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

GELT-Stereo	0.09 186	0.06 115	0.10 190	0.18 413	0.07 136	0.07 40	0.15 370	0.21 393	0.17 345	0.08 145	0.07 68	0.06 50	0.08 249	0.10 127	0.07 1	0.04 6	0.04 25	0.06 213	0.06 308	0.04 50	0.03 1

testmc14	0.07 6	0.05 35	0.06 1	0.15 124	0.05 2	0.09 155	0.12 125	0.08 14	0.08 27	0.07 83	0.09 184	0.06 50	0.05 19	0.07 7	0.07 1	0.06 177	0.04 25	0.04 1	0.03 1	0.03 1	0.03 1

MCSU-Stereo	0.07 6	0.05 35	0.06 1	0.15 124	0.05 2	0.09 155	0.12 125	0.10 39	0.09 58	0.07 83	0.07 68	0.07 143	0.05 19	0.10 127	0.07 1	0.06 177	0.04 25	0.04 1	0.03 1	0.04 50	0.03 1

aanet-new-90k	0.08 89	0.07 231	0.09 123	0.19 493	0.06 34	0.07 40	0.12 125	0.13 131	0.13 210	0.06 28	0.07 68	0.06 50	0.07 188	0.11 211	0.07 1	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.03 1

aanet-new-70k	0.07 6	0.06 115	0.09 123	0.17 312	0.06 34	0.08 89	0.12 125	0.11 69	0.10 86	0.07 83	0.07 68	0.07 143	0.06 78	0.10 127	0.07 1	0.04 6	0.04 25	0.05 61	0.04 66	0.04 50	0.03 1

aanet-new-78k	0.08 89	0.07 231	0.09 123	0.19 493	0.06 34	0.07 40	0.12 125	0.11 69	0.13 210	0.06 28	0.07 68	0.06 50	0.06 78	0.10 127	0.07 1	0.04 6	0.04 25	0.05 61	0.04 66	0.05 174	0.03 1

aanet-new-40k	0.07 6	0.08 375	0.08 44	0.17 312	0.07 136	0.08 89	0.13 201	0.10 39	0.10 86	0.07 83	0.09 184	0.06 50	0.05 19	0.08 29	0.07 1	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

aanet-new-24k	0.08 89	0.08 375	0.08 44	0.17 312	0.06 34	0.07 40	0.12 125	0.10 39	0.11 122	0.09 201	0.09 184	0.06 50	0.07 188	0.09 65	0.07 1	0.04 6	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

GCAP-Stereo-DPT-20K	0.07 6	0.05 35	0.11 261	0.15 124	0.06 34	0.07 40	0.12 125	0.10 39	0.11 122	0.07 83	0.08 141	0.06 50	0.05 19	0.09 65	0.07 1	0.05 52	0.05 259	0.05 61	0.04 66	0.03 1	0.04 55

LACA3	0.07 6	0.08 375	0.08 44	0.13 18	0.05 2	0.09 155	0.11 84	0.08 14	0.09 58	0.08 145	0.06 25	0.07 143	0.07 188	0.08 29	0.07 1	0.06 177	0.04 25	0.04 1	0.03 1	0.03 1	0.03 1

LACA2	0.07 6	0.05 35	0.06 1	0.15 124	0.06 34	0.09 155	0.10 43	0.11 69	0.11 122	0.05 2	0.05 7	0.06 50	0.08 249	0.09 65	0.07 1	0.07 369	0.04 25	0.04 1	0.04 66	0.04 50	0.04 55

GREAT-IGEV	0.07 6	0.06 115	0.09 123	0.13 18	0.07 136	0.07 40	0.14 280	0.10 39	0.09 58	0.06 28	0.08 141	0.06 50	0.05 19	0.10 127	0.07 1	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
SCV_C0	0.08 89	0.07 231	0.08 44	0.16 222	0.10 490	0.08 89	0.14 280	0.11 69	0.13 210	0.08 145	0.07 68	0.06 50	0.05 19	0.11 211	0.07 1	0.05 52	0.05 259	0.05 61	0.04 66	0.06 311	0.05 204

FoundationStereo	0.06 1	0.04 1	0.08 44	0.13 18	0.05 2	0.09 155	0.13 201	0.06 2	0.09 58	0.05 2	0.05 7	0.06 50	0.04 1	0.07 7	0.07 1	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

GIP-stereo	0.08 89	0.06 115	0.11 261	0.15 124	0.07 136	0.09 155	0.13 201	0.15 205	0.11 122	0.07 83	0.08 141	0.05 4	0.04 1	0.10 127	0.07 1	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

IGEV-BASED-STEREO-	0.09 186	0.10 533	0.32 659	0.15 124	0.06 34	0.08 89	0.14 280	0.11 69	0.10 86	0.07 83	0.07 68	0.06 50	0.04 1	0.11 211	0.07 1	0.12 626	0.04 25	0.07 335	0.05 212	0.05 174	0.05 204

GCAPDPT-zeroshot4090	0.07 6	0.05 35	0.11 261	0.15 124	0.06 34	0.07 40	0.12 125	0.10 39	0.11 122	0.07 83	0.08 141	0.06 50	0.05 19	0.09 65	0.07 1	0.05 52	0.05 259	0.05 61	0.04 66	0.03 1	0.04 55

ACVNet-DCA	0.10 268	0.08 375	0.13 362	0.17 312	0.09 371	0.13 381	0.15 370	0.24 468	0.16 308	0.09 201	0.09 184	0.06 50	0.06 78	0.10 127	0.07 1	0.06 177	0.05 259	0.06 213	0.05 212	0.07 402	0.07 415

xx1	0.11 317	0.08 375	0.13 362	0.17 312	0.09 371	0.13 381	0.15 370	0.16 246	0.18 366	0.09 201	0.09 184	0.16 448	0.16 520	0.10 127	0.07 1	0.06 177	0.05 259	0.08 432	0.08 499	0.07 402	0.07 415

cc1	0.10 268	0.08 375	0.13 362	0.17 312	0.09 371	0.13 381	0.15 370	0.16 246	0.18 366	0.09 201	0.09 184	0.06 50	0.06 78	0.10 127	0.07 1	0.06 177	0.05 259	0.06 213	0.05 212	0.06 311	0.06 324

GMOStereo	0.11 317	0.09 464	0.08 44	0.19 493	0.08 242	0.12 334	0.28 689	0.13 131	0.18 366	0.11 295	0.17 391	0.14 399	0.12 409	0.07 7	0.07 1	0.05 52	0.05 259	0.09 525	0.07 415	0.04 50	0.04 55

error version	0.11 317	0.09 464	0.08 44	0.19 493	0.08 242	0.12 334	0.28 689	0.13 131	0.18 366	0.11 295	0.17 391	0.14 399	0.12 409	0.07 7	0.07 1	0.05 52	0.05 259	0.09 525	0.07 415	0.04 50	0.04 55

test-v	0.11 317	0.09 464	0.08 44	0.19 493	0.08 242	0.12 334	0.28 689	0.13 131	0.18 366	0.11 295	0.17 391	0.14 399	0.12 409	0.07 7	0.07 1	0.05 52	0.05 259	0.09 525	0.07 415	0.04 50	0.04 55

CroCo-Stereo	0.09 186	0.08 375	0.08 44	0.22 624	0.09 371	0.09 155	0.18 523	0.16 246	0.12 165	0.07 83	0.07 68	0.08 204	0.06 78	0.08 29	0.07 1	0.07 369	0.05 259	0.06 213	0.04 66	0.05 174	0.04 55
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
test-2	0.11 317	0.09 464	0.08 44	0.19 493	0.08 242	0.12 334	0.28 689	0.13 131	0.18 366	0.11 295	0.17 391	0.14 399	0.12 409	0.07 7	0.07 1	0.05 52	0.05 259	0.09 525	0.07 415	0.04 50	0.04 55

test410_97500	0.07 6	0.06 115	0.09 123	0.17 312	0.07 136	0.07 40	0.08 9	0.11 69	0.09 58	0.06 28	0.05 7	0.05 4	0.05 19	0.09 65	0.08 26	0.04 6	0.05 259	0.04 1	0.03 1	0.03 1	0.04 55

test410	0.07 6	0.06 115	0.09 123	0.17 312	0.07 136	0.07 40	0.08 9	0.11 69	0.09 58	0.06 28	0.05 7	0.06 50	0.05 19	0.09 65	0.08 26	0.04 6	0.05 259	0.04 1	0.03 1	0.03 1	0.04 55

LACA_dic	0.07 6	0.10 533	0.08 44	0.13 18	0.05 2	0.08 89	0.11 84	0.08 14	0.09 58	0.05 2	0.05 7	0.05 4	0.05 19	0.08 29	0.08 26	0.06 177	0.04 25	0.04 1	0.04 66	0.05 174	0.05 204

DF_test	0.07 6	0.05 35	0.08 44	0.14 67	0.08 242	0.04 1	0.13 201	0.09 26	0.11 122	0.07 83	0.08 141	0.06 50	0.07 188	0.06 2	0.08 26	0.06 177	0.05 259	0.05 61	0.05 212	0.05 174	0.04 55

over-6	0.08 89	0.07 231	0.08 44	0.17 312	0.05 2	0.10 218	0.09 27	0.17 285	0.11 122	0.06 28	0.07 68	0.07 143	0.09 291	0.10 127	0.08 26	0.06 177	0.04 25	0.04 1	0.04 66	0.05 174	0.05 204

over v1	0.07 6	0.07 231	0.07 13	0.18 413	0.05 2	0.08 89	0.08 9	0.10 39	0.05 3	0.06 28	0.06 25	0.07 143	0.10 331	0.11 211	0.08 26	0.05 52	0.04 25	0.04 1	0.03 1	0.05 174	0.05 204

over-8	0.07 6	0.07 231	0.07 13	0.18 413	0.05 2	0.08 89	0.08 9	0.13 131	0.05 3	0.06 28	0.05 7	0.07 143	0.09 291	0.11 211	0.08 26	0.06 177	0.04 25	0.04 1	0.03 1	0.05 174	0.05 204

over-9	0.07 6	0.07 231	0.07 13	0.18 413	0.05 2	0.08 89	0.08 9	0.13 131	0.06 8	0.06 28	0.05 7	0.07 143	0.09 291	0.11 211	0.08 26	0.06 177	0.04 25	0.04 1	0.03 1	0.05 174	0.05 204

depth_test_26	0.08 89	0.04 1	0.12 314	0.13 18	0.07 136	0.08 89	0.10 43	0.12 98	0.11 122	0.09 201	0.07 68	0.08 204	0.05 19	0.09 65	0.08 26	0.08 453	0.06 450	0.06 213	0.06 308	0.06 311	0.07 415

aanet-new-60k	0.08 89	0.07 231	0.08 44	0.18 413	0.06 34	0.07 40	0.10 43	0.09 26	0.14 240	0.07 83	0.07 68	0.06 50	0.07 188	0.11 211	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.04 50	0.03 1

aanet-new-36k	0.08 89	0.07 231	0.10 190	0.17 312	0.06 34	0.09 155	0.13 201	0.12 98	0.14 240	0.08 145	0.08 141	0.06 50	0.05 19	0.09 65	0.08 26	0.04 6	0.04 25	0.05 61	0.04 66	0.03 1	0.03 1

aanet-32k-new	0.08 89	0.07 231	0.08 44	0.19 493	0.06 34	0.08 89	0.12 125	0.11 69	0.13 210	0.07 83	0.08 141	0.05 4	0.07 188	0.10 127	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.06 311	0.04 55

aanet-new-32k	0.08 89	0.07 231	0.09 123	0.18 413	0.06 34	0.10 218	0.11 84	0.10 39	0.09 58	0.07 83	0.07 68	0.07 143	0.06 78	0.11 211	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

aanet-new-30k	0.08 89	0.07 231	0.09 123	0.18 413	0.06 34	0.10 218	0.11 84	0.10 39	0.09 58	0.07 83	0.07 68	0.07 143	0.06 78	0.11 211	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

aanet-new-28k	0.08 89	0.07 231	0.09 123	0.18 413	0.06 34	0.08 89	0.12 125	0.10 39	0.09 58	0.09 201	0.08 141	0.08 204	0.06 78	0.12 308	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

GCAP-Stereo-DPT26K	0.07 6	0.07 231	0.07 13	0.16 222	0.06 34	0.08 89	0.12 125	0.10 39	0.09 58	0.06 28	0.09 184	0.06 50	0.05 19	0.09 65	0.08 26	0.04 6	0.04 25	0.05 61	0.04 66	0.03 1	0.04 55

aanet-new-22k	0.08 89	0.06 115	0.10 190	0.18 413	0.06 34	0.08 89	0.11 84	0.14 165	0.12 165	0.09 201	0.09 184	0.08 204	0.06 78	0.10 127	0.08 26	0.04 6	0.05 259	0.05 61	0.04 66	0.03 1	0.04 55

aanet-new-16k	0.08 89	0.08 375	0.08 44	0.18 413	0.06 34	0.07 40	0.10 43	0.13 131	0.13 210	0.08 145	0.07 68	0.07 143	0.06 78	0.09 65	0.08 26	0.04 6	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

aanet-new-10k	0.08 89	0.08 375	0.08 44	0.19 493	0.07 136	0.08 89	0.13 201	0.15 205	0.12 165	0.07 83	0.08 141	0.07 143	0.07 188	0.09 65	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

aanet-new-12k	0.08 89	0.10 533	0.07 13	0.20 560	0.08 242	0.08 89	0.12 125	0.12 98	0.14 240	0.08 145	0.08 141	0.05 4	0.07 188	0.09 65	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.06 311	0.04 55

aanet-new-14k	0.08 89	0.09 464	0.08 44	0.19 493	0.07 136	0.07 40	0.10 43	0.14 165	0.15 270	0.06 28	0.08 141	0.05 4	0.06 78	0.10 127	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

aanet-new-8k	0.08 89	0.08 375	0.08 44	0.19 493	0.07 136	0.09 155	0.11 84	0.17 285	0.15 270	0.07 83	0.07 68	0.06 50	0.06 78	0.10 127	0.08 26	0.04 6	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

aanet-new	0.09 186	0.09 464	0.10 190	0.18 413	0.08 242	0.10 218	0.12 125	0.15 205	0.13 210	0.08 145	0.08 141	0.05 4	0.07 188	0.10 127	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.06 311	0.04 55

GCAP-Stereo-cres-4k	0.08 89	0.08 375	0.09 123	0.18 413	0.07 136	0.11 275	0.14 280	0.13 131	0.11 122	0.08 145	0.11 275	0.07 143	0.06 78	0.09 65	0.08 26	0.04 6	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

GCAP-Stereo-DPT-36K	0.08 89	0.06 115	0.16 493	0.15 124	0.06 34	0.08 89	0.12 125	0.13 131	0.11 122	0.07 83	0.08 141	0.07 143	0.06 78	0.09 65	0.08 26	0.05 52	0.05 259	0.05 61	0.04 66	0.04 50	0.04 55

GCAP-Stereo-DPT-22K	0.08 89	0.06 115	0.08 44	0.17 312	0.06 34	0.07 40	0.14 280	0.13 131	0.16 308	0.05 2	0.10 221	0.06 50	0.06 78	0.08 29	0.08 26	0.04 6	0.04 25	0.05 61	0.04 66	0.03 1	0.04 55

GCAP-Stereo-DPT-24K	0.07 6	0.06 115	0.07 13	0.15 124	0.06 34	0.10 218	0.15 370	0.12 98	0.11 122	0.06 28	0.11 275	0.06 50	0.05 19	0.09 65	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.03 1	0.03 1

GCAP-Stereo-DPT-5K	0.08 89	0.06 115	0.11 261	0.16 222	0.07 136	0.11 275	0.12 125	0.15 205	0.16 308	0.08 145	0.12 297	0.05 4	0.06 78	0.09 65	0.08 26	0.05 52	0.04 25	0.06 213	0.05 212	0.03 1	0.04 55

GCAP-Stereo-DPT-2K	0.08 89	0.06 115	0.10 190	0.16 222	0.07 136	0.11 275	0.13 201	0.14 165	0.14 240	0.08 145	0.13 322	0.05 4	0.06 78	0.10 127	0.08 26	0.05 52	0.04 25	0.06 213	0.04 66	0.03 1	0.04 55

GCAP-Stereo-DPT-3K	0.08 89	0.07 231	0.10 190	0.16 222	0.07 136	0.09 155	0.12 125	0.15 205	0.15 270	0.09 201	0.12 297	0.05 4	0.06 78	0.09 65	0.08 26	0.05 52	0.04 25	0.06 213	0.04 66	0.03 1	0.04 55

GCAP-Stereo-DPT-50K	0.08 89	0.07 231	0.18 554	0.16 222	0.06 34	0.06 15	0.13 201	0.13 131	0.13 210	0.07 83	0.07 68	0.06 50	0.05 19	0.08 29	0.08 26	0.04 6	0.04 25	0.05 61	0.04 66	0.03 1	0.03 1

GCAP-Stereo-DPT-FT	0.08 89	0.05 35	0.12 314	0.15 124	0.06 34	0.09 155	0.13 201	0.12 98	0.12 165	0.07 83	0.09 184	0.06 50	0.06 78	0.10 127	0.08 26	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

DepthFocus	0.08 89	0.04 1	0.15 449	0.13 18	0.09 371	0.08 89	0.12 125	0.10 39	0.05 3	0.09 201	0.06 25	0.07 143	0.04 1	0.08 29	0.08 26	0.06 177	0.05 259	0.07 335	0.07 415	0.05 174	0.04 55

gcap_with_dpt	0.08 89	0.06 115	0.10 190	0.16 222	0.07 136	0.10 218	0.12 125	0.14 165	0.14 240	0.08 145	0.12 297	0.05 4	0.06 78	0.10 127	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.03 1	0.04 55

Pro-Stereo	0.07 6	0.05 35	0.08 44	0.15 124	0.08 242	0.08 89	0.12 125	0.07 8	0.08 27	0.06 28	0.06 25	0.05 4	0.05 19	0.09 65	0.08 26	0.05 52	0.04 25	0.06 213	0.05 212	0.04 50	0.04 55

VIP-Stereo	0.07 6	0.07 231	0.08 44	0.15 124	0.06 34	0.11 275	0.10 43	0.11 69	0.11 122	0.06 28	0.07 68	0.06 50	0.05 19	0.10 127	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.03 1	0.03 1

GEAStereo	0.08 89	0.06 115	0.09 123	0.13 18	0.08 242	0.08 89	0.14 280	0.10 39	0.10 86	0.08 145	0.10 221	0.06 50	0.04 1	0.11 211	0.08 26	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.05 204

BridgeDepth	0.07 6	0.07 231	0.08 44	0.18 413	0.06 34	0.07 40	0.11 84	0.10 39	0.06 8	0.04 1	0.07 68	0.10 286	0.09 291	0.08 29	0.08 26	0.04 6	0.03 1	0.04 1	0.04 66	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
GSStereo	0.08 89	0.06 115	0.09 123	0.13 18	0.08 242	0.08 89	0.14 280	0.11 69	0.12 165	0.08 145	0.10 221	0.05 4	0.04 1	0.11 211	0.08 26	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.05 204

GS-Stereo							0.14 280	0.11 69	0.12 165	0.08 145	0.10 221	0.05 4	0.04 1	0.11 211	0.08 26	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.05 204

gasm-f	0.08 89	0.05 35	0.08 44	0.13 18	0.08 242	0.08 89	0.14 280	0.10 39	0.10 86	0.08 145	0.10 221	0.06 50	0.05 19	0.10 127	0.08 26	0.06 177	0.04 25	0.05 61	0.04 66	0.06 311	0.05 204

Zero-FE251	0.08 89	0.05 35	0.10 190	0.13 18	0.06 34	0.12 334	0.12 125	0.11 69	0.10 86	0.07 83	0.08 141	0.06 50	0.06 78	0.10 127	0.08 26	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

GASTEREO	0.08 89	0.05 35	0.09 123	0.19 493	0.08 242	0.08 89	0.12 125	0.14 165	0.11 122	0.10 252	0.09 184	0.07 143	0.04 1	0.12 308	0.08 26	0.06 177	0.05 259	0.05 61	0.04 66	0.04 50	0.05 204

MSCF	0.08 89	0.05 35	0.09 123	0.19 493	0.08 242	0.07 40	0.12 125	0.14 165	0.11 122	0.10 252	0.09 184	0.07 143	0.04 1	0.11 211	0.08 26	0.06 177	0.05 259	0.05 61	0.04 66	0.05 174	0.05 204

water-stereo	0.09 186	0.06 115	0.08 44	0.16 222	0.07 136	0.10 218	0.13 201	0.15 205	0.13 210	0.11 295	0.12 297	0.09 251	0.10 331	0.07 7	0.08 26	0.06 177	0.05 259	0.05 61	0.05 212	0.04 50	0.04 55

monsters	0.07 6	0.06 115	0.06 1	0.15 124	0.06 34	0.08 89	0.09 27	0.13 131	0.09 58	0.09 201	0.07 68	0.06 50	0.06 78	0.09 65	0.08 26	0.05 52	0.04 25	0.04 1	0.04 66	0.03 1	0.04 55

LG-Stereo_L2	0.07 6	0.05 35	0.10 190	0.14 67	0.06 34	0.07 40	0.12 125	0.09 26	0.10 86	0.06 28	0.04 1	0.05 4	0.05 19	0.08 29	0.08 26	0.05 52	0.04 25	0.05 61	0.03 1	0.04 50	0.03 1

LG-Stereo_L1	0.07 6	0.05 35	0.11 261	0.14 67	0.06 34	0.07 40	0.12 125	0.09 26	0.08 27	0.05 2	0.04 1	0.05 4	0.04 1	0.08 29	0.08 26	0.05 52	0.04 25	0.05 61	0.03 1	0.04 50	0.04 55

LG-G_1	0.07 6	0.04 1	0.11 261	0.15 124	0.06 34	0.09 155	0.08 9	0.08 14	0.06 8	0.06 28	0.06 25	0.07 143	0.07 188	0.11 211	0.08 26	0.07 369	0.04 25	0.05 61	0.04 66	0.05 174	0.06 324

LG-G	0.07 6	0.04 1	0.11 261	0.15 124	0.06 34	0.09 155	0.08 9	0.08 14	0.06 8	0.06 28	0.06 25	0.07 143	0.07 188	0.11 211	0.08 26	0.07 369	0.04 25	0.05 61	0.04 66	0.05 174	0.06 324

SGD-Stereo	0.08 89	0.05 35	0.10 190	0.14 67	0.06 34	0.12 334	0.12 125	0.11 69	0.12 165	0.07 83	0.09 184	0.09 251	0.09 291	0.08 29	0.08 26	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

HART	0.08 89	0.07 231	0.09 123	0.18 413	0.07 136	0.10 218	0.16 438	0.13 131	0.11 122	0.09 201	0.10 221	0.08 204	0.05 19	0.10 127	0.08 26	0.05 52	0.04 25	0.06 213	0.04 66	0.05 174	0.04 55

SCV	0.08 89	0.09 464	0.08 44	0.15 124	0.08 242	0.10 218	0.12 125	0.11 69	0.12 165	0.07 83	0.07 68	0.06 50	0.04 1	0.10 127	0.08 26	0.05 52	0.05 259	0.06 213	0.04 66	0.06 311	0.04 55

StereoAnything_RVC	0.07 6	0.16 641	0.17 519	0.11 1	0.05 2	0.06 15	0.11 84	0.08 14	0.08 27	0.06 28	0.06 25	0.05 4	0.05 19	0.09 65	0.08 26	0.08 453	0.04 25	0.05 61	0.03 1	0.05 174	0.04 55

AIO_rvc	0.07 6	0.06 115	0.08 44	0.15 124	0.06 34	0.08 89	0.14 280	0.09 26	0.08 27	0.07 83	0.08 141	0.07 143	0.04 1	0.10 127	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.04 50	0.03 1

AIO-test2	0.10 268	0.08 375	0.10 190	0.23 645	0.09 371	0.11 275	0.11 84	0.23 442	0.24 480	0.08 145	0.09 184	0.08 204	0.05 19	0.10 127	0.08 26	0.06 177	0.05 259	0.08 432	0.09 547	0.05 174	0.05 204

castereo++	0.08 89	0.06 115	0.08 44	0.15 124	0.05 2	0.14 431	0.11 84	0.11 69	0.15 270	0.07 83	0.07 68	0.08 204	0.06 78	0.08 29	0.08 26	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.03 1

IGEV-RUCA	0.08 89	0.06 115	0.11 261	0.14 67	0.09 371	0.10 218	0.12 125	0.10 39	0.12 165	0.06 28	0.07 68	0.08 204	0.06 78	0.09 65	0.08 26	0.06 177	0.05 259	0.05 61	0.04 66	0.05 174	0.06 324

WCG-NET	0.08 89	0.05 35	0.10 190	0.15 124	0.06 34	0.11 275	0.14 280	0.13 131	0.14 240	0.07 83	0.09 184	0.07 143	0.06 78	0.13 371	0.08 26	0.05 52	0.04 25	0.06 213	0.04 66	0.04 50	0.03 1

GCAP-BAT	0.09 186	0.05 35	0.11 261	0.13 18	0.07 136	0.11 275	0.14 280	0.14 165	0.17 345	0.07 83	0.10 221	0.08 204	0.06 78	0.13 371	0.08 26	0.07 369	0.05 259	0.05 61	0.05 212	0.05 174	0.04 55

RAStereo	0.10 268	0.09 464	0.08 44	0.20 560	0.08 242	0.13 381	0.18 523	0.16 246	0.17 345	0.10 252	0.12 297	0.05 4	0.06 78	0.09 65	0.08 26	0.07 369	0.05 259	0.07 335	0.05 212	0.05 174	0.04 55

AIO-Stereo-zeroshot1	0.11 317	0.05 35	0.14 412	0.16 222	0.21 705	0.09 155	0.17 472	0.21 393	0.16 308	0.11 295	0.15 354	0.10 286	0.07 188	0.10 127	0.08 26	0.06 177	0.05 259	0.07 335	0.07 415	0.07 402	0.09 543

AIO-Stereo	0.08 89	0.06 115	0.10 190	0.18 413	0.06 34	0.09 155	0.11 84	0.16 246	0.09 58	0.09 201	0.08 141	0.07 143	0.05 19	0.11 211	0.08 26	0.05 52	0.05 259	0.05 61	0.04 66	0.04 50	0.04 55

WCG-NET（raft）	0.08 89	0.05 35	0.10 190	0.15 124	0.06 34	0.11 275	0.13 201	0.15 205	0.12 165	0.08 145	0.07 68	0.06 50	0.06 78	0.13 371	0.08 26	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

gcap-zeroshot	0.08 89	0.06 115	0.11 261	0.15 124	0.07 136	0.12 334	0.13 201	0.15 205	0.16 308	0.08 145	0.12 297	0.05 4	0.06 78	0.09 65	0.08 26	0.05 52	0.04 25	0.06 213	0.05 212	0.03 1	0.04 55

test_for_model	0.08 89	0.06 115	0.11 261	0.16 222	0.07 136	0.11 275	0.12 125	0.15 205	0.16 308	0.08 145	0.12 297	0.05 4	0.06 78	0.09 65	0.08 26	0.05 52	0.04 25	0.06 213	0.05 212	0.03 1	0.04 55

MoCha-V2	0.08 89	0.05 35	0.11 261	0.20 560	0.07 136	0.10 218	0.14 280	0.12 98	0.08 27	0.07 83	0.08 141	0.07 143	0.06 78	0.09 65	0.08 26	0.05 52	0.05 259	0.05 61	0.04 66	0.04 50	0.04 55

ffm	0.12 404	0.09 464	0.15 449	0.16 222	0.09 371	0.17 511	0.17 472	0.15 205	0.19 395	0.15 427	0.26 542	0.19 494	0.13 445	0.10 127	0.08 26	0.06 177	0.05 259	0.09 525	0.08 499	0.06 311	0.06 324

tt1	0.10 268	0.08 375	0.13 362	0.17 312	0.09 371	0.13 381	0.15 370	0.15 205	0.19 395	0.09 201	0.08 141	0.06 50	0.06 78	0.10 127	0.08 26	0.06 177	0.05 259	0.06 213	0.05 212	0.06 311	0.06 324

MIM_Stereo	0.10 268	0.07 231	0.11 261	0.15 124	0.07 136	0.07 40	0.12 125	0.20 370	0.14 240	0.13 371	0.14 337	0.09 251	0.05 19	0.12 308	0.08 26	0.05 52	0.06 450	0.07 335	0.06 308	0.06 311	0.05 204

testlalala	0.08 89	0.06 115	0.11 261	0.15 124	0.07 136	0.12 334	0.13 201	0.15 205	0.16 308	0.08 145	0.12 297	0.05 4	0.06 78	0.09 65	0.08 26	0.05 52	0.04 25	0.06 213	0.05 212	0.03 1	0.04 55

GCAPDPT-zeroshot	0.09 186	0.05 35	0.11 261	0.13 18	0.07 136	0.11 275	0.14 280	0.14 165	0.17 345	0.07 83	0.10 221	0.08 204	0.06 78	0.13 371	0.08 26	0.07 369	0.05 259	0.05 61	0.05 212	0.05 174	0.04 55

CES	0.08 89	0.04 1	0.08 44	0.14 67	0.07 136	0.09 155	0.14 280	0.11 69	0.09 58	0.08 145	0.09 184	0.11 320	0.07 188	0.12 308	0.08 26	0.06 177	0.04 25	0.05 61	0.03 1	0.05 174	0.05 204

CroCo-Stereo Lap2	0.09 186	0.09 464	0.08 44	0.22 624	0.09 371	0.09 155	0.18 523	0.16 246	0.12 165	0.09 201	0.10 221	0.05 4	0.05 19	0.08 29	0.08 26	0.06 177	0.06 450	0.07 335	0.05 212	0.06 311	0.05 204

TRStereo	0.10 268	0.05 35	0.12 314	0.16 222	0.12 586	0.10 218	0.13 201	0.18 317	0.19 395	0.09 201	0.09 184	0.09 251	0.07 188	0.10 127	0.08 26	0.07 369	0.05 259	0.07 335	0.07 415	0.04 50	0.04 55

XX-Stereo	0.09 186	0.05 35	0.09 123	0.17 312	0.09 371	0.15 456	0.12 125	0.21 393	0.10 86	0.10 252	0.14 337	0.07 143	0.06 78	0.13 371	0.08 26	0.06 177	0.05 259	0.06 213	0.06 308	0.04 50	0.04 55

EE1	0.08 89	0.05 35	0.10 190	0.15 124	0.07 136	0.07 40	0.09 27	0.16 246	0.12 165	0.08 145	0.05 7	0.06 50	0.05 19	0.14 412	0.09 102	0.06 177	0.05 259	0.06 213	0.04 66	0.05 174	0.05 204

AnonStereo	0.09 186	0.08 375	0.09 123	0.17 312	0.07 136	0.09 155	0.11 84	0.20 370	0.14 240	0.09 201	0.08 141	0.06 50	0.05 19	0.13 371	0.09 102	0.06 177	0.04 25	0.06 213	0.05 212	0.06 311	0.05 204

NoBS	0.07 6	0.07 231	0.08 44	0.17 312	0.07 136	0.07 40	0.13 201	0.05 1	0.07 18	0.06 28	0.09 184	0.05 4	0.04 1	0.05 1	0.09 102	0.05 52	0.05 259	0.08 432	0.06 308	0.05 174	0.04 55

rgla	0.07 6	0.06 115	0.06 1	0.17 312	0.07 136	0.09 155	0.10 43	0.09 26	0.08 27	0.07 83	0.06 25	0.05 4	0.06 78	0.10 127	0.09 102	0.05 52	0.04 25	0.04 1	0.03 1	0.04 50	0.04 55

