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	deliv. area 1l	deliv. area 1s	deliv. area 2l	deliv. area 2s	deliv. area 3l	deliv. area 3s	elect. 1l	elect. 1s	elect. 2l	elect. 2s	elect. 3l	elect. 3s	facade 1s	forest 1s	forest 2s	playg. 1l	playg. 1s	playg. 2l	playg. 2s	playg. 3l	playg. 3s	terra. 1s	terra. 2s	terra. 1l	terra. 1s	terra. 2l	terra. 2s

mm2	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

mm1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

qqai	0.02 3	0.01 3	0.01 3	0.02 12	0.01 3	0.01 3	0.01 3	0.02 6	0.03 16	0.02 5	0.02 5	0.03 19	0.01 3	0.01 4	0.04 5	0.04 4	0.03 3	0.03 5	0.03 3	0.02 3	0.03 4	0.02 4	0.01 4	0.01 3	0.03 4	0.03 3	0.02 3	0.02 3

quiztm	0.02 3	0.02 6	0.01 3	0.01 3	0.01 3	0.02 8	0.01 3	0.02 6	0.02 5	0.02 5	0.02 5	0.02 7	0.01 3	0.01 4	0.04 5	0.04 4	0.03 3	0.02 3	0.03 3	0.02 3	0.03 4	0.01 3	0.01 4	0.01 3	0.04 15	0.03 3	0.02 3	0.02 3

MM-Stereo_test3	0.02 3	0.01 3	0.02 9	0.01 3	0.02 12	0.01 3	0.01 3	0.02 6	0.03 16	0.02 5	0.02 5	0.02 7	0.01 3	0.01 4	0.04 5	0.04 4	0.04 12	0.03 5	0.03 3	0.03 9	0.03 4	0.02 4	0.01 4	0.02 10	0.03 4	0.03 3	0.02 3	0.02 3

MM-Stereo_test1	0.02 3	0.02 6	0.02 9	0.02 12	0.01 3	0.02 8	0.01 3	0.02 6	0.03 16	0.03 18	0.02 5	0.01 3	0.01 3	0.01 4	0.04 5	0.04 4	0.04 12	0.04 19	0.04 18	0.03 9	0.03 4	0.03 10	0.02 33	0.03 32	0.03 4	0.03 3	0.02 3	0.02 3

Pointernet	0.02 3	0.02 6	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.02 6	0.02 5	0.02 5	0.02 5	0.02 7	0.01 3	0.01 4	0.03 3	0.04 4	0.03 3	0.02 3	0.03 3	0.02 3	0.02 3	0.02 4	0.01 4	0.01 3	0.03 4	0.03 3	0.02 3	0.02 3

ProNet	0.02 3	0.02 6	0.02 9	0.02 12	0.02 12	0.02 8	0.02 24	0.01 3	0.01 3	0.02 5	0.02 5	0.01 3	0.01 3	0.01 4	0.04 5	0.04 4	0.03 3	0.03 5	0.03 3	0.02 3	0.03 4	0.02 4	0.01 4	0.02 10	0.03 4	0.03 3	0.02 3	0.02 3

CroCo-Stereo	0.02 3	0.01 3	0.02 9	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.01 3	0.00 1	0.04 5	0.05 19	0.04 12	0.03 5	0.03 3	0.02 3	0.03 4	0.02 4	0.00 1	0.01 3	0.04 15	0.03 3	0.02 3	0.02 3
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
LACA2	0.03 10	0.02 6	0.02 9	0.02 12	0.02 12	0.03 38	0.01 3	0.02 6	0.02 5	0.05 58	0.02 5	0.02 7	0.01 3	0.01 4	0.04 5	0.04 4	0.03 3	0.03 5	0.03 3	0.03 9	0.03 4	0.03 10	0.01 4	0.02 10	0.04 15	0.03 3	0.03 17	0.02 3

WQFJX1	0.03 10	0.02 6	0.02 9	0.02 12	0.02 12	0.02 8	0.02 24	0.04 36	0.06 76	0.03 18	0.05 51	0.03 19	0.04 71	0.01 4	0.04 5	0.04 4	0.04 12	0.03 5	0.03 3	0.03 9	0.03 4	0.03 10	0.01 4	0.02 10	0.04 15	0.04 15	0.03 17	0.03 13

WQFJX	0.03 10	0.03 32	0.03 33	0.03 35	0.03 35	0.03 38	0.02 24	0.03 23	0.04 29	0.03 18	0.06 72	0.03 19	0.06 125	0.02 26	0.04 5	0.04 4	0.03 3	0.03 5	0.03 3	0.03 9	0.03 4	0.03 10	0.02 33	0.03 32	0.03 4	0.05 32	0.03 17	0.04 36

NLCSM	0.03 10	0.02 6	0.02 9	0.02 12	0.02 12	0.02 8	0.02 24	0.05 51	0.04 29	0.03 18	0.04 35	0.04 38	0.05 97	0.02 26	0.03 3	0.03 3	0.04 12	0.03 5	0.03 3	0.02 3	0.03 4	0.03 10	0.01 4	0.02 10	0.04 15	0.04 15	0.02 3	0.03 13

BridgeDepth	0.03 10	0.02 6	0.02 9	0.02 12	0.02 12	0.03 38	0.01 3	0.02 6	0.02 5	0.02 5	0.02 5	0.04 38	0.02 19	0.01 4	0.04 5	0.04 4	0.03 3	0.04 19	0.03 3	0.03 9	0.04 21	0.03 10	0.01 4	0.02 10	0.05 34	0.05 32	0.05 48	0.03 13
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GSStereo	0.03 10	0.03 32	0.03 33	0.03 35	0.03 35	0.03 38	0.02 24	0.01 3	0.03 16	0.03 18	0.03 19	0.02 7	0.01 3	0.01 4	0.06 42	0.06 38	0.07 57	0.04 19	0.06 49	0.03 9	0.06 46	0.03 10	0.01 4	0.03 32	0.04 15	0.04 15	0.04 35	0.03 13

GASTEREO	0.03 10	0.02 6	0.03 33	0.02 12	0.03 35	0.02 8	0.01 3	0.02 6	0.05 51	0.02 5	0.03 19	0.04 38	0.02 19	0.02 26	0.05 23	0.06 38	0.05 34	0.05 37	0.05 33	0.04 31	0.04 21	0.04 36	0.02 33	0.02 10	0.05 34	0.04 15	0.03 17	0.04 36

MSCF	0.03 10	0.02 6	0.03 33	0.03 35	0.02 12	0.02 8	0.01 3	0.02 6	0.05 51	0.02 5	0.03 19	0.04 38	0.02 19	0.02 26	0.05 23	0.06 38	0.05 34	0.05 37	0.05 33	0.04 31	0.04 21	0.04 36	0.02 33	0.02 10	0.05 34	0.04 15	0.02 3	0.04 36

111111	0.03 10	0.02 6	0.02 9	0.01 3	0.02 12	0.02 8	0.02 24	0.03 23	0.04 29	0.02 5	0.03 19	0.03 19	0.02 19	0.01 4	0.04 5	0.05 19	0.04 12	0.03 5	0.04 18	0.03 9	0.03 4	0.03 10	0.02 33	0.02 10	0.04 15	0.03 3	0.02 3	0.02 3

MLG-Stereo_test1	0.03 10	0.02 6	0.01 3	0.01 3	0.02 12	0.02 8	0.02 24	0.03 23	0.04 29	0.04 39	0.02 5	0.04 38	0.02 19	0.01 4	0.04 5	0.05 19	0.06 45	0.04 19	0.05 33	0.03 9	0.05 33	0.03 10	0.01 4	0.01 3	0.03 4	0.03 3	0.03 17	0.03 13

MLG-Stereo	0.03 10	0.02 6	0.01 3	0.02 12	0.02 12	0.01 3	0.01 3	0.03 23	0.03 16	0.04 39	0.02 5	0.04 38	0.01 3	0.01 4	0.04 5	0.05 19	0.06 45	0.03 5	0.04 18	0.03 9	0.05 33	0.03 10	0.01 4	0.01 3	0.04 15	0.03 3	0.03 17	0.03 13

LG-Stereo	0.03 10	0.03 32	0.02 9	0.02 12	0.03 35	0.02 8	0.01 3	0.04 36	0.05 51	0.04 39	0.03 19	0.05 56	0.02 19	0.01 4	0.04 5	0.05 19	0.05 34	0.04 19	0.05 33	0.04 31	0.07 57	0.04 36	0.01 4	0.02 10	0.05 34	0.04 15	0.04 35	0.03 13

MM-Stereo_test2	0.03 10	0.02 6	0.02 9	0.02 12	0.02 12	0.02 8	0.01 3	0.03 23	0.02 5	0.03 18	0.03 19	0.01 3	0.01 3	0.02 26	0.05 23	0.05 19	0.04 12	0.05 37	0.04 18	0.03 9	0.04 21	0.05 56	0.03 73	0.03 32	0.03 4	0.04 15	0.03 17	0.04 36

GREAT-IGEV	0.03 10	0.02 6	0.02 9	0.02 12	0.01 3	0.02 8	0.01 3	0.02 6	0.03 16	0.03 18	0.04 35	0.04 38	0.01 3	0.01 4	0.05 23	0.05 19	0.04 12	0.04 19	0.04 18	0.03 9	0.04 21	0.03 10	0.01 4	0.02 10	0.04 15	0.04 15	0.03 17	0.03 13
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
CoSv	0.03 10	0.02 6	0.01 3	0.02 12	0.02 12	0.03 38	0.02 24	0.03 23	0.03 16	0.03 18	0.02 5	0.02 7	0.02 19	0.01 4	0.05 23	0.05 19	0.05 34	0.03 5	0.06 49	0.03 9	0.04 21	0.03 10	0.01 4	0.01 3	0.05 34	0.04 15	0.04 35	0.03 13

AIO-test2	0.03 10	0.02 6	0.02 9	0.02 12	0.01 3	0.02 8	0.01 3	0.03 23	0.04 29	0.03 18	0.06 72	0.03 19	0.01 3	0.02 26	0.04 5	0.04 4	0.03 3	0.04 19	0.03 3	0.03 9	0.03 4	0.03 10	0.01 4	0.02 10	0.02 3	0.04 15	0.02 3	0.03 13

AIO-test1	0.03 10	0.02 6	0.02 9	0.01 3	0.02 12	0.02 8	0.01 3	0.05 51	0.05 51	0.05 58	0.04 35	0.04 38	0.02 19	0.03 59	0.05 23	0.06 38	0.04 12	0.04 19	0.03 3	0.03 9	0.03 4	0.04 36	0.01 4	0.02 10	0.03 4	0.04 15	0.02 3	0.03 13

GIP-stereo	0.03 10	0.02 6	0.02 9	0.02 12	0.02 12	0.02 8	0.02 24	0.02 6	0.02 5	0.02 5	0.02 5	0.02 7	0.02 19	0.02 26	0.05 23	0.05 19	0.06 45	0.04 19	0.06 49	0.03 9	0.05 33	0.03 10	0.01 4	0.03 32	0.04 15	0.05 32	0.03 17	0.03 13

IGEV-Stereo++	0.03 10	0.02 6	0.03 33	0.03 35	0.03 35	0.03 38	0.02 24	0.04 36	0.04 29	0.04 39	0.03 19	0.03 19	0.02 19	0.02 26	0.05 23	0.05 19	0.04 12	0.04 19	0.04 18	0.04 31	0.04 21	0.04 36	0.03 73	0.03 32	0.03 4	0.05 32	0.03 17	0.03 13

RAStereo	0.03 10	0.02 6	0.02 9	0.02 12	0.02 12	0.02 8	0.01 3	0.03 23	0.02 5	0.03 18	0.02 5	0.04 38	0.03 48	0.02 26	0.05 23	0.06 38	0.05 34	0.05 37	0.04 18	0.03 9	0.06 46	0.03 10	0.01 4	0.02 10	0.06 51	0.05 32	0.04 35	0.04 36

U	0.03 10	0.02 6	0.02 9	0.01 3	0.01 3	0.02 8	0.01 3	0.02 6	0.02 5	0.01 3	0.01 3	0.02 7	0.02 19	0.01 4	0.05 23	0.05 19	0.05 34	0.04 19	0.04 18	0.03 9	0.05 33	0.03 10	0.01 4	0.02 10	0.04 15	0.04 15	0.02 3	0.03 13

AIO-Stereo	0.03 10	0.03 32	0.03 33	0.02 12	0.03 35	0.03 38	0.02 24	0.02 6	0.03 16	0.03 18	0.03 19	0.02 7	0.02 19	0.02 26	0.05 23	0.05 19	0.04 12	0.04 19	0.05 33	0.03 9	0.04 21	0.03 10	0.02 33	0.02 10	0.04 15	0.04 15	0.03 17	0.03 13

RSM	0.03 10	0.03 32	0.03 33	0.02 12	0.03 35	0.03 38	0.02 24	0.03 23	0.02 5	0.03 18	0.04 35	0.04 38	0.02 19	0.02 26	0.06 42	0.06 38	0.04 12	0.04 19	0.05 33	0.04 31	0.05 33	0.03 10	0.01 4	0.03 32	0.04 15	0.05 32	0.03 17	0.03 13

MoCha-V2	0.03 10	0.02 6	0.02 9	0.02 12	0.02 12	0.02 8	0.01 3	0.02 6	0.02 5	0.03 18	0.03 19	0.02 7	0.01 3	0.01 4	0.05 23	0.05 19	0.04 12	0.04 19	0.04 18	0.04 31	0.03 4	0.02 4	0.01 4	0.02 10	0.03 4	0.03 3	0.02 3	0.02 3

CroCo-Stereo Lap2	0.03 10	0.02 6	0.02 9	0.01 3	0.01 3	0.02 8	0.02 24	0.02 6	0.02 5	0.03 18	0.02 5	0.02 7	0.03 48	0.01 4	0.05 23	0.05 19	0.04 12	0.05 37	0.04 18	0.04 31	0.04 21	0.04 36	0.01 4	0.02 10	0.06 51	0.06 48	0.05 48	0.03 13

PointNet	0.04 35	0.03 32	0.04 66	0.03 35	0.02 12	0.03 38	0.03 55	0.05 51	0.04 29	0.02 5	0.05 51	0.03 19	0.02 19	0.02 26	0.04 5	0.04 4	0.04 12	0.03 5	0.04 18	0.03 9	0.04 21	0.03 10	0.04 95	0.05 86	0.05 34	0.06 48	0.03 17	0.04 36

LACA3	0.04 35	0.03 32	0.03 33	0.03 35	0.03 35	0.03 38	0.02 24	0.02 6	0.04 29	0.04 39	0.03 19	0.03 19	0.02 19	0.02 26	0.06 42	0.06 38	0.04 12	0.06 54	0.05 33	0.04 31	0.06 46	0.06 75	0.02 33	0.03 32	0.06 51	0.06 48	0.05 48	0.05 50

LACA1	0.04 35	0.03 32	0.03 33	0.02 12	0.03 35	0.03 38	0.02 24	0.02 6	0.05 51	0.03 18	0.03 19	0.04 38	0.03 48	0.02 26	0.05 23	0.05 19	0.04 12	0.06 54	0.04 18	0.04 31	0.05 33	0.04 36	0.03 73	0.03 32	0.05 34	0.06 48	0.05 48	0.04 36

DispViT+	0.04 35	0.03 32	0.04 66	0.06 101	0.03 35	0.04 58	0.03 55	0.04 36	0.05 51	0.04 39	0.07 96	0.04 38	0.04 71	0.02 26	0.06 42	0.06 38	0.04 12	0.05 37	0.05 33	0.04 31	0.04 21	0.05 56	0.02 33	0.04 63	0.05 34	0.07 67	0.05 48	0.06 68

MatchStereo	0.04 35	0.02 6	0.03 33	0.02 12	0.03 35	0.02 8	0.02 24	0.03 23	0.06 76	0.02 5	0.06 72	0.02 7	0.04 71	0.02 26	0.06 42	0.06 38	0.04 12	0.05 37	0.04 18	0.05 60	0.05 33	0.06 75	0.02 33	0.03 32	0.05 34	0.06 48	0.03 17	0.04 36
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
WQFJA1	0.04 35	0.03 32	0.03 33	0.03 35	0.03 35	0.04 58	0.03 55	0.05 51	0.04 29	0.03 18	0.06 72	0.04 38	0.03 48	0.03 59	0.04 5	0.04 4	0.04 12	0.03 5	0.03 3	0.04 31	0.03 4	0.03 10	0.02 33	0.03 32	0.04 15	0.05 32	0.03 17	0.05 50

NLMM1	0.04 35	0.03 32	0.03 33	0.02 12	0.02 12	0.02 8	0.02 24	0.05 51	0.05 51	0.04 39	0.07 96	0.03 19	0.07 152	0.02 26	0.05 23	0.05 19	0.03 3	0.04 19	0.04 18	0.04 31	0.03 4	0.04 36	0.01 4	0.04 63	0.06 51	0.04 15	0.04 35	0.04 36

NLMM	0.04 35	0.03 32	0.03 33	0.03 35	0.03 35	0.04 58	0.03 55	0.05 51	0.04 29	0.03 18	0.06 72	0.04 38	0.03 48	0.03 59	0.04 5	0.04 4	0.04 12	0.03 5	0.03 3	0.04 31	0.03 4	0.03 10	0.02 33	0.03 32	0.04 15	0.05 32	0.03 17	0.05 50

NLSM3	0.04 35	0.03 32	0.03 33	0.04 58	0.03 35	0.02 8	0.02 24	0.04 36	0.07 102	0.04 39	0.04 35	0.03 19	0.04 71	0.03 59	0.06 42	0.05 19	0.05 34	0.05 37	0.04 18	0.04 31	0.04 21	0.04 36	0.03 73	0.03 32	0.06 51	0.06 48	0.06 67	0.06 68

NLSM1	0.04 35	0.03 32	0.03 33	0.03 35	0.02 12	0.04 58	0.03 55	0.05 51	0.07 102	0.03 18	0.08 119	0.04 38	0.06 125	0.02 26	0.05 23	0.04 4	0.04 12	0.04 19	0.05 33	0.03 9	0.05 33	0.04 36	0.02 33	0.03 32	0.05 34	0.05 32	0.04 35	0.04 36

VIP-Stereo	0.04 35	0.03 32	0.03 33	0.04 58	0.03 35	0.02 8	0.01 3	0.04 36	0.04 29	0.04 39	0.07 96	0.06 66	0.02 19	0.02 26	0.06 42	0.06 38	0.08 63	0.05 37	0.06 49	0.04 31	0.07 57	0.04 36	0.02 33	0.03 32	0.05 34	0.06 48	0.04 35	0.04 36

GEAStereo	0.04 35	0.04 57	0.03 33	0.04 58	0.03 35	0.03 38	0.03 55	0.04 36	0.03 16	0.04 39	0.03 19	0.03 19	0.01 3	0.02 26	0.06 42	0.06 38	0.06 45	0.05 37	0.05 33	0.04 31	0.06 46	0.04 36	0.02 33	0.03 32	0.04 15	0.05 32	0.04 35	0.03 13

gasm-f	0.04 35	0.04 57	0.03 33	0.04 58	0.03 35	0.03 38	0.03 55	0.04 36	0.03 16	0.04 39	0.03 19	0.03 19	0.01 3	0.02 26	0.06 42	0.06 38	0.06 45	0.05 37	0.05 33	0.04 31	0.06 46	0.04 36	0.02 33	0.03 32	0.04 15	0.05 32	0.04 35	0.03 13

MonStereo	0.04 35	0.03 32	0.03 33	0.03 35	0.02 12	0.02 8	0.02 24	0.03 23	0.04 29	0.04 39	0.06 72	0.03 19	0.02 19	0.02 26	0.05 23	0.05 19	0.05 34	0.04 19	0.05 33	0.04 31	0.05 33	0.03 10	0.02 33	0.02 10	0.05 34	0.05 32	0.05 48	0.05 50

