Low-res two-view results

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

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

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

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

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

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

MLG-Stereo_test2	0.06 1	0.04 1	0.10 140	0.15 90	0.05 1	0.07 34	0.11 56	0.09 13	0.04 2	0.06 14	0.05 7	0.06 24	0.04 1	0.08 19	0.09 66	0.06 127	0.04 24	0.05 34	0.03 1	0.05 122	0.05 149

MLG-Stereo_test1	0.06 1	0.05 27	0.08 40	0.17 248	0.05 1	0.06 11	0.11 56	0.08 6	0.03 1	0.05 2	0.04 1	0.06 24	0.05 13	0.09 40	0.09 66	0.05 35	0.04 24	0.05 34	0.03 1	0.04 22	0.04 50

FoundationStereo	0.06 1	0.04 1	0.08 40	0.12 5	0.05 1	0.09 98	0.13 125	0.06 1	0.09 30	0.05 2	0.05 7	0.06 24	0.04 1	0.06 1	0.07 1	0.06 127	0.04 24	0.05 34	0.03 1	0.05 122	0.04 50

BPD-Stereo	0.07 4	0.04 1	0.08 40	0.15 90	0.07 84	0.06 11	0.14 178	0.07 2	0.10 48	0.05 2	0.05 7	0.04 1	0.06 47	0.07 4	0.09 66	0.04 11	0.04 24	0.05 34	0.05 132	0.04 22	0.04 50

Pro-Stereo	0.07 4	0.05 27	0.08 40	0.15 90	0.07 84	0.08 60	0.12 77	0.07 2	0.07 10	0.06 14	0.06 15	0.05 3	0.05 13	0.09 40	0.08 17	0.05 35	0.04 24	0.06 129	0.05 132	0.04 22	0.04 50

MatchStereo	0.07 4	0.04 1	0.08 40	0.14 45	0.06 16	0.05 4	0.12 77	0.12 58	0.09 30	0.07 48	0.06 15	0.04 1	0.04 1	0.08 19	0.09 66	0.06 127	0.05 209	0.05 34	0.03 1	0.04 22	0.04 50

BridgeDepth_RVC	0.07 4	0.04 1	0.09 92	0.11 1	0.05 1	0.10 150	0.10 31	0.14 95	0.09 30	0.06 14	0.07 49	0.06 24	0.07 131	0.07 4	0.10 147	0.06 127	0.04 24	0.04 1	0.04 44	0.04 22	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 4	0.05 27	0.07 8	0.14 45	0.06 16	0.09 98	0.13 125	0.15 131	0.06 4	0.07 48	0.08 90	0.06 24	0.08 171	0.09 40	0.09 66	0.06 127	0.05 209	0.04 1	0.03 1	0.04 22	0.04 50

VIP-Stereo	0.07 4	0.07 174	0.07 8	0.15 90	0.06 16	0.12 238	0.10 31	0.11 37	0.11 75	0.06 14	0.07 49	0.06 24	0.05 13	0.10 83	0.08 17	0.05 35	0.04 24	0.05 34	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 4	0.07 174	0.08 40	0.18 330	0.06 16	0.07 34	0.11 56	0.09 13	0.06 4	0.04 1	0.07 49	0.10 192	0.09 201	0.08 19	0.08 17	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
Zero-FE251	0.07 4	0.05 27	0.09 92	0.13 14	0.06 16	0.12 238	0.12 77	0.11 37	0.10 48	0.07 48	0.08 90	0.06 24	0.06 47	0.09 40	0.08 17	0.06 127	0.04 24	0.05 34	0.04 44	0.04 22	0.04 50

MonStereo	0.07 4	0.06 81	0.05 1	0.15 90	0.05 1	0.08 60	0.10 31	0.15 131	0.15 184	0.05 2	0.06 15	0.05 3	0.06 47	0.07 4	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 4	0.05 27	0.07 8	0.16 172	0.06 16	0.07 34	0.11 56	0.10 22	0.08 17	0.06 14	0.06 15	0.07 82	0.07 131	0.09 40	0.09 66	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 81	0.05 1	0.15 90	0.05 1	0.08 60	0.10 31	0.15 131	0.15 184	0.05 2	0.06 15	0.05 3	0.06 47	0.07 4	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 4	0.04 1	0.09 92	0.13 14	0.06 16	0.05 4	0.09 18	0.11 37	0.07 10	0.06 14	0.06 15	0.05 3	0.06 47	0.09 40	0.09 66	0.06 127	0.04 24	0.04 1	0.03 1	0.05 122	0.05 149

Replicate-Monster	0.07 4	0.05 27	0.09 92	0.14 45	0.06 16	0.08 60	0.09 18	0.13 75	0.13 138	0.05 2	0.07 49	0.06 24	0.06 47	0.08 19	0.10 147	0.05 35	0.04 24	0.05 34	0.03 1	0.04 22	0.04 50

AdaDepth	0.07 4	0.06 81	0.07 8	0.18 330	0.06 16	0.11 196	0.12 77	0.09 13	0.07 10	0.06 14	0.05 7	0.07 82	0.06 47	0.09 40	0.10 147	0.04 11	0.05 209	0.05 34	0.04 44	0.04 22	0.04 50

asda	0.07 4	0.08 279	0.08 40	0.16 172	0.06 16	0.06 11	0.10 31	0.16 161	0.10 48	0.06 14	0.06 15	0.05 3	0.05 13	0.10 83	0.10 147	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

asd	0.07 4	0.08 279	0.07 8	0.16 172	0.07 84	0.08 60	0.08 7	0.11 37	0.08 17	0.07 48	0.07 49	0.06 24	0.06 47	0.10 83	0.09 66	0.03 1	0.03 1	0.04 1	0.04 44	0.04 22	0.03 2

qwe	0.07 4	0.08 279	0.07 8	0.15 90	0.06 16	0.07 34	0.10 31	0.18 231	0.11 75	0.07 48	0.07 49	0.06 24	0.06 47	0.10 83	0.09 66	0.03 1	0.03 1	0.04 1	0.04 44	0.04 22	0.03 2

2.25w	0.07 4	0.06 81	0.07 8	0.14 45	0.06 16	0.08 60	0.08 7	0.10 22	0.15 184	0.08 87	0.10 142	0.07 82	0.06 47	0.08 19	0.10 147	0.05 35	0.03 1	0.04 1	0.04 44	0.03 1	0.04 50

4.25_new	0.07 4	0.08 279	0.09 92	0.15 90	0.06 16	0.09 98	0.08 7	0.14 95	0.08 17	0.07 48	0.07 49	0.06 24	0.06 47	0.12 225	0.10 147	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

4.5w_new	0.07 4	0.08 279	0.09 92	0.15 90	0.06 16	0.09 98	0.08 7	0.14 95	0.08 17	0.07 48	0.07 49	0.06 24	0.06 47	0.12 225	0.10 147	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

4.5_new	0.07 4	0.09 355	0.08 40	0.15 90	0.07 84	0.06 11	0.10 31	0.14 95	0.11 75	0.06 14	0.08 90	0.06 24	0.06 47	0.08 19	0.10 147	0.03 1	0.03 1	0.04 1	0.04 44	0.04 22	0.03 2

4.5w-stereo	0.07 4	0.09 355	0.08 40	0.15 90	0.07 84	0.06 11	0.10 31	0.14 95	0.11 75	0.06 14	0.08 90	0.06 24	0.06 47	0.08 19	0.10 147	0.03 1	0.03 1	0.04 1	0.04 44	0.04 22	0.03 2

4.25w-stereo	0.07 4	0.08 279	0.09 92	0.15 90	0.06 16	0.09 98	0.08 7	0.14 95	0.08 17	0.07 48	0.07 49	0.06 24	0.06 47	0.12 225	0.10 147	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

4w-stereo	0.07 4	0.08 279	0.08 40	0.16 172	0.06 16	0.07 34	0.08 7	0.12 58	0.08 17	0.07 48	0.07 49	0.05 3	0.06 47	0.09 40	0.10 147	0.03 1	0.03 1	0.04 1	0.04 44	0.04 22	0.03 2

2.5w	0.07 4	0.07 174	0.07 8	0.16 172	0.06 16	0.08 60	0.12 77	0.10 22	0.10 48	0.07 48	0.06 15	0.09 159	0.06 47	0.08 19	0.09 66	0.04 11	0.03 1	0.04 1	0.04 44	0.03 1	0.03 2

2.75w_new	0.07 4	0.07 174	0.07 8	0.13 14	0.06 16	0.08 60	0.08 7	0.18 231	0.12 105	0.07 48	0.08 90	0.06 24	0.06 47	0.09 40	0.11 223	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 50

3.25w_new	0.07 4	0.06 81	0.07 8	0.15 90	0.06 16	0.10 150	0.07 3	0.12 58	0.11 75	0.08 87	0.06 15	0.07 82	0.06 47	0.11 135	0.09 66	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 81	0.07 8	0.15 90	0.06 16	0.10 150	0.07 3	0.12 58	0.11 75	0.08 87	0.06 15	0.07 82	0.06 47	0.11 135	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 4	0.07 174	0.08 40	0.16 172	0.07 84	0.07 34	0.09 18	0.16 161	0.09 30	0.07 48	0.06 15	0.05 3	0.06 47	0.09 40	0.10 147	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 4	0.07 174	0.07 8	0.15 90	0.07 84	0.09 98	0.06 1	0.13 75	0.11 75	0.07 48	0.07 49	0.06 24	0.07 131	0.10 83	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 4	0.06 81	0.07 8	0.16 172	0.06 16	0.07 34	0.10 31	0.14 95	0.14 164	0.07 48	0.08 90	0.05 3	0.06 47	0.09 40	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 50

monsterstereo	0.07 4	0.06 81	0.06 4	0.16 172	0.06 16	0.08 60	0.10 31	0.16 161	0.11 75	0.07 48	0.08 90	0.06 24	0.07 131	0.08 19	0.09 66	0.04 11	0.04 24	0.05 34	0.04 44	0.03 1	0.03 2

monsters	0.07 4	0.06 81	0.06 4	0.15 90	0.06 16	0.08 60	0.09 18	0.12 58	0.08 17	0.09 125	0.07 49	0.06 24	0.06 47	0.08 19	0.08 17	0.05 35	0.04 24	0.04 1	0.04 44	0.03 1	0.03 2

IGEV	0.07 4	0.04 1	0.08 40	0.13 14	0.06 16	0.09 98	0.12 77	0.14 95	0.10 48	0.06 14	0.09 112	0.07 82	0.05 13	0.09 40	0.09 66	0.06 127	0.04 24	0.05 34	0.04 44	0.05 122	0.04 50

111111	0.07 4	0.04 1	0.09 92	0.17 248	0.06 16	0.05 4	0.10 31	0.11 37	0.09 30	0.06 14	0.06 15	0.07 82	0.05 13	0.09 40	0.09 66	0.06 127	0.04 24	0.05 34	0.04 44	0.07 302	0.06 241

LG-Stereo_L2	0.07 4	0.05 27	0.10 140	0.14 45	0.06 16	0.07 34	0.12 77	0.09 13	0.09 30	0.06 14	0.04 1	0.05 3	0.05 13	0.08 19	0.08 17	0.05 35	0.04 24	0.05 34	0.03 1	0.04 22	0.03 2

LG-Stereo_L1	0.07 4	0.05 27	0.11 185	0.14 45	0.06 16	0.07 34	0.13 125	0.09 13	0.07 10	0.05 2	0.04 1	0.05 3	0.04 1	0.08 19	0.07 1	0.05 35	0.04 24	0.05 34	0.03 1	0.04 22	0.04 50

MLG-Stereo_test3	0.07 4	0.05 27	0.10 140	0.14 45	0.06 16	0.07 34	0.11 56	0.08 6	0.06 4	0.06 14	0.04 1	0.06 24	0.06 47	0.07 4	0.10 147	0.06 127	0.04 24	0.05 34	0.04 44	0.05 122	0.06 241

MLG-Stereo	0.07 4	0.05 27	0.08 40	0.17 248	0.05 1	0.07 34	0.11 56	0.08 6	0.04 2	0.05 2	0.04 1	0.06 24	0.05 13	0.10 83	0.09 66	0.05 35	0.04 24	0.05 34	0.03 1	0.04 22	0.04 50

LG-G_1	0.07 4	0.04 1	0.11 185	0.15 90	0.06 16	0.09 98	0.08 7	0.08 6	0.06 4	0.06 14	0.05 7	0.07 82	0.07 131	0.11 135	0.08 17	0.07 276	0.04 24	0.05 34	0.04 44	0.05 122	0.05 149

LG-G	0.07 4	0.04 1	0.11 185	0.15 90	0.06 16	0.09 98	0.08 7	0.08 6	0.06 4	0.06 14	0.05 7	0.07 82	0.07 131	0.11 135	0.08 17	0.07 276	0.04 24	0.05 34	0.04 44	0.05 122	0.05 149

LGtest1	0.07 4	0.04 1	0.10 140	0.15 90	0.06 16	0.07 34	0.09 18	0.08 6	0.06 4	0.05 2	0.04 1	0.06 24	0.06 47	0.10 83	0.09 66	0.07 276	0.04 24	0.05 34	0.04 44	0.06 230	0.06 241

LG-Stereo_Zeroshot	0.07 4	0.06 81	0.10 140	0.16 172	0.07 84	0.04 1	0.13 125	0.10 22	0.10 48	0.05 2	0.11 186	0.07 82	0.05 13	0.07 4	0.09 66	0.06 127	0.04 24	0.05 34	0.04 44	0.05 122	0.04 50

GREAT-IGEV	0.07 4	0.06 81	0.08 40	0.13 14	0.07 84	0.07 34	0.14 178	0.09 13	0.09 30	0.06 14	0.07 49	0.06 24	0.05 13	0.10 83	0.07 1	0.05 35	0.04 24	0.05 34	0.04 44	0.05 122	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
StereoAnything_RVC	0.07 4	0.15 508	0.17 420	0.11 1	0.05 1	0.05 4	0.11 56	0.08 6	0.08 17	0.06 14	0.06 15	0.05 3	0.05 13	0.09 40	0.08 17	0.08 345	0.04 24	0.05 34	0.03 1	0.05 122	0.04 50

AIO_rvc	0.07 4	0.06 81	0.08 40	0.15 90	0.06 16	0.08 60	0.14 178	0.09 13	0.08 17	0.07 48	0.08 90	0.07 82	0.04 1	0.10 83	0.08 17	0.05 35	0.04 24	0.05 34	0.04 44	0.04 22	0.03 2

AIO_test	0.07 4	0.05 27	0.07 8	0.15 90	0.07 84	0.06 11	0.14 178	0.10 22	0.10 48	0.07 48	0.07 49	0.06 24	0.05 13	0.08 19	0.10 147	0.05 35	0.04 24	0.05 34	0.04 44	0.04 22	0.03 2

MonSter	0.07 4	0.06 81	0.05 1	0.15 90	0.05 1	0.07 34	0.10 31	0.15 131	0.15 184	0.05 2	0.06 15	0.05 3	0.06 47	0.07 4	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 4	0.05 27	0.07 8	0.14 45	0.06 16	0.10 150	0.13 125	0.07 2	0.13 138	0.06 14	0.07 49	0.06 24	0.05 13	0.10 83	0.09 66	0.04 11	0.04 24	0.05 34	0.03 1	0.04 22	0.04 50

dual_stereo	0.07 4	0.04 1	0.08 40	0.15 90	0.05 1	0.05 4	0.13 125	0.12 58	0.08 17	0.07 48	0.06 15	0.05 3	0.05 13	0.07 4	0.09 66	0.06 127	0.04 24	0.05 34	0.03 1	0.04 22	0.04 50

IGEV-Stereo++	0.07 4	0.06 81	0.08 40	0.18 330	0.06 16	0.04 1	0.10 31	0.11 37	0.11 75	0.06 14	0.07 49	0.07 82	0.06 47	0.09 40	0.09 66	0.05 35	0.04 24	0.05 34	0.04 44	0.05 122	0.04 50

IGEV-Stereo+	0.07 4	0.04 1	0.08 40	0.15 90	0.06 16	0.04 1	0.09 18	0.10 22	0.09 30	0.06 14	0.06 15	0.06 24	0.06 47	0.06 1	0.08 17	0.06 127	0.04 24	0.05 34	0.04 44	0.06 230	0.06 241

Selective-IGEV	0.07 4	0.06 81	0.08 40	0.17 248	0.06 16	0.08 60	0.12 77	0.13 75	0.07 10	0.08 87	0.07 49	0.06 24	0.04 1	0.10 83	0.09 66	0.05 35	0.04 24	0.05 34	0.04 44	0.04 22	0.03 2

DispViT+	0.08 57	0.08 279	0.13 271	0.15 90	0.07 84	0.08 60	0.10 31	0.14 95	0.09 30	0.09 125	0.06 15	0.06 24	0.07 131	0.10 83	0.12 282	0.05 35	0.05 209	0.05 34	0.04 44	0.05 122	0.05 149

WQFJA1++	0.08 57	0.04 1	0.11 185	0.14 45	0.07 84	0.11 196	0.11 56	0.11 37	0.07 10	0.07 48	0.07 49	0.07 82	0.06 47	0.10 83	0.10 147	0.06 127	0.04 24	0.05 34	0.04 44	0.06 230	0.06 241

BStereo	0.08 57	0.06 81	0.16 390	0.15 90	0.08 151	0.07 34	0.09 18	0.15 131	0.16 214	0.06 14	0.07 49	0.07 82	0.05 13	0.09 40	0.11 223	0.04 11	0.05 209	0.05 34	0.07 310	0.04 22	0.04 50

MonSter++	0.08 57	0.04 1	0.10 140	0.13 14	0.06 16	0.09 98	0.12 77	0.13 75	0.08 17	0.06 14	0.07 49	0.06 24	0.08 171	0.10 83	0.11 223	0.06 127	0.05 209	0.04 1	0.03 1	0.04 22	0.04 50

HiDET	0.08 57	0.04 1	0.10 140	0.13 14	0.06 16	0.08 60	0.12 77	0.12 58	0.11 75	0.06 14	0.07 49	0.07 82	0.07 131	0.11 135	0.11 223	0.06 127	0.04 24	0.04 1	0.03 1	0.04 22	0.04 50

LCMNet	0.08 57	0.05 27	0.10 140	0.13 14	0.07 84	0.09 98	0.12 77	0.10 22	0.11 75	0.06 14	0.08 90	0.06 24	0.07 131	0.11 135	0.10 147	0.06 127	0.05 209	0.04 1	0.03 1	0.04 22	0.04 50

GEAStereo	0.08 57	0.05 27	0.08 40	0.13 14	0.08 151	0.08 60	0.14 178	0.10 22	0.09 30	0.08 87	0.10 142	0.06 24	0.05 13	0.11 135	0.08 17	0.06 127	0.04 24	0.05 34	0.04 44	0.05 122	0.05 149

GSStereo	0.08 57	0.05 27	0.08 40	0.13 14	0.08 151	0.08 60	0.14 178	0.11 37	0.12 105	0.08 87	0.10 142	0.05 3	0.05 13	0.11 135	0.08 17	0.06 127	0.04 24	0.05 34	0.04 44	0.05 122	0.05 149

gasm-f	0.08 57	0.05 27	0.07 8	0.13 14	0.08 151	0.08 60	0.14 178	0.10 22	0.09 30	0.08 87	0.10 142	0.06 24	0.05 13	0.10 83	0.08 17	0.06 127	0.04 24	0.05 34	0.04 44	0.06 230	0.05 149

DDF-Stereo	0.08 57	0.04 1	0.09 92	0.15 90	0.10 381	0.06 11	0.13 125	0.09 13	0.14 164	0.06 14	0.06 15	0.07 82	0.06 47	0.09 40	0.10 147	0.06 127	0.04 24	0.06 129	0.04 44	0.08 364	0.05 149

252Zero-FE	0.08 57	0.04 1	0.09 92	0.13 14	0.07 84	0.12 238	0.11 56	0.13 75	0.14 164	0.06 14	0.05 7	0.06 24	0.05 13	0.09 40	0.10 147	0.06 127	0.04 24	0.04 1	0.03 1	0.05 122	0.06 241

DA	0.08 57	0.07 174	0.07 8	0.19 390	0.08 151	0.09 98	0.12 77	0.13 75	0.12 105	0.08 87	0.10 142	0.10 192	0.08 171	0.09 40	0.10 147	0.05 35	0.04 24	0.06 129	0.04 44	0.05 122	0.03 2

zero-FE	0.08 57	0.04 1	0.09 92	0.15 90	0.10 381	0.05 4	0.14 178	0.09 13	0.14 164	0.07 48	0.06 15	0.07 82	0.06 47	0.09 40	0.10 147	0.06 127	0.04 24	0.06 129	0.04 44	0.08 364	0.05 149

GGEV	0.08 57	0.07 174	0.07 8	0.19 390	0.08 151	0.09 98	0.12 77	0.13 75	0.12 105	0.08 87	0.10 142	0.10 192	0.08 171	0.09 40	0.10 147	0.05 35	0.04 24	0.06 129	0.04 44	0.05 122	0.03 2

GASTEREO	0.08 57	0.05 27	0.09 92	0.19 390	0.07 84	0.07 34	0.12 77	0.14 95	0.11 75	0.10 162	0.09 112	0.07 82	0.04 1	0.12 225	0.08 17	0.06 127	0.05 209	0.05 34	0.04 44	0.04 22	0.05 149

MSCF	0.08 57	0.05 27	0.08 40	0.19 390	0.08 151	0.06 11	0.12 77	0.14 95	0.11 75	0.10 162	0.09 112	0.07 82	0.04 1	0.11 135	0.08 17	0.06 127	0.05 209	0.05 34	0.04 44	0.05 122	0.05 149

S2M2_XL	0.08 57	0.06 81	0.12 224	0.12 5	0.08 151	0.09 98	0.09 18	0.07 2	0.07 10	0.08 87	0.07 49	0.07 82	0.06 47	0.09 40	0.09 66	0.08 345	0.06 346	0.07 230	0.05 132	0.08 364	0.06 241
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 57	0.09 355	0.10 140	0.17 248	0.07 84	0.08 60	0.10 31	0.20 270	0.13 138	0.06 14	0.07 49	0.05 3	0.06 47	0.08 19	0.09 66	0.03 1	0.03 1	0.04 1	0.03 1	0.04 22	0.03 2

2w_stereo	0.08 57	0.08 279	0.09 92	0.16 172	0.06 16	0.08 60	0.10 31	0.20 270	0.15 184	0.08 87	0.07 49	0.06 24	0.06 47	0.06 1	0.09 66	0.04 11	0.03 1	0.04 1	0.04 44	0.03 1	0.03 2

LG-Stereo	0.08 57	0.07 174	0.10 140	0.18 330	0.07 84	0.10 150	0.17 359	0.11 37	0.08 17	0.05 2	0.07 49	0.05 3	0.07 131	0.09 40	0.09 66	0.04 11	0.05 209	0.07 230	0.07 310	0.04 22	0.04 50

SGD-Stereo	0.08 57	0.05 27	0.10 140	0.14 45	0.05 1	0.12 238	0.12 77	0.11 37	0.12 105	0.07 48	0.09 112	0.09 159	0.09 201	0.08 19	0.08 17	0.06 127	0.04 24	0.05 34	0.04 44	0.05 122	0.03 2

HART	0.08 57	0.07 174	0.09 92	0.17 248	0.07 84	0.10 150	0.16 322	0.13 75	0.11 75	0.08 87	0.10 142	0.07 82	0.05 13	0.10 83	0.08 17	0.05 35	0.04 24	0.06 129	0.04 44	0.05 122	0.04 50

Reg-Stereo(zero)	0.08 57	0.05 27	0.08 40	0.16 172	0.06 16	0.12 238	0.11 56	0.15 131	0.10 48	0.12 234	0.09 112	0.10 192	0.08 171	0.11 135	0.08 17	0.06 127	0.04 24	0.05 34	0.04 44	0.04 22	0.05 149

SCV_C0	0.08 57	0.07 174	0.07 8	0.16 172	0.09 272	0.08 60	0.15 256	0.11 37	0.12 105	0.08 87	0.07 49	0.06 24	0.05 13	0.11 135	0.07 1	0.05 35	0.05 209	0.05 34	0.04 44	0.06 230	0.05 149

SCV	0.08 57	0.09 355	0.08 40	0.15 90	0.08 151	0.10 150	0.13 125	0.10 22	0.12 105	0.07 48	0.07 49	0.06 24	0.04 1	0.09 40	0.08 17	0.05 35	0.04 24	0.06 129	0.04 44	0.06 230	0.04 50

DEFOM-Stereo_RVC	0.08 57	0.06 81	0.09 92	0.22 497	0.06 16	0.08 60	0.12 77	0.10 22	0.10 48	0.07 48	0.07 49	0.06 24	0.05 13	0.11 135	0.09 66	0.06 127	0.04 24	0.05 34	0.03 1	0.06 230	0.04 50

HUF	0.08 57	0.05 27	0.08 40	0.14 45	0.06 16	0.09 98	0.13 125	0.13 75	0.13 138	0.07 48	0.07 49	0.08 129	0.06 47	0.10 83	0.09 66	0.06 127	0.04 24	0.05 34	0.04 44	0.05 122	0.04 50

castereo++	0.08 57	0.05 27	0.08 40	0.15 90	0.05 1	0.14 322	0.12 77	0.11 37	0.15 184	0.07 48	0.07 49	0.07 82	0.06 47	0.08 19	0.08 17	0.06 127	0.04 24	0.05 34	0.04 44	0.04 22	0.03 2

IGEV-RUCA	0.08 57	0.06 81	0.11 185	0.14 45	0.09 272	0.10 150	0.12 77	0.10 22	0.12 105	0.06 14	0.07 49	0.07 82	0.06 47	0.09 40	0.08 17	0.06 127	0.05 209	0.05 34	0.04 44	0.05 122	0.06 241

GIP-stereo	0.08 57	0.06 81	0.11 185	0.14 45	0.06 16	0.09 98	0.13 125	0.14 95	0.11 75	0.07 48	0.08 90	0.05 3	0.04 1	0.10 83	0.07 1	0.05 35	0.04 24	0.05 34	0.04 44	0.05 122	0.04 50