416test1013	0.07 6	0.06 115	0.07 13	0.17 312	0.07 136	0.10 218	0.10 43	0.09 26	0.07 18	0.08 145	0.07 68	0.05 4	0.07 188	0.10 127	0.09 102	0.06 177	0.05 259	0.04 1	0.03 1	0.04 50	0.05 204

416test	0.07 6	0.07 231	0.06 1	0.17 312	0.07 136	0.10 218	0.10 43	0.09 26	0.08 27	0.07 83	0.07 68	0.05 4	0.07 188	0.09 65	0.09 102	0.05 52	0.04 25	0.04 1	0.03 1	0.04 50	0.04 55

SCION-M(vits-remse)	0.08 89	0.06 115	0.13 362	0.24 657	0.05 2	0.08 89	0.10 43	0.15 205	0.15 270	0.05 2	0.06 25	0.05 4	0.06 78	0.07 7	0.09 102	0.08 453	0.06 450	0.04 1	0.03 1	0.03 1	0.03 1

SCION-Mon(vits-remp)	0.10 268	0.13 607	0.13 362	0.24 657	0.17 677	0.26 645	0.10 43	0.15 205	0.15 270	0.05 2	0.06 25	0.05 4	0.06 78	0.07 7	0.09 102	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

GEAR-Net	0.08 89	0.07 231	0.09 123	0.18 413	0.07 136	0.10 218	0.13 201	0.10 39	0.10 86	0.08 145	0.08 141	0.06 50	0.05 19	0.13 371	0.09 102	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

GREATEN-IGEV-FM_RVC	0.09 186	0.05 35	0.11 261	0.19 493	0.07 136	0.10 218	0.09 27	0.12 98	0.10 86	0.09 201	0.09 184	0.07 143	0.08 249	0.08 29	0.09 102	0.06 177	0.06 450	0.10 575	0.08 499	0.07 402	0.05 204

anonymous	0.08 89	0.05 35	0.12 314	0.16 222	0.08 242	0.05 4	0.12 125	0.11 69	0.14 240	0.07 83	0.07 68	0.06 50	0.04 1	0.07 7	0.09 102	0.05 52	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

derf	0.07 6	0.05 35	0.10 190	0.14 67	0.06 34	0.05 4	0.12 125	0.12 98	0.09 58	0.05 2	0.07 68	0.07 143	0.08 249	0.10 127	0.09 102	0.06 177	0.05 259	0.04 1	0.03 1	0.04 50	0.05 204

mm2	0.07 6	0.04 1	0.10 190	0.13 18	0.06 34	0.06 15	0.13 201	0.13 131	0.08 27	0.06 28	0.07 68	0.06 50	0.09 291	0.10 127	0.09 102	0.06 177	0.05 259	0.04 1	0.03 1	0.04 50	0.05 204

mm1	0.07 6	0.04 1	0.10 190	0.13 18	0.06 34	0.06 15	0.13 201	0.06 2	0.08 27	0.06 28	0.07 68	0.06 50	0.09 291	0.10 127	0.09 102	0.06 177	0.05 259	0.04 1	0.03 1	0.04 50	0.05 204

qqai	0.07 6	0.05 35	0.10 190	0.14 67	0.06 34	0.05 4	0.12 125	0.08 14	0.09 58	0.05 2	0.07 68	0.06 50	0.08 249	0.10 127	0.09 102	0.06 177	0.05 259	0.05 61	0.03 1	0.04 50	0.05 204

quiztm	0.08 89	0.08 375	0.08 44	0.18 413	0.07 136	0.09 155	0.14 280	0.14 165	0.13 210	0.07 83	0.07 68	0.05 4	0.06 78	0.11 211	0.09 102	0.05 52	0.04 25	0.06 213	0.04 66	0.05 174	0.03 1

MGA	0.07 6	0.04 1	0.11 261	0.13 18	0.06 34	0.08 89	0.09 27	0.12 98	0.08 27	0.05 2	0.06 25	0.06 50	0.05 19	0.10 127	0.09 102	0.06 177	0.04 25	0.05 61	0.03 1	0.05 174	0.05 204

CAR	0.07 6	0.05 35	0.09 123	0.14 67	0.06 34	0.07 40	0.08 9	0.12 98	0.08 27	0.05 2	0.06 25	0.05 4	0.05 19	0.10 127	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

MSE-Stereo	0.07 6	0.04 1	0.09 123	0.13 18	0.06 34	0.07 40	0.08 9	0.12 98	0.08 27	0.05 2	0.06 25	0.05 4	0.05 19	0.10 127	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

monster-pro	0.07 6	0.06 115	0.06 1	0.15 124	0.05 2	0.08 89	0.10 43	0.15 205	0.15 270	0.05 2	0.06 25	0.05 4	0.06 78	0.07 7	0.09 102	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

PointNet	0.08 89	0.06 115	0.07 13	0.15 124	0.07 136	0.09 155	0.14 280	0.11 69	0.08 27	0.05 2	0.08 141	0.08 204	0.09 291	0.09 65	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.03 1	0.04 55

DF	0.08 89	0.06 115	0.10 190	0.15 124	0.06 34	0.11 275	0.12 125	0.11 69	0.12 165	0.09 201	0.10 221	0.10 286	0.08 249	0.11 211	0.09 102	0.07 369	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

DN	0.10 268	0.05 35	0.10 190	0.15 124	0.09 371	0.12 334	0.18 523	0.17 285	0.16 308	0.08 145	0.09 184	0.08 204	0.06 78	0.08 29	0.09 102	0.11 600	0.05 259	0.07 335	0.06 308	0.07 402	0.09 543

aanet-new-34k	0.08 89	0.06 115	0.09 123	0.17 312	0.05 2	0.08 89	0.13 201	0.12 98	0.13 210	0.09 201	0.08 141	0.07 143	0.05 19	0.10 127	0.09 102	0.04 6	0.04 25	0.05 61	0.04 66	0.03 1	0.03 1

GCAP-Stereo-DPT-cres	0.08 89	0.05 35	0.08 44	0.15 124	0.06 34	0.10 218	0.14 280	0.13 131	0.12 165	0.07 83	0.08 141	0.07 143	0.06 78	0.10 127	0.09 102	0.05 52	0.04 25	0.05 61	0.04 66	0.03 1	0.04 55

GCAP-Stereo-DPT-25K	0.08 89	0.06 115	0.08 44	0.16 222	0.06 34	0.06 15	0.14 280	0.14 165	0.15 270	0.07 83	0.10 221	0.06 50	0.05 19	0.09 65	0.09 102	0.04 6	0.04 25	0.05 61	0.04 66	0.03 1	0.03 1

PipStereo	0.07 6	0.04 1	0.09 123	0.13 18	0.05 2	0.08 89	0.10 43	0.06 2	0.07 18	0.06 28	0.05 7	0.09 251	0.05 19	0.08 29	0.09 102	0.06 177	0.04 25	0.04 1	0.03 1	0.05 174	0.05 204

PSi22b	0.06 1	0.04 1	0.09 123	0.13 18	0.05 2	0.08 89	0.10 43	0.06 2	0.06 8	0.06 28	0.06 25	0.08 204	0.05 19	0.08 29	0.09 102	0.06 177	0.04 25	0.04 1	0.03 1	0.04 50	0.05 204

PSi22a	0.06 1	0.04 1	0.09 123	0.12 7	0.05 2	0.06 15	0.11 84	0.06 2	0.06 8	0.06 28	0.06 25	0.06 50	0.05 19	0.08 29	0.09 102	0.07 369	0.04 25	0.04 1	0.03 1	0.04 50	0.04 55

Foundation-i1b	0.08 89	0.05 35	0.07 13	0.14 67	0.05 2	0.09 155	0.12 125	0.13 131	0.10 86	0.09 201	0.10 221	0.10 286	0.06 78	0.07 7	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.03 1	0.03 1

Foundation-i1a	0.08 89	0.05 35	0.08 44	0.13 18	0.05 2	0.13 381	0.13 201	0.12 98	0.10 86	0.11 295	0.11 275	0.11 320	0.06 78	0.08 29	0.09 102	0.06 177	0.04 25	0.05 61	0.03 1	0.04 50	0.04 55

Foundation-i32	0.06 1	0.04 1	0.09 123	0.13 18	0.04 1	0.06 15	0.12 125	0.06 2	0.05 3	0.06 28	0.05 7	0.05 4	0.05 19	0.07 7	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

Selective-IGEV-i32	0.07 6	0.06 115	0.09 123	0.17 312	0.06 34	0.08 89	0.12 125	0.13 131	0.08 27	0.08 145	0.07 68	0.06 50	0.04 1	0.10 127	0.09 102	0.05 52	0.04 25	0.05 61	0.04 66	0.04 50	0.03 1

LACA1	0.07 6	0.07 231	0.07 13	0.14 67	0.05 2	0.09 155	0.11 84	0.10 39	0.07 18	0.05 2	0.05 7	0.06 50	0.08 249	0.08 29	0.09 102	0.06 177	0.04 25	0.04 1	0.04 66	0.03 1	0.04 55

DispViT+	0.08 89	0.05 35	0.10 190	0.13 18	0.06 34	0.05 4	0.11 84	0.18 317	0.16 308	0.09 201	0.08 141	0.07 143	0.06 78	0.11 211	0.09 102	0.06 177	0.04 25	0.04 1	0.03 1	0.03 1	0.03 1

BLMT-Stereo	0.07 6	0.04 1	0.08 44	0.15 124	0.07 136	0.07 40	0.14 280	0.07 8	0.10 86	0.05 2	0.05 7	0.04 1	0.06 78	0.07 7	0.09 102	0.04 6	0.04 25	0.06 213	0.05 212	0.04 50	0.04 55

MatchStereo	0.07 6	0.04 1	0.08 44	0.14 67	0.06 34	0.05 4	0.12 125	0.12 98	0.09 58	0.07 83	0.07 68	0.04 1	0.04 1	0.09 65	0.09 102	0.06 177	0.05 259	0.05 61	0.03 1	0.04 50	0.05 204
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
FE-Mocha	0.09 186	0.06 115	0.14 412	0.16 222	0.09 371	0.11 275	0.15 370	0.19 350	0.16 308	0.10 252	0.09 184	0.07 143	0.07 188	0.09 65	0.09 102	0.06 177	0.04 25	0.06 213	0.06 308	0.05 174	0.05 204

DLNR-FE	10.51 777	2.29 761	19.85 791	120.28 799	13.21 782	0.06 15	0.13 201	0.24 468	0.10 86	0.08 145	0.10 221	0.09 251	0.07 188	0.10 127	0.09 102	0.13 645	0.04 25	0.06 213	0.04 66	53.18 801	0.04 55

Select-FE	0.11 317	0.06 115	0.21 596	0.15 124	0.11 551	0.12 334	0.13 201	0.22 420	0.18 366	0.09 201	0.11 275	0.10 286	0.06 78	0.12 308	0.09 102	0.07 369	0.05 259	0.07 335	0.08 499	0.06 311	0.08 492

IGEV-FE	0.09 186	0.05 35	0.13 362	0.14 67	0.08 242	0.12 334	0.13 201	0.17 285	0.11 122	0.10 252	0.06 25	0.09 251	0.06 78	0.11 211	0.09 102	0.06 177	0.04 25	0.06 213	0.06 308	0.05 174	0.05 204

MonStereo	0.07 6	0.06 115	0.06 1	0.15 124	0.05 2	0.08 89	0.10 43	0.15 205	0.15 270	0.05 2	0.06 25	0.05 4	0.06 78	0.07 7	0.09 102	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

Wavelet-MonSter	0.07 6	0.05 35	0.07 13	0.16 222	0.06 34	0.07 40	0.11 84	0.10 39	0.08 27	0.06 28	0.07 68	0.07 143	0.07 188	0.09 65	0.09 102	0.04 6	0.04 25	0.04 1	0.03 1	0.03 1	0.03 1

Monster-pub-mixall	0.07 6	0.04 1	0.09 123	0.13 18	0.06 34	0.06 15	0.08 9	0.12 98	0.07 18	0.06 28	0.06 25	0.05 4	0.06 78	0.09 65	0.09 102	0.06 177	0.04 25	0.04 1	0.03 1	0.05 174	0.05 204

S2M2_XL	0.08 89	0.06 115	0.12 314	0.12 7	0.08 242	0.09 155	0.09 27	0.07 8	0.07 18	0.08 145	0.07 68	0.07 143	0.06 78	0.09 65	0.09 102	0.08 453	0.06 450	0.07 335	0.06 308	0.08 478	0.06 324
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
asd	0.07 6	0.08 375	0.08 44	0.16 222	0.07 136	0.08 89	0.08 9	0.11 69	0.08 27	0.07 83	0.07 68	0.06 50	0.06 78	0.10 127	0.09 102	0.03 1	0.03 1	0.04 1	0.04 66	0.04 50	0.03 1

qwe	0.08 89	0.08 375	0.07 13	0.15 124	0.06 34	0.07 40	0.10 43	0.18 317	0.12 165	0.07 83	0.07 68	0.06 50	0.06 78	0.10 127	0.09 102	0.04 6	0.03 1	0.04 1	0.04 66	0.04 50	0.03 1

depthmonostereo	0.09 186	0.06 115	0.09 123	0.15 124	0.06 34	0.11 275	0.13 201	0.14 165	0.15 270	0.10 252	0.10 221	0.09 251	0.11 374	0.08 29	0.09 102	0.06 177	0.05 259	0.06 213	0.04 66	0.04 50	0.03 1

2.5w	0.07 6	0.07 231	0.08 44	0.16 222	0.06 34	0.08 89	0.12 125	0.10 39	0.10 86	0.07 83	0.06 25	0.09 251	0.06 78	0.08 29	0.09 102	0.04 6	0.03 1	0.04 1	0.04 66	0.03 1	0.03 1

3.5w_stereo	0.07 6	0.07 231	0.07 13	0.15 124	0.07 136	0.09 155	0.06 1	0.14 165	0.11 122	0.08 145	0.07 68	0.06 50	0.07 188	0.10 127	0.09 102	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3w_stereo	0.08 89	0.09 464	0.10 190	0.17 312	0.07 136	0.08 89	0.11 84	0.20 370	0.13 210	0.06 28	0.07 68	0.05 4	0.06 78	0.08 29	0.09 102	0.04 6	0.03 1	0.04 1	0.03 1	0.04 50	0.03 1

1w_stereo	0.08 89	0.06 115	0.07 13	0.16 222	0.06 34	0.07 40	0.10 43	0.14 165	0.15 270	0.07 83	0.08 141	0.05 4	0.06 78	0.10 127	0.09 102	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 55

monsterstereo	0.08 89	0.06 115	0.07 13	0.16 222	0.06 34	0.08 89	0.10 43	0.16 246	0.12 165	0.07 83	0.08 141	0.06 50	0.07 188	0.08 29	0.09 102	0.04 6	0.04 25	0.05 61	0.04 66	0.04 50	0.03 1

IGEV	0.08 89	0.04 1	0.09 123	0.13 18	0.06 34	0.09 155	0.12 125	0.14 165	0.10 86	0.06 28	0.09 184	0.07 143	0.05 19	0.09 65	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

111111	0.07 6	0.05 35	0.10 190	0.17 312	0.06 34	0.05 4	0.10 43	0.11 69	0.10 86	0.06 28	0.06 25	0.07 143	0.05 19	0.08 29	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.07 402	0.06 324

MLG-Stereo_test2	0.07 6	0.04 1	0.10 190	0.15 124	0.06 34	0.07 40	0.11 84	0.09 26	0.04 2	0.06 28	0.05 7	0.06 50	0.04 1	0.08 29	0.09 102	0.06 177	0.04 25	0.05 61	0.03 1	0.05 174	0.05 204

MLG-Stereo_test1	0.06 1	0.05 35	0.08 44	0.17 312	0.05 2	0.07 40	0.11 84	0.09 26	0.03 1	0.05 2	0.04 1	0.06 50	0.05 19	0.09 65	0.09 102	0.05 52	0.04 25	0.05 61	0.03 1	0.04 50	0.05 204

MLG-Stereo	0.07 6	0.05 35	0.09 123	0.17 312	0.05 2	0.07 40	0.11 84	0.08 14	0.05 3	0.05 2	0.04 1	0.06 50	0.05 19	0.10 127	0.09 102	0.05 52	0.04 25	0.05 61	0.03 1	0.04 50	0.05 204

LGtest1	0.07 6	0.05 35	0.11 261	0.15 124	0.06 34	0.07 40	0.09 27	0.08 14	0.06 8	0.06 28	0.04 1	0.06 50	0.07 188	0.10 127	0.09 102	0.07 369	0.04 25	0.05 61	0.04 66	0.06 311	0.06 324

LG-Stereo_Zeroshot	0.07 6	0.06 115	0.10 190	0.16 222	0.07 136	0.04 1	0.13 201	0.10 39	0.10 86	0.05 2	0.11 275	0.07 143	0.05 19	0.07 7	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

LG-Stereo	0.08 89	0.08 375	0.10 190	0.18 413	0.07 136	0.10 218	0.17 472	0.11 69	0.08 27	0.06 28	0.08 141	0.06 50	0.07 188	0.09 65	0.09 102	0.04 6	0.05 259	0.07 335	0.07 415	0.04 50	0.04 55

MM-Stereo_test3	0.10 268	0.07 231	0.07 13	0.18 413	0.07 136	0.12 334	0.19 570	0.24 468	0.19 395	0.06 28	0.10 221	0.08 204	0.06 78	0.11 211	0.09 102	0.06 177	0.06 450	0.07 335	0.05 212	0.05 174	0.04 55

MM-Stereo_test2	0.09 186	0.07 231	0.09 123	0.19 493	0.08 242	0.12 334	0.18 523	0.15 205	0.14 240	0.07 83	0.10 221	0.07 143	0.06 78	0.12 308	0.09 102	0.05 52	0.04 25	0.06 213	0.05 212	0.06 311	0.04 55

Reg-Stereo(zero)	0.09 186	0.05 35	0.08 44	0.16 222	0.06 34	0.12 334	0.11 84	0.15 205	0.11 122	0.12 335	0.09 184	0.10 286	0.08 249	0.11 211	0.09 102	0.06 177	0.05 259	0.05 61	0.04 66	0.04 50	0.05 204

FLISNet	0.11 317	0.06 115	0.12 314	0.13 18	0.09 371	0.09 155	0.14 280	0.22 420	0.11 122	0.20 544	0.17 391	0.14 399	0.10 331	0.16 465	0.09 102	0.05 52	0.04 25	0.07 335	0.08 499	0.07 402	0.06 324

CoSv	0.11 317	0.06 115	0.12 314	0.13 18	0.09 371	0.09 155	0.14 280	0.22 420	0.11 122	0.20 544	0.17 391	0.14 399	0.10 331	0.16 465	0.09 102	0.05 52	0.04 25	0.07 335	0.08 499	0.07 402	0.06 324

DEFOM-Stereo_RVC	0.08 89	0.07 231	0.09 123	0.22 624	0.06 34	0.08 89	0.12 125	0.10 39	0.10 86	0.07 83	0.07 68	0.06 50	0.05 19	0.11 211	0.09 102	0.06 177	0.04 25	0.05 61	0.03 1	0.06 311	0.04 55

HUF	0.08 89	0.05 35	0.08 44	0.14 67	0.06 34	0.09 155	0.13 201	0.13 131	0.13 210	0.07 83	0.07 68	0.09 251	0.06 78	0.10 127	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

AIO-test1	0.10 268	0.07 231	0.11 261	0.24 657	0.07 136	0.09 155	0.13 201	0.22 420	0.15 270	0.11 295	0.12 297	0.09 251	0.07 188	0.11 211	0.09 102	0.06 177	0.05 259	0.09 525	0.10 588	0.04 50	0.07 415

MonSter	0.07 6	0.06 115	0.06 1	0.15 124	0.05 2	0.08 89	0.10 43	0.15 205	0.15 270	0.05 2	0.06 25	0.05 4	0.06 78	0.07 7	0.09 102	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 6	0.05 35	0.07 13	0.14 67	0.06 34	0.09 155	0.13 201	0.07 8	0.13 210	0.06 28	0.07 68	0.06 50	0.05 19	0.10 127	0.09 102	0.05 52	0.04 25	0.05 61	0.03 1	0.04 50	0.04 55

PAM_32	0.10 268	0.06 115	0.17 519	0.15 124	0.08 242	0.10 218	0.15 370	0.14 165	0.16 308	0.09 201	0.08 141	0.10 286	0.07 188	0.14 412	0.09 102	0.06 177	0.05 259	0.06 213	0.06 308	0.05 174	0.06 324

PAM	0.10 268	0.06 115	0.17 519	0.15 124	0.09 371	0.10 218	0.16 438	0.15 205	0.16 308	0.12 335	0.09 184	0.10 286	0.07 188	0.13 371	0.09 102	0.06 177	0.05 259	0.06 213	0.06 308	0.05 174	0.06 324

dual_stereo	0.07 6	0.05 35	0.08 44	0.15 124	0.05 2	0.05 4	0.13 201	0.12 98	0.08 27	0.07 83	0.06 25	0.05 4	0.05 19	0.07 7	0.09 102	0.06 177	0.04 25	0.05 61	0.03 1	0.04 50	0.04 55

IGEV-Stereo++	0.07 6	0.06 115	0.08 44	0.18 413	0.06 34	0.05 4	0.10 43	0.11 69	0.11 122	0.06 28	0.07 68	0.07 143	0.06 78	0.09 65	0.09 102	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

AIO-Stereo-zeroshot	0.11 317	0.05 35	0.12 314	0.15 124	0.13 612	0.14 431	0.16 438	0.23 442	0.18 366	0.10 252	0.13 322	0.10 286	0.07 188	0.12 308	0.09 102	0.06 177	0.05 259	0.06 213	0.06 308	0.07 402	0.08 492

U	0.08 89	0.07 231	0.10 190	0.19 493	0.10 490	0.10 218	0.13 201	0.12 98	0.17 345	0.07 83	0.07 68	0.06 50	0.05 19	0.07 7	0.09 102	0.06 177	0.04 25	0.06 213	0.04 66	0.06 311	0.05 204

IGEV-Stereo+	0.07 6	0.04 1	0.08 44	0.15 124	0.06 34	0.04 1	0.09 27	0.10 39	0.09 58	0.06 28	0.06 25	0.06 50	0.06 78	0.06 2	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.06 311	0.06 324

RSM++	0.08 89	0.06 115	0.09 123	0.17 312	0.07 136	0.09 155	0.12 125	0.11 69	0.11 122	0.08 145	0.06 25	0.07 143	0.05 19	0.10 127	0.09 102	0.05 52	0.04 25	0.06 213	0.05 212	0.05 174	0.03 1

RSM	0.08 89	0.06 115	0.09 123	0.17 312	0.07 136	0.08 89	0.12 125	0.12 98	0.10 86	0.08 145	0.07 68	0.06 50	0.05 19	0.11 211	0.09 102	0.04 6	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

CAS++	0.11 317	0.07 231	0.11 261	0.14 67	0.10 490	0.13 381	0.14 280	0.24 468	0.14 240	0.11 295	0.09 184	0.11 320	0.07 188	0.14 412	0.09 102	0.11 600	0.09 602	0.09 525	0.07 415	0.07 402	0.08 492
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.09 186	0.07 231	0.12 314	0.16 222	0.08 242	0.09 155	0.15 370	0.12 98	0.12 165	0.07 83	0.10 221	0.08 204	0.06 78	0.11 211	0.09 102	0.05 52	0.04 25	0.06 213	0.05 212	0.06 311	0.05 204

IGEV++	0.08 89	0.06 115	0.09 123	0.18 413	0.07 136	0.10 218	0.13 201	0.10 39	0.10 86	0.08 145	0.08 141	0.06 50	0.05 19	0.13 371	0.09 102	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

MyStereo07	0.10 268	0.07 231	0.10 190	0.17 312	0.09 371	0.14 431	0.17 472	0.15 205	0.15 270	0.09 201	0.06 25	0.06 50	0.07 188	0.12 308	0.09 102	0.06 177	0.05 259	0.08 432	0.07 415	0.06 311	0.06 324

MyStereo06	0.10 268	0.07 231	0.12 314	0.17 312	0.09 371	0.13 381	0.18 523	0.19 350	0.12 165	0.13 371	0.08 141	0.07 143	0.07 188	0.11 211	0.09 102	0.06 177	0.05 259	0.08 432	0.07 415	0.06 311	0.06 324

ff7	0.09 186	0.07 231	0.11 261	0.16 222	0.09 371	0.11 275	0.15 370	0.16 246	0.12 165	0.10 252	0.06 25	0.06 50	0.06 78	0.11 211	0.09 102	0.05 52	0.04 25	0.06 213	0.05 212	0.05 174	0.06 324

IGEVStereo-DCA	0.09 186	0.07 231	0.11 261	0.16 222	0.10 490	0.11 275	0.15 370	0.16 246	0.12 165	0.10 252	0.06 25	0.08 204	0.06 78	0.10 127	0.09 102	0.06 177	0.05 259	0.06 213	0.05 212	0.05 174	0.06 324

ffff	0.09 186	0.07 231	0.11 261	0.16 222	0.09 371	0.11 275	0.15 370	0.16 246	0.12 165	0.10 252	0.06 25	0.06 50	0.06 78	0.11 211	0.09 102	0.05 52	0.04 25	0.06 213	0.05 212	0.05 174	0.06 324

rrr	0.09 186	0.07 231	0.13 362	0.16 222	0.10 490	0.11 275	0.15 370	0.16 246	0.15 270	0.10 252	0.06 25	0.08 204	0.06 78	0.10 127	0.09 102	0.06 177	0.05 259	0.06 213	0.05 212	0.05 174	0.06 324

11t	0.09 186	0.07 231	0.11 261	0.16 222	0.09 371	0.11 275	0.15 370	0.16 246	0.12 165	0.10 252	0.06 25	0.06 50	0.06 78	0.11 211	0.09 102	0.05 52	0.04 25	0.06 213	0.05 212	0.05 174	0.06 324

IGEV_Zeroshot_test	0.09 186	0.05 35	0.13 362	0.14 67	0.08 242	0.12 334	0.13 201	0.17 285	0.11 122	0.10 252	0.06 25	0.09 251	0.06 78	0.11 211	0.09 102	0.06 177	0.04 25	0.06 213	0.06 308	0.05 174	0.05 204

DLNR_Zeroshot_test	10.48 776	2.27 760	19.78 790	120.28 799	13.29 783	0.06 15	0.13 201	0.24 468	0.10 86	0.08 145	0.10 221	0.09 251	0.07 188	0.10 127	0.09 102	0.13 645	0.04 25	0.06 213	0.04 66	52.68 800	0.04 55

AEACV	0.09 186	0.05 35	0.08 44	0.14 67	0.13 612	0.14 431	0.13 201	0.15 205	0.09 58	0.07 83	0.09 184	0.07 143	0.08 249	0.10 127	0.09 102	0.06 177	0.04 25	0.06 213	0.05 212	0.05 174	0.04 55

RAFT-Test	0.09 186	0.06 115	0.10 190	0.16 222	0.07 136	0.11 275	0.15 370	0.16 246	0.13 210	0.09 201	0.10 221	0.11 320	0.09 291	0.12 308	0.09 102	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.05 204

HH	0.09 186	0.06 115	0.13 362	0.17 312	0.08 242	0.11 275	0.16 438	0.15 205	0.10 86	0.08 145	0.10 221	0.08 204	0.07 188	0.10 127	0.09 102	0.06 177	0.04 25	0.06 213	0.05 212	0.05 174	0.04 55

HanStereo	0.09 186	0.06 115	0.13 362	0.17 312	0.08 242	0.11 275	0.16 438	0.15 205	0.10 86	0.08 145	0.10 221	0.08 204	0.07 188	0.10 127	0.09 102	0.06 177	0.04 25	0.06 213	0.05 212	0.05 174	0.04 55

4D-IteraStereo	0.10 268	0.07 231	0.10 190	0.18 413	0.07 136	0.09 155	0.15 370	0.18 317	0.15 270	0.10 252	0.11 275	0.10 286	0.07 188	0.12 308	0.09 102	0.05 52	0.03 1	0.08 432	0.07 415	0.06 311	0.05 204

LoS_RVC	0.08 89	0.05 35	0.07 13	0.15 124	0.07 136	0.08 89	0.15 370	0.12 98	0.11 122	0.08 145	0.09 184	0.06 50	0.09 291	0.10 127	0.09 102	0.05 52	0.04 25	0.05 61	0.03 1	0.04 50	0.04 55

CAS	0.08 89	0.04 1	0.07 13	0.17 312	0.08 242	0.10 218	0.13 201	0.12 98	0.09 58	0.09 201	0.10 221	0.08 204	0.06 78	0.09 65	0.09 102	0.08 453	0.04 25	0.05 61	0.03 1	0.05 174	0.04 55

anonymousdsp	0.09 186	0.07 231	0.11 261	0.17 312	0.09 371	0.11 275	0.15 370	0.16 246	0.12 165	0.10 252	0.06 25	0.06 50	0.06 78	0.11 211	0.09 102	0.05 52	0.04 25	0.06 213	0.05 212	0.05 174	0.06 324

Selective-IGEV	0.07 6	0.06 115	0.09 123	0.17 312	0.06 34	0.08 89	0.12 125	0.13 131	0.08 27	0.08 145	0.07 68	0.06 50	0.04 1	0.10 127	0.09 102	0.05 52	0.04 25	0.05 61	0.04 66	0.04 50	0.03 1

ProNet	0.09 186	0.07 231	0.11 261	0.17 312	0.08 242	0.11 275	0.15 370	0.15 205	0.12 165	0.10 252	0.06 25	0.07 143	0.06 78	0.11 211	0.09 102	0.05 52	0.05 259	0.06 213	0.05 212	0.04 50	0.06 324

ccc-4	0.09 186	0.07 231	0.11 261	0.16 222	0.09 371	0.11 275	0.15 370	0.16 246	0.12 165	0.10 252	0.06 25	0.06 50	0.06 78	0.11 211	0.09 102	0.05 52	0.04 25	0.06 213	0.05 212	0.05 174	0.06 324

RAFT_CTSACE	0.12 404	0.09 464	0.10 190	0.22 624	0.08 242	0.12 334	0.24 651	0.18 317	0.17 345	0.21 561	0.27 560	0.13 378	0.07 188	0.13 371	0.09 102	0.05 52	0.06 450	0.08 432	0.07 415	0.04 50	0.04 55

IGEV-Stereo	0.09 186	0.07 231	0.11 261	0.17 312	0.09 371	0.11 275	0.15 370	0.16 246	0.12 165	0.10 252	0.06 25	0.06 50	0.06 78	0.11 211	0.09 102	0.05 52	0.04 25	0.06 213	0.05 212	0.05 174	0.06 324
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 186	0.05 35	0.13 362	0.14 67	0.09 371	0.12 334	0.15 370	0.19 350	0.11 122	0.11 295	0.08 141	0.08 204	0.05 19	0.10 127	0.09 102	0.06 177	0.04 25	0.06 213	0.05 212	0.06 311	0.05 204

test-1	0.10 268	0.07 231	0.17 519	0.19 493	0.08 242	0.11 275	0.24 651	0.15 205	0.18 366	0.09 201	0.07 68	0.10 286	0.08 249	0.08 29	0.09 102	0.06 177	0.04 25	0.06 213	0.06 308	0.04 50	0.05 204

TANstereo	0.09 186	0.04 1	0.08 44	0.13 18	0.06 34	0.11 275	0.13 201	0.15 205	0.19 395	0.11 295	0.15 354	0.10 286	0.07 188	0.12 308	0.09 102	0.07 369	0.05 259	0.05 61	0.04 66	0.06 311	0.05 204

test_xeample3	0.09 186	0.07 231	0.12 314	0.16 222	0.09 371	0.11 275	0.15 370	0.16 246	0.14 240	0.10 252	0.07 68	0.08 204	0.06 78	0.10 127	0.09 102	0.06 177	0.04 25	0.06 213	0.05 212	0.05 174	0.06 324

