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

FoundationStereo	0.06 1	0.04 1	0.08 43	0.12 5	0.05 1	0.09 99	0.13 128	0.06 1	0.09 31	0.05 2	0.05 7	0.06 25	0.04 1	0.06 1	0.07 1	0.06 127	0.04 24	0.05 36	0.03 1	0.05 125	0.04 50

BTL-Stereo	0.07 4	0.04 1	0.08 43	0.15 92	0.07 87	0.06 11	0.14 181	0.07 2	0.10 49	0.05 2	0.05 7	0.04 1	0.06 48	0.07 4	0.09 67	0.04 11	0.04 24	0.05 36	0.05 135	0.04 23	0.04 50

Pro-Stereo	0.07 4	0.05 28	0.08 43	0.15 92	0.07 87	0.08 60	0.12 80	0.07 2	0.07 10	0.06 16	0.06 18	0.05 4	0.05 13	0.09 42	0.08 18	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

S2M2_XL	0.08 60	0.06 83	0.12 227	0.12 5	0.08 154	0.09 99	0.09 18	0.07 2	0.07 10	0.08 90	0.07 52	0.07 85	0.06 48	0.09 42	0.09 67	0.08 348	0.06 349	0.07 233	0.05 135	0.08 367	0.06 244
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
DEFOM-Stereo	0.07 4	0.05 28	0.07 10	0.14 46	0.06 17	0.10 153	0.13 128	0.07 2	0.13 141	0.06 16	0.07 52	0.06 25	0.05 13	0.10 86	0.09 67	0.04 11	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

MLG-Stereo_test3	0.07 4	0.05 28	0.10 143	0.14 46	0.06 17	0.07 34	0.11 56	0.08 6	0.06 4	0.06 16	0.04 1	0.06 25	0.06 48	0.07 4	0.10 149	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.06 244

MLG-Stereo_test1	0.06 1	0.05 28	0.08 43	0.17 251	0.05 1	0.06 11	0.11 56	0.08 6	0.03 1	0.05 2	0.04 1	0.06 25	0.05 13	0.09 42	0.09 67	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

MLG-Stereo	0.07 4	0.05 28	0.08 43	0.17 251	0.05 1	0.07 34	0.11 56	0.08 6	0.04 2	0.05 2	0.04 1	0.06 25	0.05 13	0.10 86	0.09 67	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

LG-G_1	0.07 4	0.04 1	0.11 188	0.15 92	0.06 17	0.09 99	0.08 7	0.08 6	0.06 4	0.06 16	0.05 7	0.07 85	0.07 132	0.11 138	0.08 18	0.07 277	0.04 24	0.05 36	0.04 44	0.05 125	0.05 152

LG-G	0.07 4	0.04 1	0.11 188	0.15 92	0.06 17	0.09 99	0.08 7	0.08 6	0.06 4	0.06 16	0.05 7	0.07 85	0.07 132	0.11 138	0.08 18	0.07 277	0.04 24	0.05 36	0.04 44	0.05 125	0.05 152

LGtest1	0.07 4	0.04 1	0.10 143	0.15 92	0.06 17	0.07 34	0.09 18	0.08 6	0.06 4	0.05 2	0.04 1	0.06 25	0.06 48	0.10 86	0.09 67	0.07 277	0.04 24	0.05 36	0.04 44	0.06 233	0.06 244

StereoAnything_RVC	0.07 4	0.15 511	0.17 423	0.11 1	0.05 1	0.05 4	0.11 56	0.08 6	0.08 18	0.06 16	0.06 18	0.05 4	0.05 13	0.09 42	0.08 18	0.08 348	0.04 24	0.05 36	0.03 1	0.05 125	0.04 50

BridgeDepth	0.07 4	0.07 176	0.08 43	0.18 333	0.06 17	0.07 34	0.11 56	0.09 13	0.06 4	0.04 1	0.07 52	0.10 195	0.09 204	0.08 19	0.08 18	0.04 11	0.03 1	0.04 1	0.04 44	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
DDF-Stereo	0.08 60	0.04 1	0.09 95	0.15 92	0.10 384	0.06 11	0.13 128	0.09 13	0.14 167	0.06 16	0.06 18	0.07 85	0.06 48	0.09 42	0.10 149	0.06 127	0.04 24	0.06 132	0.04 44	0.08 367	0.05 152

zero-FE	0.08 60	0.04 1	0.09 95	0.15 92	0.10 384	0.05 4	0.14 181	0.09 13	0.14 167	0.07 51	0.06 18	0.07 85	0.06 48	0.09 42	0.10 149	0.06 127	0.04 24	0.06 132	0.04 44	0.08 367	0.05 152

AdaDepth	0.07 4	0.06 83	0.07 10	0.18 333	0.06 17	0.11 199	0.12 80	0.09 13	0.07 10	0.06 16	0.05 7	0.07 85	0.06 48	0.09 42	0.10 149	0.04 11	0.05 212	0.05 36	0.04 44	0.04 23	0.04 50

LG-Stereo_L2	0.07 4	0.05 28	0.10 143	0.14 46	0.06 17	0.07 34	0.12 80	0.09 13	0.09 31	0.06 16	0.04 1	0.05 4	0.05 13	0.08 19	0.08 18	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.03 2

LG-Stereo_L1	0.07 4	0.05 28	0.11 188	0.14 46	0.06 17	0.07 34	0.13 128	0.09 13	0.07 10	0.05 2	0.04 1	0.05 4	0.04 1	0.08 19	0.07 1	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

MLG-Stereo_test2	0.06 1	0.04 1	0.10 143	0.15 92	0.05 1	0.07 34	0.11 56	0.09 13	0.04 2	0.06 16	0.05 7	0.06 25	0.04 1	0.08 19	0.09 67	0.06 127	0.04 24	0.05 36	0.03 1	0.05 125	0.05 152

GREAT-IGEV	0.07 4	0.06 83	0.08 43	0.13 14	0.07 87	0.07 34	0.14 181	0.09 13	0.09 31	0.06 16	0.07 52	0.06 25	0.05 13	0.10 86	0.07 1	0.05 35	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
AIO_rvc	0.07 4	0.06 83	0.08 43	0.15 92	0.06 17	0.08 60	0.14 181	0.09 13	0.08 18	0.07 51	0.08 93	0.07 85	0.04 1	0.10 86	0.08 18	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

LACA1	0.07 4	0.07 176	0.07 10	0.14 46	0.05 1	0.09 99	0.11 56	0.10 22	0.07 10	0.05 2	0.05 7	0.06 25	0.07 132	0.08 19	0.09 67	0.06 127	0.04 24	0.04 1	0.04 44	0.03 1	0.04 50

LCMNet	0.08 60	0.05 28	0.10 143	0.13 14	0.07 87	0.09 99	0.12 80	0.10 22	0.11 77	0.06 16	0.08 93	0.06 25	0.07 132	0.11 138	0.10 149	0.06 127	0.05 212	0.04 1	0.03 1	0.04 23	0.04 50

GEAStereo	0.08 60	0.05 28	0.08 43	0.13 14	0.08 154	0.08 60	0.14 181	0.10 22	0.09 31	0.08 90	0.10 145	0.06 25	0.05 13	0.11 138	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.05 152

gasm-f	0.08 60	0.05 28	0.07 10	0.13 14	0.08 154	0.08 60	0.14 181	0.10 22	0.09 31	0.08 90	0.10 145	0.06 25	0.05 13	0.10 86	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.06 233	0.05 152

Wavelet-MonSter	0.07 4	0.05 28	0.07 10	0.16 175	0.06 17	0.07 34	0.11 56	0.10 22	0.08 18	0.06 16	0.06 18	0.07 85	0.07 132	0.09 42	0.09 67	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

2.25w	0.07 4	0.06 83	0.07 10	0.14 46	0.06 17	0.08 60	0.08 7	0.10 22	0.15 187	0.08 90	0.10 145	0.07 85	0.06 48	0.08 19	0.10 149	0.05 35	0.03 1	0.04 1	0.04 44	0.03 1	0.04 50

2.5w	0.07 4	0.07 176	0.07 10	0.16 175	0.06 17	0.08 60	0.12 80	0.10 22	0.10 49	0.07 51	0.06 18	0.09 162	0.06 48	0.08 19	0.09 67	0.04 11	0.03 1	0.04 1	0.04 44	0.03 1	0.03 2

LG-Stereo_Zeroshot	0.07 4	0.06 83	0.10 143	0.16 175	0.07 87	0.04 1	0.13 128	0.10 22	0.10 49	0.05 2	0.11 189	0.07 85	0.05 13	0.07 4	0.09 67	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

S2M2_L	0.09 111	0.08 282	0.11 188	0.13 14	0.10 384	0.08 60	0.06 1	0.10 22	0.10 49	0.10 165	0.09 115	0.10 195	0.09 204	0.11 138	0.11 226	0.13 526	0.07 421	0.08 324	0.09 430	0.10 461	0.08 391
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
SCV	0.08 60	0.09 358	0.08 43	0.15 92	0.08 154	0.10 153	0.13 128	0.10 22	0.12 107	0.07 51	0.07 52	0.06 25	0.04 1	0.09 42	0.08 18	0.05 35	0.04 24	0.06 132	0.04 44	0.06 233	0.04 50

DEFOM-Stereo_RVC	0.08 60	0.06 83	0.09 95	0.22 500	0.06 17	0.08 60	0.12 80	0.10 22	0.10 49	0.07 51	0.07 52	0.06 25	0.05 13	0.11 138	0.09 67	0.06 127	0.04 24	0.05 36	0.03 1	0.06 233	0.04 50

AIO_test	0.07 4	0.05 28	0.07 10	0.15 92	0.07 87	0.06 11	0.14 181	0.10 22	0.10 49	0.07 51	0.07 52	0.06 25	0.05 13	0.08 19	0.10 149	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

IGEV-RUCA	0.08 60	0.06 83	0.11 188	0.14 46	0.09 275	0.10 153	0.12 80	0.10 22	0.12 107	0.06 16	0.07 52	0.07 85	0.06 48	0.09 42	0.08 18	0.06 127	0.05 212	0.05 36	0.04 44	0.05 125	0.06 244

IGEV-BASED-STEREO-	0.09 111	0.10 417	0.31 531	0.15 92	0.06 17	0.08 60	0.14 181	0.10 22	0.10 49	0.07 51	0.07 52	0.06 25	0.04 1	0.11 138	0.07 1	0.12 501	0.04 24	0.07 233	0.05 135	0.05 125	0.05 152

IGEV-Stereo+	0.07 4	0.04 1	0.08 43	0.15 92	0.06 17	0.04 1	0.09 18	0.10 22	0.09 31	0.06 16	0.06 18	0.06 25	0.06 48	0.06 1	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.06 233	0.06 244

IGEV++	0.08 60	0.06 83	0.08 43	0.18 333	0.07 87	0.09 99	0.13 128	0.10 22	0.09 31	0.08 90	0.08 93	0.06 25	0.06 48	0.13 278	0.09 67	0.05 35	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

LACA2	0.07 4	0.05 28	0.06 4	0.15 92	0.06 17	0.09 99	0.11 56	0.11 38	0.10 49	0.05 2	0.05 7	0.06 25	0.08 173	0.09 42	0.07 1	0.07 277	0.04 24	0.04 1	0.04 44	0.04 23	0.04 50

WQFJA1++	0.08 60	0.04 1	0.11 188	0.14 46	0.07 87	0.11 199	0.11 56	0.11 38	0.07 10	0.07 51	0.07 52	0.07 85	0.06 48	0.10 86	0.10 149	0.06 127	0.04 24	0.05 36	0.04 44	0.06 233	0.06 244

VIP-Stereo	0.07 4	0.07 176	0.07 10	0.15 92	0.06 17	0.12 241	0.10 31	0.11 38	0.11 77	0.06 16	0.07 52	0.06 25	0.05 13	0.10 86	0.08 18	0.05 35	0.04 24	0.05 36	0.03 1	0.03 1	0.02 1

GSStereo	0.08 60	0.05 28	0.08 43	0.13 14	0.08 154	0.08 60	0.14 181	0.11 38	0.12 107	0.08 90	0.10 145	0.05 4	0.05 13	0.11 138	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.05 152

GS-Stereo							0.14 181	0.11 38	0.12 107	0.08 90	0.10 145	0.05 4	0.05 13	0.11 138	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.05 152

Zero-FE251	0.07 4	0.05 28	0.09 95	0.13 14	0.06 17	0.12 241	0.12 80	0.11 38	0.10 49	0.07 51	0.08 93	0.06 25	0.06 48	0.09 42	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

Monster-pub-mixall	0.07 4	0.04 1	0.09 95	0.13 14	0.06 17	0.05 4	0.09 18	0.11 38	0.07 10	0.06 16	0.06 18	0.05 4	0.06 48	0.09 42	0.09 67	0.06 127	0.04 24	0.04 1	0.03 1	0.05 125	0.05 152

asd	0.07 4	0.08 282	0.07 10	0.16 175	0.07 87	0.08 60	0.08 7	0.11 38	0.08 18	0.07 51	0.07 52	0.06 25	0.06 48	0.10 86	0.09 67	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

111111	0.07 4	0.04 1	0.09 95	0.17 251	0.06 17	0.05 4	0.10 31	0.11 38	0.09 31	0.06 16	0.06 18	0.07 85	0.05 13	0.09 42	0.09 67	0.06 127	0.04 24	0.05 36	0.04 44	0.07 305	0.06 244

LG-Stereo	0.08 60	0.07 176	0.10 143	0.18 333	0.07 87	0.10 153	0.17 362	0.11 38	0.08 18	0.05 2	0.07 52	0.05 4	0.07 132	0.09 42	0.09 67	0.04 11	0.05 212	0.07 233	0.07 313	0.04 23	0.04 50

SGD-Stereo	0.08 60	0.05 28	0.10 143	0.14 46	0.05 1	0.12 241	0.12 80	0.11 38	0.12 107	0.07 51	0.09 115	0.09 162	0.09 204	0.08 19	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.03 2

SCV_C0	0.08 60	0.07 176	0.07 10	0.16 175	0.09 275	0.08 60	0.15 259	0.11 38	0.12 107	0.08 90	0.07 52	0.06 25	0.05 13	0.11 138	0.07 1	0.05 35	0.05 212	0.05 36	0.04 44	0.06 233	0.05 152

castereo++	0.08 60	0.05 28	0.08 43	0.15 92	0.05 1	0.14 325	0.12 80	0.11 38	0.15 187	0.07 51	0.07 52	0.07 85	0.06 48	0.08 19	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

SMoEStereo_RVC	0.08 60	0.06 83	0.12 227	0.16 175	0.07 87	0.09 99	0.14 181	0.11 38	0.13 141	0.09 128	0.07 52	0.07 85	0.07 132	0.12 228	0.10 149	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

ours_stereo	0.09 111	0.07 176	0.09 95	0.17 251	0.08 154	0.11 199	0.16 325	0.11 38	0.12 107	0.08 90	0.10 145	0.08 132	0.06 48	0.12 228	0.12 285	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.03 2

IGEV-Stereo++	0.07 4	0.06 83	0.08 43	0.18 333	0.06 17	0.04 1	0.10 31	0.11 38	0.11 77	0.06 16	0.07 52	0.07 85	0.06 48	0.09 42	0.09 67	0.05 35	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

RSM++	0.08 60	0.06 83	0.09 95	0.17 251	0.07 87	0.09 99	0.12 80	0.11 38	0.11 77	0.08 90	0.06 18	0.07 85	0.05 13	0.10 86	0.09 67	0.04 11	0.04 24	0.06 132	0.05 135	0.05 125	0.03 2

gcap-zeroshot	0.09 111	0.05 28	0.10 143	0.16 175	0.07 87	0.13 292	0.13 128	0.11 38	0.12 107	0.13 267	0.12 206	0.09 162	0.08 173	0.09 42	0.09 67	0.06 127	0.05 212	0.06 132	0.05 135	0.04 23	0.04 50

MoCha-V2	0.08 60	0.05 28	0.10 143	0.20 454	0.07 87	0.09 99	0.14 181	0.11 38	0.08 18	0.07 51	0.08 93	0.07 85	0.06 48	0.09 42	0.08 18	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

LoS_RVC	0.08 60	0.05 28	0.07 10	0.15 92	0.07 87	0.08 60	0.15 259	0.11 38	0.10 49	0.08 90	0.09 115	0.06 25	0.09 204	0.10 86	0.09 67	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.03 2

CES	0.08 60	0.04 1	0.08 43	0.14 46	0.07 87	0.09 99	0.14 181	0.11 38	0.09 31	0.08 90	0.09 115	0.11 222	0.06 48	0.12 228	0.08 18	0.06 127	0.04 24	0.05 36	0.03 1	0.05 125	0.05 152

EGLCR-Stereo	0.08 60	0.05 28	0.08 43	0.14 46	0.06 17	0.10 153	0.12 80	0.11 38	0.16 217	0.06 16	0.05 7	0.07 85	0.05 13	0.10 86	0.11 226	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

MatchStereo	0.07 4	0.04 1	0.08 43	0.14 46	0.06 17	0.05 4	0.12 80	0.12 60	0.09 31	0.07 51	0.06 18	0.04 1	0.04 1	0.08 19	0.09 67	0.06 127	0.05 212	0.05 36	0.03 1	0.04 23	0.04 50
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
HiDET	0.08 60	0.04 1	0.10 143	0.13 14	0.06 17	0.08 60	0.12 80	0.12 60	0.11 77	0.06 16	0.07 52	0.07 85	0.07 132	0.11 138	0.11 226	0.06 127	0.04 24	0.04 1	0.03 1	0.04 23	0.04 50

4w-stereo	0.07 4	0.08 282	0.08 43	0.16 175	0.06 17	0.07 34	0.08 7	0.12 60	0.08 18	0.07 51	0.07 52	0.05 4	0.06 48	0.09 42	0.10 149	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

3.25w_new	0.07 4	0.06 83	0.07 10	0.15 92	0.06 17	0.10 153	0.07 3	0.12 60	0.11 77	0.08 90	0.06 18	0.07 85	0.06 48	0.11 138	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 4	0.06 83	0.07 10	0.15 92	0.06 17	0.10 153	0.07 3	0.12 60	0.11 77	0.08 90	0.06 18	0.07 85	0.06 48	0.11 138	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

monsters	0.07 4	0.06 83	0.06 4	0.15 92	0.06 17	0.08 60	0.09 18	0.12 60	0.08 18	0.09 128	0.07 52	0.06 25	0.06 48	0.08 19	0.08 18	0.05 35	0.04 24	0.04 1	0.04 44	0.03 1	0.03 2

fffft	0.09 111	0.06 83	0.12 227	0.16 175	0.07 87	0.09 99	0.17 362	0.12 60	0.11 77	0.08 90	0.07 52	0.09 162	0.06 48	0.11 138	0.12 285	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.05 152
1: 1. 1
mms	0.09 111	0.07 176	0.08 43	0.16 175	0.08 154	0.10 153	0.16 325	0.12 60	0.11 77	0.08 90	0.09 115	0.08 132	0.06 48	0.11 138	0.12 285	0.05 35	0.04 24	0.07 233	0.05 135	0.04 23	0.03 2

dual_stereo	0.07 4	0.04 1	0.08 43	0.15 92	0.05 1	0.05 4	0.13 128	0.12 60	0.08 18	0.07 51	0.06 18	0.05 4	0.05 13	0.07 4	0.09 67	0.06 127	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

U	0.08 60	0.07 176	0.09 95	0.19 393	0.10 384	0.10 153	0.13 128	0.12 60	0.17 244	0.07 51	0.07 52	0.06 25	0.05 13	0.07 4	0.08 18	0.06 127	0.04 24	0.06 132	0.04 44	0.06 233	0.05 152

RSM	0.08 60	0.06 83	0.09 95	0.17 251	0.06 17	0.08 60	0.12 80	0.12 60	0.10 49	0.08 90	0.07 52	0.06 25	0.05 13	0.11 138	0.09 67	0.04 11	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

MGS-Stereo	0.09 111	0.07 176	0.12 227	0.15 92	0.08 154	0.09 99	0.15 259	0.12 60	0.12 107	0.07 51	0.10 145	0.08 132	0.06 48	0.10 86	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.06 233	0.05 152

UniTT-Stereo	0.09 111	0.07 176	0.08 43	0.18 333	0.08 154	0.13 292	0.11 56	0.12 60	0.11 77	0.10 165	0.12 206	0.05 4	0.07 132	0.09 42	0.09 67	0.07 277	0.05 212	0.05 36	0.05 135	0.05 125	0.05 152

CAS	0.08 60	0.04 1	0.07 10	0.17 251	0.08 154	0.10 153	0.13 128	0.12 60	0.09 31	0.09 128	0.10 145	0.08 132	0.06 48	0.09 42	0.08 18	0.08 348	0.04 24	0.05 36	0.03 1	0.05 125	0.04 50

MC-Stereo	0.08 60	0.06 83	0.09 95	0.17 251	0.06 17	0.10 153	0.14 181	0.12 60	0.10 49	0.09 128	0.12 206	0.09 162	0.06 48	0.11 138	0.10 149	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

test-3	0.08 60	0.06 83	0.09 95	0.17 251	0.07 87	0.07 34	0.14 181	0.12 60	0.15 187	0.09 128	0.08 93	0.07 85	0.08 173	0.11 138	0.10 149	0.05 35	0.04 24	0.07 233	0.05 135	0.04 23	0.04 50

test_1	0.08 60	0.06 83	0.09 95	0.17 251	0.07 87	0.07 34	0.14 181	0.12 60	0.15 187	0.09 128	0.08 93	0.07 85	0.08 173	0.11 138	0.10 149	0.05 35	0.04 24	0.07 233	0.05 135	0.04 23	0.04 50

MonSter++	0.08 60	0.04 1	0.10 143	0.13 14	0.06 17	0.09 99	0.12 80	0.13 77	0.08 18	0.06 16	0.07 52	0.06 25	0.08 173	0.10 86	0.11 226	0.06 127	0.05 212	0.04 1	0.03 1	0.04 23	0.04 50

252Zero-FE	0.08 60	0.04 1	0.09 95	0.13 14	0.07 87	0.12 241	0.11 56	0.13 77	0.14 167	0.06 16	0.05 7	0.06 25	0.05 13	0.09 42	0.10 149	0.06 127	0.04 24	0.04 1	0.03 1	0.05 125	0.06 244

DA	0.08 60	0.07 176	0.07 10	0.19 393	0.08 154	0.09 99	0.12 80	0.13 77	0.12 107	0.08 90	0.10 145	0.10 195	0.08 173	0.09 42	0.10 149	0.05 35	0.04 24	0.06 132	0.04 44	0.05 125	0.03 2

Replicate-Monster	0.07 4	0.05 28	0.09 95	0.14 46	0.06 17	0.08 60	0.09 18	0.13 77	0.13 141	0.05 2	0.07 52	0.06 25	0.06 48	0.08 19	0.10 149	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

GGEV	0.08 60	0.07 176	0.07 10	0.19 393	0.08 154	0.09 99	0.12 80	0.13 77	0.12 107	0.08 90	0.10 145	0.10 195	0.08 173	0.09 42	0.10 149	0.05 35	0.04 24	0.06 132	0.04 44	0.05 125	0.03 2

3.5w_stereo	0.07 4	0.07 176	0.07 10	0.15 92	0.07 87	0.09 99	0.06 1	0.13 77	0.11 77	0.07 51	0.07 52	0.06 25	0.07 132	0.10 86	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

HART	0.08 60	0.07 176	0.09 95	0.17 251	0.07 87	0.10 153	0.16 325	0.13 77	0.11 77	0.08 90	0.10 145	0.07 85	0.05 13	0.10 86	0.08 18	0.05 35	0.04 24	0.06 132	0.04 44	0.05 125	0.04 50

HUF	0.08 60	0.05 28	0.08 43	0.14 46	0.06 17	0.09 99	0.13 128	0.13 77	0.13 141	0.07 51	0.07 52	0.08 132	0.06 48	0.10 86	0.09 67	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

tt45	0.09 111	0.06 83	0.11 188	0.15 92	0.07 87	0.11 199	0.16 325	0.13 77	0.11 77	0.09 128	0.06 18	0.08 132	0.06 48	0.13 278	0.10 149	0.06 127	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

fffy	0.09 111	0.08 282	0.09 95	0.16 175	0.07 87	0.13 292	0.17 362	0.13 77	0.12 107	0.08 90	0.09 115	0.08 132	0.09 204	0.13 278	0.11 226	0.05 35	0.05 212	0.07 233	0.05 135	0.04 23	0.05 152

WCG-NET	0.08 60	0.05 28	0.09 95	0.15 92	0.06 17	0.11 199	0.14 181	0.13 77	0.13 141	0.06 16	0.09 115	0.07 85	0.06 48	0.13 278	0.08 18	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

