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

PSi22b	0.06 1	0.04 1	0.09 122	0.13 25	0.05 2	0.08 84	0.11 65	0.06 1	0.06 6	0.06 25	0.06 23	0.08 185	0.05 14	0.08 25	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

PSi22a	0.06 1	0.04 1	0.09 122	0.12 7	0.05 2	0.06 14	0.11 65	0.06 1	0.06 6	0.06 25	0.06 23	0.06 42	0.05 14	0.08 25	0.09 103	0.07 338	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

Foundation-i32	0.06 1	0.04 1	0.09 122	0.13 25	0.04 1	0.06 14	0.12 98	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 4	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

MLG-Stereo_test2	0.06 1	0.04 1	0.10 186	0.15 123	0.05 2	0.07 43	0.11 65	0.09 21	0.04 2	0.06 25	0.05 7	0.06 42	0.04 1	0.08 25	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.05 170	0.05 204

MLG-Stereo_test1	0.06 1	0.05 42	0.08 57	0.17 306	0.05 2	0.06 14	0.11 65	0.08 12	0.03 1	0.05 2	0.04 1	0.06 42	0.05 14	0.09 59	0.09 103	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

FoundationStereo	0.06 1	0.04 1	0.08 57	0.12 7	0.05 2	0.09 138	0.13 178	0.06 1	0.09 52	0.05 2	0.05 7	0.06 42	0.04 1	0.06 1	0.07 1	0.06 167	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

MCSU-Stereo	0.07 7	0.05 42	0.07 11	0.16 219	0.05 2	0.08 84	0.12 98	0.09 21	0.07 15	0.06 25	0.10 194	0.06 42	0.06 65	0.08 25	0.08 25	0.06 167	0.04 25	0.04 1	0.03 1	0.04 48	0.03 2

derf	0.07 7	0.04 1	0.10 186	0.14 69	0.06 28	0.05 4	0.12 98	0.12 85	0.09 52	0.05 2	0.07 64	0.07 124	0.08 228	0.10 122	0.10 207	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.05 204

mm2	0.07 7	0.04 1	0.10 186	0.13 25	0.06 28	0.06 14	0.12 98	0.13 114	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.09 103	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.05 204

mm1	0.07 7	0.04 1	0.10 186	0.13 25	0.06 28	0.06 14	0.12 98	0.06 1	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.09 103	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.05 204

qqai	0.07 7	0.05 42	0.10 186	0.14 69	0.06 28	0.05 4	0.12 98	0.08 12	0.09 52	0.05 2	0.06 23	0.06 42	0.08 228	0.10 122	0.09 103	0.06 167	0.05 275	0.05 50	0.03 1	0.04 48	0.05 204

MGA	0.07 7	0.04 1	0.10 186	0.13 25	0.06 28	0.08 84	0.09 20	0.12 85	0.08 25	0.05 2	0.06 23	0.06 42	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.05 170	0.05 204

CAR	0.07 7	0.05 42	0.08 57	0.14 69	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

MSE-Stereo	0.07 7	0.04 1	0.08 57	0.13 25	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

monster-pro	0.07 7	0.06 118	0.05 1	0.15 123	0.05 2	0.07 43	0.10 35	0.15 187	0.15 250	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 118	0.07 11	0.15 123	0.07 134	0.08 84	0.14 246	0.11 58	0.08 25	0.05 2	0.07 64	0.08 185	0.08 228	0.09 59	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

aanet-new-60k	0.07 7	0.07 236	0.08 57	0.18 397	0.06 28	0.07 43	0.10 35	0.09 21	0.14 222	0.07 75	0.07 64	0.06 42	0.06 65	0.11 197	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-70k	0.07 7	0.06 118	0.09 122	0.17 306	0.06 28	0.08 84	0.12 98	0.11 58	0.10 76	0.06 25	0.07 64	0.07 124	0.06 65	0.10 122	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 236	0.09 122	0.19 466	0.06 28	0.07 43	0.12 98	0.11 58	0.13 189	0.06 25	0.07 64	0.06 42	0.06 65	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-40k	0.07 7	0.08 355	0.07 11	0.17 306	0.07 134	0.08 84	0.13 178	0.10 35	0.10 76	0.07 75	0.08 123	0.06 42	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

GCAP-Stereo-DPT26K	0.07 7	0.06 118	0.07 11	0.16 219	0.06 28	0.08 84	0.12 98	0.10 35	0.08 25	0.06 25	0.09 158	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 236	0.07 11	0.17 306	0.06 28	0.07 43	0.12 98	0.09 21	0.11 108	0.09 181	0.09 158	0.06 42	0.07 179	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 42	0.11 246	0.15 123	0.06 28	0.07 43	0.13 178	0.09 21	0.11 108	0.07 75	0.08 123	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 275	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-24K	0.07 7	0.06 118	0.07 11	0.15 123	0.06 28	0.10 201	0.15 329	0.12 85	0.11 108	0.06 25	0.11 245	0.06 42	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 122	0.13 25	0.05 2	0.08 84	0.11 65	0.06 1	0.06 6	0.06 25	0.05 7	0.08 185	0.05 14	0.08 25	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

LACA3	0.07 7	0.08 355	0.08 57	0.13 25	0.05 2	0.09 138	0.11 65	0.08 12	0.08 25	0.08 129	0.05 7	0.07 124	0.07 179	0.07 4	0.07 1	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 118	0.08 57	0.17 306	0.06 28	0.08 84	0.12 98	0.13 114	0.07 15	0.08 129	0.07 64	0.06 42	0.04 1	0.10 122	0.09 103	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

LACA2	0.07 7	0.05 42	0.06 5	0.15 123	0.06 28	0.09 138	0.11 65	0.11 58	0.10 76	0.05 2	0.05 7	0.06 42	0.08 228	0.09 59	0.07 1	0.07 338	0.04 25	0.04 1	0.04 60	0.04 48	0.04 73

LACA1	0.07 7	0.07 236	0.07 11	0.14 69	0.05 2	0.09 138	0.11 65	0.10 35	0.07 15	0.05 2	0.05 7	0.06 42	0.07 179	0.08 25	0.09 103	0.06 167	0.04 25	0.04 1	0.04 60	0.03 1	0.04 73

Test_v1	0.07 7	0.04 1	0.06 5	0.13 25	0.06 28	0.08 84	0.11 65	0.15 187	0.12 147	0.06 25	0.05 7	0.04 1	0.05 14	0.08 25	0.10 207	0.07 338	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

BLMT-Stereo	0.07 7	0.04 1	0.08 57	0.15 123	0.07 134	0.06 14	0.14 246	0.07 7	0.10 76	0.05 2	0.05 7	0.04 1	0.06 65	0.07 4	0.09 103	0.04 11	0.04 25	0.05 50	0.05 194	0.04 48	0.04 73

Pro-Stereo	0.07 7	0.05 42	0.08 57	0.15 123	0.07 134	0.08 84	0.12 98	0.07 7	0.07 15	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

MatchStereo	0.07 7	0.04 1	0.08 57	0.14 69	0.06 28	0.05 4	0.12 98	0.12 85	0.09 52	0.07 75	0.06 23	0.04 1	0.04 1	0.08 25	0.09 103	0.06 167	0.05 275	0.05 50	0.03 1	0.04 48	0.04 73
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth_RVC	0.07 7	0.04 1	0.09 122	0.11 1	0.05 2	0.10 201	0.10 35	0.14 145	0.09 52	0.06 25	0.07 64	0.06 42	0.07 179	0.07 4	0.10 207	0.06 167	0.04 25	0.04 1	0.04 60	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 42	0.07 11	0.14 69	0.06 28	0.09 138	0.13 178	0.15 187	0.06 6	0.07 75	0.08 123	0.06 42	0.08 228	0.09 59	0.09 103	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.04 73

VIP-Stereo	0.07 7	0.07 236	0.07 11	0.15 123	0.06 28	0.12 307	0.10 35	0.11 58	0.11 108	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 236	0.08 57	0.18 397	0.06 28	0.07 43	0.11 65	0.09 21	0.06 6	0.04 1	0.07 64	0.10 256	0.09 267	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 7	0.05 42	0.09 122	0.13 25	0.06 28	0.12 307	0.12 98	0.11 58	0.10 76	0.07 75	0.08 123	0.06 42	0.06 65	0.09 59	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

MonStereo	0.07 7	0.06 118	0.05 1	0.15 123	0.05 2	0.08 84	0.10 35	0.15 187	0.15 250	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 42	0.07 11	0.16 219	0.06 28	0.07 43	0.11 65	0.10 35	0.08 25	0.06 25	0.06 23	0.07 124	0.07 179	0.09 59	0.09 103	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 118	0.05 1	0.15 123	0.05 2	0.08 84	0.10 35	0.15 187	0.15 250	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 122	0.13 25	0.06 28	0.05 4	0.09 20	0.11 58	0.07 15	0.06 25	0.06 23	0.05 5	0.06 65	0.09 59	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 170	0.05 204

Replicate-Monster	0.07 7	0.05 42	0.09 122	0.14 69	0.06 28	0.08 84	0.09 20	0.13 114	0.13 189	0.05 2	0.07 64	0.06 42	0.06 65	0.08 25	0.10 207	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

AdaDepth	0.07 7	0.06 118	0.07 11	0.18 397	0.06 28	0.11 254	0.12 98	0.09 21	0.07 15	0.06 25	0.05 7	0.07 124	0.06 65	0.09 59	0.10 207	0.04 11	0.05 275	0.05 50	0.04 60	0.04 48	0.04 73

asda	0.07 7	0.08 355	0.08 57	0.16 219	0.06 28	0.06 14	0.10 35	0.16 225	0.10 76	0.06 25	0.06 23	0.05 5	0.05 14	0.10 122	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

asd	0.07 7	0.08 355	0.07 11	0.16 219	0.07 134	0.08 84	0.08 7	0.11 58	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.10 122	0.09 103	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

qwe	0.07 7	0.08 355	0.07 11	0.15 123	0.06 28	0.07 43	0.10 35	0.18 298	0.11 108	0.07 75	0.07 64	0.06 42	0.06 65	0.10 122	0.09 103	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.25w	0.07 7	0.06 118	0.07 11	0.14 69	0.06 28	0.08 84	0.08 7	0.10 35	0.15 250	0.08 129	0.10 194	0.07 124	0.06 65	0.08 25	0.10 207	0.05 51	0.03 1	0.04 1	0.04 60	0.03 1	0.04 73

4.25_new	0.07 7	0.08 355	0.09 122	0.15 123	0.06 28	0.09 138	0.08 7	0.14 145	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.12 291	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 355	0.09 122	0.15 123	0.06 28	0.09 138	0.08 7	0.14 145	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.12 291	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 435	0.08 57	0.15 123	0.07 134	0.06 14	0.10 35	0.14 145	0.11 108	0.06 25	0.08 123	0.06 42	0.06 65	0.08 25	0.10 207	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 435	0.08 57	0.15 123	0.07 134	0.06 14	0.10 35	0.14 145	0.11 108	0.06 25	0.08 123	0.06 42	0.06 65	0.08 25	0.10 207	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 355	0.09 122	0.15 123	0.06 28	0.09 138	0.08 7	0.14 145	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.12 291	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 355	0.08 57	0.16 219	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.07 75	0.07 64	0.05 5	0.06 65	0.09 59	0.10 207	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.5w	0.07 7	0.07 236	0.07 11	0.16 219	0.06 28	0.08 84	0.12 98	0.10 35	0.10 76	0.07 75	0.06 23	0.09 221	0.06 65	0.08 25	0.09 103	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 236	0.07 11	0.13 25	0.06 28	0.08 84	0.08 7	0.18 298	0.12 147	0.07 75	0.08 123	0.06 42	0.06 65	0.09 59	0.11 288	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 73

3.25w_new	0.07 7	0.06 118	0.07 11	0.15 123	0.06 28	0.10 201	0.07 3	0.12 85	0.11 108	0.08 129	0.06 23	0.07 124	0.06 65	0.11 197	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 118	0.07 11	0.15 123	0.06 28	0.10 201	0.07 3	0.12 85	0.11 108	0.08 129	0.06 23	0.07 124	0.06 65	0.11 197	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 236	0.08 57	0.16 219	0.07 134	0.07 43	0.09 20	0.16 225	0.09 52	0.07 75	0.06 23	0.05 5	0.06 65	0.09 59	0.10 207	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 236	0.07 11	0.15 123	0.07 134	0.09 138	0.06 1	0.13 114	0.11 108	0.07 75	0.07 64	0.06 42	0.07 179	0.10 122	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 118	0.07 11	0.16 219	0.06 28	0.07 43	0.10 35	0.14 145	0.14 222	0.07 75	0.08 123	0.05 5	0.06 65	0.09 59	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 73

monsterstereo	0.07 7	0.06 118	0.06 5	0.16 219	0.06 28	0.08 84	0.10 35	0.16 225	0.11 108	0.07 75	0.08 123	0.06 42	0.07 179	0.08 25	0.09 103	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

monsters	0.07 7	0.06 118	0.06 5	0.15 123	0.06 28	0.08 84	0.09 20	0.12 85	0.08 25	0.09 181	0.07 64	0.06 42	0.06 65	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 57	0.13 25	0.06 28	0.09 138	0.12 98	0.14 145	0.10 76	0.06 25	0.09 158	0.07 124	0.05 14	0.09 59	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

111111	0.07 7	0.04 1	0.09 122	0.17 306	0.06 28	0.05 4	0.10 35	0.11 58	0.09 52	0.06 25	0.06 23	0.07 124	0.05 14	0.09 59	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.07 372	0.06 305

LG-Stereo_L2	0.07 7	0.05 42	0.10 186	0.14 69	0.06 28	0.07 43	0.12 98	0.09 21	0.09 52	0.06 25	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

LG-Stereo_L1	0.07 7	0.05 42	0.11 246	0.14 69	0.06 28	0.07 43	0.13 178	0.09 21	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

MLG-Stereo_test3	0.07 7	0.05 42	0.10 186	0.14 69	0.06 28	0.07 43	0.11 65	0.08 12	0.06 6	0.06 25	0.04 1	0.06 42	0.06 65	0.07 4	0.10 207	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.06 305

MLG-Stereo	0.07 7	0.05 42	0.08 57	0.17 306	0.05 2	0.07 43	0.11 65	0.08 12	0.04 2	0.05 2	0.04 1	0.06 42	0.05 14	0.10 122	0.09 103	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

LG-G_1	0.07 7	0.04 1	0.11 246	0.15 123	0.06 28	0.09 138	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 179	0.11 197	0.08 25	0.07 338	0.04 25	0.05 50	0.04 60	0.05 170	0.05 204

LG-G	0.07 7	0.04 1	0.11 246	0.15 123	0.06 28	0.09 138	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 179	0.11 197	0.08 25	0.07 338	0.04 25	0.05 50	0.04 60	0.05 170	0.05 204

LGtest1	0.07 7	0.04 1	0.10 186	0.15 123	0.06 28	0.07 43	0.09 20	0.08 12	0.06 6	0.05 2	0.04 1	0.06 42	0.06 65	0.10 122	0.09 103	0.07 338	0.04 25	0.05 50	0.04 60	0.06 291	0.06 305

LG-Stereo_Zeroshot	0.07 7	0.06 118	0.10 186	0.16 219	0.07 134	0.04 1	0.13 178	0.10 35	0.10 76	0.05 2	0.11 245	0.07 124	0.05 14	0.07 4	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

GREAT-IGEV	0.07 7	0.06 118	0.08 57	0.13 25	0.07 134	0.07 43	0.14 246	0.09 21	0.09 52	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 591	0.17 501	0.11 1	0.05 2	0.05 4	0.11 65	0.08 12	0.08 25	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.08 421	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

AIO_rvc	0.07 7	0.06 118	0.08 57	0.15 123	0.06 28	0.08 84	0.14 246	0.09 21	0.08 25	0.07 75	0.08 123	0.07 124	0.04 1	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

AIO_test	0.07 7	0.05 42	0.07 11	0.15 123	0.07 134	0.06 14	0.14 246	0.10 35	0.10 76	0.07 75	0.07 64	0.06 42	0.05 14	0.08 25	0.10 207	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

MonSter	0.07 7	0.06 118	0.05 1	0.15 123	0.05 2	0.07 43	0.10 35	0.15 187	0.15 250	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 42	0.07 11	0.14 69	0.06 28	0.10 201	0.13 178	0.07 7	0.13 189	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.09 103	0.04 11	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

dual_stereo	0.07 7	0.04 1	0.08 57	0.15 123	0.05 2	0.05 4	0.13 178	0.12 85	0.08 25	0.07 75	0.06 23	0.05 5	0.05 14	0.07 4	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

IGEV-Stereo++	0.07 7	0.06 118	0.08 57	0.18 397	0.06 28	0.04 1	0.10 35	0.11 58	0.11 108	0.06 25	0.07 64	0.07 124	0.06 65	0.09 59	0.09 103	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

IGEV-Stereo+	0.07 7	0.04 1	0.08 57	0.15 123	0.06 28	0.04 1	0.09 20	0.10 35	0.09 52	0.06 25	0.06 23	0.06 42	0.06 65	0.06 1	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.06 291	0.06 305

GCAPDPT-zeroshot4090	0.07 7	0.05 42	0.11 246	0.15 123	0.06 28	0.07 43	0.13 178	0.09 21	0.11 108	0.07 75	0.08 123	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 275	0.05 50	0.04 60	0.03 1	0.04 73

Selective-IGEV	0.07 7	0.06 118	0.08 57	0.17 306	0.06 28	0.08 84	0.12 98	0.13 114	0.07 15	0.08 129	0.07 64	0.06 42	0.04 1	0.10 122	0.09 103	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

LGCAT	0.08 85	0.04 1	0.10 186	0.11 1	0.06 28	0.07 43	0.12 98	0.07 7	0.08 25	0.09 181	0.07 64	0.07 124	0.08 228	0.12 291	0.11 288	0.10 524	0.09 561	0.04 1	0.05 194	0.04 48	0.09 510

quiztm	0.08 85	0.07 236	0.08 57	0.18 397	0.07 134	0.09 138	0.14 246	0.14 145	0.12 147	0.07 75	0.07 64	0.05 5	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.04 60	0.04 48	0.03 2

TS12	0.08 85	0.06 118	0.09 122	0.21 565	0.07 134	0.11 254	0.13 178	0.11 58	0.09 52	0.10 227	0.10 194	0.08 185	0.10 311	0.09 59	0.12 350	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

DF	0.08 85	0.05 42	0.09 122	0.15 123	0.06 28	0.11 254	0.13 178	0.10 35	0.12 147	0.09 181	0.10 194	0.10 256	0.08 228	0.11 197	0.09 103	0.07 338	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

LiteMatch*	0.08 85	0.04 1	0.11 246	0.13 25	0.08 218	0.08 84	0.13 178	0.14 145	0.09 52	0.05 2	0.05 7	0.05 5	0.09 267	0.11 197	0.10 207	0.06 167	0.05 275	0.05 50	0.04 60	0.05 170	0.05 204

aanet-new-90k	0.08 85	0.07 236	0.08 57	0.19 466	0.06 28	0.07 43	0.12 98	0.12 85	0.13 189	0.06 25	0.07 64	0.06 42	0.06 65	0.10 122	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-36k	0.08 85	0.06 118	0.09 122	0.17 306	0.06 28	0.09 138	0.13 178	0.11 58	0.13 189	0.08 129	0.08 123	0.06 42	0.05 14	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-34k	0.08 85	0.06 118	0.09 122	0.17 306	0.05 2	0.07 43	0.13 178	0.12 85	0.12 147	0.09 181	0.08 123	0.07 124	0.05 14	0.10 122	0.09 103	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-32k-new	0.08 85	0.07 236	0.08 57	0.18 397	0.06 28	0.08 84	0.12 98	0.11 58	0.12 147	0.07 75	0.08 123	0.05 5	0.07 179	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 291	0.04 73

aanet-new-32k	0.08 85	0.07 236	0.09 122	0.18 397	0.06 28	0.11 254	0.11 65	0.10 35	0.08 25	0.07 75	0.07 64	0.07 124	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-30k	0.08 85	0.07 236	0.09 122	0.18 397	0.06 28	0.11 254	0.11 65	0.10 35	0.08 25	0.07 75	0.07 64	0.07 124	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-28k	0.08 85	0.07 236	0.09 122	0.18 397	0.06 28	0.08 84	0.12 98	0.10 35	0.09 52	0.09 181	0.08 123	0.08 185	0.06 65	0.12 291	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-22k	0.08 85	0.06 118	0.09 122	0.17 306	0.06 28	0.08 84	0.11 65	0.14 145	0.12 147	0.09 181	0.09 158	0.08 185	0.06 65	0.10 122	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-16k	0.08 85	0.08 355	0.08 57	0.18 397	0.06 28	0.07 43	0.09 20	0.13 114	0.12 147	0.08 129	0.07 64	0.07 124	0.06 65	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-10k	0.08 85	0.08 355	0.08 57	0.19 466	0.07 134	0.08 84	0.12 98	0.14 145	0.11 108	0.07 75	0.08 123	0.07 124	0.07 179	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-12k	0.08 85	0.09 435	0.07 11	0.20 533	0.08 218	0.08 84	0.13 178	0.12 85	0.13 189	0.08 129	0.08 123	0.05 5	0.07 179	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.06 291	0.04 73

aanet-new-14k	0.08 85	0.09 435	0.08 57	0.19 466	0.06 28	0.07 43	0.10 35	0.14 145	0.15 250	0.06 25	0.08 123	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-8k	0.08 85	0.07 236	0.08 57	0.19 466	0.07 134	0.09 138	0.12 98	0.16 225	0.15 250	0.07 75	0.07 64	0.06 42	0.06 65	0.10 122	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

aanet-new	0.08 85	0.09 435	0.10 186	0.18 397	0.08 218	0.10 201	0.12 98	0.15 187	0.12 147	0.08 129	0.08 123	0.05 5	0.07 179	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 291	0.04 73

GCAP-Stereo-cres-4k	0.08 85	0.07 236	0.08 57	0.18 397	0.07 134	0.11 254	0.14 246	0.12 85	0.11 108	0.07 75	0.11 245	0.07 124	0.06 65	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

GCAP-Stereo-DPT-cres	0.08 85	0.05 42	0.07 11	0.15 123	0.06 28	0.10 201	0.14 246	0.13 114	0.12 147	0.07 75	0.09 158	0.07 124	0.06 65	0.10 122	0.09 103	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 85	0.06 118	0.15 435	0.14 69	0.06 28	0.08 84	0.13 178	0.13 114	0.11 108	0.07 75	0.08 123	0.07 124	0.06 65	0.09 59	0.08 25	0.05 51	0.05 275	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-22K	0.08 85	0.06 118	0.07 11	0.17 306	0.06 28	0.07 43	0.14 246	0.13 114	0.16 289	0.05 2	0.10 194	0.06 42	0.06 65	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-5K	0.08 85	0.06 118	0.10 186	0.16 219	0.07 134	0.11 254	0.12 98	0.15 187	0.15 250	0.08 129	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.05 194	0.03 1	0.04 73

GCAP-Stereo-DPT-2K	0.08 85	0.06 118	0.10 186	0.16 219	0.07 134	0.11 254	0.13 178	0.14 145	0.14 222	0.08 129	0.13 285	0.05 5	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-3K	0.08 85	0.07 236	0.10 186	0.16 219	0.07 134	0.09 138	0.12 98	0.15 187	0.14 222	0.08 129	0.11 245	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-50K	0.08 85	0.06 118	0.17 501	0.15 123	0.06 28	0.06 14	0.13 178	0.13 114	0.13 189	0.07 75	0.07 64	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 85	0.06 118	0.07 11	0.16 219	0.06 28	0.06 14	0.14 246	0.14 145	0.14 222	0.07 75	0.10 194	0.06 42	0.05 14	0.09 59	0.09 103	0.04 11	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 85	0.05 42	0.12 290	0.15 123	0.06 28	0.10 201	0.14 246	0.12 85	0.12 147	0.07 75	0.09 158	0.06 42	0.06 65	0.10 122	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

PSi22	0.08 85	0.06 118	0.11 246	0.16 219	0.07 134	0.08 84	0.10 35	0.14 145	0.08 25	0.08 129	0.06 23	0.10 256	0.06 65	0.12 291	0.09 103	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

Foundation-i1c-attn	0.08 85	0.05 42	0.07 11	0.14 69	0.05 2	0.09 138	0.12 98	0.12 85	0.10 76	0.09 181	0.10 194	0.10 256	0.07 179	0.07 4	0.10 207	0.06 167	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Foundation-i1b	0.08 85	0.05 42	0.07 11	0.14 69	0.05 2	0.09 138	0.12 98	0.13 114	0.10 76	0.09 181	0.10 194	0.09 221	0.06 65	0.07 4	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Foundation-i1a	0.08 85	0.05 42	0.07 11	0.13 25	0.05 2	0.13 363	0.13 178	0.12 85	0.09 52	0.11 262	0.11 245	0.11 286	0.06 65	0.08 25	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

DepthFocus	0.08 85	0.04 1	0.15 435	0.12 7	0.09 349	0.07 43	0.12 98	0.10 35	0.05 4	0.09 181	0.05 7	0.07 124	0.04 1	0.08 25	0.08 25	0.06 167	0.05 275	0.07 309	0.07 389	0.05 170	0.04 73

GeoVLM	0.08 85	0.04 1	0.10 186	0.13 25	0.06 28	0.10 201	0.12 98	0.13 114	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.11 288	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.05 204

gcap_with_dpt	0.08 85	0.06 118	0.09 122	0.16 219	0.07 134	0.09 138	0.12 98	0.13 114	0.13 189	0.08 129	0.12 266	0.04 1	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

DispViT+	0.08 85	0.05 42	0.09 122	0.13 25	0.06 28	0.05 4	0.11 65	0.18 298	0.16 289	0.09 181	0.08 123	0.07 124	0.06 65	0.11 197	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 85	0.04 1	0.11 246	0.14 69	0.07 134	0.11 254	0.11 65	0.11 58	0.07 15	0.07 75	0.07 64	0.07 124	0.06 65	0.10 122	0.10 207	0.06 167	0.04 25	0.05 50	0.04 60	0.06 291	0.06 305

BStereo	0.08 85	0.06 118	0.16 471	0.15 123	0.08 218	0.07 43	0.09 20	0.15 187	0.16 289	0.06 25	0.07 64	0.07 124	0.05 14	0.09 59	0.11 288	0.04 11	0.05 275	0.05 50	0.07 389	0.04 48	0.04 73

MonSter++	0.08 85	0.04 1	0.10 186	0.13 25	0.06 28	0.09 138	0.12 98	0.13 114	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.11 288	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.04 73

HiDET	0.08 85	0.04 1	0.10 186	0.13 25	0.06 28	0.08 84	0.12 98	0.12 85	0.11 108	0.06 25	0.07 64	0.07 124	0.07 179	0.11 197	0.11 288	0.06 167	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

LCMNet	0.08 85	0.05 42	0.10 186	0.13 25	0.07 134	0.09 138	0.12 98	0.10 35	0.11 108	0.06 25	0.08 123	0.06 42	0.07 179	0.11 197	0.10 207	0.06 167	0.05 275	0.04 1	0.03 1	0.04 48	0.04 73

