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

quiztm	0.08 73	0.08 330	0.08 35	0.18 375	0.07 122	0.09 132	0.14 240	0.14 137	0.13 176	0.07 69	0.07 57	0.05 4	0.06 65	0.11 186	0.09 91	0.05 48	0.04 24	0.06 182	0.04 52	0.05 159	0.03 1

monster-pro	0.07 6	0.06 95	0.06 1	0.15 104	0.05 2	0.08 74	0.10 33	0.15 176	0.15 231	0.05 2	0.06 19	0.05 4	0.06 65	0.07 3	0.09 91	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

aanet-new-90k	0.08 73	0.07 197	0.09 104	0.19 446	0.06 25	0.07 35	0.12 102	0.13 107	0.13 176	0.06 22	0.07 57	0.06 40	0.07 170	0.11 186	0.07 1	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.03 1

aanet-new-60k	0.08 73	0.07 197	0.08 35	0.18 375	0.06 25	0.07 35	0.10 33	0.09 19	0.14 205	0.07 69	0.07 57	0.06 40	0.07 170	0.11 186	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.04 45	0.03 1

aanet-new-70k	0.07 6	0.06 95	0.09 104	0.17 285	0.06 25	0.08 74	0.12 102	0.11 53	0.10 64	0.07 69	0.07 57	0.07 122	0.06 65	0.10 113	0.07 1	0.04 6	0.04 24	0.05 45	0.04 52	0.04 45	0.03 1

aanet-new-78k	0.08 73	0.07 197	0.09 104	0.19 446	0.06 25	0.07 35	0.12 102	0.11 53	0.13 176	0.06 22	0.07 57	0.06 40	0.06 65	0.10 113	0.07 1	0.04 6	0.04 24	0.05 45	0.04 52	0.05 159	0.03 1

aanet-new-36k	0.08 73	0.07 197	0.10 162	0.17 285	0.06 25	0.09 132	0.13 169	0.12 79	0.14 205	0.08 122	0.08 118	0.06 40	0.05 17	0.09 55	0.08 23	0.04 6	0.04 24	0.05 45	0.04 52	0.03 1	0.03 1

aanet-new-34k	0.08 73	0.06 95	0.09 104	0.17 285	0.05 2	0.08 74	0.13 169	0.12 79	0.13 176	0.09 173	0.08 118	0.07 122	0.05 17	0.10 113	0.09 91	0.04 6	0.04 24	0.05 45	0.04 52	0.03 1	0.03 1

GCAP-Stereo-DPT-24K	0.07 6	0.06 95	0.07 8	0.15 104	0.06 25	0.10 190	0.15 324	0.12 79	0.11 97	0.06 22	0.11 239	0.06 40	0.05 17	0.09 55	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.03 1	0.03 1

GCAP-Stereo-DPT-50K	0.08 73	0.07 197	0.18 498	0.16 197	0.06 25	0.06 12	0.13 169	0.13 107	0.13 176	0.07 69	0.07 57	0.06 40	0.05 17	0.08 21	0.08 23	0.04 6	0.04 24	0.05 45	0.04 52	0.03 1	0.03 1

GCAP-Stereo-DPT-25K	0.08 73	0.06 95	0.08 35	0.16 197	0.06 25	0.06 12	0.14 240	0.14 137	0.15 231	0.07 69	0.10 188	0.06 40	0.05 17	0.09 55	0.09 91	0.04 6	0.04 24	0.05 45	0.04 52	0.03 1	0.03 1

LACA3	0.07 6	0.08 330	0.08 35	0.13 11	0.05 2	0.09 132	0.11 67	0.08 11	0.09 44	0.08 122	0.06 19	0.07 122	0.07 170	0.08 21	0.07 1	0.06 161	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

Foundation-i1b	0.08 73	0.05 31	0.07 8	0.14 55	0.05 2	0.09 132	0.12 102	0.13 107	0.10 64	0.09 173	0.10 188	0.10 247	0.06 65	0.07 3	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.03 1	0.03 1

Selective-IGEV-i32	0.07 6	0.06 95	0.09 104	0.17 285	0.06 25	0.08 74	0.12 102	0.13 107	0.08 19	0.08 122	0.07 57	0.06 40	0.04 1	0.10 113	0.09 91	0.05 48	0.04 24	0.05 45	0.04 52	0.04 45	0.03 1

DispViT+	0.08 73	0.05 31	0.10 162	0.13 11	0.06 25	0.05 3	0.11 67	0.18 281	0.16 265	0.09 173	0.08 118	0.07 122	0.06 65	0.11 186	0.09 91	0.06 161	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

VIP-Stereo	0.07 6	0.07 197	0.08 35	0.15 104	0.06 25	0.11 241	0.10 33	0.11 53	0.11 97	0.06 22	0.07 57	0.06 40	0.05 17	0.10 113	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.03 1	0.03 1

BridgeDepth	0.07 6	0.07 197	0.08 35	0.18 375	0.06 25	0.07 35	0.11 67	0.10 27	0.06 6	0.04 1	0.07 57	0.10 247	0.09 256	0.08 21	0.08 23	0.04 6	0.03 1	0.04 1	0.04 52	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
MonStereo	0.07 6	0.06 95	0.06 1	0.15 104	0.05 2	0.08 74	0.10 33	0.15 176	0.15 231	0.05 2	0.06 19	0.05 4	0.06 65	0.07 3	0.09 91	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 31	0.07 8	0.16 197	0.06 25	0.07 35	0.11 67	0.10 27	0.08 19	0.06 22	0.07 57	0.07 122	0.07 170	0.09 55	0.09 91	0.04 6	0.04 24	0.04 1	0.03 1	0.03 1	0.03 1

Monster-pub-eth3d	0.07 6	0.06 95	0.06 1	0.15 104	0.05 2	0.08 74	0.10 33	0.15 176	0.15 231	0.05 2	0.06 19	0.05 4	0.06 65	0.07 3	0.10 189	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

asda	0.07 6	0.08 330	0.08 35	0.16 197	0.07 122	0.06 12	0.10 33	0.16 213	0.11 97	0.06 22	0.06 19	0.05 4	0.06 65	0.10 113	0.10 189	0.03 1	0.03 1	0.04 1	0.03 1	0.04 45	0.03 1

asd	0.07 6	0.08 330	0.08 35	0.16 197	0.07 122	0.08 74	0.08 7	0.11 53	0.08 19	0.07 69	0.07 57	0.06 40	0.06 65	0.10 113	0.09 91	0.03 1	0.03 1	0.04 1	0.04 52	0.04 45	0.03 1

qwe	0.08 73	0.08 330	0.07 8	0.15 104	0.06 25	0.07 35	0.10 33	0.18 281	0.12 134	0.07 69	0.07 57	0.06 40	0.06 65	0.10 113	0.09 91	0.04 6	0.03 1	0.04 1	0.04 52	0.04 45	0.03 1

depthmonostereo	0.09 163	0.06 95	0.09 104	0.15 104	0.06 25	0.11 241	0.13 169	0.14 137	0.15 231	0.10 216	0.10 188	0.09 215	0.11 326	0.08 21	0.09 91	0.06 161	0.05 237	0.06 182	0.04 52	0.04 45	0.03 1

DilatedVolume-Stereo	0.09 163	0.05 31	0.08 35	0.15 104	0.06 25	0.11 241	0.12 102	0.14 137	0.16 265	0.11 258	0.11 239	0.09 215	0.10 287	0.11 186	0.11 268	0.06 161	0.05 237	0.05 45	0.04 52	0.03 1	0.03 1

4.25_new	0.07 6	0.08 330	0.09 104	0.15 104	0.06 25	0.08 74	0.08 7	0.14 137	0.08 19	0.07 69	0.07 57	0.06 40	0.06 65	0.12 278	0.10 189	0.04 6	0.03 1	0.04 1	0.03 1	0.04 45	0.03 1

4.5w_new	0.07 6	0.08 330	0.09 104	0.15 104	0.06 25	0.08 74	0.08 7	0.14 137	0.08 19	0.07 69	0.07 57	0.06 40	0.06 65	0.12 278	0.10 189	0.04 6	0.03 1	0.04 1	0.03 1	0.04 45	0.03 1

4.5_new	0.07 6	0.09 411	0.08 35	0.15 104	0.07 122	0.07 35	0.10 33	0.14 137	0.11 97	0.06 22	0.08 118	0.06 40	0.06 65	0.08 21	0.10 189	0.03 1	0.03 1	0.04 1	0.04 52	0.04 45	0.03 1

4.5w-stereo	0.07 6	0.09 411	0.08 35	0.15 104	0.07 122	0.07 35	0.10 33	0.14 137	0.11 97	0.06 22	0.08 118	0.06 40	0.06 65	0.08 21	0.10 189	0.03 1	0.03 1	0.04 1	0.04 52	0.04 45	0.03 1

4.25w-stereo	0.07 6	0.08 330	0.09 104	0.15 104	0.06 25	0.08 74	0.08 7	0.14 137	0.08 19	0.07 69	0.07 57	0.06 40	0.06 65	0.12 278	0.10 189	0.04 6	0.03 1	0.04 1	0.03 1	0.04 45	0.03 1

4w-stereo	0.07 6	0.08 330	0.08 35	0.16 197	0.07 122	0.07 35	0.08 7	0.11 53	0.09 44	0.07 69	0.07 57	0.05 4	0.06 65	0.09 55	0.10 189	0.03 1	0.03 1	0.04 1	0.04 52	0.04 45	0.03 1

2.5w	0.07 6	0.07 197	0.08 35	0.16 197	0.06 25	0.08 74	0.12 102	0.10 27	0.10 64	0.07 69	0.06 19	0.09 215	0.06 65	0.08 21	0.09 91	0.04 6	0.03 1	0.04 1	0.04 52	0.03 1	0.03 1

3.75w	0.07 6	0.07 197	0.08 35	0.16 197	0.07 122	0.07 35	0.09 20	0.16 213	0.10 64	0.07 69	0.06 19	0.06 40	0.06 65	0.09 55	0.10 189	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 6	0.07 197	0.07 8	0.15 104	0.07 122	0.09 132	0.06 1	0.14 137	0.11 97	0.08 122	0.07 57	0.06 40	0.07 170	0.10 113	0.09 91	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3w_stereo	0.08 73	0.09 411	0.10 162	0.17 285	0.07 122	0.08 74	0.11 67	0.20 332	0.13 176	0.06 22	0.07 57	0.05 4	0.06 65	0.08 21	0.09 91	0.04 6	0.03 1	0.04 1	0.03 1	0.04 45	0.03 1

2w_stereo	0.08 73	0.08 330	0.09 104	0.16 197	0.06 25	0.09 132	0.10 33	0.20 332	0.15 231	0.08 122	0.07 57	0.06 40	0.06 65	0.06 1	0.10 189	0.04 6	0.03 1	0.04 1	0.04 52	0.03 1	0.03 1

monsterstereo	0.08 73	0.06 95	0.07 8	0.16 197	0.06 25	0.08 74	0.10 33	0.16 213	0.12 134	0.07 69	0.08 118	0.06 40	0.07 170	0.08 21	0.09 91	0.04 6	0.04 24	0.05 45	0.04 52	0.04 45	0.03 1

LG-Stereo_L2	0.07 6	0.05 31	0.10 162	0.14 55	0.06 25	0.07 35	0.12 102	0.09 19	0.10 64	0.06 22	0.04 1	0.05 4	0.05 17	0.08 21	0.08 23	0.05 48	0.04 24	0.05 45	0.03 1	0.04 45	0.03 1

AIO_rvc	0.07 6	0.06 95	0.08 35	0.15 104	0.06 25	0.08 74	0.14 240	0.09 19	0.08 19	0.07 69	0.08 118	0.07 122	0.04 1	0.10 113	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.04 45	0.03 1

AIO_test	0.07 6	0.06 95	0.07 8	0.15 104	0.07 122	0.07 35	0.14 240	0.10 27	0.10 64	0.07 69	0.07 57	0.06 40	0.05 17	0.08 21	0.10 189	0.05 48	0.04 24	0.05 45	0.04 52	0.04 45	0.03 1

castereo++	0.08 73	0.06 95	0.08 35	0.15 104	0.05 2	0.14 382	0.11 67	0.11 53	0.15 231	0.07 69	0.07 57	0.08 174	0.06 65	0.08 21	0.08 23	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.03 1

MonSter	0.07 6	0.06 95	0.06 1	0.15 104	0.05 2	0.08 74	0.10 33	0.15 176	0.15 231	0.05 2	0.06 19	0.05 4	0.06 65	0.07 3	0.09 91	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

WCG-NET	0.08 73	0.05 31	0.10 162	0.15 104	0.06 25	0.11 241	0.14 240	0.13 107	0.14 205	0.07 69	0.09 156	0.07 122	0.06 65	0.13 335	0.08 23	0.05 48	0.04 24	0.06 182	0.04 52	0.04 45	0.03 1

RSM++	0.08 73	0.06 95	0.09 104	0.17 285	0.07 122	0.09 132	0.12 102	0.11 53	0.11 97	0.08 122	0.06 19	0.07 122	0.05 17	0.10 113	0.09 91	0.05 48	0.04 24	0.06 182	0.05 189	0.05 159	0.03 1

CASnet	0.09 163	0.09 411	0.09 104	0.19 446	0.06 25	0.07 35	0.11 67	0.18 281	0.14 205	0.11 258	0.10 188	0.09 215	0.07 170	0.10 113	0.10 189	0.06 161	0.04 24	0.10 522	0.08 450	0.06 279	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-IGEV	0.07 6	0.06 95	0.09 104	0.17 285	0.06 25	0.08 74	0.12 102	0.13 107	0.08 19	0.08 122	0.07 57	0.06 40	0.04 1	0.10 113	0.09 91	0.05 48	0.04 24	0.05 45	0.04 52	0.04 45	0.03 1

RAFT-Stereo + iAFF	0.09 163	0.06 95	0.10 162	0.17 285	0.07 122	0.10 190	0.15 324	0.17 250	0.15 231	0.10 216	0.10 188	0.08 174	0.09 256	0.12 278	0.10 189	0.05 48	0.04 24	0.06 182	0.06 274	0.04 45	0.03 1

CAR	0.07 6	0.05 31	0.09 104	0.14 55	0.06 25	0.07 35	0.08 7	0.12 79	0.08 19	0.05 2	0.06 19	0.05 4	0.05 17	0.10 113	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

MSE-Stereo	0.07 6	0.04 1	0.09 104	0.13 11	0.06 25	0.07 35	0.08 7	0.12 79	0.08 19	0.05 2	0.06 19	0.05 4	0.05 17	0.10 113	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

PointNet	0.08 73	0.06 95	0.07 8	0.15 104	0.07 122	0.09 132	0.14 240	0.11 53	0.08 19	0.05 2	0.08 118	0.08 174	0.09 256	0.09 55	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.03 1	0.04 48

TS12	0.08 73	0.06 95	0.09 104	0.21 546	0.07 122	0.12 295	0.12 102	0.11 53	0.09 44	0.10 216	0.10 188	0.08 174	0.10 287	0.09 55	0.12 338	0.04 6	0.04 24	0.05 45	0.04 52	0.03 1	0.04 48

DF	0.08 73	0.06 95	0.10 162	0.15 104	0.06 25	0.11 241	0.12 102	0.11 53	0.12 134	0.09 173	0.10 188	0.10 247	0.08 223	0.11 186	0.09 91	0.07 333	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

aanet-new-40k	0.07 6	0.08 330	0.08 35	0.17 285	0.07 122	0.08 74	0.13 169	0.10 27	0.10 64	0.07 69	0.09 156	0.06 40	0.05 17	0.08 21	0.07 1	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

aanet-32k-new	0.08 73	0.07 197	0.08 35	0.19 446	0.06 25	0.08 74	0.12 102	0.11 53	0.13 176	0.07 69	0.08 118	0.05 4	0.07 170	0.10 113	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.06 279	0.04 48

aanet-new-32k	0.08 73	0.07 197	0.09 104	0.18 375	0.06 25	0.10 190	0.11 67	0.10 27	0.09 44	0.07 69	0.07 57	0.07 122	0.06 65	0.11 186	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

aanet-new-30k	0.08 73	0.07 197	0.09 104	0.18 375	0.06 25	0.10 190	0.11 67	0.10 27	0.09 44	0.07 69	0.07 57	0.07 122	0.06 65	0.11 186	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

aanet-new-28k	0.08 73	0.07 197	0.09 104	0.18 375	0.06 25	0.08 74	0.12 102	0.10 27	0.09 44	0.09 173	0.08 118	0.08 174	0.06 65	0.12 278	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

GCAP-Stereo-DPT26K	0.07 6	0.07 197	0.07 8	0.16 197	0.06 25	0.08 74	0.12 102	0.10 27	0.09 44	0.06 22	0.09 156	0.06 40	0.05 17	0.09 55	0.08 23	0.04 6	0.04 24	0.05 45	0.04 52	0.03 1	0.04 48

aanet-new-24k	0.08 73	0.08 330	0.08 35	0.17 285	0.06 25	0.07 35	0.12 102	0.10 27	0.11 97	0.09 173	0.09 156	0.06 40	0.07 170	0.09 55	0.07 1	0.04 6	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

aanet-new-22k	0.08 73	0.06 95	0.10 162	0.18 375	0.06 25	0.08 74	0.11 67	0.14 137	0.12 134	0.09 173	0.09 156	0.08 174	0.06 65	0.10 113	0.08 23	0.04 6	0.05 237	0.05 45	0.04 52	0.03 1	0.04 48

aanet-new-16k	0.08 73	0.08 330	0.08 35	0.18 375	0.06 25	0.07 35	0.10 33	0.13 107	0.13 176	0.08 122	0.07 57	0.07 122	0.06 65	0.09 55	0.08 23	0.04 6	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

aanet-new-10k	0.08 73	0.08 330	0.08 35	0.19 446	0.07 122	0.08 74	0.13 169	0.15 176	0.12 134	0.07 69	0.08 118	0.07 122	0.07 170	0.09 55	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

aanet-new-12k	0.08 73	0.10 479	0.07 8	0.20 510	0.08 207	0.08 74	0.12 102	0.12 79	0.14 205	0.08 122	0.08 118	0.05 4	0.07 170	0.09 55	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.06 279	0.04 48

aanet-new-14k	0.08 73	0.09 411	0.08 35	0.19 446	0.07 122	0.07 35	0.10 33	0.14 137	0.15 231	0.06 22	0.08 118	0.05 4	0.06 65	0.10 113	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

aanet-new-8k	0.08 73	0.08 330	0.08 35	0.19 446	0.07 122	0.09 132	0.11 67	0.17 250	0.15 231	0.07 69	0.07 57	0.06 40	0.06 65	0.10 113	0.08 23	0.04 6	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

aanet-new	0.09 163	0.09 411	0.10 162	0.18 375	0.08 207	0.10 190	0.12 102	0.15 176	0.13 176	0.08 122	0.08 118	0.05 4	0.07 170	0.10 113	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.06 279	0.04 48

GCAP-Stereo-cres-4k	0.08 73	0.08 330	0.09 104	0.18 375	0.07 122	0.11 241	0.14 240	0.13 107	0.11 97	0.08 122	0.11 239	0.07 122	0.06 65	0.09 55	0.08 23	0.04 6	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

GCAP-Stereo-DPT-cres	0.08 73	0.05 31	0.08 35	0.15 104	0.06 25	0.10 190	0.14 240	0.13 107	0.12 134	0.07 69	0.08 118	0.07 122	0.06 65	0.10 113	0.09 91	0.05 48	0.04 24	0.05 45	0.04 52	0.03 1	0.04 48

GCAP-Stereo-DPT-36K	0.08 73	0.06 95	0.16 440	0.15 104	0.06 25	0.08 74	0.12 102	0.13 107	0.11 97	0.07 69	0.08 118	0.07 122	0.06 65	0.09 55	0.08 23	0.05 48	0.05 237	0.05 45	0.04 52	0.04 45	0.04 48

GCAP-Stereo-DPT-22K	0.08 73	0.06 95	0.08 35	0.17 285	0.06 25	0.07 35	0.14 240	0.13 107	0.16 265	0.05 2	0.10 188	0.06 40	0.06 65	0.08 21	0.08 23	0.04 6	0.04 24	0.05 45	0.04 52	0.03 1	0.04 48

GCAP-Stereo-DPT-20K	0.07 6	0.05 31	0.11 226	0.15 104	0.06 25	0.07 35	0.12 102	0.10 27	0.11 97	0.07 69	0.08 118	0.06 40	0.05 17	0.09 55	0.07 1	0.05 48	0.05 237	0.05 45	0.04 52	0.03 1	0.04 48

GCAP-Stereo-DPT-5K	0.08 73	0.06 95	0.11 226	0.16 197	0.07 122	0.11 241	0.12 102	0.15 176	0.16 265	0.08 122	0.12 259	0.05 4	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.06 182	0.05 189	0.03 1	0.04 48

GCAP-Stereo-DPT-2K	0.08 73	0.06 95	0.10 162	0.16 197	0.07 122	0.11 241	0.13 169	0.14 137	0.14 205	0.08 122	0.13 281	0.05 4	0.06 65	0.10 113	0.08 23	0.05 48	0.04 24	0.06 182	0.04 52	0.03 1	0.04 48

GCAP-Stereo-DPT-3K	0.08 73	0.07 197	0.10 162	0.16 197	0.07 122	0.09 132	0.12 102	0.15 176	0.15 231	0.09 173	0.12 259	0.05 4	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.06 182	0.04 52	0.03 1	0.04 48

GCAP-Stereo-DPT-FT	0.08 73	0.05 31	0.12 275	0.15 104	0.06 25	0.09 132	0.13 169	0.12 79	0.12 134	0.07 69	0.09 156	0.06 40	0.06 65	0.10 113	0.08 23	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

PSi22a	0.06 1	0.04 1	0.09 104	0.12 5	0.05 2	0.06 12	0.11 67	0.06 1	0.06 6	0.06 22	0.06 19	0.06 40	0.05 17	0.08 21	0.09 91	0.07 333	0.04 24	0.04 1	0.03 1	0.04 45	0.04 48

PSi22	0.08 73	0.06 95	0.11 226	0.16 197	0.07 122	0.08 74	0.10 33	0.14 137	0.08 19	0.08 122	0.07 57	0.10 247	0.06 65	0.12 278	0.10 189	0.05 48	0.04 24	0.04 1	0.04 52	0.04 45	0.04 48

Foundation-i1c-attn	0.08 73	0.05 31	0.07 8	0.14 55	0.05 2	0.09 132	0.12 102	0.13 107	0.10 64	0.09 173	0.10 188	0.10 247	0.07 170	0.08 21	0.10 189	0.06 161	0.04 24	0.05 45	0.04 52	0.03 1	0.04 48

Foundation-i1a	0.08 73	0.05 31	0.08 35	0.13 11	0.05 2	0.13 338	0.13 169	0.12 79	0.10 64	0.11 258	0.11 239	0.11 279	0.06 65	0.08 21	0.09 91	0.06 161	0.04 24	0.05 45	0.03 1	0.04 45	0.04 48

DepthFocus	0.08 73	0.04 1	0.15 397	0.13 11	0.09 327	0.08 74	0.12 102	0.10 27	0.05 3	0.09 173	0.06 19	0.07 122	0.04 1	0.08 21	0.08 23	0.06 161	0.05 237	0.07 298	0.07 375	0.05 159	0.04 48

Foundation-i32	0.06 1	0.04 1	0.09 104	0.13 11	0.04 1	0.06 12	0.12 102	0.06 1	0.05 3	0.06 22	0.05 7	0.05 4	0.05 17	0.07 3	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

LACA2	0.07 6	0.05 31	0.06 1	0.15 104	0.06 25	0.09 132	0.10 33	0.11 53	0.11 97	0.05 2	0.05 7	0.06 40	0.08 223	0.09 55	0.07 1	0.07 333	0.04 24	0.04 1	0.04 52	0.04 45	0.04 48

LACA1	0.07 6	0.07 197	0.07 8	0.14 55	0.05 2	0.09 132	0.11 67	0.10 27	0.07 13	0.05 2	0.05 7	0.06 40	0.08 223	0.08 21	0.09 91	0.06 161	0.04 24	0.04 1	0.04 52	0.03 1	0.04 48

Test_v1	0.07 6	0.04 1	0.06 1	0.13 11	0.06 25	0.09 132	0.10 33	0.15 176	0.12 134	0.06 22	0.05 7	0.04 1	0.05 17	0.08 21	0.10 189	0.07 333	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

gcap_with_dpt	0.08 73	0.06 95	0.10 162	0.16 197	0.07 122	0.10 190	0.12 102	0.14 137	0.14 205	0.08 122	0.12 259	0.05 4	0.06 65	0.10 113	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.03 1	0.04 48

Hybrid-DGEV-03	0.11 276	0.06 95	0.09 104	0.18 375	0.08 207	0.16 435	0.14 240	0.15 176	0.14 205	0.13 326	0.17 344	0.12 303	0.09 256	0.13 335	0.11 268	0.06 161	0.04 24	0.08 388	0.06 274	0.05 159	0.04 48

BLMT-Stereo	0.07 6	0.04 1	0.08 35	0.15 104	0.07 122	0.07 35	0.14 240	0.07 7	0.10 64	0.05 2	0.05 7	0.04 1	0.06 65	0.07 3	0.09 91	0.04 6	0.04 24	0.06 182	0.05 189	0.04 45	0.04 48

Pro-Stereo	0.07 6	0.05 31	0.08 35	0.15 104	0.08 207	0.08 74	0.12 102	0.07 7	0.08 19	0.06 22	0.06 19	0.05 4	0.05 17	0.09 55	0.08 23	0.05 48	0.04 24	0.06 182	0.05 189	0.04 45	0.04 48

DStereoRT	0.17 506	0.07 197	0.12 275	0.19 446	0.09 327	0.13 338	0.12 102	0.28 493	0.23 416	0.12 294	0.20 396	0.11 279	0.10 287	0.15 386	0.14 411	0.06 161	0.05 237	1.02 690	0.09 496	0.05 159	0.04 48

BridgeDepth_RVC	0.07 6	0.04 1	0.09 104	0.11 1	0.05 2	0.10 190	0.10 33	0.14 137	0.09 44	0.06 22	0.07 57	0.06 40	0.08 223	0.07 3	0.10 189	0.06 161	0.04 24	0.04 1	0.04 52	0.05 159	0.04 48
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
NLMM1	0.11 276	0.09 411	0.07 8	0.22 568	0.10 442	0.12 295	0.20 538	0.19 314	0.20 369	0.12 294	0.11 239	0.08 174	0.10 287	0.11 186	0.11 268	0.08 409	0.08 513	0.07 298	0.06 274	0.05 159	0.04 48

NLSM3	0.09 163	0.07 197	0.08 35	0.20 510	0.08 207	0.11 241	0.16 388	0.18 281	0.17 300	0.06 22	0.08 118	0.08 174	0.09 256	0.09 55	0.11 268	0.04 6	0.04 24	0.06 182	0.07 375	0.03 1	0.04 48

HiDET	0.08 73	0.05 31	0.10 162	0.13 11	0.06 25	0.09 132	0.12 102	0.12 79	0.12 134	0.07 69	0.07 57	0.07 122	0.07 170	0.11 186	0.11 268	0.06 161	0.05 237	0.04 1	0.03 1	0.04 45	0.04 48

LCMNet	0.08 73	0.05 31	0.10 162	0.13 11	0.07 122	0.09 132	0.12 102	0.10 27	0.12 134	0.06 22	0.08 118	0.06 40	0.07 170	0.11 186	0.10 189	0.06 161	0.05 237	0.04 1	0.03 1	0.04 45	0.04 48

CSFM-Stereo	0.08 73	0.05 31	0.08 35	0.14 55	0.06 25	0.09 132	0.13 169	0.15 176	0.07 13	0.07 69	0.08 118	0.06 40	0.08 223	0.09 55	0.10 189	0.06 161	0.05 237	0.04 1	0.03 1	0.04 45	0.04 48

DLNR-FE	10.51 706	2.29 695	19.85 719	120.28 723	13.21 711	0.06 12	0.13 169	0.24 419	0.10 64	0.08 122	0.10 188	0.09 215	0.07 170	0.10 113	0.09 91	0.13 587	0.04 24	0.06 182	0.04 52	53.18 725	0.04 48

Zero-FE251	0.08 73	0.05 31	0.10 162	0.13 11	0.06 25	0.12 295	0.12 102	0.11 53	0.10 64	0.07 69	0.08 118	0.06 40	0.06 65	0.10 113	0.08 23	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

DA	0.09 163	0.07 197	0.07 8	0.19 446	0.08 207	0.10 190	0.13 169	0.13 107	0.12 134	0.08 122	0.10 188	0.10 247	0.08 223	0.09 55	0.10 189	0.05 48	0.04 24	0.06 182	0.04 52	0.05 159	0.04 48

