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

Monster-pub-eth3d	0.07 4	0.06 59	0.05 1	0.15 72	0.05 1	0.08 53	0.10 29	0.15 111	0.15 164	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

MonSter	0.07 4	0.06 59	0.05 1	0.15 72	0.05 1	0.07 30	0.10 29	0.15 111	0.15 164	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

GGEV	0.08 47	0.07 143	0.06 3	0.18 302	0.08 130	0.10 132	0.13 108	0.13 61	0.11 63	0.09 97	0.10 121	0.09 127	0.07 110	0.11 112	0.10 125	0.05 28	0.04 22	0.06 105	0.04 37	0.05 102	0.04 42

monsterstereo	0.07 4	0.06 59	0.06 3	0.16 146	0.06 14	0.08 53	0.10 29	0.16 138	0.11 63	0.07 33	0.08 74	0.06 18	0.07 110	0.08 16	0.09 54	0.04 11	0.04 22	0.05 25	0.04 37	0.03 1	0.03 1

monsters	0.07 4	0.06 59	0.06 3	0.15 72	0.06 14	0.08 53	0.09 18	0.12 45	0.08 13	0.09 97	0.07 40	0.06 18	0.06 36	0.08 16	0.08 17	0.05 28	0.04 22	0.04 1	0.04 37	0.03 1	0.03 1

Occ-G	0.08 47	0.05 19	0.06 3	0.14 31	0.07 74	0.08 53	0.14 157	0.13 61	0.15 164	0.07 33	0.11 153	0.07 65	0.05 11	0.09 35	0.10 125	0.06 118	0.05 188	0.05 25	0.04 37	0.05 102	0.05 125

CREStereo++_RVC	0.08 47	0.04 1	0.06 3	0.13 13	0.07 74	0.09 84	0.12 66	0.14 80	0.14 147	0.10 131	0.14 194	0.08 102	0.07 110	0.09 35	0.11 193	0.06 118	0.04 22	0.05 25	0.05 113	0.04 16	0.04 42
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
DA2	0.08 47	0.07 143	0.07 8	0.19 360	0.08 130	0.09 84	0.12 66	0.13 61	0.12 90	0.08 66	0.10 121	0.10 159	0.08 146	0.09 35	0.10 125	0.05 28	0.04 22	0.06 105	0.04 37	0.05 102	0.03 1

AdaDepth	0.07 4	0.06 59	0.07 8	0.18 302	0.06 14	0.11 178	0.12 66	0.09 11	0.07 8	0.06 11	0.05 7	0.07 65	0.06 36	0.09 35	0.10 125	0.04 11	0.05 188	0.05 25	0.04 37	0.04 16	0.04 42

asd	0.07 4	0.08 242	0.07 8	0.16 146	0.07 74	0.08 53	0.08 7	0.11 29	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.10 66	0.09 54	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

qwe	0.07 4	0.08 242	0.07 8	0.15 72	0.06 14	0.07 30	0.10 29	0.18 203	0.11 63	0.07 33	0.07 40	0.06 18	0.06 36	0.10 66	0.09 54	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

2.25w	0.07 4	0.06 59	0.07 8	0.14 31	0.06 14	0.08 53	0.08 7	0.10 18	0.15 164	0.08 66	0.10 121	0.07 65	0.06 36	0.08 16	0.10 125	0.05 28	0.03 1	0.04 1	0.04 37	0.03 1	0.04 42

2.5w	0.07 4	0.07 143	0.07 8	0.16 146	0.06 14	0.08 53	0.12 66	0.10 18	0.10 37	0.07 33	0.06 13	0.09 127	0.06 36	0.08 16	0.09 54	0.04 11	0.03 1	0.04 1	0.04 37	0.03 1	0.03 1

2.75w_new	0.07 4	0.07 143	0.07 8	0.13 13	0.06 14	0.08 53	0.08 7	0.18 203	0.12 90	0.07 33	0.08 74	0.06 18	0.06 36	0.09 35	0.11 193	0.04 11	0.04 22	0.04 1	0.03 1	0.03 1	0.04 42

3.25w_new	0.07 4	0.06 59	0.07 8	0.15 72	0.06 14	0.10 132	0.07 3	0.12 45	0.11 63	0.08 66	0.06 13	0.07 65	0.06 36	0.11 112	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 59	0.07 8	0.15 72	0.06 14	0.10 132	0.07 3	0.12 45	0.11 63	0.08 66	0.06 13	0.07 65	0.06 36	0.11 112	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 143	0.07 8	0.15 72	0.07 74	0.09 84	0.06 1	0.13 61	0.11 63	0.07 33	0.07 40	0.06 18	0.07 110	0.10 66	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 59	0.07 8	0.16 146	0.06 14	0.07 30	0.10 29	0.14 80	0.14 147	0.07 33	0.08 74	0.05 1	0.06 36	0.09 35	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 42

MM-Stereo_test3	0.10 148	0.07 143	0.07 8	0.18 302	0.07 74	0.12 213	0.19 408	0.24 322	0.19 252	0.06 11	0.10 121	0.08 102	0.06 36	0.11 112	0.08 17	0.06 118	0.06 313	0.07 200	0.05 113	0.05 102	0.04 42

SCV_C0	0.08 47	0.07 143	0.07 8	0.16 146	0.09 244	0.08 53	0.15 225	0.11 29	0.12 90	0.08 66	0.07 40	0.06 18	0.05 11	0.11 112	0.07 1	0.05 28	0.05 188	0.05 25	0.04 37	0.06 197	0.05 125

AIO_test	0.07 4	0.05 19	0.07 8	0.15 72	0.07 74	0.06 10	0.14 157	0.10 18	0.10 37	0.07 33	0.07 40	0.06 18	0.05 11	0.08 16	0.10 125	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

DEFOM-Stereo	0.07 4	0.05 19	0.07 8	0.14 31	0.06 14	0.10 132	0.13 108	0.07 2	0.13 122	0.06 11	0.07 40	0.06 18	0.05 11	0.10 66	0.09 54	0.04 11	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

trnet	0.08 47	0.05 19	0.07 8	0.12 4	0.05 1	0.12 213	0.11 49	0.13 61	0.10 37	0.08 66	0.13 180	0.09 127	0.08 146	0.11 112	0.10 125	0.08 306	0.05 188	0.05 25	0.03 1	0.06 197	0.05 125

LoS_RVC	0.08 47	0.05 19	0.07 8	0.15 72	0.07 74	0.08 53	0.15 225	0.11 29	0.10 37	0.08 66	0.09 92	0.06 18	0.09 173	0.10 66	0.09 54	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.03 1

CAS	0.08 47	0.04 1	0.07 8	0.17 220	0.08 130	0.10 132	0.13 108	0.12 45	0.09 24	0.09 97	0.10 121	0.08 102	0.06 36	0.09 35	0.08 17	0.08 306	0.04 22	0.05 25	0.03 1	0.05 102	0.04 42

raft_robust	0.13 282	0.10 376	0.07 8	0.18 302	0.08 130	0.13 252	0.24 479	0.28 397	0.33 427	0.20 386	0.19 278	0.14 243	0.10 205	0.11 112	0.12 242	0.05 28	0.05 188	0.07 200	0.07 278	0.05 102	0.04 42

GMOStereo	0.11 191	0.09 318	0.07 8	0.19 360	0.08 130	0.12 213	0.28 517	0.13 61	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 42

error version	0.11 191	0.09 318	0.07 8	0.19 360	0.08 130	0.12 213	0.28 517	0.13 61	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 42

test-v	0.11 191	0.09 318	0.07 8	0.19 360	0.08 130	0.12 213	0.28 517	0.13 61	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 42

test-2	0.11 191	0.09 318	0.07 8	0.19 360	0.08 130	0.12 213	0.28 517	0.13 61	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 42

s12784h	0.09 87	0.06 59	0.07 8	0.15 72	0.05 1	0.16 340	0.18 369	0.15 111	0.15 164	0.10 131	0.11 153	0.11 181	0.11 230	0.10 66	0.12 242	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.04 42

XX-TBD	0.09 87	0.06 59	0.07 8	0.14 31	0.07 74	0.12 213	0.16 290	0.14 80	0.13 122	0.11 160	0.12 166	0.09 127	0.08 146	0.10 66	0.10 125	0.06 118	0.04 22	0.05 25	0.03 1	0.06 197	0.05 125

MSCF	0.08 47	0.05 19	0.08 33	0.19 360	0.08 130	0.06 10	0.12 66	0.14 80	0.11 63	0.10 131	0.09 92	0.07 65	0.04 1	0.11 112	0.08 17	0.06 118	0.05 188	0.05 25	0.04 37	0.05 102	0.05 125

water-stereo	0.09 87	0.06 59	0.08 33	0.16 146	0.07 74	0.09 84	0.13 108	0.15 111	0.13 122	0.11 160	0.12 166	0.08 102	0.09 173	0.07 4	0.08 17	0.06 118	0.05 188	0.05 25	0.05 113	0.04 16	0.04 42

asda	0.07 4	0.08 242	0.08 33	0.16 146	0.06 14	0.06 10	0.10 29	0.16 138	0.10 37	0.06 11	0.06 13	0.05 1	0.05 11	0.10 66	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

DilatedVolume-Stereo	0.09 87	0.05 19	0.08 33	0.15 72	0.06 14	0.11 178	0.12 66	0.14 80	0.16 192	0.11 160	0.11 153	0.09 127	0.09 173	0.11 112	0.10 125	0.06 118	0.05 188	0.05 25	0.04 37	0.03 1	0.03 1

4.5_new	0.07 4	0.09 318	0.08 33	0.15 72	0.07 74	0.06 10	0.10 29	0.14 80	0.11 63	0.06 11	0.08 74	0.06 18	0.06 36	0.08 16	0.10 125	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

4.5w-stereo	0.07 4	0.09 318	0.08 33	0.15 72	0.07 74	0.06 10	0.10 29	0.14 80	0.11 63	0.06 11	0.08 74	0.06 18	0.06 36	0.08 16	0.10 125	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

4w-stereo	0.07 4	0.08 242	0.08 33	0.16 146	0.06 14	0.07 30	0.08 7	0.12 45	0.08 13	0.07 33	0.07 40	0.05 1	0.06 36	0.09 35	0.10 125	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

3.75w	0.07 4	0.07 143	0.08 33	0.16 146	0.07 74	0.07 30	0.09 18	0.16 138	0.09 24	0.07 33	0.06 13	0.05 1	0.06 36	0.09 35	0.10 125	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

IGEV	0.07 4	0.04 1	0.08 33	0.13 13	0.06 14	0.09 84	0.12 66	0.14 80	0.10 37	0.06 11	0.09 92	0.07 65	0.05 11	0.09 35	0.09 54	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

MLG-Stereo_test1	0.06 1	0.05 19	0.08 33	0.17 220	0.05 1	0.06 10	0.11 49	0.08 4	0.03 1	0.05 1	0.04 1	0.06 18	0.05 11	0.09 35	0.09 54	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

MLG-Stereo	0.07 4	0.05 19	0.08 33	0.17 220	0.05 1	0.07 30	0.11 49	0.08 4	0.04 2	0.05 1	0.04 1	0.06 18	0.05 11	0.10 66	0.09 54	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

MM-Stereo_test1	0.10 148	0.07 143	0.08 33	0.18 302	0.07 74	0.12 213	0.18 369	0.21 258	0.20 275	0.09 97	0.11 153	0.08 102	0.06 36	0.10 66	0.10 125	0.06 118	0.05 188	0.07 200	0.06 191	0.05 102	0.04 42

GREAT-IGEV	0.07 4	0.06 59	0.08 33	0.13 13	0.07 74	0.07 30	0.14 157	0.09 11	0.09 24	0.06 11	0.07 40	0.06 18	0.05 11	0.10 66	0.07 1	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

Reg-Stereo(zero)	0.08 47	0.05 19	0.08 33	0.16 146	0.06 14	0.12 213	0.11 49	0.15 111	0.10 37	0.12 198	0.09 92	0.10 159	0.08 146	0.11 112	0.08 17	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

SCV	0.08 47	0.09 318	0.08 33	0.15 72	0.08 130	0.10 132	0.13 108	0.10 18	0.12 90	0.07 33	0.07 40	0.06 18	0.04 1	0.09 35	0.08 17	0.05 28	0.04 22	0.06 105	0.04 37	0.06 197	0.04 42

FoundationStereo	0.06 1	0.04 1	0.08 33	0.12 4	0.05 1	0.09 84	0.13 108	0.06 1	0.09 24	0.05 1	0.05 7	0.06 18	0.04 1	0.06 1	0.07 1	0.06 118	0.04 22	0.05 25	0.03 1	0.05 102	0.04 42

AIO_rvc	0.07 4	0.06 59	0.08 33	0.15 72	0.06 14	0.08 53	0.14 157	0.09 11	0.08 13	0.07 33	0.08 74	0.07 65	0.04 1	0.10 66	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

HUF	0.08 47	0.05 19	0.08 33	0.14 31	0.06 14	0.09 84	0.13 108	0.13 61	0.13 122	0.07 33	0.07 40	0.08 102	0.06 36	0.10 66	0.09 54	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

castereo++	0.08 47	0.05 19	0.08 33	0.15 72	0.05 1	0.14 284	0.12 66	0.11 29	0.15 164	0.07 33	0.07 40	0.07 65	0.06 36	0.08 16	0.08 17	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

mms	0.09 87	0.07 143	0.08 33	0.16 146	0.08 130	0.10 132	0.16 290	0.12 45	0.11 63	0.08 66	0.09 92	0.08 102	0.06 36	0.11 112	0.12 242	0.05 28	0.04 22	0.07 200	0.05 113	0.04 16	0.03 1

dual_stereo	0.07 4	0.04 1	0.08 33	0.15 72	0.05 1	0.05 4	0.13 108	0.12 45	0.08 13	0.07 33	0.06 13	0.05 1	0.05 11	0.07 4	0.09 54	0.06 118	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

IGEV-Stereo++	0.07 4	0.06 59	0.08 33	0.18 302	0.06 14	0.04 1	0.10 29	0.11 29	0.11 63	0.06 11	0.07 40	0.07 65	0.06 36	0.09 35	0.09 54	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

RAStereo	0.10 148	0.09 318	0.08 33	0.20 417	0.08 130	0.13 252	0.18 369	0.15 111	0.17 211	0.10 131	0.12 166	0.05 1	0.06 36	0.09 35	0.08 17	0.07 245	0.05 188	0.07 200	0.05 113	0.05 102	0.04 42

IGEV-Stereo+	0.07 4	0.04 1	0.08 33	0.15 72	0.06 14	0.04 1	0.09 18	0.10 18	0.09 24	0.06 11	0.06 13	0.06 18	0.06 36	0.06 1	0.08 17	0.06 118	0.04 22	0.05 25	0.04 37	0.06 197	0.06 205

IGEV++	0.08 47	0.06 59	0.08 33	0.18 302	0.07 74	0.09 84	0.13 108	0.10 18	0.09 24	0.08 66	0.08 74	0.06 18	0.06 36	0.13 240	0.09 54	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

MaDis-Stereo	0.09 87	0.09 318	0.08 33	0.17 220	0.09 244	0.13 252	0.10 29	0.16 138	0.16 192	0.09 97	0.11 153	0.06 18	0.06 36	0.09 35	0.13 283	0.07 245	0.06 313	0.07 200	0.05 113	0.05 102	0.04 42

UniTT-Stereo	0.09 87	0.07 143	0.08 33	0.18 302	0.08 130	0.13 252	0.11 49	0.12 45	0.11 63	0.10 131	0.12 166	0.05 1	0.07 110	0.09 35	0.09 54	0.07 245	0.05 188	0.05 25	0.05 113	0.05 102	0.05 125

AEACV	0.08 47	0.05 19	0.08 33	0.14 31	0.13 449	0.14 284	0.13 108	0.14 80	0.09 24	0.07 33	0.09 92	0.07 65	0.08 146	0.10 66	0.09 54	0.06 118	0.04 22	0.06 105	0.05 113	0.05 102	0.04 42

CES	0.08 47	0.04 1	0.08 33	0.14 31	0.07 74	0.09 84	0.14 157	0.11 29	0.09 24	0.08 66	0.09 92	0.11 181	0.06 36	0.12 195	0.08 17	0.06 118	0.04 22	0.05 25	0.03 1	0.05 102	0.05 125

Selective-IGEV	0.07 4	0.06 59	0.08 33	0.17 220	0.06 14	0.08 53	0.12 66	0.13 61	0.07 8	0.08 66	0.07 40	0.06 18	0.04 1	0.10 66	0.09 54	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

EGLCR-Stereo	0.08 47	0.05 19	0.08 33	0.14 31	0.06 14	0.10 132	0.12 66	0.11 29	0.16 192	0.06 11	0.05 7	0.07 65	0.05 11	0.10 66	0.11 193	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

CroCo-Stereo Lap2	0.09 87	0.09 318	0.08 33	0.22 461	0.09 244	0.09 84	0.19 408	0.16 138	0.12 90	0.09 97	0.10 121	0.05 1	0.05 11	0.08 16	0.08 17	0.06 118	0.06 313	0.07 200	0.05 113	0.05 102	0.05 125

TestStereo1	0.13 282	0.08 242	0.08 33	0.19 360	0.08 130	0.18 380	0.29 526	0.23 300	0.16 192	0.17 317	0.20 290	0.16 286	0.10 205	0.12 195	0.13 283	0.06 118	0.06 313	0.08 284	0.06 191	0.05 102	0.05 125

test_5	0.14 316	0.12 420	0.08 33	0.20 417	0.10 346	0.14 284	0.29 526	0.21 258	0.24 330	0.18 347	0.28 411	0.11 181	0.15 342	0.12 195	0.13 283	0.06 118	0.05 188	0.07 200	0.08 343	0.08 326	0.07 285

SA-5K	0.13 282	0.08 242	0.08 33	0.19 360	0.08 130	0.18 380	0.29 526	0.23 300	0.16 192	0.17 317	0.20 290	0.16 286	0.10 205	0.12 195	0.13 283	0.06 118	0.06 313	0.08 284	0.06 191	0.05 102	0.05 125

Sa-1000	0.12 257	0.08 242	0.08 33	0.18 302	0.08 130	0.14 284	0.22 456	0.22 280	0.18 237	0.15 273	0.20 290	0.17 306	0.11 230	0.10 66	0.10 125	0.06 118	0.05 188	0.09 365	0.09 389	0.05 102	0.05 125

SA	0.12 257	0.09 318	0.08 33	0.18 302	0.08 130	0.12 213	0.24 479	0.23 300	0.18 237	0.17 317	0.27 397	0.14 243	0.11 230	0.11 112	0.11 193	0.05 28	0.05 188	0.09 365	0.08 343	0.05 102	0.04 42

test_4	0.10 148	0.10 376	0.08 33	0.19 360	0.09 244	0.08 53	0.22 456	0.15 111	0.17 211	0.12 198	0.18 269	0.12 198	0.09 173	0.08 16	0.11 193	0.04 11	0.04 22	0.08 284	0.08 343	0.04 16	0.03 1

CroCo-Stereo	0.09 87	0.08 242	0.08 33	0.22 461	0.09 244	0.09 84	0.19 408	0.15 111	0.12 90	0.07 33	0.07 40	0.08 102	0.06 36	0.08 16	0.07 1	0.07 245	0.05 188	0.06 105	0.04 37	0.05 102	0.04 42
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
TANstereo	0.09 87	0.04 1	0.08 33	0.13 13	0.06 14	0.11 178	0.14 157	0.15 111	0.19 252	0.11 160	0.15 211	0.10 159	0.06 36	0.12 195	0.09 54	0.07 245	0.05 188	0.05 25	0.04 37	0.06 197	0.05 125

XX-Stereo	0.09 87	0.05 19	0.08 33	0.17 220	0.09 244	0.15 310	0.12 66	0.20 235	0.10 37	0.10 131	0.14 194	0.07 65	0.06 36	0.12 195	0.08 17	0.06 118	0.05 188	0.06 105	0.06 191	0.04 16	0.04 42

CREStereo	0.09 87	0.04 1	0.08 33	0.11 1	0.06 14	0.13 252	0.14 157	0.14 80	0.10 37	0.08 66	0.13 180	0.09 127	0.08 146	0.11 112	0.10 125	0.08 306	0.04 22	0.05 25	0.03 1	0.06 197	0.06 205
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
Monster-pub-mixall	0.07 4	0.04 1	0.09 75	0.13 13	0.06 14	0.05 4	0.09 18	0.11 29	0.07 8	0.06 11	0.06 13	0.05 1	0.06 36	0.09 35	0.09 54	0.06 118	0.04 22	0.04 1	0.03 1	0.05 102	0.05 125

Replicate-Monster	0.07 4	0.05 19	0.09 75	0.14 31	0.06 14	0.08 53	0.09 18	0.13 61	0.13 122	0.05 1	0.07 40	0.06 18	0.06 36	0.08 16	0.10 125	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

zero-FE	0.08 47	0.04 1	0.09 75	0.15 72	0.10 346	0.05 4	0.14 157	0.09 11	0.14 147	0.07 33	0.06 13	0.07 65	0.06 36	0.09 35	0.10 125	0.06 118	0.04 22	0.06 105	0.04 37	0.08 326	0.05 125

GASTEREO	0.08 47	0.05 19	0.09 75	0.19 360	0.07 74	0.07 30	0.12 66	0.14 80	0.11 63	0.10 131	0.09 92	0.07 65	0.04 1	0.12 195	0.08 17	0.06 118	0.05 188	0.05 25	0.04 37	0.04 16	0.05 125

depthmonostereo	0.09 87	0.06 59	0.09 75	0.15 72	0.06 14	0.10 132	0.13 108	0.14 80	0.14 147	0.10 131	0.10 121	0.09 127	0.11 230	0.08 16	0.09 54	0.06 118	0.05 188	0.06 105	0.04 37	0.04 16	0.03 1

4.25_new	0.07 4	0.08 242	0.09 75	0.15 72	0.06 14	0.09 84	0.08 7	0.14 80	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.12 195	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4.5w_new	0.07 4	0.08 242	0.09 75	0.15 72	0.06 14	0.09 84	0.08 7	0.14 80	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.12 195	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4.25w-stereo	0.07 4	0.08 242	0.09 75	0.15 72	0.06 14	0.09 84	0.08 7	0.14 80	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.12 195	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