Gwc-CoAtRS	0.09 186	0.07 231	0.10 190	0.16 222	0.07 136	0.10 218	0.15 370	0.18 317	0.17 345	0.08 145	0.10 221	0.12 346	0.09 291	0.12 308	0.09 102	0.06 177	0.04 25	0.06 213	0.04 66	0.04 50	0.05 204

zzzzzzz1	0.11 317	0.07 231	0.14 412	0.21 599	0.10 490	0.13 381	0.18 523	0.22 420	0.20 420	0.13 371	0.12 297	0.08 204	0.08 249	0.13 371	0.10 212	0.05 52	0.05 259	0.07 335	0.07 415	0.05 174	0.05 204

FAST (zero-shot)	0.09 186	0.06 115	0.11 261	0.19 493	0.13 612	0.07 40	0.13 201	0.13 131	0.08 27	0.08 145	0.07 68	0.08 204	0.07 188	0.10 127	0.10 212	0.07 369	0.06 450	0.06 213	0.07 415	0.05 174	0.08 492

VeloStereo	0.09 186	0.04 1	0.12 314	0.14 67	0.11 551	0.07 40	0.06 1	0.08 14	0.06 8	0.09 201	0.07 68	0.06 50	0.08 249	0.11 211	0.10 212	0.08 453	0.08 565	0.08 432	0.07 415	0.11 602	0.13 642

flow	0.09 186	0.04 1	0.12 314	0.14 67	0.11 551	0.07 40	0.06 1	0.08 14	0.06 8	0.09 201	0.07 68	0.06 50	0.08 249	0.12 308	0.10 212	0.08 453	0.08 565	0.08 432	0.07 415	0.11 602	0.13 642

small-0shot	0.07 6	0.05 35	0.09 123	0.14 67	0.07 136	0.06 15	0.13 201	0.09 26	0.08 27	0.05 2	0.10 221	0.06 50	0.06 78	0.06 2	0.10 212	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

Weightmod_eth	0.09 186	0.07 231	0.08 44	0.18 413	0.07 136	0.11 275	0.16 438	0.13 131	0.11 122	0.09 201	0.09 184	0.10 286	0.07 188	0.10 127	0.10 212	0.06 177	0.07 528	0.06 213	0.07 415	0.04 50	0.03 1

SE	0.10 268	0.10 533	0.08 44	0.19 493	0.09 371	0.11 275	0.11 84	0.16 246	0.11 122	0.10 252	0.17 391	0.09 251	0.08 249	0.09 65	0.10 212	0.06 177	0.05 259	0.08 432	0.07 415	0.07 402	0.04 55

Anonymus	0.09 186	0.05 35	0.10 190	0.15 124	0.08 242	0.10 218	0.14 280	0.15 205	0.10 86	0.07 83	0.06 25	0.07 143	0.09 291	0.12 308	0.10 212	0.06 177	0.04 25	0.05 61	0.05 212	0.05 174	0.06 324

LiteMatch*	0.08 89	0.04 1	0.12 314	0.13 18	0.08 242	0.08 89	0.13 201	0.14 165	0.09 58	0.05 2	0.05 7	0.05 4	0.09 291	0.11 211	0.10 212	0.06 177	0.05 259	0.05 61	0.04 66	0.05 174	0.06 324

RT-Monster	0.09 186	0.05 35	0.09 123	0.14 67	0.08 242	0.12 334	0.10 43	0.17 285	0.19 395	0.14 402	0.10 221	0.10 286	0.08 249	0.11 211	0.10 212	0.07 369	0.05 259	0.05 61	0.04 66	0.05 174	0.06 324

PSi22	0.08 89	0.06 115	0.11 261	0.16 222	0.07 136	0.08 89	0.10 43	0.14 165	0.08 27	0.08 145	0.07 68	0.10 286	0.06 78	0.12 308	0.10 212	0.05 52	0.04 25	0.04 1	0.04 66	0.04 50	0.04 55

Foundation-i1c-attn	0.08 89	0.05 35	0.07 13	0.14 67	0.05 2	0.09 155	0.12 125	0.13 131	0.10 86	0.09 201	0.10 221	0.10 286	0.07 188	0.08 29	0.10 212	0.06 177	0.04 25	0.05 61	0.04 66	0.03 1	0.04 55

Selective-IGEV-i16pc	0.13 435	0.06 115	0.13 362	0.15 124	0.11 551	0.38 698	0.16 438	0.23 442	0.17 345	0.11 295	0.15 354	0.09 251	0.07 188	0.13 371	0.10 212	0.10 565	0.08 565	0.06 213	0.07 415	0.09 544	0.10 575

Foundation-i1	0.09 186	0.04 1	0.10 190	0.14 67	0.06 34	0.10 218	0.13 201	0.16 246	0.15 270	0.10 252	0.10 221	0.11 320	0.07 188	0.07 7	0.10 212	0.06 177	0.04 25	0.05 61	0.05 212	0.05 174	0.05 204

Test_v1	0.07 6	0.04 1	0.06 1	0.13 18	0.06 34	0.09 155	0.10 43	0.15 205	0.12 165	0.06 28	0.05 7	0.04 1	0.05 19	0.08 29	0.10 212	0.07 369	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

VMStereo-Base	0.09 186	0.05 35	0.10 190	0.13 18	0.07 136	0.11 275	0.10 43	0.16 246	0.13 210	0.10 252	0.16 371	0.10 286	0.09 291	0.11 211	0.10 212	0.07 369	0.05 259	0.05 61	0.04 66	0.05 174	0.06 324

Hybrid-DGEV-2	0.11 317	0.06 115	0.12 314	0.18 413	0.09 371	0.09 155	0.13 201	0.29 567	0.30 562	0.11 295	0.12 297	0.10 286	0.13 445	0.12 308	0.10 212	0.06 177	0.05 259	0.07 335	0.07 415	0.05 174	0.05 204

WQFJA1++	0.08 89	0.04 1	0.11 261	0.14 67	0.07 136	0.11 275	0.11 84	0.12 98	0.07 18	0.07 83	0.07 68	0.07 143	0.06 78	0.10 127	0.10 212	0.06 177	0.04 25	0.05 61	0.04 66	0.06 311	0.06 324

BridgeDepth_RVC	0.07 6	0.04 1	0.09 123	0.11 1	0.05 2	0.10 218	0.10 43	0.14 165	0.09 58	0.06 28	0.07 68	0.06 50	0.08 249	0.07 7	0.10 212	0.06 177	0.04 25	0.04 1	0.04 66	0.05 174	0.04 55
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
WQFJX1	0.10 268	0.07 231	0.08 44	0.22 624	0.09 371	0.12 334	0.17 472	0.18 317	0.18 366	0.10 252	0.10 221	0.07 143	0.10 331	0.11 211	0.10 212	0.07 369	0.08 565	0.07 335	0.06 308	0.05 174	0.05 204

WQFJX	0.10 268	0.07 231	0.09 123	0.21 599	0.09 371	0.12 334	0.16 438	0.19 350	0.18 366	0.12 335	0.10 221	0.08 204	0.10 331	0.12 308	0.10 212	0.07 369	0.07 528	0.06 213	0.05 212	0.06 311	0.05 204

LCMNet	0.08 89	0.05 35	0.10 190	0.13 18	0.07 136	0.09 155	0.12 125	0.10 39	0.12 165	0.06 28	0.08 141	0.06 50	0.07 188	0.11 211	0.10 212	0.06 177	0.05 259	0.04 1	0.03 1	0.04 50	0.04 55

CSFM-Stereo	0.08 89	0.05 35	0.08 44	0.14 67	0.06 34	0.09 155	0.13 201	0.15 205	0.07 18	0.07 83	0.08 141	0.06 50	0.08 249	0.09 65	0.10 212	0.06 177	0.05 259	0.04 1	0.03 1	0.04 50	0.04 55

NLCSM	0.11 317	0.09 464	0.09 123	0.23 645	0.11 551	0.12 334	0.19 570	0.19 350	0.19 395	0.12 335	0.11 275	0.07 143	0.09 291	0.11 211	0.10 212	0.08 453	0.08 565	0.07 335	0.07 415	0.06 311	0.05 204

DDF-Stereo	0.08 89	0.05 35	0.10 190	0.15 124	0.10 490	0.05 4	0.13 201	0.09 26	0.14 240	0.06 28	0.06 25	0.07 143	0.06 78	0.09 65	0.10 212	0.06 177	0.04 25	0.06 213	0.04 66	0.08 478	0.05 204

252Zero-FE	0.08 89	0.04 1	0.10 190	0.13 18	0.07 136	0.13 381	0.11 84	0.13 131	0.14 240	0.07 83	0.05 7	0.06 50	0.05 19	0.09 65	0.10 212	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.06 324

DA	0.09 186	0.07 231	0.07 13	0.19 493	0.08 242	0.10 218	0.13 201	0.13 131	0.12 165	0.08 145	0.10 221	0.10 286	0.08 249	0.09 65	0.10 212	0.05 52	0.04 25	0.06 213	0.04 66	0.05 174	0.04 55

Monster-pub-eth3d	0.07 6	0.06 115	0.06 1	0.15 124	0.05 2	0.08 89	0.10 43	0.15 205	0.15 270	0.05 2	0.06 25	0.05 4	0.06 78	0.07 7	0.10 212	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

Replicate-Monster	0.07 6	0.05 35	0.09 123	0.14 67	0.06 34	0.09 155	0.09 27	0.14 165	0.12 165	0.05 2	0.07 68	0.06 50	0.06 78	0.08 29	0.10 212	0.06 177	0.04 25	0.05 61	0.03 1	0.04 50	0.04 55

zero-FE	0.08 89	0.05 35	0.10 190	0.15 124	0.10 490	0.05 4	0.13 201	0.09 26	0.14 240	0.07 83	0.06 25	0.07 143	0.06 78	0.09 65	0.10 212	0.06 177	0.04 25	0.06 213	0.04 66	0.08 478	0.05 204

GGEV	0.09 186	0.07 231	0.07 13	0.19 493	0.08 242	0.10 218	0.13 201	0.13 131	0.12 165	0.08 145	0.10 221	0.10 286	0.08 249	0.09 65	0.10 212	0.05 52	0.04 25	0.06 213	0.04 66	0.05 174	0.04 55

AdaDepth	0.07 6	0.06 115	0.07 13	0.18 413	0.06 34	0.11 275	0.11 84	0.10 39	0.08 27	0.06 28	0.05 7	0.07 143	0.06 78	0.09 65	0.10 212	0.04 6	0.05 259	0.05 61	0.04 66	0.04 50	0.04 55

asda	0.07 6	0.08 375	0.08 44	0.16 222	0.07 136	0.06 15	0.10 43	0.16 246	0.11 122	0.06 28	0.06 25	0.05 4	0.06 78	0.10 127	0.10 212	0.03 1	0.03 1	0.04 1	0.03 1	0.04 50	0.03 1

2.25w	0.07 6	0.07 231	0.08 44	0.15 124	0.06 34	0.08 89	0.09 27	0.10 39	0.15 270	0.08 145	0.10 221	0.07 143	0.06 78	0.09 65	0.10 212	0.05 52	0.04 25	0.04 1	0.04 66	0.03 1	0.04 55

4.25_new	0.07 6	0.08 375	0.09 123	0.15 124	0.06 34	0.08 89	0.08 9	0.14 165	0.08 27	0.07 83	0.07 68	0.06 50	0.06 78	0.12 308	0.10 212	0.04 6	0.03 1	0.04 1	0.03 1	0.04 50	0.03 1

4.5w_new	0.07 6	0.08 375	0.09 123	0.15 124	0.06 34	0.08 89	0.08 9	0.14 165	0.08 27	0.07 83	0.07 68	0.06 50	0.06 78	0.12 308	0.10 212	0.04 6	0.03 1	0.04 1	0.03 1	0.04 50	0.03 1

4.5_new	0.07 6	0.09 464	0.08 44	0.15 124	0.07 136	0.07 40	0.10 43	0.14 165	0.11 122	0.06 28	0.08 141	0.06 50	0.06 78	0.08 29	0.10 212	0.03 1	0.03 1	0.04 1	0.04 66	0.04 50	0.03 1

4.5w-stereo	0.07 6	0.09 464	0.08 44	0.15 124	0.07 136	0.07 40	0.10 43	0.14 165	0.11 122	0.06 28	0.08 141	0.06 50	0.06 78	0.08 29	0.10 212	0.03 1	0.03 1	0.04 1	0.04 66	0.04 50	0.03 1

4.25w-stereo	0.07 6	0.08 375	0.09 123	0.15 124	0.06 34	0.08 89	0.08 9	0.14 165	0.08 27	0.07 83	0.07 68	0.06 50	0.06 78	0.12 308	0.10 212	0.04 6	0.03 1	0.04 1	0.03 1	0.04 50	0.03 1

4w-stereo	0.07 6	0.08 375	0.08 44	0.16 222	0.07 136	0.07 40	0.08 9	0.11 69	0.09 58	0.07 83	0.07 68	0.05 4	0.06 78	0.09 65	0.10 212	0.03 1	0.03 1	0.04 1	0.04 66	0.04 50	0.03 1

3.25w_new	0.07 6	0.06 115	0.08 44	0.15 124	0.06 34	0.10 218	0.07 5	0.12 98	0.11 122	0.08 145	0.07 68	0.07 143	0.06 78	0.11 211	0.10 212	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 55

3.25w	0.07 6	0.06 115	0.08 44	0.15 124	0.06 34	0.10 218	0.07 5	0.12 98	0.11 122	0.08 145	0.07 68	0.07 143	0.06 78	0.11 211	0.10 212	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 55

3.75w	0.07 6	0.07 231	0.08 44	0.16 222	0.07 136	0.07 40	0.09 27	0.16 246	0.10 86	0.07 83	0.06 25	0.06 50	0.06 78	0.09 65	0.10 212	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

2w_stereo	0.08 89	0.08 375	0.09 123	0.16 222	0.06 34	0.09 155	0.10 43	0.20 370	0.15 270	0.08 145	0.07 68	0.06 50	0.06 78	0.06 2	0.10 212	0.04 6	0.03 1	0.04 1	0.04 66	0.03 1	0.03 1

MLG-Stereo_test3	0.07 6	0.05 35	0.10 190	0.15 124	0.06 34	0.07 40	0.10 43	0.08 14	0.06 8	0.06 28	0.04 1	0.06 50	0.06 78	0.08 29	0.10 212	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.06 324

MM-Stereo_test1	0.10 268	0.07 231	0.09 123	0.18 413	0.07 136	0.12 334	0.18 523	0.21 393	0.20 420	0.09 201	0.11 275	0.08 204	0.06 78	0.10 127	0.10 212	0.06 177	0.05 259	0.07 335	0.06 308	0.05 174	0.04 55

AIO_test	0.07 6	0.06 115	0.07 13	0.15 124	0.07 136	0.07 40	0.14 280	0.10 39	0.10 86	0.07 83	0.07 68	0.06 50	0.05 19	0.08 29	0.10 212	0.05 52	0.04 25	0.05 61	0.04 66	0.04 50	0.03 1

castereo	0.09 186	0.06 115	0.11 261	0.15 124	0.06 34	0.11 275	0.14 280	0.14 165	0.18 366	0.08 145	0.10 221	0.11 320	0.08 249	0.09 65	0.10 212	0.05 52	0.04 25	0.05 61	0.04 66	0.04 50	0.04 55

SMoEStereo_RVC	0.08 89	0.06 115	0.12 314	0.16 222	0.07 136	0.09 155	0.13 201	0.11 69	0.14 240	0.09 201	0.07 68	0.07 143	0.07 188	0.12 308	0.10 212	0.05 52	0.04 25	0.06 213	0.05 212	0.04 50	0.04 55

tt45	0.09 186	0.06 115	0.11 261	0.15 124	0.07 136	0.12 334	0.15 370	0.13 131	0.12 165	0.09 201	0.06 25	0.08 204	0.06 78	0.13 371	0.10 212	0.06 177	0.04 25	0.06 213	0.05 212	0.05 174	0.06 324

999	0.09 186	0.06 115	0.13 362	0.15 124	0.08 242	0.10 218	0.14 280	0.15 205	0.12 165	0.10 252	0.08 141	0.08 204	0.08 249	0.16 465	0.10 212	0.06 177	0.04 25	0.06 213	0.05 212	0.04 50	0.06 324

tg	0.10 268	0.06 115	0.10 190	0.18 413	0.08 242	0.11 275	0.16 438	0.20 370	0.12 165	0.08 145	0.11 275	0.11 320	0.07 188	0.11 211	0.10 212	0.05 52	0.04 25	0.08 432	0.08 499	0.04 50	0.04 55

UGAM-zero	0.10 268	0.05 35	0.15 449	0.15 124	0.08 242	0.10 218	0.13 201	0.20 370	0.15 270	0.11 295	0.15 354	0.07 143	0.08 249	0.09 65	0.10 212	0.06 177	0.05 259	0.06 213	0.05 212	0.05 174	0.06 324

rvit_stereo_0081_aga	0.12 404	0.09 464	0.15 449	0.18 413	0.10 490	0.14 431	0.14 280	0.14 165	0.19 395	0.10 252	0.18 420	0.16 448	0.09 291	0.12 308	0.10 212	0.10 565	0.06 450	0.08 432	0.07 415	0.07 402	0.06 324

Occ-G	0.08 89	0.05 35	0.07 13	0.14 67	0.07 136	0.09 155	0.14 280	0.14 165	0.15 270	0.07 83	0.12 297	0.07 143	0.05 19	0.09 65	0.10 212	0.06 177	0.05 259	0.05 61	0.04 66	0.05 174	0.06 324

Pointernet	0.09 186	0.05 35	0.10 190	0.16 222	0.08 242	0.13 381	0.10 43	0.15 205	0.18 366	0.09 201	0.07 68	0.06 50	0.06 78	0.11 211	0.10 212	0.08 453	0.04 25	0.05 61	0.03 1	0.06 311	0.05 204

rvit_stereo_0080	0.10 268	0.08 375	0.15 449	0.15 124	0.10 490	0.07 40	0.15 370	0.16 246	0.16 308	0.11 295	0.10 221	0.15 427	0.09 291	0.12 308	0.10 212	0.09 520	0.07 528	0.07 335	0.06 308	0.07 402	0.05 204

trnet	0.08 89	0.05 35	0.07 13	0.12 7	0.05 2	0.12 334	0.10 43	0.13 131	0.10 86	0.08 145	0.13 322	0.09 251	0.08 249	0.11 211	0.10 212	0.08 453	0.05 259	0.05 61	0.03 1	0.06 311	0.05 204

H2IRNET	0.10 268	0.09 464	0.10 190	0.18 413	0.09 371	0.12 334	0.15 370	0.14 165	0.21 436	0.10 252	0.10 221	0.10 286	0.11 374	0.10 127	0.10 212	0.06 177	0.04 25	0.08 432	0.08 499	0.06 311	0.05 204

AE-Stereo	0.10 268	0.08 375	0.11 261	0.19 493	0.09 371	0.10 218	0.15 370	0.14 165	0.20 420	0.09 201	0.15 354	0.12 346	0.08 249	0.11 211	0.10 212	0.05 52	0.06 450	0.07 335	0.06 308	0.05 174	0.04 55

whm_eth	0.10 268	0.08 375	0.15 449	0.15 124	0.10 490	0.07 40	0.15 370	0.16 246	0.16 308	0.11 295	0.10 221	0.15 427	0.09 291	0.12 308	0.10 212	0.09 520	0.07 528	0.07 335	0.06 308	0.07 402	0.05 204

StereoVision	0.14 468	0.13 607	0.10 190	0.24 657	0.10 490	0.16 487	0.21 611	0.21 393	0.20 420	0.12 335	0.25 528	0.10 286	0.10 331	0.16 465	0.10 212	0.09 520	0.10 626	0.12 628	0.12 644	0.06 311	0.05 204

UniTT-Stereo	0.09 186	0.07 231	0.08 44	0.18 413	0.08 242	0.13 381	0.11 84	0.12 98	0.11 122	0.10 252	0.12 297	0.05 4	0.06 78	0.09 65	0.10 212	0.07 369	0.06 450	0.05 61	0.05 212	0.06 311	0.05 204

CASnet	0.09 186	0.09 464	0.09 123	0.19 493	0.06 34	0.07 40	0.11 84	0.18 317	0.14 240	0.11 295	0.10 221	0.09 251	0.07 188	0.10 127	0.10 212	0.06 177	0.04 25	0.10 575	0.08 499	0.06 311	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 186	0.07 231	0.13 362	0.18 413	0.06 34	0.11 275	0.07 5	0.14 165	0.12 165	0.09 201	0.10 221	0.07 143	0.09 291	0.13 371	0.10 212	0.06 177	0.05 259	0.05 61	0.04 66	0.04 50	0.05 204

Any-RAFT	0.10 268	0.05 35	0.10 190	0.15 124	0.07 136	0.13 381	0.14 280	0.21 393	0.15 270	0.11 295	0.12 297	0.13 378	0.10 331	0.13 371	0.10 212	0.07 369	0.04 25	0.05 61	0.04 66	0.06 311	0.05 204

LL-Strereo2	0.11 317	0.10 533	0.16 493	0.18 413	0.08 242	0.15 456	0.09 27	0.17 285	0.14 240	0.14 402	0.11 275	0.09 251	0.07 188	0.16 465	0.10 212	0.05 52	0.05 259	0.11 606	0.07 415	0.06 311	0.05 204

LoS	0.09 186	0.05 35	0.11 261	0.13 18	0.07 136	0.14 431	0.11 84	0.15 205	0.15 270	0.09 201	0.09 184	0.12 346	0.09 291	0.15 436	0.10 212	0.07 369	0.05 259	0.05 61	0.03 1	0.05 174	0.05 204
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MC-Stereo	0.09 186	0.07 231	0.09 123	0.17 312	0.06 34	0.10 218	0.14 280	0.12 98	0.11 122	0.09 201	0.12 297	0.09 251	0.06 78	0.11 211	0.10 212	0.06 177	0.04 25	0.06 213	0.05 212	0.04 50	0.04 55

Sa-1000	0.12 404	0.08 375	0.09 123	0.18 413	0.08 242	0.15 456	0.22 625	0.22 420	0.19 395	0.15 427	0.20 446	0.17 466	0.11 374	0.10 127	0.10 212	0.06 177	0.05 259	0.09 525	0.09 547	0.05 174	0.05 204

test-3	0.09 186	0.06 115	0.10 190	0.18 413	0.07 136	0.07 40	0.14 280	0.12 98	0.16 308	0.10 252	0.08 141	0.08 204	0.08 249	0.11 211	0.10 212	0.05 52	0.04 25	0.07 335	0.05 212	0.04 50	0.04 55

test_1	0.09 186	0.06 115	0.10 190	0.18 413	0.07 136	0.07 40	0.14 280	0.12 98	0.16 308	0.10 252	0.08 141	0.08 204	0.08 249	0.11 211	0.10 212	0.05 52	0.04 25	0.07 335	0.05 212	0.04 50	0.04 55

HHNet	0.11 317	0.06 115	0.16 493	0.15 124	0.14 632	0.07 40	0.13 201	0.20 370	0.18 366	0.15 427	0.25 528	0.11 320	0.09 291	0.13 371	0.10 212	0.06 177	0.04 25	0.08 432	0.06 308	0.05 174	0.09 543

NRIStereo	0.11 317	0.08 375	0.15 449	0.18 413	0.08 242	0.10 218	0.13 201	0.17 285	0.15 270	0.12 335	0.15 354	0.13 378	0.13 445	0.13 371	0.10 212	0.06 177	0.04 25	0.07 335	0.06 308	0.06 311	0.07 415

PSM-AAD	0.11 317	0.07 231	0.10 190	0.20 560	0.09 371	0.10 218	0.14 280	0.21 393	0.13 210	0.12 335	0.14 337	0.18 482	0.11 374	0.11 211	0.10 212	0.05 52	0.05 259	0.09 525	0.08 499	0.06 311	0.14 660

AnonymousM	0.10 268	0.06 115	0.10 190	0.14 67	0.07 136	0.09 155	0.13 201	0.19 350	0.14 240	0.13 371	0.12 297	0.09 251	0.08 249	0.13 371	0.10 212	0.08 453	0.05 259	0.08 432	0.05 212	0.05 174	0.05 204

RAFT	0.13 435	0.09 464	0.11 261	0.18 413	0.08 242	0.15 456	0.23 639	0.21 393	0.20 420	0.21 561	0.21 466	0.18 482	0.13 445	0.17 505	0.10 212	0.06 177	0.07 528	0.10 575	0.09 547	0.06 311	0.05 204

Prome-Stereo	0.11 317	0.07 231	0.11 261	0.18 413	0.09 371	0.12 334	0.14 280	0.23 442	0.13 210	0.13 371	0.16 371	0.13 378	0.08 249	0.12 308	0.10 212	0.05 52	0.05 259	0.07 335	0.06 308	0.06 311	0.10 575

iRaftStereo_RVC	0.10 268	0.07 231	0.10 190	0.17 312	0.09 371	0.11 275	0.17 472	0.18 317	0.12 165	0.09 201	0.11 275	0.10 286	0.07 188	0.11 211	0.10 212	0.05 52	0.04 25	0.08 432	0.08 499	0.04 50	0.04 55

XX-TBD	0.09 186	0.06 115	0.07 13	0.14 67	0.07 136	0.13 381	0.16 438	0.14 165	0.14 240	0.11 295	0.12 297	0.09 251	0.08 249	0.10 127	0.10 212	0.06 177	0.04 25	0.05 61	0.04 66	0.06 311	0.05 204

raftrobust	0.09 186	0.06 115	0.11 261	0.17 312	0.08 242	0.09 155	0.10 43	0.18 317	0.16 308	0.10 252	0.09 184	0.12 346	0.08 249	0.12 308	0.10 212	0.08 453	0.05 259	0.06 213	0.05 212	0.05 174	0.06 324

111	0.11 317	0.06 115	0.12 314	0.15 124	0.07 136	0.10 218	0.14 280	0.21 393	0.24 480	0.11 295	0.12 297	0.14 399	0.12 409	0.13 371	0.10 212	0.06 177	0.04 25	0.06 213	0.04 66	0.06 311	0.05 204

RAFT-Stereo + iAFF	0.09 186	0.06 115	0.10 190	0.17 312	0.07 136	0.10 218	0.15 370	0.17 285	0.15 270	0.10 252	0.10 221	0.08 204	0.09 291	0.12 308	0.10 212	0.05 52	0.04 25	0.06 213	0.06 308	0.04 50	0.03 1

AFF-stereo	0.09 186	0.07 231	0.10 190	0.17 312	0.07 136	0.10 218	0.15 370	0.18 317	0.10 86	0.10 252	0.11 275	0.09 251	0.10 331	0.12 308	0.10 212	0.05 52	0.04 25	0.07 335	0.07 415	0.04 50	0.04 55

CFNet-RSSM	0.09 186	0.07 231	0.10 190	0.16 222	0.07 136	0.09 155	0.15 370	0.17 285	0.18 366	0.08 145	0.12 297	0.11 320	0.09 291	0.12 308	0.10 212	0.06 177	0.04 25	0.06 213	0.04 66	0.04 50	0.04 55

CREStereo	0.09 186	0.05 35	0.08 44	0.11 1	0.06 34	0.14 431	0.14 280	0.14 165	0.10 86	0.09 201	0.13 322	0.09 251	0.08 249	0.12 308	0.10 212	0.08 453	0.04 25	0.05 61	0.03 1	0.06 311	0.06 324
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 186	0.05 35	0.09 123	0.12 7	0.06 34	0.13 381	0.14 280	0.16 246	0.11 122	0.09 201	0.13 322	0.10 286	0.07 188	0.14 412	0.10 212	0.15 670	0.04 25	0.05 61	0.03 1	0.07 402	0.06 324

noway7	0.11 317	0.07 231	0.14 412	0.20 560	0.09 371	0.11 275	0.15 370	0.28 545	0.17 345	0.11 295	0.12 297	0.08 204	0.07 188	0.10 127	0.11 299	0.05 52	0.04 25	0.07 335	0.06 308	0.06 311	0.05 204

monster_256*512	0.11 317	0.07 231	0.09 123	0.21 599	0.10 490	0.13 381	0.17 472	0.27 520	0.19 395	0.12 335	0.12 297	0.09 251	0.07 188	0.10 127	0.11 299	0.05 52	0.04 25	0.07 335	0.07 415	0.05 174	0.05 204

GREATEN-IGEV_RVC	0.09 186	0.08 375	0.08 44	0.21 599	0.09 371	0.08 89	0.11 84	0.10 39	0.09 58	0.07 83	0.11 275	0.05 4	0.06 78	0.14 412	0.11 299	0.05 52	0.06 450	0.07 335	0.06 308	0.05 174	0.05 204

WAFT-Stereo (ZS)	0.07 6	0.05 35	0.09 123	0.12 7	0.07 136	0.09 155	0.15 370	0.07 8	0.07 18	0.06 28	0.10 221	0.05 4	0.07 188	0.06 2	0.11 299	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.05 204

Weightmod	0.09 186	0.06 115	0.08 44	0.18 413	0.06 34	0.11 275	0.15 370	0.14 165	0.12 165	0.11 295	0.11 275	0.08 204	0.07 188	0.10 127	0.11 299	0.06 177	0.08 565	0.07 335	0.07 415	0.05 174	0.03 1

S0	0.12 404	0.08 375	0.09 123	0.20 560	0.07 136	0.18 529	0.22 625	0.15 205	0.15 270	0.11 295	0.10 221	0.13 378	0.08 249	0.12 308	0.11 299	0.09 520	0.10 626	0.14 657	0.14 662	0.05 174	0.04 55

LGCAT	0.08 89	0.04 1	0.10 190	0.11 1	0.06 34	0.07 40	0.13 201	0.07 8	0.08 27	0.09 201	0.07 68	0.07 143	0.08 249	0.12 308	0.11 299	0.10 565	0.09 602	0.04 1	0.05 212	0.04 50	0.09 543

TestStereo_HL3	0.11 317	0.06 115	0.16 493	0.13 18	0.07 136	0.12 334	0.11 84	0.20 370	0.09 58	0.15 427	0.31 598	0.13 378	0.12 409	0.16 465	0.11 299	0.07 369	0.05 259	0.05 61	0.05 212	0.06 311	0.07 415

RT-IGEV	0.13 435	0.06 115	0.14 412	0.15 124	0.10 490	0.15 456	0.18 523	0.25 491	0.28 548	0.16 457	0.17 391	0.18 482	0.11 374	0.14 412	0.11 299	0.08 453	0.05 259	0.07 335	0.05 212	0.07 402	0.08 492

GeoVLM	0.08 89	0.04 1	0.10 190	0.13 18	0.06 34	0.10 218	0.13 201	0.13 131	0.08 27	0.06 28	0.07 68	0.06 50	0.08 249	0.10 127	0.11 299	0.06 177	0.05 259	0.04 1	0.03 1	0.04 50	0.05 204

Hybrid-DGEV-03	0.11 317	0.06 115	0.09 123	0.18 413	0.08 242	0.16 487	0.14 280	0.15 205	0.14 240	0.13 371	0.17 391	0.12 346	0.09 291	0.13 371	0.11 299	0.06 177	0.04 25	0.08 432	0.06 308	0.05 174	0.04 55