AdaDepth	0.04 35	0.04 57	0.02 9	0.03 35	0.03 35	0.02 8	0.02 24	0.03 23	0.04 29	0.03 18	0.04 35	0.03 19	0.02 19	0.01 4	0.06 42	0.06 38	0.06 45	0.05 37	0.05 33	0.03 9	0.05 33	0.03 10	0.01 4	0.03 32	0.05 34	0.05 32	0.04 35	0.03 13

MLG-Stereo_test2	0.04 35	0.02 6	0.02 9	0.02 12	0.02 12	0.02 8	0.01 3	0.04 36	0.03 16	0.05 58	0.03 19	0.05 56	0.02 19	0.03 59	0.05 23	0.05 19	0.08 63	0.04 19	0.06 49	0.04 31	0.07 57	0.03 10	0.02 33	0.02 10	0.04 15	0.04 15	0.05 48	0.03 13

DEFOM-Stereo	0.04 35	0.03 32	0.02 9	0.04 58	0.03 35	0.03 38	0.02 24	0.04 36	0.04 29	0.04 39	0.05 51	0.03 19	0.02 19	0.02 26	0.06 42	0.06 38	0.07 57	0.06 54	0.06 49	0.04 31	0.06 46	0.03 10	0.02 33	0.02 10	0.06 51	0.06 48	0.05 48	0.04 36

Occ-G	0.04 35	0.04 57	0.03 33	0.04 58	0.03 35	0.03 38	0.02 24	0.04 36	0.03 16	0.03 18	0.05 51	0.03 19	0.02 19	0.02 26	0.06 42	0.06 38	0.06 45	0.06 54	0.07 58	0.04 31	0.05 33	0.03 10	0.04 95	0.03 32	0.05 34	0.04 15	0.03 17	0.05 50

RSM++	0.04 35	0.03 32	0.03 33	0.03 35	0.04 61	0.02 8	0.03 55	0.05 51	0.05 51	0.04 39	0.04 35	0.05 56	0.02 19	0.02 26	0.07 64	0.07 64	0.05 34	0.05 37	0.05 33	0.04 31	0.07 57	0.04 36	0.02 33	0.03 32	0.06 51	0.05 32	0.04 35	0.04 36

AEACV	0.04 35	0.03 32	0.02 9	0.04 58	0.03 35	0.02 8	0.02 24	0.03 23	0.03 16	0.03 18	0.04 35	0.03 19	0.02 19	0.02 26	0.06 42	0.06 38	0.05 34	0.05 37	0.07 58	0.04 31	0.06 46	0.04 36	0.01 4	0.02 10	0.06 51	0.07 67	0.04 35	0.03 13

BridgeDepth_RVC	0.05 55	0.04 57	0.04 66	0.04 58	0.05 79	0.05 88	0.03 55	0.04 36	0.07 102	0.05 58	0.06 72	0.05 56	0.04 71	0.02 26	0.07 64	0.07 64	0.05 34	0.07 73	0.05 33	0.05 60	0.06 46	0.06 75	0.02 33	0.03 32	0.06 51	0.08 77	0.07 75	0.07 77
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
MLG-Stereo_test3	0.05 55	0.03 32	0.02 9	0.03 35	0.04 61	0.05 88	0.03 55	0.05 51	0.06 76	0.06 67	0.06 72	0.09 84	0.02 19	0.03 59	0.06 42	0.06 38	0.08 63	0.06 54	0.07 58	0.05 60	0.08 67	0.04 36	0.02 33	0.03 32	0.05 34	0.06 48	0.05 48	0.05 50

DFGA-Net	0.05 55	0.05 78	0.03 33	0.04 58	0.03 35	0.04 58	0.03 55	0.05 51	0.04 29	0.06 67	0.05 51	0.10 92	0.04 71	0.03 59	0.07 64	0.07 64	0.09 73	0.07 73	0.07 58	0.05 60	0.07 57	0.04 36	0.03 73	0.04 63	0.07 67	0.07 67	0.06 67	0.09 86

anonymousdsp	0.05 55	0.04 57	0.04 66	0.03 35	0.04 61	0.04 58	0.04 94	0.06 64	0.05 51	0.06 67	0.04 35	0.03 19	0.02 19	0.03 59	0.07 64	0.08 79	0.08 63	0.06 54	0.08 74	0.05 60	0.09 72	0.05 56	0.03 73	0.03 32	0.05 34	0.05 32	0.05 48	0.05 50

iRaftStereo_RVC	0.05 55	0.03 32	0.03 33	0.03 35	0.03 35	0.03 38	0.02 24	0.05 51	0.04 29	0.06 67	0.05 51	0.05 56	0.03 48	0.02 26	0.06 42	0.06 38	0.10 80	0.07 73	0.07 58	0.05 60	0.09 72	0.05 56	0.02 33	0.03 32	0.07 67	0.06 48	0.05 48	0.05 50

RAFT + AFF	0.05 55	0.04 57	0.03 33	0.05 78	0.04 61	0.04 58	0.03 55	0.06 64	0.08 128	0.09 83	0.05 51	0.09 84	0.02 19	0.02 26	0.05 23	0.06 38	0.09 73	0.06 54	0.06 49	0.04 31	0.07 57	0.05 56	0.02 33	0.04 63	0.07 67	0.05 32	0.05 48	0.06 68

delet	0.05 55	0.05 78	0.04 66	0.06 101	0.05 79	0.05 88	0.05 105	0.04 36	0.04 29	0.06 67	0.05 51	0.10 92	0.05 97	0.03 59	0.07 64	0.06 38	0.07 57	0.06 54	0.06 49	0.06 79	0.06 46	0.04 36	0.03 73	0.05 86	0.07 67	0.07 67	0.05 48	0.04 36

TDLM	0.05 55	0.04 57	0.04 66	0.04 58	0.04 61	0.04 58	0.03 55	0.04 36	0.04 29	0.04 39	0.06 72	0.04 38	0.03 48	0.03 59	0.06 42	0.06 38	0.06 45	0.06 54	0.06 49	0.04 31	0.05 33	0.04 36	0.03 73	0.04 63	0.05 34	0.06 48	0.05 48	0.05 50

TS12	0.06 63	0.04 57	0.04 66	0.05 78	0.05 79	0.04 58	0.03 55	0.06 64	0.05 51	0.04 39	0.08 119	0.06 66	0.03 48	0.03 59	0.07 64	0.08 79	0.06 45	0.07 73	0.07 58	0.06 79	0.09 72	0.08 110	0.02 33	0.04 63	0.08 77	0.08 77	0.08 83	0.09 86

TS	0.06 63	0.04 57	0.04 66	0.05 78	0.05 79	0.04 58	0.03 55	0.06 64	0.05 51	0.04 39	0.08 119	0.06 66	0.03 48	0.03 59	0.07 64	0.08 79	0.06 45	0.07 73	0.07 58	0.06 79	0.09 72	0.08 110	0.02 33	0.04 63	0.08 77	0.08 77	0.08 83	0.09 86

LG-Stereo_L2	0.06 63	0.04 57	0.03 33	0.03 35	0.04 61	0.02 8	0.02 24	0.08 83	0.08 128	0.21 169	0.06 72	0.08 79	0.03 48	0.03 59	0.06 42	0.07 64	0.10 80	0.06 54	0.07 58	0.04 31	0.14 137	0.05 56	0.02 33	0.03 32	0.06 51	0.06 48	0.05 48	0.05 50

LG-Stereo_L1	0.06 63	0.04 57	0.03 33	0.04 58	0.03 35	0.02 8	0.02 24	0.08 83	0.09 161	0.21 169	0.06 72	0.05 56	0.03 48	0.03 59	0.06 42	0.07 64	0.10 80	0.06 54	0.07 58	0.04 31	0.14 137	0.05 56	0.02 33	0.03 32	0.06 51	0.06 48	0.05 48	0.05 50

LG-G_1	0.06 63	0.05 78	0.04 66	0.05 78	0.05 79	0.06 103	0.03 55	0.06 64	0.06 76	0.08 79	0.03 19	0.10 92	0.04 71	0.06 120	0.06 42	0.06 38	0.10 80	0.06 54	0.08 74	0.05 60	0.10 80	0.05 56	0.05 122	0.04 63	0.06 51	0.06 48	0.08 83	0.06 68

LG-G	0.06 63	0.05 78	0.04 66	0.05 78	0.05 79	0.06 103	0.03 55	0.06 64	0.06 76	0.08 79	0.03 19	0.10 92	0.04 71	0.06 120	0.06 42	0.06 38	0.10 80	0.06 54	0.08 74	0.05 60	0.10 80	0.05 56	0.05 122	0.04 63	0.06 51	0.06 48	0.08 83	0.06 68

LGtest1	0.06 63	0.04 57	0.03 33	0.04 58	0.04 61	0.04 58	0.03 55	0.08 83	0.08 128	0.07 76	0.04 35	0.06 66	0.03 48	0.05 104	0.07 64	0.07 64	0.11 90	0.07 73	0.10 100	0.07 94	0.12 94	0.06 75	0.04 95	0.03 32	0.07 67	0.07 67	0.08 83	0.06 68

SGD-Stereo	0.06 63	0.04 57	0.03 33	0.05 78	0.04 61	0.06 103	0.03 55	0.04 36	0.06 76	0.08 79	0.05 51	0.06 66	0.03 48	0.03 59	0.08 87	0.08 79	0.14 116	0.06 54	0.09 89	0.05 60	0.12 94	0.05 56	0.03 73	0.04 63	0.08 77	0.08 77	0.12 129	0.09 86

AIO_rvc	0.06 63	0.06 101	0.03 33	0.05 78	0.04 61	0.04 58	0.03 55	0.08 83	0.06 76	0.10 91	0.04 35	0.08 79	0.02 19	0.03 59	0.06 42	0.07 64	0.08 63	0.06 54	0.07 58	0.05 60	0.12 94	0.05 56	0.02 33	0.03 32	0.06 51	0.06 48	0.05 48	0.05 50

AIO_test	0.06 63	0.05 78	0.04 66	0.07 124	0.05 79	0.04 58	0.04 94	0.10 98	0.09 161	0.12 94	0.05 51	0.11 103	0.04 71	0.03 59	0.07 64	0.07 64	0.07 57	0.06 54	0.08 74	0.05 60	0.13 120	0.05 56	0.04 95	0.04 63	0.09 90	0.07 67	0.05 48	0.05 50

IGEV-Stereo+	0.06 63	0.03 32	0.03 33	0.03 35	0.04 61	0.04 58	0.03 55	0.16 149	0.06 76	0.20 160	0.06 72	0.06 66	0.03 48	0.04 88	0.07 64	0.08 79	0.10 80	0.06 54	0.09 89	0.07 94	0.12 94	0.06 75	0.03 73	0.03 32	0.07 67	0.06 48	0.03 17	0.06 68

plain	0.06 63	0.04 57	0.04 66	0.04 58	0.04 61	0.05 88	0.03 55	0.08 83	0.04 29	0.09 83	0.05 51	0.06 66	0.02 19	0.02 26	0.07 64	0.08 79	0.12 100	0.08 83	0.08 74	0.06 79	0.08 67	0.04 36	0.02 33	0.05 86	0.09 90	0.10 96	0.08 83	0.09 86

StereoVision	0.06 63	0.03 32	0.04 66	0.03 35	0.03 35	0.03 38	0.02 24	0.06 64	0.11 203	0.02 5	0.05 51	0.03 19	0.06 125	0.01 4	0.09 115	0.10 122	0.06 45	0.05 37	0.08 74	0.07 94	0.06 46	0.05 56	0.02 33	0.04 63	0.10 100	0.07 67	0.10 105	0.12 126

MIF-Stereo (partial)	0.06 63	0.05 78	0.06 128	0.05 78	0.04 61	0.05 88	0.03 55	0.08 83	0.07 102	0.07 76	0.04 35	0.05 56	0.06 125	0.04 88	0.08 87	0.08 79	0.11 90	0.08 83	0.08 74	0.05 60	0.09 72	0.05 56	0.02 33	0.06 112	0.10 100	0.08 77	0.07 75	0.08 80

MIM_Stereo	0.06 63	0.04 57	0.03 33	0.05 78	0.05 79	0.05 88	0.03 55	0.06 64	0.04 29	0.14 102	0.07 96	0.04 38	0.03 48	0.03 59	0.07 64	0.08 79	0.13 103	0.07 73	0.09 89	0.06 79	0.11 87	0.06 75	0.02 33	0.04 63	0.08 77	0.07 67	0.07 75	0.05 50

RAFT	0.06 63	0.03 32	0.05 98	0.03 35	0.02 12	0.03 38	0.02 24	0.07 78	0.04 29	0.04 39	0.06 72	0.07 75	0.05 97	0.01 4	0.06 42	0.06 38	0.06 45	0.05 37	0.05 33	0.04 31	0.06 46	0.07 95	0.01 4	0.04 63	0.13 137	0.14 168	0.13 143	0.15 156

AFF-stereo	0.06 63	0.05 78	0.05 98	0.05 78	0.04 61	0.04 58	0.03 55	0.11 102	0.06 76	0.16 115	0.05 51	0.08 79	0.03 48	0.02 26	0.07 64	0.08 79	0.08 63	0.05 37	0.09 89	0.04 31	0.09 72	0.05 56	0.02 33	0.04 63	0.10 100	0.08 77	0.07 75	0.07 77

MMNet	0.06 63	0.06 101	0.05 98	0.08 134	0.06 106	0.06 103	0.05 105	0.07 78	0.06 76	0.05 58	0.06 72	0.09 84	0.04 71	0.04 88	0.07 64	0.07 64	0.09 73	0.08 83	0.07 58	0.06 79	0.07 57	0.05 56	0.04 95	0.05 86	0.07 67	0.08 77	0.07 75	0.10 101

RYNet	0.06 63	0.04 57	0.04 66	0.04 58	0.04 61	0.04 58	0.03 55	0.05 51	0.11 203	0.05 58	0.04 35	0.04 38	0.03 48	0.03 59	0.07 64	0.06 38	0.07 57	0.08 83	0.07 58	0.05 60	0.05 33	0.05 56	0.11 246	0.04 63	0.06 51	0.15 192	0.06 67	0.05 50

AANet_RVC	0.06 63	0.05 78	0.06 128	0.05 78	0.06 106	0.04 58	0.05 105	0.05 51	0.06 76	0.05 58	0.06 72	0.05 56	0.04 71	0.04 88	0.08 87	0.07 64	0.08 63	0.08 83	0.07 58	0.07 94	0.07 57	0.07 95	0.05 122	0.05 86	0.07 67	0.08 77	0.06 67	0.08 80

YMNet	0.07 83	0.08 165	0.06 128	0.08 134	0.08 145	0.08 134	0.07 155	0.07 78	0.07 102	0.05 58	0.07 96	0.13 123	0.05 97	0.07 151	0.08 87	0.07 64	0.08 63	0.09 109	0.09 89	0.05 60	0.08 67	0.07 95	0.06 145	0.05 86	0.09 90	0.09 88	0.09 99	0.09 86

HUF	0.07 83	0.05 78	0.04 66	0.07 124	0.06 106	0.04 58	0.03 55	0.09 91	0.07 102	0.16 115	0.05 51	0.09 84	0.04 71	0.03 59	0.07 64	0.07 64	0.08 63	0.06 54	0.09 89	0.06 79	0.15 148	0.06 75	0.03 73	0.04 63	0.08 77	0.06 48	0.06 67	0.05 50

IGEV-BASED-STEREO-	0.07 83	0.05 78	0.03 33	0.04 58	0.05 79	0.04 58	0.02 24	0.11 102	0.06 76	0.22 182	0.05 51	0.05 56	0.02 19	0.03 59	0.07 64	0.09 97	0.12 100	0.08 83	0.09 89	0.07 94	0.16 167	0.07 95	0.02 33	0.03 32	0.07 67	0.08 77	0.07 75	0.05 50

MaDis-Stereo	0.07 83	0.04 57	0.05 98	0.03 35	0.02 12	0.03 38	0.03 55	0.06 64	0.06 76	0.04 39	0.06 72	0.10 92	0.05 97	0.02 26	0.07 64	0.08 79	0.10 80	0.09 109	0.07 58	0.05 60	0.10 80	0.10 173	0.01 4	0.05 86	0.12 125	0.18 248	0.13 143	0.16 166

UniTT-Stereo	0.07 83	0.04 57	0.04 66	0.03 35	0.03 35	0.05 88	0.03 55	0.06 64	0.05 51	0.06 67	0.04 35	0.07 75	0.12 220	0.07 151	0.08 87	0.07 64	0.11 90	0.08 83	0.08 74	0.07 94	0.09 72	0.08 110	0.07 169	0.04 63	0.10 100	0.16 212	0.06 67	0.10 101

LL-Strereo2	0.07 83	0.03 32	0.03 33	0.04 58	0.05 79	0.04 58	0.03 55	0.06 64	0.07 102	0.15 108	0.07 96	0.08 79	0.05 97	0.04 88	0.08 87	0.09 97	0.13 103	0.07 73	0.10 100	0.06 79	0.10 80	0.06 75	0.03 73	0.04 63	0.08 77	0.10 96	0.08 83	0.05 50

RAFT_CTSACE	0.07 83	0.04 57	0.06 128	0.03 35	0.04 61	0.05 88	0.05 105	0.06 64	0.06 76	0.09 83	0.04 35	0.10 92	0.09 187	0.03 59	0.08 87	0.08 79	0.11 90	0.07 73	0.07 58	0.05 60	0.12 94	0.08 110	0.03 73	0.06 112	0.12 125	0.12 131	0.12 129	0.16 166

AASNet	0.07 83	0.06 101	0.04 66	0.09 156	0.07 123	0.08 134	0.05 105	0.08 83	0.05 51	0.07 76	0.07 96	0.07 75	0.04 71	0.04 88	0.07 64	0.07 64	0.10 80	0.08 83	0.08 74	0.06 79	0.07 57	0.06 75	0.04 95	0.06 112	0.08 77	0.08 77	0.06 67	0.06 68

ARAFT	0.07 83	0.04 57	0.04 66	0.05 78	0.05 79	0.05 88	0.02 24	0.09 91	0.06 76	0.12 94	0.06 72	0.12 111	0.03 48	0.03 59	0.07 64	0.07 64	0.12 100	0.09 109	0.09 89	0.05 60	0.11 87	0.08 110	0.03 73	0.04 63	0.10 100	0.09 88	0.09 99	0.09 86

DMCA	0.07 83	0.05 78	0.07 161	0.06 101	0.06 106	0.05 88	0.07 155	0.09 91	0.07 102	0.06 67	0.09 144	0.07 75	0.06 125	0.06 120	0.08 87	0.08 79	0.11 90	0.10 131	0.08 74	0.07 94	0.09 72	0.06 75	0.06 145	0.06 112	0.08 77	0.10 96	0.06 67	0.08 80

GANet	0.07 83	0.07 125	0.06 128	0.06 101	0.06 106	0.07 124	0.06 138	0.08 83	0.05 51	0.06 67	0.07 96	0.06 66	0.04 71	0.04 88	0.07 64	0.08 79	0.09 73	0.10 131	0.07 58	0.05 60	0.07 57	0.05 56	0.05 122	0.05 86	0.08 77	0.07 67	0.07 75	0.06 68

CVANet_RVC	0.07 83	0.07 125	0.07 161	0.08 134	0.06 106	0.07 124	0.05 105	0.06 64	0.05 51	0.06 67	0.09 144	0.05 56	0.04 71	0.04 88	0.08 87	0.08 79	0.08 63	0.08 83	0.08 74	0.06 79	0.08 67	0.06 75	0.04 95	0.05 86	0.08 77	0.07 67	0.07 75	0.10 101

DEFOM-Stereo_RVC	0.08 95	0.05 78	0.04 66	0.03 35	0.05 79	0.05 88	0.03 55	0.12 106	0.06 76	0.21 169	0.05 51	0.08 79	0.03 48	0.05 104	0.08 87	0.09 97	0.13 103	0.09 109	0.10 100	0.06 79	0.16 167	0.07 95	0.04 95	0.04 63	0.07 67	0.09 88	0.08 83	0.10 101