SMoEStereo_RVC	0.08 57	0.06 81	0.12 224	0.16 172	0.07 84	0.09 98	0.14 178	0.11 37	0.13 138	0.09 125	0.07 49	0.07 82	0.07 131	0.12 225	0.10 147	0.05 35	0.04 24	0.06 129	0.05 132	0.04 22	0.04 50

WCG-NET	0.08 57	0.05 27	0.09 92	0.15 90	0.06 16	0.11 196	0.14 178	0.13 75	0.13 138	0.06 14	0.09 112	0.07 82	0.06 47	0.13 275	0.08 17	0.05 35	0.04 24	0.05 34	0.04 44	0.04 22	0.03 2

Occ-G	0.08 57	0.05 27	0.06 4	0.14 45	0.07 84	0.08 60	0.14 178	0.13 75	0.15 184	0.07 48	0.11 186	0.07 82	0.05 13	0.09 40	0.10 147	0.06 127	0.05 209	0.05 34	0.04 44	0.05 122	0.05 149

U	0.08 57	0.07 174	0.09 92	0.19 390	0.10 381	0.10 150	0.13 125	0.12 58	0.17 241	0.07 48	0.07 49	0.06 24	0.05 13	0.07 4	0.08 17	0.06 127	0.04 24	0.06 129	0.04 44	0.06 230	0.05 149

AIO-Stereo	0.08 57	0.06 81	0.09 92	0.18 330	0.06 16	0.08 60	0.12 77	0.15 131	0.09 30	0.08 87	0.08 90	0.07 82	0.05 13	0.11 135	0.08 17	0.05 35	0.05 209	0.05 34	0.04 44	0.04 22	0.04 50

WCG-NET（raft）	0.08 57	0.05 27	0.10 140	0.15 90	0.06 16	0.11 196	0.13 125	0.15 131	0.12 105	0.08 87	0.07 49	0.06 24	0.06 47	0.13 275	0.08 17	0.05 35	0.04 24	0.05 34	0.04 44	0.04 22	0.04 50

RSM++	0.08 57	0.06 81	0.09 92	0.17 248	0.07 84	0.09 98	0.12 77	0.11 37	0.11 75	0.08 87	0.06 15	0.07 82	0.05 13	0.10 83	0.09 66	0.04 11	0.04 24	0.06 129	0.05 132	0.05 122	0.03 2

RSM	0.08 57	0.06 81	0.09 92	0.17 248	0.06 16	0.08 60	0.12 77	0.12 58	0.10 48	0.08 87	0.07 49	0.06 24	0.05 13	0.11 135	0.09 66	0.04 11	0.04 24	0.05 34	0.04 44	0.04 22	0.03 2

test_for_model	0.08 57	0.05 27	0.09 92	0.14 45	0.07 84	0.08 60	0.14 178	0.17 199	0.21 327	0.08 87	0.12 203	0.06 24	0.04 1	0.09 40	0.08 17	0.06 127	0.04 24	0.05 34	0.04 44	0.03 1	0.03 2

trnet	0.08 57	0.05 27	0.07 8	0.12 5	0.05 1	0.12 238	0.11 56	0.13 75	0.10 48	0.08 87	0.13 218	0.09 159	0.08 171	0.11 135	0.10 147	0.08 345	0.05 209	0.05 34	0.03 1	0.06 230	0.05 149

MoCha-V2	0.08 57	0.05 27	0.10 140	0.20 451	0.07 84	0.09 98	0.14 178	0.11 37	0.08 17	0.07 48	0.08 90	0.07 82	0.06 47	0.09 40	0.08 17	0.05 35	0.04 24	0.05 34	0.04 44	0.04 22	0.04 50

IGEV++	0.08 57	0.06 81	0.08 40	0.18 330	0.07 84	0.09 98	0.13 125	0.10 22	0.09 30	0.08 87	0.08 90	0.06 24	0.06 47	0.13 275	0.09 66	0.05 35	0.04 24	0.05 34	0.04 44	0.05 122	0.04 50

AEACV	0.08 57	0.05 27	0.08 40	0.14 45	0.13 486	0.14 322	0.13 125	0.14 95	0.09 30	0.07 48	0.09 112	0.07 82	0.08 171	0.10 83	0.09 66	0.06 127	0.04 24	0.06 129	0.05 132	0.05 122	0.04 50

LoS_RVC	0.08 57	0.05 27	0.07 8	0.15 90	0.07 84	0.08 60	0.15 256	0.11 37	0.10 48	0.08 87	0.09 112	0.06 24	0.09 201	0.10 83	0.09 66	0.05 35	0.04 24	0.05 34	0.03 1	0.04 22	0.03 2

CAS	0.08 57	0.04 1	0.07 8	0.17 248	0.08 151	0.10 150	0.13 125	0.12 58	0.09 30	0.09 125	0.10 142	0.08 129	0.06 47	0.09 40	0.08 17	0.08 345	0.04 24	0.05 34	0.03 1	0.05 122	0.04 50

CES	0.08 57	0.04 1	0.08 40	0.14 45	0.07 84	0.09 98	0.14 178	0.11 37	0.09 30	0.08 87	0.09 112	0.11 219	0.06 47	0.12 225	0.08 17	0.06 127	0.04 24	0.05 34	0.03 1	0.05 122	0.05 149

EGLCR-Stereo	0.08 57	0.05 27	0.08 40	0.14 45	0.06 16	0.10 150	0.12 77	0.11 37	0.16 214	0.06 14	0.05 7	0.07 82	0.05 13	0.10 83	0.11 223	0.06 127	0.04 24	0.06 129	0.05 132	0.04 22	0.04 50

MC-Stereo	0.08 57	0.06 81	0.09 92	0.17 248	0.06 16	0.10 150	0.14 178	0.12 58	0.10 48	0.09 125	0.12 203	0.09 159	0.06 47	0.11 135	0.10 147	0.06 127	0.04 24	0.06 129	0.05 132	0.04 22	0.04 50

test-3	0.08 57	0.06 81	0.09 92	0.17 248	0.07 84	0.07 34	0.14 178	0.12 58	0.15 184	0.09 125	0.08 90	0.07 82	0.08 171	0.11 135	0.10 147	0.05 35	0.04 24	0.07 230	0.05 132	0.04 22	0.04 50

test_1	0.08 57	0.06 81	0.09 92	0.17 248	0.07 84	0.07 34	0.14 178	0.12 58	0.15 184	0.09 125	0.08 90	0.07 82	0.08 171	0.11 135	0.10 147	0.05 35	0.04 24	0.07 230	0.05 132	0.04 22	0.04 50

CREStereo++_RVC	0.08 57	0.04 1	0.06 4	0.13 14	0.07 84	0.09 98	0.12 77	0.14 95	0.14 164	0.10 162	0.14 231	0.08 129	0.07 131	0.09 40	0.11 223	0.06 127	0.04 24	0.05 34	0.05 132	0.04 22	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
VMBase	0.09 108	0.05 27	0.10 140	0.13 14	0.07 84	0.10 150	0.10 31	0.16 161	0.13 138	0.10 162	0.15 249	0.10 192	0.09 201	0.11 135	0.10 147	0.07 276	0.05 209	0.05 34	0.04 44	0.05 122	0.06 241

gcap_with_dpt	0.09 108	0.06 81	0.09 92	0.16 172	0.08 151	0.12 238	0.14 178	0.16 161	0.16 214	0.08 87	0.14 231	0.10 192	0.06 47	0.11 135	0.10 147	0.06 127	0.05 209	0.05 34	0.04 44	0.05 122	0.04 50

Wave_Phase_stereo	0.09 108	0.06 81	0.16 390	0.15 90	0.08 151	0.11 196	0.09 18	0.18 231	0.16 214	0.06 14	0.07 49	0.07 82	0.05 13	0.09 40	0.11 223	0.04 11	0.05 209	0.05 34	0.07 310	0.04 22	0.04 50

NLSM3	0.09 108	0.06 81	0.08 40	0.19 390	0.08 151	0.11 196	0.16 322	0.18 231	0.16 214	0.06 14	0.08 90	0.07 82	0.08 171	0.09 40	0.11 223	0.04 11	0.04 24	0.06 129	0.07 310	0.03 1	0.03 2

FE-Mocha	0.09 108	0.06 81	0.14 307	0.16 172	0.09 272	0.10 150	0.15 256	0.18 231	0.16 214	0.10 162	0.09 112	0.07 82	0.07 131	0.09 40	0.09 66	0.06 127	0.04 24	0.06 129	0.06 216	0.05 122	0.05 149

IGEV-FE	0.09 108	0.05 27	0.12 224	0.13 14	0.08 151	0.12 238	0.13 125	0.17 199	0.11 75	0.10 162	0.06 15	0.09 159	0.06 47	0.11 135	0.09 66	0.06 127	0.04 24	0.06 129	0.06 216	0.05 122	0.05 149

water-stereo	0.09 108	0.06 81	0.08 40	0.16 172	0.07 84	0.09 98	0.13 125	0.15 131	0.13 138	0.11 194	0.12 203	0.08 129	0.09 201	0.07 4	0.08 17	0.06 127	0.05 209	0.05 34	0.05 132	0.04 22	0.04 50

depthmonostereo	0.09 108	0.06 81	0.09 92	0.15 90	0.06 16	0.10 150	0.13 125	0.14 95	0.14 164	0.10 162	0.10 142	0.09 159	0.11 269	0.08 19	0.09 66	0.06 127	0.05 209	0.06 129	0.04 44	0.04 22	0.03 2

DilatedVolume-Stereo	0.09 108	0.05 27	0.08 40	0.15 90	0.06 16	0.11 196	0.12 77	0.14 95	0.16 214	0.11 194	0.11 186	0.09 159	0.09 201	0.11 135	0.10 147	0.06 127	0.05 209	0.05 34	0.04 44	0.03 1	0.03 2

S2M2_L	0.09 108	0.08 279	0.11 185	0.13 14	0.10 381	0.08 60	0.06 1	0.10 22	0.10 48	0.10 162	0.09 112	0.10 192	0.09 201	0.11 135	0.11 223	0.13 523	0.07 418	0.08 321	0.09 427	0.10 458	0.08 388
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 108	0.06 81	0.09 92	0.19 390	0.08 151	0.12 238	0.18 407	0.15 131	0.14 164	0.07 48	0.10 142	0.07 82	0.06 47	0.12 225	0.09 66	0.05 35	0.04 24	0.06 129	0.05 132	0.05 122	0.03 2

castereo	0.09 108	0.06 81	0.11 185	0.15 90	0.06 16	0.11 196	0.15 256	0.14 95	0.18 271	0.08 87	0.10 142	0.11 219	0.08 171	0.09 40	0.10 147	0.05 35	0.04 24	0.05 34	0.04 44	0.04 22	0.03 2

fffft	0.09 108	0.06 81	0.12 224	0.16 172	0.07 84	0.09 98	0.17 359	0.12 58	0.11 75	0.08 87	0.07 49	0.09 159	0.06 47	0.11 135	0.12 282	0.05 35	0.04 24	0.06 129	0.05 132	0.04 22	0.05 149
1: 1. 1
tt45	0.09 108	0.06 81	0.11 185	0.15 90	0.07 84	0.11 196	0.16 322	0.13 75	0.11 75	0.09 125	0.06 15	0.08 129	0.06 47	0.13 275	0.10 147	0.06 127	0.04 24	0.06 129	0.05 132	0.05 122	0.06 241

999	0.09 108	0.05 27	0.13 271	0.15 90	0.08 151	0.10 150	0.14 178	0.15 131	0.11 75	0.10 162	0.08 90	0.08 129	0.08 171	0.16 361	0.10 147	0.06 127	0.04 24	0.06 129	0.05 132	0.04 22	0.05 149

mms	0.09 108	0.07 174	0.08 40	0.16 172	0.08 151	0.10 150	0.16 322	0.12 58	0.11 75	0.08 87	0.09 112	0.08 129	0.06 47	0.11 135	0.12 282	0.05 35	0.04 24	0.07 230	0.05 132	0.04 22	0.03 2

ours_stereo	0.09 108	0.07 174	0.09 92	0.17 248	0.08 151	0.11 196	0.16 322	0.11 37	0.12 105	0.08 87	0.10 142	0.08 129	0.06 47	0.12 225	0.12 282	0.05 35	0.04 24	0.06 129	0.05 132	0.04 22	0.03 2

fffy	0.09 108	0.08 279	0.09 92	0.16 172	0.07 84	0.13 289	0.17 359	0.13 75	0.12 105	0.08 87	0.09 112	0.08 129	0.09 201	0.13 275	0.11 223	0.05 35	0.05 209	0.07 230	0.05 132	0.04 22	0.05 149

PAM_32	0.09 108	0.05 27	0.17 420	0.15 90	0.08 151	0.10 150	0.15 256	0.14 95	0.15 184	0.09 125	0.08 90	0.09 159	0.07 131	0.14 304	0.08 17	0.06 127	0.05 209	0.06 129	0.06 216	0.05 122	0.06 241

UGAM-zero	0.09 108	0.05 27	0.15 356	0.15 90	0.08 151	0.09 98	0.13 125	0.19 259	0.15 184	0.11 194	0.15 249	0.07 82	0.07 131	0.09 40	0.09 66	0.06 127	0.05 209	0.06 129	0.05 132	0.05 122	0.06 241

GCAP-BAT	0.09 108	0.07 174	0.14 307	0.15 90	0.08 151	0.10 150	0.13 125	0.14 95	0.10 48	0.11 194	0.10 142	0.08 129	0.07 131	0.12 225	0.10 147	0.06 127	0.05 209	0.06 129	0.04 44	0.04 22	0.04 50

Pointernet	0.09 108	0.04 1	0.09 92	0.16 172	0.08 151	0.13 289	0.10 31	0.15 131	0.17 241	0.09 125	0.07 49	0.06 24	0.06 47	0.11 135	0.09 66	0.08 345	0.04 24	0.05 34	0.03 1	0.06 230	0.05 149

IGEV-BASED-STEREO-	0.09 108	0.10 414	0.31 528	0.15 90	0.06 16	0.08 60	0.14 178	0.10 22	0.10 48	0.07 48	0.07 49	0.06 24	0.04 1	0.11 135	0.07 1	0.12 498	0.04 24	0.07 230	0.05 132	0.05 122	0.05 149

RAFT-Stereo-weight	0.09 108	0.06 81	0.10 140	0.16 172	0.07 84	0.09 98	0.14 178	0.19 259	0.16 214	0.11 194	0.10 142	0.08 129	0.06 47	0.10 83	0.11 223	0.06 127	0.04 24	0.06 129	0.04 44	0.04 22	0.04 50

gcap-zeroshot	0.09 108	0.05 27	0.10 140	0.16 172	0.07 84	0.13 289	0.13 125	0.11 37	0.12 105	0.13 264	0.12 203	0.09 159	0.08 171	0.09 40	0.09 66	0.06 127	0.05 209	0.06 129	0.05 132	0.04 22	0.04 50

GCAPDPT-zeroshot4090	0.09 108	0.05 27	0.11 185	0.13 14	0.07 84	0.11 196	0.14 178	0.14 95	0.16 214	0.07 48	0.10 142	0.08 129	0.06 47	0.13 275	0.08 17	0.07 276	0.05 209	0.05 34	0.05 132	0.04 22	0.04 50

MGS-Stereo	0.09 108	0.07 174	0.12 224	0.15 90	0.08 151	0.09 98	0.15 256	0.12 58	0.12 105	0.07 48	0.10 142	0.08 129	0.06 47	0.10 83	0.09 66	0.05 35	0.04 24	0.06 129	0.05 132	0.06 230	0.05 149

ff7	0.09 108	0.07 174	0.11 185	0.16 172	0.09 272	0.11 196	0.15 256	0.16 161	0.12 105	0.10 162	0.06 15	0.06 24	0.06 47	0.11 135	0.09 66	0.05 35	0.04 24	0.06 129	0.05 132	0.05 122	0.06 241

IGEVStereo-DCA	0.09 108	0.06 81	0.11 185	0.15 90	0.10 381	0.11 196	0.15 256	0.16 161	0.12 105	0.10 162	0.06 15	0.08 129	0.06 47	0.10 83	0.08 17	0.06 127	0.05 209	0.06 129	0.05 132	0.05 122	0.06 241

ffff	0.09 108	0.07 174	0.11 185	0.16 172	0.09 272	0.11 196	0.15 256	0.16 161	0.12 105	0.10 162	0.06 15	0.06 24	0.06 47	0.11 135	0.09 66	0.05 35	0.04 24	0.06 129	0.05 132	0.05 122	0.06 241

rrr	0.09 108	0.06 81	0.12 224	0.15 90	0.10 381	0.11 196	0.16 322	0.16 161	0.15 184	0.10 162	0.06 15	0.08 129	0.06 47	0.10 83	0.08 17	0.06 127	0.05 209	0.06 129	0.05 132	0.05 122	0.06 241

11t	0.09 108	0.07 174	0.11 185	0.16 172	0.09 272	0.11 196	0.15 256	0.16 161	0.12 105	0.10 162	0.06 15	0.06 24	0.06 47	0.11 135	0.09 66	0.05 35	0.04 24	0.06 129	0.05 132	0.05 122	0.06 241

MaDis-Stereo	0.09 108	0.09 355	0.08 40	0.17 248	0.09 272	0.13 289	0.10 31	0.16 161	0.16 214	0.09 125	0.11 186	0.06 24	0.06 47	0.09 40	0.13 323	0.07 276	0.06 346	0.07 230	0.05 132	0.05 122	0.04 50

IGEV_Zeroshot_test	0.09 108	0.05 27	0.12 224	0.13 14	0.08 151	0.12 238	0.13 125	0.17 199	0.11 75	0.10 162	0.06 15	0.09 159	0.06 47	0.11 135	0.09 66	0.06 127	0.04 24	0.06 129	0.06 216	0.05 122	0.05 149

MSKI-zero shot	0.09 108	0.05 27	0.09 92	0.15 90	0.07 84	0.10 150	0.13 125	0.14 95	0.13 138	0.09 125	0.09 112	0.09 159	0.06 47	0.12 225	0.10 147	0.06 127	0.04 24	0.05 34	0.04 44	0.04 22	0.04 50

UniTT-Stereo	0.09 108	0.07 174	0.08 40	0.18 330	0.08 151	0.13 289	0.11 56	0.12 58	0.11 75	0.10 162	0.12 203	0.05 3	0.07 131	0.09 40	0.09 66	0.07 276	0.05 209	0.05 34	0.05 132	0.05 122	0.05 149

MIM_Stereo	0.09 108	0.07 174	0.11 185	0.15 90	0.07 84	0.06 11	0.12 77	0.20 270	0.14 164	0.13 264	0.13 218	0.09 159	0.05 13	0.12 225	0.08 17	0.05 35	0.06 346	0.07 230	0.06 216	0.06 230	0.05 149

CASnet	0.09 108	0.09 355	0.09 92	0.19 390	0.06 16	0.07 34	0.11 56	0.18 231	0.14 164	0.11 194	0.10 142	0.09 159	0.07 131	0.10 83	0.10 147	0.06 127	0.04 24	0.10 451	0.08 381	0.05 122	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.09 108	0.05 27	0.11 185	0.13 14	0.07 84	0.11 196	0.14 178	0.14 95	0.16 214	0.07 48	0.10 142	0.08 129	0.06 47	0.13 275	0.08 17	0.07 276	0.05 209	0.05 34	0.05 132	0.04 22	0.04 50

GCAPDPT-zeroshot	0.09 108	0.05 27	0.11 185	0.13 14	0.07 84	0.11 196	0.14 178	0.14 95	0.16 214	0.07 48	0.10 142	0.08 129	0.06 47	0.13 275	0.08 17	0.07 276	0.05 209	0.05 34	0.05 132	0.04 22	0.04 50

GCAP-Stereo	0.09 108	0.07 174	0.13 271	0.18 330	0.06 16	0.11 196	0.07 3	0.13 75	0.12 105	0.09 125	0.10 142	0.07 82	0.09 201	0.13 275	0.10 147	0.06 127	0.05 209	0.05 34	0.04 44	0.04 22	0.05 149

RAFT-Test	0.09 108	0.06 81	0.10 140	0.15 90	0.07 84	0.11 196	0.15 256	0.16 161	0.13 138	0.09 125	0.10 142	0.10 192	0.09 201	0.12 225	0.09 66	0.06 127	0.04 24	0.05 34	0.04 44	0.04 22	0.05 149

HH	0.09 108	0.06 81	0.13 271	0.17 248	0.08 151	0.10 150	0.16 322	0.14 95	0.10 48	0.08 87	0.09 112	0.08 129	0.07 131	0.10 83	0.09 66	0.06 127	0.04 24	0.06 129	0.05 132	0.05 122	0.04 50

HanStereo	0.09 108	0.06 81	0.13 271	0.17 248	0.08 151	0.10 150	0.16 322	0.14 95	0.10 48	0.08 87	0.09 112	0.08 129	0.07 131	0.10 83	0.09 66	0.06 127	0.04 24	0.06 129	0.05 132	0.05 122	0.04 50

4D-IteraStereo	0.09 108	0.07 174	0.10 140	0.18 330	0.07 84	0.09 98	0.15 256	0.17 199	0.15 184	0.10 162	0.11 186	0.10 192	0.07 131	0.11 135	0.09 66	0.05 35	0.03 1	0.08 321	0.07 310	0.06 230	0.05 149

anonymousdsp	0.09 108	0.07 174	0.11 185	0.16 172	0.09 272	0.11 196	0.15 256	0.16 161	0.12 105	0.09 125	0.06 15	0.06 24	0.06 47	0.11 135	0.09 66	0.05 35	0.04 24	0.06 129	0.05 132	0.05 122	0.06 241

LoS	0.09 108	0.05 27	0.11 185	0.13 14	0.07 84	0.14 322	0.11 56	0.15 131	0.15 184	0.09 125	0.09 112	0.12 237	0.09 201	0.15 326	0.10 147	0.07 276	0.05 209	0.05 34	0.03 1	0.05 122	0.05 149
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 108	0.07 174	0.10 140	0.17 248	0.08 151	0.10 150	0.15 256	0.15 131	0.12 105	0.09 125	0.06 15	0.07 82	0.06 47	0.11 135	0.09 66	0.05 35	0.04 24	0.06 129	0.05 132	0.04 22	0.06 241

RCA-Stereo	0.09 108	0.06 81	0.09 92	0.16 172	0.06 16	0.09 98	0.13 125	0.18 231	0.14 164	0.09 125	0.10 142	0.08 129	0.07 131	0.12 225	0.11 223	0.06 127	0.04 24	0.06 129	0.05 132	0.05 122	0.04 50

CroCo-Stereo Lap2	0.09 108	0.09 355	0.08 40	0.22 497	0.09 272	0.09 98	0.19 446	0.16 161	0.12 105	0.09 125	0.10 142	0.05 3	0.05 13	0.08 19	0.08 17	0.06 127	0.06 346	0.07 230	0.05 132	0.05 122	0.05 149

ccc-4	0.09 108	0.07 174	0.11 185	0.16 172	0.09 272	0.11 196	0.15 256	0.16 161	0.12 105	0.10 162	0.06 15	0.06 24	0.06 47	0.11 135	0.09 66	0.05 35	0.04 24	0.06 129	0.05 132	0.05 122	0.06 241

IGEV-Stereo	0.09 108	0.07 174	0.11 185	0.16 172	0.09 272	0.11 196	0.15 256	0.16 161	0.12 105	0.09 125	0.06 15	0.06 24	0.06 47	0.11 135	0.09 66	0.05 35	0.04 24	0.06 129	0.05 132	0.05 122	0.06 241
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 108	0.05 27	0.13 271	0.14 45	0.08 151	0.12 238	0.15 256	0.18 231	0.10 48	0.11 194	0.08 90	0.08 129	0.05 13	0.10 83	0.09 66	0.06 127	0.04 24	0.06 129	0.05 132	0.06 230	0.05 149

TRStereo	0.09 108	0.05 27	0.12 224	0.15 90	0.12 463	0.10 150	0.13 125	0.18 231	0.18 271	0.09 125	0.09 112	0.09 159	0.06 47	0.10 83	0.08 17	0.07 276	0.05 209	0.07 230	0.07 310	0.04 22	0.04 50

AnonymousM	0.09 108	0.05 27	0.10 140	0.14 45	0.06 16	0.09 98	0.13 125	0.19 259	0.14 164	0.13 264	0.11 186	0.09 159	0.08 171	0.13 275	0.10 147	0.08 345	0.05 209	0.08 321	0.05 132	0.05 122	0.05 149

CroCo-Stereo	0.09 108	0.08 279	0.08 40	0.22 497	0.09 272	0.09 98	0.19 446	0.15 131	0.12 105	0.07 48	0.07 49	0.08 129	0.06 47	0.08 19	0.07 1	0.07 276	0.05 209	0.06 129	0.04 44	0.05 122	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	0.09 108	0.06 81	0.07 8	0.15 90	0.05 1	0.16 377	0.18 407	0.15 131	0.15 184	0.10 162	0.11 186	0.11 219	0.11 269	0.10 83	0.12 282	0.05 35	0.04 24	0.05 34	0.04 44	0.04 22	0.04 50

TANstereo	0.09 108	0.04 1	0.08 40	0.13 14	0.06 16	0.11 196	0.14 178	0.15 131	0.19 288	0.11 194	0.15 249	0.10 192	0.06 47	0.12 225	0.09 66	0.07 276	0.05 209	0.05 34	0.04 44	0.06 230	0.05 149

XX-TBD	0.09 108	0.06 81	0.07 8	0.14 45	0.07 84	0.12 238	0.16 322	0.14 95	0.13 138	0.11 194	0.12 203	0.09 159	0.08 171	0.10 83	0.10 147	0.06 127	0.04 24	0.05 34	0.03 1	0.06 230	0.05 149

raftrobust	0.09 108	0.06 81	0.10 140	0.17 248	0.08 151	0.09 98	0.10 31	0.18 231	0.16 214	0.10 162	0.09 112	0.12 237	0.07 131	0.12 225	0.10 147	0.08 345	0.05 209	0.06 129	0.05 132	0.05 122	0.05 149

