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

FS-TRT-Baseline	0.06 1	0.04 1	0.09 86	0.13 14	0.05 1	0.08 59	0.04 1	0.06 1	0.04 2	0.07 46	0.05 7	0.07 78	0.06 45	0.09 39	0.10 140	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49
1853532: FS-TRT-Baseline: No-Enhancement Baseline for ETH3D Low-Res Two-View. Technical report (online)
FS-TRT-Harmonizegood	0.06 1	0.04 1	0.09 86	0.13 14	0.05 1	0.08 59	0.04 1	0.06 1	0.04 2	0.07 46	0.05 7	0.07 78	0.06 45	0.09 39	0.10 140	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49
1853532: FS-TRT-Harmonize: Photometric Harmonization for ETH3D Low-Res Two-View. Technical report (online)
FoundationStereo	0.06 1	0.04 1	0.08 38	0.12 5	0.05 1	0.09 97	0.13 124	0.06 1	0.09 30	0.05 2	0.05 7	0.06 22	0.04 1	0.06 1	0.07 1	0.06 131	0.04 24	0.05 34	0.03 1	0.05 121	0.04 49

S2M2_XL	0.08 57	0.06 76	0.12 215	0.12 5	0.08 146	0.09 97	0.09 20	0.07 4	0.07 12	0.08 85	0.07 48	0.07 78	0.06 45	0.09 39	0.09 61	0.08 338	0.06 343	0.07 229	0.05 133	0.08 357	0.06 234
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
DEFOM-Stereo	0.07 6	0.05 27	0.07 8	0.14 43	0.06 18	0.10 149	0.13 124	0.07 4	0.13 140	0.06 13	0.07 48	0.06 22	0.05 12	0.10 82	0.09 61	0.04 11	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo_test3	0.07 6	0.05 27	0.10 133	0.14 43	0.06 18	0.07 33	0.11 56	0.08 6	0.06 6	0.06 13	0.04 1	0.06 22	0.06 45	0.07 4	0.10 140	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.06 234

MLG-Stereo_test1	0.06 1	0.05 27	0.08 38	0.17 242	0.05 1	0.06 11	0.11 56	0.08 6	0.03 1	0.05 2	0.04 1	0.06 22	0.05 12	0.09 39	0.09 61	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo	0.07 6	0.05 27	0.08 38	0.17 242	0.05 1	0.07 33	0.11 56	0.08 6	0.04 2	0.05 2	0.04 1	0.06 22	0.05 12	0.10 82	0.09 61	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

LG-G_1	0.07 6	0.04 1	0.11 179	0.15 86	0.06 18	0.09 97	0.08 9	0.08 6	0.06 6	0.06 13	0.05 7	0.07 78	0.07 127	0.11 132	0.08 17	0.07 274	0.04 24	0.05 34	0.04 48	0.05 121	0.05 146

LG-G	0.07 6	0.04 1	0.11 179	0.15 86	0.06 18	0.09 97	0.08 9	0.08 6	0.06 6	0.06 13	0.05 7	0.07 78	0.07 127	0.11 132	0.08 17	0.07 274	0.04 24	0.05 34	0.04 48	0.05 121	0.05 146

LGtest1	0.07 6	0.04 1	0.10 133	0.15 86	0.06 18	0.07 33	0.09 20	0.08 6	0.06 6	0.05 2	0.04 1	0.06 22	0.06 45	0.10 82	0.09 61	0.07 274	0.04 24	0.05 34	0.04 48	0.06 224	0.06 234

StereoAnything_RVC	0.07 6	0.15 502	0.17 413	0.11 1	0.05 1	0.05 4	0.11 56	0.08 6	0.08 17	0.06 13	0.06 16	0.05 2	0.05 12	0.09 39	0.08 17	0.08 338	0.04 24	0.05 34	0.03 1	0.05 121	0.04 49

BridgeDepth	0.07 6	0.07 169	0.08 38	0.18 325	0.06 18	0.07 33	0.11 56	0.09 13	0.06 6	0.04 1	0.07 48	0.10 186	0.09 200	0.08 18	0.08 17	0.04 11	0.03 1	0.04 1	0.04 48	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
DDF-Stereo	0.08 57	0.04 1	0.09 86	0.15 86	0.10 372	0.06 11	0.13 124	0.09 13	0.14 165	0.06 13	0.06 16	0.07 78	0.06 45	0.09 39	0.10 140	0.06 131	0.04 24	0.06 127	0.04 48	0.08 357	0.05 146

zero-FE	0.08 57	0.04 1	0.09 86	0.15 86	0.10 372	0.05 4	0.14 179	0.09 13	0.14 165	0.07 46	0.06 16	0.07 78	0.06 45	0.09 39	0.10 140	0.06 131	0.04 24	0.06 127	0.04 48	0.08 357	0.05 146

AdaDepth	0.07 6	0.06 76	0.07 8	0.18 325	0.06 18	0.11 196	0.12 76	0.09 13	0.07 12	0.06 13	0.05 7	0.07 78	0.06 45	0.09 39	0.10 140	0.04 11	0.05 211	0.05 34	0.04 48	0.04 21	0.04 49

LG-Stereo_L2	0.07 6	0.05 27	0.10 133	0.14 43	0.06 18	0.07 33	0.12 76	0.09 13	0.09 30	0.06 13	0.04 1	0.05 2	0.05 12	0.08 18	0.08 17	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

LG-Stereo_L1	0.07 6	0.05 27	0.11 179	0.14 43	0.06 18	0.07 33	0.13 124	0.09 13	0.07 12	0.05 2	0.04 1	0.05 2	0.04 1	0.08 18	0.07 1	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo_test2	0.06 1	0.04 1	0.10 133	0.15 86	0.05 1	0.07 33	0.11 56	0.09 13	0.04 2	0.06 13	0.05 7	0.06 22	0.04 1	0.08 18	0.09 61	0.06 131	0.04 24	0.05 34	0.03 1	0.05 121	0.05 146

GREAT-IGEV	0.07 6	0.06 76	0.08 38	0.13 14	0.07 86	0.07 33	0.14 179	0.09 13	0.09 30	0.06 13	0.07 48	0.06 22	0.05 12	0.10 82	0.07 1	0.05 35	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

AIO_rvc	0.07 6	0.06 76	0.08 38	0.15 86	0.06 18	0.08 59	0.14 179	0.09 13	0.08 17	0.07 46	0.08 90	0.07 78	0.04 1	0.10 82	0.08 17	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

LCMNet	0.08 57	0.05 27	0.10 133	0.13 14	0.07 86	0.09 97	0.12 76	0.10 22	0.11 75	0.06 13	0.08 90	0.06 22	0.07 127	0.11 132	0.10 140	0.06 131	0.05 211	0.04 1	0.03 1	0.04 21	0.04 49

GEAStereo	0.08 57	0.05 27	0.08 38	0.13 14	0.08 146	0.08 59	0.14 179	0.10 22	0.09 30	0.08 85	0.10 144	0.06 22	0.05 12	0.11 132	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.05 146

gasm-f	0.08 57	0.05 27	0.07 8	0.13 14	0.08 146	0.08 59	0.14 179	0.10 22	0.09 30	0.08 85	0.10 144	0.06 22	0.05 12	0.10 82	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.06 224	0.05 146

Wavelet-MonSter	0.07 6	0.05 27	0.07 8	0.16 166	0.06 18	0.07 33	0.11 56	0.10 22	0.08 17	0.06 13	0.06 16	0.07 78	0.07 127	0.09 39	0.09 61	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

2.25w	0.07 6	0.06 76	0.07 8	0.14 43	0.06 18	0.08 59	0.08 9	0.10 22	0.15 185	0.08 85	0.10 144	0.07 78	0.06 45	0.08 18	0.10 140	0.05 35	0.03 1	0.04 1	0.04 48	0.03 1	0.04 49

2.5w	0.07 6	0.07 169	0.07 8	0.16 166	0.06 18	0.08 59	0.12 76	0.10 22	0.10 47	0.07 46	0.06 16	0.09 152	0.06 45	0.08 18	0.09 61	0.04 11	0.03 1	0.04 1	0.04 48	0.03 1	0.03 2

LG-Stereo_Zeroshot	0.07 6	0.06 76	0.10 133	0.16 166	0.07 86	0.04 1	0.13 124	0.10 22	0.10 47	0.05 2	0.11 182	0.07 78	0.05 12	0.07 4	0.09 61	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

S2M2_L	0.09 106	0.08 270	0.11 179	0.13 14	0.10 372	0.08 59	0.06 3	0.10 22	0.10 47	0.10 159	0.09 113	0.10 186	0.09 200	0.11 132	0.11 215	0.13 515	0.07 418	0.08 314	0.09 422	0.10 452	0.08 381
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
SCV	0.08 57	0.09 346	0.08 38	0.15 86	0.08 146	0.10 149	0.13 124	0.10 22	0.12 105	0.07 46	0.07 48	0.06 22	0.04 1	0.09 39	0.08 17	0.05 35	0.04 24	0.06 127	0.04 48	0.06 224	0.04 49

DEFOM-Stereo_RVC	0.08 57	0.06 76	0.09 86	0.22 491	0.06 18	0.08 59	0.12 76	0.10 22	0.10 47	0.07 46	0.07 48	0.06 22	0.05 12	0.11 132	0.09 61	0.06 131	0.04 24	0.05 34	0.03 1	0.06 224	0.04 49

AIO_test	0.07 6	0.05 27	0.07 8	0.15 86	0.07 86	0.06 11	0.14 179	0.10 22	0.10 47	0.07 46	0.07 48	0.06 22	0.05 12	0.08 18	0.10 140	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

IGEV-RUCA	0.08 57	0.06 76	0.11 179	0.14 43	0.09 269	0.10 149	0.12 76	0.10 22	0.12 105	0.06 13	0.07 48	0.07 78	0.06 45	0.09 39	0.08 17	0.06 131	0.05 211	0.05 34	0.04 48	0.05 121	0.06 234

IGEV-BASED-STEREO-	0.09 106	0.10 407	0.31 521	0.15 86	0.06 18	0.08 59	0.14 179	0.10 22	0.10 47	0.07 46	0.07 48	0.06 22	0.04 1	0.11 132	0.07 1	0.12 492	0.04 24	0.07 229	0.05 133	0.05 121	0.05 146

IGEV-Stereo+	0.07 6	0.04 1	0.08 38	0.15 86	0.06 18	0.04 1	0.09 20	0.10 22	0.09 30	0.06 13	0.06 16	0.06 22	0.06 45	0.06 1	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.06 224	0.06 234

IGEV++	0.08 57	0.06 76	0.08 38	0.18 325	0.07 86	0.09 97	0.13 124	0.10 22	0.09 30	0.08 85	0.08 90	0.06 22	0.06 45	0.13 270	0.09 61	0.05 35	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

VIP-Stereo	0.07 6	0.07 169	0.07 8	0.15 86	0.06 18	0.12 239	0.10 33	0.11 37	0.11 75	0.06 13	0.07 48	0.06 22	0.05 12	0.10 82	0.08 17	0.05 35	0.04 24	0.05 34	0.03 1	0.03 1	0.02 1

GSStereo	0.08 57	0.05 27	0.08 38	0.13 14	0.08 146	0.08 59	0.14 179	0.11 37	0.12 105	0.08 85	0.10 144	0.05 2	0.05 12	0.11 132	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.05 146

GS-Stereo							0.14 179	0.11 37	0.12 105	0.08 85	0.10 144	0.05 2	0.05 12	0.11 132	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.05 146

Zero-FE251	0.07 6	0.05 27	0.09 86	0.13 14	0.06 18	0.12 239	0.12 76	0.11 37	0.10 47	0.07 46	0.08 90	0.06 22	0.06 45	0.09 39	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.04 49

Monster-pub-mixall	0.07 6	0.04 1	0.09 86	0.13 14	0.06 18	0.05 4	0.09 20	0.11 37	0.07 12	0.06 13	0.06 16	0.05 2	0.06 45	0.09 39	0.09 61	0.06 131	0.04 24	0.04 1	0.03 1	0.05 121	0.05 146

asd	0.07 6	0.08 270	0.07 8	0.16 166	0.07 86	0.08 59	0.08 9	0.11 37	0.08 17	0.07 46	0.07 48	0.06 22	0.06 45	0.10 82	0.09 61	0.03 1	0.03 1	0.04 1	0.04 48	0.04 21	0.03 2

111111	0.07 6	0.04 1	0.09 86	0.17 242	0.06 18	0.05 4	0.10 33	0.11 37	0.09 30	0.06 13	0.06 16	0.07 78	0.05 12	0.09 39	0.09 61	0.06 131	0.04 24	0.05 34	0.04 48	0.07 294	0.06 234

LG-Stereo	0.08 57	0.07 169	0.10 133	0.18 325	0.07 86	0.10 149	0.17 357	0.11 37	0.08 17	0.05 2	0.07 48	0.05 2	0.07 127	0.09 39	0.09 61	0.04 11	0.05 211	0.07 229	0.07 305	0.04 21	0.04 49

SGD-Stereo	0.08 57	0.05 27	0.10 133	0.14 43	0.05 1	0.12 239	0.12 76	0.11 37	0.12 105	0.07 46	0.09 113	0.09 152	0.09 200	0.08 18	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.03 2

SCV_C0	0.08 57	0.07 169	0.07 8	0.16 166	0.09 269	0.08 59	0.15 251	0.11 37	0.12 105	0.08 85	0.07 48	0.06 22	0.05 12	0.11 132	0.07 1	0.05 35	0.05 211	0.05 34	0.04 48	0.06 224	0.05 146

castereo++	0.08 57	0.05 27	0.08 38	0.15 86	0.05 1	0.14 315	0.12 76	0.11 37	0.15 185	0.07 46	0.07 48	0.07 78	0.06 45	0.08 18	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

SMoEStereo_RVC	0.08 57	0.06 76	0.12 215	0.16 166	0.07 86	0.09 97	0.14 179	0.11 37	0.13 140	0.09 124	0.07 48	0.07 78	0.07 127	0.12 224	0.10 140	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

ours_stereo	0.09 106	0.07 169	0.09 86	0.17 242	0.08 146	0.11 196	0.16 319	0.11 37	0.12 105	0.08 85	0.10 144	0.08 127	0.06 45	0.12 224	0.12 271	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.03 2

IGEV-Stereo++	0.07 6	0.06 76	0.08 38	0.18 325	0.06 18	0.04 1	0.10 33	0.11 37	0.11 75	0.06 13	0.07 48	0.07 78	0.06 45	0.09 39	0.09 61	0.05 35	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

RSM++	0.08 57	0.06 76	0.09 86	0.17 242	0.07 86	0.09 97	0.12 76	0.11 37	0.11 75	0.08 85	0.06 16	0.07 78	0.05 12	0.10 82	0.09 61	0.04 11	0.04 24	0.06 127	0.05 133	0.05 121	0.03 2

gcap-zeroshot	0.09 106	0.05 27	0.10 133	0.16 166	0.07 86	0.13 283	0.13 124	0.11 37	0.12 105	0.13 257	0.12 196	0.09 152	0.08 167	0.09 39	0.09 61	0.06 131	0.05 211	0.06 127	0.05 133	0.04 21	0.04 49

MoCha-V2	0.08 57	0.05 27	0.10 133	0.20 445	0.07 86	0.09 97	0.14 179	0.11 37	0.08 17	0.07 46	0.08 90	0.07 78	0.06 45	0.09 39	0.08 17	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.04 49

LoS_RVC	0.08 57	0.05 27	0.07 8	0.15 86	0.07 86	0.08 59	0.15 251	0.11 37	0.10 47	0.08 85	0.09 113	0.06 22	0.09 200	0.10 82	0.09 61	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

CES	0.08 57	0.04 1	0.08 38	0.14 43	0.07 86	0.09 97	0.14 179	0.11 37	0.09 30	0.08 85	0.09 113	0.11 212	0.06 45	0.12 224	0.08 17	0.06 131	0.04 24	0.05 34	0.03 1	0.05 121	0.05 146

EGLCR-Stereo	0.08 57	0.05 27	0.08 38	0.14 43	0.06 18	0.10 149	0.12 76	0.11 37	0.16 214	0.06 13	0.05 7	0.07 78	0.05 12	0.10 82	0.11 215	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

MatchStereo	0.07 6	0.04 1	0.08 38	0.14 43	0.06 18	0.05 4	0.12 76	0.12 57	0.09 30	0.07 46	0.06 16	0.04 1	0.04 1	0.08 18	0.09 61	0.06 131	0.05 211	0.05 34	0.03 1	0.04 21	0.04 49

HiDET	0.08 57	0.04 1	0.10 133	0.13 14	0.06 18	0.08 59	0.12 76	0.12 57	0.11 75	0.06 13	0.07 48	0.07 78	0.07 127	0.11 132	0.11 215	0.06 131	0.04 24	0.04 1	0.03 1	0.04 21	0.04 49

4w-stereo	0.07 6	0.08 270	0.08 38	0.16 166	0.06 18	0.07 33	0.08 9	0.12 57	0.08 17	0.07 46	0.07 48	0.05 2	0.06 45	0.09 39	0.10 140	0.03 1	0.03 1	0.04 1	0.04 48	0.04 21	0.03 2

3.25w_new	0.07 6	0.06 76	0.07 8	0.15 86	0.06 18	0.10 149	0.07 5	0.12 57	0.11 75	0.08 85	0.06 16	0.07 78	0.06 45	0.11 132	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 6	0.06 76	0.07 8	0.15 86	0.06 18	0.10 149	0.07 5	0.12 57	0.11 75	0.08 85	0.06 16	0.07 78	0.06 45	0.11 132	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

monsters	0.07 6	0.06 76	0.06 4	0.15 86	0.06 18	0.08 59	0.09 20	0.12 57	0.08 17	0.09 124	0.07 48	0.06 22	0.06 45	0.08 18	0.08 17	0.05 35	0.04 24	0.04 1	0.04 48	0.03 1	0.03 2

fffft	0.09 106	0.06 76	0.12 215	0.16 166	0.07 86	0.09 97	0.17 357	0.12 57	0.11 75	0.08 85	0.07 48	0.09 152	0.06 45	0.11 132	0.12 271	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.05 146
1: 1. 1
mms	0.09 106	0.07 169	0.08 38	0.16 166	0.08 146	0.10 149	0.16 319	0.12 57	0.11 75	0.08 85	0.09 113	0.08 127	0.06 45	0.11 132	0.12 271	0.05 35	0.04 24	0.07 229	0.05 133	0.04 21	0.03 2

dual_stereo	0.07 6	0.04 1	0.08 38	0.15 86	0.05 1	0.05 4	0.13 124	0.12 57	0.08 17	0.07 46	0.06 16	0.05 2	0.05 12	0.07 4	0.09 61	0.06 131	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

U	0.08 57	0.07 169	0.09 86	0.19 386	0.10 372	0.10 149	0.13 124	0.12 57	0.17 237	0.07 46	0.07 48	0.06 22	0.05 12	0.07 4	0.08 17	0.06 131	0.04 24	0.06 127	0.04 48	0.06 224	0.05 146

RSM	0.08 57	0.06 76	0.09 86	0.17 242	0.06 18	0.08 59	0.12 76	0.12 57	0.10 47	0.08 85	0.07 48	0.06 22	0.05 12	0.11 132	0.09 61	0.04 11	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

test_for_model	0.09 106	0.12 451	0.14 297	0.23 512	0.11 424	0.08 59	0.13 124	0.12 57	0.12 105	0.10 159	0.07 48	0.07 78	0.06 45	0.11 132	0.10 140	0.06 131	0.05 211	0.05 34	0.03 1	0.07 294	0.04 49

MGS-Stereo	0.09 106	0.07 169	0.12 215	0.15 86	0.08 146	0.09 97	0.15 251	0.12 57	0.12 105	0.07 46	0.10 144	0.08 127	0.06 45	0.10 82	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.06 224	0.05 146

UniTT-Stereo	0.09 106	0.07 169	0.08 38	0.18 325	0.08 146	0.13 283	0.11 56	0.12 57	0.11 75	0.10 159	0.12 196	0.05 2	0.07 127	0.09 39	0.09 61	0.07 274	0.05 211	0.05 34	0.05 133	0.05 121	0.05 146

CAS	0.08 57	0.04 1	0.07 8	0.17 242	0.08 146	0.10 149	0.13 124	0.12 57	0.09 30	0.09 124	0.10 144	0.08 127	0.06 45	0.09 39	0.08 17	0.08 338	0.04 24	0.05 34	0.03 1	0.05 121	0.04 49

MC-Stereo	0.08 57	0.06 76	0.09 86	0.17 242	0.06 18	0.10 149	0.14 179	0.12 57	0.10 47	0.09 124	0.12 196	0.09 152	0.06 45	0.11 132	0.10 140	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

test-3	0.08 57	0.06 76	0.09 86	0.17 242	0.07 86	0.07 33	0.14 179	0.12 57	0.15 185	0.09 124	0.08 90	0.07 78	0.08 167	0.11 132	0.10 140	0.05 35	0.04 24	0.07 229	0.05 133	0.04 21	0.04 49

test_1	0.08 57	0.06 76	0.09 86	0.17 242	0.07 86	0.07 33	0.14 179	0.12 57	0.15 185	0.09 124	0.08 90	0.07 78	0.08 167	0.11 132	0.10 140	0.05 35	0.04 24	0.07 229	0.05 133	0.04 21	0.04 49

MS-F	0.08 57	0.04 1	0.10 133	0.13 14	0.06 18	0.09 97	0.12 76	0.13 75	0.08 17	0.06 13	0.07 48	0.06 22	0.08 167	0.10 82	0.11 215	0.06 131	0.05 211	0.04 1	0.03 1	0.04 21	0.04 49

252Zero-FE	0.08 57	0.04 1	0.09 86	0.13 14	0.07 86	0.12 239	0.11 56	0.13 75	0.14 165	0.06 13	0.05 7	0.06 22	0.05 12	0.09 39	0.10 140	0.06 131	0.04 24	0.04 1	0.03 1	0.05 121	0.06 234

DA	0.08 57	0.07 169	0.07 8	0.19 386	0.08 146	0.09 97	0.12 76	0.13 75	0.12 105	0.08 85	0.10 144	0.10 186	0.08 167	0.09 39	0.10 140	0.05 35	0.04 24	0.06 127	0.04 48	0.05 121	0.03 2

Replicate-Monster	0.07 6	0.05 27	0.09 86	0.14 43	0.06 18	0.08 59	0.09 20	0.13 75	0.13 140	0.05 2	0.07 48	0.06 22	0.06 45	0.08 18	0.10 140	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

GGEV	0.08 57	0.07 169	0.07 8	0.19 386	0.08 146	0.09 97	0.12 76	0.13 75	0.12 105	0.08 85	0.10 144	0.10 186	0.08 167	0.09 39	0.10 140	0.05 35	0.04 24	0.06 127	0.04 48	0.05 121	0.03 2

3.5w_stereo	0.07 6	0.07 169	0.07 8	0.15 86	0.07 86	0.09 97	0.06 3	0.13 75	0.11 75	0.07 46	0.07 48	0.06 22	0.07 127	0.10 82	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

HART	0.08 57	0.07 169	0.09 86	0.17 242	0.07 86	0.10 149	0.16 319	0.13 75	0.11 75	0.08 85	0.10 144	0.07 78	0.05 12	0.10 82	0.08 17	0.05 35	0.04 24	0.06 127	0.04 48	0.05 121	0.04 49

HUF	0.08 57	0.05 27	0.08 38	0.14 43	0.06 18	0.09 97	0.13 124	0.13 75	0.13 140	0.07 46	0.07 48	0.08 127	0.06 45	0.10 82	0.09 61	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

tt45	0.09 106	0.06 76	0.11 179	0.15 86	0.07 86	0.11 196	0.16 319	0.13 75	0.11 75	0.09 124	0.06 16	0.08 127	0.06 45	0.13 270	0.10 140	0.06 131	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

fffy	0.09 106	0.08 270	0.09 86	0.16 166	0.07 86	0.13 283	0.17 357	0.13 75	0.12 105	0.08 85	0.09 113	0.08 127	0.09 200	0.13 270	0.11 215	0.05 35	0.05 211	0.07 229	0.05 133	0.04 21	0.05 146

WCG-NET	0.08 57	0.05 27	0.09 86	0.15 86	0.06 18	0.11 196	0.14 179	0.13 75	0.13 140	0.06 13	0.09 113	0.07 78	0.06 45	0.13 270	0.08 17	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