Occ-G	0.08 60	0.05 28	0.06 4	0.14 46	0.07 87	0.08 60	0.14 181	0.13 77	0.15 187	0.07 51	0.11 189	0.07 85	0.05 13	0.09 42	0.10 149	0.06 127	0.05 212	0.05 36	0.04 44	0.05 125	0.05 152

trnet	0.08 60	0.05 28	0.07 10	0.12 5	0.05 1	0.12 241	0.11 56	0.13 77	0.10 49	0.08 90	0.13 221	0.09 162	0.08 173	0.11 138	0.10 149	0.08 348	0.05 212	0.05 36	0.03 1	0.06 233	0.05 152

GCAP-Stereo	0.09 111	0.07 176	0.13 274	0.18 333	0.06 17	0.11 199	0.07 3	0.13 77	0.12 107	0.09 128	0.10 145	0.07 85	0.09 204	0.13 278	0.10 149	0.06 127	0.05 212	0.05 36	0.04 44	0.04 23	0.05 152

Selective-IGEV	0.07 4	0.06 83	0.08 43	0.17 251	0.06 17	0.08 60	0.12 80	0.13 77	0.07 10	0.08 90	0.07 52	0.06 25	0.04 1	0.10 86	0.09 67	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

GMOStereo	0.11 227	0.09 358	0.07 10	0.19 393	0.08 154	0.12 241	0.28 563	0.13 77	0.17 244	0.11 197	0.17 286	0.14 286	0.12 303	0.07 4	0.07 1	0.05 35	0.05 212	0.09 407	0.07 313	0.04 23	0.04 50

error version	0.11 227	0.09 358	0.07 10	0.19 393	0.08 154	0.12 241	0.28 563	0.13 77	0.17 244	0.11 197	0.17 286	0.14 286	0.12 303	0.07 4	0.07 1	0.05 35	0.05 212	0.09 407	0.07 313	0.04 23	0.04 50

test-v	0.11 227	0.09 358	0.07 10	0.19 393	0.08 154	0.12 241	0.28 563	0.13 77	0.17 244	0.11 197	0.17 286	0.14 286	0.12 303	0.07 4	0.07 1	0.05 35	0.05 212	0.09 407	0.07 313	0.04 23	0.04 50

test-2	0.11 227	0.09 358	0.07 10	0.19 393	0.08 154	0.12 241	0.28 563	0.13 77	0.17 244	0.11 197	0.17 286	0.14 286	0.12 303	0.07 4	0.07 1	0.05 35	0.05 212	0.09 407	0.07 313	0.04 23	0.04 50

cross-raft	0.10 180	0.09 358	0.09 95	0.19 393	0.07 87	0.11 199	0.25 541	0.13 77	0.15 187	0.08 90	0.11 189	0.12 240	0.10 242	0.09 42	0.11 226	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

DispViT+	0.08 60	0.08 282	0.13 274	0.15 92	0.07 87	0.08 60	0.10 31	0.14 97	0.09 31	0.09 128	0.06 18	0.06 25	0.07 132	0.10 86	0.12 285	0.05 35	0.05 212	0.05 36	0.04 44	0.05 125	0.05 152

BridgeDepth_RVC	0.07 4	0.04 1	0.09 95	0.11 1	0.05 1	0.10 153	0.10 31	0.14 97	0.09 31	0.06 16	0.07 52	0.06 25	0.07 132	0.07 4	0.10 149	0.06 127	0.04 24	0.04 1	0.04 44	0.04 23	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GASTEREO	0.08 60	0.05 28	0.09 95	0.19 393	0.07 87	0.07 34	0.12 80	0.14 97	0.11 77	0.10 165	0.09 115	0.07 85	0.04 1	0.12 228	0.08 18	0.06 127	0.05 212	0.05 36	0.04 44	0.04 23	0.05 152

MSCF	0.08 60	0.05 28	0.08 43	0.19 393	0.08 154	0.06 11	0.12 80	0.14 97	0.11 77	0.10 165	0.09 115	0.07 85	0.04 1	0.11 138	0.08 18	0.06 127	0.05 212	0.05 36	0.04 44	0.05 125	0.05 152

depthmonostereo	0.09 111	0.06 83	0.09 95	0.15 92	0.06 17	0.10 153	0.13 128	0.14 97	0.14 167	0.10 165	0.10 145	0.09 162	0.11 272	0.08 19	0.09 67	0.06 127	0.05 212	0.06 132	0.04 44	0.04 23	0.03 2

DilatedVolume-Stereo	0.09 111	0.05 28	0.08 43	0.15 92	0.06 17	0.11 199	0.12 80	0.14 97	0.16 217	0.11 197	0.11 189	0.09 162	0.09 204	0.11 138	0.10 149	0.06 127	0.05 212	0.05 36	0.04 44	0.03 1	0.03 2

4.25_new	0.07 4	0.08 282	0.09 95	0.15 92	0.06 17	0.09 99	0.08 7	0.14 97	0.08 18	0.07 51	0.07 52	0.06 25	0.06 48	0.12 228	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

4.5w_new	0.07 4	0.08 282	0.09 95	0.15 92	0.06 17	0.09 99	0.08 7	0.14 97	0.08 18	0.07 51	0.07 52	0.06 25	0.06 48	0.12 228	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

4.5_new	0.07 4	0.09 358	0.08 43	0.15 92	0.07 87	0.06 11	0.10 31	0.14 97	0.11 77	0.06 16	0.08 93	0.06 25	0.06 48	0.08 19	0.10 149	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

4.5w-stereo	0.07 4	0.09 358	0.08 43	0.15 92	0.07 87	0.06 11	0.10 31	0.14 97	0.11 77	0.06 16	0.08 93	0.06 25	0.06 48	0.08 19	0.10 149	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

4.25w-stereo	0.07 4	0.08 282	0.09 95	0.15 92	0.06 17	0.09 99	0.08 7	0.14 97	0.08 18	0.07 51	0.07 52	0.06 25	0.06 48	0.12 228	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

1w_stereo	0.07 4	0.06 83	0.07 10	0.16 175	0.06 17	0.07 34	0.10 31	0.14 97	0.14 167	0.07 51	0.08 93	0.05 4	0.06 48	0.09 42	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 50

IGEV	0.07 4	0.04 1	0.08 43	0.13 14	0.06 17	0.09 99	0.12 80	0.14 97	0.10 49	0.06 16	0.09 115	0.07 85	0.05 13	0.09 42	0.09 67	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

castereo	0.09 111	0.06 83	0.11 188	0.15 92	0.06 17	0.11 199	0.15 259	0.14 97	0.18 274	0.08 90	0.10 145	0.11 222	0.08 173	0.09 42	0.10 149	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

GIP-stereo	0.08 60	0.06 83	0.11 188	0.14 46	0.06 17	0.09 99	0.13 128	0.14 97	0.11 77	0.07 51	0.08 93	0.05 4	0.04 1	0.10 86	0.07 1	0.05 35	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

PAM_32	0.09 111	0.05 28	0.17 423	0.15 92	0.08 154	0.10 153	0.15 259	0.14 97	0.15 187	0.09 128	0.08 93	0.09 162	0.07 132	0.14 307	0.08 18	0.06 127	0.05 212	0.06 132	0.06 219	0.05 125	0.06 244

rvit_stereo_0083	0.12 297	0.08 282	0.17 423	0.16 175	0.09 275	0.11 199	0.15 259	0.14 97	0.26 407	0.11 197	0.14 234	0.13 266	0.10 242	0.12 228	0.12 285	0.10 448	0.08 450	0.09 407	0.07 313	0.07 305	0.05 152

rvit_stereo_0081_aga	0.11 227	0.09 358	0.14 310	0.18 333	0.09 275	0.13 292	0.14 181	0.14 97	0.19 291	0.10 165	0.18 311	0.16 329	0.09 204	0.12 228	0.09 67	0.10 448	0.06 349	0.08 324	0.07 313	0.07 305	0.06 244

rvit_stereo_0081	0.11 227	0.08 282	0.15 359	0.16 175	0.09 275	0.10 153	0.14 181	0.14 97	0.24 372	0.11 197	0.13 221	0.13 266	0.09 204	0.11 138	0.12 285	0.10 448	0.07 421	0.08 324	0.07 313	0.07 305	0.05 152

GCAP-BAT	0.09 111	0.07 176	0.14 310	0.15 92	0.08 154	0.10 153	0.13 128	0.14 97	0.10 49	0.11 197	0.10 145	0.08 132	0.07 132	0.12 228	0.10 149	0.06 127	0.05 212	0.06 132	0.04 44	0.04 23	0.04 50

rvit_stereo_0082	0.11 227	0.08 282	0.15 359	0.16 175	0.09 275	0.10 153	0.14 181	0.14 97	0.24 372	0.11 197	0.13 221	0.13 266	0.09 204	0.11 138	0.12 285	0.10 448	0.07 421	0.08 324	0.07 313	0.07 305	0.05 152

GCAPDPT-zeroshot4090	0.09 111	0.05 28	0.11 188	0.13 14	0.07 87	0.11 199	0.14 181	0.14 97	0.16 217	0.07 51	0.10 145	0.08 132	0.06 48	0.13 278	0.08 18	0.07 277	0.05 212	0.05 36	0.05 135	0.04 23	0.04 50

H2IRNET	0.10 180	0.09 358	0.09 95	0.18 333	0.09 275	0.12 241	0.15 259	0.14 97	0.21 330	0.10 165	0.10 145	0.10 195	0.10 242	0.10 86	0.10 149	0.05 35	0.04 24	0.08 324	0.08 384	0.06 233	0.05 152

AE-Stereo	0.10 180	0.08 282	0.10 143	0.18 333	0.09 275	0.10 153	0.15 259	0.14 97	0.19 291	0.09 128	0.14 234	0.12 240	0.08 173	0.11 138	0.10 149	0.05 35	0.06 349	0.07 233	0.06 219	0.05 125	0.04 50

plain	0.10 180	0.08 282	0.10 143	0.19 393	0.09 275	0.10 153	0.15 259	0.14 97	0.13 141	0.13 267	0.15 252	0.09 162	0.12 303	0.13 278	0.12 285	0.07 277	0.05 212	0.09 407	0.06 219	0.06 233	0.06 244

MSKI-zero shot	0.09 111	0.05 28	0.09 95	0.15 92	0.07 87	0.10 153	0.13 128	0.14 97	0.13 141	0.09 128	0.09 115	0.09 162	0.06 48	0.12 228	0.10 149	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

testlalala	0.09 111	0.05 28	0.11 188	0.13 14	0.07 87	0.11 199	0.14 181	0.14 97	0.16 217	0.07 51	0.10 145	0.08 132	0.06 48	0.13 278	0.08 18	0.07 277	0.05 212	0.05 36	0.05 135	0.04 23	0.04 50

GCAPDPT-zeroshot	0.09 111	0.05 28	0.11 188	0.13 14	0.07 87	0.11 199	0.14 181	0.14 97	0.16 217	0.07 51	0.10 145	0.08 132	0.06 48	0.13 278	0.08 18	0.07 277	0.05 212	0.05 36	0.05 135	0.04 23	0.04 50

AEACV	0.08 60	0.05 28	0.08 43	0.14 46	0.13 489	0.14 325	0.13 128	0.14 97	0.09 31	0.07 51	0.09 115	0.07 85	0.08 173	0.10 86	0.09 67	0.06 127	0.04 24	0.06 132	0.05 135	0.05 125	0.04 50

HH	0.09 111	0.06 83	0.13 274	0.17 251	0.08 154	0.10 153	0.16 325	0.14 97	0.10 49	0.08 90	0.09 115	0.08 132	0.07 132	0.10 86	0.09 67	0.06 127	0.04 24	0.06 132	0.05 135	0.05 125	0.04 50

HanStereo	0.09 111	0.06 83	0.13 274	0.17 251	0.08 154	0.10 153	0.16 325	0.14 97	0.10 49	0.08 90	0.09 115	0.08 132	0.07 132	0.10 86	0.09 67	0.06 127	0.04 24	0.06 132	0.05 135	0.05 125	0.04 50

test_3	0.10 180	0.09 358	0.10 143	0.20 454	0.08 154	0.13 292	0.26 550	0.14 97	0.21 330	0.10 165	0.10 145	0.09 162	0.09 204	0.08 19	0.11 226	0.05 35	0.04 24	0.08 324	0.07 313	0.04 23	0.04 50

test-1	0.10 180	0.07 176	0.16 393	0.19 393	0.08 154	0.11 199	0.24 525	0.14 97	0.18 274	0.09 128	0.07 52	0.09 162	0.08 173	0.07 4	0.09 67	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

CREStereo++_RVC	0.08 60	0.04 1	0.06 4	0.13 14	0.07 87	0.09 99	0.12 80	0.14 97	0.14 167	0.10 165	0.14 234	0.08 132	0.07 132	0.09 42	0.11 226	0.06 127	0.04 24	0.05 36	0.05 135	0.04 23	0.04 50
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
XX-TBD	0.09 111	0.06 83	0.07 10	0.14 46	0.07 87	0.12 241	0.16 325	0.14 97	0.13 141	0.11 197	0.12 206	0.09 162	0.08 173	0.10 86	0.10 149	0.06 127	0.04 24	0.05 36	0.03 1	0.06 233	0.05 152

CREStereo	0.09 111	0.04 1	0.08 43	0.11 1	0.06 17	0.13 292	0.14 181	0.14 97	0.10 49	0.08 90	0.13 221	0.09 162	0.08 173	0.11 138	0.10 149	0.08 348	0.04 24	0.05 36	0.03 1	0.06 233	0.06 244
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
Test_v1	0.07 4	0.04 1	0.06 4	0.13 14	0.06 17	0.08 60	0.11 56	0.15 133	0.12 107	0.06 16	0.05 7	0.04 1	0.05 13	0.08 19	0.10 149	0.07 277	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

Hybrid-DGEV-03	0.10 180	0.06 83	0.09 95	0.18 333	0.08 154	0.16 380	0.14 181	0.15 133	0.14 167	0.13 267	0.16 264	0.12 240	0.09 204	0.13 278	0.11 226	0.06 127	0.04 24	0.08 324	0.06 219	0.05 125	0.04 50

BStereo	0.08 60	0.06 83	0.16 393	0.15 92	0.08 154	0.07 34	0.09 18	0.15 133	0.16 217	0.06 16	0.07 52	0.07 85	0.05 13	0.09 42	0.11 226	0.04 11	0.05 212	0.05 36	0.07 313	0.04 23	0.04 50

CSFM-Stereo	0.07 4	0.05 28	0.07 10	0.14 46	0.06 17	0.09 99	0.13 128	0.15 133	0.06 4	0.07 51	0.08 93	0.06 25	0.08 173	0.09 42	0.09 67	0.06 127	0.05 212	0.04 1	0.03 1	0.04 23	0.04 50

MonStereo	0.07 4	0.06 83	0.05 1	0.15 92	0.05 1	0.08 60	0.10 31	0.15 133	0.15 187	0.05 2	0.06 18	0.05 4	0.06 48	0.07 4	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 83	0.05 1	0.15 92	0.05 1	0.08 60	0.10 31	0.15 133	0.15 187	0.05 2	0.06 18	0.05 4	0.06 48	0.07 4	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

water-stereo	0.09 111	0.06 83	0.08 43	0.16 175	0.07 87	0.09 99	0.13 128	0.15 133	0.13 141	0.11 197	0.12 206	0.08 132	0.09 204	0.07 4	0.08 18	0.06 127	0.05 212	0.05 36	0.05 135	0.04 23	0.04 50

MM-Stereo_test2	0.09 111	0.06 83	0.09 95	0.19 393	0.08 154	0.12 241	0.18 410	0.15 133	0.14 167	0.07 51	0.10 145	0.07 85	0.06 48	0.12 228	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.03 2

Reg-Stereo(zero)	0.08 60	0.05 28	0.08 43	0.16 175	0.06 17	0.12 241	0.11 56	0.15 133	0.10 49	0.12 237	0.09 115	0.10 195	0.08 173	0.11 138	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

MonSter	0.07 4	0.06 83	0.05 1	0.15 92	0.05 1	0.07 34	0.10 31	0.15 133	0.15 187	0.05 2	0.06 18	0.05 4	0.06 48	0.07 4	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

999	0.09 111	0.05 28	0.13 274	0.15 92	0.08 154	0.10 153	0.14 181	0.15 133	0.11 77	0.10 165	0.08 93	0.08 132	0.08 173	0.16 364	0.10 149	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.05 152

PAM	0.10 180	0.05 28	0.16 393	0.15 92	0.08 154	0.09 99	0.16 325	0.15 133	0.16 217	0.12 237	0.09 115	0.09 162	0.07 132	0.13 278	0.08 18	0.06 127	0.05 212	0.06 132	0.06 219	0.05 125	0.06 244

RAStereo	0.10 180	0.09 358	0.08 43	0.20 454	0.08 154	0.13 292	0.18 410	0.15 133	0.17 244	0.10 165	0.12 206	0.05 4	0.06 48	0.09 42	0.08 18	0.07 277	0.05 212	0.07 233	0.05 135	0.05 125	0.04 50

Pointernet	0.09 111	0.04 1	0.09 95	0.16 175	0.08 154	0.13 292	0.10 31	0.15 133	0.17 244	0.09 128	0.07 52	0.06 25	0.06 48	0.11 138	0.09 67	0.08 348	0.04 24	0.05 36	0.03 1	0.06 233	0.05 152

AIO-Stereo	0.08 60	0.06 83	0.09 95	0.18 333	0.06 17	0.08 60	0.12 80	0.15 133	0.09 31	0.08 90	0.08 93	0.07 85	0.05 13	0.11 138	0.08 18	0.05 35	0.05 212	0.05 36	0.04 44	0.04 23	0.04 50

WCG-NET（raft）	0.08 60	0.05 28	0.10 143	0.15 92	0.06 17	0.11 199	0.13 128	0.15 133	0.12 107	0.08 90	0.07 52	0.06 25	0.06 48	0.13 278	0.08 18	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

MyStereo07	0.10 180	0.07 176	0.10 143	0.17 251	0.09 275	0.14 325	0.18 410	0.15 133	0.15 187	0.09 128	0.06 18	0.06 25	0.07 132	0.12 228	0.09 67	0.06 127	0.05 212	0.08 324	0.07 313	0.06 233	0.06 244

ffm	0.12 297	0.09 358	0.14 310	0.16 175	0.08 154	0.17 402	0.17 362	0.15 133	0.19 291	0.15 316	0.25 414	0.19 376	0.13 342	0.10 86	0.07 1	0.06 127	0.04 24	0.09 407	0.08 384	0.06 233	0.06 244

ff1	0.13 322	0.09 358	0.14 310	0.16 175	0.08 154	0.17 402	0.17 362	0.15 133	0.19 291	0.15 316	0.25 414	0.19 376	0.13 342	0.14 307	0.20 458	0.06 127	0.04 24	0.09 407	0.08 384	0.06 233	0.06 244

tt1	0.10 180	0.08 282	0.12 227	0.17 251	0.09 275	0.12 241	0.16 325	0.15 133	0.19 291	0.09 128	0.08 93	0.06 25	0.06 48	0.10 86	0.07 1	0.06 127	0.04 24	0.06 132	0.05 135	0.06 233	0.06 244

LoS	0.09 111	0.05 28	0.11 188	0.13 14	0.07 87	0.14 325	0.11 56	0.15 133	0.15 187	0.09 128	0.09 115	0.12 240	0.09 204	0.15 329	0.10 149	0.07 277	0.05 212	0.05 36	0.03 1	0.05 125	0.05 152
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 111	0.07 176	0.10 143	0.17 251	0.08 154	0.10 153	0.15 259	0.15 133	0.12 107	0.09 128	0.06 18	0.07 85	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.06 244

ADStereo(finetuned)	0.10 180	0.06 83	0.12 227	0.16 175	0.06 17	0.09 99	0.17 362	0.15 133	0.19 291	0.13 267	0.17 286	0.10 195	0.12 303	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

test_4	0.10 180	0.10 417	0.08 43	0.19 393	0.09 275	0.08 60	0.22 502	0.15 133	0.17 244	0.12 237	0.18 311	0.12 240	0.09 204	0.08 19	0.11 226	0.04 11	0.04 24	0.08 324	0.08 384	0.04 23	0.03 2

GLC_STEREO	0.11 227	0.07 176	0.11 188	0.17 251	0.07 87	0.09 99	0.13 128	0.15 133	0.24 372	0.12 237	0.13 221	0.12 240	0.08 173	0.18 417	0.11 226	0.06 127	0.08 450	0.08 324	0.06 219	0.05 125	0.05 152

RAFT-345	0.11 227	0.07 176	0.15 359	0.16 175	0.08 154	0.08 60	0.12 80	0.15 133	0.10 49	0.11 197	0.36 509	0.09 162	0.09 204	0.11 138	0.12 285	0.05 35	0.05 212	0.07 233	0.06 219	0.04 23	0.05 152

CroCo-Stereo	0.09 111	0.08 282	0.08 43	0.22 500	0.09 275	0.09 99	0.19 449	0.15 133	0.12 107	0.07 51	0.07 52	0.08 132	0.06 48	0.08 19	0.07 1	0.07 277	0.05 212	0.06 132	0.04 44	0.05 125	0.04 50
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 111	0.06 83	0.07 10	0.15 92	0.05 1	0.16 380	0.18 410	0.15 133	0.15 187	0.10 165	0.11 189	0.11 222	0.11 272	0.10 86	0.12 285	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

TANstereo	0.09 111	0.04 1	0.08 43	0.13 14	0.06 17	0.11 199	0.14 181	0.15 133	0.19 291	0.11 197	0.15 252	0.10 195	0.06 48	0.12 228	0.09 67	0.07 277	0.05 212	0.05 36	0.04 44	0.06 233	0.05 152

DCANet	0.10 180	0.06 83	0.12 227	0.16 175	0.06 17	0.09 99	0.17 362	0.15 133	0.19 291	0.13 267	0.17 286	0.10 195	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

PMTNet	0.09 111	0.05 28	0.09 95	0.12 5	0.06 17	0.12 241	0.14 181	0.15 133	0.11 77	0.09 128	0.13 221	0.10 195	0.07 132	0.13 278	0.10 149	0.15 544	0.04 24	0.05 36	0.03 1	0.07 305	0.06 244

VMStereo-Base	0.09 111	0.05 28	0.10 143	0.13 14	0.07 87	0.10 153	0.10 31	0.16 164	0.13 141	0.10 165	0.15 252	0.10 195	0.09 204	0.11 138	0.10 149	0.07 277	0.05 212	0.05 36	0.04 44	0.05 125	0.06 244

gcap_with_dpt	0.09 111	0.06 83	0.09 95	0.16 175	0.08 154	0.12 241	0.14 181	0.16 164	0.16 217	0.08 90	0.14 234	0.10 195	0.06 48	0.11 138	0.10 149	0.06 127	0.05 212	0.05 36	0.04 44	0.05 125	0.04 50

asda	0.07 4	0.08 282	0.08 43	0.16 175	0.06 17	0.06 11	0.10 31	0.16 164	0.10 49	0.06 16	0.06 18	0.05 4	0.05 13	0.10 86	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

3.75w	0.07 4	0.07 176	0.08 43	0.16 175	0.07 87	0.07 34	0.09 18	0.16 164	0.09 31	0.07 51	0.06 18	0.05 4	0.06 48	0.09 42	0.10 149	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

monsterstereo	0.07 4	0.06 83	0.06 4	0.16 175	0.06 17	0.08 60	0.10 31	0.16 164	0.11 77	0.07 51	0.08 93	0.06 25	0.07 132	0.08 19	0.09 67	0.04 11	0.04 24	0.05 36	0.04 44	0.03 1	0.03 2

rvit_stereo_0080	0.10 180	0.08 282	0.14 310	0.15 92	0.09 275	0.07 34	0.15 259	0.16 164	0.16 217	0.11 197	0.10 145	0.14 286	0.08 173	0.12 228	0.10 149	0.09 407	0.07 421	0.07 233	0.06 219	0.07 305	0.05 152

rvit_stereo_ft	0.12 297	0.07 176	0.13 274	0.19 393	0.10 384	0.12 241	0.17 362	0.16 164	0.16 217	0.12 237	0.13 221	0.15 315	0.10 242	0.14 307	0.13 326	0.09 407	0.06 349	0.08 324	0.07 313	0.07 305	0.05 152

xx1	0.11 227	0.08 282	0.12 227	0.17 251	0.09 275	0.13 292	0.15 259	0.16 164	0.18 274	0.09 128	0.09 115	0.16 329	0.16 410	0.10 86	0.07 1	0.06 127	0.04 24	0.08 324	0.08 384	0.07 305	0.07 327

cc1	0.10 180	0.08 282	0.12 227	0.17 251	0.09 275	0.13 292	0.15 259	0.16 164	0.18 274	0.09 128	0.09 115	0.06 25	0.06 48	0.10 86	0.07 1	0.06 127	0.04 24	0.06 132	0.05 135	0.06 233	0.06 244

ff7	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.10 165	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

