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

MCSU-Stereo	0.07 7	0.05 43	0.07 11	0.16 222	0.05 2	0.08 85	0.12 100	0.09 21	0.07 15	0.06 25	0.10 197	0.06 42	0.06 66	0.08 25	0.08 25	0.06 168	0.04 25	0.04 1	0.03 1	0.04 48	0.03 2

derf	0.07 7	0.04 1	0.10 189	0.14 70	0.06 28	0.05 4	0.12 100	0.12 85	0.09 52	0.05 2	0.07 65	0.07 124	0.08 229	0.10 124	0.10 208	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

mm2	0.07 7	0.04 1	0.10 189	0.13 22	0.06 28	0.06 14	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

mm1	0.07 7	0.04 1	0.10 189	0.13 22	0.06 28	0.06 14	0.12 100	0.06 1	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

qqai	0.07 7	0.05 43	0.10 189	0.14 70	0.06 28	0.05 4	0.12 100	0.08 12	0.09 52	0.05 2	0.06 23	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.05 50	0.03 1	0.04 48	0.05 207

MGA	0.07 7	0.04 1	0.10 189	0.13 22	0.06 28	0.08 85	0.09 20	0.12 85	0.08 25	0.05 2	0.06 23	0.06 42	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 207

monster-pro	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.07 43	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 123	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.05 7	0.08 186	0.05 14	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

PSi22b	0.06 1	0.04 1	0.09 123	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.08 186	0.05 14	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

PSi22a	0.06 1	0.04 1	0.09 123	0.12 7	0.05 2	0.06 14	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.06 42	0.05 14	0.08 25	0.09 104	0.07 343	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

LACA3	0.07 7	0.08 358	0.08 57	0.13 22	0.05 2	0.09 139	0.11 64	0.08 12	0.08 25	0.08 131	0.05 7	0.07 124	0.07 180	0.07 4	0.07 1	0.06 168	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

PSi22	0.08 85	0.06 117	0.11 252	0.16 222	0.07 134	0.08 85	0.10 35	0.14 146	0.08 25	0.08 131	0.06 23	0.10 260	0.06 66	0.12 295	0.09 104	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

Foundation-i1a	0.08 85	0.05 43	0.07 11	0.13 22	0.05 2	0.13 366	0.13 179	0.12 85	0.09 52	0.11 266	0.11 248	0.11 291	0.06 66	0.08 25	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

Foundation-i32	0.06 1	0.04 1	0.09 123	0.13 22	0.04 1	0.06 14	0.12 100	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

GeoVLM	0.08 85	0.04 1	0.10 189	0.13 22	0.06 28	0.10 202	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.11 291	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

DispViT+	0.08 85	0.05 43	0.09 123	0.13 22	0.06 28	0.05 4	0.11 64	0.18 302	0.16 291	0.09 183	0.08 125	0.07 124	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

MatchStereo	0.07 7	0.04 1	0.08 57	0.14 70	0.06 28	0.05 4	0.12 100	0.12 85	0.09 52	0.07 75	0.06 23	0.04 1	0.04 1	0.08 25	0.09 104	0.06 168	0.05 276	0.05 50	0.03 1	0.04 48	0.04 73
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
MonSter++	0.08 85	0.04 1	0.10 189	0.13 22	0.06 28	0.09 139	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.11 291	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

HiDET	0.08 85	0.04 1	0.10 189	0.13 22	0.06 28	0.08 85	0.12 100	0.12 85	0.11 110	0.06 25	0.07 65	0.07 124	0.07 180	0.11 199	0.11 291	0.06 168	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

LCMNet	0.08 85	0.05 43	0.10 189	0.13 22	0.07 134	0.09 139	0.12 100	0.10 35	0.11 110	0.06 25	0.08 125	0.06 42	0.07 180	0.11 199	0.10 208	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

CSFM-Stereo	0.07 7	0.05 43	0.07 11	0.14 70	0.06 28	0.09 139	0.13 179	0.15 188	0.06 6	0.07 75	0.08 125	0.06 42	0.08 229	0.09 59	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

VIP-Stereo	0.07 7	0.07 239	0.07 11	0.15 124	0.06 28	0.12 310	0.10 35	0.11 58	0.11 110	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.03 1	0.02 1

252Zero-FE	0.08 85	0.04 1	0.09 123	0.13 22	0.07 134	0.12 310	0.11 64	0.13 115	0.14 225	0.06 25	0.05 7	0.06 42	0.05 14	0.09 59	0.10 208	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.06 310

MonStereo	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.08 85	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 43	0.07 11	0.16 222	0.06 28	0.07 43	0.11 64	0.10 35	0.08 25	0.06 25	0.06 23	0.07 124	0.07 180	0.09 59	0.09 104	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.08 85	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 123	0.13 22	0.06 28	0.05 4	0.09 20	0.11 58	0.07 15	0.06 25	0.06 23	0.05 5	0.06 66	0.09 59	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.05 207

Replicate-Monster	0.07 7	0.05 43	0.09 123	0.14 70	0.06 28	0.08 85	0.09 20	0.13 115	0.13 192	0.05 2	0.07 65	0.06 42	0.06 66	0.08 25	0.10 208	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

asda	0.07 7	0.08 358	0.08 57	0.16 222	0.06 28	0.06 14	0.10 35	0.16 228	0.10 77	0.06 25	0.06 23	0.05 5	0.05 14	0.10 124	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.25_new	0.07 7	0.08 358	0.09 123	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 295	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 358	0.09 123	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 295	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 358	0.09 123	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 295	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2.75w_new	0.07 7	0.07 239	0.07 11	0.13 22	0.06 28	0.08 85	0.08 7	0.18 302	0.12 149	0.07 75	0.08 125	0.06 42	0.06 66	0.09 59	0.11 291	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 73

3.25w_new	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.07 3	0.12 85	0.11 110	0.08 131	0.06 23	0.07 124	0.06 66	0.11 199	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.07 3	0.12 85	0.11 110	0.08 131	0.06 23	0.07 124	0.06 66	0.11 199	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 239	0.08 57	0.16 222	0.07 134	0.07 43	0.09 20	0.16 228	0.09 52	0.07 75	0.06 23	0.05 5	0.06 66	0.09 59	0.10 208	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 239	0.07 11	0.15 124	0.07 134	0.09 139	0.06 1	0.13 115	0.11 110	0.07 75	0.07 65	0.06 42	0.07 180	0.10 124	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3w_stereo	0.08 85	0.09 440	0.10 189	0.17 309	0.07 134	0.08 85	0.10 35	0.20 345	0.13 192	0.06 25	0.07 65	0.05 5	0.06 66	0.08 25	0.09 104	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

1w_stereo	0.07 7	0.06 117	0.07 11	0.16 222	0.06 28	0.07 43	0.10 35	0.14 146	0.14 225	0.07 75	0.08 125	0.05 5	0.06 66	0.09 59	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 73

LG-Stereo_L2	0.07 7	0.05 43	0.10 189	0.14 70	0.06 28	0.07 43	0.12 100	0.09 21	0.09 52	0.06 25	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

LG-Stereo_L1	0.07 7	0.05 43	0.11 252	0.14 70	0.06 28	0.07 43	0.13 179	0.09 21	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

MLG-Stereo_test2	0.06 1	0.04 1	0.10 189	0.15 124	0.05 2	0.07 43	0.11 64	0.09 21	0.04 2	0.06 25	0.05 7	0.06 42	0.04 1	0.08 25	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 207

MLG-Stereo_test1	0.06 1	0.05 43	0.08 57	0.17 309	0.05 2	0.06 14	0.11 64	0.08 12	0.03 1	0.05 2	0.04 1	0.06 42	0.05 14	0.09 59	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

MLG-Stereo	0.07 7	0.05 43	0.08 57	0.17 309	0.05 2	0.07 43	0.11 64	0.08 12	0.04 2	0.05 2	0.04 1	0.06 42	0.05 14	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

DEFOM-Stereo_RVC	0.08 85	0.06 117	0.09 123	0.22 590	0.06 28	0.08 85	0.12 100	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.05 14	0.11 199	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.06 293	0.04 73

FoundationStereo	0.06 1	0.04 1	0.08 57	0.12 7	0.05 2	0.09 139	0.13 179	0.06 1	0.09 52	0.05 2	0.05 7	0.06 42	0.04 1	0.06 1	0.07 1	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

StereoAnything_RVC	0.07 7	0.15 598	0.17 508	0.11 1	0.05 2	0.05 4	0.11 64	0.08 12	0.08 25	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.08 426	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

MonSter	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.07 43	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 43	0.07 11	0.14 70	0.06 28	0.10 202	0.13 179	0.07 7	0.13 192	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

dual_stereo	0.07 7	0.04 1	0.08 57	0.15 124	0.05 2	0.05 4	0.13 179	0.12 85	0.08 25	0.07 75	0.06 23	0.05 5	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

Pointernet	0.09 176	0.04 1	0.09 123	0.16 222	0.08 220	0.13 366	0.10 35	0.15 188	0.17 321	0.09 183	0.07 65	0.06 42	0.06 66	0.11 199	0.09 104	0.08 426	0.04 25	0.05 50	0.03 1	0.06 293	0.05 207

trnet	0.08 85	0.05 43	0.07 11	0.12 7	0.05 2	0.12 310	0.11 64	0.13 115	0.10 77	0.08 131	0.13 289	0.09 223	0.08 229	0.11 199	0.10 208	0.08 426	0.05 276	0.05 50	0.03 1	0.06 293	0.05 207

LoS_RVC	0.08 85	0.05 43	0.07 11	0.15 124	0.07 134	0.08 85	0.15 334	0.11 58	0.10 77	0.08 131	0.09 161	0.06 42	0.09 270	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

CAS	0.08 85	0.04 1	0.07 11	0.17 309	0.08 220	0.10 202	0.13 179	0.12 85	0.09 52	0.09 183	0.10 197	0.08 186	0.06 66	0.09 59	0.08 25	0.08 426	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

LoS	0.09 176	0.05 43	0.11 252	0.13 22	0.07 134	0.14 403	0.11 64	0.15 188	0.15 252	0.09 183	0.09 161	0.12 313	0.09 270	0.15 412	0.10 208	0.07 343	0.05 276	0.05 50	0.03 1	0.05 170	0.05 207
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.08 85	0.04 1	0.08 57	0.14 70	0.07 134	0.09 139	0.14 246	0.11 58	0.09 52	0.08 131	0.09 161	0.11 291	0.06 66	0.12 295	0.08 25	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 207

XX-TBD	0.09 176	0.06 117	0.07 11	0.14 70	0.07 134	0.12 310	0.16 405	0.14 146	0.13 192	0.11 266	0.12 270	0.09 223	0.08 229	0.10 124	0.10 208	0.06 168	0.04 25	0.05 50	0.03 1	0.06 293	0.05 207

CREStereo	0.09 176	0.04 1	0.08 57	0.11 1	0.06 28	0.13 366	0.14 246	0.14 146	0.10 77	0.08 131	0.13 289	0.09 223	0.08 229	0.11 199	0.10 208	0.08 426	0.04 25	0.05 50	0.03 1	0.06 293	0.06 310
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 176	0.05 43	0.09 123	0.12 7	0.06 28	0.12 310	0.14 246	0.15 188	0.11 110	0.09 183	0.13 289	0.10 260	0.07 180	0.13 351	0.10 208	0.15 632	0.04 25	0.05 50	0.03 1	0.07 381	0.06 310

HLF11	0.11 299	0.05 43	0.13 353	0.12 7	0.08 220	0.14 403	0.11 64	0.22 398	0.10 77	0.12 309	0.23 459	0.11 291	0.11 351	0.14 385	0.13 402	0.08 426	0.05 276	0.05 50	0.04 60	0.08 450	0.08 471

quiztm	0.08 85	0.07 239	0.08 57	0.18 402	0.07 134	0.09 139	0.14 246	0.14 146	0.12 149	0.07 75	0.07 65	0.05 5	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.04 60	0.04 48	0.03 2

CAR	0.07 7	0.05 43	0.08 57	0.14 70	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

MSE-Stereo	0.07 7	0.04 1	0.08 57	0.13 22	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

PointNet	0.07 7	0.06 117	0.07 11	0.15 124	0.07 134	0.08 85	0.14 246	0.11 58	0.08 25	0.05 2	0.07 65	0.08 186	0.08 229	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

TS12	0.08 85	0.06 117	0.09 123	0.21 573	0.07 134	0.11 256	0.13 179	0.11 58	0.09 52	0.10 230	0.10 197	0.08 186	0.10 314	0.09 59	0.12 355	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

DF	0.08 85	0.05 43	0.09 123	0.15 124	0.06 28	0.11 256	0.13 179	0.10 35	0.12 149	0.09 183	0.10 197	0.10 260	0.08 229	0.11 199	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

LiteMatch*	0.08 85	0.04 1	0.11 252	0.13 22	0.08 220	0.08 85	0.13 179	0.14 146	0.09 52	0.05 2	0.05 7	0.05 5	0.09 270	0.11 199	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 207

aanet-new-90k	0.08 85	0.07 239	0.08 57	0.19 472	0.06 28	0.07 43	0.12 100	0.12 85	0.13 192	0.06 25	0.07 65	0.06 42	0.06 66	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-60k	0.07 7	0.07 239	0.08 57	0.18 402	0.06 28	0.07 43	0.10 35	0.09 21	0.14 225	0.07 75	0.07 65	0.06 42	0.06 66	0.11 199	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-70k	0.07 7	0.06 117	0.09 123	0.17 309	0.06 28	0.08 85	0.12 100	0.11 58	0.10 77	0.06 25	0.07 65	0.07 124	0.06 66	0.10 124	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 239	0.09 123	0.19 472	0.06 28	0.07 43	0.12 100	0.11 58	0.13 192	0.06 25	0.07 65	0.06 42	0.06 66	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-40k	0.07 7	0.08 358	0.07 11	0.17 309	0.07 134	0.08 85	0.13 179	0.10 35	0.10 77	0.07 75	0.08 125	0.06 42	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-36k	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.09 139	0.13 179	0.11 58	0.13 192	0.08 131	0.08 125	0.06 42	0.05 14	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-34k	0.08 85	0.06 117	0.09 123	0.17 309	0.05 2	0.07 43	0.13 179	0.12 85	0.12 149	0.09 183	0.08 125	0.07 124	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-32k-new	0.08 85	0.07 239	0.08 57	0.18 402	0.06 28	0.08 85	0.12 100	0.11 58	0.12 149	0.07 75	0.08 125	0.05 5	0.07 180	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 293	0.04 73

aanet-new-32k	0.08 85	0.07 239	0.09 123	0.18 402	0.06 28	0.11 256	0.11 64	0.10 35	0.08 25	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-30k	0.08 85	0.07 239	0.09 123	0.18 402	0.06 28	0.11 256	0.11 64	0.10 35	0.08 25	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-28k	0.08 85	0.07 239	0.09 123	0.18 402	0.06 28	0.08 85	0.12 100	0.10 35	0.09 52	0.09 183	0.08 125	0.08 186	0.06 66	0.12 295	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

GCAP-Stereo-DPT26K	0.07 7	0.06 117	0.07 11	0.16 222	0.06 28	0.08 85	0.12 100	0.10 35	0.08 25	0.06 25	0.09 161	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 239	0.07 11	0.17 309	0.06 28	0.07 43	0.12 100	0.09 21	0.11 110	0.09 183	0.09 161	0.06 42	0.07 180	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-22k	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.08 85	0.11 64	0.14 146	0.12 149	0.09 183	0.09 161	0.08 186	0.06 66	0.10 124	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-16k	0.08 85	0.08 358	0.08 57	0.18 402	0.06 28	0.07 43	0.09 20	0.13 115	0.12 149	0.08 131	0.07 65	0.07 124	0.06 66	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-10k	0.08 85	0.08 358	0.08 57	0.19 472	0.07 134	0.08 85	0.12 100	0.14 146	0.11 110	0.07 75	0.08 125	0.07 124	0.07 180	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-12k	0.08 85	0.09 440	0.07 11	0.20 540	0.08 220	0.08 85	0.13 179	0.12 85	0.13 192	0.08 131	0.08 125	0.05 5	0.07 180	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.06 293	0.04 73

aanet-new-14k	0.08 85	0.09 440	0.08 57	0.19 472	0.06 28	0.07 43	0.10 35	0.14 146	0.15 252	0.06 25	0.08 125	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-8k	0.08 85	0.07 239	0.08 57	0.19 472	0.07 134	0.09 139	0.12 100	0.16 228	0.15 252	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

aanet-new	0.08 85	0.09 440	0.10 189	0.18 402	0.08 220	0.10 202	0.12 100	0.15 188	0.12 149	0.08 131	0.08 125	0.05 5	0.07 180	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 293	0.04 73

GCAP-Stereo-cres-4k	0.08 85	0.07 239	0.08 57	0.18 402	0.07 134	0.11 256	0.14 246	0.12 85	0.11 110	0.07 75	0.11 248	0.07 124	0.06 66	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

GCAP-Stereo-DPT-cres	0.08 85	0.05 43	0.07 11	0.15 124	0.06 28	0.10 202	0.14 246	0.13 115	0.12 149	0.07 75	0.09 161	0.07 124	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 85	0.06 117	0.15 441	0.14 70	0.06 28	0.08 85	0.13 179	0.13 115	0.11 110	0.07 75	0.08 125	0.07 124	0.06 66	0.09 59	0.08 25	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-22K	0.08 85	0.06 117	0.07 11	0.17 309	0.06 28	0.07 43	0.14 246	0.13 115	0.16 291	0.05 2	0.10 197	0.06 42	0.06 66	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-20K	0.07 7	0.05 43	0.11 252	0.15 124	0.06 28	0.07 43	0.13 179	0.09 21	0.11 110	0.07 75	0.08 125	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-24K	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.15 334	0.12 85	0.11 110	0.06 25	0.11 248	0.06 42	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-2K	0.08 85	0.06 117	0.10 189	0.16 222	0.07 134	0.11 256	0.13 179	0.14 146	0.14 225	0.08 131	0.13 289	0.05 5	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-3K	0.08 85	0.07 239	0.10 189	0.16 222	0.07 134	0.09 139	0.12 100	0.15 188	0.14 225	0.08 131	0.11 248	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-50K	0.08 85	0.06 117	0.17 508	0.15 124	0.06 28	0.06 14	0.13 179	0.13 115	0.13 192	0.07 75	0.07 65	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 85	0.06 117	0.07 11	0.16 222	0.06 28	0.06 14	0.14 246	0.14 146	0.14 225	0.07 75	0.10 197	0.06 42	0.05 14	0.09 59	0.09 104	0.04 11	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 85	0.05 43	0.12 300	0.15 124	0.06 28	0.10 202	0.14 246	0.12 85	0.12 149	0.07 75	0.09 161	0.06 42	0.06 66	0.10 124	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

RT-Monster	0.09 176	0.05 43	0.09 123	0.14 70	0.08 220	0.11 256	0.10 35	0.17 267	0.18 354	0.13 343	0.10 197	0.09 223	0.08 229	0.10 124	0.10 208	0.07 343	0.05 276	0.05 50	0.04 60	0.05 170	0.06 310

Foundation-i1c-attn	0.08 85	0.05 43	0.07 11	0.14 70	0.05 2	0.09 139	0.12 100	0.12 85	0.10 77	0.09 183	0.10 197	0.10 260	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Foundation-i1b	0.08 85	0.05 43	0.07 11	0.14 70	0.05 2	0.09 139	0.12 100	0.13 115	0.10 77	0.09 183	0.10 197	0.09 223	0.06 66	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 117	0.08 57	0.17 309	0.06 28	0.08 85	0.12 100	0.13 115	0.07 15	0.08 131	0.07 65	0.06 42	0.04 1	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

LACA2	0.07 7	0.05 43	0.06 5	0.15 124	0.06 28	0.09 139	0.11 64	0.11 58	0.10 77	0.05 2	0.05 7	0.06 42	0.08 229	0.09 59	0.07 1	0.07 343	0.04 25	0.04 1	0.04 60	0.04 48	0.04 73

LACA1	0.07 7	0.07 239	0.07 11	0.14 70	0.05 2	0.09 139	0.11 64	0.10 35	0.07 15	0.05 2	0.05 7	0.06 42	0.07 180	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.04 60	0.03 1	0.04 73

Test_v1	0.07 7	0.04 1	0.06 5	0.13 22	0.06 28	0.08 85	0.11 64	0.15 188	0.12 149	0.06 25	0.05 7	0.04 1	0.05 14	0.08 25	0.10 208	0.07 343	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

VMStereo-Base	0.09 176	0.05 43	0.10 189	0.13 22	0.07 134	0.10 202	0.10 35	0.16 228	0.13 192	0.10 230	0.15 326	0.10 260	0.09 270	0.11 199	0.10 208	0.07 343	0.05 276	0.05 50	0.04 60	0.05 170	0.06 310

gcap_with_dpt	0.08 85	0.06 117	0.09 123	0.16 222	0.07 134	0.09 139	0.12 100	0.13 115	0.13 192	0.08 131	0.12 270	0.04 1	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

WQFJA1++	0.08 85	0.04 1	0.11 252	0.14 70	0.07 134	0.11 256	0.11 64	0.11 58	0.07 15	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.06 293	0.06 310

BridgeDepth_RVC	0.07 7	0.04 1	0.09 123	0.11 1	0.05 2	0.10 202	0.10 35	0.14 146	0.09 52	0.06 25	0.07 65	0.06 42	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.04 1	0.04 60	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GEAStereo	0.08 85	0.05 43	0.08 57	0.13 22	0.08 220	0.08 85	0.14 246	0.10 35	0.09 52	0.08 131	0.10 197	0.06 42	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

BridgeDepth	0.07 7	0.07 239	0.08 57	0.18 402	0.06 28	0.07 43	0.11 64	0.09 21	0.06 6	0.04 1	0.07 65	0.10 260	0.09 270	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GSStereo	0.08 85	0.05 43	0.08 57	0.13 22	0.08 220	0.08 85	0.14 246	0.11 58	0.12 149	0.08 131	0.10 197	0.05 5	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

GS-Stereo							0.14 246	0.11 58	0.12 149	0.08 131	0.10 197	0.05 5	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

gasm-f	0.08 85	0.05 43	0.07 11	0.13 22	0.08 220	0.08 85	0.14 246	0.10 35	0.09 52	0.08 131	0.10 197	0.06 42	0.05 14	0.10 124	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.06 293	0.05 207

DLNR-FE	10.43 728	1.83 718	19.53 745	120.75 749	13.06 735	0.06 14	0.13 179	0.23 421	0.10 77	0.07 75	0.10 197	0.09 223	0.06 66	0.10 124	0.09 104	0.13 614	0.04 25	0.06 200	0.04 60	52.01 750	0.04 73

DDF-Stereo	0.08 85	0.04 1	0.09 123	0.15 124	0.10 469	0.06 14	0.13 179	0.09 21	0.14 225	0.06 25	0.06 23	0.07 124	0.06 66	0.09 59	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.08 450	0.05 207

Zero-FE251	0.07 7	0.05 43	0.09 123	0.13 22	0.06 28	0.12 310	0.12 100	0.11 58	0.10 77	0.07 75	0.08 125	0.06 42	0.06 66	0.09 59	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

DA	0.08 85	0.07 239	0.07 11	0.19 472	0.08 220	0.09 139	0.12 100	0.13 115	0.12 149	0.08 131	0.10 197	0.10 260	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.03 2

zero-FE	0.08 85	0.04 1	0.09 123	0.15 124	0.10 469	0.05 4	0.14 246	0.09 21	0.14 225	0.07 75	0.06 23	0.07 124	0.06 66	0.09 59	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.08 450	0.05 207

GGEV	0.08 85	0.07 239	0.07 11	0.19 472	0.08 220	0.09 139	0.12 100	0.13 115	0.12 149	0.08 131	0.10 197	0.10 260	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.03 2

AdaDepth	0.07 7	0.06 117	0.07 11	0.18 402	0.06 28	0.11 256	0.12 100	0.09 21	0.07 15	0.06 25	0.05 7	0.07 124	0.06 66	0.09 59	0.10 208	0.04 11	0.05 276	0.05 50	0.04 60	0.04 48	0.04 73

GASTEREO	0.08 85	0.05 43	0.09 123	0.19 472	0.07 134	0.07 43	0.12 100	0.14 146	0.11 110	0.10 230	0.09 161	0.07 124	0.04 1	0.12 295	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.04 48	0.05 207

MSCF	0.08 85	0.05 43	0.08 57	0.19 472	0.08 220	0.06 14	0.12 100	0.14 146	0.11 110	0.10 230	0.09 161	0.07 124	0.04 1	0.11 199	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 207

asd	0.07 7	0.08 358	0.07 11	0.16 222	0.07 134	0.08 85	0.08 7	0.11 58	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.09 104	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

qwe	0.07 7	0.08 358	0.07 11	0.15 124	0.06 28	0.07 43	0.10 35	0.18 302	0.11 110	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.09 104	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

depthmonostereo	0.09 176	0.06 117	0.09 123	0.15 124	0.06 28	0.10 202	0.13 179	0.14 146	0.14 225	0.10 230	0.10 197	0.09 223	0.11 351	0.08 25	0.09 104	0.06 168	0.05 276	0.06 200	0.04 60	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 176	0.05 43	0.08 57	0.15 124	0.06 28	0.11 256	0.12 100	0.14 146	0.16 291	0.11 266	0.11 248	0.09 223	0.09 270	0.11 199	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.03 1	0.03 2

