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

MatchStereo	0.07 4	0.04 1	0.08 40	0.14 41	0.06 16	0.05 4	0.12 75	0.12 57	0.09 30	0.07 47	0.06 14	0.04 1	0.04 1	0.08 18	0.09 62	0.06 126	0.05 207	0.05 34	0.03 1	0.04 21	0.04 49

GASTEREO	0.08 56	0.05 26	0.09 91	0.19 381	0.07 84	0.07 33	0.12 75	0.14 96	0.11 75	0.10 157	0.09 111	0.07 80	0.04 1	0.12 224	0.08 17	0.06 126	0.05 207	0.05 34	0.04 46	0.04 21	0.05 144

MSCF	0.08 56	0.05 26	0.08 40	0.19 381	0.08 144	0.06 11	0.12 75	0.14 96	0.11 75	0.10 157	0.09 111	0.07 80	0.04 1	0.11 133	0.08 17	0.06 126	0.05 207	0.05 34	0.04 46	0.05 118	0.05 144

LG-Stereo_L1	0.07 4	0.05 26	0.11 180	0.14 41	0.06 16	0.07 33	0.13 125	0.09 12	0.07 10	0.05 2	0.04 1	0.05 2	0.04 1	0.08 18	0.07 1	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo_test2	0.06 1	0.04 1	0.10 136	0.15 85	0.05 1	0.07 33	0.11 54	0.09 12	0.04 2	0.06 13	0.05 7	0.06 23	0.04 1	0.08 18	0.09 62	0.06 126	0.04 24	0.05 34	0.03 1	0.05 118	0.05 144

SCV	0.08 56	0.09 347	0.08 40	0.15 85	0.08 144	0.10 148	0.13 125	0.10 21	0.12 105	0.07 47	0.07 47	0.06 23	0.04 1	0.09 39	0.08 17	0.05 34	0.04 24	0.06 124	0.04 46	0.06 222	0.04 49

FoundationStereo	0.06 1	0.04 1	0.08 40	0.12 5	0.05 1	0.09 96	0.13 125	0.06 1	0.09 30	0.05 2	0.05 7	0.06 23	0.04 1	0.06 1	0.07 1	0.06 126	0.04 24	0.05 34	0.03 1	0.05 118	0.04 49

AIO_rvc	0.07 4	0.06 75	0.08 40	0.15 85	0.06 16	0.08 59	0.14 178	0.09 12	0.08 17	0.07 47	0.08 89	0.07 80	0.04 1	0.10 81	0.08 17	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

GIP-stereo	0.08 56	0.06 75	0.11 180	0.14 41	0.06 16	0.09 96	0.13 125	0.14 96	0.11 75	0.07 47	0.08 89	0.05 2	0.04 1	0.10 81	0.07 1	0.05 34	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

IGEV-BASED-STEREO-	0.09 106	0.10 407	0.31 522	0.15 85	0.06 16	0.08 59	0.14 178	0.10 21	0.10 47	0.07 47	0.07 47	0.06 23	0.04 1	0.11 133	0.07 1	0.12 492	0.04 24	0.07 226	0.05 132	0.05 118	0.05 144

Selective-IGEV	0.07 4	0.06 75	0.08 40	0.17 241	0.06 16	0.08 59	0.12 75	0.13 75	0.07 10	0.08 85	0.07 47	0.06 23	0.04 1	0.10 81	0.09 62	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

Pro-Stereo	0.07 4	0.05 26	0.08 40	0.15 85	0.07 84	0.08 59	0.12 75	0.07 2	0.07 10	0.06 13	0.06 14	0.05 2	0.05 12	0.09 39	0.08 17	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

BStereo	0.08 56	0.06 75	0.16 383	0.15 85	0.08 144	0.07 33	0.09 18	0.15 128	0.16 214	0.06 13	0.07 47	0.07 80	0.05 12	0.09 39	0.11 217	0.04 11	0.05 207	0.05 34	0.07 305	0.04 21	0.04 49

Wave_Phase_stereo	0.09 106	0.06 75	0.16 383	0.15 85	0.08 144	0.11 195	0.09 18	0.18 226	0.16 214	0.06 13	0.07 47	0.07 80	0.05 12	0.09 39	0.11 217	0.04 11	0.05 207	0.05 34	0.07 305	0.04 21	0.04 49

VIP-Stereo	0.07 4	0.07 166	0.07 8	0.15 85	0.06 16	0.12 234	0.10 31	0.11 36	0.11 75	0.06 13	0.07 47	0.06 23	0.05 12	0.10 81	0.08 17	0.05 34	0.04 24	0.05 34	0.03 1	0.03 1	0.02 1

GEAStereo	0.08 56	0.05 26	0.08 40	0.13 14	0.08 144	0.08 59	0.14 178	0.10 21	0.09 30	0.08 85	0.10 142	0.06 23	0.05 12	0.11 133	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.05 144

GSStereo	0.08 56	0.05 26	0.08 40	0.13 14	0.08 144	0.08 59	0.14 178	0.11 36	0.12 105	0.08 85	0.10 142	0.05 2	0.05 12	0.11 133	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.05 144

GS-Stereo							0.14 178	0.11 36	0.12 105	0.08 85	0.10 142	0.05 2	0.05 12	0.11 133	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.05 144

gasm-f	0.08 56	0.05 26	0.07 8	0.13 14	0.08 144	0.08 59	0.14 178	0.10 21	0.09 30	0.08 85	0.10 142	0.06 23	0.05 12	0.10 81	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.06 222	0.05 144

252Zero-FE	0.08 56	0.04 1	0.09 91	0.13 14	0.07 84	0.12 234	0.11 54	0.13 75	0.14 165	0.06 13	0.05 7	0.06 23	0.05 12	0.09 39	0.10 142	0.06 126	0.04 24	0.04 1	0.03 1	0.05 118	0.06 236

asda	0.07 4	0.08 272	0.08 40	0.16 165	0.06 16	0.06 11	0.10 31	0.16 158	0.10 47	0.06 13	0.06 14	0.05 2	0.05 12	0.10 81	0.10 142	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

IGEV	0.07 4	0.04 1	0.08 40	0.13 14	0.06 16	0.09 96	0.12 75	0.14 96	0.10 47	0.06 13	0.09 111	0.07 80	0.05 12	0.09 39	0.09 62	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

111111	0.07 4	0.04 1	0.09 91	0.17 241	0.06 16	0.05 4	0.10 31	0.11 36	0.09 30	0.06 13	0.06 14	0.07 80	0.05 12	0.09 39	0.09 62	0.06 126	0.04 24	0.05 34	0.04 46	0.07 295	0.06 236

LG-Stereo_L2	0.07 4	0.05 26	0.10 136	0.14 41	0.06 16	0.07 33	0.12 75	0.09 12	0.09 30	0.06 13	0.04 1	0.05 2	0.05 12	0.08 18	0.08 17	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

MLG-Stereo_test1	0.06 1	0.05 26	0.08 40	0.17 241	0.05 1	0.06 11	0.11 54	0.08 5	0.03 1	0.05 2	0.04 1	0.06 23	0.05 12	0.09 39	0.09 62	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo	0.07 4	0.05 26	0.08 40	0.17 241	0.05 1	0.07 33	0.11 54	0.08 5	0.04 2	0.05 2	0.04 1	0.06 23	0.05 12	0.10 81	0.09 62	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

LG-Stereo_Zeroshot	0.07 4	0.06 75	0.10 136	0.16 165	0.07 84	0.04 1	0.13 125	0.10 21	0.10 47	0.05 2	0.11 183	0.07 80	0.05 12	0.07 4	0.09 62	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

HART	0.08 56	0.07 166	0.09 91	0.17 241	0.07 84	0.10 148	0.16 316	0.13 75	0.11 75	0.08 85	0.10 142	0.07 80	0.05 12	0.10 81	0.08 17	0.05 34	0.04 24	0.06 124	0.04 46	0.05 118	0.04 49

GREAT-IGEV	0.07 4	0.06 75	0.08 40	0.13 14	0.07 84	0.07 33	0.14 178	0.09 12	0.09 30	0.06 13	0.07 47	0.06 23	0.05 12	0.10 81	0.07 1	0.05 34	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

SCV_C0	0.08 56	0.07 166	0.07 8	0.16 165	0.09 265	0.08 59	0.15 250	0.11 36	0.12 105	0.08 85	0.07 47	0.06 23	0.05 12	0.11 133	0.07 1	0.05 34	0.05 207	0.05 34	0.04 46	0.06 222	0.05 144

DEFOM-Stereo_RVC	0.08 56	0.06 75	0.09 91	0.22 490	0.06 16	0.08 59	0.12 75	0.10 21	0.10 47	0.07 47	0.07 47	0.06 23	0.05 12	0.11 133	0.09 62	0.06 126	0.04 24	0.05 34	0.03 1	0.06 222	0.04 49

StereoAnything_RVC	0.07 4	0.15 502	0.17 413	0.11 1	0.05 1	0.05 4	0.11 54	0.08 5	0.08 17	0.06 13	0.06 14	0.05 2	0.05 12	0.09 39	0.08 17	0.08 338	0.04 24	0.05 34	0.03 1	0.05 118	0.04 49

AIO_test	0.07 4	0.05 26	0.07 8	0.15 85	0.07 84	0.06 11	0.14 178	0.10 21	0.10 47	0.07 47	0.07 47	0.06 23	0.05 12	0.08 18	0.10 142	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

AIO-test2	0.10 171	0.08 272	0.10 136	0.23 514	0.08 144	0.11 195	0.10 31	0.23 332	0.23 348	0.08 85	0.09 111	0.08 129	0.05 12	0.10 81	0.08 17	0.06 126	0.05 207	0.08 316	0.09 421	0.05 118	0.05 144

DEFOM-Stereo	0.07 4	0.05 26	0.07 8	0.14 41	0.06 16	0.10 148	0.13 125	0.07 2	0.13 140	0.06 13	0.07 47	0.06 23	0.05 12	0.10 81	0.09 62	0.04 11	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

dual_stereo	0.07 4	0.04 1	0.08 40	0.15 85	0.05 1	0.05 4	0.13 125	0.12 57	0.08 17	0.07 47	0.06 14	0.05 2	0.05 12	0.07 4	0.09 62	0.06 126	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

Occ-G	0.08 56	0.05 26	0.06 4	0.14 41	0.07 84	0.08 59	0.14 178	0.13 75	0.15 184	0.07 47	0.11 183	0.07 80	0.05 12	0.09 39	0.10 142	0.06 126	0.05 207	0.05 34	0.04 46	0.05 118	0.05 144

U	0.08 56	0.07 166	0.09 91	0.19 381	0.10 373	0.10 148	0.13 125	0.12 57	0.17 237	0.07 47	0.07 47	0.06 23	0.05 12	0.07 4	0.08 17	0.06 126	0.04 24	0.06 124	0.04 46	0.06 222	0.05 144

AIO-Stereo	0.08 56	0.06 75	0.09 91	0.18 323	0.06 16	0.08 59	0.12 75	0.15 128	0.09 30	0.08 85	0.08 89	0.07 80	0.05 12	0.11 133	0.08 17	0.05 34	0.05 207	0.05 34	0.04 46	0.04 21	0.04 49

RSM++	0.08 56	0.06 75	0.09 91	0.17 241	0.07 84	0.09 96	0.12 75	0.11 36	0.11 75	0.08 85	0.06 14	0.07 80	0.05 12	0.10 81	0.09 62	0.04 11	0.04 24	0.06 124	0.05 132	0.05 118	0.03 2

RSM	0.08 56	0.06 75	0.09 91	0.17 241	0.06 16	0.08 59	0.12 75	0.12 57	0.10 47	0.08 85	0.07 47	0.06 23	0.05 12	0.11 133	0.09 62	0.04 11	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

MIM_Stereo	0.09 106	0.07 166	0.11 180	0.15 85	0.07 84	0.06 11	0.12 75	0.20 265	0.14 165	0.13 259	0.13 213	0.09 156	0.05 12	0.12 224	0.08 17	0.05 34	0.06 340	0.07 226	0.06 212	0.06 222	0.05 144

EGLCR-Stereo	0.08 56	0.05 26	0.08 40	0.14 41	0.06 16	0.10 148	0.12 75	0.11 36	0.16 214	0.06 13	0.05 7	0.07 80	0.05 12	0.10 81	0.11 217	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

CroCo-Stereo Lap2	0.09 106	0.09 347	0.08 40	0.22 490	0.09 265	0.09 96	0.19 440	0.16 158	0.12 105	0.09 121	0.10 142	0.05 2	0.05 12	0.08 18	0.08 17	0.06 126	0.06 340	0.07 226	0.05 132	0.05 118	0.05 144

iRaft-Stereo_20w	0.09 106	0.05 26	0.13 263	0.14 41	0.08 144	0.12 234	0.15 250	0.18 226	0.10 47	0.11 189	0.08 89	0.08 129	0.05 12	0.10 81	0.09 62	0.06 126	0.04 24	0.06 124	0.05 132	0.06 222	0.05 144

WQFJA1++	0.08 56	0.04 1	0.11 180	0.14 41	0.07 84	0.11 195	0.11 54	0.11 36	0.07 10	0.07 47	0.07 47	0.07 80	0.06 46	0.10 81	0.10 142	0.06 126	0.04 24	0.05 34	0.04 46	0.06 222	0.06 236

DLNR-FE	10.43 628	1.83 619	19.53 639	120.75 643	13.06 631	0.06 11	0.13 125	0.23 332	0.10 47	0.07 47	0.10 142	0.09 156	0.06 46	0.10 81	0.09 62	0.13 517	0.04 24	0.06 124	0.04 46	52.01 644	0.04 49

Select-FE	0.11 219	0.06 75	0.20 460	0.15 85	0.11 424	0.11 195	0.13 125	0.21 288	0.18 267	0.09 121	0.11 183	0.10 189	0.06 46	0.12 224	0.09 62	0.07 273	0.05 207	0.07 226	0.08 375	0.06 222	0.08 382

IGEV-FE	0.09 106	0.05 26	0.12 217	0.13 14	0.08 144	0.12 234	0.13 125	0.17 194	0.11 75	0.10 157	0.06 14	0.09 156	0.06 46	0.11 133	0.09 62	0.06 126	0.04 24	0.06 124	0.06 212	0.05 118	0.05 144

DDF-Stereo	0.08 56	0.04 1	0.09 91	0.15 85	0.10 373	0.06 11	0.13 125	0.09 12	0.14 165	0.06 13	0.06 14	0.07 80	0.06 46	0.09 39	0.10 142	0.06 126	0.04 24	0.06 124	0.04 46	0.08 358	0.05 144

Zero-FE251	0.07 4	0.05 26	0.09 91	0.13 14	0.06 16	0.12 234	0.12 75	0.11 36	0.10 47	0.07 47	0.08 89	0.06 23	0.06 46	0.09 39	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

MonStereo	0.07 4	0.06 75	0.05 1	0.15 85	0.05 1	0.08 59	0.10 31	0.15 128	0.15 184	0.05 2	0.06 14	0.05 2	0.06 46	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 75	0.05 1	0.15 85	0.05 1	0.08 59	0.10 31	0.15 128	0.15 184	0.05 2	0.06 14	0.05 2	0.06 46	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 4	0.04 1	0.09 91	0.13 14	0.06 16	0.05 4	0.09 18	0.11 36	0.07 10	0.06 13	0.06 14	0.05 2	0.06 46	0.09 39	0.09 62	0.06 126	0.04 24	0.04 1	0.03 1	0.05 118	0.05 144

Replicate-Monster	0.07 4	0.05 26	0.09 91	0.14 41	0.06 16	0.08 59	0.09 18	0.13 75	0.13 140	0.05 2	0.07 47	0.06 23	0.06 46	0.08 18	0.10 142	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

zero-FE	0.08 56	0.04 1	0.09 91	0.15 85	0.10 373	0.05 4	0.14 178	0.09 12	0.14 165	0.07 47	0.06 14	0.07 80	0.06 46	0.09 39	0.10 142	0.06 126	0.04 24	0.06 124	0.04 46	0.08 358	0.05 144

AdaDepth	0.07 4	0.06 75	0.07 8	0.18 323	0.06 16	0.11 195	0.12 75	0.09 12	0.07 10	0.06 13	0.05 7	0.07 80	0.06 46	0.09 39	0.10 142	0.04 11	0.05 207	0.05 34	0.04 46	0.04 21	0.04 49

S2M2_XL	0.08 56	0.06 75	0.12 217	0.12 5	0.08 144	0.09 96	0.09 18	0.07 2	0.07 10	0.08 85	0.07 47	0.07 80	0.06 46	0.09 39	0.09 62	0.08 338	0.06 340	0.07 226	0.05 132	0.08 358	0.06 236
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
asd	0.07 4	0.08 272	0.07 8	0.16 165	0.07 84	0.08 59	0.08 7	0.11 36	0.08 17	0.07 47	0.07 47	0.06 23	0.06 46	0.10 81	0.09 62	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

qwe	0.07 4	0.08 272	0.07 8	0.15 85	0.06 16	0.07 33	0.10 31	0.18 226	0.11 75	0.07 47	0.07 47	0.06 23	0.06 46	0.10 81	0.09 62	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

2.25w	0.07 4	0.06 75	0.07 8	0.14 41	0.06 16	0.08 59	0.08 7	0.10 21	0.15 184	0.08 85	0.10 142	0.07 80	0.06 46	0.08 18	0.10 142	0.05 34	0.03 1	0.04 1	0.04 46	0.03 1	0.04 49

4.25_new	0.07 4	0.08 272	0.09 91	0.15 85	0.06 16	0.09 96	0.08 7	0.14 96	0.08 17	0.07 47	0.07 47	0.06 23	0.06 46	0.12 224	0.10 142	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5w_new	0.07 4	0.08 272	0.09 91	0.15 85	0.06 16	0.09 96	0.08 7	0.14 96	0.08 17	0.07 47	0.07 47	0.06 23	0.06 46	0.12 224	0.10 142	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5_new	0.07 4	0.09 347	0.08 40	0.15 85	0.07 84	0.06 11	0.10 31	0.14 96	0.11 75	0.06 13	0.08 89	0.06 23	0.06 46	0.08 18	0.10 142	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

4.5w-stereo	0.07 4	0.09 347	0.08 40	0.15 85	0.07 84	0.06 11	0.10 31	0.14 96	0.11 75	0.06 13	0.08 89	0.06 23	0.06 46	0.08 18	0.10 142	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

4.25w-stereo	0.07 4	0.08 272	0.09 91	0.15 85	0.06 16	0.09 96	0.08 7	0.14 96	0.08 17	0.07 47	0.07 47	0.06 23	0.06 46	0.12 224	0.10 142	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4w-stereo	0.07 4	0.08 272	0.08 40	0.16 165	0.06 16	0.07 33	0.08 7	0.12 57	0.08 17	0.07 47	0.07 47	0.05 2	0.06 46	0.09 39	0.10 142	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

2.5w	0.07 4	0.07 166	0.07 8	0.16 165	0.06 16	0.08 59	0.12 75	0.10 21	0.10 47	0.07 47	0.06 14	0.09 156	0.06 46	0.08 18	0.09 62	0.04 11	0.03 1	0.04 1	0.04 46	0.03 1	0.03 2

2.75w_new	0.07 4	0.07 166	0.07 8	0.13 14	0.06 16	0.08 59	0.08 7	0.18 226	0.12 105	0.07 47	0.08 89	0.06 23	0.06 46	0.09 39	0.11 217	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 49

3.25w_new	0.07 4	0.06 75	0.07 8	0.15 85	0.06 16	0.10 148	0.07 3	0.12 57	0.11 75	0.08 85	0.06 14	0.07 80	0.06 46	0.11 133	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 4	0.06 75	0.07 8	0.15 85	0.06 16	0.10 148	0.07 3	0.12 57	0.11 75	0.08 85	0.06 14	0.07 80	0.06 46	0.11 133	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 4	0.07 166	0.08 40	0.16 165	0.07 84	0.07 33	0.09 18	0.16 158	0.09 30	0.07 47	0.06 14	0.05 2	0.06 46	0.09 39	0.10 142	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3w_stereo	0.08 56	0.09 347	0.10 136	0.17 241	0.07 84	0.08 59	0.10 31	0.20 265	0.13 140	0.06 13	0.07 47	0.05 2	0.06 46	0.08 18	0.09 62	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

2w_stereo	0.08 56	0.08 272	0.09 91	0.16 165	0.06 16	0.08 59	0.10 31	0.20 265	0.15 184	0.08 85	0.07 47	0.06 23	0.06 46	0.06 1	0.09 62	0.04 11	0.03 1	0.04 1	0.04 46	0.03 1	0.03 2

1w_stereo	0.07 4	0.06 75	0.07 8	0.16 165	0.06 16	0.07 33	0.10 31	0.14 96	0.14 165	0.07 47	0.08 89	0.05 2	0.06 46	0.09 39	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 49

monsters	0.07 4	0.06 75	0.06 4	0.15 85	0.06 16	0.08 59	0.09 18	0.12 57	0.08 17	0.09 121	0.07 47	0.06 23	0.06 46	0.08 18	0.08 17	0.05 34	0.04 24	0.04 1	0.04 46	0.03 1	0.03 2

MLG-Stereo_test3	0.07 4	0.05 26	0.10 136	0.14 41	0.06 16	0.07 33	0.11 54	0.08 5	0.06 4	0.06 13	0.04 1	0.06 23	0.06 46	0.07 4	0.10 142	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.06 236

LGtest1	0.07 4	0.04 1	0.10 136	0.15 85	0.06 16	0.07 33	0.09 18	0.08 5	0.06 4	0.05 2	0.04 1	0.06 23	0.06 46	0.10 81	0.09 62	0.07 273	0.04 24	0.05 34	0.04 46	0.06 222	0.06 236

MM-Stereo_test3	0.10 171	0.07 166	0.07 8	0.18 323	0.07 84	0.12 234	0.19 440	0.24 355	0.19 284	0.06 13	0.10 142	0.08 129	0.06 46	0.11 133	0.08 17	0.06 126	0.06 340	0.07 226	0.05 132	0.05 118	0.04 49

MM-Stereo_test2	0.09 106	0.06 75	0.09 91	0.19 381	0.08 144	0.12 234	0.18 401	0.15 128	0.14 165	0.07 47	0.10 142	0.07 80	0.06 46	0.12 224	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.03 2

MM-Stereo_test1	0.10 171	0.07 166	0.08 40	0.18 323	0.07 84	0.12 234	0.18 401	0.21 288	0.20 307	0.09 121	0.11 183	0.08 129	0.06 46	0.10 81	0.10 142	0.06 126	0.05 207	0.07 226	0.06 212	0.05 118	0.04 49

HUF	0.08 56	0.05 26	0.08 40	0.14 41	0.06 16	0.09 96	0.13 125	0.13 75	0.13 140	0.07 47	0.07 47	0.08 129	0.06 46	0.10 81	0.09 62	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

castereo++	0.08 56	0.05 26	0.08 40	0.15 85	0.05 1	0.14 317	0.12 75	0.11 36	0.15 184	0.07 47	0.07 47	0.07 80	0.06 46	0.08 18	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

IGEV-RUCA	0.08 56	0.06 75	0.11 180	0.14 41	0.09 265	0.10 148	0.12 75	0.10 21	0.12 105	0.06 13	0.07 47	0.07 80	0.06 46	0.09 39	0.08 17	0.06 126	0.05 207	0.05 34	0.04 46	0.05 118	0.06 236

MonSter	0.07 4	0.06 75	0.05 1	0.15 85	0.05 1	0.07 33	0.10 31	0.15 128	0.15 184	0.05 2	0.06 14	0.05 2	0.06 46	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

fffft	0.09 106	0.06 75	0.12 217	0.16 165	0.07 84	0.09 96	0.17 353	0.12 57	0.11 75	0.08 85	0.07 47	0.09 156	0.06 46	0.11 133	0.12 275	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.05 144
1: 1. 1
tt45	0.09 106	0.06 75	0.11 180	0.15 85	0.07 84	0.11 195	0.16 316	0.13 75	0.11 75	0.09 121	0.06 14	0.08 129	0.06 46	0.13 273	0.10 142	0.06 126	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

mms	0.09 106	0.07 166	0.08 40	0.16 165	0.08 144	0.10 148	0.16 316	0.12 57	0.11 75	0.08 85	0.09 111	0.08 129	0.06 46	0.11 133	0.12 275	0.05 34	0.04 24	0.07 226	0.05 132	0.04 21	0.03 2

ours_stereo	0.09 106	0.07 166	0.09 91	0.17 241	0.08 144	0.11 195	0.16 316	0.11 36	0.12 105	0.08 85	0.10 142	0.08 129	0.06 46	0.12 224	0.12 275	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.03 2