IGEVStereo-DCA	0.09 111	0.06 83	0.11 188	0.15 92	0.10 384	0.11 199	0.15 259	0.16 164	0.12 107	0.10 165	0.06 18	0.08 132	0.06 48	0.10 86	0.08 18	0.06 127	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

ffff	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.10 165	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

rrr	0.09 111	0.06 83	0.12 227	0.15 92	0.10 384	0.11 199	0.16 325	0.16 164	0.15 187	0.10 165	0.06 18	0.08 132	0.06 48	0.10 86	0.08 18	0.06 127	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

11t	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.10 165	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

whm_eth	0.10 180	0.08 282	0.14 310	0.15 92	0.09 275	0.07 34	0.15 259	0.16 164	0.16 217	0.11 197	0.10 145	0.14 286	0.08 173	0.12 228	0.10 149	0.09 407	0.07 421	0.07 233	0.06 219	0.07 305	0.05 152

MaDis-Stereo	0.09 111	0.09 358	0.08 43	0.17 251	0.09 275	0.13 292	0.10 31	0.16 164	0.16 217	0.09 128	0.11 189	0.06 25	0.06 48	0.09 42	0.13 326	0.07 277	0.06 349	0.07 233	0.05 135	0.05 125	0.04 50

RAFT-Test	0.09 111	0.06 83	0.10 143	0.15 92	0.07 87	0.11 199	0.15 259	0.16 164	0.13 141	0.09 128	0.10 145	0.10 195	0.09 204	0.12 228	0.09 67	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

anonymousdsp	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.09 128	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

CroCo-Stereo Lap2	0.09 111	0.09 358	0.08 43	0.22 500	0.09 275	0.09 99	0.19 449	0.16 164	0.12 107	0.09 128	0.10 145	0.05 4	0.05 13	0.08 19	0.08 18	0.06 127	0.06 349	0.07 233	0.05 135	0.05 125	0.05 152

ccc-4	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.10 165	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

fff	0.10 180	0.06 83	0.12 227	0.15 92	0.07 87	0.09 99	0.17 362	0.16 164	0.20 314	0.13 267	0.16 264	0.10 195	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

IGEV-Stereo	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.09 128	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
Patchmatch Stereo++	0.11 227	0.09 358	0.16 393	0.18 333	0.08 154	0.06 11	0.11 56	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
NRIStereo	0.11 227	0.08 282	0.14 310	0.18 333	0.08 154	0.10 153	0.14 181	0.16 164	0.15 187	0.12 237	0.14 234	0.13 266	0.12 303	0.13 278	0.10 149	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.07 327

PSM-adaLoss	0.11 227	0.09 358	0.16 393	0.18 333	0.08 154	0.06 11	0.12 80	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

ROB_FTStereo_v2	0.11 227	0.09 358	0.16 393	0.19 393	0.08 154	0.06 11	0.12 80	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

ROB_FTStereo	0.11 227	0.09 358	0.16 393	0.19 393	0.08 154	0.06 11	0.11 56	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

HUI-Stereo	0.11 227	0.09 358	0.16 393	0.18 333	0.08 154	0.06 11	0.12 80	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

DEmStereo	0.12 297	0.06 83	0.14 310	0.14 46	0.10 384	0.16 380	0.15 259	0.16 164	0.24 372	0.17 359	0.24 386	0.13 266	0.14 366	0.12 228	0.13 326	0.05 35	0.04 24	0.07 233	0.06 219	0.05 125	0.05 152

iGMRVC	0.11 227	0.09 358	0.16 393	0.19 393	0.08 154	0.06 11	0.12 80	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

iRAFT	0.11 227	0.09 358	0.16 393	0.18 333	0.08 154	0.06 11	0.11 56	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

RAFT-IKP	0.11 227	0.09 358	0.16 393	0.19 393	0.08 154	0.06 11	0.12 80	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

csc	0.10 180	0.06 83	0.12 227	0.15 92	0.07 87	0.09 99	0.17 362	0.16 164	0.20 314	0.13 267	0.16 264	0.10 195	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

cscssc	0.10 180	0.06 83	0.12 227	0.15 92	0.07 87	0.09 99	0.17 362	0.16 164	0.20 314	0.13 267	0.16 264	0.10 195	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

test_xeample3	0.09 111	0.06 83	0.12 227	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.13 141	0.10 165	0.06 18	0.08 132	0.06 48	0.10 86	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

EAI-Stereo	0.09 111	0.07 176	0.11 188	0.15 92	0.06 17	0.10 153	0.15 259	0.16 164	0.09 31	0.08 90	0.09 115	0.08 132	0.07 132	0.09 42	0.11 226	0.05 35	0.04 24	0.05 36	0.05 135	0.05 125	0.04 50

CFNet-RSSM	0.09 111	0.07 176	0.09 95	0.16 175	0.07 87	0.09 99	0.15 259	0.16 164	0.17 244	0.08 90	0.12 206	0.10 195	0.09 204	0.11 138	0.09 67	0.06 127	0.04 24	0.06 132	0.04 44	0.04 23	0.04 50

DIP-Stereo	0.11 227	0.07 176	0.14 310	0.17 251	0.09 275	0.13 292	0.09 18	0.16 164	0.16 217	0.11 197	0.16 264	0.14 286	0.12 303	0.15 329	0.13 326	0.06 127	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
WQFJA1	0.10 180	0.07 176	0.08 43	0.20 454	0.09 275	0.12 241	0.17 362	0.17 202	0.17 244	0.09 128	0.10 145	0.08 132	0.10 242	0.12 228	0.11 226	0.06 127	0.07 421	0.07 233	0.06 219	0.06 233	0.05 152

NLMM	0.10 180	0.07 176	0.08 43	0.20 454	0.09 275	0.12 241	0.17 362	0.17 202	0.17 244	0.09 128	0.10 145	0.08 132	0.10 242	0.12 228	0.11 226	0.06 127	0.07 421	0.07 233	0.06 219	0.06 233	0.05 152

IGEV-FE	0.09 111	0.05 28	0.12 227	0.13 14	0.08 154	0.12 241	0.13 128	0.17 202	0.11 77	0.10 165	0.06 18	0.09 162	0.06 48	0.11 138	0.09 67	0.06 127	0.04 24	0.06 132	0.06 219	0.05 125	0.05 152

xyz-stereo-finetune2	0.11 227	0.07 176	0.13 274	0.13 14	0.07 87	0.11 199	0.19 449	0.17 202	0.12 107	0.15 316	0.15 252	0.17 349	0.12 303	0.13 278	0.11 226	0.05 35	0.04 24	0.07 233	0.05 135	0.04 23	0.06 244

xyz-stereo-finetune	0.11 227	0.08 282	0.13 274	0.14 46	0.06 17	0.10 153	0.19 449	0.17 202	0.19 291	0.12 237	0.14 234	0.15 315	0.10 242	0.13 278	0.11 226	0.05 35	0.04 24	0.07 233	0.05 135	0.04 23	0.05 152

xyz-stereo	0.13 322	0.07 176	0.20 469	0.15 92	0.05 1	0.20 459	0.15 259	0.17 202	0.31 455	0.15 316	0.29 466	0.26 463	0.16 410	0.13 278	0.12 285	0.05 35	0.05 212	0.06 132	0.05 135	0.04 23	0.04 50

UGAM	0.13 322	0.10 417	0.09 95	0.22 500	0.08 154	0.12 241	0.20 472	0.17 202	0.23 356	0.21 442	0.16 264	0.13 266	0.13 342	0.19 432	0.12 285	0.07 277	0.05 212	0.13 519	0.11 502	0.07 305	0.05 152

test_for_model	0.08 60	0.05 28	0.09 95	0.14 46	0.07 87	0.08 60	0.14 181	0.17 202	0.21 330	0.08 90	0.12 206	0.06 25	0.04 1	0.09 42	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.03 1	0.03 2

IGEV_Zeroshot_test	0.09 111	0.05 28	0.12 227	0.13 14	0.08 154	0.12 241	0.13 128	0.17 202	0.11 77	0.10 165	0.06 18	0.09 162	0.06 48	0.11 138	0.09 67	0.06 127	0.04 24	0.06 132	0.06 219	0.05 125	0.05 152

MIF-Stereo (partial)	0.11 227	0.06 83	0.10 143	0.19 393	0.10 384	0.10 153	0.11 56	0.17 202	0.18 274	0.14 289	0.16 264	0.09 162	0.11 272	0.12 228	0.12 285	0.08 348	0.05 212	0.08 324	0.07 313	0.06 233	0.07 327

LL-Strereo2	0.10 180	0.10 417	0.15 359	0.18 333	0.08 154	0.15 351	0.09 18	0.17 202	0.14 167	0.14 289	0.10 145	0.09 162	0.07 132	0.16 364	0.10 149	0.05 35	0.05 212	0.10 454	0.07 313	0.06 233	0.05 152

4D-IteraStereo	0.09 111	0.07 176	0.10 143	0.18 333	0.07 87	0.09 99	0.15 259	0.17 202	0.15 187	0.10 165	0.11 189	0.10 195	0.07 132	0.11 138	0.09 67	0.05 35	0.03 1	0.08 324	0.07 313	0.06 233	0.05 152

DisPM	0.11 227	0.07 176	0.12 227	0.16 175	0.09 275	0.06 11	0.13 128	0.17 202	0.17 244	0.14 289	0.20 332	0.12 240	0.10 242	0.11 138	0.10 149	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.11 488

CIPLG	0.11 227	0.08 282	0.14 310	0.17 251	0.08 154	0.12 241	0.15 259	0.17 202	0.15 187	0.14 289	0.11 189	0.16 329	0.09 204	0.16 364	0.11 226	0.07 277	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

IPLGR_C	0.11 227	0.08 282	0.14 310	0.17 251	0.08 154	0.12 241	0.15 259	0.17 202	0.15 187	0.14 289	0.10 145	0.16 329	0.09 204	0.16 364	0.11 226	0.07 277	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

ACRE	0.11 227	0.08 282	0.14 310	0.17 251	0.08 154	0.12 241	0.15 259	0.17 202	0.14 167	0.14 289	0.10 145	0.16 329	0.09 204	0.16 364	0.11 226	0.07 277	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

CrosDoStereo	0.12 297	0.06 83	0.12 227	0.14 46	0.08 154	0.12 241	0.15 259	0.17 202	0.22 345	0.19 405	0.24 386	0.15 315	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.07 233	0.07 313	0.05 125	0.05 152

PFNet+	0.11 227	0.06 83	0.13 274	0.16 175	0.09 275	0.05 4	0.12 80	0.17 202	0.21 330	0.16 344	0.19 320	0.14 286	0.10 242	0.11 138	0.11 226	0.08 348	0.05 212	0.09 407	0.08 384	0.06 233	0.11 488

ASMatch	0.11 227	0.06 83	0.13 274	0.16 175	0.10 384	0.07 34	0.14 181	0.17 202	0.17 244	0.12 237	0.16 264	0.16 329	0.10 242	0.13 278	0.10 149	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.08 391

DeepStereo_LL	0.12 297	0.06 83	0.12 227	0.14 46	0.08 154	0.12 241	0.15 259	0.17 202	0.22 345	0.19 405	0.24 386	0.15 315	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.07 233	0.07 313	0.05 125	0.05 152

SST-Stereo	0.10 180	0.07 176	0.15 359	0.18 333	0.09 275	0.06 11	0.12 80	0.17 202	0.11 77	0.15 316	0.17 286	0.13 266	0.12 303	0.10 86	0.11 226	0.06 127	0.04 24	0.09 407	0.06 219	0.06 233	0.05 152

THIR-Stereo	0.12 297	0.07 176	0.11 188	0.15 92	0.08 154	0.14 325	0.16 325	0.17 202	0.25 393	0.16 344	0.24 386	0.14 286	0.12 303	0.12 228	0.14 362	0.06 127	0.04 24	0.07 233	0.07 313	0.05 125	0.05 152

RAFT_R40	0.11 227	0.07 176	0.14 310	0.18 333	0.09 275	0.06 11	0.13 128	0.17 202	0.16 217	0.14 289	0.18 311	0.15 315	0.12 303	0.10 86	0.11 226	0.06 127	0.04 24	0.09 407	0.06 219	0.06 233	0.05 152

Pruner-Stereo	0.11 227	0.07 176	0.12 227	0.17 251	0.09 275	0.06 11	0.12 80	0.17 202	0.17 244	0.13 267	0.19 320	0.13 266	0.09 204	0.11 138	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.08 391

DeepStereo_RVC	0.11 227	0.08 282	0.16 393	0.18 333	0.08 154	0.08 60	0.12 80	0.17 202	0.12 107	0.13 267	0.14 234	0.12 240	0.12 303	0.12 228	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.07 305	0.08 391

RAFT-RH_RVC	0.11 227	0.06 83	0.14 310	0.16 175	0.09 275	0.12 241	0.12 80	0.17 202	0.12 107	0.13 267	0.41 546	0.11 222	0.10 242	0.13 278	0.12 285	0.05 35	0.04 24	0.08 324	0.05 135	0.04 23	0.06 244

rafts_anoy	0.11 227	0.06 83	0.10 143	0.17 251	0.08 154	0.10 153	0.14 181	0.17 202	0.14 167	0.13 267	0.13 221	0.12 240	0.10 242	0.11 138	0.12 285	0.07 277	0.04 24	0.09 407	0.11 502	0.07 305	0.06 244

RALCasStereoNet	0.10 180	0.06 83	0.09 95	0.16 175	0.08 154	0.12 241	0.14 181	0.17 202	0.11 77	0.12 237	0.17 286	0.14 286	0.10 242	0.12 228	0.11 226	0.07 277	0.06 349	0.06 132	0.05 135	0.08 367	0.07 327

sCroCo_RVC	0.12 297	0.09 358	0.23 493	0.24 533	0.11 434	0.19 444	0.14 181	0.17 202	0.14 167	0.10 165	0.13 221	0.12 240	0.07 132	0.14 307	0.11 226	0.08 348	0.08 450	0.08 324	0.08 384	0.05 125	0.07 327

RAFT-Stereo + iAFF	0.09 111	0.06 83	0.10 143	0.17 251	0.06 17	0.10 153	0.16 325	0.17 202	0.14 167	0.09 128	0.10 145	0.08 132	0.09 204	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.06 219	0.04 23	0.03 2

AFF-stereo	0.09 111	0.06 83	0.10 143	0.17 251	0.07 87	0.10 153	0.16 325	0.17 202	0.09 31	0.10 165	0.12 206	0.09 162	0.09 204	0.12 228	0.09 67	0.05 35	0.04 24	0.07 233	0.07 313	0.04 23	0.03 2

Gwc-CoAtRS	0.09 111	0.06 83	0.10 143	0.16 175	0.07 87	0.10 153	0.14 181	0.17 202	0.17 244	0.08 90	0.10 145	0.12 240	0.09 204	0.12 228	0.09 67	0.06 127	0.04 24	0.06 132	0.04 44	0.04 23	0.04 50

Wave_Phase_stereo	0.09 111	0.06 83	0.16 393	0.15 92	0.08 154	0.11 199	0.09 18	0.18 234	0.16 217	0.06 16	0.07 52	0.07 85	0.05 13	0.09 42	0.11 226	0.04 11	0.05 212	0.05 36	0.07 313	0.04 23	0.04 50

WQFJX1	0.10 180	0.07 176	0.08 43	0.22 500	0.09 275	0.12 241	0.17 362	0.18 234	0.17 244	0.10 165	0.09 115	0.07 85	0.10 242	0.11 138	0.09 67	0.07 277	0.08 450	0.07 233	0.06 219	0.05 125	0.04 50

WQFJX	0.10 180	0.07 176	0.09 95	0.21 485	0.09 275	0.12 241	0.16 325	0.18 234	0.17 244	0.12 237	0.10 145	0.07 85	0.09 204	0.12 228	0.10 149	0.06 127	0.07 421	0.06 132	0.05 135	0.06 233	0.05 152

NLMM1	0.11 227	0.09 358	0.07 10	0.22 500	0.10 384	0.12 241	0.20 472	0.18 234	0.20 314	0.12 237	0.11 189	0.07 85	0.09 204	0.11 138	0.11 226	0.08 348	0.08 450	0.07 233	0.06 219	0.04 23	0.04 50

NLSM3	0.09 111	0.06 83	0.08 43	0.19 393	0.08 154	0.11 199	0.16 325	0.18 234	0.16 217	0.06 16	0.08 93	0.07 85	0.08 173	0.09 42	0.11 226	0.04 11	0.04 24	0.06 132	0.07 313	0.03 1	0.03 2

NLCSM	0.11 227	0.09 358	0.09 95	0.23 524	0.11 434	0.12 241	0.19 449	0.18 234	0.18 274	0.12 237	0.11 189	0.07 85	0.09 204	0.11 138	0.10 149	0.07 277	0.08 450	0.07 233	0.07 313	0.06 233	0.05 152

FE-Mocha	0.09 111	0.06 83	0.14 310	0.16 175	0.09 275	0.10 153	0.15 259	0.18 234	0.16 217	0.10 165	0.09 115	0.07 85	0.07 132	0.09 42	0.09 67	0.06 127	0.04 24	0.06 132	0.06 219	0.05 125	0.05 152

qwe	0.07 4	0.08 282	0.07 10	0.15 92	0.06 17	0.07 34	0.10 31	0.18 234	0.11 77	0.07 51	0.07 52	0.06 25	0.06 48	0.10 86	0.09 67	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

2.75w_new	0.07 4	0.07 176	0.07 10	0.13 14	0.06 17	0.08 60	0.08 7	0.18 234	0.12 107	0.07 51	0.08 93	0.06 25	0.06 48	0.09 42	0.11 226	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 50

Former-RAFT_DAM_RVC	0.10 180	0.08 282	0.12 227	0.16 175	0.08 154	0.15 351	0.16 325	0.18 234	0.18 274	0.10 165	0.09 115	0.09 162	0.08 173	0.11 138	0.12 285	0.07 277	0.05 212	0.08 324	0.06 219	0.07 305	0.06 244

11t1	0.12 297	0.06 83	0.13 274	0.14 46	0.08 154	0.17 402	0.15 259	0.18 234	0.15 187	0.15 316	0.15 252	0.16 329	0.16 410	0.15 329	0.13 326	0.08 348	0.05 212	0.06 132	0.05 135	0.08 367	0.07 327

EKT-Stereo	0.11 227	0.07 176	0.14 310	0.15 92	0.10 384	0.13 292	0.14 181	0.18 234	0.21 330	0.11 197	0.08 93	0.12 240	0.09 204	0.11 138	0.12 285	0.08 348	0.06 349	0.07 233	0.06 219	0.08 367	0.07 327

CASnet	0.09 111	0.09 358	0.09 95	0.19 393	0.06 17	0.07 34	0.11 56	0.18 234	0.14 167	0.11 197	0.10 145	0.09 162	0.07 132	0.10 86	0.10 149	0.06 127	0.04 24	0.10 454	0.08 384	0.05 125	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
anonymousdsp2	0.11 227	0.07 176	0.10 143	0.16 175	0.09 275	0.13 292	0.14 181	0.18 234	0.22 345	0.13 267	0.14 234	0.12 240	0.09 204	0.14 307	0.11 226	0.05 35	0.04 24	0.05 36	0.04 44	0.06 233	0.05 152

CASS	0.13 322	0.12 461	0.11 188	0.23 524	0.09 275	0.15 351	0.17 362	0.18 234	0.19 291	0.17 359	0.18 311	0.15 315	0.15 384	0.14 307	0.14 362	0.09 407	0.06 349	0.10 454	0.08 384	0.09 430	0.07 327
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.11 227	0.07 176	0.13 274	0.16 175	0.11 434	0.11 199	0.17 362	0.18 234	0.17 244	0.11 197	0.18 311	0.10 195	0.10 242	0.15 329	0.11 226	0.06 127	0.05 212	0.06 132	0.06 219	0.05 125	0.04 50

riskmin	0.11 227	0.06 83	0.13 274	0.14 46	0.08 154	0.14 325	0.14 181	0.18 234	0.14 167	0.11 197	0.14 234	0.16 329	0.11 272	0.14 307	0.12 285	0.09 407	0.05 212	0.07 233	0.05 135	0.08 367	0.08 391

RCA-Stereo	0.09 111	0.06 83	0.09 95	0.16 175	0.06 17	0.09 99	0.13 128	0.18 234	0.14 167	0.09 128	0.10 145	0.08 132	0.07 132	0.12 228	0.11 226	0.06 127	0.04 24	0.06 132	0.05 135	0.05 125	0.04 50

DCANet-4	0.10 180	0.06 83	0.12 227	0.16 175	0.06 17	0.09 99	0.17 362	0.18 234	0.19 291	0.13 267	0.16 264	0.09 162	0.14 366	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

RAFT_CTSACE	0.12 297	0.09 358	0.10 143	0.22 500	0.08 154	0.12 241	0.24 525	0.18 234	0.16 217	0.20 428	0.27 440	0.13 266	0.07 132	0.13 278	0.09 67	0.05 35	0.06 349	0.08 324	0.07 313	0.04 23	0.04 50

iRaft-Stereo_20w	0.09 111	0.05 28	0.13 274	0.14 46	0.08 154	0.12 241	0.15 259	0.18 234	0.10 49	0.11 197	0.08 93	0.08 132	0.05 13	0.10 86	0.09 67	0.06 127	0.04 24	0.06 132	0.05 135	0.06 233	0.05 152

TRStereo	0.09 111	0.05 28	0.12 227	0.15 92	0.12 466	0.10 153	0.13 128	0.18 234	0.18 274	0.09 128	0.09 115	0.09 162	0.06 48	0.10 86	0.08 18	0.07 277	0.05 212	0.07 233	0.07 313	0.04 23	0.04 50

AAGNet	0.11 227	0.07 176	0.16 393	0.19 393	0.09 275	0.08 60	0.13 128	0.18 234	0.13 141	0.16 344	0.21 354	0.13 266	0.14 366	0.11 138	0.14 362	0.06 127	0.04 24	0.09 407	0.06 219	0.06 233	0.05 152

GrayStereo	0.11 227	0.06 83	0.11 188	0.19 393	0.09 275	0.09 99	0.16 325	0.18 234	0.17 244	0.14 289	0.17 286	0.17 349	0.11 272	0.12 228	0.11 226	0.05 35	0.05 212	0.07 233	0.06 219	0.05 125	0.10 462

CRE-IMP	0.11 227	0.09 358	0.16 393	0.19 393	0.08 154	0.10 153	0.12 80	0.18 234	0.10 49	0.14 289	0.13 221	0.13 266	0.12 303	0.12 228	0.11 226	0.07 277	0.04 24	0.08 324	0.06 219	0.08 367	0.08 391

iRaftStereo_RVC	0.10 180	0.07 176	0.09 95	0.17 251	0.09 275	0.11 199	0.17 362	0.18 234	0.12 107	0.09 128	0.12 206	0.10 195	0.07 132	0.11 138	0.10 149	0.05 35	0.04 24	0.08 324	0.08 384	0.04 23	0.04 50

raftrobust	0.09 111	0.06 83	0.10 143	0.17 251	0.08 154	0.09 99	0.10 31	0.18 234	0.16 217	0.10 165	0.09 115	0.12 240	0.07 132	0.12 228	0.10 149	0.08 348	0.05 212	0.06 132	0.05 135	0.05 125	0.05 152

HITNet	0.10 180	0.06 83	0.12 227	0.14 46	0.06 17	0.11 199	0.10 31	0.18 234	0.18 274	0.13 267	0.16 264	0.14 286	0.11 272	0.15 329	0.13 326	0.06 127	0.04 24	0.04 1	0.04 44	0.06 233	0.05 152
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_6	0.14 356	0.09 358	0.18 445	0.17 251	0.10 384	0.10 153	0.16 325	0.19 262	0.26 407	0.12 237	0.18 311	0.17 349	0.12 303	0.18 417	0.12 285	0.15 544	0.11 515	0.12 504	0.10 470	0.09 430	0.06 244

UGAM-zero	0.09 111	0.05 28	0.15 359	0.15 92	0.08 154	0.09 99	0.13 128	0.19 262	0.15 187	0.11 197	0.15 252	0.07 85	0.07 132	0.09 42	0.09 67	0.06 127	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

DCVSM-stereo	0.14 356	0.09 358	0.16 393	0.16 175	0.10 384	0.15 351	0.09 18	0.19 262	0.23 356	0.20 428	0.23 374	0.26 463	0.15 384	0.18 417	0.14 362	0.09 407	0.07 421	0.09 407	0.08 384	0.10 461	0.12 501

RAFT-Stereo-weight	0.09 111	0.06 83	0.10 143	0.16 175	0.07 87	0.09 99	0.14 181	0.19 262	0.16 217	0.11 197	0.10 145	0.08 132	0.06 48	0.10 86	0.11 226	0.06 127	0.04 24	0.06 132	0.04 44	0.04 23	0.04 50

MyStereo8	0.12 297	0.07 176	0.15 359	0.15 92	0.09 275	0.18 421	0.14 181	0.19 262	0.22 345	0.12 237	0.18 311	0.11 222	0.10 242	0.16 364	0.18 439	0.07 277	0.05 212	0.07 233	0.05 135	0.08 367	0.09 435