2.25w	0.07 7	0.06 117	0.07 11	0.14 70	0.06 28	0.08 85	0.08 7	0.10 35	0.15 252	0.08 131	0.10 197	0.07 124	0.06 66	0.08 25	0.10 208	0.05 51	0.03 1	0.04 1	0.04 60	0.03 1	0.04 73

4.5_new	0.07 7	0.09 440	0.08 57	0.15 124	0.07 134	0.06 14	0.10 35	0.14 146	0.11 110	0.06 25	0.08 125	0.06 42	0.06 66	0.08 25	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 440	0.08 57	0.15 124	0.07 134	0.06 14	0.10 35	0.14 146	0.11 110	0.06 25	0.08 125	0.06 42	0.06 66	0.08 25	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 358	0.08 57	0.16 222	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.07 75	0.07 65	0.05 5	0.06 66	0.09 59	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.5w	0.07 7	0.07 239	0.07 11	0.16 222	0.06 28	0.08 85	0.12 100	0.10 35	0.10 77	0.07 75	0.06 23	0.09 223	0.06 66	0.08 25	0.09 104	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

2w_stereo	0.08 85	0.08 358	0.09 123	0.16 222	0.06 28	0.08 85	0.10 35	0.20 345	0.15 252	0.08 131	0.07 65	0.06 42	0.06 66	0.06 1	0.09 104	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

monsterstereo	0.07 7	0.06 117	0.06 5	0.16 222	0.06 28	0.08 85	0.10 35	0.16 228	0.11 110	0.07 75	0.08 125	0.06 42	0.07 180	0.08 25	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

monsters	0.07 7	0.06 117	0.06 5	0.15 124	0.06 28	0.08 85	0.09 20	0.12 85	0.08 25	0.09 183	0.07 65	0.06 42	0.06 66	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 57	0.13 22	0.06 28	0.09 139	0.12 100	0.14 146	0.10 77	0.06 25	0.09 161	0.07 124	0.05 14	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

111111	0.07 7	0.04 1	0.09 123	0.17 309	0.06 28	0.05 4	0.10 35	0.11 58	0.09 52	0.06 25	0.06 23	0.07 124	0.05 14	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.07 381	0.06 310

MLG-Stereo_test3	0.07 7	0.05 43	0.10 189	0.14 70	0.06 28	0.07 43	0.11 64	0.08 12	0.06 6	0.06 25	0.04 1	0.06 42	0.06 66	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.06 310

LG-G_1	0.07 7	0.04 1	0.11 252	0.15 124	0.06 28	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 180	0.11 199	0.08 25	0.07 343	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

LG-G	0.07 7	0.04 1	0.11 252	0.15 124	0.06 28	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 180	0.11 199	0.08 25	0.07 343	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

LGtest1	0.07 7	0.04 1	0.10 189	0.15 124	0.06 28	0.07 43	0.09 20	0.08 12	0.06 6	0.05 2	0.04 1	0.06 42	0.06 66	0.10 124	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.06 293	0.06 310

LG-Stereo_Zeroshot	0.07 7	0.06 117	0.10 189	0.16 222	0.07 134	0.04 1	0.13 179	0.10 35	0.10 77	0.05 2	0.11 248	0.07 124	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

SGD-Stereo	0.08 85	0.05 43	0.10 189	0.14 70	0.05 2	0.12 310	0.12 100	0.11 58	0.12 149	0.07 75	0.09 161	0.09 223	0.09 270	0.08 25	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

HART	0.08 85	0.07 239	0.09 123	0.17 309	0.07 134	0.10 202	0.16 405	0.13 115	0.11 110	0.08 131	0.10 197	0.07 124	0.05 14	0.10 124	0.08 25	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.04 73

GREAT-IGEV	0.07 7	0.06 117	0.08 57	0.13 22	0.07 134	0.07 43	0.14 246	0.09 21	0.09 52	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
Reg-Stereo(zero)	0.08 85	0.05 43	0.08 57	0.16 222	0.06 28	0.12 310	0.11 64	0.15 188	0.10 77	0.12 309	0.09 161	0.10 260	0.08 229	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

SCV_C0	0.08 85	0.07 239	0.07 11	0.16 222	0.09 355	0.08 85	0.15 334	0.11 58	0.12 149	0.08 131	0.07 65	0.06 42	0.05 14	0.11 199	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.06 293	0.05 207

SCV	0.08 85	0.09 440	0.08 57	0.15 124	0.08 220	0.10 202	0.13 179	0.10 35	0.12 149	0.07 75	0.07 65	0.06 42	0.04 1	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.04 60	0.06 293	0.04 73

AIO_rvc	0.07 7	0.06 117	0.08 57	0.15 124	0.06 28	0.08 85	0.14 246	0.09 21	0.08 25	0.07 75	0.08 125	0.07 124	0.04 1	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

HUF	0.08 85	0.05 43	0.08 57	0.14 70	0.06 28	0.09 139	0.13 179	0.13 115	0.13 192	0.07 75	0.07 65	0.08 186	0.06 66	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

AIO_test	0.07 7	0.05 43	0.07 11	0.15 124	0.07 134	0.06 14	0.14 246	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.05 14	0.08 25	0.10 208	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

castereo++	0.08 85	0.05 43	0.08 57	0.15 124	0.05 2	0.14 403	0.12 100	0.11 58	0.15 252	0.07 75	0.07 65	0.07 124	0.06 66	0.08 25	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

IGEV-RUCA	0.08 85	0.06 117	0.11 252	0.14 70	0.09 355	0.10 202	0.12 100	0.10 35	0.12 149	0.06 25	0.07 65	0.07 124	0.06 66	0.09 59	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.06 310

castereo	0.09 176	0.06 117	0.11 252	0.15 124	0.06 28	0.11 256	0.15 334	0.14 146	0.18 354	0.08 131	0.10 197	0.11 291	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

GIP-stereo	0.08 85	0.06 117	0.11 252	0.14 70	0.06 28	0.09 139	0.13 179	0.14 146	0.11 110	0.07 75	0.08 125	0.05 5	0.04 1	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

WCG-NET	0.08 85	0.05 43	0.09 123	0.15 124	0.06 28	0.11 256	0.14 246	0.13 115	0.13 192	0.06 25	0.09 161	0.07 124	0.06 66	0.13 351	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

IGEV-Stereo++	0.07 7	0.06 117	0.08 57	0.18 402	0.06 28	0.04 1	0.10 35	0.11 58	0.11 110	0.06 25	0.07 65	0.07 124	0.06 66	0.09 59	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

Occ-G	0.08 85	0.05 43	0.06 5	0.14 70	0.07 134	0.08 85	0.14 246	0.13 115	0.15 252	0.07 75	0.11 248	0.07 124	0.05 14	0.09 59	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 207

U	0.08 85	0.07 239	0.09 123	0.19 472	0.10 469	0.10 202	0.13 179	0.12 85	0.17 321	0.07 75	0.07 65	0.06 42	0.05 14	0.07 4	0.08 25	0.06 168	0.04 25	0.06 200	0.04 60	0.06 293	0.05 207

IGEV-Stereo+	0.07 7	0.04 1	0.08 57	0.15 124	0.06 28	0.04 1	0.09 20	0.10 35	0.09 52	0.06 25	0.06 23	0.06 42	0.06 66	0.06 1	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.06 293	0.06 310

AIO-Stereo	0.08 85	0.06 117	0.09 123	0.18 402	0.06 28	0.08 85	0.12 100	0.15 188	0.09 52	0.08 131	0.08 125	0.07 124	0.05 14	0.11 199	0.08 25	0.05 51	0.05 276	0.05 50	0.04 60	0.04 48	0.04 73

WCG-NET（raft）	0.08 85	0.05 43	0.10 189	0.15 124	0.06 28	0.11 256	0.13 179	0.15 188	0.12 149	0.08 131	0.07 65	0.06 42	0.06 66	0.13 351	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

RSM	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.08 85	0.12 100	0.12 85	0.10 77	0.08 131	0.07 65	0.06 42	0.05 14	0.11 199	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

RAFT-Stereo-weight	0.09 176	0.06 117	0.10 189	0.16 222	0.07 134	0.09 139	0.14 246	0.19 333	0.16 291	0.11 266	0.10 197	0.08 186	0.06 66	0.10 124	0.11 291	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

GCAPDPT-zeroshot4090	0.07 7	0.05 43	0.11 252	0.15 124	0.06 28	0.07 43	0.13 179	0.09 21	0.11 110	0.07 75	0.08 125	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

MoCha-V2	0.08 85	0.05 43	0.10 189	0.20 540	0.07 134	0.09 139	0.14 246	0.11 58	0.08 25	0.07 75	0.08 125	0.07 124	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

IGEV++	0.08 85	0.06 117	0.08 57	0.18 402	0.07 134	0.09 139	0.13 179	0.10 35	0.09 52	0.08 131	0.08 125	0.06 42	0.06 66	0.13 351	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

MSKI-zero shot	0.09 176	0.05 43	0.09 123	0.15 124	0.07 134	0.10 202	0.13 179	0.14 146	0.13 192	0.09 183	0.09 161	0.09 223	0.06 66	0.12 295	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

DLNR_Zeroshot_test	10.40 727	1.82 717	19.49 744	120.77 750	13.11 736	0.06 14	0.13 179	0.23 421	0.10 77	0.07 75	0.10 197	0.09 223	0.06 66	0.10 124	0.09 104	0.13 614	0.04 25	0.06 200	0.04 60	51.54 749	0.04 73

GCAP-Stereo	0.09 176	0.07 239	0.13 353	0.18 402	0.06 28	0.11 256	0.07 3	0.13 115	0.12 149	0.09 183	0.10 197	0.07 124	0.09 270	0.13 351	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.04 48	0.05 207

Any-RAFT	0.10 246	0.05 43	0.09 123	0.14 70	0.07 134	0.13 366	0.14 246	0.21 372	0.15 252	0.11 266	0.12 270	0.12 313	0.09 270	0.12 295	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.06 293	0.05 207

RAFT-Test	0.09 176	0.06 117	0.10 189	0.15 124	0.07 134	0.11 256	0.15 334	0.16 228	0.13 192	0.09 183	0.10 197	0.10 260	0.09 270	0.12 295	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

anonymousdsp2	0.11 299	0.07 239	0.10 189	0.16 222	0.09 355	0.13 366	0.14 246	0.18 302	0.22 427	0.13 343	0.14 305	0.12 313	0.09 270	0.14 385	0.11 291	0.05 51	0.04 25	0.05 50	0.04 60	0.06 293	0.05 207

Selective-IGEV	0.07 7	0.06 117	0.08 57	0.17 309	0.06 28	0.08 85	0.12 100	0.13 115	0.07 15	0.08 131	0.07 65	0.06 42	0.04 1	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

DCANet-4	0.10 246	0.06 117	0.12 300	0.16 222	0.06 28	0.09 139	0.17 447	0.18 302	0.19 373	0.13 343	0.16 339	0.09 223	0.14 450	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

fff	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.09 139	0.17 447	0.16 228	0.20 397	0.13 343	0.16 339	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

ADStereo(finetuned)	0.10 246	0.06 117	0.12 300	0.16 222	0.06 28	0.09 139	0.17 447	0.15 188	0.19 373	0.13 343	0.17 363	0.10 260	0.12 384	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

CroCo-Stereo	0.09 176	0.08 358	0.08 57	0.22 590	0.09 355	0.09 139	0.19 536	0.15 188	0.12 149	0.07 75	0.07 65	0.08 186	0.06 66	0.08 25	0.07 1	0.07 343	0.05 276	0.06 200	0.04 60	0.05 170	0.04 73
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 176	0.06 117	0.07 11	0.15 124	0.05 2	0.16 462	0.18 496	0.15 188	0.15 252	0.10 230	0.11 248	0.11 291	0.11 351	0.10 124	0.12 355	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

TANstereo	0.09 176	0.04 1	0.08 57	0.13 22	0.06 28	0.11 256	0.14 246	0.15 188	0.19 373	0.11 266	0.15 326	0.10 260	0.06 66	0.12 295	0.09 104	0.07 343	0.05 276	0.05 50	0.04 60	0.06 293	0.05 207

DCANet	0.10 246	0.06 117	0.12 300	0.16 222	0.06 28	0.09 139	0.17 447	0.15 188	0.19 373	0.13 343	0.17 363	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

csc	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.09 139	0.17 447	0.16 228	0.20 397	0.13 343	0.16 339	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

cscssc	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.09 139	0.17 447	0.16 228	0.20 397	0.13 343	0.16 339	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

111	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.10 202	0.14 246	0.21 372	0.23 439	0.11 266	0.12 270	0.14 368	0.11 351	0.13 351	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.05 170	0.05 207

CFNet-RSSM	0.09 176	0.07 239	0.09 123	0.16 222	0.07 134	0.09 139	0.15 334	0.16 228	0.17 321	0.08 131	0.12 270	0.10 260	0.09 270	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

Gwc-CoAtRS	0.09 176	0.06 117	0.10 189	0.16 222	0.07 134	0.10 202	0.14 246	0.17 267	0.17 321	0.08 131	0.10 197	0.12 313	0.09 270	0.12 295	0.09 104	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

HITNet	0.10 246	0.06 117	0.12 300	0.14 70	0.06 28	0.11 256	0.10 35	0.18 302	0.18 354	0.13 343	0.16 339	0.14 368	0.11 351	0.15 412	0.13 402	0.06 168	0.04 25	0.04 1	0.04 60	0.06 293	0.05 207
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
iResNetv2_ROB	0.14 441	0.08 358	0.15 441	0.16 222	0.08 220	0.16 462	0.12 100	0.25 464	0.35 577	0.21 530	0.29 552	0.24 526	0.13 426	0.14 385	0.14 445	0.06 168	0.05 276	0.06 200	0.04 60	0.09 515	0.08 471

MLCV	0.12 377	0.07 239	0.16 477	0.18 402	0.06 28	0.15 430	0.17 447	0.19 333	0.21 413	0.18 475	0.25 500	0.17 434	0.13 426	0.14 385	0.13 402	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

iResNet_ROB	0.14 441	0.07 239	0.13 353	0.14 70	0.07 134	0.18 504	0.14 246	0.26 482	0.31 542	0.22 546	0.25 500	0.23 520	0.15 468	0.15 412	0.13 402	0.07 343	0.05 276	0.05 50	0.04 60	0.08 450	0.08 471

pmcnn	0.15 486	0.07 239	0.19 544	0.15 124	0.07 134	0.20 544	0.15 334	0.24 445	0.26 492	0.21 530	0.34 589	0.28 568	0.18 534	0.18 504	0.17 508	0.07 343	0.05 276	0.05 50	0.04 60	0.07 381	0.06 310

Anonymus	0.08 85	0.05 43	0.10 189	0.15 124	0.08 220	0.10 202	0.15 334	0.15 188	0.10 77	0.07 75	0.06 23	0.07 124	0.08 229	0.12 295	0.10 208	0.06 168	0.04 25	0.05 50	0.05 192	0.05 170	0.06 310

LGCAT	0.08 85	0.04 1	0.10 189	0.11 1	0.06 28	0.07 43	0.12 100	0.07 7	0.08 25	0.09 183	0.07 65	0.07 124	0.08 229	0.12 295	0.11 291	0.10 531	0.09 568	0.04 1	0.05 192	0.04 48	0.09 517

ManiGeoR	0.10 246	0.05 43	0.12 300	0.12 7	0.08 220	0.12 310	0.12 100	0.24 445	0.14 225	0.12 309	0.14 305	0.12 313	0.09 270	0.13 351	0.13 402	0.07 343	0.04 25	0.05 50	0.05 192	0.07 381	0.07 400

HLf10	0.10 246	0.05 43	0.12 300	0.12 7	0.08 220	0.12 310	0.12 100	0.24 445	0.14 225	0.12 309	0.14 305	0.12 313	0.09 270	0.13 351	0.13 402	0.07 343	0.04 25	0.05 50	0.05 192	0.07 381	0.07 400

HLf8	0.11 299	0.05 43	0.13 353	0.11 1	0.08 220	0.15 430	0.12 100	0.22 398	0.15 252	0.13 343	0.17 363	0.12 313	0.10 314	0.14 385	0.12 355	0.09 488	0.05 276	0.05 50	0.05 192	0.08 450	0.08 471

TestStereo_HLe17	0.10 246	0.05 43	0.12 300	0.13 22	0.07 134	0.11 256	0.15 334	0.21 372	0.15 252	0.11 266	0.14 305	0.11 291	0.09 270	0.13 351	0.12 355	0.07 343	0.04 25	0.05 50	0.05 192	0.07 381	0.06 310

TestStereo_HL3	0.11 299	0.05 43	0.16 477	0.13 22	0.07 134	0.12 310	0.11 64	0.20 345	0.09 52	0.15 397	0.30 559	0.13 346	0.12 384	0.16 447	0.11 291	0.07 343	0.05 276	0.05 50	0.05 192	0.06 293	0.07 400

TestStereo_HL2	0.11 299	0.06 117	0.11 252	0.12 7	0.08 220	0.12 310	0.14 246	0.20 345	0.18 354	0.13 343	0.21 438	0.12 313	0.10 314	0.12 295	0.12 355	0.07 343	0.05 276	0.05 50	0.05 192	0.07 381	0.07 400

GGDA	0.11 299	0.06 117	0.11 252	0.13 22	0.07 134	0.12 310	0.14 246	0.19 333	0.19 373	0.13 343	0.20 414	0.12 313	0.09 270	0.12 295	0.12 355	0.07 343	0.04 25	0.05 50	0.05 192	0.06 293	0.07 400

TestStereo-Hl	0.11 299	0.06 117	0.11 252	0.13 22	0.08 220	0.15 430	0.14 246	0.20 345	0.17 321	0.13 343	0.16 339	0.12 313	0.11 351	0.14 385	0.13 402	0.06 168	0.04 25	0.05 50	0.05 192	0.06 293	0.06 310

DNS	0.09 176	0.05 43	0.11 252	0.15 124	0.08 220	0.10 202	0.16 405	0.17 267	0.09 52	0.08 131	0.12 270	0.08 186	0.07 180	0.09 59	0.08 25	0.07 343	0.04 25	0.05 50	0.05 192	0.06 293	0.05 207

GCAP-Stereo-DPT-5K	0.08 85	0.06 117	0.10 189	0.16 222	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

IGEV_i1	0.12 377	0.07 239	0.12 300	0.16 222	0.08 220	0.19 528	0.14 246	0.18 302	0.22 427	0.18 475	0.18 391	0.16 412	0.12 384	0.16 447	0.14 445	0.06 168	0.05 276	0.06 200	0.05 192	0.06 293	0.06 310

RT-IGEV	0.13 404	0.06 117	0.13 353	0.15 124	0.09 355	0.15 430	0.17 447	0.24 445	0.27 502	0.16 426	0.17 363	0.17 434	0.10 314	0.14 385	0.11 291	0.08 426	0.05 276	0.07 312	0.05 192	0.07 381	0.07 400

Foundation-i1	0.09 176	0.04 1	0.10 189	0.14 70	0.06 28	0.10 202	0.13 179	0.16 228	0.14 225	0.10 230	0.10 197	0.11 291	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.05 192	0.05 170	0.05 207

Selective-IGEV-i1	0.13 404	0.07 239	0.12 300	0.19 472	0.08 220	0.18 504	0.16 405	0.22 398	0.30 534	0.16 426	0.17 363	0.16 412	0.10 314	0.14 385	0.13 402	0.06 168	0.05 276	0.06 200	0.05 192	0.06 293	0.05 207

BLMT-Stereo	0.07 7	0.04 1	0.08 57	0.15 124	0.07 134	0.06 14	0.14 246	0.07 7	0.10 77	0.05 2	0.05 7	0.04 1	0.06 66	0.07 4	0.09 104	0.04 11	0.04 25	0.05 50	0.05 192	0.04 48	0.04 73

Pro-Stereo	0.07 7	0.05 43	0.08 57	0.15 124	0.07 134	0.08 85	0.12 100	0.07 7	0.07 15	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

WQFJX	0.10 246	0.07 239	0.09 123	0.21 573	0.09 355	0.12 310	0.16 405	0.18 302	0.17 321	0.12 309	0.10 197	0.07 124	0.09 270	0.12 295	0.10 208	0.06 168	0.07 503	0.06 200	0.05 192	0.06 293	0.05 207

S2M2_XL	0.08 85	0.06 117	0.12 300	0.12 7	0.08 220	0.09 139	0.09 20	0.07 7	0.07 15	0.08 131	0.07 65	0.07 124	0.06 66	0.09 59	0.09 104	0.08 426	0.06 430	0.07 312	0.05 192	0.08 450	0.06 310
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
water-stereo	0.09 176	0.06 117	0.08 57	0.16 222	0.07 134	0.09 139	0.13 179	0.15 188	0.13 192	0.11 266	0.12 270	0.08 186	0.09 270	0.07 4	0.08 25	0.06 168	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

G2L-ROB	0.13 404	0.06 117	0.13 353	0.13 22	0.08 220	0.14 403	0.16 405	0.25 464	0.18 354	0.19 492	0.18 391	0.20 475	0.14 450	0.17 481	0.16 493	0.08 426	0.05 276	0.06 200	0.05 192	0.08 450	0.09 517

xyz-stereo-finetune2	0.11 299	0.07 239	0.13 353	0.13 22	0.07 134	0.11 256	0.19 536	0.17 267	0.12 149	0.15 397	0.15 326	0.17 434	0.12 384	0.13 351	0.11 291	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.06 310

xyz-stereo-finetune	0.11 299	0.08 358	0.13 353	0.14 70	0.06 28	0.10 202	0.19 536	0.17 267	0.19 373	0.12 309	0.14 305	0.15 397	0.10 314	0.13 351	0.11 291	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.05 207

xyz-stereo	0.13 404	0.07 239	0.20 556	0.15 124	0.05 2	0.20 544	0.15 334	0.17 267	0.31 542	0.15 397	0.29 552	0.26 550	0.16 496	0.13 351	0.12 355	0.05 51	0.05 276	0.06 200	0.05 192	0.04 48	0.04 73

G2L-Stereo_test	0.14 441	0.07 239	0.11 252	0.13 22	0.08 220	0.12 310	0.16 405	0.30 551	0.28 517	0.20 515	0.23 459	0.20 475	0.16 496	0.17 481	0.18 526	0.07 343	0.05 276	0.05 50	0.05 192	0.07 381	0.06 310

MM-Stereo_test3	0.10 246	0.07 239	0.07 11	0.18 402	0.07 134	0.12 310	0.19 536	0.24 445	0.19 373	0.06 25	0.10 197	0.08 186	0.06 66	0.11 199	0.08 25	0.06 168	0.06 430	0.07 312	0.05 192	0.05 170	0.04 73

MM-Stereo_test2	0.09 176	0.06 117	0.09 123	0.19 472	0.08 220	0.12 310	0.18 496	0.15 188	0.14 225	0.07 75	0.10 197	0.07 124	0.06 66	0.12 295	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.03 2

fffft	0.09 176	0.06 117	0.12 300	0.16 222	0.07 134	0.09 139	0.17 447	0.12 85	0.11 110	0.08 131	0.07 65	0.09 223	0.06 66	0.11 199	0.12 355	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.05 207
1: 1. 1
SMoEStereo_RVC	0.08 85	0.06 117	0.12 300	0.16 222	0.07 134	0.09 139	0.14 246	0.11 58	0.13 192	0.09 183	0.07 65	0.07 124	0.07 180	0.12 295	0.10 208	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

tt45	0.09 176	0.06 117	0.11 252	0.15 124	0.07 134	0.11 256	0.16 405	0.13 115	0.11 110	0.09 183	0.06 23	0.08 186	0.06 66	0.13 351	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

999	0.09 176	0.05 43	0.13 353	0.15 124	0.08 220	0.10 202	0.14 246	0.15 188	0.11 110	0.10 230	0.08 125	0.08 186	0.08 229	0.16 447	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.05 207

mms	0.09 176	0.07 239	0.08 57	0.16 222	0.08 220	0.10 202	0.16 405	0.12 85	0.11 110	0.08 131	0.09 161	0.08 186	0.06 66	0.11 199	0.12 355	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.03 2

ours_stereo	0.09 176	0.07 239	0.09 123	0.17 309	0.08 220	0.11 256	0.16 405	0.11 58	0.12 149	0.08 131	0.10 197	0.08 186	0.06 66	0.12 295	0.12 355	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.03 2

fffy	0.09 176	0.08 358	0.09 123	0.16 222	0.07 134	0.13 366	0.17 447	0.13 115	0.12 149	0.08 131	0.09 161	0.08 186	0.09 270	0.13 351	0.11 291	0.05 51	0.05 276	0.07 312	0.05 192	0.04 48	0.05 207

UGAM-zero	0.09 176	0.05 43	0.15 441	0.15 124	0.08 220	0.09 139	0.13 179	0.19 333	0.15 252	0.11 266	0.15 326	0.07 124	0.07 180	0.09 59	0.09 104	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

model_zeroshot	0.10 246	0.04 1	0.11 252	0.15 124	0.09 355	0.12 310	0.14 246	0.20 345	0.13 192	0.11 266	0.10 197	0.12 313	0.07 180	0.12 295	0.10 208	0.07 343	0.06 430	0.06 200	0.05 192	0.06 293	0.06 310

GCAP-BAT	0.09 176	0.05 43	0.11 252	0.13 22	0.07 134	0.11 256	0.14 246	0.14 146	0.16 291	0.07 75	0.10 197	0.08 186	0.06 66	0.13 351	0.08 25	0.07 343	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