WCG-NET	0.08 56	0.05 26	0.09 91	0.15 85	0.06 16	0.11 195	0.14 178	0.13 75	0.13 140	0.06 13	0.09 111	0.07 80	0.06 46	0.13 273	0.08 17	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

IGEV-Stereo++	0.07 4	0.06 75	0.08 40	0.18 323	0.06 16	0.04 1	0.10 31	0.11 36	0.11 75	0.06 13	0.07 47	0.07 80	0.06 46	0.09 39	0.09 62	0.05 34	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

RAStereo	0.10 171	0.09 347	0.08 40	0.20 442	0.08 144	0.13 284	0.18 401	0.15 128	0.17 237	0.10 157	0.12 199	0.05 2	0.06 46	0.09 39	0.08 17	0.07 273	0.05 207	0.07 226	0.05 132	0.05 118	0.04 49

Pointernet	0.09 106	0.04 1	0.09 91	0.16 165	0.08 144	0.13 284	0.10 31	0.15 128	0.17 237	0.09 121	0.07 47	0.06 23	0.06 46	0.11 133	0.09 62	0.08 338	0.04 24	0.05 34	0.03 1	0.06 222	0.05 144

IGEV-Stereo+	0.07 4	0.04 1	0.08 40	0.15 85	0.06 16	0.04 1	0.09 18	0.10 21	0.09 30	0.06 13	0.06 14	0.06 23	0.06 46	0.06 1	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.06 222	0.06 236

WCG-NET（raft）	0.08 56	0.05 26	0.10 136	0.15 85	0.06 16	0.11 195	0.13 125	0.15 128	0.12 105	0.08 85	0.07 47	0.06 23	0.06 46	0.13 273	0.08 17	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

RAFT-Stereo-weight	0.09 106	0.06 75	0.10 136	0.16 165	0.07 84	0.09 96	0.14 178	0.19 254	0.16 214	0.11 189	0.10 142	0.08 129	0.06 46	0.10 81	0.11 217	0.06 126	0.04 24	0.06 124	0.04 46	0.04 21	0.04 49

test_for_model	0.09 106	0.12 451	0.14 298	0.23 514	0.11 424	0.08 59	0.13 125	0.12 57	0.12 105	0.10 157	0.07 47	0.07 80	0.06 46	0.11 133	0.10 142	0.06 126	0.05 207	0.05 34	0.03 1	0.07 295	0.04 49

MGS-Stereo	0.09 106	0.07 166	0.12 217	0.15 85	0.08 144	0.09 96	0.15 250	0.12 57	0.12 105	0.07 47	0.10 142	0.08 129	0.06 46	0.10 81	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.06 222	0.05 144

MoCha-V2	0.08 56	0.05 26	0.10 136	0.20 442	0.07 84	0.09 96	0.14 178	0.11 36	0.08 17	0.07 47	0.08 89	0.07 80	0.06 46	0.09 39	0.08 17	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

IGEV++	0.08 56	0.06 75	0.08 40	0.18 323	0.07 84	0.09 96	0.13 125	0.10 21	0.09 30	0.08 85	0.08 89	0.06 23	0.06 46	0.13 273	0.09 62	0.05 34	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

ACVNet-DCA	0.10 171	0.08 272	0.12 217	0.17 241	0.09 265	0.13 284	0.15 250	0.23 332	0.16 214	0.09 121	0.09 111	0.06 23	0.06 46	0.10 81	0.07 1	0.06 126	0.04 24	0.06 124	0.05 132	0.07 295	0.07 318

1test111	0.11 219	0.08 272	0.12 217	0.17 241	0.09 265	0.13 284	0.15 250	0.23 332	0.16 214	0.09 121	0.09 111	0.06 23	0.06 46	0.15 320	0.16 397	0.06 126	0.04 24	0.06 124	0.05 132	0.07 295	0.07 318

cc1	0.10 171	0.08 272	0.12 217	0.17 241	0.09 265	0.13 284	0.15 250	0.16 158	0.18 267	0.09 121	0.09 111	0.06 23	0.06 46	0.10 81	0.07 1	0.06 126	0.04 24	0.06 124	0.05 132	0.06 222	0.06 236

ff7	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.10 157	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

IGEVStereo-DCA	0.09 106	0.06 75	0.11 180	0.15 85	0.10 373	0.11 195	0.15 250	0.16 158	0.12 105	0.10 157	0.06 14	0.08 129	0.06 46	0.10 81	0.08 17	0.06 126	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

ffff	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.10 157	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

rrr	0.09 106	0.06 75	0.12 217	0.15 85	0.10 373	0.11 195	0.16 316	0.16 158	0.15 184	0.10 157	0.06 14	0.08 129	0.06 46	0.10 81	0.08 17	0.06 126	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

11t	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.10 157	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

tt1	0.10 171	0.08 272	0.12 217	0.17 241	0.09 265	0.12 234	0.16 316	0.15 128	0.19 284	0.09 121	0.08 89	0.06 23	0.06 46	0.10 81	0.07 1	0.06 126	0.04 24	0.06 124	0.05 132	0.06 222	0.06 236

MaDis-Stereo	0.09 106	0.09 347	0.08 40	0.17 241	0.09 265	0.13 284	0.10 31	0.16 158	0.16 214	0.09 121	0.11 183	0.06 23	0.06 46	0.09 39	0.13 316	0.07 273	0.06 340	0.07 226	0.05 132	0.05 118	0.04 49

IGEV_Zeroshot_test	0.09 106	0.05 26	0.12 217	0.13 14	0.08 144	0.12 234	0.13 125	0.17 194	0.11 75	0.10 157	0.06 14	0.09 156	0.06 46	0.11 133	0.09 62	0.06 126	0.04 24	0.06 124	0.06 212	0.05 118	0.05 144

MSKI-zero shot	0.09 106	0.05 26	0.09 91	0.15 85	0.07 84	0.10 148	0.13 125	0.14 96	0.13 140	0.09 121	0.09 111	0.09 156	0.06 46	0.12 224	0.10 142	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

DLNR_Zeroshot_test	10.40 627	1.82 618	19.49 638	120.77 644	13.11 632	0.06 11	0.13 125	0.23 332	0.10 47	0.07 47	0.10 142	0.09 156	0.06 46	0.10 81	0.09 62	0.13 517	0.04 24	0.06 124	0.04 46	51.54 643	0.04 49

testlalala	0.08 56	0.07 166	0.17 413	0.16 165	0.08 144	0.09 96	0.12 75	0.15 128	0.10 47	0.07 47	0.09 111	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.04 46	0.04 21	0.04 49

CAS	0.08 56	0.04 1	0.07 8	0.17 241	0.08 144	0.10 148	0.13 125	0.12 57	0.09 30	0.09 121	0.10 142	0.08 129	0.06 46	0.09 39	0.08 17	0.08 338	0.04 24	0.05 34	0.03 1	0.05 118	0.04 49

anonymousdsp	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.09 121	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

CES	0.08 56	0.04 1	0.08 40	0.14 41	0.07 84	0.09 96	0.14 178	0.11 36	0.09 30	0.08 85	0.09 111	0.11 214	0.06 46	0.12 224	0.08 17	0.06 126	0.04 24	0.05 34	0.03 1	0.05 118	0.05 144

ProNet	0.09 106	0.07 166	0.10 136	0.17 241	0.08 144	0.10 148	0.15 250	0.15 128	0.12 105	0.09 121	0.06 14	0.07 80	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.06 236

MC-Stereo	0.08 56	0.06 75	0.09 91	0.17 241	0.06 16	0.10 148	0.14 178	0.12 57	0.10 47	0.09 121	0.12 199	0.09 156	0.06 46	0.11 133	0.10 142	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

ccc-4	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.10 157	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

IGEV-Stereo	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.09 121	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TRStereo	0.09 106	0.05 26	0.12 217	0.15 85	0.12 457	0.10 148	0.13 125	0.18 226	0.18 267	0.09 121	0.09 111	0.09 156	0.06 46	0.10 81	0.08 17	0.07 273	0.05 207	0.07 226	0.07 305	0.04 21	0.04 49

CroCo-Stereo	0.09 106	0.08 272	0.08 40	0.22 490	0.09 265	0.09 96	0.19 440	0.15 128	0.12 105	0.07 47	0.07 47	0.08 129	0.06 46	0.08 18	0.07 1	0.07 273	0.05 207	0.06 124	0.04 46	0.05 118	0.04 49
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
TANstereo	0.09 106	0.04 1	0.08 40	0.13 14	0.06 16	0.11 195	0.14 178	0.15 128	0.19 284	0.11 189	0.15 244	0.10 189	0.06 46	0.12 224	0.09 62	0.07 273	0.05 207	0.05 34	0.04 46	0.06 222	0.05 144

XX-Stereo	0.09 106	0.05 26	0.08 40	0.17 241	0.09 265	0.15 343	0.12 75	0.20 265	0.10 47	0.10 157	0.14 227	0.07 80	0.06 46	0.12 224	0.08 17	0.06 126	0.05 207	0.06 124	0.06 212	0.04 21	0.04 49

test_xeample3	0.09 106	0.06 75	0.12 217	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.13 140	0.10 157	0.06 14	0.08 129	0.06 46	0.10 81	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

BridgeDepth_RVC	0.07 4	0.04 1	0.09 91	0.11 1	0.05 1	0.10 148	0.10 31	0.14 96	0.09 30	0.06 13	0.07 47	0.06 23	0.07 127	0.07 4	0.10 142	0.06 126	0.04 24	0.04 1	0.04 46	0.04 21	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
HiDET	0.08 56	0.04 1	0.10 136	0.13 14	0.06 16	0.08 59	0.12 75	0.12 57	0.11 75	0.06 13	0.07 47	0.07 80	0.07 127	0.11 133	0.11 217	0.06 126	0.04 24	0.04 1	0.03 1	0.04 21	0.04 49

LCMNet	0.08 56	0.05 26	0.10 136	0.13 14	0.07 84	0.09 96	0.12 75	0.10 21	0.11 75	0.06 13	0.08 89	0.06 23	0.07 127	0.11 133	0.10 142	0.06 126	0.05 207	0.04 1	0.03 1	0.04 21	0.04 49

FE-Mocha	0.09 106	0.06 75	0.14 298	0.16 165	0.09 265	0.10 148	0.15 250	0.18 226	0.16 214	0.10 157	0.09 111	0.07 80	0.07 127	0.09 39	0.09 62	0.06 126	0.04 24	0.06 124	0.06 212	0.05 118	0.05 144

Wavelet-MonSter	0.07 4	0.05 26	0.07 8	0.16 165	0.06 16	0.07 33	0.11 54	0.10 21	0.08 17	0.06 13	0.06 14	0.07 80	0.07 127	0.09 39	0.09 62	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 4	0.07 166	0.07 8	0.15 85	0.07 84	0.09 96	0.06 1	0.13 75	0.11 75	0.07 47	0.07 47	0.06 23	0.07 127	0.10 81	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

monsterstereo	0.07 4	0.06 75	0.06 4	0.16 165	0.06 16	0.08 59	0.10 31	0.16 158	0.11 75	0.07 47	0.08 89	0.06 23	0.07 127	0.08 18	0.09 62	0.04 11	0.04 24	0.05 34	0.04 46	0.03 1	0.03 2

LG-G_1	0.07 4	0.04 1	0.11 180	0.15 85	0.06 16	0.09 96	0.08 7	0.08 5	0.06 4	0.06 13	0.05 7	0.07 80	0.07 127	0.11 133	0.08 17	0.07 273	0.04 24	0.05 34	0.04 46	0.05 118	0.05 144

LG-G	0.07 4	0.04 1	0.11 180	0.15 85	0.06 16	0.09 96	0.08 7	0.08 5	0.06 4	0.06 13	0.05 7	0.07 80	0.07 127	0.11 133	0.08 17	0.07 273	0.04 24	0.05 34	0.04 46	0.05 118	0.05 144

LG-Stereo	0.08 56	0.07 166	0.10 136	0.18 323	0.07 84	0.10 148	0.17 353	0.11 36	0.08 17	0.05 2	0.07 47	0.05 2	0.07 127	0.09 39	0.09 62	0.04 11	0.05 207	0.07 226	0.07 305	0.04 21	0.04 49

AIO-test1	0.10 171	0.07 166	0.10 136	0.23 514	0.07 84	0.09 96	0.13 125	0.21 288	0.14 165	0.11 189	0.12 199	0.09 156	0.07 127	0.11 133	0.09 62	0.06 126	0.05 207	0.09 398	0.10 461	0.03 1	0.06 236

SMoEStereo_RVC	0.08 56	0.06 75	0.12 217	0.16 165	0.07 84	0.09 96	0.14 178	0.11 36	0.13 140	0.09 121	0.07 47	0.07 80	0.07 127	0.12 224	0.10 142	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

tg	0.10 171	0.06 75	0.10 136	0.18 323	0.08 144	0.11 195	0.16 316	0.20 265	0.12 105	0.08 85	0.11 183	0.11 214	0.07 127	0.11 133	0.10 142	0.05 34	0.04 24	0.08 316	0.08 375	0.04 21	0.04 49

PAM_32	0.09 106	0.05 26	0.17 413	0.15 85	0.08 144	0.10 148	0.15 250	0.14 96	0.15 184	0.09 121	0.08 89	0.09 156	0.07 127	0.14 298	0.08 17	0.06 126	0.05 207	0.06 124	0.06 212	0.05 118	0.06 236

PAM	0.10 171	0.05 26	0.16 383	0.15 85	0.08 144	0.09 96	0.16 316	0.15 128	0.16 214	0.12 228	0.09 111	0.09 156	0.07 127	0.13 273	0.08 17	0.06 126	0.05 207	0.06 124	0.06 212	0.05 118	0.06 236

UGAM-zero	0.09 106	0.05 26	0.15 349	0.15 85	0.08 144	0.09 96	0.13 125	0.19 254	0.15 184	0.11 189	0.15 244	0.07 80	0.07 127	0.09 39	0.09 62	0.06 126	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

model_zeroshot	0.10 171	0.04 1	0.11 180	0.15 85	0.09 265	0.12 234	0.14 178	0.20 265	0.13 140	0.11 189	0.10 142	0.12 232	0.07 127	0.12 224	0.10 142	0.07 273	0.06 340	0.06 124	0.05 132	0.06 222	0.06 236

GCAP-BAT	0.09 106	0.07 166	0.14 298	0.15 85	0.08 144	0.10 148	0.13 125	0.14 96	0.10 47	0.11 189	0.10 142	0.08 129	0.07 127	0.12 224	0.10 142	0.06 126	0.05 207	0.06 124	0.04 46	0.04 21	0.04 49

AIO-Stereo-zeroshot1	0.11 219	0.05 26	0.14 298	0.15 85	0.20 558	0.09 96	0.17 353	0.21 288	0.15 184	0.11 189	0.14 227	0.10 189	0.07 127	0.10 81	0.08 17	0.06 126	0.05 207	0.07 226	0.07 305	0.07 295	0.09 426

AIO-Stereo-zeroshot	0.11 219	0.05 26	0.11 180	0.15 85	0.13 480	0.13 284	0.16 316	0.23 332	0.17 237	0.10 157	0.12 199	0.10 189	0.07 127	0.11 133	0.09 62	0.06 126	0.05 207	0.06 124	0.06 212	0.07 295	0.08 382

CAS++	0.11 219	0.07 166	0.11 180	0.14 41	0.09 265	0.12 234	0.14 178	0.24 355	0.14 165	0.11 189	0.09 111	0.11 214	0.07 127	0.14 298	0.09 62	0.11 468	0.09 473	0.09 398	0.07 305	0.07 295	0.08 382
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala2	0.10 171	0.06 75	0.11 180	0.20 442	0.10 373	0.10 148	0.12 75	0.17 194	0.12 105	0.12 228	0.13 213	0.09 156	0.07 127	0.11 133	0.13 316	0.06 126	0.05 207	0.05 34	0.04 46	0.05 118	0.05 144

MyStereo07	0.10 171	0.07 166	0.10 136	0.17 241	0.09 265	0.14 317	0.18 401	0.15 128	0.15 184	0.09 121	0.06 14	0.06 23	0.07 127	0.12 224	0.09 62	0.06 126	0.05 207	0.08 316	0.07 305	0.06 222	0.06 236

MyStereo06	0.10 171	0.07 166	0.12 217	0.17 241	0.09 265	0.13 284	0.18 401	0.19 254	0.12 105	0.12 228	0.08 89	0.07 80	0.07 127	0.11 133	0.09 62	0.06 126	0.05 207	0.07 226	0.07 305	0.06 222	0.06 236

UniTT-Stereo	0.09 106	0.07 166	0.08 40	0.18 323	0.08 144	0.13 284	0.11 54	0.12 57	0.11 75	0.10 157	0.12 199	0.05 2	0.07 127	0.09 39	0.09 62	0.07 273	0.05 207	0.05 34	0.05 132	0.05 118	0.05 144

CASnet	0.09 106	0.09 347	0.09 91	0.19 381	0.06 16	0.07 33	0.11 54	0.18 226	0.14 165	0.11 189	0.10 142	0.09 156	0.07 127	0.10 81	0.10 142	0.06 126	0.04 24	0.10 445	0.08 375	0.05 118	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
HH	0.09 106	0.06 75	0.13 263	0.17 241	0.08 144	0.10 148	0.16 316	0.14 96	0.10 47	0.08 85	0.09 111	0.08 129	0.07 127	0.10 81	0.09 62	0.06 126	0.04 24	0.06 124	0.05 132	0.05 118	0.04 49

HanStereo	0.09 106	0.06 75	0.13 263	0.17 241	0.08 144	0.10 148	0.16 316	0.14 96	0.10 47	0.08 85	0.09 111	0.08 129	0.07 127	0.10 81	0.09 62	0.06 126	0.04 24	0.06 124	0.05 132	0.05 118	0.04 49

LL-Strereo2	0.10 171	0.10 407	0.15 349	0.18 323	0.08 144	0.15 343	0.09 18	0.17 194	0.14 165	0.14 280	0.10 142	0.09 156	0.07 127	0.16 355	0.10 142	0.05 34	0.05 207	0.10 445	0.07 305	0.06 222	0.05 144

4D-IteraStereo	0.09 106	0.07 166	0.10 136	0.18 323	0.07 84	0.09 96	0.15 250	0.17 194	0.15 184	0.10 157	0.11 183	0.10 189	0.07 127	0.11 133	0.09 62	0.05 34	0.03 1	0.08 316	0.07 305	0.06 222	0.05 144

RCA-Stereo	0.09 106	0.06 75	0.09 91	0.16 165	0.06 16	0.09 96	0.13 125	0.18 226	0.14 165	0.09 121	0.10 142	0.08 129	0.07 127	0.12 224	0.11 217	0.06 126	0.04 24	0.06 124	0.05 132	0.05 118	0.04 49

RAFT_CTSACE	0.12 288	0.09 347	0.10 136	0.22 490	0.08 144	0.12 234	0.24 516	0.18 226	0.16 214	0.20 419	0.27 431	0.13 257	0.07 127	0.13 273	0.09 62	0.05 34	0.06 340	0.08 316	0.07 305	0.04 21	0.04 49

IPLG	0.10 171	0.07 166	0.15 349	0.17 241	0.08 144	0.11 195	0.14 178	0.20 265	0.15 184	0.12 228	0.17 277	0.07 80	0.07 127	0.14 298	0.13 316	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

MIPNet	0.11 219	0.08 272	0.14 298	0.17 241	0.09 265	0.12 234	0.14 178	0.20 265	0.24 364	0.11 189	0.10 142	0.09 156	0.07 127	0.13 273	0.12 275	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

iRaftStereo_RVC	0.10 171	0.07 166	0.09 91	0.17 241	0.09 265	0.11 195	0.17 353	0.18 226	0.12 105	0.09 121	0.12 199	0.10 189	0.07 127	0.11 133	0.10 142	0.05 34	0.04 24	0.08 316	0.08 375	0.04 21	0.04 49

CREStereo++_RVC	0.08 56	0.04 1	0.06 4	0.13 14	0.07 84	0.09 96	0.12 75	0.14 96	0.14 165	0.10 157	0.14 227	0.08 129	0.07 127	0.09 39	0.11 217	0.06 126	0.04 24	0.05 34	0.05 132	0.04 21	0.04 49
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
raftrobust	0.09 106	0.06 75	0.10 136	0.17 241	0.08 144	0.09 96	0.10 31	0.18 226	0.16 214	0.10 157	0.09 111	0.12 232	0.07 127	0.12 224	0.10 142	0.08 338	0.05 207	0.06 124	0.05 132	0.05 118	0.05 144

sCroCo_RVC	0.12 288	0.09 347	0.23 484	0.24 524	0.11 424	0.19 435	0.14 178	0.17 194	0.14 165	0.10 157	0.13 213	0.12 232	0.07 127	0.14 298	0.11 217	0.08 338	0.08 441	0.08 316	0.08 375	0.05 118	0.07 318

EAI-Stereo	0.09 106	0.07 166	0.11 180	0.15 85	0.06 16	0.10 148	0.15 250	0.16 158	0.09 30	0.08 85	0.09 111	0.08 129	0.07 127	0.09 39	0.11 217	0.05 34	0.04 24	0.05 34	0.05 132	0.05 118	0.04 49

PMTNet	0.09 106	0.05 26	0.09 91	0.12 5	0.06 16	0.12 234	0.14 178	0.15 128	0.11 75	0.09 121	0.13 213	0.10 189	0.07 127	0.13 273	0.10 142	0.15 535	0.04 24	0.05 34	0.03 1	0.07 295	0.06 236

NLSM3	0.09 106	0.06 75	0.08 40	0.19 381	0.08 144	0.11 195	0.16 316	0.18 226	0.16 214	0.06 13	0.08 89	0.07 80	0.08 167	0.09 39	0.11 217	0.04 11	0.04 24	0.06 124	0.07 305	0.03 1	0.03 2

MonSter++	0.08 56	0.04 1	0.10 136	0.13 14	0.06 16	0.09 96	0.12 75	0.13 75	0.08 17	0.06 13	0.07 47	0.06 23	0.08 167	0.10 81	0.11 217	0.06 126	0.05 207	0.04 1	0.03 1	0.04 21	0.04 49

CSFM-Stereo	0.07 4	0.05 26	0.07 8	0.14 41	0.06 16	0.09 96	0.13 125	0.15 128	0.06 4	0.07 47	0.08 89	0.06 23	0.08 167	0.09 39	0.09 62	0.06 126	0.05 207	0.04 1	0.03 1	0.04 21	0.04 49

DA	0.08 56	0.07 166	0.07 8	0.19 381	0.08 144	0.09 96	0.12 75	0.13 75	0.12 105	0.08 85	0.10 142	0.10 189	0.08 167	0.09 39	0.10 142	0.05 34	0.04 24	0.06 124	0.04 46	0.05 118	0.03 2

GGEV	0.08 56	0.07 166	0.07 8	0.19 381	0.08 144	0.09 96	0.12 75	0.13 75	0.12 105	0.08 85	0.10 142	0.10 189	0.08 167	0.09 39	0.10 142	0.05 34	0.04 24	0.06 124	0.04 46	0.05 118	0.03 2

Reg-Stereo(zero)	0.08 56	0.05 26	0.08 40	0.16 165	0.06 16	0.12 234	0.11 54	0.15 128	0.10 47	0.12 228	0.09 111	0.10 189	0.08 167	0.11 133	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

castereo	0.09 106	0.06 75	0.11 180	0.15 85	0.06 16	0.11 195	0.15 250	0.14 96	0.18 267	0.08 85	0.10 142	0.11 214	0.08 167	0.09 39	0.10 142	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

999	0.09 106	0.05 26	0.13 263	0.15 85	0.08 144	0.10 148	0.14 178	0.15 128	0.11 75	0.10 157	0.08 89	0.08 129	0.08 167	0.16 355	0.10 142	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.05 144

rvit_stereo_0080	0.10 171	0.08 272	0.14 298	0.15 85	0.09 265	0.07 33	0.15 250	0.16 158	0.16 214	0.11 189	0.10 142	0.14 277	0.08 167	0.12 224	0.10 142	0.09 398	0.07 412	0.07 226	0.06 212	0.07 295	0.05 144

gcap-zeroshot	0.09 106	0.05 26	0.10 136	0.16 165	0.07 84	0.13 284	0.13 125	0.11 36	0.12 105	0.13 259	0.12 199	0.09 156	0.08 167	0.09 39	0.09 62	0.06 126	0.05 207	0.06 124	0.05 132	0.04 21	0.04 49

trnet	0.08 56	0.05 26	0.07 8	0.12 5	0.05 1	0.12 234	0.11 54	0.13 75	0.10 47	0.08 85	0.13 213	0.09 156	0.08 167	0.11 133	0.10 142	0.08 338	0.05 207	0.05 34	0.03 1	0.06 222	0.05 144

