 501	0.13 513	0.13 531	0.13 509	0.13 520	0.10 450	0.11 477
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
z-mn7	0.24 514	0.14 490	0.45 550	0.19 384	0.13 478	0.28 529	0.25 527	0.34 501	0.62 570	0.27 493	0.56 565	0.29 478	0.24 491	0.32 536	0.25 511	0.08 336	0.08 442	0.08 312	0.08 371	0.10 450	0.10 451

w-ln-seven	0.24 514	0.14 490	0.55 563	0.19 384	0.14 498	0.26 512	0.22 488	0.35 517	0.60 567	0.29 516	0.39 516	0.30 487	0.22 477	0.21 463	0.26 523	0.09 395	0.09 471	0.11 475	0.10 459	0.11 473	0.10 451

DGSMNet	0.24 514	0.19 533	0.33 525	0.21 474	0.24 564	0.24 491	0.20 461	0.35 517	0.41 509	0.24 468	0.32 472	0.38 534	0.21 468	0.29 525	0.23 488	0.12 490	0.11 504	0.14 521	0.16 543	0.23 561	0.23 567

G-Net	0.24 514	0.16 508	0.36 534	0.22 489	0.16 526	0.51 572	0.23 499	0.29 438	0.34 467	0.36 542	0.38 508	0.31 500	0.29 532	0.27 506	0.26 523	0.11 465	0.09 471	0.12 494	0.09 420	0.16 541	0.13 510

NCC-stereo	0.24 514	0.15 500	0.31 519	0.26 537	0.16 526	0.20 448	0.30 565	0.40 547	0.40 506	0.24 468	0.38 508	0.33 513	0.28 524	0.36 554	0.27 531	0.12 490	0.11 504	0.15 533	0.22 561	0.13 506	0.13 510

Abc-Net	0.24 514	0.15 500	0.31 519	0.26 537	0.16 526	0.20 448	0.30 565	0.40 547	0.40 506	0.24 468	0.38 508	0.33 513	0.28 524	0.36 554	0.27 531	0.12 490	0.11 504	0.15 533	0.22 561	0.13 506	0.13 510
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 514	0.11 431	0.47 555	0.22 489	0.12 455	0.34 548	0.29 558	0.29 438	0.56 558	0.24 468	0.46 546	0.30 487	0.30 536	0.29 525	0.29 541	0.08 336	0.07 416	0.09 396	0.09 420	0.10 450	0.10 451

DeepPrunerF	0.24 514	0.17 519	0.42 548	0.26 537	0.16 526	0.22 473	0.28 549	0.37 530	0.50 545	0.26 487	0.29 454	0.24 428	0.28 524	0.21 463	0.22 476	0.15 531	0.11 504	0.20 555	0.18 554	0.12 488	0.13 510

FBW_ROB	0.24 514	0.17 519	0.22 472	0.26 537	0.14 498	0.25 502	0.22 488	0.41 553	0.41 509	0.41 557	0.41 533	0.42 549	0.27 514	0.31 529	0.23 488	0.09 395	0.14 540	0.14 521	0.12 510	0.11 473	0.09 424

SANet	0.24 514	0.14 490	0.28 506	0.21 474	0.11 422	0.27 522	0.24 511	0.38 538	0.64 574	0.36 542	0.40 522	0.43 553	0.26 506	0.27 506	0.24 501	0.12 490	0.09 471	0.10 444	0.09 420	0.13 506	0.11 477

WCMA_ROB	0.24 514	0.11 431	0.22 472	0.17 240	0.14 498	0.32 539	0.15 249	0.32 473	0.32 448	0.38 548	0.53 556	0.40 546	0.34 550	0.34 542	0.25 511	0.11 465	0.12 518	0.12 494	0.10 459	0.14 519	0.14 527

FSD	0.25 525	0.27 560	0.26 493	0.24 519	0.22 559	0.25 502	0.25 527	0.27 407	0.26 393	0.25 481	0.26 419	0.25 442	0.27 514	0.27 506	0.24 501	0.21 565	0.20 562	0.27 567	0.26 568	0.25 569	0.24 568

zh-sn7	0.25 525	0.17 519	0.50 557	0.24 519	0.13 478	0.25 502	0.24 511	0.34 501	0.48 536	0.28 508	0.54 558	0.28 470	0.31 540	0.36 554	0.32 554	0.10 436	0.10 491	0.11 475	0.10 459	0.12 488	0.12 490

zh-mn7	0.25 525	0.14 490	0.56 566	0.19 384	0.14 498	0.24 491	0.22 488	0.34 501	0.62 570	0.35 539	0.65 573	0.31 500	0.25 500	0.31 529	0.25 511	0.09 395	0.08 442	0.09 396	0.09 420	0.09 418	0.11 477

Wz-Net-SNSev	0.25 525	0.17 519	0.44 549	0.25 531	0.14 498	0.26 512	0.23 499	0.38 538	0.56 558	0.30 520	0.55 560	0.39 542	0.26 506	0.23 487	0.30 546	0.10 436	0.09 471	0.09 396	0.10 459	0.11 473	0.11 477

psmorigin	0.25 525	0.15 500	0.34 533	0.17 240	0.13 478	0.23 486	0.14 177	0.34 501	0.33 455	0.41 557	0.55 560	0.41 548	0.37 556	0.34 542	0.27 531	0.11 465	0.15 546	0.11 475	0.11 491	0.12 488	0.16 545

