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

MS-F	0.08 53	0.04 1	0.10 125	0.13 13	0.06 15	0.09 93	0.12 71	0.13 72	0.08 15	0.06 13	0.07 45	0.06 21	0.08 161	0.10 75	0.11 210	0.06 122	0.05 203	0.04 1	0.03 1	0.04 20	0.04 47

HiDET	0.08 53	0.04 1	0.10 125	0.13 13	0.06 15	0.08 57	0.12 71	0.12 55	0.11 71	0.06 13	0.07 45	0.07 76	0.07 122	0.11 125	0.11 210	0.06 122	0.04 24	0.04 1	0.03 1	0.04 20	0.04 47

DDF-Stereo	0.08 53	0.04 1	0.09 83	0.15 82	0.10 361	0.06 10	0.13 118	0.09 11	0.14 161	0.06 13	0.06 14	0.07 76	0.06 42	0.09 37	0.10 139	0.06 122	0.04 24	0.06 119	0.04 45	0.08 343	0.05 135

252Zero-FE	0.08 53	0.04 1	0.09 83	0.13 13	0.07 82	0.12 227	0.11 51	0.13 72	0.14 161	0.06 13	0.05 7	0.06 21	0.05 11	0.09 37	0.10 139	0.06 122	0.04 24	0.04 1	0.03 1	0.05 111	0.06 222

Monster-pub-mixall	0.07 4	0.04 1	0.09 83	0.13 13	0.06 15	0.05 4	0.09 18	0.11 35	0.07 10	0.06 13	0.06 14	0.05 1	0.06 42	0.09 37	0.09 61	0.06 122	0.04 24	0.04 1	0.03 1	0.05 111	0.05 135

zero-FE	0.08 53	0.04 1	0.09 83	0.15 82	0.10 361	0.05 4	0.14 171	0.09 11	0.14 161	0.07 42	0.06 14	0.07 76	0.06 42	0.09 37	0.10 139	0.06 122	0.04 24	0.06 119	0.04 45	0.08 343	0.05 135

IGEV	0.07 4	0.04 1	0.08 38	0.13 13	0.06 15	0.09 93	0.12 71	0.14 93	0.10 43	0.06 13	0.09 104	0.07 76	0.05 11	0.09 37	0.09 61	0.06 122	0.04 24	0.05 33	0.04 45	0.05 111	0.04 47

111111	0.07 4	0.04 1	0.09 83	0.17 236	0.06 15	0.05 4	0.10 29	0.11 35	0.09 28	0.06 13	0.06 14	0.07 76	0.05 11	0.09 37	0.09 61	0.06 122	0.04 24	0.05 33	0.04 45	0.07 280	0.06 222

MLG-Stereo_test2	0.06 1	0.04 1	0.10 125	0.15 82	0.05 1	0.07 32	0.11 51	0.09 11	0.04 2	0.06 13	0.05 7	0.06 21	0.04 1	0.08 17	0.09 61	0.06 122	0.04 24	0.05 33	0.03 1	0.05 111	0.05 135

LG-G_1	0.07 4	0.04 1	0.11 169	0.15 82	0.06 15	0.09 93	0.08 7	0.08 4	0.06 4	0.06 13	0.05 7	0.07 76	0.07 122	0.11 125	0.08 17	0.07 262	0.04 24	0.05 33	0.04 45	0.05 111	0.05 135

LG-G	0.07 4	0.04 1	0.11 169	0.15 82	0.06 15	0.09 93	0.08 7	0.08 4	0.06 4	0.06 13	0.05 7	0.07 76	0.07 122	0.11 125	0.08 17	0.07 262	0.04 24	0.05 33	0.04 45	0.05 111	0.05 135

LGtest1	0.07 4	0.04 1	0.10 125	0.15 82	0.06 15	0.07 32	0.09 18	0.08 4	0.06 4	0.05 2	0.04 1	0.06 21	0.06 42	0.10 75	0.09 61	0.07 262	0.04 24	0.05 33	0.04 45	0.06 212	0.06 222

FoundationStereo	0.06 1	0.04 1	0.08 38	0.12 4	0.05 1	0.09 93	0.13 118	0.06 1	0.09 28	0.05 2	0.05 7	0.06 21	0.04 1	0.06 1	0.07 1	0.06 122	0.04 24	0.05 33	0.03 1	0.05 111	0.04 47

dual_stereo	0.07 4	0.04 1	0.08 38	0.15 82	0.05 1	0.05 4	0.13 118	0.12 55	0.08 15	0.07 42	0.06 14	0.05 1	0.05 11	0.07 4	0.09 61	0.06 122	0.04 24	0.05 33	0.03 1	0.04 20	0.04 47

model_zeroshot	0.10 164	0.04 1	0.11 169	0.15 82	0.09 258	0.12 227	0.14 171	0.20 252	0.13 136	0.11 179	0.10 134	0.12 217	0.07 122	0.12 213	0.10 139	0.07 262	0.06 332	0.06 119	0.05 129	0.06 212	0.06 222

Pointernet	0.09 101	0.04 1	0.09 83	0.16 160	0.08 140	0.13 270	0.10 29	0.15 124	0.17 229	0.09 114	0.07 45	0.06 21	0.06 42	0.11 125	0.09 61	0.08 324	0.04 24	0.05 33	0.03 1	0.06 212	0.05 135

IGEV-Stereo+	0.07 4	0.04 1	0.08 38	0.15 82	0.06 15	0.04 1	0.09 18	0.10 20	0.09 28	0.06 13	0.06 14	0.06 21	0.06 42	0.06 1	0.08 17	0.06 122	0.04 24	0.05 33	0.04 45	0.06 212	0.06 222

CAS	0.08 53	0.04 1	0.07 8	0.17 236	0.08 140	0.10 145	0.13 118	0.12 55	0.09 28	0.09 114	0.10 134	0.08 117	0.06 42	0.09 37	0.08 17	0.08 324	0.04 24	0.05 33	0.03 1	0.05 111	0.04 47

CES	0.08 53	0.04 1	0.08 38	0.14 40	0.07 82	0.09 93	0.14 171	0.11 35	0.09 28	0.08 78	0.09 104	0.11 200	0.06 42	0.12 213	0.08 17	0.06 122	0.04 24	0.05 33	0.03 1	0.05 111	0.05 135

CREStereo++_RVC	0.08 53	0.04 1	0.06 4	0.13 13	0.07 82	0.09 93	0.12 71	0.14 93	0.14 161	0.10 148	0.14 213	0.08 117	0.07 122	0.09 37	0.11 210	0.06 122	0.04 24	0.05 33	0.05 129	0.04 20	0.04 47
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
TANstereo	0.09 101	0.04 1	0.08 38	0.13 13	0.06 15	0.11 191	0.14 171	0.15 124	0.19 271	0.11 179	0.15 230	0.10 175	0.06 42	0.12 213	0.09 61	0.07 262	0.05 203	0.05 33	0.04 45	0.06 212	0.05 135

CREStereo	0.09 101	0.04 1	0.08 38	0.11 1	0.06 15	0.13 270	0.14 171	0.14 93	0.10 43	0.08 78	0.13 199	0.09 142	0.08 161	0.11 125	0.10 139	0.08 324	0.04 24	0.05 33	0.03 1	0.06 212	0.06 222
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
LCMNet	0.08 53	0.05 23	0.10 125	0.13 13	0.07 82	0.09 93	0.12 71	0.10 20	0.11 71	0.06 13	0.08 83	0.06 21	0.07 122	0.11 125	0.10 139	0.06 122	0.05 203	0.04 1	0.03 1	0.04 20	0.04 47

CSFM-Stereo	0.07 4	0.05 23	0.07 8	0.14 40	0.06 15	0.09 93	0.13 118	0.15 124	0.06 4	0.07 42	0.08 83	0.06 21	0.08 161	0.09 37	0.09 61	0.06 122	0.05 203	0.04 1	0.03 1	0.04 20	0.04 47

GEAStereo	0.08 53	0.05 23	0.08 38	0.13 13	0.08 140	0.08 57	0.14 171	0.10 20	0.09 28	0.08 78	0.10 134	0.06 21	0.05 11	0.11 125	0.08 17	0.06 122	0.04 24	0.05 33	0.04 45	0.05 111	0.05 135

GSStereo	0.08 53	0.05 23	0.08 38	0.13 13	0.08 140	0.08 57	0.14 171	0.11 35	0.12 101	0.08 78	0.10 134	0.05 1	0.05 11	0.11 125	0.08 17	0.06 122	0.04 24	0.05 33	0.04 45	0.05 111	0.05 135

gasm-f	0.08 53	0.05 23	0.07 8	0.13 13	0.08 140	0.08 57	0.14 171	0.10 20	0.09 28	0.08 78	0.10 134	0.06 21	0.05 11	0.10 75	0.08 17	0.06 122	0.04 24	0.05 33	0.04 45	0.06 212	0.05 135

IGEV-FE	0.09 101	0.05 23	0.12 204	0.13 13	0.08 140	0.12 227	0.13 118	0.17 189	0.11 71	0.10 148	0.06 14	0.09 142	0.06 42	0.11 125	0.09 61	0.06 122	0.04 24	0.06 119	0.06 207	0.05 111	0.05 135

Zero-FE251	0.07 4	0.05 23	0.09 83	0.13 13	0.06 15	0.12 227	0.12 71	0.11 35	0.10 43	0.07 42	0.08 83	0.06 21	0.06 42	0.09 37	0.08 17	0.06 122	0.04 24	0.05 33	0.04 45	0.04 20	0.04 47

Wavelet-MonSter	0.07 4	0.05 23	0.07 8	0.16 160	0.06 15	0.07 32	0.11 51	0.10 20	0.08 15	0.06 13	0.06 14	0.07 76	0.07 122	0.09 37	0.09 61	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

Replicate-Monster	0.07 4	0.05 23	0.09 83	0.14 40	0.06 15	0.08 57	0.09 18	0.13 72	0.13 136	0.05 2	0.07 45	0.06 21	0.06 42	0.08 17	0.10 139	0.05 31	0.04 24	0.05 33	0.03 1	0.04 20	0.04 47

GASTEREO	0.08 53	0.05 23	0.09 83	0.19 376	0.07 82	0.07 32	0.12 71	0.14 93	0.11 71	0.10 148	0.09 104	0.07 76	0.04 1	0.12 213	0.08 17	0.06 122	0.05 203	0.05 33	0.04 45	0.04 20	0.05 135

MSCF	0.08 53	0.05 23	0.08 38	0.19 376	0.08 140	0.06 10	0.12 71	0.14 93	0.11 71	0.10 148	0.09 104	0.07 76	0.04 1	0.11 125	0.08 17	0.06 122	0.05 203	0.05 33	0.04 45	0.05 111	0.05 135

DilatedVolume-Stereo	0.09 101	0.05 23	0.08 38	0.15 82	0.06 15	0.11 191	0.12 71	0.14 93	0.16 209	0.11 179	0.11 171	0.09 142	0.09 191	0.11 125	0.10 139	0.06 122	0.05 203	0.05 33	0.04 45	0.03 1	0.03 2

LG-Stereo_L2	0.07 4	0.05 23	0.10 125	0.14 40	0.06 15	0.07 32	0.12 71	0.09 11	0.09 28	0.06 13	0.04 1	0.05 1	0.05 11	0.08 17	0.08 17	0.05 31	0.04 24	0.05 33	0.03 1	0.04 20	0.03 2

LG-Stereo_L1	0.07 4	0.05 23	0.11 169	0.14 40	0.06 15	0.07 32	0.13 118	0.09 11	0.07 10	0.05 2	0.04 1	0.05 1	0.04 1	0.08 17	0.07 1	0.05 31	0.04 24	0.05 33	0.03 1	0.04 20	0.04 47

MLG-Stereo_test3	0.07 4	0.05 23	0.10 125	0.14 40	0.06 15	0.07 32	0.11 51	0.08 4	0.06 4	0.06 13	0.04 1	0.06 21	0.06 42	0.07 4	0.10 139	0.06 122	0.04 24	0.05 33	0.04 45	0.05 111	0.06 222

MLG-Stereo_test1	0.06 1	0.05 23	0.08 38	0.17 236	0.05 1	0.06 10	0.11 51	0.08 4	0.03 1	0.05 2	0.04 1	0.06 21	0.05 11	0.09 37	0.09 61	0.05 31	0.04 24	0.05 33	0.03 1	0.04 20	0.04 47

MLG-Stereo	0.07 4	0.05 23	0.08 38	0.17 236	0.05 1	0.07 32	0.11 51	0.08 4	0.04 2	0.05 2	0.04 1	0.06 21	0.05 11	0.10 75	0.09 61	0.05 31	0.04 24	0.05 33	0.03 1	0.04 20	0.04 47

SGD-Stereo	0.08 53	0.05 23	0.10 125	0.14 40	0.05 1	0.12 227	0.12 71	0.11 35	0.12 101	0.07 42	0.09 104	0.09 142	0.09 191	0.08 17	0.08 17	0.06 122	0.04 24	0.05 33	0.04 45	0.05 111	0.03 2

Reg-Stereo(zero)	0.08 53	0.05 23	0.08 38	0.16 160	0.06 15	0.12 227	0.11 51	0.15 124	0.10 43	0.12 217	0.09 104	0.10 175	0.08 161	0.11 125	0.08 17	0.06 122	0.04 24	0.05 33	0.04 45	0.04 20	0.05 135

HUF	0.08 53	0.05 23	0.08 38	0.14 40	0.06 15	0.09 93	0.13 118	0.13 72	0.13 136	0.07 42	0.07 45	0.08 117	0.06 42	0.10 75	0.09 61	0.06 122	0.04 24	0.05 33	0.04 45	0.05 111	0.04 47

AIO_test	0.07 4	0.05 23	0.07 8	0.15 82	0.07 82	0.06 10	0.14 171	0.10 20	0.10 43	0.07 42	0.07 45	0.06 21	0.05 11	0.08 17	0.10 139	0.05 31	0.04 24	0.05 33	0.04 45	0.04 20	0.03 2

castereo++	0.08 53	0.05 23	0.08 38	0.15 82	0.05 1	0.14 302	0.12 71	0.11 35	0.15 180	0.07 42	0.07 45	0.07 76	0.06 42	0.08 17	0.08 17	0.06 122	0.04 24	0.05 33	0.04 45	0.04 20	0.03 2

DEFOM-Stereo	0.07 4	0.05 23	0.07 8	0.14 40	0.06 15	0.10 145	0.13 118	0.07 2	0.13 136	0.06 13	0.07 45	0.06 21	0.05 11	0.10 75	0.09 61	0.04 11	0.04 24	0.05 33	0.03 1	0.04 20	0.04 47

999	0.09 101	0.05 23	0.13 250	0.15 82	0.08 140	0.10 145	0.14 171	0.15 124	0.11 71	0.10 148	0.08 83	0.08 117	0.08 161	0.16 341	0.10 139	0.06 122	0.04 24	0.06 119	0.05 129	0.04 20	0.05 135

PAM_32	0.09 101	0.05 23	0.17 399	0.15 82	0.08 140	0.10 145	0.15 243	0.14 93	0.15 180	0.09 114	0.08 83	0.09 142	0.07 122	0.14 285	0.08 17	0.06 122	0.05 203	0.06 119	0.06 207	0.05 111	0.06 222

PAM	0.10 164	0.05 23	0.16 371	0.15 82	0.08 140	0.09 93	0.16 309	0.15 124	0.16 209	0.12 217	0.09 104	0.09 142	0.07 122	0.13 259	0.08 17	0.06 122	0.05 203	0.06 119	0.06 207	0.05 111	0.06 222

UGAM-zero	0.09 101	0.05 23	0.15 337	0.15 82	0.08 140	0.09 93	0.13 118	0.19 241	0.15 180	0.11 179	0.15 230	0.07 76	0.07 122	0.09 37	0.09 61	0.06 122	0.05 203	0.06 119	0.05 129	0.05 111	0.06 222

WCG-NET	0.08 53	0.05 23	0.09 83	0.15 82	0.06 15	0.11 191	0.14 171	0.13 72	0.13 136	0.06 13	0.09 104	0.07 76	0.06 42	0.13 259	0.08 17	0.05 31	0.04 24	0.05 33	0.04 45	0.04 20	0.03 2

Occ-G	0.08 53	0.05 23	0.06 4	0.14 40	0.07 82	0.08 57	0.14 171	0.13 72	0.15 180	0.07 42	0.11 171	0.07 76	0.05 11	0.09 37	0.10 139	0.06 122	0.05 203	0.05 33	0.04 45	0.05 111	0.05 135

AIO-Stereo-zeroshot1	0.11 207	0.05 23	0.14 285	0.15 82	0.20 541	0.09 93	0.17 343	0.21 275	0.15 180	0.11 179	0.14 213	0.10 175	0.07 122	0.10 75	0.08 17	0.06 122	0.05 203	0.07 218	0.07 296	0.07 280	0.09 412

AIO-Stereo-zeroshot	0.11 207	0.05 23	0.11 169	0.15 82	0.13 466	0.13 270	0.16 309	0.23 318	0.17 229	0.10 148	0.12 185	0.10 175	0.07 122	0.11 125	0.09 61	0.06 122	0.05 203	0.06 119	0.06 207	0.07 280	0.08 367

WCG-NET（raft）	0.08 53	0.05 23	0.10 125	0.15 82	0.06 15	0.11 191	0.13 118	0.15 124	0.12 101	0.08 78	0.07 45	0.06 21	0.06 42	0.13 259	0.08 17	0.05 31	0.04 24	0.05 33	0.04 45	0.04 20	0.04 47

gcap-zeroshot	0.09 101	0.05 23	0.10 125	0.16 160	0.07 82	0.13 270	0.13 118	0.11 35	0.12 101	0.13 244	0.12 185	0.09 142	0.08 161	0.09 37	0.09 61	0.06 122	0.05 203	0.06 119	0.05 129	0.04 20	0.04 47

trnet	0.08 53	0.05 23	0.07 8	0.12 4	0.05 1	0.12 227	0.11 51	0.13 72	0.10 43	0.08 78	0.13 199	0.09 142	0.08 161	0.11 125	0.10 139	0.08 324	0.05 203	0.05 33	0.03 1	0.06 212	0.05 135

MoCha-V2	0.08 53	0.05 23	0.10 125	0.20 433	0.07 82	0.09 93	0.14 171	0.11 35	0.08 15	0.07 42	0.08 83	0.07 76	0.06 42	0.09 37	0.08 17	0.05 31	0.04 24	0.05 33	0.04 45	0.04 20	0.04 47

IGEV_Zeroshot_test	0.09 101	0.05 23	0.12 204	0.13 13	0.08 140	0.12 227	0.13 118	0.17 189	0.11 71	0.10 148	0.06 14	0.09 142	0.06 42	0.11 125	0.09 61	0.06 122	0.04 24	0.06 119	0.06 207	0.05 111	0.05 135

MSKI-zero shot	0.09 101	0.05 23	0.09 83	0.15 82	0.07 82	0.10 145	0.13 118	0.14 93	0.13 136	0.09 114	0.09 104	0.09 142	0.06 42	0.12 213	0.10 139	0.06 122	0.04 24	0.05 33	0.04 45	0.04 20	0.04 47

AEACV	0.08 53	0.05 23	0.08 38	0.14 40	0.13 466	0.14 302	0.13 118	0.14 93	0.09 28	0.07 42	0.09 104	0.07 76	0.08 161	0.10 75	0.09 61	0.06 122	0.04 24	0.06 119	0.05 129	0.05 111	0.04 47

Any-RAFT	0.10 164	0.05 23	0.09 83	0.14 40	0.07 82	0.13 270	0.14 171	0.21 275	0.15 180	0.11 179	0.12 185	0.12 217	0.09 191	0.12 213	0.09 61	0.07 262	0.04 24	0.05 33	0.04 45	0.06 212	0.05 135

LoS_RVC	0.08 53	0.05 23	0.07 8	0.15 82	0.07 82	0.08 57	0.15 243	0.11 35	0.10 43	0.08 78	0.09 104	0.06 21	0.09 191	0.10 75	0.09 61	0.05 31	0.04 24	0.05 33	0.03 1	0.04 20	0.03 2

LoS	0.09 101	0.05 23	0.11 169	0.13 13	0.07 82	0.14 302	0.11 51	0.15 124	0.15 180	0.09 114	0.09 104	0.12 217	0.09 191	0.15 307	0.10 139	0.07 262	0.05 203	0.05 33	0.03 1	0.05 111	0.05 135
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
EGLCR-Stereo	0.08 53	0.05 23	0.08 38	0.14 40	0.06 15	0.10 145	0.12 71	0.11 35	0.16 209	0.06 13	0.05 7	0.07 76	0.05 11	0.10 75	0.11 210	0.06 122	0.04 24	0.06 119	0.05 129	0.04 20	0.04 47

knoymous	0.11 207	0.05 23	0.12 204	0.13 13	0.07 82	0.15 328	0.14 171	0.19 241	0.13 136	0.11 179	0.17 263	0.13 242	0.09 191	0.13 259	0.11 210	0.08 324	0.05 203	0.06 119	0.05 129	0.08 343	0.07 303

iRaft-Stereo_20w	0.09 101	0.05 23	0.13 250	0.14 40	0.08 140	0.12 227	0.15 243	0.18 219	0.10 43	0.11 179	0.08 83	0.08 117	0.05 11	0.10 75	0.09 61	0.06 122	0.04 24	0.06 119	0.05 129	0.06 212	0.05 135

TRStereo	0.09 101	0.05 23	0.12 204	0.15 82	0.12 443	0.10 145	0.13 118	0.18 219	0.18 255	0.09 114	0.09 104	0.09 142	0.06 42	0.10 75	0.08 17	0.07 262	0.05 203	0.07 218	0.07 296	0.04 20	0.04 47

AnonymousM	0.09 101	0.05 23	0.10 125	0.14 40	0.06 15	0.09 93	0.13 118	0.19 241	0.14 161	0.13 244	0.11 171	0.09 142	0.08 161	0.13 259	0.10 139	0.08 324	0.05 203	0.08 303	0.05 129	0.05 111	0.05 135

XX-Stereo	0.09 101	0.05 23	0.08 38	0.17 236	0.09 258	0.15 328	0.12 71	0.20 252	0.10 43	0.10 148	0.14 213	0.07 76	0.06 42	0.12 213	0.08 17	0.06 122	0.05 203	0.06 119	0.06 207	0.04 20	0.04 47

PMTNet	0.09 101	0.05 23	0.09 83	0.12 4	0.06 15	0.12 227	0.14 171	0.15 124	0.11 71	0.09 114	0.13 199	0.10 175	0.07 122	0.13 259	0.10 139	0.15 520	0.04 24	0.05 33	0.03 1	0.07 280	0.06 222

FE-Mocha	0.09 101	0.06 71	0.14 285	0.16 160	0.09 258	0.10 145	0.15 243	0.18 219	0.16 209	0.10 148	0.09 104	0.07 76	0.07 122	0.09 37	0.09 61	0.06 122	0.04 24	0.06 119	0.06 207	0.05 111	0.05 135

Select-FE	0.11 207	0.06 71	0.20 445	0.15 82	0.11 411	0.11 191	0.13 118	0.21 275	0.18 255	0.09 114	0.11 171	0.10 175	0.06 42	0.12 213	0.09 61	0.07 262	0.05 203	0.07 218	0.08 361	0.06 212	0.08 367

MonStereo	0.07 4	0.06 71	0.05 1	0.15 82	0.05 1	0.08 57	0.10 29	0.15 124	0.15 180	0.05 2	0.06 14	0.05 1	0.06 42	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 71	0.05 1	0.15 82	0.05 1	0.08 57	0.10 29	0.15 124	0.15 180	0.05 2	0.06 14	0.05 1	0.06 42	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

AdaDepth	0.07 4	0.06 71	0.07 8	0.18 318	0.06 15	0.11 191	0.12 71	0.09 11	0.07 10	0.06 13	0.05 7	0.07 76	0.06 42	0.09 37	0.10 139	0.04 11	0.05 203	0.05 33	0.04 45	0.04 20	0.04 47

S2M2_XL	0.08 53	0.06 71	0.12 204	0.12 4	0.08 140	0.09 93	0.09 18	0.07 2	0.07 10	0.08 78	0.07 45	0.07 76	0.06 42	0.09 37	0.09 61	0.08 324	0.06 332	0.07 218	0.05 129	0.08 343	0.06 222
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
water-stereo	0.09 101	0.06 71	0.08 38	0.16 160	0.07 82	0.09 93	0.13 118	0.15 124	0.13 136	0.11 179	0.12 185	0.08 117	0.09 191	0.07 4	0.08 17	0.06 122	0.05 203	0.05 33	0.05 129	0.04 20	0.04 47

depthmonostereo	0.09 101	0.06 71	0.09 83	0.15 82	0.06 15	0.10 145	0.13 118	0.14 93	0.14 161	0.10 148	0.10 134	0.09 142	0.11 249	0.08 17	0.09 61	0.06 122	0.05 203	0.06 119	0.04 45	0.04 20	0.03 2

2.25w	0.07 4	0.06 71	0.07 8	0.14 40	0.06 15	0.08 57	0.08 7	0.10 20	0.15 180	0.08 78	0.10 134	0.07 76	0.06 42	0.08 17	0.10 139	0.05 31	0.03 1	0.04 1	0.04 45	0.03 1	0.04 47