Former-RAFT_DAM_RVC	0.10 171	0.08 272	0.12 217	0.16 165	0.08 144	0.15 343	0.16 316	0.18 226	0.18 267	0.10 157	0.09 111	0.09 156	0.08 167	0.11 133	0.12 275	0.07 273	0.05 207	0.08 316	0.06 212	0.07 295	0.06 236

AE-Stereo	0.10 171	0.08 272	0.10 136	0.18 323	0.09 265	0.10 148	0.15 250	0.14 96	0.19 284	0.09 121	0.14 227	0.12 232	0.08 167	0.11 133	0.10 142	0.05 34	0.06 340	0.07 226	0.06 212	0.05 118	0.04 49

whm_eth	0.10 171	0.08 272	0.14 298	0.15 85	0.09 265	0.07 33	0.15 250	0.16 158	0.16 214	0.11 189	0.10 142	0.14 277	0.08 167	0.12 224	0.10 142	0.09 398	0.07 412	0.07 226	0.06 212	0.07 295	0.05 144

testlalala_base	0.10 171	0.09 347	0.14 298	0.21 474	0.08 144	0.10 148	0.14 178	0.13 75	0.10 47	0.07 47	0.15 244	0.07 80	0.08 167	0.10 81	0.12 275	0.08 338	0.05 207	0.05 34	0.03 1	0.06 222	0.05 144

AEACV	0.08 56	0.05 26	0.08 40	0.14 41	0.13 480	0.14 317	0.13 125	0.14 96	0.09 30	0.07 47	0.09 111	0.07 80	0.08 167	0.10 81	0.09 62	0.06 126	0.04 24	0.06 124	0.05 132	0.05 118	0.04 49

GLC_STEREO	0.11 219	0.07 166	0.11 180	0.17 241	0.07 84	0.09 96	0.13 125	0.15 128	0.24 364	0.12 228	0.13 213	0.12 232	0.08 167	0.18 408	0.11 217	0.06 126	0.08 441	0.08 316	0.06 212	0.05 118	0.05 144

IPLGR	0.11 219	0.09 347	0.16 383	0.18 323	0.08 144	0.12 234	0.17 353	0.21 288	0.24 364	0.11 189	0.12 199	0.11 214	0.08 167	0.12 224	0.12 275	0.06 126	0.05 207	0.06 124	0.06 212	0.04 21	0.04 49

test-3	0.08 56	0.06 75	0.09 91	0.17 241	0.07 84	0.07 33	0.14 178	0.12 57	0.15 184	0.09 121	0.08 89	0.07 80	0.08 167	0.11 133	0.10 142	0.05 34	0.04 24	0.07 226	0.05 132	0.04 21	0.04 49

test_1	0.08 56	0.06 75	0.09 91	0.17 241	0.07 84	0.07 33	0.14 178	0.12 57	0.15 184	0.09 121	0.08 89	0.07 80	0.08 167	0.11 133	0.10 142	0.05 34	0.04 24	0.07 226	0.05 132	0.04 21	0.04 49

HHNet	0.11 219	0.06 75	0.16 383	0.15 85	0.14 500	0.07 33	0.13 125	0.20 265	0.17 237	0.14 280	0.25 405	0.11 214	0.08 167	0.13 273	0.10 142	0.05 34	0.04 24	0.08 316	0.06 212	0.05 118	0.09 426

AnonymousM	0.09 106	0.05 26	0.10 136	0.14 41	0.06 16	0.09 96	0.13 125	0.19 254	0.14 165	0.13 259	0.11 183	0.09 156	0.08 167	0.13 273	0.10 142	0.08 338	0.05 207	0.08 316	0.05 132	0.05 118	0.05 144

test-1	0.10 171	0.07 166	0.16 383	0.19 381	0.08 144	0.11 195	0.24 516	0.14 96	0.18 267	0.09 121	0.07 47	0.09 156	0.08 167	0.07 4	0.09 62	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

Prome-Stereo	0.11 219	0.06 75	0.10 136	0.18 323	0.08 144	0.12 234	0.15 250	0.22 312	0.13 140	0.12 228	0.17 277	0.13 257	0.08 167	0.12 224	0.10 142	0.05 34	0.04 24	0.07 226	0.06 212	0.06 222	0.09 426

raft+_RVC	0.11 219	0.07 166	0.09 91	0.16 165	0.07 84	0.10 148	0.11 54	0.24 355	0.20 307	0.12 228	0.15 244	0.12 232	0.08 167	0.12 224	0.13 316	0.07 273	0.04 24	0.07 226	0.06 212	0.05 118	0.05 144

XX-TBD	0.09 106	0.06 75	0.07 8	0.14 41	0.07 84	0.12 234	0.16 316	0.14 96	0.13 140	0.11 189	0.12 199	0.09 156	0.08 167	0.10 81	0.10 142	0.06 126	0.04 24	0.05 34	0.03 1	0.06 222	0.05 144

sAnonymous2	0.13 313	0.12 451	0.24 488	0.20 442	0.12 457	0.17 393	0.13 125	0.26 389	0.21 323	0.11 189	0.11 183	0.13 257	0.08 167	0.10 81	0.10 142	0.09 398	0.05 207	0.08 316	0.06 212	0.15 537	0.10 453

CroCo_RVC	0.13 313	0.12 451	0.24 488	0.20 442	0.12 457	0.17 393	0.13 125	0.26 389	0.21 323	0.11 189	0.11 183	0.13 257	0.08 167	0.10 81	0.10 142	0.09 398	0.05 207	0.08 316	0.06 212	0.15 537	0.10 453

CREStereo	0.09 106	0.04 1	0.08 40	0.11 1	0.06 16	0.13 284	0.14 178	0.14 96	0.10 47	0.08 85	0.13 213	0.09 156	0.08 167	0.11 133	0.10 142	0.08 338	0.04 24	0.05 34	0.03 1	0.06 222	0.06 236
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
R-Stereo Train	0.10 171	0.06 75	0.10 136	0.17 241	0.08 144	0.11 195	0.14 178	0.23 332	0.11 75	0.12 228	0.19 311	0.11 214	0.08 167	0.09 39	0.11 217	0.07 273	0.05 207	0.06 124	0.05 132	0.05 118	0.05 144

RAFT-Stereo	0.10 171	0.06 75	0.10 136	0.17 241	0.08 144	0.11 195	0.14 178	0.23 332	0.11 75	0.12 228	0.19 311	0.11 214	0.08 167	0.09 39	0.11 217	0.07 273	0.05 207	0.06 124	0.05 132	0.05 118	0.05 144
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
WQFJX	0.10 171	0.07 166	0.09 91	0.21 474	0.09 265	0.12 234	0.16 316	0.18 226	0.17 237	0.12 228	0.10 142	0.07 80	0.09 198	0.12 224	0.10 142	0.06 126	0.07 412	0.06 124	0.05 132	0.06 222	0.05 144

NLMM1	0.11 219	0.09 347	0.07 8	0.22 490	0.10 373	0.12 234	0.20 463	0.18 226	0.20 307	0.12 228	0.11 183	0.07 80	0.09 198	0.11 133	0.11 217	0.08 338	0.08 441	0.07 226	0.06 212	0.04 21	0.04 49

NLCSM	0.11 219	0.09 347	0.09 91	0.23 514	0.11 424	0.12 234	0.19 440	0.18 226	0.18 267	0.12 228	0.11 183	0.07 80	0.09 198	0.11 133	0.10 142	0.07 273	0.08 441	0.07 226	0.07 305	0.06 222	0.05 144

BridgeDepth	0.07 4	0.07 166	0.08 40	0.18 323	0.06 16	0.07 33	0.11 54	0.09 12	0.06 4	0.04 1	0.07 47	0.10 189	0.09 198	0.08 18	0.08 17	0.04 11	0.03 1	0.04 1	0.04 46	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
water-stereo	0.09 106	0.06 75	0.08 40	0.16 165	0.07 84	0.09 96	0.13 125	0.15 128	0.13 140	0.11 189	0.12 199	0.08 129	0.09 198	0.07 4	0.08 17	0.06 126	0.05 207	0.05 34	0.05 132	0.04 21	0.04 49

DilatedVolume-Stereo	0.09 106	0.05 26	0.08 40	0.15 85	0.06 16	0.11 195	0.12 75	0.14 96	0.16 214	0.11 189	0.11 183	0.09 156	0.09 198	0.11 133	0.10 142	0.06 126	0.05 207	0.05 34	0.04 46	0.03 1	0.03 2

S2M2_L	0.09 106	0.08 272	0.11 180	0.13 14	0.10 373	0.08 59	0.06 1	0.10 21	0.10 47	0.10 157	0.09 111	0.10 189	0.09 198	0.11 133	0.11 217	0.13 517	0.07 412	0.08 316	0.09 421	0.10 452	0.08 382
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
SGD-Stereo	0.08 56	0.05 26	0.10 136	0.14 41	0.05 1	0.12 234	0.12 75	0.11 36	0.12 105	0.07 47	0.09 111	0.09 156	0.09 198	0.08 18	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.03 2

HI	0.11 219	0.06 75	0.11 180	0.13 14	0.09 265	0.09 96	0.14 178	0.21 288	0.10 47	0.19 396	0.17 277	0.14 277	0.09 198	0.16 355	0.08 17	0.05 34	0.04 24	0.07 226	0.08 375	0.07 295	0.06 236

CoSv	0.11 219	0.06 75	0.11 180	0.13 14	0.09 265	0.09 96	0.14 178	0.21 288	0.10 47	0.19 396	0.17 277	0.14 277	0.09 198	0.16 355	0.08 17	0.05 34	0.04 24	0.07 226	0.08 375	0.07 295	0.06 236

fffy	0.09 106	0.08 272	0.09 91	0.16 165	0.07 84	0.13 284	0.17 353	0.13 75	0.12 105	0.08 85	0.09 111	0.08 129	0.09 198	0.13 273	0.11 217	0.05 34	0.05 207	0.07 226	0.05 132	0.04 21	0.05 144

rvit_stereo_0081_aga	0.11 219	0.09 347	0.14 298	0.18 323	0.09 265	0.13 284	0.14 178	0.14 96	0.19 284	0.10 157	0.18 302	0.16 320	0.09 198	0.12 224	0.09 62	0.10 439	0.06 340	0.08 316	0.07 305	0.07 295	0.06 236

rvit_stereo_0081	0.11 219	0.08 272	0.15 349	0.16 165	0.09 265	0.10 148	0.14 178	0.14 96	0.24 364	0.11 189	0.13 213	0.13 257	0.09 198	0.11 133	0.12 275	0.10 439	0.07 412	0.08 316	0.07 305	0.07 295	0.05 144

rvit_stereo_0082	0.11 219	0.08 272	0.15 349	0.16 165	0.09 265	0.10 148	0.14 178	0.14 96	0.24 364	0.11 189	0.13 213	0.13 257	0.09 198	0.11 133	0.12 275	0.10 439	0.07 412	0.08 316	0.07 305	0.07 295	0.05 144

EKT-Stereo	0.11 219	0.07 166	0.14 298	0.15 85	0.10 373	0.13 284	0.14 178	0.18 226	0.21 323	0.11 189	0.08 89	0.12 232	0.09 198	0.11 133	0.12 275	0.08 338	0.06 340	0.07 226	0.06 212	0.08 358	0.07 318

GCAP-Stereo	0.09 106	0.07 166	0.13 263	0.18 323	0.06 16	0.11 195	0.07 3	0.13 75	0.12 105	0.09 121	0.10 142	0.07 80	0.09 198	0.13 273	0.10 142	0.06 126	0.05 207	0.05 34	0.04 46	0.04 21	0.05 144

Any-RAFT	0.10 171	0.05 26	0.09 91	0.14 41	0.07 84	0.13 284	0.14 178	0.21 288	0.15 184	0.11 189	0.12 199	0.12 232	0.09 198	0.12 224	0.09 62	0.07 273	0.04 24	0.05 34	0.04 46	0.06 222	0.05 144

RAFT-Test	0.09 106	0.06 75	0.10 136	0.15 85	0.07 84	0.11 195	0.15 250	0.16 158	0.13 140	0.09 121	0.10 142	0.10 189	0.09 198	0.12 224	0.09 62	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

LoS_RVC	0.08 56	0.05 26	0.07 8	0.15 85	0.07 84	0.08 59	0.15 250	0.11 36	0.10 47	0.08 85	0.09 111	0.06 23	0.09 198	0.10 81	0.09 62	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

anonymousdsp2	0.11 219	0.07 166	0.10 136	0.16 165	0.09 265	0.13 284	0.14 178	0.18 226	0.22 337	0.13 259	0.14 227	0.12 232	0.09 198	0.14 298	0.11 217	0.05 34	0.04 24	0.05 34	0.04 46	0.06 222	0.05 144

LoS	0.09 106	0.05 26	0.11 180	0.13 14	0.07 84	0.14 317	0.11 54	0.15 128	0.15 184	0.09 121	0.09 111	0.12 232	0.09 198	0.15 320	0.10 142	0.07 273	0.05 207	0.05 34	0.03 1	0.05 118	0.05 144
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
knoymous	0.11 219	0.05 26	0.12 217	0.13 14	0.07 84	0.15 343	0.14 178	0.19 254	0.13 140	0.11 189	0.17 277	0.13 257	0.09 198	0.13 273	0.11 217	0.08 338	0.05 207	0.06 124	0.05 132	0.08 358	0.07 318

test_4	0.10 171	0.10 407	0.08 40	0.19 381	0.09 265	0.08 59	0.22 493	0.15 128	0.17 237	0.12 228	0.18 302	0.12 232	0.09 198	0.08 18	0.11 217	0.04 11	0.04 24	0.08 316	0.08 375	0.04 21	0.03 2

iRaft-Stereo_5w	0.12 288	0.09 347	0.12 217	0.19 381	0.08 144	0.09 96	0.12 75	0.21 288	0.21 323	0.19 396	0.14 227	0.11 214	0.09 198	0.20 448	0.16 397	0.05 34	0.05 207	0.07 226	0.06 212	0.05 118	0.06 236

CIPLG	0.11 219	0.08 272	0.14 298	0.17 241	0.08 144	0.12 234	0.15 250	0.17 194	0.15 184	0.14 280	0.11 183	0.16 320	0.09 198	0.16 355	0.11 217	0.07 273	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

dd	0.15 390	0.16 510	0.16 383	0.19 381	0.09 265	0.15 343	0.18 401	0.21 288	0.25 385	0.23 462	0.20 323	0.21 388	0.09 198	0.21 465	0.16 397	0.10 439	0.06 340	0.08 316	0.06 212	0.08 358	0.06 236

IPLGR_C	0.11 219	0.08 272	0.14 298	0.17 241	0.08 144	0.12 234	0.15 250	0.17 194	0.15 184	0.14 280	0.10 142	0.16 320	0.09 198	0.16 355	0.11 217	0.07 273	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

ACRE	0.11 219	0.08 272	0.14 298	0.17 241	0.08 144	0.12 234	0.15 250	0.17 194	0.14 165	0.14 280	0.10 142	0.16 320	0.09 198	0.16 355	0.11 217	0.07 273	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

test_3	0.10 171	0.09 347	0.10 136	0.20 442	0.08 144	0.13 284	0.26 541	0.14 96	0.21 323	0.10 157	0.10 142	0.09 156	0.09 198	0.08 18	0.11 217	0.05 34	0.04 24	0.08 316	0.07 305	0.04 21	0.04 49

Pruner-Stereo	0.11 219	0.07 166	0.12 217	0.17 241	0.09 265	0.06 11	0.12 75	0.17 194	0.17 237	0.13 259	0.19 311	0.13 257	0.09 198	0.11 133	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.08 382

RAFT-345	0.11 219	0.07 166	0.15 349	0.16 165	0.08 144	0.08 59	0.12 75	0.15 128	0.10 47	0.11 189	0.36 500	0.09 156	0.09 198	0.11 133	0.12 275	0.05 34	0.05 207	0.07 226	0.06 212	0.04 21	0.05 144

RALAANet	0.11 219	0.08 272	0.10 136	0.17 241	0.09 265	0.14 317	0.10 31	0.20 265	0.15 184	0.14 280	0.13 213	0.16 320	0.09 198	0.12 224	0.11 217	0.06 126	0.05 207	0.07 226	0.06 212	0.05 118	0.04 49

RAFT-Stereo + iAFF	0.09 106	0.06 75	0.10 136	0.17 241	0.06 16	0.10 148	0.16 316	0.17 194	0.14 165	0.09 121	0.10 142	0.08 129	0.09 198	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.06 212	0.04 21	0.03 2

AFF-stereo	0.09 106	0.06 75	0.10 136	0.17 241	0.07 84	0.10 148	0.16 316	0.17 194	0.09 30	0.10 157	0.12 199	0.09 156	0.09 198	0.12 224	0.09 62	0.05 34	0.04 24	0.07 226	0.07 305	0.04 21	0.03 2

CFNet-RSSM	0.09 106	0.07 166	0.09 91	0.16 165	0.07 84	0.09 96	0.15 250	0.16 158	0.17 237	0.08 85	0.12 199	0.10 189	0.09 198	0.11 133	0.09 62	0.06 126	0.04 24	0.06 124	0.04 46	0.04 21	0.04 49

Gwc-CoAtRS	0.09 106	0.06 75	0.10 136	0.16 165	0.07 84	0.10 148	0.14 178	0.17 194	0.17 237	0.08 85	0.10 142	0.12 232	0.09 198	0.12 224	0.09 62	0.06 126	0.04 24	0.06 124	0.04 46	0.04 21	0.04 49

DStereoRT	0.16 413	0.06 75	0.11 180	0.19 381	0.09 265	0.12 234	0.12 75	0.28 429	0.22 337	0.12 228	0.20 323	0.11 214	0.10 234	0.15 320	0.14 353	0.06 126	0.05 207	0.96 611	0.09 421	0.05 118	0.04 49

WQFJA1	0.10 171	0.07 166	0.08 40	0.20 442	0.09 265	0.12 234	0.17 353	0.17 194	0.17 237	0.09 121	0.10 142	0.08 129	0.10 234	0.12 224	0.11 217	0.06 126	0.07 412	0.07 226	0.06 212	0.06 222	0.05 144

WQFJX1	0.10 171	0.07 166	0.08 40	0.22 490	0.09 265	0.12 234	0.17 353	0.18 226	0.17 237	0.10 157	0.09 111	0.07 80	0.10 234	0.11 133	0.09 62	0.07 273	0.08 441	0.07 226	0.06 212	0.05 118	0.04 49

NLMM	0.10 171	0.07 166	0.08 40	0.20 442	0.09 265	0.12 234	0.17 353	0.17 194	0.17 237	0.09 121	0.10 142	0.08 129	0.10 234	0.12 224	0.11 217	0.06 126	0.07 412	0.07 226	0.06 212	0.06 222	0.05 144

NLSM1	0.10 171	0.07 166	0.07 8	0.19 381	0.08 144	0.13 284	0.16 316	0.21 288	0.15 184	0.11 189	0.10 142	0.06 23	0.10 234	0.10 81	0.11 217	0.07 273	0.08 441	0.08 316	0.07 305	0.05 118	0.05 144

xyz-stereo-finetune	0.11 219	0.08 272	0.13 263	0.14 41	0.06 16	0.10 148	0.19 440	0.17 194	0.19 284	0.12 228	0.14 227	0.15 306	0.10 234	0.13 273	0.11 217	0.05 34	0.04 24	0.07 226	0.05 132	0.04 21	0.05 144

rvit_stereo_0083	0.12 288	0.08 272	0.17 413	0.16 165	0.09 265	0.11 195	0.15 250	0.14 96	0.26 399	0.11 189	0.14 227	0.13 257	0.10 234	0.12 224	0.12 275	0.10 439	0.08 441	0.09 398	0.07 305	0.07 295	0.05 144

rvit_stereo_ft	0.12 288	0.07 166	0.13 263	0.19 381	0.10 373	0.12 234	0.17 353	0.16 158	0.16 214	0.12 228	0.13 213	0.15 306	0.10 234	0.14 298	0.13 316	0.09 398	0.06 340	0.08 316	0.07 305	0.07 295	0.05 144

H2IRNET	0.10 171	0.09 347	0.09 91	0.18 323	0.09 265	0.12 234	0.15 250	0.14 96	0.21 323	0.10 157	0.10 142	0.10 189	0.10 234	0.10 81	0.10 142	0.05 34	0.04 24	0.08 316	0.08 375	0.06 222	0.05 144

MyStereo8	0.12 288	0.07 166	0.15 349	0.15 85	0.09 265	0.18 412	0.14 178	0.19 254	0.22 337	0.12 228	0.18 302	0.11 214	0.10 234	0.16 355	0.18 430	0.07 273	0.05 207	0.07 226	0.05 132	0.08 358	0.09 426

MyStereo04	0.13 313	0.07 166	0.10 136	0.17 241	0.09 265	0.14 317	0.18 401	0.29 441	0.38 500	0.17 350	0.14 227	0.16 320	0.10 234	0.15 320	0.13 316	0.06 126	0.05 207	0.08 316	0.07 305	0.06 222	0.06 236

StereoVision	0.13 313	0.12 451	0.09 91	0.24 524	0.10 373	0.15 343	0.21 483	0.21 288	0.20 307	0.12 228	0.24 377	0.10 189	0.10 234	0.16 355	0.10 142	0.09 398	0.11 506	0.12 495	0.12 513	0.06 222	0.05 144

DCRE	0.11 219	0.07 166	0.13 263	0.16 165	0.11 424	0.11 195	0.17 353	0.18 226	0.17 237	0.11 189	0.18 302	0.10 189	0.10 234	0.15 320	0.11 217	0.06 126	0.05 207	0.06 124	0.06 212	0.05 118	0.04 49

Selective-RAFT	0.11 219	0.10 407	0.11 180	0.21 474	0.08 144	0.16 372	0.13 125	0.20 265	0.22 337	0.10 157	0.10 142	0.11 214	0.10 234	0.15 320	0.11 217	0.05 34	0.05 207	0.06 124	0.05 132	0.06 222	0.05 144

TestStereo1	0.13 313	0.08 272	0.08 40	0.19 381	0.08 144	0.18 412	0.29 563	0.23 332	0.16 214	0.17 350	0.20 323	0.16 320	0.10 234	0.12 224	0.13 316	0.06 126	0.06 340	0.08 316	0.06 212	0.05 118	0.05 144

DisPM	0.11 219	0.07 166	0.12 217	0.16 165	0.09 265	0.06 11	0.13 125	0.17 194	0.17 237	0.14 280	0.20 323	0.12 232	0.10 234	0.11 133	0.10 142	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.11 479

raft_robust	0.13 313	0.10 407	0.07 8	0.18 323	0.08 144	0.13 284	0.24 516	0.28 429	0.33 460	0.20 419	0.19 311	0.14 277	0.10 234	0.11 133	0.12 275	0.05 34	0.05 207	0.07 226	0.07 305	0.05 118	0.04 49

RAFT+CT+SA	0.13 313	0.11 433	0.09 91	0.19 381	0.09 265	0.15 343	0.28 554	0.22 312	0.22 337	0.15 307	0.26 422	0.10 189	0.10 234	0.11 133	0.12 275	0.05 34	0.04 24	0.07 226	0.08 375	0.07 295	0.06 236

SA-5K	0.13 313	0.08 272	0.08 40	0.19 381	0.08 144	0.18 412	0.29 563	0.23 332	0.16 214	0.17 350	0.20 323	0.16 320	0.10 234	0.12 224	0.13 316	0.06 126	0.06 340	0.08 316	0.06 212	0.05 118	0.05 144

PFNet+	0.11 219	0.06 75	0.13 263	0.16 165	0.09 265	0.05 4	0.12 75	0.17 194	0.21 323	0.16 335	0.19 311	0.14 277	0.10 234	0.11 133	0.11 217	0.08 338	0.05 207	0.09 398	0.08 375	0.06 222	0.11 479

STrans-v2	0.10 171	0.07 166	0.12 217	0.18 323	0.07 84	0.10 148	0.14 178	0.21 288	0.11 75	0.11 189	0.15 244	0.12 232	0.10 234	0.11 133	0.12 275	0.05 34	0.04 24	0.06 124	0.06 212	0.04 21	0.04 49