BStereo	0.08 89	0.06 115	0.17 519	0.15 124	0.08 242	0.08 89	0.09 27	0.15 205	0.16 308	0.06 28	0.07 68	0.07 143	0.05 19	0.09 65	0.11 299	0.04 6	0.05 259	0.05 61	0.07 415	0.04 50	0.05 204

Anonymus123	0.09 186	0.06 115	0.17 519	0.15 124	0.08 242	0.11 275	0.09 27	0.18 317	0.16 308	0.06 28	0.07 68	0.07 143	0.05 19	0.09 65	0.11 299	0.04 6	0.05 259	0.05 61	0.07 415	0.04 50	0.05 204

WQFJA1	0.10 268	0.07 231	0.08 44	0.20 560	0.09 371	0.12 334	0.18 523	0.18 317	0.18 366	0.09 201	0.10 221	0.08 204	0.10 331	0.12 308	0.11 299	0.06 177	0.08 565	0.07 335	0.06 308	0.06 311	0.05 204

NLMM1	0.11 317	0.09 464	0.07 13	0.22 624	0.10 490	0.12 334	0.20 593	0.19 350	0.20 420	0.12 335	0.11 275	0.08 204	0.10 331	0.11 211	0.11 299	0.08 453	0.08 565	0.07 335	0.06 308	0.05 174	0.04 55

NLMM	0.10 268	0.07 231	0.08 44	0.20 560	0.09 371	0.12 334	0.18 523	0.18 317	0.18 366	0.09 201	0.10 221	0.08 204	0.10 331	0.12 308	0.11 299	0.06 177	0.08 565	0.07 335	0.06 308	0.06 311	0.05 204

NLSM3	0.09 186	0.07 231	0.08 44	0.20 560	0.08 242	0.11 275	0.16 438	0.18 317	0.17 345	0.06 28	0.08 141	0.08 204	0.09 291	0.09 65	0.11 299	0.04 6	0.04 25	0.06 213	0.07 415	0.03 1	0.04 55

NLSM1	0.10 268	0.07 231	0.08 44	0.19 493	0.08 242	0.13 381	0.16 438	0.21 393	0.16 308	0.11 295	0.10 221	0.07 143	0.10 331	0.10 127	0.11 299	0.07 369	0.08 565	0.08 432	0.07 415	0.05 174	0.05 204

MonSter++	0.08 89	0.04 1	0.10 190	0.13 18	0.06 34	0.10 218	0.13 201	0.13 131	0.08 27	0.06 28	0.07 68	0.06 50	0.08 249	0.10 127	0.11 299	0.06 177	0.05 259	0.04 1	0.03 1	0.04 50	0.05 204

HiDET	0.08 89	0.05 35	0.10 190	0.13 18	0.06 34	0.09 155	0.12 125	0.12 98	0.12 165	0.07 83	0.07 68	0.07 143	0.07 188	0.11 211	0.11 299	0.06 177	0.05 259	0.04 1	0.03 1	0.04 50	0.04 55

FlowAnything_test	0.11 317	0.08 375	0.14 412	0.15 124	0.09 371	0.08 89	0.14 280	0.20 370	0.11 122	0.10 252	0.09 184	0.12 346	0.12 409	0.13 371	0.11 299	0.09 520	0.06 450	0.09 525	0.09 547	0.06 311	0.09 543

DVStereo	0.09 186	0.05 35	0.08 44	0.15 124	0.06 34	0.11 275	0.12 125	0.14 165	0.16 308	0.11 295	0.11 275	0.09 251	0.10 331	0.11 211	0.11 299	0.06 177	0.05 259	0.05 61	0.04 66	0.03 1	0.03 1

2.75w_new	0.07 6	0.07 231	0.07 13	0.13 18	0.06 34	0.08 89	0.08 9	0.18 317	0.13 210	0.08 145	0.08 141	0.06 50	0.06 78	0.09 65	0.11 299	0.04 6	0.04 25	0.04 1	0.03 1	0.03 1	0.04 55

xyz-stereo-finetune2	0.11 317	0.07 231	0.13 362	0.13 18	0.07 136	0.11 275	0.19 570	0.17 285	0.12 165	0.15 427	0.15 354	0.17 466	0.13 445	0.13 371	0.11 299	0.05 52	0.04 25	0.07 335	0.05 212	0.04 50	0.06 324

S2M2_L	0.09 186	0.08 375	0.11 261	0.13 18	0.10 490	0.08 89	0.06 1	0.10 39	0.10 86	0.10 252	0.10 221	0.09 251	0.09 291	0.11 211	0.11 299	0.13 645	0.07 528	0.08 432	0.09 547	0.10 580	0.08 492
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
fffy	0.09 186	0.08 375	0.10 190	0.16 222	0.07 136	0.13 381	0.17 472	0.13 131	0.12 165	0.08 145	0.09 184	0.08 204	0.09 291	0.13 371	0.11 299	0.05 52	0.05 259	0.07 335	0.05 212	0.04 50	0.05 204

model_zeroshot	0.10 268	0.05 35	0.12 314	0.15 124	0.09 371	0.13 381	0.14 280	0.20 370	0.14 240	0.11 295	0.10 221	0.12 346	0.07 188	0.12 308	0.11 299	0.07 369	0.06 450	0.06 213	0.05 212	0.06 311	0.06 324

RAFT-Stereo-weight	0.09 186	0.06 115	0.11 261	0.16 222	0.07 136	0.09 155	0.14 280	0.19 350	0.16 308	0.11 295	0.10 221	0.08 204	0.06 78	0.10 127	0.11 299	0.06 177	0.04 25	0.06 213	0.04 66	0.04 50	0.04 55

CoDeX	0.12 404	0.07 231	0.13 362	0.17 312	0.08 242	0.12 334	0.16 438	0.23 442	0.27 532	0.13 371	0.17 391	0.15 427	0.12 409	0.14 412	0.11 299	0.07 369	0.05 259	0.07 335	0.06 308	0.06 311	0.05 204

MSKI-zero shot	0.09 186	0.05 35	0.09 123	0.16 222	0.07 136	0.10 218	0.13 201	0.15 205	0.14 240	0.09 201	0.09 184	0.09 251	0.06 78	0.12 308	0.11 299	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.05 204

LL-Strereo	0.13 435	0.10 533	0.12 314	0.20 560	0.10 490	0.11 275	0.18 523	0.33 620	0.25 505	0.16 457	0.16 371	0.14 399	0.14 479	0.19 554	0.11 299	0.06 177	0.05 259	0.09 525	0.08 499	0.04 50	0.05 204

anonymousdsp2	0.11 317	0.07 231	0.11 261	0.16 222	0.09 371	0.13 381	0.14 280	0.19 350	0.23 468	0.13 371	0.14 337	0.12 346	0.09 291	0.14 412	0.11 299	0.05 52	0.05 259	0.05 61	0.04 66	0.06 311	0.06 324

EGLCR-Stereo	0.08 89	0.05 35	0.08 44	0.14 67	0.07 136	0.11 275	0.12 125	0.11 69	0.16 308	0.06 28	0.05 7	0.07 143	0.05 19	0.10 127	0.11 299	0.06 177	0.04 25	0.06 213	0.05 212	0.04 50	0.04 55

DCRE	0.11 317	0.07 231	0.13 362	0.16 222	0.11 551	0.11 275	0.17 472	0.18 317	0.17 345	0.11 295	0.18 420	0.11 320	0.10 331	0.15 436	0.11 299	0.06 177	0.05 259	0.06 213	0.06 308	0.05 174	0.05 204

knoymous	0.11 317	0.06 115	0.12 314	0.14 67	0.07 136	0.15 456	0.13 201	0.20 370	0.14 240	0.11 295	0.17 391	0.13 378	0.09 291	0.14 412	0.11 299	0.09 520	0.05 259	0.06 213	0.05 212	0.07 402	0.07 415

Selective-RAFT	0.11 317	0.11 561	0.12 314	0.21 599	0.08 242	0.16 487	0.13 201	0.21 393	0.23 468	0.10 252	0.10 221	0.11 320	0.10 331	0.15 436	0.11 299	0.05 52	0.05 259	0.06 213	0.05 212	0.06 311	0.05 204

RCA-Stereo	0.09 186	0.06 115	0.09 123	0.16 222	0.06 34	0.09 155	0.13 201	0.18 317	0.14 240	0.10 252	0.11 275	0.08 204	0.07 188	0.12 308	0.11 299	0.06 177	0.04 25	0.06 213	0.05 212	0.05 174	0.04 55

DisPM	0.11 317	0.07 231	0.13 362	0.16 222	0.09 371	0.06 15	0.13 201	0.18 317	0.17 345	0.14 402	0.19 436	0.12 346	0.10 331	0.12 308	0.11 299	0.07 369	0.05 259	0.07 335	0.06 308	0.06 311	0.11 602

SA	0.13 435	0.09 464	0.09 123	0.18 413	0.08 242	0.12 334	0.24 651	0.23 442	0.19 395	0.17 471	0.27 560	0.15 427	0.11 374	0.11 211	0.11 299	0.05 52	0.05 259	0.09 525	0.08 499	0.05 174	0.05 204

test_4	0.11 317	0.10 533	0.08 44	0.19 493	0.09 371	0.08 89	0.21 611	0.15 205	0.18 366	0.12 335	0.18 420	0.12 346	0.09 291	0.08 29	0.11 299	0.04 6	0.04 25	0.08 432	0.08 499	0.04 50	0.04 55

test_3	0.11 317	0.09 464	0.10 190	0.21 599	0.08 242	0.13 381	0.25 668	0.14 165	0.21 436	0.10 252	0.10 221	0.09 251	0.10 331	0.08 29	0.11 299	0.05 52	0.04 25	0.08 432	0.07 415	0.04 50	0.04 55

PFNet+	0.12 404	0.06 115	0.14 412	0.16 222	0.09 371	0.05 4	0.12 125	0.18 317	0.21 436	0.16 457	0.19 436	0.14 399	0.10 331	0.11 211	0.11 299	0.08 453	0.05 259	0.09 525	0.08 499	0.06 311	0.11 602

LCNet	0.11 317	0.07 231	0.09 123	0.19 493	0.09 371	0.08 89	0.14 280	0.21 393	0.15 270	0.12 335	0.15 354	0.16 448	0.11 374	0.12 308	0.11 299	0.05 52	0.04 25	0.08 432	0.07 415	0.06 311	0.14 660

Patchmatch Stereo++	0.11 317	0.09 464	0.17 519	0.19 493	0.08 242	0.06 15	0.11 84	0.17 285	0.13 210	0.15 427	0.16 371	0.14 399	0.12 409	0.11 211	0.11 299	0.06 177	0.05 259	0.08 432	0.06 308	0.08 478	0.07 415
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
TransformOpticalFlow	0.10 268	0.08 375	0.13 362	0.18 413	0.07 136	0.09 155	0.15 370	0.19 350	0.16 308	0.12 335	0.16 371	0.11 320	0.11 374	0.11 211	0.11 299	0.05 52	0.04 25	0.06 213	0.06 308	0.05 174	0.05 204

NF-Stereo	0.11 317	0.07 231	0.13 362	0.17 312	0.09 371	0.10 218	0.13 201	0.23 442	0.19 395	0.12 335	0.17 391	0.12 346	0.12 409	0.11 211	0.11 299	0.06 177	0.04 25	0.07 335	0.06 308	0.07 402	0.12 624

OCTAStereo	0.11 317	0.07 231	0.14 412	0.17 312	0.09 371	0.10 218	0.13 201	0.23 442	0.19 395	0.12 335	0.17 391	0.12 346	0.12 409	0.11 211	0.11 299	0.06 177	0.04 25	0.07 335	0.06 308	0.07 402	0.11 602

PSM-softLoss	0.12 404	0.07 231	0.15 449	0.17 312	0.09 371	0.08 89	0.12 125	0.24 468	0.17 345	0.15 427	0.19 436	0.13 378	0.11 374	0.11 211	0.11 299	0.07 369	0.05 259	0.08 432	0.07 415	0.07 402	0.12 624

KMStereo	0.12 404	0.07 231	0.15 449	0.17 312	0.09 371	0.08 89	0.12 125	0.24 468	0.17 345	0.15 427	0.19 436	0.13 378	0.11 374	0.11 211	0.11 299	0.07 369	0.05 259	0.08 432	0.07 415	0.07 402	0.12 624

PSM-adaLoss	0.11 317	0.09 464	0.17 519	0.19 493	0.08 242	0.06 15	0.12 125	0.17 285	0.13 210	0.15 427	0.16 371	0.14 399	0.12 409	0.11 211	0.11 299	0.06 177	0.05 259	0.08 432	0.06 308	0.08 478	0.07 415

ROB_FTStereo_v2	0.11 317	0.09 464	0.17 519	0.19 493	0.08 242	0.06 15	0.12 125	0.17 285	0.13 210	0.15 427	0.16 371	0.14 399	0.12 409	0.11 211	0.11 299	0.06 177	0.05 259	0.08 432	0.06 308	0.08 478	0.07 415

ROB_FTStereo	0.11 317	0.09 464	0.17 519	0.19 493	0.08 242	0.06 15	0.11 84	0.17 285	0.13 210	0.15 427	0.16 371	0.14 399	0.12 409	0.11 211	0.11 299	0.06 177	0.05 259	0.08 432	0.06 308	0.08 478	0.07 415

KYRaft	0.12 404	0.07 231	0.10 190	0.19 493	0.09 371	0.08 89	0.15 370	0.23 442	0.12 165	0.13 371	0.16 371	0.20 511	0.10 331	0.12 308	0.11 299	0.06 177	0.04 25	0.08 432	0.08 499	0.06 311	0.15 674

HUI-Stereo	0.11 317	0.09 464	0.17 519	0.19 493	0.08 242	0.06 15	0.11 84	0.17 285	0.13 210	0.15 427	0.16 371	0.14 399	0.12 409	0.11 211	0.11 299	0.06 177	0.05 259	0.08 432	0.06 308	0.08 478	0.07 415

ASMatch	0.11 317	0.06 115	0.13 362	0.17 312	0.10 490	0.08 89	0.14 280	0.18 317	0.16 308	0.12 335	0.16 371	0.16 448	0.11 374	0.13 371	0.11 299	0.05 52	0.04 25	0.06 213	0.06 308	0.04 50	0.09 543

SST-Stereo	0.11 317	0.07 231	0.16 493	0.18 413	0.09 371	0.06 15	0.12 125	0.18 317	0.10 86	0.15 427	0.18 420	0.13 378	0.12 409	0.10 127	0.11 299	0.06 177	0.04 25	0.09 525	0.06 308	0.07 402	0.06 324

RAFT_R40	0.11 317	0.07 231	0.15 449	0.18 413	0.09 371	0.06 15	0.13 201	0.17 285	0.15 270	0.14 402	0.18 420	0.15 427	0.12 409	0.10 127	0.11 299	0.06 177	0.04 25	0.09 525	0.06 308	0.06 311	0.05 204

PFNet	0.12 404	0.06 115	0.17 519	0.18 413	0.08 242	0.09 155	0.15 370	0.26 505	0.20 420	0.16 457	0.16 371	0.14 399	0.12 409	0.13 371	0.11 299	0.06 177	0.04 25	0.07 335	0.06 308	0.05 174	0.05 204

GrayStereo	0.11 317	0.06 115	0.11 261	0.19 493	0.09 371	0.09 155	0.16 438	0.18 317	0.17 345	0.14 402	0.17 391	0.17 466	0.11 374	0.12 308	0.11 299	0.05 52	0.05 259	0.07 335	0.06 308	0.06 311	0.10 575

RE-Stereo	0.11 317	0.07 231	0.13 362	0.17 312	0.09 371	0.10 218	0.13 201	0.23 442	0.19 395	0.12 335	0.17 391	0.12 346	0.12 409	0.11 211	0.11 299	0.06 177	0.04 25	0.07 335	0.06 308	0.07 402	0.11 602

Pruner-Stereo	0.11 317	0.07 231	0.12 314	0.17 312	0.09 371	0.06 15	0.12 125	0.18 317	0.17 345	0.14 402	0.19 436	0.13 378	0.10 331	0.11 211	0.11 299	0.06 177	0.04 25	0.07 335	0.06 308	0.06 311	0.08 492

TVStereo	0.11 317	0.07 231	0.13 362	0.17 312	0.09 371	0.10 218	0.13 201	0.23 442	0.19 395	0.12 335	0.17 391	0.12 346	0.12 409	0.11 211	0.11 299	0.06 177	0.04 25	0.07 335	0.06 308	0.07 402	0.11 602

DeepStereo_RVC	0.11 317	0.08 375	0.17 519	0.18 413	0.08 242	0.08 89	0.11 84	0.17 285	0.12 165	0.13 371	0.15 354	0.12 346	0.12 409	0.12 308	0.11 299	0.06 177	0.04 25	0.07 335	0.06 308	0.07 402	0.08 492

iGMRVC	0.11 317	0.09 464	0.17 519	0.19 493	0.08 242	0.06 15	0.12 125	0.17 285	0.13 210	0.15 427	0.16 371	0.14 399	0.12 409	0.11 211	0.11 299	0.06 177	0.05 259	0.08 432	0.06 308	0.08 478	0.07 415

IRAFT_RVC	0.12 404	0.08 375	0.17 519	0.19 493	0.08 242	0.07 40	0.14 280	0.25 491	0.23 468	0.14 402	0.15 354	0.15 427	0.12 409	0.12 308	0.11 299	0.06 177	0.04 25	0.09 525	0.06 308	0.06 311	0.06 324

iRAFT	0.11 317	0.09 464	0.17 519	0.19 493	0.08 242	0.06 15	0.11 84	0.17 285	0.13 210	0.15 427	0.16 371	0.14 399	0.12 409	0.11 211	0.11 299	0.06 177	0.05 259	0.08 432	0.06 308	0.08 478	0.07 415

cross-raft	0.10 268	0.09 464	0.09 123	0.19 493	0.07 136	0.11 275	0.24 651	0.13 131	0.15 270	0.08 145	0.10 221	0.12 346	0.10 331	0.09 65	0.11 299	0.05 52	0.04 25	0.06 213	0.05 212	0.04 50	0.04 55

GMM-Stereo	0.11 317	0.07 231	0.10 190	0.18 413	0.09 371	0.08 89	0.14 280	0.24 468	0.16 308	0.11 295	0.15 354	0.13 378	0.11 374	0.11 211	0.11 299	0.05 52	0.04 25	0.08 432	0.07 415	0.06 311	0.09 543

RAFT-IKP	0.11 317	0.09 464	0.17 519	0.19 493	0.08 242	0.06 15	0.11 84	0.17 285	0.13 210	0.15 427	0.16 371	0.14 399	0.12 409	0.11 211	0.11 299	0.06 177	0.05 259	0.08 432	0.06 308	0.08 478	0.07 415

CREStereo++_RVC	0.08 89	0.04 1	0.07 13	0.13 18	0.07 136	0.09 155	0.12 125	0.14 165	0.14 240	0.10 252	0.14 337	0.08 204	0.07 188	0.10 127	0.11 299	0.06 177	0.04 25	0.05 61	0.05 212	0.04 50	0.04 55
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
sAnonymous2	0.13 435	0.12 580	0.25 623	0.20 560	0.12 586	0.18 529	0.14 280	0.27 520	0.21 436	0.11 295	0.12 297	0.13 378	0.08 249	0.11 211	0.11 299	0.09 520	0.05 259	0.08 432	0.06 308	0.15 670	0.10 575

CroCo_RVC	0.13 435	0.12 580	0.25 623	0.20 560	0.12 586	0.18 529	0.14 280	0.27 520	0.21 436	0.11 295	0.12 297	0.13 378	0.08 249	0.11 211	0.11 299	0.09 520	0.05 259	0.08 432	0.06 308	0.15 670	0.10 575

RALCasStereoNet	0.11 317	0.07 231	0.09 123	0.16 222	0.08 242	0.13 381	0.14 280	0.17 285	0.11 122	0.12 335	0.17 391	0.14 399	0.10 331	0.12 308	0.11 299	0.07 369	0.06 450	0.06 213	0.05 212	0.08 478	0.07 415

sCroCo_RVC	0.12 404	0.09 464	0.24 620	0.24 657	0.11 551	0.19 553	0.14 280	0.17 285	0.15 270	0.10 252	0.13 322	0.12 346	0.07 188	0.14 412	0.11 299	0.08 453	0.08 565	0.08 432	0.08 499	0.05 174	0.07 415

EAI-Stereo	0.09 186	0.07 231	0.11 261	0.16 222	0.07 136	0.10 218	0.15 370	0.16 246	0.09 58	0.08 145	0.09 184	0.08 204	0.07 188	0.09 65	0.11 299	0.05 52	0.05 259	0.05 61	0.05 212	0.05 174	0.04 55

SFCPSM	0.13 435	0.07 231	0.15 449	0.17 312	0.09 371	0.15 456	0.16 438	0.28 545	0.27 532	0.14 402	0.18 420	0.12 346	0.13 445	0.14 412	0.11 299	0.08 453	0.05 259	0.07 335	0.07 415	0.07 402	0.06 324

R-Stereo Train	0.10 268	0.06 115	0.11 261	0.17 312	0.08 242	0.11 275	0.14 280	0.24 468	0.11 122	0.12 335	0.19 436	0.11 320	0.08 249	0.10 127	0.11 299	0.07 369	0.05 259	0.06 213	0.05 212	0.05 174	0.05 204

RAFT-Stereo	0.10 268	0.06 115	0.11 261	0.17 312	0.08 242	0.11 275	0.14 280	0.24 468	0.11 122	0.12 335	0.19 436	0.11 320	0.08 249	0.10 127	0.11 299	0.07 369	0.05 259	0.06 213	0.05 212	0.05 174	0.05 204
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
SMOE	0.10 268	0.08 375	0.09 123	0.18 413	0.07 136	0.13 381	0.14 280	0.19 350	0.13 210	0.12 335	0.13 322	0.12 346	0.09 291	0.11 211	0.12 377	0.05 52	0.05 259	0.08 432	0.06 308	0.06 311	0.04 55

PhaseNet	0.09 186	0.06 115	0.10 190	0.15 124	0.08 242	0.10 218	0.14 280	0.20 370	0.12 165	0.07 83	0.08 141	0.09 251	0.10 331	0.13 371	0.12 377	0.06 177	0.04 25	0.06 213	0.06 308	0.05 174	0.05 204

TestStereo_HL2	0.11 317	0.06 115	0.12 314	0.12 7	0.08 242	0.13 381	0.14 280	0.20 370	0.18 366	0.13 371	0.21 466	0.12 346	0.11 374	0.13 371	0.12 377	0.07 369	0.05 259	0.05 61	0.05 212	0.07 402	0.07 415

GGDA	0.11 317	0.06 115	0.12 314	0.13 18	0.07 136	0.12 334	0.14 280	0.19 350	0.19 395	0.13 371	0.20 446	0.12 346	0.09 291	0.12 308	0.12 377	0.07 369	0.04 25	0.05 61	0.05 212	0.06 311	0.07 415

DNS	0.09 186	0.06 115	0.08 44	0.14 67	0.06 34	0.06 15	0.12 125	0.12 98	0.09 58	0.08 145	0.08 141	0.08 204	0.05 19	0.17 505	0.12 377	0.07 369	0.05 259	0.07 335	0.03 1	0.14 656	0.10 575

TS12	0.08 89	0.06 115	0.09 123	0.21 599	0.07 136	0.12 334	0.12 125	0.11 69	0.09 58	0.10 252	0.10 221	0.08 204	0.10 331	0.09 65	0.12 377	0.04 6	0.04 25	0.05 61	0.04 66	0.03 1	0.04 55

Selective-IGEV-i16pb	0.14 468	0.08 375	0.17 519	0.15 124	0.11 551	0.41 705	0.16 438	0.29 567	0.24 480	0.11 295	0.21 466	0.10 286	0.07 188	0.17 505	0.12 377	0.10 565	0.07 528	0.06 213	0.08 499	0.09 544	0.10 575

xyz-stereo-finetune	0.11 317	0.08 375	0.13 362	0.14 67	0.06 34	0.10 218	0.19 570	0.18 317	0.19 395	0.12 335	0.14 337	0.15 427	0.11 374	0.13 371	0.12 377	0.05 52	0.04 25	0.07 335	0.05 212	0.04 50	0.05 204

xyz-stereo	0.14 468	0.07 231	0.22 606	0.15 124	0.05 2	0.22 601	0.15 370	0.17 285	0.31 572	0.15 427	0.28 571	0.26 588	0.17 546	0.13 371	0.12 377	0.05 52	0.05 259	0.06 213	0.05 212	0.04 50	0.04 55

fffft	0.09 186	0.06 115	0.12 314	0.16 222	0.07 136	0.09 155	0.16 438	0.12 98	0.11 122	0.09 201	0.07 68	0.09 251	0.06 78	0.11 211	0.12 377	0.05 52	0.04 25	0.06 213	0.05 212	0.04 50	0.05 204
1: 1. 1
mms	0.09 186	0.07 231	0.08 44	0.17 312	0.08 242	0.11 275	0.15 370	0.12 98	0.11 122	0.09 201	0.09 184	0.08 204	0.06 78	0.11 211	0.12 377	0.05 52	0.04 25	0.07 335	0.05 212	0.04 50	0.04 55

ours_stereo	0.09 186	0.07 231	0.09 123	0.17 312	0.08 242	0.11 275	0.16 438	0.11 69	0.12 165	0.08 145	0.10 221	0.08 204	0.06 78	0.12 308	0.12 377	0.05 52	0.04 25	0.06 213	0.05 212	0.04 50	0.04 55

rvit_stereo_0081	0.11 317	0.08 375	0.16 493	0.16 222	0.09 371	0.11 275	0.14 280	0.14 165	0.24 480	0.11 295	0.13 322	0.14 399	0.09 291	0.11 211	0.12 377	0.10 565	0.07 528	0.08 432	0.07 415	0.07 402	0.06 324

rvit_stereo_0082	0.11 317	0.08 375	0.16 493	0.16 222	0.09 371	0.11 275	0.14 280	0.14 165	0.24 480	0.11 295	0.13 322	0.14 399	0.09 291	0.11 211	0.12 377	0.10 565	0.07 528	0.08 432	0.07 415	0.07 402	0.06 324

Former-RAFT_DAM_RVC	0.11 317	0.08 375	0.13 362	0.16 222	0.08 242	0.15 456	0.16 438	0.18 317	0.19 395	0.10 252	0.09 184	0.09 251	0.08 249	0.11 211	0.12 377	0.07 369	0.05 259	0.08 432	0.06 308	0.07 402	0.06 324

qqq1	0.14 468	0.07 231	0.18 554	0.14 67	0.08 242	0.17 511	0.17 472	0.27 520	0.27 532	0.19 522	0.20 446	0.19 494	0.15 499	0.15 436	0.12 377	0.08 453	0.05 259	0.05 61	0.05 212	0.06 311	0.06 324

fff1	0.14 468	0.07 231	0.18 554	0.14 67	0.08 242	0.17 511	0.17 472	0.27 520	0.27 532	0.19 522	0.20 446	0.19 494	0.15 499	0.15 436	0.12 377	0.08 453	0.05 259	0.05 61	0.05 212	0.06 311	0.06 324

plain	0.11 317	0.09 464	0.10 190	0.19 493	0.09 371	0.11 275	0.14 280	0.14 165	0.13 210	0.13 371	0.15 354	0.09 251	0.12 409	0.13 371	0.12 377	0.07 369	0.05 259	0.09 525	0.06 308	0.06 311	0.06 324

MIF-Stereo (partial)	0.11 317	0.06 115	0.10 190	0.19 493	0.10 490	0.10 218	0.12 125	0.17 285	0.19 395	0.14 402	0.16 371	0.10 286	0.11 374	0.12 308	0.12 377	0.08 453	0.05 259	0.08 432	0.07 415	0.06 311	0.07 415

EKT-Stereo	0.11 317	0.07 231	0.14 412	0.16 222	0.10 490	0.13 381	0.14 280	0.19 350	0.21 436	0.11 295	0.08 141	0.13 378	0.10 331	0.11 211	0.12 377	0.08 453	0.06 450	0.07 335	0.06 308	0.08 478	0.07 415

riskmin	0.11 317	0.06 115	0.13 362	0.14 67	0.08 242	0.14 431	0.14 280	0.18 317	0.15 270	0.12 335	0.15 354	0.17 466	0.11 374	0.14 412	0.12 377	0.09 520	0.05 259	0.07 335	0.05 212	0.08 478	0.08 492

ADStereo(finetuned)	0.10 268	0.06 115	0.13 362	0.16 222	0.06 34	0.09 155	0.17 472	0.16 246	0.20 420	0.13 371	0.18 420	0.10 286	0.12 409	0.12 308	0.12 377	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.05 204

raft_robust	0.13 435	0.10 533	0.07 13	0.18 413	0.08 242	0.13 381	0.24 651	0.29 567	0.34 595	0.20 544	0.20 446	0.15 427	0.10 331	0.11 211	0.12 377	0.05 52	0.05 259	0.07 335	0.07 415	0.05 174	0.04 55

RAFT+CT+SA	0.13 435	0.11 561	0.09 123	0.19 493	0.09 371	0.15 456	0.28 689	0.22 420	0.22 458	0.15 427	0.26 542	0.10 286	0.10 331	0.11 211	0.12 377	0.05 52	0.04 25	0.07 335	0.08 499	0.07 402	0.06 324

CIPLG	0.11 317	0.08 375	0.15 449	0.17 312	0.08 242	0.13 381	0.15 370	0.17 285	0.16 308	0.14 402	0.11 275	0.16 448	0.10 331	0.17 505	0.12 377	0.07 369	0.05 259	0.06 213	0.06 308	0.05 174	0.06 324

GLC_STEREO	0.11 317	0.07 231	0.11 261	0.18 413	0.07 136	0.08 89	0.13 201	0.16 246	0.24 480	0.12 335	0.13 322	0.12 346	0.08 249	0.18 528	0.12 377	0.06 177	0.08 565	0.08 432	0.06 308	0.05 174	0.05 204

IPLGR_C	0.11 317	0.08 375	0.15 449	0.17 312	0.08 242	0.12 334	0.15 370	0.17 285	0.15 270	0.14 402	0.11 275	0.16 448	0.10 331	0.16 465	0.12 377	0.07 369	0.05 259	0.06 213	0.06 308	0.05 174	0.06 324

IPLGR	0.11 317	0.09 464	0.17 519	0.18 413	0.08 242	0.13 381	0.16 438	0.21 393	0.24 480	0.12 335	0.12 297	0.11 320	0.09 291	0.13 371	0.12 377	0.06 177	0.05 259	0.06 213	0.06 308	0.05 174	0.04 55

ACRE	0.11 317	0.08 375	0.15 449	0.17 312	0.08 242	0.13 381	0.15 370	0.17 285	0.14 240	0.14 402	0.11 275	0.16 448	0.10 331	0.16 465	0.12 377	0.07 369	0.05 259	0.06 213	0.06 308	0.05 174	0.06 324

CrosDoStereo	0.12 404	0.07 231	0.12 314	0.14 67	0.09 371	0.12 334	0.15 370	0.17 285	0.22 458	0.19 522	0.24 501	0.15 427	0.11 374	0.11 211	0.12 377	0.06 177	0.05 259	0.07 335	0.07 415	0.05 174	0.05 204

STrans-v2	0.10 268	0.07 231	0.13 362	0.18 413	0.08 242	0.10 218	0.14 280	0.22 420	0.11 122	0.11 295	0.15 354	0.12 346	0.10 331	0.11 211	0.12 377	0.05 52	0.04 25	0.06 213	0.06 308	0.05 174	0.05 204

DeepStereo_LL	0.12 404	0.07 231	0.12 314	0.14 67	0.09 371	0.12 334	0.15 370	0.17 285	0.22 458	0.19 522	0.24 501	0.15 427	0.11 374	0.11 211	0.12 377	0.06 177	0.05 259	0.07 335	0.07 415	0.05 174	0.05 204