2w_stereo	0.08 47	0.08 242	0.09 75	0.16 146	0.06 14	0.08 53	0.10 29	0.20 235	0.15 164	0.08 66	0.07 40	0.06 18	0.06 36	0.06 1	0.09 54	0.04 11	0.03 1	0.04 1	0.04 37	0.03 1	0.03 1

111111	0.07 4	0.04 1	0.09 75	0.17 220	0.06 14	0.05 4	0.10 29	0.11 29	0.09 24	0.06 11	0.06 13	0.07 65	0.05 11	0.09 35	0.09 54	0.06 118	0.04 22	0.05 25	0.04 37	0.07 263	0.06 205

MM-Stereo_test2	0.09 87	0.06 59	0.09 75	0.19 360	0.08 130	0.12 213	0.18 369	0.15 111	0.14 147	0.07 33	0.10 121	0.07 65	0.06 36	0.12 195	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.03 1

HART	0.08 47	0.07 143	0.09 75	0.17 220	0.07 74	0.10 132	0.16 290	0.13 61	0.11 63	0.08 66	0.10 121	0.07 65	0.05 11	0.10 66	0.08 17	0.05 28	0.04 22	0.06 105	0.04 37	0.05 102	0.04 42

DEFOM-Stereo_RVC	0.08 47	0.06 59	0.09 75	0.22 461	0.06 14	0.08 53	0.12 66	0.10 18	0.10 37	0.07 33	0.07 40	0.06 18	0.05 11	0.11 112	0.09 54	0.06 118	0.04 22	0.05 25	0.03 1	0.06 197	0.04 42

ours_stereo	0.09 87	0.07 143	0.09 75	0.17 220	0.08 130	0.11 178	0.16 290	0.11 29	0.12 90	0.08 66	0.10 121	0.08 102	0.06 36	0.12 195	0.12 242	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.03 1

fffy	0.09 87	0.08 242	0.09 75	0.16 146	0.07 74	0.13 252	0.17 324	0.13 61	0.12 90	0.08 66	0.09 92	0.08 102	0.09 173	0.13 240	0.11 193	0.05 28	0.05 188	0.07 200	0.05 113	0.04 16	0.05 125

UGAM	0.13 282	0.10 376	0.09 75	0.22 461	0.08 130	0.12 213	0.20 429	0.17 174	0.23 314	0.21 400	0.16 223	0.13 223	0.13 299	0.19 390	0.12 242	0.07 245	0.05 188	0.13 478	0.11 460	0.07 263	0.05 125

WCG-NET	0.08 47	0.05 19	0.09 75	0.15 72	0.06 14	0.11 178	0.14 157	0.13 61	0.13 122	0.06 11	0.09 92	0.07 65	0.06 36	0.13 240	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

Pointernet	0.09 87	0.04 1	0.09 75	0.16 146	0.08 130	0.13 252	0.10 29	0.15 111	0.17 211	0.09 97	0.07 40	0.06 18	0.06 36	0.11 112	0.09 54	0.08 306	0.04 22	0.05 25	0.03 1	0.06 197	0.05 125

U	0.08 47	0.07 143	0.09 75	0.19 360	0.10 346	0.10 132	0.13 108	0.12 45	0.17 211	0.07 33	0.07 40	0.06 18	0.05 11	0.07 4	0.08 17	0.06 118	0.04 22	0.06 105	0.04 37	0.06 197	0.05 125

AIO-Stereo	0.08 47	0.06 59	0.09 75	0.18 302	0.06 14	0.08 53	0.12 66	0.15 111	0.09 24	0.08 66	0.08 74	0.07 65	0.05 11	0.11 112	0.08 17	0.05 28	0.05 188	0.05 25	0.04 37	0.04 16	0.04 42

RSM++	0.08 47	0.06 59	0.09 75	0.17 220	0.07 74	0.09 84	0.12 66	0.11 29	0.11 63	0.08 66	0.06 13	0.07 65	0.05 11	0.10 66	0.09 54	0.04 11	0.04 22	0.06 105	0.05 113	0.05 102	0.03 1

RSM	0.08 47	0.06 59	0.09 75	0.17 220	0.06 14	0.08 53	0.12 66	0.12 45	0.10 37	0.08 66	0.07 40	0.06 18	0.05 11	0.11 112	0.09 54	0.04 11	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

H2IRNET	0.10 148	0.09 318	0.09 75	0.18 302	0.09 244	0.12 213	0.15 225	0.14 80	0.21 290	0.10 131	0.10 121	0.10 159	0.10 205	0.10 66	0.10 125	0.05 28	0.04 22	0.08 284	0.08 343	0.06 197	0.05 125

MSKI-zero shot	0.09 87	0.05 19	0.09 75	0.15 72	0.07 74	0.10 132	0.13 108	0.14 80	0.13 122	0.09 97	0.09 92	0.09 127	0.06 36	0.12 195	0.10 125	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.04 42

StereoVision	0.13 282	0.12 420	0.09 75	0.24 491	0.10 346	0.15 310	0.21 446	0.21 258	0.20 275	0.12 198	0.24 342	0.10 159	0.10 205	0.16 322	0.10 125	0.09 365	0.11 473	0.12 463	0.12 479	0.06 197	0.05 125

CASnet	0.09 87	0.09 318	0.09 75	0.19 360	0.06 14	0.07 30	0.11 49	0.18 203	0.14 147	0.11 160	0.10 121	0.09 127	0.07 110	0.10 66	0.10 125	0.06 118	0.04 22	0.10 413	0.08 343	0.05 102	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.10 148	0.05 19	0.09 75	0.14 31	0.07 74	0.13 252	0.14 157	0.21 258	0.15 164	0.11 160	0.12 166	0.12 198	0.09 173	0.12 195	0.09 54	0.07 245	0.04 22	0.05 25	0.04 37	0.06 197	0.05 125

MC-Stereo	0.08 47	0.06 59	0.09 75	0.17 220	0.06 14	0.10 132	0.14 157	0.12 45	0.10 37	0.09 97	0.12 166	0.09 127	0.06 36	0.11 112	0.10 125	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

RCA-Stereo	0.09 87	0.06 59	0.09 75	0.16 146	0.06 14	0.09 84	0.13 108	0.18 203	0.14 147	0.09 97	0.10 121	0.08 102	0.07 110	0.12 195	0.11 193	0.06 118	0.04 22	0.06 105	0.05 113	0.05 102	0.04 42

RAFT+CT+SA	0.13 282	0.11 402	0.09 75	0.19 360	0.09 244	0.15 310	0.28 517	0.22 280	0.22 304	0.15 273	0.26 388	0.10 159	0.10 205	0.11 112	0.12 242	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 205

test-3	0.08 47	0.06 59	0.09 75	0.17 220	0.07 74	0.07 30	0.14 157	0.12 45	0.15 164	0.09 97	0.08 74	0.07 65	0.08 146	0.11 112	0.10 125	0.05 28	0.04 22	0.07 200	0.05 113	0.04 16	0.04 42

test_1	0.08 47	0.06 59	0.09 75	0.17 220	0.07 74	0.07 30	0.14 157	0.12 45	0.15 164	0.09 97	0.08 74	0.07 65	0.08 146	0.11 112	0.10 125	0.05 28	0.04 22	0.07 200	0.05 113	0.04 16	0.04 42

LCNet	0.11 191	0.07 143	0.09 75	0.19 360	0.09 244	0.08 53	0.15 225	0.21 258	0.15 164	0.11 160	0.15 211	0.16 286	0.11 230	0.12 195	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.06 197	0.15 503

cross-raft	0.10 148	0.09 318	0.09 75	0.19 360	0.07 74	0.11 178	0.25 495	0.13 61	0.15 164	0.08 66	0.11 153	0.12 198	0.10 205	0.09 35	0.11 193	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

iRaftStereo_RVC	0.10 148	0.07 143	0.09 75	0.17 220	0.09 244	0.11 178	0.17 324	0.18 203	0.12 90	0.09 97	0.12 166	0.10 159	0.07 110	0.11 112	0.10 125	0.05 28	0.04 22	0.08 284	0.08 343	0.04 16	0.04 42

raft+_RVC	0.11 191	0.07 143	0.09 75	0.16 146	0.07 74	0.10 132	0.11 49	0.24 322	0.20 275	0.12 198	0.15 211	0.12 198	0.08 146	0.12 195	0.13 283	0.07 245	0.04 22	0.07 200	0.06 191	0.05 102	0.05 125

RALCasStereoNet	0.10 148	0.06 59	0.09 75	0.16 146	0.08 130	0.12 213	0.14 157	0.17 174	0.11 63	0.12 198	0.17 244	0.14 243	0.10 205	0.12 195	0.11 193	0.07 245	0.06 313	0.06 105	0.05 113	0.08 326	0.07 285

CFNet-RSSM	0.09 87	0.07 143	0.09 75	0.16 146	0.07 74	0.09 84	0.15 225	0.16 138	0.17 211	0.08 66	0.12 166	0.10 159	0.09 173	0.11 112	0.09 54	0.06 118	0.04 22	0.06 105	0.04 37	0.04 16	0.04 42

PMTNet	0.09 87	0.05 19	0.09 75	0.12 4	0.06 14	0.12 213	0.14 157	0.15 111	0.11 63	0.09 97	0.13 180	0.10 159	0.07 110	0.13 240	0.10 125	0.15 500	0.04 22	0.05 25	0.03 1	0.07 263	0.06 205

3w_stereo	0.08 47	0.09 318	0.10 114	0.17 220	0.07 74	0.08 53	0.10 29	0.20 235	0.13 122	0.06 11	0.07 40	0.05 1	0.06 36	0.08 16	0.09 54	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

LG-Stereo_L2	0.07 4	0.05 19	0.10 114	0.14 31	0.06 14	0.07 30	0.12 66	0.09 11	0.09 24	0.06 11	0.04 1	0.05 1	0.05 11	0.08 16	0.08 17	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.03 1

MLG-Stereo_test3	0.07 4	0.05 19	0.10 114	0.14 31	0.06 14	0.07 30	0.11 49	0.08 4	0.06 4	0.06 11	0.04 1	0.06 18	0.06 36	0.07 4	0.10 125	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.06 205

MLG-Stereo_test2	0.06 1	0.04 1	0.10 114	0.15 72	0.05 1	0.07 30	0.11 49	0.09 11	0.04 2	0.06 11	0.05 7	0.06 18	0.04 1	0.08 16	0.09 54	0.06 118	0.04 22	0.05 25	0.03 1	0.05 102	0.05 125

LGtest1	0.07 4	0.04 1	0.10 114	0.15 72	0.06 14	0.07 30	0.09 18	0.08 4	0.06 4	0.05 1	0.04 1	0.06 18	0.06 36	0.10 66	0.09 54	0.07 245	0.04 22	0.05 25	0.04 37	0.06 197	0.06 205

LG-Stereo_Zeroshot	0.07 4	0.06 59	0.10 114	0.16 146	0.07 74	0.04 1	0.13 108	0.10 18	0.10 37	0.05 1	0.11 153	0.07 65	0.05 11	0.07 4	0.09 54	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

LG-Stereo	0.08 47	0.07 143	0.10 114	0.18 302	0.07 74	0.10 132	0.17 324	0.11 29	0.08 13	0.05 1	0.07 40	0.05 1	0.07 110	0.09 35	0.09 54	0.04 11	0.05 188	0.07 200	0.07 278	0.04 16	0.04 42

SGD-Stereo	0.08 47	0.05 19	0.10 114	0.14 31	0.05 1	0.12 213	0.12 66	0.11 29	0.12 90	0.07 33	0.09 92	0.09 127	0.09 173	0.08 16	0.08 17	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.03 1

AIO-test2	0.10 148	0.08 242	0.10 114	0.23 482	0.08 130	0.11 178	0.10 29	0.23 300	0.23 314	0.08 66	0.09 92	0.08 102	0.05 11	0.10 66	0.08 17	0.06 118	0.05 188	0.08 284	0.09 389	0.05 102	0.05 125

AIO-test1	0.10 148	0.07 143	0.10 114	0.23 482	0.07 74	0.09 84	0.13 108	0.21 258	0.14 147	0.11 160	0.12 166	0.09 127	0.07 110	0.11 112	0.09 54	0.06 118	0.05 188	0.09 365	0.10 428	0.03 1	0.06 205

tg	0.10 148	0.06 59	0.10 114	0.18 302	0.08 130	0.11 178	0.16 290	0.20 235	0.12 90	0.08 66	0.11 153	0.11 181	0.07 110	0.11 112	0.10 125	0.05 28	0.04 22	0.08 284	0.08 343	0.04 16	0.04 42

WCG-NET（raft）	0.08 47	0.05 19	0.10 114	0.15 72	0.06 14	0.11 178	0.13 108	0.15 111	0.12 90	0.08 66	0.07 40	0.06 18	0.06 36	0.13 240	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.04 42

RAFT-Stereo-weight	0.09 87	0.06 59	0.10 114	0.16 146	0.07 74	0.09 84	0.14 157	0.19 224	0.16 192	0.11 160	0.10 121	0.08 102	0.06 36	0.10 66	0.11 193	0.06 118	0.04 22	0.06 105	0.04 37	0.04 16	0.04 42

gcap-zeroshot	0.09 87	0.05 19	0.10 114	0.16 146	0.07 74	0.13 252	0.13 108	0.11 29	0.12 90	0.13 225	0.12 166	0.09 127	0.08 146	0.09 35	0.09 54	0.06 118	0.05 188	0.06 105	0.05 113	0.04 16	0.04 42

MoCha-V2	0.08 47	0.05 19	0.10 114	0.20 417	0.07 74	0.09 84	0.14 157	0.11 29	0.08 13	0.07 33	0.08 74	0.07 65	0.06 36	0.09 35	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.04 42

MyStereo07	0.10 148	0.07 143	0.10 114	0.17 220	0.09 244	0.14 284	0.18 369	0.15 111	0.15 164	0.09 97	0.06 13	0.06 18	0.07 110	0.12 195	0.09 54	0.06 118	0.05 188	0.08 284	0.07 278	0.06 197	0.06 205

MyStereo05	0.13 282	0.07 143	0.10 114	0.17 220	0.09 244	0.13 252	0.18 369	0.27 377	0.35 448	0.17 317	0.14 194	0.15 272	0.11 230	0.15 288	0.13 283	0.06 118	0.05 188	0.07 200	0.07 278	0.06 197	0.06 205

MyStereo04	0.13 282	0.07 143	0.10 114	0.17 220	0.09 244	0.14 284	0.18 369	0.29 408	0.38 467	0.17 317	0.14 194	0.16 286	0.10 205	0.15 288	0.13 283	0.06 118	0.05 188	0.08 284	0.07 278	0.06 197	0.06 205

AE-Stereo	0.10 148	0.08 242	0.10 114	0.18 302	0.09 244	0.10 132	0.15 225	0.14 80	0.19 252	0.09 97	0.14 194	0.12 198	0.08 146	0.11 112	0.10 125	0.05 28	0.06 313	0.07 200	0.06 191	0.05 102	0.04 42

plain	0.10 148	0.08 242	0.10 114	0.19 360	0.09 244	0.10 132	0.15 225	0.14 80	0.13 122	0.13 225	0.15 211	0.09 127	0.12 261	0.13 240	0.12 242	0.07 245	0.05 188	0.09 365	0.06 191	0.06 197	0.06 205

MIF-Stereo (partial)	0.11 191	0.06 59	0.10 114	0.19 360	0.10 346	0.10 132	0.11 49	0.17 174	0.18 237	0.14 246	0.16 223	0.09 127	0.11 230	0.12 195	0.12 242	0.08 306	0.05 188	0.08 284	0.07 278	0.06 197	0.07 285

RAFT-Test	0.09 87	0.06 59	0.10 114	0.15 72	0.07 74	0.11 178	0.15 225	0.16 138	0.13 122	0.09 97	0.10 121	0.10 159	0.09 173	0.12 195	0.09 54	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

4D-IteraStereo	0.09 87	0.07 143	0.10 114	0.18 302	0.07 74	0.09 84	0.15 225	0.17 174	0.15 164	0.10 131	0.11 153	0.10 159	0.07 110	0.11 112	0.09 54	0.05 28	0.03 1	0.08 284	0.07 278	0.06 197	0.05 125

anonymousdsp2	0.11 191	0.07 143	0.10 114	0.16 146	0.09 244	0.13 252	0.14 157	0.18 203	0.22 304	0.13 225	0.14 194	0.12 198	0.09 173	0.14 266	0.11 193	0.05 28	0.04 22	0.05 25	0.04 37	0.06 197	0.05 125

ProNet	0.09 87	0.07 143	0.10 114	0.17 220	0.08 130	0.10 132	0.15 225	0.15 111	0.12 90	0.09 97	0.06 13	0.07 65	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.06 205

RAFT_CTSACE	0.12 257	0.09 318	0.10 114	0.22 461	0.08 130	0.12 213	0.24 479	0.18 203	0.16 192	0.20 386	0.27 397	0.13 223	0.07 110	0.13 240	0.09 54	0.05 28	0.06 313	0.08 284	0.07 278	0.04 16	0.04 42

test_3	0.10 148	0.09 318	0.10 114	0.20 417	0.08 130	0.13 252	0.26 504	0.14 80	0.21 290	0.10 131	0.10 121	0.09 127	0.09 173	0.08 16	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.04 16	0.04 42

PSM-AAD	0.11 191	0.07 143	0.10 114	0.19 360	0.09 244	0.10 132	0.15 225	0.20 235	0.13 122	0.12 198	0.14 194	0.18 320	0.11 230	0.11 112	0.10 125	0.05 28	0.05 188	0.09 365	0.08 343	0.06 197	0.14 496

KYRaft	0.11 191	0.07 143	0.10 114	0.19 360	0.09 244	0.08 53	0.15 225	0.22 280	0.12 90	0.13 225	0.16 223	0.20 346	0.10 205	0.12 195	0.10 125	0.05 28	0.04 22	0.08 284	0.08 343	0.06 197	0.16 514

AnonymousM	0.09 87	0.05 19	0.10 114	0.14 31	0.06 14	0.09 84	0.13 108	0.19 224	0.14 147	0.13 225	0.11 153	0.09 127	0.08 146	0.13 240	0.10 125	0.08 306	0.05 188	0.08 284	0.05 113	0.05 102	0.05 125

GMM-Stereo	0.11 191	0.07 143	0.10 114	0.18 302	0.09 244	0.08 53	0.15 225	0.23 300	0.16 192	0.11 160	0.15 211	0.13 223	0.11 230	0.11 112	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.06 197	0.09 393

Prome-Stereo	0.11 191	0.06 59	0.10 114	0.18 302	0.08 130	0.12 213	0.15 225	0.22 280	0.13 122	0.12 198	0.17 244	0.13 223	0.08 146	0.12 195	0.10 125	0.05 28	0.04 22	0.07 200	0.06 191	0.06 197	0.09 393

rafts_anoy	0.11 191	0.06 59	0.10 114	0.17 220	0.08 130	0.10 132	0.14 157	0.17 174	0.14 147	0.13 225	0.13 180	0.12 198	0.10 205	0.11 112	0.12 242	0.07 245	0.04 22	0.09 365	0.11 460	0.07 263	0.06 205

raftrobust	0.09 87	0.06 59	0.10 114	0.17 220	0.08 130	0.09 84	0.10 29	0.18 203	0.16 192	0.10 131	0.09 92	0.12 198	0.07 110	0.12 195	0.10 125	0.08 306	0.05 188	0.06 105	0.05 113	0.05 102	0.05 125

RALAANet	0.11 191	0.08 242	0.10 114	0.17 220	0.09 244	0.14 284	0.10 29	0.20 235	0.15 164	0.14 246	0.13 180	0.16 286	0.09 173	0.12 195	0.11 193	0.06 118	0.05 188	0.07 200	0.06 191	0.05 102	0.04 42

RAFT-Stereo + iAFF	0.09 87	0.06 59	0.10 114	0.17 220	0.06 14	0.10 132	0.16 290	0.17 174	0.14 147	0.09 97	0.10 121	0.08 102	0.09 173	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.06 191	0.04 16	0.03 1

AFF-stereo	0.09 87	0.06 59	0.10 114	0.17 220	0.07 74	0.10 132	0.16 290	0.17 174	0.09 24	0.10 131	0.12 166	0.09 127	0.09 173	0.12 195	0.09 54	0.05 28	0.04 22	0.07 200	0.07 278	0.04 16	0.03 1

Gwc-CoAtRS	0.09 87	0.06 59	0.10 114	0.16 146	0.07 74	0.10 132	0.14 157	0.17 174	0.17 211	0.08 66	0.10 121	0.12 198	0.09 173	0.12 195	0.09 54	0.06 118	0.04 22	0.06 105	0.04 37	0.04 16	0.04 42

R-Stereo Train	0.10 148	0.06 59	0.10 114	0.17 220	0.08 130	0.11 178	0.14 157	0.23 300	0.11 63	0.12 198	0.19 278	0.11 181	0.08 146	0.09 35	0.11 193	0.07 245	0.05 188	0.06 105	0.05 113	0.05 102	0.05 125

RAFT-Stereo	0.10 148	0.06 59	0.10 114	0.17 220	0.08 130	0.11 178	0.14 157	0.23 300	0.11 63	0.12 198	0.19 278	0.11 181	0.08 146	0.09 35	0.11 193	0.07 245	0.05 188	0.06 105	0.05 113	0.05 102	0.05 125
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AANet_RVC	0.16 383	0.10 376	0.10 114	0.18 302	0.09 244	0.18 380	0.19 408	0.26 356	0.31 413	0.22 416	0.35 462	0.21 355	0.21 437	0.22 445	0.16 364	0.06 118	0.05 188	0.06 105	0.06 191	0.07 263	0.06 205

LG-Stereo_L1	0.07 4	0.05 19	0.11 155	0.14 31	0.06 14	0.07 30	0.13 108	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 16	0.07 1	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

LG-G_1	0.07 4	0.04 1	0.11 155	0.15 72	0.06 14	0.09 84	0.08 7	0.08 4	0.06 4	0.06 11	0.05 7	0.07 65	0.07 110	0.11 112	0.08 17	0.07 245	0.04 22	0.05 25	0.04 37	0.05 102	0.05 125

LG-G	0.07 4	0.04 1	0.11 155	0.15 72	0.06 14	0.09 84	0.08 7	0.08 4	0.06 4	0.06 11	0.05 7	0.07 65	0.07 110	0.11 112	0.08 17	0.07 245	0.04 22	0.05 25	0.04 37	0.05 102	0.05 125