RAStereo	0.10 246	0.09 440	0.08 57	0.20 540	0.08 220	0.13 366	0.18 496	0.15 188	0.17 321	0.10 230	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.07 343	0.05 276	0.07 312	0.05 192	0.05 170	0.04 73

IGEV-BASED-STEREO-	0.09 176	0.10 503	0.31 619	0.15 124	0.06 28	0.08 85	0.14 246	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.04 1	0.11 199	0.07 1	0.12 588	0.04 25	0.07 312	0.05 192	0.05 170	0.05 207

RSM++	0.08 85	0.06 117	0.09 123	0.17 309	0.07 134	0.09 139	0.12 100	0.11 58	0.11 110	0.08 131	0.06 23	0.07 124	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.06 200	0.05 192	0.05 170	0.03 2

gcap-zeroshot	0.08 85	0.06 117	0.10 189	0.15 124	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

test_for_model	0.08 85	0.06 117	0.10 189	0.16 222	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

MGS-Stereo	0.09 176	0.07 239	0.12 300	0.15 124	0.08 220	0.09 139	0.15 334	0.12 85	0.12 149	0.07 75	0.10 197	0.08 186	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.06 293	0.05 207

MyStereo8	0.12 377	0.07 239	0.15 441	0.15 124	0.09 355	0.18 504	0.14 246	0.19 333	0.22 427	0.12 309	0.18 391	0.11 291	0.10 314	0.16 447	0.18 526	0.07 343	0.05 276	0.07 312	0.05 192	0.08 450	0.09 517

qqq1	0.13 404	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.11 291	0.08 426	0.05 276	0.05 50	0.05 192	0.06 293	0.06 310

fff1	0.13 404	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.11 291	0.08 426	0.05 276	0.05 50	0.05 192	0.06 293	0.06 310

ACVNet-DCA	0.10 246	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.23 421	0.16 291	0.09 183	0.09 161	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.07 381	0.07 400

1test111	0.11 299	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.23 421	0.16 291	0.09 183	0.09 161	0.06 42	0.06 66	0.15 412	0.16 493	0.06 168	0.04 25	0.06 200	0.05 192	0.07 381	0.07 400

cc1	0.10 246	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.16 228	0.18 354	0.09 183	0.09 161	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.06 310

11t1	0.12 377	0.06 117	0.13 353	0.14 70	0.08 220	0.17 485	0.15 334	0.18 302	0.15 252	0.15 397	0.15 326	0.16 412	0.16 496	0.15 412	0.13 402	0.08 426	0.05 276	0.06 200	0.05 192	0.08 450	0.07 400

ff7	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

IGEVStereo-DCA	0.09 176	0.06 117	0.11 252	0.15 124	0.10 469	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.08 25	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

ffff	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

rrr	0.09 176	0.06 117	0.12 300	0.15 124	0.10 469	0.11 256	0.16 405	0.16 228	0.15 252	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.08 25	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

11t	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

tt1	0.10 246	0.08 358	0.12 300	0.17 309	0.09 355	0.12 310	0.16 405	0.15 188	0.19 373	0.09 183	0.08 125	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.06 310

MaDis-Stereo	0.09 176	0.09 440	0.08 57	0.17 309	0.09 355	0.13 366	0.10 35	0.16 228	0.16 291	0.09 183	0.11 248	0.06 42	0.06 66	0.09 59	0.13 402	0.07 343	0.06 430	0.07 312	0.05 192	0.05 170	0.04 73

UniTT-Stereo	0.09 176	0.07 239	0.08 57	0.18 402	0.08 220	0.13 366	0.11 64	0.12 85	0.11 110	0.10 230	0.12 270	0.05 5	0.07 180	0.09 59	0.09 104	0.07 343	0.05 276	0.05 50	0.05 192	0.05 170	0.05 207

testlalala	0.08 85	0.06 117	0.10 189	0.15 124	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

GCAPDPT-zeroshot	0.09 176	0.05 43	0.11 252	0.13 22	0.07 134	0.11 256	0.14 246	0.14 146	0.16 291	0.07 75	0.10 197	0.08 186	0.06 66	0.13 351	0.08 25	0.07 343	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

AEACV	0.08 85	0.05 43	0.08 57	0.14 70	0.13 577	0.14 403	0.13 179	0.14 146	0.09 52	0.07 75	0.09 161	0.07 124	0.08 229	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

HH	0.09 176	0.06 117	0.13 353	0.17 309	0.08 220	0.10 202	0.16 405	0.14 146	0.10 77	0.08 131	0.09 161	0.08 186	0.07 180	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

HanStereo	0.09 176	0.06 117	0.13 353	0.17 309	0.08 220	0.10 202	0.16 405	0.14 146	0.10 77	0.08 131	0.09 161	0.08 186	0.07 180	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

anonymousdsp	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.09 183	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

EGLCR-Stereo	0.08 85	0.05 43	0.08 57	0.14 70	0.06 28	0.10 202	0.12 100	0.11 58	0.16 291	0.06 25	0.05 7	0.07 124	0.05 14	0.10 124	0.11 291	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

knoymous	0.11 299	0.05 43	0.12 300	0.13 22	0.07 134	0.15 430	0.14 246	0.19 333	0.13 192	0.11 266	0.17 363	0.13 346	0.09 270	0.13 351	0.11 291	0.08 426	0.05 276	0.06 200	0.05 192	0.08 450	0.07 400

riskmin	0.11 299	0.06 117	0.13 353	0.14 70	0.08 220	0.14 403	0.14 246	0.18 302	0.14 225	0.11 266	0.14 305	0.16 412	0.11 351	0.14 385	0.12 355	0.09 488	0.05 276	0.07 312	0.05 192	0.08 450	0.08 471

Selective-RAFT	0.11 299	0.10 503	0.11 252	0.21 573	0.08 220	0.16 462	0.13 179	0.20 345	0.22 427	0.10 230	0.10 197	0.11 291	0.10 314	0.15 412	0.11 291	0.05 51	0.05 276	0.06 200	0.05 192	0.06 293	0.05 207

ProNet	0.09 176	0.07 239	0.10 189	0.17 309	0.08 220	0.10 202	0.15 334	0.15 188	0.12 149	0.09 183	0.06 23	0.07 124	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.06 310

MC-Stereo	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.10 202	0.14 246	0.12 85	0.10 77	0.09 183	0.12 270	0.09 223	0.06 66	0.11 199	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

RCA-Stereo	0.09 176	0.06 117	0.09 123	0.16 222	0.06 28	0.09 139	0.13 179	0.18 302	0.14 225	0.09 183	0.10 197	0.08 186	0.07 180	0.12 295	0.11 291	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

CroCo-Stereo Lap2	0.09 176	0.09 440	0.08 57	0.22 590	0.09 355	0.09 139	0.19 536	0.16 228	0.12 149	0.09 183	0.10 197	0.05 5	0.05 14	0.08 25	0.08 25	0.06 168	0.06 430	0.07 312	0.05 192	0.05 170	0.05 207

ccc-4	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

Wz-Net-LNSev-Ref	0.18 544	0.09 440	0.29 614	0.15 124	0.10 469	0.22 571	0.20 560	0.26 482	0.39 600	0.25 581	0.42 641	0.24 526	0.15 468	0.20 544	0.19 539	0.07 343	0.05 276	0.06 200	0.05 192	0.10 548	0.09 517

IGEV-Stereo	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.09 183	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CIPLG	0.11 299	0.08 358	0.14 392	0.17 309	0.08 220	0.12 310	0.15 334	0.17 267	0.15 252	0.14 370	0.11 248	0.16 412	0.09 270	0.16 447	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

iRaft-Stereo_20w	0.09 176	0.05 43	0.13 353	0.14 70	0.08 220	0.12 310	0.15 334	0.18 302	0.10 77	0.11 266	0.08 125	0.08 186	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.05 207

IPLG	0.10 246	0.07 239	0.15 441	0.17 309	0.08 220	0.11 256	0.14 246	0.20 345	0.15 252	0.12 309	0.17 363	0.07 124	0.07 180	0.14 385	0.13 402	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

IPLGR_C	0.11 299	0.08 358	0.14 392	0.17 309	0.08 220	0.12 310	0.15 334	0.17 267	0.15 252	0.14 370	0.10 197	0.16 412	0.09 270	0.16 447	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

MIPNet	0.11 299	0.08 358	0.14 392	0.17 309	0.09 355	0.12 310	0.14 246	0.20 345	0.24 456	0.11 266	0.10 197	0.09 223	0.07 180	0.13 351	0.12 355	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

test-3	0.08 85	0.06 117	0.09 123	0.17 309	0.07 134	0.07 43	0.14 246	0.12 85	0.15 252	0.09 183	0.08 125	0.07 124	0.08 229	0.11 199	0.10 208	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.04 73

test_1	0.08 85	0.06 117	0.09 123	0.17 309	0.07 134	0.07 43	0.14 246	0.12 85	0.15 252	0.09 183	0.08 125	0.07 124	0.08 229	0.11 199	0.10 208	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.04 73

ACRE	0.11 299	0.08 358	0.14 392	0.17 309	0.08 220	0.12 310	0.15 334	0.17 267	0.14 225	0.14 370	0.10 197	0.16 412	0.09 270	0.16 447	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

GwcNet-ADL	0.13 404	0.08 358	0.14 392	0.20 540	0.09 355	0.11 256	0.20 560	0.30 551	0.24 456	0.13 343	0.14 305	0.18 448	0.14 450	0.13 351	0.14 445	0.07 343	0.05 276	0.06 200	0.05 192	0.07 381	0.06 310

GANet-ADL	0.13 404	0.07 239	0.15 441	0.17 309	0.10 469	0.18 504	0.15 334	0.30 551	0.20 397	0.13 343	0.18 391	0.19 463	0.12 384	0.16 447	0.13 402	0.08 426	0.06 430	0.06 200	0.05 192	0.07 381	0.08 471

ASMatch	0.11 299	0.06 117	0.13 353	0.16 222	0.10 469	0.07 43	0.14 246	0.17 267	0.17 321	0.12 309	0.16 339	0.16 412	0.10 314	0.13 351	0.10 208	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.08 471

RAFT-RH_RVC	0.11 299	0.06 117	0.14 392	0.16 222	0.09 355	0.12 310	0.12 100	0.17 267	0.12 149	0.13 343	0.41 634	0.11 291	0.10 314	0.13 351	0.12 355	0.05 51	0.04 25	0.08 406	0.05 192	0.04 48	0.06 310

AnonymousM	0.09 176	0.05 43	0.10 189	0.14 70	0.06 28	0.09 139	0.13 179	0.19 333	0.14 225	0.13 343	0.11 248	0.09 223	0.08 229	0.13 351	0.10 208	0.08 426	0.05 276	0.08 406	0.05 192	0.05 170	0.05 207

cross-raft	0.10 246	0.09 440	0.09 123	0.19 472	0.07 134	0.11 256	0.25 631	0.13 115	0.15 252	0.08 131	0.11 248	0.12 313	0.10 314	0.09 59	0.11 291	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

test-1	0.10 246	0.07 239	0.16 477	0.19 472	0.08 220	0.11 256	0.24 615	0.14 146	0.18 354	0.09 183	0.07 65	0.09 223	0.08 229	0.07 4	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

CREStereo++_RVC	0.08 85	0.04 1	0.06 5	0.13 22	0.07 134	0.09 139	0.12 100	0.14 146	0.14 225	0.10 230	0.14 305	0.08 186	0.07 180	0.09 59	0.11 291	0.06 168	0.04 25	0.05 50	0.05 192	0.04 48	0.04 73
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
raftrobust	0.09 176	0.06 117	0.10 189	0.17 309	0.08 220	0.09 139	0.10 35	0.18 302	0.16 291	0.10 230	0.09 161	0.12 313	0.07 180	0.12 295	0.10 208	0.08 426	0.05 276	0.06 200	0.05 192	0.05 170	0.05 207

RALCasStereoNet	0.10 246	0.06 117	0.09 123	0.16 222	0.08 220	0.12 310	0.14 246	0.17 267	0.11 110	0.12 309	0.17 363	0.14 368	0.10 314	0.12 295	0.11 291	0.07 343	0.06 430	0.06 200	0.05 192	0.08 450	0.07 400

test_xeample3	0.09 176	0.06 117	0.12 300	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.13 192	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

EAI-Stereo	0.09 176	0.07 239	0.11 252	0.15 124	0.06 28	0.10 202	0.15 334	0.16 228	0.09 52	0.08 131	0.09 161	0.08 186	0.07 180	0.09 59	0.11 291	0.05 51	0.04 25	0.05 50	0.05 192	0.05 170	0.04 73

DIP-Stereo	0.11 299	0.07 239	0.14 392	0.17 309	0.09 355	0.13 366	0.09 20	0.16 228	0.16 291	0.11 266	0.16 339	0.14 368	0.12 384	0.15 412	0.13 402	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 377	0.08 358	0.14 392	0.18 402	0.07 134	0.15 430	0.07 3	0.22 398	0.18 354	0.16 426	0.19 402	0.18 448	0.14 450	0.16 447	0.15 477	0.07 343	0.05 276	0.05 50	0.05 192	0.06 293	0.06 310

R-Stereo Train	0.10 246	0.06 117	0.10 189	0.17 309	0.08 220	0.11 256	0.14 246	0.23 421	0.11 110	0.12 309	0.19 402	0.11 291	0.08 229	0.09 59	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.05 207

RAFT-Stereo	0.10 246	0.06 117	0.10 189	0.17 309	0.08 220	0.11 256	0.14 246	0.23 421	0.11 110	0.12 309	0.19 402	0.11 291	0.08 229	0.09 59	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.05 207
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
iResNet	0.13 404	0.10 503	0.18 532	0.19 472	0.08 220	0.13 366	0.18 496	0.20 345	0.26 492	0.15 397	0.23 459	0.15 397	0.13 426	0.14 385	0.14 445	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.05 207

SMOE	0.10 246	0.08 358	0.09 123	0.18 402	0.07 134	0.13 366	0.14 246	0.18 302	0.13 192	0.11 266	0.13 289	0.12 313	0.09 270	0.11 199	0.11 291	0.05 51	0.05 276	0.08 406	0.06 293	0.06 293	0.04 73

depth_test_26	0.08 85	0.04 1	0.11 252	0.13 22	0.07 134	0.07 43	0.11 64	0.12 85	0.11 110	0.09 183	0.07 65	0.08 186	0.05 14	0.09 59	0.08 25	0.08 426	0.06 430	0.06 200	0.06 293	0.06 293	0.07 400

PhaseNet	0.09 176	0.06 117	0.10 189	0.15 124	0.08 220	0.10 202	0.14 246	0.20 345	0.12 149	0.07 75	0.08 125	0.09 223	0.10 314	0.13 351	0.12 355	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

DN	0.10 246	0.05 43	0.09 123	0.14 70	0.09 355	0.12 310	0.18 496	0.17 267	0.16 291	0.08 131	0.09 161	0.08 186	0.06 66	0.08 25	0.09 104	0.11 563	0.05 276	0.07 312	0.06 293	0.07 381	0.09 517

LiteMatch	0.09 176	0.06 117	0.10 189	0.16 222	0.07 134	0.09 139	0.15 334	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.15 468	0.10 124	0.14 445	0.07 343	0.04 25	0.06 200	0.06 293	0.06 293	0.06 310

Lsterematch	0.11 299	0.06 117	0.11 252	0.16 222	0.07 134	0.13 366	0.15 334	0.14 146	0.17 321	0.16 426	0.18 391	0.15 397	0.15 468	0.12 295	0.14 445	0.07 343	0.04 25	0.06 200	0.06 293	0.06 293	0.06 310

Hybrid-DGEV-03	0.10 246	0.06 117	0.09 123	0.18 402	0.08 220	0.16 462	0.14 246	0.15 188	0.14 225	0.13 343	0.16 339	0.12 313	0.09 270	0.13 351	0.11 291	0.06 168	0.04 25	0.08 406	0.06 293	0.05 170	0.04 73

WQFJA1	0.10 246	0.07 239	0.08 57	0.20 540	0.09 355	0.12 310	0.17 447	0.17 267	0.17 321	0.09 183	0.10 197	0.08 186	0.10 314	0.12 295	0.11 291	0.06 168	0.07 503	0.07 312	0.06 293	0.06 293	0.05 207

WQFJX1	0.10 246	0.07 239	0.08 57	0.22 590	0.09 355	0.12 310	0.17 447	0.18 302	0.17 321	0.10 230	0.09 161	0.07 124	0.10 314	0.11 199	0.09 104	0.07 343	0.08 535	0.07 312	0.06 293	0.05 170	0.04 73

NLMM1	0.11 299	0.09 440	0.07 11	0.22 590	0.10 469	0.12 310	0.20 560	0.18 302	0.20 397	0.12 309	0.11 248	0.07 124	0.09 270	0.11 199	0.11 291	0.08 426	0.08 535	0.07 312	0.06 293	0.04 48	0.04 73

NLMM	0.10 246	0.07 239	0.08 57	0.20 540	0.09 355	0.12 310	0.17 447	0.17 267	0.17 321	0.09 183	0.10 197	0.08 186	0.10 314	0.12 295	0.11 291	0.06 168	0.07 503	0.07 312	0.06 293	0.06 293	0.05 207

FE-Mocha	0.09 176	0.06 117	0.14 392	0.16 222	0.09 355	0.10 202	0.15 334	0.18 302	0.16 291	0.10 230	0.09 161	0.07 124	0.07 180	0.09 59	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

IGEV-FE	0.09 176	0.05 43	0.12 300	0.13 22	0.08 220	0.12 310	0.13 179	0.17 267	0.11 110	0.10 230	0.06 23	0.09 223	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

coex_refinement	0.14 441	0.07 239	0.12 300	0.17 309	0.10 469	0.15 430	0.15 334	0.26 482	0.29 524	0.18 475	0.20 414	0.22 502	0.17 519	0.16 447	0.18 526	0.08 426	0.05 276	0.06 200	0.06 293	0.09 515	0.08 471

MM-Stereo_test1	0.10 246	0.07 239	0.08 57	0.18 402	0.07 134	0.12 310	0.18 496	0.21 372	0.20 397	0.09 183	0.11 248	0.08 186	0.06 66	0.10 124	0.10 208	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

FACV-RUCA	0.13 404	0.11 530	0.12 300	0.19 472	0.12 554	0.15 430	0.15 334	0.22 398	0.20 397	0.15 397	0.16 339	0.14 368	0.16 496	0.14 385	0.13 402	0.07 343	0.05 276	0.08 406	0.06 293	0.10 548	0.08 471

PAM_32	0.09 176	0.05 43	0.17 508	0.15 124	0.08 220	0.10 202	0.15 334	0.14 146	0.15 252	0.09 183	0.08 125	0.09 223	0.07 180	0.14 385	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.06 310

PAM	0.10 246	0.05 43	0.16 477	0.15 124	0.08 220	0.09 139	0.16 405	0.15 188	0.16 291	0.12 309	0.09 161	0.09 223	0.07 180	0.13 351	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.06 310

AIO-Stereo-zeroshot	0.11 299	0.05 43	0.11 252	0.15 124	0.13 577	0.13 366	0.16 405	0.23 421	0.17 321	0.10 230	0.12 270	0.10 260	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.06 200	0.06 293	0.07 381	0.08 471

rvit_stereo_0080	0.10 246	0.08 358	0.14 392	0.15 124	0.09 355	0.07 43	0.15 334	0.16 228	0.16 291	0.11 266	0.10 197	0.14 368	0.08 229	0.12 295	0.10 208	0.09 488	0.07 503	0.07 312	0.06 293	0.07 381	0.05 207

test_sample4	0.14 441	0.08 358	0.14 392	0.15 124	0.08 220	0.19 528	0.18 496	0.26 482	0.17 321	0.16 426	0.25 500	0.18 448	0.14 450	0.16 447	0.13 402	0.08 426	0.06 430	0.08 406	0.06 293	0.08 450	0.08 471

test_sample3	0.14 441	0.08 358	0.15 441	0.14 70	0.09 355	0.19 528	0.17 447	0.26 482	0.18 354	0.16 426	0.22 450	0.19 463	0.15 468	0.17 481	0.13 402	0.08 426	0.06 430	0.07 312	0.06 293	0.09 515	0.08 471

test_sample2	0.12 377	0.07 239	0.12 300	0.14 70	0.08 220	0.16 462	0.18 496	0.21 372	0.16 291	0.14 370	0.20 414	0.19 463	0.15 468	0.15 412	0.12 355	0.08 426	0.05 276	0.07 312	0.06 293	0.08 450	0.07 400

test_sample1	0.13 404	0.07 239	0.14 392	0.13 22	0.08 220	0.19 528	0.16 405	0.20 345	0.15 252	0.14 370	0.22 450	0.18 448	0.16 496	0.17 481	0.14 445	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.07 400

Former-RAFT_DAM_RVC	0.10 246	0.08 358	0.12 300	0.16 222	0.08 220	0.15 430	0.16 405	0.18 302	0.18 354	0.10 230	0.09 161	0.09 223	0.08 229	0.11 199	0.12 355	0.07 343	0.05 276	0.08 406	0.06 293	0.07 381	0.06 310

SMFormer	0.14 441	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.17 508	0.08 426	0.05 276	0.07 312	0.06 293	0.07 381	0.06 310

tta	0.14 441	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.17 508	0.08 426	0.05 276	0.07 312	0.06 293	0.06 293	0.06 310

AE-Stereo	0.10 246	0.08 358	0.10 189	0.18 402	0.09 355	0.10 202	0.15 334	0.14 146	0.19 373	0.09 183	0.14 305	0.12 313	0.08 229	0.11 199	0.10 208	0.05 51	0.06 430	0.07 312	0.06 293	0.05 170	0.04 73

CoDeX	0.12 377	0.07 239	0.12 300	0.17 309	0.08 220	0.12 310	0.15 334	0.23 421	0.27 502	0.13 343	0.17 363	0.16 412	0.11 351	0.14 385	0.11 291	0.07 343	0.05 276	0.07 312	0.06 293	0.06 293	0.05 207

whm_eth	0.10 246	0.08 358	0.14 392	0.15 124	0.09 355	0.07 43	0.15 334	0.16 228	0.16 291	0.11 266	0.10 197	0.14 368	0.08 229	0.12 295	0.10 208	0.09 488	0.07 503	0.07 312	0.06 293	0.07 381	0.05 207

GMStereo_Zeroshot	0.16 509	0.13 576	0.24 585	0.20 540	0.10 469	0.17 485	0.13 179	0.29 537	0.25 478	0.23 559	0.32 572	0.25 540	0.11 351	0.19 519	0.14 445	0.09 488	0.06 430	0.11 572	0.06 293	0.12 586	0.08 471

plain	0.10 246	0.08 358	0.10 189	0.19 472	0.09 355	0.10 202	0.15 334	0.14 146	0.13 192	0.13 343	0.15 326	0.09 223	0.12 384	0.13 351	0.12 355	0.07 343	0.05 276	0.09 492	0.06 293	0.06 293	0.06 310

IGEV_Zeroshot_test	0.09 176	0.05 43	0.12 300	0.13 22	0.08 220	0.12 310	0.13 179	0.17 267	0.11 110	0.10 230	0.06 23	0.09 223	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

EKT-Stereo	0.11 299	0.07 239	0.14 392	0.15 124	0.10 469	0.13 366	0.14 246	0.18 302	0.21 413	0.11 266	0.08 125	0.12 313	0.09 270	0.11 199	0.12 355	0.08 426	0.06 430	0.07 312	0.06 293	0.08 450	0.07 400

MIM_Stereo	0.09 176	0.07 239	0.11 252	0.15 124	0.07 134	0.06 14	0.12 100	0.20 345	0.14 225	0.13 343	0.13 289	0.09 223	0.05 14	0.12 295	0.08 25	0.05 51	0.06 430	0.07 312	0.06 293	0.06 293	0.05 207

iinet-f	0.16 509	0.06 117	0.45 652	0.14 70	0.10 469	0.21 562	0.14 246	0.27 503	0.23 439	0.21 530	0.24 472	0.21 484	0.15 468	0.18 504	0.21 565	0.09 488	0.07 503	0.07 312	0.06 293	0.09 515	0.10 548

DCRE	0.11 299	0.07 239	0.13 353	0.16 222	0.11 520	0.11 256	0.17 447	0.18 302	0.17 321	0.11 266	0.18 391	0.10 260	0.10 314	0.15 412	0.11 291	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.04 73

TestStereo1	0.13 404	0.08 358	0.08 57	0.19 472	0.08 220	0.18 504	0.29 663	0.23 421	0.16 291	0.17 445	0.20 414	0.16 412	0.10 314	0.12 295	0.13 402	0.06 168	0.06 430	0.08 406	0.06 293	0.05 170	0.05 207

x	0.13 404	0.07 239	0.14 392	0.14 70	0.08 220	0.18 504	0.14 246	0.22 398	0.20 397	0.15 397	0.19 402	0.19 463	0.17 519	0.18 504	0.18 526	0.07 343	0.05 276	0.06 200	0.06 293	0.07 381	0.07 400

DisPM	0.11 299	0.07 239	0.12 300	0.16 222	0.09 355	0.06 14	0.13 179	0.17 267	0.17 321	0.14 370	0.20 414	0.12 313	0.10 314	0.11 199	0.10 208	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.11 575

IER	0.14 441	0.07 239	0.13 353	0.17 309	0.09 355	0.14 403	0.16 405	0.25 464	0.26 492	0.18 475	0.25 500	0.17 434	0.20 562	0.16 447	0.14 445	0.08 426	0.05 276	0.07 312	0.06 293	0.08 450	0.07 400

