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

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

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

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

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

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

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

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

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

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

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

GREAT-IGEV	0.07 6	0.06 114	0.09 117	0.13 18	0.07 133	0.07 40	0.14 267	0.10 34	0.09 54	0.06 24	0.08 132	0.06 42	0.05 18	0.10 120	0.07 1	0.05 49	0.04 24	0.05 53	0.04 59	0.05 167	0.04 53
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
SCV_C0	0.08 82	0.07 224	0.08 40	0.16 219	0.10 478	0.08 85	0.14 267	0.11 63	0.13 201	0.08 136	0.07 61	0.06 42	0.05 18	0.11 202	0.07 1	0.05 49	0.05 253	0.05 53	0.04 59	0.06 300	0.05 196

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

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

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

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

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

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

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

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

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

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

CroCo-Stereo	0.09 176	0.08 365	0.08 40	0.22 610	0.09 359	0.09 148	0.18 509	0.16 236	0.12 157	0.07 76	0.07 61	0.08 192	0.06 71	0.08 26	0.07 1	0.07 358	0.05 253	0.06 204	0.04 59	0.05 167	0.04 53
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-2	0.11 305	0.09 450	0.08 40	0.19 479	0.08 230	0.12 322	0.28 670	0.13 123	0.18 354	0.11 282	0.17 379	0.14 387	0.12 397	0.07 6	0.07 1	0.05 49	0.05 253	0.09 511	0.07 403	0.04 46	0.04 53

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

BridgeDepth	0.07 6	0.07 224	0.08 40	0.18 400	0.06 31	0.07 40	0.11 75	0.10 34	0.06 8	0.04 1	0.07 61	0.10 274	0.09 279	0.08 26	0.08 26	0.04 6	0.03 1	0.04 1	0.04 59	0.03 1	0.03 1
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GSStereo	0.08 82	0.06 114	0.09 117	0.13 18	0.08 230	0.08 85	0.14 267	0.11 63	0.12 157	0.08 136	0.10 209	0.05 4	0.04 1	0.11 202	0.08 26	0.06 170	0.04 24	0.05 53	0.04 59	0.05 167	0.05 196

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

MatchStereo	0.07 6	0.04 1	0.08 40	0.14 66	0.06 31	0.05 4	0.12 114	0.12 90	0.09 54	0.07 76	0.07 61	0.04 1	0.04 1	0.09 61	0.09 99	0.06 170	0.05 253	0.05 53	0.03 1	0.04 46	0.05 196
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
FE-Mocha	0.09 176	0.06 114	0.14 399	0.16 219	0.09 359	0.11 263	0.15 357	0.19 339	0.16 296	0.10 239	0.09 173	0.07 131	0.07 178	0.09 61	0.09 99	0.06 170	0.04 24	0.06 204	0.06 297	0.05 167	0.05 196

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

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

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

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

Wavelet-MonSter	0.07 6	0.05 35	0.07 10	0.16 219	0.06 31	0.07 40	0.11 75	0.10 34	0.08 25	0.06 24	0.07 61	0.07 131	0.07 178	0.09 61	0.09 99	0.04 6	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

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

S2M2_XL	0.08 82	0.06 114	0.12 303	0.12 7	0.08 230	0.09 148	0.09 25	0.07 7	0.07 18	0.08 136	0.07 61	0.07 131	0.06 71	0.09 61	0.09 99	0.08 442	0.06 438	0.07 324	0.06 297	0.08 463	0.06 312
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
asd	0.07 6	0.08 365	0.08 40	0.16 219	0.07 133	0.08 85	0.08 9	0.11 63	0.08 25	0.07 76	0.07 61	0.06 42	0.06 71	0.10 120	0.09 99	0.03 1	0.03 1	0.04 1	0.04 59	0.04 46	0.03 1

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

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

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

3.5w_stereo	0.07 6	0.07 224	0.07 10	0.15 123	0.07 133	0.09 148	0.06 1	0.14 157	0.11 114	0.08 136	0.07 61	0.06 42	0.07 178	0.10 120	0.09 99	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

