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

BridgeDepth	0.07 7	0.07 224	0.08 56	0.18 385	0.06 27	0.07 42	0.11 64	0.09 20	0.06 6	0.04 1	0.07 64	0.10 253	0.09 264	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 58	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
qqai	0.07 7	0.05 40	0.10 185	0.14 59	0.06 27	0.05 4	0.12 96	0.08 11	0.09 50	0.05 2	0.06 23	0.06 42	0.08 227	0.10 121	0.09 102	0.06 167	0.05 268	0.05 47	0.03 1	0.04 48	0.05 203

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

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

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

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

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

LiteMatch*	0.08 83	0.04 1	0.11 243	0.13 16	0.08 211	0.08 82	0.13 169	0.14 142	0.09 50	0.05 2	0.05 7	0.05 5	0.09 264	0.11 195	0.10 206	0.06 167	0.05 268	0.05 47	0.04 58	0.05 167	0.05 203

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

BridgeDepth_RVC	0.07 7	0.04 1	0.09 121	0.11 1	0.05 2	0.10 198	0.10 35	0.14 142	0.09 50	0.06 24	0.07 64	0.06 42	0.07 178	0.07 4	0.10 206	0.06 167	0.04 25	0.04 1	0.04 58	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
NLSM3	0.09 171	0.06 106	0.08 56	0.19 454	0.08 211	0.11 250	0.16 387	0.18 295	0.16 277	0.06 24	0.08 121	0.07 123	0.08 227	0.09 58	0.11 286	0.04 11	0.04 25	0.06 187	0.07 378	0.03 1	0.03 2

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

HiDET	0.08 83	0.04 1	0.10 185	0.13 16	0.06 27	0.08 82	0.12 96	0.12 83	0.11 104	0.06 24	0.07 64	0.07 123	0.07 178	0.11 195	0.11 286	0.06 167	0.04 25	0.04 1	0.03 1	0.04 48	0.04 72

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

GREAT-IGEV	0.07 7	0.06 106	0.08 56	0.13 16	0.07 131	0.07 42	0.14 234	0.09 20	0.09 50	0.06 24	0.07 64	0.06 42	0.05 14	0.10 121	0.07 1	0.05 51	0.04 25	0.05 47	0.04 58	0.05 167	0.04 72
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 579	0.17 489	0.11 1	0.05 2	0.05 4	0.11 64	0.08 11	0.08 24	0.06 24	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.08 412	0.04 25	0.05 47	0.03 1	0.05 167	0.04 72

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

MatchStereo	0.07 7	0.04 1	0.08 56	0.14 59	0.06 27	0.05 4	0.12 96	0.12 83	0.09 50	0.07 73	0.06 23	0.04 1	0.04 1	0.08 25	0.09 102	0.06 167	0.05 268	0.05 47	0.03 1	0.04 48	0.04 72
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
CSFM-Stereo	0.07 7	0.05 40	0.07 11	0.14 59	0.06 27	0.09 135	0.13 169	0.15 184	0.06 6	0.07 73	0.08 121	0.06 42	0.08 227	0.09 58	0.09 102	0.06 167	0.05 268	0.04 1	0.03 1	0.04 48	0.04 72

DLNR-FE	10.43 707	1.83 698	19.53 722	120.75 727	13.06 714	0.06 13	0.13 169	0.23 404	0.10 73	0.07 73	0.10 192	0.09 218	0.06 65	0.10 121	0.09 102	0.13 595	0.04 25	0.06 187	0.04 58	52.01 728	0.04 72

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

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

asd	0.07 7	0.08 343	0.07 11	0.16 208	0.07 131	0.08 82	0.08 7	0.11 56	0.08 24	0.07 73	0.07 64	0.06 42	0.06 65	0.10 121	0.09 102	0.03 1	0.03 1	0.04 1	0.04 58	0.04 48	0.03 2

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

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

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

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

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

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

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

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

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

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

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

SGD-Stereo	0.08 83	0.05 40	0.10 185	0.14 59	0.05 2	0.12 302	0.12 96	0.11 56	0.12 141	0.07 73	0.09 156	0.09 218	0.09 264	0.08 25	0.08 25	0.06 167	0.04 25	0.05 47	0.04 58	0.05 167	0.03 2

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

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

DEFOM-Stereo_RVC	0.08 83	0.06 106	0.09 121	0.22 570	0.06 27	0.08 82	0.12 96	0.10 33	0.10 73	0.07 73	0.07 64	0.06 42	0.05 14	0.11 195	0.09 102	0.06 167	0.04 25	0.05 47	0.03 1	0.06 289	0.04 72

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

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

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

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

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

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

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

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

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

IGEV-BASED-STEREO-	0.09 171	0.10 485	0.31 599	0.15 112	0.06 27	0.08 82	0.14 234	0.10 33	0.10 73	0.07 73	0.07 64	0.06 42	0.04 1	0.11 195	0.07 1	0.12 569	0.04 25	0.07 298	0.05 189	0.05 167	0.05 203

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

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

MoCha-V2	0.08 83	0.05 40	0.10 185	0.20 521	0.07 131	0.09 135	0.14 234	0.11 56	0.08 24	0.07 73	0.08 121	0.07 123	0.06 65	0.09 58	0.08 25	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

DLNR_Zeroshot_test	10.40 706	1.82 697	19.49 721	120.77 728	13.11 715	0.06 13	0.13 169	0.23 404	0.10 73	0.07 73	0.10 192	0.09 218	0.06 65	0.10 121	0.09 102	0.13 595	0.04 25	0.06 187	0.04 58	51.54 727	0.04 72

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

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

CroCo-Stereo	0.09 171	0.08 343	0.08 56	0.22 570	0.09 338	0.09 135	0.19 518	0.15 184	0.12 141	0.07 73	0.07 64	0.08 182	0.06 65	0.08 25	0.07 1	0.07 335	0.05 268	0.06 187	0.04 58	0.05 167	0.04 72
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
DNS	0.09 171	0.05 40	0.11 243	0.15 112	0.08 211	0.10 198	0.16 387	0.17 261	0.09 50	0.08 127	0.12 263	0.08 182	0.07 178	0.09 58	0.08 25	0.07 335	0.04 25	0.05 47	0.05 189	0.06 289	0.05 203

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

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

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

aanet-new-12k	0.08 83	0.09 423	0.07 11	0.20 521	0.08 211	0.08 82	0.13 169	0.12 83	0.13 183	0.08 127	0.08 121	0.05 5	0.07 178	0.09 58	0.08 25	0.04 11	0.04 25	0.05 47	0.04 58	0.06 289	0.04 72

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

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

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

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

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

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

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

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

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

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

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

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

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

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

S2M2_XL	0.08 83	0.06 106	0.12 288	0.12 5	0.08 211	0.09 135	0.09 20	0.07 7	0.07 15	0.08 127	0.07 64	0.07 123	0.06 65	0.09 58	0.09 102	0.08 412	0.06 415	0.07 298	0.05 189	0.08 433	0.06 303
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
2.25w	0.07 7	0.06 106	0.07 11	0.14 59	0.06 27	0.08 82	0.08 7	0.10 33	0.15 240	0.08 127	0.10 192	0.07 123	0.06 65	0.08 25	0.10 206	0.05 51	0.03 1	0.04 1	0.04 58	0.03 1	0.04 72

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

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

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

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

SCV_C0	0.08 83	0.07 224	0.07 11	0.16 208	0.09 338	0.08 82	0.15 318	0.11 56	0.12 141	0.08 127	0.07 64	0.06 42	0.05 14	0.11 195	0.07 1	0.05 51	0.05 268	0.05 47	0.04 58	0.06 289	0.05 203

AIO-test2	0.10 240	0.08 343	0.10 185	0.23 594	0.08 211	0.11 250	0.10 35	0.23 404	0.23 421	0.08 127	0.09 156	0.08 182	0.05 14	0.10 121	0.08 25	0.06 167	0.05 268	0.08 392	0.09 498	0.05 167	0.05 203

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

fffft	0.09 171	0.06 106	0.12 288	0.16 208	0.07 131	0.09 135	0.17 429	0.12 83	0.11 104	0.08 127	0.07 64	0.09 218	0.06 65	0.11 195	0.12 347	0.05 51	0.04 25	0.06 187	0.05 189	0.04 48	0.05 203
1: 1. 1
mms	0.09 171	0.07 224	0.08 56	0.16 208	0.08 211	0.10 198	0.16 387	0.12 83	0.11 104	0.08 127	0.09 156	0.08 182	0.06 65	0.11 195	0.12 347	0.05 51	0.04 25	0.07 298	0.05 189	0.04 48	0.03 2

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

cross-raft	0.10 240	0.09 423	0.09 121	0.19 454	0.07 131	0.11 250	0.25 611	0.13 111	0.15 240	0.08 127	0.11 242	0.12 303	0.10 303	0.09 58	0.11 286	0.05 51	0.04 25	0.06 187	0.05 189	0.04 48	0.04 72

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

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

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

CREStereo	0.09 171	0.04 1	0.08 56	0.11 1	0.06 27	0.13 353	0.14 234	0.14 142	0.10 73	0.08 127	0.13 282	0.09 218	0.08 227	0.11 195	0.10 206	0.08 412	0.04 25	0.05 47	0.03 1	0.06 289	0.06 303
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
DF	0.08 83	0.05 40	0.09 121	0.15 112	0.06 27	0.11 250	0.13 169	0.10 33	0.12 141	0.09 179	0.10 192	0.10 253	0.08 227	0.11 195	0.09 102	0.07 335	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

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

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

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

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

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

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

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

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

WQFJA1	0.10 240	0.07 224	0.08 56	0.20 521	0.09 338	0.12 302	0.17 429	0.17 261	0.17 306	0.09 179	0.10 192	0.08 182	0.10 303	0.12 289	0.11 286	0.06 167	0.07 487	0.07 298	0.06 280	0.06 289	0.05 203

NLMM	0.10 240	0.07 224	0.08 56	0.20 521	0.09 338	0.12 302	0.17 429	0.17 261	0.17 306	0.09 179	0.10 192	0.08 182	0.10 303	0.12 289	0.11 286	0.06 167	0.07 487	0.07 298	0.06 280	0.06 289	0.05 203

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

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

monsters	0.07 7	0.06 106	0.06 5	0.15 112	0.06 27	0.08 82	0.09 20	0.12 83	0.08 24	0.09 179	0.07 64	0.06 42	0.06 65	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 58	0.03 1	0.03 2

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

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

tt45	0.09 171	0.06 106	0.11 243	0.15 112	0.07 131	0.11 250	0.16 387	0.13 111	0.11 104	0.09 179	0.06 23	0.08 182	0.06 65	0.13 341	0.10 206	0.06 167	0.04 25	0.06 187	0.05 189	0.05 167	0.06 303

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

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

MyStereo07	0.10 240	0.07 224	0.10 185	0.17 295	0.09 338	0.14 387	0.18 478	0.15 184	0.15 240	0.09 179	0.06 23	0.06 42	0.07 178	0.12 289	0.09 102	0.06 167	0.05 268	0.08 392	0.07 378	0.06 289	0.06 303

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

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

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

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

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

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

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

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

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

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

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

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

LoS	0.09 171	0.05 40	0.11 243	0.13 16	0.07 131	0.14 387	0.11 64	0.15 184	0.15 240	0.09 179	0.09 156	0.12 303	0.09 264	0.15 394	0.10 206	0.07 335	0.05 268	0.05 47	0.03 1	0.05 167	0.05 203
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 171	0.07 224	0.10 185	0.17 295	0.08 211	0.10 198	0.15 318	0.15 184	0.12 141	0.09 179	0.06 23	0.07 123	0.06 65	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.04 48	0.06 303

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

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

CroCo-Stereo Lap2	0.09 171	0.09 423	0.08 56	0.22 570	0.09 338	0.09 135	0.19 518	0.16 222	0.12 141	0.09 179	0.10 192	0.05 5	0.05 14	0.08 25	0.08 25	0.06 167	0.06 415	0.07 298	0.05 189	0.05 167	0.05 203

IGEV-Stereo	0.09 171	0.07 224	0.11 243	0.16 208	0.09 338	0.11 250	0.15 318	0.16 222	0.12 141	0.09 179	0.06 23	0.06 42	0.06 65	0.11 195	0.09 102	0.05 51	0.04 25	0.06 187	0.05 189	0.05 167	0.06 303
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test-3	0.08 83	0.06 106	0.09 121	0.17 295	0.07 131	0.07 42	0.14 234	0.12 83	0.15 240	0.09 179	0.08 121	0.07 123	0.08 227	0.11 195	0.10 206	0.05 51	0.04 25	0.07 298	0.05 189	0.04 48	0.04 72

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

TRStereo	0.09 171	0.05 40	0.12 288	0.15 112	0.12 534	0.10 198	0.13 169	0.18 295	0.18 337	0.09 179	0.09 156	0.09 218	0.06 65	0.10 121	0.08 25	0.07 335	0.05 268	0.07 298	0.07 378	0.04 48	0.04 72

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

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

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

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

TS12	0.08 83	0.06 106	0.09 121	0.21 553	0.07 131	0.11 250	0.13 169	0.11 56	0.09 50	0.10 224	0.10 192	0.08 182	0.10 303	0.09 58	0.12 347	0.04 11	0.04 25	0.05 47	0.04 58	0.03 1	0.04 72

Selective-IGEV-i16pc	0.13 385	0.06 106	0.13 338	0.15 112	0.11 500	0.38 643	0.16 387	0.23 404	0.16 277	0.10 224	0.15 313	0.09 218	0.06 65	0.13 341	0.10 206	0.10 513	0.08 517	0.06 187	0.07 378	0.09 496	0.09 500

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

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

WQFJX1	0.10 240	0.07 224	0.08 56	0.22 570	0.09 338	0.12 302	0.17 429	0.18 295	0.17 306	0.10 224	0.09 156	0.07 123	0.10 303	0.11 195	0.09 102	0.07 335	0.08 517	0.07 298	0.06 280	0.05 167	0.04 72

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

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

GASTEREO	0.08 83	0.05 40	0.09 121	0.19 454	0.07 131	0.07 42	0.12 96	0.14 142	0.11 104	0.10 224	0.09 156	0.07 123	0.04 1	0.12 289	0.08 25	0.06 167	0.05 268	0.05 47	0.04 58	0.04 48	0.05 203