G2L-Stereo_test	0.14 316	0.07 143	0.11 155	0.13 13	0.08 130	0.12 213	0.16 290	0.30 422	0.28 389	0.20 386	0.23 330	0.20 346	0.16 368	0.17 354	0.18 397	0.07 245	0.05 188	0.05 25	0.05 113	0.07 263	0.06 205

S2M2_L	0.09 87	0.08 242	0.11 155	0.13 13	0.10 346	0.08 53	0.06 1	0.10 18	0.10 37	0.10 131	0.09 92	0.10 159	0.09 173	0.11 112	0.11 193	0.13 483	0.07 385	0.08 284	0.09 389	0.10 420	0.08 349
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
HI	0.11 191	0.06 59	0.11 155	0.13 13	0.09 244	0.09 84	0.14 157	0.21 258	0.10 37	0.19 363	0.17 244	0.14 243	0.09 173	0.16 322	0.08 17	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 205

CoSv	0.11 191	0.06 59	0.11 155	0.13 13	0.09 244	0.09 84	0.14 157	0.21 258	0.10 37	0.19 363	0.17 244	0.14 243	0.09 173	0.16 322	0.08 17	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 205

IGEV-RUCA	0.08 47	0.06 59	0.11 155	0.14 31	0.09 244	0.10 132	0.12 66	0.10 18	0.12 90	0.06 11	0.07 40	0.07 65	0.06 36	0.09 35	0.08 17	0.06 118	0.05 188	0.05 25	0.04 37	0.05 102	0.06 205

castereo	0.09 87	0.06 59	0.11 155	0.15 72	0.06 14	0.11 178	0.15 225	0.14 80	0.18 237	0.08 66	0.10 121	0.11 181	0.08 146	0.09 35	0.10 125	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

GIP-stereo	0.08 47	0.06 59	0.11 155	0.14 31	0.06 14	0.09 84	0.13 108	0.14 80	0.11 63	0.07 33	0.08 74	0.05 1	0.04 1	0.10 66	0.07 1	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

tt45	0.09 87	0.06 59	0.11 155	0.15 72	0.07 74	0.11 178	0.16 290	0.13 61	0.11 63	0.09 97	0.06 13	0.08 102	0.06 36	0.13 240	0.10 125	0.06 118	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

model_zeroshot	0.10 148	0.04 1	0.11 155	0.15 72	0.09 244	0.12 213	0.14 157	0.20 235	0.13 122	0.11 160	0.10 121	0.12 198	0.07 110	0.12 195	0.10 125	0.07 245	0.06 313	0.06 105	0.05 113	0.06 197	0.06 205

AIO-Stereo-zeroshot	0.11 191	0.05 19	0.11 155	0.15 72	0.13 449	0.13 252	0.16 290	0.23 300	0.17 211	0.10 131	0.12 166	0.10 159	0.07 110	0.11 112	0.09 54	0.06 118	0.05 188	0.06 105	0.06 191	0.07 263	0.08 349

CAS++	0.11 191	0.07 143	0.11 155	0.14 31	0.09 244	0.12 213	0.14 157	0.24 322	0.14 147	0.11 160	0.09 92	0.11 181	0.07 110	0.14 266	0.09 54	0.11 435	0.09 440	0.09 365	0.07 278	0.07 263	0.08 349
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala2	0.10 148	0.06 59	0.11 155	0.20 417	0.10 346	0.10 132	0.12 66	0.17 174	0.12 90	0.12 198	0.13 180	0.09 127	0.07 110	0.11 112	0.13 283	0.06 118	0.05 188	0.05 25	0.04 37	0.05 102	0.05 125

ff7	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.10 131	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

IGEVStereo-DCA	0.09 87	0.06 59	0.11 155	0.15 72	0.10 346	0.11 178	0.15 225	0.16 138	0.12 90	0.10 131	0.06 13	0.08 102	0.06 36	0.10 66	0.08 17	0.06 118	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

ffff	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.10 131	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

11t	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.10 131	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

MIM_Stereo	0.09 87	0.07 143	0.11 155	0.15 72	0.07 74	0.06 10	0.12 66	0.20 235	0.14 147	0.13 225	0.13 180	0.09 127	0.05 11	0.12 195	0.08 17	0.05 28	0.06 313	0.07 200	0.06 191	0.06 197	0.05 125

LL-Strereo	0.13 282	0.09 318	0.11 155	0.20 417	0.10 346	0.11 178	0.18 369	0.32 443	0.24 330	0.15 273	0.15 211	0.14 243	0.13 299	0.19 390	0.11 193	0.06 118	0.04 22	0.09 365	0.08 343	0.04 16	0.05 125

anonymousdsp	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.09 97	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

LoS	0.09 87	0.05 19	0.11 155	0.13 13	0.07 74	0.14 284	0.11 49	0.15 111	0.15 164	0.09 97	0.09 92	0.12 198	0.09 173	0.15 288	0.10 125	0.07 245	0.05 188	0.05 25	0.03 1	0.05 102	0.05 125
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CASS	0.13 282	0.12 420	0.11 155	0.23 482	0.09 244	0.15 310	0.17 324	0.18 203	0.19 252	0.17 317	0.18 269	0.15 272	0.15 342	0.14 266	0.14 320	0.09 365	0.06 313	0.10 413	0.08 343	0.09 388	0.07 285
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.11 191	0.10 376	0.11 155	0.21 446	0.08 130	0.16 340	0.13 108	0.20 235	0.22 304	0.10 131	0.10 121	0.11 181	0.10 205	0.15 288	0.11 193	0.05 28	0.05 188	0.06 105	0.05 113	0.06 197	0.05 125

ccc-4	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.10 131	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

IGEV-Stereo	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.09 97	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.11 191	0.07 143	0.11 155	0.17 220	0.07 74	0.09 84	0.13 108	0.15 111	0.24 330	0.12 198	0.13 180	0.12 198	0.08 146	0.18 375	0.11 193	0.06 118	0.08 411	0.08 284	0.06 191	0.05 102	0.05 125

THIR-Stereo	0.12 257	0.07 143	0.11 155	0.15 72	0.08 130	0.14 284	0.16 290	0.17 174	0.25 351	0.16 301	0.24 342	0.14 243	0.12 261	0.12 195	0.14 320	0.06 118	0.04 22	0.07 200	0.07 278	0.05 102	0.05 125

DRaft	0.12 257	0.06 59	0.11 155	0.14 31	0.09 244	0.14 284	0.17 324	0.21 258	0.30 406	0.17 317	0.28 411	0.10 159	0.15 342	0.10 66	0.12 242	0.05 28	0.04 22	0.07 200	0.06 191	0.05 102	0.05 125

GrayStereo	0.11 191	0.06 59	0.11 155	0.19 360	0.09 244	0.09 84	0.16 290	0.18 203	0.17 211	0.14 246	0.17 244	0.17 306	0.11 230	0.12 195	0.11 193	0.05 28	0.05 188	0.07 200	0.06 191	0.05 102	0.10 420

RAFT	0.13 282	0.09 318	0.11 155	0.18 302	0.08 130	0.15 310	0.24 479	0.20 235	0.19 252	0.21 400	0.21 311	0.17 306	0.12 261	0.16 322	0.09 54	0.06 118	0.07 385	0.10 413	0.09 389	0.05 102	0.05 125

TestStereo	0.13 282	0.14 461	0.11 155	0.23 482	0.08 130	0.15 310	0.21 446	0.20 235	0.23 314	0.14 246	0.24 342	0.16 286	0.12 261	0.16 322	0.14 320	0.05 28	0.06 313	0.08 284	0.06 191	0.09 388	0.05 125

EAI-Stereo	0.09 87	0.07 143	0.11 155	0.15 72	0.06 14	0.10 132	0.15 225	0.16 138	0.09 24	0.08 66	0.09 92	0.08 102	0.07 110	0.09 35	0.11 193	0.05 28	0.04 22	0.05 25	0.05 113	0.05 102	0.04 42

HSM-Net_RVC	0.14 316	0.08 242	0.11 155	0.15 72	0.08 130	0.15 310	0.15 225	0.27 377	0.29 396	0.19 363	0.21 311	0.29 447	0.14 324	0.17 354	0.13 283	0.06 118	0.06 313	0.06 105	0.06 191	0.07 263	0.06 205
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
S2M2_XL	0.08 47	0.06 59	0.12 190	0.12 4	0.08 130	0.09 84	0.09 18	0.07 2	0.07 8	0.08 66	0.07 40	0.07 65	0.06 36	0.09 35	0.09 54	0.08 306	0.06 313	0.07 200	0.05 113	0.08 326	0.06 205
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
coex_refinement	0.14 316	0.07 143	0.12 190	0.17 220	0.10 346	0.15 310	0.15 225	0.26 356	0.29 396	0.18 347	0.20 290	0.22 373	0.17 391	0.16 322	0.18 397	0.08 306	0.05 188	0.06 105	0.06 191	0.09 388	0.08 349

FACV-RUCA	0.13 282	0.11 402	0.12 190	0.19 360	0.12 426	0.15 310	0.15 225	0.22 280	0.20 275	0.15 273	0.16 223	0.14 243	0.16 368	0.14 266	0.13 283	0.07 245	0.05 188	0.08 284	0.06 191	0.10 420	0.08 349

fffft	0.09 87	0.06 59	0.12 190	0.16 146	0.07 74	0.09 84	0.17 324	0.12 45	0.11 63	0.08 66	0.07 40	0.09 127	0.06 36	0.11 112	0.12 242	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.05 125
1: 1. 1
SMoEStereo_RVC	0.08 47	0.06 59	0.12 190	0.16 146	0.07 74	0.09 84	0.14 157	0.11 29	0.13 122	0.09 97	0.07 40	0.07 65	0.07 110	0.12 195	0.10 125	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

test_sample2	0.12 257	0.07 143	0.12 190	0.14 31	0.08 130	0.16 340	0.18 369	0.21 258	0.16 192	0.14 246	0.20 290	0.19 334	0.15 342	0.15 288	0.12 242	0.08 306	0.05 188	0.07 200	0.06 191	0.08 326	0.07 285

MGS-Stereo	0.09 87	0.07 143	0.12 190	0.15 72	0.08 130	0.09 84	0.15 225	0.12 45	0.12 90	0.07 33	0.10 121	0.08 102	0.06 36	0.10 66	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.06 197	0.05 125

Former-RAFT_DAM_RVC	0.10 148	0.08 242	0.12 190	0.16 146	0.08 130	0.15 310	0.16 290	0.18 203	0.18 237	0.10 131	0.09 92	0.09 127	0.08 146	0.11 112	0.12 242	0.07 245	0.05 188	0.08 284	0.06 191	0.07 263	0.06 205

MyStereo06	0.10 148	0.07 143	0.12 190	0.17 220	0.09 244	0.13 252	0.18 369	0.19 224	0.12 90	0.12 198	0.08 74	0.07 65	0.07 110	0.11 112	0.09 54	0.06 118	0.05 188	0.07 200	0.07 278	0.06 197	0.06 205

CoDeX	0.12 257	0.07 143	0.12 190	0.17 220	0.08 130	0.12 213	0.15 225	0.23 300	0.27 375	0.13 225	0.17 244	0.16 286	0.11 230	0.14 266	0.11 193	0.07 245	0.05 188	0.07 200	0.06 191	0.06 197	0.05 125

ACVNet-DCA	0.10 148	0.08 242	0.12 190	0.17 220	0.09 244	0.13 252	0.15 225	0.23 300	0.16 192	0.09 97	0.09 92	0.06 18	0.06 36	0.10 66	0.07 1	0.06 118	0.04 22	0.06 105	0.05 113	0.07 263	0.07 285

xx1	0.11 191	0.08 242	0.12 190	0.17 220	0.09 244	0.13 252	0.15 225	0.16 138	0.18 237	0.09 97	0.09 92	0.16 286	0.16 368	0.10 66	0.07 1	0.06 118	0.04 22	0.08 284	0.08 343	0.07 263	0.07 285

1test111	0.11 191	0.08 242	0.12 190	0.17 220	0.09 244	0.13 252	0.15 225	0.23 300	0.16 192	0.09 97	0.09 92	0.06 18	0.06 36	0.15 288	0.16 364	0.06 118	0.04 22	0.06 105	0.05 113	0.07 263	0.07 285

cc1	0.10 148	0.08 242	0.12 190	0.17 220	0.09 244	0.13 252	0.15 225	0.16 138	0.18 237	0.09 97	0.09 92	0.06 18	0.06 36	0.10 66	0.07 1	0.06 118	0.04 22	0.06 105	0.05 113	0.06 197	0.06 205

rrr	0.09 87	0.06 59	0.12 190	0.15 72	0.10 346	0.11 178	0.16 290	0.16 138	0.15 164	0.10 131	0.06 13	0.08 102	0.06 36	0.10 66	0.08 17	0.06 118	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

tt1	0.10 148	0.08 242	0.12 190	0.17 220	0.09 244	0.12 213	0.16 290	0.15 111	0.19 252	0.09 97	0.08 74	0.06 18	0.06 36	0.10 66	0.07 1	0.06 118	0.04 22	0.06 105	0.05 113	0.06 197	0.06 205

1111x	0.15 360	0.08 242	0.12 190	0.18 302	0.07 74	0.18 380	0.25 495	0.31 432	0.24 330	0.17 317	0.24 342	0.26 421	0.15 342	0.13 240	0.23 457	0.07 245	0.07 385	0.08 284	0.09 389	0.07 263	0.06 205

IGEV_Zeroshot_test	0.09 87	0.05 19	0.12 190	0.13 13	0.08 130	0.12 213	0.13 108	0.17 174	0.11 63	0.10 131	0.06 13	0.09 127	0.06 36	0.11 112	0.09 54	0.06 118	0.04 22	0.06 105	0.06 191	0.05 102	0.05 125

gwcnet-sp	0.14 316	0.07 143	0.12 190	0.18 302	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

scenet	0.14 316	0.07 143	0.12 190	0.18 302	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

knoymous	0.11 191	0.05 19	0.12 190	0.13 13	0.07 74	0.15 310	0.14 157	0.19 224	0.13 122	0.11 160	0.17 244	0.13 223	0.09 173	0.13 240	0.11 193	0.08 306	0.05 188	0.06 105	0.05 113	0.08 326	0.07 285

ssnet	0.14 316	0.07 143	0.12 190	0.18 302	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

DCANet-4	0.10 148	0.06 59	0.12 190	0.16 146	0.06 14	0.09 84	0.17 324	0.18 203	0.19 252	0.13 225	0.16 223	0.09 127	0.14 324	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

fff	0.10 148	0.06 59	0.12 190	0.15 72	0.07 74	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 159	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

ADStereo(finetuned)	0.10 148	0.06 59	0.12 190	0.16 146	0.06 14	0.09 84	0.17 324	0.15 111	0.19 252	0.13 225	0.17 244	0.10 159	0.12 261	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

DisPM	0.11 191	0.07 143	0.12 190	0.16 146	0.09 244	0.06 10	0.13 108	0.17 174	0.17 211	0.14 246	0.20 290	0.12 198	0.10 205	0.11 112	0.10 125	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.11 446

iRaft-Stereo_5w	0.12 257	0.09 318	0.12 190	0.19 360	0.08 130	0.09 84	0.12 66	0.21 258	0.21 290	0.19 363	0.14 194	0.11 181	0.09 173	0.20 415	0.16 364	0.05 28	0.05 188	0.07 200	0.06 191	0.05 102	0.06 205

AASNet	0.16 383	0.08 242	0.12 190	0.19 360	0.09 244	0.18 380	0.15 225	0.37 500	0.37 460	0.19 363	0.23 330	0.20 346	0.16 368	0.17 354	0.20 416	0.10 406	0.08 411	0.08 284	0.07 278	0.09 388	0.09 393

CrosDoStereo	0.12 257	0.06 59	0.12 190	0.14 31	0.08 130	0.12 213	0.15 225	0.17 174	0.22 304	0.19 363	0.24 342	0.15 272	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.07 200	0.07 278	0.05 102	0.05 125

TRStereo	0.09 87	0.05 19	0.12 190	0.15 72	0.12 426	0.10 132	0.13 108	0.18 203	0.18 237	0.09 97	0.09 92	0.09 127	0.06 36	0.10 66	0.08 17	0.07 245	0.05 188	0.07 200	0.07 278	0.04 16	0.04 42

STrans-v2	0.10 148	0.07 143	0.12 190	0.18 302	0.07 74	0.10 132	0.14 157	0.21 258	0.11 63	0.11 160	0.15 211	0.12 198	0.10 205	0.11 112	0.12 242	0.05 28	0.04 22	0.06 105	0.06 191	0.04 16	0.04 42

DeepStereo_LL	0.12 257	0.06 59	0.12 190	0.14 31	0.08 130	0.12 213	0.15 225	0.17 174	0.22 304	0.19 363	0.24 342	0.15 272	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.07 200	0.07 278	0.05 102	0.05 125

Pruner-Stereo	0.11 191	0.07 143	0.12 190	0.17 220	0.09 244	0.06 10	0.12 66	0.17 174	0.17 211	0.13 225	0.19 278	0.13 223	0.09 173	0.11 112	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.08 349

ICVP	0.15 360	0.09 318	0.12 190	0.22 461	0.09 244	0.17 361	0.21 446	0.25 338	0.23 314	0.18 347	0.30 429	0.26 421	0.18 405	0.17 354	0.14 320	0.09 365	0.07 385	0.08 284	0.07 278	0.07 263	0.07 285
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HCRNet	0.16 383	0.24 522	0.12 190	0.35 540	0.11 395	0.15 310	0.17 324	0.26 356	0.22 304	0.19 363	0.24 342	0.21 355	0.14 324	0.15 288	0.13 283	0.11 435	0.07 385	0.11 444	0.10 428	0.09 388	0.07 285

DCANet	0.10 148	0.06 59	0.12 190	0.16 146	0.06 14	0.09 84	0.17 324	0.15 111	0.19 252	0.13 225	0.17 244	0.10 159	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

csc	0.10 148	0.06 59	0.12 190	0.15 72	0.07 74	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 159	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

cscssc	0.10 148	0.06 59	0.12 190	0.15 72	0.07 74	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 159	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

111	0.10 148	0.06 59	0.12 190	0.15 72	0.07 74	0.10 132	0.14 157	0.21 258	0.23 314	0.11 160	0.12 166	0.14 243	0.11 230	0.13 240	0.10 125	0.06 118	0.04 22	0.06 105	0.04 37	0.05 102	0.05 125

test_xeample3	0.09 87	0.06 59	0.12 190	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.13 122	0.10 131	0.06 13	0.08 102	0.06 36	0.10 66	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

UPFNet	0.16 383	0.08 242	0.12 190	0.20 417	0.12 426	0.20 418	0.23 467	0.28 397	0.26 365	0.17 317	0.24 342	0.22 373	0.19 421	0.19 390	0.21 436	0.09 365	0.07 385	0.08 284	0.09 389	0.08 326	0.06 205

FENet	0.13 282	0.08 242	0.12 190	0.16 146	0.08 130	0.14 284	0.15 225	0.22 280	0.23 314	0.17 317	0.23 330	0.16 286	0.12 261	0.14 266	0.15 348	0.08 306	0.05 188	0.08 284	0.08 343	0.07 263	0.07 285

cf-r	0.13 282	0.07 143	0.12 190	0.16 146	0.08 130	0.14 284	0.19 408	0.20 235	0.25 351	0.17 317	0.25 371	0.21 355	0.16 368	0.14 266	0.14 320	0.10 406	0.05 188	0.06 105	0.08 343	0.06 197	0.06 205

GwcNet-RSSM	0.14 316	0.07 143	0.12 190	0.15 72	0.08 130	0.15 310	0.20 429	0.21 258	0.27 375	0.18 347	0.27 397	0.22 373	0.16 368	0.14 266	0.15 348	0.10 406	0.05 188	0.07 200	0.09 389	0.07 263	0.07 285

HITNet	0.10 148	0.06 59	0.12 190	0.14 31	0.06 14	0.11 178	0.10 29	0.18 203	0.18 237	0.13 225	0.16 223	0.14 243	0.11 230	0.15 288	0.13 283	0.06 118	0.04 22	0.04 1	0.04 37	0.06 197	0.05 125
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
G2L-ROB	0.13 282	0.06 59	0.13 235	0.13 13	0.08 130	0.14 284	0.16 290	0.25 338	0.18 237	0.19 363	0.18 269	0.20 346	0.14 324	0.17 354	0.16 364	0.08 306	0.05 188	0.06 105	0.05 113	0.08 326	0.09 393

xyz-stereo-finetune2	0.11 191	0.07 143	0.13 235	0.13 13	0.07 74	0.11 178	0.19 408	0.17 174	0.12 90	0.15 273	0.15 211	0.17 306	0.12 261	0.13 240	0.11 193	0.05 28	0.04 22	0.07 200	0.05 113	0.04 16	0.06 205

xyz-stereo-finetune	0.11 191	0.08 242	0.13 235	0.14 31	0.06 14	0.10 132	0.19 408	0.17 174	0.19 252	0.12 198	0.14 194	0.15 272	0.10 205	0.13 240	0.11 193	0.05 28	0.04 22	0.07 200	0.05 113	0.04 16	0.05 125

G2L-Stereo	0.14 316	0.07 143	0.13 235	0.17 220	0.09 244	0.13 252	0.12 66	0.27 377	0.22 304	0.16 301	0.27 397	0.21 355	0.13 299	0.17 354	0.18 397	0.09 365	0.08 411	0.08 284	0.07 278	0.07 263	0.07 285

999	0.09 87	0.05 19	0.13 235	0.15 72	0.08 130	0.10 132	0.14 157	0.15 111	0.11 63	0.10 131	0.08 74	0.08 102	0.08 146	0.16 322	0.10 125	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.05 125

rvit_0105_5	0.14 316	0.09 318	0.13 235	0.17 220	0.09 244	0.14 284	0.23 467	0.24 322	0.27 375	0.14 246	0.15 211	0.18 320	0.12 261	0.17 354	0.14 320	0.14 496	0.11 473	0.10 413	0.10 428	0.08 326	0.06 205

rvit_stereo_ft	0.12 257	0.07 143	0.13 235	0.19 360	0.10 346	0.12 213	0.17 324	0.16 138	0.16 192	0.12 198	0.13 180	0.15 272	0.10 205	0.14 266	0.13 283	0.09 365	0.06 313	0.08 284	0.07 278	0.07 263	0.05 125

test_sample6	0.14 316	0.08 242	0.13 235	0.16 146	0.08 130	0.17 361	0.19 408	0.25 338	0.17 211	0.17 317	0.27 397	0.19 334	0.14 324	0.15 288	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