3.25w_new	0.07 4	0.06 71	0.07 8	0.15 82	0.06 15	0.10 145	0.07 3	0.12 55	0.11 71	0.08 78	0.06 14	0.07 76	0.06 42	0.11 125	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 4	0.06 71	0.07 8	0.15 82	0.06 15	0.10 145	0.07 3	0.12 55	0.11 71	0.08 78	0.06 14	0.07 76	0.06 42	0.11 125	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 4	0.06 71	0.07 8	0.16 160	0.06 15	0.07 32	0.10 29	0.14 93	0.14 161	0.07 42	0.08 83	0.05 1	0.06 42	0.09 37	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 47

monsterstereo	0.07 4	0.06 71	0.06 4	0.16 160	0.06 15	0.08 57	0.10 29	0.16 153	0.11 71	0.07 42	0.08 83	0.06 21	0.07 122	0.08 17	0.09 61	0.04 11	0.04 24	0.05 33	0.04 45	0.03 1	0.03 2

monsters	0.07 4	0.06 71	0.06 4	0.15 82	0.06 15	0.08 57	0.09 18	0.12 55	0.08 15	0.09 114	0.07 45	0.06 21	0.06 42	0.08 17	0.08 17	0.05 31	0.04 24	0.04 1	0.04 45	0.03 1	0.03 2

G2L-ROB	0.13 299	0.06 71	0.13 250	0.13 13	0.08 140	0.14 302	0.16 309	0.25 357	0.18 255	0.19 382	0.18 288	0.20 365	0.14 343	0.17 373	0.16 383	0.08 324	0.05 203	0.06 119	0.05 129	0.08 343	0.09 412

LG-Stereo_Zeroshot	0.07 4	0.06 71	0.10 125	0.16 160	0.07 82	0.04 1	0.13 118	0.10 20	0.10 43	0.05 2	0.11 171	0.07 76	0.05 11	0.07 4	0.09 61	0.06 122	0.04 24	0.05 33	0.04 45	0.05 111	0.04 47

MM-Stereo_test2	0.09 101	0.06 71	0.09 83	0.19 376	0.08 140	0.12 227	0.18 389	0.15 124	0.14 161	0.07 42	0.10 134	0.07 76	0.06 42	0.12 213	0.09 61	0.05 31	0.04 24	0.06 119	0.05 129	0.05 111	0.03 2

GREAT-IGEV	0.07 4	0.06 71	0.08 38	0.13 13	0.07 82	0.07 32	0.14 171	0.09 11	0.09 28	0.06 13	0.07 45	0.06 21	0.05 11	0.10 75	0.07 1	0.05 31	0.04 24	0.05 33	0.04 45	0.05 111	0.04 47

HI	0.11 207	0.06 71	0.11 169	0.13 13	0.09 258	0.09 93	0.14 171	0.21 275	0.10 43	0.19 382	0.17 263	0.14 262	0.09 191	0.16 341	0.08 17	0.05 31	0.04 24	0.07 218	0.08 361	0.07 280	0.06 222

CoSv	0.11 207	0.06 71	0.11 169	0.13 13	0.09 258	0.09 93	0.14 171	0.21 275	0.10 43	0.19 382	0.17 263	0.14 262	0.09 191	0.16 341	0.08 17	0.05 31	0.04 24	0.07 218	0.08 361	0.07 280	0.06 222

DEFOM-Stereo_RVC	0.08 53	0.06 71	0.09 83	0.22 478	0.06 15	0.08 57	0.12 71	0.10 20	0.10 43	0.07 42	0.07 45	0.06 21	0.05 11	0.11 125	0.09 61	0.06 122	0.04 24	0.05 33	0.03 1	0.06 212	0.04 47

AIO_rvc	0.07 4	0.06 71	0.08 38	0.15 82	0.06 15	0.08 57	0.14 171	0.09 11	0.08 15	0.07 42	0.08 83	0.07 76	0.04 1	0.10 75	0.08 17	0.05 31	0.04 24	0.05 33	0.04 45	0.04 20	0.03 2

IGEV-RUCA	0.08 53	0.06 71	0.11 169	0.14 40	0.09 258	0.10 145	0.12 71	0.10 20	0.12 101	0.06 13	0.07 45	0.07 76	0.06 42	0.09 37	0.08 17	0.06 122	0.05 203	0.05 33	0.04 45	0.05 111	0.06 222

castereo	0.09 101	0.06 71	0.11 169	0.15 82	0.06 15	0.11 191	0.15 243	0.14 93	0.18 255	0.08 78	0.10 134	0.11 200	0.08 161	0.09 37	0.10 139	0.05 31	0.04 24	0.05 33	0.04 45	0.04 20	0.03 2

MonSter	0.07 4	0.06 71	0.05 1	0.15 82	0.05 1	0.07 32	0.10 29	0.15 124	0.15 180	0.05 2	0.06 14	0.05 1	0.06 42	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

GIP-stereo	0.08 53	0.06 71	0.11 169	0.14 40	0.06 15	0.09 93	0.13 118	0.14 93	0.11 71	0.07 42	0.08 83	0.05 1	0.04 1	0.10 75	0.07 1	0.05 31	0.04 24	0.05 33	0.04 45	0.05 111	0.04 47

fffft	0.09 101	0.06 71	0.12 204	0.16 160	0.07 82	0.09 93	0.17 343	0.12 55	0.11 71	0.08 78	0.07 45	0.09 142	0.06 42	0.11 125	0.12 261	0.05 31	0.04 24	0.06 119	0.05 129	0.04 20	0.05 135
1: 1. 1
SMoEStereo_RVC	0.08 53	0.06 71	0.12 204	0.16 160	0.07 82	0.09 93	0.14 171	0.11 35	0.13 136	0.09 114	0.07 45	0.07 76	0.07 122	0.12 213	0.10 139	0.05 31	0.04 24	0.06 119	0.05 129	0.04 20	0.04 47

tt45	0.09 101	0.06 71	0.11 169	0.15 82	0.07 82	0.11 191	0.16 309	0.13 72	0.11 71	0.09 114	0.06 14	0.08 117	0.06 42	0.13 259	0.10 139	0.06 122	0.04 24	0.06 119	0.05 129	0.05 111	0.06 222

tg	0.10 164	0.06 71	0.10 125	0.18 318	0.08 140	0.11 191	0.16 309	0.20 252	0.12 101	0.08 78	0.11 171	0.11 200	0.07 122	0.11 125	0.10 139	0.05 31	0.04 24	0.08 303	0.08 361	0.04 20	0.04 47

IGEV-Stereo++	0.07 4	0.06 71	0.08 38	0.18 318	0.06 15	0.04 1	0.10 29	0.11 35	0.11 71	0.06 13	0.07 45	0.07 76	0.06 42	0.09 37	0.09 61	0.05 31	0.04 24	0.05 33	0.04 45	0.05 111	0.04 47

AIO-Stereo	0.08 53	0.06 71	0.09 83	0.18 318	0.06 15	0.08 57	0.12 71	0.15 124	0.09 28	0.08 78	0.08 83	0.07 76	0.05 11	0.11 125	0.08 17	0.05 31	0.05 203	0.05 33	0.04 45	0.04 20	0.04 47

RSM++	0.08 53	0.06 71	0.09 83	0.17 236	0.07 82	0.09 93	0.12 71	0.11 35	0.11 71	0.08 78	0.06 14	0.07 76	0.05 11	0.10 75	0.09 61	0.04 11	0.04 24	0.06 119	0.05 129	0.05 111	0.03 2

RSM	0.08 53	0.06 71	0.09 83	0.17 236	0.06 15	0.08 57	0.12 71	0.12 55	0.10 43	0.08 78	0.07 45	0.06 21	0.05 11	0.11 125	0.09 61	0.04 11	0.04 24	0.05 33	0.04 45	0.04 20	0.03 2

RAFT-Stereo-weight	0.09 101	0.06 71	0.10 125	0.16 160	0.07 82	0.09 93	0.14 171	0.19 241	0.16 209	0.11 179	0.10 134	0.08 117	0.06 42	0.10 75	0.11 210	0.06 122	0.04 24	0.06 119	0.04 45	0.04 20	0.04 47

testlalala2	0.10 164	0.06 71	0.11 169	0.20 433	0.10 361	0.10 145	0.12 71	0.17 189	0.12 101	0.12 217	0.13 199	0.09 142	0.07 122	0.11 125	0.13 302	0.06 122	0.05 203	0.05 33	0.04 45	0.05 111	0.05 135

IGEV++	0.08 53	0.06 71	0.08 38	0.18 318	0.07 82	0.09 93	0.13 118	0.10 20	0.09 28	0.08 78	0.08 83	0.06 21	0.06 42	0.13 259	0.09 61	0.05 31	0.04 24	0.05 33	0.04 45	0.05 111	0.04 47

11t1	0.12 274	0.06 71	0.13 250	0.14 40	0.08 140	0.17 379	0.15 243	0.18 219	0.15 180	0.15 292	0.15 230	0.16 305	0.16 387	0.15 307	0.13 302	0.08 324	0.05 203	0.06 119	0.05 129	0.08 343	0.07 303

IGEVStereo-DCA	0.09 101	0.06 71	0.11 169	0.15 82	0.10 361	0.11 191	0.15 243	0.16 153	0.12 101	0.10 148	0.06 14	0.08 117	0.06 42	0.10 75	0.08 17	0.06 122	0.05 203	0.06 119	0.05 129	0.05 111	0.06 222

rrr	0.09 101	0.06 71	0.12 204	0.15 82	0.10 361	0.11 191	0.16 309	0.16 153	0.15 180	0.10 148	0.06 14	0.08 117	0.06 42	0.10 75	0.08 17	0.06 122	0.05 203	0.06 119	0.05 129	0.05 111	0.06 222

MIF-Stereo (partial)	0.11 207	0.06 71	0.10 125	0.19 376	0.10 361	0.10 145	0.11 51	0.17 189	0.18 255	0.14 265	0.16 242	0.09 142	0.11 249	0.12 213	0.12 261	0.08 324	0.05 203	0.08 303	0.07 296	0.06 212	0.07 303

RAFT-Test	0.09 101	0.06 71	0.10 125	0.15 82	0.07 82	0.11 191	0.15 243	0.16 153	0.13 136	0.09 114	0.10 134	0.10 175	0.09 191	0.12 213	0.09 61	0.06 122	0.04 24	0.05 33	0.04 45	0.04 20	0.05 135

HH	0.09 101	0.06 71	0.13 250	0.17 236	0.08 140	0.10 145	0.16 309	0.14 93	0.10 43	0.08 78	0.09 104	0.08 117	0.07 122	0.10 75	0.09 61	0.06 122	0.04 24	0.06 119	0.05 129	0.05 111	0.04 47

HanStereo	0.09 101	0.06 71	0.13 250	0.17 236	0.08 140	0.10 145	0.16 309	0.14 93	0.10 43	0.08 78	0.09 104	0.08 117	0.07 122	0.10 75	0.09 61	0.06 122	0.04 24	0.06 119	0.05 129	0.05 111	0.04 47

CBFPSM	0.14 333	0.06 71	0.26 482	0.17 236	0.09 258	0.13 270	0.15 243	0.22 298	0.23 333	0.20 405	0.27 417	0.24 416	0.16 387	0.16 341	0.18 416	0.06 122	0.06 332	0.06 119	0.07 296	0.07 280	0.07 303

iinet-f	0.16 400	0.06 71	0.45 537	0.14 40	0.10 361	0.21 453	0.14 171	0.27 396	0.23 333	0.21 419	0.24 361	0.21 374	0.15 361	0.18 394	0.21 455	0.09 383	0.07 404	0.07 218	0.06 207	0.09 406	0.10 439

Selective-IGEV	0.07 4	0.06 71	0.08 38	0.17 236	0.06 15	0.08 57	0.12 71	0.13 72	0.07 10	0.08 78	0.07 45	0.06 21	0.04 1	0.10 75	0.09 61	0.05 31	0.04 24	0.05 33	0.04 45	0.04 20	0.03 2

riskmin	0.11 207	0.06 71	0.13 250	0.14 40	0.08 140	0.14 302	0.14 171	0.18 219	0.14 161	0.11 179	0.14 213	0.16 305	0.11 249	0.14 285	0.12 261	0.09 383	0.05 203	0.07 218	0.05 129	0.08 343	0.08 367

MC-Stereo	0.08 53	0.06 71	0.09 83	0.17 236	0.06 15	0.10 145	0.14 171	0.12 55	0.10 43	0.09 114	0.12 185	0.09 142	0.06 42	0.11 125	0.10 139	0.06 122	0.04 24	0.06 119	0.05 129	0.04 20	0.04 47

RCA-Stereo	0.09 101	0.06 71	0.09 83	0.16 160	0.06 15	0.09 93	0.13 118	0.18 219	0.14 161	0.09 114	0.10 134	0.08 117	0.07 122	0.12 213	0.11 210	0.06 122	0.04 24	0.06 119	0.05 129	0.05 111	0.04 47

DCANet-4	0.10 164	0.06 71	0.12 204	0.16 160	0.06 15	0.09 93	0.17 343	0.18 219	0.19 271	0.13 244	0.16 242	0.09 142	0.14 343	0.11 125	0.12 261	0.06 122	0.04 24	0.05 33	0.04 45	0.04 20	0.05 135

fff	0.10 164	0.06 71	0.12 204	0.15 82	0.07 82	0.09 93	0.17 343	0.16 153	0.20 294	0.13 244	0.16 242	0.10 175	0.11 249	0.11 125	0.12 261	0.06 122	0.04 24	0.05 33	0.04 45	0.04 20	0.05 135

tt	4.67 598	0.06 71	3.55 598	2.02 598	1.55 598	10.25 606	16.71 607	8.91 611	5.03 604	1.31 597	0.94 582	4.71 602	4.76 603	3.33 602	5.87 605	6.06 610	10.30 614	1.88 604	2.11 604	2.75 601	1.21 600

ADStereo(finetuned)	0.10 164	0.06 71	0.12 204	0.16 160	0.06 15	0.09 93	0.17 343	0.15 124	0.19 271	0.13 244	0.17 263	0.10 175	0.12 280	0.11 125	0.12 261	0.06 122	0.04 24	0.05 33	0.04 45	0.05 111	0.04 47

test-3	0.08 53	0.06 71	0.09 83	0.17 236	0.07 82	0.07 32	0.14 171	0.12 55	0.15 180	0.09 114	0.08 83	0.07 76	0.08 161	0.11 125	0.10 139	0.05 31	0.04 24	0.07 218	0.05 129	0.04 20	0.04 47

test_1	0.08 53	0.06 71	0.09 83	0.17 236	0.07 82	0.07 32	0.14 171	0.12 55	0.15 180	0.09 114	0.08 83	0.07 76	0.08 161	0.11 125	0.10 139	0.05 31	0.04 24	0.07 218	0.05 129	0.04 20	0.04 47

CrosDoStereo	0.12 274	0.06 71	0.12 204	0.14 40	0.08 140	0.12 227	0.15 243	0.17 189	0.22 323	0.19 382	0.24 361	0.15 291	0.11 249	0.11 125	0.12 261	0.06 122	0.04 24	0.07 218	0.07 296	0.05 111	0.05 135

PFNet+	0.11 207	0.06 71	0.13 250	0.16 160	0.09 258	0.05 4	0.12 71	0.17 189	0.21 309	0.16 320	0.19 297	0.14 262	0.10 224	0.11 125	0.11 210	0.08 324	0.05 203	0.09 384	0.08 361	0.06 212	0.11 465

HHNet	0.11 207	0.06 71	0.16 371	0.15 82	0.14 486	0.07 32	0.13 118	0.20 252	0.17 229	0.14 265	0.25 391	0.11 200	0.08 161	0.13 259	0.10 139	0.05 31	0.04 24	0.08 303	0.06 207	0.05 111	0.09 412

OMP-Stereo	0.11 207	0.06 71	0.14 285	0.18 318	0.08 140	0.09 93	0.12 71	0.21 275	0.21 309	0.13 244	0.14 213	0.11 200	0.12 280	0.11 125	0.13 302	0.06 122	0.04 24	0.07 218	0.06 207	0.05 111	0.04 47

IIG-Stereo	0.11 207	0.06 71	0.13 250	0.17 236	0.08 140	0.11 191	0.12 71	0.22 298	0.17 229	0.14 265	0.17 263	0.11 200	0.12 280	0.12 213	0.12 261	0.06 122	0.05 203	0.07 218	0.06 207	0.05 111	0.04 47

FTStereo	0.12 274	0.06 71	0.14 285	0.18 318	0.09 258	0.07 32	0.15 243	0.21 275	0.18 255	0.12 217	0.24 361	0.12 217	0.12 280	0.13 259	0.13 302	0.05 31	0.05 203	0.07 218	0.06 207	0.06 212	0.10 439

ASMatch	0.11 207	0.06 71	0.13 250	0.16 160	0.10 361	0.07 32	0.14 171	0.17 189	0.17 229	0.12 217	0.16 242	0.16 305	0.10 224	0.13 259	0.10 139	0.05 31	0.04 24	0.06 119	0.05 129	0.04 20	0.08 367

DeepStereo_LL	0.12 274	0.06 71	0.12 204	0.14 40	0.08 140	0.12 227	0.15 243	0.17 189	0.22 323	0.19 382	0.24 361	0.15 291	0.11 249	0.11 125	0.12 261	0.06 122	0.04 24	0.07 218	0.07 296	0.05 111	0.05 135

DEmStereo	0.12 274	0.06 71	0.14 285	0.14 40	0.10 361	0.16 358	0.15 243	0.16 153	0.24 349	0.17 336	0.24 361	0.13 242	0.14 343	0.12 213	0.13 302	0.05 31	0.04 24	0.07 218	0.06 207	0.05 111	0.05 135

DRaft	0.12 274	0.06 71	0.11 169	0.14 40	0.09 258	0.14 302	0.17 343	0.21 275	0.30 426	0.17 336	0.28 431	0.10 175	0.15 361	0.10 75	0.12 261	0.05 31	0.04 24	0.07 218	0.06 207	0.05 111	0.05 135

PFNet	0.12 274	0.06 71	0.17 399	0.17 236	0.08 140	0.09 93	0.15 243	0.26 375	0.20 294	0.16 320	0.16 242	0.14 262	0.11 249	0.12 213	0.11 210	0.06 122	0.04 24	0.07 218	0.06 207	0.05 111	0.05 135

GrayStereo	0.11 207	0.06 71	0.11 169	0.19 376	0.09 258	0.09 93	0.16 309	0.18 219	0.17 229	0.14 265	0.17 263	0.17 325	0.11 249	0.12 213	0.11 210	0.05 31	0.05 203	0.07 218	0.06 207	0.05 111	0.10 439

RAFT-RH_RVC	0.11 207	0.06 71	0.14 285	0.16 160	0.09 258	0.12 227	0.12 71	0.17 189	0.12 101	0.13 244	0.41 521	0.11 200	0.10 224	0.13 259	0.12 261	0.05 31	0.04 24	0.08 303	0.05 129	0.04 20	0.06 222

Prome-Stereo	0.11 207	0.06 71	0.10 125	0.18 318	0.08 140	0.12 227	0.15 243	0.22 298	0.13 136	0.12 217	0.17 263	0.13 242	0.08 161	0.12 213	0.10 139	0.05 31	0.04 24	0.07 218	0.06 207	0.06 212	0.09 412

rafts_anoy	0.11 207	0.06 71	0.10 125	0.17 236	0.08 140	0.10 145	0.14 171	0.17 189	0.14 161	0.13 244	0.13 199	0.12 217	0.10 224	0.11 125	0.12 261	0.07 262	0.04 24	0.09 384	0.11 479	0.07 280	0.06 222

s12784h	0.09 101	0.06 71	0.07 8	0.15 82	0.05 1	0.16 358	0.18 389	0.15 124	0.15 180	0.10 148	0.11 171	0.11 200	0.11 249	0.10 75	0.12 261	0.05 31	0.04 24	0.05 33	0.04 45	0.04 20	0.04 47

XX-TBD	0.09 101	0.06 71	0.07 8	0.14 40	0.07 82	0.12 227	0.16 309	0.14 93	0.13 136	0.11 179	0.12 185	0.09 142	0.08 161	0.10 75	0.10 139	0.06 122	0.04 24	0.05 33	0.03 1	0.06 212	0.05 135

raftrobust	0.09 101	0.06 71	0.10 125	0.17 236	0.08 140	0.09 93	0.10 29	0.18 219	0.16 209	0.10 148	0.09 104	0.12 217	0.07 122	0.12 213	0.10 139	0.08 324	0.05 203	0.06 119	0.05 129	0.05 111	0.05 135

RALCasStereoNet	0.10 164	0.06 71	0.09 83	0.16 160	0.08 140	0.12 227	0.14 171	0.17 189	0.11 71	0.12 217	0.17 263	0.14 262	0.10 224	0.12 213	0.11 210	0.07 262	0.06 332	0.06 119	0.05 129	0.08 343	0.07 303

DCANet	0.10 164	0.06 71	0.12 204	0.16 160	0.06 15	0.09 93	0.17 343	0.15 124	0.19 271	0.13 244	0.17 263	0.10 175	0.11 249	0.11 125	0.12 261	0.06 122	0.04 24	0.05 33	0.04 45	0.05 111	0.04 47

csc	0.10 164	0.06 71	0.12 204	0.15 82	0.07 82	0.09 93	0.17 343	0.16 153	0.20 294	0.13 244	0.16 242	0.10 175	0.11 249	0.11 125	0.12 261	0.06 122	0.04 24	0.05 33	0.04 45	0.04 20	0.05 135

cscssc	0.10 164	0.06 71	0.12 204	0.15 82	0.07 82	0.09 93	0.17 343	0.16 153	0.20 294	0.13 244	0.16 242	0.10 175	0.11 249	0.11 125	0.12 261	0.06 122	0.04 24	0.05 33	0.04 45	0.04 20	0.05 135

111	0.10 164	0.06 71	0.12 204	0.15 82	0.07 82	0.10 145	0.14 171	0.21 275	0.23 333	0.11 179	0.12 185	0.14 262	0.11 249	0.13 259	0.10 139	0.06 122	0.04 24	0.06 119	0.04 45	0.05 111	0.05 135

test_xeample3	0.09 101	0.06 71	0.12 204	0.16 160	0.09 258	0.11 191	0.15 243	0.16 153	0.13 136	0.10 148	0.06 14	0.08 117	0.06 42	0.10 75	0.09 61	0.05 31	0.04 24	0.06 119	0.05 129	0.05 111	0.06 222

test_xeample	0.15 377	0.06 71	0.13 250	0.14 40	0.08 140	0.21 453	0.20 450	0.28 416	0.20 294	0.16 320	0.29 443	0.19 353	0.16 387	0.15 307	0.26 510	0.09 383	0.05 203	0.07 218	0.07 296	0.07 280	0.07 303

RAFT-Stereo + iAFF	0.09 101	0.06 71	0.10 125	0.17 236	0.06 15	0.10 145	0.16 309	0.17 189	0.14 161	0.09 114	0.10 134	0.08 117	0.09 191	0.11 125	0.09 61	0.05 31	0.04 24	0.06 119	0.06 207	0.04 20	0.03 2

AFF-stereo	0.09 101	0.06 71	0.10 125	0.17 236	0.07 82	0.10 145	0.16 309	0.17 189	0.09 28	0.10 148	0.12 185	0.09 142	0.09 191	0.12 213	0.09 61	0.05 31	0.04 24	0.07 218	0.07 296	0.04 20	0.03 2

Gwc-CoAtRS	0.09 101	0.06 71	0.10 125	0.16 160	0.07 82	0.10 145	0.14 171	0.17 189	0.17 229	0.08 78	0.10 134	0.12 217	0.09 191	0.12 213	0.09 61	0.06 122	0.04 24	0.06 119	0.04 45	0.04 20	0.04 47

R-Stereo Train	0.10 164	0.06 71	0.10 125	0.17 236	0.08 140	0.11 191	0.14 171	0.23 318	0.11 71	0.12 217	0.19 297	0.11 200	0.08 161	0.09 37	0.11 210	0.07 262	0.05 203	0.06 119	0.05 129	0.05 111	0.05 135

RAFT-Stereo	0.10 164	0.06 71	0.10 125	0.17 236	0.08 140	0.11 191	0.14 171	0.23 318	0.11 71	0.12 217	0.19 297	0.11 200	0.08 161	0.09 37	0.11 210	0.07 262	0.05 203	0.06 119	0.05 129	0.05 111	0.05 135
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 164	0.06 71	0.12 204	0.14 40	0.06 15	0.11 191	0.10 29	0.18 219	0.18 255	0.13 244	0.16 242	0.14 262	0.11 249	0.15 307	0.13 302	0.06 122	0.04 24	0.04 1	0.04 45	0.06 212	0.05 135
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
VIP-Stereo	0.07 4	0.07 158	0.07 8	0.15 82	0.06 15	0.12 227	0.10 29	0.11 35	0.11 71	0.06 13	0.07 45	0.06 21	0.05 11	0.10 75	0.08 17	0.05 31	0.04 24	0.05 33	0.03 1	0.03 1	0.02 1

