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

DepthFocus	0.08 77	0.04 1	0.15 415	0.12 5	0.09 330	0.07 39	0.12 93	0.10 31	0.05 4	0.09 171	0.05 7	0.07 116	0.04 1	0.08 25	0.08 25	0.06 166	0.05 263	0.07 290	0.07 370	0.05 161	0.04 71

Selective-IGEV-i32	0.07 7	0.06 99	0.08 56	0.17 288	0.06 27	0.08 77	0.12 93	0.13 106	0.07 15	0.08 120	0.07 60	0.06 39	0.04 1	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

MatchStereo	0.07 7	0.04 1	0.08 56	0.14 55	0.06 27	0.05 4	0.12 93	0.12 81	0.09 45	0.07 67	0.06 23	0.04 1	0.04 1	0.08 25	0.09 101	0.06 166	0.05 263	0.05 45	0.03 1	0.04 48	0.04 71
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
GASTEREO	0.08 77	0.05 36	0.09 118	0.19 446	0.07 125	0.07 39	0.12 93	0.14 136	0.11 97	0.10 216	0.09 149	0.07 116	0.04 1	0.12 281	0.08 25	0.06 166	0.05 263	0.05 45	0.04 54	0.04 48	0.05 200

MSCF	0.08 77	0.05 36	0.08 56	0.19 446	0.08 204	0.06 12	0.12 93	0.14 136	0.11 97	0.10 216	0.09 149	0.07 116	0.04 1	0.11 188	0.08 25	0.06 166	0.05 263	0.05 45	0.04 54	0.05 161	0.05 200

LG-Stereo_L1	0.07 7	0.05 36	0.11 236	0.14 55	0.06 27	0.07 39	0.13 163	0.09 18	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

MLG-Stereo_test2	0.06 1	0.04 1	0.10 182	0.15 106	0.05 2	0.07 39	0.11 61	0.09 18	0.04 2	0.06 20	0.05 7	0.06 39	0.04 1	0.08 25	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.05 161	0.05 200

SCV	0.08 77	0.09 415	0.08 56	0.15 106	0.08 204	0.10 191	0.13 163	0.10 31	0.12 134	0.07 67	0.07 60	0.06 39	0.04 1	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.04 54	0.06 282	0.04 71

FoundationStereo	0.06 1	0.04 1	0.08 56	0.12 5	0.05 2	0.09 129	0.13 163	0.06 1	0.09 45	0.05 2	0.05 7	0.06 39	0.04 1	0.06 1	0.07 1	0.06 166	0.04 25	0.05 45	0.03 1	0.05 161	0.04 71

AIO_rvc	0.07 7	0.06 99	0.08 56	0.15 106	0.06 27	0.08 77	0.14 228	0.09 18	0.08 24	0.07 67	0.08 114	0.07 116	0.04 1	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

GIP-stereo	0.08 77	0.06 99	0.11 236	0.14 55	0.06 27	0.09 129	0.13 163	0.14 136	0.11 97	0.07 67	0.08 114	0.05 5	0.04 1	0.10 120	0.07 1	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

IGEV-BASED-STEREO-	0.09 164	0.10 477	0.31 590	0.15 106	0.06 27	0.08 77	0.14 228	0.10 31	0.10 66	0.07 67	0.07 60	0.06 39	0.04 1	0.11 188	0.07 1	0.12 561	0.04 25	0.07 290	0.05 182	0.05 161	0.05 200

Selective-IGEV	0.07 7	0.06 99	0.08 56	0.17 288	0.06 27	0.08 77	0.12 93	0.13 106	0.07 15	0.08 120	0.07 60	0.06 39	0.04 1	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

aanet-new-40k	0.07 7	0.08 335	0.07 11	0.17 288	0.07 125	0.08 77	0.13 163	0.10 31	0.10 66	0.07 67	0.08 114	0.06 39	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

aanet-new-36k	0.08 77	0.06 99	0.09 118	0.17 288	0.06 27	0.09 129	0.13 163	0.11 54	0.13 175	0.08 120	0.08 114	0.06 39	0.05 14	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

aanet-new-34k	0.08 77	0.06 99	0.09 118	0.17 288	0.05 2	0.07 39	0.13 163	0.12 81	0.12 134	0.09 171	0.08 114	0.07 116	0.05 14	0.10 120	0.09 101	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

GCAP-Stereo-DPT26K	0.07 7	0.06 99	0.07 11	0.16 201	0.06 27	0.08 77	0.12 93	0.10 31	0.08 24	0.06 20	0.09 149	0.06 39	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 36	0.11 236	0.15 106	0.06 27	0.07 39	0.13 163	0.09 18	0.11 97	0.07 67	0.08 114	0.06 39	0.05 14	0.09 58	0.07 1	0.05 51	0.05 263	0.05 45	0.04 54	0.03 1	0.04 71

GCAP-Stereo-DPT-24K	0.07 7	0.06 99	0.07 11	0.15 106	0.06 27	0.10 191	0.15 311	0.12 81	0.11 97	0.06 20	0.11 235	0.06 39	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

GCAP-Stereo-DPT-50K	0.08 77	0.06 99	0.17 481	0.15 106	0.06 27	0.06 12	0.13 163	0.13 106	0.13 175	0.07 67	0.07 60	0.06 39	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 77	0.06 99	0.07 11	0.16 201	0.06 27	0.06 12	0.14 228	0.14 136	0.14 207	0.07 67	0.10 185	0.06 39	0.05 14	0.09 58	0.09 101	0.04 11	0.04 25	0.04 1	0.04 54	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 118	0.13 16	0.05 2	0.08 77	0.11 61	0.06 1	0.06 6	0.06 20	0.05 7	0.08 175	0.05 14	0.08 25	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.05 161	0.04 71

PSi22b	0.06 1	0.04 1	0.09 118	0.13 16	0.05 2	0.08 77	0.11 61	0.06 1	0.06 6	0.06 20	0.06 23	0.08 175	0.05 14	0.08 25	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.05 161	0.04 71

PSi22a	0.06 1	0.04 1	0.09 118	0.12 5	0.05 2	0.06 12	0.11 61	0.06 1	0.06 6	0.06 20	0.06 23	0.06 39	0.05 14	0.08 25	0.09 101	0.07 328	0.04 25	0.04 1	0.03 1	0.05 161	0.04 71

Foundation-i32	0.06 1	0.04 1	0.09 118	0.13 16	0.04 1	0.06 12	0.12 93	0.06 1	0.05 4	0.06 20	0.05 7	0.05 5	0.05 14	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

Test_v1	0.07 7	0.04 1	0.06 5	0.13 16	0.06 27	0.08 77	0.11 61	0.15 177	0.12 134	0.06 20	0.05 7	0.04 1	0.05 14	0.08 25	0.10 198	0.07 328	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

Pro-Stereo	0.07 7	0.05 36	0.08 56	0.15 106	0.07 125	0.08 77	0.12 93	0.07 6	0.07 15	0.06 20	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

BStereo	0.08 77	0.06 99	0.16 451	0.15 106	0.08 204	0.07 39	0.09 18	0.15 177	0.16 269	0.06 20	0.07 60	0.07 116	0.05 14	0.09 58	0.11 278	0.04 11	0.05 263	0.05 45	0.07 370	0.04 48	0.04 71