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

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

S2M2_L	0.09 171	0.08 343	0.11 243	0.13 16	0.10 450	0.08 82	0.06 1	0.10 33	0.10 73	0.10 224	0.09 156	0.10 253	0.09 264	0.11 195	0.11 286	0.13 595	0.07 487	0.08 392	0.09 498	0.10 529	0.08 456
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
999	0.09 171	0.05 40	0.13 338	0.15 112	0.08 211	0.10 198	0.14 234	0.15 184	0.11 104	0.10 224	0.08 121	0.08 182	0.08 227	0.16 429	0.10 206	0.06 167	0.04 25	0.06 187	0.05 189	0.04 48	0.05 203

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

RAStereo	0.10 240	0.09 423	0.08 56	0.20 521	0.08 211	0.13 353	0.18 478	0.15 184	0.17 306	0.10 224	0.12 263	0.05 5	0.06 65	0.09 58	0.08 25	0.07 335	0.05 268	0.07 298	0.05 189	0.05 167	0.04 72

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

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

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

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

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

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

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

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

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

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

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

Selective-RAFT	0.11 288	0.10 485	0.11 243	0.21 553	0.08 211	0.16 443	0.13 169	0.20 336	0.22 409	0.10 224	0.10 192	0.11 283	0.10 303	0.15 394	0.11 286	0.05 51	0.05 268	0.06 187	0.05 189	0.06 289	0.05 203

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

test_3	0.10 240	0.09 423	0.10 185	0.20 521	0.08 211	0.13 353	0.26 620	0.14 142	0.21 395	0.10 224	0.10 192	0.09 218	0.09 264	0.08 25	0.11 286	0.05 51	0.04 25	0.08 392	0.07 378	0.04 48	0.04 72

CREStereo++_RVC	0.08 83	0.04 1	0.06 5	0.13 16	0.07 131	0.09 135	0.12 96	0.14 142	0.14 215	0.10 224	0.14 296	0.08 182	0.07 178	0.09 58	0.11 286	0.06 167	0.04 25	0.05 47	0.05 189	0.04 48	0.04 72
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.09 171	0.06 106	0.07 11	0.15 112	0.05 2	0.16 443	0.18 478	0.15 184	0.15 240	0.10 224	0.11 242	0.11 283	0.11 336	0.10 121	0.12 347	0.05 51	0.04 25	0.05 47	0.04 58	0.04 48	0.04 72

raftrobust	0.09 171	0.06 106	0.10 185	0.17 295	0.08 211	0.09 135	0.10 35	0.18 295	0.16 277	0.10 224	0.09 156	0.12 303	0.07 178	0.12 289	0.10 206	0.08 412	0.05 268	0.06 187	0.05 189	0.05 167	0.05 203

sCroCo_RVC	0.12 359	0.09 423	0.23 561	0.24 603	0.11 500	0.19 508	0.14 234	0.17 261	0.14 215	0.10 224	0.13 282	0.12 303	0.07 178	0.14 370	0.11 286	0.08 412	0.08 517	0.08 392	0.08 451	0.05 167	0.07 390

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

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

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

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

Selective-IGEV-i16pb	0.14 422	0.08 343	0.17 489	0.15 112	0.11 500	0.41 648	0.16 387	0.28 504	0.23 421	0.11 259	0.20 398	0.10 253	0.07 178	0.17 463	0.12 347	0.10 513	0.07 487	0.06 187	0.08 451	0.09 496	0.10 529

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

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

water-stereo	0.09 171	0.06 106	0.08 56	0.16 208	0.07 131	0.09 135	0.13 169	0.15 184	0.13 183	0.11 259	0.12 263	0.08 182	0.09 264	0.07 4	0.08 25	0.06 167	0.05 268	0.05 47	0.05 189	0.04 48	0.04 72

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

AIO-test1	0.10 240	0.07 224	0.10 185	0.23 594	0.07 131	0.09 135	0.13 169	0.21 359	0.14 215	0.11 259	0.12 263	0.09 218	0.07 178	0.11 195	0.09 102	0.06 167	0.05 268	0.09 475	0.10 538	0.03 1	0.06 303

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

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

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

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

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

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

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

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

CAS++	0.11 288	0.07 224	0.11 243	0.14 59	0.09 338	0.12 302	0.14 234	0.24 428	0.14 215	0.11 259	0.09 156	0.11 283	0.07 178	0.14 370	0.09 102	0.11 544	0.09 550	0.09 475	0.07 378	0.07 369	0.08 456
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
whm_eth	0.10 240	0.08 343	0.14 375	0.15 112	0.09 338	0.07 42	0.15 318	0.16 222	0.16 277	0.11 259	0.10 192	0.14 349	0.08 227	0.12 289	0.10 206	0.09 472	0.07 487	0.07 298	0.06 280	0.07 369	0.05 203

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

CASnet	0.09 171	0.09 423	0.09 121	0.19 454	0.06 27	0.07 42	0.11 64	0.18 295	0.14 215	0.11 259	0.10 192	0.09 218	0.07 178	0.10 121	0.10 206	0.06 167	0.04 25	0.10 523	0.08 451	0.05 167	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.10 240	0.05 40	0.09 121	0.14 59	0.07 131	0.13 353	0.14 234	0.21 359	0.15 240	0.11 259	0.12 263	0.12 303	0.09 264	0.12 289	0.09 102	0.07 335	0.04 25	0.05 47	0.04 58	0.06 289	0.05 203

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

knoymous	0.11 288	0.05 40	0.12 288	0.13 16	0.07 131	0.15 413	0.14 234	0.19 325	0.13 183	0.11 259	0.17 348	0.13 329	0.09 264	0.13 341	0.11 286	0.08 412	0.05 268	0.06 187	0.05 189	0.08 433	0.07 390

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

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

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

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

GMOStereo	0.11 288	0.09 423	0.07 11	0.19 454	0.08 211	0.12 302	0.28 633	0.13 111	0.17 306	0.11 259	0.17 348	0.14 349	0.12 367	0.07 4	0.07 1	0.05 51	0.05 268	0.09 475	0.07 378	0.04 48	0.04 72

error version	0.11 288	0.09 423	0.07 11	0.19 454	0.08 211	0.12 302	0.28 633	0.13 111	0.17 306	0.11 259	0.17 348	0.14 349	0.12 367	0.07 4	0.07 1	0.05 51	0.05 268	0.09 475	0.07 378	0.04 48	0.04 72

test-v	0.11 288	0.09 423	0.07 11	0.19 454	0.08 211	0.12 302	0.28 633	0.13 111	0.17 306	0.11 259	0.17 348	0.14 349	0.12 367	0.07 4	0.07 1	0.05 51	0.05 268	0.09 475	0.07 378	0.04 48	0.04 72

LCNet	0.11 288	0.07 224	0.09 121	0.19 454	0.09 338	0.08 82	0.15 318	0.21 359	0.15 240	0.11 259	0.15 313	0.16 394	0.11 336	0.12 289	0.11 286	0.05 51	0.04 25	0.08 392	0.07 378	0.06 289	0.15 616

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

RAFT-345	0.11 288	0.07 224	0.15 423	0.16 208	0.08 211	0.08 82	0.12 96	0.15 184	0.10 73	0.11 259	0.36 576	0.09 218	0.09 264	0.11 195	0.12 347	0.05 51	0.05 268	0.07 298	0.06 280	0.04 48	0.05 203

test-2	0.11 288	0.09 423	0.07 11	0.19 454	0.08 211	0.12 302	0.28 633	0.13 111	0.17 306	0.11 259	0.17 348	0.14 349	0.12 367	0.07 4	0.07 1	0.05 51	0.05 268	0.09 475	0.07 378	0.04 48	0.04 72

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

TANstereo	0.09 171	0.04 1	0.08 56	0.13 16	0.06 27	0.11 250	0.14 234	0.15 184	0.19 356	0.11 259	0.15 313	0.10 253	0.06 65	0.12 289	0.09 102	0.07 335	0.05 268	0.05 47	0.04 58	0.06 289	0.05 203

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

sAnonymous2	0.13 385	0.12 529	0.24 565	0.20 521	0.12 534	0.17 465	0.13 169	0.26 463	0.21 395	0.11 259	0.11 242	0.13 329	0.08 227	0.10 121	0.10 206	0.09 472	0.05 268	0.08 392	0.06 280	0.15 616	0.10 529

CroCo_RVC	0.13 385	0.12 529	0.24 565	0.20 521	0.12 534	0.17 465	0.13 169	0.26 463	0.21 395	0.11 259	0.11 242	0.13 329	0.08 227	0.10 121	0.10 206	0.09 472	0.05 268	0.08 392	0.06 280	0.15 616	0.10 529

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

RAFT + AFF	0.13 385	0.07 224	0.20 537	0.20 521	0.10 450	0.14 387	0.24 595	0.26 463	0.20 379	0.11 259	0.10 192	0.12 303	0.10 303	0.15 394	0.12 347	0.07 335	0.06 415	0.09 475	0.08 451	0.06 289	0.08 456

DIP-Stereo	0.11 288	0.07 224	0.14 375	0.17 295	0.09 338	0.13 353	0.09 20	0.16 222	0.16 277	0.11 259	0.16 326	0.14 349	0.12 367	0.15 394	0.13 389	0.06 167	0.05 268	0.06 187	0.05 189	0.05 167	0.06 303
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DStereoRT	0.16 490	0.06 106	0.11 243	0.19 454	0.09 338	0.12 302	0.12 96	0.28 504	0.22 409	0.12 300	0.20 398	0.11 283	0.10 303	0.15 394	0.14 427	0.06 167	0.05 268	0.96 692	0.09 498	0.05 167	0.04 72

WQFJX	0.10 240	0.07 224	0.09 121	0.21 553	0.09 338	0.12 302	0.16 387	0.18 295	0.17 306	0.12 300	0.10 192	0.07 123	0.09 264	0.12 289	0.10 206	0.06 167	0.07 487	0.06 187	0.05 189	0.06 289	0.05 203

NLMM1	0.11 288	0.09 423	0.07 11	0.22 570	0.10 450	0.12 302	0.20 541	0.18 295	0.20 379	0.12 300	0.11 242	0.07 123	0.09 264	0.11 195	0.11 286	0.08 412	0.08 517	0.07 298	0.06 280	0.04 48	0.04 72

NLCSM	0.11 288	0.09 423	0.09 121	0.23 594	0.11 500	0.12 302	0.19 518	0.18 295	0.18 337	0.12 300	0.11 242	0.07 123	0.09 264	0.11 195	0.10 206	0.07 335	0.08 517	0.07 298	0.07 378	0.06 289	0.05 203

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

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

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

rvit_0105_6	0.14 422	0.09 423	0.18 513	0.17 295	0.10 450	0.10 198	0.16 387	0.19 325	0.26 473	0.12 300	0.18 375	0.17 416	0.12 367	0.18 485	0.12 347	0.15 613	0.11 584	0.12 574	0.10 538	0.09 496	0.06 303

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

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

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

StereoVision	0.13 385	0.12 529	0.09 121	0.24 603	0.10 450	0.15 413	0.21 561	0.21 359	0.20 379	0.12 300	0.24 453	0.10 253	0.10 303	0.16 429	0.10 206	0.09 472	0.11 584	0.12 574	0.12 592	0.06 289	0.05 203

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

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

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

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

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

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

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

PSM-AAD	0.11 288	0.07 224	0.10 185	0.19 454	0.09 338	0.10 198	0.15 318	0.20 336	0.13 183	0.12 300	0.14 296	0.18 430	0.11 336	0.11 195	0.10 206	0.05 51	0.05 268	0.09 475	0.08 451	0.06 289	0.14 609

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

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

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

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

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

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

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

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

R-Stereo Train	0.10 240	0.06 106	0.10 185	0.17 295	0.08 211	0.11 250	0.14 234	0.23 404	0.11 104	0.12 300	0.19 386	0.11 283	0.08 227	0.09 58	0.11 286	0.07 335	0.05 268	0.06 187	0.05 189	0.05 167	0.05 203

RAFT-Stereo	0.10 240	0.06 106	0.10 185	0.17 295	0.08 211	0.11 250	0.14 234	0.23 404	0.11 104	0.12 300	0.19 386	0.11 283	0.08 227	0.09 58	0.11 286	0.07 335	0.05 268	0.06 187	0.05 189	0.05 167	0.05 203
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RT-Monster	0.09 171	0.05 40	0.09 121	0.14 59	0.08 211	0.11 250	0.10 35	0.17 261	0.18 337	0.13 330	0.10 192	0.09 218	0.08 227	0.10 121	0.10 206	0.07 335	0.05 268	0.05 47	0.04 58	0.05 167	0.06 303

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

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

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

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

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

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

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

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

GwcNet-ADL	0.13 385	0.08 343	0.14 375	0.20 521	0.09 338	0.11 250	0.20 541	0.30 532	0.24 438	0.13 330	0.14 296	0.18 430	0.14 431	0.13 341	0.14 427	0.07 335	0.05 268	0.06 187	0.05 189	0.07 369	0.06 303

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

OMP-Stereo	0.11 288	0.06 106	0.14 375	0.18 385	0.08 211	0.09 135	0.12 96	0.21 359	0.21 395	0.13 330	0.14 296	0.11 283	0.12 367	0.11 195	0.13 389	0.06 167	0.04 25	0.07 298	0.06 280	0.05 167	0.04 72

KYRaft	0.11 288	0.07 224	0.10 185	0.19 454	0.09 338	0.08 82	0.15 318	0.22 383	0.12 141	0.13 330	0.16 326	0.20 456	0.10 303	0.12 289	0.10 206	0.05 51	0.04 25	0.08 392	0.08 451	0.06 289	0.16 627

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

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

RAFT-RH_RVC	0.11 288	0.06 106	0.14 375	0.16 208	0.09 338	0.12 302	0.12 96	0.17 261	0.12 141	0.13 330	0.41 614	0.11 283	0.10 303	0.13 341	0.12 347	0.05 51	0.04 25	0.08 392	0.05 189	0.04 48	0.06 303