DEFOM-Stereo	0.07 6	0.05 35	0.07 10	0.14 66	0.06 31	0.09 148	0.13 190	0.07 7	0.13 201	0.06 24	0.07 61	0.06 42	0.05 18	0.10 120	0.09 99	0.05 49	0.04 24	0.05 53	0.03 1	0.04 46	0.04 53

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

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

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

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

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

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

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

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

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

CAS++	0.11 305	0.07 224	0.11 250	0.14 66	0.10 478	0.13 369	0.14 267	0.24 456	0.14 231	0.11 282	0.09 173	0.11 308	0.07 178	0.14 401	0.09 99	0.11 583	0.09 585	0.09 511	0.07 403	0.07 390	0.08 478
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.09 176	0.07 224	0.12 303	0.16 219	0.08 230	0.09 148	0.15 357	0.12 90	0.12 157	0.07 76	0.10 209	0.08 192	0.06 71	0.11 202	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.06 300	0.05 196

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

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

MyStereo06	0.10 257	0.07 224	0.12 303	0.17 307	0.09 359	0.13 369	0.18 509	0.19 339	0.12 157	0.13 358	0.08 132	0.07 131	0.07 178	0.11 202	0.09 99	0.06 170	0.05 253	0.08 420	0.07 403	0.06 300	0.06 312

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

IGEV-Stereo	0.09 176	0.07 224	0.11 250	0.17 307	0.09 359	0.11 263	0.15 357	0.16 236	0.12 157	0.10 239	0.06 21	0.06 42	0.06 71	0.11 202	0.09 99	0.05 49	0.04 24	0.06 204	0.05 202	0.05 167	0.06 312
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 176	0.05 35	0.13 351	0.14 66	0.09 359	0.12 322	0.15 357	0.19 339	0.11 114	0.11 282	0.08 132	0.08 192	0.05 18	0.10 120	0.09 99	0.06 170	0.04 24	0.06 204	0.05 202	0.06 300	0.05 196

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

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

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

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

zzzzzzz1	0.11 305	0.07 224	0.14 399	0.21 585	0.10 478	0.13 369	0.18 509	0.22 408	0.20 408	0.13 358	0.12 285	0.08 192	0.08 237	0.13 362	0.10 200	0.05 49	0.05 253	0.07 324	0.07 403	0.05 167	0.05 196

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

BridgeDepth_RVC	0.07 6	0.04 1	0.09 117	0.11 1	0.05 2	0.10 209	0.10 40	0.14 157	0.09 54	0.06 24	0.07 61	0.06 42	0.08 237	0.07 6	0.10 200	0.06 170	0.04 24	0.04 1	0.04 59	0.05 167	0.04 53
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
WQFJX1	0.10 257	0.07 224	0.08 40	0.22 610	0.09 359	0.12 322	0.17 459	0.18 306	0.18 354	0.10 239	0.10 209	0.07 131	0.10 319	0.11 202	0.10 200	0.07 358	0.08 549	0.07 324	0.06 297	0.05 167	0.05 196

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

AIO_test	0.07 6	0.06 114	0.07 10	0.15 123	0.07 133	0.07 40	0.14 267	0.10 34	0.10 79	0.07 76	0.07 61	0.06 42	0.05 18	0.08 26	0.10 200	0.05 49	0.04 24	0.05 53	0.04 59	0.04 46	0.03 1

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CASnet	0.09 176	0.09 450	0.09 117	0.19 479	0.06 31	0.07 40	0.11 75	0.18 306	0.14 231	0.11 282	0.10 209	0.09 239	0.07 178	0.10 120	0.10 200	0.06 170	0.04 24	0.10 560	0.08 486	0.06 300	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 176	0.07 224	0.13 351	0.18 400	0.06 31	0.11 263	0.07 5	0.14 157	0.12 157	0.09 189	0.10 209	0.07 131	0.09 279	0.13 362	0.10 200	0.06 170	0.05 253	0.05 53	0.04 59	0.04 46	0.05 196

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

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

LoS	0.09 176	0.05 35	0.11 250	0.13 18	0.07 133	0.14 419	0.11 75	0.15 197	0.15 260	0.09 189	0.09 173	0.12 334	0.09 279	0.15 424	0.10 200	0.07 358	0.05 253	0.05 53	0.03 1	0.05 167	0.05 196
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MC-Stereo	0.09 176	0.07 224	0.09 117	0.17 307	0.06 31	0.10 209	0.14 267	0.12 90	0.11 114	0.09 189	0.12 285	0.09 239	0.06 71	0.11 202	0.10 200	0.06 170	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