KYRaft	0.11 219	0.07 166	0.10 136	0.19 381	0.09 265	0.08 59	0.15 250	0.22 312	0.12 105	0.13 259	0.16 256	0.20 379	0.10 234	0.12 224	0.10 142	0.05 34	0.04 24	0.08 316	0.08 375	0.06 222	0.16 549

ASMatch	0.11 219	0.06 75	0.13 263	0.16 165	0.10 373	0.07 33	0.14 178	0.17 194	0.17 237	0.12 228	0.16 256	0.16 320	0.10 234	0.13 273	0.10 142	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.08 382

RAFT-RH_RVC	0.11 219	0.06 75	0.14 298	0.16 165	0.09 265	0.12 234	0.12 75	0.17 194	0.12 105	0.13 259	0.41 537	0.11 214	0.10 234	0.13 273	0.12 275	0.05 34	0.04 24	0.08 316	0.05 132	0.04 21	0.06 236

cross-raft	0.10 171	0.09 347	0.09 91	0.19 381	0.07 84	0.11 195	0.25 532	0.13 75	0.15 184	0.08 85	0.11 183	0.12 232	0.10 234	0.09 39	0.11 217	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

rafts_anoy	0.11 219	0.06 75	0.10 136	0.17 241	0.08 144	0.10 148	0.14 178	0.17 194	0.14 165	0.13 259	0.13 213	0.12 232	0.10 234	0.11 133	0.12 275	0.07 273	0.04 24	0.09 398	0.11 493	0.07 295	0.06 236

Anonymous3	0.16 413	0.13 480	0.33 529	0.26 541	0.14 500	0.27 527	0.17 353	0.28 429	0.28 423	0.15 307	0.17 277	0.14 277	0.10 234	0.15 320	0.12 275	0.08 338	0.08 441	0.08 316	0.08 375	0.08 358	0.11 479

RALCasStereoNet	0.10 171	0.06 75	0.09 91	0.16 165	0.08 144	0.12 234	0.14 178	0.17 194	0.11 75	0.12 228	0.17 277	0.14 277	0.10 234	0.12 224	0.11 217	0.07 273	0.06 340	0.06 124	0.05 132	0.08 358	0.07 318

RAFT + AFF	0.13 313	0.07 166	0.20 460	0.20 442	0.10 373	0.14 317	0.24 516	0.26 389	0.20 307	0.11 189	0.10 142	0.12 232	0.10 234	0.15 320	0.12 275	0.07 273	0.06 340	0.09 398	0.08 375	0.06 222	0.08 382

GMStereo	0.13 313	0.14 492	0.14 298	0.18 323	0.09 265	0.15 343	0.16 316	0.20 265	0.24 364	0.16 335	0.17 277	0.10 189	0.10 234	0.16 355	0.13 316	0.07 273	0.06 340	0.06 124	0.06 212	0.07 295	0.06 236
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MultiAttention	0.29 550	0.08 272	0.14 298	0.19 381	0.12 457	1.45 616	1.33 618	0.36 528	0.37 493	0.19 396	0.21 345	0.24 430	0.11 264	0.38 563	0.18 430	0.06 126	0.05 207	0.08 316	0.08 375	0.10 452	0.09 426

depthmonostereo	0.09 106	0.06 75	0.09 91	0.15 85	0.06 16	0.10 148	0.13 125	0.14 96	0.14 165	0.10 157	0.10 142	0.09 156	0.11 264	0.08 18	0.09 62	0.06 126	0.05 207	0.06 124	0.04 46	0.04 21	0.03 2

MyStereo05	0.13 313	0.07 166	0.10 136	0.17 241	0.09 265	0.13 284	0.18 401	0.27 410	0.35 481	0.17 350	0.14 227	0.15 306	0.11 264	0.15 320	0.13 316	0.06 126	0.05 207	0.07 226	0.07 305	0.06 222	0.06 236

CoDeX	0.12 288	0.07 166	0.12 217	0.17 241	0.08 144	0.12 234	0.15 250	0.23 332	0.27 409	0.13 259	0.17 277	0.16 320	0.11 264	0.14 298	0.11 217	0.07 273	0.05 207	0.07 226	0.06 212	0.06 222	0.05 144

GMStereo_Zeroshot	0.16 413	0.13 480	0.24 488	0.20 442	0.10 373	0.17 393	0.13 125	0.29 441	0.25 385	0.23 462	0.32 476	0.25 444	0.11 264	0.19 423	0.14 353	0.09 398	0.06 340	0.11 476	0.06 212	0.12 490	0.08 382

MIF-Stereo (partial)	0.11 219	0.06 75	0.10 136	0.19 381	0.10 373	0.10 148	0.11 54	0.17 194	0.18 267	0.14 280	0.16 256	0.09 156	0.11 264	0.12 224	0.12 275	0.08 338	0.05 207	0.08 316	0.07 305	0.06 222	0.07 318

riskmin	0.11 219	0.06 75	0.13 263	0.14 41	0.08 144	0.14 317	0.14 178	0.18 226	0.14 165	0.11 189	0.14 227	0.16 320	0.11 264	0.14 298	0.12 275	0.09 398	0.05 207	0.07 226	0.05 132	0.08 358	0.08 382

fff	0.10 171	0.06 75	0.12 217	0.15 85	0.07 84	0.09 96	0.17 353	0.16 158	0.20 307	0.13 259	0.16 256	0.10 189	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

Sa-1000	0.12 288	0.08 272	0.08 40	0.18 323	0.08 144	0.14 317	0.22 493	0.22 312	0.18 267	0.15 307	0.20 323	0.17 340	0.11 264	0.10 81	0.10 142	0.06 126	0.05 207	0.09 398	0.09 421	0.05 118	0.05 144

SA	0.12 288	0.09 347	0.08 40	0.18 323	0.08 144	0.12 234	0.24 516	0.23 332	0.18 267	0.17 350	0.27 431	0.14 277	0.11 264	0.11 133	0.11 217	0.05 34	0.05 207	0.09 398	0.08 375	0.05 118	0.04 49

CrosDoStereo	0.12 288	0.06 75	0.12 217	0.14 41	0.08 144	0.12 234	0.15 250	0.17 194	0.22 337	0.19 396	0.24 377	0.15 306	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.07 226	0.07 305	0.05 118	0.05 144

LCNet	0.11 219	0.07 166	0.09 91	0.19 381	0.09 265	0.08 59	0.15 250	0.21 288	0.15 184	0.11 189	0.15 244	0.16 320	0.11 264	0.12 224	0.11 217	0.05 34	0.04 24	0.08 316	0.07 305	0.06 222	0.15 538

TransformOpticalFlow	0.10 171	0.08 272	0.13 263	0.18 323	0.07 84	0.09 96	0.15 250	0.19 254	0.15 184	0.12 228	0.17 277	0.11 214	0.11 264	0.11 133	0.10 142	0.05 34	0.04 24	0.06 124	0.06 212	0.05 118	0.05 144

NF-Stereo	0.11 219	0.07 166	0.13 263	0.17 241	0.09 265	0.10 148	0.14 178	0.23 332	0.19 284	0.12 228	0.17 277	0.12 232	0.11 264	0.11 133	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.12 492

OCTAStereo	0.11 219	0.07 166	0.13 263	0.17 241	0.09 265	0.10 148	0.14 178	0.23 332	0.19 284	0.12 228	0.17 277	0.12 232	0.11 264	0.11 133	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.12 492

PSM-softLoss	0.12 288	0.07 166	0.15 349	0.17 241	0.09 265	0.08 59	0.13 125	0.24 355	0.17 237	0.14 280	0.19 311	0.13 257	0.11 264	0.11 133	0.11 217	0.07 273	0.05 207	0.08 316	0.07 305	0.06 222	0.12 492

KMStereo	0.12 288	0.07 166	0.15 349	0.17 241	0.09 265	0.08 59	0.13 125	0.24 355	0.17 237	0.14 280	0.19 311	0.13 257	0.11 264	0.11 133	0.11 217	0.07 273	0.05 207	0.08 316	0.07 305	0.06 222	0.12 492

PSM-AAD	0.11 219	0.07 166	0.10 136	0.19 381	0.09 265	0.10 148	0.15 250	0.20 265	0.13 140	0.12 228	0.14 227	0.18 353	0.11 264	0.11 133	0.10 142	0.05 34	0.05 207	0.09 398	0.08 375	0.06 222	0.14 531

DeepStereo_LL	0.12 288	0.06 75	0.12 217	0.14 41	0.08 144	0.12 234	0.15 250	0.17 194	0.22 337	0.19 396	0.24 377	0.15 306	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.07 226	0.07 305	0.05 118	0.05 144

PFNet	0.12 288	0.06 75	0.17 413	0.17 241	0.08 144	0.09 96	0.15 250	0.26 389	0.20 307	0.16 335	0.16 256	0.14 277	0.11 264	0.12 224	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.05 118	0.05 144

GrayStereo	0.11 219	0.06 75	0.11 180	0.19 381	0.09 265	0.09 96	0.16 316	0.18 226	0.17 237	0.14 280	0.17 277	0.17 340	0.11 264	0.12 224	0.11 217	0.05 34	0.05 207	0.07 226	0.06 212	0.05 118	0.10 453

RE-Stereo	0.11 219	0.07 166	0.13 263	0.17 241	0.09 265	0.10 148	0.14 178	0.23 332	0.19 284	0.12 228	0.17 277	0.12 232	0.11 264	0.11 133	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.12 492

TVStereo	0.11 219	0.07 166	0.13 263	0.17 241	0.09 265	0.10 148	0.14 178	0.23 332	0.19 284	0.12 228	0.17 277	0.12 232	0.11 264	0.11 133	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.12 492

GMM-Stereo	0.11 219	0.07 166	0.10 136	0.18 323	0.09 265	0.08 59	0.15 250	0.23 332	0.16 214	0.11 189	0.15 244	0.13 257	0.11 264	0.11 133	0.11 217	0.05 34	0.04 24	0.08 316	0.07 305	0.06 222	0.09 426

s12784h	0.09 106	0.06 75	0.07 8	0.15 85	0.05 1	0.16 372	0.18 401	0.15 128	0.15 184	0.10 157	0.11 183	0.11 214	0.11 264	0.10 81	0.12 275	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

DCANet	0.10 171	0.06 75	0.12 217	0.16 165	0.06 16	0.09 96	0.17 353	0.15 128	0.19 284	0.13 259	0.17 277	0.10 189	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

csc	0.10 171	0.06 75	0.12 217	0.15 85	0.07 84	0.09 96	0.17 353	0.16 158	0.20 307	0.13 259	0.16 256	0.10 189	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

cscssc	0.10 171	0.06 75	0.12 217	0.15 85	0.07 84	0.09 96	0.17 353	0.16 158	0.20 307	0.13 259	0.16 256	0.10 189	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

111	0.10 171	0.06 75	0.12 217	0.15 85	0.07 84	0.10 148	0.14 178	0.21 288	0.23 348	0.11 189	0.12 199	0.14 277	0.11 264	0.13 273	0.10 142	0.06 126	0.04 24	0.06 124	0.04 46	0.05 118	0.05 144

ARAFT	0.12 288	0.08 272	0.17 413	0.19 381	0.09 265	0.14 317	0.18 401	0.20 265	0.12 105	0.12 228	0.13 213	0.14 277	0.11 264	0.15 320	0.12 275	0.06 126	0.05 207	0.10 445	0.09 421	0.05 118	0.04 49

HITNet	0.10 171	0.06 75	0.12 217	0.14 41	0.06 16	0.11 195	0.10 31	0.18 226	0.18 267	0.13 259	0.16 256	0.14 277	0.11 264	0.15 320	0.13 316	0.06 126	0.04 24	0.04 1	0.04 46	0.06 222	0.05 144
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
FlowAnything_test	0.11 219	0.08 272	0.14 298	0.15 85	0.09 265	0.07 33	0.14 178	0.20 265	0.11 75	0.09 121	0.09 111	0.12 232	0.12 295	0.13 273	0.11 217	0.09 398	0.06 340	0.09 398	0.09 421	0.06 222	0.09 426

xyz-stereo-finetune2	0.11 219	0.07 166	0.13 263	0.13 14	0.07 84	0.11 195	0.19 440	0.17 194	0.12 105	0.15 307	0.15 244	0.17 340	0.12 295	0.13 273	0.11 217	0.05 34	0.04 24	0.07 226	0.05 132	0.04 21	0.06 236

DFGA-Net	0.13 313	0.11 433	0.18 436	0.17 241	0.10 373	0.12 234	0.13 125	0.22 312	0.25 385	0.16 335	0.16 256	0.13 257	0.12 295	0.16 355	0.14 353	0.07 273	0.05 207	0.08 316	0.07 305	0.05 118	0.05 144

DDVS	0.15 390	0.10 407	0.21 469	0.16 165	0.12 457	0.15 343	0.14 178	0.25 371	0.19 284	0.18 380	0.29 457	0.27 462	0.12 295	0.19 423	0.15 381	0.09 398	0.06 340	0.09 398	0.07 305	0.11 475	0.11 479

rvit_0105_6	0.14 347	0.09 347	0.18 436	0.17 241	0.10 373	0.10 148	0.16 316	0.19 254	0.26 399	0.12 228	0.18 302	0.17 340	0.12 295	0.18 408	0.12 275	0.15 535	0.11 506	0.12 495	0.10 461	0.09 421	0.06 236

rvit_0105_5	0.14 347	0.09 347	0.13 263	0.17 241	0.09 265	0.14 317	0.23 504	0.24 355	0.27 409	0.14 280	0.15 244	0.18 353	0.12 295	0.17 387	0.14 353	0.14 531	0.11 506	0.10 445	0.10 461	0.08 358	0.06 236

GCST	0.37 567	0.42 586	0.26 496	1.02 610	0.39 585	0.18 412	0.08 7	0.20 265	0.17 237	0.28 511	0.25 405	0.15 306	0.12 295	0.16 355	0.14 353	0.64 605	0.43 594	0.75 601	0.65 605	0.63 598	0.46 598

plain	0.10 171	0.08 272	0.10 136	0.19 381	0.09 265	0.10 148	0.15 250	0.14 96	0.13 140	0.13 259	0.15 244	0.09 156	0.12 295	0.13 273	0.12 275	0.07 273	0.05 207	0.09 398	0.06 212	0.06 222	0.06 236

PCWNet_CMD	0.14 347	0.08 272	0.15 349	0.17 241	0.09 265	0.14 317	0.14 178	0.29 441	0.36 486	0.14 280	0.20 323	0.21 388	0.12 295	0.17 387	0.13 316	0.07 273	0.05 207	0.07 226	0.07 305	0.07 295	0.07 318

ADStereo(finetuned)	0.10 171	0.06 75	0.12 217	0.16 165	0.06 16	0.09 96	0.17 353	0.15 128	0.19 284	0.13 259	0.17 277	0.10 189	0.12 295	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

GMOStereo	0.11 219	0.09 347	0.07 8	0.19 381	0.08 144	0.12 234	0.28 554	0.13 75	0.17 237	0.11 189	0.17 277	0.14 277	0.12 295	0.07 4	0.07 1	0.05 34	0.05 207	0.09 398	0.07 305	0.04 21	0.04 49

error version	0.11 219	0.09 347	0.07 8	0.19 381	0.08 144	0.12 234	0.28 554	0.13 75	0.17 237	0.11 189	0.17 277	0.14 277	0.12 295	0.07 4	0.07 1	0.05 34	0.05 207	0.09 398	0.07 305	0.04 21	0.04 49

test-v	0.11 219	0.09 347	0.07 8	0.19 381	0.08 144	0.12 234	0.28 554	0.13 75	0.17 237	0.11 189	0.17 277	0.14 277	0.12 295	0.07 4	0.07 1	0.05 34	0.05 207	0.09 398	0.07 305	0.04 21	0.04 49

GANet-ADL	0.13 313	0.07 166	0.15 349	0.17 241	0.10 373	0.18 412	0.15 250	0.30 455	0.20 307	0.13 259	0.18 302	0.19 367	0.12 295	0.16 355	0.13 316	0.08 338	0.06 340	0.06 124	0.05 132	0.07 295	0.08 382

Patchmatch Stereo++	0.11 219	0.09 347	0.16 383	0.18 323	0.08 144	0.06 11	0.11 54	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318
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
OMP-Stereo	0.11 219	0.06 75	0.14 298	0.18 323	0.08 144	0.09 96	0.12 75	0.21 288	0.21 323	0.13 259	0.14 227	0.11 214	0.12 295	0.11 133	0.13 316	0.06 126	0.04 24	0.07 226	0.06 212	0.05 118	0.04 49

IIG-Stereo	0.11 219	0.06 75	0.13 263	0.17 241	0.08 144	0.11 195	0.12 75	0.22 312	0.17 237	0.14 280	0.17 277	0.11 214	0.12 295	0.12 224	0.12 275	0.06 126	0.05 207	0.07 226	0.06 212	0.05 118	0.04 49

NRIStereo	0.11 219	0.08 272	0.14 298	0.18 323	0.08 144	0.10 148	0.14 178	0.16 158	0.15 184	0.12 228	0.14 227	0.13 257	0.12 295	0.13 273	0.10 142	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.07 318

PSM-adaLoss	0.11 219	0.09 347	0.16 383	0.18 323	0.08 144	0.06 11	0.12 75	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

FTStereo	0.12 288	0.06 75	0.14 298	0.18 323	0.09 265	0.07 33	0.15 250	0.21 288	0.18 267	0.12 228	0.24 377	0.12 232	0.12 295	0.13 273	0.13 316	0.05 34	0.05 207	0.07 226	0.06 212	0.06 222	0.10 453

ROB_FTStereo_v2	0.11 219	0.09 347	0.16 383	0.19 381	0.08 144	0.06 11	0.12 75	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

ROB_FTStereo	0.11 219	0.09 347	0.16 383	0.19 381	0.08 144	0.06 11	0.11 54	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

HUI-Stereo	0.11 219	0.09 347	0.16 383	0.18 323	0.08 144	0.06 11	0.12 75	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

SST-Stereo	0.10 171	0.07 166	0.15 349	0.18 323	0.09 265	0.06 11	0.12 75	0.17 194	0.11 75	0.15 307	0.17 277	0.13 257	0.12 295	0.10 81	0.11 217	0.06 126	0.04 24	0.09 398	0.06 212	0.06 222	0.05 144

THIR-Stereo	0.12 288	0.07 166	0.11 180	0.15 85	0.08 144	0.14 317	0.16 316	0.17 194	0.25 385	0.16 335	0.24 377	0.14 277	0.12 295	0.12 224	0.14 353	0.06 126	0.04 24	0.07 226	0.07 305	0.05 118	0.05 144

RAFT_R40	0.11 219	0.07 166	0.14 298	0.18 323	0.09 265	0.06 11	0.13 125	0.17 194	0.16 214	0.14 280	0.18 302	0.15 306	0.12 295	0.10 81	0.11 217	0.06 126	0.04 24	0.09 398	0.06 212	0.06 222	0.05 144

DeepStereo_RVC	0.11 219	0.08 272	0.16 383	0.18 323	0.08 144	0.08 59	0.12 75	0.17 194	0.12 105	0.13 259	0.14 227	0.12 232	0.12 295	0.12 224	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.07 295	0.08 382

iGMRVC	0.11 219	0.09 347	0.16 383	0.19 381	0.08 144	0.06 11	0.12 75	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

IRAFT_RVC	0.12 288	0.08 272	0.16 383	0.19 381	0.08 144	0.07 33	0.15 250	0.24 355	0.23 348	0.14 280	0.14 227	0.15 306	0.12 295	0.12 224	0.10 142	0.06 126	0.04 24	0.09 398	0.06 212	0.06 222	0.06 236

iRAFT	0.11 219	0.09 347	0.16 383	0.18 323	0.08 144	0.06 11	0.11 54	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

CRE-IMP	0.11 219	0.09 347	0.16 383	0.19 381	0.08 144	0.10 148	0.12 75	0.18 226	0.10 47	0.14 280	0.13 213	0.13 257	0.12 295	0.12 224	0.11 217	0.07 273	0.04 24	0.08 316	0.06 212	0.08 358	0.08 382

test-2	0.11 219	0.09 347	0.07 8	0.19 381	0.08 144	0.12 234	0.28 554	0.13 75	0.17 237	0.11 189	0.17 277	0.14 277	0.12 295	0.07 4	0.07 1	0.05 34	0.05 207	0.09 398	0.07 305	0.04 21	0.04 49

RAFT	0.13 313	0.09 347	0.11 180	0.18 323	0.08 144	0.15 343	0.24 516	0.20 265	0.19 284	0.21 433	0.21 345	0.17 340	0.12 295	0.16 355	0.09 62	0.06 126	0.07 412	0.10 445	0.09 421	0.05 118	0.05 144

RAFT-IKP	0.11 219	0.09 347	0.16 383	0.19 381	0.08 144	0.06 11	0.12 75	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

TestStereo	0.13 313	0.14 492	0.11 180	0.23 514	0.08 144	0.15 343	0.21 483	0.20 265	0.23 348	0.14 280	0.24 377	0.16 320	0.12 295	0.16 355	0.14 353	0.05 34	0.06 340	0.08 316	0.06 212	0.09 421	0.05 144

FENet	0.13 313	0.08 272	0.12 217	0.16 165	0.08 144	0.14 317	0.15 250	0.22 312	0.23 348	0.17 350	0.23 365	0.16 320	0.12 295	0.14 298	0.15 381	0.08 338	0.05 207	0.08 316	0.08 375	0.07 295	0.07 318

DIP-Stereo	0.11 219	0.07 166	0.14 298	0.17 241	0.09 265	0.13 284	0.09 18	0.16 158	0.16 214	0.11 189	0.16 256	0.14 277	0.12 295	0.15 320	0.13 316	0.06 126	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.14 347	0.08 272	0.15 349	0.17 241	0.09 265	0.14 317	0.14 178	0.29 441	0.36 486	0.14 280	0.21 345	0.21 388	0.12 295	0.17 387	0.14 353	0.07 273	0.05 207	0.07 226	0.07 305	0.07 295	0.07 318

G2L-Stereo	0.14 347	0.07 166	0.13 263	0.17 241	0.09 265	0.13 284	0.12 75	0.27 410	0.22 337	0.16 335	0.27 431	0.21 388	0.13 333	0.17 387	0.18 430	0.09 398	0.08 441	0.08 316	0.07 305	0.07 295	0.07 318

rvit_0105_4	0.14 347	0.09 347	0.17 413	0.17 241	0.10 373	0.12 234	0.19 440	0.23 332	0.27 409	0.14 280	0.20 323	0.17 340	0.13 333	0.17 387	0.13 316	0.15 535	0.11 506	0.11 476	0.10 461	0.09 421	0.06 236

rvit_0105_3	0.15 390	0.09 347	0.14 298	0.19 381	0.12 457	0.15 343	0.25 532	0.25 371	0.29 430	0.15 307	0.17 277	0.20 379	0.13 333	0.17 387	0.14 353	0.13 517	0.11 506	0.12 495	0.14 527	0.07 295	0.06 236

UGAM	0.13 313	0.10 407	0.09 91	0.22 490	0.08 144	0.12 234	0.20 463	0.17 194	0.23 348	0.21 433	0.16 256	0.13 257	0.13 333	0.19 423	0.12 275	0.07 273	0.05 207	0.13 510	0.11 493	0.07 295	0.05 144

ffm	0.12 288	0.09 347	0.14 298	0.16 165	0.08 144	0.17 393	0.17 353	0.15 128	0.19 284	0.15 307	0.25 405	0.19 367	0.13 333	0.10 81	0.07 1	0.06 126	0.04 24	0.09 398	0.08 375	0.06 222	0.06 236

ff1	0.13 313	0.09 347	0.14 298	0.16 165	0.08 144	0.17 393	0.17 353	0.15 128	0.19 284	0.15 307	0.25 405	0.19 367	0.13 333	0.14 298	0.20 449	0.06 126	0.04 24	0.09 398	0.08 375	0.06 222	0.06 236

mmx	0.14 347	0.09 347	0.14 298	0.16 165	0.08 144	0.17 393	0.17 353	0.27 410	0.25 385	0.15 307	0.25 405	0.19 367	0.13 333	0.14 298	0.20 449	0.08 338	0.06 340	0.09 398	0.08 375	0.08 358	0.08 382

xxx	0.14 347	0.09 347	0.14 298	0.16 165	0.08 144	0.17 393	0.17 353	0.27 410	0.25 385	0.15 307	0.25 405	0.19 367	0.13 333	0.14 298	0.20 449	0.08 338	0.06 340	0.09 398	0.08 375	0.08 358	0.08 382