XX-Stereo	0.09 108	0.05 27	0.08 40	0.17 248	0.09 272	0.15 348	0.12 77	0.20 270	0.10 48	0.10 162	0.14 231	0.07 82	0.06 47	0.12 225	0.08 17	0.06 127	0.05 209	0.06 129	0.06 216	0.04 22	0.04 50

test_xeample3	0.09 108	0.06 81	0.12 224	0.16 172	0.09 272	0.11 196	0.15 256	0.16 161	0.13 138	0.10 162	0.06 15	0.08 129	0.06 47	0.10 83	0.09 66	0.05 35	0.04 24	0.06 129	0.05 132	0.05 122	0.06 241

RAFT-Stereo + iAFF	0.09 108	0.06 81	0.10 140	0.17 248	0.06 16	0.10 150	0.16 322	0.17 199	0.14 164	0.09 125	0.10 142	0.08 129	0.09 201	0.11 135	0.09 66	0.05 35	0.04 24	0.06 129	0.06 216	0.04 22	0.03 2

AFF-stereo	0.09 108	0.06 81	0.10 140	0.17 248	0.07 84	0.10 150	0.16 322	0.17 199	0.09 30	0.10 162	0.12 203	0.09 159	0.09 201	0.12 225	0.09 66	0.05 35	0.04 24	0.07 230	0.07 310	0.04 22	0.03 2

EAI-Stereo	0.09 108	0.07 174	0.11 185	0.15 90	0.06 16	0.10 150	0.15 256	0.16 161	0.09 30	0.08 87	0.09 112	0.08 129	0.07 131	0.09 40	0.11 223	0.05 35	0.04 24	0.05 34	0.05 132	0.05 122	0.04 50

CFNet-RSSM	0.09 108	0.07 174	0.09 92	0.16 172	0.07 84	0.09 98	0.15 256	0.16 161	0.17 241	0.08 87	0.12 203	0.10 192	0.09 201	0.11 135	0.09 66	0.06 127	0.04 24	0.06 129	0.04 44	0.04 22	0.04 50

Gwc-CoAtRS	0.09 108	0.06 81	0.10 140	0.16 172	0.07 84	0.10 150	0.14 178	0.17 199	0.17 241	0.08 87	0.10 142	0.12 237	0.09 201	0.12 225	0.09 66	0.06 127	0.04 24	0.06 129	0.04 44	0.04 22	0.04 50

CREStereo	0.09 108	0.04 1	0.08 40	0.11 1	0.06 16	0.13 289	0.14 178	0.14 95	0.10 48	0.08 87	0.13 218	0.09 159	0.08 171	0.11 135	0.10 147	0.08 345	0.04 24	0.05 34	0.03 1	0.06 230	0.06 241
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 108	0.05 27	0.09 92	0.12 5	0.06 16	0.12 238	0.14 178	0.15 131	0.11 75	0.09 125	0.13 218	0.10 192	0.07 131	0.13 275	0.10 147	0.15 541	0.04 24	0.05 34	0.03 1	0.07 302	0.06 241

Hybrid-DGEV-03	0.10 177	0.06 81	0.09 92	0.18 330	0.08 151	0.16 377	0.14 178	0.15 131	0.14 164	0.13 264	0.16 261	0.12 237	0.09 201	0.13 275	0.11 223	0.06 127	0.04 24	0.08 321	0.06 216	0.05 122	0.04 50

WQFJA1	0.10 177	0.07 174	0.08 40	0.20 451	0.09 272	0.12 238	0.17 359	0.17 199	0.17 241	0.09 125	0.10 142	0.08 129	0.10 239	0.12 225	0.11 223	0.06 127	0.07 418	0.07 230	0.06 216	0.06 230	0.05 149

WQFJX1	0.10 177	0.07 174	0.08 40	0.22 497	0.09 272	0.12 238	0.17 359	0.18 231	0.17 241	0.10 162	0.09 112	0.07 82	0.10 239	0.11 135	0.09 66	0.07 276	0.08 447	0.07 230	0.06 216	0.05 122	0.04 50

WQFJX	0.10 177	0.07 174	0.09 92	0.21 482	0.09 272	0.12 238	0.16 322	0.18 231	0.17 241	0.12 234	0.10 142	0.07 82	0.09 201	0.12 225	0.10 147	0.06 127	0.07 418	0.06 129	0.05 132	0.06 230	0.05 149

NLMM	0.10 177	0.07 174	0.08 40	0.20 451	0.09 272	0.12 238	0.17 359	0.17 199	0.17 241	0.09 125	0.10 142	0.08 129	0.10 239	0.12 225	0.11 223	0.06 127	0.07 418	0.07 230	0.06 216	0.06 230	0.05 149

NLSM1	0.10 177	0.07 174	0.07 8	0.19 390	0.08 151	0.13 289	0.16 322	0.21 293	0.15 184	0.11 194	0.10 142	0.06 24	0.10 239	0.10 83	0.11 223	0.07 276	0.08 447	0.08 321	0.07 310	0.05 122	0.05 149

MM-Stereo_test3	0.10 177	0.07 174	0.07 8	0.18 330	0.07 84	0.12 238	0.19 446	0.24 360	0.19 288	0.06 14	0.10 142	0.08 129	0.06 47	0.11 135	0.08 17	0.06 127	0.06 346	0.07 230	0.05 132	0.05 122	0.04 50

MM-Stereo_test1	0.10 177	0.07 174	0.08 40	0.18 330	0.07 84	0.12 238	0.18 407	0.21 293	0.20 311	0.09 125	0.11 186	0.08 129	0.06 47	0.10 83	0.10 147	0.06 127	0.05 209	0.07 230	0.06 216	0.05 122	0.04 50

AIO-test2	0.10 177	0.08 279	0.10 140	0.23 521	0.08 151	0.11 196	0.10 31	0.23 337	0.23 353	0.08 87	0.09 112	0.08 129	0.05 13	0.10 83	0.08 17	0.06 127	0.05 209	0.08 321	0.09 427	0.05 122	0.05 149

AIO-test1	0.10 177	0.07 174	0.10 140	0.23 521	0.07 84	0.09 98	0.13 125	0.21 293	0.14 164	0.11 194	0.12 203	0.09 159	0.07 131	0.11 135	0.09 66	0.06 127	0.05 209	0.09 404	0.10 467	0.03 1	0.06 241

tg	0.10 177	0.06 81	0.10 140	0.18 330	0.08 151	0.11 196	0.16 322	0.20 270	0.12 105	0.08 87	0.11 186	0.11 219	0.07 131	0.11 135	0.10 147	0.05 35	0.04 24	0.08 321	0.08 381	0.04 22	0.04 50

PAM	0.10 177	0.05 27	0.16 390	0.15 90	0.08 151	0.09 98	0.16 322	0.15 131	0.16 214	0.12 234	0.09 112	0.09 159	0.07 131	0.13 275	0.08 17	0.06 127	0.05 209	0.06 129	0.06 216	0.05 122	0.06 241

model_zeroshot	0.10 177	0.04 1	0.11 185	0.15 90	0.09 272	0.12 238	0.14 178	0.20 270	0.13 138	0.11 194	0.10 142	0.12 237	0.07 131	0.12 225	0.10 147	0.07 276	0.06 346	0.06 129	0.05 132	0.06 230	0.06 241

RAStereo	0.10 177	0.09 355	0.08 40	0.20 451	0.08 151	0.13 289	0.18 407	0.15 131	0.17 241	0.10 162	0.12 203	0.05 3	0.06 47	0.09 40	0.08 17	0.07 276	0.05 209	0.07 230	0.05 132	0.05 122	0.04 50

rvit_stereo_0080	0.10 177	0.08 279	0.14 307	0.15 90	0.09 272	0.07 34	0.15 256	0.16 161	0.16 214	0.11 194	0.10 142	0.14 283	0.08 171	0.12 225	0.10 147	0.09 404	0.07 418	0.07 230	0.06 216	0.07 302	0.05 149

H2IRNET	0.10 177	0.09 355	0.09 92	0.18 330	0.09 272	0.12 238	0.15 256	0.14 95	0.21 327	0.10 162	0.10 142	0.10 192	0.10 239	0.10 83	0.10 147	0.05 35	0.04 24	0.08 321	0.08 381	0.06 230	0.05 149

Former-RAFT_DAM_RVC	0.10 177	0.08 279	0.12 224	0.16 172	0.08 151	0.15 348	0.16 322	0.18 231	0.18 271	0.10 162	0.09 112	0.09 159	0.08 171	0.11 135	0.12 282	0.07 276	0.05 209	0.08 321	0.06 216	0.07 302	0.06 241

MyStereo07	0.10 177	0.07 174	0.10 140	0.17 248	0.09 272	0.14 322	0.18 407	0.15 131	0.15 184	0.09 125	0.06 15	0.06 24	0.07 131	0.12 225	0.09 66	0.06 127	0.05 209	0.08 321	0.07 310	0.06 230	0.06 241

MyStereo06	0.10 177	0.07 174	0.12 224	0.17 248	0.09 272	0.13 289	0.18 407	0.19 259	0.12 105	0.12 234	0.08 90	0.07 82	0.07 131	0.11 135	0.09 66	0.06 127	0.05 209	0.07 230	0.07 310	0.06 230	0.06 241

AE-Stereo	0.10 177	0.08 279	0.10 140	0.18 330	0.09 272	0.10 150	0.15 256	0.14 95	0.19 288	0.09 125	0.14 231	0.12 237	0.08 171	0.11 135	0.10 147	0.05 35	0.06 346	0.07 230	0.06 216	0.05 122	0.04 50

ACVNet-DCA	0.10 177	0.08 279	0.12 224	0.17 248	0.09 272	0.13 289	0.15 256	0.23 337	0.16 214	0.09 125	0.09 112	0.06 24	0.06 47	0.10 83	0.07 1	0.06 127	0.04 24	0.06 129	0.05 132	0.07 302	0.07 324

cc1	0.10 177	0.08 279	0.12 224	0.17 248	0.09 272	0.13 289	0.15 256	0.16 161	0.18 271	0.09 125	0.09 112	0.06 24	0.06 47	0.10 83	0.07 1	0.06 127	0.04 24	0.06 129	0.05 132	0.06 230	0.06 241

tt1	0.10 177	0.08 279	0.12 224	0.17 248	0.09 272	0.12 238	0.16 322	0.15 131	0.19 288	0.09 125	0.08 90	0.06 24	0.06 47	0.10 83	0.07 1	0.06 127	0.04 24	0.06 129	0.05 132	0.06 230	0.06 241

whm_eth	0.10 177	0.08 279	0.14 307	0.15 90	0.09 272	0.07 34	0.15 256	0.16 161	0.16 214	0.11 194	0.10 142	0.14 283	0.08 171	0.12 225	0.10 147	0.09 404	0.07 418	0.07 230	0.06 216	0.07 302	0.05 149

plain	0.10 177	0.08 279	0.10 140	0.19 390	0.09 272	0.10 150	0.15 256	0.14 95	0.13 138	0.13 264	0.15 249	0.09 159	0.12 300	0.13 275	0.12 282	0.07 276	0.05 209	0.09 404	0.06 216	0.06 230	0.06 241

Any-RAFT	0.10 177	0.05 27	0.09 92	0.14 45	0.07 84	0.13 289	0.14 178	0.21 293	0.15 184	0.11 194	0.12 203	0.12 237	0.09 201	0.12 225	0.09 66	0.07 276	0.04 24	0.05 34	0.04 44	0.06 230	0.05 149

LL-Strereo2	0.10 177	0.10 414	0.15 356	0.18 330	0.08 151	0.15 348	0.09 18	0.17 199	0.14 164	0.14 286	0.10 142	0.09 159	0.07 131	0.16 361	0.10 147	0.05 35	0.05 209	0.10 451	0.07 310	0.06 230	0.05 149

DCANet-4	0.10 177	0.06 81	0.12 224	0.16 172	0.06 16	0.09 98	0.17 359	0.18 231	0.19 288	0.13 264	0.16 261	0.09 159	0.14 363	0.11 135	0.12 282	0.06 127	0.04 24	0.05 34	0.04 44	0.04 22	0.05 149

fff	0.10 177	0.06 81	0.12 224	0.15 90	0.07 84	0.09 98	0.17 359	0.16 161	0.20 311	0.13 264	0.16 261	0.10 192	0.11 269	0.11 135	0.12 282	0.06 127	0.04 24	0.05 34	0.04 44	0.04 22	0.05 149

ADStereo(finetuned)	0.10 177	0.06 81	0.12 224	0.16 172	0.06 16	0.09 98	0.17 359	0.15 131	0.19 288	0.13 264	0.17 283	0.10 192	0.12 300	0.11 135	0.12 282	0.06 127	0.04 24	0.05 34	0.04 44	0.05 122	0.04 50

test_4	0.10 177	0.10 414	0.08 40	0.19 390	0.09 272	0.08 60	0.22 499	0.15 131	0.17 241	0.12 234	0.18 308	0.12 237	0.09 201	0.08 19	0.11 223	0.04 11	0.04 24	0.08 321	0.08 381	0.04 22	0.03 2

IPLG	0.10 177	0.07 174	0.15 356	0.17 248	0.08 151	0.11 196	0.14 178	0.20 270	0.15 184	0.12 234	0.17 283	0.07 82	0.07 131	0.14 304	0.13 323	0.06 127	0.04 24	0.06 129	0.05 132	0.04 22	0.04 50

test_3	0.10 177	0.09 355	0.10 140	0.20 451	0.08 151	0.13 289	0.26 547	0.14 95	0.21 327	0.10 162	0.10 142	0.09 159	0.09 201	0.08 19	0.11 223	0.05 35	0.04 24	0.08 321	0.07 310	0.04 22	0.04 50

STrans-v2	0.10 177	0.07 174	0.12 224	0.18 330	0.07 84	0.10 150	0.14 178	0.21 293	0.11 75	0.11 194	0.15 249	0.12 237	0.10 239	0.11 135	0.12 282	0.05 35	0.04 24	0.06 129	0.06 216	0.04 22	0.04 50

TransformOpticalFlow	0.10 177	0.08 279	0.13 271	0.18 330	0.07 84	0.09 98	0.15 256	0.19 259	0.15 184	0.12 234	0.17 283	0.11 219	0.11 269	0.11 135	0.10 147	0.05 35	0.04 24	0.06 129	0.06 216	0.05 122	0.05 149

SST-Stereo	0.10 177	0.07 174	0.15 356	0.18 330	0.09 272	0.06 11	0.12 77	0.17 199	0.11 75	0.15 313	0.17 283	0.13 263	0.12 300	0.10 83	0.11 223	0.06 127	0.04 24	0.09 404	0.06 216	0.06 230	0.05 149

cross-raft	0.10 177	0.09 355	0.09 92	0.19 390	0.07 84	0.11 196	0.25 538	0.13 75	0.15 184	0.08 87	0.11 186	0.12 237	0.10 239	0.09 40	0.11 223	0.05 35	0.04 24	0.06 129	0.05 132	0.04 22	0.04 50

test-1	0.10 177	0.07 174	0.16 390	0.19 390	0.08 151	0.11 196	0.24 522	0.14 95	0.18 271	0.09 125	0.07 49	0.09 159	0.08 171	0.07 4	0.09 66	0.06 127	0.04 24	0.06 129	0.05 132	0.04 22	0.04 50

iRaftStereo_RVC	0.10 177	0.07 174	0.09 92	0.17 248	0.09 272	0.11 196	0.17 359	0.18 231	0.12 105	0.09 125	0.12 203	0.10 192	0.07 131	0.11 135	0.10 147	0.05 35	0.04 24	0.08 321	0.08 381	0.04 22	0.04 50

RALCasStereoNet	0.10 177	0.06 81	0.09 92	0.16 172	0.08 151	0.12 238	0.14 178	0.17 199	0.11 75	0.12 234	0.17 283	0.14 283	0.10 239	0.12 225	0.11 223	0.07 276	0.06 346	0.06 129	0.05 132	0.08 364	0.07 324

DCANet	0.10 177	0.06 81	0.12 224	0.16 172	0.06 16	0.09 98	0.17 359	0.15 131	0.19 288	0.13 264	0.17 283	0.10 192	0.11 269	0.11 135	0.12 282	0.06 127	0.04 24	0.05 34	0.04 44	0.05 122	0.04 50

csc	0.10 177	0.06 81	0.12 224	0.15 90	0.07 84	0.09 98	0.17 359	0.16 161	0.20 311	0.13 264	0.16 261	0.10 192	0.11 269	0.11 135	0.12 282	0.06 127	0.04 24	0.05 34	0.04 44	0.04 22	0.05 149

cscssc	0.10 177	0.06 81	0.12 224	0.15 90	0.07 84	0.09 98	0.17 359	0.16 161	0.20 311	0.13 264	0.16 261	0.10 192	0.11 269	0.11 135	0.12 282	0.06 127	0.04 24	0.05 34	0.04 44	0.04 22	0.05 149

111	0.10 177	0.06 81	0.12 224	0.15 90	0.07 84	0.10 150	0.14 178	0.21 293	0.23 353	0.11 194	0.12 203	0.14 283	0.11 269	0.13 275	0.10 147	0.06 127	0.04 24	0.06 129	0.04 44	0.05 122	0.05 149

R-Stereo Train	0.10 177	0.06 81	0.10 140	0.17 248	0.08 151	0.11 196	0.14 178	0.23 337	0.11 75	0.12 234	0.19 317	0.11 219	0.08 171	0.09 40	0.11 223	0.07 276	0.05 209	0.06 129	0.05 132	0.05 122	0.05 149

RAFT-Stereo	0.10 177	0.06 81	0.10 140	0.17 248	0.08 151	0.11 196	0.14 178	0.23 337	0.11 75	0.12 234	0.19 317	0.11 219	0.08 171	0.09 40	0.11 223	0.07 276	0.05 209	0.06 129	0.05 132	0.05 122	0.05 149
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 177	0.06 81	0.12 224	0.14 45	0.06 16	0.11 196	0.10 31	0.18 231	0.18 271	0.13 264	0.16 261	0.14 283	0.11 269	0.15 326	0.13 323	0.06 127	0.04 24	0.04 1	0.04 44	0.06 230	0.05 149
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
Hybrid-DGEV-2	0.11 224	0.06 81	0.12 224	0.18 330	0.09 272	0.09 98	0.13 125	0.28 434	0.29 435	0.11 194	0.11 186	0.09 159	0.12 300	0.12 225	0.09 66	0.06 127	0.05 209	0.07 230	0.07 310	0.05 122	0.05 149

NLMM1	0.11 224	0.09 355	0.07 8	0.22 497	0.10 381	0.12 238	0.20 469	0.18 231	0.20 311	0.12 234	0.11 186	0.07 82	0.09 201	0.11 135	0.11 223	0.08 345	0.08 447	0.07 230	0.06 216	0.04 22	0.04 50

NLCSM	0.11 224	0.09 355	0.09 92	0.23 521	0.11 431	0.12 238	0.19 446	0.18 231	0.18 271	0.12 234	0.11 186	0.07 82	0.09 201	0.11 135	0.10 147	0.07 276	0.08 447	0.07 230	0.07 310	0.06 230	0.05 149

Select-FE	0.11 224	0.06 81	0.20 466	0.15 90	0.11 431	0.11 196	0.13 125	0.21 293	0.18 271	0.09 125	0.11 186	0.10 192	0.06 47	0.12 225	0.09 66	0.07 276	0.05 209	0.07 230	0.08 381	0.06 230	0.08 388

FlowAnything_test	0.11 224	0.08 279	0.14 307	0.15 90	0.09 272	0.07 34	0.14 178	0.20 270	0.11 75	0.09 125	0.09 112	0.12 237	0.12 300	0.13 275	0.11 223	0.09 404	0.06 346	0.09 404	0.09 427	0.06 230	0.09 432

xyz-stereo-finetune2	0.11 224	0.07 174	0.13 271	0.13 14	0.07 84	0.11 196	0.19 446	0.17 199	0.12 105	0.15 313	0.15 249	0.17 346	0.12 300	0.13 275	0.11 223	0.05 35	0.04 24	0.07 230	0.05 132	0.04 22	0.06 241

xyz-stereo-finetune	0.11 224	0.08 279	0.13 271	0.14 45	0.06 16	0.10 150	0.19 446	0.17 199	0.19 288	0.12 234	0.14 231	0.15 312	0.10 239	0.13 275	0.11 223	0.05 35	0.04 24	0.07 230	0.05 132	0.04 22	0.05 149

HI	0.11 224	0.06 81	0.11 185	0.13 14	0.09 272	0.09 98	0.14 178	0.21 293	0.10 48	0.19 402	0.17 283	0.14 283	0.09 201	0.16 361	0.08 17	0.05 35	0.04 24	0.07 230	0.08 381	0.07 302	0.06 241

CoSv	0.11 224	0.06 81	0.11 185	0.13 14	0.09 272	0.09 98	0.14 178	0.21 293	0.10 48	0.19 402	0.17 283	0.14 283	0.09 201	0.16 361	0.08 17	0.05 35	0.04 24	0.07 230	0.08 381	0.07 302	0.06 241

rvit_stereo_0081_aga	0.11 224	0.09 355	0.14 307	0.18 330	0.09 272	0.13 289	0.14 178	0.14 95	0.19 288	0.10 162	0.18 308	0.16 326	0.09 201	0.12 225	0.09 66	0.10 445	0.06 346	0.08 321	0.07 310	0.07 302	0.06 241

rvit_stereo_0081	0.11 224	0.08 279	0.15 356	0.16 172	0.09 272	0.10 150	0.14 178	0.14 95	0.24 369	0.11 194	0.13 218	0.13 263	0.09 201	0.11 135	0.12 282	0.10 445	0.07 418	0.08 321	0.07 310	0.07 302	0.05 149

rvit_stereo_0082	0.11 224	0.08 279	0.15 356	0.16 172	0.09 272	0.10 150	0.14 178	0.14 95	0.24 369	0.11 194	0.13 218	0.13 263	0.09 201	0.11 135	0.12 282	0.10 445	0.07 418	0.08 321	0.07 310	0.07 302	0.05 149

AIO-Stereo-zeroshot1	0.11 224	0.05 27	0.14 307	0.15 90	0.20 564	0.09 98	0.17 359	0.21 293	0.15 184	0.11 194	0.14 231	0.10 192	0.07 131	0.10 83	0.08 17	0.06 127	0.05 209	0.07 230	0.07 310	0.07 302	0.09 432

AIO-Stereo-zeroshot	0.11 224	0.05 27	0.11 185	0.15 90	0.13 486	0.13 289	0.16 322	0.23 337	0.17 241	0.10 162	0.12 203	0.10 192	0.07 131	0.11 135	0.09 66	0.06 127	0.05 209	0.06 129	0.06 216	0.07 302	0.08 388

CAS++	0.11 224	0.07 174	0.11 185	0.14 45	0.09 272	0.12 238	0.14 178	0.24 360	0.14 164	0.11 194	0.09 112	0.11 219	0.07 131	0.14 304	0.09 66	0.11 474	0.09 479	0.09 404	0.07 310	0.07 302	0.08 388
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 224	0.08 279	0.12 224	0.17 248	0.09 272	0.13 289	0.15 256	0.16 161	0.18 271	0.09 125	0.09 112	0.16 326	0.16 407	0.10 83	0.07 1	0.06 127	0.04 24	0.08 321	0.08 381	0.07 302	0.07 324

1test111	0.11 224	0.08 279	0.12 224	0.17 248	0.09 272	0.13 289	0.15 256	0.23 337	0.16 214	0.09 125	0.09 112	0.06 24	0.06 47	0.15 326	0.16 403	0.06 127	0.04 24	0.06 129	0.05 132	0.07 302	0.07 324

MIF-Stereo (partial)	0.11 224	0.06 81	0.10 140	0.19 390	0.10 381	0.10 150	0.11 56	0.17 199	0.18 271	0.14 286	0.16 261	0.09 159	0.11 269	0.12 225	0.12 282	0.08 345	0.05 209	0.08 321	0.07 310	0.06 230	0.07 324

EKT-Stereo	0.11 224	0.07 174	0.14 307	0.15 90	0.10 381	0.13 289	0.14 178	0.18 231	0.21 327	0.11 194	0.08 90	0.12 237	0.09 201	0.11 135	0.12 282	0.08 345	0.06 346	0.07 230	0.06 216	0.08 364	0.07 324

anonymousdsp2	0.11 224	0.07 174	0.10 140	0.16 172	0.09 272	0.13 289	0.14 178	0.18 231	0.22 342	0.13 264	0.14 231	0.12 237	0.09 201	0.14 304	0.11 223	0.05 35	0.04 24	0.05 34	0.04 44	0.06 230	0.05 149

DCRE	0.11 224	0.07 174	0.13 271	0.16 172	0.11 431	0.11 196	0.17 359	0.18 231	0.17 241	0.11 194	0.18 308	0.10 192	0.10 239	0.15 326	0.11 223	0.06 127	0.05 209	0.06 129	0.06 216	0.05 122	0.04 50

knoymous	0.11 224	0.05 27	0.12 224	0.13 14	0.07 84	0.15 348	0.14 178	0.19 259	0.13 138	0.11 194	0.17 283	0.13 263	0.09 201	0.13 275	0.11 223	0.08 345	0.05 209	0.06 129	0.05 132	0.08 364	0.07 324

riskmin	0.11 224	0.06 81	0.13 271	0.14 45	0.08 151	0.14 322	0.14 178	0.18 231	0.14 164	0.11 194	0.14 231	0.16 326	0.11 269	0.14 304	0.12 282	0.09 404	0.05 209	0.07 230	0.05 132	0.08 364	0.08 388

Selective-RAFT	0.11 224	0.10 414	0.11 185	0.21 482	0.08 151	0.16 377	0.13 125	0.20 270	0.22 342	0.10 162	0.10 142	0.11 219	0.10 239	0.15 326	0.11 223	0.05 35	0.05 209	0.06 129	0.05 132	0.06 230	0.05 149

