Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

DF_test	0.07 6	0.05 35	0.08 40	0.14 66	0.08 230	0.04 1	0.13 190	0.09 24	0.11 114	0.07 76	0.08 132	0.06 42	0.07 178	0.06 1	0.08 26	0.06 170	0.05 253	0.05 53	0.05 202	0.05 167	0.04 53

LG-Stereo_Zeroshot	0.07 6	0.06 114	0.10 180	0.16 219	0.07 133	0.04 1	0.13 190	0.10 34	0.10 79	0.05 2	0.11 263	0.07 131	0.05 18	0.07 6	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

IGEV-Stereo+	0.07 6	0.04 1	0.08 40	0.15 123	0.06 31	0.04 1	0.09 25	0.10 34	0.09 54	0.06 24	0.06 21	0.06 42	0.06 71	0.06 1	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.06 300	0.06 312

anonymous	0.08 82	0.05 35	0.12 303	0.16 219	0.08 230	0.05 4	0.12 114	0.11 63	0.14 231	0.07 76	0.07 61	0.06 42	0.04 1	0.07 6	0.09 99	0.05 49	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

derf	0.07 6	0.05 35	0.10 180	0.14 66	0.06 31	0.05 4	0.12 114	0.12 90	0.09 54	0.05 2	0.07 61	0.07 131	0.08 237	0.10 120	0.09 99	0.06 170	0.05 253	0.04 1	0.03 1	0.04 46	0.05 196

qqai	0.07 6	0.05 35	0.10 180	0.14 66	0.06 31	0.05 4	0.12 114	0.08 13	0.09 54	0.05 2	0.07 61	0.06 42	0.08 237	0.10 120	0.09 99	0.06 170	0.05 253	0.05 53	0.03 1	0.04 46	0.05 196

DispViT+	0.08 82	0.05 35	0.10 180	0.13 18	0.06 31	0.05 4	0.11 75	0.18 306	0.16 296	0.09 189	0.08 132	0.07 131	0.06 71	0.11 202	0.09 99	0.06 170	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

MatchStereo	0.07 6	0.04 1	0.08 40	0.14 66	0.06 31	0.05 4	0.12 114	0.12 90	0.09 54	0.07 76	0.07 61	0.04 1	0.04 1	0.09 61	0.09 99	0.06 170	0.05 253	0.05 53	0.03 1	0.04 46	0.05 196
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
DDF-Stereo	0.08 82	0.05 35	0.10 180	0.15 123	0.10 478	0.05 4	0.13 190	0.09 24	0.14 231	0.06 24	0.06 21	0.07 131	0.06 71	0.09 61	0.10 200	0.06 170	0.04 24	0.06 204	0.04 59	0.08 463	0.05 196

zero-FE	0.08 82	0.05 35	0.10 180	0.15 123	0.10 478	0.05 4	0.13 190	0.09 24	0.14 231	0.07 76	0.06 21	0.07 131	0.06 71	0.09 61	0.10 200	0.06 170	0.04 24	0.06 204	0.04 59	0.08 463	0.05 196

111111	0.07 6	0.05 35	0.10 180	0.17 307	0.06 31	0.05 4	0.10 40	0.11 63	0.10 79	0.06 24	0.06 21	0.07 131	0.05 18	0.08 26	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.07 390	0.06 312

dual_stereo	0.07 6	0.05 35	0.08 40	0.15 123	0.05 2	0.05 4	0.13 190	0.12 90	0.08 25	0.07 76	0.06 21	0.05 4	0.05 18	0.07 6	0.09 99	0.06 170	0.04 24	0.05 53	0.03 1	0.04 46	0.04 53

IGEV-Stereo++	0.07 6	0.06 114	0.08 40	0.18 400	0.06 31	0.05 4	0.10 40	0.11 63	0.11 114	0.06 24	0.07 61	0.07 131	0.06 71	0.09 61	0.09 99	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

PFNet+	0.12 392	0.06 114	0.14 399	0.16 219	0.09 359	0.05 4	0.12 114	0.18 306	0.21 424	0.16 444	0.19 424	0.14 387	0.10 319	0.11 202	0.11 287	0.08 442	0.05 253	0.09 511	0.08 486	0.06 300	0.11 586

small-0shot	0.07 6	0.05 35	0.09 117	0.14 66	0.07 133	0.06 15	0.13 190	0.09 24	0.08 25	0.05 2	0.10 209	0.06 42	0.06 71	0.06 1	0.10 200	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

DNS	0.09 176	0.06 114	0.08 40	0.14 66	0.06 31	0.06 15	0.12 114	0.12 90	0.09 54	0.08 136	0.08 132	0.08 192	0.05 18	0.17 493	0.12 365	0.07 358	0.05 253	0.07 324	0.03 1	0.14 639	0.10 559

mm2	0.07 6	0.04 1	0.10 180	0.13 18	0.06 31	0.06 15	0.13 190	0.13 123	0.08 25	0.06 24	0.07 61	0.06 42	0.09 279	0.10 120	0.09 99	0.06 170	0.05 253	0.04 1	0.03 1	0.04 46	0.05 196

mm1	0.07 6	0.04 1	0.10 180	0.13 18	0.06 31	0.06 15	0.13 190	0.06 1	0.08 25	0.06 24	0.07 61	0.06 42	0.09 279	0.10 120	0.09 99	0.06 170	0.05 253	0.04 1	0.03 1	0.04 46	0.05 196

GCAP-Stereo-DPT-50K	0.08 82	0.07 224	0.18 539	0.16 219	0.06 31	0.06 15	0.13 190	0.13 123	0.13 201	0.07 76	0.07 61	0.06 42	0.05 18	0.08 26	0.08 26	0.04 6	0.04 24	0.05 53	0.04 59	0.03 1	0.03 1

GCAP-Stereo-DPT-25K	0.08 82	0.06 114	0.08 40	0.16 219	0.06 31	0.06 15	0.14 267	0.14 157	0.15 260	0.07 76	0.10 209	0.06 42	0.05 18	0.09 61	0.09 99	0.04 6	0.04 24	0.05 53	0.04 59	0.03 1	0.03 1

PSi22a	0.06 1	0.04 1	0.09 117	0.12 7	0.05 2	0.06 15	0.11 75	0.06 1	0.06 8	0.06 24	0.06 21	0.06 42	0.05 18	0.08 26	0.09 99	0.07 358	0.04 24	0.04 1	0.03 1	0.04 46	0.04 53

Foundation-i32	0.06 1	0.04 1	0.09 117	0.13 18	0.04 1	0.06 15	0.12 114	0.06 1	0.05 3	0.06 24	0.05 7	0.05 4	0.05 18	0.07 6	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

DLNR-FE	10.51 753	2.29 737	19.85 767	120.28 775	13.21 758	0.06 15	0.13 190	0.24 456	0.10 79	0.08 136	0.10 209	0.09 239	0.07 178	0.10 120	0.09 99	0.13 628	0.04 24	0.06 204	0.04 59	53.18 777	0.04 53

Monster-pub-mixall	0.07 6	0.04 1	0.09 117	0.13 18	0.06 31	0.06 15	0.08 9	0.12 90	0.07 18	0.06 24	0.06 21	0.05 4	0.06 71	0.09 61	0.09 99	0.06 170	0.04 24	0.04 1	0.03 1	0.05 167	0.05 196

asda	0.07 6	0.08 365	0.08 40	0.16 219	0.07 133	0.06 15	0.10 40	0.16 236	0.11 114	0.06 24	0.06 21	0.05 4	0.06 71	0.10 120	0.10 200	0.03 1	0.03 1	0.04 1	0.03 1	0.04 46	0.03 1

StereoAnything_RVC	0.07 6	0.16 625	0.17 505	0.11 1	0.05 2	0.06 15	0.11 75	0.08 13	0.08 25	0.06 24	0.06 21	0.05 4	0.05 18	0.09 61	0.08 26	0.08 442	0.04 24	0.05 53	0.03 1	0.05 167	0.04 53

DLNR_Zeroshot_test	10.48 752	2.27 736	19.78 766	120.28 775	13.29 759	0.06 15	0.13 190	0.24 456	0.10 79	0.08 136	0.10 209	0.09 239	0.07 178	0.10 120	0.09 99	0.13 628	0.04 24	0.06 204	0.04 59	52.68 776	0.04 53

DisPM	0.11 305	0.07 224	0.13 351	0.16 219	0.09 359	0.06 15	0.13 190	0.18 306	0.17 333	0.14 389	0.19 424	0.12 334	0.10 319	0.12 299	0.11 287	0.07 358	0.05 253	0.07 324	0.06 297	0.06 300	0.11 586

Patchmatch Stereo++	0.11 305	0.09 450	0.17 505	0.19 479	0.08 230	0.06 15	0.11 75	0.17 274	0.13 201	0.15 414	0.16 359	0.14 387	0.12 397	0.11 202	0.11 287	0.06 170	0.05 253	0.08 420	0.06 297	0.08 463	0.07 403
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.11 305	0.09 450	0.17 505	0.19 479	0.08 230	0.06 15	0.12 114	0.17 274	0.13 201	0.15 414	0.16 359	0.14 387	0.12 397	0.11 202	0.11 287	0.06 170	0.05 253	0.08 420	0.06 297	0.08 463	0.07 403

ROB_FTStereo_v2	0.11 305	0.09 450	0.17 505	0.19 479	0.08 230	0.06 15	0.12 114	0.17 274	0.13 201	0.15 414	0.16 359	0.14 387	0.12 397	0.11 202	0.11 287	0.06 170	0.05 253	0.08 420	0.06 297	0.08 463	0.07 403

ROB_FTStereo	0.11 305	0.09 450	0.17 505	0.19 479	0.08 230	0.06 15	0.11 75	0.17 274	0.13 201	0.15 414	0.16 359	0.14 387	0.12 397	0.11 202	0.11 287	0.06 170	0.05 253	0.08 420	0.06 297	0.08 463	0.07 403

HUI-Stereo	0.11 305	0.09 450	0.17 505	0.19 479	0.08 230	0.06 15	0.11 75	0.17 274	0.13 201	0.15 414	0.16 359	0.14 387	0.12 397	0.11 202	0.11 287	0.06 170	0.05 253	0.08 420	0.06 297	0.08 463	0.07 403

SST-Stereo	0.11 305	0.07 224	0.16 480	0.18 400	0.09 359	0.06 15	0.12 114	0.18 306	0.10 79	0.15 414	0.18 408	0.13 366	0.12 397	0.10 120	0.11 287	0.06 170	0.04 24	0.09 511	0.06 297	0.07 390	0.06 312

RAFT_R40	0.11 305	0.07 224	0.15 436	0.18 400	0.09 359	0.06 15	0.13 190	0.17 274	0.15 260	0.14 389	0.18 408	0.15 413	0.12 397	0.10 120	0.11 287	0.06 170	0.04 24	0.09 511	0.06 297	0.06 300	0.05 196

Pruner-Stereo	0.11 305	0.07 224	0.12 303	0.17 307	0.09 359	0.06 15	0.12 114	0.18 306	0.17 333	0.14 389	0.19 424	0.13 366	0.10 319	0.11 202	0.11 287	0.06 170	0.04 24	0.07 324	0.06 297	0.06 300	0.08 478

iGMRVC	0.11 305	0.09 450	0.17 505	0.19 479	0.08 230	0.06 15	0.12 114	0.17 274	0.13 201	0.15 414	0.16 359	0.14 387	0.12 397	0.11 202	0.11 287	0.06 170	0.05 253	0.08 420	0.06 297	0.08 463	0.07 403

iRAFT	0.11 305	0.09 450	0.17 505	0.19 479	0.08 230	0.06 15	0.11 75	0.17 274	0.13 201	0.15 414	0.16 359	0.14 387	0.12 397	0.11 202	0.11 287	0.06 170	0.05 253	0.08 420	0.06 297	0.08 463	0.07 403

RAFT-IKP	0.11 305	0.09 450	0.17 505	0.19 479	0.08 230	0.06 15	0.11 75	0.17 274	0.13 201	0.15 414	0.16 359	0.14 387	0.12 397	0.11 202	0.11 287	0.06 170	0.05 253	0.08 420	0.06 297	0.08 463	0.07 403

GELT-Stereo	0.09 176	0.06 114	0.10 180	0.18 400	0.07 133	0.07 40	0.15 357	0.21 381	0.17 333	0.08 136	0.07 61	0.06 42	0.08 237	0.10 120	0.07 1	0.04 6	0.04 24	0.06 204	0.06 297	0.04 46	0.03 1

FAST (zero-shot)	0.09 176	0.06 114	0.11 250	0.19 479	0.13 597	0.07 40	0.13 190	0.13 123	0.08 25	0.08 136	0.07 61	0.08 192	0.07 178	0.10 120	0.10 200	0.07 358	0.06 438	0.06 204	0.07 403	0.05 167	0.08 478

DNSM	0.09 176	0.05 35	0.08 40	0.14 66	0.06 31	0.07 40	0.12 114	0.12 90	0.11 114	0.09 189	0.09 173	0.08 192	0.05 18	0.19 539	0.15 488	0.07 358	0.05 253	0.05 53	0.04 59	0.14 639	0.12 607

VeloStereo	0.09 176	0.04 1	0.12 303	0.14 66	0.11 537	0.07 40	0.06 1	0.08 13	0.06 8	0.09 189	0.07 61	0.06 42	0.08 237	0.11 202	0.10 200	0.08 442	0.08 549	0.08 420	0.07 403	0.11 586	0.13 624

flow	0.09 176	0.04 1	0.12 303	0.14 66	0.11 537	0.07 40	0.06 1	0.08 13	0.06 8	0.09 189	0.07 61	0.06 42	0.08 237	0.12 299	0.10 200	0.08 442	0.08 549	0.08 420	0.07 403	0.11 586	0.13 624

LGCAT	0.08 82	0.04 1	0.10 180	0.11 1	0.06 31	0.07 40	0.13 190	0.07 7	0.08 25	0.09 189	0.07 61	0.07 131	0.08 237	0.12 299	0.11 287	0.10 548	0.09 585	0.04 1	0.05 202	0.04 46	0.09 527

CAR	0.07 6	0.05 35	0.09 117	0.14 66	0.06 31	0.07 40	0.08 9	0.12 90	0.08 25	0.05 2	0.06 21	0.05 4	0.05 18	0.10 120	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

MSE-Stereo	0.07 6	0.04 1	0.09 117	0.13 18	0.06 31	0.07 40	0.08 9	0.12 90	0.08 25	0.05 2	0.06 21	0.05 4	0.05 18	0.10 120	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

aanet-new-90k	0.08 82	0.07 224	0.09 117	0.19 479	0.06 31	0.07 40	0.12 114	0.13 123	0.13 201	0.06 24	0.07 61	0.06 42	0.07 178	0.11 202	0.07 1	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.03 1

aanet-new-60k	0.08 82	0.07 224	0.08 40	0.18 400	0.06 31	0.07 40	0.10 40	0.09 24	0.14 231	0.07 76	0.07 61	0.06 42	0.07 178	0.11 202	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.04 46	0.03 1

aanet-new-78k	0.08 82	0.07 224	0.09 117	0.19 479	0.06 31	0.07 40	0.12 114	0.11 63	0.13 201	0.06 24	0.07 61	0.06 42	0.06 71	0.10 120	0.07 1	0.04 6	0.04 24	0.05 53	0.04 59	0.05 167	0.03 1

aanet-new-24k	0.08 82	0.08 365	0.08 40	0.17 307	0.06 31	0.07 40	0.12 114	0.10 34	0.11 114	0.09 189	0.09 173	0.06 42	0.07 178	0.09 61	0.07 1	0.04 6	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

aanet-new-16k	0.08 82	0.08 365	0.08 40	0.18 400	0.06 31	0.07 40	0.10 40	0.13 123	0.13 201	0.08 136	0.07 61	0.07 131	0.06 71	0.09 61	0.08 26	0.04 6	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

aanet-new-14k	0.08 82	0.09 450	0.08 40	0.19 479	0.07 133	0.07 40	0.10 40	0.14 157	0.15 260	0.06 24	0.08 132	0.05 4	0.06 71	0.10 120	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

GCAP-Stereo-DPT-22K	0.08 82	0.06 114	0.08 40	0.17 307	0.06 31	0.07 40	0.14 267	0.13 123	0.16 296	0.05 2	0.10 209	0.06 42	0.06 71	0.08 26	0.08 26	0.04 6	0.04 24	0.05 53	0.04 59	0.03 1	0.04 53

GCAP-Stereo-DPT-20K	0.07 6	0.05 35	0.11 250	0.15 123	0.06 31	0.07 40	0.12 114	0.10 34	0.11 114	0.07 76	0.08 132	0.06 42	0.05 18	0.09 61	0.07 1	0.05 49	0.05 253	0.05 53	0.04 59	0.03 1	0.04 53

BLMT-Stereo	0.07 6	0.04 1	0.08 40	0.15 123	0.07 133	0.07 40	0.14 267	0.07 7	0.10 79	0.05 2	0.05 7	0.04 1	0.06 71	0.07 6	0.09 99	0.04 6	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

BridgeDepth	0.07 6	0.07 224	0.08 40	0.18 400	0.06 31	0.07 40	0.11 75	0.10 34	0.06 8	0.04 1	0.07 61	0.10 274	0.09 279	0.08 26	0.08 26	0.04 6	0.03 1	0.04 1	0.04 59	0.03 1	0.03 1
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Wavelet-MonSter	0.07 6	0.05 35	0.07 10	0.16 219	0.06 31	0.07 40	0.11 75	0.10 34	0.08 25	0.06 24	0.07 61	0.07 131	0.07 178	0.09 61	0.09 99	0.04 6	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

MSCF	0.08 82	0.05 35	0.09 117	0.19 479	0.08 230	0.07 40	0.12 114	0.14 157	0.11 114	0.10 239	0.09 173	0.07 131	0.04 1	0.11 202	0.08 26	0.06 170	0.05 253	0.05 53	0.04 59	0.05 167	0.05 196

qwe	0.08 82	0.08 365	0.07 10	0.15 123	0.06 31	0.07 40	0.10 40	0.18 306	0.12 157	0.07 76	0.07 61	0.06 42	0.06 71	0.10 120	0.09 99	0.04 6	0.03 1	0.04 1	0.04 59	0.04 46	0.03 1

4.5_new	0.07 6	0.09 450	0.08 40	0.15 123	0.07 133	0.07 40	0.10 40	0.14 157	0.11 114	0.06 24	0.08 132	0.06 42	0.06 71	0.08 26	0.10 200	0.03 1	0.03 1	0.04 1	0.04 59	0.04 46	0.03 1

4.5w-stereo	0.07 6	0.09 450	0.08 40	0.15 123	0.07 133	0.07 40	0.10 40	0.14 157	0.11 114	0.06 24	0.08 132	0.06 42	0.06 71	0.08 26	0.10 200	0.03 1	0.03 1	0.04 1	0.04 59	0.04 46	0.03 1

4w-stereo	0.07 6	0.08 365	0.08 40	0.16 219	0.07 133	0.07 40	0.08 9	0.11 63	0.09 54	0.07 76	0.07 61	0.05 4	0.06 71	0.09 61	0.10 200	0.03 1	0.03 1	0.04 1	0.04 59	0.04 46	0.03 1

3.75w	0.07 6	0.07 224	0.08 40	0.16 219	0.07 133	0.07 40	0.09 25	0.16 236	0.10 79	0.07 76	0.06 21	0.06 42	0.06 71	0.09 61	0.10 200	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

1w_stereo	0.08 82	0.06 114	0.07 10	0.16 219	0.06 31	0.07 40	0.10 40	0.14 157	0.15 260	0.07 76	0.08 132	0.05 4	0.06 71	0.10 120	0.09 99	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 53

LG-Stereo_L2	0.07 6	0.05 35	0.10 180	0.14 66	0.06 31	0.07 40	0.12 114	0.09 24	0.10 79	0.06 24	0.04 1	0.05 4	0.05 18	0.08 26	0.08 26	0.05 49	0.04 24	0.05 53	0.03 1	0.04 46	0.03 1

LG-Stereo_L1	0.07 6	0.05 35	0.11 250	0.14 66	0.06 31	0.07 40	0.12 114	0.09 24	0.08 25	0.05 2	0.04 1	0.05 4	0.04 1	0.08 26	0.08 26	0.05 49	0.04 24	0.05 53	0.03 1	0.04 46	0.04 53

MLG-Stereo_test3	0.07 6	0.05 35	0.10 180	0.15 123	0.06 31	0.07 40	0.10 40	0.08 13	0.06 8	0.06 24	0.04 1	0.06 42	0.06 71	0.08 26	0.10 200	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.06 312

MLG-Stereo_test2	0.07 6	0.04 1	0.10 180	0.15 123	0.06 31	0.07 40	0.11 75	0.09 24	0.04 2	0.06 24	0.05 7	0.06 42	0.04 1	0.08 26	0.09 99	0.06 170	0.04 24	0.05 53	0.03 1	0.05 167	0.05 196

MLG-Stereo_test1	0.06 1	0.05 35	0.08 40	0.17 307	0.05 2	0.07 40	0.11 75	0.09 24	0.03 1	0.05 2	0.04 1	0.06 42	0.05 18	0.09 61	0.09 99	0.05 49	0.04 24	0.05 53	0.03 1	0.04 46	0.05 196

MLG-Stereo	0.07 6	0.05 35	0.09 117	0.17 307	0.05 2	0.07 40	0.11 75	0.08 13	0.05 3	0.05 2	0.04 1	0.06 42	0.05 18	0.10 120	0.09 99	0.05 49	0.04 24	0.05 53	0.03 1	0.04 46	0.05 196

LGtest1	0.07 6	0.05 35	0.11 250	0.15 123	0.06 31	0.07 40	0.09 25	0.08 13	0.06 8	0.06 24	0.04 1	0.06 42	0.07 178	0.10 120	0.09 99	0.07 358	0.04 24	0.05 53	0.04 59	0.06 300	0.06 312

GREAT-IGEV	0.07 6	0.06 114	0.09 117	0.13 18	0.07 133	0.07 40	0.14 267	0.10 34	0.09 54	0.06 24	0.08 132	0.06 42	0.05 18	0.10 120	0.07 1	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
AIO_test	0.07 6	0.06 114	0.07 10	0.15 123	0.07 133	0.07 40	0.14 267	0.10 34	0.10 79	0.07 76	0.07 61	0.06 42	0.05 18	0.08 26	0.10 200	0.05 49	0.04 24	0.05 53	0.04 59	0.04 46	0.03 1

rvit_stereo_0080	0.10 257	0.08 365	0.15 436	0.15 123	0.10 478	0.07 40	0.15 357	0.16 236	0.16 296	0.11 282	0.10 209	0.15 413	0.09 279	0.12 299	0.10 200	0.09 504	0.07 513	0.07 324	0.06 297	0.07 390	0.05 196

GCAPDPT-zeroshot4090	0.07 6	0.05 35	0.11 250	0.15 123	0.06 31	0.07 40	0.12 114	0.10 34	0.11 114	0.07 76	0.08 132	0.06 42	0.05 18	0.09 61	0.07 1	0.05 49	0.05 253	0.05 53	0.04 59	0.03 1	0.04 53

whm_eth	0.10 257	0.08 365	0.15 436	0.15 123	0.10 478	0.07 40	0.15 357	0.16 236	0.16 296	0.11 282	0.10 209	0.15 413	0.09 279	0.12 299	0.10 200	0.09 504	0.07 513	0.07 324	0.06 297	0.07 390	0.05 196

MIM_Stereo	0.10 257	0.07 224	0.11 250	0.15 123	0.07 133	0.07 40	0.12 114	0.20 359	0.14 231	0.13 358	0.14 325	0.09 239	0.05 18	0.12 299	0.08 26	0.05 49	0.06 438	0.07 324	0.06 297	0.06 300	0.05 196

CASnet	0.09 176	0.09 450	0.09 117	0.19 479	0.06 31	0.07 40	0.11 75	0.18 306	0.14 231	0.11 282	0.10 209	0.09 239	0.07 178	0.10 120	0.10 200	0.06 170	0.04 24	0.10 560	0.08 486	0.06 300	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
test-3	0.09 176	0.06 114	0.10 180	0.18 400	0.07 133	0.07 40	0.14 267	0.12 90	0.16 296	0.10 239	0.08 132	0.08 192	0.08 237	0.11 202	0.10 200	0.05 49	0.04 24	0.07 324	0.05 202	0.04 46	0.04 53

test_1	0.09 176	0.06 114	0.10 180	0.18 400	0.07 133	0.07 40	0.14 267	0.12 90	0.16 296	0.10 239	0.08 132	0.08 192	0.08 237	0.11 202	0.10 200	0.05 49	0.04 24	0.07 324	0.05 202	0.04 46	0.04 53

HHNet	0.11 305	0.06 114	0.16 480	0.15 123	0.14 617	0.07 40	0.13 190	0.20 359	0.18 354	0.15 414	0.25 515	0.11 308	0.09 279	0.13 362	0.10 200	0.06 170	0.04 24	0.08 420	0.06 297	0.05 167	0.09 527

FTStereo	0.12 392	0.07 224	0.14 399	0.18 400	0.09 359	0.07 40	0.15 357	0.22 408	0.18 354	0.12 322	0.24 488	0.11 308	0.13 433	0.13 362	0.14 450	0.05 49	0.05 253	0.07 324	0.07 403	0.06 300	0.10 559

IRAFT_RVC	0.12 392	0.08 365	0.17 505	0.19 479	0.08 230	0.07 40	0.14 267	0.25 479	0.23 456	0.14 389	0.15 342	0.15 413	0.12 397	0.12 299	0.11 287	0.06 170	0.04 24	0.09 511	0.06 297	0.06 300	0.06 312

GREATEN-IGEV_RVC	0.09 176	0.08 365	0.08 40	0.21 585	0.09 359	0.08 85	0.11 75	0.10 34	0.09 54	0.07 76	0.11 263	0.05 4	0.06 71	0.14 401	0.11 287	0.05 49	0.06 438	0.07 324	0.06 297	0.05 167	0.05 196

over v1	0.07 6	0.07 224	0.07 10	0.18 400	0.05 2	0.08 85	0.08 9	0.10 34	0.05 3	0.06 24	0.06 21	0.07 131	0.10 319	0.11 202	0.08 26	0.05 49	0.04 24	0.04 1	0.03 1	0.05 167	0.05 196

over-8	0.07 6	0.07 224	0.07 10	0.18 400	0.05 2	0.08 85	0.08 9	0.13 123	0.05 3	0.06 24	0.05 7	0.07 131	0.09 279	0.11 202	0.08 26	0.06 170	0.04 24	0.04 1	0.03 1	0.05 167	0.05 196

over-9	0.07 6	0.07 224	0.07 10	0.18 400	0.05 2	0.08 85	0.08 9	0.13 123	0.06 8	0.06 24	0.05 7	0.07 131	0.09 279	0.11 202	0.08 26	0.06 170	0.04 24	0.04 1	0.03 1	0.05 167	0.05 196

depth_test_26	0.08 82	0.04 1	0.12 303	0.13 18	0.07 133	0.08 85	0.10 40	0.12 90	0.11 114	0.09 189	0.07 61	0.08 192	0.05 18	0.09 61	0.08 26	0.08 442	0.06 438	0.06 204	0.06 297	0.06 300	0.07 403

MGA	0.07 6	0.04 1	0.11 250	0.13 18	0.06 31	0.08 85	0.09 25	0.12 90	0.08 25	0.05 2	0.06 21	0.06 42	0.05 18	0.10 120	0.09 99	0.06 170	0.04 24	0.05 53	0.03 1	0.05 167	0.05 196

monster-pro	0.07 6	0.06 114	0.06 1	0.15 123	0.05 2	0.08 85	0.10 40	0.15 197	0.15 260	0.05 2	0.06 21	0.05 4	0.06 71	0.07 6	0.09 99	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

LiteMatch*	0.08 82	0.04 1	0.12 303	0.13 18	0.08 230	0.08 85	0.13 190	0.14 157	0.09 54	0.05 2	0.05 7	0.05 4	0.09 279	0.11 202	0.10 200	0.06 170	0.05 253	0.05 53	0.04 59	0.05 167	0.06 312

aanet-new-70k	0.07 6	0.06 114	0.09 117	0.17 307	0.06 31	0.08 85	0.12 114	0.11 63	0.10 79	0.07 76	0.07 61	0.07 131	0.06 71	0.10 120	0.07 1	0.04 6	0.04 24	0.05 53	0.04 59	0.04 46	0.03 1

aanet-new-40k	0.07 6	0.08 365	0.08 40	0.17 307	0.07 133	0.08 85	0.13 190	0.10 34	0.10 79	0.07 76	0.09 173	0.06 42	0.05 18	0.08 26	0.07 1	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

aanet-new-34k	0.08 82	0.06 114	0.09 117	0.17 307	0.05 2	0.08 85	0.13 190	0.12 90	0.13 201	0.09 189	0.08 132	0.07 131	0.05 18	0.10 120	0.09 99	0.04 6	0.04 24	0.05 53	0.04 59	0.03 1	0.03 1

aanet-32k-new	0.08 82	0.07 224	0.08 40	0.19 479	0.06 31	0.08 85	0.12 114	0.11 63	0.13 201	0.07 76	0.08 132	0.05 4	0.07 178	0.10 120	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.06 300	0.04 53

aanet-new-28k	0.08 82	0.07 224	0.09 117	0.18 400	0.06 31	0.08 85	0.12 114	0.10 34	0.09 54	0.09 189	0.08 132	0.08 192	0.06 71	0.12 299	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

GCAP-Stereo-DPT26K	0.07 6	0.07 224	0.07 10	0.16 219	0.06 31	0.08 85	0.12 114	0.10 34	0.09 54	0.06 24	0.09 173	0.06 42	0.05 18	0.09 61	0.08 26	0.04 6	0.04 24	0.05 53	0.04 59	0.03 1	0.04 53

aanet-new-22k	0.08 82	0.06 114	0.10 180	0.18 400	0.06 31	0.08 85	0.11 75	0.14 157	0.12 157	0.09 189	0.09 173	0.08 192	0.06 71	0.10 120	0.08 26	0.04 6	0.05 253	0.05 53	0.04 59	0.03 1	0.04 53

aanet-new-10k	0.08 82	0.08 365	0.08 40	0.19 479	0.07 133	0.08 85	0.13 190	0.15 197	0.12 157	0.07 76	0.08 132	0.07 131	0.07 178	0.09 61	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

aanet-new-12k	0.08 82	0.10 519	0.07 10	0.20 546	0.08 230	0.08 85	0.12 114	0.12 90	0.14 231	0.08 136	0.08 132	0.05 4	0.07 178	0.09 61	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.06 300	0.04 53