Wave_Phase_stereo	0.09 164	0.06 99	0.16 451	0.15 106	0.08 204	0.11 242	0.09 18	0.18 287	0.16 269	0.06 20	0.07 60	0.07 116	0.05 14	0.09 58	0.11 278	0.04 11	0.05 263	0.05 45	0.07 370	0.04 48	0.04 71

VIP-Stereo	0.07 7	0.07 217	0.07 11	0.15 106	0.06 27	0.12 294	0.10 32	0.11 54	0.11 97	0.06 20	0.07 60	0.06 39	0.05 14	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.03 1	0.03 1	0.02 1

GEAStereo	0.08 77	0.05 36	0.08 56	0.13 16	0.08 204	0.08 77	0.14 228	0.10 31	0.09 45	0.08 120	0.10 185	0.06 39	0.05 14	0.11 188	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.05 200

GSStereo	0.08 77	0.05 36	0.08 56	0.13 16	0.08 204	0.08 77	0.14 228	0.11 54	0.12 134	0.08 120	0.10 185	0.05 5	0.05 14	0.11 188	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.05 200

GS-Stereo							0.14 228	0.11 54	0.12 134	0.08 120	0.10 185	0.05 5	0.05 14	0.11 188	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.05 200

gasm-f	0.08 77	0.05 36	0.07 11	0.13 16	0.08 204	0.08 77	0.14 228	0.10 31	0.09 45	0.08 120	0.10 185	0.06 39	0.05 14	0.10 120	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.06 282	0.05 200

252Zero-FE	0.08 77	0.04 1	0.09 118	0.13 16	0.07 125	0.12 294	0.11 61	0.13 106	0.14 207	0.06 20	0.05 7	0.06 39	0.05 14	0.09 58	0.10 198	0.06 166	0.04 25	0.04 1	0.03 1	0.05 161	0.06 295

asda	0.07 7	0.08 335	0.08 56	0.16 201	0.06 27	0.06 12	0.10 32	0.16 215	0.10 66	0.06 20	0.06 23	0.05 5	0.05 14	0.10 120	0.10 198	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

IGEV	0.07 7	0.04 1	0.08 56	0.13 16	0.06 27	0.09 129	0.12 93	0.14 136	0.10 66	0.06 20	0.09 149	0.07 116	0.05 14	0.09 58	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

111111	0.07 7	0.04 1	0.09 118	0.17 288	0.06 27	0.05 4	0.10 32	0.11 54	0.09 45	0.06 20	0.06 23	0.07 116	0.05 14	0.09 58	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.07 361	0.06 295

LG-Stereo_L2	0.07 7	0.05 36	0.10 182	0.14 55	0.06 27	0.07 39	0.12 93	0.09 18	0.09 45	0.06 20	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.03 2

MLG-Stereo_test1	0.06 1	0.05 36	0.08 56	0.17 288	0.05 2	0.06 12	0.11 61	0.08 10	0.03 1	0.05 2	0.04 1	0.06 39	0.05 14	0.09 58	0.09 101	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

MLG-Stereo	0.07 7	0.05 36	0.08 56	0.17 288	0.05 2	0.07 39	0.11 61	0.08 10	0.04 2	0.05 2	0.04 1	0.06 39	0.05 14	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

LG-Stereo_Zeroshot	0.07 7	0.06 99	0.10 182	0.16 201	0.07 125	0.04 1	0.13 163	0.10 31	0.10 66	0.05 2	0.11 235	0.07 116	0.05 14	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

HART	0.08 77	0.07 217	0.09 118	0.17 288	0.07 125	0.10 191	0.16 380	0.13 106	0.11 97	0.08 120	0.10 185	0.07 116	0.05 14	0.10 120	0.08 25	0.05 51	0.04 25	0.06 180	0.04 54	0.05 161	0.04 71

GREAT-IGEV	0.07 7	0.06 99	0.08 56	0.13 16	0.07 125	0.07 39	0.14 228	0.09 18	0.09 45	0.06 20	0.07 60	0.06 39	0.05 14	0.10 120	0.07 1	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
SCV_C0	0.08 77	0.07 217	0.07 11	0.16 201	0.09 330	0.08 77	0.15 311	0.11 54	0.12 134	0.08 120	0.07 60	0.06 39	0.05 14	0.11 188	0.07 1	0.05 51	0.05 263	0.05 45	0.04 54	0.06 282	0.05 200

DEFOM-Stereo_RVC	0.08 77	0.06 99	0.09 118	0.22 561	0.06 27	0.08 77	0.12 93	0.10 31	0.10 66	0.07 67	0.07 60	0.06 39	0.05 14	0.11 188	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.06 282	0.04 71

StereoAnything_RVC	0.07 7	0.15 571	0.17 481	0.11 1	0.05 2	0.05 4	0.11 61	0.08 10	0.08 24	0.06 20	0.06 23	0.05 5	0.05 14	0.09 58	0.08 25	0.08 404	0.04 25	0.05 45	0.03 1	0.05 161	0.04 71

AIO_test	0.07 7	0.05 36	0.07 11	0.15 106	0.07 125	0.06 12	0.14 228	0.10 31	0.10 66	0.07 67	0.07 60	0.06 39	0.05 14	0.08 25	0.10 198	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

AIO-test2	0.10 232	0.08 335	0.10 182	0.23 585	0.08 204	0.11 242	0.10 32	0.23 396	0.23 413	0.08 120	0.09 149	0.08 175	0.05 14	0.10 120	0.08 25	0.06 166	0.05 263	0.08 384	0.09 490	0.05 161	0.05 200

DEFOM-Stereo	0.07 7	0.05 36	0.07 11	0.14 55	0.06 27	0.10 191	0.13 163	0.07 6	0.13 175	0.06 20	0.07 60	0.06 39	0.05 14	0.10 120	0.09 101	0.04 11	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

dual_stereo	0.07 7	0.04 1	0.08 56	0.15 106	0.05 2	0.05 4	0.13 163	0.12 81	0.08 24	0.07 67	0.06 23	0.05 5	0.05 14	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

Occ-G	0.08 77	0.05 36	0.06 5	0.14 55	0.07 125	0.08 77	0.14 228	0.13 106	0.15 232	0.07 67	0.11 235	0.07 116	0.05 14	0.09 58	0.10 198	0.06 166	0.05 263	0.05 45	0.04 54	0.05 161	0.05 200

U	0.08 77	0.07 217	0.09 118	0.19 446	0.10 442	0.10 191	0.13 163	0.12 81	0.17 298	0.07 67	0.07 60	0.06 39	0.05 14	0.07 4	0.08 25	0.06 166	0.04 25	0.06 180	0.04 54	0.06 282	0.05 200

AIO-Stereo	0.08 77	0.06 99	0.09 118	0.18 378	0.06 27	0.08 77	0.12 93	0.15 177	0.09 45	0.08 120	0.08 114	0.07 116	0.05 14	0.11 188	0.08 25	0.05 51	0.05 263	0.05 45	0.04 54	0.04 48	0.04 71

RSM++	0.08 77	0.06 99	0.09 118	0.17 288	0.07 125	0.09 129	0.12 93	0.11 54	0.11 97	0.08 120	0.06 23	0.07 116	0.05 14	0.10 120	0.09 101	0.04 11	0.04 25	0.06 180	0.05 182	0.05 161	0.03 2

RSM	0.08 77	0.06 99	0.09 118	0.17 288	0.06 27	0.08 77	0.12 93	0.12 81	0.10 66	0.08 120	0.07 60	0.06 39	0.05 14	0.11 188	0.09 101	0.04 11	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