SA-5K	0.13 404	0.08 358	0.08 57	0.19 472	0.08 220	0.18 504	0.29 663	0.23 421	0.16 291	0.17 445	0.20 414	0.16 412	0.10 314	0.12 295	0.13 402	0.06 168	0.06 430	0.08 406	0.06 293	0.05 170	0.05 207

iRaft-Stereo_5w	0.12 377	0.09 440	0.12 300	0.19 472	0.08 220	0.09 139	0.12 100	0.21 372	0.21 413	0.19 492	0.14 305	0.11 291	0.09 270	0.20 544	0.16 493	0.05 51	0.05 276	0.07 312	0.06 293	0.05 170	0.06 310

dd	0.15 486	0.16 606	0.16 477	0.19 472	0.09 355	0.15 430	0.18 496	0.21 372	0.25 478	0.23 559	0.20 414	0.21 484	0.09 270	0.21 561	0.16 493	0.10 531	0.06 430	0.08 406	0.06 293	0.08 450	0.06 310

GLC_STEREO	0.11 299	0.07 239	0.11 252	0.17 309	0.07 134	0.09 139	0.13 179	0.15 188	0.24 456	0.12 309	0.13 289	0.12 313	0.08 229	0.18 504	0.11 291	0.06 168	0.08 535	0.08 406	0.06 293	0.05 170	0.05 207

DAS	0.15 486	0.08 358	0.18 532	0.19 472	0.10 469	0.19 528	0.17 447	0.27 503	0.29 524	0.18 475	0.25 500	0.21 484	0.15 468	0.16 447	0.12 355	0.08 426	0.06 430	0.06 200	0.06 293	0.07 381	0.07 400

SepStereo	0.15 486	0.08 358	0.18 532	0.19 472	0.10 469	0.19 528	0.17 447	0.27 503	0.29 524	0.18 475	0.25 500	0.21 484	0.15 468	0.25 601	0.12 355	0.08 426	0.06 430	0.06 200	0.06 293	0.07 381	0.07 400

IPLGR	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.12 310	0.17 447	0.21 372	0.24 456	0.11 266	0.12 270	0.11 291	0.08 229	0.12 295	0.12 355	0.06 168	0.05 276	0.06 200	0.06 293	0.04 48	0.04 73

HHNet	0.11 299	0.06 117	0.16 477	0.15 124	0.14 598	0.07 43	0.13 179	0.20 345	0.17 321	0.14 370	0.25 500	0.11 291	0.08 229	0.13 351	0.10 208	0.05 51	0.04 25	0.08 406	0.06 293	0.05 170	0.09 517

Patchmatch Stereo++	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.11 64	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 299	0.07 239	0.16 477	0.19 472	0.09 355	0.08 85	0.13 179	0.18 302	0.13 192	0.16 426	0.21 438	0.13 346	0.14 450	0.11 199	0.14 445	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.05 207

STrans-v2	0.10 246	0.07 239	0.12 300	0.18 402	0.07 134	0.10 202	0.14 246	0.21 372	0.11 110	0.11 266	0.15 326	0.12 313	0.10 314	0.11 199	0.12 355	0.05 51	0.04 25	0.06 200	0.06 293	0.04 48	0.04 73

TransformOpticalFlow	0.10 246	0.08 358	0.13 353	0.18 402	0.07 134	0.09 139	0.15 334	0.19 333	0.15 252	0.12 309	0.17 363	0.11 291	0.11 351	0.11 199	0.10 208	0.05 51	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

OMP-Stereo	0.11 299	0.06 117	0.14 392	0.18 402	0.08 220	0.09 139	0.12 100	0.21 372	0.21 413	0.13 343	0.14 305	0.11 291	0.12 384	0.11 199	0.13 402	0.06 168	0.04 25	0.07 312	0.06 293	0.05 170	0.04 73

IIG-Stereo	0.11 299	0.06 117	0.13 353	0.17 309	0.08 220	0.11 256	0.12 100	0.22 398	0.17 321	0.14 370	0.17 363	0.11 291	0.12 384	0.12 295	0.12 355	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

NF-Stereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

OCTAStereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

NRIStereo	0.11 299	0.08 358	0.14 392	0.18 402	0.08 220	0.10 202	0.14 246	0.16 228	0.15 252	0.12 309	0.14 305	0.13 346	0.12 384	0.13 351	0.10 208	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.07 400

PSM-adaLoss	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

FTStereo	0.12 377	0.06 117	0.14 392	0.18 402	0.09 355	0.07 43	0.15 334	0.21 372	0.18 354	0.12 309	0.24 472	0.12 313	0.12 384	0.13 351	0.13 402	0.05 51	0.05 276	0.07 312	0.06 293	0.06 293	0.10 548

ROB_FTStereo_v2	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

ROB_FTStereo	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.11 64	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

HUI-Stereo	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

DEmStereo	0.12 377	0.06 117	0.14 392	0.14 70	0.10 469	0.16 462	0.15 334	0.16 228	0.24 456	0.17 445	0.24 472	0.13 346	0.14 450	0.12 295	0.13 402	0.05 51	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

SST-Stereo	0.10 246	0.07 239	0.15 441	0.18 402	0.09 355	0.06 14	0.12 100	0.17 267	0.11 110	0.15 397	0.17 363	0.13 346	0.12 384	0.10 124	0.11 291	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.05 207

RAFT_R40	0.11 299	0.07 239	0.14 392	0.18 402	0.09 355	0.06 14	0.13 179	0.17 267	0.16 291	0.14 370	0.18 391	0.15 397	0.12 384	0.10 124	0.11 291	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.05 207

DRaft	0.12 377	0.06 117	0.11 252	0.14 70	0.09 355	0.14 403	0.17 447	0.21 372	0.30 534	0.17 445	0.28 540	0.10 260	0.15 468	0.10 124	0.12 355	0.05 51	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

PFNet	0.12 377	0.06 117	0.17 508	0.17 309	0.08 220	0.09 139	0.15 334	0.26 482	0.20 397	0.16 426	0.16 339	0.14 368	0.11 351	0.12 295	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

GrayStereo	0.11 299	0.06 117	0.11 252	0.19 472	0.09 355	0.09 139	0.16 405	0.18 302	0.17 321	0.14 370	0.17 363	0.17 434	0.11 351	0.12 295	0.11 291	0.05 51	0.05 276	0.07 312	0.06 293	0.05 170	0.10 548

RE-Stereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

Pruner-Stereo	0.11 299	0.07 239	0.12 300	0.17 309	0.09 355	0.06 14	0.12 100	0.17 267	0.17 321	0.13 343	0.19 402	0.13 346	0.09 270	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.08 471

TVStereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

DeepStereo_RVC	0.11 299	0.08 358	0.16 477	0.18 402	0.08 220	0.08 85	0.12 100	0.17 267	0.12 149	0.13 343	0.14 305	0.12 313	0.12 384	0.12 295	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.07 381	0.08 471

iGMRVC	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

IRAFT_RVC	0.12 377	0.08 358	0.16 477	0.19 472	0.08 220	0.07 43	0.15 334	0.24 445	0.23 439	0.14 370	0.14 305	0.15 397	0.12 384	0.12 295	0.10 208	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.06 310

RAFT-345	0.11 299	0.07 239	0.15 441	0.16 222	0.08 220	0.08 85	0.12 100	0.15 188	0.10 77	0.11 266	0.36 597	0.09 223	0.09 270	0.11 199	0.12 355	0.05 51	0.05 276	0.07 312	0.06 293	0.04 48	0.05 207

iRAFT	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.11 64	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

CRE-IMP	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.10 202	0.12 100	0.18 302	0.10 77	0.14 370	0.13 289	0.13 346	0.12 384	0.12 295	0.11 291	0.07 343	0.04 25	0.08 406	0.06 293	0.08 450	0.08 471

RAFT-IKP	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

Prome-Stereo	0.11 299	0.06 117	0.10 189	0.18 402	0.08 220	0.12 310	0.15 334	0.22 398	0.13 192	0.12 309	0.17 363	0.13 346	0.08 229	0.12 295	0.10 208	0.05 51	0.04 25	0.07 312	0.06 293	0.06 293	0.09 517

LMCR-Stereo	0.15 486	0.08 358	0.13 353	0.21 573	0.09 355	0.17 485	0.20 560	0.27 503	0.19 373	0.24 568	0.24 472	0.23 520	0.17 519	0.20 544	0.17 508	0.07 343	0.06 430	0.08 406	0.06 293	0.10 548	0.08 471

TestStereo	0.13 404	0.14 588	0.11 252	0.23 614	0.08 220	0.15 430	0.21 581	0.20 345	0.23 439	0.14 370	0.24 472	0.16 412	0.12 384	0.16 447	0.14 445	0.05 51	0.06 430	0.08 406	0.06 293	0.09 515	0.05 207

raft+_RVC	0.11 299	0.07 239	0.09 123	0.16 222	0.07 134	0.10 202	0.11 64	0.24 445	0.20 397	0.12 309	0.15 326	0.12 313	0.08 229	0.12 295	0.13 402	0.07 343	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

sAnonymous2	0.13 404	0.12 548	0.24 585	0.20 540	0.12 554	0.17 485	0.13 179	0.26 482	0.21 413	0.11 266	0.11 248	0.13 346	0.08 229	0.10 124	0.10 208	0.09 488	0.05 276	0.08 406	0.06 293	0.15 636	0.10 548

CroCo_RVC	0.13 404	0.12 548	0.24 585	0.20 540	0.12 554	0.17 485	0.13 179	0.26 482	0.21 413	0.11 266	0.11 248	0.13 346	0.08 229	0.10 124	0.10 208	0.09 488	0.05 276	0.08 406	0.06 293	0.15 636	0.10 548

CFNet_pseudo	0.14 441	0.08 358	0.15 441	0.16 222	0.09 355	0.13 366	0.14 246	0.27 503	0.34 568	0.14 370	0.21 438	0.22 502	0.13 426	0.18 504	0.14 445	0.07 343	0.05 276	0.08 406	0.06 293	0.07 381	0.07 400

RALAANet	0.11 299	0.08 358	0.10 189	0.17 309	0.09 355	0.14 403	0.10 35	0.20 345	0.15 252	0.14 370	0.13 289	0.16 412	0.09 270	0.12 295	0.11 291	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

XX-Stereo	0.09 176	0.05 43	0.08 57	0.17 309	0.09 355	0.15 430	0.12 100	0.20 345	0.10 77	0.10 230	0.14 305	0.07 124	0.06 66	0.12 295	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.04 48	0.04 73

GES	0.14 441	0.08 358	0.16 477	0.15 124	0.10 469	0.13 366	0.13 179	0.28 523	0.25 478	0.16 426	0.23 459	0.18 448	0.13 426	0.16 447	0.13 402	0.08 426	0.07 503	0.07 312	0.06 293	0.08 450	0.09 517

222	0.16 509	0.07 239	0.14 392	0.14 70	0.08 220	0.24 592	0.18 496	0.30 551	0.20 397	0.17 445	0.28 540	0.17 434	0.16 496	0.15 412	0.40 677	0.10 531	0.05 276	0.07 312	0.06 293	0.07 381	0.08 471

RAFT-Stereo + iAFF	0.09 176	0.06 117	0.10 189	0.17 309	0.06 28	0.10 202	0.16 405	0.17 267	0.14 225	0.09 183	0.10 197	0.08 186	0.09 270	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.06 293	0.04 48	0.03 2

GMStereo	0.13 404	0.14 588	0.14 392	0.18 402	0.09 355	0.15 430	0.16 405	0.20 345	0.24 456	0.16 426	0.17 363	0.10 260	0.10 314	0.16 447	0.13 402	0.07 343	0.06 430	0.06 200	0.06 293	0.07 381	0.06 310
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.15 486	0.09 440	0.15 441	0.13 22	0.12 554	0.14 403	0.20 560	0.22 398	0.33 556	0.17 445	0.26 517	0.21 484	0.16 496	0.17 481	0.21 565	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.06 310

acv_ft	0.15 486	0.09 440	0.15 441	0.19 472	0.10 469	0.16 462	0.17 447	0.25 464	0.33 556	0.19 492	0.26 517	0.21 484	0.17 519	0.17 481	0.18 526	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.06 310

DMCA	0.14 441	0.09 440	0.16 477	0.19 472	0.09 355	0.15 430	0.17 447	0.23 421	0.27 502	0.14 370	0.19 402	0.17 434	0.18 534	0.15 412	0.17 508	0.10 531	0.06 430	0.08 406	0.06 293	0.09 515	0.10 548

SuperB	0.20 568	0.10 503	0.56 668	0.16 222	0.09 355	0.18 504	0.18 496	0.24 445	0.50 646	0.26 587	0.39 617	0.17 434	0.21 566	0.22 574	0.21 565	0.08 426	0.06 430	0.06 200	0.06 293	0.12 586	0.10 548

HSM-Net_RVC	0.14 441	0.08 358	0.11 252	0.15 124	0.08 220	0.15 430	0.15 334	0.27 503	0.29 524	0.19 492	0.21 438	0.29 577	0.14 450	0.17 481	0.13 402	0.06 168	0.06 430	0.06 200	0.06 293	0.07 381	0.06 310
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.16 509	0.10 503	0.10 189	0.18 402	0.09 355	0.18 504	0.19 536	0.26 482	0.31 542	0.22 546	0.35 594	0.21 484	0.21 566	0.22 574	0.16 493	0.06 168	0.05 276	0.06 200	0.06 293	0.07 381	0.06 310

HSM	0.15 486	0.08 358	0.14 392	0.16 222	0.09 355	0.16 462	0.14 246	0.28 523	0.25 478	0.19 492	0.23 459	0.37 632	0.16 496	0.20 544	0.15 477	0.07 343	0.05 276	0.07 312	0.06 293	0.07 381	0.06 310

LE_ROB	0.50 683	0.07 239	0.14 392	0.15 124	0.08 220	0.24 592	0.16 405	0.22 398	1.81 717	4.63 723	0.67 680	0.47 667	0.44 676	0.20 544	0.29 641	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.06 310

SE	0.10 246	0.10 503	0.08 57	0.19 472	0.09 355	0.11 256	0.11 64	0.15 188	0.11 110	0.10 230	0.16 339	0.09 223	0.08 229	0.09 59	0.10 208	0.06 168	0.05 276	0.08 406	0.07 393	0.07 381	0.04 73

Selective-IGEV-i16pc	0.13 404	0.06 117	0.13 353	0.15 124	0.11 520	0.38 664	0.16 405	0.23 421	0.16 291	0.10 230	0.15 326	0.09 223	0.06 66	0.13 351	0.10 208	0.10 531	0.08 535	0.06 200	0.07 393	0.09 515	0.09 517

DepthFocus	0.08 85	0.04 1	0.15 441	0.12 7	0.09 355	0.07 43	0.12 100	0.10 35	0.05 4	0.09 183	0.05 7	0.07 124	0.04 1	0.08 25	0.08 25	0.06 168	0.05 276	0.07 312	0.07 393	0.05 170	0.04 73

Hybrid-DGEV-2	0.11 299	0.06 117	0.12 300	0.18 402	0.09 355	0.09 139	0.13 179	0.28 523	0.29 524	0.11 266	0.11 248	0.09 223	0.12 384	0.12 295	0.09 104	0.06 168	0.05 276	0.07 312	0.07 393	0.05 170	0.05 207

BStereo	0.08 85	0.06 117	0.16 477	0.15 124	0.08 220	0.07 43	0.09 20	0.15 188	0.16 291	0.06 25	0.07 65	0.07 124	0.05 14	0.09 59	0.11 291	0.04 11	0.05 276	0.05 50	0.07 393	0.04 48	0.04 73

Anonymus123	0.09 176	0.06 117	0.16 477	0.15 124	0.08 220	0.11 256	0.09 20	0.18 302	0.16 291	0.06 25	0.07 65	0.07 124	0.05 14	0.09 59	0.11 291	0.04 11	0.05 276	0.05 50	0.07 393	0.04 48	0.04 73

NLSM3	0.09 176	0.06 117	0.08 57	0.19 472	0.08 220	0.11 256	0.16 405	0.18 302	0.16 291	0.06 25	0.08 125	0.07 124	0.08 229	0.09 59	0.11 291	0.04 11	0.04 25	0.06 200	0.07 393	0.03 1	0.03 2

NLSM1	0.10 246	0.07 239	0.07 11	0.19 472	0.08 220	0.13 366	0.16 405	0.21 372	0.15 252	0.11 266	0.10 197	0.06 42	0.10 314	0.10 124	0.11 291	0.07 343	0.08 535	0.08 406	0.07 393	0.05 170	0.05 207

NLCSM	0.11 299	0.09 440	0.09 123	0.23 614	0.11 520	0.12 310	0.19 536	0.18 302	0.18 354	0.12 309	0.11 248	0.07 124	0.09 270	0.11 199	0.10 208	0.07 343	0.08 535	0.07 312	0.07 393	0.06 293	0.05 207

z-ln-s-r	0.17 530	0.10 503	0.40 645	0.19 472	0.08 220	0.17 485	0.18 496	0.22 398	0.33 556	0.18 475	0.40 623	0.22 502	0.17 519	0.20 544	0.23 586	0.07 343	0.05 276	0.07 312	0.07 393	0.07 381	0.05 207

DFGA-Net	0.13 404	0.11 530	0.18 532	0.17 309	0.10 469	0.12 310	0.13 179	0.22 398	0.25 478	0.16 426	0.16 339	0.13 346	0.12 384	0.16 447	0.14 445	0.07 343	0.05 276	0.08 406	0.07 393	0.05 170	0.05 207

LG-Stereo	0.08 85	0.07 239	0.10 189	0.18 402	0.07 134	0.10 202	0.17 447	0.11 58	0.08 25	0.05 2	0.07 65	0.05 5	0.07 180	0.09 59	0.09 104	0.04 11	0.05 276	0.07 312	0.07 393	0.04 48	0.04 73

G2L-Stereo	0.14 441	0.07 239	0.13 353	0.17 309	0.09 355	0.13 366	0.12 100	0.27 503	0.22 427	0.16 426	0.27 526	0.21 484	0.13 426	0.17 481	0.18 526	0.09 488	0.08 535	0.08 406	0.07 393	0.07 381	0.07 400

DDVS	0.15 486	0.10 503	0.21 566	0.16 222	0.12 554	0.15 430	0.14 246	0.25 464	0.19 373	0.18 475	0.29 552	0.27 558	0.12 384	0.19 519	0.15 477	0.09 488	0.06 430	0.09 492	0.07 393	0.11 571	0.11 575

rvit_stereo_0083	0.12 377	0.08 358	0.17 508	0.16 222	0.09 355	0.11 256	0.15 334	0.14 146	0.26 492	0.11 266	0.14 305	0.13 346	0.10 314	0.12 295	0.12 355	0.10 531	0.08 535	0.09 492	0.07 393	0.07 381	0.05 207

rvit_stereo_0081_aga	0.11 299	0.09 440	0.14 392	0.18 402	0.09 355	0.13 366	0.14 246	0.14 146	0.19 373	0.10 230	0.18 391	0.16 412	0.09 270	0.12 295	0.09 104	0.10 531	0.06 430	0.08 406	0.07 393	0.07 381	0.06 310

rvit_stereo_0081	0.11 299	0.08 358	0.15 441	0.16 222	0.09 355	0.10 202	0.14 246	0.14 146	0.24 456	0.11 266	0.13 289	0.13 346	0.09 270	0.11 199	0.12 355	0.10 531	0.07 503	0.08 406	0.07 393	0.07 381	0.05 207

ACV-stereo	0.15 486	0.10 503	0.28 606	0.18 402	0.12 554	0.14 403	0.12 100	0.23 421	0.21 413	0.19 492	0.23 459	0.22 502	0.15 468	0.23 585	0.17 508	0.07 343	0.06 430	0.07 312	0.07 393	0.07 381	0.07 400

rvit_stereo_0082	0.11 299	0.08 358	0.15 441	0.16 222	0.09 355	0.10 202	0.14 246	0.14 146	0.24 456	0.11 266	0.13 289	0.13 346	0.09 270	0.11 199	0.12 355	0.10 531	0.07 503	0.08 406	0.07 393	0.07 381	0.05 207

AIO-Stereo-zeroshot1	0.11 299	0.05 43	0.14 392	0.15 124	0.20 658	0.09 139	0.17 447	0.21 372	0.15 252	0.11 266	0.14 305	0.10 260	0.07 180	0.10 124	0.08 25	0.06 168	0.05 276	0.07 312	0.07 393	0.07 381	0.09 517

rvit_stereo_ft	0.12 377	0.07 239	0.13 353	0.19 472	0.10 469	0.12 310	0.17 447	0.16 228	0.16 291	0.12 309	0.13 289	0.15 397	0.10 314	0.14 385	0.13 402	0.09 488	0.06 430	0.08 406	0.07 393	0.07 381	0.05 207

test_sample6	0.14 441	0.08 358	0.13 353	0.16 222	0.08 220	0.17 485	0.19 536	0.25 464	0.17 321	0.17 445	0.27 526	0.19 463	0.14 450	0.15 412	0.13 402	0.08 426	0.05 276	0.08 406	0.07 393	0.08 450	0.08 471

test_sample5	0.14 441	0.08 358	0.14 392	0.16 222	0.08 220	0.18 504	0.18 496	0.25 464	0.17 321	0.17 445	0.27 526	0.18 448	0.14 450	0.16 447	0.13 402	0.08 426	0.05 276	0.08 406	0.07 393	0.08 450	0.08 471

CAS++	0.11 299	0.07 239	0.11 252	0.14 70	0.09 355	0.12 310	0.14 246	0.24 445	0.14 225	0.11 266	0.09 161	0.11 291	0.07 180	0.14 385	0.09 104	0.11 563	0.09 568	0.09 492	0.07 393	0.07 381	0.08 471
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MyStereo07	0.10 246	0.07 239	0.10 189	0.17 309	0.09 355	0.14 403	0.18 496	0.15 188	0.15 252	0.09 183	0.06 23	0.06 42	0.07 180	0.12 295	0.09 104	0.06 168	0.05 276	0.08 406	0.07 393	0.06 293	0.06 310

MyStereo06	0.10 246	0.07 239	0.12 300	0.17 309	0.09 355	0.13 366	0.18 496	0.19 333	0.12 149	0.12 309	0.08 125	0.07 124	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.07 312	0.07 393	0.06 293	0.06 310

MyStereo05	0.13 404	0.07 239	0.10 189	0.17 309	0.09 355	0.13 366	0.18 496	0.27 503	0.35 577	0.17 445	0.14 305	0.15 397	0.11 351	0.15 412	0.13 402	0.06 168	0.05 276	0.07 312	0.07 393	0.06 293	0.06 310

MyStereo04	0.13 404	0.07 239	0.10 189	0.17 309	0.09 355	0.14 403	0.18 496	0.29 537	0.38 596	0.17 445	0.14 305	0.16 412	0.10 314	0.15 412	0.13 402	0.06 168	0.05 276	0.08 406	0.07 393	0.06 293	0.06 310

mmm	0.14 441	0.08 358	0.17 508	0.17 309	0.09 355	0.17 485	0.18 496	0.21 372	0.15 252	0.15 397	0.23 459	0.21 484	0.16 496	0.16 447	0.17 508	0.08 426	0.05 276	0.08 406	0.07 393	0.07 381	0.07 400

DualNet	0.14 441	0.08 358	0.14 392	0.16 222	0.08 220	0.18 504	0.18 496	0.25 464	0.17 321	0.17 445	0.27 526	0.18 448	0.14 450	0.16 447	0.13 402	0.08 426	0.05 276	0.08 406	0.07 393	0.08 450	0.08 471

MIF-Stereo (partial)	0.11 299	0.06 117	0.10 189	0.19 472	0.10 469	0.10 202	0.11 64	0.17 267	0.18 354	0.14 370	0.16 339	0.09 223	0.11 351	0.12 295	0.12 355	0.08 426	0.05 276	0.08 406	0.07 393	0.06 293	0.07 400

PCWNet_CMD	0.14 441	0.08 358	0.15 441	0.17 309	0.09 355	0.14 403	0.14 246	0.29 537	0.36 582	0.14 370	0.20 414	0.21 484	0.12 384	0.17 481	0.13 402	0.07 343	0.05 276	0.07 312	0.07 393	0.07 381	0.07 400

CFNet_ucs	0.15 486	0.08 358	0.16 477	0.16 222	0.11 520	0.14 403	0.14 246	0.30 551	0.34 568	0.16 426	0.24 472	0.23 520	0.14 450	0.18 504	0.15 477	0.09 488	0.06 430	0.08 406	0.07 393	0.09 515	0.09 517

LL-Strereo2	0.10 246	0.10 503	0.15 441	0.18 402	0.08 220	0.15 430	0.09 20	0.17 267	0.14 225	0.14 370	0.10 197	0.09 223	0.07 180	0.16 447	0.10 208	0.05 51	0.05 276	0.10 541	0.07 393	0.06 293	0.05 207

4D-IteraStereo	0.09 176	0.07 239	0.10 189	0.18 402	0.07 134	0.09 139	0.15 334	0.17 267	0.15 252	0.10 230	0.11 248	0.10 260	0.07 180	0.11 199	0.09 104	0.05 51	0.03 1	0.08 406	0.07 393	0.06 293	0.05 207