MGS-Stereo	0.08 95	0.06 101	0.04 66	0.05 78	0.05 79	0.04 58	0.03 55	0.12 106	0.05 51	0.09 83	0.07 96	0.10 92	0.04 71	0.05 104	0.07 64	0.08 79	0.15 126	0.11 150	0.12 119	0.09 144	0.13 120	0.07 95	0.05 122	0.05 86	0.10 100	0.09 88	0.11 119	0.10 101

anonymousdsp2	0.08 95	0.07 125	0.05 98	0.06 101	0.05 79	0.06 103	0.05 105	0.12 106	0.06 76	0.17 125	0.06 72	0.09 84	0.04 71	0.05 104	0.07 64	0.08 79	0.13 103	0.08 83	0.11 107	0.07 94	0.13 120	0.07 95	0.05 122	0.06 112	0.09 90	0.08 77	0.08 83	0.07 77

test_5	0.08 95	0.05 78	0.07 161	0.04 58	0.04 61	0.04 58	0.04 94	0.09 91	0.05 51	0.05 58	0.07 96	0.12 111	0.12 220	0.02 26	0.08 87	0.09 97	0.07 57	0.07 73	0.08 74	0.06 79	0.10 80	0.10 173	0.02 33	0.08 178	0.10 100	0.14 168	0.13 143	0.18 201

AnonymousM	0.08 95	0.05 78	0.04 66	0.06 101	0.05 79	0.04 58	0.04 94	0.13 126	0.05 51	0.20 160	0.06 72	0.11 103	0.03 48	0.06 120	0.10 153	0.10 122	0.19 192	0.09 109	0.12 119	0.07 94	0.16 167	0.06 75	0.04 95	0.04 63	0.08 77	0.11 114	0.10 105	0.10 101

raft+_RVC	0.08 95	0.06 101	0.05 98	0.06 101	0.06 106	0.07 124	0.04 94	0.10 98	0.08 128	0.17 125	0.08 119	0.09 84	0.04 71	0.04 88	0.08 87	0.08 79	0.13 103	0.09 109	0.11 107	0.06 79	0.13 120	0.06 75	0.04 95	0.05 86	0.11 117	0.09 88	0.09 99	0.09 86

RAFT-Stereo + iAFF	0.08 95	0.06 101	0.05 98	0.05 78	0.04 61	0.04 58	0.04 94	0.14 135	0.07 102	0.21 169	0.04 35	0.12 111	0.04 71	0.03 59	0.08 87	0.09 97	0.09 73	0.06 54	0.11 107	0.05 60	0.11 87	0.06 75	0.03 73	0.05 86	0.13 137	0.09 88	0.09 99	0.09 86

test_for_model	0.09 102	0.05 78	0.04 66	0.05 78	0.07 123	0.04 58	0.03 55	0.12 106	0.08 128	0.23 199	0.05 51	0.15 145	0.05 97	0.06 120	0.08 87	0.09 97	0.18 173	0.10 131	0.13 135	0.08 115	0.14 137	0.07 95	0.04 95	0.05 86	0.09 90	0.10 96	0.08 83	0.09 86

GCAPDPT-zeroshot4090	0.09 102	0.05 78	0.04 66	0.05 78	0.07 123	0.04 58	0.03 55	0.12 106	0.08 128	0.23 199	0.05 51	0.15 145	0.05 97	0.06 120	0.08 87	0.09 97	0.18 173	0.10 131	0.13 135	0.08 115	0.14 137	0.07 95	0.04 95	0.05 86	0.09 90	0.10 96	0.08 83	0.09 86

testlalala	0.09 102	0.05 78	0.04 66	0.05 78	0.07 123	0.04 58	0.03 55	0.12 106	0.08 128	0.23 199	0.05 51	0.15 145	0.05 97	0.06 120	0.08 87	0.09 97	0.18 173	0.10 131	0.13 135	0.08 115	0.14 137	0.07 95	0.04 95	0.05 86	0.09 90	0.10 96	0.08 83	0.09 86

GCAPDPT-zeroshot	0.09 102	0.05 78	0.04 66	0.05 78	0.07 123	0.04 58	0.03 55	0.12 106	0.08 128	0.23 199	0.05 51	0.15 145	0.05 97	0.06 120	0.08 87	0.09 97	0.18 173	0.10 131	0.13 135	0.08 115	0.14 137	0.07 95	0.04 95	0.05 86	0.09 90	0.10 96	0.08 83	0.09 86

GCAP-Stereo	0.09 102	0.05 78	0.04 66	0.05 78	0.07 123	0.04 58	0.03 55	0.12 106	0.08 128	0.23 199	0.05 51	0.15 145	0.05 97	0.06 120	0.08 87	0.09 97	0.18 173	0.10 131	0.13 135	0.08 115	0.14 137	0.07 95	0.04 95	0.05 86	0.09 90	0.10 96	0.08 83	0.09 86

4D-IteraStereo	0.09 102	0.06 101	0.05 98	0.06 101	0.06 106	0.06 103	0.04 94	0.15 141	0.10 186	0.22 182	0.08 119	0.14 139	0.06 125	0.03 59	0.09 115	0.10 122	0.17 153	0.09 109	0.11 107	0.08 115	0.15 148	0.06 75	0.03 73	0.05 86	0.10 100	0.10 96	0.08 83	0.08 80

LoS_RVC	0.09 102	0.07 125	0.05 98	0.05 78	0.06 106	0.06 103	0.05 105	0.13 126	0.08 128	0.18 138	0.11 179	0.12 111	0.06 125	0.07 151	0.09 115	0.09 97	0.10 80	0.08 83	0.12 119	0.08 115	0.17 184	0.09 143	0.05 122	0.06 112	0.15 171	0.11 114	0.10 105	0.13 133

tt_ll	0.09 102	0.07 125	0.05 98	0.05 78	0.06 106	0.06 103	0.05 105	0.13 126	0.08 128	0.18 138	0.11 179	0.12 111	0.06 125	0.07 151	0.09 115	0.09 97	0.10 80	0.08 83	0.12 119	0.08 115	0.17 184	0.09 143	0.05 122	0.06 112	0.15 171	0.11 114	0.10 105	0.13 133

CAS	0.09 102	0.07 125	0.05 98	0.06 101	0.05 79	0.05 88	0.04 94	0.14 135	0.06 76	0.11 92	0.11 179	0.11 103	0.05 97	0.07 151	0.09 115	0.09 97	0.11 90	0.10 131	0.14 147	0.07 94	0.12 94	0.08 110	0.05 122	0.05 86	0.13 137	0.11 114	0.09 99	0.14 144

TestStereo1	0.09 102	0.07 125	0.06 128	0.04 58	0.05 79	0.06 103	0.06 138	0.07 78	0.07 102	0.09 83	0.07 96	0.11 103	0.14 251	0.04 88	0.10 153	0.10 122	0.11 90	0.09 109	0.09 89	0.08 115	0.13 120	0.12 227	0.02 33	0.05 86	0.15 171	0.14 168	0.16 181	0.20 224

TESTraft	0.09 102	0.06 101	0.06 128	0.04 58	0.04 61	0.05 88	0.06 138	0.09 91	0.08 128	0.09 83	0.08 119	0.12 111	0.13 236	0.03 59	0.09 115	0.10 122	0.11 90	0.09 109	0.08 74	0.07 94	0.13 120	0.12 227	0.02 33	0.05 86	0.14 160	0.13 146	0.14 154	0.20 224

IER	0.09 102	0.07 125	0.07 161	0.09 156	0.07 123	0.09 150	0.06 138	0.12 106	0.07 102	0.14 102	0.11 179	0.11 103	0.07 152	0.06 120	0.09 115	0.09 97	0.14 116	0.11 150	0.11 107	0.07 94	0.12 94	0.08 110	0.06 145	0.06 112	0.10 100	0.11 114	0.11 119	0.14 144

RAFT+CT+SA	0.09 102	0.05 78	0.07 161	0.05 78	0.05 79	0.04 58	0.05 105	0.13 126	0.07 102	0.08 79	0.07 96	0.15 145	0.13 236	0.04 88	0.11 190	0.10 122	0.09 73	0.08 83	0.08 74	0.06 79	0.12 94	0.11 205	0.02 33	0.06 112	0.13 137	0.13 146	0.11 119	0.17 180

SA-5K	0.09 102	0.07 125	0.06 128	0.04 58	0.05 79	0.06 103	0.06 138	0.07 78	0.07 102	0.09 83	0.07 96	0.11 103	0.14 251	0.04 88	0.10 153	0.10 122	0.11 90	0.09 109	0.09 89	0.08 115	0.13 120	0.12 227	0.02 33	0.05 86	0.15 171	0.14 168	0.16 181	0.20 224

test_4	0.09 102	0.05 78	0.07 161	0.05 78	0.06 106	0.03 38	0.02 24	0.12 106	0.09 161	0.17 125	0.06 72	0.09 84	0.06 125	0.03 59	0.09 115	0.10 122	0.15 126	0.08 83	0.10 100	0.07 94	0.17 184	0.09 143	0.02 33	0.07 148	0.10 100	0.14 168	0.12 129	0.19 212

CIPLG	0.09 102	0.06 101	0.05 98	0.06 101	0.06 106	0.09 150	0.06 138	0.18 196	0.06 76	0.20 160	0.08 119	0.13 123	0.07 152	0.06 120	0.08 87	0.10 122	0.17 153	0.11 150	0.11 107	0.09 144	0.13 120	0.06 75	0.04 95	0.06 112	0.10 100	0.10 96	0.10 105	0.10 101

IPLGR_C	0.09 102	0.06 101	0.05 98	0.06 101	0.06 106	0.09 150	0.06 138	0.18 196	0.06 76	0.20 160	0.08 119	0.13 123	0.07 152	0.06 120	0.08 87	0.11 163	0.17 153	0.11 150	0.11 107	0.09 144	0.13 120	0.06 75	0.04 95	0.06 112	0.10 100	0.09 88	0.10 105	0.10 101

ACRE	0.09 102	0.06 101	0.05 98	0.06 101	0.06 106	0.09 150	0.06 138	0.18 196	0.06 76	0.20 160	0.08 119	0.13 123	0.07 152	0.06 120	0.08 87	0.10 122	0.17 153	0.11 150	0.11 107	0.09 144	0.13 120	0.06 75	0.04 95	0.06 112	0.10 100	0.10 96	0.10 105	0.10 101

rafts_anoy	0.09 102	0.08 165	0.07 161	0.07 124	0.07 123	0.06 103	0.05 105	0.13 126	0.05 51	0.17 125	0.10 160	0.12 111	0.05 97	0.03 59	0.10 153	0.10 122	0.15 126	0.12 181	0.14 147	0.07 94	0.15 148	0.08 110	0.04 95	0.06 112	0.11 117	0.10 96	0.09 99	0.11 111

RALCasStereoNet	0.09 102	0.08 165	0.06 128	0.09 156	0.07 123	0.06 103	0.05 105	0.12 106	0.05 51	0.18 138	0.07 96	0.12 111	0.05 97	0.04 88	0.10 153	0.10 122	0.18 173	0.12 181	0.14 147	0.08 115	0.15 148	0.08 110	0.05 122	0.06 112	0.12 125	0.10 96	0.10 105	0.08 80

RALAANet	0.09 102	0.08 165	0.06 128	0.07 124	0.06 106	0.08 134	0.05 105	0.10 98	0.07 102	0.12 94	0.10 160	0.10 92	0.06 125	0.03 59	0.09 115	0.09 97	0.13 103	0.11 150	0.16 176	0.09 144	0.12 94	0.08 110	0.04 95	0.06 112	0.12 125	0.10 96	0.11 119	0.11 111

UPFNet	0.09 102	0.08 165	0.08 187	0.09 156	0.08 145	0.09 150	0.06 138	0.12 106	0.09 161	0.14 102	0.10 160	0.12 111	0.06 125	0.07 151	0.08 87	0.10 122	0.13 103	0.11 150	0.10 100	0.07 94	0.10 80	0.07 95	0.06 145	0.07 148	0.09 90	0.11 114	0.10 105	0.11 111

HITNet	0.09 102	0.07 125	0.06 128	0.08 134	0.08 145	0.08 134	0.05 105	0.11 102	0.07 102	0.19 150	0.08 119	0.12 111	0.07 152	0.07 151	0.09 115	0.08 79	0.13 103	0.10 131	0.10 100	0.07 94	0.11 87	0.09 143	0.06 145	0.06 112	0.12 125	0.11 114	0.16 181	0.14 144
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
DepthFocus	0.10 125	0.05 78	0.05 98	0.09 156	0.05 79	0.06 103	0.04 94	0.17 162	0.07 102	0.21 169	0.09 144	0.13 123	0.04 71	0.10 207	0.09 115	0.09 97	0.17 153	0.09 109	0.18 210	0.10 172	0.18 201	0.08 110	0.09 219	0.05 86	0.08 77	0.11 114	0.14 154	0.12 126

castereo++	0.10 125	0.07 125	0.05 98	0.07 124	0.07 123	0.06 103	0.05 105	0.16 149	0.10 186	0.24 222	0.08 119	0.17 169	0.06 125	0.05 104	0.09 115	0.10 122	0.18 173	0.09 109	0.14 147	0.08 115	0.21 259	0.08 110	0.05 122	0.07 148	0.12 125	0.13 146	0.12 129	0.11 111

castereo	0.10 125	0.07 125	0.06 128	0.06 101	0.07 123	0.08 134	0.05 105	0.16 149	0.11 203	0.24 222	0.10 160	0.15 145	0.04 71	0.05 104	0.09 115	0.10 122	0.19 192	0.09 109	0.14 147	0.07 94	0.20 235	0.08 110	0.04 95	0.07 148	0.13 137	0.12 131	0.12 129	0.13 133

Former-RAFT_DAM_RVC	0.10 125	0.07 125	0.07 161	0.08 134	0.05 79	0.07 124	0.03 55	0.11 102	0.15 248	0.20 160	0.14 217	0.12 111	0.07 152	0.07 151	0.09 115	0.09 97	0.16 136	0.11 150	0.12 119	0.08 115	0.12 94	0.11 205	0.06 145	0.07 148	0.12 125	0.15 192	0.12 129	0.16 166

CASnet	0.10 125	0.06 101	0.05 98	0.08 134	0.09 168	0.11 183	0.05 105	0.18 196	0.10 186	0.23 199	0.11 179	0.13 123	0.06 125	0.08 174	0.10 153	0.10 122	0.16 136	0.08 83	0.19 221	0.08 115	0.14 137	0.06 75	0.06 145	0.06 112	0.12 125	0.10 96	0.14 154	0.10 101
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iinet-f	0.10 125	0.09 184	0.06 128	0.08 134	0.06 106	0.09 150	0.06 138	0.09 91	0.07 102	0.18 138	0.11 179	0.11 103	0.10 203	0.06 120	0.09 115	0.10 122	0.14 116	0.09 109	0.19 221	0.09 144	0.12 94	0.06 75	0.05 122	0.06 112	0.11 117	0.10 96	0.15 171	0.12 126

SA	0.10 125	0.07 125	0.07 161	0.06 101	0.05 79	0.08 134	0.04 94	0.12 106	0.05 51	0.16 115	0.07 96	0.16 162	0.03 48	0.04 88	0.10 153	0.10 122	0.13 103	0.11 150	0.12 119	0.09 144	0.14 137	0.10 173	0.03 73	0.06 112	0.16 188	0.15 192	0.13 143	0.21 239

IPLG	0.10 125	0.07 125	0.07 161	0.07 124	0.07 123	0.06 103	0.05 105	0.15 141	0.06 76	0.22 182	0.06 72	0.15 145	0.05 97	0.04 88	0.09 115	0.10 122	0.16 136	0.10 131	0.14 147	0.09 144	0.13 120	0.08 110	0.04 95	0.07 148	0.13 137	0.12 131	0.11 119	0.09 86

test-3	0.10 125	0.06 101	0.04 66	0.06 101	0.08 145	0.06 103	0.05 105	0.17 162	0.07 102	0.24 222	0.08 119	0.19 199	0.08 171	0.06 120	0.11 190	0.11 163	0.20 212	0.10 131	0.15 164	0.10 172	0.16 167	0.10 173	0.05 122	0.06 112	0.10 100	0.11 114	0.12 129	0.11 111

test_1	0.10 125	0.06 101	0.04 66	0.06 101	0.08 145	0.06 103	0.05 105	0.17 162	0.07 102	0.24 222	0.08 119	0.19 199	0.08 171	0.06 120	0.11 190	0.11 163	0.20 212	0.10 131	0.15 164	0.10 172	0.16 167	0.10 173	0.05 122	0.06 112	0.10 100	0.11 114	0.12 129	0.11 111

raftrobust	0.10 125	0.08 165	0.06 128	0.08 134	0.07 123	0.05 88	0.04 94	0.14 135	0.06 76	0.25 249	0.08 119	0.13 123	0.05 97	0.05 104	0.09 115	0.09 97	0.17 153	0.12 181	0.12 119	0.09 144	0.17 184	0.08 110	0.05 122	0.06 112	0.13 137	0.12 131	0.10 105	0.11 111

DMCA-RVC	0.10 125	0.08 165	0.11 230	0.08 134	0.09 168	0.08 134	0.08 170	0.12 106	0.09 161	0.13 99	0.13 205	0.13 123	0.07 152	0.06 120	0.14 253	0.12 210	0.14 116	0.13 213	0.11 107	0.10 172	0.12 94	0.10 173	0.07 169	0.09 206	0.10 100	0.10 96	0.10 105	0.11 111

S2M2_XL	0.11 137	0.07 125	0.08 187	0.07 124	0.07 123	0.10 172	0.08 170	0.18 196	0.06 76	0.21 169	0.09 144	0.22 244	0.05 97	0.06 120	0.09 115	0.10 122	0.19 192	0.09 109	0.17 190	0.09 144	0.20 235	0.09 143	0.08 199	0.07 148	0.11 117	0.09 88	0.14 154	0.16 166
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
coex_refinement	0.11 137	0.10 198	0.08 187	0.09 156	0.08 145	0.09 150	0.06 138	0.17 162	0.10 186	0.19 150	0.11 179	0.11 103	0.07 152	0.07 151	0.13 233	0.14 262	0.15 126	0.11 150	0.12 119	0.07 94	0.12 94	0.09 143	0.06 145	0.07 148	0.13 137	0.12 131	0.11 119	0.13 133

G2L-Stereo	0.11 137	0.10 198	0.08 187	0.09 156	0.09 168	0.08 134	0.07 155	0.17 162	0.08 128	0.22 182	0.10 160	0.16 162	0.13 236	0.07 151	0.09 115	0.11 163	0.16 136	0.11 150	0.11 107	0.09 144	0.15 148	0.10 173	0.09 219	0.07 148	0.14 160	0.15 192	0.14 154	0.11 111

trnet	0.11 137	0.08 165	0.05 98	0.08 134	0.08 145	0.07 124	0.05 105	0.18 196	0.05 51	0.27 281	0.08 119	0.18 187	0.06 125	0.08 174	0.09 115	0.10 122	0.21 225	0.08 83	0.12 119	0.08 115	0.20 235	0.09 143	0.06 145	0.05 86	0.12 125	0.14 168	0.18 219	0.17 180

EGLCR-Stereo	0.11 137	0.06 101	0.04 66	0.08 134	0.08 145	0.07 124	0.05 105	0.17 162	0.09 161	0.27 281	0.06 72	0.19 199	0.06 125	0.08 174	0.08 87	0.10 122	0.20 212	0.10 131	0.16 176	0.07 94	0.17 184	0.08 110	0.04 95	0.06 112	0.10 100	0.13 146	0.18 219	0.17 180

Sa-1000	0.11 137	0.07 125	0.07 161	0.06 101	0.05 79	0.09 150	0.03 55	0.12 106	0.07 102	0.18 138	0.08 119	0.19 199	0.05 97	0.06 120	0.10 153	0.10 122	0.16 136	0.12 181	0.14 147	0.09 144	0.17 184	0.10 173	0.04 95	0.05 86	0.19 235	0.16 212	0.13 143	0.20 224