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

test-3	0.09 176	0.06 114	0.10 180	0.18 400	0.07 133	0.07 40	0.14 267	0.12 90	0.16 296	0.10 239	0.08 132	0.08 192	0.08 237	0.11 202	0.10 200	0.05 49	0.04 24	0.07 324	0.05 202	0.04 46	0.04 53

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

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

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

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

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

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

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

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

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

raftrobust	0.09 176	0.06 114	0.11 250	0.17 307	0.08 230	0.09 148	0.10 40	0.18 306	0.16 296	0.10 239	0.09 173	0.12 334	0.08 237	0.12 299	0.10 200	0.08 442	0.05 253	0.06 204	0.05 202	0.05 167	0.06 312

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

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

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

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

CREStereo	0.09 176	0.05 35	0.08 40	0.11 1	0.06 31	0.14 419	0.14 267	0.14 157	0.10 79	0.09 189	0.13 310	0.09 239	0.08 237	0.12 299	0.10 200	0.08 442	0.04 24	0.05 53	0.03 1	0.06 300	0.06 312
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 176	0.05 35	0.09 117	0.12 7	0.06 31	0.13 369	0.14 267	0.16 236	0.11 114	0.09 189	0.13 310	0.10 274	0.07 178	0.14 401	0.10 200	0.15 653	0.04 24	0.05 53	0.03 1	0.07 390	0.06 312

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

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

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

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

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

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

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

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

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

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

Hybrid-DGEV-03	0.11 305	0.06 114	0.09 117	0.18 400	0.08 230	0.16 475	0.14 267	0.15 197	0.14 231	0.13 358	0.17 379	0.12 334	0.09 279	0.13 362	0.11 287	0.06 170	0.04 24	0.08 420	0.06 297	0.05 167	0.04 53

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

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

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

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

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

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

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

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

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

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

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

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

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

S2M2_L	0.09 176	0.08 365	0.11 250	0.13 18	0.10 478	0.08 85	0.06 1	0.10 34	0.10 79	0.10 239	0.10 209	0.09 239	0.09 279	0.11 202	0.11 287	0.13 628	0.07 513	0.08 420	0.09 533	0.10 564	0.08 478
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
fffy	0.09 176	0.08 365	0.10 180	0.16 219	0.07 133	0.13 369	0.17 459	0.13 123	0.12 157	0.08 136	0.09 173	0.08 192	0.09 279	0.13 362	0.11 287	0.05 49	0.05 253	0.07 324	0.05 202	0.04 46	0.05 196

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

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

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

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

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

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

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

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

knoymous	0.11 305	0.06 114	0.12 303	0.14 66	0.07 133	0.15 444	0.13 190	0.20 359	0.14 231	0.11 282	0.17 379	0.13 366	0.09 279	0.14 401	0.11 287	0.09 504	0.05 253	0.06 204	0.05 202	0.07 390	0.07 403

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

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

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

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

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

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

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

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

Patchmatch Stereo++	0.11 305	0.09 450	0.17 505	0.19 479	0.08 230	0.06 15	0.11 75	0.17 274	0.13 201	0.15 414	0.16 359	0.14 387	0.12 397	0.11 202	0.11 287	0.06 170	0.05 253	0.08 420	0.06 297	0.08 463	0.07 403
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
TransformOpticalFlow	0.10 257	0.08 365	0.13 351	0.18 400	0.07 133	0.09 148	0.15 357	0.19 339	0.16 296	0.12 322	0.16 359	0.11 308	0.11 362	0.11 202	0.11 287	0.05 49	0.04 24	0.06 204	0.06 297	0.05 167	0.05 196