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

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

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

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

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

HITNet	0.10 240	0.06 106	0.12 288	0.14 59	0.06 27	0.11 250	0.10 35	0.18 295	0.18 337	0.13 330	0.16 326	0.14 349	0.11 336	0.15 394	0.13 389	0.06 167	0.04 25	0.04 1	0.04 58	0.06 289	0.05 203
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
rvit_0105_5	0.14 422	0.09 423	0.13 338	0.17 295	0.09 338	0.14 387	0.23 582	0.24 428	0.27 483	0.14 352	0.15 313	0.18 430	0.12 367	0.17 463	0.14 427	0.14 609	0.11 584	0.10 523	0.10 538	0.08 433	0.06 303

rvit_0105_4	0.14 422	0.09 423	0.17 489	0.17 295	0.10 450	0.12 302	0.19 518	0.23 404	0.27 483	0.14 352	0.20 398	0.17 416	0.13 407	0.17 463	0.13 389	0.15 613	0.11 584	0.11 554	0.10 538	0.09 496	0.06 303

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

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

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

PCWNet_CMD	0.14 422	0.08 343	0.15 423	0.17 295	0.09 338	0.14 387	0.14 234	0.29 518	0.36 563	0.14 352	0.20 398	0.21 465	0.12 367	0.17 463	0.13 389	0.07 335	0.05 268	0.07 298	0.07 378	0.07 369	0.07 390

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

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

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

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

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

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

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

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

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

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

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

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

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

TestStereo	0.13 385	0.14 569	0.11 243	0.23 594	0.08 211	0.15 413	0.21 561	0.20 336	0.23 421	0.14 352	0.24 453	0.16 394	0.12 367	0.16 429	0.14 427	0.05 51	0.06 415	0.08 392	0.06 280	0.09 496	0.05 203

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

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

xxxx	0.15 467	0.07 224	0.14 375	0.14 59	0.08 211	0.23 567	0.18 478	0.31 543	0.19 356	0.14 352	0.28 521	0.22 483	0.14 431	0.15 394	0.26 602	0.09 472	0.05 268	0.07 298	0.07 378	0.08 433	0.07 390

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

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

MSMDNet	0.14 422	0.08 343	0.15 423	0.17 295	0.09 338	0.14 387	0.14 234	0.29 518	0.36 563	0.14 352	0.21 421	0.21 465	0.12 367	0.17 463	0.14 427	0.07 335	0.05 268	0.07 298	0.07 378	0.07 369	0.07 390

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

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

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

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

rvit_0105_3	0.15 467	0.09 423	0.14 375	0.19 454	0.12 534	0.15 413	0.25 611	0.25 445	0.29 505	0.15 379	0.17 348	0.20 456	0.13 407	0.17 463	0.14 427	0.13 595	0.11 584	0.12 574	0.14 607	0.07 369	0.06 303

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

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

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

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

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

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

LL-Strereo	0.13 385	0.09 423	0.11 243	0.20 521	0.10 450	0.11 250	0.18 478	0.32 554	0.24 438	0.15 379	0.15 313	0.14 349	0.13 407	0.19 500	0.11 286	0.06 167	0.04 25	0.09 475	0.08 451	0.04 48	0.05 203

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

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

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

RAFT+CT+SA	0.13 385	0.11 511	0.09 121	0.19 454	0.09 338	0.15 413	0.28 633	0.22 383	0.22 409	0.15 379	0.26 498	0.10 253	0.10 303	0.11 195	0.12 347	0.05 51	0.04 25	0.07 298	0.08 451	0.07 369	0.06 303

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

Patchmatch Stereo++	0.11 288	0.09 423	0.16 459	0.18 385	0.08 211	0.06 13	0.11 64	0.16 222	0.13 183	0.15 379	0.16 326	0.14 349	0.12 367	0.11 195	0.10 206	0.06 167	0.04 25	0.08 392	0.06 280	0.08 433	0.07 390
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.11 288	0.09 423	0.16 459	0.18 385	0.08 211	0.06 13	0.12 96	0.16 222	0.13 183	0.15 379	0.16 326	0.14 349	0.12 367	0.11 195	0.10 206	0.06 167	0.04 25	0.08 392	0.06 280	0.08 433	0.07 390

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

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

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

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

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

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

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

Anonymous3	0.16 490	0.13 557	0.33 606	0.26 620	0.14 578	0.27 603	0.17 429	0.28 504	0.28 498	0.15 379	0.17 348	0.14 349	0.10 303	0.15 394	0.12 347	0.08 412	0.08 517	0.08 392	0.08 451	0.08 433	0.11 556

NVstereo2D	0.19 537	0.10 485	0.15 423	0.17 295	0.15 598	0.28 610	0.23 582	0.44 645	0.42 597	0.15 379	0.27 507	0.25 521	0.19 531	0.22 555	0.17 489	0.09 472	0.06 415	0.10 523	0.08 451	0.15 616	0.09 500

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

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

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

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

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

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

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

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

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

ADLNet2	0.16 490	0.09 423	0.13 338	0.16 208	0.09 338	0.20 524	0.16 387	0.31 543	0.39 580	0.16 407	0.20 398	0.20 456	0.18 515	0.21 542	0.22 555	0.08 412	0.06 415	0.07 298	0.07 378	0.09 496	0.07 390

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

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

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

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

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

test_xeample	0.15 467	0.06 106	0.13 338	0.14 59	0.08 211	0.21 541	0.20 541	0.28 504	0.20 379	0.16 407	0.29 533	0.19 444	0.16 477	0.15 394	0.26 602	0.09 472	0.05 268	0.07 298	0.07 378	0.07 369	0.07 390

GMStereo	0.13 385	0.14 569	0.14 375	0.18 385	0.09 338	0.15 413	0.16 387	0.20 336	0.24 438	0.16 407	0.17 348	0.10 253	0.10 303	0.16 429	0.13 389	0.07 335	0.06 415	0.06 187	0.06 280	0.07 369	0.06 303
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 422	0.07 224	0.13 338	0.15 112	0.08 211	0.13 353	0.16 387	0.24 428	0.24 438	0.16 407	0.28 521	0.22 483	0.14 431	0.15 394	0.13 389	0.11 544	0.06 415	0.09 475	0.12 592	0.08 433	0.07 390

CCAANet	0.14 422	0.06 106	0.11 243	0.16 208	0.08 211	0.22 550	0.14 234	0.26 463	0.18 337	0.16 407	0.36 576	0.15 378	0.17 500	0.16 429	0.13 389	0.07 335	0.05 268	0.06 187	0.06 280	0.05 167	0.07 390

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

ITSA-stereo	0.15 467	0.10 485	0.14 375	0.19 454	0.08 211	0.12 302	0.14 234	0.30 532	0.49 623	0.17 426	0.19 386	0.22 483	0.15 449	0.17 463	0.16 474	0.10 513	0.06 415	0.08 392	0.08 451	0.08 433	0.08 456

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

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

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

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

MyStereo04	0.13 385	0.07 224	0.10 185	0.17 295	0.09 338	0.14 387	0.18 478	0.29 518	0.38 577	0.17 426	0.14 296	0.16 394	0.10 303	0.15 394	0.13 389	0.06 167	0.05 268	0.08 392	0.07 378	0.06 289	0.06 303

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

1111x	0.15 467	0.08 343	0.12 288	0.18 385	0.07 131	0.18 484	0.25 611	0.31 543	0.24 438	0.17 426	0.24 453	0.26 531	0.15 449	0.13 341	0.23 567	0.07 335	0.07 487	0.08 392	0.09 498	0.07 369	0.06 303

CASS	0.13 385	0.12 529	0.11 243	0.23 594	0.09 338	0.15 413	0.17 429	0.18 295	0.19 356	0.17 426	0.18 375	0.15 378	0.15 449	0.14 370	0.14 427	0.09 472	0.06 415	0.10 523	0.08 451	0.09 496	0.07 390
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
TestStereo1	0.13 385	0.08 343	0.08 56	0.19 454	0.08 211	0.18 484	0.29 643	0.23 404	0.16 277	0.17 426	0.20 398	0.16 394	0.10 303	0.12 289	0.13 389	0.06 167	0.06 415	0.08 392	0.06 280	0.05 167	0.05 203

BUS	0.14 422	0.09 423	0.14 375	0.22 570	0.10 450	0.19 508	0.14 234	0.34 583	0.19 356	0.17 426	0.22 432	0.16 394	0.13 407	0.15 394	0.13 389	0.08 412	0.06 415	0.10 523	0.09 498	0.07 369	0.07 390

BSDual-CNN	0.15 467	0.09 423	0.14 375	0.22 570	0.10 450	0.14 387	0.15 318	0.34 583	0.19 356	0.17 426	0.22 432	0.25 521	0.16 477	0.15 394	0.14 427	0.08 412	0.06 415	0.10 523	0.09 498	0.07 369	0.07 390

hknet	0.15 467	0.11 511	0.13 338	0.22 570	0.11 500	0.14 387	0.15 318	0.34 583	0.25 459	0.17 426	0.22 432	0.22 483	0.18 515	0.17 463	0.12 347	0.07 335	0.06 415	0.10 523	0.09 498	0.07 369	0.07 390

SA-5K	0.13 385	0.08 343	0.08 56	0.19 454	0.08 211	0.18 484	0.29 643	0.23 404	0.16 277	0.17 426	0.20 398	0.16 394	0.10 303	0.12 289	0.13 389	0.06 167	0.06 415	0.08 392	0.06 280	0.05 167	0.05 203

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

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

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

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

222	0.16 490	0.07 224	0.14 375	0.14 59	0.08 211	0.24 572	0.18 478	0.30 532	0.20 379	0.17 426	0.28 521	0.17 416	0.16 477	0.15 394	0.40 657	0.10 513	0.05 268	0.07 298	0.06 280	0.07 369	0.08 456

delet	0.17 511	0.08 343	0.17 489	0.19 454	0.11 500	0.20 524	0.21 561	0.30 532	0.37 570	0.17 426	0.26 498	0.19 444	0.19 531	0.19 500	0.21 546	0.08 412	0.08 517	0.09 475	0.11 572	0.06 289	0.06 303

UPFNet	0.16 490	0.08 343	0.12 288	0.20 521	0.12 534	0.20 524	0.23 582	0.28 504	0.26 473	0.17 426	0.24 453	0.22 483	0.19 531	0.19 500	0.21 546	0.09 472	0.07 487	0.08 392	0.09 498	0.08 433	0.06 303

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

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

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

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

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

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

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

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

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

IGEV_i1	0.12 359	0.07 224	0.12 288	0.16 208	0.08 211	0.19 508	0.14 234	0.18 295	0.22 409	0.18 456	0.18 375	0.16 394	0.12 367	0.16 429	0.14 427	0.06 167	0.05 268	0.06 187	0.05 189	0.06 289	0.06 303

z-ln-s-r	0.17 511	0.10 485	0.40 625	0.19 454	0.08 211	0.17 465	0.18 478	0.22 383	0.33 537	0.18 456	0.40 603	0.22 483	0.17 500	0.20 525	0.23 567	0.07 335	0.05 268	0.07 298	0.07 378	0.07 369	0.05 203

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

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

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

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

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

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

test_5	0.14 422	0.12 529	0.08 56	0.20 521	0.10 450	0.14 387	0.29 643	0.21 359	0.24 438	0.18 456	0.28 521	0.11 283	0.15 449	0.12 289	0.13 389	0.06 167	0.05 268	0.07 298	0.08 451	0.08 433	0.07 390

NINENet	0.16 490	0.10 485	0.15 423	0.17 295	0.11 500	0.19 508	0.14 234	0.40 628	0.36 563	0.18 456	0.21 421	0.16 394	0.13 407	0.15 394	0.13 389	0.08 412	0.08 517	0.10 523	0.07 378	0.10 529	0.09 500

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

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

PSMNet-ADL	0.15 467	0.12 529	0.13 338	0.22 570	0.09 338	0.13 353	0.20 541	0.26 463	0.23 421	0.18 456	0.20 398	0.24 507	0.16 477	0.18 485	0.17 489	0.08 412	0.08 517	0.08 392	0.11 572	0.08 433	0.07 390

ICVP	0.15 467	0.09 423	0.12 288	0.22 570	0.09 338	0.17 465	0.21 561	0.25 445	0.23 421	0.18 456	0.30 540	0.26 531	0.18 515	0.17 463	0.14 427	0.09 472	0.07 487	0.08 392	0.07 378	0.07 369	0.07 390
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ac_64	0.16 490	0.08 343	0.15 423	0.18 385	0.10 450	0.22 550	0.18 478	0.24 428	0.21 395	0.18 456	0.24 453	0.29 557	0.18 515	0.19 500	0.22 555	0.09 472	0.07 487	0.08 392	0.09 498	0.07 369	0.06 303

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

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

MultiAttention	0.29 627	0.08 343	0.14 375	0.19 454	0.12 534	1.45 694	1.33 698	0.36 606	0.37 570	0.19 473	0.21 421	0.24 507	0.11 336	0.38 641	0.18 507	0.06 167	0.05 268	0.08 392	0.08 451	0.10 529	0.09 500

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

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

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

rvit_105_1	0.19 537	0.11 511	0.25 570	0.21 553	0.16 609	0.21 541	0.27 627	0.31 543	0.41 589	0.19 473	0.20 398	0.22 483	0.17 500	0.19 500	0.17 489	0.12 569	0.12 600	0.13 589	0.15 624	0.08 433	0.07 390

ACV-stereo	0.15 467	0.10 485	0.28 586	0.18 385	0.12 534	0.14 387	0.12 96	0.23 404	0.21 395	0.19 473	0.23 441	0.22 483	0.15 449	0.23 566	0.17 489	0.07 335	0.06 415	0.07 298	0.07 378	0.07 369	0.07 390

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

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

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

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

SDNR	0.19 537	0.08 343	0.19 525	0.16 208	0.12 534	0.77 679	0.14 234	0.25 445	0.32 530	0.19 473	0.24 453	0.19 444	0.13 407	0.19 500	0.15 458	0.16 629	0.18 641	0.14 602	0.11 572	0.08 433	0.11 556

ToySt	0.17 511	0.11 511	0.18 513	0.17 295	0.11 500	0.16 443	0.25 611	0.24 428	0.33 537	0.19 473	0.24 453	0.26 531	0.24 570	0.19 500	0.20 526	0.07 335	0.08 517	0.09 475	0.10 538	0.09 496	0.08 456

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

AASNet	0.16 490	0.08 343	0.12 288	0.19 454	0.09 338	0.18 484	0.15 318	0.37 612	0.37 570	0.19 473	0.23 441	0.20 456	0.16 477	0.17 463	0.20 526	0.10 513	0.08 517	0.08 392	0.07 378	0.09 496	0.09 500