GCAPDPT-zeroshot4090	0.07 7	0.05 36	0.11 236	0.15 106	0.06 27	0.07 39	0.13 163	0.09 18	0.11 97	0.07 67	0.08 114	0.06 39	0.05 14	0.09 58	0.07 1	0.05 51	0.05 263	0.05 45	0.04 54	0.03 1	0.04 71

MIM_Stereo	0.09 164	0.07 217	0.11 236	0.15 106	0.07 125	0.06 12	0.12 93	0.20 328	0.14 207	0.13 322	0.13 274	0.09 210	0.05 14	0.12 281	0.08 25	0.05 51	0.06 407	0.07 290	0.06 272	0.06 282	0.05 200

EGLCR-Stereo	0.08 77	0.05 36	0.08 56	0.14 55	0.06 27	0.10 191	0.12 93	0.11 54	0.16 269	0.06 20	0.05 7	0.07 116	0.05 14	0.10 120	0.11 278	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

CroCo-Stereo Lap2	0.09 164	0.09 415	0.08 56	0.22 561	0.09 330	0.09 129	0.19 510	0.16 215	0.12 134	0.09 171	0.10 185	0.05 5	0.05 14	0.08 25	0.08 25	0.06 166	0.06 407	0.07 290	0.05 182	0.05 161	0.05 200

iRaft-Stereo_20w	0.09 164	0.05 36	0.13 330	0.14 55	0.08 204	0.12 294	0.15 311	0.18 287	0.10 66	0.11 251	0.08 114	0.08 175	0.05 14	0.10 120	0.09 101	0.06 166	0.04 25	0.06 180	0.05 182	0.06 282	0.05 200

monster-pro	0.07 7	0.06 99	0.05 1	0.15 106	0.05 2	0.07 39	0.10 32	0.15 177	0.15 232	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DN	0.10 232	0.05 36	0.09 118	0.14 55	0.09 330	0.12 294	0.18 470	0.17 254	0.16 269	0.08 120	0.09 149	0.08 175	0.06 62	0.08 25	0.09 101	0.11 536	0.05 263	0.07 290	0.06 272	0.07 361	0.09 492

aanet-new-90k	0.08 77	0.07 217	0.08 56	0.19 446	0.06 27	0.07 39	0.12 93	0.12 81	0.13 175	0.06 20	0.07 60	0.06 39	0.06 62	0.10 120	0.07 1	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.03 2

aanet-new-60k	0.07 7	0.07 217	0.08 56	0.18 378	0.06 27	0.07 39	0.10 32	0.09 18	0.14 207	0.07 67	0.07 60	0.06 39	0.06 62	0.11 188	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

aanet-new-70k	0.07 7	0.06 99	0.09 118	0.17 288	0.06 27	0.08 77	0.12 93	0.11 54	0.10 66	0.06 20	0.07 60	0.07 116	0.06 62	0.10 120	0.07 1	0.04 11	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 217	0.09 118	0.19 446	0.06 27	0.07 39	0.12 93	0.11 54	0.13 175	0.06 20	0.07 60	0.06 39	0.06 62	0.09 58	0.07 1	0.04 11	0.04 25	0.05 45	0.04 54	0.05 161	0.03 2

aanet-new-32k	0.08 77	0.07 217	0.09 118	0.18 378	0.06 27	0.11 242	0.11 61	0.10 31	0.08 24	0.07 67	0.07 60	0.07 116	0.06 62	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

aanet-new-30k	0.08 77	0.07 217	0.09 118	0.18 378	0.06 27	0.11 242	0.11 61	0.10 31	0.08 24	0.07 67	0.07 60	0.07 116	0.06 62	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

aanet-new-28k	0.08 77	0.07 217	0.09 118	0.18 378	0.06 27	0.08 77	0.12 93	0.10 31	0.09 45	0.09 171	0.08 114	0.08 175	0.06 62	0.12 281	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

aanet-new-22k	0.08 77	0.06 99	0.09 118	0.17 288	0.06 27	0.08 77	0.11 61	0.14 136	0.12 134	0.09 171	0.09 149	0.08 175	0.06 62	0.10 120	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

aanet-new-16k	0.08 77	0.08 335	0.08 56	0.18 378	0.06 27	0.07 39	0.09 18	0.13 106	0.12 134	0.08 120	0.07 60	0.07 116	0.06 62	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.05 161	0.03 2

aanet-new-14k	0.08 77	0.09 415	0.08 56	0.19 446	0.06 27	0.07 39	0.10 32	0.14 136	0.15 232	0.06 20	0.08 114	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

aanet-new-8k	0.08 77	0.07 217	0.08 56	0.19 446	0.07 125	0.09 129	0.12 93	0.16 215	0.15 232	0.07 67	0.07 60	0.06 39	0.06 62	0.10 120	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

GCAP-Stereo-cres-4k	0.08 77	0.07 217	0.08 56	0.18 378	0.07 125	0.11 242	0.14 228	0.12 81	0.11 97	0.07 67	0.11 235	0.07 116	0.06 62	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

GCAP-Stereo-DPT-cres	0.08 77	0.05 36	0.07 11	0.15 106	0.06 27	0.10 191	0.14 228	0.13 106	0.12 134	0.07 67	0.09 149	0.07 116	0.06 62	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 77	0.06 99	0.15 415	0.14 55	0.06 27	0.08 77	0.13 163	0.13 106	0.11 97	0.07 67	0.08 114	0.07 116	0.06 62	0.09 58	0.08 25	0.05 51	0.05 263	0.05 45	0.04 54	0.03 1	0.04 71

GCAP-Stereo-DPT-22K	0.08 77	0.06 99	0.07 11	0.17 288	0.06 27	0.07 39	0.14 228	0.13 106	0.16 269	0.05 2	0.10 185	0.06 39	0.06 62	0.08 25	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

GCAP-Stereo-DPT-5K	0.08 77	0.06 99	0.10 182	0.16 201	0.07 125	0.11 242	0.12 93	0.15 177	0.15 232	0.08 120	0.12 256	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.05 182	0.03 1	0.04 71

GCAP-Stereo-DPT-2K	0.08 77	0.06 99	0.10 182	0.16 201	0.07 125	0.11 242	0.13 163	0.14 136	0.14 207	0.08 120	0.13 274	0.05 5	0.06 62	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

GCAP-Stereo-DPT-3K	0.08 77	0.07 217	0.10 182	0.16 201	0.07 125	0.09 129	0.12 93	0.15 177	0.14 207	0.08 120	0.11 235	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

GCAP-Stereo-DPT-FT	0.08 77	0.05 36	0.12 280	0.15 106	0.06 27	0.10 191	0.14 228	0.12 81	0.12 134	0.07 67	0.09 149	0.06 39	0.06 62	0.10 120	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

PSi22	0.08 77	0.06 99	0.11 236	0.16 201	0.07 125	0.08 77	0.10 32	0.14 136	0.08 24	0.08 120	0.06 23	0.10 245	0.06 62	0.12 281	0.09 101	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 71

Foundation-i1b	0.08 77	0.05 36	0.07 11	0.14 55	0.05 2	0.09 129	0.12 93	0.13 106	0.10 66	0.09 171	0.10 185	0.09 210	0.06 62	0.07 4	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