GEAStereo	0.08 85	0.05 42	0.08 57	0.13 25	0.08 218	0.08 84	0.14 246	0.10 35	0.09 52	0.08 129	0.10 194	0.06 42	0.05 14	0.11 197	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.05 204

GSStereo	0.08 85	0.05 42	0.08 57	0.13 25	0.08 218	0.08 84	0.14 246	0.11 58	0.12 147	0.08 129	0.10 194	0.05 5	0.05 14	0.11 197	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.05 204

gasm-f	0.08 85	0.05 42	0.07 11	0.13 25	0.08 218	0.08 84	0.14 246	0.10 35	0.09 52	0.08 129	0.10 194	0.06 42	0.05 14	0.10 122	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.06 291	0.05 204

DDF-Stereo	0.08 85	0.04 1	0.09 122	0.15 123	0.10 462	0.06 14	0.13 178	0.09 21	0.14 222	0.06 25	0.06 23	0.07 124	0.06 65	0.09 59	0.10 207	0.06 167	0.04 25	0.06 199	0.04 60	0.08 442	0.05 204

252Zero-FE	0.08 85	0.04 1	0.09 122	0.13 25	0.07 134	0.12 307	0.11 65	0.13 114	0.14 222	0.06 25	0.05 7	0.06 42	0.05 14	0.09 59	0.10 207	0.06 167	0.04 25	0.04 1	0.03 1	0.05 170	0.06 305

DA	0.08 85	0.07 236	0.07 11	0.19 466	0.08 218	0.09 138	0.12 98	0.13 114	0.12 147	0.08 129	0.10 194	0.10 256	0.08 228	0.09 59	0.10 207	0.05 51	0.04 25	0.06 199	0.04 60	0.05 170	0.03 2

zero-FE	0.08 85	0.04 1	0.09 122	0.15 123	0.10 462	0.05 4	0.14 246	0.09 21	0.14 222	0.07 75	0.06 23	0.07 124	0.06 65	0.09 59	0.10 207	0.06 167	0.04 25	0.06 199	0.04 60	0.08 442	0.05 204

GGEV	0.08 85	0.07 236	0.07 11	0.19 466	0.08 218	0.09 138	0.12 98	0.13 114	0.12 147	0.08 129	0.10 194	0.10 256	0.08 228	0.09 59	0.10 207	0.05 51	0.04 25	0.06 199	0.04 60	0.05 170	0.03 2

GASTEREO	0.08 85	0.05 42	0.09 122	0.19 466	0.07 134	0.07 43	0.12 98	0.14 145	0.11 108	0.10 227	0.09 158	0.07 124	0.04 1	0.12 291	0.08 25	0.06 167	0.05 275	0.05 50	0.04 60	0.04 48	0.05 204

MSCF	0.08 85	0.05 42	0.08 57	0.19 466	0.08 218	0.06 14	0.12 98	0.14 145	0.11 108	0.10 227	0.09 158	0.07 124	0.04 1	0.11 197	0.08 25	0.06 167	0.05 275	0.05 50	0.04 60	0.05 170	0.05 204

S2M2_XL	0.08 85	0.06 118	0.12 290	0.12 7	0.08 218	0.09 138	0.09 20	0.07 7	0.07 15	0.08 129	0.07 64	0.07 124	0.06 65	0.09 59	0.09 103	0.08 421	0.06 426	0.07 309	0.05 194	0.08 442	0.06 305
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 85	0.09 435	0.10 186	0.17 306	0.07 134	0.08 84	0.10 35	0.20 339	0.13 189	0.06 25	0.07 64	0.05 5	0.06 65	0.08 25	0.09 103	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 85	0.08 355	0.09 122	0.16 219	0.06 28	0.08 84	0.10 35	0.20 339	0.15 250	0.08 129	0.07 64	0.06 42	0.06 65	0.06 1	0.09 103	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

LG-Stereo	0.08 85	0.07 236	0.10 186	0.18 397	0.07 134	0.10 201	0.17 441	0.11 58	0.08 25	0.05 2	0.07 64	0.05 5	0.07 179	0.09 59	0.09 103	0.04 11	0.05 275	0.07 309	0.07 389	0.04 48	0.04 73

SGD-Stereo	0.08 85	0.05 42	0.10 186	0.14 69	0.05 2	0.12 307	0.12 98	0.11 58	0.12 147	0.07 75	0.09 158	0.09 221	0.09 267	0.08 25	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

HART	0.08 85	0.07 236	0.09 122	0.17 306	0.07 134	0.10 201	0.16 399	0.13 114	0.11 108	0.08 129	0.10 194	0.07 124	0.05 14	0.10 122	0.08 25	0.05 51	0.04 25	0.06 199	0.04 60	0.05 170	0.04 73

Reg-Stereo(zero)	0.08 85	0.05 42	0.08 57	0.16 219	0.06 28	0.12 307	0.11 65	0.15 187	0.10 76	0.12 304	0.09 158	0.10 256	0.08 228	0.11 197	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

SCV_C0	0.08 85	0.07 236	0.07 11	0.16 219	0.09 349	0.08 84	0.15 329	0.11 58	0.12 147	0.08 129	0.07 64	0.06 42	0.05 14	0.11 197	0.07 1	0.05 51	0.05 275	0.05 50	0.04 60	0.06 291	0.05 204

SCV	0.08 85	0.09 435	0.08 57	0.15 123	0.08 218	0.10 201	0.13 178	0.10 35	0.12 147	0.07 75	0.07 64	0.06 42	0.04 1	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.04 60	0.06 291	0.04 73

DEFOM-Stereo_RVC	0.08 85	0.06 118	0.09 122	0.22 582	0.06 28	0.08 84	0.12 98	0.10 35	0.10 76	0.07 75	0.07 64	0.06 42	0.05 14	0.11 197	0.09 103	0.06 167	0.04 25	0.05 50	0.03 1	0.06 291	0.04 73

HUF	0.08 85	0.05 42	0.08 57	0.14 69	0.06 28	0.09 138	0.13 178	0.13 114	0.13 189	0.07 75	0.07 64	0.08 185	0.06 65	0.10 122	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

castereo++	0.08 85	0.05 42	0.08 57	0.15 123	0.05 2	0.14 397	0.12 98	0.11 58	0.15 250	0.07 75	0.07 64	0.07 124	0.06 65	0.08 25	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

IGEV-RUCA	0.08 85	0.06 118	0.11 246	0.14 69	0.09 349	0.10 201	0.12 98	0.10 35	0.12 147	0.06 25	0.07 64	0.07 124	0.06 65	0.09 59	0.08 25	0.06 167	0.05 275	0.05 50	0.04 60	0.05 170	0.06 305

GIP-stereo	0.08 85	0.06 118	0.11 246	0.14 69	0.06 28	0.09 138	0.13 178	0.14 145	0.11 108	0.07 75	0.08 123	0.05 5	0.04 1	0.10 122	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

SMoEStereo_RVC	0.08 85	0.06 118	0.12 290	0.16 219	0.07 134	0.09 138	0.14 246	0.11 58	0.13 189	0.09 181	0.07 64	0.07 124	0.07 179	0.12 291	0.10 207	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

WCG-NET	0.08 85	0.05 42	0.09 122	0.15 123	0.06 28	0.11 254	0.14 246	0.13 114	0.13 189	0.06 25	0.09 158	0.07 124	0.06 65	0.13 345	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

Occ-G	0.08 85	0.05 42	0.06 5	0.14 69	0.07 134	0.08 84	0.14 246	0.13 114	0.15 250	0.07 75	0.11 245	0.07 124	0.05 14	0.09 59	0.10 207	0.06 167	0.05 275	0.05 50	0.04 60	0.05 170	0.05 204

U	0.08 85	0.07 236	0.09 122	0.19 466	0.10 462	0.10 201	0.13 178	0.12 85	0.17 318	0.07 75	0.07 64	0.06 42	0.05 14	0.07 4	0.08 25	0.06 167	0.04 25	0.06 199	0.04 60	0.06 291	0.05 204

AIO-Stereo	0.08 85	0.06 118	0.09 122	0.18 397	0.06 28	0.08 84	0.12 98	0.15 187	0.09 52	0.08 129	0.08 123	0.07 124	0.05 14	0.11 197	0.08 25	0.05 51	0.05 275	0.05 50	0.04 60	0.04 48	0.04 73

WCG-NET（raft）	0.08 85	0.05 42	0.10 186	0.15 123	0.06 28	0.11 254	0.13 178	0.15 187	0.12 147	0.08 129	0.07 64	0.06 42	0.06 65	0.13 345	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

RSM++	0.08 85	0.06 118	0.09 122	0.17 306	0.07 134	0.09 138	0.12 98	0.11 58	0.11 108	0.08 129	0.06 23	0.07 124	0.05 14	0.10 122	0.09 103	0.04 11	0.04 25	0.06 199	0.05 194	0.05 170	0.03 2

RSM	0.08 85	0.06 118	0.09 122	0.17 306	0.06 28	0.08 84	0.12 98	0.12 85	0.10 76	0.08 129	0.07 64	0.06 42	0.05 14	0.11 197	0.09 103	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

gcap-zeroshot	0.08 85	0.06 118	0.10 186	0.15 123	0.07 134	0.11 254	0.12 98	0.15 187	0.15 250	0.08 129	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.05 194	0.03 1	0.04 73

test_for_model	0.08 85	0.06 118	0.10 186	0.16 219	0.07 134	0.11 254	0.12 98	0.15 187	0.15 250	0.08 129	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.05 194	0.03 1	0.04 73

trnet	0.08 85	0.05 42	0.07 11	0.12 7	0.05 2	0.12 307	0.11 65	0.13 114	0.10 76	0.08 129	0.13 285	0.09 221	0.08 228	0.11 197	0.10 207	0.08 421	0.05 275	0.05 50	0.03 1	0.06 291	0.05 204

MoCha-V2	0.08 85	0.05 42	0.10 186	0.20 533	0.07 134	0.09 138	0.14 246	0.11 58	0.08 25	0.07 75	0.08 123	0.07 124	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

IGEV++	0.08 85	0.06 118	0.08 57	0.18 397	0.07 134	0.09 138	0.13 178	0.10 35	0.09 52	0.08 129	0.08 123	0.06 42	0.06 65	0.13 345	0.09 103	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

testlalala	0.08 85	0.06 118	0.10 186	0.15 123	0.07 134	0.11 254	0.12 98	0.15 187	0.15 250	0.08 129	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 199	0.05 194	0.03 1	0.04 73

AEACV	0.08 85	0.05 42	0.08 57	0.14 69	0.13 569	0.14 397	0.13 178	0.14 145	0.09 52	0.07 75	0.09 158	0.07 124	0.08 228	0.10 122	0.09 103	0.06 167	0.04 25	0.06 199	0.05 194	0.05 170	0.04 73

LoS_RVC	0.08 85	0.05 42	0.07 11	0.15 123	0.07 134	0.08 84	0.15 329	0.11 58	0.10 76	0.08 129	0.09 158	0.06 42	0.09 267	0.10 122	0.09 103	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

CAS	0.08 85	0.04 1	0.07 11	0.17 306	0.08 218	0.10 201	0.13 178	0.12 85	0.09 52	0.09 181	0.10 194	0.08 185	0.06 65	0.09 59	0.08 25	0.08 421	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

CES	0.08 85	0.04 1	0.08 57	0.14 69	0.07 134	0.09 138	0.14 246	0.11 58	0.09 52	0.08 129	0.09 158	0.11 286	0.06 65	0.12 291	0.08 25	0.06 167	0.04 25	0.05 50	0.03 1	0.05 170	0.05 204

EGLCR-Stereo	0.08 85	0.05 42	0.08 57	0.14 69	0.06 28	0.10 201	0.12 98	0.11 58	0.16 289	0.06 25	0.05 7	0.07 124	0.05 14	0.10 122	0.11 288	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

MC-Stereo	0.08 85	0.06 118	0.09 122	0.17 306	0.06 28	0.10 201	0.14 246	0.12 85	0.10 76	0.09 181	0.12 266	0.09 221	0.06 65	0.11 197	0.10 207	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

test-3	0.08 85	0.06 118	0.09 122	0.17 306	0.07 134	0.07 43	0.14 246	0.12 85	0.15 250	0.09 181	0.08 123	0.07 124	0.08 228	0.11 197	0.10 207	0.05 51	0.04 25	0.07 309	0.05 194	0.04 48	0.04 73

test_1	0.08 85	0.06 118	0.09 122	0.17 306	0.07 134	0.07 43	0.14 246	0.12 85	0.15 250	0.09 181	0.08 123	0.07 124	0.08 228	0.11 197	0.10 207	0.05 51	0.04 25	0.07 309	0.05 194	0.04 48	0.04 73

CREStereo++_RVC	0.08 85	0.04 1	0.06 5	0.13 25	0.07 134	0.09 138	0.12 98	0.14 145	0.14 222	0.10 227	0.14 299	0.08 185	0.07 179	0.09 59	0.11 288	0.06 167	0.04 25	0.05 50	0.05 194	0.04 48	0.04 73
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
DNS	0.09 174	0.05 42	0.11 246	0.15 123	0.08 218	0.10 201	0.16 399	0.17 264	0.09 52	0.08 129	0.12 266	0.08 185	0.07 179	0.09 59	0.08 25	0.07 338	0.04 25	0.05 50	0.05 194	0.06 291	0.05 204

RT-Monster	0.09 174	0.05 42	0.09 122	0.14 69	0.08 218	0.11 254	0.10 35	0.17 264	0.18 349	0.13 337	0.10 194	0.09 221	0.08 228	0.10 122	0.10 207	0.07 338	0.05 275	0.05 50	0.04 60	0.05 170	0.06 305

LiteMatch	0.09 174	0.06 118	0.10 186	0.16 219	0.07 134	0.09 138	0.15 329	0.13 114	0.08 25	0.06 25	0.07 64	0.06 42	0.15 461	0.10 122	0.14 438	0.07 338	0.04 25	0.06 199	0.06 292	0.06 291	0.06 305

Foundation-i1	0.09 174	0.04 1	0.10 186	0.14 69	0.06 28	0.10 201	0.13 178	0.16 225	0.14 222	0.10 227	0.10 194	0.11 286	0.07 179	0.07 4	0.10 207	0.06 167	0.04 25	0.05 50	0.05 194	0.05 170	0.05 204

VMStereo-Base	0.09 174	0.05 42	0.10 186	0.13 25	0.07 134	0.10 201	0.10 35	0.16 225	0.13 189	0.10 227	0.15 320	0.10 256	0.09 267	0.11 197	0.10 207	0.07 338	0.05 275	0.05 50	0.04 60	0.05 170	0.06 305

Wave_Phase_stereo	0.09 174	0.06 118	0.16 471	0.15 123	0.08 218	0.11 254	0.09 20	0.18 298	0.16 289	0.06 25	0.07 64	0.07 124	0.05 14	0.09 59	0.11 288	0.04 11	0.05 275	0.05 50	0.07 389	0.04 48	0.04 73

NLSM3	0.09 174	0.06 118	0.08 57	0.19 466	0.08 218	0.11 254	0.16 399	0.18 298	0.16 289	0.06 25	0.08 123	0.07 124	0.08 228	0.09 59	0.11 288	0.04 11	0.04 25	0.06 199	0.07 389	0.03 1	0.03 2

FE-Mocha	0.09 174	0.06 118	0.14 385	0.16 219	0.09 349	0.10 201	0.15 329	0.18 298	0.16 289	0.10 227	0.09 158	0.07 124	0.07 179	0.09 59	0.09 103	0.06 167	0.04 25	0.06 199	0.06 292	0.05 170	0.05 204

IGEV-FE	0.09 174	0.05 42	0.12 290	0.13 25	0.08 218	0.12 307	0.13 178	0.17 264	0.11 108	0.10 227	0.06 23	0.09 221	0.06 65	0.11 197	0.09 103	0.06 167	0.04 25	0.06 199	0.06 292	0.05 170	0.05 204

water-stereo	0.09 174	0.06 118	0.08 57	0.16 219	0.07 134	0.09 138	0.13 178	0.15 187	0.13 189	0.11 262	0.12 266	0.08 185	0.09 267	0.07 4	0.08 25	0.06 167	0.05 275	0.05 50	0.05 194	0.04 48	0.04 73

depthmonostereo	0.09 174	0.06 118	0.09 122	0.15 123	0.06 28	0.10 201	0.13 178	0.14 145	0.14 222	0.10 227	0.10 194	0.09 221	0.11 347	0.08 25	0.09 103	0.06 167	0.05 275	0.06 199	0.04 60	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 174	0.05 42	0.08 57	0.15 123	0.06 28	0.11 254	0.12 98	0.14 145	0.16 289	0.11 262	0.11 245	0.09 221	0.09 267	0.11 197	0.10 207	0.06 167	0.05 275	0.05 50	0.04 60	0.03 1	0.03 2

S2M2_L	0.09 174	0.08 355	0.11 246	0.13 25	0.10 462	0.08 84	0.06 1	0.10 35	0.10 76	0.10 227	0.09 158	0.10 256	0.09 267	0.11 197	0.11 288	0.13 607	0.07 498	0.08 403	0.09 509	0.10 541	0.08 464
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 174	0.06 118	0.09 122	0.19 466	0.08 218	0.12 307	0.18 490	0.15 187	0.14 222	0.07 75	0.10 194	0.07 124	0.06 65	0.12 291	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.03 2

castereo	0.09 174	0.06 118	0.11 246	0.15 123	0.06 28	0.11 254	0.15 329	0.14 145	0.18 349	0.08 129	0.10 194	0.11 286	0.08 228	0.09 59	0.10 207	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

fffft	0.09 174	0.06 118	0.12 290	0.16 219	0.07 134	0.09 138	0.17 441	0.12 85	0.11 108	0.08 129	0.07 64	0.09 221	0.06 65	0.11 197	0.12 350	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.05 204
1: 1. 1
tt45	0.09 174	0.06 118	0.11 246	0.15 123	0.07 134	0.11 254	0.16 399	0.13 114	0.11 108	0.09 181	0.06 23	0.08 185	0.06 65	0.13 345	0.10 207	0.06 167	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

999	0.09 174	0.05 42	0.13 346	0.15 123	0.08 218	0.10 201	0.14 246	0.15 187	0.11 108	0.10 227	0.08 123	0.08 185	0.08 228	0.16 441	0.10 207	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.05 204

mms	0.09 174	0.07 236	0.08 57	0.16 219	0.08 218	0.10 201	0.16 399	0.12 85	0.11 108	0.08 129	0.09 158	0.08 185	0.06 65	0.11 197	0.12 350	0.05 51	0.04 25	0.07 309	0.05 194	0.04 48	0.03 2

ours_stereo	0.09 174	0.07 236	0.09 122	0.17 306	0.08 218	0.11 254	0.16 399	0.11 58	0.12 147	0.08 129	0.10 194	0.08 185	0.06 65	0.12 291	0.12 350	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.03 2

fffy	0.09 174	0.08 355	0.09 122	0.16 219	0.07 134	0.13 363	0.17 441	0.13 114	0.12 147	0.08 129	0.09 158	0.08 185	0.09 267	0.13 345	0.11 288	0.05 51	0.05 275	0.07 309	0.05 194	0.04 48	0.05 204

PAM_32	0.09 174	0.05 42	0.17 501	0.15 123	0.08 218	0.10 201	0.15 329	0.14 145	0.15 250	0.09 181	0.08 123	0.09 221	0.07 179	0.14 379	0.08 25	0.06 167	0.05 275	0.06 199	0.06 292	0.05 170	0.06 305

UGAM-zero	0.09 174	0.05 42	0.15 435	0.15 123	0.08 218	0.09 138	0.13 178	0.19 328	0.15 250	0.11 262	0.15 320	0.07 124	0.07 179	0.09 59	0.09 103	0.06 167	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

GCAP-BAT	0.09 174	0.05 42	0.11 246	0.13 25	0.07 134	0.11 254	0.14 246	0.14 145	0.16 289	0.07 75	0.10 194	0.08 185	0.06 65	0.13 345	0.08 25	0.07 338	0.05 275	0.05 50	0.05 194	0.04 48	0.04 73

Pointernet	0.09 174	0.04 1	0.09 122	0.16 219	0.08 218	0.13 363	0.10 35	0.15 187	0.17 318	0.09 181	0.07 64	0.06 42	0.06 65	0.11 197	0.09 103	0.08 421	0.04 25	0.05 50	0.03 1	0.06 291	0.05 204

IGEV-BASED-STEREO-	0.09 174	0.10 497	0.31 611	0.15 123	0.06 28	0.08 84	0.14 246	0.10 35	0.10 76	0.07 75	0.07 64	0.06 42	0.04 1	0.11 197	0.07 1	0.12 581	0.04 25	0.07 309	0.05 194	0.05 170	0.05 204

RAFT-Stereo-weight	0.09 174	0.06 118	0.10 186	0.16 219	0.07 134	0.09 138	0.14 246	0.19 328	0.16 289	0.11 262	0.10 194	0.08 185	0.06 65	0.10 122	0.11 288	0.06 167	0.04 25	0.06 199	0.04 60	0.04 48	0.04 73

MGS-Stereo	0.09 174	0.07 236	0.12 290	0.15 123	0.08 218	0.09 138	0.15 329	0.12 85	0.12 147	0.07 75	0.10 194	0.08 185	0.06 65	0.10 122	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.06 291	0.05 204

ff7	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.10 227	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

IGEVStereo-DCA	0.09 174	0.06 118	0.11 246	0.15 123	0.10 462	0.11 254	0.15 329	0.16 225	0.12 147	0.10 227	0.06 23	0.08 185	0.06 65	0.10 122	0.08 25	0.06 167	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

ffff	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.10 227	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

rrr	0.09 174	0.06 118	0.12 290	0.15 123	0.10 462	0.11 254	0.16 399	0.16 225	0.15 250	0.10 227	0.06 23	0.08 185	0.06 65	0.10 122	0.08 25	0.06 167	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

11t	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.10 227	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

MaDis-Stereo	0.09 174	0.09 435	0.08 57	0.17 306	0.09 349	0.13 363	0.10 35	0.16 225	0.16 289	0.09 181	0.11 245	0.06 42	0.06 65	0.09 59	0.13 394	0.07 338	0.06 426	0.07 309	0.05 194	0.05 170	0.04 73

IGEV_Zeroshot_test	0.09 174	0.05 42	0.12 290	0.13 25	0.08 218	0.12 307	0.13 178	0.17 264	0.11 108	0.10 227	0.06 23	0.09 221	0.06 65	0.11 197	0.09 103	0.06 167	0.04 25	0.06 199	0.06 292	0.05 170	0.05 204

MSKI-zero shot	0.09 174	0.05 42	0.09 122	0.15 123	0.07 134	0.10 201	0.13 178	0.14 145	0.13 189	0.09 181	0.09 158	0.09 221	0.06 65	0.12 291	0.10 207	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

UniTT-Stereo	0.09 174	0.07 236	0.08 57	0.18 397	0.08 218	0.13 363	0.11 65	0.12 85	0.11 108	0.10 227	0.12 266	0.05 5	0.07 179	0.09 59	0.09 103	0.07 338	0.05 275	0.05 50	0.05 194	0.05 170	0.05 204

MIM_Stereo	0.09 174	0.07 236	0.11 246	0.15 123	0.07 134	0.06 14	0.12 98	0.20 339	0.14 222	0.13 337	0.13 285	0.09 221	0.05 14	0.12 291	0.08 25	0.05 51	0.06 426	0.07 309	0.06 292	0.06 291	0.05 204

CASnet	0.09 174	0.09 435	0.09 122	0.19 466	0.06 28	0.07 43	0.11 65	0.18 298	0.14 222	0.11 262	0.10 194	0.09 221	0.07 179	0.10 122	0.10 207	0.06 167	0.04 25	0.10 535	0.08 462	0.05 170	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 174	0.05 42	0.11 246	0.13 25	0.07 134	0.11 254	0.14 246	0.14 145	0.16 289	0.07 75	0.10 194	0.08 185	0.06 65	0.13 345	0.08 25	0.07 338	0.05 275	0.05 50	0.05 194	0.04 48	0.04 73

GCAP-Stereo	0.09 174	0.07 236	0.13 346	0.18 397	0.06 28	0.11 254	0.07 3	0.13 114	0.12 147	0.09 181	0.10 194	0.07 124	0.09 267	0.13 345	0.10 207	0.06 167	0.05 275	0.05 50	0.04 60	0.04 48	0.05 204

RAFT-Test	0.09 174	0.06 118	0.10 186	0.15 123	0.07 134	0.11 254	0.15 329	0.16 225	0.13 189	0.09 181	0.10 194	0.10 256	0.09 267	0.12 291	0.09 103	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

HH	0.09 174	0.06 118	0.13 346	0.17 306	0.08 218	0.10 201	0.16 399	0.14 145	0.10 76	0.08 129	0.09 158	0.08 185	0.07 179	0.10 122	0.09 103	0.06 167	0.04 25	0.06 199	0.05 194	0.05 170	0.04 73

HanStereo	0.09 174	0.06 118	0.13 346	0.17 306	0.08 218	0.10 201	0.16 399	0.14 145	0.10 76	0.08 129	0.09 158	0.08 185	0.07 179	0.10 122	0.09 103	0.06 167	0.04 25	0.06 199	0.05 194	0.05 170	0.04 73

4D-IteraStereo	0.09 174	0.07 236	0.10 186	0.18 397	0.07 134	0.09 138	0.15 329	0.17 264	0.15 250	0.10 227	0.11 245	0.10 256	0.07 179	0.11 197	0.09 103	0.05 51	0.03 1	0.08 403	0.07 389	0.06 291	0.05 204

anonymousdsp	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.09 181	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

LoS	0.09 174	0.05 42	0.11 246	0.13 25	0.07 134	0.14 397	0.11 65	0.15 187	0.15 250	0.09 181	0.09 158	0.12 310	0.09 267	0.15 406	0.10 207	0.07 338	0.05 275	0.05 50	0.03 1	0.05 170	0.05 204
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 174	0.07 236	0.10 186	0.17 306	0.08 218	0.10 201	0.15 329	0.15 187	0.12 147	0.09 181	0.06 23	0.07 124	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.06 305

RCA-Stereo	0.09 174	0.06 118	0.09 122	0.16 219	0.06 28	0.09 138	0.13 178	0.18 298	0.14 222	0.09 181	0.10 194	0.08 185	0.07 179	0.12 291	0.11 288	0.06 167	0.04 25	0.06 199	0.05 194	0.05 170	0.04 73

CroCo-Stereo Lap2	0.09 174	0.09 435	0.08 57	0.22 582	0.09 349	0.09 138	0.19 530	0.16 225	0.12 147	0.09 181	0.10 194	0.05 5	0.05 14	0.08 25	0.08 25	0.06 167	0.06 426	0.07 309	0.05 194	0.05 170	0.05 204

ccc-4	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.10 227	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