RGC	0.25 525	0.20 537	0.29 514	0.28 552	0.16 526	0.22 473	0.23 499	0.32 473	0.44 527	0.27 493	0.40 522	0.38 534	0.27 514	0.36 554	0.22 476	0.11 465	0.13 531	0.17 542	0.17 550	0.14 519	0.16 545

ADCMid	0.25 525	0.15 500	0.40 543	0.20 443	0.14 498	0.25 502	0.26 536	0.34 501	0.38 495	0.36 542	0.44 544	0.34 519	0.40 562	0.35 548	0.33 558	0.10 436	0.09 471	0.11 475	0.11 491	0.13 506	0.12 490

ADCPNet	0.25 525	0.16 508	0.61 572	0.21 474	0.15 516	0.35 556	0.25 527	0.32 473	0.35 476	0.30 520	0.40 522	0.36 525	0.28 524	0.28 518	0.32 554	0.12 490	0.10 491	0.11 475	0.12 510	0.14 519	0.13 510

STTRV1_RVC	0.25 525	0.26 557	0.39 541	0.19 384	0.26 571	0.30 536	0.24 511	0.34 501	0.35 476	0.36 542	0.34 488	0.31 500	0.31 540	0.28 518	0.25 511	0.17 552	0.10 491	0.16 539	0.14 523	0.17 548	0.12 490

LALA_ROB	0.25 525	0.16 508	0.22 472	0.26 537	0.17 541	0.27 522	0.27 543	0.42 558	0.37 488	0.33 536	0.38 508	0.51 568	0.26 506	0.28 518	0.27 531	0.16 547	0.09 471	0.12 494	0.11 491	0.13 506	0.12 490

SHD	0.26 535	0.15 500	0.30 517	0.24 519	0.18 547	0.22 473	0.15 249	0.38 538	0.71 582	0.32 532	0.41 533	0.36 525	0.28 524	0.32 536	0.29 541	0.12 490	0.11 504	0.14 521	0.13 520	0.16 541	0.20 562

AnyNet_C32	0.26 535	0.16 508	0.36 534	0.20 443	0.16 526	0.25 502	0.30 565	0.32 473	0.44 527	0.31 526	0.49 550	0.30 487	0.33 546	0.40 569	0.33 558	0.12 490	0.12 518	0.12 494	0.14 523	0.14 519	0.15 534

PSMNet-RUCA	0.27 537	0.33 572	0.41 546	0.36 572	0.32 579	0.18 410	0.19 440	0.42 558	0.30 434	0.33 536	0.41 533	0.39 542	0.25 500	0.31 529	0.20 447	0.18 554	0.10 491	0.25 563	0.15 539	0.21 557	0.16 545

PDISCO_ROB	0.27 537	0.16 508	0.26 493	0.28 552	0.20 553	0.32 539	0.26 536	0.44 564	0.57 560	0.28 508	0.40 522	0.45 557	0.29 532	0.33 539	0.34 560	0.12 490	0.09 471	0.17 542	0.16 543	0.17 548	0.13 510

DispFullNet	0.27 537	0.21 543	0.65 575	0.28 552	0.16 526	0.26 512	0.17 355	0.33 492	0.58 563	0.27 493	0.38 508	0.43 553	0.23 485	0.38 561	0.23 488	0.12 490	0.06 341	0.19 553	0.11 491	0.21 557	0.15 534

MeshStereo	0.27 537	0.13 478	0.18 434	0.15 84	0.11 422	0.32 539	0.24 511	0.40 547	0.36 481	0.52 571	0.57 568	0.67 583	0.40 562	0.35 548	0.26 523	0.14 527	0.13 531	0.13 509	0.11 491	0.11 473	0.10 451
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	0.28 541	0.17 519	0.78 591	0.22 489	0.16 526	0.34 548	0.29 558	0.39 543	0.57 560	0.24 468	0.55 560	0.37 530	0.24 491	0.33 539	0.35 561	0.09 395	0.08 442	0.09 396	0.10 459	0.14 519	0.16 545

XQC	0.28 541	0.23 548	0.51 558	0.28 552	0.19 550	0.34 548	0.27 543	0.36 524	0.57 560	0.31 526	0.30 460	0.37 530	0.30 536	0.38 561	0.38 568	0.13 513	0.09 471	0.15 533	0.12 510	0.17 548	0.18 556

CC-Net-ROB	0.28 541	0.31 570	0.36 534	0.29 560	0.15 516	0.25 502	0.19 440	0.45 567	0.33 455	0.39 550	0.37 502	0.39 542	0.31 540	0.27 506	0.26 523	0.24 576	0.19 559	0.30 577	0.23 565	0.18 552	0.15 534

DPSNet	0.28 541	0.16 508	0.31 519	0.18 323	0.13 478	0.54 574	0.42 584	0.51 577	0.67 579	0.29 516	0.38 508	0.38 534	0.29 532	0.31 529	0.23 488	0.11 465	0.10 491	0.11 475	0.08 371	0.20 556	0.16 545