LL-Strereo	0.13 313	0.09 347	0.11 180	0.20 442	0.10 373	0.11 195	0.18 401	0.32 476	0.24 364	0.15 307	0.15 244	0.14 277	0.13 333	0.19 423	0.11 217	0.06 126	0.04 24	0.09 398	0.08 375	0.04 21	0.05 144

SDNR	0.19 460	0.08 272	0.19 448	0.16 165	0.12 457	0.77 601	0.14 178	0.25 371	0.32 453	0.19 396	0.24 377	0.19 367	0.13 333	0.19 423	0.15 381	0.16 551	0.18 561	0.14 522	0.11 493	0.08 358	0.11 479

BUS	0.14 347	0.09 347	0.14 298	0.22 490	0.10 373	0.19 435	0.14 178	0.34 505	0.19 284	0.17 350	0.22 356	0.16 320	0.13 333	0.15 320	0.13 316	0.08 338	0.06 340	0.10 445	0.09 421	0.07 295	0.07 318

NINENet	0.16 413	0.10 407	0.15 349	0.17 241	0.11 424	0.19 435	0.14 178	0.40 550	0.36 486	0.18 380	0.21 345	0.16 320	0.13 333	0.15 320	0.13 316	0.08 338	0.08 441	0.10 445	0.07 305	0.10 452	0.09 426

UDGNet	0.14 347	0.13 480	0.16 383	0.17 241	0.10 373	0.12 234	0.16 316	0.21 288	0.27 409	0.20 419	0.20 323	0.16 320	0.13 333	0.16 355	0.13 316	0.10 439	0.06 340	0.09 398	0.07 305	0.06 222	0.07 318

dad	0.17 434	0.20 541	0.20 460	0.16 165	0.11 424	0.20 450	0.18 401	0.21 288	0.28 423	0.30 525	0.24 377	0.29 480	0.13 333	0.19 423	0.16 397	0.18 558	0.09 473	0.11 476	0.09 421	0.11 475	0.07 318

GEStereo_RVC	0.17 434	0.12 451	0.15 349	0.22 490	0.11 424	0.19 435	0.17 353	0.32 476	0.48 539	0.20 419	0.25 405	0.17 340	0.13 333	0.21 465	0.16 397	0.10 439	0.06 340	0.08 316	0.07 305	0.09 421	0.08 382

CFNet_pseudo	0.14 347	0.08 272	0.15 349	0.16 165	0.09 265	0.13 284	0.14 178	0.27 410	0.34 472	0.14 280	0.21 345	0.22 406	0.13 333	0.18 408	0.14 353	0.07 273	0.05 207	0.08 316	0.06 212	0.07 295	0.07 318

GES	0.14 347	0.08 272	0.16 383	0.15 85	0.10 373	0.13 284	0.13 125	0.28 429	0.25 385	0.16 335	0.23 365	0.18 353	0.13 333	0.16 355	0.13 316	0.08 338	0.07 412	0.07 226	0.06 212	0.08 358	0.09 426

SFCPSM	0.13 313	0.07 166	0.14 298	0.17 241	0.09 265	0.15 343	0.16 316	0.28 429	0.27 409	0.14 280	0.17 277	0.12 232	0.13 333	0.14 298	0.11 217	0.08 338	0.05 207	0.07 226	0.07 305	0.07 295	0.06 236

ccs_rob	0.14 347	0.08 272	0.15 349	0.16 165	0.09 265	0.12 234	0.14 178	0.27 410	0.34 472	0.14 280	0.21 345	0.22 406	0.13 333	0.18 408	0.14 353	0.07 273	0.05 207	0.08 316	0.07 305	0.07 295	0.07 318

AdaStereo	0.15 390	0.11 433	0.15 349	0.18 323	0.09 265	0.20 450	0.11 54	0.32 476	0.28 423	0.20 419	0.23 365	0.20 379	0.13 333	0.19 423	0.14 353	0.12 492	0.05 207	0.10 445	0.07 305	0.09 421	0.07 318
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.
iResNetv2_ROB	0.14 347	0.08 272	0.15 349	0.16 165	0.08 144	0.16 372	0.12 75	0.25 371	0.35 481	0.21 433	0.29 457	0.24 430	0.13 333	0.14 298	0.14 353	0.06 126	0.05 207	0.06 124	0.04 46	0.09 421	0.08 382

MLCV	0.12 288	0.07 166	0.16 383	0.18 323	0.06 16	0.15 343	0.17 353	0.19 254	0.21 323	0.18 380	0.25 405	0.17 340	0.13 333	0.14 298	0.13 316	0.05 34	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

iResNet	0.13 313	0.10 407	0.18 436	0.19 381	0.08 144	0.13 284	0.18 401	0.20 265	0.26 399	0.15 307	0.23 365	0.15 306	0.13 333	0.14 298	0.14 353	0.06 126	0.04 24	0.06 124	0.05 132	0.06 222	0.05 144

DN-CSS_ROB	0.13 313	0.13 480	0.16 383	0.18 323	0.10 373	0.16 372	0.08 7	0.22 312	0.18 267	0.17 350	0.22 356	0.13 257	0.13 333	0.12 224	0.13 316	0.05 34	0.05 207	0.10 445	0.10 461	0.08 358	0.06 236

G2L-ROB	0.13 313	0.06 75	0.13 263	0.13 14	0.08 144	0.14 317	0.16 316	0.25 371	0.18 267	0.19 396	0.18 302	0.20 379	0.14 357	0.17 387	0.16 397	0.08 338	0.05 207	0.06 124	0.05 132	0.08 358	0.09 426

test_sample6	0.14 347	0.08 272	0.13 263	0.16 165	0.08 144	0.17 393	0.19 440	0.25 371	0.17 237	0.17 350	0.27 431	0.19 367	0.14 357	0.15 320	0.13 316	0.08 338	0.05 207	0.08 316	0.07 305	0.08 358	0.08 382

test_sample5	0.14 347	0.08 272	0.14 298	0.16 165	0.08 144	0.18 412	0.18 401	0.25 371	0.17 237	0.17 350	0.27 431	0.18 353	0.14 357	0.16 355	0.13 316	0.08 338	0.05 207	0.08 316	0.07 305	0.08 358	0.08 382

test_sample4	0.14 347	0.08 272	0.14 298	0.15 85	0.08 144	0.19 435	0.18 401	0.26 389	0.17 237	0.16 335	0.25 405	0.18 353	0.14 357	0.16 355	0.13 316	0.08 338	0.06 340	0.08 316	0.06 212	0.08 358	0.08 382

DualNet	0.14 347	0.08 272	0.14 298	0.16 165	0.08 144	0.18 412	0.18 401	0.25 371	0.17 237	0.17 350	0.27 431	0.18 353	0.14 357	0.16 355	0.13 316	0.08 338	0.05 207	0.08 316	0.07 305	0.08 358	0.08 382

CFNet_ucs	0.15 390	0.08 272	0.16 383	0.16 165	0.11 424	0.14 317	0.14 178	0.30 455	0.34 472	0.16 335	0.24 377	0.23 424	0.14 357	0.18 408	0.15 381	0.09 398	0.06 340	0.08 316	0.07 305	0.09 421	0.09 426

anonymousa	0.13 313	0.07 166	0.13 263	0.18 323	0.09 265	0.13 284	0.17 353	0.19 254	0.29 430	0.15 307	0.24 377	0.15 306	0.14 357	0.14 298	0.14 353	0.07 273	0.05 207	0.07 226	0.09 421	0.05 118	0.06 236

DCANet-4	0.10 171	0.06 75	0.12 217	0.16 165	0.06 16	0.09 96	0.17 353	0.18 226	0.19 284	0.13 259	0.16 256	0.09 156	0.14 357	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

GwcNet-ADL	0.13 313	0.08 272	0.14 298	0.20 442	0.09 265	0.11 195	0.20 463	0.30 455	0.24 364	0.13 259	0.14 227	0.18 353	0.14 357	0.13 273	0.14 353	0.07 273	0.05 207	0.06 124	0.05 132	0.07 295	0.06 236

AAGNet	0.11 219	0.07 166	0.16 383	0.19 381	0.09 265	0.08 59	0.13 125	0.18 226	0.13 140	0.16 335	0.21 345	0.13 257	0.14 357	0.11 133	0.14 353	0.06 126	0.04 24	0.09 398	0.06 212	0.06 222	0.05 144

DEmStereo	0.12 288	0.06 75	0.14 298	0.14 41	0.10 373	0.16 372	0.15 250	0.16 158	0.24 364	0.17 350	0.24 377	0.13 257	0.14 357	0.12 224	0.13 316	0.05 34	0.04 24	0.07 226	0.06 212	0.05 118	0.05 144

HCRNet	0.16 413	0.24 556	0.12 217	0.35 575	0.11 424	0.15 343	0.17 353	0.26 389	0.22 337	0.19 396	0.24 377	0.21 388	0.14 357	0.15 320	0.13 316	0.11 468	0.07 412	0.11 476	0.10 461	0.09 421	0.07 318

xxxx	0.15 390	0.07 166	0.14 298	0.14 41	0.08 144	0.23 491	0.18 401	0.31 465	0.19 284	0.14 280	0.28 445	0.22 406	0.14 357	0.15 320	0.26 525	0.09 398	0.05 207	0.07 226	0.07 305	0.08 358	0.07 318

PSMNet-RSSM	0.14 347	0.07 166	0.13 263	0.15 85	0.08 144	0.13 284	0.16 316	0.24 355	0.24 364	0.16 335	0.28 445	0.22 406	0.14 357	0.15 320	0.13 316	0.11 468	0.06 340	0.09 398	0.12 513	0.08 358	0.07 318

CFNet-ft	0.14 347	0.07 166	0.15 349	0.12 5	0.09 265	0.16 372	0.18 401	0.22 312	0.24 364	0.17 350	0.26 422	0.24 430	0.14 357	0.16 355	0.14 353	0.11 468	0.06 340	0.08 316	0.09 421	0.09 421	0.08 382

BEATNet_4x	0.12 288	0.08 272	0.14 298	0.18 323	0.07 84	0.15 343	0.07 3	0.22 312	0.18 267	0.16 335	0.19 311	0.18 353	0.14 357	0.16 355	0.15 381	0.07 273	0.05 207	0.05 34	0.05 132	0.06 222	0.06 236

HSM-Net_RVC	0.14 347	0.08 272	0.11 180	0.15 85	0.08 144	0.15 343	0.15 250	0.27 410	0.29 430	0.19 396	0.21 345	0.29 480	0.14 357	0.17 387	0.13 316	0.06 126	0.06 340	0.06 124	0.06 212	0.07 295	0.06 236
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 347	0.07 166	0.15 349	0.12 5	0.09 265	0.16 372	0.18 401	0.22 312	0.24 364	0.17 350	0.26 422	0.24 430	0.14 357	0.16 355	0.14 353	0.11 468	0.06 340	0.08 316	0.09 421	0.09 421	0.08 382

DCVSM-stereo	0.14 347	0.09 347	0.16 383	0.16 165	0.10 373	0.15 343	0.09 18	0.19 254	0.23 348	0.20 419	0.23 365	0.26 454	0.15 375	0.18 408	0.14 353	0.09 398	0.07 412	0.09 398	0.08 375	0.10 452	0.12 492

ACV-stereo	0.15 390	0.10 407	0.28 509	0.18 323	0.12 457	0.14 317	0.12 75	0.23 332	0.21 323	0.19 396	0.23 365	0.22 406	0.15 375	0.23 489	0.17 412	0.07 273	0.06 340	0.07 226	0.07 305	0.07 295	0.07 318

ITSA-stereo	0.15 390	0.10 407	0.14 298	0.19 381	0.08 144	0.12 234	0.14 178	0.30 455	0.49 546	0.17 350	0.19 311	0.22 406	0.15 375	0.17 387	0.16 397	0.10 439	0.06 340	0.08 316	0.08 375	0.08 358	0.08 382

rvit_stereo_0075_2	0.17 434	0.12 451	0.25 493	0.23 514	0.16 530	0.13 284	0.10 31	0.30 455	0.27 409	0.20 419	0.28 445	0.22 406	0.15 375	0.18 408	0.13 316	0.16 551	0.10 493	0.17 545	0.10 461	0.10 452	0.09 426

test_sample3	0.14 347	0.08 272	0.15 349	0.14 41	0.09 265	0.19 435	0.17 353	0.26 389	0.18 267	0.16 335	0.22 356	0.19 367	0.15 375	0.17 387	0.13 316	0.08 338	0.06 340	0.07 226	0.06 212	0.09 421	0.08 382

test_sample2	0.12 288	0.07 166	0.12 217	0.14 41	0.08 144	0.16 372	0.18 401	0.21 288	0.16 214	0.14 280	0.20 323	0.19 367	0.15 375	0.15 320	0.12 275	0.08 338	0.05 207	0.07 226	0.06 212	0.08 358	0.07 318

SMFormer	0.14 347	0.07 166	0.17 413	0.14 41	0.08 144	0.16 372	0.17 353	0.26 389	0.27 409	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.17 412	0.08 338	0.05 207	0.07 226	0.06 212	0.07 295	0.06 236

tta	0.14 347	0.07 166	0.17 413	0.14 41	0.08 144	0.16 372	0.17 353	0.26 389	0.27 409	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.17 412	0.08 338	0.05 207	0.07 226	0.06 212	0.06 222	0.06 236

qqq1	0.13 313	0.07 166	0.17 413	0.14 41	0.08 144	0.16 372	0.17 353	0.26 389	0.27 409	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.11 217	0.08 338	0.05 207	0.05 34	0.05 132	0.06 222	0.06 236

fff1	0.13 313	0.07 166	0.17 413	0.14 41	0.08 144	0.16 372	0.17 353	0.26 389	0.27 409	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.11 217	0.08 338	0.05 207	0.05 34	0.05 132	0.06 222	0.06 236

1111x	0.15 390	0.08 272	0.12 217	0.18 323	0.07 84	0.18 412	0.25 532	0.31 465	0.24 364	0.17 350	0.24 377	0.26 454	0.15 375	0.13 273	0.23 490	0.07 273	0.07 412	0.08 316	0.09 421	0.07 295	0.06 236

iinet-f	0.16 413	0.06 75	0.45 555	0.14 41	0.10 373	0.21 467	0.14 178	0.27 410	0.23 348	0.21 433	0.24 377	0.21 388	0.15 375	0.18 408	0.21 469	0.09 398	0.07 412	0.07 226	0.06 212	0.09 421	0.10 453

GASNet	0.22 493	0.23 553	0.33 529	0.26 541	0.17 545	0.26 517	0.16 316	0.44 567	0.42 520	0.27 496	0.24 377	0.30 490	0.15 375	0.27 508	0.18 430	0.12 492	0.08 441	0.12 495	0.11 493	0.16 545	0.07 318

CASS	0.13 313	0.12 451	0.11 180	0.23 514	0.09 265	0.15 343	0.17 353	0.18 226	0.19 284	0.17 350	0.18 302	0.15 306	0.15 375	0.14 298	0.14 353	0.09 398	0.06 340	0.10 445	0.08 375	0.09 421	0.07 318
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Wz-Net-LNSev-Ref	0.18 448	0.09 347	0.29 517	0.15 85	0.10 373	0.22 476	0.20 463	0.26 389	0.39 503	0.25 484	0.42 544	0.24 430	0.15 375	0.20 448	0.19 443	0.07 273	0.05 207	0.06 124	0.05 132	0.10 452	0.09 426

test_5	0.14 347	0.12 451	0.08 40	0.20 442	0.10 373	0.14 317	0.29 563	0.21 288	0.24 364	0.18 380	0.28 445	0.11 214	0.15 375	0.12 224	0.13 316	0.06 126	0.05 207	0.07 226	0.08 375	0.08 358	0.07 318

CSP-Net	0.16 413	0.09 347	0.14 298	0.16 165	0.09 265	0.19 435	0.17 353	0.25 371	0.32 453	0.25 484	0.30 464	0.24 430	0.15 375	0.21 465	0.18 430	0.09 398	0.06 340	0.07 226	0.07 305	0.08 358	0.07 318

DAS	0.15 390	0.08 272	0.18 436	0.19 381	0.10 373	0.19 435	0.17 353	0.27 410	0.29 430	0.18 380	0.25 405	0.21 388	0.15 375	0.16 355	0.12 275	0.08 338	0.06 340	0.06 124	0.06 212	0.07 295	0.07 318

SepStereo	0.15 390	0.08 272	0.18 436	0.19 381	0.10 373	0.19 435	0.17 353	0.27 410	0.29 430	0.18 380	0.25 405	0.21 388	0.15 375	0.25 503	0.12 275	0.08 338	0.06 340	0.06 124	0.06 212	0.07 295	0.07 318

DRaft	0.12 288	0.06 75	0.11 180	0.14 41	0.09 265	0.14 317	0.17 353	0.21 288	0.30 439	0.17 350	0.28 445	0.10 189	0.15 375	0.10 81	0.12 275	0.05 34	0.04 24	0.07 226	0.06 212	0.05 118	0.05 144

GANet-RSSM	0.14 347	0.07 166	0.13 263	0.13 14	0.08 144	0.14 317	0.17 353	0.22 312	0.21 323	0.17 350	0.24 377	0.23 424	0.15 375	0.16 355	0.15 381	0.10 439	0.06 340	0.07 226	0.08 375	0.08 358	0.07 318

DSFCA	0.16 413	0.09 347	0.14 298	0.16 165	0.10 373	0.20 450	0.19 440	0.28 429	0.31 446	0.23 462	0.24 377	0.22 406	0.15 375	0.19 423	0.20 449	0.10 439	0.07 412	0.09 398	0.09 421	0.08 358	0.08 382

FADNet-RVC-Resample	0.16 413	0.11 433	0.31 522	0.22 490	0.11 424	0.19 435	0.14 178	0.25 371	0.24 364	0.24 471	0.27 431	0.20 379	0.15 375	0.16 355	0.15 381	0.07 273	0.08 441	0.12 495	0.10 461	0.09 421	0.10 453

UCFNet_RVC	0.14 347	0.08 272	0.13 263	0.11 1	0.10 373	0.20 450	0.10 31	0.24 355	0.22 337	0.17 350	0.20 323	0.23 424	0.15 375	0.17 387	0.15 381	0.12 492	0.07 412	0.10 445	0.13 523	0.11 475	0.10 453

iResNet_ROB	0.14 347	0.07 166	0.13 263	0.14 41	0.07 84	0.18 412	0.14 178	0.26 389	0.31 446	0.22 449	0.25 405	0.23 424	0.15 375	0.15 320	0.13 316	0.07 273	0.05 207	0.05 34	0.04 46	0.08 358	0.08 382

PWCDC_ROB	0.20 472	0.13 480	0.22 475	0.24 524	0.11 424	0.19 435	0.15 250	0.33 496	0.54 558	0.29 520	0.50 560	0.21 388	0.15 375	0.27 508	0.20 449	0.11 468	0.09 473	0.10 445	0.08 375	0.11 475	0.09 426

xyz-stereo	0.13 313	0.07 166	0.20 460	0.15 85	0.05 1	0.20 450	0.15 250	0.17 194	0.31 446	0.15 307	0.29 457	0.26 454	0.16 401	0.13 273	0.12 275	0.05 34	0.05 207	0.06 124	0.05 132	0.04 21	0.04 49

G2L-Stereo_test	0.14 347	0.07 166	0.11 180	0.13 14	0.08 144	0.12 234	0.16 316	0.30 455	0.28 423	0.20 419	0.23 365	0.20 379	0.16 401	0.17 387	0.18 430	0.07 273	0.05 207	0.05 34	0.05 132	0.07 295	0.06 236

FACV-RUCA	0.13 313	0.11 433	0.12 217	0.19 381	0.12 457	0.15 343	0.15 250	0.22 312	0.20 307	0.15 307	0.16 256	0.14 277	0.16 401	0.14 298	0.13 316	0.07 273	0.05 207	0.08 316	0.06 212	0.10 452	0.08 382

test_sample1	0.13 313	0.07 166	0.14 298	0.13 14	0.08 144	0.19 435	0.16 316	0.20 265	0.15 184	0.14 280	0.22 356	0.18 353	0.16 401	0.17 387	0.14 353	0.07 273	0.06 340	0.06 124	0.06 212	0.08 358	0.07 318

xx1	0.11 219	0.08 272	0.12 217	0.17 241	0.09 265	0.13 284	0.15 250	0.16 158	0.18 267	0.09 121	0.09 111	0.16 320	0.16 401	0.10 81	0.07 1	0.06 126	0.04 24	0.08 316	0.08 375	0.07 295	0.07 318

mmm	0.14 347	0.08 272	0.17 413	0.17 241	0.09 265	0.17 393	0.18 401	0.21 288	0.15 184	0.15 307	0.23 365	0.21 388	0.16 401	0.16 355	0.17 412	0.08 338	0.05 207	0.08 316	0.07 305	0.07 295	0.07 318

11t1	0.12 288	0.06 75	0.13 263	0.14 41	0.08 144	0.17 393	0.15 250	0.18 226	0.15 184	0.15 307	0.15 244	0.16 320	0.16 401	0.15 320	0.13 316	0.08 338	0.05 207	0.06 124	0.05 132	0.08 358	0.07 318

CBFPSM	0.14 347	0.06 75	0.26 496	0.17 241	0.09 265	0.13 284	0.15 250	0.22 312	0.23 348	0.20 419	0.27 431	0.24 430	0.16 401	0.16 355	0.18 430	0.06 126	0.06 340	0.06 124	0.07 305	0.07 295	0.07 318

gwcnet-sp	0.14 347	0.07 166	0.12 217	0.18 323	0.09 265	0.16 372	0.17 353	0.24 355	0.24 364	0.18 380	0.24 377	0.15 306	0.16 401	0.15 320	0.15 381	0.08 338	0.06 340	0.07 226	0.08 375	0.08 358	0.07 318

scenet	0.14 347	0.07 166	0.12 217	0.18 323	0.09 265	0.16 372	0.17 353	0.24 355	0.24 364	0.18 380	0.24 377	0.15 306	0.16 401	0.15 320	0.15 381	0.08 338	0.06 340	0.07 226	0.08 375	0.08 358	0.07 318

ssnet	0.14 347	0.07 166	0.12 217	0.18 323	0.09 265	0.16 372	0.17 353	0.24 355	0.24 364	0.18 380	0.24 377	0.15 306	0.16 401	0.15 320	0.15 381	0.08 338	0.06 340	0.07 226	0.08 375	0.08 358	0.07 318

qqq	0.13 313	0.09 347	0.15 349	0.16 165	0.08 144	0.13 284	0.15 250	0.23 332	0.16 214	0.15 307	0.19 311	0.16 320	0.16 401	0.15 320	0.16 397	0.07 273	0.06 340	0.08 316	0.08 375	0.07 295	0.07 318

BSDual-CNN	0.15 390	0.09 347	0.14 298	0.22 490	0.10 373	0.14 317	0.15 250	0.34 505	0.19 284	0.17 350	0.22 356	0.25 444	0.16 401	0.15 320	0.14 353	0.08 338	0.06 340	0.10 445	0.09 421	0.07 295	0.07 318

psmg	0.14 347	0.09 347	0.14 298	0.17 241	0.10 373	0.15 343	0.17 353	0.29 441	0.19 284	0.17 350	0.21 345	0.25 444	0.16 401	0.15 320	0.14 353	0.08 338	0.06 340	0.08 316	0.08 375	0.07 295	0.06 236

AASNet	0.16 413	0.08 272	0.12 217	0.19 381	0.09 265	0.18 412	0.15 250	0.37 534	0.37 493	0.19 396	0.23 365	0.20 379	0.16 401	0.17 387	0.20 449	0.10 439	0.08 441	0.08 316	0.07 305	0.09 421	0.09 426

PSMNet-ADL	0.15 390	0.12 451	0.13 263	0.22 490	0.09 265	0.13 284	0.20 463	0.26 389	0.23 348	0.18 380	0.20 323	0.24 430	0.16 401	0.18 408	0.17 412	0.08 338	0.08 441	0.08 316	0.11 493	0.08 358	0.07 318

ADLNet	0.16 413	0.08 272	0.15 349	0.16 165	0.10 373	0.16 372	0.17 353	0.32 476	0.27 409	0.22 449	0.27 431	0.24 430	0.16 401	0.18 408	0.21 469	0.10 439	0.06 340	0.10 445	0.10 461	0.08 358	0.09 426