MIPNet	0.11 137	0.09 184	0.06 128	0.07 124	0.08 145	0.07 124	0.05 105	0.17 162	0.06 76	0.23 199	0.07 96	0.16 162	0.08 171	0.05 104	0.10 153	0.11 163	0.17 153	0.11 150	0.20 234	0.12 219	0.13 120	0.11 205	0.05 122	0.07 148	0.16 188	0.15 192	0.11 119	0.13 133

GMOStereo	0.11 137	0.07 125	0.09 201	0.06 101	0.05 79	0.06 103	0.05 105	0.17 162	0.09 161	0.24 222	0.07 96	0.17 169	0.09 187	0.05 104	0.11 190	0.12 210	0.17 153	0.08 83	0.12 119	0.08 115	0.19 219	0.08 110	0.03 73	0.07 148	0.18 221	0.18 248	0.14 154	0.17 180

error version	0.11 137	0.07 125	0.09 201	0.06 101	0.05 79	0.06 103	0.05 105	0.17 162	0.09 161	0.24 222	0.07 96	0.17 169	0.09 187	0.05 104	0.11 190	0.12 210	0.17 153	0.08 83	0.12 119	0.08 115	0.19 219	0.08 110	0.03 73	0.07 148	0.18 221	0.18 248	0.14 154	0.17 180

test-v	0.11 137	0.07 125	0.09 201	0.06 101	0.05 79	0.06 103	0.05 105	0.17 162	0.09 161	0.24 222	0.07 96	0.17 169	0.09 187	0.05 104	0.11 190	0.12 210	0.17 153	0.08 83	0.12 119	0.08 115	0.19 219	0.08 110	0.03 73	0.07 148	0.18 221	0.18 248	0.14 154	0.17 180

test_3	0.11 137	0.07 125	0.07 161	0.06 101	0.08 145	0.05 88	0.05 105	0.17 162	0.10 186	0.24 222	0.09 144	0.22 244	0.12 220	0.06 120	0.13 233	0.13 242	0.20 212	0.09 109	0.14 147	0.10 172	0.18 201	0.09 143	0.04 95	0.08 178	0.13 137	0.14 168	0.13 143	0.14 144

test-2	0.11 137	0.07 125	0.09 201	0.06 101	0.05 79	0.06 103	0.05 105	0.17 162	0.09 161	0.24 222	0.07 96	0.17 169	0.09 187	0.05 104	0.11 190	0.12 210	0.17 153	0.08 83	0.12 119	0.08 115	0.19 219	0.08 110	0.03 73	0.07 148	0.18 221	0.18 248	0.14 154	0.17 180

CREStereo++_RVC	0.11 137	0.07 125	0.05 98	0.08 134	0.09 168	0.08 134	0.07 155	0.16 149	0.09 161	0.26 266	0.09 144	0.17 169	0.13 236	0.08 174	0.09 115	0.10 122	0.19 192	0.08 83	0.13 135	0.07 94	0.20 235	0.08 110	0.06 145	0.06 112	0.14 160	0.12 131	0.16 181	0.15 156
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
TANstereo	0.11 137	0.06 101	0.06 128	0.10 177	0.09 168	0.08 134	0.06 138	0.12 106	0.08 128	0.22 182	0.08 119	0.13 123	0.08 171	0.08 174	0.10 153	0.13 242	0.19 192	0.13 213	0.18 210	0.08 115	0.18 201	0.10 173	0.06 145	0.06 112	0.11 117	0.11 114	0.15 171	0.14 144

XX-TBD	0.11 137	0.06 101	0.06 128	0.10 177	0.09 168	0.08 134	0.06 138	0.12 106	0.08 128	0.22 182	0.08 119	0.13 123	0.08 171	0.08 174	0.10 153	0.13 242	0.19 192	0.13 213	0.18 210	0.08 115	0.18 201	0.10 173	0.06 145	0.06 112	0.11 117	0.11 114	0.15 171	0.14 144

UNet	0.11 137	0.09 184	0.09 201	0.10 177	0.08 145	0.10 172	0.08 170	0.15 141	0.08 128	0.17 125	0.10 160	0.13 123	0.09 187	0.07 151	0.09 115	0.10 122	0.16 136	0.13 213	0.12 119	0.08 115	0.12 94	0.09 143	0.08 199	0.09 206	0.12 125	0.14 168	0.10 105	0.11 111

CREStereo	0.11 137	0.08 165	0.06 128	0.08 134	0.08 145	0.07 124	0.05 105	0.18 196	0.05 51	0.26 266	0.08 119	0.18 187	0.06 125	0.08 174	0.09 115	0.10 122	0.22 241	0.08 83	0.13 135	0.08 115	0.20 235	0.09 143	0.06 145	0.06 112	0.12 125	0.13 146	0.17 195	0.16 166
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
HGLStereo	0.11 137	0.10 198	0.08 187	0.09 156	0.10 190	0.09 150	0.06 138	0.14 135	0.08 128	0.18 138	0.15 234	0.09 84	0.06 125	0.08 174	0.10 153	0.10 122	0.17 153	0.13 213	0.14 147	0.10 172	0.12 94	0.10 173	0.08 199	0.09 206	0.13 137	0.13 146	0.10 105	0.11 111

DSFCA	0.11 137	0.12 224	0.09 201	0.10 177	0.08 145	0.11 183	0.11 219	0.12 106	0.09 161	0.12 94	0.14 217	0.14 139	0.08 171	0.05 104	0.10 153	0.11 163	0.15 126	0.12 181	0.16 176	0.10 172	0.13 120	0.12 227	0.07 169	0.09 206	0.13 137	0.14 168	0.10 105	0.13 133

PMTNet	0.11 137	0.10 198	0.06 128	0.12 206	0.09 168	0.07 124	0.06 138	0.18 196	0.06 76	0.28 297	0.06 72	0.18 187	0.04 71	0.07 151	0.10 153	0.11 163	0.18 173	0.08 83	0.14 147	0.08 115	0.18 201	0.10 173	0.07 169	0.05 86	0.13 137	0.12 131	0.17 195	0.16 166

CCAANet	0.11 137	0.07 125	0.07 161	0.07 124	0.07 123	0.14 215	0.09 188	0.12 106	0.08 128	0.24 222	0.14 217	0.17 169	0.12 220	0.07 151	0.08 87	0.10 122	0.23 251	0.12 181	0.10 100	0.08 115	0.11 87	0.09 143	0.07 169	0.06 112	0.11 117	0.11 114	0.14 154	0.11 111

BEATNet_4x	0.11 137	0.10 198	0.08 187	0.09 156	0.09 168	0.09 150	0.08 170	0.12 106	0.08 128	0.21 169	0.09 144	0.15 145	0.09 187	0.08 174	0.11 190	0.10 122	0.13 103	0.13 213	0.11 107	0.08 115	0.13 120	0.12 227	0.08 199	0.08 178	0.13 137	0.13 146	0.18 219	0.18 201

ADCP+	0.11 137	0.10 198	0.08 187	0.09 156	0.07 123	0.09 150	0.08 170	0.14 135	0.11 203	0.16 115	0.12 193	0.18 187	0.08 171	0.07 151	0.11 190	0.10 122	0.16 136	0.11 150	0.14 147	0.09 144	0.12 94	0.09 143	0.08 199	0.08 178	0.11 117	0.16 212	0.11 119	0.11 111

RASNet	0.11 137	0.10 198	0.10 215	0.09 156	0.07 123	0.08 134	0.08 170	0.19 225	0.09 161	0.17 125	0.10 160	0.13 123	0.09 187	0.06 120	0.09 115	0.10 122	0.14 116	0.09 109	0.12 119	0.06 79	0.15 148	0.09 143	0.05 122	0.10 223	0.13 137	0.12 131	0.17 195	0.17 180

DISCO	0.11 137	0.10 198	0.08 187	0.10 177	0.09 168	0.11 183	0.09 188	0.10 98	0.08 128	0.15 108	0.11 179	0.12 111	0.07 152	0.06 120	0.09 115	0.11 163	0.15 126	0.10 131	0.14 147	0.10 172	0.12 94	0.10 173	0.06 145	0.09 206	0.14 160	0.12 131	0.13 143	0.11 111

iResNet_ROB	0.11 137	0.08 165	0.07 161	0.11 194	0.08 145	0.12 196	0.08 170	0.15 141	0.08 128	0.23 199	0.11 179	0.15 145	0.15 259	0.06 120	0.08 87	0.09 97	0.16 136	0.12 181	0.14 147	0.09 144	0.15 148	0.10 173	0.07 169	0.08 178	0.15 171	0.12 131	0.15 171	0.15 156

DN-CSS_ROB	0.11 137	0.09 184	0.12 243	0.08 134	0.09 168	0.08 134	0.08 170	0.16 149	0.10 186	0.23 199	0.17 254	0.19 199	0.14 251	0.05 104	0.09 115	0.09 97	0.13 103	0.10 131	0.18 210	0.09 144	0.12 94	0.08 110	0.07 169	0.08 178	0.13 137	0.11 114	0.12 129	0.11 111

DF	0.12 164	0.07 125	0.05 98	0.10 177	0.09 168	0.09 150	0.07 155	0.19 225	0.07 102	0.27 281	0.09 144	0.20 216	0.05 97	0.10 207	0.10 153	0.11 163	0.21 225	0.11 150	0.16 176	0.10 172	0.21 259	0.11 205	0.07 169	0.07 148	0.15 171	0.12 131	0.17 195	0.22 244

WQFJA1++	0.12 164	0.09 184	0.06 128	0.14 228	0.08 145	0.15 226	0.13 239	0.17 162	0.08 128	0.19 150	0.11 179	0.15 145	0.09 187	0.06 120	0.08 87	0.10 122	0.19 192	0.09 109	0.16 176	0.09 144	0.16 167	0.08 110	0.06 145	0.06 112	0.16 188	0.12 131	0.21 257	0.21 239

DDF-Stereo	0.12 164	0.07 125	0.04 66	0.10 177	0.09 168	0.13 205	0.10 206	0.18 196	0.08 128	0.24 222	0.06 72	0.19 199	0.07 152	0.08 174	0.08 87	0.11 163	0.23 251	0.09 109	0.16 176	0.10 172	0.20 235	0.09 143	0.07 169	0.07 148	0.14 160	0.14 168	0.17 195	0.18 201

zero-FE	0.12 164	0.07 125	0.04 66	0.10 177	0.09 168	0.15 226	0.11 219	0.18 196	0.08 128	0.23 199	0.08 119	0.19 199	0.07 152	0.08 174	0.09 115	0.11 163	0.23 251	0.09 109	0.17 190	0.10 172	0.20 235	0.09 143	0.07 169	0.07 148	0.14 160	0.14 168	0.17 195	0.19 212

LG-Stereo_Zeroshot	0.12 164	0.06 101	0.05 98	0.09 156	0.09 168	0.10 172	0.10 206	0.18 196	0.09 161	0.24 222	0.09 144	0.16 162	0.04 71	0.09 193	0.09 115	0.11 163	0.20 212	0.10 131	0.17 190	0.09 144	0.21 259	0.10 173	0.05 122	0.06 112	0.16 188	0.13 146	0.16 181	0.27 269

Reg-Stereo(zero)	0.12 164	0.08 165	0.06 128	0.08 134	0.07 123	0.10 172	0.07 155	0.17 162	0.10 186	0.25 249	0.09 144	0.20 216	0.06 125	0.07 151	0.09 115	0.11 163	0.19 192	0.10 131	0.15 164	0.09 144	0.15 148	0.08 110	0.07 169	0.07 148	0.13 137	0.13 146	0.18 219	0.17 180

HI	0.12 164	0.08 165	0.06 128	0.08 134	0.07 123	0.10 172	0.07 155	0.17 162	0.10 186	0.25 249	0.09 144	0.20 216	0.06 125	0.07 151	0.09 115	0.11 163	0.19 192	0.10 131	0.15 164	0.09 144	0.15 148	0.08 110	0.07 169	0.07 148	0.13 137	0.13 146	0.18 219	0.17 180

CES	0.12 164	0.06 101	0.06 128	0.06 101	0.08 145	0.07 124	0.05 105	0.35 313	0.05 51	0.15 108	0.23 298	0.13 123	0.04 71	0.08 174	0.09 115	0.11 163	0.19 192	0.08 83	0.14 147	0.08 115	0.28 318	0.08 110	0.07 169	0.04 63	0.14 160	0.11 114	0.14 154	0.16 166

raft_robust	0.12 164	0.09 184	0.09 201	0.11 194	0.06 106	0.09 150	0.06 138	0.15 141	0.08 128	0.23 199	0.07 96	0.20 216	0.11 214	0.09 193	0.11 190	0.12 210	0.16 136	0.12 181	0.14 147	0.10 172	0.15 148	0.11 205	0.03 73	0.08 178	0.18 221	0.17 232	0.15 171	0.14 144

IPLGR	0.12 164	0.09 184	0.09 201	0.09 156	0.10 190	0.09 150	0.07 155	0.18 196	0.09 161	0.22 182	0.10 160	0.16 162	0.07 152	0.06 120	0.10 153	0.11 163	0.17 153	0.11 150	0.21 240	0.12 219	0.16 167	0.09 143	0.04 95	0.08 178	0.16 188	0.14 168	0.14 154	0.16 166

s12784h	0.12 164	0.09 184	0.06 128	0.11 194	0.09 168	0.08 134	0.06 138	0.18 196	0.07 102	0.26 266	0.12 193	0.19 199	0.09 187	0.07 151	0.09 115	0.10 122	0.20 212	0.08 83	0.15 164	0.07 94	0.20 235	0.08 110	0.05 122	0.07 148	0.16 188	0.15 192	0.18 219	0.21 239

HCRNet	0.12 164	0.17 275	0.06 128	0.22 276	0.08 145	0.15 226	0.08 170	0.13 126	0.04 29	0.46 339	0.12 193	0.24 257	0.07 152	0.07 151	0.08 87	0.06 38	0.14 116	0.08 83	0.20 234	0.08 115	0.10 80	0.05 56	0.11 246	0.06 112	0.06 51	0.06 48	0.05 48	0.08 80

GMStereo	0.12 164	0.12 224	0.07 161	0.11 194	0.11 208	0.13 205	0.09 188	0.17 162	0.10 186	0.17 125	0.14 217	0.22 244	0.11 214	0.07 151	0.10 153	0.09 97	0.17 153	0.10 131	0.17 190	0.12 219	0.15 148	0.09 143	0.07 169	0.09 206	0.14 160	0.13 146	0.15 171	0.12 126
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FINET	0.12 164	0.12 224	0.12 243	0.12 206	0.10 190	0.11 183	0.13 239	0.15 141	0.12 221	0.13 99	0.12 193	0.13 123	0.10 203	0.09 193	0.18 289	0.13 242	0.16 136	0.11 150	0.17 190	0.10 172	0.13 120	0.10 173	0.10 236	0.10 223	0.13 137	0.11 114	0.13 143	0.13 133

DeepPrunerF	0.12 164	0.10 198	0.11 230	0.13 218	0.14 246	0.09 150	0.09 188	0.15 141	0.11 203	0.12 94	0.14 217	0.10 92	0.09 187	0.07 151	0.13 233	0.11 163	0.11 90	0.13 213	0.13 135	0.11 196	0.13 120	0.09 143	0.08 199	0.08 178	0.17 200	0.15 192	0.11 119	0.14 144

CFNet	0.12 164	0.11 212	0.08 187	0.14 228	0.12 221	0.11 183	0.09 188	0.20 242	0.10 186	0.18 138	0.12 193	0.25 263	0.10 203	0.08 174	0.09 115	0.09 97	0.17 153	0.12 181	0.12 119	0.09 144	0.12 94	0.08 110	0.06 145	0.10 223	0.15 171	0.13 146	0.13 143	0.13 133

iResNetv2_ROB	0.12 164	0.08 165	0.08 187	0.12 206	0.09 168	0.12 196	0.08 170	0.17 162	0.08 128	0.22 182	0.12 193	0.20 216	0.16 264	0.07 151	0.09 115	0.09 97	0.16 136	0.11 150	0.17 190	0.10 172	0.15 148	0.10 173	0.09 219	0.10 223	0.15 171	0.13 146	0.19 231	0.12 126

PDISCO_ROB	0.12 164	0.13 239	0.13 256	0.10 177	0.08 145	0.09 150	0.09 188	0.09 91	0.08 128	0.11 92	0.10 160	0.06 66	0.05 97	0.05 104	0.10 153	0.12 210	0.14 116	0.16 263	0.09 89	0.10 172	0.14 137	0.13 246	0.04 95	0.08 178	0.17 200	0.21 279	0.32 299	0.20 224

gcap_with_dpt	0.13 182	0.07 125	0.07 161	0.08 134	0.10 190	0.11 183	0.07 155	0.18 196	0.11 203	0.27 281	0.10 160	0.24 257	0.09 187	0.12 243	0.10 153	0.11 163	0.21 225	0.12 181	0.17 190	0.10 172	0.21 259	0.12 227	0.08 199	0.08 178	0.17 200	0.12 131	0.17 195	0.26 264

S2M2_L	0.13 182	0.10 198	0.09 201	0.12 206	0.08 145	0.13 205	0.10 206	0.16 149	0.08 128	0.21 169	0.07 96	0.17 169	0.03 48	0.18 280	0.11 190	0.09 97	0.21 225	0.12 181	0.16 176	0.11 196	0.18 201	0.10 173	0.12 258	0.08 178	0.13 137	0.13 146	0.15 171	0.19 212
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
GCAP-BAT	0.13 182	0.07 125	0.07 161	0.08 134	0.10 190	0.11 183	0.07 155	0.18 196	0.11 203	0.27 281	0.10 160	0.24 257	0.09 187	0.12 243	0.10 153	0.11 163	0.21 225	0.12 181	0.17 190	0.10 172	0.21 259	0.12 227	0.08 199	0.08 178	0.17 200	0.12 131	0.17 195	0.26 264

gcap-zeroshot	0.13 182	0.08 165	0.06 128	0.08 134	0.11 208	0.11 183	0.09 188	0.18 196	0.09 161	0.28 297	0.08 119	0.20 216	0.07 152	0.10 207	0.10 153	0.12 210	0.23 251	0.11 150	0.28 283	0.13 237	0.20 235	0.11 205	0.07 169	0.08 178	0.12 125	0.18 248	0.17 195	0.19 212

AE-Stereo	0.13 182	0.09 184	0.08 187	0.11 194	0.09 168	0.08 134	0.05 105	0.17 162	0.14 238	0.24 222	0.10 160	0.19 199	0.10 203	0.07 151	0.11 190	0.12 210	0.24 274	0.13 213	0.17 190	0.11 196	0.19 219	0.10 173	0.05 122	0.09 206	0.14 160	0.14 168	0.15 171	0.14 144

MSKI-zero shot	0.13 182	0.08 165	0.05 98	0.09 156	0.11 208	0.09 150	0.07 155	0.19 225	0.09 161	0.28 297	0.10 160	0.19 199	0.06 125	0.11 223	0.11 190	0.12 210	0.23 251	0.11 150	0.17 190	0.11 196	0.22 278	0.10 173	0.07 169	0.08 178	0.14 160	0.17 232	0.18 219	0.18 201

Any-RAFT	0.13 182	0.07 125	0.06 128	0.11 194	0.09 168	0.12 196	0.08 170	0.17 162	0.10 186	0.26 266	0.09 144	0.20 216	0.08 171	0.11 223	0.11 190	0.11 163	0.22 241	0.11 150	0.21 240	0.10 172	0.22 278	0.10 173	0.08 199	0.06 112	0.16 188	0.16 212	0.17 195	0.17 180