IGEV-Stereo	0.09 174	0.07 236	0.11 246	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.12 147	0.09 181	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 174	0.05 42	0.13 346	0.14 69	0.08 218	0.12 307	0.15 329	0.18 298	0.10 76	0.11 262	0.08 123	0.08 185	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.06 199	0.05 194	0.06 291	0.05 204

TRStereo	0.09 174	0.05 42	0.12 290	0.15 123	0.12 546	0.10 201	0.13 178	0.18 298	0.18 349	0.09 181	0.09 158	0.09 221	0.06 65	0.10 122	0.08 25	0.07 338	0.05 275	0.07 309	0.07 389	0.04 48	0.04 73

AnonymousM	0.09 174	0.05 42	0.10 186	0.14 69	0.06 28	0.09 138	0.13 178	0.19 328	0.14 222	0.13 337	0.11 245	0.09 221	0.08 228	0.13 345	0.10 207	0.08 421	0.05 275	0.08 403	0.05 194	0.05 170	0.05 204

CroCo-Stereo	0.09 174	0.08 355	0.08 57	0.22 582	0.09 349	0.09 138	0.19 530	0.15 187	0.12 147	0.07 75	0.07 64	0.08 185	0.06 65	0.08 25	0.07 1	0.07 338	0.05 275	0.06 199	0.04 60	0.05 170	0.04 73
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 174	0.06 118	0.07 11	0.15 123	0.05 2	0.16 455	0.18 490	0.15 187	0.15 250	0.10 227	0.11 245	0.11 286	0.11 347	0.10 122	0.12 350	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

TANstereo	0.09 174	0.04 1	0.08 57	0.13 25	0.06 28	0.11 254	0.14 246	0.15 187	0.19 367	0.11 262	0.15 320	0.10 256	0.06 65	0.12 291	0.09 103	0.07 338	0.05 275	0.05 50	0.04 60	0.06 291	0.05 204

XX-TBD	0.09 174	0.06 118	0.07 11	0.14 69	0.07 134	0.12 307	0.16 399	0.14 145	0.13 189	0.11 262	0.12 266	0.09 221	0.08 228	0.10 122	0.10 207	0.06 167	0.04 25	0.05 50	0.03 1	0.06 291	0.05 204

raftrobust	0.09 174	0.06 118	0.10 186	0.17 306	0.08 218	0.09 138	0.10 35	0.18 298	0.16 289	0.10 227	0.09 158	0.12 310	0.07 179	0.12 291	0.10 207	0.08 421	0.05 275	0.06 199	0.05 194	0.05 170	0.05 204

XX-Stereo	0.09 174	0.05 42	0.08 57	0.17 306	0.09 349	0.15 424	0.12 98	0.20 339	0.10 76	0.10 227	0.14 299	0.07 124	0.06 65	0.12 291	0.08 25	0.06 167	0.05 275	0.06 199	0.06 292	0.04 48	0.04 73

test_xeample3	0.09 174	0.06 118	0.12 290	0.16 219	0.09 349	0.11 254	0.15 329	0.16 225	0.13 189	0.10 227	0.06 23	0.08 185	0.06 65	0.10 122	0.09 103	0.05 51	0.04 25	0.06 199	0.05 194	0.05 170	0.06 305

RAFT-Stereo + iAFF	0.09 174	0.06 118	0.10 186	0.17 306	0.06 28	0.10 201	0.16 399	0.17 264	0.14 222	0.09 181	0.10 194	0.08 185	0.09 267	0.11 197	0.09 103	0.05 51	0.04 25	0.06 199	0.06 292	0.04 48	0.03 2

AFF-stereo	0.09 174	0.06 118	0.10 186	0.17 306	0.07 134	0.10 201	0.16 399	0.17 264	0.09 52	0.10 227	0.12 266	0.09 221	0.09 267	0.12 291	0.09 103	0.05 51	0.04 25	0.07 309	0.07 389	0.04 48	0.03 2

EAI-Stereo	0.09 174	0.07 236	0.11 246	0.15 123	0.06 28	0.10 201	0.15 329	0.16 225	0.09 52	0.08 129	0.09 158	0.08 185	0.07 179	0.09 59	0.11 288	0.05 51	0.04 25	0.05 50	0.05 194	0.05 170	0.04 73

CFNet-RSSM	0.09 174	0.07 236	0.09 122	0.16 219	0.07 134	0.09 138	0.15 329	0.16 225	0.17 318	0.08 129	0.12 266	0.10 256	0.09 267	0.11 197	0.09 103	0.06 167	0.04 25	0.06 199	0.04 60	0.04 48	0.04 73

Gwc-CoAtRS	0.09 174	0.06 118	0.10 186	0.16 219	0.07 134	0.10 201	0.14 246	0.17 264	0.17 318	0.08 129	0.10 194	0.12 310	0.09 267	0.12 291	0.09 103	0.06 167	0.04 25	0.06 199	0.04 60	0.04 48	0.04 73

CREStereo	0.09 174	0.04 1	0.08 57	0.11 1	0.06 28	0.13 363	0.14 246	0.14 145	0.10 76	0.08 129	0.13 285	0.09 221	0.08 228	0.11 197	0.10 207	0.08 421	0.04 25	0.05 50	0.03 1	0.06 291	0.06 305
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 174	0.05 42	0.09 122	0.12 7	0.06 28	0.12 307	0.14 246	0.15 187	0.11 108	0.09 181	0.13 285	0.10 256	0.07 179	0.13 345	0.10 207	0.15 625	0.04 25	0.05 50	0.03 1	0.07 372	0.06 305

ManiGeoR	0.10 243	0.05 42	0.12 290	0.12 7	0.08 218	0.12 307	0.12 98	0.24 437	0.14 222	0.12 304	0.14 299	0.12 310	0.09 267	0.13 345	0.13 394	0.07 338	0.04 25	0.05 50	0.05 194	0.07 372	0.07 393

HLf10	0.10 243	0.05 42	0.12 290	0.12 7	0.08 218	0.12 307	0.12 98	0.24 437	0.14 222	0.12 304	0.14 299	0.12 310	0.09 267	0.13 345	0.13 394	0.07 338	0.04 25	0.05 50	0.05 194	0.07 372	0.07 393

TestStereo_HLe17	0.10 243	0.05 42	0.12 290	0.13 25	0.07 134	0.11 254	0.15 329	0.21 362	0.15 250	0.11 262	0.14 299	0.11 286	0.09 267	0.13 345	0.12 350	0.07 338	0.04 25	0.05 50	0.05 194	0.07 372	0.06 305

TestStereo_HL1	0.10 243	0.05 42	0.12 290	0.12 7	0.07 134	0.12 307	0.13 178	0.22 388	0.11 108	0.14 361	0.14 299	0.11 286	0.09 267	0.13 345	0.13 394	0.07 338	0.04 25	0.05 50	0.05 194	0.07 372	0.07 393

DN	0.10 243	0.05 42	0.09 122	0.14 69	0.09 349	0.12 307	0.18 490	0.17 264	0.16 289	0.08 129	0.09 158	0.08 185	0.06 65	0.08 25	0.09 103	0.11 556	0.05 275	0.07 309	0.06 292	0.07 372	0.09 510

Hybrid-DGEV-03	0.10 243	0.06 118	0.09 122	0.18 397	0.08 218	0.16 455	0.14 246	0.15 187	0.14 222	0.13 337	0.16 333	0.12 310	0.09 267	0.13 345	0.11 288	0.06 167	0.04 25	0.08 403	0.06 292	0.05 170	0.04 73

WQFJA1	0.10 243	0.07 236	0.08 57	0.20 533	0.09 349	0.12 307	0.17 441	0.17 264	0.17 318	0.09 181	0.10 194	0.08 185	0.10 311	0.12 291	0.11 288	0.06 167	0.07 498	0.07 309	0.06 292	0.06 291	0.05 204

WQFJX1	0.10 243	0.07 236	0.08 57	0.22 582	0.09 349	0.12 307	0.17 441	0.18 298	0.17 318	0.10 227	0.09 158	0.07 124	0.10 311	0.11 197	0.09 103	0.07 338	0.08 528	0.07 309	0.06 292	0.05 170	0.04 73

WQFJX	0.10 243	0.07 236	0.09 122	0.21 565	0.09 349	0.12 307	0.16 399	0.18 298	0.17 318	0.12 304	0.10 194	0.07 124	0.09 267	0.12 291	0.10 207	0.06 167	0.07 498	0.06 199	0.05 194	0.06 291	0.05 204

NLMM	0.10 243	0.07 236	0.08 57	0.20 533	0.09 349	0.12 307	0.17 441	0.17 264	0.17 318	0.09 181	0.10 194	0.08 185	0.10 311	0.12 291	0.11 288	0.06 167	0.07 498	0.07 309	0.06 292	0.06 291	0.05 204

NLSM1	0.10 243	0.07 236	0.07 11	0.19 466	0.08 218	0.13 363	0.16 399	0.21 362	0.15 250	0.11 262	0.10 194	0.06 42	0.10 311	0.10 122	0.11 288	0.07 338	0.08 528	0.08 403	0.07 389	0.05 170	0.05 204

MM-Stereo_test3	0.10 243	0.07 236	0.07 11	0.18 397	0.07 134	0.12 307	0.19 530	0.24 437	0.19 367	0.06 25	0.10 194	0.08 185	0.06 65	0.11 197	0.08 25	0.06 167	0.06 426	0.07 309	0.05 194	0.05 170	0.04 73

MM-Stereo_test1	0.10 243	0.07 236	0.08 57	0.18 397	0.07 134	0.12 307	0.18 490	0.21 362	0.20 390	0.09 181	0.11 245	0.08 185	0.06 65	0.10 122	0.10 207	0.06 167	0.05 275	0.07 309	0.06 292	0.05 170	0.04 73

AIO-test2	0.10 243	0.08 355	0.10 186	0.23 606	0.08 218	0.11 254	0.10 35	0.23 412	0.23 432	0.08 129	0.09 158	0.08 185	0.05 14	0.10 122	0.08 25	0.06 167	0.05 275	0.08 403	0.09 509	0.05 170	0.05 204

AIO-test1	0.10 243	0.07 236	0.10 186	0.23 606	0.07 134	0.09 138	0.13 178	0.21 362	0.14 222	0.11 262	0.12 266	0.09 221	0.07 179	0.11 197	0.09 103	0.06 167	0.05 275	0.09 486	0.10 550	0.03 1	0.06 305

tg	0.10 243	0.06 118	0.10 186	0.18 397	0.08 218	0.11 254	0.16 399	0.20 339	0.12 147	0.08 129	0.11 245	0.11 286	0.07 179	0.11 197	0.10 207	0.05 51	0.04 25	0.08 403	0.08 462	0.04 48	0.04 73

PAM	0.10 243	0.05 42	0.16 471	0.15 123	0.08 218	0.09 138	0.16 399	0.15 187	0.16 289	0.12 304	0.09 158	0.09 221	0.07 179	0.13 345	0.08 25	0.06 167	0.05 275	0.06 199	0.06 292	0.05 170	0.06 305

model_zeroshot	0.10 243	0.04 1	0.11 246	0.15 123	0.09 349	0.12 307	0.14 246	0.20 339	0.13 189	0.11 262	0.10 194	0.12 310	0.07 179	0.12 291	0.10 207	0.07 338	0.06 426	0.06 199	0.05 194	0.06 291	0.06 305

RAStereo	0.10 243	0.09 435	0.08 57	0.20 533	0.08 218	0.13 363	0.18 490	0.15 187	0.17 318	0.10 227	0.12 266	0.05 5	0.06 65	0.09 59	0.08 25	0.07 338	0.05 275	0.07 309	0.05 194	0.05 170	0.04 73

rvit_stereo_0080	0.10 243	0.08 355	0.14 385	0.15 123	0.09 349	0.07 43	0.15 329	0.16 225	0.16 289	0.11 262	0.10 194	0.14 361	0.08 228	0.12 291	0.10 207	0.09 482	0.07 498	0.07 309	0.06 292	0.07 372	0.05 204

H2IRNET	0.10 243	0.09 435	0.09 122	0.18 397	0.09 349	0.12 307	0.15 329	0.14 145	0.21 406	0.10 227	0.10 194	0.10 256	0.10 311	0.10 122	0.10 207	0.05 51	0.04 25	0.08 403	0.08 462	0.06 291	0.05 204

Former-RAFT_DAM_RVC	0.10 243	0.08 355	0.12 290	0.16 219	0.08 218	0.15 424	0.16 399	0.18 298	0.18 349	0.10 227	0.09 158	0.09 221	0.08 228	0.11 197	0.12 350	0.07 338	0.05 275	0.08 403	0.06 292	0.07 372	0.06 305

MyStereo07	0.10 243	0.07 236	0.10 186	0.17 306	0.09 349	0.14 397	0.18 490	0.15 187	0.15 250	0.09 181	0.06 23	0.06 42	0.07 179	0.12 291	0.09 103	0.06 167	0.05 275	0.08 403	0.07 389	0.06 291	0.06 305

MyStereo06	0.10 243	0.07 236	0.12 290	0.17 306	0.09 349	0.13 363	0.18 490	0.19 328	0.12 147	0.12 304	0.08 123	0.07 124	0.07 179	0.11 197	0.09 103	0.06 167	0.05 275	0.07 309	0.07 389	0.06 291	0.06 305

AE-Stereo	0.10 243	0.08 355	0.10 186	0.18 397	0.09 349	0.10 201	0.15 329	0.14 145	0.19 367	0.09 181	0.14 299	0.12 310	0.08 228	0.11 197	0.10 207	0.05 51	0.06 426	0.07 309	0.06 292	0.05 170	0.04 73

ACVNet-DCA	0.10 243	0.08 355	0.12 290	0.17 306	0.09 349	0.13 363	0.15 329	0.23 412	0.16 289	0.09 181	0.09 158	0.06 42	0.06 65	0.10 122	0.07 1	0.06 167	0.04 25	0.06 199	0.05 194	0.07 372	0.07 393

cc1	0.10 243	0.08 355	0.12 290	0.17 306	0.09 349	0.13 363	0.15 329	0.16 225	0.18 349	0.09 181	0.09 158	0.06 42	0.06 65	0.10 122	0.07 1	0.06 167	0.04 25	0.06 199	0.05 194	0.06 291	0.06 305

tt1	0.10 243	0.08 355	0.12 290	0.17 306	0.09 349	0.12 307	0.16 399	0.15 187	0.19 367	0.09 181	0.08 123	0.06 42	0.06 65	0.10 122	0.07 1	0.06 167	0.04 25	0.06 199	0.05 194	0.06 291	0.06 305

whm_eth	0.10 243	0.08 355	0.14 385	0.15 123	0.09 349	0.07 43	0.15 329	0.16 225	0.16 289	0.11 262	0.10 194	0.14 361	0.08 228	0.12 291	0.10 207	0.09 482	0.07 498	0.07 309	0.06 292	0.07 372	0.05 204

plain	0.10 243	0.08 355	0.10 186	0.19 466	0.09 349	0.10 201	0.15 329	0.14 145	0.13 189	0.13 337	0.15 320	0.09 221	0.12 379	0.13 345	0.12 350	0.07 338	0.05 275	0.09 486	0.06 292	0.06 291	0.06 305

Any-RAFT	0.10 243	0.05 42	0.09 122	0.14 69	0.07 134	0.13 363	0.14 246	0.21 362	0.15 250	0.11 262	0.12 266	0.12 310	0.09 267	0.12 291	0.09 103	0.07 338	0.04 25	0.05 50	0.04 60	0.06 291	0.05 204

LL-Strereo2	0.10 243	0.10 497	0.15 435	0.18 397	0.08 218	0.15 424	0.09 20	0.17 264	0.14 222	0.14 361	0.10 194	0.09 221	0.07 179	0.16 441	0.10 207	0.05 51	0.05 275	0.10 535	0.07 389	0.06 291	0.05 204

DCANet-4	0.10 243	0.06 118	0.12 290	0.16 219	0.06 28	0.09 138	0.17 441	0.18 298	0.19 367	0.13 337	0.16 333	0.09 221	0.14 443	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

fff	0.10 243	0.06 118	0.12 290	0.15 123	0.07 134	0.09 138	0.17 441	0.16 225	0.20 390	0.13 337	0.16 333	0.10 256	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

ADStereo(finetuned)	0.10 243	0.06 118	0.12 290	0.16 219	0.06 28	0.09 138	0.17 441	0.15 187	0.19 367	0.13 337	0.17 356	0.10 256	0.12 379	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

test_4	0.10 243	0.10 497	0.08 57	0.19 466	0.09 349	0.08 84	0.22 583	0.15 187	0.17 318	0.12 304	0.18 384	0.12 310	0.09 267	0.08 25	0.11 288	0.04 11	0.04 25	0.08 403	0.08 462	0.04 48	0.03 2

IPLG	0.10 243	0.07 236	0.15 435	0.17 306	0.08 218	0.11 254	0.14 246	0.20 339	0.15 250	0.12 304	0.17 356	0.07 124	0.07 179	0.14 379	0.13 394	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

test_3	0.10 243	0.09 435	0.10 186	0.20 533	0.08 218	0.13 363	0.26 632	0.14 145	0.21 406	0.10 227	0.10 194	0.09 221	0.09 267	0.08 25	0.11 288	0.05 51	0.04 25	0.08 403	0.07 389	0.04 48	0.04 73

STrans-v2	0.10 243	0.07 236	0.12 290	0.18 397	0.07 134	0.10 201	0.14 246	0.21 362	0.11 108	0.11 262	0.15 320	0.12 310	0.10 311	0.11 197	0.12 350	0.05 51	0.04 25	0.06 199	0.06 292	0.04 48	0.04 73

TransformOpticalFlow	0.10 243	0.08 355	0.13 346	0.18 397	0.07 134	0.09 138	0.15 329	0.19 328	0.15 250	0.12 304	0.17 356	0.11 286	0.11 347	0.11 197	0.10 207	0.05 51	0.04 25	0.06 199	0.06 292	0.05 170	0.05 204

SST-Stereo	0.10 243	0.07 236	0.15 435	0.18 397	0.09 349	0.06 14	0.12 98	0.17 264	0.11 108	0.15 390	0.17 356	0.13 341	0.12 379	0.10 122	0.11 288	0.06 167	0.04 25	0.09 486	0.06 292	0.06 291	0.05 204

cross-raft	0.10 243	0.09 435	0.09 122	0.19 466	0.07 134	0.11 254	0.25 623	0.13 114	0.15 250	0.08 129	0.11 245	0.12 310	0.10 311	0.09 59	0.11 288	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

test-1	0.10 243	0.07 236	0.16 471	0.19 466	0.08 218	0.11 254	0.24 607	0.14 145	0.18 349	0.09 181	0.07 64	0.09 221	0.08 228	0.07 4	0.09 103	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

iRaftStereo_RVC	0.10 243	0.07 236	0.09 122	0.17 306	0.09 349	0.11 254	0.17 441	0.18 298	0.12 147	0.09 181	0.12 266	0.10 256	0.07 179	0.11 197	0.10 207	0.05 51	0.04 25	0.08 403	0.08 462	0.04 48	0.04 73

RALCasStereoNet	0.10 243	0.06 118	0.09 122	0.16 219	0.08 218	0.12 307	0.14 246	0.17 264	0.11 108	0.12 304	0.17 356	0.14 361	0.10 311	0.12 291	0.11 288	0.07 338	0.06 426	0.06 199	0.05 194	0.08 442	0.07 393

DCANet	0.10 243	0.06 118	0.12 290	0.16 219	0.06 28	0.09 138	0.17 441	0.15 187	0.19 367	0.13 337	0.17 356	0.10 256	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

csc	0.10 243	0.06 118	0.12 290	0.15 123	0.07 134	0.09 138	0.17 441	0.16 225	0.20 390	0.13 337	0.16 333	0.10 256	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

cscssc	0.10 243	0.06 118	0.12 290	0.15 123	0.07 134	0.09 138	0.17 441	0.16 225	0.20 390	0.13 337	0.16 333	0.10 256	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.05 50	0.04 60	0.04 48	0.05 204

111	0.10 243	0.06 118	0.12 290	0.15 123	0.07 134	0.10 201	0.14 246	0.21 362	0.23 432	0.11 262	0.12 266	0.14 361	0.11 347	0.13 345	0.10 207	0.06 167	0.04 25	0.06 199	0.04 60	0.05 170	0.05 204

R-Stereo Train	0.10 243	0.06 118	0.10 186	0.17 306	0.08 218	0.11 254	0.14 246	0.23 412	0.11 108	0.12 304	0.19 395	0.11 286	0.08 228	0.09 59	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.05 204

RAFT-Stereo	0.10 243	0.06 118	0.10 186	0.17 306	0.08 218	0.11 254	0.14 246	0.23 412	0.11 108	0.12 304	0.19 395	0.11 286	0.08 228	0.09 59	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.05 204
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 243	0.06 118	0.12 290	0.14 69	0.06 28	0.11 254	0.10 35	0.18 298	0.18 349	0.13 337	0.16 333	0.14 361	0.11 347	0.15 406	0.13 394	0.06 167	0.04 25	0.04 1	0.04 60	0.06 291	0.05 204
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
HLF11	0.11 295	0.05 42	0.13 346	0.12 7	0.08 218	0.14 397	0.11 65	0.22 388	0.10 76	0.12 304	0.23 450	0.11 286	0.11 347	0.14 379	0.13 394	0.08 421	0.05 275	0.05 50	0.04 60	0.08 442	0.08 464

HLf8	0.11 295	0.05 42	0.13 346	0.11 1	0.08 218	0.15 424	0.12 98	0.22 388	0.15 250	0.13 337	0.17 356	0.12 310	0.10 311	0.14 379	0.12 350	0.09 482	0.05 275	0.05 50	0.05 194	0.08 442	0.08 464

TestStereo_HL3	0.11 295	0.05 42	0.14 385	0.12 7	0.07 134	0.12 307	0.12 98	0.21 362	0.11 108	0.14 361	0.25 492	0.11 286	0.10 311	0.14 379	0.13 394	0.07 338	0.04 25	0.05 50	0.04 60	0.07 372	0.07 393

TestStereo_HL2	0.11 295	0.05 42	0.12 290	0.12 7	0.07 134	0.10 201	0.10 35	0.24 437	0.14 222	0.13 337	0.23 450	0.12 310	0.10 311	0.13 345	0.13 394	0.07 338	0.05 275	0.05 50	0.04 60	0.07 372	0.07 393

TestStereo-Hl	0.11 295	0.05 42	0.12 290	0.12 7	0.08 218	0.12 307	0.13 178	0.23 412	0.13 189	0.15 390	0.16 333	0.12 310	0.09 267	0.12 291	0.13 394	0.07 338	0.04 25	0.05 50	0.05 194	0.08 442	0.07 393

Lsterematch	0.11 295	0.06 118	0.11 246	0.16 219	0.07 134	0.13 363	0.15 329	0.14 145	0.17 318	0.16 419	0.18 384	0.15 390	0.15 461	0.12 291	0.14 438	0.07 338	0.04 25	0.06 199	0.06 292	0.06 291	0.06 305

Hybrid-DGEV-2	0.11 295	0.06 118	0.12 290	0.18 397	0.09 349	0.09 138	0.13 178	0.28 515	0.29 517	0.11 262	0.11 245	0.09 221	0.12 379	0.12 291	0.09 103	0.06 167	0.05 275	0.07 309	0.07 389	0.05 170	0.05 204

NLMM1	0.11 295	0.09 435	0.07 11	0.22 582	0.10 462	0.12 307	0.20 553	0.18 298	0.20 390	0.12 304	0.11 245	0.07 124	0.09 267	0.11 197	0.11 288	0.08 421	0.08 528	0.07 309	0.06 292	0.04 48	0.04 73

NLCSM	0.11 295	0.09 435	0.09 122	0.23 606	0.11 512	0.12 307	0.19 530	0.18 298	0.18 349	0.12 304	0.11 245	0.07 124	0.09 267	0.11 197	0.10 207	0.07 338	0.08 528	0.07 309	0.07 389	0.06 291	0.05 204

Select-FE	0.11 295	0.06 118	0.20 549	0.15 123	0.11 512	0.11 254	0.13 178	0.21 362	0.18 349	0.09 181	0.11 245	0.10 256	0.06 65	0.12 291	0.09 103	0.07 338	0.05 275	0.07 309	0.08 462	0.06 291	0.08 464

FlowAnything_test	0.11 295	0.08 355	0.14 385	0.15 123	0.09 349	0.07 43	0.14 246	0.20 339	0.11 108	0.09 181	0.09 158	0.12 310	0.12 379	0.13 345	0.11 288	0.09 482	0.06 426	0.09 486	0.09 509	0.06 291	0.09 510

xyz-stereo-finetune2	0.11 295	0.07 236	0.13 346	0.13 25	0.07 134	0.11 254	0.19 530	0.17 264	0.12 147	0.15 390	0.15 320	0.17 427	0.12 379	0.13 345	0.11 288	0.05 51	0.04 25	0.07 309	0.05 194	0.04 48	0.06 305

xyz-stereo-finetune	0.11 295	0.08 355	0.13 346	0.14 69	0.06 28	0.10 201	0.19 530	0.17 264	0.19 367	0.12 304	0.14 299	0.15 390	0.10 311	0.13 345	0.11 288	0.05 51	0.04 25	0.07 309	0.05 194	0.04 48	0.05 204

fast-iter	0.11 295	0.06 118	0.11 246	0.13 25	0.09 349	0.09 138	0.14 246	0.21 362	0.10 76	0.19 485	0.17 356	0.14 361	0.09 267	0.16 441	0.08 25	0.05 51	0.04 25	0.07 309	0.08 462	0.07 372	0.06 305

CoSv	0.11 295	0.06 118	0.11 246	0.13 25	0.09 349	0.09 138	0.14 246	0.21 362	0.10 76	0.19 485	0.17 356	0.14 361	0.09 267	0.16 441	0.08 25	0.05 51	0.04 25	0.07 309	0.08 462	0.07 372	0.06 305

rvit_stereo_0081_aga	0.11 295	0.09 435	0.14 385	0.18 397	0.09 349	0.13 363	0.14 246	0.14 145	0.19 367	0.10 227	0.18 384	0.16 405	0.09 267	0.12 291	0.09 103	0.10 524	0.06 426	0.08 403	0.07 389	0.07 372	0.06 305

rvit_stereo_0081	0.11 295	0.08 355	0.15 435	0.16 219	0.09 349	0.10 201	0.14 246	0.14 145	0.24 449	0.11 262	0.13 285	0.13 341	0.09 267	0.11 197	0.12 350	0.10 524	0.07 498	0.08 403	0.07 389	0.07 372	0.05 204

rvit_stereo_0082	0.11 295	0.08 355	0.15 435	0.16 219	0.09 349	0.10 201	0.14 246	0.14 145	0.24 449	0.11 262	0.13 285	0.13 341	0.09 267	0.11 197	0.12 350	0.10 524	0.07 498	0.08 403	0.07 389	0.07 372	0.05 204

AIO-Stereo-zeroshot1	0.11 295	0.05 42	0.14 385	0.15 123	0.20 650	0.09 138	0.17 441	0.21 362	0.15 250	0.11 262	0.14 299	0.10 256	0.07 179	0.10 122	0.08 25	0.06 167	0.05 275	0.07 309	0.07 389	0.07 372	0.09 510