GCAP-Stereo-DPT-36K	0.08 82	0.06 114	0.16 480	0.15 123	0.06 31	0.08 85	0.12 114	0.13 123	0.11 114	0.07 76	0.08 132	0.07 131	0.06 71	0.09 61	0.08 26	0.05 49	0.05 253	0.05 53	0.04 59	0.04 46	0.04 53

PipStereo	0.07 6	0.04 1	0.09 117	0.13 18	0.05 2	0.08 85	0.10 40	0.06 1	0.07 18	0.06 24	0.05 7	0.09 239	0.05 18	0.08 26	0.09 99	0.06 170	0.04 24	0.04 1	0.03 1	0.05 167	0.05 196

PSi22b	0.06 1	0.04 1	0.09 117	0.13 18	0.05 2	0.08 85	0.10 40	0.06 1	0.06 8	0.06 24	0.06 21	0.08 192	0.05 18	0.08 26	0.09 99	0.06 170	0.04 24	0.04 1	0.03 1	0.04 46	0.05 196

PSi22	0.08 82	0.06 114	0.11 250	0.16 219	0.07 133	0.08 85	0.10 40	0.14 157	0.08 25	0.08 136	0.07 61	0.10 274	0.06 71	0.12 299	0.10 200	0.05 49	0.04 24	0.04 1	0.04 59	0.04 46	0.04 53

DepthFocus	0.08 82	0.04 1	0.15 436	0.13 18	0.09 359	0.08 85	0.12 114	0.10 34	0.05 3	0.09 189	0.06 21	0.07 131	0.04 1	0.08 26	0.08 26	0.06 170	0.05 253	0.07 324	0.07 403	0.05 167	0.04 53

Selective-IGEV-i32	0.07 6	0.06 114	0.09 117	0.17 307	0.06 31	0.08 85	0.12 114	0.13 123	0.08 25	0.08 136	0.07 61	0.06 42	0.04 1	0.10 120	0.09 99	0.05 49	0.04 24	0.05 53	0.04 59	0.04 46	0.03 1

Pro-Stereo	0.07 6	0.05 35	0.08 40	0.15 123	0.08 230	0.08 85	0.12 114	0.07 7	0.08 25	0.06 24	0.06 21	0.05 4	0.05 18	0.09 61	0.08 26	0.05 49	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

BStereo	0.08 82	0.06 114	0.17 505	0.15 123	0.08 230	0.08 85	0.09 25	0.15 197	0.16 296	0.06 24	0.07 61	0.07 131	0.05 18	0.09 61	0.11 287	0.04 6	0.05 253	0.05 53	0.07 403	0.04 46	0.05 196

GEAStereo	0.08 82	0.06 114	0.09 117	0.13 18	0.08 230	0.08 85	0.14 267	0.10 34	0.10 79	0.08 136	0.10 209	0.06 42	0.04 1	0.11 202	0.08 26	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.05 196

GSStereo	0.08 82	0.06 114	0.09 117	0.13 18	0.08 230	0.08 85	0.14 267	0.11 63	0.12 157	0.08 136	0.10 209	0.05 4	0.04 1	0.11 202	0.08 26	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.05 196

gasm-f	0.08 82	0.05 35	0.08 40	0.13 18	0.08 230	0.08 85	0.14 267	0.10 34	0.10 79	0.08 136	0.10 209	0.06 42	0.05 18	0.10 120	0.08 26	0.06 170	0.04 24	0.05 53	0.04 59	0.06 300	0.05 196

MonStereo	0.07 6	0.06 114	0.06 1	0.15 123	0.05 2	0.08 85	0.10 40	0.15 197	0.15 260	0.05 2	0.06 21	0.05 4	0.06 71	0.07 6	0.09 99	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

Monster-pub-eth3d	0.07 6	0.06 114	0.06 1	0.15 123	0.05 2	0.08 85	0.10 40	0.15 197	0.15 260	0.05 2	0.06 21	0.05 4	0.06 71	0.07 6	0.10 200	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

FlowAnything_test	0.11 305	0.08 365	0.14 399	0.15 123	0.09 359	0.08 85	0.14 267	0.20 359	0.11 114	0.10 239	0.09 173	0.12 334	0.12 397	0.13 362	0.11 287	0.09 504	0.06 438	0.09 511	0.09 533	0.06 300	0.09 527

GASTEREO	0.08 82	0.05 35	0.09 117	0.19 479	0.08 230	0.08 85	0.12 114	0.14 157	0.11 114	0.10 239	0.09 173	0.07 131	0.04 1	0.12 299	0.08 26	0.06 170	0.05 253	0.05 53	0.04 59	0.04 46	0.05 196

asd	0.07 6	0.08 365	0.08 40	0.16 219	0.07 133	0.08 85	0.08 9	0.11 63	0.08 25	0.07 76	0.07 61	0.06 42	0.06 71	0.10 120	0.09 99	0.03 1	0.03 1	0.04 1	0.04 59	0.04 46	0.03 1

2.25w	0.07 6	0.07 224	0.08 40	0.15 123	0.06 31	0.08 85	0.09 25	0.10 34	0.15 260	0.08 136	0.10 209	0.07 131	0.06 71	0.09 61	0.10 200	0.05 49	0.04 24	0.04 1	0.04 59	0.03 1	0.04 53

4.25_new	0.07 6	0.08 365	0.09 117	0.15 123	0.06 31	0.08 85	0.08 9	0.14 157	0.08 25	0.07 76	0.07 61	0.06 42	0.06 71	0.12 299	0.10 200	0.04 6	0.03 1	0.04 1	0.03 1	0.04 46	0.03 1

4.5w_new	0.07 6	0.08 365	0.09 117	0.15 123	0.06 31	0.08 85	0.08 9	0.14 157	0.08 25	0.07 76	0.07 61	0.06 42	0.06 71	0.12 299	0.10 200	0.04 6	0.03 1	0.04 1	0.03 1	0.04 46	0.03 1

4.25w-stereo	0.07 6	0.08 365	0.09 117	0.15 123	0.06 31	0.08 85	0.08 9	0.14 157	0.08 25	0.07 76	0.07 61	0.06 42	0.06 71	0.12 299	0.10 200	0.04 6	0.03 1	0.04 1	0.03 1	0.04 46	0.03 1

2.5w	0.07 6	0.07 224	0.08 40	0.16 219	0.06 31	0.08 85	0.12 114	0.10 34	0.10 79	0.07 76	0.06 21	0.09 239	0.06 71	0.08 26	0.09 99	0.04 6	0.03 1	0.04 1	0.04 59	0.03 1	0.03 1

2.75w_new	0.07 6	0.07 224	0.07 10	0.13 18	0.06 31	0.08 85	0.08 9	0.18 306	0.13 201	0.08 136	0.08 132	0.06 42	0.06 71	0.09 61	0.11 287	0.04 6	0.04 24	0.04 1	0.03 1	0.03 1	0.04 53

3w_stereo	0.08 82	0.09 450	0.10 180	0.17 307	0.07 133	0.08 85	0.11 75	0.20 359	0.13 201	0.06 24	0.07 61	0.05 4	0.06 71	0.08 26	0.09 99	0.04 6	0.03 1	0.04 1	0.03 1	0.04 46	0.03 1

monsterstereo	0.08 82	0.06 114	0.07 10	0.16 219	0.06 31	0.08 85	0.10 40	0.16 236	0.12 157	0.07 76	0.08 132	0.06 42	0.07 178	0.08 26	0.09 99	0.04 6	0.04 24	0.05 53	0.04 59	0.04 46	0.03 1

monsters	0.07 6	0.06 114	0.06 1	0.15 123	0.06 31	0.08 85	0.09 25	0.13 123	0.09 54	0.09 189	0.07 61	0.06 42	0.06 71	0.09 61	0.08 26	0.05 49	0.04 24	0.04 1	0.04 59	0.03 1	0.04 53

S2M2_L	0.09 176	0.08 365	0.11 250	0.13 18	0.10 478	0.08 85	0.06 1	0.10 34	0.10 79	0.10 239	0.10 209	0.09 239	0.09 279	0.11 202	0.11 287	0.13 628	0.07 513	0.08 420	0.09 533	0.10 564	0.08 478
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
SCV_C0	0.08 82	0.07 224	0.08 40	0.16 219	0.10 478	0.08 85	0.14 267	0.11 63	0.13 201	0.08 136	0.07 61	0.06 42	0.05 18	0.11 202	0.07 1	0.05 49	0.05 253	0.05 53	0.04 59	0.06 300	0.05 196

DEFOM-Stereo_RVC	0.08 82	0.07 224	0.09 117	0.22 610	0.06 31	0.08 85	0.12 114	0.10 34	0.10 79	0.07 76	0.07 61	0.06 42	0.05 18	0.11 202	0.09 99	0.06 170	0.04 24	0.05 53	0.03 1	0.06 300	0.04 53

AIO_rvc	0.07 6	0.06 114	0.08 40	0.15 123	0.06 31	0.08 85	0.14 267	0.09 24	0.08 25	0.07 76	0.08 132	0.07 131	0.04 1	0.10 120	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.04 46	0.03 1

MonSter	0.07 6	0.06 114	0.06 1	0.15 123	0.05 2	0.08 85	0.10 40	0.15 197	0.15 260	0.05 2	0.06 21	0.05 4	0.06 71	0.07 6	0.09 99	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

IGEV-BASED-STEREO-	0.09 176	0.10 519	0.32 642	0.15 123	0.06 31	0.08 85	0.14 267	0.11 63	0.10 79	0.07 76	0.07 61	0.06 42	0.04 1	0.11 202	0.07 1	0.12 609	0.04 24	0.07 324	0.05 202	0.05 167	0.05 196

RSM	0.08 82	0.06 114	0.09 117	0.17 307	0.07 133	0.08 85	0.12 114	0.12 90	0.10 79	0.08 136	0.07 61	0.06 42	0.05 18	0.11 202	0.09 99	0.04 6	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

LoS_RVC	0.08 82	0.05 35	0.07 10	0.15 123	0.07 133	0.08 85	0.15 357	0.12 90	0.11 114	0.08 136	0.09 173	0.06 42	0.09 279	0.10 120	0.09 99	0.05 49	0.04 24	0.05 53	0.03 1	0.04 46	0.04 53

Selective-IGEV	0.07 6	0.06 114	0.09 117	0.17 307	0.06 31	0.08 85	0.12 114	0.13 123	0.08 25	0.08 136	0.07 61	0.06 42	0.04 1	0.10 120	0.09 99	0.05 49	0.04 24	0.05 53	0.04 59	0.04 46	0.03 1

HBP-ISP	0.18 563	0.13 592	0.17 505	0.15 123	0.11 537	0.08 85	0.13 190	0.28 532	0.30 550	0.22 561	0.33 600	0.21 504	0.25 616	0.23 602	0.18 538	0.15 653	0.17 684	0.21 680	0.17 676	0.10 564	0.09 527

test_4	0.11 305	0.10 519	0.08 40	0.19 479	0.09 359	0.08 85	0.21 596	0.15 197	0.18 354	0.12 322	0.18 408	0.12 334	0.09 279	0.08 26	0.11 287	0.04 6	0.04 24	0.08 420	0.08 486	0.04 46	0.04 53

GLC_STEREO	0.11 305	0.07 224	0.11 250	0.18 400	0.07 133	0.08 85	0.13 190	0.16 236	0.24 468	0.12 322	0.13 310	0.12 334	0.08 237	0.18 514	0.12 365	0.06 170	0.08 549	0.08 420	0.06 297	0.05 167	0.05 196

LCNet	0.11 305	0.07 224	0.09 117	0.19 479	0.09 359	0.08 85	0.14 267	0.21 381	0.15 260	0.12 322	0.15 342	0.16 434	0.11 362	0.12 299	0.11 287	0.05 49	0.04 24	0.08 420	0.07 403	0.06 300	0.14 642

AAGNet	0.12 392	0.08 365	0.17 505	0.19 479	0.09 359	0.08 85	0.13 190	0.19 339	0.13 201	0.16 444	0.21 453	0.13 366	0.14 466	0.11 202	0.14 450	0.06 170	0.04 24	0.09 511	0.06 297	0.06 300	0.05 196

PSM-softLoss	0.12 392	0.07 224	0.15 436	0.17 307	0.09 359	0.08 85	0.12 114	0.24 456	0.17 333	0.15 414	0.19 424	0.13 366	0.11 362	0.11 202	0.11 287	0.07 358	0.05 253	0.08 420	0.07 403	0.07 390	0.12 607

KMStereo	0.12 392	0.07 224	0.15 436	0.17 307	0.09 359	0.08 85	0.12 114	0.24 456	0.17 333	0.15 414	0.19 424	0.13 366	0.11 362	0.11 202	0.11 287	0.07 358	0.05 253	0.08 420	0.07 403	0.07 390	0.12 607

KYRaft	0.12 392	0.07 224	0.10 180	0.19 479	0.09 359	0.08 85	0.15 357	0.23 430	0.12 157	0.13 358	0.16 359	0.20 495	0.10 319	0.12 299	0.11 287	0.06 170	0.04 24	0.08 420	0.08 486	0.06 300	0.15 656

ASMatch	0.11 305	0.06 114	0.13 351	0.17 307	0.10 478	0.08 85	0.14 267	0.18 306	0.16 296	0.12 322	0.16 359	0.16 434	0.11 362	0.13 362	0.11 287	0.05 49	0.04 24	0.06 204	0.06 297	0.04 46	0.09 527

DeepStereo_RVC	0.11 305	0.08 365	0.17 505	0.18 400	0.08 230	0.08 85	0.11 75	0.17 274	0.12 157	0.13 358	0.15 342	0.12 334	0.12 397	0.12 299	0.11 287	0.06 170	0.04 24	0.07 324	0.06 297	0.07 390	0.08 478

RAFT-345	0.11 305	0.07 224	0.16 480	0.17 307	0.08 230	0.08 85	0.12 114	0.16 236	0.10 79	0.11 282	0.34 610	0.09 239	0.10 319	0.11 202	0.12 365	0.05 49	0.05 253	0.07 324	0.06 297	0.04 46	0.05 196

GMM-Stereo	0.11 305	0.07 224	0.10 180	0.18 400	0.09 359	0.08 85	0.14 267	0.24 456	0.16 296	0.11 282	0.15 342	0.13 366	0.11 362	0.11 202	0.11 287	0.05 49	0.04 24	0.08 420	0.07 403	0.06 300	0.09 527

WAFT-Stereo (ZS)	0.07 6	0.05 35	0.09 117	0.12 7	0.07 133	0.09 148	0.15 357	0.07 7	0.07 18	0.06 24	0.10 209	0.05 4	0.07 178	0.06 1	0.11 287	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.05 196

testmc14	0.07 6	0.05 35	0.06 1	0.15 123	0.05 2	0.09 148	0.12 114	0.08 13	0.08 25	0.07 76	0.09 173	0.06 42	0.05 18	0.07 6	0.07 1	0.06 170	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

MCSU-Stereo	0.07 6	0.05 35	0.06 1	0.15 123	0.05 2	0.09 148	0.12 114	0.10 34	0.09 54	0.07 76	0.07 61	0.07 131	0.05 18	0.10 120	0.07 1	0.06 170	0.04 24	0.04 1	0.03 1	0.04 46	0.03 1

quiztm	0.08 82	0.08 365	0.08 40	0.18 400	0.07 133	0.09 148	0.14 267	0.14 157	0.13 201	0.07 76	0.07 61	0.05 4	0.06 71	0.11 202	0.09 99	0.05 49	0.04 24	0.06 204	0.04 59	0.05 167	0.03 1

PointNet	0.08 82	0.06 114	0.07 10	0.15 123	0.07 133	0.09 148	0.14 267	0.11 63	0.08 25	0.05 2	0.08 132	0.08 192	0.09 279	0.09 61	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.03 1	0.04 53

aanet-new-36k	0.08 82	0.07 224	0.10 180	0.17 307	0.06 31	0.09 148	0.13 190	0.12 90	0.14 231	0.08 136	0.08 132	0.06 42	0.05 18	0.09 61	0.08 26	0.04 6	0.04 24	0.05 53	0.04 59	0.03 1	0.03 1

aanet-new-8k	0.08 82	0.08 365	0.08 40	0.19 479	0.07 133	0.09 148	0.11 75	0.17 274	0.15 260	0.07 76	0.07 61	0.06 42	0.06 71	0.10 120	0.08 26	0.04 6	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

GCAP-Stereo-DPT-3K	0.08 82	0.07 224	0.10 180	0.16 219	0.07 133	0.09 148	0.12 114	0.15 197	0.15 260	0.09 189	0.12 285	0.05 4	0.06 71	0.09 61	0.08 26	0.05 49	0.04 24	0.06 204	0.04 59	0.03 1	0.04 53

GCAP-Stereo-DPT-FT	0.08 82	0.05 35	0.12 303	0.15 123	0.06 31	0.09 148	0.13 190	0.12 90	0.12 157	0.07 76	0.09 173	0.06 42	0.06 71	0.10 120	0.08 26	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

LACA3	0.07 6	0.08 365	0.08 40	0.13 18	0.05 2	0.09 148	0.11 75	0.08 13	0.09 54	0.08 136	0.06 21	0.07 131	0.07 178	0.08 26	0.07 1	0.06 170	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

Foundation-i1c-attn	0.08 82	0.05 35	0.07 10	0.14 66	0.05 2	0.09 148	0.12 114	0.13 123	0.10 79	0.09 189	0.10 209	0.10 274	0.07 178	0.08 26	0.10 200	0.06 170	0.04 24	0.05 53	0.04 59	0.03 1	0.04 53

Foundation-i1b	0.08 82	0.05 35	0.07 10	0.14 66	0.05 2	0.09 148	0.12 114	0.13 123	0.10 79	0.09 189	0.10 209	0.10 274	0.06 71	0.07 6	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.03 1	0.03 1

LACA2	0.07 6	0.05 35	0.06 1	0.15 123	0.06 31	0.09 148	0.10 40	0.11 63	0.11 114	0.05 2	0.05 7	0.06 42	0.08 237	0.09 61	0.07 1	0.07 358	0.04 24	0.04 1	0.04 59	0.04 46	0.04 53

LACA1	0.07 6	0.07 224	0.07 10	0.14 66	0.05 2	0.09 148	0.11 75	0.10 34	0.07 18	0.05 2	0.05 7	0.06 42	0.08 237	0.08 26	0.09 99	0.06 170	0.04 24	0.04 1	0.04 59	0.03 1	0.04 53

Test_v1	0.07 6	0.04 1	0.06 1	0.13 18	0.06 31	0.09 148	0.10 40	0.15 197	0.12 157	0.06 24	0.05 7	0.04 1	0.05 18	0.08 26	0.10 200	0.07 358	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

Hybrid-DGEV-2	0.11 305	0.06 114	0.12 303	0.18 400	0.09 359	0.09 148	0.13 190	0.29 553	0.30 550	0.11 282	0.12 285	0.10 274	0.13 433	0.12 299	0.10 200	0.06 170	0.05 253	0.07 324	0.07 403	0.05 167	0.05 196

HiDET	0.08 82	0.05 35	0.10 180	0.13 18	0.06 31	0.09 148	0.12 114	0.12 90	0.12 157	0.07 76	0.07 61	0.07 131	0.07 178	0.11 202	0.11 287	0.06 170	0.05 253	0.04 1	0.03 1	0.04 46	0.04 53

LCMNet	0.08 82	0.05 35	0.10 180	0.13 18	0.07 133	0.09 148	0.12 114	0.10 34	0.12 157	0.06 24	0.08 132	0.06 42	0.07 178	0.11 202	0.10 200	0.06 170	0.05 253	0.04 1	0.03 1	0.04 46	0.04 53

CSFM-Stereo	0.08 82	0.05 35	0.08 40	0.14 66	0.06 31	0.09 148	0.13 190	0.15 197	0.07 18	0.07 76	0.08 132	0.06 42	0.08 237	0.09 61	0.10 200	0.06 170	0.05 253	0.04 1	0.03 1	0.04 46	0.04 53

Replicate-Monster	0.07 6	0.05 35	0.09 117	0.14 66	0.06 31	0.09 148	0.09 25	0.14 157	0.12 157	0.05 2	0.07 61	0.06 42	0.06 71	0.08 26	0.10 200	0.06 170	0.04 24	0.05 53	0.03 1	0.04 46	0.04 53

S2M2_XL	0.08 82	0.06 114	0.12 303	0.12 7	0.08 230	0.09 148	0.09 25	0.07 7	0.07 18	0.08 136	0.07 61	0.07 131	0.06 71	0.09 61	0.09 99	0.08 442	0.06 438	0.07 324	0.06 297	0.08 463	0.06 312
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3.5w_stereo	0.07 6	0.07 224	0.07 10	0.15 123	0.07 133	0.09 148	0.06 1	0.14 157	0.11 114	0.08 136	0.07 61	0.06 42	0.07 178	0.10 120	0.09 99	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

2w_stereo	0.08 82	0.08 365	0.09 117	0.16 219	0.06 31	0.09 148	0.10 40	0.20 359	0.15 260	0.08 136	0.07 61	0.06 42	0.06 71	0.06 1	0.10 200	0.04 6	0.03 1	0.04 1	0.04 59	0.03 1	0.03 1

IGEV	0.08 82	0.04 1	0.09 117	0.13 18	0.06 31	0.09 148	0.12 114	0.14 157	0.10 79	0.06 24	0.09 173	0.07 131	0.05 18	0.09 61	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

LG-G_1	0.07 6	0.04 1	0.11 250	0.15 123	0.06 31	0.09 148	0.08 9	0.08 13	0.06 8	0.06 24	0.06 21	0.07 131	0.07 178	0.11 202	0.08 26	0.07 358	0.04 24	0.05 53	0.04 59	0.05 167	0.06 312

LG-G	0.07 6	0.04 1	0.11 250	0.15 123	0.06 31	0.09 148	0.08 9	0.08 13	0.06 8	0.06 24	0.06 21	0.07 131	0.07 178	0.11 202	0.08 26	0.07 358	0.04 24	0.05 53	0.04 59	0.05 167	0.06 312

FLISNet	0.11 305	0.06 114	0.12 303	0.13 18	0.09 359	0.09 148	0.14 267	0.22 408	0.11 114	0.20 529	0.17 379	0.14 387	0.10 319	0.16 453	0.09 99	0.05 49	0.04 24	0.07 324	0.08 486	0.07 390	0.06 312

CoSv	0.11 305	0.06 114	0.12 303	0.13 18	0.09 359	0.09 148	0.14 267	0.22 408	0.11 114	0.20 529	0.17 379	0.14 387	0.10 319	0.16 453	0.09 99	0.05 49	0.04 24	0.07 324	0.08 486	0.07 390	0.06 312

FoundationStereo	0.06 1	0.04 1	0.08 40	0.13 18	0.05 2	0.09 148	0.13 190	0.06 1	0.09 54	0.05 2	0.05 7	0.06 42	0.04 1	0.07 6	0.07 1	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

HUF	0.08 82	0.05 35	0.08 40	0.14 66	0.06 31	0.09 148	0.13 190	0.13 123	0.13 201	0.07 76	0.07 61	0.09 239	0.06 71	0.10 120	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

AIO-test1	0.10 257	0.07 224	0.11 250	0.24 643	0.07 133	0.09 148	0.13 190	0.22 408	0.15 260	0.11 282	0.12 285	0.09 239	0.07 178	0.11 202	0.09 99	0.06 170	0.05 253	0.09 511	0.10 574	0.04 46	0.07 403

GIP-stereo	0.08 82	0.06 114	0.11 250	0.15 123	0.07 133	0.09 148	0.13 190	0.15 197	0.11 114	0.07 76	0.08 132	0.05 4	0.04 1	0.10 120	0.07 1	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

fffft	0.09 176	0.06 114	0.12 303	0.16 219	0.07 133	0.09 148	0.16 425	0.12 90	0.11 114	0.09 189	0.07 61	0.09 239	0.06 71	0.11 202	0.12 365	0.05 49	0.04 24	0.06 204	0.05 202	0.04 46	0.05 196
1: 1. 1
DEFOM-Stereo	0.07 6	0.05 35	0.07 10	0.14 66	0.06 31	0.09 148	0.13 190	0.07 7	0.13 201	0.06 24	0.07 61	0.06 42	0.05 18	0.10 120	0.09 99	0.05 49	0.04 24	0.05 53	0.03 1	0.04 46	0.04 53

SMoEStereo_RVC	0.08 82	0.06 114	0.12 303	0.16 219	0.07 133	0.09 148	0.13 190	0.11 63	0.14 231	0.09 189	0.07 61	0.07 131	0.07 178	0.12 299	0.10 200	0.05 49	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

Occ-G	0.08 82	0.05 35	0.07 10	0.14 66	0.07 133	0.09 148	0.14 267	0.14 157	0.15 260	0.07 76	0.12 285	0.07 131	0.05 18	0.09 61	0.10 200	0.06 170	0.05 253	0.05 53	0.04 59	0.05 167	0.06 312

AIO-Stereo-zeroshot1	0.11 305	0.05 35	0.14 399	0.16 219	0.21 683	0.09 148	0.17 459	0.21 381	0.16 296	0.11 282	0.15 342	0.10 274	0.07 178	0.10 120	0.08 26	0.06 170	0.05 253	0.07 324	0.07 403	0.07 390	0.09 527

AIO-Stereo	0.08 82	0.06 114	0.10 180	0.18 400	0.06 31	0.09 148	0.11 75	0.16 236	0.09 54	0.09 189	0.08 132	0.07 131	0.05 18	0.11 202	0.08 26	0.05 49	0.05 253	0.05 53	0.04 59	0.04 46	0.04 53

RSM++	0.08 82	0.06 114	0.09 117	0.17 307	0.07 133	0.09 148	0.12 114	0.11 63	0.11 114	0.08 136	0.06 21	0.07 131	0.05 18	0.10 120	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.05 167	0.03 1

RAFT-Stereo-weight	0.09 176	0.06 114	0.11 250	0.16 219	0.07 133	0.09 148	0.14 267	0.19 339	0.16 296	0.11 282	0.10 209	0.08 192	0.06 71	0.10 120	0.11 287	0.06 170	0.04 24	0.06 204	0.04 59	0.04 46	0.04 53

MGS-Stereo	0.09 176	0.07 224	0.12 303	0.16 219	0.08 230	0.09 148	0.15 357	0.12 90	0.12 157	0.07 76	0.10 209	0.08 192	0.06 71	0.11 202	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.06 300	0.05 196

4D-IteraStereo	0.10 257	0.07 224	0.10 180	0.18 400	0.07 133	0.09 148	0.15 357	0.18 306	0.15 260	0.10 239	0.11 263	0.10 274	0.07 178	0.12 299	0.09 99	0.05 49	0.03 1	0.08 420	0.07 403	0.06 300	0.05 196

CES	0.08 82	0.04 1	0.08 40	0.14 66	0.07 133	0.09 148	0.14 267	0.11 63	0.09 54	0.08 136	0.09 173	0.11 308	0.07 178	0.12 299	0.08 26	0.06 170	0.04 24	0.05 53	0.03 1	0.05 167	0.05 196

RCA-Stereo	0.09 176	0.06 114	0.09 117	0.16 219	0.06 31	0.09 148	0.13 190	0.18 306	0.14 231	0.10 239	0.11 263	0.08 192	0.07 178	0.12 299	0.11 287	0.06 170	0.04 24	0.06 204	0.05 202	0.05 167	0.04 53

CroCo-Stereo Lap2	0.09 176	0.09 450	0.08 40	0.22 610	0.09 359	0.09 148	0.18 509	0.16 236	0.12 157	0.09 189	0.10 209	0.05 4	0.05 18	0.08 26	0.08 26	0.06 170	0.06 438	0.07 324	0.05 202	0.06 300	0.05 196

DCANet-4	0.11 305	0.07 224	0.13 351	0.16 219	0.06 31	0.09 148	0.17 459	0.18 306	0.20 408	0.13 358	0.17 379	0.09 239	0.14 466	0.12 299	0.13 406	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.05 196

fff	0.10 257	0.06 114	0.12 303	0.15 123	0.07 133	0.09 148	0.17 459	0.16 236	0.21 424	0.13 358	0.17 379	0.10 274	0.11 362	0.12 299	0.13 406	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.05 196

ADStereo(finetuned)	0.10 257	0.06 114	0.13 351	0.16 219	0.06 31	0.09 148	0.17 459	0.16 236	0.20 408	0.13 358	0.18 408	0.10 274	0.12 397	0.12 299	0.12 365	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.05 196

iRaft-Stereo_5w	0.12 392	0.09 450	0.12 303	0.20 546	0.08 230	0.09 148	0.12 114	0.22 408	0.22 446	0.19 507	0.14 325	0.11 308	0.09 279	0.20 558	0.16 508	0.05 49	0.05 253	0.07 324	0.06 297	0.05 167	0.06 312

TransformOpticalFlow	0.10 257	0.08 365	0.13 351	0.18 400	0.07 133	0.09 148	0.15 357	0.19 339	0.16 296	0.12 322	0.16 359	0.11 308	0.11 362	0.11 202	0.11 287	0.05 49	0.04 24	0.06 204	0.06 297	0.05 167	0.05 196

OMP-Stereo	0.11 305	0.07 224	0.14 399	0.18 400	0.08 230	0.09 148	0.12 114	0.21 381	0.21 424	0.13 358	0.14 325	0.11 308	0.12 397	0.11 202	0.13 406	0.06 170	0.05 253	0.07 324	0.06 297	0.05 167	0.04 53

PFNet	0.12 392	0.06 114	0.17 505	0.18 400	0.08 230	0.09 148	0.15 357	0.26 493	0.20 408	0.16 444	0.16 359	0.14 387	0.12 397	0.13 362	0.11 287	0.06 170	0.04 24	0.07 324	0.06 297	0.05 167	0.05 196

GrayStereo	0.11 305	0.06 114	0.11 250	0.19 479	0.09 359	0.09 148	0.16 425	0.18 306	0.17 333	0.14 389	0.17 379	0.17 452	0.11 362	0.12 299	0.11 287	0.05 49	0.05 253	0.07 324	0.06 297	0.06 300	0.10 559

AnonymousM	0.10 257	0.06 114	0.10 180	0.14 66	0.07 133	0.09 148	0.13 190	0.19 339	0.14 231	0.13 358	0.12 285	0.09 239	0.08 237	0.13 362	0.10 200	0.08 442	0.05 253	0.08 420	0.05 202	0.05 167	0.05 196