DisPM	0.11 224	0.07 174	0.12 224	0.16 172	0.09 272	0.06 11	0.13 125	0.17 199	0.17 241	0.14 286	0.20 329	0.12 237	0.10 239	0.11 135	0.10 147	0.06 127	0.04 24	0.07 230	0.06 216	0.06 230	0.11 485

CIPLG	0.11 224	0.08 279	0.14 307	0.17 248	0.08 151	0.12 238	0.15 256	0.17 199	0.15 184	0.14 286	0.11 186	0.16 326	0.09 201	0.16 361	0.11 223	0.07 276	0.05 209	0.06 129	0.05 132	0.05 122	0.06 241

GLC_STEREO	0.11 224	0.07 174	0.11 185	0.17 248	0.07 84	0.09 98	0.13 125	0.15 131	0.24 369	0.12 234	0.13 218	0.12 237	0.08 171	0.18 414	0.11 223	0.06 127	0.08 447	0.08 321	0.06 216	0.05 122	0.05 149

IPLGR_C	0.11 224	0.08 279	0.14 307	0.17 248	0.08 151	0.12 238	0.15 256	0.17 199	0.15 184	0.14 286	0.10 142	0.16 326	0.09 201	0.16 361	0.11 223	0.07 276	0.05 209	0.06 129	0.05 132	0.05 122	0.06 241

MIPNet	0.11 224	0.08 279	0.14 307	0.17 248	0.09 272	0.12 238	0.14 178	0.20 270	0.24 369	0.11 194	0.10 142	0.09 159	0.07 131	0.13 275	0.12 282	0.06 127	0.04 24	0.06 129	0.05 132	0.04 22	0.04 50

IPLGR	0.11 224	0.09 355	0.16 390	0.18 330	0.08 151	0.12 238	0.17 359	0.21 293	0.24 369	0.11 194	0.12 203	0.11 219	0.08 171	0.12 225	0.12 282	0.06 127	0.05 209	0.06 129	0.06 216	0.04 22	0.04 50

GMOStereo	0.11 224	0.09 355	0.07 8	0.19 390	0.08 151	0.12 238	0.28 560	0.13 75	0.17 241	0.11 194	0.17 283	0.14 283	0.12 300	0.07 4	0.07 1	0.05 35	0.05 209	0.09 404	0.07 310	0.04 22	0.04 50

error version	0.11 224	0.09 355	0.07 8	0.19 390	0.08 151	0.12 238	0.28 560	0.13 75	0.17 241	0.11 194	0.17 283	0.14 283	0.12 300	0.07 4	0.07 1	0.05 35	0.05 209	0.09 404	0.07 310	0.04 22	0.04 50

test-v	0.11 224	0.09 355	0.07 8	0.19 390	0.08 151	0.12 238	0.28 560	0.13 75	0.17 241	0.11 194	0.17 283	0.14 283	0.12 300	0.07 4	0.07 1	0.05 35	0.05 209	0.09 404	0.07 310	0.04 22	0.04 50

ACRE	0.11 224	0.08 279	0.14 307	0.17 248	0.08 151	0.12 238	0.15 256	0.17 199	0.14 164	0.14 286	0.10 142	0.16 326	0.09 201	0.16 361	0.11 223	0.07 276	0.05 209	0.06 129	0.05 132	0.05 122	0.06 241

PFNet+	0.11 224	0.06 81	0.13 271	0.16 172	0.09 272	0.05 4	0.12 77	0.17 199	0.21 327	0.16 341	0.19 317	0.14 283	0.10 239	0.11 135	0.11 223	0.08 345	0.05 209	0.09 404	0.08 381	0.06 230	0.11 485

LCNet	0.11 224	0.07 174	0.09 92	0.19 390	0.09 272	0.08 60	0.15 256	0.21 293	0.15 184	0.11 194	0.15 249	0.16 326	0.11 269	0.12 225	0.11 223	0.05 35	0.04 24	0.08 321	0.07 310	0.06 230	0.15 544

HHNet	0.11 224	0.06 81	0.16 390	0.15 90	0.14 506	0.07 34	0.13 125	0.20 270	0.17 241	0.14 286	0.25 411	0.11 219	0.08 171	0.13 275	0.10 147	0.05 35	0.04 24	0.08 321	0.06 216	0.05 122	0.09 432

Patchmatch Stereo++	0.11 224	0.09 355	0.16 390	0.18 330	0.08 151	0.06 11	0.11 56	0.16 161	0.13 138	0.15 313	0.16 261	0.14 283	0.12 300	0.11 135	0.10 147	0.06 127	0.04 24	0.08 321	0.06 216	0.08 364	0.07 324
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 224	0.07 174	0.16 390	0.19 390	0.09 272	0.08 60	0.13 125	0.18 231	0.13 138	0.16 341	0.21 351	0.13 263	0.14 363	0.11 135	0.14 359	0.06 127	0.04 24	0.09 404	0.06 216	0.06 230	0.05 149

OMP-Stereo	0.11 224	0.06 81	0.14 307	0.18 330	0.08 151	0.09 98	0.12 77	0.21 293	0.21 327	0.13 264	0.14 231	0.11 219	0.12 300	0.11 135	0.13 323	0.06 127	0.04 24	0.07 230	0.06 216	0.05 122	0.04 50

IIG-Stereo	0.11 224	0.06 81	0.13 271	0.17 248	0.08 151	0.11 196	0.12 77	0.22 317	0.17 241	0.14 286	0.17 283	0.11 219	0.12 300	0.12 225	0.12 282	0.06 127	0.05 209	0.07 230	0.06 216	0.05 122	0.04 50

NF-Stereo	0.11 224	0.07 174	0.13 271	0.17 248	0.09 272	0.10 150	0.14 178	0.23 337	0.19 288	0.12 234	0.17 283	0.12 237	0.11 269	0.11 135	0.11 223	0.06 127	0.04 24	0.07 230	0.06 216	0.06 230	0.12 498

OCTAStereo	0.11 224	0.07 174	0.13 271	0.17 248	0.09 272	0.10 150	0.14 178	0.23 337	0.19 288	0.12 234	0.17 283	0.12 237	0.11 269	0.11 135	0.11 223	0.06 127	0.04 24	0.07 230	0.06 216	0.06 230	0.12 498

NRIStereo	0.11 224	0.08 279	0.14 307	0.18 330	0.08 151	0.10 150	0.14 178	0.16 161	0.15 184	0.12 234	0.14 231	0.13 263	0.12 300	0.13 275	0.10 147	0.06 127	0.04 24	0.07 230	0.06 216	0.06 230	0.07 324

PSM-adaLoss	0.11 224	0.09 355	0.16 390	0.18 330	0.08 151	0.06 11	0.12 77	0.16 161	0.13 138	0.15 313	0.16 261	0.14 283	0.12 300	0.11 135	0.10 147	0.06 127	0.04 24	0.08 321	0.06 216	0.08 364	0.07 324

PSM-AAD	0.11 224	0.07 174	0.10 140	0.19 390	0.09 272	0.10 150	0.15 256	0.20 270	0.13 138	0.12 234	0.14 231	0.18 359	0.11 269	0.11 135	0.10 147	0.05 35	0.05 209	0.09 404	0.08 381	0.06 230	0.14 537

ROB_FTStereo_v2	0.11 224	0.09 355	0.16 390	0.19 390	0.08 151	0.06 11	0.12 77	0.16 161	0.13 138	0.15 313	0.16 261	0.14 283	0.12 300	0.11 135	0.10 147	0.06 127	0.04 24	0.08 321	0.06 216	0.08 364	0.07 324

ROB_FTStereo	0.11 224	0.09 355	0.16 390	0.19 390	0.08 151	0.06 11	0.11 56	0.16 161	0.13 138	0.15 313	0.16 261	0.14 283	0.12 300	0.11 135	0.10 147	0.06 127	0.04 24	0.08 321	0.06 216	0.08 364	0.07 324

KYRaft	0.11 224	0.07 174	0.10 140	0.19 390	0.09 272	0.08 60	0.15 256	0.22 317	0.12 105	0.13 264	0.16 261	0.20 385	0.10 239	0.12 225	0.10 147	0.05 35	0.04 24	0.08 321	0.08 381	0.06 230	0.16 555

HUI-Stereo	0.11 224	0.09 355	0.16 390	0.18 330	0.08 151	0.06 11	0.12 77	0.16 161	0.13 138	0.15 313	0.16 261	0.14 283	0.12 300	0.11 135	0.10 147	0.06 127	0.04 24	0.08 321	0.06 216	0.08 364	0.07 324

ASMatch	0.11 224	0.06 81	0.13 271	0.16 172	0.10 381	0.07 34	0.14 178	0.17 199	0.17 241	0.12 234	0.16 261	0.16 326	0.10 239	0.13 275	0.10 147	0.05 35	0.04 24	0.06 129	0.05 132	0.04 22	0.08 388

RAFT_R40	0.11 224	0.07 174	0.14 307	0.18 330	0.09 272	0.06 11	0.13 125	0.17 199	0.16 214	0.14 286	0.18 308	0.15 312	0.12 300	0.10 83	0.11 223	0.06 127	0.04 24	0.09 404	0.06 216	0.06 230	0.05 149

GrayStereo	0.11 224	0.06 81	0.11 185	0.19 390	0.09 272	0.09 98	0.16 322	0.18 231	0.17 241	0.14 286	0.17 283	0.17 346	0.11 269	0.12 225	0.11 223	0.05 35	0.05 209	0.07 230	0.06 216	0.05 122	0.10 459

RE-Stereo	0.11 224	0.07 174	0.13 271	0.17 248	0.09 272	0.10 150	0.14 178	0.23 337	0.19 288	0.12 234	0.17 283	0.12 237	0.11 269	0.11 135	0.11 223	0.06 127	0.04 24	0.07 230	0.06 216	0.06 230	0.12 498

Pruner-Stereo	0.11 224	0.07 174	0.12 224	0.17 248	0.09 272	0.06 11	0.12 77	0.17 199	0.17 241	0.13 264	0.19 317	0.13 263	0.09 201	0.11 135	0.11 223	0.06 127	0.04 24	0.07 230	0.06 216	0.06 230	0.08 388

TVStereo	0.11 224	0.07 174	0.13 271	0.17 248	0.09 272	0.10 150	0.14 178	0.23 337	0.19 288	0.12 234	0.17 283	0.12 237	0.11 269	0.11 135	0.11 223	0.06 127	0.04 24	0.07 230	0.06 216	0.06 230	0.12 498

DeepStereo_RVC	0.11 224	0.08 279	0.16 390	0.18 330	0.08 151	0.08 60	0.12 77	0.17 199	0.12 105	0.13 264	0.14 231	0.12 237	0.12 300	0.12 225	0.11 223	0.06 127	0.04 24	0.07 230	0.06 216	0.07 302	0.08 388

iGMRVC	0.11 224	0.09 355	0.16 390	0.19 390	0.08 151	0.06 11	0.12 77	0.16 161	0.13 138	0.15 313	0.16 261	0.14 283	0.12 300	0.11 135	0.10 147	0.06 127	0.04 24	0.08 321	0.06 216	0.08 364	0.07 324

RAFT-RH_RVC	0.11 224	0.06 81	0.14 307	0.16 172	0.09 272	0.12 238	0.12 77	0.17 199	0.12 105	0.13 264	0.41 543	0.11 219	0.10 239	0.13 275	0.12 282	0.05 35	0.04 24	0.08 321	0.05 132	0.04 22	0.06 241

RAFT-345	0.11 224	0.07 174	0.15 356	0.16 172	0.08 151	0.08 60	0.12 77	0.15 131	0.10 48	0.11 194	0.36 506	0.09 159	0.09 201	0.11 135	0.12 282	0.05 35	0.05 209	0.07 230	0.06 216	0.04 22	0.05 149

iRAFT	0.11 224	0.09 355	0.16 390	0.18 330	0.08 151	0.06 11	0.11 56	0.16 161	0.13 138	0.15 313	0.16 261	0.14 283	0.12 300	0.11 135	0.10 147	0.06 127	0.04 24	0.08 321	0.06 216	0.08 364	0.07 324

CRE-IMP	0.11 224	0.09 355	0.16 390	0.19 390	0.08 151	0.10 150	0.12 77	0.18 231	0.10 48	0.14 286	0.13 218	0.13 263	0.12 300	0.12 225	0.11 223	0.07 276	0.04 24	0.08 321	0.06 216	0.08 364	0.08 388

test-2	0.11 224	0.09 355	0.07 8	0.19 390	0.08 151	0.12 238	0.28 560	0.13 75	0.17 241	0.11 194	0.17 283	0.14 283	0.12 300	0.07 4	0.07 1	0.05 35	0.05 209	0.09 404	0.07 310	0.04 22	0.04 50

GMM-Stereo	0.11 224	0.07 174	0.10 140	0.18 330	0.09 272	0.08 60	0.15 256	0.23 337	0.16 214	0.11 194	0.15 249	0.13 263	0.11 269	0.11 135	0.11 223	0.05 35	0.04 24	0.08 321	0.07 310	0.06 230	0.09 432

RAFT-IKP	0.11 224	0.09 355	0.16 390	0.19 390	0.08 151	0.06 11	0.12 77	0.16 161	0.13 138	0.15 313	0.16 261	0.14 283	0.12 300	0.11 135	0.10 147	0.06 127	0.04 24	0.08 321	0.06 216	0.08 364	0.07 324

Prome-Stereo	0.11 224	0.06 81	0.10 140	0.18 330	0.08 151	0.12 238	0.15 256	0.22 317	0.13 138	0.12 234	0.17 283	0.13 263	0.08 171	0.12 225	0.10 147	0.05 35	0.04 24	0.07 230	0.06 216	0.06 230	0.09 432

rafts_anoy	0.11 224	0.06 81	0.10 140	0.17 248	0.08 151	0.10 150	0.14 178	0.17 199	0.14 164	0.13 264	0.13 218	0.12 237	0.10 239	0.11 135	0.12 282	0.07 276	0.04 24	0.09 404	0.11 499	0.07 302	0.06 241

raft+_RVC	0.11 224	0.07 174	0.09 92	0.16 172	0.07 84	0.10 150	0.11 56	0.24 360	0.20 311	0.12 234	0.15 249	0.12 237	0.08 171	0.12 225	0.13 323	0.07 276	0.04 24	0.07 230	0.06 216	0.05 122	0.05 149

RALAANet	0.11 224	0.08 279	0.10 140	0.17 248	0.09 272	0.14 322	0.10 31	0.20 270	0.15 184	0.14 286	0.13 218	0.16 326	0.09 201	0.12 225	0.11 223	0.06 127	0.05 209	0.07 230	0.06 216	0.05 122	0.04 50

DIP-Stereo	0.11 224	0.07 174	0.14 307	0.17 248	0.09 272	0.13 289	0.09 18	0.16 161	0.16 214	0.11 194	0.16 261	0.14 283	0.12 300	0.15 326	0.13 323	0.06 127	0.05 209	0.06 129	0.05 132	0.05 122	0.06 241
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0083	0.12 294	0.08 279	0.17 420	0.16 172	0.09 272	0.11 196	0.15 256	0.14 95	0.26 404	0.11 194	0.14 231	0.13 263	0.10 239	0.12 225	0.12 282	0.10 445	0.08 447	0.09 404	0.07 310	0.07 302	0.05 149

rvit_stereo_ft	0.12 294	0.07 174	0.13 271	0.19 390	0.10 381	0.12 238	0.17 359	0.16 161	0.16 214	0.12 234	0.13 218	0.15 312	0.10 239	0.14 304	0.13 323	0.09 404	0.06 346	0.08 321	0.07 310	0.07 302	0.05 149

test_sample2	0.12 294	0.07 174	0.12 224	0.14 45	0.08 151	0.16 377	0.18 407	0.21 293	0.16 214	0.14 286	0.20 329	0.19 373	0.15 381	0.15 326	0.12 282	0.08 345	0.05 209	0.07 230	0.06 216	0.08 364	0.07 324

MyStereo8	0.12 294	0.07 174	0.15 356	0.15 90	0.09 272	0.18 418	0.14 178	0.19 259	0.22 342	0.12 234	0.18 308	0.11 219	0.10 239	0.16 361	0.18 436	0.07 276	0.05 209	0.07 230	0.05 132	0.08 364	0.09 432

CoDeX	0.12 294	0.07 174	0.12 224	0.17 248	0.08 151	0.12 238	0.15 256	0.23 337	0.27 414	0.13 264	0.17 283	0.16 326	0.11 269	0.14 304	0.11 223	0.07 276	0.05 209	0.07 230	0.06 216	0.06 230	0.05 149

11t1	0.12 294	0.06 81	0.13 271	0.14 45	0.08 151	0.17 399	0.15 256	0.18 231	0.15 184	0.15 313	0.15 249	0.16 326	0.16 407	0.15 326	0.13 323	0.08 345	0.05 209	0.06 129	0.05 132	0.08 364	0.07 324

ffm	0.12 294	0.09 355	0.14 307	0.16 172	0.08 151	0.17 399	0.17 359	0.15 131	0.19 288	0.15 313	0.25 411	0.19 373	0.13 339	0.10 83	0.07 1	0.06 127	0.04 24	0.09 404	0.08 381	0.06 230	0.06 241

RAFT_CTSACE	0.12 294	0.09 355	0.10 140	0.22 497	0.08 151	0.12 238	0.24 522	0.18 231	0.16 214	0.20 425	0.27 437	0.13 263	0.07 131	0.13 275	0.09 66	0.05 35	0.06 346	0.08 321	0.07 310	0.04 22	0.04 50

Sa-1000	0.12 294	0.08 279	0.08 40	0.18 330	0.08 151	0.14 322	0.22 499	0.22 317	0.18 271	0.15 313	0.20 329	0.17 346	0.11 269	0.10 83	0.10 147	0.06 127	0.05 209	0.09 404	0.09 427	0.05 122	0.05 149

SA	0.12 294	0.09 355	0.08 40	0.18 330	0.08 151	0.12 238	0.24 522	0.23 337	0.18 271	0.17 356	0.27 437	0.14 283	0.11 269	0.11 135	0.11 223	0.05 35	0.05 209	0.09 404	0.08 381	0.05 122	0.04 50

iRaft-Stereo_5w	0.12 294	0.09 355	0.12 224	0.19 390	0.08 151	0.09 98	0.12 77	0.21 293	0.21 327	0.19 402	0.14 231	0.11 219	0.09 201	0.20 454	0.16 403	0.05 35	0.05 209	0.07 230	0.06 216	0.05 122	0.06 241

CrosDoStereo	0.12 294	0.06 81	0.12 224	0.14 45	0.08 151	0.12 238	0.15 256	0.17 199	0.22 342	0.19 402	0.24 383	0.15 312	0.11 269	0.11 135	0.12 282	0.06 127	0.04 24	0.07 230	0.07 310	0.05 122	0.05 149

PSM-softLoss	0.12 294	0.07 174	0.15 356	0.17 248	0.09 272	0.08 60	0.13 125	0.24 360	0.17 241	0.14 286	0.19 317	0.13 263	0.11 269	0.11 135	0.11 223	0.07 276	0.05 209	0.08 321	0.07 310	0.06 230	0.12 498

KMStereo	0.12 294	0.07 174	0.15 356	0.17 248	0.09 272	0.08 60	0.13 125	0.24 360	0.17 241	0.14 286	0.19 317	0.13 263	0.11 269	0.11 135	0.11 223	0.07 276	0.05 209	0.08 321	0.07 310	0.06 230	0.12 498

FTStereo	0.12 294	0.06 81	0.14 307	0.18 330	0.09 272	0.07 34	0.15 256	0.21 293	0.18 271	0.12 234	0.24 383	0.12 237	0.12 300	0.13 275	0.13 323	0.05 35	0.05 209	0.07 230	0.06 216	0.06 230	0.10 459

DeepStereo_LL	0.12 294	0.06 81	0.12 224	0.14 45	0.08 151	0.12 238	0.15 256	0.17 199	0.22 342	0.19 402	0.24 383	0.15 312	0.11 269	0.11 135	0.12 282	0.06 127	0.04 24	0.07 230	0.07 310	0.05 122	0.05 149

DEmStereo	0.12 294	0.06 81	0.14 307	0.14 45	0.10 381	0.16 377	0.15 256	0.16 161	0.24 369	0.17 356	0.24 383	0.13 263	0.14 363	0.12 225	0.13 323	0.05 35	0.04 24	0.07 230	0.06 216	0.05 122	0.05 149

THIR-Stereo	0.12 294	0.07 174	0.11 185	0.15 90	0.08 151	0.14 322	0.16 322	0.17 199	0.25 390	0.16 341	0.24 383	0.14 283	0.12 300	0.12 225	0.14 359	0.06 127	0.04 24	0.07 230	0.07 310	0.05 122	0.05 149

DRaft	0.12 294	0.06 81	0.11 185	0.14 45	0.09 272	0.14 322	0.17 359	0.21 293	0.30 445	0.17 356	0.28 451	0.10 192	0.15 381	0.10 83	0.12 282	0.05 35	0.04 24	0.07 230	0.06 216	0.05 122	0.05 149

PFNet	0.12 294	0.06 81	0.17 420	0.17 248	0.08 151	0.09 98	0.15 256	0.26 394	0.20 311	0.16 341	0.16 261	0.14 283	0.11 269	0.12 225	0.11 223	0.06 127	0.04 24	0.07 230	0.06 216	0.05 122	0.05 149

IRAFT_RVC	0.12 294	0.08 279	0.16 390	0.19 390	0.08 151	0.07 34	0.15 256	0.24 360	0.23 353	0.14 286	0.14 231	0.15 312	0.12 300	0.12 225	0.10 147	0.06 127	0.04 24	0.09 404	0.06 216	0.06 230	0.06 241

sCroCo_RVC	0.12 294	0.09 355	0.23 490	0.24 530	0.11 431	0.19 441	0.14 178	0.17 199	0.14 164	0.10 162	0.13 218	0.12 237	0.07 131	0.14 304	0.11 223	0.08 345	0.08 447	0.08 321	0.08 381	0.05 122	0.07 324

ARAFT	0.12 294	0.08 279	0.17 420	0.19 390	0.09 272	0.14 322	0.18 407	0.20 270	0.12 105	0.12 234	0.13 218	0.14 283	0.11 269	0.15 326	0.12 282	0.06 127	0.05 209	0.10 451	0.09 427	0.05 122	0.04 50

BEATNet_4x	0.12 294	0.08 279	0.14 307	0.18 330	0.07 84	0.15 348	0.07 3	0.22 317	0.18 271	0.16 341	0.19 317	0.18 359	0.14 363	0.16 361	0.15 387	0.07 276	0.05 209	0.05 34	0.05 132	0.06 230	0.06 241

MLCV	0.12 294	0.07 174	0.16 390	0.18 330	0.06 16	0.15 348	0.17 359	0.19 259	0.21 327	0.18 386	0.25 411	0.17 346	0.13 339	0.14 304	0.13 323	0.05 35	0.04 24	0.05 34	0.04 44	0.05 122	0.04 50

G2L-ROB	0.13 319	0.06 81	0.13 271	0.13 14	0.08 151	0.14 322	0.16 322	0.25 376	0.18 271	0.19 402	0.18 308	0.20 385	0.14 363	0.17 393	0.16 403	0.08 345	0.05 209	0.06 129	0.05 132	0.08 364	0.09 432

xyz-stereo	0.13 319	0.07 174	0.20 466	0.15 90	0.05 1	0.20 456	0.15 256	0.17 199	0.31 452	0.15 313	0.29 463	0.26 460	0.16 407	0.13 275	0.12 282	0.05 35	0.05 209	0.06 129	0.05 132	0.04 22	0.04 50

DFGA-Net	0.13 319	0.11 440	0.18 442	0.17 248	0.10 381	0.12 238	0.13 125	0.22 317	0.25 390	0.16 341	0.16 261	0.13 263	0.12 300	0.16 361	0.14 359	0.07 276	0.05 209	0.08 321	0.07 310	0.05 122	0.05 149

FACV-RUCA	0.13 319	0.11 440	0.12 224	0.19 390	0.12 463	0.15 348	0.15 256	0.22 317	0.20 311	0.15 313	0.16 261	0.14 283	0.16 407	0.14 304	0.13 323	0.07 276	0.05 209	0.08 321	0.06 216	0.10 458	0.08 388

UGAM	0.13 319	0.10 414	0.09 92	0.22 497	0.08 151	0.12 238	0.20 469	0.17 199	0.23 353	0.21 439	0.16 261	0.13 263	0.13 339	0.19 429	0.12 282	0.07 276	0.05 209	0.13 516	0.11 499	0.07 302	0.05 149

test_sample1	0.13 319	0.07 174	0.14 307	0.13 14	0.08 151	0.19 441	0.16 322	0.20 270	0.15 184	0.14 286	0.22 362	0.18 359	0.16 407	0.17 393	0.14 359	0.07 276	0.06 346	0.06 129	0.06 216	0.08 364	0.07 324

qqq1	0.13 319	0.07 174	0.17 420	0.14 45	0.08 151	0.16 377	0.17 359	0.26 394	0.27 414	0.19 402	0.20 329	0.18 359	0.15 381	0.15 326	0.11 223	0.08 345	0.05 209	0.05 34	0.05 132	0.06 230	0.06 241

fff1	0.13 319	0.07 174	0.17 420	0.14 45	0.08 151	0.16 377	0.17 359	0.26 394	0.27 414	0.19 402	0.20 329	0.18 359	0.15 381	0.15 326	0.11 223	0.08 345	0.05 209	0.05 34	0.05 132	0.06 230	0.06 241

MyStereo05	0.13 319	0.07 174	0.10 140	0.17 248	0.09 272	0.13 289	0.18 407	0.27 415	0.35 487	0.17 356	0.14 231	0.15 312	0.11 269	0.15 326	0.13 323	0.06 127	0.05 209	0.07 230	0.07 310	0.06 230	0.06 241