Replicate-Monster	0.07 6	0.05 31	0.09 104	0.14 55	0.06 25	0.09 132	0.09 20	0.14 137	0.12 134	0.05 2	0.07 57	0.06 40	0.06 65	0.08 21	0.10 189	0.06 161	0.04 24	0.05 45	0.03 1	0.04 45	0.04 48

GGEV	0.09 163	0.07 197	0.07 8	0.19 446	0.08 207	0.10 190	0.13 169	0.13 107	0.12 134	0.08 122	0.10 188	0.10 247	0.08 223	0.09 55	0.10 189	0.05 48	0.04 24	0.06 182	0.04 52	0.05 159	0.04 48

AdaDepth	0.07 6	0.06 95	0.07 8	0.18 375	0.06 25	0.11 241	0.11 67	0.10 27	0.08 19	0.06 22	0.05 7	0.07 122	0.06 65	0.09 55	0.10 189	0.04 6	0.05 237	0.05 45	0.04 52	0.04 45	0.04 48

water-stereo	0.09 163	0.06 95	0.08 35	0.16 197	0.07 122	0.10 190	0.13 169	0.15 176	0.13 176	0.11 258	0.12 259	0.09 215	0.10 287	0.07 3	0.08 23	0.06 161	0.05 237	0.05 45	0.05 189	0.04 45	0.04 48

2.25w	0.07 6	0.07 197	0.08 35	0.15 104	0.06 25	0.08 74	0.09 20	0.10 27	0.15 231	0.08 122	0.10 188	0.07 122	0.06 65	0.09 55	0.10 189	0.05 48	0.04 24	0.04 1	0.04 52	0.03 1	0.04 48

2.75w_new	0.07 6	0.07 197	0.07 8	0.13 11	0.06 25	0.08 74	0.08 7	0.18 281	0.13 176	0.08 122	0.08 118	0.06 40	0.06 65	0.09 55	0.11 268	0.04 6	0.04 24	0.04 1	0.03 1	0.03 1	0.04 48

3.25w_new	0.07 6	0.06 95	0.08 35	0.15 104	0.06 25	0.10 190	0.07 3	0.12 79	0.11 97	0.08 122	0.07 57	0.07 122	0.06 65	0.11 186	0.10 189	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 48

3.25w	0.07 6	0.06 95	0.08 35	0.15 104	0.06 25	0.10 190	0.07 3	0.12 79	0.11 97	0.08 122	0.07 57	0.07 122	0.06 65	0.11 186	0.10 189	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 48

1w_stereo	0.08 73	0.06 95	0.07 8	0.16 197	0.06 25	0.07 35	0.10 33	0.14 137	0.15 231	0.07 69	0.08 118	0.05 4	0.06 65	0.10 113	0.09 91	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 48

monsters	0.07 6	0.06 95	0.06 1	0.15 104	0.06 25	0.08 74	0.09 20	0.13 107	0.09 44	0.09 173	0.07 57	0.06 40	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.04 1	0.04 52	0.03 1	0.04 48

IGEV	0.08 73	0.04 1	0.09 104	0.13 11	0.06 25	0.09 132	0.12 102	0.14 137	0.10 64	0.06 22	0.09 156	0.07 122	0.05 17	0.09 55	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

xyz-stereo	0.14 415	0.07 197	0.22 547	0.15 104	0.05 2	0.22 543	0.15 324	0.17 250	0.31 519	0.15 374	0.28 516	0.26 530	0.17 492	0.13 335	0.12 338	0.05 48	0.05 237	0.06 182	0.05 189	0.04 45	0.04 48

LG-Stereo_L1	0.07 6	0.05 31	0.11 226	0.14 55	0.06 25	0.07 35	0.12 102	0.09 19	0.08 19	0.05 2	0.04 1	0.05 4	0.04 1	0.08 21	0.08 23	0.05 48	0.04 24	0.05 45	0.03 1	0.04 45	0.04 48

LG-Stereo_Zeroshot	0.07 6	0.06 95	0.10 162	0.16 197	0.07 122	0.04 1	0.13 169	0.10 27	0.10 64	0.05 2	0.11 239	0.07 122	0.05 17	0.07 3	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

LG-Stereo	0.08 73	0.08 330	0.10 162	0.18 375	0.07 122	0.10 190	0.17 422	0.11 53	0.08 19	0.06 22	0.08 118	0.06 40	0.07 170	0.09 55	0.09 91	0.04 6	0.05 237	0.07 298	0.07 375	0.04 45	0.04 48

SGD-Stereo	0.08 73	0.05 31	0.10 162	0.14 55	0.06 25	0.12 295	0.12 102	0.11 53	0.12 134	0.07 69	0.09 156	0.09 215	0.09 256	0.08 21	0.08 23	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

MM-Stereo_test3	0.10 233	0.07 197	0.07 8	0.18 375	0.07 122	0.12 295	0.19 517	0.24 419	0.19 346	0.06 22	0.10 188	0.08 174	0.06 65	0.11 186	0.09 91	0.06 161	0.06 409	0.07 298	0.05 189	0.05 159	0.04 48

MM-Stereo_test2	0.09 163	0.07 197	0.09 104	0.19 446	0.08 207	0.12 295	0.18 471	0.15 176	0.14 205	0.07 69	0.10 188	0.07 122	0.06 65	0.12 278	0.09 91	0.05 48	0.04 24	0.06 182	0.05 189	0.06 279	0.04 48

MM-Stereo_test1	0.10 233	0.07 197	0.09 104	0.18 375	0.07 122	0.12 295	0.18 471	0.21 350	0.20 369	0.09 173	0.11 239	0.08 174	0.06 65	0.10 113	0.10 189	0.06 161	0.05 237	0.07 298	0.06 274	0.05 159	0.04 48

HART	0.08 73	0.07 197	0.09 104	0.18 375	0.07 122	0.10 190	0.16 388	0.13 107	0.11 97	0.09 173	0.10 188	0.08 174	0.05 17	0.10 113	0.08 23	0.05 48	0.04 24	0.06 182	0.04 52	0.05 159	0.04 48

GREAT-IGEV	0.07 6	0.06 95	0.09 104	0.13 11	0.07 122	0.07 35	0.14 240	0.10 27	0.09 44	0.06 22	0.08 118	0.06 40	0.05 17	0.10 113	0.07 1	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48
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	0.08 73	0.09 411	0.08 35	0.15 104	0.08 207	0.10 190	0.12 102	0.11 53	0.12 134	0.07 69	0.07 57	0.06 40	0.04 1	0.10 113	0.08 23	0.05 48	0.05 237	0.06 182	0.04 52	0.06 279	0.04 48

DEFOM-Stereo_RVC	0.08 73	0.07 197	0.09 104	0.22 568	0.06 25	0.08 74	0.12 102	0.10 27	0.10 64	0.07 69	0.07 57	0.06 40	0.05 17	0.11 186	0.09 91	0.06 161	0.04 24	0.05 45	0.03 1	0.06 279	0.04 48

FoundationStereo	0.06 1	0.04 1	0.08 35	0.13 11	0.05 2	0.09 132	0.13 169	0.06 1	0.09 44	0.05 2	0.05 7	0.06 40	0.04 1	0.07 3	0.07 1	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

StereoAnything_RVC	0.07 6	0.16 584	0.17 464	0.11 1	0.05 2	0.06 12	0.11 67	0.08 11	0.08 19	0.06 22	0.06 19	0.05 4	0.05 17	0.09 55	0.08 23	0.08 409	0.04 24	0.05 45	0.03 1	0.05 159	0.04 48

HUF	0.08 73	0.05 31	0.08 35	0.14 55	0.06 25	0.09 132	0.13 169	0.13 107	0.13 176	0.07 69	0.07 57	0.09 215	0.06 65	0.10 113	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

castereo	0.09 163	0.06 95	0.11 226	0.15 104	0.06 25	0.11 241	0.14 240	0.14 137	0.18 318	0.08 122	0.10 188	0.11 279	0.08 223	0.09 55	0.10 189	0.05 48	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

GIP-stereo	0.08 73	0.06 95	0.11 226	0.15 104	0.07 122	0.09 132	0.13 169	0.15 176	0.11 97	0.07 69	0.08 118	0.05 4	0.04 1	0.10 113	0.07 1	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

DEFOM-Stereo	0.07 6	0.05 31	0.07 8	0.14 55	0.06 25	0.09 132	0.13 169	0.07 7	0.13 176	0.06 22	0.07 57	0.06 40	0.05 17	0.10 113	0.09 91	0.05 48	0.04 24	0.05 45	0.03 1	0.04 45	0.04 48

SMoEStereo_RVC	0.08 73	0.06 95	0.12 275	0.16 197	0.07 122	0.09 132	0.13 169	0.11 53	0.14 205	0.09 173	0.07 57	0.07 122	0.07 170	0.12 278	0.10 189	0.05 48	0.04 24	0.06 182	0.05 189	0.04 45	0.04 48

mms	0.09 163	0.07 197	0.08 35	0.17 285	0.08 207	0.11 241	0.15 324	0.12 79	0.11 97	0.09 173	0.09 156	0.08 174	0.06 65	0.11 186	0.12 338	0.05 48	0.04 24	0.07 298	0.05 189	0.04 45	0.04 48

ours_stereo	0.09 163	0.07 197	0.09 104	0.17 285	0.08 207	0.11 241	0.16 388	0.11 53	0.12 134	0.08 122	0.10 188	0.08 174	0.06 65	0.12 278	0.12 338	0.05 48	0.04 24	0.06 182	0.05 189	0.04 45	0.04 48

tg	0.10 233	0.06 95	0.10 162	0.18 375	0.08 207	0.11 241	0.16 388	0.20 332	0.12 134	0.08 122	0.11 239	0.11 279	0.07 170	0.11 186	0.10 189	0.05 48	0.04 24	0.08 388	0.08 450	0.04 45	0.04 48

dual_stereo	0.07 6	0.05 31	0.08 35	0.15 104	0.05 2	0.05 3	0.13 169	0.12 79	0.08 19	0.07 69	0.06 19	0.05 4	0.05 17	0.07 3	0.09 91	0.06 161	0.04 24	0.05 45	0.03 1	0.04 45	0.04 48

GCAP-BAT	0.09 163	0.05 31	0.11 226	0.13 11	0.07 122	0.11 241	0.14 240	0.14 137	0.17 300	0.07 69	0.10 188	0.08 174	0.06 65	0.13 335	0.08 23	0.07 333	0.05 237	0.05 45	0.05 189	0.05 159	0.04 48

IGEV-Stereo++	0.07 6	0.06 95	0.08 35	0.18 375	0.06 25	0.05 3	0.10 33	0.11 53	0.11 97	0.06 22	0.07 57	0.07 122	0.06 65	0.09 55	0.09 91	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

RAStereo	0.10 233	0.09 411	0.08 35	0.20 510	0.08 207	0.13 338	0.18 471	0.16 213	0.17 300	0.10 216	0.12 259	0.05 4	0.06 65	0.09 55	0.08 23	0.07 333	0.05 237	0.07 298	0.05 189	0.05 159	0.04 48

AIO-Stereo	0.08 73	0.06 95	0.10 162	0.18 375	0.06 25	0.09 132	0.11 67	0.16 213	0.09 44	0.09 173	0.08 118	0.07 122	0.05 17	0.11 186	0.08 23	0.05 48	0.05 237	0.05 45	0.04 52	0.04 45	0.04 48

WCG-NET（raft）	0.08 73	0.05 31	0.10 162	0.15 104	0.06 25	0.11 241	0.13 169	0.15 176	0.12 134	0.08 122	0.07 57	0.06 40	0.06 65	0.13 335	0.08 23	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

RSM	0.08 73	0.06 95	0.09 104	0.17 285	0.07 122	0.08 74	0.12 102	0.12 79	0.10 64	0.08 122	0.07 57	0.06 40	0.05 17	0.11 186	0.09 91	0.04 6	0.04 24	0.05 45	0.04 52	0.04 45	0.04 48

RAFT-Stereo-weight	0.09 163	0.06 95	0.11 226	0.16 197	0.07 122	0.09 132	0.14 240	0.19 314	0.16 265	0.11 258	0.10 188	0.08 174	0.06 65	0.10 113	0.11 268	0.06 161	0.04 24	0.06 182	0.04 52	0.04 45	0.04 48

gcap-zeroshot	0.08 73	0.06 95	0.11 226	0.15 104	0.07 122	0.12 295	0.13 169	0.15 176	0.16 265	0.08 122	0.12 259	0.05 4	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.06 182	0.05 189	0.03 1	0.04 48

test_for_model	0.08 73	0.06 95	0.11 226	0.16 197	0.07 122	0.11 241	0.12 102	0.15 176	0.16 265	0.08 122	0.12 259	0.05 4	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.06 182	0.05 189	0.03 1	0.04 48

GCAPDPT-zeroshot4090	0.07 6	0.05 31	0.11 226	0.15 104	0.06 25	0.07 35	0.12 102	0.10 27	0.11 97	0.07 69	0.08 118	0.06 40	0.05 17	0.09 55	0.07 1	0.05 48	0.05 237	0.05 45	0.04 52	0.03 1	0.04 48

MoCha-V2	0.08 73	0.05 31	0.11 226	0.20 510	0.07 122	0.10 190	0.14 240	0.12 79	0.08 19	0.07 69	0.08 118	0.07 122	0.06 65	0.09 55	0.08 23	0.05 48	0.05 237	0.05 45	0.04 52	0.04 45	0.04 48

IGEV++	0.08 73	0.06 95	0.09 104	0.18 375	0.07 122	0.10 190	0.13 169	0.10 27	0.10 64	0.08 122	0.08 118	0.06 40	0.05 17	0.13 335	0.09 91	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

AE-Stereo	0.10 233	0.08 330	0.11 226	0.19 446	0.09 327	0.10 190	0.15 324	0.14 137	0.20 369	0.09 173	0.15 307	0.12 303	0.08 223	0.11 186	0.10 189	0.05 48	0.06 409	0.07 298	0.06 274	0.05 159	0.04 48

MaDis-Stereo	0.09 163	0.09 411	0.08 35	0.17 285	0.09 327	0.14 382	0.11 67	0.16 213	0.16 265	0.09 173	0.11 239	0.06 40	0.06 65	0.09 55	0.13 374	0.07 333	0.06 409	0.08 388	0.05 189	0.05 159	0.04 48

DLNR_Zeroshot_test	10.48 705	2.27 694	19.78 718	120.28 723	13.29 712	0.06 12	0.13 169	0.24 419	0.10 64	0.08 122	0.10 188	0.09 215	0.07 170	0.10 113	0.09 91	0.13 587	0.04 24	0.06 182	0.04 52	52.68 724	0.04 48

testlalala	0.08 73	0.06 95	0.11 226	0.15 104	0.07 122	0.12 295	0.13 169	0.15 176	0.16 265	0.08 122	0.12 259	0.05 4	0.06 65	0.09 55	0.08 23	0.05 48	0.04 24	0.06 182	0.05 189	0.03 1	0.04 48

GCAPDPT-zeroshot	0.09 163	0.05 31	0.11 226	0.13 11	0.07 122	0.11 241	0.14 240	0.14 137	0.17 300	0.07 69	0.10 188	0.08 174	0.06 65	0.13 335	0.08 23	0.07 333	0.05 237	0.05 45	0.05 189	0.05 159	0.04 48

AEACV	0.09 163	0.05 31	0.08 35	0.14 55	0.13 556	0.14 382	0.13 169	0.15 176	0.09 44	0.07 69	0.09 156	0.07 122	0.08 223	0.10 113	0.09 91	0.06 161	0.04 24	0.06 182	0.05 189	0.05 159	0.04 48

HH	0.09 163	0.06 95	0.13 316	0.17 285	0.08 207	0.11 241	0.16 388	0.15 176	0.10 64	0.08 122	0.10 188	0.08 174	0.07 170	0.10 113	0.09 91	0.06 161	0.04 24	0.06 182	0.05 189	0.05 159	0.04 48

HanStereo	0.09 163	0.06 95	0.13 316	0.17 285	0.08 207	0.11 241	0.16 388	0.15 176	0.10 64	0.08 122	0.10 188	0.08 174	0.07 170	0.10 113	0.09 91	0.06 161	0.04 24	0.06 182	0.05 189	0.05 159	0.04 48

LoS_RVC	0.08 73	0.05 31	0.07 8	0.15 104	0.07 122	0.08 74	0.15 324	0.12 79	0.11 97	0.08 122	0.09 156	0.06 40	0.09 256	0.10 113	0.09 91	0.05 48	0.04 24	0.05 45	0.03 1	0.04 45	0.04 48

CAS	0.08 73	0.04 1	0.07 8	0.17 285	0.08 207	0.10 190	0.13 169	0.12 79	0.09 44	0.09 173	0.10 188	0.08 174	0.06 65	0.09 55	0.09 91	0.08 409	0.04 24	0.05 45	0.03 1	0.05 159	0.04 48

EGLCR-Stereo	0.08 73	0.05 31	0.08 35	0.14 55	0.07 122	0.11 241	0.12 102	0.11 53	0.16 265	0.06 22	0.05 7	0.07 122	0.05 17	0.10 113	0.11 268	0.06 161	0.04 24	0.06 182	0.05 189	0.04 45	0.04 48

MC-Stereo	0.09 163	0.07 197	0.09 104	0.17 285	0.06 25	0.10 190	0.14 240	0.12 79	0.11 97	0.09 173	0.12 259	0.09 215	0.06 65	0.11 186	0.10 189	0.06 161	0.04 24	0.06 182	0.05 189	0.04 45	0.04 48

RCA-Stereo	0.09 163	0.06 95	0.09 104	0.16 197	0.06 25	0.09 132	0.13 169	0.18 281	0.14 205	0.10 216	0.11 239	0.08 174	0.07 170	0.12 278	0.11 268	0.06 161	0.04 24	0.06 182	0.05 189	0.05 159	0.04 48

raft_robust	0.13 382	0.10 479	0.07 8	0.18 375	0.08 207	0.13 338	0.24 592	0.29 512	0.34 541	0.20 488	0.20 396	0.15 372	0.10 287	0.11 186	0.12 338	0.05 48	0.05 237	0.07 298	0.07 375	0.05 159	0.04 48

RAFT_CTSACE	0.12 354	0.09 411	0.10 162	0.22 568	0.08 207	0.12 295	0.24 592	0.18 281	0.17 300	0.21 504	0.27 505	0.13 328	0.07 170	0.13 335	0.09 91	0.05 48	0.06 409	0.08 388	0.07 375	0.04 45	0.04 48

test_4	0.11 276	0.10 479	0.08 35	0.19 446	0.09 327	0.08 74	0.21 555	0.15 176	0.18 318	0.12 294	0.18 370	0.12 303	0.09 256	0.08 21	0.11 268	0.04 6	0.04 24	0.08 388	0.08 450	0.04 45	0.04 48

IPLG	0.11 276	0.08 330	0.15 397	0.17 285	0.08 207	0.11 241	0.14 240	0.20 332	0.15 231	0.13 326	0.18 370	0.07 122	0.07 170	0.14 367	0.14 411	0.06 161	0.04 24	0.06 182	0.05 189	0.04 45	0.04 48

MIPNet	0.11 276	0.08 330	0.15 397	0.17 285	0.09 327	0.12 295	0.14 240	0.21 350	0.25 453	0.12 294	0.10 188	0.09 215	0.07 170	0.13 335	0.13 374	0.06 161	0.04 24	0.06 182	0.05 189	0.04 45	0.04 48

IPLGR	0.11 276	0.09 411	0.17 464	0.18 375	0.08 207	0.13 338	0.16 388	0.21 350	0.24 428	0.12 294	0.12 259	0.11 279	0.09 256	0.13 335	0.12 338	0.06 161	0.05 237	0.06 182	0.06 274	0.05 159	0.04 48

GMOStereo	0.11 276	0.09 411	0.08 35	0.19 446	0.08 207	0.12 295	0.28 628	0.13 107	0.18 318	0.11 258	0.17 344	0.14 347	0.12 359	0.07 3	0.07 1	0.05 48	0.05 237	0.09 474	0.07 375	0.04 45	0.04 48

error version	0.11 276	0.09 411	0.08 35	0.19 446	0.08 207	0.12 295	0.28 628	0.13 107	0.18 318	0.11 258	0.17 344	0.14 347	0.12 359	0.07 3	0.07 1	0.05 48	0.05 237	0.09 474	0.07 375	0.04 45	0.04 48

test-v	0.11 276	0.09 411	0.08 35	0.19 446	0.08 207	0.12 295	0.28 628	0.13 107	0.18 318	0.11 258	0.17 344	0.14 347	0.12 359	0.07 3	0.07 1	0.05 48	0.05 237	0.09 474	0.07 375	0.04 45	0.04 48

test-3	0.09 163	0.06 95	0.10 162	0.18 375	0.07 122	0.07 35	0.14 240	0.12 79	0.16 265	0.10 216	0.08 118	0.08 174	0.08 223	0.11 186	0.10 189	0.05 48	0.04 24	0.07 298	0.05 189	0.04 45	0.04 48

test_1	0.09 163	0.06 95	0.10 162	0.18 375	0.07 122	0.07 35	0.14 240	0.12 79	0.16 265	0.10 216	0.08 118	0.08 174	0.08 223	0.11 186	0.10 189	0.05 48	0.04 24	0.07 298	0.05 189	0.04 45	0.04 48

test_3	0.11 276	0.09 411	0.10 162	0.21 546	0.08 207	0.13 338	0.25 608	0.14 137	0.21 384	0.10 216	0.10 188	0.09 215	0.10 287	0.08 21	0.11 268	0.05 48	0.04 24	0.08 388	0.07 375	0.04 45	0.04 48

TRStereo	0.10 233	0.05 31	0.12 275	0.16 197	0.12 530	0.10 190	0.13 169	0.18 281	0.19 346	0.09 173	0.09 156	0.09 215	0.07 170	0.10 113	0.08 23	0.07 333	0.05 237	0.07 298	0.07 375	0.04 45	0.04 48

OMP-Stereo	0.11 276	0.07 197	0.14 362	0.18 375	0.08 207	0.09 132	0.12 102	0.21 350	0.21 384	0.13 326	0.14 294	0.11 279	0.12 359	0.11 186	0.13 374	0.06 161	0.05 237	0.07 298	0.06 274	0.05 159	0.04 48

CroCo-Stereo	0.09 163	0.08 330	0.08 35	0.22 568	0.09 327	0.09 132	0.18 471	0.16 213	0.12 134	0.07 69	0.07 57	0.08 174	0.06 65	0.08 21	0.07 1	0.07 333	0.05 237	0.06 182	0.04 52	0.05 159	0.04 48
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	0.11 276	0.09 411	0.08 35	0.19 446	0.08 207	0.12 295	0.28 628	0.13 107	0.18 318	0.11 258	0.17 344	0.14 347	0.12 359	0.07 3	0.07 1	0.05 48	0.05 237	0.09 474	0.07 375	0.04 45	0.04 48

cross-raft	0.10 233	0.09 411	0.09 104	0.19 446	0.07 122	0.11 241	0.24 592	0.13 107	0.15 231	0.08 122	0.10 188	0.12 303	0.10 287	0.09 55	0.11 268	0.05 48	0.04 24	0.06 182	0.05 189	0.04 45	0.04 48

iRaftStereo_RVC	0.10 233	0.07 197	0.10 162	0.17 285	0.09 327	0.11 241	0.17 422	0.18 281	0.12 134	0.09 173	0.11 239	0.10 247	0.07 170	0.11 186	0.10 189	0.05 48	0.04 24	0.08 388	0.08 450	0.04 45	0.04 48

CREStereo++_RVC	0.08 73	0.04 1	0.07 8	0.13 11	0.07 122	0.09 132	0.12 102	0.14 137	0.14 205	0.10 216	0.14 294	0.08 174	0.07 170	0.10 113	0.11 268	0.06 161	0.04 24	0.05 45	0.05 189	0.04 45	0.04 48
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
s12784h	0.10 233	0.06 95	0.08 35	0.15 104	0.05 2	0.16 435	0.18 471	0.16 213	0.15 231	0.10 216	0.11 239	0.11 279	0.11 326	0.11 186	0.12 338	0.05 48	0.04 24	0.06 182	0.04 52	0.04 45	0.04 48

RALAANet	0.11 276	0.08 330	0.10 162	0.17 285	0.09 327	0.14 382	0.10 33	0.20 332	0.16 265	0.14 349	0.13 281	0.16 394	0.09 256	0.12 278	0.12 338	0.06 161	0.05 237	0.08 388	0.07 375	0.06 279	0.04 48

XX-Stereo	0.09 163	0.05 31	0.09 104	0.17 285	0.09 327	0.15 407	0.12 102	0.21 350	0.10 64	0.10 216	0.14 294	0.07 122	0.06 65	0.13 335	0.08 23	0.06 161	0.05 237	0.06 182	0.06 274	0.04 45	0.04 48

ARAFT	0.12 354	0.08 330	0.18 498	0.19 446	0.09 327	0.15 407	0.17 422	0.20 332	0.13 176	0.12 294	0.13 281	0.14 347	0.12 359	0.15 386	0.13 374	0.06 161	0.05 237	0.10 522	0.09 496	0.06 279	0.04 48

AFF-stereo	0.09 163	0.07 197	0.10 162	0.17 285	0.07 122	0.10 190	0.15 324	0.18 281	0.10 64	0.10 216	0.11 239	0.09 215	0.10 287	0.12 278	0.10 189	0.05 48	0.04 24	0.07 298	0.07 375	0.04 45	0.04 48

EAI-Stereo	0.09 163	0.07 197	0.11 226	0.16 197	0.07 122	0.10 190	0.15 324	0.16 213	0.09 44	0.08 122	0.09 156	0.08 174	0.07 170	0.09 55	0.11 268	0.05 48	0.05 237	0.05 45	0.05 189	0.05 159	0.04 48

CFNet-RSSM	0.09 163	0.07 197	0.10 162	0.16 197	0.07 122	0.09 132	0.15 324	0.17 250	0.18 318	0.08 122	0.12 259	0.11 279	0.09 256	0.12 278	0.10 189	0.06 161	0.04 24	0.06 182	0.04 52	0.04 45	0.04 48

MLCV	0.13 382	0.08 330	0.17 464	0.18 375	0.06 25	0.16 435	0.17 422	0.19 314	0.22 406	0.19 466	0.25 474	0.17 412	0.13 392	0.15 386	0.14 411	0.05 48	0.04 24	0.05 45	0.04 52	0.05 159	0.04 48

DNS	0.09 163	0.06 95	0.12 275	0.15 104	0.08 207	0.10 190	0.16 388	0.17 250	0.10 64	0.08 122	0.12 259	0.08 174	0.07 170	0.09 55	0.08 23	0.07 333	0.04 24	0.05 45	0.05 189	0.06 279	0.05 185

mm2	0.07 6	0.04 1	0.10 162	0.13 11	0.06 25	0.06 12	0.13 169	0.13 107	0.08 19	0.06 22	0.07 57	0.06 40	0.09 256	0.10 113	0.09 91	0.06 161	0.05 237	0.04 1	0.03 1	0.04 45	0.05 185

mm1	0.07 6	0.04 1	0.10 162	0.13 11	0.06 25	0.06 12	0.13 169	0.06 1	0.08 19	0.06 22	0.07 57	0.06 40	0.09 256	0.10 113	0.09 91	0.06 161	0.05 237	0.04 1	0.03 1	0.04 45	0.05 185

qqai	0.07 6	0.05 31	0.10 162	0.14 55	0.06 25	0.05 3	0.12 102	0.08 11	0.09 44	0.05 2	0.07 57	0.06 40	0.08 223	0.10 113	0.09 91	0.06 161	0.05 237	0.05 45	0.03 1	0.04 45	0.05 185

MGA	0.07 6	0.04 1	0.11 226	0.13 11	0.06 25	0.08 74	0.09 20	0.12 79	0.08 19	0.05 2	0.06 19	0.06 40	0.05 17	0.10 113	0.09 91	0.06 161	0.04 24	0.05 45	0.03 1	0.05 159	0.05 185

PipStereo	0.07 6	0.04 1	0.09 104	0.13 11	0.05 2	0.08 74	0.10 33	0.06 1	0.07 13	0.06 22	0.05 7	0.09 215	0.05 17	0.08 21	0.09 91	0.06 161	0.04 24	0.04 1	0.03 1	0.05 159	0.05 185

PSi22b	0.06 1	0.04 1	0.09 104	0.13 11	0.05 2	0.08 74	0.10 33	0.06 1	0.06 6	0.06 22	0.06 19	0.08 174	0.05 17	0.08 21	0.09 91	0.06 161	0.04 24	0.04 1	0.03 1	0.04 45	0.05 185