CroCo-Stereo	0.09 176	0.08 365	0.08 40	0.22 610	0.09 359	0.09 148	0.18 509	0.16 236	0.12 157	0.07 76	0.07 61	0.08 192	0.06 71	0.08 26	0.07 1	0.07 358	0.05 253	0.06 204	0.04 59	0.05 167	0.04 53
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
CREStereo++_RVC	0.08 82	0.04 1	0.07 10	0.13 18	0.07 133	0.09 148	0.12 114	0.14 157	0.14 231	0.10 239	0.14 325	0.08 192	0.07 178	0.10 120	0.11 287	0.06 170	0.04 24	0.05 53	0.05 202	0.04 46	0.04 53
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
raftrobust	0.09 176	0.06 114	0.11 250	0.17 307	0.08 230	0.09 148	0.10 40	0.18 306	0.16 296	0.10 239	0.09 173	0.12 334	0.08 237	0.12 299	0.10 200	0.08 442	0.05 253	0.06 204	0.05 202	0.05 167	0.06 312

DCANet	0.10 257	0.06 114	0.12 303	0.16 219	0.06 31	0.09 148	0.17 459	0.16 236	0.20 408	0.13 358	0.18 408	0.10 274	0.11 362	0.11 202	0.12 365	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.05 196

csc	0.10 257	0.06 114	0.12 303	0.15 123	0.07 133	0.09 148	0.17 459	0.16 236	0.21 424	0.13 358	0.17 379	0.10 274	0.11 362	0.12 299	0.13 406	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.05 196

cscssc	0.10 257	0.06 114	0.12 303	0.15 123	0.07 133	0.09 148	0.17 459	0.16 236	0.21 424	0.13 358	0.17 379	0.10 274	0.11 362	0.12 299	0.13 406	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.05 196

CFNet-RSSM	0.09 176	0.07 224	0.10 180	0.16 219	0.07 133	0.09 148	0.15 357	0.17 274	0.18 354	0.08 136	0.12 285	0.11 308	0.09 279	0.12 299	0.10 200	0.06 170	0.04 24	0.06 204	0.04 59	0.04 46	0.04 53

GREATEN-IGEV-FM_RVC	0.09 176	0.05 35	0.11 250	0.19 479	0.07 133	0.10 209	0.09 25	0.12 90	0.10 79	0.09 189	0.09 173	0.07 131	0.08 237	0.08 26	0.09 99	0.06 170	0.06 438	0.10 560	0.08 486	0.07 390	0.05 196

over-6	0.08 82	0.07 224	0.08 40	0.17 307	0.05 2	0.10 209	0.09 25	0.17 274	0.11 114	0.06 24	0.07 61	0.07 131	0.09 279	0.10 120	0.08 26	0.06 170	0.04 24	0.04 1	0.04 59	0.05 167	0.05 196

Anonymus	0.09 176	0.05 35	0.10 180	0.15 123	0.08 230	0.10 209	0.14 267	0.15 197	0.10 79	0.07 76	0.06 21	0.07 131	0.09 279	0.12 299	0.10 200	0.06 170	0.04 24	0.05 53	0.05 202	0.05 167	0.06 312

PhaseNet	0.09 176	0.06 114	0.10 180	0.15 123	0.08 230	0.10 209	0.14 267	0.20 359	0.12 157	0.07 76	0.08 132	0.09 239	0.10 319	0.13 362	0.12 365	0.06 170	0.04 24	0.06 204	0.06 297	0.05 167	0.05 196

aanet-new-32k	0.08 82	0.07 224	0.09 117	0.18 400	0.06 31	0.10 209	0.11 75	0.10 34	0.09 54	0.07 76	0.07 61	0.07 131	0.06 71	0.11 202	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

aanet-new-30k	0.08 82	0.07 224	0.09 117	0.18 400	0.06 31	0.10 209	0.11 75	0.10 34	0.09 54	0.07 76	0.07 61	0.07 131	0.06 71	0.11 202	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

aanet-new	0.09 176	0.09 450	0.10 180	0.18 400	0.08 230	0.10 209	0.12 114	0.15 197	0.13 201	0.08 136	0.08 132	0.05 4	0.07 178	0.10 120	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.06 300	0.04 53

GCAP-Stereo-DPT-cres	0.08 82	0.05 35	0.08 40	0.15 123	0.06 31	0.10 209	0.14 267	0.13 123	0.12 157	0.07 76	0.08 132	0.07 131	0.06 71	0.10 120	0.09 99	0.05 49	0.04 24	0.05 53	0.04 59	0.03 1	0.04 53

GCAP-Stereo-DPT-24K	0.07 6	0.06 114	0.07 10	0.15 123	0.06 31	0.10 209	0.15 357	0.12 90	0.11 114	0.06 24	0.11 263	0.06 42	0.05 18	0.09 61	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.03 1	0.03 1

LiteMatch	0.09 176	0.06 114	0.10 180	0.16 219	0.07 133	0.10 209	0.15 357	0.13 123	0.08 25	0.06 24	0.07 61	0.06 42	0.16 507	0.10 120	0.14 450	0.07 358	0.04 24	0.06 204	0.06 297	0.06 300	0.06 312

Foundation-i1	0.09 176	0.04 1	0.10 180	0.14 66	0.06 31	0.10 209	0.13 190	0.16 236	0.15 260	0.10 239	0.10 209	0.11 308	0.07 178	0.07 6	0.10 200	0.06 170	0.04 24	0.05 53	0.05 202	0.05 167	0.05 196

GeoVLM	0.08 82	0.04 1	0.10 180	0.13 18	0.06 31	0.10 209	0.13 190	0.13 123	0.08 25	0.06 24	0.07 61	0.06 42	0.08 237	0.10 120	0.11 287	0.06 170	0.05 253	0.04 1	0.03 1	0.04 46	0.05 196

gcap_with_dpt	0.08 82	0.06 114	0.10 180	0.16 219	0.07 133	0.10 209	0.12 114	0.14 157	0.14 231	0.08 136	0.12 285	0.05 4	0.06 71	0.10 120	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.03 1	0.04 53

BridgeDepth_RVC	0.07 6	0.04 1	0.09 117	0.11 1	0.05 2	0.10 209	0.10 40	0.14 157	0.09 54	0.06 24	0.07 61	0.06 42	0.08 237	0.07 6	0.10 200	0.06 170	0.04 24	0.04 1	0.04 59	0.05 167	0.04 53
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
MonSter++	0.08 82	0.04 1	0.10 180	0.13 18	0.06 31	0.10 209	0.13 190	0.13 123	0.08 25	0.06 24	0.07 61	0.06 42	0.08 237	0.10 120	0.11 287	0.06 170	0.05 253	0.04 1	0.03 1	0.04 46	0.05 196

DA	0.09 176	0.07 224	0.07 10	0.19 479	0.08 230	0.10 209	0.13 190	0.13 123	0.12 157	0.08 136	0.10 209	0.10 274	0.08 237	0.09 61	0.10 200	0.05 49	0.04 24	0.06 204	0.04 59	0.05 167	0.04 53

GGEV	0.09 176	0.07 224	0.07 10	0.19 479	0.08 230	0.10 209	0.13 190	0.13 123	0.12 157	0.08 136	0.10 209	0.10 274	0.08 237	0.09 61	0.10 200	0.05 49	0.04 24	0.06 204	0.04 59	0.05 167	0.04 53

water-stereo	0.09 176	0.06 114	0.08 40	0.16 219	0.07 133	0.10 209	0.13 190	0.15 197	0.13 201	0.11 282	0.12 285	0.09 239	0.10 319	0.07 6	0.08 26	0.06 170	0.05 253	0.05 53	0.05 202	0.04 46	0.04 53

3.25w_new	0.07 6	0.06 114	0.08 40	0.15 123	0.06 31	0.10 209	0.07 5	0.12 90	0.11 114	0.08 136	0.07 61	0.07 131	0.06 71	0.11 202	0.10 200	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 53

3.25w	0.07 6	0.06 114	0.08 40	0.15 123	0.06 31	0.10 209	0.07 5	0.12 90	0.11 114	0.08 136	0.07 61	0.07 131	0.06 71	0.11 202	0.10 200	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 53

xyz-stereo-finetune	0.11 305	0.08 365	0.13 351	0.14 66	0.06 31	0.10 209	0.19 556	0.18 306	0.19 383	0.12 322	0.14 325	0.15 413	0.11 362	0.13 362	0.12 365	0.05 49	0.04 24	0.07 324	0.05 202	0.04 46	0.05 196

LG-Stereo	0.08 82	0.08 365	0.10 180	0.18 400	0.07 133	0.10 209	0.17 459	0.11 63	0.08 25	0.06 24	0.08 132	0.06 42	0.07 178	0.09 61	0.09 99	0.04 6	0.05 253	0.07 324	0.07 403	0.04 46	0.04 53

HART	0.08 82	0.07 224	0.09 117	0.18 400	0.07 133	0.10 209	0.16 425	0.13 123	0.11 114	0.09 189	0.10 209	0.08 192	0.05 18	0.10 120	0.08 26	0.05 49	0.04 24	0.06 204	0.04 59	0.05 167	0.04 53

SCV	0.08 82	0.09 450	0.08 40	0.15 123	0.08 230	0.10 209	0.12 114	0.11 63	0.12 157	0.07 76	0.07 61	0.06 42	0.04 1	0.10 120	0.08 26	0.05 49	0.05 253	0.06 204	0.04 59	0.06 300	0.04 53

IGEV-RUCA	0.08 82	0.06 114	0.11 250	0.14 66	0.09 359	0.10 209	0.12 114	0.10 34	0.12 157	0.06 24	0.07 61	0.08 192	0.06 71	0.09 61	0.08 26	0.06 170	0.05 253	0.05 53	0.04 59	0.05 167	0.06 312

999	0.09 176	0.06 114	0.13 351	0.15 123	0.08 230	0.10 209	0.14 267	0.15 197	0.12 157	0.10 239	0.08 132	0.08 192	0.08 237	0.16 453	0.10 200	0.06 170	0.04 24	0.06 204	0.05 202	0.04 46	0.06 312

PAM_32	0.10 257	0.06 114	0.17 505	0.15 123	0.08 230	0.10 209	0.15 357	0.14 157	0.16 296	0.09 189	0.08 132	0.10 274	0.07 178	0.14 401	0.09 99	0.06 170	0.05 253	0.06 204	0.06 297	0.05 167	0.06 312

PAM	0.10 257	0.06 114	0.17 505	0.15 123	0.09 359	0.10 209	0.16 425	0.15 197	0.16 296	0.12 322	0.09 173	0.10 274	0.07 178	0.13 362	0.09 99	0.06 170	0.05 253	0.06 204	0.06 297	0.05 167	0.06 312

rvit_0105_6	0.14 456	0.09 450	0.18 539	0.17 307	0.10 478	0.10 209	0.17 459	0.19 339	0.26 507	0.12 322	0.18 408	0.17 452	0.13 433	0.18 514	0.13 406	0.15 653	0.11 624	0.12 613	0.10 574	0.09 528	0.06 312

UGAM-zero	0.10 257	0.05 35	0.15 436	0.15 123	0.08 230	0.10 209	0.13 190	0.20 359	0.15 260	0.11 282	0.15 342	0.07 131	0.08 237	0.09 61	0.10 200	0.06 170	0.05 253	0.06 204	0.05 202	0.05 167	0.06 312

U	0.08 82	0.07 224	0.10 180	0.19 479	0.10 478	0.10 209	0.13 190	0.12 90	0.17 333	0.07 76	0.07 61	0.06 42	0.05 18	0.07 6	0.09 99	0.06 170	0.04 24	0.06 204	0.04 59	0.06 300	0.05 196

MoCha-V2	0.08 82	0.05 35	0.11 250	0.20 546	0.07 133	0.10 209	0.14 267	0.12 90	0.08 25	0.07 76	0.08 132	0.07 131	0.06 71	0.09 61	0.08 26	0.05 49	0.05 253	0.05 53	0.04 59	0.04 46	0.04 53

IGEV++	0.08 82	0.06 114	0.09 117	0.18 400	0.07 133	0.10 209	0.13 190	0.10 34	0.10 79	0.08 136	0.08 132	0.06 42	0.05 18	0.13 362	0.09 99	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

AE-Stereo	0.10 257	0.08 365	0.11 250	0.19 479	0.09 359	0.10 209	0.15 357	0.14 157	0.20 408	0.09 189	0.15 342	0.12 334	0.08 237	0.11 202	0.10 200	0.05 49	0.06 438	0.07 324	0.06 297	0.05 167	0.04 53

MSKI-zero shot	0.09 176	0.05 35	0.09 117	0.16 219	0.07 133	0.10 209	0.13 190	0.15 197	0.14 231	0.09 189	0.09 173	0.09 239	0.06 71	0.12 299	0.11 287	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.05 196

MIF-Stereo (partial)	0.11 305	0.06 114	0.10 180	0.19 479	0.10 478	0.10 209	0.12 114	0.17 274	0.19 383	0.14 389	0.16 359	0.10 274	0.11 362	0.12 299	0.12 365	0.08 442	0.05 253	0.08 420	0.07 403	0.06 300	0.07 403

CAS	0.08 82	0.04 1	0.07 10	0.17 307	0.08 230	0.10 209	0.13 190	0.12 90	0.09 54	0.09 189	0.10 209	0.08 192	0.06 71	0.09 61	0.09 99	0.08 442	0.04 24	0.05 53	0.03 1	0.05 167	0.04 53

MC-Stereo	0.09 176	0.07 224	0.09 117	0.17 307	0.06 31	0.10 209	0.14 267	0.12 90	0.11 114	0.09 189	0.12 285	0.09 239	0.06 71	0.11 202	0.10 200	0.06 170	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

TRStereo	0.10 257	0.05 35	0.12 303	0.16 219	0.12 571	0.10 209	0.13 190	0.18 306	0.19 383	0.09 189	0.09 173	0.09 239	0.07 178	0.10 120	0.08 26	0.07 358	0.05 253	0.07 324	0.07 403	0.04 46	0.04 53

STrans-v2	0.10 257	0.07 224	0.13 351	0.18 400	0.08 230	0.10 209	0.14 267	0.22 408	0.11 114	0.11 282	0.15 342	0.12 334	0.10 319	0.11 202	0.12 365	0.05 49	0.04 24	0.06 204	0.06 297	0.05 167	0.05 196

NF-Stereo	0.11 305	0.07 224	0.13 351	0.17 307	0.09 359	0.10 209	0.13 190	0.23 430	0.19 383	0.12 322	0.17 379	0.12 334	0.12 397	0.11 202	0.11 287	0.06 170	0.04 24	0.07 324	0.06 297	0.07 390	0.12 607

OCTAStereo	0.11 305	0.07 224	0.14 399	0.17 307	0.09 359	0.10 209	0.13 190	0.23 430	0.19 383	0.12 322	0.17 379	0.12 334	0.12 397	0.11 202	0.11 287	0.06 170	0.04 24	0.07 324	0.06 297	0.07 390	0.11 586

NRIStereo	0.11 305	0.08 365	0.15 436	0.18 400	0.08 230	0.10 209	0.13 190	0.17 274	0.15 260	0.12 322	0.15 342	0.13 366	0.13 433	0.13 362	0.10 200	0.06 170	0.04 24	0.07 324	0.06 297	0.06 300	0.07 403

PSM-AAD	0.11 305	0.07 224	0.10 180	0.20 546	0.09 359	0.10 209	0.14 267	0.21 381	0.13 201	0.12 322	0.14 325	0.18 467	0.11 362	0.11 202	0.10 200	0.05 49	0.05 253	0.09 511	0.08 486	0.06 300	0.14 642

RE-Stereo	0.11 305	0.07 224	0.13 351	0.17 307	0.09 359	0.10 209	0.13 190	0.23 430	0.19 383	0.12 322	0.17 379	0.12 334	0.12 397	0.11 202	0.11 287	0.06 170	0.04 24	0.07 324	0.06 297	0.07 390	0.11 586

TVStereo	0.11 305	0.07 224	0.13 351	0.17 307	0.09 359	0.10 209	0.13 190	0.23 430	0.19 383	0.12 322	0.17 379	0.12 334	0.12 397	0.11 202	0.11 287	0.06 170	0.04 24	0.07 324	0.06 297	0.07 390	0.11 586

CRE-IMP	0.11 305	0.09 450	0.16 480	0.19 479	0.09 359	0.10 209	0.12 114	0.18 306	0.10 79	0.14 389	0.14 325	0.14 387	0.13 433	0.12 299	0.12 365	0.07 358	0.04 24	0.08 420	0.06 297	0.08 463	0.08 478

rafts_anoy	0.11 305	0.06 114	0.10 180	0.17 307	0.08 230	0.10 209	0.14 267	0.18 306	0.14 231	0.13 358	0.13 310	0.12 334	0.11 362	0.11 202	0.13 406	0.07 358	0.05 253	0.09 511	0.11 606	0.07 390	0.06 312

raft+_RVC	0.11 305	0.07 224	0.09 117	0.16 219	0.07 133	0.10 209	0.11 75	0.24 456	0.20 408	0.12 322	0.15 342	0.12 334	0.08 237	0.12 299	0.13 406	0.07 358	0.04 24	0.07 324	0.06 297	0.05 167	0.05 196

111	0.11 305	0.06 114	0.12 303	0.15 123	0.07 133	0.10 209	0.14 267	0.21 381	0.24 468	0.11 282	0.12 285	0.14 387	0.12 397	0.13 362	0.10 200	0.06 170	0.04 24	0.06 204	0.04 59	0.06 300	0.05 196

RAFT-Stereo + iAFF	0.09 176	0.06 114	0.10 180	0.17 307	0.07 133	0.10 209	0.15 357	0.17 274	0.15 260	0.10 239	0.10 209	0.08 192	0.09 279	0.12 299	0.10 200	0.05 49	0.04 24	0.06 204	0.06 297	0.04 46	0.03 1

AFF-stereo	0.09 176	0.07 224	0.10 180	0.17 307	0.07 133	0.10 209	0.15 357	0.18 306	0.10 79	0.10 239	0.11 263	0.09 239	0.10 319	0.12 299	0.10 200	0.05 49	0.04 24	0.07 324	0.07 403	0.04 46	0.04 53

EAI-Stereo	0.09 176	0.07 224	0.11 250	0.16 219	0.07 133	0.10 209	0.15 357	0.16 236	0.09 54	0.08 136	0.09 173	0.08 192	0.07 178	0.09 61	0.11 287	0.05 49	0.05 253	0.05 53	0.05 202	0.05 167	0.04 53

Gwc-CoAtRS	0.09 176	0.07 224	0.10 180	0.16 219	0.07 133	0.10 209	0.15 357	0.18 306	0.17 333	0.08 136	0.10 209	0.12 334	0.09 279	0.12 299	0.09 99	0.06 170	0.04 24	0.06 204	0.04 59	0.04 46	0.05 196

noway7	0.11 305	0.07 224	0.14 399	0.20 546	0.09 359	0.11 263	0.15 357	0.28 532	0.17 333	0.11 282	0.12 285	0.08 192	0.07 178	0.10 120	0.11 287	0.05 49	0.04 24	0.07 324	0.06 297	0.06 300	0.05 196

Weightmod_eth	0.09 176	0.07 224	0.08 40	0.18 400	0.07 133	0.11 263	0.16 425	0.13 123	0.11 114	0.09 189	0.09 173	0.10 274	0.07 178	0.10 120	0.10 200	0.06 170	0.07 513	0.06 204	0.07 403	0.04 46	0.03 1

Weightmod	0.09 176	0.06 114	0.08 40	0.18 400	0.06 31	0.11 263	0.15 357	0.14 157	0.12 157	0.11 282	0.11 263	0.08 192	0.07 178	0.10 120	0.11 287	0.06 170	0.08 549	0.07 324	0.07 403	0.05 167	0.03 1

SE	0.10 257	0.10 519	0.08 40	0.19 479	0.09 359	0.11 263	0.11 75	0.16 236	0.11 114	0.10 239	0.17 379	0.09 239	0.08 237	0.09 61	0.10 200	0.06 170	0.05 253	0.08 420	0.07 403	0.07 390	0.04 53

TestStereo_HLe17	0.10 257	0.05 35	0.12 303	0.13 18	0.07 133	0.11 263	0.14 267	0.21 381	0.15 260	0.11 282	0.14 325	0.11 308	0.09 279	0.13 362	0.13 406	0.07 358	0.04 24	0.05 53	0.05 202	0.07 390	0.06 312

DF	0.08 82	0.06 114	0.10 180	0.15 123	0.06 31	0.11 263	0.12 114	0.11 63	0.12 157	0.09 189	0.10 209	0.10 274	0.08 237	0.11 202	0.09 99	0.07 358	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

GCAP-Stereo-cres-4k	0.08 82	0.08 365	0.09 117	0.18 400	0.07 133	0.11 263	0.14 267	0.13 123	0.11 114	0.08 136	0.11 263	0.07 131	0.06 71	0.09 61	0.08 26	0.04 6	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

GCAP-Stereo-DPT-5K	0.08 82	0.06 114	0.11 250	0.16 219	0.07 133	0.11 263	0.12 114	0.15 197	0.16 296	0.08 136	0.12 285	0.05 4	0.06 71	0.09 61	0.08 26	0.05 49	0.04 24	0.06 204	0.05 202	0.03 1	0.04 53

GCAP-Stereo-DPT-2K	0.08 82	0.06 114	0.10 180	0.16 219	0.07 133	0.11 263	0.13 190	0.14 157	0.14 231	0.08 136	0.13 310	0.05 4	0.06 71	0.10 120	0.08 26	0.05 49	0.04 24	0.06 204	0.04 59	0.03 1	0.04 53

VMStereo-Base	0.09 176	0.05 35	0.10 180	0.13 18	0.07 133	0.11 263	0.10 40	0.16 236	0.13 201	0.10 239	0.16 359	0.10 274	0.09 279	0.11 202	0.10 200	0.07 358	0.05 253	0.05 53	0.04 59	0.05 167	0.06 312

WQFJA1++	0.08 82	0.04 1	0.11 250	0.14 66	0.07 133	0.11 263	0.11 75	0.12 90	0.07 18	0.07 76	0.07 61	0.07 131	0.06 71	0.10 120	0.10 200	0.06 170	0.04 24	0.05 53	0.04 59	0.06 300	0.06 312

Anonymus123	0.09 176	0.06 114	0.17 505	0.15 123	0.08 230	0.11 263	0.09 25	0.18 306	0.16 296	0.06 24	0.07 61	0.07 131	0.05 18	0.09 61	0.11 287	0.04 6	0.05 253	0.05 53	0.07 403	0.04 46	0.05 196

NLSM3	0.09 176	0.07 224	0.08 40	0.20 546	0.08 230	0.11 263	0.16 425	0.18 306	0.17 333	0.06 24	0.08 132	0.08 192	0.09 279	0.09 61	0.11 287	0.04 6	0.04 24	0.06 204	0.07 403	0.03 1	0.04 53

VIP-Stereo	0.07 6	0.07 224	0.08 40	0.15 123	0.06 31	0.11 263	0.10 40	0.11 63	0.11 114	0.06 24	0.07 61	0.06 42	0.05 18	0.10 120	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.03 1	0.03 1

FE-Mocha	0.09 176	0.06 114	0.14 399	0.16 219	0.09 359	0.11 263	0.15 357	0.19 339	0.16 296	0.10 239	0.09 173	0.07 131	0.07 178	0.09 61	0.09 99	0.06 170	0.04 24	0.06 204	0.06 297	0.05 167	0.05 196

AdaDepth	0.07 6	0.06 114	0.07 10	0.18 400	0.06 31	0.11 263	0.11 75	0.10 34	0.08 25	0.06 24	0.05 7	0.07 131	0.06 71	0.09 61	0.10 200	0.04 6	0.05 253	0.05 53	0.04 59	0.04 46	0.04 53

depthmonostereo	0.09 176	0.06 114	0.09 117	0.15 123	0.06 31	0.11 263	0.13 190	0.14 157	0.15 260	0.10 239	0.10 209	0.09 239	0.11 362	0.08 26	0.09 99	0.06 170	0.05 253	0.06 204	0.04 59	0.04 46	0.03 1

DVStereo	0.09 176	0.05 35	0.08 40	0.15 123	0.06 31	0.11 263	0.12 114	0.14 157	0.16 296	0.11 282	0.11 263	0.09 239	0.10 319	0.11 202	0.11 287	0.06 170	0.05 253	0.05 53	0.04 59	0.03 1	0.03 1

xyz-stereo-finetune2	0.11 305	0.07 224	0.13 351	0.13 18	0.07 133	0.11 263	0.19 556	0.17 274	0.12 157	0.15 414	0.15 342	0.17 452	0.13 433	0.13 362	0.11 287	0.05 49	0.04 24	0.07 324	0.05 202	0.04 46	0.06 312

AIO-test2	0.10 257	0.08 365	0.10 180	0.23 631	0.09 359	0.11 263	0.11 75	0.23 430	0.24 468	0.08 136	0.09 173	0.08 192	0.05 18	0.10 120	0.08 26	0.06 170	0.05 253	0.08 420	0.09 533	0.05 167	0.05 196

castereo	0.09 176	0.06 114	0.11 250	0.15 123	0.06 31	0.11 263	0.14 267	0.14 157	0.18 354	0.08 136	0.10 209	0.11 308	0.08 237	0.09 61	0.10 200	0.05 49	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

mms	0.09 176	0.07 224	0.08 40	0.17 307	0.08 230	0.11 263	0.15 357	0.12 90	0.11 114	0.09 189	0.09 173	0.08 192	0.06 71	0.11 202	0.12 365	0.05 49	0.04 24	0.07 324	0.05 202	0.04 46	0.04 53

ours_stereo	0.09 176	0.07 224	0.09 117	0.17 307	0.08 230	0.11 263	0.16 425	0.11 63	0.12 157	0.08 136	0.10 209	0.08 192	0.06 71	0.12 299	0.12 365	0.05 49	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

tg	0.10 257	0.06 114	0.10 180	0.18 400	0.08 230	0.11 263	0.16 425	0.20 359	0.12 157	0.08 136	0.11 263	0.11 308	0.07 178	0.11 202	0.10 200	0.05 49	0.04 24	0.08 420	0.08 486	0.04 46	0.04 53

rvit_stereo_0083	0.12 392	0.08 365	0.17 505	0.16 219	0.09 359	0.11 263	0.15 357	0.15 197	0.26 507	0.11 282	0.14 325	0.13 366	0.10 319	0.12 299	0.13 406	0.10 548	0.08 549	0.09 511	0.07 403	0.07 390	0.06 312

WCG-NET	0.08 82	0.05 35	0.10 180	0.15 123	0.06 31	0.11 263	0.14 267	0.13 123	0.14 231	0.07 76	0.09 173	0.07 131	0.06 71	0.13 362	0.08 26	0.05 49	0.04 24	0.06 204	0.04 59	0.04 46	0.03 1

rvit_stereo_0081	0.11 305	0.08 365	0.16 480	0.16 219	0.09 359	0.11 263	0.14 267	0.14 157	0.24 468	0.11 282	0.13 310	0.14 387	0.09 279	0.11 202	0.12 365	0.10 548	0.07 513	0.08 420	0.07 403	0.07 390	0.06 312

GCAP-BAT	0.09 176	0.05 35	0.11 250	0.13 18	0.07 133	0.11 263	0.14 267	0.14 157	0.17 333	0.07 76	0.10 209	0.08 192	0.06 71	0.13 362	0.08 26	0.07 358	0.05 253	0.05 53	0.05 202	0.05 167	0.04 53

rvit_stereo_0082	0.11 305	0.08 365	0.16 480	0.16 219	0.09 359	0.11 263	0.14 267	0.14 157	0.24 468	0.11 282	0.13 310	0.14 387	0.09 279	0.11 202	0.12 365	0.10 548	0.07 513	0.08 420	0.07 403	0.07 390	0.06 312

WCG-NET（raft）	0.08 82	0.05 35	0.10 180	0.15 123	0.06 31	0.11 263	0.13 190	0.15 197	0.12 157	0.08 136	0.07 61	0.06 42	0.06 71	0.13 362	0.08 26	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

test_for_model	0.08 82	0.06 114	0.11 250	0.16 219	0.07 133	0.11 263	0.12 114	0.15 197	0.16 296	0.08 136	0.12 285	0.05 4	0.06 71	0.09 61	0.08 26	0.05 49	0.04 24	0.06 204	0.05 202	0.03 1	0.04 53

DispNO	0.15 497	0.09 450	0.18 539	0.19 479	0.12 571	0.11 263	0.21 596	0.23 430	0.29 544	0.18 491	0.23 476	0.19 478	0.17 533	0.16 453	0.16 508	0.07 358	0.05 253	0.08 420	0.08 486	0.07 390	0.06 312

ff7	0.09 176	0.07 224	0.11 250	0.16 219	0.09 359	0.11 263	0.15 357	0.16 236	0.12 157	0.10 239	0.06 21	0.06 42	0.06 71	0.11 202	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.05 167	0.06 312

IGEVStereo-DCA	0.09 176	0.07 224	0.11 250	0.16 219	0.10 478	0.11 263	0.15 357	0.16 236	0.12 157	0.10 239	0.06 21	0.08 192	0.06 71	0.10 120	0.09 99	0.06 170	0.05 253	0.06 204	0.05 202	0.05 167	0.06 312

ffff	0.09 176	0.07 224	0.11 250	0.16 219	0.09 359	0.11 263	0.15 357	0.16 236	0.12 157	0.10 239	0.06 21	0.06 42	0.06 71	0.11 202	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.05 167	0.06 312

rrr	0.09 176	0.07 224	0.13 351	0.16 219	0.10 478	0.11 263	0.15 357	0.16 236	0.15 260	0.10 239	0.06 21	0.08 192	0.06 71	0.10 120	0.09 99	0.06 170	0.05 253	0.06 204	0.05 202	0.05 167	0.06 312

11t	0.09 176	0.07 224	0.11 250	0.16 219	0.09 359	0.11 263	0.15 357	0.16 236	0.12 157	0.10 239	0.06 21	0.06 42	0.06 71	0.11 202	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.05 167	0.06 312

plain	0.11 305	0.09 450	0.10 180	0.19 479	0.09 359	0.11 263	0.14 267	0.14 157	0.13 201	0.13 358	0.15 342	0.09 239	0.12 397	0.13 362	0.12 365	0.07 358	0.05 253	0.09 511	0.06 297	0.06 300	0.06 312

GCAPDPT-zeroshot	0.09 176	0.05 35	0.11 250	0.13 18	0.07 133	0.11 263	0.14 267	0.14 157	0.17 333	0.07 76	0.10 209	0.08 192	0.06 71	0.13 362	0.08 26	0.07 358	0.05 253	0.05 53	0.05 202	0.05 167	0.04 53