MyStereo06	0.10 180	0.07 176	0.12 227	0.17 251	0.09 275	0.13 292	0.18 410	0.19 262	0.12 107	0.12 237	0.08 93	0.07 85	0.07 132	0.11 138	0.09 67	0.06 127	0.05 212	0.07 233	0.07 313	0.06 233	0.06 244

knoymous	0.11 227	0.05 28	0.12 227	0.13 14	0.07 87	0.15 351	0.14 181	0.19 262	0.13 141	0.11 197	0.17 286	0.13 266	0.09 204	0.13 278	0.11 226	0.08 348	0.05 212	0.06 132	0.05 135	0.08 367	0.07 327

anonymousa	0.13 322	0.07 176	0.13 274	0.18 333	0.09 275	0.13 292	0.17 362	0.19 262	0.29 438	0.15 316	0.24 386	0.15 315	0.14 366	0.14 307	0.14 362	0.07 277	0.05 212	0.07 233	0.09 430	0.05 125	0.06 244

TransformOpticalFlow	0.10 180	0.08 282	0.13 274	0.18 333	0.07 87	0.09 99	0.15 259	0.19 262	0.15 187	0.12 237	0.17 286	0.11 222	0.11 272	0.11 138	0.10 149	0.05 35	0.04 24	0.06 132	0.06 219	0.05 125	0.05 152

AnonymousM	0.09 111	0.05 28	0.10 143	0.14 46	0.06 17	0.09 99	0.13 128	0.19 262	0.14 167	0.13 267	0.11 189	0.09 162	0.08 173	0.13 278	0.10 149	0.08 348	0.05 212	0.08 324	0.05 135	0.05 125	0.05 152

MLCV	0.12 297	0.07 176	0.16 393	0.18 333	0.06 17	0.15 351	0.17 362	0.19 262	0.21 330	0.18 389	0.25 414	0.17 349	0.13 342	0.14 307	0.13 326	0.05 35	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

FlowAnything_test	0.11 227	0.08 282	0.14 310	0.15 92	0.09 275	0.07 34	0.14 181	0.20 273	0.11 77	0.09 128	0.09 115	0.12 240	0.12 303	0.13 278	0.11 226	0.09 407	0.06 349	0.09 407	0.09 430	0.06 233	0.09 435

3w_stereo	0.08 60	0.09 358	0.10 143	0.17 251	0.07 87	0.08 60	0.10 31	0.20 273	0.13 141	0.06 16	0.07 52	0.05 4	0.06 48	0.08 19	0.09 67	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

2w_stereo	0.08 60	0.08 282	0.09 95	0.16 175	0.06 17	0.08 60	0.10 31	0.20 273	0.15 187	0.08 90	0.07 52	0.06 25	0.06 48	0.06 1	0.09 67	0.04 11	0.03 1	0.04 1	0.04 44	0.03 1	0.03 2

tg	0.10 180	0.06 83	0.10 143	0.18 333	0.08 154	0.11 199	0.16 325	0.20 273	0.12 107	0.08 90	0.11 189	0.11 222	0.07 132	0.11 138	0.10 149	0.05 35	0.04 24	0.08 324	0.08 384	0.04 23	0.04 50

model_zeroshot	0.10 180	0.04 1	0.11 188	0.15 92	0.09 275	0.12 241	0.14 181	0.20 273	0.13 141	0.11 197	0.10 145	0.12 240	0.07 132	0.12 228	0.10 149	0.07 277	0.06 349	0.06 132	0.05 135	0.06 233	0.06 244

GCST	0.37 576	0.42 595	0.26 505	1.02 619	0.39 594	0.18 421	0.08 7	0.20 273	0.17 244	0.28 520	0.25 414	0.15 315	0.12 303	0.16 364	0.14 362	0.64 614	0.43 603	0.75 610	0.65 614	0.63 607	0.46 606

test_sample1	0.13 322	0.07 176	0.14 310	0.13 14	0.08 154	0.19 444	0.16 325	0.20 273	0.15 187	0.14 289	0.22 365	0.18 362	0.16 410	0.17 396	0.14 362	0.07 277	0.06 349	0.06 132	0.06 219	0.08 367	0.07 327

MIM_Stereo	0.09 111	0.07 176	0.11 188	0.15 92	0.07 87	0.06 11	0.12 80	0.20 273	0.14 167	0.13 267	0.13 221	0.09 162	0.05 13	0.12 228	0.08 18	0.05 35	0.06 349	0.07 233	0.06 219	0.06 233	0.05 152

Selective-RAFT	0.11 227	0.10 417	0.11 188	0.21 485	0.08 154	0.16 380	0.13 128	0.20 273	0.22 345	0.10 165	0.10 145	0.11 222	0.10 242	0.15 329	0.11 226	0.05 35	0.05 212	0.06 132	0.05 135	0.06 233	0.05 152

IPLG	0.10 180	0.07 176	0.15 359	0.17 251	0.08 154	0.11 199	0.14 181	0.20 273	0.15 187	0.12 237	0.17 286	0.07 85	0.07 132	0.14 307	0.13 326	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

MIPNet	0.11 227	0.08 282	0.14 310	0.17 251	0.09 275	0.12 241	0.14 181	0.20 273	0.24 372	0.11 197	0.10 145	0.09 162	0.07 132	0.13 278	0.12 285	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

HHNet	0.11 227	0.06 83	0.16 393	0.15 92	0.14 509	0.07 34	0.13 128	0.20 273	0.17 244	0.14 289	0.25 414	0.11 222	0.08 173	0.13 278	0.10 149	0.05 35	0.04 24	0.08 324	0.06 219	0.05 125	0.09 435

PSM-AAD	0.11 227	0.07 176	0.10 143	0.19 393	0.09 275	0.10 153	0.15 259	0.20 273	0.13 141	0.12 237	0.14 234	0.18 362	0.11 272	0.11 138	0.10 149	0.05 35	0.05 212	0.09 407	0.08 384	0.06 233	0.14 540

RAFT	0.13 322	0.09 358	0.11 188	0.18 333	0.08 154	0.15 351	0.24 525	0.20 273	0.19 291	0.21 442	0.21 354	0.17 349	0.12 303	0.16 364	0.09 67	0.06 127	0.07 421	0.10 454	0.09 430	0.05 125	0.05 152

TestStereo	0.13 322	0.14 501	0.11 188	0.23 524	0.08 154	0.15 351	0.21 492	0.20 273	0.23 356	0.14 289	0.24 386	0.16 329	0.12 303	0.16 364	0.14 362	0.05 35	0.06 349	0.08 324	0.06 219	0.09 430	0.05 152

RALAANet	0.11 227	0.08 282	0.10 143	0.17 251	0.09 275	0.14 325	0.10 31	0.20 273	0.15 187	0.14 289	0.13 221	0.16 329	0.09 204	0.12 228	0.11 226	0.06 127	0.05 212	0.07 233	0.06 219	0.05 125	0.04 50

XX-Stereo	0.09 111	0.05 28	0.08 43	0.17 251	0.09 275	0.15 351	0.12 80	0.20 273	0.10 49	0.10 165	0.14 234	0.07 85	0.06 48	0.12 228	0.08 18	0.06 127	0.05 212	0.06 132	0.06 219	0.04 23	0.04 50

ARAFT	0.12 297	0.08 282	0.17 423	0.19 393	0.09 275	0.14 325	0.18 410	0.20 273	0.12 107	0.12 237	0.13 221	0.14 286	0.11 272	0.15 329	0.12 285	0.06 127	0.05 212	0.10 454	0.09 430	0.05 125	0.04 50

GMStereo	0.13 322	0.14 501	0.14 310	0.18 333	0.09 275	0.15 351	0.16 325	0.20 273	0.24 372	0.16 344	0.17 286	0.10 195	0.10 242	0.16 364	0.13 326	0.07 277	0.06 349	0.06 132	0.06 219	0.07 305	0.06 244
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
aanetorigin	0.22 502	0.17 530	0.56 580	0.17 251	0.10 384	0.15 351	0.19 449	0.20 273	0.33 469	0.49 583	0.48 563	0.29 489	0.27 525	0.20 457	0.23 499	0.08 348	0.07 421	0.08 324	0.07 313	0.10 461	0.09 435

EDNetEfficient	0.29 559	0.24 565	1.13 614	0.18 333	0.10 384	0.19 444	0.20 472	0.20 273	0.60 581	0.74 603	0.56 579	0.31 512	0.39 573	0.22 487	0.30 560	0.09 407	0.07 421	0.08 324	0.07 313	0.11 484	0.09 435

cf-r	0.13 322	0.07 176	0.12 227	0.16 175	0.08 154	0.14 325	0.19 449	0.20 273	0.25 393	0.17 359	0.25 414	0.21 397	0.16 410	0.14 307	0.14 362	0.10 448	0.05 212	0.06 132	0.08 384	0.06 233	0.06 244

iResNet	0.13 322	0.10 417	0.18 445	0.19 393	0.08 154	0.13 292	0.18 410	0.20 273	0.26 407	0.15 316	0.23 374	0.15 315	0.13 342	0.14 307	0.14 362	0.06 127	0.04 24	0.06 132	0.05 135	0.06 233	0.05 152

NLSM1	0.10 180	0.07 176	0.07 10	0.19 393	0.08 154	0.13 292	0.16 325	0.21 296	0.15 187	0.11 197	0.10 145	0.06 25	0.10 242	0.10 86	0.11 226	0.07 277	0.08 450	0.08 324	0.07 313	0.05 125	0.05 152

Select-FE	0.11 227	0.06 83	0.20 469	0.15 92	0.11 434	0.11 199	0.13 128	0.21 296	0.18 274	0.09 128	0.11 189	0.10 195	0.06 48	0.12 228	0.09 67	0.07 277	0.05 212	0.07 233	0.08 384	0.06 233	0.08 391

MM-Stereo_test1	0.10 180	0.07 176	0.08 43	0.18 333	0.07 87	0.12 241	0.18 410	0.21 296	0.20 314	0.09 128	0.11 189	0.08 132	0.06 48	0.10 86	0.10 149	0.06 127	0.05 212	0.07 233	0.06 219	0.05 125	0.04 50

HI	0.11 227	0.06 83	0.11 188	0.13 14	0.09 275	0.09 99	0.14 181	0.21 296	0.10 49	0.19 405	0.17 286	0.14 286	0.09 204	0.16 364	0.08 18	0.05 35	0.04 24	0.07 233	0.08 384	0.07 305	0.06 244

CoSv	0.11 227	0.06 83	0.11 188	0.13 14	0.09 275	0.09 99	0.14 181	0.21 296	0.10 49	0.19 405	0.17 286	0.14 286	0.09 204	0.16 364	0.08 18	0.05 35	0.04 24	0.07 233	0.08 384	0.07 305	0.06 244

AIO-test1	0.10 180	0.07 176	0.10 143	0.23 524	0.07 87	0.09 99	0.13 128	0.21 296	0.14 167	0.11 197	0.12 206	0.09 162	0.07 132	0.11 138	0.09 67	0.06 127	0.05 212	0.09 407	0.10 470	0.03 1	0.06 244

AIO-Stereo-zeroshot1	0.11 227	0.05 28	0.14 310	0.15 92	0.20 567	0.09 99	0.17 362	0.21 296	0.15 187	0.11 197	0.14 234	0.10 195	0.07 132	0.10 86	0.08 18	0.06 127	0.05 212	0.07 233	0.07 313	0.07 305	0.09 435

test_sample2	0.12 297	0.07 176	0.12 227	0.14 46	0.08 154	0.16 380	0.18 410	0.21 296	0.16 217	0.14 289	0.20 332	0.19 376	0.15 384	0.15 329	0.12 285	0.08 348	0.05 212	0.07 233	0.06 219	0.08 367	0.07 327

mmm	0.14 356	0.08 282	0.17 423	0.17 251	0.09 275	0.17 402	0.18 410	0.21 296	0.15 187	0.15 316	0.23 374	0.21 397	0.16 410	0.16 364	0.17 421	0.08 348	0.05 212	0.08 324	0.07 313	0.07 305	0.07 327

StereoVision	0.13 322	0.12 461	0.09 95	0.24 533	0.10 384	0.15 351	0.21 492	0.21 296	0.20 314	0.12 237	0.24 386	0.10 195	0.10 242	0.16 364	0.10 149	0.09 407	0.11 515	0.12 504	0.12 522	0.06 233	0.05 152

Any-RAFT	0.10 180	0.05 28	0.09 95	0.14 46	0.07 87	0.13 292	0.14 181	0.21 296	0.15 187	0.11 197	0.12 206	0.12 240	0.09 204	0.12 228	0.09 67	0.07 277	0.04 24	0.05 36	0.04 44	0.06 233	0.05 152

test_5	0.14 356	0.12 461	0.08 43	0.20 454	0.10 384	0.14 325	0.29 572	0.21 296	0.24 372	0.18 389	0.28 454	0.11 222	0.15 384	0.12 228	0.13 326	0.06 127	0.05 212	0.07 233	0.08 384	0.08 367	0.07 327

iRaft-Stereo_5w	0.12 297	0.09 358	0.12 227	0.19 393	0.08 154	0.09 99	0.12 80	0.21 296	0.21 330	0.19 405	0.14 234	0.11 222	0.09 204	0.20 457	0.16 406	0.05 35	0.05 212	0.07 233	0.06 219	0.05 125	0.06 244

UDGNet	0.14 356	0.13 489	0.16 393	0.17 251	0.10 384	0.12 241	0.16 325	0.21 296	0.27 417	0.20 428	0.20 332	0.16 329	0.13 342	0.16 364	0.13 326	0.10 448	0.06 349	0.09 407	0.07 313	0.06 233	0.07 327

dd	0.15 399	0.16 519	0.16 393	0.19 393	0.09 275	0.15 351	0.18 410	0.21 296	0.25 393	0.23 471	0.20 332	0.21 397	0.09 204	0.21 474	0.16 406	0.10 448	0.06 349	0.08 324	0.06 219	0.08 367	0.06 244

dad	0.17 443	0.20 550	0.20 469	0.16 175	0.11 434	0.20 459	0.18 410	0.21 296	0.28 431	0.30 534	0.24 386	0.29 489	0.13 342	0.19 432	0.16 406	0.18 567	0.09 482	0.11 485	0.09 430	0.11 484	0.07 327

IPLGR	0.11 227	0.09 358	0.16 393	0.18 333	0.08 154	0.12 241	0.17 362	0.21 296	0.24 372	0.11 197	0.12 206	0.11 222	0.08 173	0.12 228	0.12 285	0.06 127	0.05 212	0.06 132	0.06 219	0.04 23	0.04 50

LCNet	0.11 227	0.07 176	0.09 95	0.19 393	0.09 275	0.08 60	0.15 259	0.21 296	0.15 187	0.11 197	0.15 252	0.16 329	0.11 272	0.12 228	0.11 226	0.05 35	0.04 24	0.08 324	0.07 313	0.06 233	0.15 547

STrans-v2	0.10 180	0.07 176	0.12 227	0.18 333	0.07 87	0.10 153	0.14 181	0.21 296	0.11 77	0.11 197	0.15 252	0.12 240	0.10 242	0.11 138	0.12 285	0.05 35	0.04 24	0.06 132	0.06 219	0.04 23	0.04 50

OMP-Stereo	0.11 227	0.06 83	0.14 310	0.18 333	0.08 154	0.09 99	0.12 80	0.21 296	0.21 330	0.13 267	0.14 234	0.11 222	0.12 303	0.11 138	0.13 326	0.06 127	0.04 24	0.07 233	0.06 219	0.05 125	0.04 50

FTStereo	0.12 297	0.06 83	0.14 310	0.18 333	0.09 275	0.07 34	0.15 259	0.21 296	0.18 274	0.12 237	0.24 386	0.12 240	0.12 303	0.13 278	0.13 326	0.05 35	0.05 212	0.07 233	0.06 219	0.06 233	0.10 462

DRaft	0.12 297	0.06 83	0.11 188	0.14 46	0.09 275	0.14 325	0.17 362	0.21 296	0.30 448	0.17 359	0.28 454	0.10 195	0.15 384	0.10 86	0.12 285	0.05 35	0.04 24	0.07 233	0.06 219	0.05 125	0.05 152

111	0.10 180	0.06 83	0.12 227	0.15 92	0.07 87	0.10 153	0.14 181	0.21 296	0.23 356	0.11 197	0.12 206	0.14 286	0.11 272	0.13 278	0.10 149	0.06 127	0.04 24	0.06 132	0.04 44	0.05 125	0.05 152

GwcNet-RSSM	0.14 356	0.07 176	0.12 227	0.15 92	0.08 154	0.15 351	0.20 472	0.21 296	0.27 417	0.18 389	0.27 440	0.22 415	0.16 410	0.14 307	0.15 390	0.10 448	0.05 212	0.07 233	0.09 430	0.07 305	0.07 327

z-ln-s-r	0.17 443	0.10 417	0.40 557	0.19 393	0.08 154	0.17 402	0.18 410	0.22 320	0.33 469	0.18 389	0.40 535	0.22 415	0.17 433	0.20 457	0.23 499	0.07 277	0.05 212	0.07 233	0.07 313	0.07 305	0.05 152

DFGA-Net	0.13 322	0.11 443	0.18 445	0.17 251	0.10 384	0.12 241	0.13 128	0.22 320	0.25 393	0.16 344	0.16 264	0.13 266	0.12 303	0.16 364	0.14 362	0.07 277	0.05 212	0.08 324	0.07 313	0.05 125	0.05 152

FACV-RUCA	0.13 322	0.11 443	0.12 227	0.19 393	0.12 466	0.15 351	0.15 259	0.22 320	0.20 314	0.15 316	0.16 264	0.14 286	0.16 410	0.14 307	0.13 326	0.07 277	0.05 212	0.08 324	0.06 219	0.10 461	0.08 391

CBFPSM	0.14 356	0.06 83	0.26 505	0.17 251	0.09 275	0.13 292	0.15 259	0.22 320	0.23 356	0.20 428	0.27 440	0.24 439	0.16 410	0.16 364	0.18 439	0.06 127	0.06 349	0.06 132	0.07 313	0.07 305	0.07 327

Anonymous_2	0.22 502	0.17 530	0.28 518	0.15 92	0.16 539	0.32 553	0.22 502	0.22 320	0.17 244	0.23 471	0.24 386	0.26 463	0.27 525	0.27 517	0.23 499	0.22 583	0.25 591	0.17 554	0.17 564	0.17 562	0.17 567

x	0.13 322	0.07 176	0.14 310	0.14 46	0.08 154	0.18 421	0.14 181	0.22 320	0.20 314	0.15 316	0.19 320	0.19 376	0.17 433	0.18 417	0.18 439	0.07 277	0.05 212	0.06 132	0.06 219	0.07 305	0.07 327

RAFT+CT+SA	0.13 322	0.11 443	0.09 95	0.19 393	0.09 275	0.15 351	0.28 563	0.22 320	0.22 345	0.15 316	0.26 431	0.10 195	0.10 242	0.11 138	0.12 285	0.05 35	0.04 24	0.07 233	0.08 384	0.07 305	0.06 244

Sa-1000	0.12 297	0.08 282	0.08 43	0.18 333	0.08 154	0.14 325	0.22 502	0.22 320	0.18 274	0.15 316	0.20 332	0.17 349	0.11 272	0.10 86	0.10 149	0.06 127	0.05 212	0.09 407	0.09 430	0.05 125	0.05 152

IIG-Stereo	0.11 227	0.06 83	0.13 274	0.17 251	0.08 154	0.11 199	0.12 80	0.22 320	0.17 244	0.14 289	0.17 286	0.11 222	0.12 303	0.12 228	0.12 285	0.06 127	0.05 212	0.07 233	0.06 219	0.05 125	0.04 50

KYRaft	0.11 227	0.07 176	0.10 143	0.19 393	0.09 275	0.08 60	0.15 259	0.22 320	0.12 107	0.13 267	0.16 264	0.20 388	0.10 242	0.12 228	0.10 149	0.05 35	0.04 24	0.08 324	0.08 384	0.06 233	0.16 558

Prome-Stereo	0.11 227	0.06 83	0.10 143	0.18 333	0.08 154	0.12 241	0.15 259	0.22 320	0.13 141	0.12 237	0.17 286	0.13 266	0.08 173	0.12 228	0.10 149	0.05 35	0.04 24	0.07 233	0.06 219	0.06 233	0.09 435

EDNetEfficientorigin	7.91 631	0.31 584	153.02 653	0.19 393	0.09 275	0.21 476	0.16 325	0.22 320	0.59 577	0.72 599	0.67 589	0.42 563	0.50 591	0.24 507	0.39 584	0.08 348	0.07 421	0.08 324	0.07 313	0.12 499	0.10 462

FENet	0.13 322	0.08 282	0.12 227	0.16 175	0.08 154	0.14 325	0.15 259	0.22 320	0.23 356	0.17 359	0.23 374	0.16 329	0.12 303	0.14 307	0.15 390	0.08 348	0.05 212	0.08 324	0.08 384	0.07 305	0.07 327

ACVNet	0.15 399	0.09 358	0.15 359	0.13 14	0.12 466	0.14 325	0.20 472	0.22 320	0.33 469	0.17 359	0.26 431	0.21 397	0.16 410	0.17 396	0.21 478	0.07 277	0.06 349	0.06 132	0.06 219	0.08 367	0.06 244

GANet-RSSM	0.14 356	0.07 176	0.13 274	0.13 14	0.08 154	0.14 325	0.17 362	0.22 320	0.21 330	0.17 359	0.24 386	0.23 433	0.15 384	0.16 364	0.15 390	0.10 448	0.06 349	0.07 233	0.08 384	0.08 367	0.07 327

CFNet-ft	0.14 356	0.07 176	0.15 359	0.12 5	0.09 275	0.16 380	0.18 410	0.22 320	0.24 372	0.17 359	0.26 431	0.24 439	0.14 366	0.16 364	0.14 362	0.11 477	0.06 349	0.08 324	0.09 430	0.09 430	0.08 391

BEATNet_4x	0.12 297	0.08 282	0.14 310	0.18 333	0.07 87	0.15 351	0.07 3	0.22 320	0.18 274	0.16 344	0.19 320	0.18 362	0.14 366	0.16 364	0.15 390	0.07 277	0.05 212	0.05 36	0.05 135	0.06 233	0.06 244

CFNet_RVC	0.14 356	0.07 176	0.15 359	0.12 5	0.09 275	0.16 380	0.18 410	0.22 320	0.24 372	0.17 359	0.26 431	0.24 439	0.14 366	0.16 364	0.14 362	0.11 477	0.06 349	0.08 324	0.09 430	0.09 430	0.08 391

LE_ROB	0.50 592	0.07 176	0.14 310	0.15 92	0.08 154	0.24 505	0.16 325	0.22 320	1.81 626	4.63 630	0.67 589	0.47 578	0.44 586	0.20 457	0.29 554	0.07 277	0.06 349	0.06 132	0.06 219	0.08 367	0.06 244

DN-CSS_ROB	0.13 322	0.13 489	0.16 393	0.18 333	0.10 384	0.16 380	0.08 7	0.22 320	0.18 274	0.17 359	0.22 365	0.13 266	0.13 342	0.12 228	0.13 326	0.05 35	0.05 212	0.10 454	0.10 470	0.08 367	0.06 244

DLNR-FE	10.43 636	1.83 628	19.53 648	120.75 653	13.06 640	0.06 11	0.13 128	0.23 340	0.10 49	0.07 51	0.10 145	0.09 162	0.06 48	0.10 86	0.09 67	0.13 526	0.04 24	0.06 132	0.04 44	52.01 654	0.04 50

AIO-test2	0.10 180	0.08 282	0.10 143	0.23 524	0.08 154	0.11 199	0.10 31	0.23 340	0.23 356	0.08 90	0.09 115	0.08 132	0.05 13	0.10 86	0.08 18	0.06 127	0.05 212	0.08 324	0.09 430	0.05 125	0.05 152

rvit_0105_4	0.14 356	0.09 358	0.17 423	0.17 251	0.10 384	0.12 241	0.19 449	0.23 340	0.27 417	0.14 289	0.20 332	0.17 349	0.13 342	0.17 396	0.13 326	0.15 544	0.11 515	0.11 485	0.10 470	0.09 430	0.06 244

ACV-stereo	0.15 399	0.10 417	0.28 518	0.18 333	0.12 466	0.14 325	0.12 80	0.23 340	0.21 330	0.19 405	0.23 374	0.22 415	0.15 384	0.23 498	0.17 421	0.07 277	0.06 349	0.07 233	0.07 313	0.07 305	0.07 327

AIO-Stereo-zeroshot	0.11 227	0.05 28	0.11 188	0.15 92	0.13 489	0.13 292	0.16 325	0.23 340	0.17 244	0.10 165	0.12 206	0.10 195	0.07 132	0.11 138	0.09 67	0.06 127	0.05 212	0.06 132	0.06 219	0.07 305	0.08 391

DispNO	0.14 356	0.08 282	0.17 423	0.19 393	0.12 466	0.11 199	0.21 492	0.23 340	0.29 438	0.17 359	0.23 374	0.18 362	0.17 433	0.15 329	0.15 390	0.07 277	0.05 212	0.08 324	0.08 384	0.07 305	0.06 244