MyStereo04	0.13 319	0.07 174	0.10 140	0.17 248	0.09 272	0.14 322	0.18 407	0.29 447	0.38 506	0.17 356	0.14 231	0.16 326	0.10 239	0.15 326	0.13 323	0.06 127	0.05 209	0.08 321	0.07 310	0.06 230	0.06 241

ff1	0.13 319	0.09 355	0.14 307	0.16 172	0.08 151	0.17 399	0.17 359	0.15 131	0.19 288	0.15 313	0.25 411	0.19 373	0.13 339	0.14 304	0.20 455	0.06 127	0.04 24	0.09 404	0.08 381	0.06 230	0.06 241

StereoVision	0.13 319	0.12 458	0.09 92	0.24 530	0.10 381	0.15 348	0.21 489	0.21 293	0.20 311	0.12 234	0.24 383	0.10 192	0.10 239	0.16 361	0.10 147	0.09 404	0.11 512	0.12 501	0.12 519	0.06 230	0.05 149

LL-Strereo	0.13 319	0.09 355	0.11 185	0.20 451	0.10 381	0.11 196	0.18 407	0.32 482	0.24 369	0.15 313	0.15 249	0.14 283	0.13 339	0.19 429	0.11 223	0.06 127	0.04 24	0.09 404	0.08 381	0.04 22	0.05 149

CASS	0.13 319	0.12 458	0.11 185	0.23 521	0.09 272	0.15 348	0.17 359	0.18 231	0.19 288	0.17 356	0.18 308	0.15 312	0.15 381	0.14 304	0.14 359	0.09 404	0.06 346	0.10 451	0.08 381	0.09 427	0.07 324
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 319	0.07 174	0.13 271	0.18 330	0.09 272	0.13 289	0.17 359	0.19 259	0.29 435	0.15 313	0.24 383	0.15 312	0.14 363	0.14 304	0.14 359	0.07 276	0.05 209	0.07 230	0.09 427	0.05 122	0.06 241

TestStereo1	0.13 319	0.08 279	0.08 40	0.19 390	0.08 151	0.18 418	0.29 569	0.23 337	0.16 214	0.17 356	0.20 329	0.16 326	0.10 239	0.12 225	0.13 323	0.06 127	0.06 346	0.08 321	0.06 216	0.05 122	0.05 149

qqq	0.13 319	0.09 355	0.15 356	0.16 172	0.08 151	0.13 289	0.15 256	0.23 337	0.16 214	0.15 313	0.19 317	0.16 326	0.16 407	0.15 326	0.16 403	0.07 276	0.06 346	0.08 321	0.08 381	0.07 302	0.07 324

x	0.13 319	0.07 174	0.14 307	0.14 45	0.08 151	0.18 418	0.14 178	0.22 317	0.20 311	0.15 313	0.19 317	0.19 373	0.17 430	0.18 414	0.18 436	0.07 276	0.05 209	0.06 129	0.06 216	0.07 302	0.07 324

raft_robust	0.13 319	0.10 414	0.07 8	0.18 330	0.08 151	0.13 289	0.24 522	0.28 434	0.33 466	0.20 425	0.19 317	0.14 283	0.10 239	0.11 135	0.12 282	0.05 35	0.05 209	0.07 230	0.07 310	0.05 122	0.04 50

RAFT+CT+SA	0.13 319	0.11 440	0.09 92	0.19 390	0.09 272	0.15 348	0.28 560	0.22 317	0.22 342	0.15 313	0.26 428	0.10 192	0.10 239	0.11 135	0.12 282	0.05 35	0.04 24	0.07 230	0.08 381	0.07 302	0.06 241

SA-5K	0.13 319	0.08 279	0.08 40	0.19 390	0.08 151	0.18 418	0.29 569	0.23 337	0.16 214	0.17 356	0.20 329	0.16 326	0.10 239	0.12 225	0.13 323	0.06 127	0.06 346	0.08 321	0.06 216	0.05 122	0.05 149

GwcNet-ADL	0.13 319	0.08 279	0.14 307	0.20 451	0.09 272	0.11 196	0.20 469	0.30 461	0.24 369	0.13 264	0.14 231	0.18 359	0.14 363	0.13 275	0.14 359	0.07 276	0.05 209	0.06 129	0.05 132	0.07 302	0.06 241

GANet-ADL	0.13 319	0.07 174	0.15 356	0.17 248	0.10 381	0.18 418	0.15 256	0.30 461	0.20 311	0.13 264	0.18 308	0.19 373	0.12 300	0.16 361	0.13 323	0.08 345	0.06 346	0.06 129	0.05 132	0.07 302	0.08 388

RAFT	0.13 319	0.09 355	0.11 185	0.18 330	0.08 151	0.15 348	0.24 522	0.20 270	0.19 288	0.21 439	0.21 351	0.17 346	0.12 300	0.16 361	0.09 66	0.06 127	0.07 418	0.10 451	0.09 427	0.05 122	0.05 149

TestStereo	0.13 319	0.14 498	0.11 185	0.23 521	0.08 151	0.15 348	0.21 489	0.20 270	0.23 353	0.14 286	0.24 383	0.16 326	0.12 300	0.16 361	0.14 359	0.05 35	0.06 346	0.08 321	0.06 216	0.09 427	0.05 149

sAnonymous2	0.13 319	0.12 458	0.24 494	0.20 451	0.12 463	0.17 399	0.13 125	0.26 394	0.21 327	0.11 194	0.11 186	0.13 263	0.08 171	0.10 83	0.10 147	0.09 404	0.05 209	0.08 321	0.06 216	0.15 543	0.10 459

CroCo_RVC	0.13 319	0.12 458	0.24 494	0.20 451	0.12 463	0.17 399	0.13 125	0.26 394	0.21 327	0.11 194	0.11 186	0.13 263	0.08 171	0.10 83	0.10 147	0.09 404	0.05 209	0.08 321	0.06 216	0.15 543	0.10 459

RAFT + AFF	0.13 319	0.07 174	0.20 466	0.20 451	0.10 381	0.14 322	0.24 522	0.26 394	0.20 311	0.11 194	0.10 142	0.12 237	0.10 239	0.15 326	0.12 282	0.07 276	0.06 346	0.09 404	0.08 381	0.06 230	0.08 388

GMStereo	0.13 319	0.14 498	0.14 307	0.18 330	0.09 272	0.15 348	0.16 322	0.20 270	0.24 369	0.16 341	0.17 283	0.10 192	0.10 239	0.16 361	0.13 323	0.07 276	0.06 346	0.06 129	0.06 216	0.07 302	0.06 241
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 319	0.07 174	0.14 307	0.17 248	0.09 272	0.15 348	0.16 322	0.28 434	0.27 414	0.14 286	0.17 283	0.12 237	0.13 339	0.14 304	0.11 223	0.08 345	0.05 209	0.07 230	0.07 310	0.07 302	0.06 241

FENet	0.13 319	0.08 279	0.12 224	0.16 172	0.08 151	0.14 322	0.15 256	0.22 317	0.23 353	0.17 356	0.23 371	0.16 326	0.12 300	0.14 304	0.15 387	0.08 345	0.05 209	0.08 321	0.08 381	0.07 302	0.07 324

cf-r	0.13 319	0.07 174	0.12 224	0.16 172	0.08 151	0.14 322	0.19 446	0.20 270	0.25 390	0.17 356	0.25 411	0.21 394	0.16 407	0.14 304	0.14 359	0.10 445	0.05 209	0.06 129	0.08 381	0.06 230	0.06 241

iResNet	0.13 319	0.10 414	0.18 442	0.19 390	0.08 151	0.13 289	0.18 407	0.20 270	0.26 404	0.15 313	0.23 371	0.15 312	0.13 339	0.14 304	0.14 359	0.06 127	0.04 24	0.06 129	0.05 132	0.06 230	0.05 149

DN-CSS_ROB	0.13 319	0.13 486	0.16 390	0.18 330	0.10 381	0.16 377	0.08 7	0.22 317	0.18 271	0.17 356	0.22 362	0.13 263	0.13 339	0.12 225	0.13 323	0.05 35	0.05 209	0.10 451	0.10 467	0.08 364	0.06 241

G2L-Stereo_test	0.14 353	0.07 174	0.11 185	0.13 14	0.08 151	0.12 238	0.16 322	0.30 461	0.28 428	0.20 425	0.23 371	0.20 385	0.16 407	0.17 393	0.18 436	0.07 276	0.05 209	0.05 34	0.05 132	0.07 302	0.06 241

coex_refinement	0.14 353	0.07 174	0.12 224	0.17 248	0.10 381	0.15 348	0.15 256	0.26 394	0.29 435	0.18 386	0.20 329	0.22 412	0.17 430	0.16 361	0.18 436	0.08 345	0.05 209	0.06 129	0.06 216	0.09 427	0.08 388

G2L-Stereo	0.14 353	0.07 174	0.13 271	0.17 248	0.09 272	0.13 289	0.12 77	0.27 415	0.22 342	0.16 341	0.27 437	0.21 394	0.13 339	0.17 393	0.18 436	0.09 404	0.08 447	0.08 321	0.07 310	0.07 302	0.07 324

rvit_0105_6	0.14 353	0.09 355	0.18 442	0.17 248	0.10 381	0.10 150	0.16 322	0.19 259	0.26 404	0.12 234	0.18 308	0.17 346	0.12 300	0.18 414	0.12 282	0.15 541	0.11 512	0.12 501	0.10 467	0.09 427	0.06 241

rvit_0105_5	0.14 353	0.09 355	0.13 271	0.17 248	0.09 272	0.14 322	0.23 510	0.24 360	0.27 414	0.14 286	0.15 249	0.18 359	0.12 300	0.17 393	0.14 359	0.14 537	0.11 512	0.10 451	0.10 467	0.08 364	0.06 241

rvit_0105_4	0.14 353	0.09 355	0.17 420	0.17 248	0.10 381	0.12 238	0.19 446	0.23 337	0.27 414	0.14 286	0.20 329	0.17 346	0.13 339	0.17 393	0.13 323	0.15 541	0.11 512	0.11 482	0.10 467	0.09 427	0.06 241

DCVSM-stereo	0.14 353	0.09 355	0.16 390	0.16 172	0.10 381	0.15 348	0.09 18	0.19 259	0.23 353	0.20 425	0.23 371	0.26 460	0.15 381	0.18 414	0.14 359	0.09 404	0.07 418	0.09 404	0.08 381	0.10 458	0.12 498

test_sample6	0.14 353	0.08 279	0.13 271	0.16 172	0.08 151	0.17 399	0.19 446	0.25 376	0.17 241	0.17 356	0.27 437	0.19 373	0.14 363	0.15 326	0.13 323	0.08 345	0.05 209	0.08 321	0.07 310	0.08 364	0.08 388

test_sample5	0.14 353	0.08 279	0.14 307	0.16 172	0.08 151	0.18 418	0.18 407	0.25 376	0.17 241	0.17 356	0.27 437	0.18 359	0.14 363	0.16 361	0.13 323	0.08 345	0.05 209	0.08 321	0.07 310	0.08 364	0.08 388

test_sample4	0.14 353	0.08 279	0.14 307	0.15 90	0.08 151	0.19 441	0.18 407	0.26 394	0.17 241	0.16 341	0.25 411	0.18 359	0.14 363	0.16 361	0.13 323	0.08 345	0.06 346	0.08 321	0.06 216	0.08 364	0.08 388

test_sample3	0.14 353	0.08 279	0.15 356	0.14 45	0.09 272	0.19 441	0.17 359	0.26 394	0.18 271	0.16 341	0.22 362	0.19 373	0.15 381	0.17 393	0.13 323	0.08 345	0.06 346	0.07 230	0.06 216	0.09 427	0.08 388

DispNO	0.14 353	0.08 279	0.17 420	0.19 390	0.12 463	0.11 196	0.21 489	0.23 337	0.29 435	0.17 356	0.23 371	0.18 359	0.17 430	0.15 326	0.15 387	0.07 276	0.05 209	0.08 321	0.08 381	0.07 302	0.06 241

SMFormer	0.14 353	0.07 174	0.17 420	0.14 45	0.08 151	0.16 377	0.17 359	0.26 394	0.27 414	0.19 402	0.20 329	0.18 359	0.15 381	0.15 326	0.17 418	0.08 345	0.05 209	0.07 230	0.06 216	0.07 302	0.06 241

tta	0.14 353	0.07 174	0.17 420	0.14 45	0.08 151	0.16 377	0.17 359	0.26 394	0.27 414	0.19 402	0.20 329	0.18 359	0.15 381	0.15 326	0.17 418	0.08 345	0.05 209	0.07 230	0.06 216	0.06 230	0.06 241

mmm	0.14 353	0.08 279	0.17 420	0.17 248	0.09 272	0.17 399	0.18 407	0.21 293	0.15 184	0.15 313	0.23 371	0.21 394	0.16 407	0.16 361	0.17 418	0.08 345	0.05 209	0.08 321	0.07 310	0.07 302	0.07 324

DualNet	0.14 353	0.08 279	0.14 307	0.16 172	0.08 151	0.18 418	0.18 407	0.25 376	0.17 241	0.17 356	0.27 437	0.18 359	0.14 363	0.16 361	0.13 323	0.08 345	0.05 209	0.08 321	0.07 310	0.08 364	0.08 388

mmx	0.14 353	0.09 355	0.14 307	0.16 172	0.08 151	0.17 399	0.17 359	0.27 415	0.25 390	0.15 313	0.25 411	0.19 373	0.13 339	0.14 304	0.20 455	0.08 345	0.06 346	0.09 404	0.08 381	0.08 364	0.08 388

xxx	0.14 353	0.09 355	0.14 307	0.16 172	0.08 151	0.17 399	0.17 359	0.27 415	0.25 390	0.15 313	0.25 411	0.19 373	0.13 339	0.14 304	0.20 455	0.08 345	0.06 346	0.09 404	0.08 381	0.08 364	0.08 388

PCWNet_CMD	0.14 353	0.08 279	0.15 356	0.17 248	0.09 272	0.14 322	0.14 178	0.29 447	0.36 492	0.14 286	0.20 329	0.21 394	0.12 300	0.17 393	0.13 323	0.07 276	0.05 209	0.07 230	0.07 310	0.07 302	0.07 324

CBFPSM	0.14 353	0.06 81	0.26 502	0.17 248	0.09 272	0.13 289	0.15 256	0.22 317	0.23 353	0.20 425	0.27 437	0.24 436	0.16 407	0.16 361	0.18 436	0.06 127	0.06 346	0.06 129	0.07 310	0.07 302	0.07 324

gwcnet-sp	0.14 353	0.07 174	0.12 224	0.18 330	0.09 272	0.16 377	0.17 359	0.24 360	0.24 369	0.18 386	0.24 383	0.15 312	0.16 407	0.15 326	0.15 387	0.08 345	0.06 346	0.07 230	0.08 381	0.08 364	0.07 324

scenet	0.14 353	0.07 174	0.12 224	0.18 330	0.09 272	0.16 377	0.17 359	0.24 360	0.24 369	0.18 386	0.24 383	0.15 312	0.16 407	0.15 326	0.15 387	0.08 345	0.06 346	0.07 230	0.08 381	0.08 364	0.07 324

ssnet	0.14 353	0.07 174	0.12 224	0.18 330	0.09 272	0.16 377	0.17 359	0.24 360	0.24 369	0.18 386	0.24 383	0.15 312	0.16 407	0.15 326	0.15 387	0.08 345	0.06 346	0.07 230	0.08 381	0.08 364	0.07 324

BUS	0.14 353	0.09 355	0.14 307	0.22 497	0.10 381	0.19 441	0.14 178	0.34 511	0.19 288	0.17 356	0.22 362	0.16 326	0.13 339	0.15 326	0.13 323	0.08 345	0.06 346	0.10 451	0.09 427	0.07 302	0.07 324

IER	0.14 353	0.07 174	0.13 271	0.17 248	0.09 272	0.14 322	0.16 322	0.25 376	0.26 404	0.18 386	0.25 411	0.17 346	0.20 472	0.16 361	0.14 359	0.08 345	0.05 209	0.07 230	0.06 216	0.08 364	0.07 324

test_5	0.14 353	0.12 458	0.08 40	0.20 451	0.10 381	0.14 322	0.29 569	0.21 293	0.24 369	0.18 386	0.28 451	0.11 219	0.15 381	0.12 225	0.13 323	0.06 127	0.05 209	0.07 230	0.08 381	0.08 364	0.07 324

psmg	0.14 353	0.09 355	0.14 307	0.17 248	0.10 381	0.15 348	0.17 359	0.29 447	0.19 288	0.17 356	0.21 351	0.25 450	0.16 407	0.15 326	0.14 359	0.08 345	0.06 346	0.08 321	0.08 381	0.07 302	0.06 241

UDGNet	0.14 353	0.13 486	0.16 390	0.17 248	0.10 381	0.12 238	0.16 322	0.21 293	0.27 414	0.20 425	0.20 329	0.16 326	0.13 339	0.16 361	0.13 323	0.10 445	0.06 346	0.09 404	0.07 310	0.06 230	0.07 324

CFNet_pseudo	0.14 353	0.08 279	0.15 356	0.16 172	0.09 272	0.13 289	0.14 178	0.27 415	0.34 478	0.14 286	0.21 351	0.22 412	0.13 339	0.18 414	0.14 359	0.07 276	0.05 209	0.08 321	0.06 216	0.07 302	0.07 324

GES	0.14 353	0.08 279	0.16 390	0.15 90	0.10 381	0.13 289	0.13 125	0.28 434	0.25 390	0.16 341	0.23 371	0.18 359	0.13 339	0.16 361	0.13 323	0.08 345	0.07 418	0.07 230	0.06 216	0.08 364	0.09 432

GANet-RSSM	0.14 353	0.07 174	0.13 271	0.13 14	0.08 151	0.14 322	0.17 359	0.22 317	0.21 327	0.17 356	0.24 383	0.23 430	0.15 381	0.16 361	0.15 387	0.10 445	0.06 346	0.07 230	0.08 381	0.08 364	0.07 324

PSMNet-RSSM	0.14 353	0.07 174	0.13 271	0.15 90	0.08 151	0.13 289	0.16 322	0.24 360	0.24 369	0.16 341	0.28 451	0.22 412	0.14 363	0.15 326	0.13 323	0.11 474	0.06 346	0.09 404	0.12 519	0.08 364	0.07 324

GwcNet-RSSM	0.14 353	0.07 174	0.12 224	0.15 90	0.08 151	0.15 348	0.20 469	0.21 293	0.27 414	0.18 386	0.27 437	0.22 412	0.16 407	0.14 304	0.15 387	0.10 445	0.05 209	0.07 230	0.09 427	0.07 302	0.07 324

CFNet-ft	0.14 353	0.07 174	0.15 356	0.12 5	0.09 272	0.16 377	0.18 407	0.22 317	0.24 369	0.17 356	0.26 428	0.24 436	0.14 363	0.16 361	0.14 359	0.11 474	0.06 346	0.08 321	0.09 427	0.09 427	0.08 388

DMCA	0.14 353	0.09 355	0.16 390	0.19 390	0.09 272	0.15 348	0.17 359	0.23 337	0.27 414	0.14 286	0.19 317	0.17 346	0.18 444	0.15 326	0.17 418	0.10 445	0.06 346	0.08 321	0.06 216	0.09 427	0.10 459

RASNet	0.14 353	0.07 174	0.14 307	0.16 172	0.08 151	0.18 418	0.14 178	0.29 447	0.20 311	0.17 356	0.25 411	0.21 394	0.18 444	0.20 454	0.19 449	0.07 276	0.06 346	0.06 129	0.08 381	0.06 230	0.06 241

MSMDNet	0.14 353	0.08 279	0.15 356	0.17 248	0.09 272	0.14 322	0.14 178	0.29 447	0.36 492	0.14 286	0.21 351	0.21 394	0.12 300	0.17 393	0.14 359	0.07 276	0.05 209	0.07 230	0.07 310	0.07 302	0.07 324

HSM-Net_RVC	0.14 353	0.08 279	0.11 185	0.15 90	0.08 151	0.15 348	0.15 256	0.27 415	0.29 435	0.19 402	0.21 351	0.29 486	0.14 363	0.17 393	0.13 323	0.06 127	0.06 346	0.06 129	0.06 216	0.07 302	0.06 241
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 353	0.07 174	0.15 356	0.12 5	0.09 272	0.16 377	0.18 407	0.22 317	0.24 369	0.17 356	0.26 428	0.24 436	0.14 363	0.16 361	0.14 359	0.11 474	0.06 346	0.08 321	0.09 427	0.09 427	0.08 388

ccs_rob	0.14 353	0.08 279	0.15 356	0.16 172	0.09 272	0.12 238	0.14 178	0.27 415	0.34 478	0.14 286	0.21 351	0.22 412	0.13 339	0.18 414	0.14 359	0.07 276	0.05 209	0.08 321	0.07 310	0.07 302	0.07 324

UCFNet_RVC	0.14 353	0.08 279	0.13 271	0.11 1	0.10 381	0.20 456	0.10 31	0.24 360	0.22 342	0.17 356	0.20 329	0.23 430	0.15 381	0.17 393	0.15 387	0.12 498	0.07 418	0.10 451	0.13 529	0.11 481	0.10 459

iResNetv2_ROB	0.14 353	0.08 279	0.15 356	0.16 172	0.08 151	0.16 377	0.12 77	0.25 376	0.35 487	0.21 439	0.29 463	0.24 436	0.13 339	0.14 304	0.14 359	0.06 127	0.05 209	0.06 129	0.04 44	0.09 427	0.08 388

iResNet_ROB	0.14 353	0.07 174	0.13 271	0.14 45	0.07 84	0.18 418	0.14 178	0.26 394	0.31 452	0.22 455	0.25 411	0.23 430	0.15 381	0.15 326	0.13 323	0.07 276	0.05 209	0.05 34	0.04 44	0.08 364	0.08 388

DDVS	0.15 396	0.10 414	0.21 475	0.16 172	0.12 463	0.15 348	0.14 178	0.25 376	0.19 288	0.18 386	0.29 463	0.27 468	0.12 300	0.19 429	0.15 387	0.09 404	0.06 346	0.09 404	0.07 310	0.11 481	0.11 485

rvit_0105_3	0.15 396	0.09 355	0.14 307	0.19 390	0.12 463	0.15 348	0.25 538	0.25 376	0.29 435	0.15 313	0.17 283	0.20 385	0.13 339	0.17 393	0.14 359	0.13 523	0.11 512	0.12 501	0.14 533	0.07 302	0.06 241

ACV-stereo	0.15 396	0.10 414	0.28 515	0.18 330	0.12 463	0.14 322	0.12 77	0.23 337	0.21 327	0.19 402	0.23 371	0.22 412	0.15 381	0.23 495	0.17 418	0.07 276	0.06 346	0.07 230	0.07 310	0.07 302	0.07 324

ITSA-stereo	0.15 396	0.10 414	0.14 307	0.19 390	0.08 151	0.12 238	0.14 178	0.30 461	0.49 552	0.17 356	0.19 317	0.22 412	0.15 381	0.17 393	0.16 403	0.10 445	0.06 346	0.08 321	0.08 381	0.08 364	0.08 388

test_sample7	0.15 396	0.10 414	0.16 390	0.14 45	0.11 431	0.16 377	0.16 322	0.27 415	0.23 353	0.20 425	0.20 329	0.24 436	0.19 460	0.16 361	0.16 403	0.12 498	0.06 346	0.10 451	0.09 427	0.10 458	0.10 459

1111x	0.15 396	0.08 279	0.12 224	0.18 330	0.07 84	0.18 418	0.25 538	0.31 471	0.24 369	0.17 356	0.24 383	0.26 460	0.15 381	0.13 275	0.23 496	0.07 276	0.07 418	0.08 321	0.09 427	0.07 302	0.06 241

CFNet_ucs	0.15 396	0.08 279	0.16 390	0.16 172	0.11 431	0.14 322	0.14 178	0.30 461	0.34 478	0.16 341	0.24 383	0.23 430	0.14 363	0.18 414	0.15 387	0.09 404	0.06 346	0.08 321	0.07 310	0.09 427	0.09 432

BSDual-CNN	0.15 396	0.09 355	0.14 307	0.22 497	0.10 381	0.14 322	0.15 256	0.34 511	0.19 288	0.17 356	0.22 362	0.25 450	0.16 407	0.15 326	0.14 359	0.08 345	0.06 346	0.10 451	0.09 427	0.07 302	0.07 324

hknet	0.15 396	0.11 440	0.13 271	0.22 497	0.11 431	0.14 322	0.15 256	0.34 511	0.25 390	0.17 356	0.22 362	0.22 412	0.18 444	0.17 393	0.12 282	0.07 276	0.06 346	0.10 451	0.09 427	0.07 302	0.07 324

dd	0.15 396	0.16 516	0.16 390	0.19 390	0.09 272	0.15 348	0.18 407	0.21 293	0.25 390	0.23 468	0.20 329	0.21 394	0.09 201	0.21 471	0.16 403	0.10 445	0.06 346	0.08 321	0.06 216	0.08 364	0.06 241

DAS	0.15 396	0.08 279	0.18 442	0.19 390	0.10 381	0.19 441	0.17 359	0.27 415	0.29 435	0.18 386	0.25 411	0.21 394	0.15 381	0.16 361	0.12 282	0.08 345	0.06 346	0.06 129	0.06 216	0.07 302	0.07 324

SepStereo	0.15 396	0.08 279	0.18 442	0.19 390	0.10 381	0.19 441	0.17 359	0.27 415	0.29 435	0.18 386	0.25 411	0.21 394	0.15 381	0.25 509	0.12 282	0.08 345	0.06 346	0.06 129	0.06 216	0.07 302	0.07 324

PSMNet-ADL	0.15 396	0.12 458	0.13 271	0.22 497	0.09 272	0.13 289	0.20 469	0.26 394	0.23 353	0.18 386	0.20 329	0.24 436	0.16 407	0.18 414	0.17 418	0.08 345	0.08 447	0.08 321	0.11 499	0.08 364	0.07 324

LMCR-Stereo	0.15 396	0.08 279	0.13 271	0.21 482	0.09 272	0.17 399	0.20 469	0.27 415	0.19 288	0.24 477	0.24 383	0.23 430	0.17 430	0.20 454	0.17 418	0.07 276	0.06 346	0.08 321	0.06 216	0.10 458	0.08 388