222	0.16 413	0.07 166	0.14 298	0.14 41	0.08 144	0.24 496	0.18 401	0.30 455	0.20 307	0.17 350	0.28 445	0.17 340	0.16 401	0.15 320	0.40 578	0.10 439	0.05 207	0.07 226	0.06 212	0.07 295	0.08 382

test_xeample	0.15 390	0.06 75	0.13 263	0.14 41	0.08 144	0.21 467	0.20 463	0.28 429	0.20 307	0.16 335	0.29 457	0.19 367	0.16 401	0.15 320	0.26 525	0.09 398	0.05 207	0.07 226	0.07 305	0.07 295	0.07 318

ACVNet	0.15 390	0.09 347	0.15 349	0.13 14	0.12 457	0.14 317	0.20 463	0.22 312	0.33 460	0.17 350	0.26 422	0.21 388	0.16 401	0.17 387	0.21 469	0.07 273	0.06 340	0.06 124	0.06 212	0.08 358	0.06 236

cf-r	0.13 313	0.07 166	0.12 217	0.16 165	0.08 144	0.14 317	0.19 440	0.20 265	0.25 385	0.17 350	0.25 405	0.21 388	0.16 401	0.14 298	0.14 353	0.10 439	0.05 207	0.06 124	0.08 375	0.06 222	0.06 236

GwcNet-RSSM	0.14 347	0.07 166	0.12 217	0.15 85	0.08 144	0.15 343	0.20 463	0.21 288	0.27 409	0.18 380	0.27 431	0.22 406	0.16 401	0.14 298	0.15 381	0.10 439	0.05 207	0.07 226	0.09 421	0.07 295	0.07 318

HSM	0.15 390	0.08 272	0.14 298	0.16 165	0.09 265	0.16 372	0.14 178	0.28 429	0.25 385	0.19 396	0.23 365	0.37 535	0.16 401	0.20 448	0.15 381	0.07 273	0.05 207	0.07 226	0.06 212	0.07 295	0.06 236

z-ln-s-r	0.17 434	0.10 407	0.40 548	0.19 381	0.08 144	0.17 393	0.18 401	0.22 312	0.33 460	0.18 380	0.40 526	0.22 406	0.17 424	0.20 448	0.23 490	0.07 273	0.05 207	0.07 226	0.07 305	0.07 295	0.05 144

coex_refinement	0.14 347	0.07 166	0.12 217	0.17 241	0.10 373	0.15 343	0.15 250	0.26 389	0.29 430	0.18 380	0.20 323	0.22 406	0.17 424	0.16 355	0.18 430	0.08 338	0.05 207	0.06 124	0.06 212	0.09 421	0.08 382

ISRNet	0.18 448	0.08 272	0.19 448	0.19 381	0.13 480	0.15 343	0.12 75	0.30 455	0.32 453	0.21 433	0.25 405	0.27 462	0.17 424	0.17 387	0.20 449	0.20 565	0.08 441	0.14 522	0.14 527	0.14 521	0.17 558

rvit_105_1	0.19 460	0.11 433	0.25 493	0.21 474	0.16 530	0.21 467	0.27 548	0.31 465	0.41 512	0.19 396	0.20 323	0.22 406	0.17 424	0.19 423	0.17 412	0.12 492	0.12 522	0.13 510	0.15 544	0.08 358	0.07 318

DispNO	0.14 347	0.08 272	0.17 413	0.19 381	0.12 457	0.11 195	0.21 483	0.23 332	0.29 430	0.17 350	0.23 365	0.18 353	0.17 424	0.15 320	0.15 381	0.07 273	0.05 207	0.08 316	0.08 375	0.07 295	0.06 236

x	0.13 313	0.07 166	0.14 298	0.14 41	0.08 144	0.18 412	0.14 178	0.22 312	0.20 307	0.15 307	0.19 311	0.19 367	0.17 424	0.18 408	0.18 430	0.07 273	0.05 207	0.06 124	0.06 212	0.07 295	0.07 318

CRFU-Net	0.16 413	0.08 272	0.14 298	0.17 241	0.09 265	0.19 435	0.14 178	0.26 389	0.20 307	0.28 511	0.27 431	0.29 480	0.17 424	0.19 423	0.17 412	0.09 398	0.09 473	0.07 226	0.07 305	0.08 358	0.08 382

AACVNet	0.16 413	0.08 272	0.14 298	0.15 85	0.10 373	0.18 412	0.15 250	0.23 332	0.24 364	0.27 496	0.27 431	0.28 472	0.17 424	0.19 423	0.16 397	0.09 398	0.07 412	0.09 398	0.07 305	0.10 452	0.09 426

LMCR-Stereo	0.15 390	0.08 272	0.13 263	0.21 474	0.09 265	0.17 393	0.20 463	0.27 410	0.19 284	0.24 471	0.24 377	0.23 424	0.17 424	0.20 448	0.17 412	0.07 273	0.06 340	0.08 316	0.06 212	0.10 452	0.08 382

acv_ft	0.15 390	0.09 347	0.15 349	0.19 381	0.10 373	0.16 372	0.17 353	0.25 371	0.33 460	0.19 396	0.26 422	0.21 388	0.17 424	0.17 387	0.18 430	0.07 273	0.06 340	0.06 124	0.06 212	0.08 358	0.06 236

FADNet_RVC	0.16 413	0.14 492	0.40 548	0.20 442	0.11 424	0.13 284	0.13 125	0.26 389	0.22 337	0.21 433	0.23 365	0.20 379	0.17 424	0.14 298	0.16 397	0.08 338	0.08 441	0.12 495	0.09 421	0.11 475	0.10 453

CFNet	0.15 390	0.10 407	0.17 413	0.17 241	0.08 144	0.18 412	0.09 18	0.28 429	0.25 385	0.19 396	0.24 377	0.24 430	0.17 424	0.17 387	0.14 353	0.08 338	0.06 340	0.09 398	0.10 461	0.07 295	0.06 236

NLCA_NET_v2_RVC	0.17 434	0.10 407	0.22 475	0.20 442	0.10 373	0.15 343	0.18 401	0.31 465	0.25 385	0.21 433	0.30 464	0.25 444	0.17 424	0.21 465	0.20 449	0.09 398	0.06 340	0.08 316	0.08 375	0.07 295	0.08 382
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	0.17 434	0.12 451	0.15 349	0.20 442	0.09 265	0.18 412	0.18 401	0.26 389	0.23 348	0.26 490	0.40 526	0.22 406	0.17 424	0.21 465	0.20 449	0.08 338	0.05 207	0.09 398	0.10 461	0.07 295	0.07 318
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
YMNet	0.20 472	0.12 451	0.19 448	0.20 442	0.14 500	0.26 517	0.23 504	0.32 476	0.34 472	0.27 496	0.34 492	0.30 490	0.18 438	0.18 408	0.22 478	0.10 439	0.13 536	0.10 445	0.10 461	0.08 358	0.09 426

YMNet_1	0.20 472	0.12 451	0.19 448	0.20 442	0.14 500	0.26 517	0.23 504	0.32 476	0.34 472	0.27 496	0.34 492	0.30 490	0.18 438	0.18 408	0.22 478	0.10 439	0.13 536	0.10 445	0.10 461	0.08 358	0.09 426

ssnet_v2	0.17 434	0.10 407	0.17 413	0.17 241	0.11 424	0.21 467	0.21 483	0.33 496	0.25 385	0.22 449	0.22 356	0.27 462	0.18 438	0.22 478	0.20 449	0.11 468	0.09 473	0.09 398	0.09 421	0.08 358	0.08 382

Wz-Net-LNSev	0.22 493	0.16 510	0.38 544	0.21 474	0.13 480	0.25 507	0.23 504	0.32 476	0.43 525	0.30 525	0.41 537	0.31 503	0.18 438	0.22 478	0.25 513	0.10 439	0.09 473	0.08 316	0.08 375	0.12 490	0.11 479

hknet	0.15 390	0.11 433	0.13 263	0.22 490	0.11 424	0.14 317	0.15 250	0.34 505	0.25 385	0.17 350	0.22 356	0.22 406	0.18 438	0.17 387	0.12 275	0.07 273	0.06 340	0.10 445	0.09 421	0.07 295	0.07 318

ADLNet2	0.16 413	0.09 347	0.13 263	0.16 165	0.09 265	0.20 450	0.16 316	0.31 465	0.39 503	0.16 335	0.20 323	0.20 379	0.18 438	0.21 465	0.22 478	0.08 338	0.06 340	0.07 226	0.07 305	0.09 421	0.07 318

ICVP	0.15 390	0.09 347	0.12 217	0.22 490	0.09 265	0.17 393	0.21 483	0.25 371	0.23 348	0.18 380	0.30 464	0.26 454	0.18 438	0.17 387	0.14 353	0.09 398	0.07 412	0.08 316	0.07 305	0.07 295	0.07 318
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ac_64	0.16 413	0.08 272	0.15 349	0.18 323	0.10 373	0.22 476	0.18 401	0.24 355	0.21 323	0.18 380	0.24 377	0.29 480	0.18 438	0.19 423	0.22 478	0.09 398	0.07 412	0.08 316	0.09 421	0.07 295	0.06 236

HGLStereo	0.17 434	0.08 272	0.19 448	0.17 241	0.12 457	0.18 412	0.18 401	0.31 465	0.32 453	0.21 433	0.32 476	0.25 444	0.18 438	0.19 423	0.20 449	0.09 398	0.09 473	0.07 226	0.07 305	0.09 421	0.10 453

DMCA	0.14 347	0.09 347	0.16 383	0.19 381	0.09 265	0.15 343	0.17 353	0.23 332	0.27 409	0.14 280	0.19 311	0.17 340	0.18 438	0.15 320	0.17 412	0.10 439	0.06 340	0.08 316	0.06 212	0.09 421	0.10 453

STTStereo	0.18 448	0.12 451	0.27 504	0.20 442	0.11 424	0.16 372	0.21 483	0.29 441	0.23 348	0.21 433	0.30 464	0.29 480	0.18 438	0.20 448	0.19 443	0.12 492	0.11 506	0.11 476	0.14 527	0.09 421	0.08 382

RASNet	0.14 347	0.07 166	0.14 298	0.16 165	0.08 144	0.18 412	0.14 178	0.29 441	0.20 307	0.17 350	0.25 405	0.21 388	0.18 438	0.20 448	0.19 443	0.07 273	0.06 340	0.06 124	0.08 375	0.06 222	0.06 236

TDLM	0.17 434	0.12 451	0.13 263	0.24 524	0.10 373	0.18 412	0.18 401	0.36 528	0.30 439	0.21 433	0.28 445	0.28 472	0.18 438	0.23 489	0.18 430	0.11 468	0.07 412	0.10 445	0.10 461	0.08 358	0.08 382

CVANet_RVC	0.18 448	0.10 407	0.14 298	0.21 474	0.10 373	0.18 412	0.17 353	0.34 505	0.33 460	0.22 449	0.31 472	0.28 472	0.18 438	0.23 489	0.17 412	0.12 492	0.08 441	0.12 495	0.11 493	0.09 421	0.07 318

DeepPruner_ROB	0.16 413	0.11 433	0.15 349	0.17 241	0.10 373	0.17 393	0.15 250	0.32 476	0.21 323	0.19 396	0.21 345	0.22 406	0.18 438	0.20 448	0.15 381	0.13 517	0.09 473	0.09 398	0.09 421	0.11 475	0.10 453

pmcnn	0.15 390	0.07 166	0.19 448	0.15 85	0.07 84	0.20 450	0.15 250	0.24 355	0.26 399	0.21 433	0.34 492	0.28 472	0.18 438	0.18 408	0.17 412	0.07 273	0.05 207	0.05 34	0.04 46	0.07 295	0.06 236

TCMNet	0.19 460	0.12 451	0.19 448	0.20 442	0.18 552	0.20 450	0.24 516	0.27 410	0.36 486	0.23 462	0.26 422	0.25 444	0.19 454	0.19 423	0.23 490	0.13 517	0.11 506	0.11 476	0.12 513	0.13 508	0.12 492

DualNet (step1)	0.16 413	0.12 451	0.20 460	0.12 5	0.14 500	0.17 393	0.13 125	0.27 410	0.23 348	0.20 419	0.20 323	0.24 430	0.19 454	0.16 355	0.16 397	0.15 535	0.06 340	0.14 522	0.14 527	0.14 521	0.12 492

test_sample9	0.18 448	0.12 451	0.20 460	0.12 5	0.14 500	0.17 393	0.13 125	0.27 410	0.23 348	0.20 419	0.20 323	0.24 430	0.19 454	0.19 423	0.17 412	0.15 535	0.30 586	0.14 522	0.14 527	0.14 521	0.12 492

test_sample7	0.15 390	0.10 407	0.16 383	0.14 41	0.11 424	0.16 372	0.16 316	0.27 410	0.23 348	0.20 419	0.20 323	0.24 430	0.19 454	0.16 355	0.16 397	0.12 492	0.06 340	0.10 445	0.09 421	0.10 452	0.10 453

Wz-Net-MNSev	0.22 493	0.13 480	0.31 522	0.20 442	0.14 500	0.36 563	0.24 516	0.33 496	0.44 530	0.28 511	0.40 526	0.38 539	0.19 454	0.24 498	0.25 513	0.09 398	0.07 412	0.09 398	0.09 421	0.12 490	0.10 453

pcwnet_v2	0.19 460	0.10 407	0.26 496	0.17 241	0.14 500	0.18 412	0.15 250	0.37 534	0.46 537	0.19 396	0.24 377	0.21 388	0.19 454	0.20 448	0.19 443	0.13 517	0.10 493	0.10 445	0.10 461	0.11 475	0.13 514

delet	0.17 434	0.08 272	0.17 413	0.19 381	0.11 424	0.20 450	0.21 483	0.30 455	0.37 493	0.17 350	0.26 422	0.19 367	0.19 454	0.19 423	0.21 469	0.08 338	0.08 441	0.09 398	0.11 493	0.06 222	0.06 236

UNet	0.17 434	0.09 347	0.18 436	0.19 381	0.12 457	0.27 527	0.19 440	0.33 496	0.29 430	0.21 433	0.24 377	0.23 424	0.19 454	0.19 423	0.18 430	0.07 273	0.06 340	0.08 316	0.07 305	0.08 358	0.06 236

UPFNet	0.16 413	0.08 272	0.12 217	0.20 442	0.12 457	0.20 450	0.23 504	0.28 429	0.26 399	0.17 350	0.24 377	0.22 406	0.19 454	0.19 423	0.21 469	0.09 398	0.07 412	0.08 316	0.09 421	0.08 358	0.06 236

NVstereo2D	0.19 460	0.10 407	0.15 349	0.17 241	0.15 519	0.28 534	0.23 504	0.44 567	0.42 520	0.15 307	0.27 431	0.25 444	0.19 454	0.22 478	0.17 412	0.09 398	0.06 340	0.10 445	0.08 375	0.15 537	0.09 426

StereoDRNet	0.18 448	0.11 433	0.17 413	0.22 490	0.11 424	0.21 467	0.22 493	0.37 534	0.33 460	0.24 471	0.28 445	0.30 490	0.19 454	0.20 448	0.20 449	0.09 398	0.08 441	0.11 476	0.09 421	0.09 421	0.07 318

SGM-Forest	0.20 472	0.14 492	0.18 436	0.19 381	0.13 480	0.20 450	0.22 493	0.33 496	0.30 439	0.24 471	0.29 457	0.28 472	0.19 454	0.23 489	0.17 412	0.15 535	0.16 554	0.15 534	0.14 527	0.12 490	0.12 492
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
fast-acv-ft	0.18 448	0.11 433	0.19 448	0.19 381	0.12 457	0.24 496	0.21 483	0.25 371	0.34 472	0.22 449	0.34 492	0.27 462	0.20 466	0.21 465	0.23 490	0.09 398	0.09 473	0.08 316	0.10 461	0.08 358	0.07 318

IER	0.14 347	0.07 166	0.13 263	0.17 241	0.09 265	0.14 317	0.16 316	0.25 371	0.26 399	0.18 380	0.25 405	0.17 340	0.20 466	0.16 355	0.14 353	0.08 338	0.05 207	0.07 226	0.06 212	0.08 358	0.07 318

MMNet	0.17 434	0.09 347	0.16 383	0.20 442	0.11 424	0.27 527	0.20 463	0.25 371	0.41 512	0.22 449	0.30 464	0.21 388	0.20 466	0.17 387	0.20 449	0.06 126	0.06 340	0.07 226	0.07 305	0.08 358	0.07 318

GwcNet	0.20 472	0.13 480	0.19 448	0.18 323	0.12 457	0.24 496	0.19 440	0.35 521	0.43 525	0.20 419	0.32 476	0.33 517	0.20 466	0.22 478	0.24 503	0.11 468	0.09 473	0.09 398	0.09 421	0.09 421	0.10 453

DGSMNet	0.24 516	0.19 536	0.33 529	0.21 474	0.24 569	0.24 496	0.20 463	0.35 521	0.41 512	0.24 471	0.32 476	0.38 539	0.21 470	0.29 527	0.23 490	0.12 492	0.11 506	0.14 522	0.16 548	0.23 566	0.23 573

FADNet-RVC	0.20 472	0.20 541	0.38 544	0.21 474	0.16 530	0.20 450	0.15 250	0.26 389	0.26 399	0.26 490	0.32 476	0.26 454	0.21 470	0.22 478	0.19 443	0.12 492	0.13 536	0.12 495	0.14 527	0.13 508	0.18 561

FADNet	0.21 484	0.22 551	0.36 538	0.18 323	0.17 545	0.24 496	0.13 125	0.31 465	0.31 446	0.23 462	0.25 405	0.27 462	0.21 470	0.19 423	0.15 381	0.13 517	0.15 551	0.12 495	0.15 544	0.16 545	0.18 561

MaskLacGwcNet_RVC	0.22 493	0.21 547	0.24 488	0.26 541	0.11 424	0.23 491	0.14 178	0.39 546	0.24 364	0.32 537	0.36 500	0.30 490	0.21 470	0.19 423	0.21 469	0.17 556	0.14 545	0.21 559	0.16 548	0.12 490	0.12 492

SuperB	0.20 472	0.10 407	0.56 571	0.16 165	0.09 265	0.18 412	0.18 401	0.24 355	0.50 549	0.26 490	0.39 520	0.17 340	0.21 470	0.22 478	0.21 469	0.08 338	0.06 340	0.06 124	0.06 212	0.12 490	0.10 453

RTSC	0.23 509	0.12 451	0.28 509	0.21 474	0.13 480	0.28 534	0.16 316	0.35 521	0.66 583	0.27 496	0.33 488	0.30 490	0.21 470	0.31 531	0.29 545	0.10 439	0.08 441	0.09 398	0.10 461	0.13 508	0.13 514

AANet_RVC	0.16 413	0.10 407	0.10 136	0.18 323	0.09 265	0.18 412	0.19 440	0.26 389	0.31 446	0.22 449	0.35 497	0.21 388	0.21 470	0.22 478	0.16 397	0.06 126	0.05 207	0.06 124	0.06 212	0.07 295	0.06 236

DRN-Test	0.19 460	0.11 433	0.20 460	0.22 490	0.10 373	0.22 476	0.22 493	0.39 546	0.37 493	0.24 471	0.32 476	0.26 454	0.21 470	0.22 478	0.24 503	0.11 468	0.07 412	0.11 476	0.10 461	0.09 421	0.07 318

MDST_ROB	0.22 493	0.10 407	0.17 413	0.18 323	0.11 424	0.37 564	0.19 440	0.43 565	0.41 512	0.39 555	0.39 520	0.29 480	0.21 470	0.26 505	0.18 430	0.11 468	0.10 493	0.14 522	0.11 493	0.10 452	0.08 382

w-ln-seven-2	0.20 472	0.14 492	0.37 542	0.22 490	0.12 457	0.20 450	0.21 483	0.28 429	0.37 493	0.25 484	0.37 506	0.27 462	0.22 479	0.21 465	0.23 490	0.08 338	0.08 441	0.09 398	0.09 421	0.10 452	0.09 426

w-ln-seven	0.24 516	0.14 492	0.55 568	0.19 381	0.14 500	0.26 517	0.22 493	0.35 521	0.60 572	0.29 520	0.39 520	0.30 490	0.22 479	0.21 465	0.26 525	0.09 398	0.09 473	0.11 476	0.10 461	0.11 475	0.10 453

SQANet	0.23 509	0.23 553	0.30 520	0.30 567	0.19 555	0.27 527	0.13 125	0.29 441	0.33 460	0.24 471	0.37 506	0.31 503	0.22 479	0.27 508	0.23 490	0.15 535	0.10 493	0.21 559	0.16 548	0.21 562	0.15 538

SACVNet	0.18 448	0.12 451	0.14 298	0.17 241	0.13 480	0.22 476	0.18 401	0.31 465	0.30 439	0.23 462	0.31 472	0.30 490	0.22 479	0.22 478	0.17 412	0.11 468	0.08 441	0.10 445	0.10 461	0.12 490	0.14 531

FINET	0.21 484	0.18 532	0.26 496	0.18 323	0.16 530	0.23 491	0.23 504	0.32 476	0.48 539	0.25 484	0.32 476	0.22 406	0.22 479	0.22 478	0.17 412	0.18 558	0.16 554	0.11 476	0.10 461	0.15 537	0.13 514

hitnet-ft	0.18 448	0.09 347	0.17 413	0.14 41	0.09 265	0.26 517	0.20 463	0.25 371	0.26 399	0.24 471	0.32 476	0.31 503	0.22 479	0.24 498	0.21 469	0.12 492	0.07 412	0.10 445	0.08 375	0.12 490	0.11 479

ADCP+	0.20 472	0.10 407	0.33 529	0.20 442	0.12 457	0.22 476	0.26 541	0.31 465	0.34 472	0.26 490	0.37 506	0.22 406	0.22 479	0.27 508	0.27 533	0.09 398	0.06 340	0.08 316	0.08 375	0.09 421	0.10 453

PSMNet_ROB	0.21 484	0.11 433	0.15 349	0.27 554	0.15 519	0.24 496	0.35 581	0.43 565	0.37 493	0.27 496	0.32 476	0.32 513	0.22 479	0.21 465	0.26 525	0.12 492	0.08 441	0.13 510	0.11 493	0.09 421	0.09 426

ADCRef	0.19 460	0.12 451	0.41 551	0.20 442	0.12 457	0.22 476	0.18 401	0.32 476	0.36 486	0.26 490	0.32 476	0.17 340	0.23 487	0.24 498	0.24 503	0.07 273	0.06 340	0.09 398	0.09 421	0.08 358	0.08 382

RYNet	0.22 493	0.12 451	0.22 475	0.19 381	0.17 545	0.46 572	0.26 541	0.38 542	0.48 539	0.24 471	0.28 445	0.34 524	0.23 487	0.20 448	0.30 551	0.10 439	0.06 340	0.09 398	0.09 421	0.13 508	0.15 538

NaN_ROB	0.22 493	0.19 536	0.24 488	0.25 536	0.13 480	0.29 538	0.26 541	0.33 496	0.41 512	0.31 531	0.31 472	0.32 513	0.23 487	0.30 530	0.21 469	0.11 468	0.17 559	0.10 445	0.10 461	0.08 358	0.09 426

NOSS_ROB	0.19 460	0.12 451	0.18 436	0.16 165	0.12 457	0.15 343	0.12 75	0.30 455	0.32 453	0.20 419	0.22 356	0.27 462	0.23 487	0.21 465	0.16 397	0.16 551	0.18 561	0.23 564	0.21 563	0.12 490	0.13 514

DispFullNet	0.27 541	0.21 547	0.65 580	0.28 557	0.16 530	0.26 517	0.17 353	0.33 496	0.58 567	0.27 496	0.38 512	0.43 558	0.23 487	0.38 563	0.23 490	0.12 492	0.06 340	0.19 556	0.11 493	0.21 562	0.15 538

CBMV	0.19 460	0.14 492	0.17 413	0.18 323	0.10 373	0.20 450	0.11 54	0.29 441	0.30 439	0.29 520	0.30 464	0.30 490	0.23 487	0.27 508	0.19 443	0.13 517	0.15 551	0.17 545	0.16 548	0.10 452	0.10 453
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
z-mn7	0.24 516	0.14 492	0.45 555	0.19 381	0.13 480	0.28 534	0.25 532	0.34 505	0.62 575	0.27 496	0.56 571	0.29 480	0.24 493	0.32 538	0.25 513	0.08 338	0.08 441	0.08 316	0.08 375	0.10 452	0.10 453

ToySt	0.17 434	0.11 433	0.18 436	0.17 241	0.11 424	0.16 372	0.25 532	0.24 355	0.33 460	0.19 396	0.24 377	0.26 454	0.24 493	0.19 423	0.20 449	0.07 273	0.08 441	0.09 398	0.10 461	0.09 421	0.08 382