Foundation-i1a	0.08 77	0.05 36	0.07 11	0.13 16	0.05 2	0.13 345	0.13 163	0.12 81	0.09 45	0.11 251	0.11 235	0.11 275	0.06 62	0.08 25	0.09 101	0.06 166	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

Selective-IGEV-i16pc	0.13 377	0.06 99	0.13 330	0.15 106	0.11 492	0.38 634	0.16 380	0.23 396	0.16 269	0.10 216	0.15 305	0.09 210	0.06 62	0.13 333	0.10 198	0.10 505	0.08 509	0.06 180	0.07 370	0.09 488	0.09 492

gcap_with_dpt	0.08 77	0.06 99	0.09 118	0.16 201	0.07 125	0.09 129	0.12 93	0.13 106	0.13 175	0.08 120	0.12 256	0.04 1	0.06 62	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

DispViT+	0.08 77	0.05 36	0.09 118	0.13 16	0.06 27	0.05 4	0.11 61	0.18 287	0.16 269	0.09 171	0.08 114	0.07 116	0.06 62	0.11 188	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

BLMT-Stereo	0.07 7	0.04 1	0.08 56	0.15 106	0.07 125	0.06 12	0.14 228	0.07 6	0.10 66	0.05 2	0.05 7	0.04 1	0.06 62	0.07 4	0.09 101	0.04 11	0.04 25	0.05 45	0.05 182	0.04 48	0.04 71

WQFJA1++	0.08 77	0.04 1	0.11 236	0.14 55	0.07 125	0.11 242	0.11 61	0.11 54	0.07 15	0.07 67	0.07 60	0.07 116	0.06 62	0.10 120	0.10 198	0.06 166	0.04 25	0.05 45	0.04 54	0.06 282	0.06 295

DLNR-FE	10.43 696	1.83 687	19.53 711	120.75 715	13.06 703	0.06 12	0.13 163	0.23 396	0.10 66	0.07 67	0.10 185	0.09 210	0.06 62	0.10 120	0.09 101	0.13 587	0.04 25	0.06 180	0.04 54	52.01 717	0.04 71

Select-FE	0.11 280	0.06 99	0.20 529	0.15 106	0.11 492	0.11 242	0.13 163	0.21 351	0.18 329	0.09 171	0.11 235	0.10 245	0.06 62	0.12 281	0.09 101	0.07 328	0.05 263	0.07 290	0.08 443	0.06 282	0.08 448

IGEV-FE	0.09 164	0.05 36	0.12 280	0.13 16	0.08 204	0.12 294	0.13 163	0.17 254	0.11 97	0.10 216	0.06 23	0.09 210	0.06 62	0.11 188	0.09 101	0.06 166	0.04 25	0.06 180	0.06 272	0.05 161	0.05 200

DDF-Stereo	0.08 77	0.04 1	0.09 118	0.15 106	0.10 442	0.06 12	0.13 163	0.09 18	0.14 207	0.06 20	0.06 23	0.07 116	0.06 62	0.09 58	0.10 198	0.06 166	0.04 25	0.06 180	0.04 54	0.08 425	0.05 200

Zero-FE251	0.07 7	0.05 36	0.09 118	0.13 16	0.06 27	0.12 294	0.12 93	0.11 54	0.10 66	0.07 67	0.08 114	0.06 39	0.06 62	0.09 58	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

MonStereo	0.07 7	0.06 99	0.05 1	0.15 106	0.05 2	0.08 77	0.10 32	0.15 177	0.15 232	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 99	0.05 1	0.15 106	0.05 2	0.08 77	0.10 32	0.15 177	0.15 232	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 118	0.13 16	0.06 27	0.05 4	0.09 18	0.11 54	0.07 15	0.06 20	0.06 23	0.05 5	0.06 62	0.09 58	0.09 101	0.06 166	0.04 25	0.04 1	0.03 1	0.05 161	0.05 200

Replicate-Monster	0.07 7	0.05 36	0.09 118	0.14 55	0.06 27	0.08 77	0.09 18	0.13 106	0.13 175	0.05 2	0.07 60	0.06 39	0.06 62	0.08 25	0.10 198	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.04 71

zero-FE	0.08 77	0.04 1	0.09 118	0.15 106	0.10 442	0.05 4	0.14 228	0.09 18	0.14 207	0.07 67	0.06 23	0.07 116	0.06 62	0.09 58	0.10 198	0.06 166	0.04 25	0.06 180	0.04 54	0.08 425	0.05 200

AdaDepth	0.07 7	0.06 99	0.07 11	0.18 378	0.06 27	0.11 242	0.12 93	0.09 18	0.07 15	0.06 20	0.05 7	0.07 116	0.06 62	0.09 58	0.10 198	0.04 11	0.05 263	0.05 45	0.04 54	0.04 48	0.04 71

S2M2_XL	0.08 77	0.06 99	0.12 280	0.12 5	0.08 204	0.09 129	0.09 18	0.07 6	0.07 15	0.08 120	0.07 60	0.07 116	0.06 62	0.09 58	0.09 101	0.08 404	0.06 407	0.07 290	0.05 182	0.08 425	0.06 295
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
asd	0.07 7	0.08 335	0.07 11	0.16 201	0.07 125	0.08 77	0.08 7	0.11 54	0.08 24	0.07 67	0.07 60	0.06 39	0.06 62	0.10 120	0.09 101	0.03 1	0.03 1	0.04 1	0.04 54	0.04 48	0.03 2

qwe	0.07 7	0.08 335	0.07 11	0.15 106	0.06 27	0.07 39	0.10 32	0.18 287	0.11 97	0.07 67	0.07 60	0.06 39	0.06 62	0.10 120	0.09 101	0.03 1	0.03 1	0.04 1	0.04 54	0.04 48	0.03 2

2.25w	0.07 7	0.06 99	0.07 11	0.14 55	0.06 27	0.08 77	0.08 7	0.10 31	0.15 232	0.08 120	0.10 185	0.07 116	0.06 62	0.08 25	0.10 198	0.05 51	0.03 1	0.04 1	0.04 54	0.03 1	0.04 71

4.25_new	0.07 7	0.08 335	0.09 118	0.15 106	0.06 27	0.09 129	0.08 7	0.14 136	0.08 24	0.07 67	0.07 60	0.06 39	0.06 62	0.12 281	0.10 198	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 335	0.09 118	0.15 106	0.06 27	0.09 129	0.08 7	0.14 136	0.08 24	0.07 67	0.07 60	0.06 39	0.06 62	0.12 281	0.10 198	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 415	0.08 56	0.15 106	0.07 125	0.06 12	0.10 32	0.14 136	0.11 97	0.06 20	0.08 114	0.06 39	0.06 62	0.08 25	0.10 198	0.03 1	0.03 1	0.04 1	0.04 54	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 415	0.08 56	0.15 106	0.07 125	0.06 12	0.10 32	0.14 136	0.11 97	0.06 20	0.08 114	0.06 39	0.06 62	0.08 25	0.10 198	0.03 1	0.03 1	0.04 1	0.04 54	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 335	0.09 118	0.15 106	0.06 27	0.09 129	0.08 7	0.14 136	0.08 24	0.07 67	0.07 60	0.06 39	0.06 62	0.12 281	0.10 198	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 335	0.08 56	0.16 201	0.06 27	0.07 39	0.08 7	0.12 81	0.08 24	0.07 67	0.07 60	0.05 5	0.06 62	0.09 58	0.10 198	0.03 1	0.03 1	0.04 1	0.04 54	0.04 48	0.03 2