MultiAttention	0.29 545	0.08 268	0.14 295	0.19 384	0.12 455	1.45 610	1.33 612	0.36 524	0.37 488	0.19 394	0.21 342	0.24 428	0.11 259	0.38 561	0.18 428	0.06 129	0.05 209	0.08 312	0.08 371	0.10 450	0.09 424

Wz-Net-TNSev	0.29 545	0.20 537	0.65 575	0.19 384	0.15 516	0.38 561	0.27 543	0.35 517	0.55 555	0.34 538	0.42 539	0.45 557	0.38 557	0.32 536	0.30 546	0.12 490	0.13 531	0.10 444	0.12 510	0.15 534	0.14 527

ccnet	0.29 545	0.28 565	0.23 481	0.20 443	0.28 573	0.41 565	0.21 478	0.45 567	0.33 455	0.36 542	0.46 546	0.36 525	0.30 536	0.39 565	0.42 577	0.23 574	0.14 540	0.21 556	0.17 550	0.23 561	0.18 556

EDNetEfficient	0.29 545	0.24 551	1.13 600	0.18 323	0.10 370	0.19 433	0.20 461	0.20 260	0.60 567	0.74 589	0.56 565	0.31 500	0.39 559	0.22 476	0.30 546	0.09 395	0.07 416	0.08 312	0.07 303	0.11 473	0.09 424

ADCS	0.29 545	0.18 530	0.45 550	0.21 474	0.17 541	0.28 529	0.23 499	0.41 553	0.63 573	0.40 553	0.49 550	0.40 546	0.36 554	0.39 565	0.40 573	0.13 513	0.12 518	0.13 509	0.14 523	0.16 541	0.16 545

CSAN	0.29 545	0.24 551	0.27 501	0.34 568	0.19 550	0.33 545	0.42 584	0.37 530	0.50 545	0.38 548	0.40 522	0.44 555	0.33 546	0.28 518	0.30 546	0.20 561	0.16 549	0.19 553	0.19 555	0.14 519	0.15 534

MFN_U_SF_DS_RVC	0.30 551	0.24 551	0.29 514	0.36 572	0.16 526	0.34 548	0.30 565	0.32 473	0.42 516	0.40 553	0.46 546	0.38 534	0.31 540	0.34 542	0.28 538	0.19 559	0.20 562	0.26 564	0.29 575	0.18 552	0.19 561

GANetREF_RVC	0.31 552	0.34 574	0.27 501	0.35 570	0.16 526	0.32 539	0.41 581	0.48 571	0.51 552	0.35 539	0.35 493	0.34 519	0.33 546	0.39 565	0.32 554	0.27 578	0.20 562	0.29 575	0.15 539	0.18 552	0.17 553
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	0.31 552	0.26 557	0.26 493	0.24 519	0.21 557	0.34 548	0.25 527	0.34 501	0.39 498	0.40 553	0.69 577	0.45 557	0.40 562	0.34 542	0.27 531	0.20 561	0.19 559	0.26 564	0.25 567	0.23 561	0.22 566

MFN_U_SF_RVC	0.32 554	0.21 543	0.55 563	0.30 562	0.15 516	0.34 548	0.17 355	0.52 578	0.46 534	0.46 568	0.55 560	0.59 575	0.39 559	0.35 548	0.37 566	0.15 531	0.14 540	0.18 551	0.21 558	0.16 541	0.15 534

PASM	0.32 554	0.24 551	0.48 556	0.28 552	0.27 572	0.29 533	0.30 565	0.34 501	0.49 542	0.35 539	0.39 516	0.46 561	0.34 550	0.34 542	0.35 561	0.23 574	0.25 577	0.26 564	0.28 574	0.23 561	0.21 564

SGM-ForestM	0.32 554	0.12 449	0.16 381	0.16 164	0.11 422	0.39 562	0.19 440	0.41 553	0.50 545	0.52 571	0.54 558	1.32 603	0.42 570	0.40 569	0.27 531	0.14 527	0.16 549	0.16 539	0.16 543	0.12 488	0.12 490

FC-DCNN v2	0.33 557	0.27 560	0.28 506	0.26 537	0.23 562	0.37 558	0.28 549	0.40 547	0.43 521	0.45 565	0.56 565	0.51 568	0.40 562	0.37 559	0.29 541	0.21 565	0.20 562	0.27 567	0.26 568	0.25 569	0.24 568

FCDSN-DC	0.33 557	0.28 565	0.28 506	0.30 562	0.24 564	0.39 562	0.28 549	0.42 558	0.42 516	0.43 563	0.53 556	0.51 568	0.41 567	0.36 554	0.30 546	0.21 565	0.20 562	0.27 567	0.26 568	0.25 569	0.24 568
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 557	0.27 560	0.28 506	0.26 537	0.23 562	0.37 558	0.28 549	0.40 547	0.43 521	0.45 565	0.55 560	0.51 568	0.40 562	0.37 559	0.30 546	0.21 565	0.20 562	0.27 567	0.26 568	0.25 569	0.24 568

LSM	0.33 557	0.20 537	0.58 569	0.26 537	0.60 596	0.34 548	0.25 527	0.42 558	0.48 536	0.45 565	0.58 570	0.42 549	0.36 554	0.35 548	0.25 511	0.12 490	0.20 562	0.14 521	0.16 543	0.19 555	0.33 583