CoDeX	0.12 297	0.07 176	0.12 227	0.17 251	0.08 154	0.12 241	0.15 259	0.23 340	0.27 417	0.13 267	0.17 286	0.16 329	0.11 272	0.14 307	0.11 226	0.07 277	0.05 212	0.07 233	0.06 219	0.06 233	0.05 152

ACVNet-DCA	0.10 180	0.08 282	0.12 227	0.17 251	0.09 275	0.13 292	0.15 259	0.23 340	0.16 217	0.09 128	0.09 115	0.06 25	0.06 48	0.10 86	0.07 1	0.06 127	0.04 24	0.06 132	0.05 135	0.07 305	0.07 327

1test111	0.11 227	0.08 282	0.12 227	0.17 251	0.09 275	0.13 292	0.15 259	0.23 340	0.16 217	0.09 128	0.09 115	0.06 25	0.06 48	0.15 329	0.16 406	0.06 127	0.04 24	0.06 132	0.05 135	0.07 305	0.07 327

DLNR_Zeroshot_test	10.40 635	1.82 627	19.49 647	120.77 654	13.11 641	0.06 11	0.13 128	0.23 340	0.10 49	0.07 51	0.10 145	0.09 162	0.06 48	0.10 86	0.09 67	0.13 526	0.04 24	0.06 132	0.04 44	51.54 653	0.04 50

TestStereo1	0.13 322	0.08 282	0.08 43	0.19 393	0.08 154	0.18 421	0.29 572	0.23 340	0.16 217	0.17 359	0.20 332	0.16 329	0.10 242	0.12 228	0.13 326	0.06 127	0.06 349	0.08 324	0.06 219	0.05 125	0.05 152

qqq	0.13 322	0.09 358	0.15 359	0.16 175	0.08 154	0.13 292	0.15 259	0.23 340	0.16 217	0.15 316	0.19 320	0.16 329	0.16 410	0.15 329	0.16 406	0.07 277	0.06 349	0.08 324	0.08 384	0.07 305	0.07 327

SA-5K	0.13 322	0.08 282	0.08 43	0.19 393	0.08 154	0.18 421	0.29 572	0.23 340	0.16 217	0.17 359	0.20 332	0.16 329	0.10 242	0.12 228	0.13 326	0.06 127	0.06 349	0.08 324	0.06 219	0.05 125	0.05 152

SA	0.12 297	0.09 358	0.08 43	0.18 333	0.08 154	0.12 241	0.24 525	0.23 340	0.18 274	0.17 359	0.27 440	0.14 286	0.11 272	0.11 138	0.11 226	0.05 35	0.05 212	0.09 407	0.08 384	0.05 125	0.04 50

AACVNet	0.16 422	0.08 282	0.14 310	0.15 92	0.10 384	0.18 421	0.15 259	0.23 340	0.24 372	0.27 505	0.27 440	0.28 481	0.17 433	0.19 432	0.16 406	0.09 407	0.07 421	0.09 407	0.07 313	0.10 461	0.09 435

NF-Stereo	0.11 227	0.07 176	0.13 274	0.17 251	0.09 275	0.10 153	0.14 181	0.23 340	0.19 291	0.12 237	0.17 286	0.12 240	0.11 272	0.11 138	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.12 501

OCTAStereo	0.11 227	0.07 176	0.13 274	0.17 251	0.09 275	0.10 153	0.14 181	0.23 340	0.19 291	0.12 237	0.17 286	0.12 240	0.11 272	0.11 138	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.12 501

RE-Stereo	0.11 227	0.07 176	0.13 274	0.17 251	0.09 275	0.10 153	0.14 181	0.23 340	0.19 291	0.12 237	0.17 286	0.12 240	0.11 272	0.11 138	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.12 501

TVStereo	0.11 227	0.07 176	0.13 274	0.17 251	0.09 275	0.10 153	0.14 181	0.23 340	0.19 291	0.12 237	0.17 286	0.12 240	0.11 272	0.11 138	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.12 501

GMM-Stereo	0.11 227	0.07 176	0.10 143	0.18 333	0.09 275	0.08 60	0.15 259	0.23 340	0.16 217	0.11 197	0.15 252	0.13 266	0.11 272	0.11 138	0.11 226	0.05 35	0.04 24	0.08 324	0.07 313	0.06 233	0.09 435

DMCA	0.14 356	0.09 358	0.16 393	0.19 393	0.09 275	0.15 351	0.17 362	0.23 340	0.27 417	0.14 289	0.19 320	0.17 349	0.18 447	0.15 329	0.17 421	0.10 448	0.06 349	0.08 324	0.06 219	0.09 430	0.10 462

R-Stereo Train	0.10 180	0.06 83	0.10 143	0.17 251	0.08 154	0.11 199	0.14 181	0.23 340	0.11 77	0.12 237	0.19 320	0.11 222	0.08 173	0.09 42	0.11 226	0.07 277	0.05 212	0.06 132	0.05 135	0.05 125	0.05 152

RAFT-Stereo	0.10 180	0.06 83	0.10 143	0.17 251	0.08 154	0.11 199	0.14 181	0.23 340	0.11 77	0.12 237	0.19 320	0.11 222	0.08 173	0.09 42	0.11 226	0.07 277	0.05 212	0.06 132	0.05 135	0.05 125	0.05 152
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MM-Stereo_test3	0.10 180	0.07 176	0.07 10	0.18 333	0.07 87	0.12 241	0.19 449	0.24 363	0.19 291	0.06 16	0.10 145	0.08 132	0.06 48	0.11 138	0.08 18	0.06 127	0.06 349	0.07 233	0.05 135	0.05 125	0.04 50

rvit_0105_5	0.14 356	0.09 358	0.13 274	0.17 251	0.09 275	0.14 325	0.23 513	0.24 363	0.27 417	0.14 289	0.15 252	0.18 362	0.12 303	0.17 396	0.14 362	0.14 540	0.11 515	0.10 454	0.10 470	0.08 367	0.06 244

CAS++	0.11 227	0.07 176	0.11 188	0.14 46	0.09 275	0.12 241	0.14 181	0.24 363	0.14 167	0.11 197	0.09 115	0.11 222	0.07 132	0.14 307	0.09 67	0.11 477	0.09 482	0.09 407	0.07 313	0.07 305	0.08 391
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
gwcnet-sp	0.14 356	0.07 176	0.12 227	0.18 333	0.09 275	0.16 380	0.17 362	0.24 363	0.24 372	0.18 389	0.24 386	0.15 315	0.16 410	0.15 329	0.15 390	0.08 348	0.06 349	0.07 233	0.08 384	0.08 367	0.07 327

scenet	0.14 356	0.07 176	0.12 227	0.18 333	0.09 275	0.16 380	0.17 362	0.24 363	0.24 372	0.18 389	0.24 386	0.15 315	0.16 410	0.15 329	0.15 390	0.08 348	0.06 349	0.07 233	0.08 384	0.08 367	0.07 327

ToySt	0.17 443	0.11 443	0.18 445	0.17 251	0.11 434	0.16 380	0.25 541	0.24 363	0.33 469	0.19 405	0.24 386	0.26 463	0.24 502	0.19 432	0.20 458	0.07 277	0.08 450	0.09 407	0.10 470	0.09 430	0.08 391

ssnet	0.14 356	0.07 176	0.12 227	0.18 333	0.09 275	0.16 380	0.17 362	0.24 363	0.24 372	0.18 389	0.24 386	0.15 315	0.16 410	0.15 329	0.15 390	0.08 348	0.06 349	0.07 233	0.08 384	0.08 367	0.07 327

PSM-softLoss	0.12 297	0.07 176	0.15 359	0.17 251	0.09 275	0.08 60	0.13 128	0.24 363	0.17 244	0.14 289	0.19 320	0.13 266	0.11 272	0.11 138	0.11 226	0.07 277	0.05 212	0.08 324	0.07 313	0.06 233	0.12 501

KMStereo	0.12 297	0.07 176	0.15 359	0.17 251	0.09 275	0.08 60	0.13 128	0.24 363	0.17 244	0.14 289	0.19 320	0.13 266	0.11 272	0.11 138	0.11 226	0.07 277	0.05 212	0.08 324	0.07 313	0.06 233	0.12 501

IRAFT_RVC	0.12 297	0.08 282	0.16 393	0.19 393	0.08 154	0.07 34	0.15 259	0.24 363	0.23 356	0.14 289	0.14 234	0.15 315	0.12 303	0.12 228	0.10 149	0.06 127	0.04 24	0.09 407	0.06 219	0.06 233	0.06 244

raft+_RVC	0.11 227	0.07 176	0.09 95	0.16 175	0.07 87	0.10 153	0.11 56	0.24 363	0.20 314	0.12 237	0.15 252	0.12 240	0.08 173	0.12 228	0.13 326	0.07 277	0.04 24	0.07 233	0.06 219	0.05 125	0.05 152

ac_64	0.16 422	0.08 282	0.15 359	0.18 333	0.10 384	0.22 485	0.18 410	0.24 363	0.21 330	0.18 389	0.24 386	0.29 489	0.18 447	0.19 432	0.22 487	0.09 407	0.07 421	0.08 324	0.09 430	0.07 305	0.06 244

PSMNet-RSSM	0.14 356	0.07 176	0.13 274	0.15 92	0.08 154	0.13 292	0.16 325	0.24 363	0.24 372	0.16 344	0.28 454	0.22 415	0.14 366	0.15 329	0.13 326	0.11 477	0.06 349	0.09 407	0.12 522	0.08 367	0.07 327

SuperB	0.20 481	0.10 417	0.56 580	0.16 175	0.09 275	0.18 421	0.18 410	0.24 363	0.50 558	0.26 499	0.39 529	0.17 349	0.21 479	0.22 487	0.21 478	0.08 348	0.06 349	0.06 132	0.06 219	0.12 499	0.10 462

UCFNet_RVC	0.14 356	0.08 282	0.13 274	0.11 1	0.10 384	0.20 459	0.10 31	0.24 363	0.22 345	0.17 359	0.20 332	0.23 433	0.15 384	0.17 396	0.15 390	0.12 501	0.07 421	0.10 454	0.13 532	0.11 484	0.10 462

pmcnn	0.15 399	0.07 176	0.19 457	0.15 92	0.07 87	0.20 459	0.15 259	0.24 363	0.26 407	0.21 442	0.34 501	0.28 481	0.18 447	0.18 417	0.17 421	0.07 277	0.05 212	0.05 36	0.04 44	0.07 305	0.06 244

G2L-ROB	0.13 322	0.06 83	0.13 274	0.13 14	0.08 154	0.14 325	0.16 325	0.25 379	0.18 274	0.19 405	0.18 311	0.20 388	0.14 366	0.17 396	0.16 406	0.08 348	0.05 212	0.06 132	0.05 135	0.08 367	0.09 435

DDVS	0.15 399	0.10 417	0.21 478	0.16 175	0.12 466	0.15 351	0.14 181	0.25 379	0.19 291	0.18 389	0.29 466	0.27 471	0.12 303	0.19 432	0.15 390	0.09 407	0.06 349	0.09 407	0.07 313	0.11 484	0.11 488

rvit_0105_3	0.15 399	0.09 358	0.14 310	0.19 393	0.12 466	0.15 351	0.25 541	0.25 379	0.29 438	0.15 316	0.17 286	0.20 388	0.13 342	0.17 396	0.14 362	0.13 526	0.11 515	0.12 504	0.14 536	0.07 305	0.06 244

test_sample6	0.14 356	0.08 282	0.13 274	0.16 175	0.08 154	0.17 402	0.19 449	0.25 379	0.17 244	0.17 359	0.27 440	0.19 376	0.14 366	0.15 329	0.13 326	0.08 348	0.05 212	0.08 324	0.07 313	0.08 367	0.08 391

test_sample5	0.14 356	0.08 282	0.14 310	0.16 175	0.08 154	0.18 421	0.18 410	0.25 379	0.17 244	0.17 359	0.27 440	0.18 362	0.14 366	0.16 364	0.13 326	0.08 348	0.05 212	0.08 324	0.07 313	0.08 367	0.08 391

DualNet	0.14 356	0.08 282	0.14 310	0.16 175	0.08 154	0.18 421	0.18 410	0.25 379	0.17 244	0.17 359	0.27 440	0.18 362	0.14 366	0.16 364	0.13 326	0.08 348	0.05 212	0.08 324	0.07 313	0.08 367	0.08 391

SDNR	0.19 469	0.08 282	0.19 457	0.16 175	0.12 466	0.77 609	0.14 181	0.25 379	0.32 462	0.19 405	0.24 386	0.19 376	0.13 342	0.19 432	0.15 390	0.16 560	0.18 570	0.14 531	0.11 502	0.08 367	0.11 488

fast-acv-ft	0.18 457	0.11 443	0.19 457	0.19 393	0.12 466	0.24 505	0.21 492	0.25 379	0.34 481	0.22 458	0.34 501	0.27 471	0.20 475	0.21 474	0.23 499	0.09 407	0.09 482	0.08 324	0.10 470	0.08 367	0.07 327

IER	0.14 356	0.07 176	0.13 274	0.17 251	0.09 275	0.14 325	0.16 325	0.25 379	0.26 407	0.18 389	0.25 414	0.17 349	0.20 475	0.16 364	0.14 362	0.08 348	0.05 212	0.07 233	0.06 219	0.08 367	0.07 327

CSP-Net	0.16 422	0.09 358	0.14 310	0.16 175	0.09 275	0.19 444	0.17 362	0.25 379	0.32 462	0.25 493	0.30 473	0.24 439	0.15 384	0.21 474	0.18 439	0.09 407	0.06 349	0.07 233	0.07 313	0.08 367	0.07 327

ICVP	0.15 399	0.09 358	0.12 227	0.22 500	0.09 275	0.17 402	0.21 492	0.25 379	0.23 356	0.18 389	0.30 473	0.26 463	0.18 447	0.17 396	0.14 362	0.09 407	0.07 421	0.08 324	0.07 313	0.07 305	0.07 327
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.17 443	0.09 358	0.16 393	0.20 454	0.11 434	0.27 536	0.20 472	0.25 379	0.41 521	0.22 458	0.30 473	0.21 397	0.20 475	0.17 396	0.20 458	0.06 127	0.06 349	0.07 233	0.07 313	0.08 367	0.07 327

acv_ft	0.15 399	0.09 358	0.15 359	0.19 393	0.10 384	0.16 380	0.17 362	0.25 379	0.33 469	0.19 405	0.26 431	0.21 397	0.17 433	0.17 396	0.18 439	0.07 277	0.06 349	0.06 132	0.06 219	0.08 367	0.06 244

hitnet-ft	0.18 457	0.09 358	0.17 423	0.14 46	0.09 275	0.26 526	0.20 472	0.25 379	0.26 407	0.24 480	0.32 485	0.31 512	0.22 488	0.24 507	0.21 478	0.12 501	0.07 421	0.10 454	0.08 384	0.12 499	0.11 488

DMCA-RVC	0.17 443	0.10 417	0.15 359	0.24 533	0.11 434	0.18 421	0.18 410	0.25 379	0.24 372	0.21 442	0.26 431	0.25 453	0.27 525	0.18 417	0.20 458	0.12 501	0.08 450	0.13 519	0.10 470	0.10 461	0.08 391

FADNet-RVC-Resample	0.16 422	0.11 443	0.31 531	0.22 500	0.11 434	0.19 444	0.14 181	0.25 379	0.24 372	0.24 480	0.27 440	0.20 388	0.15 384	0.16 364	0.15 390	0.07 277	0.08 450	0.12 504	0.10 470	0.09 430	0.10 462

RP	0.21 493	0.13 489	0.21 478	0.23 524	0.11 434	0.21 476	0.20 472	0.25 379	0.44 539	0.21 442	0.38 521	0.36 539	0.24 502	0.27 517	0.25 522	0.11 477	0.12 531	0.13 519	0.12 522	0.12 499	0.14 540

iResNetv2_ROB	0.14 356	0.08 282	0.15 359	0.16 175	0.08 154	0.16 380	0.12 80	0.25 379	0.35 490	0.21 442	0.29 466	0.24 439	0.13 342	0.14 307	0.14 362	0.06 127	0.05 212	0.06 132	0.04 44	0.09 430	0.08 391

coex_refinement	0.14 356	0.07 176	0.12 227	0.17 251	0.10 384	0.15 351	0.15 259	0.26 397	0.29 438	0.18 389	0.20 332	0.22 415	0.17 433	0.16 364	0.18 439	0.08 348	0.05 212	0.06 132	0.06 219	0.09 430	0.08 391

test_sample4	0.14 356	0.08 282	0.14 310	0.15 92	0.08 154	0.19 444	0.18 410	0.26 397	0.17 244	0.16 344	0.25 414	0.18 362	0.14 366	0.16 364	0.13 326	0.08 348	0.06 349	0.08 324	0.06 219	0.08 367	0.08 391

test_sample3	0.14 356	0.08 282	0.15 359	0.14 46	0.09 275	0.19 444	0.17 362	0.26 397	0.18 274	0.16 344	0.22 365	0.19 376	0.15 384	0.17 396	0.13 326	0.08 348	0.06 349	0.07 233	0.06 219	0.09 430	0.08 391

SMFormer	0.14 356	0.07 176	0.17 423	0.14 46	0.08 154	0.16 380	0.17 362	0.26 397	0.27 417	0.19 405	0.20 332	0.18 362	0.15 384	0.15 329	0.17 421	0.08 348	0.05 212	0.07 233	0.06 219	0.07 305	0.06 244

tta	0.14 356	0.07 176	0.17 423	0.14 46	0.08 154	0.16 380	0.17 362	0.26 397	0.27 417	0.19 405	0.20 332	0.18 362	0.15 384	0.15 329	0.17 421	0.08 348	0.05 212	0.07 233	0.06 219	0.06 233	0.06 244

qqq1	0.13 322	0.07 176	0.17 423	0.14 46	0.08 154	0.16 380	0.17 362	0.26 397	0.27 417	0.19 405	0.20 332	0.18 362	0.15 384	0.15 329	0.11 226	0.08 348	0.05 212	0.05 36	0.05 135	0.06 233	0.06 244

fff1	0.13 322	0.07 176	0.17 423	0.14 46	0.08 154	0.16 380	0.17 362	0.26 397	0.27 417	0.19 405	0.20 332	0.18 362	0.15 384	0.15 329	0.11 226	0.08 348	0.05 212	0.05 36	0.05 135	0.06 233	0.06 244

Wz-Net-LNSev-Ref	0.18 457	0.09 358	0.29 526	0.15 92	0.10 384	0.22 485	0.20 472	0.26 397	0.39 512	0.25 493	0.42 552	0.24 439	0.15 384	0.20 457	0.19 452	0.07 277	0.05 212	0.06 132	0.05 135	0.10 461	0.09 435

CRFU-Net	0.16 422	0.08 282	0.14 310	0.17 251	0.09 275	0.19 444	0.14 181	0.26 397	0.20 314	0.28 520	0.27 440	0.29 489	0.17 433	0.19 432	0.17 421	0.09 407	0.09 482	0.07 233	0.07 313	0.08 367	0.08 391

PSMNet-ADL	0.15 399	0.12 461	0.13 274	0.22 500	0.09 275	0.13 292	0.20 472	0.26 397	0.23 356	0.18 389	0.20 332	0.24 439	0.16 410	0.18 417	0.17 421	0.08 348	0.08 450	0.08 324	0.11 502	0.08 367	0.07 327

PFNet	0.12 297	0.06 83	0.17 423	0.17 251	0.08 154	0.09 99	0.15 259	0.26 397	0.20 314	0.16 344	0.16 264	0.14 286	0.11 272	0.12 228	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.05 125	0.05 152

sAnonymous2	0.13 322	0.12 461	0.24 497	0.20 454	0.12 466	0.17 402	0.13 128	0.26 397	0.21 330	0.11 197	0.11 189	0.13 266	0.08 173	0.10 86	0.10 149	0.09 407	0.05 212	0.08 324	0.06 219	0.15 546	0.10 462

CroCo_RVC	0.13 322	0.12 461	0.24 497	0.20 454	0.12 466	0.17 402	0.13 128	0.26 397	0.21 330	0.11 197	0.11 189	0.13 266	0.08 173	0.10 86	0.10 149	0.09 407	0.05 212	0.08 324	0.06 219	0.15 546	0.10 462

HCRNet	0.16 422	0.24 565	0.12 227	0.35 584	0.11 434	0.15 351	0.17 362	0.26 397	0.22 345	0.19 405	0.24 386	0.21 397	0.14 366	0.15 329	0.13 326	0.11 477	0.07 421	0.11 485	0.10 470	0.09 430	0.07 327

RAFT + AFF	0.13 322	0.07 176	0.20 469	0.20 454	0.10 384	0.14 325	0.24 525	0.26 397	0.20 314	0.11 197	0.10 145	0.12 240	0.10 242	0.15 329	0.12 285	0.07 277	0.06 349	0.09 407	0.08 384	0.06 233	0.08 391

FADNet_RVC	0.16 422	0.14 501	0.40 557	0.20 454	0.11 434	0.13 292	0.13 128	0.26 397	0.22 345	0.21 442	0.23 374	0.20 388	0.17 433	0.14 307	0.16 406	0.08 348	0.08 450	0.12 504	0.09 430	0.11 484	0.10 462

FADNet-RVC	0.20 481	0.20 550	0.38 553	0.21 485	0.16 539	0.20 459	0.15 259	0.26 397	0.26 407	0.26 499	0.32 485	0.26 463	0.21 479	0.22 487	0.19 452	0.12 501	0.13 545	0.12 504	0.14 536	0.13 517	0.18 570

AANet_RVC	0.16 422	0.10 417	0.10 143	0.18 333	0.09 275	0.18 421	0.19 449	0.26 397	0.31 455	0.22 458	0.35 506	0.21 397	0.21 479	0.22 487	0.16 406	0.06 127	0.05 212	0.06 132	0.06 219	0.07 305	0.06 244

StereoDRNet-Refined	0.17 443	0.12 461	0.15 359	0.20 454	0.09 275	0.18 421	0.18 410	0.26 397	0.23 356	0.26 499	0.40 535	0.22 415	0.17 433	0.21 474	0.20 458	0.08 348	0.05 212	0.09 407	0.10 470	0.07 305	0.07 327
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CBMV_ROB	0.19 469	0.13 489	0.17 423	0.16 175	0.11 434	0.15 351	0.13 128	0.26 397	0.28 431	0.27 505	0.30 473	0.27 471	0.24 502	0.23 498	0.16 406	0.15 544	0.17 568	0.22 572	0.20 570	0.10 461	0.11 488

iResNet_ROB	0.14 356	0.07 176	0.13 274	0.14 46	0.07 87	0.18 421	0.14 181	0.26 397	0.31 455	0.22 458	0.25 414	0.23 433	0.15 384	0.15 329	0.13 326	0.07 277	0.05 212	0.05 36	0.04 44	0.08 367	0.08 391

FSD	0.25 537	0.27 574	0.26 505	0.24 533	0.22 573	0.25 516	0.25 541	0.27 418	0.26 407	0.25 493	0.26 431	0.25 453	0.27 525	0.27 517	0.24 512	0.21 578	0.20 576	0.27 579	0.26 582	0.25 583	0.24 582

G2L-Stereo	0.14 356	0.07 176	0.13 274	0.17 251	0.09 275	0.13 292	0.12 80	0.27 418	0.22 345	0.16 344	0.27 440	0.21 397	0.13 342	0.17 396	0.18 439	0.09 407	0.08 450	0.08 324	0.07 313	0.07 305	0.07 327

TCMNet	0.19 469	0.12 461	0.19 457	0.20 454	0.18 561	0.20 459	0.24 525	0.27 418	0.36 495	0.23 471	0.26 431	0.25 453	0.19 463	0.19 432	0.23 499	0.13 526	0.11 515	0.11 485	0.12 522	0.13 517	0.12 501

DualNet (step1)	0.16 422	0.12 461	0.20 469	0.12 5	0.14 509	0.17 402	0.13 128	0.27 418	0.23 356	0.20 428	0.20 332	0.24 439	0.19 463	0.16 364	0.16 406	0.15 544	0.06 349	0.14 531	0.14 536	0.14 530	0.12 501

test_sample9	0.18 457	0.12 461	0.20 469	0.12 5	0.14 509	0.17 402	0.13 128	0.27 418	0.23 356	0.20 428	0.20 332	0.24 439	0.19 463	0.19 432	0.17 421	0.15 544	0.30 595	0.14 531	0.14 536	0.14 530	0.12 501

test_sample7	0.15 399	0.10 417	0.16 393	0.14 46	0.11 434	0.16 380	0.16 325	0.27 418	0.23 356	0.20 428	0.20 332	0.24 439	0.19 463	0.16 364	0.16 406	0.12 501	0.06 349	0.10 454	0.09 430	0.10 461	0.10 462