AIO-Stereo-zeroshot	0.11 295	0.05 42	0.11 246	0.15 123	0.13 569	0.13 363	0.16 399	0.23 412	0.17 318	0.10 227	0.12 266	0.10 256	0.07 179	0.11 197	0.09 103	0.06 167	0.05 275	0.06 199	0.06 292	0.07 372	0.08 464

CAS++	0.11 295	0.07 236	0.11 246	0.14 69	0.09 349	0.12 307	0.14 246	0.24 437	0.14 222	0.11 262	0.09 158	0.11 286	0.07 179	0.14 379	0.09 103	0.11 556	0.09 561	0.09 486	0.07 389	0.07 372	0.08 464
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 295	0.08 355	0.12 290	0.17 306	0.09 349	0.13 363	0.15 329	0.16 225	0.18 349	0.09 181	0.09 158	0.16 405	0.16 489	0.10 122	0.07 1	0.06 167	0.04 25	0.08 403	0.08 462	0.07 372	0.07 393

1test111	0.11 295	0.08 355	0.12 290	0.17 306	0.09 349	0.13 363	0.15 329	0.23 412	0.16 289	0.09 181	0.09 158	0.06 42	0.06 65	0.15 406	0.16 486	0.06 167	0.04 25	0.06 199	0.05 194	0.07 372	0.07 393

MIF-Stereo (partial)	0.11 295	0.06 118	0.10 186	0.19 466	0.10 462	0.10 201	0.11 65	0.17 264	0.18 349	0.14 361	0.16 333	0.09 221	0.11 347	0.12 291	0.12 350	0.08 421	0.05 275	0.08 403	0.07 389	0.06 291	0.07 393

EKT-Stereo	0.11 295	0.07 236	0.14 385	0.15 123	0.10 462	0.13 363	0.14 246	0.18 298	0.21 406	0.11 262	0.08 123	0.12 310	0.09 267	0.11 197	0.12 350	0.08 421	0.06 426	0.07 309	0.06 292	0.08 442	0.07 393

anonymousdsp2	0.11 295	0.07 236	0.10 186	0.16 219	0.09 349	0.13 363	0.14 246	0.18 298	0.22 420	0.13 337	0.14 299	0.12 310	0.09 267	0.14 379	0.11 288	0.05 51	0.04 25	0.05 50	0.04 60	0.06 291	0.05 204

DCRE	0.11 295	0.07 236	0.13 346	0.16 219	0.11 512	0.11 254	0.17 441	0.18 298	0.17 318	0.11 262	0.18 384	0.10 256	0.10 311	0.15 406	0.11 288	0.06 167	0.05 275	0.06 199	0.06 292	0.05 170	0.04 73

knoymous	0.11 295	0.05 42	0.12 290	0.13 25	0.07 134	0.15 424	0.14 246	0.19 328	0.13 189	0.11 262	0.17 356	0.13 341	0.09 267	0.13 345	0.11 288	0.08 421	0.05 275	0.06 199	0.05 194	0.08 442	0.07 393

riskmin	0.11 295	0.06 118	0.13 346	0.14 69	0.08 218	0.14 397	0.14 246	0.18 298	0.14 222	0.11 262	0.14 299	0.16 405	0.11 347	0.14 379	0.12 350	0.09 482	0.05 275	0.07 309	0.05 194	0.08 442	0.08 464

Selective-RAFT	0.11 295	0.10 497	0.11 246	0.21 565	0.08 218	0.16 455	0.13 178	0.20 339	0.22 420	0.10 227	0.10 194	0.11 286	0.10 311	0.15 406	0.11 288	0.05 51	0.05 275	0.06 199	0.05 194	0.06 291	0.05 204

DisPM	0.11 295	0.07 236	0.12 290	0.16 219	0.09 349	0.06 14	0.13 178	0.17 264	0.17 318	0.14 361	0.20 407	0.12 310	0.10 311	0.11 197	0.10 207	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.11 568

CIPLG	0.11 295	0.08 355	0.14 385	0.17 306	0.08 218	0.12 307	0.15 329	0.17 264	0.15 250	0.14 361	0.11 245	0.16 405	0.09 267	0.16 441	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

GLC_STEREO	0.11 295	0.07 236	0.11 246	0.17 306	0.07 134	0.09 138	0.13 178	0.15 187	0.24 449	0.12 304	0.13 285	0.12 310	0.08 228	0.18 497	0.11 288	0.06 167	0.08 528	0.08 403	0.06 292	0.05 170	0.05 204

IPLGR_C	0.11 295	0.08 355	0.14 385	0.17 306	0.08 218	0.12 307	0.15 329	0.17 264	0.15 250	0.14 361	0.10 194	0.16 405	0.09 267	0.16 441	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

MIPNet	0.11 295	0.08 355	0.14 385	0.17 306	0.09 349	0.12 307	0.14 246	0.20 339	0.24 449	0.11 262	0.10 194	0.09 221	0.07 179	0.13 345	0.12 350	0.06 167	0.04 25	0.06 199	0.05 194	0.04 48	0.04 73

IPLGR	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.12 307	0.17 441	0.21 362	0.24 449	0.11 262	0.12 266	0.11 286	0.08 228	0.12 291	0.12 350	0.06 167	0.05 275	0.06 199	0.06 292	0.04 48	0.04 73

GMOStereo	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 645	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

error version	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 645	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

test-v	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 645	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

ACRE	0.11 295	0.08 355	0.14 385	0.17 306	0.08 218	0.12 307	0.15 329	0.17 264	0.14 222	0.14 361	0.10 194	0.16 405	0.09 267	0.16 441	0.11 288	0.07 338	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305

PFNet+	0.11 295	0.06 118	0.13 346	0.16 219	0.09 349	0.05 4	0.12 98	0.17 264	0.21 406	0.16 419	0.19 395	0.14 361	0.10 311	0.11 197	0.11 288	0.08 421	0.05 275	0.09 486	0.08 462	0.06 291	0.11 568

LCNet	0.11 295	0.07 236	0.09 122	0.19 466	0.09 349	0.08 84	0.15 329	0.21 362	0.15 250	0.11 262	0.15 320	0.16 405	0.11 347	0.12 291	0.11 288	0.05 51	0.04 25	0.08 403	0.07 389	0.06 291	0.15 628

HHNet	0.11 295	0.06 118	0.16 471	0.15 123	0.14 590	0.07 43	0.13 178	0.20 339	0.17 318	0.14 361	0.25 492	0.11 286	0.08 228	0.13 345	0.10 207	0.05 51	0.04 25	0.08 403	0.06 292	0.05 170	0.09 510

Patchmatch Stereo++	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.06 14	0.11 65	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393
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	0.11 295	0.07 236	0.16 471	0.19 466	0.09 349	0.08 84	0.13 178	0.18 298	0.13 189	0.16 419	0.21 430	0.13 341	0.14 443	0.11 197	0.14 438	0.06 167	0.04 25	0.09 486	0.06 292	0.06 291	0.05 204

OMP-Stereo	0.11 295	0.06 118	0.14 385	0.18 397	0.08 218	0.09 138	0.12 98	0.21 362	0.21 406	0.13 337	0.14 299	0.11 286	0.12 379	0.11 197	0.13 394	0.06 167	0.04 25	0.07 309	0.06 292	0.05 170	0.04 73

IIG-Stereo	0.11 295	0.06 118	0.13 346	0.17 306	0.08 218	0.11 254	0.12 98	0.22 388	0.17 318	0.14 361	0.17 356	0.11 286	0.12 379	0.12 291	0.12 350	0.06 167	0.05 275	0.07 309	0.06 292	0.05 170	0.04 73

NF-Stereo	0.11 295	0.07 236	0.13 346	0.17 306	0.09 349	0.10 201	0.14 246	0.23 412	0.19 367	0.12 304	0.17 356	0.12 310	0.11 347	0.11 197	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.12 581

OCTAStereo	0.11 295	0.07 236	0.13 346	0.17 306	0.09 349	0.10 201	0.14 246	0.23 412	0.19 367	0.12 304	0.17 356	0.12 310	0.11 347	0.11 197	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.12 581

NRIStereo	0.11 295	0.08 355	0.14 385	0.18 397	0.08 218	0.10 201	0.14 246	0.16 225	0.15 250	0.12 304	0.14 299	0.13 341	0.12 379	0.13 345	0.10 207	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.07 393

PSM-adaLoss	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.06 14	0.12 98	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

PSM-AAD	0.11 295	0.07 236	0.10 186	0.19 466	0.09 349	0.10 201	0.15 329	0.20 339	0.13 189	0.12 304	0.14 299	0.18 441	0.11 347	0.11 197	0.10 207	0.05 51	0.05 275	0.09 486	0.08 462	0.06 291	0.14 621

ROB_FTStereo_v2	0.11 295	0.09 435	0.16 471	0.19 466	0.08 218	0.06 14	0.12 98	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

ROB_FTStereo	0.11 295	0.09 435	0.16 471	0.19 466	0.08 218	0.06 14	0.11 65	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

KYRaft	0.11 295	0.07 236	0.10 186	0.19 466	0.09 349	0.08 84	0.15 329	0.22 388	0.12 147	0.13 337	0.16 333	0.20 468	0.10 311	0.12 291	0.10 207	0.05 51	0.04 25	0.08 403	0.08 462	0.06 291	0.16 639

HUI-Stereo	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.06 14	0.12 98	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

ASMatch	0.11 295	0.06 118	0.13 346	0.16 219	0.10 462	0.07 43	0.14 246	0.17 264	0.17 318	0.12 304	0.16 333	0.16 405	0.10 311	0.13 345	0.10 207	0.05 51	0.04 25	0.06 199	0.05 194	0.04 48	0.08 464

RAFT_R40	0.11 295	0.07 236	0.14 385	0.18 397	0.09 349	0.06 14	0.13 178	0.17 264	0.16 289	0.14 361	0.18 384	0.15 390	0.12 379	0.10 122	0.11 288	0.06 167	0.04 25	0.09 486	0.06 292	0.06 291	0.05 204

GrayStereo	0.11 295	0.06 118	0.11 246	0.19 466	0.09 349	0.09 138	0.16 399	0.18 298	0.17 318	0.14 361	0.17 356	0.17 427	0.11 347	0.12 291	0.11 288	0.05 51	0.05 275	0.07 309	0.06 292	0.05 170	0.10 541

RE-Stereo	0.11 295	0.07 236	0.13 346	0.17 306	0.09 349	0.10 201	0.14 246	0.23 412	0.19 367	0.12 304	0.17 356	0.12 310	0.11 347	0.11 197	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.12 581

Pruner-Stereo	0.11 295	0.07 236	0.12 290	0.17 306	0.09 349	0.06 14	0.12 98	0.17 264	0.17 318	0.13 337	0.19 395	0.13 341	0.09 267	0.11 197	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.08 464

TVStereo	0.11 295	0.07 236	0.13 346	0.17 306	0.09 349	0.10 201	0.14 246	0.23 412	0.19 367	0.12 304	0.17 356	0.12 310	0.11 347	0.11 197	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.06 291	0.12 581

DeepStereo_RVC	0.11 295	0.08 355	0.16 471	0.18 397	0.08 218	0.08 84	0.12 98	0.17 264	0.12 147	0.13 337	0.14 299	0.12 310	0.12 379	0.12 291	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.07 372	0.08 464

iGMRVC	0.11 295	0.09 435	0.16 471	0.19 466	0.08 218	0.06 14	0.12 98	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

RAFT-RH_RVC	0.11 295	0.06 118	0.14 385	0.16 219	0.09 349	0.12 307	0.12 98	0.17 264	0.12 147	0.13 337	0.41 626	0.11 286	0.10 311	0.13 345	0.12 350	0.05 51	0.04 25	0.08 403	0.05 194	0.04 48	0.06 305

RAFT-345	0.11 295	0.07 236	0.15 435	0.16 219	0.08 218	0.08 84	0.12 98	0.15 187	0.10 76	0.11 262	0.36 589	0.09 221	0.09 267	0.11 197	0.12 350	0.05 51	0.05 275	0.07 309	0.06 292	0.04 48	0.05 204

iRAFT	0.11 295	0.09 435	0.16 471	0.18 397	0.08 218	0.06 14	0.11 65	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

CRE-IMP	0.11 295	0.09 435	0.16 471	0.19 466	0.08 218	0.10 201	0.12 98	0.18 298	0.10 76	0.14 361	0.13 285	0.13 341	0.12 379	0.12 291	0.11 288	0.07 338	0.04 25	0.08 403	0.06 292	0.08 442	0.08 464

test-2	0.11 295	0.09 435	0.07 11	0.19 466	0.08 218	0.12 307	0.28 645	0.13 114	0.17 318	0.11 262	0.17 356	0.14 361	0.12 379	0.07 4	0.07 1	0.05 51	0.05 275	0.09 486	0.07 389	0.04 48	0.04 73

GMM-Stereo	0.11 295	0.07 236	0.10 186	0.18 397	0.09 349	0.08 84	0.15 329	0.23 412	0.16 289	0.11 262	0.15 320	0.13 341	0.11 347	0.11 197	0.11 288	0.05 51	0.04 25	0.08 403	0.07 389	0.06 291	0.09 510

RAFT-IKP	0.11 295	0.09 435	0.16 471	0.19 466	0.08 218	0.06 14	0.12 98	0.16 225	0.13 189	0.15 390	0.16 333	0.14 361	0.12 379	0.11 197	0.10 207	0.06 167	0.04 25	0.08 403	0.06 292	0.08 442	0.07 393

Prome-Stereo	0.11 295	0.06 118	0.10 186	0.18 397	0.08 218	0.12 307	0.15 329	0.22 388	0.13 189	0.12 304	0.17 356	0.13 341	0.08 228	0.12 291	0.10 207	0.05 51	0.04 25	0.07 309	0.06 292	0.06 291	0.09 510

rafts_anoy	0.11 295	0.06 118	0.10 186	0.17 306	0.08 218	0.10 201	0.14 246	0.17 264	0.14 222	0.13 337	0.13 285	0.12 310	0.10 311	0.11 197	0.12 350	0.07 338	0.04 25	0.09 486	0.11 584	0.07 372	0.06 305

raft+_RVC	0.11 295	0.07 236	0.09 122	0.16 219	0.07 134	0.10 201	0.11 65	0.24 437	0.20 390	0.12 304	0.15 320	0.12 310	0.08 228	0.12 291	0.13 394	0.07 338	0.04 25	0.07 309	0.06 292	0.05 170	0.05 204

RALAANet	0.11 295	0.08 355	0.10 186	0.17 306	0.09 349	0.14 397	0.10 35	0.20 339	0.15 250	0.14 361	0.13 285	0.16 405	0.09 267	0.12 291	0.11 288	0.06 167	0.05 275	0.07 309	0.06 292	0.05 170	0.04 73

DIP-Stereo	0.11 295	0.07 236	0.14 385	0.17 306	0.09 349	0.13 363	0.09 20	0.16 225	0.16 289	0.11 262	0.16 333	0.14 361	0.12 379	0.15 406	0.13 394	0.06 167	0.05 275	0.06 199	0.05 194	0.05 170	0.06 305
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
IGEV_i1	0.12 371	0.07 236	0.12 290	0.16 219	0.08 218	0.19 521	0.14 246	0.18 298	0.22 420	0.18 468	0.18 384	0.16 405	0.12 379	0.16 441	0.14 438	0.06 167	0.05 275	0.06 199	0.05 194	0.06 291	0.06 305

rvit_stereo_0083	0.12 371	0.08 355	0.17 501	0.16 219	0.09 349	0.11 254	0.15 329	0.14 145	0.26 485	0.11 262	0.14 299	0.13 341	0.10 311	0.12 291	0.12 350	0.10 524	0.08 528	0.09 486	0.07 389	0.07 372	0.05 204

rvit_stereo_ft	0.12 371	0.07 236	0.13 346	0.19 466	0.10 462	0.12 307	0.17 441	0.16 225	0.16 289	0.12 304	0.13 285	0.15 390	0.10 311	0.14 379	0.13 394	0.09 482	0.06 426	0.08 403	0.07 389	0.07 372	0.05 204

test_sample2	0.12 371	0.07 236	0.12 290	0.14 69	0.08 218	0.16 455	0.18 490	0.21 362	0.16 289	0.14 361	0.20 407	0.19 456	0.15 461	0.15 406	0.12 350	0.08 421	0.05 275	0.07 309	0.06 292	0.08 442	0.07 393

MyStereo8	0.12 371	0.07 236	0.15 435	0.15 123	0.09 349	0.18 497	0.14 246	0.19 328	0.22 420	0.12 304	0.18 384	0.11 286	0.10 311	0.16 441	0.18 519	0.07 338	0.05 275	0.07 309	0.05 194	0.08 442	0.09 510

CoDeX	0.12 371	0.07 236	0.12 290	0.17 306	0.08 218	0.12 307	0.15 329	0.23 412	0.27 495	0.13 337	0.17 356	0.16 405	0.11 347	0.14 379	0.11 288	0.07 338	0.05 275	0.07 309	0.06 292	0.06 291	0.05 204

11t1	0.12 371	0.06 118	0.13 346	0.14 69	0.08 218	0.17 478	0.15 329	0.18 298	0.15 250	0.15 390	0.15 320	0.16 405	0.16 489	0.15 406	0.13 394	0.08 421	0.05 275	0.06 199	0.05 194	0.08 442	0.07 393

ffm	0.12 371	0.09 435	0.14 385	0.16 219	0.08 218	0.17 478	0.17 441	0.15 187	0.19 367	0.15 390	0.25 492	0.19 456	0.13 419	0.10 122	0.07 1	0.06 167	0.04 25	0.09 486	0.08 462	0.06 291	0.06 305

RAFT_CTSACE	0.12 371	0.09 435	0.10 186	0.22 582	0.08 218	0.12 307	0.24 607	0.18 298	0.16 289	0.20 508	0.27 519	0.13 341	0.07 179	0.13 345	0.09 103	0.05 51	0.06 426	0.08 403	0.07 389	0.04 48	0.04 73

Sa-1000	0.12 371	0.08 355	0.08 57	0.18 397	0.08 218	0.14 397	0.22 583	0.22 388	0.18 349	0.15 390	0.20 407	0.17 427	0.11 347	0.10 122	0.10 207	0.06 167	0.05 275	0.09 486	0.09 509	0.05 170	0.05 204

SA	0.12 371	0.09 435	0.08 57	0.18 397	0.08 218	0.12 307	0.24 607	0.23 412	0.18 349	0.17 438	0.27 519	0.14 361	0.11 347	0.11 197	0.11 288	0.05 51	0.05 275	0.09 486	0.08 462	0.05 170	0.04 73

iRaft-Stereo_5w	0.12 371	0.09 435	0.12 290	0.19 466	0.08 218	0.09 138	0.12 98	0.21 362	0.21 406	0.19 485	0.14 299	0.11 286	0.09 267	0.20 537	0.16 486	0.05 51	0.05 275	0.07 309	0.06 292	0.05 170	0.06 305

CrosDoStereo	0.12 371	0.06 118	0.12 290	0.14 69	0.08 218	0.12 307	0.15 329	0.17 264	0.22 420	0.19 485	0.24 464	0.15 390	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.07 309	0.07 389	0.05 170	0.05 204

PSM-softLoss	0.12 371	0.07 236	0.15 435	0.17 306	0.09 349	0.08 84	0.13 178	0.24 437	0.17 318	0.14 361	0.19 395	0.13 341	0.11 347	0.11 197	0.11 288	0.07 338	0.05 275	0.08 403	0.07 389	0.06 291	0.12 581

KMStereo	0.12 371	0.07 236	0.15 435	0.17 306	0.09 349	0.08 84	0.13 178	0.24 437	0.17 318	0.14 361	0.19 395	0.13 341	0.11 347	0.11 197	0.11 288	0.07 338	0.05 275	0.08 403	0.07 389	0.06 291	0.12 581

FTStereo	0.12 371	0.06 118	0.14 385	0.18 397	0.09 349	0.07 43	0.15 329	0.21 362	0.18 349	0.12 304	0.24 464	0.12 310	0.12 379	0.13 345	0.13 394	0.05 51	0.05 275	0.07 309	0.06 292	0.06 291	0.10 541

DeepStereo_LL	0.12 371	0.06 118	0.12 290	0.14 69	0.08 218	0.12 307	0.15 329	0.17 264	0.22 420	0.19 485	0.24 464	0.15 390	0.11 347	0.11 197	0.12 350	0.06 167	0.04 25	0.07 309	0.07 389	0.05 170	0.05 204

DEmStereo	0.12 371	0.06 118	0.14 385	0.14 69	0.10 462	0.16 455	0.15 329	0.16 225	0.24 449	0.17 438	0.24 464	0.13 341	0.14 443	0.12 291	0.13 394	0.05 51	0.04 25	0.07 309	0.06 292	0.05 170	0.05 204

THIR-Stereo	0.12 371	0.07 236	0.11 246	0.15 123	0.08 218	0.14 397	0.16 399	0.17 264	0.25 471	0.16 419	0.24 464	0.14 361	0.12 379	0.12 291	0.14 438	0.06 167	0.04 25	0.07 309	0.07 389	0.05 170	0.05 204

DRaft	0.12 371	0.06 118	0.11 246	0.14 69	0.09 349	0.14 397	0.17 441	0.21 362	0.30 527	0.17 438	0.28 533	0.10 256	0.15 461	0.10 122	0.12 350	0.05 51	0.04 25	0.07 309	0.06 292	0.05 170	0.05 204

PFNet	0.12 371	0.06 118	0.17 501	0.17 306	0.08 218	0.09 138	0.15 329	0.26 475	0.20 390	0.16 419	0.16 333	0.14 361	0.11 347	0.12 291	0.11 288	0.06 167	0.04 25	0.07 309	0.06 292	0.05 170	0.05 204

IRAFT_RVC	0.12 371	0.08 355	0.16 471	0.19 466	0.08 218	0.07 43	0.15 329	0.24 437	0.23 432	0.14 361	0.14 299	0.15 390	0.12 379	0.12 291	0.10 207	0.06 167	0.04 25	0.09 486	0.06 292	0.06 291	0.06 305

sCroCo_RVC	0.12 371	0.09 435	0.23 573	0.24 615	0.11 512	0.19 521	0.14 246	0.17 264	0.14 222	0.10 227	0.13 285	0.12 310	0.07 179	0.14 379	0.11 288	0.08 421	0.08 528	0.08 403	0.08 462	0.05 170	0.07 393

ARAFT	0.12 371	0.08 355	0.17 501	0.19 466	0.09 349	0.14 397	0.18 490	0.20 339	0.12 147	0.12 304	0.13 285	0.14 361	0.11 347	0.15 406	0.12 350	0.06 167	0.05 275	0.10 535	0.09 509	0.05 170	0.04 73

BEATNet_4x	0.12 371	0.08 355	0.14 385	0.18 397	0.07 134	0.15 424	0.07 3	0.22 388	0.18 349	0.16 419	0.19 395	0.18 441	0.14 443	0.16 441	0.15 470	0.07 338	0.05 275	0.05 50	0.05 194	0.06 291	0.06 305

MLCV	0.12 371	0.07 236	0.16 471	0.18 397	0.06 28	0.15 424	0.17 441	0.19 328	0.21 406	0.18 468	0.25 492	0.17 427	0.13 419	0.14 379	0.13 394	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

RT-IGEV	0.13 397	0.06 118	0.13 346	0.15 123	0.09 349	0.15 424	0.17 441	0.24 437	0.27 495	0.16 419	0.17 356	0.17 427	0.10 311	0.14 379	0.11 288	0.08 421	0.05 275	0.07 309	0.05 194	0.07 372	0.07 393

Selective-IGEV-i16pc	0.13 397	0.06 118	0.13 346	0.15 123	0.11 512	0.38 656	0.16 399	0.23 412	0.16 289	0.10 227	0.15 320	0.09 221	0.06 65	0.13 345	0.10 207	0.10 524	0.08 528	0.06 199	0.07 389	0.09 508	0.09 510

Selective-IGEV-i1	0.13 397	0.07 236	0.12 290	0.19 466	0.08 218	0.18 497	0.16 399	0.22 388	0.30 527	0.16 419	0.17 356	0.16 405	0.10 311	0.14 379	0.13 394	0.06 167	0.05 275	0.06 199	0.05 194	0.06 291	0.05 204

G2L-ROB	0.13 397	0.06 118	0.13 346	0.13 25	0.08 218	0.14 397	0.16 399	0.25 457	0.18 349	0.19 485	0.18 384	0.20 468	0.14 443	0.17 474	0.16 486	0.08 421	0.05 275	0.06 199	0.05 194	0.08 442	0.09 510

xyz-stereo	0.13 397	0.07 236	0.20 549	0.15 123	0.05 2	0.20 537	0.15 329	0.17 264	0.31 535	0.15 390	0.29 545	0.26 543	0.16 489	0.13 345	0.12 350	0.05 51	0.05 275	0.06 199	0.05 194	0.04 48	0.04 73

DFGA-Net	0.13 397	0.11 523	0.18 525	0.17 306	0.10 462	0.12 307	0.13 178	0.22 388	0.25 471	0.16 419	0.16 333	0.13 341	0.12 379	0.16 441	0.14 438	0.07 338	0.05 275	0.08 403	0.07 389	0.05 170	0.05 204

FACV-RUCA	0.13 397	0.11 523	0.12 290	0.19 466	0.12 546	0.15 424	0.15 329	0.22 388	0.20 390	0.15 390	0.16 333	0.14 361	0.16 489	0.14 379	0.13 394	0.07 338	0.05 275	0.08 403	0.06 292	0.10 541	0.08 464

UGAM	0.13 397	0.10 497	0.09 122	0.22 582	0.08 218	0.12 307	0.20 553	0.17 264	0.23 432	0.21 522	0.16 333	0.13 341	0.13 419	0.19 512	0.12 350	0.07 338	0.05 275	0.13 601	0.11 584	0.07 372	0.05 204

test_sample1	0.13 397	0.07 236	0.14 385	0.13 25	0.08 218	0.19 521	0.16 399	0.20 339	0.15 250	0.14 361	0.22 441	0.18 441	0.16 489	0.17 474	0.14 438	0.07 338	0.06 426	0.06 199	0.06 292	0.08 442	0.07 393

qqq1	0.13 397	0.07 236	0.17 501	0.14 69	0.08 218	0.16 455	0.17 441	0.26 475	0.27 495	0.19 485	0.20 407	0.18 441	0.15 461	0.15 406	0.11 288	0.08 421	0.05 275	0.05 50	0.05 194	0.06 291	0.06 305

fff1	0.13 397	0.07 236	0.17 501	0.14 69	0.08 218	0.16 455	0.17 441	0.26 475	0.27 495	0.19 485	0.20 407	0.18 441	0.15 461	0.15 406	0.11 288	0.08 421	0.05 275	0.05 50	0.05 194	0.06 291	0.06 305