AnyNet_C01	0.36 561	0.25 556	1.37 603	0.22 489	0.17 541	0.48 570	0.27 543	0.35 517	0.39 498	0.39 550	0.74 583	0.46 561	0.38 557	0.45 573	0.47 582	0.13 513	0.13 531	0.13 509	0.14 523	0.14 519	0.15 534

GCST	0.37 562	0.42 581	0.26 493	1.02 605	0.39 580	0.18 410	0.08 7	0.20 260	0.17 235	0.28 508	0.25 402	0.15 303	0.12 292	0.16 352	0.14 350	0.64 600	0.43 589	0.75 597	0.65 600	0.63 593	0.46 592

otaku	0.39 563	0.37 577	0.52 559	0.44 579	0.28 573	0.58 576	0.24 511	0.41 553	0.62 570	0.40 553	0.49 550	0.46 561	0.33 546	0.40 569	0.32 554	0.30 579	0.30 581	0.39 581	0.33 580	0.29 576	0.28 577

ACVNet-4b	0.39 563	0.53 584	0.55 563	0.45 580	0.24 564	0.47 568	0.18 400	0.49 573	0.64 574	0.42 560	0.45 545	0.60 576	0.27 514	0.34 542	0.24 501	0.33 582	0.14 540	0.48 585	0.42 586	0.30 577	0.26 576

PVD	0.39 563	0.20 537	0.39 541	0.31 566	0.22 559	0.29 533	0.43 586	0.52 578	0.96 596	0.55 575	0.79 587	0.53 572	0.59 586	0.52 580	0.38 568	0.19 559	0.14 540	0.17 542	0.14 523	0.24 568	0.31 581

Ntro	0.40 566	0.40 579	0.53 560	0.46 583	0.30 577	0.65 582	0.24 511	0.46 569	0.68 580	0.41 557	0.49 550	0.48 566	0.42 570	0.39 565	0.31 553	0.32 581	0.28 579	0.37 580	0.30 577	0.32 581	0.29 578

SAMSARA	0.40 566	0.28 565	0.33 525	0.55 586	0.39 580	0.82 596	1.23 611	0.47 570	0.51 552	0.36 542	0.35 493	0.55 574	0.39 559	0.38 561	0.39 570	0.15 531	0.20 562	0.15 533	0.14 523	0.23 561	0.20 562

ELAS_RVC	0.41 568	0.29 568	0.33 525	0.28 552	0.24 564	0.54 574	0.36 576	0.49 573	0.59 564	0.72 585	0.74 583	0.65 581	0.54 579	0.54 584	0.40 573	0.22 570	0.20 562	0.27 567	0.26 568	0.26 574	0.25 574
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 568	0.29 568	0.33 525	0.27 549	0.24 564	0.60 579	0.36 576	0.50 576	0.50 545	0.71 583	0.79 587	0.67 583	0.54 579	0.51 578	0.42 577	0.22 570	0.20 562	0.27 567	0.26 568	0.26 574	0.25 574
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.43 570	0.39 578	0.54 561	0.40 575	0.20 553	0.64 581	0.32 573	0.53 580	0.72 583	0.71 583	0.72 580	0.61 577	0.54 579	0.51 578	0.46 581	0.20 561	0.19 559	0.29 575	0.30 577	0.23 561	0.18 556

ACVNet_1	0.44 571	0.49 583	0.60 571	0.45 580	0.28 573	0.49 571	0.27 543	0.57 585	0.72 583	0.62 578	0.58 570	0.74 587	0.49 576	0.50 576	0.35 561	0.26 577	0.24 576	0.39 581	0.29 575	0.31 580	0.24 568

Consistency-Raft	0.44 571	0.40 579	0.45 550	0.37 574	0.43 584	0.46 566	0.41 581	0.57 585	0.55 555	0.32 532	0.73 581	0.33 513	0.48 575	0.42 572	0.49 584	0.39 584	0.35 586	0.45 584	0.51 593	0.42 584	0.29 578

RTS	0.45 573	0.19 533	3.26 610	0.24 519	0.15 516	0.74 589	0.20 461	0.36 524	0.76 589	0.42 560	0.43 542	0.31 500	0.41 567	0.53 582	0.35 561	0.10 436	0.08 442	0.13 509	0.12 510	0.15 534	0.15 534

RTSA	0.45 573	0.19 533	3.26 610	0.24 519	0.15 516	0.74 589	0.20 461	0.36 524	0.76 589	0.42 560	0.43 542	0.31 500	0.41 567	0.53 582	0.35 561	0.10 436	0.08 442	0.13 509	0.12 510	0.15 534	0.15 534

MANE	0.45 573	0.27 560	0.27 501	0.27 549	0.24 564	0.47 568	0.31 571	0.55 582	0.59 564	0.72 585	1.13 604	1.15 597	0.61 587	0.52 580	0.37 566	0.21 565	0.20 562	0.27 567	0.31 579	0.25 569	0.24 568