ICVP	0.15 396	0.09 355	0.12 224	0.22 497	0.09 272	0.17 399	0.21 489	0.25 376	0.23 353	0.18 386	0.30 470	0.26 460	0.18 444	0.17 393	0.14 359	0.09 404	0.07 418	0.08 321	0.07 310	0.07 302	0.07 324
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 396	0.07 174	0.14 307	0.14 45	0.08 151	0.23 497	0.18 407	0.31 471	0.19 288	0.14 286	0.28 451	0.22 412	0.14 363	0.15 326	0.26 531	0.09 404	0.05 209	0.07 230	0.07 310	0.08 364	0.07 324

test_xeample	0.15 396	0.06 81	0.13 271	0.14 45	0.08 151	0.21 473	0.20 469	0.28 434	0.20 311	0.16 341	0.29 463	0.19 373	0.16 407	0.15 326	0.26 531	0.09 404	0.05 209	0.07 230	0.07 310	0.07 302	0.07 324

ACVNet	0.15 396	0.09 355	0.15 356	0.13 14	0.12 463	0.14 322	0.20 469	0.22 317	0.33 466	0.17 356	0.26 428	0.21 394	0.16 407	0.17 393	0.21 475	0.07 276	0.06 346	0.06 129	0.06 216	0.08 364	0.06 241

acv_ft	0.15 396	0.09 355	0.15 356	0.19 390	0.10 381	0.16 377	0.17 359	0.25 376	0.33 466	0.19 402	0.26 428	0.21 394	0.17 430	0.17 393	0.18 436	0.07 276	0.06 346	0.06 129	0.06 216	0.08 364	0.06 241

CFNet	0.15 396	0.10 414	0.17 420	0.17 248	0.08 151	0.18 418	0.09 18	0.28 434	0.25 390	0.19 402	0.24 383	0.24 436	0.17 430	0.17 393	0.14 359	0.08 345	0.06 346	0.09 404	0.10 467	0.07 302	0.06 241

AdaStereo	0.15 396	0.11 440	0.15 356	0.18 330	0.09 272	0.20 456	0.11 56	0.32 482	0.28 428	0.20 425	0.23 371	0.20 385	0.13 339	0.19 429	0.14 359	0.12 498	0.05 209	0.10 451	0.07 310	0.09 427	0.07 324
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 396	0.08 279	0.14 307	0.16 172	0.09 272	0.16 377	0.14 178	0.28 434	0.25 390	0.19 402	0.23 371	0.37 541	0.16 407	0.20 454	0.15 387	0.07 276	0.05 209	0.07 230	0.06 216	0.07 302	0.06 241

pmcnn	0.15 396	0.07 174	0.19 454	0.15 90	0.07 84	0.20 456	0.15 256	0.24 360	0.26 404	0.21 439	0.34 498	0.28 478	0.18 444	0.18 414	0.17 418	0.07 276	0.05 209	0.05 34	0.04 44	0.07 302	0.06 241

DStereoRT	0.16 419	0.06 81	0.11 185	0.19 390	0.09 272	0.12 238	0.12 77	0.28 434	0.22 342	0.12 234	0.20 329	0.11 219	0.10 239	0.15 326	0.14 359	0.06 127	0.05 209	0.96 617	0.09 427	0.05 122	0.04 50

DualNet (step1)	0.16 419	0.12 458	0.20 466	0.12 5	0.14 506	0.17 399	0.13 125	0.27 415	0.23 353	0.20 425	0.20 329	0.24 436	0.19 460	0.16 361	0.16 403	0.15 541	0.06 346	0.14 528	0.14 533	0.14 527	0.12 498

GMStereo_Zeroshot	0.16 419	0.13 486	0.24 494	0.20 451	0.10 381	0.17 399	0.13 125	0.29 447	0.25 390	0.23 468	0.32 482	0.25 450	0.11 269	0.19 429	0.14 359	0.09 404	0.06 346	0.11 482	0.06 216	0.12 496	0.08 388

iinet-f	0.16 419	0.06 81	0.45 561	0.14 45	0.10 381	0.21 473	0.14 178	0.27 415	0.23 353	0.21 439	0.24 383	0.21 394	0.15 381	0.18 414	0.21 475	0.09 404	0.07 418	0.07 230	0.06 216	0.09 427	0.10 459

CRFU-Net	0.16 419	0.08 279	0.14 307	0.17 248	0.09 272	0.19 441	0.14 178	0.26 394	0.20 311	0.28 517	0.27 437	0.29 486	0.17 430	0.19 429	0.17 418	0.09 404	0.09 479	0.07 230	0.07 310	0.08 364	0.08 388

NINENet	0.16 419	0.10 414	0.15 356	0.17 248	0.11 431	0.19 441	0.14 178	0.40 556	0.36 492	0.18 386	0.21 351	0.16 326	0.13 339	0.15 326	0.13 323	0.08 345	0.08 447	0.10 451	0.07 310	0.10 458	0.09 432

CSP-Net	0.16 419	0.09 355	0.14 307	0.16 172	0.09 272	0.19 441	0.17 359	0.25 376	0.32 459	0.25 490	0.30 470	0.24 436	0.15 381	0.21 471	0.18 436	0.09 404	0.06 346	0.07 230	0.07 310	0.08 364	0.07 324

AASNet	0.16 419	0.08 279	0.12 224	0.19 390	0.09 272	0.18 418	0.15 256	0.37 540	0.37 499	0.19 402	0.23 371	0.20 385	0.16 407	0.17 393	0.20 455	0.10 445	0.08 447	0.08 321	0.07 310	0.09 427	0.09 432

AACVNet	0.16 419	0.08 279	0.14 307	0.15 90	0.10 381	0.18 418	0.15 256	0.23 337	0.24 369	0.27 502	0.27 437	0.28 478	0.17 430	0.19 429	0.16 403	0.09 404	0.07 418	0.09 404	0.07 310	0.10 458	0.09 432

ADLNet2	0.16 419	0.09 355	0.13 271	0.16 172	0.09 272	0.20 456	0.16 322	0.31 471	0.39 509	0.16 341	0.20 329	0.20 385	0.18 444	0.21 471	0.22 484	0.08 345	0.06 346	0.07 230	0.07 310	0.09 427	0.07 324

Anonymous3	0.16 419	0.13 486	0.33 535	0.26 547	0.14 506	0.27 533	0.17 359	0.28 434	0.28 428	0.15 313	0.17 283	0.14 283	0.10 239	0.15 326	0.12 282	0.08 345	0.08 447	0.08 321	0.08 381	0.08 364	0.11 485

ADLNet	0.16 419	0.08 279	0.15 356	0.16 172	0.10 381	0.16 377	0.17 359	0.32 482	0.27 414	0.22 455	0.27 437	0.24 436	0.16 407	0.18 414	0.21 475	0.10 445	0.06 346	0.10 451	0.10 467	0.08 364	0.09 432

HCRNet	0.16 419	0.24 562	0.12 224	0.35 581	0.11 431	0.15 348	0.17 359	0.26 394	0.22 342	0.19 402	0.24 383	0.21 394	0.14 363	0.15 326	0.13 323	0.11 474	0.07 418	0.11 482	0.10 467	0.09 427	0.07 324

222	0.16 419	0.07 174	0.14 307	0.14 45	0.08 151	0.24 502	0.18 407	0.30 461	0.20 311	0.17 356	0.28 451	0.17 346	0.16 407	0.15 326	0.40 584	0.10 445	0.05 209	0.07 230	0.06 216	0.07 302	0.08 388

UPFNet	0.16 419	0.08 279	0.12 224	0.20 451	0.12 463	0.20 456	0.23 510	0.28 434	0.26 404	0.17 356	0.24 383	0.22 412	0.19 460	0.19 429	0.21 475	0.09 404	0.07 418	0.08 321	0.09 427	0.08 364	0.06 241

ac_64	0.16 419	0.08 279	0.15 356	0.18 330	0.10 381	0.22 482	0.18 407	0.24 360	0.21 327	0.18 386	0.24 383	0.29 486	0.18 444	0.19 429	0.22 484	0.09 404	0.07 418	0.08 321	0.09 427	0.07 302	0.06 241

DSFCA	0.16 419	0.09 355	0.14 307	0.16 172	0.10 381	0.20 456	0.19 446	0.28 434	0.31 452	0.23 468	0.24 383	0.22 412	0.15 381	0.19 429	0.20 455	0.10 445	0.07 418	0.09 404	0.09 427	0.08 364	0.08 388

FADNet-RVC-Resample	0.16 419	0.11 440	0.31 528	0.22 497	0.11 431	0.19 441	0.14 178	0.25 376	0.24 369	0.24 477	0.27 437	0.20 385	0.15 381	0.16 361	0.15 387	0.07 276	0.08 447	0.12 501	0.10 467	0.09 427	0.10 459

FADNet_RVC	0.16 419	0.14 498	0.40 554	0.20 451	0.11 431	0.13 289	0.13 125	0.26 394	0.22 342	0.21 439	0.23 371	0.20 385	0.17 430	0.14 304	0.16 403	0.08 345	0.08 447	0.12 501	0.09 427	0.11 481	0.10 459

AANet_RVC	0.16 419	0.10 414	0.10 140	0.18 330	0.09 272	0.18 418	0.19 446	0.26 394	0.31 452	0.22 455	0.35 503	0.21 394	0.21 476	0.22 484	0.16 403	0.06 127	0.05 209	0.06 129	0.06 216	0.07 302	0.06 241

DeepPruner_ROB	0.16 419	0.11 440	0.15 356	0.17 248	0.10 381	0.17 399	0.15 256	0.32 482	0.21 327	0.19 402	0.21 351	0.22 412	0.18 444	0.20 454	0.15 387	0.13 523	0.09 479	0.09 404	0.09 427	0.11 481	0.10 459

z-ln-s-r	0.17 440	0.10 414	0.40 554	0.19 390	0.08 151	0.17 399	0.18 407	0.22 317	0.33 466	0.18 386	0.40 532	0.22 412	0.17 430	0.20 454	0.23 496	0.07 276	0.05 209	0.07 230	0.07 310	0.07 302	0.05 149

rvit_stereo_0075_2	0.17 440	0.12 458	0.25 499	0.23 521	0.16 536	0.13 289	0.10 31	0.30 461	0.27 414	0.20 425	0.28 451	0.22 412	0.15 381	0.18 414	0.13 323	0.16 557	0.10 499	0.17 551	0.10 467	0.10 458	0.09 432

ToySt	0.17 440	0.11 440	0.18 442	0.17 248	0.11 431	0.16 377	0.25 538	0.24 360	0.33 466	0.19 402	0.24 383	0.26 460	0.24 499	0.19 429	0.20 455	0.07 276	0.08 447	0.09 404	0.10 467	0.09 427	0.08 388

ssnet_v2	0.17 440	0.10 414	0.17 420	0.17 248	0.11 431	0.21 473	0.21 489	0.33 502	0.25 390	0.22 455	0.22 362	0.27 468	0.18 444	0.22 484	0.20 455	0.11 474	0.09 479	0.09 404	0.09 427	0.08 364	0.08 388

dad	0.17 440	0.20 547	0.20 466	0.16 172	0.11 431	0.20 456	0.18 407	0.21 293	0.28 428	0.30 531	0.24 383	0.29 486	0.13 339	0.19 429	0.16 403	0.18 564	0.09 479	0.11 482	0.09 427	0.11 481	0.07 324

GEStereo_RVC	0.17 440	0.12 458	0.15 356	0.22 497	0.11 431	0.19 441	0.17 359	0.32 482	0.48 545	0.20 425	0.25 411	0.17 346	0.13 339	0.21 471	0.16 403	0.10 445	0.06 346	0.08 321	0.07 310	0.09 427	0.08 388

MMNet	0.17 440	0.09 355	0.16 390	0.20 451	0.11 431	0.27 533	0.20 469	0.25 376	0.41 518	0.22 455	0.30 470	0.21 394	0.20 472	0.17 393	0.20 455	0.06 127	0.06 346	0.07 230	0.07 310	0.08 364	0.07 324

delet	0.17 440	0.08 279	0.17 420	0.19 390	0.11 431	0.20 456	0.21 489	0.30 461	0.37 499	0.17 356	0.26 428	0.19 373	0.19 460	0.19 429	0.21 475	0.08 345	0.08 447	0.09 404	0.11 499	0.06 230	0.06 241

UNet	0.17 440	0.09 355	0.18 442	0.19 390	0.12 463	0.27 533	0.19 446	0.33 502	0.29 435	0.21 439	0.24 383	0.23 430	0.19 460	0.19 429	0.18 436	0.07 276	0.06 346	0.08 321	0.07 310	0.08 364	0.06 241

HGLStereo	0.17 440	0.08 279	0.19 454	0.17 248	0.12 463	0.18 418	0.18 407	0.31 471	0.32 459	0.21 439	0.32 482	0.25 450	0.18 444	0.19 429	0.20 455	0.09 404	0.09 479	0.07 230	0.07 310	0.09 427	0.10 459

DMCA-RVC	0.17 440	0.10 414	0.15 356	0.24 530	0.11 431	0.18 418	0.18 407	0.25 376	0.24 369	0.21 439	0.26 428	0.25 450	0.27 522	0.18 414	0.20 455	0.12 498	0.08 447	0.13 516	0.10 467	0.10 458	0.08 388

TDLM	0.17 440	0.12 458	0.13 271	0.24 530	0.10 381	0.18 418	0.18 407	0.36 534	0.30 445	0.21 439	0.28 451	0.28 478	0.18 444	0.23 495	0.18 436	0.11 474	0.07 418	0.10 451	0.10 467	0.08 364	0.08 388

NLCA_NET_v2_RVC	0.17 440	0.10 414	0.22 481	0.20 451	0.10 381	0.15 348	0.18 407	0.31 471	0.25 390	0.21 439	0.30 470	0.25 450	0.17 430	0.21 471	0.20 455	0.09 404	0.06 346	0.08 321	0.08 381	0.07 302	0.08 388
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 440	0.12 458	0.15 356	0.20 451	0.09 272	0.18 418	0.18 407	0.26 394	0.23 353	0.26 496	0.40 532	0.22 412	0.17 430	0.21 471	0.20 455	0.08 345	0.05 209	0.09 404	0.10 467	0.07 302	0.07 324
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 454	0.08 279	0.19 454	0.19 390	0.13 486	0.15 348	0.12 77	0.30 461	0.32 459	0.21 439	0.25 411	0.27 468	0.17 430	0.17 393	0.20 455	0.20 571	0.08 447	0.14 528	0.14 533	0.14 527	0.17 564

test_sample9	0.18 454	0.12 458	0.20 466	0.12 5	0.14 506	0.17 399	0.13 125	0.27 415	0.23 353	0.20 425	0.20 329	0.24 436	0.19 460	0.19 429	0.17 418	0.15 541	0.30 592	0.14 528	0.14 533	0.14 527	0.12 498

fast-acv-ft	0.18 454	0.11 440	0.19 454	0.19 390	0.12 463	0.24 502	0.21 489	0.25 376	0.34 478	0.22 455	0.34 498	0.27 468	0.20 472	0.21 471	0.23 496	0.09 404	0.09 479	0.08 321	0.10 467	0.08 364	0.07 324

HBP-ISP	0.18 454	0.13 486	0.16 390	0.15 90	0.11 431	0.08 60	0.13 125	0.28 434	0.29 435	0.22 455	0.33 494	0.21 394	0.25 508	0.23 495	0.17 418	0.14 537	0.16 560	0.21 565	0.17 561	0.10 458	0.08 388

Wz-Net-LNSev-Ref	0.18 454	0.09 355	0.29 523	0.15 90	0.10 381	0.22 482	0.20 469	0.26 394	0.39 509	0.25 490	0.42 549	0.24 436	0.15 381	0.20 454	0.19 449	0.07 276	0.05 209	0.06 129	0.05 132	0.10 458	0.09 432

SACVNet	0.18 454	0.12 458	0.14 307	0.17 248	0.13 486	0.22 482	0.18 407	0.31 471	0.30 445	0.23 468	0.31 478	0.30 496	0.22 485	0.22 484	0.17 418	0.11 474	0.08 447	0.10 451	0.10 467	0.12 496	0.14 537

psm_up	0.18 454	0.10 414	0.18 442	0.20 451	0.11 431	0.17 399	0.19 446	0.37 540	0.34 478	0.21 439	0.28 451	0.29 486	0.24 499	0.20 454	0.22 484	0.09 404	0.10 499	0.11 482	0.11 499	0.08 364	0.08 388

hitnet-ft	0.18 454	0.09 355	0.17 420	0.14 45	0.09 272	0.26 523	0.20 469	0.25 376	0.26 404	0.24 477	0.32 482	0.31 509	0.22 485	0.24 504	0.21 475	0.12 498	0.07 418	0.10 451	0.08 381	0.12 496	0.11 485

STTStereo	0.18 454	0.12 458	0.27 510	0.20 451	0.11 431	0.16 377	0.21 489	0.29 447	0.23 353	0.21 439	0.30 470	0.29 486	0.18 444	0.20 454	0.19 449	0.12 498	0.11 512	0.11 482	0.14 533	0.09 427	0.08 388

CVANet_RVC	0.18 454	0.10 414	0.14 307	0.21 482	0.10 381	0.18 418	0.17 359	0.34 511	0.33 466	0.22 455	0.31 478	0.28 478	0.18 444	0.23 495	0.17 418	0.12 498	0.08 447	0.12 501	0.11 499	0.09 427	0.07 324

StereoDRNet	0.18 454	0.11 440	0.17 420	0.22 497	0.11 431	0.21 473	0.22 499	0.37 540	0.33 466	0.24 477	0.28 451	0.30 496	0.19 460	0.20 454	0.20 455	0.09 404	0.08 447	0.11 482	0.09 427	0.09 427	0.07 324

DLCB_ROB	0.18 454	0.10 414	0.15 356	0.23 521	0.11 431	0.24 502	0.18 407	0.29 447	0.28 428	0.27 502	0.28 451	0.28 478	0.24 499	0.19 429	0.20 455	0.08 345	0.08 447	0.09 404	0.09 427	0.07 302	0.07 324

TCMNet	0.19 466	0.12 458	0.19 454	0.20 451	0.18 558	0.20 456	0.24 522	0.27 415	0.36 492	0.23 468	0.26 428	0.25 450	0.19 460	0.19 429	0.23 496	0.13 523	0.11 512	0.11 482	0.12 519	0.13 514	0.12 498

rvit_105_1	0.19 466	0.11 440	0.25 499	0.21 482	0.16 536	0.21 473	0.27 554	0.31 471	0.41 518	0.19 402	0.20 329	0.22 412	0.17 430	0.19 429	0.17 418	0.12 498	0.12 528	0.13 516	0.15 550	0.08 364	0.07 324

test_sample8	0.19 466	0.12 458	0.20 466	0.12 5	0.14 506	0.17 399	0.13 125	0.31 471	0.21 327	0.27 502	0.22 362	0.36 536	0.25 508	0.19 429	0.17 418	0.15 541	0.30 592	0.14 528	0.14 533	0.14 527	0.12 498

SDNR	0.19 466	0.08 279	0.19 454	0.16 172	0.12 463	0.77 606	0.14 178	0.25 376	0.32 459	0.19 402	0.24 383	0.19 373	0.13 339	0.19 429	0.15 387	0.16 557	0.18 567	0.14 528	0.11 499	0.08 364	0.11 485

pcwnet_v2	0.19 466	0.10 414	0.26 502	0.17 248	0.14 506	0.18 418	0.15 256	0.37 540	0.46 543	0.19 402	0.24 383	0.21 394	0.19 460	0.20 454	0.19 449	0.13 523	0.10 499	0.10 451	0.10 467	0.11 481	0.13 520

ADCRef	0.19 466	0.12 458	0.41 557	0.20 451	0.12 463	0.22 482	0.18 407	0.32 482	0.36 492	0.26 496	0.32 482	0.17 346	0.23 493	0.24 504	0.24 509	0.07 276	0.06 346	0.09 404	0.09 427	0.08 364	0.08 388

NVstereo2D	0.19 466	0.10 414	0.15 356	0.17 248	0.15 525	0.28 540	0.23 510	0.44 573	0.42 526	0.15 313	0.27 437	0.25 450	0.19 460	0.22 484	0.17 418	0.09 404	0.06 346	0.10 451	0.08 381	0.15 543	0.09 432

DRN-Test	0.19 466	0.11 440	0.20 466	0.22 497	0.10 381	0.22 482	0.22 499	0.39 552	0.37 499	0.24 477	0.32 482	0.26 460	0.21 476	0.22 484	0.24 509	0.11 474	0.07 418	0.11 482	0.10 467	0.09 427	0.07 324

DISCO	0.19 466	0.09 355	0.22 481	0.17 248	0.10 381	0.25 513	0.18 407	0.27 415	0.44 536	0.22 455	0.31 478	0.33 523	0.26 514	0.28 526	0.28 547	0.08 345	0.06 346	0.07 230	0.07 310	0.09 427	0.09 432

CBMV_ROB	0.19 466	0.13 486	0.17 420	0.16 172	0.11 431	0.15 348	0.13 125	0.26 394	0.28 428	0.27 502	0.30 470	0.27 468	0.24 499	0.23 495	0.16 403	0.15 541	0.17 565	0.22 569	0.20 567	0.10 458	0.11 485

NOSS_ROB	0.19 466	0.12 458	0.18 442	0.16 172	0.12 463	0.15 348	0.12 77	0.30 461	0.32 459	0.20 425	0.22 362	0.27 468	0.23 493	0.21 471	0.16 403	0.16 557	0.18 567	0.23 570	0.21 569	0.12 496	0.13 520

CBMV	0.19 466	0.14 498	0.17 420	0.18 330	0.10 381	0.20 456	0.11 56	0.29 447	0.30 445	0.29 526	0.30 470	0.30 496	0.23 493	0.27 514	0.19 449	0.13 523	0.15 557	0.17 551	0.16 554	0.10 458	0.10 459
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 478	0.14 498	0.37 548	0.22 497	0.12 463	0.20 456	0.21 489	0.28 434	0.37 499	0.25 490	0.37 512	0.27 468	0.22 485	0.21 471	0.23 496	0.08 345	0.08 447	0.09 404	0.09 427	0.10 458	0.09 432

YMNet	0.20 478	0.12 458	0.19 454	0.20 451	0.14 506	0.26 523	0.23 510	0.32 482	0.34 478	0.27 502	0.34 498	0.30 496	0.18 444	0.18 414	0.22 484	0.10 445	0.13 542	0.10 451	0.10 467	0.08 364	0.09 432

YMNet_1	0.20 478	0.12 458	0.19 454	0.20 451	0.14 506	0.26 523	0.23 510	0.32 482	0.34 478	0.27 502	0.34 498	0.30 496	0.18 444	0.18 414	0.22 484	0.10 445	0.13 542	0.10 451	0.10 467	0.08 364	0.09 432

GwcNet	0.20 478	0.13 486	0.19 454	0.18 330	0.12 463	0.24 502	0.19 446	0.35 527	0.43 531	0.20 425	0.32 482	0.33 523	0.20 472	0.22 484	0.24 509	0.11 474	0.09 479	0.09 404	0.09 427	0.09 427	0.10 459

FAT-Stereo	0.20 478	0.12 458	0.22 481	0.21 482	0.12 463	0.17 399	0.18 407	0.34 511	0.39 509	0.27 502	0.37 512	0.34 530	0.32 554	0.21 471	0.20 455	0.09 404	0.11 512	0.10 451	0.09 427	0.11 481	0.14 537

FADNet-RVC	0.20 478	0.20 547	0.38 550	0.21 482	0.16 536	0.20 456	0.15 256	0.26 394	0.26 404	0.26 496	0.32 482	0.26 460	0.21 476	0.22 484	0.19 449	0.12 498	0.13 542	0.12 501	0.14 533	0.13 514	0.18 567

S-Stereo	0.20 478	0.12 458	0.25 499	0.21 482	0.13 486	0.20 456	0.18 407	0.32 482	0.43 531	0.23 468	0.36 506	0.28 478	0.30 545	0.19 429	0.22 484	0.09 404	0.12 528	0.10 451	0.10 467	0.13 514	0.13 520

SuperB	0.20 478	0.10 414	0.56 577	0.16 172	0.09 272	0.18 418	0.18 407	0.24 360	0.50 555	0.26 496	0.39 526	0.17 346	0.21 476	0.22 484	0.21 475	0.08 345	0.06 346	0.06 129	0.06 216	0.12 496	0.10 459

ADCP+	0.20 478	0.10 414	0.33 535	0.20 451	0.12 463	0.22 482	0.26 547	0.31 471	0.34 478	0.26 496	0.37 512	0.22 412	0.22 485	0.27 514	0.27 539	0.09 404	0.06 346	0.08 321	0.08 381	0.09 427	0.10 459

PS-NSSS	0.20 478	0.21 553	0.23 490	0.20 451	0.10 381	0.19 441	0.17 359	0.36 534	0.25 390	0.27 502	0.33 494	0.27 468	0.24 499	0.20 454	0.20 455	0.15 541	0.12 528	0.17 551	0.14 533	0.10 458	0.08 388

PWCDC_ROB	0.20 478	0.13 486	0.22 481	0.24 530	0.11 431	0.19 441	0.15 256	0.33 502	0.54 564	0.29 526	0.50 565	0.21 394	0.15 381	0.27 514	0.20 455	0.11 474	0.09 479	0.10 451	0.08 381	0.11 481	0.09 432

SGM-Forest	0.20 478	0.14 498	0.18 442	0.19 390	0.13 486	0.20 456	0.22 499	0.33 502	0.30 445	0.24 477	0.29 463	0.28 478	0.19 460	0.23 495	0.17 418	0.15 541	0.16 560	0.15 540	0.14 533	0.12 496	0.12 498
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 490	0.17 527	0.19 454	0.23 521	0.15 525	0.30 547	0.20 469	0.33 502	0.35 487	0.23 468	0.28 451	0.31 509	0.27 522	0.20 454	0.22 484	0.15 541	0.12 528	0.13 516	0.09 427	0.14 527	0.14 537