2.5w	0.07 7	0.07 217	0.07 11	0.16 201	0.06 27	0.08 77	0.12 93	0.10 31	0.10 66	0.07 67	0.06 23	0.09 210	0.06 62	0.08 25	0.09 101	0.04 11	0.03 1	0.04 1	0.04 54	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 217	0.07 11	0.13 16	0.06 27	0.08 77	0.08 7	0.18 287	0.12 134	0.07 67	0.08 114	0.06 39	0.06 62	0.09 58	0.11 278	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 71

3.25w_new	0.07 7	0.06 99	0.07 11	0.15 106	0.06 27	0.10 191	0.07 3	0.12 81	0.11 97	0.08 120	0.06 23	0.07 116	0.06 62	0.11 188	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 99	0.07 11	0.15 106	0.06 27	0.10 191	0.07 3	0.12 81	0.11 97	0.08 120	0.06 23	0.07 116	0.06 62	0.11 188	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 217	0.08 56	0.16 201	0.07 125	0.07 39	0.09 18	0.16 215	0.09 45	0.07 67	0.06 23	0.05 5	0.06 62	0.09 58	0.10 198	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3w_stereo	0.08 77	0.09 415	0.10 182	0.17 288	0.07 125	0.08 77	0.10 32	0.20 328	0.13 175	0.06 20	0.07 60	0.05 5	0.06 62	0.08 25	0.09 101	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 77	0.08 335	0.09 118	0.16 201	0.06 27	0.08 77	0.10 32	0.20 328	0.15 232	0.08 120	0.07 60	0.06 39	0.06 62	0.06 1	0.09 101	0.04 11	0.03 1	0.04 1	0.04 54	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 99	0.07 11	0.16 201	0.06 27	0.07 39	0.10 32	0.14 136	0.14 207	0.07 67	0.08 114	0.05 5	0.06 62	0.09 58	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 71

monsters	0.07 7	0.06 99	0.06 5	0.15 106	0.06 27	0.08 77	0.09 18	0.12 81	0.08 24	0.09 171	0.07 60	0.06 39	0.06 62	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 54	0.03 1	0.03 2

MLG-Stereo_test3	0.07 7	0.05 36	0.10 182	0.14 55	0.06 27	0.07 39	0.11 61	0.08 10	0.06 6	0.06 20	0.04 1	0.06 39	0.06 62	0.07 4	0.10 198	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.06 295

LGtest1	0.07 7	0.04 1	0.10 182	0.15 106	0.06 27	0.07 39	0.09 18	0.08 10	0.06 6	0.05 2	0.04 1	0.06 39	0.06 62	0.10 120	0.09 101	0.07 328	0.04 25	0.05 45	0.04 54	0.06 282	0.06 295

MM-Stereo_test3	0.10 232	0.07 217	0.07 11	0.18 378	0.07 125	0.12 294	0.19 510	0.24 420	0.19 348	0.06 20	0.10 185	0.08 175	0.06 62	0.11 188	0.08 25	0.06 166	0.06 407	0.07 290	0.05 182	0.05 161	0.04 71

MM-Stereo_test2	0.09 164	0.06 99	0.09 118	0.19 446	0.08 204	0.12 294	0.18 470	0.15 177	0.14 207	0.07 67	0.10 185	0.07 116	0.06 62	0.12 281	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.03 2

MM-Stereo_test1	0.10 232	0.07 217	0.08 56	0.18 378	0.07 125	0.12 294	0.18 470	0.21 351	0.20 371	0.09 171	0.11 235	0.08 175	0.06 62	0.10 120	0.10 198	0.06 166	0.05 263	0.07 290	0.06 272	0.05 161	0.04 71

HUF	0.08 77	0.05 36	0.08 56	0.14 55	0.06 27	0.09 129	0.13 163	0.13 106	0.13 175	0.07 67	0.07 60	0.08 175	0.06 62	0.10 120	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

castereo++	0.08 77	0.05 36	0.08 56	0.15 106	0.05 2	0.14 379	0.12 93	0.11 54	0.15 232	0.07 67	0.07 60	0.07 116	0.06 62	0.08 25	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

IGEV-RUCA	0.08 77	0.06 99	0.11 236	0.14 55	0.09 330	0.10 191	0.12 93	0.10 31	0.12 134	0.06 20	0.07 60	0.07 116	0.06 62	0.09 58	0.08 25	0.06 166	0.05 263	0.05 45	0.04 54	0.05 161	0.06 295

MonSter	0.07 7	0.06 99	0.05 1	0.15 106	0.05 2	0.07 39	0.10 32	0.15 177	0.15 232	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

fffft	0.09 164	0.06 99	0.12 280	0.16 201	0.07 125	0.09 129	0.17 421	0.12 81	0.11 97	0.08 120	0.07 60	0.09 210	0.06 62	0.11 188	0.12 339	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.05 200
1: 1. 1
tt45	0.09 164	0.06 99	0.11 236	0.15 106	0.07 125	0.11 242	0.16 380	0.13 106	0.11 97	0.09 171	0.06 23	0.08 175	0.06 62	0.13 333	0.10 198	0.06 166	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

mms	0.09 164	0.07 217	0.08 56	0.16 201	0.08 204	0.10 191	0.16 380	0.12 81	0.11 97	0.08 120	0.09 149	0.08 175	0.06 62	0.11 188	0.12 339	0.05 51	0.04 25	0.07 290	0.05 182	0.04 48	0.03 2

ours_stereo	0.09 164	0.07 217	0.09 118	0.17 288	0.08 204	0.11 242	0.16 380	0.11 54	0.12 134	0.08 120	0.10 185	0.08 175	0.06 62	0.12 281	0.12 339	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.03 2

WCG-NET	0.08 77	0.05 36	0.09 118	0.15 106	0.06 27	0.11 242	0.14 228	0.13 106	0.13 175	0.06 20	0.09 149	0.07 116	0.06 62	0.13 333	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

GCAP-BAT	0.09 164	0.05 36	0.11 236	0.13 16	0.07 125	0.11 242	0.14 228	0.14 136	0.16 269	0.07 67	0.10 185	0.08 175	0.06 62	0.13 333	0.08 25	0.07 328	0.05 263	0.05 45	0.05 182	0.04 48	0.04 71

IGEV-Stereo++	0.07 7	0.06 99	0.08 56	0.18 378	0.06 27	0.04 1	0.10 32	0.11 54	0.11 97	0.06 20	0.07 60	0.07 116	0.06 62	0.09 58	0.09 101	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

RAStereo	0.10 232	0.09 415	0.08 56	0.20 512	0.08 204	0.13 345	0.18 470	0.15 177	0.17 298	0.10 216	0.12 256	0.05 5	0.06 62	0.09 58	0.08 25	0.07 328	0.05 263	0.07 290	0.05 182	0.05 161	0.04 71

Pointernet	0.09 164	0.04 1	0.09 118	0.16 201	0.08 204	0.13 345	0.10 32	0.15 177	0.17 298	0.09 171	0.07 60	0.06 39	0.06 62	0.11 188	0.09 101	0.08 404	0.04 25	0.05 45	0.03 1	0.06 282	0.05 200

IGEV-Stereo+	0.07 7	0.04 1	0.08 56	0.15 106	0.06 27	0.04 1	0.09 18	0.10 31	0.09 45	0.06 20	0.06 23	0.06 39	0.06 62	0.06 1	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.06 282	0.06 295