CBFPSM	0.14 441	0.06 117	0.26 593	0.17 309	0.09 355	0.13 366	0.15 334	0.22 398	0.23 439	0.20 515	0.27 526	0.24 526	0.16 496	0.16 447	0.18 526	0.06 168	0.06 430	0.06 200	0.07 393	0.07 381	0.07 400

raft_robust	0.13 404	0.10 503	0.07 11	0.18 402	0.08 220	0.13 366	0.24 615	0.28 523	0.33 556	0.20 515	0.19 402	0.14 368	0.10 314	0.11 199	0.12 355	0.05 51	0.05 276	0.07 312	0.07 393	0.05 170	0.04 73

RAFT_CTSACE	0.12 377	0.09 440	0.10 189	0.22 590	0.08 220	0.12 310	0.24 615	0.18 302	0.16 291	0.20 515	0.27 526	0.13 346	0.07 180	0.13 351	0.09 104	0.05 51	0.06 430	0.08 406	0.07 393	0.04 48	0.04 73

CRFU-Net	0.16 509	0.08 358	0.14 392	0.17 309	0.09 355	0.19 528	0.14 246	0.26 482	0.20 397	0.28 608	0.27 526	0.29 577	0.17 519	0.19 519	0.17 508	0.09 488	0.09 568	0.07 312	0.07 393	0.08 450	0.08 471

NINENet	0.16 509	0.10 503	0.15 441	0.17 309	0.11 520	0.19 528	0.14 246	0.40 648	0.36 582	0.18 475	0.21 438	0.16 412	0.13 426	0.15 412	0.13 402	0.08 426	0.08 535	0.10 541	0.07 393	0.10 548	0.09 517

CSP-Net	0.16 509	0.09 440	0.14 392	0.16 222	0.09 355	0.19 528	0.17 447	0.25 464	0.32 549	0.25 581	0.30 559	0.24 526	0.15 468	0.21 561	0.18 526	0.09 488	0.06 430	0.07 312	0.07 393	0.08 450	0.07 400

UDGNet	0.14 441	0.13 576	0.16 477	0.17 309	0.10 469	0.12 310	0.16 405	0.21 372	0.27 502	0.20 515	0.20 414	0.16 412	0.13 426	0.16 447	0.13 402	0.10 531	0.06 430	0.09 492	0.07 393	0.06 293	0.07 400

AASNet	0.16 509	0.08 358	0.12 300	0.19 472	0.09 355	0.18 504	0.15 334	0.37 632	0.37 589	0.19 492	0.23 459	0.20 475	0.16 496	0.17 481	0.20 545	0.10 531	0.08 535	0.08 406	0.07 393	0.09 515	0.09 517

GMOStereo	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 653	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

error version	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 653	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

test-v	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 653	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

AACVNet	0.16 509	0.08 358	0.14 392	0.15 124	0.10 469	0.18 504	0.15 334	0.23 421	0.24 456	0.27 593	0.27 526	0.28 568	0.17 519	0.19 519	0.16 493	0.09 488	0.07 503	0.09 492	0.07 393	0.10 548	0.09 517

test_3	0.10 246	0.09 440	0.10 189	0.20 540	0.08 220	0.13 366	0.26 640	0.14 146	0.21 413	0.10 230	0.10 197	0.09 223	0.09 270	0.08 25	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.04 48	0.04 73

ADLNet2	0.16 509	0.09 440	0.13 353	0.16 222	0.09 355	0.20 544	0.16 405	0.31 563	0.39 600	0.16 426	0.20 414	0.20 475	0.18 534	0.21 561	0.22 574	0.08 426	0.06 430	0.07 312	0.07 393	0.09 515	0.07 400

CrosDoStereo	0.12 377	0.06 117	0.12 300	0.14 70	0.08 220	0.12 310	0.15 334	0.17 267	0.22 427	0.19 492	0.24 472	0.15 397	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 207

TRStereo	0.09 176	0.05 43	0.12 300	0.15 124	0.12 554	0.10 202	0.13 179	0.18 302	0.18 354	0.09 183	0.09 161	0.09 223	0.06 66	0.10 124	0.08 25	0.07 343	0.05 276	0.07 312	0.07 393	0.04 48	0.04 73

LCNet	0.11 299	0.07 239	0.09 123	0.19 472	0.09 355	0.08 85	0.15 334	0.21 372	0.15 252	0.11 266	0.15 326	0.16 412	0.11 351	0.12 295	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.06 293	0.15 636

PSM-softLoss	0.12 377	0.07 239	0.15 441	0.17 309	0.09 355	0.08 85	0.13 179	0.24 445	0.17 321	0.14 370	0.19 402	0.13 346	0.11 351	0.11 199	0.11 291	0.07 343	0.05 276	0.08 406	0.07 393	0.06 293	0.12 588

KMStereo	0.12 377	0.07 239	0.15 441	0.17 309	0.09 355	0.08 85	0.13 179	0.24 445	0.17 321	0.14 370	0.19 402	0.13 346	0.11 351	0.11 199	0.11 291	0.07 343	0.05 276	0.08 406	0.07 393	0.06 293	0.12 588

DeepStereo_LL	0.12 377	0.06 117	0.12 300	0.14 70	0.08 220	0.12 310	0.15 334	0.17 267	0.22 427	0.19 492	0.24 472	0.15 397	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 207

THIR-Stereo	0.12 377	0.07 239	0.11 252	0.15 124	0.08 220	0.14 403	0.16 405	0.17 267	0.25 478	0.16 426	0.24 472	0.14 368	0.12 384	0.12 295	0.14 445	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 207

test-2	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 653	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

GMM-Stereo	0.11 299	0.07 239	0.10 189	0.18 402	0.09 355	0.08 85	0.15 334	0.23 421	0.16 291	0.11 266	0.15 326	0.13 346	0.11 351	0.11 199	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.06 293	0.09 517

ICVP	0.15 486	0.09 440	0.12 300	0.22 590	0.09 355	0.17 485	0.21 581	0.25 464	0.23 439	0.18 475	0.30 559	0.26 550	0.18 534	0.17 481	0.14 445	0.09 488	0.07 503	0.08 406	0.07 393	0.07 381	0.07 400
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.17 530	0.12 548	0.15 441	0.22 590	0.11 520	0.19 528	0.17 447	0.32 574	0.48 636	0.20 515	0.25 500	0.17 434	0.13 426	0.21 561	0.16 493	0.10 531	0.06 430	0.08 406	0.07 393	0.09 515	0.08 471

xxxx	0.15 486	0.07 239	0.14 392	0.14 70	0.08 220	0.23 587	0.18 496	0.31 563	0.19 373	0.14 370	0.28 540	0.22 502	0.14 450	0.15 412	0.26 621	0.09 488	0.05 276	0.07 312	0.07 393	0.08 450	0.07 400

test_xeample	0.15 486	0.06 117	0.13 353	0.14 70	0.08 220	0.21 562	0.20 560	0.28 523	0.20 397	0.16 426	0.29 552	0.19 463	0.16 496	0.15 412	0.26 621	0.09 488	0.05 276	0.07 312	0.07 393	0.07 381	0.07 400

AFF-stereo	0.09 176	0.06 117	0.10 189	0.17 309	0.07 134	0.10 202	0.16 405	0.17 267	0.09 52	0.10 230	0.12 270	0.09 223	0.09 270	0.12 295	0.09 104	0.05 51	0.04 25	0.07 312	0.07 393	0.04 48	0.03 2

SFCPSM	0.13 404	0.07 239	0.14 392	0.17 309	0.09 355	0.15 430	0.16 405	0.28 523	0.27 502	0.14 370	0.17 363	0.12 313	0.13 426	0.14 385	0.11 291	0.08 426	0.05 276	0.07 312	0.07 393	0.07 381	0.06 310

MMNet	0.17 530	0.09 440	0.16 477	0.20 540	0.11 520	0.27 623	0.20 560	0.25 464	0.41 609	0.22 546	0.30 559	0.21 484	0.20 562	0.17 481	0.20 545	0.06 168	0.06 430	0.07 312	0.07 393	0.08 450	0.07 400

UNet	0.17 530	0.09 440	0.18 532	0.19 472	0.12 554	0.27 623	0.19 536	0.33 594	0.29 524	0.21 530	0.24 472	0.23 520	0.19 550	0.19 519	0.18 526	0.07 343	0.06 430	0.08 406	0.07 393	0.08 450	0.06 310

aanetorigin	0.22 590	0.17 617	0.56 668	0.17 309	0.10 469	0.15 430	0.19 536	0.20 345	0.33 556	0.49 672	0.48 652	0.29 577	0.27 612	0.20 544	0.23 586	0.08 426	0.07 503	0.08 406	0.07 393	0.10 548	0.09 517

EDNetEfficientorigin	7.91 723	0.31 674	153.02 750	0.19 472	0.09 355	0.21 562	0.16 405	0.22 398	0.59 666	0.72 690	0.67 680	0.42 651	0.50 681	0.24 595	0.39 674	0.08 426	0.07 503	0.08 406	0.07 393	0.12 586	0.10 548

EDNetEfficient	0.29 647	0.24 654	1.13 707	0.18 402	0.10 469	0.19 528	0.20 560	0.20 345	0.60 670	0.74 694	0.56 669	0.31 600	0.39 663	0.22 574	0.30 648	0.09 488	0.07 503	0.08 406	0.07 393	0.11 571	0.09 517

HGLStereo	0.17 530	0.08 358	0.19 544	0.17 309	0.12 554	0.18 504	0.18 496	0.31 563	0.32 549	0.21 530	0.32 572	0.25 540	0.18 534	0.19 519	0.20 545	0.09 488	0.09 568	0.07 312	0.07 393	0.09 515	0.10 548

MSMDNet	0.14 441	0.08 358	0.15 441	0.17 309	0.09 355	0.14 403	0.14 246	0.29 537	0.36 582	0.14 370	0.21 438	0.21 484	0.12 384	0.17 481	0.14 445	0.07 343	0.05 276	0.07 312	0.07 393	0.07 381	0.07 400

ccs_rob	0.14 441	0.08 358	0.15 441	0.16 222	0.09 355	0.12 310	0.14 246	0.27 503	0.34 568	0.14 370	0.21 438	0.22 502	0.13 426	0.18 504	0.14 445	0.07 343	0.05 276	0.08 406	0.07 393	0.07 381	0.07 400

AdaStereo	0.15 486	0.11 530	0.15 441	0.18 402	0.09 355	0.20 544	0.11 64	0.32 574	0.28 517	0.20 515	0.23 459	0.20 475	0.13 426	0.19 519	0.14 445	0.12 588	0.05 276	0.10 541	0.07 393	0.09 515	0.07 400
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.
DISCO	0.19 556	0.09 440	0.22 572	0.17 309	0.10 469	0.25 603	0.18 496	0.27 503	0.44 627	0.22 546	0.31 568	0.33 614	0.26 604	0.28 618	0.28 637	0.08 426	0.06 430	0.07 312	0.07 393	0.09 515	0.09 517

Selective-IGEV-i16pb	0.14 441	0.08 358	0.17 508	0.15 124	0.11 520	0.41 669	0.16 405	0.28 523	0.23 439	0.11 266	0.20 414	0.10 260	0.07 180	0.17 481	0.12 355	0.10 531	0.07 503	0.06 200	0.08 467	0.09 515	0.10 548

Select-FE	0.11 299	0.06 117	0.20 556	0.15 124	0.11 520	0.11 256	0.13 179	0.21 372	0.18 354	0.09 183	0.11 248	0.10 260	0.06 66	0.12 295	0.09 104	0.07 343	0.05 276	0.07 312	0.08 467	0.06 293	0.08 471

MultiAttention	0.29 647	0.08 358	0.14 392	0.19 472	0.12 554	1.45 715	1.33 719	0.36 626	0.37 589	0.19 492	0.21 438	0.24 526	0.11 351	0.38 661	0.18 526	0.06 168	0.05 276	0.08 406	0.08 467	0.10 548	0.09 517

z-mn7	0.24 613	0.14 588	0.45 652	0.19 472	0.13 577	0.28 630	0.25 631	0.34 603	0.62 673	0.27 593	0.56 669	0.29 577	0.24 589	0.32 636	0.25 609	0.08 426	0.08 535	0.08 406	0.08 467	0.10 548	0.10 548

fast-iter	0.11 299	0.06 117	0.11 252	0.13 22	0.09 355	0.09 139	0.14 246	0.21 372	0.10 77	0.19 492	0.17 363	0.14 368	0.09 270	0.16 447	0.08 25	0.05 51	0.04 25	0.07 312	0.08 467	0.07 381	0.06 310

CoSv	0.11 299	0.06 117	0.11 252	0.13 22	0.09 355	0.09 139	0.14 246	0.21 372	0.10 77	0.19 492	0.17 363	0.14 368	0.09 270	0.16 447	0.08 25	0.05 51	0.04 25	0.07 312	0.08 467	0.07 381	0.06 310

tg	0.10 246	0.06 117	0.10 189	0.18 402	0.08 220	0.11 256	0.16 405	0.20 345	0.12 149	0.08 131	0.11 248	0.11 291	0.07 180	0.11 199	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.04 48	0.04 73

DCVSM-stereo	0.14 441	0.09 440	0.16 477	0.16 222	0.10 469	0.15 430	0.09 20	0.19 333	0.23 439	0.20 515	0.23 459	0.26 550	0.15 468	0.18 504	0.14 445	0.09 488	0.07 503	0.09 492	0.08 467	0.10 548	0.12 588

ITSA-stereo	0.15 486	0.10 503	0.14 392	0.19 472	0.08 220	0.12 310	0.14 246	0.30 551	0.49 643	0.17 445	0.19 402	0.22 502	0.15 468	0.17 481	0.16 493	0.10 531	0.06 430	0.08 406	0.08 467	0.08 450	0.08 471

H2IRNET	0.10 246	0.09 440	0.09 123	0.18 402	0.09 355	0.12 310	0.15 334	0.14 146	0.21 413	0.10 230	0.10 197	0.10 260	0.10 314	0.10 124	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.06 293	0.05 207

DispNO	0.14 441	0.08 358	0.17 508	0.19 472	0.12 554	0.11 256	0.21 581	0.23 421	0.29 524	0.17 445	0.23 459	0.18 448	0.17 519	0.15 412	0.15 477	0.07 343	0.05 276	0.08 406	0.08 467	0.07 381	0.06 310

xx1	0.11 299	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.16 228	0.18 354	0.09 183	0.09 161	0.16 412	0.16 496	0.10 124	0.07 1	0.06 168	0.04 25	0.08 406	0.08 467	0.07 381	0.07 400

ffm	0.12 377	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.15 188	0.19 373	0.15 397	0.25 500	0.19 463	0.13 426	0.10 124	0.07 1	0.06 168	0.04 25	0.09 492	0.08 467	0.06 293	0.06 310

ff1	0.13 404	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.15 188	0.19 373	0.15 397	0.25 500	0.19 463	0.13 426	0.14 385	0.20 545	0.06 168	0.04 25	0.09 492	0.08 467	0.06 293	0.06 310

mmx	0.14 441	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.27 503	0.25 478	0.15 397	0.25 500	0.19 463	0.13 426	0.14 385	0.20 545	0.08 426	0.06 430	0.09 492	0.08 467	0.08 450	0.08 471

xxx	0.14 441	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.27 503	0.25 478	0.15 397	0.25 500	0.19 463	0.13 426	0.14 385	0.20 545	0.08 426	0.06 430	0.09 492	0.08 467	0.08 450	0.08 471

CASnet	0.09 176	0.09 440	0.09 123	0.19 472	0.06 28	0.07 43	0.11 64	0.18 302	0.14 225	0.11 266	0.10 197	0.09 223	0.07 180	0.10 124	0.10 208	0.06 168	0.04 25	0.10 541	0.08 467	0.05 170	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo	0.13 404	0.09 440	0.11 252	0.20 540	0.10 469	0.11 256	0.18 496	0.32 574	0.24 456	0.15 397	0.15 326	0.14 368	0.13 426	0.19 519	0.11 291	0.06 168	0.04 25	0.09 492	0.08 467	0.04 48	0.05 207

gwcnet-sp	0.14 441	0.07 239	0.12 300	0.18 402	0.09 355	0.16 462	0.17 447	0.24 445	0.24 456	0.18 475	0.24 472	0.15 397	0.16 496	0.15 412	0.15 477	0.08 426	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

scenet	0.14 441	0.07 239	0.12 300	0.18 402	0.09 355	0.16 462	0.17 447	0.24 445	0.24 456	0.18 475	0.24 472	0.15 397	0.16 496	0.15 412	0.15 477	0.08 426	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

CASS	0.13 404	0.12 548	0.11 252	0.23 614	0.09 355	0.15 430	0.17 447	0.18 302	0.19 373	0.17 445	0.18 391	0.15 397	0.15 468	0.14 385	0.14 445	0.09 488	0.06 430	0.10 541	0.08 467	0.09 515	0.07 400
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.14 441	0.07 239	0.12 300	0.18 402	0.09 355	0.16 462	0.17 447	0.24 445	0.24 456	0.18 475	0.24 472	0.15 397	0.16 496	0.15 412	0.15 477	0.08 426	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

qqq	0.13 404	0.09 440	0.15 441	0.16 222	0.08 220	0.13 366	0.15 334	0.23 421	0.16 291	0.15 397	0.19 402	0.16 412	0.16 496	0.15 412	0.16 493	0.07 343	0.06 430	0.08 406	0.08 467	0.07 381	0.07 400

Wz-Net-LNSev	0.22 590	0.16 606	0.38 641	0.21 573	0.13 577	0.25 603	0.23 602	0.32 574	0.43 622	0.30 622	0.41 634	0.31 600	0.18 534	0.22 574	0.25 609	0.10 531	0.09 568	0.08 406	0.08 467	0.12 586	0.11 575

RAFT+CT+SA	0.13 404	0.11 530	0.09 123	0.19 472	0.09 355	0.15 430	0.28 653	0.22 398	0.22 427	0.15 397	0.26 517	0.10 260	0.10 314	0.11 199	0.12 355	0.05 51	0.04 25	0.07 312	0.08 467	0.07 381	0.06 310

test_5	0.14 441	0.12 548	0.08 57	0.20 540	0.10 469	0.14 403	0.29 663	0.21 372	0.24 456	0.18 475	0.28 540	0.11 291	0.15 468	0.12 295	0.13 402	0.06 168	0.05 276	0.07 312	0.08 467	0.08 450	0.07 400

SA	0.12 377	0.09 440	0.08 57	0.18 402	0.08 220	0.12 310	0.24 615	0.23 421	0.18 354	0.17 445	0.27 526	0.14 368	0.11 351	0.11 199	0.11 291	0.05 51	0.05 276	0.09 492	0.08 467	0.05 170	0.04 73

test_4	0.10 246	0.10 503	0.08 57	0.19 472	0.09 355	0.08 85	0.22 591	0.15 188	0.17 321	0.12 309	0.18 391	0.12 313	0.09 270	0.08 25	0.11 291	0.04 11	0.04 25	0.08 406	0.08 467	0.04 48	0.03 2

psmg	0.14 441	0.09 440	0.14 392	0.17 309	0.10 469	0.15 430	0.17 447	0.29 537	0.19 373	0.17 445	0.21 438	0.25 540	0.16 496	0.15 412	0.14 445	0.08 426	0.06 430	0.08 406	0.08 467	0.07 381	0.06 310

PFNet+	0.11 299	0.06 117	0.13 353	0.16 222	0.09 355	0.05 4	0.12 100	0.17 267	0.21 413	0.16 426	0.19 402	0.14 368	0.10 314	0.11 199	0.11 291	0.08 426	0.05 276	0.09 492	0.08 467	0.06 293	0.11 575

PSM-AAD	0.11 299	0.07 239	0.10 189	0.19 472	0.09 355	0.10 202	0.15 334	0.20 345	0.13 192	0.12 309	0.14 305	0.18 448	0.11 351	0.11 199	0.10 208	0.05 51	0.05 276	0.09 492	0.08 467	0.06 293	0.14 629

KYRaft	0.11 299	0.07 239	0.10 189	0.19 472	0.09 355	0.08 85	0.15 334	0.22 398	0.12 149	0.13 343	0.16 339	0.20 475	0.10 314	0.12 295	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.06 293	0.16 647

iRaftStereo_RVC	0.10 246	0.07 239	0.09 123	0.17 309	0.09 355	0.11 256	0.17 447	0.18 302	0.12 149	0.09 183	0.12 270	0.10 260	0.07 180	0.11 199	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.04 48	0.04 73

Anonymous3	0.16 509	0.13 576	0.33 626	0.26 640	0.14 598	0.27 623	0.17 447	0.28 523	0.28 517	0.15 397	0.17 363	0.14 368	0.10 314	0.15 412	0.12 355	0.08 426	0.08 535	0.08 406	0.08 467	0.08 450	0.11 575

sCroCo_RVC	0.12 377	0.09 440	0.23 581	0.24 623	0.11 520	0.19 528	0.14 246	0.17 267	0.14 225	0.10 230	0.13 289	0.12 313	0.07 180	0.14 385	0.11 291	0.08 426	0.08 535	0.08 406	0.08 467	0.05 170	0.07 400

RAFT + AFF	0.13 404	0.07 239	0.20 556	0.20 540	0.10 469	0.14 403	0.24 615	0.26 482	0.20 397	0.11 266	0.10 197	0.12 313	0.10 314	0.15 412	0.12 355	0.07 343	0.06 430	0.09 492	0.08 467	0.06 293	0.08 471

FENet	0.13 404	0.08 358	0.12 300	0.16 222	0.08 220	0.14 403	0.15 334	0.22 398	0.23 439	0.17 445	0.23 459	0.16 412	0.12 384	0.14 385	0.15 477	0.08 426	0.05 276	0.08 406	0.08 467	0.07 381	0.07 400

cf-r	0.13 404	0.07 239	0.12 300	0.16 222	0.08 220	0.14 403	0.19 536	0.20 345	0.25 478	0.17 445	0.25 500	0.21 484	0.16 496	0.14 385	0.14 445	0.10 531	0.05 276	0.06 200	0.08 467	0.06 293	0.06 310

hitnet-ft	0.18 544	0.09 440	0.17 508	0.14 70	0.09 355	0.26 613	0.20 560	0.25 464	0.26 492	0.24 568	0.32 572	0.31 600	0.22 575	0.24 595	0.21 565	0.12 588	0.07 503	0.10 541	0.08 467	0.12 586	0.11 575

GANet-RSSM	0.14 441	0.07 239	0.13 353	0.13 22	0.08 220	0.14 403	0.17 447	0.22 398	0.21 413	0.17 445	0.24 472	0.23 520	0.15 468	0.16 447	0.15 477	0.10 531	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

ADCP+	0.20 568	0.10 503	0.33 626	0.20 540	0.12 554	0.22 571	0.26 640	0.31 563	0.34 568	0.26 587	0.37 603	0.22 502	0.22 575	0.27 606	0.27 629	0.09 488	0.06 430	0.08 406	0.08 467	0.09 515	0.10 548

RASNet	0.14 441	0.07 239	0.14 392	0.16 222	0.08 220	0.18 504	0.14 246	0.29 537	0.20 397	0.17 445	0.25 500	0.21 484	0.18 534	0.20 544	0.19 539	0.07 343	0.06 430	0.06 200	0.08 467	0.06 293	0.06 310

NLCA_NET_v2_RVC	0.17 530	0.10 503	0.22 572	0.20 540	0.10 469	0.15 430	0.18 496	0.31 563	0.25 478	0.21 530	0.30 559	0.25 540	0.17 519	0.21 561	0.20 545	0.09 488	0.06 430	0.08 406	0.08 467	0.07 381	0.08 471
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	0.19 556	0.10 503	0.15 441	0.17 309	0.15 618	0.28 630	0.23 602	0.44 665	0.42 617	0.15 397	0.27 526	0.25 540	0.19 550	0.22 574	0.17 508	0.09 488	0.06 430	0.10 541	0.08 467	0.15 636	0.09 517

DPSNet	0.28 643	0.16 606	0.31 619	0.18 402	0.13 577	0.54 679	0.42 690	0.51 681	0.67 683	0.29 617	0.38 609	0.38 636	0.29 631	0.31 629	0.23 586	0.11 563	0.10 590	0.11 572	0.08 467	0.20 661	0.16 647

PWC_ROB	0.21 581	0.16 606	0.26 593	0.18 402	0.11 520	0.22 571	0.13 179	0.32 574	0.49 643	0.30 622	0.40 623	0.32 610	0.24 589	0.31 629	0.22 574	0.10 531	0.07 503	0.11 572	0.08 467	0.11 571	0.10 548

PWCDC_ROB	0.20 568	0.13 576	0.22 572	0.24 623	0.11 520	0.19 528	0.15 334	0.33 594	0.54 656	0.29 617	0.50 657	0.21 484	0.15 468	0.27 606	0.20 545	0.11 563	0.09 568	0.10 541	0.08 467	0.11 571	0.09 517

SME	0.11 299	0.09 440	0.10 189	0.17 309	0.07 134	0.20 544	0.13 179	0.21 372	0.17 321	0.12 309	0.13 289	0.10 260	0.12 384	0.13 351	0.13 402	0.07 343	0.07 503	0.08 406	0.09 514	0.06 293	0.05 207

DStereoRT	0.16 509	0.06 117	0.11 252	0.19 472	0.09 355	0.12 310	0.12 100	0.28 523	0.22 427	0.12 309	0.20 414	0.11 291	0.10 314	0.15 412	0.14 445	0.06 168	0.05 276	0.96 712	0.09 514	0.05 170	0.04 73