Foundation-i1	0.09 163	0.04 1	0.10 162	0.14 55	0.06 25	0.10 190	0.13 169	0.16 213	0.15 231	0.10 216	0.10 188	0.11 279	0.07 170	0.07 3	0.10 189	0.06 161	0.04 24	0.05 45	0.05 189	0.05 159	0.05 185

GeoVLM	0.08 73	0.04 1	0.10 162	0.13 11	0.06 25	0.10 190	0.13 169	0.13 107	0.08 19	0.06 22	0.07 57	0.06 40	0.08 223	0.10 113	0.11 268	0.06 161	0.05 237	0.04 1	0.03 1	0.04 45	0.05 185

Hybrid-DGEV-2	0.11 276	0.06 95	0.12 275	0.18 375	0.09 327	0.09 132	0.13 169	0.29 512	0.30 509	0.11 258	0.12 259	0.10 247	0.13 392	0.12 278	0.10 189	0.06 161	0.05 237	0.07 298	0.07 375	0.05 159	0.05 185

BStereo	0.08 73	0.06 95	0.17 464	0.15 104	0.08 207	0.08 74	0.09 20	0.15 176	0.16 265	0.06 22	0.07 57	0.07 122	0.05 17	0.09 55	0.11 268	0.04 6	0.05 237	0.05 45	0.07 375	0.04 45	0.05 185

MatchStereo	0.07 6	0.04 1	0.08 35	0.14 55	0.06 25	0.05 3	0.12 102	0.12 79	0.09 44	0.07 69	0.07 57	0.04 1	0.04 1	0.09 55	0.09 91	0.06 161	0.05 237	0.05 45	0.03 1	0.04 45	0.05 185
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
Wave_Phase_stereo	0.09 163	0.06 95	0.17 464	0.15 104	0.08 207	0.11 241	0.09 20	0.18 281	0.16 265	0.06 22	0.07 57	0.07 122	0.05 17	0.09 55	0.11 268	0.04 6	0.05 237	0.05 45	0.07 375	0.04 45	0.05 185

WQFJA1	0.10 233	0.07 197	0.08 35	0.20 510	0.09 327	0.12 295	0.18 471	0.18 281	0.18 318	0.09 173	0.10 188	0.08 174	0.10 287	0.12 278	0.11 268	0.06 161	0.08 513	0.07 298	0.06 274	0.06 279	0.05 185

WQFJX1	0.10 233	0.07 197	0.08 35	0.22 568	0.09 327	0.12 295	0.17 422	0.18 281	0.18 318	0.10 216	0.10 188	0.07 122	0.10 287	0.11 186	0.10 189	0.07 333	0.08 513	0.07 298	0.06 274	0.05 159	0.05 185

WQFJX	0.10 233	0.07 197	0.09 104	0.21 546	0.09 327	0.12 295	0.16 388	0.19 314	0.18 318	0.12 294	0.10 188	0.08 174	0.10 287	0.12 278	0.10 189	0.07 333	0.07 480	0.06 182	0.05 189	0.06 279	0.05 185

NLMM	0.10 233	0.07 197	0.08 35	0.20 510	0.09 327	0.12 295	0.18 471	0.18 281	0.18 318	0.09 173	0.10 188	0.08 174	0.10 287	0.12 278	0.11 268	0.06 161	0.08 513	0.07 298	0.06 274	0.06 279	0.05 185

NLSM1	0.10 233	0.07 197	0.08 35	0.19 446	0.08 207	0.13 338	0.16 388	0.21 350	0.16 265	0.11 258	0.10 188	0.07 122	0.10 287	0.10 113	0.11 268	0.07 333	0.08 513	0.08 388	0.07 375	0.05 159	0.05 185

MonSter++	0.08 73	0.04 1	0.10 162	0.13 11	0.06 25	0.10 190	0.13 169	0.13 107	0.08 19	0.06 22	0.07 57	0.06 40	0.08 223	0.10 113	0.11 268	0.06 161	0.05 237	0.04 1	0.03 1	0.04 45	0.05 185

NLCSM	0.11 276	0.09 411	0.09 104	0.23 589	0.11 498	0.12 295	0.19 517	0.19 314	0.19 346	0.12 294	0.11 239	0.07 122	0.09 256	0.11 186	0.10 189	0.08 409	0.08 513	0.07 298	0.07 375	0.06 279	0.05 185

GEAStereo	0.08 73	0.06 95	0.09 104	0.13 11	0.08 207	0.08 74	0.14 240	0.10 27	0.10 64	0.08 122	0.10 188	0.06 40	0.04 1	0.11 186	0.08 23	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.05 185

GSStereo	0.08 73	0.06 95	0.09 104	0.13 11	0.08 207	0.08 74	0.14 240	0.11 53	0.12 134	0.08 122	0.10 188	0.05 4	0.04 1	0.11 186	0.08 23	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.05 185

GS-Stereo							0.14 240	0.11 53	0.12 134	0.08 122	0.10 188	0.05 4	0.04 1	0.11 186	0.08 23	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.05 185

gasm-f	0.08 73	0.05 31	0.08 35	0.13 11	0.08 207	0.08 74	0.14 240	0.10 27	0.10 64	0.08 122	0.10 188	0.06 40	0.05 17	0.10 113	0.08 23	0.06 161	0.04 24	0.05 45	0.04 52	0.06 279	0.05 185

FE-Mocha	0.09 163	0.06 95	0.14 362	0.16 197	0.09 327	0.11 241	0.15 324	0.19 314	0.16 265	0.10 216	0.09 156	0.07 122	0.07 170	0.09 55	0.09 91	0.06 161	0.04 24	0.06 182	0.06 274	0.05 159	0.05 185

IGEV-FE	0.09 163	0.05 31	0.13 316	0.14 55	0.08 207	0.12 295	0.13 169	0.17 250	0.11 97	0.10 216	0.06 19	0.09 215	0.06 65	0.11 186	0.09 91	0.06 161	0.04 24	0.06 182	0.06 274	0.05 159	0.05 185

DDF-Stereo	0.08 73	0.05 31	0.10 162	0.15 104	0.10 442	0.05 3	0.13 169	0.09 19	0.14 205	0.06 22	0.06 19	0.07 122	0.06 65	0.09 55	0.10 189	0.06 161	0.04 24	0.06 182	0.04 52	0.08 428	0.05 185

Monster-pub-mixall	0.07 6	0.04 1	0.09 104	0.13 11	0.06 25	0.06 12	0.08 7	0.12 79	0.07 13	0.06 22	0.06 19	0.05 4	0.06 65	0.09 55	0.09 91	0.06 161	0.04 24	0.04 1	0.03 1	0.05 159	0.05 185

zero-FE	0.08 73	0.05 31	0.10 162	0.15 104	0.10 442	0.05 3	0.13 169	0.09 19	0.14 205	0.07 69	0.06 19	0.07 122	0.06 65	0.09 55	0.10 189	0.06 161	0.04 24	0.06 182	0.04 52	0.08 428	0.05 185

GASTEREO	0.08 73	0.05 31	0.09 104	0.19 446	0.08 207	0.08 74	0.12 102	0.14 137	0.11 97	0.10 216	0.09 156	0.07 122	0.04 1	0.12 278	0.08 23	0.06 161	0.05 237	0.05 45	0.04 52	0.04 45	0.05 185

MSCF	0.08 73	0.05 31	0.09 104	0.19 446	0.08 207	0.07 35	0.12 102	0.14 137	0.11 97	0.10 216	0.09 156	0.07 122	0.04 1	0.11 186	0.08 23	0.06 161	0.05 237	0.05 45	0.04 52	0.05 159	0.05 185

xyz-stereo-finetune	0.11 276	0.08 330	0.13 316	0.14 55	0.06 25	0.10 190	0.19 517	0.18 281	0.19 346	0.12 294	0.14 294	0.15 372	0.11 326	0.13 335	0.12 338	0.05 48	0.04 24	0.07 298	0.05 189	0.04 45	0.05 185

MLG-Stereo_test2	0.07 6	0.04 1	0.10 162	0.15 104	0.06 25	0.07 35	0.11 67	0.09 19	0.04 2	0.06 22	0.05 7	0.06 40	0.04 1	0.08 21	0.09 91	0.06 161	0.04 24	0.05 45	0.03 1	0.05 159	0.05 185

MLG-Stereo_test1	0.06 1	0.05 31	0.08 35	0.17 285	0.05 2	0.07 35	0.11 67	0.09 19	0.03 1	0.05 2	0.04 1	0.06 40	0.05 17	0.09 55	0.09 91	0.05 48	0.04 24	0.05 45	0.03 1	0.04 45	0.05 185

MLG-Stereo	0.07 6	0.05 31	0.09 104	0.17 285	0.05 2	0.07 35	0.11 67	0.08 11	0.05 3	0.05 2	0.04 1	0.06 40	0.05 17	0.10 113	0.09 91	0.05 48	0.04 24	0.05 45	0.03 1	0.04 45	0.05 185

DFGA-Net	0.13 382	0.11 505	0.19 522	0.18 375	0.10 442	0.13 338	0.13 169	0.23 393	0.25 453	0.16 403	0.16 324	0.13 328	0.12 359	0.17 455	0.15 448	0.07 333	0.05 237	0.08 388	0.07 375	0.05 159	0.05 185

Reg-Stereo(zero)	0.09 163	0.05 31	0.08 35	0.16 197	0.06 25	0.12 295	0.11 67	0.15 176	0.11 97	0.12 294	0.09 156	0.10 247	0.08 223	0.11 186	0.09 91	0.06 161	0.05 237	0.05 45	0.04 52	0.04 45	0.05 185

SCV_C0	0.08 73	0.07 197	0.08 35	0.16 197	0.10 442	0.08 74	0.14 240	0.11 53	0.13 176	0.08 122	0.07 57	0.06 40	0.05 17	0.11 186	0.07 1	0.05 48	0.05 237	0.05 45	0.04 52	0.06 279	0.05 185

AIO-test2	0.10 233	0.08 330	0.10 162	0.23 589	0.09 327	0.11 241	0.11 67	0.23 393	0.24 428	0.08 122	0.09 156	0.08 174	0.05 17	0.10 113	0.08 23	0.06 161	0.05 237	0.08 388	0.09 496	0.05 159	0.05 185

fffft	0.09 163	0.06 95	0.12 275	0.16 197	0.07 122	0.09 132	0.16 388	0.12 79	0.11 97	0.09 173	0.07 57	0.09 215	0.06 65	0.11 186	0.12 338	0.05 48	0.04 24	0.06 182	0.05 189	0.04 45	0.05 185
1: 1. 1
fffy	0.09 163	0.08 330	0.10 162	0.16 197	0.07 122	0.13 338	0.17 422	0.13 107	0.12 134	0.08 122	0.09 156	0.08 174	0.09 256	0.13 335	0.11 268	0.05 48	0.05 237	0.07 298	0.05 189	0.04 45	0.05 185

UGAM	0.13 382	0.10 479	0.09 104	0.22 568	0.08 207	0.13 338	0.20 538	0.18 281	0.24 428	0.22 519	0.16 324	0.13 328	0.13 392	0.19 499	0.13 374	0.07 333	0.05 237	0.13 588	0.11 567	0.07 361	0.05 185

Pointernet	0.09 163	0.05 31	0.10 162	0.16 197	0.08 207	0.13 338	0.10 33	0.15 176	0.18 318	0.09 173	0.07 57	0.06 40	0.06 65	0.11 186	0.10 189	0.08 409	0.04 24	0.05 45	0.03 1	0.06 279	0.05 185

U	0.08 73	0.07 197	0.10 162	0.19 446	0.10 442	0.10 190	0.13 169	0.12 79	0.17 300	0.07 69	0.07 57	0.06 40	0.05 17	0.07 3	0.09 91	0.06 161	0.04 24	0.06 182	0.04 52	0.06 279	0.05 185

rvit_stereo_0080	0.10 233	0.08 330	0.15 397	0.15 104	0.10 442	0.07 35	0.15 324	0.16 213	0.16 265	0.11 258	0.10 188	0.15 372	0.09 256	0.12 278	0.10 189	0.09 467	0.07 480	0.07 298	0.06 274	0.07 361	0.05 185

IGEV-BASED-STEREO-	0.09 163	0.10 479	0.32 600	0.15 104	0.06 25	0.08 74	0.14 240	0.11 53	0.10 64	0.07 69	0.07 57	0.06 40	0.04 1	0.11 186	0.07 1	0.12 568	0.04 24	0.07 298	0.05 189	0.05 159	0.05 185

trnet	0.08 73	0.05 31	0.07 8	0.12 5	0.05 2	0.12 295	0.10 33	0.13 107	0.10 64	0.08 122	0.13 281	0.09 215	0.08 223	0.11 186	0.10 189	0.08 409	0.05 237	0.05 45	0.03 1	0.06 279	0.05 185

H2IRNET	0.10 233	0.09 411	0.10 162	0.18 375	0.09 327	0.12 295	0.15 324	0.14 137	0.21 384	0.10 216	0.10 188	0.10 247	0.11 326	0.10 113	0.10 189	0.06 161	0.04 24	0.08 388	0.08 450	0.06 279	0.05 185

MGS-Stereo	0.09 163	0.07 197	0.12 275	0.16 197	0.08 207	0.09 132	0.15 324	0.12 79	0.12 134	0.07 69	0.10 188	0.08 174	0.06 65	0.11 186	0.09 91	0.05 48	0.04 24	0.06 182	0.05 189	0.06 279	0.05 185

CoDeX	0.12 354	0.07 197	0.13 316	0.17 285	0.08 207	0.12 295	0.16 388	0.23 393	0.27 479	0.13 326	0.17 344	0.15 372	0.12 359	0.14 367	0.11 268	0.07 333	0.05 237	0.07 298	0.06 274	0.06 279	0.05 185

whm_eth	0.10 233	0.08 330	0.15 397	0.15 104	0.10 442	0.07 35	0.15 324	0.16 213	0.16 265	0.11 258	0.10 188	0.15 372	0.09 256	0.12 278	0.10 189	0.09 467	0.07 480	0.07 298	0.06 274	0.07 361	0.05 185

IGEV_Zeroshot_test	0.09 163	0.05 31	0.13 316	0.14 55	0.08 207	0.12 295	0.13 169	0.17 250	0.11 97	0.10 216	0.06 19	0.09 215	0.06 65	0.11 186	0.09 91	0.06 161	0.04 24	0.06 182	0.06 274	0.05 159	0.05 185

MSKI-zero shot	0.09 163	0.05 31	0.09 104	0.16 197	0.07 122	0.10 190	0.13 169	0.15 176	0.14 205	0.09 173	0.09 156	0.09 215	0.06 65	0.12 278	0.11 268	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.05 185

StereoVision	0.14 415	0.13 551	0.10 162	0.24 601	0.10 442	0.16 435	0.21 555	0.21 350	0.20 369	0.12 294	0.25 474	0.10 247	0.10 287	0.16 415	0.10 189	0.09 467	0.10 569	0.12 574	0.12 589	0.06 279	0.05 185

UniTT-Stereo	0.09 163	0.07 197	0.08 35	0.18 375	0.08 207	0.13 338	0.11 67	0.12 79	0.11 97	0.10 216	0.12 259	0.05 4	0.06 65	0.09 55	0.10 189	0.07 333	0.06 409	0.05 45	0.05 189	0.06 279	0.05 185

MIM_Stereo	0.10 233	0.07 197	0.11 226	0.15 104	0.07 122	0.07 35	0.12 102	0.20 332	0.14 205	0.13 326	0.14 294	0.09 215	0.05 17	0.12 278	0.08 23	0.05 48	0.06 409	0.07 298	0.06 274	0.06 279	0.05 185

GCAP-Stereo	0.09 163	0.07 197	0.13 316	0.18 375	0.06 25	0.11 241	0.07 3	0.14 137	0.12 134	0.09 173	0.10 188	0.07 122	0.09 256	0.13 335	0.10 189	0.06 161	0.05 237	0.05 45	0.04 52	0.04 45	0.05 185

Any-RAFT	0.10 233	0.05 31	0.10 162	0.15 104	0.07 122	0.13 338	0.14 240	0.21 350	0.15 231	0.11 258	0.12 259	0.13 328	0.10 287	0.13 335	0.10 189	0.07 333	0.04 24	0.05 45	0.04 52	0.06 279	0.05 185

RAFT-Test	0.09 163	0.06 95	0.10 162	0.16 197	0.07 122	0.11 241	0.15 324	0.16 213	0.13 176	0.09 173	0.10 188	0.11 279	0.09 256	0.12 278	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.05 185

LL-Strereo2	0.11 276	0.10 479	0.16 440	0.18 375	0.08 207	0.15 407	0.09 20	0.17 250	0.14 205	0.14 349	0.11 239	0.09 215	0.07 170	0.16 415	0.10 189	0.05 48	0.05 237	0.11 552	0.07 375	0.06 279	0.05 185

LL-Strereo	0.13 382	0.10 479	0.12 275	0.20 510	0.10 442	0.11 241	0.18 471	0.33 561	0.25 453	0.16 403	0.16 324	0.14 347	0.14 425	0.19 499	0.11 268	0.06 161	0.05 237	0.09 474	0.08 450	0.04 45	0.05 185

4D-IteraStereo	0.10 233	0.07 197	0.10 162	0.18 375	0.07 122	0.09 132	0.15 324	0.18 281	0.15 231	0.10 216	0.11 239	0.10 247	0.07 170	0.12 278	0.09 91	0.05 48	0.03 1	0.08 388	0.07 375	0.06 279	0.05 185

LoS	0.09 163	0.05 31	0.11 226	0.13 11	0.07 122	0.14 382	0.11 67	0.15 176	0.15 231	0.09 173	0.09 156	0.12 303	0.09 256	0.15 386	0.10 189	0.07 333	0.05 237	0.05 45	0.03 1	0.05 159	0.05 185
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.08 73	0.04 1	0.08 35	0.14 55	0.07 122	0.09 132	0.14 240	0.11 53	0.09 44	0.08 122	0.09 156	0.11 279	0.07 170	0.12 278	0.08 23	0.06 161	0.04 24	0.05 45	0.03 1	0.05 159	0.05 185

DCRE	0.11 276	0.07 197	0.13 316	0.16 197	0.11 498	0.11 241	0.17 422	0.18 281	0.17 300	0.11 258	0.18 370	0.11 279	0.10 287	0.15 386	0.11 268	0.06 161	0.05 237	0.06 182	0.06 274	0.05 159	0.05 185

Selective-RAFT	0.11 276	0.11 505	0.12 275	0.21 546	0.08 207	0.16 435	0.13 169	0.21 350	0.23 416	0.10 216	0.10 188	0.11 279	0.10 287	0.15 386	0.11 268	0.05 48	0.05 237	0.06 182	0.05 189	0.06 279	0.05 185

CroCo-Stereo Lap2	0.09 163	0.09 411	0.08 35	0.22 568	0.09 327	0.09 132	0.18 471	0.16 213	0.12 134	0.09 173	0.10 188	0.05 4	0.05 17	0.08 21	0.08 23	0.06 161	0.06 409	0.07 298	0.05 189	0.06 279	0.05 185

TestStereo1	0.13 382	0.08 330	0.08 35	0.20 510	0.08 207	0.18 475	0.29 639	0.23 393	0.17 300	0.17 417	0.20 396	0.16 394	0.11 326	0.12 278	0.13 374	0.06 161	0.06 409	0.08 388	0.06 274	0.05 159	0.05 185

DCANet-4	0.11 276	0.07 197	0.13 316	0.16 197	0.06 25	0.09 132	0.17 422	0.18 281	0.20 369	0.13 326	0.17 344	0.09 215	0.14 425	0.12 278	0.13 374	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.05 185

fff	0.10 233	0.06 95	0.12 275	0.15 104	0.07 122	0.09 132	0.17 422	0.16 213	0.21 384	0.13 326	0.17 344	0.10 247	0.11 326	0.12 278	0.13 374	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.05 185

ADStereo(finetuned)	0.10 233	0.06 95	0.13 316	0.16 197	0.06 25	0.09 132	0.17 422	0.16 213	0.20 369	0.13 326	0.18 370	0.10 247	0.12 359	0.12 278	0.12 338	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.05 185

SA-5K	0.13 382	0.08 330	0.08 35	0.20 510	0.08 207	0.18 475	0.29 639	0.23 393	0.17 300	0.17 417	0.20 396	0.16 394	0.11 326	0.12 278	0.13 374	0.06 161	0.06 409	0.08 388	0.06 274	0.05 159	0.05 185

Sa-1000	0.12 354	0.08 330	0.09 104	0.18 375	0.08 207	0.15 407	0.22 569	0.22 374	0.19 346	0.15 374	0.20 396	0.17 412	0.11 326	0.10 113	0.10 189	0.06 161	0.05 237	0.09 474	0.09 496	0.05 159	0.05 185

SA	0.13 382	0.09 411	0.09 104	0.18 375	0.08 207	0.12 295	0.24 592	0.23 393	0.19 346	0.17 417	0.27 505	0.15 372	0.11 326	0.11 186	0.11 268	0.05 48	0.05 237	0.09 474	0.08 450	0.05 159	0.05 185

iRaft-Stereo_20w	0.09 163	0.05 31	0.13 316	0.14 55	0.09 327	0.12 295	0.15 324	0.19 314	0.11 97	0.11 258	0.08 118	0.08 174	0.05 17	0.10 113	0.09 91	0.06 161	0.04 24	0.06 182	0.05 189	0.06 279	0.05 185

GLC_STEREO	0.11 276	0.07 197	0.11 226	0.18 375	0.07 122	0.08 74	0.13 169	0.16 213	0.24 428	0.12 294	0.13 281	0.12 303	0.08 223	0.18 474	0.12 338	0.06 161	0.08 513	0.08 388	0.06 274	0.05 159	0.05 185

CrosDoStereo	0.12 354	0.07 197	0.12 275	0.14 55	0.09 327	0.12 295	0.15 324	0.17 250	0.22 406	0.19 466	0.24 448	0.15 372	0.11 326	0.11 186	0.12 338	0.06 161	0.05 237	0.07 298	0.07 375	0.05 159	0.05 185

AAGNet	0.12 354	0.08 330	0.17 464	0.19 446	0.09 327	0.08 74	0.13 169	0.19 314	0.13 176	0.16 403	0.21 414	0.13 328	0.14 425	0.11 186	0.14 411	0.06 161	0.04 24	0.09 474	0.06 274	0.06 279	0.05 185

STrans-v2	0.10 233	0.07 197	0.13 316	0.18 375	0.08 207	0.10 190	0.14 240	0.22 374	0.11 97	0.11 258	0.15 307	0.12 303	0.10 287	0.11 186	0.12 338	0.05 48	0.04 24	0.06 182	0.06 274	0.05 159	0.05 185

TransformOpticalFlow	0.10 233	0.08 330	0.13 316	0.18 375	0.07 122	0.09 132	0.15 324	0.19 314	0.16 265	0.12 294	0.16 324	0.11 279	0.11 326	0.11 186	0.11 268	0.05 48	0.04 24	0.06 182	0.06 274	0.05 159	0.05 185

IIG-Stereo	0.11 276	0.06 95	0.13 316	0.17 285	0.08 207	0.11 241	0.12 102	0.22 374	0.18 318	0.14 349	0.17 344	0.12 303	0.13 392	0.12 278	0.13 374	0.06 161	0.05 237	0.07 298	0.06 274	0.06 279	0.05 185

DeepStereo_LL	0.12 354	0.07 197	0.12 275	0.14 55	0.09 327	0.12 295	0.15 324	0.17 250	0.22 406	0.19 466	0.24 448	0.15 372	0.11 326	0.11 186	0.12 338	0.06 161	0.05 237	0.07 298	0.07 375	0.05 159	0.05 185

DEmStereo	0.12 354	0.06 95	0.14 362	0.14 55	0.10 442	0.16 435	0.15 324	0.16 213	0.24 428	0.17 417	0.23 436	0.12 303	0.14 425	0.12 278	0.14 411	0.05 48	0.04 24	0.07 298	0.06 274	0.05 159	0.05 185

THIR-Stereo	0.12 354	0.07 197	0.11 226	0.15 104	0.08 207	0.14 382	0.16 388	0.18 281	0.25 453	0.17 417	0.24 448	0.13 328	0.13 392	0.12 278	0.14 411	0.06 161	0.05 237	0.07 298	0.07 375	0.05 159	0.05 185

RAFT_R40	0.11 276	0.07 197	0.15 397	0.18 375	0.09 327	0.06 12	0.13 169	0.17 250	0.15 231	0.14 349	0.18 370	0.15 372	0.12 359	0.10 113	0.11 268	0.06 161	0.04 24	0.09 474	0.06 274	0.06 279	0.05 185

DRaft	0.12 354	0.06 95	0.12 275	0.14 55	0.09 327	0.14 382	0.17 422	0.21 350	0.30 509	0.18 450	0.27 505	0.10 247	0.16 466	0.11 186	0.12 338	0.05 48	0.04 24	0.07 298	0.07 375	0.05 159	0.05 185

PFNet	0.12 354	0.06 95	0.17 464	0.18 375	0.08 207	0.09 132	0.15 324	0.26 454	0.20 369	0.16 403	0.16 324	0.14 347	0.12 359	0.13 335	0.11 268	0.06 161	0.04 24	0.07 298	0.06 274	0.05 159	0.05 185

RAFT-345	0.11 276	0.07 197	0.16 440	0.17 285	0.08 207	0.08 74	0.12 102	0.16 213	0.10 64	0.11 258	0.34 567	0.09 215	0.10 287	0.11 186	0.12 338	0.05 48	0.05 237	0.07 298	0.06 274	0.04 45	0.05 185

AnonymousM	0.10 233	0.06 95	0.10 162	0.14 55	0.07 122	0.09 132	0.13 169	0.19 314	0.14 205	0.13 326	0.12 259	0.09 215	0.08 223	0.13 335	0.10 189	0.08 409	0.05 237	0.08 388	0.05 189	0.05 159	0.05 185

RAFT	0.13 382	0.09 411	0.11 226	0.18 375	0.08 207	0.15 407	0.23 581	0.21 350	0.20 369	0.21 504	0.21 414	0.18 427	0.13 392	0.17 455	0.10 189	0.06 161	0.07 480	0.10 522	0.09 496	0.06 279	0.05 185

test-1	0.10 233	0.07 197	0.17 464	0.19 446	0.08 207	0.11 241	0.24 592	0.15 176	0.18 318	0.09 173	0.07 57	0.10 247	0.08 223	0.08 21	0.09 91	0.06 161	0.04 24	0.06 182	0.06 274	0.04 45	0.05 185

TestStereo	0.14 415	0.15 573	0.11 226	0.23 589	0.08 207	0.15 407	0.21 555	0.20 332	0.23 416	0.14 349	0.25 474	0.16 394	0.13 392	0.16 415	0.14 411	0.06 161	0.06 409	0.08 388	0.06 274	0.09 491	0.05 185

raft+_RVC	0.11 276	0.07 197	0.09 104	0.16 197	0.07 122	0.10 190	0.11 67	0.24 419	0.20 369	0.12 294	0.15 307	0.12 303	0.08 223	0.12 278	0.13 374	0.07 333	0.04 24	0.07 298	0.06 274	0.05 159	0.05 185

TANstereo	0.09 163	0.04 1	0.08 35	0.13 11	0.06 25	0.11 241	0.13 169	0.15 176	0.19 346	0.11 258	0.15 307	0.10 247	0.07 170	0.12 278	0.09 91	0.07 333	0.05 237	0.05 45	0.04 52	0.06 279	0.05 185

XX-TBD	0.09 163	0.06 95	0.07 8	0.14 55	0.07 122	0.13 338	0.16 388	0.14 137	0.14 205	0.11 258	0.12 259	0.09 215	0.08 223	0.10 113	0.10 189	0.06 161	0.04 24	0.05 45	0.04 52	0.06 279	0.05 185

DCANet	0.10 233	0.06 95	0.12 275	0.16 197	0.06 25	0.09 132	0.17 422	0.16 213	0.20 369	0.13 326	0.18 370	0.10 247	0.11 326	0.11 186	0.12 338	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.05 185

csc	0.10 233	0.06 95	0.12 275	0.15 104	0.07 122	0.09 132	0.17 422	0.16 213	0.21 384	0.13 326	0.17 344	0.10 247	0.11 326	0.12 278	0.13 374	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.05 185

cscssc	0.10 233	0.06 95	0.12 275	0.15 104	0.07 122	0.09 132	0.17 422	0.16 213	0.21 384	0.13 326	0.17 344	0.10 247	0.11 326	0.12 278	0.13 374	0.06 161	0.04 24	0.05 45	0.04 52	0.04 45	0.05 185