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CREStereo++_RVC	0.08 82	0.04 1	0.07 10	0.13 18	0.07 133	0.09 148	0.12 114	0.14 157	0.14 231	0.10 239	0.14 325	0.08 192	0.07 178	0.10 120	0.11 287	0.06 170	0.04 24	0.05 53	0.05 202	0.04 46	0.04 53
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
sAnonymous2	0.13 423	0.12 565	0.25 606	0.20 546	0.12 571	0.18 516	0.14 267	0.27 507	0.21 424	0.11 282	0.12 285	0.13 366	0.08 237	0.11 202	0.11 287	0.09 504	0.05 253	0.08 420	0.06 297	0.15 653	0.10 559

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

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

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

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

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

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

RAFT-Stereo	0.10 257	0.06 114	0.11 250	0.17 307	0.08 230	0.11 263	0.14 267	0.24 456	0.11 114	0.12 322	0.19 424	0.11 308	0.08 237	0.10 120	0.11 287	0.07 358	0.05 253	0.06 204	0.05 202	0.05 167	0.05 196
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
SMOE	0.10 257	0.08 365	0.09 117	0.18 400	0.07 133	0.13 369	0.14 267	0.19 339	0.13 201	0.12 322	0.13 310	0.12 334	0.09 279	0.11 202	0.12 365	0.05 49	0.05 253	0.08 420	0.06 297	0.06 300	0.04 53

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

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

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

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

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

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

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

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

fffft	0.09 176	0.06 114	0.12 303	0.16 219	0.07 133	0.09 148	0.16 425	0.12 90	0.11 114	0.09 189	0.07 61	0.09 239	0.06 71	0.11 202	0.12 365	0.05 49	0.04 24	0.06 204	0.05 202	0.04 46	0.05 196
1: 1. 1
mms	0.09 176	0.07 224	0.08 40	0.17 307	0.08 230	0.11 263	0.15 357	0.12 90	0.11 114	0.09 189	0.09 173	0.08 192	0.06 71	0.11 202	0.12 365	0.05 49	0.04 24	0.07 324	0.05 202	0.04 46	0.04 53

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

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

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

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

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

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

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

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

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

riskmin	0.11 305	0.06 114	0.13 351	0.14 66	0.08 230	0.14 419	0.14 267	0.18 306	0.15 260	0.12 322	0.15 342	0.17 452	0.11 362	0.14 401	0.12 365	0.09 504	0.05 253	0.07 324	0.05 202	0.08 463	0.08 478

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

GMStereo	0.13 423	0.15 614	0.14 399	0.18 400	0.09 359	0.16 475	0.16 425	0.20 359	0.25 493	0.17 458	0.17 379	0.11 308	0.11 362	0.16 453	0.13 406	0.07 358	0.06 438	0.06 204	0.06 297	0.07 390	0.06 312
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HSM-Net_RVC	0.14 456	0.08 365	0.12 303	0.15 123	0.08 230	0.16 475	0.15 357	0.27 507	0.29 544	0.20 529	0.21 453	0.29 597	0.14 466	0.18 514	0.13 406	0.06 170	0.06 438	0.06 204	0.06 297	0.07 390	0.06 312
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
IGEV_i1	0.12 392	0.08 365	0.12 303	0.17 307	0.08 230	0.19 540	0.15 357	0.19 339	0.23 456	0.18 491	0.18 408	0.16 434	0.12 397	0.17 493	0.14 450	0.06 170	0.05 253	0.06 204	0.05 202	0.06 300	0.06 312

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

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

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

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

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

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

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

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

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

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

CASS	0.14 456	0.12 565	0.12 303	0.23 631	0.09 359	0.15 444	0.17 459	0.19 339	0.20 408	0.17 458	0.18 408	0.15 413	0.15 486	0.15 424	0.14 450	0.09 504	0.06 438	0.10 560	0.08 486	0.09 528	0.07 403
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 423	0.07 224	0.14 399	0.18 400	0.09 359	0.13 369	0.17 459	0.20 359	0.29 544	0.15 414	0.24 488	0.16 434	0.14 466	0.14 401	0.14 450	0.07 358	0.05 253	0.07 324	0.09 533	0.05 167	0.07 403

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

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

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

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

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

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

IPLG	0.11 305	0.08 365	0.15 436	0.17 307	0.08 230	0.11 263	0.14 267	0.20 359	0.15 260	0.13 358	0.18 408	0.07 131	0.07 178	0.14 401	0.14 450	0.06 170	0.04 24	0.06 204	0.05 202	0.04 46	0.04 53