DRaft	0.12 404	0.06 115	0.12 314	0.14 67	0.09 371	0.14 431	0.17 472	0.21 393	0.30 562	0.18 504	0.27 560	0.10 286	0.16 520	0.11 211	0.12 377	0.05 52	0.04 25	0.07 335	0.07 415	0.05 174	0.05 204

RAFT-RH_RVC	0.12 404	0.06 115	0.14 412	0.16 222	0.09 371	0.12 334	0.12 125	0.17 285	0.12 165	0.13 371	0.40 656	0.11 320	0.10 331	0.13 371	0.12 377	0.05 52	0.04 25	0.08 432	0.05 212	0.05 174	0.06 324

RAFT-345	0.11 317	0.07 231	0.16 493	0.17 312	0.08 242	0.08 89	0.12 125	0.16 246	0.10 86	0.11 295	0.34 626	0.09 251	0.10 331	0.11 211	0.12 377	0.05 52	0.05 259	0.07 335	0.06 308	0.04 50	0.05 204

CRE-IMP	0.11 317	0.09 464	0.16 493	0.19 493	0.09 371	0.10 218	0.12 125	0.18 317	0.10 86	0.14 402	0.14 337	0.14 399	0.13 445	0.12 308	0.12 377	0.07 369	0.04 25	0.08 432	0.06 308	0.08 478	0.08 492

Anonymous3	0.16 540	0.14 623	0.34 666	0.26 677	0.14 632	0.27 655	0.18 523	0.28 545	0.28 548	0.15 427	0.17 391	0.14 399	0.11 374	0.16 465	0.12 377	0.08 453	0.08 565	0.08 432	0.08 499	0.08 478	0.11 602

s12784h	0.10 268	0.06 115	0.08 44	0.15 124	0.05 2	0.16 487	0.18 523	0.16 246	0.15 270	0.10 252	0.11 275	0.11 320	0.11 374	0.11 211	0.12 377	0.05 52	0.04 25	0.06 213	0.04 66	0.04 50	0.04 55

RALAANet	0.11 317	0.08 375	0.10 190	0.17 312	0.09 371	0.14 431	0.10 43	0.20 370	0.16 308	0.14 402	0.13 322	0.16 448	0.09 291	0.12 308	0.12 377	0.06 177	0.05 259	0.08 432	0.07 415	0.06 311	0.04 55

DCANet	0.10 268	0.06 115	0.12 314	0.16 222	0.06 34	0.09 155	0.17 472	0.16 246	0.20 420	0.13 371	0.18 420	0.10 286	0.11 374	0.11 211	0.12 377	0.06 177	0.04 25	0.05 61	0.04 66	0.05 174	0.05 204

RAFT + AFF	0.13 435	0.08 375	0.21 596	0.20 560	0.10 490	0.14 431	0.23 639	0.27 520	0.21 436	0.12 335	0.10 221	0.12 346	0.10 331	0.16 465	0.12 377	0.08 453	0.07 528	0.09 525	0.09 547	0.06 311	0.09 543

S	0.12 404	0.08 375	0.10 190	0.20 560	0.08 242	0.13 381	0.19 570	0.17 285	0.16 308	0.13 371	0.12 297	0.14 399	0.10 331	0.12 308	0.13 418	0.09 520	0.07 528	0.13 642	0.15 679	0.06 311	0.05 204

SME	0.12 404	0.09 464	0.11 261	0.17 312	0.07 136	0.20 574	0.13 201	0.21 393	0.17 345	0.12 335	0.13 322	0.10 286	0.12 409	0.13 371	0.13 418	0.07 369	0.07 528	0.08 432	0.09 547	0.06 311	0.06 324

ManiGeoR	0.10 268	0.05 35	0.12 314	0.12 7	0.08 242	0.12 334	0.12 125	0.24 468	0.14 240	0.13 371	0.14 337	0.12 346	0.09 291	0.13 371	0.13 418	0.07 369	0.05 259	0.05 61	0.05 212	0.07 402	0.07 415

HLF11	0.11 317	0.05 35	0.13 362	0.12 7	0.08 242	0.15 456	0.11 84	0.22 420	0.10 86	0.12 335	0.24 501	0.11 320	0.12 409	0.14 412	0.13 418	0.08 453	0.05 259	0.05 61	0.04 66	0.08 478	0.08 492

HLf10	0.10 268	0.05 35	0.12 314	0.12 7	0.08 242	0.12 334	0.12 125	0.24 468	0.14 240	0.13 371	0.14 337	0.12 346	0.09 291	0.13 371	0.13 418	0.07 369	0.05 259	0.05 61	0.05 212	0.07 402	0.07 415

HLf8	0.11 317	0.05 35	0.13 362	0.11 1	0.08 242	0.15 456	0.12 125	0.22 420	0.16 308	0.13 371	0.17 391	0.12 346	0.10 331	0.14 412	0.13 418	0.09 520	0.05 259	0.05 61	0.05 212	0.08 478	0.08 492

TestStereo_HLe17	0.10 268	0.05 35	0.12 314	0.13 18	0.07 136	0.11 275	0.14 280	0.21 393	0.15 270	0.11 295	0.14 337	0.11 320	0.09 291	0.13 371	0.13 418	0.07 369	0.04 25	0.05 61	0.05 212	0.07 402	0.06 324

TestStereo-Hl	0.11 317	0.06 115	0.11 261	0.14 67	0.08 242	0.15 456	0.14 280	0.20 370	0.18 366	0.13 371	0.17 391	0.12 346	0.11 374	0.14 412	0.13 418	0.06 177	0.04 25	0.05 61	0.05 212	0.06 311	0.06 324

Selective-IGEV-i1	0.13 435	0.07 231	0.12 314	0.20 560	0.08 242	0.18 529	0.16 438	0.23 442	0.30 562	0.17 471	0.17 391	0.17 466	0.10 331	0.15 436	0.13 418	0.06 177	0.05 259	0.06 213	0.05 212	0.06 311	0.06 324

FACV-RUCA	0.13 435	0.11 561	0.13 362	0.19 493	0.12 586	0.15 456	0.16 438	0.22 420	0.21 436	0.16 457	0.16 371	0.15 427	0.16 520	0.14 412	0.13 418	0.07 369	0.05 259	0.08 432	0.06 308	0.10 580	0.08 492

rvit_0105_6	0.14 468	0.09 464	0.18 554	0.17 312	0.10 490	0.10 218	0.17 472	0.19 350	0.26 519	0.12 335	0.18 420	0.17 466	0.13 445	0.18 528	0.13 418	0.15 670	0.11 641	0.12 628	0.10 588	0.09 544	0.06 324

rvit_0105_4	0.15 509	0.09 464	0.17 519	0.17 312	0.10 490	0.12 334	0.20 593	0.23 442	0.27 532	0.14 402	0.20 446	0.17 466	0.14 479	0.17 505	0.13 418	0.15 670	0.11 641	0.11 606	0.10 588	0.09 544	0.06 324

UGAM	0.13 435	0.10 533	0.09 123	0.22 624	0.08 242	0.13 381	0.20 593	0.18 317	0.24 480	0.22 577	0.16 371	0.13 378	0.13 445	0.19 554	0.13 418	0.07 369	0.05 259	0.13 642	0.11 620	0.07 402	0.05 204

rvit_stereo_0083	0.12 404	0.08 375	0.17 519	0.16 222	0.09 371	0.11 275	0.15 370	0.15 205	0.26 519	0.11 295	0.14 337	0.13 378	0.10 331	0.12 308	0.13 418	0.10 565	0.08 565	0.09 525	0.07 415	0.07 402	0.06 324

rvit_stereo_0075_2	0.17 563	0.12 580	0.25 623	0.23 645	0.16 665	0.13 381	0.10 43	0.30 582	0.27 532	0.20 544	0.28 571	0.22 539	0.15 499	0.18 528	0.13 418	0.16 687	0.10 626	0.17 681	0.10 588	0.10 580	0.10 575

rvit_stereo_ft	0.12 404	0.07 231	0.13 362	0.19 493	0.10 490	0.12 334	0.17 472	0.16 246	0.16 308	0.13 371	0.13 322	0.15 427	0.10 331	0.14 412	0.13 418	0.10 565	0.06 450	0.08 432	0.07 415	0.07 402	0.06 324

test_sample6	0.14 468	0.09 464	0.14 412	0.17 312	0.08 242	0.17 511	0.19 570	0.26 505	0.18 366	0.18 504	0.28 571	0.19 494	0.15 499	0.15 436	0.13 418	0.08 453	0.05 259	0.08 432	0.07 415	0.08 478	0.08 492

test_sample5	0.14 468	0.08 375	0.14 412	0.16 222	0.08 242	0.18 529	0.18 523	0.25 491	0.17 345	0.17 471	0.28 571	0.18 482	0.15 499	0.16 465	0.13 418	0.08 453	0.06 450	0.08 432	0.07 415	0.09 544	0.08 492

test_sample4	0.14 468	0.08 375	0.15 449	0.15 124	0.08 242	0.19 553	0.18 523	0.26 505	0.18 366	0.17 471	0.26 542	0.18 482	0.15 499	0.17 505	0.13 418	0.08 453	0.06 450	0.08 432	0.06 308	0.09 544	0.08 492

test_sample2	0.13 435	0.07 231	0.12 314	0.14 67	0.08 242	0.16 487	0.18 523	0.21 393	0.16 308	0.14 402	0.21 466	0.20 511	0.15 499	0.15 436	0.13 418	0.08 453	0.06 450	0.07 335	0.06 308	0.08 478	0.08 492

MyStereo05	0.13 435	0.07 231	0.10 190	0.17 312	0.09 371	0.13 381	0.18 523	0.28 545	0.35 609	0.17 471	0.14 337	0.15 427	0.11 374	0.15 436	0.13 418	0.06 177	0.05 259	0.08 432	0.07 415	0.06 311	0.06 324

MyStereo04	0.13 435	0.07 231	0.10 190	0.17 312	0.09 371	0.14 431	0.17 472	0.29 567	0.38 627	0.17 471	0.14 337	0.16 448	0.11 374	0.15 436	0.13 418	0.06 177	0.05 259	0.08 432	0.07 415	0.06 311	0.06 324

11t1	0.12 404	0.07 231	0.14 412	0.14 67	0.08 242	0.17 511	0.15 370	0.19 350	0.15 270	0.15 427	0.15 354	0.17 466	0.16 520	0.15 436	0.13 418	0.08 453	0.05 259	0.06 213	0.05 212	0.08 478	0.07 415

DualNet	0.14 468	0.08 375	0.14 412	0.16 222	0.08 242	0.18 529	0.18 523	0.25 491	0.17 345	0.18 504	0.28 571	0.18 482	0.15 499	0.16 465	0.13 418	0.08 453	0.06 450	0.08 432	0.07 415	0.09 544	0.08 492

MaDis-Stereo	0.09 186	0.09 464	0.08 44	0.17 312	0.09 371	0.14 431	0.11 84	0.16 246	0.16 308	0.09 201	0.11 275	0.06 50	0.06 78	0.09 65	0.13 418	0.07 369	0.06 450	0.08 432	0.05 212	0.05 174	0.04 55

TestStereo1	0.13 435	0.08 375	0.08 44	0.20 560	0.08 242	0.18 529	0.29 700	0.23 442	0.17 345	0.17 471	0.20 446	0.16 448	0.11 374	0.12 308	0.13 418	0.06 177	0.06 450	0.08 432	0.06 308	0.05 174	0.05 204

DCANet-4	0.11 317	0.07 231	0.13 362	0.16 222	0.06 34	0.09 155	0.17 472	0.18 317	0.20 420	0.13 371	0.17 391	0.09 251	0.14 479	0.12 308	0.13 418	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.05 204

fff	0.10 268	0.06 115	0.12 314	0.15 124	0.07 136	0.09 155	0.17 472	0.16 246	0.21 436	0.13 371	0.17 391	0.10 286	0.11 374	0.12 308	0.13 418	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.05 204

test_5	0.14 468	0.12 580	0.08 44	0.20 560	0.10 490	0.14 431	0.28 689	0.21 393	0.24 480	0.19 522	0.28 571	0.11 320	0.15 499	0.12 308	0.13 418	0.06 177	0.05 259	0.07 335	0.08 499	0.08 478	0.07 415

hknet	0.15 509	0.11 561	0.14 412	0.22 624	0.11 551	0.15 456	0.15 370	0.34 635	0.26 519	0.17 471	0.23 489	0.22 539	0.18 562	0.17 505	0.13 418	0.07 369	0.06 450	0.10 575	0.09 547	0.07 402	0.07 415

SA-5K	0.13 435	0.08 375	0.08 44	0.20 560	0.08 242	0.18 529	0.29 700	0.23 442	0.17 345	0.17 471	0.20 446	0.16 448	0.11 374	0.12 308	0.13 418	0.06 177	0.06 450	0.08 432	0.06 308	0.05 174	0.05 204

DAS	0.15 509	0.08 375	0.18 554	0.19 493	0.10 490	0.19 553	0.17 472	0.28 545	0.30 562	0.18 504	0.26 542	0.21 521	0.16 520	0.16 465	0.13 418	0.08 453	0.06 450	0.06 213	0.06 308	0.07 402	0.07 415

SepStereo	0.15 509	0.08 375	0.18 554	0.19 493	0.10 490	0.19 553	0.17 472	0.28 545	0.30 562	0.18 504	0.26 542	0.21 521	0.16 520	0.26 640	0.13 418	0.08 453	0.06 450	0.06 213	0.06 308	0.07 402	0.07 415

MIPNet	0.11 317	0.08 375	0.15 449	0.17 312	0.09 371	0.12 334	0.14 280	0.21 393	0.25 505	0.12 335	0.10 221	0.09 251	0.07 188	0.13 371	0.13 418	0.06 177	0.04 25	0.06 213	0.05 212	0.04 50	0.04 55

OMP-Stereo	0.11 317	0.07 231	0.14 412	0.18 413	0.08 242	0.09 155	0.12 125	0.21 393	0.21 436	0.13 371	0.14 337	0.11 320	0.12 409	0.11 211	0.13 418	0.06 177	0.05 259	0.07 335	0.06 308	0.05 174	0.04 55

IIG-Stereo	0.11 317	0.06 115	0.13 362	0.17 312	0.08 242	0.11 275	0.12 125	0.22 420	0.18 366	0.14 402	0.17 391	0.12 346	0.13 445	0.12 308	0.13 418	0.06 177	0.05 259	0.07 335	0.06 308	0.06 311	0.05 204

rafts_anoy	0.11 317	0.06 115	0.10 190	0.17 312	0.08 242	0.10 218	0.14 280	0.18 317	0.14 240	0.13 371	0.13 322	0.12 346	0.11 374	0.11 211	0.13 418	0.07 369	0.05 259	0.09 525	0.11 620	0.07 402	0.06 324

raft+_RVC	0.11 317	0.07 231	0.09 123	0.16 222	0.07 136	0.10 218	0.11 84	0.24 468	0.20 420	0.12 335	0.15 354	0.12 346	0.08 249	0.12 308	0.13 418	0.07 369	0.04 25	0.07 335	0.06 308	0.05 174	0.05 204

HCRNet	0.16 540	0.23 691	0.12 314	0.35 716	0.11 551	0.15 456	0.17 472	0.26 505	0.22 458	0.19 522	0.24 501	0.21 521	0.14 479	0.15 436	0.13 418	0.11 600	0.07 528	0.11 606	0.10 588	0.09 544	0.07 415

csc	0.10 268	0.06 115	0.12 314	0.15 124	0.07 136	0.09 155	0.17 472	0.16 246	0.21 436	0.13 371	0.17 391	0.10 286	0.11 374	0.12 308	0.13 418	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.05 204

cscssc	0.10 268	0.06 115	0.12 314	0.15 124	0.07 136	0.09 155	0.17 472	0.16 246	0.21 436	0.13 371	0.17 391	0.10 286	0.11 374	0.12 308	0.13 418	0.06 177	0.04 25	0.05 61	0.04 66	0.04 50	0.05 204

ARAFT	0.12 404	0.08 375	0.18 554	0.19 493	0.09 371	0.15 456	0.17 472	0.20 370	0.13 210	0.12 335	0.13 322	0.14 399	0.12 409	0.15 436	0.13 418	0.06 177	0.05 259	0.10 575	0.09 547	0.06 311	0.04 55

GMStereo	0.13 435	0.15 630	0.14 412	0.18 413	0.09 371	0.16 487	0.16 438	0.20 370	0.25 505	0.17 471	0.17 391	0.11 320	0.11 374	0.16 465	0.13 418	0.07 369	0.06 450	0.06 213	0.06 308	0.07 402	0.06 324
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HSM-Net_RVC	0.14 468	0.08 375	0.12 314	0.15 124	0.08 242	0.16 487	0.15 370	0.27 520	0.29 556	0.20 544	0.21 466	0.29 614	0.14 479	0.18 528	0.13 418	0.06 177	0.06 450	0.06 213	0.06 308	0.07 402	0.06 324
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MWSP-net	0.15 509	0.08 375	0.18 554	0.17 312	0.10 490	0.17 511	0.23 639	0.29 567	0.32 578	0.18 504	0.20 446	0.17 466	0.13 445	0.18 528	0.14 462	0.08 453	0.06 450	0.07 335	0.08 499	0.07 402	0.08 492

IGEV_i1	0.12 404	0.08 375	0.12 314	0.17 312	0.08 242	0.19 553	0.15 370	0.19 350	0.23 468	0.18 504	0.18 420	0.16 448	0.12 409	0.17 505	0.14 462	0.06 177	0.05 259	0.06 213	0.05 212	0.06 311	0.06 324

LiteMatch	0.09 186	0.06 115	0.10 190	0.16 222	0.07 136	0.10 218	0.15 370	0.13 131	0.08 27	0.06 28	0.07 68	0.06 50	0.16 520	0.10 127	0.14 462	0.07 369	0.04 25	0.06 213	0.06 308	0.06 311	0.06 324

Lsterematch	0.11 317	0.06 115	0.11 261	0.16 222	0.07 136	0.13 381	0.15 370	0.14 165	0.18 366	0.16 457	0.18 420	0.15 427	0.16 520	0.13 371	0.14 462	0.07 369	0.04 25	0.06 213	0.06 308	0.06 311	0.06 324

DStereoRT	0.17 563	0.07 231	0.12 314	0.19 493	0.09 371	0.13 381	0.12 125	0.28 545	0.23 468	0.12 335	0.20 446	0.11 320	0.10 331	0.15 436	0.14 462	0.06 177	0.05 259	1.02 756	0.09 547	0.05 174	0.04 55

rvit_0105_5	0.14 468	0.10 533	0.14 412	0.17 312	0.09 371	0.14 431	0.23 639	0.24 468	0.27 532	0.14 402	0.15 354	0.18 482	0.13 445	0.17 505	0.14 462	0.14 666	0.11 641	0.10 575	0.11 620	0.08 478	0.07 415

rvit_0105_3	0.16 540	0.10 533	0.15 449	0.20 560	0.12 586	0.15 456	0.26 678	0.25 491	0.30 562	0.15 427	0.17 391	0.21 521	0.14 479	0.18 528	0.14 462	0.14 666	0.11 641	0.12 628	0.14 662	0.07 402	0.07 415

DCVSM-stereo	0.15 509	0.09 464	0.16 493	0.16 222	0.10 490	0.15 456	0.09 27	0.20 370	0.24 480	0.20 544	0.24 501	0.26 588	0.15 499	0.19 554	0.14 462	0.09 520	0.07 528	0.09 525	0.08 499	0.10 580	0.12 624

GCST	0.37 701	0.42 728	0.27 634	1.03 754	0.39 729	0.18 529	0.08 9	0.21 393	0.18 366	0.28 643	0.25 528	0.15 427	0.12 409	0.16 465	0.14 462	0.64 750	0.43 744	0.75 746	0.65 749	0.64 743	0.46 741

test_sample3	0.14 468	0.08 375	0.15 449	0.14 67	0.09 371	0.20 574	0.17 472	0.27 520	0.18 366	0.17 471	0.22 484	0.19 494	0.15 499	0.17 505	0.14 462	0.09 520	0.06 450	0.07 335	0.06 308	0.09 544	0.08 492

GMStereo_Zeroshot	0.16 540	0.13 607	0.25 623	0.20 560	0.10 490	0.17 511	0.13 201	0.30 582	0.25 505	0.23 592	0.32 608	0.25 578	0.11 374	0.19 554	0.14 462	0.09 520	0.06 450	0.11 606	0.06 308	0.12 622	0.08 492

PCWNet_CMD	0.14 468	0.08 375	0.15 449	0.17 312	0.09 371	0.14 431	0.14 280	0.29 567	0.36 614	0.14 402	0.20 446	0.21 521	0.13 445	0.17 505	0.14 462	0.07 369	0.05 259	0.07 335	0.07 415	0.07 402	0.07 415

CASS	0.14 468	0.12 580	0.12 314	0.23 645	0.09 371	0.15 456	0.17 472	0.19 350	0.20 420	0.17 471	0.18 420	0.15 427	0.15 499	0.15 436	0.14 462	0.09 520	0.06 450	0.10 575	0.08 499	0.09 544	0.07 415
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 435	0.07 231	0.14 412	0.18 413	0.09 371	0.13 381	0.17 472	0.20 370	0.29 556	0.15 427	0.24 501	0.16 448	0.14 479	0.14 412	0.14 462	0.07 369	0.05 259	0.07 335	0.09 547	0.05 174	0.07 415

BUS	0.15 509	0.09 464	0.14 412	0.22 624	0.10 490	0.20 574	0.14 280	0.34 635	0.20 420	0.17 471	0.23 489	0.16 448	0.14 479	0.16 465	0.14 462	0.08 453	0.06 450	0.10 575	0.09 547	0.07 402	0.07 415

IER	0.14 468	0.08 375	0.13 362	0.17 312	0.09 371	0.14 431	0.16 438	0.26 505	0.27 532	0.18 504	0.26 542	0.17 466	0.20 595	0.17 505	0.14 462	0.08 453	0.05 259	0.07 335	0.06 308	0.08 478	0.07 415

NINENet	0.16 540	0.10 533	0.16 493	0.17 312	0.11 551	0.20 574	0.14 280	0.41 687	0.37 621	0.18 504	0.21 466	0.16 448	0.14 479	0.16 465	0.14 462	0.08 453	0.08 565	0.10 575	0.07 415	0.10 580	0.09 543

BSDual-CNN	0.15 509	0.09 464	0.14 412	0.22 624	0.10 490	0.15 456	0.15 370	0.34 635	0.20 420	0.17 471	0.23 489	0.25 578	0.16 520	0.16 465	0.14 462	0.08 453	0.06 450	0.10 575	0.09 547	0.07 402	0.07 415

psmg	0.14 468	0.09 464	0.14 412	0.17 312	0.10 490	0.15 456	0.17 472	0.29 567	0.20 420	0.17 471	0.21 466	0.25 578	0.16 520	0.16 465	0.14 462	0.08 453	0.07 528	0.08 432	0.08 499	0.07 402	0.07 415

UDGNet	0.14 468	0.13 607	0.17 519	0.18 413	0.10 490	0.12 334	0.16 438	0.21 393	0.27 532	0.20 544	0.20 446	0.17 466	0.13 445	0.16 465	0.14 462	0.10 565	0.06 450	0.09 525	0.07 415	0.07 402	0.07 415

IPLG	0.11 317	0.08 375	0.15 449	0.17 312	0.08 242	0.11 275	0.14 280	0.20 370	0.15 270	0.13 371	0.18 420	0.07 143	0.07 188	0.14 412	0.14 462	0.06 177	0.04 25	0.06 213	0.05 212	0.04 50	0.04 55

GANet-ADL	0.13 435	0.07 231	0.15 449	0.17 312	0.10 490	0.19 553	0.15 370	0.30 582	0.21 436	0.13 371	0.18 420	0.19 494	0.13 445	0.16 465	0.14 462	0.08 453	0.06 450	0.06 213	0.05 212	0.07 402	0.08 492

AAGNet	0.12 404	0.08 375	0.17 519	0.19 493	0.09 371	0.08 89	0.13 201	0.19 350	0.13 210	0.16 457	0.21 466	0.13 378	0.14 479	0.11 211	0.14 462	0.06 177	0.04 25	0.09 525	0.06 308	0.06 311	0.05 204

FTStereo	0.12 404	0.07 231	0.14 412	0.18 413	0.09 371	0.07 40	0.15 370	0.22 420	0.18 366	0.12 335	0.24 501	0.11 320	0.13 445	0.13 371	0.14 462	0.05 52	0.05 259	0.07 335	0.07 415	0.06 311	0.10 575

DEmStereo	0.12 404	0.06 115	0.14 412	0.14 67	0.10 490	0.16 487	0.15 370	0.16 246	0.24 480	0.17 471	0.23 489	0.12 346	0.14 479	0.12 308	0.14 462	0.05 52	0.04 25	0.07 335	0.06 308	0.05 174	0.05 204

THIR-Stereo	0.12 404	0.07 231	0.11 261	0.15 124	0.08 242	0.14 431	0.16 438	0.18 317	0.25 505	0.17 471	0.24 501	0.13 378	0.13 445	0.12 308	0.14 462	0.06 177	0.05 259	0.07 335	0.07 415	0.05 174	0.05 204

TestStereo	0.14 468	0.15 630	0.11 261	0.23 645	0.08 242	0.15 456	0.21 611	0.20 370	0.23 468	0.14 402	0.25 528	0.16 448	0.13 445	0.16 465	0.14 462	0.06 177	0.06 450	0.08 432	0.06 308	0.09 544	0.05 204

CFNet_pseudo	0.14 468	0.08 375	0.16 493	0.16 222	0.09 371	0.13 381	0.14 280	0.27 520	0.34 595	0.15 427	0.21 466	0.22 539	0.13 445	0.18 528	0.14 462	0.07 369	0.05 259	0.08 432	0.06 308	0.07 402	0.07 415

GES	0.14 468	0.08 375	0.16 493	0.15 124	0.10 490	0.13 381	0.13 201	0.28 545	0.26 519	0.17 471	0.24 501	0.19 494	0.14 479	0.16 465	0.14 462	0.08 453	0.08 565	0.07 335	0.06 308	0.08 478	0.09 543

PSMNet-RSSM	0.14 468	0.07 231	0.14 412	0.15 124	0.08 242	0.13 381	0.16 438	0.25 491	0.24 480	0.17 471	0.28 571	0.23 556	0.14 479	0.16 465	0.14 462	0.11 600	0.06 450	0.09 525	0.12 644	0.08 478	0.07 415

CCAANet	0.15 509	0.06 115	0.15 449	0.17 312	0.09 371	0.17 511	0.13 201	0.31 600	0.25 505	0.16 457	0.32 608	0.18 482	0.18 562	0.17 505	0.14 462	0.06 177	0.05 259	0.09 525	0.09 547	0.06 311	0.09 543

DIP-Stereo	0.11 317	0.08 375	0.15 449	0.17 312	0.09 371	0.13 381	0.09 27	0.16 246	0.16 308	0.12 335	0.16 371	0.14 399	0.12 409	0.16 465	0.14 462	0.06 177	0.05 259	0.06 213	0.05 212	0.05 174	0.07 415
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.14 468	0.08 375	0.15 449	0.17 312	0.09 371	0.14 431	0.14 280	0.29 567	0.36 614	0.14 402	0.20 446	0.21 521	0.13 445	0.18 528	0.14 462	0.07 369	0.05 259	0.07 335	0.07 415	0.07 402	0.07 415

ccs_rob	0.14 468	0.09 464	0.16 493	0.16 222	0.09 371	0.13 381	0.14 280	0.27 520	0.34 595	0.15 427	0.21 466	0.22 539	0.13 445	0.18 528	0.14 462	0.07 369	0.05 259	0.08 432	0.07 415	0.07 402	0.07 415

HITNet	0.11 317	0.06 115	0.12 314	0.14 67	0.06 34	0.12 334	0.10 43	0.18 317	0.18 366	0.13 371	0.17 391	0.15 427	0.11 374	0.15 436	0.14 462	0.06 177	0.04 25	0.04 1	0.04 66	0.06 311	0.05 204
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
iResNetv2_ROB	0.15 509	0.08 375	0.16 493	0.16 222	0.08 242	0.16 487	0.13 201	0.26 505	0.36 614	0.21 561	0.29 586	0.24 565	0.13 445	0.14 412	0.14 462	0.06 177	0.06 450	0.06 213	0.04 66	0.09 544	0.08 492

MLCV	0.13 435	0.08 375	0.17 519	0.18 413	0.06 34	0.16 487	0.17 472	0.19 350	0.22 458	0.19 522	0.25 528	0.17 466	0.13 445	0.15 436	0.14 462	0.05 52	0.04 25	0.05 61	0.04 66	0.05 174	0.04 55

iResNet_ROB	0.14 468	0.07 231	0.13 362	0.15 124	0.07 136	0.19 553	0.14 280	0.26 505	0.32 578	0.23 592	0.26 542	0.23 556	0.16 520	0.15 436	0.14 462	0.07 369	0.05 259	0.05 61	0.04 66	0.08 478	0.08 492

DN-CSS_ROB	0.13 435	0.13 607	0.17 519	0.18 413	0.10 490	0.16 487	0.08 9	0.22 420	0.19 395	0.17 471	0.23 489	0.13 378	0.13 445	0.13 371	0.14 462	0.05 52	0.05 259	0.10 575	0.10 588	0.08 478	0.06 324

MWDA-net	0.15 509	0.08 375	0.16 493	0.16 222	0.10 490	0.20 574	0.22 625	0.26 505	0.36 614	0.18 504	0.25 528	0.18 482	0.17 546	0.17 505	0.15 501	0.08 453	0.05 259	0.08 432	0.07 415	0.08 478	0.07 415

DNSM	0.09 186	0.05 35	0.08 44	0.14 67	0.06 34	0.07 40	0.12 125	0.12 98	0.11 122	0.09 201	0.09 184	0.08 204	0.05 19	0.19 554	0.15 501	0.07 369	0.05 259	0.05 61	0.04 66	0.14 656	0.12 624

DFGA-Net	0.13 435	0.11 561	0.19 580	0.18 413	0.10 490	0.13 381	0.13 201	0.23 442	0.25 505	0.16 457	0.16 371	0.13 378	0.12 409	0.17 505	0.15 501	0.07 369	0.05 259	0.08 432	0.07 415	0.05 174	0.05 204

test_sample1	0.13 435	0.07 231	0.14 412	0.14 67	0.08 242	0.19 553	0.17 472	0.20 370	0.15 270	0.14 402	0.22 484	0.18 482	0.16 520	0.17 505	0.15 501	0.07 369	0.06 450	0.06 213	0.06 308	0.08 478	0.08 492

CFNet_ucs	0.15 509	0.09 464	0.17 519	0.16 222	0.11 551	0.14 431	0.14 280	0.30 582	0.34 595	0.16 457	0.24 501	0.23 556	0.14 479	0.18 528	0.15 501	0.09 520	0.06 450	0.08 432	0.07 415	0.09 544	0.09 543