OmniDepth	0.07 4	0.07 158	0.08 38	0.18 318	0.06 15	0.07 32	0.11 51	0.09 11	0.06 4	0.04 1	0.07 45	0.10 175	0.09 191	0.08 17	0.08 17	0.04 11	0.03 1	0.04 1	0.04 45	0.03 1	0.03 2

DA	0.08 53	0.07 158	0.07 8	0.19 376	0.08 140	0.09 93	0.12 71	0.13 72	0.12 101	0.08 78	0.10 134	0.10 175	0.08 161	0.09 37	0.10 139	0.05 31	0.04 24	0.06 119	0.04 45	0.05 111	0.03 2

GGEV	0.08 53	0.07 158	0.07 8	0.19 376	0.08 140	0.09 93	0.12 71	0.13 72	0.12 101	0.08 78	0.10 134	0.10 175	0.08 161	0.09 37	0.10 139	0.05 31	0.04 24	0.06 119	0.04 45	0.05 111	0.03 2

2.5w	0.07 4	0.07 158	0.07 8	0.16 160	0.06 15	0.08 57	0.12 71	0.10 20	0.10 43	0.07 42	0.06 14	0.09 142	0.06 42	0.08 17	0.09 61	0.04 11	0.03 1	0.04 1	0.04 45	0.03 1	0.03 2

2.75w_new	0.07 4	0.07 158	0.07 8	0.13 13	0.06 15	0.08 57	0.08 7	0.18 219	0.12 101	0.07 42	0.08 83	0.06 21	0.06 42	0.09 37	0.11 210	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 47

3.75w	0.07 4	0.07 158	0.08 38	0.16 160	0.07 82	0.07 32	0.09 18	0.16 153	0.09 28	0.07 42	0.06 14	0.05 1	0.06 42	0.09 37	0.10 139	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 4	0.07 158	0.07 8	0.15 82	0.07 82	0.09 93	0.06 1	0.13 72	0.11 71	0.07 42	0.07 45	0.06 21	0.07 122	0.10 75	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

xyz-stereo-finetune2	0.11 207	0.07 158	0.13 250	0.13 13	0.07 82	0.11 191	0.19 429	0.17 189	0.12 101	0.15 292	0.15 230	0.17 325	0.12 280	0.13 259	0.11 210	0.05 31	0.04 24	0.07 218	0.05 129	0.04 20	0.06 222

xyz-stereo	0.13 299	0.07 158	0.20 445	0.15 82	0.05 1	0.20 436	0.15 243	0.17 189	0.31 433	0.15 292	0.29 443	0.26 440	0.16 387	0.13 259	0.12 261	0.05 31	0.05 203	0.06 119	0.05 129	0.04 20	0.04 47

G2L-Stereo_test	0.14 333	0.07 158	0.11 169	0.13 13	0.08 140	0.12 227	0.16 309	0.30 441	0.28 408	0.20 405	0.23 349	0.20 365	0.16 387	0.17 373	0.18 416	0.07 262	0.05 203	0.05 33	0.05 129	0.07 280	0.06 222

coex_refinement	0.14 333	0.07 158	0.12 204	0.17 236	0.10 361	0.15 328	0.15 243	0.26 375	0.29 415	0.18 366	0.20 309	0.22 392	0.17 410	0.16 341	0.18 416	0.08 324	0.05 203	0.06 119	0.06 207	0.09 406	0.08 367

LG-Stereo	0.08 53	0.07 158	0.10 125	0.18 318	0.07 82	0.10 145	0.17 343	0.11 35	0.08 15	0.05 2	0.07 45	0.05 1	0.07 122	0.09 37	0.09 61	0.04 11	0.05 203	0.07 218	0.07 296	0.04 20	0.04 47

G2L-Stereo	0.14 333	0.07 158	0.13 250	0.17 236	0.09 258	0.13 270	0.12 71	0.27 396	0.22 323	0.16 320	0.27 417	0.21 374	0.13 318	0.17 373	0.18 416	0.09 383	0.08 430	0.08 303	0.07 296	0.07 280	0.07 303

MM-Stereo_test3	0.10 164	0.07 158	0.07 8	0.18 318	0.07 82	0.12 227	0.19 429	0.24 341	0.19 271	0.06 13	0.10 134	0.08 117	0.06 42	0.11 125	0.08 17	0.06 122	0.06 332	0.07 218	0.05 129	0.05 111	0.04 47

MM-Stereo_test1	0.10 164	0.07 158	0.08 38	0.18 318	0.07 82	0.12 227	0.18 389	0.21 275	0.20 294	0.09 114	0.11 171	0.08 117	0.06 42	0.10 75	0.10 139	0.06 122	0.05 203	0.07 218	0.06 207	0.05 111	0.04 47

HART	0.08 53	0.07 158	0.09 83	0.17 236	0.07 82	0.10 145	0.16 309	0.13 72	0.11 71	0.08 78	0.10 134	0.07 76	0.05 11	0.10 75	0.08 17	0.05 31	0.04 24	0.06 119	0.04 45	0.05 111	0.04 47

SCV_C0	0.08 53	0.07 158	0.07 8	0.16 160	0.09 258	0.08 57	0.15 243	0.11 35	0.12 101	0.08 78	0.07 45	0.06 21	0.05 11	0.11 125	0.07 1	0.05 31	0.05 203	0.05 33	0.04 45	0.06 212	0.05 135

AIO-test1	0.10 164	0.07 158	0.10 125	0.23 499	0.07 82	0.09 93	0.13 118	0.21 275	0.14 161	0.11 179	0.12 185	0.09 142	0.07 122	0.11 125	0.09 61	0.06 122	0.05 203	0.09 384	0.10 447	0.03 1	0.06 222

mms	0.09 101	0.07 158	0.08 38	0.16 160	0.08 140	0.10 145	0.16 309	0.12 55	0.11 71	0.08 78	0.09 104	0.08 117	0.06 42	0.11 125	0.12 261	0.05 31	0.04 24	0.07 218	0.05 129	0.04 20	0.03 2

ours_stereo	0.09 101	0.07 158	0.09 83	0.17 236	0.08 140	0.11 191	0.16 309	0.11 35	0.12 101	0.08 78	0.10 134	0.08 117	0.06 42	0.12 213	0.12 261	0.05 31	0.04 24	0.06 119	0.05 129	0.04 20	0.03 2

GCAP-BAT	0.09 101	0.07 158	0.14 285	0.15 82	0.08 140	0.10 145	0.13 118	0.14 93	0.10 43	0.11 179	0.10 134	0.08 117	0.07 122	0.12 213	0.10 139	0.06 122	0.05 203	0.06 119	0.04 45	0.04 20	0.04 47

U	0.08 53	0.07 158	0.09 83	0.19 376	0.10 361	0.10 145	0.13 118	0.12 55	0.17 229	0.07 42	0.07 45	0.06 21	0.05 11	0.07 4	0.08 17	0.06 122	0.04 24	0.06 119	0.04 45	0.06 212	0.05 135

rvit_stereo_ft	0.12 274	0.07 158	0.13 250	0.19 376	0.10 361	0.12 227	0.17 343	0.16 153	0.16 209	0.12 217	0.13 199	0.15 291	0.10 224	0.14 285	0.13 302	0.09 383	0.06 332	0.08 303	0.07 296	0.07 280	0.05 135

test_sample2	0.12 274	0.07 158	0.12 204	0.14 40	0.08 140	0.16 358	0.18 389	0.21 275	0.16 209	0.14 265	0.20 309	0.19 353	0.15 361	0.15 307	0.12 261	0.08 324	0.05 203	0.07 218	0.06 207	0.08 343	0.07 303

test_sample1	0.13 299	0.07 158	0.14 285	0.13 13	0.08 140	0.19 421	0.16 309	0.20 252	0.15 180	0.14 265	0.22 340	0.18 339	0.16 387	0.17 373	0.14 339	0.07 262	0.06 332	0.06 119	0.06 207	0.08 343	0.07 303

CAS++	0.11 207	0.07 158	0.11 169	0.14 40	0.09 258	0.12 227	0.14 171	0.24 341	0.14 161	0.11 179	0.09 104	0.11 200	0.07 122	0.14 285	0.09 61	0.11 454	0.09 459	0.09 384	0.07 296	0.07 280	0.08 367
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.09 101	0.07 158	0.12 204	0.15 82	0.08 140	0.09 93	0.15 243	0.12 55	0.12 101	0.07 42	0.10 134	0.08 117	0.06 42	0.10 75	0.09 61	0.05 31	0.04 24	0.06 119	0.05 129	0.06 212	0.05 135

MyStereo8	0.12 274	0.07 158	0.15 337	0.15 82	0.09 258	0.18 398	0.14 171	0.19 241	0.22 323	0.12 217	0.18 288	0.11 200	0.10 224	0.16 341	0.18 416	0.07 262	0.05 203	0.07 218	0.05 129	0.08 343	0.09 412

SMFormer	0.14 333	0.07 158	0.17 399	0.14 40	0.08 140	0.16 358	0.17 343	0.26 375	0.27 394	0.19 382	0.20 309	0.18 339	0.15 361	0.15 307	0.17 398	0.08 324	0.05 203	0.07 218	0.06 207	0.07 280	0.06 222

tta	0.14 333	0.07 158	0.17 399	0.14 40	0.08 140	0.16 358	0.17 343	0.26 375	0.27 394	0.19 382	0.20 309	0.18 339	0.15 361	0.15 307	0.17 398	0.08 324	0.05 203	0.07 218	0.06 207	0.06 212	0.06 222

qqq1	0.13 299	0.07 158	0.17 399	0.14 40	0.08 140	0.16 358	0.17 343	0.26 375	0.27 394	0.19 382	0.20 309	0.18 339	0.15 361	0.15 307	0.11 210	0.08 324	0.05 203	0.05 33	0.05 129	0.06 212	0.06 222

fff1	0.13 299	0.07 158	0.17 399	0.14 40	0.08 140	0.16 358	0.17 343	0.26 375	0.27 394	0.19 382	0.20 309	0.18 339	0.15 361	0.15 307	0.11 210	0.08 324	0.05 203	0.05 33	0.05 129	0.06 212	0.06 222

MyStereo07	0.10 164	0.07 158	0.10 125	0.17 236	0.09 258	0.14 302	0.18 389	0.15 124	0.15 180	0.09 114	0.06 14	0.06 21	0.07 122	0.12 213	0.09 61	0.06 122	0.05 203	0.08 303	0.07 296	0.06 212	0.06 222

MyStereo06	0.10 164	0.07 158	0.12 204	0.17 236	0.09 258	0.13 270	0.18 389	0.19 241	0.12 101	0.12 217	0.08 83	0.07 76	0.07 122	0.11 125	0.09 61	0.06 122	0.05 203	0.07 218	0.07 296	0.06 212	0.06 222

MyStereo05	0.13 299	0.07 158	0.10 125	0.17 236	0.09 258	0.13 270	0.18 389	0.27 396	0.35 468	0.17 336	0.14 213	0.15 291	0.11 249	0.15 307	0.13 302	0.06 122	0.05 203	0.07 218	0.07 296	0.06 212	0.06 222

MyStereo04	0.13 299	0.07 158	0.10 125	0.17 236	0.09 258	0.14 302	0.18 389	0.29 427	0.38 486	0.17 336	0.14 213	0.16 305	0.10 224	0.15 307	0.13 302	0.06 122	0.05 203	0.08 303	0.07 296	0.06 212	0.06 222

CoDeX	0.12 274	0.07 158	0.12 204	0.17 236	0.08 140	0.12 227	0.15 243	0.23 318	0.27 394	0.13 244	0.17 263	0.16 305	0.11 249	0.14 285	0.11 210	0.07 262	0.05 203	0.07 218	0.06 207	0.06 212	0.05 135

ff7	0.09 101	0.07 158	0.11 169	0.16 160	0.09 258	0.11 191	0.15 243	0.16 153	0.12 101	0.10 148	0.06 14	0.06 21	0.06 42	0.11 125	0.09 61	0.05 31	0.04 24	0.06 119	0.05 129	0.05 111	0.06 222

ffff	0.09 101	0.07 158	0.11 169	0.16 160	0.09 258	0.11 191	0.15 243	0.16 153	0.12 101	0.10 148	0.06 14	0.06 21	0.06 42	0.11 125	0.09 61	0.05 31	0.04 24	0.06 119	0.05 129	0.05 111	0.06 222

11t	0.09 101	0.07 158	0.11 169	0.16 160	0.09 258	0.11 191	0.15 243	0.16 153	0.12 101	0.10 148	0.06 14	0.06 21	0.06 42	0.11 125	0.09 61	0.05 31	0.04 24	0.06 119	0.05 129	0.05 111	0.06 222

UniTT-Stereo	0.09 101	0.07 158	0.08 38	0.18 318	0.08 140	0.13 270	0.11 51	0.12 55	0.11 71	0.10 148	0.12 185	0.05 1	0.07 122	0.09 37	0.09 61	0.07 262	0.05 203	0.05 33	0.05 129	0.05 111	0.05 135

EKT-Stereo	0.11 207	0.07 158	0.14 285	0.15 82	0.10 361	0.13 270	0.14 171	0.18 219	0.21 309	0.11 179	0.08 83	0.12 217	0.09 191	0.11 125	0.12 261	0.08 324	0.06 332	0.07 218	0.06 207	0.08 343	0.07 303

MIM_Stereo	0.09 101	0.07 158	0.11 169	0.15 82	0.07 82	0.06 10	0.12 71	0.20 252	0.14 161	0.13 244	0.13 199	0.09 142	0.05 11	0.12 213	0.08 17	0.05 31	0.06 332	0.07 218	0.06 207	0.06 212	0.05 135

testlalala	0.08 53	0.07 158	0.17 399	0.16 160	0.08 140	0.09 93	0.12 71	0.15 124	0.10 43	0.07 42	0.09 104	0.06 21	0.06 42	0.11 125	0.09 61	0.05 31	0.04 24	0.06 119	0.04 45	0.04 20	0.04 47

GCAP-Stereo	0.09 101	0.07 158	0.13 250	0.18 318	0.06 15	0.11 191	0.07 3	0.13 72	0.12 101	0.09 114	0.10 134	0.07 76	0.09 191	0.13 259	0.10 139	0.06 122	0.05 203	0.05 33	0.04 45	0.04 20	0.05 135

4D-IteraStereo	0.09 101	0.07 158	0.10 125	0.18 318	0.07 82	0.09 93	0.15 243	0.17 189	0.15 180	0.10 148	0.11 171	0.10 175	0.07 122	0.11 125	0.09 61	0.05 31	0.03 1	0.08 303	0.07 296	0.06 212	0.05 135

anonymousdsp2	0.11 207	0.07 158	0.10 125	0.16 160	0.09 258	0.13 270	0.14 171	0.18 219	0.22 323	0.13 244	0.14 213	0.12 217	0.09 191	0.14 285	0.11 210	0.05 31	0.04 24	0.05 33	0.04 45	0.06 212	0.05 135

anonymousdsp	0.09 101	0.07 158	0.11 169	0.16 160	0.09 258	0.11 191	0.15 243	0.16 153	0.12 101	0.09 114	0.06 14	0.06 21	0.06 42	0.11 125	0.09 61	0.05 31	0.04 24	0.06 119	0.05 129	0.05 111	0.06 222

gwcnet-sp	0.14 333	0.07 158	0.12 204	0.18 318	0.09 258	0.16 358	0.17 343	0.24 341	0.24 349	0.18 366	0.24 361	0.15 291	0.16 387	0.15 307	0.15 367	0.08 324	0.06 332	0.07 218	0.08 361	0.08 343	0.07 303

scenet	0.14 333	0.07 158	0.12 204	0.18 318	0.09 258	0.16 358	0.17 343	0.24 341	0.24 349	0.18 366	0.24 361	0.15 291	0.16 387	0.15 307	0.15 367	0.08 324	0.06 332	0.07 218	0.08 361	0.08 343	0.07 303

DCRE	0.11 207	0.07 158	0.13 250	0.16 160	0.11 411	0.11 191	0.17 343	0.18 219	0.17 229	0.11 179	0.18 288	0.10 175	0.10 224	0.15 307	0.11 210	0.06 122	0.05 203	0.06 119	0.06 207	0.05 111	0.04 47

anonymousa	0.13 299	0.07 158	0.13 250	0.18 318	0.09 258	0.13 270	0.17 343	0.19 241	0.29 415	0.15 292	0.24 361	0.15 291	0.14 343	0.14 285	0.14 339	0.07 262	0.05 203	0.07 218	0.09 408	0.05 111	0.06 222

ProNet	0.09 101	0.07 158	0.10 125	0.17 236	0.08 140	0.10 145	0.15 243	0.15 124	0.12 101	0.09 114	0.06 14	0.07 76	0.06 42	0.11 125	0.09 61	0.05 31	0.04 24	0.06 119	0.05 129	0.04 20	0.06 222

ssnet	0.14 333	0.07 158	0.12 204	0.18 318	0.09 258	0.16 358	0.17 343	0.24 341	0.24 349	0.18 366	0.24 361	0.15 291	0.16 387	0.15 307	0.15 367	0.08 324	0.06 332	0.07 218	0.08 361	0.08 343	0.07 303

ccc-4	0.09 101	0.07 158	0.11 169	0.16 160	0.09 258	0.11 191	0.15 243	0.16 153	0.12 101	0.10 148	0.06 14	0.06 21	0.06 42	0.11 125	0.09 61	0.05 31	0.04 24	0.06 119	0.05 129	0.05 111	0.06 222

x	0.13 299	0.07 158	0.14 285	0.14 40	0.08 140	0.18 398	0.14 171	0.22 298	0.20 294	0.15 292	0.19 297	0.19 353	0.17 410	0.18 394	0.18 416	0.07 262	0.05 203	0.06 119	0.06 207	0.07 280	0.07 303

DisPM	0.11 207	0.07 158	0.12 204	0.16 160	0.09 258	0.06 10	0.13 118	0.17 189	0.17 229	0.14 265	0.20 309	0.12 217	0.10 224	0.11 125	0.10 139	0.06 122	0.04 24	0.07 218	0.06 207	0.06 212	0.11 465

IER	0.14 333	0.07 158	0.13 250	0.17 236	0.09 258	0.14 302	0.16 309	0.25 357	0.26 384	0.18 366	0.25 391	0.17 325	0.20 452	0.16 341	0.14 339	0.08 324	0.05 203	0.07 218	0.06 207	0.08 343	0.07 303

IGEV-Stereo	0.09 101	0.07 158	0.11 169	0.16 160	0.09 258	0.11 191	0.15 243	0.16 153	0.12 101	0.09 114	0.06 14	0.06 21	0.06 42	0.11 125	0.09 61	0.05 31	0.04 24	0.06 119	0.05 129	0.05 111	0.06 222
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.11 207	0.07 158	0.11 169	0.17 236	0.07 82	0.09 93	0.13 118	0.15 124	0.24 349	0.12 217	0.13 199	0.12 217	0.08 161	0.18 394	0.11 210	0.06 122	0.08 430	0.08 303	0.06 207	0.05 111	0.05 135

IPLG	0.10 164	0.07 158	0.15 337	0.17 236	0.08 140	0.11 191	0.14 171	0.20 252	0.15 180	0.12 217	0.17 263	0.07 76	0.07 122	0.14 285	0.13 302	0.06 122	0.04 24	0.06 119	0.05 129	0.04 20	0.04 47

GANet-ADL	0.13 299	0.07 158	0.15 337	0.17 236	0.10 361	0.18 398	0.15 243	0.30 441	0.20 294	0.13 244	0.18 288	0.19 353	0.12 280	0.16 341	0.13 302	0.08 324	0.06 332	0.06 119	0.05 129	0.07 280	0.08 367

LCNet	0.11 207	0.07 158	0.09 83	0.19 376	0.09 258	0.08 57	0.15 243	0.21 275	0.15 180	0.11 179	0.15 230	0.16 305	0.11 249	0.12 213	0.11 210	0.05 31	0.04 24	0.08 303	0.07 296	0.06 212	0.15 522

AAGNet	0.11 207	0.07 158	0.16 371	0.19 376	0.09 258	0.08 57	0.13 118	0.18 219	0.13 136	0.16 320	0.21 330	0.13 242	0.14 343	0.11 125	0.14 339	0.06 122	0.04 24	0.09 384	0.06 207	0.06 212	0.05 135

STrans-v2	0.10 164	0.07 158	0.12 204	0.18 318	0.07 82	0.10 145	0.14 171	0.21 275	0.11 71	0.11 179	0.15 230	0.12 217	0.10 224	0.11 125	0.12 261	0.05 31	0.04 24	0.06 119	0.06 207	0.04 20	0.04 47

NF-Stereo	0.11 207	0.07 158	0.13 250	0.17 236	0.09 258	0.10 145	0.14 171	0.23 318	0.19 271	0.12 217	0.17 263	0.12 217	0.11 249	0.11 125	0.11 210	0.06 122	0.04 24	0.07 218	0.06 207	0.06 212	0.12 478

OCTAStereo	0.11 207	0.07 158	0.13 250	0.17 236	0.09 258	0.10 145	0.14 171	0.23 318	0.19 271	0.12 217	0.17 263	0.12 217	0.11 249	0.11 125	0.11 210	0.06 122	0.04 24	0.07 218	0.06 207	0.06 212	0.12 478

PSM-softLoss	0.12 274	0.07 158	0.15 337	0.17 236	0.09 258	0.08 57	0.13 118	0.24 341	0.17 229	0.14 265	0.19 297	0.13 242	0.11 249	0.11 125	0.11 210	0.07 262	0.05 203	0.08 303	0.07 296	0.06 212	0.12 478

KMStereo	0.12 274	0.07 158	0.15 337	0.17 236	0.09 258	0.08 57	0.13 118	0.24 341	0.17 229	0.14 265	0.19 297	0.13 242	0.11 249	0.11 125	0.11 210	0.07 262	0.05 203	0.08 303	0.07 296	0.06 212	0.12 478

PSM-AAD	0.11 207	0.07 158	0.10 125	0.19 376	0.09 258	0.10 145	0.15 243	0.20 252	0.13 136	0.12 217	0.14 213	0.18 339	0.11 249	0.11 125	0.10 139	0.05 31	0.05 203	0.09 384	0.08 361	0.06 212	0.14 515

KYRaft	0.11 207	0.07 158	0.10 125	0.19 376	0.09 258	0.08 57	0.15 243	0.22 298	0.12 101	0.13 244	0.16 242	0.20 365	0.10 224	0.12 213	0.10 139	0.05 31	0.04 24	0.08 303	0.08 361	0.06 212	0.16 533

SST-Stereo	0.10 164	0.07 158	0.15 337	0.18 318	0.09 258	0.06 10	0.12 71	0.17 189	0.11 71	0.15 292	0.17 263	0.13 242	0.12 280	0.10 75	0.11 210	0.06 122	0.04 24	0.09 384	0.06 207	0.06 212	0.05 135

THIR-Stereo	0.12 274	0.07 158	0.11 169	0.15 82	0.08 140	0.14 302	0.16 309	0.17 189	0.25 370	0.16 320	0.24 361	0.14 262	0.12 280	0.12 213	0.14 339	0.06 122	0.04 24	0.07 218	0.07 296	0.05 111	0.05 135

RAFT_R40	0.11 207	0.07 158	0.14 285	0.18 318	0.09 258	0.06 10	0.13 118	0.17 189	0.16 209	0.14 265	0.18 288	0.15 291	0.12 280	0.10 75	0.11 210	0.06 122	0.04 24	0.09 384	0.06 207	0.06 212	0.05 135

RE-Stereo	0.11 207	0.07 158	0.13 250	0.17 236	0.09 258	0.10 145	0.14 171	0.23 318	0.19 271	0.12 217	0.17 263	0.12 217	0.11 249	0.11 125	0.11 210	0.06 122	0.04 24	0.07 218	0.06 207	0.06 212	0.12 478

Pruner-Stereo	0.11 207	0.07 158	0.12 204	0.17 236	0.09 258	0.06 10	0.12 71	0.17 189	0.17 229	0.13 244	0.19 297	0.13 242	0.09 191	0.11 125	0.11 210	0.06 122	0.04 24	0.07 218	0.06 207	0.06 212	0.08 367

TVStereo	0.11 207	0.07 158	0.13 250	0.17 236	0.09 258	0.10 145	0.14 171	0.23 318	0.19 271	0.12 217	0.17 263	0.12 217	0.11 249	0.11 125	0.11 210	0.06 122	0.04 24	0.07 218	0.06 207	0.06 212	0.12 478

RAFT-345	0.11 207	0.07 158	0.15 337	0.16 160	0.08 140	0.08 57	0.12 71	0.15 124	0.10 43	0.11 179	0.36 484	0.09 142	0.09 191	0.11 125	0.12 261	0.05 31	0.05 203	0.07 218	0.06 207	0.04 20	0.05 135

test-1	0.10 164	0.07 158	0.16 371	0.19 376	0.08 140	0.11 191	0.24 500	0.14 93	0.18 255	0.09 114	0.07 45	0.09 142	0.08 161	0.07 4	0.09 61	0.06 122	0.04 24	0.06 119	0.05 129	0.04 20	0.04 47