NVStereoNet_ROB	0.46 576	0.36 576	0.46 554	0.41 577	0.28 573	0.34 548	0.34 574	0.48 571	0.60 567	0.72 585	0.93 593	0.70 586	0.66 590	0.47 574	0.60 592	0.22 570	0.33 585	0.34 579	0.34 582	0.30 577	0.30 580
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 577	0.26 557	0.58 569	0.28 552	0.20 553	0.39 562	0.18 400	0.49 573	0.64 574	0.52 571	0.87 590	1.01 592	0.57 584	0.50 576	0.56 589	0.53 593	0.31 584	0.54 591	0.40 584	0.33 582	0.34 584

LE_ROB	0.50 578	0.07 167	0.14 295	0.15 84	0.08 144	0.24 491	0.16 317	0.22 307	1.81 612	4.63 616	0.67 575	0.47 564	0.44 572	0.20 446	0.29 541	0.07 272	0.06 341	0.06 125	0.06 212	0.08 355	0.06 232

BEATNet-Init1	0.52 579	0.27 560	0.62 573	0.30 562	0.21 557	0.76 593	0.29 558	0.54 581	0.65 577	0.86 594	0.95 595	2.07 613	0.62 589	0.56 586	0.42 577	0.18 554	0.18 556	0.23 561	0.22 561	0.22 560	0.21 564

anonymity	0.53 580	0.58 586	0.65 575	0.41 577	0.61 597	0.53 573	0.41 581	0.56 583	0.41 509	0.55 575	0.50 554	0.49 567	0.55 582	0.58 587	0.50 587	0.58 596	0.50 599	0.51 587	0.51 593	0.51 586	0.57 594

RainbowNet	0.54 581	0.61 588	0.70 589	0.57 587	0.43 584	0.65 582	0.37 579	0.60 587	0.87 593	0.50 570	0.66 574	0.64 579	0.47 574	0.49 575	0.43 580	0.47 590	0.48 595	0.52 589	0.41 585	0.52 587	0.40 589

SGM+DAISY	0.56 582	0.57 585	0.65 575	0.40 575	0.54 589	0.66 584	0.49 588	0.56 583	0.45 533	0.66 579	0.69 577	0.67 583	0.56 583	0.63 589	0.56 589	0.59 597	0.48 595	0.50 586	0.50 592	0.52 587	0.58 595

SPS-STEREO	0.57 583	0.58 586	0.65 575	0.45 580	0.55 591	0.62 580	0.44 587	0.62 588	0.50 545	0.68 581	0.64 572	0.66 582	0.57 584	0.61 588	0.60 592	0.62 599	0.47 594	0.51 587	0.49 590	0.55 591	0.58 595
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 584	0.66 592	0.65 575	0.51 584	0.69 601	0.69 585	0.57 594	0.64 589	0.73 587	0.60 577	0.73 581	0.62 578	0.67 591	0.65 590	0.60 592	0.66 601	0.58 608	0.63 592	0.59 596	0.68 598	0.69 604

IMH-64-1	0.65 585	0.61 588	0.68 583	0.71 590	0.51 587	0.59 577	0.49 588	0.91 596	0.85 591	0.74 589	1.02 597	0.81 588	0.78 595	0.79 593	0.49 584	0.42 586	0.46 590	0.71 594	0.47 588	0.52 587	0.39 587

IMH-64	0.65 585	0.61 588	0.68 583	0.71 590	0.51 587	0.59 577	0.49 588	0.91 596	0.85 591	0.74 589	1.02 597	0.81 588	0.78 595	0.79 593	0.49 584	0.42 586	0.46 590	0.71 594	0.47 588	0.52 587	0.39 587

ACVNet_2	0.66 587	0.66 592	0.68 583	0.63 588	0.41 582	0.71 587	0.49 588	0.96 600	1.39 605	0.89 595	1.09 600	1.04 593	0.73 593	0.54 584	0.47 582	0.43 588	0.40 588	0.53 590	0.44 587	0.47 585	0.35 586

JetBlue	0.71 588	0.45 582	1.14 601	0.51 584	0.47 586	2.02 611	0.64 598	0.75 591	0.70 581	0.69 582	0.77 586	1.22 599	0.83 597	1.03 608	1.01 608	0.40 585	0.28 579	0.33 578	0.33 580	0.30 577	0.34 584

IMH	0.71 588	0.64 591	0.68 583	0.76 592	0.54 589	0.69 585	0.54 592	0.98 602	1.10 598	0.82 593	1.09 600	0.89 590	0.88 600	0.87 601	0.52 588	0.44 589	0.50 599	0.75 597	0.51 593	0.56 592	0.41 590

PWCK	0.71 588	0.94 603	0.95 598	0.76 592	0.31 578	0.74 589	0.36 576	0.90 595	0.90 594	0.96 598	0.75 585	0.95 591	0.61 587	0.87 601	0.66 595	0.72 602	0.46 590	0.75 597	0.49 590	0.69 600	0.44 591

MADNet+	0.75 591	0.71 594	3.70 613	0.66 589	0.41 582	0.98 601	0.97 609	0.69 590	0.73 587	0.52 571	0.57 568	0.64 579	0.68 592	0.86 600	1.01 608	0.34 583	0.36 587	0.28 574	0.23 565	0.36 583	0.31 581