SDNR	0.20 600	0.09 464	0.19 580	0.16 222	0.12 586	0.79 738	0.13 201	0.26 505	0.33 584	0.19 522	0.25 528	0.19 494	0.12 409	0.19 554	0.15 501	0.16 687	0.18 708	0.14 657	0.11 620	0.08 478	0.12 624

gwcnet-sp	0.14 468	0.07 231	0.13 362	0.18 413	0.09 371	0.16 487	0.18 523	0.24 468	0.24 480	0.19 522	0.24 501	0.15 427	0.16 520	0.16 465	0.15 501	0.08 453	0.07 528	0.07 335	0.08 499	0.08 478	0.07 415

scenet	0.14 468	0.07 231	0.13 362	0.18 413	0.09 371	0.16 487	0.18 523	0.24 468	0.24 480	0.19 522	0.24 501	0.15 427	0.16 520	0.16 465	0.15 501	0.08 453	0.07 528	0.07 335	0.08 499	0.08 478	0.07 415

ssnet	0.14 468	0.07 231	0.13 362	0.18 413	0.09 371	0.16 487	0.18 523	0.24 468	0.24 480	0.19 522	0.24 501	0.15 427	0.16 520	0.16 465	0.15 501	0.08 453	0.07 528	0.07 335	0.08 499	0.08 478	0.07 415

GwcNet-ADL	0.13 435	0.08 375	0.14 412	0.20 560	0.09 371	0.12 334	0.20 593	0.30 582	0.25 505	0.14 402	0.14 337	0.18 482	0.14 479	0.13 371	0.15 501	0.07 369	0.05 259	0.06 213	0.05 212	0.07 402	0.06 324

ICVP	0.16 540	0.09 464	0.12 314	0.22 624	0.09 371	0.18 529	0.21 611	0.26 505	0.24 480	0.18 504	0.30 592	0.27 595	0.18 562	0.18 528	0.15 501	0.10 565	0.07 528	0.08 432	0.07 415	0.07 402	0.08 492
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FENet	0.13 435	0.08 375	0.13 362	0.16 222	0.08 242	0.15 456	0.16 438	0.23 442	0.23 468	0.17 471	0.24 501	0.16 448	0.13 445	0.14 412	0.15 501	0.08 453	0.05 259	0.08 432	0.08 499	0.08 478	0.08 492

cf-r	0.14 468	0.07 231	0.13 362	0.16 222	0.08 242	0.14 431	0.19 570	0.21 393	0.25 505	0.17 471	0.26 542	0.22 539	0.17 546	0.14 412	0.15 501	0.10 565	0.05 259	0.06 213	0.08 499	0.06 311	0.06 324

CFNet-ft	0.14 468	0.07 231	0.15 449	0.12 7	0.09 371	0.17 511	0.18 523	0.22 420	0.24 480	0.17 471	0.26 542	0.24 565	0.14 479	0.16 465	0.15 501	0.11 600	0.06 450	0.08 432	0.09 547	0.09 544	0.08 492

BEATNet_4x	0.12 404	0.09 464	0.15 449	0.18 413	0.07 136	0.15 456	0.07 5	0.23 442	0.19 395	0.16 457	0.19 436	0.19 494	0.14 479	0.17 505	0.15 501	0.07 369	0.05 259	0.05 61	0.05 212	0.06 311	0.07 415

CFNet	0.15 509	0.11 561	0.17 519	0.17 312	0.08 242	0.19 553	0.10 43	0.29 567	0.26 519	0.19 522	0.24 501	0.24 565	0.18 562	0.18 528	0.15 501	0.08 453	0.06 450	0.09 525	0.10 588	0.08 478	0.07 415

CFNet_RVC	0.14 468	0.07 231	0.15 449	0.12 7	0.09 371	0.17 511	0.18 523	0.22 420	0.24 480	0.17 471	0.26 542	0.24 565	0.14 479	0.16 465	0.15 501	0.11 600	0.06 450	0.08 432	0.09 547	0.09 544	0.08 492

UCFNet_RVC	0.15 509	0.08 375	0.13 362	0.11 1	0.10 490	0.20 574	0.10 43	0.24 468	0.23 468	0.17 471	0.21 466	0.24 565	0.15 499	0.18 528	0.15 501	0.12 626	0.07 528	0.11 606	0.13 656	0.11 602	0.10 575

AdaStereo	0.15 509	0.11 561	0.16 493	0.19 493	0.09 371	0.21 587	0.11 84	0.33 620	0.28 548	0.21 561	0.23 489	0.21 521	0.13 445	0.19 554	0.15 501	0.13 645	0.05 259	0.10 575	0.07 415	0.09 544	0.07 415
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.
HSM	0.15 509	0.09 464	0.15 449	0.16 222	0.09 371	0.16 487	0.14 280	0.28 545	0.25 505	0.20 544	0.24 501	0.37 668	0.17 546	0.20 573	0.15 501	0.07 369	0.05 259	0.07 335	0.06 308	0.07 402	0.06 324

iResNet	0.13 435	0.10 533	0.18 554	0.19 493	0.08 242	0.14 431	0.18 523	0.21 393	0.27 532	0.16 457	0.24 501	0.15 427	0.13 445	0.14 412	0.15 501	0.06 177	0.04 25	0.06 213	0.05 212	0.06 311	0.05 204

MEA-ACV	0.16 540	0.08 375	0.18 554	0.16 222	0.11 551	0.19 553	0.20 593	0.30 582	0.39 633	0.21 561	0.30 592	0.14 399	0.19 581	0.17 505	0.16 522	0.08 453	0.07 528	0.09 525	0.11 620	0.07 402	0.07 415

G2L-ROB	0.13 435	0.07 231	0.13 362	0.13 18	0.08 242	0.14 431	0.17 472	0.25 491	0.19 395	0.20 544	0.19 436	0.20 511	0.14 479	0.18 528	0.16 522	0.08 453	0.05 259	0.06 213	0.05 212	0.08 478	0.09 543

DDVS	0.16 540	0.10 533	0.22 606	0.16 222	0.12 586	0.15 456	0.14 280	0.25 491	0.19 395	0.18 504	0.30 592	0.27 595	0.13 445	0.20 573	0.16 522	0.09 520	0.06 450	0.09 525	0.07 415	0.11 602	0.11 602

ITSA-stereo	0.16 540	0.11 561	0.14 412	0.19 493	0.08 242	0.13 381	0.14 280	0.30 582	0.49 679	0.17 471	0.18 420	0.22 539	0.15 499	0.17 505	0.16 522	0.10 565	0.06 450	0.08 432	0.08 499	0.08 478	0.09 543

DualNet (step1)	0.17 563	0.12 580	0.21 596	0.13 18	0.14 632	0.18 529	0.14 280	0.28 545	0.24 480	0.21 561	0.21 466	0.24 565	0.20 595	0.16 465	0.16 522	0.15 670	0.06 450	0.14 657	0.14 662	0.15 670	0.13 642

test_sample7	0.16 540	0.10 533	0.16 493	0.14 67	0.12 586	0.16 487	0.17 472	0.28 545	0.24 480	0.21 561	0.21 466	0.24 565	0.20 595	0.16 465	0.16 522	0.12 626	0.06 450	0.10 575	0.09 547	0.11 602	0.10 575

DispNO	0.15 509	0.09 464	0.18 554	0.19 493	0.12 586	0.11 275	0.21 611	0.23 442	0.29 556	0.18 504	0.23 489	0.19 494	0.17 546	0.16 465	0.16 522	0.07 369	0.05 259	0.08 432	0.08 499	0.07 402	0.06 324

1test111	0.11 317	0.08 375	0.13 362	0.17 312	0.09 371	0.13 381	0.15 370	0.24 468	0.16 308	0.09 201	0.09 184	0.06 50	0.06 78	0.15 436	0.16 522	0.06 177	0.05 259	0.06 213	0.05 212	0.07 402	0.07 415

qqq	0.13 435	0.09 464	0.15 449	0.16 222	0.08 242	0.13 381	0.15 370	0.24 468	0.16 308	0.15 427	0.19 436	0.16 448	0.16 520	0.15 436	0.16 522	0.07 369	0.06 450	0.08 432	0.08 499	0.07 402	0.07 415

iRaft-Stereo_5w	0.12 404	0.09 464	0.12 314	0.20 560	0.08 242	0.09 155	0.12 125	0.22 420	0.22 458	0.19 522	0.14 337	0.11 320	0.09 291	0.20 573	0.16 522	0.05 52	0.05 259	0.07 335	0.06 308	0.05 174	0.06 324

GEStereo_RVC	0.17 563	0.12 580	0.16 493	0.22 624	0.11 551	0.19 553	0.18 523	0.32 606	0.49 679	0.20 544	0.25 528	0.17 466	0.13 445	0.21 592	0.16 522	0.10 565	0.06 450	0.08 432	0.07 415	0.09 544	0.08 492

GANet-RSSM	0.14 468	0.07 231	0.13 362	0.13 18	0.08 242	0.14 431	0.18 523	0.23 442	0.21 436	0.17 471	0.25 528	0.24 565	0.16 520	0.16 465	0.16 522	0.10 565	0.06 450	0.07 335	0.08 499	0.08 478	0.07 415

GwcNet-RSSM	0.14 468	0.07 231	0.12 314	0.16 222	0.08 242	0.15 456	0.20 593	0.22 420	0.28 548	0.18 504	0.28 571	0.23 556	0.17 546	0.15 436	0.16 522	0.10 565	0.06 450	0.07 335	0.09 547	0.07 402	0.07 415

FADNet-RVC-Resample	0.17 563	0.12 580	0.32 659	0.22 624	0.12 586	0.19 553	0.14 280	0.25 491	0.24 480	0.24 605	0.27 560	0.20 511	0.15 499	0.17 505	0.16 522	0.07 369	0.08 565	0.12 628	0.10 588	0.09 544	0.11 602

FADNet	0.21 615	0.23 691	0.37 675	0.18 413	0.17 677	0.25 633	0.13 201	0.32 606	0.32 578	0.23 592	0.25 528	0.27 595	0.21 603	0.19 554	0.16 522	0.13 645	0.15 689	0.12 628	0.15 679	0.17 691	0.18 700

DeepPruner_ROB	0.16 540	0.11 561	0.16 493	0.17 312	0.10 490	0.17 511	0.15 370	0.32 606	0.21 436	0.19 522	0.21 466	0.22 539	0.19 581	0.21 592	0.16 522	0.13 645	0.09 602	0.09 525	0.10 588	0.11 602	0.11 602

CBMV_ROB	0.19 591	0.13 607	0.18 554	0.16 222	0.11 551	0.16 487	0.12 125	0.27 520	0.29 556	0.27 630	0.31 598	0.27 595	0.24 625	0.24 630	0.16 522	0.15 670	0.18 708	0.22 704	0.20 702	0.10 580	0.12 624

NOSS_ROB	0.19 591	0.13 607	0.18 554	0.16 222	0.12 586	0.16 487	0.12 125	0.30 582	0.33 584	0.20 544	0.22 484	0.27 595	0.24 625	0.21 592	0.16 522	0.16 687	0.18 708	0.23 706	0.21 707	0.13 638	0.13 642

ACV-stereo	0.15 509	0.10 533	0.29 646	0.18 413	0.12 586	0.15 456	0.13 201	0.23 442	0.21 436	0.19 522	0.23 489	0.22 539	0.15 499	0.23 618	0.17 540	0.08 453	0.07 528	0.07 335	0.07 415	0.08 478	0.07 415

SMFormer	0.14 468	0.07 231	0.18 554	0.14 67	0.08 242	0.17 511	0.17 472	0.27 520	0.27 532	0.19 522	0.20 446	0.19 494	0.15 499	0.15 436	0.17 540	0.08 453	0.05 259	0.07 335	0.06 308	0.08 478	0.07 415

tta	0.14 468	0.07 231	0.18 554	0.14 67	0.08 242	0.17 511	0.17 472	0.27 520	0.27 532	0.19 522	0.20 446	0.19 494	0.15 499	0.15 436	0.17 540	0.08 453	0.05 259	0.07 335	0.06 308	0.06 311	0.06 324

mmm	0.14 468	0.08 375	0.18 554	0.17 312	0.09 371	0.17 511	0.18 523	0.21 393	0.16 308	0.16 457	0.23 489	0.21 521	0.16 520	0.16 465	0.17 540	0.08 453	0.05 259	0.08 432	0.08 499	0.08 478	0.07 415

dd	0.15 509	0.17 651	0.17 519	0.19 493	0.09 371	0.15 456	0.18 523	0.22 420	0.26 519	0.23 592	0.20 446	0.21 521	0.10 331	0.21 592	0.17 540	0.10 565	0.06 450	0.08 432	0.06 308	0.08 478	0.07 415

dad	0.18 579	0.20 677	0.21 596	0.17 312	0.11 551	0.20 574	0.19 570	0.21 393	0.28 548	0.30 659	0.24 501	0.30 624	0.13 445	0.19 554	0.17 540	0.18 696	0.09 602	0.11 606	0.09 547	0.11 602	0.07 415

SACVNet	0.19 591	0.12 580	0.15 449	0.17 312	0.13 612	0.22 601	0.18 523	0.31 600	0.31 572	0.24 605	0.31 598	0.30 624	0.23 616	0.23 618	0.17 540	0.11 600	0.08 565	0.10 575	0.10 588	0.12 622	0.14 660

AACVNet	0.16 540	0.08 375	0.15 449	0.15 124	0.10 490	0.18 529	0.15 370	0.24 468	0.25 505	0.27 630	0.27 560	0.28 605	0.18 562	0.19 554	0.17 540	0.09 520	0.07 528	0.09 525	0.07 415	0.10 580	0.09 543

LMCR-Stereo	0.15 509	0.08 375	0.14 412	0.21 599	0.09 371	0.18 529	0.19 570	0.28 545	0.19 395	0.24 605	0.24 501	0.23 556	0.17 546	0.20 573	0.17 540	0.07 369	0.06 450	0.08 432	0.06 308	0.10 580	0.09 543

DMCA	0.14 468	0.09 464	0.17 519	0.19 493	0.09 371	0.15 456	0.17 472	0.23 442	0.28 548	0.14 402	0.20 446	0.17 466	0.18 562	0.15 436	0.17 540	0.10 565	0.06 450	0.08 432	0.06 308	0.09 544	0.10 575

FADNet_RVC	0.17 563	0.14 623	0.41 682	0.20 560	0.11 551	0.13 381	0.13 201	0.27 520	0.22 458	0.21 561	0.23 489	0.20 511	0.18 562	0.15 436	0.17 540	0.08 453	0.08 565	0.12 628	0.09 547	0.11 602	0.10 575

AANet_RVC	0.16 540	0.10 533	0.11 261	0.18 413	0.09 371	0.19 553	0.18 523	0.27 520	0.32 578	0.22 577	0.35 630	0.21 521	0.22 610	0.22 610	0.17 540	0.06 177	0.05 259	0.06 213	0.06 308	0.07 402	0.06 324

pmcnn	0.15 509	0.07 231	0.20 585	0.15 124	0.07 136	0.21 587	0.16 438	0.25 491	0.26 519	0.21 561	0.33 615	0.29 614	0.19 581	0.18 528	0.17 540	0.07 369	0.05 259	0.05 61	0.04 66	0.07 402	0.06 324

MultiAttention	0.30 685	0.08 375	0.15 449	0.19 493	0.13 612	1.56 758	1.33 763	0.36 657	0.36 614	0.20 544	0.21 466	0.24 565	0.11 374	0.39 701	0.18 553	0.06 177	0.05 259	0.08 432	0.08 499	0.11 602	0.09 543

G2L-Stereo	0.14 468	0.07 231	0.13 362	0.17 312	0.09 371	0.13 381	0.12 125	0.27 520	0.22 458	0.17 471	0.27 560	0.21 521	0.13 445	0.18 528	0.18 553	0.09 520	0.08 565	0.08 432	0.07 415	0.07 402	0.07 415

rvit_105_1	0.19 591	0.12 580	0.25 623	0.21 599	0.16 665	0.22 601	0.28 689	0.32 606	0.42 647	0.20 544	0.21 466	0.22 539	0.18 562	0.19 554	0.18 553	0.12 626	0.12 657	0.13 642	0.15 679	0.08 478	0.07 415

test_sample9	0.18 579	0.12 580	0.21 596	0.13 18	0.14 632	0.18 529	0.14 280	0.28 545	0.24 480	0.21 561	0.21 466	0.24 565	0.20 595	0.19 554	0.18 553	0.15 670	0.30 736	0.14 657	0.14 662	0.15 670	0.13 642

test_sample8	0.20 600	0.12 580	0.21 596	0.13 18	0.14 632	0.18 529	0.14 280	0.32 606	0.21 436	0.28 643	0.22 484	0.36 665	0.26 641	0.19 554	0.18 553	0.15 670	0.30 736	0.14 657	0.14 662	0.15 670	0.13 642

MyStereo8	0.12 404	0.07 231	0.15 449	0.15 124	0.09 371	0.18 529	0.14 280	0.19 350	0.22 458	0.12 335	0.18 420	0.11 320	0.10 331	0.16 465	0.18 553	0.07 369	0.05 259	0.07 335	0.05 212	0.08 478	0.09 543

GASNet	0.22 623	0.24 694	0.34 666	0.26 677	0.17 677	0.27 655	0.16 438	0.45 705	0.42 647	0.27 630	0.24 501	0.30 624	0.16 520	0.27 643	0.18 553	0.12 626	0.09 602	0.12 628	0.11 620	0.16 684	0.08 492

HBP-ISP	0.18 579	0.13 607	0.17 519	0.15 124	0.11 551	0.08 89	0.13 201	0.28 545	0.30 562	0.22 577	0.33 615	0.21 521	0.25 633	0.23 618	0.18 553	0.15 670	0.17 706	0.21 699	0.17 693	0.10 580	0.09 543

x	0.13 435	0.08 375	0.15 449	0.14 67	0.08 242	0.19 553	0.14 280	0.22 420	0.21 436	0.15 427	0.20 446	0.20 511	0.18 562	0.18 528	0.18 553	0.07 369	0.05 259	0.06 213	0.06 308	0.07 402	0.07 415

CRFU-Net	0.16 540	0.08 375	0.15 449	0.17 312	0.09 371	0.20 574	0.14 280	0.27 520	0.21 436	0.28 643	0.28 571	0.29 614	0.18 562	0.19 554	0.18 553	0.09 520	0.09 602	0.07 335	0.07 415	0.08 478	0.09 543

PSMNet-ADL	0.15 509	0.12 580	0.13 362	0.22 624	0.09 371	0.13 381	0.20 593	0.26 505	0.23 468	0.18 504	0.20 446	0.23 556	0.17 546	0.18 528	0.18 553	0.09 520	0.08 565	0.08 432	0.11 620	0.08 478	0.07 415

FINET	0.22 623	0.18 666	0.28 637	0.19 493	0.16 665	0.24 624	0.24 651	0.33 620	0.49 679	0.26 623	0.33 615	0.22 539	0.23 616	0.23 618	0.18 553	0.18 696	0.16 701	0.11 606	0.10 588	0.15 670	0.14 660

CVANet_RVC	0.18 579	0.11 561	0.14 412	0.21 599	0.11 551	0.19 553	0.18 523	0.34 635	0.34 595	0.22 577	0.31 598	0.28 605	0.18 562	0.24 630	0.18 553	0.12 626	0.08 565	0.12 628	0.12 644	0.09 544	0.08 492

NVstereo2D	0.19 591	0.11 561	0.16 493	0.17 312	0.16 665	0.28 665	0.23 639	0.44 703	0.42 647	0.15 427	0.28 571	0.25 578	0.19 581	0.23 618	0.18 553	0.09 520	0.06 450	0.10 575	0.08 499	0.15 670	0.10 575

SGM-Forest	0.20 600	0.14 623	0.18 554	0.20 560	0.13 612	0.21 587	0.22 625	0.33 620	0.31 572	0.24 605	0.29 586	0.28 605	0.20 595	0.23 618	0.18 553	0.15 670	0.16 701	0.15 669	0.14 662	0.13 638	0.12 624
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
G2L-Stereo_test	0.14 468	0.07 231	0.11 261	0.13 18	0.08 242	0.12 334	0.17 472	0.31 600	0.28 548	0.21 561	0.23 489	0.20 511	0.16 520	0.17 505	0.19 568	0.07 369	0.05 259	0.05 61	0.05 212	0.07 402	0.07 415

coex_refinement	0.14 468	0.07 231	0.12 314	0.17 312	0.10 490	0.16 487	0.15 370	0.27 520	0.29 556	0.18 504	0.21 466	0.22 539	0.17 546	0.16 465	0.19 568	0.08 453	0.05 259	0.06 213	0.06 308	0.09 544	0.08 492

CBFPSM	0.15 509	0.07 231	0.27 634	0.17 312	0.09 371	0.13 381	0.15 370	0.22 420	0.23 468	0.20 544	0.27 560	0.23 556	0.16 520	0.16 465	0.19 568	0.06 177	0.06 450	0.06 213	0.07 415	0.07 402	0.07 415

CSP-Net	0.16 540	0.09 464	0.14 412	0.17 312	0.09 371	0.19 553	0.18 523	0.25 491	0.33 584	0.26 623	0.31 598	0.25 578	0.16 520	0.21 592	0.19 568	0.09 520	0.06 450	0.07 335	0.07 415	0.08 478	0.08 492

UNet	0.17 563	0.09 464	0.18 554	0.19 493	0.12 586	0.28 665	0.19 570	0.33 620	0.30 562	0.21 561	0.25 528	0.23 556	0.19 581	0.20 573	0.19 568	0.07 369	0.06 450	0.08 432	0.07 415	0.08 478	0.07 415

acv_ft	0.15 509	0.09 464	0.16 493	0.19 493	0.10 490	0.16 487	0.17 472	0.25 491	0.34 595	0.19 522	0.26 542	0.21 521	0.17 546	0.18 528	0.19 568	0.07 369	0.06 450	0.06 213	0.06 308	0.08 478	0.06 324

FADNet-RVC	0.21 615	0.20 677	0.40 680	0.21 599	0.16 665	0.21 587	0.15 370	0.27 520	0.27 532	0.26 623	0.32 608	0.26 588	0.21 603	0.22 610	0.19 568	0.12 626	0.13 671	0.12 628	0.14 662	0.13 638	0.18 700

TDLM	0.18 579	0.12 580	0.14 412	0.24 657	0.10 490	0.18 529	0.18 523	0.37 666	0.30 562	0.22 577	0.28 571	0.28 605	0.18 562	0.23 618	0.19 568	0.11 600	0.07 528	0.10 575	0.10 588	0.08 478	0.08 492

MDST_ROB	0.22 623	0.10 533	0.18 554	0.18 413	0.11 551	0.40 703	0.19 570	0.44 703	0.42 647	0.40 693	0.40 656	0.29 614	0.21 603	0.27 643	0.19 568	0.11 600	0.10 626	0.14 657	0.11 620	0.10 580	0.08 492

CBMV	0.20 600	0.15 630	0.18 554	0.18 413	0.10 490	0.20 574	0.11 84	0.30 582	0.31 572	0.29 653	0.31 598	0.31 639	0.23 616	0.28 652	0.19 568	0.13 645	0.15 689	0.17 681	0.16 685	0.10 580	0.10 575
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SCION-MonSter(vits)	0.15 509	0.06 115	0.06 1	0.15 124	0.05 2	0.08 89	0.10 43	0.28 545	0.42 647	0.05 2	0.33 615	0.14 399	0.17 546	0.20 573	0.20 578	0.08 453	0.06 450	0.17 681	0.16 685	0.07 402	0.08 492

ISRNet	0.18 579	0.08 375	0.20 585	0.19 493	0.13 612	0.15 456	0.12 125	0.30 582	0.33 584	0.21 561	0.26 542	0.27 595	0.18 562	0.17 505	0.20 578	0.20 709	0.08 565	0.14 657	0.14 662	0.14 656	0.17 694

PSMNet-RUCA	0.28 678	0.33 720	0.42 685	0.36 718	0.32 727	0.18 529	0.20 593	0.42 692	0.30 562	0.33 677	0.41 667	0.40 685	0.24 625	0.31 666	0.20 578	0.19 703	0.11 641	0.25 709	0.15 679	0.22 703	0.16 684

Wz-Net-LNSev-Ref	0.18 579	0.09 464	0.30 652	0.15 124	0.11 551	0.23 615	0.20 593	0.27 520	0.40 638	0.26 623	0.43 678	0.25 578	0.15 499	0.21 592	0.20 578	0.07 369	0.05 259	0.06 213	0.05 212	0.10 580	0.09 543

pcwnet_v2	0.19 591	0.11 561	0.26 632	0.18 413	0.14 632	0.18 529	0.15 370	0.37 666	0.46 673	0.19 522	0.24 501	0.21 521	0.19 581	0.21 592	0.20 578	0.13 645	0.10 626	0.10 575	0.10 588	0.11 602	0.13 642

MMNet	0.17 563	0.10 533	0.17 519	0.20 560	0.11 551	0.27 655	0.20 593	0.26 505	0.42 647	0.22 577	0.30 592	0.22 539	0.20 595	0.18 528	0.20 578	0.06 177	0.06 450	0.07 335	0.07 415	0.08 478	0.07 415

FAT-Stereo	0.21 615	0.13 607	0.22 606	0.21 599	0.12 586	0.18 529	0.18 523	0.35 650	0.40 638	0.28 643	0.37 638	0.33 652	0.33 684	0.21 592	0.20 578	0.09 520	0.11 641	0.10 575	0.09 547	0.11 602	0.14 660

DSFCA	0.16 540	0.09 464	0.14 412	0.16 222	0.10 490	0.21 587	0.19 570	0.28 545	0.31 572	0.23 592	0.25 528	0.22 539	0.16 520	0.20 573	0.20 578	0.10 565	0.07 528	0.09 525	0.09 547	0.08 478	0.08 492

STTStereo	0.18 579	0.13 607	0.28 637	0.20 560	0.11 551	0.16 487	0.21 611	0.29 567	0.23 468	0.22 577	0.30 592	0.29 614	0.18 562	0.20 573	0.20 578	0.12 626	0.11 641	0.11 606	0.14 662	0.09 544	0.08 492

RASNet	0.15 509	0.07 231	0.15 449	0.16 222	0.08 242	0.19 553	0.14 280	0.30 582	0.21 436	0.17 471	0.25 528	0.21 521	0.19 581	0.20 573	0.20 578	0.07 369	0.06 450	0.06 213	0.08 499	0.06 311	0.06 324

NLCA_NET_v2_RVC	0.17 563	0.10 533	0.23 614	0.20 560	0.10 490	0.15 456	0.18 523	0.31 600	0.25 505	0.21 561	0.31 598	0.25 578	0.17 546	0.21 592	0.20 578	0.09 520	0.06 450	0.08 432	0.09 547	0.07 402	0.08 492
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 600	0.21 683	0.23 614	0.20 560	0.10 490	0.19 553	0.17 472	0.36 657	0.26 519	0.27 630	0.34 626	0.27 595	0.24 625	0.20 573	0.20 578	0.15 670	0.12 657	0.17 681	0.14 662	0.10 580	0.09 543

DLCB_ROB	0.18 579	0.10 533	0.16 493	0.23 645	0.11 551	0.24 624	0.18 523	0.30 582	0.28 548	0.27 630	0.29 586	0.28 605	0.25 633	0.20 573	0.20 578	0.08 453	0.08 565	0.09 525	0.09 547	0.07 402	0.07 415

PWCDC_ROB	0.21 615	0.13 607	0.23 614	0.25 667	0.12 586	0.20 574	0.15 370	0.34 635	0.55 700	0.29 653	0.49 690	0.21 521	0.15 499	0.28 652	0.20 578	0.11 600	0.09 602	0.10 575	0.08 499	0.11 602	0.09 543

ToySt	0.17 563	0.11 561	0.19 580	0.17 312	0.11 551	0.16 487	0.26 678	0.24 468	0.33 584	0.19 522	0.24 501	0.26 588	0.24 625	0.19 554	0.21 592	0.07 369	0.08 565	0.09 525	0.10 588	0.09 544	0.08 492

ssnet_v2	0.17 563	0.10 533	0.18 554	0.17 312	0.11 551	0.21 587	0.22 625	0.34 635	0.25 505	0.23 592	0.23 489	0.27 595	0.19 581	0.22 610	0.21 592	0.11 600	0.10 626	0.09 525	0.09 547	0.08 478	0.08 492

DDUNet	0.23 637	0.18 666	0.22 606	0.22 624	0.15 651	0.25 633	0.24 651	0.30 582	0.31 572	0.31 666	0.37 638	0.34 657	0.26 641	0.25 636	0.21 592	0.18 696	0.13 671	0.17 681	0.11 620	0.16 684	0.17 694

AASNet	0.16 540	0.08 375	0.13 362	0.19 493	0.09 371	0.19 553	0.15 370	0.38 673	0.37 621	0.20 544	0.24 501	0.20 511	0.17 546	0.17 505	0.21 592	0.10 565	0.08 565	0.08 432	0.07 415	0.09 544	0.09 543

ADLNet	0.16 540	0.08 375	0.15 449	0.16 222	0.10 490	0.16 487	0.17 472	0.33 620	0.27 532	0.23 592	0.27 560	0.24 565	0.16 520	0.18 528	0.21 592	0.10 565	0.06 450	0.10 575	0.10 588	0.08 478	0.09 543

delet	0.17 563	0.09 464	0.18 554	0.19 493	0.11 551	0.21 587	0.22 625	0.30 582	0.38 627	0.17 471	0.27 560	0.19 494	0.19 581	0.19 554	0.21 592	0.08 453	0.08 565	0.09 525	0.11 620	0.06 311	0.07 415

ACVNet	0.15 509	0.09 464	0.15 449	0.13 18	0.12 586	0.14 431	0.20 593	0.22 420	0.34 595	0.17 471	0.26 542	0.21 521	0.17 546	0.18 528	0.21 592	0.07 369	0.06 450	0.06 213	0.06 308	0.08 478	0.06 324

HGLStereo	0.17 563	0.09 464	0.19 580	0.17 312	0.12 586	0.18 529	0.18 523	0.31 600	0.33 584	0.22 577	0.33 615	0.24 565	0.18 562	0.20 573	0.21 592	0.10 565	0.09 602	0.07 335	0.07 415	0.09 544	0.10 575

hitnet-ft	0.18 579	0.10 533	0.17 519	0.14 67	0.09 371	0.27 655	0.20 593	0.25 491	0.26 519	0.24 605	0.32 608	0.32 646	0.23 616	0.24 630	0.21 592	0.12 626	0.07 528	0.10 575	0.08 499	0.12 622	0.11 602

DMCA-RVC	0.17 563	0.10 533	0.16 493	0.24 657	0.11 551	0.19 553	0.18 523	0.26 505	0.24 480	0.21 561	0.27 560	0.25 578	0.27 648	0.18 528	0.21 592	0.12 626	0.08 565	0.13 642	0.10 588	0.10 580	0.08 492

SuperB	0.20 600	0.10 533	0.57 706	0.16 222	0.09 371	0.19 553	0.18 523	0.25 491	0.51 689	0.27 630	0.39 653	0.17 466	0.22 610	0.22 610	0.21 592	0.08 453	0.06 450	0.06 213	0.06 308	0.12 622	0.11 602

StereoDRNet-Refined	0.17 563	0.12 580	0.16 493	0.20 560	0.10 490	0.18 529	0.18 523	0.27 520	0.24 480	0.26 623	0.41 667	0.23 556	0.18 562	0.21 592	0.21 592	0.09 520	0.05 259	0.09 525	0.10 588	0.07 402	0.07 415
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.19 591	0.11 561	0.18 554	0.22 624	0.11 551	0.22 601	0.22 625	0.37 666	0.34 595	0.24 605	0.28 571	0.30 624	0.19 581	0.20 573	0.21 592	0.10 565	0.08 565	0.11 606	0.09 547	0.09 544	0.07 415

YMNet	0.20 600	0.12 580	0.20 585	0.21 599	0.14 632	0.27 655	0.23 639	0.32 606	0.34 595	0.28 643	0.35 630	0.30 624	0.18 562	0.18 528	0.22 605	0.11 600	0.13 671	0.10 575	0.10 588	0.09 544	0.09 543