111	0.11 276	0.06 95	0.12 275	0.15 104	0.07 122	0.10 190	0.14 240	0.21 350	0.24 428	0.11 258	0.12 259	0.14 347	0.12 359	0.13 335	0.10 189	0.06 161	0.04 24	0.06 182	0.04 52	0.06 279	0.05 185

Gwc-CoAtRS	0.09 163	0.07 197	0.10 162	0.16 197	0.07 122	0.10 190	0.15 324	0.18 281	0.17 300	0.08 122	0.10 188	0.12 303	0.09 256	0.12 278	0.09 91	0.06 161	0.04 24	0.06 182	0.04 52	0.04 45	0.05 185

R-Stereo Train	0.10 233	0.06 95	0.11 226	0.17 285	0.08 207	0.11 241	0.14 240	0.24 419	0.11 97	0.12 294	0.19 386	0.11 279	0.08 223	0.10 113	0.11 268	0.07 333	0.05 237	0.06 182	0.05 189	0.05 159	0.05 185

RAFT-Stereo	0.10 233	0.06 95	0.11 226	0.17 285	0.08 207	0.11 241	0.14 240	0.24 419	0.11 97	0.12 294	0.19 386	0.11 279	0.08 223	0.10 113	0.11 268	0.07 333	0.05 237	0.06 182	0.05 189	0.05 159	0.05 185
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.11 276	0.06 95	0.12 275	0.14 55	0.06 25	0.12 295	0.10 33	0.18 281	0.18 318	0.13 326	0.17 344	0.15 372	0.11 326	0.15 386	0.14 411	0.06 161	0.04 24	0.04 1	0.04 52	0.06 279	0.05 185
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
iResNet	0.13 382	0.10 479	0.18 498	0.19 446	0.08 207	0.14 382	0.18 471	0.21 350	0.27 479	0.16 403	0.24 448	0.15 372	0.13 392	0.14 367	0.15 448	0.06 161	0.04 24	0.06 182	0.05 189	0.06 279	0.05 185

LiteMatch*	0.08 73	0.04 1	0.12 275	0.13 11	0.08 207	0.08 74	0.13 169	0.14 137	0.09 44	0.05 2	0.05 7	0.05 4	0.09 256	0.11 186	0.10 189	0.06 161	0.05 237	0.05 45	0.04 52	0.05 159	0.06 289

IGEV_i1	0.12 354	0.08 330	0.12 275	0.17 285	0.08 207	0.19 498	0.15 324	0.19 314	0.23 416	0.18 450	0.18 370	0.16 394	0.12 359	0.17 455	0.14 411	0.06 161	0.05 237	0.06 182	0.05 189	0.06 279	0.06 289

RT-Monster	0.09 163	0.05 31	0.09 104	0.14 55	0.08 207	0.12 295	0.10 33	0.17 250	0.19 346	0.14 349	0.10 188	0.10 247	0.08 223	0.11 186	0.10 189	0.07 333	0.05 237	0.05 45	0.04 52	0.05 159	0.06 289

LiteMatch	0.09 163	0.06 95	0.10 162	0.16 197	0.07 122	0.10 190	0.15 324	0.13 107	0.08 19	0.06 22	0.07 57	0.06 40	0.16 466	0.10 113	0.14 411	0.07 333	0.04 24	0.06 182	0.06 274	0.06 279	0.06 289

Lsterematch	0.11 276	0.06 95	0.11 226	0.16 197	0.07 122	0.13 338	0.15 324	0.14 137	0.18 318	0.16 403	0.18 370	0.15 372	0.16 466	0.13 335	0.14 411	0.07 333	0.04 24	0.06 182	0.06 274	0.06 279	0.06 289

Selective-IGEV-i1	0.13 382	0.07 197	0.12 275	0.20 510	0.08 207	0.18 475	0.16 388	0.23 393	0.30 509	0.17 417	0.17 344	0.17 412	0.10 287	0.15 386	0.13 374	0.06 161	0.05 237	0.06 182	0.05 189	0.06 279	0.06 289

VMStereo-Base	0.09 163	0.05 31	0.10 162	0.13 11	0.07 122	0.11 241	0.10 33	0.16 213	0.13 176	0.10 216	0.16 324	0.10 247	0.09 256	0.11 186	0.10 189	0.07 333	0.05 237	0.05 45	0.04 52	0.05 159	0.06 289

WQFJA1++	0.08 73	0.04 1	0.11 226	0.14 55	0.07 122	0.11 241	0.11 67	0.12 79	0.07 13	0.07 69	0.07 57	0.07 122	0.06 65	0.10 113	0.10 189	0.06 161	0.04 24	0.05 45	0.04 52	0.06 279	0.06 289

252Zero-FE	0.08 73	0.04 1	0.10 162	0.13 11	0.07 122	0.13 338	0.11 67	0.13 107	0.14 205	0.07 69	0.05 7	0.06 40	0.05 17	0.09 55	0.10 189	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.06 289

z-ln-s-r	0.18 522	0.10 479	0.41 622	0.19 446	0.08 207	0.18 475	0.18 471	0.23 393	0.34 541	0.19 466	0.41 609	0.22 481	0.17 492	0.20 517	0.25 579	0.07 333	0.05 237	0.07 298	0.07 375	0.07 361	0.06 289

S2M2_XL	0.08 73	0.06 95	0.12 275	0.12 5	0.08 207	0.09 132	0.09 20	0.07 7	0.07 13	0.08 122	0.07 57	0.07 122	0.06 65	0.09 55	0.09 91	0.08 409	0.06 409	0.07 298	0.06 274	0.08 428	0.06 289
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
xyz-stereo-finetune2	0.11 276	0.07 197	0.13 316	0.13 11	0.07 122	0.11 241	0.19 517	0.17 250	0.12 134	0.15 374	0.15 307	0.17 412	0.13 392	0.13 335	0.11 268	0.05 48	0.04 24	0.07 298	0.05 189	0.04 45	0.06 289

111111	0.07 6	0.05 31	0.10 162	0.17 285	0.06 25	0.05 3	0.10 33	0.11 53	0.10 64	0.06 22	0.06 19	0.07 122	0.05 17	0.08 21	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.07 361	0.06 289

MLG-Stereo_test3	0.07 6	0.05 31	0.10 162	0.15 104	0.06 25	0.07 35	0.10 33	0.08 11	0.06 6	0.06 22	0.04 1	0.06 40	0.06 65	0.08 21	0.10 189	0.06 161	0.04 24	0.05 45	0.04 52	0.05 159	0.06 289

LG-G_1	0.07 6	0.04 1	0.11 226	0.15 104	0.06 25	0.09 132	0.08 7	0.08 11	0.06 6	0.06 22	0.06 19	0.07 122	0.07 170	0.11 186	0.08 23	0.07 333	0.04 24	0.05 45	0.04 52	0.05 159	0.06 289

LG-G	0.07 6	0.04 1	0.11 226	0.15 104	0.06 25	0.09 132	0.08 7	0.08 11	0.06 6	0.06 22	0.06 19	0.07 122	0.07 170	0.11 186	0.08 23	0.07 333	0.04 24	0.05 45	0.04 52	0.05 159	0.06 289

LGtest1	0.07 6	0.05 31	0.11 226	0.15 104	0.06 25	0.07 35	0.09 20	0.08 11	0.06 6	0.06 22	0.04 1	0.06 40	0.07 170	0.10 113	0.09 91	0.07 333	0.04 24	0.05 45	0.04 52	0.06 279	0.06 289

HI	0.11 276	0.06 95	0.12 275	0.13 11	0.09 327	0.09 132	0.14 240	0.22 374	0.11 97	0.20 488	0.17 344	0.14 347	0.10 287	0.16 415	0.09 91	0.05 48	0.04 24	0.07 298	0.08 450	0.07 361	0.06 289

CoSv	0.11 276	0.06 95	0.12 275	0.13 11	0.09 327	0.09 132	0.14 240	0.22 374	0.11 97	0.20 488	0.17 344	0.14 347	0.10 287	0.16 415	0.09 91	0.05 48	0.04 24	0.07 298	0.08 450	0.07 361	0.06 289

IGEV-RUCA	0.08 73	0.06 95	0.11 226	0.14 55	0.09 327	0.10 190	0.12 102	0.10 27	0.12 134	0.06 22	0.07 57	0.08 174	0.06 65	0.09 55	0.08 23	0.06 161	0.05 237	0.05 45	0.04 52	0.05 159	0.06 289

tt45	0.09 163	0.06 95	0.11 226	0.15 104	0.07 122	0.12 295	0.15 324	0.13 107	0.12 134	0.09 173	0.06 19	0.08 174	0.06 65	0.13 335	0.10 189	0.06 161	0.04 24	0.06 182	0.05 189	0.05 159	0.06 289

999	0.09 163	0.06 95	0.13 316	0.15 104	0.08 207	0.10 190	0.14 240	0.15 176	0.12 134	0.10 216	0.08 118	0.08 174	0.08 223	0.16 415	0.10 189	0.06 161	0.04 24	0.06 182	0.05 189	0.04 45	0.06 289

PAM_32	0.10 233	0.06 95	0.17 464	0.15 104	0.08 207	0.10 190	0.15 324	0.14 137	0.16 265	0.09 173	0.08 118	0.10 247	0.07 170	0.14 367	0.09 91	0.06 161	0.05 237	0.06 182	0.06 274	0.05 159	0.06 289

PAM	0.10 233	0.06 95	0.17 464	0.15 104	0.09 327	0.10 190	0.16 388	0.15 176	0.16 265	0.12 294	0.09 156	0.10 247	0.07 170	0.13 335	0.09 91	0.06 161	0.05 237	0.06 182	0.06 274	0.05 159	0.06 289

rvit_0105_6	0.14 415	0.09 411	0.18 498	0.17 285	0.10 442	0.10 190	0.17 422	0.19 314	0.26 466	0.12 294	0.18 370	0.17 412	0.13 392	0.18 474	0.13 374	0.15 612	0.11 583	0.12 574	0.10 535	0.09 491	0.06 289

rvit_0105_4	0.15 457	0.09 411	0.17 464	0.17 285	0.10 442	0.12 295	0.20 538	0.23 393	0.27 479	0.14 349	0.20 396	0.17 412	0.14 425	0.17 455	0.13 374	0.15 612	0.11 583	0.11 552	0.10 535	0.09 491	0.06 289

UGAM-zero	0.10 233	0.05 31	0.15 397	0.15 104	0.08 207	0.10 190	0.13 169	0.20 332	0.15 231	0.11 258	0.15 307	0.07 122	0.08 223	0.09 55	0.10 189	0.06 161	0.05 237	0.06 182	0.05 189	0.05 159	0.06 289

rvit_stereo_0083	0.12 354	0.08 330	0.17 464	0.16 197	0.09 327	0.11 241	0.15 324	0.15 176	0.26 466	0.11 258	0.14 294	0.13 328	0.10 287	0.12 278	0.13 374	0.10 508	0.08 513	0.09 474	0.07 375	0.07 361	0.06 289

rvit_stereo_0081_aga	0.12 354	0.09 411	0.15 397	0.18 375	0.10 442	0.14 382	0.14 240	0.14 137	0.19 346	0.10 216	0.18 370	0.16 394	0.09 256	0.12 278	0.10 189	0.10 508	0.06 409	0.08 388	0.07 375	0.07 361	0.06 289

rvit_stereo_0081	0.11 276	0.08 330	0.16 440	0.16 197	0.09 327	0.11 241	0.14 240	0.14 137	0.24 428	0.11 258	0.13 281	0.14 347	0.09 256	0.11 186	0.12 338	0.10 508	0.07 480	0.08 388	0.07 375	0.07 361	0.06 289

model_zeroshot	0.10 233	0.05 31	0.12 275	0.15 104	0.09 327	0.13 338	0.14 240	0.20 332	0.14 205	0.11 258	0.10 188	0.12 303	0.07 170	0.12 278	0.11 268	0.07 333	0.06 409	0.06 182	0.05 189	0.06 279	0.06 289

rvit_stereo_0082	0.11 276	0.08 330	0.16 440	0.16 197	0.09 327	0.11 241	0.14 240	0.14 137	0.24 428	0.11 258	0.13 281	0.14 347	0.09 256	0.11 186	0.12 338	0.10 508	0.07 480	0.08 388	0.07 375	0.07 361	0.06 289

Occ-G	0.08 73	0.05 31	0.07 8	0.14 55	0.07 122	0.09 132	0.14 240	0.14 137	0.15 231	0.07 69	0.12 259	0.07 122	0.05 17	0.09 55	0.10 189	0.06 161	0.05 237	0.05 45	0.04 52	0.05 159	0.06 289

IGEV-Stereo+	0.07 6	0.04 1	0.08 35	0.15 104	0.06 25	0.04 1	0.09 20	0.10 27	0.09 44	0.06 22	0.06 19	0.06 40	0.06 65	0.06 1	0.09 91	0.06 161	0.04 24	0.05 45	0.04 52	0.06 279	0.06 289

rvit_stereo_ft	0.12 354	0.07 197	0.13 316	0.19 446	0.10 442	0.12 295	0.17 422	0.16 213	0.16 265	0.13 326	0.13 281	0.15 372	0.10 287	0.14 367	0.13 374	0.10 508	0.06 409	0.08 388	0.07 375	0.07 361	0.06 289

DispNO	0.15 457	0.09 411	0.18 498	0.19 446	0.12 530	0.11 241	0.21 555	0.23 393	0.29 503	0.18 450	0.23 436	0.19 437	0.17 492	0.16 415	0.16 467	0.07 333	0.05 237	0.08 388	0.08 450	0.07 361	0.06 289

Former-RAFT_DAM_RVC	0.11 276	0.08 330	0.13 316	0.16 197	0.08 207	0.15 407	0.16 388	0.18 281	0.19 346	0.10 216	0.09 156	0.09 215	0.08 223	0.11 186	0.12 338	0.07 333	0.05 237	0.08 388	0.06 274	0.07 361	0.06 289

tta	0.14 415	0.07 197	0.18 498	0.14 55	0.08 207	0.17 459	0.17 422	0.27 468	0.27 479	0.19 466	0.20 396	0.19 437	0.15 445	0.15 386	0.17 484	0.08 409	0.05 237	0.07 298	0.06 274	0.06 279	0.06 289

qqq1	0.14 415	0.07 197	0.18 498	0.14 55	0.08 207	0.17 459	0.17 422	0.27 468	0.27 479	0.19 466	0.20 396	0.19 437	0.15 445	0.15 386	0.12 338	0.08 409	0.05 237	0.05 45	0.05 189	0.06 279	0.06 289

fff1	0.14 415	0.07 197	0.18 498	0.14 55	0.08 207	0.17 459	0.17 422	0.27 468	0.27 479	0.19 466	0.20 396	0.19 437	0.15 445	0.15 386	0.12 338	0.08 409	0.05 237	0.05 45	0.05 189	0.06 279	0.06 289

MyStereo07	0.10 233	0.07 197	0.10 162	0.17 285	0.09 327	0.14 382	0.17 422	0.15 176	0.15 231	0.09 173	0.06 19	0.06 40	0.07 170	0.12 278	0.09 91	0.06 161	0.05 237	0.08 388	0.07 375	0.06 279	0.06 289

MyStereo06	0.10 233	0.07 197	0.12 275	0.17 285	0.09 327	0.13 338	0.18 471	0.19 314	0.12 134	0.13 326	0.08 118	0.07 122	0.07 170	0.11 186	0.09 91	0.06 161	0.05 237	0.08 388	0.07 375	0.06 279	0.06 289

MyStereo05	0.13 382	0.07 197	0.10 162	0.17 285	0.09 327	0.13 338	0.18 471	0.28 493	0.35 555	0.17 417	0.14 294	0.15 372	0.11 326	0.15 386	0.13 374	0.06 161	0.05 237	0.08 388	0.07 375	0.06 279	0.06 289

MyStereo04	0.13 382	0.07 197	0.10 162	0.17 285	0.09 327	0.14 382	0.17 422	0.29 512	0.38 572	0.17 417	0.14 294	0.16 394	0.11 326	0.15 386	0.13 374	0.06 161	0.05 237	0.08 388	0.07 375	0.06 279	0.06 289

cc1	0.10 233	0.08 330	0.13 316	0.17 285	0.09 327	0.13 338	0.15 324	0.16 213	0.18 318	0.09 173	0.09 156	0.06 40	0.06 65	0.10 113	0.07 1	0.06 161	0.05 237	0.06 182	0.05 189	0.06 279	0.06 289

ff7	0.09 163	0.07 197	0.11 226	0.16 197	0.09 327	0.11 241	0.15 324	0.16 213	0.12 134	0.10 216	0.06 19	0.06 40	0.06 65	0.11 186	0.09 91	0.05 48	0.04 24	0.06 182	0.05 189	0.05 159	0.06 289

IGEVStereo-DCA	0.09 163	0.07 197	0.11 226	0.16 197	0.10 442	0.11 241	0.15 324	0.16 213	0.12 134	0.10 216	0.06 19	0.08 174	0.06 65	0.10 113	0.09 91	0.06 161	0.05 237	0.06 182	0.05 189	0.05 159	0.06 289

ffff	0.09 163	0.07 197	0.11 226	0.16 197	0.09 327	0.11 241	0.15 324	0.16 213	0.12 134	0.10 216	0.06 19	0.06 40	0.06 65	0.11 186	0.09 91	0.05 48	0.04 24	0.06 182	0.05 189	0.05 159	0.06 289

rrr	0.09 163	0.07 197	0.13 316	0.16 197	0.10 442	0.11 241	0.15 324	0.16 213	0.15 231	0.10 216	0.06 19	0.08 174	0.06 65	0.10 113	0.09 91	0.06 161	0.05 237	0.06 182	0.05 189	0.05 159	0.06 289

ffm	0.12 354	0.09 411	0.15 397	0.16 197	0.09 327	0.17 459	0.17 422	0.15 176	0.19 346	0.15 374	0.26 487	0.19 437	0.13 392	0.10 113	0.08 23	0.06 161	0.05 237	0.09 474	0.08 450	0.06 279	0.06 289

ff1	0.13 382	0.09 411	0.15 397	0.16 197	0.09 327	0.17 459	0.17 422	0.15 176	0.19 346	0.15 374	0.26 487	0.19 437	0.13 392	0.15 386	0.22 548	0.06 161	0.05 237	0.09 474	0.08 450	0.06 279	0.06 289

11t	0.09 163	0.07 197	0.11 226	0.16 197	0.09 327	0.11 241	0.15 324	0.16 213	0.12 134	0.10 216	0.06 19	0.06 40	0.06 65	0.11 186	0.09 91	0.05 48	0.04 24	0.06 182	0.05 189	0.05 159	0.06 289

tt1	0.10 233	0.08 330	0.13 316	0.17 285	0.09 327	0.13 338	0.15 324	0.15 176	0.19 346	0.09 173	0.08 118	0.06 40	0.06 65	0.10 113	0.08 23	0.06 161	0.05 237	0.06 182	0.05 189	0.06 279	0.06 289

plain	0.11 276	0.09 411	0.10 162	0.19 446	0.09 327	0.11 241	0.14 240	0.14 137	0.13 176	0.13 326	0.15 307	0.09 215	0.12 359	0.13 335	0.12 338	0.07 333	0.05 237	0.09 474	0.06 274	0.06 279	0.06 289

anonymousdsp2	0.11 276	0.07 197	0.11 226	0.16 197	0.09 327	0.13 338	0.14 240	0.19 314	0.23 416	0.13 326	0.14 294	0.12 303	0.09 256	0.14 367	0.11 268	0.05 48	0.05 237	0.05 45	0.04 52	0.06 279	0.06 289

anonymousdsp	0.09 163	0.07 197	0.11 226	0.17 285	0.09 327	0.11 241	0.15 324	0.16 213	0.12 134	0.10 216	0.06 19	0.06 40	0.06 65	0.11 186	0.09 91	0.05 48	0.04 24	0.06 182	0.05 189	0.05 159	0.06 289

ProNet	0.09 163	0.07 197	0.11 226	0.17 285	0.08 207	0.11 241	0.15 324	0.15 176	0.12 134	0.10 216	0.06 19	0.07 122	0.06 65	0.11 186	0.09 91	0.05 48	0.05 237	0.06 182	0.05 189	0.04 45	0.06 289

ccc-4	0.09 163	0.07 197	0.11 226	0.16 197	0.09 327	0.11 241	0.15 324	0.16 213	0.12 134	0.10 216	0.06 19	0.06 40	0.06 65	0.11 186	0.09 91	0.05 48	0.04 24	0.06 182	0.05 189	0.05 159	0.06 289

RAFT+CT+SA	0.13 382	0.11 505	0.09 104	0.19 446	0.09 327	0.15 407	0.28 628	0.22 374	0.22 406	0.15 374	0.26 487	0.10 247	0.10 287	0.11 186	0.12 338	0.05 48	0.04 24	0.07 298	0.08 450	0.07 361	0.06 289

IGEV-Stereo	0.09 163	0.07 197	0.11 226	0.17 285	0.09 327	0.11 241	0.15 324	0.16 213	0.12 134	0.10 216	0.06 19	0.06 40	0.06 65	0.11 186	0.09 91	0.05 48	0.04 24	0.06 182	0.05 189	0.05 159	0.06 289
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.12 354	0.09 411	0.12 275	0.20 510	0.08 207	0.09 132	0.12 102	0.22 374	0.22 406	0.19 466	0.14 294	0.11 279	0.09 256	0.20 517	0.16 467	0.05 48	0.05 237	0.07 298	0.06 274	0.05 159	0.06 289

CIPLG	0.11 276	0.08 330	0.15 397	0.17 285	0.08 207	0.13 338	0.15 324	0.17 250	0.16 265	0.14 349	0.11 239	0.16 394	0.10 287	0.17 455	0.12 338	0.07 333	0.05 237	0.06 182	0.06 274	0.05 159	0.06 289

IPLGR_C	0.11 276	0.08 330	0.15 397	0.17 285	0.08 207	0.12 295	0.15 324	0.17 250	0.15 231	0.14 349	0.11 239	0.16 394	0.10 287	0.16 415	0.12 338	0.07 333	0.05 237	0.06 182	0.06 274	0.05 159	0.06 289

ACRE	0.11 276	0.08 330	0.15 397	0.17 285	0.08 207	0.13 338	0.15 324	0.17 250	0.14 205	0.14 349	0.11 239	0.16 394	0.10 287	0.16 415	0.12 338	0.07 333	0.05 237	0.06 182	0.06 274	0.05 159	0.06 289

GwcNet-ADL	0.13 382	0.08 330	0.14 362	0.20 510	0.09 327	0.12 295	0.20 538	0.30 525	0.25 453	0.14 349	0.14 294	0.18 427	0.14 425	0.13 335	0.15 448	0.07 333	0.05 237	0.06 182	0.05 189	0.07 361	0.06 289

SST-Stereo	0.11 276	0.07 197	0.16 440	0.18 375	0.09 327	0.06 12	0.12 102	0.18 281	0.10 64	0.15 374	0.18 370	0.13 328	0.12 359	0.10 113	0.11 268	0.06 161	0.04 24	0.09 474	0.06 274	0.07 361	0.06 289

RAFT-RH_RVC	0.12 354	0.06 95	0.14 362	0.16 197	0.09 327	0.12 295	0.12 102	0.17 250	0.12 134	0.13 326	0.40 598	0.11 279	0.10 287	0.13 335	0.12 338	0.05 48	0.04 24	0.08 388	0.05 189	0.05 159	0.06 289

IRAFT_RVC	0.12 354	0.08 330	0.17 464	0.19 446	0.08 207	0.07 35	0.14 240	0.25 440	0.23 416	0.14 349	0.15 307	0.15 372	0.12 359	0.12 278	0.11 268	0.06 161	0.04 24	0.09 474	0.06 274	0.06 279	0.06 289

rafts_anoy	0.11 276	0.06 95	0.10 162	0.17 285	0.08 207	0.10 190	0.14 240	0.18 281	0.14 205	0.13 326	0.13 281	0.12 303	0.11 326	0.11 186	0.13 374	0.07 333	0.05 237	0.09 474	0.11 567	0.07 361	0.06 289

raftrobust	0.09 163	0.06 95	0.11 226	0.17 285	0.08 207	0.09 132	0.10 33	0.18 281	0.16 265	0.10 216	0.09 156	0.12 303	0.08 223	0.12 278	0.10 189	0.08 409	0.05 237	0.06 182	0.05 189	0.05 159	0.06 289

test_xeample3	0.09 163	0.07 197	0.12 275	0.16 197	0.09 327	0.11 241	0.15 324	0.16 213	0.14 205	0.10 216	0.07 57	0.08 174	0.06 65	0.10 113	0.09 91	0.06 161	0.04 24	0.06 182	0.05 189	0.05 159	0.06 289

GMStereo	0.13 382	0.15 573	0.14 362	0.18 375	0.09 327	0.16 435	0.16 388	0.20 332	0.25 453	0.17 417	0.17 344	0.11 279	0.11 326	0.16 415	0.13 374	0.07 333	0.06 409	0.06 182	0.06 274	0.07 361	0.06 289
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 382	0.07 197	0.15 397	0.17 285	0.09 327	0.15 407	0.16 388	0.28 493	0.27 479	0.14 349	0.18 370	0.12 303	0.13 392	0.14 367	0.11 268	0.08 409	0.05 237	0.07 298	0.07 375	0.07 361	0.06 289

UPFNet	0.16 484	0.08 330	0.12 275	0.20 510	0.12 530	0.20 518	0.23 581	0.28 493	0.26 466	0.18 450	0.24 448	0.22 481	0.20 537	0.19 499	0.22 548	0.09 467	0.07 480	0.08 388	0.09 496	0.08 428	0.06 289

CREStereo	0.09 163	0.05 31	0.08 35	0.11 1	0.06 25	0.14 382	0.14 240	0.14 137	0.10 64	0.09 173	0.13 281	0.09 215	0.08 223	0.12 278	0.10 189	0.08 409	0.04 24	0.05 45	0.03 1	0.06 279	0.06 289
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
ac_64	0.16 484	0.09 411	0.15 397	0.18 375	0.10 442	0.22 543	0.17 422	0.24 419	0.22 406	0.19 466	0.24 448	0.29 555	0.18 506	0.19 499	0.22 548	0.09 467	0.08 513	0.08 388	0.09 496	0.07 361	0.06 289

ACVNet	0.15 457	0.09 411	0.15 397	0.13 11	0.12 530	0.14 382	0.20 538	0.22 374	0.34 541	0.17 417	0.26 487	0.21 463	0.17 492	0.18 474	0.21 535	0.07 333	0.06 409	0.06 182	0.06 274	0.08 428	0.06 289

acv_ft	0.15 457	0.09 411	0.16 440	0.19 446	0.10 442	0.16 435	0.17 422	0.25 440	0.34 541	0.19 466	0.26 487	0.21 463	0.17 492	0.18 474	0.19 512	0.07 333	0.06 409	0.06 182	0.06 274	0.08 428	0.06 289

cf-r	0.14 415	0.07 197	0.13 316	0.16 197	0.08 207	0.14 382	0.19 517	0.21 350	0.25 453	0.17 417	0.26 487	0.22 481	0.17 492	0.14 367	0.15 448	0.10 508	0.05 237	0.06 182	0.08 450	0.06 279	0.06 289

PMTNet	0.09 163	0.05 31	0.09 104	0.12 5	0.06 25	0.13 338	0.14 240	0.16 213	0.11 97	0.09 173	0.13 281	0.10 247	0.07 170	0.14 367	0.10 189	0.15 612	0.04 24	0.05 45	0.03 1	0.07 361	0.06 289

RASNet	0.15 457	0.07 197	0.15 397	0.16 197	0.08 207	0.19 498	0.14 240	0.30 525	0.21 384	0.17 417	0.25 474	0.21 463	0.19 525	0.20 517	0.20 522	0.07 333	0.06 409	0.06 182	0.08 450	0.06 279	0.06 289

HSM-Net_RVC	0.14 415	0.08 330	0.12 275	0.15 104	0.08 207	0.16 435	0.15 324	0.27 468	0.29 503	0.20 488	0.21 414	0.29 555	0.14 425	0.18 474	0.13 374	0.06 161	0.06 409	0.06 182	0.06 274	0.07 361	0.06 289
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.16 484	0.10 479	0.11 226	0.18 375	0.09 327	0.19 498	0.18 471	0.27 468	0.32 525	0.22 519	0.35 571	0.21 463	0.22 552	0.22 553	0.17 484	0.06 161	0.05 237	0.06 182	0.06 274	0.07 361	0.06 289