TorneroNet-64	0.76 592	0.72 595	0.74 590	0.78 594	0.58 595	0.91 600	0.56 593	0.84 594	1.29 602	0.66 579	0.90 591	1.40 605	0.75 594	0.85 599	0.67 598	0.49 591	0.46 590	0.72 596	0.59 596	0.67 597	0.53 593

WAO-7	0.79 593	0.78 597	0.54 561	0.85 598	0.67 600	0.74 589	0.68 602	1.05 605	1.32 603	0.90 596	1.20 607	1.04 593	0.92 601	0.69 591	0.66 595	0.60 598	0.62 609	0.67 593	0.68 602	0.64 594	0.58 595

WAO-6	0.81 594	0.80 598	0.62 573	0.86 599	0.63 598	0.76 593	0.58 595	0.98 602	1.54 610	0.90 596	0.96 596	1.07 595	1.03 605	0.70 592	0.66 595	0.72 602	0.49 597	0.90 605	0.71 603	0.68 598	0.58 595

TorneroNet	0.82 595	0.74 596	0.81 595	0.84 597	0.63 598	0.99 602	0.63 596	0.96 600	1.16 599	0.80 592	1.11 602	1.36 604	0.86 599	0.93 604	0.80 603	0.56 594	0.49 597	0.78 602	0.66 601	0.73 603	0.63 603

LVE	0.83 596	0.85 601	0.85 596	0.80 595	0.56 592	1.04 606	0.65 599	1.05 605	1.47 608	0.96 598	1.22 608	1.10 596	0.85 598	0.83 596	0.71 600	0.49 591	0.55 605	0.76 600	0.60 598	0.65 595	0.59 600

Dean	0.87 597	0.86 602	0.79 593	0.81 596	0.56 592	0.90 597	0.63 596	1.15 611	1.73 611	1.15 606	1.15 605	1.31 602	0.99 604	0.81 595	0.81 604	0.57 595	0.56 606	0.77 601	0.64 599	0.66 596	0.58 595

WAO-8	0.91 598	0.81 599	0.65 575	0.94 602	0.69 601	0.90 597	0.67 600	1.07 608	1.83 613	1.06 603	1.45 610	1.30 600	1.07 606	0.84 597	0.78 601	0.74 604	0.53 602	0.86 603	0.75 604	0.69 600	0.62 601

Venus	0.91 598	0.81 599	0.65 575	0.94 602	0.69 601	0.90 597	0.67 600	1.07 608	1.83 613	1.06 603	1.45 610	1.30 600	1.07 606	0.84 597	0.78 601	0.74 604	0.53 602	0.86 603	0.75 604	0.69 600	0.62 601

UNDER WATER-64	0.95 600	0.94 603	1.43 605	0.87 600	0.56 592	1.18 609	0.87 606	0.77 592	0.94 595	1.04 601	0.85 589	1.58 610	1.21 611	0.94 605	0.96 606	0.87 608	0.57 607	1.03 608	0.88 609	0.78 604	0.73 605

UNDER WATER	0.97 601	0.97 605	1.42 604	0.99 604	0.70 604	1.12 608	0.84 605	0.80 593	1.08 597	1.01 600	0.90 591	1.55 609	1.22 612	1.03 608	1.00 607	0.78 606	0.53 602	1.02 607	0.87 608	0.80 605	0.74 606

notaker	0.97 601	1.11 606	0.98 599	1.13 607	0.81 605	0.73 588	0.68 602	0.93 598	1.16 599	1.18 608	1.18 606	1.41 606	1.16 610	1.08 610	0.69 599	0.81 607	0.64 610	1.17 610	0.79 606	0.98 607	0.80 608

ktn	1.01 603	1.21 608	0.80 594	1.23 609	0.86 607	1.01 604	0.87 606	0.94 599	1.39 605	1.04 601	1.12 603	1.15 597	1.07 606	0.94 605	0.59 591	1.28 614	0.71 611	1.38 614	0.83 607	1.02 609	0.75 607

KSHMR	1.09 604	1.17 607	0.88 597	1.25 610	1.00 609	0.99 602	0.96 608	1.13 610	1.37 604	1.16 607	1.29 609	1.41 606	0.96 603	1.01 607	0.92 605	1.03 611	1.08 613	1.20 611	1.03 612	1.01 608	0.97 610

DPSimNet_ROB	1.11 605	1.23 609	0.78 591	1.13 607	0.88 608	1.10 607	1.13 610	1.16 612	1.23 601	1.43 610	1.02 597	1.41 606	1.10 609	0.90 603	1.60 610	1.46 615	0.51 601	1.21 612	1.03 612	0.90 606	1.01 612

HanzoNet	1.29 606	1.26 610	1.19 602	1.12 606	0.85 606	1.02 605	0.83 604	1.03 604	1.48 609	1.64 611	1.61 612	2.50 615	1.72 613	1.61 612	1.61 611	1.26 613	0.80 612	1.31 613	1.01 611	1.02 609	0.86 609

JetRed	1.62 607	1.46 611	2.98 608	0.92 601	1.21 610	4.99 614	1.53 614	1.27 613	1.39 605	1.83 612	1.74 613	1.60 611	0.95 602	1.41 611	2.45 615	0.90 610	1.60 615	0.93 606	0.90 610	1.35 611	0.99 611