MyStereo05	0.13 322	0.07 176	0.10 143	0.17 251	0.09 275	0.13 292	0.18 410	0.27 418	0.35 490	0.17 359	0.14 234	0.15 315	0.11 272	0.15 329	0.13 326	0.06 127	0.05 212	0.07 233	0.07 313	0.06 233	0.06 244

mmx	0.14 356	0.09 358	0.14 310	0.16 175	0.08 154	0.17 402	0.17 362	0.27 418	0.25 393	0.15 316	0.25 414	0.19 376	0.13 342	0.14 307	0.20 458	0.08 348	0.06 349	0.09 407	0.08 384	0.08 367	0.08 391

xxx	0.14 356	0.09 358	0.14 310	0.16 175	0.08 154	0.17 402	0.17 362	0.27 418	0.25 393	0.15 316	0.25 414	0.19 376	0.13 342	0.14 307	0.20 458	0.08 348	0.06 349	0.09 407	0.08 384	0.08 367	0.08 391

coex-ft	3.30 623	0.34 588	59.09 652	0.18 333	0.13 489	0.26 526	0.22 502	0.27 418	0.72 597	1.90 627	0.70 593	0.44 569	0.45 587	0.29 536	0.41 590	0.09 407	0.09 482	0.12 504	0.09 430	0.14 530	0.13 523

iinet-f	0.16 422	0.06 83	0.45 564	0.14 46	0.10 384	0.21 476	0.14 181	0.27 418	0.23 356	0.21 442	0.24 386	0.21 397	0.15 384	0.18 417	0.21 478	0.09 407	0.07 421	0.07 233	0.06 219	0.09 430	0.10 462

DAS	0.15 399	0.08 282	0.18 445	0.19 393	0.10 384	0.19 444	0.17 362	0.27 418	0.29 438	0.18 389	0.25 414	0.21 397	0.15 384	0.16 364	0.12 285	0.08 348	0.06 349	0.06 132	0.06 219	0.07 305	0.07 327

SepStereo	0.15 399	0.08 282	0.18 445	0.19 393	0.10 384	0.19 444	0.17 362	0.27 418	0.29 438	0.18 389	0.25 414	0.21 397	0.15 384	0.25 512	0.12 285	0.08 348	0.06 349	0.06 132	0.06 219	0.07 305	0.07 327

LMCR-Stereo	0.15 399	0.08 282	0.13 274	0.21 485	0.09 275	0.17 402	0.20 472	0.27 418	0.19 291	0.24 480	0.24 386	0.23 433	0.17 433	0.20 457	0.17 421	0.07 277	0.06 349	0.08 324	0.06 219	0.10 461	0.08 391

CFNet_pseudo	0.14 356	0.08 282	0.15 359	0.16 175	0.09 275	0.13 292	0.14 181	0.27 418	0.34 481	0.14 289	0.21 354	0.22 415	0.13 342	0.18 417	0.14 362	0.07 277	0.05 212	0.08 324	0.06 219	0.07 305	0.07 327

HSM-Net_RVC	0.14 356	0.08 282	0.11 188	0.15 92	0.08 154	0.15 351	0.15 259	0.27 418	0.29 438	0.19 405	0.21 354	0.29 489	0.14 366	0.17 396	0.13 326	0.06 127	0.06 349	0.06 132	0.06 219	0.07 305	0.06 244
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DANet	0.21 493	0.15 511	0.28 518	0.25 545	0.13 489	0.22 485	0.19 449	0.27 418	0.27 417	0.28 520	0.32 485	0.35 537	0.31 552	0.31 540	0.23 499	0.11 477	0.09 482	0.11 485	0.10 470	0.13 517	0.11 488
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ccs_rob	0.14 356	0.08 282	0.15 359	0.16 175	0.09 275	0.12 241	0.14 181	0.27 418	0.34 481	0.14 289	0.21 354	0.22 415	0.13 342	0.18 417	0.14 362	0.07 277	0.05 212	0.08 324	0.07 313	0.07 305	0.07 327

DISCO	0.19 469	0.09 358	0.22 484	0.17 251	0.10 384	0.25 516	0.18 410	0.27 418	0.44 539	0.22 458	0.31 481	0.33 526	0.26 517	0.28 529	0.28 550	0.08 348	0.06 349	0.07 233	0.07 313	0.09 430	0.09 435

Hybrid-DGEV-2	0.11 227	0.06 83	0.12 227	0.18 333	0.09 275	0.09 99	0.13 128	0.28 437	0.29 438	0.11 197	0.11 189	0.09 162	0.12 303	0.12 228	0.09 67	0.06 127	0.05 212	0.07 233	0.07 313	0.05 125	0.05 152

DStereoRT	0.16 422	0.06 83	0.11 188	0.19 393	0.09 275	0.12 241	0.12 80	0.28 437	0.22 345	0.12 237	0.20 332	0.11 222	0.10 242	0.15 329	0.14 362	0.06 127	0.05 212	0.96 620	0.09 430	0.05 125	0.04 50

w-ln-seven-2	0.20 481	0.14 501	0.37 551	0.22 500	0.12 466	0.20 459	0.21 492	0.28 437	0.37 502	0.25 493	0.37 515	0.27 471	0.22 488	0.21 474	0.23 499	0.08 348	0.08 450	0.09 407	0.09 430	0.10 461	0.09 435

HBP-ISP	0.18 457	0.13 489	0.16 393	0.15 92	0.11 434	0.08 60	0.13 128	0.28 437	0.29 438	0.22 458	0.33 497	0.21 397	0.25 511	0.23 498	0.17 421	0.14 540	0.16 563	0.21 568	0.17 564	0.10 461	0.08 391

raft_robust	0.13 322	0.10 417	0.07 10	0.18 333	0.08 154	0.13 292	0.24 525	0.28 437	0.33 469	0.20 428	0.19 320	0.14 286	0.10 242	0.11 138	0.12 285	0.05 35	0.05 212	0.07 233	0.07 313	0.05 125	0.04 50

Anonymous3	0.16 422	0.13 489	0.33 538	0.26 550	0.14 509	0.27 536	0.17 362	0.28 437	0.28 431	0.15 316	0.17 286	0.14 286	0.10 242	0.15 329	0.12 285	0.08 348	0.08 450	0.08 324	0.08 384	0.08 367	0.11 488

GES	0.14 356	0.08 282	0.16 393	0.15 92	0.10 384	0.13 292	0.13 128	0.28 437	0.25 393	0.16 344	0.23 374	0.18 362	0.13 342	0.16 364	0.13 326	0.08 348	0.07 421	0.07 233	0.06 219	0.08 367	0.09 435

test_xeample	0.15 399	0.06 83	0.13 274	0.14 46	0.08 154	0.21 476	0.20 472	0.28 437	0.20 314	0.16 344	0.29 466	0.19 376	0.16 410	0.15 329	0.26 534	0.09 407	0.05 212	0.07 233	0.07 313	0.07 305	0.07 327

SFCPSM	0.13 322	0.07 176	0.14 310	0.17 251	0.09 275	0.15 351	0.16 325	0.28 437	0.27 417	0.14 289	0.17 286	0.12 240	0.13 342	0.14 307	0.11 226	0.08 348	0.05 212	0.07 233	0.07 313	0.07 305	0.06 244

UPFNet	0.16 422	0.08 282	0.12 227	0.20 454	0.12 466	0.20 459	0.23 513	0.28 437	0.26 407	0.17 359	0.24 386	0.22 415	0.19 463	0.19 432	0.21 478	0.09 407	0.07 421	0.08 324	0.09 430	0.08 367	0.06 244

DSFCA	0.16 422	0.09 358	0.14 310	0.16 175	0.10 384	0.20 459	0.19 449	0.28 437	0.31 455	0.23 471	0.24 386	0.22 415	0.15 384	0.19 432	0.20 458	0.10 448	0.07 421	0.09 407	0.09 430	0.08 367	0.08 391

CFNet	0.15 399	0.10 417	0.17 423	0.17 251	0.08 154	0.18 421	0.09 18	0.28 437	0.25 393	0.19 405	0.24 386	0.24 439	0.17 433	0.17 396	0.14 362	0.08 348	0.06 349	0.09 407	0.10 470	0.07 305	0.06 244

HSM	0.15 399	0.08 282	0.14 310	0.16 175	0.09 275	0.16 380	0.14 181	0.28 437	0.25 393	0.19 405	0.23 374	0.37 544	0.16 410	0.20 457	0.15 390	0.07 277	0.05 212	0.07 233	0.06 219	0.07 305	0.06 244

MyStereo04	0.13 322	0.07 176	0.10 143	0.17 251	0.09 275	0.14 325	0.18 410	0.29 450	0.38 509	0.17 359	0.14 234	0.16 329	0.10 242	0.15 329	0.13 326	0.06 127	0.05 212	0.08 324	0.07 313	0.06 233	0.06 244

GMStereo_Zeroshot	0.16 422	0.13 489	0.24 497	0.20 454	0.10 384	0.17 402	0.13 128	0.29 450	0.25 393	0.23 471	0.32 485	0.25 453	0.11 272	0.19 432	0.14 362	0.09 407	0.06 349	0.11 485	0.06 219	0.12 499	0.08 391

SQANet	0.23 518	0.23 562	0.30 529	0.30 576	0.19 564	0.27 536	0.13 128	0.29 450	0.33 469	0.24 480	0.37 515	0.31 512	0.22 488	0.27 517	0.23 499	0.15 544	0.10 502	0.21 568	0.16 557	0.21 571	0.15 547

PCWNet_CMD	0.14 356	0.08 282	0.15 359	0.17 251	0.09 275	0.14 325	0.14 181	0.29 450	0.36 495	0.14 289	0.20 332	0.21 397	0.12 303	0.17 396	0.13 326	0.07 277	0.05 212	0.07 233	0.07 313	0.07 305	0.07 327

psmg	0.14 356	0.09 358	0.14 310	0.17 251	0.10 384	0.15 351	0.17 362	0.29 450	0.19 291	0.17 359	0.21 354	0.25 453	0.16 410	0.15 329	0.14 362	0.08 348	0.06 349	0.08 324	0.08 384	0.07 305	0.06 244

DDUNet	0.22 502	0.17 530	0.21 478	0.22 500	0.15 528	0.25 516	0.24 525	0.29 450	0.30 448	0.31 540	0.36 509	0.33 526	0.25 511	0.24 507	0.20 458	0.18 567	0.13 545	0.17 554	0.11 502	0.16 554	0.16 558

STTStereo	0.18 457	0.12 461	0.27 513	0.20 454	0.11 434	0.16 380	0.21 492	0.29 450	0.23 356	0.21 442	0.30 473	0.29 489	0.18 447	0.20 457	0.19 452	0.12 501	0.11 515	0.11 485	0.14 536	0.09 430	0.08 391

G-Net	0.24 525	0.16 519	0.36 547	0.22 500	0.16 539	0.51 586	0.23 513	0.29 450	0.34 481	0.36 556	0.38 521	0.31 512	0.29 544	0.27 517	0.26 534	0.11 477	0.09 482	0.12 504	0.09 430	0.16 554	0.13 523

ADCL	0.24 525	0.11 443	0.47 569	0.22 500	0.12 466	0.34 562	0.29 572	0.29 450	0.56 571	0.24 480	0.46 560	0.30 499	0.30 548	0.29 536	0.29 554	0.08 348	0.07 421	0.09 407	0.09 430	0.10 461	0.10 462

RASNet	0.14 356	0.07 176	0.14 310	0.16 175	0.08 154	0.18 421	0.14 181	0.29 450	0.20 314	0.17 359	0.25 414	0.21 397	0.18 447	0.20 457	0.19 452	0.07 277	0.06 349	0.06 132	0.08 384	0.06 233	0.06 244

MSMDNet	0.14 356	0.08 282	0.15 359	0.17 251	0.09 275	0.14 325	0.14 181	0.29 450	0.36 495	0.14 289	0.21 354	0.21 397	0.12 303	0.17 396	0.14 362	0.07 277	0.05 212	0.07 233	0.07 313	0.07 305	0.07 327

PA-Net	0.23 518	0.18 541	0.33 538	0.28 566	0.22 573	0.21 476	0.38 594	0.29 450	0.39 512	0.22 458	0.32 485	0.25 453	0.26 517	0.20 457	0.25 522	0.09 407	0.23 589	0.15 543	0.22 575	0.09 430	0.13 523
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	0.18 457	0.10 417	0.15 359	0.23 524	0.11 434	0.24 505	0.18 410	0.29 450	0.28 431	0.27 505	0.28 454	0.28 481	0.24 502	0.19 432	0.20 458	0.08 348	0.08 450	0.09 407	0.09 430	0.07 305	0.07 327

CBMV	0.19 469	0.14 501	0.17 423	0.18 333	0.10 384	0.20 459	0.11 56	0.29 450	0.30 448	0.29 529	0.30 473	0.30 499	0.23 496	0.27 517	0.19 452	0.13 526	0.15 560	0.17 554	0.16 557	0.10 461	0.10 462
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
G2L-Stereo_test	0.14 356	0.07 176	0.11 188	0.13 14	0.08 154	0.12 241	0.16 325	0.30 464	0.28 431	0.20 428	0.23 374	0.20 388	0.16 410	0.17 396	0.18 439	0.07 277	0.05 212	0.05 36	0.05 135	0.07 305	0.06 244

ISRNet	0.18 457	0.08 282	0.19 457	0.19 393	0.13 489	0.15 351	0.12 80	0.30 464	0.32 462	0.21 442	0.25 414	0.27 471	0.17 433	0.17 396	0.20 458	0.20 574	0.08 450	0.14 531	0.14 536	0.14 530	0.17 567

ITSA-stereo	0.15 399	0.10 417	0.14 310	0.19 393	0.08 154	0.12 241	0.14 181	0.30 464	0.49 555	0.17 359	0.19 320	0.22 415	0.15 384	0.17 396	0.16 406	0.10 448	0.06 349	0.08 324	0.08 384	0.08 367	0.08 391

rvit_stereo_0075_2	0.17 443	0.12 461	0.25 502	0.23 524	0.16 539	0.13 292	0.10 31	0.30 464	0.27 417	0.20 428	0.28 454	0.22 415	0.15 384	0.18 417	0.13 326	0.16 560	0.10 502	0.17 554	0.10 470	0.10 461	0.09 435

CFNet_ucs	0.15 399	0.08 282	0.16 393	0.16 175	0.11 434	0.14 325	0.14 181	0.30 464	0.34 481	0.16 344	0.24 386	0.23 433	0.14 366	0.18 417	0.15 390	0.09 407	0.06 349	0.08 324	0.07 313	0.09 430	0.09 435

GwcNet-ADL	0.13 322	0.08 282	0.14 310	0.20 454	0.09 275	0.11 199	0.20 472	0.30 464	0.24 372	0.13 267	0.14 234	0.18 362	0.14 366	0.13 278	0.14 362	0.07 277	0.05 212	0.06 132	0.05 135	0.07 305	0.06 244

GANet-ADL	0.13 322	0.07 176	0.15 359	0.17 251	0.10 384	0.18 421	0.15 259	0.30 464	0.20 314	0.13 267	0.18 311	0.19 376	0.12 303	0.16 364	0.13 326	0.08 348	0.06 349	0.06 132	0.05 135	0.07 305	0.08 391

222	0.16 422	0.07 176	0.14 310	0.14 46	0.08 154	0.24 505	0.18 410	0.30 464	0.20 314	0.17 359	0.28 454	0.17 349	0.16 410	0.15 329	0.40 587	0.10 448	0.05 212	0.07 233	0.06 219	0.07 305	0.08 391

delet	0.17 443	0.08 282	0.17 423	0.19 393	0.11 434	0.20 459	0.21 492	0.30 464	0.37 502	0.17 359	0.26 431	0.19 376	0.19 463	0.19 432	0.21 478	0.08 348	0.08 450	0.09 407	0.11 502	0.06 233	0.06 244

NOSS_ROB	0.19 469	0.12 461	0.18 445	0.16 175	0.12 466	0.15 351	0.12 80	0.30 464	0.32 462	0.20 428	0.22 365	0.27 471	0.23 496	0.21 474	0.16 406	0.16 560	0.18 570	0.23 573	0.21 572	0.12 499	0.13 523

rvit_105_1	0.19 469	0.11 443	0.25 502	0.21 485	0.16 539	0.21 476	0.27 557	0.31 474	0.41 521	0.19 405	0.20 332	0.22 415	0.17 433	0.19 432	0.17 421	0.12 501	0.12 531	0.13 519	0.15 553	0.08 367	0.07 327

test_sample8	0.19 469	0.12 461	0.20 469	0.12 5	0.14 509	0.17 402	0.13 128	0.31 474	0.21 330	0.27 505	0.22 365	0.36 539	0.25 511	0.19 432	0.17 421	0.15 544	0.30 595	0.14 531	0.14 536	0.14 530	0.12 501

1111x	0.15 399	0.08 282	0.12 227	0.18 333	0.07 87	0.18 421	0.25 541	0.31 474	0.24 372	0.17 359	0.24 386	0.26 463	0.15 384	0.13 278	0.23 499	0.07 277	0.07 421	0.08 324	0.09 430	0.07 305	0.06 244

SACVNet	0.18 457	0.12 461	0.14 310	0.17 251	0.13 489	0.22 485	0.18 410	0.31 474	0.30 448	0.23 471	0.31 481	0.30 499	0.22 488	0.22 487	0.17 421	0.11 477	0.08 450	0.10 454	0.10 470	0.12 499	0.14 540

ADLNet2	0.16 422	0.09 358	0.13 274	0.16 175	0.09 275	0.20 459	0.16 325	0.31 474	0.39 512	0.16 344	0.20 332	0.20 388	0.18 447	0.21 474	0.22 487	0.08 348	0.06 349	0.07 233	0.07 313	0.09 430	0.07 327

xxxx	0.15 399	0.07 176	0.14 310	0.14 46	0.08 154	0.23 500	0.18 410	0.31 474	0.19 291	0.14 289	0.28 454	0.22 415	0.14 366	0.15 329	0.26 534	0.09 407	0.05 212	0.07 233	0.07 313	0.08 367	0.07 327

HGLStereo	0.17 443	0.08 282	0.19 457	0.17 251	0.12 466	0.18 421	0.18 410	0.31 474	0.32 462	0.21 442	0.32 485	0.25 453	0.18 447	0.19 432	0.20 458	0.09 407	0.09 482	0.07 233	0.07 313	0.09 430	0.10 462

FADNet	0.21 493	0.22 560	0.36 547	0.18 333	0.17 554	0.24 505	0.13 128	0.31 474	0.31 455	0.23 471	0.25 414	0.27 471	0.21 479	0.19 432	0.15 390	0.13 526	0.15 560	0.12 504	0.15 553	0.16 554	0.18 570

ADCP+	0.20 481	0.10 417	0.33 538	0.20 454	0.12 466	0.22 485	0.26 550	0.31 474	0.34 481	0.26 499	0.37 515	0.22 415	0.22 488	0.27 517	0.27 542	0.09 407	0.06 349	0.08 324	0.08 384	0.09 430	0.10 462

NLCA_NET_v2_RVC	0.17 443	0.10 417	0.22 484	0.20 454	0.10 384	0.15 351	0.18 410	0.31 474	0.25 393	0.21 442	0.30 473	0.25 453	0.17 433	0.21 474	0.20 458	0.09 407	0.06 349	0.08 324	0.08 384	0.07 305	0.08 391
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ETE_ROB	0.23 518	0.17 530	0.22 484	0.25 545	0.13 489	0.26 526	0.29 572	0.31 474	0.36 495	0.28 520	0.36 509	0.45 571	0.26 517	0.27 517	0.26 534	0.11 477	0.08 450	0.12 504	0.09 430	0.14 530	0.13 523

DStereoO	0.24 525	0.18 541	0.18 445	0.20 454	0.14 509	0.21 476	0.19 449	0.32 485	0.41 521	0.29 529	0.21 354	0.32 522	0.27 525	0.41 584	0.27 542	0.46 603	0.12 531	0.31 590	0.11 502	0.15 546	0.12 501

YMNet	0.20 481	0.12 461	0.19 457	0.20 454	0.14 509	0.26 526	0.23 513	0.32 485	0.34 481	0.27 505	0.34 501	0.30 499	0.18 447	0.18 417	0.22 487	0.10 448	0.13 545	0.10 454	0.10 470	0.08 367	0.09 435

YMNet_1	0.20 481	0.12 461	0.19 457	0.20 454	0.14 509	0.26 526	0.23 513	0.32 485	0.34 481	0.27 505	0.34 501	0.30 499	0.18 447	0.18 417	0.22 487	0.10 448	0.13 545	0.10 454	0.10 470	0.08 367	0.09 435

LL-Strereo	0.13 322	0.09 358	0.11 188	0.20 454	0.10 384	0.11 199	0.18 410	0.32 485	0.24 372	0.15 316	0.15 252	0.14 286	0.13 342	0.19 432	0.11 226	0.06 127	0.04 24	0.09 407	0.08 384	0.04 23	0.05 152

Wz-Net-LNSev	0.22 502	0.16 519	0.38 553	0.21 485	0.13 489	0.25 516	0.23 513	0.32 485	0.43 534	0.30 534	0.41 546	0.31 512	0.18 447	0.22 487	0.25 522	0.10 448	0.09 482	0.08 324	0.08 384	0.12 499	0.11 488

GEStereo_RVC	0.17 443	0.12 461	0.15 359	0.22 500	0.11 434	0.19 444	0.17 362	0.32 485	0.48 548	0.20 428	0.25 414	0.17 349	0.13 342	0.21 474	0.16 406	0.10 448	0.06 349	0.08 324	0.07 313	0.09 430	0.08 391

ADLNet	0.16 422	0.08 282	0.15 359	0.16 175	0.10 384	0.16 380	0.17 362	0.32 485	0.27 417	0.22 458	0.27 440	0.24 439	0.16 410	0.18 417	0.21 478	0.10 448	0.06 349	0.10 454	0.10 470	0.08 367	0.09 435

FINET	0.21 493	0.18 541	0.26 505	0.18 333	0.16 539	0.23 500	0.23 513	0.32 485	0.48 548	0.25 493	0.32 485	0.22 415	0.22 488	0.22 487	0.17 421	0.18 567	0.16 563	0.11 485	0.10 470	0.15 546	0.13 523

MFN_U_SF_DS_RVC	0.30 565	0.24 565	0.29 526	0.36 586	0.16 539	0.34 562	0.30 579	0.32 485	0.42 529	0.40 567	0.46 560	0.38 548	0.31 552	0.34 553	0.28 550	0.19 572	0.20 576	0.26 576	0.29 589	0.18 566	0.19 575

S-Stereo	0.20 481	0.12 461	0.25 502	0.21 485	0.13 489	0.20 459	0.18 410	0.32 485	0.43 534	0.23 471	0.36 509	0.28 481	0.30 548	0.19 432	0.22 487	0.09 407	0.12 531	0.10 454	0.10 470	0.13 517	0.13 523

AF-Net	0.22 502	0.17 530	0.17 423	0.26 550	0.13 489	0.25 516	0.24 525	0.32 485	0.50 558	0.25 493	0.33 497	0.38 548	0.26 517	0.28 529	0.25 522	0.11 477	0.10 502	0.16 550	0.11 502	0.11 484	0.10 462

RGC	0.25 537	0.20 550	0.29 526	0.28 566	0.16 539	0.22 485	0.23 513	0.32 485	0.44 539	0.27 505	0.40 535	0.38 548	0.27 525	0.36 565	0.22 487	0.11 477	0.13 545	0.17 554	0.17 564	0.14 530	0.16 558

edge stereo	0.22 502	0.13 489	0.20 469	0.21 485	0.13 489	0.23 500	0.16 325	0.32 485	0.42 529	0.32 546	0.40 535	0.38 548	0.35 566	0.25 512	0.24 512	0.13 526	0.11 515	0.14 531	0.11 502	0.12 499	0.13 523

ADCRef	0.19 469	0.12 461	0.41 560	0.20 454	0.12 466	0.22 485	0.18 410	0.32 485	0.36 495	0.26 499	0.32 485	0.17 349	0.23 496	0.24 507	0.24 512	0.07 277	0.06 349	0.09 407	0.09 430	0.08 367	0.08 391

AnyNet_C32	0.26 548	0.16 519	0.36 547	0.20 454	0.16 539	0.25 516	0.30 579	0.32 485	0.44 539	0.31 540	0.49 564	0.30 499	0.33 558	0.40 581	0.33 572	0.12 501	0.12 531	0.12 504	0.14 536	0.14 530	0.15 547

ADCPNet	0.25 537	0.16 519	0.61 586	0.21 485	0.15 528	0.35 570	0.25 541	0.32 485	0.35 490	0.30 534	0.40 535	0.36 539	0.28 536	0.28 529	0.32 568	0.12 501	0.10 502	0.11 485	0.12 522	0.14 530	0.13 523