WCG-NET（raft）	0.08 77	0.05 36	0.10 182	0.15 106	0.06 27	0.11 242	0.13 163	0.15 177	0.12 134	0.08 120	0.07 60	0.06 39	0.06 62	0.13 333	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

RAFT-Stereo-weight	0.09 164	0.06 99	0.10 182	0.16 201	0.07 125	0.09 129	0.14 228	0.19 317	0.16 269	0.11 251	0.10 185	0.08 175	0.06 62	0.10 120	0.11 278	0.06 166	0.04 25	0.06 180	0.04 54	0.04 48	0.04 71

gcap-zeroshot	0.08 77	0.06 99	0.10 182	0.15 106	0.07 125	0.11 242	0.12 93	0.15 177	0.15 232	0.08 120	0.12 256	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.05 182	0.03 1	0.04 71

test_for_model	0.08 77	0.06 99	0.10 182	0.16 201	0.07 125	0.11 242	0.12 93	0.15 177	0.15 232	0.08 120	0.12 256	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.05 182	0.03 1	0.04 71

MGS-Stereo	0.09 164	0.07 217	0.12 280	0.15 106	0.08 204	0.09 129	0.15 311	0.12 81	0.12 134	0.07 67	0.10 185	0.08 175	0.06 62	0.10 120	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.06 282	0.05 200

MoCha-V2	0.08 77	0.05 36	0.10 182	0.20 512	0.07 125	0.09 129	0.14 228	0.11 54	0.08 24	0.07 67	0.08 114	0.07 116	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

IGEV++	0.08 77	0.06 99	0.08 56	0.18 378	0.07 125	0.09 129	0.13 163	0.10 31	0.09 45	0.08 120	0.08 114	0.06 39	0.06 62	0.13 333	0.09 101	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

ACVNet-DCA	0.10 232	0.08 335	0.12 280	0.17 288	0.09 330	0.13 345	0.15 311	0.23 396	0.16 269	0.09 171	0.09 149	0.06 39	0.06 62	0.10 120	0.07 1	0.06 166	0.04 25	0.06 180	0.05 182	0.07 361	0.07 382

1test111	0.11 280	0.08 335	0.12 280	0.17 288	0.09 330	0.13 345	0.15 311	0.23 396	0.16 269	0.09 171	0.09 149	0.06 39	0.06 62	0.15 386	0.16 466	0.06 166	0.04 25	0.06 180	0.05 182	0.07 361	0.07 382

cc1	0.10 232	0.08 335	0.12 280	0.17 288	0.09 330	0.13 345	0.15 311	0.16 215	0.18 329	0.09 171	0.09 149	0.06 39	0.06 62	0.10 120	0.07 1	0.06 166	0.04 25	0.06 180	0.05 182	0.06 282	0.06 295

ff7	0.09 164	0.07 217	0.11 236	0.16 201	0.09 330	0.11 242	0.15 311	0.16 215	0.12 134	0.10 216	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

IGEVStereo-DCA	0.09 164	0.06 99	0.11 236	0.15 106	0.10 442	0.11 242	0.15 311	0.16 215	0.12 134	0.10 216	0.06 23	0.08 175	0.06 62	0.10 120	0.08 25	0.06 166	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

ffff	0.09 164	0.07 217	0.11 236	0.16 201	0.09 330	0.11 242	0.15 311	0.16 215	0.12 134	0.10 216	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

rrr	0.09 164	0.06 99	0.12 280	0.15 106	0.10 442	0.11 242	0.16 380	0.16 215	0.15 232	0.10 216	0.06 23	0.08 175	0.06 62	0.10 120	0.08 25	0.06 166	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

11t	0.09 164	0.07 217	0.11 236	0.16 201	0.09 330	0.11 242	0.15 311	0.16 215	0.12 134	0.10 216	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

tt1	0.10 232	0.08 335	0.12 280	0.17 288	0.09 330	0.12 294	0.16 380	0.15 177	0.19 348	0.09 171	0.08 114	0.06 39	0.06 62	0.10 120	0.07 1	0.06 166	0.04 25	0.06 180	0.05 182	0.06 282	0.06 295

MaDis-Stereo	0.09 164	0.09 415	0.08 56	0.17 288	0.09 330	0.13 345	0.10 32	0.16 215	0.16 269	0.09 171	0.11 235	0.06 39	0.06 62	0.09 58	0.13 381	0.07 328	0.06 407	0.07 290	0.05 182	0.05 161	0.04 71

IGEV_Zeroshot_test	0.09 164	0.05 36	0.12 280	0.13 16	0.08 204	0.12 294	0.13 163	0.17 254	0.11 97	0.10 216	0.06 23	0.09 210	0.06 62	0.11 188	0.09 101	0.06 166	0.04 25	0.06 180	0.06 272	0.05 161	0.05 200

MSKI-zero shot	0.09 164	0.05 36	0.09 118	0.15 106	0.07 125	0.10 191	0.13 163	0.14 136	0.13 175	0.09 171	0.09 149	0.09 210	0.06 62	0.12 281	0.10 198	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

DLNR_Zeroshot_test	10.40 695	1.82 686	19.49 710	120.77 716	13.11 704	0.06 12	0.13 163	0.23 396	0.10 66	0.07 67	0.10 185	0.09 210	0.06 62	0.10 120	0.09 101	0.13 587	0.04 25	0.06 180	0.04 54	51.54 716	0.04 71

testlalala	0.08 77	0.06 99	0.10 182	0.15 106	0.07 125	0.11 242	0.12 93	0.15 177	0.15 232	0.08 120	0.12 256	0.05 5	0.06 62	0.09 58	0.08 25	0.05 51	0.04 25	0.06 180	0.05 182	0.03 1	0.04 71

GCAPDPT-zeroshot	0.09 164	0.05 36	0.11 236	0.13 16	0.07 125	0.11 242	0.14 228	0.14 136	0.16 269	0.07 67	0.10 185	0.08 175	0.06 62	0.13 333	0.08 25	0.07 328	0.05 263	0.05 45	0.05 182	0.04 48	0.04 71

CAS	0.08 77	0.04 1	0.07 11	0.17 288	0.08 204	0.10 191	0.13 163	0.12 81	0.09 45	0.09 171	0.10 185	0.08 175	0.06 62	0.09 58	0.08 25	0.08 404	0.04 25	0.05 45	0.03 1	0.05 161	0.04 71

anonymousdsp	0.09 164	0.07 217	0.11 236	0.16 201	0.09 330	0.11 242	0.15 311	0.16 215	0.12 134	0.09 171	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

CES	0.08 77	0.04 1	0.08 56	0.14 55	0.07 125	0.09 129	0.14 228	0.11 54	0.09 45	0.08 120	0.09 149	0.11 275	0.06 62	0.12 281	0.08 25	0.06 166	0.04 25	0.05 45	0.03 1	0.05 161	0.05 200

ProNet	0.09 164	0.07 217	0.10 182	0.17 288	0.08 204	0.10 191	0.15 311	0.15 177	0.12 134	0.09 171	0.06 23	0.07 116	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.06 295

MC-Stereo	0.08 77	0.06 99	0.09 118	0.17 288	0.06 27	0.10 191	0.14 228	0.12 81	0.10 66	0.09 171	0.12 256	0.09 210	0.06 62	0.11 188	0.10 198	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

ccc-4	0.09 164	0.07 217	0.11 236	0.16 201	0.09 330	0.11 242	0.15 311	0.16 215	0.12 134	0.10 216	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