YMNet_1	0.20 600	0.12 580	0.20 585	0.21 599	0.14 632	0.27 655	0.23 639	0.32 606	0.34 595	0.28 643	0.35 630	0.30 624	0.18 562	0.18 528	0.22 605	0.11 600	0.13 671	0.10 575	0.10 588	0.09 544	0.09 543

ff1	0.13 435	0.09 464	0.15 449	0.16 222	0.09 371	0.17 511	0.17 472	0.15 205	0.19 395	0.15 427	0.26 542	0.19 494	0.13 445	0.15 436	0.22 605	0.06 177	0.05 259	0.09 525	0.08 499	0.06 311	0.06 324

mmx	0.15 509	0.09 464	0.15 449	0.16 222	0.09 371	0.17 511	0.17 472	0.27 520	0.26 519	0.15 427	0.26 542	0.19 494	0.13 445	0.15 436	0.22 605	0.08 453	0.06 450	0.09 525	0.08 499	0.08 478	0.08 492

xxx	0.15 509	0.09 464	0.15 449	0.16 222	0.09 371	0.17 511	0.17 472	0.27 520	0.26 519	0.15 427	0.26 542	0.19 494	0.13 445	0.15 436	0.22 605	0.08 453	0.06 450	0.09 525	0.08 499	0.08 478	0.08 492

iinet-f	0.17 563	0.07 231	0.46 690	0.14 67	0.10 490	0.21 587	0.14 280	0.27 520	0.23 468	0.22 577	0.25 528	0.21 521	0.16 520	0.18 528	0.22 605	0.09 520	0.07 528	0.07 335	0.06 308	0.09 544	0.10 575

psm_up	0.19 591	0.10 533	0.18 554	0.21 599	0.11 551	0.17 511	0.19 570	0.38 673	0.34 595	0.22 577	0.28 571	0.29 614	0.25 633	0.20 573	0.22 605	0.09 520	0.10 626	0.11 606	0.11 620	0.08 478	0.08 492

UPFNet	0.16 540	0.08 375	0.12 314	0.20 560	0.12 586	0.20 574	0.23 639	0.28 545	0.26 519	0.18 504	0.24 501	0.22 539	0.20 595	0.19 554	0.22 605	0.09 520	0.07 528	0.08 432	0.09 547	0.08 478	0.06 324

ac_64	0.16 540	0.09 464	0.15 449	0.18 413	0.10 490	0.22 601	0.17 472	0.24 468	0.22 458	0.19 522	0.24 501	0.29 614	0.18 562	0.19 554	0.22 605	0.09 520	0.08 565	0.08 432	0.09 547	0.07 402	0.06 324

MaskLacGwcNet_RVC	0.22 623	0.21 683	0.25 623	0.26 677	0.11 551	0.24 624	0.14 280	0.39 679	0.24 480	0.32 673	0.36 635	0.30 624	0.21 603	0.19 554	0.22 605	0.17 693	0.14 682	0.21 699	0.16 685	0.13 638	0.12 624

NaN_ROB	0.23 637	0.20 677	0.25 623	0.25 667	0.13 612	0.31 674	0.27 683	0.34 635	0.41 645	0.31 666	0.31 598	0.32 646	0.23 616	0.31 666	0.22 605	0.11 600	0.17 706	0.10 575	0.11 620	0.08 478	0.09 543

TCMNet	0.19 591	0.12 580	0.20 585	0.21 599	0.18 688	0.21 587	0.24 651	0.28 545	0.36 614	0.23 592	0.26 542	0.25 578	0.20 595	0.20 573	0.23 616	0.13 645	0.11 641	0.11 606	0.12 644	0.13 638	0.12 624

SQANet	0.24 648	0.24 694	0.31 655	0.31 706	0.19 695	0.27 655	0.13 201	0.30 582	0.33 584	0.25 618	0.37 638	0.31 639	0.22 610	0.27 643	0.23 616	0.15 670	0.10 626	0.21 699	0.16 685	0.22 703	0.16 684

fast-acv-ft	0.18 579	0.11 561	0.20 585	0.19 493	0.12 586	0.26 645	0.21 611	0.26 505	0.35 609	0.22 577	0.34 626	0.27 595	0.21 603	0.21 592	0.23 616	0.09 520	0.09 602	0.08 432	0.10 588	0.08 478	0.07 415

UDG	0.21 615	0.17 651	0.20 585	0.23 645	0.15 651	0.31 674	0.20 593	0.33 620	0.35 609	0.24 605	0.28 571	0.31 639	0.29 662	0.21 592	0.23 616	0.15 670	0.12 657	0.13 642	0.09 547	0.14 656	0.15 674

ADLNet2	0.16 540	0.09 464	0.14 412	0.17 312	0.09 371	0.20 574	0.16 438	0.32 606	0.39 633	0.17 471	0.20 446	0.20 511	0.19 581	0.21 592	0.23 616	0.08 453	0.07 528	0.07 335	0.07 415	0.09 544	0.07 415

S-Stereo	0.21 615	0.12 580	0.25 623	0.21 599	0.13 612	0.21 587	0.19 570	0.33 620	0.45 664	0.23 592	0.36 635	0.28 605	0.29 662	0.20 573	0.23 616	0.09 520	0.12 657	0.10 575	0.10 588	0.13 638	0.14 660

RGC	0.25 655	0.20 677	0.29 646	0.28 692	0.16 665	0.22 601	0.23 639	0.33 620	0.44 660	0.27 630	0.40 656	0.38 674	0.28 657	0.37 694	0.23 616	0.11 600	0.13 671	0.17 681	0.17 693	0.15 670	0.16 684

stereogan	0.22 623	0.11 561	0.21 596	0.20 560	0.12 586	0.32 676	0.19 570	0.36 657	0.45 664	0.23 592	0.39 653	0.35 663	0.27 648	0.33 675	0.23 616	0.10 565	0.12 657	0.10 575	0.10 588	0.14 656	0.14 660

DeepPrunerF	0.24 648	0.17 651	0.45 688	0.26 677	0.16 665	0.23 615	0.29 700	0.37 666	0.51 689	0.27 630	0.31 598	0.24 565	0.28 657	0.22 610	0.23 616	0.15 670	0.11 641	0.20 697	0.18 698	0.12 622	0.14 660

GANet	0.22 623	0.13 607	0.21 596	0.25 667	0.14 632	0.23 615	0.22 625	0.42 692	0.27 532	0.31 666	0.43 678	0.37 668	0.29 662	0.23 618	0.23 616	0.10 565	0.12 657	0.10 575	0.09 547	0.10 580	0.08 492

DPSNet	0.28 678	0.16 641	0.33 663	0.18 413	0.13 612	0.55 718	0.42 731	0.52 718	0.68 725	0.29 653	0.38 645	0.39 679	0.30 673	0.32 671	0.23 616	0.11 600	0.10 626	0.11 606	0.08 499	0.20 701	0.16 684

PWC_ROB	0.21 615	0.16 641	0.27 634	0.18 413	0.11 551	0.22 601	0.13 201	0.33 620	0.49 679	0.30 659	0.40 656	0.32 646	0.25 633	0.31 666	0.23 616	0.10 565	0.07 528	0.11 606	0.08 499	0.11 602	0.10 575

FSD					0.23 710	0.25 633	0.25 668	0.27 520	0.26 519	0.25 618	0.26 542	0.26 588	0.26 641	0.27 643	0.24 628	0.21 712	0.20 714	0.27 714	0.26 717	0.25 717

1111x	0.16 540	0.09 464	0.13 362	0.18 413	0.08 242	0.18 529	0.25 668	0.32 606	0.25 505	0.17 471	0.24 501	0.27 595	0.15 499	0.14 412	0.24 628	0.07 369	0.07 528	0.08 432	0.09 547	0.07 402	0.07 415

ACVNet-4b	0.39 704	0.53 731	0.56 703	0.45 728	0.24 714	0.46 709	0.18 523	0.50 713	0.64 719	0.42 699	0.45 682	0.60 717	0.27 648	0.34 679	0.24 628	0.33 729	0.14 682	0.48 734	0.42 736	0.31 728	0.27 723

Anonymous_2	0.22 623	0.17 651	0.28 637	0.15 124	0.16 665	0.33 678	0.22 625	0.23 442	0.18 366	0.23 592	0.24 501	0.26 588	0.27 648	0.27 643	0.24 628	0.22 716	0.26 732	0.17 681	0.17 693	0.16 684	0.18 700

DGSMNet	0.25 655	0.19 671	0.34 666	0.21 599	0.24 714	0.24 624	0.21 611	0.36 657	0.42 647	0.25 618	0.32 608	0.38 674	0.21 603	0.29 659	0.24 628	0.13 645	0.11 641	0.14 657	0.16 685	0.23 708	0.23 713

aanetorigin	0.22 623	0.17 651	0.57 706	0.18 413	0.10 490	0.16 487	0.19 570	0.20 370	0.33 584	0.49 710	0.48 689	0.30 624	0.28 657	0.21 592	0.24 628	0.08 453	0.07 528	0.08 432	0.07 415	0.10 580	0.09 543

DANet	0.21 615	0.16 641	0.29 646	0.25 667	0.13 612	0.23 615	0.19 570	0.28 545	0.27 532	0.28 643	0.32 608	0.35 663	0.32 680	0.31 666	0.24 628	0.11 600	0.09 602	0.11 606	0.10 588	0.13 638	0.11 602
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	0.25 655	0.17 651	0.23 614	0.27 685	0.14 632	0.26 645	0.22 625	0.42 692	0.43 658	0.42 699	0.41 667	0.43 692	0.27 648	0.32 671	0.24 628	0.09 520	0.15 689	0.15 669	0.12 644	0.12 622	0.10 575

z-ln-s-r	0.18 579	0.10 533	0.41 682	0.19 493	0.08 242	0.18 529	0.18 523	0.23 442	0.34 595	0.19 522	0.41 667	0.22 539	0.17 546	0.20 573	0.25 636	0.07 369	0.05 259	0.07 335	0.07 415	0.07 402	0.06 324

w-ln-seven-2	0.20 600	0.14 623	0.39 677	0.23 645	0.12 586	0.21 587	0.21 611	0.29 567	0.38 627	0.25 618	0.38 645	0.28 605	0.23 616	0.21 592	0.25 636	0.08 453	0.08 565	0.09 525	0.09 547	0.10 580	0.09 543

APVNet	0.23 637	0.12 580	0.20 585	0.18 413	0.14 632	0.32 676	0.31 710	0.40 682	0.33 584	0.27 630	0.40 656	0.30 624	0.29 662	0.27 643	0.25 636	0.11 600	0.12 657	0.11 606	0.14 662	0.12 622	0.13 642

Syn2CoEx	0.22 623	0.16 641	0.29 646	0.29 700	0.15 651	0.26 645	0.21 611	0.34 635	0.32 578	0.29 653	0.36 635	0.28 605	0.25 633	0.20 573	0.25 636	0.16 687	0.12 657	0.14 657	0.11 620	0.09 544	0.08 492

GwcNet	0.20 600	0.14 623	0.20 585	0.18 413	0.12 586	0.25 633	0.20 593	0.36 657	0.45 664	0.20 544	0.33 615	0.33 652	0.21 603	0.22 610	0.25 636	0.11 600	0.09 602	0.09 525	0.09 547	0.09 544	0.10 575

RP	0.22 623	0.13 607	0.22 606	0.23 645	0.12 586	0.21 587	0.20 593	0.26 505	0.45 664	0.22 577	0.38 645	0.37 668	0.25 633	0.28 652	0.25 636	0.11 600	0.12 657	0.13 642	0.12 644	0.13 638	0.14 660

edge stereo	0.23 637	0.14 623	0.21 596	0.21 599	0.13 612	0.24 624	0.16 438	0.32 606	0.42 647	0.32 673	0.40 656	0.39 679	0.35 690	0.25 636	0.25 636	0.13 645	0.11 641	0.14 657	0.11 620	0.12 622	0.14 660

Nwc_Net	0.23 637	0.17 651	0.22 606	0.25 667	0.15 651	0.25 633	0.27 683	0.38 673	0.39 633	0.22 577	0.41 667	0.30 624	0.29 662	0.28 652	0.25 636	0.11 600	0.10 626	0.17 681	0.20 702	0.10 580	0.11 602

PA-Net	0.24 648	0.18 666	0.34 666	0.28 692	0.22 708	0.22 601	0.39 728	0.29 567	0.39 633	0.22 577	0.33 615	0.25 578	0.26 641	0.21 592	0.25 636	0.10 565	0.23 729	0.15 669	0.22 710	0.09 544	0.13 642
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DRN-Test	0.20 600	0.11 561	0.21 596	0.22 624	0.10 490	0.22 601	0.22 625	0.40 682	0.38 627	0.24 605	0.33 615	0.26 588	0.22 610	0.22 610	0.25 636	0.11 600	0.07 528	0.11 606	0.10 588	0.09 544	0.08 492

NCCL2	0.24 648	0.15 630	0.18 554	0.34 712	0.18 688	0.24 624	0.24 651	0.34 635	0.29 556	0.31 666	0.38 645	0.38 674	0.29 662	0.23 618	0.25 636	0.15 670	0.12 657	0.18 691	0.21 707	0.13 638	0.13 642

SANet	0.25 655	0.14 623	0.29 646	0.21 599	0.11 551	0.29 669	0.25 668	0.40 682	0.65 723	0.36 683	0.40 656	0.42 690	0.27 648	0.27 643	0.25 636	0.12 626	0.09 602	0.10 575	0.09 547	0.13 638	0.12 624

DispFullNet	0.27 675	0.22 687	0.66 719	0.28 692	0.17 677	0.27 655	0.17 472	0.34 635	0.57 704	0.27 630	0.37 638	0.43 692	0.24 625	0.39 701	0.25 636	0.12 626	0.06 450	0.19 693	0.11 620	0.23 708	0.16 684

zh-mn7	0.26 667	0.15 630	0.59 711	0.19 493	0.14 632	0.24 624	0.22 625	0.35 650	0.63 718	0.35 680	0.67 716	0.31 639	0.25 633	0.31 666	0.26 649	0.09 520	0.08 565	0.09 525	0.09 547	0.09 544	0.11 602

AF-Net	0.23 637	0.17 651	0.17 519	0.27 685	0.13 612	0.26 645	0.24 651	0.33 620	0.51 689	0.25 618	0.33 615	0.39 679	0.27 648	0.28 652	0.26 649	0.11 600	0.10 626	0.16 677	0.12 644	0.11 602	0.11 602

ADCRef	0.20 600	0.12 580	0.43 687	0.20 560	0.12 586	0.23 615	0.18 523	0.32 606	0.37 621	0.26 623	0.33 615	0.18 482	0.23 616	0.25 636	0.26 649	0.07 369	0.06 450	0.09 525	0.09 547	0.08 478	0.09 543

LSM	0.34 700	0.21 683	0.62 715	0.27 685	0.62 747	0.35 687	0.26 678	0.43 698	0.49 679	0.45 706	0.60 714	0.42 690	0.37 695	0.35 684	0.26 649	0.13 645	0.21 724	0.14 657	0.16 685	0.18 695	0.34 730

WCMA_ROB	0.24 648	0.11 561	0.24 620	0.17 312	0.14 632	0.34 682	0.16 438	0.33 620	0.33 584	0.39 690	0.54 699	0.40 685	0.35 690	0.35 684	0.26 649	0.12 626	0.12 657	0.12 628	0.11 620	0.14 656	0.14 660

SGM_RVC	0.24 648	0.12 580	0.16 493	0.15 124	0.09 371	0.34 682	0.19 570	0.35 650	0.32 578	0.44 704	0.38 645	0.53 713	0.36 693	0.36 688	0.26 649	0.13 645	0.13 671	0.13 642	0.13 656	0.11 602	0.11 602
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SCION-MonSter	0.22 623	0.17 651	0.17 519	0.25 667	0.18 688	0.35 687	0.17 472	0.29 567	0.48 677	0.23 592	0.46 685	0.20 511	0.19 581	0.26 640	0.27 655	0.09 520	0.08 565	0.23 706	0.20 702	0.11 602	0.11 602

z-mn7	0.25 655	0.15 630	0.47 693	0.19 493	0.13 612	0.28 665	0.25 668	0.35 650	0.64 719	0.27 630	0.57 706	0.29 614	0.24 625	0.32 671	0.27 655	0.08 453	0.08 565	0.08 432	0.08 499	0.10 580	0.10 575

Wz-Net-LNSev	0.22 623	0.16 641	0.41 682	0.22 624	0.13 612	0.25 633	0.24 651	0.33 620	0.44 660	0.30 659	0.42 675	0.32 646	0.19 581	0.23 618	0.27 655	0.10 565	0.09 602	0.08 432	0.08 499	0.12 622	0.11 602

Wz-Net-MNSev	0.23 637	0.13 607	0.33 663	0.20 560	0.15 651	0.36 692	0.25 668	0.34 635	0.45 664	0.29 653	0.41 667	0.39 679	0.19 581	0.25 636	0.27 655	0.09 520	0.07 528	0.09 525	0.09 547	0.12 622	0.10 575

G-Net	0.25 655	0.17 651	0.38 676	0.23 645	0.16 665	0.51 713	0.23 639	0.29 567	0.35 609	0.36 683	0.38 645	0.31 639	0.29 662	0.28 652	0.27 655	0.11 600	0.09 602	0.12 628	0.10 588	0.16 684	0.14 660

CC-Net-ROB	0.28 678	0.31 718	0.36 674	0.30 704	0.15 651	0.25 633	0.19 570	0.45 705	0.34 595	0.39 690	0.37 638	0.39 679	0.31 678	0.27 643	0.27 655	0.24 724	0.18 708	0.30 726	0.23 714	0.19 699	0.15 674

ETE_ROB	0.23 637	0.17 651	0.23 614	0.25 667	0.14 632	0.26 645	0.29 700	0.32 606	0.37 621	0.28 643	0.37 638	0.45 696	0.27 648	0.28 652	0.27 655	0.11 600	0.09 602	0.12 628	0.10 588	0.14 656	0.13 642

PSMNet_ROB	0.22 623	0.12 580	0.15 449	0.27 685	0.15 651	0.25 633	0.36 722	0.43 698	0.37 621	0.27 630	0.33 615	0.32 646	0.23 616	0.21 592	0.27 655	0.12 626	0.08 565	0.13 642	0.11 620	0.10 580	0.09 543

MeshStereo	0.27 675	0.13 607	0.18 554	0.15 124	0.11 551	0.33 678	0.24 651	0.41 687	0.36 614	0.53 713	0.58 710	0.67 723	0.41 706	0.36 688	0.27 655	0.14 666	0.13 671	0.13 642	0.11 620	0.11 602	0.11 602
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
DStereoO	0.25 655	0.18 666	0.19 580	0.20 560	0.15 651	0.22 601	0.19 570	0.33 620	0.42 647	0.30 659	0.22 484	0.33 652	0.28 657	0.42 713	0.28 664	0.47 739	0.12 657	0.31 727	0.11 620	0.17 691	0.12 624

w-ln-seven	0.24 648	0.15 630	0.58 709	0.20 560	0.14 632	0.26 645	0.22 625	0.36 657	0.62 715	0.30 659	0.40 656	0.30 624	0.23 616	0.22 610	0.28 664	0.09 520	0.09 602	0.11 606	0.10 588	0.11 602	0.10 575

test_xeample	0.15 509	0.07 231	0.14 412	0.15 124	0.08 242	0.22 601	0.20 593	0.29 567	0.21 436	0.16 457	0.29 586	0.19 494	0.17 546	0.16 465	0.28 664	0.09 520	0.05 259	0.07 335	0.07 415	0.07 402	0.07 415

psmorigin	0.25 655	0.16 641	0.35 672	0.17 312	0.13 612	0.24 624	0.14 280	0.34 635	0.34 595	0.41 697	0.55 700	0.41 688	0.38 697	0.35 684	0.28 664	0.11 600	0.15 689	0.11 606	0.11 620	0.12 622	0.17 694

NCC-stereo	0.25 655	0.15 630	0.31 655	0.26 677	0.17 677	0.21 587	0.31 710	0.41 687	0.40 638	0.24 605	0.38 645	0.33 652	0.29 662	0.37 694	0.28 664	0.13 645	0.11 641	0.15 669	0.22 710	0.13 638	0.13 642

Abc-Net	0.25 655	0.15 630	0.31 655	0.26 677	0.17 677	0.21 587	0.31 710	0.41 687	0.40 638	0.24 605	0.38 645	0.33 652	0.29 662	0.37 694	0.28 664	0.13 645	0.11 641	0.15 669	0.22 710	0.13 638	0.13 642
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	0.20 600	0.10 533	0.35 672	0.21 599	0.12 586	0.22 601	0.27 683	0.31 600	0.35 609	0.26 623	0.37 638	0.22 539	0.22 610	0.27 643	0.28 664	0.09 520	0.06 450	0.08 432	0.08 499	0.10 580	0.10 575

LALA_ROB	0.25 655	0.16 641	0.23 614	0.27 685	0.17 677	0.27 655	0.27 683	0.42 692	0.38 627	0.33 677	0.39 653	0.51 709	0.26 641	0.29 659	0.28 664	0.16 687	0.09 602	0.13 642	0.12 644	0.13 638	0.13 642

MSMD_ROB	0.31 691	0.26 702	0.26 632	0.24 657	0.21 705	0.34 682	0.25 668	0.34 635	0.39 633	0.40 693	0.69 720	0.45 696	0.41 706	0.34 679	0.28 664	0.20 709	0.20 714	0.26 710	0.25 716	0.23 708	0.22 712

DStereoFS	0.27 675	0.22 687	0.32 659	0.23 645	0.15 651	0.23 615	0.21 611	0.52 718	0.49 679	0.28 643	0.45 682	0.34 657	0.36 693	0.53 726	0.29 673	0.13 645	0.11 641	0.15 669	0.13 656	0.17 691	0.17 694

DStereoSA	0.26 667	0.19 671	0.39 677	0.27 685	0.17 677	0.23 615	0.21 611	0.50 713	0.60 710	0.22 577	0.30 592	0.29 614	0.34 686	0.40 706	0.29 673	0.12 626	0.11 641	0.16 677	0.14 662	0.15 670	0.12 624

xxxx	0.15 509	0.07 231	0.14 412	0.14 67	0.08 242	0.24 624	0.18 523	0.32 606	0.20 420	0.14 402	0.28 571	0.22 539	0.14 479	0.15 436	0.29 673	0.09 520	0.05 259	0.07 335	0.07 415	0.08 478	0.08 492

MFN_U_SF_DS_RVC	0.30 685	0.24 694	0.30 652	0.36 718	0.16 665	0.36 692	0.31 710	0.34 635	0.43 658	0.41 697	0.46 685	0.38 674	0.30 673	0.35 684	0.29 673	0.19 703	0.20 714	0.26 710	0.29 725	0.18 695	0.19 705

SGM-ForestM	0.33 694	0.12 580	0.17 519	0.16 222	0.11 551	0.42 707	0.20 593	0.43 698	0.53 699	0.53 713	0.57 706	1.41 752	0.44 718	0.42 713	0.29 673	0.14 666	0.16 701	0.16 677	0.16 685	0.12 622	0.13 642

DISCO	0.20 600	0.09 464	0.22 606	0.17 312	0.10 490	0.25 633	0.18 523	0.28 545	0.45 664	0.23 592	0.32 608	0.34 657	0.26 641	0.29 659	0.29 673	0.08 453	0.06 450	0.07 335	0.07 415	0.09 544	0.10 575

XPNet_ROB	0.22 623	0.12 580	0.20 585	0.22 624	0.13 612	0.22 601	0.19 570	0.35 650	0.40 638	0.30 659	0.40 656	0.38 674	0.27 648	0.26 640	0.29 673	0.15 670	0.10 626	0.10 575	0.10 588	0.13 638	0.12 624

light-stereo	0.44 713	0.27 707	0.64 718	0.61 736	0.50 736	0.34 682	0.23 639	0.47 709	0.52 695	0.57 719	0.59 712	0.78 732	0.33 684	0.49 719	0.30 680	0.33 729	0.25 730	0.27 714	0.33 730	0.47 734	0.41 737

FC-DCNN v2	0.33 694	0.28 709	0.28 637	0.26 677	0.23 710	0.39 701	0.29 700	0.41 687	0.44 660	0.46 707	0.57 706	0.51 709	0.41 706	0.38 699	0.30 680	0.21 712	0.20 714	0.27 714	0.26 717	0.25 717	0.24 714

FCDSN-DC	0.33 694	0.28 709	0.28 637	0.30 704	0.24 714	0.39 701	0.28 689	0.43 698	0.42 647	0.44 704	0.53 696	0.51 709	0.42 710	0.37 694	0.30 680	0.21 712	0.20 714	0.27 714	0.26 717	0.25 717	0.25 717
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SHD	0.26 667	0.15 630	0.31 655	0.24 657	0.18 688	0.23 615	0.15 370	0.39 679	0.72 730	0.32 673	0.42 675	0.36 665	0.29 662	0.33 675	0.30 680	0.13 645	0.11 641	0.14 657	0.13 656	0.16 684	0.20 708

ADCL	0.25 655	0.12 580	0.49 696	0.22 624	0.12 586	0.36 692	0.29 700	0.30 582	0.57 704	0.24 605	0.47 688	0.30 624	0.31 678	0.30 665	0.30 680	0.09 520	0.07 528	0.09 525	0.09 547	0.10 580	0.10 575

LE_ROB	0.50 723	0.07 231	0.14 412	0.15 124	0.08 242	0.26 645	0.17 472	0.23 442	1.71 764	4.68 771	0.67 716	0.46 700	0.47 720	0.21 592	0.30 680	0.07 369	0.06 450	0.06 213	0.06 308	0.08 478	0.06 324

Wz-Net-TNSev	0.29 682	0.20 677	0.69 727	0.19 493	0.15 651	0.38 698	0.27 683	0.36 657	0.56 702	0.35 680	0.42 675	0.45 696	0.39 699	0.33 675	0.31 686	0.13 645	0.13 671	0.10 575	0.12 644	0.15 670	0.15 674

RTSC	0.23 637	0.13 607	0.30 652	0.21 599	0.13 612	0.29 669	0.17 472	0.36 657	0.68 725	0.27 630	0.34 626	0.30 624	0.22 610	0.32 671	0.31 686	0.10 565	0.08 565	0.09 525	0.10 588	0.13 638	0.14 660

RYNet	0.23 637	0.12 580	0.22 606	0.19 493	0.17 677	0.47 710	0.26 678	0.39 679	0.49 679	0.24 605	0.29 586	0.34 657	0.24 625	0.20 573	0.31 686	0.10 565	0.06 450	0.09 525	0.09 547	0.14 656	0.15 674

FC-DCNN	0.33 694	0.28 709	0.28 637	0.26 677	0.23 710	0.38 698	0.29 700	0.40 682	0.44 660	0.46 707	0.56 702	0.51 709	0.41 706	0.38 699	0.31 686	0.21 712	0.20 714	0.27 714	0.26 717	0.25 717	0.24 714

CSAN	0.30 685	0.24 694	0.28 637	0.34 712	0.19 695	0.34 682	0.42 731	0.38 673	0.51 689	0.38 689	0.40 656	0.44 695	0.34 686	0.29 659	0.31 686	0.19 703	0.16 701	0.19 693	0.19 699	0.14 656	0.15 674

2222	0.37 701	0.26 702	0.32 659	0.42 725	0.20 699	0.78 737	1.22 761	0.43 698	0.42 647	0.33 677	0.53 696	0.48 707	0.38 697	0.33 675	0.32 691	0.17 693	0.14 682	0.21 699	0.15 679	0.23 708	0.12 624

TARStereo	0.66 731	0.18 666	0.59 711	0.28 692	0.22 708	1.31 757	0.25 668	0.61 735	1.61 763	0.69 727	3.69 768	1.08 741	0.82 748	0.39 701	0.32 691	0.18 696	0.15 689	0.20 697	0.20 702	0.18 695	0.24 714

PStereo	0.20 600	0.22 687	0.20 585	0.18 413	0.10 490	0.13 381	0.19 570	0.28 545	0.38 627	0.20 544	0.14 337	0.28 605	0.32 680	0.24 630	0.32 691	0.18 696	0.13 671	0.16 677	0.11 620	0.13 638	0.12 624

Ntro	0.41 707	0.40 726	0.54 700	0.46 731	0.30 726	0.64 725	0.24 651	0.47 709	0.68 725	0.42 699	0.49 690	0.47 704	0.42 710	0.40 706	0.32 691	0.32 728	0.28 734	0.37 730	0.31 728	0.33 730	0.29 724

Wz-Net-SNSev	0.26 667	0.17 651	0.46 690	0.25 667	0.14 632	0.26 645	0.24 651	0.38 673	0.57 704	0.30 659	0.56 702	0.39 679	0.26 641	0.24 630	0.32 691	0.10 565	0.09 602	0.10 575	0.11 620	0.11 602	0.11 602

EDNetEfficient	0.30 685	0.24 694	1.18 749	0.18 413	0.10 490	0.20 574	0.20 593	0.21 393	0.61 712	0.74 734	0.56 702	0.30 624	0.40 704	0.23 618	0.32 691	0.09 520	0.07 528	0.08 432	0.07 415	0.11 602	0.10 575

AANet	0.31 691	0.20 677	1.05 747	0.16 222	0.13 612	0.23 615	0.16 438	0.30 582	0.64 719	0.60 720	0.53 696	0.46 700	0.39 699	0.23 618	0.33 697	0.12 626	0.10 626	0.11 606	0.10 588	0.13 638	0.12 624

zh-sn7	0.26 667	0.17 651	0.55 702	0.24 657	0.14 632	0.25 633	0.25 668	0.34 635	0.49 679	0.29 653	0.55 700	0.29 614	0.32 680	0.37 694	0.33 697	0.10 565	0.10 626	0.11 606	0.11 620	0.12 622	0.12 624

otaku	0.39 704	0.38 724	0.53 698	0.44 727	0.28 722	0.57 720	0.24 651	0.42 692	0.62 715	0.40 693	0.50 692	0.46 700	0.34 686	0.40 706	0.33 697	0.30 727	0.30 736	0.39 731	0.33 730	0.30 725	0.29 724

GANetREF_RVC	0.31 691	0.34 721	0.29 646	0.35 716	0.16 665	0.33 678	0.42 731	0.48 711	0.52 695	0.35 680	0.35 630	0.34 657	0.32 680	0.40 706	0.33 697	0.27 726	0.20 714	0.29 724	0.15 679	0.19 699	0.18 700
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
ADCPNet	0.26 667	0.17 651	0.62 715	0.21 599	0.15 651	0.36 692	0.25 668	0.33 620	0.37 621	0.31 666	0.41 667	0.36 665	0.29 662	0.29 659	0.34 701	0.12 626	0.10 626	0.11 606	0.12 644	0.14 656	0.13 642

PDISCO_ROB	0.28 678	0.16 641	0.28 637	0.28 692	0.20 699	0.33 678	0.27 683	0.45 705	0.58 707	0.28 643	0.41 667	0.45 696	0.30 673	0.34 679	0.35 702	0.12 626	0.09 602	0.17 681	0.16 685	0.17 691	0.13 642

ACVNet_1	0.45 716	0.51 730	0.61 713	0.45 728	0.28 722	0.50 711	0.28 689	0.58 733	0.71 729	0.63 722	0.59 712	0.74 730	0.50 723	0.50 720	0.36 703	0.26 725	0.25 730	0.39 731	0.29 725	0.32 729	0.25 717

ADCMid	0.26 667	0.15 630	0.42 685	0.20 560	0.14 632	0.25 633	0.26 678	0.35 650	0.40 638	0.37 687	0.45 682	0.34 657	0.42 710	0.36 688	0.36 703	0.10 565	0.09 602	0.11 606	0.11 620	0.13 638	0.13 642