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	0.11 305	0.08 365	0.15 436	0.17 307	0.09 359	0.13 369	0.09 25	0.16 236	0.16 296	0.12 322	0.16 359	0.14 387	0.12 397	0.16 453	0.14 450	0.06 170	0.05 253	0.06 204	0.05 202	0.05 167	0.07 403
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.14 456	0.08 365	0.15 436	0.17 307	0.09 359	0.14 419	0.14 267	0.29 553	0.36 601	0.14 389	0.20 434	0.21 504	0.13 433	0.18 514	0.14 450	0.07 358	0.05 253	0.07 324	0.07 403	0.07 390	0.07 403

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

HITNet	0.11 305	0.06 114	0.12 303	0.14 66	0.06 31	0.12 322	0.10 40	0.18 306	0.18 354	0.13 358	0.17 379	0.15 413	0.11 362	0.15 424	0.14 450	0.06 170	0.04 24	0.04 1	0.04 59	0.06 300	0.05 196
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
iResNetv2_ROB	0.15 497	0.08 365	0.16 480	0.16 219	0.08 230	0.16 475	0.13 190	0.26 493	0.36 601	0.21 546	0.29 572	0.24 548	0.13 433	0.14 401	0.14 450	0.06 170	0.06 438	0.06 204	0.04 59	0.09 528	0.08 478

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

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

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

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

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

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

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

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

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

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

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

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

ICVP	0.16 525	0.09 450	0.12 303	0.22 610	0.09 359	0.18 516	0.21 596	0.26 493	0.24 468	0.18 491	0.30 578	0.27 578	0.18 547	0.18 514	0.15 488	0.10 548	0.07 513	0.08 420	0.07 403	0.07 390	0.08 478
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FENet	0.13 423	0.08 365	0.13 351	0.16 219	0.08 230	0.15 444	0.16 425	0.23 430	0.23 456	0.17 458	0.24 488	0.16 434	0.13 433	0.14 401	0.15 488	0.08 442	0.05 253	0.08 420	0.08 486	0.08 463	0.08 478

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

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

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

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

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

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

AdaStereo	0.15 497	0.11 546	0.16 480	0.19 479	0.09 359	0.21 572	0.11 75	0.33 603	0.28 536	0.21 546	0.23 476	0.21 504	0.13 433	0.19 539	0.15 488	0.13 628	0.05 253	0.10 560	0.07 403	0.09 528	0.07 403
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 497	0.09 450	0.15 436	0.16 219	0.09 359	0.16 475	0.14 267	0.28 532	0.25 493	0.20 529	0.24 488	0.37 651	0.17 533	0.20 558	0.15 488	0.07 358	0.05 253	0.07 324	0.06 297	0.07 390	0.06 312

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

pmcnn	0.15 497	0.07 224	0.20 568	0.15 123	0.07 133	0.21 572	0.16 425	0.25 479	0.26 507	0.21 546	0.33 600	0.29 597	0.19 566	0.18 514	0.17 525	0.07 358	0.05 253	0.05 53	0.04 59	0.07 390	0.06 312

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

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

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

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

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

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

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

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

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

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

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

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

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

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

SGM-Forest	0.20 584	0.14 607	0.18 539	0.20 546	0.13 597	0.21 572	0.22 610	0.33 603	0.31 560	0.24 588	0.29 572	0.28 588	0.20 578	0.23 602	0.18 538	0.15 653	0.16 680	0.15 654	0.14 647	0.13 621	0.12 607
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
G2L-Stereo_test	0.14 456	0.07 224	0.11 250	0.13 18	0.08 230	0.12 322	0.17 459	0.31 583	0.28 536	0.21 546	0.23 476	0.20 495	0.16 507	0.17 493	0.19 553	0.07 358	0.05 253	0.05 53	0.05 202	0.07 390	0.07 403