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

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

pcwnet_v2	0.19 537	0.10 485	0.26 573	0.17 295	0.14 578	0.18 484	0.15 318	0.37 612	0.46 614	0.19 473	0.24 453	0.21 465	0.19 531	0.20 525	0.19 520	0.13 595	0.10 571	0.10 523	0.10 538	0.11 552	0.13 592

HCRNet	0.16 490	0.24 634	0.12 288	0.35 655	0.11 500	0.15 413	0.17 429	0.26 463	0.22 409	0.19 473	0.24 453	0.21 465	0.14 431	0.15 394	0.13 389	0.11 544	0.07 487	0.11 554	0.10 538	0.09 496	0.07 390

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

HSM-Net_RVC	0.14 422	0.08 343	0.11 243	0.15 112	0.08 211	0.15 413	0.15 318	0.27 485	0.29 505	0.19 473	0.21 421	0.29 557	0.14 431	0.17 463	0.13 389	0.06 167	0.06 415	0.06 187	0.06 280	0.07 369	0.06 303
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 467	0.10 485	0.17 489	0.17 295	0.08 211	0.18 484	0.09 20	0.28 504	0.25 459	0.19 473	0.24 453	0.24 507	0.17 500	0.17 463	0.14 427	0.08 412	0.06 415	0.09 475	0.10 538	0.07 369	0.06 303

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

HSM	0.15 467	0.08 343	0.14 375	0.16 208	0.09 338	0.16 443	0.14 234	0.28 504	0.25 459	0.19 473	0.23 441	0.37 612	0.16 477	0.20 525	0.15 458	0.07 335	0.05 268	0.07 298	0.06 280	0.07 369	0.06 303

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

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

rvit_stereo_0075_2	0.17 511	0.12 529	0.25 570	0.23 594	0.16 609	0.13 353	0.10 35	0.30 532	0.27 483	0.20 496	0.28 521	0.22 483	0.15 449	0.18 485	0.13 389	0.16 629	0.10 571	0.17 625	0.10 538	0.10 529	0.09 500

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

test_sample9	0.18 525	0.12 529	0.20 537	0.12 5	0.14 578	0.17 465	0.13 169	0.27 485	0.23 421	0.20 496	0.20 398	0.24 507	0.19 531	0.19 500	0.17 489	0.15 613	0.30 667	0.14 602	0.14 607	0.14 600	0.12 569

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

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

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

RAFT_CTSACE	0.12 359	0.09 423	0.10 185	0.22 570	0.08 211	0.12 302	0.24 595	0.18 295	0.16 277	0.20 496	0.27 507	0.13 329	0.07 178	0.13 341	0.09 102	0.05 51	0.06 415	0.08 392	0.07 378	0.04 48	0.04 72

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

GEStereo_RVC	0.17 511	0.12 529	0.15 423	0.22 570	0.11 500	0.19 508	0.17 429	0.32 554	0.48 616	0.20 496	0.25 481	0.17 416	0.13 407	0.21 542	0.16 474	0.10 513	0.06 415	0.08 392	0.07 378	0.09 496	0.08 456

GwcNet	0.20 549	0.13 557	0.19 525	0.18 385	0.12 534	0.24 572	0.19 518	0.35 599	0.43 602	0.20 496	0.32 552	0.33 594	0.20 543	0.22 555	0.24 580	0.11 544	0.09 550	0.09 475	0.09 498	0.09 496	0.10 529

AdaStereo	0.15 467	0.11 511	0.15 423	0.18 385	0.09 338	0.20 524	0.11 64	0.32 554	0.28 498	0.20 496	0.23 441	0.20 456	0.13 407	0.19 500	0.14 427	0.12 569	0.05 268	0.10 523	0.07 378	0.09 496	0.07 390
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
NOSS_ROB	0.19 537	0.12 529	0.18 513	0.16 208	0.12 534	0.15 413	0.12 96	0.30 532	0.32 530	0.20 496	0.22 432	0.27 539	0.23 564	0.21 542	0.16 474	0.16 629	0.18 641	0.23 644	0.21 643	0.12 567	0.13 592

MSAF-DinoV2	0.22 570	0.11 511	0.23 561	0.17 295	0.10 450	0.27 603	0.16 387	0.37 612	0.55 637	0.21 510	0.27 507	0.47 647	0.27 593	0.35 628	0.39 654	0.09 472	0.06 415	0.07 298	0.09 498	0.12 567	0.10 529

ISRNet	0.18 525	0.08 343	0.19 525	0.19 454	0.13 557	0.15 413	0.12 96	0.30 532	0.32 530	0.21 510	0.25 481	0.27 539	0.17 500	0.17 463	0.20 526	0.20 644	0.08 517	0.14 602	0.14 607	0.14 600	0.17 636

UGAM	0.13 385	0.10 485	0.09 121	0.22 570	0.08 211	0.12 302	0.20 541	0.17 261	0.23 421	0.21 510	0.16 326	0.13 329	0.13 407	0.19 500	0.12 347	0.07 335	0.05 268	0.13 589	0.11 572	0.07 369	0.05 203

iinet-f	0.16 490	0.06 106	0.45 632	0.14 59	0.10 450	0.21 541	0.14 234	0.27 485	0.23 421	0.21 510	0.24 453	0.21 465	0.15 449	0.18 485	0.21 546	0.09 472	0.07 487	0.07 298	0.06 280	0.09 496	0.10 529

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

psm_up	0.18 525	0.10 485	0.18 513	0.20 521	0.11 500	0.17 465	0.19 518	0.37 612	0.34 549	0.21 510	0.28 521	0.29 557	0.24 570	0.20 525	0.22 555	0.09 472	0.10 571	0.11 554	0.11 572	0.08 433	0.08 456

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

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

DMCA-RVC	0.17 511	0.10 485	0.15 423	0.24 603	0.11 500	0.18 484	0.18 478	0.25 445	0.24 438	0.21 510	0.26 498	0.25 521	0.27 593	0.18 485	0.20 526	0.12 569	0.08 517	0.13 589	0.10 538	0.10 529	0.08 456

FADNet_RVC	0.16 490	0.14 569	0.40 625	0.20 521	0.11 500	0.13 353	0.13 169	0.26 463	0.22 409	0.21 510	0.23 441	0.20 456	0.17 500	0.14 370	0.16 474	0.08 412	0.08 517	0.12 574	0.09 498	0.11 552	0.10 529

STTStereo	0.18 525	0.12 529	0.27 581	0.20 521	0.11 500	0.16 443	0.21 561	0.29 518	0.23 421	0.21 510	0.30 540	0.29 557	0.18 515	0.20 525	0.19 520	0.12 569	0.11 584	0.11 554	0.14 607	0.09 496	0.08 456

RP	0.21 561	0.13 557	0.21 546	0.23 594	0.11 500	0.21 541	0.20 541	0.25 445	0.44 607	0.21 510	0.38 589	0.36 607	0.24 570	0.27 586	0.25 590	0.11 544	0.12 600	0.13 589	0.12 592	0.12 567	0.14 609

TDLM	0.17 511	0.12 529	0.13 338	0.24 603	0.10 450	0.18 484	0.18 478	0.36 606	0.30 515	0.21 510	0.28 521	0.28 549	0.18 515	0.23 566	0.18 507	0.11 544	0.07 487	0.10 523	0.10 538	0.08 433	0.08 456

NLCA_NET_v2_RVC	0.17 511	0.10 485	0.22 552	0.20 521	0.10 450	0.15 413	0.18 478	0.31 543	0.25 459	0.21 510	0.30 540	0.25 521	0.17 500	0.21 542	0.20 526	0.09 472	0.06 415	0.08 392	0.08 451	0.07 369	0.08 456
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNetv2_ROB	0.14 422	0.08 343	0.15 423	0.16 208	0.08 211	0.16 443	0.12 96	0.25 445	0.35 558	0.21 510	0.29 533	0.24 507	0.13 407	0.14 370	0.14 427	0.06 167	0.05 268	0.06 187	0.04 58	0.09 496	0.08 456

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

DStereoSA	0.25 605	0.19 613	0.37 619	0.26 620	0.17 624	0.22 550	0.20 541	0.49 655	0.59 646	0.22 526	0.29 533	0.29 557	0.33 627	0.39 645	0.28 618	0.12 569	0.11 584	0.16 621	0.14 607	0.14 600	0.12 569

fast-acv-ft	0.18 525	0.11 511	0.19 525	0.19 454	0.12 534	0.24 572	0.21 561	0.25 445	0.34 549	0.22 526	0.34 568	0.27 539	0.20 543	0.21 542	0.23 567	0.09 472	0.09 550	0.08 392	0.10 538	0.08 433	0.07 390

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

HBP-ISP	0.18 525	0.13 557	0.16 459	0.15 112	0.11 500	0.08 82	0.13 169	0.28 504	0.29 505	0.22 526	0.33 564	0.21 465	0.25 579	0.23 566	0.17 489	0.14 609	0.16 634	0.21 639	0.17 635	0.10 529	0.08 456

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

MMNet	0.17 511	0.09 423	0.16 459	0.20 521	0.11 500	0.27 603	0.20 541	0.25 445	0.41 589	0.22 526	0.30 540	0.21 465	0.20 543	0.17 463	0.20 526	0.06 167	0.06 415	0.07 298	0.07 378	0.08 433	0.07 390

stereogan	0.22 570	0.11 511	0.21 546	0.20 521	0.12 534	0.31 619	0.19 518	0.35 599	0.44 607	0.22 526	0.39 597	0.35 605	0.27 593	0.33 619	0.22 555	0.10 513	0.12 600	0.10 523	0.10 538	0.14 600	0.13 592

Nwc_Net	0.23 586	0.16 587	0.21 546	0.25 615	0.14 578	0.24 572	0.26 620	0.37 612	0.38 577	0.22 526	0.41 614	0.30 567	0.28 604	0.28 598	0.25 590	0.11 544	0.10 571	0.17 625	0.20 641	0.10 529	0.10 529

PA-Net	0.23 586	0.18 609	0.33 606	0.28 636	0.22 644	0.21 541	0.38 665	0.29 518	0.39 580	0.22 526	0.32 552	0.25 521	0.26 585	0.20 525	0.25 590	0.09 472	0.23 660	0.15 614	0.22 646	0.09 496	0.13 592
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CVANet_RVC	0.18 525	0.10 485	0.14 375	0.21 553	0.10 450	0.18 484	0.17 429	0.34 583	0.33 537	0.22 526	0.31 548	0.28 549	0.18 515	0.23 566	0.17 489	0.12 569	0.08 517	0.12 574	0.11 572	0.09 496	0.07 390

AANet_RVC	0.16 490	0.10 485	0.10 185	0.18 385	0.09 338	0.18 484	0.19 518	0.26 463	0.31 523	0.22 526	0.35 573	0.21 465	0.21 547	0.22 555	0.16 474	0.06 167	0.05 268	0.06 187	0.06 280	0.07 369	0.06 303

DISCO	0.19 537	0.09 423	0.22 552	0.17 295	0.10 450	0.25 583	0.18 478	0.27 485	0.44 607	0.22 526	0.31 548	0.33 594	0.26 585	0.28 598	0.28 618	0.08 412	0.06 415	0.07 298	0.07 378	0.09 496	0.09 500

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

TCMNet	0.19 537	0.12 529	0.19 525	0.20 521	0.18 631	0.20 524	0.24 595	0.27 485	0.36 563	0.23 539	0.26 498	0.25 521	0.19 531	0.19 500	0.23 567	0.13 595	0.11 584	0.11 554	0.12 592	0.13 586	0.12 569

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

Anonymous_2	0.22 570	0.17 598	0.28 586	0.15 112	0.16 609	0.32 620	0.22 571	0.22 383	0.17 306	0.23 539	0.24 453	0.26 531	0.27 593	0.27 586	0.23 567	0.22 653	0.25 663	0.17 625	0.17 635	0.17 633	0.17 636

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

UDG	0.21 561	0.17 598	0.19 525	0.23 594	0.15 598	0.30 617	0.20 541	0.33 574	0.35 558	0.23 539	0.28 521	0.31 580	0.27 593	0.20 525	0.22 555	0.15 613	0.12 600	0.13 589	0.09 498	0.14 600	0.14 609

SACVNet	0.18 525	0.12 529	0.14 375	0.17 295	0.13 557	0.22 550	0.18 478	0.31 543	0.30 515	0.23 539	0.31 548	0.30 567	0.22 556	0.22 555	0.17 489	0.11 544	0.08 517	0.10 523	0.10 538	0.12 567	0.14 609

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

FADNet	0.21 561	0.22 629	0.36 615	0.18 385	0.17 624	0.24 572	0.13 169	0.31 543	0.31 523	0.23 539	0.25 481	0.27 539	0.21 547	0.19 500	0.15 458	0.13 595	0.15 630	0.12 574	0.15 624	0.16 625	0.18 639

S-Stereo	0.20 549	0.12 529	0.25 570	0.21 553	0.13 557	0.20 524	0.18 478	0.32 554	0.43 602	0.23 539	0.36 576	0.28 549	0.30 616	0.19 500	0.22 555	0.09 472	0.12 600	0.10 523	0.10 538	0.13 586	0.13 592

SQANet	0.23 586	0.23 631	0.30 597	0.30 647	0.19 635	0.27 603	0.13 169	0.29 518	0.33 537	0.24 548	0.37 583	0.31 580	0.22 556	0.27 586	0.23 567	0.15 613	0.10 571	0.21 639	0.16 628	0.21 642	0.15 616

WZ-Net	0.28 623	0.17 598	0.78 675	0.22 570	0.16 609	0.34 630	0.29 643	0.39 624	0.57 642	0.24 548	0.55 643	0.37 612	0.24 570	0.33 619	0.35 645	0.09 472	0.08 517	0.09 475	0.10 538	0.14 600	0.16 627

LMCR-Stereo	0.15 467	0.08 343	0.13 338	0.21 553	0.09 338	0.17 465	0.20 541	0.27 485	0.19 356	0.24 548	0.24 453	0.23 501	0.17 500	0.20 525	0.17 489	0.07 335	0.06 415	0.08 392	0.06 280	0.10 529	0.08 456