GCAP-Stereo	0.09 176	0.07 224	0.13 351	0.18 400	0.06 31	0.11 263	0.07 5	0.14 157	0.12 157	0.09 189	0.10 209	0.07 131	0.09 279	0.13 362	0.10 200	0.06 170	0.05 253	0.05 53	0.04 59	0.04 46	0.05 196

RAFT-Test	0.09 176	0.06 114	0.10 180	0.16 219	0.07 133	0.11 263	0.15 357	0.16 236	0.13 201	0.09 189	0.10 209	0.11 308	0.09 279	0.12 299	0.09 99	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.05 196

HH	0.09 176	0.06 114	0.13 351	0.17 307	0.08 230	0.11 263	0.16 425	0.15 197	0.10 79	0.08 136	0.10 209	0.08 192	0.07 178	0.10 120	0.09 99	0.06 170	0.04 24	0.06 204	0.05 202	0.05 167	0.04 53

HanStereo	0.09 176	0.06 114	0.13 351	0.17 307	0.08 230	0.11 263	0.16 425	0.15 197	0.10 79	0.08 136	0.10 209	0.08 192	0.07 178	0.10 120	0.09 99	0.06 170	0.04 24	0.06 204	0.05 202	0.05 167	0.04 53

LL-Strereo	0.13 423	0.10 519	0.12 303	0.20 546	0.10 478	0.11 263	0.18 509	0.33 603	0.25 493	0.16 444	0.16 359	0.14 387	0.14 466	0.19 539	0.11 287	0.06 170	0.05 253	0.09 511	0.08 486	0.04 46	0.05 196

anonymousdsp	0.09 176	0.07 224	0.11 250	0.17 307	0.09 359	0.11 263	0.15 357	0.16 236	0.12 157	0.10 239	0.06 21	0.06 42	0.06 71	0.11 202	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.05 167	0.06 312

EGLCR-Stereo	0.08 82	0.05 35	0.08 40	0.14 66	0.07 133	0.11 263	0.12 114	0.11 63	0.16 296	0.06 24	0.05 7	0.07 131	0.05 18	0.10 120	0.11 287	0.06 170	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

DCRE	0.11 305	0.07 224	0.13 351	0.16 219	0.11 537	0.11 263	0.17 459	0.18 306	0.17 333	0.11 282	0.18 408	0.11 308	0.10 319	0.15 424	0.11 287	0.06 170	0.05 253	0.06 204	0.06 297	0.05 167	0.05 196

ProNet	0.09 176	0.07 224	0.11 250	0.17 307	0.08 230	0.11 263	0.15 357	0.15 197	0.12 157	0.10 239	0.06 21	0.07 131	0.06 71	0.11 202	0.09 99	0.05 49	0.05 253	0.06 204	0.05 202	0.04 46	0.06 312

ccc-4	0.09 176	0.07 224	0.11 250	0.16 219	0.09 359	0.11 263	0.15 357	0.16 236	0.12 157	0.10 239	0.06 21	0.06 42	0.06 71	0.11 202	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.05 167	0.06 312

IGEV-Stereo	0.09 176	0.07 224	0.11 250	0.17 307	0.09 359	0.11 263	0.15 357	0.16 236	0.12 157	0.10 239	0.06 21	0.06 42	0.06 71	0.11 202	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.05 167	0.06 312
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.11 305	0.08 365	0.15 436	0.17 307	0.08 230	0.11 263	0.14 267	0.20 359	0.15 260	0.13 358	0.18 408	0.07 131	0.07 178	0.14 401	0.14 450	0.06 170	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

IIG-Stereo	0.11 305	0.06 114	0.13 351	0.17 307	0.08 230	0.11 263	0.12 114	0.22 408	0.18 354	0.14 389	0.17 379	0.12 334	0.13 433	0.12 299	0.13 406	0.06 170	0.05 253	0.07 324	0.06 297	0.06 300	0.05 196

cross-raft	0.10 257	0.09 450	0.09 117	0.19 479	0.07 133	0.11 263	0.24 634	0.13 123	0.15 260	0.08 136	0.10 209	0.12 334	0.10 319	0.09 61	0.11 287	0.05 49	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

test-1	0.10 257	0.07 224	0.17 505	0.19 479	0.08 230	0.11 263	0.24 634	0.15 197	0.18 354	0.09 189	0.07 61	0.10 274	0.08 237	0.08 26	0.09 99	0.06 170	0.04 24	0.06 204	0.06 297	0.04 46	0.05 196

iRaftStereo_RVC	0.10 257	0.07 224	0.10 180	0.17 307	0.09 359	0.11 263	0.17 459	0.18 306	0.12 157	0.09 189	0.11 263	0.10 274	0.07 178	0.11 202	0.10 200	0.05 49	0.04 24	0.08 420	0.08 486	0.04 46	0.04 53

TANstereo	0.09 176	0.04 1	0.08 40	0.13 18	0.06 31	0.11 263	0.13 190	0.15 197	0.19 383	0.11 282	0.15 342	0.10 274	0.07 178	0.12 299	0.09 99	0.07 358	0.05 253	0.05 53	0.04 59	0.06 300	0.05 196

test_xeample3	0.09 176	0.07 224	0.12 303	0.16 219	0.09 359	0.11 263	0.15 357	0.16 236	0.14 231	0.10 239	0.07 61	0.08 192	0.06 71	0.10 120	0.09 99	0.06 170	0.04 24	0.06 204	0.05 202	0.05 167	0.06 312

R-Stereo Train	0.10 257	0.06 114	0.11 250	0.17 307	0.08 230	0.11 263	0.14 267	0.24 456	0.11 114	0.12 322	0.19 424	0.11 308	0.08 237	0.10 120	0.11 287	0.07 358	0.05 253	0.06 204	0.05 202	0.05 167	0.05 196

RAFT-Stereo	0.10 257	0.06 114	0.11 250	0.17 307	0.08 230	0.11 263	0.14 267	0.24 456	0.11 114	0.12 322	0.19 424	0.11 308	0.08 237	0.10 120	0.11 287	0.07 358	0.05 253	0.06 204	0.05 202	0.05 167	0.05 196
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
ManiGeoR	0.10 257	0.05 35	0.12 303	0.12 7	0.08 230	0.12 322	0.12 114	0.24 456	0.14 231	0.13 358	0.14 325	0.12 334	0.09 279	0.13 362	0.13 406	0.07 358	0.05 253	0.05 53	0.05 202	0.07 390	0.07 403

HLf10	0.10 257	0.05 35	0.12 303	0.12 7	0.08 230	0.12 322	0.12 114	0.24 456	0.14 231	0.13 358	0.14 325	0.12 334	0.09 279	0.13 362	0.13 406	0.07 358	0.05 253	0.05 53	0.05 202	0.07 390	0.07 403

TestStereo_HL3	0.11 305	0.06 114	0.16 480	0.13 18	0.07 133	0.12 322	0.11 75	0.20 359	0.09 54	0.15 414	0.31 583	0.13 366	0.12 397	0.16 453	0.11 287	0.07 358	0.05 253	0.05 53	0.05 202	0.06 300	0.07 403

GGDA	0.11 305	0.06 114	0.12 303	0.13 18	0.07 133	0.12 322	0.14 267	0.19 339	0.19 383	0.13 358	0.20 434	0.12 334	0.09 279	0.12 299	0.12 365	0.07 358	0.04 24	0.05 53	0.05 202	0.06 300	0.07 403

TS12	0.08 82	0.06 114	0.09 117	0.21 585	0.07 133	0.12 322	0.12 114	0.11 63	0.09 54	0.10 239	0.10 209	0.08 192	0.10 319	0.09 61	0.12 365	0.04 6	0.04 24	0.05 53	0.04 59	0.03 1	0.04 53

DN	0.10 257	0.05 35	0.10 180	0.15 123	0.09 359	0.12 322	0.18 509	0.17 274	0.16 296	0.08 136	0.09 173	0.08 192	0.06 71	0.08 26	0.09 99	0.11 583	0.05 253	0.07 324	0.06 297	0.07 390	0.09 527

RT-Monster	0.09 176	0.05 35	0.09 117	0.14 66	0.08 230	0.12 322	0.10 40	0.17 274	0.19 383	0.14 389	0.10 209	0.10 274	0.08 237	0.11 202	0.10 200	0.07 358	0.05 253	0.05 53	0.04 59	0.05 167	0.06 312

WQFJA1	0.10 257	0.07 224	0.08 40	0.20 546	0.09 359	0.12 322	0.18 509	0.18 306	0.18 354	0.09 189	0.10 209	0.08 192	0.10 319	0.12 299	0.11 287	0.06 170	0.08 549	0.07 324	0.06 297	0.06 300	0.05 196

WQFJX1	0.10 257	0.07 224	0.08 40	0.22 610	0.09 359	0.12 322	0.17 459	0.18 306	0.18 354	0.10 239	0.10 209	0.07 131	0.10 319	0.11 202	0.10 200	0.07 358	0.08 549	0.07 324	0.06 297	0.05 167	0.05 196

WQFJX	0.10 257	0.07 224	0.09 117	0.21 585	0.09 359	0.12 322	0.16 425	0.19 339	0.18 354	0.12 322	0.10 209	0.08 192	0.10 319	0.12 299	0.10 200	0.07 358	0.07 513	0.06 204	0.05 202	0.06 300	0.05 196

NLMM1	0.11 305	0.09 450	0.07 10	0.22 610	0.10 478	0.12 322	0.20 579	0.19 339	0.20 408	0.12 322	0.11 263	0.08 192	0.10 319	0.11 202	0.11 287	0.08 442	0.08 549	0.07 324	0.06 297	0.05 167	0.04 53

NLMM	0.10 257	0.07 224	0.08 40	0.20 546	0.09 359	0.12 322	0.18 509	0.18 306	0.18 354	0.09 189	0.10 209	0.08 192	0.10 319	0.12 299	0.11 287	0.06 170	0.08 549	0.07 324	0.06 297	0.06 300	0.05 196

NLCSM	0.11 305	0.09 450	0.09 117	0.23 631	0.11 537	0.12 322	0.19 556	0.19 339	0.19 383	0.12 322	0.11 263	0.07 131	0.09 279	0.11 202	0.10 200	0.08 442	0.08 549	0.07 324	0.07 403	0.06 300	0.05 196

Select-FE	0.11 305	0.06 114	0.21 579	0.15 123	0.11 537	0.12 322	0.13 190	0.22 408	0.18 354	0.09 189	0.11 263	0.10 274	0.06 71	0.12 299	0.09 99	0.07 358	0.05 253	0.07 324	0.08 486	0.06 300	0.08 478

IGEV-FE	0.09 176	0.05 35	0.13 351	0.14 66	0.08 230	0.12 322	0.13 190	0.17 274	0.11 114	0.10 239	0.06 21	0.09 239	0.06 71	0.11 202	0.09 99	0.06 170	0.04 24	0.06 204	0.06 297	0.05 167	0.05 196

Zero-FE251	0.08 82	0.05 35	0.10 180	0.13 18	0.06 31	0.12 322	0.12 114	0.11 63	0.10 79	0.07 76	0.08 132	0.06 42	0.06 71	0.10 120	0.08 26	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.04 53

G2L-Stereo_test	0.14 456	0.07 224	0.11 250	0.13 18	0.08 230	0.12 322	0.17 459	0.31 583	0.28 536	0.21 546	0.23 476	0.20 495	0.16 507	0.17 493	0.19 553	0.07 358	0.05 253	0.05 53	0.05 202	0.07 390	0.07 403

SGD-Stereo	0.08 82	0.05 35	0.10 180	0.14 66	0.06 31	0.12 322	0.12 114	0.11 63	0.12 157	0.07 76	0.09 173	0.09 239	0.09 279	0.08 26	0.08 26	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

MM-Stereo_test3	0.10 257	0.07 224	0.07 10	0.18 400	0.07 133	0.12 322	0.19 556	0.24 456	0.19 383	0.06 24	0.10 209	0.08 192	0.06 71	0.11 202	0.09 99	0.06 170	0.06 438	0.07 324	0.05 202	0.05 167	0.04 53

MM-Stereo_test2	0.09 176	0.07 224	0.09 117	0.19 479	0.08 230	0.12 322	0.18 509	0.15 197	0.14 231	0.07 76	0.10 209	0.07 131	0.06 71	0.12 299	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.06 300	0.04 53

MM-Stereo_test1	0.10 257	0.07 224	0.09 117	0.18 400	0.07 133	0.12 322	0.18 509	0.21 381	0.20 408	0.09 189	0.11 263	0.08 192	0.06 71	0.10 120	0.10 200	0.06 170	0.05 253	0.07 324	0.06 297	0.05 167	0.04 53

Reg-Stereo(zero)	0.09 176	0.05 35	0.08 40	0.16 219	0.06 31	0.12 322	0.11 75	0.15 197	0.11 114	0.12 322	0.09 173	0.10 274	0.08 237	0.11 202	0.09 99	0.06 170	0.05 253	0.05 53	0.04 59	0.04 46	0.05 196

tt45	0.09 176	0.06 114	0.11 250	0.15 123	0.07 133	0.12 322	0.15 357	0.13 123	0.12 157	0.09 189	0.06 21	0.08 192	0.06 71	0.13 362	0.10 200	0.06 170	0.04 24	0.06 204	0.05 202	0.05 167	0.06 312

rvit_0105_4	0.15 497	0.09 450	0.17 505	0.17 307	0.10 478	0.12 322	0.20 579	0.23 430	0.27 520	0.14 389	0.20 434	0.17 452	0.14 466	0.17 493	0.13 406	0.15 653	0.11 624	0.11 591	0.10 574	0.09 528	0.06 312

rvit_stereo_ft	0.12 392	0.07 224	0.13 351	0.19 479	0.10 478	0.12 322	0.17 459	0.16 236	0.16 296	0.13 358	0.13 310	0.15 413	0.10 319	0.14 401	0.13 406	0.10 548	0.06 438	0.08 420	0.07 403	0.07 390	0.06 312

gcap-zeroshot	0.08 82	0.06 114	0.11 250	0.15 123	0.07 133	0.12 322	0.13 190	0.15 197	0.16 296	0.08 136	0.12 285	0.05 4	0.06 71	0.09 61	0.08 26	0.05 49	0.04 24	0.06 204	0.05 202	0.03 1	0.04 53

trnet	0.08 82	0.05 35	0.07 10	0.12 7	0.05 2	0.12 322	0.10 40	0.13 123	0.10 79	0.08 136	0.13 310	0.09 239	0.08 237	0.11 202	0.10 200	0.08 442	0.05 253	0.05 53	0.03 1	0.06 300	0.05 196

H2IRNET	0.10 257	0.09 450	0.10 180	0.18 400	0.09 359	0.12 322	0.15 357	0.14 157	0.21 424	0.10 239	0.10 209	0.10 274	0.11 362	0.10 120	0.10 200	0.06 170	0.04 24	0.08 420	0.08 486	0.06 300	0.05 196

CoDeX	0.12 392	0.07 224	0.13 351	0.17 307	0.08 230	0.12 322	0.16 425	0.23 430	0.27 520	0.13 358	0.17 379	0.15 413	0.12 397	0.14 401	0.11 287	0.07 358	0.05 253	0.07 324	0.06 297	0.06 300	0.05 196

IGEV_Zeroshot_test	0.09 176	0.05 35	0.13 351	0.14 66	0.08 230	0.12 322	0.13 190	0.17 274	0.11 114	0.10 239	0.06 21	0.09 239	0.06 71	0.11 202	0.09 99	0.06 170	0.04 24	0.06 204	0.06 297	0.05 167	0.05 196

testlalala	0.08 82	0.06 114	0.11 250	0.15 123	0.07 133	0.12 322	0.13 190	0.15 197	0.16 296	0.08 136	0.12 285	0.05 4	0.06 71	0.09 61	0.08 26	0.05 49	0.04 24	0.06 204	0.05 202	0.03 1	0.04 53

RAFT_CTSACE	0.12 392	0.09 450	0.10 180	0.22 610	0.08 230	0.12 322	0.24 634	0.18 306	0.17 333	0.21 546	0.27 546	0.13 366	0.07 178	0.13 362	0.09 99	0.05 49	0.06 438	0.08 420	0.07 403	0.04 46	0.04 53

SA	0.13 423	0.09 450	0.09 117	0.18 400	0.08 230	0.12 322	0.24 634	0.23 430	0.19 383	0.17 458	0.27 546	0.15 413	0.11 362	0.11 202	0.11 287	0.05 49	0.05 253	0.09 511	0.08 486	0.05 167	0.05 196

iRaft-Stereo_20w	0.09 176	0.05 35	0.13 351	0.14 66	0.09 359	0.12 322	0.15 357	0.19 339	0.11 114	0.11 282	0.08 132	0.08 192	0.05 18	0.10 120	0.09 99	0.06 170	0.04 24	0.06 204	0.05 202	0.06 300	0.05 196

UDGNet	0.14 456	0.13 592	0.17 505	0.18 400	0.10 478	0.12 322	0.16 425	0.21 381	0.27 520	0.20 529	0.20 434	0.17 452	0.13 433	0.16 453	0.14 450	0.10 548	0.06 438	0.09 511	0.07 403	0.07 390	0.07 403

IPLGR_C	0.11 305	0.08 365	0.15 436	0.17 307	0.08 230	0.12 322	0.15 357	0.17 274	0.15 260	0.14 389	0.11 263	0.16 434	0.10 319	0.16 453	0.12 365	0.07 358	0.05 253	0.06 204	0.06 297	0.05 167	0.06 312

MIPNet	0.11 305	0.08 365	0.15 436	0.17 307	0.09 359	0.12 322	0.14 267	0.21 381	0.25 493	0.12 322	0.10 209	0.09 239	0.07 178	0.13 362	0.13 406	0.06 170	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

GMOStereo	0.11 305	0.09 450	0.08 40	0.19 479	0.08 230	0.12 322	0.28 670	0.13 123	0.18 354	0.11 282	0.17 379	0.14 387	0.12 397	0.07 6	0.07 1	0.05 49	0.05 253	0.09 511	0.07 403	0.04 46	0.04 53

error version	0.11 305	0.09 450	0.08 40	0.19 479	0.08 230	0.12 322	0.28 670	0.13 123	0.18 354	0.11 282	0.17 379	0.14 387	0.12 397	0.07 6	0.07 1	0.05 49	0.05 253	0.09 511	0.07 403	0.04 46	0.04 53

test-v	0.11 305	0.09 450	0.08 40	0.19 479	0.08 230	0.12 322	0.28 670	0.13 123	0.18 354	0.11 282	0.17 379	0.14 387	0.12 397	0.07 6	0.07 1	0.05 49	0.05 253	0.09 511	0.07 403	0.04 46	0.04 53

GwcNet-ADL	0.13 423	0.08 365	0.14 399	0.20 546	0.09 359	0.12 322	0.20 579	0.30 566	0.25 493	0.14 389	0.14 325	0.18 467	0.14 466	0.13 362	0.15 488	0.07 358	0.05 253	0.06 204	0.05 202	0.07 390	0.06 312

CrosDoStereo	0.12 392	0.07 224	0.12 303	0.14 66	0.09 359	0.12 322	0.15 357	0.17 274	0.22 446	0.19 507	0.24 488	0.15 413	0.11 362	0.11 202	0.12 365	0.06 170	0.05 253	0.07 324	0.07 403	0.05 167	0.05 196

DeepStereo_LL	0.12 392	0.07 224	0.12 303	0.14 66	0.09 359	0.12 322	0.15 357	0.17 274	0.22 446	0.19 507	0.24 488	0.15 413	0.11 362	0.11 202	0.12 365	0.06 170	0.05 253	0.07 324	0.07 403	0.05 167	0.05 196

RAFT-RH_RVC	0.12 392	0.06 114	0.14 399	0.16 219	0.09 359	0.12 322	0.12 114	0.17 274	0.12 157	0.13 358	0.40 640	0.11 308	0.10 319	0.13 362	0.12 365	0.05 49	0.04 24	0.08 420	0.05 202	0.05 167	0.06 312

test-2	0.11 305	0.09 450	0.08 40	0.19 479	0.08 230	0.12 322	0.28 670	0.13 123	0.18 354	0.11 282	0.17 379	0.14 387	0.12 397	0.07 6	0.07 1	0.05 49	0.05 253	0.09 511	0.07 403	0.04 46	0.04 53

Prome-Stereo	0.11 305	0.07 224	0.11 250	0.18 400	0.09 359	0.12 322	0.14 267	0.23 430	0.13 201	0.13 358	0.16 359	0.13 366	0.08 237	0.12 299	0.10 200	0.05 49	0.05 253	0.07 324	0.06 297	0.06 300	0.10 559

HITNet	0.11 305	0.06 114	0.12 303	0.14 66	0.06 31	0.12 322	0.10 40	0.18 306	0.18 354	0.13 358	0.17 379	0.15 413	0.11 362	0.15 424	0.14 450	0.06 170	0.04 24	0.04 1	0.04 59	0.06 300	0.05 196
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
zzzzzzz1	0.11 305	0.07 224	0.14 399	0.21 585	0.10 478	0.13 369	0.18 509	0.22 408	0.20 408	0.13 358	0.12 285	0.08 192	0.08 237	0.13 362	0.10 200	0.05 49	0.05 253	0.07 324	0.07 403	0.05 167	0.05 196

monster_256*512	0.11 305	0.07 224	0.09 117	0.21 585	0.10 478	0.13 369	0.17 459	0.27 507	0.19 383	0.12 322	0.12 285	0.09 239	0.07 178	0.10 120	0.11 287	0.05 49	0.04 24	0.07 324	0.07 403	0.05 167	0.05 196

S	0.12 392	0.08 365	0.10 180	0.20 546	0.08 230	0.13 369	0.19 556	0.17 274	0.16 296	0.13 358	0.12 285	0.14 387	0.10 319	0.12 299	0.13 406	0.09 504	0.07 513	0.13 627	0.15 664	0.06 300	0.05 196

SMOE	0.10 257	0.08 365	0.09 117	0.18 400	0.07 133	0.13 369	0.14 267	0.19 339	0.13 201	0.12 322	0.13 310	0.12 334	0.09 279	0.11 202	0.12 365	0.05 49	0.05 253	0.08 420	0.06 297	0.06 300	0.04 53

PStereo	0.20 584	0.22 668	0.20 568	0.18 400	0.10 478	0.13 369	0.19 556	0.28 532	0.38 613	0.20 529	0.14 325	0.28 588	0.32 663	0.24 614	0.32 674	0.18 676	0.13 654	0.16 662	0.11 606	0.13 621	0.12 607

TestStereo_HL2	0.11 305	0.06 114	0.12 303	0.12 7	0.08 230	0.13 369	0.14 267	0.20 359	0.18 354	0.13 358	0.21 453	0.12 334	0.11 362	0.13 362	0.12 365	0.07 358	0.05 253	0.05 53	0.05 202	0.07 390	0.07 403

Foundation-i1a	0.08 82	0.05 35	0.08 40	0.13 18	0.05 2	0.13 369	0.13 190	0.12 90	0.10 79	0.11 282	0.11 263	0.11 308	0.06 71	0.08 26	0.09 99	0.06 170	0.04 24	0.05 53	0.03 1	0.04 46	0.04 53

Lsterematch	0.11 305	0.06 114	0.11 250	0.16 219	0.07 133	0.13 369	0.15 357	0.14 157	0.18 354	0.16 444	0.18 408	0.15 413	0.16 507	0.13 362	0.14 450	0.07 358	0.04 24	0.06 204	0.06 297	0.06 300	0.06 312

DStereoRT	0.17 547	0.07 224	0.12 303	0.19 479	0.09 359	0.13 369	0.12 114	0.28 532	0.23 456	0.12 322	0.20 434	0.11 308	0.10 319	0.15 424	0.14 450	0.06 170	0.05 253	1.02 732	0.09 533	0.05 167	0.04 53

NLSM1	0.10 257	0.07 224	0.08 40	0.19 479	0.08 230	0.13 369	0.16 425	0.21 381	0.16 296	0.11 282	0.10 209	0.07 131	0.10 319	0.10 120	0.11 287	0.07 358	0.08 549	0.08 420	0.07 403	0.05 167	0.05 196

252Zero-FE	0.08 82	0.04 1	0.10 180	0.13 18	0.07 133	0.13 369	0.11 75	0.13 123	0.14 231	0.07 76	0.05 7	0.06 42	0.05 18	0.09 61	0.10 200	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.06 312

DFGA-Net	0.13 423	0.11 546	0.19 563	0.18 400	0.10 478	0.13 369	0.13 190	0.23 430	0.25 493	0.16 444	0.16 359	0.13 366	0.12 397	0.17 493	0.15 488	0.07 358	0.05 253	0.08 420	0.07 403	0.05 167	0.05 196

G2L-Stereo	0.14 456	0.07 224	0.13 351	0.17 307	0.09 359	0.13 369	0.12 114	0.27 507	0.22 446	0.17 458	0.27 546	0.21 504	0.13 433	0.18 514	0.18 538	0.09 504	0.08 549	0.08 420	0.07 403	0.07 390	0.07 403

fffy	0.09 176	0.08 365	0.10 180	0.16 219	0.07 133	0.13 369	0.17 459	0.13 123	0.12 157	0.08 136	0.09 173	0.08 192	0.09 279	0.13 362	0.11 287	0.05 49	0.05 253	0.07 324	0.05 202	0.04 46	0.05 196

UGAM	0.13 423	0.10 519	0.09 117	0.22 610	0.08 230	0.13 369	0.20 579	0.18 306	0.24 468	0.22 561	0.16 359	0.13 366	0.13 433	0.19 539	0.13 406	0.07 358	0.05 253	0.13 627	0.11 606	0.07 390	0.05 196

model_zeroshot	0.10 257	0.05 35	0.12 303	0.15 123	0.09 359	0.13 369	0.14 267	0.20 359	0.14 231	0.11 282	0.10 209	0.12 334	0.07 178	0.12 299	0.11 287	0.07 358	0.06 438	0.06 204	0.05 202	0.06 300	0.06 312

ITSA-stereo	0.16 525	0.11 546	0.14 399	0.19 479	0.08 230	0.13 369	0.14 267	0.30 566	0.49 661	0.17 458	0.18 408	0.22 522	0.15 486	0.17 493	0.16 508	0.10 548	0.06 438	0.08 420	0.08 486	0.08 463	0.09 527

rvit_stereo_0075_2	0.17 547	0.12 565	0.25 606	0.23 631	0.16 650	0.13 369	0.10 40	0.30 566	0.27 520	0.20 529	0.28 557	0.22 522	0.15 486	0.18 514	0.13 406	0.16 670	0.10 609	0.17 666	0.10 574	0.10 564	0.10 559

RAStereo	0.10 257	0.09 450	0.08 40	0.20 546	0.08 230	0.13 369	0.18 509	0.16 236	0.17 333	0.10 239	0.12 285	0.05 4	0.06 71	0.09 61	0.08 26	0.07 358	0.05 253	0.07 324	0.05 202	0.05 167	0.04 53

Pointernet	0.09 176	0.05 35	0.10 180	0.16 219	0.08 230	0.13 369	0.10 40	0.15 197	0.18 354	0.09 189	0.07 61	0.06 42	0.06 71	0.11 202	0.10 200	0.08 442	0.04 24	0.05 53	0.03 1	0.06 300	0.05 196

CAS++	0.11 305	0.07 224	0.11 250	0.14 66	0.10 478	0.13 369	0.14 267	0.24 456	0.14 231	0.11 282	0.09 173	0.11 308	0.07 178	0.14 401	0.09 99	0.11 583	0.09 585	0.09 511	0.07 403	0.07 390	0.08 478
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MyStereo06	0.10 257	0.07 224	0.12 303	0.17 307	0.09 359	0.13 369	0.18 509	0.19 339	0.12 157	0.13 358	0.08 132	0.07 131	0.07 178	0.11 202	0.09 99	0.06 170	0.05 253	0.08 420	0.07 403	0.06 300	0.06 312

MyStereo05	0.13 423	0.07 224	0.10 180	0.17 307	0.09 359	0.13 369	0.18 509	0.28 532	0.35 596	0.17 458	0.14 325	0.15 413	0.11 362	0.15 424	0.13 406	0.06 170	0.05 253	0.08 420	0.07 403	0.06 300	0.06 312

ACVNet-DCA	0.10 257	0.08 365	0.13 351	0.17 307	0.09 359	0.13 369	0.15 357	0.24 456	0.16 296	0.09 189	0.09 173	0.06 42	0.06 71	0.10 120	0.07 1	0.06 170	0.05 253	0.06 204	0.05 202	0.07 390	0.07 403

xx1	0.11 305	0.08 365	0.13 351	0.17 307	0.09 359	0.13 369	0.15 357	0.16 236	0.18 354	0.09 189	0.09 173	0.16 434	0.16 507	0.10 120	0.07 1	0.06 170	0.05 253	0.08 420	0.08 486	0.07 390	0.07 403

1test111	0.11 305	0.08 365	0.13 351	0.17 307	0.09 359	0.13 369	0.15 357	0.24 456	0.16 296	0.09 189	0.09 173	0.06 42	0.06 71	0.15 424	0.16 508	0.06 170	0.05 253	0.06 204	0.05 202	0.07 390	0.07 403

cc1	0.10 257	0.08 365	0.13 351	0.17 307	0.09 359	0.13 369	0.15 357	0.16 236	0.18 354	0.09 189	0.09 173	0.06 42	0.06 71	0.10 120	0.07 1	0.06 170	0.05 253	0.06 204	0.05 202	0.06 300	0.06 312

tt1	0.10 257	0.08 365	0.13 351	0.17 307	0.09 359	0.13 369	0.15 357	0.15 197	0.19 383	0.09 189	0.08 132	0.06 42	0.06 71	0.10 120	0.08 26	0.06 170	0.05 253	0.06 204	0.05 202	0.06 300	0.06 312

UniTT-Stereo	0.09 176	0.07 224	0.08 40	0.18 400	0.08 230	0.13 369	0.11 75	0.12 90	0.11 114	0.10 239	0.12 285	0.05 4	0.06 71	0.09 61	0.10 200	0.07 358	0.06 438	0.05 53	0.05 202	0.06 300	0.05 196

EKT-Stereo	0.11 305	0.07 224	0.14 399	0.16 219	0.10 478	0.13 369	0.14 267	0.19 339	0.21 424	0.11 282	0.08 132	0.13 366	0.10 319	0.11 202	0.12 365	0.08 442	0.06 438	0.07 324	0.06 297	0.08 463	0.07 403