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

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

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

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

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

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

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

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

CBMV	0.20 584	0.15 614	0.18 539	0.18 400	0.10 478	0.20 560	0.11 75	0.30 566	0.31 560	0.29 636	0.31 583	0.31 622	0.23 599	0.28 635	0.19 553	0.13 628	0.15 670	0.17 666	0.16 669	0.10 564	0.10 559
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ISRNet	0.18 563	0.08 365	0.20 568	0.19 479	0.13 597	0.15 444	0.12 114	0.30 566	0.33 571	0.21 546	0.26 528	0.27 578	0.18 547	0.17 493	0.20 563	0.20 686	0.08 549	0.14 642	0.14 647	0.14 639	0.17 674

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

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

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

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

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

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

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

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

NLCA_NET_v2_RVC	0.17 547	0.10 519	0.23 597	0.20 546	0.10 478	0.15 444	0.18 509	0.31 583	0.25 493	0.21 546	0.31 583	0.25 561	0.17 533	0.21 576	0.20 563	0.09 504	0.06 438	0.08 420	0.09 533	0.07 390	0.08 478
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 584	0.21 664	0.23 597	0.20 546	0.10 478	0.19 540	0.17 459	0.36 640	0.26 507	0.27 613	0.34 610	0.27 578	0.24 608	0.20 558	0.20 563	0.15 653	0.12 640	0.17 666	0.14 647	0.10 564	0.09 527

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

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

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

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

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

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

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

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

ACVNet	0.15 497	0.09 450	0.15 436	0.13 18	0.12 571	0.14 419	0.20 579	0.22 408	0.34 582	0.17 458	0.26 528	0.21 504	0.17 533	0.18 514	0.21 576	0.07 358	0.06 438	0.06 204	0.06 297	0.08 463	0.06 312

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

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

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

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

StereoDRNet-Refined	0.17 547	0.12 565	0.16 480	0.20 546	0.10 478	0.18 516	0.18 509	0.27 507	0.24 468	0.26 606	0.41 651	0.23 539	0.18 547	0.21 576	0.21 576	0.09 504	0.05 253	0.09 511	0.10 574	0.07 390	0.07 403
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.19 575	0.11 546	0.18 539	0.22 610	0.11 537	0.22 586	0.22 610	0.37 649	0.34 582	0.24 588	0.28 557	0.30 607	0.19 566	0.20 558	0.21 576	0.10 548	0.08 549	0.11 591	0.09 533	0.09 528	0.07 403

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

GANet	0.22 607	0.13 592	0.21 579	0.25 651	0.14 617	0.23 600	0.22 610	0.42 675	0.27 520	0.31 649	0.43 662	0.37 651	0.29 645	0.23 602	0.23 600	0.10 548	0.12 640	0.10 560	0.09 533	0.10 564	0.08 478

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

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

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

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

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

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

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

aanetorigin	0.22 607	0.17 635	0.57 685	0.18 400	0.10 478	0.16 475	0.19 556	0.20 359	0.33 571	0.49 692	0.48 672	0.30 607	0.28 640	0.21 576	0.24 612	0.08 442	0.07 513	0.08 420	0.07 403	0.10 564	0.09 527

DANet	0.21 599	0.16 625	0.29 629	0.25 651	0.13 597	0.23 600	0.19 556	0.28 532	0.27 520	0.28 626	0.32 593	0.35 646	0.32 663	0.31 649	0.24 612	0.11 583	0.09 585	0.11 591	0.10 574	0.13 621	0.11 586
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	0.25 638	0.17 635	0.23 597	0.27 668	0.14 617	0.26 630	0.22 610	0.42 675	0.43 641	0.42 681	0.41 651	0.43 675	0.27 631	0.32 654	0.24 612	0.09 504	0.15 670	0.15 654	0.12 629	0.12 605	0.10 559

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

w-ln-seven-2	0.20 584	0.14 607	0.39 659	0.23 631	0.12 571	0.21 572	0.21 596	0.29 553	0.38 613	0.25 601	0.38 629	0.28 588	0.23 599	0.21 576	0.25 620	0.08 442	0.08 549	0.09 511	0.09 533	0.10 564	0.09 527