GMM-Stereo	0.11 207	0.07 158	0.10 125	0.18 318	0.09 258	0.08 57	0.15 243	0.23 318	0.16 209	0.11 179	0.15 230	0.13 242	0.11 249	0.11 125	0.11 210	0.05 31	0.04 24	0.08 303	0.07 296	0.06 212	0.09 412

iRaftStereo_RVC	0.10 164	0.07 158	0.09 83	0.17 236	0.09 258	0.11 191	0.17 343	0.18 219	0.12 101	0.09 114	0.12 185	0.10 175	0.07 122	0.11 125	0.10 139	0.05 31	0.04 24	0.08 303	0.08 361	0.04 20	0.04 47

raft+_RVC	0.11 207	0.07 158	0.09 83	0.16 160	0.07 82	0.10 145	0.11 51	0.24 341	0.20 294	0.12 217	0.15 230	0.12 217	0.08 161	0.12 213	0.13 302	0.07 262	0.04 24	0.07 218	0.06 207	0.05 111	0.05 135

222	0.16 400	0.07 158	0.14 285	0.14 40	0.08 140	0.24 479	0.18 389	0.30 441	0.20 294	0.17 336	0.28 431	0.17 325	0.16 387	0.15 307	0.40 560	0.10 425	0.05 203	0.07 218	0.06 207	0.07 280	0.08 367

xxxx	0.15 377	0.07 158	0.14 285	0.14 40	0.08 140	0.23 474	0.18 389	0.31 451	0.19 271	0.14 265	0.28 431	0.22 392	0.14 343	0.15 307	0.26 510	0.09 383	0.05 203	0.07 218	0.07 296	0.08 343	0.07 303

RAFT + AFF	0.13 299	0.07 158	0.20 445	0.20 433	0.10 361	0.14 302	0.24 500	0.26 375	0.20 294	0.11 179	0.10 134	0.12 217	0.10 224	0.15 307	0.12 261	0.07 262	0.06 332	0.09 384	0.08 361	0.06 212	0.08 367

EAI-Stereo	0.09 101	0.07 158	0.11 169	0.15 82	0.06 15	0.10 145	0.15 243	0.16 153	0.09 28	0.08 78	0.09 104	0.08 117	0.07 122	0.09 37	0.11 210	0.05 31	0.04 24	0.05 33	0.05 129	0.05 111	0.04 47

CFNet-RSSM	0.09 101	0.07 158	0.09 83	0.16 160	0.07 82	0.09 93	0.15 243	0.16 153	0.17 229	0.08 78	0.12 185	0.10 175	0.09 191	0.11 125	0.09 61	0.06 122	0.04 24	0.06 119	0.04 45	0.04 20	0.04 47

SFCPSM	0.13 299	0.07 158	0.14 285	0.17 236	0.09 258	0.15 328	0.16 309	0.28 416	0.27 394	0.14 265	0.17 263	0.12 217	0.13 318	0.14 285	0.11 210	0.08 324	0.05 203	0.07 218	0.07 296	0.07 280	0.06 222

cf-r	0.13 299	0.07 158	0.12 204	0.16 160	0.08 140	0.14 302	0.19 429	0.20 252	0.25 370	0.17 336	0.25 391	0.21 374	0.16 387	0.14 285	0.14 339	0.10 425	0.05 203	0.06 119	0.08 361	0.06 212	0.06 222

GANet-RSSM	0.14 333	0.07 158	0.13 250	0.13 13	0.08 140	0.14 302	0.17 343	0.22 298	0.21 309	0.17 336	0.24 361	0.23 410	0.15 361	0.16 341	0.15 367	0.10 425	0.06 332	0.07 218	0.08 361	0.08 343	0.07 303

PSMNet-RSSM	0.14 333	0.07 158	0.13 250	0.15 82	0.08 140	0.13 270	0.16 309	0.24 341	0.24 349	0.16 320	0.28 431	0.22 392	0.14 343	0.15 307	0.13 302	0.11 454	0.06 332	0.09 384	0.12 498	0.08 343	0.07 303

GwcNet-RSSM	0.14 333	0.07 158	0.12 204	0.15 82	0.08 140	0.15 328	0.20 450	0.21 275	0.27 394	0.18 366	0.27 417	0.22 392	0.16 387	0.14 285	0.15 367	0.10 425	0.05 203	0.07 218	0.09 408	0.07 280	0.07 303

CFNet-ft	0.14 333	0.07 158	0.15 337	0.12 4	0.09 258	0.16 358	0.18 389	0.22 298	0.24 349	0.17 336	0.26 408	0.24 416	0.14 343	0.16 341	0.14 339	0.11 454	0.06 332	0.08 303	0.09 408	0.09 406	0.08 367

DIP-Stereo	0.11 207	0.07 158	0.14 285	0.17 236	0.09 258	0.13 270	0.09 18	0.16 153	0.16 209	0.11 179	0.16 242	0.14 262	0.12 280	0.15 307	0.13 302	0.06 122	0.05 203	0.06 119	0.05 129	0.05 111	0.06 222
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	0.14 333	0.07 158	0.14 285	0.16 160	0.08 140	0.18 398	0.14 171	0.29 427	0.20 294	0.17 336	0.25 391	0.21 374	0.18 424	0.20 434	0.19 429	0.07 262	0.06 332	0.06 119	0.08 361	0.06 212	0.06 222

CFNet_RVC	0.14 333	0.07 158	0.15 337	0.12 4	0.09 258	0.16 358	0.18 389	0.22 298	0.24 349	0.17 336	0.26 408	0.24 416	0.14 343	0.16 341	0.14 339	0.11 454	0.06 332	0.08 303	0.09 408	0.09 406	0.08 367

MLCV	0.12 274	0.07 158	0.16 371	0.18 318	0.06 15	0.15 328	0.17 343	0.19 241	0.21 309	0.18 366	0.25 391	0.17 325	0.13 318	0.14 285	0.13 302	0.05 31	0.04 24	0.05 33	0.04 45	0.05 111	0.04 47

iResNet_ROB	0.14 333	0.07 158	0.13 250	0.14 40	0.07 82	0.18 398	0.14 171	0.26 375	0.31 433	0.22 435	0.25 391	0.23 410	0.15 361	0.15 307	0.13 302	0.07 262	0.05 203	0.05 33	0.04 45	0.08 343	0.08 367

LE_ROB	0.50 565	0.07 158	0.14 285	0.15 82	0.08 140	0.24 479	0.16 309	0.22 298	1.81 600	4.63 603	0.67 563	0.47 551	0.44 560	0.20 434	0.29 528	0.07 262	0.06 332	0.06 119	0.06 207	0.08 343	0.06 222

pmcnn	0.15 377	0.07 158	0.19 433	0.15 82	0.07 82	0.20 436	0.15 243	0.24 341	0.26 384	0.21 419	0.34 477	0.28 458	0.18 424	0.18 394	0.17 398	0.07 262	0.05 203	0.05 33	0.04 45	0.07 280	0.06 222

MultiAttention	0.29 532	0.08 259	0.14 285	0.19 376	0.12 443	1.45 598	1.33 600	0.36 512	0.37 479	0.19 382	0.21 330	0.24 416	0.11 249	0.38 548	0.18 416	0.06 122	0.05 203	0.08 303	0.08 361	0.10 438	0.09 412

FlowAnything_test	0.11 207	0.08 259	0.14 285	0.15 82	0.09 258	0.07 32	0.14 171	0.20 252	0.11 71	0.09 114	0.09 104	0.12 217	0.12 280	0.13 259	0.11 210	0.09 383	0.06 332	0.09 384	0.09 408	0.06 212	0.09 412

asda	0.07 4	0.08 259	0.08 38	0.16 160	0.06 15	0.06 10	0.10 29	0.16 153	0.10 43	0.06 13	0.06 14	0.05 1	0.05 11	0.10 75	0.10 139	0.03 1	0.03 1	0.04 1	0.03 1	0.04 20	0.03 2

asd	0.07 4	0.08 259	0.07 8	0.16 160	0.07 82	0.08 57	0.08 7	0.11 35	0.08 15	0.07 42	0.07 45	0.06 21	0.06 42	0.10 75	0.09 61	0.03 1	0.03 1	0.04 1	0.04 45	0.04 20	0.03 2

qwe	0.07 4	0.08 259	0.07 8	0.15 82	0.06 15	0.07 32	0.10 29	0.18 219	0.11 71	0.07 42	0.07 45	0.06 21	0.06 42	0.10 75	0.09 61	0.03 1	0.03 1	0.04 1	0.04 45	0.04 20	0.03 2

4.25_new	0.07 4	0.08 259	0.09 83	0.15 82	0.06 15	0.09 93	0.08 7	0.14 93	0.08 15	0.07 42	0.07 45	0.06 21	0.06 42	0.12 213	0.10 139	0.03 1	0.03 1	0.04 1	0.03 1	0.04 20	0.03 2

4.5w_new	0.07 4	0.08 259	0.09 83	0.15 82	0.06 15	0.09 93	0.08 7	0.14 93	0.08 15	0.07 42	0.07 45	0.06 21	0.06 42	0.12 213	0.10 139	0.03 1	0.03 1	0.04 1	0.03 1	0.04 20	0.03 2

4.25w-stereo	0.07 4	0.08 259	0.09 83	0.15 82	0.06 15	0.09 93	0.08 7	0.14 93	0.08 15	0.07 42	0.07 45	0.06 21	0.06 42	0.12 213	0.10 139	0.03 1	0.03 1	0.04 1	0.03 1	0.04 20	0.03 2

4w-stereo	0.07 4	0.08 259	0.08 38	0.16 160	0.06 15	0.07 32	0.08 7	0.12 55	0.08 15	0.07 42	0.07 45	0.05 1	0.06 42	0.09 37	0.10 139	0.03 1	0.03 1	0.04 1	0.04 45	0.04 20	0.03 2

2w_stereo	0.08 53	0.08 259	0.09 83	0.16 160	0.06 15	0.08 57	0.10 29	0.20 252	0.15 180	0.08 78	0.07 45	0.06 21	0.06 42	0.06 1	0.09 61	0.04 11	0.03 1	0.04 1	0.04 45	0.03 1	0.03 2

xyz-stereo-finetune	0.11 207	0.08 259	0.13 250	0.14 40	0.06 15	0.10 145	0.19 429	0.17 189	0.19 271	0.12 217	0.14 213	0.15 291	0.10 224	0.13 259	0.11 210	0.05 31	0.04 24	0.07 218	0.05 129	0.04 20	0.05 135

S2M2_L	0.09 101	0.08 259	0.11 169	0.13 13	0.10 361	0.08 57	0.06 1	0.10 20	0.10 43	0.10 148	0.09 104	0.10 175	0.09 191	0.11 125	0.11 210	0.13 502	0.07 404	0.08 303	0.09 408	0.10 438	0.08 367
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ISRNet	0.18 434	0.08 259	0.19 433	0.19 376	0.13 466	0.15 328	0.12 71	0.30 441	0.32 440	0.21 419	0.25 391	0.27 448	0.17 410	0.17 373	0.20 435	0.20 549	0.08 430	0.14 510	0.14 511	0.14 508	0.17 541

AIO-test2	0.10 164	0.08 259	0.10 125	0.23 499	0.08 140	0.11 191	0.10 29	0.23 318	0.23 333	0.08 78	0.09 104	0.08 117	0.05 11	0.10 75	0.08 17	0.06 122	0.05 203	0.08 303	0.09 408	0.05 111	0.05 135

fffy	0.09 101	0.08 259	0.09 83	0.16 160	0.07 82	0.13 270	0.17 343	0.13 72	0.12 101	0.08 78	0.09 104	0.08 117	0.09 191	0.13 259	0.11 210	0.05 31	0.05 203	0.07 218	0.05 129	0.04 20	0.05 135

rvit_stereo_0083	0.12 274	0.08 259	0.17 399	0.16 160	0.09 258	0.11 191	0.15 243	0.14 93	0.26 384	0.11 179	0.14 213	0.13 242	0.10 224	0.12 213	0.12 261	0.10 425	0.08 430	0.09 384	0.07 296	0.07 280	0.05 135

rvit_stereo_0081	0.11 207	0.08 259	0.15 337	0.16 160	0.09 258	0.10 145	0.14 171	0.14 93	0.24 349	0.11 179	0.13 199	0.13 242	0.09 191	0.11 125	0.12 261	0.10 425	0.07 404	0.08 303	0.07 296	0.07 280	0.05 135

rvit_stereo_0082	0.11 207	0.08 259	0.15 337	0.16 160	0.09 258	0.10 145	0.14 171	0.14 93	0.24 349	0.11 179	0.13 199	0.13 242	0.09 191	0.11 125	0.12 261	0.10 425	0.07 404	0.08 303	0.07 296	0.07 280	0.05 135

rvit_stereo_0080	0.10 164	0.08 259	0.14 285	0.15 82	0.09 258	0.07 32	0.15 243	0.16 153	0.16 209	0.11 179	0.10 134	0.14 262	0.08 161	0.12 213	0.10 139	0.09 383	0.07 404	0.07 218	0.06 207	0.07 280	0.05 135

test_sample6	0.14 333	0.08 259	0.13 250	0.16 160	0.08 140	0.17 379	0.19 429	0.25 357	0.17 229	0.17 336	0.27 417	0.19 353	0.14 343	0.15 307	0.13 302	0.08 324	0.05 203	0.08 303	0.07 296	0.08 343	0.08 367

test_sample5	0.14 333	0.08 259	0.14 285	0.16 160	0.08 140	0.18 398	0.18 389	0.25 357	0.17 229	0.17 336	0.27 417	0.18 339	0.14 343	0.16 341	0.13 302	0.08 324	0.05 203	0.08 303	0.07 296	0.08 343	0.08 367

test_sample4	0.14 333	0.08 259	0.14 285	0.15 82	0.08 140	0.19 421	0.18 389	0.26 375	0.17 229	0.16 320	0.25 391	0.18 339	0.14 343	0.16 341	0.13 302	0.08 324	0.06 332	0.08 303	0.06 207	0.08 343	0.08 367

test_sample3	0.14 333	0.08 259	0.15 337	0.14 40	0.09 258	0.19 421	0.17 343	0.26 375	0.18 255	0.16 320	0.22 340	0.19 353	0.15 361	0.17 373	0.13 302	0.08 324	0.06 332	0.07 218	0.06 207	0.09 406	0.08 367

DispNO	0.14 333	0.08 259	0.17 399	0.19 376	0.12 443	0.11 191	0.21 467	0.23 318	0.29 415	0.17 336	0.23 349	0.18 339	0.17 410	0.15 307	0.15 367	0.07 262	0.05 203	0.08 303	0.08 361	0.07 280	0.06 222

Former-RAFT_DAM_RVC	0.10 164	0.08 259	0.12 204	0.16 160	0.08 140	0.15 328	0.16 309	0.18 219	0.18 255	0.10 148	0.09 104	0.09 142	0.08 161	0.11 125	0.12 261	0.07 262	0.05 203	0.08 303	0.06 207	0.07 280	0.06 222

AE-Stereo	0.10 164	0.08 259	0.10 125	0.18 318	0.09 258	0.10 145	0.15 243	0.14 93	0.19 271	0.09 114	0.14 213	0.12 217	0.08 161	0.11 125	0.10 139	0.05 31	0.06 332	0.07 218	0.06 207	0.05 111	0.04 47

ACVNet-DCA	0.10 164	0.08 259	0.12 204	0.17 236	0.09 258	0.13 270	0.15 243	0.23 318	0.16 209	0.09 114	0.09 104	0.06 21	0.06 42	0.10 75	0.07 1	0.06 122	0.04 24	0.06 119	0.05 129	0.07 280	0.07 303

xx1	0.11 207	0.08 259	0.12 204	0.17 236	0.09 258	0.13 270	0.15 243	0.16 153	0.18 255	0.09 114	0.09 104	0.16 305	0.16 387	0.10 75	0.07 1	0.06 122	0.04 24	0.08 303	0.08 361	0.07 280	0.07 303

1test111	0.11 207	0.08 259	0.12 204	0.17 236	0.09 258	0.13 270	0.15 243	0.23 318	0.16 209	0.09 114	0.09 104	0.06 21	0.06 42	0.15 307	0.16 383	0.06 122	0.04 24	0.06 119	0.05 129	0.07 280	0.07 303

cc1	0.10 164	0.08 259	0.12 204	0.17 236	0.09 258	0.13 270	0.15 243	0.16 153	0.18 255	0.09 114	0.09 104	0.06 21	0.06 42	0.10 75	0.07 1	0.06 122	0.04 24	0.06 119	0.05 129	0.06 212	0.06 222

mmm	0.14 333	0.08 259	0.17 399	0.17 236	0.09 258	0.17 379	0.18 389	0.21 275	0.15 180	0.15 292	0.23 349	0.21 374	0.16 387	0.16 341	0.17 398	0.08 324	0.05 203	0.08 303	0.07 296	0.07 280	0.07 303

DualNet	0.14 333	0.08 259	0.14 285	0.16 160	0.08 140	0.18 398	0.18 389	0.25 357	0.17 229	0.17 336	0.27 417	0.18 339	0.14 343	0.16 341	0.13 302	0.08 324	0.05 203	0.08 303	0.07 296	0.08 343	0.08 367

tt1	0.10 164	0.08 259	0.12 204	0.17 236	0.09 258	0.12 227	0.16 309	0.15 124	0.19 271	0.09 114	0.08 83	0.06 21	0.06 42	0.10 75	0.07 1	0.06 122	0.04 24	0.06 119	0.05 129	0.06 212	0.06 222

ttt	0.14 333	0.08 259	0.14 285	0.15 82	0.08 140	0.15 328	0.18 389	0.27 396	0.29 415	0.16 320	0.24 361	0.17 325	0.13 318	0.13 259	0.14 339	0.11 454	0.08 430	0.09 384	0.08 361	0.09 406	0.08 367

1111x	0.15 377	0.08 259	0.12 204	0.18 318	0.07 82	0.18 398	0.25 515	0.31 451	0.24 349	0.17 336	0.24 361	0.26 440	0.15 361	0.13 259	0.23 476	0.07 262	0.07 404	0.08 303	0.09 408	0.07 280	0.06 222

whm_eth	0.10 164	0.08 259	0.14 285	0.15 82	0.09 258	0.07 32	0.15 243	0.16 153	0.16 209	0.11 179	0.10 134	0.14 262	0.08 161	0.12 213	0.10 139	0.09 383	0.07 404	0.07 218	0.06 207	0.07 280	0.05 135

plain	0.10 164	0.08 259	0.10 125	0.19 376	0.09 258	0.10 145	0.15 243	0.14 93	0.13 136	0.13 244	0.15 230	0.09 142	0.12 280	0.13 259	0.12 261	0.07 262	0.05 203	0.09 384	0.06 207	0.06 212	0.06 222

PCWNet_CMD	0.14 333	0.08 259	0.15 337	0.17 236	0.09 258	0.14 302	0.14 171	0.29 427	0.36 472	0.14 265	0.20 309	0.21 374	0.12 280	0.17 373	0.13 302	0.07 262	0.05 203	0.07 218	0.07 296	0.07 280	0.07 303

CFNet_ucs	0.15 377	0.08 259	0.16 371	0.16 160	0.11 411	0.14 302	0.14 171	0.30 441	0.34 459	0.16 320	0.24 361	0.23 410	0.14 343	0.18 394	0.15 367	0.09 383	0.06 332	0.08 303	0.07 296	0.09 406	0.09 412

SDNR	0.19 446	0.08 259	0.19 433	0.16 160	0.12 443	0.77 583	0.14 171	0.25 357	0.32 440	0.19 382	0.24 361	0.19 353	0.13 318	0.19 409	0.15 367	0.16 536	0.18 544	0.14 510	0.11 479	0.08 343	0.11 465

TestStereo1	0.13 299	0.08 259	0.08 38	0.19 376	0.08 140	0.18 398	0.29 546	0.23 318	0.16 209	0.17 336	0.20 309	0.16 305	0.10 224	0.12 213	0.13 302	0.06 122	0.06 332	0.08 303	0.06 207	0.05 111	0.05 135

CRFU-Net	0.16 400	0.08 259	0.14 285	0.17 236	0.09 258	0.19 421	0.14 171	0.26 375	0.20 294	0.28 497	0.27 417	0.29 466	0.17 410	0.19 409	0.17 398	0.09 383	0.09 459	0.07 218	0.07 296	0.08 343	0.08 367

SA-5K	0.13 299	0.08 259	0.08 38	0.19 376	0.08 140	0.18 398	0.29 546	0.23 318	0.16 209	0.17 336	0.20 309	0.16 305	0.10 224	0.12 213	0.13 302	0.06 122	0.06 332	0.08 303	0.06 207	0.05 111	0.05 135

Sa-1000	0.12 274	0.08 259	0.08 38	0.18 318	0.08 140	0.14 302	0.22 477	0.22 298	0.18 255	0.15 292	0.20 309	0.17 325	0.11 249	0.10 75	0.10 139	0.06 122	0.05 203	0.09 384	0.09 408	0.05 111	0.05 135

CIPLG	0.11 207	0.08 259	0.14 285	0.17 236	0.08 140	0.12 227	0.15 243	0.17 189	0.15 180	0.14 265	0.11 171	0.16 305	0.09 191	0.16 341	0.11 210	0.07 262	0.05 203	0.06 119	0.05 129	0.05 111	0.06 222

DAS	0.15 377	0.08 259	0.18 422	0.19 376	0.10 361	0.19 421	0.17 343	0.27 396	0.29 415	0.18 366	0.25 391	0.21 374	0.15 361	0.16 341	0.12 261	0.08 324	0.06 332	0.06 119	0.06 207	0.07 280	0.07 303

SepStereo	0.15 377	0.08 259	0.18 422	0.19 376	0.10 361	0.19 421	0.17 343	0.27 396	0.29 415	0.18 366	0.25 391	0.21 374	0.15 361	0.25 489	0.12 261	0.08 324	0.06 332	0.06 119	0.06 207	0.07 280	0.07 303

IPLGR_C	0.11 207	0.08 259	0.14 285	0.17 236	0.08 140	0.12 227	0.15 243	0.17 189	0.15 180	0.14 265	0.10 134	0.16 305	0.09 191	0.16 341	0.11 210	0.07 262	0.05 203	0.06 119	0.05 129	0.05 111	0.06 222

MIPNet	0.11 207	0.08 259	0.14 285	0.17 236	0.09 258	0.12 227	0.14 171	0.20 252	0.24 349	0.11 179	0.10 134	0.09 142	0.07 122	0.13 259	0.12 261	0.06 122	0.04 24	0.06 119	0.05 129	0.04 20	0.04 47

AASNet	0.16 400	0.08 259	0.12 204	0.19 376	0.09 258	0.18 398	0.15 243	0.37 518	0.37 479	0.19 382	0.23 349	0.20 365	0.16 387	0.17 373	0.20 435	0.10 425	0.08 430	0.08 303	0.07 296	0.09 406	0.09 412

ACRE	0.11 207	0.08 259	0.14 285	0.17 236	0.08 140	0.12 227	0.15 243	0.17 189	0.14 161	0.14 265	0.10 134	0.16 305	0.09 191	0.16 341	0.11 210	0.07 262	0.05 203	0.06 119	0.05 129	0.05 111	0.06 222

AACVNet	0.16 400	0.08 259	0.14 285	0.15 82	0.10 361	0.18 398	0.15 243	0.23 318	0.24 349	0.27 481	0.27 417	0.28 458	0.17 410	0.19 409	0.16 383	0.09 383	0.07 404	0.09 384	0.07 296	0.10 438	0.09 412

GwcNet-ADL	0.13 299	0.08 259	0.14 285	0.20 433	0.09 258	0.11 191	0.20 450	0.30 441	0.24 349	0.13 244	0.14 213	0.18 339	0.14 343	0.13 259	0.14 339	0.07 262	0.05 203	0.06 119	0.05 129	0.07 280	0.06 222

TransformOpticalFlow	0.10 164	0.08 259	0.13 250	0.18 318	0.07 82	0.09 93	0.15 243	0.19 241	0.15 180	0.12 217	0.17 263	0.11 200	0.11 249	0.11 125	0.10 139	0.05 31	0.04 24	0.06 119	0.06 207	0.05 111	0.05 135

NRIStereo	0.11 207	0.08 259	0.14 285	0.18 318	0.08 140	0.10 145	0.14 171	0.16 153	0.15 180	0.12 217	0.14 213	0.13 242	0.12 280	0.13 259	0.10 139	0.06 122	0.04 24	0.07 218	0.06 207	0.06 212	0.07 303

DeepStereo_RVC	0.11 207	0.08 259	0.16 371	0.18 318	0.08 140	0.08 57	0.12 71	0.17 189	0.12 101	0.13 244	0.14 213	0.12 217	0.12 280	0.12 213	0.11 210	0.06 122	0.04 24	0.07 218	0.06 207	0.07 280	0.08 367

IRAFT_RVC	0.12 274	0.08 259	0.16 371	0.19 376	0.08 140	0.07 32	0.15 243	0.24 341	0.23 333	0.14 265	0.14 213	0.15 291	0.12 280	0.12 213	0.10 139	0.06 122	0.04 24	0.09 384	0.06 207	0.06 212	0.06 222