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

coex-ft	3.30 609	0.34 574	59.09 637	0.18 323	0.13 478	0.26 512	0.22 488	0.27 407	0.72 583	1.90 613	0.70 579	0.44 555	0.45 573	0.29 525	0.41 576	0.09 395	0.09 471	0.12 494	0.09 420	0.14 519	0.13 510

ASD4	3.54 610	3.38 616	2.05 607	1.72 611	2.51 614	9.03 618	17.71 620	2.25 614	5.51 617	2.46 614	2.81 616	2.03 612	3.36 615	2.73 614	5.06 616	1.22 612	1.34 614	1.13 609	1.33 614	1.68 612	1.49 614

TCMNet-wrong-test	3.67 611	5.48 624	3.89 614	12.18 624	11.75 625	4.65 613	3.88 615	1.06 607	0.72 583	1.09 605	2.15 614	6.30 620	0.53 578	3.43 616	2.36 614	0.89 609	0.20 562	1.87 617	1.69 616	5.57 621	3.62 621

tt	4.67 612	0.06 74	3.55 612	2.02 613	1.55 611	10.25 619	16.71 619	8.91 624	5.03 616	1.31 609	0.94 594	4.71 616	4.76 616	3.33 615	5.87 618	6.06 624	10.30 628	1.88 618	2.11 618	2.75 615	1.21 613

USTest	6.22 613	2.73 615	3.00 609	6.57 620	7.29 619	14.37 621	21.57 621	7.00 623	9.56 622	5.34 619	6.10 617	5.72 619	7.64 619	6.41 620	6.96 619	1.97 617	3.42 622	1.64 616	2.15 619	2.66 614	2.36 616

xxxxx1	7.79 614	5.02 621	7.31 617	3.12 614	3.85 615	16.35 623	22.88 622	5.86 620	8.69 619	7.97 620	8.54 618	9.12 623	8.27 620	10.18 622	10.92 620	2.42 618	2.45 618	3.56 621	12.37 625	3.77 616	3.06 618

tt_ll	7.79 614	5.02 621	7.31 617	3.12 614	3.85 615	16.35 623	22.88 622	5.86 620	8.69 619	7.97 620	8.54 618	9.12 623	8.27 620	10.18 622	10.92 620	2.42 618	2.45 618	3.56 621	12.37 625	3.77 616	3.06 618

ff	7.79 614	5.02 621	7.31 617	3.12 614	3.85 615	16.35 623	22.88 622	5.86 620	8.69 619	7.97 620	8.54 618	9.12 623	8.27 620	10.18 622	10.92 620	2.42 618	2.45 618	3.56 621	12.37 625	3.77 616	3.06 618

EDNetEfficientorigin	7.91 617	0.31 570	153.02 638	0.19 384	0.09 267	0.21 465	0.16 317	0.22 307	0.59 564	0.72 585	0.67 575	0.42 549	0.50 577	0.24 496	0.39 570	0.08 336	0.07 416	0.08 312	0.07 303	0.12 488	0.10 451

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

DGTPSM_ROB	8.06 618	4.48 617	8.63 623	5.35 617	10.72 621	8.32 616	22.97 625	5.46 617	13.35 624	5.12 617	9.92 621	5.08 617	10.40 623	5.52 618	12.58 623	3.79 621	8.00 623	3.50 619	7.02 622	3.83 619	7.14 623

PML	8.91 620	9.34 628	6.13 615	5.35 617	6.41 618	14.99 622	23.38 627	5.27 616	6.83 618	18.04 630	28.19 638	7.67 621	6.83 618	7.85 621	5.75 617	5.35 623	1.83 617	5.95 627	1.93 617	8.64 624	2.52 617

DLNR_Zeroshot_test	10.40 621	1.82 613	19.49 632	120.77 639	13.11 627	0.06 11	0.13 122	0.23 327	0.10 45	0.07 46	0.10 142	0.09 150	0.06 45	0.10 80	0.09 61	0.13 513	0.04 24	0.06 125	0.04 46	51.54 638	0.04 49

DLNR-FE	10.43 622	1.83 614	19.53 633	120.75 638	13.06 626	0.06 11	0.13 122	0.23 327	0.10 45	0.07 46	0.10 142	0.09 150	0.06 45	0.10 80	0.09 61	0.13 513	0.04 24	0.06 125	0.04 46	52.01 639	0.04 49

LRCNet_RVC	10.62 623	13.42 629	7.30 616	18.92 628	2.07 613	0.33 545	0.30 565	5.59 619	0.48 536	13.03 626	17.94 627	8.87 622	5.65 617	4.79 617	1.89 612	23.51 635	2.73 621	27.55 638	25.71 638	16.07 632	16.33 633

Anonymous_1	10.96 624	7.92 625	7.46 620	10.33 621	10.06 620	18.65 627	26.34 628	11.06 627	13.44 626	9.40 623	10.05 623	9.67 626	11.23 625	10.73 625	12.72 625	6.42 625	8.38 625	5.77 624	10.61 624	12.12 625	6.77 622

DPSM_ROB	11.15 625	8.58 626	8.00 621	10.88 622	11.58 623	19.10 628	26.71 629	12.05 628	14.07 629	10.36 624	10.84 624	10.33 627	11.86 626	11.70 626	13.54 626	6.99 626	8.79 626	5.89 625	6.95 620	7.29 622	7.42 625