DGSMNet	0.24 593	0.19 613	0.33 606	0.21 553	0.24 649	0.24 572	0.20 541	0.35 599	0.41 589	0.24 548	0.32 552	0.38 616	0.21 547	0.29 605	0.23 567	0.12 569	0.11 584	0.14 602	0.16 628	0.23 646	0.23 650

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

FADNet-RVC-Resample	0.16 490	0.11 511	0.31 599	0.22 570	0.11 500	0.19 508	0.14 234	0.25 445	0.24 438	0.24 548	0.27 507	0.20 456	0.15 449	0.16 429	0.15 458	0.07 335	0.08 517	0.12 574	0.10 538	0.09 496	0.10 529

NCC-stereo	0.24 593	0.15 579	0.31 599	0.26 620	0.16 609	0.20 524	0.30 650	0.40 628	0.40 586	0.24 548	0.38 589	0.33 594	0.28 604	0.36 634	0.27 610	0.12 569	0.11 584	0.15 614	0.22 646	0.13 586	0.13 592

Abc-Net	0.24 593	0.15 579	0.31 599	0.26 620	0.16 609	0.20 524	0.30 650	0.40 628	0.40 586	0.24 548	0.38 589	0.33 594	0.28 604	0.36 634	0.27 610	0.12 569	0.11 584	0.15 614	0.22 646	0.13 586	0.13 592
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 593	0.11 511	0.47 637	0.22 570	0.12 534	0.34 630	0.29 643	0.29 518	0.56 640	0.24 548	0.46 628	0.30 567	0.30 616	0.29 605	0.29 622	0.08 412	0.07 487	0.09 475	0.09 498	0.10 529	0.10 529

RYNet	0.22 570	0.12 529	0.22 552	0.19 454	0.17 624	0.46 650	0.26 620	0.38 620	0.48 616	0.24 548	0.28 521	0.34 601	0.23 564	0.20 525	0.30 629	0.10 513	0.06 415	0.09 475	0.09 498	0.13 586	0.15 616

DRN-Test	0.19 537	0.11 511	0.20 537	0.22 570	0.10 450	0.22 550	0.22 571	0.39 624	0.37 570	0.24 548	0.32 552	0.26 531	0.21 547	0.22 555	0.24 580	0.11 544	0.07 487	0.11 554	0.10 538	0.09 496	0.07 390

StereoDRNet	0.18 525	0.11 511	0.17 489	0.22 570	0.11 500	0.21 541	0.22 571	0.37 612	0.33 537	0.24 548	0.28 521	0.30 567	0.19 531	0.20 525	0.20 526	0.09 472	0.08 517	0.11 554	0.09 498	0.09 496	0.07 390

SGM-Forest	0.20 549	0.14 569	0.18 513	0.19 454	0.13 557	0.20 524	0.22 571	0.33 574	0.30 515	0.24 548	0.29 533	0.28 549	0.19 531	0.23 566	0.17 489	0.15 613	0.16 634	0.15 614	0.14 607	0.12 567	0.12 569
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FSD	0.25 605	0.27 644	0.26 573	0.24 603	0.22 644	0.25 583	0.25 611	0.27 485	0.26 473	0.25 561	0.26 498	0.25 521	0.27 593	0.27 586	0.24 580	0.21 648	0.20 647	0.27 650	0.26 653	0.25 654	0.24 651

w-ln-seven-2	0.20 549	0.14 569	0.37 619	0.22 570	0.12 534	0.20 524	0.21 561	0.28 504	0.37 570	0.25 561	0.37 583	0.27 539	0.22 556	0.21 542	0.23 567	0.08 412	0.08 517	0.09 475	0.09 498	0.10 529	0.09 500

Wz-Net-LNSev-Ref	0.18 525	0.09 423	0.29 594	0.15 112	0.10 450	0.22 550	0.20 541	0.26 463	0.39 580	0.25 561	0.42 620	0.24 507	0.15 449	0.20 525	0.19 520	0.07 335	0.05 268	0.06 187	0.05 189	0.10 529	0.09 500

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

FINET	0.21 561	0.18 609	0.26 573	0.18 385	0.16 609	0.23 567	0.23 582	0.32 554	0.48 616	0.25 561	0.32 552	0.22 483	0.22 556	0.22 555	0.17 489	0.18 636	0.16 634	0.11 554	0.10 538	0.15 616	0.13 592

AF-Net	0.22 570	0.17 598	0.17 489	0.26 620	0.13 557	0.25 583	0.24 595	0.32 554	0.50 626	0.25 561	0.33 564	0.38 616	0.26 585	0.28 598	0.25 590	0.11 544	0.10 571	0.16 621	0.11 572	0.11 552	0.10 529

FADNet-RVC	0.20 549	0.20 619	0.38 621	0.21 553	0.16 609	0.20 524	0.15 318	0.26 463	0.26 473	0.26 567	0.32 552	0.26 531	0.21 547	0.22 555	0.19 520	0.12 569	0.13 615	0.12 574	0.14 607	0.13 586	0.18 639

SuperB	0.20 549	0.10 485	0.56 648	0.16 208	0.09 338	0.18 484	0.18 478	0.24 428	0.50 626	0.26 567	0.39 597	0.17 416	0.21 547	0.22 555	0.21 546	0.08 412	0.06 415	0.06 187	0.06 280	0.12 567	0.10 529

ADCRef	0.19 537	0.12 529	0.41 628	0.20 521	0.12 534	0.22 550	0.18 478	0.32 554	0.36 563	0.26 567	0.32 552	0.17 416	0.23 564	0.24 576	0.24 580	0.07 335	0.06 415	0.09 475	0.09 498	0.08 433	0.08 456

DeepPrunerF	0.24 593	0.17 598	0.42 630	0.26 620	0.16 609	0.22 550	0.28 633	0.37 612	0.50 626	0.26 567	0.29 533	0.24 507	0.28 604	0.21 542	0.22 555	0.15 613	0.11 584	0.20 638	0.18 639	0.12 567	0.13 592

ADCP+	0.20 549	0.10 485	0.33 606	0.20 521	0.12 534	0.22 550	0.26 620	0.31 543	0.34 549	0.26 567	0.37 583	0.22 483	0.22 556	0.27 586	0.27 610	0.09 472	0.06 415	0.08 392	0.08 451	0.09 496	0.10 529

StereoDRNet-Refined	0.17 511	0.12 529	0.15 423	0.20 521	0.09 338	0.18 484	0.18 478	0.26 463	0.23 421	0.26 567	0.40 603	0.22 483	0.17 500	0.21 542	0.20 526	0.08 412	0.05 268	0.09 475	0.10 538	0.07 369	0.07 390
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
z-mn7	0.24 593	0.14 569	0.45 632	0.19 454	0.13 557	0.28 610	0.25 611	0.34 583	0.62 653	0.27 573	0.56 648	0.29 557	0.24 570	0.32 616	0.25 590	0.08 412	0.08 517	0.08 392	0.08 451	0.10 529	0.10 529

YMNet	0.20 549	0.12 529	0.19 525	0.20 521	0.14 578	0.26 593	0.23 582	0.32 554	0.34 549	0.27 573	0.34 568	0.30 567	0.18 515	0.18 485	0.22 555	0.10 513	0.13 615	0.10 523	0.10 538	0.08 433	0.09 500

YMNet_1	0.20 549	0.12 529	0.19 525	0.20 521	0.14 578	0.26 593	0.23 582	0.32 554	0.34 549	0.27 573	0.34 568	0.30 567	0.18 515	0.18 485	0.22 555	0.10 513	0.13 615	0.10 523	0.10 538	0.08 433	0.09 500

test_sample8	0.19 537	0.12 529	0.20 537	0.12 5	0.14 578	0.17 465	0.13 169	0.31 543	0.21 395	0.27 573	0.22 432	0.36 607	0.25 579	0.19 500	0.17 489	0.15 613	0.30 667	0.14 602	0.14 607	0.14 600	0.12 569

GASNet	0.22 570	0.23 631	0.33 606	0.26 620	0.17 624	0.26 593	0.16 387	0.44 645	0.42 597	0.27 573	0.24 453	0.30 567	0.15 449	0.27 586	0.18 507	0.12 569	0.08 517	0.12 574	0.11 572	0.16 625	0.07 390

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

APVNet	0.22 570	0.12 529	0.19 525	0.18 385	0.14 578	0.32 620	0.31 656	0.39 624	0.32 530	0.27 573	0.40 603	0.30 567	0.29 612	0.26 583	0.25 590	0.11 544	0.12 600	0.11 554	0.14 607	0.12 567	0.12 569

FAT-Stereo	0.20 549	0.12 529	0.22 552	0.21 553	0.12 534	0.17 465	0.18 478	0.34 583	0.39 580	0.27 573	0.37 583	0.34 601	0.32 625	0.21 542	0.20 526	0.09 472	0.11 584	0.10 523	0.09 498	0.11 552	0.14 609

RGC	0.25 605	0.20 619	0.29 594	0.28 636	0.16 609	0.22 550	0.23 582	0.32 554	0.44 607	0.27 573	0.40 603	0.38 616	0.27 593	0.36 634	0.22 555	0.11 544	0.13 615	0.17 625	0.17 635	0.14 600	0.16 627

RTSC	0.23 586	0.12 529	0.28 586	0.21 553	0.13 557	0.28 610	0.16 387	0.35 599	0.66 662	0.27 573	0.33 564	0.30 567	0.21 547	0.31 609	0.29 622	0.10 513	0.08 517	0.09 475	0.10 538	0.13 586	0.13 592

PS-NSSS	0.20 549	0.21 625	0.23 561	0.20 521	0.10 450	0.19 508	0.17 429	0.36 606	0.25 459	0.27 573	0.33 564	0.27 539	0.24 570	0.20 525	0.20 526	0.15 613	0.12 600	0.17 625	0.14 607	0.10 529	0.08 456

CBMV_ROB	0.19 537	0.13 557	0.17 489	0.16 208	0.11 500	0.15 413	0.13 169	0.26 463	0.28 498	0.27 573	0.30 540	0.27 539	0.24 570	0.23 566	0.16 474	0.15 613	0.17 639	0.22 643	0.20 641	0.10 529	0.11 556

DLCB_ROB	0.18 525	0.10 485	0.15 423	0.23 594	0.11 500	0.24 572	0.18 478	0.29 518	0.28 498	0.27 573	0.28 521	0.28 549	0.24 570	0.19 500	0.20 526	0.08 412	0.08 517	0.09 475	0.09 498	0.07 369	0.07 390

DispFullNet	0.27 618	0.21 625	0.65 658	0.28 636	0.16 609	0.26 593	0.17 429	0.33 574	0.58 645	0.27 573	0.38 589	0.43 635	0.23 564	0.38 641	0.23 567	0.12 569	0.06 415	0.19 636	0.11 572	0.21 642	0.15 616

PSMNet_ROB	0.21 561	0.11 511	0.15 423	0.27 633	0.15 598	0.24 572	0.35 660	0.43 643	0.37 570	0.27 573	0.32 552	0.32 590	0.22 556	0.21 542	0.26 602	0.12 569	0.08 517	0.13 589	0.11 572	0.09 496	0.09 500

DStereoFS	0.27 618	0.22 629	0.31 599	0.22 570	0.15 598	0.22 550	0.20 541	0.50 659	0.48 616	0.28 588	0.44 625	0.33 594	0.34 632	0.52 663	0.29 622	0.12 569	0.11 584	0.15 614	0.13 603	0.16 625	0.16 627

zh-sn7	0.25 605	0.17 598	0.50 639	0.24 603	0.13 557	0.25 583	0.24 595	0.34 583	0.48 616	0.28 588	0.54 641	0.28 549	0.31 620	0.36 634	0.32 637	0.10 513	0.10 571	0.11 554	0.10 538	0.12 567	0.12 569

GCST	0.37 645	0.42 665	0.26 573	1.02 691	0.39 665	0.18 484	0.08 7	0.20 336	0.17 306	0.28 588	0.25 481	0.15 378	0.12 367	0.16 429	0.14 427	0.64 686	0.43 675	0.75 682	0.65 686	0.63 679	0.46 677

Wz-Net-MNSev	0.22 570	0.13 557	0.31 599	0.20 521	0.14 578	0.36 639	0.24 595	0.33 574	0.44 607	0.28 588	0.40 603	0.38 616	0.19 531	0.24 576	0.25 590	0.09 472	0.07 487	0.09 475	0.09 498	0.12 567	0.10 529

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

Syn2CoEx	0.21 561	0.16 587	0.27 581	0.29 645	0.14 578	0.26 593	0.20 541	0.33 574	0.31 523	0.28 588	0.36 576	0.27 539	0.25 579	0.19 500	0.24 580	0.16 629	0.12 600	0.14 602	0.11 572	0.09 496	0.08 456

DANet	0.21 561	0.15 579	0.28 586	0.25 615	0.13 557	0.22 550	0.19 518	0.27 485	0.27 483	0.28 588	0.32 552	0.35 605	0.31 620	0.31 609	0.23 567	0.11 544	0.09 550	0.11 554	0.10 538	0.13 586	0.11 556
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ETE_ROB	0.23 586	0.17 598	0.22 552	0.25 615	0.13 557	0.26 593	0.29 643	0.31 543	0.36 563	0.28 588	0.36 576	0.45 639	0.26 585	0.27 586	0.26 602	0.11 544	0.08 517	0.12 574	0.09 498	0.14 600	0.13 592

PDISCO_ROB	0.27 618	0.16 587	0.26 573	0.28 636	0.20 638	0.32 620	0.26 620	0.44 645	0.57 642	0.28 588	0.40 603	0.45 639	0.29 612	0.33 619	0.34 644	0.12 569	0.09 550	0.17 625	0.16 628	0.17 633	0.13 592

DStereoO	0.24 593	0.18 609	0.18 513	0.20 521	0.14 578	0.21 541	0.19 518	0.32 554	0.41 589	0.29 597	0.21 421	0.32 590	0.27 593	0.41 653	0.27 610	0.46 675	0.12 600	0.31 662	0.11 572	0.15 616	0.12 569

w-ln-seven	0.24 593	0.14 569	0.55 645	0.19 454	0.14 578	0.26 593	0.22 571	0.35 599	0.60 650	0.29 597	0.39 597	0.30 567	0.22 556	0.21 542	0.26 602	0.09 472	0.09 550	0.11 554	0.10 538	0.11 552	0.10 529