HSM	0.15 457	0.09 411	0.15 397	0.16 197	0.09 327	0.16 435	0.14 240	0.28 493	0.25 453	0.20 488	0.24 448	0.37 609	0.17 492	0.20 517	0.15 448	0.07 333	0.05 237	0.07 298	0.06 274	0.07 361	0.06 289

LE_ROB	0.50 660	0.07 197	0.14 362	0.15 104	0.08 207	0.26 588	0.17 422	0.23 393	1.71 694	4.68 700	0.67 656	0.46 641	0.47 655	0.21 535	0.30 622	0.07 333	0.06 409	0.06 182	0.06 274	0.08 428	0.06 289

DN-CSS_ROB	0.13 382	0.13 551	0.17 464	0.18 375	0.10 442	0.16 435	0.08 7	0.22 374	0.19 346	0.17 417	0.23 436	0.13 328	0.13 392	0.13 335	0.14 411	0.05 48	0.05 237	0.10 522	0.10 535	0.08 428	0.06 289

pmcnn	0.15 457	0.07 197	0.20 527	0.15 104	0.07 122	0.21 529	0.16 388	0.25 440	0.26 466	0.21 504	0.33 557	0.29 555	0.19 525	0.18 474	0.17 484	0.07 333	0.05 237	0.05 45	0.04 52	0.07 361	0.06 289

G2L-Stereo_test	0.14 415	0.07 197	0.11 226	0.13 11	0.08 207	0.12 295	0.17 422	0.31 542	0.28 495	0.21 504	0.23 436	0.20 454	0.16 466	0.17 455	0.19 512	0.07 333	0.05 237	0.05 45	0.05 189	0.07 361	0.07 376

G2L-Stereo	0.14 415	0.07 197	0.13 316	0.17 285	0.09 327	0.13 338	0.12 102	0.27 468	0.22 406	0.17 417	0.27 505	0.21 463	0.13 392	0.18 474	0.18 497	0.09 467	0.08 513	0.08 388	0.07 375	0.07 361	0.07 376

AIO-test1	0.10 233	0.07 197	0.11 226	0.24 601	0.07 122	0.09 132	0.13 169	0.22 374	0.15 231	0.11 258	0.12 259	0.09 215	0.07 170	0.11 186	0.09 91	0.06 161	0.05 237	0.09 474	0.10 535	0.04 45	0.07 376

rvit_0105_5	0.14 415	0.10 479	0.14 362	0.17 285	0.09 327	0.14 382	0.23 581	0.24 419	0.27 479	0.14 349	0.15 307	0.18 427	0.13 392	0.17 455	0.14 411	0.14 608	0.11 583	0.10 522	0.11 567	0.08 428	0.07 376

rvit_0105_3	0.16 484	0.10 479	0.15 397	0.20 510	0.12 530	0.15 407	0.26 617	0.25 440	0.30 509	0.15 374	0.17 344	0.21 463	0.14 425	0.18 474	0.14 411	0.14 608	0.11 583	0.12 574	0.14 607	0.07 361	0.07 376

rvit_105_1	0.19 534	0.12 524	0.25 564	0.21 546	0.16 608	0.22 543	0.28 628	0.32 547	0.42 590	0.20 488	0.21 414	0.22 481	0.18 506	0.19 499	0.18 497	0.12 568	0.12 599	0.13 588	0.15 623	0.08 428	0.07 376

ACV-stereo	0.15 457	0.10 479	0.29 587	0.18 375	0.12 530	0.15 407	0.13 169	0.23 393	0.21 384	0.19 466	0.23 436	0.22 481	0.15 445	0.23 561	0.17 484	0.08 409	0.07 480	0.07 298	0.07 375	0.08 428	0.07 376

SMFormer	0.14 415	0.07 197	0.18 498	0.14 55	0.08 207	0.17 459	0.17 422	0.27 468	0.27 479	0.19 466	0.20 396	0.19 437	0.15 445	0.15 386	0.17 484	0.08 409	0.05 237	0.07 298	0.06 274	0.08 428	0.07 376

ACVNet-DCA	0.10 233	0.08 330	0.13 316	0.17 285	0.09 327	0.13 338	0.15 324	0.24 419	0.16 265	0.09 173	0.09 156	0.06 40	0.06 65	0.10 113	0.07 1	0.06 161	0.05 237	0.06 182	0.05 189	0.07 361	0.07 376

xx1	0.11 276	0.08 330	0.13 316	0.17 285	0.09 327	0.13 338	0.15 324	0.16 213	0.18 318	0.09 173	0.09 156	0.16 394	0.16 466	0.10 113	0.07 1	0.06 161	0.05 237	0.08 388	0.08 450	0.07 361	0.07 376

1test111	0.11 276	0.08 330	0.13 316	0.17 285	0.09 327	0.13 338	0.15 324	0.24 419	0.16 265	0.09 173	0.09 156	0.06 40	0.06 65	0.15 386	0.16 467	0.06 161	0.05 237	0.06 182	0.05 189	0.07 361	0.07 376

mmm	0.14 415	0.08 330	0.18 498	0.17 285	0.09 327	0.17 459	0.18 471	0.21 350	0.16 265	0.16 403	0.23 436	0.21 463	0.16 466	0.16 415	0.17 484	0.08 409	0.05 237	0.08 388	0.08 450	0.08 428	0.07 376

11t1	0.12 354	0.07 197	0.14 362	0.14 55	0.08 207	0.17 459	0.15 324	0.19 314	0.15 231	0.15 374	0.15 307	0.17 412	0.16 466	0.15 386	0.13 374	0.08 409	0.05 237	0.06 182	0.05 189	0.08 428	0.07 376

1111x	0.16 484	0.09 411	0.13 316	0.18 375	0.08 207	0.18 475	0.25 608	0.32 547	0.25 453	0.17 417	0.24 448	0.27 537	0.15 445	0.14 367	0.24 571	0.07 333	0.07 480	0.08 388	0.09 496	0.07 361	0.07 376

MIF-Stereo (partial)	0.11 276	0.06 95	0.10 162	0.19 446	0.10 442	0.10 190	0.12 102	0.17 250	0.19 346	0.14 349	0.16 324	0.10 247	0.11 326	0.12 278	0.12 338	0.08 409	0.05 237	0.08 388	0.07 375	0.06 279	0.07 376

EKT-Stereo	0.11 276	0.07 197	0.14 362	0.16 197	0.10 442	0.13 338	0.14 240	0.19 314	0.21 384	0.11 258	0.08 118	0.13 328	0.10 287	0.11 186	0.12 338	0.08 409	0.06 409	0.07 298	0.06 274	0.08 428	0.07 376

PCWNet_CMD	0.14 415	0.08 330	0.15 397	0.17 285	0.09 327	0.14 382	0.14 240	0.29 512	0.36 560	0.14 349	0.20 396	0.21 463	0.13 392	0.17 455	0.14 411	0.07 333	0.05 237	0.07 298	0.07 375	0.07 361	0.07 376

fast-acv-ft	0.18 522	0.11 505	0.20 527	0.19 446	0.12 530	0.26 588	0.21 555	0.26 454	0.35 555	0.22 519	0.34 567	0.27 537	0.21 545	0.21 535	0.23 559	0.09 467	0.09 546	0.08 388	0.10 535	0.08 428	0.07 376

CBFPSM	0.15 457	0.07 197	0.27 575	0.17 285	0.09 327	0.13 338	0.15 324	0.22 374	0.23 416	0.20 488	0.27 505	0.23 498	0.16 466	0.16 415	0.19 512	0.06 161	0.06 409	0.06 182	0.07 375	0.07 361	0.07 376

gwcnet-sp	0.14 415	0.07 197	0.13 316	0.18 375	0.09 327	0.16 435	0.18 471	0.24 419	0.24 428	0.19 466	0.24 448	0.15 372	0.16 466	0.16 415	0.15 448	0.08 409	0.07 480	0.07 298	0.08 450	0.08 428	0.07 376

scenet	0.14 415	0.07 197	0.13 316	0.18 375	0.09 327	0.16 435	0.18 471	0.24 419	0.24 428	0.19 466	0.24 448	0.15 372	0.16 466	0.16 415	0.15 448	0.08 409	0.07 480	0.07 298	0.08 450	0.08 428	0.07 376

CASS	0.14 415	0.12 524	0.12 275	0.23 589	0.09 327	0.15 407	0.17 422	0.19 314	0.20 369	0.17 417	0.18 370	0.15 372	0.15 445	0.15 386	0.14 411	0.09 467	0.06 409	0.10 522	0.08 450	0.09 491	0.07 376
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.11 276	0.06 95	0.12 275	0.14 55	0.07 122	0.15 407	0.13 169	0.20 332	0.14 205	0.11 258	0.17 344	0.13 328	0.09 256	0.14 367	0.11 268	0.09 467	0.05 237	0.06 182	0.05 189	0.07 361	0.07 376

anonymousa	0.13 382	0.07 197	0.14 362	0.18 375	0.09 327	0.13 338	0.17 422	0.20 332	0.29 503	0.15 374	0.24 448	0.16 394	0.14 425	0.14 367	0.14 411	0.07 333	0.05 237	0.07 298	0.09 496	0.05 159	0.07 376

ssnet	0.14 415	0.07 197	0.13 316	0.18 375	0.09 327	0.16 435	0.18 471	0.24 419	0.24 428	0.19 466	0.24 448	0.15 372	0.16 466	0.16 415	0.15 448	0.08 409	0.07 480	0.07 298	0.08 450	0.08 428	0.07 376

qqq	0.13 382	0.09 411	0.15 397	0.16 197	0.08 207	0.13 338	0.15 324	0.24 419	0.16 265	0.15 374	0.19 386	0.16 394	0.16 466	0.15 386	0.16 467	0.07 333	0.06 409	0.08 388	0.08 450	0.07 361	0.07 376

x	0.13 382	0.08 330	0.15 397	0.14 55	0.08 207	0.19 498	0.14 240	0.22 374	0.21 384	0.15 374	0.20 396	0.20 454	0.18 506	0.18 474	0.18 497	0.07 333	0.05 237	0.06 182	0.06 274	0.07 361	0.07 376

BUS	0.15 457	0.09 411	0.14 362	0.22 568	0.10 442	0.20 518	0.14 240	0.34 576	0.20 369	0.17 417	0.23 436	0.16 394	0.14 425	0.16 415	0.14 411	0.08 409	0.06 409	0.10 522	0.09 496	0.07 361	0.07 376

IER	0.14 415	0.08 330	0.13 316	0.17 285	0.09 327	0.14 382	0.16 388	0.26 454	0.27 479	0.18 450	0.26 487	0.17 412	0.20 537	0.17 455	0.14 411	0.08 409	0.05 237	0.07 298	0.06 274	0.08 428	0.07 376

test_5	0.14 415	0.12 524	0.08 35	0.20 510	0.10 442	0.14 382	0.28 628	0.21 350	0.24 428	0.19 466	0.28 516	0.11 279	0.15 445	0.12 278	0.13 374	0.06 161	0.05 237	0.07 298	0.08 450	0.08 428	0.07 376

BSDual-CNN	0.15 457	0.09 411	0.14 362	0.22 568	0.10 442	0.15 407	0.15 324	0.34 576	0.20 369	0.17 417	0.23 436	0.25 520	0.16 466	0.16 415	0.14 411	0.08 409	0.06 409	0.10 522	0.09 496	0.07 361	0.07 376

hknet	0.15 457	0.11 505	0.14 362	0.22 568	0.11 498	0.15 407	0.15 324	0.34 576	0.26 466	0.17 417	0.23 436	0.22 481	0.18 506	0.17 455	0.13 374	0.07 333	0.06 409	0.10 522	0.09 496	0.07 361	0.07 376

psmg	0.14 415	0.09 411	0.14 362	0.17 285	0.10 442	0.15 407	0.17 422	0.29 512	0.20 369	0.17 417	0.21 414	0.25 520	0.16 466	0.16 415	0.14 411	0.08 409	0.07 480	0.08 388	0.08 450	0.07 361	0.07 376

UDGNet	0.14 415	0.13 551	0.17 464	0.18 375	0.10 442	0.12 295	0.16 388	0.21 350	0.27 479	0.20 488	0.20 396	0.17 412	0.13 392	0.16 415	0.14 411	0.10 508	0.06 409	0.09 474	0.07 375	0.07 361	0.07 376

dd	0.15 457	0.17 594	0.17 464	0.19 446	0.09 327	0.15 407	0.18 471	0.22 374	0.26 466	0.23 534	0.20 396	0.21 463	0.10 287	0.21 535	0.17 484	0.10 508	0.06 409	0.08 388	0.06 274	0.08 428	0.07 376

dad	0.18 522	0.20 617	0.21 537	0.17 285	0.11 498	0.20 518	0.19 517	0.21 350	0.28 495	0.30 600	0.24 448	0.30 565	0.13 392	0.19 499	0.17 484	0.18 635	0.09 546	0.11 552	0.09 496	0.11 549	0.07 376

DAS	0.15 457	0.08 330	0.18 498	0.19 446	0.10 442	0.19 498	0.17 422	0.28 493	0.30 509	0.18 450	0.26 487	0.21 463	0.16 466	0.16 415	0.13 374	0.08 409	0.06 409	0.06 182	0.06 274	0.07 361	0.07 376

SepStereo	0.15 457	0.08 330	0.18 498	0.19 446	0.10 442	0.19 498	0.17 422	0.28 493	0.30 509	0.18 450	0.26 487	0.21 463	0.16 466	0.26 582	0.13 374	0.08 409	0.06 409	0.06 182	0.06 274	0.07 361	0.07 376

PSMNet-ADL	0.15 457	0.12 524	0.13 316	0.22 568	0.09 327	0.13 338	0.20 538	0.26 454	0.23 416	0.18 450	0.20 396	0.23 498	0.17 492	0.18 474	0.18 497	0.09 467	0.08 513	0.08 388	0.11 567	0.08 428	0.07 376

ADLNet2	0.16 484	0.09 411	0.14 362	0.17 285	0.09 327	0.20 518	0.16 388	0.32 547	0.39 577	0.17 417	0.20 396	0.20 454	0.19 525	0.21 535	0.23 559	0.08 409	0.07 480	0.07 298	0.07 375	0.09 491	0.07 376

Patchmatch Stereo++	0.11 276	0.09 411	0.17 464	0.19 446	0.08 207	0.06 12	0.11 67	0.17 250	0.13 176	0.15 374	0.16 324	0.14 347	0.12 359	0.11 186	0.11 268	0.06 161	0.05 237	0.08 388	0.06 274	0.08 428	0.07 376
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
NRIStereo	0.11 276	0.08 330	0.15 397	0.18 375	0.08 207	0.10 190	0.13 169	0.17 250	0.15 231	0.12 294	0.15 307	0.13 328	0.13 392	0.13 335	0.10 189	0.06 161	0.04 24	0.07 298	0.06 274	0.06 279	0.07 376

PSM-adaLoss	0.11 276	0.09 411	0.17 464	0.19 446	0.08 207	0.06 12	0.12 102	0.17 250	0.13 176	0.15 374	0.16 324	0.14 347	0.12 359	0.11 186	0.11 268	0.06 161	0.05 237	0.08 388	0.06 274	0.08 428	0.07 376

ROB_FTStereo_v2	0.11 276	0.09 411	0.17 464	0.19 446	0.08 207	0.06 12	0.12 102	0.17 250	0.13 176	0.15 374	0.16 324	0.14 347	0.12 359	0.11 186	0.11 268	0.06 161	0.05 237	0.08 388	0.06 274	0.08 428	0.07 376

ROB_FTStereo	0.11 276	0.09 411	0.17 464	0.19 446	0.08 207	0.06 12	0.11 67	0.17 250	0.13 176	0.15 374	0.16 324	0.14 347	0.12 359	0.11 186	0.11 268	0.06 161	0.05 237	0.08 388	0.06 274	0.08 428	0.07 376

HUI-Stereo	0.11 276	0.09 411	0.17 464	0.19 446	0.08 207	0.06 12	0.11 67	0.17 250	0.13 176	0.15 374	0.16 324	0.14 347	0.12 359	0.11 186	0.11 268	0.06 161	0.05 237	0.08 388	0.06 274	0.08 428	0.07 376

iGMRVC	0.11 276	0.09 411	0.17 464	0.19 446	0.08 207	0.06 12	0.12 102	0.17 250	0.13 176	0.15 374	0.16 324	0.14 347	0.12 359	0.11 186	0.11 268	0.06 161	0.05 237	0.08 388	0.06 274	0.08 428	0.07 376

iRAFT	0.11 276	0.09 411	0.17 464	0.19 446	0.08 207	0.06 12	0.11 67	0.17 250	0.13 176	0.15 374	0.16 324	0.14 347	0.12 359	0.11 186	0.11 268	0.06 161	0.05 237	0.08 388	0.06 274	0.08 428	0.07 376

RAFT-IKP	0.11 276	0.09 411	0.17 464	0.19 446	0.08 207	0.06 12	0.11 67	0.17 250	0.13 176	0.15 374	0.16 324	0.14 347	0.12 359	0.11 186	0.11 268	0.06 161	0.05 237	0.08 388	0.06 274	0.08 428	0.07 376

CFNet_pseudo	0.14 415	0.08 330	0.16 440	0.16 197	0.09 327	0.13 338	0.14 240	0.27 468	0.34 541	0.15 374	0.21 414	0.22 481	0.13 392	0.18 474	0.14 411	0.07 333	0.05 237	0.08 388	0.06 274	0.07 361	0.07 376

RALCasStereoNet	0.11 276	0.07 197	0.09 104	0.16 197	0.08 207	0.13 338	0.14 240	0.17 250	0.11 97	0.12 294	0.17 344	0.14 347	0.10 287	0.12 278	0.11 268	0.07 333	0.06 409	0.06 182	0.05 189	0.08 428	0.07 376

sCroCo_RVC	0.12 354	0.09 411	0.24 561	0.24 601	0.11 498	0.19 498	0.14 240	0.17 250	0.15 231	0.10 216	0.13 281	0.12 303	0.07 170	0.14 367	0.11 268	0.08 409	0.08 513	0.08 388	0.08 450	0.05 159	0.07 376

HCRNet	0.16 484	0.23 630	0.12 275	0.35 652	0.11 498	0.15 407	0.17 422	0.26 454	0.22 406	0.19 466	0.24 448	0.21 463	0.14 425	0.15 386	0.13 374	0.11 542	0.07 480	0.11 552	0.10 535	0.09 491	0.07 376

test_xeample	0.15 457	0.07 197	0.14 362	0.15 104	0.08 207	0.22 543	0.20 538	0.29 512	0.21 384	0.16 403	0.29 531	0.19 437	0.17 492	0.16 415	0.28 606	0.09 467	0.05 237	0.07 298	0.07 375	0.07 361	0.07 376

MMNet	0.17 506	0.10 479	0.17 464	0.20 510	0.11 498	0.27 597	0.20 538	0.26 454	0.42 590	0.22 519	0.30 537	0.22 481	0.20 537	0.18 474	0.20 522	0.06 161	0.06 409	0.07 298	0.07 375	0.08 428	0.07 376

delet	0.17 506	0.09 411	0.18 498	0.19 446	0.11 498	0.21 529	0.22 569	0.30 525	0.38 572	0.17 417	0.27 505	0.19 437	0.19 525	0.19 499	0.21 535	0.08 409	0.08 513	0.09 474	0.11 567	0.06 279	0.07 376

UNet	0.17 506	0.09 411	0.18 498	0.19 446	0.12 530	0.28 607	0.19 517	0.33 561	0.30 509	0.21 504	0.25 474	0.23 498	0.19 525	0.20 517	0.19 512	0.07 333	0.06 409	0.08 388	0.07 375	0.08 428	0.07 376

GANet-RSSM	0.14 415	0.07 197	0.13 316	0.13 11	0.08 207	0.14 382	0.18 471	0.23 393	0.21 384	0.17 417	0.25 474	0.24 507	0.16 466	0.16 415	0.16 467	0.10 508	0.06 409	0.07 298	0.08 450	0.08 428	0.07 376

PSMNet-RSSM	0.14 415	0.07 197	0.14 362	0.15 104	0.08 207	0.13 338	0.16 388	0.25 440	0.24 428	0.17 417	0.28 516	0.23 498	0.14 425	0.16 415	0.14 411	0.11 542	0.06 409	0.09 474	0.12 589	0.08 428	0.07 376

GwcNet-RSSM	0.14 415	0.07 197	0.12 275	0.16 197	0.08 207	0.15 407	0.20 538	0.22 374	0.28 495	0.18 450	0.28 516	0.23 498	0.17 492	0.15 386	0.16 467	0.10 508	0.06 409	0.07 298	0.09 496	0.07 361	0.07 376

CCAANet	0.14 415	0.06 95	0.12 275	0.16 197	0.08 207	0.22 543	0.14 240	0.27 468	0.18 318	0.16 403	0.37 579	0.15 372	0.18 506	0.16 415	0.13 374	0.07 333	0.05 237	0.06 182	0.06 274	0.05 159	0.07 376

DIP-Stereo	0.11 276	0.08 330	0.15 397	0.17 285	0.09 327	0.13 338	0.09 20	0.16 213	0.16 265	0.12 294	0.16 324	0.14 347	0.12 359	0.16 415	0.14 411	0.06 161	0.05 237	0.06 182	0.05 189	0.05 159	0.07 376
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 354	0.09 411	0.15 397	0.18 375	0.07 122	0.15 407	0.07 3	0.23 393	0.19 346	0.16 403	0.19 386	0.19 437	0.14 425	0.17 455	0.15 448	0.07 333	0.05 237	0.05 45	0.05 189	0.06 279	0.07 376

MSMDNet	0.14 415	0.08 330	0.15 397	0.17 285	0.09 327	0.14 382	0.14 240	0.29 512	0.36 560	0.14 349	0.20 396	0.21 463	0.13 392	0.18 474	0.14 411	0.07 333	0.05 237	0.07 298	0.07 375	0.07 361	0.07 376

CFNet	0.15 457	0.11 505	0.17 464	0.17 285	0.08 207	0.19 498	0.10 33	0.29 512	0.26 466	0.19 466	0.24 448	0.24 507	0.18 506	0.18 474	0.15 448	0.08 409	0.06 409	0.09 474	0.10 535	0.08 428	0.07 376

ccs_rob	0.14 415	0.09 411	0.16 440	0.16 197	0.09 327	0.13 338	0.14 240	0.27 468	0.34 541	0.15 374	0.21 414	0.22 481	0.13 392	0.18 474	0.14 411	0.07 333	0.05 237	0.08 388	0.07 375	0.07 361	0.07 376

AdaStereo	0.15 457	0.11 505	0.16 440	0.19 446	0.09 327	0.21 529	0.11 67	0.33 561	0.28 495	0.21 504	0.23 436	0.21 463	0.13 392	0.19 499	0.15 448	0.13 587	0.05 237	0.10 522	0.07 375	0.09 491	0.07 376
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.
StereoDRNet-Refined	0.17 506	0.12 524	0.16 440	0.20 510	0.10 442	0.18 475	0.18 471	0.27 468	0.24 428	0.26 564	0.41 609	0.23 498	0.18 506	0.21 535	0.21 535	0.09 467	0.05 237	0.09 474	0.10 535	0.07 361	0.07 376
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.19 534	0.11 505	0.18 498	0.22 568	0.11 498	0.22 543	0.22 569	0.37 607	0.34 541	0.24 546	0.28 516	0.30 565	0.19 525	0.20 517	0.21 535	0.10 508	0.08 513	0.11 552	0.09 496	0.09 491	0.07 376

DLCB_ROB	0.18 522	0.10 479	0.16 440	0.23 589	0.11 498	0.24 567	0.18 471	0.30 525	0.28 495	0.27 571	0.29 531	0.28 547	0.25 575	0.20 517	0.20 522	0.08 409	0.08 513	0.09 474	0.09 496	0.07 361	0.07 376

RT-IGEV	0.13 382	0.06 95	0.14 362	0.15 104	0.10 442	0.15 407	0.18 471	0.25 440	0.28 495	0.16 403	0.17 344	0.18 427	0.11 326	0.14 367	0.11 268	0.08 409	0.05 237	0.07 298	0.05 189	0.07 361	0.08 446

Select-FE	0.11 276	0.06 95	0.21 537	0.15 104	0.11 498	0.12 295	0.13 169	0.22 374	0.18 318	0.09 173	0.11 239	0.10 247	0.06 65	0.12 278	0.09 91	0.07 333	0.05 237	0.07 298	0.08 450	0.06 279	0.08 446

coex_refinement	0.14 415	0.07 197	0.12 275	0.17 285	0.10 442	0.16 435	0.15 324	0.27 468	0.29 503	0.18 450	0.21 414	0.22 481	0.17 492	0.16 415	0.19 512	0.08 409	0.05 237	0.06 182	0.06 274	0.09 491	0.08 446

S2M2_L	0.09 163	0.08 330	0.11 226	0.13 11	0.10 442	0.08 74	0.06 1	0.10 27	0.10 64	0.10 216	0.10 188	0.09 215	0.09 256	0.11 186	0.11 268	0.13 587	0.07 480	0.08 388	0.09 496	0.10 527	0.08 446
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
FACV-RUCA	0.13 382	0.11 505	0.13 316	0.19 446	0.12 530	0.15 407	0.16 388	0.22 374	0.21 384	0.16 403	0.16 324	0.15 372	0.16 466	0.14 367	0.13 374	0.07 333	0.05 237	0.08 388	0.06 274	0.10 527	0.08 446

AIO-Stereo-zeroshot	0.11 276	0.05 31	0.12 275	0.15 104	0.13 556	0.14 382	0.16 388	0.23 393	0.18 318	0.10 216	0.13 281	0.10 247	0.07 170	0.12 278	0.09 91	0.06 161	0.05 237	0.06 182	0.06 274	0.07 361	0.08 446

test_sample6	0.14 415	0.09 411	0.14 362	0.17 285	0.08 207	0.17 459	0.19 517	0.26 454	0.18 318	0.18 450	0.28 516	0.19 437	0.15 445	0.15 386	0.13 374	0.08 409	0.05 237	0.08 388	0.07 375	0.08 428	0.08 446

test_sample5	0.14 415	0.08 330	0.14 362	0.16 197	0.08 207	0.18 475	0.18 471	0.25 440	0.17 300	0.17 417	0.28 516	0.18 427	0.15 445	0.16 415	0.13 374	0.08 409	0.06 409	0.08 388	0.07 375	0.09 491	0.08 446

test_sample4	0.14 415	0.08 330	0.15 397	0.15 104	0.08 207	0.19 498	0.18 471	0.26 454	0.18 318	0.17 417	0.26 487	0.18 427	0.15 445	0.17 455	0.13 374	0.08 409	0.06 409	0.08 388	0.06 274	0.09 491	0.08 446

test_sample3	0.14 415	0.08 330	0.15 397	0.14 55	0.09 327	0.20 518	0.17 422	0.27 468	0.18 318	0.17 417	0.22 431	0.19 437	0.15 445	0.17 455	0.14 411	0.09 467	0.06 409	0.07 298	0.06 274	0.09 491	0.08 446

test_sample2	0.13 382	0.07 197	0.12 275	0.14 55	0.08 207	0.16 435	0.18 471	0.21 350	0.16 265	0.14 349	0.21 414	0.20 454	0.15 445	0.15 386	0.13 374	0.08 409	0.06 409	0.07 298	0.06 274	0.08 428	0.08 446

test_sample1	0.13 382	0.07 197	0.14 362	0.14 55	0.08 207	0.19 498	0.17 422	0.20 332	0.15 231	0.14 349	0.22 431	0.18 427	0.16 466	0.17 455	0.15 448	0.07 333	0.06 409	0.06 182	0.06 274	0.08 428	0.08 446

CAS++	0.11 276	0.07 197	0.11 226	0.14 55	0.10 442	0.13 338	0.14 240	0.24 419	0.14 205	0.11 258	0.09 156	0.11 279	0.07 170	0.14 367	0.09 91	0.11 542	0.09 546	0.09 474	0.07 375	0.07 361	0.08 446
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DualNet	0.14 415	0.08 330	0.14 362	0.16 197	0.08 207	0.18 475	0.18 471	0.25 440	0.17 300	0.18 450	0.28 516	0.18 427	0.15 445	0.16 415	0.13 374	0.08 409	0.06 409	0.08 388	0.07 375	0.09 491	0.08 446

mmx	0.15 457	0.09 411	0.15 397	0.16 197	0.09 327	0.17 459	0.17 422	0.27 468	0.26 466	0.15 374	0.26 487	0.19 437	0.13 392	0.15 386	0.22 548	0.08 409	0.06 409	0.09 474	0.08 450	0.08 428	0.08 446

xxx	0.15 457	0.09 411	0.15 397	0.16 197	0.09 327	0.17 459	0.17 422	0.27 468	0.26 466	0.15 374	0.26 487	0.19 437	0.13 392	0.15 386	0.22 548	0.08 409	0.06 409	0.09 474	0.08 450	0.08 428	0.08 446