AdaStereo	0.15 399	0.11 443	0.15 359	0.18 333	0.09 275	0.20 459	0.11 56	0.32 485	0.28 431	0.20 428	0.23 374	0.20 388	0.13 342	0.19 432	0.14 362	0.12 501	0.05 212	0.10 454	0.07 313	0.09 430	0.07 327
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
DeepPruner_ROB	0.16 422	0.11 443	0.15 359	0.17 251	0.10 384	0.17 402	0.15 259	0.32 485	0.21 330	0.19 405	0.21 354	0.22 415	0.18 447	0.20 457	0.15 390	0.13 526	0.09 482	0.09 407	0.09 430	0.11 484	0.10 462

PWC_ROB	0.21 493	0.16 519	0.26 505	0.18 333	0.11 434	0.22 485	0.13 128	0.32 485	0.49 555	0.30 534	0.40 535	0.32 522	0.24 502	0.31 540	0.22 487	0.10 448	0.07 421	0.11 485	0.08 384	0.11 484	0.10 462

WCMA_ROB	0.24 525	0.11 443	0.22 484	0.17 251	0.14 509	0.32 553	0.15 259	0.32 485	0.32 462	0.38 562	0.53 570	0.40 560	0.34 563	0.34 553	0.25 522	0.11 477	0.12 531	0.12 504	0.10 470	0.14 530	0.14 540

ssnet_v2	0.17 443	0.10 417	0.17 423	0.17 251	0.11 434	0.21 476	0.21 492	0.33 505	0.25 393	0.22 458	0.22 365	0.27 471	0.18 447	0.22 487	0.20 458	0.11 477	0.09 482	0.09 407	0.09 430	0.08 367	0.08 391

Wz-Net-MNSev	0.22 502	0.13 489	0.31 531	0.20 454	0.14 509	0.36 571	0.24 525	0.33 505	0.44 539	0.28 520	0.40 535	0.38 548	0.19 463	0.24 507	0.25 522	0.09 407	0.07 421	0.09 407	0.09 430	0.12 499	0.10 462

UDG	0.21 493	0.17 530	0.19 457	0.23 524	0.15 528	0.30 550	0.20 472	0.33 505	0.35 490	0.23 471	0.28 454	0.31 512	0.27 525	0.20 457	0.22 487	0.15 544	0.12 531	0.13 519	0.09 430	0.14 530	0.14 540

Syn2CoEx	0.21 493	0.16 519	0.27 513	0.29 574	0.14 509	0.26 526	0.20 472	0.33 505	0.31 455	0.28 520	0.36 509	0.27 471	0.25 511	0.19 432	0.24 512	0.16 560	0.12 531	0.14 531	0.11 502	0.09 430	0.08 391

UNet	0.17 443	0.09 358	0.18 445	0.19 393	0.12 466	0.27 536	0.19 449	0.33 505	0.29 438	0.21 442	0.24 386	0.23 433	0.19 463	0.19 432	0.18 439	0.07 277	0.06 349	0.08 324	0.07 313	0.08 367	0.06 244

NaN_ROB	0.22 502	0.19 545	0.24 497	0.25 545	0.13 489	0.29 547	0.26 550	0.33 505	0.41 521	0.31 540	0.31 481	0.32 522	0.23 496	0.30 539	0.21 478	0.11 477	0.17 568	0.10 454	0.10 470	0.08 367	0.09 435

DispFullNet	0.27 550	0.21 556	0.65 589	0.28 566	0.16 539	0.26 526	0.17 362	0.33 505	0.58 576	0.27 505	0.38 521	0.43 567	0.23 496	0.38 572	0.23 499	0.12 501	0.06 349	0.19 565	0.11 502	0.21 571	0.15 547

PWCDC_ROB	0.20 481	0.13 489	0.22 484	0.24 533	0.11 434	0.19 444	0.15 259	0.33 505	0.54 567	0.29 529	0.50 568	0.21 397	0.15 384	0.27 517	0.20 458	0.11 477	0.09 482	0.10 454	0.08 384	0.11 484	0.09 435

SGM-Forest	0.20 481	0.14 501	0.18 445	0.19 393	0.13 489	0.20 459	0.22 502	0.33 505	0.30 448	0.24 480	0.29 466	0.28 481	0.19 463	0.23 498	0.17 421	0.15 544	0.16 563	0.15 543	0.14 536	0.12 499	0.12 501
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
zh-sn7	0.25 537	0.17 530	0.50 571	0.24 533	0.13 489	0.25 516	0.24 525	0.34 514	0.48 548	0.28 520	0.54 572	0.28 481	0.31 552	0.36 565	0.32 568	0.10 448	0.10 502	0.11 485	0.10 470	0.12 499	0.12 501

zh-mn7	0.25 537	0.14 501	0.56 580	0.19 393	0.14 509	0.24 505	0.22 502	0.34 514	0.62 584	0.35 553	0.65 587	0.31 512	0.25 511	0.31 540	0.25 522	0.09 407	0.08 450	0.09 407	0.09 430	0.09 430	0.11 488

z-mn7	0.24 525	0.14 501	0.45 564	0.19 393	0.13 489	0.28 543	0.25 541	0.34 514	0.62 584	0.27 505	0.56 579	0.29 489	0.24 502	0.32 547	0.25 522	0.08 348	0.08 450	0.08 324	0.08 384	0.10 461	0.10 462

BUS	0.14 356	0.09 358	0.14 310	0.22 500	0.10 384	0.19 444	0.14 181	0.34 514	0.19 291	0.17 359	0.22 365	0.16 329	0.13 342	0.15 329	0.13 326	0.08 348	0.06 349	0.10 454	0.09 430	0.07 305	0.07 327

BSDual-CNN	0.15 399	0.09 358	0.14 310	0.22 500	0.10 384	0.14 325	0.15 259	0.34 514	0.19 291	0.17 359	0.22 365	0.25 453	0.16 410	0.15 329	0.14 362	0.08 348	0.06 349	0.10 454	0.09 430	0.07 305	0.07 327

hknet	0.15 399	0.11 443	0.13 274	0.22 500	0.11 434	0.14 325	0.15 259	0.34 514	0.25 393	0.17 359	0.22 365	0.22 415	0.18 447	0.17 396	0.12 285	0.07 277	0.06 349	0.10 454	0.09 430	0.07 305	0.07 327

psmorigin	0.25 537	0.15 511	0.34 546	0.17 251	0.13 489	0.23 500	0.14 181	0.34 514	0.33 469	0.41 571	0.55 574	0.41 562	0.37 570	0.34 553	0.27 542	0.11 477	0.15 560	0.11 485	0.11 502	0.12 499	0.16 558

FAT-Stereo	0.20 481	0.12 461	0.22 484	0.21 485	0.12 466	0.17 402	0.18 410	0.34 514	0.39 512	0.27 505	0.37 515	0.34 533	0.32 557	0.21 474	0.20 458	0.09 407	0.11 515	0.10 454	0.09 430	0.11 484	0.14 540

ADCMid	0.25 537	0.15 511	0.40 557	0.20 454	0.14 509	0.25 516	0.26 550	0.34 514	0.38 509	0.36 556	0.44 557	0.34 533	0.40 576	0.35 559	0.33 572	0.10 448	0.09 482	0.11 485	0.11 502	0.13 517	0.12 501

STTRV1_RVC	0.25 537	0.26 571	0.39 555	0.19 393	0.26 585	0.30 550	0.24 525	0.34 514	0.35 490	0.36 556	0.34 501	0.31 512	0.31 552	0.28 529	0.25 522	0.17 565	0.10 502	0.16 550	0.14 536	0.17 562	0.12 501

CVANet_RVC	0.18 457	0.10 417	0.14 310	0.21 485	0.10 384	0.18 421	0.17 362	0.34 514	0.33 469	0.22 458	0.31 481	0.28 481	0.18 447	0.23 498	0.17 421	0.12 501	0.08 450	0.12 504	0.11 502	0.09 430	0.07 327

PASM	0.32 568	0.24 565	0.48 570	0.28 566	0.27 586	0.29 547	0.30 579	0.34 514	0.49 555	0.35 553	0.39 529	0.46 575	0.34 563	0.34 553	0.35 575	0.23 587	0.25 591	0.26 576	0.28 588	0.23 575	0.21 578

NCCL2	0.23 518	0.15 511	0.17 423	0.34 582	0.18 561	0.24 505	0.23 513	0.34 514	0.28 431	0.31 540	0.38 521	0.38 548	0.28 536	0.23 498	0.24 512	0.15 544	0.12 531	0.18 563	0.21 572	0.13 517	0.13 523

XPNet_ROB	0.22 502	0.11 443	0.19 457	0.22 500	0.13 489	0.22 485	0.19 449	0.34 514	0.40 518	0.30 534	0.39 529	0.39 556	0.26 517	0.26 514	0.28 550	0.15 544	0.10 502	0.10 454	0.10 470	0.13 517	0.12 501

MSMD_ROB	0.31 566	0.26 571	0.26 505	0.24 533	0.21 571	0.34 562	0.25 541	0.34 514	0.39 512	0.40 567	0.69 591	0.45 571	0.40 576	0.34 553	0.27 542	0.20 574	0.19 573	0.26 576	0.25 581	0.23 575	0.22 580

SGM_RVC	0.23 518	0.12 461	0.15 359	0.15 92	0.09 275	0.33 559	0.18 410	0.34 514	0.31 455	0.44 578	0.37 515	0.53 586	0.35 566	0.35 559	0.24 512	0.13 526	0.13 545	0.13 519	0.13 532	0.10 461	0.11 488
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
w-ln-seven	0.24 525	0.14 501	0.55 577	0.19 393	0.14 509	0.26 526	0.22 502	0.35 530	0.60 581	0.29 529	0.39 529	0.30 499	0.22 488	0.21 474	0.26 534	0.09 407	0.09 482	0.11 485	0.10 470	0.11 484	0.10 462

Wz-Net-TNSev	0.29 559	0.20 550	0.65 589	0.19 393	0.15 528	0.38 575	0.27 557	0.35 530	0.55 568	0.34 552	0.42 552	0.45 571	0.38 571	0.32 547	0.30 560	0.12 501	0.13 545	0.10 454	0.12 522	0.15 546	0.14 540

DGSMNet	0.24 525	0.19 545	0.33 538	0.21 485	0.24 578	0.24 505	0.20 472	0.35 530	0.41 521	0.24 480	0.32 485	0.38 548	0.21 479	0.29 536	0.23 499	0.12 501	0.11 515	0.14 531	0.16 557	0.23 575	0.23 581

GwcNet	0.20 481	0.13 489	0.19 457	0.18 333	0.12 466	0.24 505	0.19 449	0.35 530	0.43 534	0.20 428	0.32 485	0.33 526	0.20 475	0.22 487	0.24 512	0.11 477	0.09 482	0.09 407	0.09 430	0.09 430	0.10 462

stereogan	0.22 502	0.11 443	0.21 478	0.20 454	0.12 466	0.31 552	0.19 449	0.35 530	0.44 539	0.22 458	0.39 529	0.35 537	0.27 525	0.33 550	0.22 487	0.10 448	0.12 531	0.10 454	0.10 470	0.14 530	0.13 523

RTSC	0.23 518	0.12 461	0.28 518	0.21 485	0.13 489	0.28 543	0.16 325	0.35 530	0.66 592	0.27 505	0.33 497	0.30 499	0.21 479	0.31 540	0.29 554	0.10 448	0.08 450	0.09 407	0.10 470	0.13 517	0.13 523

AnyNet_C01	0.36 575	0.25 570	1.37 617	0.22 500	0.17 554	0.48 584	0.27 557	0.35 530	0.39 512	0.39 564	0.74 597	0.46 575	0.38 571	0.45 586	0.47 596	0.13 526	0.13 545	0.13 519	0.14 536	0.14 530	0.15 547

MultiAttention	0.29 559	0.08 282	0.14 310	0.19 393	0.12 466	1.45 624	1.33 626	0.36 537	0.37 502	0.19 405	0.21 354	0.24 439	0.11 272	0.38 572	0.18 439	0.06 127	0.05 212	0.08 324	0.08 384	0.10 461	0.09 435

XQC	0.28 555	0.23 562	0.51 572	0.28 566	0.19 564	0.34 562	0.27 557	0.36 537	0.57 573	0.31 540	0.30 473	0.37 544	0.30 548	0.38 572	0.38 582	0.13 526	0.09 482	0.15 543	0.12 522	0.17 562	0.18 570

RTS	0.45 587	0.19 545	3.26 624	0.24 533	0.15 528	0.74 603	0.20 472	0.36 537	0.76 603	0.42 574	0.43 555	0.31 512	0.41 581	0.53 596	0.35 575	0.10 448	0.08 450	0.13 519	0.12 522	0.15 546	0.15 547

RTSA	0.45 587	0.19 545	3.26 624	0.24 533	0.15 528	0.74 603	0.20 472	0.36 537	0.76 603	0.42 574	0.43 555	0.31 512	0.41 581	0.53 596	0.35 575	0.10 448	0.08 450	0.13 519	0.12 522	0.15 546	0.15 547

TDLM	0.17 443	0.12 461	0.13 274	0.24 533	0.10 384	0.18 421	0.18 410	0.36 537	0.30 448	0.21 442	0.28 454	0.28 481	0.18 447	0.23 498	0.18 439	0.11 477	0.07 421	0.10 454	0.10 470	0.08 367	0.08 391

PS-NSSS	0.20 481	0.21 556	0.23 493	0.20 454	0.10 384	0.19 444	0.17 362	0.36 537	0.25 393	0.27 505	0.33 497	0.27 471	0.24 502	0.20 457	0.20 458	0.15 544	0.12 531	0.17 554	0.14 536	0.10 461	0.08 391

MSAF-DinoV2	0.22 502	0.11 443	0.23 493	0.17 251	0.10 384	0.27 536	0.16 325	0.37 543	0.55 568	0.21 442	0.27 440	0.47 578	0.27 525	0.35 559	0.39 584	0.09 407	0.06 349	0.07 233	0.09 430	0.12 499	0.10 462

AASNet	0.16 422	0.08 282	0.12 227	0.19 393	0.09 275	0.18 421	0.15 259	0.37 543	0.37 502	0.19 405	0.23 374	0.20 388	0.16 410	0.17 396	0.20 458	0.10 448	0.08 450	0.08 324	0.07 313	0.09 430	0.09 435

pcwnet_v2	0.19 469	0.10 417	0.26 505	0.17 251	0.14 509	0.18 421	0.15 259	0.37 543	0.46 546	0.19 405	0.24 386	0.21 397	0.19 463	0.20 457	0.19 452	0.13 526	0.10 502	0.10 454	0.10 470	0.11 484	0.13 523

psm_up	0.18 457	0.10 417	0.18 445	0.20 454	0.11 434	0.17 402	0.19 449	0.37 543	0.34 481	0.21 442	0.28 454	0.29 489	0.24 502	0.20 457	0.22 487	0.09 407	0.10 502	0.11 485	0.11 502	0.08 367	0.08 391

Nwc_Net	0.23 518	0.16 519	0.21 478	0.25 545	0.14 509	0.24 505	0.26 550	0.37 543	0.38 509	0.22 458	0.41 546	0.30 499	0.28 536	0.28 529	0.25 522	0.11 477	0.10 502	0.17 554	0.20 570	0.10 461	0.10 462

DeepPrunerF	0.24 525	0.17 530	0.42 562	0.26 550	0.16 539	0.22 485	0.28 563	0.37 543	0.50 558	0.26 499	0.29 466	0.24 439	0.28 536	0.21 474	0.22 487	0.15 544	0.11 515	0.20 567	0.18 568	0.12 499	0.13 523

StereoDRNet	0.18 457	0.11 443	0.17 423	0.22 500	0.11 434	0.21 476	0.22 502	0.37 543	0.33 469	0.24 480	0.28 454	0.30 499	0.19 463	0.20 457	0.20 458	0.09 407	0.08 450	0.11 485	0.09 430	0.09 430	0.07 327

CSAN	0.29 559	0.24 565	0.27 513	0.34 582	0.19 564	0.33 559	0.42 598	0.37 543	0.50 558	0.38 562	0.40 535	0.44 569	0.33 558	0.28 529	0.30 560	0.20 574	0.16 563	0.19 565	0.19 569	0.14 530	0.15 547

Wz-Net-SNSev	0.25 537	0.17 530	0.44 563	0.25 545	0.14 509	0.26 526	0.23 513	0.38 551	0.56 571	0.30 534	0.55 574	0.39 556	0.26 517	0.23 498	0.30 560	0.10 448	0.09 482	0.09 407	0.10 470	0.11 484	0.11 488

SHD	0.26 548	0.15 511	0.30 529	0.24 533	0.18 561	0.22 485	0.15 259	0.38 551	0.71 596	0.32 546	0.41 546	0.36 539	0.28 536	0.32 547	0.29 554	0.12 501	0.11 515	0.14 531	0.13 532	0.16 554	0.20 576

RYNet	0.22 502	0.12 461	0.22 484	0.19 393	0.17 554	0.46 580	0.26 550	0.38 551	0.48 548	0.24 480	0.28 454	0.34 533	0.23 496	0.20 457	0.30 560	0.10 448	0.06 349	0.09 407	0.09 430	0.13 517	0.15 547

SANet	0.24 525	0.14 501	0.28 518	0.21 485	0.11 434	0.27 536	0.24 525	0.38 551	0.64 588	0.36 556	0.40 535	0.43 567	0.26 517	0.27 517	0.24 512	0.12 501	0.09 482	0.10 454	0.09 430	0.13 517	0.11 488

WZ-Net	0.28 555	0.17 530	0.78 605	0.22 500	0.16 539	0.34 562	0.29 572	0.39 555	0.57 573	0.24 480	0.55 574	0.37 544	0.24 502	0.33 550	0.35 575	0.09 407	0.08 450	0.09 407	0.10 470	0.14 530	0.16 558

APVNet	0.22 502	0.12 461	0.19 457	0.18 333	0.14 509	0.32 553	0.31 585	0.39 555	0.32 462	0.27 505	0.40 535	0.30 499	0.29 544	0.26 514	0.25 522	0.11 477	0.12 531	0.11 485	0.14 536	0.12 499	0.12 501

MaskLacGwcNet_RVC	0.22 502	0.21 556	0.24 497	0.26 550	0.11 434	0.23 500	0.14 181	0.39 555	0.24 372	0.32 546	0.36 509	0.30 499	0.21 479	0.19 432	0.21 478	0.17 565	0.14 554	0.21 568	0.16 557	0.12 499	0.12 501

DRN-Test	0.19 469	0.11 443	0.20 469	0.22 500	0.10 384	0.22 485	0.22 502	0.39 555	0.37 502	0.24 480	0.32 485	0.26 463	0.21 479	0.22 487	0.24 512	0.11 477	0.07 421	0.11 485	0.10 470	0.09 430	0.07 327

FC-DCNN v2	0.33 571	0.27 574	0.28 518	0.26 550	0.23 576	0.37 572	0.28 563	0.40 559	0.43 534	0.45 579	0.56 579	0.51 582	0.40 576	0.37 570	0.29 554	0.21 578	0.20 576	0.27 579	0.26 582	0.25 583	0.24 582

NINENet	0.16 422	0.10 417	0.15 359	0.17 251	0.11 434	0.19 444	0.14 181	0.40 559	0.36 495	0.18 389	0.21 354	0.16 329	0.13 342	0.15 329	0.13 326	0.08 348	0.08 450	0.10 454	0.07 313	0.10 461	0.09 435

NCC-stereo	0.24 525	0.15 511	0.31 531	0.26 550	0.16 539	0.20 459	0.30 579	0.40 559	0.40 518	0.24 480	0.38 521	0.33 526	0.28 536	0.36 565	0.27 542	0.12 501	0.11 515	0.15 543	0.22 575	0.13 517	0.13 523

Abc-Net	0.24 525	0.15 511	0.31 531	0.26 550	0.16 539	0.20 459	0.30 579	0.40 559	0.40 518	0.24 480	0.38 521	0.33 526	0.28 536	0.36 565	0.27 542	0.12 501	0.11 515	0.15 543	0.22 575	0.13 517	0.13 523
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FC-DCNN	0.33 571	0.27 574	0.28 518	0.26 550	0.23 576	0.37 572	0.28 563	0.40 559	0.43 534	0.45 579	0.55 574	0.51 582	0.40 576	0.37 570	0.30 560	0.21 578	0.20 576	0.27 579	0.26 582	0.25 583	0.24 582

MeshStereo	0.27 550	0.13 489	0.18 445	0.15 92	0.11 434	0.32 553	0.24 525	0.40 559	0.36 495	0.52 585	0.57 582	0.67 597	0.40 576	0.35 559	0.26 534	0.14 540	0.13 545	0.13 519	0.11 502	0.11 484	0.10 462
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
otaku	0.39 577	0.37 591	0.52 573	0.44 593	0.28 587	0.58 590	0.24 525	0.41 565	0.62 584	0.40 567	0.49 564	0.46 575	0.33 558	0.40 581	0.32 568	0.30 592	0.30 595	0.39 594	0.33 594	0.29 590	0.28 591

ADCS	0.29 559	0.18 541	0.45 564	0.21 485	0.17 554	0.28 543	0.23 513	0.41 565	0.63 587	0.40 567	0.49 564	0.40 560	0.36 568	0.39 576	0.40 587	0.13 526	0.12 531	0.13 519	0.14 536	0.16 554	0.16 558

GANet	0.21 493	0.12 461	0.21 478	0.24 533	0.13 489	0.22 485	0.22 502	0.41 565	0.26 407	0.31 540	0.42 552	0.37 544	0.28 536	0.23 498	0.22 487	0.10 448	0.12 531	0.10 454	0.09 430	0.10 461	0.08 391

SGM-ForestM	0.32 568	0.12 461	0.16 393	0.16 175	0.11 434	0.39 576	0.19 449	0.41 565	0.50 558	0.52 585	0.54 572	1.32 617	0.42 584	0.40 581	0.27 542	0.14 540	0.16 563	0.16 550	0.16 557	0.12 499	0.12 501

FBW_ROB	0.24 525	0.17 530	0.22 484	0.26 550	0.14 509	0.25 516	0.22 502	0.41 565	0.41 521	0.41 571	0.41 546	0.42 563	0.27 525	0.31 540	0.23 499	0.09 407	0.14 554	0.14 531	0.12 522	0.11 484	0.09 435

PSMNet-RUCA	0.27 550	0.33 586	0.41 560	0.36 586	0.32 593	0.18 421	0.19 449	0.42 570	0.30 448	0.33 550	0.41 546	0.39 556	0.25 511	0.31 540	0.20 458	0.18 567	0.10 502	0.25 575	0.15 553	0.21 571	0.16 558

FCDSN-DC	0.33 571	0.28 579	0.28 518	0.30 576	0.24 578	0.39 576	0.28 563	0.42 570	0.42 529	0.43 577	0.53 570	0.51 582	0.41 581	0.36 565	0.30 560	0.21 578	0.20 576	0.27 579	0.26 582	0.25 583	0.24 582
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LSM	0.33 571	0.20 550	0.58 583	0.26 550	0.60 610	0.34 562	0.25 541	0.42 570	0.48 548	0.45 579	0.58 584	0.42 563	0.36 568	0.35 559	0.25 522	0.12 501	0.20 576	0.14 531	0.16 557	0.19 569	0.33 597

LALA_ROB	0.25 537	0.16 519	0.22 484	0.26 550	0.17 554	0.27 536	0.27 557	0.42 570	0.37 502	0.33 550	0.38 521	0.51 582	0.26 517	0.28 529	0.27 542	0.16 560	0.09 482	0.12 504	0.11 502	0.13 517	0.12 501

MDST_ROB	0.22 502	0.10 417	0.17 423	0.18 333	0.11 434	0.37 572	0.19 449	0.43 574	0.41 521	0.39 564	0.39 529	0.29 489	0.21 479	0.26 514	0.18 439	0.11 477	0.10 502	0.14 531	0.11 502	0.10 461	0.08 391

PSMNet_ROB	0.21 493	0.11 443	0.15 359	0.27 563	0.15 528	0.24 505	0.35 589	0.43 574	0.37 502	0.27 505	0.32 485	0.32 522	0.22 488	0.21 474	0.26 534	0.12 501	0.08 450	0.13 519	0.11 502	0.09 430	0.09 435

GASNet	0.22 502	0.23 562	0.33 538	0.26 550	0.17 554	0.26 526	0.16 325	0.44 576	0.42 529	0.27 505	0.24 386	0.30 499	0.15 384	0.27 517	0.18 439	0.12 501	0.08 450	0.12 504	0.11 502	0.16 554	0.07 327

NVstereo2D	0.19 469	0.10 417	0.15 359	0.17 251	0.15 528	0.28 543	0.23 513	0.44 576	0.42 529	0.15 316	0.27 440	0.25 453	0.19 463	0.22 487	0.17 421	0.09 407	0.06 349	0.10 454	0.08 384	0.15 546	0.09 435

PDISCO_ROB	0.27 550	0.16 519	0.26 505	0.28 566	0.20 567	0.32 553	0.26 550	0.44 576	0.57 573	0.28 520	0.40 535	0.45 571	0.29 544	0.33 550	0.34 574	0.12 501	0.09 482	0.17 554	0.16 557	0.17 562	0.13 523

ccnet	0.29 559	0.28 579	0.23 493	0.20 454	0.28 587	0.41 579	0.21 492	0.45 579	0.33 469	0.36 556	0.46 560	0.36 539	0.30 548	0.39 576	0.42 591	0.23 587	0.14 554	0.21 568	0.17 564	0.23 575	0.18 570