DPSNet	0.28 623	0.16 587	0.31 599	0.18 385	0.13 557	0.54 658	0.42 669	0.51 661	0.67 663	0.29 597	0.38 589	0.38 616	0.29 612	0.31 609	0.23 567	0.11 544	0.10 571	0.11 554	0.08 451	0.20 641	0.16 627

PWCDC_ROB	0.20 549	0.13 557	0.22 552	0.24 603	0.11 500	0.19 508	0.15 318	0.33 574	0.54 636	0.29 597	0.50 636	0.21 465	0.15 449	0.27 586	0.20 526	0.11 544	0.09 550	0.10 523	0.08 451	0.11 552	0.09 500

CBMV	0.19 537	0.14 569	0.17 489	0.18 385	0.10 450	0.20 524	0.11 64	0.29 518	0.30 515	0.29 597	0.30 540	0.30 567	0.23 564	0.27 586	0.19 520	0.13 595	0.15 630	0.17 625	0.16 628	0.10 529	0.10 529
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-SNSev	0.25 605	0.17 598	0.44 631	0.25 615	0.14 578	0.26 593	0.23 582	0.38 620	0.56 640	0.30 602	0.55 643	0.39 624	0.26 585	0.23 566	0.30 629	0.10 513	0.09 550	0.09 475	0.10 538	0.11 552	0.11 556

Wz-Net-LNSev	0.22 570	0.16 587	0.38 621	0.21 553	0.13 557	0.25 583	0.23 582	0.32 554	0.43 602	0.30 602	0.41 614	0.31 580	0.18 515	0.22 555	0.25 590	0.10 513	0.09 550	0.08 392	0.08 451	0.12 567	0.11 556

dad	0.17 511	0.20 619	0.20 537	0.16 208	0.11 500	0.20 524	0.18 478	0.21 359	0.28 498	0.30 602	0.24 453	0.29 557	0.13 407	0.19 500	0.16 474	0.18 636	0.09 550	0.11 554	0.09 498	0.11 552	0.07 390

ADCPNet	0.25 605	0.16 587	0.61 655	0.21 553	0.15 598	0.35 638	0.25 611	0.32 554	0.35 558	0.30 602	0.40 603	0.36 607	0.28 604	0.28 598	0.32 637	0.12 569	0.10 571	0.11 554	0.12 592	0.14 600	0.13 592

XPNet_ROB	0.22 570	0.11 511	0.19 525	0.22 570	0.13 557	0.22 550	0.19 518	0.34 583	0.40 586	0.30 602	0.39 597	0.39 624	0.26 585	0.26 583	0.28 618	0.15 613	0.10 571	0.10 523	0.10 538	0.13 586	0.12 569

PWC_ROB	0.21 561	0.16 587	0.26 573	0.18 385	0.11 500	0.22 550	0.13 169	0.32 554	0.49 623	0.30 602	0.40 603	0.32 590	0.24 570	0.31 609	0.22 555	0.10 513	0.07 487	0.11 554	0.08 451	0.11 552	0.10 529

DDUNet	0.22 570	0.17 598	0.21 546	0.22 570	0.15 598	0.25 583	0.24 595	0.29 518	0.30 515	0.31 608	0.36 576	0.33 594	0.25 579	0.24 576	0.20 526	0.18 636	0.13 615	0.17 625	0.11 572	0.16 625	0.16 627

XQC	0.28 623	0.23 631	0.51 640	0.28 636	0.19 635	0.34 630	0.27 627	0.36 606	0.57 642	0.31 608	0.30 540	0.37 612	0.30 616	0.38 641	0.38 652	0.13 595	0.09 550	0.15 614	0.12 592	0.17 633	0.18 639

AnyNet_C32	0.26 616	0.16 587	0.36 615	0.20 521	0.16 609	0.25 583	0.30 650	0.32 554	0.44 607	0.31 608	0.49 632	0.30 567	0.33 627	0.40 650	0.33 642	0.12 569	0.12 600	0.12 574	0.14 607	0.14 600	0.15 616

GANet	0.21 561	0.12 529	0.21 546	0.24 603	0.13 557	0.22 550	0.22 571	0.41 634	0.26 473	0.31 608	0.42 620	0.37 612	0.28 604	0.23 566	0.22 555	0.10 513	0.12 600	0.10 523	0.09 498	0.10 529	0.08 456

NCCL2	0.23 586	0.15 579	0.17 489	0.34 653	0.18 631	0.24 572	0.23 582	0.34 583	0.28 498	0.31 608	0.38 589	0.38 616	0.28 604	0.23 566	0.24 580	0.15 613	0.12 600	0.18 634	0.21 643	0.13 586	0.13 592

NaN_ROB	0.22 570	0.19 613	0.24 565	0.25 615	0.13 557	0.29 614	0.26 620	0.33 574	0.41 589	0.31 608	0.31 548	0.32 590	0.23 564	0.30 608	0.21 546	0.11 544	0.17 639	0.10 523	0.10 538	0.08 433	0.09 500

Consistency-Raft	0.44 655	0.40 663	0.45 632	0.37 659	0.43 669	0.46 650	0.41 666	0.57 669	0.55 637	0.32 614	0.73 665	0.33 594	0.48 659	0.42 654	0.49 668	0.39 669	0.35 672	0.45 669	0.51 679	0.42 669	0.29 661

MaskLacGwcNet_RVC	0.22 570	0.21 625	0.24 565	0.26 620	0.11 500	0.23 567	0.14 234	0.39 624	0.24 438	0.32 614	0.36 576	0.30 567	0.21 547	0.19 500	0.21 546	0.17 634	0.14 624	0.21 639	0.16 628	0.12 567	0.12 569

edge stereo	0.22 570	0.13 557	0.20 537	0.21 553	0.13 557	0.23 567	0.16 387	0.32 554	0.42 597	0.32 614	0.40 603	0.38 616	0.35 635	0.25 581	0.24 580	0.13 595	0.11 584	0.14 602	0.11 572	0.12 567	0.13 592

SHD	0.26 616	0.15 579	0.30 597	0.24 603	0.18 631	0.22 550	0.15 318	0.38 620	0.71 666	0.32 614	0.41 614	0.36 607	0.28 604	0.32 616	0.29 622	0.12 569	0.11 584	0.14 602	0.13 603	0.16 625	0.20 645

PSMNet-RUCA	0.27 618	0.33 656	0.41 628	0.36 657	0.32 664	0.18 484	0.19 518	0.42 639	0.30 515	0.33 618	0.41 614	0.39 624	0.25 579	0.31 609	0.20 526	0.18 636	0.10 571	0.25 646	0.15 624	0.21 642	0.16 627

LALA_ROB	0.25 605	0.16 587	0.22 552	0.26 620	0.17 624	0.27 603	0.27 627	0.42 639	0.37 570	0.33 618	0.38 589	0.51 651	0.26 585	0.28 598	0.27 610	0.16 629	0.09 550	0.12 574	0.11 572	0.13 586	0.12 569

Wz-Net-TNSev	0.29 627	0.20 619	0.65 658	0.19 454	0.15 598	0.38 643	0.27 627	0.35 599	0.55 637	0.34 620	0.42 620	0.45 639	0.38 640	0.32 616	0.30 629	0.12 569	0.13 615	0.10 523	0.12 592	0.15 616	0.14 609

zh-mn7	0.25 605	0.14 569	0.56 648	0.19 454	0.14 578	0.24 572	0.22 571	0.34 583	0.62 653	0.35 621	0.65 657	0.31 580	0.25 579	0.31 609	0.25 590	0.09 472	0.08 517	0.09 475	0.09 498	0.09 496	0.11 556

GANetREF_RVC	0.31 635	0.34 658	0.27 581	0.35 655	0.16 609	0.32 620	0.41 666	0.48 653	0.51 633	0.35 621	0.35 573	0.34 601	0.33 627	0.39 645	0.32 637	0.27 661	0.20 647	0.29 659	0.15 624	0.18 637	0.17 636
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
PASM	0.32 637	0.24 634	0.48 638	0.28 636	0.27 657	0.29 614	0.30 650	0.34 583	0.49 623	0.35 621	0.39 597	0.46 643	0.34 632	0.34 622	0.35 645	0.23 657	0.25 663	0.26 647	0.28 659	0.23 646	0.21 647

ccnet	0.29 627	0.28 649	0.23 561	0.20 521	0.28 658	0.41 648	0.21 561	0.45 648	0.33 537	0.36 624	0.46 628	0.36 607	0.30 616	0.39 645	0.42 661	0.23 657	0.14 624	0.21 639	0.17 635	0.23 646	0.18 639

G-Net	0.24 593	0.16 587	0.36 615	0.22 570	0.16 609	0.51 656	0.23 582	0.29 518	0.34 549	0.36 624	0.38 589	0.31 580	0.29 612	0.27 586	0.26 602	0.11 544	0.09 550	0.12 574	0.09 498	0.16 625	0.13 592

SAMSARA	0.40 649	0.28 649	0.33 606	0.55 671	0.39 665	0.82 680	1.23 697	0.47 652	0.51 633	0.36 624	0.35 573	0.55 657	0.39 643	0.38 641	0.39 654	0.15 613	0.20 647	0.15 614	0.14 607	0.23 646	0.20 645

ADCMid	0.25 605	0.15 579	0.40 625	0.20 521	0.14 578	0.25 583	0.26 620	0.34 583	0.38 577	0.36 624	0.44 625	0.34 601	0.40 646	0.35 628	0.33 642	0.10 513	0.09 550	0.11 554	0.11 572	0.13 586	0.12 569

STTRV1_RVC	0.25 605	0.26 640	0.39 623	0.19 454	0.26 656	0.30 617	0.24 595	0.34 583	0.35 558	0.36 624	0.34 568	0.31 580	0.31 620	0.28 598	0.25 590	0.17 634	0.10 571	0.16 621	0.14 607	0.17 633	0.12 569

SANet	0.24 593	0.14 569	0.28 586	0.21 553	0.11 500	0.27 603	0.24 595	0.38 620	0.64 658	0.36 624	0.40 603	0.43 635	0.26 585	0.27 586	0.24 580	0.12 569	0.09 550	0.10 523	0.09 498	0.13 586	0.11 556

CSAN	0.29 627	0.24 634	0.27 581	0.34 653	0.19 635	0.33 627	0.42 669	0.37 612	0.50 626	0.38 630	0.40 603	0.44 637	0.33 627	0.28 598	0.30 629	0.20 644	0.16 634	0.19 636	0.19 640	0.14 600	0.15 616

WCMA_ROB	0.24 593	0.11 511	0.22 552	0.17 295	0.14 578	0.32 620	0.15 318	0.32 554	0.32 530	0.38 630	0.53 639	0.40 628	0.34 632	0.34 622	0.25 590	0.11 544	0.12 600	0.12 574	0.10 538	0.14 600	0.14 609

AnyNet_C01	0.36 644	0.25 639	1.37 689	0.22 570	0.17 624	0.48 654	0.27 627	0.35 599	0.39 580	0.39 632	0.74 667	0.46 643	0.38 640	0.45 655	0.47 666	0.13 595	0.13 615	0.13 589	0.14 607	0.14 600	0.15 616

CC-Net-ROB	0.28 623	0.31 654	0.36 615	0.29 645	0.15 598	0.25 583	0.19 518	0.45 648	0.33 537	0.39 632	0.37 583	0.39 624	0.31 620	0.27 586	0.26 602	0.24 659	0.19 644	0.30 661	0.23 650	0.18 637	0.15 616

MDST_ROB	0.22 570	0.10 485	0.17 489	0.18 385	0.11 500	0.37 640	0.19 518	0.43 643	0.41 589	0.39 632	0.39 597	0.29 557	0.21 547	0.26 583	0.18 507	0.11 544	0.10 571	0.14 602	0.11 572	0.10 529	0.08 456

otaku	0.39 646	0.37 661	0.52 641	0.44 664	0.28 658	0.58 660	0.24 595	0.41 634	0.62 653	0.40 635	0.49 632	0.46 643	0.33 627	0.40 650	0.32 637	0.30 662	0.30 667	0.39 666	0.33 665	0.29 661	0.28 660

MFN_U_SF_DS_RVC	0.30 633	0.24 634	0.29 594	0.36 657	0.16 609	0.34 630	0.30 650	0.32 554	0.42 597	0.40 635	0.46 628	0.38 616	0.31 620	0.34 622	0.28 618	0.19 642	0.20 647	0.26 647	0.29 660	0.18 637	0.19 644

ADCS	0.29 627	0.18 609	0.45 632	0.21 553	0.17 624	0.28 610	0.23 582	0.41 634	0.63 657	0.40 635	0.49 632	0.40 628	0.36 637	0.39 645	0.40 657	0.13 595	0.12 600	0.13 589	0.14 607	0.16 625	0.16 627

MSMD_ROB	0.31 635	0.26 640	0.26 573	0.24 603	0.21 642	0.34 630	0.25 611	0.34 583	0.39 580	0.40 635	0.69 661	0.45 639	0.40 646	0.34 622	0.27 610	0.20 644	0.19 644	0.26 647	0.25 652	0.23 646	0.22 649

Ntro	0.40 649	0.40 663	0.53 642	0.46 668	0.30 662	0.65 666	0.24 595	0.46 650	0.68 664	0.41 639	0.49 632	0.48 649	0.42 654	0.39 645	0.31 636	0.32 664	0.28 665	0.37 665	0.30 662	0.32 666	0.29 661

psmorigin	0.25 605	0.15 579	0.34 614	0.17 295	0.13 557	0.23 567	0.14 234	0.34 583	0.33 537	0.41 639	0.55 643	0.41 630	0.37 639	0.34 622	0.27 610	0.11 544	0.15 630	0.11 554	0.11 572	0.12 567	0.16 627

FBW_ROB	0.24 593	0.17 598	0.22 552	0.26 620	0.14 578	0.25 583	0.22 571	0.41 634	0.41 589	0.41 639	0.41 614	0.42 631	0.27 593	0.31 609	0.23 567	0.09 472	0.14 624	0.14 602	0.12 592	0.11 552	0.09 500

ACVNet-4b	0.39 646	0.53 668	0.55 645	0.45 665	0.24 649	0.47 652	0.18 478	0.49 655	0.64 658	0.42 642	0.45 627	0.60 659	0.27 593	0.34 622	0.24 580	0.33 666	0.14 624	0.48 670	0.42 672	0.30 662	0.26 659