11t1	0.12 257	0.06 59	0.13 235	0.14 31	0.08 130	0.17 361	0.15 225	0.18 203	0.15 164	0.15 273	0.15 211	0.16 286	0.16 368	0.15 288	0.13 283	0.08 306	0.05 188	0.06 105	0.05 113	0.08 326	0.07 285

GCAP-Stereo	0.09 87	0.07 143	0.13 235	0.18 302	0.06 14	0.11 178	0.07 3	0.13 61	0.12 90	0.09 97	0.10 121	0.07 65	0.09 173	0.13 240	0.10 125	0.06 118	0.05 188	0.05 25	0.04 37	0.04 16	0.05 125

HH	0.09 87	0.06 59	0.13 235	0.17 220	0.08 130	0.10 132	0.16 290	0.14 80	0.10 37	0.08 66	0.09 92	0.08 102	0.07 110	0.10 66	0.09 54	0.06 118	0.04 22	0.06 105	0.05 113	0.05 102	0.04 42

HanStereo	0.09 87	0.06 59	0.13 235	0.17 220	0.08 130	0.10 132	0.16 290	0.14 80	0.10 37	0.08 66	0.09 92	0.08 102	0.07 110	0.10 66	0.09 54	0.06 118	0.04 22	0.06 105	0.05 113	0.05 102	0.04 42

DCRE	0.11 191	0.07 143	0.13 235	0.16 146	0.11 395	0.11 178	0.17 324	0.18 203	0.17 211	0.11 160	0.18 269	0.10 159	0.10 205	0.15 288	0.11 193	0.06 118	0.05 188	0.06 105	0.06 191	0.05 102	0.04 42

anonymousa	0.13 282	0.07 143	0.13 235	0.18 302	0.09 244	0.13 252	0.17 324	0.19 224	0.29 396	0.15 273	0.24 342	0.15 272	0.14 324	0.14 266	0.14 320	0.07 245	0.05 188	0.07 200	0.09 389	0.05 102	0.06 205

riskmin	0.11 191	0.06 59	0.13 235	0.14 31	0.08 130	0.14 284	0.14 157	0.18 203	0.14 147	0.11 160	0.14 194	0.16 286	0.11 230	0.14 266	0.12 242	0.09 365	0.05 188	0.07 200	0.05 113	0.08 326	0.08 349

IER	0.14 316	0.07 143	0.13 235	0.17 220	0.09 244	0.14 284	0.16 290	0.25 338	0.26 365	0.18 347	0.25 371	0.17 306	0.20 433	0.16 322	0.14 320	0.08 306	0.05 188	0.07 200	0.06 191	0.08 326	0.07 285

hknet	0.15 360	0.11 402	0.13 235	0.22 461	0.11 395	0.14 284	0.15 225	0.34 471	0.25 351	0.17 317	0.22 321	0.22 373	0.18 405	0.17 354	0.12 242	0.07 245	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

iRaft-Stereo_20w	0.09 87	0.05 19	0.13 235	0.14 31	0.08 130	0.12 213	0.15 225	0.18 203	0.10 37	0.11 160	0.08 74	0.08 102	0.05 11	0.10 66	0.09 54	0.06 118	0.04 22	0.06 105	0.05 113	0.06 197	0.05 125

PSMNet-ADL	0.15 360	0.12 420	0.13 235	0.22 461	0.09 244	0.13 252	0.20 429	0.26 356	0.23 314	0.18 347	0.20 290	0.24 397	0.16 368	0.18 375	0.17 379	0.08 306	0.08 411	0.08 284	0.11 460	0.08 326	0.07 285

ADLNet2	0.16 383	0.09 318	0.13 235	0.16 146	0.09 244	0.20 418	0.16 290	0.31 432	0.39 470	0.16 301	0.20 290	0.20 346	0.18 405	0.21 432	0.22 445	0.08 306	0.06 313	0.07 200	0.07 278	0.09 388	0.07 285

PFNet+	0.11 191	0.06 59	0.13 235	0.16 146	0.09 244	0.05 4	0.12 66	0.17 174	0.21 290	0.16 301	0.19 278	0.14 243	0.10 205	0.11 112	0.11 193	0.08 306	0.05 188	0.09 365	0.08 343	0.06 197	0.11 446

TransformOpticalFlow	0.10 148	0.08 242	0.13 235	0.18 302	0.07 74	0.09 84	0.15 225	0.19 224	0.15 164	0.12 198	0.17 244	0.11 181	0.11 230	0.11 112	0.10 125	0.05 28	0.04 22	0.06 105	0.06 191	0.05 102	0.05 125

IIG-Stereo	0.11 191	0.06 59	0.13 235	0.17 220	0.08 130	0.11 178	0.12 66	0.22 280	0.17 211	0.14 246	0.17 244	0.11 181	0.12 261	0.12 195	0.12 242	0.06 118	0.05 188	0.07 200	0.06 191	0.05 102	0.04 42

NF-Stereo	0.11 191	0.07 143	0.13 235	0.17 220	0.09 244	0.10 132	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 112	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.12 459

OCTAStereo	0.11 191	0.07 143	0.13 235	0.17 220	0.09 244	0.10 132	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 112	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.12 459

ASMatch	0.11 191	0.06 59	0.13 235	0.16 146	0.10 346	0.07 30	0.14 157	0.17 174	0.17 211	0.12 198	0.16 223	0.16 286	0.10 205	0.13 240	0.10 125	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.08 349

RE-Stereo	0.11 191	0.07 143	0.13 235	0.17 220	0.09 244	0.10 132	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 112	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.12 459

TVStereo	0.11 191	0.07 143	0.13 235	0.17 220	0.09 244	0.10 132	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 112	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.12 459

LMCR-Stereo	0.15 360	0.08 242	0.13 235	0.21 446	0.09 244	0.17 361	0.20 429	0.27 377	0.19 252	0.24 437	0.24 342	0.23 391	0.17 391	0.20 415	0.17 379	0.07 245	0.06 313	0.08 284	0.06 191	0.10 420	0.08 349

test_xeample	0.15 360	0.06 59	0.13 235	0.14 31	0.08 130	0.21 435	0.20 429	0.28 397	0.20 275	0.16 301	0.29 423	0.19 334	0.16 368	0.15 288	0.26 492	0.09 365	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

GANet-RSSM	0.14 316	0.07 143	0.13 235	0.13 13	0.08 130	0.14 284	0.17 324	0.22 280	0.21 290	0.17 317	0.24 342	0.23 391	0.15 342	0.16 322	0.15 348	0.10 406	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

PSMNet-RSSM	0.14 316	0.07 143	0.13 235	0.15 72	0.08 130	0.13 252	0.16 290	0.24 322	0.24 330	0.16 301	0.28 411	0.22 373	0.14 324	0.15 288	0.13 283	0.11 435	0.06 313	0.09 365	0.12 479	0.08 326	0.07 285

TDLM	0.17 403	0.12 420	0.13 235	0.24 491	0.10 346	0.18 380	0.18 369	0.36 494	0.30 406	0.21 400	0.28 411	0.28 439	0.18 405	0.23 456	0.18 397	0.11 435	0.07 385	0.10 413	0.10 428	0.08 326	0.08 349

UCFNet_RVC	0.14 316	0.08 242	0.13 235	0.11 1	0.10 346	0.20 418	0.10 29	0.24 322	0.22 304	0.17 317	0.20 290	0.23 391	0.15 342	0.17 354	0.15 348	0.12 460	0.07 385	0.10 413	0.13 489	0.11 443	0.10 420

iResNet_ROB	0.14 316	0.07 143	0.13 235	0.14 31	0.07 74	0.18 380	0.14 157	0.26 356	0.31 413	0.22 416	0.25 371	0.23 391	0.15 342	0.15 288	0.13 283	0.07 245	0.05 188	0.05 25	0.04 37	0.08 326	0.08 349

MultiAttention	0.29 516	0.08 242	0.14 270	0.19 360	0.12 426	1.45 580	1.33 581	0.36 494	0.37 460	0.19 363	0.21 311	0.24 397	0.11 230	0.38 530	0.18 397	0.06 118	0.05 188	0.08 284	0.08 343	0.10 420	0.09 393

FlowAnything_test	0.11 191	0.08 242	0.14 270	0.15 72	0.09 244	0.07 30	0.14 157	0.20 235	0.11 63	0.09 97	0.09 92	0.12 198	0.12 261	0.13 240	0.11 193	0.09 365	0.06 313	0.09 365	0.09 389	0.06 197	0.09 393

rvit_0105_3	0.15 360	0.09 318	0.14 270	0.19 360	0.12 426	0.15 310	0.25 495	0.25 338	0.29 396	0.15 273	0.17 244	0.20 346	0.13 299	0.17 354	0.14 320	0.13 483	0.11 473	0.12 463	0.14 492	0.07 263	0.06 205

rvit_stereo_0081_aga	0.11 191	0.09 318	0.14 270	0.18 302	0.09 244	0.13 252	0.14 157	0.14 80	0.19 252	0.10 131	0.18 269	0.16 286	0.09 173	0.12 195	0.09 54	0.10 406	0.06 313	0.08 284	0.07 278	0.07 263	0.06 205

GCAP-BAT	0.09 87	0.07 143	0.14 270	0.15 72	0.08 130	0.10 132	0.13 108	0.14 80	0.10 37	0.11 160	0.10 121	0.08 102	0.07 110	0.12 195	0.10 125	0.06 118	0.05 188	0.06 105	0.04 37	0.04 16	0.04 42

ITSA-stereo	0.15 360	0.10 376	0.14 270	0.19 360	0.08 130	0.12 213	0.14 157	0.30 422	0.49 511	0.17 317	0.19 278	0.22 373	0.15 342	0.17 354	0.16 364	0.10 406	0.06 313	0.08 284	0.08 343	0.08 326	0.08 349

AIO-Stereo-zeroshot1	0.11 191	0.05 19	0.14 270	0.15 72	0.20 524	0.09 84	0.17 324	0.21 258	0.15 164	0.11 160	0.14 194	0.10 159	0.07 110	0.10 66	0.08 17	0.06 118	0.05 188	0.07 200	0.07 278	0.07 263	0.09 393

rvit_stereo_0080	0.10 148	0.08 242	0.14 270	0.15 72	0.09 244	0.07 30	0.15 225	0.16 138	0.16 192	0.11 160	0.10 121	0.14 243	0.08 146	0.12 195	0.10 125	0.09 365	0.07 385	0.07 200	0.06 191	0.07 263	0.05 125

test_sample5	0.14 316	0.08 242	0.14 270	0.16 146	0.08 130	0.18 380	0.18 369	0.25 338	0.17 211	0.17 317	0.27 397	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

test_sample4	0.14 316	0.08 242	0.14 270	0.15 72	0.08 130	0.19 403	0.18 369	0.26 356	0.17 211	0.16 301	0.25 371	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.06 313	0.08 284	0.06 191	0.08 326	0.08 349

test_sample1	0.13 282	0.07 143	0.14 270	0.13 13	0.08 130	0.19 403	0.16 290	0.20 235	0.15 164	0.14 246	0.22 321	0.18 320	0.16 368	0.17 354	0.14 320	0.07 245	0.06 313	0.06 105	0.06 191	0.08 326	0.07 285

test_for_model	0.09 87	0.12 420	0.14 270	0.23 482	0.11 395	0.08 53	0.13 108	0.12 45	0.12 90	0.10 131	0.07 40	0.07 65	0.06 36	0.11 112	0.10 125	0.06 118	0.05 188	0.05 25	0.03 1	0.07 263	0.04 42

DualNet	0.14 316	0.08 242	0.14 270	0.16 146	0.08 130	0.18 380	0.18 369	0.25 338	0.17 211	0.17 317	0.27 397	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

ffm	0.12 257	0.09 318	0.14 270	0.16 146	0.08 130	0.17 361	0.17 324	0.15 111	0.19 252	0.15 273	0.25 371	0.19 334	0.13 299	0.10 66	0.07 1	0.06 118	0.04 22	0.09 365	0.08 343	0.06 197	0.06 205

ff1	0.13 282	0.09 318	0.14 270	0.16 146	0.08 130	0.17 361	0.17 324	0.15 111	0.19 252	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.06 118	0.04 22	0.09 365	0.08 343	0.06 197	0.06 205

mmx	0.14 316	0.09 318	0.14 270	0.16 146	0.08 130	0.17 361	0.17 324	0.27 377	0.25 351	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.08 306	0.06 313	0.09 365	0.08 343	0.08 326	0.08 349

ttt	0.14 316	0.08 242	0.14 270	0.15 72	0.08 130	0.15 310	0.18 369	0.27 377	0.29 396	0.16 301	0.24 342	0.17 306	0.13 299	0.13 240	0.14 320	0.11 435	0.08 411	0.09 365	0.08 343	0.09 388	0.08 349

whm_eth	0.10 148	0.08 242	0.14 270	0.15 72	0.09 244	0.07 30	0.15 225	0.16 138	0.16 192	0.11 160	0.10 121	0.14 243	0.08 146	0.12 195	0.10 125	0.09 365	0.07 385	0.07 200	0.06 191	0.07 263	0.05 125

xxx	0.14 316	0.09 318	0.14 270	0.16 146	0.08 130	0.17 361	0.17 324	0.27 377	0.25 351	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.08 306	0.06 313	0.09 365	0.08 343	0.08 326	0.08 349

EKT-Stereo	0.11 191	0.07 143	0.14 270	0.15 72	0.10 346	0.13 252	0.14 157	0.18 203	0.21 290	0.11 160	0.08 74	0.12 198	0.09 173	0.11 112	0.12 242	0.08 306	0.06 313	0.07 200	0.06 191	0.08 326	0.07 285

testlalala_base	0.10 148	0.09 318	0.14 270	0.21 446	0.08 130	0.10 132	0.14 157	0.13 61	0.10 37	0.07 33	0.15 211	0.07 65	0.08 146	0.10 66	0.12 242	0.08 306	0.05 188	0.05 25	0.03 1	0.06 197	0.05 125

x	0.13 282	0.07 143	0.14 270	0.14 31	0.08 130	0.18 380	0.14 157	0.22 280	0.20 275	0.15 273	0.19 278	0.19 334	0.17 391	0.18 375	0.18 397	0.07 245	0.05 188	0.06 105	0.06 191	0.07 263	0.07 285

BUS	0.14 316	0.09 318	0.14 270	0.22 461	0.10 346	0.19 403	0.14 157	0.34 471	0.19 252	0.17 317	0.22 321	0.16 286	0.13 299	0.15 288	0.13 283	0.08 306	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

CRFU-Net	0.16 383	0.08 242	0.14 270	0.17 220	0.09 244	0.19 403	0.14 157	0.26 356	0.20 275	0.28 477	0.27 397	0.29 447	0.17 391	0.19 390	0.17 379	0.09 365	0.09 440	0.07 200	0.07 278	0.08 326	0.08 349

BSDual-CNN	0.15 360	0.09 318	0.14 270	0.22 461	0.10 346	0.14 284	0.15 225	0.34 471	0.19 252	0.17 317	0.22 321	0.25 411	0.16 368	0.15 288	0.14 320	0.08 306	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

psmg	0.14 316	0.09 318	0.14 270	0.17 220	0.10 346	0.15 310	0.17 324	0.29 408	0.19 252	0.17 317	0.21 311	0.25 411	0.16 368	0.15 288	0.14 320	0.08 306	0.06 313	0.08 284	0.08 343	0.07 263	0.06 205

CSP-Net	0.16 383	0.09 318	0.14 270	0.16 146	0.09 244	0.19 403	0.17 324	0.25 338	0.32 420	0.25 450	0.30 429	0.24 397	0.15 342	0.21 432	0.18 397	0.09 365	0.06 313	0.07 200	0.07 278	0.08 326	0.07 285

CIPLG	0.11 191	0.08 242	0.14 270	0.17 220	0.08 130	0.12 213	0.15 225	0.17 174	0.15 164	0.14 246	0.11 153	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

IPLGR_C	0.11 191	0.08 242	0.14 270	0.17 220	0.08 130	0.12 213	0.15 225	0.17 174	0.15 164	0.14 246	0.10 121	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

MIPNet	0.11 191	0.08 242	0.14 270	0.17 220	0.09 244	0.12 213	0.14 157	0.20 235	0.24 330	0.11 160	0.10 121	0.09 127	0.07 110	0.13 240	0.12 242	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

ACRE	0.11 191	0.08 242	0.14 270	0.17 220	0.08 130	0.12 213	0.15 225	0.17 174	0.14 147	0.14 246	0.10 121	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

SACVNet	0.18 417	0.12 420	0.14 270	0.17 220	0.13 449	0.22 443	0.18 369	0.31 432	0.30 406	0.23 428	0.31 437	0.30 456	0.22 446	0.22 445	0.17 379	0.11 435	0.08 411	0.10 413	0.10 428	0.12 458	0.14 496

AACVNet	0.16 383	0.08 242	0.14 270	0.15 72	0.10 346	0.18 380	0.15 225	0.23 300	0.24 330	0.27 462	0.27 397	0.28 439	0.17 391	0.19 390	0.16 364	0.09 365	0.07 385	0.09 365	0.07 278	0.10 420	0.09 393

GwcNet-ADL	0.13 282	0.08 242	0.14 270	0.20 417	0.09 244	0.11 178	0.20 429	0.30 422	0.24 330	0.13 225	0.14 194	0.18 320	0.14 324	0.13 240	0.14 320	0.07 245	0.05 188	0.06 105	0.05 113	0.07 263	0.06 205

OMP-Stereo	0.11 191	0.06 59	0.14 270	0.18 302	0.08 130	0.09 84	0.12 66	0.21 258	0.21 290	0.13 225	0.14 194	0.11 181	0.12 261	0.11 112	0.13 283	0.06 118	0.04 22	0.07 200	0.06 191	0.05 102	0.04 42

NRIStereo	0.11 191	0.08 242	0.14 270	0.18 302	0.08 130	0.10 132	0.14 157	0.16 138	0.15 164	0.12 198	0.14 194	0.13 223	0.12 261	0.13 240	0.10 125	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.07 285

FTStereo	0.12 257	0.06 59	0.14 270	0.18 302	0.09 244	0.07 30	0.15 225	0.21 258	0.18 237	0.12 198	0.24 342	0.12 198	0.12 261	0.13 240	0.13 283	0.05 28	0.05 188	0.07 200	0.06 191	0.06 197	0.10 420

DEmStereo	0.12 257	0.06 59	0.14 270	0.14 31	0.10 346	0.16 340	0.15 225	0.16 138	0.24 330	0.17 317	0.24 342	0.13 223	0.14 324	0.12 195	0.13 283	0.05 28	0.04 22	0.07 200	0.06 191	0.05 102	0.05 125

RAFT_R40	0.11 191	0.07 143	0.14 270	0.18 302	0.09 244	0.06 10	0.13 108	0.17 174	0.16 192	0.14 246	0.18 269	0.15 272	0.12 261	0.10 66	0.11 193	0.06 118	0.04 22	0.09 365	0.06 191	0.06 197	0.05 125

RAFT-RH_RVC	0.11 191	0.06 59	0.14 270	0.16 146	0.09 244	0.12 213	0.12 66	0.17 174	0.12 90	0.13 225	0.41 502	0.11 181	0.10 205	0.13 240	0.12 242	0.05 28	0.04 22	0.08 284	0.05 113	0.04 16	0.06 205

222	0.16 383	0.07 143	0.14 270	0.14 31	0.08 130	0.24 461	0.18 369	0.30 422	0.20 275	0.17 317	0.28 411	0.17 306	0.16 368	0.15 288	0.40 542	0.10 406	0.05 188	0.07 200	0.06 191	0.07 263	0.08 349

xxxx	0.15 360	0.07 143	0.14 270	0.14 31	0.08 130	0.23 456	0.18 369	0.31 432	0.19 252	0.14 246	0.28 411	0.22 373	0.14 324	0.15 288	0.26 492	0.09 365	0.05 188	0.07 200	0.07 278	0.08 326	0.07 285

GMStereo	0.13 282	0.14 461	0.14 270	0.18 302	0.09 244	0.15 310	0.16 290	0.20 235	0.24 330	0.16 301	0.17 244	0.10 159	0.10 205	0.16 322	0.13 283	0.07 245	0.06 313	0.06 105	0.06 191	0.07 263	0.06 205
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 282	0.07 143	0.14 270	0.17 220	0.09 244	0.15 310	0.16 290	0.28 397	0.27 375	0.14 246	0.17 244	0.12 198	0.13 299	0.14 266	0.11 193	0.08 306	0.05 188	0.07 200	0.07 278	0.07 263	0.06 205

DSFCA	0.16 383	0.09 318	0.14 270	0.16 146	0.10 346	0.20 418	0.19 408	0.28 397	0.31 413	0.23 428	0.24 342	0.22 373	0.15 342	0.19 390	0.20 416	0.10 406	0.07 385	0.09 365	0.09 389	0.08 326	0.08 349

DIP-Stereo	0.11 191	0.07 143	0.14 270	0.17 220	0.09 244	0.13 252	0.09 18	0.16 138	0.16 192	0.11 160	0.16 223	0.14 243	0.12 261	0.15 288	0.13 283	0.06 118	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 257	0.08 242	0.14 270	0.18 302	0.07 74	0.15 310	0.07 3	0.22 280	0.18 237	0.16 301	0.19 278	0.18 320	0.14 324	0.16 322	0.15 348	0.07 245	0.05 188	0.05 25	0.05 113	0.06 197	0.06 205

RASNet	0.14 316	0.07 143	0.14 270	0.16 146	0.08 130	0.18 380	0.14 157	0.29 408	0.20 275	0.17 317	0.25 371	0.21 355	0.18 405	0.20 415	0.19 410	0.07 245	0.06 313	0.06 105	0.08 343	0.06 197	0.06 205

CVANet_RVC	0.18 417	0.10 376	0.14 270	0.21 446	0.10 346	0.18 380	0.17 324	0.34 471	0.33 427	0.22 416	0.31 437	0.28 439	0.18 405	0.23 456	0.17 379	0.12 460	0.08 411	0.12 463	0.11 460	0.09 388	0.07 285