Occ-G	0.08 57	0.05 27	0.06 4	0.14 43	0.07 86	0.08 59	0.14 179	0.13 75	0.15 185	0.07 46	0.11 182	0.07 78	0.05 12	0.09 39	0.10 140	0.06 131	0.05 211	0.05 34	0.04 48	0.05 121	0.05 146

trnet	0.08 57	0.05 27	0.07 8	0.12 5	0.05 1	0.12 239	0.11 56	0.13 75	0.10 47	0.08 85	0.13 210	0.09 152	0.08 167	0.11 132	0.10 140	0.08 338	0.05 211	0.05 34	0.03 1	0.06 224	0.05 146

testlalala_base	0.10 174	0.09 346	0.14 297	0.21 476	0.08 146	0.10 149	0.14 179	0.13 75	0.10 47	0.07 46	0.15 241	0.07 78	0.08 167	0.10 82	0.12 271	0.08 338	0.05 211	0.05 34	0.03 1	0.06 224	0.05 146

GCAP-Stereo	0.09 106	0.07 169	0.13 262	0.18 325	0.06 18	0.11 196	0.07 5	0.13 75	0.12 105	0.09 124	0.10 144	0.07 78	0.09 200	0.13 270	0.10 140	0.06 131	0.05 211	0.05 34	0.04 48	0.04 21	0.05 146

Selective-IGEV	0.07 6	0.06 76	0.08 38	0.17 242	0.06 18	0.08 59	0.12 76	0.13 75	0.07 12	0.08 85	0.07 48	0.06 22	0.04 1	0.10 82	0.09 61	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

GMOStereo	0.11 218	0.09 346	0.07 8	0.19 386	0.08 146	0.12 239	0.28 551	0.13 75	0.17 237	0.11 192	0.17 277	0.14 276	0.12 294	0.07 4	0.07 1	0.05 35	0.05 211	0.09 398	0.07 305	0.04 21	0.04 49

error version	0.11 218	0.09 346	0.07 8	0.19 386	0.08 146	0.12 239	0.28 551	0.13 75	0.17 237	0.11 192	0.17 277	0.14 276	0.12 294	0.07 4	0.07 1	0.05 35	0.05 211	0.09 398	0.07 305	0.04 21	0.04 49

test-v	0.11 218	0.09 346	0.07 8	0.19 386	0.08 146	0.12 239	0.28 551	0.13 75	0.17 237	0.11 192	0.17 277	0.14 276	0.12 294	0.07 4	0.07 1	0.05 35	0.05 211	0.09 398	0.07 305	0.04 21	0.04 49

test-2	0.11 218	0.09 346	0.07 8	0.19 386	0.08 146	0.12 239	0.28 551	0.13 75	0.17 237	0.11 192	0.17 277	0.14 276	0.12 294	0.07 4	0.07 1	0.05 35	0.05 211	0.09 398	0.07 305	0.04 21	0.04 49

cross-raft	0.10 174	0.09 346	0.09 86	0.19 386	0.07 86	0.11 196	0.25 529	0.13 75	0.15 185	0.08 85	0.11 182	0.12 231	0.10 236	0.09 39	0.11 215	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

BridgeDepth_RVC	0.07 6	0.04 1	0.09 86	0.11 1	0.05 1	0.10 149	0.10 33	0.14 96	0.09 30	0.06 13	0.07 48	0.06 22	0.07 127	0.07 4	0.10 140	0.06 131	0.04 24	0.04 1	0.04 48	0.04 21	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GASTEREO	0.08 57	0.05 27	0.09 86	0.19 386	0.07 86	0.07 33	0.12 76	0.14 96	0.11 75	0.10 159	0.09 113	0.07 78	0.04 1	0.12 224	0.08 17	0.06 131	0.05 211	0.05 34	0.04 48	0.04 21	0.05 146

MSCF	0.08 57	0.05 27	0.08 38	0.19 386	0.08 146	0.06 11	0.12 76	0.14 96	0.11 75	0.10 159	0.09 113	0.07 78	0.04 1	0.11 132	0.08 17	0.06 131	0.05 211	0.05 34	0.04 48	0.05 121	0.05 146

depthmonostereo	0.09 106	0.06 76	0.09 86	0.15 86	0.06 18	0.10 149	0.13 124	0.14 96	0.14 165	0.10 159	0.10 144	0.09 152	0.11 261	0.08 18	0.09 61	0.06 131	0.05 211	0.06 127	0.04 48	0.04 21	0.03 2

DilatedVolume-Stereo	0.09 106	0.05 27	0.08 38	0.15 86	0.06 18	0.11 196	0.12 76	0.14 96	0.16 214	0.11 192	0.11 182	0.09 152	0.09 200	0.11 132	0.10 140	0.06 131	0.05 211	0.05 34	0.04 48	0.03 1	0.03 2

4.25_new	0.07 6	0.08 270	0.09 86	0.15 86	0.06 18	0.09 97	0.08 9	0.14 96	0.08 17	0.07 46	0.07 48	0.06 22	0.06 45	0.12 224	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5w_new	0.07 6	0.08 270	0.09 86	0.15 86	0.06 18	0.09 97	0.08 9	0.14 96	0.08 17	0.07 46	0.07 48	0.06 22	0.06 45	0.12 224	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5_new	0.07 6	0.09 346	0.08 38	0.15 86	0.07 86	0.06 11	0.10 33	0.14 96	0.11 75	0.06 13	0.08 90	0.06 22	0.06 45	0.08 18	0.10 140	0.03 1	0.03 1	0.04 1	0.04 48	0.04 21	0.03 2

4.5w-stereo	0.07 6	0.09 346	0.08 38	0.15 86	0.07 86	0.06 11	0.10 33	0.14 96	0.11 75	0.06 13	0.08 90	0.06 22	0.06 45	0.08 18	0.10 140	0.03 1	0.03 1	0.04 1	0.04 48	0.04 21	0.03 2

4.25w-stereo	0.07 6	0.08 270	0.09 86	0.15 86	0.06 18	0.09 97	0.08 9	0.14 96	0.08 17	0.07 46	0.07 48	0.06 22	0.06 45	0.12 224	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

1w_stereo	0.07 6	0.06 76	0.07 8	0.16 166	0.06 18	0.07 33	0.10 33	0.14 96	0.14 165	0.07 46	0.08 90	0.05 2	0.06 45	0.09 39	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 49

IGEV	0.07 6	0.04 1	0.08 38	0.13 14	0.06 18	0.09 97	0.12 76	0.14 96	0.10 47	0.06 13	0.09 113	0.07 78	0.05 12	0.09 39	0.09 61	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

castereo	0.09 106	0.06 76	0.11 179	0.15 86	0.06 18	0.11 196	0.15 251	0.14 96	0.18 264	0.08 85	0.10 144	0.11 212	0.08 167	0.09 39	0.10 140	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.03 2

GIP-stereo	0.08 57	0.06 76	0.11 179	0.14 43	0.06 18	0.09 97	0.13 124	0.14 96	0.11 75	0.07 46	0.08 90	0.05 2	0.04 1	0.10 82	0.07 1	0.05 35	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

PAM_32	0.09 106	0.05 27	0.17 413	0.15 86	0.08 146	0.10 149	0.15 251	0.14 96	0.15 185	0.09 124	0.08 90	0.09 152	0.07 127	0.14 298	0.08 17	0.06 131	0.05 211	0.06 127	0.06 214	0.05 121	0.06 234

rvit_stereo_0083	0.12 285	0.08 270	0.17 413	0.16 166	0.09 269	0.11 196	0.15 251	0.14 96	0.26 395	0.11 192	0.14 224	0.13 256	0.10 236	0.12 224	0.12 271	0.10 438	0.08 444	0.09 398	0.07 305	0.07 294	0.05 146

rvit_stereo_0081_aga	0.11 218	0.09 346	0.14 297	0.18 325	0.09 269	0.13 283	0.14 179	0.14 96	0.19 280	0.10 159	0.18 302	0.16 319	0.09 200	0.12 224	0.09 61	0.10 438	0.06 343	0.08 314	0.07 305	0.07 294	0.06 234

rvit_stereo_0081	0.11 218	0.08 270	0.15 349	0.16 166	0.09 269	0.10 149	0.14 179	0.14 96	0.24 360	0.11 192	0.13 210	0.13 256	0.09 200	0.11 132	0.12 271	0.10 438	0.07 418	0.08 314	0.07 305	0.07 294	0.05 146

GCAP-BAT	0.09 106	0.07 169	0.14 297	0.15 86	0.08 146	0.10 149	0.13 124	0.14 96	0.10 47	0.11 192	0.10 144	0.08 127	0.07 127	0.12 224	0.10 140	0.06 131	0.05 211	0.06 127	0.04 48	0.04 21	0.04 49

rvit_stereo_0082	0.11 218	0.08 270	0.15 349	0.16 166	0.09 269	0.10 149	0.14 179	0.14 96	0.24 360	0.11 192	0.13 210	0.13 256	0.09 200	0.11 132	0.12 271	0.10 438	0.07 418	0.08 314	0.07 305	0.07 294	0.05 146

H2IRNET	0.10 174	0.09 346	0.09 86	0.18 325	0.09 269	0.12 239	0.15 251	0.14 96	0.21 319	0.10 159	0.10 144	0.10 186	0.10 236	0.10 82	0.10 140	0.05 35	0.04 24	0.08 314	0.08 373	0.06 224	0.05 146

AE-Stereo	0.10 174	0.08 270	0.10 133	0.18 325	0.09 269	0.10 149	0.15 251	0.14 96	0.19 280	0.09 124	0.14 224	0.12 231	0.08 167	0.11 132	0.10 140	0.05 35	0.06 343	0.07 229	0.06 214	0.05 121	0.04 49

plain	0.10 174	0.08 270	0.10 133	0.19 386	0.09 269	0.10 149	0.15 251	0.14 96	0.13 140	0.13 257	0.15 241	0.09 152	0.12 294	0.13 270	0.12 271	0.07 274	0.05 211	0.09 398	0.06 214	0.06 224	0.06 234

MSKI-zero shot	0.09 106	0.05 27	0.09 86	0.15 86	0.07 86	0.10 149	0.13 124	0.14 96	0.13 140	0.09 124	0.09 113	0.09 152	0.06 45	0.12 224	0.10 140	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.04 49

AEACV	0.08 57	0.05 27	0.08 38	0.14 43	0.13 480	0.14 315	0.13 124	0.14 96	0.09 30	0.07 46	0.09 113	0.07 78	0.08 167	0.10 82	0.09 61	0.06 131	0.04 24	0.06 127	0.05 133	0.05 121	0.04 49

HH	0.09 106	0.06 76	0.13 262	0.17 242	0.08 146	0.10 149	0.16 319	0.14 96	0.10 47	0.08 85	0.09 113	0.08 127	0.07 127	0.10 82	0.09 61	0.06 131	0.04 24	0.06 127	0.05 133	0.05 121	0.04 49

HanStereo	0.09 106	0.06 76	0.13 262	0.17 242	0.08 146	0.10 149	0.16 319	0.14 96	0.10 47	0.08 85	0.09 113	0.08 127	0.07 127	0.10 82	0.09 61	0.06 131	0.04 24	0.06 127	0.05 133	0.05 121	0.04 49

test_3	0.10 174	0.09 346	0.10 133	0.20 445	0.08 146	0.13 283	0.26 538	0.14 96	0.21 319	0.10 159	0.10 144	0.09 152	0.09 200	0.08 18	0.11 215	0.05 35	0.04 24	0.08 314	0.07 305	0.04 21	0.04 49

test-1	0.10 174	0.07 169	0.16 383	0.19 386	0.08 146	0.11 196	0.24 513	0.14 96	0.18 264	0.09 124	0.07 48	0.09 152	0.08 167	0.07 4	0.09 61	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

CREStereo++_RVC	0.08 57	0.04 1	0.06 4	0.13 14	0.07 86	0.09 97	0.12 76	0.14 96	0.14 165	0.10 159	0.14 224	0.08 127	0.07 127	0.09 39	0.11 215	0.06 131	0.04 24	0.05 34	0.05 133	0.04 21	0.04 49
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
XX-TBD	0.09 106	0.06 76	0.07 8	0.14 43	0.07 86	0.12 239	0.16 319	0.14 96	0.13 140	0.11 192	0.12 196	0.09 152	0.08 167	0.10 82	0.10 140	0.06 131	0.04 24	0.05 34	0.03 1	0.06 224	0.05 146

CREStereo	0.09 106	0.04 1	0.08 38	0.11 1	0.06 18	0.13 283	0.14 179	0.14 96	0.10 47	0.08 85	0.13 210	0.09 152	0.08 167	0.11 132	0.10 140	0.08 338	0.04 24	0.05 34	0.03 1	0.06 224	0.06 234
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
BStereo	0.08 57	0.06 76	0.16 383	0.15 86	0.08 146	0.07 33	0.09 20	0.15 128	0.16 214	0.06 13	0.07 48	0.07 78	0.05 12	0.09 39	0.11 215	0.04 11	0.05 211	0.05 34	0.07 305	0.04 21	0.04 49

CSFM-Stereo	0.07 6	0.05 27	0.07 8	0.14 43	0.06 18	0.09 97	0.13 124	0.15 128	0.06 6	0.07 46	0.08 90	0.06 22	0.08 167	0.09 39	0.09 61	0.06 131	0.05 211	0.04 1	0.03 1	0.04 21	0.04 49

MonStereo	0.07 6	0.06 76	0.05 1	0.15 86	0.05 1	0.08 59	0.10 33	0.15 128	0.15 185	0.05 2	0.06 16	0.05 2	0.06 45	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 6	0.06 76	0.05 1	0.15 86	0.05 1	0.08 59	0.10 33	0.15 128	0.15 185	0.05 2	0.06 16	0.05 2	0.06 45	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

water-stereo	0.09 106	0.06 76	0.08 38	0.16 166	0.07 86	0.09 97	0.13 124	0.15 128	0.13 140	0.11 192	0.12 196	0.08 127	0.09 200	0.07 4	0.08 17	0.06 131	0.05 211	0.05 34	0.05 133	0.04 21	0.04 49

MM-Stereo_test2	0.09 106	0.06 76	0.09 86	0.19 386	0.08 146	0.12 239	0.18 402	0.15 128	0.14 165	0.07 46	0.10 144	0.07 78	0.06 45	0.12 224	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.03 2

Reg-Stereo(zero)	0.08 57	0.05 27	0.08 38	0.16 166	0.06 18	0.12 239	0.11 56	0.15 128	0.10 47	0.12 230	0.09 113	0.10 186	0.08 167	0.11 132	0.08 17	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

MonSter	0.07 6	0.06 76	0.05 1	0.15 86	0.05 1	0.07 33	0.10 33	0.15 128	0.15 185	0.05 2	0.06 16	0.05 2	0.06 45	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

999	0.09 106	0.05 27	0.13 262	0.15 86	0.08 146	0.10 149	0.14 179	0.15 128	0.11 75	0.10 159	0.08 90	0.08 127	0.08 167	0.16 354	0.10 140	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.05 146

PAM	0.10 174	0.05 27	0.16 383	0.15 86	0.08 146	0.09 97	0.16 319	0.15 128	0.16 214	0.12 230	0.09 113	0.09 152	0.07 127	0.13 270	0.08 17	0.06 131	0.05 211	0.06 127	0.06 214	0.05 121	0.06 234

RAStereo	0.10 174	0.09 346	0.08 38	0.20 445	0.08 146	0.13 283	0.18 402	0.15 128	0.17 237	0.10 159	0.12 196	0.05 2	0.06 45	0.09 39	0.08 17	0.07 274	0.05 211	0.07 229	0.05 133	0.05 121	0.04 49

Pointernet	0.09 106	0.04 1	0.09 86	0.16 166	0.08 146	0.13 283	0.10 33	0.15 128	0.17 237	0.09 124	0.07 48	0.06 22	0.06 45	0.11 132	0.09 61	0.08 338	0.04 24	0.05 34	0.03 1	0.06 224	0.05 146

AIO-Stereo	0.08 57	0.06 76	0.09 86	0.18 325	0.06 18	0.08 59	0.12 76	0.15 128	0.09 30	0.08 85	0.08 90	0.07 78	0.05 12	0.11 132	0.08 17	0.05 35	0.05 211	0.05 34	0.04 48	0.04 21	0.04 49

WCG-NET（raft）	0.08 57	0.05 27	0.10 133	0.15 86	0.06 18	0.11 196	0.13 124	0.15 128	0.12 105	0.08 85	0.07 48	0.06 22	0.06 45	0.13 270	0.08 17	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.04 49

MyStereo07	0.10 174	0.07 169	0.10 133	0.17 242	0.09 269	0.14 315	0.18 402	0.15 128	0.15 185	0.09 124	0.06 16	0.06 22	0.07 127	0.12 224	0.09 61	0.06 131	0.05 211	0.08 314	0.07 305	0.06 224	0.06 234

ffm	0.12 285	0.09 346	0.14 297	0.16 166	0.08 146	0.17 393	0.17 357	0.15 128	0.19 280	0.15 306	0.25 404	0.19 367	0.13 332	0.10 82	0.07 1	0.06 131	0.04 24	0.09 398	0.08 373	0.06 224	0.06 234

ff1	0.13 310	0.09 346	0.14 297	0.16 166	0.08 146	0.17 393	0.17 357	0.15 128	0.19 280	0.15 306	0.25 404	0.19 367	0.13 332	0.14 298	0.20 449	0.06 131	0.04 24	0.09 398	0.08 373	0.06 224	0.06 234

tt1	0.10 174	0.08 270	0.12 215	0.17 242	0.09 269	0.12 239	0.16 319	0.15 128	0.19 280	0.09 124	0.08 90	0.06 22	0.06 45	0.10 82	0.07 1	0.06 131	0.04 24	0.06 127	0.05 133	0.06 224	0.06 234

testlalala	0.08 57	0.07 169	0.17 413	0.16 166	0.08 146	0.09 97	0.12 76	0.15 128	0.10 47	0.07 46	0.09 113	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.04 48	0.04 21	0.04 49

LoS	0.09 106	0.05 27	0.11 179	0.13 14	0.07 86	0.14 315	0.11 56	0.15 128	0.15 185	0.09 124	0.09 113	0.12 231	0.09 200	0.15 320	0.10 140	0.07 274	0.05 211	0.05 34	0.03 1	0.05 121	0.05 146
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 106	0.07 169	0.10 133	0.17 242	0.08 146	0.10 149	0.15 251	0.15 128	0.12 105	0.09 124	0.06 16	0.07 78	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.06 234

ADStereo(finetuned)	0.10 174	0.06 76	0.12 215	0.16 166	0.06 18	0.09 97	0.17 357	0.15 128	0.19 280	0.13 257	0.17 277	0.10 186	0.12 294	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

test_4	0.10 174	0.10 407	0.08 38	0.19 386	0.09 269	0.08 59	0.22 490	0.15 128	0.17 237	0.12 230	0.18 302	0.12 231	0.09 200	0.08 18	0.11 215	0.04 11	0.04 24	0.08 314	0.08 373	0.04 21	0.03 2

GLC_STEREO	0.11 218	0.07 169	0.11 179	0.17 242	0.07 86	0.09 97	0.13 124	0.15 128	0.24 360	0.12 230	0.13 210	0.12 231	0.08 167	0.18 408	0.11 215	0.06 131	0.08 444	0.08 314	0.06 214	0.05 121	0.05 146

RAFT-345	0.11 218	0.07 169	0.15 349	0.16 166	0.08 146	0.08 59	0.12 76	0.15 128	0.10 47	0.11 192	0.36 498	0.09 152	0.09 200	0.11 132	0.12 271	0.05 35	0.05 211	0.07 229	0.06 214	0.04 21	0.05 146

CroCo-Stereo	0.09 106	0.08 270	0.08 38	0.22 491	0.09 269	0.09 97	0.19 442	0.15 128	0.12 105	0.07 46	0.07 48	0.08 127	0.06 45	0.08 18	0.07 1	0.07 274	0.05 211	0.06 127	0.04 48	0.05 121	0.04 49
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 106	0.06 76	0.07 8	0.15 86	0.05 1	0.16 372	0.18 402	0.15 128	0.15 185	0.10 159	0.11 182	0.11 212	0.11 261	0.10 82	0.12 271	0.05 35	0.04 24	0.05 34	0.04 48	0.04 21	0.04 49

TANstereo	0.09 106	0.04 1	0.08 38	0.13 14	0.06 18	0.11 196	0.14 179	0.15 128	0.19 280	0.11 192	0.15 241	0.10 186	0.06 45	0.12 224	0.09 61	0.07 274	0.05 211	0.05 34	0.04 48	0.06 224	0.05 146

DCANet	0.10 174	0.06 76	0.12 215	0.16 166	0.06 18	0.09 97	0.17 357	0.15 128	0.19 280	0.13 257	0.17 277	0.10 186	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

PMTNet	0.09 106	0.05 27	0.09 86	0.12 5	0.06 18	0.12 239	0.14 179	0.15 128	0.11 75	0.09 124	0.13 210	0.10 186	0.07 127	0.13 270	0.10 140	0.15 533	0.04 24	0.05 34	0.03 1	0.07 294	0.06 234

asda	0.07 6	0.08 270	0.08 38	0.16 166	0.06 18	0.06 11	0.10 33	0.16 158	0.10 47	0.06 13	0.06 16	0.05 2	0.05 12	0.10 82	0.10 140	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

3.75w	0.07 6	0.07 169	0.08 38	0.16 166	0.07 86	0.07 33	0.09 20	0.16 158	0.09 30	0.07 46	0.06 16	0.05 2	0.06 45	0.09 39	0.10 140	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

monsterstereo	0.07 6	0.06 76	0.06 4	0.16 166	0.06 18	0.08 59	0.10 33	0.16 158	0.11 75	0.07 46	0.08 90	0.06 22	0.07 127	0.08 18	0.09 61	0.04 11	0.04 24	0.05 34	0.04 48	0.03 1	0.03 2

rvit_stereo_0080	0.10 174	0.08 270	0.14 297	0.15 86	0.09 269	0.07 33	0.15 251	0.16 158	0.16 214	0.11 192	0.10 144	0.14 276	0.08 167	0.12 224	0.10 140	0.09 397	0.07 418	0.07 229	0.06 214	0.07 294	0.05 146

rvit_stereo_ft	0.12 285	0.07 169	0.13 262	0.19 386	0.10 372	0.12 239	0.17 357	0.16 158	0.16 214	0.12 230	0.13 210	0.15 305	0.10 236	0.14 298	0.13 313	0.09 397	0.06 343	0.08 314	0.07 305	0.07 294	0.05 146

xx1	0.11 218	0.08 270	0.12 215	0.17 242	0.09 269	0.13 283	0.15 251	0.16 158	0.18 264	0.09 124	0.09 113	0.16 319	0.16 401	0.10 82	0.07 1	0.06 131	0.04 24	0.08 314	0.08 373	0.07 294	0.07 317

cc1	0.10 174	0.08 270	0.12 215	0.17 242	0.09 269	0.13 283	0.15 251	0.16 158	0.18 264	0.09 124	0.09 113	0.06 22	0.06 45	0.10 82	0.07 1	0.06 131	0.04 24	0.06 127	0.05 133	0.06 224	0.06 234

ff7	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.10 159	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

IGEVStereo-DCA	0.09 106	0.06 76	0.11 179	0.15 86	0.10 372	0.11 196	0.15 251	0.16 158	0.12 105	0.10 159	0.06 16	0.08 127	0.06 45	0.10 82	0.08 17	0.06 131	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

ffff	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.10 159	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

rrr	0.09 106	0.06 76	0.12 215	0.15 86	0.10 372	0.11 196	0.16 319	0.16 158	0.15 185	0.10 159	0.06 16	0.08 127	0.06 45	0.10 82	0.08 17	0.06 131	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

11t	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.10 159	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

whm_eth	0.10 174	0.08 270	0.14 297	0.15 86	0.09 269	0.07 33	0.15 251	0.16 158	0.16 214	0.11 192	0.10 144	0.14 276	0.08 167	0.12 224	0.10 140	0.09 397	0.07 418	0.07 229	0.06 214	0.07 294	0.05 146

MaDis-Stereo	0.09 106	0.09 346	0.08 38	0.17 242	0.09 269	0.13 283	0.10 33	0.16 158	0.16 214	0.09 124	0.11 182	0.06 22	0.06 45	0.09 39	0.13 313	0.07 274	0.06 343	0.07 229	0.05 133	0.05 121	0.04 49

RAFT-Test	0.09 106	0.06 76	0.10 133	0.15 86	0.07 86	0.11 196	0.15 251	0.16 158	0.13 140	0.09 124	0.10 144	0.10 186	0.09 200	0.12 224	0.09 61	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

anonymousdsp	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.09 124	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