IGEV-Stereo	0.09 164	0.07 217	0.11 236	0.16 201	0.09 330	0.11 242	0.15 311	0.16 215	0.12 134	0.09 171	0.06 23	0.06 39	0.06 62	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TRStereo	0.09 164	0.05 36	0.12 280	0.15 106	0.12 526	0.10 191	0.13 163	0.18 287	0.18 329	0.09 171	0.09 149	0.09 210	0.06 62	0.10 120	0.08 25	0.07 328	0.05 263	0.07 290	0.07 370	0.04 48	0.04 71

CroCo-Stereo	0.09 164	0.08 335	0.08 56	0.22 561	0.09 330	0.09 129	0.19 510	0.15 177	0.12 134	0.07 67	0.07 60	0.08 175	0.06 62	0.08 25	0.07 1	0.07 328	0.05 263	0.06 180	0.04 54	0.05 161	0.04 71
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
TANstereo	0.09 164	0.04 1	0.08 56	0.13 16	0.06 27	0.11 242	0.14 228	0.15 177	0.19 348	0.11 251	0.15 305	0.10 245	0.06 62	0.12 281	0.09 101	0.07 328	0.05 263	0.05 45	0.04 54	0.06 282	0.05 200

XX-Stereo	0.09 164	0.05 36	0.08 56	0.17 288	0.09 330	0.15 405	0.12 93	0.20 328	0.10 66	0.10 216	0.14 288	0.07 116	0.06 62	0.12 281	0.08 25	0.06 166	0.05 263	0.06 180	0.06 272	0.04 48	0.04 71

test_xeample3	0.09 164	0.06 99	0.12 280	0.16 201	0.09 330	0.11 242	0.15 311	0.16 215	0.13 175	0.10 216	0.06 23	0.08 175	0.06 62	0.10 120	0.09 101	0.05 51	0.04 25	0.06 180	0.05 182	0.05 161	0.06 295

aanet-32k-new	0.08 77	0.07 217	0.08 56	0.18 378	0.06 27	0.08 77	0.12 93	0.11 54	0.12 134	0.07 67	0.08 114	0.05 5	0.07 174	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.06 282	0.04 71

aanet-new-24k	0.07 7	0.07 217	0.07 11	0.17 288	0.06 27	0.07 39	0.12 93	0.09 18	0.11 97	0.09 171	0.09 149	0.06 39	0.07 174	0.09 58	0.07 1	0.04 11	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

aanet-new-10k	0.08 77	0.08 335	0.08 56	0.19 446	0.07 125	0.08 77	0.12 93	0.14 136	0.11 97	0.07 67	0.08 114	0.07 116	0.07 174	0.09 58	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

aanet-new-12k	0.08 77	0.09 415	0.07 11	0.20 512	0.08 204	0.08 77	0.13 163	0.12 81	0.13 175	0.08 120	0.08 114	0.05 5	0.07 174	0.09 58	0.08 25	0.04 11	0.04 25	0.05 45	0.04 54	0.06 282	0.04 71

aanet-new	0.08 77	0.09 415	0.10 182	0.18 378	0.08 204	0.10 191	0.12 93	0.15 177	0.12 134	0.08 120	0.08 114	0.05 5	0.07 174	0.10 120	0.08 25	0.05 51	0.04 25	0.05 45	0.04 54	0.06 282	0.04 71

LACA3	0.07 7	0.08 335	0.08 56	0.13 16	0.05 2	0.09 129	0.11 61	0.08 10	0.08 24	0.08 120	0.05 7	0.07 116	0.07 174	0.07 4	0.07 1	0.06 166	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Foundation-i1c-attn	0.08 77	0.05 36	0.07 11	0.14 55	0.05 2	0.09 129	0.12 93	0.12 81	0.10 66	0.09 171	0.10 185	0.10 245	0.07 174	0.07 4	0.10 198	0.06 166	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

Selective-IGEV-i16pb	0.14 414	0.08 335	0.17 481	0.15 106	0.11 492	0.41 639	0.16 380	0.28 496	0.23 413	0.11 251	0.20 390	0.10 245	0.07 174	0.17 455	0.12 339	0.10 505	0.07 479	0.06 180	0.08 443	0.09 488	0.10 521

Foundation-i1	0.09 164	0.04 1	0.10 182	0.14 55	0.06 27	0.10 191	0.13 163	0.16 215	0.14 207	0.10 216	0.10 185	0.11 275	0.07 174	0.07 4	0.10 198	0.06 166	0.04 25	0.05 45	0.05 182	0.05 161	0.05 200

LACA1	0.07 7	0.07 217	0.07 11	0.14 55	0.05 2	0.09 129	0.11 61	0.10 31	0.07 15	0.05 2	0.05 7	0.06 39	0.07 174	0.08 25	0.09 101	0.06 166	0.04 25	0.04 1	0.04 54	0.03 1	0.04 71

BridgeDepth_RVC	0.07 7	0.04 1	0.09 118	0.11 1	0.05 2	0.10 191	0.10 32	0.14 136	0.09 45	0.06 20	0.07 60	0.06 39	0.07 174	0.07 4	0.10 198	0.06 166	0.04 25	0.04 1	0.04 54	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
HiDET	0.08 77	0.04 1	0.10 182	0.13 16	0.06 27	0.08 77	0.12 93	0.12 81	0.11 97	0.06 20	0.07 60	0.07 116	0.07 174	0.11 188	0.11 278	0.06 166	0.04 25	0.04 1	0.03 1	0.04 48	0.04 71

LCMNet	0.08 77	0.05 36	0.10 182	0.13 16	0.07 125	0.09 129	0.12 93	0.10 31	0.11 97	0.06 20	0.08 114	0.06 39	0.07 174	0.11 188	0.10 198	0.06 166	0.05 263	0.04 1	0.03 1	0.04 48	0.04 71

FE-Mocha	0.09 164	0.06 99	0.14 367	0.16 201	0.09 330	0.10 191	0.15 311	0.18 287	0.16 269	0.10 216	0.09 149	0.07 116	0.07 174	0.09 58	0.09 101	0.06 166	0.04 25	0.06 180	0.06 272	0.05 161	0.05 200

Wavelet-MonSter	0.07 7	0.05 36	0.07 11	0.16 201	0.06 27	0.07 39	0.11 61	0.10 31	0.08 24	0.06 20	0.06 23	0.07 116	0.07 174	0.09 58	0.09 101	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 217	0.07 11	0.15 106	0.07 125	0.09 129	0.06 1	0.13 106	0.11 97	0.07 67	0.07 60	0.06 39	0.07 174	0.10 120	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

monsterstereo	0.07 7	0.06 99	0.06 5	0.16 201	0.06 27	0.08 77	0.10 32	0.16 215	0.11 97	0.07 67	0.08 114	0.06 39	0.07 174	0.08 25	0.09 101	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.03 2

LG-G_1	0.07 7	0.04 1	0.11 236	0.15 106	0.06 27	0.09 129	0.08 7	0.08 10	0.06 6	0.06 20	0.05 7	0.07 116	0.07 174	0.11 188	0.08 25	0.07 328	0.04 25	0.05 45	0.04 54	0.05 161	0.05 200