HSM	0.15 360	0.08 242	0.14 270	0.16 146	0.09 244	0.16 340	0.14 157	0.28 397	0.25 351	0.19 363	0.23 330	0.37 499	0.16 368	0.20 415	0.15 348	0.07 245	0.05 188	0.07 200	0.06 191	0.07 263	0.06 205

LE_ROB	0.50 549	0.07 143	0.14 270	0.15 72	0.08 130	0.24 461	0.16 290	0.22 280	1.81 581	4.63 585	0.67 545	0.47 533	0.44 541	0.20 415	0.29 510	0.07 245	0.06 313	0.06 105	0.06 191	0.08 326	0.06 205

UGAM-zero	0.09 87	0.05 19	0.15 321	0.15 72	0.08 130	0.09 84	0.13 108	0.19 224	0.15 164	0.11 160	0.15 211	0.07 65	0.07 110	0.09 35	0.09 54	0.06 118	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

rvit_stereo_0081	0.11 191	0.08 242	0.15 321	0.16 146	0.09 244	0.10 132	0.14 157	0.14 80	0.24 330	0.11 160	0.13 180	0.13 223	0.09 173	0.11 112	0.12 242	0.10 406	0.07 385	0.08 284	0.07 278	0.07 263	0.05 125

rvit_stereo_0082	0.11 191	0.08 242	0.15 321	0.16 146	0.09 244	0.10 132	0.14 157	0.14 80	0.24 330	0.11 160	0.13 180	0.13 223	0.09 173	0.11 112	0.12 242	0.10 406	0.07 385	0.08 284	0.07 278	0.07 263	0.05 125

test_sample3	0.14 316	0.08 242	0.15 321	0.14 31	0.09 244	0.19 403	0.17 324	0.26 356	0.18 237	0.16 301	0.22 321	0.19 334	0.15 342	0.17 354	0.13 283	0.08 306	0.06 313	0.07 200	0.06 191	0.09 388	0.08 349

MyStereo8	0.12 257	0.07 143	0.15 321	0.15 72	0.09 244	0.18 380	0.14 157	0.19 224	0.22 304	0.12 198	0.18 269	0.11 181	0.10 205	0.16 322	0.18 397	0.07 245	0.05 188	0.07 200	0.05 113	0.08 326	0.09 393

PCWNet_CMD	0.14 316	0.08 242	0.15 321	0.17 220	0.09 244	0.14 284	0.14 157	0.29 408	0.36 453	0.14 246	0.20 290	0.21 355	0.12 261	0.17 354	0.13 283	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

LL-Strereo2	0.10 148	0.10 376	0.15 321	0.18 302	0.08 130	0.15 310	0.09 18	0.17 174	0.14 147	0.14 246	0.10 121	0.09 127	0.07 110	0.16 322	0.10 125	0.05 28	0.05 188	0.10 413	0.07 278	0.06 197	0.05 125

qqq	0.13 282	0.09 318	0.15 321	0.16 146	0.08 130	0.13 252	0.15 225	0.23 300	0.16 192	0.15 273	0.19 278	0.16 286	0.16 368	0.15 288	0.16 364	0.07 245	0.06 313	0.08 284	0.08 343	0.07 263	0.07 285

NINENet	0.16 383	0.10 376	0.15 321	0.17 220	0.11 395	0.19 403	0.14 157	0.40 516	0.36 453	0.18 347	0.21 311	0.16 286	0.13 299	0.15 288	0.13 283	0.08 306	0.08 411	0.10 413	0.07 278	0.10 420	0.09 393

IPLG	0.10 148	0.07 143	0.15 321	0.17 220	0.08 130	0.11 178	0.14 157	0.20 235	0.15 164	0.12 198	0.17 244	0.07 65	0.07 110	0.14 266	0.13 283	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

GANet-ADL	0.13 282	0.07 143	0.15 321	0.17 220	0.10 346	0.18 380	0.15 225	0.30 422	0.20 275	0.13 225	0.18 269	0.19 334	0.12 261	0.16 322	0.13 283	0.08 306	0.06 313	0.06 105	0.05 113	0.07 263	0.08 349

PSM-softLoss	0.12 257	0.07 143	0.15 321	0.17 220	0.09 244	0.08 53	0.13 108	0.24 322	0.17 211	0.14 246	0.19 278	0.13 223	0.11 230	0.11 112	0.11 193	0.07 245	0.05 188	0.08 284	0.07 278	0.06 197	0.12 459

KMStereo	0.12 257	0.07 143	0.15 321	0.17 220	0.09 244	0.08 53	0.13 108	0.24 322	0.17 211	0.14 246	0.19 278	0.13 223	0.11 230	0.11 112	0.11 193	0.07 245	0.05 188	0.08 284	0.07 278	0.06 197	0.12 459

SST-Stereo	0.10 148	0.07 143	0.15 321	0.18 302	0.09 244	0.06 10	0.12 66	0.17 174	0.11 63	0.15 273	0.17 244	0.13 223	0.12 261	0.10 66	0.11 193	0.06 118	0.04 22	0.09 365	0.06 191	0.06 197	0.05 125

RAFT-345	0.11 191	0.07 143	0.15 321	0.16 146	0.08 130	0.08 53	0.12 66	0.15 111	0.10 37	0.11 160	0.36 465	0.09 127	0.09 173	0.11 112	0.12 242	0.05 28	0.05 188	0.07 200	0.06 191	0.04 16	0.05 125

GEStereo_RVC	0.17 403	0.12 420	0.15 321	0.22 461	0.11 395	0.19 403	0.17 324	0.32 443	0.48 505	0.20 386	0.25 371	0.17 306	0.13 299	0.21 432	0.16 364	0.10 406	0.06 313	0.08 284	0.07 278	0.09 388	0.08 349

CFNet_pseudo	0.14 316	0.08 242	0.15 321	0.16 146	0.09 244	0.13 252	0.14 157	0.27 377	0.34 439	0.14 246	0.21 311	0.22 373	0.13 299	0.18 375	0.14 320	0.07 245	0.05 188	0.08 284	0.06 191	0.07 263	0.07 285

ADLNet	0.16 383	0.08 242	0.15 321	0.16 146	0.10 346	0.16 340	0.17 324	0.32 443	0.27 375	0.22 416	0.27 397	0.24 397	0.16 368	0.18 375	0.21 436	0.10 406	0.06 313	0.10 413	0.10 428	0.08 326	0.09 393

ac_64	0.16 383	0.08 242	0.15 321	0.18 302	0.10 346	0.22 443	0.18 369	0.24 322	0.21 290	0.18 347	0.24 342	0.29 447	0.18 405	0.19 390	0.22 445	0.09 365	0.07 385	0.08 284	0.09 389	0.07 263	0.06 205

ACVNet	0.15 360	0.09 318	0.15 321	0.13 13	0.12 426	0.14 284	0.20 429	0.22 280	0.33 427	0.17 317	0.26 388	0.21 355	0.16 368	0.17 354	0.21 436	0.07 245	0.06 313	0.06 105	0.06 191	0.08 326	0.06 205

acv_ft	0.15 360	0.09 318	0.15 321	0.19 360	0.10 346	0.16 340	0.17 324	0.25 338	0.33 427	0.19 363	0.26 388	0.21 355	0.17 391	0.17 354	0.18 397	0.07 245	0.06 313	0.06 105	0.06 191	0.08 326	0.06 205

CFNet-ft	0.14 316	0.07 143	0.15 321	0.12 4	0.09 244	0.16 340	0.18 369	0.22 280	0.24 330	0.17 317	0.26 388	0.24 397	0.14 324	0.16 322	0.14 320	0.11 435	0.06 313	0.08 284	0.09 389	0.09 388	0.08 349

DMCA-RVC	0.17 403	0.10 376	0.15 321	0.24 491	0.11 395	0.18 380	0.18 369	0.25 338	0.24 330	0.21 400	0.26 388	0.25 411	0.27 483	0.18 375	0.20 416	0.12 460	0.08 411	0.13 478	0.10 428	0.10 420	0.08 349

MSMDNet	0.14 316	0.08 242	0.15 321	0.17 220	0.09 244	0.14 284	0.14 157	0.29 408	0.36 453	0.14 246	0.21 311	0.21 355	0.12 261	0.17 354	0.14 320	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

CFNet_RVC	0.14 316	0.07 143	0.15 321	0.12 4	0.09 244	0.16 340	0.18 369	0.22 280	0.24 330	0.17 317	0.26 388	0.24 397	0.14 324	0.16 322	0.14 320	0.11 435	0.06 313	0.08 284	0.09 389	0.09 388	0.08 349

ccs_rob	0.14 316	0.08 242	0.15 321	0.16 146	0.09 244	0.12 213	0.14 157	0.27 377	0.34 439	0.14 246	0.21 311	0.22 373	0.13 299	0.18 375	0.14 320	0.07 245	0.05 188	0.08 284	0.07 278	0.07 263	0.07 285

AdaStereo	0.15 360	0.11 402	0.15 321	0.18 302	0.09 244	0.20 418	0.11 49	0.32 443	0.28 389	0.20 386	0.23 330	0.20 346	0.13 299	0.19 390	0.14 320	0.12 460	0.05 188	0.10 413	0.07 278	0.09 388	0.07 285
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.
NVstereo2D	0.19 429	0.10 376	0.15 321	0.17 220	0.15 487	0.28 499	0.23 467	0.44 533	0.42 486	0.15 273	0.27 397	0.25 411	0.19 421	0.22 445	0.17 379	0.09 365	0.06 313	0.10 413	0.08 343	0.15 504	0.09 393

DeepPruner_ROB	0.16 383	0.11 402	0.15 321	0.17 220	0.10 346	0.17 361	0.15 225	0.32 443	0.21 290	0.19 363	0.21 311	0.22 373	0.18 405	0.20 415	0.15 348	0.13 483	0.09 440	0.09 365	0.09 389	0.11 443	0.10 420

iResNetv2_ROB	0.14 316	0.08 242	0.15 321	0.16 146	0.08 130	0.16 340	0.12 66	0.25 338	0.35 448	0.21 400	0.29 423	0.24 397	0.13 299	0.14 266	0.14 320	0.06 118	0.05 188	0.06 105	0.04 37	0.09 388	0.08 349

StereoDRNet-Refined	0.17 403	0.12 420	0.15 321	0.20 417	0.09 244	0.18 380	0.18 369	0.26 356	0.23 314	0.26 456	0.40 491	0.22 373	0.17 391	0.21 432	0.20 416	0.08 306	0.05 188	0.09 365	0.10 428	0.07 263	0.07 285
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.18 417	0.10 376	0.15 321	0.23 482	0.11 395	0.24 461	0.18 369	0.29 408	0.28 389	0.27 462	0.28 411	0.28 439	0.24 460	0.19 390	0.20 416	0.08 306	0.08 411	0.09 365	0.09 389	0.07 263	0.07 285

PSMNet_ROB	0.21 453	0.11 402	0.15 321	0.27 520	0.15 487	0.24 461	0.35 544	0.43 531	0.37 460	0.27 462	0.32 441	0.32 479	0.22 446	0.21 432	0.26 492	0.12 460	0.08 411	0.13 478	0.11 460	0.09 388	0.09 393

SGM_RVC	0.23 478	0.12 420	0.15 321	0.15 72	0.09 244	0.33 515	0.18 369	0.34 471	0.31 413	0.44 534	0.37 471	0.53 541	0.35 521	0.35 517	0.24 470	0.13 483	0.13 500	0.13 478	0.13 489	0.10 420	0.11 446
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PAM	0.10 148	0.05 19	0.16 355	0.15 72	0.08 130	0.09 84	0.16 290	0.15 111	0.16 192	0.12 198	0.09 92	0.09 127	0.07 110	0.13 240	0.08 17	0.06 118	0.05 188	0.06 105	0.06 191	0.05 102	0.06 205

DCVSM-stereo	0.14 316	0.09 318	0.16 355	0.16 146	0.10 346	0.15 310	0.09 18	0.19 224	0.23 314	0.20 386	0.23 330	0.26 421	0.15 342	0.18 375	0.14 320	0.09 365	0.07 385	0.09 365	0.08 343	0.10 420	0.12 459

test_sample7	0.15 360	0.10 376	0.16 355	0.14 31	0.11 395	0.16 340	0.16 290	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.16 322	0.16 364	0.12 460	0.06 313	0.10 413	0.09 389	0.10 420	0.10 420

CFNet_ucs	0.15 360	0.08 242	0.16 355	0.16 146	0.11 395	0.14 284	0.14 157	0.30 422	0.34 439	0.16 301	0.24 342	0.23 391	0.14 324	0.18 375	0.15 348	0.09 365	0.06 313	0.08 284	0.07 278	0.09 388	0.09 393

HBP-ISP	0.18 417	0.13 449	0.16 355	0.15 72	0.11 395	0.08 53	0.13 108	0.28 397	0.29 396	0.22 416	0.33 453	0.21 355	0.25 469	0.23 456	0.17 379	0.14 496	0.16 518	0.21 525	0.17 519	0.10 420	0.08 349

UDGNet	0.14 316	0.13 449	0.16 355	0.17 220	0.10 346	0.12 213	0.16 290	0.21 258	0.27 375	0.20 386	0.20 290	0.16 286	0.13 299	0.16 322	0.13 283	0.10 406	0.06 313	0.09 365	0.07 278	0.06 197	0.07 285

dd	0.15 360	0.16 479	0.16 355	0.19 360	0.09 244	0.15 310	0.18 369	0.21 258	0.25 351	0.23 428	0.20 290	0.21 355	0.09 173	0.21 432	0.16 364	0.10 406	0.06 313	0.08 284	0.06 191	0.08 326	0.06 205

IPLGR	0.11 191	0.09 318	0.16 355	0.18 302	0.08 130	0.12 213	0.17 324	0.21 258	0.24 330	0.11 160	0.12 166	0.11 181	0.08 146	0.12 195	0.12 242	0.06 118	0.05 188	0.06 105	0.06 191	0.04 16	0.04 42

HHNet	0.11 191	0.06 59	0.16 355	0.15 72	0.14 469	0.07 30	0.13 108	0.20 235	0.17 211	0.14 246	0.25 371	0.11 181	0.08 146	0.13 240	0.10 125	0.05 28	0.04 22	0.08 284	0.06 191	0.05 102	0.09 393

Patchmatch Stereo++	0.11 191	0.09 318	0.16 355	0.18 302	0.08 130	0.06 10	0.11 49	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 191	0.07 143	0.16 355	0.19 360	0.09 244	0.08 53	0.13 108	0.18 203	0.13 122	0.16 301	0.21 311	0.13 223	0.14 324	0.11 112	0.14 320	0.06 118	0.04 22	0.09 365	0.06 191	0.06 197	0.05 125

PSM-adaLoss	0.11 191	0.09 318	0.16 355	0.18 302	0.08 130	0.06 10	0.12 66	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

ROB_FTStereo_v2	0.11 191	0.09 318	0.16 355	0.19 360	0.08 130	0.06 10	0.12 66	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

ROB_FTStereo	0.11 191	0.09 318	0.16 355	0.19 360	0.08 130	0.06 10	0.11 49	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

HUI-Stereo	0.11 191	0.09 318	0.16 355	0.18 302	0.08 130	0.06 10	0.12 66	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

DeepStereo_RVC	0.11 191	0.08 242	0.16 355	0.18 302	0.08 130	0.08 53	0.12 66	0.17 174	0.12 90	0.13 225	0.14 194	0.12 198	0.12 261	0.12 195	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.07 263	0.08 349

iGMRVC	0.11 191	0.09 318	0.16 355	0.19 360	0.08 130	0.06 10	0.12 66	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

IRAFT_RVC	0.12 257	0.08 242	0.16 355	0.19 360	0.08 130	0.07 30	0.15 225	0.24 322	0.23 314	0.14 246	0.14 194	0.15 272	0.12 261	0.12 195	0.10 125	0.06 118	0.04 22	0.09 365	0.06 191	0.06 197	0.06 205

iRAFT	0.11 191	0.09 318	0.16 355	0.18 302	0.08 130	0.06 10	0.11 49	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

CRE-IMP	0.11 191	0.09 318	0.16 355	0.19 360	0.08 130	0.10 132	0.12 66	0.18 203	0.10 37	0.14 246	0.13 180	0.13 223	0.12 261	0.12 195	0.11 193	0.07 245	0.04 22	0.08 284	0.06 191	0.08 326	0.08 349

test-1	0.10 148	0.07 143	0.16 355	0.19 360	0.08 130	0.11 178	0.24 479	0.14 80	0.18 237	0.09 97	0.07 40	0.09 127	0.08 146	0.07 4	0.09 54	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

RAFT-IKP	0.11 191	0.09 318	0.16 355	0.19 360	0.08 130	0.06 10	0.12 66	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

GES	0.14 316	0.08 242	0.16 355	0.15 72	0.10 346	0.13 252	0.13 108	0.28 397	0.25 351	0.16 301	0.23 330	0.18 320	0.13 299	0.16 322	0.13 283	0.08 306	0.07 385	0.07 200	0.06 191	0.08 326	0.09 393

MMNet	0.17 403	0.09 318	0.16 355	0.20 417	0.11 395	0.27 492	0.20 429	0.25 338	0.41 479	0.22 416	0.30 429	0.21 355	0.20 433	0.17 354	0.20 416	0.06 118	0.06 313	0.07 200	0.07 278	0.08 326	0.07 285

DMCA	0.14 316	0.09 318	0.16 355	0.19 360	0.09 244	0.15 310	0.17 324	0.23 300	0.27 375	0.14 246	0.19 278	0.17 306	0.18 405	0.15 288	0.17 379	0.10 406	0.06 313	0.08 284	0.06 191	0.09 388	0.10 420

SGM-ForestM	0.32 525	0.12 420	0.16 355	0.16 146	0.11 395	0.39 533	0.19 408	0.41 522	0.50 514	0.52 541	0.54 528	1.32 571	0.42 539	0.40 538	0.27 500	0.14 496	0.16 518	0.16 508	0.16 512	0.12 458	0.12 459

MLCV	0.12 257	0.07 143	0.16 355	0.18 302	0.06 14	0.15 310	0.17 324	0.19 224	0.21 290	0.18 347	0.25 371	0.17 306	0.13 299	0.14 266	0.13 283	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

DN-CSS_ROB	0.13 282	0.13 449	0.16 355	0.18 302	0.10 346	0.16 340	0.08 7	0.22 280	0.18 237	0.17 317	0.22 321	0.13 223	0.13 299	0.12 195	0.13 283	0.05 28	0.05 188	0.10 413	0.10 428	0.08 326	0.06 205

StereoAnything_RVC	0.07 4	0.15 471	0.17 383	0.11 1	0.05 1	0.05 4	0.11 49	0.08 4	0.08 13	0.06 11	0.06 13	0.05 1	0.05 11	0.09 35	0.08 17	0.08 306	0.04 22	0.05 25	0.03 1	0.05 102	0.04 42

PAM_32	0.09 87	0.05 19	0.17 383	0.15 72	0.08 130	0.10 132	0.15 225	0.14 80	0.15 164	0.09 97	0.08 74	0.09 127	0.07 110	0.14 266	0.08 17	0.06 118	0.05 188	0.06 105	0.06 191	0.05 102	0.06 205

rvit_0105_4	0.14 316	0.09 318	0.17 383	0.17 220	0.10 346	0.12 213	0.19 408	0.23 300	0.27 375	0.14 246	0.20 290	0.17 306	0.13 299	0.17 354	0.13 283	0.15 500	0.11 473	0.11 444	0.10 428	0.09 388	0.06 205

rvit_stereo_0083	0.12 257	0.08 242	0.17 383	0.16 146	0.09 244	0.11 178	0.15 225	0.14 80	0.26 365	0.11 160	0.14 194	0.13 223	0.10 205	0.12 195	0.12 242	0.10 406	0.08 411	0.09 365	0.07 278	0.07 263	0.05 125

DispNO	0.14 316	0.08 242	0.17 383	0.19 360	0.12 426	0.11 178	0.21 446	0.23 300	0.29 396	0.17 317	0.23 330	0.18 320	0.17 391	0.15 288	0.15 348	0.07 245	0.05 188	0.08 284	0.08 343	0.07 263	0.06 205

SMFormer	0.14 316	0.07 143	0.17 383	0.14 31	0.08 130	0.16 340	0.17 324	0.26 356	0.27 375	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.17 379	0.08 306	0.05 188	0.07 200	0.06 191	0.07 263	0.06 205

tta	0.14 316	0.07 143	0.17 383	0.14 31	0.08 130	0.16 340	0.17 324	0.26 356	0.27 375	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.17 379	0.08 306	0.05 188	0.07 200	0.06 191	0.06 197	0.06 205

qqq1	0.13 282	0.07 143	0.17 383	0.14 31	0.08 130	0.16 340	0.17 324	0.26 356	0.27 375	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.11 193	0.08 306	0.05 188	0.05 25	0.05 113	0.06 197	0.06 205

fff1	0.13 282	0.07 143	0.17 383	0.14 31	0.08 130	0.16 340	0.17 324	0.26 356	0.27 375	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.11 193	0.08 306	0.05 188	0.05 25	0.05 113	0.06 197	0.06 205

mmm	0.14 316	0.08 242	0.17 383	0.17 220	0.09 244	0.17 361	0.18 369	0.21 258	0.15 164	0.15 273	0.23 330	0.21 355	0.16 368	0.16 322	0.17 379	0.08 306	0.05 188	0.08 284	0.07 278	0.07 263	0.07 285

testlalala	0.08 47	0.07 143	0.17 383	0.16 146	0.08 130	0.09 84	0.12 66	0.15 111	0.10 37	0.07 33	0.09 92	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.04 37	0.04 16	0.04 42

ssnet_v2	0.17 403	0.10 376	0.17 383	0.17 220	0.11 395	0.21 435	0.21 446	0.33 462	0.25 351	0.22 416	0.22 321	0.27 429	0.18 405	0.22 445	0.20 416	0.11 435	0.09 440	0.09 365	0.09 389	0.08 326	0.08 349

PFNet	0.12 257	0.06 59	0.17 383	0.17 220	0.08 130	0.09 84	0.15 225	0.26 356	0.20 275	0.16 301	0.16 223	0.14 243	0.11 230	0.12 195	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.05 102	0.05 125