CroCo-Stereo Lap2	0.09 106	0.09 346	0.08 38	0.22 491	0.09 269	0.09 97	0.19 442	0.16 158	0.12 105	0.09 124	0.10 144	0.05 2	0.05 12	0.08 18	0.08 17	0.06 131	0.06 343	0.07 229	0.05 133	0.05 121	0.05 146

ccc-4	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.10 159	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

fff	0.10 174	0.06 76	0.12 215	0.15 86	0.07 86	0.09 97	0.17 357	0.16 158	0.20 304	0.13 257	0.16 255	0.10 186	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

IGEV-Stereo	0.09 106	0.07 169	0.11 179	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.12 105	0.09 124	0.06 16	0.06 22	0.06 45	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
Patchmatch Stereo++	0.11 218	0.09 346	0.16 383	0.18 325	0.08 146	0.06 11	0.11 56	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
NRIStereo	0.11 218	0.08 270	0.14 297	0.18 325	0.08 146	0.10 149	0.14 179	0.16 158	0.15 185	0.12 230	0.14 224	0.13 256	0.12 294	0.13 270	0.10 140	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.07 317

PSM-adaLoss	0.11 218	0.09 346	0.16 383	0.18 325	0.08 146	0.06 11	0.12 76	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

ROB_FTStereo_v2	0.11 218	0.09 346	0.16 383	0.19 386	0.08 146	0.06 11	0.12 76	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

ROB_FTStereo	0.11 218	0.09 346	0.16 383	0.19 386	0.08 146	0.06 11	0.11 56	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

HUI-Stereo	0.11 218	0.09 346	0.16 383	0.18 325	0.08 146	0.06 11	0.12 76	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

DEmStereo	0.12 285	0.06 76	0.14 297	0.14 43	0.10 372	0.16 372	0.15 251	0.16 158	0.24 360	0.17 350	0.24 375	0.13 256	0.14 357	0.12 224	0.13 313	0.05 35	0.04 24	0.07 229	0.06 214	0.05 121	0.05 146

iGMRVC	0.11 218	0.09 346	0.16 383	0.19 386	0.08 146	0.06 11	0.12 76	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

iRAFT	0.11 218	0.09 346	0.16 383	0.18 325	0.08 146	0.06 11	0.11 56	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

RAFT-IKP	0.11 218	0.09 346	0.16 383	0.19 386	0.08 146	0.06 11	0.12 76	0.16 158	0.13 140	0.15 306	0.16 255	0.14 276	0.12 294	0.11 132	0.10 140	0.06 131	0.04 24	0.08 314	0.06 214	0.08 357	0.07 317

csc	0.10 174	0.06 76	0.12 215	0.15 86	0.07 86	0.09 97	0.17 357	0.16 158	0.20 304	0.13 257	0.16 255	0.10 186	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

cscssc	0.10 174	0.06 76	0.12 215	0.15 86	0.07 86	0.09 97	0.17 357	0.16 158	0.20 304	0.13 257	0.16 255	0.10 186	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

test_xeample3	0.09 106	0.06 76	0.12 215	0.16 166	0.09 269	0.11 196	0.15 251	0.16 158	0.13 140	0.10 159	0.06 16	0.08 127	0.06 45	0.10 82	0.09 61	0.05 35	0.04 24	0.06 127	0.05 133	0.05 121	0.06 234

EAI-Stereo	0.09 106	0.07 169	0.11 179	0.15 86	0.06 18	0.10 149	0.15 251	0.16 158	0.09 30	0.08 85	0.09 113	0.08 127	0.07 127	0.09 39	0.11 215	0.05 35	0.04 24	0.05 34	0.05 133	0.05 121	0.04 49

CFNet-RSSM	0.09 106	0.07 169	0.09 86	0.16 166	0.07 86	0.09 97	0.15 251	0.16 158	0.17 237	0.08 85	0.12 196	0.10 186	0.09 200	0.11 132	0.09 61	0.06 131	0.04 24	0.06 127	0.04 48	0.04 21	0.04 49

DIP-Stereo	0.11 218	0.07 169	0.14 297	0.17 242	0.09 269	0.13 283	0.09 20	0.16 158	0.16 214	0.11 192	0.16 255	0.14 276	0.12 294	0.15 320	0.13 313	0.06 131	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
NLMM	0.09 106	0.06 76	0.08 38	0.18 325	0.08 146	0.11 196	0.16 319	0.17 194	0.19 280	0.08 85	0.07 48	0.07 78	0.08 167	0.11 132	0.12 271	0.04 11	0.04 24	0.06 127	0.06 214	0.04 21	0.04 49

IGEV-FE	0.09 106	0.05 27	0.12 215	0.13 14	0.08 146	0.12 239	0.13 124	0.17 194	0.11 75	0.10 159	0.06 16	0.09 152	0.06 45	0.11 132	0.09 61	0.06 131	0.04 24	0.06 127	0.06 214	0.05 121	0.05 146

xyz-stereo-finetune2	0.11 218	0.07 169	0.13 262	0.13 14	0.07 86	0.11 196	0.19 442	0.17 194	0.12 105	0.15 306	0.15 241	0.17 339	0.12 294	0.13 270	0.11 215	0.05 35	0.04 24	0.07 229	0.05 133	0.04 21	0.06 234

xyz-stereo-finetune	0.11 218	0.08 270	0.13 262	0.14 43	0.06 18	0.10 149	0.19 442	0.17 194	0.19 280	0.12 230	0.14 224	0.15 305	0.10 236	0.13 270	0.11 215	0.05 35	0.04 24	0.07 229	0.05 133	0.04 21	0.05 146

xyz-stereo	0.13 310	0.07 169	0.20 459	0.15 86	0.05 1	0.20 450	0.15 251	0.17 194	0.31 443	0.15 306	0.29 456	0.26 454	0.16 401	0.13 270	0.12 271	0.05 35	0.05 211	0.06 127	0.05 133	0.04 21	0.04 49

UGAM	0.13 310	0.10 407	0.09 86	0.22 491	0.08 146	0.12 239	0.20 463	0.17 194	0.23 344	0.21 433	0.16 255	0.13 256	0.13 332	0.19 423	0.12 271	0.07 274	0.05 211	0.13 511	0.11 493	0.07 294	0.05 146

testlalala2	0.10 174	0.06 76	0.11 179	0.20 445	0.10 372	0.10 149	0.12 76	0.17 194	0.12 105	0.12 230	0.13 210	0.09 152	0.07 127	0.11 132	0.13 313	0.06 131	0.05 211	0.05 34	0.04 48	0.05 121	0.05 146

IGEV_Zeroshot_test	0.09 106	0.05 27	0.12 215	0.13 14	0.08 146	0.12 239	0.13 124	0.17 194	0.11 75	0.10 159	0.06 16	0.09 152	0.06 45	0.11 132	0.09 61	0.06 131	0.04 24	0.06 127	0.06 214	0.05 121	0.05 146

MIF-Stereo (partial)	0.11 218	0.06 76	0.10 133	0.19 386	0.10 372	0.10 149	0.11 56	0.17 194	0.18 264	0.14 279	0.16 255	0.09 152	0.11 261	0.12 224	0.12 271	0.08 338	0.05 211	0.08 314	0.07 305	0.06 224	0.07 317

LL-Strereo2	0.10 174	0.10 407	0.15 349	0.18 325	0.08 146	0.15 342	0.09 20	0.17 194	0.14 165	0.14 279	0.10 144	0.09 152	0.07 127	0.16 354	0.10 140	0.05 35	0.05 211	0.10 446	0.07 305	0.06 224	0.05 146

4D-IteraStereo	0.09 106	0.07 169	0.10 133	0.18 325	0.07 86	0.09 97	0.15 251	0.17 194	0.15 185	0.10 159	0.11 182	0.10 186	0.07 127	0.11 132	0.09 61	0.05 35	0.03 1	0.08 314	0.07 305	0.06 224	0.05 146

DisPM	0.11 218	0.07 169	0.12 215	0.16 166	0.09 269	0.06 11	0.13 124	0.17 194	0.17 237	0.14 279	0.20 323	0.12 231	0.10 236	0.11 132	0.10 140	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.11 479

CIPLG	0.11 218	0.08 270	0.14 297	0.17 242	0.08 146	0.12 239	0.15 251	0.17 194	0.15 185	0.14 279	0.11 182	0.16 319	0.09 200	0.16 354	0.11 215	0.07 274	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

IPLGR_C	0.11 218	0.08 270	0.14 297	0.17 242	0.08 146	0.12 239	0.15 251	0.17 194	0.15 185	0.14 279	0.10 144	0.16 319	0.09 200	0.16 354	0.11 215	0.07 274	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

ACRE	0.11 218	0.08 270	0.14 297	0.17 242	0.08 146	0.12 239	0.15 251	0.17 194	0.14 165	0.14 279	0.10 144	0.16 319	0.09 200	0.16 354	0.11 215	0.07 274	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

CrosDoStereo	0.12 285	0.06 76	0.12 215	0.14 43	0.08 146	0.12 239	0.15 251	0.17 194	0.22 334	0.19 396	0.24 375	0.15 305	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.07 229	0.07 305	0.05 121	0.05 146

PFNet+	0.11 218	0.06 76	0.13 262	0.16 166	0.09 269	0.05 4	0.12 76	0.17 194	0.21 319	0.16 334	0.19 311	0.14 276	0.10 236	0.11 132	0.11 215	0.08 338	0.05 211	0.09 398	0.08 373	0.06 224	0.11 479

ASMatch	0.11 218	0.06 76	0.13 262	0.16 166	0.10 372	0.07 33	0.14 179	0.17 194	0.17 237	0.12 230	0.16 255	0.16 319	0.10 236	0.13 270	0.10 140	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.08 381

DeepStereo_LL	0.12 285	0.06 76	0.12 215	0.14 43	0.08 146	0.12 239	0.15 251	0.17 194	0.22 334	0.19 396	0.24 375	0.15 305	0.11 261	0.11 132	0.12 271	0.06 131	0.04 24	0.07 229	0.07 305	0.05 121	0.05 146

SST-Stereo	0.10 174	0.07 169	0.15 349	0.18 325	0.09 269	0.06 11	0.12 76	0.17 194	0.11 75	0.15 306	0.17 277	0.13 256	0.12 294	0.10 82	0.11 215	0.06 131	0.04 24	0.09 398	0.06 214	0.06 224	0.05 146

THIR-Stereo	0.12 285	0.07 169	0.11 179	0.15 86	0.08 146	0.14 315	0.16 319	0.17 194	0.25 381	0.16 334	0.24 375	0.14 276	0.12 294	0.12 224	0.14 352	0.06 131	0.04 24	0.07 229	0.07 305	0.05 121	0.05 146

RAFT_R40	0.11 218	0.07 169	0.14 297	0.18 325	0.09 269	0.06 11	0.13 124	0.17 194	0.16 214	0.14 279	0.18 302	0.15 305	0.12 294	0.10 82	0.11 215	0.06 131	0.04 24	0.09 398	0.06 214	0.06 224	0.05 146

Pruner-Stereo	0.11 218	0.07 169	0.12 215	0.17 242	0.09 269	0.06 11	0.12 76	0.17 194	0.17 237	0.13 257	0.19 311	0.13 256	0.09 200	0.11 132	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.08 381

DeepStereo_RVC	0.11 218	0.08 270	0.16 383	0.18 325	0.08 146	0.08 59	0.12 76	0.17 194	0.12 105	0.13 257	0.14 224	0.12 231	0.12 294	0.12 224	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.07 294	0.08 381

RAFT-RH_RVC	0.11 218	0.06 76	0.14 297	0.16 166	0.09 269	0.12 239	0.12 76	0.17 194	0.12 105	0.13 257	0.41 535	0.11 212	0.10 236	0.13 270	0.12 271	0.05 35	0.04 24	0.08 314	0.05 133	0.04 21	0.06 234

rafts_anoy	0.11 218	0.06 76	0.10 133	0.17 242	0.08 146	0.10 149	0.14 179	0.17 194	0.14 165	0.13 257	0.13 210	0.12 231	0.10 236	0.11 132	0.12 271	0.07 274	0.04 24	0.09 398	0.11 493	0.07 294	0.06 234

RALCasStereoNet	0.10 174	0.06 76	0.09 86	0.16 166	0.08 146	0.12 239	0.14 179	0.17 194	0.11 75	0.12 230	0.17 277	0.14 276	0.10 236	0.12 224	0.11 215	0.07 274	0.06 343	0.06 127	0.05 133	0.08 357	0.07 317

sCroCo_RVC	0.12 285	0.09 346	0.23 483	0.24 521	0.11 424	0.19 435	0.14 179	0.17 194	0.14 165	0.10 159	0.13 210	0.12 231	0.07 127	0.14 298	0.11 215	0.08 338	0.08 444	0.08 314	0.08 373	0.05 121	0.07 317

RAFT-Stereo + iAFF	0.09 106	0.06 76	0.10 133	0.17 242	0.06 18	0.10 149	0.16 319	0.17 194	0.14 165	0.09 124	0.10 144	0.08 127	0.09 200	0.11 132	0.09 61	0.05 35	0.04 24	0.06 127	0.06 214	0.04 21	0.03 2

AFF-stereo	0.09 106	0.06 76	0.10 133	0.17 242	0.07 86	0.10 149	0.16 319	0.17 194	0.09 30	0.10 159	0.12 196	0.09 152	0.09 200	0.12 224	0.09 61	0.05 35	0.04 24	0.07 229	0.07 305	0.04 21	0.03 2

Gwc-CoAtRS	0.09 106	0.06 76	0.10 133	0.16 166	0.07 86	0.10 149	0.14 179	0.17 194	0.17 237	0.08 85	0.10 144	0.12 231	0.09 200	0.12 224	0.09 61	0.06 131	0.04 24	0.06 127	0.04 48	0.04 21	0.04 49

Wave_Phase_stereo	0.09 106	0.06 76	0.16 383	0.15 86	0.08 146	0.11 196	0.09 20	0.18 225	0.16 214	0.06 13	0.07 48	0.07 78	0.05 12	0.09 39	0.11 215	0.04 11	0.05 211	0.05 34	0.07 305	0.04 21	0.04 49

NLSM3	0.09 106	0.06 76	0.08 38	0.19 386	0.08 146	0.11 196	0.16 319	0.18 225	0.16 214	0.06 13	0.08 90	0.07 78	0.08 167	0.09 39	0.11 215	0.04 11	0.04 24	0.06 127	0.07 305	0.03 1	0.03 2

FE-Mocha	0.09 106	0.06 76	0.14 297	0.16 166	0.09 269	0.10 149	0.15 251	0.18 225	0.16 214	0.10 159	0.09 113	0.07 78	0.07 127	0.09 39	0.09 61	0.06 131	0.04 24	0.06 127	0.06 214	0.05 121	0.05 146

qwe	0.07 6	0.08 270	0.07 8	0.15 86	0.06 18	0.07 33	0.10 33	0.18 225	0.11 75	0.07 46	0.07 48	0.06 22	0.06 45	0.10 82	0.09 61	0.03 1	0.03 1	0.04 1	0.04 48	0.04 21	0.03 2

2.75w_new	0.07 6	0.07 169	0.07 8	0.13 14	0.06 18	0.08 59	0.08 9	0.18 225	0.12 105	0.07 46	0.08 90	0.06 22	0.06 45	0.09 39	0.11 215	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 49

Former-RAFT_DAM_RVC	0.10 174	0.08 270	0.12 215	0.16 166	0.08 146	0.15 342	0.16 319	0.18 225	0.18 264	0.10 159	0.09 113	0.09 152	0.08 167	0.11 132	0.12 271	0.07 274	0.05 211	0.08 314	0.06 214	0.07 294	0.06 234

11t1	0.12 285	0.06 76	0.13 262	0.14 43	0.08 146	0.17 393	0.15 251	0.18 225	0.15 185	0.15 306	0.15 241	0.16 319	0.16 401	0.15 320	0.13 313	0.08 338	0.05 211	0.06 127	0.05 133	0.08 357	0.07 317

EKT-Stereo	0.11 218	0.07 169	0.14 297	0.15 86	0.10 372	0.13 283	0.14 179	0.18 225	0.21 319	0.11 192	0.08 90	0.12 231	0.09 200	0.11 132	0.12 271	0.08 338	0.06 343	0.07 229	0.06 214	0.08 357	0.07 317

CASnet	0.09 106	0.09 346	0.09 86	0.19 386	0.06 18	0.07 33	0.11 56	0.18 225	0.14 165	0.11 192	0.10 144	0.09 152	0.07 127	0.10 82	0.10 140	0.06 131	0.04 24	0.10 446	0.08 373	0.05 121	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
anonymousdsp2	0.11 218	0.07 169	0.10 133	0.16 166	0.09 269	0.13 283	0.14 179	0.18 225	0.22 334	0.13 257	0.14 224	0.12 231	0.09 200	0.14 298	0.11 215	0.05 35	0.04 24	0.05 34	0.04 48	0.06 224	0.05 146

CASS	0.13 310	0.12 451	0.11 179	0.23 512	0.09 269	0.15 342	0.17 357	0.18 225	0.19 280	0.17 350	0.18 302	0.15 305	0.15 375	0.14 298	0.14 352	0.09 397	0.06 343	0.10 446	0.08 373	0.09 420	0.07 317
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.11 218	0.07 169	0.13 262	0.16 166	0.11 424	0.11 196	0.17 357	0.18 225	0.17 237	0.11 192	0.18 302	0.10 186	0.10 236	0.15 320	0.11 215	0.06 131	0.05 211	0.06 127	0.06 214	0.05 121	0.04 49

riskmin	0.11 218	0.06 76	0.13 262	0.14 43	0.08 146	0.14 315	0.14 179	0.18 225	0.14 165	0.11 192	0.14 224	0.16 319	0.11 261	0.14 298	0.12 271	0.09 397	0.05 211	0.07 229	0.05 133	0.08 357	0.08 381

RCA-Stereo	0.09 106	0.06 76	0.09 86	0.16 166	0.06 18	0.09 97	0.13 124	0.18 225	0.14 165	0.09 124	0.10 144	0.08 127	0.07 127	0.12 224	0.11 215	0.06 131	0.04 24	0.06 127	0.05 133	0.05 121	0.04 49

DCANet-4	0.10 174	0.06 76	0.12 215	0.16 166	0.06 18	0.09 97	0.17 357	0.18 225	0.19 280	0.13 257	0.16 255	0.09 152	0.14 357	0.11 132	0.12 271	0.06 131	0.04 24	0.05 34	0.04 48	0.04 21	0.05 146

RAFT_CTSACE	0.12 285	0.09 346	0.10 133	0.22 491	0.08 146	0.12 239	0.24 513	0.18 225	0.16 214	0.20 419	0.27 430	0.13 256	0.07 127	0.13 270	0.09 61	0.05 35	0.06 343	0.08 314	0.07 305	0.04 21	0.04 49

iRaft-Stereo_20w	0.09 106	0.05 27	0.13 262	0.14 43	0.08 146	0.12 239	0.15 251	0.18 225	0.10 47	0.11 192	0.08 90	0.08 127	0.05 12	0.10 82	0.09 61	0.06 131	0.04 24	0.06 127	0.05 133	0.06 224	0.05 146

TRStereo	0.09 106	0.05 27	0.12 215	0.15 86	0.12 457	0.10 149	0.13 124	0.18 225	0.18 264	0.09 124	0.09 113	0.09 152	0.06 45	0.10 82	0.08 17	0.07 274	0.05 211	0.07 229	0.07 305	0.04 21	0.04 49

AAGNet	0.11 218	0.07 169	0.16 383	0.19 386	0.09 269	0.08 59	0.13 124	0.18 225	0.13 140	0.16 334	0.21 344	0.13 256	0.14 357	0.11 132	0.14 352	0.06 131	0.04 24	0.09 398	0.06 214	0.06 224	0.05 146

GrayStereo	0.11 218	0.06 76	0.11 179	0.19 386	0.09 269	0.09 97	0.16 319	0.18 225	0.17 237	0.14 279	0.17 277	0.17 339	0.11 261	0.12 224	0.11 215	0.05 35	0.05 211	0.07 229	0.06 214	0.05 121	0.10 453

CRE-IMP	0.11 218	0.09 346	0.16 383	0.19 386	0.08 146	0.10 149	0.12 76	0.18 225	0.10 47	0.14 279	0.13 210	0.13 256	0.12 294	0.12 224	0.11 215	0.07 274	0.04 24	0.08 314	0.06 214	0.08 357	0.08 381

iRaftStereo_RVC	0.10 174	0.07 169	0.09 86	0.17 242	0.09 269	0.11 196	0.17 357	0.18 225	0.12 105	0.09 124	0.12 196	0.10 186	0.07 127	0.11 132	0.10 140	0.05 35	0.04 24	0.08 314	0.08 373	0.04 21	0.04 49

raftrobust	0.09 106	0.06 76	0.10 133	0.17 242	0.08 146	0.09 97	0.10 33	0.18 225	0.16 214	0.10 159	0.09 113	0.12 231	0.07 127	0.12 224	0.10 140	0.08 338	0.05 211	0.06 127	0.05 133	0.05 121	0.05 146

HITNet	0.10 174	0.06 76	0.12 215	0.14 43	0.06 18	0.11 196	0.10 33	0.18 225	0.18 264	0.13 257	0.16 255	0.14 276	0.11 261	0.15 320	0.13 313	0.06 131	0.04 24	0.04 1	0.04 48	0.06 224	0.05 146
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
NLSM1	0.09 106	0.06 76	0.09 86	0.17 242	0.07 86	0.14 315	0.16 319	0.19 249	0.14 165	0.08 85	0.10 144	0.07 78	0.09 200	0.13 270	0.11 215	0.05 35	0.04 24	0.05 34	0.05 133	0.05 121	0.04 49

NLCSM	0.09 106	0.05 27	0.09 86	0.18 325	0.08 146	0.11 196	0.13 124	0.19 249	0.17 237	0.08 85	0.08 90	0.07 78	0.09 200	0.11 132	0.11 215	0.05 35	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

rvit_0105_6	0.14 346	0.09 346	0.18 436	0.17 242	0.10 372	0.10 149	0.16 319	0.19 249	0.26 395	0.12 230	0.18 302	0.17 339	0.12 294	0.18 408	0.12 271	0.15 533	0.11 506	0.12 496	0.10 461	0.09 420	0.06 234

UGAM-zero	0.09 106	0.05 27	0.15 349	0.15 86	0.08 146	0.09 97	0.13 124	0.19 249	0.15 185	0.11 192	0.15 241	0.07 78	0.07 127	0.09 39	0.09 61	0.06 131	0.05 211	0.06 127	0.05 133	0.05 121	0.06 234

DCVSM-stereo	0.14 346	0.09 346	0.16 383	0.16 166	0.10 372	0.15 342	0.09 20	0.19 249	0.23 344	0.20 419	0.23 363	0.26 454	0.15 375	0.18 408	0.14 352	0.09 397	0.07 418	0.09 398	0.08 373	0.10 452	0.12 492

RAFT-Stereo-weight	0.09 106	0.06 76	0.10 133	0.16 166	0.07 86	0.09 97	0.14 179	0.19 249	0.16 214	0.11 192	0.10 144	0.08 127	0.06 45	0.10 82	0.11 215	0.06 131	0.04 24	0.06 127	0.04 48	0.04 21	0.04 49

MyStereo8	0.12 285	0.07 169	0.15 349	0.15 86	0.09 269	0.18 412	0.14 179	0.19 249	0.22 334	0.12 230	0.18 302	0.11 212	0.10 236	0.16 354	0.18 430	0.07 274	0.05 211	0.07 229	0.05 133	0.08 357	0.09 426

MyStereo06	0.10 174	0.07 169	0.12 215	0.17 242	0.09 269	0.13 283	0.18 402	0.19 249	0.12 105	0.12 230	0.08 90	0.07 78	0.07 127	0.11 132	0.09 61	0.06 131	0.05 211	0.07 229	0.07 305	0.06 224	0.06 234

knoymous	0.11 218	0.05 27	0.12 215	0.13 14	0.07 86	0.15 342	0.14 179	0.19 249	0.13 140	0.11 192	0.17 277	0.13 256	0.09 200	0.13 270	0.11 215	0.08 338	0.05 211	0.06 127	0.05 133	0.08 357	0.07 317

anonymousa	0.13 310	0.07 169	0.13 262	0.18 325	0.09 269	0.13 283	0.17 357	0.19 249	0.29 426	0.15 306	0.24 375	0.15 305	0.14 357	0.14 298	0.14 352	0.07 274	0.05 211	0.07 229	0.09 422	0.05 121	0.06 234

TransformOpticalFlow	0.10 174	0.08 270	0.13 262	0.18 325	0.07 86	0.09 97	0.15 251	0.19 249	0.15 185	0.12 230	0.17 277	0.11 212	0.11 261	0.11 132	0.10 140	0.05 35	0.04 24	0.06 127	0.06 214	0.05 121	0.05 146