CroCo-Stereo	0.09 101	0.08 259	0.08 38	0.22 478	0.09 258	0.09 93	0.19 429	0.15 124	0.12 101	0.07 42	0.07 45	0.08 117	0.06 42	0.08 17	0.07 1	0.07 262	0.05 203	0.06 119	0.04 45	0.05 111	0.04 47
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
LMCR-Stereo	0.15 377	0.08 259	0.13 250	0.21 462	0.09 258	0.17 379	0.20 450	0.27 396	0.19 271	0.24 456	0.24 361	0.23 410	0.17 410	0.20 434	0.17 398	0.07 262	0.06 332	0.08 303	0.06 207	0.10 438	0.08 367

CFNet_pseudo	0.14 333	0.08 259	0.15 337	0.16 160	0.09 258	0.13 270	0.14 171	0.27 396	0.34 459	0.14 265	0.21 330	0.22 392	0.13 318	0.18 394	0.14 339	0.07 262	0.05 203	0.08 303	0.06 207	0.07 280	0.07 303

RALAANet	0.11 207	0.08 259	0.10 125	0.17 236	0.09 258	0.14 302	0.10 29	0.20 252	0.15 180	0.14 265	0.13 199	0.16 305	0.09 191	0.12 213	0.11 210	0.06 122	0.05 203	0.07 218	0.06 207	0.05 111	0.04 47

ADLNet	0.16 400	0.08 259	0.15 337	0.16 160	0.10 361	0.16 358	0.17 343	0.32 462	0.27 394	0.22 435	0.27 417	0.24 416	0.16 387	0.18 394	0.21 455	0.10 425	0.06 332	0.10 432	0.10 447	0.08 343	0.09 412

GES	0.14 333	0.08 259	0.16 371	0.15 82	0.10 361	0.13 270	0.13 118	0.28 416	0.25 370	0.16 320	0.23 349	0.18 339	0.13 318	0.16 341	0.13 302	0.08 324	0.07 404	0.07 218	0.06 207	0.08 343	0.09 412

ARAFT	0.12 274	0.08 259	0.17 399	0.19 376	0.09 258	0.14 302	0.18 389	0.20 252	0.12 101	0.12 217	0.13 199	0.14 262	0.11 249	0.15 307	0.12 261	0.06 122	0.05 203	0.10 432	0.09 408	0.05 111	0.04 47

delet	0.17 420	0.08 259	0.17 399	0.19 376	0.11 411	0.20 436	0.21 467	0.30 441	0.37 479	0.17 336	0.26 408	0.19 353	0.19 440	0.19 409	0.21 455	0.08 324	0.08 430	0.09 384	0.11 479	0.06 212	0.06 222

UPFNet	0.16 400	0.08 259	0.12 204	0.20 433	0.12 443	0.20 436	0.23 488	0.28 416	0.26 384	0.17 336	0.24 361	0.22 392	0.19 440	0.19 409	0.21 455	0.09 383	0.07 404	0.08 303	0.09 408	0.08 343	0.06 222

FENet	0.13 299	0.08 259	0.12 204	0.16 160	0.08 140	0.14 302	0.15 243	0.22 298	0.23 333	0.17 336	0.23 349	0.16 305	0.12 280	0.14 285	0.15 367	0.08 324	0.05 203	0.08 303	0.08 361	0.07 280	0.07 303

ac_64	0.16 400	0.08 259	0.15 337	0.18 318	0.10 361	0.22 461	0.18 389	0.24 341	0.21 309	0.18 366	0.24 361	0.29 466	0.18 424	0.19 409	0.22 464	0.09 383	0.07 404	0.08 303	0.09 408	0.07 280	0.06 222

HGLStereo	0.17 420	0.08 259	0.19 433	0.17 236	0.12 443	0.18 398	0.18 389	0.31 451	0.32 440	0.21 419	0.32 461	0.25 430	0.18 424	0.19 409	0.20 435	0.09 383	0.09 459	0.07 218	0.07 296	0.09 406	0.10 439

BEATNet_4x	0.12 274	0.08 259	0.14 285	0.18 318	0.07 82	0.15 328	0.07 3	0.22 298	0.18 255	0.16 320	0.19 297	0.18 339	0.14 343	0.16 341	0.15 367	0.07 262	0.05 203	0.05 33	0.05 129	0.06 212	0.06 222

MSMDNet	0.14 333	0.08 259	0.15 337	0.17 236	0.09 258	0.14 302	0.14 171	0.29 427	0.36 472	0.14 265	0.21 330	0.21 374	0.12 280	0.17 373	0.14 339	0.07 262	0.05 203	0.07 218	0.07 296	0.07 280	0.07 303

HSM-Net_RVC	0.14 333	0.08 259	0.11 169	0.15 82	0.08 140	0.15 328	0.15 243	0.27 396	0.29 415	0.19 382	0.21 330	0.29 466	0.14 343	0.17 373	0.13 302	0.06 122	0.06 332	0.06 119	0.06 207	0.07 280	0.06 222
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ccs_rob	0.14 333	0.08 259	0.15 337	0.16 160	0.09 258	0.12 227	0.14 171	0.27 396	0.34 459	0.14 265	0.21 330	0.22 392	0.13 318	0.18 394	0.14 339	0.07 262	0.05 203	0.08 303	0.07 296	0.07 280	0.07 303

UCFNet_RVC	0.14 333	0.08 259	0.13 250	0.11 1	0.10 361	0.20 436	0.10 29	0.24 341	0.22 323	0.17 336	0.20 309	0.23 410	0.15 361	0.17 373	0.15 367	0.12 479	0.07 404	0.10 432	0.13 508	0.11 461	0.10 439

iResNetv2_ROB	0.14 333	0.08 259	0.15 337	0.16 160	0.08 140	0.16 358	0.12 71	0.25 357	0.35 468	0.21 419	0.29 443	0.24 416	0.13 318	0.14 285	0.14 339	0.06 122	0.05 203	0.06 119	0.04 45	0.09 406	0.08 367

HSM	0.15 377	0.08 259	0.14 285	0.16 160	0.09 258	0.16 358	0.14 171	0.28 416	0.25 370	0.19 382	0.23 349	0.37 517	0.16 387	0.20 434	0.15 367	0.07 262	0.05 203	0.07 218	0.06 207	0.07 280	0.06 222

4.5_new	0.07 4	0.09 335	0.08 38	0.15 82	0.07 82	0.06 10	0.10 29	0.14 93	0.11 71	0.06 13	0.08 83	0.06 21	0.06 42	0.08 17	0.10 139	0.03 1	0.03 1	0.04 1	0.04 45	0.04 20	0.03 2

4.5w-stereo	0.07 4	0.09 335	0.08 38	0.15 82	0.07 82	0.06 10	0.10 29	0.14 93	0.11 71	0.06 13	0.08 83	0.06 21	0.06 42	0.08 17	0.10 139	0.03 1	0.03 1	0.04 1	0.04 45	0.04 20	0.03 2

3w_stereo	0.08 53	0.09 335	0.10 125	0.17 236	0.07 82	0.08 57	0.10 29	0.20 252	0.13 136	0.06 13	0.07 45	0.05 1	0.06 42	0.08 17	0.09 61	0.03 1	0.03 1	0.04 1	0.03 1	0.04 20	0.03 2

SCV	0.08 53	0.09 335	0.08 38	0.15 82	0.08 140	0.10 145	0.13 118	0.10 20	0.12 101	0.07 42	0.07 45	0.06 21	0.04 1	0.09 37	0.08 17	0.05 31	0.04 24	0.06 119	0.04 45	0.06 212	0.04 47

rvit_0105_6	0.14 333	0.09 335	0.18 422	0.17 236	0.10 361	0.10 145	0.16 309	0.19 241	0.26 384	0.12 217	0.18 288	0.17 325	0.12 280	0.18 394	0.12 261	0.15 520	0.11 491	0.12 483	0.10 447	0.09 406	0.06 222

rvit_0105_5	0.14 333	0.09 335	0.13 250	0.17 236	0.09 258	0.14 302	0.23 488	0.24 341	0.27 394	0.14 265	0.15 230	0.18 339	0.12 280	0.17 373	0.14 339	0.14 516	0.11 491	0.10 432	0.10 447	0.08 343	0.06 222

rvit_0105_4	0.14 333	0.09 335	0.17 399	0.17 236	0.10 361	0.12 227	0.19 429	0.23 318	0.27 394	0.14 265	0.20 309	0.17 325	0.13 318	0.17 373	0.13 302	0.15 520	0.11 491	0.11 463	0.10 447	0.09 406	0.06 222

rvit_0105_3	0.15 377	0.09 335	0.14 285	0.19 376	0.12 443	0.15 328	0.25 515	0.25 357	0.29 415	0.15 292	0.17 263	0.20 365	0.13 318	0.17 373	0.14 339	0.13 502	0.11 491	0.12 483	0.14 511	0.07 280	0.06 222

rvit_stereo_0081_aga	0.11 207	0.09 335	0.14 285	0.18 318	0.09 258	0.13 270	0.14 171	0.14 93	0.19 271	0.10 148	0.18 288	0.16 305	0.09 191	0.12 213	0.09 61	0.10 425	0.06 332	0.08 303	0.07 296	0.07 280	0.06 222

DCVSM-stereo	0.14 333	0.09 335	0.16 371	0.16 160	0.10 361	0.15 328	0.09 18	0.19 241	0.23 333	0.20 405	0.23 349	0.26 440	0.15 361	0.18 394	0.14 339	0.09 383	0.07 404	0.09 384	0.08 361	0.10 438	0.12 478

RAStereo	0.10 164	0.09 335	0.08 38	0.20 433	0.08 140	0.13 270	0.18 389	0.15 124	0.17 229	0.10 148	0.12 185	0.05 1	0.06 42	0.09 37	0.08 17	0.07 262	0.05 203	0.07 218	0.05 129	0.05 111	0.04 47

H2IRNET	0.10 164	0.09 335	0.09 83	0.18 318	0.09 258	0.12 227	0.15 243	0.14 93	0.21 309	0.10 148	0.10 134	0.10 175	0.10 224	0.10 75	0.10 139	0.05 31	0.04 24	0.08 303	0.08 361	0.06 212	0.05 135

ffm	0.12 274	0.09 335	0.14 285	0.16 160	0.08 140	0.17 379	0.17 343	0.15 124	0.19 271	0.15 292	0.25 391	0.19 353	0.13 318	0.10 75	0.07 1	0.06 122	0.04 24	0.09 384	0.08 361	0.06 212	0.06 222

ff1	0.13 299	0.09 335	0.14 285	0.16 160	0.08 140	0.17 379	0.17 343	0.15 124	0.19 271	0.15 292	0.25 391	0.19 353	0.13 318	0.14 285	0.20 435	0.06 122	0.04 24	0.09 384	0.08 361	0.06 212	0.06 222

mmx	0.14 333	0.09 335	0.14 285	0.16 160	0.08 140	0.17 379	0.17 343	0.27 396	0.25 370	0.15 292	0.25 391	0.19 353	0.13 318	0.14 285	0.20 435	0.08 324	0.06 332	0.09 384	0.08 361	0.08 343	0.08 367

xxx	0.14 333	0.09 335	0.14 285	0.16 160	0.08 140	0.17 379	0.17 343	0.27 396	0.25 370	0.15 292	0.25 391	0.19 353	0.13 318	0.14 285	0.20 435	0.08 324	0.06 332	0.09 384	0.08 361	0.08 343	0.08 367

MaDis-Stereo	0.09 101	0.09 335	0.08 38	0.17 236	0.09 258	0.13 270	0.10 29	0.16 153	0.16 209	0.09 114	0.11 171	0.06 21	0.06 42	0.09 37	0.13 302	0.07 262	0.06 332	0.07 218	0.05 129	0.05 111	0.04 47

CASnet	0.09 101	0.09 335	0.09 83	0.19 376	0.06 15	0.07 32	0.11 51	0.18 219	0.14 161	0.11 179	0.10 134	0.09 142	0.07 122	0.10 75	0.10 139	0.06 122	0.04 24	0.10 432	0.08 361	0.05 111	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala_base	0.10 164	0.09 335	0.14 285	0.21 462	0.08 140	0.10 145	0.14 171	0.13 72	0.10 43	0.07 42	0.15 230	0.07 76	0.08 161	0.10 75	0.12 261	0.08 324	0.05 203	0.05 33	0.03 1	0.06 212	0.05 135

LL-Strereo	0.13 299	0.09 335	0.11 169	0.20 433	0.10 361	0.11 191	0.18 389	0.32 462	0.24 349	0.15 292	0.15 230	0.14 262	0.13 318	0.19 409	0.11 210	0.06 122	0.04 24	0.09 384	0.08 361	0.04 20	0.05 135

CroCo-Stereo Lap2	0.09 101	0.09 335	0.08 38	0.22 478	0.09 258	0.09 93	0.19 429	0.16 153	0.12 101	0.09 114	0.10 134	0.05 1	0.05 11	0.08 17	0.08 17	0.06 122	0.06 332	0.07 218	0.05 129	0.05 111	0.05 135

qqq	0.13 299	0.09 335	0.15 337	0.16 160	0.08 140	0.13 270	0.15 243	0.23 318	0.16 209	0.15 292	0.19 297	0.16 305	0.16 387	0.15 307	0.16 383	0.07 262	0.06 332	0.08 303	0.08 361	0.07 280	0.07 303

Wz-Net-LNSev-Ref	0.18 434	0.09 335	0.29 502	0.15 82	0.10 361	0.22 461	0.20 450	0.26 375	0.39 489	0.25 469	0.42 527	0.24 416	0.15 361	0.20 434	0.19 429	0.07 262	0.05 203	0.06 119	0.05 129	0.10 438	0.09 412

BUS	0.14 333	0.09 335	0.14 285	0.22 478	0.10 361	0.19 421	0.14 171	0.34 490	0.19 271	0.17 336	0.22 340	0.16 305	0.13 318	0.15 307	0.13 302	0.08 324	0.06 332	0.10 432	0.09 408	0.07 280	0.07 303

RAFT_CTSACE	0.12 274	0.09 335	0.10 125	0.22 478	0.08 140	0.12 227	0.24 500	0.18 219	0.16 209	0.20 405	0.27 417	0.13 242	0.07 122	0.13 259	0.09 61	0.05 31	0.06 332	0.08 303	0.07 296	0.04 20	0.04 47

BSDual-CNN	0.15 377	0.09 335	0.14 285	0.22 478	0.10 361	0.14 302	0.15 243	0.34 490	0.19 271	0.17 336	0.22 340	0.25 430	0.16 387	0.15 307	0.14 339	0.08 324	0.06 332	0.10 432	0.09 408	0.07 280	0.07 303

SA	0.12 274	0.09 335	0.08 38	0.18 318	0.08 140	0.12 227	0.24 500	0.23 318	0.18 255	0.17 336	0.27 417	0.14 262	0.11 249	0.11 125	0.11 210	0.05 31	0.05 203	0.09 384	0.08 361	0.05 111	0.04 47

iRaft-Stereo_5w	0.12 274	0.09 335	0.12 204	0.19 376	0.08 140	0.09 93	0.12 71	0.21 275	0.21 309	0.19 382	0.14 213	0.11 200	0.09 191	0.20 434	0.16 383	0.05 31	0.05 203	0.07 218	0.06 207	0.05 111	0.06 222

psmg	0.14 333	0.09 335	0.14 285	0.17 236	0.10 361	0.15 328	0.17 343	0.29 427	0.19 271	0.17 336	0.21 330	0.25 430	0.16 387	0.15 307	0.14 339	0.08 324	0.06 332	0.08 303	0.08 361	0.07 280	0.06 222

CSP-Net	0.16 400	0.09 335	0.14 285	0.16 160	0.09 258	0.19 421	0.17 343	0.25 357	0.32 440	0.25 469	0.30 449	0.24 416	0.15 361	0.21 451	0.18 416	0.09 383	0.06 332	0.07 218	0.07 296	0.08 343	0.07 303

IPLGR	0.11 207	0.09 335	0.16 371	0.18 318	0.08 140	0.12 227	0.17 343	0.21 275	0.24 349	0.11 179	0.12 185	0.11 200	0.08 161	0.12 213	0.12 261	0.06 122	0.05 203	0.06 119	0.06 207	0.04 20	0.04 47

GMOStereo	0.11 207	0.09 335	0.07 8	0.19 376	0.08 140	0.12 227	0.28 537	0.13 72	0.17 229	0.11 179	0.17 263	0.14 262	0.12 280	0.07 4	0.07 1	0.05 31	0.05 203	0.09 384	0.07 296	0.04 20	0.04 47

error version	0.11 207	0.09 335	0.07 8	0.19 376	0.08 140	0.12 227	0.28 537	0.13 72	0.17 229	0.11 179	0.17 263	0.14 262	0.12 280	0.07 4	0.07 1	0.05 31	0.05 203	0.09 384	0.07 296	0.04 20	0.04 47

test-v	0.11 207	0.09 335	0.07 8	0.19 376	0.08 140	0.12 227	0.28 537	0.13 72	0.17 229	0.11 179	0.17 263	0.14 262	0.12 280	0.07 4	0.07 1	0.05 31	0.05 203	0.09 384	0.07 296	0.04 20	0.04 47

test_3	0.10 164	0.09 335	0.10 125	0.20 433	0.08 140	0.13 270	0.26 524	0.14 93	0.21 309	0.10 148	0.10 134	0.09 142	0.09 191	0.08 17	0.11 210	0.05 31	0.04 24	0.08 303	0.07 296	0.04 20	0.04 47

ADLNet2	0.16 400	0.09 335	0.13 250	0.16 160	0.09 258	0.20 436	0.16 309	0.31 451	0.39 489	0.16 320	0.20 309	0.20 365	0.18 424	0.21 451	0.22 464	0.08 324	0.06 332	0.07 218	0.07 296	0.09 406	0.07 303

Patchmatch Stereo++	0.11 207	0.09 335	0.16 371	0.18 318	0.08 140	0.06 10	0.11 51	0.16 153	0.13 136	0.15 292	0.16 242	0.14 262	0.12 280	0.11 125	0.10 139	0.06 122	0.04 24	0.08 303	0.06 207	0.08 343	0.07 303
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.11 207	0.09 335	0.16 371	0.18 318	0.08 140	0.06 10	0.12 71	0.16 153	0.13 136	0.15 292	0.16 242	0.14 262	0.12 280	0.11 125	0.10 139	0.06 122	0.04 24	0.08 303	0.06 207	0.08 343	0.07 303

ROB_FTStereo_v2	0.11 207	0.09 335	0.16 371	0.19 376	0.08 140	0.06 10	0.12 71	0.16 153	0.13 136	0.15 292	0.16 242	0.14 262	0.12 280	0.11 125	0.10 139	0.06 122	0.04 24	0.08 303	0.06 207	0.08 343	0.07 303

ROB_FTStereo	0.11 207	0.09 335	0.16 371	0.19 376	0.08 140	0.06 10	0.11 51	0.16 153	0.13 136	0.15 292	0.16 242	0.14 262	0.12 280	0.11 125	0.10 139	0.06 122	0.04 24	0.08 303	0.06 207	0.08 343	0.07 303

HUI-Stereo	0.11 207	0.09 335	0.16 371	0.18 318	0.08 140	0.06 10	0.12 71	0.16 153	0.13 136	0.15 292	0.16 242	0.14 262	0.12 280	0.11 125	0.10 139	0.06 122	0.04 24	0.08 303	0.06 207	0.08 343	0.07 303

iGMRVC	0.11 207	0.09 335	0.16 371	0.19 376	0.08 140	0.06 10	0.12 71	0.16 153	0.13 136	0.15 292	0.16 242	0.14 262	0.12 280	0.11 125	0.10 139	0.06 122	0.04 24	0.08 303	0.06 207	0.08 343	0.07 303

iRAFT	0.11 207	0.09 335	0.16 371	0.18 318	0.08 140	0.06 10	0.11 51	0.16 153	0.13 136	0.15 292	0.16 242	0.14 262	0.12 280	0.11 125	0.10 139	0.06 122	0.04 24	0.08 303	0.06 207	0.08 343	0.07 303

CRE-IMP	0.11 207	0.09 335	0.16 371	0.19 376	0.08 140	0.10 145	0.12 71	0.18 219	0.10 43	0.14 265	0.13 199	0.13 242	0.12 280	0.12 213	0.11 210	0.07 262	0.04 24	0.08 303	0.06 207	0.08 343	0.08 367

test-2	0.11 207	0.09 335	0.07 8	0.19 376	0.08 140	0.12 227	0.28 537	0.13 72	0.17 229	0.11 179	0.17 263	0.14 262	0.12 280	0.07 4	0.07 1	0.05 31	0.05 203	0.09 384	0.07 296	0.04 20	0.04 47

cross-raft	0.10 164	0.09 335	0.09 83	0.19 376	0.07 82	0.11 191	0.25 515	0.13 72	0.15 180	0.08 78	0.11 171	0.12 217	0.10 224	0.09 37	0.11 210	0.05 31	0.04 24	0.06 119	0.05 129	0.04 20	0.04 47

RAFT	0.13 299	0.09 335	0.11 169	0.18 318	0.08 140	0.15 328	0.24 500	0.20 252	0.19 271	0.21 419	0.21 330	0.17 325	0.12 280	0.16 341	0.09 61	0.06 122	0.07 404	0.10 432	0.09 408	0.05 111	0.05 135

RAFT-IKP	0.11 207	0.09 335	0.16 371	0.19 376	0.08 140	0.06 10	0.12 71	0.16 153	0.13 136	0.15 292	0.16 242	0.14 262	0.12 280	0.11 125	0.10 139	0.06 122	0.04 24	0.08 303	0.06 207	0.08 343	0.07 303

ICVP	0.15 377	0.09 335	0.12 204	0.22 478	0.09 258	0.17 379	0.21 467	0.25 357	0.23 333	0.18 366	0.30 449	0.26 440	0.18 424	0.17 373	0.14 339	0.09 383	0.07 404	0.08 303	0.07 296	0.07 280	0.07 303
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sCroCo_RVC	0.12 274	0.09 335	0.23 470	0.24 508	0.11 411	0.19 421	0.14 171	0.17 189	0.14 161	0.10 148	0.13 199	0.12 217	0.07 122	0.14 285	0.11 210	0.08 324	0.08 430	0.08 303	0.08 361	0.05 111	0.07 303

MMNet	0.17 420	0.09 335	0.16 371	0.20 433	0.11 411	0.27 510	0.20 450	0.25 357	0.41 498	0.22 435	0.30 449	0.21 374	0.20 452	0.17 373	0.20 435	0.06 122	0.06 332	0.07 218	0.07 296	0.08 343	0.07 303

UNet	0.17 420	0.09 335	0.18 422	0.19 376	0.12 443	0.27 510	0.19 429	0.33 481	0.29 415	0.21 419	0.24 361	0.23 410	0.19 440	0.19 409	0.18 416	0.07 262	0.06 332	0.08 303	0.07 296	0.08 343	0.06 222

ACVNet	0.15 377	0.09 335	0.15 337	0.13 13	0.12 443	0.14 302	0.20 450	0.22 298	0.33 447	0.17 336	0.26 408	0.21 374	0.16 387	0.17 373	0.21 455	0.07 262	0.06 332	0.06 119	0.06 207	0.08 343	0.06 222

acv_ft	0.15 377	0.09 335	0.15 337	0.19 376	0.10 361	0.16 358	0.17 343	0.25 357	0.33 447	0.19 382	0.26 408	0.21 374	0.17 410	0.17 373	0.18 416	0.07 262	0.06 332	0.06 119	0.06 207	0.08 343	0.06 222

hitnet-ft	0.18 434	0.09 335	0.17 399	0.14 40	0.09 258	0.26 500	0.20 450	0.25 357	0.26 384	0.24 456	0.32 461	0.31 488	0.22 465	0.24 484	0.21 455	0.12 479	0.07 404	0.10 432	0.08 361	0.12 477	0.11 465

DSFCA	0.16 400	0.09 335	0.14 285	0.16 160	0.10 361	0.20 436	0.19 429	0.28 416	0.31 433	0.23 447	0.24 361	0.22 392	0.15 361	0.19 409	0.20 435	0.10 425	0.07 404	0.09 384	0.09 408	0.08 343	0.08 367

DMCA	0.14 333	0.09 335	0.16 371	0.19 376	0.09 258	0.15 328	0.17 343	0.23 318	0.27 394	0.14 265	0.19 297	0.17 325	0.18 424	0.15 307	0.17 398	0.10 425	0.06 332	0.08 303	0.06 207	0.09 406	0.10 439

DISCO	0.19 446	0.09 335	0.22 461	0.17 236	0.10 361	0.25 490	0.18 389	0.27 396	0.44 515	0.22 435	0.31 457	0.33 500	0.26 494	0.28 506	0.28 525	0.08 324	0.06 332	0.07 218	0.07 296	0.09 406	0.09 412

z-ln-s-r	0.17 420	0.10 393	0.40 530	0.19 376	0.08 140	0.17 379	0.18 389	0.22 298	0.33 447	0.18 366	0.40 510	0.22 392	0.17 410	0.20 434	0.23 476	0.07 262	0.05 203	0.07 218	0.07 296	0.07 280	0.05 135