RAFT-Test	0.13 182	0.07 125	0.06 128	0.09 156	0.11 208	0.13 205	0.08 170	0.17 162	0.11 203	0.27 281	0.11 179	0.20 216	0.05 97	0.12 243	0.10 153	0.11 163	0.23 251	0.12 181	0.21 240	0.14 247	0.21 259	0.11 205	0.07 169	0.08 178	0.17 200	0.16 212	0.17 195	0.17 180

HH	0.13 182	0.06 101	0.05 98	0.11 194	0.12 221	0.16 238	0.08 170	0.19 225	0.08 128	0.28 297	0.08 119	0.18 187	0.06 125	0.12 243	0.11 190	0.11 163	0.23 251	0.12 181	0.16 176	0.11 196	0.20 235	0.08 110	0.07 169	0.08 178	0.13 137	0.15 192	0.19 231	0.24 252

HanStereo	0.13 182	0.06 101	0.05 98	0.11 194	0.12 221	0.16 238	0.08 170	0.19 225	0.08 128	0.28 297	0.08 119	0.18 187	0.06 125	0.12 243	0.11 190	0.11 163	0.23 251	0.12 181	0.16 176	0.11 196	0.20 235	0.08 110	0.07 169	0.08 178	0.13 137	0.15 192	0.19 231	0.24 252

anonymity	0.13 182	0.06 101	0.05 98	0.09 156	0.10 190	0.09 150	0.07 155	0.18 196	0.08 128	0.28 297	0.13 205	0.19 199	0.06 125	0.09 193	0.10 153	0.13 242	0.23 251	0.12 181	0.17 190	0.15 263	0.20 235	0.10 173	0.09 219	0.07 148	0.20 249	0.19 267	0.19 231	0.19 212

iRaft-Stereo_20w	0.13 182	0.07 125	0.05 98	0.12 206	0.12 221	0.12 196	0.09 188	0.15 141	0.10 186	0.28 297	0.10 160	0.19 199	0.04 71	0.10 207	0.10 153	0.11 163	0.23 251	0.11 150	0.15 164	0.13 237	0.20 235	0.08 110	0.09 219	0.06 112	0.18 221	0.15 192	0.20 243	0.26 264

GLC_STEREO	0.13 182	0.11 212	0.12 243	0.12 206	0.11 208	0.11 183	0.10 206	0.19 225	0.07 102	0.25 249	0.13 205	0.13 123	0.07 152	0.07 151	0.09 115	0.12 210	0.24 274	0.11 150	0.17 190	0.09 144	0.27 316	0.16 277	0.07 169	0.07 148	0.16 188	0.10 96	0.20 243	0.12 126

TRStereo	0.13 182	0.07 125	0.05 98	0.09 156	0.08 145	0.17 247	0.12 234	0.18 196	0.07 102	0.25 249	0.09 144	0.20 216	0.05 97	0.10 207	0.10 153	0.11 163	0.21 225	0.11 150	0.22 252	0.14 247	0.19 219	0.09 143	0.09 219	0.07 148	0.17 200	0.17 232	0.24 273	0.19 212

LMCR-Stereo	0.13 182	0.09 184	0.07 161	0.11 194	0.08 145	0.11 183	0.09 188	0.18 196	0.09 161	0.19 150	0.14 217	0.19 199	0.14 251	0.10 207	0.10 153	0.11 163	0.20 212	0.13 213	0.19 221	0.11 196	0.18 201	0.10 173	0.08 199	0.08 178	0.15 171	0.13 146	0.19 231	0.17 180

TestStereo	0.13 182	0.12 224	0.10 215	0.11 194	0.08 145	0.11 183	0.10 206	0.19 225	0.11 203	0.24 222	0.14 217	0.20 216	0.08 171	0.06 120	0.12 218	0.10 122	0.20 212	0.11 150	0.20 234	0.10 172	0.21 259	0.11 205	0.06 145	0.12 251	0.19 235	0.11 114	0.12 129	0.13 133

CFNet_pseudo	0.13 182	0.11 212	0.11 230	0.14 228	0.11 208	0.12 196	0.11 219	0.19 225	0.12 221	0.24 222	0.14 217	0.17 169	0.15 259	0.09 193	0.10 153	0.10 122	0.16 136	0.13 213	0.13 135	0.08 115	0.15 148	0.08 110	0.08 199	0.09 206	0.15 171	0.14 168	0.19 231	0.21 239

ADLNet	0.13 182	0.11 212	0.08 187	0.13 218	0.10 190	0.16 238	0.13 239	0.14 135	0.07 102	0.13 99	0.10 160	0.25 263	0.11 214	0.29 311	0.10 153	0.10 122	0.17 153	0.09 109	0.13 135	0.09 144	0.11 87	0.09 143	0.13 263	0.06 112	0.13 137	0.13 146	0.12 129	0.14 144

EAI-Stereo	0.13 182	0.07 125	0.04 66	0.10 177	0.10 190	0.10 172	0.09 188	0.18 196	0.10 186	0.26 266	0.11 179	0.20 216	0.05 97	0.10 207	0.10 153	0.12 210	0.22 241	0.12 181	0.19 221	0.12 219	0.19 219	0.09 143	0.08 199	0.08 178	0.16 188	0.15 192	0.16 181	0.20 224

FADNet-RVC-Resample	0.13 182	0.10 198	0.12 243	0.12 206	0.10 190	0.13 205	0.10 206	0.16 149	0.13 230	0.18 138	0.13 205	0.17 169	0.12 220	0.10 207	0.11 190	0.09 97	0.13 103	0.15 250	0.15 164	0.18 286	0.15 148	0.13 246	0.10 236	0.14 269	0.17 200	0.13 146	0.12 129	0.12 126

STTStereo	0.13 182	0.14 251	0.17 289	0.13 218	0.15 255	0.13 205	0.21 283	0.13 126	0.14 238	0.15 108	0.15 234	0.17 169	0.10 203	0.11 223	0.14 253	0.12 210	0.15 126	0.15 250	0.13 135	0.11 196	0.12 94	0.10 173	0.07 169	0.09 206	0.15 171	0.14 168	0.12 129	0.16 166

R-Stereo Train	0.13 182	0.07 125	0.07 161	0.09 156	0.10 190	0.15 226	0.05 105	0.16 149	0.12 221	0.28 297	0.13 205	0.21 231	0.08 171	0.11 223	0.10 153	0.11 163	0.23 251	0.12 181	0.16 176	0.11 196	0.21 259	0.11 205	0.08 199	0.07 148	0.15 171	0.14 168	0.16 181	0.15 156

ADCRef	0.13 182	0.10 198	0.10 215	0.10 177	0.08 145	0.09 150	0.09 188	0.17 162	0.14 238	0.20 160	0.15 234	0.15 145	0.13 236	0.05 104	0.11 190	0.11 163	0.16 136	0.14 237	0.19 221	0.12 219	0.16 167	0.12 227	0.09 219	0.11 235	0.14 160	0.18 248	0.13 143	0.19 212

RAFT-Stereo	0.13 182	0.07 125	0.07 161	0.09 156	0.10 190	0.15 226	0.05 105	0.16 149	0.12 221	0.28 297	0.13 205	0.21 231	0.08 171	0.11 223	0.10 153	0.11 163	0.23 251	0.12 181	0.16 176	0.11 196	0.21 259	0.11 205	0.08 199	0.07 148	0.15 171	0.14 168	0.16 181	0.15 156
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.13 182	0.08 165	0.06 128	0.09 156	0.12 221	0.10 172	0.08 170	0.17 162	0.11 203	0.27 281	0.10 160	0.20 216	0.06 125	0.12 243	0.10 153	0.11 163	0.23 251	0.12 181	0.19 221	0.16 275	0.21 259	0.12 227	0.07 169	0.08 178	0.17 200	0.15 192	0.17 195	0.18 201

CFNet_RVC	0.13 182	0.12 224	0.10 215	0.14 228	0.11 208	0.14 215	0.09 188	0.17 162	0.09 161	0.19 150	0.13 205	0.21 231	0.09 187	0.10 207	0.12 218	0.13 242	0.18 173	0.13 213	0.15 164	0.11 196	0.16 167	0.09 143	0.06 145	0.09 206	0.16 188	0.13 146	0.16 181	0.17 180

NLCA_NET_v2_RVC	0.13 182	0.13 239	0.14 268	0.14 228	0.16 257	0.13 205	0.21 283	0.13 126	0.15 248	0.16 115	0.16 245	0.21 231	0.10 203	0.15 274	0.12 218	0.12 210	0.16 136	0.12 181	0.11 107	0.09 144	0.12 94	0.10 173	0.08 199	0.09 206	0.13 137	0.13 146	0.11 119	0.16 166
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PWCDC_ROB	0.13 182	0.06 101	0.09 201	0.07 124	0.13 234	0.08 134	0.13 239	0.06 64	0.24 300	0.09 83	0.15 234	0.10 92	0.45 326	0.26 302	0.12 218	0.10 122	0.09 73	0.12 181	0.08 74	0.11 196	0.08 67	0.12 227	0.19 288	0.13 262	0.08 77	0.14 168	0.08 83	0.18 201

DN	0.14 210	0.08 165	0.08 187	0.19 264	0.09 168	0.22 285	0.11 219	0.18 196	0.10 186	0.21 169	0.12 193	0.35 282	0.06 125	0.14 264	0.09 115	0.12 210	0.24 274	0.12 181	0.16 176	0.09 144	0.18 201	0.11 205	0.06 145	0.08 178	0.25 289	0.14 168	0.15 171	0.19 212

IGEV-FE	0.14 210	0.07 125	0.06 128	0.13 218	0.13 234	0.10 172	0.11 219	0.17 162	0.09 161	0.28 297	0.10 160	0.23 250	0.05 97	0.12 243	0.10 153	0.11 163	0.23 251	0.11 150	0.17 190	0.12 219	0.20 235	0.10 173	0.09 219	0.06 112	0.20 249	0.15 192	0.23 265	0.27 269

model_zeroshot	0.14 210	0.09 184	0.06 128	0.10 177	0.10 190	0.13 205	0.08 170	0.20 242	0.12 221	0.28 297	0.09 144	0.22 244	0.06 125	0.11 223	0.10 153	0.12 210	0.26 294	0.13 213	0.28 283	0.12 219	0.21 259	0.13 246	0.11 246	0.09 206	0.18 221	0.18 248	0.18 219	0.18 201

MyStereo04	0.14 210	0.12 224	0.11 230	0.08 134	0.09 168	0.11 183	0.08 170	0.23 273	0.19 276	0.24 222	0.16 245	0.23 250	0.11 214	0.04 88	0.11 190	0.11 163	0.17 153	0.12 181	0.21 240	0.12 219	0.17 184	0.12 227	0.06 145	0.12 251	0.21 263	0.14 168	0.16 181	0.15 156

IGEV_Zeroshot_test	0.14 210	0.07 125	0.06 128	0.13 218	0.13 234	0.10 172	0.11 219	0.17 162	0.09 161	0.28 297	0.10 160	0.23 250	0.05 97	0.12 243	0.10 153	0.11 163	0.23 251	0.11 150	0.17 190	0.12 219	0.20 235	0.10 173	0.09 219	0.06 112	0.20 249	0.15 192	0.23 265	0.27 269

dd	0.14 210	0.12 224	0.07 161	0.25 287	0.11 208	0.19 265	0.09 188	0.17 162	0.08 128	0.17 125	0.08 119	0.33 278	0.08 171	0.06 120	0.11 190	0.11 163	0.24 274	0.11 150	0.25 270	0.09 144	0.15 148	0.09 143	0.06 145	0.09 206	0.17 200	0.13 146	0.18 219	0.14 144

AACVNet	0.14 210	0.13 239	0.10 215	0.13 218	0.13 234	0.14 215	0.10 206	0.19 225	0.11 203	0.22 182	0.18 264	0.14 139	0.10 203	0.09 193	0.12 218	0.11 163	0.21 225	0.13 213	0.17 190	0.12 219	0.16 167	0.11 205	0.11 246	0.11 235	0.18 221	0.14 168	0.14 154	0.16 166

cross-raft	0.14 210	0.08 165	0.07 161	0.08 134	0.10 190	0.12 196	0.08 170	0.17 162	0.13 230	0.27 281	0.12 193	0.21 231	0.05 97	0.11 223	0.13 233	0.14 262	0.22 241	0.11 150	0.23 259	0.13 237	0.23 289	0.10 173	0.06 145	0.08 178	0.22 274	0.18 248	0.14 154	0.16 166

GEStereo_RVC	0.14 210	0.13 239	0.10 215	0.11 194	0.12 221	0.12 196	0.11 219	0.18 196	0.13 230	0.24 222	0.16 245	0.18 187	0.10 203	0.06 120	0.13 233	0.12 210	0.20 212	0.16 263	0.23 259	0.13 237	0.16 167	0.14 257	0.07 169	0.11 235	0.21 263	0.15 192	0.13 143	0.20 224

sAnonymous2	0.14 210	0.09 184	0.10 215	0.10 177	0.09 168	0.09 150	0.11 219	0.22 265	0.11 203	0.23 199	0.17 254	0.15 145	0.10 203	0.06 120	0.13 233	0.14 262	0.18 173	0.15 250	0.21 240	0.14 247	0.17 184	0.15 267	0.05 122	0.10 223	0.17 200	0.17 232	0.17 195	0.16 166

CroCo_RVC	0.14 210	0.09 184	0.10 215	0.10 177	0.09 168	0.09 150	0.11 219	0.22 265	0.11 203	0.23 199	0.17 254	0.15 145	0.10 203	0.06 120	0.13 233	0.14 262	0.18 173	0.15 250	0.21 240	0.14 247	0.17 184	0.15 267	0.05 122	0.10 223	0.17 200	0.17 232	0.17 195	0.16 166

sCroCo_RVC	0.14 210	0.09 184	0.09 201	0.08 134	0.07 123	0.10 172	0.07 155	0.20 242	0.14 238	0.18 138	0.12 193	0.13 123	0.14 251	0.06 120	0.14 253	0.16 287	0.22 241	0.15 250	0.22 252	0.13 237	0.21 259	0.16 277	0.06 145	0.12 251	0.18 221	0.15 192	0.17 195	0.17 180

XX-Stereo	0.14 210	0.05 78	0.05 98	0.10 177	0.07 123	0.17 247	0.07 155	0.18 196	0.10 186	0.27 281	0.09 144	0.21 231	0.03 48	0.10 207	0.11 190	0.12 210	0.22 241	0.11 150	0.21 240	0.11 196	0.20 235	0.09 143	0.08 199	0.07 148	0.23 283	0.17 232	0.17 195	0.35 296

GES	0.14 210	0.11 212	0.07 161	0.09 156	0.11 208	0.15 226	0.09 188	0.20 242	0.09 161	0.23 199	0.12 193	0.17 169	0.11 214	0.14 264	0.12 218	0.11 163	0.23 251	0.14 237	0.24 266	0.14 247	0.18 201	0.18 287	0.11 246	0.09 206	0.15 171	0.13 146	0.21 257	0.20 224

RTSC	0.14 210	0.11 212	0.11 230	0.12 206	0.11 208	0.12 196	0.10 206	0.16 149	0.14 238	0.18 138	0.13 205	0.15 145	0.14 251	0.08 174	0.13 233	0.13 242	0.20 212	0.13 213	0.21 240	0.12 219	0.16 167	0.12 227	0.07 169	0.10 223	0.16 188	0.17 232	0.21 257	0.33 289

ADCL	0.14 210	0.12 224	0.11 230	0.13 218	0.11 208	0.14 215	0.11 219	0.18 196	0.16 252	0.22 182	0.16 245	0.21 231	0.13 236	0.09 193	0.12 218	0.12 210	0.17 153	0.13 213	0.18 210	0.13 237	0.19 219	0.14 257	0.11 246	0.11 235	0.17 200	0.16 212	0.16 181	0.17 180

DeepPruner_ROB	0.14 210	0.13 239	0.11 230	0.12 206	0.11 208	0.11 183	0.09 188	0.17 162	0.12 221	0.21 169	0.18 264	0.15 145	0.13 236	0.08 174	0.14 253	0.11 163	0.18 173	0.15 250	0.19 221	0.11 196	0.18 201	0.14 257	0.10 236	0.11 235	0.17 200	0.17 232	0.17 195	0.19 212

MLCV	0.14 210	0.11 212	0.09 201	0.16 244	0.12 221	0.14 215	0.11 219	0.21 256	0.10 186	0.24 222	0.13 205	0.21 231	0.15 259	0.08 174	0.10 153	0.10 122	0.19 192	0.11 150	0.19 221	0.09 144	0.18 201	0.09 143	0.10 236	0.09 206	0.17 200	0.14 168	0.16 181	0.20 224

HSM	0.14 210	0.12 224	0.09 201	0.14 228	0.13 234	0.12 196	0.11 219	0.18 196	0.11 203	0.23 199	0.15 234	0.18 187	0.14 251	0.08 174	0.12 218	0.11 163	0.21 225	0.12 181	0.17 190	0.12 219	0.18 201	0.11 205	0.07 169	0.08 178	0.17 200	0.16 212	0.17 195	0.18 201

DLCB_ROB	0.14 210	0.12 224	0.12 243	0.10 177	0.10 190	0.10 172	0.09 188	0.16 149	0.12 221	0.18 138	0.17 254	0.19 199	0.13 236	0.11 223	0.12 218	0.11 163	0.16 136	0.13 213	0.14 147	0.10 172	0.18 201	0.11 205	0.09 219	0.12 251	0.27 297	0.16 212	0.16 181	0.14 144

AIO-Stereo-zeroshot1	0.15 230	0.07 125	0.05 98	0.12 206	0.13 234	0.15 226	0.09 188	0.17 162	0.13 230	0.28 297	0.09 144	0.23 250	0.05 97	0.12 243	0.12 218	0.12 210	0.26 294	0.12 181	0.33 299	0.11 196	0.20 235	0.13 246	0.08 199	0.07 148	0.22 274	0.20 277	0.20 243	0.33 289

AIO-Stereo-zeroshot	0.15 230	0.07 125	0.06 128	0.15 239	0.12 221	0.15 226	0.10 206	0.18 196	0.09 161	0.26 266	0.08 119	0.19 199	0.08 171	0.11 223	0.11 190	0.12 210	0.25 284	0.13 213	0.26 275	0.12 219	0.20 235	0.11 205	0.08 199	0.07 148	0.20 249	0.19 267	0.20 243	0.31 286

EKT-Stereo	0.15 230	0.10 198	0.07 161	0.13 218	0.13 234	0.16 238	0.17 265	0.17 162	0.11 203	0.26 266	0.17 254	0.17 169	0.07 152	0.11 223	0.11 190	0.11 163	0.24 274	0.15 250	0.24 266	0.12 219	0.25 305	0.10 173	0.07 169	0.08 178	0.20 249	0.16 212	0.17 195	0.17 180

CASS	0.15 230	0.12 224	0.10 215	0.14 228	0.12 221	0.16 238	0.10 206	0.19 225	0.15 248	0.26 266	0.12 193	0.20 216	0.12 220	0.09 193	0.13 233	0.12 210	0.23 251	0.12 181	0.24 266	0.10 172	0.20 235	0.11 205	0.07 169	0.09 206	0.23 283	0.14 168	0.19 231	0.22 244
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
UDGNet	0.15 230	0.13 239	0.10 215	0.18 257	0.17 263	0.16 238	0.20 276	0.16 149	0.11 203	0.16 115	0.14 217	0.16 162	0.05 97	0.44 325	0.10 153	0.10 122	0.17 153	0.12 181	0.14 147	0.09 144	0.17 184	0.10 173	0.29 329	0.07 148	0.17 200	0.16 212	0.12 129	0.13 133

GANet-ADL	0.15 230	0.12 224	0.09 201	0.14 228	0.12 221	0.16 238	0.12 234	0.20 242	0.10 186	0.25 249	0.15 234	0.22 244	0.12 220	0.21 296	0.11 190	0.11 163	0.25 284	0.14 237	0.21 240	0.14 247	0.19 219	0.10 173	0.08 199	0.10 223	0.17 200	0.16 212	0.20 243	0.17 180

test-1	0.15 230	0.06 101	0.07 161	0.11 194	0.10 190	0.18 255	0.14 246	0.19 225	0.13 230	0.28 297	0.10 160	0.19 199	0.11 214	0.12 243	0.13 233	0.14 262	0.22 241	0.12 181	0.23 259	0.10 172	0.24 299	0.09 143	0.09 219	0.08 178	0.21 263	0.18 248	0.15 171	0.18 201