ARAFT	0.12 257	0.08 242	0.17 383	0.19 360	0.09 244	0.14 284	0.18 369	0.20 235	0.12 90	0.12 198	0.13 180	0.14 243	0.11 230	0.15 288	0.12 242	0.06 118	0.05 188	0.10 413	0.09 389	0.05 102	0.04 42

delet	0.17 403	0.08 242	0.17 383	0.19 360	0.11 395	0.20 418	0.21 446	0.30 422	0.37 460	0.17 317	0.26 388	0.19 334	0.19 421	0.19 390	0.21 436	0.08 306	0.08 411	0.09 365	0.11 460	0.06 197	0.06 205

hitnet-ft	0.18 417	0.09 318	0.17 383	0.14 31	0.09 244	0.26 482	0.20 429	0.25 338	0.26 365	0.24 437	0.32 441	0.31 469	0.22 446	0.24 465	0.21 436	0.12 460	0.07 385	0.10 413	0.08 343	0.12 458	0.11 446

AF-Net	0.22 462	0.17 490	0.17 383	0.26 508	0.13 449	0.25 472	0.24 479	0.32 443	0.50 514	0.25 450	0.33 453	0.38 503	0.26 475	0.28 487	0.25 480	0.11 435	0.10 460	0.16 508	0.11 460	0.11 443	0.10 420

CFNet	0.15 360	0.10 376	0.17 383	0.17 220	0.08 130	0.18 380	0.09 18	0.28 397	0.25 351	0.19 363	0.24 342	0.24 397	0.17 391	0.17 354	0.14 320	0.08 306	0.06 313	0.09 365	0.10 428	0.07 263	0.06 205

StereoDRNet	0.18 417	0.11 402	0.17 383	0.22 461	0.11 395	0.21 435	0.22 456	0.37 500	0.33 427	0.24 437	0.28 411	0.30 456	0.19 421	0.20 415	0.20 416	0.09 365	0.08 411	0.11 444	0.09 389	0.09 388	0.07 285

NCCL2	0.23 478	0.15 471	0.17 383	0.34 538	0.18 518	0.24 461	0.23 467	0.34 471	0.28 389	0.31 495	0.38 477	0.38 503	0.28 493	0.23 456	0.24 470	0.15 500	0.12 487	0.18 520	0.21 527	0.13 476	0.13 479

MDST_ROB	0.22 462	0.10 376	0.17 383	0.18 302	0.11 395	0.37 529	0.19 408	0.43 531	0.41 479	0.39 519	0.39 485	0.29 447	0.21 437	0.26 472	0.18 397	0.11 435	0.10 460	0.14 490	0.11 460	0.10 420	0.08 349

CBMV_ROB	0.19 429	0.13 449	0.17 383	0.16 146	0.11 395	0.15 310	0.13 108	0.26 356	0.28 389	0.27 462	0.30 429	0.27 429	0.24 460	0.23 456	0.16 364	0.15 500	0.17 523	0.22 529	0.20 525	0.10 420	0.11 446

CBMV	0.19 429	0.14 461	0.17 383	0.18 302	0.10 346	0.20 418	0.11 49	0.29 408	0.30 406	0.29 485	0.30 429	0.30 456	0.23 454	0.27 475	0.19 410	0.13 483	0.15 515	0.17 511	0.16 512	0.10 420	0.10 420
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DFGA-Net	0.13 282	0.11 402	0.18 406	0.17 220	0.10 346	0.12 213	0.13 108	0.22 280	0.25 351	0.16 301	0.16 223	0.13 223	0.12 261	0.16 322	0.14 320	0.07 245	0.05 188	0.08 284	0.07 278	0.05 102	0.05 125

rvit_0105_6	0.14 316	0.09 318	0.18 406	0.17 220	0.10 346	0.10 132	0.16 290	0.19 224	0.26 365	0.12 198	0.18 269	0.17 306	0.12 261	0.18 375	0.12 242	0.15 500	0.11 473	0.12 463	0.10 428	0.09 388	0.06 205

ToySt	0.17 403	0.11 402	0.18 406	0.17 220	0.11 395	0.16 340	0.25 495	0.24 322	0.33 427	0.19 363	0.24 342	0.26 421	0.24 460	0.19 390	0.20 416	0.07 245	0.08 411	0.09 365	0.10 428	0.09 388	0.08 349

DAS	0.15 360	0.08 242	0.18 406	0.19 360	0.10 346	0.19 403	0.17 324	0.27 377	0.29 396	0.18 347	0.25 371	0.21 355	0.15 342	0.16 322	0.12 242	0.08 306	0.06 313	0.06 105	0.06 191	0.07 263	0.07 285

SepStereo	0.15 360	0.08 242	0.18 406	0.19 360	0.10 346	0.19 403	0.17 324	0.27 377	0.29 396	0.18 347	0.25 371	0.21 355	0.15 342	0.25 470	0.12 242	0.08 306	0.06 313	0.06 105	0.06 191	0.07 263	0.07 285

psm_up	0.18 417	0.10 376	0.18 406	0.20 417	0.11 395	0.17 361	0.19 408	0.37 500	0.34 439	0.21 400	0.28 411	0.29 447	0.24 460	0.20 415	0.22 445	0.09 365	0.10 460	0.11 444	0.11 460	0.08 326	0.08 349

UNet	0.17 403	0.09 318	0.18 406	0.19 360	0.12 426	0.27 492	0.19 408	0.33 462	0.29 396	0.21 400	0.24 342	0.23 391	0.19 421	0.19 390	0.18 397	0.07 245	0.06 313	0.08 284	0.07 278	0.08 326	0.06 205

iResNet	0.13 282	0.10 376	0.18 406	0.19 360	0.08 130	0.13 252	0.18 369	0.20 235	0.26 365	0.15 273	0.23 330	0.15 272	0.13 299	0.14 266	0.14 320	0.06 118	0.04 22	0.06 105	0.05 113	0.06 197	0.05 125

NOSS_ROB	0.19 429	0.12 420	0.18 406	0.16 146	0.12 426	0.15 310	0.12 66	0.30 422	0.32 420	0.20 386	0.22 321	0.27 429	0.23 454	0.21 432	0.16 364	0.16 516	0.18 525	0.23 530	0.21 527	0.12 458	0.13 479

SGM-Forest	0.20 441	0.14 461	0.18 406	0.19 360	0.13 449	0.20 418	0.22 456	0.33 462	0.30 406	0.24 437	0.29 423	0.28 439	0.19 421	0.23 456	0.17 379	0.15 500	0.16 518	0.15 502	0.14 492	0.12 458	0.12 459
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MeshStereo	0.27 508	0.13 449	0.18 406	0.15 72	0.11 395	0.32 509	0.24 479	0.40 516	0.36 453	0.52 541	0.57 538	0.67 552	0.40 531	0.35 517	0.26 492	0.14 496	0.13 500	0.13 478	0.11 460	0.11 443	0.10 420
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
TCMNet	0.19 429	0.12 420	0.19 417	0.20 417	0.18 518	0.20 418	0.24 479	0.27 377	0.36 453	0.23 428	0.26 388	0.25 411	0.19 421	0.19 390	0.23 457	0.13 483	0.11 473	0.11 444	0.12 479	0.13 476	0.12 459

YMNet	0.20 441	0.12 420	0.19 417	0.20 417	0.14 469	0.26 482	0.23 467	0.32 443	0.34 439	0.27 462	0.34 457	0.30 456	0.18 405	0.18 375	0.22 445	0.10 406	0.13 500	0.10 413	0.10 428	0.08 326	0.09 393

YMNet_1	0.20 441	0.12 420	0.19 417	0.20 417	0.14 469	0.26 482	0.23 467	0.32 443	0.34 439	0.27 462	0.34 457	0.30 456	0.18 405	0.18 375	0.22 445	0.10 406	0.13 500	0.10 413	0.10 428	0.08 326	0.09 393

ISRNet	0.18 417	0.08 242	0.19 417	0.19 360	0.13 449	0.15 310	0.12 66	0.30 422	0.32 420	0.21 400	0.25 371	0.27 429	0.17 391	0.17 354	0.20 416	0.20 530	0.08 411	0.14 490	0.14 492	0.14 489	0.17 522

SDNR	0.19 429	0.08 242	0.19 417	0.16 146	0.12 426	0.77 565	0.14 157	0.25 338	0.32 420	0.19 363	0.24 342	0.19 334	0.13 299	0.19 390	0.15 348	0.16 516	0.18 525	0.14 490	0.11 460	0.08 326	0.11 446

fast-acv-ft	0.18 417	0.11 402	0.19 417	0.19 360	0.12 426	0.24 461	0.21 446	0.25 338	0.34 439	0.22 416	0.34 457	0.27 429	0.20 433	0.21 432	0.23 457	0.09 365	0.09 440	0.08 284	0.10 428	0.08 326	0.07 285

UDG	0.21 453	0.17 490	0.19 417	0.23 482	0.15 487	0.30 506	0.20 429	0.33 462	0.35 448	0.23 428	0.28 411	0.31 469	0.27 483	0.20 415	0.22 445	0.15 500	0.12 487	0.13 478	0.09 389	0.14 489	0.14 496

APVNet	0.22 462	0.12 420	0.19 417	0.18 302	0.14 469	0.32 509	0.31 540	0.39 512	0.32 420	0.27 462	0.40 491	0.30 456	0.29 501	0.26 472	0.25 480	0.11 435	0.12 487	0.11 444	0.14 492	0.12 458	0.12 459

GwcNet	0.20 441	0.13 449	0.19 417	0.18 302	0.12 426	0.24 461	0.19 408	0.35 487	0.43 491	0.20 386	0.32 441	0.33 482	0.20 433	0.22 445	0.24 470	0.11 435	0.09 440	0.09 365	0.09 389	0.09 388	0.10 420

HGLStereo	0.17 403	0.08 242	0.19 417	0.17 220	0.12 426	0.18 380	0.18 369	0.31 432	0.32 420	0.21 400	0.32 441	0.25 411	0.18 405	0.19 390	0.20 416	0.09 365	0.09 440	0.07 200	0.07 278	0.09 388	0.10 420

XPNet_ROB	0.22 462	0.11 402	0.19 417	0.22 461	0.13 449	0.22 443	0.19 408	0.34 471	0.40 476	0.30 489	0.39 485	0.39 511	0.26 475	0.26 472	0.28 507	0.15 500	0.10 460	0.10 413	0.10 428	0.13 476	0.12 459

pmcnn	0.15 360	0.07 143	0.19 417	0.15 72	0.07 74	0.20 418	0.15 225	0.24 322	0.26 365	0.21 400	0.34 457	0.28 439	0.18 405	0.18 375	0.17 379	0.07 245	0.05 188	0.05 25	0.04 37	0.07 263	0.06 205

xyz-stereo	0.13 282	0.07 143	0.20 429	0.15 72	0.05 1	0.20 418	0.15 225	0.17 174	0.31 413	0.15 273	0.29 423	0.26 421	0.16 368	0.13 240	0.12 242	0.05 28	0.05 188	0.06 105	0.05 113	0.04 16	0.04 42

DualNet (step1)	0.16 383	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 108	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.16 322	0.16 364	0.15 500	0.06 313	0.14 490	0.14 492	0.14 489	0.12 459

test_sample9	0.18 417	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 108	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.19 390	0.17 379	0.15 500	0.30 550	0.14 490	0.14 492	0.14 489	0.12 459

test_sample8	0.19 429	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 108	0.31 432	0.21 290	0.27 462	0.22 321	0.36 494	0.25 469	0.19 390	0.17 379	0.15 500	0.30 550	0.14 490	0.14 492	0.14 489	0.12 459

dad	0.17 403	0.20 508	0.20 429	0.16 146	0.11 395	0.20 418	0.18 369	0.21 258	0.28 389	0.30 489	0.24 342	0.29 447	0.13 299	0.19 390	0.16 364	0.18 523	0.09 440	0.11 444	0.09 389	0.11 443	0.07 285

RAFT + AFF	0.13 282	0.07 143	0.20 429	0.20 417	0.10 346	0.14 284	0.24 479	0.26 356	0.20 275	0.11 160	0.10 121	0.12 198	0.10 205	0.15 288	0.12 242	0.07 245	0.06 313	0.09 365	0.08 343	0.06 197	0.08 349

edge stereo	0.22 462	0.13 449	0.20 429	0.21 446	0.13 449	0.23 456	0.16 290	0.32 443	0.42 486	0.32 501	0.40 491	0.38 503	0.35 521	0.25 470	0.24 470	0.13 483	0.11 473	0.14 490	0.11 460	0.12 458	0.13 479

DRN-Test	0.19 429	0.11 402	0.20 429	0.22 461	0.10 346	0.22 443	0.22 456	0.39 512	0.37 460	0.24 437	0.32 441	0.26 421	0.21 437	0.22 445	0.24 470	0.11 435	0.07 385	0.11 444	0.10 428	0.09 388	0.07 285

DDVS	0.15 360	0.10 376	0.21 437	0.16 146	0.12 426	0.15 310	0.14 157	0.25 338	0.19 252	0.18 347	0.29 423	0.27 429	0.12 261	0.19 390	0.15 348	0.09 365	0.06 313	0.09 365	0.07 278	0.11 443	0.11 446

DDUNet	0.22 462	0.17 490	0.21 437	0.22 461	0.15 487	0.25 472	0.24 479	0.29 408	0.30 406	0.31 495	0.36 465	0.33 482	0.25 469	0.24 465	0.20 416	0.18 523	0.13 500	0.17 511	0.11 460	0.16 511	0.16 514

RP	0.21 453	0.13 449	0.21 437	0.23 482	0.11 395	0.21 435	0.20 429	0.25 338	0.44 496	0.21 400	0.38 477	0.36 494	0.24 460	0.27 475	0.25 480	0.11 435	0.12 487	0.13 478	0.12 479	0.12 458	0.14 496

stereogan	0.22 462	0.11 402	0.21 437	0.20 417	0.12 426	0.31 508	0.19 408	0.35 487	0.44 496	0.22 416	0.39 485	0.35 492	0.27 483	0.33 508	0.22 445	0.10 406	0.12 487	0.10 413	0.10 428	0.14 489	0.13 479

Nwc_Net	0.23 478	0.16 479	0.21 437	0.25 503	0.14 469	0.24 461	0.26 504	0.37 500	0.38 467	0.22 416	0.41 502	0.30 456	0.28 493	0.28 487	0.25 480	0.11 435	0.10 460	0.17 511	0.20 525	0.10 420	0.10 420

GANet	0.21 453	0.12 420	0.21 437	0.24 491	0.13 449	0.22 443	0.22 456	0.41 522	0.26 365	0.31 495	0.42 509	0.37 499	0.28 493	0.23 456	0.22 445	0.10 406	0.12 487	0.10 413	0.09 389	0.10 420	0.08 349

FAT-Stereo	0.20 441	0.12 420	0.22 443	0.21 446	0.12 426	0.17 361	0.18 369	0.34 471	0.39 470	0.27 462	0.37 471	0.34 488	0.32 514	0.21 432	0.20 416	0.09 365	0.11 473	0.10 413	0.09 389	0.11 443	0.14 496

RYNet	0.22 462	0.12 420	0.22 443	0.19 360	0.17 512	0.46 536	0.26 504	0.38 508	0.48 505	0.24 437	0.28 411	0.34 488	0.23 454	0.20 415	0.30 515	0.10 406	0.06 313	0.09 365	0.09 389	0.13 476	0.15 503

NLCA_NET_v2_RVC	0.17 403	0.10 376	0.22 443	0.20 417	0.10 346	0.15 310	0.18 369	0.31 432	0.25 351	0.21 400	0.30 429	0.25 411	0.17 391	0.21 432	0.20 416	0.09 365	0.06 313	0.08 284	0.08 343	0.07 263	0.08 349
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DISCO	0.19 429	0.09 318	0.22 443	0.17 220	0.10 346	0.25 472	0.18 369	0.27 377	0.44 496	0.22 416	0.31 437	0.33 482	0.26 475	0.28 487	0.28 507	0.08 306	0.06 313	0.07 200	0.07 278	0.09 388	0.09 393

FBW_ROB	0.24 485	0.17 490	0.22 443	0.26 508	0.14 469	0.25 472	0.22 456	0.41 522	0.41 479	0.41 526	0.41 502	0.42 518	0.27 483	0.31 498	0.23 457	0.09 365	0.14 509	0.14 490	0.12 479	0.11 443	0.09 393

ETE_ROB	0.23 478	0.17 490	0.22 443	0.25 503	0.13 449	0.26 482	0.29 526	0.31 432	0.36 453	0.28 477	0.36 465	0.45 526	0.26 475	0.27 475	0.26 492	0.11 435	0.08 411	0.12 463	0.09 389	0.14 489	0.13 479

LALA_ROB	0.25 496	0.16 479	0.22 443	0.26 508	0.17 512	0.27 492	0.27 511	0.42 527	0.37 460	0.33 505	0.38 477	0.51 537	0.26 475	0.28 487	0.27 500	0.16 516	0.09 440	0.12 463	0.11 460	0.13 476	0.12 459

PWCDC_ROB	0.20 441	0.13 449	0.22 443	0.24 491	0.11 395	0.19 403	0.15 225	0.33 462	0.54 523	0.29 485	0.50 524	0.21 355	0.15 342	0.27 475	0.20 416	0.11 435	0.09 440	0.10 413	0.08 343	0.11 443	0.09 393

WCMA_ROB	0.24 485	0.11 402	0.22 443	0.17 220	0.14 469	0.32 509	0.15 225	0.32 443	0.32 420	0.38 517	0.53 526	0.40 515	0.34 519	0.34 511	0.25 480	0.11 435	0.12 487	0.12 463	0.10 428	0.14 489	0.14 496

MSAF-DinoV2	0.22 462	0.11 402	0.23 452	0.17 220	0.10 346	0.27 492	0.16 290	0.37 500	0.55 524	0.21 400	0.27 397	0.47 533	0.27 483	0.35 517	0.39 539	0.09 365	0.06 313	0.07 200	0.09 389	0.12 458	0.10 420

sCroCo_RVC	0.12 257	0.09 318	0.23 452	0.24 491	0.11 395	0.19 403	0.14 157	0.17 174	0.14 147	0.10 131	0.13 180	0.12 198	0.07 110	0.14 266	0.11 193	0.08 306	0.08 411	0.08 284	0.08 343	0.05 102	0.07 285

ccnet	0.29 516	0.28 535	0.23 452	0.20 417	0.28 543	0.41 535	0.21 446	0.45 536	0.33 427	0.36 511	0.46 516	0.36 494	0.30 505	0.39 534	0.42 546	0.23 543	0.14 509	0.21 525	0.17 519	0.23 531	0.18 525

PS-NSSS	0.20 441	0.21 514	0.23 452	0.20 417	0.10 346	0.19 403	0.17 324	0.36 494	0.25 351	0.27 462	0.33 453	0.27 429	0.24 460	0.20 415	0.20 416	0.15 500	0.12 487	0.17 511	0.14 492	0.10 420	0.08 349

GMStereo_Zeroshot	0.16 383	0.13 449	0.24 456	0.20 417	0.10 346	0.17 361	0.13 108	0.29 408	0.25 351	0.23 428	0.32 441	0.25 411	0.11 230	0.19 390	0.14 320	0.09 365	0.06 313	0.11 444	0.06 191	0.12 458	0.08 349

sAnonymous2	0.13 282	0.12 420	0.24 456	0.20 417	0.12 426	0.17 361	0.13 108	0.26 356	0.21 290	0.11 160	0.11 153	0.13 223	0.08 146	0.10 66	0.10 125	0.09 365	0.05 188	0.08 284	0.06 191	0.15 504	0.10 420

CroCo_RVC	0.13 282	0.12 420	0.24 456	0.20 417	0.12 426	0.17 361	0.13 108	0.26 356	0.21 290	0.11 160	0.11 153	0.13 223	0.08 146	0.10 66	0.10 125	0.09 365	0.05 188	0.08 284	0.06 191	0.15 504	0.10 420

MaskLacGwcNet_RVC	0.22 462	0.21 514	0.24 456	0.26 508	0.11 395	0.23 456	0.14 157	0.39 512	0.24 330	0.32 501	0.36 465	0.30 456	0.21 437	0.19 390	0.21 436	0.17 521	0.14 509	0.21 525	0.16 512	0.12 458	0.12 459

NaN_ROB	0.22 462	0.19 504	0.24 456	0.25 503	0.13 449	0.29 503	0.26 504	0.33 462	0.41 479	0.31 495	0.31 437	0.32 479	0.23 454	0.30 497	0.21 436	0.11 435	0.17 523	0.10 413	0.10 428	0.08 326	0.09 393

rvit_105_1	0.19 429	0.11 402	0.25 461	0.21 446	0.16 497	0.21 435	0.27 511	0.31 432	0.41 479	0.19 363	0.20 290	0.22 373	0.17 391	0.19 390	0.17 379	0.12 460	0.12 487	0.13 478	0.15 508	0.08 326	0.07 285

rvit_stereo_0075_2	0.17 403	0.12 420	0.25 461	0.23 482	0.16 497	0.13 252	0.10 29	0.30 422	0.27 375	0.20 386	0.28 411	0.22 373	0.15 342	0.18 375	0.13 283	0.16 516	0.10 460	0.17 511	0.10 428	0.10 420	0.09 393

S-Stereo	0.20 441	0.12 420	0.25 461	0.21 446	0.13 449	0.20 418	0.18 369	0.32 443	0.43 491	0.23 428	0.36 465	0.28 439	0.30 505	0.19 390	0.22 445	0.09 365	0.12 487	0.10 413	0.10 428	0.13 476	0.13 479

FSD	0.25 496	0.27 530	0.26 464	0.24 491	0.22 529	0.25 472	0.25 495	0.27 377	0.26 365	0.25 450	0.26 388	0.25 411	0.27 483	0.27 475	0.24 470	0.21 534	0.20 531	0.27 536	0.26 537	0.25 539	0.24 538

GCST	0.37 533	0.42 551	0.26 464	1.02 575	0.39 550	0.18 380	0.08 7	0.20 235	0.17 211	0.28 477	0.25 371	0.15 272	0.12 261	0.16 322	0.14 320	0.64 568	0.43 557	0.75 565	0.65 568	0.63 562	0.46 561

CBFPSM	0.14 316	0.06 59	0.26 464	0.17 220	0.09 244	0.13 252	0.15 225	0.22 280	0.23 314	0.20 386	0.27 397	0.24 397	0.16 368	0.16 322	0.18 397	0.06 118	0.06 313	0.06 105	0.07 278	0.07 263	0.07 285

pcwnet_v2	0.19 429	0.10 376	0.26 464	0.17 220	0.14 469	0.18 380	0.15 225	0.37 500	0.46 503	0.19 363	0.24 342	0.21 355	0.19 421	0.20 415	0.19 410	0.13 483	0.10 460	0.10 413	0.10 428	0.11 443	0.13 479