DDVS	0.15 377	0.10 393	0.21 454	0.16 160	0.12 443	0.15 328	0.14 171	0.25 357	0.19 271	0.18 366	0.29 443	0.27 448	0.12 280	0.19 409	0.15 367	0.09 383	0.06 332	0.09 384	0.07 296	0.11 461	0.11 465

UGAM	0.13 299	0.10 393	0.09 83	0.22 478	0.08 140	0.12 227	0.20 450	0.17 189	0.23 333	0.21 419	0.16 242	0.13 242	0.13 318	0.19 409	0.12 261	0.07 262	0.05 203	0.13 498	0.11 479	0.07 280	0.05 135

ACV-stereo	0.15 377	0.10 393	0.28 494	0.18 318	0.12 443	0.14 302	0.12 71	0.23 318	0.21 309	0.19 382	0.23 349	0.22 392	0.15 361	0.23 475	0.17 398	0.07 262	0.06 332	0.07 218	0.07 296	0.07 280	0.07 303

ITSA-stereo	0.15 377	0.10 393	0.14 285	0.19 376	0.08 140	0.12 227	0.14 171	0.30 441	0.49 530	0.17 336	0.19 297	0.22 392	0.15 361	0.17 373	0.16 383	0.10 425	0.06 332	0.08 303	0.08 361	0.08 343	0.08 367

IGEV-BASED-STEREO-	0.09 101	0.10 393	0.31 507	0.15 82	0.06 15	0.08 57	0.14 171	0.10 20	0.10 43	0.07 42	0.07 45	0.06 21	0.04 1	0.11 125	0.07 1	0.12 479	0.04 24	0.07 218	0.05 129	0.05 111	0.05 135

test_sample7	0.15 377	0.10 393	0.16 371	0.14 40	0.11 411	0.16 358	0.16 309	0.27 396	0.23 333	0.20 405	0.20 309	0.24 416	0.19 440	0.16 341	0.16 383	0.12 479	0.06 332	0.10 432	0.09 408	0.10 438	0.10 439

LL-Strereo2	0.10 164	0.10 393	0.15 337	0.18 318	0.08 140	0.15 328	0.09 18	0.17 189	0.14 161	0.14 265	0.10 134	0.09 142	0.07 122	0.16 341	0.10 139	0.05 31	0.05 203	0.10 432	0.07 296	0.06 212	0.05 135

Selective-RAFT	0.11 207	0.10 393	0.11 169	0.21 462	0.08 140	0.16 358	0.13 118	0.20 252	0.22 323	0.10 148	0.10 134	0.11 200	0.10 224	0.15 307	0.11 210	0.05 31	0.05 203	0.06 119	0.05 129	0.06 212	0.05 135

ssnet_v2	0.17 420	0.10 393	0.17 399	0.17 236	0.11 411	0.21 453	0.21 467	0.33 481	0.25 370	0.22 435	0.22 340	0.27 448	0.18 424	0.22 464	0.20 435	0.11 454	0.09 459	0.09 384	0.09 408	0.08 343	0.08 367

raft_robust	0.13 299	0.10 393	0.07 8	0.18 318	0.08 140	0.13 270	0.24 500	0.28 416	0.33 447	0.20 405	0.19 297	0.14 262	0.10 224	0.11 125	0.12 261	0.05 31	0.05 203	0.07 218	0.07 296	0.05 111	0.04 47

NINENet	0.16 400	0.10 393	0.15 337	0.17 236	0.11 411	0.19 421	0.14 171	0.40 534	0.36 472	0.18 366	0.21 330	0.16 305	0.13 318	0.15 307	0.13 302	0.08 324	0.08 430	0.10 432	0.07 296	0.10 438	0.09 412

test_4	0.10 164	0.10 393	0.08 38	0.19 376	0.09 258	0.08 57	0.22 477	0.15 124	0.17 229	0.12 217	0.18 288	0.12 217	0.09 191	0.08 17	0.11 210	0.04 11	0.04 24	0.08 303	0.08 361	0.04 20	0.03 2

pcwnet_v2	0.19 446	0.10 393	0.26 482	0.17 236	0.14 486	0.18 398	0.15 243	0.37 518	0.46 522	0.19 382	0.24 361	0.21 374	0.19 440	0.20 434	0.19 429	0.13 502	0.10 479	0.10 432	0.10 447	0.11 461	0.13 498

psm_up	0.18 434	0.10 393	0.18 422	0.20 433	0.11 411	0.17 379	0.19 429	0.37 518	0.34 459	0.21 419	0.28 431	0.29 466	0.24 479	0.20 434	0.22 464	0.09 383	0.10 479	0.11 463	0.11 479	0.08 343	0.08 367

DMCA-RVC	0.17 420	0.10 393	0.15 337	0.24 508	0.11 411	0.18 398	0.18 389	0.25 357	0.24 349	0.21 419	0.26 408	0.25 430	0.27 502	0.18 394	0.20 435	0.12 479	0.08 430	0.13 498	0.10 447	0.10 438	0.08 367

SuperB	0.20 458	0.10 393	0.56 553	0.16 160	0.09 258	0.18 398	0.18 389	0.24 341	0.50 533	0.26 475	0.39 504	0.17 325	0.21 456	0.22 464	0.21 455	0.08 324	0.06 332	0.06 119	0.06 207	0.12 477	0.10 439

ADCP+	0.20 458	0.10 393	0.33 513	0.20 433	0.12 443	0.22 461	0.26 524	0.31 451	0.34 459	0.26 475	0.37 490	0.22 392	0.22 465	0.27 494	0.27 518	0.09 383	0.06 332	0.08 303	0.08 361	0.09 406	0.10 439

CFNet	0.15 377	0.10 393	0.17 399	0.17 236	0.08 140	0.18 398	0.09 18	0.28 416	0.25 370	0.19 382	0.24 361	0.24 416	0.17 410	0.17 373	0.14 339	0.08 324	0.06 332	0.09 384	0.10 447	0.07 280	0.06 222

CVANet_RVC	0.18 434	0.10 393	0.14 285	0.21 462	0.10 361	0.18 398	0.17 343	0.34 490	0.33 447	0.22 435	0.31 457	0.28 458	0.18 424	0.23 475	0.17 398	0.12 479	0.08 430	0.12 483	0.11 479	0.09 406	0.07 303

NLCA_NET_v2_RVC	0.17 420	0.10 393	0.22 461	0.20 433	0.10 361	0.15 328	0.18 389	0.31 451	0.25 370	0.21 419	0.30 449	0.25 430	0.17 410	0.21 451	0.20 435	0.09 383	0.06 332	0.08 303	0.08 361	0.07 280	0.08 367
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	0.16 400	0.10 393	0.10 125	0.18 318	0.09 258	0.18 398	0.19 429	0.26 375	0.31 433	0.22 435	0.35 481	0.21 374	0.21 456	0.22 464	0.16 383	0.06 122	0.05 203	0.06 119	0.06 207	0.07 280	0.06 222

NVstereo2D	0.19 446	0.10 393	0.15 337	0.17 236	0.15 504	0.28 518	0.23 488	0.44 551	0.42 505	0.15 292	0.27 417	0.25 430	0.19 440	0.22 464	0.17 398	0.09 383	0.06 332	0.10 432	0.08 361	0.15 523	0.09 412

iResNet	0.13 299	0.10 393	0.18 422	0.19 376	0.08 140	0.13 270	0.18 389	0.20 252	0.26 384	0.15 292	0.23 349	0.15 291	0.13 318	0.14 285	0.14 339	0.06 122	0.04 24	0.06 119	0.05 129	0.06 212	0.05 135

MDST_ROB	0.22 479	0.10 393	0.17 399	0.18 318	0.11 411	0.37 546	0.19 429	0.43 549	0.41 498	0.39 538	0.39 504	0.29 466	0.21 456	0.26 491	0.18 416	0.11 454	0.10 479	0.14 510	0.11 479	0.10 438	0.08 367

DLCB_ROB	0.18 434	0.10 393	0.15 337	0.23 499	0.11 411	0.24 479	0.18 389	0.29 427	0.28 408	0.27 481	0.28 431	0.28 458	0.24 479	0.19 409	0.20 435	0.08 324	0.08 430	0.09 384	0.09 408	0.07 280	0.07 303

MSAF-DinoV2	0.22 479	0.11 419	0.23 470	0.17 236	0.10 361	0.27 510	0.16 309	0.37 518	0.55 543	0.21 419	0.27 417	0.47 551	0.27 502	0.35 535	0.39 557	0.09 383	0.06 332	0.07 218	0.09 408	0.12 477	0.10 439

DFGA-Net	0.13 299	0.11 419	0.18 422	0.17 236	0.10 361	0.12 227	0.13 118	0.22 298	0.25 370	0.16 320	0.16 242	0.13 242	0.12 280	0.16 341	0.14 339	0.07 262	0.05 203	0.08 303	0.07 296	0.05 111	0.05 135

FACV-RUCA	0.13 299	0.11 419	0.12 204	0.19 376	0.12 443	0.15 328	0.15 243	0.22 298	0.20 294	0.15 292	0.16 242	0.14 262	0.16 387	0.14 285	0.13 302	0.07 262	0.05 203	0.08 303	0.06 207	0.10 438	0.08 367

rvit_105_1	0.19 446	0.11 419	0.25 479	0.21 462	0.16 514	0.21 453	0.27 531	0.31 451	0.41 498	0.19 382	0.20 309	0.22 392	0.17 410	0.19 409	0.17 398	0.12 479	0.12 506	0.13 498	0.15 526	0.08 343	0.07 303

fast-acv-ft	0.18 434	0.11 419	0.19 433	0.19 376	0.12 443	0.24 479	0.21 467	0.25 357	0.34 459	0.22 435	0.34 477	0.27 448	0.20 452	0.21 451	0.23 476	0.09 383	0.09 459	0.08 303	0.10 447	0.08 343	0.07 303

ToySt	0.17 420	0.11 419	0.18 422	0.17 236	0.11 411	0.16 358	0.25 515	0.24 341	0.33 447	0.19 382	0.24 361	0.26 440	0.24 479	0.19 409	0.20 435	0.07 262	0.08 430	0.09 384	0.10 447	0.09 406	0.08 367

RAFT+CT+SA	0.13 299	0.11 419	0.09 83	0.19 376	0.09 258	0.15 328	0.28 537	0.22 298	0.22 323	0.15 292	0.26 408	0.10 175	0.10 224	0.11 125	0.12 261	0.05 31	0.04 24	0.07 218	0.08 361	0.07 280	0.06 222

hknet	0.15 377	0.11 419	0.13 250	0.22 478	0.11 411	0.14 302	0.15 243	0.34 490	0.25 370	0.17 336	0.22 340	0.22 392	0.18 424	0.17 373	0.12 261	0.07 262	0.06 332	0.10 432	0.09 408	0.07 280	0.07 303

FADNet-RVC-Resample	0.16 400	0.11 419	0.31 507	0.22 478	0.11 411	0.19 421	0.14 171	0.25 357	0.24 349	0.24 456	0.27 417	0.20 365	0.15 361	0.16 341	0.15 367	0.07 262	0.08 430	0.12 483	0.10 447	0.09 406	0.10 439

stereogan	0.22 479	0.11 419	0.21 454	0.20 433	0.12 443	0.31 526	0.19 429	0.35 505	0.44 515	0.22 435	0.39 504	0.35 510	0.27 502	0.33 526	0.22 464	0.10 425	0.12 506	0.10 432	0.10 447	0.14 508	0.13 498

ADCL	0.24 502	0.11 419	0.47 542	0.22 478	0.12 443	0.34 536	0.29 546	0.29 427	0.56 546	0.24 456	0.46 534	0.30 475	0.30 524	0.29 512	0.29 528	0.08 324	0.07 404	0.09 384	0.09 408	0.10 438	0.10 439

AdaStereo	0.15 377	0.11 419	0.15 337	0.18 318	0.09 258	0.20 436	0.11 51	0.32 462	0.28 408	0.20 405	0.23 349	0.20 365	0.13 318	0.19 409	0.14 339	0.12 479	0.05 203	0.10 432	0.07 296	0.09 406	0.07 303
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.
DeepPruner_ROB	0.16 400	0.11 419	0.15 337	0.17 236	0.10 361	0.17 379	0.15 243	0.32 462	0.21 309	0.19 382	0.21 330	0.22 392	0.18 424	0.20 434	0.15 367	0.13 502	0.09 459	0.09 384	0.09 408	0.11 461	0.10 439

DRN-Test	0.19 446	0.11 419	0.20 445	0.22 478	0.10 361	0.22 461	0.22 477	0.39 530	0.37 479	0.24 456	0.32 461	0.26 440	0.21 456	0.22 464	0.24 489	0.11 454	0.07 404	0.11 463	0.10 447	0.09 406	0.07 303

StereoDRNet	0.18 434	0.11 419	0.17 399	0.22 478	0.11 411	0.21 453	0.22 477	0.37 518	0.33 447	0.24 456	0.28 431	0.30 475	0.19 440	0.20 434	0.20 435	0.09 383	0.08 430	0.11 463	0.09 408	0.09 406	0.07 303

XPNet_ROB	0.22 479	0.11 419	0.19 433	0.22 478	0.13 466	0.22 461	0.19 429	0.34 490	0.40 495	0.30 509	0.39 504	0.39 529	0.26 494	0.26 491	0.28 525	0.15 520	0.10 479	0.10 432	0.10 447	0.13 495	0.12 478

WCMA_ROB	0.24 502	0.11 419	0.22 461	0.17 236	0.14 486	0.32 527	0.15 243	0.32 462	0.32 440	0.38 536	0.53 544	0.40 534	0.34 537	0.34 529	0.25 499	0.11 454	0.12 506	0.12 483	0.10 447	0.14 508	0.14 515

PSMNet_ROB	0.21 470	0.11 419	0.15 337	0.27 536	0.15 504	0.24 479	0.35 563	0.43 549	0.37 479	0.27 481	0.32 461	0.32 497	0.22 465	0.21 451	0.26 510	0.12 479	0.08 430	0.13 498	0.11 479	0.09 406	0.09 412

TCMNet	0.19 446	0.12 437	0.19 433	0.20 433	0.18 535	0.20 436	0.24 500	0.27 396	0.36 472	0.23 447	0.26 408	0.25 430	0.19 440	0.19 409	0.23 476	0.13 502	0.11 491	0.11 463	0.12 498	0.13 495	0.12 478

YMNet	0.20 458	0.12 437	0.19 433	0.20 433	0.14 486	0.26 500	0.23 488	0.32 462	0.34 459	0.27 481	0.34 477	0.30 475	0.18 424	0.18 394	0.22 464	0.10 425	0.13 519	0.10 432	0.10 447	0.08 343	0.09 412

YMNet_1	0.20 458	0.12 437	0.19 433	0.20 433	0.14 486	0.26 500	0.23 488	0.32 462	0.34 459	0.27 481	0.34 477	0.30 475	0.18 424	0.18 394	0.22 464	0.10 425	0.13 519	0.10 432	0.10 447	0.08 343	0.09 412

rvit_stereo_0075_2	0.17 420	0.12 437	0.25 479	0.23 499	0.16 514	0.13 270	0.10 29	0.30 441	0.27 394	0.20 405	0.28 431	0.22 392	0.15 361	0.18 394	0.13 302	0.16 536	0.10 479	0.17 530	0.10 447	0.10 438	0.09 412

DualNet (step1)	0.16 400	0.12 437	0.20 445	0.12 4	0.14 486	0.17 379	0.13 118	0.27 396	0.23 333	0.20 405	0.20 309	0.24 416	0.19 440	0.16 341	0.16 383	0.15 520	0.06 332	0.14 510	0.14 511	0.14 508	0.12 478

test_sample9	0.18 434	0.12 437	0.20 445	0.12 4	0.14 486	0.17 379	0.13 118	0.27 396	0.23 333	0.20 405	0.20 309	0.24 416	0.19 440	0.19 409	0.17 398	0.15 520	0.30 568	0.14 510	0.14 511	0.14 508	0.12 478

test_sample8	0.19 446	0.12 437	0.20 445	0.12 4	0.14 486	0.17 379	0.13 118	0.31 451	0.21 309	0.27 481	0.22 340	0.36 512	0.25 488	0.19 409	0.17 398	0.15 520	0.30 568	0.14 510	0.14 511	0.14 508	0.12 478

test_for_model	0.09 101	0.12 437	0.14 285	0.23 499	0.11 411	0.08 57	0.13 118	0.12 55	0.12 101	0.10 148	0.07 45	0.07 76	0.06 42	0.11 125	0.10 139	0.06 122	0.05 203	0.05 33	0.03 1	0.07 280	0.04 47

StereoVision	0.13 299	0.12 437	0.09 83	0.24 508	0.10 361	0.15 328	0.21 467	0.21 275	0.20 294	0.12 217	0.24 361	0.10 175	0.10 224	0.16 341	0.10 139	0.09 383	0.11 491	0.12 483	0.12 498	0.06 212	0.05 135

CASS	0.13 299	0.12 437	0.11 169	0.23 499	0.09 258	0.15 328	0.17 343	0.18 219	0.19 271	0.17 336	0.18 288	0.15 291	0.15 361	0.14 285	0.14 339	0.09 383	0.06 332	0.10 432	0.08 361	0.09 406	0.07 303
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
test_5	0.14 333	0.12 437	0.08 38	0.20 433	0.10 361	0.14 302	0.29 546	0.21 275	0.24 349	0.18 366	0.28 431	0.11 200	0.15 361	0.12 213	0.13 302	0.06 122	0.05 203	0.07 218	0.08 361	0.08 343	0.07 303

SACVNet	0.18 434	0.12 437	0.14 285	0.17 236	0.13 466	0.22 461	0.18 389	0.31 451	0.30 426	0.23 447	0.31 457	0.30 475	0.22 465	0.22 464	0.17 398	0.11 454	0.08 430	0.10 432	0.10 447	0.12 477	0.14 515

PSMNet-ADL	0.15 377	0.12 437	0.13 250	0.22 478	0.09 258	0.13 270	0.20 450	0.26 375	0.23 333	0.18 366	0.20 309	0.24 416	0.16 387	0.18 394	0.17 398	0.08 324	0.08 430	0.08 303	0.11 479	0.08 343	0.07 303

GEStereo_RVC	0.17 420	0.12 437	0.15 337	0.22 478	0.11 411	0.19 421	0.17 343	0.32 462	0.48 524	0.20 405	0.25 391	0.17 325	0.13 318	0.21 451	0.16 383	0.10 425	0.06 332	0.08 303	0.07 296	0.09 406	0.08 367

sAnonymous2	0.13 299	0.12 437	0.24 474	0.20 433	0.12 443	0.17 379	0.13 118	0.26 375	0.21 309	0.11 179	0.11 171	0.13 242	0.08 161	0.10 75	0.10 139	0.09 383	0.05 203	0.08 303	0.06 207	0.15 523	0.10 439

CroCo_RVC	0.13 299	0.12 437	0.24 474	0.20 433	0.12 443	0.17 379	0.13 118	0.26 375	0.21 309	0.11 179	0.11 171	0.13 242	0.08 161	0.10 75	0.10 139	0.09 383	0.05 203	0.08 303	0.06 207	0.15 523	0.10 439

APVNet	0.22 479	0.12 437	0.19 433	0.18 318	0.14 486	0.32 527	0.31 559	0.39 530	0.32 440	0.27 481	0.40 510	0.30 475	0.29 520	0.26 491	0.25 499	0.11 454	0.12 506	0.11 463	0.14 511	0.12 477	0.12 478

FAT-Stereo	0.20 458	0.12 437	0.22 461	0.21 462	0.12 443	0.17 379	0.18 389	0.34 490	0.39 489	0.27 481	0.37 490	0.34 506	0.32 532	0.21 451	0.20 435	0.09 383	0.11 491	0.10 432	0.09 408	0.11 461	0.14 515

S-Stereo	0.20 458	0.12 437	0.25 479	0.21 462	0.13 466	0.20 436	0.18 389	0.32 462	0.43 510	0.23 447	0.36 484	0.28 458	0.30 524	0.19 409	0.22 464	0.09 383	0.12 506	0.10 432	0.10 447	0.13 495	0.13 498

STTStereo	0.18 434	0.12 437	0.27 489	0.20 433	0.11 411	0.16 358	0.21 467	0.29 427	0.23 333	0.21 419	0.30 449	0.29 466	0.18 424	0.20 434	0.19 429	0.12 479	0.11 491	0.11 463	0.14 511	0.09 406	0.08 367

RTSC	0.23 495	0.12 437	0.28 494	0.21 462	0.13 466	0.28 518	0.16 309	0.35 505	0.66 566	0.27 481	0.33 473	0.30 475	0.21 456	0.31 516	0.29 528	0.10 425	0.08 430	0.09 384	0.10 447	0.13 495	0.13 498

ADCRef	0.19 446	0.12 437	0.41 533	0.20 433	0.12 443	0.22 461	0.18 389	0.32 462	0.36 472	0.26 475	0.32 461	0.17 325	0.23 473	0.24 484	0.24 489	0.07 262	0.06 332	0.09 384	0.09 408	0.08 343	0.08 367

RYNet	0.22 479	0.12 437	0.22 461	0.19 376	0.17 529	0.46 554	0.26 524	0.38 526	0.48 524	0.24 456	0.28 431	0.34 506	0.23 473	0.20 434	0.30 533	0.10 425	0.06 332	0.09 384	0.09 408	0.13 495	0.15 522

GANet	0.21 470	0.12 437	0.21 454	0.24 508	0.13 466	0.22 461	0.22 477	0.41 540	0.26 384	0.31 515	0.42 527	0.37 517	0.28 512	0.23 475	0.22 464	0.10 425	0.12 506	0.10 432	0.09 408	0.10 438	0.08 367

TDLM	0.17 420	0.12 437	0.13 250	0.24 508	0.10 361	0.18 398	0.18 389	0.36 512	0.30 426	0.21 419	0.28 431	0.28 458	0.18 424	0.23 475	0.18 416	0.11 454	0.07 404	0.10 432	0.10 447	0.08 343	0.08 367

SGM-ForestM	0.32 541	0.12 437	0.16 371	0.16 160	0.11 411	0.39 550	0.19 429	0.41 540	0.50 533	0.52 559	0.54 546	1.32 590	0.42 558	0.40 556	0.27 518	0.14 516	0.16 537	0.16 528	0.16 530	0.12 477	0.12 478

StereoDRNet-Refined	0.17 420	0.12 437	0.15 337	0.20 433	0.09 258	0.18 398	0.18 389	0.26 375	0.23 333	0.26 475	0.40 510	0.22 392	0.17 410	0.21 451	0.20 435	0.08 324	0.05 203	0.09 384	0.10 447	0.07 280	0.07 303
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NOSS_ROB	0.19 446	0.12 437	0.18 422	0.16 160	0.12 443	0.15 328	0.12 71	0.30 441	0.32 440	0.20 405	0.22 340	0.27 448	0.23 473	0.21 451	0.16 383	0.16 536	0.18 544	0.23 549	0.21 546	0.12 477	0.13 498

SGM_RVC	0.23 495	0.12 437	0.15 337	0.15 82	0.09 258	0.33 533	0.18 389	0.34 490	0.31 433	0.44 552	0.37 490	0.53 559	0.35 539	0.35 535	0.24 489	0.13 502	0.13 519	0.13 498	0.13 508	0.10 438	0.11 465
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 400	0.13 466	0.24 474	0.20 433	0.10 361	0.17 379	0.13 118	0.29 427	0.25 370	0.23 447	0.32 461	0.25 430	0.11 249	0.19 409	0.14 339	0.09 383	0.06 332	0.11 463	0.06 207	0.12 477	0.08 367

HBP-ISP	0.18 434	0.13 466	0.16 371	0.15 82	0.11 411	0.08 57	0.13 118	0.28 416	0.29 415	0.22 435	0.33 473	0.21 374	0.25 488	0.23 475	0.17 398	0.14 516	0.16 537	0.21 544	0.17 538	0.10 438	0.08 367

Wz-Net-MNSev	0.22 479	0.13 466	0.31 507	0.20 433	0.14 486	0.36 545	0.24 500	0.33 481	0.44 515	0.28 497	0.40 510	0.38 521	0.19 440	0.24 484	0.25 499	0.09 383	0.07 404	0.09 384	0.09 408	0.12 477	0.10 439

UDGNet	0.14 333	0.13 466	0.16 371	0.17 236	0.10 361	0.12 227	0.16 309	0.21 275	0.27 394	0.20 405	0.20 309	0.16 305	0.13 318	0.16 341	0.13 302	0.10 425	0.06 332	0.09 384	0.07 296	0.06 212	0.07 303

Anonymous3	0.16 400	0.13 466	0.33 513	0.26 524	0.14 486	0.27 510	0.17 343	0.28 416	0.28 408	0.15 292	0.17 263	0.14 262	0.10 224	0.15 307	0.12 261	0.08 324	0.08 430	0.08 303	0.08 361	0.08 343	0.11 465