Any-RAFT	0.10 257	0.05 35	0.10 180	0.15 123	0.07 133	0.13 369	0.14 267	0.21 381	0.15 260	0.11 282	0.12 285	0.13 366	0.10 319	0.13 362	0.10 200	0.07 358	0.04 24	0.05 53	0.04 59	0.06 300	0.05 196

anonymousdsp2	0.11 305	0.07 224	0.11 250	0.16 219	0.09 359	0.13 369	0.14 267	0.19 339	0.23 456	0.13 358	0.14 325	0.12 334	0.09 279	0.14 401	0.11 287	0.05 49	0.05 253	0.05 53	0.04 59	0.06 300	0.06 312

CBFPSM	0.15 497	0.07 224	0.27 617	0.17 307	0.09 359	0.13 369	0.15 357	0.22 408	0.23 456	0.20 529	0.27 546	0.23 539	0.16 507	0.16 453	0.19 553	0.06 170	0.06 438	0.06 204	0.07 403	0.07 390	0.07 403

anonymousa	0.13 423	0.07 224	0.14 399	0.18 400	0.09 359	0.13 369	0.17 459	0.20 359	0.29 544	0.15 414	0.24 488	0.16 434	0.14 466	0.14 401	0.14 450	0.07 358	0.05 253	0.07 324	0.09 533	0.05 167	0.07 403

qqq	0.13 423	0.09 450	0.15 436	0.16 219	0.08 230	0.13 369	0.15 357	0.24 456	0.16 296	0.15 414	0.19 424	0.16 434	0.16 507	0.15 424	0.16 508	0.07 358	0.06 438	0.08 420	0.08 486	0.07 390	0.07 403

raft_robust	0.13 423	0.10 519	0.07 10	0.18 400	0.08 230	0.13 369	0.24 634	0.29 553	0.34 582	0.20 529	0.20 434	0.15 413	0.10 319	0.11 202	0.12 365	0.05 49	0.05 253	0.07 324	0.07 403	0.05 167	0.04 53

CIPLG	0.11 305	0.08 365	0.15 436	0.17 307	0.08 230	0.13 369	0.15 357	0.17 274	0.16 296	0.14 389	0.11 263	0.16 434	0.10 319	0.17 493	0.12 365	0.07 358	0.05 253	0.06 204	0.06 297	0.05 167	0.06 312

IPLGR	0.11 305	0.09 450	0.17 505	0.18 400	0.08 230	0.13 369	0.16 425	0.21 381	0.24 468	0.12 322	0.12 285	0.11 308	0.09 279	0.13 362	0.12 365	0.06 170	0.05 253	0.06 204	0.06 297	0.05 167	0.04 53

ACRE	0.11 305	0.08 365	0.15 436	0.17 307	0.08 230	0.13 369	0.15 357	0.17 274	0.14 231	0.14 389	0.11 263	0.16 434	0.10 319	0.16 453	0.12 365	0.07 358	0.05 253	0.06 204	0.06 297	0.05 167	0.06 312

test_3	0.11 305	0.09 450	0.10 180	0.21 585	0.08 230	0.13 369	0.25 650	0.14 157	0.21 424	0.10 239	0.10 209	0.09 239	0.10 319	0.08 26	0.11 287	0.05 49	0.04 24	0.08 420	0.07 403	0.04 46	0.04 53

PSMNet-ADL	0.15 497	0.12 565	0.13 351	0.22 610	0.09 359	0.13 369	0.20 579	0.26 493	0.23 456	0.18 491	0.20 434	0.23 539	0.17 533	0.18 514	0.18 538	0.09 504	0.08 549	0.08 420	0.11 606	0.08 463	0.07 403

XX-TBD	0.09 176	0.06 114	0.07 10	0.14 66	0.07 133	0.13 369	0.16 425	0.14 157	0.14 231	0.11 282	0.12 285	0.09 239	0.08 237	0.10 120	0.10 200	0.06 170	0.04 24	0.05 53	0.04 59	0.06 300	0.05 196

CFNet_pseudo	0.14 456	0.08 365	0.16 480	0.16 219	0.09 359	0.13 369	0.14 267	0.27 507	0.34 582	0.15 414	0.21 453	0.22 522	0.13 433	0.18 514	0.14 450	0.07 358	0.05 253	0.08 420	0.06 297	0.07 390	0.07 403

RALCasStereoNet	0.11 305	0.07 224	0.09 117	0.16 219	0.08 230	0.13 369	0.14 267	0.17 274	0.11 114	0.12 322	0.17 379	0.14 387	0.10 319	0.12 299	0.11 287	0.07 358	0.06 438	0.06 204	0.05 202	0.08 463	0.07 403

GES	0.14 456	0.08 365	0.16 480	0.15 123	0.10 478	0.13 369	0.13 190	0.28 532	0.26 507	0.17 458	0.24 488	0.19 478	0.14 466	0.16 453	0.14 450	0.08 442	0.08 549	0.07 324	0.06 297	0.08 463	0.09 527

PSMNet-RSSM	0.14 456	0.07 224	0.14 399	0.15 123	0.08 230	0.13 369	0.16 425	0.25 479	0.24 468	0.17 458	0.28 557	0.23 539	0.14 466	0.16 453	0.14 450	0.11 583	0.06 438	0.09 511	0.12 629	0.08 463	0.07 403

PMTNet	0.09 176	0.05 35	0.09 117	0.12 7	0.06 31	0.13 369	0.14 267	0.16 236	0.11 114	0.09 189	0.13 310	0.10 274	0.07 178	0.14 401	0.10 200	0.15 653	0.04 24	0.05 53	0.03 1	0.07 390	0.06 312

FADNet_RVC	0.17 547	0.14 607	0.41 664	0.20 546	0.11 537	0.13 369	0.13 190	0.27 507	0.22 446	0.21 546	0.23 476	0.20 495	0.18 547	0.15 424	0.17 525	0.08 442	0.08 549	0.12 613	0.09 533	0.11 586	0.10 559

DIP-Stereo	0.11 305	0.08 365	0.15 436	0.17 307	0.09 359	0.13 369	0.09 25	0.16 236	0.16 296	0.12 322	0.16 359	0.14 387	0.12 397	0.16 453	0.14 450	0.06 170	0.05 253	0.06 204	0.05 202	0.05 167	0.07 403
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccs_rob	0.14 456	0.09 450	0.16 480	0.16 219	0.09 359	0.13 369	0.14 267	0.27 507	0.34 582	0.15 414	0.21 453	0.22 522	0.13 433	0.18 514	0.14 450	0.07 358	0.05 253	0.08 420	0.07 403	0.07 390	0.07 403

G2L-ROB	0.13 423	0.07 224	0.13 351	0.13 18	0.08 230	0.14 419	0.17 459	0.25 479	0.19 383	0.20 529	0.19 424	0.20 495	0.14 466	0.18 514	0.16 508	0.08 442	0.05 253	0.06 204	0.05 202	0.08 463	0.09 527

castereo++	0.08 82	0.06 114	0.08 40	0.15 123	0.05 2	0.14 419	0.11 75	0.11 63	0.15 260	0.07 76	0.07 61	0.08 192	0.06 71	0.08 26	0.08 26	0.06 170	0.04 24	0.05 53	0.04 59	0.04 46	0.03 1

rvit_0105_5	0.14 456	0.10 519	0.14 399	0.17 307	0.09 359	0.14 419	0.23 623	0.24 456	0.27 520	0.14 389	0.15 342	0.18 467	0.13 433	0.17 493	0.14 450	0.14 649	0.11 624	0.10 560	0.11 606	0.08 463	0.07 403

rvit_stereo_0081_aga	0.12 392	0.09 450	0.15 436	0.18 400	0.10 478	0.14 419	0.14 267	0.14 157	0.19 383	0.10 239	0.18 408	0.16 434	0.09 279	0.12 299	0.10 200	0.10 548	0.06 438	0.08 420	0.07 403	0.07 390	0.06 312

AIO-Stereo-zeroshot	0.11 305	0.05 35	0.12 303	0.15 123	0.13 597	0.14 419	0.16 425	0.23 430	0.18 354	0.10 239	0.13 310	0.10 274	0.07 178	0.12 299	0.09 99	0.06 170	0.05 253	0.06 204	0.06 297	0.07 390	0.08 478

MyStereo07	0.10 257	0.07 224	0.10 180	0.17 307	0.09 359	0.14 419	0.17 459	0.15 197	0.15 260	0.09 189	0.06 21	0.06 42	0.07 178	0.12 299	0.09 99	0.06 170	0.05 253	0.08 420	0.07 403	0.06 300	0.06 312

MyStereo04	0.13 423	0.07 224	0.10 180	0.17 307	0.09 359	0.14 419	0.17 459	0.29 553	0.38 613	0.17 458	0.14 325	0.16 434	0.11 362	0.15 424	0.13 406	0.06 170	0.05 253	0.08 420	0.07 403	0.06 300	0.06 312

MaDis-Stereo	0.09 176	0.09 450	0.08 40	0.17 307	0.09 359	0.14 419	0.11 75	0.16 236	0.16 296	0.09 189	0.11 263	0.06 42	0.06 71	0.09 61	0.13 406	0.07 358	0.06 438	0.08 420	0.05 202	0.05 167	0.04 53

PCWNet_CMD	0.14 456	0.08 365	0.15 436	0.17 307	0.09 359	0.14 419	0.14 267	0.29 553	0.36 601	0.14 389	0.20 434	0.21 504	0.13 433	0.17 493	0.14 450	0.07 358	0.05 253	0.07 324	0.07 403	0.07 390	0.07 403

CFNet_ucs	0.15 497	0.09 450	0.17 505	0.16 219	0.11 537	0.14 419	0.14 267	0.30 566	0.34 582	0.16 444	0.24 488	0.23 539	0.14 466	0.18 514	0.15 488	0.09 504	0.06 438	0.08 420	0.07 403	0.09 528	0.09 527

AEACV	0.09 176	0.05 35	0.08 40	0.14 66	0.13 597	0.14 419	0.13 190	0.15 197	0.09 54	0.07 76	0.09 173	0.07 131	0.08 237	0.10 120	0.09 99	0.06 170	0.04 24	0.06 204	0.05 202	0.05 167	0.04 53

LoS	0.09 176	0.05 35	0.11 250	0.13 18	0.07 133	0.14 419	0.11 75	0.15 197	0.15 260	0.09 189	0.09 173	0.12 334	0.09 279	0.15 424	0.10 200	0.07 358	0.05 253	0.05 53	0.03 1	0.05 167	0.05 196
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
riskmin	0.11 305	0.06 114	0.13 351	0.14 66	0.08 230	0.14 419	0.14 267	0.18 306	0.15 260	0.12 322	0.15 342	0.17 452	0.11 362	0.14 401	0.12 365	0.09 504	0.05 253	0.07 324	0.05 202	0.08 463	0.08 478

IER	0.14 456	0.08 365	0.13 351	0.17 307	0.09 359	0.14 419	0.16 425	0.26 493	0.27 520	0.18 491	0.26 528	0.17 452	0.20 578	0.17 493	0.14 450	0.08 442	0.05 253	0.07 324	0.06 297	0.08 463	0.07 403

test_5	0.14 456	0.12 565	0.08 40	0.20 546	0.10 478	0.14 419	0.28 670	0.21 381	0.24 468	0.19 507	0.28 557	0.11 308	0.15 486	0.12 299	0.13 406	0.06 170	0.05 253	0.07 324	0.08 486	0.08 463	0.07 403

THIR-Stereo	0.12 392	0.07 224	0.11 250	0.15 123	0.08 230	0.14 419	0.16 425	0.18 306	0.25 493	0.17 458	0.24 488	0.13 366	0.13 433	0.12 299	0.14 450	0.06 170	0.05 253	0.07 324	0.07 403	0.05 167	0.05 196

DRaft	0.12 392	0.06 114	0.12 303	0.14 66	0.09 359	0.14 419	0.17 459	0.21 381	0.30 550	0.18 491	0.27 546	0.10 274	0.16 507	0.11 202	0.12 365	0.05 49	0.04 24	0.07 324	0.07 403	0.05 167	0.05 196

RALAANet	0.11 305	0.08 365	0.10 180	0.17 307	0.09 359	0.14 419	0.10 40	0.20 359	0.16 296	0.14 389	0.13 310	0.16 434	0.09 279	0.12 299	0.12 365	0.06 170	0.05 253	0.08 420	0.07 403	0.06 300	0.04 53

RAFT + AFF	0.13 423	0.08 365	0.21 579	0.20 546	0.10 478	0.14 419	0.23 623	0.27 507	0.21 424	0.12 322	0.10 209	0.12 334	0.10 319	0.16 453	0.12 365	0.08 442	0.07 513	0.09 511	0.09 533	0.06 300	0.09 527

CREStereo	0.09 176	0.05 35	0.08 40	0.11 1	0.06 31	0.14 419	0.14 267	0.14 157	0.10 79	0.09 189	0.13 310	0.09 239	0.08 237	0.12 299	0.10 200	0.08 442	0.04 24	0.05 53	0.03 1	0.06 300	0.06 312
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
ACVNet	0.15 497	0.09 450	0.15 436	0.13 18	0.12 571	0.14 419	0.20 579	0.22 408	0.34 582	0.17 458	0.26 528	0.21 504	0.17 533	0.18 514	0.21 576	0.07 358	0.06 438	0.06 204	0.06 297	0.08 463	0.06 312

cf-r	0.14 456	0.07 224	0.13 351	0.16 219	0.08 230	0.14 419	0.19 556	0.21 381	0.25 493	0.17 458	0.26 528	0.22 522	0.17 533	0.14 401	0.15 488	0.10 548	0.05 253	0.06 204	0.08 486	0.06 300	0.06 312

GANet-RSSM	0.14 456	0.07 224	0.13 351	0.13 18	0.08 230	0.14 419	0.18 509	0.23 430	0.21 424	0.17 458	0.25 515	0.24 548	0.16 507	0.16 453	0.16 508	0.10 548	0.06 438	0.07 324	0.08 486	0.08 463	0.07 403

MSMDNet	0.14 456	0.08 365	0.15 436	0.17 307	0.09 359	0.14 419	0.14 267	0.29 553	0.36 601	0.14 389	0.20 434	0.21 504	0.13 433	0.18 514	0.14 450	0.07 358	0.05 253	0.07 324	0.07 403	0.07 390	0.07 403

iResNet	0.13 423	0.10 519	0.18 539	0.19 479	0.08 230	0.14 419	0.18 509	0.21 381	0.27 520	0.16 444	0.24 488	0.15 413	0.13 433	0.14 401	0.15 488	0.06 170	0.04 24	0.06 204	0.05 202	0.06 300	0.05 196

HLF11	0.11 305	0.05 35	0.13 351	0.12 7	0.08 230	0.15 444	0.11 75	0.22 408	0.10 79	0.12 322	0.24 488	0.11 308	0.12 397	0.14 401	0.13 406	0.08 442	0.05 253	0.05 53	0.04 59	0.08 463	0.08 478

HLf8	0.11 305	0.05 35	0.13 351	0.11 1	0.08 230	0.15 444	0.12 114	0.22 408	0.16 296	0.13 358	0.17 379	0.12 334	0.10 319	0.14 401	0.13 406	0.09 504	0.05 253	0.05 53	0.05 202	0.08 463	0.08 478

TestStereo-Hl	0.11 305	0.06 114	0.11 250	0.14 66	0.08 230	0.15 444	0.14 267	0.20 359	0.18 354	0.13 358	0.17 379	0.12 334	0.11 362	0.14 401	0.13 406	0.06 170	0.04 24	0.05 53	0.05 202	0.06 300	0.06 312

RT-IGEV	0.13 423	0.06 114	0.14 399	0.15 123	0.10 478	0.15 444	0.18 509	0.25 479	0.28 536	0.16 444	0.17 379	0.18 467	0.11 362	0.14 401	0.11 287	0.08 442	0.05 253	0.07 324	0.05 202	0.07 390	0.08 478

ISRNet	0.18 563	0.08 365	0.20 568	0.19 479	0.13 597	0.15 444	0.12 114	0.30 566	0.33 571	0.21 546	0.26 528	0.27 578	0.18 547	0.17 493	0.20 563	0.20 686	0.08 549	0.14 642	0.14 647	0.14 639	0.17 674

FACV-RUCA	0.13 423	0.11 546	0.13 351	0.19 479	0.12 571	0.15 444	0.16 425	0.22 408	0.21 424	0.16 444	0.16 359	0.15 413	0.16 507	0.14 401	0.13 406	0.07 358	0.05 253	0.08 420	0.06 297	0.10 564	0.08 478

DDVS	0.16 525	0.10 519	0.22 589	0.16 219	0.12 571	0.15 444	0.14 267	0.25 479	0.19 383	0.18 491	0.30 578	0.27 578	0.13 433	0.20 558	0.16 508	0.09 504	0.06 438	0.09 511	0.07 403	0.11 586	0.11 586

rvit_0105_3	0.16 525	0.10 519	0.15 436	0.20 546	0.12 571	0.15 444	0.26 659	0.25 479	0.30 550	0.15 414	0.17 379	0.21 504	0.14 466	0.18 514	0.14 450	0.14 649	0.11 624	0.12 613	0.14 647	0.07 390	0.07 403

DCVSM-stereo	0.15 497	0.09 450	0.16 480	0.16 219	0.10 478	0.15 444	0.09 25	0.20 359	0.24 468	0.20 529	0.24 488	0.26 571	0.15 486	0.19 539	0.14 450	0.09 504	0.07 513	0.09 511	0.08 486	0.10 564	0.12 607

ACV-stereo	0.15 497	0.10 519	0.29 629	0.18 400	0.12 571	0.15 444	0.13 190	0.23 430	0.21 424	0.19 507	0.23 476	0.22 522	0.15 486	0.23 602	0.17 525	0.08 442	0.07 513	0.07 324	0.07 403	0.08 463	0.07 403

Former-RAFT_DAM_RVC	0.11 305	0.08 365	0.13 351	0.16 219	0.08 230	0.15 444	0.16 425	0.18 306	0.19 383	0.10 239	0.09 173	0.09 239	0.08 237	0.11 202	0.12 365	0.07 358	0.05 253	0.08 420	0.06 297	0.07 390	0.06 312

LL-Strereo2	0.11 305	0.10 519	0.16 480	0.18 400	0.08 230	0.15 444	0.09 25	0.17 274	0.14 231	0.14 389	0.11 263	0.09 239	0.07 178	0.16 453	0.10 200	0.05 49	0.05 253	0.11 591	0.07 403	0.06 300	0.05 196

CASS	0.14 456	0.12 565	0.12 303	0.23 631	0.09 359	0.15 444	0.17 459	0.19 339	0.20 408	0.17 458	0.18 408	0.15 413	0.15 486	0.15 424	0.14 450	0.09 504	0.06 438	0.10 560	0.08 486	0.09 528	0.07 403
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.11 305	0.06 114	0.12 303	0.14 66	0.07 133	0.15 444	0.13 190	0.20 359	0.14 231	0.11 282	0.17 379	0.13 366	0.09 279	0.14 401	0.11 287	0.09 504	0.05 253	0.06 204	0.05 202	0.07 390	0.07 403

RAFT+CT+SA	0.13 423	0.11 546	0.09 117	0.19 479	0.09 359	0.15 444	0.28 670	0.22 408	0.22 446	0.15 414	0.26 528	0.10 274	0.10 319	0.11 202	0.12 365	0.05 49	0.04 24	0.07 324	0.08 486	0.07 390	0.06 312

BSDual-CNN	0.15 497	0.09 450	0.14 399	0.22 610	0.10 478	0.15 444	0.15 357	0.34 618	0.20 408	0.17 458	0.23 476	0.25 561	0.16 507	0.16 453	0.14 450	0.08 442	0.06 438	0.10 560	0.09 533	0.07 390	0.07 403

hknet	0.15 497	0.11 546	0.14 399	0.22 610	0.11 537	0.15 444	0.15 357	0.34 618	0.26 507	0.17 458	0.23 476	0.22 522	0.18 547	0.17 493	0.13 406	0.07 358	0.06 438	0.10 560	0.09 533	0.07 390	0.07 403

Sa-1000	0.12 392	0.08 365	0.09 117	0.18 400	0.08 230	0.15 444	0.22 610	0.22 408	0.19 383	0.15 414	0.20 434	0.17 452	0.11 362	0.10 120	0.10 200	0.06 170	0.05 253	0.09 511	0.09 533	0.05 167	0.05 196

psmg	0.14 456	0.09 450	0.14 399	0.17 307	0.10 478	0.15 444	0.17 459	0.29 553	0.20 408	0.17 458	0.21 453	0.25 561	0.16 507	0.16 453	0.14 450	0.08 442	0.07 513	0.08 420	0.08 486	0.07 390	0.07 403

dd	0.15 497	0.17 635	0.17 505	0.19 479	0.09 359	0.15 444	0.18 509	0.22 408	0.26 507	0.23 576	0.20 434	0.21 504	0.10 319	0.21 576	0.17 525	0.10 548	0.06 438	0.08 420	0.06 297	0.08 463	0.07 403

RAFT	0.13 423	0.09 450	0.11 250	0.18 400	0.08 230	0.15 444	0.23 623	0.21 381	0.20 408	0.21 546	0.21 453	0.18 467	0.13 433	0.17 493	0.10 200	0.06 170	0.07 513	0.10 560	0.09 533	0.06 300	0.05 196

TestStereo	0.14 456	0.15 614	0.11 250	0.23 631	0.08 230	0.15 444	0.21 596	0.20 359	0.23 456	0.14 389	0.25 515	0.16 434	0.13 433	0.16 453	0.14 450	0.06 170	0.06 438	0.08 420	0.06 297	0.09 528	0.05 196

XX-Stereo	0.09 176	0.05 35	0.09 117	0.17 307	0.09 359	0.15 444	0.12 114	0.21 381	0.10 79	0.10 239	0.14 325	0.07 131	0.06 71	0.13 362	0.08 26	0.06 170	0.05 253	0.06 204	0.06 297	0.04 46	0.04 53

HCRNet	0.16 525	0.23 672	0.12 303	0.35 694	0.11 537	0.15 444	0.17 459	0.26 493	0.22 446	0.19 507	0.24 488	0.21 504	0.14 466	0.15 424	0.13 406	0.11 583	0.07 513	0.11 591	0.10 574	0.09 528	0.07 403

ARAFT	0.12 392	0.08 365	0.18 539	0.19 479	0.09 359	0.15 444	0.17 459	0.20 359	0.13 201	0.12 322	0.13 310	0.14 387	0.12 397	0.15 424	0.13 406	0.06 170	0.05 253	0.10 560	0.09 533	0.06 300	0.04 53

SFCPSM	0.13 423	0.07 224	0.15 436	0.17 307	0.09 359	0.15 444	0.16 425	0.28 532	0.27 520	0.14 389	0.18 408	0.12 334	0.13 433	0.14 401	0.11 287	0.08 442	0.05 253	0.07 324	0.07 403	0.07 390	0.06 312

FENet	0.13 423	0.08 365	0.13 351	0.16 219	0.08 230	0.15 444	0.16 425	0.23 430	0.23 456	0.17 458	0.24 488	0.16 434	0.13 433	0.14 401	0.15 488	0.08 442	0.05 253	0.08 420	0.08 486	0.08 463	0.08 478

GwcNet-RSSM	0.14 456	0.07 224	0.12 303	0.16 219	0.08 230	0.15 444	0.20 579	0.22 408	0.28 536	0.18 491	0.28 557	0.23 539	0.17 533	0.15 424	0.16 508	0.10 548	0.06 438	0.07 324	0.09 533	0.07 390	0.07 403

DMCA	0.14 456	0.09 450	0.17 505	0.19 479	0.09 359	0.15 444	0.17 459	0.23 430	0.28 536	0.14 389	0.20 434	0.17 452	0.18 547	0.15 424	0.17 525	0.10 548	0.06 438	0.08 420	0.06 297	0.09 528	0.10 559

BEATNet_4x	0.12 392	0.09 450	0.15 436	0.18 400	0.07 133	0.15 444	0.07 5	0.23 430	0.19 383	0.16 444	0.19 424	0.19 478	0.14 466	0.17 493	0.15 488	0.07 358	0.05 253	0.05 53	0.05 202	0.06 300	0.07 403

NLCA_NET_v2_RVC	0.17 547	0.10 519	0.23 597	0.20 546	0.10 478	0.15 444	0.18 509	0.31 583	0.25 493	0.21 546	0.31 583	0.25 561	0.17 533	0.21 576	0.20 563	0.09 504	0.06 438	0.08 420	0.09 533	0.07 390	0.08 478
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
Hybrid-DGEV-03	0.11 305	0.06 114	0.09 117	0.18 400	0.08 230	0.16 475	0.14 267	0.15 197	0.14 231	0.13 358	0.17 379	0.12 334	0.09 279	0.13 362	0.11 287	0.06 170	0.04 24	0.08 420	0.06 297	0.05 167	0.04 53

coex_refinement	0.14 456	0.07 224	0.12 303	0.17 307	0.10 478	0.16 475	0.15 357	0.27 507	0.29 544	0.18 491	0.21 453	0.22 522	0.17 533	0.16 453	0.19 553	0.08 442	0.05 253	0.06 204	0.06 297	0.09 528	0.08 478

test_sample7	0.16 525	0.10 519	0.16 480	0.14 66	0.12 571	0.16 475	0.17 459	0.28 532	0.24 468	0.21 546	0.21 453	0.24 548	0.20 578	0.16 453	0.16 508	0.12 609	0.06 438	0.10 560	0.09 533	0.11 586	0.10 559

test_sample2	0.13 423	0.07 224	0.12 303	0.14 66	0.08 230	0.16 475	0.18 509	0.21 381	0.16 296	0.14 389	0.21 453	0.20 495	0.15 486	0.15 424	0.13 406	0.08 442	0.06 438	0.07 324	0.06 297	0.08 463	0.08 478

StereoVision	0.14 456	0.13 592	0.10 180	0.24 643	0.10 478	0.16 475	0.21 596	0.21 381	0.20 408	0.12 322	0.25 515	0.10 274	0.10 319	0.16 453	0.10 200	0.09 504	0.10 609	0.12 613	0.12 629	0.06 300	0.05 196

gwcnet-sp	0.14 456	0.07 224	0.13 351	0.18 400	0.09 359	0.16 475	0.18 509	0.24 456	0.24 468	0.19 507	0.24 488	0.15 413	0.16 507	0.16 453	0.15 488	0.08 442	0.07 513	0.07 324	0.08 486	0.08 463	0.07 403

scenet	0.14 456	0.07 224	0.13 351	0.18 400	0.09 359	0.16 475	0.18 509	0.24 456	0.24 468	0.19 507	0.24 488	0.15 413	0.16 507	0.16 453	0.15 488	0.08 442	0.07 513	0.07 324	0.08 486	0.08 463	0.07 403

ToySt	0.17 547	0.11 546	0.19 563	0.17 307	0.11 537	0.16 475	0.26 659	0.24 456	0.33 571	0.19 507	0.24 488	0.26 571	0.24 608	0.19 539	0.21 576	0.07 358	0.08 549	0.09 511	0.10 574	0.09 528	0.08 478

Selective-RAFT	0.11 305	0.11 546	0.12 303	0.21 585	0.08 230	0.16 475	0.13 190	0.21 381	0.23 456	0.10 239	0.10 209	0.11 308	0.10 319	0.15 424	0.11 287	0.05 49	0.05 253	0.06 204	0.05 202	0.06 300	0.05 196

ssnet	0.14 456	0.07 224	0.13 351	0.18 400	0.09 359	0.16 475	0.18 509	0.24 456	0.24 468	0.19 507	0.24 488	0.15 413	0.16 507	0.16 453	0.15 488	0.08 442	0.07 513	0.07 324	0.08 486	0.08 463	0.07 403

DEmStereo	0.12 392	0.06 114	0.14 399	0.14 66	0.10 478	0.16 475	0.15 357	0.16 236	0.24 468	0.17 458	0.23 476	0.12 334	0.14 466	0.12 299	0.14 450	0.05 49	0.04 24	0.07 324	0.06 297	0.05 167	0.05 196

s12784h	0.10 257	0.06 114	0.08 40	0.15 123	0.05 2	0.16 475	0.18 509	0.16 236	0.15 260	0.10 239	0.11 263	0.11 308	0.11 362	0.11 202	0.12 365	0.05 49	0.04 24	0.06 204	0.04 59	0.04 46	0.04 53

ADLNet	0.16 525	0.08 365	0.15 436	0.16 219	0.10 478	0.16 475	0.17 459	0.33 603	0.27 520	0.23 576	0.27 546	0.24 548	0.16 507	0.18 514	0.21 576	0.10 548	0.06 438	0.10 560	0.10 574	0.08 463	0.09 527

GMStereo	0.13 423	0.15 614	0.14 399	0.18 400	0.09 359	0.16 475	0.16 425	0.20 359	0.25 493	0.17 458	0.17 379	0.11 308	0.11 362	0.16 453	0.13 406	0.07 358	0.06 438	0.06 204	0.06 297	0.07 390	0.06 312
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
aanetorigin	0.22 607	0.17 635	0.57 685	0.18 400	0.10 478	0.16 475	0.19 556	0.20 359	0.33 571	0.49 692	0.48 672	0.30 607	0.28 640	0.21 576	0.24 612	0.08 442	0.07 513	0.08 420	0.07 403	0.10 564	0.09 527

acv_ft	0.15 497	0.09 450	0.16 480	0.19 479	0.10 478	0.16 475	0.17 459	0.25 479	0.34 582	0.19 507	0.26 528	0.21 504	0.17 533	0.18 514	0.19 553	0.07 358	0.06 438	0.06 204	0.06 297	0.08 463	0.06 312

STTStereo	0.18 563	0.13 592	0.28 620	0.20 546	0.11 537	0.16 475	0.21 596	0.29 553	0.23 456	0.22 561	0.30 578	0.29 597	0.18 547	0.20 558	0.20 563	0.12 609	0.11 624	0.11 591	0.14 647	0.09 528	0.08 478

HSM-Net_RVC	0.14 456	0.08 365	0.12 303	0.15 123	0.08 230	0.16 475	0.15 357	0.27 507	0.29 544	0.20 529	0.21 453	0.29 597	0.14 466	0.18 514	0.13 406	0.06 170	0.06 438	0.06 204	0.06 297	0.07 390	0.06 312
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iResNetv2_ROB	0.15 497	0.08 365	0.16 480	0.16 219	0.08 230	0.16 475	0.13 190	0.26 493	0.36 601	0.21 546	0.29 572	0.24 548	0.13 433	0.14 401	0.14 450	0.06 170	0.06 438	0.06 204	0.04 59	0.09 528	0.08 478