FINET	0.21 490	0.18 538	0.26 502	0.18 330	0.16 536	0.23 497	0.23 510	0.32 482	0.48 545	0.25 490	0.32 482	0.22 412	0.22 485	0.22 484	0.17 418	0.18 564	0.16 560	0.11 482	0.10 467	0.15 543	0.13 520

Syn2CoEx	0.21 490	0.16 516	0.27 510	0.29 571	0.14 506	0.26 523	0.20 469	0.33 502	0.31 452	0.28 517	0.36 506	0.27 468	0.25 508	0.19 429	0.24 509	0.16 557	0.12 528	0.14 528	0.11 499	0.09 427	0.08 388

FADNet	0.21 490	0.22 557	0.36 544	0.18 330	0.17 551	0.24 502	0.13 125	0.31 471	0.31 452	0.23 468	0.25 411	0.27 468	0.21 476	0.19 429	0.15 387	0.13 523	0.15 557	0.12 501	0.15 550	0.16 551	0.18 567

RP	0.21 490	0.13 486	0.21 475	0.23 521	0.11 431	0.21 473	0.20 469	0.25 376	0.44 536	0.21 439	0.38 518	0.36 536	0.24 499	0.27 514	0.25 519	0.11 474	0.12 528	0.13 516	0.12 519	0.12 496	0.14 537

DANet	0.21 490	0.15 508	0.28 515	0.25 542	0.13 486	0.22 482	0.19 446	0.27 415	0.27 414	0.28 517	0.32 482	0.35 534	0.31 549	0.31 537	0.23 496	0.11 474	0.09 479	0.11 482	0.10 467	0.13 514	0.11 485
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 490	0.12 458	0.21 475	0.24 530	0.13 486	0.22 482	0.22 499	0.41 562	0.26 404	0.31 537	0.42 549	0.37 541	0.28 533	0.23 495	0.22 484	0.10 445	0.12 528	0.10 451	0.09 427	0.10 458	0.08 388

PWC_ROB	0.21 490	0.16 516	0.26 502	0.18 330	0.11 431	0.22 482	0.13 125	0.32 482	0.49 552	0.30 531	0.40 532	0.32 519	0.24 499	0.31 537	0.22 484	0.10 445	0.07 418	0.11 482	0.08 381	0.11 481	0.10 459

PSMNet_ROB	0.21 490	0.11 440	0.15 356	0.27 560	0.15 525	0.24 502	0.35 586	0.43 571	0.37 499	0.27 502	0.32 482	0.32 519	0.22 485	0.21 471	0.26 531	0.12 498	0.08 447	0.13 516	0.11 499	0.09 427	0.09 432

MSAF-DinoV2	0.22 499	0.11 440	0.23 490	0.17 248	0.10 381	0.27 533	0.16 322	0.37 540	0.55 565	0.21 439	0.27 437	0.47 575	0.27 522	0.35 556	0.39 581	0.09 404	0.06 346	0.07 230	0.09 427	0.12 496	0.10 459

GASNet	0.22 499	0.23 559	0.33 535	0.26 547	0.17 551	0.26 523	0.16 322	0.44 573	0.42 526	0.27 502	0.24 383	0.30 496	0.15 381	0.27 514	0.18 436	0.12 498	0.08 447	0.12 501	0.11 499	0.16 551	0.07 324

Anonymous_2	0.22 499	0.17 527	0.28 515	0.15 90	0.16 536	0.32 550	0.22 499	0.22 317	0.17 241	0.23 468	0.24 383	0.26 460	0.27 522	0.27 514	0.23 496	0.22 580	0.25 588	0.17 551	0.17 561	0.17 559	0.17 564

Wz-Net-LNSev	0.22 499	0.16 516	0.38 550	0.21 482	0.13 486	0.25 513	0.23 510	0.32 482	0.43 531	0.30 531	0.41 543	0.31 509	0.18 444	0.22 484	0.25 519	0.10 445	0.09 479	0.08 321	0.08 381	0.12 496	0.11 485

Wz-Net-MNSev	0.22 499	0.13 486	0.31 528	0.20 451	0.14 506	0.36 568	0.24 522	0.33 502	0.44 536	0.28 517	0.40 532	0.38 545	0.19 460	0.24 504	0.25 519	0.09 404	0.07 418	0.09 404	0.09 427	0.12 496	0.10 459

DDUNet	0.22 499	0.17 527	0.21 475	0.22 497	0.15 525	0.25 513	0.24 522	0.29 447	0.30 445	0.31 537	0.36 506	0.33 523	0.25 508	0.24 504	0.20 455	0.18 564	0.13 542	0.17 551	0.11 499	0.16 551	0.16 555

APVNet	0.22 499	0.12 458	0.19 454	0.18 330	0.14 506	0.32 550	0.31 582	0.39 552	0.32 459	0.27 502	0.40 532	0.30 496	0.29 541	0.26 511	0.25 519	0.11 474	0.12 528	0.11 482	0.14 533	0.12 496	0.12 498

aanetorigin	0.22 499	0.17 527	0.56 577	0.17 248	0.10 381	0.15 348	0.19 446	0.20 270	0.33 466	0.49 581	0.48 560	0.29 486	0.27 522	0.20 454	0.23 496	0.08 345	0.07 418	0.08 321	0.07 310	0.10 458	0.09 432

MaskLacGwcNet_RVC	0.22 499	0.21 553	0.24 494	0.26 547	0.11 431	0.23 497	0.14 178	0.39 552	0.24 369	0.32 543	0.36 506	0.30 496	0.21 476	0.19 429	0.21 475	0.17 562	0.14 551	0.21 565	0.16 554	0.12 496	0.12 498

AF-Net	0.22 499	0.17 527	0.17 420	0.26 547	0.13 486	0.25 513	0.24 522	0.32 482	0.50 555	0.25 490	0.33 494	0.38 545	0.26 514	0.28 526	0.25 519	0.11 474	0.10 499	0.16 547	0.11 499	0.11 481	0.10 459

stereogan	0.22 499	0.11 440	0.21 475	0.20 451	0.12 463	0.31 549	0.19 446	0.35 527	0.44 536	0.22 455	0.39 526	0.35 534	0.27 522	0.33 547	0.22 484	0.10 445	0.12 528	0.10 451	0.10 467	0.14 527	0.13 520

edge stereo	0.22 499	0.13 486	0.20 466	0.21 482	0.13 486	0.23 497	0.16 322	0.32 482	0.42 526	0.32 543	0.40 532	0.38 545	0.35 563	0.25 509	0.24 509	0.13 523	0.11 512	0.14 528	0.11 499	0.12 496	0.13 520

RYNet	0.22 499	0.12 458	0.22 481	0.19 390	0.17 551	0.46 577	0.26 547	0.38 548	0.48 545	0.24 477	0.28 451	0.34 530	0.23 493	0.20 454	0.30 557	0.10 445	0.06 346	0.09 404	0.09 427	0.13 514	0.15 544

NaN_ROB	0.22 499	0.19 542	0.24 494	0.25 542	0.13 486	0.29 544	0.26 547	0.33 502	0.41 518	0.31 537	0.31 478	0.32 519	0.23 493	0.30 536	0.21 475	0.11 474	0.17 565	0.10 451	0.10 467	0.08 364	0.09 432

MDST_ROB	0.22 499	0.10 414	0.17 420	0.18 330	0.11 431	0.37 569	0.19 446	0.43 571	0.41 518	0.39 561	0.39 526	0.29 486	0.21 476	0.26 511	0.18 436	0.11 474	0.10 499	0.14 528	0.11 499	0.10 458	0.08 388

XPNet_ROB	0.22 499	0.11 440	0.19 454	0.22 497	0.13 486	0.22 482	0.19 446	0.34 511	0.40 515	0.30 531	0.39 526	0.39 553	0.26 514	0.26 511	0.28 547	0.15 541	0.10 499	0.10 451	0.10 467	0.13 514	0.12 498

SQANet	0.23 515	0.23 559	0.30 526	0.30 573	0.19 561	0.27 533	0.13 125	0.29 447	0.33 466	0.24 477	0.37 512	0.31 509	0.22 485	0.27 514	0.23 496	0.15 541	0.10 499	0.21 565	0.16 554	0.21 568	0.15 544

Nwc_Net	0.23 515	0.16 516	0.21 475	0.25 542	0.14 506	0.24 502	0.26 547	0.37 540	0.38 506	0.22 455	0.41 543	0.30 496	0.28 533	0.28 526	0.25 519	0.11 474	0.10 499	0.17 551	0.20 567	0.10 458	0.10 459

RTSC	0.23 515	0.12 458	0.28 515	0.21 482	0.13 486	0.28 540	0.16 322	0.35 527	0.66 589	0.27 502	0.33 494	0.30 496	0.21 476	0.31 537	0.29 551	0.10 445	0.08 447	0.09 404	0.10 467	0.13 514	0.13 520

PA-Net	0.23 515	0.18 538	0.33 535	0.28 563	0.22 570	0.21 473	0.38 591	0.29 447	0.39 509	0.22 455	0.32 482	0.25 450	0.26 514	0.20 454	0.25 519	0.09 404	0.23 586	0.15 540	0.22 572	0.09 427	0.13 520
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 515	0.15 508	0.17 420	0.34 579	0.18 558	0.24 502	0.23 510	0.34 511	0.28 428	0.31 537	0.38 518	0.38 545	0.28 533	0.23 495	0.24 509	0.15 541	0.12 528	0.18 560	0.21 569	0.13 514	0.13 520

ETE_ROB	0.23 515	0.17 527	0.22 481	0.25 542	0.13 486	0.26 523	0.29 569	0.31 471	0.36 492	0.28 517	0.36 506	0.45 568	0.26 514	0.27 514	0.26 531	0.11 474	0.08 447	0.12 501	0.09 427	0.14 527	0.13 520

SGM_RVC	0.23 515	0.12 458	0.15 356	0.15 90	0.09 272	0.33 556	0.18 407	0.34 511	0.31 452	0.44 576	0.37 512	0.53 583	0.35 563	0.35 556	0.24 509	0.13 523	0.13 542	0.13 516	0.13 529	0.10 458	0.11 485
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 522	0.18 538	0.18 442	0.20 451	0.14 506	0.21 473	0.19 446	0.32 482	0.41 518	0.29 526	0.21 351	0.32 519	0.27 522	0.41 581	0.27 539	0.46 600	0.12 528	0.31 587	0.11 499	0.15 543	0.12 498

z-mn7	0.24 522	0.14 498	0.45 561	0.19 390	0.13 486	0.28 540	0.25 538	0.34 511	0.62 581	0.27 502	0.56 576	0.29 486	0.24 499	0.32 544	0.25 519	0.08 345	0.08 447	0.08 321	0.08 381	0.10 458	0.10 459

w-ln-seven	0.24 522	0.14 498	0.55 574	0.19 390	0.14 506	0.26 523	0.22 499	0.35 527	0.60 578	0.29 526	0.39 526	0.30 496	0.22 485	0.21 471	0.26 531	0.09 404	0.09 479	0.11 482	0.10 467	0.11 481	0.10 459

DGSMNet	0.24 522	0.19 542	0.33 535	0.21 482	0.24 575	0.24 502	0.20 469	0.35 527	0.41 518	0.24 477	0.32 482	0.38 545	0.21 476	0.29 533	0.23 496	0.12 498	0.11 512	0.14 528	0.16 554	0.23 572	0.23 579

G-Net	0.24 522	0.16 516	0.36 544	0.22 497	0.16 536	0.51 583	0.23 510	0.29 447	0.34 478	0.36 553	0.38 518	0.31 509	0.29 541	0.27 514	0.26 531	0.11 474	0.09 479	0.12 501	0.09 427	0.16 551	0.13 520

NCC-stereo	0.24 522	0.15 508	0.31 528	0.26 547	0.16 536	0.20 456	0.30 576	0.40 556	0.40 515	0.24 477	0.38 518	0.33 523	0.28 533	0.36 562	0.27 539	0.12 498	0.11 512	0.15 540	0.22 572	0.13 514	0.13 520

Abc-Net	0.24 522	0.15 508	0.31 528	0.26 547	0.16 536	0.20 456	0.30 576	0.40 556	0.40 515	0.24 477	0.38 518	0.33 523	0.28 533	0.36 562	0.27 539	0.12 498	0.11 512	0.15 540	0.22 572	0.13 514	0.13 520
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 522	0.11 440	0.47 566	0.22 497	0.12 463	0.34 559	0.29 569	0.29 447	0.56 568	0.24 477	0.46 557	0.30 496	0.30 545	0.29 533	0.29 551	0.08 345	0.07 418	0.09 404	0.09 427	0.10 458	0.10 459

DeepPrunerF	0.24 522	0.17 527	0.42 559	0.26 547	0.16 536	0.22 482	0.28 560	0.37 540	0.50 555	0.26 496	0.29 463	0.24 436	0.28 533	0.21 471	0.22 484	0.15 541	0.11 512	0.20 564	0.18 565	0.12 496	0.13 520

FBW_ROB	0.24 522	0.17 527	0.22 481	0.26 547	0.14 506	0.25 513	0.22 499	0.41 562	0.41 518	0.41 568	0.41 543	0.42 560	0.27 522	0.31 537	0.23 496	0.09 404	0.14 551	0.14 528	0.12 519	0.11 481	0.09 432

SANet	0.24 522	0.14 498	0.28 515	0.21 482	0.11 431	0.27 533	0.24 522	0.38 548	0.64 585	0.36 553	0.40 532	0.43 564	0.26 514	0.27 514	0.24 509	0.12 498	0.09 479	0.10 451	0.09 427	0.13 514	0.11 485

WCMA_ROB	0.24 522	0.11 440	0.22 481	0.17 248	0.14 506	0.32 550	0.15 256	0.32 482	0.32 459	0.38 559	0.53 567	0.40 557	0.34 560	0.34 550	0.25 519	0.11 474	0.12 528	0.12 501	0.10 467	0.14 527	0.14 537

DStereoSA	0.25 534	0.19 542	0.37 548	0.26 547	0.17 551	0.22 482	0.20 469	0.49 582	0.59 574	0.22 455	0.29 463	0.29 486	0.33 555	0.39 573	0.28 547	0.12 498	0.11 512	0.16 547	0.14 533	0.14 527	0.12 498

FSD	0.25 534	0.27 571	0.26 502	0.24 530	0.22 570	0.25 513	0.25 538	0.27 415	0.26 404	0.25 490	0.26 428	0.25 450	0.27 522	0.27 514	0.24 509	0.21 575	0.20 573	0.27 576	0.26 579	0.25 580	0.24 580

zh-sn7	0.25 534	0.17 527	0.50 568	0.24 530	0.13 486	0.25 513	0.24 522	0.34 511	0.48 545	0.28 517	0.54 569	0.28 478	0.31 549	0.36 562	0.32 565	0.10 445	0.10 499	0.11 482	0.10 467	0.12 496	0.12 498

zh-mn7	0.25 534	0.14 498	0.56 577	0.19 390	0.14 506	0.24 502	0.22 499	0.34 511	0.62 581	0.35 550	0.65 584	0.31 509	0.25 508	0.31 537	0.25 519	0.09 404	0.08 447	0.09 404	0.09 427	0.09 427	0.11 485

Wz-Net-SNSev	0.25 534	0.17 527	0.44 560	0.25 542	0.14 506	0.26 523	0.23 510	0.38 548	0.56 568	0.30 531	0.55 571	0.39 553	0.26 514	0.23 495	0.30 557	0.10 445	0.09 479	0.09 404	0.10 467	0.11 481	0.11 485

psmorigin	0.25 534	0.15 508	0.34 543	0.17 248	0.13 486	0.23 497	0.14 178	0.34 511	0.33 466	0.41 568	0.55 571	0.41 559	0.37 567	0.34 550	0.27 539	0.11 474	0.15 557	0.11 482	0.11 499	0.12 496	0.16 555

RGC	0.25 534	0.20 547	0.29 523	0.28 563	0.16 536	0.22 482	0.23 510	0.32 482	0.44 536	0.27 502	0.40 532	0.38 545	0.27 522	0.36 562	0.22 484	0.11 474	0.13 542	0.17 551	0.17 561	0.14 527	0.16 555

ADCMid	0.25 534	0.15 508	0.40 554	0.20 451	0.14 506	0.25 513	0.26 547	0.34 511	0.38 506	0.36 553	0.44 554	0.34 530	0.40 573	0.35 556	0.33 569	0.10 445	0.09 479	0.11 482	0.11 499	0.13 514	0.12 498

ADCPNet	0.25 534	0.16 516	0.61 583	0.21 482	0.15 525	0.35 567	0.25 538	0.32 482	0.35 487	0.30 531	0.40 532	0.36 536	0.28 533	0.28 526	0.32 565	0.12 498	0.10 499	0.11 482	0.12 519	0.14 527	0.13 520

STTRV1_RVC	0.25 534	0.26 568	0.39 552	0.19 390	0.26 582	0.30 547	0.24 522	0.34 511	0.35 487	0.36 553	0.34 498	0.31 509	0.31 549	0.28 526	0.25 519	0.17 562	0.10 499	0.16 547	0.14 533	0.17 559	0.12 498

LALA_ROB	0.25 534	0.16 516	0.22 481	0.26 547	0.17 551	0.27 533	0.27 554	0.42 567	0.37 499	0.33 547	0.38 518	0.51 579	0.26 514	0.28 526	0.27 539	0.16 557	0.09 479	0.12 501	0.11 499	0.13 514	0.12 498

SHD	0.26 545	0.15 508	0.30 526	0.24 530	0.18 558	0.22 482	0.15 256	0.38 548	0.71 593	0.32 543	0.41 543	0.36 536	0.28 533	0.32 544	0.29 551	0.12 498	0.11 512	0.14 528	0.13 529	0.16 551	0.20 573

AnyNet_C32	0.26 545	0.16 516	0.36 544	0.20 451	0.16 536	0.25 513	0.30 576	0.32 482	0.44 536	0.31 537	0.49 561	0.30 496	0.33 555	0.40 578	0.33 569	0.12 498	0.12 528	0.12 501	0.14 533	0.14 527	0.15 544

DStereoFS	0.27 547	0.22 557	0.31 528	0.22 497	0.15 525	0.22 482	0.20 469	0.50 586	0.48 545	0.28 517	0.44 554	0.33 523	0.34 560	0.52 590	0.29 551	0.12 498	0.11 512	0.15 540	0.13 529	0.16 551	0.16 555

PSMNet-RUCA	0.27 547	0.33 583	0.41 557	0.36 583	0.32 590	0.18 418	0.19 446	0.42 567	0.30 445	0.33 547	0.41 543	0.39 553	0.25 508	0.31 537	0.20 455	0.18 564	0.10 499	0.25 572	0.15 550	0.21 568	0.16 555

PDISCO_ROB	0.27 547	0.16 516	0.26 502	0.28 563	0.20 564	0.32 550	0.26 547	0.44 573	0.57 570	0.28 517	0.40 532	0.45 568	0.29 541	0.33 547	0.34 571	0.12 498	0.09 479	0.17 551	0.16 554	0.17 559	0.13 520

DispFullNet	0.27 547	0.21 553	0.65 586	0.28 563	0.16 536	0.26 523	0.17 359	0.33 502	0.58 573	0.27 502	0.38 518	0.43 564	0.23 493	0.38 569	0.23 496	0.12 498	0.06 346	0.19 562	0.11 499	0.21 568	0.15 544

MeshStereo	0.27 547	0.13 486	0.18 442	0.15 90	0.11 431	0.32 550	0.24 522	0.40 556	0.36 492	0.52 583	0.57 579	0.67 594	0.40 573	0.35 556	0.26 531	0.14 537	0.13 542	0.13 516	0.11 499	0.11 481	0.10 459
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WZ-Net	0.28 552	0.17 527	0.78 602	0.22 497	0.16 536	0.34 559	0.29 569	0.39 552	0.57 570	0.24 477	0.55 571	0.37 541	0.24 499	0.33 547	0.35 572	0.09 404	0.08 447	0.09 404	0.10 467	0.14 527	0.16 555

XQC	0.28 552	0.23 559	0.51 569	0.28 563	0.19 561	0.34 559	0.27 554	0.36 534	0.57 570	0.31 537	0.30 470	0.37 541	0.30 545	0.38 569	0.38 579	0.13 523	0.09 479	0.15 540	0.12 519	0.17 559	0.18 567

CC-Net-ROB	0.28 552	0.31 581	0.36 544	0.29 571	0.15 525	0.25 513	0.19 446	0.45 576	0.33 466	0.39 561	0.37 512	0.39 553	0.31 549	0.27 514	0.26 531	0.24 586	0.19 570	0.30 586	0.23 576	0.18 563	0.15 544

DPSNet	0.28 552	0.16 516	0.31 528	0.18 330	0.13 486	0.54 585	0.42 595	0.51 588	0.67 590	0.29 526	0.38 518	0.38 545	0.29 541	0.31 537	0.23 496	0.11 474	0.10 499	0.11 482	0.08 381	0.20 567	0.16 555

MultiAttention	0.29 556	0.08 279	0.14 307	0.19 390	0.12 463	1.45 621	1.33 623	0.36 534	0.37 499	0.19 402	0.21 351	0.24 436	0.11 269	0.38 569	0.18 436	0.06 127	0.05 209	0.08 321	0.08 381	0.10 458	0.09 432

Wz-Net-TNSev	0.29 556	0.20 547	0.65 586	0.19 390	0.15 525	0.38 572	0.27 554	0.35 527	0.55 565	0.34 549	0.42 549	0.45 568	0.38 568	0.32 544	0.30 557	0.12 498	0.13 542	0.10 451	0.12 519	0.15 543	0.14 537

ccnet	0.29 556	0.28 576	0.23 490	0.20 451	0.28 584	0.41 576	0.21 489	0.45 576	0.33 466	0.36 553	0.46 557	0.36 536	0.30 545	0.39 573	0.42 588	0.23 584	0.14 551	0.21 565	0.17 561	0.23 572	0.18 567

EDNetEfficient	0.29 556	0.24 562	1.13 611	0.18 330	0.10 381	0.19 441	0.20 469	0.20 270	0.60 578	0.74 601	0.56 576	0.31 509	0.39 570	0.22 484	0.30 557	0.09 404	0.07 418	0.08 321	0.07 310	0.11 481	0.09 432

ADCS	0.29 556	0.18 538	0.45 561	0.21 482	0.17 551	0.28 540	0.23 510	0.41 562	0.63 584	0.40 564	0.49 561	0.40 557	0.36 565	0.39 573	0.40 584	0.13 523	0.12 528	0.13 516	0.14 533	0.16 551	0.16 555

CSAN	0.29 556	0.24 562	0.27 510	0.34 579	0.19 561	0.33 556	0.42 595	0.37 540	0.50 555	0.38 559	0.40 532	0.44 566	0.33 555	0.28 526	0.30 557	0.20 571	0.16 560	0.19 562	0.19 566	0.14 527	0.15 544

MFN_U_SF_DS_RVC	0.30 562	0.24 562	0.29 523	0.36 583	0.16 536	0.34 559	0.30 576	0.32 482	0.42 526	0.40 564	0.46 557	0.38 545	0.31 549	0.34 550	0.28 547	0.19 569	0.20 573	0.26 573	0.29 586	0.18 563	0.19 572

GANetREF_RVC	0.31 563	0.34 585	0.27 510	0.35 581	0.16 536	0.32 550	0.41 592	0.48 580	0.51 562	0.35 550	0.35 503	0.34 530	0.33 555	0.39 573	0.32 565	0.27 588	0.20 573	0.29 584	0.15 550	0.18 563	0.17 564
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 563	0.26 568	0.26 502	0.24 530	0.21 568	0.34 559	0.25 538	0.34 511	0.39 509	0.40 564	0.69 588	0.45 568	0.40 573	0.34 550	0.27 539	0.20 571	0.19 570	0.26 573	0.25 578	0.23 572	0.22 577

MFN_U_SF_RVC	0.32 565	0.21 553	0.55 574	0.30 573	0.15 525	0.34 559	0.17 359	0.52 589	0.46 543	0.46 580	0.55 571	0.59 586	0.39 570	0.35 556	0.37 577	0.15 541	0.14 551	0.18 560	0.21 569	0.16 551	0.15 544

PASM	0.32 565	0.24 562	0.48 567	0.28 563	0.27 583	0.29 544	0.30 576	0.34 511	0.49 552	0.35 550	0.39 526	0.46 572	0.34 560	0.34 550	0.35 572	0.23 584	0.25 588	0.26 573	0.28 585	0.23 572	0.21 575

SGM-ForestM	0.32 565	0.12 458	0.16 390	0.16 172	0.11 431	0.39 573	0.19 446	0.41 562	0.50 555	0.52 583	0.54 569	1.32 614	0.42 581	0.40 578	0.27 539	0.14 537	0.16 560	0.16 547	0.16 554	0.12 496	0.12 498

FC-DCNN v2	0.33 568	0.27 571	0.28 515	0.26 547	0.23 573	0.37 569	0.28 560	0.40 556	0.43 531	0.45 577	0.56 576	0.51 579	0.40 573	0.37 567	0.29 551	0.21 575	0.20 573	0.27 576	0.26 579	0.25 580	0.24 580

FCDSN-DC	0.33 568	0.28 576	0.28 515	0.30 573	0.24 575	0.39 573	0.28 560	0.42 567	0.42 526	0.43 574	0.53 567	0.51 579	0.41 578	0.36 562	0.30 557	0.21 575	0.20 573	0.27 576	0.26 579	0.25 580	0.24 580
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 568	0.27 571	0.28 515	0.26 547	0.23 573	0.37 569	0.28 560	0.40 556	0.43 531	0.45 577	0.55 571	0.51 579	0.40 573	0.37 567	0.30 557	0.21 575	0.20 573	0.27 576	0.26 579	0.25 580	0.24 580

LSM	0.33 568	0.20 547	0.58 580	0.26 547	0.60 607	0.34 559	0.25 538	0.42 567	0.48 545	0.45 577	0.58 581	0.42 560	0.36 565	0.35 556	0.25 519	0.12 498	0.20 573	0.14 528	0.16 554	0.19 566	0.33 595