RTS	0.45 657	0.19 613	3.26 696	0.24 603	0.15 598	0.74 673	0.20 541	0.36 606	0.76 673	0.42 642	0.43 623	0.31 580	0.41 651	0.53 666	0.35 645	0.10 513	0.08 517	0.13 589	0.12 592	0.15 616	0.15 616

RTSA	0.45 657	0.19 613	3.26 696	0.24 603	0.15 598	0.74 673	0.20 541	0.36 606	0.76 673	0.42 642	0.43 623	0.31 580	0.41 651	0.53 666	0.35 645	0.10 513	0.08 517	0.13 589	0.12 592	0.15 616	0.15 616

FCDSN-DC	0.33 640	0.28 649	0.28 586	0.30 647	0.24 649	0.39 645	0.28 633	0.42 639	0.42 597	0.43 645	0.53 639	0.51 651	0.41 651	0.36 634	0.30 629	0.21 648	0.20 647	0.27 650	0.26 653	0.25 654	0.24 651
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SGM_RVC	0.23 586	0.12 529	0.15 423	0.15 112	0.09 338	0.33 627	0.18 478	0.34 583	0.31 523	0.44 646	0.37 583	0.53 655	0.35 635	0.35 628	0.24 580	0.13 595	0.13 615	0.13 589	0.13 603	0.10 529	0.11 556
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN v2	0.33 640	0.27 644	0.28 586	0.26 620	0.23 647	0.37 640	0.28 633	0.40 628	0.43 602	0.45 647	0.56 648	0.51 651	0.40 646	0.37 639	0.29 622	0.21 648	0.20 647	0.27 650	0.26 653	0.25 654	0.24 651

FC-DCNN	0.33 640	0.27 644	0.28 586	0.26 620	0.23 647	0.37 640	0.28 633	0.40 628	0.43 602	0.45 647	0.55 643	0.51 651	0.40 646	0.37 639	0.30 629	0.21 648	0.20 647	0.27 650	0.26 653	0.25 654	0.24 651

LSM	0.33 640	0.20 619	0.58 651	0.26 620	0.60 682	0.34 630	0.25 611	0.42 639	0.48 616	0.45 647	0.58 653	0.42 631	0.36 637	0.35 628	0.25 590	0.12 569	0.20 647	0.14 602	0.16 628	0.19 640	0.33 666

MFN_U_SF_RVC	0.32 637	0.21 625	0.55 645	0.30 647	0.15 598	0.34 630	0.17 429	0.52 662	0.46 614	0.46 650	0.55 643	0.59 658	0.39 643	0.35 628	0.37 650	0.15 613	0.14 624	0.18 634	0.21 643	0.16 625	0.15 616

aanetorigin	0.22 570	0.17 598	0.56 648	0.17 295	0.10 450	0.15 413	0.19 518	0.20 336	0.33 537	0.49 651	0.48 631	0.29 557	0.27 593	0.20 525	0.23 567	0.08 412	0.07 487	0.08 392	0.07 378	0.10 529	0.09 500

RainbowNet	0.54 665	0.61 672	0.70 673	0.57 672	0.43 669	0.65 666	0.37 664	0.60 671	0.87 677	0.50 652	0.66 658	0.64 662	0.47 658	0.49 658	0.43 664	0.47 676	0.48 681	0.52 674	0.41 671	0.52 673	0.40 674

MonStereo1	0.47 661	0.26 640	0.58 651	0.28 636	0.20 638	0.39 645	0.18 478	0.49 655	0.64 658	0.52 653	0.87 674	1.01 676	0.57 668	0.50 659	0.56 673	0.53 679	0.31 670	0.54 676	0.40 670	0.33 667	0.34 667

MADNet+	0.75 675	0.71 678	3.70 699	0.66 675	0.41 667	0.98 685	0.97 695	0.69 674	0.73 671	0.52 653	0.57 651	0.64 662	0.68 676	0.86 684	1.01 692	0.34 667	0.36 673	0.28 658	0.23 650	0.36 668	0.31 664

SGM-ForestM	0.32 637	0.12 529	0.16 459	0.16 208	0.11 500	0.39 645	0.19 518	0.41 634	0.50 626	0.52 653	0.54 641	1.32 687	0.42 654	0.40 650	0.27 610	0.14 609	0.16 634	0.16 621	0.16 628	0.12 567	0.12 569

MeshStereo	0.27 618	0.13 557	0.18 513	0.15 112	0.11 500	0.32 620	0.24 595	0.40 628	0.36 563	0.52 653	0.57 651	0.67 666	0.40 646	0.35 628	0.26 602	0.14 609	0.13 615	0.13 589	0.11 572	0.11 552	0.10 529
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
anonymity	0.53 664	0.58 670	0.65 658	0.41 662	0.61 683	0.53 657	0.41 666	0.56 667	0.41 589	0.55 657	0.50 636	0.49 650	0.55 666	0.58 671	0.50 671	0.58 682	0.50 685	0.51 672	0.51 679	0.51 672	0.57 680

PVD	0.39 646	0.20 619	0.39 623	0.31 651	0.22 644	0.29 614	0.43 671	0.52 662	0.96 680	0.55 657	0.79 671	0.53 655	0.59 670	0.52 663	0.38 652	0.19 642	0.14 624	0.17 625	0.14 607	0.24 653	0.31 664

light-stereo	0.42 653	0.26 640	0.59 653	0.60 673	0.49 672	0.32 620	0.23 582	0.46 650	0.52 635	0.56 659	0.58 653	0.76 671	0.32 625	0.48 657	0.29 622	0.32 664	0.24 661	0.27 650	0.33 665	0.46 670	0.39 671

AANet	0.30 633	0.19 613	1.03 684	0.16 208	0.13 557	0.22 550	0.16 387	0.30 532	0.62 653	0.60 660	0.52 638	0.46 643	0.38 640	0.23 566	0.32 637	0.12 569	0.09 550	0.11 554	0.10 538	0.13 586	0.12 569

MFMNet_re	0.64 668	0.66 676	0.65 658	0.51 669	0.69 687	0.69 669	0.57 680	0.64 673	0.73 671	0.60 660	0.73 665	0.62 661	0.67 675	0.65 674	0.60 676	0.66 687	0.58 694	0.63 677	0.59 682	0.68 684	0.69 690

ACVNet_1	0.44 655	0.49 667	0.60 654	0.45 665	0.28 658	0.49 655	0.27 627	0.57 669	0.72 667	0.62 662	0.58 653	0.74 670	0.49 660	0.50 659	0.35 645	0.26 660	0.24 661	0.39 666	0.29 660	0.31 665	0.24 651

TorneroNet-64	0.76 676	0.72 679	0.74 674	0.78 680	0.58 681	0.91 684	0.56 679	0.84 678	1.29 686	0.66 663	0.90 675	1.40 689	0.75 678	0.85 683	0.67 682	0.49 677	0.46 676	0.72 681	0.59 682	0.67 683	0.53 679

SGM+DAISY	0.56 666	0.57 669	0.65 658	0.40 660	0.54 675	0.66 668	0.49 674	0.56 667	0.45 613	0.66 663	0.69 661	0.67 666	0.56 667	0.63 673	0.56 673	0.59 683	0.48 681	0.50 671	0.50 678	0.52 673	0.58 681

SPS-STEREO	0.57 667	0.58 670	0.65 658	0.45 665	0.55 677	0.62 664	0.44 673	0.62 672	0.50 626	0.68 665	0.64 656	0.66 665	0.57 668	0.61 672	0.60 676	0.62 685	0.47 680	0.51 672	0.49 676	0.55 677	0.58 681
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
JetBlue	0.71 672	0.45 666	1.14 687	0.51 669	0.47 671	2.02 695	0.64 684	0.75 675	0.70 665	0.69 666	0.77 670	1.22 683	0.83 681	1.03 692	1.01 692	0.40 670	0.28 665	0.33 663	0.33 665	0.30 662	0.34 667

MSC_U_SF_DS_RVC	0.43 654	0.39 662	0.54 643	0.40 660	0.20 638	0.64 665	0.32 658	0.53 664	0.72 667	0.71 667	0.72 664	0.61 660	0.54 663	0.51 661	0.46 665	0.20 644	0.19 644	0.29 659	0.30 662	0.23 646	0.18 639

ELAS	0.41 651	0.29 652	0.33 606	0.27 633	0.24 649	0.60 663	0.36 661	0.50 659	0.50 626	0.71 667	0.79 671	0.67 666	0.54 663	0.51 661	0.42 661	0.22 653	0.20 647	0.27 650	0.26 653	0.26 659	0.25 657
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	7.91 702	0.31 654	153.02 727	0.19 454	0.09 338	0.21 541	0.16 387	0.22 383	0.59 646	0.72 669	0.67 659	0.42 631	0.50 661	0.24 576	0.39 654	0.08 412	0.07 487	0.08 392	0.07 378	0.12 567	0.10 529

MANE	0.45 657	0.27 644	0.27 581	0.27 633	0.24 649	0.47 652	0.31 656	0.55 666	0.59 646	0.72 669	1.13 688	1.15 681	0.61 671	0.52 663	0.37 650	0.21 648	0.20 647	0.27 650	0.31 664	0.25 654	0.24 651

NVStereoNet_ROB	0.46 660	0.36 660	0.46 636	0.41 662	0.28 658	0.34 630	0.34 659	0.48 653	0.60 650	0.72 669	0.93 677	0.70 669	0.66 674	0.47 656	0.60 676	0.22 653	0.33 671	0.34 664	0.34 668	0.30 662	0.30 663
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ELAS_RVC	0.41 651	0.29 652	0.33 606	0.28 636	0.24 649	0.54 658	0.36 661	0.49 655	0.59 646	0.72 669	0.74 667	0.65 664	0.54 663	0.54 668	0.40 657	0.22 653	0.20 647	0.27 650	0.26 653	0.26 659	0.25 657
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IMH-64-1	0.65 669	0.61 672	0.68 667	0.71 676	0.51 673	0.59 661	0.49 674	0.91 680	0.85 675	0.74 673	1.02 681	0.81 672	0.78 679	0.79 677	0.49 668	0.42 671	0.46 676	0.71 679	0.47 674	0.52 673	0.39 671

IMH-64	0.65 669	0.61 672	0.68 667	0.71 676	0.51 673	0.59 661	0.49 674	0.91 680	0.85 675	0.74 673	1.02 681	0.81 672	0.78 679	0.79 677	0.49 668	0.42 671	0.46 676	0.71 679	0.47 674	0.52 673	0.39 671

EDNetEfficient	0.29 627	0.24 634	1.13 686	0.18 385	0.10 450	0.19 508	0.20 541	0.20 336	0.60 650	0.74 673	0.56 648	0.31 580	0.39 643	0.22 555	0.30 629	0.09 472	0.07 487	0.08 392	0.07 378	0.11 552	0.09 500

TorneroNet	0.82 679	0.74 680	0.81 679	0.84 683	0.63 684	0.99 686	0.63 682	0.96 684	1.16 683	0.80 676	1.11 686	1.36 688	0.86 683	0.93 688	0.80 687	0.56 680	0.49 683	0.78 687	0.66 687	0.73 689	0.63 689

IMH	0.71 672	0.64 675	0.68 667	0.76 678	0.54 675	0.69 669	0.54 678	0.98 686	1.10 682	0.82 677	1.09 684	0.89 674	0.88 684	0.87 685	0.52 672	0.44 674	0.50 685	0.75 682	0.51 679	0.56 678	0.41 675

BEATNet-Init1	0.52 663	0.27 644	0.62 656	0.30 647	0.21 642	0.76 677	0.29 643	0.54 665	0.65 661	0.86 678	0.95 679	2.07 697	0.62 673	0.56 670	0.42 661	0.18 636	0.18 641	0.23 644	0.22 646	0.22 645	0.21 647

ACVNet_2	0.66 671	0.66 676	0.68 667	0.63 674	0.41 667	0.71 671	0.49 674	0.96 684	1.39 689	0.89 679	1.09 684	1.04 677	0.73 677	0.54 668	0.47 666	0.43 673	0.40 674	0.53 675	0.44 673	0.47 671	0.35 669

WAO-7	0.79 677	0.78 681	0.54 643	0.85 684	0.67 686	0.74 673	0.68 688	1.05 689	1.32 687	0.90 680	1.20 691	1.04 677	0.92 685	0.69 675	0.66 679	0.60 684	0.62 695	0.67 678	0.68 688	0.64 680	0.58 681

WAO-6	0.81 678	0.80 682	0.62 656	0.86 685	0.63 684	0.76 677	0.58 681	0.98 686	1.54 694	0.90 680	0.96 680	1.07 679	1.03 689	0.70 676	0.66 679	0.72 688	0.49 683	0.90 690	0.71 689	0.68 684	0.58 681

LVE	0.83 680	0.85 685	0.85 680	0.80 681	0.56 678	1.04 690	0.65 685	1.05 689	1.47 692	0.96 682	1.22 692	1.10 680	0.85 682	0.83 680	0.71 684	0.49 677	0.55 691	0.76 685	0.60 684	0.65 681	0.59 686

PWCK	0.71 672	0.94 687	0.95 682	0.76 678	0.31 663	0.74 673	0.36 661	0.90 679	0.90 678	0.96 682	0.75 669	0.95 675	0.61 671	0.87 685	0.66 679	0.72 688	0.46 676	0.75 682	0.49 676	0.69 686	0.44 676

UNDER WATER	0.97 685	0.97 689	1.42 690	0.99 690	0.70 690	1.12 692	0.84 691	0.80 677	1.08 681	1.01 684	0.90 675	1.55 693	1.22 696	1.03 692	1.00 691	0.78 692	0.53 688	1.02 693	0.87 694	0.80 691	0.74 692

UNDER WATER-64	0.95 684	0.94 687	1.43 691	0.87 686	0.56 678	1.18 693	0.87 692	0.77 676	0.94 679	1.04 685	0.85 673	1.58 694	1.21 695	0.94 689	0.96 690	0.87 694	0.57 693	1.03 694	0.88 695	0.78 690	0.73 691

ktn	1.01 687	1.21 692	0.80 678	1.23 695	0.86 693	1.01 688	0.87 692	0.94 683	1.39 689	1.04 685	1.12 687	1.15 681	1.07 690	0.94 689	0.59 675	1.28 700	0.71 697	1.38 700	0.83 693	1.02 695	0.75 693