MLCV	0.13 423	0.08 365	0.17 505	0.18 400	0.06 31	0.16 475	0.17 459	0.19 339	0.22 446	0.19 507	0.25 515	0.17 452	0.13 433	0.15 424	0.14 450	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53

HSM	0.15 497	0.09 450	0.15 436	0.16 219	0.09 359	0.16 475	0.14 267	0.28 532	0.25 493	0.20 529	0.24 488	0.37 651	0.17 533	0.20 558	0.15 488	0.07 358	0.05 253	0.07 324	0.06 297	0.07 390	0.06 312

CBMV_ROB	0.19 575	0.13 592	0.18 539	0.16 219	0.11 537	0.16 475	0.12 114	0.27 507	0.29 544	0.27 613	0.31 583	0.27 578	0.24 608	0.24 614	0.16 508	0.15 653	0.18 686	0.22 684	0.20 682	0.10 564	0.12 607

NOSS_ROB	0.19 575	0.13 592	0.18 539	0.16 219	0.12 571	0.16 475	0.12 114	0.30 566	0.33 571	0.20 529	0.22 471	0.27 578	0.24 608	0.21 576	0.16 508	0.16 670	0.18 686	0.23 685	0.21 684	0.13 621	0.13 624

DN-CSS_ROB	0.13 423	0.13 592	0.17 505	0.18 400	0.10 478	0.16 475	0.08 9	0.22 408	0.19 383	0.17 458	0.23 476	0.13 366	0.13 433	0.13 362	0.14 450	0.05 49	0.05 253	0.10 560	0.10 574	0.08 463	0.06 312

test_sample6	0.14 456	0.09 450	0.14 399	0.17 307	0.08 230	0.17 499	0.19 556	0.26 493	0.18 354	0.18 491	0.28 557	0.19 478	0.15 486	0.15 424	0.13 406	0.08 442	0.05 253	0.08 420	0.07 403	0.08 463	0.08 478

SMFormer	0.14 456	0.07 224	0.18 539	0.14 66	0.08 230	0.17 499	0.17 459	0.27 507	0.27 520	0.19 507	0.20 434	0.19 478	0.15 486	0.15 424	0.17 525	0.08 442	0.05 253	0.07 324	0.06 297	0.08 463	0.07 403

tta	0.14 456	0.07 224	0.18 539	0.14 66	0.08 230	0.17 499	0.17 459	0.27 507	0.27 520	0.19 507	0.20 434	0.19 478	0.15 486	0.15 424	0.17 525	0.08 442	0.05 253	0.07 324	0.06 297	0.06 300	0.06 312

qqq1	0.14 456	0.07 224	0.18 539	0.14 66	0.08 230	0.17 499	0.17 459	0.27 507	0.27 520	0.19 507	0.20 434	0.19 478	0.15 486	0.15 424	0.12 365	0.08 442	0.05 253	0.05 53	0.05 202	0.06 300	0.06 312

fff1	0.14 456	0.07 224	0.18 539	0.14 66	0.08 230	0.17 499	0.17 459	0.27 507	0.27 520	0.19 507	0.20 434	0.19 478	0.15 486	0.15 424	0.12 365	0.08 442	0.05 253	0.05 53	0.05 202	0.06 300	0.06 312

mmm	0.14 456	0.08 365	0.18 539	0.17 307	0.09 359	0.17 499	0.18 509	0.21 381	0.16 296	0.16 444	0.23 476	0.21 504	0.16 507	0.16 453	0.17 525	0.08 442	0.05 253	0.08 420	0.08 486	0.08 463	0.07 403

11t1	0.12 392	0.07 224	0.14 399	0.14 66	0.08 230	0.17 499	0.15 357	0.19 339	0.15 260	0.15 414	0.15 342	0.17 452	0.16 507	0.15 424	0.13 406	0.08 442	0.05 253	0.06 204	0.05 202	0.08 463	0.07 403

ffm	0.12 392	0.09 450	0.15 436	0.16 219	0.09 359	0.17 499	0.17 459	0.15 197	0.19 383	0.15 414	0.26 528	0.19 478	0.13 433	0.10 120	0.08 26	0.06 170	0.05 253	0.09 511	0.08 486	0.06 300	0.06 312

ff1	0.13 423	0.09 450	0.15 436	0.16 219	0.09 359	0.17 499	0.17 459	0.15 197	0.19 383	0.15 414	0.26 528	0.19 478	0.13 433	0.15 424	0.22 589	0.06 170	0.05 253	0.09 511	0.08 486	0.06 300	0.06 312

mmx	0.15 497	0.09 450	0.15 436	0.16 219	0.09 359	0.17 499	0.17 459	0.27 507	0.26 507	0.15 414	0.26 528	0.19 478	0.13 433	0.15 424	0.22 589	0.08 442	0.06 438	0.09 511	0.08 486	0.08 463	0.08 478

xxx	0.15 497	0.09 450	0.15 436	0.16 219	0.09 359	0.17 499	0.17 459	0.27 507	0.26 507	0.15 414	0.26 528	0.19 478	0.13 433	0.15 424	0.22 589	0.08 442	0.06 438	0.09 511	0.08 486	0.08 463	0.08 478

GMStereo_Zeroshot	0.16 525	0.13 592	0.25 606	0.20 546	0.10 478	0.17 499	0.13 190	0.30 566	0.25 493	0.23 576	0.32 593	0.25 561	0.11 362	0.19 539	0.14 450	0.09 504	0.06 438	0.11 591	0.06 297	0.12 605	0.08 478

psm_up	0.19 575	0.10 519	0.18 539	0.21 585	0.11 537	0.17 499	0.19 556	0.38 656	0.34 582	0.22 561	0.28 557	0.29 597	0.25 616	0.20 558	0.22 589	0.09 504	0.10 609	0.11 591	0.11 606	0.08 463	0.08 478

CFNet-ft	0.14 456	0.07 224	0.15 436	0.12 7	0.09 359	0.17 499	0.18 509	0.22 408	0.24 468	0.17 458	0.26 528	0.24 548	0.14 466	0.16 453	0.15 488	0.11 583	0.06 438	0.08 420	0.09 533	0.09 528	0.08 478

CCAANet	0.15 497	0.06 114	0.15 436	0.17 307	0.09 359	0.17 499	0.13 190	0.31 583	0.25 493	0.16 444	0.32 593	0.18 467	0.18 547	0.17 493	0.14 450	0.06 170	0.05 253	0.09 511	0.09 533	0.06 300	0.09 527

CFNet_RVC	0.14 456	0.07 224	0.15 436	0.12 7	0.09 359	0.17 499	0.18 509	0.22 408	0.24 468	0.17 458	0.26 528	0.24 548	0.14 466	0.16 453	0.15 488	0.11 583	0.06 438	0.08 420	0.09 533	0.09 528	0.08 478

DeepPruner_ROB	0.16 525	0.11 546	0.16 480	0.17 307	0.10 478	0.17 499	0.15 357	0.32 589	0.21 424	0.19 507	0.21 453	0.22 522	0.19 566	0.21 576	0.16 508	0.13 628	0.09 585	0.09 511	0.10 574	0.11 586	0.11 586

S0	0.12 392	0.08 365	0.09 117	0.20 546	0.07 133	0.18 516	0.22 610	0.15 197	0.15 260	0.11 282	0.10 209	0.13 366	0.08 237	0.12 299	0.11 287	0.09 504	0.10 609	0.14 642	0.14 647	0.05 167	0.04 53

Selective-IGEV-i1	0.13 423	0.07 224	0.12 303	0.20 546	0.08 230	0.18 516	0.16 425	0.23 430	0.30 550	0.17 458	0.17 379	0.17 452	0.10 319	0.15 424	0.13 406	0.06 170	0.05 253	0.06 204	0.05 202	0.06 300	0.06 312

z-ln-s-r	0.18 563	0.10 519	0.41 664	0.19 479	0.08 230	0.18 516	0.18 509	0.23 430	0.34 582	0.19 507	0.41 651	0.22 522	0.17 533	0.20 558	0.25 620	0.07 358	0.05 253	0.07 324	0.07 403	0.07 390	0.06 312

PSMNet-RUCA	0.28 661	0.33 696	0.42 667	0.36 696	0.32 703	0.18 516	0.20 579	0.42 675	0.30 550	0.33 660	0.41 651	0.40 668	0.24 608	0.31 649	0.20 563	0.19 681	0.11 624	0.25 687	0.15 664	0.22 683	0.16 665

GCST	0.37 684	0.42 704	0.27 617	1.03 730	0.39 705	0.18 516	0.08 9	0.21 381	0.18 354	0.28 626	0.25 515	0.15 413	0.12 397	0.16 453	0.14 450	0.64 726	0.43 720	0.75 722	0.65 725	0.64 719	0.46 717

DualNet (step1)	0.17 547	0.12 565	0.21 579	0.13 18	0.14 617	0.18 516	0.14 267	0.28 532	0.24 468	0.21 546	0.21 453	0.24 548	0.20 578	0.16 453	0.16 508	0.15 653	0.06 438	0.14 642	0.14 647	0.15 653	0.13 624

test_sample9	0.18 563	0.12 565	0.21 579	0.13 18	0.14 617	0.18 516	0.14 267	0.28 532	0.24 468	0.21 546	0.21 453	0.24 548	0.20 578	0.19 539	0.18 538	0.15 653	0.30 712	0.14 642	0.14 647	0.15 653	0.13 624

test_sample8	0.20 584	0.12 565	0.21 579	0.13 18	0.14 617	0.18 516	0.14 267	0.32 589	0.21 424	0.28 626	0.22 471	0.36 648	0.26 624	0.19 539	0.18 538	0.15 653	0.30 712	0.14 642	0.14 647	0.15 653	0.13 624

test_sample5	0.14 456	0.08 365	0.14 399	0.16 219	0.08 230	0.18 516	0.18 509	0.25 479	0.17 333	0.17 458	0.28 557	0.18 467	0.15 486	0.16 453	0.13 406	0.08 442	0.06 438	0.08 420	0.07 403	0.09 528	0.08 478

MyStereo8	0.12 392	0.07 224	0.15 436	0.15 123	0.09 359	0.18 516	0.14 267	0.19 339	0.22 446	0.12 322	0.18 408	0.11 308	0.10 319	0.16 453	0.18 538	0.07 358	0.05 253	0.07 324	0.05 202	0.08 463	0.09 527

DualNet	0.14 456	0.08 365	0.14 399	0.16 219	0.08 230	0.18 516	0.18 509	0.25 479	0.17 333	0.18 491	0.28 557	0.18 467	0.15 486	0.16 453	0.13 406	0.08 442	0.06 438	0.08 420	0.07 403	0.09 528	0.08 478

1111x	0.16 525	0.09 450	0.13 351	0.18 400	0.08 230	0.18 516	0.25 650	0.32 589	0.25 493	0.17 458	0.24 488	0.27 578	0.15 486	0.14 401	0.24 612	0.07 358	0.07 513	0.08 420	0.09 533	0.07 390	0.07 403

TestStereo1	0.13 423	0.08 365	0.08 40	0.20 546	0.08 230	0.18 516	0.29 681	0.23 430	0.17 333	0.17 458	0.20 434	0.16 434	0.11 362	0.12 299	0.13 406	0.06 170	0.06 438	0.08 420	0.06 297	0.05 167	0.05 196

SA-5K	0.13 423	0.08 365	0.08 40	0.20 546	0.08 230	0.18 516	0.29 681	0.23 430	0.17 333	0.17 458	0.20 434	0.16 434	0.11 362	0.12 299	0.13 406	0.06 170	0.06 438	0.08 420	0.06 297	0.05 167	0.05 196

AACVNet	0.16 525	0.08 365	0.15 436	0.15 123	0.10 478	0.18 516	0.15 357	0.24 456	0.25 493	0.27 613	0.27 546	0.28 588	0.18 547	0.19 539	0.17 525	0.09 504	0.07 513	0.09 511	0.07 403	0.10 564	0.09 527

LMCR-Stereo	0.15 497	0.08 365	0.14 399	0.21 585	0.09 359	0.18 516	0.19 556	0.28 532	0.19 383	0.24 588	0.24 488	0.23 539	0.17 533	0.20 558	0.17 525	0.07 358	0.06 438	0.08 420	0.06 297	0.10 564	0.09 527

ICVP	0.16 525	0.09 450	0.12 303	0.22 610	0.09 359	0.18 516	0.21 596	0.26 493	0.24 468	0.18 491	0.30 578	0.27 578	0.18 547	0.18 514	0.15 488	0.10 548	0.07 513	0.08 420	0.07 403	0.07 390	0.08 478
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sAnonymous2	0.13 423	0.12 565	0.25 606	0.20 546	0.12 571	0.18 516	0.14 267	0.27 507	0.21 424	0.11 282	0.12 285	0.13 366	0.08 237	0.11 202	0.11 287	0.09 504	0.05 253	0.08 420	0.06 297	0.15 653	0.10 559

CroCo_RVC	0.13 423	0.12 565	0.25 606	0.20 546	0.12 571	0.18 516	0.14 267	0.27 507	0.21 424	0.11 282	0.12 285	0.13 366	0.08 237	0.11 202	0.11 287	0.09 504	0.05 253	0.08 420	0.06 297	0.15 653	0.10 559

pcwnet_v2	0.19 575	0.11 546	0.26 615	0.18 400	0.14 617	0.18 516	0.15 357	0.37 649	0.46 656	0.19 507	0.24 488	0.21 504	0.19 566	0.21 576	0.20 563	0.13 628	0.10 609	0.10 560	0.10 574	0.11 586	0.13 624

HGLStereo	0.17 547	0.09 450	0.19 563	0.17 307	0.12 571	0.18 516	0.18 509	0.31 583	0.33 571	0.22 561	0.33 600	0.24 548	0.18 547	0.20 558	0.21 576	0.10 548	0.09 585	0.07 324	0.07 403	0.09 528	0.10 559

FAT-Stereo	0.21 599	0.13 592	0.22 589	0.21 585	0.12 571	0.18 516	0.18 509	0.35 633	0.40 623	0.28 626	0.37 622	0.33 635	0.33 667	0.21 576	0.20 563	0.09 504	0.11 624	0.10 560	0.09 533	0.11 586	0.14 642

TDLM	0.18 563	0.12 565	0.14 399	0.24 643	0.10 478	0.18 516	0.18 509	0.37 649	0.30 550	0.22 561	0.28 557	0.28 588	0.18 547	0.23 602	0.19 553	0.11 583	0.07 513	0.10 560	0.10 574	0.08 463	0.08 478

StereoDRNet-Refined	0.17 547	0.12 565	0.16 480	0.20 546	0.10 478	0.18 516	0.18 509	0.27 507	0.24 468	0.26 606	0.41 651	0.23 539	0.18 547	0.21 576	0.21 576	0.09 504	0.05 253	0.09 511	0.10 574	0.07 390	0.07 403
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
IGEV_i1	0.12 392	0.08 365	0.12 303	0.17 307	0.08 230	0.19 540	0.15 357	0.19 339	0.23 456	0.18 491	0.18 408	0.16 434	0.12 397	0.17 493	0.14 450	0.06 170	0.05 253	0.06 204	0.05 202	0.06 300	0.06 312

test_sample4	0.14 456	0.08 365	0.15 436	0.15 123	0.08 230	0.19 540	0.18 509	0.26 493	0.18 354	0.17 458	0.26 528	0.18 467	0.15 486	0.17 493	0.13 406	0.08 442	0.06 438	0.08 420	0.06 297	0.09 528	0.08 478

test_sample1	0.13 423	0.07 224	0.14 399	0.14 66	0.08 230	0.19 540	0.17 459	0.20 359	0.15 260	0.14 389	0.22 471	0.18 467	0.16 507	0.17 493	0.15 488	0.07 358	0.06 438	0.06 204	0.06 297	0.08 463	0.08 478

x	0.13 423	0.08 365	0.15 436	0.14 66	0.08 230	0.19 540	0.14 267	0.22 408	0.21 424	0.15 414	0.20 434	0.20 495	0.18 547	0.18 514	0.18 538	0.07 358	0.05 253	0.06 204	0.06 297	0.07 390	0.07 403

CSP-Net	0.16 525	0.09 450	0.14 399	0.17 307	0.09 359	0.19 540	0.18 509	0.25 479	0.33 571	0.26 606	0.31 583	0.25 561	0.16 507	0.21 576	0.19 553	0.09 504	0.06 438	0.07 324	0.07 403	0.08 463	0.08 478

DAS	0.15 497	0.08 365	0.18 539	0.19 479	0.10 478	0.19 540	0.17 459	0.28 532	0.30 550	0.18 491	0.26 528	0.21 504	0.16 507	0.16 453	0.13 406	0.08 442	0.06 438	0.06 204	0.06 297	0.07 390	0.07 403

SepStereo	0.15 497	0.08 365	0.18 539	0.19 479	0.10 478	0.19 540	0.17 459	0.28 532	0.30 550	0.18 491	0.26 528	0.21 504	0.16 507	0.26 624	0.13 406	0.08 442	0.06 438	0.06 204	0.06 297	0.07 390	0.07 403

AASNet	0.16 525	0.08 365	0.13 351	0.19 479	0.09 359	0.19 540	0.15 357	0.38 656	0.37 607	0.20 529	0.24 488	0.20 495	0.17 533	0.17 493	0.21 576	0.10 548	0.08 549	0.08 420	0.07 403	0.09 528	0.09 527

GANet-ADL	0.13 423	0.07 224	0.15 436	0.17 307	0.10 478	0.19 540	0.15 357	0.30 566	0.21 424	0.13 358	0.18 408	0.19 478	0.13 433	0.16 453	0.14 450	0.08 442	0.06 438	0.06 204	0.05 202	0.07 390	0.08 478

GEStereo_RVC	0.17 547	0.12 565	0.16 480	0.22 610	0.11 537	0.19 540	0.18 509	0.32 589	0.49 661	0.20 529	0.25 515	0.17 452	0.13 433	0.21 576	0.16 508	0.10 548	0.06 438	0.08 420	0.07 403	0.09 528	0.08 478

sCroCo_RVC	0.12 392	0.09 450	0.24 603	0.24 643	0.11 537	0.19 540	0.14 267	0.17 274	0.15 260	0.10 239	0.13 310	0.12 334	0.07 178	0.14 401	0.11 287	0.08 442	0.08 549	0.08 420	0.08 486	0.05 167	0.07 403

DMCA-RVC	0.17 547	0.10 519	0.16 480	0.24 643	0.11 537	0.19 540	0.18 509	0.26 493	0.24 468	0.21 546	0.27 546	0.25 561	0.27 631	0.18 514	0.21 576	0.12 609	0.08 549	0.13 627	0.10 574	0.10 564	0.08 478

FADNet-RVC-Resample	0.17 547	0.12 565	0.32 642	0.22 610	0.12 571	0.19 540	0.14 267	0.25 479	0.24 468	0.24 588	0.27 546	0.20 495	0.15 486	0.17 493	0.16 508	0.07 358	0.08 549	0.12 613	0.10 574	0.09 528	0.11 586

SuperB	0.20 584	0.10 519	0.57 685	0.16 219	0.09 359	0.19 540	0.18 509	0.25 479	0.51 671	0.27 613	0.39 637	0.17 452	0.22 593	0.22 594	0.21 576	0.08 442	0.06 438	0.06 204	0.06 297	0.12 605	0.11 586

RASNet	0.15 497	0.07 224	0.15 436	0.16 219	0.08 230	0.19 540	0.14 267	0.30 566	0.21 424	0.17 458	0.25 515	0.21 504	0.19 566	0.20 558	0.20 563	0.07 358	0.06 438	0.06 204	0.08 486	0.06 300	0.06 312

CFNet	0.15 497	0.11 546	0.17 505	0.17 307	0.08 230	0.19 540	0.10 40	0.29 553	0.26 507	0.19 507	0.24 488	0.24 548	0.18 547	0.18 514	0.15 488	0.08 442	0.06 438	0.09 511	0.10 574	0.08 463	0.07 403

CVANet_RVC	0.18 563	0.11 546	0.14 399	0.21 585	0.11 537	0.19 540	0.18 509	0.34 618	0.34 582	0.22 561	0.31 583	0.28 588	0.18 547	0.24 614	0.18 538	0.12 609	0.08 549	0.12 613	0.12 629	0.09 528	0.08 478

AANet_RVC	0.16 525	0.10 519	0.11 250	0.18 400	0.09 359	0.19 540	0.18 509	0.27 507	0.32 566	0.22 561	0.35 614	0.21 504	0.22 593	0.22 594	0.17 525	0.06 170	0.05 253	0.06 204	0.06 297	0.07 390	0.06 312

PS-NSSS	0.20 584	0.21 664	0.23 597	0.20 546	0.10 478	0.19 540	0.17 459	0.36 640	0.26 507	0.27 613	0.34 610	0.27 578	0.24 608	0.20 558	0.20 563	0.15 653	0.12 640	0.17 666	0.14 647	0.10 564	0.09 527

iResNet_ROB	0.14 456	0.07 224	0.13 351	0.15 123	0.07 133	0.19 540	0.14 267	0.26 493	0.32 566	0.23 576	0.26 528	0.23 539	0.16 507	0.15 424	0.14 450	0.07 358	0.05 253	0.05 53	0.04 59	0.08 463	0.08 478

SME	0.12 392	0.09 450	0.11 250	0.17 307	0.07 133	0.20 560	0.13 190	0.21 381	0.17 333	0.12 322	0.13 310	0.10 274	0.12 397	0.13 362	0.13 406	0.07 358	0.07 513	0.08 420	0.09 533	0.06 300	0.06 312

test_sample3	0.14 456	0.08 365	0.15 436	0.14 66	0.09 359	0.20 560	0.17 459	0.27 507	0.18 354	0.17 458	0.22 471	0.19 478	0.15 486	0.17 493	0.14 450	0.09 504	0.06 438	0.07 324	0.06 297	0.09 528	0.08 478

BUS	0.15 497	0.09 450	0.14 399	0.22 610	0.10 478	0.20 560	0.14 267	0.34 618	0.20 408	0.17 458	0.23 476	0.16 434	0.14 466	0.16 453	0.14 450	0.08 442	0.06 438	0.10 560	0.09 533	0.07 390	0.07 403

CRFU-Net	0.16 525	0.08 365	0.15 436	0.17 307	0.09 359	0.20 560	0.14 267	0.27 507	0.21 424	0.28 626	0.28 557	0.29 597	0.18 547	0.19 539	0.18 538	0.09 504	0.09 585	0.07 324	0.07 403	0.08 463	0.09 527

NINENet	0.16 525	0.10 519	0.16 480	0.17 307	0.11 537	0.20 560	0.14 267	0.41 670	0.37 607	0.18 491	0.21 453	0.16 434	0.14 466	0.16 453	0.14 450	0.08 442	0.08 549	0.10 560	0.07 403	0.10 564	0.09 527

dad	0.18 563	0.20 658	0.21 579	0.17 307	0.11 537	0.20 560	0.19 556	0.21 381	0.28 536	0.30 642	0.24 488	0.30 607	0.13 433	0.19 539	0.17 525	0.18 676	0.09 585	0.11 591	0.09 533	0.11 586	0.07 403

ADLNet2	0.16 525	0.09 450	0.14 399	0.17 307	0.09 359	0.20 560	0.16 425	0.32 589	0.39 619	0.17 458	0.20 434	0.20 495	0.19 566	0.21 576	0.23 600	0.08 442	0.07 513	0.07 324	0.07 403	0.09 528	0.07 403

UPFNet	0.16 525	0.08 365	0.12 303	0.20 546	0.12 571	0.20 560	0.23 623	0.28 532	0.26 507	0.18 491	0.24 488	0.22 522	0.20 578	0.19 539	0.22 589	0.09 504	0.07 513	0.08 420	0.09 533	0.08 463	0.06 312

EDNetEfficient	0.30 668	0.24 675	1.18 726	0.18 400	0.10 478	0.20 560	0.20 579	0.21 381	0.61 694	0.74 712	0.56 684	0.30 607	0.40 686	0.23 602	0.32 674	0.09 504	0.07 513	0.08 420	0.07 403	0.11 586	0.10 559

UCFNet_RVC	0.15 497	0.08 365	0.13 351	0.11 1	0.10 478	0.20 560	0.10 40	0.24 456	0.23 456	0.17 458	0.21 453	0.24 548	0.15 486	0.18 514	0.15 488	0.12 609	0.07 513	0.11 591	0.13 641	0.11 586	0.10 559

PWCDC_ROB	0.21 599	0.13 592	0.23 597	0.25 651	0.12 571	0.20 560	0.15 357	0.34 618	0.55 682	0.29 636	0.49 673	0.21 504	0.15 486	0.28 635	0.20 563	0.11 583	0.09 585	0.10 560	0.08 486	0.11 586	0.09 527

CBMV	0.20 584	0.15 614	0.18 539	0.18 400	0.10 478	0.20 560	0.11 75	0.30 566	0.31 560	0.29 636	0.31 583	0.31 622	0.23 599	0.28 635	0.19 553	0.13 628	0.15 670	0.17 666	0.16 669	0.10 564	0.10 559
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 584	0.14 607	0.39 659	0.23 631	0.12 571	0.21 572	0.21 596	0.29 553	0.38 613	0.25 601	0.38 629	0.28 588	0.23 599	0.21 576	0.25 620	0.08 442	0.08 549	0.09 511	0.09 533	0.10 564	0.09 527

TCMNet	0.19 575	0.12 565	0.20 568	0.21 585	0.18 672	0.21 572	0.24 634	0.28 532	0.36 601	0.23 576	0.26 528	0.25 561	0.20 578	0.20 558	0.23 600	0.13 628	0.11 624	0.11 591	0.12 629	0.13 621	0.12 607

iinet-f	0.17 547	0.07 224	0.46 671	0.14 66	0.10 478	0.21 572	0.14 267	0.27 507	0.23 456	0.22 561	0.25 515	0.21 504	0.16 507	0.18 514	0.22 589	0.09 504	0.07 513	0.07 324	0.06 297	0.09 528	0.10 559

ssnet_v2	0.17 547	0.10 519	0.18 539	0.17 307	0.11 537	0.21 572	0.22 610	0.34 618	0.25 493	0.23 576	0.23 476	0.27 578	0.19 566	0.22 594	0.21 576	0.11 583	0.10 609	0.09 511	0.09 533	0.08 463	0.08 478

delet	0.17 547	0.09 450	0.18 539	0.19 479	0.11 537	0.21 572	0.22 610	0.30 566	0.38 613	0.17 458	0.27 546	0.19 478	0.19 566	0.19 539	0.21 576	0.08 442	0.08 549	0.09 511	0.11 606	0.06 300	0.07 403

DSFCA	0.16 525	0.09 450	0.14 399	0.16 219	0.10 478	0.21 572	0.19 556	0.28 532	0.31 560	0.23 576	0.25 515	0.22 522	0.16 507	0.20 558	0.20 563	0.10 548	0.07 513	0.09 511	0.09 533	0.08 463	0.08 478

FADNet-RVC	0.21 599	0.20 658	0.40 662	0.21 585	0.16 650	0.21 572	0.15 357	0.27 507	0.27 520	0.26 606	0.32 593	0.26 571	0.21 586	0.22 594	0.19 553	0.12 609	0.13 654	0.12 613	0.14 647	0.13 621	0.18 678

S-Stereo	0.21 599	0.12 565	0.25 606	0.21 585	0.13 597	0.21 572	0.19 556	0.33 603	0.45 647	0.23 576	0.36 619	0.28 588	0.29 645	0.20 558	0.23 600	0.09 504	0.12 640	0.10 560	0.10 574	0.13 621	0.14 642

RP	0.22 607	0.13 592	0.22 589	0.23 631	0.12 571	0.21 572	0.20 579	0.26 493	0.45 647	0.22 561	0.38 629	0.37 651	0.25 616	0.28 635	0.25 620	0.11 583	0.12 640	0.13 627	0.12 629	0.13 621	0.14 642

NCC-stereo	0.25 638	0.15 614	0.31 638	0.26 660	0.17 662	0.21 572	0.31 690	0.41 670	0.40 623	0.24 588	0.38 629	0.33 635	0.29 645	0.37 675	0.28 647	0.13 628	0.11 624	0.15 654	0.22 687	0.13 621	0.13 624

Abc-Net	0.25 638	0.15 614	0.31 638	0.26 660	0.17 662	0.21 572	0.31 690	0.41 670	0.40 623	0.24 588	0.38 629	0.33 635	0.29 645	0.37 675	0.28 647	0.13 628	0.11 624	0.15 654	0.22 687	0.13 621	0.13 624
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
AdaStereo	0.15 497	0.11 546	0.16 480	0.19 479	0.09 359	0.21 572	0.11 75	0.33 603	0.28 536	0.21 546	0.23 476	0.21 504	0.13 433	0.19 539	0.15 488	0.13 628	0.05 253	0.10 560	0.07 403	0.09 528	0.07 403
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
SGM-Forest	0.20 584	0.14 607	0.18 539	0.20 546	0.13 597	0.21 572	0.22 610	0.33 603	0.31 560	0.24 588	0.29 572	0.28 588	0.20 578	0.23 602	0.18 538	0.15 653	0.16 680	0.15 654	0.14 647	0.13 621	0.12 607
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
pmcnn	0.15 497	0.07 224	0.20 568	0.15 123	0.07 133	0.21 572	0.16 425	0.25 479	0.26 507	0.21 546	0.33 600	0.29 597	0.19 566	0.18 514	0.17 525	0.07 358	0.05 253	0.05 53	0.04 59	0.07 390	0.06 312

DStereoO	0.25 638	0.18 649	0.19 563	0.20 546	0.15 636	0.22 586	0.19 556	0.33 603	0.42 632	0.30 642	0.22 471	0.33 635	0.28 640	0.42 693	0.28 647	0.47 715	0.12 640	0.31 703	0.11 606	0.17 673	0.12 607

xyz-stereo	0.14 456	0.07 224	0.22 589	0.15 123	0.05 2	0.22 586	0.15 357	0.17 274	0.31 560	0.15 414	0.28 557	0.26 571	0.17 533	0.13 362	0.12 365	0.05 49	0.05 253	0.06 204	0.05 202	0.04 46	0.04 53

rvit_105_1	0.19 575	0.12 565	0.25 606	0.21 585	0.16 650	0.22 586	0.28 670	0.32 589	0.42 632	0.20 529	0.21 453	0.22 522	0.18 547	0.19 539	0.18 538	0.12 609	0.12 640	0.13 627	0.15 664	0.08 463	0.07 403