AnonymousM	0.09 106	0.05 27	0.10 133	0.14 43	0.06 18	0.09 97	0.13 124	0.19 249	0.14 165	0.13 257	0.11 182	0.09 152	0.08 167	0.13 270	0.10 140	0.08 338	0.05 211	0.08 314	0.05 133	0.05 121	0.05 146

MLCV	0.12 285	0.07 169	0.16 383	0.18 325	0.06 18	0.15 342	0.17 357	0.19 249	0.21 319	0.18 380	0.25 404	0.17 339	0.13 332	0.14 298	0.13 313	0.05 35	0.04 24	0.05 34	0.04 48	0.05 121	0.04 49

NLMM1	0.10 174	0.06 76	0.11 179	0.18 325	0.07 86	0.12 239	0.13 124	0.20 262	0.21 319	0.09 124	0.09 113	0.09 152	0.08 167	0.13 270	0.10 140	0.05 35	0.04 24	0.05 34	0.05 133	0.05 121	0.04 49

FlowAnything_test	0.11 218	0.08 270	0.14 297	0.15 86	0.09 269	0.07 33	0.14 179	0.20 262	0.11 75	0.09 124	0.09 113	0.12 231	0.12 294	0.13 270	0.11 215	0.09 397	0.06 343	0.09 398	0.09 422	0.06 224	0.09 426

3w_stereo	0.08 57	0.09 346	0.10 133	0.17 242	0.07 86	0.08 59	0.10 33	0.20 262	0.13 140	0.06 13	0.07 48	0.05 2	0.06 45	0.08 18	0.09 61	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

2w_stereo	0.08 57	0.08 270	0.09 86	0.16 166	0.06 18	0.08 59	0.10 33	0.20 262	0.15 185	0.08 85	0.07 48	0.06 22	0.06 45	0.06 1	0.09 61	0.04 11	0.03 1	0.04 1	0.04 48	0.03 1	0.03 2

tg	0.10 174	0.06 76	0.10 133	0.18 325	0.08 146	0.11 196	0.16 319	0.20 262	0.12 105	0.08 85	0.11 182	0.11 212	0.07 127	0.11 132	0.10 140	0.05 35	0.04 24	0.08 314	0.08 373	0.04 21	0.04 49

model_zeroshot	0.10 174	0.04 1	0.11 179	0.15 86	0.09 269	0.12 239	0.14 179	0.20 262	0.13 140	0.11 192	0.10 144	0.12 231	0.07 127	0.12 224	0.10 140	0.07 274	0.06 343	0.06 127	0.05 133	0.06 224	0.06 234

GCST	0.37 564	0.42 583	0.26 495	1.02 607	0.39 582	0.18 412	0.08 9	0.20 262	0.17 237	0.28 510	0.25 404	0.15 305	0.12 294	0.16 354	0.14 352	0.64 602	0.43 591	0.75 599	0.65 602	0.63 595	0.46 595

test_sample1	0.13 310	0.07 169	0.14 297	0.13 14	0.08 146	0.19 435	0.16 319	0.20 262	0.15 185	0.14 279	0.22 354	0.18 353	0.16 401	0.17 386	0.14 352	0.07 274	0.06 343	0.06 127	0.06 214	0.08 357	0.07 317

MIM_Stereo	0.09 106	0.07 169	0.11 179	0.15 86	0.07 86	0.06 11	0.12 76	0.20 262	0.14 165	0.13 257	0.13 210	0.09 152	0.05 12	0.12 224	0.08 17	0.05 35	0.06 343	0.07 229	0.06 214	0.06 224	0.05 146

Selective-RAFT	0.11 218	0.10 407	0.11 179	0.21 476	0.08 146	0.16 372	0.13 124	0.20 262	0.22 334	0.10 159	0.10 144	0.11 212	0.10 236	0.15 320	0.11 215	0.05 35	0.05 211	0.06 127	0.05 133	0.06 224	0.05 146

IPLG	0.10 174	0.07 169	0.15 349	0.17 242	0.08 146	0.11 196	0.14 179	0.20 262	0.15 185	0.12 230	0.17 277	0.07 78	0.07 127	0.14 298	0.13 313	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

MIPNet	0.11 218	0.08 270	0.14 297	0.17 242	0.09 269	0.12 239	0.14 179	0.20 262	0.24 360	0.11 192	0.10 144	0.09 152	0.07 127	0.13 270	0.12 271	0.06 131	0.04 24	0.06 127	0.05 133	0.04 21	0.04 49

HHNet	0.11 218	0.06 76	0.16 383	0.15 86	0.14 500	0.07 33	0.13 124	0.20 262	0.17 237	0.14 279	0.25 404	0.11 212	0.08 167	0.13 270	0.10 140	0.05 35	0.04 24	0.08 314	0.06 214	0.05 121	0.09 426

PSM-AAD	0.11 218	0.07 169	0.10 133	0.19 386	0.09 269	0.10 149	0.15 251	0.20 262	0.13 140	0.12 230	0.14 224	0.18 353	0.11 261	0.11 132	0.10 140	0.05 35	0.05 211	0.09 398	0.08 373	0.06 224	0.14 529

RAFT	0.13 310	0.09 346	0.11 179	0.18 325	0.08 146	0.15 342	0.24 513	0.20 262	0.19 280	0.21 433	0.21 344	0.17 339	0.12 294	0.16 354	0.09 61	0.06 131	0.07 418	0.10 446	0.09 422	0.05 121	0.05 146

TestStereo	0.13 310	0.14 492	0.11 179	0.23 512	0.08 146	0.15 342	0.21 480	0.20 262	0.23 344	0.14 279	0.24 375	0.16 319	0.12 294	0.16 354	0.14 352	0.05 35	0.06 343	0.08 314	0.06 214	0.09 420	0.05 146

RALAANet	0.11 218	0.08 270	0.10 133	0.17 242	0.09 269	0.14 315	0.10 33	0.20 262	0.15 185	0.14 279	0.13 210	0.16 319	0.09 200	0.12 224	0.11 215	0.06 131	0.05 211	0.07 229	0.06 214	0.05 121	0.04 49

XX-Stereo	0.09 106	0.05 27	0.08 38	0.17 242	0.09 269	0.15 342	0.12 76	0.20 262	0.10 47	0.10 159	0.14 224	0.07 78	0.06 45	0.12 224	0.08 17	0.06 131	0.05 211	0.06 127	0.06 214	0.04 21	0.04 49

ARAFT	0.12 285	0.08 270	0.17 413	0.19 386	0.09 269	0.14 315	0.18 402	0.20 262	0.12 105	0.12 230	0.13 210	0.14 276	0.11 261	0.15 320	0.12 271	0.06 131	0.05 211	0.10 446	0.09 422	0.05 121	0.04 49

GMStereo	0.13 310	0.14 492	0.14 297	0.18 325	0.09 269	0.15 342	0.16 319	0.20 262	0.24 360	0.16 334	0.17 277	0.10 186	0.10 236	0.16 354	0.13 313	0.07 274	0.06 343	0.06 127	0.06 214	0.07 294	0.06 234
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
aanetorigin	0.22 493	0.17 521	0.56 568	0.17 242	0.10 372	0.15 342	0.19 442	0.20 262	0.33 457	0.49 572	0.48 551	0.29 480	0.27 516	0.20 448	0.23 490	0.08 338	0.07 418	0.08 314	0.07 305	0.10 452	0.09 426

EDNetEfficient	0.29 547	0.24 553	1.13 602	0.18 325	0.10 372	0.19 435	0.20 463	0.20 262	0.60 569	0.74 592	0.56 567	0.31 502	0.39 561	0.22 478	0.30 548	0.09 397	0.07 418	0.08 314	0.07 305	0.11 475	0.09 426

cf-r	0.13 310	0.07 169	0.12 215	0.16 166	0.08 146	0.14 315	0.19 442	0.20 262	0.25 381	0.17 350	0.25 404	0.21 388	0.16 401	0.14 298	0.14 352	0.10 438	0.05 211	0.06 127	0.08 373	0.06 224	0.06 234

iResNet	0.13 310	0.10 407	0.18 436	0.19 386	0.08 146	0.13 283	0.18 402	0.20 262	0.26 395	0.15 306	0.23 363	0.15 305	0.13 332	0.14 298	0.14 352	0.06 131	0.04 24	0.06 127	0.05 133	0.06 224	0.05 146

Select-FE	0.11 218	0.06 76	0.20 459	0.15 86	0.11 424	0.11 196	0.13 124	0.21 286	0.18 264	0.09 124	0.11 182	0.10 186	0.06 45	0.12 224	0.09 61	0.07 274	0.05 211	0.07 229	0.08 373	0.06 224	0.08 381

MM-Stereo_test1	0.10 174	0.07 169	0.08 38	0.18 325	0.07 86	0.12 239	0.18 402	0.21 286	0.20 304	0.09 124	0.11 182	0.08 127	0.06 45	0.10 82	0.10 140	0.06 131	0.05 211	0.07 229	0.06 214	0.05 121	0.04 49

HI	0.11 218	0.06 76	0.11 179	0.13 14	0.09 269	0.09 97	0.14 179	0.21 286	0.10 47	0.19 396	0.17 277	0.14 276	0.09 200	0.16 354	0.08 17	0.05 35	0.04 24	0.07 229	0.08 373	0.07 294	0.06 234

CoSv	0.11 218	0.06 76	0.11 179	0.13 14	0.09 269	0.09 97	0.14 179	0.21 286	0.10 47	0.19 396	0.17 277	0.14 276	0.09 200	0.16 354	0.08 17	0.05 35	0.04 24	0.07 229	0.08 373	0.07 294	0.06 234

AIO-test1	0.10 174	0.07 169	0.10 133	0.23 512	0.07 86	0.09 97	0.13 124	0.21 286	0.14 165	0.11 192	0.12 196	0.09 152	0.07 127	0.11 132	0.09 61	0.06 131	0.05 211	0.09 398	0.10 461	0.03 1	0.06 234

AIO-Stereo-zeroshot1	0.11 218	0.05 27	0.14 297	0.15 86	0.20 555	0.09 97	0.17 357	0.21 286	0.15 185	0.11 192	0.14 224	0.10 186	0.07 127	0.10 82	0.08 17	0.06 131	0.05 211	0.07 229	0.07 305	0.07 294	0.09 426

test_sample2	0.12 285	0.07 169	0.12 215	0.14 43	0.08 146	0.16 372	0.18 402	0.21 286	0.16 214	0.14 279	0.20 323	0.19 367	0.15 375	0.15 320	0.12 271	0.08 338	0.05 211	0.07 229	0.06 214	0.08 357	0.07 317

mmm	0.14 346	0.08 270	0.17 413	0.17 242	0.09 269	0.17 393	0.18 402	0.21 286	0.15 185	0.15 306	0.23 363	0.21 388	0.16 401	0.16 354	0.17 412	0.08 338	0.05 211	0.08 314	0.07 305	0.07 294	0.07 317

StereoVision	0.13 310	0.12 451	0.09 86	0.24 521	0.10 372	0.15 342	0.21 480	0.21 286	0.20 304	0.12 230	0.24 375	0.10 186	0.10 236	0.16 354	0.10 140	0.09 397	0.11 506	0.12 496	0.12 512	0.06 224	0.05 146

Any-RAFT	0.10 174	0.05 27	0.09 86	0.14 43	0.07 86	0.13 283	0.14 179	0.21 286	0.15 185	0.11 192	0.12 196	0.12 231	0.09 200	0.12 224	0.09 61	0.07 274	0.04 24	0.05 34	0.04 48	0.06 224	0.05 146

test_5	0.14 346	0.12 451	0.08 38	0.20 445	0.10 372	0.14 315	0.29 560	0.21 286	0.24 360	0.18 380	0.28 444	0.11 212	0.15 375	0.12 224	0.13 313	0.06 131	0.05 211	0.07 229	0.08 373	0.08 357	0.07 317

iRaft-Stereo_5w	0.12 285	0.09 346	0.12 215	0.19 386	0.08 146	0.09 97	0.12 76	0.21 286	0.21 319	0.19 396	0.14 224	0.11 212	0.09 200	0.20 448	0.16 397	0.05 35	0.05 211	0.07 229	0.06 214	0.05 121	0.06 234

UDGNet	0.14 346	0.13 480	0.16 383	0.17 242	0.10 372	0.12 239	0.16 319	0.21 286	0.27 405	0.20 419	0.20 323	0.16 319	0.13 332	0.16 354	0.13 313	0.10 438	0.06 343	0.09 398	0.07 305	0.06 224	0.07 317

dd	0.15 391	0.16 510	0.16 383	0.19 386	0.09 269	0.15 342	0.18 402	0.21 286	0.25 381	0.23 461	0.20 323	0.21 388	0.09 200	0.21 465	0.16 397	0.10 438	0.06 343	0.08 314	0.06 214	0.08 357	0.06 234

dad	0.17 434	0.20 539	0.20 459	0.16 166	0.11 424	0.20 450	0.18 402	0.21 286	0.28 419	0.30 522	0.24 375	0.29 480	0.13 332	0.19 423	0.16 397	0.18 556	0.09 473	0.11 477	0.09 422	0.11 475	0.07 317

IPLGR	0.11 218	0.09 346	0.16 383	0.18 325	0.08 146	0.12 239	0.17 357	0.21 286	0.24 360	0.11 192	0.12 196	0.11 212	0.08 167	0.12 224	0.12 271	0.06 131	0.05 211	0.06 127	0.06 214	0.04 21	0.04 49

LCNet	0.11 218	0.07 169	0.09 86	0.19 386	0.09 269	0.08 59	0.15 251	0.21 286	0.15 185	0.11 192	0.15 241	0.16 319	0.11 261	0.12 224	0.11 215	0.05 35	0.04 24	0.08 314	0.07 305	0.06 224	0.15 536

STrans-v2	0.10 174	0.07 169	0.12 215	0.18 325	0.07 86	0.10 149	0.14 179	0.21 286	0.11 75	0.11 192	0.15 241	0.12 231	0.10 236	0.11 132	0.12 271	0.05 35	0.04 24	0.06 127	0.06 214	0.04 21	0.04 49

OMP-Stereo	0.11 218	0.06 76	0.14 297	0.18 325	0.08 146	0.09 97	0.12 76	0.21 286	0.21 319	0.13 257	0.14 224	0.11 212	0.12 294	0.11 132	0.13 313	0.06 131	0.04 24	0.07 229	0.06 214	0.05 121	0.04 49

FTStereo	0.12 285	0.06 76	0.14 297	0.18 325	0.09 269	0.07 33	0.15 251	0.21 286	0.18 264	0.12 230	0.24 375	0.12 231	0.12 294	0.13 270	0.13 313	0.05 35	0.05 211	0.07 229	0.06 214	0.06 224	0.10 453

DRaft	0.12 285	0.06 76	0.11 179	0.14 43	0.09 269	0.14 315	0.17 357	0.21 286	0.30 436	0.17 350	0.28 444	0.10 186	0.15 375	0.10 82	0.12 271	0.05 35	0.04 24	0.07 229	0.06 214	0.05 121	0.05 146

111	0.10 174	0.06 76	0.12 215	0.15 86	0.07 86	0.10 149	0.14 179	0.21 286	0.23 344	0.11 192	0.12 196	0.14 276	0.11 261	0.13 270	0.10 140	0.06 131	0.04 24	0.06 127	0.04 48	0.05 121	0.05 146

GwcNet-RSSM	0.14 346	0.07 169	0.12 215	0.15 86	0.08 146	0.15 342	0.20 463	0.21 286	0.27 405	0.18 380	0.27 430	0.22 406	0.16 401	0.14 298	0.15 381	0.10 438	0.05 211	0.07 229	0.09 422	0.07 294	0.07 317

z-ln-s-r	0.17 434	0.10 407	0.40 545	0.19 386	0.08 146	0.17 393	0.18 402	0.22 309	0.33 457	0.18 380	0.40 524	0.22 406	0.17 424	0.20 448	0.23 490	0.07 274	0.05 211	0.07 229	0.07 305	0.07 294	0.05 146

DFGA-Net	0.13 310	0.11 433	0.18 436	0.17 242	0.10 372	0.12 239	0.13 124	0.22 309	0.25 381	0.16 334	0.16 255	0.13 256	0.12 294	0.16 354	0.14 352	0.07 274	0.05 211	0.08 314	0.07 305	0.05 121	0.05 146

FACV-RUCA	0.13 310	0.11 433	0.12 215	0.19 386	0.12 457	0.15 342	0.15 251	0.22 309	0.20 304	0.15 306	0.16 255	0.14 276	0.16 401	0.14 298	0.13 313	0.07 274	0.05 211	0.08 314	0.06 214	0.10 452	0.08 381

CBFPSM	0.14 346	0.06 76	0.26 495	0.17 242	0.09 269	0.13 283	0.15 251	0.22 309	0.23 344	0.20 419	0.27 430	0.24 430	0.16 401	0.16 354	0.18 430	0.06 131	0.06 343	0.06 127	0.07 305	0.07 294	0.07 317

Anonymous_2	0.22 493	0.17 521	0.28 508	0.15 86	0.16 528	0.32 541	0.22 490	0.22 309	0.17 237	0.23 461	0.24 375	0.26 454	0.27 516	0.27 508	0.23 490	0.22 572	0.25 579	0.17 544	0.17 552	0.17 550	0.17 555

x	0.13 310	0.07 169	0.14 297	0.14 43	0.08 146	0.18 412	0.14 179	0.22 309	0.20 304	0.15 306	0.19 311	0.19 367	0.17 424	0.18 408	0.18 430	0.07 274	0.05 211	0.06 127	0.06 214	0.07 294	0.07 317

RAFT+CT+SA	0.13 310	0.11 433	0.09 86	0.19 386	0.09 269	0.15 342	0.28 551	0.22 309	0.22 334	0.15 306	0.26 421	0.10 186	0.10 236	0.11 132	0.12 271	0.05 35	0.04 24	0.07 229	0.08 373	0.07 294	0.06 234

Sa-1000	0.12 285	0.08 270	0.08 38	0.18 325	0.08 146	0.14 315	0.22 490	0.22 309	0.18 264	0.15 306	0.20 323	0.17 339	0.11 261	0.10 82	0.10 140	0.06 131	0.05 211	0.09 398	0.09 422	0.05 121	0.05 146

IIG-Stereo	0.11 218	0.06 76	0.13 262	0.17 242	0.08 146	0.11 196	0.12 76	0.22 309	0.17 237	0.14 279	0.17 277	0.11 212	0.12 294	0.12 224	0.12 271	0.06 131	0.05 211	0.07 229	0.06 214	0.05 121	0.04 49

KYRaft	0.11 218	0.07 169	0.10 133	0.19 386	0.09 269	0.08 59	0.15 251	0.22 309	0.12 105	0.13 257	0.16 255	0.20 379	0.10 236	0.12 224	0.10 140	0.05 35	0.04 24	0.08 314	0.08 373	0.06 224	0.16 547

Prome-Stereo	0.11 218	0.06 76	0.10 133	0.18 325	0.08 146	0.12 239	0.15 251	0.22 309	0.13 140	0.12 230	0.17 277	0.13 256	0.08 167	0.12 224	0.10 140	0.05 35	0.04 24	0.07 229	0.06 214	0.06 224	0.09 426

EDNetEfficientorigin	7.91 619	0.31 572	153.02 640	0.19 386	0.09 269	0.21 467	0.16 319	0.22 309	0.59 566	0.72 588	0.67 577	0.42 551	0.50 579	0.24 498	0.39 572	0.08 338	0.07 418	0.08 314	0.07 305	0.12 490	0.10 453

FENet	0.13 310	0.08 270	0.12 215	0.16 166	0.08 146	0.14 315	0.15 251	0.22 309	0.23 344	0.17 350	0.23 363	0.16 319	0.12 294	0.14 298	0.15 381	0.08 338	0.05 211	0.08 314	0.08 373	0.07 294	0.07 317

ACVNet	0.15 391	0.09 346	0.15 349	0.13 14	0.12 457	0.14 315	0.20 463	0.22 309	0.33 457	0.17 350	0.26 421	0.21 388	0.16 401	0.17 386	0.21 469	0.07 274	0.06 343	0.06 127	0.06 214	0.08 357	0.06 234

GANet-RSSM	0.14 346	0.07 169	0.13 262	0.13 14	0.08 146	0.14 315	0.17 357	0.22 309	0.21 319	0.17 350	0.24 375	0.23 424	0.15 375	0.16 354	0.15 381	0.10 438	0.06 343	0.07 229	0.08 373	0.08 357	0.07 317

CFNet-ft	0.14 346	0.07 169	0.15 349	0.12 5	0.09 269	0.16 372	0.18 402	0.22 309	0.24 360	0.17 350	0.26 421	0.24 430	0.14 357	0.16 354	0.14 352	0.11 467	0.06 343	0.08 314	0.09 422	0.09 420	0.08 381

BEATNet_4x	0.12 285	0.08 270	0.14 297	0.18 325	0.07 86	0.15 342	0.07 5	0.22 309	0.18 264	0.16 334	0.19 311	0.18 353	0.14 357	0.16 354	0.15 381	0.07 274	0.05 211	0.05 34	0.05 133	0.06 224	0.06 234

CFNet_RVC	0.14 346	0.07 169	0.15 349	0.12 5	0.09 269	0.16 372	0.18 402	0.22 309	0.24 360	0.17 350	0.26 421	0.24 430	0.14 357	0.16 354	0.14 352	0.11 467	0.06 343	0.08 314	0.09 422	0.09 420	0.08 381

LE_ROB	0.50 580	0.07 169	0.14 297	0.15 86	0.08 146	0.24 493	0.16 319	0.22 309	1.81 615	4.63 619	0.67 577	0.47 566	0.44 574	0.20 448	0.29 543	0.07 274	0.06 343	0.06 127	0.06 214	0.08 357	0.06 234

DN-CSS_ROB	0.13 310	0.13 480	0.16 383	0.18 325	0.10 372	0.16 372	0.08 9	0.22 309	0.18 264	0.17 350	0.22 354	0.13 256	0.13 332	0.12 224	0.13 313	0.05 35	0.05 211	0.10 446	0.10 461	0.08 357	0.06 234

DLNR-FE	10.43 624	1.83 616	19.53 635	120.75 640	13.06 628	0.06 11	0.13 124	0.23 329	0.10 47	0.07 46	0.10 144	0.09 152	0.06 45	0.10 82	0.09 61	0.13 515	0.04 24	0.06 127	0.04 48	52.01 641	0.04 49

AIO-test2	0.10 174	0.08 270	0.10 133	0.23 512	0.08 146	0.11 196	0.10 33	0.23 329	0.23 344	0.08 85	0.09 113	0.08 127	0.05 12	0.10 82	0.08 17	0.06 131	0.05 211	0.08 314	0.09 422	0.05 121	0.05 146

rvit_0105_4	0.14 346	0.09 346	0.17 413	0.17 242	0.10 372	0.12 239	0.19 442	0.23 329	0.27 405	0.14 279	0.20 323	0.17 339	0.13 332	0.17 386	0.13 313	0.15 533	0.11 506	0.11 477	0.10 461	0.09 420	0.06 234

ACV-stereo	0.15 391	0.10 407	0.28 508	0.18 325	0.12 457	0.14 315	0.12 76	0.23 329	0.21 319	0.19 396	0.23 363	0.22 406	0.15 375	0.23 489	0.17 412	0.07 274	0.06 343	0.07 229	0.07 305	0.07 294	0.07 317

AIO-Stereo-zeroshot	0.11 218	0.05 27	0.11 179	0.15 86	0.13 480	0.13 283	0.16 319	0.23 329	0.17 237	0.10 159	0.12 196	0.10 186	0.07 127	0.11 132	0.09 61	0.06 131	0.05 211	0.06 127	0.06 214	0.07 294	0.08 381

DispNO	0.14 346	0.08 270	0.17 413	0.19 386	0.12 457	0.11 196	0.21 480	0.23 329	0.29 426	0.17 350	0.23 363	0.18 353	0.17 424	0.15 320	0.15 381	0.07 274	0.05 211	0.08 314	0.08 373	0.07 294	0.06 234

CoDeX	0.12 285	0.07 169	0.12 215	0.17 242	0.08 146	0.12 239	0.15 251	0.23 329	0.27 405	0.13 257	0.17 277	0.16 319	0.11 261	0.14 298	0.11 215	0.07 274	0.05 211	0.07 229	0.06 214	0.06 224	0.05 146

ACVNet-DCA	0.10 174	0.08 270	0.12 215	0.17 242	0.09 269	0.13 283	0.15 251	0.23 329	0.16 214	0.09 124	0.09 113	0.06 22	0.06 45	0.10 82	0.07 1	0.06 131	0.04 24	0.06 127	0.05 133	0.07 294	0.07 317