FlowAnything_test	0.11 299	0.08 358	0.14 392	0.15 124	0.09 355	0.07 43	0.14 246	0.20 345	0.11 110	0.09 183	0.09 161	0.12 313	0.12 384	0.13 351	0.11 291	0.09 488	0.06 430	0.09 492	0.09 514	0.06 293	0.09 517

MSAF-DinoV2	0.22 590	0.11 530	0.23 581	0.17 309	0.10 469	0.27 623	0.16 405	0.37 632	0.55 657	0.21 530	0.27 526	0.47 667	0.27 612	0.35 648	0.39 674	0.09 488	0.06 430	0.07 312	0.09 514	0.12 586	0.10 548

zh-mn7	0.25 625	0.14 588	0.56 668	0.19 472	0.14 598	0.24 592	0.22 591	0.34 603	0.62 673	0.35 641	0.65 678	0.31 600	0.25 598	0.31 629	0.25 609	0.09 488	0.08 535	0.09 492	0.09 514	0.09 515	0.11 575

w-ln-seven-2	0.20 568	0.14 588	0.37 639	0.22 590	0.12 554	0.20 544	0.21 581	0.28 523	0.37 589	0.25 581	0.37 603	0.27 558	0.22 575	0.21 561	0.23 586	0.08 426	0.08 535	0.09 492	0.09 514	0.10 548	0.09 517

S2M2_L	0.09 176	0.08 358	0.11 252	0.13 22	0.10 469	0.08 85	0.06 1	0.10 35	0.10 77	0.10 230	0.09 161	0.10 260	0.09 270	0.11 199	0.11 291	0.13 614	0.07 503	0.08 406	0.09 514	0.10 548	0.08 471
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
AIO-test2	0.10 246	0.08 358	0.10 189	0.23 614	0.08 220	0.11 256	0.10 35	0.23 421	0.23 439	0.08 131	0.09 161	0.08 186	0.05 14	0.10 124	0.08 25	0.06 168	0.05 276	0.08 406	0.09 514	0.05 170	0.05 207

test_sample7	0.15 486	0.10 503	0.16 477	0.14 70	0.11 520	0.16 462	0.16 405	0.27 503	0.23 439	0.20 515	0.20 414	0.24 526	0.19 550	0.16 447	0.16 493	0.12 588	0.06 430	0.10 541	0.09 514	0.10 548	0.10 548

1111x	0.15 486	0.08 358	0.12 300	0.18 402	0.07 134	0.18 504	0.25 631	0.31 563	0.24 456	0.17 445	0.24 472	0.26 550	0.15 468	0.13 351	0.23 586	0.07 343	0.07 503	0.08 406	0.09 514	0.07 381	0.06 310

coex-ft	3.30 715	0.34 678	59.09 749	0.18 402	0.13 577	0.26 613	0.22 591	0.27 503	0.72 687	1.90 718	0.70 684	0.44 657	0.45 677	0.29 625	0.41 680	0.09 488	0.09 568	0.12 592	0.09 514	0.14 620	0.13 612

anonymousa	0.13 404	0.07 239	0.13 353	0.18 402	0.09 355	0.13 366	0.17 447	0.19 333	0.29 524	0.15 397	0.24 472	0.15 397	0.14 450	0.14 385	0.14 445	0.07 343	0.05 276	0.07 312	0.09 514	0.05 170	0.06 310

ssnet_v2	0.17 530	0.10 503	0.17 508	0.17 309	0.11 520	0.21 562	0.21 581	0.33 594	0.25 478	0.22 546	0.22 450	0.27 558	0.18 534	0.22 574	0.20 545	0.11 563	0.09 568	0.09 492	0.09 514	0.08 450	0.08 471

BUS	0.14 441	0.09 440	0.14 392	0.22 590	0.10 469	0.19 528	0.14 246	0.34 603	0.19 373	0.17 445	0.22 450	0.16 412	0.13 426	0.15 412	0.13 402	0.08 426	0.06 430	0.10 541	0.09 514	0.07 381	0.07 400

Wz-Net-MNSev	0.22 590	0.13 576	0.31 619	0.20 540	0.14 598	0.36 660	0.24 615	0.33 594	0.44 627	0.28 608	0.40 623	0.38 636	0.19 550	0.24 595	0.25 609	0.09 488	0.07 503	0.09 492	0.09 514	0.12 586	0.10 548

BSDual-CNN	0.15 486	0.09 440	0.14 392	0.22 590	0.10 469	0.14 403	0.15 334	0.34 603	0.19 373	0.17 445	0.22 450	0.25 540	0.16 496	0.15 412	0.14 445	0.08 426	0.06 430	0.10 541	0.09 514	0.07 381	0.07 400

hknet	0.15 486	0.11 530	0.13 353	0.22 590	0.11 520	0.14 403	0.15 334	0.34 603	0.25 478	0.17 445	0.22 450	0.22 502	0.18 534	0.17 481	0.12 355	0.07 343	0.06 430	0.10 541	0.09 514	0.07 381	0.07 400

Sa-1000	0.12 377	0.08 358	0.08 57	0.18 402	0.08 220	0.14 403	0.22 591	0.22 398	0.18 354	0.15 397	0.20 414	0.17 434	0.11 351	0.10 124	0.10 208	0.06 168	0.05 276	0.09 492	0.09 514	0.05 170	0.05 207

dad	0.17 530	0.20 638	0.20 556	0.16 222	0.11 520	0.20 544	0.18 496	0.21 372	0.28 517	0.30 622	0.24 472	0.29 577	0.13 426	0.19 519	0.16 493	0.18 655	0.09 568	0.11 572	0.09 514	0.11 571	0.07 400

UDG	0.21 581	0.17 617	0.19 544	0.23 614	0.15 618	0.30 637	0.20 560	0.33 594	0.35 577	0.23 559	0.28 540	0.31 600	0.27 612	0.20 544	0.22 574	0.15 632	0.12 619	0.13 607	0.09 514	0.14 620	0.14 629

RAFT	0.13 404	0.09 440	0.11 252	0.18 402	0.08 220	0.15 430	0.24 615	0.20 345	0.19 373	0.21 530	0.21 438	0.17 434	0.12 384	0.16 447	0.09 104	0.06 168	0.07 503	0.10 541	0.09 514	0.05 170	0.05 207

ARAFT	0.12 377	0.08 358	0.17 508	0.19 472	0.09 355	0.14 403	0.18 496	0.20 345	0.12 149	0.12 309	0.13 289	0.14 368	0.11 351	0.15 412	0.12 355	0.06 168	0.05 276	0.10 541	0.09 514	0.05 170	0.04 73

UPFNet	0.16 509	0.08 358	0.12 300	0.20 540	0.12 554	0.20 544	0.23 602	0.28 523	0.26 492	0.17 445	0.24 472	0.22 502	0.19 550	0.19 519	0.21 565	0.09 488	0.07 503	0.08 406	0.09 514	0.08 450	0.06 310

GwcNet	0.20 568	0.13 576	0.19 544	0.18 402	0.12 554	0.24 592	0.19 536	0.35 619	0.43 622	0.20 515	0.32 572	0.33 614	0.20 562	0.22 574	0.24 599	0.11 563	0.09 568	0.09 492	0.09 514	0.09 515	0.10 548

ac_64	0.16 509	0.08 358	0.15 441	0.18 402	0.10 469	0.22 571	0.18 496	0.24 445	0.21 413	0.18 475	0.24 472	0.29 577	0.18 534	0.19 519	0.22 574	0.09 488	0.07 503	0.08 406	0.09 514	0.07 381	0.06 310

GwcNet-RSSM	0.14 441	0.07 239	0.12 300	0.15 124	0.08 220	0.15 430	0.20 560	0.21 372	0.27 502	0.18 475	0.27 526	0.22 502	0.16 496	0.14 385	0.15 477	0.10 531	0.05 276	0.07 312	0.09 514	0.07 381	0.07 400

CFNet-ft	0.14 441	0.07 239	0.15 441	0.12 7	0.09 355	0.16 462	0.18 496	0.22 398	0.24 456	0.17 445	0.26 517	0.24 526	0.14 450	0.16 447	0.14 445	0.11 563	0.06 430	0.08 406	0.09 514	0.09 515	0.08 471

FAT-Stereo	0.20 568	0.12 548	0.22 572	0.21 573	0.12 554	0.17 485	0.18 496	0.34 603	0.39 600	0.27 593	0.37 603	0.34 621	0.32 645	0.21 561	0.20 545	0.09 488	0.11 603	0.10 541	0.09 514	0.11 571	0.14 629

DSFCA	0.16 509	0.09 440	0.14 392	0.16 222	0.10 469	0.20 544	0.19 536	0.28 523	0.31 542	0.23 559	0.24 472	0.22 502	0.15 468	0.19 519	0.20 545	0.10 531	0.07 503	0.09 492	0.09 514	0.08 450	0.08 471

CCAANet	0.14 441	0.06 117	0.14 392	0.17 309	0.09 355	0.16 462	0.13 179	0.30 551	0.24 456	0.16 426	0.32 572	0.18 448	0.17 519	0.17 481	0.14 445	0.06 168	0.05 276	0.09 492	0.09 514	0.06 293	0.09 517

FADNet_RVC	0.16 509	0.14 588	0.40 645	0.20 540	0.11 520	0.13 366	0.13 179	0.26 482	0.22 427	0.21 530	0.23 459	0.20 475	0.17 519	0.14 385	0.16 493	0.08 426	0.08 535	0.12 592	0.09 514	0.11 571	0.10 548

G-Net	0.24 613	0.16 606	0.36 635	0.22 590	0.16 629	0.51 677	0.23 602	0.29 537	0.34 568	0.36 644	0.38 609	0.31 600	0.29 631	0.27 606	0.26 621	0.11 563	0.09 568	0.12 592	0.09 514	0.16 645	0.13 612

ADCL	0.24 613	0.11 530	0.47 657	0.22 590	0.12 554	0.34 650	0.29 663	0.29 537	0.56 660	0.24 568	0.46 649	0.30 587	0.30 635	0.29 625	0.29 641	0.08 426	0.07 503	0.09 492	0.09 514	0.10 548	0.10 548

ADCRef	0.19 556	0.12 548	0.41 648	0.20 540	0.12 554	0.22 571	0.18 496	0.32 574	0.36 582	0.26 587	0.32 572	0.17 434	0.23 583	0.24 595	0.24 599	0.07 343	0.06 430	0.09 492	0.09 514	0.08 450	0.08 471

RYNet	0.22 590	0.12 548	0.22 572	0.19 472	0.17 644	0.46 671	0.26 640	0.38 640	0.48 636	0.24 568	0.28 540	0.34 621	0.23 583	0.20 544	0.30 648	0.10 531	0.06 430	0.09 492	0.09 514	0.13 606	0.15 636

GANet	0.21 581	0.12 548	0.21 566	0.24 623	0.13 577	0.22 571	0.22 591	0.41 654	0.26 492	0.31 628	0.42 641	0.37 632	0.28 623	0.23 585	0.22 574	0.10 531	0.12 619	0.10 541	0.09 514	0.10 548	0.08 471

CFNet_RVC	0.14 441	0.07 239	0.15 441	0.12 7	0.09 355	0.16 462	0.18 496	0.22 398	0.24 456	0.17 445	0.26 517	0.24 526	0.14 450	0.16 447	0.14 445	0.11 563	0.06 430	0.08 406	0.09 514	0.09 515	0.08 471

DeepPruner_ROB	0.16 509	0.11 530	0.15 441	0.17 309	0.10 469	0.17 485	0.15 334	0.32 574	0.21 413	0.19 492	0.21 438	0.22 502	0.18 534	0.20 544	0.15 477	0.13 614	0.09 568	0.09 492	0.09 514	0.11 571	0.10 548

StereoDRNet	0.18 544	0.11 530	0.17 508	0.22 590	0.11 520	0.21 562	0.22 591	0.37 632	0.33 556	0.24 568	0.28 540	0.30 587	0.19 550	0.20 544	0.20 545	0.09 488	0.08 535	0.11 572	0.09 514	0.09 515	0.07 400

SANet	0.24 613	0.14 588	0.28 606	0.21 573	0.11 520	0.27 623	0.24 615	0.38 640	0.64 678	0.36 644	0.40 623	0.43 655	0.26 604	0.27 606	0.24 599	0.12 588	0.09 568	0.10 541	0.09 514	0.13 606	0.11 575

DLCB_ROB	0.18 544	0.10 503	0.15 441	0.23 614	0.11 520	0.24 592	0.18 496	0.29 537	0.28 517	0.27 593	0.28 540	0.28 568	0.24 589	0.19 519	0.20 545	0.08 426	0.08 535	0.09 492	0.09 514	0.07 381	0.07 400

ETE_ROB	0.23 606	0.17 617	0.22 572	0.25 635	0.13 577	0.26 613	0.29 663	0.31 563	0.36 582	0.28 608	0.36 597	0.45 659	0.26 604	0.27 606	0.26 621	0.11 563	0.08 535	0.12 592	0.09 514	0.14 620	0.13 612

AANet	0.30 653	0.19 632	1.03 704	0.16 222	0.13 577	0.22 571	0.16 405	0.30 551	0.62 673	0.60 681	0.52 659	0.46 663	0.38 660	0.23 585	0.32 657	0.12 588	0.09 568	0.11 572	0.10 556	0.13 606	0.12 588

Selective-IGEV-i1pa	2.80 714	3.51 722	0.67 686	0.28 656	0.14 598	10.22 724	0.43 692	4.36 721	3.63 721	3.53 721	6.92 723	3.47 720	1.97 719	13.41 736	2.26 718	0.36 688	0.15 650	0.13 607	0.10 556	0.15 636	0.35 690

zh-sn7	0.25 625	0.17 617	0.50 659	0.24 623	0.13 577	0.25 603	0.24 615	0.34 603	0.48 636	0.28 608	0.54 662	0.28 568	0.31 639	0.36 654	0.32 657	0.10 531	0.10 590	0.11 572	0.10 556	0.12 586	0.12 588

w-ln-seven	0.24 613	0.14 588	0.55 665	0.19 472	0.14 598	0.26 613	0.22 591	0.35 619	0.60 670	0.29 617	0.39 617	0.30 587	0.22 575	0.21 561	0.26 621	0.09 488	0.09 568	0.11 572	0.10 556	0.11 571	0.10 548

YMNet	0.20 568	0.12 548	0.19 544	0.20 540	0.14 598	0.26 613	0.23 602	0.32 574	0.34 568	0.27 593	0.34 589	0.30 587	0.18 534	0.18 504	0.22 574	0.10 531	0.13 634	0.10 541	0.10 556	0.08 450	0.09 517

YMNet_1	0.20 568	0.12 548	0.19 544	0.20 540	0.14 598	0.26 613	0.23 602	0.32 574	0.34 568	0.27 593	0.34 589	0.30 587	0.18 534	0.18 504	0.22 574	0.10 531	0.13 634	0.10 541	0.10 556	0.08 450	0.09 517

AIO-test1	0.10 246	0.07 239	0.10 189	0.23 614	0.07 134	0.09 139	0.13 179	0.21 372	0.14 225	0.11 266	0.12 270	0.09 223	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.09 492	0.10 556	0.03 1	0.06 310

rvit_0105_6	0.14 441	0.09 440	0.18 532	0.17 309	0.10 469	0.10 202	0.16 405	0.19 333	0.26 492	0.12 309	0.18 391	0.17 434	0.12 384	0.18 504	0.12 355	0.15 632	0.11 603	0.12 592	0.10 556	0.09 515	0.06 310

rvit_0105_5	0.14 441	0.09 440	0.13 353	0.17 309	0.09 355	0.14 403	0.23 602	0.24 445	0.27 502	0.14 370	0.15 326	0.18 448	0.12 384	0.17 481	0.14 445	0.14 628	0.11 603	0.10 541	0.10 556	0.08 450	0.06 310

rvit_0105_4	0.14 441	0.09 440	0.17 508	0.17 309	0.10 469	0.12 310	0.19 536	0.23 421	0.27 502	0.14 370	0.20 414	0.17 434	0.13 426	0.17 481	0.13 402	0.15 632	0.11 603	0.11 572	0.10 556	0.09 515	0.06 310

rvit_stereo_0075_2	0.17 530	0.12 548	0.25 590	0.23 614	0.16 629	0.13 366	0.10 35	0.30 551	0.27 502	0.20 515	0.28 540	0.22 502	0.15 468	0.18 504	0.13 402	0.16 648	0.10 590	0.17 645	0.10 556	0.10 548	0.09 517

fast-acv-ft	0.18 544	0.11 530	0.19 544	0.19 472	0.12 554	0.24 592	0.21 581	0.25 464	0.34 568	0.22 546	0.34 589	0.27 558	0.20 562	0.21 561	0.23 586	0.09 488	0.09 568	0.08 406	0.10 556	0.08 450	0.07 400

ToySt	0.17 530	0.11 530	0.18 532	0.17 309	0.11 520	0.16 462	0.25 631	0.24 445	0.33 556	0.19 492	0.24 472	0.26 550	0.24 589	0.19 519	0.20 545	0.07 343	0.08 535	0.09 492	0.10 556	0.09 515	0.08 471

Wz-Net-SNSev	0.25 625	0.17 617	0.44 651	0.25 635	0.14 598	0.26 613	0.23 602	0.38 640	0.56 660	0.30 622	0.55 664	0.39 644	0.26 604	0.23 585	0.30 648	0.10 531	0.09 568	0.09 492	0.10 556	0.11 571	0.11 575

WZ-Net	0.28 643	0.17 617	0.78 695	0.22 590	0.16 629	0.34 650	0.29 663	0.39 644	0.57 662	0.24 568	0.55 664	0.37 632	0.24 589	0.33 639	0.35 665	0.09 488	0.08 535	0.09 492	0.10 556	0.14 620	0.16 647

SACVNet	0.18 544	0.12 548	0.14 392	0.17 309	0.13 577	0.22 571	0.18 496	0.31 563	0.30 534	0.23 559	0.31 568	0.30 587	0.22 575	0.22 574	0.17 508	0.11 563	0.08 535	0.10 541	0.10 556	0.12 586	0.14 629

pcwnet_v2	0.19 556	0.10 503	0.26 593	0.17 309	0.14 598	0.18 504	0.15 334	0.37 632	0.46 634	0.19 492	0.24 472	0.21 484	0.19 550	0.20 544	0.19 539	0.13 614	0.10 590	0.10 541	0.10 556	0.11 571	0.13 612

ADLNet	0.16 509	0.08 358	0.15 441	0.16 222	0.10 469	0.16 462	0.17 447	0.32 574	0.27 502	0.22 546	0.27 526	0.24 526	0.16 496	0.18 504	0.21 565	0.10 531	0.06 430	0.10 541	0.10 556	0.08 450	0.09 517

HCRNet	0.16 509	0.24 654	0.12 300	0.35 675	0.11 520	0.15 430	0.17 447	0.26 482	0.22 427	0.19 492	0.24 472	0.21 484	0.14 450	0.15 412	0.13 402	0.11 563	0.07 503	0.11 572	0.10 556	0.09 515	0.07 400

FINET	0.21 581	0.18 628	0.26 593	0.18 402	0.16 629	0.23 587	0.23 602	0.32 574	0.48 636	0.25 581	0.32 572	0.22 502	0.22 575	0.22 574	0.17 508	0.18 655	0.16 654	0.11 572	0.10 556	0.15 636	0.13 612

DMCA-RVC	0.17 530	0.10 503	0.15 441	0.24 623	0.11 520	0.18 504	0.18 496	0.25 464	0.24 456	0.21 530	0.26 517	0.25 540	0.27 612	0.18 504	0.20 545	0.12 588	0.08 535	0.13 607	0.10 556	0.10 548	0.08 471

FADNet-RVC-Resample	0.16 509	0.11 530	0.31 619	0.22 590	0.11 520	0.19 528	0.14 246	0.25 464	0.24 456	0.24 568	0.27 526	0.20 475	0.15 468	0.16 447	0.15 477	0.07 343	0.08 535	0.12 592	0.10 556	0.09 515	0.10 548

S-Stereo	0.20 568	0.12 548	0.25 590	0.21 573	0.13 577	0.20 544	0.18 496	0.32 574	0.43 622	0.23 559	0.36 597	0.28 568	0.30 635	0.19 519	0.22 574	0.09 488	0.12 619	0.10 541	0.10 556	0.13 606	0.13 612

stereogan	0.22 590	0.11 530	0.21 566	0.20 540	0.12 554	0.31 639	0.19 536	0.35 619	0.44 627	0.22 546	0.39 617	0.35 625	0.27 612	0.33 639	0.22 574	0.10 531	0.12 619	0.10 541	0.10 556	0.14 620	0.13 612

RTSC	0.23 606	0.12 548	0.28 606	0.21 573	0.13 577	0.28 630	0.16 405	0.35 619	0.66 682	0.27 593	0.33 585	0.30 587	0.21 566	0.31 629	0.29 641	0.10 531	0.08 535	0.09 492	0.10 556	0.13 606	0.13 612

DANet	0.21 581	0.15 598	0.28 606	0.25 635	0.13 577	0.22 571	0.19 536	0.27 503	0.27 502	0.28 608	0.32 572	0.35 625	0.31 639	0.31 629	0.23 586	0.11 563	0.09 568	0.11 572	0.10 556	0.13 606	0.11 575
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
TDLM	0.17 530	0.12 548	0.13 353	0.24 623	0.10 469	0.18 504	0.18 496	0.36 626	0.30 534	0.21 530	0.28 540	0.28 568	0.18 534	0.23 585	0.18 526	0.11 563	0.07 503	0.10 541	0.10 556	0.08 450	0.08 471

CFNet	0.15 486	0.10 503	0.17 508	0.17 309	0.08 220	0.18 504	0.09 20	0.28 523	0.25 478	0.19 492	0.24 472	0.24 526	0.17 519	0.17 481	0.14 445	0.08 426	0.06 430	0.09 492	0.10 556	0.07 381	0.06 310

StereoDRNet-Refined	0.17 530	0.12 548	0.15 441	0.20 540	0.09 355	0.18 504	0.18 496	0.26 482	0.23 439	0.26 587	0.40 623	0.22 502	0.17 519	0.21 561	0.20 545	0.08 426	0.05 276	0.09 492	0.10 556	0.07 381	0.07 400
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.19 556	0.11 530	0.20 556	0.22 590	0.10 469	0.22 571	0.22 591	0.39 644	0.37 589	0.24 568	0.32 572	0.26 550	0.21 566	0.22 574	0.24 599	0.11 563	0.07 503	0.11 572	0.10 556	0.09 515	0.07 400

NaN_ROB	0.22 590	0.19 632	0.24 585	0.25 635	0.13 577	0.29 634	0.26 640	0.33 594	0.41 609	0.31 628	0.31 568	0.32 610	0.23 583	0.30 628	0.21 565	0.11 563	0.17 659	0.10 541	0.10 556	0.08 450	0.09 517

XPNet_ROB	0.22 590	0.11 530	0.19 544	0.22 590	0.13 577	0.22 571	0.19 536	0.34 603	0.40 606	0.30 622	0.39 617	0.39 644	0.26 604	0.26 603	0.28 637	0.15 632	0.10 590	0.10 541	0.10 556	0.13 606	0.12 588

DN-CSS_ROB	0.13 404	0.13 576	0.16 477	0.18 402	0.10 469	0.16 462	0.08 7	0.22 398	0.18 354	0.17 445	0.22 450	0.13 346	0.13 426	0.12 295	0.13 402	0.05 51	0.05 276	0.10 541	0.10 556	0.08 450	0.06 310

WCMA_ROB	0.24 613	0.11 530	0.22 572	0.17 309	0.14 598	0.32 640	0.15 334	0.32 574	0.32 549	0.38 650	0.53 660	0.40 648	0.34 652	0.34 642	0.25 609	0.11 563	0.12 619	0.12 592	0.10 556	0.14 620	0.14 629

PStereo	0.20 568	0.22 648	0.20 556	0.17 309	0.10 469	0.13 366	0.20 560	0.27 503	0.38 596	0.20 515	0.14 305	0.28 568	0.31 639	0.24 595	0.31 655	0.18 655	0.13 634	0.15 633	0.11 590	0.12 586	0.12 588

DStereoO	0.24 613	0.18 628	0.18 532	0.20 540	0.14 598	0.21 562	0.19 536	0.32 574	0.41 609	0.29 617	0.21 438	0.32 610	0.27 612	0.41 673	0.27 629	0.46 695	0.12 619	0.31 682	0.11 590	0.15 636	0.12 588

UGAM	0.13 404	0.10 503	0.09 123	0.22 590	0.08 220	0.12 310	0.20 560	0.17 267	0.23 439	0.21 530	0.16 339	0.13 346	0.13 426	0.19 519	0.12 355	0.07 343	0.05 276	0.13 607	0.11 590	0.07 381	0.05 207

SDNR	0.19 556	0.08 358	0.19 544	0.16 222	0.12 554	0.77 700	0.14 246	0.25 464	0.32 549	0.19 492	0.24 472	0.19 463	0.13 426	0.19 519	0.15 477	0.16 648	0.18 661	0.14 621	0.11 590	0.08 450	0.11 575

GASNet	0.22 590	0.23 651	0.33 626	0.26 640	0.17 644	0.26 613	0.16 405	0.44 665	0.42 617	0.27 593	0.24 472	0.30 587	0.15 468	0.27 606	0.18 526	0.12 588	0.08 535	0.12 592	0.11 590	0.16 645	0.07 400