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

SGM_RVC	0.24 631	0.12 565	0.16 480	0.15 123	0.09 359	0.34 666	0.19 556	0.35 633	0.32 566	0.44 686	0.38 629	0.53 695	0.36 676	0.36 670	0.26 633	0.13 628	0.13 654	0.13 627	0.13 641	0.11 586	0.11 586
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
z-mn7	0.25 638	0.15 614	0.47 674	0.19 479	0.13 597	0.28 649	0.25 650	0.35 633	0.64 701	0.27 613	0.57 688	0.29 597	0.24 608	0.32 654	0.27 639	0.08 442	0.08 549	0.08 420	0.08 486	0.10 564	0.10 559

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

Wz-Net-MNSev	0.23 620	0.13 592	0.33 645	0.20 546	0.15 636	0.36 675	0.25 650	0.34 618	0.45 647	0.29 636	0.41 651	0.39 662	0.19 566	0.25 620	0.27 639	0.09 504	0.07 513	0.09 511	0.09 533	0.12 605	0.10 559

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

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

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

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

MeshStereo	0.27 658	0.13 592	0.18 539	0.15 123	0.11 537	0.33 662	0.24 634	0.41 670	0.36 601	0.53 695	0.58 692	0.67 705	0.41 688	0.36 670	0.27 639	0.14 649	0.13 654	0.13 627	0.11 606	0.11 586	0.11 586
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
DStereoO	0.25 638	0.18 649	0.19 563	0.20 546	0.15 636	0.22 586	0.19 556	0.33 603	0.42 632	0.30 642	0.22 471	0.33 635	0.28 640	0.42 693	0.28 647	0.47 715	0.12 640	0.31 703	0.11 606	0.17 673	0.12 607

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

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

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

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

Abc-Net	0.25 638	0.15 614	0.31 638	0.26 660	0.17 662	0.21 572	0.31 690	0.41 670	0.40 623	0.24 588	0.38 629	0.33 635	0.29 645	0.37 675	0.28 647	0.13 628	0.11 624	0.15 654	0.22 687	0.13 621	0.13 624
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	0.20 584	0.10 519	0.35 654	0.21 585	0.12 571	0.22 586	0.27 664	0.31 583	0.35 596	0.26 606	0.37 622	0.22 522	0.22 593	0.27 626	0.28 647	0.09 504	0.06 438	0.08 420	0.08 486	0.10 564	0.10 559

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

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

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

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

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

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

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

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

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

light-stereo	0.44 693	0.27 683	0.64 696	0.61 712	0.50 712	0.34 666	0.23 623	0.47 691	0.52 677	0.57 700	0.59 694	0.78 711	0.33 667	0.49 698	0.30 663	0.33 705	0.25 706	0.27 691	0.33 706	0.47 710	0.41 713

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

FCDSN-DC	0.33 677	0.28 685	0.28 620	0.30 686	0.24 691	0.39 684	0.28 670	0.43 681	0.42 632	0.44 686	0.53 679	0.51 691	0.42 692	0.37 675	0.30 663	0.21 689	0.20 692	0.27 691	0.26 694	0.25 694	0.25 694
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SHD	0.26 650	0.15 614	0.31 638	0.24 643	0.18 672	0.23 600	0.15 357	0.39 662	0.72 712	0.32 656	0.42 659	0.36 648	0.29 645	0.33 658	0.30 663	0.13 628	0.11 624	0.14 642	0.13 641	0.16 666	0.20 686

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

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

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

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

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

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

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

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

Ntro	0.41 689	0.40 702	0.54 681	0.46 707	0.30 702	0.64 705	0.24 634	0.47 691	0.68 707	0.42 681	0.49 673	0.47 687	0.42 692	0.40 686	0.32 674	0.32 704	0.28 710	0.37 706	0.31 704	0.33 706	0.29 700

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

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

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

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

otaku	0.39 686	0.38 700	0.53 679	0.44 703	0.28 698	0.57 701	0.24 634	0.42 675	0.62 697	0.40 675	0.50 675	0.46 683	0.34 669	0.40 686	0.33 678	0.30 703	0.30 712	0.39 707	0.33 706	0.30 701	0.29 700

GANetREF_RVC	0.31 674	0.34 697	0.29 629	0.35 694	0.16 650	0.33 662	0.42 709	0.48 693	0.52 677	0.35 662	0.35 614	0.34 640	0.32 663	0.40 686	0.33 678	0.27 702	0.20 692	0.29 700	0.15 664	0.19 680	0.18 678
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
ADCPNet	0.26 650	0.17 635	0.62 693	0.21 585	0.15 636	0.36 675	0.25 650	0.33 603	0.37 607	0.31 649	0.41 651	0.36 648	0.29 645	0.29 642	0.34 682	0.12 609	0.10 609	0.11 591	0.12 629	0.14 639	0.13 624