1test111	0.11 218	0.08 270	0.12 215	0.17 242	0.09 269	0.13 283	0.15 251	0.23 329	0.16 214	0.09 124	0.09 113	0.06 22	0.06 45	0.15 320	0.16 397	0.06 131	0.04 24	0.06 127	0.05 133	0.07 294	0.07 317

DLNR_Zeroshot_test	10.40 623	1.82 615	19.49 634	120.77 641	13.11 629	0.06 11	0.13 124	0.23 329	0.10 47	0.07 46	0.10 144	0.09 152	0.06 45	0.10 82	0.09 61	0.13 515	0.04 24	0.06 127	0.04 48	51.54 640	0.04 49

TestStereo1	0.13 310	0.08 270	0.08 38	0.19 386	0.08 146	0.18 412	0.29 560	0.23 329	0.16 214	0.17 350	0.20 323	0.16 319	0.10 236	0.12 224	0.13 313	0.06 131	0.06 343	0.08 314	0.06 214	0.05 121	0.05 146

qqq	0.13 310	0.09 346	0.15 349	0.16 166	0.08 146	0.13 283	0.15 251	0.23 329	0.16 214	0.15 306	0.19 311	0.16 319	0.16 401	0.15 320	0.16 397	0.07 274	0.06 343	0.08 314	0.08 373	0.07 294	0.07 317

SA-5K	0.13 310	0.08 270	0.08 38	0.19 386	0.08 146	0.18 412	0.29 560	0.23 329	0.16 214	0.17 350	0.20 323	0.16 319	0.10 236	0.12 224	0.13 313	0.06 131	0.06 343	0.08 314	0.06 214	0.05 121	0.05 146

SA	0.12 285	0.09 346	0.08 38	0.18 325	0.08 146	0.12 239	0.24 513	0.23 329	0.18 264	0.17 350	0.27 430	0.14 276	0.11 261	0.11 132	0.11 215	0.05 35	0.05 211	0.09 398	0.08 373	0.05 121	0.04 49

AACVNet	0.16 414	0.08 270	0.14 297	0.15 86	0.10 372	0.18 412	0.15 251	0.23 329	0.24 360	0.27 495	0.27 430	0.28 472	0.17 424	0.19 423	0.16 397	0.09 397	0.07 418	0.09 398	0.07 305	0.10 452	0.09 426

NF-Stereo	0.11 218	0.07 169	0.13 262	0.17 242	0.09 269	0.10 149	0.14 179	0.23 329	0.19 280	0.12 230	0.17 277	0.12 231	0.11 261	0.11 132	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.12 492

OCTAStereo	0.11 218	0.07 169	0.13 262	0.17 242	0.09 269	0.10 149	0.14 179	0.23 329	0.19 280	0.12 230	0.17 277	0.12 231	0.11 261	0.11 132	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.12 492

RE-Stereo	0.11 218	0.07 169	0.13 262	0.17 242	0.09 269	0.10 149	0.14 179	0.23 329	0.19 280	0.12 230	0.17 277	0.12 231	0.11 261	0.11 132	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.12 492

TVStereo	0.11 218	0.07 169	0.13 262	0.17 242	0.09 269	0.10 149	0.14 179	0.23 329	0.19 280	0.12 230	0.17 277	0.12 231	0.11 261	0.11 132	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.06 224	0.12 492

GMM-Stereo	0.11 218	0.07 169	0.10 133	0.18 325	0.09 269	0.08 59	0.15 251	0.23 329	0.16 214	0.11 192	0.15 241	0.13 256	0.11 261	0.11 132	0.11 215	0.05 35	0.04 24	0.08 314	0.07 305	0.06 224	0.09 426

DMCA	0.14 346	0.09 346	0.16 383	0.19 386	0.09 269	0.15 342	0.17 357	0.23 329	0.27 405	0.14 279	0.19 311	0.17 339	0.18 438	0.15 320	0.17 412	0.10 438	0.06 343	0.08 314	0.06 214	0.09 420	0.10 453

R-Stereo Train	0.10 174	0.06 76	0.10 133	0.17 242	0.08 146	0.11 196	0.14 179	0.23 329	0.11 75	0.12 230	0.19 311	0.11 212	0.08 167	0.09 39	0.11 215	0.07 274	0.05 211	0.06 127	0.05 133	0.05 121	0.05 146

RAFT-Stereo	0.10 174	0.06 76	0.10 133	0.17 242	0.08 146	0.11 196	0.14 179	0.23 329	0.11 75	0.12 230	0.19 311	0.11 212	0.08 167	0.09 39	0.11 215	0.07 274	0.05 211	0.06 127	0.05 133	0.05 121	0.05 146
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MM-Stereo_test3	0.10 174	0.07 169	0.07 8	0.18 325	0.07 86	0.12 239	0.19 442	0.24 352	0.19 280	0.06 13	0.10 144	0.08 127	0.06 45	0.11 132	0.08 17	0.06 131	0.06 343	0.07 229	0.05 133	0.05 121	0.04 49

rvit_0105_5	0.14 346	0.09 346	0.13 262	0.17 242	0.09 269	0.14 315	0.23 501	0.24 352	0.27 405	0.14 279	0.15 241	0.18 353	0.12 294	0.17 386	0.14 352	0.14 529	0.11 506	0.10 446	0.10 461	0.08 357	0.06 234

CAS++	0.11 218	0.07 169	0.11 179	0.14 43	0.09 269	0.12 239	0.14 179	0.24 352	0.14 165	0.11 192	0.09 113	0.11 212	0.07 127	0.14 298	0.09 61	0.11 467	0.09 473	0.09 398	0.07 305	0.07 294	0.08 381
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
gwcnet-sp	0.14 346	0.07 169	0.12 215	0.18 325	0.09 269	0.16 372	0.17 357	0.24 352	0.24 360	0.18 380	0.24 375	0.15 305	0.16 401	0.15 320	0.15 381	0.08 338	0.06 343	0.07 229	0.08 373	0.08 357	0.07 317

scenet	0.14 346	0.07 169	0.12 215	0.18 325	0.09 269	0.16 372	0.17 357	0.24 352	0.24 360	0.18 380	0.24 375	0.15 305	0.16 401	0.15 320	0.15 381	0.08 338	0.06 343	0.07 229	0.08 373	0.08 357	0.07 317

ToySt	0.17 434	0.11 433	0.18 436	0.17 242	0.11 424	0.16 372	0.25 529	0.24 352	0.33 457	0.19 396	0.24 375	0.26 454	0.24 493	0.19 423	0.20 449	0.07 274	0.08 444	0.09 398	0.10 461	0.09 420	0.08 381

ssnet	0.14 346	0.07 169	0.12 215	0.18 325	0.09 269	0.16 372	0.17 357	0.24 352	0.24 360	0.18 380	0.24 375	0.15 305	0.16 401	0.15 320	0.15 381	0.08 338	0.06 343	0.07 229	0.08 373	0.08 357	0.07 317

PSM-softLoss	0.12 285	0.07 169	0.15 349	0.17 242	0.09 269	0.08 59	0.13 124	0.24 352	0.17 237	0.14 279	0.19 311	0.13 256	0.11 261	0.11 132	0.11 215	0.07 274	0.05 211	0.08 314	0.07 305	0.06 224	0.12 492

KMStereo	0.12 285	0.07 169	0.15 349	0.17 242	0.09 269	0.08 59	0.13 124	0.24 352	0.17 237	0.14 279	0.19 311	0.13 256	0.11 261	0.11 132	0.11 215	0.07 274	0.05 211	0.08 314	0.07 305	0.06 224	0.12 492

IRAFT_RVC	0.12 285	0.08 270	0.16 383	0.19 386	0.08 146	0.07 33	0.15 251	0.24 352	0.23 344	0.14 279	0.14 224	0.15 305	0.12 294	0.12 224	0.10 140	0.06 131	0.04 24	0.09 398	0.06 214	0.06 224	0.06 234

raft+_RVC	0.11 218	0.07 169	0.09 86	0.16 166	0.07 86	0.10 149	0.11 56	0.24 352	0.20 304	0.12 230	0.15 241	0.12 231	0.08 167	0.12 224	0.13 313	0.07 274	0.04 24	0.07 229	0.06 214	0.05 121	0.05 146

ac_64	0.16 414	0.08 270	0.15 349	0.18 325	0.10 372	0.22 475	0.18 402	0.24 352	0.21 319	0.18 380	0.24 375	0.29 480	0.18 438	0.19 423	0.22 478	0.09 397	0.07 418	0.08 314	0.09 422	0.07 294	0.06 234

PSMNet-RSSM	0.14 346	0.07 169	0.13 262	0.15 86	0.08 146	0.13 283	0.16 319	0.24 352	0.24 360	0.16 334	0.28 444	0.22 406	0.14 357	0.15 320	0.13 313	0.11 467	0.06 343	0.09 398	0.12 512	0.08 357	0.07 317

SuperB	0.20 472	0.10 407	0.56 568	0.16 166	0.09 269	0.18 412	0.18 402	0.24 352	0.50 547	0.26 489	0.39 518	0.17 339	0.21 470	0.22 478	0.21 469	0.08 338	0.06 343	0.06 127	0.06 214	0.12 490	0.10 453

UCFNet_RVC	0.14 346	0.08 270	0.13 262	0.11 1	0.10 372	0.20 450	0.10 33	0.24 352	0.22 334	0.17 350	0.20 323	0.23 424	0.15 375	0.17 386	0.15 381	0.12 492	0.07 418	0.10 446	0.13 522	0.11 475	0.10 453

pmcnn	0.15 391	0.07 169	0.19 447	0.15 86	0.07 86	0.20 450	0.15 251	0.24 352	0.26 395	0.21 433	0.34 490	0.28 472	0.18 438	0.18 408	0.17 412	0.07 274	0.05 211	0.05 34	0.04 48	0.07 294	0.06 234

G2L-ROB	0.13 310	0.06 76	0.13 262	0.13 14	0.08 146	0.14 315	0.16 319	0.25 368	0.18 264	0.19 396	0.18 302	0.20 379	0.14 357	0.17 386	0.16 397	0.08 338	0.05 211	0.06 127	0.05 133	0.08 357	0.09 426

DDVS	0.15 391	0.10 407	0.21 468	0.16 166	0.12 457	0.15 342	0.14 179	0.25 368	0.19 280	0.18 380	0.29 456	0.27 462	0.12 294	0.19 423	0.15 381	0.09 397	0.06 343	0.09 398	0.07 305	0.11 475	0.11 479

rvit_0105_3	0.15 391	0.09 346	0.14 297	0.19 386	0.12 457	0.15 342	0.25 529	0.25 368	0.29 426	0.15 306	0.17 277	0.20 379	0.13 332	0.17 386	0.14 352	0.13 515	0.11 506	0.12 496	0.14 525	0.07 294	0.06 234

test_sample6	0.14 346	0.08 270	0.13 262	0.16 166	0.08 146	0.17 393	0.19 442	0.25 368	0.17 237	0.17 350	0.27 430	0.19 367	0.14 357	0.15 320	0.13 313	0.08 338	0.05 211	0.08 314	0.07 305	0.08 357	0.08 381

test_sample5	0.14 346	0.08 270	0.14 297	0.16 166	0.08 146	0.18 412	0.18 402	0.25 368	0.17 237	0.17 350	0.27 430	0.18 353	0.14 357	0.16 354	0.13 313	0.08 338	0.05 211	0.08 314	0.07 305	0.08 357	0.08 381

DualNet	0.14 346	0.08 270	0.14 297	0.16 166	0.08 146	0.18 412	0.18 402	0.25 368	0.17 237	0.17 350	0.27 430	0.18 353	0.14 357	0.16 354	0.13 313	0.08 338	0.05 211	0.08 314	0.07 305	0.08 357	0.08 381

SDNR	0.19 460	0.08 270	0.19 447	0.16 166	0.12 457	0.77 597	0.14 179	0.25 368	0.32 450	0.19 396	0.24 375	0.19 367	0.13 332	0.19 423	0.15 381	0.16 549	0.18 558	0.14 523	0.11 493	0.08 357	0.11 479

fast-acv-ft	0.18 448	0.11 433	0.19 447	0.19 386	0.12 457	0.24 493	0.21 480	0.25 368	0.34 469	0.22 449	0.34 490	0.27 462	0.20 466	0.21 465	0.23 490	0.09 397	0.09 473	0.08 314	0.10 461	0.08 357	0.07 317

IER	0.14 346	0.07 169	0.13 262	0.17 242	0.09 269	0.14 315	0.16 319	0.25 368	0.26 395	0.18 380	0.25 404	0.17 339	0.20 466	0.16 354	0.14 352	0.08 338	0.05 211	0.07 229	0.06 214	0.08 357	0.07 317

CSP-Net	0.16 414	0.09 346	0.14 297	0.16 166	0.09 269	0.19 435	0.17 357	0.25 368	0.32 450	0.25 483	0.30 462	0.24 430	0.15 375	0.21 465	0.18 430	0.09 397	0.06 343	0.07 229	0.07 305	0.08 357	0.07 317

ICVP	0.15 391	0.09 346	0.12 215	0.22 491	0.09 269	0.17 393	0.21 480	0.25 368	0.23 344	0.18 380	0.30 462	0.26 454	0.18 438	0.17 386	0.14 352	0.09 397	0.07 418	0.08 314	0.07 305	0.07 294	0.07 317
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.17 434	0.09 346	0.16 383	0.20 445	0.11 424	0.27 524	0.20 463	0.25 368	0.41 511	0.22 449	0.30 462	0.21 388	0.20 466	0.17 386	0.20 449	0.06 131	0.06 343	0.07 229	0.07 305	0.08 357	0.07 317

acv_ft	0.15 391	0.09 346	0.15 349	0.19 386	0.10 372	0.16 372	0.17 357	0.25 368	0.33 457	0.19 396	0.26 421	0.21 388	0.17 424	0.17 386	0.18 430	0.07 274	0.06 343	0.06 127	0.06 214	0.08 357	0.06 234

hitnet-ft	0.18 448	0.09 346	0.17 413	0.14 43	0.09 269	0.26 514	0.20 463	0.25 368	0.26 395	0.24 470	0.32 474	0.31 502	0.22 479	0.24 498	0.21 469	0.12 492	0.07 418	0.10 446	0.08 373	0.12 490	0.11 479

DMCA-RVC	0.17 434	0.10 407	0.15 349	0.24 521	0.11 424	0.18 412	0.18 402	0.25 368	0.24 360	0.21 433	0.26 421	0.25 444	0.27 516	0.18 408	0.20 449	0.12 492	0.08 444	0.13 511	0.10 461	0.10 452	0.08 381

FADNet-RVC-Resample	0.16 414	0.11 433	0.31 521	0.22 491	0.11 424	0.19 435	0.14 179	0.25 368	0.24 360	0.24 470	0.27 430	0.20 379	0.15 375	0.16 354	0.15 381	0.07 274	0.08 444	0.12 496	0.10 461	0.09 420	0.10 453

RP	0.21 484	0.13 480	0.21 468	0.23 512	0.11 424	0.21 467	0.20 463	0.25 368	0.44 529	0.21 433	0.38 510	0.36 527	0.24 493	0.27 508	0.25 513	0.11 467	0.12 520	0.13 511	0.12 512	0.12 490	0.14 529

iResNetv2_ROB	0.14 346	0.08 270	0.15 349	0.16 166	0.08 146	0.16 372	0.12 76	0.25 368	0.35 478	0.21 433	0.29 456	0.24 430	0.13 332	0.14 298	0.14 352	0.06 131	0.05 211	0.06 127	0.04 48	0.09 420	0.08 381

WQFJA1	0.13 310	0.09 346	0.10 133	0.20 445	0.10 372	0.11 196	0.15 251	0.26 386	0.39 500	0.10 159	0.15 241	0.11 212	0.11 261	0.11 132	0.13 313	0.07 274	0.06 343	0.08 314	0.08 373	0.06 224	0.06 234

WQFJX1	0.13 310	0.09 346	0.10 133	0.20 445	0.10 372	0.11 196	0.15 251	0.26 386	0.39 500	0.10 159	0.15 241	0.11 212	0.11 261	0.11 132	0.13 313	0.07 274	0.06 343	0.08 314	0.08 373	0.06 224	0.06 234

coex_refinement	0.14 346	0.07 169	0.12 215	0.17 242	0.10 372	0.15 342	0.15 251	0.26 386	0.29 426	0.18 380	0.20 323	0.22 406	0.17 424	0.16 354	0.18 430	0.08 338	0.05 211	0.06 127	0.06 214	0.09 420	0.08 381

test_sample4	0.14 346	0.08 270	0.14 297	0.15 86	0.08 146	0.19 435	0.18 402	0.26 386	0.17 237	0.16 334	0.25 404	0.18 353	0.14 357	0.16 354	0.13 313	0.08 338	0.06 343	0.08 314	0.06 214	0.08 357	0.08 381

test_sample3	0.14 346	0.08 270	0.15 349	0.14 43	0.09 269	0.19 435	0.17 357	0.26 386	0.18 264	0.16 334	0.22 354	0.19 367	0.15 375	0.17 386	0.13 313	0.08 338	0.06 343	0.07 229	0.06 214	0.09 420	0.08 381

SMFormer	0.14 346	0.07 169	0.17 413	0.14 43	0.08 146	0.16 372	0.17 357	0.26 386	0.27 405	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.17 412	0.08 338	0.05 211	0.07 229	0.06 214	0.07 294	0.06 234

tta	0.14 346	0.07 169	0.17 413	0.14 43	0.08 146	0.16 372	0.17 357	0.26 386	0.27 405	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.17 412	0.08 338	0.05 211	0.07 229	0.06 214	0.06 224	0.06 234

qqq1	0.13 310	0.07 169	0.17 413	0.14 43	0.08 146	0.16 372	0.17 357	0.26 386	0.27 405	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.11 215	0.08 338	0.05 211	0.05 34	0.05 133	0.06 224	0.06 234

fff1	0.13 310	0.07 169	0.17 413	0.14 43	0.08 146	0.16 372	0.17 357	0.26 386	0.27 405	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.11 215	0.08 338	0.05 211	0.05 34	0.05 133	0.06 224	0.06 234

Wz-Net-LNSev-Ref	0.18 448	0.09 346	0.29 516	0.15 86	0.10 372	0.22 475	0.20 463	0.26 386	0.39 500	0.25 483	0.42 541	0.24 430	0.15 375	0.20 448	0.19 443	0.07 274	0.05 211	0.06 127	0.05 133	0.10 452	0.09 426

CRFU-Net	0.16 414	0.08 270	0.14 297	0.17 242	0.09 269	0.19 435	0.14 179	0.26 386	0.20 304	0.28 510	0.27 430	0.29 480	0.17 424	0.19 423	0.17 412	0.09 397	0.09 473	0.07 229	0.07 305	0.08 357	0.08 381

PSMNet-ADL	0.15 391	0.12 451	0.13 262	0.22 491	0.09 269	0.13 283	0.20 463	0.26 386	0.23 344	0.18 380	0.20 323	0.24 430	0.16 401	0.18 408	0.17 412	0.08 338	0.08 444	0.08 314	0.11 493	0.08 357	0.07 317

PFNet	0.12 285	0.06 76	0.17 413	0.17 242	0.08 146	0.09 97	0.15 251	0.26 386	0.20 304	0.16 334	0.16 255	0.14 276	0.11 261	0.12 224	0.11 215	0.06 131	0.04 24	0.07 229	0.06 214	0.05 121	0.05 146

sAnonymous2	0.13 310	0.12 451	0.24 487	0.20 445	0.12 457	0.17 393	0.13 124	0.26 386	0.21 319	0.11 192	0.11 182	0.13 256	0.08 167	0.10 82	0.10 140	0.09 397	0.05 211	0.08 314	0.06 214	0.15 536	0.10 453

CroCo_RVC	0.13 310	0.12 451	0.24 487	0.20 445	0.12 457	0.17 393	0.13 124	0.26 386	0.21 319	0.11 192	0.11 182	0.13 256	0.08 167	0.10 82	0.10 140	0.09 397	0.05 211	0.08 314	0.06 214	0.15 536	0.10 453

HCRNet	0.16 414	0.24 553	0.12 215	0.35 572	0.11 424	0.15 342	0.17 357	0.26 386	0.22 334	0.19 396	0.24 375	0.21 388	0.14 357	0.15 320	0.13 313	0.11 467	0.07 418	0.11 477	0.10 461	0.09 420	0.07 317

RAFT + AFF	0.13 310	0.07 169	0.20 459	0.20 445	0.10 372	0.14 315	0.24 513	0.26 386	0.20 304	0.11 192	0.10 144	0.12 231	0.10 236	0.15 320	0.12 271	0.07 274	0.06 343	0.09 398	0.08 373	0.06 224	0.08 381

FADNet_RVC	0.16 414	0.14 492	0.40 545	0.20 445	0.11 424	0.13 283	0.13 124	0.26 386	0.22 334	0.21 433	0.23 363	0.20 379	0.17 424	0.14 298	0.16 397	0.08 338	0.08 444	0.12 496	0.09 422	0.11 475	0.10 453

FADNet-RVC	0.20 472	0.20 539	0.38 541	0.21 476	0.16 528	0.20 450	0.15 251	0.26 386	0.26 395	0.26 489	0.32 474	0.26 454	0.21 470	0.22 478	0.19 443	0.12 492	0.13 533	0.12 496	0.14 525	0.13 508	0.18 558

AANet_RVC	0.16 414	0.10 407	0.10 133	0.18 325	0.09 269	0.18 412	0.19 442	0.26 386	0.31 443	0.22 449	0.35 495	0.21 388	0.21 470	0.22 478	0.16 397	0.06 131	0.05 211	0.06 127	0.06 214	0.07 294	0.06 234

StereoDRNet-Refined	0.17 434	0.12 451	0.15 349	0.20 445	0.09 269	0.18 412	0.18 402	0.26 386	0.23 344	0.26 489	0.40 524	0.22 406	0.17 424	0.21 465	0.20 449	0.08 338	0.05 211	0.09 398	0.10 461	0.07 294	0.07 317
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
CBMV_ROB	0.19 460	0.13 480	0.17 413	0.16 166	0.11 424	0.15 342	0.13 124	0.26 386	0.28 419	0.27 495	0.30 462	0.27 462	0.24 493	0.23 489	0.16 397	0.15 533	0.17 556	0.22 562	0.20 558	0.10 452	0.11 479

iResNet_ROB	0.14 346	0.07 169	0.13 262	0.14 43	0.07 86	0.18 412	0.14 179	0.26 386	0.31 443	0.22 449	0.25 404	0.23 424	0.15 375	0.15 320	0.13 313	0.07 274	0.05 211	0.05 34	0.04 48	0.08 357	0.08 381

FSD	0.25 527	0.27 562	0.26 495	0.24 521	0.22 561	0.25 504	0.25 529	0.27 409	0.26 395	0.25 483	0.26 421	0.25 444	0.27 516	0.27 508	0.24 503	0.21 567	0.20 564	0.27 569	0.26 570	0.25 571	0.24 571

G2L-Stereo	0.14 346	0.07 169	0.13 262	0.17 242	0.09 269	0.13 283	0.12 76	0.27 409	0.22 334	0.16 334	0.27 430	0.21 388	0.13 332	0.17 386	0.18 430	0.09 397	0.08 444	0.08 314	0.07 305	0.07 294	0.07 317

TCMNet	0.19 460	0.12 451	0.19 447	0.20 445	0.18 549	0.20 450	0.24 513	0.27 409	0.36 483	0.23 461	0.26 421	0.25 444	0.19 454	0.19 423	0.23 490	0.13 515	0.11 506	0.11 477	0.12 512	0.13 508	0.12 492

DualNet (step1)	0.16 414	0.12 451	0.20 459	0.12 5	0.14 500	0.17 393	0.13 124	0.27 409	0.23 344	0.20 419	0.20 323	0.24 430	0.19 454	0.16 354	0.16 397	0.15 533	0.06 343	0.14 523	0.14 525	0.14 521	0.12 492

test_sample9	0.18 448	0.12 451	0.20 459	0.12 5	0.14 500	0.17 393	0.13 124	0.27 409	0.23 344	0.20 419	0.20 323	0.24 430	0.19 454	0.19 423	0.17 412	0.15 533	0.30 583	0.14 523	0.14 525	0.14 521	0.12 492

test_sample7	0.15 391	0.10 407	0.16 383	0.14 43	0.11 424	0.16 372	0.16 319	0.27 409	0.23 344	0.20 419	0.20 323	0.24 430	0.19 454	0.16 354	0.16 397	0.12 492	0.06 343	0.10 446	0.09 422	0.10 452	0.10 453