DDUNet	0.22 590	0.17 617	0.21 566	0.22 590	0.15 618	0.25 603	0.24 615	0.29 537	0.30 534	0.31 628	0.36 597	0.33 614	0.25 598	0.24 595	0.20 545	0.18 655	0.13 634	0.17 645	0.11 590	0.16 645	0.16 647

PSMNet-ADL	0.15 486	0.12 548	0.13 353	0.22 590	0.09 355	0.13 366	0.20 560	0.26 482	0.23 439	0.18 475	0.20 414	0.24 526	0.16 496	0.18 504	0.17 508	0.08 426	0.08 535	0.08 406	0.11 590	0.08 450	0.07 400

rafts_anoy	0.11 299	0.06 117	0.10 189	0.17 309	0.08 220	0.10 202	0.14 246	0.17 267	0.14 225	0.13 343	0.13 289	0.12 313	0.10 314	0.11 199	0.12 355	0.07 343	0.04 25	0.09 492	0.11 590	0.07 381	0.06 310

Syn2CoEx	0.21 581	0.16 606	0.27 601	0.29 665	0.14 598	0.26 613	0.20 560	0.33 594	0.31 542	0.28 608	0.36 597	0.27 558	0.25 598	0.19 519	0.24 599	0.16 648	0.12 619	0.14 621	0.11 590	0.09 515	0.08 471

delet	0.17 530	0.08 358	0.17 508	0.19 472	0.11 520	0.20 544	0.21 581	0.30 551	0.37 589	0.17 445	0.26 517	0.19 463	0.19 550	0.19 519	0.21 565	0.08 426	0.08 535	0.09 492	0.11 590	0.06 293	0.06 310

psm_up	0.18 544	0.10 503	0.18 532	0.20 540	0.11 520	0.17 485	0.19 536	0.37 632	0.34 568	0.21 530	0.28 540	0.29 577	0.24 589	0.20 544	0.22 574	0.09 488	0.10 590	0.11 572	0.11 590	0.08 450	0.08 471

psmorigin	0.25 625	0.15 598	0.34 634	0.17 309	0.13 577	0.23 587	0.14 246	0.34 603	0.33 556	0.41 659	0.55 664	0.41 650	0.37 659	0.34 642	0.27 629	0.11 563	0.15 650	0.11 572	0.11 590	0.12 586	0.16 647

AF-Net	0.22 590	0.17 617	0.17 508	0.26 640	0.13 577	0.25 603	0.24 615	0.32 574	0.50 646	0.25 581	0.33 585	0.38 636	0.26 604	0.28 618	0.25 609	0.11 563	0.10 590	0.16 641	0.11 590	0.11 571	0.10 548

edge stereo	0.22 590	0.13 576	0.20 556	0.21 573	0.13 577	0.23 587	0.16 405	0.32 574	0.42 617	0.32 634	0.40 623	0.38 636	0.35 655	0.25 601	0.24 599	0.13 614	0.11 603	0.14 621	0.11 590	0.12 586	0.13 612

ADCMid	0.25 625	0.15 598	0.40 645	0.20 540	0.14 598	0.25 603	0.26 640	0.34 603	0.38 596	0.36 644	0.44 646	0.34 621	0.40 666	0.35 648	0.33 662	0.10 531	0.09 568	0.11 572	0.11 590	0.13 606	0.12 588

CVANet_RVC	0.18 544	0.10 503	0.14 392	0.21 573	0.10 469	0.18 504	0.17 447	0.34 603	0.33 556	0.22 546	0.31 568	0.28 568	0.18 534	0.23 585	0.17 508	0.12 588	0.08 535	0.12 592	0.11 590	0.09 515	0.07 400

MDST_ROB	0.22 590	0.10 503	0.17 508	0.18 402	0.11 520	0.37 661	0.19 536	0.43 663	0.41 609	0.39 652	0.39 617	0.29 577	0.21 566	0.26 603	0.18 526	0.11 563	0.10 590	0.14 621	0.11 590	0.10 548	0.08 471

DispFullNet	0.27 638	0.21 644	0.65 678	0.28 656	0.16 629	0.26 613	0.17 447	0.33 594	0.58 665	0.27 593	0.38 609	0.43 655	0.23 583	0.38 661	0.23 586	0.12 588	0.06 430	0.19 656	0.11 590	0.21 662	0.15 636

LALA_ROB	0.25 625	0.16 606	0.22 572	0.26 640	0.17 644	0.27 623	0.27 647	0.42 659	0.37 589	0.33 638	0.38 609	0.51 671	0.26 604	0.28 618	0.27 629	0.16 648	0.09 568	0.12 592	0.11 590	0.13 606	0.12 588

PSMNet_ROB	0.21 581	0.11 530	0.15 441	0.27 653	0.15 618	0.24 592	0.35 681	0.43 663	0.37 589	0.27 593	0.32 572	0.32 610	0.22 575	0.21 561	0.26 621	0.12 588	0.08 535	0.13 607	0.11 590	0.09 515	0.09 517

MeshStereo	0.27 638	0.13 576	0.18 532	0.15 124	0.11 520	0.32 640	0.24 615	0.40 648	0.36 582	0.52 674	0.57 672	0.67 686	0.40 666	0.35 648	0.26 621	0.14 628	0.13 634	0.13 607	0.11 590	0.11 571	0.10 548
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
Selective-IGEV-i16pa	18.58 737	3.30 720	1.09 706	0.21 573	0.18 651	103.68 750	0.28 653	19.87 741	40.73 750	4.16 722	56.45 750	8.07 727	2.59 721	123.95 751	5.89 725	0.18 655	0.12 619	0.09 492	0.12 611	0.12 586	0.51 699

TCMNet	0.19 556	0.12 548	0.19 544	0.20 540	0.18 651	0.20 544	0.24 615	0.27 503	0.36 582	0.23 559	0.26 517	0.25 540	0.19 550	0.19 519	0.23 586	0.13 614	0.11 603	0.11 572	0.12 611	0.13 606	0.12 588

StereoVision	0.13 404	0.12 548	0.09 123	0.24 623	0.10 469	0.15 430	0.21 581	0.21 372	0.20 397	0.12 309	0.24 472	0.10 260	0.10 314	0.16 447	0.10 208	0.09 488	0.11 603	0.12 592	0.12 611	0.06 293	0.05 207

Wz-Net-TNSev	0.29 647	0.20 638	0.65 678	0.19 472	0.15 618	0.38 664	0.27 647	0.35 619	0.55 657	0.34 640	0.42 641	0.45 659	0.38 660	0.32 636	0.30 648	0.12 588	0.13 634	0.10 541	0.12 611	0.15 636	0.14 629

PSMNet-RSSM	0.14 441	0.07 239	0.13 353	0.15 124	0.08 220	0.13 366	0.16 405	0.24 445	0.24 456	0.16 426	0.28 540	0.22 502	0.14 450	0.15 412	0.13 402	0.11 563	0.06 430	0.09 492	0.12 611	0.08 450	0.07 400

RP	0.21 581	0.13 576	0.21 566	0.23 614	0.11 520	0.21 562	0.20 560	0.25 464	0.44 627	0.21 530	0.38 609	0.36 627	0.24 589	0.27 606	0.25 609	0.11 563	0.12 619	0.13 607	0.12 611	0.12 586	0.14 629

XQC	0.28 643	0.23 651	0.51 660	0.28 656	0.19 655	0.34 650	0.27 647	0.36 626	0.57 662	0.31 628	0.30 559	0.37 632	0.30 635	0.38 661	0.38 672	0.13 614	0.09 568	0.15 633	0.12 611	0.17 653	0.18 659

RTS	0.45 677	0.19 632	3.26 717	0.24 623	0.15 618	0.74 694	0.20 560	0.36 626	0.76 693	0.42 662	0.43 644	0.31 600	0.41 671	0.53 686	0.35 665	0.10 531	0.08 535	0.13 607	0.12 611	0.15 636	0.15 636

RTSA	0.45 677	0.19 632	3.26 717	0.24 623	0.15 618	0.74 694	0.20 560	0.36 626	0.76 693	0.42 662	0.43 644	0.31 600	0.41 671	0.53 686	0.35 665	0.10 531	0.08 535	0.13 607	0.12 611	0.15 636	0.15 636

ADCPNet	0.25 625	0.16 606	0.61 675	0.21 573	0.15 618	0.35 658	0.25 631	0.32 574	0.35 577	0.30 622	0.40 623	0.36 627	0.28 623	0.28 618	0.32 657	0.12 588	0.10 590	0.11 572	0.12 611	0.14 620	0.13 612

FBW_ROB	0.24 613	0.17 617	0.22 572	0.26 640	0.14 598	0.25 603	0.22 591	0.41 654	0.41 609	0.41 659	0.41 634	0.42 651	0.27 612	0.31 629	0.23 586	0.09 488	0.14 644	0.14 621	0.12 611	0.11 571	0.09 517

DStereoFS	0.27 638	0.22 648	0.31 619	0.22 590	0.15 618	0.22 571	0.20 560	0.50 679	0.48 636	0.28 608	0.44 646	0.33 614	0.34 652	0.52 683	0.29 641	0.12 588	0.11 603	0.15 633	0.13 622	0.16 645	0.16 647

SHD	0.26 636	0.15 598	0.30 617	0.24 623	0.18 651	0.22 571	0.15 334	0.38 640	0.71 686	0.32 634	0.41 634	0.36 627	0.28 623	0.32 636	0.29 641	0.12 588	0.11 603	0.14 621	0.13 622	0.16 645	0.20 665

UCFNet_RVC	0.14 441	0.08 358	0.13 353	0.11 1	0.10 469	0.20 544	0.10 35	0.24 445	0.22 427	0.17 445	0.20 414	0.23 520	0.15 468	0.17 481	0.15 477	0.12 588	0.07 503	0.10 541	0.13 622	0.11 571	0.10 548

SGM_RVC	0.23 606	0.12 548	0.15 441	0.15 124	0.09 355	0.33 647	0.18 496	0.34 603	0.31 542	0.44 667	0.37 603	0.53 675	0.35 655	0.35 648	0.24 599	0.13 614	0.13 634	0.13 607	0.13 622	0.10 548	0.11 575
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoSA	0.25 625	0.19 632	0.37 639	0.26 640	0.17 644	0.22 571	0.20 560	0.49 675	0.59 666	0.22 546	0.29 552	0.29 577	0.33 647	0.39 665	0.28 637	0.12 588	0.11 603	0.16 641	0.14 626	0.14 620	0.12 588

ISRNet	0.18 544	0.08 358	0.19 544	0.19 472	0.13 577	0.15 430	0.12 100	0.30 551	0.32 549	0.21 530	0.25 500	0.27 558	0.17 519	0.17 481	0.20 545	0.20 664	0.08 535	0.14 621	0.14 626	0.14 620	0.17 656

rvit_0105_3	0.15 486	0.09 440	0.14 392	0.19 472	0.12 554	0.15 430	0.25 631	0.25 464	0.29 524	0.15 397	0.17 363	0.20 475	0.13 426	0.17 481	0.14 445	0.13 614	0.11 603	0.12 592	0.14 626	0.07 381	0.06 310

DualNet (step1)	0.16 509	0.12 548	0.20 556	0.12 7	0.14 598	0.17 485	0.13 179	0.27 503	0.23 439	0.20 515	0.20 414	0.24 526	0.19 550	0.16 447	0.16 493	0.15 632	0.06 430	0.14 621	0.14 626	0.14 620	0.12 588

test_sample9	0.18 544	0.12 548	0.20 556	0.12 7	0.14 598	0.17 485	0.13 179	0.27 503	0.23 439	0.20 515	0.20 414	0.24 526	0.19 550	0.19 519	0.17 508	0.15 632	0.30 687	0.14 621	0.14 626	0.14 620	0.12 588

test_sample8	0.19 556	0.12 548	0.20 556	0.12 7	0.14 598	0.17 485	0.13 179	0.31 563	0.21 413	0.27 593	0.22 450	0.36 627	0.25 598	0.19 519	0.17 508	0.15 632	0.30 687	0.14 621	0.14 626	0.14 620	0.12 588

APVNet	0.22 590	0.12 548	0.19 544	0.18 402	0.14 598	0.32 640	0.31 677	0.39 644	0.32 549	0.27 593	0.40 623	0.30 587	0.29 631	0.26 603	0.25 609	0.11 563	0.12 619	0.11 572	0.14 626	0.12 586	0.12 588

FADNet-RVC	0.20 568	0.20 638	0.38 641	0.21 573	0.16 629	0.20 544	0.15 334	0.26 482	0.26 492	0.26 587	0.32 572	0.26 550	0.21 566	0.22 574	0.19 539	0.12 588	0.13 634	0.12 592	0.14 626	0.13 606	0.18 659

STTStereo	0.18 544	0.12 548	0.27 601	0.20 540	0.11 520	0.16 462	0.21 581	0.29 537	0.23 439	0.21 530	0.30 559	0.29 577	0.18 534	0.20 544	0.19 539	0.12 588	0.11 603	0.11 572	0.14 626	0.09 515	0.08 471

PVD	0.39 666	0.20 638	0.39 643	0.31 671	0.22 664	0.29 634	0.43 692	0.52 682	0.96 700	0.55 678	0.79 692	0.53 675	0.59 691	0.52 683	0.38 672	0.19 662	0.14 644	0.17 645	0.14 626	0.24 673	0.31 685

SAMSARA	0.40 669	0.28 669	0.33 626	0.55 691	0.39 685	0.82 701	1.23 718	0.47 672	0.51 653	0.36 644	0.35 594	0.55 677	0.39 663	0.38 661	0.39 674	0.15 632	0.20 667	0.15 633	0.14 626	0.23 666	0.20 665

ADCS	0.29 647	0.18 628	0.45 652	0.21 573	0.17 644	0.28 630	0.23 602	0.41 654	0.63 677	0.40 655	0.49 653	0.40 648	0.36 657	0.39 665	0.40 677	0.13 614	0.12 619	0.13 607	0.14 626	0.16 645	0.16 647

AnyNet_C01	0.36 664	0.25 659	1.37 710	0.22 590	0.17 644	0.48 675	0.27 647	0.35 619	0.39 600	0.39 652	0.74 688	0.46 663	0.38 660	0.45 675	0.47 686	0.13 614	0.13 634	0.13 607	0.14 626	0.14 620	0.15 636

AnyNet_C32	0.26 636	0.16 606	0.36 635	0.20 540	0.16 629	0.25 603	0.30 671	0.32 574	0.44 627	0.31 628	0.49 653	0.30 587	0.33 647	0.40 670	0.33 662	0.12 588	0.12 619	0.12 592	0.14 626	0.14 620	0.15 636

STTRV1_RVC	0.25 625	0.26 660	0.39 643	0.19 472	0.26 676	0.30 637	0.24 615	0.34 603	0.35 577	0.36 644	0.34 589	0.31 600	0.31 639	0.28 618	0.25 609	0.17 653	0.10 590	0.16 641	0.14 626	0.17 653	0.12 588

PS-NSSS	0.20 568	0.21 644	0.23 581	0.20 540	0.10 469	0.19 528	0.17 447	0.36 626	0.25 478	0.27 593	0.33 585	0.27 558	0.24 589	0.20 544	0.20 545	0.15 632	0.12 619	0.17 645	0.14 626	0.10 548	0.08 471

SGM-Forest	0.20 568	0.14 588	0.18 532	0.19 472	0.13 577	0.20 544	0.22 591	0.33 594	0.30 534	0.24 568	0.29 552	0.28 568	0.19 550	0.23 585	0.17 508	0.15 632	0.16 654	0.15 633	0.14 626	0.12 586	0.12 588
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
S	0.12 377	0.08 358	0.09 123	0.20 540	0.08 220	0.13 366	0.19 536	0.17 267	0.16 291	0.13 343	0.11 248	0.13 346	0.10 314	0.11 199	0.13 402	0.09 488	0.07 503	0.13 607	0.15 643	0.06 293	0.04 73

PSMNet-RUCA	0.27 638	0.33 676	0.41 648	0.36 677	0.32 684	0.18 504	0.19 536	0.42 659	0.30 534	0.33 638	0.41 634	0.39 644	0.25 598	0.31 629	0.20 545	0.18 655	0.10 590	0.25 666	0.15 643	0.21 662	0.16 647

rvit_105_1	0.19 556	0.11 530	0.25 590	0.21 573	0.16 629	0.21 562	0.27 647	0.31 563	0.41 609	0.19 492	0.20 414	0.22 502	0.17 519	0.19 519	0.17 508	0.12 588	0.12 619	0.13 607	0.15 643	0.08 450	0.07 400

FADNet	0.21 581	0.22 648	0.36 635	0.18 402	0.17 644	0.24 592	0.13 179	0.31 563	0.31 542	0.23 559	0.25 500	0.27 558	0.21 566	0.19 519	0.15 477	0.13 614	0.15 650	0.12 592	0.15 643	0.16 645	0.18 659

GANetREF_RVC	0.31 655	0.34 678	0.27 601	0.35 675	0.16 629	0.32 640	0.41 687	0.48 673	0.51 653	0.35 641	0.35 594	0.34 621	0.33 647	0.39 665	0.32 657	0.27 681	0.20 667	0.29 679	0.15 643	0.18 657	0.17 656
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
SQANet	0.23 606	0.23 651	0.30 617	0.30 667	0.19 655	0.27 623	0.13 179	0.29 537	0.33 556	0.24 568	0.37 603	0.31 600	0.22 575	0.27 606	0.23 586	0.15 632	0.10 590	0.21 659	0.16 648	0.21 662	0.15 636

DGSMNet	0.24 613	0.19 632	0.33 626	0.21 573	0.24 669	0.24 592	0.20 560	0.35 619	0.41 609	0.24 568	0.32 572	0.38 636	0.21 566	0.29 625	0.23 586	0.12 588	0.11 603	0.14 621	0.16 648	0.23 666	0.23 671

MaskLacGwcNet_RVC	0.22 590	0.21 644	0.24 585	0.26 640	0.11 520	0.23 587	0.14 246	0.39 644	0.24 456	0.32 634	0.36 597	0.30 587	0.21 566	0.19 519	0.21 565	0.17 653	0.14 644	0.21 659	0.16 648	0.12 586	0.12 588

SGM-ForestM	0.32 657	0.12 548	0.16 477	0.16 222	0.11 520	0.39 666	0.19 536	0.41 654	0.50 646	0.52 674	0.54 662	1.32 707	0.42 674	0.40 670	0.27 629	0.14 628	0.16 654	0.16 641	0.16 648	0.12 586	0.12 588

LSM	0.33 660	0.20 638	0.58 671	0.26 640	0.60 702	0.34 650	0.25 631	0.42 659	0.48 636	0.45 668	0.58 674	0.42 651	0.36 657	0.35 648	0.25 609	0.12 588	0.20 667	0.14 621	0.16 648	0.19 660	0.33 687

PDISCO_ROB	0.27 638	0.16 606	0.26 593	0.28 656	0.20 658	0.32 640	0.26 640	0.44 665	0.57 662	0.28 608	0.40 623	0.45 659	0.29 631	0.33 639	0.34 664	0.12 588	0.09 568	0.17 645	0.16 648	0.17 653	0.13 612

CBMV	0.19 556	0.14 588	0.17 508	0.18 402	0.10 469	0.20 544	0.11 64	0.29 537	0.30 534	0.29 617	0.30 559	0.30 587	0.23 583	0.27 606	0.19 539	0.13 614	0.15 650	0.17 645	0.16 648	0.10 548	0.10 548
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Anonymous_2	0.22 590	0.17 617	0.28 606	0.15 124	0.16 629	0.32 640	0.22 591	0.22 398	0.17 321	0.23 559	0.24 472	0.26 550	0.27 612	0.27 606	0.23 586	0.22 673	0.25 683	0.17 645	0.17 655	0.17 653	0.17 656

HBP-ISP	0.18 544	0.13 576	0.16 477	0.15 124	0.11 520	0.08 85	0.13 179	0.28 523	0.29 524	0.22 546	0.33 585	0.21 484	0.25 598	0.23 585	0.17 508	0.14 628	0.16 654	0.21 659	0.17 655	0.10 548	0.08 471

ccnet	0.29 647	0.28 669	0.23 581	0.20 540	0.28 678	0.41 669	0.21 581	0.45 668	0.33 556	0.36 644	0.46 649	0.36 627	0.30 635	0.39 665	0.42 681	0.23 677	0.14 644	0.21 659	0.17 655	0.23 666	0.18 659

RGC	0.25 625	0.20 638	0.29 614	0.28 656	0.16 629	0.22 571	0.23 602	0.32 574	0.44 627	0.27 593	0.40 623	0.38 636	0.27 612	0.36 654	0.22 574	0.11 563	0.13 634	0.17 645	0.17 655	0.14 620	0.16 647

DeepPrunerF	0.24 613	0.17 617	0.42 650	0.26 640	0.16 629	0.22 571	0.28 653	0.37 632	0.50 646	0.26 587	0.29 552	0.24 526	0.28 623	0.21 561	0.22 574	0.15 632	0.11 603	0.20 658	0.18 659	0.12 586	0.13 612

CSAN	0.29 647	0.24 654	0.27 601	0.34 673	0.19 655	0.33 647	0.42 690	0.37 632	0.50 646	0.38 650	0.40 623	0.44 657	0.33 647	0.28 618	0.30 648	0.20 664	0.16 654	0.19 656	0.19 660	0.14 620	0.15 636

Nwc_Net	0.23 606	0.16 606	0.21 566	0.25 635	0.14 598	0.24 592	0.26 640	0.37 632	0.38 596	0.22 546	0.41 634	0.30 587	0.28 623	0.28 618	0.25 609	0.11 563	0.10 590	0.17 645	0.20 661	0.10 548	0.10 548

CBMV_ROB	0.19 556	0.13 576	0.17 508	0.16 222	0.11 520	0.15 430	0.13 179	0.26 482	0.28 517	0.27 593	0.30 559	0.27 558	0.24 589	0.23 585	0.16 493	0.15 632	0.17 659	0.22 663	0.20 661	0.10 548	0.11 575

MFN_U_SF_RVC	0.32 657	0.21 644	0.55 665	0.30 667	0.15 618	0.34 650	0.17 447	0.52 682	0.46 634	0.46 671	0.55 664	0.59 678	0.39 663	0.35 648	0.37 670	0.15 632	0.14 644	0.18 654	0.21 663	0.16 645	0.15 636

NCCL2	0.23 606	0.15 598	0.17 508	0.34 673	0.18 651	0.24 592	0.23 602	0.34 603	0.28 517	0.31 628	0.38 609	0.38 636	0.28 623	0.23 585	0.24 599	0.15 632	0.12 619	0.18 654	0.21 663	0.13 606	0.13 612

NOSS_ROB	0.19 556	0.12 548	0.18 532	0.16 222	0.12 554	0.15 430	0.12 100	0.30 551	0.32 549	0.20 515	0.22 450	0.27 558	0.23 583	0.21 561	0.16 493	0.16 648	0.18 661	0.23 664	0.21 663	0.12 586	0.13 612

BEATNet-Init1	0.52 684	0.27 664	0.62 676	0.30 667	0.21 662	0.76 698	0.29 663	0.54 685	0.65 681	0.86 699	0.95 700	2.07 717	0.62 694	0.56 690	0.42 681	0.18 655	0.18 661	0.23 664	0.22 666	0.22 665	0.21 667

NCC-stereo	0.24 613	0.15 598	0.31 619	0.26 640	0.16 629	0.20 544	0.30 671	0.40 648	0.40 606	0.24 568	0.38 609	0.33 614	0.28 623	0.36 654	0.27 629	0.12 588	0.11 603	0.15 633	0.22 666	0.13 606	0.13 612

Abc-Net	0.24 613	0.15 598	0.31 619	0.26 640	0.16 629	0.20 544	0.30 671	0.40 648	0.40 606	0.24 568	0.38 609	0.33 614	0.28 623	0.36 654	0.27 629	0.12 588	0.11 603	0.15 633	0.22 666	0.13 606	0.13 612
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PA-Net	0.23 606	0.18 628	0.33 626	0.28 656	0.22 664	0.21 562	0.38 686	0.29 537	0.39 600	0.22 546	0.32 572	0.25 540	0.26 604	0.20 544	0.25 609	0.09 488	0.23 680	0.15 633	0.22 666	0.09 515	0.13 612
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MADNet+	0.75 696	0.71 698	3.70 720	0.66 695	0.41 687	0.98 706	0.97 716	0.69 695	0.73 691	0.52 674	0.57 672	0.64 682	0.68 697	0.86 705	1.01 713	0.34 687	0.36 693	0.28 678	0.23 670	0.36 688	0.31 685

CC-Net-ROB	0.28 643	0.31 674	0.36 635	0.29 665	0.15 618	0.25 603	0.19 536	0.45 668	0.33 556	0.39 652	0.37 603	0.39 644	0.31 639	0.27 606	0.26 621	0.24 679	0.19 664	0.30 681	0.23 670	0.18 657	0.15 636

MSMD_ROB	0.31 655	0.26 660	0.26 593	0.24 623	0.21 662	0.34 650	0.25 631	0.34 603	0.39 600	0.40 655	0.69 682	0.45 659	0.40 666	0.34 642	0.27 629	0.20 664	0.19 664	0.26 667	0.25 672	0.23 666	0.22 669

FSD	0.25 625	0.27 664	0.26 593	0.24 623	0.22 664	0.25 603	0.25 631	0.27 503	0.26 492	0.25 581	0.26 517	0.25 540	0.27 612	0.27 606	0.24 599	0.21 668	0.20 667	0.27 670	0.26 673	0.25 674	0.24 672