FINET	0.21 453	0.18 501	0.26 464	0.18 302	0.16 497	0.23 456	0.23 467	0.32 443	0.48 505	0.25 450	0.32 441	0.22 373	0.22 446	0.22 445	0.17 379	0.18 523	0.16 518	0.11 444	0.10 428	0.15 504	0.13 479

PDISCO_ROB	0.27 508	0.16 479	0.26 464	0.28 523	0.20 524	0.32 509	0.26 504	0.44 533	0.57 529	0.28 477	0.40 491	0.45 526	0.29 501	0.33 508	0.34 529	0.12 460	0.09 440	0.17 511	0.16 512	0.17 518	0.13 479

MSMD_ROB	0.31 523	0.26 528	0.26 464	0.24 491	0.21 527	0.34 518	0.25 495	0.34 471	0.39 470	0.40 522	0.69 547	0.45 526	0.40 531	0.34 511	0.27 500	0.20 530	0.19 528	0.26 533	0.25 536	0.23 531	0.22 535

PWC_ROB	0.21 453	0.16 479	0.26 464	0.18 302	0.11 395	0.22 443	0.13 108	0.32 443	0.49 511	0.30 489	0.40 491	0.32 479	0.24 460	0.31 498	0.22 445	0.10 406	0.07 385	0.11 444	0.08 343	0.11 443	0.10 420

Syn2CoEx	0.21 453	0.16 479	0.27 472	0.29 530	0.14 469	0.26 482	0.20 429	0.33 462	0.31 413	0.28 477	0.36 465	0.27 429	0.25 469	0.19 390	0.24 470	0.16 516	0.12 487	0.14 490	0.11 460	0.09 388	0.08 349

STTStereo	0.18 417	0.12 420	0.27 472	0.20 417	0.11 395	0.16 340	0.21 446	0.29 408	0.23 314	0.21 400	0.30 429	0.29 447	0.18 405	0.20 415	0.19 410	0.12 460	0.11 473	0.11 444	0.14 492	0.09 388	0.08 349

MANE	0.45 544	0.27 530	0.27 472	0.27 520	0.24 534	0.47 538	0.31 540	0.55 550	0.59 533	0.72 554	1.13 573	1.15 565	0.61 556	0.52 548	0.37 535	0.21 534	0.20 531	0.27 536	0.31 548	0.25 539	0.24 538

GANetREF_RVC	0.31 523	0.34 544	0.27 472	0.35 540	0.16 497	0.32 509	0.41 550	0.48 540	0.51 521	0.35 508	0.35 462	0.34 488	0.33 515	0.39 534	0.32 523	0.27 547	0.20 531	0.29 544	0.15 508	0.18 522	0.17 522
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
CSAN	0.29 516	0.24 522	0.27 472	0.34 538	0.19 521	0.33 515	0.42 553	0.37 500	0.50 514	0.38 517	0.40 491	0.44 524	0.33 515	0.28 487	0.30 515	0.20 530	0.16 518	0.19 522	0.19 524	0.14 489	0.15 503

FC-DCNN v2	0.33 528	0.27 530	0.28 477	0.26 508	0.23 532	0.37 529	0.28 517	0.40 516	0.43 491	0.45 535	0.56 535	0.51 537	0.40 531	0.37 528	0.29 510	0.21 534	0.20 531	0.27 536	0.26 537	0.25 539	0.24 538

ACV-stereo	0.15 360	0.10 376	0.28 477	0.18 302	0.12 426	0.14 284	0.12 66	0.23 300	0.21 290	0.19 363	0.23 330	0.22 373	0.15 342	0.23 456	0.17 379	0.07 245	0.06 313	0.07 200	0.07 278	0.07 263	0.07 285

Anonymous_2	0.22 462	0.17 490	0.28 477	0.15 72	0.16 497	0.32 509	0.22 456	0.22 280	0.17 211	0.23 428	0.24 342	0.26 421	0.27 483	0.27 475	0.23 457	0.22 539	0.25 546	0.17 511	0.17 519	0.17 518	0.17 522

FCDSN-DC	0.33 528	0.28 535	0.28 477	0.30 532	0.24 534	0.39 533	0.28 517	0.42 527	0.42 486	0.43 532	0.53 526	0.51 537	0.41 536	0.36 523	0.30 515	0.21 534	0.20 531	0.27 536	0.26 537	0.25 539	0.24 538
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RTSC	0.23 478	0.12 420	0.28 477	0.21 446	0.13 449	0.28 499	0.16 290	0.35 487	0.66 546	0.27 462	0.33 453	0.30 456	0.21 437	0.31 498	0.29 510	0.10 406	0.08 411	0.09 365	0.10 428	0.13 476	0.13 479

DANet	0.21 453	0.15 471	0.28 477	0.25 503	0.13 449	0.22 443	0.19 408	0.27 377	0.27 375	0.28 477	0.32 441	0.35 492	0.31 509	0.31 498	0.23 457	0.11 435	0.09 440	0.11 444	0.10 428	0.13 476	0.11 446
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FC-DCNN	0.33 528	0.27 530	0.28 477	0.26 508	0.23 532	0.37 529	0.28 517	0.40 516	0.43 491	0.45 535	0.55 530	0.51 537	0.40 531	0.37 528	0.30 515	0.21 534	0.20 531	0.27 536	0.26 537	0.25 539	0.24 538

SANet	0.24 485	0.14 461	0.28 477	0.21 446	0.11 395	0.27 492	0.24 479	0.38 508	0.64 543	0.36 511	0.40 491	0.43 522	0.26 475	0.27 475	0.24 470	0.12 460	0.09 440	0.10 413	0.09 389	0.13 476	0.11 446

Wz-Net-LNSev-Ref	0.18 417	0.09 318	0.29 485	0.15 72	0.10 346	0.22 443	0.20 429	0.26 356	0.39 470	0.25 450	0.42 509	0.24 397	0.15 342	0.20 415	0.19 410	0.07 245	0.05 188	0.06 105	0.05 113	0.10 420	0.09 393

MFN_U_SF_DS_RVC	0.30 522	0.24 522	0.29 485	0.36 542	0.16 497	0.34 518	0.30 534	0.32 443	0.42 486	0.40 522	0.46 516	0.38 503	0.31 509	0.34 511	0.28 507	0.19 528	0.20 531	0.26 533	0.29 544	0.18 522	0.19 530

RGC	0.25 496	0.20 508	0.29 485	0.28 523	0.16 497	0.22 443	0.23 467	0.32 443	0.44 496	0.27 462	0.40 491	0.38 503	0.27 483	0.36 523	0.22 445	0.11 435	0.13 500	0.17 511	0.17 519	0.14 489	0.16 514

SQANet	0.23 478	0.23 519	0.30 488	0.30 532	0.19 521	0.27 492	0.13 108	0.29 408	0.33 427	0.24 437	0.37 471	0.31 469	0.22 446	0.27 475	0.23 457	0.15 500	0.10 460	0.21 525	0.16 512	0.21 527	0.15 503

SHD	0.26 506	0.15 471	0.30 488	0.24 491	0.18 518	0.22 443	0.15 225	0.38 508	0.71 550	0.32 501	0.41 502	0.36 494	0.28 493	0.32 505	0.29 510	0.12 460	0.11 473	0.14 490	0.13 489	0.16 511	0.20 531

IGEV-BASED-STEREO-	0.09 87	0.10 376	0.31 490	0.15 72	0.06 14	0.08 53	0.14 157	0.10 18	0.10 37	0.07 33	0.07 40	0.06 18	0.04 1	0.11 112	0.07 1	0.12 460	0.04 22	0.07 200	0.05 113	0.05 102	0.05 125

Wz-Net-MNSev	0.22 462	0.13 449	0.31 490	0.20 417	0.14 469	0.36 528	0.24 479	0.33 462	0.44 496	0.28 477	0.40 491	0.38 503	0.19 421	0.24 465	0.25 480	0.09 365	0.07 385	0.09 365	0.09 389	0.12 458	0.10 420

FADNet-RVC-Resample	0.16 383	0.11 402	0.31 490	0.22 461	0.11 395	0.19 403	0.14 157	0.25 338	0.24 330	0.24 437	0.27 397	0.20 346	0.15 342	0.16 322	0.15 348	0.07 245	0.08 411	0.12 463	0.10 428	0.09 388	0.10 420

NCC-stereo	0.24 485	0.15 471	0.31 490	0.26 508	0.16 497	0.20 418	0.30 534	0.40 516	0.40 476	0.24 437	0.38 477	0.33 482	0.28 493	0.36 523	0.27 500	0.12 460	0.11 473	0.15 502	0.22 530	0.13 476	0.13 479

Abc-Net	0.24 485	0.15 471	0.31 490	0.26 508	0.16 497	0.20 418	0.30 534	0.40 516	0.40 476	0.24 437	0.38 477	0.33 482	0.28 493	0.36 523	0.27 500	0.12 460	0.11 473	0.15 502	0.22 530	0.13 476	0.13 479
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DPSNet	0.28 512	0.16 479	0.31 490	0.18 302	0.13 449	0.54 544	0.42 553	0.51 545	0.67 547	0.29 485	0.38 477	0.38 503	0.29 501	0.31 498	0.23 457	0.11 435	0.10 460	0.11 444	0.08 343	0.20 526	0.16 514

GASNet	0.22 462	0.23 519	0.33 496	0.26 508	0.17 512	0.26 482	0.16 290	0.44 533	0.42 486	0.27 462	0.24 342	0.30 456	0.15 342	0.27 475	0.18 397	0.12 460	0.08 411	0.12 463	0.11 460	0.16 511	0.07 285

Anonymous3	0.16 383	0.13 449	0.33 496	0.26 508	0.14 469	0.27 492	0.17 324	0.28 397	0.28 389	0.15 273	0.17 244	0.14 243	0.10 205	0.15 288	0.12 242	0.08 306	0.08 411	0.08 284	0.08 343	0.08 326	0.11 446

DGSMNet	0.24 485	0.19 504	0.33 496	0.21 446	0.24 534	0.24 461	0.20 429	0.35 487	0.41 479	0.24 437	0.32 441	0.38 503	0.21 437	0.29 494	0.23 457	0.12 460	0.11 473	0.14 490	0.16 512	0.23 531	0.23 537

SAMSARA	0.40 537	0.28 535	0.33 496	0.55 556	0.39 550	0.82 566	1.23 580	0.47 539	0.51 521	0.36 511	0.35 462	0.55 543	0.39 528	0.38 530	0.39 539	0.15 500	0.20 531	0.15 502	0.14 492	0.23 531	0.20 531

ADCP+	0.20 441	0.10 376	0.33 496	0.20 417	0.12 426	0.22 443	0.26 504	0.31 432	0.34 439	0.26 456	0.37 471	0.22 373	0.22 446	0.27 475	0.27 500	0.09 365	0.06 313	0.08 284	0.08 343	0.09 388	0.10 420

PA-Net	0.23 478	0.18 501	0.33 496	0.28 523	0.22 529	0.21 435	0.38 549	0.29 408	0.39 470	0.22 416	0.32 441	0.25 411	0.26 475	0.20 415	0.25 480	0.09 365	0.23 544	0.15 502	0.22 530	0.09 388	0.13 479
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ELAS_RVC	0.41 539	0.29 538	0.33 496	0.28 523	0.24 534	0.54 544	0.36 545	0.49 542	0.59 533	0.72 554	0.74 553	0.65 550	0.54 549	0.54 552	0.40 542	0.22 539	0.20 531	0.27 536	0.26 537	0.26 544	0.25 544
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 539	0.29 538	0.33 496	0.27 520	0.24 534	0.60 549	0.36 545	0.50 544	0.50 514	0.71 552	0.79 557	0.67 552	0.54 549	0.51 546	0.42 546	0.22 539	0.20 531	0.27 536	0.26 537	0.26 544	0.25 544
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
psmorigin	0.25 496	0.15 471	0.34 504	0.17 220	0.13 449	0.23 456	0.14 157	0.34 471	0.33 427	0.41 526	0.55 530	0.41 517	0.37 525	0.34 511	0.27 500	0.11 435	0.15 515	0.11 444	0.11 460	0.12 458	0.16 514

FADNet	0.21 453	0.22 518	0.36 505	0.18 302	0.17 512	0.24 461	0.13 108	0.31 432	0.31 413	0.23 428	0.25 371	0.27 429	0.21 437	0.19 390	0.15 348	0.13 483	0.15 515	0.12 463	0.15 508	0.16 511	0.18 525

G-Net	0.24 485	0.16 479	0.36 505	0.22 461	0.16 497	0.51 542	0.23 467	0.29 408	0.34 439	0.36 511	0.38 477	0.31 469	0.29 501	0.27 475	0.26 492	0.11 435	0.09 440	0.12 463	0.09 389	0.16 511	0.13 479

AnyNet_C32	0.26 506	0.16 479	0.36 505	0.20 417	0.16 497	0.25 472	0.30 534	0.32 443	0.44 496	0.31 495	0.49 520	0.30 456	0.33 515	0.40 538	0.33 527	0.12 460	0.12 487	0.12 463	0.14 492	0.14 489	0.15 503

CC-Net-ROB	0.28 512	0.31 540	0.36 505	0.29 530	0.15 487	0.25 472	0.19 408	0.45 536	0.33 427	0.39 519	0.37 471	0.39 511	0.31 509	0.27 475	0.26 492	0.24 545	0.19 528	0.30 546	0.23 534	0.18 522	0.15 503

w-ln-seven-2	0.20 441	0.14 461	0.37 509	0.22 461	0.12 426	0.20 418	0.21 446	0.28 397	0.37 460	0.25 450	0.37 471	0.27 429	0.22 446	0.21 432	0.23 457	0.08 306	0.08 411	0.09 365	0.09 389	0.10 420	0.09 393

Wz-Net-LNSev	0.22 462	0.16 479	0.38 510	0.21 446	0.13 449	0.25 472	0.23 467	0.32 443	0.43 491	0.30 489	0.41 502	0.31 469	0.18 405	0.22 445	0.25 480	0.10 406	0.09 440	0.08 284	0.08 343	0.12 458	0.11 446

FADNet-RVC	0.20 441	0.20 508	0.38 510	0.21 446	0.16 497	0.20 418	0.15 225	0.26 356	0.26 365	0.26 456	0.32 441	0.26 421	0.21 437	0.22 445	0.19 410	0.12 460	0.13 500	0.12 463	0.14 492	0.13 476	0.18 525

PVD	0.39 534	0.20 508	0.39 512	0.31 536	0.22 529	0.29 503	0.43 555	0.52 546	0.96 564	0.55 544	0.79 557	0.53 541	0.59 555	0.52 548	0.38 537	0.19 528	0.14 509	0.17 511	0.14 492	0.24 538	0.31 551

STTRV1_RVC	0.25 496	0.26 528	0.39 512	0.19 360	0.26 541	0.30 506	0.24 479	0.34 471	0.35 448	0.36 511	0.34 457	0.31 469	0.31 509	0.28 487	0.25 480	0.17 521	0.10 460	0.16 508	0.14 492	0.17 518	0.12 459

z-ln-s-r	0.17 403	0.10 376	0.40 514	0.19 360	0.08 130	0.17 361	0.18 369	0.22 280	0.33 427	0.18 347	0.40 491	0.22 373	0.17 391	0.20 415	0.23 457	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.05 125

FADNet_RVC	0.16 383	0.14 461	0.40 514	0.20 417	0.11 395	0.13 252	0.13 108	0.26 356	0.22 304	0.21 400	0.23 330	0.20 346	0.17 391	0.14 266	0.16 364	0.08 306	0.08 411	0.12 463	0.09 389	0.11 443	0.10 420

ADCMid	0.25 496	0.15 471	0.40 514	0.20 417	0.14 469	0.25 472	0.26 504	0.34 471	0.38 467	0.36 511	0.44 514	0.34 488	0.40 531	0.35 517	0.33 527	0.10 406	0.09 440	0.11 444	0.11 460	0.13 476	0.12 459

PSMNet-RUCA	0.27 508	0.33 542	0.41 517	0.36 542	0.32 549	0.18 380	0.19 408	0.42 527	0.30 406	0.33 505	0.41 502	0.39 511	0.25 469	0.31 498	0.20 416	0.18 523	0.10 460	0.25 532	0.15 508	0.21 527	0.16 514

ADCRef	0.19 429	0.12 420	0.41 517	0.20 417	0.12 426	0.22 443	0.18 369	0.32 443	0.36 453	0.26 456	0.32 441	0.17 306	0.23 454	0.24 465	0.24 470	0.07 245	0.06 313	0.09 365	0.09 389	0.08 326	0.08 349

DeepPrunerF	0.24 485	0.17 490	0.42 519	0.26 508	0.16 497	0.22 443	0.28 517	0.37 500	0.50 514	0.26 456	0.29 423	0.24 397	0.28 493	0.21 432	0.22 445	0.15 500	0.11 473	0.20 524	0.18 523	0.12 458	0.13 479

Wz-Net-SNSev	0.25 496	0.17 490	0.44 520	0.25 503	0.14 469	0.26 482	0.23 467	0.38 508	0.56 527	0.30 489	0.55 530	0.39 511	0.26 475	0.23 456	0.30 515	0.10 406	0.09 440	0.09 365	0.10 428	0.11 443	0.11 446

z-mn7	0.24 485	0.14 461	0.45 521	0.19 360	0.13 449	0.28 499	0.25 495	0.34 471	0.62 539	0.27 462	0.56 535	0.29 447	0.24 460	0.32 505	0.25 480	0.08 306	0.08 411	0.08 284	0.08 343	0.10 420	0.10 420

iinet-f	0.16 383	0.06 59	0.45 521	0.14 31	0.10 346	0.21 435	0.14 157	0.27 377	0.23 314	0.21 400	0.24 342	0.21 355	0.15 342	0.18 375	0.21 436	0.09 365	0.07 385	0.07 200	0.06 191	0.09 388	0.10 420

Consistency-Raft	0.44 542	0.40 549	0.45 521	0.37 544	0.43 554	0.46 536	0.41 550	0.57 553	0.55 524	0.32 501	0.73 551	0.33 482	0.48 544	0.42 541	0.49 553	0.39 553	0.35 554	0.45 553	0.51 561	0.42 553	0.29 548

ADCS	0.29 516	0.18 501	0.45 521	0.21 446	0.17 512	0.28 499	0.23 467	0.41 522	0.63 542	0.40 522	0.49 520	0.40 515	0.36 523	0.39 534	0.40 542	0.13 483	0.12 487	0.13 478	0.14 492	0.16 511	0.16 514

NVStereoNet_ROB	0.46 548	0.36 546	0.46 525	0.41 547	0.28 543	0.34 518	0.34 543	0.48 540	0.60 536	0.72 554	0.93 562	0.70 555	0.66 559	0.47 543	0.60 561	0.22 539	0.33 553	0.34 548	0.34 551	0.30 547	0.30 550
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ADCL	0.24 485	0.11 402	0.47 526	0.22 461	0.12 426	0.34 518	0.29 526	0.29 408	0.56 527	0.24 437	0.46 516	0.30 456	0.30 505	0.29 494	0.29 510	0.08 306	0.07 385	0.09 365	0.09 389	0.10 420	0.10 420

PASM	0.32 525	0.24 522	0.48 527	0.28 523	0.27 542	0.29 503	0.30 534	0.34 471	0.49 511	0.35 508	0.39 485	0.46 530	0.34 519	0.34 511	0.35 530	0.23 543	0.25 546	0.26 533	0.28 543	0.23 531	0.21 533

zh-sn7	0.25 496	0.17 490	0.50 528	0.24 491	0.13 449	0.25 472	0.24 479	0.34 471	0.48 505	0.28 477	0.54 528	0.28 439	0.31 509	0.36 523	0.32 523	0.10 406	0.10 460	0.11 444	0.10 428	0.12 458	0.12 459

XQC	0.28 512	0.23 519	0.51 529	0.28 523	0.19 521	0.34 518	0.27 511	0.36 494	0.57 529	0.31 495	0.30 429	0.37 499	0.30 505	0.38 530	0.38 537	0.13 483	0.09 440	0.15 502	0.12 479	0.17 518	0.18 525

otaku	0.39 534	0.37 547	0.52 530	0.44 549	0.28 543	0.58 546	0.24 479	0.41 522	0.62 539	0.40 522	0.49 520	0.46 530	0.33 515	0.40 538	0.32 523	0.30 548	0.30 550	0.39 550	0.33 549	0.29 546	0.28 547

Ntro	0.40 537	0.40 549	0.53 531	0.46 553	0.30 547	0.65 552	0.24 479	0.46 538	0.68 548	0.41 526	0.49 520	0.48 535	0.42 539	0.39 534	0.31 522	0.32 550	0.28 548	0.37 549	0.30 546	0.32 551	0.29 548

WAO-7	0.79 564	0.78 567	0.54 532	0.85 568	0.67 570	0.74 559	0.68 571	1.05 574	1.32 572	0.90 565	1.20 576	1.04 561	0.92 570	0.69 559	0.66 564	0.60 566	0.62 577	0.67 561	0.68 570	0.64 563	0.58 564

MSC_U_SF_DS_RVC	0.43 541	0.39 548	0.54 532	0.40 545	0.20 524	0.64 551	0.32 542	0.53 548	0.72 551	0.71 552	0.72 550	0.61 546	0.54 549	0.51 546	0.46 550	0.20 530	0.19 528	0.29 544	0.30 546	0.23 531	0.18 525

w-ln-seven	0.24 485	0.14 461	0.55 534	0.19 360	0.14 469	0.26 482	0.22 456	0.35 487	0.60 536	0.29 485	0.39 485	0.30 456	0.22 446	0.21 432	0.26 492	0.09 365	0.09 440	0.11 444	0.10 428	0.11 443	0.10 420

ACVNet-4b	0.39 534	0.53 554	0.55 534	0.45 550	0.24 534	0.47 538	0.18 369	0.49 542	0.64 543	0.42 529	0.45 515	0.60 545	0.27 483	0.34 511	0.24 470	0.33 551	0.14 509	0.48 554	0.42 554	0.30 547	0.26 546