MyStereo05	0.13 310	0.07 169	0.10 133	0.17 242	0.09 269	0.13 283	0.18 402	0.27 409	0.35 478	0.17 350	0.14 224	0.15 305	0.11 261	0.15 320	0.13 313	0.06 131	0.05 211	0.07 229	0.07 305	0.06 224	0.06 234

mmx	0.14 346	0.09 346	0.14 297	0.16 166	0.08 146	0.17 393	0.17 357	0.27 409	0.25 381	0.15 306	0.25 404	0.19 367	0.13 332	0.14 298	0.20 449	0.08 338	0.06 343	0.09 398	0.08 373	0.08 357	0.08 381

ttt	0.14 346	0.08 270	0.14 297	0.15 86	0.08 146	0.15 342	0.18 402	0.27 409	0.29 426	0.16 334	0.24 375	0.17 339	0.13 332	0.13 270	0.14 352	0.11 467	0.08 444	0.09 398	0.08 373	0.09 420	0.08 381

xxx	0.14 346	0.09 346	0.14 297	0.16 166	0.08 146	0.17 393	0.17 357	0.27 409	0.25 381	0.15 306	0.25 404	0.19 367	0.13 332	0.14 298	0.20 449	0.08 338	0.06 343	0.09 398	0.08 373	0.08 357	0.08 381

coex-ft	3.30 611	0.34 576	59.09 639	0.18 325	0.13 480	0.26 514	0.22 490	0.27 409	0.72 585	1.90 616	0.70 581	0.44 557	0.45 575	0.29 527	0.41 578	0.09 397	0.09 473	0.12 496	0.09 422	0.14 521	0.13 512

iinet-f	0.16 414	0.06 76	0.45 552	0.14 43	0.10 372	0.21 467	0.14 179	0.27 409	0.23 344	0.21 433	0.24 375	0.21 388	0.15 375	0.18 408	0.21 469	0.09 397	0.07 418	0.07 229	0.06 214	0.09 420	0.10 453

DAS	0.15 391	0.08 270	0.18 436	0.19 386	0.10 372	0.19 435	0.17 357	0.27 409	0.29 426	0.18 380	0.25 404	0.21 388	0.15 375	0.16 354	0.12 271	0.08 338	0.06 343	0.06 127	0.06 214	0.07 294	0.07 317

SepStereo	0.15 391	0.08 270	0.18 436	0.19 386	0.10 372	0.19 435	0.17 357	0.27 409	0.29 426	0.18 380	0.25 404	0.21 388	0.15 375	0.25 503	0.12 271	0.08 338	0.06 343	0.06 127	0.06 214	0.07 294	0.07 317

LMCR-Stereo	0.15 391	0.08 270	0.13 262	0.21 476	0.09 269	0.17 393	0.20 463	0.27 409	0.19 280	0.24 470	0.24 375	0.23 424	0.17 424	0.20 448	0.17 412	0.07 274	0.06 343	0.08 314	0.06 214	0.10 452	0.08 381

CFNet_pseudo	0.14 346	0.08 270	0.15 349	0.16 166	0.09 269	0.13 283	0.14 179	0.27 409	0.34 469	0.14 279	0.21 344	0.22 406	0.13 332	0.18 408	0.14 352	0.07 274	0.05 211	0.08 314	0.06 214	0.07 294	0.07 317

HSM-Net_RVC	0.14 346	0.08 270	0.11 179	0.15 86	0.08 146	0.15 342	0.15 251	0.27 409	0.29 426	0.19 396	0.21 344	0.29 480	0.14 357	0.17 386	0.13 313	0.06 131	0.06 343	0.06 127	0.06 214	0.07 294	0.06 234
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DANet	0.21 484	0.15 502	0.28 508	0.25 533	0.13 480	0.22 475	0.19 442	0.27 409	0.27 405	0.28 510	0.32 474	0.35 525	0.31 542	0.31 531	0.23 490	0.11 467	0.09 473	0.11 477	0.10 461	0.13 508	0.11 479
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ccs_rob	0.14 346	0.08 270	0.15 349	0.16 166	0.09 269	0.12 239	0.14 179	0.27 409	0.34 469	0.14 279	0.21 344	0.22 406	0.13 332	0.18 408	0.14 352	0.07 274	0.05 211	0.08 314	0.07 305	0.07 294	0.07 317

DISCO	0.19 460	0.09 346	0.22 474	0.17 242	0.10 372	0.25 504	0.18 402	0.27 409	0.44 529	0.22 449	0.31 470	0.33 515	0.26 508	0.28 520	0.28 540	0.08 338	0.06 343	0.07 229	0.07 305	0.09 420	0.09 426

w-ln-seven-2	0.20 472	0.14 492	0.37 540	0.22 491	0.12 457	0.20 450	0.21 480	0.28 429	0.37 490	0.25 483	0.37 504	0.27 462	0.22 479	0.21 465	0.23 490	0.08 338	0.08 444	0.09 398	0.09 422	0.10 452	0.09 426

HBP-ISP	0.18 448	0.13 480	0.16 383	0.15 86	0.11 424	0.08 59	0.13 124	0.28 429	0.29 426	0.22 449	0.33 486	0.21 388	0.25 502	0.23 489	0.17 412	0.14 529	0.16 551	0.21 558	0.17 552	0.10 452	0.08 381

raft_robust	0.13 310	0.10 407	0.07 8	0.18 325	0.08 146	0.13 283	0.24 513	0.28 429	0.33 457	0.20 419	0.19 311	0.14 276	0.10 236	0.11 132	0.12 271	0.05 35	0.05 211	0.07 229	0.07 305	0.05 121	0.04 49

Anonymous3	0.16 414	0.13 480	0.33 527	0.26 539	0.14 500	0.27 524	0.17 357	0.28 429	0.28 419	0.15 306	0.17 277	0.14 276	0.10 236	0.15 320	0.12 271	0.08 338	0.08 444	0.08 314	0.08 373	0.08 357	0.11 479

GES	0.14 346	0.08 270	0.16 383	0.15 86	0.10 372	0.13 283	0.13 124	0.28 429	0.25 381	0.16 334	0.23 363	0.18 353	0.13 332	0.16 354	0.13 313	0.08 338	0.07 418	0.07 229	0.06 214	0.08 357	0.09 426

test_xeample	0.15 391	0.06 76	0.13 262	0.14 43	0.08 146	0.21 467	0.20 463	0.28 429	0.20 304	0.16 334	0.29 456	0.19 367	0.16 401	0.15 320	0.26 525	0.09 397	0.05 211	0.07 229	0.07 305	0.07 294	0.07 317

SFCPSM	0.13 310	0.07 169	0.14 297	0.17 242	0.09 269	0.15 342	0.16 319	0.28 429	0.27 405	0.14 279	0.17 277	0.12 231	0.13 332	0.14 298	0.11 215	0.08 338	0.05 211	0.07 229	0.07 305	0.07 294	0.06 234

UPFNet	0.16 414	0.08 270	0.12 215	0.20 445	0.12 457	0.20 450	0.23 501	0.28 429	0.26 395	0.17 350	0.24 375	0.22 406	0.19 454	0.19 423	0.21 469	0.09 397	0.07 418	0.08 314	0.09 422	0.08 357	0.06 234

DSFCA	0.16 414	0.09 346	0.14 297	0.16 166	0.10 372	0.20 450	0.19 442	0.28 429	0.31 443	0.23 461	0.24 375	0.22 406	0.15 375	0.19 423	0.20 449	0.10 438	0.07 418	0.09 398	0.09 422	0.08 357	0.08 381

CFNet	0.15 391	0.10 407	0.17 413	0.17 242	0.08 146	0.18 412	0.09 20	0.28 429	0.25 381	0.19 396	0.24 375	0.24 430	0.17 424	0.17 386	0.14 352	0.08 338	0.06 343	0.09 398	0.10 461	0.07 294	0.06 234

HSM	0.15 391	0.08 270	0.14 297	0.16 166	0.09 269	0.16 372	0.14 179	0.28 429	0.25 381	0.19 396	0.23 363	0.37 532	0.16 401	0.20 448	0.15 381	0.07 274	0.05 211	0.07 229	0.06 214	0.07 294	0.06 234

MyStereo04	0.13 310	0.07 169	0.10 133	0.17 242	0.09 269	0.14 315	0.18 402	0.29 440	0.38 497	0.17 350	0.14 224	0.16 319	0.10 236	0.15 320	0.13 313	0.06 131	0.05 211	0.08 314	0.07 305	0.06 224	0.06 234

GMStereo_Zeroshot	0.16 414	0.13 480	0.24 487	0.20 445	0.10 372	0.17 393	0.13 124	0.29 440	0.25 381	0.23 461	0.32 474	0.25 444	0.11 261	0.19 423	0.14 352	0.09 397	0.06 343	0.11 477	0.06 214	0.12 490	0.08 381

SQANet	0.23 509	0.23 550	0.30 519	0.30 564	0.19 552	0.27 524	0.13 124	0.29 440	0.33 457	0.24 470	0.37 504	0.31 502	0.22 479	0.27 508	0.23 490	0.15 533	0.10 493	0.21 558	0.16 545	0.21 559	0.15 536

PCWNet_CMD	0.14 346	0.08 270	0.15 349	0.17 242	0.09 269	0.14 315	0.14 179	0.29 440	0.36 483	0.14 279	0.20 323	0.21 388	0.12 294	0.17 386	0.13 313	0.07 274	0.05 211	0.07 229	0.07 305	0.07 294	0.07 317

psmg	0.14 346	0.09 346	0.14 297	0.17 242	0.10 372	0.15 342	0.17 357	0.29 440	0.19 280	0.17 350	0.21 344	0.25 444	0.16 401	0.15 320	0.14 352	0.08 338	0.06 343	0.08 314	0.08 373	0.07 294	0.06 234

DDUNet	0.22 493	0.17 521	0.21 468	0.22 491	0.15 518	0.25 504	0.24 513	0.29 440	0.30 436	0.31 528	0.36 498	0.33 515	0.25 502	0.24 498	0.20 449	0.18 556	0.13 533	0.17 544	0.11 493	0.16 543	0.16 547

STTStereo	0.18 448	0.12 451	0.27 503	0.20 445	0.11 424	0.16 372	0.21 480	0.29 440	0.23 344	0.21 433	0.30 462	0.29 480	0.18 438	0.20 448	0.19 443	0.12 492	0.11 506	0.11 477	0.14 525	0.09 420	0.08 381

G-Net	0.24 516	0.16 510	0.36 536	0.22 491	0.16 528	0.51 574	0.23 501	0.29 440	0.34 469	0.36 544	0.38 510	0.31 502	0.29 534	0.27 508	0.26 525	0.11 467	0.09 473	0.12 496	0.09 422	0.16 543	0.13 512

ADCL	0.24 516	0.11 433	0.47 557	0.22 491	0.12 457	0.34 550	0.29 560	0.29 440	0.56 560	0.24 470	0.46 548	0.30 489	0.30 538	0.29 527	0.29 543	0.08 338	0.07 418	0.09 398	0.09 422	0.10 452	0.10 453

RASNet	0.14 346	0.07 169	0.14 297	0.16 166	0.08 146	0.18 412	0.14 179	0.29 440	0.20 304	0.17 350	0.25 404	0.21 388	0.18 438	0.20 448	0.19 443	0.07 274	0.06 343	0.06 127	0.08 373	0.06 224	0.06 234

MSMDNet	0.14 346	0.08 270	0.15 349	0.17 242	0.09 269	0.14 315	0.14 179	0.29 440	0.36 483	0.14 279	0.21 344	0.21 388	0.12 294	0.17 386	0.14 352	0.07 274	0.05 211	0.07 229	0.07 305	0.07 294	0.07 317

PA-Net	0.23 509	0.18 532	0.33 527	0.28 554	0.22 561	0.21 467	0.38 582	0.29 440	0.39 500	0.22 449	0.32 474	0.25 444	0.26 508	0.20 448	0.25 513	0.09 397	0.23 577	0.15 535	0.22 563	0.09 420	0.13 512
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	0.18 448	0.10 407	0.15 349	0.23 512	0.11 424	0.24 493	0.18 402	0.29 440	0.28 419	0.27 495	0.28 444	0.28 472	0.24 493	0.19 423	0.20 449	0.08 338	0.08 444	0.09 398	0.09 422	0.07 294	0.07 317

CBMV	0.19 460	0.14 492	0.17 413	0.18 325	0.10 372	0.20 450	0.11 56	0.29 440	0.30 436	0.29 518	0.30 462	0.30 489	0.23 487	0.27 508	0.19 443	0.13 515	0.15 548	0.17 544	0.16 545	0.10 452	0.10 453
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
G2L-Stereo_test	0.14 346	0.07 169	0.11 179	0.13 14	0.08 146	0.12 239	0.16 319	0.30 454	0.28 419	0.20 419	0.23 363	0.20 379	0.16 401	0.17 386	0.18 430	0.07 274	0.05 211	0.05 34	0.05 133	0.07 294	0.06 234

ISRNet	0.18 448	0.08 270	0.19 447	0.19 386	0.13 480	0.15 342	0.12 76	0.30 454	0.32 450	0.21 433	0.25 404	0.27 462	0.17 424	0.17 386	0.20 449	0.20 563	0.08 444	0.14 523	0.14 525	0.14 521	0.17 555

ITSA-stereo	0.15 391	0.10 407	0.14 297	0.19 386	0.08 146	0.12 239	0.14 179	0.30 454	0.49 544	0.17 350	0.19 311	0.22 406	0.15 375	0.17 386	0.16 397	0.10 438	0.06 343	0.08 314	0.08 373	0.08 357	0.08 381

rvit_stereo_0075_2	0.17 434	0.12 451	0.25 492	0.23 512	0.16 528	0.13 283	0.10 33	0.30 454	0.27 405	0.20 419	0.28 444	0.22 406	0.15 375	0.18 408	0.13 313	0.16 549	0.10 493	0.17 544	0.10 461	0.10 452	0.09 426

CFNet_ucs	0.15 391	0.08 270	0.16 383	0.16 166	0.11 424	0.14 315	0.14 179	0.30 454	0.34 469	0.16 334	0.24 375	0.23 424	0.14 357	0.18 408	0.15 381	0.09 397	0.06 343	0.08 314	0.07 305	0.09 420	0.09 426

GwcNet-ADL	0.13 310	0.08 270	0.14 297	0.20 445	0.09 269	0.11 196	0.20 463	0.30 454	0.24 360	0.13 257	0.14 224	0.18 353	0.14 357	0.13 270	0.14 352	0.07 274	0.05 211	0.06 127	0.05 133	0.07 294	0.06 234

GANet-ADL	0.13 310	0.07 169	0.15 349	0.17 242	0.10 372	0.18 412	0.15 251	0.30 454	0.20 304	0.13 257	0.18 302	0.19 367	0.12 294	0.16 354	0.13 313	0.08 338	0.06 343	0.06 127	0.05 133	0.07 294	0.08 381

222	0.16 414	0.07 169	0.14 297	0.14 43	0.08 146	0.24 493	0.18 402	0.30 454	0.20 304	0.17 350	0.28 444	0.17 339	0.16 401	0.15 320	0.40 575	0.10 438	0.05 211	0.07 229	0.06 214	0.07 294	0.08 381

delet	0.17 434	0.08 270	0.17 413	0.19 386	0.11 424	0.20 450	0.21 480	0.30 454	0.37 490	0.17 350	0.26 421	0.19 367	0.19 454	0.19 423	0.21 469	0.08 338	0.08 444	0.09 398	0.11 493	0.06 224	0.06 234

NOSS_ROB	0.19 460	0.12 451	0.18 436	0.16 166	0.12 457	0.15 342	0.12 76	0.30 454	0.32 450	0.20 419	0.22 354	0.27 462	0.23 487	0.21 465	0.16 397	0.16 549	0.18 558	0.23 563	0.21 560	0.12 490	0.13 512

rvit_105_1	0.19 460	0.11 433	0.25 492	0.21 476	0.16 528	0.21 467	0.27 545	0.31 464	0.41 511	0.19 396	0.20 323	0.22 406	0.17 424	0.19 423	0.17 412	0.12 492	0.12 520	0.13 511	0.15 541	0.08 357	0.07 317

test_sample8	0.19 460	0.12 451	0.20 459	0.12 5	0.14 500	0.17 393	0.13 124	0.31 464	0.21 319	0.27 495	0.22 354	0.36 527	0.25 502	0.19 423	0.17 412	0.15 533	0.30 583	0.14 523	0.14 525	0.14 521	0.12 492

1111x	0.15 391	0.08 270	0.12 215	0.18 325	0.07 86	0.18 412	0.25 529	0.31 464	0.24 360	0.17 350	0.24 375	0.26 454	0.15 375	0.13 270	0.23 490	0.07 274	0.07 418	0.08 314	0.09 422	0.07 294	0.06 234

SACVNet	0.18 448	0.12 451	0.14 297	0.17 242	0.13 480	0.22 475	0.18 402	0.31 464	0.30 436	0.23 461	0.31 470	0.30 489	0.22 479	0.22 478	0.17 412	0.11 467	0.08 444	0.10 446	0.10 461	0.12 490	0.14 529

ADLNet2	0.16 414	0.09 346	0.13 262	0.16 166	0.09 269	0.20 450	0.16 319	0.31 464	0.39 500	0.16 334	0.20 323	0.20 379	0.18 438	0.21 465	0.22 478	0.08 338	0.06 343	0.07 229	0.07 305	0.09 420	0.07 317

xxxx	0.15 391	0.07 169	0.14 297	0.14 43	0.08 146	0.23 488	0.18 402	0.31 464	0.19 280	0.14 279	0.28 444	0.22 406	0.14 357	0.15 320	0.26 525	0.09 397	0.05 211	0.07 229	0.07 305	0.08 357	0.07 317

HGLStereo	0.17 434	0.08 270	0.19 447	0.17 242	0.12 457	0.18 412	0.18 402	0.31 464	0.32 450	0.21 433	0.32 474	0.25 444	0.18 438	0.19 423	0.20 449	0.09 397	0.09 473	0.07 229	0.07 305	0.09 420	0.10 453

FADNet	0.21 484	0.22 549	0.36 536	0.18 325	0.17 543	0.24 493	0.13 124	0.31 464	0.31 443	0.23 461	0.25 404	0.27 462	0.21 470	0.19 423	0.15 381	0.13 515	0.15 548	0.12 496	0.15 541	0.16 543	0.18 558

ADCP+	0.20 472	0.10 407	0.33 527	0.20 445	0.12 457	0.22 475	0.26 538	0.31 464	0.34 469	0.26 489	0.37 504	0.22 406	0.22 479	0.27 508	0.27 533	0.09 397	0.06 343	0.08 314	0.08 373	0.09 420	0.10 453

NLCA_NET_v2_RVC	0.17 434	0.10 407	0.22 474	0.20 445	0.10 372	0.15 342	0.18 402	0.31 464	0.25 381	0.21 433	0.30 462	0.25 444	0.17 424	0.21 465	0.20 449	0.09 397	0.06 343	0.08 314	0.08 373	0.07 294	0.08 381
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ETE_ROB	0.23 509	0.17 521	0.22 474	0.25 533	0.13 480	0.26 514	0.29 560	0.31 464	0.36 483	0.28 510	0.36 498	0.45 559	0.26 508	0.27 508	0.26 525	0.11 467	0.08 444	0.12 496	0.09 422	0.14 521	0.13 512

YMNet	0.20 472	0.12 451	0.19 447	0.20 445	0.14 500	0.26 514	0.23 501	0.32 475	0.34 469	0.27 495	0.34 490	0.30 489	0.18 438	0.18 408	0.22 478	0.10 438	0.13 533	0.10 446	0.10 461	0.08 357	0.09 426

YMNet_1	0.20 472	0.12 451	0.19 447	0.20 445	0.14 500	0.26 514	0.23 501	0.32 475	0.34 469	0.27 495	0.34 490	0.30 489	0.18 438	0.18 408	0.22 478	0.10 438	0.13 533	0.10 446	0.10 461	0.08 357	0.09 426

LL-Strereo	0.13 310	0.09 346	0.11 179	0.20 445	0.10 372	0.11 196	0.18 402	0.32 475	0.24 360	0.15 306	0.15 241	0.14 276	0.13 332	0.19 423	0.11 215	0.06 131	0.04 24	0.09 398	0.08 373	0.04 21	0.05 146

Wz-Net-LNSev	0.22 493	0.16 510	0.38 541	0.21 476	0.13 480	0.25 504	0.23 501	0.32 475	0.43 523	0.30 522	0.41 535	0.31 502	0.18 438	0.22 478	0.25 513	0.10 438	0.09 473	0.08 314	0.08 373	0.12 490	0.11 479

GEStereo_RVC	0.17 434	0.12 451	0.15 349	0.22 491	0.11 424	0.19 435	0.17 357	0.32 475	0.48 538	0.20 419	0.25 404	0.17 339	0.13 332	0.21 465	0.16 397	0.10 438	0.06 343	0.08 314	0.07 305	0.09 420	0.08 381

ADLNet	0.16 414	0.08 270	0.15 349	0.16 166	0.10 372	0.16 372	0.17 357	0.32 475	0.27 405	0.22 449	0.27 430	0.24 430	0.16 401	0.18 408	0.21 469	0.10 438	0.06 343	0.10 446	0.10 461	0.08 357	0.09 426

FINET	0.21 484	0.18 532	0.26 495	0.18 325	0.16 528	0.23 488	0.23 501	0.32 475	0.48 538	0.25 483	0.32 474	0.22 406	0.22 479	0.22 478	0.17 412	0.18 556	0.16 551	0.11 477	0.10 461	0.15 536	0.13 512

MFN_U_SF_DS_RVC	0.30 553	0.24 553	0.29 516	0.36 574	0.16 528	0.34 550	0.30 567	0.32 475	0.42 518	0.40 555	0.46 548	0.38 536	0.31 542	0.34 544	0.28 540	0.19 561	0.20 564	0.26 566	0.29 577	0.18 554	0.19 563

S-Stereo	0.20 472	0.12 451	0.25 492	0.21 476	0.13 480	0.20 450	0.18 402	0.32 475	0.43 523	0.23 461	0.36 498	0.28 472	0.30 538	0.19 423	0.22 478	0.09 397	0.12 520	0.10 446	0.10 461	0.13 508	0.13 512

AF-Net	0.22 493	0.17 521	0.17 413	0.26 539	0.13 480	0.25 504	0.24 513	0.32 475	0.50 547	0.25 483	0.33 486	0.38 536	0.26 508	0.28 520	0.25 513	0.11 467	0.10 493	0.16 541	0.11 493	0.11 475	0.10 453

RGC	0.25 527	0.20 539	0.29 516	0.28 554	0.16 528	0.22 475	0.23 501	0.32 475	0.44 529	0.27 495	0.40 524	0.38 536	0.27 516	0.36 556	0.22 478	0.11 467	0.13 533	0.17 544	0.17 552	0.14 521	0.16 547

edge stereo	0.22 493	0.13 480	0.20 459	0.21 476	0.13 480	0.23 488	0.16 319	0.32 475	0.42 518	0.32 534	0.40 524	0.38 536	0.35 554	0.25 503	0.24 503	0.13 515	0.11 506	0.14 523	0.11 493	0.12 490	0.13 512

ADCRef	0.19 460	0.12 451	0.41 548	0.20 445	0.12 457	0.22 475	0.18 402	0.32 475	0.36 483	0.26 489	0.32 474	0.17 339	0.23 487	0.24 498	0.24 503	0.07 274	0.06 343	0.09 398	0.09 422	0.08 357	0.08 381

AnyNet_C32	0.26 537	0.16 510	0.36 536	0.20 445	0.16 528	0.25 504	0.30 567	0.32 475	0.44 529	0.31 528	0.49 552	0.30 489	0.33 548	0.40 571	0.33 560	0.12 492	0.12 520	0.12 496	0.14 525	0.14 521	0.15 536

ADCPNet	0.25 527	0.16 510	0.61 574	0.21 476	0.15 518	0.35 558	0.25 529	0.32 475	0.35 478	0.30 522	0.40 524	0.36 527	0.28 526	0.28 520	0.32 556	0.12 492	0.10 493	0.11 477	0.12 512	0.14 521	0.13 512

AdaStereo	0.15 391	0.11 433	0.15 349	0.18 325	0.09 269	0.20 450	0.11 56	0.32 475	0.28 419	0.20 419	0.23 363	0.20 379	0.13 332	0.19 423	0.14 352	0.12 492	0.05 211	0.10 446	0.07 305	0.09 420	0.07 317
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
DeepPruner_ROB	0.16 414	0.11 433	0.15 349	0.17 242	0.10 372	0.17 393	0.15 251	0.32 475	0.21 319	0.19 396	0.21 344	0.22 406	0.18 438	0.20 448	0.15 381	0.13 515	0.09 473	0.09 398	0.09 422	0.11 475	0.10 453