AnyNet_C01	0.36 572	0.25 567	1.37 614	0.22 497	0.17 551	0.48 581	0.27 554	0.35 527	0.39 509	0.39 561	0.74 594	0.46 572	0.38 568	0.45 583	0.47 593	0.13 523	0.13 542	0.13 516	0.14 533	0.14 527	0.15 544

GCST	0.37 573	0.42 592	0.26 502	1.02 616	0.39 591	0.18 418	0.08 7	0.20 270	0.17 241	0.28 517	0.25 411	0.15 312	0.12 300	0.16 361	0.14 359	0.64 611	0.43 600	0.75 607	0.65 611	0.63 604	0.46 604

otaku	0.39 574	0.37 588	0.52 570	0.44 590	0.28 584	0.58 587	0.24 522	0.41 562	0.62 581	0.40 564	0.49 561	0.46 572	0.33 555	0.40 578	0.32 565	0.30 589	0.30 592	0.39 591	0.33 591	0.29 587	0.28 589

ACVNet-4b	0.39 574	0.53 595	0.55 574	0.45 591	0.24 575	0.47 579	0.18 407	0.49 582	0.64 585	0.42 571	0.45 556	0.60 587	0.27 522	0.34 550	0.24 509	0.33 592	0.14 551	0.48 595	0.42 597	0.30 588	0.26 588

PVD	0.39 574	0.20 547	0.39 552	0.31 577	0.22 570	0.29 544	0.43 597	0.52 589	0.96 607	0.55 587	0.79 598	0.53 583	0.59 597	0.52 590	0.38 579	0.19 569	0.14 551	0.17 551	0.14 533	0.24 579	0.31 593

Ntro	0.40 577	0.40 590	0.53 571	0.46 594	0.30 588	0.65 593	0.24 522	0.46 578	0.68 591	0.41 568	0.49 561	0.48 577	0.42 581	0.39 573	0.31 564	0.32 591	0.28 590	0.37 590	0.30 588	0.32 592	0.29 590

SAMSARA	0.40 577	0.28 576	0.33 535	0.55 597	0.39 591	0.82 607	1.23 622	0.47 579	0.51 562	0.36 553	0.35 503	0.55 585	0.39 570	0.38 569	0.39 581	0.15 541	0.20 573	0.15 540	0.14 533	0.23 572	0.20 573

ELAS_RVC	0.41 579	0.29 579	0.33 535	0.28 563	0.24 575	0.54 585	0.36 587	0.49 582	0.59 574	0.72 597	0.74 594	0.65 592	0.54 590	0.54 595	0.40 584	0.22 580	0.20 573	0.27 576	0.26 579	0.26 585	0.25 586
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 579	0.29 579	0.33 535	0.27 560	0.24 575	0.60 590	0.36 587	0.50 586	0.50 555	0.71 595	0.79 598	0.67 594	0.54 590	0.51 588	0.42 588	0.22 580	0.20 573	0.27 576	0.26 579	0.26 585	0.25 586
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.43 581	0.39 589	0.54 572	0.40 586	0.20 564	0.64 592	0.32 584	0.53 591	0.72 594	0.71 595	0.72 591	0.61 588	0.54 590	0.51 588	0.46 592	0.20 571	0.19 570	0.29 584	0.30 588	0.23 572	0.18 567

ACVNet_1	0.44 582	0.49 594	0.60 582	0.45 591	0.28 584	0.49 582	0.27 554	0.57 596	0.72 594	0.62 590	0.58 581	0.74 598	0.49 587	0.50 586	0.35 572	0.26 587	0.24 587	0.39 591	0.29 586	0.31 591	0.24 580

Consistency-Raft	0.44 582	0.40 590	0.45 561	0.37 585	0.43 595	0.46 577	0.41 592	0.57 596	0.55 565	0.32 543	0.73 592	0.33 523	0.48 586	0.42 582	0.49 595	0.39 594	0.35 597	0.45 594	0.51 604	0.42 595	0.29 590

RTS	0.45 584	0.19 542	3.26 621	0.24 530	0.15 525	0.74 600	0.20 469	0.36 534	0.76 600	0.42 571	0.43 552	0.31 509	0.41 578	0.53 593	0.35 572	0.10 445	0.08 447	0.13 516	0.12 519	0.15 543	0.15 544

RTSA	0.45 584	0.19 542	3.26 621	0.24 530	0.15 525	0.74 600	0.20 469	0.36 534	0.76 600	0.42 571	0.43 552	0.31 509	0.41 578	0.53 593	0.35 572	0.10 445	0.08 447	0.13 516	0.12 519	0.15 543	0.15 544

MANE	0.45 584	0.27 571	0.27 510	0.27 560	0.24 575	0.47 579	0.31 582	0.55 593	0.59 574	0.72 597	1.13 615	1.15 608	0.61 598	0.52 590	0.37 577	0.21 575	0.20 573	0.27 576	0.31 590	0.25 580	0.24 580

NVStereoNet_ROB	0.46 587	0.36 587	0.46 565	0.41 588	0.28 584	0.34 559	0.34 585	0.48 580	0.60 578	0.72 597	0.93 604	0.70 597	0.66 601	0.47 584	0.60 603	0.22 580	0.33 596	0.34 589	0.34 593	0.30 588	0.30 592
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 588	0.26 568	0.58 580	0.28 563	0.20 564	0.39 573	0.18 407	0.49 582	0.64 585	0.52 583	0.87 601	1.01 603	0.57 595	0.50 586	0.56 600	0.53 604	0.31 595	0.54 601	0.40 595	0.33 593	0.34 596

LE_ROB	0.50 589	0.07 174	0.14 307	0.15 90	0.08 151	0.24 502	0.16 322	0.22 317	1.81 624	4.63 628	0.67 586	0.47 575	0.44 583	0.20 454	0.29 551	0.07 276	0.06 346	0.06 129	0.06 216	0.08 364	0.06 241

BEATNet-Init1	0.52 590	0.27 571	0.62 584	0.30 573	0.21 568	0.76 604	0.29 569	0.54 592	0.65 588	0.86 606	0.95 606	2.07 624	0.62 600	0.56 597	0.42 588	0.18 564	0.18 567	0.23 570	0.22 572	0.22 571	0.21 575

anonymity	0.53 591	0.58 597	0.65 586	0.41 588	0.61 608	0.53 584	0.41 592	0.56 594	0.41 518	0.55 587	0.50 565	0.49 578	0.55 593	0.58 598	0.50 598	0.58 607	0.50 610	0.51 597	0.51 604	0.51 597	0.57 606

RainbowNet	0.54 592	0.61 599	0.70 600	0.57 598	0.43 595	0.65 593	0.37 590	0.60 598	0.87 604	0.50 582	0.66 585	0.64 590	0.47 585	0.49 585	0.43 591	0.47 601	0.48 606	0.52 599	0.41 596	0.52 598	0.40 601

SGM+DAISY	0.56 593	0.57 596	0.65 586	0.40 586	0.54 600	0.66 595	0.49 599	0.56 594	0.45 542	0.66 591	0.69 588	0.67 594	0.56 594	0.63 600	0.56 600	0.59 608	0.48 606	0.50 596	0.50 603	0.52 598	0.58 607

SPS-STEREO	0.57 594	0.58 597	0.65 586	0.45 591	0.55 602	0.62 591	0.44 598	0.62 599	0.50 555	0.68 593	0.64 583	0.66 593	0.57 595	0.61 599	0.60 603	0.62 610	0.47 605	0.51 597	0.49 601	0.55 602	0.58 607
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 595	0.66 603	0.65 586	0.51 595	0.69 612	0.69 596	0.57 605	0.64 600	0.73 598	0.60 589	0.73 592	0.62 589	0.67 602	0.65 601	0.60 603	0.66 612	0.58 619	0.63 602	0.59 607	0.68 609	0.69 616

IMH-64-1	0.65 596	0.61 599	0.68 594	0.71 601	0.51 598	0.59 588	0.49 599	0.91 608	0.85 602	0.74 601	1.02 608	0.81 599	0.78 606	0.79 605	0.49 595	0.42 596	0.46 601	0.71 604	0.47 599	0.52 598	0.39 599

IMH-64	0.65 596	0.61 599	0.68 594	0.71 601	0.51 598	0.59 588	0.49 599	0.91 608	0.85 602	0.74 601	1.02 608	0.81 599	0.78 606	0.79 605	0.49 595	0.42 596	0.46 601	0.71 604	0.47 599	0.52 598	0.39 599

ACVNet_2	0.66 598	0.66 603	0.68 594	0.63 599	0.41 593	0.71 598	0.49 599	0.96 612	1.39 617	0.89 607	1.09 611	1.04 604	0.73 604	0.54 595	0.47 593	0.43 598	0.40 599	0.53 600	0.44 598	0.47 596	0.35 598

JetBlue	0.71 599	0.45 593	1.14 612	0.51 595	0.47 597	2.02 622	0.64 609	0.75 603	0.70 592	0.69 594	0.77 597	1.22 610	0.83 608	1.03 620	1.01 619	0.40 595	0.28 590	0.33 588	0.33 591	0.30 588	0.34 596

IMH	0.71 599	0.64 602	0.68 594	0.76 603	0.54 600	0.69 596	0.54 603	0.98 614	1.10 610	0.82 605	1.09 611	0.89 601	0.88 611	0.87 613	0.52 599	0.44 599	0.50 610	0.75 607	0.51 604	0.56 603	0.41 602

PWCK	0.71 599	0.94 614	0.95 609	0.76 603	0.31 589	0.74 600	0.36 587	0.90 607	0.90 605	0.96 610	0.75 596	0.95 602	0.61 598	0.87 613	0.66 606	0.72 613	0.46 601	0.75 607	0.49 601	0.69 611	0.44 603

MADNet+	0.75 602	0.71 605	3.70 624	0.66 600	0.41 593	0.98 612	0.97 620	0.69 602	0.73 598	0.52 583	0.57 579	0.64 590	0.68 603	0.86 612	1.01 619	0.34 593	0.36 598	0.28 583	0.23 576	0.36 594	0.31 593

TorneroNet-64	0.76 603	0.72 606	0.74 601	0.78 605	0.58 606	0.91 611	0.56 604	0.84 606	1.29 614	0.66 591	0.90 602	1.40 616	0.75 605	0.85 611	0.67 609	0.49 602	0.46 601	0.72 606	0.59 607	0.67 608	0.53 605

WAO-7	0.79 604	0.78 608	0.54 572	0.85 609	0.67 611	0.74 600	0.68 613	1.05 617	1.32 615	0.90 608	1.20 618	1.04 604	0.92 612	0.69 602	0.66 606	0.60 609	0.62 620	0.67 603	0.68 613	0.64 605	0.58 607

WAO-6	0.81 605	0.80 609	0.62 584	0.86 610	0.63 609	0.76 604	0.58 606	0.98 614	1.54 622	0.90 608	0.96 607	1.07 606	1.03 616	0.70 603	0.66 606	0.72 613	0.49 608	0.90 615	0.71 614	0.68 609	0.58 607

TorneroNet	0.82 606	0.74 607	0.81 606	0.84 608	0.63 609	0.99 613	0.63 607	0.96 612	1.16 611	0.80 604	1.11 613	1.36 615	0.86 610	0.93 616	0.80 614	0.56 605	0.49 608	0.78 612	0.66 612	0.73 614	0.63 615

LVE	0.83 607	0.85 612	0.85 607	0.80 606	0.56 603	1.04 617	0.65 610	1.05 617	1.47 620	0.96 610	1.22 619	1.10 607	0.85 609	0.83 608	0.71 611	0.49 602	0.55 616	0.76 610	0.60 609	0.65 606	0.59 612

Dean	0.87 608	0.86 613	0.79 604	0.81 607	0.56 603	0.90 608	0.63 607	1.15 623	1.73 623	1.15 618	1.15 616	1.31 613	0.99 615	0.81 607	0.81 615	0.57 606	0.56 617	0.77 611	0.64 610	0.66 607	0.58 607

WAO-8	0.91 609	0.81 610	0.65 586	0.94 613	0.69 612	0.90 608	0.67 611	1.07 620	1.83 625	1.06 615	1.45 621	1.30 611	1.07 617	0.84 609	0.78 612	0.74 615	0.53 613	0.86 613	0.75 615	0.69 611	0.62 613

Venus	0.91 609	0.81 610	0.65 586	0.94 613	0.69 612	0.90 608	0.67 611	1.07 620	1.83 625	1.06 615	1.45 621	1.30 611	1.07 617	0.84 609	0.78 612	0.74 615	0.53 613	0.86 613	0.75 615	0.69 611	0.62 613

UNDER WATER-64	0.95 611	0.94 614	1.43 616	0.87 611	0.56 603	1.18 620	0.87 617	0.77 604	0.94 606	1.04 613	0.85 600	1.58 621	1.21 622	0.94 617	0.96 617	0.87 619	0.57 618	1.03 619	0.88 620	0.78 615	0.73 617

UNDER WATER	0.97 612	0.97 616	1.42 615	0.99 615	0.70 615	1.12 619	0.84 616	0.80 605	1.08 609	1.01 612	0.90 602	1.55 620	1.22 623	1.03 620	1.00 618	0.78 617	0.53 613	1.02 618	0.87 619	0.80 616	0.74 618

notaker	0.97 612	1.11 617	0.98 610	1.13 618	0.81 616	0.73 599	0.68 613	0.93 610	1.16 611	1.18 620	1.18 617	1.41 617	1.16 621	1.08 622	0.69 610	0.81 618	0.64 621	1.17 621	0.79 617	0.98 618	0.80 620

ktn	1.01 614	1.21 619	0.80 605	1.23 620	0.86 618	1.01 615	0.87 617	0.94 611	1.39 617	1.04 613	1.12 614	1.15 608	1.07 617	0.94 617	0.59 602	1.28 625	0.71 622	1.38 625	0.83 618	1.02 620	0.75 619

KSHMR	1.09 615	1.17 618	0.88 608	1.25 621	1.00 620	0.99 613	0.96 619	1.13 622	1.37 616	1.16 619	1.29 620	1.41 617	0.96 614	1.01 619	0.92 616	1.03 622	1.08 624	1.20 622	1.03 623	1.01 619	0.97 622

DPSimNet_ROB	1.11 616	1.23 620	0.78 602	1.13 618	0.88 619	1.10 618	1.13 621	1.16 624	1.23 613	1.43 622	1.02 608	1.41 617	1.10 620	0.90 615	1.60 621	1.46 626	0.51 612	1.21 623	1.03 623	0.90 617	1.01 624

HanzoNet	1.29 617	1.26 621	1.19 613	1.12 617	0.85 617	1.02 616	0.83 615	1.03 616	1.48 621	1.64 623	1.61 623	2.50 626	1.72 624	1.61 624	1.61 622	1.26 624	0.80 623	1.31 624	1.01 622	1.02 620	0.86 621

JetRed	1.62 618	1.46 622	2.98 619	0.92 612	1.21 621	4.99 625	1.53 625	1.27 625	1.39 617	1.83 624	1.74 624	1.60 622	0.95 613	1.41 623	2.45 626	0.90 621	1.60 626	0.93 616	0.90 621	1.35 622	0.99 623

MADNet++	1.95 619	1.75 623	1.59 617	1.82 623	1.69 623	2.33 623	1.40 624	2.35 627	2.09 627	2.57 627	2.36 626	2.24 625	2.17 625	2.28 625	2.34 624	1.87 627	1.66 627	1.54 626	1.34 626	1.92 624	1.77 627

coex-ft	3.30 620	0.34 585	59.09 649	0.18 330	0.13 486	0.26 523	0.22 499	0.27 415	0.72 594	1.90 625	0.70 590	0.44 566	0.45 584	0.29 533	0.41 587	0.09 404	0.09 479	0.12 501	0.09 427	0.14 527	0.13 520

ASD4	3.54 621	3.38 627	2.05 618	1.72 622	2.51 625	9.03 629	17.71 631	2.25 626	5.51 629	2.46 626	2.81 627	2.03 623	3.36 626	2.73 626	5.06 627	1.22 623	1.34 625	1.13 620	1.33 625	1.68 623	1.49 626

TCMNet-wrong-test	3.67 622	5.48 635	3.89 625	12.18 635	11.75 636	4.65 624	3.88 626	1.06 619	0.72 594	1.09 617	2.15 625	6.30 631	0.53 589	3.43 628	2.36 625	0.89 620	0.20 573	1.87 628	1.69 627	5.57 632	3.62 633

tt	4.67 623	0.06 81	3.55 623	2.02 624	1.55 622	10.25 630	16.71 630	8.91 636	5.03 628	1.31 621	0.94 605	4.71 627	4.76 627	3.33 627	5.87 629	6.06 635	10.30 639	1.88 629	2.11 629	2.75 626	1.21 625

USTest	6.22 624	2.73 626	3.00 620	6.57 631	7.29 630	14.37 632	21.57 632	7.00 635	9.56 634	5.34 631	6.10 628	5.72 630	7.64 630	6.41 632	6.96 630	1.97 628	3.42 633	1.64 627	2.15 630	2.66 625	2.36 628

xxxxx1	7.79 625	5.02 632	7.31 628	3.12 625	3.85 626	16.35 634	22.88 633	5.86 632	8.69 631	7.97 632	8.54 629	9.12 634	8.27 631	10.18 634	10.92 631	2.42 629	2.45 629	3.56 632	12.37 636	3.77 627	3.06 630

tt_ll	7.79 625	5.02 632	7.31 628	3.12 625	3.85 626	16.35 634	22.88 633	5.86 632	8.69 631	7.97 632	8.54 629	9.12 634	8.27 631	10.18 634	10.92 631	2.42 629	2.45 629	3.56 632	12.37 636	3.77 627	3.06 630

ff	7.79 625	5.02 632	7.31 628	3.12 625	3.85 626	16.35 634	22.88 633	5.86 632	8.69 631	7.97 632	8.54 629	9.12 634	8.27 631	10.18 634	10.92 631	2.42 629	2.45 629	3.56 632	12.37 636	3.77 627	3.06 630

EDNetEfficientorigin	7.91 628	0.31 581	153.02 650	0.19 390	0.09 272	0.21 473	0.16 322	0.22 317	0.59 574	0.72 597	0.67 586	0.42 560	0.50 588	0.24 504	0.39 581	0.08 345	0.07 418	0.08 321	0.07 310	0.12 496	0.10 459

DPSMNet_ROB	8.06 629	4.48 628	8.63 634	5.37 630	10.74 633	8.32 627	22.98 637	5.46 629	13.36 637	5.12 629	9.92 632	5.08 628	10.40 634	5.53 631	12.58 634	3.80 633	8.00 634	3.50 630	7.02 633	3.83 630	7.14 635

DGTPSM_ROB	8.06 629	4.48 628	8.63 634	5.35 628	10.72 632	8.32 627	22.97 636	5.46 629	13.35 636	5.12 629	9.92 632	5.08 628	10.40 634	5.52 630	12.58 634	3.79 632	8.00 634	3.50 630	7.02 633	3.83 630	7.14 635

PML	8.91 631	9.34 639	6.13 626	5.35 628	6.41 629	14.99 633	23.38 638	5.27 628	6.83 630	18.04 642	28.19 650	7.67 632	6.83 629	7.85 633	5.75 628	5.35 634	1.83 628	5.95 638	1.93 628	8.64 635	2.52 629

DLNR_Zeroshot_test	10.40 632	1.82 624	19.49 644	120.77 651	13.11 638	0.06 11	0.13 125	0.23 337	0.10 48	0.07 48	0.10 142	0.09 159	0.06 47	0.10 83	0.09 66	0.13 523	0.04 24	0.06 129	0.04 44	51.54 650	0.04 50

DLNR-FE	10.43 633	1.83 625	19.53 645	120.75 650	13.06 637	0.06 11	0.13 125	0.23 337	0.10 48	0.07 48	0.10 142	0.09 159	0.06 47	0.10 83	0.09 66	0.13 523	0.04 24	0.06 129	0.04 44	52.01 651	0.04 50

LRCNet_RVC	10.62 634	13.42 640	7.30 627	18.92 639	2.07 624	0.33 556	0.30 576	5.59 631	0.48 545	13.03 638	17.94 638	8.87 633	5.65 628	4.79 629	1.89 623	23.51 647	2.73 632	27.55 650	25.71 650	16.07 644	16.33 646

Anonymous_1	10.96 635	7.92 636	7.46 631	10.33 632	10.06 631	18.65 638	26.34 639	11.06 639	13.44 638	9.40 635	10.05 634	9.67 637	11.23 636	10.73 637	12.72 636	6.42 636	8.38 636	5.77 635	10.61 635	12.12 636	6.77 634

DPSM_ROB	11.15 636	8.58 637	8.00 632	10.88 633	11.58 634	19.10 639	26.71 640	12.05 640	14.07 641	10.36 636	10.84 635	10.33 638	11.86 637	11.70 638	13.54 637	6.99 637	8.79 637	5.89 636	6.95 631	7.29 633	7.42 637

DPSM	11.15 636	8.58 637	8.00 632	10.88 633	11.58 634	19.10 639	26.71 640	12.05 640	14.07 641	10.36 636	10.84 635	10.33 638	11.86 637	11.70 638	13.54 637	6.99 637	8.79 637	5.89 636	6.95 631	7.29 633	7.42 637

HaxPig	15.71 638	18.52 648	19.18 643	16.89 638	15.89 639	7.73 626	7.60 627	13.31 642	10.82 635	15.42 639	14.91 637	15.98 640	14.92 639	15.58 640	15.98 639	18.95 646	16.73 640	19.46 646	18.08 646	19.26 645	19.05 649

RSGM-EC	20.36 639	4.73 630	0.68 594	16.76 636	16.92 640	21.28 641	27.18 642	10.46 637	14.04 639	18.00 640	21.31 641	22.24 649	21.82 641	22.57 642	17.63 640	62.81 650	33.79 650	20.14 647	18.10 647	20.18 646	16.45 647

acva	20.36 639	4.73 630	0.68 594	16.76 636	16.92 640	21.28 641	27.18 642	10.46 637	14.04 639	18.00 640	21.31 641	22.24 649	21.82 641	22.57 642	17.63 640	62.81 650	33.79 650	20.14 647	18.10 647	20.18 646	16.45 647

MEDIAN_ROB	20.38 641	24.04 649	23.31 646	21.23 640	21.71 642	10.40 631	7.92 628	17.64 643	15.50 643	20.12 643	19.70 639	20.34 641	20.32 640	21.19 641	21.13 642	23.81 648	21.81 648	24.98 649	23.76 649	24.71 648	23.93 650

CasAABBNet	22.42 642	17.33 642	16.01 638	22.01 642	23.28 644	38.32 643	53.80 646	24.14 647	28.41 648	20.60 645	21.77 645	20.89 647	23.91 645	23.43 646	27.36 645	14.07 640	17.69 642	11.83 641	14.01 640	14.67 639	14.95 642

RAFT-FEzeroshot	22.43 643	17.33 642	15.98 636	22.02 643	23.31 646	38.34 644	53.82 648	24.05 645	28.39 646	20.61 646	21.76 643	20.88 644	23.92 647	23.41 644	27.42 647	14.07 640	17.69 642	11.83 641	14.02 641	14.69 640	14.97 643

RAFT-FE	22.43 643	17.33 642	15.98 636	22.02 643	23.31 646	38.34 644	53.82 648	24.05 645	28.39 646	20.61 646	21.76 643	20.88 644	23.92 647	23.41 644	27.42 647	14.07 640	17.69 642	11.83 641	14.02 641	14.69 640	14.97 643

FlowAnything	22.44 645	17.35 645	16.14 640	22.07 646	23.23 643	38.39 647	53.77 645	24.25 648	28.44 649	20.96 650	21.82 647	20.70 642	23.84 643	23.49 648	27.14 644	14.04 639	17.79 647	11.75 639	14.15 645	14.65 637	14.89 639

Hybrid-DGEV	22.47 646	17.40 647	16.14 640	22.00 641	23.29 645	38.36 646	53.80 646	24.43 651	28.63 651	20.59 644	21.81 646	20.88 644	23.91 645	23.45 647	27.42 647	14.08 643	17.69 642	11.83 641	14.06 644	14.65 637	14.93 641

Selective-RAFT-Error	22.47 646	17.37 646	16.09 639	22.06 645	23.34 648	38.39 647	53.83 650	24.29 650	28.47 650	20.74 648	21.83 648	20.81 643	23.90 644	23.54 650	27.53 650	14.08 643	17.69 642	11.82 640	14.00 639	14.69 640	15.00 645

LSM0	22.87 648	17.28 641	18.96 642	22.19 647	29.04 650	38.42 649	53.71 644	24.28 649	28.31 645	20.78 649	21.00 640	21.43 648	24.16 649	23.50 649	27.39 646	14.09 645	17.38 641	11.84 645	14.04 643	14.73 643	14.89 639

AVERAGE_ROB	24.90 649	29.20 650	28.14 647	24.89 648	24.64 649	17.75 637	11.12 629	21.45 644	19.93 644	25.12 651	24.46 649	25.12 651	25.46 650	24.69 651	22.83 643	29.76 649	27.13 649	28.97 651	27.95 651	29.91 649	29.47 651

test_example2	98.32 650	94.13 651	45.89 648	96.35 649	109.85 651	88.61 650	95.45 651	25.75 652	94.37 652	130.00 653	126.06 652	58.17 652	74.63 651	88.51 652	79.96 651	150.23 652	221.02 652	77.62 652	99.10 652	113.75 652	96.94 652

ccccc	245.47 651	285.66 652	306.18 651	368.85 652	370.60 652	123.16 651	145.33 652	115.05 653	110.08 653	126.68 652	110.87 651	122.83 653	165.88 652	252.94 653	276.56 652	384.56 653	353.86 653	254.69 653	223.00 653	425.87 653	386.83 653

GS-Stereo							0.14 178	0.11 37	0.12 105	0.08 87	0.10 142	0.05 3	0.05 13	0.11 135	0.08 17	0.06 127	0.04 24	0.05 34	0.04 44	0.05 122	0.05 149

FADE		0.33 583		0.33 578	0.25 581			0.64 600	1.07 608	0.43 574		0.42 560		0.70 603		0.30 589	0.21 585	0.41 593	0.38 594	0.23 572	0.22 577

Low-res two-view benchmark