AnyNet_C32	0.26 667	0.16 641	0.39 677	0.20 560	0.17 677	0.26 645	0.31 710	0.32 606	0.45 664	0.31 666	0.50 692	0.30 624	0.34 686	0.41 712	0.36 703	0.12 626	0.12 657	0.12 628	0.14 662	0.14 656	0.15 674

PASM	0.33 694	0.25 700	0.51 697	0.28 692	0.27 720	0.30 672	0.31 710	0.35 650	0.51 689	0.36 683	0.40 656	0.47 704	0.35 690	0.34 679	0.36 703	0.23 722	0.26 732	0.26 710	0.28 724	0.23 708	0.21 709

WZ-Net	0.29 682	0.17 651	0.82 739	0.23 645	0.16 665	0.35 687	0.29 700	0.40 682	0.59 709	0.24 605	0.57 706	0.37 668	0.25 633	0.34 679	0.37 707	0.09 520	0.08 565	0.09 525	0.10 588	0.14 656	0.16 684

RTS	0.46 718	0.19 671	3.33 759	0.25 667	0.15 651	0.72 732	0.21 611	0.37 666	0.78 738	0.42 699	0.44 680	0.31 639	0.43 714	0.55 729	0.37 707	0.10 565	0.09 602	0.13 642	0.13 656	0.15 670	0.15 674

RTSA	0.46 718	0.19 671	3.33 759	0.25 667	0.15 651	0.72 732	0.21 611	0.37 666	0.78 738	0.42 699	0.44 680	0.31 639	0.43 714	0.55 729	0.37 707	0.10 565	0.09 602	0.13 642	0.13 656	0.15 670	0.15 674

1111	0.45 716	0.24 694	0.56 703	0.33 710	0.20 699	0.88 743	0.37 723	0.52 718	0.84 741	0.64 723	0.69 720	0.70 727	0.70 743	0.79 740	0.38 710	0.17 693	0.15 689	0.19 693	0.19 699	0.22 703	0.17 694

MFN_U_SF_RVC	0.33 694	0.22 687	0.58 709	0.31 706	0.15 651	0.36 692	0.17 472	0.54 724	0.46 673	0.47 709	0.56 702	0.58 716	0.39 699	0.36 688	0.38 710	0.15 670	0.15 689	0.18 691	0.21 707	0.16 684	0.16 684

XQC	0.29 682	0.23 691	0.53 698	0.29 700	0.19 695	0.36 692	0.28 689	0.37 666	0.58 707	0.31 666	0.31 598	0.37 668	0.30 673	0.39 701	0.39 712	0.13 645	0.09 602	0.15 669	0.12 644	0.18 695	0.18 700

MANE	0.47 720	0.28 709	0.28 637	0.27 685	0.24 714	0.50 711	0.32 718	0.57 728	0.62 715	0.74 734	1.20 752	1.21 745	0.64 738	0.54 728	0.39 712	0.22 716	0.20 714	0.27 714	0.31 728	0.26 721	0.25 717

mmmmmm	0.42 709	0.26 702	0.45 688	0.37 720	0.20 699	0.62 723	0.45 735	0.53 722	0.75 735	0.55 716	0.78 731	0.70 727	0.58 732	0.51 722	0.40 714	0.19 703	0.22 728	0.22 704	0.20 702	0.21 702	0.17 694

MSAF-DinoV2	0.23 637	0.11 561	0.25 623	0.17 312	0.10 490	0.28 665	0.17 472	0.38 673	0.56 702	0.21 561	0.27 560	0.47 704	0.28 657	0.36 688	0.40 714	0.09 520	0.06 450	0.07 335	0.09 547	0.12 622	0.11 602

PVD	0.40 706	0.21 683	0.40 680	0.32 709	0.23 710	0.30 672	0.45 735	0.53 722	0.97 747	0.55 716	0.80 733	0.54 714	0.60 736	0.53 726	0.40 714	0.19 703	0.14 682	0.17 681	0.14 662	0.24 715	0.32 728

EDNetEfficientorigin	7.92 770	0.32 719	152.98 800	0.20 560	0.10 490	0.22 601	0.17 472	0.23 442	0.60 710	0.73 732	0.67 716	0.41 688	0.51 725	0.24 630	0.41 717	0.08 453	0.07 528	0.09 525	0.07 415	0.12 622	0.11 602

SAMSARA	0.41 707	0.28 709	0.34 666	0.55 734	0.39 729	0.85 741	1.25 762	0.49 712	0.52 695	0.36 683	0.35 630	0.56 715	0.39 699	0.39 701	0.41 717	0.15 670	0.20 714	0.15 669	0.14 662	0.23 708	0.21 709

ELAS_RVC	0.42 709	0.29 716	0.33 663	0.28 692	0.24 714	0.56 719	0.38 726	0.50 713	0.61 712	0.74 734	0.76 729	0.67 723	0.56 729	0.55 729	0.42 719	0.22 716	0.21 724	0.27 714	0.26 717	0.27 723	0.26 721
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
coex-ft	3.24 758	0.35 722	57.83 799	0.18 413	0.13 612	0.27 655	0.23 639	0.28 545	0.72 730	1.89 766	0.70 722	0.43 692	0.47 720	0.29 659	0.43 720	0.09 520	0.09 602	0.12 628	0.09 547	0.14 656	0.14 660

ccnet	0.30 685	0.28 709	0.24 620	0.20 560	0.28 722	0.41 705	0.22 625	0.46 708	0.33 584	0.37 687	0.46 685	0.37 668	0.30 673	0.40 706	0.43 720	0.23 722	0.14 682	0.21 699	0.17 693	0.23 708	0.19 705

ADCS	0.30 685	0.19 671	0.48 695	0.21 599	0.18 688	0.29 669	0.24 651	0.42 692	0.64 719	0.40 693	0.50 692	0.40 685	0.37 695	0.40 706	0.43 720	0.13 645	0.13 671	0.13 642	0.14 662	0.16 684	0.16 684

RainbowNet	0.54 725	0.61 735	0.71 732	0.57 735	0.43 733	0.66 727	0.37 723	0.60 734	0.87 744	0.51 711	0.67 716	0.63 719	0.47 720	0.50 720	0.44 723	0.47 739	0.48 750	0.53 738	0.41 735	0.53 738	0.41 737

222	0.16 540	0.07 231	0.15 449	0.14 67	0.08 242	0.25 633	0.18 523	0.30 582	0.21 436	0.18 504	0.29 586	0.17 466	0.16 520	0.16 465	0.44 723	0.10 565	0.05 259	0.07 335	0.06 308	0.08 478	0.08 492

BEATNet-Init1	0.54 725	0.28 709	0.68 726	0.31 706	0.21 705	0.85 741	0.31 710	0.57 728	0.69 728	0.89 745	1.00 742	2.17 759	0.66 739	0.58 733	0.44 723	0.19 703	0.18 708	0.23 706	0.22 710	0.22 703	0.21 709

nnnnnnn	0.43 712	0.26 702	0.54 700	0.33 710	0.27 720	0.51 713	0.30 709	0.54 724	0.79 740	0.64 723	0.71 724	0.75 731	0.58 732	0.47 717	0.45 726	0.22 716	0.21 724	0.27 714	0.26 717	0.29 724	0.25 717

ELAS	0.42 709	0.29 716	0.34 666	0.28 692	0.24 714	0.63 724	0.37 723	0.52 718	0.52 695	0.72 731	0.82 734	0.68 725	0.56 729	0.52 724	0.45 726	0.22 716	0.21 724	0.27 714	0.26 717	0.26 721	0.26 721
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.44 713	0.39 725	0.56 703	0.40 722	0.20 699	0.66 727	0.33 719	0.54 724	0.72 730	0.71 730	0.72 725	0.62 718	0.55 727	0.52 724	0.47 728	0.20 709	0.19 713	0.29 724	0.30 727	0.24 715	0.19 705

fsdfsdds	0.54 725	0.19 671	0.72 733	0.34 712	0.18 688	0.51 713	0.33 719	0.55 727	1.06 748	0.74 734	2.30 766	1.05 739	0.89 753	0.36 688	0.48 729	0.16 687	0.16 701	0.26 710	0.19 699	0.15 670	0.15 674

ACVNet_2	0.67 734	0.68 740	0.70 730	0.64 737	0.41 731	0.75 735	0.50 738	0.98 750	1.38 758	0.90 746	1.09 746	1.04 738	0.74 744	0.55 729	0.48 729	0.43 735	0.40 743	0.53 738	0.45 737	0.48 735	0.36 732

Consistency-Raft	0.44 713	0.40 726	0.46 690	0.37 720	0.43 733	0.42 707	0.41 729	0.57 728	0.55 700	0.32 673	0.73 726	0.32 646	0.50 723	0.42 713	0.49 731	0.39 733	0.36 741	0.45 733	0.52 745	0.42 733	0.30 726

IMH-64-1	0.66 731	0.62 736	0.69 727	0.72 739	0.51 737	0.60 721	0.51 739	0.92 744	0.84 741	0.75 738	1.02 743	0.81 733	0.78 746	0.80 741	0.50 732	0.43 735	0.46 745	0.72 743	0.48 738	0.55 739	0.40 735

IMH-64	0.66 731	0.62 736	0.69 727	0.72 739	0.51 737	0.60 721	0.51 739	0.92 744	0.84 741	0.75 738	1.02 743	0.81 733	0.78 746	0.80 741	0.50 732	0.43 735	0.46 745	0.72 743	0.48 738	0.55 739	0.40 735

anonymity	0.53 724	0.58 732	0.66 719	0.41 723	0.61 746	0.54 717	0.41 729	0.57 728	0.41 645	0.56 718	0.50 692	0.50 708	0.55 727	0.59 734	0.50 732	0.58 746	0.50 754	0.51 736	0.51 743	0.52 736	0.58 744

AnyNet_C01	0.37 701	0.26 702	1.41 753	0.22 624	0.17 677	0.51 713	0.28 689	0.36 657	0.40 638	0.39 690	0.75 728	0.46 700	0.39 699	0.46 716	0.50 732	0.13 645	0.13 671	0.13 642	0.14 662	0.14 656	0.16 684

IMH	0.72 735	0.65 738	0.70 730	0.77 741	0.54 739	0.71 731	0.56 742	0.99 752	1.08 749	0.82 741	1.09 746	0.89 735	0.88 751	0.88 749	0.53 736	0.44 738	0.50 754	0.75 746	0.51 743	0.58 742	0.42 739

MonStereo1	0.49 722	0.27 707	0.61 713	0.29 700	0.20 699	0.40 703	0.19 570	0.51 717	0.66 724	0.53 713	0.91 738	1.02 737	0.59 735	0.51 722	0.58 737	0.53 743	0.32 739	0.55 740	0.40 734	0.36 731	0.38 734

SGM+DAISY	0.57 728	0.58 732	0.67 723	0.41 723	0.55 740	0.68 729	0.51 739	0.57 728	0.46 673	0.67 725	0.70 722	0.69 726	0.57 731	0.64 736	0.58 737	0.59 747	0.49 751	0.50 735	0.50 742	0.52 736	0.59 747

MFMNet_re	0.65 730	0.66 739	0.66 719	0.51 732	0.69 751	0.70 730	0.58 743	0.65 737	0.75 735	0.61 721	0.73 726	0.63 719	0.68 740	0.65 737	0.60 739	0.66 751	0.58 763	0.63 741	0.59 746	0.68 747	0.69 754

ktn	1.02 750	1.23 755	0.82 739	1.24 758	0.86 757	1.00 750	0.86 755	0.96 748	1.37 757	1.05 754	1.12 749	1.16 744	1.06 759	0.95 753	0.62 740	1.28 768	0.71 766	1.39 763	0.83 757	1.06 759	0.77 757

NVStereoNet_ROB	0.47 720	0.37 723	0.47 693	0.42 725	0.29 725	0.35 687	0.35 721	0.50 713	0.61 712	0.73 732	0.94 739	0.70 727	0.68 740	0.48 718	0.62 740	0.22 716	0.33 740	0.34 729	0.34 733	0.30 725	0.31 727
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SPS-STEREO	0.58 729	0.59 734	0.66 719	0.45 728	0.55 740	0.65 726	0.44 734	0.63 736	0.51 689	0.69 727	0.65 715	0.66 722	0.58 732	0.62 735	0.62 740	0.62 749	0.47 749	0.51 736	0.49 740	0.55 739	0.58 744
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
UHP	1.91 755	0.25 700	1.18 749	0.34 712	0.18 688	5.77 768	0.24 651	0.87 743	3.44 769	2.38 767	11.09 781	6.66 773	3.09 770	0.90 751	0.65 743	0.18 696	0.14 682	0.19 693	0.17 693	0.22 703	0.16 684

WAO-7	0.80 740	0.78 744	0.57 706	0.85 746	0.67 750	0.76 736	0.69 752	1.07 755	1.30 755	0.90 746	1.20 752	1.05 739	0.93 754	0.71 738	0.68 744	0.60 748	0.62 764	0.67 742	0.68 752	0.64 743	0.59 747

TorneroNet-64	0.76 738	0.73 742	0.77 737	0.78 743	0.58 745	0.94 747	0.58 743	0.85 742	1.26 753	0.67 725	0.88 736	1.41 752	0.76 745	0.87 747	0.68 744	0.49 741	0.46 745	0.73 745	0.59 746	0.68 747	0.54 743

PWCK	0.72 735	0.95 750	0.99 745	0.77 741	0.32 727	0.79 738	0.38 726	0.92 744	0.90 745	0.96 751	0.76 729	0.97 736	0.62 737	0.87 747	0.68 744	0.73 753	0.46 745	0.76 748	0.49 740	0.71 750	0.44 740

WAO-6	0.82 741	0.81 745	0.63 717	0.87 748	0.63 748	0.79 738	0.60 745	0.98 750	1.52 762	0.91 749	0.97 741	1.08 741	1.04 758	0.72 739	0.70 747	0.72 752	0.49 751	0.91 754	0.71 753	0.70 749	0.59 747

LVE	0.84 743	0.87 748	0.86 742	0.81 744	0.56 742	1.09 753	0.66 748	1.07 755	1.45 760	0.97 752	1.23 754	1.11 743	0.86 750	0.84 744	0.72 748	0.49 741	0.56 760	0.76 748	0.60 748	0.66 745	0.60 750

notaker	0.98 748	1.13 753	1.02 746	1.14 756	0.81 755	0.73 734	0.69 752	0.94 747	1.15 752	1.19 761	1.19 751	1.41 752	1.17 763	1.10 759	0.74 749	0.82 757	0.64 765	1.18 759	0.79 756	1.02 757	0.82 758

WAO-8	0.92 745	0.83 746	0.67 723	0.94 751	0.70 752	0.92 745	0.68 750	1.08 757	1.80 766	1.06 756	1.42 756	1.29 747	1.08 760	0.86 745	0.80 750	0.74 754	0.54 757	0.86 752	0.75 754	0.71 750	0.63 751

Venus	0.92 745	0.83 746	0.67 723	0.94 751	0.70 752	0.92 745	0.68 750	1.08 757	1.80 766	1.06 756	1.42 756	1.29 747	1.08 760	0.86 745	0.80 750	0.74 754	0.54 757	0.86 752	0.75 754	0.71 750	0.63 751

TorneroNet	0.83 742	0.75 743	0.83 741	0.85 746	0.63 748	1.03 751	0.65 747	0.96 748	1.14 751	0.80 740	1.10 748	1.36 750	0.88 751	0.95 753	0.82 752	0.57 744	0.49 751	0.79 751	0.66 751	0.74 753	0.64 753

Dean	0.88 744	0.88 749	0.81 738	0.82 745	0.57 743	0.91 744	0.62 746	1.17 765	1.71 764	1.15 759	1.16 750	1.31 749	1.00 757	0.82 743	0.83 753	0.57 744	0.56 760	0.78 750	0.65 749	0.67 746	0.58 744

KSHMR	1.10 751	1.19 754	0.90 744	1.26 759	1.00 759	0.99 748	0.96 758	1.13 763	1.35 756	1.16 760	1.28 755	1.40 751	0.97 756	1.03 756	0.93 754	1.03 766	1.08 768	1.20 760	1.03 762	1.03 758	0.98 760

UNDER WATER-64	0.97 747	0.96 751	1.48 755	0.88 749	0.57 743	1.24 756	0.90 757	0.78 739	0.96 746	1.05 754	0.85 735	1.56 757	1.26 764	0.97 755	0.99 755	0.88 758	0.57 762	1.04 758	0.88 758	0.81 754	0.75 755

UNDER WATER	0.99 749	1.00 752	1.47 754	1.00 753	0.71 754	1.18 755	0.86 755	0.81 741	1.09 750	1.02 753	0.90 737	1.53 756	1.26 764	1.06 757	1.02 756	0.79 756	0.54 757	1.02 756	0.88 758	0.83 755	0.75 755

JetBlue	0.73 737	0.46 729	1.21 751	0.52 733	0.47 735	2.16 759	0.67 749	0.78 739	0.72 730	0.70 729	0.79 732	1.21 745	0.84 749	1.06 757	1.04 757	0.40 734	0.28 734	0.33 728	0.33 730	0.30 725	0.34 730

MADNet+	0.76 738	0.72 741	3.76 762	0.67 738	0.41 731	0.99 748	0.97 759	0.72 738	0.75 735	0.52 712	0.58 710	0.64 721	0.68 740	0.89 750	1.04 757	0.35 731	0.36 741	0.28 723	0.23 714	0.38 732	0.33 729

HanzoNet	1.31 753	1.29 757	1.22 752	1.13 755	0.85 756	1.05 752	0.84 754	1.06 754	1.47 761	1.66 764	1.63 758	2.48 761	1.78 766	1.63 761	1.69 759	1.27 767	0.80 767	1.32 762	1.02 761	1.07 760	0.90 759

DPSimNet_ROB	1.14 752	1.25 756	0.87 743	1.15 757	0.90 758	1.15 754	1.18 760	1.20 766	1.26 753	1.45 763	1.05 745	1.44 755	1.13 762	0.92 752	1.70 760	1.47 769	0.52 756	1.22 761	1.04 763	0.92 756	1.03 761

zzzz4	3.65 760	5.61 777	4.02 768	12.30 777	11.85 780	4.60 761	3.99 768	1.11 761	0.45 664	0.87 743	2.08 762	6.08 768	0.43 714	3.05 764	2.22 761	0.96 763	0.15 689	1.91 769	1.76 767	5.84 773	3.78 770

noway1	3.65 760	5.60 776	3.99 766	12.30 777	11.85 780	4.61 762	4.00 770	1.11 761	0.45 664	0.87 743	2.08 762	6.09 769	0.43 714	3.05 764	2.22 761	0.96 763	0.15 689	1.91 769	1.76 767	5.84 773	3.79 771

LRCNet_RVC	10.76 778	13.97 786	7.97 778	19.07 783	2.04 763	0.35 687	0.31 710	5.29 770	0.48 677	13.02 783	17.65 783	8.69 775	5.73 772	4.78 770	2.22 761	23.53 797	2.69 775	27.60 800	25.75 800	17.60 792	16.54 795

noway4	3.66 762	5.59 775	3.99 766	12.28 775	11.84 777	4.70 765	4.02 771	1.16 764	0.47 676	0.84 742	2.09 764	6.05 767	0.42 710	3.08 766	2.23 764	0.95 761	0.15 689	1.91 769	1.75 766	5.88 775	3.80 773

TCMNet-wrong-test	3.69 764	5.54 774	3.91 765	12.22 774	11.75 776	4.77 766	3.86 766	1.08 757	0.74 734	1.13 758	2.21 765	6.16 770	0.53 726	3.43 769	2.33 765	0.90 759	0.20 714	1.85 766	1.69 765	5.71 770	3.79 771

noway2	3.63 759	5.25 772	3.83 763	12.30 777	11.84 777	4.62 763	3.98 767	1.03 753	0.50 687	0.91 749	2.05 760	6.21 772	0.40 704	2.96 763	2.36 766	0.95 761	0.14 682	1.90 768	1.76 767	5.79 771	3.81 774

MADNet++	1.97 756	1.75 759	1.66 756	1.83 760	1.69 762	2.38 760	1.45 764	2.36 768	2.11 768	2.58 768	2.37 767	2.25 760	2.21 768	2.28 762	2.36 766	1.87 770	1.67 770	1.53 764	1.34 764	1.87 762	1.78 764

Selective-IGEV-i1pa	2.90 757	3.64 763	0.72 733	0.29 700	0.14 632	10.70 774	0.45 735	4.60 769	3.77 770	3.60 769	7.07 770	3.52 762	2.16 767	13.72 783	2.40 768	0.37 732	0.15 689	0.13 642	0.10 588	0.15 670	0.36 732

noway3	3.67 763	5.34 773	3.88 764	12.29 776	11.84 777	4.64 764	3.99 768	1.08 757	0.50 687	0.90 746	2.07 761	6.19 771	0.45 719	3.36 768	2.45 769	0.97 765	0.15 689	1.91 769	1.76 767	5.79 771	3.82 775

JetRed	1.66 754	1.51 758	3.09 758	0.93 750	1.21 760	5.28 767	1.61 765	1.29 767	1.42 759	1.84 765	1.77 759	1.59 758	0.95 755	1.43 760	2.51 770	0.91 760	1.61 769	0.93 755	0.91 760	1.36 761	1.03 761

PML	8.57 773	9.39 783	6.24 769	5.34 765	6.36 767	13.21 775	20.99 776	5.35 771	6.68 772	17.75 785	26.46 796	7.58 774	6.08 773	7.89 774	5.76 771	5.33 777	1.83 771	5.95 783	1.93 771	8.75 780	2.53 766

tt	4.65 765	0.07 231	3.54 761	2.01 761	1.55 761	10.25 772	16.66 775	8.90 778	5.03 771	1.33 762	0.96 740	4.71 763	4.74 771	3.33 767	5.86 772	6.06 778	10.30 784	1.87 767	2.09 772	2.61 764	1.19 763

Selective-IGEV-i16pa	19.44 783	3.95 764	1.06 748	0.21 599	0.19 695	105.21 801	0.29 700	22.78 789	47.64 801	4.27 770	59.07 801	9.08 776	2.84 769	125.10 802	5.92 773	0.18 696	0.12 657	0.09 525	0.12 644	0.12 622	0.52 742

USTest	6.16 766	2.65 762	2.79 757	6.48 768	7.21 768	14.33 776	21.38 777	6.98 777	9.55 776	5.35 774	6.12 769	5.71 766	7.69 774	6.31 773	6.75 774	1.97 771	3.38 776	1.63 765	2.14 773	2.49 763	2.35 765

xxxxx1	7.75 767	5.06 769	7.26 770	3.15 762	3.91 764	16.37 777	22.88 780	5.87 774	8.68 773	7.99 775	8.55 771	9.13 777	8.46 775	10.05 775	10.47 775	2.43 772	2.48 772	3.56 775	12.26 781	3.48 765	3.02 767

tt_ll	7.75 767	5.06 769	7.26 770	3.15 762	3.91 764	16.37 777	22.88 780	5.87 774	8.68 773	7.99 775	8.55 771	9.13 777	8.46 775	10.05 775	10.47 775	2.43 772	2.48 772	3.56 775	12.26 781	3.48 765	3.02 767

ff	7.75 767	5.06 769	7.26 770	3.15 762	3.91 764	16.37 777	22.88 780	5.87 774	8.68 773	7.99 775	8.55 771	9.13 777	8.46 775	10.05 775	10.47 775	2.43 772	2.48 772	3.56 775	12.26 781	3.48 765	3.02 767

Anonymous_1	10.87 779	7.82 778	7.41 775	10.29 771	10.08 769	18.64 783	26.11 785	11.02 781	13.45 782	9.43 778	10.10 778	9.73 782	11.31 782	10.69 778	12.47 778	6.42 779	8.38 781	5.70 780	10.22 780	11.41 781	6.65 776

iinet-test	10.41 774	8.00 779	7.40 773	10.23 769	10.93 772	17.97 781	25.06 783	11.30 782	13.29 778	9.69 779	9.78 775	9.38 780	11.23 780	10.97 779	12.61 779	6.59 780	8.30 779	5.49 778	6.54 774	6.58 776	6.91 777

IINet	10.41 774	8.00 779	7.40 773	10.23 769	10.93 772	17.97 781	25.06 783	11.30 782	13.29 778	9.69 779	9.77 774	9.38 780	11.23 780	10.97 779	12.61 779	6.59 780	8.30 779	5.49 778	6.54 774	6.58 776	6.91 777

DPSMNet_ROB	8.06 771	4.50 765	8.69 779	5.36 767	10.74 771	8.32 770	22.71 778	5.47 772	13.38 780	5.13 772	9.98 776	5.10 764	10.47 778	5.53 771	12.77 781	3.80 776	8.00 777	3.49 773	6.95 778	3.75 769	7.09 779

DGTPSM_ROB	8.06 771	4.50 765	8.69 779	5.34 765	10.73 770	8.32 770	22.71 778	5.47 772	13.38 780	5.13 772	9.98 776	5.10 764	10.47 778	5.53 771	12.77 781	3.79 775	8.00 777	3.49 773	6.95 778	3.74 768	7.09 779

DPSM_ROB	11.10 780	8.47 781	7.95 776	10.84 772	11.58 774	19.10 784	26.50 788	12.02 784	14.09 783	10.38 781	10.91 779	10.39 783	11.92 783	11.67 781	13.39 783	6.99 782	8.79 782	5.82 781	6.92 776	6.97 778	7.31 781

DPSM	11.10 780	8.47 781	7.95 776	10.84 772	11.58 774	19.10 784	26.50 788	12.02 784	14.09 783	10.38 781	10.91 779	10.39 783	11.92 783	11.67 781	13.39 783	6.99 782	8.79 782	5.82 781	6.92 776	6.97 778	7.31 781

RSGM-EC	20.15 784	4.62 767	0.75 735	16.73 780	16.97 785	21.10 786	26.46 786	10.37 779	14.13 785	18.18 786	21.56 786	22.31 795	22.50 787	21.80 786	15.71 785	62.36 800	33.86 800	20.06 797	18.04 792	19.30 793	16.22 793

acva	20.15 784	4.62 767	0.75 735	16.73 780	16.97 785	21.10 786	26.46 786	10.37 779	14.13 785	18.18 786	21.56 786	22.31 795	22.50 787	21.80 786	15.71 785	62.36 800	33.86 800	20.06 797	18.04 792	19.30 793	16.22 793

HaxPig	15.73 782	18.55 795	19.19 789	16.92 782	15.89 784	7.80 769	7.57 772	13.37 786	10.80 777	15.40 784	14.87 782	15.95 785	14.81 785	15.67 784	15.97 787	18.96 792	16.72 785	19.47 796	18.10 794	19.45 795	19.06 796

MEDIAN_ROB	20.38 786	24.05 796	23.36 794	21.18 784	21.62 787	10.51 773	8.17 773	17.68 787	15.46 787	20.04 788	19.65 784	20.30 786	20.16 786	21.17 785	21.03 788	23.81 798	21.77 794	24.98 799	23.75 799	25.01 798	23.94 799

AVERAGE_ROB	24.89 795	29.12 799	27.98 797	24.83 793	24.59 795	17.82 780	11.61 774	21.45 788	19.91 788	25.04 797	24.38 795	25.06 797	25.31 797	24.69 796	22.86 789	29.74 799	27.09 799	28.97 801	27.94 801	30.07 799	29.35 800

FlowAnything	22.34 790	17.13 790	15.98 784	22.00 789	23.23 788	38.39 795	53.32 792	24.19 794	28.48 793	21.00 796	21.93 792	20.83 788	23.97 790	23.44 794	26.83 790	14.04 784	17.80 793	11.63 784	14.08 790	14.00 784	14.65 783

fast-reg	22.77 793	17.32 794	19.13 787	22.15 792	24.31 794	38.33 791	53.16 790	24.18 793	28.58 795	20.60 789	22.12 794	20.65 787	23.90 789	23.12 788	26.84 791	14.18 791	17.47 787	14.33 791	14.96 791	15.38 791	14.67 785

LSM0	22.80 794	17.22 792	19.17 788	22.12 791	28.90 796	38.38 794	53.27 791	24.21 795	28.36 789	20.84 795	21.11 785	21.63 794	24.25 796	23.42 793	26.98 792	14.08 789	17.39 786	11.72 790	13.98 788	14.22 790	14.66 784

CasAABBNet	22.33 787	17.11 787	15.84 783	21.94 786	23.28 789	38.30 788	53.40 794	24.05 792	28.44 792	20.66 791	21.86 790	21.03 793	24.04 792	23.35 791	27.03 793	14.06 785	17.69 788	11.70 785	13.94 785	14.04 786	14.76 787

RAFT-FEzeroshot	22.33 787	17.12 788	15.83 781	21.95 787	23.32 791	38.31 789	53.41 796	23.99 790	28.43 790	20.66 791	21.84 788	21.02 791	24.05 793	23.33 789	27.09 794	14.06 785	17.69 788	11.70 785	13.95 786	14.05 787	14.76 787

RAFT-FE	22.33 787	17.12 788	15.83 781	21.95 787	23.32 791	38.31 789	53.41 796	23.99 790	28.43 790	20.66 791	21.84 788	21.02 791	24.05 793	23.33 789	27.09 794	14.06 785	17.69 788	11.70 785	13.95 786	14.05 787	14.76 787

Hybrid-DGEV	22.38 791	17.26 793	16.15 786	21.92 785	23.29 790	38.36 792	53.40 794	24.38 797	28.67 796	20.64 790	21.89 791	21.01 790	24.05 793	23.35 791	27.12 796	14.08 789	17.70 791	11.71 789	13.99 789	14.01 785	14.70 786

Selective-RAFT-Error	22.39 792	17.14 791	16.01 785	22.00 789	23.34 793	38.37 793	53.36 793	24.24 796	28.53 794	20.80 794	21.94 793	20.94 789	24.02 791	23.48 795	27.33 797	14.07 788	17.70 791	11.70 785	13.93 784	14.05 787	14.83 790

zzzz2	33.77 798	25.93 797	24.41 795	33.32 794	35.10 797	58.15 798	80.98 800	36.98 801	42.68 798	31.82 800	33.40 799	31.44 800	36.00 798	34.74 797	40.15 798	21.20 795	26.75 795	17.85 794	21.11 797	21.10 796	22.26 797

noway5	33.77 798	25.93 797	24.41 795	33.32 794	35.10 797	58.15 798	80.98 800	36.98 801	42.68 798	31.82 800	33.40 799	31.44 800	36.00 798	34.74 797	40.15 798	21.20 795	26.75 795	17.85 794	21.11 797	21.10 796	22.26 797

zzzzzz3	32.40 796	13.78 784	19.88 792	39.27 796	40.27 799	57.81 796	73.58 799	33.27 799	42.65 797	31.40 798	32.97 797	30.93 798	36.54 800	37.48 799	43.96 800	20.77 793	26.80 797	16.44 792	20.72 795	13.41 782	16.16 791

zzz1	32.42 797	13.80 785	20.04 793	39.27 796	40.27 799	57.84 797	73.53 798	33.30 800	42.71 800	31.42 799	32.98 798	30.95 799	36.54 800	37.50 800	43.97 801	20.78 794	26.81 798	16.46 793	20.73 796	13.42 783	16.17 792

test_example2	97.69 800	92.93 800	45.57 798	96.02 798	109.84 801	88.44 800	93.70 802	25.54 798	94.63 802	130.46 803	126.87 802	58.93 802	75.48 802	87.99 801	77.94 802	150.16 802	221.11 802	76.29 802	98.21 802	108.42 802	95.33 801

ccccc		285.89 801		366.70 801	366.78 802	118.88 802		113.97 803		125.77 802		120.54 803		252.62 803		382.79 803	352.84 803	254.30 803	222.62 803	426.61 803

Low-res two-view benchmark