DPSM	11.15 625	8.58 626	8.00 621	10.88 622	11.58 623	19.10 628	26.71 629	12.05 628	14.07 629	10.36 624	10.84 624	10.33 627	11.86 626	11.70 626	13.54 626	6.99 626	8.79 626	5.89 625	6.95 620	7.29 622	7.42 625

HaxPig	15.71 627	18.52 636	19.18 631	16.89 627	15.89 628	7.73 615	7.60 616	13.31 630	10.82 623	15.42 627	14.91 626	15.98 629	14.92 628	15.58 628	15.98 628	18.95 634	16.73 629	19.46 634	18.08 634	19.26 633	19.05 636

RSGM-EC	20.36 628	4.73 619	0.68 583	16.76 625	16.92 629	21.28 630	27.18 631	10.46 625	14.04 627	18.00 628	21.31 630	22.24 637	21.82 630	22.57 630	17.63 629	62.81 638	33.79 638	20.14 635	18.10 635	20.18 634	16.45 634

acva	20.36 628	4.73 619	0.68 583	16.76 625	16.92 629	21.28 630	27.18 631	10.46 625	14.04 627	18.00 628	21.31 630	22.24 637	21.82 630	22.57 630	17.63 629	62.81 638	33.79 638	20.14 635	18.10 635	20.18 634	16.45 634

MEDIAN_ROB	20.38 630	24.04 637	23.31 634	21.23 629	21.71 631	10.40 620	7.92 617	17.64 631	15.50 631	20.12 631	19.70 628	20.34 630	20.32 629	21.19 629	21.13 631	23.81 636	21.81 636	24.98 637	23.76 637	24.71 636	23.93 637

CasAABBNet	22.42 631	17.33 631	16.01 627	22.01 630	23.28 633	38.32 632	53.80 635	24.14 635	28.41 636	20.60 632	21.77 634	20.89 635	23.91 634	23.43 634	27.36 634	14.07 629	17.69 631	11.83 630	14.01 629	14.67 627	14.95 629

RAFT-FEzeroshot	22.43 632	17.33 631	15.98 625	22.02 631	23.31 634	38.34 633	53.82 636	24.05 633	28.39 634	20.61 633	21.76 632	20.88 633	23.92 635	23.41 632	27.42 636	14.07 629	17.69 631	11.83 630	14.02 630	14.69 628	14.97 630

RAFT-FE	22.43 632	17.33 631	15.98 625	22.02 631	23.31 634	38.34 633	53.82 636	24.05 633	28.39 634	20.61 633	21.76 632	20.88 633	23.92 635	23.41 632	27.42 636	14.07 629	17.69 631	11.83 630	14.02 630	14.69 628	14.97 630

FlowAnything	22.44 634	17.35 634	16.14 629	22.07 634	23.23 632	38.39 635	53.77 634	24.25 636	28.44 637	20.96 637	21.82 635	20.70 631	23.84 632	23.49 635	27.14 633	14.04 628	17.79 635	11.75 628	14.15 633	14.65 626	14.89 627

Selective-RAFT-Error	22.47 635	17.37 635	16.09 628	22.06 633	23.34 636	38.39 635	53.83 638	24.29 638	28.47 638	20.74 635	21.83 636	20.81 632	23.90 633	23.54 637	27.53 638	14.08 632	17.69 631	11.82 629	14.00 628	14.69 628	15.00 632

LSM0	22.87 636	17.28 630	18.96 630	22.19 635	29.04 638	38.42 637	53.71 633	24.28 637	28.31 633	20.78 636	21.00 629	21.43 636	24.16 637	23.50 636	27.39 635	14.09 633	17.38 630	11.84 633	14.04 632	14.73 631	14.89 627

AVERAGE_ROB	24.90 637	29.20 638	28.14 635	24.89 636	24.64 637	17.75 626	11.12 618	21.45 632	19.93 632	25.12 638	24.46 637	25.12 639	25.46 638	24.69 638	22.83 632	29.76 637	27.13 637	28.97 639	27.95 639	29.91 637	29.47 638

test_example2	98.32 638	94.13 639	45.89 636	96.35 637	109.85 639	88.61 638	95.45 639	25.75 639	94.37 639	130.00 640	126.06 640	58.17 640	74.63 639	88.51 639	79.96 639	150.23 640	221.02 640	77.62 640	99.10 640	113.75 640	96.94 639

ccccc	245.47 639	285.66 640	306.18 639	368.85 640	370.60 640	123.16 639	145.33 640	115.05 640	110.08 640	126.68 639	110.87 639	122.83 641	165.88 640	252.94 640	276.56 640	384.56 641	353.86 641	254.69 641	223.00 641	425.87 641	386.83 640

GS-Stereo							0.14 177	0.11 35	0.12 103	0.08 83	0.10 142	0.05 2	0.05 12	0.11 130	0.08 17	0.06 129	0.04 24	0.05 34	0.04 46	0.05 119	0.05 144

FADE		0.33 572		0.33 567	0.25 570							0.42 549				0.30 579	0.21 574	0.41 583	0.38 583	0.23 561

Low-res two-view benchmark