GMStereo_Zeroshot	0.16 484	0.13 551	0.25 564	0.20 510	0.10 442	0.17 459	0.13 169	0.30 525	0.25 453	0.23 534	0.32 551	0.25 520	0.11 326	0.19 499	0.14 411	0.09 467	0.06 409	0.11 552	0.06 274	0.12 566	0.08 446

GASNet	0.22 565	0.24 633	0.34 606	0.26 618	0.17 620	0.27 597	0.16 388	0.45 645	0.42 590	0.27 571	0.24 448	0.30 565	0.16 466	0.27 584	0.18 497	0.12 568	0.09 546	0.12 574	0.11 567	0.16 624	0.08 446

ToySt	0.17 506	0.11 505	0.19 522	0.17 285	0.11 498	0.16 435	0.26 617	0.24 419	0.33 530	0.19 466	0.24 448	0.26 530	0.24 567	0.19 499	0.21 535	0.07 333	0.08 513	0.09 474	0.10 535	0.09 491	0.08 446

riskmin	0.11 276	0.06 95	0.13 316	0.14 55	0.08 207	0.14 382	0.14 240	0.18 281	0.15 231	0.12 294	0.15 307	0.17 412	0.11 326	0.14 367	0.12 338	0.09 467	0.05 237	0.07 298	0.05 189	0.08 428	0.08 446

ssnet_v2	0.17 506	0.10 479	0.18 498	0.17 285	0.11 498	0.21 529	0.22 569	0.34 576	0.25 453	0.23 534	0.23 436	0.27 537	0.19 525	0.22 553	0.21 535	0.11 542	0.10 569	0.09 474	0.09 496	0.08 428	0.08 446

CSP-Net	0.16 484	0.09 411	0.14 362	0.17 285	0.09 327	0.19 498	0.18 471	0.25 440	0.33 530	0.26 564	0.31 542	0.25 520	0.16 466	0.21 535	0.19 512	0.09 467	0.06 409	0.07 298	0.07 375	0.08 428	0.08 446

GANet-ADL	0.13 382	0.07 197	0.15 397	0.17 285	0.10 442	0.19 498	0.15 324	0.30 525	0.21 384	0.13 326	0.18 370	0.19 437	0.13 392	0.16 415	0.14 411	0.08 409	0.06 409	0.06 182	0.05 189	0.07 361	0.08 446

Pruner-Stereo	0.11 276	0.07 197	0.12 275	0.17 285	0.09 327	0.06 12	0.12 102	0.18 281	0.17 300	0.14 349	0.19 386	0.13 328	0.10 287	0.11 186	0.11 268	0.06 161	0.04 24	0.07 298	0.06 274	0.06 279	0.08 446

DeepStereo_RVC	0.11 276	0.08 330	0.17 464	0.18 375	0.08 207	0.08 74	0.11 67	0.17 250	0.12 134	0.13 326	0.15 307	0.12 303	0.12 359	0.12 278	0.11 268	0.06 161	0.04 24	0.07 298	0.06 274	0.07 361	0.08 446

CRE-IMP	0.11 276	0.09 411	0.16 440	0.19 446	0.09 327	0.10 190	0.12 102	0.18 281	0.10 64	0.14 349	0.14 294	0.14 347	0.13 392	0.12 278	0.12 338	0.07 333	0.04 24	0.08 388	0.06 274	0.08 428	0.08 446

ICVP	0.16 484	0.09 411	0.12 275	0.22 568	0.09 327	0.18 475	0.21 555	0.26 454	0.24 428	0.18 450	0.30 537	0.27 537	0.18 506	0.18 474	0.15 448	0.10 508	0.07 480	0.08 388	0.07 375	0.07 361	0.08 446
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.17 506	0.12 524	0.16 440	0.22 568	0.11 498	0.19 498	0.18 471	0.32 547	0.49 616	0.20 488	0.25 474	0.17 412	0.13 392	0.21 535	0.16 467	0.10 508	0.06 409	0.08 388	0.07 375	0.09 491	0.08 446

222	0.16 484	0.07 197	0.15 397	0.14 55	0.08 207	0.25 576	0.18 471	0.30 525	0.21 384	0.18 450	0.29 531	0.17 412	0.16 466	0.16 415	0.44 660	0.10 508	0.05 237	0.07 298	0.06 274	0.08 428	0.08 446

xxxx	0.15 457	0.07 197	0.14 362	0.14 55	0.08 207	0.24 567	0.18 471	0.32 547	0.20 369	0.14 349	0.28 516	0.22 481	0.14 425	0.15 386	0.29 615	0.09 467	0.05 237	0.07 298	0.07 375	0.08 428	0.08 446

Syn2CoEx	0.22 565	0.16 584	0.29 587	0.29 640	0.15 594	0.26 588	0.21 555	0.34 576	0.32 525	0.29 594	0.36 576	0.28 547	0.25 575	0.20 517	0.25 579	0.16 629	0.12 599	0.14 602	0.11 567	0.09 491	0.08 446

psm_up	0.19 534	0.10 479	0.18 498	0.21 546	0.11 498	0.17 459	0.19 517	0.38 614	0.34 541	0.22 519	0.28 516	0.29 555	0.25 575	0.20 517	0.22 548	0.09 467	0.10 569	0.11 552	0.11 567	0.08 428	0.08 446

FENet	0.13 382	0.08 330	0.13 316	0.16 197	0.08 207	0.15 407	0.16 388	0.23 393	0.23 416	0.17 417	0.24 448	0.16 394	0.13 392	0.14 367	0.15 448	0.08 409	0.05 237	0.08 388	0.08 450	0.08 428	0.08 446

CFNet-ft	0.14 415	0.07 197	0.15 397	0.12 5	0.09 327	0.17 459	0.18 471	0.22 374	0.24 428	0.17 417	0.26 487	0.24 507	0.14 425	0.16 415	0.15 448	0.11 542	0.06 409	0.08 388	0.09 496	0.09 491	0.08 446

DSFCA	0.16 484	0.09 411	0.14 362	0.16 197	0.10 442	0.21 529	0.19 517	0.28 493	0.31 519	0.23 534	0.25 474	0.22 481	0.16 466	0.20 517	0.20 522	0.10 508	0.07 480	0.09 474	0.09 496	0.08 428	0.08 446

DMCA-RVC	0.17 506	0.10 479	0.16 440	0.24 601	0.11 498	0.19 498	0.18 471	0.26 454	0.24 428	0.21 504	0.27 505	0.25 520	0.27 590	0.18 474	0.21 535	0.12 568	0.08 513	0.13 588	0.10 535	0.10 527	0.08 446

STTStereo	0.18 522	0.13 551	0.28 578	0.20 510	0.11 498	0.16 435	0.21 555	0.29 512	0.23 416	0.22 519	0.30 537	0.29 555	0.18 506	0.20 517	0.20 522	0.12 568	0.11 583	0.11 552	0.14 607	0.09 491	0.08 446

GANet	0.22 565	0.13 551	0.21 537	0.25 609	0.14 575	0.23 558	0.22 569	0.42 633	0.27 479	0.31 607	0.43 620	0.37 609	0.29 604	0.23 561	0.23 559	0.10 508	0.12 599	0.10 522	0.09 496	0.10 527	0.08 446

TDLM	0.18 522	0.12 524	0.14 362	0.24 601	0.10 442	0.18 475	0.18 471	0.37 607	0.30 509	0.22 519	0.28 516	0.28 547	0.18 506	0.23 561	0.19 512	0.11 542	0.07 480	0.10 522	0.10 535	0.08 428	0.08 446

CFNet_RVC	0.14 415	0.07 197	0.15 397	0.12 5	0.09 327	0.17 459	0.18 471	0.22 374	0.24 428	0.17 417	0.26 487	0.24 507	0.14 425	0.16 415	0.15 448	0.11 542	0.06 409	0.08 388	0.09 496	0.09 491	0.08 446

CVANet_RVC	0.18 522	0.11 505	0.14 362	0.21 546	0.11 498	0.19 498	0.18 471	0.34 576	0.34 541	0.22 519	0.31 542	0.28 547	0.18 506	0.24 573	0.18 497	0.12 568	0.08 513	0.12 574	0.12 589	0.09 491	0.08 446

NLCA_NET_v2_RVC	0.17 506	0.10 479	0.23 555	0.20 510	0.10 442	0.15 407	0.18 471	0.31 542	0.25 453	0.21 504	0.31 542	0.25 520	0.17 492	0.21 535	0.20 522	0.09 467	0.06 409	0.08 388	0.09 496	0.07 361	0.08 446
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNetv2_ROB	0.15 457	0.08 330	0.16 440	0.16 197	0.08 207	0.16 435	0.13 169	0.26 454	0.36 560	0.21 504	0.29 531	0.24 507	0.13 392	0.14 367	0.14 411	0.06 161	0.06 409	0.06 182	0.04 52	0.09 491	0.08 446

DRN-Test	0.20 543	0.11 505	0.21 537	0.22 568	0.10 442	0.22 543	0.22 569	0.40 623	0.38 572	0.24 546	0.33 557	0.26 530	0.22 552	0.22 553	0.25 579	0.11 542	0.07 480	0.11 552	0.10 535	0.09 491	0.08 446

MDST_ROB	0.22 565	0.10 479	0.18 498	0.18 375	0.11 498	0.40 644	0.19 517	0.44 643	0.42 590	0.40 633	0.40 598	0.29 555	0.21 545	0.27 584	0.19 512	0.11 542	0.10 569	0.14 602	0.11 567	0.10 527	0.08 446

iResNet_ROB	0.14 415	0.07 197	0.13 316	0.15 104	0.07 122	0.19 498	0.14 240	0.26 454	0.32 525	0.23 534	0.26 487	0.23 498	0.16 466	0.15 386	0.14 411	0.07 333	0.05 237	0.05 45	0.04 52	0.08 428	0.08 446

DN	0.10 233	0.05 31	0.10 162	0.15 104	0.09 327	0.12 295	0.18 471	0.17 250	0.16 265	0.08 122	0.09 156	0.08 174	0.06 65	0.08 21	0.09 91	0.11 542	0.05 237	0.07 298	0.06 274	0.07 361	0.09 492

MultiAttention	0.30 626	0.08 330	0.15 397	0.19 446	0.13 556	1.56 693	1.33 697	0.36 598	0.36 560	0.20 488	0.21 414	0.24 507	0.11 326	0.39 640	0.18 497	0.06 161	0.05 237	0.08 388	0.08 450	0.11 549	0.09 492

FlowAnything_test	0.11 276	0.08 330	0.14 362	0.15 104	0.09 327	0.08 74	0.14 240	0.20 332	0.11 97	0.10 216	0.09 156	0.12 303	0.12 359	0.13 335	0.11 268	0.09 467	0.06 409	0.09 474	0.09 496	0.06 279	0.09 492

w-ln-seven-2	0.20 543	0.14 566	0.39 617	0.23 589	0.12 530	0.21 529	0.21 555	0.29 512	0.38 572	0.25 559	0.38 587	0.28 547	0.23 558	0.21 535	0.25 579	0.08 409	0.08 513	0.09 474	0.09 496	0.10 527	0.09 492

G2L-ROB	0.13 382	0.07 197	0.13 316	0.13 11	0.08 207	0.14 382	0.17 422	0.25 440	0.19 346	0.20 488	0.19 386	0.20 454	0.14 425	0.18 474	0.16 467	0.08 409	0.05 237	0.06 182	0.05 189	0.08 428	0.09 492

YMNet	0.20 543	0.12 524	0.20 527	0.21 546	0.14 575	0.27 597	0.23 581	0.32 547	0.34 541	0.28 584	0.35 571	0.30 565	0.18 506	0.18 474	0.22 548	0.11 542	0.13 613	0.10 522	0.10 535	0.09 491	0.09 492

YMNet_1	0.20 543	0.12 524	0.20 527	0.21 546	0.14 575	0.27 597	0.23 581	0.32 547	0.34 541	0.28 584	0.35 571	0.30 565	0.18 506	0.18 474	0.22 548	0.11 542	0.13 613	0.10 522	0.10 535	0.09 491	0.09 492

ITSA-stereo	0.16 484	0.11 505	0.14 362	0.19 446	0.08 207	0.13 338	0.14 240	0.30 525	0.49 616	0.17 417	0.18 370	0.22 481	0.15 445	0.17 455	0.16 467	0.10 508	0.06 409	0.08 388	0.08 450	0.08 428	0.09 492

AIO-Stereo-zeroshot1	0.11 276	0.05 31	0.14 362	0.16 197	0.21 641	0.09 132	0.17 422	0.21 350	0.16 265	0.11 258	0.15 307	0.10 247	0.07 170	0.10 113	0.08 23	0.06 161	0.05 237	0.07 298	0.07 375	0.07 361	0.09 492

MyStereo8	0.12 354	0.07 197	0.15 397	0.15 104	0.09 327	0.18 475	0.14 240	0.19 314	0.22 406	0.12 294	0.18 370	0.11 279	0.10 287	0.16 415	0.18 497	0.07 333	0.05 237	0.07 298	0.05 189	0.08 428	0.09 492

CFNet_ucs	0.15 457	0.09 411	0.17 464	0.16 197	0.11 498	0.14 382	0.14 240	0.30 525	0.34 541	0.16 403	0.24 448	0.23 498	0.14 425	0.18 474	0.15 448	0.09 467	0.06 409	0.08 388	0.07 375	0.09 491	0.09 492

HBP-ISP	0.18 522	0.13 551	0.17 464	0.15 104	0.11 498	0.08 74	0.13 169	0.28 493	0.30 509	0.22 519	0.33 557	0.21 463	0.25 575	0.23 561	0.18 497	0.15 612	0.17 637	0.21 638	0.17 634	0.10 527	0.09 492

Wz-Net-LNSev-Ref	0.18 522	0.09 411	0.30 593	0.15 104	0.11 498	0.23 558	0.20 538	0.27 468	0.40 581	0.26 564	0.43 620	0.25 520	0.15 445	0.21 535	0.20 522	0.07 333	0.05 237	0.06 182	0.05 189	0.10 527	0.09 492

CRFU-Net	0.16 484	0.08 330	0.15 397	0.17 285	0.09 327	0.20 518	0.14 240	0.27 468	0.21 384	0.28 584	0.28 516	0.29 555	0.18 506	0.19 499	0.18 497	0.09 467	0.09 546	0.07 298	0.07 375	0.08 428	0.09 492

NINENet	0.16 484	0.10 479	0.16 440	0.17 285	0.11 498	0.20 518	0.14 240	0.41 628	0.37 566	0.18 450	0.21 414	0.16 394	0.14 425	0.16 415	0.14 411	0.08 409	0.08 513	0.10 522	0.07 375	0.10 527	0.09 492

AASNet	0.16 484	0.08 330	0.13 316	0.19 446	0.09 327	0.19 498	0.15 324	0.38 614	0.37 566	0.20 488	0.24 448	0.20 454	0.17 492	0.17 455	0.21 535	0.10 508	0.08 513	0.08 388	0.07 375	0.09 491	0.09 492

AACVNet	0.16 484	0.08 330	0.15 397	0.15 104	0.10 442	0.18 475	0.15 324	0.24 419	0.25 453	0.27 571	0.27 505	0.28 547	0.18 506	0.19 499	0.17 484	0.09 467	0.07 480	0.09 474	0.07 375	0.10 527	0.09 492

HHNet	0.11 276	0.06 95	0.16 440	0.15 104	0.14 575	0.07 35	0.13 169	0.20 332	0.18 318	0.15 374	0.25 474	0.11 279	0.09 256	0.13 335	0.10 189	0.06 161	0.04 24	0.08 388	0.06 274	0.05 159	0.09 492

ASMatch	0.11 276	0.06 95	0.13 316	0.17 285	0.10 442	0.08 74	0.14 240	0.18 281	0.16 265	0.12 294	0.16 324	0.16 394	0.11 326	0.13 335	0.11 268	0.05 48	0.04 24	0.06 182	0.06 274	0.04 45	0.09 492

GMM-Stereo	0.11 276	0.07 197	0.10 162	0.18 375	0.09 327	0.08 74	0.14 240	0.24 419	0.16 265	0.11 258	0.15 307	0.13 328	0.11 326	0.11 186	0.11 268	0.05 48	0.04 24	0.08 388	0.07 375	0.06 279	0.09 492

LMCR-Stereo	0.15 457	0.08 330	0.14 362	0.21 546	0.09 327	0.18 475	0.19 517	0.28 493	0.19 346	0.24 546	0.24 448	0.23 498	0.17 492	0.20 517	0.17 484	0.07 333	0.06 409	0.08 388	0.06 274	0.10 527	0.09 492

ADLNet	0.16 484	0.08 330	0.15 397	0.16 197	0.10 442	0.16 435	0.17 422	0.33 561	0.27 479	0.23 534	0.27 505	0.24 507	0.16 466	0.18 474	0.21 535	0.10 508	0.06 409	0.10 522	0.10 535	0.08 428	0.09 492

GES	0.14 415	0.08 330	0.16 440	0.15 104	0.10 442	0.13 338	0.13 169	0.28 493	0.26 466	0.17 417	0.24 448	0.19 437	0.14 425	0.16 415	0.14 411	0.08 409	0.08 513	0.07 298	0.06 274	0.08 428	0.09 492

RAFT + AFF	0.13 382	0.08 330	0.21 537	0.20 510	0.10 442	0.14 382	0.23 581	0.27 468	0.21 384	0.12 294	0.10 188	0.12 303	0.10 287	0.16 415	0.12 338	0.08 409	0.07 480	0.09 474	0.09 496	0.06 279	0.09 492

aanetorigin	0.22 565	0.17 594	0.57 643	0.18 375	0.10 442	0.16 435	0.19 517	0.20 332	0.33 530	0.49 650	0.48 630	0.30 565	0.28 599	0.21 535	0.24 571	0.08 409	0.07 480	0.08 388	0.07 375	0.10 527	0.09 492

ADCRef	0.20 543	0.12 524	0.43 627	0.20 510	0.12 530	0.23 558	0.18 471	0.32 547	0.37 566	0.26 564	0.33 557	0.18 427	0.23 558	0.25 578	0.26 592	0.07 333	0.06 409	0.09 474	0.09 496	0.08 428	0.09 492

PS-NSSS	0.20 543	0.21 623	0.23 555	0.20 510	0.10 442	0.19 498	0.17 422	0.36 598	0.26 466	0.27 571	0.34 567	0.27 537	0.24 567	0.20 517	0.20 522	0.15 612	0.12 599	0.17 624	0.14 607	0.10 527	0.09 492

NaN_ROB	0.23 578	0.20 617	0.25 564	0.25 609	0.13 556	0.31 616	0.27 622	0.34 576	0.41 588	0.31 607	0.31 542	0.32 587	0.23 558	0.31 607	0.22 548	0.11 542	0.17 637	0.10 522	0.11 567	0.08 428	0.09 492

PWCDC_ROB	0.21 557	0.13 551	0.23 555	0.25 609	0.12 530	0.20 518	0.15 324	0.34 576	0.55 635	0.29 594	0.49 631	0.21 463	0.15 445	0.28 593	0.20 522	0.11 542	0.09 546	0.10 522	0.08 450	0.11 549	0.09 492

PSMNet_ROB	0.22 565	0.12 524	0.15 397	0.27 626	0.15 594	0.25 576	0.36 659	0.43 639	0.37 566	0.27 571	0.33 557	0.32 587	0.23 558	0.21 535	0.27 598	0.12 568	0.08 513	0.13 588	0.11 567	0.10 527	0.09 492

Selective-IGEV-i16pc	0.13 382	0.06 95	0.13 316	0.15 104	0.11 498	0.38 639	0.16 388	0.23 393	0.17 300	0.11 258	0.15 307	0.09 215	0.07 170	0.13 335	0.10 189	0.10 508	0.08 513	0.06 182	0.07 375	0.09 491	0.10 522

Selective-IGEV-i16pb	0.14 415	0.08 330	0.17 464	0.15 104	0.11 498	0.41 646	0.16 388	0.29 512	0.24 428	0.11 258	0.21 414	0.10 247	0.07 170	0.17 455	0.12 338	0.10 508	0.07 480	0.06 182	0.08 450	0.09 491	0.10 522

z-mn7	0.25 596	0.15 573	0.47 632	0.19 446	0.13 556	0.28 607	0.25 608	0.35 591	0.64 654	0.27 571	0.57 646	0.29 555	0.24 567	0.32 612	0.27 598	0.08 409	0.08 513	0.08 388	0.08 450	0.10 527	0.10 522

w-ln-seven	0.24 589	0.15 573	0.58 646	0.20 510	0.14 575	0.26 588	0.22 569	0.36 598	0.62 650	0.30 600	0.40 598	0.30 565	0.23 558	0.22 553	0.28 606	0.09 467	0.09 546	0.11 552	0.10 535	0.11 549	0.10 522

rvit_stereo_0075_2	0.17 506	0.12 524	0.25 564	0.23 589	0.16 608	0.13 338	0.10 33	0.30 525	0.27 479	0.20 488	0.28 516	0.22 481	0.15 445	0.18 474	0.13 374	0.16 629	0.10 569	0.17 624	0.10 535	0.10 527	0.10 522

test_sample7	0.16 484	0.10 479	0.16 440	0.14 55	0.12 530	0.16 435	0.17 422	0.28 493	0.24 428	0.21 504	0.21 414	0.24 507	0.20 537	0.16 415	0.16 467	0.12 568	0.06 409	0.10 522	0.09 496	0.11 549	0.10 522

iinet-f	0.17 506	0.07 197	0.46 629	0.14 55	0.10 442	0.21 529	0.14 240	0.27 468	0.23 416	0.22 519	0.25 474	0.21 463	0.16 466	0.18 474	0.22 548	0.09 467	0.07 480	0.07 298	0.06 274	0.09 491	0.10 522

Wz-Net-MNSev	0.23 578	0.13 551	0.33 603	0.20 510	0.15 594	0.36 633	0.25 608	0.34 576	0.45 605	0.29 594	0.41 609	0.39 620	0.19 525	0.25 578	0.27 598	0.09 467	0.07 480	0.09 474	0.09 496	0.12 566	0.10 522

FTStereo	0.12 354	0.07 197	0.14 362	0.18 375	0.09 327	0.07 35	0.15 324	0.22 374	0.18 318	0.12 294	0.24 448	0.11 279	0.13 392	0.13 335	0.14 411	0.05 48	0.05 237	0.07 298	0.07 375	0.06 279	0.10 522

GrayStereo	0.11 276	0.06 95	0.11 226	0.19 446	0.09 327	0.09 132	0.16 388	0.18 281	0.17 300	0.14 349	0.17 344	0.17 412	0.11 326	0.12 278	0.11 268	0.05 48	0.05 237	0.07 298	0.06 274	0.06 279	0.10 522

Prome-Stereo	0.11 276	0.07 197	0.11 226	0.18 375	0.09 327	0.12 295	0.14 240	0.23 393	0.13 176	0.13 326	0.16 324	0.13 328	0.08 223	0.12 278	0.10 189	0.05 48	0.05 237	0.07 298	0.06 274	0.06 279	0.10 522

sAnonymous2	0.13 382	0.12 524	0.25 564	0.20 510	0.12 530	0.18 475	0.14 240	0.27 468	0.21 384	0.11 258	0.12 259	0.13 328	0.08 223	0.11 186	0.11 268	0.09 467	0.05 237	0.08 388	0.06 274	0.15 611	0.10 522

CroCo_RVC	0.13 382	0.12 524	0.25 564	0.20 510	0.12 530	0.18 475	0.14 240	0.27 468	0.21 384	0.11 258	0.12 259	0.13 328	0.08 223	0.11 186	0.11 268	0.09 467	0.05 237	0.08 388	0.06 274	0.15 611	0.10 522

EDNetEfficient	0.30 626	0.24 633	1.18 684	0.18 375	0.10 442	0.20 518	0.20 538	0.21 350	0.61 647	0.74 670	0.56 642	0.30 565	0.40 644	0.23 561	0.32 633	0.09 467	0.07 480	0.08 388	0.07 375	0.11 549	0.10 522

GwcNet	0.20 543	0.14 566	0.20 527	0.18 375	0.12 530	0.25 576	0.20 538	0.36 598	0.45 605	0.20 488	0.33 557	0.33 593	0.21 545	0.22 553	0.25 579	0.11 542	0.09 546	0.09 474	0.09 496	0.09 491	0.10 522

HGLStereo	0.17 506	0.09 411	0.19 522	0.17 285	0.12 530	0.18 475	0.18 471	0.31 542	0.33 530	0.22 519	0.33 557	0.24 507	0.18 506	0.20 517	0.21 535	0.10 508	0.09 546	0.07 298	0.07 375	0.09 491	0.10 522

DMCA	0.14 415	0.09 411	0.17 464	0.19 446	0.09 327	0.15 407	0.17 422	0.23 393	0.28 495	0.14 349	0.20 396	0.17 412	0.18 506	0.15 386	0.17 484	0.10 508	0.06 409	0.08 388	0.06 274	0.09 491	0.10 522

FADNet_RVC	0.17 506	0.14 566	0.41 622	0.20 510	0.11 498	0.13 338	0.13 169	0.27 468	0.22 406	0.21 504	0.23 436	0.20 454	0.18 506	0.15 386	0.17 484	0.08 409	0.08 513	0.12 574	0.09 496	0.11 549	0.10 522

ADCL	0.25 596	0.12 524	0.49 635	0.22 568	0.12 530	0.36 633	0.29 639	0.30 525	0.57 639	0.24 546	0.47 629	0.30 565	0.31 620	0.30 606	0.30 622	0.09 467	0.07 480	0.09 474	0.09 496	0.10 527	0.10 522

ADCP+	0.20 543	0.10 479	0.35 612	0.21 546	0.12 530	0.22 543	0.27 622	0.31 542	0.35 555	0.26 564	0.37 579	0.22 481	0.22 552	0.27 584	0.28 606	0.09 467	0.06 409	0.08 388	0.08 450	0.10 527	0.10 522

UCFNet_RVC	0.15 457	0.08 330	0.13 316	0.11 1	0.10 442	0.20 518	0.10 33	0.24 419	0.23 416	0.17 417	0.21 414	0.24 507	0.15 445	0.18 474	0.15 448	0.12 568	0.07 480	0.11 552	0.13 601	0.11 549	0.10 522

NVstereo2D	0.19 534	0.11 505	0.16 440	0.17 285	0.16 608	0.28 607	0.23 581	0.44 643	0.42 590	0.15 374	0.28 516	0.25 520	0.19 525	0.23 561	0.18 497	0.09 467	0.06 409	0.10 522	0.08 450	0.15 611	0.10 522

DISCO	0.20 543	0.09 411	0.22 547	0.17 285	0.10 442	0.25 576	0.18 471	0.28 493	0.45 605	0.23 534	0.32 551	0.34 598	0.26 583	0.29 600	0.29 615	0.08 409	0.06 409	0.07 298	0.07 375	0.09 491	0.10 522

FBW_ROB	0.25 596	0.17 594	0.23 555	0.27 626	0.14 575	0.26 588	0.22 569	0.42 633	0.43 599	0.42 639	0.41 609	0.43 633	0.27 590	0.32 612	0.24 571	0.09 467	0.15 627	0.15 613	0.12 589	0.12 566	0.10 522

PWC_ROB	0.21 557	0.16 584	0.27 575	0.18 375	0.11 498	0.22 543	0.13 169	0.33 561	0.49 616	0.30 600	0.40 598	0.32 587	0.25 575	0.31 607	0.23 559	0.10 508	0.07 480	0.11 552	0.08 450	0.11 549	0.10 522

CBMV	0.20 543	0.15 573	0.18 498	0.18 375	0.10 442	0.20 518	0.11 67	0.30 525	0.31 519	0.29 594	0.31 542	0.31 580	0.23 558	0.28 593	0.19 512	0.13 587	0.15 627	0.17 624	0.16 627	0.10 527	0.10 522
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MSAF-DinoV2	0.23 578	0.11 505	0.25 564	0.17 285	0.10 442	0.28 607	0.17 422	0.38 614	0.56 637	0.21 504	0.27 505	0.47 645	0.28 599	0.36 628	0.40 652	0.09 467	0.06 409	0.07 298	0.09 496	0.12 566	0.11 548

zh-mn7	0.26 608	0.15 573	0.59 648	0.19 446	0.14 575	0.24 567	0.22 569	0.35 591	0.63 653	0.35 620	0.67 656	0.31 580	0.25 575	0.31 607	0.26 592	0.09 467	0.08 513	0.09 474	0.09 496	0.09 491	0.11 548