PWC_ROB	0.21 484	0.16 510	0.26 495	0.18 325	0.11 424	0.22 475	0.13 124	0.32 475	0.49 544	0.30 522	0.40 524	0.32 512	0.24 493	0.31 531	0.22 478	0.10 438	0.07 418	0.11 477	0.08 373	0.11 475	0.10 453

WCMA_ROB	0.24 516	0.11 433	0.22 474	0.17 242	0.14 500	0.32 541	0.15 251	0.32 475	0.32 450	0.38 550	0.53 558	0.40 548	0.34 552	0.34 544	0.25 513	0.11 467	0.12 520	0.12 496	0.10 461	0.14 521	0.14 529

ssnet_v2	0.17 434	0.10 407	0.17 413	0.17 242	0.11 424	0.21 467	0.21 480	0.33 494	0.25 381	0.22 449	0.22 354	0.27 462	0.18 438	0.22 478	0.20 449	0.11 467	0.09 473	0.09 398	0.09 422	0.08 357	0.08 381

Wz-Net-MNSev	0.22 493	0.13 480	0.31 521	0.20 445	0.14 500	0.36 559	0.24 513	0.33 494	0.44 529	0.28 510	0.40 524	0.38 536	0.19 454	0.24 498	0.25 513	0.09 397	0.07 418	0.09 398	0.09 422	0.12 490	0.10 453

UDG	0.21 484	0.17 521	0.19 447	0.23 512	0.15 518	0.30 538	0.20 463	0.33 494	0.35 478	0.23 461	0.28 444	0.31 502	0.27 516	0.20 448	0.22 478	0.15 533	0.12 520	0.13 511	0.09 422	0.14 521	0.14 529

Syn2CoEx	0.21 484	0.16 510	0.27 503	0.29 562	0.14 500	0.26 514	0.20 463	0.33 494	0.31 443	0.28 510	0.36 498	0.27 462	0.25 502	0.19 423	0.24 503	0.16 549	0.12 520	0.14 523	0.11 493	0.09 420	0.08 381

UNet	0.17 434	0.09 346	0.18 436	0.19 386	0.12 457	0.27 524	0.19 442	0.33 494	0.29 426	0.21 433	0.24 375	0.23 424	0.19 454	0.19 423	0.18 430	0.07 274	0.06 343	0.08 314	0.07 305	0.08 357	0.06 234

NaN_ROB	0.22 493	0.19 535	0.24 487	0.25 533	0.13 480	0.29 535	0.26 538	0.33 494	0.41 511	0.31 528	0.31 470	0.32 512	0.23 487	0.30 530	0.21 469	0.11 467	0.17 556	0.10 446	0.10 461	0.08 357	0.09 426

DispFullNet	0.27 539	0.21 545	0.65 577	0.28 554	0.16 528	0.26 514	0.17 357	0.33 494	0.58 565	0.27 495	0.38 510	0.43 555	0.23 487	0.38 563	0.23 490	0.12 492	0.06 343	0.19 555	0.11 493	0.21 559	0.15 536

PWCDC_ROB	0.20 472	0.13 480	0.22 474	0.24 521	0.11 424	0.19 435	0.15 251	0.33 494	0.54 556	0.29 518	0.50 556	0.21 388	0.15 375	0.27 508	0.20 449	0.11 467	0.09 473	0.10 446	0.08 373	0.11 475	0.09 426

SGM-Forest	0.20 472	0.14 492	0.18 436	0.19 386	0.13 480	0.20 450	0.22 490	0.33 494	0.30 436	0.24 470	0.29 456	0.28 472	0.19 454	0.23 489	0.17 412	0.15 533	0.16 551	0.15 535	0.14 525	0.12 490	0.12 492
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
zh-sn7	0.25 527	0.17 521	0.50 559	0.24 521	0.13 480	0.25 504	0.24 513	0.34 503	0.48 538	0.28 510	0.54 560	0.28 472	0.31 542	0.36 556	0.32 556	0.10 438	0.10 493	0.11 477	0.10 461	0.12 490	0.12 492

zh-mn7	0.25 527	0.14 492	0.56 568	0.19 386	0.14 500	0.24 493	0.22 490	0.34 503	0.62 572	0.35 541	0.65 575	0.31 502	0.25 502	0.31 531	0.25 513	0.09 397	0.08 444	0.09 398	0.09 422	0.09 420	0.11 479

z-mn7	0.24 516	0.14 492	0.45 552	0.19 386	0.13 480	0.28 531	0.25 529	0.34 503	0.62 572	0.27 495	0.56 567	0.29 480	0.24 493	0.32 538	0.25 513	0.08 338	0.08 444	0.08 314	0.08 373	0.10 452	0.10 453

BUS	0.14 346	0.09 346	0.14 297	0.22 491	0.10 372	0.19 435	0.14 179	0.34 503	0.19 280	0.17 350	0.22 354	0.16 319	0.13 332	0.15 320	0.13 313	0.08 338	0.06 343	0.10 446	0.09 422	0.07 294	0.07 317

BSDual-CNN	0.15 391	0.09 346	0.14 297	0.22 491	0.10 372	0.14 315	0.15 251	0.34 503	0.19 280	0.17 350	0.22 354	0.25 444	0.16 401	0.15 320	0.14 352	0.08 338	0.06 343	0.10 446	0.09 422	0.07 294	0.07 317

hknet	0.15 391	0.11 433	0.13 262	0.22 491	0.11 424	0.14 315	0.15 251	0.34 503	0.25 381	0.17 350	0.22 354	0.22 406	0.18 438	0.17 386	0.12 271	0.07 274	0.06 343	0.10 446	0.09 422	0.07 294	0.07 317

psmorigin	0.25 527	0.15 502	0.34 535	0.17 242	0.13 480	0.23 488	0.14 179	0.34 503	0.33 457	0.41 559	0.55 562	0.41 550	0.37 558	0.34 544	0.27 533	0.11 467	0.15 548	0.11 477	0.11 493	0.12 490	0.16 547

FAT-Stereo	0.20 472	0.12 451	0.22 474	0.21 476	0.12 457	0.17 393	0.18 402	0.34 503	0.39 500	0.27 495	0.37 504	0.34 521	0.32 547	0.21 465	0.20 449	0.09 397	0.11 506	0.10 446	0.09 422	0.11 475	0.14 529

ADCMid	0.25 527	0.15 502	0.40 545	0.20 445	0.14 500	0.25 504	0.26 538	0.34 503	0.38 497	0.36 544	0.44 546	0.34 521	0.40 564	0.35 550	0.33 560	0.10 438	0.09 473	0.11 477	0.11 493	0.13 508	0.12 492

STTRV1_RVC	0.25 527	0.26 559	0.39 543	0.19 386	0.26 573	0.30 538	0.24 513	0.34 503	0.35 478	0.36 544	0.34 490	0.31 502	0.31 542	0.28 520	0.25 513	0.17 554	0.10 493	0.16 541	0.14 525	0.17 550	0.12 492

CVANet_RVC	0.18 448	0.10 407	0.14 297	0.21 476	0.10 372	0.18 412	0.17 357	0.34 503	0.33 457	0.22 449	0.31 470	0.28 472	0.18 438	0.23 489	0.17 412	0.12 492	0.08 444	0.12 496	0.11 493	0.09 420	0.07 317

PASM	0.32 556	0.24 553	0.48 558	0.28 554	0.27 574	0.29 535	0.30 567	0.34 503	0.49 544	0.35 541	0.39 518	0.46 563	0.34 552	0.34 544	0.35 563	0.23 576	0.25 579	0.26 566	0.28 576	0.23 563	0.21 566

NCCL2	0.23 509	0.15 502	0.17 413	0.34 570	0.18 549	0.24 493	0.23 501	0.34 503	0.28 419	0.31 528	0.38 510	0.38 536	0.28 526	0.23 489	0.24 503	0.15 533	0.12 520	0.18 553	0.21 560	0.13 508	0.13 512

XPNet_ROB	0.22 493	0.11 433	0.19 447	0.22 491	0.13 480	0.22 475	0.19 442	0.34 503	0.40 508	0.30 522	0.39 518	0.39 544	0.26 508	0.26 505	0.28 540	0.15 533	0.10 493	0.10 446	0.10 461	0.13 508	0.12 492

MSMD_ROB	0.31 554	0.26 559	0.26 495	0.24 521	0.21 559	0.34 550	0.25 529	0.34 503	0.39 500	0.40 555	0.69 579	0.45 559	0.40 564	0.34 544	0.27 533	0.20 563	0.19 561	0.26 566	0.25 569	0.23 563	0.22 568

SGM_RVC	0.23 509	0.12 451	0.15 349	0.15 86	0.09 269	0.33 547	0.18 402	0.34 503	0.31 443	0.44 567	0.37 504	0.53 574	0.35 554	0.35 550	0.24 503	0.13 515	0.13 533	0.13 511	0.13 522	0.10 452	0.11 479
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
w-ln-seven	0.24 516	0.14 492	0.55 565	0.19 386	0.14 500	0.26 514	0.22 490	0.35 519	0.60 569	0.29 518	0.39 518	0.30 489	0.22 479	0.21 465	0.26 525	0.09 397	0.09 473	0.11 477	0.10 461	0.11 475	0.10 453

Wz-Net-TNSev	0.29 547	0.20 539	0.65 577	0.19 386	0.15 518	0.38 563	0.27 545	0.35 519	0.55 557	0.34 540	0.42 541	0.45 559	0.38 559	0.32 538	0.30 548	0.12 492	0.13 533	0.10 446	0.12 512	0.15 536	0.14 529

DGSMNet	0.24 516	0.19 535	0.33 527	0.21 476	0.24 566	0.24 493	0.20 463	0.35 519	0.41 511	0.24 470	0.32 474	0.38 536	0.21 470	0.29 527	0.23 490	0.12 492	0.11 506	0.14 523	0.16 545	0.23 563	0.23 570

GwcNet	0.20 472	0.13 480	0.19 447	0.18 325	0.12 457	0.24 493	0.19 442	0.35 519	0.43 523	0.20 419	0.32 474	0.33 515	0.20 466	0.22 478	0.24 503	0.11 467	0.09 473	0.09 398	0.09 422	0.09 420	0.10 453

stereogan	0.22 493	0.11 433	0.21 468	0.20 445	0.12 457	0.31 540	0.19 442	0.35 519	0.44 529	0.22 449	0.39 518	0.35 525	0.27 516	0.33 541	0.22 478	0.10 438	0.12 520	0.10 446	0.10 461	0.14 521	0.13 512

RTSC	0.23 509	0.12 451	0.28 508	0.21 476	0.13 480	0.28 531	0.16 319	0.35 519	0.66 580	0.27 495	0.33 486	0.30 489	0.21 470	0.31 531	0.29 543	0.10 438	0.08 444	0.09 398	0.10 461	0.13 508	0.13 512

AnyNet_C01	0.36 563	0.25 558	1.37 605	0.22 491	0.17 543	0.48 572	0.27 545	0.35 519	0.39 500	0.39 552	0.74 585	0.46 563	0.38 559	0.45 575	0.47 584	0.13 515	0.13 533	0.13 511	0.14 525	0.14 521	0.15 536

MultiAttention	0.29 547	0.08 270	0.14 297	0.19 386	0.12 457	1.45 612	1.33 614	0.36 526	0.37 490	0.19 396	0.21 344	0.24 430	0.11 261	0.38 563	0.18 430	0.06 131	0.05 211	0.08 314	0.08 373	0.10 452	0.09 426

XQC	0.28 543	0.23 550	0.51 560	0.28 554	0.19 552	0.34 550	0.27 545	0.36 526	0.57 562	0.31 528	0.30 462	0.37 532	0.30 538	0.38 563	0.38 570	0.13 515	0.09 473	0.15 535	0.12 512	0.17 550	0.18 558

RTS	0.45 575	0.19 535	3.26 612	0.24 521	0.15 518	0.74 591	0.20 463	0.36 526	0.76 591	0.42 562	0.43 544	0.31 502	0.41 569	0.53 584	0.35 563	0.10 438	0.08 444	0.13 511	0.12 512	0.15 536	0.15 536

RTSA	0.45 575	0.19 535	3.26 612	0.24 521	0.15 518	0.74 591	0.20 463	0.36 526	0.76 591	0.42 562	0.43 544	0.31 502	0.41 569	0.53 584	0.35 563	0.10 438	0.08 444	0.13 511	0.12 512	0.15 536	0.15 536

TDLM	0.17 434	0.12 451	0.13 262	0.24 521	0.10 372	0.18 412	0.18 402	0.36 526	0.30 436	0.21 433	0.28 444	0.28 472	0.18 438	0.23 489	0.18 430	0.11 467	0.07 418	0.10 446	0.10 461	0.08 357	0.08 381

PS-NSSS	0.20 472	0.21 545	0.23 483	0.20 445	0.10 372	0.19 435	0.17 357	0.36 526	0.25 381	0.27 495	0.33 486	0.27 462	0.24 493	0.20 448	0.20 449	0.15 533	0.12 520	0.17 544	0.14 525	0.10 452	0.08 381

MSAF-DinoV2	0.22 493	0.11 433	0.23 483	0.17 242	0.10 372	0.27 524	0.16 319	0.37 532	0.55 557	0.21 433	0.27 430	0.47 566	0.27 516	0.35 550	0.39 572	0.09 397	0.06 343	0.07 229	0.09 422	0.12 490	0.10 453

AASNet	0.16 414	0.08 270	0.12 215	0.19 386	0.09 269	0.18 412	0.15 251	0.37 532	0.37 490	0.19 396	0.23 363	0.20 379	0.16 401	0.17 386	0.20 449	0.10 438	0.08 444	0.08 314	0.07 305	0.09 420	0.09 426

pcwnet_v2	0.19 460	0.10 407	0.26 495	0.17 242	0.14 500	0.18 412	0.15 251	0.37 532	0.46 536	0.19 396	0.24 375	0.21 388	0.19 454	0.20 448	0.19 443	0.13 515	0.10 493	0.10 446	0.10 461	0.11 475	0.13 512

psm_up	0.18 448	0.10 407	0.18 436	0.20 445	0.11 424	0.17 393	0.19 442	0.37 532	0.34 469	0.21 433	0.28 444	0.29 480	0.24 493	0.20 448	0.22 478	0.09 397	0.10 493	0.11 477	0.11 493	0.08 357	0.08 381

Nwc_Net	0.23 509	0.16 510	0.21 468	0.25 533	0.14 500	0.24 493	0.26 538	0.37 532	0.38 497	0.22 449	0.41 535	0.30 489	0.28 526	0.28 520	0.25 513	0.11 467	0.10 493	0.17 544	0.20 558	0.10 452	0.10 453

DeepPrunerF	0.24 516	0.17 521	0.42 550	0.26 539	0.16 528	0.22 475	0.28 551	0.37 532	0.50 547	0.26 489	0.29 456	0.24 430	0.28 526	0.21 465	0.22 478	0.15 533	0.11 506	0.20 557	0.18 556	0.12 490	0.13 512

StereoDRNet	0.18 448	0.11 433	0.17 413	0.22 491	0.11 424	0.21 467	0.22 490	0.37 532	0.33 457	0.24 470	0.28 444	0.30 489	0.19 454	0.20 448	0.20 449	0.09 397	0.08 444	0.11 477	0.09 422	0.09 420	0.07 317

CSAN	0.29 547	0.24 553	0.27 503	0.34 570	0.19 552	0.33 547	0.42 586	0.37 532	0.50 547	0.38 550	0.40 524	0.44 557	0.33 548	0.28 520	0.30 548	0.20 563	0.16 551	0.19 555	0.19 557	0.14 521	0.15 536

WQFJX	0.14 346	0.09 346	0.12 215	0.25 533	0.11 424	0.11 196	0.16 319	0.38 540	0.43 523	0.13 257	0.16 255	0.10 186	0.09 200	0.17 386	0.14 352	0.06 131	0.06 343	0.08 314	0.06 214	0.04 21	0.05 146

Wz-Net-SNSev	0.25 527	0.17 521	0.44 551	0.25 533	0.14 500	0.26 514	0.23 501	0.38 540	0.56 560	0.30 522	0.55 562	0.39 544	0.26 508	0.23 489	0.30 548	0.10 438	0.09 473	0.09 398	0.10 461	0.11 475	0.11 479

SHD	0.26 537	0.15 502	0.30 519	0.24 521	0.18 549	0.22 475	0.15 251	0.38 540	0.71 584	0.32 534	0.41 535	0.36 527	0.28 526	0.32 538	0.29 543	0.12 492	0.11 506	0.14 523	0.13 522	0.16 543	0.20 564

RYNet	0.22 493	0.12 451	0.22 474	0.19 386	0.17 543	0.46 568	0.26 538	0.38 540	0.48 538	0.24 470	0.28 444	0.34 521	0.23 487	0.20 448	0.30 548	0.10 438	0.06 343	0.09 398	0.09 422	0.13 508	0.15 536

SANet	0.24 516	0.14 492	0.28 508	0.21 476	0.11 424	0.27 524	0.24 513	0.38 540	0.64 576	0.36 544	0.40 524	0.43 555	0.26 508	0.27 508	0.24 503	0.12 492	0.09 473	0.10 446	0.09 422	0.13 508	0.11 479

WZ-Net	0.28 543	0.17 521	0.78 593	0.22 491	0.16 528	0.34 550	0.29 560	0.39 545	0.57 562	0.24 470	0.55 562	0.37 532	0.24 493	0.33 541	0.35 563	0.09 397	0.08 444	0.09 398	0.10 461	0.14 521	0.16 547

APVNet	0.22 493	0.12 451	0.19 447	0.18 325	0.14 500	0.32 541	0.31 573	0.39 545	0.32 450	0.27 495	0.40 524	0.30 489	0.29 534	0.26 505	0.25 513	0.11 467	0.12 520	0.11 477	0.14 525	0.12 490	0.12 492

MaskLacGwcNet_RVC	0.22 493	0.21 545	0.24 487	0.26 539	0.11 424	0.23 488	0.14 179	0.39 545	0.24 360	0.32 534	0.36 498	0.30 489	0.21 470	0.19 423	0.21 469	0.17 554	0.14 542	0.21 558	0.16 545	0.12 490	0.12 492

DRN-Test	0.19 460	0.11 433	0.20 459	0.22 491	0.10 372	0.22 475	0.22 490	0.39 545	0.37 490	0.24 470	0.32 474	0.26 454	0.21 470	0.22 478	0.24 503	0.11 467	0.07 418	0.11 477	0.10 461	0.09 420	0.07 317

FC-DCNN v2	0.33 559	0.27 562	0.28 508	0.26 539	0.23 564	0.37 560	0.28 551	0.40 549	0.43 523	0.45 568	0.56 567	0.51 570	0.40 564	0.37 561	0.29 543	0.21 567	0.20 564	0.27 569	0.26 570	0.25 571	0.24 571

NINENet	0.16 414	0.10 407	0.15 349	0.17 242	0.11 424	0.19 435	0.14 179	0.40 549	0.36 483	0.18 380	0.21 344	0.16 319	0.13 332	0.15 320	0.13 313	0.08 338	0.08 444	0.10 446	0.07 305	0.10 452	0.09 426

NCC-stereo	0.24 516	0.15 502	0.31 521	0.26 539	0.16 528	0.20 450	0.30 567	0.40 549	0.40 508	0.24 470	0.38 510	0.33 515	0.28 526	0.36 556	0.27 533	0.12 492	0.11 506	0.15 535	0.22 563	0.13 508	0.13 512

Abc-Net	0.24 516	0.15 502	0.31 521	0.26 539	0.16 528	0.20 450	0.30 567	0.40 549	0.40 508	0.24 470	0.38 510	0.33 515	0.28 526	0.36 556	0.27 533	0.12 492	0.11 506	0.15 535	0.22 563	0.13 508	0.13 512
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FC-DCNN	0.33 559	0.27 562	0.28 508	0.26 539	0.23 564	0.37 560	0.28 551	0.40 549	0.43 523	0.45 568	0.55 562	0.51 570	0.40 564	0.37 561	0.30 548	0.21 567	0.20 564	0.27 569	0.26 570	0.25 571	0.24 571

MeshStereo	0.27 539	0.13 480	0.18 436	0.15 86	0.11 424	0.32 541	0.24 513	0.40 549	0.36 483	0.52 574	0.57 570	0.67 585	0.40 564	0.35 550	0.26 525	0.14 529	0.13 533	0.13 511	0.11 493	0.11 475	0.10 453
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
otaku	0.39 565	0.37 579	0.52 561	0.44 581	0.28 575	0.58 578	0.24 513	0.41 555	0.62 572	0.40 555	0.49 552	0.46 563	0.33 548	0.40 571	0.32 556	0.30 581	0.30 583	0.39 583	0.33 582	0.29 578	0.28 580

ADCS	0.29 547	0.18 532	0.45 552	0.21 476	0.17 543	0.28 531	0.23 501	0.41 555	0.63 575	0.40 555	0.49 552	0.40 548	0.36 556	0.39 567	0.40 575	0.13 515	0.12 520	0.13 511	0.14 525	0.16 543	0.16 547

GANet	0.21 484	0.12 451	0.21 468	0.24 521	0.13 480	0.22 475	0.22 490	0.41 555	0.26 395	0.31 528	0.42 541	0.37 532	0.28 526	0.23 489	0.22 478	0.10 438	0.12 520	0.10 446	0.09 422	0.10 452	0.08 381

SGM-ForestM	0.32 556	0.12 451	0.16 383	0.16 166	0.11 424	0.39 564	0.19 442	0.41 555	0.50 547	0.52 574	0.54 560	1.32 605	0.42 572	0.40 571	0.27 533	0.14 529	0.16 551	0.16 541	0.16 545	0.12 490	0.12 492

FBW_ROB	0.24 516	0.17 521	0.22 474	0.26 539	0.14 500	0.25 504	0.22 490	0.41 555	0.41 511	0.41 559	0.41 535	0.42 551	0.27 516	0.31 531	0.23 490	0.09 397	0.14 542	0.14 523	0.12 512	0.11 475	0.09 426

PSMNet-RUCA	0.27 539	0.33 574	0.41 548	0.36 574	0.32 581	0.18 412	0.19 442	0.42 560	0.30 436	0.33 538	0.41 535	0.39 544	0.25 502	0.31 531	0.20 449	0.18 556	0.10 493	0.25 565	0.15 541	0.21 559	0.16 547

FCDSN-DC	0.33 559	0.28 567	0.28 508	0.30 564	0.24 566	0.39 564	0.28 551	0.42 560	0.42 518	0.43 565	0.53 558	0.51 570	0.41 569	0.36 556	0.30 548	0.21 567	0.20 564	0.27 569	0.26 570	0.25 571	0.24 571
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LSM	0.33 559	0.20 539	0.58 571	0.26 539	0.60 598	0.34 550	0.25 529	0.42 560	0.48 538	0.45 568	0.58 572	0.42 551	0.36 556	0.35 550	0.25 513	0.12 492	0.20 564	0.14 523	0.16 545	0.19 557	0.33 586

LALA_ROB	0.25 527	0.16 510	0.22 474	0.26 539	0.17 543	0.27 524	0.27 545	0.42 560	0.37 490	0.33 538	0.38 510	0.51 570	0.26 508	0.28 520	0.27 533	0.16 549	0.09 473	0.12 496	0.11 493	0.13 508	0.12 492

MDST_ROB	0.22 493	0.10 407	0.17 413	0.18 325	0.11 424	0.37 560	0.19 442	0.43 564	0.41 511	0.39 552	0.39 518	0.29 480	0.21 470	0.26 505	0.18 430	0.11 467	0.10 493	0.14 523	0.11 493	0.10 452	0.08 381

PSMNet_ROB	0.21 484	0.11 433	0.15 349	0.27 551	0.15 518	0.24 493	0.35 577	0.43 564	0.37 490	0.27 495	0.32 474	0.32 512	0.22 479	0.21 465	0.26 525	0.12 492	0.08 444	0.13 511	0.11 493	0.09 420	0.09 426

GASNet	0.22 493	0.23 550	0.33 527	0.26 539	0.17 543	0.26 514	0.16 319	0.44 566	0.42 518	0.27 495	0.24 375	0.30 489	0.15 375	0.27 508	0.18 430	0.12 492	0.08 444	0.12 496	0.11 493	0.16 543	0.07 317