MFN_U_SF_RVC	0.32 525	0.21 514	0.55 534	0.30 532	0.15 487	0.34 518	0.17 324	0.52 546	0.46 503	0.46 538	0.55 530	0.59 544	0.39 528	0.35 517	0.37 535	0.15 500	0.14 509	0.18 520	0.21 527	0.16 511	0.15 503

zh-mn7	0.25 496	0.14 461	0.56 537	0.19 360	0.14 469	0.24 461	0.22 456	0.34 471	0.62 539	0.35 508	0.65 543	0.31 469	0.25 469	0.31 498	0.25 480	0.09 365	0.08 411	0.09 365	0.09 389	0.09 388	0.11 446

aanetorigin	0.22 462	0.17 490	0.56 537	0.17 220	0.10 346	0.15 310	0.19 408	0.20 235	0.33 427	0.49 539	0.48 519	0.29 447	0.27 483	0.20 415	0.23 457	0.08 306	0.07 385	0.08 284	0.07 278	0.10 420	0.09 393

SuperB	0.20 441	0.10 376	0.56 537	0.16 146	0.09 244	0.18 380	0.18 369	0.24 322	0.50 514	0.26 456	0.39 485	0.17 306	0.21 437	0.22 445	0.21 436	0.08 306	0.06 313	0.06 105	0.06 191	0.12 458	0.10 420

LSM	0.33 528	0.20 508	0.58 540	0.26 508	0.60 566	0.34 518	0.25 495	0.42 527	0.48 505	0.45 535	0.58 540	0.42 518	0.36 523	0.35 517	0.25 480	0.12 460	0.20 531	0.14 490	0.16 512	0.19 525	0.33 553

ACVNet_1	0.44 542	0.49 553	0.60 541	0.45 550	0.28 543	0.49 541	0.27 511	0.57 553	0.72 551	0.62 547	0.58 540	0.74 556	0.49 545	0.50 545	0.35 530	0.26 546	0.24 545	0.39 550	0.29 544	0.31 550	0.24 538

ADCPNet	0.25 496	0.16 479	0.61 542	0.21 446	0.15 487	0.35 526	0.25 495	0.32 443	0.35 448	0.30 489	0.40 491	0.36 494	0.28 493	0.28 487	0.32 523	0.12 460	0.10 460	0.11 444	0.12 479	0.14 489	0.13 479

WAO-6	0.81 565	0.80 568	0.62 543	0.86 569	0.63 568	0.76 563	0.58 564	0.98 571	1.54 579	0.90 565	0.96 565	1.07 563	1.03 574	0.70 560	0.66 564	0.72 570	0.49 565	0.90 573	0.71 571	0.68 567	0.58 564

BEATNet-Init1	0.52 550	0.27 530	0.62 543	0.30 532	0.21 527	0.76 563	0.29 526	0.54 549	0.65 545	0.86 563	0.95 564	2.07 581	0.62 558	0.56 554	0.42 546	0.18 523	0.18 525	0.23 530	0.22 530	0.22 530	0.21 533

WAO-8	0.91 569	0.81 569	0.65 545	0.94 572	0.69 571	0.90 567	0.67 569	1.07 577	1.83 582	1.06 572	1.45 579	1.30 568	1.07 575	0.84 566	0.78 570	0.74 572	0.53 570	0.86 571	0.75 572	0.69 569	0.62 570

Venus	0.91 569	0.81 569	0.65 545	0.94 572	0.69 571	0.90 567	0.67 569	1.07 577	1.83 582	1.06 572	1.45 579	1.30 568	1.07 575	0.84 566	0.78 570	0.74 572	0.53 570	0.86 571	0.75 572	0.69 569	0.62 570

Wz-Net-TNSev	0.29 516	0.20 508	0.65 545	0.19 360	0.15 487	0.38 532	0.27 511	0.35 487	0.55 524	0.34 507	0.42 509	0.45 526	0.38 526	0.32 505	0.30 515	0.12 460	0.13 500	0.10 413	0.12 479	0.15 504	0.14 496

anonymity	0.53 551	0.58 556	0.65 545	0.41 547	0.61 567	0.53 543	0.41 550	0.56 551	0.41 479	0.55 544	0.50 524	0.49 536	0.55 552	0.58 555	0.50 556	0.58 564	0.50 567	0.51 556	0.51 561	0.51 555	0.57 563

MFMNet_re	0.64 555	0.66 562	0.65 545	0.51 554	0.69 571	0.69 555	0.57 563	0.64 557	0.73 555	0.60 546	0.73 551	0.62 547	0.67 560	0.65 558	0.60 561	0.66 569	0.58 576	0.63 560	0.59 564	0.68 567	0.69 573

DispFullNet	0.27 508	0.21 514	0.65 545	0.28 523	0.16 497	0.26 482	0.17 324	0.33 462	0.58 532	0.27 462	0.38 477	0.43 522	0.23 454	0.38 530	0.23 457	0.12 460	0.06 313	0.19 522	0.11 460	0.21 527	0.15 503

SPS-STEREO	0.57 554	0.58 556	0.65 545	0.45 550	0.55 561	0.62 550	0.44 556	0.62 556	0.50 514	0.68 550	0.64 542	0.66 551	0.57 554	0.61 556	0.60 561	0.62 567	0.47 562	0.51 556	0.49 558	0.55 560	0.58 564
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	0.56 553	0.57 555	0.65 545	0.40 545	0.54 559	0.66 554	0.49 557	0.56 551	0.45 502	0.66 548	0.69 547	0.67 552	0.56 553	0.63 557	0.56 559	0.59 565	0.48 563	0.50 555	0.50 560	0.52 556	0.58 564

IMH-64-1	0.65 556	0.61 558	0.68 553	0.71 560	0.51 557	0.59 547	0.49 557	0.91 565	0.85 559	0.74 558	1.02 566	0.81 557	0.78 564	0.79 562	0.49 553	0.42 555	0.46 558	0.71 562	0.47 556	0.52 556	0.39 556

IMH-64	0.65 556	0.61 558	0.68 553	0.71 560	0.51 557	0.59 547	0.49 557	0.91 565	0.85 559	0.74 558	1.02 566	0.81 557	0.78 564	0.79 562	0.49 553	0.42 555	0.46 558	0.71 562	0.47 556	0.52 556	0.39 556

IMH	0.71 559	0.64 561	0.68 553	0.76 562	0.54 559	0.69 555	0.54 561	0.98 571	1.10 567	0.82 562	1.09 569	0.89 559	0.88 569	0.87 570	0.52 558	0.44 558	0.50 567	0.75 565	0.51 561	0.56 561	0.41 559

ACVNet_2	0.66 558	0.66 562	0.68 553	0.63 558	0.41 552	0.71 557	0.49 557	0.96 569	1.39 574	0.89 564	1.09 569	1.04 561	0.73 562	0.54 552	0.47 551	0.43 557	0.40 556	0.53 559	0.44 555	0.47 554	0.35 555

RainbowNet	0.54 552	0.61 558	0.70 557	0.57 557	0.43 554	0.65 552	0.37 548	0.60 555	0.87 561	0.50 540	0.66 544	0.64 548	0.47 543	0.49 544	0.43 549	0.47 559	0.48 563	0.52 558	0.41 553	0.52 556	0.40 558

TorneroNet-64	0.76 563	0.72 565	0.74 558	0.78 564	0.58 565	0.91 570	0.56 562	0.84 563	1.29 571	0.66 548	0.90 560	1.40 573	0.75 563	0.85 568	0.67 567	0.49 560	0.46 558	0.72 564	0.59 564	0.67 566	0.53 562

WZ-Net	0.28 512	0.17 490	0.78 559	0.22 461	0.16 497	0.34 518	0.29 526	0.39 512	0.57 529	0.24 437	0.55 530	0.37 499	0.24 460	0.33 508	0.35 530	0.09 365	0.08 411	0.09 365	0.10 428	0.14 489	0.16 514

DPSimNet_ROB	1.11 576	1.23 579	0.78 559	1.13 577	0.88 578	1.10 577	1.13 579	1.16 581	1.23 570	1.43 579	1.02 566	1.41 574	1.10 578	0.90 572	1.60 579	1.46 583	0.51 569	1.21 580	1.03 580	0.90 575	1.01 581

Dean	0.87 568	0.86 572	0.79 561	0.81 566	0.56 562	0.90 567	0.63 565	1.15 580	1.73 580	1.15 575	1.15 574	1.31 570	0.99 573	0.81 564	0.81 573	0.57 563	0.56 574	0.77 569	0.64 567	0.66 565	0.58 564

ktn	1.01 574	1.21 578	0.80 562	1.23 579	0.86 577	1.01 574	0.87 575	0.94 568	1.39 574	1.04 570	1.12 572	1.15 565	1.07 575	0.94 574	0.59 560	1.28 582	0.71 579	1.38 582	0.83 575	1.02 578	0.75 576

TorneroNet	0.82 566	0.74 566	0.81 563	0.84 567	0.63 568	0.99 572	0.63 565	0.96 569	1.16 568	0.80 561	1.11 571	1.36 572	0.86 568	0.93 573	0.80 572	0.56 562	0.49 565	0.78 570	0.66 569	0.73 572	0.63 572

LVE	0.83 567	0.85 571	0.85 564	0.80 565	0.56 562	1.04 576	0.65 568	1.05 574	1.47 577	0.96 567	1.22 577	1.10 564	0.85 567	0.83 565	0.71 569	0.49 560	0.55 573	0.76 568	0.60 566	0.65 564	0.59 569

KSHMR	1.09 575	1.17 577	0.88 565	1.25 580	1.00 579	0.99 572	0.96 577	1.13 579	1.37 573	1.16 576	1.29 578	1.41 574	0.96 572	1.01 576	0.92 574	1.03 579	1.08 581	1.20 579	1.03 580	1.01 577	0.97 579

PWCK	0.71 559	0.94 573	0.95 566	0.76 562	0.31 548	0.74 559	0.36 545	0.90 564	0.90 562	0.96 567	0.75 555	0.95 560	0.61 556	0.87 570	0.66 564	0.72 570	0.46 558	0.75 565	0.49 558	0.69 569	0.44 560

notaker	0.97 572	1.11 576	0.98 567	1.13 577	0.81 575	0.73 558	0.68 571	0.93 567	1.16 568	1.18 577	1.18 575	1.41 574	1.16 579	1.08 579	0.69 568	0.81 575	0.64 578	1.17 578	0.79 574	0.98 576	0.80 577

FADE	0.45 544	0.33 542	1.03 568	0.33 537	0.25 540	0.35 526	0.29 526	0.64 557	1.07 565	0.43 532	0.41 502	0.42 518	0.53 547	0.70 560	0.51 557	0.30 548	0.21 543	0.41 552	0.38 552	0.23 531	0.22 535

EDNetEfficient	0.29 516	0.24 522	1.13 569	0.18 302	0.10 346	0.19 403	0.20 429	0.20 235	0.60 536	0.74 558	0.56 535	0.31 469	0.39 528	0.22 445	0.30 515	0.09 365	0.07 385	0.08 284	0.07 278	0.11 443	0.09 393

JetBlue	0.71 559	0.45 552	1.14 570	0.51 554	0.47 556	2.02 581	0.64 567	0.75 560	0.70 549	0.69 551	0.77 556	1.22 567	0.83 566	1.03 577	1.01 577	0.40 554	0.28 548	0.33 547	0.33 549	0.30 547	0.34 554

HanzoNet	1.29 577	1.26 580	1.19 571	1.12 576	0.85 576	1.02 575	0.83 573	1.03 573	1.48 578	1.64 580	1.61 581	2.50 583	1.72 582	1.61 581	1.61 580	1.26 581	0.80 580	1.31 581	1.01 579	1.02 578	0.86 578

AnyNet_C01	0.36 532	0.25 527	1.37 572	0.22 461	0.17 512	0.48 540	0.27 511	0.35 487	0.39 470	0.39 519	0.74 553	0.46 530	0.38 526	0.45 542	0.47 551	0.13 483	0.13 500	0.13 478	0.14 492	0.14 489	0.15 503

UNDER WATER	0.97 572	0.97 575	1.42 573	0.99 574	0.70 574	1.12 578	0.84 574	0.80 562	1.08 566	1.01 569	0.90 560	1.55 577	1.22 581	1.03 577	1.00 576	0.78 574	0.53 570	1.02 575	0.87 576	0.80 574	0.74 575

UNDER WATER-64	0.95 571	0.94 573	1.43 574	0.87 570	0.56 562	1.18 579	0.87 575	0.77 561	0.94 563	1.04 570	0.85 559	1.58 578	1.21 580	0.94 574	0.96 575	0.87 576	0.57 575	1.03 576	0.88 577	0.78 573	0.73 574

MADNet++	1.95 579	1.75 582	1.59 575	1.82 582	1.69 582	2.33 582	1.40 582	2.35 584	2.09 584	2.57 584	2.36 584	2.24 582	2.17 583	2.28 582	2.34 582	1.87 584	1.66 584	1.54 583	1.34 583	1.92 582	1.77 584

ASD4	3.54 581	3.38 585	2.05 576	1.72 581	2.51 584	9.03 588	17.71 589	2.25 583	5.51 586	2.46 583	2.81 585	2.03 580	3.36 584	2.73 583	5.06 585	1.22 580	1.34 582	1.13 577	1.33 582	1.68 581	1.49 583

JetRed	1.62 578	1.46 581	2.98 577	0.92 571	1.21 580	4.99 584	1.53 583	1.27 582	1.39 574	1.83 581	1.74 582	1.60 579	0.95 571	1.41 580	2.45 584	0.90 578	1.60 583	0.93 574	0.90 578	1.35 580	0.99 580

USTest	6.22 584	2.73 584	3.00 578	6.57 590	7.29 589	14.37 591	21.57 590	7.00 592	9.56 591	5.34 588	6.10 586	5.72 587	7.64 588	6.41 589	6.96 588	1.97 585	3.42 590	1.64 584	2.15 587	2.66 583	2.36 585

RTS	0.45 544	0.19 504	3.26 579	0.24 491	0.15 487	0.74 559	0.20 429	0.36 494	0.76 557	0.42 529	0.43 512	0.31 469	0.41 536	0.53 550	0.35 530	0.10 406	0.08 411	0.13 478	0.12 479	0.15 504	0.15 503

RTSA	0.45 544	0.19 504	3.26 579	0.24 491	0.15 487	0.74 559	0.20 429	0.36 494	0.76 557	0.42 529	0.43 512	0.31 469	0.41 536	0.53 550	0.35 530	0.10 406	0.08 411	0.13 478	0.12 479	0.15 504	0.15 503

tt	4.67 583	0.06 59	3.55 581	2.02 583	1.55 581	10.25 589	16.71 588	8.91 593	5.03 585	1.31 578	0.94 563	4.71 584	4.76 585	3.33 584	5.87 587	6.06 592	10.30 596	1.88 586	2.11 586	2.75 584	1.21 582

MADNet+	0.75 562	0.71 564	3.70 582	0.66 559	0.41 552	0.98 571	0.97 578	0.69 559	0.73 555	0.52 541	0.57 538	0.64 548	0.68 561	0.86 569	1.01 577	0.34 552	0.36 555	0.28 543	0.23 534	0.36 552	0.31 551

TCMNet-wrong-test	3.67 582	5.48 591	3.89 583	12.18 594	11.75 595	4.65 583	3.88 584	1.06 576	0.72 551	1.09 574	2.15 583	6.30 588	0.53 547	3.43 585	2.36 583	0.89 577	0.20 531	1.87 585	1.69 584	5.57 590	3.62 590

PML	8.91 591	9.34 595	6.13 584	5.35 587	6.41 588	14.99 592	23.38 596	5.27 585	6.83 587	18.04 597	28.19 603	7.67 589	6.83 587	7.85 590	5.75 586	5.35 591	1.83 585	5.95 595	1.93 585	8.64 593	2.52 586

LRCNet_RVC	10.62 593	13.42 596	7.30 585	18.92 596	2.07 583	0.33 515	0.30 534	5.59 588	0.48 505	13.03 595	17.94 596	8.87 590	5.65 586	4.79 586	1.89 581	23.51 601	2.73 589	27.55 602	25.71 602	16.07 599	16.33 600

xxxxx1	7.79 585	5.02 588	7.31 586	3.12 584	3.85 585	16.35 593	22.88 591	5.86 589	8.69 588	7.97 589	8.54 587	9.12 591	8.27 589	10.18 591	10.92 589	2.42 586	2.45 586	3.56 589	12.37 593	3.77 585	3.06 587

tt_ll	7.79 585	5.02 588	7.31 586	3.12 584	3.85 585	16.35 593	22.88 591	5.86 589	8.69 588	7.97 589	8.54 587	9.12 591	8.27 589	10.18 591	10.92 589	2.42 586	2.45 586	3.56 589	12.37 593	3.77 585	3.06 587

ff	7.79 585	5.02 588	7.31 586	3.12 584	3.85 585	16.35 593	22.88 591	5.86 589	8.69 588	7.97 589	8.54 587	9.12 591	8.27 589	10.18 591	10.92 589	2.42 586	2.45 586	3.56 589	12.37 593	3.77 585	3.06 587

Anonymous_1	10.96 594	7.92 592	7.46 589	10.33 591	10.06 590	18.65 597	26.34 597	11.06 594	13.44 595	9.40 592	10.05 592	9.67 594	11.23 594	10.73 594	12.72 594	6.42 593	8.38 593	5.77 592	10.61 592	12.12 594	6.77 591

DPSM_ROB	11.15 595	8.58 593	8.00 590	10.88 592	11.58 593	19.10 598	26.71 598	12.05 595	14.07 596	10.36 593	10.84 593	10.33 595	11.86 595	11.70 595	13.54 595	6.99 594	8.79 594	5.89 593	6.95 588	7.29 591	7.42 594

DPSM	11.15 595	8.58 593	8.00 590	10.88 592	11.58 593	19.10 598	26.71 598	12.05 595	14.07 596	10.36 593	10.84 593	10.33 595	11.86 595	11.70 595	13.54 595	6.99 594	8.79 594	5.89 593	6.95 588	7.29 591	7.42 594

DPSMNet_ROB	8.06 589	4.48 586	8.63 592	5.37 589	10.74 592	8.32 586	22.98 595	5.46 586	13.36 594	5.12 586	9.92 590	5.08 585	10.40 592	5.53 588	12.58 592	3.80 590	8.00 591	3.50 587	7.02 590	3.83 588	7.14 592

DGTPSM_ROB	8.06 589	4.48 586	8.63 592	5.35 587	10.72 591	8.32 586	22.97 594	5.46 586	13.35 593	5.12 586	9.92 590	5.08 585	10.40 592	5.52 587	12.58 592	3.79 589	8.00 591	3.50 587	7.02 590	3.83 588	7.14 592

CasAABBNet	22.42 599	17.33 598	16.01 594	22.01 598	23.28 600	38.32 600	53.80 602	24.14 600	28.41 601	20.60 599	21.77 599	20.89 601	23.91 601	23.43 599	27.36 601	14.07 597	17.69 599	11.83 598	14.01 597	14.67 596	14.95 598

Selective-RAFT-Error	22.47 601	17.37 600	16.09 595	22.06 599	23.34 601	38.39 601	53.83 603	24.29 603	28.47 603	20.74 600	21.83 601	20.81 600	23.90 600	23.54 602	27.53 603	14.08 598	17.69 599	11.82 597	14.00 596	14.69 597	15.00 599

FlowAnything	22.44 600	17.35 599	16.14 596	22.07 600	23.23 599	38.39 601	53.77 601	24.25 601	28.44 602	20.96 602	21.82 600	20.70 599	23.84 599	23.49 600	27.14 600	14.04 596	17.79 601	11.75 596	14.15 599	14.65 595	14.89 596

LSM0	22.87 602	17.28 597	18.96 597	22.19 601	29.04 603	38.42 603	53.71 600	24.28 602	28.31 600	20.78 601	21.00 598	21.43 602	24.16 602	23.50 601	27.39 602	14.09 599	17.38 598	11.84 599	14.04 598	14.73 598	14.89 596

HaxPig	15.71 597	18.52 601	19.18 598	16.89 595	15.89 597	7.73 585	7.60 585	13.31 597	10.82 592	15.42 596	14.91 595	15.98 597	14.92 597	15.58 597	15.98 597	18.95 600	16.73 597	19.46 600	18.08 600	19.26 600	19.05 601

DLNR_Zeroshot_test	10.40 592	1.82 583	19.49 599	120.77 604	13.11 596	0.06 10	0.13 108	0.23 300	0.10 37	0.07 33	0.10 121	0.09 127	0.06 36	0.10 66	0.09 54	0.13 483	0.04 22	0.06 105	0.04 37	51.54 603	0.04 42

MEDIAN_ROB	20.38 598	24.04 602	23.31 600	21.23 597	21.71 598	10.40 590	7.92 586	17.64 598	15.50 598	20.12 598	19.70 597	20.34 598	20.32 598	21.19 598	21.13 598	23.81 602	21.81 602	24.98 601	23.76 601	24.71 601	23.93 602

AVERAGE_ROB	24.90 603	29.20 603	28.14 601	24.89 602	24.64 602	17.75 596	11.12 587	21.45 599	19.93 599	25.12 603	24.46 602	25.12 603	25.46 603	24.69 603	22.83 599	29.76 603	27.13 603	28.97 603	27.95 603	29.91 602	29.47 603

test_example2	98.32 604	94.13 604	45.89 602	96.35 603	109.85 604	88.61 604	95.45 604	25.75 604	94.37 604	130.00 605	126.06 605	58.17 604	74.63 604	88.51 604	79.96 604	150.23 604	221.02 604	77.62 604	99.10 604	113.75 604	96.94 604

coex-ft	3.30 580	0.34 544	59.09 603	0.18 302	0.13 449	0.26 482	0.22 456	0.27 377	0.72 551	1.90 582	0.70 549	0.44 524	0.45 542	0.29 494	0.41 545	0.09 365	0.09 440	0.12 463	0.09 389	0.14 489	0.13 479

EDNetEfficientorigin	7.91 588	0.31 540	153.02 604	0.19 360	0.09 244	0.21 435	0.16 290	0.22 280	0.59 533	0.72 554	0.67 545	0.42 518	0.50 546	0.24 465	0.39 539	0.08 306	0.07 385	0.08 284	0.07 278	0.12 458	0.10 420

ccccc	245.47 605	285.66 605	306.18 605	368.85 605	370.60 605	123.16 605	145.33 605	115.05 605	110.08 605	126.68 604	110.87 604	122.83 605	165.88 605	252.94 605	276.56 605	384.56 605	353.86 605	254.69 605	223.00 605	425.87 605	386.83 605

Low-res two-view benchmark