MyStereo05	0.13 397	0.07 236	0.10 186	0.17 306	0.09 349	0.13 363	0.18 490	0.27 496	0.35 570	0.17 438	0.14 299	0.15 390	0.11 347	0.15 406	0.13 394	0.06 167	0.05 275	0.07 309	0.07 389	0.06 291	0.06 305

MyStereo04	0.13 397	0.07 236	0.10 186	0.17 306	0.09 349	0.14 397	0.18 490	0.29 529	0.38 589	0.17 438	0.14 299	0.16 405	0.10 311	0.15 406	0.13 394	0.06 167	0.05 275	0.08 403	0.07 389	0.06 291	0.06 305

ff1	0.13 397	0.09 435	0.14 385	0.16 219	0.08 218	0.17 478	0.17 441	0.15 187	0.19 367	0.15 390	0.25 492	0.19 456	0.13 419	0.14 379	0.20 538	0.06 167	0.04 25	0.09 486	0.08 462	0.06 291	0.06 305

StereoVision	0.13 397	0.12 541	0.09 122	0.24 615	0.10 462	0.15 424	0.21 573	0.21 362	0.20 390	0.12 304	0.24 464	0.10 256	0.10 311	0.16 441	0.10 207	0.09 482	0.11 596	0.12 586	0.12 604	0.06 291	0.05 204

LL-Strereo	0.13 397	0.09 435	0.11 246	0.20 533	0.10 462	0.11 254	0.18 490	0.32 566	0.24 449	0.15 390	0.15 320	0.14 361	0.13 419	0.19 512	0.11 288	0.06 167	0.04 25	0.09 486	0.08 462	0.04 48	0.05 204

CASS	0.13 397	0.12 541	0.11 246	0.23 606	0.09 349	0.15 424	0.17 441	0.18 298	0.19 367	0.17 438	0.18 384	0.15 390	0.15 461	0.14 379	0.14 438	0.09 482	0.06 426	0.10 535	0.08 462	0.09 508	0.07 393
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 397	0.07 236	0.13 346	0.18 397	0.09 349	0.13 363	0.17 441	0.19 328	0.29 517	0.15 390	0.24 464	0.15 390	0.14 443	0.14 379	0.14 438	0.07 338	0.05 275	0.07 309	0.09 509	0.05 170	0.06 305

TestStereo1	0.13 397	0.08 355	0.08 57	0.19 466	0.08 218	0.18 497	0.29 655	0.23 412	0.16 289	0.17 438	0.20 407	0.16 405	0.10 311	0.12 291	0.13 394	0.06 167	0.06 426	0.08 403	0.06 292	0.05 170	0.05 204

qqq	0.13 397	0.09 435	0.15 435	0.16 219	0.08 218	0.13 363	0.15 329	0.23 412	0.16 289	0.15 390	0.19 395	0.16 405	0.16 489	0.15 406	0.16 486	0.07 338	0.06 426	0.08 403	0.08 462	0.07 372	0.07 393

x	0.13 397	0.07 236	0.14 385	0.14 69	0.08 218	0.18 497	0.14 246	0.22 388	0.20 390	0.15 390	0.19 395	0.19 456	0.17 512	0.18 497	0.18 519	0.07 338	0.05 275	0.06 199	0.06 292	0.07 372	0.07 393

raft_robust	0.13 397	0.10 497	0.07 11	0.18 397	0.08 218	0.13 363	0.24 607	0.28 515	0.33 549	0.20 508	0.19 395	0.14 361	0.10 311	0.11 197	0.12 350	0.05 51	0.05 275	0.07 309	0.07 389	0.05 170	0.04 73

RAFT+CT+SA	0.13 397	0.11 523	0.09 122	0.19 466	0.09 349	0.15 424	0.28 645	0.22 388	0.22 420	0.15 390	0.26 510	0.10 256	0.10 311	0.11 197	0.12 350	0.05 51	0.04 25	0.07 309	0.08 462	0.07 372	0.06 305

SA-5K	0.13 397	0.08 355	0.08 57	0.19 466	0.08 218	0.18 497	0.29 655	0.23 412	0.16 289	0.17 438	0.20 407	0.16 405	0.10 311	0.12 291	0.13 394	0.06 167	0.06 426	0.08 403	0.06 292	0.05 170	0.05 204

GwcNet-ADL	0.13 397	0.08 355	0.14 385	0.20 533	0.09 349	0.11 254	0.20 553	0.30 543	0.24 449	0.13 337	0.14 299	0.18 441	0.14 443	0.13 345	0.14 438	0.07 338	0.05 275	0.06 199	0.05 194	0.07 372	0.06 305

GANet-ADL	0.13 397	0.07 236	0.15 435	0.17 306	0.10 462	0.18 497	0.15 329	0.30 543	0.20 390	0.13 337	0.18 384	0.19 456	0.12 379	0.16 441	0.13 394	0.08 421	0.06 426	0.06 199	0.05 194	0.07 372	0.08 464

RAFT	0.13 397	0.09 435	0.11 246	0.18 397	0.08 218	0.15 424	0.24 607	0.20 339	0.19 367	0.21 522	0.21 430	0.17 427	0.12 379	0.16 441	0.09 103	0.06 167	0.07 498	0.10 535	0.09 509	0.05 170	0.05 204

TestStereo	0.13 397	0.14 581	0.11 246	0.23 606	0.08 218	0.15 424	0.21 573	0.20 339	0.23 432	0.14 361	0.24 464	0.16 405	0.12 379	0.16 441	0.14 438	0.05 51	0.06 426	0.08 403	0.06 292	0.09 508	0.05 204

sAnonymous2	0.13 397	0.12 541	0.24 577	0.20 533	0.12 546	0.17 478	0.13 178	0.26 475	0.21 406	0.11 262	0.11 245	0.13 341	0.08 228	0.10 122	0.10 207	0.09 482	0.05 275	0.08 403	0.06 292	0.15 628	0.10 541

CroCo_RVC	0.13 397	0.12 541	0.24 577	0.20 533	0.12 546	0.17 478	0.13 178	0.26 475	0.21 406	0.11 262	0.11 245	0.13 341	0.08 228	0.10 122	0.10 207	0.09 482	0.05 275	0.08 403	0.06 292	0.15 628	0.10 541

RAFT + AFF	0.13 397	0.07 236	0.20 549	0.20 533	0.10 462	0.14 397	0.24 607	0.26 475	0.20 390	0.11 262	0.10 194	0.12 310	0.10 311	0.15 406	0.12 350	0.07 338	0.06 426	0.09 486	0.08 462	0.06 291	0.08 464

GMStereo	0.13 397	0.14 581	0.14 385	0.18 397	0.09 349	0.15 424	0.16 399	0.20 339	0.24 449	0.16 419	0.17 356	0.10 256	0.10 311	0.16 441	0.13 394	0.07 338	0.06 426	0.06 199	0.06 292	0.07 372	0.06 305
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 397	0.07 236	0.14 385	0.17 306	0.09 349	0.15 424	0.16 399	0.28 515	0.27 495	0.14 361	0.17 356	0.12 310	0.13 419	0.14 379	0.11 288	0.08 421	0.05 275	0.07 309	0.07 389	0.07 372	0.06 305

FENet	0.13 397	0.08 355	0.12 290	0.16 219	0.08 218	0.14 397	0.15 329	0.22 388	0.23 432	0.17 438	0.23 450	0.16 405	0.12 379	0.14 379	0.15 470	0.08 421	0.05 275	0.08 403	0.08 462	0.07 372	0.07 393

cf-r	0.13 397	0.07 236	0.12 290	0.16 219	0.08 218	0.14 397	0.19 530	0.20 339	0.25 471	0.17 438	0.25 492	0.21 477	0.16 489	0.14 379	0.14 438	0.10 524	0.05 275	0.06 199	0.08 462	0.06 291	0.06 305

iResNet	0.13 397	0.10 497	0.18 525	0.19 466	0.08 218	0.13 363	0.18 490	0.20 339	0.26 485	0.15 390	0.23 450	0.15 390	0.13 419	0.14 379	0.14 438	0.06 167	0.04 25	0.06 199	0.05 194	0.06 291	0.05 204

DN-CSS_ROB	0.13 397	0.13 569	0.16 471	0.18 397	0.10 462	0.16 455	0.08 7	0.22 388	0.18 349	0.17 438	0.22 441	0.13 341	0.13 419	0.12 291	0.13 394	0.05 51	0.05 275	0.10 535	0.10 550	0.08 442	0.06 305

Selective-IGEV-i16pb	0.14 434	0.08 355	0.17 501	0.15 123	0.11 512	0.41 661	0.16 399	0.28 515	0.23 432	0.11 262	0.20 407	0.10 256	0.07 179	0.17 474	0.12 350	0.10 524	0.07 498	0.06 199	0.08 462	0.09 508	0.10 541

G2L-Stereo_test	0.14 434	0.07 236	0.11 246	0.13 25	0.08 218	0.12 307	0.16 399	0.30 543	0.28 510	0.20 508	0.23 450	0.20 468	0.16 489	0.17 474	0.18 519	0.07 338	0.05 275	0.05 50	0.05 194	0.07 372	0.06 305

coex_refinement	0.14 434	0.07 236	0.12 290	0.17 306	0.10 462	0.15 424	0.15 329	0.26 475	0.29 517	0.18 468	0.20 407	0.22 495	0.17 512	0.16 441	0.18 519	0.08 421	0.05 275	0.06 199	0.06 292	0.09 508	0.08 464

G2L-Stereo	0.14 434	0.07 236	0.13 346	0.17 306	0.09 349	0.13 363	0.12 98	0.27 496	0.22 420	0.16 419	0.27 519	0.21 477	0.13 419	0.17 474	0.18 519	0.09 482	0.08 528	0.08 403	0.07 389	0.07 372	0.07 393

rvit_0105_6	0.14 434	0.09 435	0.18 525	0.17 306	0.10 462	0.10 201	0.16 399	0.19 328	0.26 485	0.12 304	0.18 384	0.17 427	0.12 379	0.18 497	0.12 350	0.15 625	0.11 596	0.12 586	0.10 550	0.09 508	0.06 305

rvit_0105_5	0.14 434	0.09 435	0.13 346	0.17 306	0.09 349	0.14 397	0.23 594	0.24 437	0.27 495	0.14 361	0.15 320	0.18 441	0.12 379	0.17 474	0.14 438	0.14 621	0.11 596	0.10 535	0.10 550	0.08 442	0.06 305

rvit_0105_4	0.14 434	0.09 435	0.17 501	0.17 306	0.10 462	0.12 307	0.19 530	0.23 412	0.27 495	0.14 361	0.20 407	0.17 427	0.13 419	0.17 474	0.13 394	0.15 625	0.11 596	0.11 566	0.10 550	0.09 508	0.06 305

DCVSM-stereo	0.14 434	0.09 435	0.16 471	0.16 219	0.10 462	0.15 424	0.09 20	0.19 328	0.23 432	0.20 508	0.23 450	0.26 543	0.15 461	0.18 497	0.14 438	0.09 482	0.07 498	0.09 486	0.08 462	0.10 541	0.12 581

test_sample6	0.14 434	0.08 355	0.13 346	0.16 219	0.08 218	0.17 478	0.19 530	0.25 457	0.17 318	0.17 438	0.27 519	0.19 456	0.14 443	0.15 406	0.13 394	0.08 421	0.05 275	0.08 403	0.07 389	0.08 442	0.08 464

test_sample5	0.14 434	0.08 355	0.14 385	0.16 219	0.08 218	0.18 497	0.18 490	0.25 457	0.17 318	0.17 438	0.27 519	0.18 441	0.14 443	0.16 441	0.13 394	0.08 421	0.05 275	0.08 403	0.07 389	0.08 442	0.08 464

test_sample4	0.14 434	0.08 355	0.14 385	0.15 123	0.08 218	0.19 521	0.18 490	0.26 475	0.17 318	0.16 419	0.25 492	0.18 441	0.14 443	0.16 441	0.13 394	0.08 421	0.06 426	0.08 403	0.06 292	0.08 442	0.08 464

test_sample3	0.14 434	0.08 355	0.15 435	0.14 69	0.09 349	0.19 521	0.17 441	0.26 475	0.18 349	0.16 419	0.22 441	0.19 456	0.15 461	0.17 474	0.13 394	0.08 421	0.06 426	0.07 309	0.06 292	0.09 508	0.08 464

DispNO	0.14 434	0.08 355	0.17 501	0.19 466	0.12 546	0.11 254	0.21 573	0.23 412	0.29 517	0.17 438	0.23 450	0.18 441	0.17 512	0.15 406	0.15 470	0.07 338	0.05 275	0.08 403	0.08 462	0.07 372	0.06 305

SMFormer	0.14 434	0.07 236	0.17 501	0.14 69	0.08 218	0.16 455	0.17 441	0.26 475	0.27 495	0.19 485	0.20 407	0.18 441	0.15 461	0.15 406	0.17 501	0.08 421	0.05 275	0.07 309	0.06 292	0.07 372	0.06 305

tta	0.14 434	0.07 236	0.17 501	0.14 69	0.08 218	0.16 455	0.17 441	0.26 475	0.27 495	0.19 485	0.20 407	0.18 441	0.15 461	0.15 406	0.17 501	0.08 421	0.05 275	0.07 309	0.06 292	0.06 291	0.06 305

mmm	0.14 434	0.08 355	0.17 501	0.17 306	0.09 349	0.17 478	0.18 490	0.21 362	0.15 250	0.15 390	0.23 450	0.21 477	0.16 489	0.16 441	0.17 501	0.08 421	0.05 275	0.08 403	0.07 389	0.07 372	0.07 393

DualNet	0.14 434	0.08 355	0.14 385	0.16 219	0.08 218	0.18 497	0.18 490	0.25 457	0.17 318	0.17 438	0.27 519	0.18 441	0.14 443	0.16 441	0.13 394	0.08 421	0.05 275	0.08 403	0.07 389	0.08 442	0.08 464

mmx	0.14 434	0.09 435	0.14 385	0.16 219	0.08 218	0.17 478	0.17 441	0.27 496	0.25 471	0.15 390	0.25 492	0.19 456	0.13 419	0.14 379	0.20 538	0.08 421	0.06 426	0.09 486	0.08 462	0.08 442	0.08 464

xxx	0.14 434	0.09 435	0.14 385	0.16 219	0.08 218	0.17 478	0.17 441	0.27 496	0.25 471	0.15 390	0.25 492	0.19 456	0.13 419	0.14 379	0.20 538	0.08 421	0.06 426	0.09 486	0.08 462	0.08 442	0.08 464

PCWNet_CMD	0.14 434	0.08 355	0.15 435	0.17 306	0.09 349	0.14 397	0.14 246	0.29 529	0.36 575	0.14 361	0.20 407	0.21 477	0.12 379	0.17 474	0.13 394	0.07 338	0.05 275	0.07 309	0.07 389	0.07 372	0.07 393

CBFPSM	0.14 434	0.06 118	0.26 585	0.17 306	0.09 349	0.13 363	0.15 329	0.22 388	0.23 432	0.20 508	0.27 519	0.24 519	0.16 489	0.16 441	0.18 519	0.06 167	0.06 426	0.06 199	0.07 389	0.07 372	0.07 393

gwcnet-sp	0.14 434	0.07 236	0.12 290	0.18 397	0.09 349	0.16 455	0.17 441	0.24 437	0.24 449	0.18 468	0.24 464	0.15 390	0.16 489	0.15 406	0.15 470	0.08 421	0.06 426	0.07 309	0.08 462	0.08 442	0.07 393

scenet	0.14 434	0.07 236	0.12 290	0.18 397	0.09 349	0.16 455	0.17 441	0.24 437	0.24 449	0.18 468	0.24 464	0.15 390	0.16 489	0.15 406	0.15 470	0.08 421	0.06 426	0.07 309	0.08 462	0.08 442	0.07 393

ssnet	0.14 434	0.07 236	0.12 290	0.18 397	0.09 349	0.16 455	0.17 441	0.24 437	0.24 449	0.18 468	0.24 464	0.15 390	0.16 489	0.15 406	0.15 470	0.08 421	0.06 426	0.07 309	0.08 462	0.08 442	0.07 393

BUS	0.14 434	0.09 435	0.14 385	0.22 582	0.10 462	0.19 521	0.14 246	0.34 595	0.19 367	0.17 438	0.22 441	0.16 405	0.13 419	0.15 406	0.13 394	0.08 421	0.06 426	0.10 535	0.09 509	0.07 372	0.07 393

IER	0.14 434	0.07 236	0.13 346	0.17 306	0.09 349	0.14 397	0.16 399	0.25 457	0.26 485	0.18 468	0.25 492	0.17 427	0.20 555	0.16 441	0.14 438	0.08 421	0.05 275	0.07 309	0.06 292	0.08 442	0.07 393

test_5	0.14 434	0.12 541	0.08 57	0.20 533	0.10 462	0.14 397	0.29 655	0.21 362	0.24 449	0.18 468	0.28 533	0.11 286	0.15 461	0.12 291	0.13 394	0.06 167	0.05 275	0.07 309	0.08 462	0.08 442	0.07 393

psmg	0.14 434	0.09 435	0.14 385	0.17 306	0.10 462	0.15 424	0.17 441	0.29 529	0.19 367	0.17 438	0.21 430	0.25 533	0.16 489	0.15 406	0.14 438	0.08 421	0.06 426	0.08 403	0.08 462	0.07 372	0.06 305

UDGNet	0.14 434	0.13 569	0.16 471	0.17 306	0.10 462	0.12 307	0.16 399	0.21 362	0.27 495	0.20 508	0.20 407	0.16 405	0.13 419	0.16 441	0.13 394	0.10 524	0.06 426	0.09 486	0.07 389	0.06 291	0.07 393

CFNet_pseudo	0.14 434	0.08 355	0.15 435	0.16 219	0.09 349	0.13 363	0.14 246	0.27 496	0.34 561	0.14 361	0.21 430	0.22 495	0.13 419	0.18 497	0.14 438	0.07 338	0.05 275	0.08 403	0.06 292	0.07 372	0.07 393

GES	0.14 434	0.08 355	0.16 471	0.15 123	0.10 462	0.13 363	0.13 178	0.28 515	0.25 471	0.16 419	0.23 450	0.18 441	0.13 419	0.16 441	0.13 394	0.08 421	0.07 498	0.07 309	0.06 292	0.08 442	0.09 510

GANet-RSSM	0.14 434	0.07 236	0.13 346	0.13 25	0.08 218	0.14 397	0.17 441	0.22 388	0.21 406	0.17 438	0.24 464	0.23 513	0.15 461	0.16 441	0.15 470	0.10 524	0.06 426	0.07 309	0.08 462	0.08 442	0.07 393

PSMNet-RSSM	0.14 434	0.07 236	0.13 346	0.15 123	0.08 218	0.13 363	0.16 399	0.24 437	0.24 449	0.16 419	0.28 533	0.22 495	0.14 443	0.15 406	0.13 394	0.11 556	0.06 426	0.09 486	0.12 604	0.08 442	0.07 393

GwcNet-RSSM	0.14 434	0.07 236	0.12 290	0.15 123	0.08 218	0.15 424	0.20 553	0.21 362	0.27 495	0.18 468	0.27 519	0.22 495	0.16 489	0.14 379	0.15 470	0.10 524	0.05 275	0.07 309	0.09 509	0.07 372	0.07 393

CFNet-ft	0.14 434	0.07 236	0.15 435	0.12 7	0.09 349	0.16 455	0.18 490	0.22 388	0.24 449	0.17 438	0.26 510	0.24 519	0.14 443	0.16 441	0.14 438	0.11 556	0.06 426	0.08 403	0.09 509	0.09 508	0.08 464

CCAANet	0.14 434	0.06 118	0.14 385	0.17 306	0.09 349	0.16 455	0.13 178	0.30 543	0.24 449	0.16 419	0.32 564	0.18 441	0.17 512	0.17 474	0.14 438	0.06 167	0.05 275	0.09 486	0.09 509	0.06 291	0.09 510

DMCA	0.14 434	0.09 435	0.16 471	0.19 466	0.09 349	0.15 424	0.17 441	0.23 412	0.27 495	0.14 361	0.19 395	0.17 427	0.18 527	0.15 406	0.17 501	0.10 524	0.06 426	0.08 403	0.06 292	0.09 508	0.10 541

RASNet	0.14 434	0.07 236	0.14 385	0.16 219	0.08 218	0.18 497	0.14 246	0.29 529	0.20 390	0.17 438	0.25 492	0.21 477	0.18 527	0.20 537	0.19 532	0.07 338	0.06 426	0.06 199	0.08 462	0.06 291	0.06 305

MSMDNet	0.14 434	0.08 355	0.15 435	0.17 306	0.09 349	0.14 397	0.14 246	0.29 529	0.36 575	0.14 361	0.21 430	0.21 477	0.12 379	0.17 474	0.14 438	0.07 338	0.05 275	0.07 309	0.07 389	0.07 372	0.07 393

HSM-Net_RVC	0.14 434	0.08 355	0.11 246	0.15 123	0.08 218	0.15 424	0.15 329	0.27 496	0.29 517	0.19 485	0.21 430	0.29 569	0.14 443	0.17 474	0.13 394	0.06 167	0.06 426	0.06 199	0.06 292	0.07 372	0.06 305
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 434	0.07 236	0.15 435	0.12 7	0.09 349	0.16 455	0.18 490	0.22 388	0.24 449	0.17 438	0.26 510	0.24 519	0.14 443	0.16 441	0.14 438	0.11 556	0.06 426	0.08 403	0.09 509	0.09 508	0.08 464

ccs_rob	0.14 434	0.08 355	0.15 435	0.16 219	0.09 349	0.12 307	0.14 246	0.27 496	0.34 561	0.14 361	0.21 430	0.22 495	0.13 419	0.18 497	0.14 438	0.07 338	0.05 275	0.08 403	0.07 389	0.07 372	0.07 393

UCFNet_RVC	0.14 434	0.08 355	0.13 346	0.11 1	0.10 462	0.20 537	0.10 35	0.24 437	0.22 420	0.17 438	0.20 407	0.23 513	0.15 461	0.17 474	0.15 470	0.12 581	0.07 498	0.10 535	0.13 615	0.11 564	0.10 541

iResNetv2_ROB	0.14 434	0.08 355	0.15 435	0.16 219	0.08 218	0.16 455	0.12 98	0.25 457	0.35 570	0.21 522	0.29 545	0.24 519	0.13 419	0.14 379	0.14 438	0.06 167	0.05 275	0.06 199	0.04 60	0.09 508	0.08 464

iResNet_ROB	0.14 434	0.07 236	0.13 346	0.14 69	0.07 134	0.18 497	0.14 246	0.26 475	0.31 535	0.22 538	0.25 492	0.23 513	0.15 461	0.15 406	0.13 394	0.07 338	0.05 275	0.05 50	0.04 60	0.08 442	0.08 464

DDVS	0.15 479	0.10 497	0.21 558	0.16 219	0.12 546	0.15 424	0.14 246	0.25 457	0.19 367	0.18 468	0.29 545	0.27 551	0.12 379	0.19 512	0.15 470	0.09 482	0.06 426	0.09 486	0.07 389	0.11 564	0.11 568

rvit_0105_3	0.15 479	0.09 435	0.14 385	0.19 466	0.12 546	0.15 424	0.25 623	0.25 457	0.29 517	0.15 390	0.17 356	0.20 468	0.13 419	0.17 474	0.14 438	0.13 607	0.11 596	0.12 586	0.14 619	0.07 372	0.06 305

ACV-stereo	0.15 479	0.10 497	0.28 598	0.18 397	0.12 546	0.14 397	0.12 98	0.23 412	0.21 406	0.19 485	0.23 450	0.22 495	0.15 461	0.23 578	0.17 501	0.07 338	0.06 426	0.07 309	0.07 389	0.07 372	0.07 393

ITSA-stereo	0.15 479	0.10 497	0.14 385	0.19 466	0.08 218	0.12 307	0.14 246	0.30 543	0.49 635	0.17 438	0.19 395	0.22 495	0.15 461	0.17 474	0.16 486	0.10 524	0.06 426	0.08 403	0.08 462	0.08 442	0.08 464

test_sample7	0.15 479	0.10 497	0.16 471	0.14 69	0.11 512	0.16 455	0.16 399	0.27 496	0.23 432	0.20 508	0.20 407	0.24 519	0.19 543	0.16 441	0.16 486	0.12 581	0.06 426	0.10 535	0.09 509	0.10 541	0.10 541

1111x	0.15 479	0.08 355	0.12 290	0.18 397	0.07 134	0.18 497	0.25 623	0.31 555	0.24 449	0.17 438	0.24 464	0.26 543	0.15 461	0.13 345	0.23 579	0.07 338	0.07 498	0.08 403	0.09 509	0.07 372	0.06 305

CFNet_ucs	0.15 479	0.08 355	0.16 471	0.16 219	0.11 512	0.14 397	0.14 246	0.30 543	0.34 561	0.16 419	0.24 464	0.23 513	0.14 443	0.18 497	0.15 470	0.09 482	0.06 426	0.08 403	0.07 389	0.09 508	0.09 510

BSDual-CNN	0.15 479	0.09 435	0.14 385	0.22 582	0.10 462	0.14 397	0.15 329	0.34 595	0.19 367	0.17 438	0.22 441	0.25 533	0.16 489	0.15 406	0.14 438	0.08 421	0.06 426	0.10 535	0.09 509	0.07 372	0.07 393

hknet	0.15 479	0.11 523	0.13 346	0.22 582	0.11 512	0.14 397	0.15 329	0.34 595	0.25 471	0.17 438	0.22 441	0.22 495	0.18 527	0.17 474	0.12 350	0.07 338	0.06 426	0.10 535	0.09 509	0.07 372	0.07 393

dd	0.15 479	0.16 599	0.16 471	0.19 466	0.09 349	0.15 424	0.18 490	0.21 362	0.25 471	0.23 551	0.20 407	0.21 477	0.09 267	0.21 554	0.16 486	0.10 524	0.06 426	0.08 403	0.06 292	0.08 442	0.06 305

DAS	0.15 479	0.08 355	0.18 525	0.19 466	0.10 462	0.19 521	0.17 441	0.27 496	0.29 517	0.18 468	0.25 492	0.21 477	0.15 461	0.16 441	0.12 350	0.08 421	0.06 426	0.06 199	0.06 292	0.07 372	0.07 393

SepStereo	0.15 479	0.08 355	0.18 525	0.19 466	0.10 462	0.19 521	0.17 441	0.27 496	0.29 517	0.18 468	0.25 492	0.21 477	0.15 461	0.25 593	0.12 350	0.08 421	0.06 426	0.06 199	0.06 292	0.07 372	0.07 393

PSMNet-ADL	0.15 479	0.12 541	0.13 346	0.22 582	0.09 349	0.13 363	0.20 553	0.26 475	0.23 432	0.18 468	0.20 407	0.24 519	0.16 489	0.18 497	0.17 501	0.08 421	0.08 528	0.08 403	0.11 584	0.08 442	0.07 393