CC-Net-ROB	0.28 555	0.31 584	0.36 547	0.29 574	0.15 528	0.25 516	0.19 449	0.45 579	0.33 469	0.39 564	0.37 515	0.39 556	0.31 552	0.27 517	0.26 534	0.24 589	0.19 573	0.30 589	0.23 579	0.18 566	0.15 547

Ntro	0.40 580	0.40 593	0.53 574	0.46 597	0.30 591	0.65 596	0.24 525	0.46 581	0.68 594	0.41 571	0.49 564	0.48 580	0.42 584	0.39 576	0.31 567	0.32 594	0.28 593	0.37 593	0.30 591	0.32 595	0.29 592

SAMSARA	0.40 580	0.28 579	0.33 538	0.55 600	0.39 594	0.82 610	1.23 625	0.47 582	0.51 565	0.36 556	0.35 506	0.55 588	0.39 573	0.38 572	0.39 584	0.15 544	0.20 576	0.15 543	0.14 536	0.23 575	0.20 576

GANetREF_RVC	0.31 566	0.34 588	0.27 513	0.35 584	0.16 539	0.32 553	0.41 595	0.48 583	0.51 565	0.35 553	0.35 506	0.34 533	0.33 558	0.39 576	0.32 568	0.27 591	0.20 576	0.29 587	0.15 553	0.18 566	0.17 567
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
NVStereoNet_ROB	0.46 590	0.36 590	0.46 568	0.41 591	0.28 587	0.34 562	0.34 588	0.48 583	0.60 581	0.72 599	0.93 607	0.70 600	0.66 604	0.47 587	0.60 606	0.22 583	0.33 599	0.34 592	0.34 596	0.30 591	0.30 594
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DStereoSA	0.25 537	0.19 545	0.37 551	0.26 550	0.17 554	0.22 485	0.20 472	0.49 585	0.59 577	0.22 458	0.29 466	0.29 489	0.33 558	0.39 576	0.28 550	0.12 501	0.11 515	0.16 550	0.14 536	0.14 530	0.12 501

MonStereo1	0.47 591	0.26 571	0.58 583	0.28 566	0.20 567	0.39 576	0.18 410	0.49 585	0.64 588	0.52 585	0.87 604	1.01 606	0.57 598	0.50 589	0.56 603	0.53 607	0.31 598	0.54 604	0.40 598	0.33 596	0.34 598

ACVNet-4b	0.39 577	0.53 598	0.55 577	0.45 594	0.24 578	0.47 582	0.18 410	0.49 585	0.64 588	0.42 574	0.45 559	0.60 590	0.27 525	0.34 553	0.24 512	0.33 595	0.14 554	0.48 598	0.42 600	0.30 591	0.26 590

ELAS_RVC	0.41 582	0.29 582	0.33 538	0.28 566	0.24 578	0.54 588	0.36 590	0.49 585	0.59 577	0.72 599	0.74 597	0.65 595	0.54 593	0.54 598	0.40 587	0.22 583	0.20 576	0.27 579	0.26 582	0.26 588	0.25 588
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DStereoFS	0.27 550	0.22 560	0.31 531	0.22 500	0.15 528	0.22 485	0.20 472	0.50 589	0.48 548	0.28 520	0.44 557	0.33 526	0.34 563	0.52 593	0.29 554	0.12 501	0.11 515	0.15 543	0.13 532	0.16 554	0.16 558

ELAS	0.41 582	0.29 582	0.33 538	0.27 563	0.24 578	0.60 593	0.36 590	0.50 589	0.50 558	0.71 597	0.79 601	0.67 597	0.54 593	0.51 591	0.42 591	0.22 583	0.20 576	0.27 579	0.26 582	0.26 588	0.25 588
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DPSNet	0.28 555	0.16 519	0.31 531	0.18 333	0.13 489	0.54 588	0.42 598	0.51 591	0.67 593	0.29 529	0.38 521	0.38 548	0.29 544	0.31 540	0.23 499	0.11 477	0.10 502	0.11 485	0.08 384	0.20 570	0.16 558

MFN_U_SF_RVC	0.32 568	0.21 556	0.55 577	0.30 576	0.15 528	0.34 562	0.17 362	0.52 592	0.46 546	0.46 582	0.55 574	0.59 589	0.39 573	0.35 559	0.37 580	0.15 544	0.14 554	0.18 563	0.21 572	0.16 554	0.15 547

PVD	0.39 577	0.20 550	0.39 555	0.31 580	0.22 573	0.29 547	0.43 600	0.52 592	0.96 610	0.55 589	0.79 601	0.53 586	0.59 600	0.52 593	0.38 582	0.19 572	0.14 554	0.17 554	0.14 536	0.24 582	0.31 595

MSC_U_SF_DS_RVC	0.43 584	0.39 592	0.54 575	0.40 589	0.20 567	0.64 595	0.32 587	0.53 594	0.72 597	0.71 597	0.72 594	0.61 591	0.54 593	0.51 591	0.46 595	0.20 574	0.19 573	0.29 587	0.30 591	0.23 575	0.18 570

BEATNet-Init1	0.52 593	0.27 574	0.62 587	0.30 576	0.21 571	0.76 607	0.29 572	0.54 595	0.65 591	0.86 608	0.95 609	2.07 627	0.62 603	0.56 600	0.42 591	0.18 567	0.18 570	0.23 573	0.22 575	0.22 574	0.21 578

MANE	0.45 587	0.27 574	0.27 513	0.27 563	0.24 578	0.47 582	0.31 585	0.55 596	0.59 577	0.72 599	1.13 618	1.15 611	0.61 601	0.52 593	0.37 580	0.21 578	0.20 576	0.27 579	0.31 593	0.25 583	0.24 582

anonymity	0.53 594	0.58 600	0.65 589	0.41 591	0.61 611	0.53 587	0.41 595	0.56 597	0.41 521	0.55 589	0.50 568	0.49 581	0.55 596	0.58 601	0.50 601	0.58 610	0.50 613	0.51 600	0.51 607	0.51 600	0.57 608

SGM+DAISY	0.56 596	0.57 599	0.65 589	0.40 589	0.54 603	0.66 598	0.49 602	0.56 597	0.45 545	0.66 593	0.69 591	0.67 597	0.56 597	0.63 603	0.56 603	0.59 611	0.48 609	0.50 599	0.50 606	0.52 601	0.58 609

ACVNet_1	0.44 585	0.49 597	0.60 585	0.45 594	0.28 587	0.49 585	0.27 557	0.57 599	0.72 597	0.62 592	0.58 584	0.74 601	0.49 590	0.50 589	0.35 575	0.26 590	0.24 590	0.39 594	0.29 589	0.31 594	0.24 582

Consistency-Raft	0.44 585	0.40 593	0.45 564	0.37 588	0.43 598	0.46 580	0.41 595	0.57 599	0.55 568	0.32 546	0.73 595	0.33 526	0.48 589	0.42 585	0.49 598	0.39 597	0.35 600	0.45 597	0.51 607	0.42 598	0.29 592

RainbowNet	0.54 595	0.61 602	0.70 603	0.57 601	0.43 598	0.65 596	0.37 593	0.60 601	0.87 607	0.50 584	0.66 588	0.64 593	0.47 588	0.49 588	0.43 594	0.47 604	0.48 609	0.52 602	0.41 599	0.52 601	0.40 603

SPS-STEREO	0.57 597	0.58 600	0.65 589	0.45 594	0.55 605	0.62 594	0.44 601	0.62 602	0.50 558	0.68 595	0.64 586	0.66 596	0.57 598	0.61 602	0.60 606	0.62 613	0.47 608	0.51 600	0.49 604	0.55 605	0.58 609
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 598	0.66 606	0.65 589	0.51 598	0.69 615	0.69 599	0.57 608	0.64 603	0.73 601	0.60 591	0.73 595	0.62 592	0.67 605	0.65 604	0.60 606	0.66 615	0.58 622	0.63 605	0.59 610	0.68 612	0.69 618

MADNet+	0.75 605	0.71 608	3.70 627	0.66 603	0.41 596	0.98 615	0.97 623	0.69 604	0.73 601	0.52 585	0.57 582	0.64 593	0.68 606	0.86 614	1.01 622	0.34 596	0.36 601	0.28 586	0.23 579	0.36 597	0.31 595

JetBlue	0.71 602	0.45 596	1.14 615	0.51 598	0.47 600	2.02 625	0.64 612	0.75 605	0.70 595	0.69 596	0.77 600	1.22 613	0.83 611	1.03 622	1.01 622	0.40 598	0.28 593	0.33 591	0.33 594	0.30 591	0.34 598

UNDER WATER-64	0.95 614	0.94 617	1.43 619	0.87 614	0.56 606	1.18 623	0.87 620	0.77 606	0.94 609	1.04 615	0.85 603	1.58 624	1.21 625	0.94 619	0.96 620	0.87 622	0.57 621	1.03 622	0.88 623	0.78 618	0.73 619

UNDER WATER	0.97 615	0.97 619	1.42 618	0.99 618	0.70 618	1.12 622	0.84 619	0.80 607	1.08 611	1.01 614	0.90 605	1.55 623	1.22 626	1.03 622	1.00 621	0.78 620	0.53 616	1.02 621	0.87 622	0.80 619	0.74 620

TorneroNet-64	0.76 606	0.72 609	0.74 604	0.78 608	0.58 609	0.91 614	0.56 607	0.84 608	1.29 616	0.66 593	0.90 605	1.40 619	0.75 608	0.85 613	0.67 612	0.49 605	0.46 604	0.72 609	0.59 610	0.67 611	0.53 607

PWCK	0.71 602	0.94 617	0.95 612	0.76 606	0.31 592	0.74 603	0.36 590	0.90 609	0.90 608	0.96 612	0.75 599	0.95 605	0.61 601	0.87 615	0.66 609	0.72 616	0.46 604	0.75 610	0.49 604	0.69 614	0.44 605

IMH-64-1	0.65 599	0.61 602	0.68 597	0.71 604	0.51 601	0.59 591	0.49 602	0.91 610	0.85 605	0.74 603	1.02 611	0.81 602	0.78 609	0.79 607	0.49 598	0.42 599	0.46 604	0.71 607	0.47 602	0.52 601	0.39 601

IMH-64	0.65 599	0.61 602	0.68 597	0.71 604	0.51 601	0.59 591	0.49 602	0.91 610	0.85 605	0.74 603	1.02 611	0.81 602	0.78 609	0.79 607	0.49 598	0.42 599	0.46 604	0.71 607	0.47 602	0.52 601	0.39 601

notaker	0.97 615	1.11 620	0.98 613	1.13 621	0.81 619	0.73 602	0.68 616	0.93 612	1.16 613	1.18 622	1.18 620	1.41 620	1.16 624	1.08 624	0.69 613	0.81 621	0.64 624	1.17 624	0.79 620	0.98 621	0.80 622

ktn	1.01 617	1.21 622	0.80 608	1.23 623	0.86 621	1.01 618	0.87 620	0.94 613	1.39 619	1.04 615	1.12 617	1.15 611	1.07 620	0.94 619	0.59 605	1.28 628	0.71 625	1.38 628	0.83 621	1.02 623	0.75 621

TorneroNet	0.82 609	0.74 610	0.81 609	0.84 611	0.63 612	0.99 616	0.63 610	0.96 614	1.16 613	0.80 606	1.11 616	1.36 618	0.86 613	0.93 618	0.80 617	0.56 608	0.49 611	0.78 615	0.66 615	0.73 617	0.63 617

ACVNet_2	0.66 601	0.66 606	0.68 597	0.63 602	0.41 596	0.71 601	0.49 602	0.96 614	1.39 619	0.89 609	1.09 614	1.04 607	0.73 607	0.54 598	0.47 596	0.43 601	0.40 602	0.53 603	0.44 601	0.47 599	0.35 600

WAO-6	0.81 608	0.80 612	0.62 587	0.86 613	0.63 612	0.76 607	0.58 609	0.98 616	1.54 624	0.90 610	0.96 610	1.07 609	1.03 619	0.70 606	0.66 609	0.72 616	0.49 611	0.90 618	0.71 617	0.68 612	0.58 609

IMH	0.71 602	0.64 605	0.68 597	0.76 606	0.54 603	0.69 599	0.54 606	0.98 616	1.10 612	0.82 607	1.09 614	0.89 604	0.88 614	0.87 615	0.52 602	0.44 602	0.50 613	0.75 610	0.51 607	0.56 606	0.41 604

HanzoNet	1.29 620	1.26 624	1.19 616	1.12 620	0.85 620	1.02 619	0.83 618	1.03 618	1.48 623	1.64 625	1.61 626	2.50 629	1.72 627	1.61 626	1.61 625	1.26 627	0.80 626	1.31 627	1.01 625	1.02 623	0.86 623

WAO-7	0.79 607	0.78 611	0.54 575	0.85 612	0.67 614	0.74 603	0.68 616	1.05 619	1.32 617	0.90 610	1.20 621	1.04 607	0.92 615	0.69 605	0.66 609	0.60 612	0.62 623	0.67 606	0.68 616	0.64 608	0.58 609

LVE	0.83 610	0.85 615	0.85 610	0.80 609	0.56 606	1.04 620	0.65 613	1.05 619	1.47 622	0.96 612	1.22 622	1.10 610	0.85 612	0.83 610	0.71 614	0.49 605	0.55 619	0.76 613	0.60 612	0.65 609	0.59 614

TCMNet-wrong-test	3.67 625	5.48 638	3.89 628	12.18 638	11.75 639	4.65 627	3.88 629	1.06 621	0.72 597	1.09 619	2.15 628	6.30 634	0.53 592	3.43 630	2.36 628	0.89 623	0.20 576	1.87 631	1.69 630	5.57 635	3.62 635

WAO-8	0.91 612	0.81 613	0.65 589	0.94 616	0.69 615	0.90 611	0.67 614	1.07 622	1.83 627	1.06 617	1.45 624	1.30 614	1.07 620	0.84 611	0.78 615	0.74 618	0.53 616	0.86 616	0.75 618	0.69 614	0.62 615

Venus	0.91 612	0.81 613	0.65 589	0.94 616	0.69 615	0.90 611	0.67 614	1.07 622	1.83 627	1.06 617	1.45 624	1.30 614	1.07 620	0.84 611	0.78 615	0.74 618	0.53 616	0.86 616	0.75 618	0.69 614	0.62 615

KSHMR	1.09 618	1.17 621	0.88 611	1.25 624	1.00 623	0.99 616	0.96 622	1.13 624	1.37 618	1.16 621	1.29 623	1.41 620	0.96 617	1.01 621	0.92 619	1.03 625	1.08 627	1.20 625	1.03 626	1.01 622	0.97 624

Dean	0.87 611	0.86 616	0.79 607	0.81 610	0.56 606	0.90 611	0.63 610	1.15 625	1.73 625	1.15 620	1.15 619	1.31 616	0.99 618	0.81 609	0.81 618	0.57 609	0.56 620	0.77 614	0.64 613	0.66 610	0.58 609

DPSimNet_ROB	1.11 619	1.23 623	0.78 605	1.13 621	0.88 622	1.10 621	1.13 624	1.16 626	1.23 615	1.43 624	1.02 611	1.41 620	1.10 623	0.90 617	1.60 624	1.46 629	0.51 615	1.21 626	1.03 626	0.90 620	1.01 626

JetRed	1.62 621	1.46 625	2.98 622	0.92 615	1.21 624	4.99 628	1.53 628	1.27 627	1.39 619	1.83 626	1.74 627	1.60 625	0.95 616	1.41 625	2.45 629	0.90 624	1.60 629	0.93 619	0.90 624	1.35 625	0.99 625

ASD4	3.54 624	3.38 630	2.05 621	1.72 625	2.51 628	9.03 632	17.71 634	2.25 628	5.51 631	2.46 628	2.81 630	2.03 626	3.36 629	2.73 628	5.06 630	1.22 626	1.34 628	1.13 623	1.33 628	1.68 626	1.49 628

MADNet++	1.95 622	1.75 626	1.59 620	1.82 626	1.69 626	2.33 626	1.40 627	2.35 629	2.09 629	2.57 629	2.36 629	2.24 628	2.17 628	2.28 627	2.34 627	1.87 630	1.66 630	1.54 629	1.34 629	1.92 627	1.77 629

PML	8.91 634	9.34 642	6.13 629	5.35 631	6.41 632	14.99 636	23.38 641	5.27 630	6.83 632	18.04 644	28.19 653	7.67 635	6.83 632	7.85 635	5.75 631	5.35 637	1.83 631	5.95 641	1.93 631	8.64 638	2.52 631

DPSMNet_ROB	8.06 632	4.48 631	8.63 637	5.37 633	10.74 636	8.32 630	22.98 640	5.46 631	13.36 639	5.12 631	9.92 635	5.08 631	10.40 637	5.53 633	12.58 637	3.80 636	8.00 637	3.50 633	7.02 636	3.83 633	7.14 637

DGTPSM_ROB	8.06 632	4.48 631	8.63 637	5.35 631	10.72 635	8.32 630	22.97 639	5.46 631	13.35 638	5.12 631	9.92 635	5.08 631	10.40 637	5.52 632	12.58 637	3.79 635	8.00 637	3.50 633	7.02 636	3.83 633	7.14 637

LRCNet_RVC	10.62 637	13.42 643	7.30 630	18.92 642	2.07 627	0.33 559	0.30 579	5.59 633	0.48 548	13.03 640	17.94 641	8.87 636	5.65 631	4.79 631	1.89 626	23.51 650	2.73 635	27.55 653	25.71 653	16.07 647	16.33 648

xxxxx1	7.79 628	5.02 635	7.31 631	3.12 628	3.85 629	16.35 637	22.88 636	5.86 634	8.69 633	7.97 634	8.54 632	9.12 637	8.27 634	10.18 636	10.92 634	2.42 632	2.45 632	3.56 635	12.37 639	3.77 630	3.06 632

tt_ll	7.79 628	5.02 635	7.31 631	3.12 628	3.85 629	16.35 637	22.88 636	5.86 634	8.69 633	7.97 634	8.54 632	9.12 637	8.27 634	10.18 636	10.92 634	2.42 632	2.45 632	3.56 635	12.37 639	3.77 630	3.06 632

ff	7.79 628	5.02 635	7.31 631	3.12 628	3.85 629	16.35 637	22.88 636	5.86 634	8.69 633	7.97 634	8.54 632	9.12 637	8.27 634	10.18 636	10.92 634	2.42 632	2.45 632	3.56 635	12.37 639	3.77 630	3.06 632

USTest	6.22 627	2.73 629	3.00 623	6.57 634	7.29 633	14.37 635	21.57 635	7.00 637	9.56 636	5.34 633	6.10 631	5.72 633	7.64 633	6.41 634	6.96 633	1.97 631	3.42 636	1.64 630	2.15 633	2.66 628	2.36 630

tt	4.67 626	0.06 83	3.55 626	2.02 627	1.55 625	10.25 633	16.71 633	8.91 638	5.03 630	1.31 623	0.94 608	4.71 630	4.76 630	3.33 629	5.87 632	6.06 638	10.30 642	1.88 632	2.11 632	2.75 629	1.21 627

RSGM-EC	20.36 642	4.73 633	0.68 597	16.76 639	16.92 643	21.28 644	27.18 645	10.46 639	14.04 641	18.00 642	21.31 644	22.24 652	21.82 644	22.57 644	17.63 643	62.81 653	33.79 653	20.14 650	18.10 650	20.18 649	16.45 649

acva	20.36 642	4.73 633	0.68 597	16.76 639	16.92 643	21.28 644	27.18 645	10.46 639	14.04 641	18.00 642	21.31 644	22.24 652	21.82 644	22.57 644	17.63 643	62.81 653	33.79 653	20.14 650	18.10 650	20.18 649	16.45 649

Anonymous_1	10.96 638	7.92 639	7.46 634	10.33 635	10.06 634	18.65 641	26.34 642	11.06 641	13.44 640	9.40 637	10.05 637	9.67 640	11.23 639	10.73 639	12.72 639	6.42 639	8.38 639	5.77 638	10.61 638	12.12 639	6.77 636

DPSM_ROB	11.15 639	8.58 640	8.00 635	10.88 636	11.58 637	19.10 642	26.71 643	12.05 642	14.07 643	10.36 638	10.84 638	10.33 641	11.86 640	11.70 640	13.54 640	6.99 640	8.79 640	5.89 639	6.95 634	7.29 636	7.42 639

DPSM	11.15 639	8.58 640	8.00 635	10.88 636	11.58 637	19.10 642	26.71 643	12.05 642	14.07 643	10.36 638	10.84 638	10.33 641	11.86 640	11.70 640	13.54 640	6.99 640	8.79 640	5.89 639	6.95 634	7.29 636	7.42 639

HaxPig	15.71 641	18.52 651	19.18 646	16.89 641	15.89 642	7.73 629	7.60 630	13.31 644	10.82 637	15.42 641	14.91 640	15.98 643	14.92 642	15.58 642	15.98 642	18.95 649	16.73 643	19.46 649	18.08 649	19.26 648	19.05 651

MEDIAN_ROB	20.38 644	24.04 652	23.31 649	21.23 643	21.71 645	10.40 634	7.92 631	17.64 645	15.50 645	20.12 645	19.70 642	20.34 644	20.32 643	21.19 643	21.13 645	23.81 651	21.81 651	24.98 652	23.76 652	24.71 651	23.93 652

AVERAGE_ROB	24.90 652	29.20 653	28.14 650	24.89 651	24.64 652	17.75 640	11.12 632	21.45 646	19.93 646	25.12 653	24.46 652	25.12 654	25.46 653	24.69 653	22.83 646	29.76 652	27.13 652	28.97 654	27.95 654	29.91 652	29.47 653

RAFT-FEzeroshot	22.43 646	17.33 645	15.98 639	22.02 646	23.31 649	38.34 647	53.82 651	24.05 647	28.39 648	20.61 648	21.76 646	20.88 647	23.92 650	23.41 646	27.42 650	14.07 643	17.69 645	11.83 644	14.02 644	14.69 643	14.97 645

RAFT-FE	22.43 646	17.33 645	15.98 639	22.02 646	23.31 649	38.34 647	53.82 651	24.05 647	28.39 648	20.61 648	21.76 646	20.88 647	23.92 650	23.41 646	27.42 650	14.07 643	17.69 645	11.83 644	14.02 644	14.69 643	14.97 645

CasAABBNet	22.42 645	17.33 645	16.01 641	22.01 645	23.28 647	38.32 646	53.80 649	24.14 649	28.41 650	20.60 647	21.77 648	20.89 650	23.91 648	23.43 648	27.36 648	14.07 643	17.69 645	11.83 644	14.01 643	14.67 642	14.95 644

FlowAnything	22.44 648	17.35 648	16.14 643	22.07 649	23.23 646	38.39 650	53.77 648	24.25 650	28.44 651	20.96 652	21.82 650	20.70 645	23.84 646	23.49 650	27.14 647	14.04 642	17.79 650	11.75 642	14.15 648	14.65 640	14.89 641

LSM0	22.87 651	17.28 644	18.96 645	22.19 650	29.04 653	38.42 652	53.71 647	24.28 651	28.31 647	20.78 651	21.00 643	21.43 651	24.16 652	23.50 651	27.39 649	14.09 648	17.38 644	11.84 648	14.04 646	14.73 646	14.89 641

Selective-RAFT-Error	22.47 649	17.37 649	16.09 642	22.06 648	23.34 651	38.39 650	53.83 653	24.29 652	28.47 652	20.74 650	21.83 651	20.81 646	23.90 647	23.54 652	27.53 653	14.08 646	17.69 645	11.82 643	14.00 642	14.69 643	15.00 647

Hybrid-DGEV	22.47 649	17.40 650	16.14 643	22.00 644	23.29 648	38.36 649	53.80 649	24.43 653	28.63 653	20.59 646	21.81 649	20.88 647	23.91 648	23.45 649	27.42 650	14.08 646	17.69 645	11.83 644	14.06 647	14.65 640	14.93 643

test_example2	98.32 653	94.13 654	45.89 651	96.35 652	109.85 654	88.61 653	95.45 654	25.75 654	94.37 654	130.00 655	126.06 655	58.17 655	74.63 654	88.51 654	79.96 654	150.23 655	221.02 655	77.62 655	99.10 655	113.75 655	96.94 654

ccccc	245.47 654	285.66 655	306.18 654	368.85 655	370.60 655	123.16 654	145.33 655	115.05 655	110.08 655	126.68 654	110.87 654	122.83 656	165.88 655	252.94 655	276.56 655	384.56 656	353.86 656	254.69 656	223.00 656	425.87 656	386.83 655

FADE		0.33 586		0.33 581	0.25 584							0.42 563				0.30 592	0.21 588	0.41 596	0.38 597	0.23 575

Low-res two-view benchmark