WAO-8	0.91 682	0.81 683	0.65 658	0.94 688	0.69 687	0.90 681	0.67 686	1.07 692	1.83 697	1.06 687	1.45 694	1.30 684	1.07 690	0.84 681	0.78 685	0.74 690	0.53 688	0.86 688	0.75 690	0.69 686	0.62 687

Venus	0.91 682	0.81 683	0.65 658	0.94 688	0.69 687	0.90 681	0.67 686	1.07 692	1.83 697	1.06 687	1.45 694	1.30 684	1.07 690	0.84 681	0.78 685	0.74 690	0.53 688	0.86 688	0.75 690	0.69 686	0.62 687

TCMNet-wrong-test	3.67 696	5.48 710	3.89 700	12.18 712	11.75 713	4.65 697	3.88 701	1.06 691	0.72 667	1.09 689	2.15 698	6.30 705	0.53 662	3.43 700	2.36 699	0.89 695	0.20 647	1.87 703	1.69 702	5.57 707	3.62 707

Dean	0.87 681	0.86 686	0.79 677	0.81 682	0.56 678	0.90 681	0.63 682	1.15 695	1.73 695	1.15 690	1.15 689	1.31 686	0.99 688	0.81 679	0.81 688	0.57 681	0.56 692	0.77 686	0.64 685	0.66 682	0.58 681

KSHMR	1.09 688	1.17 691	0.88 681	1.25 696	1.00 695	0.99 686	0.96 694	1.13 694	1.37 688	1.16 691	1.29 693	1.41 690	0.96 687	1.01 691	0.92 689	1.03 697	1.08 699	1.20 697	1.03 698	1.01 694	0.97 696

notaker	0.97 685	1.11 690	0.98 683	1.13 693	0.81 691	0.73 672	0.68 688	0.93 682	1.16 683	1.18 692	1.18 690	1.41 690	1.16 694	1.08 694	0.69 683	0.81 693	0.64 696	1.17 696	0.79 692	0.98 693	0.80 694

tt	4.67 697	0.06 106	3.55 698	2.02 699	1.55 697	10.25 704	16.71 705	8.91 709	5.03 701	1.31 693	0.94 678	4.71 701	4.76 702	3.33 699	5.87 703	6.06 710	10.30 716	1.88 704	2.11 704	2.75 701	1.21 699

DPSimNet_ROB	1.11 689	1.23 693	0.78 675	1.13 693	0.88 694	1.10 691	1.13 696	1.16 696	1.23 685	1.43 694	1.02 681	1.41 690	1.10 693	0.90 687	1.60 694	1.46 701	0.51 687	1.21 698	1.03 698	0.90 692	1.01 698

HanzoNet	1.29 690	1.26 694	1.19 688	1.12 692	0.85 692	1.02 689	0.83 690	1.03 688	1.48 693	1.64 695	1.61 696	2.50 699	1.72 697	1.61 696	1.61 695	1.26 699	0.80 698	1.31 699	1.01 697	1.02 695	0.86 695

JetRed	1.62 691	1.46 695	2.98 694	0.92 687	1.21 696	4.99 698	1.53 700	1.27 697	1.39 689	1.83 696	1.74 697	1.60 695	0.95 686	1.41 695	2.45 700	0.90 696	1.60 701	0.93 691	0.90 696	1.35 697	0.99 697

coex-ft	3.30 694	0.34 658	59.09 726	0.18 385	0.13 557	0.26 593	0.22 571	0.27 485	0.72 667	1.90 697	0.70 663	0.44 637	0.45 657	0.29 605	0.41 660	0.09 472	0.09 550	0.12 574	0.09 498	0.14 600	0.13 592

ASD4	3.54 695	3.38 701	2.05 693	1.72 697	2.51 700	9.03 702	17.71 706	2.25 698	5.51 702	2.46 698	2.81 700	2.03 696	3.36 701	2.73 698	5.06 701	1.22 698	1.34 700	1.13 695	1.33 700	1.68 698	1.49 700

MADNet++	1.95 692	1.75 696	1.59 692	1.82 698	1.69 698	2.33 696	1.40 699	2.35 699	2.09 699	2.57 699	2.36 699	2.24 698	2.17 699	2.28 697	2.34 698	1.87 702	1.66 702	1.54 701	1.34 701	1.92 699	1.77 701

Selective-IGEV-i1pa	2.80 693	3.51 702	0.67 666	0.28 636	0.14 578	10.22 703	0.43 671	4.36 700	3.63 700	3.53 700	6.92 702	3.47 700	1.97 698	13.41 714	2.26 697	0.36 668	0.15 630	0.13 589	0.10 538	0.15 616	0.35 669

Selective-IGEV-i16pa	18.58 715	3.30 700	1.09 685	0.21 553	0.18 631	103.68 727	0.28 633	19.87 719	40.73 727	4.16 701	56.45 727	8.07 707	2.59 700	123.95 728	5.89 704	0.18 636	0.12 600	0.09 475	0.12 592	0.12 567	0.51 678

LE_ROB	0.50 662	0.07 224	0.14 375	0.15 112	0.08 211	0.24 572	0.16 387	0.22 383	1.81 696	4.63 702	0.67 659	0.47 647	0.44 656	0.20 525	0.29 622	0.07 335	0.06 415	0.06 187	0.06 280	0.08 433	0.06 303

DPSMNet_ROB	8.06 703	4.48 703	8.63 711	5.37 705	10.74 708	8.32 700	22.98 712	5.46 702	13.36 712	5.12 703	9.92 708	5.08 702	10.40 709	5.53 703	12.58 709	3.80 708	8.00 709	3.50 705	7.02 710	3.83 705	7.14 711

DGTPSM_ROB	8.06 703	4.48 703	8.63 711	5.35 703	10.72 707	8.32 700	22.97 711	5.46 702	13.35 711	5.12 703	9.92 708	5.08 702	10.40 709	5.52 702	12.58 709	3.79 707	8.00 709	3.50 705	7.02 710	3.83 705	7.14 711

USTest	6.22 698	2.73 699	3.00 695	6.57 706	7.29 705	14.37 706	21.57 707	7.00 708	9.56 707	5.34 705	6.10 701	5.72 704	7.64 705	6.41 704	6.96 705	1.97 703	3.42 708	1.64 702	2.15 705	2.66 700	2.36 702

xxxxx1	7.79 699	5.02 707	7.31 703	3.12 700	3.85 701	16.35 708	22.88 708	5.86 705	8.69 704	7.97 706	8.54 703	9.12 709	8.27 706	10.18 706	10.92 706	2.42 704	2.45 704	3.56 707	12.37 713	3.77 702	3.06 704

tt_ll	7.79 699	5.02 707	7.31 703	3.12 700	3.85 701	16.35 708	22.88 708	5.86 705	8.69 704	7.97 706	8.54 703	9.12 709	8.27 706	10.18 706	10.92 706	2.42 704	2.45 704	3.56 707	12.37 713	3.77 702	3.06 704

ff	7.79 699	5.02 707	7.31 703	3.12 700	3.85 701	16.35 708	22.88 708	5.86 705	8.69 704	7.97 706	8.54 703	9.12 709	8.27 706	10.18 706	10.92 706	2.42 704	2.45 704	3.56 707	12.37 713	3.77 702	3.06 704

Anonymous_1	10.96 711	7.92 711	7.46 706	10.33 709	10.06 706	18.65 714	26.34 716	11.06 712	13.44 713	9.40 709	10.05 710	9.67 714	11.23 713	10.73 709	12.72 711	6.42 711	8.38 713	5.77 712	10.61 712	12.12 713	6.77 708

iinet-test	10.48 708	8.09 712	7.54 707	10.26 707	10.94 709	18.00 712	25.26 714	11.33 713	13.28 709	9.69 710	9.85 706	9.42 712	11.17 711	11.02 710	12.78 712	6.59 712	8.30 711	5.56 710	6.56 706	6.89 708	7.02 709

IINet	10.48 708	8.09 712	7.54 707	10.26 707	10.94 709	18.00 712	25.26 714	11.33 713	13.28 709	9.69 710	9.85 706	9.42 712	11.17 711	11.02 710	12.78 712	6.59 712	8.30 711	5.56 710	6.56 706	6.89 708	7.02 709

DPSM_ROB	11.15 712	8.58 714	8.00 709	10.88 710	11.58 711	19.10 715	26.71 717	12.05 715	14.07 716	10.36 712	10.84 711	10.33 715	11.86 714	11.70 712	13.54 714	6.99 714	8.79 714	5.89 713	6.95 708	7.29 710	7.42 713

DPSM	11.15 712	8.58 714	8.00 709	10.88 710	11.58 711	19.10 715	26.71 717	12.05 715	14.07 716	10.36 712	10.84 711	10.33 715	11.86 714	11.70 712	13.54 714	6.99 714	8.79 714	5.89 713	6.95 708	7.29 710	7.42 713

LRCNet_RVC	10.62 710	13.42 717	7.30 702	18.92 716	2.07 699	0.33 627	0.30 650	5.59 704	0.48 616	13.03 714	17.94 714	8.87 708	5.65 703	4.79 701	1.89 696	23.51 724	2.73 707	27.55 727	25.71 727	16.07 721	16.33 722

HaxPig	15.71 714	18.52 725	19.18 720	16.89 715	15.89 716	7.73 699	7.60 702	13.31 717	10.82 708	15.42 715	14.91 713	15.98 717	14.92 716	15.58 715	15.98 716	18.95 723	16.73 717	19.46 723	18.08 723	19.26 722	19.05 725

RSGM-EC	20.36 716	4.73 705	0.68 667	16.76 713	16.92 717	21.28 717	27.18 719	10.46 710	14.04 714	18.00 716	21.31 717	22.24 726	21.82 718	22.57 717	17.63 717	62.81 727	33.79 727	20.14 724	18.10 724	20.18 723	16.45 723

acva	20.36 716	4.73 705	0.68 667	16.76 713	16.92 717	21.28 717	27.18 719	10.46 710	14.04 714	18.00 716	21.31 717	22.24 726	21.82 718	22.57 717	17.63 717	62.81 727	33.79 727	20.14 724	18.10 724	20.18 723	16.45 723

PML	8.91 705	9.34 716	6.13 701	5.35 703	6.41 704	14.99 707	23.38 713	5.27 701	6.83 703	18.04 718	28.19 726	7.67 706	6.83 704	7.85 705	5.75 702	5.35 709	1.83 703	5.95 715	1.93 703	8.64 712	2.52 703

MEDIAN_ROB	20.38 718	24.04 726	23.31 723	21.23 717	21.71 719	10.40 705	7.92 703	17.64 718	15.50 718	20.12 719	19.70 715	20.34 718	20.32 717	21.19 716	21.13 719	23.81 725	21.81 725	24.98 726	23.76 726	24.71 725	23.93 726

Hybrid-DGEV	22.47 723	17.40 724	16.14 717	22.00 718	23.29 722	38.36 722	53.80 723	24.43 727	28.63 726	20.59 720	21.81 722	20.88 721	23.91 722	23.45 722	27.42 724	14.08 720	17.69 719	11.83 718	14.06 721	14.65 714	14.93 717

CasAABBNet	22.42 719	17.33 719	16.01 715	22.01 719	23.28 721	38.32 719	53.80 723	24.14 723	28.41 723	20.60 721	21.77 721	20.89 724	23.91 722	23.43 721	27.36 722	14.07 717	17.69 719	11.83 718	14.01 717	14.67 716	14.95 718

RAFT-FEzeroshot	22.43 720	17.33 719	15.98 713	22.02 720	23.31 723	38.34 720	53.82 725	24.05 721	28.39 721	20.61 722	21.76 719	20.88 721	23.92 724	23.41 719	27.42 724	14.07 717	17.69 719	11.83 718	14.02 718	14.69 717	14.97 719

RAFT-FE	22.43 720	17.33 719	15.98 713	22.02 720	23.31 723	38.34 720	53.82 725	24.05 721	28.39 721	20.61 722	21.76 719	20.88 721	23.92 724	23.41 719	27.42 724	14.07 717	17.69 719	11.83 718	14.02 718	14.69 717	14.97 719

Selective-RAFT-Error	22.47 723	17.37 723	16.09 716	22.06 722	23.34 725	38.39 723	53.83 727	24.29 726	28.47 725	20.74 724	21.83 724	20.81 720	23.90 721	23.54 725	27.53 727	14.08 720	17.69 719	11.82 717	14.00 716	14.69 717	15.00 721

LSM0	22.87 725	17.28 718	18.96 719	22.19 724	29.04 727	38.42 725	53.71 721	24.28 725	28.31 720	20.78 725	21.00 716	21.43 725	24.16 726	23.50 724	27.39 723	14.09 722	17.38 718	11.84 722	14.04 720	14.73 720	14.89 715

FlowAnything	22.44 722	17.35 722	16.14 717	22.07 723	23.23 720	38.39 723	53.77 722	24.25 724	28.44 724	20.96 726	21.82 723	20.70 719	23.84 720	23.49 723	27.14 721	14.04 716	17.79 724	11.75 716	14.15 722	14.65 714	14.89 715

AVERAGE_ROB	24.90 726	29.20 727	28.14 724	24.89 725	24.64 726	17.75 711	11.12 704	21.45 720	19.93 719	25.12 727	24.46 725	25.12 728	25.46 727	24.69 726	22.83 720	29.76 726	27.13 726	28.97 728	27.95 728	29.91 726	29.47 727

ccccc	245.47 728	285.66 729	306.18 728	368.85 729	370.60 729	123.16 728	145.33 729	115.05 729	110.08 729	126.68 728	110.87 728	122.83 730	165.88 729	252.94 729	276.56 729	384.56 730	353.86 730	254.69 730	223.00 730	425.87 730	386.83 729

test_example2	98.32 727	94.13 728	45.89 725	96.35 726	109.85 728	88.61 726	95.45 728	25.75 728	94.37 728	130.00 729	126.06 729	58.17 729	74.63 728	88.51 727	79.96 728	150.23 729	221.02 729	77.62 729	99.10 729	113.75 729	96.94 728

FADE		0.33 656		0.33 652	0.25 655							0.42 631				0.30 662	0.21 659	0.41 668	0.38 669	0.23 646

Low-res two-view benchmark