ICVP	0.15 230	0.13 239	0.14 268	0.12 206	0.12 221	0.13 205	0.10 206	0.17 162	0.12 221	0.17 125	0.14 217	0.18 187	0.12 220	0.09 193	0.13 233	0.14 262	0.18 173	0.15 250	0.16 176	0.14 247	0.17 184	0.14 257	0.20 290	0.11 235	0.19 235	0.19 267	0.17 195	0.17 180
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
APVNet	0.15 230	0.13 239	0.11 230	0.13 218	0.17 263	0.15 226	0.13 239	0.19 225	0.11 203	0.14 102	0.13 205	0.17 169	0.09 187	0.16 277	0.17 281	0.16 287	0.21 225	0.14 237	0.22 252	0.15 263	0.15 148	0.12 227	0.07 169	0.12 251	0.17 200	0.15 192	0.19 231	0.17 180

psm_up	0.15 230	0.11 212	0.13 256	0.15 239	0.12 221	0.14 215	0.11 219	0.20 242	0.17 261	0.19 150	0.13 205	0.15 145	0.17 267	0.10 207	0.14 253	0.12 210	0.19 192	0.13 213	0.17 190	0.11 196	0.15 148	0.10 173	0.10 236	0.16 281	0.18 221	0.17 232	0.17 195	0.19 212

FADNet-RVC	0.15 230	0.13 239	0.11 230	0.18 257	0.12 221	0.14 215	0.10 206	0.21 256	0.09 161	0.19 150	0.17 254	0.18 187	0.12 220	0.11 223	0.17 281	0.15 283	0.18 173	0.13 213	0.18 210	0.15 263	0.12 94	0.13 246	0.12 258	0.11 235	0.21 263	0.16 212	0.14 154	0.15 156

AF-Net	0.15 230	0.13 239	0.13 256	0.14 228	0.18 271	0.15 226	0.14 246	0.17 162	0.16 252	0.17 125	0.21 286	0.18 187	0.12 220	0.10 207	0.18 289	0.16 287	0.14 116	0.14 237	0.15 164	0.11 196	0.12 94	0.11 205	0.13 263	0.10 223	0.15 171	0.16 212	0.20 243	0.15 156

RP	0.15 230	0.14 251	0.16 279	0.17 252	0.14 246	0.17 247	0.16 256	0.19 225	0.17 261	0.14 102	0.16 245	0.16 162	0.15 259	0.11 223	0.14 253	0.12 210	0.15 126	0.12 181	0.15 164	0.12 219	0.12 94	0.13 246	0.10 236	0.12 251	0.17 200	0.17 232	0.20 243	0.18 201

Nwc_Net	0.15 230	0.13 239	0.13 256	0.14 228	0.18 271	0.15 226	0.14 246	0.17 162	0.16 252	0.17 125	0.21 286	0.18 187	0.12 220	0.10 207	0.18 289	0.16 287	0.14 116	0.14 237	0.15 164	0.11 196	0.12 94	0.11 205	0.13 263	0.10 223	0.15 171	0.16 212	0.20 243	0.15 156

UCFNet_RVC	0.15 230	0.17 275	0.12 243	0.16 244	0.14 246	0.17 247	0.11 219	0.17 162	0.13 230	0.21 169	0.13 205	0.28 267	0.12 220	0.10 207	0.12 218	0.13 242	0.18 173	0.13 213	0.17 190	0.12 219	0.17 184	0.09 143	0.10 236	0.11 235	0.19 235	0.16 212	0.17 195	0.20 224

NVstereo2D	0.15 230	0.11 212	0.11 230	0.19 264	0.14 246	0.21 281	0.24 297	0.13 126	0.11 203	0.16 115	0.14 217	0.10 92	0.08 171	0.40 324	0.12 218	0.12 210	0.21 225	0.14 237	0.16 176	0.10 172	0.12 94	0.09 143	0.25 305	0.08 178	0.15 171	0.13 146	0.14 154	0.13 133

DNS	0.16 246	0.08 165	0.07 161	0.12 206	0.07 123	0.20 271	0.09 188	0.20 242	0.07 102	0.22 182	0.12 193	0.95 339	0.07 152	0.09 193	0.09 115	0.11 163	0.21 225	0.11 150	0.18 210	0.09 144	0.16 167	0.07 95	0.05 122	0.08 178	0.19 235	0.17 232	0.17 195	0.22 244

LoS	0.16 246	0.10 198	0.08 187	0.10 177	0.11 208	0.09 150	0.07 155	0.50 335	0.05 51	0.32 318	0.36 330	0.36 285	0.06 125	0.09 193	0.09 115	0.10 122	0.19 192	0.09 109	0.15 164	0.11 196	0.21 259	0.09 143	0.07 169	0.07 148	0.18 221	0.12 131	0.20 243	0.21 239
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
SACVNet	0.16 246	0.14 251	0.13 256	0.16 244	0.13 234	0.14 215	0.12 234	0.19 225	0.17 261	0.19 150	0.17 254	0.14 139	0.07 152	0.14 264	0.15 265	0.14 262	0.19 192	0.16 263	0.20 234	0.13 237	0.17 184	0.14 257	0.12 258	0.13 262	0.21 263	0.19 267	0.19 231	0.17 180

pcwnet_v2	0.16 246	0.12 224	0.12 243	0.16 244	0.14 246	0.17 247	0.14 246	0.20 242	0.13 230	0.22 182	0.14 217	0.19 199	0.18 270	0.12 243	0.11 190	0.12 210	0.18 173	0.14 237	0.17 190	0.12 219	0.16 167	0.11 205	0.09 219	0.11 235	0.20 249	0.19 267	0.19 231	0.28 277

FADNet	0.16 246	0.15 260	0.10 215	0.20 270	0.10 190	0.19 265	0.13 239	0.21 256	0.13 230	0.22 182	0.26 312	0.17 169	0.14 251	0.12 243	0.20 301	0.16 287	0.16 136	0.14 237	0.23 259	0.20 297	0.16 167	0.13 246	0.11 246	0.11 235	0.21 263	0.17 232	0.16 181	0.15 156

stereogan	0.16 246	0.15 260	0.15 275	0.16 244	0.18 271	0.18 255	0.16 256	0.20 242	0.19 276	0.14 102	0.16 245	0.20 216	0.18 270	0.13 260	0.16 274	0.13 242	0.16 136	0.14 237	0.18 210	0.14 247	0.15 148	0.13 246	0.13 263	0.13 262	0.16 188	0.17 232	0.23 265	0.18 201

HSM-Net_RVC	0.16 246	0.12 224	0.10 215	0.17 252	0.13 234	0.14 215	0.10 206	0.18 196	0.14 238	0.25 249	0.18 264	0.28 267	0.17 267	0.11 223	0.12 218	0.11 163	0.19 192	0.13 213	0.17 190	0.11 196	0.18 201	0.12 227	0.08 199	0.11 235	0.19 235	0.17 232	0.23 265	0.24 252
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
GwcNet-ADL	0.17 253	0.12 224	0.11 230	0.19 264	0.14 246	0.17 247	0.14 246	0.21 256	0.14 238	0.24 222	0.17 254	0.32 277	0.16 264	0.20 291	0.13 233	0.14 262	0.23 251	0.15 250	0.23 259	0.13 237	0.18 201	0.12 227	0.06 145	0.10 223	0.19 235	0.16 212	0.19 231	0.22 244

PS-NSSS	0.17 253	0.19 284	0.18 294	0.23 279	0.18 271	0.18 255	0.16 256	0.22 265	0.12 221	0.23 199	0.21 286	0.44 294	0.08 171	0.11 223	0.14 253	0.10 122	0.13 103	0.13 213	0.26 275	0.11 196	0.11 87	0.07 95	0.18 286	0.15 273	0.17 200	0.21 279	0.14 154	0.20 224

iResNet	0.17 253	0.11 212	0.10 215	0.15 239	0.13 234	0.17 247	0.12 234	0.21 256	0.14 238	0.25 249	0.14 217	0.35 282	0.32 305	0.08 174	0.12 218	0.11 163	0.20 212	0.12 181	0.26 275	0.15 263	0.18 201	0.12 227	0.11 246	0.13 262	0.18 221	0.15 192	0.20 243	0.19 212

ITSA-stereo	0.18 256	0.14 251	0.12 243	0.26 290	0.17 263	0.18 255	0.16 256	0.25 284	0.17 261	0.26 266	0.18 264	0.33 278	0.25 287	0.16 277	0.13 233	0.12 210	0.22 241	0.15 250	0.23 259	0.10 172	0.19 219	0.12 227	0.15 271	0.11 235	0.23 283	0.16 212	0.20 243	0.23 249

dad	0.18 256	0.16 267	0.12 243	0.36 303	0.16 257	0.24 292	0.21 283	0.24 278	0.09 161	0.22 182	0.11 179	0.38 288	0.12 220	0.08 174	0.13 233	0.11 163	0.27 304	0.13 213	0.30 291	0.11 196	0.19 219	0.12 227	0.09 219	0.13 262	0.19 235	0.14 168	0.31 296	0.24 252

PSMNet-ADL	0.18 256	0.13 239	0.13 256	0.16 244	0.14 246	0.17 247	0.16 256	0.20 242	0.22 295	0.27 281	0.20 284	0.29 274	0.26 290	0.18 280	0.16 274	0.14 262	0.23 251	0.14 237	0.22 252	0.14 247	0.19 219	0.11 205	0.10 236	0.11 235	0.20 249	0.16 212	0.23 265	0.20 224

Anonymous3	0.18 256	0.15 260	0.11 230	0.15 239	0.10 190	0.14 215	0.11 219	0.22 265	0.19 276	0.27 281	0.15 234	0.27 266	0.12 220	0.12 243	0.27 320	0.18 305	0.22 241	0.18 287	0.26 275	0.17 280	0.25 305	0.21 308	0.09 219	0.10 223	0.21 263	0.21 279	0.22 263	0.20 224

FADNet_RVC	0.18 256	0.14 251	0.13 256	0.20 270	0.15 255	0.14 215	0.13 239	0.24 278	0.14 238	0.24 222	0.18 264	0.28 267	0.22 284	0.14 264	0.15 265	0.12 210	0.20 212	0.17 277	0.32 295	0.15 263	0.20 235	0.15 267	0.11 246	0.15 273	0.20 249	0.21 279	0.18 219	0.23 249

NCC-stereo	0.18 256	0.16 267	0.16 279	0.16 244	0.18 271	0.18 255	0.18 267	0.19 225	0.20 290	0.16 115	0.19 276	0.21 231	0.21 278	0.12 243	0.22 306	0.18 305	0.18 173	0.19 292	0.19 221	0.15 263	0.16 167	0.15 267	0.15 271	0.12 251	0.19 235	0.18 248	0.24 273	0.20 224

Abc-Net	0.18 256	0.16 267	0.16 279	0.16 244	0.18 271	0.18 255	0.18 267	0.19 225	0.20 290	0.16 115	0.19 276	0.21 231	0.21 278	0.12 243	0.22 306	0.18 305	0.18 173	0.19 292	0.19 221	0.15 263	0.16 167	0.15 267	0.15 271	0.12 251	0.19 235	0.18 248	0.24 273	0.20 224
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCCL2	0.18 256	0.17 275	0.16 279	0.13 218	0.13 234	0.13 205	0.12 234	0.21 256	0.18 268	0.22 182	0.15 234	0.23 250	0.13 236	0.10 207	0.17 281	0.16 287	0.19 192	0.17 277	0.19 221	0.17 280	0.22 278	0.18 287	0.11 246	0.16 281	0.26 294	0.26 305	0.20 243	0.24 252

XPNet_ROB	0.18 256	0.21 290	0.14 268	0.15 239	0.16 257	0.15 226	0.15 251	0.16 149	0.14 238	0.19 150	0.19 276	0.49 301	0.13 236	0.11 223	0.16 274	0.14 262	0.25 284	0.16 263	0.18 210	0.14 247	0.17 184	0.19 296	0.13 263	0.14 269	0.18 221	0.17 232	0.32 299	0.29 280

DDVS	0.19 265	0.15 260	0.13 256	0.18 257	0.18 271	0.20 271	0.20 276	0.20 242	0.16 252	0.25 249	0.21 286	0.39 291	0.28 298	0.13 260	0.14 253	0.14 262	0.26 294	0.19 292	0.28 283	0.15 263	0.19 219	0.17 283	0.10 236	0.14 269	0.19 235	0.15 192	0.22 263	0.25 260

DAS	0.19 265	0.11 212	0.10 215	0.24 284	0.19 279	0.18 255	0.21 283	0.23 273	0.18 268	0.24 222	0.14 217	0.38 288	0.21 278	0.09 193	0.13 233	0.12 210	0.25 284	0.16 263	0.22 252	0.15 263	0.21 259	0.14 257	0.17 280	0.13 262	0.20 249	0.18 248	0.23 265	0.30 282

SepStereo	0.19 265	0.11 212	0.10 215	0.24 284	0.19 279	0.18 255	0.21 283	0.23 273	0.18 268	0.24 222	0.14 217	0.38 288	0.21 278	0.09 193	0.13 233	0.12 210	0.25 284	0.16 263	0.22 252	0.15 263	0.21 259	0.14 257	0.17 280	0.13 262	0.20 249	0.18 248	0.23 265	0.30 282

RGC	0.19 265	0.17 275	0.17 289	0.19 264	0.20 284	0.20 271	0.15 251	0.22 265	0.26 309	0.17 125	0.21 286	0.21 231	0.24 286	0.15 274	0.24 313	0.19 313	0.18 173	0.16 263	0.19 221	0.16 275	0.17 184	0.14 257	0.13 263	0.16 281	0.21 263	0.21 279	0.24 273	0.25 260

PA-Net	0.19 265	0.21 290	0.25 314	0.14 228	0.20 284	0.18 255	0.21 283	0.21 256	0.19 276	0.17 125	0.15 234	0.17 169	0.21 278	0.26 302	0.17 281	0.18 305	0.15 126	0.19 292	0.13 135	0.17 280	0.14 137	0.16 277	0.10 236	0.16 281	0.18 221	0.27 316	0.17 195	0.35 296
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NaN_ROB	0.19 265	0.20 288	0.19 300	0.19 264	0.20 284	0.16 238	0.15 251	0.28 291	0.19 276	0.23 199	0.18 264	0.46 298	0.17 267	0.11 223	0.14 253	0.13 242	0.15 126	0.14 237	0.21 240	0.19 290	0.13 120	0.11 205	0.09 219	0.21 294	0.25 289	0.23 292	0.26 284	0.28 277

pmcnn	0.19 265	0.14 251	0.11 230	0.18 257	0.13 234	0.19 265	0.16 256	0.20 242	0.19 276	0.26 266	0.15 234	0.35 282	0.26 290	0.09 193	0.11 190	0.11 163	0.25 284	0.14 237	0.24 266	0.14 247	0.23 289	0.15 267	0.11 246	0.11 235	0.21 263	0.19 267	0.40 319	0.46 317

DCVSM-stereo	0.20 272	0.15 260	0.12 243	0.25 287	0.19 279	0.26 296	0.21 283	0.23 273	0.16 252	0.24 222	0.18 264	0.49 301	0.27 294	0.14 264	0.12 218	0.12 210	0.24 274	0.16 263	0.25 270	0.16 275	0.19 219	0.15 267	0.22 296	0.11 235	0.19 235	0.16 212	0.24 273	0.27 269

SFCPSM	0.20 272	0.14 251	0.12 243	0.21 274	0.16 257	0.20 271	0.18 267	0.22 265	0.20 290	0.25 249	0.24 302	0.34 281	0.34 312	0.14 264	0.13 233	0.13 242	0.24 274	0.16 263	0.32 295	0.19 290	0.19 219	0.13 246	0.14 269	0.12 251	0.22 274	0.18 248	0.20 243	0.25 260

RTS	0.20 272	0.16 267	0.14 268	0.17 252	0.14 246	0.20 271	0.15 251	0.24 278	0.25 305	0.15 108	0.14 217	0.14 139	0.20 276	0.11 223	0.15 265	0.16 287	0.24 274	0.17 277	0.35 303	0.24 309	0.23 289	0.16 277	0.09 219	0.15 273	0.29 306	0.26 305	0.28 291	0.55 326

RTSA	0.20 272	0.16 267	0.14 268	0.17 252	0.14 246	0.20 271	0.15 251	0.24 278	0.25 305	0.15 108	0.14 217	0.14 139	0.20 276	0.11 223	0.15 265	0.16 287	0.24 274	0.17 277	0.35 303	0.24 309	0.23 289	0.16 277	0.09 219	0.15 273	0.29 306	0.26 305	0.28 291	0.55 326

ccs_rob	0.20 272	0.15 260	0.12 243	0.26 290	0.16 257	0.26 296	0.20 276	0.22 265	0.16 252	0.25 249	0.24 302	0.58 310	0.25 287	0.18 280	0.13 233	0.13 242	0.23 251	0.15 250	0.21 240	0.16 275	0.21 259	0.12 227	0.12 258	0.11 235	0.20 249	0.16 212	0.18 219	0.23 249

SGM-Forest	0.20 272	0.18 281	0.16 279	0.23 279	0.18 271	0.21 281	0.18 267	0.23 273	0.17 261	0.20 160	0.16 245	0.23 250	0.18 270	0.22 297	0.18 289	0.18 305	0.19 192	0.17 277	0.18 210	0.15 263	0.18 201	0.19 296	0.25 305	0.19 293	0.22 274	0.18 248	0.26 284	0.24 252
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
HBP-ISP	0.21 278	0.16 267	0.13 256	0.26 290	0.23 293	0.22 285	0.18 267	0.29 298	0.18 268	0.28 297	0.19 276	0.22 244	0.12 220	0.28 310	0.11 190	0.14 262	0.26 294	0.19 292	0.20 234	0.13 237	0.23 289	0.23 315	0.26 311	0.24 308	0.25 289	0.24 294	0.23 265	0.26 264

AnyNet_C32	0.21 278	0.16 267	0.15 275	0.17 252	0.17 263	0.19 265	0.16 256	0.26 286	0.22 295	0.25 249	0.24 302	0.24 257	0.18 270	0.14 264	0.22 306	0.18 305	0.28 311	0.22 306	0.30 291	0.19 290	0.28 318	0.23 315	0.16 275	0.18 290	0.22 274	0.22 287	0.21 257	0.24 252

NOSS_ROB	0.21 278	0.14 251	0.16 279	0.21 274	0.19 279	0.20 271	0.22 290	0.30 300	0.18 268	0.25 249	0.16 245	0.21 231	0.13 236	0.27 309	0.15 265	0.14 262	0.26 294	0.21 302	0.22 252	0.17 280	0.23 289	0.22 312	0.26 311	0.24 308	0.26 294	0.23 292	0.24 273	0.27 269

SHD	0.22 281	0.17 275	0.21 308	0.18 257	0.17 263	0.19 265	0.20 276	0.27 289	0.17 261	0.27 281	0.19 276	0.24 257	0.32 305	0.17 279	0.16 274	0.15 283	0.19 192	0.17 277	0.33 299	0.18 286	0.21 259	0.18 287	0.16 275	0.17 286	0.24 287	0.28 320	0.25 280	0.43 310

ADCMid	0.22 281	0.18 281	0.17 289	0.18 257	0.19 279	0.20 271	0.16 256	0.30 300	0.25 305	0.24 222	0.19 276	0.36 285	0.21 278	0.12 243	0.18 289	0.16 287	0.25 284	0.18 287	0.37 307	0.19 290	0.24 299	0.20 305	0.17 280	0.15 273	0.24 287	0.22 287	0.25 280	0.30 282