DDVS	0.16 484	0.10 479	0.22 547	0.16 197	0.12 530	0.15 407	0.14 240	0.25 440	0.19 346	0.18 450	0.30 537	0.27 537	0.13 392	0.20 517	0.16 467	0.09 467	0.06 409	0.09 474	0.07 375	0.11 549	0.11 548

DisPM	0.11 276	0.07 197	0.13 316	0.16 197	0.09 327	0.06 12	0.13 169	0.18 281	0.17 300	0.14 349	0.19 386	0.12 303	0.10 287	0.12 278	0.11 268	0.07 333	0.05 237	0.07 298	0.06 274	0.06 279	0.11 548

Wz-Net-SNSev	0.26 608	0.17 594	0.46 629	0.25 609	0.14 575	0.26 588	0.24 592	0.38 614	0.57 639	0.30 600	0.56 642	0.39 620	0.26 583	0.24 573	0.32 633	0.10 508	0.09 546	0.10 522	0.11 567	0.11 549	0.11 548

Wz-Net-LNSev	0.22 565	0.16 584	0.41 622	0.22 568	0.13 556	0.25 576	0.24 592	0.33 561	0.44 601	0.30 600	0.42 617	0.32 587	0.19 525	0.23 561	0.27 598	0.10 508	0.09 546	0.08 388	0.08 450	0.12 566	0.11 548

PFNet+	0.12 354	0.06 95	0.14 362	0.16 197	0.09 327	0.05 3	0.12 102	0.18 281	0.21 384	0.16 403	0.19 386	0.14 347	0.10 287	0.11 186	0.11 268	0.08 409	0.05 237	0.09 474	0.08 450	0.06 279	0.11 548

OCTAStereo	0.11 276	0.07 197	0.14 362	0.17 285	0.09 327	0.10 190	0.13 169	0.23 393	0.19 346	0.12 294	0.17 344	0.12 303	0.12 359	0.11 186	0.11 268	0.06 161	0.04 24	0.07 298	0.06 274	0.07 361	0.11 548

RE-Stereo	0.11 276	0.07 197	0.13 316	0.17 285	0.09 327	0.10 190	0.13 169	0.23 393	0.19 346	0.12 294	0.17 344	0.12 303	0.12 359	0.11 186	0.11 268	0.06 161	0.04 24	0.07 298	0.06 274	0.07 361	0.11 548

TVStereo	0.11 276	0.07 197	0.13 316	0.17 285	0.09 327	0.10 190	0.13 169	0.23 393	0.19 346	0.12 294	0.17 344	0.12 303	0.12 359	0.11 186	0.11 268	0.06 161	0.04 24	0.07 298	0.06 274	0.07 361	0.11 548

Anonymous3	0.16 484	0.14 566	0.34 606	0.26 618	0.14 575	0.27 597	0.18 471	0.28 493	0.28 495	0.15 374	0.17 344	0.14 347	0.11 326	0.16 415	0.12 338	0.08 409	0.08 513	0.08 388	0.08 450	0.08 428	0.11 548

EDNetEfficientorigin	7.92 699	0.32 653	152.98 724	0.20 510	0.10 442	0.22 543	0.17 422	0.23 393	0.60 645	0.73 668	0.67 656	0.41 629	0.51 660	0.24 573	0.41 654	0.08 409	0.07 480	0.09 474	0.07 375	0.12 566	0.11 548

hitnet-ft	0.18 522	0.10 479	0.17 464	0.14 55	0.09 327	0.27 597	0.20 538	0.25 440	0.26 466	0.24 546	0.32 551	0.32 587	0.23 558	0.24 573	0.21 535	0.12 568	0.07 480	0.10 522	0.08 450	0.12 566	0.11 548

FADNet-RVC-Resample	0.17 506	0.12 524	0.32 600	0.22 568	0.12 530	0.19 498	0.14 240	0.25 440	0.24 428	0.24 546	0.27 505	0.20 454	0.15 445	0.17 455	0.16 467	0.07 333	0.08 513	0.12 574	0.10 535	0.09 491	0.11 548

SuperB	0.20 543	0.10 479	0.57 643	0.16 197	0.09 327	0.19 498	0.18 471	0.25 440	0.51 624	0.27 571	0.39 595	0.17 412	0.22 552	0.22 553	0.21 535	0.08 409	0.06 409	0.06 182	0.06 274	0.12 566	0.11 548

AF-Net	0.23 578	0.17 594	0.17 464	0.27 626	0.13 556	0.26 588	0.24 592	0.33 561	0.51 624	0.25 559	0.33 557	0.39 620	0.27 590	0.28 593	0.26 592	0.11 542	0.10 569	0.16 621	0.12 589	0.11 549	0.11 548

Nwc_Net	0.23 578	0.17 594	0.22 547	0.25 609	0.15 594	0.25 576	0.27 622	0.38 614	0.39 577	0.22 519	0.41 609	0.30 565	0.29 604	0.28 593	0.25 579	0.11 542	0.10 569	0.17 624	0.20 640	0.10 527	0.11 548

DANet	0.21 557	0.16 584	0.29 587	0.25 609	0.13 556	0.23 558	0.19 517	0.28 493	0.27 479	0.28 584	0.32 551	0.35 604	0.32 622	0.31 607	0.24 571	0.11 542	0.09 546	0.11 552	0.10 535	0.13 582	0.11 548
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DeepPruner_ROB	0.16 484	0.11 505	0.16 440	0.17 285	0.10 442	0.17 459	0.15 324	0.32 547	0.21 384	0.19 466	0.21 414	0.22 481	0.19 525	0.21 535	0.16 467	0.13 587	0.09 546	0.09 474	0.10 535	0.11 549	0.11 548

SGM_RVC	0.24 589	0.12 524	0.16 440	0.15 104	0.09 327	0.34 624	0.19 517	0.35 591	0.32 525	0.44 644	0.38 587	0.53 653	0.36 634	0.36 628	0.26 592	0.13 587	0.13 613	0.13 588	0.13 601	0.11 549	0.11 548
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 616	0.13 551	0.18 498	0.15 104	0.11 498	0.33 620	0.24 592	0.41 628	0.36 560	0.53 653	0.58 650	0.67 663	0.41 645	0.36 628	0.27 598	0.14 608	0.13 613	0.13 588	0.11 567	0.11 549	0.11 548
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AANet	0.31 632	0.20 617	1.05 682	0.16 197	0.13 556	0.23 558	0.16 388	0.30 525	0.64 654	0.60 659	0.53 637	0.46 641	0.39 639	0.23 561	0.33 636	0.12 568	0.10 569	0.11 552	0.10 535	0.13 582	0.12 569

DStereoO	0.25 596	0.18 608	0.19 522	0.20 510	0.15 594	0.22 543	0.19 517	0.33 561	0.42 590	0.30 600	0.22 431	0.33 593	0.28 599	0.42 651	0.28 606	0.47 673	0.12 599	0.31 661	0.11 567	0.17 631	0.12 569

DStereoSA	0.26 608	0.19 612	0.39 617	0.27 626	0.17 620	0.23 558	0.21 555	0.50 653	0.60 645	0.22 519	0.30 537	0.29 555	0.34 627	0.40 644	0.29 615	0.12 568	0.11 583	0.16 621	0.14 607	0.15 611	0.12 569

zh-sn7	0.26 608	0.17 594	0.55 640	0.24 601	0.14 575	0.25 576	0.25 608	0.34 576	0.49 616	0.29 594	0.55 640	0.29 555	0.32 622	0.37 633	0.33 636	0.10 508	0.10 569	0.11 552	0.11 567	0.12 566	0.12 569

TCMNet	0.19 534	0.12 524	0.20 527	0.21 546	0.18 630	0.21 529	0.24 592	0.28 493	0.36 560	0.23 534	0.26 487	0.25 520	0.20 537	0.20 517	0.23 559	0.13 587	0.11 583	0.11 552	0.12 589	0.13 582	0.12 569

DCVSM-stereo	0.15 457	0.09 411	0.16 440	0.16 197	0.10 442	0.15 407	0.09 20	0.20 332	0.24 428	0.20 488	0.24 448	0.26 530	0.15 445	0.19 499	0.14 411	0.09 467	0.07 480	0.09 474	0.08 450	0.10 527	0.12 569

SDNR	0.20 543	0.09 411	0.19 522	0.16 197	0.12 530	0.79 675	0.13 169	0.26 454	0.33 530	0.19 466	0.25 474	0.19 437	0.12 359	0.19 499	0.15 448	0.16 629	0.18 639	0.14 602	0.11 567	0.08 428	0.12 569

NF-Stereo	0.11 276	0.07 197	0.13 316	0.17 285	0.09 327	0.10 190	0.13 169	0.23 393	0.19 346	0.12 294	0.17 344	0.12 303	0.12 359	0.11 186	0.11 268	0.06 161	0.04 24	0.07 298	0.06 274	0.07 361	0.12 569

PSM-softLoss	0.12 354	0.07 197	0.15 397	0.17 285	0.09 327	0.08 74	0.12 102	0.24 419	0.17 300	0.15 374	0.19 386	0.13 328	0.11 326	0.11 186	0.11 268	0.07 333	0.05 237	0.08 388	0.07 375	0.07 361	0.12 569

KMStereo	0.12 354	0.07 197	0.15 397	0.17 285	0.09 327	0.08 74	0.12 102	0.24 419	0.17 300	0.15 374	0.19 386	0.13 328	0.11 326	0.11 186	0.11 268	0.07 333	0.05 237	0.08 388	0.07 375	0.07 361	0.12 569

MaskLacGwcNet_RVC	0.22 565	0.21 623	0.25 564	0.26 618	0.11 498	0.24 567	0.14 240	0.39 620	0.24 428	0.32 614	0.36 576	0.30 565	0.21 545	0.19 499	0.22 548	0.17 634	0.14 623	0.21 638	0.16 627	0.13 582	0.12 569

CBMV_ROB	0.19 534	0.13 551	0.18 498	0.16 197	0.11 498	0.16 435	0.12 102	0.27 468	0.29 503	0.27 571	0.31 542	0.27 537	0.24 567	0.24 573	0.16 467	0.15 612	0.18 639	0.22 642	0.20 640	0.10 527	0.12 569

SANet	0.25 596	0.14 566	0.29 587	0.21 546	0.11 498	0.29 611	0.25 608	0.40 623	0.65 658	0.36 623	0.40 598	0.42 631	0.27 590	0.27 584	0.25 579	0.12 568	0.09 546	0.10 522	0.09 496	0.13 582	0.12 569

XPNet_ROB	0.22 565	0.12 524	0.20 527	0.22 568	0.13 556	0.22 543	0.19 517	0.35 591	0.40 581	0.30 600	0.40 598	0.38 615	0.27 590	0.26 582	0.29 615	0.15 612	0.10 569	0.10 522	0.10 535	0.13 582	0.12 569

SGM-Forest	0.20 543	0.14 566	0.18 498	0.20 510	0.13 556	0.21 529	0.22 569	0.33 561	0.31 519	0.24 546	0.29 531	0.28 547	0.20 537	0.23 561	0.18 497	0.15 612	0.16 633	0.15 613	0.14 607	0.13 582	0.12 569
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DualNet (step1)	0.17 506	0.12 524	0.21 537	0.13 11	0.14 575	0.18 475	0.14 240	0.28 493	0.24 428	0.21 504	0.21 414	0.24 507	0.20 537	0.16 415	0.16 467	0.15 612	0.06 409	0.14 602	0.14 607	0.15 611	0.13 584

test_sample9	0.18 522	0.12 524	0.21 537	0.13 11	0.14 575	0.18 475	0.14 240	0.28 493	0.24 428	0.21 504	0.21 414	0.24 507	0.20 537	0.19 499	0.18 497	0.15 612	0.30 665	0.14 602	0.14 607	0.15 611	0.13 584

test_sample8	0.20 543	0.12 524	0.21 537	0.13 11	0.14 575	0.18 475	0.14 240	0.32 547	0.21 384	0.28 584	0.22 431	0.36 606	0.26 583	0.19 499	0.18 497	0.15 612	0.30 665	0.14 602	0.14 607	0.15 611	0.13 584

pcwnet_v2	0.19 534	0.11 505	0.26 573	0.18 375	0.14 575	0.18 475	0.15 324	0.37 607	0.46 612	0.19 466	0.24 448	0.21 463	0.19 525	0.21 535	0.20 522	0.13 587	0.10 569	0.10 522	0.10 535	0.11 549	0.13 584

APVNet	0.23 578	0.12 524	0.20 527	0.18 375	0.14 575	0.32 618	0.31 648	0.40 623	0.33 530	0.27 571	0.40 598	0.30 565	0.29 604	0.27 584	0.25 579	0.11 542	0.12 599	0.11 552	0.14 607	0.12 566	0.13 584

NCC-stereo	0.25 596	0.15 573	0.31 596	0.26 618	0.17 620	0.21 529	0.31 648	0.41 628	0.40 581	0.24 546	0.38 587	0.33 593	0.29 604	0.37 633	0.28 606	0.13 587	0.11 583	0.15 613	0.22 645	0.13 582	0.13 584

Abc-Net	0.25 596	0.15 573	0.31 596	0.26 618	0.17 620	0.21 529	0.31 648	0.41 628	0.40 581	0.24 546	0.38 587	0.33 593	0.29 604	0.37 633	0.28 606	0.13 587	0.11 583	0.15 613	0.22 645	0.13 582	0.13 584
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCMid	0.26 608	0.15 573	0.42 625	0.20 510	0.14 575	0.25 576	0.26 617	0.35 591	0.40 581	0.37 627	0.45 624	0.34 598	0.42 649	0.36 628	0.36 642	0.10 508	0.09 546	0.11 552	0.11 567	0.13 582	0.13 584

ADCPNet	0.26 608	0.17 594	0.62 651	0.21 546	0.15 594	0.36 633	0.25 608	0.33 561	0.37 566	0.31 607	0.41 609	0.36 606	0.29 604	0.29 600	0.34 640	0.12 568	0.10 569	0.11 552	0.12 589	0.14 599	0.13 584

PA-Net	0.24 589	0.18 608	0.34 606	0.28 633	0.22 644	0.22 543	0.39 664	0.29 512	0.39 577	0.22 519	0.33 557	0.25 520	0.26 583	0.21 535	0.25 579	0.10 508	0.23 658	0.15 613	0.22 645	0.09 491	0.13 584
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SGM-ForestM	0.33 635	0.12 524	0.17 464	0.16 197	0.11 498	0.42 648	0.20 538	0.43 639	0.53 634	0.53 653	0.57 646	1.41 687	0.44 654	0.42 651	0.29 615	0.14 608	0.16 633	0.16 621	0.16 627	0.12 566	0.13 584

NCCL2	0.24 589	0.15 573	0.18 498	0.34 650	0.18 630	0.24 567	0.24 592	0.34 576	0.29 503	0.31 607	0.38 587	0.38 615	0.29 604	0.23 561	0.25 579	0.15 612	0.12 599	0.18 633	0.21 642	0.13 582	0.13 584

NOSS_ROB	0.19 534	0.13 551	0.18 498	0.16 197	0.12 530	0.16 435	0.12 102	0.30 525	0.33 530	0.20 488	0.22 431	0.27 537	0.24 567	0.21 535	0.16 467	0.16 629	0.18 639	0.23 643	0.21 642	0.13 582	0.13 584

ETE_ROB	0.23 578	0.17 594	0.23 555	0.25 609	0.14 575	0.26 588	0.29 639	0.32 547	0.37 566	0.28 584	0.37 579	0.45 637	0.27 590	0.28 593	0.27 598	0.11 542	0.09 546	0.12 574	0.10 535	0.14 599	0.13 584

PDISCO_ROB	0.28 619	0.16 584	0.28 578	0.28 633	0.20 638	0.33 620	0.27 622	0.45 645	0.58 642	0.28 584	0.41 609	0.45 637	0.30 615	0.34 619	0.35 641	0.12 568	0.09 546	0.17 624	0.16 627	0.17 631	0.13 584

LALA_ROB	0.25 596	0.16 584	0.23 555	0.27 626	0.17 620	0.27 597	0.27 622	0.42 633	0.38 572	0.33 618	0.39 595	0.51 649	0.26 583	0.29 600	0.28 606	0.16 629	0.09 546	0.13 588	0.12 589	0.13 582	0.13 584

coex-ft	3.24 692	0.35 656	57.83 723	0.18 375	0.13 556	0.27 597	0.23 581	0.28 493	0.72 665	1.89 696	0.70 661	0.43 633	0.47 655	0.29 600	0.43 657	0.09 467	0.09 546	0.12 574	0.09 496	0.14 599	0.14 600

SACVNet	0.19 534	0.12 524	0.15 397	0.17 285	0.13 556	0.22 543	0.18 471	0.31 542	0.31 519	0.24 546	0.31 542	0.30 565	0.23 558	0.23 561	0.17 484	0.11 542	0.08 513	0.10 522	0.10 535	0.12 566	0.14 600

LCNet	0.11 276	0.07 197	0.09 104	0.19 446	0.09 327	0.08 74	0.14 240	0.21 350	0.15 231	0.12 294	0.15 307	0.16 394	0.11 326	0.12 278	0.11 268	0.05 48	0.04 24	0.08 388	0.07 375	0.06 279	0.14 600

PSM-AAD	0.11 276	0.07 197	0.10 162	0.20 510	0.09 327	0.10 190	0.14 240	0.21 350	0.13 176	0.12 294	0.14 294	0.18 427	0.11 326	0.11 186	0.10 189	0.05 48	0.05 237	0.09 474	0.08 450	0.06 279	0.14 600

FINET	0.22 565	0.18 608	0.28 578	0.19 446	0.16 608	0.24 567	0.24 592	0.33 561	0.49 616	0.26 564	0.33 557	0.22 481	0.23 558	0.23 561	0.18 497	0.18 635	0.16 633	0.11 552	0.10 535	0.15 611	0.14 600

FAT-Stereo	0.21 557	0.13 551	0.22 547	0.21 546	0.12 530	0.18 475	0.18 471	0.35 591	0.40 581	0.28 584	0.37 579	0.33 593	0.33 625	0.21 535	0.20 522	0.09 467	0.11 583	0.10 522	0.09 496	0.11 549	0.14 600

S-Stereo	0.21 557	0.12 524	0.25 564	0.21 546	0.13 556	0.21 529	0.19 517	0.33 561	0.45 605	0.23 534	0.36 576	0.28 547	0.29 604	0.20 517	0.23 559	0.09 467	0.12 599	0.10 522	0.10 535	0.13 582	0.14 600

RP	0.22 565	0.13 551	0.22 547	0.23 589	0.12 530	0.21 529	0.20 538	0.26 454	0.45 605	0.22 519	0.38 587	0.37 609	0.25 575	0.28 593	0.25 579	0.11 542	0.12 599	0.13 588	0.12 589	0.13 582	0.14 600

G-Net	0.25 596	0.17 594	0.38 616	0.23 589	0.16 608	0.51 654	0.23 581	0.29 512	0.35 555	0.36 623	0.38 587	0.31 580	0.29 604	0.28 593	0.27 598	0.11 542	0.09 546	0.12 574	0.10 535	0.16 624	0.14 600

stereogan	0.22 565	0.11 505	0.21 537	0.20 510	0.12 530	0.32 618	0.19 517	0.36 598	0.45 605	0.23 534	0.39 595	0.35 604	0.27 590	0.33 616	0.23 559	0.10 508	0.12 599	0.10 522	0.10 535	0.14 599	0.14 600

edge stereo	0.23 578	0.14 566	0.21 537	0.21 546	0.13 556	0.24 567	0.16 388	0.32 547	0.42 590	0.32 614	0.40 598	0.39 620	0.35 631	0.25 578	0.25 579	0.13 587	0.11 583	0.14 602	0.11 567	0.12 566	0.14 600

RTSC	0.23 578	0.13 551	0.30 593	0.21 546	0.13 556	0.29 611	0.17 422	0.36 598	0.68 660	0.27 571	0.34 567	0.30 565	0.22 552	0.32 612	0.31 628	0.10 508	0.08 513	0.09 474	0.10 535	0.13 582	0.14 600

DeepPrunerF	0.24 589	0.17 594	0.45 628	0.26 618	0.16 608	0.23 558	0.29 639	0.37 607	0.51 624	0.27 571	0.31 542	0.24 507	0.28 599	0.22 553	0.23 559	0.15 612	0.11 583	0.20 637	0.18 638	0.12 566	0.14 600

WCMA_ROB	0.24 589	0.11 505	0.24 561	0.17 285	0.14 575	0.34 624	0.16 388	0.33 561	0.33 530	0.39 630	0.54 639	0.40 626	0.35 631	0.35 624	0.26 592	0.12 568	0.12 599	0.12 574	0.11 567	0.14 599	0.14 600

Wz-Net-TNSev	0.29 623	0.20 617	0.69 663	0.19 446	0.15 594	0.38 639	0.27 622	0.36 598	0.56 637	0.35 620	0.42 617	0.45 637	0.39 639	0.33 616	0.31 628	0.13 587	0.13 613	0.10 522	0.12 589	0.15 611	0.15 614

UDG	0.21 557	0.17 594	0.20 527	0.23 589	0.15 594	0.31 616	0.20 538	0.33 561	0.35 555	0.24 546	0.28 516	0.31 580	0.29 604	0.21 535	0.23 559	0.15 612	0.12 599	0.13 588	0.09 496	0.14 599	0.15 614

KYRaft	0.12 354	0.07 197	0.10 162	0.19 446	0.09 327	0.08 74	0.15 324	0.23 393	0.12 134	0.13 326	0.16 324	0.20 454	0.10 287	0.12 278	0.11 268	0.06 161	0.04 24	0.08 388	0.08 450	0.06 279	0.15 614

RTS	0.46 655	0.19 612	3.33 693	0.25 609	0.15 594	0.72 670	0.21 555	0.37 607	0.78 672	0.42 639	0.44 622	0.31 580	0.43 652	0.55 665	0.37 646	0.10 508	0.09 546	0.13 588	0.13 601	0.15 611	0.15 614

RTSA	0.46 655	0.19 612	3.33 693	0.25 609	0.15 594	0.72 670	0.21 555	0.37 607	0.78 672	0.42 639	0.44 622	0.31 580	0.43 652	0.55 665	0.37 646	0.10 508	0.09 546	0.13 588	0.13 601	0.15 611	0.15 614

AnyNet_C32	0.26 608	0.16 584	0.39 617	0.20 510	0.17 620	0.26 588	0.31 648	0.32 547	0.45 605	0.31 607	0.50 633	0.30 565	0.34 627	0.41 650	0.36 642	0.12 568	0.12 599	0.12 574	0.14 607	0.14 599	0.15 614

RYNet	0.23 578	0.12 524	0.22 547	0.19 446	0.17 620	0.47 651	0.26 617	0.39 620	0.49 616	0.24 546	0.29 531	0.34 598	0.24 567	0.20 517	0.31 628	0.10 508	0.06 409	0.09 474	0.09 496	0.14 599	0.15 614

CC-Net-ROB	0.28 619	0.31 652	0.36 614	0.30 644	0.15 594	0.25 576	0.19 517	0.45 645	0.34 541	0.39 630	0.37 579	0.39 620	0.31 620	0.27 584	0.27 598	0.24 658	0.18 639	0.30 660	0.23 649	0.19 638	0.15 614

CSAN	0.30 626	0.24 633	0.28 578	0.34 650	0.19 634	0.34 624	0.42 667	0.38 614	0.51 624	0.38 629	0.40 598	0.44 636	0.34 627	0.29 600	0.31 628	0.19 639	0.16 633	0.19 635	0.19 639	0.14 599	0.15 614

PSMNet-RUCA	0.28 619	0.33 654	0.42 625	0.36 654	0.32 661	0.18 475	0.20 538	0.42 633	0.30 509	0.33 618	0.41 609	0.40 626	0.24 567	0.31 607	0.20 522	0.19 639	0.11 583	0.25 645	0.15 623	0.22 641	0.16 623

SQANet	0.24 589	0.24 633	0.31 596	0.31 646	0.19 634	0.27 597	0.13 169	0.30 525	0.33 530	0.25 559	0.37 579	0.31 580	0.22 552	0.27 584	0.23 559	0.15 612	0.10 569	0.21 638	0.16 627	0.22 641	0.16 623

WZ-Net	0.29 623	0.17 594	0.82 674	0.23 589	0.16 608	0.35 629	0.29 639	0.40 623	0.59 644	0.24 546	0.57 646	0.37 609	0.25 575	0.34 619	0.37 646	0.09 467	0.08 513	0.09 474	0.10 535	0.14 599	0.16 623

MFN_U_SF_RVC	0.33 635	0.22 627	0.58 646	0.31 646	0.15 594	0.36 633	0.17 422	0.54 662	0.46 612	0.47 649	0.56 642	0.58 656	0.39 639	0.36 628	0.38 649	0.15 612	0.15 627	0.18 633	0.21 642	0.16 624	0.16 623

RGC	0.25 596	0.20 617	0.29 587	0.28 633	0.16 608	0.22 543	0.23 581	0.33 561	0.44 601	0.27 571	0.40 598	0.38 615	0.28 599	0.37 633	0.23 559	0.11 542	0.13 613	0.17 624	0.17 634	0.15 611	0.16 623

ADCS	0.30 626	0.19 612	0.48 634	0.21 546	0.18 630	0.29 611	0.24 592	0.42 633	0.64 654	0.40 633	0.50 633	0.40 626	0.37 636	0.40 644	0.43 657	0.13 587	0.13 613	0.13 588	0.14 607	0.16 624	0.16 623

AnyNet_C01	0.37 642	0.26 639	1.41 687	0.22 568	0.17 620	0.51 654	0.28 628	0.36 598	0.40 581	0.39 630	0.75 666	0.46 641	0.39 639	0.46 654	0.50 667	0.13 587	0.13 613	0.13 588	0.14 607	0.14 599	0.16 623

DPSNet	0.28 619	0.16 584	0.33 603	0.18 375	0.13 556	0.55 657	0.42 667	0.52 658	0.68 660	0.29 594	0.38 587	0.39 620	0.30 615	0.32 612	0.23 559	0.11 542	0.10 569	0.11 552	0.08 450	0.20 640	0.16 623

DispFullNet	0.27 616	0.22 627	0.66 655	0.28 633	0.17 620	0.27 597	0.17 422	0.34 576	0.57 639	0.27 571	0.37 579	0.43 633	0.24 567	0.39 640	0.25 579	0.12 568	0.06 409	0.19 635	0.11 567	0.23 644	0.16 623

DStereoFS	0.27 616	0.22 627	0.32 600	0.23 589	0.15 594	0.23 558	0.21 555	0.52 658	0.49 616	0.28 584	0.45 624	0.34 598	0.36 634	0.53 662	0.29 615	0.13 587	0.11 583	0.15 613	0.13 601	0.17 631	0.17 632

ISRNet	0.18 522	0.08 330	0.20 527	0.19 446	0.13 556	0.15 407	0.12 102	0.30 525	0.33 530	0.21 504	0.26 487	0.27 537	0.18 506	0.17 455	0.20 522	0.20 644	0.08 513	0.14 602	0.14 607	0.14 599	0.17 632

DDUNet	0.23 578	0.18 608	0.22 547	0.22 568	0.15 594	0.25 576	0.24 592	0.30 525	0.31 519	0.31 607	0.37 579	0.34 598	0.26 583	0.25 578	0.21 535	0.18 635	0.13 613	0.17 624	0.11 567	0.16 624	0.17 632

psmorigin	0.25 596	0.16 584	0.35 612	0.17 285	0.13 556	0.24 567	0.14 240	0.34 576	0.34 541	0.41 637	0.55 640	0.41 629	0.38 638	0.35 624	0.28 606	0.11 542	0.15 627	0.11 552	0.11 567	0.12 566	0.17 632

Anonymous_2	0.22 565	0.17 594	0.28 578	0.15 104	0.16 608	0.33 620	0.22 569	0.23 393	0.18 318	0.23 534	0.24 448	0.26 530	0.27 590	0.27 584	0.24 571	0.22 651	0.26 661	0.17 624	0.17 634	0.16 624	0.18 636

FADNet-RVC	0.21 557	0.20 617	0.40 620	0.21 546	0.16 608	0.21 529	0.15 324	0.27 468	0.27 479	0.26 564	0.32 551	0.26 530	0.21 545	0.22 553	0.19 512	0.12 568	0.13 613	0.12 574	0.14 607	0.13 582	0.18 636

FADNet	0.21 557	0.23 630	0.37 615	0.18 375	0.17 620	0.25 576	0.13 169	0.32 547	0.32 525	0.23 534	0.25 474	0.27 537	0.21 545	0.19 499	0.16 467	0.13 587	0.15 627	0.12 574	0.15 623	0.17 631	0.18 636