GwcNet	0.20 458	0.13 466	0.19 433	0.18 318	0.12 443	0.24 479	0.19 429	0.35 505	0.43 510	0.20 405	0.32 461	0.33 500	0.20 452	0.22 464	0.24 489	0.11 454	0.09 459	0.09 384	0.09 408	0.09 406	0.10 439

RP	0.21 470	0.13 466	0.21 454	0.23 499	0.11 411	0.21 453	0.20 450	0.25 357	0.44 515	0.21 419	0.38 496	0.36 512	0.24 479	0.27 494	0.25 499	0.11 454	0.12 506	0.13 498	0.12 498	0.12 477	0.14 515

edge stereo	0.22 479	0.13 466	0.20 445	0.21 462	0.13 466	0.23 474	0.16 309	0.32 462	0.42 505	0.32 521	0.40 510	0.38 521	0.35 539	0.25 489	0.24 489	0.13 502	0.11 491	0.14 510	0.11 479	0.12 477	0.13 498

CBMV_ROB	0.19 446	0.13 466	0.17 399	0.16 160	0.11 411	0.15 328	0.13 118	0.26 375	0.28 408	0.27 481	0.30 449	0.27 448	0.24 479	0.23 475	0.16 383	0.15 520	0.17 542	0.22 548	0.20 544	0.10 438	0.11 465

DN-CSS_ROB	0.13 299	0.13 466	0.16 371	0.18 318	0.10 361	0.16 358	0.08 7	0.22 298	0.18 255	0.17 336	0.22 340	0.13 242	0.13 318	0.12 213	0.13 302	0.05 31	0.05 203	0.10 432	0.10 447	0.08 343	0.06 222

PWCDC_ROB	0.20 458	0.13 466	0.22 461	0.24 508	0.11 411	0.19 421	0.15 243	0.33 481	0.54 542	0.29 505	0.50 542	0.21 374	0.15 361	0.27 494	0.20 435	0.11 454	0.09 459	0.10 432	0.08 361	0.11 461	0.09 412

MeshStereo	0.27 524	0.13 466	0.18 422	0.15 82	0.11 411	0.32 527	0.24 500	0.40 534	0.36 472	0.52 559	0.57 556	0.67 570	0.40 550	0.35 535	0.26 510	0.14 516	0.13 519	0.13 498	0.11 479	0.11 461	0.10 439
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
zh-mn7	0.25 514	0.14 478	0.56 553	0.19 376	0.14 486	0.24 479	0.22 477	0.34 490	0.62 558	0.35 528	0.65 561	0.31 488	0.25 488	0.31 516	0.25 499	0.09 383	0.08 430	0.09 384	0.09 408	0.09 406	0.11 465

z-mn7	0.24 502	0.14 478	0.45 537	0.19 376	0.13 466	0.28 518	0.25 515	0.34 490	0.62 558	0.27 481	0.56 553	0.29 466	0.24 479	0.32 523	0.25 499	0.08 324	0.08 430	0.08 303	0.08 361	0.10 438	0.10 439

w-ln-seven-2	0.20 458	0.14 478	0.37 526	0.22 478	0.12 443	0.20 436	0.21 467	0.28 416	0.37 479	0.25 469	0.37 490	0.27 448	0.22 465	0.21 451	0.23 476	0.08 324	0.08 430	0.09 384	0.09 408	0.10 438	0.09 412

w-ln-seven	0.24 502	0.14 478	0.55 550	0.19 376	0.14 486	0.26 500	0.22 477	0.35 505	0.60 555	0.29 505	0.39 504	0.30 475	0.22 465	0.21 451	0.26 510	0.09 383	0.09 459	0.11 463	0.10 447	0.11 461	0.10 439

TestStereo	0.13 299	0.14 478	0.11 169	0.23 499	0.08 140	0.15 328	0.21 467	0.20 252	0.23 333	0.14 265	0.24 361	0.16 305	0.12 280	0.16 341	0.14 339	0.05 31	0.06 332	0.08 303	0.06 207	0.09 406	0.05 135

GMStereo	0.13 299	0.14 478	0.14 285	0.18 318	0.09 258	0.15 328	0.16 309	0.20 252	0.24 349	0.16 320	0.17 263	0.10 175	0.10 224	0.16 341	0.13 302	0.07 262	0.06 332	0.06 119	0.06 207	0.07 280	0.06 222
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FADNet_RVC	0.16 400	0.14 478	0.40 530	0.20 433	0.11 411	0.13 270	0.13 118	0.26 375	0.22 323	0.21 419	0.23 349	0.20 365	0.17 410	0.14 285	0.16 383	0.08 324	0.08 430	0.12 483	0.09 408	0.11 461	0.10 439

SANet	0.24 502	0.14 478	0.28 494	0.21 462	0.11 411	0.27 510	0.24 500	0.38 526	0.64 562	0.36 531	0.40 510	0.43 540	0.26 494	0.27 494	0.24 489	0.12 479	0.09 459	0.10 432	0.09 408	0.13 495	0.11 465

SGM-Forest	0.20 458	0.14 478	0.18 422	0.19 376	0.13 466	0.20 436	0.22 477	0.33 481	0.30 426	0.24 456	0.29 443	0.28 458	0.19 440	0.23 475	0.17 398	0.15 520	0.16 537	0.15 522	0.14 511	0.12 477	0.12 478
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.19 446	0.14 478	0.17 399	0.18 318	0.10 361	0.20 436	0.11 51	0.29 427	0.30 426	0.29 505	0.30 449	0.30 475	0.23 473	0.27 494	0.19 429	0.13 502	0.15 534	0.17 530	0.16 530	0.10 438	0.10 439
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
StereoAnything_RVC	0.07 4	0.15 488	0.17 399	0.11 1	0.05 1	0.05 4	0.11 51	0.08 4	0.08 15	0.06 13	0.06 14	0.05 1	0.05 11	0.09 37	0.08 17	0.08 324	0.04 24	0.05 33	0.03 1	0.05 111	0.04 47

psmorigin	0.25 514	0.15 488	0.34 521	0.17 236	0.13 466	0.23 474	0.14 171	0.34 490	0.33 447	0.41 545	0.55 548	0.41 536	0.37 544	0.34 529	0.27 518	0.11 454	0.15 534	0.11 463	0.11 479	0.12 477	0.16 533

NCC-stereo	0.24 502	0.15 488	0.31 507	0.26 524	0.16 514	0.20 436	0.30 553	0.40 534	0.40 495	0.24 456	0.38 496	0.33 500	0.28 512	0.36 541	0.27 518	0.12 479	0.11 491	0.15 522	0.22 549	0.13 495	0.13 498

Abc-Net	0.24 502	0.15 488	0.31 507	0.26 524	0.16 514	0.20 436	0.30 553	0.40 534	0.40 495	0.24 456	0.38 496	0.33 500	0.28 512	0.36 541	0.27 518	0.12 479	0.11 491	0.15 522	0.22 549	0.13 495	0.13 498
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 522	0.15 488	0.30 505	0.24 508	0.18 535	0.22 461	0.15 243	0.38 526	0.71 570	0.32 521	0.41 521	0.36 512	0.28 512	0.32 523	0.29 528	0.12 479	0.11 491	0.14 510	0.13 508	0.16 530	0.20 550

ADCMid	0.25 514	0.15 488	0.40 530	0.20 433	0.14 486	0.25 490	0.26 524	0.34 490	0.38 486	0.36 531	0.44 532	0.34 506	0.40 550	0.35 535	0.33 545	0.10 425	0.09 459	0.11 463	0.11 479	0.13 495	0.12 478

DANet	0.21 470	0.15 488	0.28 494	0.25 519	0.13 466	0.22 461	0.19 429	0.27 396	0.27 394	0.28 497	0.32 461	0.35 510	0.31 528	0.31 516	0.23 476	0.11 454	0.09 459	0.11 463	0.10 447	0.13 495	0.11 465
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.23 495	0.15 488	0.17 399	0.34 554	0.18 535	0.24 479	0.23 488	0.34 490	0.28 408	0.31 515	0.38 496	0.38 521	0.28 512	0.23 475	0.24 489	0.15 520	0.12 506	0.18 539	0.21 546	0.13 495	0.13 498

Wz-Net-LNSev	0.22 479	0.16 496	0.38 527	0.21 462	0.13 466	0.25 490	0.23 488	0.32 462	0.43 510	0.30 509	0.41 521	0.31 488	0.18 424	0.22 464	0.25 499	0.10 425	0.09 459	0.08 303	0.08 361	0.12 477	0.11 465

dd	0.15 377	0.16 496	0.16 371	0.19 376	0.09 258	0.15 328	0.18 389	0.21 275	0.25 370	0.23 447	0.20 309	0.21 374	0.09 191	0.21 451	0.16 383	0.10 425	0.06 332	0.08 303	0.06 207	0.08 343	0.06 222

Syn2CoEx	0.21 470	0.16 496	0.27 489	0.29 547	0.14 486	0.26 500	0.20 450	0.33 481	0.31 433	0.28 497	0.36 484	0.27 448	0.25 488	0.19 409	0.24 489	0.16 536	0.12 506	0.14 510	0.11 479	0.09 406	0.08 367

G-Net	0.24 502	0.16 496	0.36 522	0.22 478	0.16 514	0.51 560	0.23 488	0.29 427	0.34 459	0.36 531	0.38 496	0.31 488	0.29 520	0.27 494	0.26 510	0.11 454	0.09 459	0.12 483	0.09 408	0.16 530	0.13 498

Nwc_Net	0.23 495	0.16 496	0.21 454	0.25 519	0.14 486	0.24 479	0.26 524	0.37 518	0.38 486	0.22 435	0.41 521	0.30 475	0.28 512	0.28 506	0.25 499	0.11 454	0.10 479	0.17 530	0.20 544	0.10 438	0.10 439

AnyNet_C32	0.26 522	0.16 496	0.36 522	0.20 433	0.16 514	0.25 490	0.30 553	0.32 462	0.44 515	0.31 515	0.49 538	0.30 475	0.33 533	0.40 556	0.33 545	0.12 479	0.12 506	0.12 483	0.14 511	0.14 508	0.15 522

ADCPNet	0.25 514	0.16 496	0.61 559	0.21 462	0.15 504	0.35 544	0.25 515	0.32 462	0.35 468	0.30 509	0.40 510	0.36 512	0.28 512	0.28 506	0.32 541	0.12 479	0.10 479	0.11 463	0.12 498	0.14 508	0.13 498

DPSNet	0.28 528	0.16 496	0.31 507	0.18 318	0.13 466	0.54 562	0.42 572	0.51 565	0.67 567	0.29 505	0.38 496	0.38 521	0.29 520	0.31 516	0.23 476	0.11 454	0.10 479	0.11 463	0.08 361	0.20 544	0.16 533

PDISCO_ROB	0.27 524	0.16 496	0.26 482	0.28 539	0.20 541	0.32 527	0.26 524	0.44 551	0.57 548	0.28 497	0.40 510	0.45 544	0.29 520	0.33 526	0.34 547	0.12 479	0.09 459	0.17 530	0.16 530	0.17 537	0.13 498

LALA_ROB	0.25 514	0.16 496	0.22 461	0.26 524	0.17 529	0.27 510	0.27 531	0.42 545	0.37 479	0.33 525	0.38 496	0.51 555	0.26 494	0.28 506	0.27 518	0.16 536	0.09 459	0.12 483	0.11 479	0.13 495	0.12 478

PWC_ROB	0.21 470	0.16 496	0.26 482	0.18 318	0.11 411	0.22 461	0.13 118	0.32 462	0.49 530	0.30 509	0.40 510	0.32 497	0.24 479	0.31 516	0.22 464	0.10 425	0.07 404	0.11 463	0.08 361	0.11 461	0.10 439

NLCSM	0.24 502	0.17 507	0.21 454	0.21 462	0.23 550	0.27 510	0.17 343	0.45 554	0.29 415	0.27 481	0.24 361	0.39 529	0.35 539	0.46 561	0.48 571	0.09 383	0.11 491	0.11 463	0.16 530	0.11 461	0.12 478

zh-sn7	0.25 514	0.17 507	0.50 544	0.24 508	0.13 466	0.25 490	0.24 500	0.34 490	0.48 524	0.28 497	0.54 546	0.28 458	0.31 528	0.36 541	0.32 541	0.10 425	0.10 479	0.11 463	0.10 447	0.12 477	0.12 478

Anonymous_2	0.22 479	0.17 507	0.28 494	0.15 82	0.16 514	0.32 527	0.22 477	0.22 298	0.17 229	0.23 447	0.24 361	0.26 440	0.27 502	0.27 494	0.23 476	0.22 558	0.25 564	0.17 530	0.17 538	0.17 537	0.17 541

Wz-Net-SNSev	0.25 514	0.17 507	0.44 536	0.25 519	0.14 486	0.26 500	0.23 488	0.38 526	0.56 546	0.30 509	0.55 548	0.39 529	0.26 494	0.23 475	0.30 533	0.10 425	0.09 459	0.09 384	0.10 447	0.11 461	0.11 465

WZ-Net	0.28 528	0.17 507	0.78 578	0.22 478	0.16 514	0.34 536	0.29 546	0.39 530	0.57 548	0.24 456	0.55 548	0.37 517	0.24 479	0.33 526	0.35 548	0.09 383	0.08 430	0.09 384	0.10 447	0.14 508	0.16 533

DDUNet	0.22 479	0.17 507	0.21 454	0.22 478	0.15 504	0.25 490	0.24 500	0.29 427	0.30 426	0.31 515	0.36 484	0.33 500	0.25 488	0.24 484	0.20 435	0.18 542	0.13 519	0.17 530	0.11 479	0.16 530	0.16 533

UDG	0.21 470	0.17 507	0.19 433	0.23 499	0.15 504	0.30 525	0.20 450	0.33 481	0.35 468	0.23 447	0.28 431	0.31 488	0.27 502	0.20 434	0.22 464	0.15 520	0.12 506	0.13 498	0.09 408	0.14 508	0.14 515

aanetorigin	0.22 479	0.17 507	0.56 553	0.17 236	0.10 361	0.15 328	0.19 429	0.20 252	0.33 447	0.49 557	0.48 537	0.29 466	0.27 502	0.20 434	0.23 476	0.08 324	0.07 404	0.08 303	0.07 296	0.10 438	0.09 412

AF-Net	0.22 479	0.17 507	0.17 399	0.26 524	0.13 466	0.25 490	0.24 500	0.32 462	0.50 533	0.25 469	0.33 473	0.38 521	0.26 494	0.28 506	0.25 499	0.11 454	0.10 479	0.16 528	0.11 479	0.11 461	0.10 439

DeepPrunerF	0.24 502	0.17 507	0.42 535	0.26 524	0.16 514	0.22 461	0.28 537	0.37 518	0.50 533	0.26 475	0.29 443	0.24 416	0.28 512	0.21 451	0.22 464	0.15 520	0.11 491	0.20 543	0.18 542	0.12 477	0.13 498

FBW_ROB	0.24 502	0.17 507	0.22 461	0.26 524	0.14 486	0.25 490	0.22 477	0.41 540	0.41 498	0.41 545	0.41 521	0.42 537	0.27 502	0.31 516	0.23 476	0.09 383	0.14 528	0.14 510	0.12 498	0.11 461	0.09 412

ETE_ROB	0.23 495	0.17 507	0.22 461	0.25 519	0.13 466	0.26 500	0.29 546	0.31 451	0.36 472	0.28 497	0.36 484	0.45 544	0.26 494	0.27 494	0.26 510	0.11 454	0.08 430	0.12 483	0.09 408	0.14 508	0.13 498

FINET	0.21 470	0.18 519	0.26 482	0.18 318	0.16 514	0.23 474	0.23 488	0.32 462	0.48 524	0.25 469	0.32 461	0.22 392	0.22 465	0.22 464	0.17 398	0.18 542	0.16 537	0.11 463	0.10 447	0.15 523	0.13 498

ADCS	0.29 532	0.18 519	0.45 537	0.21 462	0.17 529	0.28 518	0.23 488	0.41 540	0.63 561	0.40 541	0.49 538	0.40 534	0.36 542	0.39 552	0.40 560	0.13 502	0.12 506	0.13 498	0.14 511	0.16 530	0.16 533

PA-Net	0.23 495	0.18 519	0.33 513	0.28 539	0.22 547	0.21 453	0.38 568	0.29 427	0.39 489	0.22 435	0.32 461	0.25 430	0.26 494	0.20 434	0.25 499	0.09 383	0.23 562	0.15 522	0.22 549	0.09 406	0.13 498
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DGSMNet	0.24 502	0.19 522	0.33 513	0.21 462	0.24 553	0.24 479	0.20 450	0.35 505	0.41 498	0.24 456	0.32 461	0.38 521	0.21 456	0.29 512	0.23 476	0.12 479	0.11 491	0.14 510	0.16 530	0.23 549	0.23 555

RTS	0.45 560	0.19 522	3.26 596	0.24 508	0.15 504	0.74 577	0.20 450	0.36 512	0.76 577	0.42 548	0.43 530	0.31 488	0.41 555	0.53 570	0.35 548	0.10 425	0.08 430	0.13 498	0.12 498	0.15 523	0.15 522

RTSA	0.45 560	0.19 522	3.26 596	0.24 508	0.15 504	0.74 577	0.20 450	0.36 512	0.76 577	0.42 548	0.43 530	0.31 488	0.41 555	0.53 570	0.35 548	0.10 425	0.08 430	0.13 498	0.12 498	0.15 523	0.15 522

NaN_ROB	0.22 479	0.19 522	0.24 474	0.25 519	0.13 466	0.29 522	0.26 524	0.33 481	0.41 498	0.31 515	0.31 457	0.32 497	0.23 473	0.30 515	0.21 455	0.11 454	0.17 542	0.10 432	0.10 447	0.08 343	0.09 412

Wz-Net-TNSev	0.29 532	0.20 526	0.65 562	0.19 376	0.15 504	0.38 549	0.27 531	0.35 505	0.55 543	0.34 527	0.42 527	0.45 544	0.38 545	0.32 523	0.30 533	0.12 479	0.13 519	0.10 432	0.12 498	0.15 523	0.14 515

dad	0.17 420	0.20 526	0.20 445	0.16 160	0.11 411	0.20 436	0.18 389	0.21 275	0.28 408	0.30 509	0.24 361	0.29 466	0.13 318	0.19 409	0.16 383	0.18 542	0.09 459	0.11 463	0.09 408	0.11 461	0.07 303

FADNet-RVC	0.20 458	0.20 526	0.38 527	0.21 462	0.16 514	0.20 436	0.15 243	0.26 375	0.26 384	0.26 475	0.32 461	0.26 440	0.21 456	0.22 464	0.19 429	0.12 479	0.13 519	0.12 483	0.14 511	0.13 495	0.18 544

RGC	0.25 514	0.20 526	0.29 502	0.28 539	0.16 514	0.22 461	0.23 488	0.32 462	0.44 515	0.27 481	0.40 510	0.38 521	0.27 502	0.36 541	0.22 464	0.11 454	0.13 519	0.17 530	0.17 538	0.14 508	0.16 533

PVD	0.39 550	0.20 526	0.39 529	0.31 553	0.22 547	0.29 522	0.43 574	0.52 566	0.96 584	0.55 563	0.79 575	0.53 559	0.59 574	0.52 568	0.38 555	0.19 547	0.14 528	0.17 530	0.14 511	0.24 555	0.31 568

LSM	0.33 544	0.20 526	0.58 556	0.26 524	0.60 583	0.34 536	0.25 515	0.42 545	0.48 524	0.45 553	0.58 558	0.42 537	0.36 542	0.35 535	0.25 499	0.12 479	0.20 550	0.14 510	0.16 530	0.19 543	0.33 570

MFN_U_SF_RVC	0.32 541	0.21 532	0.55 550	0.30 549	0.15 504	0.34 536	0.17 343	0.52 566	0.46 522	0.46 556	0.55 548	0.59 562	0.39 547	0.35 535	0.37 553	0.15 520	0.14 528	0.18 539	0.21 546	0.16 530	0.15 522

MaskLacGwcNet_RVC	0.22 479	0.21 532	0.24 474	0.26 524	0.11 411	0.23 474	0.14 171	0.39 530	0.24 349	0.32 521	0.36 484	0.30 475	0.21 456	0.19 409	0.21 455	0.17 541	0.14 528	0.21 544	0.16 530	0.12 477	0.12 478

PS-NSSS	0.20 458	0.21 532	0.23 470	0.20 433	0.10 361	0.19 421	0.17 343	0.36 512	0.25 370	0.27 481	0.33 473	0.27 448	0.24 479	0.20 434	0.20 435	0.15 520	0.12 506	0.17 530	0.14 511	0.10 438	0.08 367

DispFullNet	0.27 524	0.21 532	0.65 562	0.28 539	0.16 514	0.26 500	0.17 343	0.33 481	0.58 551	0.27 481	0.38 496	0.43 540	0.23 473	0.38 548	0.23 476	0.12 479	0.06 332	0.19 541	0.11 479	0.21 545	0.15 522

FADNet	0.21 470	0.22 536	0.36 522	0.18 318	0.17 529	0.24 479	0.13 118	0.31 451	0.31 433	0.23 447	0.25 391	0.27 448	0.21 456	0.19 409	0.15 367	0.13 502	0.15 534	0.12 483	0.15 526	0.16 530	0.18 544

SQANet	0.23 495	0.23 537	0.30 505	0.30 549	0.19 538	0.27 510	0.13 118	0.29 427	0.33 447	0.24 456	0.37 490	0.31 488	0.22 465	0.27 494	0.23 476	0.15 520	0.10 479	0.21 544	0.16 530	0.21 545	0.15 522

GASNet	0.22 479	0.23 537	0.33 513	0.26 524	0.17 529	0.26 500	0.16 309	0.44 551	0.42 505	0.27 481	0.24 361	0.30 475	0.15 361	0.27 494	0.18 416	0.12 479	0.08 430	0.12 483	0.11 479	0.16 530	0.07 303

XQC	0.28 528	0.23 537	0.51 545	0.28 539	0.19 538	0.34 536	0.27 531	0.36 512	0.57 548	0.31 515	0.30 449	0.37 517	0.30 524	0.38 548	0.38 555	0.13 502	0.09 459	0.15 522	0.12 498	0.17 537	0.18 544

HCRNet	0.16 400	0.24 540	0.12 204	0.35 556	0.11 411	0.15 328	0.17 343	0.26 375	0.22 323	0.19 382	0.24 361	0.21 374	0.14 343	0.15 307	0.13 302	0.11 454	0.07 404	0.11 463	0.10 447	0.09 406	0.07 303

EDNetEfficient	0.29 532	0.24 540	1.13 587	0.18 318	0.10 361	0.19 421	0.20 450	0.20 252	0.60 555	0.74 577	0.56 553	0.31 488	0.39 547	0.22 464	0.30 533	0.09 383	0.07 404	0.08 303	0.07 296	0.11 461	0.09 412

MFN_U_SF_DS_RVC	0.30 538	0.24 540	0.29 502	0.36 558	0.16 514	0.34 536	0.30 553	0.32 462	0.42 505	0.40 541	0.46 534	0.38 521	0.31 528	0.34 529	0.28 525	0.19 547	0.20 550	0.26 552	0.29 563	0.18 540	0.19 549

PASM	0.32 541	0.24 540	0.48 543	0.28 539	0.27 559	0.29 522	0.30 553	0.34 490	0.49 530	0.35 528	0.39 504	0.46 548	0.34 537	0.34 529	0.35 548	0.23 562	0.25 564	0.26 552	0.28 562	0.23 549	0.21 552

CSAN	0.29 532	0.24 540	0.27 489	0.34 554	0.19 538	0.33 533	0.42 572	0.37 518	0.50 533	0.38 536	0.40 510	0.44 542	0.33 533	0.28 506	0.30 533	0.20 549	0.16 537	0.19 541	0.19 543	0.14 508	0.15 522

AnyNet_C01	0.36 548	0.25 545	1.37 590	0.22 478	0.17 529	0.48 558	0.27 531	0.35 505	0.39 489	0.39 538	0.74 571	0.46 548	0.38 545	0.45 560	0.47 569	0.13 502	0.13 519	0.13 498	0.14 511	0.14 508	0.15 522

MonStereo1	0.47 564	0.26 546	0.58 556	0.28 539	0.20 541	0.39 550	0.18 389	0.49 561	0.64 562	0.52 559	0.87 578	1.01 579	0.57 572	0.50 564	0.56 577	0.53 580	0.31 571	0.54 578	0.40 571	0.33 569	0.34 571

MSMD_ROB	0.31 539	0.26 546	0.26 482	0.24 508	0.21 545	0.34 536	0.25 515	0.34 490	0.39 489	0.40 541	0.69 565	0.45 544	0.40 550	0.34 529	0.27 518	0.20 549	0.19 547	0.26 552	0.25 555	0.23 549	0.22 554

FC-DCNN v2	0.33 544	0.27 548	0.28 494	0.26 524	0.23 550	0.37 546	0.28 537	0.40 534	0.43 510	0.45 553	0.56 553	0.51 555	0.40 550	0.37 546	0.29 528	0.21 553	0.20 550	0.27 555	0.26 556	0.25 556	0.24 556