PDISCO_ROB	0.28 661	0.16 625	0.28 620	0.28 675	0.20 680	0.33 662	0.27 664	0.45 687	0.58 689	0.28 626	0.41 651	0.45 679	0.30 656	0.34 661	0.35 683	0.12 609	0.09 585	0.17 666	0.16 669	0.17 673	0.13 624

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

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

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

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

WZ-Net	0.29 665	0.17 635	0.82 716	0.23 631	0.16 650	0.35 671	0.29 681	0.40 665	0.59 691	0.24 588	0.57 688	0.37 651	0.25 616	0.34 661	0.37 688	0.09 504	0.08 549	0.09 511	0.10 574	0.14 639	0.16 665

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

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

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

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

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

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

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

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

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

ELAS_RVC	0.42 691	0.29 692	0.33 645	0.28 675	0.24 691	0.56 700	0.38 704	0.50 695	0.61 694	0.74 712	0.76 709	0.67 705	0.56 711	0.55 707	0.42 698	0.22 693	0.21 702	0.27 691	0.26 694	0.27 700	0.26 697
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
coex-ft	3.24 734	0.35 698	57.83 775	0.18 400	0.13 597	0.27 639	0.23 623	0.28 532	0.72 712	1.89 743	0.70 703	0.43 675	0.47 702	0.29 642	0.43 699	0.09 504	0.09 585	0.12 613	0.09 533	0.14 639	0.14 642

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

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

RainbowNet	0.54 704	0.61 711	0.71 710	0.57 711	0.43 709	0.66 707	0.37 702	0.60 712	0.87 723	0.51 693	0.67 698	0.63 701	0.47 702	0.50 699	0.44 702	0.47 715	0.48 726	0.53 714	0.41 711	0.53 714	0.41 713

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

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

ELAS	0.42 691	0.29 692	0.34 648	0.28 675	0.24 691	0.63 704	0.37 702	0.52 700	0.52 677	0.72 709	0.82 713	0.68 707	0.56 711	0.52 702	0.45 705	0.22 693	0.21 702	0.27 691	0.26 694	0.26 698	0.26 697
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.44 693	0.39 701	0.56 683	0.40 699	0.20 680	0.66 707	0.33 699	0.54 704	0.72 712	0.71 708	0.72 705	0.62 700	0.55 709	0.52 702	0.47 706	0.20 686	0.19 691	0.29 700	0.30 703	0.24 692	0.19 683

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

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

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

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

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

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

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

MonStereo1	0.49 701	0.27 683	0.61 691	0.29 682	0.20 680	0.40 686	0.19 556	0.51 699	0.66 706	0.53 695	0.91 717	1.02 716	0.59 715	0.51 701	0.58 714	0.53 719	0.32 715	0.55 716	0.40 710	0.36 707	0.38 710

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

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

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

NVStereoNet_ROB	0.47 699	0.37 699	0.47 674	0.42 702	0.29 701	0.35 671	0.35 700	0.50 695	0.61 694	0.73 710	0.94 718	0.70 709	0.68 720	0.48 697	0.62 717	0.22 693	0.33 716	0.34 705	0.34 709	0.30 701	0.31 703
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SPS-STEREO	0.58 707	0.59 710	0.66 697	0.45 704	0.55 716	0.65 706	0.44 712	0.63 713	0.51 671	0.69 706	0.65 697	0.66 704	0.58 714	0.62 713	0.62 717	0.62 725	0.47 725	0.51 712	0.49 716	0.55 715	0.58 720
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	0.80 717	0.78 720	0.57 685	0.85 722	0.67 726	0.76 716	0.69 729	1.07 731	1.30 733	0.90 723	1.20 731	1.05 718	0.93 731	0.71 716	0.68 720	0.60 724	0.62 740	0.67 718	0.68 728	0.64 719	0.59 723

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Low-res two-view benchmark