ADCPNet	0.22 281	0.17 275	0.16 279	0.20 270	0.20 284	0.20 271	0.18 267	0.28 291	0.23 297	0.26 266	0.23 298	0.26 265	0.29 300	0.15 274	0.19 297	0.17 299	0.24 274	0.17 277	0.32 295	0.23 308	0.25 305	0.20 305	0.17 280	0.22 297	0.25 289	0.24 294	0.27 287	0.34 294

CBMV_ROB	0.22 281	0.14 251	0.16 279	0.26 290	0.23 293	0.21 281	0.22 290	0.28 291	0.17 261	0.26 266	0.17 254	0.28 267	0.18 270	0.26 302	0.13 233	0.12 210	0.26 294	0.17 277	0.19 221	0.17 280	0.21 259	0.19 296	0.26 311	0.21 294	0.25 289	0.27 316	0.25 280	0.34 294

ETE_ROB	0.22 281	0.23 300	0.15 275	0.20 270	0.16 257	0.19 265	0.17 265	0.18 196	0.19 276	0.21 169	0.22 296	0.64 313	0.16 264	0.14 264	0.17 281	0.14 262	0.30 316	0.19 292	0.25 270	0.19 290	0.22 278	0.18 287	0.16 275	0.15 273	0.22 274	0.28 320	0.41 321	0.27 269

LALA_ROB	0.22 281	0.25 304	0.16 279	0.19 264	0.17 263	0.22 285	0.16 256	0.18 196	0.19 276	0.24 222	0.21 286	0.63 312	0.15 259	0.13 260	0.26 317	0.17 299	0.27 304	0.22 306	0.23 259	0.19 290	0.20 235	0.21 308	0.14 269	0.15 273	0.20 249	0.22 287	0.35 307	0.26 264

CBMV	0.22 281	0.18 281	0.18 294	0.23 279	0.22 289	0.20 271	0.18 267	0.27 289	0.19 276	0.28 297	0.11 179	0.30 275	0.13 236	0.24 299	0.16 274	0.14 262	0.25 284	0.18 287	0.20 234	0.16 275	0.22 278	0.19 296	0.24 304	0.23 300	0.27 297	0.24 294	0.36 310	0.42 307
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	0.23 288	0.26 308	0.15 275	0.46 318	0.24 298	0.36 312	0.20 276	0.24 278	0.16 252	0.26 266	0.15 234	0.28 267	0.27 294	0.11 223	0.13 233	0.13 242	0.21 225	0.12 181	0.18 210	0.12 219	0.20 235	0.11 205	0.11 246	0.12 251	0.36 324	0.25 304	0.57 332	0.33 289

PWC_ROB	0.23 288	0.20 288	0.14 268	0.18 257	0.17 263	0.16 238	0.20 276	0.21 256	0.27 312	0.15 108	0.21 286	0.28 267	0.63 335	0.13 260	0.14 253	0.13 242	0.27 304	0.18 287	0.37 307	0.19 290	0.22 278	0.18 287	0.16 275	0.24 308	0.20 249	0.19 267	0.24 273	0.44 313

ACV-stereo	0.25 290	0.15 260	0.13 256	0.22 276	0.17 263	0.28 299	0.24 297	0.22 265	0.20 290	0.23 199	0.23 298	0.28 267	0.37 319	0.18 280	0.15 265	0.13 242	0.34 321	0.20 298	1.10 347	0.26 314	0.26 313	0.17 283	0.28 326	0.18 290	0.19 235	0.18 248	0.25 280	0.29 280

FCDSN-DC	0.25 290	0.25 304	0.26 317	0.28 299	0.26 302	0.26 296	0.35 310	0.28 291	0.18 268	0.20 160	0.18 264	0.21 231	0.12 220	0.29 311	0.25 315	0.26 322	0.29 313	0.28 324	0.28 283	0.21 299	0.25 305	0.25 320	0.26 311	0.32 327	0.27 297	0.24 294	0.26 284	0.27 269
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	0.25 290	0.25 304	0.20 302	0.29 300	0.22 289	0.22 285	0.23 293	0.37 318	0.28 315	0.35 329	0.22 296	0.46 298	0.32 305	0.20 291	0.19 297	0.17 299	0.17 153	0.16 263	0.30 291	0.14 247	0.21 259	0.19 296	0.27 324	0.23 300	0.29 306	0.26 305	0.33 301	0.31 286

SGM-ForestM	0.25 290	0.22 295	0.16 279	0.37 305	0.24 298	0.32 305	0.24 297	0.29 298	0.21 294	0.23 199	0.18 264	0.50 304	0.26 290	0.20 291	0.15 265	0.13 242	0.23 251	0.16 263	0.25 270	0.15 263	0.20 235	0.17 283	0.21 294	0.17 286	0.37 325	0.26 305	0.52 327	0.37 298

SGM_RVC	0.25 290	0.24 302	0.18 294	0.39 312	0.27 305	0.34 311	0.26 303	0.28 291	0.19 276	0.25 249	0.18 264	0.42 292	0.31 303	0.18 280	0.14 253	0.13 242	0.23 251	0.15 250	0.26 275	0.14 247	0.19 219	0.15 267	0.19 288	0.17 286	0.34 320	0.24 294	0.56 331	0.45 315
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDUNet	0.26 295	0.21 290	0.12 243	0.38 308	0.31 314	0.41 319	0.48 325	0.20 242	0.16 252	0.16 115	0.25 307	0.17 169	0.08 171	1.61 342	0.15 265	0.14 262	0.21 225	0.15 250	0.25 270	0.14 247	0.18 201	0.13 246	0.25 305	0.16 281	0.17 200	0.19 267	0.18 219	0.22 244

UDG	0.26 295	0.21 290	0.13 256	0.39 312	0.32 315	0.39 317	0.53 330	0.20 242	0.16 252	0.19 150	0.23 298	0.17 169	0.09 187	1.45 338	0.16 274	0.13 242	0.27 304	0.16 263	0.27 282	0.14 247	0.22 278	0.14 257	0.25 305	0.12 251	0.21 263	0.21 279	0.21 257	0.19 212

FAT-Stereo	0.26 295	0.19 284	0.17 289	0.38 308	0.37 319	0.31 301	0.25 302	0.26 286	0.18 268	0.28 297	0.25 307	0.33 278	0.36 315	0.26 302	0.18 289	0.16 287	0.27 304	0.23 311	0.33 299	0.21 299	0.22 278	0.19 296	0.22 296	0.22 297	0.22 274	0.22 287	0.33 301	0.43 310

GANetREF_RVC	0.26 295	0.26 308	0.30 323	0.23 279	0.23 293	0.23 290	0.24 297	0.35 313	0.33 327	0.32 318	0.18 264	0.50 304	0.38 320	0.12 243	0.22 306	0.18 305	0.20 212	0.21 302	0.35 303	0.21 299	0.24 299	0.16 277	0.22 296	0.29 322	0.28 302	0.21 279	0.36 310	0.33 289
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
CSAN	0.26 295	0.30 318	0.30 323	0.26 290	0.23 293	0.21 281	0.19 274	0.28 291	0.37 332	0.35 329	0.24 302	0.51 307	0.27 294	0.14 264	0.22 306	0.17 299	0.19 192	0.20 298	0.26 275	0.25 313	0.22 278	0.20 305	0.17 280	0.27 315	0.31 311	0.26 305	0.39 315	0.38 300

FC-DCNN v2	0.27 300	0.28 314	0.27 318	0.37 305	0.29 311	0.32 305	0.38 315	0.33 309	0.19 276	0.22 182	0.19 276	0.24 257	0.13 236	0.29 311	0.26 317	0.27 326	0.29 313	0.27 320	0.29 289	0.22 305	0.26 313	0.25 320	0.26 311	0.31 324	0.32 316	0.26 305	0.31 296	0.31 286

FC-DCNN	0.27 300	0.28 314	0.27 318	0.36 303	0.28 307	0.32 305	0.38 315	0.33 309	0.19 276	0.22 182	0.19 276	0.23 250	0.13 236	0.29 311	0.26 317	0.27 326	0.29 313	0.27 320	0.29 289	0.22 305	0.26 313	0.25 320	0.26 311	0.31 324	0.31 311	0.26 305	0.30 293	0.30 282

FBW_ROB	0.27 300	0.26 308	0.25 314	0.38 308	0.26 302	0.32 305	0.20 276	0.21 256	0.19 276	0.27 281	0.21 286	0.45 295	0.32 305	0.26 302	0.22 306	0.20 316	0.27 304	0.17 277	0.52 321	0.14 247	0.22 278	0.15 267	0.17 280	0.28 318	0.22 274	0.19 267	0.33 301	0.57 329

CC-Net-ROB	0.28 303	0.40 324	0.29 321	0.57 325	0.44 324	0.42 321	0.38 315	0.32 306	0.19 276	0.33 322	0.28 318	0.69 318	0.10 203	0.32 320	0.21 303	0.13 242	0.14 116	0.16 263	0.40 310	0.18 286	0.15 148	0.09 143	0.23 300	0.24 308	0.22 274	0.21 279	0.19 231	0.28 277

G-Net	0.29 304	0.24 302	0.19 300	0.24 284	0.21 288	0.36 312	0.23 293	0.30 300	0.27 312	0.33 322	0.33 328	0.89 336	0.25 287	0.19 288	0.21 303	0.18 305	0.26 294	0.22 306	0.44 313	0.31 326	0.27 316	0.18 287	0.18 286	0.18 290	0.28 302	0.24 294	0.40 319	0.41 305

XQC	0.29 304	0.30 318	0.27 318	0.37 305	0.28 307	0.37 315	0.37 311	0.40 324	0.30 321	0.32 318	0.20 284	0.45 295	0.28 298	0.31 317	0.16 274	0.15 283	0.21 225	0.22 306	0.34 302	0.24 309	0.22 278	0.21 308	0.23 300	0.25 312	0.33 318	0.27 316	0.44 323	0.33 289

ADCS	0.29 304	0.22 295	0.21 308	0.26 290	0.25 300	0.25 293	0.23 293	0.37 318	0.30 321	0.23 199	0.27 314	0.47 300	0.36 315	0.20 291	0.22 306	0.19 313	0.32 318	0.24 314	0.49 319	0.28 319	0.37 330	0.30 327	0.20 290	0.23 300	0.31 311	0.28 320	0.30 293	0.43 310

S-Stereo	0.30 307	0.22 295	0.18 294	0.42 316	0.39 321	0.41 319	0.37 311	0.25 284	0.24 300	0.26 266	0.44 334	0.55 309	0.36 315	0.24 299	0.18 289	0.14 262	0.27 304	0.27 320	0.35 303	0.28 319	0.23 289	0.23 315	0.53 335	0.23 300	0.23 283	0.19 267	0.27 287	0.38 300

MeshStereo	0.30 307	0.26 308	0.20 302	0.49 321	0.37 319	0.36 312	0.26 303	0.32 306	0.28 315	0.30 314	0.28 318	0.60 311	0.48 328	0.18 280	0.15 265	0.14 262	0.26 294	0.17 277	0.28 283	0.18 286	0.28 318	0.22 312	0.25 305	0.21 294	0.37 325	0.30 326	0.55 330	0.51 321
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
MFN_U_SF_RVC	0.31 309	0.28 314	0.21 308	0.33 301	0.29 311	0.31 301	0.29 307	0.38 321	0.24 300	0.46 339	0.31 325	0.50 304	0.34 312	0.25 301	0.30 321	0.25 319	0.19 192	0.23 311	0.58 322	0.29 321	0.25 305	0.28 326	0.21 294	0.27 315	0.31 311	0.26 305	0.37 312	0.51 321

edge stereo	0.31 309	0.22 295	0.20 302	0.42 316	0.36 317	0.42 321	0.39 318	0.39 323	0.23 297	0.23 199	0.39 331	0.68 316	0.34 312	0.30 316	0.17 281	0.17 299	0.31 317	0.21 302	0.42 311	0.21 299	0.24 299	0.18 287	0.25 305	0.23 300	0.28 302	0.24 294	0.39 315	0.55 326

SANet	0.31 309	0.21 290	0.21 308	0.25 287	0.22 289	0.31 301	0.22 290	0.31 305	0.32 325	0.27 281	0.27 314	1.36 348	0.39 322	0.22 297	0.17 281	0.14 262	0.26 294	0.21 302	0.30 291	0.21 299	0.25 305	0.21 308	0.30 330	0.23 300	0.34 320	0.26 305	0.35 307	0.49 319

AnyNet_C01	0.32 312	0.22 295	0.20 302	0.22 276	0.27 305	0.25 293	0.24 297	0.37 318	0.37 332	0.26 266	0.29 320	0.49 301	0.33 311	0.18 280	0.32 324	0.22 318	0.39 330	0.32 328	0.65 325	0.33 331	0.41 337	0.33 333	0.26 311	0.26 314	0.34 320	0.34 329	0.34 305	0.45 315

DGSMNet	0.34 313	0.27 313	0.24 313	0.41 315	0.33 316	0.37 315	0.37 311	0.28 291	0.25 305	0.25 249	0.52 339	0.45 295	0.32 305	0.26 302	0.25 315	0.20 316	0.52 341	0.32 328	0.75 333	0.35 333	0.38 331	0.39 343	0.28 326	0.31 324	0.27 297	0.24 294	0.33 301	0.37 298

MSC_U_SF_DS_RVC	0.35 314	0.36 320	0.38 333	0.46 318	0.28 307	0.31 301	0.28 306	0.51 336	0.46 339	0.39 336	0.29 320	0.37 287	0.36 315	0.31 317	0.38 331	0.26 322	0.22 241	0.27 320	0.72 330	0.37 334	0.28 318	0.31 328	0.30 330	0.38 334	0.33 318	0.26 305	0.30 293	0.38 300

MaskLacGwcNet_RVC	0.36 315	0.16 267	0.13 256	0.26 290	0.22 289	0.23 290	0.27 305	0.24 278	0.15 248	0.24 222	0.16 245	4.16 365	0.22 284	0.19 288	0.14 253	0.13 242	0.33 319	0.22 306	0.32 295	0.20 297	0.24 299	0.19 296	0.22 296	0.14 269	0.20 249	0.20 277	0.21 257	0.24 252

STStereo	0.38 316	0.43 326	0.31 326	0.74 331	0.50 330	0.58 326	0.43 321	0.35 313	0.31 323	0.34 326	0.25 307	0.83 330	0.55 332	0.20 291	0.17 281	0.16 287	0.25 284	0.16 263	0.46 316	0.17 280	0.24 299	0.19 296	0.20 290	0.23 300	0.52 335	0.41 336	0.76 344	0.59 332

PVD	0.39 317	0.38 323	0.20 302	0.47 320	0.36 317	0.50 325	0.40 320	0.38 321	0.34 330	0.23 199	0.29 320	0.52 308	0.51 330	0.50 327	0.19 297	0.17 299	0.40 332	0.26 318	0.50 320	0.29 321	0.40 333	0.41 345	0.23 300	0.27 315	0.45 332	0.59 351	0.46 325	0.73 341

DPSNet	0.40 318	0.19 284	0.18 294	0.27 297	0.26 302	0.29 300	0.19 274	0.26 286	0.24 300	0.18 138	0.17 254	2.15 359	0.44 325	0.10 207	0.20 301	0.16 287	0.35 325	0.28 324	2.00 361	0.27 317	0.25 305	0.17 283	0.28 326	0.25 312	0.40 329	0.27 316	0.39 315	0.53 323

MANE	0.42 319	0.36 320	0.33 328	0.61 327	0.45 327	0.44 323	0.47 324	0.43 331	0.26 309	0.23 199	0.24 302	0.64 313	0.29 300	0.31 317	0.32 324	0.30 332	0.33 319	0.42 341	0.38 309	0.24 309	0.31 324	0.27 324	0.26 311	0.35 331	0.57 340	0.44 340	1.10 359	0.98 353

LE_ROB	0.42 319	0.19 284	0.17 289	0.40 314	0.44 324	0.33 310	0.44 322	0.35 313	0.29 320	0.32 318	0.21 286	1.22 345	1.73 361	0.11 223	0.11 190	0.11 163	0.21 225	0.13 213	0.21 240	0.13 237	0.23 289	0.13 246	0.12 258	0.15 273	0.39 328	0.36 331	1.46 364	1.45 362

ELAS	0.43 321	0.43 326	0.36 331	0.64 329	0.45 327	0.58 326	0.50 326	0.40 324	0.27 312	0.25 249	0.30 323	0.92 337	0.32 305	0.32 320	0.31 322	0.28 329	0.36 327	0.30 326	0.45 315	0.26 314	0.34 326	0.33 333	0.26 311	0.37 333	0.56 339	0.43 339	0.78 347	0.76 343
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	0.44 322	0.43 326	0.36 331	0.63 328	0.44 324	0.62 331	0.50 326	0.40 324	0.26 309	0.25 249	0.31 325	1.20 343	0.31 303	0.32 320	0.31 322	0.28 329	0.37 328	0.30 326	0.44 313	0.27 317	0.35 327	0.33 333	0.26 311	0.38 334	0.52 335	0.41 336	0.78 347	0.74 342
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SQANet	0.46 323	0.56 331	0.14 268	1.44 338	0.52 331	1.25 338	0.85 335	0.30 300	0.23 297	0.34 326	0.25 307	0.66 315	0.19 275	1.15 336	0.19 297	0.14 262	0.25 284	0.20 298	0.42 311	0.22 305	0.17 184	0.14 257	1.56 342	0.17 286	0.21 263	0.17 232	0.27 287	0.41 305

SAMSARA	0.49 324	0.23 300	0.39 334	0.23 279	0.23 293	0.22 285	0.23 293	0.44 333	0.39 336	0.31 317	0.21 286	0.30 275	0.47 327	0.18 280	0.35 327	0.34 333	0.26 294	0.32 328	0.47 317	0.32 330	0.48 347	0.54 353	0.15 271	0.33 329	1.40 366	1.58 365	1.42 363	1.48 363

AMNet	0.49 324	0.50 329	0.48 337	0.49 321	0.47 329	0.61 330	0.51 328	0.32 306	0.28 315	0.30 314	0.68 347	0.72 320	0.13 236	0.53 329	0.44 333	0.55 347	0.57 344	0.58 353	0.48 318	0.48 337	0.58 354	0.50 350	0.26 311	0.48 339	0.45 332	0.52 346	0.58 333	0.65 335

DispFullNet	0.49 324	0.53 330	0.20 302	1.14 335	0.43 323	0.79 334	1.26 340	0.33 309	0.24 300	0.24 222	0.27 314	0.85 331	0.50 329	1.59 341	0.18 289	0.15 283	0.51 339	0.34 334	1.12 348	0.26 314	0.25 305	0.19 296	0.20 290	0.22 297	0.28 302	0.18 248	0.35 307	0.61 333

BEATNet-Init1	0.51 327	0.41 325	0.29 321	0.78 334	0.41 322	0.60 329	0.46 323	0.41 329	0.28 315	0.30 314	0.25 307	0.87 333	0.91 345	0.26 302	0.33 326	0.26 322	0.28 311	0.25 317	0.98 342	0.29 321	0.29 322	0.27 324	0.26 311	0.32 327	0.51 334	0.38 335	2.12 367	0.96 351

MADNet+	0.56 328	0.37 322	0.63 349	0.56 324	0.53 332	0.45 324	0.39 318	0.64 344	0.51 341	0.53 343	0.40 333	0.81 329	0.67 339	0.34 323	0.61 344	0.50 344	0.58 345	0.50 345	0.84 336	0.53 339	0.49 350	0.44 346	0.51 334	0.47 338	0.82 350	0.71 356	0.58 333	0.70 338

otaku	0.59 329	0.73 336	0.30 323	1.73 350	0.85 338	1.52 344	1.01 336	0.40 324	0.33 327	0.38 332	0.32 327	0.68 316	0.26 290	1.38 337	0.35 327	0.25 319	0.21 225	0.23 311	0.71 328	0.30 324	0.23 289	0.18 287	2.19 345	0.28 318	0.29 306	0.18 248	0.31 296	0.42 307