BEATNet-Init1	0.52 566	0.27 548	0.62 560	0.30 549	0.21 545	0.76 581	0.29 546	0.54 569	0.65 565	0.86 582	0.95 583	2.07 599	0.62 577	0.56 574	0.42 564	0.18 542	0.18 544	0.23 549	0.22 549	0.22 548	0.21 552

MANE	0.45 560	0.27 548	0.27 489	0.27 536	0.24 553	0.47 556	0.31 559	0.55 570	0.59 552	0.72 573	1.13 592	1.15 584	0.61 575	0.52 568	0.37 553	0.21 553	0.20 550	0.27 555	0.31 567	0.25 556	0.24 556

FC-DCNN	0.33 544	0.27 548	0.28 494	0.26 524	0.23 550	0.37 546	0.28 537	0.40 534	0.43 510	0.45 553	0.55 548	0.51 555	0.40 550	0.37 546	0.30 533	0.21 553	0.20 550	0.27 555	0.26 556	0.25 556	0.24 556

ccnet	0.29 532	0.28 552	0.23 470	0.20 433	0.28 560	0.41 553	0.21 467	0.45 554	0.33 447	0.36 531	0.46 534	0.36 512	0.30 524	0.39 552	0.42 564	0.23 562	0.14 528	0.21 544	0.17 538	0.23 549	0.18 544

FCDSN-DC	0.33 544	0.28 552	0.28 494	0.30 549	0.24 553	0.39 550	0.28 537	0.42 545	0.42 505	0.43 551	0.53 544	0.51 555	0.41 555	0.36 541	0.30 533	0.21 553	0.20 550	0.27 555	0.26 556	0.25 556	0.24 556
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	0.40 553	0.28 552	0.33 513	0.55 572	0.39 567	0.82 584	1.23 599	0.47 558	0.51 540	0.36 531	0.35 481	0.55 561	0.39 547	0.38 548	0.39 557	0.15 520	0.20 550	0.15 522	0.14 511	0.23 549	0.20 550

ELAS_RVC	0.41 555	0.29 555	0.33 513	0.28 539	0.24 553	0.54 562	0.36 564	0.49 561	0.59 552	0.72 573	0.74 571	0.65 568	0.54 567	0.54 572	0.40 560	0.22 558	0.20 550	0.27 555	0.26 556	0.26 561	0.25 561
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 555	0.29 555	0.33 513	0.27 536	0.24 553	0.60 567	0.36 564	0.50 564	0.50 533	0.71 571	0.79 575	0.67 570	0.54 567	0.51 566	0.42 564	0.22 558	0.20 550	0.27 555	0.26 556	0.26 561	0.25 561
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	7.91 603	0.31 557	153.02 624	0.19 376	0.09 258	0.21 453	0.16 309	0.22 298	0.59 552	0.72 573	0.67 563	0.42 537	0.50 565	0.24 484	0.39 557	0.08 324	0.07 404	0.08 303	0.07 296	0.12 477	0.10 439

CC-Net-ROB	0.28 528	0.31 557	0.36 522	0.29 547	0.15 504	0.25 490	0.19 429	0.45 554	0.33 447	0.39 538	0.37 490	0.39 529	0.31 528	0.27 494	0.26 510	0.24 564	0.19 547	0.30 565	0.23 553	0.18 540	0.15 522

PSMNet-RUCA	0.27 524	0.33 559	0.41 533	0.36 558	0.32 566	0.18 398	0.19 429	0.42 545	0.30 426	0.33 525	0.41 521	0.39 529	0.25 488	0.31 516	0.20 435	0.18 542	0.10 479	0.25 551	0.15 526	0.21 545	0.16 533

coex-ft	3.30 596	0.34 560	59.09 623	0.18 318	0.13 466	0.26 500	0.22 477	0.27 396	0.72 571	1.90 601	0.70 567	0.44 542	0.45 561	0.29 512	0.41 563	0.09 383	0.09 459	0.12 483	0.09 408	0.14 508	0.13 498

GANetREF_RVC	0.31 539	0.34 560	0.27 489	0.35 556	0.16 514	0.32 527	0.41 569	0.48 559	0.51 540	0.35 528	0.35 481	0.34 506	0.33 533	0.39 552	0.32 541	0.27 566	0.20 550	0.29 563	0.15 526	0.18 540	0.17 541
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
NVStereoNet_ROB	0.46 563	0.36 562	0.46 541	0.41 563	0.28 560	0.34 536	0.34 562	0.48 559	0.60 555	0.72 573	0.93 581	0.70 573	0.66 578	0.47 562	0.60 580	0.22 558	0.33 572	0.34 567	0.34 570	0.30 564	0.30 567
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 550	0.37 563	0.52 546	0.44 565	0.28 560	0.58 564	0.24 500	0.41 540	0.62 558	0.40 541	0.49 538	0.46 548	0.33 533	0.40 556	0.32 541	0.30 567	0.30 568	0.39 569	0.33 568	0.29 563	0.28 564

MSC_U_SF_DS_RVC	0.43 557	0.39 564	0.54 548	0.40 561	0.20 541	0.64 569	0.32 561	0.53 568	0.72 571	0.71 571	0.72 568	0.61 564	0.54 567	0.51 566	0.46 568	0.20 549	0.19 547	0.29 563	0.30 565	0.23 549	0.18 544

Ntro	0.40 553	0.40 565	0.53 547	0.46 569	0.30 564	0.65 570	0.24 500	0.46 557	0.68 568	0.41 545	0.49 538	0.48 553	0.42 558	0.39 552	0.31 540	0.32 568	0.28 566	0.37 568	0.30 565	0.32 568	0.29 565

Consistency-Raft	0.44 558	0.40 565	0.45 537	0.37 560	0.43 571	0.46 554	0.41 569	0.57 573	0.55 543	0.32 521	0.73 569	0.33 500	0.48 563	0.42 559	0.49 572	0.39 571	0.35 573	0.45 571	0.51 580	0.42 571	0.29 565

GCST	0.37 549	0.42 567	0.26 482	1.02 591	0.39 567	0.18 398	0.08 7	0.20 252	0.17 229	0.28 497	0.25 391	0.15 291	0.12 280	0.16 341	0.14 339	0.64 587	0.43 576	0.75 584	0.65 587	0.63 580	0.46 579

JetBlue	0.71 575	0.45 568	1.14 588	0.51 570	0.47 573	2.02 599	0.64 586	0.75 579	0.70 569	0.69 570	0.77 574	1.22 586	0.83 585	1.03 596	1.01 596	0.40 572	0.28 566	0.33 566	0.33 568	0.30 564	0.34 571

ACVNet_1	0.44 558	0.49 569	0.60 558	0.45 566	0.28 560	0.49 559	0.27 531	0.57 573	0.72 571	0.62 566	0.58 558	0.74 574	0.49 564	0.50 564	0.35 548	0.26 565	0.24 563	0.39 569	0.29 563	0.31 567	0.24 556

ACVNet-4b	0.39 550	0.53 570	0.55 550	0.45 566	0.24 553	0.47 556	0.18 389	0.49 561	0.64 562	0.42 548	0.45 533	0.60 563	0.27 502	0.34 529	0.24 489	0.33 569	0.14 528	0.48 572	0.42 573	0.30 564	0.26 563

SGM+DAISY	0.56 569	0.57 571	0.65 562	0.40 561	0.54 576	0.66 572	0.49 576	0.56 571	0.45 521	0.66 567	0.69 565	0.67 570	0.56 571	0.63 577	0.56 577	0.59 584	0.48 582	0.50 573	0.50 579	0.52 574	0.58 582

anonymity	0.53 567	0.58 572	0.65 562	0.41 563	0.61 584	0.53 561	0.41 569	0.56 571	0.41 498	0.55 563	0.50 542	0.49 554	0.55 570	0.58 575	0.50 575	0.58 583	0.50 586	0.51 574	0.51 580	0.51 573	0.57 581

SPS-STEREO	0.57 570	0.58 572	0.65 562	0.45 566	0.55 578	0.62 568	0.44 575	0.62 576	0.50 533	0.68 569	0.64 560	0.66 569	0.57 572	0.61 576	0.60 580	0.62 586	0.47 581	0.51 574	0.49 577	0.55 578	0.58 582
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH-64-1	0.65 572	0.61 574	0.68 570	0.71 576	0.51 574	0.59 565	0.49 576	0.91 584	0.85 579	0.74 577	1.02 585	0.81 575	0.78 583	0.79 581	0.49 572	0.42 573	0.46 577	0.71 581	0.47 575	0.52 574	0.39 574

IMH-64	0.65 572	0.61 574	0.68 570	0.71 576	0.51 574	0.59 565	0.49 576	0.91 584	0.85 579	0.74 577	1.02 585	0.81 575	0.78 583	0.79 581	0.49 572	0.42 573	0.46 577	0.71 581	0.47 575	0.52 574	0.39 574

RainbowNet	0.54 568	0.61 574	0.70 576	0.57 573	0.43 571	0.65 570	0.37 567	0.60 575	0.87 581	0.50 558	0.66 562	0.64 566	0.47 562	0.49 563	0.43 567	0.47 577	0.48 582	0.52 576	0.41 572	0.52 574	0.40 576

IMH	0.71 575	0.64 577	0.68 570	0.76 578	0.54 576	0.69 573	0.54 580	0.98 590	1.10 586	0.82 581	1.09 588	0.89 577	0.88 588	0.87 589	0.52 576	0.44 576	0.50 586	0.75 584	0.51 580	0.56 579	0.41 577

ACVNet_2	0.66 574	0.66 578	0.68 570	0.63 574	0.41 569	0.71 575	0.49 576	0.96 588	1.39 593	0.89 583	1.09 588	1.04 580	0.73 581	0.54 572	0.47 569	0.43 575	0.40 575	0.53 577	0.44 574	0.47 572	0.35 573

MFMNet_re	0.64 571	0.66 578	0.65 562	0.51 570	0.69 588	0.69 573	0.57 582	0.64 577	0.73 575	0.60 565	0.73 569	0.62 565	0.67 579	0.65 578	0.60 580	0.66 588	0.58 595	0.63 579	0.59 583	0.68 585	0.69 591

MADNet+	0.75 578	0.71 580	3.70 599	0.66 575	0.41 569	0.98 589	0.97 597	0.69 578	0.73 575	0.52 559	0.57 556	0.64 566	0.68 580	0.86 588	1.01 596	0.34 570	0.36 574	0.28 562	0.23 553	0.36 570	0.31 568

TorneroNet-64	0.76 579	0.72 581	0.74 577	0.78 580	0.58 582	0.91 588	0.56 581	0.84 582	1.29 590	0.66 567	0.90 579	1.40 592	0.75 582	0.85 587	0.67 586	0.49 578	0.46 577	0.72 583	0.59 583	0.67 584	0.53 580

TorneroNet	0.82 582	0.74 582	0.81 582	0.84 583	0.63 585	0.99 590	0.63 584	0.96 588	1.16 587	0.80 580	1.11 590	1.36 591	0.86 587	0.93 592	0.80 591	0.56 581	0.49 584	0.78 589	0.66 588	0.73 590	0.63 590

WAO-7	0.79 580	0.78 583	0.54 548	0.85 584	0.67 587	0.74 577	0.68 590	1.05 593	1.32 591	0.90 584	1.20 595	1.04 580	0.92 589	0.69 579	0.66 583	0.60 585	0.62 596	0.67 580	0.68 589	0.64 581	0.58 582

WAO-6	0.81 581	0.80 584	0.62 560	0.86 585	0.63 585	0.76 581	0.58 583	0.98 590	1.54 598	0.90 584	0.96 584	1.07 582	1.03 593	0.70 580	0.66 583	0.72 589	0.49 584	0.90 592	0.71 590	0.68 585	0.58 582

WAO-8	0.91 585	0.81 585	0.65 562	0.94 588	0.69 588	0.90 585	0.67 588	1.07 596	1.83 601	1.06 591	1.45 598	1.30 587	1.07 594	0.84 585	0.78 589	0.74 591	0.53 589	0.86 590	0.75 591	0.69 587	0.62 588

Venus	0.91 585	0.81 585	0.65 562	0.94 588	0.69 588	0.90 585	0.67 588	1.07 596	1.83 601	1.06 591	1.45 598	1.30 587	1.07 594	0.84 585	0.78 589	0.74 591	0.53 589	0.86 590	0.75 591	0.69 587	0.62 588

LVE	0.83 583	0.85 587	0.85 583	0.80 581	0.56 579	1.04 594	0.65 587	1.05 593	1.47 596	0.96 586	1.22 596	1.10 583	0.85 586	0.83 584	0.71 588	0.49 578	0.55 592	0.76 587	0.60 585	0.65 582	0.59 587

Dean	0.87 584	0.86 588	0.79 580	0.81 582	0.56 579	0.90 585	0.63 584	1.15 599	1.73 599	1.15 594	1.15 593	1.31 589	0.99 592	0.81 583	0.81 592	0.57 582	0.56 593	0.77 588	0.64 586	0.66 583	0.58 582

UNDER WATER-64	0.95 587	0.94 589	1.43 592	0.87 586	0.56 579	1.18 597	0.87 594	0.77 580	0.94 583	1.04 589	0.85 577	1.58 597	1.21 599	0.94 593	0.96 594	0.87 595	0.57 594	1.03 595	0.88 596	0.78 591	0.73 592

PWCK	0.71 575	0.94 589	0.95 585	0.76 578	0.31 565	0.74 577	0.36 564	0.90 583	0.90 582	0.96 586	0.75 573	0.95 578	0.61 575	0.87 589	0.66 583	0.72 589	0.46 577	0.75 584	0.49 577	0.69 587	0.44 578

UNDER WATER	0.97 588	0.97 591	1.42 591	0.99 590	0.70 591	1.12 596	0.84 593	0.80 581	1.08 585	1.01 588	0.90 579	1.55 596	1.22 600	1.03 596	1.00 595	0.78 593	0.53 589	1.02 594	0.87 595	0.80 592	0.74 593

notaker	0.97 588	1.11 592	0.98 586	1.13 593	0.81 592	0.73 576	0.68 590	0.93 586	1.16 587	1.18 596	1.18 594	1.41 593	1.16 598	1.08 598	0.69 587	0.81 594	0.64 597	1.17 596	0.79 593	0.98 594	0.80 595

KSHMR	1.09 591	1.17 593	0.88 584	1.25 596	1.00 596	0.99 590	0.96 596	1.13 598	1.37 592	1.16 595	1.29 597	1.41 593	0.96 591	1.01 595	0.92 593	1.03 598	1.08 600	1.20 597	1.03 599	1.01 595	0.97 597

ktn	1.01 590	1.21 594	0.80 581	1.23 595	0.86 594	1.01 592	0.87 594	0.94 587	1.39 593	1.04 589	1.12 591	1.15 584	1.07 594	0.94 593	0.59 579	1.28 600	0.71 598	1.38 600	0.83 594	1.02 596	0.75 594

DPSimNet_ROB	1.11 592	1.23 595	0.78 578	1.13 593	0.88 595	1.10 595	1.13 598	1.16 600	1.23 589	1.43 598	1.02 585	1.41 593	1.10 597	0.90 591	1.60 598	1.46 601	0.51 588	1.21 598	1.03 599	0.90 593	1.01 599

HanzoNet	1.29 593	1.26 596	1.19 589	1.12 592	0.85 593	1.02 593	0.83 592	1.03 592	1.48 597	1.64 599	1.61 600	2.50 601	1.72 601	1.61 600	1.61 599	1.26 599	0.80 599	1.31 599	1.01 598	1.02 596	0.86 596

JetRed	1.62 594	1.46 597	2.98 594	0.92 587	1.21 597	4.99 602	1.53 602	1.27 601	1.39 593	1.83 600	1.74 601	1.60 598	0.95 590	1.41 599	2.45 603	0.90 597	1.60 601	0.93 593	0.90 597	1.35 598	0.99 598

MADNet++	1.95 595	1.75 598	1.59 593	1.82 597	1.69 599	2.33 600	1.40 601	2.35 602	2.09 603	2.57 602	2.36 603	2.24 600	2.17 602	2.28 601	2.34 601	1.87 602	1.66 602	1.54 601	1.34 601	1.92 599	1.77 601

DLNR_Zeroshot_test	10.40 607	1.82 599	19.49 618	120.77 624	13.11 613	0.06 10	0.13 118	0.23 318	0.10 43	0.07 42	0.10 134	0.09 142	0.06 42	0.10 75	0.09 61	0.13 502	0.04 24	0.06 119	0.04 45	51.54 624	0.04 47

DLNR-FE	10.43 608	1.83 600	19.53 619	120.75 623	13.06 612	0.06 10	0.13 118	0.23 318	0.10 43	0.07 42	0.10 134	0.09 142	0.06 42	0.10 75	0.09 61	0.13 502	0.04 24	0.06 119	0.04 45	52.01 625	0.04 47

USTest	6.22 599	2.73 601	3.00 595	6.57 605	7.29 605	14.37 608	21.57 608	7.00 610	9.56 609	5.34 606	6.10 604	5.72 605	7.64 606	6.41 607	6.96 606	1.97 603	3.42 608	1.64 602	2.15 605	2.66 600	2.36 602

ASD4		3.38 602

DPSMNet_ROB	8.06 604	4.48 603	8.63 609	5.37 604	10.74 608	8.32 604	22.98 613	5.46 604	13.36 612	5.12 604	9.92 608	5.08 603	10.40 610	5.53 606	12.58 610	3.80 608	8.00 609	3.50 605	7.02 608	3.83 605	7.14 609

DGTPSM_ROB	8.06 604	4.48 603	8.63 609	5.35 602	10.72 607	8.32 604	22.97 612	5.46 604	13.35 611	5.12 604	9.92 608	5.08 603	10.40 610	5.52 605	12.58 610	3.79 607	8.00 609	3.50 605	7.02 608	3.83 605	7.14 609

RSGM-EC	20.36 614	4.73 605	0.68 570	16.76 610	16.92 615	21.28 617	27.18 618	10.46 612	14.04 614	18.00 615	21.31 617	22.24 623	21.82 617	22.57 617	17.63 616	62.81 624	33.79 624	20.14 621	18.10 621	20.18 620	16.45 620

acva	20.36 614	4.73 605	0.68 570	16.76 610	16.92 615	21.28 617	27.18 618	10.46 612	14.04 614	18.00 615	21.31 617	22.24 623	21.82 617	22.57 617	17.63 616	62.81 624	33.79 624	20.14 621	18.10 621	20.18 620	16.45 620

xxxxx1	7.79 600	5.02 607	7.31 603	3.12 599	3.85 601	16.35 610	22.88 609	5.86 607	8.69 606	7.97 607	8.54 605	9.12 609	8.27 607	10.18 609	10.92 607	2.42 604	2.45 604	3.56 607	12.37 611	3.77 602	3.06 604

tt_ll	7.79 600	5.02 607	7.31 603	3.12 599	3.85 601	16.35 610	22.88 609	5.86 607	8.69 606	7.97 607	8.54 605	9.12 609	8.27 607	10.18 609	10.92 607	2.42 604	2.45 604	3.56 607	12.37 611	3.77 602	3.06 604

ff	7.79 600	5.02 607	7.31 603	3.12 599	3.85 601	16.35 610	22.88 609	5.86 607	8.69 606	7.97 607	8.54 605	9.12 609	8.27 607	10.18 609	10.92 607	2.42 604	2.45 604	3.56 607	12.37 611	3.77 602	3.06 604

TCMNet-wrong-test	3.67 597	5.48 610	3.89 600	12.18 609	11.75 611	4.65 601	3.88 603	1.06 595	0.72 571	1.09 593	2.15 602	6.30 606	0.53 566	3.43 603	2.36 602	0.89 596	0.20 550	1.87 603	1.69 602	5.57 607	3.62 607

Anonymous_1	10.96 610	7.92 611	7.46 606	10.33 606	10.06 606	18.65 614	26.34 615	11.06 614	13.44 613	9.40 610	10.05 610	9.67 612	11.23 612	10.73 612	12.72 612	6.42 611	8.38 611	5.77 610	10.61 610	12.12 611	6.77 608

DPSM_ROB	11.15 611	8.58 612	8.00 607	10.88 607	11.58 609	19.10 615	26.71 616	12.05 615	14.07 616	10.36 611	10.84 611	10.33 613	11.86 613	11.70 613	13.54 613	6.99 612	8.79 612	5.89 611	6.95 606	7.29 608	7.42 611

DPSM	11.15 611	8.58 612	8.00 607	10.88 607	11.58 609	19.10 615	26.71 616	12.05 615	14.07 616	10.36 611	10.84 611	10.33 613	11.86 613	11.70 613	13.54 613	6.99 612	8.79 612	5.89 611	6.95 606	7.29 608	7.42 611

PML	8.91 606	9.34 614	6.13 601	5.35 602	6.41 604	14.99 609	23.38 614	5.27 603	6.83 605	18.04 617	28.19 625	7.67 607	6.83 605	7.85 608	5.75 604	5.35 609	1.83 603	5.95 613	1.93 603	8.64 610	2.52 603

LRCNet_RVC	10.62 609	13.42 615	7.30 602	18.92 613	2.07 600	0.33 533	0.30 553	5.59 606	0.48 524	13.03 613	17.94 614	8.87 608	5.65 604	4.79 604	1.89 600	23.51 621	2.73 607	27.55 624	25.71 624	16.07 618	16.33 619

LSM0	22.87 622	17.28 616	18.96 616	22.19 620	29.04 624	38.42 624	53.71 620	24.28 624	28.31 620	20.78 623	21.00 616	21.43 622	24.16 624	23.50 623	27.39 622	14.09 619	17.38 616	11.84 619	14.04 618	14.73 617	14.89 613

RAFT-FEzeroshot	22.43 618	17.33 617	15.98 611	22.02 616	23.31 620	38.34 620	53.82 623	24.05 620	28.39 621	20.61 620	21.76 619	20.88 619	23.92 622	23.41 619	27.42 623	14.07 615	17.69 617	11.83 616	14.02 616	14.69 614	14.97 616

RAFT-FE	22.43 618	17.33 617	15.98 611	22.02 616	23.31 620	38.34 620	53.82 623	24.05 620	28.39 621	20.61 620	21.76 619	20.88 619	23.92 622	23.41 619	27.42 623	14.07 615	17.69 617	11.83 616	14.02 616	14.69 614	14.97 616

CasAABBNet	22.42 617	17.33 617	16.01 613	22.01 615	23.28 619	38.32 619	53.80 622	24.14 622	28.41 623	20.60 619	21.77 621	20.89 621	23.91 621	23.43 621	27.36 621	14.07 615	17.69 617	11.83 616	14.01 615	14.67 613	14.95 615

FlowAnything	22.44 620	17.35 620	16.14 615	22.07 619	23.23 618	38.39 622	53.77 621	24.25 623	28.44 624	20.96 624	21.82 622	20.70 617	23.84 619	23.49 622	27.14 620	14.04 614	17.79 621	11.75 614	14.15 619	14.65 612	14.89 613

Selective-RAFT-Error	22.47 621	17.37 621	16.09 614	22.06 618	23.34 622	38.39 622	53.83 625	24.29 625	28.47 625	20.74 622	21.83 623	20.81 618	23.90 620	23.54 624	27.53 625	14.08 618	17.69 617	11.82 615	14.00 614	14.69 614	15.00 618

HaxPig	15.71 613	18.52 622	19.18 617	16.89 612	15.89 614	7.73 603	7.60 604	13.31 617	10.82 610	15.42 614	14.91 613	15.98 615	14.92 615	15.58 615	15.98 615	18.95 620	16.73 615	19.46 620	18.08 620	19.26 619	19.05 622

MEDIAN_ROB	20.38 616	24.04 623	23.31 620	21.23 614	21.71 617	10.40 607	7.92 605	17.64 618	15.50 618	20.12 618	19.70 615	20.34 616	20.32 616	21.19 616	21.13 618	23.81 622	21.81 622	24.98 623	23.76 623	24.71 622	23.93 623

AVERAGE_ROB	24.90 623	29.20 624	28.14 621	24.89 621	24.64 623	17.75 613	11.12 606	21.45 619	19.93 619	25.12 625	24.46 624	25.12 625	25.46 625	24.69 625	22.83 619	29.76 623	27.13 623	28.97 625	27.95 625	29.91 623	29.47 624

test_example2	98.32 624	94.13 625	45.89 622	96.35 622	109.85 625	88.61 625	95.45 626	25.75 626	94.37 626	130.00 627	126.06 626	58.17 626	74.63 626	88.51 626	79.96 626	150.23 626	221.02 626	77.62 626	99.10 626	113.75 626	96.94 625

ccccc		285.66 626		368.85 625	370.60 626	123.16 626		115.05 627		126.68 626		122.83 627		252.94 627		384.56 627	353.86 627	254.69 627	223.00 627	425.87 627

GS-Stereo							0.14 171	0.11 35	0.12 101	0.08 78	0.10 134	0.05 1	0.05 11	0.11 125	0.08 17	0.06 122	0.04 24	0.05 33	0.04 45	0.05 111	0.05 135

FSD					0.22 547	0.25 490	0.25 515	0.27 396	0.26 384	0.25 469	0.26 408	0.25 430	0.27 502	0.27 494	0.24 489	0.21 553	0.20 550	0.27 555	0.26 556	0.25 556

Low-res two-view benchmark