SACVNet	0.19 575	0.12 565	0.15 436	0.17 307	0.13 597	0.22 586	0.18 509	0.31 583	0.31 560	0.24 588	0.31 583	0.30 607	0.23 599	0.23 602	0.17 525	0.11 583	0.08 549	0.10 560	0.10 574	0.12 605	0.14 642

test_xeample	0.15 497	0.07 224	0.14 399	0.15 123	0.08 230	0.22 586	0.20 579	0.29 553	0.21 424	0.16 444	0.29 572	0.19 478	0.17 533	0.16 453	0.28 647	0.09 504	0.05 253	0.07 324	0.07 403	0.07 390	0.07 403

EDNetEfficientorigin	7.92 746	0.32 695	152.98 776	0.20 546	0.10 478	0.22 586	0.17 459	0.23 430	0.60 692	0.73 710	0.67 698	0.41 671	0.51 707	0.24 614	0.41 696	0.08 442	0.07 513	0.09 511	0.07 403	0.12 605	0.11 586

ac_64	0.16 525	0.09 450	0.15 436	0.18 400	0.10 478	0.22 586	0.17 459	0.24 456	0.22 446	0.19 507	0.24 488	0.29 597	0.18 547	0.19 539	0.22 589	0.09 504	0.08 549	0.08 420	0.09 533	0.07 390	0.06 312

RGC	0.25 638	0.20 658	0.29 629	0.28 675	0.16 650	0.22 586	0.23 623	0.33 603	0.44 643	0.27 613	0.40 640	0.38 657	0.28 640	0.37 675	0.23 600	0.11 583	0.13 654	0.17 666	0.17 676	0.15 653	0.16 665

ADCP+	0.20 584	0.10 519	0.35 654	0.21 585	0.12 571	0.22 586	0.27 664	0.31 583	0.35 596	0.26 606	0.37 622	0.22 522	0.22 593	0.27 626	0.28 647	0.09 504	0.06 438	0.08 420	0.08 486	0.10 564	0.10 559

PA-Net	0.24 631	0.18 649	0.34 648	0.28 675	0.22 686	0.22 586	0.39 706	0.29 553	0.39 619	0.22 561	0.33 600	0.25 561	0.26 624	0.21 576	0.25 620	0.10 548	0.23 705	0.15 654	0.22 687	0.09 528	0.13 624
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DRN-Test	0.20 584	0.11 546	0.21 579	0.22 610	0.10 478	0.22 586	0.22 610	0.40 665	0.38 613	0.24 588	0.33 600	0.26 571	0.22 593	0.22 594	0.25 620	0.11 583	0.07 513	0.11 591	0.10 574	0.09 528	0.08 478

StereoDRNet	0.19 575	0.11 546	0.18 539	0.22 610	0.11 537	0.22 586	0.22 610	0.37 649	0.34 582	0.24 588	0.28 557	0.30 607	0.19 566	0.20 558	0.21 576	0.10 548	0.08 549	0.11 591	0.09 533	0.09 528	0.07 403

XPNet_ROB	0.22 607	0.12 565	0.20 568	0.22 610	0.13 597	0.22 586	0.19 556	0.35 633	0.40 623	0.30 642	0.40 640	0.38 657	0.27 631	0.26 624	0.29 656	0.15 653	0.10 609	0.10 560	0.10 574	0.13 621	0.12 607

PWC_ROB	0.21 599	0.16 625	0.27 617	0.18 400	0.11 537	0.22 586	0.13 190	0.33 603	0.49 661	0.30 642	0.40 640	0.32 629	0.25 616	0.31 649	0.23 600	0.10 548	0.07 513	0.11 591	0.08 486	0.11 586	0.10 559

AANet	0.31 674	0.20 658	1.05 724	0.16 219	0.13 597	0.23 600	0.16 425	0.30 566	0.64 701	0.60 701	0.53 679	0.46 683	0.39 681	0.23 602	0.33 678	0.12 609	0.10 609	0.11 591	0.10 574	0.13 621	0.12 607

DStereoFS	0.27 658	0.22 668	0.32 642	0.23 631	0.15 636	0.23 600	0.21 596	0.52 700	0.49 661	0.28 626	0.45 666	0.34 640	0.36 676	0.53 704	0.29 656	0.13 628	0.11 624	0.15 654	0.13 641	0.17 673	0.17 674

DStereoSA	0.26 650	0.19 653	0.39 659	0.27 668	0.17 662	0.23 600	0.21 596	0.50 695	0.60 692	0.22 561	0.30 578	0.29 597	0.34 669	0.40 686	0.29 656	0.12 609	0.11 624	0.16 662	0.14 647	0.15 653	0.12 607

Wz-Net-LNSev-Ref	0.18 563	0.09 450	0.30 635	0.15 123	0.11 537	0.23 600	0.20 579	0.27 507	0.40 623	0.26 606	0.43 662	0.25 561	0.15 486	0.21 576	0.20 563	0.07 358	0.05 253	0.06 204	0.05 202	0.10 564	0.09 527

SHD	0.26 650	0.15 614	0.31 638	0.24 643	0.18 672	0.23 600	0.15 357	0.39 662	0.72 712	0.32 656	0.42 659	0.36 648	0.29 645	0.33 658	0.30 663	0.13 628	0.11 624	0.14 642	0.13 641	0.16 666	0.20 686

ADCRef	0.20 584	0.12 565	0.43 669	0.20 546	0.12 571	0.23 600	0.18 509	0.32 589	0.37 607	0.26 606	0.33 600	0.18 467	0.23 599	0.25 620	0.26 633	0.07 358	0.06 438	0.09 511	0.09 533	0.08 463	0.09 527

DeepPrunerF	0.24 631	0.17 635	0.45 670	0.26 660	0.16 650	0.23 600	0.29 681	0.37 649	0.51 671	0.27 613	0.31 583	0.24 548	0.28 640	0.22 594	0.23 600	0.15 653	0.11 624	0.20 679	0.18 680	0.12 605	0.14 642

DANet	0.21 599	0.16 625	0.29 629	0.25 651	0.13 597	0.23 600	0.19 556	0.28 532	0.27 520	0.28 626	0.32 593	0.35 646	0.32 663	0.31 649	0.24 612	0.11 583	0.09 585	0.11 591	0.10 574	0.13 621	0.11 586
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.22 607	0.13 592	0.21 579	0.25 651	0.14 617	0.23 600	0.22 610	0.42 675	0.27 520	0.31 649	0.43 662	0.37 651	0.29 645	0.23 602	0.23 600	0.10 548	0.12 640	0.10 560	0.09 533	0.10 564	0.08 478

zh-mn7	0.26 650	0.15 614	0.59 690	0.19 479	0.14 617	0.24 609	0.22 610	0.35 633	0.63 700	0.35 662	0.67 698	0.31 622	0.25 616	0.31 649	0.26 633	0.09 504	0.08 549	0.09 511	0.09 533	0.09 528	0.11 586

DGSMNet	0.25 638	0.19 653	0.34 648	0.21 585	0.24 691	0.24 609	0.21 596	0.36 640	0.42 632	0.25 601	0.32 593	0.38 657	0.21 586	0.29 642	0.24 612	0.13 628	0.11 624	0.14 642	0.16 669	0.23 686	0.23 691

xxxx	0.15 497	0.07 224	0.14 399	0.14 66	0.08 230	0.24 609	0.18 509	0.32 589	0.20 408	0.14 389	0.28 557	0.22 522	0.14 466	0.15 424	0.29 656	0.09 504	0.05 253	0.07 324	0.07 403	0.08 463	0.08 478

FINET	0.22 607	0.18 649	0.28 620	0.19 479	0.16 650	0.24 609	0.24 634	0.33 603	0.49 661	0.26 606	0.33 600	0.22 522	0.23 599	0.23 602	0.18 538	0.18 676	0.16 680	0.11 591	0.10 574	0.15 653	0.14 642

psmorigin	0.25 638	0.16 625	0.35 654	0.17 307	0.13 597	0.24 609	0.14 267	0.34 618	0.34 582	0.41 679	0.55 682	0.41 671	0.38 680	0.35 666	0.28 647	0.11 583	0.15 670	0.11 591	0.11 606	0.12 605	0.17 674

MaskLacGwcNet_RVC	0.22 607	0.21 664	0.25 606	0.26 660	0.11 537	0.24 609	0.14 267	0.39 662	0.24 468	0.32 656	0.36 619	0.30 607	0.21 586	0.19 539	0.22 589	0.17 675	0.14 665	0.21 680	0.16 669	0.13 621	0.12 607

edge stereo	0.23 620	0.14 607	0.21 579	0.21 585	0.13 597	0.24 609	0.16 425	0.32 589	0.42 632	0.32 656	0.40 640	0.39 662	0.35 673	0.25 620	0.25 620	0.13 628	0.11 624	0.14 642	0.11 606	0.12 605	0.14 642

NCCL2	0.24 631	0.15 614	0.18 539	0.34 692	0.18 672	0.24 609	0.24 634	0.34 618	0.29 544	0.31 649	0.38 629	0.38 657	0.29 645	0.23 602	0.25 620	0.15 653	0.12 640	0.18 675	0.21 684	0.13 621	0.13 624

DLCB_ROB	0.18 563	0.10 519	0.16 480	0.23 631	0.11 537	0.24 609	0.18 509	0.30 566	0.28 536	0.27 613	0.29 572	0.28 588	0.25 616	0.20 558	0.20 563	0.08 442	0.08 549	0.09 511	0.09 533	0.07 390	0.07 403

FSD					0.23 687	0.25 618	0.25 650	0.27 507	0.26 507	0.25 601	0.26 528	0.26 571	0.26 624	0.27 626	0.24 612	0.21 689	0.20 692	0.27 691	0.26 694	0.25 694

zh-sn7	0.26 650	0.17 635	0.55 682	0.24 643	0.14 617	0.25 618	0.25 650	0.34 618	0.49 661	0.29 636	0.55 682	0.29 597	0.32 663	0.37 675	0.33 678	0.10 548	0.10 609	0.11 591	0.11 606	0.12 605	0.12 607

Wz-Net-LNSev	0.22 607	0.16 625	0.41 664	0.22 610	0.13 597	0.25 618	0.24 634	0.33 603	0.44 643	0.30 642	0.42 659	0.32 629	0.19 566	0.23 602	0.27 639	0.10 548	0.09 585	0.08 420	0.08 486	0.12 605	0.11 586

DDUNet	0.23 620	0.18 649	0.22 589	0.22 610	0.15 636	0.25 618	0.24 634	0.30 566	0.31 560	0.31 649	0.37 622	0.34 640	0.26 624	0.25 620	0.21 576	0.18 676	0.13 654	0.17 666	0.11 606	0.16 666	0.17 674

222	0.16 525	0.07 224	0.15 436	0.14 66	0.08 230	0.25 618	0.18 509	0.30 566	0.21 424	0.18 491	0.29 572	0.17 452	0.16 507	0.16 453	0.44 702	0.10 548	0.05 253	0.07 324	0.06 297	0.08 463	0.08 478

GwcNet	0.20 584	0.14 607	0.20 568	0.18 400	0.12 571	0.25 618	0.20 579	0.36 640	0.45 647	0.20 529	0.33 600	0.33 635	0.21 586	0.22 594	0.25 620	0.11 583	0.09 585	0.09 511	0.09 533	0.09 528	0.10 559

FADNet	0.21 599	0.23 672	0.37 657	0.18 400	0.17 662	0.25 618	0.13 190	0.32 589	0.32 566	0.23 576	0.25 515	0.27 578	0.21 586	0.19 539	0.16 508	0.13 628	0.15 670	0.12 613	0.15 664	0.17 673	0.18 678

Nwc_Net	0.23 620	0.17 635	0.22 589	0.25 651	0.15 636	0.25 618	0.27 664	0.38 656	0.39 619	0.22 561	0.41 651	0.30 607	0.29 645	0.28 635	0.25 620	0.11 583	0.10 609	0.17 666	0.20 682	0.10 564	0.11 586

ADCMid	0.26 650	0.15 614	0.42 667	0.20 546	0.14 617	0.25 618	0.26 659	0.35 633	0.40 623	0.37 669	0.45 666	0.34 640	0.42 692	0.36 670	0.36 684	0.10 548	0.09 585	0.11 591	0.11 606	0.13 621	0.13 624

CC-Net-ROB	0.28 661	0.31 694	0.36 656	0.30 686	0.15 636	0.25 618	0.19 556	0.45 687	0.34 582	0.39 672	0.37 622	0.39 662	0.31 661	0.27 626	0.27 639	0.24 700	0.18 686	0.30 702	0.23 691	0.19 680	0.15 656

DISCO	0.20 584	0.09 450	0.22 589	0.17 307	0.10 478	0.25 618	0.18 509	0.28 532	0.45 647	0.23 576	0.32 593	0.34 640	0.26 624	0.29 642	0.29 656	0.08 442	0.06 438	0.07 324	0.07 403	0.09 528	0.10 559

PSMNet_ROB	0.22 607	0.12 565	0.15 436	0.27 668	0.15 636	0.25 618	0.36 701	0.43 681	0.37 607	0.27 613	0.33 600	0.32 629	0.23 599	0.21 576	0.27 639	0.12 609	0.08 549	0.13 627	0.11 606	0.10 564	0.09 527

w-ln-seven	0.24 631	0.15 614	0.58 688	0.20 546	0.14 617	0.26 630	0.22 610	0.36 640	0.62 697	0.30 642	0.40 640	0.30 607	0.23 599	0.22 594	0.28 647	0.09 504	0.09 585	0.11 591	0.10 574	0.11 586	0.10 559

fast-acv-ft	0.18 563	0.11 546	0.20 568	0.19 479	0.12 571	0.26 630	0.21 596	0.26 493	0.35 596	0.22 561	0.34 610	0.27 578	0.21 586	0.21 576	0.23 600	0.09 504	0.09 585	0.08 420	0.10 574	0.08 463	0.07 403

Wz-Net-SNSev	0.26 650	0.17 635	0.46 671	0.25 651	0.14 617	0.26 630	0.24 634	0.38 656	0.57 686	0.30 642	0.56 684	0.39 662	0.26 624	0.24 614	0.32 674	0.10 548	0.09 585	0.10 560	0.11 606	0.11 586	0.11 586

Syn2CoEx	0.22 607	0.16 625	0.29 629	0.29 682	0.15 636	0.26 630	0.21 596	0.34 618	0.32 566	0.29 636	0.36 619	0.28 588	0.25 616	0.20 558	0.25 620	0.16 670	0.12 640	0.14 642	0.11 606	0.09 528	0.08 478

AF-Net	0.23 620	0.17 635	0.17 505	0.27 668	0.13 597	0.26 630	0.24 634	0.33 603	0.51 671	0.25 601	0.33 600	0.39 662	0.27 631	0.28 635	0.26 633	0.11 583	0.10 609	0.16 662	0.12 629	0.11 586	0.11 586

AnyNet_C32	0.26 650	0.16 625	0.39 659	0.20 546	0.17 662	0.26 630	0.31 690	0.32 589	0.45 647	0.31 649	0.50 675	0.30 607	0.34 669	0.41 692	0.36 684	0.12 609	0.12 640	0.12 613	0.14 647	0.14 639	0.15 656

FBW_ROB	0.25 638	0.17 635	0.23 597	0.27 668	0.14 617	0.26 630	0.22 610	0.42 675	0.43 641	0.42 681	0.41 651	0.43 675	0.27 631	0.32 654	0.24 612	0.09 504	0.15 670	0.15 654	0.12 629	0.12 605	0.10 559

LE_ROB	0.50 702	0.07 224	0.14 399	0.15 123	0.08 230	0.26 630	0.17 459	0.23 430	1.71 741	4.68 747	0.67 698	0.46 683	0.47 702	0.21 576	0.30 663	0.07 358	0.06 438	0.06 204	0.06 297	0.08 463	0.06 312

ETE_ROB	0.23 620	0.17 635	0.23 597	0.25 651	0.14 617	0.26 630	0.29 681	0.32 589	0.37 607	0.28 626	0.37 622	0.45 679	0.27 631	0.28 635	0.27 639	0.11 583	0.09 585	0.12 613	0.10 574	0.14 639	0.13 624

YMNet	0.20 584	0.12 565	0.20 568	0.21 585	0.14 617	0.27 639	0.23 623	0.32 589	0.34 582	0.28 626	0.35 614	0.30 607	0.18 547	0.18 514	0.22 589	0.11 583	0.13 654	0.10 560	0.10 574	0.09 528	0.09 527

YMNet_1	0.20 584	0.12 565	0.20 568	0.21 585	0.14 617	0.27 639	0.23 623	0.32 589	0.34 582	0.28 626	0.35 614	0.30 607	0.18 547	0.18 514	0.22 589	0.11 583	0.13 654	0.10 560	0.10 574	0.09 528	0.09 527

SQANet	0.24 631	0.24 675	0.31 638	0.31 688	0.19 676	0.27 639	0.13 190	0.30 566	0.33 571	0.25 601	0.37 622	0.31 622	0.22 593	0.27 626	0.23 600	0.15 653	0.10 609	0.21 680	0.16 669	0.22 683	0.16 665

coex-ft	3.24 734	0.35 698	57.83 775	0.18 400	0.13 597	0.27 639	0.23 623	0.28 532	0.72 712	1.89 743	0.70 703	0.43 675	0.47 702	0.29 642	0.43 699	0.09 504	0.09 585	0.12 613	0.09 533	0.14 639	0.14 642

GASNet	0.22 607	0.24 675	0.34 648	0.26 660	0.17 662	0.27 639	0.16 425	0.45 687	0.42 632	0.27 613	0.24 488	0.30 607	0.16 507	0.27 626	0.18 538	0.12 609	0.09 585	0.12 613	0.11 606	0.16 666	0.08 478

Anonymous3	0.16 525	0.14 607	0.34 648	0.26 660	0.14 617	0.27 639	0.18 509	0.28 532	0.28 536	0.15 414	0.17 379	0.14 387	0.11 362	0.16 453	0.12 365	0.08 442	0.08 549	0.08 420	0.08 486	0.08 463	0.11 586

MMNet	0.17 547	0.10 519	0.17 505	0.20 546	0.11 537	0.27 639	0.20 579	0.26 493	0.42 632	0.22 561	0.30 578	0.22 522	0.20 578	0.18 514	0.20 563	0.06 170	0.06 438	0.07 324	0.07 403	0.08 463	0.07 403

hitnet-ft	0.18 563	0.10 519	0.17 505	0.14 66	0.09 359	0.27 639	0.20 579	0.25 479	0.26 507	0.24 588	0.32 593	0.32 629	0.23 599	0.24 614	0.21 576	0.12 609	0.07 513	0.10 560	0.08 486	0.12 605	0.11 586

DispFullNet	0.27 658	0.22 668	0.66 697	0.28 675	0.17 662	0.27 639	0.17 459	0.34 618	0.57 686	0.27 613	0.37 622	0.43 675	0.24 608	0.39 682	0.25 620	0.12 609	0.06 438	0.19 677	0.11 606	0.23 686	0.16 665

LALA_ROB	0.25 638	0.16 625	0.23 597	0.27 668	0.17 662	0.27 639	0.27 664	0.42 675	0.38 613	0.33 660	0.39 637	0.51 691	0.26 624	0.29 642	0.28 647	0.16 670	0.09 585	0.13 627	0.12 629	0.13 621	0.13 624

MSAF-DinoV2	0.23 620	0.11 546	0.25 606	0.17 307	0.10 478	0.28 649	0.17 459	0.38 656	0.56 684	0.21 546	0.27 546	0.47 687	0.28 640	0.36 670	0.40 694	0.09 504	0.06 438	0.07 324	0.09 533	0.12 605	0.11 586

z-mn7	0.25 638	0.15 614	0.47 674	0.19 479	0.13 597	0.28 649	0.25 650	0.35 633	0.64 701	0.27 613	0.57 688	0.29 597	0.24 608	0.32 654	0.27 639	0.08 442	0.08 549	0.08 420	0.08 486	0.10 564	0.10 559

UNet	0.17 547	0.09 450	0.18 539	0.19 479	0.12 571	0.28 649	0.19 556	0.33 603	0.30 550	0.21 546	0.25 515	0.23 539	0.19 566	0.20 558	0.19 553	0.07 358	0.06 438	0.08 420	0.07 403	0.08 463	0.07 403

NVstereo2D	0.19 575	0.11 546	0.16 480	0.17 307	0.16 650	0.28 649	0.23 623	0.44 685	0.42 632	0.15 414	0.28 557	0.25 561	0.19 566	0.23 602	0.18 538	0.09 504	0.06 438	0.10 560	0.08 486	0.15 653	0.10 559

RTSC	0.23 620	0.13 592	0.30 635	0.21 585	0.13 597	0.29 653	0.17 459	0.36 640	0.68 707	0.27 613	0.34 610	0.30 607	0.22 593	0.32 654	0.31 669	0.10 548	0.08 549	0.09 511	0.10 574	0.13 621	0.14 642

ADCS	0.30 668	0.19 653	0.48 676	0.21 585	0.18 672	0.29 653	0.24 634	0.42 675	0.64 701	0.40 675	0.50 675	0.40 668	0.37 678	0.40 686	0.43 699	0.13 628	0.13 654	0.13 627	0.14 647	0.16 666	0.16 665

SANet	0.25 638	0.14 607	0.29 629	0.21 585	0.11 537	0.29 653	0.25 650	0.40 665	0.65 705	0.36 665	0.40 640	0.42 673	0.27 631	0.27 626	0.25 620	0.12 609	0.09 585	0.10 560	0.09 533	0.13 621	0.12 607

PVD	0.40 688	0.21 664	0.40 662	0.32 691	0.23 687	0.30 656	0.45 713	0.53 703	0.97 726	0.55 698	0.80 712	0.54 696	0.60 716	0.53 704	0.40 694	0.19 681	0.14 665	0.17 666	0.14 647	0.24 692	0.32 704

PASM	0.33 677	0.25 680	0.51 678	0.28 675	0.27 697	0.30 656	0.31 690	0.35 633	0.51 671	0.36 665	0.40 640	0.47 687	0.35 673	0.34 661	0.36 684	0.23 698	0.26 708	0.26 688	0.28 700	0.23 686	0.21 687

UDG	0.21 599	0.17 635	0.20 568	0.23 631	0.15 636	0.31 658	0.20 579	0.33 603	0.35 596	0.24 588	0.28 557	0.31 622	0.29 645	0.21 576	0.23 600	0.15 653	0.12 640	0.13 627	0.09 533	0.14 639	0.15 656

NaN_ROB	0.23 620	0.20 658	0.25 606	0.25 651	0.13 597	0.31 658	0.27 664	0.34 618	0.41 630	0.31 649	0.31 583	0.32 629	0.23 599	0.31 649	0.22 589	0.11 583	0.17 684	0.10 560	0.11 606	0.08 463	0.09 527

APVNet	0.23 620	0.12 565	0.20 568	0.18 400	0.14 617	0.32 660	0.31 690	0.40 665	0.33 571	0.27 613	0.40 640	0.30 607	0.29 645	0.27 626	0.25 620	0.11 583	0.12 640	0.11 591	0.14 647	0.12 605	0.13 624

stereogan	0.22 607	0.11 546	0.21 579	0.20 546	0.12 571	0.32 660	0.19 556	0.36 640	0.45 647	0.23 576	0.39 637	0.35 646	0.27 631	0.33 658	0.23 600	0.10 548	0.12 640	0.10 560	0.10 574	0.14 639	0.14 642

Anonymous_2	0.22 607	0.17 635	0.28 620	0.15 123	0.16 650	0.33 662	0.22 610	0.23 430	0.18 354	0.23 576	0.24 488	0.26 571	0.27 631	0.27 626	0.24 612	0.22 693	0.26 708	0.17 666	0.17 676	0.16 666	0.18 678

GANetREF_RVC	0.31 674	0.34 697	0.29 629	0.35 694	0.16 650	0.33 662	0.42 709	0.48 693	0.52 677	0.35 662	0.35 614	0.34 640	0.32 663	0.40 686	0.33 678	0.27 702	0.20 692	0.29 700	0.15 664	0.19 680	0.18 678
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
PDISCO_ROB	0.28 661	0.16 625	0.28 620	0.28 675	0.20 680	0.33 662	0.27 664	0.45 687	0.58 689	0.28 626	0.41 651	0.45 679	0.30 656	0.34 661	0.35 683	0.12 609	0.09 585	0.17 666	0.16 669	0.17 673	0.13 624

MeshStereo	0.27 658	0.13 592	0.18 539	0.15 123	0.11 537	0.33 662	0.24 634	0.41 670	0.36 601	0.53 695	0.58 692	0.67 705	0.41 688	0.36 670	0.27 639	0.14 649	0.13 654	0.13 627	0.11 606	0.11 586	0.11 586
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
light-stereo	0.44 693	0.27 683	0.64 696	0.61 712	0.50 712	0.34 666	0.23 623	0.47 691	0.52 677	0.57 700	0.59 694	0.78 711	0.33 667	0.49 698	0.30 663	0.33 705	0.25 706	0.27 691	0.33 706	0.47 710	0.41 713

CSAN	0.30 668	0.24 675	0.28 620	0.34 692	0.19 676	0.34 666	0.42 709	0.38 656	0.51 671	0.38 671	0.40 640	0.44 678	0.34 669	0.29 642	0.31 669	0.19 681	0.16 680	0.19 677	0.19 681	0.14 639	0.15 656

MSMD_ROB	0.31 674	0.26 681	0.26 615	0.24 643	0.21 683	0.34 666	0.25 650	0.34 618	0.39 619	0.40 675	0.69 702	0.45 679	0.41 688	0.34 661	0.28 647	0.20 686	0.20 692	0.26 688	0.25 693	0.23 686	0.22 690

WCMA_ROB	0.24 631	0.11 546	0.24 603	0.17 307	0.14 617	0.34 666	0.16 425	0.33 603	0.33 571	0.39 672	0.54 681	0.40 668	0.35 673	0.35 666	0.26 633	0.12 609	0.12 640	0.12 613	0.11 606	0.14 639	0.14 642

SGM_RVC	0.24 631	0.12 565	0.16 480	0.15 123	0.09 359	0.34 666	0.19 556	0.35 633	0.32 566	0.44 686	0.38 629	0.53 695	0.36 676	0.36 670	0.26 633	0.13 628	0.13 654	0.13 627	0.13 641	0.11 586	0.11 586
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
WZ-Net	0.29 665	0.17 635	0.82 716	0.23 631	0.16 650	0.35 671	0.29 681	0.40 665	0.59 691	0.24 588	0.57 688	0.37 651	0.25 616	0.34 661	0.37 688	0.09 504	0.08 549	0.09 511	0.10 574	0.14 639	0.16 665

LRCNet_RVC	10.76 754	13.97 762	7.97 754	19.07 759	2.04 739	0.35 671	0.31 690	5.29 746	0.48 660	13.02 759	17.65 759	8.69 751	5.73 748	4.78 746	2.22 737	23.53 773	2.69 751	27.60 776	25.75 776	17.60 768	16.54 771

LSM	0.34 683	0.21 664	0.62 693	0.27 668	0.62 723	0.35 671	0.26 659	0.43 681	0.49 661	0.45 688	0.60 696	0.42 673	0.37 678	0.35 666	0.26 633	0.13 628	0.21 702	0.14 642	0.16 669	0.18 677	0.34 706

NVStereoNet_ROB	0.47 699	0.37 699	0.47 674	0.42 702	0.29 701	0.35 671	0.35 700	0.50 695	0.61 694	0.73 710	0.94 718	0.70 709	0.68 720	0.48 697	0.62 717	0.22 693	0.33 716	0.34 705	0.34 709	0.30 701	0.31 703
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Wz-Net-MNSev	0.23 620	0.13 592	0.33 645	0.20 546	0.15 636	0.36 675	0.25 650	0.34 618	0.45 647	0.29 636	0.41 651	0.39 662	0.19 566	0.25 620	0.27 639	0.09 504	0.07 513	0.09 511	0.09 533	0.12 605	0.10 559

MFN_U_SF_RVC	0.33 677	0.22 668	0.58 688	0.31 688	0.15 636	0.36 675	0.17 459	0.54 704	0.46 656	0.47 691	0.56 684	0.58 698	0.39 681	0.36 670	0.38 691	0.15 653	0.15 670	0.18 675	0.21 684	0.16 666	0.16 665

MFN_U_SF_DS_RVC	0.30 668	0.24 675	0.30 635	0.36 696	0.16 650	0.36 675	0.31 690	0.34 618	0.43 641	0.41 679	0.46 669	0.38 657	0.30 656	0.35 666	0.29 656	0.19 681	0.20 692	0.26 688	0.29 701	0.18 677	0.19 683

XQC	0.29 665	0.23 672	0.53 679	0.29 682	0.19 676	0.36 675	0.28 670	0.37 649	0.58 689	0.31 649	0.31 583	0.37 651	0.30 656	0.39 682	0.39 692	0.13 628	0.09 585	0.15 654	0.12 629	0.18 677	0.18 678

ADCL	0.25 638	0.12 565	0.49 677	0.22 610	0.12 571	0.36 675	0.29 681	0.30 566	0.57 686	0.24 588	0.47 671	0.30 607	0.31 661	0.30 648	0.30 663	0.09 504	0.07 513	0.09 511	0.09 533	0.10 564	0.10 559

ADCPNet	0.26 650	0.17 635	0.62 693	0.21 585	0.15 636	0.36 675	0.25 650	0.33 603	0.37 607	0.31 649	0.41 651	0.36 648	0.29 645	0.29 642	0.34 682	0.12 609	0.10 609	0.11 591	0.12 629	0.14 639	0.13 624

Selective-IGEV-i16pc	0.13 423	0.06 114	0.13 351	0.15 123	0.11 537	0.38 681	0.16 425	0.23 430	0.17 333	0.11 282	0.15 342	0.09 239	0.07 178	0.13 362	0.10 200	0.10 548	0.08 549	0.06 204	0.07 403	0.09 528	0.10 559

Wz-Net-TNSev	0.29 665	0.20 658	0.69 705	0.19 479	0.15 636	0.38 681	0.27 664	0.36 640	0.56 684	0.35 662	0.42 659	0.45 679	0.39 681	0.33 658	0.31 669	0.13 628	0.13 654	0.10 560	0.12 629	0.15 653	0.15 656

FC-DCNN	0.33 677	0.28 685	0.28 620	0.26 660	0.23 687	0.38 681	0.29 681	0.40 665	0.44 643	0.46 689	0.56 684	0.51 691	0.41 688	0.38 680	0.31 669	0.21 689	0.20 692	0.27 691	0.26 694	0.25 694	0.24 692