LMCR-Stereo	0.15 479	0.08 355	0.13 346	0.21 565	0.09 349	0.17 478	0.20 553	0.27 496	0.19 367	0.24 560	0.24 464	0.23 513	0.17 512	0.20 537	0.17 501	0.07 338	0.06 426	0.08 403	0.06 292	0.10 541	0.08 464

ICVP	0.15 479	0.09 435	0.12 290	0.22 582	0.09 349	0.17 478	0.21 573	0.25 457	0.23 432	0.18 468	0.30 552	0.26 543	0.18 527	0.17 474	0.14 438	0.09 482	0.07 498	0.08 403	0.07 389	0.07 372	0.07 393
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 479	0.07 236	0.14 385	0.14 69	0.08 218	0.23 579	0.18 490	0.31 555	0.19 367	0.14 361	0.28 533	0.22 495	0.14 443	0.15 406	0.26 614	0.09 482	0.05 275	0.07 309	0.07 389	0.08 442	0.07 393

test_xeample	0.15 479	0.06 118	0.13 346	0.14 69	0.08 218	0.21 554	0.20 553	0.28 515	0.20 390	0.16 419	0.29 545	0.19 456	0.16 489	0.15 406	0.26 614	0.09 482	0.05 275	0.07 309	0.07 389	0.07 372	0.07 393

ACVNet	0.15 479	0.09 435	0.15 435	0.13 25	0.12 546	0.14 397	0.20 553	0.22 388	0.33 549	0.17 438	0.26 510	0.21 477	0.16 489	0.17 474	0.21 558	0.07 338	0.06 426	0.06 199	0.06 292	0.08 442	0.06 305

acv_ft	0.15 479	0.09 435	0.15 435	0.19 466	0.10 462	0.16 455	0.17 441	0.25 457	0.33 549	0.19 485	0.26 510	0.21 477	0.17 512	0.17 474	0.18 519	0.07 338	0.06 426	0.06 199	0.06 292	0.08 442	0.06 305

CFNet	0.15 479	0.10 497	0.17 501	0.17 306	0.08 218	0.18 497	0.09 20	0.28 515	0.25 471	0.19 485	0.24 464	0.24 519	0.17 512	0.17 474	0.14 438	0.08 421	0.06 426	0.09 486	0.10 550	0.07 372	0.06 305

AdaStereo	0.15 479	0.11 523	0.15 435	0.18 397	0.09 349	0.20 537	0.11 65	0.32 566	0.28 510	0.20 508	0.23 450	0.20 468	0.13 419	0.19 512	0.14 438	0.12 581	0.05 275	0.10 535	0.07 389	0.09 508	0.07 393
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 479	0.08 355	0.14 385	0.16 219	0.09 349	0.16 455	0.14 246	0.28 515	0.25 471	0.19 485	0.23 450	0.37 624	0.16 489	0.20 537	0.15 470	0.07 338	0.05 275	0.07 309	0.06 292	0.07 372	0.06 305

pmcnn	0.15 479	0.07 236	0.19 537	0.15 123	0.07 134	0.20 537	0.15 329	0.24 437	0.26 485	0.21 522	0.34 581	0.28 561	0.18 527	0.18 497	0.17 501	0.07 338	0.05 275	0.05 50	0.04 60	0.07 372	0.06 305

DStereoRT	0.16 502	0.06 118	0.11 246	0.19 466	0.09 349	0.12 307	0.12 98	0.28 515	0.22 420	0.12 304	0.20 407	0.11 286	0.10 311	0.15 406	0.14 438	0.06 167	0.05 275	0.96 704	0.09 509	0.05 170	0.04 73

DualNet (step1)	0.16 502	0.12 541	0.20 549	0.12 7	0.14 590	0.17 478	0.13 178	0.27 496	0.23 432	0.20 508	0.20 407	0.24 519	0.19 543	0.16 441	0.16 486	0.15 625	0.06 426	0.14 614	0.14 619	0.14 612	0.12 581

GMStereo_Zeroshot	0.16 502	0.13 569	0.24 577	0.20 533	0.10 462	0.17 478	0.13 178	0.29 529	0.25 471	0.23 551	0.32 564	0.25 533	0.11 347	0.19 512	0.14 438	0.09 482	0.06 426	0.11 566	0.06 292	0.12 579	0.08 464

iinet-f	0.16 502	0.06 118	0.45 644	0.14 69	0.10 462	0.21 554	0.14 246	0.27 496	0.23 432	0.21 522	0.24 464	0.21 477	0.15 461	0.18 497	0.21 558	0.09 482	0.07 498	0.07 309	0.06 292	0.09 508	0.10 541

CRFU-Net	0.16 502	0.08 355	0.14 385	0.17 306	0.09 349	0.19 521	0.14 246	0.26 475	0.20 390	0.28 600	0.27 519	0.29 569	0.17 512	0.19 512	0.17 501	0.09 482	0.09 561	0.07 309	0.07 389	0.08 442	0.08 464

NINENet	0.16 502	0.10 497	0.15 435	0.17 306	0.11 512	0.19 521	0.14 246	0.40 640	0.36 575	0.18 468	0.21 430	0.16 405	0.13 419	0.15 406	0.13 394	0.08 421	0.08 528	0.10 535	0.07 389	0.10 541	0.09 510

CSP-Net	0.16 502	0.09 435	0.14 385	0.16 219	0.09 349	0.19 521	0.17 441	0.25 457	0.32 542	0.25 573	0.30 552	0.24 519	0.15 461	0.21 554	0.18 519	0.09 482	0.06 426	0.07 309	0.07 389	0.08 442	0.07 393

AASNet	0.16 502	0.08 355	0.12 290	0.19 466	0.09 349	0.18 497	0.15 329	0.37 624	0.37 582	0.19 485	0.23 450	0.20 468	0.16 489	0.17 474	0.20 538	0.10 524	0.08 528	0.08 403	0.07 389	0.09 508	0.09 510

AACVNet	0.16 502	0.08 355	0.14 385	0.15 123	0.10 462	0.18 497	0.15 329	0.23 412	0.24 449	0.27 585	0.27 519	0.28 561	0.17 512	0.19 512	0.16 486	0.09 482	0.07 498	0.09 486	0.07 389	0.10 541	0.09 510

ADLNet2	0.16 502	0.09 435	0.13 346	0.16 219	0.09 349	0.20 537	0.16 399	0.31 555	0.39 592	0.16 419	0.20 407	0.20 468	0.18 527	0.21 554	0.22 567	0.08 421	0.06 426	0.07 309	0.07 389	0.09 508	0.07 393

Anonymous3	0.16 502	0.13 569	0.33 618	0.26 632	0.14 590	0.27 615	0.17 441	0.28 515	0.28 510	0.15 390	0.17 356	0.14 361	0.10 311	0.15 406	0.12 350	0.08 421	0.08 528	0.08 403	0.08 462	0.08 442	0.11 568

ADLNet	0.16 502	0.08 355	0.15 435	0.16 219	0.10 462	0.16 455	0.17 441	0.32 566	0.27 495	0.22 538	0.27 519	0.24 519	0.16 489	0.18 497	0.21 558	0.10 524	0.06 426	0.10 535	0.10 550	0.08 442	0.09 510

HCRNet	0.16 502	0.24 646	0.12 290	0.35 667	0.11 512	0.15 424	0.17 441	0.26 475	0.22 420	0.19 485	0.24 464	0.21 477	0.14 443	0.15 406	0.13 394	0.11 556	0.07 498	0.11 566	0.10 550	0.09 508	0.07 393

222	0.16 502	0.07 236	0.14 385	0.14 69	0.08 218	0.24 584	0.18 490	0.30 543	0.20 390	0.17 438	0.28 533	0.17 427	0.16 489	0.15 406	0.40 669	0.10 524	0.05 275	0.07 309	0.06 292	0.07 372	0.08 464

UPFNet	0.16 502	0.08 355	0.12 290	0.20 533	0.12 546	0.20 537	0.23 594	0.28 515	0.26 485	0.17 438	0.24 464	0.22 495	0.19 543	0.19 512	0.21 558	0.09 482	0.07 498	0.08 403	0.09 509	0.08 442	0.06 305

ac_64	0.16 502	0.08 355	0.15 435	0.18 397	0.10 462	0.22 563	0.18 490	0.24 437	0.21 406	0.18 468	0.24 464	0.29 569	0.18 527	0.19 512	0.22 567	0.09 482	0.07 498	0.08 403	0.09 509	0.07 372	0.06 305

DSFCA	0.16 502	0.09 435	0.14 385	0.16 219	0.10 462	0.20 537	0.19 530	0.28 515	0.31 535	0.23 551	0.24 464	0.22 495	0.15 461	0.19 512	0.20 538	0.10 524	0.07 498	0.09 486	0.09 509	0.08 442	0.08 464

FADNet-RVC-Resample	0.16 502	0.11 523	0.31 611	0.22 582	0.11 512	0.19 521	0.14 246	0.25 457	0.24 449	0.24 560	0.27 519	0.20 468	0.15 461	0.16 441	0.15 470	0.07 338	0.08 528	0.12 586	0.10 550	0.09 508	0.10 541

FADNet_RVC	0.16 502	0.14 581	0.40 637	0.20 533	0.11 512	0.13 363	0.13 178	0.26 475	0.22 420	0.21 522	0.23 450	0.20 468	0.17 512	0.14 379	0.16 486	0.08 421	0.08 528	0.12 586	0.09 509	0.11 564	0.10 541

AANet_RVC	0.16 502	0.10 497	0.10 186	0.18 397	0.09 349	0.18 497	0.19 530	0.26 475	0.31 535	0.22 538	0.35 586	0.21 477	0.21 559	0.22 567	0.16 486	0.06 167	0.05 275	0.06 199	0.06 292	0.07 372	0.06 305

DeepPruner_ROB	0.16 502	0.11 523	0.15 435	0.17 306	0.10 462	0.17 478	0.15 329	0.32 566	0.21 406	0.19 485	0.21 430	0.22 495	0.18 527	0.20 537	0.15 470	0.13 607	0.09 561	0.09 486	0.09 509	0.11 564	0.10 541

z-ln-s-r	0.17 523	0.10 497	0.40 637	0.19 466	0.08 218	0.17 478	0.18 490	0.22 388	0.33 549	0.18 468	0.40 615	0.22 495	0.17 512	0.20 537	0.23 579	0.07 338	0.05 275	0.07 309	0.07 389	0.07 372	0.05 204

rvit_stereo_0075_2	0.17 523	0.12 541	0.25 582	0.23 606	0.16 621	0.13 363	0.10 35	0.30 543	0.27 495	0.20 508	0.28 533	0.22 495	0.15 461	0.18 497	0.13 394	0.16 641	0.10 583	0.17 637	0.10 550	0.10 541	0.09 510

ToySt	0.17 523	0.11 523	0.18 525	0.17 306	0.11 512	0.16 455	0.25 623	0.24 437	0.33 549	0.19 485	0.24 464	0.26 543	0.24 582	0.19 512	0.20 538	0.07 338	0.08 528	0.09 486	0.10 550	0.09 508	0.08 464

ssnet_v2	0.17 523	0.10 497	0.17 501	0.17 306	0.11 512	0.21 554	0.21 573	0.33 586	0.25 471	0.22 538	0.22 441	0.27 551	0.18 527	0.22 567	0.20 538	0.11 556	0.09 561	0.09 486	0.09 509	0.08 442	0.08 464

dad	0.17 523	0.20 631	0.20 549	0.16 219	0.11 512	0.20 537	0.18 490	0.21 362	0.28 510	0.30 614	0.24 464	0.29 569	0.13 419	0.19 512	0.16 486	0.18 648	0.09 561	0.11 566	0.09 509	0.11 564	0.07 393

GEStereo_RVC	0.17 523	0.12 541	0.15 435	0.22 582	0.11 512	0.19 521	0.17 441	0.32 566	0.48 628	0.20 508	0.25 492	0.17 427	0.13 419	0.21 554	0.16 486	0.10 524	0.06 426	0.08 403	0.07 389	0.09 508	0.08 464

MMNet	0.17 523	0.09 435	0.16 471	0.20 533	0.11 512	0.27 615	0.20 553	0.25 457	0.41 601	0.22 538	0.30 552	0.21 477	0.20 555	0.17 474	0.20 538	0.06 167	0.06 426	0.07 309	0.07 389	0.08 442	0.07 393

delet	0.17 523	0.08 355	0.17 501	0.19 466	0.11 512	0.20 537	0.21 573	0.30 543	0.37 582	0.17 438	0.26 510	0.19 456	0.19 543	0.19 512	0.21 558	0.08 421	0.08 528	0.09 486	0.11 584	0.06 291	0.06 305

UNet	0.17 523	0.09 435	0.18 525	0.19 466	0.12 546	0.27 615	0.19 530	0.33 586	0.29 517	0.21 522	0.24 464	0.23 513	0.19 543	0.19 512	0.18 519	0.07 338	0.06 426	0.08 403	0.07 389	0.08 442	0.06 305

HGLStereo	0.17 523	0.08 355	0.19 537	0.17 306	0.12 546	0.18 497	0.18 490	0.31 555	0.32 542	0.21 522	0.32 564	0.25 533	0.18 527	0.19 512	0.20 538	0.09 482	0.09 561	0.07 309	0.07 389	0.09 508	0.10 541

DMCA-RVC	0.17 523	0.10 497	0.15 435	0.24 615	0.11 512	0.18 497	0.18 490	0.25 457	0.24 449	0.21 522	0.26 510	0.25 533	0.27 605	0.18 497	0.20 538	0.12 581	0.08 528	0.13 601	0.10 550	0.10 541	0.08 464

TDLM	0.17 523	0.12 541	0.13 346	0.24 615	0.10 462	0.18 497	0.18 490	0.36 618	0.30 527	0.21 522	0.28 533	0.28 561	0.18 527	0.23 578	0.18 519	0.11 556	0.07 498	0.10 535	0.10 550	0.08 442	0.08 464

NLCA_NET_v2_RVC	0.17 523	0.10 497	0.22 564	0.20 533	0.10 462	0.15 424	0.18 490	0.31 555	0.25 471	0.21 522	0.30 552	0.25 533	0.17 512	0.21 554	0.20 538	0.09 482	0.06 426	0.08 403	0.08 462	0.07 372	0.08 464
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 523	0.12 541	0.15 435	0.20 533	0.09 349	0.18 497	0.18 490	0.26 475	0.23 432	0.26 579	0.40 615	0.22 495	0.17 512	0.21 554	0.20 538	0.08 421	0.05 275	0.09 486	0.10 550	0.07 372	0.07 393
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 537	0.08 355	0.19 537	0.19 466	0.13 569	0.15 424	0.12 98	0.30 543	0.32 542	0.21 522	0.25 492	0.27 551	0.17 512	0.17 474	0.20 538	0.20 656	0.08 528	0.14 614	0.14 619	0.14 612	0.17 648

test_sample9	0.18 537	0.12 541	0.20 549	0.12 7	0.14 590	0.17 478	0.13 178	0.27 496	0.23 432	0.20 508	0.20 407	0.24 519	0.19 543	0.19 512	0.17 501	0.15 625	0.30 679	0.14 614	0.14 619	0.14 612	0.12 581

fast-acv-ft	0.18 537	0.11 523	0.19 537	0.19 466	0.12 546	0.24 584	0.21 573	0.25 457	0.34 561	0.22 538	0.34 581	0.27 551	0.20 555	0.21 554	0.23 579	0.09 482	0.09 561	0.08 403	0.10 550	0.08 442	0.07 393

HBP-ISP	0.18 537	0.13 569	0.16 471	0.15 123	0.11 512	0.08 84	0.13 178	0.28 515	0.29 517	0.22 538	0.33 577	0.21 477	0.25 591	0.23 578	0.17 501	0.14 621	0.16 646	0.21 651	0.17 647	0.10 541	0.08 464

Wz-Net-LNSev-Ref	0.18 537	0.09 435	0.29 606	0.15 123	0.10 462	0.22 563	0.20 553	0.26 475	0.39 592	0.25 573	0.42 633	0.24 519	0.15 461	0.20 537	0.19 532	0.07 338	0.05 275	0.06 199	0.05 194	0.10 541	0.09 510

SACVNet	0.18 537	0.12 541	0.14 385	0.17 306	0.13 569	0.22 563	0.18 490	0.31 555	0.30 527	0.23 551	0.31 560	0.30 579	0.22 568	0.22 567	0.17 501	0.11 556	0.08 528	0.10 535	0.10 550	0.12 579	0.14 621

psm_up	0.18 537	0.10 497	0.18 525	0.20 533	0.11 512	0.17 478	0.19 530	0.37 624	0.34 561	0.21 522	0.28 533	0.29 569	0.24 582	0.20 537	0.22 567	0.09 482	0.10 583	0.11 566	0.11 584	0.08 442	0.08 464

hitnet-ft	0.18 537	0.09 435	0.17 501	0.14 69	0.09 349	0.26 605	0.20 553	0.25 457	0.26 485	0.24 560	0.32 564	0.31 592	0.22 568	0.24 588	0.21 558	0.12 581	0.07 498	0.10 535	0.08 462	0.12 579	0.11 568

STTStereo	0.18 537	0.12 541	0.27 593	0.20 533	0.11 512	0.16 455	0.21 573	0.29 529	0.23 432	0.21 522	0.30 552	0.29 569	0.18 527	0.20 537	0.19 532	0.12 581	0.11 596	0.11 566	0.14 619	0.09 508	0.08 464

CVANet_RVC	0.18 537	0.10 497	0.14 385	0.21 565	0.10 462	0.18 497	0.17 441	0.34 595	0.33 549	0.22 538	0.31 560	0.28 561	0.18 527	0.23 578	0.17 501	0.12 581	0.08 528	0.12 586	0.11 584	0.09 508	0.07 393

StereoDRNet	0.18 537	0.11 523	0.17 501	0.22 582	0.11 512	0.21 554	0.22 583	0.37 624	0.33 549	0.24 560	0.28 533	0.30 579	0.19 543	0.20 537	0.20 538	0.09 482	0.08 528	0.11 566	0.09 509	0.09 508	0.07 393

DLCB_ROB	0.18 537	0.10 497	0.15 435	0.23 606	0.11 512	0.24 584	0.18 490	0.29 529	0.28 510	0.27 585	0.28 533	0.28 561	0.24 582	0.19 512	0.20 538	0.08 421	0.08 528	0.09 486	0.09 509	0.07 372	0.07 393

TCMNet	0.19 549	0.12 541	0.19 537	0.20 533	0.18 643	0.20 537	0.24 607	0.27 496	0.36 575	0.23 551	0.26 510	0.25 533	0.19 543	0.19 512	0.23 579	0.13 607	0.11 596	0.11 566	0.12 604	0.13 598	0.12 581

rvit_105_1	0.19 549	0.11 523	0.25 582	0.21 565	0.16 621	0.21 554	0.27 639	0.31 555	0.41 601	0.19 485	0.20 407	0.22 495	0.17 512	0.19 512	0.17 501	0.12 581	0.12 612	0.13 601	0.15 636	0.08 442	0.07 393

test_sample8	0.19 549	0.12 541	0.20 549	0.12 7	0.14 590	0.17 478	0.13 178	0.31 555	0.21 406	0.27 585	0.22 441	0.36 619	0.25 591	0.19 512	0.17 501	0.15 625	0.30 679	0.14 614	0.14 619	0.14 612	0.12 581

SDNR	0.19 549	0.08 355	0.19 537	0.16 219	0.12 546	0.77 692	0.14 246	0.25 457	0.32 542	0.19 485	0.24 464	0.19 456	0.13 419	0.19 512	0.15 470	0.16 641	0.18 653	0.14 614	0.11 584	0.08 442	0.11 568

pcwnet_v2	0.19 549	0.10 497	0.26 585	0.17 306	0.14 590	0.18 497	0.15 329	0.37 624	0.46 626	0.19 485	0.24 464	0.21 477	0.19 543	0.20 537	0.19 532	0.13 607	0.10 583	0.10 535	0.10 550	0.11 564	0.13 604

ADCRef	0.19 549	0.12 541	0.41 640	0.20 533	0.12 546	0.22 563	0.18 490	0.32 566	0.36 575	0.26 579	0.32 564	0.17 427	0.23 576	0.24 588	0.24 592	0.07 338	0.06 426	0.09 486	0.09 509	0.08 442	0.08 464

NVstereo2D	0.19 549	0.10 497	0.15 435	0.17 306	0.15 610	0.28 622	0.23 594	0.44 657	0.42 609	0.15 390	0.27 519	0.25 533	0.19 543	0.22 567	0.17 501	0.09 482	0.06 426	0.10 535	0.08 462	0.15 628	0.09 510

DRN-Test	0.19 549	0.11 523	0.20 549	0.22 582	0.10 462	0.22 563	0.22 583	0.39 636	0.37 582	0.24 560	0.32 564	0.26 543	0.21 559	0.22 567	0.24 592	0.11 556	0.07 498	0.11 566	0.10 550	0.09 508	0.07 393

DISCO	0.19 549	0.09 435	0.22 564	0.17 306	0.10 462	0.25 595	0.18 490	0.27 496	0.44 619	0.22 538	0.31 560	0.33 606	0.26 597	0.28 610	0.28 630	0.08 421	0.06 426	0.07 309	0.07 389	0.09 508	0.09 510

CBMV_ROB	0.19 549	0.13 569	0.17 501	0.16 219	0.11 512	0.15 424	0.13 178	0.26 475	0.28 510	0.27 585	0.30 552	0.27 551	0.24 582	0.23 578	0.16 486	0.15 625	0.17 651	0.22 655	0.20 653	0.10 541	0.11 568

NOSS_ROB	0.19 549	0.12 541	0.18 525	0.16 219	0.12 546	0.15 424	0.12 98	0.30 543	0.32 542	0.20 508	0.22 441	0.27 551	0.23 576	0.21 554	0.16 486	0.16 641	0.18 653	0.23 656	0.21 655	0.12 579	0.13 604

CBMV	0.19 549	0.14 581	0.17 501	0.18 397	0.10 462	0.20 537	0.11 65	0.29 529	0.30 527	0.29 609	0.30 552	0.30 579	0.23 576	0.27 598	0.19 532	0.13 607	0.15 642	0.17 637	0.16 640	0.10 541	0.10 541
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 561	0.14 581	0.37 631	0.22 582	0.12 546	0.20 537	0.21 573	0.28 515	0.37 582	0.25 573	0.37 595	0.27 551	0.22 568	0.21 554	0.23 579	0.08 421	0.08 528	0.09 486	0.09 509	0.10 541	0.09 510

YMNet	0.20 561	0.12 541	0.19 537	0.20 533	0.14 590	0.26 605	0.23 594	0.32 566	0.34 561	0.27 585	0.34 581	0.30 579	0.18 527	0.18 497	0.22 567	0.10 524	0.13 627	0.10 535	0.10 550	0.08 442	0.09 510

YMNet_1	0.20 561	0.12 541	0.19 537	0.20 533	0.14 590	0.26 605	0.23 594	0.32 566	0.34 561	0.27 585	0.34 581	0.30 579	0.18 527	0.18 497	0.22 567	0.10 524	0.13 627	0.10 535	0.10 550	0.08 442	0.09 510

GwcNet	0.20 561	0.13 569	0.19 537	0.18 397	0.12 546	0.24 584	0.19 530	0.35 611	0.43 614	0.20 508	0.32 564	0.33 606	0.20 555	0.22 567	0.24 592	0.11 556	0.09 561	0.09 486	0.09 509	0.09 508	0.10 541

FAT-Stereo	0.20 561	0.12 541	0.22 564	0.21 565	0.12 546	0.17 478	0.18 490	0.34 595	0.39 592	0.27 585	0.37 595	0.34 613	0.32 637	0.21 554	0.20 538	0.09 482	0.11 596	0.10 535	0.09 509	0.11 564	0.14 621

FADNet-RVC	0.20 561	0.20 631	0.38 633	0.21 565	0.16 621	0.20 537	0.15 329	0.26 475	0.26 485	0.26 579	0.32 564	0.26 543	0.21 559	0.22 567	0.19 532	0.12 581	0.13 627	0.12 586	0.14 619	0.13 598	0.18 651

S-Stereo	0.20 561	0.12 541	0.25 582	0.21 565	0.13 569	0.20 537	0.18 490	0.32 566	0.43 614	0.23 551	0.36 589	0.28 561	0.30 628	0.19 512	0.22 567	0.09 482	0.12 612	0.10 535	0.10 550	0.13 598	0.13 604

SuperB	0.20 561	0.10 497	0.56 660	0.16 219	0.09 349	0.18 497	0.18 490	0.24 437	0.50 638	0.26 579	0.39 609	0.17 427	0.21 559	0.22 567	0.21 558	0.08 421	0.06 426	0.06 199	0.06 292	0.12 579	0.10 541

ADCP+	0.20 561	0.10 497	0.33 618	0.20 533	0.12 546	0.22 563	0.26 632	0.31 555	0.34 561	0.26 579	0.37 595	0.22 495	0.22 568	0.27 598	0.27 622	0.09 482	0.06 426	0.08 403	0.08 462	0.09 508	0.10 541

PS-NSSS	0.20 561	0.21 637	0.23 573	0.20 533	0.10 462	0.19 521	0.17 441	0.36 618	0.25 471	0.27 585	0.33 577	0.27 551	0.24 582	0.20 537	0.20 538	0.15 625	0.12 612	0.17 637	0.14 619	0.10 541	0.08 464

PWCDC_ROB	0.20 561	0.13 569	0.22 564	0.24 615	0.11 512	0.19 521	0.15 329	0.33 586	0.54 648	0.29 609	0.50 649	0.21 477	0.15 461	0.27 598	0.20 538	0.11 556	0.09 561	0.10 535	0.08 462	0.11 564	0.09 510

SGM-Forest	0.20 561	0.14 581	0.18 525	0.19 466	0.13 569	0.20 537	0.22 583	0.33 586	0.30 527	0.24 560	0.29 545	0.28 561	0.19 543	0.23 578	0.17 501	0.15 625	0.16 646	0.15 626	0.14 619	0.12 579	0.12 581
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 573	0.17 610	0.19 537	0.23 606	0.15 610	0.30 629	0.20 553	0.33 586	0.35 570	0.23 551	0.28 533	0.31 592	0.27 605	0.20 537	0.22 567	0.15 625	0.12 612	0.13 601	0.09 509	0.14 612	0.14 621

FINET	0.21 573	0.18 621	0.26 585	0.18 397	0.16 621	0.23 579	0.23 594	0.32 566	0.48 628	0.25 573	0.32 564	0.22 495	0.22 568	0.22 567	0.17 501	0.18 648	0.16 646	0.11 566	0.10 550	0.15 628	0.13 604

Syn2CoEx	0.21 573	0.16 599	0.27 593	0.29 657	0.14 590	0.26 605	0.20 553	0.33 586	0.31 535	0.28 600	0.36 589	0.27 551	0.25 591	0.19 512	0.24 592	0.16 641	0.12 612	0.14 614	0.11 584	0.09 508	0.08 464

FADNet	0.21 573	0.22 641	0.36 627	0.18 397	0.17 636	0.24 584	0.13 178	0.31 555	0.31 535	0.23 551	0.25 492	0.27 551	0.21 559	0.19 512	0.15 470	0.13 607	0.15 642	0.12 586	0.15 636	0.16 637	0.18 651