XQC	0.29 623	0.23 630	0.53 637	0.29 640	0.19 634	0.36 633	0.28 628	0.37 607	0.58 642	0.31 607	0.31 542	0.37 609	0.30 615	0.39 640	0.39 650	0.13 587	0.09 546	0.15 613	0.12 589	0.18 635	0.18 636

GANetREF_RVC	0.31 632	0.34 655	0.29 587	0.35 652	0.16 608	0.33 620	0.42 667	0.48 651	0.52 630	0.35 620	0.35 571	0.34 598	0.32 622	0.40 644	0.33 636	0.27 660	0.20 645	0.29 658	0.15 623	0.19 638	0.18 636
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
ccnet	0.30 626	0.28 643	0.24 561	0.20 510	0.28 656	0.41 646	0.22 569	0.46 648	0.33 530	0.37 627	0.46 627	0.37 609	0.30 615	0.40 644	0.43 657	0.23 656	0.14 623	0.21 638	0.17 634	0.23 644	0.19 641

MSC_U_SF_DS_RVC	0.44 651	0.39 659	0.56 641	0.40 657	0.20 638	0.66 665	0.33 657	0.54 662	0.72 665	0.71 666	0.72 663	0.62 658	0.55 662	0.52 660	0.47 664	0.20 644	0.19 644	0.29 658	0.30 661	0.24 650	0.19 641

MFN_U_SF_DS_RVC	0.30 626	0.24 633	0.30 593	0.36 654	0.16 608	0.36 633	0.31 648	0.34 576	0.43 599	0.41 637	0.46 627	0.38 615	0.30 615	0.35 624	0.29 615	0.19 639	0.20 645	0.26 646	0.29 659	0.18 635	0.19 641

SHD	0.26 608	0.15 573	0.31 596	0.24 601	0.18 630	0.23 558	0.15 324	0.39 620	0.72 665	0.32 614	0.42 617	0.36 606	0.29 604	0.33 616	0.30 622	0.13 587	0.11 583	0.14 602	0.13 601	0.16 624	0.20 644

BEATNet-Init1	0.54 662	0.28 643	0.68 662	0.31 646	0.21 641	0.85 678	0.31 648	0.57 664	0.69 663	0.89 677	1.00 679	2.17 694	0.66 672	0.58 669	0.44 660	0.19 639	0.18 639	0.23 643	0.22 645	0.22 641	0.21 645

SAMSARA	0.41 647	0.28 643	0.34 606	0.55 668	0.39 663	0.85 678	1.25 696	0.49 652	0.52 630	0.36 623	0.35 571	0.56 655	0.39 639	0.39 640	0.41 654	0.15 612	0.20 645	0.15 613	0.14 607	0.23 644	0.21 645

PASM	0.33 635	0.25 638	0.51 636	0.28 633	0.27 655	0.30 614	0.31 648	0.35 591	0.51 624	0.36 623	0.40 598	0.47 645	0.35 631	0.34 619	0.36 642	0.23 656	0.26 661	0.26 646	0.28 658	0.23 644	0.21 645

MSMD_ROB	0.31 632	0.26 639	0.26 573	0.24 601	0.21 641	0.34 624	0.25 608	0.34 576	0.39 577	0.40 633	0.69 660	0.45 637	0.41 645	0.34 619	0.28 606	0.20 644	0.20 645	0.26 646	0.25 651	0.23 644	0.22 648

DGSMNet	0.25 596	0.19 612	0.34 606	0.21 546	0.24 649	0.24 567	0.21 555	0.36 598	0.42 590	0.25 559	0.32 551	0.38 615	0.21 545	0.29 600	0.24 571	0.13 587	0.11 583	0.14 602	0.16 627	0.23 644	0.23 649

FC-DCNN v2	0.33 635	0.28 643	0.28 578	0.26 618	0.23 645	0.39 642	0.29 639	0.41 628	0.44 601	0.46 647	0.57 646	0.51 649	0.41 645	0.38 638	0.30 622	0.21 647	0.20 645	0.27 649	0.26 652	0.25 652	0.24 650

FC-DCNN	0.33 635	0.28 643	0.28 578	0.26 618	0.23 645	0.38 639	0.29 639	0.40 623	0.44 601	0.46 647	0.56 642	0.51 649	0.41 645	0.38 638	0.31 628	0.21 647	0.20 645	0.27 649	0.26 652	0.25 652	0.24 650

ACVNet_1	0.45 654	0.51 664	0.61 649	0.45 662	0.28 656	0.50 652	0.28 628	0.58 669	0.71 664	0.63 661	0.59 652	0.74 668	0.50 658	0.50 657	0.36 642	0.26 659	0.25 659	0.39 665	0.29 659	0.32 663	0.25 652

FCDSN-DC	0.33 635	0.28 643	0.28 578	0.30 644	0.24 649	0.39 642	0.28 628	0.43 639	0.42 590	0.44 644	0.53 637	0.51 649	0.42 649	0.37 633	0.30 622	0.21 647	0.20 645	0.27 649	0.26 652	0.25 652	0.25 652
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	0.47 657	0.28 643	0.28 578	0.27 626	0.24 649	0.50 652	0.32 656	0.57 664	0.62 650	0.74 670	1.20 689	1.21 680	0.64 671	0.54 664	0.39 650	0.22 651	0.20 645	0.27 649	0.31 662	0.26 656	0.25 652

ELAS_RVC	0.42 649	0.29 650	0.33 603	0.28 633	0.24 649	0.56 658	0.38 662	0.50 653	0.61 647	0.74 670	0.76 667	0.67 663	0.56 664	0.55 665	0.42 656	0.22 651	0.21 655	0.27 649	0.26 652	0.27 658	0.26 655
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 649	0.29 650	0.34 606	0.28 633	0.24 649	0.63 662	0.37 660	0.52 658	0.52 630	0.72 667	0.82 671	0.68 665	0.56 664	0.52 660	0.45 663	0.22 651	0.21 655	0.27 649	0.26 652	0.26 656	0.26 655
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet-4b	0.39 644	0.53 665	0.56 641	0.45 662	0.24 649	0.46 650	0.18 471	0.50 653	0.64 654	0.42 639	0.45 624	0.60 657	0.27 590	0.34 619	0.24 571	0.33 663	0.14 623	0.48 668	0.42 670	0.31 662	0.27 657

otaku	0.39 644	0.38 658	0.53 637	0.44 661	0.28 656	0.57 659	0.24 592	0.42 633	0.62 650	0.40 633	0.50 633	0.46 641	0.34 627	0.40 644	0.33 636	0.30 661	0.30 665	0.39 665	0.33 664	0.30 659	0.29 658

Ntro	0.41 647	0.40 660	0.54 639	0.46 665	0.30 660	0.64 663	0.24 592	0.47 649	0.68 660	0.42 639	0.49 631	0.47 645	0.42 649	0.40 644	0.32 633	0.32 662	0.28 663	0.37 664	0.31 662	0.33 664	0.29 658

Consistency-Raft	0.44 651	0.40 660	0.46 629	0.37 656	0.43 667	0.42 648	0.41 665	0.57 664	0.55 635	0.32 614	0.73 664	0.32 587	0.50 658	0.42 651	0.49 666	0.39 667	0.36 670	0.45 667	0.52 679	0.42 667	0.30 660

NVStereoNet_ROB	0.47 657	0.37 657	0.47 632	0.42 660	0.29 659	0.35 629	0.35 658	0.50 653	0.61 647	0.73 668	0.94 676	0.70 667	0.68 673	0.48 655	0.62 675	0.22 651	0.33 669	0.34 663	0.34 667	0.30 659	0.31 661
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
PVD	0.40 646	0.21 623	0.40 620	0.32 649	0.23 645	0.30 614	0.45 671	0.53 661	0.97 679	0.55 656	0.80 670	0.54 654	0.60 669	0.53 662	0.40 652	0.19 639	0.14 623	0.17 624	0.14 607	0.24 650	0.32 662

MADNet+	0.76 673	0.72 675	3.76 696	0.67 672	0.41 665	0.99 684	0.97 694	0.72 673	0.75 670	0.52 652	0.58 650	0.64 661	0.68 673	0.89 685	1.04 691	0.35 665	0.36 670	0.28 657	0.23 649	0.38 666	0.33 663

JetBlue	0.73 672	0.46 663	1.21 685	0.52 667	0.47 669	2.16 694	0.67 684	0.78 674	0.72 665	0.70 665	0.79 669	1.21 680	0.84 680	1.06 691	1.04 691	0.40 668	0.28 663	0.33 662	0.33 664	0.30 659	0.34 664

LSM	0.34 641	0.21 623	0.62 651	0.27 626	0.62 681	0.35 629	0.26 617	0.43 639	0.49 616	0.45 646	0.60 654	0.42 631	0.37 636	0.35 624	0.26 592	0.13 587	0.21 655	0.14 602	0.16 627	0.18 635	0.34 664

Selective-IGEV-i1pa	2.90 691	3.64 697	0.72 669	0.29 640	0.14 575	10.70 703	0.45 671	4.60 698	3.77 699	3.60 698	7.07 700	3.52 697	2.16 697	13.72 712	2.40 698	0.37 666	0.15 627	0.13 588	0.10 535	0.15 611	0.36 666

ACVNet_2	0.67 669	0.68 674	0.70 666	0.64 671	0.41 665	0.75 673	0.50 673	0.98 684	1.38 689	0.90 678	1.09 683	1.04 675	0.74 676	0.55 665	0.48 665	0.43 669	0.40 672	0.53 672	0.45 671	0.48 669	0.36 666

MonStereo1	0.49 659	0.27 641	0.61 649	0.29 640	0.20 638	0.40 644	0.19 517	0.51 657	0.66 659	0.53 653	0.91 675	1.02 674	0.59 668	0.51 659	0.58 672	0.53 677	0.32 668	0.55 674	0.40 668	0.36 665	0.38 668

IMH-64-1	0.66 667	0.62 670	0.69 663	0.72 673	0.51 671	0.60 660	0.51 674	0.92 678	0.84 674	0.75 673	1.02 680	0.81 670	0.78 678	0.80 676	0.50 667	0.43 669	0.46 674	0.72 677	0.48 672	0.55 673	0.40 669

IMH-64	0.66 667	0.62 670	0.69 663	0.72 673	0.51 671	0.60 660	0.51 674	0.92 678	0.84 674	0.75 673	1.02 680	0.81 670	0.78 678	0.80 676	0.50 667	0.43 669	0.46 674	0.72 677	0.48 672	0.55 673	0.40 669

light-stereo	0.44 651	0.27 641	0.64 654	0.61 670	0.50 670	0.34 624	0.23 581	0.47 649	0.52 630	0.57 658	0.59 652	0.78 669	0.33 625	0.49 656	0.30 622	0.33 663	0.25 659	0.27 649	0.33 664	0.47 668	0.41 671

RainbowNet	0.54 662	0.61 669	0.71 668	0.57 669	0.43 667	0.66 665	0.37 660	0.60 670	0.87 676	0.51 651	0.67 656	0.63 659	0.47 655	0.50 657	0.44 660	0.47 673	0.48 679	0.53 672	0.41 669	0.53 672	0.41 671

IMH	0.72 670	0.65 672	0.70 666	0.77 675	0.54 673	0.71 669	0.56 677	0.99 686	1.08 680	0.82 676	1.09 683	0.89 672	0.88 682	0.88 684	0.53 671	0.44 672	0.50 683	0.75 680	0.51 677	0.58 676	0.42 673

PWCK	0.72 670	0.95 684	0.99 680	0.77 675	0.32 661	0.79 675	0.38 662	0.92 678	0.90 677	0.96 681	0.76 667	0.97 673	0.62 670	0.87 682	0.68 678	0.73 687	0.46 674	0.76 682	0.49 674	0.71 684	0.44 674

GCST	0.37 642	0.42 662	0.27 575	1.03 688	0.39 663	0.18 475	0.08 7	0.21 350	0.18 318	0.28 584	0.25 474	0.15 372	0.12 359	0.16 415	0.14 411	0.64 684	0.43 673	0.75 680	0.65 683	0.64 677	0.46 675

Selective-IGEV-i16pa	19.44 712	3.95 698	1.06 683	0.21 546	0.19 634	105.21 725	0.29 639	22.78 718	47.64 725	4.27 699	59.07 725	9.08 705	2.84 699	125.10 726	5.92 702	0.18 635	0.12 599	0.09 474	0.12 589	0.12 566	0.52 676

TorneroNet-64	0.76 673	0.73 676	0.77 672	0.78 677	0.58 679	0.94 683	0.58 678	0.85 677	1.26 684	0.67 662	0.88 673	1.41 687	0.76 677	0.87 682	0.68 678	0.49 675	0.46 674	0.73 679	0.59 680	0.68 681	0.54 677

Dean	0.88 679	0.88 683	0.81 673	0.82 679	0.57 677	0.91 680	0.62 681	1.17 694	1.71 694	1.15 689	1.16 687	1.31 684	1.00 687	0.82 678	0.83 687	0.57 678	0.56 689	0.78 684	0.65 683	0.67 680	0.58 678

anonymity	0.53 661	0.58 666	0.66 655	0.41 658	0.61 680	0.54 656	0.41 665	0.57 664	0.41 588	0.56 657	0.50 633	0.50 648	0.55 662	0.59 670	0.50 667	0.58 680	0.50 683	0.51 670	0.51 677	0.52 670	0.58 678

SPS-STEREO	0.58 665	0.59 668	0.66 655	0.45 662	0.55 674	0.65 664	0.44 670	0.63 671	0.51 624	0.69 664	0.65 655	0.66 662	0.58 667	0.62 671	0.62 675	0.62 683	0.47 678	0.51 670	0.49 674	0.55 673	0.58 678
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	0.80 675	0.78 678	0.57 643	0.85 680	0.67 684	0.76 674	0.69 687	1.07 688	1.30 686	0.90 678	1.20 689	1.05 676	0.93 684	0.71 674	0.68 678	0.60 682	0.62 693	0.67 676	0.68 686	0.64 677	0.59 681

WAO-6	0.82 676	0.81 679	0.63 653	0.87 682	0.63 682	0.79 675	0.60 680	0.98 684	1.52 693	0.91 680	0.97 678	1.08 677	1.04 688	0.72 675	0.70 681	0.72 686	0.49 680	0.91 688	0.71 687	0.70 683	0.59 681

SGM+DAISY	0.57 664	0.58 666	0.67 659	0.41 658	0.55 674	0.68 667	0.51 674	0.57 664	0.46 612	0.67 662	0.70 661	0.69 666	0.57 666	0.64 672	0.58 672	0.59 681	0.49 680	0.50 669	0.50 676	0.52 670	0.59 681

LVE	0.84 678	0.87 682	0.86 677	0.81 678	0.56 676	1.09 689	0.66 683	1.07 688	1.45 691	0.97 682	1.23 691	1.11 678	0.86 681	0.84 679	0.72 682	0.49 675	0.56 689	0.76 682	0.60 682	0.66 679	0.60 684

WAO-8	0.92 680	0.83 680	0.67 659	0.94 685	0.70 686	0.92 681	0.68 685	1.08 690	1.80 696	1.06 686	1.42 693	1.29 682	1.08 690	0.86 680	0.80 684	0.74 688	0.54 686	0.86 686	0.75 688	0.71 684	0.63 685

Venus	0.92 680	0.83 680	0.67 659	0.94 685	0.70 686	0.92 681	0.68 685	1.08 690	1.80 696	1.06 686	1.42 693	1.29 682	1.08 690	0.86 680	0.80 684	0.74 688	0.54 686	0.86 686	0.75 688	0.71 684	0.63 685

TorneroNet	0.83 677	0.75 677	0.83 676	0.85 680	0.63 682	1.03 687	0.65 682	0.96 682	1.14 682	0.80 675	1.10 685	1.36 685	0.88 682	0.95 687	0.82 686	0.57 678	0.49 680	0.79 685	0.66 685	0.74 687	0.64 687

MFMNet_re	0.65 666	0.66 673	0.66 655	0.51 666	0.69 685	0.70 668	0.58 678	0.65 672	0.75 670	0.61 660	0.73 664	0.63 659	0.68 673	0.65 673	0.60 674	0.66 685	0.58 692	0.63 675	0.59 680	0.68 681	0.69 688

UNDER WATER-64	0.97 682	0.96 685	1.48 689	0.88 683	0.57 677	1.24 692	0.90 692	0.78 674	0.96 678	1.05 684	0.85 672	1.56 692	1.26 694	0.97 689	0.99 689	0.88 692	0.57 691	1.04 692	0.88 692	0.81 688	0.75 689

UNDER WATER	0.99 684	1.00 686	1.47 688	1.00 687	0.71 688	1.18 691	0.86 690	0.81 676	1.09 681	1.02 683	0.90 674	1.53 691	1.26 694	1.06 691	1.02 690	0.79 690	0.54 686	1.02 690	0.88 692	0.83 689	0.75 689

ktn	1.02 685	1.23 689	0.82 674	1.24 692	0.86 691	1.00 686	0.86 690	0.96 682	1.37 688	1.05 684	1.12 686	1.16 679	1.06 689	0.95 687	0.62 675	1.28 697	0.71 695	1.39 697	0.83 691	1.06 693	0.77 691

notaker	0.98 683	1.13 687	1.02 681	1.14 690	0.81 689	0.73 672	0.69 687	0.94 681	1.15 683	1.19 691	1.19 688	1.41 687	1.17 693	1.10 693	0.74 683	0.82 691	0.64 694	1.18 693	0.79 690	1.02 691	0.82 692

HanzoNet	1.31 688	1.29 691	1.22 686	1.13 689	0.85 690	1.05 688	0.84 689	1.06 687	1.47 692	1.66 694	1.63 695	2.48 696	1.78 696	1.63 695	1.69 693	1.27 696	0.80 696	1.32 696	1.02 695	1.07 694	0.90 693

KSHMR	1.10 686	1.19 688	0.90 679	1.26 693	1.00 693	0.99 684	0.96 693	1.13 693	1.35 687	1.16 690	1.28 692	1.40 686	0.97 686	1.03 690	0.93 688	1.03 695	1.08 697	1.20 694	1.03 696	1.03 692	0.98 694

JetRed	1.66 689	1.51 692	3.09 692	0.93 684	1.21 694	5.28 697	1.61 699	1.29 696	1.42 690	1.84 695	1.77 696	1.59 693	0.95 685	1.43 694	2.51 699	0.91 694	1.61 698	0.93 689	0.91 694	1.36 695	1.03 695

DPSimNet_ROB	1.14 687	1.25 690	0.87 678	1.15 691	0.90 692	1.15 690	1.18 695	1.20 695	1.26 684	1.45 693	1.05 682	1.44 690	1.13 692	0.92 686	1.70 694	1.47 698	0.52 685	1.22 695	1.04 697	0.92 690	1.03 695

tt	4.65 694	0.07 197	3.54 695	2.01 695	1.55 695	10.25 701	16.66 704	8.90 707	5.03 700	1.33 692	0.96 677	4.71 698	4.74 700	3.33 697	5.86 701	6.06 707	10.30 713	1.87 701	2.09 701	2.61 698	1.19 697

MADNet++	1.97 690	1.75 693	1.66 690	1.83 694	1.69 696	2.38 695	1.45 698	2.36 697	2.11 698	2.58 697	2.37 698	2.25 695	2.21 698	2.28 696	2.36 697	1.87 699	1.67 699	1.53 698	1.34 698	1.87 696	1.78 698

USTest	6.16 695	2.65 696	2.79 691	6.48 702	7.21 702	14.33 705	21.38 706	6.98 706	9.55 705	5.35 703	6.12 699	5.71 701	7.69 703	6.31 702	6.75 703	1.97 700	3.38 705	1.63 699	2.14 702	2.49 697	2.35 699

PML	8.57 702	9.39 712	6.24 698	5.34 699	6.36 701	13.21 704	20.99 705	5.35 700	6.68 701	17.75 714	26.46 724	7.58 703	6.08 702	7.89 703	5.76 700	5.33 706	1.83 700	5.95 712	1.93 700	8.75 709	2.53 700

xxxxx1	7.75 696	5.06 703	7.26 699	3.15 696	3.91 698	16.37 706	22.88 709	5.87 703	8.68 702	7.99 704	8.55 701	9.13 706	8.46 704	10.05 704	10.47 704	2.43 701	2.48 701	3.56 704	12.26 710	3.48 699	3.02 701

tt_ll	7.75 696	5.06 703	7.26 699	3.15 696	3.91 698	16.37 706	22.88 709	5.87 703	8.68 702	7.99 704	8.55 701	9.13 706	8.46 704	10.05 704	10.47 704	2.43 701	2.48 701	3.56 704	12.26 710	3.48 699	3.02 701

ff	7.75 696	5.06 703	7.26 699	3.15 696	3.91 698	16.37 706	22.88 709	5.87 703	8.68 702	7.99 704	8.55 701	9.13 706	8.46 704	10.05 704	10.47 704	2.43 701	2.48 701	3.56 704	12.26 710	3.48 699	3.02 701

TCMNet-wrong-test	3.69 693	5.54 706	3.91 697	12.22 708	11.75 710	4.77 696	3.86 700	1.08 690	0.74 669	1.13 688	2.21 697	6.16 702	0.53 661	3.43 698	2.33 696	0.90 693	0.20 645	1.85 700	1.69 699	5.71 704	3.79 704

Anonymous_1	10.87 708	7.82 707	7.41 704	10.29 705	10.08 703	18.64 712	26.11 714	11.02 710	13.45 711	9.43 707	10.10 708	9.73 711	11.31 711	10.69 707	12.47 707	6.42 708	8.38 710	5.70 709	10.22 709	11.41 710	6.65 705

iinet-test	10.41 703	8.00 708	7.40 702	10.23 703	10.93 706	17.97 710	25.06 712	11.30 711	13.29 707	9.69 708	9.78 705	9.38 709	11.23 709	10.97 708	12.61 708	6.59 709	8.30 708	5.49 707	6.54 703	6.58 705	6.91 706

IINet	10.41 703	8.00 708	7.40 702	10.23 703	10.93 706	17.97 710	25.06 712	11.30 711	13.29 707	9.69 708	9.77 704	9.38 709	11.23 709	10.97 708	12.61 708	6.59 709	8.30 708	5.49 707	6.54 703	6.58 705	6.91 706

DPSMNet_ROB	8.06 700	4.50 699	8.69 708	5.36 701	10.74 705	8.32 699	22.71 707	5.47 701	13.38 709	5.13 701	9.98 706	5.10 699	10.47 707	5.53 700	12.77 710	3.80 705	8.00 706	3.49 702	6.95 707	3.75 703	7.09 708

DGTPSM_ROB	8.06 700	4.50 699	8.69 708	5.34 699	10.73 704	8.32 699	22.71 707	5.47 701	13.38 709	5.13 701	9.98 706	5.10 699	10.47 707	5.53 700	12.77 710	3.79 704	8.00 706	3.49 702	6.95 707	3.74 702	7.09 708

DPSM_ROB	11.10 709	8.47 710	7.95 705	10.84 706	11.58 708	19.10 713	26.50 717	12.02 713	14.09 712	10.38 710	10.91 709	10.39 712	11.92 712	11.67 710	13.39 712	6.99 711	8.79 711	5.82 710	6.92 705	6.97 707	7.31 710

DPSM	11.10 709	8.47 710	7.95 705	10.84 706	11.58 708	19.10 713	26.50 717	12.02 713	14.09 712	10.38 710	10.91 709	10.39 712	11.92 712	11.67 710	13.39 712	6.99 711	8.79 711	5.82 710	6.92 705	6.97 707	7.31 710

FlowAnything	22.34 719	17.13 717	15.98 713	22.00 718	23.23 717	38.39 723	53.32 720	24.19 722	28.48 722	21.00 724	21.93 721	20.83 716	23.97 718	23.44 722	26.83 719	14.04 713	17.80 721	11.63 713	14.08 719	14.00 711	14.65 712

LSM0	22.80 722	17.22 719	19.17 716	22.12 720	28.90 724	38.38 722	53.27 719	24.21 723	28.36 718	20.84 723	21.11 714	21.63 722	24.25 724	23.42 721	26.98 720	14.08 718	17.39 715	11.72 719	13.98 717	14.22 717	14.66 713

Hybrid-DGEV	22.38 720	17.26 720	16.15 715	21.92 714	23.29 719	38.36 720	53.40 722	24.38 725	28.67 724	20.64 718	21.89 720	21.01 718	24.05 721	23.35 719	27.12 724	14.08 718	17.70 719	11.71 718	13.99 718	14.01 712	14.70 714

RAFT-FEzeroshot	22.33 716	17.12 715	15.83 710	21.95 716	23.32 720	38.31 718	53.41 724	23.99 719	28.43 719	20.66 719	21.84 717	21.02 719	24.05 721	23.33 717	27.09 722	14.06 714	17.69 716	11.70 714	13.95 715	14.05 714	14.76 715

RAFT-FE	22.33 716	17.12 715	15.83 710	21.95 716	23.32 720	38.31 718	53.41 724	23.99 719	28.43 719	20.66 719	21.84 717	21.02 719	24.05 721	23.33 717	27.09 722	14.06 714	17.69 716	11.70 714	13.95 715	14.05 714	14.76 715

CasAABBNet	22.33 716	17.11 714	15.84 712	21.94 715	23.28 718	38.30 717	53.40 722	24.05 721	28.44 721	20.66 719	21.86 719	21.03 721	24.04 720	23.35 719	27.03 721	14.06 714	17.69 716	11.70 714	13.94 714	14.04 713	14.76 715

Selective-RAFT-Error	22.39 721	17.14 718	16.01 714	22.00 718	23.34 722	38.37 721	53.36 721	24.24 724	28.53 723	20.80 722	21.94 722	20.94 717	24.02 719	23.48 723	27.33 725	14.07 717	17.70 719	11.70 714	13.93 713	14.05 714	14.83 718

RSGM-EC	20.15 713	4.62 701	0.75 670	16.73 709	16.97 714	21.10 715	26.46 715	10.37 708	14.13 714	18.18 715	21.56 715	22.31 723	22.50 716	21.80 715	15.71 714	62.36 724	33.86 724	20.06 721	18.04 720	19.30 719	16.22 719

acva	20.15 713	4.62 701	0.75 670	16.73 709	16.97 714	21.10 715	26.46 715	10.37 708	14.13 714	18.18 715	21.56 715	22.31 723	22.50 716	21.80 715	15.71 714	62.36 724	33.86 724	20.06 721	18.04 720	19.30 719	16.22 719

LRCNet_RVC	10.76 707	13.97 713	7.97 707	19.07 712	2.04 697	0.35 629	0.31 648	5.29 699	0.48 615	13.02 712	17.65 712	8.69 704	5.73 701	4.78 699	2.22 695	23.53 721	2.69 704	27.60 724	25.75 724	17.60 718	16.54 721

HaxPig	15.73 711	18.55 721	19.19 717	16.92 711	15.89 713	7.80 698	7.57 701	13.37 715	10.80 706	15.40 713	14.87 711	15.95 714	14.81 714	15.67 713	15.97 716	18.96 720	16.72 714	19.47 720	18.10 722	19.45 721	19.06 722

MEDIAN_ROB	20.38 715	24.05 722	23.36 720	21.18 713	21.62 716	10.51 702	8.17 702	17.68 716	15.46 716	20.04 717	19.65 713	20.30 715	20.16 715	21.17 714	21.03 717	23.81 722	21.77 722	24.98 723	23.75 723	25.01 722	23.94 723

AVERAGE_ROB	24.89 723	29.12 723	27.98 721	24.83 721	24.59 723	17.82 709	11.61 703	21.45 717	19.91 717	25.04 725	24.38 723	25.06 725	25.31 725	24.69 724	22.86 718	29.74 723	27.09 723	28.97 725	27.94 725	30.07 723	29.35 724

test_example2	97.69 724	92.93 724	45.57 722	96.02 722	109.84 725	88.44 724	93.70 726	25.54 726	94.63 726	130.46 727	126.87 726	58.93 726	75.48 726	87.99 725	77.94 726	150.16 726	221.11 726	76.29 726	98.21 726	108.42 726	95.33 725

FSD					0.23 645	0.25 576	0.25 608	0.27 468	0.26 466	0.25 559	0.26 487	0.26 530	0.26 583	0.27 584	0.24 571	0.21 647	0.20 645	0.27 649	0.26 652	0.25 652

ccccc		285.89 725		366.70 725	366.78 726	118.88 726		113.97 727		125.77 726		120.54 727		252.62 727		382.79 727	352.84 727	254.30 727	222.62 727	426.61 727

Low-res two-view benchmark