FC-DCNN v2	0.33 677	0.28 685	0.28 620	0.26 660	0.23 687	0.39 684	0.29 681	0.41 670	0.44 643	0.46 689	0.57 688	0.51 691	0.41 688	0.38 680	0.30 663	0.21 689	0.20 692	0.27 691	0.26 694	0.25 694	0.24 692

FCDSN-DC	0.33 677	0.28 685	0.28 620	0.30 686	0.24 691	0.39 684	0.28 670	0.43 681	0.42 632	0.44 686	0.53 679	0.51 691	0.42 692	0.37 675	0.30 663	0.21 689	0.20 692	0.27 691	0.26 694	0.25 694	0.25 694
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MonStereo1	0.49 701	0.27 683	0.61 691	0.29 682	0.20 680	0.40 686	0.19 556	0.51 699	0.66 706	0.53 695	0.91 717	1.02 716	0.59 715	0.51 701	0.58 714	0.53 719	0.32 715	0.55 716	0.40 710	0.36 707	0.38 710

MDST_ROB	0.22 607	0.10 519	0.18 539	0.18 400	0.11 537	0.40 686	0.19 556	0.44 685	0.42 632	0.40 675	0.40 640	0.29 597	0.21 586	0.27 626	0.19 553	0.11 583	0.10 609	0.14 642	0.11 606	0.10 564	0.08 478

Selective-IGEV-i16pb	0.14 456	0.08 365	0.17 505	0.15 123	0.11 537	0.41 688	0.16 425	0.29 553	0.24 468	0.11 282	0.21 453	0.10 274	0.07 178	0.17 493	0.12 365	0.10 548	0.07 513	0.06 204	0.08 486	0.09 528	0.10 559

ccnet	0.30 668	0.28 685	0.24 603	0.20 546	0.28 698	0.41 688	0.22 610	0.46 690	0.33 571	0.37 669	0.46 669	0.37 651	0.30 656	0.40 686	0.43 699	0.23 698	0.14 665	0.21 680	0.17 676	0.23 686	0.19 683

Consistency-Raft	0.44 693	0.40 702	0.46 671	0.37 698	0.43 709	0.42 690	0.41 707	0.57 706	0.55 682	0.32 656	0.73 706	0.32 629	0.50 705	0.42 693	0.49 708	0.39 709	0.36 717	0.45 709	0.52 721	0.42 709	0.30 702

SGM-ForestM	0.33 677	0.12 565	0.17 505	0.16 219	0.11 537	0.42 690	0.20 579	0.43 681	0.53 681	0.53 695	0.57 688	1.41 729	0.44 700	0.42 693	0.29 656	0.14 649	0.16 680	0.16 662	0.16 669	0.12 605	0.13 624

ACVNet-4b	0.39 686	0.53 707	0.56 683	0.45 704	0.24 691	0.46 692	0.18 509	0.50 695	0.64 701	0.42 681	0.45 666	0.60 699	0.27 631	0.34 661	0.24 612	0.33 705	0.14 665	0.48 710	0.42 712	0.31 704	0.27 699

RYNet	0.23 620	0.12 565	0.22 589	0.19 479	0.17 662	0.47 693	0.26 659	0.39 662	0.49 661	0.24 588	0.29 572	0.34 640	0.24 608	0.20 558	0.31 669	0.10 548	0.06 438	0.09 511	0.09 533	0.14 639	0.15 656

ACVNet_1	0.45 696	0.51 706	0.61 691	0.45 704	0.28 698	0.50 694	0.28 670	0.58 711	0.71 711	0.63 703	0.59 694	0.74 710	0.50 705	0.50 699	0.36 684	0.26 701	0.25 706	0.39 707	0.29 701	0.32 705	0.25 694

MANE	0.47 699	0.28 685	0.28 620	0.27 668	0.24 691	0.50 694	0.32 698	0.57 706	0.62 697	0.74 712	1.20 731	1.21 722	0.64 718	0.54 706	0.39 692	0.22 693	0.20 692	0.27 691	0.31 704	0.26 698	0.25 694

G-Net	0.25 638	0.17 635	0.38 658	0.23 631	0.16 650	0.51 696	0.23 623	0.29 553	0.35 596	0.36 665	0.38 629	0.31 622	0.29 645	0.28 635	0.27 639	0.11 583	0.09 585	0.12 613	0.10 574	0.16 666	0.14 642

AnyNet_C01	0.37 684	0.26 681	1.41 729	0.22 610	0.17 662	0.51 696	0.28 670	0.36 640	0.40 623	0.39 672	0.75 708	0.46 683	0.39 681	0.46 696	0.50 709	0.13 628	0.13 654	0.13 627	0.14 647	0.14 639	0.16 665

anonymity	0.53 703	0.58 708	0.66 697	0.41 700	0.61 722	0.54 698	0.41 707	0.57 706	0.41 630	0.56 699	0.50 675	0.50 690	0.55 709	0.59 712	0.50 709	0.58 722	0.50 730	0.51 712	0.51 719	0.52 712	0.58 720

DPSNet	0.28 661	0.16 625	0.33 645	0.18 400	0.13 597	0.55 699	0.42 709	0.52 700	0.68 707	0.29 636	0.38 629	0.39 662	0.30 656	0.32 654	0.23 600	0.11 583	0.10 609	0.11 591	0.08 486	0.20 682	0.16 665

ELAS_RVC	0.42 691	0.29 692	0.33 645	0.28 675	0.24 691	0.56 700	0.38 704	0.50 695	0.61 694	0.74 712	0.76 709	0.67 705	0.56 711	0.55 707	0.42 698	0.22 693	0.21 702	0.27 691	0.26 694	0.27 700	0.26 697
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
otaku	0.39 686	0.38 700	0.53 679	0.44 703	0.28 698	0.57 701	0.24 634	0.42 675	0.62 697	0.40 675	0.50 675	0.46 683	0.34 669	0.40 686	0.33 678	0.30 703	0.30 712	0.39 707	0.33 706	0.30 701	0.29 700

IMH-64-1	0.66 709	0.62 712	0.69 705	0.72 715	0.51 713	0.60 702	0.51 716	0.92 720	0.84 721	0.75 715	1.02 722	0.81 712	0.78 725	0.80 718	0.50 709	0.43 711	0.46 721	0.72 719	0.48 714	0.55 715	0.40 711

IMH-64	0.66 709	0.62 712	0.69 705	0.72 715	0.51 713	0.60 702	0.51 716	0.92 720	0.84 721	0.75 715	1.02 722	0.81 712	0.78 725	0.80 718	0.50 709	0.43 711	0.46 721	0.72 719	0.48 714	0.55 715	0.40 711

ELAS	0.42 691	0.29 692	0.34 648	0.28 675	0.24 691	0.63 704	0.37 702	0.52 700	0.52 677	0.72 709	0.82 713	0.68 707	0.56 711	0.52 702	0.45 705	0.22 693	0.21 702	0.27 691	0.26 694	0.26 698	0.26 697
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Ntro	0.41 689	0.40 702	0.54 681	0.46 707	0.30 702	0.64 705	0.24 634	0.47 691	0.68 707	0.42 681	0.49 673	0.47 687	0.42 692	0.40 686	0.32 674	0.32 704	0.28 710	0.37 706	0.31 704	0.33 706	0.29 700

SPS-STEREO	0.58 707	0.59 710	0.66 697	0.45 704	0.55 716	0.65 706	0.44 712	0.63 713	0.51 671	0.69 706	0.65 697	0.66 704	0.58 714	0.62 713	0.62 717	0.62 725	0.47 725	0.51 712	0.49 716	0.55 715	0.58 720
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.54 704	0.61 711	0.71 710	0.57 711	0.43 709	0.66 707	0.37 702	0.60 712	0.87 723	0.51 693	0.67 698	0.63 701	0.47 702	0.50 699	0.44 702	0.47 715	0.48 726	0.53 714	0.41 711	0.53 714	0.41 713

MSC_U_SF_DS_RVC	0.44 693	0.39 701	0.56 683	0.40 699	0.20 680	0.66 707	0.33 699	0.54 704	0.72 712	0.71 708	0.72 705	0.62 700	0.55 709	0.52 702	0.47 706	0.20 686	0.19 691	0.29 700	0.30 703	0.24 692	0.19 683

SGM+DAISY	0.57 706	0.58 708	0.67 701	0.41 700	0.55 716	0.68 709	0.51 716	0.57 706	0.46 656	0.67 704	0.70 703	0.69 708	0.57 713	0.64 714	0.58 714	0.59 723	0.49 727	0.50 711	0.50 718	0.52 712	0.59 723

MFMNet_re	0.65 708	0.66 715	0.66 697	0.51 708	0.69 727	0.70 710	0.58 720	0.65 714	0.75 717	0.61 702	0.73 706	0.63 701	0.68 720	0.65 715	0.60 716	0.66 727	0.58 739	0.63 717	0.59 722	0.68 723	0.69 730

IMH	0.72 712	0.65 714	0.70 708	0.77 717	0.54 715	0.71 711	0.56 719	0.99 728	1.08 727	0.82 718	1.09 725	0.89 714	0.88 729	0.88 726	0.53 713	0.44 714	0.50 730	0.75 722	0.51 719	0.58 718	0.42 715

RTS	0.46 697	0.19 653	3.33 735	0.25 651	0.15 636	0.72 712	0.21 596	0.37 649	0.78 719	0.42 681	0.44 664	0.31 622	0.43 696	0.55 707	0.37 688	0.10 548	0.09 585	0.13 627	0.13 641	0.15 653	0.15 656

RTSA	0.46 697	0.19 653	3.33 735	0.25 651	0.15 636	0.72 712	0.21 596	0.37 649	0.78 719	0.42 681	0.44 664	0.31 622	0.43 696	0.55 707	0.37 688	0.10 548	0.09 585	0.13 627	0.13 641	0.15 653	0.15 656

notaker	0.98 725	1.13 729	1.02 723	1.14 732	0.81 731	0.73 714	0.69 729	0.94 723	1.15 730	1.19 738	1.19 730	1.41 729	1.17 740	1.10 735	0.74 725	0.82 733	0.64 741	1.18 735	0.79 732	1.02 733	0.82 734

ACVNet_2	0.67 711	0.68 716	0.70 708	0.64 713	0.41 707	0.75 715	0.50 715	0.98 726	1.38 736	0.90 723	1.09 725	1.04 717	0.74 723	0.55 707	0.48 707	0.43 711	0.40 719	0.53 714	0.45 713	0.48 711	0.36 708

WAO-7	0.80 717	0.78 720	0.57 685	0.85 722	0.67 726	0.76 716	0.69 729	1.07 731	1.30 733	0.90 723	1.20 731	1.05 718	0.93 731	0.71 716	0.68 720	0.60 724	0.62 740	0.67 718	0.68 728	0.64 719	0.59 723

WAO-6	0.82 718	0.81 721	0.63 695	0.87 724	0.63 724	0.79 717	0.60 722	0.98 726	1.52 740	0.91 726	0.97 720	1.08 719	1.04 735	0.72 717	0.70 723	0.72 728	0.49 727	0.91 730	0.71 729	0.70 725	0.59 723

SDNR	0.20 584	0.09 450	0.19 563	0.16 219	0.12 571	0.79 717	0.13 190	0.26 493	0.33 571	0.19 507	0.25 515	0.19 478	0.12 397	0.19 539	0.15 488	0.16 670	0.18 686	0.14 642	0.11 606	0.08 463	0.12 607

PWCK	0.72 712	0.95 726	0.99 722	0.77 717	0.32 703	0.79 717	0.38 704	0.92 720	0.90 724	0.96 728	0.76 709	0.97 715	0.62 717	0.87 724	0.68 720	0.73 729	0.46 721	0.76 724	0.49 716	0.71 726	0.44 716

BEATNet-Init1	0.54 704	0.28 685	0.68 704	0.31 688	0.21 683	0.85 720	0.31 690	0.57 706	0.69 710	0.89 722	1.00 721	2.17 736	0.66 719	0.58 711	0.44 702	0.19 681	0.18 686	0.23 685	0.22 687	0.22 683	0.21 687

SAMSARA	0.41 689	0.28 685	0.34 648	0.55 710	0.39 705	0.85 720	1.25 738	0.49 694	0.52 677	0.36 665	0.35 614	0.56 697	0.39 681	0.39 682	0.41 696	0.15 653	0.20 692	0.15 654	0.14 647	0.23 686	0.21 687

Dean	0.88 721	0.88 725	0.81 715	0.82 721	0.57 719	0.91 722	0.62 723	1.17 741	1.71 741	1.15 736	1.16 729	1.31 726	1.00 734	0.82 720	0.83 729	0.57 720	0.56 736	0.78 726	0.65 725	0.67 722	0.58 720

WAO-8	0.92 722	0.83 722	0.67 701	0.94 727	0.70 728	0.92 723	0.68 727	1.08 733	1.80 743	1.06 733	1.42 735	1.29 724	1.08 737	0.86 722	0.80 726	0.74 730	0.54 733	0.86 728	0.75 730	0.71 726	0.63 727

Venus	0.92 722	0.83 722	0.67 701	0.94 727	0.70 728	0.92 723	0.68 727	1.08 733	1.80 743	1.06 733	1.42 735	1.29 724	1.08 737	0.86 722	0.80 726	0.74 730	0.54 733	0.86 728	0.75 730	0.71 726	0.63 727

TorneroNet-64	0.76 715	0.73 718	0.77 714	0.78 719	0.58 721	0.94 725	0.58 720	0.85 719	1.26 731	0.67 704	0.88 715	1.41 729	0.76 724	0.87 724	0.68 720	0.49 717	0.46 721	0.73 721	0.59 722	0.68 723	0.54 719

KSHMR	1.10 728	1.19 730	0.90 721	1.26 735	1.00 735	0.99 726	0.96 735	1.13 739	1.35 734	1.16 737	1.28 734	1.40 728	0.97 733	1.03 732	0.93 730	1.03 742	1.08 744	1.20 736	1.03 738	1.03 734	0.98 736

MADNet+	0.76 715	0.72 717	3.76 738	0.67 714	0.41 707	0.99 726	0.97 736	0.72 715	0.75 717	0.52 694	0.58 692	0.64 703	0.68 720	0.89 727	1.04 733	0.35 707	0.36 717	0.28 699	0.23 691	0.38 708	0.33 705

ktn	1.02 727	1.23 731	0.82 716	1.24 734	0.86 733	1.00 728	0.86 732	0.96 724	1.37 735	1.05 731	1.12 728	1.16 721	1.06 736	0.95 729	0.62 717	1.28 744	0.71 742	1.39 739	0.83 733	1.06 735	0.77 733

TorneroNet	0.83 719	0.75 719	0.83 718	0.85 722	0.63 724	1.03 729	0.65 724	0.96 724	1.14 729	0.80 717	1.10 727	1.36 727	0.88 729	0.95 729	0.82 728	0.57 720	0.49 727	0.79 727	0.66 727	0.74 729	0.64 729

HanzoNet	1.31 730	1.29 733	1.22 728	1.13 731	0.85 732	1.05 730	0.84 731	1.06 730	1.47 739	1.66 741	1.63 737	2.48 738	1.78 743	1.63 737	1.69 735	1.27 743	0.80 743	1.32 738	1.02 737	1.07 736	0.90 735

LVE	0.84 720	0.87 724	0.86 719	0.81 720	0.56 718	1.09 731	0.66 725	1.07 731	1.45 738	0.97 729	1.23 733	1.11 720	0.86 728	0.84 721	0.72 724	0.49 717	0.56 736	0.76 724	0.60 724	0.66 721	0.60 726

DPSimNet_ROB	1.14 729	1.25 732	0.87 720	1.15 733	0.90 734	1.15 732	1.18 737	1.20 742	1.26 731	1.45 740	1.05 724	1.44 732	1.13 739	0.92 728	1.70 736	1.47 745	0.52 732	1.22 737	1.04 739	0.92 732	1.03 737

UNDER WATER	0.99 726	1.00 728	1.47 730	1.00 729	0.71 730	1.18 733	0.86 732	0.81 718	1.09 728	1.02 730	0.90 716	1.53 733	1.26 741	1.06 733	1.02 732	0.79 732	0.54 733	1.02 732	0.88 734	0.83 731	0.75 731

UNDER WATER-64	0.97 724	0.96 727	1.48 731	0.88 725	0.57 719	1.24 734	0.90 734	0.78 716	0.96 725	1.05 731	0.85 714	1.56 734	1.26 741	0.97 731	0.99 731	0.88 734	0.57 738	1.04 734	0.88 734	0.81 730	0.75 731

MultiAttention	0.30 668	0.08 365	0.15 436	0.19 479	0.13 597	1.56 735	1.33 739	0.36 640	0.36 601	0.20 529	0.21 453	0.24 548	0.11 362	0.39 682	0.18 538	0.06 170	0.05 253	0.08 420	0.08 486	0.11 586	0.09 527

JetBlue	0.73 714	0.46 705	1.21 727	0.52 709	0.47 711	2.16 736	0.67 726	0.78 716	0.72 712	0.70 707	0.79 711	1.21 722	0.84 727	1.06 733	1.04 733	0.40 710	0.28 710	0.33 704	0.33 706	0.30 701	0.34 706

MADNet++	1.97 732	1.75 735	1.66 732	1.83 736	1.69 738	2.38 737	1.45 740	2.36 744	2.11 745	2.58 744	2.37 745	2.25 737	2.21 745	2.28 738	2.36 742	1.87 746	1.67 746	1.53 740	1.34 740	1.87 738	1.78 740

zzzz4	3.65 736	5.61 753	4.02 744	12.30 753	11.85 756	4.60 738	3.99 744	1.11 737	0.45 647	0.87 720	2.08 741	6.08 745	0.43 696	3.05 740	2.22 737	0.96 739	0.15 670	1.91 745	1.76 743	5.84 749	3.78 746

noway1	3.65 736	5.60 752	3.99 742	12.30 753	11.85 756	4.61 739	4.00 746	1.11 737	0.45 647	0.87 720	2.08 741	6.09 746	0.43 696	3.05 740	2.22 737	0.96 739	0.15 670	1.91 745	1.76 743	5.84 749	3.79 747

noway2	3.63 735	5.25 748	3.83 739	12.30 753	11.84 753	4.62 740	3.98 743	1.03 729	0.50 669	0.91 726	2.05 739	6.21 749	0.40 686	2.96 739	2.36 742	0.95 737	0.14 665	1.90 744	1.76 743	5.79 747	3.81 750

noway3	3.67 739	5.34 749	3.88 740	12.29 752	11.84 753	4.64 741	3.99 744	1.08 733	0.50 669	0.90 723	2.07 740	6.19 748	0.45 701	3.36 744	2.45 745	0.97 741	0.15 670	1.91 745	1.76 743	5.79 747	3.82 751

noway4	3.66 738	5.59 751	3.99 742	12.28 751	11.84 753	4.70 742	4.02 747	1.16 740	0.47 659	0.84 719	2.09 743	6.05 744	0.42 692	3.08 742	2.23 740	0.95 737	0.15 670	1.91 745	1.75 742	5.88 751	3.80 749

TCMNet-wrong-test	3.69 740	5.54 750	3.91 741	12.22 750	11.75 752	4.77 743	3.86 742	1.08 733	0.74 716	1.13 735	2.21 744	6.16 747	0.53 708	3.43 745	2.33 741	0.90 735	0.20 692	1.85 742	1.69 741	5.71 746	3.79 747

JetRed	1.66 731	1.51 734	3.09 734	0.93 726	1.21 736	5.28 744	1.61 741	1.29 743	1.42 737	1.84 742	1.77 738	1.59 735	0.95 732	1.43 736	2.51 746	0.91 736	1.61 745	0.93 731	0.91 736	1.36 737	1.03 737

HaxPig	15.73 758	18.55 771	19.19 765	16.92 758	15.89 760	7.80 745	7.57 748	13.37 762	10.80 753	15.40 760	14.87 758	15.95 761	14.81 761	15.67 760	15.97 763	18.96 768	16.72 761	19.47 772	18.10 770	19.45 771	19.06 772

DPSMNet_ROB	8.06 747	4.50 741	8.69 755	5.36 743	10.74 747	8.32 746	22.71 754	5.47 748	13.38 756	5.13 748	9.98 753	5.10 741	10.47 754	5.53 747	12.77 757	3.80 752	8.00 753	3.49 749	6.95 754	3.75 745	7.09 755

DGTPSM_ROB	8.06 747	4.50 741	8.69 755	5.34 741	10.73 746	8.32 746	22.71 754	5.47 748	13.38 756	5.13 748	9.98 753	5.10 741	10.47 754	5.53 747	12.77 757	3.79 751	8.00 753	3.49 749	6.95 754	3.74 744	7.09 755

tt	4.65 741	0.07 224	3.54 737	2.01 737	1.55 737	10.25 748	16.66 751	8.90 754	5.03 747	1.33 739	0.96 719	4.71 740	4.74 747	3.33 743	5.86 748	6.06 754	10.30 760	1.87 743	2.09 748	2.61 740	1.19 739

MEDIAN_ROB	20.38 762	24.05 772	23.36 770	21.18 760	21.62 763	10.51 749	8.17 749	17.68 763	15.46 763	20.04 764	19.65 760	20.30 762	20.16 762	21.17 761	21.03 764	23.81 774	21.77 770	24.98 775	23.75 775	25.01 774	23.94 775

Selective-IGEV-i1pa	2.90 733	3.64 739	0.72 711	0.29 682	0.14 617	10.70 750	0.45 713	4.60 745	3.77 746	3.60 745	7.07 747	3.52 739	2.16 744	13.72 759	2.40 744	0.37 708	0.15 670	0.13 627	0.10 574	0.15 653	0.36 708

PML	8.57 749	9.39 759	6.24 745	5.34 741	6.36 743	13.21 751	20.99 752	5.35 747	6.68 748	17.75 761	26.46 772	7.58 750	6.08 749	7.89 750	5.76 747	5.33 753	1.83 747	5.95 759	1.93 747	8.75 756	2.53 742

USTest	6.16 742	2.65 738	2.79 733	6.48 744	7.21 744	14.33 752	21.38 753	6.98 753	9.55 752	5.35 750	6.12 746	5.71 743	7.69 750	6.31 749	6.75 750	1.97 747	3.38 752	1.63 741	2.14 749	2.49 739	2.35 741

xxxxx1	7.75 743	5.06 745	7.26 746	3.15 738	3.91 740	16.37 753	22.88 756	5.87 750	8.68 749	7.99 751	8.55 748	9.13 753	8.46 751	10.05 751	10.47 751	2.43 748	2.48 748	3.56 751	12.26 757	3.48 741	3.02 743

tt_ll	7.75 743	5.06 745	7.26 746	3.15 738	3.91 740	16.37 753	22.88 756	5.87 750	8.68 749	7.99 751	8.55 748	9.13 753	8.46 751	10.05 751	10.47 751	2.43 748	2.48 748	3.56 751	12.26 757	3.48 741	3.02 743

ff	7.75 743	5.06 745	7.26 746	3.15 738	3.91 740	16.37 753	22.88 756	5.87 750	8.68 749	7.99 751	8.55 748	9.13 753	8.46 751	10.05 751	10.47 751	2.43 748	2.48 748	3.56 751	12.26 757	3.48 741	3.02 743

AVERAGE_ROB	24.89 771	29.12 775	27.98 773	24.83 769	24.59 771	17.82 756	11.61 750	21.45 764	19.91 764	25.04 773	24.38 771	25.06 773	25.31 773	24.69 772	22.86 765	29.74 775	27.09 775	28.97 777	27.94 777	30.07 775	29.35 776

iinet-test	10.41 750	8.00 755	7.40 749	10.23 745	10.93 748	17.97 757	25.06 759	11.30 758	13.29 754	9.69 755	9.78 752	9.38 756	11.23 756	10.97 755	12.61 755	6.59 756	8.30 755	5.49 754	6.54 750	6.58 752	6.91 753

IINet	10.41 750	8.00 755	7.40 749	10.23 745	10.93 748	17.97 757	25.06 759	11.30 758	13.29 754	9.69 755	9.77 751	9.38 756	11.23 756	10.97 755	12.61 755	6.59 756	8.30 755	5.49 754	6.54 750	6.58 752	6.91 753

Anonymous_1	10.87 755	7.82 754	7.41 751	10.29 747	10.08 745	18.64 759	26.11 761	11.02 757	13.45 758	9.43 754	10.10 755	9.73 758	11.31 758	10.69 754	12.47 754	6.42 755	8.38 757	5.70 756	10.22 756	11.41 757	6.65 752

DPSM_ROB	11.10 756	8.47 757	7.95 752	10.84 748	11.58 750	19.10 760	26.50 764	12.02 760	14.09 759	10.38 757	10.91 756	10.39 759	11.92 759	11.67 757	13.39 759	6.99 758	8.79 758	5.82 757	6.92 752	6.97 754	7.31 757

DPSM	11.10 756	8.47 757	7.95 752	10.84 748	11.58 750	19.10 760	26.50 764	12.02 760	14.09 759	10.38 757	10.91 756	10.39 759	11.92 759	11.67 757	13.39 759	6.99 758	8.79 758	5.82 757	6.92 752	6.97 754	7.31 757

RSGM-EC	20.15 760	4.62 743	0.75 712	16.73 756	16.97 761	21.10 762	26.46 762	10.37 755	14.13 761	18.18 762	21.56 762	22.31 771	22.50 763	21.80 762	15.71 761	62.36 776	33.86 776	20.06 773	18.04 768	19.30 769	16.22 769

acva	20.15 760	4.62 743	0.75 712	16.73 756	16.97 761	21.10 762	26.46 762	10.37 755	14.13 761	18.18 762	21.56 762	22.31 771	22.50 763	21.80 762	15.71 761	62.36 776	33.86 776	20.06 773	18.04 768	19.30 769	16.22 769

CasAABBNet	22.33 763	17.11 763	15.84 759	21.94 762	23.28 765	38.30 764	53.40 770	24.05 768	28.44 768	20.66 767	21.86 766	21.03 769	24.04 768	23.35 767	27.03 769	14.06 761	17.69 764	11.70 761	13.94 761	14.04 762	14.76 763

RAFT-FEzeroshot	22.33 763	17.12 764	15.83 757	21.95 763	23.32 767	38.31 765	53.41 772	23.99 766	28.43 766	20.66 767	21.84 764	21.02 767	24.05 769	23.33 765	27.09 770	14.06 761	17.69 764	11.70 761	13.95 762	14.05 763	14.76 763

RAFT-FE	22.33 763	17.12 764	15.83 757	21.95 763	23.32 767	38.31 765	53.41 772	23.99 766	28.43 766	20.66 767	21.84 764	21.02 767	24.05 769	23.33 765	27.09 770	14.06 761	17.69 764	11.70 761	13.95 762	14.05 763	14.76 763

fast-reg	22.77 769	17.32 770	19.13 763	22.15 768	24.31 770	38.33 767	53.16 766	24.18 769	28.58 771	20.60 765	22.12 770	20.65 763	23.90 765	23.12 764	26.84 767	14.18 767	17.47 763	14.33 767	14.96 767	15.38 767	14.67 761

Hybrid-DGEV	22.38 767	17.26 769	16.15 762	21.92 761	23.29 766	38.36 768	53.40 770	24.38 773	28.67 772	20.64 766	21.89 767	21.01 766	24.05 769	23.35 767	27.12 772	14.08 765	17.70 767	11.71 765	13.99 765	14.01 761	14.70 762

Selective-RAFT-Error	22.39 768	17.14 767	16.01 761	22.00 765	23.34 769	38.37 769	53.36 769	24.24 772	28.53 770	20.80 770	21.94 769	20.94 765	24.02 767	23.48 771	27.33 773	14.07 764	17.70 767	11.70 761	13.93 760	14.05 763	14.83 766

LSM0	22.80 770	17.22 768	19.17 764	22.12 767	28.90 772	38.38 770	53.27 767	24.21 771	28.36 765	20.84 771	21.11 761	21.63 770	24.25 772	23.42 769	26.98 768	14.08 765	17.39 762	11.72 766	13.98 764	14.22 766	14.66 760

FlowAnything	22.34 766	17.13 766	15.98 760	22.00 765	23.23 764	38.39 771	53.32 768	24.19 770	28.48 769	21.00 772	21.93 768	20.83 764	23.97 766	23.44 770	26.83 766	14.04 760	17.80 769	11.63 760	14.08 766	14.00 760	14.65 759

zzzzzz3	32.40 772	13.78 760	19.88 768	39.27 772	40.27 775	57.81 772	73.58 775	33.27 775	42.65 773	31.40 774	32.97 773	30.93 774	36.54 776	37.48 775	43.96 776	20.77 769	26.80 773	16.44 768	20.72 771	13.41 758	16.16 767

zzz1	32.42 773	13.80 761	20.04 769	39.27 772	40.27 775	57.84 773	73.53 774	33.30 776	42.71 776	31.42 775	32.98 774	30.95 775	36.54 776	37.50 776	43.97 777	20.78 770	26.81 774	16.46 769	20.73 772	13.42 759	16.17 768

zzzz2	33.77 774	25.93 773	24.41 771	33.32 770	35.10 773	58.15 774	80.98 776	36.98 777	42.68 774	31.82 776	33.40 775	31.44 776	36.00 774	34.74 773	40.15 774	21.20 771	26.75 771	17.85 770	21.11 773	21.10 772	22.26 773

noway5	33.77 774	25.93 773	24.41 771	33.32 770	35.10 773	58.15 774	80.98 776	36.98 777	42.68 774	31.82 776	33.40 775	31.44 776	36.00 774	34.74 773	40.15 774	21.20 771	26.75 771	17.85 770	21.11 773	21.10 772	22.26 773

test_example2	97.69 776	92.93 776	45.57 774	96.02 774	109.84 777	88.44 776	93.70 778	25.54 774	94.63 778	130.46 779	126.87 778	58.93 778	75.48 778	87.99 777	77.94 778	150.16 778	221.11 778	76.29 778	98.21 778	108.42 778	95.33 777

Selective-IGEV-i16pa	19.44 759	3.95 740	1.06 725	0.21 585	0.19 676	105.21 777	0.29 681	22.78 765	47.64 777	4.27 746	59.07 777	9.08 752	2.84 746	125.10 778	5.92 749	0.18 676	0.12 640	0.09 511	0.12 629	0.12 605	0.52 718

ccccc		285.89 777		366.70 777	366.78 778	118.88 778		113.97 779		125.77 778		120.54 779		252.62 779		382.79 779	352.84 779	254.30 779	222.62 779	426.61 779

GS-Stereo							0.14 267	0.11 63	0.12 157	0.08 136	0.10 209	0.05 4	0.04 1	0.11 202	0.08 26	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.05 196

Low-res two-view benchmark