RP	0.21 573	0.13 569	0.21 558	0.23 606	0.11 512	0.21 554	0.20 553	0.25 457	0.44 619	0.21 522	0.38 601	0.36 619	0.24 582	0.27 598	0.25 602	0.11 556	0.12 612	0.13 601	0.12 604	0.12 579	0.14 621

DANet	0.21 573	0.15 591	0.28 598	0.25 627	0.13 569	0.22 563	0.19 530	0.27 496	0.27 495	0.28 600	0.32 564	0.35 617	0.31 632	0.31 621	0.23 579	0.11 556	0.09 561	0.11 566	0.10 550	0.13 598	0.11 568
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 573	0.12 541	0.21 558	0.24 615	0.13 569	0.22 563	0.22 583	0.41 646	0.26 485	0.31 620	0.42 633	0.37 624	0.28 616	0.23 578	0.22 567	0.10 524	0.12 612	0.10 535	0.09 509	0.10 541	0.08 464

PWC_ROB	0.21 573	0.16 599	0.26 585	0.18 397	0.11 512	0.22 563	0.13 178	0.32 566	0.49 635	0.30 614	0.40 615	0.32 602	0.24 582	0.31 621	0.22 567	0.10 524	0.07 498	0.11 566	0.08 462	0.11 564	0.10 541

PSMNet_ROB	0.21 573	0.11 523	0.15 435	0.27 645	0.15 610	0.24 584	0.35 673	0.43 655	0.37 582	0.27 585	0.32 564	0.32 602	0.22 568	0.21 554	0.26 614	0.12 581	0.08 528	0.13 601	0.11 584	0.09 508	0.09 510

MSAF-DinoV2	0.22 582	0.11 523	0.23 573	0.17 306	0.10 462	0.27 615	0.16 399	0.37 624	0.55 649	0.21 522	0.27 519	0.47 659	0.27 605	0.35 640	0.39 666	0.09 482	0.06 426	0.07 309	0.09 509	0.12 579	0.10 541

GASNet	0.22 582	0.23 643	0.33 618	0.26 632	0.17 636	0.26 605	0.16 399	0.44 657	0.42 609	0.27 585	0.24 464	0.30 579	0.15 461	0.27 598	0.18 519	0.12 581	0.08 528	0.12 586	0.11 584	0.16 637	0.07 393

Anonymous_2	0.22 582	0.17 610	0.28 598	0.15 123	0.16 621	0.32 632	0.22 583	0.22 388	0.17 318	0.23 551	0.24 464	0.26 543	0.27 605	0.27 598	0.23 579	0.22 665	0.25 675	0.17 637	0.17 647	0.17 645	0.17 648

Wz-Net-LNSev	0.22 582	0.16 599	0.38 633	0.21 565	0.13 569	0.25 595	0.23 594	0.32 566	0.43 614	0.30 614	0.41 626	0.31 592	0.18 527	0.22 567	0.25 602	0.10 524	0.09 561	0.08 403	0.08 462	0.12 579	0.11 568

Wz-Net-MNSev	0.22 582	0.13 569	0.31 611	0.20 533	0.14 590	0.36 652	0.24 607	0.33 586	0.44 619	0.28 600	0.40 615	0.38 628	0.19 543	0.24 588	0.25 602	0.09 482	0.07 498	0.09 486	0.09 509	0.12 579	0.10 541

DDUNet	0.22 582	0.17 610	0.21 558	0.22 582	0.15 610	0.25 595	0.24 607	0.29 529	0.30 527	0.31 620	0.36 589	0.33 606	0.25 591	0.24 588	0.20 538	0.18 648	0.13 627	0.17 637	0.11 584	0.16 637	0.16 639

APVNet	0.22 582	0.12 541	0.19 537	0.18 397	0.14 590	0.32 632	0.31 669	0.39 636	0.32 542	0.27 585	0.40 615	0.30 579	0.29 624	0.26 595	0.25 602	0.11 556	0.12 612	0.11 566	0.14 619	0.12 579	0.12 581

aanetorigin	0.22 582	0.17 610	0.56 660	0.17 306	0.10 462	0.15 424	0.19 530	0.20 339	0.33 549	0.49 664	0.48 644	0.29 569	0.27 605	0.20 537	0.23 579	0.08 421	0.07 498	0.08 403	0.07 389	0.10 541	0.09 510

MaskLacGwcNet_RVC	0.22 582	0.21 637	0.24 577	0.26 632	0.11 512	0.23 579	0.14 246	0.39 636	0.24 449	0.32 626	0.36 589	0.30 579	0.21 559	0.19 512	0.21 558	0.17 646	0.14 636	0.21 651	0.16 640	0.12 579	0.12 581

AF-Net	0.22 582	0.17 610	0.17 501	0.26 632	0.13 569	0.25 595	0.24 607	0.32 566	0.50 638	0.25 573	0.33 577	0.38 628	0.26 597	0.28 610	0.25 602	0.11 556	0.10 583	0.16 633	0.11 584	0.11 564	0.10 541

stereogan	0.22 582	0.11 523	0.21 558	0.20 533	0.12 546	0.31 631	0.19 530	0.35 611	0.44 619	0.22 538	0.39 609	0.35 617	0.27 605	0.33 631	0.22 567	0.10 524	0.12 612	0.10 535	0.10 550	0.14 612	0.13 604

edge stereo	0.22 582	0.13 569	0.20 549	0.21 565	0.13 569	0.23 579	0.16 399	0.32 566	0.42 609	0.32 626	0.40 615	0.38 628	0.35 647	0.25 593	0.24 592	0.13 607	0.11 596	0.14 614	0.11 584	0.12 579	0.13 604

RYNet	0.22 582	0.12 541	0.22 564	0.19 466	0.17 636	0.46 663	0.26 632	0.38 632	0.48 628	0.24 560	0.28 533	0.34 613	0.23 576	0.20 537	0.30 641	0.10 524	0.06 426	0.09 486	0.09 509	0.13 598	0.15 628

NaN_ROB	0.22 582	0.19 625	0.24 577	0.25 627	0.13 569	0.29 626	0.26 632	0.33 586	0.41 601	0.31 620	0.31 560	0.32 602	0.23 576	0.30 620	0.21 558	0.11 556	0.17 651	0.10 535	0.10 550	0.08 442	0.09 510

MDST_ROB	0.22 582	0.10 497	0.17 501	0.18 397	0.11 512	0.37 653	0.19 530	0.43 655	0.41 601	0.39 644	0.39 609	0.29 569	0.21 559	0.26 595	0.18 519	0.11 556	0.10 583	0.14 614	0.11 584	0.10 541	0.08 464

XPNet_ROB	0.22 582	0.11 523	0.19 537	0.22 582	0.13 569	0.22 563	0.19 530	0.34 595	0.40 598	0.30 614	0.39 609	0.39 636	0.26 597	0.26 595	0.28 630	0.15 625	0.10 583	0.10 535	0.10 550	0.13 598	0.12 581

SQANet	0.23 598	0.23 643	0.30 609	0.30 659	0.19 647	0.27 615	0.13 178	0.29 529	0.33 549	0.24 560	0.37 595	0.31 592	0.22 568	0.27 598	0.23 579	0.15 625	0.10 583	0.21 651	0.16 640	0.21 654	0.15 628

Nwc_Net	0.23 598	0.16 599	0.21 558	0.25 627	0.14 590	0.24 584	0.26 632	0.37 624	0.38 589	0.22 538	0.41 626	0.30 579	0.28 616	0.28 610	0.25 602	0.11 556	0.10 583	0.17 637	0.20 653	0.10 541	0.10 541

RTSC	0.23 598	0.12 541	0.28 598	0.21 565	0.13 569	0.28 622	0.16 399	0.35 611	0.66 674	0.27 585	0.33 577	0.30 579	0.21 559	0.31 621	0.29 634	0.10 524	0.08 528	0.09 486	0.10 550	0.13 598	0.13 604

PA-Net	0.23 598	0.18 621	0.33 618	0.28 648	0.22 656	0.21 554	0.38 678	0.29 529	0.39 592	0.22 538	0.32 564	0.25 533	0.26 597	0.20 537	0.25 602	0.09 482	0.23 672	0.15 626	0.22 658	0.09 508	0.13 604
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 598	0.15 591	0.17 501	0.34 665	0.18 643	0.24 584	0.23 594	0.34 595	0.28 510	0.31 620	0.38 601	0.38 628	0.28 616	0.23 578	0.24 592	0.15 625	0.12 612	0.18 646	0.21 655	0.13 598	0.13 604

ETE_ROB	0.23 598	0.17 610	0.22 564	0.25 627	0.13 569	0.26 605	0.29 655	0.31 555	0.36 575	0.28 600	0.36 589	0.45 651	0.26 597	0.27 598	0.26 614	0.11 556	0.08 528	0.12 586	0.09 509	0.14 612	0.13 604

SGM_RVC	0.23 598	0.12 541	0.15 435	0.15 123	0.09 349	0.33 639	0.18 490	0.34 595	0.31 535	0.44 659	0.37 595	0.53 667	0.35 647	0.35 640	0.24 592	0.13 607	0.13 627	0.13 601	0.13 615	0.10 541	0.11 568
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 605	0.18 621	0.18 525	0.20 533	0.14 590	0.21 554	0.19 530	0.32 566	0.41 601	0.29 609	0.21 430	0.32 602	0.27 605	0.41 665	0.27 622	0.46 687	0.12 612	0.31 674	0.11 584	0.15 628	0.12 581

z-mn7	0.24 605	0.14 581	0.45 644	0.19 466	0.13 569	0.28 622	0.25 623	0.34 595	0.62 665	0.27 585	0.56 661	0.29 569	0.24 582	0.32 628	0.25 602	0.08 421	0.08 528	0.08 403	0.08 462	0.10 541	0.10 541

w-ln-seven	0.24 605	0.14 581	0.55 657	0.19 466	0.14 590	0.26 605	0.22 583	0.35 611	0.60 662	0.29 609	0.39 609	0.30 579	0.22 568	0.21 554	0.26 614	0.09 482	0.09 561	0.11 566	0.10 550	0.11 564	0.10 541

DGSMNet	0.24 605	0.19 625	0.33 618	0.21 565	0.24 661	0.24 584	0.20 553	0.35 611	0.41 601	0.24 560	0.32 564	0.38 628	0.21 559	0.29 617	0.23 579	0.12 581	0.11 596	0.14 614	0.16 640	0.23 658	0.23 663

G-Net	0.24 605	0.16 599	0.36 627	0.22 582	0.16 621	0.51 669	0.23 594	0.29 529	0.34 561	0.36 636	0.38 601	0.31 592	0.29 624	0.27 598	0.26 614	0.11 556	0.09 561	0.12 586	0.09 509	0.16 637	0.13 604

NCC-stereo	0.24 605	0.15 591	0.31 611	0.26 632	0.16 621	0.20 537	0.30 663	0.40 640	0.40 598	0.24 560	0.38 601	0.33 606	0.28 616	0.36 646	0.27 622	0.12 581	0.11 596	0.15 626	0.22 658	0.13 598	0.13 604

Abc-Net	0.24 605	0.15 591	0.31 611	0.26 632	0.16 621	0.20 537	0.30 663	0.40 640	0.40 598	0.24 560	0.38 601	0.33 606	0.28 616	0.36 646	0.27 622	0.12 581	0.11 596	0.15 626	0.22 658	0.13 598	0.13 604
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 605	0.11 523	0.47 649	0.22 582	0.12 546	0.34 642	0.29 655	0.29 529	0.56 652	0.24 560	0.46 641	0.30 579	0.30 628	0.29 617	0.29 634	0.08 421	0.07 498	0.09 486	0.09 509	0.10 541	0.10 541

DeepPrunerF	0.24 605	0.17 610	0.42 642	0.26 632	0.16 621	0.22 563	0.28 645	0.37 624	0.50 638	0.26 579	0.29 545	0.24 519	0.28 616	0.21 554	0.22 567	0.15 625	0.11 596	0.20 650	0.18 651	0.12 579	0.13 604

FBW_ROB	0.24 605	0.17 610	0.22 564	0.26 632	0.14 590	0.25 595	0.22 583	0.41 646	0.41 601	0.41 651	0.41 626	0.42 643	0.27 605	0.31 621	0.23 579	0.09 482	0.14 636	0.14 614	0.12 604	0.11 564	0.09 510

SANet	0.24 605	0.14 581	0.28 598	0.21 565	0.11 512	0.27 615	0.24 607	0.38 632	0.64 670	0.36 636	0.40 615	0.43 647	0.26 597	0.27 598	0.24 592	0.12 581	0.09 561	0.10 535	0.09 509	0.13 598	0.11 568

WCMA_ROB	0.24 605	0.11 523	0.22 564	0.17 306	0.14 590	0.32 632	0.15 329	0.32 566	0.32 542	0.38 642	0.53 652	0.40 640	0.34 644	0.34 634	0.25 602	0.11 556	0.12 612	0.12 586	0.10 550	0.14 612	0.14 621

DStereoSA	0.25 617	0.19 625	0.37 631	0.26 632	0.17 636	0.22 563	0.20 553	0.49 667	0.59 658	0.22 538	0.29 545	0.29 569	0.33 639	0.39 657	0.28 630	0.12 581	0.11 596	0.16 633	0.14 619	0.14 612	0.12 581

FSD	0.25 617	0.27 656	0.26 585	0.24 615	0.22 656	0.25 595	0.25 623	0.27 496	0.26 485	0.25 573	0.26 510	0.25 533	0.27 605	0.27 598	0.24 592	0.21 660	0.20 659	0.27 662	0.26 665	0.25 666	0.24 664

zh-sn7	0.25 617	0.17 610	0.50 651	0.24 615	0.13 569	0.25 595	0.24 607	0.34 595	0.48 628	0.28 600	0.54 654	0.28 561	0.31 632	0.36 646	0.32 649	0.10 524	0.10 583	0.11 566	0.10 550	0.12 579	0.12 581

zh-mn7	0.25 617	0.14 581	0.56 660	0.19 466	0.14 590	0.24 584	0.22 583	0.34 595	0.62 665	0.35 633	0.65 670	0.31 592	0.25 591	0.31 621	0.25 602	0.09 482	0.08 528	0.09 486	0.09 509	0.09 508	0.11 568

Wz-Net-SNSev	0.25 617	0.17 610	0.44 643	0.25 627	0.14 590	0.26 605	0.23 594	0.38 632	0.56 652	0.30 614	0.55 656	0.39 636	0.26 597	0.23 578	0.30 641	0.10 524	0.09 561	0.09 486	0.10 550	0.11 564	0.11 568

psmorigin	0.25 617	0.15 591	0.34 626	0.17 306	0.13 569	0.23 579	0.14 246	0.34 595	0.33 549	0.41 651	0.55 656	0.41 642	0.37 651	0.34 634	0.27 622	0.11 556	0.15 642	0.11 566	0.11 584	0.12 579	0.16 639

RGC	0.25 617	0.20 631	0.29 606	0.28 648	0.16 621	0.22 563	0.23 594	0.32 566	0.44 619	0.27 585	0.40 615	0.38 628	0.27 605	0.36 646	0.22 567	0.11 556	0.13 627	0.17 637	0.17 647	0.14 612	0.16 639

ADCMid	0.25 617	0.15 591	0.40 637	0.20 533	0.14 590	0.25 595	0.26 632	0.34 595	0.38 589	0.36 636	0.44 638	0.34 613	0.40 658	0.35 640	0.33 654	0.10 524	0.09 561	0.11 566	0.11 584	0.13 598	0.12 581

ADCPNet	0.25 617	0.16 599	0.61 667	0.21 565	0.15 610	0.35 650	0.25 623	0.32 566	0.35 570	0.30 614	0.40 615	0.36 619	0.28 616	0.28 610	0.32 649	0.12 581	0.10 583	0.11 566	0.12 604	0.14 612	0.13 604

STTRV1_RVC	0.25 617	0.26 652	0.39 635	0.19 466	0.26 668	0.30 629	0.24 607	0.34 595	0.35 570	0.36 636	0.34 581	0.31 592	0.31 632	0.28 610	0.25 602	0.17 646	0.10 583	0.16 633	0.14 619	0.17 645	0.12 581

LALA_ROB	0.25 617	0.16 599	0.22 564	0.26 632	0.17 636	0.27 615	0.27 639	0.42 651	0.37 582	0.33 630	0.38 601	0.51 663	0.26 597	0.28 610	0.27 622	0.16 641	0.09 561	0.12 586	0.11 584	0.13 598	0.12 581

SHD	0.26 628	0.15 591	0.30 609	0.24 615	0.18 643	0.22 563	0.15 329	0.38 632	0.71 678	0.32 626	0.41 626	0.36 619	0.28 616	0.32 628	0.29 634	0.12 581	0.11 596	0.14 614	0.13 615	0.16 637	0.20 657

AnyNet_C32	0.26 628	0.16 599	0.36 627	0.20 533	0.16 621	0.25 595	0.30 663	0.32 566	0.44 619	0.31 620	0.49 645	0.30 579	0.33 639	0.40 662	0.33 654	0.12 581	0.12 612	0.12 586	0.14 619	0.14 612	0.15 628

DStereoFS	0.27 630	0.22 641	0.31 611	0.22 582	0.15 610	0.22 563	0.20 553	0.50 671	0.48 628	0.28 600	0.44 638	0.33 606	0.34 644	0.52 675	0.29 634	0.12 581	0.11 596	0.15 626	0.13 615	0.16 637	0.16 639

PSMNet-RUCA	0.27 630	0.33 668	0.41 640	0.36 669	0.32 676	0.18 497	0.19 530	0.42 651	0.30 527	0.33 630	0.41 626	0.39 636	0.25 591	0.31 621	0.20 538	0.18 648	0.10 583	0.25 658	0.15 636	0.21 654	0.16 639

PDISCO_ROB	0.27 630	0.16 599	0.26 585	0.28 648	0.20 650	0.32 632	0.26 632	0.44 657	0.57 654	0.28 600	0.40 615	0.45 651	0.29 624	0.33 631	0.34 656	0.12 581	0.09 561	0.17 637	0.16 640	0.17 645	0.13 604

DispFullNet	0.27 630	0.21 637	0.65 670	0.28 648	0.16 621	0.26 605	0.17 441	0.33 586	0.58 657	0.27 585	0.38 601	0.43 647	0.23 576	0.38 653	0.23 579	0.12 581	0.06 426	0.19 648	0.11 584	0.21 654	0.15 628

MeshStereo	0.27 630	0.13 569	0.18 525	0.15 123	0.11 512	0.32 632	0.24 607	0.40 640	0.36 575	0.52 666	0.57 664	0.67 678	0.40 658	0.35 640	0.26 614	0.14 621	0.13 627	0.13 601	0.11 584	0.11 564	0.10 541
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WZ-Net	0.28 635	0.17 610	0.78 687	0.22 582	0.16 621	0.34 642	0.29 655	0.39 636	0.57 654	0.24 560	0.55 656	0.37 624	0.24 582	0.33 631	0.35 657	0.09 482	0.08 528	0.09 486	0.10 550	0.14 612	0.16 639

XQC	0.28 635	0.23 643	0.51 652	0.28 648	0.19 647	0.34 642	0.27 639	0.36 618	0.57 654	0.31 620	0.30 552	0.37 624	0.30 628	0.38 653	0.38 664	0.13 607	0.09 561	0.15 626	0.12 604	0.17 645	0.18 651

CC-Net-ROB	0.28 635	0.31 666	0.36 627	0.29 657	0.15 610	0.25 595	0.19 530	0.45 660	0.33 549	0.39 644	0.37 595	0.39 636	0.31 632	0.27 598	0.26 614	0.24 671	0.19 656	0.30 673	0.23 662	0.18 649	0.15 628

DPSNet	0.28 635	0.16 599	0.31 611	0.18 397	0.13 569	0.54 671	0.42 682	0.51 673	0.67 675	0.29 609	0.38 601	0.38 628	0.29 624	0.31 621	0.23 579	0.11 556	0.10 583	0.11 566	0.08 462	0.20 653	0.16 639

MultiAttention	0.29 639	0.08 355	0.14 385	0.19 466	0.12 546	1.45 707	1.33 711	0.36 618	0.37 582	0.19 485	0.21 430	0.24 519	0.11 347	0.38 653	0.18 519	0.06 167	0.05 275	0.08 403	0.08 462	0.10 541	0.09 510

Wz-Net-TNSev	0.29 639	0.20 631	0.65 670	0.19 466	0.15 610	0.38 656	0.27 639	0.35 611	0.55 649	0.34 632	0.42 633	0.45 651	0.38 652	0.32 628	0.30 641	0.12 581	0.13 627	0.10 535	0.12 604	0.15 628	0.14 621

ccnet	0.29 639	0.28 661	0.23 573	0.20 533	0.28 670	0.41 661	0.21 573	0.45 660	0.33 549	0.36 636	0.46 641	0.36 619	0.30 628	0.39 657	0.42 673	0.23 669	0.14 636	0.21 651	0.17 647	0.23 658	0.18 651

EDNetEfficient	0.29 639	0.24 646	1.13 699	0.18 397	0.10 462	0.19 521	0.20 553	0.20 339	0.60 662	0.74 686	0.56 661	0.31 592	0.39 655	0.22 567	0.30 641	0.09 482	0.07 498	0.08 403	0.07 389	0.11 564	0.09 510

ADCS	0.29 639	0.18 621	0.45 644	0.21 565	0.17 636	0.28 622	0.23 594	0.41 646	0.63 669	0.40 647	0.49 645	0.40 640	0.36 649	0.39 657	0.40 669	0.13 607	0.12 612	0.13 601	0.14 619	0.16 637	0.16 639

CSAN	0.29 639	0.24 646	0.27 593	0.34 665	0.19 647	0.33 639	0.42 682	0.37 624	0.50 638	0.38 642	0.40 615	0.44 649	0.33 639	0.28 610	0.30 641	0.20 656	0.16 646	0.19 648	0.19 652	0.14 612	0.15 628

AANet	0.30 645	0.19 625	1.03 696	0.16 219	0.13 569	0.22 563	0.16 399	0.30 543	0.62 665	0.60 673	0.52 651	0.46 655	0.38 652	0.23 578	0.32 649	0.12 581	0.09 561	0.11 566	0.10 550	0.13 598	0.12 581

MFN_U_SF_DS_RVC	0.30 645	0.24 646	0.29 606	0.36 669	0.16 621	0.34 642	0.30 663	0.32 566	0.42 609	0.40 647	0.46 641	0.38 628	0.31 632	0.34 634	0.28 630	0.19 654	0.20 659	0.26 659	0.29 672	0.18 649	0.19 656

GANetREF_RVC	0.31 647	0.34 670	0.27 593	0.35 667	0.16 621	0.32 632	0.41 679	0.48 665	0.51 645	0.35 633	0.35 586	0.34 613	0.33 639	0.39 657	0.32 649	0.27 673	0.20 659	0.29 671	0.15 636	0.18 649	0.17 648
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 647	0.26 652	0.26 585	0.24 615	0.21 654	0.34 642	0.25 623	0.34 595	0.39 592	0.40 647	0.69 674	0.45 651	0.40 658	0.34 634	0.27 622	0.20 656	0.19 656	0.26 659	0.25 664	0.23 658	0.22 661

MFN_U_SF_RVC	0.32 649	0.21 637	0.55 657	0.30 659	0.15 610	0.34 642	0.17 441	0.52 674	0.46 626	0.46 663	0.55 656	0.59 670	0.39 655	0.35 640	0.37 662	0.15 625	0.14 636	0.18 646	0.21 655	0.16 637	0.15 628

PASM	0.32 649	0.24 646	0.48 650	0.28 648	0.27 669	0.29 626	0.30 663	0.34 595	0.49 635	0.35 633	0.39 609	0.46 655	0.34 644	0.34 634	0.35 657	0.23 669	0.25 675	0.26 659	0.28 671	0.23 658	0.21 659

SGM-ForestM	0.32 649	0.12 541	0.16 471	0.16 219	0.11 512	0.39 658	0.19 530	0.41 646	0.50 638	0.52 666	0.54 654	1.32 699	0.42 666	0.40 662	0.27 622	0.14 621	0.16 646	0.16 633	0.16 640	0.12 579	0.12 581

FC-DCNN v2	0.33 652	0.27 656	0.28 598	0.26 632	0.23 659	0.37 653	0.28 645	0.40 640	0.43 614	0.45 660	0.56 661	0.51 663	0.40 658	0.37 651	0.29 634	0.21 660	0.20 659	0.27 662	0.26 665	0.25 666	0.24 664

FCDSN-DC	0.33 652	0.28 661	0.28 598	0.30 659	0.24 661	0.39 658	0.28 645	0.42 651	0.42 609	0.43 657	0.53 652	0.51 663	0.41 663	0.36 646	0.30 641	0.21 660	0.20 659	0.27 662	0.26 665	0.25 666	0.24 664
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 652	0.27 656	0.28 598	0.26 632	0.23 659	0.37 653	0.28 645	0.40 640	0.43 614	0.45 660	0.55 656	0.51 663	0.40 658	0.37 651	0.30 641	0.21 660	0.20 659	0.27 662	0.26 665	0.25 666	0.24 664

LSM	0.33 652	0.20 631	0.58 663	0.26 632	0.60 694	0.34 642	0.25 623	0.42 651	0.48 628	0.45 660	0.58 666	0.42 643	0.36 649	0.35 640	0.25 602	0.12 581	0.20 659	0.14 614	0.16 640	0.19 652	0.33 679

AnyNet_C01	0.36 656	0.25 651	1.37 702	0.22 582	0.17 636	0.48 667	0.27 639	0.35 611	0.39 592	0.39 644	0.74 680	0.46 655	0.38 652	0.45 667	0.47 678	0.13 607	0.13 627	0.13 601	0.14 619	0.14 612	0.15 628

GCST	0.37 657	0.42 677	0.26 585	1.02 703	0.39 677	0.18 497	0.08 7	0.20 339	0.17 318	0.28 600	0.25 492	0.15 390	0.12 379	0.16 441	0.14 438	0.64 698	0.43 687	0.75 694	0.65 698	0.63 691	0.46 690

otaku	0.39 658	0.37 673	0.52 653	0.44 676	0.28 670	0.58 673	0.24 607	0.41 646	0.62 665	0.40 647	0.49 645	0.46 655	0.33 639	0.40 662	0.32 649	0.30 674	0.30 679	0.39 678	0.33 677	0.29 673	0.28 673

ACVNet-4b	0.39 658	0.53 680	0.55 657	0.45 677	0.24 661	0.47 665	0.18 490	0.49 667	0.64 670	0.42 654	0.45 640	0.60 671	0.27 605	0.34 634	0.24 592	0.33 678	0.14 636	0.48 682	0.42 684	0.30 674	0.26 672

PVD	0.39 658	0.20 631	0.39 635	0.31 663	0.22 656	0.29 626	0.43 684	0.52 674	0.96 692	0.55 670	0.79 684	0.53 667	0.59 683	0.52 675	0.38 664	0.19 654	0.14 636	0.17 637	0.14 619	0.24 665	0.31 677

