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

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

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

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
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

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

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-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

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

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

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
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-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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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	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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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

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

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

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

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

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
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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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	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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

2.75w_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

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

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

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

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)
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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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-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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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_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

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

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

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

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

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

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)
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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-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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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
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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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

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

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
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
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

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

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

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
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

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
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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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