WZ-Net	0.28 546	0.17 521	0.78 596	0.22 490	0.16 530	0.34 553	0.29 563	0.39 546	0.57 564	0.24 471	0.55 566	0.37 535	0.24 493	0.33 541	0.35 566	0.09 398	0.08 441	0.09 398	0.10 461	0.14 521	0.16 549

psm_up	0.18 448	0.10 407	0.18 436	0.20 442	0.11 424	0.17 393	0.19 440	0.37 534	0.34 472	0.21 433	0.28 445	0.29 480	0.24 493	0.20 448	0.22 478	0.09 398	0.10 493	0.11 476	0.11 493	0.08 358	0.08 382

RP	0.21 484	0.13 480	0.21 469	0.23 514	0.11 424	0.21 467	0.20 463	0.25 371	0.44 530	0.21 433	0.38 512	0.36 530	0.24 493	0.27 508	0.25 513	0.11 468	0.12 522	0.13 510	0.12 513	0.12 490	0.14 531

PS-NSSS	0.20 472	0.21 547	0.23 484	0.20 442	0.10 373	0.19 435	0.17 353	0.36 528	0.25 385	0.27 496	0.33 488	0.27 462	0.24 493	0.20 448	0.20 449	0.15 535	0.12 522	0.17 545	0.14 527	0.10 452	0.08 382

CBMV_ROB	0.19 460	0.13 480	0.17 413	0.16 165	0.11 424	0.15 343	0.13 125	0.26 389	0.28 423	0.27 496	0.30 464	0.27 462	0.24 493	0.23 489	0.16 397	0.15 535	0.17 559	0.22 563	0.20 561	0.10 452	0.11 479

DLCB_ROB	0.18 448	0.10 407	0.15 349	0.23 514	0.11 424	0.24 496	0.18 401	0.29 441	0.28 423	0.27 496	0.28 445	0.28 472	0.24 493	0.19 423	0.20 449	0.08 338	0.08 441	0.09 398	0.09 421	0.07 295	0.07 318

PWC_ROB	0.21 484	0.16 510	0.26 496	0.18 323	0.11 424	0.22 476	0.13 125	0.32 476	0.49 546	0.30 525	0.40 526	0.32 513	0.24 493	0.31 531	0.22 478	0.10 439	0.07 412	0.11 476	0.08 375	0.11 475	0.10 453

zh-mn7	0.25 528	0.14 492	0.56 571	0.19 381	0.14 500	0.24 496	0.22 493	0.34 505	0.62 575	0.35 544	0.65 579	0.31 503	0.25 502	0.31 531	0.25 513	0.09 398	0.08 441	0.09 398	0.09 421	0.09 421	0.11 479

PSMNet-RUCA	0.27 541	0.33 577	0.41 551	0.36 577	0.32 584	0.18 412	0.19 440	0.42 561	0.30 439	0.33 541	0.41 537	0.39 547	0.25 502	0.31 531	0.20 449	0.18 558	0.10 493	0.25 566	0.15 544	0.21 562	0.16 549

test_sample8	0.19 460	0.12 451	0.20 460	0.12 5	0.14 500	0.17 393	0.13 125	0.31 465	0.21 323	0.27 496	0.22 356	0.36 530	0.25 502	0.19 423	0.17 412	0.15 535	0.30 586	0.14 522	0.14 527	0.14 521	0.12 492

HBP-ISP	0.18 448	0.13 480	0.16 383	0.15 85	0.11 424	0.08 59	0.13 125	0.28 429	0.29 430	0.22 449	0.33 488	0.21 388	0.25 502	0.23 489	0.17 412	0.14 531	0.16 554	0.21 559	0.17 555	0.10 452	0.08 382

DDUNet	0.22 493	0.17 521	0.21 469	0.22 490	0.15 519	0.25 507	0.24 516	0.29 441	0.30 439	0.31 531	0.36 500	0.33 517	0.25 502	0.24 498	0.20 449	0.18 558	0.13 536	0.17 545	0.11 493	0.16 545	0.16 549

Syn2CoEx	0.21 484	0.16 510	0.27 504	0.29 565	0.14 500	0.26 517	0.20 463	0.33 496	0.31 446	0.28 511	0.36 500	0.27 462	0.25 502	0.19 423	0.24 503	0.16 551	0.12 522	0.14 522	0.11 493	0.09 421	0.08 382

Wz-Net-SNSev	0.25 528	0.17 521	0.44 554	0.25 536	0.14 500	0.26 517	0.23 504	0.38 542	0.56 562	0.30 525	0.55 566	0.39 547	0.26 508	0.23 489	0.30 551	0.10 439	0.09 473	0.09 398	0.10 461	0.11 475	0.11 479

AF-Net	0.22 493	0.17 521	0.17 413	0.26 541	0.13 480	0.25 507	0.24 516	0.32 476	0.50 549	0.25 484	0.33 488	0.38 539	0.26 508	0.28 520	0.25 513	0.11 468	0.10 493	0.16 541	0.11 493	0.11 475	0.10 453

PA-Net	0.23 509	0.18 532	0.33 529	0.28 557	0.22 564	0.21 467	0.38 586	0.29 441	0.39 503	0.22 449	0.32 476	0.25 444	0.26 508	0.20 448	0.25 513	0.09 398	0.23 580	0.15 534	0.22 566	0.09 421	0.13 514
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DISCO	0.19 460	0.09 347	0.22 475	0.17 241	0.10 373	0.25 507	0.18 401	0.27 410	0.44 530	0.22 449	0.31 472	0.33 517	0.26 508	0.28 520	0.28 541	0.08 338	0.06 340	0.07 226	0.07 305	0.09 421	0.09 426

SANet	0.24 516	0.14 492	0.28 509	0.21 474	0.11 424	0.27 527	0.24 516	0.38 542	0.64 579	0.36 547	0.40 526	0.43 558	0.26 508	0.27 508	0.24 503	0.12 492	0.09 473	0.10 445	0.09 421	0.13 508	0.11 479

XPNet_ROB	0.22 493	0.11 433	0.19 448	0.22 490	0.13 480	0.22 476	0.19 440	0.34 505	0.40 509	0.30 525	0.39 520	0.39 547	0.26 508	0.26 505	0.28 541	0.15 535	0.10 493	0.10 445	0.10 461	0.13 508	0.12 492

ETE_ROB	0.23 509	0.17 521	0.22 475	0.25 536	0.13 480	0.26 517	0.29 563	0.31 465	0.36 486	0.28 511	0.36 500	0.45 562	0.26 508	0.27 508	0.26 525	0.11 468	0.08 441	0.12 495	0.09 421	0.14 521	0.13 514

LALA_ROB	0.25 528	0.16 510	0.22 475	0.26 541	0.17 545	0.27 527	0.27 548	0.42 561	0.37 493	0.33 541	0.38 512	0.51 573	0.26 508	0.28 520	0.27 533	0.16 551	0.09 473	0.12 495	0.11 493	0.13 508	0.12 492

DStereoO	0.24 516	0.18 532	0.18 436	0.20 442	0.14 500	0.21 467	0.19 440	0.32 476	0.41 512	0.29 520	0.21 345	0.32 513	0.27 516	0.41 575	0.27 533	0.46 594	0.12 522	0.31 581	0.11 493	0.15 537	0.12 492

FSD	0.25 528	0.27 565	0.26 496	0.24 524	0.22 564	0.25 507	0.25 532	0.27 410	0.26 399	0.25 484	0.26 422	0.25 444	0.27 516	0.27 508	0.24 503	0.21 569	0.20 567	0.27 570	0.26 573	0.25 574	0.24 574

MSAF-DinoV2	0.22 493	0.11 433	0.23 484	0.17 241	0.10 373	0.27 527	0.16 316	0.37 534	0.55 559	0.21 433	0.27 431	0.47 569	0.27 516	0.35 550	0.39 575	0.09 398	0.06 340	0.07 226	0.09 421	0.12 490	0.10 453

ACVNet-4b	0.39 568	0.53 589	0.55 568	0.45 585	0.24 569	0.47 574	0.18 401	0.49 576	0.64 579	0.42 565	0.45 551	0.60 581	0.27 516	0.34 544	0.24 503	0.33 586	0.14 545	0.48 589	0.42 591	0.30 582	0.26 582

Anonymous_2	0.22 493	0.17 521	0.28 509	0.15 85	0.16 530	0.32 544	0.22 493	0.22 312	0.17 237	0.23 462	0.24 377	0.26 454	0.27 516	0.27 508	0.23 490	0.22 574	0.25 582	0.17 545	0.17 555	0.17 553	0.17 558

UDG	0.21 484	0.17 521	0.19 448	0.23 514	0.15 519	0.30 541	0.20 463	0.33 496	0.35 481	0.23 462	0.28 445	0.31 503	0.27 516	0.20 448	0.22 478	0.15 535	0.12 522	0.13 510	0.09 421	0.14 521	0.14 531

aanetorigin	0.22 493	0.17 521	0.56 571	0.17 241	0.10 373	0.15 343	0.19 440	0.20 265	0.33 460	0.49 575	0.48 555	0.29 480	0.27 516	0.20 448	0.23 490	0.08 338	0.07 412	0.08 316	0.07 305	0.10 452	0.09 426

DMCA-RVC	0.17 434	0.10 407	0.15 349	0.24 524	0.11 424	0.18 412	0.18 401	0.25 371	0.24 364	0.21 433	0.26 422	0.25 444	0.27 516	0.18 408	0.20 449	0.12 492	0.08 441	0.13 510	0.10 461	0.10 452	0.08 382

RGC	0.25 528	0.20 541	0.29 517	0.28 557	0.16 530	0.22 476	0.23 504	0.32 476	0.44 530	0.27 496	0.40 526	0.38 539	0.27 516	0.36 556	0.22 478	0.11 468	0.13 536	0.17 545	0.17 555	0.14 521	0.16 549

stereogan	0.22 493	0.11 433	0.21 469	0.20 442	0.12 457	0.31 543	0.19 440	0.35 521	0.44 530	0.22 449	0.39 520	0.35 528	0.27 516	0.33 541	0.22 478	0.10 439	0.12 522	0.10 445	0.10 461	0.14 521	0.13 514

FBW_ROB	0.24 516	0.17 521	0.22 475	0.26 541	0.14 500	0.25 507	0.22 493	0.41 556	0.41 512	0.41 562	0.41 537	0.42 554	0.27 516	0.31 531	0.23 490	0.09 398	0.14 545	0.14 522	0.12 513	0.11 475	0.09 426

NCC-stereo	0.24 516	0.15 502	0.31 522	0.26 541	0.16 530	0.20 450	0.30 571	0.40 550	0.40 509	0.24 471	0.38 512	0.33 517	0.28 527	0.36 556	0.27 533	0.12 492	0.11 506	0.15 534	0.22 566	0.13 508	0.13 514

Nwc_Net	0.23 509	0.16 510	0.21 469	0.25 536	0.14 500	0.24 496	0.26 541	0.37 534	0.38 500	0.22 449	0.41 537	0.30 490	0.28 527	0.28 520	0.25 513	0.11 468	0.10 493	0.17 545	0.20 561	0.10 452	0.10 453

Abc-Net	0.24 516	0.15 502	0.31 522	0.26 541	0.16 530	0.20 450	0.30 571	0.40 550	0.40 509	0.24 471	0.38 512	0.33 517	0.28 527	0.36 556	0.27 533	0.12 492	0.11 506	0.15 534	0.22 566	0.13 508	0.13 514
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 539	0.15 502	0.30 520	0.24 524	0.18 552	0.22 476	0.15 250	0.38 542	0.71 587	0.32 537	0.41 537	0.36 530	0.28 527	0.32 538	0.29 545	0.12 492	0.11 506	0.14 522	0.13 523	0.16 545	0.20 567

DeepPrunerF	0.24 516	0.17 521	0.42 553	0.26 541	0.16 530	0.22 476	0.28 554	0.37 534	0.50 549	0.26 490	0.29 457	0.24 430	0.28 527	0.21 465	0.22 478	0.15 535	0.11 506	0.20 558	0.18 559	0.12 490	0.13 514

ADCPNet	0.25 528	0.16 510	0.61 577	0.21 474	0.15 519	0.35 561	0.25 532	0.32 476	0.35 481	0.30 525	0.40 526	0.36 530	0.28 527	0.28 520	0.32 559	0.12 492	0.10 493	0.11 476	0.12 513	0.14 521	0.13 514

GANet	0.21 484	0.12 451	0.21 469	0.24 524	0.13 480	0.22 476	0.22 493	0.41 556	0.26 399	0.31 531	0.42 544	0.37 535	0.28 527	0.23 489	0.22 478	0.10 439	0.12 522	0.10 445	0.09 421	0.10 452	0.08 382

NCCL2	0.23 509	0.15 502	0.17 413	0.34 573	0.18 552	0.24 496	0.23 504	0.34 505	0.28 423	0.31 531	0.38 512	0.38 539	0.28 527	0.23 489	0.24 503	0.15 535	0.12 522	0.18 554	0.21 563	0.13 508	0.13 514

APVNet	0.22 493	0.12 451	0.19 448	0.18 323	0.14 500	0.32 544	0.31 577	0.39 546	0.32 453	0.27 496	0.40 526	0.30 490	0.29 535	0.26 505	0.25 513	0.11 468	0.12 522	0.11 476	0.14 527	0.12 490	0.12 492

G-Net	0.24 516	0.16 510	0.36 538	0.22 490	0.16 530	0.51 578	0.23 504	0.29 441	0.34 472	0.36 547	0.38 512	0.31 503	0.29 535	0.27 508	0.26 525	0.11 468	0.09 473	0.12 495	0.09 421	0.16 545	0.13 514

DPSNet	0.28 546	0.16 510	0.31 522	0.18 323	0.13 480	0.54 580	0.42 590	0.51 582	0.67 584	0.29 520	0.38 512	0.38 539	0.29 535	0.31 531	0.23 490	0.11 468	0.10 493	0.11 476	0.08 375	0.20 561	0.16 549

PDISCO_ROB	0.27 541	0.16 510	0.26 496	0.28 557	0.20 558	0.32 544	0.26 541	0.44 567	0.57 564	0.28 511	0.40 526	0.45 562	0.29 535	0.33 541	0.34 565	0.12 492	0.09 473	0.17 545	0.16 548	0.17 553	0.13 514

ccnet	0.29 550	0.28 570	0.23 484	0.20 442	0.28 578	0.41 571	0.21 483	0.45 570	0.33 460	0.36 547	0.46 552	0.36 530	0.30 539	0.39 567	0.42 582	0.23 578	0.14 545	0.21 559	0.17 555	0.23 566	0.18 561

S-Stereo	0.20 472	0.12 451	0.25 493	0.21 474	0.13 480	0.20 450	0.18 401	0.32 476	0.43 525	0.23 462	0.36 500	0.28 472	0.30 539	0.19 423	0.22 478	0.09 398	0.12 522	0.10 445	0.10 461	0.13 508	0.13 514

XQC	0.28 546	0.23 553	0.51 563	0.28 557	0.19 555	0.34 553	0.27 548	0.36 528	0.57 564	0.31 531	0.30 464	0.37 535	0.30 539	0.38 563	0.38 573	0.13 517	0.09 473	0.15 534	0.12 513	0.17 553	0.18 561

ADCL	0.24 516	0.11 433	0.47 560	0.22 490	0.12 457	0.34 553	0.29 563	0.29 441	0.56 562	0.24 471	0.46 552	0.30 490	0.30 539	0.29 527	0.29 545	0.08 338	0.07 412	0.09 398	0.09 421	0.10 452	0.10 453

zh-sn7	0.25 528	0.17 521	0.50 562	0.24 524	0.13 480	0.25 507	0.24 516	0.34 505	0.48 539	0.28 511	0.54 564	0.28 472	0.31 543	0.36 556	0.32 559	0.10 439	0.10 493	0.11 476	0.10 461	0.12 490	0.12 492

MFN_U_SF_DS_RVC	0.30 556	0.24 556	0.29 517	0.36 577	0.16 530	0.34 553	0.30 571	0.32 476	0.42 520	0.40 558	0.46 552	0.38 539	0.31 543	0.34 544	0.28 541	0.19 563	0.20 567	0.26 567	0.29 580	0.18 557	0.19 566

STTRV1_RVC	0.25 528	0.26 562	0.39 546	0.19 381	0.26 576	0.30 541	0.24 516	0.34 505	0.35 481	0.36 547	0.34 492	0.31 503	0.31 543	0.28 520	0.25 513	0.17 556	0.10 493	0.16 541	0.14 527	0.17 553	0.12 492

CC-Net-ROB	0.28 546	0.31 575	0.36 538	0.29 565	0.15 519	0.25 507	0.19 440	0.45 570	0.33 460	0.39 555	0.37 506	0.39 547	0.31 543	0.27 508	0.26 525	0.24 580	0.19 564	0.30 580	0.23 570	0.18 557	0.15 538

DANet	0.21 484	0.15 502	0.28 509	0.25 536	0.13 480	0.22 476	0.19 440	0.27 410	0.27 409	0.28 511	0.32 476	0.35 528	0.31 543	0.31 531	0.23 490	0.11 468	0.09 473	0.11 476	0.10 461	0.13 508	0.11 479
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FAT-Stereo	0.20 472	0.12 451	0.22 475	0.21 474	0.12 457	0.17 393	0.18 401	0.34 505	0.39 503	0.27 496	0.37 506	0.34 524	0.32 548	0.21 465	0.20 449	0.09 398	0.11 506	0.10 445	0.09 421	0.11 475	0.14 531

DStereoSA	0.25 528	0.19 536	0.37 542	0.26 541	0.17 545	0.22 476	0.20 463	0.49 576	0.59 568	0.22 449	0.29 457	0.29 480	0.33 549	0.39 567	0.28 541	0.12 492	0.11 506	0.16 541	0.14 527	0.14 521	0.12 492

otaku	0.39 568	0.37 582	0.52 564	0.44 584	0.28 578	0.58 582	0.24 516	0.41 556	0.62 575	0.40 558	0.49 556	0.46 566	0.33 549	0.40 572	0.32 559	0.30 583	0.30 586	0.39 585	0.33 585	0.29 581	0.28 583

AnyNet_C32	0.26 539	0.16 510	0.36 538	0.20 442	0.16 530	0.25 507	0.30 571	0.32 476	0.44 530	0.31 531	0.49 556	0.30 490	0.33 549	0.40 572	0.33 563	0.12 492	0.12 522	0.12 495	0.14 527	0.14 521	0.15 538

GANetREF_RVC	0.31 557	0.34 579	0.27 504	0.35 575	0.16 530	0.32 544	0.41 587	0.48 574	0.51 556	0.35 544	0.35 497	0.34 524	0.33 549	0.39 567	0.32 559	0.27 582	0.20 567	0.29 578	0.15 544	0.18 557	0.17 558
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
CSAN	0.29 550	0.24 556	0.27 504	0.34 573	0.19 555	0.33 550	0.42 590	0.37 534	0.50 549	0.38 553	0.40 526	0.44 560	0.33 549	0.28 520	0.30 551	0.20 565	0.16 554	0.19 556	0.19 560	0.14 521	0.15 538

DStereoFS	0.27 541	0.22 551	0.31 522	0.22 490	0.15 519	0.22 476	0.20 463	0.50 580	0.48 539	0.28 511	0.44 549	0.33 517	0.34 554	0.52 584	0.29 545	0.12 492	0.11 506	0.15 534	0.13 523	0.16 545	0.16 549

PASM	0.32 559	0.24 556	0.48 561	0.28 557	0.27 577	0.29 538	0.30 571	0.34 505	0.49 546	0.35 544	0.39 520	0.46 566	0.34 554	0.34 544	0.35 566	0.23 578	0.25 582	0.26 567	0.28 579	0.23 566	0.21 569

WCMA_ROB	0.24 516	0.11 433	0.22 475	0.17 241	0.14 500	0.32 544	0.15 250	0.32 476	0.32 453	0.38 553	0.53 562	0.40 551	0.34 554	0.34 544	0.25 513	0.11 468	0.12 522	0.12 495	0.10 461	0.14 521	0.14 531

edge stereo	0.22 493	0.13 480	0.20 460	0.21 474	0.13 480	0.23 491	0.16 316	0.32 476	0.42 520	0.32 537	0.40 526	0.38 539	0.35 557	0.25 503	0.24 503	0.13 517	0.11 506	0.14 522	0.11 493	0.12 490	0.13 514

SGM_RVC	0.23 509	0.12 451	0.15 349	0.15 85	0.09 265	0.33 550	0.18 401	0.34 505	0.31 446	0.44 570	0.37 506	0.53 577	0.35 557	0.35 550	0.24 503	0.13 517	0.13 536	0.13 510	0.13 523	0.10 452	0.11 479
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ADCS	0.29 550	0.18 532	0.45 555	0.21 474	0.17 545	0.28 534	0.23 504	0.41 556	0.63 578	0.40 558	0.49 556	0.40 551	0.36 559	0.39 567	0.40 578	0.13 517	0.12 522	0.13 510	0.14 527	0.16 545	0.16 549

LSM	0.33 562	0.20 541	0.58 574	0.26 541	0.60 601	0.34 553	0.25 532	0.42 561	0.48 539	0.45 571	0.58 576	0.42 554	0.36 559	0.35 550	0.25 513	0.12 492	0.20 567	0.14 522	0.16 548	0.19 560	0.33 589

psmorigin	0.25 528	0.15 502	0.34 537	0.17 241	0.13 480	0.23 491	0.14 178	0.34 505	0.33 460	0.41 562	0.55 566	0.41 553	0.37 561	0.34 544	0.27 533	0.11 468	0.15 551	0.11 476	0.11 493	0.12 490	0.16 549

Wz-Net-TNSev	0.29 550	0.20 541	0.65 580	0.19 381	0.15 519	0.38 567	0.27 548	0.35 521	0.55 559	0.34 543	0.42 544	0.45 562	0.38 562	0.32 538	0.30 551	0.12 492	0.13 536	0.10 445	0.12 513	0.15 537	0.14 531

AnyNet_C01	0.36 566	0.25 561	1.37 609	0.22 490	0.17 545	0.48 576	0.27 548	0.35 521	0.39 503	0.39 555	0.74 589	0.46 566	0.38 562	0.45 577	0.47 587	0.13 517	0.13 536	0.13 510	0.14 527	0.14 521	0.15 538

EDNetEfficient	0.29 550	0.24 556	1.13 606	0.18 323	0.10 373	0.19 435	0.20 463	0.20 265	0.60 572	0.74 595	0.56 571	0.31 503	0.39 564	0.22 478	0.30 551	0.09 398	0.07 412	0.08 316	0.07 305	0.11 475	0.09 426

MFN_U_SF_RVC	0.32 559	0.21 547	0.55 568	0.30 567	0.15 519	0.34 553	0.17 353	0.52 583	0.46 537	0.46 574	0.55 566	0.59 580	0.39 564	0.35 550	0.37 571	0.15 535	0.14 545	0.18 554	0.21 563	0.16 545	0.15 538

SAMSARA	0.40 571	0.28 570	0.33 529	0.55 591	0.39 585	0.82 602	1.23 617	0.47 573	0.51 556	0.36 547	0.35 497	0.55 579	0.39 564	0.38 563	0.39 575	0.15 535	0.20 567	0.15 534	0.14 527	0.23 566	0.20 567

FC-DCNN v2	0.33 562	0.27 565	0.28 509	0.26 541	0.23 567	0.37 564	0.28 554	0.40 550	0.43 525	0.45 571	0.56 571	0.51 573	0.40 567	0.37 561	0.29 545	0.21 569	0.20 567	0.27 570	0.26 573	0.25 574	0.24 574

ADCMid	0.25 528	0.15 502	0.40 548	0.20 442	0.14 500	0.25 507	0.26 541	0.34 505	0.38 500	0.36 547	0.44 549	0.34 524	0.40 567	0.35 550	0.33 563	0.10 439	0.09 473	0.11 476	0.11 493	0.13 508	0.12 492

FC-DCNN	0.33 562	0.27 565	0.28 509	0.26 541	0.23 567	0.37 564	0.28 554	0.40 550	0.43 525	0.45 571	0.55 566	0.51 573	0.40 567	0.37 561	0.30 551	0.21 569	0.20 567	0.27 570	0.26 573	0.25 574	0.24 574

MSMD_ROB	0.31 557	0.26 562	0.26 496	0.24 524	0.21 562	0.34 553	0.25 532	0.34 505	0.39 503	0.40 558	0.69 583	0.45 562	0.40 567	0.34 544	0.27 533	0.20 565	0.19 564	0.26 567	0.25 572	0.23 566	0.22 571