FC-DCNN v2	0.33 660	0.27 664	0.28 606	0.26 640	0.23 667	0.37 661	0.28 653	0.40 648	0.43 622	0.45 668	0.56 669	0.51 671	0.40 666	0.37 659	0.29 641	0.21 668	0.20 667	0.27 670	0.26 673	0.25 674	0.24 672

FCDSN-DC	0.33 660	0.28 669	0.28 606	0.30 667	0.24 669	0.39 666	0.28 653	0.42 659	0.42 617	0.43 665	0.53 660	0.51 671	0.41 671	0.36 654	0.30 648	0.21 668	0.20 667	0.27 670	0.26 673	0.25 674	0.24 672
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 660	0.27 664	0.28 606	0.26 640	0.23 667	0.37 661	0.28 653	0.40 648	0.43 622	0.45 668	0.55 664	0.51 671	0.40 666	0.37 659	0.30 648	0.21 668	0.20 667	0.27 670	0.26 673	0.25 674	0.24 672

ELAS_RVC	0.41 671	0.29 672	0.33 626	0.28 656	0.24 669	0.54 679	0.36 682	0.49 675	0.59 666	0.72 690	0.74 688	0.65 684	0.54 684	0.54 688	0.40 677	0.22 673	0.20 667	0.27 670	0.26 673	0.26 679	0.25 678
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 671	0.29 672	0.33 626	0.27 653	0.24 669	0.60 684	0.36 682	0.50 679	0.50 646	0.71 688	0.79 692	0.67 686	0.54 684	0.51 681	0.42 681	0.22 673	0.20 667	0.27 670	0.26 673	0.26 679	0.25 678
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PASM	0.32 657	0.24 654	0.48 658	0.28 656	0.27 677	0.29 634	0.30 671	0.34 603	0.49 643	0.35 641	0.39 617	0.46 663	0.34 652	0.34 642	0.35 665	0.23 677	0.25 683	0.26 667	0.28 679	0.23 666	0.21 667

ACVNet_1	0.44 675	0.49 687	0.60 674	0.45 685	0.28 678	0.49 676	0.27 647	0.57 689	0.72 687	0.62 683	0.58 674	0.74 690	0.49 680	0.50 679	0.35 665	0.26 680	0.24 681	0.39 686	0.29 680	0.31 685	0.24 672

MFN_U_SF_DS_RVC	0.30 653	0.24 654	0.29 614	0.36 677	0.16 629	0.34 650	0.30 671	0.32 574	0.42 617	0.40 655	0.46 649	0.38 636	0.31 639	0.34 642	0.28 637	0.19 662	0.20 667	0.26 667	0.29 680	0.18 657	0.19 664

Ntro	0.40 669	0.40 683	0.53 662	0.46 688	0.30 682	0.65 687	0.24 615	0.46 670	0.68 684	0.41 659	0.49 653	0.48 669	0.42 674	0.39 665	0.31 655	0.32 684	0.28 685	0.37 685	0.30 682	0.32 686	0.29 682

MSC_U_SF_DS_RVC	0.43 674	0.39 682	0.54 663	0.40 680	0.20 658	0.64 686	0.32 679	0.53 684	0.72 687	0.71 688	0.72 685	0.61 680	0.54 684	0.51 681	0.46 685	0.20 664	0.19 664	0.29 679	0.30 682	0.23 666	0.18 659

MANE	0.45 677	0.27 664	0.27 601	0.27 653	0.24 669	0.47 673	0.31 677	0.55 686	0.59 666	0.72 690	1.13 709	1.15 701	0.61 692	0.52 683	0.37 670	0.21 668	0.20 667	0.27 670	0.31 684	0.25 674	0.24 672

light-stereo	0.42 673	0.26 660	0.59 673	0.60 693	0.49 692	0.32 640	0.23 602	0.46 670	0.52 655	0.56 680	0.58 674	0.76 691	0.32 645	0.48 677	0.29 641	0.32 684	0.24 681	0.27 670	0.33 685	0.46 690	0.39 692

JetBlue	0.71 693	0.45 686	1.14 708	0.51 689	0.47 691	2.02 716	0.64 705	0.75 696	0.70 685	0.69 687	0.77 691	1.22 703	0.83 702	1.03 713	1.01 713	0.40 690	0.28 685	0.33 683	0.33 685	0.30 682	0.34 688

otaku	0.39 666	0.37 681	0.52 661	0.44 684	0.28 678	0.58 681	0.24 615	0.41 654	0.62 673	0.40 655	0.49 653	0.46 663	0.33 647	0.40 670	0.32 657	0.30 682	0.30 687	0.39 686	0.33 685	0.29 681	0.28 681

NVStereoNet_ROB	0.46 681	0.36 680	0.46 656	0.41 682	0.28 678	0.34 650	0.34 680	0.48 673	0.60 670	0.72 690	0.93 698	0.70 689	0.66 695	0.47 676	0.60 697	0.22 673	0.33 691	0.34 684	0.34 688	0.30 682	0.30 684
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
FADE	0.45 677	0.33 676	1.03 704	0.33 672	0.25 675	0.35 658	0.29 663	0.64 693	1.07 701	0.43 665	0.41 634	0.42 651	0.53 682	0.70 696	0.51 692	0.30 682	0.21 679	0.41 688	0.38 689	0.23 666	0.22 669

MonStereo1	0.47 682	0.26 660	0.58 671	0.28 656	0.20 658	0.39 666	0.18 496	0.49 675	0.64 678	0.52 674	0.87 695	1.01 696	0.57 689	0.50 679	0.56 694	0.53 699	0.31 690	0.54 696	0.40 690	0.33 687	0.34 688

RainbowNet	0.54 686	0.61 692	0.70 693	0.57 692	0.43 689	0.65 687	0.37 685	0.60 691	0.87 697	0.50 673	0.66 679	0.64 682	0.47 678	0.49 678	0.43 684	0.47 696	0.48 701	0.52 694	0.41 691	0.52 693	0.40 695

ACVNet-4b	0.39 666	0.53 688	0.55 665	0.45 685	0.24 669	0.47 673	0.18 496	0.49 675	0.64 678	0.42 662	0.45 648	0.60 679	0.27 612	0.34 642	0.24 599	0.33 686	0.14 644	0.48 690	0.42 692	0.30 682	0.26 680

ACVNet_2	0.66 692	0.66 696	0.68 687	0.63 694	0.41 687	0.71 692	0.49 695	0.96 705	1.39 710	0.89 700	1.09 705	1.04 697	0.73 698	0.54 688	0.47 686	0.43 693	0.40 694	0.53 695	0.44 693	0.47 691	0.35 690

IMH-64-1	0.65 690	0.61 692	0.68 687	0.71 696	0.51 693	0.59 682	0.49 695	0.91 701	0.85 695	0.74 694	1.02 702	0.81 692	0.78 700	0.79 698	0.49 688	0.42 691	0.46 696	0.71 699	0.47 694	0.52 693	0.39 692

IMH-64	0.65 690	0.61 692	0.68 687	0.71 696	0.51 693	0.59 682	0.49 695	0.91 701	0.85 695	0.74 694	1.02 702	0.81 692	0.78 700	0.79 698	0.49 688	0.42 691	0.46 696	0.71 699	0.47 694	0.52 693	0.39 692

PWCK	0.71 693	0.94 707	0.95 702	0.76 698	0.31 683	0.74 694	0.36 682	0.90 700	0.90 698	0.96 703	0.75 690	0.95 695	0.61 692	0.87 706	0.66 700	0.72 708	0.46 696	0.75 702	0.49 696	0.69 706	0.44 697

SPS-STEREO	0.57 688	0.58 690	0.65 678	0.45 685	0.55 697	0.62 685	0.44 694	0.62 692	0.50 646	0.68 686	0.64 677	0.66 685	0.57 689	0.61 692	0.60 697	0.62 705	0.47 700	0.51 692	0.49 696	0.55 697	0.58 702
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	0.56 687	0.57 689	0.65 678	0.40 680	0.54 695	0.66 689	0.49 695	0.56 687	0.45 633	0.66 684	0.69 682	0.67 686	0.56 688	0.63 693	0.56 694	0.59 703	0.48 701	0.50 691	0.50 698	0.52 693	0.58 702

IMH	0.71 693	0.64 695	0.68 687	0.76 698	0.54 695	0.69 690	0.54 699	0.98 707	1.10 703	0.82 698	1.09 705	0.89 694	0.88 705	0.87 706	0.52 693	0.44 694	0.50 705	0.75 702	0.51 699	0.56 698	0.41 696

anonymity	0.53 685	0.58 690	0.65 678	0.41 682	0.61 703	0.53 678	0.41 687	0.56 687	0.41 609	0.55 678	0.50 657	0.49 670	0.55 687	0.58 691	0.50 691	0.58 702	0.50 705	0.51 692	0.51 699	0.51 692	0.57 701

Consistency-Raft	0.44 675	0.40 683	0.45 652	0.37 679	0.43 689	0.46 671	0.41 687	0.57 689	0.55 657	0.32 634	0.73 686	0.33 614	0.48 679	0.42 674	0.49 688	0.39 689	0.35 692	0.45 689	0.51 699	0.42 689	0.29 682

TorneroNet-64	0.76 697	0.72 699	0.74 694	0.78 700	0.58 701	0.91 705	0.56 700	0.84 699	1.29 707	0.66 684	0.90 696	1.40 709	0.75 699	0.85 704	0.67 703	0.49 697	0.46 696	0.72 701	0.59 702	0.67 703	0.53 700

MFMNet_re	0.64 689	0.66 696	0.65 678	0.51 689	0.69 707	0.69 690	0.57 701	0.64 693	0.73 691	0.60 681	0.73 686	0.62 681	0.67 696	0.65 694	0.60 697	0.66 707	0.58 714	0.63 697	0.59 702	0.68 704	0.69 711

LVE	0.83 701	0.85 705	0.85 700	0.80 701	0.56 698	1.04 711	0.65 706	1.05 710	1.47 713	0.96 703	1.22 713	1.10 700	0.85 703	0.83 701	0.71 705	0.49 697	0.55 711	0.76 705	0.60 704	0.65 701	0.59 707

Dean	0.87 702	0.86 706	0.79 697	0.81 702	0.56 698	0.90 702	0.63 703	1.15 716	1.73 716	1.15 711	1.15 710	1.31 706	0.99 709	0.81 700	0.81 709	0.57 701	0.56 712	0.77 706	0.64 705	0.66 702	0.58 702

GCST	0.37 665	0.42 685	0.26 593	1.02 711	0.39 685	0.18 504	0.08 7	0.20 345	0.17 321	0.28 608	0.25 500	0.15 397	0.12 384	0.16 447	0.14 445	0.64 706	0.43 695	0.75 702	0.65 706	0.63 699	0.46 698

TorneroNet	0.82 700	0.74 700	0.81 699	0.84 703	0.63 704	0.99 707	0.63 703	0.96 705	1.16 704	0.80 697	1.11 707	1.36 708	0.86 704	0.93 709	0.80 708	0.56 700	0.49 703	0.78 707	0.66 707	0.73 709	0.63 710

WAO-7	0.79 698	0.78 701	0.54 663	0.85 704	0.67 706	0.74 694	0.68 709	1.05 710	1.32 708	0.90 701	1.20 712	1.04 697	0.92 706	0.69 695	0.66 700	0.60 704	0.62 715	0.67 698	0.68 708	0.64 700	0.58 702

WAO-6	0.81 699	0.80 702	0.62 676	0.86 705	0.63 704	0.76 698	0.58 702	0.98 707	1.54 715	0.90 701	0.96 701	1.07 699	1.03 710	0.70 696	0.66 700	0.72 708	0.49 703	0.90 710	0.71 709	0.68 704	0.58 702

WAO-8	0.91 703	0.81 703	0.65 678	0.94 708	0.69 707	0.90 702	0.67 707	1.07 713	1.83 718	1.06 708	1.45 715	1.30 704	1.07 711	0.84 702	0.78 706	0.74 710	0.53 708	0.86 708	0.75 710	0.69 706	0.62 708

Venus	0.91 703	0.81 703	0.65 678	0.94 708	0.69 707	0.90 702	0.67 707	1.07 713	1.83 718	1.06 708	1.45 715	1.30 704	1.07 711	0.84 702	0.78 706	0.74 710	0.53 708	0.86 708	0.75 710	0.69 706	0.62 708

notaker	0.97 706	1.11 710	0.98 703	1.13 713	0.81 711	0.73 693	0.68 709	0.93 703	1.16 704	1.18 713	1.18 711	1.41 710	1.16 715	1.08 715	0.69 704	0.81 713	0.64 716	1.17 716	0.79 712	0.98 713	0.80 715

ktn	1.01 708	1.21 712	0.80 698	1.23 715	0.86 713	1.01 709	0.87 713	0.94 704	1.39 710	1.04 706	1.12 708	1.15 701	1.07 711	0.94 710	0.59 696	1.28 720	0.71 717	1.38 720	0.83 713	1.02 715	0.75 714

UNDER WATER	0.97 706	0.97 709	1.42 711	0.99 710	0.70 710	1.12 713	0.84 712	0.80 698	1.08 702	1.01 705	0.90 696	1.55 713	1.22 717	1.03 713	1.00 712	0.78 712	0.53 708	1.02 713	0.87 714	0.80 711	0.74 713

UNDER WATER-64	0.95 705	0.94 707	1.43 712	0.87 706	0.56 698	1.18 714	0.87 713	0.77 697	0.94 699	1.04 706	0.85 694	1.58 714	1.21 716	0.94 710	0.96 711	0.87 714	0.57 713	1.03 714	0.88 715	0.78 710	0.73 712

JetRed	1.62 712	1.46 715	2.98 715	0.92 707	1.21 716	4.99 719	1.53 721	1.27 718	1.39 710	1.83 717	1.74 718	1.60 715	0.95 707	1.41 716	2.45 721	0.90 716	1.60 721	0.93 711	0.90 716	1.35 717	0.99 718

HanzoNet	1.29 711	1.26 714	1.19 709	1.12 712	0.85 712	1.02 710	0.83 711	1.03 709	1.48 714	1.64 716	1.61 717	2.50 719	1.72 718	1.61 717	1.61 716	1.26 719	0.80 718	1.31 719	1.01 717	1.02 715	0.86 716

KSHMR	1.09 709	1.17 711	0.88 701	1.25 716	1.00 715	0.99 707	0.96 715	1.13 715	1.37 709	1.16 712	1.29 714	1.41 710	0.96 708	1.01 712	0.92 710	1.03 717	1.08 719	1.20 717	1.03 718	1.01 714	0.97 717

DPSimNet_ROB	1.11 710	1.23 713	0.78 695	1.13 713	0.88 714	1.10 712	1.13 717	1.16 717	1.23 706	1.43 715	1.02 702	1.41 710	1.10 714	0.90 708	1.60 715	1.46 721	0.51 707	1.21 718	1.03 718	0.90 712	1.01 719

ASD4	3.54 716	3.38 721	2.05 714	1.72 717	2.51 720	9.03 723	17.71 727	2.25 719	5.51 723	2.46 719	2.81 721	2.03 716	3.36 722	2.73 719	5.06 722	1.22 718	1.34 720	1.13 715	1.33 720	1.68 718	1.49 721

MADNet++	1.95 713	1.75 716	1.59 713	1.82 718	1.69 718	2.33 717	1.40 720	2.35 720	2.09 720	2.57 720	2.36 720	2.24 718	2.17 720	2.28 718	2.34 719	1.87 722	1.66 722	1.54 721	1.34 721	1.92 719	1.77 722

TCMNet-wrong-test	3.67 717	5.48 730	3.89 721	12.18 733	11.75 733	4.65 718	3.88 722	1.06 712	0.72 687	1.09 710	2.15 719	6.30 725	0.53 682	3.43 721	2.36 720	0.89 715	0.20 667	1.87 723	1.69 722	5.57 727	3.62 728

PML	8.91 726	9.34 737	6.13 722	5.35 723	6.41 724	14.99 728	23.38 734	5.27 722	6.83 724	18.04 740	28.19 749	7.67 726	6.83 725	7.85 726	5.75 723	5.35 729	1.83 723	5.95 735	1.93 723	8.64 733	2.52 724

tt	4.67 718	0.06 117	3.55 719	2.02 719	1.55 717	10.25 725	16.71 726	8.91 730	5.03 722	1.31 714	0.94 699	4.71 721	4.76 723	3.33 720	5.87 724	6.06 730	10.30 737	1.88 724	2.11 724	2.75 721	1.21 720

USTest	6.22 719	2.73 719	3.00 716	6.57 726	7.29 725	14.37 727	21.57 728	7.00 729	9.56 728	5.34 726	6.10 722	5.72 724	7.64 726	6.41 725	6.96 726	1.97 723	3.42 728	1.64 722	2.15 725	2.66 720	2.36 723

iinet-test	10.48 729	8.09 732	7.54 728	10.26 727	10.94 729	18.00 733	25.26 735	11.33 734	13.28 730	9.69 731	9.85 727	9.42 732	11.17 732	11.02 731	12.78 733	6.59 732	8.30 731	5.56 730	6.56 726	6.89 728	7.02 730

IINet	10.48 729	8.09 732	7.54 728	10.26 727	10.94 729	18.00 733	25.26 735	11.33 734	13.28 730	9.69 731	9.85 727	9.42 732	11.17 732	11.02 731	12.78 733	6.59 732	8.30 731	5.56 730	6.56 726	6.89 728	7.02 730

DPSM_ROB	11.15 733	8.58 734	8.00 730	10.88 730	11.58 731	19.10 736	26.71 738	12.05 736	14.07 737	10.36 733	10.84 732	10.33 735	11.86 735	11.70 733	13.54 735	6.99 734	8.79 734	5.89 733	6.95 728	7.29 730	7.42 734

DPSM	11.15 733	8.58 734	8.00 730	10.88 730	11.58 731	19.10 736	26.71 738	12.05 736	14.07 737	10.36 733	10.84 732	10.33 735	11.86 735	11.70 733	13.54 735	6.99 734	8.79 734	5.89 733	6.95 728	7.29 730	7.42 734

DPSMNet_ROB	8.06 724	4.48 723	8.63 733	5.37 725	10.74 728	8.32 721	22.98 733	5.46 723	13.36 733	5.12 724	9.92 729	5.08 722	10.40 730	5.53 724	12.58 730	3.80 728	8.00 729	3.50 725	7.02 730	3.83 725	7.14 732

DGTPSM_ROB	8.06 724	4.48 723	8.63 733	5.35 723	10.72 727	8.32 721	22.97 732	5.46 723	13.35 732	5.12 724	9.92 729	5.08 722	10.40 730	5.52 723	12.58 730	3.79 727	8.00 729	3.50 725	7.02 730	3.83 725	7.14 732

real-time stereo	11.43 735	8.99 736	8.31 732	11.33 732	12.02 734	19.46 738	27.13 740	12.28 738	14.25 739	10.57 735	11.11 734	10.56 737	12.04 737	11.92 735	14.08 737	7.07 736	8.88 736	6.10 736	7.09 732	7.74 732	7.65 736

Anonymous_1	10.96 732	7.92 731	7.46 727	10.33 729	10.06 726	18.65 735	26.34 737	11.06 733	13.44 734	9.40 730	10.05 731	9.67 734	11.23 734	10.73 730	12.72 732	6.42 731	8.38 733	5.77 732	10.61 733	12.12 734	6.77 729

xxxxx1	7.79 720	5.02 727	7.31 724	3.12 720	3.85 721	16.35 729	22.88 729	5.86 726	8.69 725	7.97 727	8.54 724	9.12 729	8.27 727	10.18 727	10.92 727	2.42 724	2.45 724	3.56 727	12.37 734	3.77 722	3.06 725

tt_ll	7.79 720	5.02 727	7.31 724	3.12 720	3.85 721	16.35 729	22.88 729	5.86 726	8.69 725	7.97 727	8.54 724	9.12 729	8.27 727	10.18 727	10.92 727	2.42 724	2.45 724	3.56 727	12.37 734	3.77 722	3.06 725

ff	7.79 720	5.02 727	7.31 724	3.12 720	3.85 721	16.35 729	22.88 729	5.86 726	8.69 725	7.97 727	8.54 724	9.12 729	8.27 727	10.18 727	10.92 727	2.42 724	2.45 724	3.56 727	12.37 734	3.77 722	3.06 725

Selective-RAFT-Error	22.47 745	17.37 744	16.09 738	22.06 743	23.34 746	38.39 746	53.83 750	24.29 749	28.47 747	20.74 747	21.83 746	20.81 742	23.90 744	23.54 748	27.53 750	14.08 741	17.69 741	11.82 738	14.00 737	14.69 738	15.00 744

CasAABBNet	22.42 741	17.33 740	16.01 737	22.01 740	23.28 742	38.32 741	53.80 746	24.14 745	28.41 745	20.60 744	21.77 743	20.89 746	23.91 745	23.43 744	27.36 745	14.07 738	17.69 741	11.83 739	14.01 738	14.67 737	14.95 741

RAFT-FEzeroshot	22.43 742	17.33 740	15.98 735	22.02 741	23.31 744	38.34 742	53.82 748	24.05 743	28.39 743	20.61 745	21.76 741	20.88 743	23.92 747	23.41 742	27.42 747	14.07 738	17.69 741	11.83 739	14.02 739	14.69 738	14.97 742

RAFT-FE	22.43 742	17.33 740	15.98 735	22.02 741	23.31 744	38.34 742	53.82 748	24.05 743	28.39 743	20.61 745	21.76 741	20.88 743	23.92 747	23.41 742	27.42 747	14.07 738	17.69 741	11.83 739	14.02 739	14.69 738	14.97 742

LSM0	22.87 748	17.28 739	18.96 741	22.19 745	29.04 749	38.42 748	53.71 743	24.28 748	28.31 742	20.78 748	21.00 738	21.43 747	24.16 749	23.50 747	27.39 746	14.09 743	17.38 739	11.84 743	14.04 741	14.73 741	14.89 738

Hybrid-DGEV	22.47 745	17.40 745	16.14 739	22.00 739	23.29 743	38.36 744	53.80 746	24.43 750	28.63 749	20.59 743	21.81 744	20.88 743	23.91 745	23.45 745	27.42 747	14.08 741	17.69 741	11.83 739	14.06 742	14.65 735	14.93 740

FlowAnything	22.44 744	17.35 743	16.14 739	22.07 744	23.23 741	38.39 746	53.77 744	24.25 747	28.44 746	20.96 749	21.82 745	20.70 741	23.84 743	23.49 746	27.14 743	14.04 737	17.79 746	11.75 737	14.15 743	14.65 735	14.89 738

fast-reg	22.85 747	17.43 746	19.15 742	22.22 746	24.34 747	38.36 744	53.78 745	24.23 746	28.52 748	20.55 742	22.05 747	20.54 740	23.77 742	23.21 741	27.31 744	14.18 744	17.47 740	14.33 744	14.96 744	15.81 742	14.81 737

HaxPig	15.71 736	18.52 747	19.18 743	16.89 736	15.89 737	7.73 720	7.60 723	13.31 739	10.82 729	15.42 737	14.91 735	15.98 738	14.92 738	15.58 737	15.98 738	18.95 745	16.73 738	19.46 745	18.08 745	19.26 744	19.05 748

RSGM-EC	20.36 738	4.73 725	0.68 687	16.76 734	16.92 738	21.28 739	27.18 741	10.46 731	14.04 735	18.00 738	21.31 739	22.24 748	21.82 740	22.57 739	17.63 739	62.81 749	33.79 749	20.14 746	18.10 746	20.18 745	16.45 746

acva	20.36 738	4.73 725	0.68 687	16.76 734	16.92 738	21.28 739	27.18 741	10.46 731	14.04 735	18.00 738	21.31 739	22.24 748	21.82 740	22.57 739	17.63 739	62.81 749	33.79 749	20.14 746	18.10 746	20.18 745	16.45 746

MEDIAN_ROB	20.38 740	24.04 748	23.31 746	21.23 738	21.71 740	10.40 726	7.92 724	17.64 740	15.50 740	20.12 741	19.70 737	20.34 739	20.32 739	21.19 738	21.13 741	23.81 747	21.81 747	24.98 748	23.76 748	24.71 747	23.93 749

LRCNet_RVC	10.62 731	13.42 738	7.30 723	18.92 737	2.07 719	0.33 647	0.30 671	5.59 725	0.48 636	13.03 736	17.94 736	8.87 728	5.65 724	4.79 722	1.89 717	23.51 746	2.73 727	27.55 749	25.71 749	16.07 743	16.33 745

AVERAGE_ROB	24.90 749	29.20 749	28.14 747	24.89 747	24.64 748	17.75 732	11.12 725	21.45 742	19.93 741	25.12 750	24.46 748	25.12 750	25.46 750	24.69 749	22.83 742	29.76 748	27.13 748	28.97 750	27.95 750	29.91 748	29.47 750

test_example2	98.32 750	94.13 750	45.89 748	96.35 748	109.85 750	88.61 749	95.45 751	25.75 751	94.37 751	130.00 752	126.06 752	58.17 751	74.63 751	88.51 750	79.96 751	150.23 751	221.02 751	77.62 751	99.10 751	113.75 751	96.94 751

ccccc	245.47 751	285.66 751	306.18 751	368.85 751	370.60 751	123.16 751	145.33 752	115.05 752	110.08 752	126.68 751	110.87 751	122.83 752	165.88 752	252.94 752	276.56 752	384.56 752	353.86 752	254.69 752	223.00 752	425.87 752	386.83 752

Low-res two-view benchmark