NVstereo2D	0.19 460	0.10 407	0.15 349	0.17 242	0.15 518	0.28 531	0.23 501	0.44 566	0.42 518	0.15 306	0.27 430	0.25 444	0.19 454	0.22 478	0.17 412	0.09 397	0.06 343	0.10 446	0.08 373	0.15 536	0.09 426

PDISCO_ROB	0.27 539	0.16 510	0.26 495	0.28 554	0.20 555	0.32 541	0.26 538	0.44 566	0.57 562	0.28 510	0.40 524	0.45 559	0.29 534	0.33 541	0.34 562	0.12 492	0.09 473	0.17 544	0.16 545	0.17 550	0.13 512

ccnet	0.29 547	0.28 567	0.23 483	0.20 445	0.28 575	0.41 567	0.21 480	0.45 569	0.33 457	0.36 544	0.46 548	0.36 527	0.30 538	0.39 567	0.42 579	0.23 576	0.14 542	0.21 558	0.17 552	0.23 563	0.18 558

CC-Net-ROB	0.28 543	0.31 572	0.36 536	0.29 562	0.15 518	0.25 504	0.19 442	0.45 569	0.33 457	0.39 552	0.37 504	0.39 544	0.31 542	0.27 508	0.26 525	0.24 578	0.19 561	0.30 579	0.23 567	0.18 554	0.15 536

Ntro	0.40 568	0.40 581	0.53 562	0.46 585	0.30 579	0.65 584	0.24 513	0.46 571	0.68 582	0.41 559	0.49 552	0.48 568	0.42 572	0.39 567	0.31 555	0.32 583	0.28 581	0.37 582	0.30 579	0.32 583	0.29 581

SAMSARA	0.40 568	0.28 567	0.33 527	0.55 588	0.39 582	0.82 598	1.23 613	0.47 572	0.51 554	0.36 544	0.35 495	0.55 576	0.39 561	0.38 563	0.39 572	0.15 533	0.20 564	0.15 535	0.14 525	0.23 563	0.20 564

GANetREF_RVC	0.31 554	0.34 576	0.27 503	0.35 572	0.16 528	0.32 541	0.41 583	0.48 573	0.51 554	0.35 541	0.35 495	0.34 521	0.33 548	0.39 567	0.32 556	0.27 580	0.20 564	0.29 577	0.15 541	0.18 554	0.17 555
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
NVStereoNet_ROB	0.46 578	0.36 578	0.46 556	0.41 579	0.28 575	0.34 550	0.34 576	0.48 573	0.60 569	0.72 588	0.93 595	0.70 588	0.66 592	0.47 576	0.60 594	0.22 572	0.33 587	0.34 581	0.34 584	0.30 579	0.30 583
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	0.47 579	0.26 559	0.58 571	0.28 554	0.20 555	0.39 564	0.18 402	0.49 575	0.64 576	0.52 574	0.87 592	1.01 594	0.57 586	0.50 578	0.56 591	0.53 595	0.31 586	0.54 593	0.40 586	0.33 584	0.34 587

ACVNet-4b	0.39 565	0.53 586	0.55 565	0.45 582	0.24 566	0.47 570	0.18 402	0.49 575	0.64 576	0.42 562	0.45 547	0.60 578	0.27 516	0.34 544	0.24 503	0.33 584	0.14 542	0.48 587	0.42 588	0.30 579	0.26 579

ELAS_RVC	0.41 570	0.29 570	0.33 527	0.28 554	0.24 566	0.54 576	0.36 578	0.49 575	0.59 566	0.72 588	0.74 585	0.65 583	0.54 581	0.54 586	0.40 575	0.22 572	0.20 564	0.27 569	0.26 570	0.26 576	0.25 577
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 570	0.29 570	0.33 527	0.27 551	0.24 566	0.60 581	0.36 578	0.50 578	0.50 547	0.71 586	0.79 589	0.67 585	0.54 581	0.51 580	0.42 579	0.22 572	0.20 564	0.27 569	0.26 570	0.26 576	0.25 577
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DPSNet	0.28 543	0.16 510	0.31 521	0.18 325	0.13 480	0.54 576	0.42 586	0.51 579	0.67 581	0.29 518	0.38 510	0.38 536	0.29 534	0.31 531	0.23 490	0.11 467	0.10 493	0.11 477	0.08 373	0.20 558	0.16 547

MFN_U_SF_RVC	0.32 556	0.21 545	0.55 565	0.30 564	0.15 518	0.34 550	0.17 357	0.52 580	0.46 536	0.46 571	0.55 562	0.59 577	0.39 561	0.35 550	0.37 568	0.15 533	0.14 542	0.18 553	0.21 560	0.16 543	0.15 536

PVD	0.39 565	0.20 539	0.39 543	0.31 568	0.22 561	0.29 535	0.43 588	0.52 580	0.96 598	0.55 578	0.79 589	0.53 574	0.59 588	0.52 582	0.38 570	0.19 561	0.14 542	0.17 544	0.14 525	0.24 570	0.31 584

MSC_U_SF_DS_RVC	0.43 572	0.39 580	0.54 563	0.40 577	0.20 555	0.64 583	0.32 575	0.53 582	0.72 585	0.71 586	0.72 582	0.61 579	0.54 581	0.51 580	0.46 583	0.20 563	0.19 561	0.29 577	0.30 579	0.23 563	0.18 558

BEATNet-Init1	0.52 581	0.27 562	0.62 575	0.30 564	0.21 559	0.76 595	0.29 560	0.54 583	0.65 579	0.86 597	0.95 597	2.07 615	0.62 591	0.56 588	0.42 579	0.18 556	0.18 558	0.23 563	0.22 563	0.22 562	0.21 566

MANE	0.45 575	0.27 562	0.27 503	0.27 551	0.24 566	0.47 570	0.31 573	0.55 584	0.59 566	0.72 588	1.13 606	1.15 599	0.61 589	0.52 582	0.37 568	0.21 567	0.20 564	0.27 569	0.31 581	0.25 571	0.24 571

anonymity	0.53 582	0.58 588	0.65 577	0.41 579	0.61 599	0.53 575	0.41 583	0.56 585	0.41 511	0.55 578	0.50 556	0.49 569	0.55 584	0.58 589	0.50 589	0.58 598	0.50 601	0.51 589	0.51 595	0.51 588	0.57 597

SGM+DAISY	0.56 584	0.57 587	0.65 577	0.40 577	0.54 591	0.66 586	0.49 590	0.56 585	0.45 535	0.66 582	0.69 579	0.67 585	0.56 585	0.63 591	0.56 591	0.59 599	0.48 597	0.50 588	0.50 594	0.52 589	0.58 598

ACVNet_1	0.44 573	0.49 585	0.60 573	0.45 582	0.28 575	0.49 573	0.27 545	0.57 587	0.72 585	0.62 581	0.58 572	0.74 589	0.49 578	0.50 578	0.35 563	0.26 579	0.24 578	0.39 583	0.29 577	0.31 582	0.24 571

Consistency-Raft	0.44 573	0.40 581	0.45 552	0.37 576	0.43 586	0.46 568	0.41 583	0.57 587	0.55 557	0.32 534	0.73 583	0.33 515	0.48 577	0.42 574	0.49 586	0.39 586	0.35 588	0.45 586	0.51 595	0.42 586	0.29 581

RainbowNet	0.54 583	0.61 590	0.70 591	0.57 589	0.43 586	0.65 584	0.37 581	0.60 589	0.87 595	0.50 573	0.66 576	0.64 581	0.47 576	0.49 577	0.43 582	0.47 592	0.48 597	0.52 591	0.41 587	0.52 589	0.40 592

SPS-STEREO	0.57 585	0.58 588	0.65 577	0.45 582	0.55 593	0.62 582	0.44 589	0.62 590	0.50 547	0.68 584	0.64 574	0.66 584	0.57 586	0.61 590	0.60 594	0.62 601	0.47 596	0.51 589	0.49 592	0.55 593	0.58 598
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 586	0.66 594	0.65 577	0.51 586	0.69 603	0.69 587	0.57 596	0.64 591	0.73 589	0.60 580	0.73 583	0.62 580	0.67 593	0.65 592	0.60 594	0.66 603	0.58 610	0.63 594	0.59 598	0.68 600	0.69 607

FADE		0.33 574		0.33 569	0.25 572			0.64 591	1.07 599	0.43 565		0.42 551		0.70 594		0.30 581	0.21 576	0.41 585	0.38 585	0.23 563	0.22 568

MADNet+	0.75 593	0.71 596	3.70 615	0.66 591	0.41 584	0.98 603	0.97 611	0.69 593	0.73 589	0.52 574	0.57 570	0.64 581	0.68 594	0.86 603	1.01 610	0.34 585	0.36 589	0.28 576	0.23 567	0.36 585	0.31 584

JetBlue	0.71 590	0.45 584	1.14 603	0.51 586	0.47 588	2.02 613	0.64 600	0.75 594	0.70 583	0.69 585	0.77 588	1.22 601	0.83 599	1.03 611	1.01 610	0.40 587	0.28 581	0.33 580	0.33 582	0.30 579	0.34 587

UNDER WATER-64	0.95 602	0.94 605	1.43 607	0.87 602	0.56 594	1.18 611	0.87 608	0.77 595	0.94 597	1.04 604	0.85 591	1.58 612	1.21 613	0.94 608	0.96 608	0.87 610	0.57 609	1.03 610	0.88 611	0.78 606	0.73 608

UNDER WATER	0.97 603	0.97 607	1.42 606	0.99 606	0.70 606	1.12 610	0.84 607	0.80 596	1.08 600	1.01 603	0.90 593	1.55 611	1.22 614	1.03 611	1.00 609	0.78 608	0.53 604	1.02 609	0.87 610	0.80 607	0.74 609

TorneroNet-64	0.76 594	0.72 597	0.74 592	0.78 596	0.58 597	0.91 602	0.56 595	0.84 597	1.29 605	0.66 582	0.90 593	1.40 607	0.75 596	0.85 602	0.67 600	0.49 593	0.46 592	0.72 598	0.59 598	0.67 599	0.53 596

PWCK	0.71 590	0.94 605	0.95 600	0.76 594	0.31 580	0.74 591	0.36 578	0.90 598	0.90 596	0.96 601	0.75 587	0.95 593	0.61 589	0.87 604	0.66 597	0.72 604	0.46 592	0.75 599	0.49 592	0.69 602	0.44 594

IMH-64-1	0.65 587	0.61 590	0.68 585	0.71 592	0.51 589	0.59 579	0.49 590	0.91 599	0.85 593	0.74 592	1.02 599	0.81 590	0.78 597	0.79 596	0.49 586	0.42 588	0.46 592	0.71 596	0.47 590	0.52 589	0.39 590

IMH-64	0.65 587	0.61 590	0.68 585	0.71 592	0.51 589	0.59 579	0.49 590	0.91 599	0.85 593	0.74 592	1.02 599	0.81 590	0.78 597	0.79 596	0.49 586	0.42 588	0.46 592	0.71 596	0.47 590	0.52 589	0.39 590

notaker	0.97 603	1.11 608	0.98 601	1.13 609	0.81 607	0.73 590	0.68 604	0.93 601	1.16 602	1.18 611	1.18 608	1.41 608	1.16 612	1.08 613	0.69 601	0.81 609	0.64 612	1.17 612	0.79 608	0.98 609	0.80 611

ktn	1.01 605	1.21 610	0.80 596	1.23 611	0.86 609	1.01 606	0.87 608	0.94 602	1.39 608	1.04 604	1.12 605	1.15 599	1.07 608	0.94 608	0.59 593	1.28 616	0.71 613	1.38 616	0.83 609	1.02 611	0.75 610

TorneroNet	0.82 597	0.74 598	0.81 597	0.84 599	0.63 600	0.99 604	0.63 598	0.96 603	1.16 602	0.80 595	1.11 604	1.36 606	0.86 601	0.93 607	0.80 605	0.56 596	0.49 599	0.78 604	0.66 603	0.73 605	0.63 606

ACVNet_2	0.66 589	0.66 594	0.68 585	0.63 590	0.41 584	0.71 589	0.49 590	0.96 603	1.39 608	0.89 598	1.09 602	1.04 595	0.73 595	0.54 586	0.47 584	0.43 590	0.40 590	0.53 592	0.44 589	0.47 587	0.35 589

WAO-6	0.81 596	0.80 600	0.62 575	0.86 601	0.63 600	0.76 595	0.58 597	0.98 605	1.54 613	0.90 599	0.96 598	1.07 597	1.03 607	0.70 594	0.66 597	0.72 604	0.49 599	0.90 607	0.71 605	0.68 600	0.58 598

IMH	0.71 590	0.64 593	0.68 585	0.76 594	0.54 591	0.69 587	0.54 594	0.98 605	1.10 601	0.82 596	1.09 602	0.89 592	0.88 602	0.87 604	0.52 590	0.44 591	0.50 601	0.75 599	0.51 595	0.56 594	0.41 593

HanzoNet	1.29 608	1.26 612	1.19 604	1.12 608	0.85 608	1.02 607	0.83 606	1.03 607	1.48 612	1.64 614	1.61 614	2.50 617	1.72 615	1.61 615	1.61 613	1.26 615	0.80 614	1.31 615	1.01 613	1.02 611	0.86 612

WAO-7	0.79 595	0.78 599	0.54 563	0.85 600	0.67 602	0.74 591	0.68 604	1.05 608	1.32 606	0.90 599	1.20 609	1.04 595	0.92 603	0.69 593	0.66 597	0.60 600	0.62 611	0.67 595	0.68 604	0.64 596	0.58 598

LVE	0.83 598	0.85 603	0.85 598	0.80 597	0.56 594	1.04 608	0.65 601	1.05 608	1.47 611	0.96 601	1.22 610	1.10 598	0.85 600	0.83 599	0.71 602	0.49 593	0.55 607	0.76 602	0.60 600	0.65 597	0.59 603

TCMNet-wrong-test	3.67 613	5.48 626	3.89 616	12.18 626	11.75 627	4.65 615	3.88 617	1.06 610	0.72 585	1.09 608	2.15 616	6.30 622	0.53 580	3.43 619	2.36 616	0.89 611	0.20 564	1.87 619	1.69 618	5.57 623	3.62 624

WAO-8	0.91 600	0.81 601	0.65 577	0.94 604	0.69 603	0.90 599	0.67 602	1.07 611	1.83 616	1.06 606	1.45 612	1.30 602	1.07 608	0.84 600	0.78 603	0.74 606	0.53 604	0.86 605	0.75 606	0.69 602	0.62 604

Venus	0.91 600	0.81 601	0.65 577	0.94 604	0.69 603	0.90 599	0.67 602	1.07 611	1.83 616	1.06 606	1.45 612	1.30 602	1.07 608	0.84 600	0.78 603	0.74 606	0.53 604	0.86 605	0.75 606	0.69 602	0.62 604

KSHMR	1.09 606	1.17 609	0.88 599	1.25 612	1.00 611	0.99 604	0.96 610	1.13 613	1.37 607	1.16 610	1.29 611	1.41 608	0.96 605	1.01 610	0.92 607	1.03 613	1.08 615	1.20 613	1.03 614	1.01 610	0.97 613

Dean	0.87 599	0.86 604	0.79 595	0.81 598	0.56 594	0.90 599	0.63 598	1.15 614	1.73 614	1.15 609	1.15 607	1.31 604	0.99 606	0.81 598	0.81 606	0.57 597	0.56 608	0.77 603	0.64 601	0.66 598	0.58 598

DPSimNet_ROB	1.11 607	1.23 611	0.78 593	1.13 609	0.88 610	1.10 609	1.13 612	1.16 615	1.23 604	1.43 613	1.02 599	1.41 608	1.10 611	0.90 606	1.60 612	1.46 617	0.51 603	1.21 614	1.03 614	0.90 608	1.01 615

JetRed	1.62 609	1.46 613	2.98 610	0.92 603	1.21 612	4.99 616	1.53 616	1.27 616	1.39 608	1.83 615	1.74 615	1.60 613	0.95 604	1.41 614	2.45 617	0.90 612	1.60 617	0.93 608	0.90 612	1.35 613	0.99 614

ASD4	3.54 612	3.38 618	2.05 609	1.72 613	2.51 616	9.03 620	17.71 622	2.25 617	5.51 620	2.46 617	2.81 618	2.03 614	3.36 617	2.73 617	5.06 618	1.22 614	1.34 616	1.13 611	1.33 616	1.68 614	1.49 617

MADNet++	1.95 610	1.75 614	1.59 608	1.82 614	1.69 614	2.33 614	1.40 615	2.35 618	2.09 618	2.57 618	2.36 617	2.24 616	2.17 616	2.28 616	2.34 615	1.87 618	1.66 618	1.54 617	1.34 617	1.92 615	1.77 618

PML	8.91 622	9.34 630	6.13 617	5.35 619	6.41 620	14.99 624	23.38 629	5.27 619	6.83 621	18.04 633	28.19 640	7.67 623	6.83 620	7.85 624	5.75 619	5.35 625	1.83 619	5.95 629	1.93 619	8.64 626	2.52 620

DPSMNet_ROB	8.06 620	4.48 619	8.63 625	5.37 621	10.74 624	8.32 618	22.98 628	5.46 620	13.36 628	5.12 620	9.92 623	5.08 619	10.40 625	5.53 622	12.58 625	3.80 624	8.00 625	3.50 621	7.02 624	3.83 621	7.14 626

DGTPSM_ROB	8.06 620	4.48 619	8.63 625	5.35 619	10.72 623	8.32 618	22.97 627	5.46 620	13.35 627	5.12 620	9.92 623	5.08 619	10.40 625	5.52 621	12.58 625	3.79 623	8.00 625	3.50 621	7.02 624	3.83 621	7.14 626

LRCNet_RVC	10.62 625	13.42 631	7.30 618	18.92 630	2.07 615	0.33 547	0.30 567	5.59 622	0.48 538	13.03 629	17.94 629	8.87 624	5.65 619	4.79 620	1.89 614	23.51 637	2.73 623	27.55 640	25.71 640	16.07 634	16.33 636

xxxxx1	7.79 616	5.02 623	7.31 619	3.12 616	3.85 617	16.35 625	22.88 624	5.86 623	8.69 622	7.97 623	8.54 620	9.12 625	8.27 622	10.18 625	10.92 622	2.42 620	2.45 620	3.56 623	12.37 627	3.77 618	3.06 621

tt_ll	7.79 616	5.02 623	7.31 619	3.12 616	3.85 617	16.35 625	22.88 624	5.86 623	8.69 622	7.97 623	8.54 620	9.12 625	8.27 622	10.18 625	10.92 622	2.42 620	2.45 620	3.56 623	12.37 627	3.77 618	3.06 621

ff	7.79 616	5.02 623	7.31 619	3.12 616	3.85 617	16.35 625	22.88 624	5.86 623	8.69 622	7.97 623	8.54 620	9.12 625	8.27 622	10.18 625	10.92 622	2.42 620	2.45 620	3.56 623	12.37 627	3.77 618	3.06 621

USTest	6.22 615	2.73 617	3.00 611	6.57 622	7.29 621	14.37 623	21.57 623	7.00 626	9.56 625	5.34 622	6.10 619	5.72 621	7.64 621	6.41 623	6.96 621	1.97 619	3.42 624	1.64 618	2.15 621	2.66 616	2.36 619

tt	4.67 614	0.06 76	3.55 614	2.02 615	1.55 613	10.25 621	16.71 621	8.91 627	5.03 619	1.31 612	0.94 596	4.71 618	4.76 618	3.33 618	5.87 620	6.06 626	10.30 630	1.88 620	2.11 620	2.75 617	1.21 616

RSGM-EC	20.36 630	4.73 621	0.68 585	16.76 627	16.92 631	21.28 632	27.18 633	10.46 628	14.04 630	18.00 631	21.31 632	22.24 639	21.82 632	22.57 633	17.63 631	62.81 640	33.79 640	20.14 637	18.10 637	20.18 636	16.45 637

acva	20.36 630	4.73 621	0.68 585	16.76 627	16.92 631	21.28 632	27.18 633	10.46 628	14.04 630	18.00 631	21.31 632	22.24 639	21.82 632	22.57 633	17.63 631	62.81 640	33.79 640	20.14 637	18.10 637	20.18 636	16.45 637

Anonymous_1	10.96 626	7.92 627	7.46 622	10.33 623	10.06 622	18.65 629	26.34 630	11.06 630	13.44 629	9.40 626	10.05 625	9.67 628	11.23 627	10.73 628	12.72 627	6.42 627	8.38 627	5.77 626	10.61 626	12.12 627	6.77 625

DPSM_ROB	11.15 627	8.58 628	8.00 623	10.88 624	11.58 625	19.10 630	26.71 631	12.05 631	14.07 632	10.36 627	10.84 626	10.33 629	11.86 628	11.70 629	13.54 628	6.99 628	8.79 628	5.89 627	6.95 622	7.29 624	7.42 628

DPSM	11.15 627	8.58 628	8.00 623	10.88 624	11.58 625	19.10 630	26.71 631	12.05 631	14.07 632	10.36 627	10.84 626	10.33 629	11.86 628	11.70 629	13.54 628	6.99 628	8.79 628	5.89 627	6.95 622	7.29 624	7.42 628

HaxPig	15.71 629	18.52 638	19.18 633	16.89 629	15.89 630	7.73 617	7.60 618	13.31 633	10.82 626	15.42 630	14.91 628	15.98 631	14.92 630	15.58 631	15.98 630	18.95 636	16.73 631	19.46 636	18.08 636	19.26 635	19.05 639

MEDIAN_ROB	20.38 632	24.04 639	23.31 636	21.23 631	21.71 633	10.40 622	7.92 619	17.64 634	15.50 634	20.12 634	19.70 630	20.34 632	20.32 631	21.19 632	21.13 633	23.81 638	21.81 638	24.98 639	23.76 639	24.71 638	23.93 640

AVERAGE_ROB	24.90 639	29.20 640	28.14 637	24.89 638	24.64 639	17.75 628	11.12 620	21.45 635	19.93 635	25.12 641	24.46 639	25.12 641	25.46 640	24.69 641	22.83 634	29.76 639	27.13 639	28.97 641	27.95 641	29.91 639	29.47 641

RAFT-FEzeroshot	22.43 634	17.33 633	15.98 627	22.02 633	23.31 636	38.34 635	53.82 638	24.05 636	28.39 637	20.61 636	21.76 634	20.88 635	23.92 637	23.41 635	27.42 638	14.07 631	17.69 633	11.83 632	14.02 632	14.69 630	14.97 633

RAFT-FE	22.43 634	17.33 633	15.98 627	22.02 633	23.31 636	38.34 635	53.82 638	24.05 636	28.39 637	20.61 636	21.76 634	20.88 635	23.92 637	23.41 635	27.42 638	14.07 631	17.69 633	11.83 632	14.02 632	14.69 630	14.97 633

CasAABBNet	22.42 633	17.33 633	16.01 629	22.01 632	23.28 635	38.32 634	53.80 637	24.14 638	28.41 639	20.60 635	21.77 636	20.89 637	23.91 636	23.43 637	27.36 636	14.07 631	17.69 633	11.83 632	14.01 631	14.67 629	14.95 632

FlowAnything	22.44 636	17.35 636	16.14 631	22.07 636	23.23 634	38.39 637	53.77 636	24.25 639	28.44 640	20.96 640	21.82 637	20.70 633	23.84 634	23.49 638	27.14 635	14.04 630	17.79 637	11.75 630	14.15 635	14.65 628	14.89 630

LSM0	22.87 638	17.28 632	18.96 632	22.19 637	29.04 640	38.42 639	53.71 635	24.28 640	28.31 636	20.78 639	21.00 631	21.43 638	24.16 639	23.50 639	27.39 637	14.09 635	17.38 632	11.84 635	14.04 634	14.73 633	14.89 630

Selective-RAFT-Error	22.47 637	17.37 637	16.09 630	22.06 635	23.34 638	38.39 637	53.83 640	24.29 641	28.47 641	20.74 638	21.83 638	20.81 634	23.90 635	23.54 640	27.53 640	14.08 634	17.69 633	11.82 631	14.00 630	14.69 630	15.00 635

test_example2	98.32 640	94.13 641	45.89 638	96.35 639	109.85 641	88.61 640	95.45 641	25.75 642	94.37 642	130.00 643	126.06 642	58.17 642	74.63 641	88.51 642	79.96 641	150.23 642	221.02 642	77.62 642	99.10 642	113.75 642	96.94 642

ccccc	245.47 641	285.66 642	306.18 641	368.85 642	370.60 642	123.16 641	145.33 642	115.05 643	110.08 643	126.68 642	110.87 641	122.83 643	165.88 642	252.94 643	276.56 642	384.56 643	353.86 643	254.69 643	223.00 643	425.87 643	386.83 643

Low-res two-view benchmark