MeshStereo	0.27 541	0.13 480	0.18 436	0.15 85	0.11 424	0.32 544	0.24 516	0.40 550	0.36 486	0.52 577	0.57 574	0.67 588	0.40 567	0.35 550	0.26 525	0.14 531	0.13 536	0.13 510	0.11 493	0.11 475	0.10 453
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
FCDSN-DC	0.33 562	0.28 570	0.28 509	0.30 567	0.24 569	0.39 568	0.28 554	0.42 561	0.42 520	0.43 568	0.53 562	0.51 573	0.41 572	0.36 556	0.30 551	0.21 569	0.20 567	0.27 570	0.26 573	0.25 574	0.24 574
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RTS	0.45 578	0.19 536	3.26 616	0.24 524	0.15 519	0.74 595	0.20 463	0.36 528	0.76 594	0.42 565	0.43 547	0.31 503	0.41 572	0.53 587	0.35 566	0.10 439	0.08 441	0.13 510	0.12 513	0.15 537	0.15 538

RTSA	0.45 578	0.19 536	3.26 616	0.24 524	0.15 519	0.74 595	0.20 463	0.36 528	0.76 594	0.42 565	0.43 547	0.31 503	0.41 572	0.53 587	0.35 566	0.10 439	0.08 441	0.13 510	0.12 513	0.15 537	0.15 538

Ntro	0.40 571	0.40 584	0.53 565	0.46 588	0.30 582	0.65 588	0.24 516	0.46 572	0.68 585	0.41 562	0.49 556	0.48 571	0.42 575	0.39 567	0.31 558	0.32 585	0.28 584	0.37 584	0.30 582	0.32 586	0.29 584

SGM-ForestM	0.32 559	0.12 451	0.16 383	0.16 165	0.11 424	0.39 568	0.19 440	0.41 556	0.50 549	0.52 577	0.54 564	1.32 608	0.42 575	0.40 572	0.27 533	0.14 531	0.16 554	0.16 541	0.16 548	0.12 490	0.12 492

LE_ROB	0.50 584	0.07 166	0.14 298	0.15 85	0.08 144	0.24 496	0.16 316	0.22 312	1.81 618	4.63 622	0.67 581	0.47 569	0.44 577	0.20 448	0.29 545	0.07 273	0.06 340	0.06 124	0.06 212	0.08 358	0.06 236

coex-ft	3.30 615	0.34 579	59.09 643	0.18 323	0.13 480	0.26 517	0.22 493	0.27 410	0.72 588	1.90 619	0.70 585	0.44 560	0.45 578	0.29 527	0.41 581	0.09 398	0.09 473	0.12 495	0.09 421	0.14 521	0.13 514

RainbowNet	0.54 587	0.61 593	0.70 594	0.57 592	0.43 589	0.65 588	0.37 585	0.60 592	0.87 598	0.50 576	0.66 580	0.64 584	0.47 579	0.49 579	0.43 585	0.47 595	0.48 600	0.52 593	0.41 590	0.52 592	0.40 595

Consistency-Raft	0.44 576	0.40 584	0.45 555	0.37 579	0.43 589	0.46 572	0.41 587	0.57 590	0.55 559	0.32 537	0.73 587	0.33 517	0.48 580	0.42 576	0.49 589	0.39 588	0.35 591	0.45 588	0.51 598	0.42 589	0.29 584

ACVNet_1	0.44 576	0.49 588	0.60 576	0.45 585	0.28 578	0.49 577	0.27 548	0.57 590	0.72 588	0.62 584	0.58 576	0.74 592	0.49 581	0.50 580	0.35 566	0.26 581	0.24 581	0.39 585	0.29 580	0.31 585	0.24 574

EDNetEfficientorigin	7.91 623	0.31 575	153.02 644	0.19 381	0.09 265	0.21 467	0.16 316	0.22 312	0.59 568	0.72 591	0.67 581	0.42 554	0.50 582	0.24 498	0.39 575	0.08 338	0.07 412	0.08 316	0.07 305	0.12 490	0.10 453

TCMNet-wrong-test	3.67 617	5.48 629	3.89 620	12.18 629	11.75 630	4.65 619	3.88 621	1.06 613	0.72 588	1.09 611	2.15 620	6.30 625	0.53 583	3.43 622	2.36 620	0.89 614	0.20 567	1.87 622	1.69 621	5.57 626	3.62 627

FADE	0.45 578	0.33 577	1.03 605	0.33 572	0.25 575	0.35 561	0.29 563	0.64 594	1.07 602	0.43 568	0.41 537	0.42 554	0.53 583	0.70 597	0.51 593	0.30 583	0.21 579	0.41 587	0.38 588	0.23 566	0.22 571

MSC_U_SF_DS_RVC	0.43 575	0.39 583	0.54 566	0.40 580	0.20 558	0.64 587	0.32 579	0.53 585	0.72 588	0.71 589	0.72 586	0.61 582	0.54 585	0.51 582	0.46 586	0.20 565	0.19 564	0.29 578	0.30 582	0.23 566	0.18 561

ELAS_RVC	0.41 573	0.29 573	0.33 529	0.28 557	0.24 569	0.54 580	0.36 582	0.49 576	0.59 568	0.72 591	0.74 589	0.65 586	0.54 585	0.54 589	0.40 578	0.22 574	0.20 567	0.27 570	0.26 573	0.26 579	0.25 580
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 573	0.29 573	0.33 529	0.27 554	0.24 569	0.60 585	0.36 582	0.50 580	0.50 549	0.71 589	0.79 593	0.67 588	0.54 585	0.51 582	0.42 582	0.22 574	0.20 567	0.27 570	0.26 573	0.26 579	0.25 580
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
anonymity	0.53 586	0.58 591	0.65 580	0.41 582	0.61 602	0.53 579	0.41 587	0.56 588	0.41 512	0.55 581	0.50 560	0.49 572	0.55 588	0.58 592	0.50 592	0.58 601	0.50 604	0.51 591	0.51 598	0.51 591	0.57 600

SGM+DAISY	0.56 588	0.57 590	0.65 580	0.40 580	0.54 594	0.66 590	0.49 594	0.56 588	0.45 536	0.66 585	0.69 583	0.67 588	0.56 589	0.63 594	0.56 595	0.59 602	0.48 600	0.50 590	0.50 597	0.52 592	0.58 601

MonStereo1	0.47 583	0.26 562	0.58 574	0.28 557	0.20 558	0.39 568	0.18 401	0.49 576	0.64 579	0.52 577	0.87 596	1.01 597	0.57 590	0.50 580	0.56 595	0.53 598	0.31 589	0.54 595	0.40 589	0.33 587	0.34 590

SPS-STEREO	0.57 589	0.58 591	0.65 580	0.45 585	0.55 596	0.62 586	0.44 593	0.62 593	0.50 549	0.68 587	0.64 578	0.66 587	0.57 590	0.61 593	0.60 598	0.62 604	0.47 599	0.51 591	0.49 595	0.55 596	0.58 601
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PVD	0.39 568	0.20 541	0.39 546	0.31 571	0.22 564	0.29 538	0.43 592	0.52 583	0.96 601	0.55 581	0.79 593	0.53 577	0.59 592	0.52 584	0.38 573	0.19 563	0.14 545	0.17 545	0.14 527	0.24 573	0.31 587

MANE	0.45 578	0.27 565	0.27 504	0.27 554	0.24 569	0.47 574	0.31 577	0.55 587	0.59 568	0.72 591	1.13 610	1.15 602	0.61 593	0.52 584	0.37 571	0.21 569	0.20 567	0.27 570	0.31 584	0.25 574	0.24 574

PWCK	0.71 594	0.94 608	0.95 603	0.76 597	0.31 583	0.74 595	0.36 582	0.90 601	0.90 599	0.96 604	0.75 591	0.95 596	0.61 593	0.87 607	0.66 601	0.72 607	0.46 595	0.75 601	0.49 595	0.69 605	0.44 597

BEATNet-Init1	0.52 585	0.27 565	0.62 578	0.30 567	0.21 562	0.76 599	0.29 563	0.54 586	0.65 582	0.86 600	0.95 601	2.07 618	0.62 595	0.56 591	0.42 582	0.18 558	0.18 561	0.23 564	0.22 566	0.22 565	0.21 569

NVStereoNet_ROB	0.46 582	0.36 581	0.46 559	0.41 582	0.28 578	0.34 553	0.34 580	0.48 574	0.60 572	0.72 591	0.93 599	0.70 591	0.66 596	0.47 578	0.60 598	0.22 574	0.33 590	0.34 583	0.34 587	0.30 582	0.30 586
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFMNet_re	0.64 590	0.66 597	0.65 580	0.51 589	0.69 606	0.69 591	0.57 600	0.64 594	0.73 592	0.60 583	0.73 587	0.62 583	0.67 597	0.65 595	0.60 598	0.66 606	0.58 613	0.63 596	0.59 601	0.68 603	0.69 610

MADNet+	0.75 597	0.71 599	3.70 619	0.66 594	0.41 587	0.98 607	0.97 615	0.69 596	0.73 592	0.52 577	0.57 574	0.64 584	0.68 598	0.86 606	1.01 614	0.34 587	0.36 592	0.28 577	0.23 570	0.36 588	0.31 587

ACVNet_2	0.66 593	0.66 597	0.68 588	0.63 593	0.41 587	0.71 593	0.49 594	0.96 606	1.39 611	0.89 601	1.09 606	1.04 598	0.73 599	0.54 589	0.47 587	0.43 592	0.40 593	0.53 594	0.44 592	0.47 590	0.35 592

TorneroNet-64	0.76 598	0.72 600	0.74 595	0.78 599	0.58 600	0.91 606	0.56 599	0.84 600	1.29 608	0.66 585	0.90 597	1.40 610	0.75 600	0.85 605	0.67 604	0.49 596	0.46 595	0.72 600	0.59 601	0.67 602	0.53 599

IMH-64-1	0.65 591	0.61 593	0.68 588	0.71 595	0.51 592	0.59 583	0.49 594	0.91 602	0.85 596	0.74 595	1.02 603	0.81 593	0.78 601	0.79 599	0.49 589	0.42 590	0.46 595	0.71 598	0.47 593	0.52 592	0.39 593

IMH-64	0.65 591	0.61 593	0.68 588	0.71 595	0.51 592	0.59 583	0.49 594	0.91 602	0.85 596	0.74 595	1.02 603	0.81 593	0.78 601	0.79 599	0.49 589	0.42 590	0.46 595	0.71 598	0.47 593	0.52 592	0.39 593

JetBlue	0.71 594	0.45 587	1.14 607	0.51 589	0.47 591	2.02 617	0.64 604	0.75 597	0.70 586	0.69 588	0.77 592	1.22 604	0.83 603	1.03 614	1.01 614	0.40 589	0.28 584	0.33 582	0.33 585	0.30 582	0.34 590

LVE	0.83 602	0.85 606	0.85 601	0.80 600	0.56 597	1.04 612	0.65 605	1.05 611	1.47 614	0.96 604	1.22 614	1.10 601	0.85 604	0.83 602	0.71 606	0.49 596	0.55 610	0.76 604	0.60 603	0.65 600	0.59 606

TorneroNet	0.82 601	0.74 601	0.81 600	0.84 602	0.63 603	0.99 608	0.63 602	0.96 606	1.16 605	0.80 598	1.11 608	1.36 609	0.86 605	0.93 610	0.80 609	0.56 599	0.49 602	0.78 606	0.66 606	0.73 608	0.63 609

IMH	0.71 594	0.64 596	0.68 588	0.76 597	0.54 594	0.69 591	0.54 598	0.98 608	1.10 604	0.82 599	1.09 606	0.89 595	0.88 606	0.87 607	0.52 594	0.44 593	0.50 604	0.75 601	0.51 598	0.56 597	0.41 596

WAO-7	0.79 599	0.78 602	0.54 566	0.85 603	0.67 605	0.74 595	0.68 608	1.05 611	1.32 609	0.90 602	1.20 613	1.04 598	0.92 607	0.69 596	0.66 601	0.60 603	0.62 614	0.67 597	0.68 607	0.64 599	0.58 601

JetRed	1.62 613	1.46 616	2.98 614	0.92 606	1.21 615	4.99 620	1.53 620	1.27 619	1.39 611	1.83 618	1.74 619	1.60 616	0.95 608	1.41 617	2.45 621	0.90 615	1.60 620	0.93 610	0.90 615	1.35 616	0.99 617

KSHMR	1.09 610	1.17 612	0.88 602	1.25 615	1.00 614	0.99 608	0.96 614	1.13 616	1.37 610	1.16 613	1.29 615	1.41 611	0.96 609	1.01 613	0.92 611	1.03 616	1.08 618	1.20 616	1.03 617	1.01 613	0.97 616

Dean	0.87 603	0.86 607	0.79 598	0.81 601	0.56 597	0.90 603	0.63 602	1.15 617	1.73 617	1.15 612	1.15 611	1.31 607	0.99 610	0.81 601	0.81 610	0.57 600	0.56 611	0.77 605	0.64 604	0.66 601	0.58 601

WAO-6	0.81 600	0.80 603	0.62 578	0.86 604	0.63 603	0.76 599	0.58 601	0.98 608	1.54 616	0.90 602	0.96 602	1.07 600	1.03 611	0.70 597	0.66 601	0.72 607	0.49 602	0.90 609	0.71 608	0.68 603	0.58 601

WAO-8	0.91 604	0.81 604	0.65 580	0.94 607	0.69 606	0.90 603	0.67 606	1.07 614	1.83 619	1.06 609	1.45 616	1.30 605	1.07 612	0.84 603	0.78 607	0.74 609	0.53 607	0.86 607	0.75 609	0.69 605	0.62 607

ktn	1.01 609	1.21 613	0.80 599	1.23 614	0.86 612	1.01 610	0.87 612	0.94 605	1.39 611	1.04 607	1.12 609	1.15 602	1.07 612	0.94 611	0.59 597	1.28 619	0.71 616	1.38 619	0.83 612	1.02 614	0.75 613

Venus	0.91 604	0.81 604	0.65 580	0.94 607	0.69 606	0.90 603	0.67 606	1.07 614	1.83 619	1.06 609	1.45 616	1.30 605	1.07 612	0.84 603	0.78 607	0.74 609	0.53 607	0.86 607	0.75 609	0.69 605	0.62 607

DPSimNet_ROB	1.11 611	1.23 614	0.78 596	1.13 612	0.88 613	1.10 613	1.13 616	1.16 618	1.23 607	1.43 616	1.02 603	1.41 611	1.10 615	0.90 609	1.60 616	1.46 620	0.51 606	1.21 617	1.03 617	0.90 611	1.01 618

notaker	0.97 607	1.11 611	0.98 604	1.13 612	0.81 610	0.73 594	0.68 608	0.93 604	1.16 605	1.18 614	1.18 612	1.41 611	1.16 616	1.08 616	0.69 605	0.81 612	0.64 615	1.17 615	0.79 611	0.98 612	0.80 614

UNDER WATER-64	0.95 606	0.94 608	1.43 611	0.87 605	0.56 597	1.18 615	0.87 612	0.77 598	0.94 600	1.04 607	0.85 595	1.58 615	1.21 617	0.94 611	0.96 612	0.87 613	0.57 612	1.03 613	0.88 614	0.78 609	0.73 611

UNDER WATER	0.97 607	0.97 610	1.42 610	0.99 609	0.70 609	1.12 614	0.84 611	0.80 599	1.08 603	1.01 606	0.90 597	1.55 614	1.22 618	1.03 614	1.00 613	0.78 611	0.53 607	1.02 612	0.87 613	0.80 610	0.74 612

HanzoNet	1.29 612	1.26 615	1.19 608	1.12 611	0.85 611	1.02 611	0.83 610	1.03 610	1.48 615	1.64 617	1.61 618	2.50 620	1.72 619	1.61 618	1.61 617	1.26 618	0.80 617	1.31 618	1.01 616	1.02 614	0.86 615

MADNet++	1.95 614	1.75 617	1.59 612	1.82 617	1.69 617	2.33 618	1.40 619	2.35 621	2.09 621	2.57 621	2.36 621	2.24 619	2.17 620	2.28 619	2.34 619	1.87 621	1.66 621	1.54 620	1.34 620	1.92 618	1.77 621

ASD4	3.54 616	3.38 621	2.05 613	1.72 616	2.51 619	9.03 624	17.71 626	2.25 620	5.51 623	2.46 620	2.81 622	2.03 617	3.36 621	2.73 620	5.06 622	1.22 617	1.34 619	1.13 614	1.33 619	1.68 617	1.49 620

tt	4.67 618	0.06 75	3.55 618	2.02 618	1.55 616	10.25 625	16.71 625	8.91 630	5.03 622	1.31 615	0.94 600	4.71 621	4.76 622	3.33 621	5.87 624	6.06 629	10.30 633	1.88 623	2.11 623	2.75 620	1.21 619

LRCNet_RVC	10.62 629	13.42 634	7.30 622	18.92 633	2.07 618	0.33 550	0.30 571	5.59 625	0.48 539	13.03 632	17.94 633	8.87 627	5.65 623	4.79 623	1.89 618	23.51 640	2.73 626	27.55 643	25.71 643	16.07 637	16.33 639

PML	8.91 626	9.34 633	6.13 621	5.35 622	6.41 623	14.99 628	23.38 633	5.27 622	6.83 624	18.04 636	28.19 644	7.67 626	6.83 624	7.85 627	5.75 623	5.35 628	1.83 622	5.95 632	1.93 622	8.64 629	2.52 623

USTest	6.22 619	2.73 620	3.00 615	6.57 625	7.29 624	14.37 627	21.57 627	7.00 629	9.56 628	5.34 625	6.10 623	5.72 624	7.64 625	6.41 626	6.96 625	1.97 622	3.42 627	1.64 621	2.15 624	2.66 619	2.36 622

xxxxx1	7.79 620	5.02 626	7.31 623	3.12 619	3.85 620	16.35 629	22.88 628	5.86 626	8.69 625	7.97 626	8.54 624	9.12 628	8.27 626	10.18 628	10.92 626	2.42 623	2.45 623	3.56 626	12.37 630	3.77 621	3.06 624

tt_ll	7.79 620	5.02 626	7.31 623	3.12 619	3.85 620	16.35 629	22.88 628	5.86 626	8.69 625	7.97 626	8.54 624	9.12 628	8.27 626	10.18 628	10.92 626	2.42 623	2.45 623	3.56 626	12.37 630	3.77 621	3.06 624

ff	7.79 620	5.02 626	7.31 623	3.12 619	3.85 620	16.35 629	22.88 628	5.86 626	8.69 625	7.97 626	8.54 624	9.12 628	8.27 626	10.18 628	10.92 626	2.42 623	2.45 623	3.56 626	12.37 630	3.77 621	3.06 624

DPSMNet_ROB	8.06 624	4.48 622	8.63 629	5.37 624	10.74 627	8.32 622	22.98 632	5.46 623	13.36 631	5.12 623	9.92 627	5.08 622	10.40 629	5.53 625	12.58 629	3.80 627	8.00 628	3.50 624	7.02 627	3.83 624	7.14 629

DGTPSM_ROB	8.06 624	4.48 622	8.63 629	5.35 622	10.72 626	8.32 622	22.97 631	5.46 623	13.35 630	5.12 623	9.92 627	5.08 622	10.40 629	5.52 624	12.58 629	3.79 626	8.00 628	3.50 624	7.02 627	3.83 624	7.14 629

Anonymous_1	10.96 630	7.92 630	7.46 626	10.33 626	10.06 625	18.65 633	26.34 634	11.06 633	13.44 632	9.40 629	10.05 629	9.67 631	11.23 631	10.73 631	12.72 631	6.42 630	8.38 630	5.77 629	10.61 629	12.12 630	6.77 628

DPSM_ROB	11.15 631	8.58 631	8.00 627	10.88 627	11.58 628	19.10 634	26.71 635	12.05 634	14.07 635	10.36 630	10.84 630	10.33 632	11.86 632	11.70 632	13.54 632	6.99 631	8.79 631	5.89 630	6.95 625	7.29 627	7.42 631

DPSM	11.15 631	8.58 631	8.00 627	10.88 627	11.58 628	19.10 634	26.71 635	12.05 634	14.07 635	10.36 630	10.84 630	10.33 632	11.86 632	11.70 632	13.54 632	6.99 631	8.79 631	5.89 630	6.95 625	7.29 627	7.42 631

HaxPig	15.71 633	18.52 641	19.18 637	16.89 632	15.89 633	7.73 621	7.60 622	13.31 636	10.82 629	15.42 633	14.91 632	15.98 634	14.92 634	15.58 634	15.98 634	18.95 639	16.73 634	19.46 639	18.08 639	19.26 638	19.05 642

MEDIAN_ROB	20.38 636	24.04 642	23.31 640	21.23 634	21.71 636	10.40 626	7.92 623	17.64 637	15.50 637	20.12 637	19.70 634	20.34 635	20.32 635	21.19 635	21.13 637	23.81 641	21.81 641	24.98 642	23.76 642	24.71 641	23.93 643

RSGM-EC	20.36 634	4.73 624	0.68 588	16.76 630	16.92 634	21.28 636	27.18 637	10.46 631	14.04 633	18.00 634	21.31 636	22.24 642	21.82 636	22.57 636	17.63 635	62.81 643	33.79 643	20.14 640	18.10 640	20.18 639	16.45 640

acva	20.36 634	4.73 624	0.68 588	16.76 630	16.92 634	21.28 636	27.18 637	10.46 631	14.04 633	18.00 634	21.31 636	22.24 642	21.82 636	22.57 636	17.63 635	62.81 643	33.79 643	20.14 640	18.10 640	20.18 639	16.45 640

FlowAnything	22.44 640	17.35 639	16.14 635	22.07 639	23.23 637	38.39 641	53.77 640	24.25 642	28.44 643	20.96 643	21.82 641	20.70 636	23.84 638	23.49 641	27.14 639	14.04 633	17.79 640	11.75 633	14.15 638	14.65 631	14.89 633

Selective-RAFT-Error	22.47 641	17.37 640	16.09 634	22.06 638	23.34 641	38.39 641	53.83 644	24.29 644	28.47 644	20.74 641	21.83 642	20.81 637	23.90 639	23.54 643	27.53 644	14.08 637	17.69 636	11.82 634	14.00 633	14.69 633	15.00 638

CasAABBNet	22.42 637	17.33 636	16.01 633	22.01 635	23.28 638	38.32 638	53.80 641	24.14 641	28.41 642	20.60 638	21.77 640	20.89 640	23.91 640	23.43 640	27.36 640	14.07 634	17.69 636	11.83 635	14.01 634	14.67 632	14.95 635

RAFT-FEzeroshot	22.43 638	17.33 636	15.98 631	22.02 636	23.31 639	38.34 639	53.82 642	24.05 639	28.39 640	20.61 639	21.76 638	20.88 638	23.92 641	23.41 638	27.42 642	14.07 634	17.69 636	11.83 635	14.02 635	14.69 633	14.97 636

RAFT-FE	22.43 638	17.33 636	15.98 631	22.02 636	23.31 639	38.34 639	53.82 642	24.05 639	28.39 640	20.61 639	21.76 638	20.88 638	23.92 641	23.41 638	27.42 642	14.07 634	17.69 636	11.83 635	14.02 635	14.69 633	14.97 636

LSM0	22.87 642	17.28 635	18.96 636	22.19 640	29.04 643	38.42 643	53.71 639	24.28 643	28.31 639	20.78 642	21.00 635	21.43 641	24.16 643	23.50 642	27.39 641	14.09 638	17.38 635	11.84 638	14.04 637	14.73 636	14.89 633

AVERAGE_ROB	24.90 643	29.20 643	28.14 641	24.89 641	24.64 642	17.75 632	11.12 624	21.45 638	19.93 638	25.12 644	24.46 643	25.12 644	25.46 644	24.69 644	22.83 638	29.76 642	27.13 642	28.97 644	27.95 644	29.91 642	29.47 644

test_example2	98.32 644	94.13 644	45.89 642	96.35 642	109.85 644	88.61 644	95.45 645	25.75 645	94.37 645	130.00 646	126.06 646	58.17 645	74.63 645	88.51 645	79.96 645	150.23 645	221.02 645	77.62 645	99.10 645	113.75 645	96.94 645

ccccc	245.47 645	285.66 645	306.18 645	368.85 645	370.60 645	123.16 645	145.33 646	115.05 646	110.08 646	126.68 645	110.87 645	122.83 646	165.88 646	252.94 646	276.56 646	384.56 646	353.86 646	254.69 646	223.00 646	425.87 646	386.83 646

Low-res two-view benchmark