Ntro	0.40 661	0.40 675	0.53 654	0.46 680	0.30 674	0.65 679	0.24 607	0.46 662	0.68 676	0.41 651	0.49 645	0.48 661	0.42 666	0.39 657	0.31 648	0.32 676	0.28 677	0.37 677	0.30 674	0.32 678	0.29 674

SAMSARA	0.40 661	0.28 661	0.33 618	0.55 683	0.39 677	0.82 693	1.23 710	0.47 664	0.51 645	0.36 636	0.35 586	0.55 669	0.39 655	0.38 653	0.39 666	0.15 625	0.20 659	0.15 626	0.14 619	0.23 658	0.20 657

ELAS_RVC	0.41 663	0.29 664	0.33 618	0.28 648	0.24 661	0.54 671	0.36 674	0.49 667	0.59 658	0.72 682	0.74 680	0.65 676	0.54 676	0.54 680	0.40 669	0.22 665	0.20 659	0.27 662	0.26 665	0.26 671	0.25 670
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 663	0.29 664	0.33 618	0.27 645	0.24 661	0.60 676	0.36 674	0.50 671	0.50 638	0.71 680	0.79 684	0.67 678	0.54 676	0.51 673	0.42 673	0.22 665	0.20 659	0.27 662	0.26 665	0.26 671	0.25 670
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 665	0.26 652	0.59 665	0.60 685	0.49 684	0.32 632	0.23 594	0.46 662	0.52 647	0.56 672	0.58 666	0.76 683	0.32 637	0.48 669	0.29 634	0.32 676	0.24 673	0.27 662	0.33 677	0.46 682	0.39 684

MSC_U_SF_DS_RVC	0.43 666	0.39 674	0.54 655	0.40 672	0.20 650	0.64 678	0.32 671	0.53 676	0.72 679	0.71 680	0.72 677	0.61 672	0.54 676	0.51 673	0.46 677	0.20 656	0.19 656	0.29 671	0.30 674	0.23 658	0.18 651

ACVNet_1	0.44 667	0.49 679	0.60 666	0.45 677	0.28 670	0.49 668	0.27 639	0.57 681	0.72 679	0.62 675	0.58 666	0.74 682	0.49 672	0.50 671	0.35 657	0.26 672	0.24 673	0.39 678	0.29 672	0.31 677	0.24 664

Consistency-Raft	0.44 667	0.40 675	0.45 644	0.37 671	0.43 681	0.46 663	0.41 679	0.57 681	0.55 649	0.32 626	0.73 678	0.33 606	0.48 671	0.42 666	0.49 680	0.39 681	0.35 684	0.45 681	0.51 691	0.42 681	0.29 674

RTS	0.45 669	0.19 625	3.26 709	0.24 615	0.15 610	0.74 686	0.20 553	0.36 618	0.76 685	0.42 654	0.43 636	0.31 592	0.41 663	0.53 678	0.35 657	0.10 524	0.08 528	0.13 601	0.12 604	0.15 628	0.15 628

RTSA	0.45 669	0.19 625	3.26 709	0.24 615	0.15 610	0.74 686	0.20 553	0.36 618	0.76 685	0.42 654	0.43 636	0.31 592	0.41 663	0.53 678	0.35 657	0.10 524	0.08 528	0.13 601	0.12 604	0.15 628	0.15 628

MANE	0.45 669	0.27 656	0.27 593	0.27 645	0.24 661	0.47 665	0.31 669	0.55 678	0.59 658	0.72 682	1.13 701	1.15 693	0.61 684	0.52 675	0.37 662	0.21 660	0.20 659	0.27 662	0.31 676	0.25 666	0.24 664

FADE	0.45 669	0.33 668	1.03 696	0.33 664	0.25 667	0.35 650	0.29 655	0.64 685	1.07 693	0.43 657	0.41 626	0.42 643	0.53 674	0.70 688	0.51 684	0.30 674	0.21 671	0.41 680	0.38 681	0.23 658	0.22 661

NVStereoNet_ROB	0.46 673	0.36 672	0.46 648	0.41 674	0.28 670	0.34 642	0.34 672	0.48 665	0.60 662	0.72 682	0.93 690	0.70 681	0.66 687	0.47 668	0.60 689	0.22 665	0.33 683	0.34 676	0.34 680	0.30 674	0.30 676
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 674	0.26 652	0.58 663	0.28 648	0.20 650	0.39 658	0.18 490	0.49 667	0.64 670	0.52 666	0.87 687	1.01 688	0.57 681	0.50 671	0.56 686	0.53 691	0.31 682	0.54 688	0.40 682	0.33 679	0.34 680

LE_ROB	0.50 675	0.07 236	0.14 385	0.15 123	0.08 218	0.24 584	0.16 399	0.22 388	1.81 709	4.63 715	0.67 672	0.47 659	0.44 668	0.20 537	0.29 634	0.07 338	0.06 426	0.06 199	0.06 292	0.08 442	0.06 305

BEATNet-Init1	0.52 676	0.27 656	0.62 668	0.30 659	0.21 654	0.76 690	0.29 655	0.54 677	0.65 673	0.86 691	0.95 692	2.07 709	0.62 686	0.56 682	0.42 673	0.18 648	0.18 653	0.23 656	0.22 658	0.22 657	0.21 659

anonymity	0.53 677	0.58 682	0.65 670	0.41 674	0.61 695	0.53 670	0.41 679	0.56 679	0.41 601	0.55 670	0.50 649	0.49 662	0.55 679	0.58 683	0.50 683	0.58 694	0.50 697	0.51 684	0.51 691	0.51 684	0.57 693

RainbowNet	0.54 678	0.61 684	0.70 685	0.57 684	0.43 681	0.65 679	0.37 677	0.60 683	0.87 689	0.50 665	0.66 671	0.64 674	0.47 670	0.49 670	0.43 676	0.47 688	0.48 693	0.52 686	0.41 683	0.52 685	0.40 687

SGM+DAISY	0.56 679	0.57 681	0.65 670	0.40 672	0.54 687	0.66 681	0.49 687	0.56 679	0.45 625	0.66 676	0.69 674	0.67 678	0.56 680	0.63 685	0.56 686	0.59 695	0.48 693	0.50 683	0.50 690	0.52 685	0.58 694

SPS-STEREO	0.57 680	0.58 682	0.65 670	0.45 677	0.55 689	0.62 677	0.44 686	0.62 684	0.50 638	0.68 678	0.64 669	0.66 677	0.57 681	0.61 684	0.60 689	0.62 697	0.47 692	0.51 684	0.49 688	0.55 689	0.58 694
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 681	0.66 688	0.65 670	0.51 681	0.69 699	0.69 682	0.57 693	0.64 685	0.73 683	0.60 673	0.73 678	0.62 673	0.67 688	0.65 686	0.60 689	0.66 699	0.58 706	0.63 689	0.59 694	0.68 696	0.69 703

IMH-64-1	0.65 682	0.61 684	0.68 679	0.71 688	0.51 685	0.59 674	0.49 687	0.91 693	0.85 687	0.74 686	1.02 694	0.81 684	0.78 692	0.79 690	0.49 680	0.42 683	0.46 688	0.71 691	0.47 686	0.52 685	0.39 684

IMH-64	0.65 682	0.61 684	0.68 679	0.71 688	0.51 685	0.59 674	0.49 687	0.91 693	0.85 687	0.74 686	1.02 694	0.81 684	0.78 692	0.79 690	0.49 680	0.42 683	0.46 688	0.71 691	0.47 686	0.52 685	0.39 684

ACVNet_2	0.66 684	0.66 688	0.68 679	0.63 686	0.41 679	0.71 684	0.49 687	0.96 697	1.39 702	0.89 692	1.09 697	1.04 689	0.73 690	0.54 680	0.47 678	0.43 685	0.40 686	0.53 687	0.44 685	0.47 683	0.35 682

JetBlue	0.71 685	0.45 678	1.14 700	0.51 681	0.47 683	2.02 708	0.64 697	0.75 688	0.70 677	0.69 679	0.77 683	1.22 695	0.83 694	1.03 705	1.01 705	0.40 682	0.28 677	0.33 675	0.33 677	0.30 674	0.34 680

IMH	0.71 685	0.64 687	0.68 679	0.76 690	0.54 687	0.69 682	0.54 691	0.98 699	1.10 695	0.82 690	1.09 697	0.89 686	0.88 697	0.87 698	0.52 685	0.44 686	0.50 697	0.75 694	0.51 691	0.56 690	0.41 688

PWCK	0.71 685	0.94 699	0.95 694	0.76 690	0.31 675	0.74 686	0.36 674	0.90 692	0.90 690	0.96 695	0.75 682	0.95 687	0.61 684	0.87 698	0.66 692	0.72 700	0.46 688	0.75 694	0.49 688	0.69 698	0.44 689

MADNet+	0.75 688	0.71 690	3.70 712	0.66 687	0.41 679	0.98 698	0.97 708	0.69 687	0.73 683	0.52 666	0.57 664	0.64 674	0.68 689	0.86 697	1.01 705	0.34 679	0.36 685	0.28 670	0.23 662	0.36 680	0.31 677

TorneroNet-64	0.76 689	0.72 691	0.74 686	0.78 692	0.58 693	0.91 697	0.56 692	0.84 691	1.29 699	0.66 676	0.90 688	1.40 701	0.75 691	0.85 696	0.67 695	0.49 689	0.46 688	0.72 693	0.59 694	0.67 695	0.53 692

WAO-7	0.79 690	0.78 693	0.54 655	0.85 696	0.67 698	0.74 686	0.68 701	1.05 702	1.32 700	0.90 693	1.20 704	1.04 689	0.92 698	0.69 687	0.66 692	0.60 696	0.62 707	0.67 690	0.68 700	0.64 692	0.58 694

WAO-6	0.81 691	0.80 694	0.62 668	0.86 697	0.63 696	0.76 690	0.58 694	0.98 699	1.54 707	0.90 693	0.96 693	1.07 691	1.03 702	0.70 688	0.66 692	0.72 700	0.49 695	0.90 702	0.71 701	0.68 696	0.58 694

TorneroNet	0.82 692	0.74 692	0.81 691	0.84 695	0.63 696	0.99 699	0.63 695	0.96 697	1.16 696	0.80 689	1.11 699	1.36 700	0.86 696	0.93 701	0.80 700	0.56 692	0.49 695	0.78 699	0.66 699	0.73 701	0.63 702

LVE	0.83 693	0.85 697	0.85 692	0.80 693	0.56 690	1.04 703	0.65 698	1.05 702	1.47 705	0.96 695	1.22 705	1.10 692	0.85 695	0.83 693	0.71 697	0.49 689	0.55 703	0.76 697	0.60 696	0.65 693	0.59 699

Dean	0.87 694	0.86 698	0.79 689	0.81 694	0.56 690	0.90 694	0.63 695	1.15 708	1.73 708	1.15 703	1.15 702	1.31 698	0.99 701	0.81 692	0.81 701	0.57 693	0.56 704	0.77 698	0.64 697	0.66 694	0.58 694

WAO-8	0.91 695	0.81 695	0.65 670	0.94 700	0.69 699	0.90 694	0.67 699	1.07 705	1.83 710	1.06 700	1.45 707	1.30 696	1.07 703	0.84 694	0.78 698	0.74 702	0.53 700	0.86 700	0.75 702	0.69 698	0.62 700

Venus	0.91 695	0.81 695	0.65 670	0.94 700	0.69 699	0.90 694	0.67 699	1.07 705	1.83 710	1.06 700	1.45 707	1.30 696	1.07 703	0.84 694	0.78 698	0.74 702	0.53 700	0.86 700	0.75 702	0.69 698	0.62 700

UNDER WATER-64	0.95 697	0.94 699	1.43 704	0.87 698	0.56 690	1.18 706	0.87 705	0.77 689	0.94 691	1.04 698	0.85 686	1.58 706	1.21 708	0.94 702	0.96 703	0.87 706	0.57 705	1.03 706	0.88 707	0.78 702	0.73 704

UNDER WATER	0.97 698	0.97 701	1.42 703	0.99 702	0.70 702	1.12 705	0.84 704	0.80 690	1.08 694	1.01 697	0.90 688	1.55 705	1.22 709	1.03 705	1.00 704	0.78 704	0.53 700	1.02 705	0.87 706	0.80 703	0.74 705

notaker	0.97 698	1.11 702	0.98 695	1.13 705	0.81 703	0.73 685	0.68 701	0.93 695	1.16 696	1.18 705	1.18 703	1.41 702	1.16 707	1.08 707	0.69 696	0.81 705	0.64 708	1.17 708	0.79 704	0.98 705	0.80 707

ktn	1.01 700	1.21 704	0.80 690	1.23 707	0.86 705	1.01 701	0.87 705	0.94 696	1.39 702	1.04 698	1.12 700	1.15 693	1.07 703	0.94 702	0.59 688	1.28 712	0.71 709	1.38 712	0.83 705	1.02 707	0.75 706

KSHMR	1.09 701	1.17 703	0.88 693	1.25 708	1.00 707	0.99 699	0.96 707	1.13 707	1.37 701	1.16 704	1.29 706	1.41 702	0.96 700	1.01 704	0.92 702	1.03 709	1.08 711	1.20 709	1.03 710	1.01 706	0.97 709

DPSimNet_ROB	1.11 702	1.23 705	0.78 687	1.13 705	0.88 706	1.10 704	1.13 709	1.16 709	1.23 698	1.43 707	1.02 694	1.41 702	1.10 706	0.90 700	1.60 707	1.46 713	0.51 699	1.21 710	1.03 710	0.90 704	1.01 711

HanzoNet	1.29 703	1.26 706	1.19 701	1.12 704	0.85 704	1.02 702	0.83 703	1.03 701	1.48 706	1.64 708	1.61 709	2.50 711	1.72 710	1.61 709	1.61 708	1.26 711	0.80 710	1.31 711	1.01 709	1.02 707	0.86 708

JetRed	1.62 704	1.46 707	2.98 707	0.92 699	1.21 708	4.99 711	1.53 713	1.27 710	1.39 702	1.83 709	1.74 710	1.60 707	0.95 699	1.41 708	2.45 713	0.90 708	1.60 713	0.93 703	0.90 708	1.35 709	0.99 710

MADNet++	1.95 705	1.75 708	1.59 705	1.82 710	1.69 710	2.33 709	1.40 712	2.35 712	2.09 712	2.57 712	2.36 712	2.24 710	2.17 712	2.28 710	2.34 711	1.87 714	1.66 714	1.54 713	1.34 713	1.92 711	1.77 714

Selective-IGEV-i1pa	2.80 706	3.51 714	0.67 678	0.28 648	0.14 590	10.22 716	0.43 684	4.36 713	3.63 713	3.53 713	6.92 715	3.47 712	1.97 711	13.41 728	2.26 710	0.36 680	0.15 642	0.13 601	0.10 550	0.15 628	0.35 682

coex-ft	3.30 707	0.34 670	59.09 741	0.18 397	0.13 569	0.26 605	0.22 583	0.27 496	0.72 679	1.90 710	0.70 676	0.44 649	0.45 669	0.29 617	0.41 672	0.09 482	0.09 561	0.12 586	0.09 509	0.14 612	0.13 604

ASD4	3.54 708	3.38 713	2.05 706	1.72 709	2.51 712	9.03 715	17.71 719	2.25 711	5.51 715	2.46 711	2.81 713	2.03 708	3.36 714	2.73 711	5.06 714	1.22 710	1.34 712	1.13 707	1.33 712	1.68 710	1.49 713

TCMNet-wrong-test	3.67 709	5.48 722	3.89 713	12.18 725	11.75 725	4.65 710	3.88 714	1.06 704	0.72 679	1.09 702	2.15 711	6.30 717	0.53 674	3.43 713	2.36 712	0.89 707	0.20 659	1.87 715	1.69 714	5.57 719	3.62 720

tt	4.67 710	0.06 118	3.55 711	2.02 711	1.55 709	10.25 717	16.71 718	8.91 722	5.03 714	1.31 706	0.94 691	4.71 713	4.76 715	3.33 712	5.87 716	6.06 722	10.30 729	1.88 716	2.11 716	2.75 713	1.21 712

USTest	6.22 711	2.73 711	3.00 708	6.57 718	7.29 717	14.37 719	21.57 720	7.00 721	9.56 720	5.34 718	6.10 714	5.72 716	7.64 718	6.41 717	6.96 718	1.97 715	3.42 720	1.64 714	2.15 717	2.66 712	2.36 715

xxxxx1	7.79 712	5.02 719	7.31 716	3.12 712	3.85 713	16.35 721	22.88 721	5.86 718	8.69 717	7.97 719	8.54 716	9.12 721	8.27 719	10.18 719	10.92 719	2.42 716	2.45 716	3.56 719	12.37 726	3.77 714	3.06 717

tt_ll	7.79 712	5.02 719	7.31 716	3.12 712	3.85 713	16.35 721	22.88 721	5.86 718	8.69 717	7.97 719	8.54 716	9.12 721	8.27 719	10.18 719	10.92 719	2.42 716	2.45 716	3.56 719	12.37 726	3.77 714	3.06 717

ff	7.79 712	5.02 719	7.31 716	3.12 712	3.85 713	16.35 721	22.88 721	5.86 718	8.69 717	7.97 719	8.54 716	9.12 721	8.27 719	10.18 719	10.92 719	2.42 716	2.45 716	3.56 719	12.37 726	3.77 714	3.06 717

EDNetEfficientorigin	7.91 715	0.31 666	153.02 742	0.19 466	0.09 349	0.21 554	0.16 399	0.22 388	0.59 658	0.72 682	0.67 672	0.42 643	0.50 673	0.24 588	0.39 666	0.08 421	0.07 498	0.08 403	0.07 389	0.12 579	0.10 541

DPSMNet_ROB	8.06 716	4.48 715	8.63 725	5.37 717	10.74 720	8.32 713	22.98 725	5.46 715	13.36 725	5.12 716	9.92 721	5.08 714	10.40 722	5.53 716	12.58 722	3.80 720	8.00 721	3.50 717	7.02 722	3.83 717	7.14 724

DGTPSM_ROB	8.06 716	4.48 715	8.63 725	5.35 715	10.72 719	8.32 713	22.97 724	5.46 715	13.35 724	5.12 716	9.92 721	5.08 714	10.40 722	5.52 715	12.58 722	3.79 719	8.00 721	3.50 717	7.02 722	3.83 717	7.14 724

PML	8.91 718	9.34 729	6.13 714	5.35 715	6.41 716	14.99 720	23.38 726	5.27 714	6.83 716	18.04 732	28.19 741	7.67 718	6.83 717	7.85 718	5.75 715	5.35 721	1.83 715	5.95 727	1.93 715	8.64 725	2.52 716

DLNR_Zeroshot_test	10.40 719	1.82 709	19.49 736	120.77 742	13.11 728	0.06 14	0.13 178	0.23 412	0.10 76	0.07 75	0.10 194	0.09 221	0.06 65	0.10 122	0.09 103	0.13 607	0.04 25	0.06 199	0.04 60	51.54 741	0.04 73

DLNR-FE	10.43 720	1.83 710	19.53 737	120.75 741	13.06 727	0.06 14	0.13 178	0.23 412	0.10 76	0.07 75	0.10 194	0.09 221	0.06 65	0.10 122	0.09 103	0.13 607	0.04 25	0.06 199	0.04 60	52.01 742	0.04 73

iinet-test	10.48 721	8.09 724	7.54 720	10.26 719	10.94 721	18.00 725	25.26 727	11.33 726	13.28 722	9.69 723	9.85 719	9.42 724	11.17 724	11.02 723	12.78 725	6.59 724	8.30 723	5.56 722	6.56 718	6.89 720	7.02 722

IINet	10.48 721	8.09 724	7.54 720	10.26 719	10.94 721	18.00 725	25.26 727	11.33 726	13.28 722	9.69 723	9.85 719	9.42 724	11.17 724	11.02 723	12.78 725	6.59 724	8.30 723	5.56 722	6.56 718	6.89 720	7.02 722

LRCNet_RVC	10.62 723	13.42 730	7.30 715	18.92 729	2.07 711	0.33 639	0.30 663	5.59 717	0.48 628	13.03 728	17.94 728	8.87 720	5.65 716	4.79 714	1.89 709	23.51 738	2.73 719	27.55 741	25.71 741	16.07 735	16.33 737

Anonymous_1	10.96 724	7.92 723	7.46 719	10.33 721	10.06 718	18.65 727	26.34 729	11.06 725	13.44 726	9.40 722	10.05 723	9.67 726	11.23 726	10.73 722	12.72 724	6.42 723	8.38 725	5.77 724	10.61 725	12.12 726	6.77 721

DPSM_ROB	11.15 725	8.58 726	8.00 722	10.88 722	11.58 723	19.10 728	26.71 730	12.05 728	14.07 729	10.36 725	10.84 724	10.33 727	11.86 727	11.70 725	13.54 727	6.99 726	8.79 726	5.89 725	6.95 720	7.29 722	7.42 726

DPSM	11.15 725	8.58 726	8.00 722	10.88 722	11.58 723	19.10 728	26.71 730	12.05 728	14.07 729	10.36 725	10.84 724	10.33 727	11.86 727	11.70 725	13.54 727	6.99 726	8.79 726	5.89 725	6.95 720	7.29 722	7.42 726

real-time stereo	11.43 727	8.99 728	8.31 724	11.33 724	12.02 726	19.46 730	27.13 732	12.28 730	14.25 731	10.57 727	11.11 726	10.56 729	12.04 729	11.92 727	14.08 729	7.07 728	8.88 728	6.10 728	7.09 724	7.74 724	7.65 728

HaxPig	15.71 728	18.52 739	19.18 735	16.89 728	15.89 729	7.73 712	7.60 715	13.31 731	10.82 721	15.42 729	14.91 727	15.98 730	14.92 730	15.58 729	15.98 730	18.95 737	16.73 730	19.46 737	18.08 737	19.26 736	19.05 740

Selective-IGEV-i16pa	18.58 729	3.30 712	1.09 698	0.21 565	0.18 643	103.68 742	0.28 645	19.87 733	40.73 742	4.16 714	56.45 742	8.07 719	2.59 713	123.95 743	5.89 717	0.18 648	0.12 612	0.09 486	0.12 604	0.12 579	0.51 691

RSGM-EC	20.36 730	4.73 717	0.68 679	16.76 726	16.92 730	21.28 731	27.18 733	10.46 723	14.04 727	18.00 730	21.31 731	22.24 740	21.82 732	22.57 731	17.63 731	62.81 741	33.79 741	20.14 738	18.10 738	20.18 737	16.45 738

acva	20.36 730	4.73 717	0.68 679	16.76 726	16.92 730	21.28 731	27.18 733	10.46 723	14.04 727	18.00 730	21.31 731	22.24 740	21.82 732	22.57 731	17.63 731	62.81 741	33.79 741	20.14 738	18.10 738	20.18 737	16.45 738

MEDIAN_ROB	20.38 732	24.04 740	23.31 738	21.23 730	21.71 732	10.40 718	7.92 716	17.64 732	15.50 732	20.12 733	19.70 729	20.34 731	20.32 731	21.19 730	21.13 733	23.81 739	21.81 739	24.98 740	23.76 740	24.71 739	23.93 741

CasAABBNet	22.42 733	17.33 732	16.01 729	22.01 732	23.28 734	38.32 733	53.80 738	24.14 737	28.41 737	20.60 736	21.77 735	20.89 738	23.91 737	23.43 736	27.36 737	14.07 730	17.69 733	11.83 731	14.01 730	14.67 729	14.95 733

RAFT-FEzeroshot	22.43 734	17.33 732	15.98 727	22.02 733	23.31 736	38.34 734	53.82 740	24.05 735	28.39 735	20.61 737	21.76 733	20.88 735	23.92 739	23.41 734	27.42 739	14.07 730	17.69 733	11.83 731	14.02 731	14.69 730	14.97 734

RAFT-FE	22.43 734	17.33 732	15.98 727	22.02 733	23.31 736	38.34 734	53.82 740	24.05 735	28.39 735	20.61 737	21.76 733	20.88 735	23.92 739	23.41 734	27.42 739	14.07 730	17.69 733	11.83 731	14.02 731	14.69 730	14.97 734

FlowAnything	22.44 736	17.35 735	16.14 731	22.07 736	23.23 733	38.39 738	53.77 736	24.25 739	28.44 738	20.96 741	21.82 737	20.70 733	23.84 735	23.49 738	27.14 735	14.04 729	17.79 738	11.75 729	14.15 735	14.65 727	14.89 730

Hybrid-DGEV	22.47 737	17.40 737	16.14 731	22.00 731	23.29 735	38.36 736	53.80 738	24.43 742	28.63 741	20.59 735	21.81 736	20.88 735	23.91 737	23.45 737	27.42 739	14.08 733	17.69 733	11.83 731	14.06 734	14.65 727	14.93 732

Selective-RAFT-Error	22.47 737	17.37 736	16.09 730	22.06 735	23.34 738	38.39 738	53.83 742	24.29 741	28.47 739	20.74 739	21.83 738	20.81 734	23.90 736	23.54 740	27.53 742	14.08 733	17.69 733	11.82 730	14.00 729	14.69 730	15.00 736

fast-reg	22.85 739	17.43 738	19.15 734	22.22 738	24.34 739	38.36 736	53.78 737	24.23 738	28.52 740	20.55 734	22.05 739	20.54 732	23.77 734	23.21 733	27.31 736	14.18 736	17.47 732	14.33 736	14.96 736	15.81 734	14.81 729

LSM0	22.87 740	17.28 731	18.96 733	22.19 737	29.04 741	38.42 740	53.71 735	24.28 740	28.31 734	20.78 740	21.00 730	21.43 739	24.16 741	23.50 739	27.39 738	14.09 735	17.38 731	11.84 735	14.04 733	14.73 733	14.89 730

AVERAGE_ROB	24.90 741	29.20 741	28.14 739	24.89 739	24.64 740	17.75 724	11.12 717	21.45 734	19.93 733	25.12 742	24.46 740	25.12 742	25.46 742	24.69 741	22.83 734	29.76 740	27.13 740	28.97 742	27.95 742	29.91 740	29.47 742

test_example2	98.32 742	94.13 742	45.89 740	96.35 740	109.85 742	88.61 741	95.45 743	25.75 743	94.37 743	130.00 744	126.06 744	58.17 743	74.63 743	88.51 742	79.96 743	150.23 743	221.02 743	77.62 743	99.10 743	113.75 743	96.94 743

ccccc	245.47 743	285.66 743	306.18 743	368.85 743	370.60 743	123.16 743	145.33 744	115.05 744	110.08 744	126.68 743	110.87 743	122.83 744	165.88 744	252.94 744	276.56 744	384.56 744	353.86 744	254.69 744	223.00 744	425.87 744	386.83 744

GS-Stereo							0.14 246	0.11 58	0.12 147	0.08 129	0.10 194	0.05 5	0.05 14	0.11 197	0.08 25	0.06 167	0.04 25	0.05 50	0.04 60	0.05 170	0.05 204

Low-res two-view benchmark