SGM+DAISY	0.59 329	0.58 334	0.54 341	0.58 326	0.55 334	0.69 333	0.57 331	0.43 331	0.39 336	0.38 332	0.78 351	0.75 324	0.65 338	0.54 331	0.62 345	0.56 348	0.67 351	0.61 356	0.72 330	0.64 350	0.71 358	0.65 358	0.27 324	0.51 341	0.54 337	0.57 349	0.75 343	0.71 340

SPS-STEREO	0.60 331	0.57 333	0.53 338	0.55 323	0.54 333	0.65 332	0.52 329	0.40 324	0.68 344	0.37 331	0.78 351	0.78 326	0.64 337	0.53 329	0.59 343	0.57 350	0.67 351	0.63 358	0.75 333	0.72 355	0.77 361	0.68 359	0.26 311	0.54 346	0.54 337	0.60 352	0.70 340	0.66 336
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Ntro	0.64 332	0.74 337	0.31 326	1.81 352	0.85 338	1.57 345	1.10 338	0.48 334	0.36 331	0.38 332	0.39 331	0.74 322	0.27 294	1.54 340	0.37 330	0.28 329	0.23 251	0.24 314	0.71 328	0.31 326	0.23 289	0.18 287	2.45 349	0.30 323	0.31 311	0.24 294	0.38 314	0.44 313

MFMNet_re	0.66 333	0.72 335	0.65 352	0.77 333	0.62 335	0.82 336	0.70 334	0.52 338	0.53 342	0.54 345	0.65 345	0.79 327	0.51 330	0.59 333	0.68 349	0.67 354	0.81 358	0.69 359	0.74 332	0.62 348	0.71 358	0.64 357	0.45 332	0.57 347	0.59 343	0.62 354	0.74 342	0.88 349

WAO-7	0.67 334	0.75 338	0.64 351	0.72 330	0.78 337	0.58 326	0.66 332	0.97 358	0.97 356	0.62 348	0.81 355	0.79 327	0.84 343	0.55 332	0.86 355	0.71 358	0.44 334	0.36 336	0.96 339	0.67 353	0.44 340	0.35 338	0.16 275	0.83 360	0.57 340	0.67 355	0.58 333	0.70 338

ACVNet-4b	0.70 335	0.78 340	0.34 329	1.74 351	0.95 344	1.64 349	1.43 343	0.33 309	0.31 323	0.38 332	0.26 312	1.23 346	0.29 300	2.19 352	0.42 332	0.37 334	0.34 321	0.24 314	0.59 323	0.38 335	0.17 184	0.15 267	2.71 351	0.23 300	0.30 310	0.32 328	0.39 315	0.42 307

JetBlue	0.71 336	0.56 331	0.71 354	0.74 331	0.62 335	0.79 334	0.69 333	0.53 339	0.93 353	0.46 339	0.30 323	3.22 362	0.38 320	0.52 328	0.46 334	0.44 339	0.73 356	0.53 348	0.68 327	0.52 338	0.57 352	0.60 355	0.74 336	0.57 347	0.57 340	0.46 341	0.97 356	0.96 351

MonStereo1	0.74 337	0.77 339	0.34 329	1.64 342	1.05 351	1.35 342	1.51 345	0.56 340	0.38 335	0.59 347	0.65 345	1.58 351	0.76 341	1.93 344	0.21 303	0.14 262	0.39 330	0.34 334	0.67 326	0.31 326	0.38 331	0.23 315	2.26 346	0.35 331	0.32 316	0.29 325	0.51 326	0.58 330

ACVNet_1	0.75 338	0.82 341	0.41 335	2.07 358	0.98 345	1.94 356	1.52 346	0.59 342	0.28 315	0.43 337	0.50 338	0.73 321	0.63 335	2.24 354	0.36 329	0.25 319	0.34 321	0.32 328	0.62 324	0.31 326	0.30 323	0.22 312	2.71 351	0.33 329	0.41 331	0.28 320	0.37 312	0.39 304

RainbowNet	0.78 339	0.90 342	0.47 336	1.86 353	0.92 341	1.63 348	1.48 344	0.42 330	0.37 332	0.47 342	0.34 329	0.92 337	0.62 334	2.02 347	0.65 346	0.48 342	0.35 325	0.33 332	0.92 338	0.58 343	0.33 325	0.24 319	2.80 355	0.39 336	0.40 329	0.35 330	0.44 323	0.50 320

PSMNet_ROB	0.80 340	0.99 347	0.62 348	1.64 342	0.93 343	1.51 343	1.20 339	0.57 341	0.73 345	0.74 351	0.63 344	0.86 332	0.84 343	1.52 339	0.58 340	0.42 336	0.54 342	0.41 340	0.87 337	0.62 348	0.42 339	0.31 328	1.83 343	0.48 339	0.69 348	0.37 332	0.76 344	0.47 318

WAO-6	0.83 341	0.96 344	0.61 346	1.33 337	1.06 352	1.28 340	1.42 342	0.78 351	0.87 350	0.78 352	0.70 350	0.77 325	1.02 352	1.95 345	0.81 352	0.62 352	0.55 343	0.49 344	0.80 335	0.60 344	0.57 352	0.53 352	0.50 333	0.58 350	0.85 354	0.46 341	0.77 346	0.83 348

ACVNet_2	0.84 342	0.95 343	0.58 344	2.04 356	1.03 350	1.88 355	1.56 349	0.68 346	0.39 336	0.53 343	0.49 336	1.05 341	0.68 340	1.97 346	0.53 337	0.44 339	0.40 332	0.33 332	1.06 344	0.42 336	0.35 327	0.25 320	2.54 350	0.53 344	0.61 344	0.28 320	0.53 328	0.58 330

PWCK	0.90 343	1.24 356	0.63 349	1.55 340	0.86 340	1.23 337	1.04 337	1.09 359	0.75 348	0.70 350	0.81 355	1.52 350	0.91 345	0.71 334	0.46 334	0.41 335	0.74 357	0.47 342	3.07 364	0.67 353	0.58 354	0.45 348	0.95 340	0.74 356	0.74 349	0.41 336	0.70 340	0.76 343

IMH-64-1	0.91 344	0.98 345	0.53 338	1.64 342	1.01 348	1.62 346	1.75 353	0.76 348	0.74 346	0.33 322	0.61 341	0.87 333	0.95 347	2.61 356	0.53 337	0.42 336	0.49 336	0.36 336	0.96 339	0.55 340	0.40 333	0.31 328	3.11 356	0.51 341	0.82 350	0.37 332	0.60 336	0.78 345

IMH-64	0.91 344	0.98 345	0.53 338	1.64 342	1.01 348	1.62 346	1.75 353	0.76 348	0.74 346	0.33 322	0.61 341	0.87 333	0.95 347	2.61 356	0.53 337	0.42 336	0.49 336	0.36 336	0.96 339	0.55 340	0.40 333	0.31 328	3.11 356	0.51 341	0.82 350	0.37 332	0.60 336	0.78 345

IMH	0.95 346	1.00 349	0.55 342	1.66 349	1.00 346	1.69 351	1.78 355	0.76 348	0.77 349	0.34 326	0.61 341	1.01 340	1.07 355	2.69 358	0.58 340	0.46 341	0.51 339	0.38 339	0.98 342	0.60 344	0.40 333	0.32 332	3.11 356	0.53 344	0.83 353	0.48 343	0.65 338	0.79 347

LVE	0.97 347	0.99 347	0.73 356	1.89 354	1.39 356	1.65 350	1.53 347	0.79 352	0.65 343	0.81 354	0.92 357	0.74 322	1.01 351	2.21 353	0.58 340	0.48 342	0.59 346	0.54 351	1.13 349	0.64 350	0.46 344	0.40 344	2.73 354	0.69 352	0.85 354	0.50 345	0.85 351	0.54 325

WAO-8	1.02 348	1.14 353	0.79 357	1.64 342	1.25 353	1.78 353	1.57 350	0.93 354	1.01 357	0.81 354	0.68 347	1.72 352	1.03 353	2.08 348	0.82 353	0.68 355	0.65 349	0.53 348	1.09 345	0.82 358	0.48 347	0.38 340	0.81 338	0.75 357	1.12 361	0.77 357	0.96 354	1.21 358

Venus	1.02 348	1.14 353	0.79 357	1.64 342	1.25 353	1.78 353	1.57 350	0.93 354	1.01 357	0.81 354	0.68 347	1.72 352	1.03 353	2.08 348	0.82 353	0.68 355	0.65 349	0.53 348	1.09 345	0.82 358	0.48 347	0.38 340	0.81 338	0.75 357	1.12 361	0.77 357	0.96 354	1.21 358

Dean	1.08 350	1.06 351	0.80 359	2.30 359	1.35 355	1.99 357	1.58 352	0.93 354	0.93 353	0.88 359	0.78 351	1.21 344	1.22 357	2.13 351	0.67 347	0.60 351	0.62 348	0.57 352	1.25 354	0.74 356	0.46 344	0.37 339	2.72 353	0.71 353	1.00 358	0.60 352	1.05 358	0.64 334

TorneroNet-64	1.09 351	1.03 350	0.60 345	1.99 355	0.92 341	2.06 359	2.05 356	0.63 343	0.87 350	0.58 346	0.49 336	1.90 356	1.89 362	2.91 363	0.67 347	0.51 345	0.48 335	0.47 342	1.23 352	0.61 346	0.35 327	0.38 340	3.33 359	0.57 347	0.64 346	0.52 346	0.69 339	1.15 356

TorneroNet	1.11 352	1.11 352	0.67 353	2.05 357	1.00 346	2.29 360	2.05 356	0.65 345	0.89 352	0.68 349	0.57 340	1.74 355	1.26 358	2.97 365	0.71 350	0.52 346	0.50 338	0.51 347	1.18 351	0.65 352	0.41 337	0.44 346	3.48 360	0.58 350	0.67 347	0.49 344	0.85 351	1.02 354

ktn	1.26 353	1.42 358	0.57 343	1.65 348	1.61 361	1.75 352	2.16 359	0.86 353	1.75 364	0.89 360	1.11 362	1.18 342	0.96 349	2.60 355	1.03 358	0.73 359	0.82 359	0.61 356	1.47 358	0.76 357	0.70 357	0.69 360	3.64 362	0.73 354	0.93 356	0.81 360	1.20 361	1.25 360

notaker	1.30 354	1.44 359	0.61 346	2.42 362	1.51 358	2.40 362	2.31 361	0.95 357	1.64 362	0.79 353	1.07 360	1.73 354	1.18 356	3.10 367	1.04 359	0.69 357	0.70 354	0.50 345	1.66 360	0.85 360	0.56 351	0.47 349	3.67 363	0.80 359	0.62 345	0.58 350	0.81 349	0.95 350

KSHMR	1.34 355	1.44 359	1.07 363	2.31 360	1.48 357	2.31 361	2.15 358	1.22 360	1.07 360	1.13 363	1.07 360	1.30 347	0.96 349	2.92 364	1.12 360	0.95 362	0.87 360	0.84 361	1.34 355	0.97 361	0.74 360	0.60 355	3.48 360	1.07 365	0.99 357	0.77 357	1.01 357	1.06 355

UNDER WATER-64	1.42 356	1.40 357	0.92 362	2.88 364	1.97 364	2.82 364	2.72 364	1.37 363	0.94 355	1.04 362	1.15 363	1.96 358	1.33 360	3.07 366	0.80 351	0.56 348	0.70 354	0.58 353	1.17 350	0.55 340	0.45 342	0.54 353	3.98 366	0.92 362	1.03 359	1.13 363	0.81 349	1.60 365

UNDER WATER	1.42 356	1.45 361	0.89 361	2.87 363	1.98 365	2.78 363	2.64 363	1.29 361	1.04 359	0.87 358	0.98 358	1.95 357	1.30 359	3.12 368	0.87 356	0.63 353	0.68 353	0.58 353	1.23 352	0.61 346	0.44 340	0.50 350	3.95 365	0.99 364	1.09 360	1.04 361	0.88 353	1.67 367

JetRed	1.64 358	1.79 364	1.70 365	1.59 341	1.52 359	2.02 358	2.26 360	1.52 365	1.47 361	0.82 357	0.78 351	2.67 361	0.43 324	1.78 343	1.47 363	1.56 364	1.74 362	2.93 366	1.44 357	1.10 363	2.36 364	2.20 363	1.98 344	0.98 363	1.19 364	1.77 366	1.58 365	1.56 364

HanzoNet	1.79 359	1.65 363	0.85 360	2.31 360	1.74 362	2.83 365	2.55 362	1.29 361	1.86 365	0.92 361	1.28 364	4.71 366	3.85 365	3.43 369	0.96 357	0.79 360	1.10 361	0.95 362	2.68 363	1.04 362	0.93 362	0.92 361	3.78 364	0.73 354	1.15 363	1.07 362	1.29 362	1.61 366

MADNet++	1.87 360	1.58 362	1.74 366	1.28 336	1.74 362	1.25 338	1.55 348	1.63 366	2.10 366	1.84 365	2.24 365	2.56 360	2.74 363	0.75 335	1.43 361	1.55 363	2.00 363	1.47 364	2.11 362	2.11 365	3.28 365	3.23 364	1.22 341	2.22 367	1.23 365	2.58 367	1.77 366	1.36 361

LSM0	3.23 361	0.28 314	0.18 294	0.38 308	0.30 313	0.39 317	0.37 311	0.51 336	0.32 325	0.45 338	0.47 335	0.71 319	0.59 333	0.19 288	16.94 369	59.67 375	0.37 328	0.26 318	1.34 355	0.34 332	0.45 342	0.34 337	0.23 300	0.28 318	0.38 327	0.31 327	0.53 328	0.53 323

PML	8.17 362	7.65 369	3.51 367	9.56 371	5.16 366	9.57 372	5.23 369	6.49 369	17.89 372	6.44 368	3.24 366	16.63 369	29.28 375	5.47 370	6.12 364	3.95 365	7.38 366	2.69 365	20.47 372	4.69 367	3.59 366	3.96 365	3.98 366	4.20 368	5.71 368	4.30 368	16.67 373	6.70 368

DGTPSM_ROB	8.61 363	3.65 365	8.39 368	2.97 365	5.68 367	3.37 366	4.40 367	3.70 367	9.03 367	3.00 366	6.91 367	3.52 363	10.03 366	2.69 358	10.46 365	10.76 366	3.81 364	12.88 368	4.73 365	10.21 368	5.93 367	13.78 368	4.46 368	8.55 369	10.09 371	27.91 372	11.05 371	30.64 372

DPSMNet_ROB	8.62 364	3.66 366	8.40 369	2.97 365	5.69 368	3.37 366	4.40 367	3.70 367	9.03 367	3.00 366	6.93 368	3.52 363	10.07 367	2.69 358	10.46 365	10.76 366	3.81 364	12.88 368	4.76 366	10.21 368	5.93 367	13.78 368	4.47 370	8.55 369	10.10 372	27.91 372	11.06 372	30.64 372

LRCNet_RVC	9.94 365	17.32 372	0.72 355	25.08 373	21.25 374	23.72 374	20.86 372	1.45 364	0.48 340	21.28 374	13.07 371	22.69 373	3.57 364	28.32 375	0.47 336	0.27 326	8.45 367	1.25 363	23.54 373	4.04 366	0.47 346	0.33 333	26.91 373	1.58 366	0.35 323	0.22 287	0.43 322	0.38 300

DLNR_Zeroshot_test	10.02 366	31.66 376	0.05 98	54.25 376	0.10 190	0.18 255	50.40 376	0.19 225	0.08 128	0.27 281	0.07 96	0.20 216	0.04 71	0.14 264	60.23 375	70.55 376	0.34 321	0.18 287	0.26 275	0.11 196	0.20 235	0.08 110	0.07 169	0.09 206	0.19 235	0.15 192	0.20 243	0.25 260

DPSM_ROB	12.93 367	6.06 367	9.07 370	4.34 367	6.33 369	4.24 368	3.55 365	8.20 370	10.79 369	6.62 369	7.89 369	9.68 367	12.99 369	2.78 361	12.36 367	13.66 368	8.95 368	16.55 371	9.69 367	12.30 370	16.52 371	17.76 371	2.26 346	10.59 371	28.41 373	36.73 374	31.10 374	39.69 374

DPSM	12.93 367	6.06 367	9.07 370	4.34 367	6.33 369	4.24 368	3.55 365	8.20 370	10.79 369	6.62 369	7.89 369	9.68 367	12.99 369	2.78 361	12.36 367	13.66 368	8.95 368	16.55 371	9.69 367	12.30 370	16.52 371	17.76 371	2.26 346	10.59 371	28.41 373	36.73 374	31.10 374	39.69 374

HaxPig	16.12 369	19.70 373	18.82 374	21.25 372	20.53 373	21.35 373	22.27 373	17.00 374	14.68 371	19.29 373	17.18 374	18.07 370	12.18 368	22.52 373	17.87 370	14.95 370	17.87 372	9.54 367	18.95 369	15.62 372	9.98 369	7.75 366	23.74 372	15.32 373	4.46 367	12.22 371	6.85 368	15.21 371

MEDIAN_ROB	20.51 370	25.88 374	24.09 375	26.47 374	25.52 375	25.87 375	26.98 374	21.19 375	19.61 373	28.55 375	22.12 375	24.85 374	16.74 371	26.52 374	23.53 371	18.59 371	22.10 373	14.86 370	26.41 374	23.30 373	15.47 370	11.96 367	27.64 374	18.47 374	7.32 369	9.55 370	8.34 370	11.88 370

AVERAGE_ROB	24.46 371	29.85 375	27.17 376	31.26 375	29.68 376	30.01 376	31.43 375	26.55 376	24.57 376	34.19 376	27.26 376	31.45 375	21.40 372	30.75 376	28.23 374	24.11 372	26.75 374	21.47 373	30.01 375	27.38 376	20.81 373	16.76 370	32.29 375	24.48 377	8.40 370	7.77 369	7.95 369	8.54 369

CasAABBNet	25.99 372	12.23 371	18.16 372	8.64 369	12.70 372	8.22 370	7.18 370	16.43 372	21.85 374	13.64 372	15.80 372	19.61 372	26.12 373	5.47 370	25.18 373	27.55 374	17.67 370	33.30 374	19.65 371	24.62 374	33.10 374	35.23 373	4.49 371	21.39 376	57.22 375	74.08 376	62.47 376	79.73 376

FlowAnything	26.05 373	11.98 370	18.33 373	8.70 370	12.62 371	8.34 371	7.20 371	16.56 373	21.86 375	13.57 371	16.00 373	19.55 371	26.21 374	5.55 372	24.94 372	27.47 373	17.85 371	33.34 375	19.39 370	24.73 375	33.38 375	35.79 374	4.46 368	21.36 375	57.29 376	74.31 377	62.56 377	79.87 377

GS-Stereo																							0.01 4	0.03 32	0.04 15	0.04 15	0.04 35	0.03 13

FSD		0.25 304	0.25 314	0.27 297	0.25 300	0.25 293	0.33 309	0.30 300	0.18 268	0.21 169	0.18 264			0.29 311	0.24 313	0.26 322			0.28 283	0.21 299				0.28 318	0.27 297	0.24 294	0.27 287	0.27 269

STTRV1_RVC		0.26 308	0.22 312	0.35 302	0.28 307	0.32 305	0.29 307	0.36 317	0.33 327	0.27 281	0.27 314	0.42 292	0.41 323	0.48 326		0.19 313	0.59 346	0.20 298		0.30 324	0.59 356			0.43 337	0.26 294	0.56 348	0.34 305	0.67 337

DPSimNet_ROB		1.23 355	1.31 364	1.49 339	1.60 360	1.34 341	1.37 341	0.68 346	1.70 363	1.68 364	1.03 359	1.48 349	0.82 342	2.08 348	1.45 362	0.92 361		0.81 360	1.64 359	1.41 364	1.08 363	1.28 362	0.79 337	0.87 361		1.26 364	1.18 360	1.16 357

Low-res two-view benchmark