LG-G	0.07 7	0.04 1	0.11 236	0.15 106	0.06 27	0.09 129	0.08 7	0.08 10	0.06 6	0.06 20	0.05 7	0.07 116	0.07 174	0.11 188	0.08 25	0.07 328	0.04 25	0.05 45	0.04 54	0.05 161	0.05 200

LG-Stereo	0.08 77	0.07 217	0.10 182	0.18 378	0.07 125	0.10 191	0.17 421	0.11 54	0.08 24	0.05 2	0.07 60	0.05 5	0.07 174	0.09 58	0.09 101	0.04 11	0.05 263	0.07 290	0.07 370	0.04 48	0.04 71

AIO-test1	0.10 232	0.07 217	0.10 182	0.23 585	0.07 125	0.09 129	0.13 163	0.21 351	0.14 207	0.11 251	0.12 256	0.09 210	0.07 174	0.11 188	0.09 101	0.06 166	0.05 263	0.09 467	0.10 530	0.03 1	0.06 295

SMoEStereo_RVC	0.08 77	0.06 99	0.12 280	0.16 201	0.07 125	0.09 129	0.14 228	0.11 54	0.13 175	0.09 171	0.07 60	0.07 116	0.07 174	0.12 281	0.10 198	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

tg	0.10 232	0.06 99	0.10 182	0.18 378	0.08 204	0.11 242	0.16 380	0.20 328	0.12 134	0.08 120	0.11 235	0.11 275	0.07 174	0.11 188	0.10 198	0.05 51	0.04 25	0.08 384	0.08 443	0.04 48	0.04 71

PAM_32	0.09 164	0.05 36	0.17 481	0.15 106	0.08 204	0.10 191	0.15 311	0.14 136	0.15 232	0.09 171	0.08 114	0.09 210	0.07 174	0.14 362	0.08 25	0.06 166	0.05 263	0.06 180	0.06 272	0.05 161	0.06 295

PAM	0.10 232	0.05 36	0.16 451	0.15 106	0.08 204	0.09 129	0.16 380	0.15 177	0.16 269	0.12 292	0.09 149	0.09 210	0.07 174	0.13 333	0.08 25	0.06 166	0.05 263	0.06 180	0.06 272	0.05 161	0.06 295

UGAM-zero	0.09 164	0.05 36	0.15 415	0.15 106	0.08 204	0.09 129	0.13 163	0.19 317	0.15 232	0.11 251	0.15 305	0.07 116	0.07 174	0.09 58	0.09 101	0.06 166	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

model_zeroshot	0.10 232	0.04 1	0.11 236	0.15 106	0.09 330	0.12 294	0.14 228	0.20 328	0.13 175	0.11 251	0.10 185	0.12 295	0.07 174	0.12 281	0.10 198	0.07 328	0.06 407	0.06 180	0.05 182	0.06 282	0.06 295

AIO-Stereo-zeroshot1	0.11 280	0.05 36	0.14 367	0.15 106	0.20 630	0.09 129	0.17 421	0.21 351	0.15 232	0.11 251	0.14 288	0.10 245	0.07 174	0.10 120	0.08 25	0.06 166	0.05 263	0.07 290	0.07 370	0.07 361	0.09 492

AIO-Stereo-zeroshot	0.11 280	0.05 36	0.11 236	0.15 106	0.13 549	0.13 345	0.16 380	0.23 396	0.17 298	0.10 216	0.12 256	0.10 245	0.07 174	0.11 188	0.09 101	0.06 166	0.05 263	0.06 180	0.06 272	0.07 361	0.08 448

CAS++	0.11 280	0.07 217	0.11 236	0.14 55	0.09 330	0.12 294	0.14 228	0.24 420	0.14 207	0.11 251	0.09 149	0.11 275	0.07 174	0.14 362	0.09 101	0.11 536	0.09 542	0.09 467	0.07 370	0.07 361	0.08 448
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MyStereo07	0.10 232	0.07 217	0.10 182	0.17 288	0.09 330	0.14 379	0.18 470	0.15 177	0.15 232	0.09 171	0.06 23	0.06 39	0.07 174	0.12 281	0.09 101	0.06 166	0.05 263	0.08 384	0.07 370	0.06 282	0.06 295

MyStereo06	0.10 232	0.07 217	0.12 280	0.17 288	0.09 330	0.13 345	0.18 470	0.19 317	0.12 134	0.12 292	0.08 114	0.07 116	0.07 174	0.11 188	0.09 101	0.06 166	0.05 263	0.07 290	0.07 370	0.06 282	0.06 295

UniTT-Stereo	0.09 164	0.07 217	0.08 56	0.18 378	0.08 204	0.13 345	0.11 61	0.12 81	0.11 97	0.10 216	0.12 256	0.05 5	0.07 174	0.09 58	0.09 101	0.07 328	0.05 263	0.05 45	0.05 182	0.05 161	0.05 200

CASnet	0.09 164	0.09 415	0.09 118	0.19 446	0.06 27	0.07 39	0.11 61	0.18 287	0.14 207	0.11 251	0.10 185	0.09 210	0.07 174	0.10 120	0.10 198	0.06 166	0.04 25	0.10 515	0.08 443	0.05 161	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
HH	0.09 164	0.06 99	0.13 330	0.17 288	0.08 204	0.10 191	0.16 380	0.14 136	0.10 66	0.08 120	0.09 149	0.08 175	0.07 174	0.10 120	0.09 101	0.06 166	0.04 25	0.06 180	0.05 182	0.05 161	0.04 71

HanStereo	0.09 164	0.06 99	0.13 330	0.17 288	0.08 204	0.10 191	0.16 380	0.14 136	0.10 66	0.08 120	0.09 149	0.08 175	0.07 174	0.10 120	0.09 101	0.06 166	0.04 25	0.06 180	0.05 182	0.05 161	0.04 71

LL-Strereo2	0.10 232	0.10 477	0.15 415	0.18 378	0.08 204	0.15 405	0.09 18	0.17 254	0.14 207	0.14 344	0.10 185	0.09 210	0.07 174	0.16 421	0.10 198	0.05 51	0.05 263	0.10 515	0.07 370	0.06 282	0.05 200

4D-IteraStereo	0.09 164	0.07 217	0.10 182	0.18 378	0.07 125	0.09 129	0.15 311	0.17 254	0.15 232	0.10 216	0.11 235	0.10 245	0.07 174	0.11 188	0.09 101	0.05 51	0.03 1	0.08 384	0.07 370	0.06 282	0.05 200

RCA-Stereo	0.09 164	0.06 99	0.09 118	0.16 201	0.06 27	0.09 129	0.13 163	0.18 287	0.14 207	0.09 171	0.10 185	0.08 175	0.07 174	0.12 281	0.11 278	0.06 166	0.04 25	0.06 180	0.05 182	0.05 161	0.04 71

RAFT_CTSACE	0.12 351	0.09 415	0.10 182	0.22 561	0.08 204	0.12 294	0.24 587	0.18 287	0.16 269	0.20 488	0.27 499	0.13 321	0.07 174	0.13 333	0.09 101	0.05 51	0.06 407	0.08 384	0.07 370	0.04 48	0.04 71

IPLG	0.10 232	0.07 217	0.15 415	0.17 288	0.08 204	0.11 242	0.14 228	0.20 328	0.15 232	0.12 292	0.17 340	0.07 116	0.07 174	0.14 362	0.13 381	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

MIPNet	0.11 280	0.08 335	0.14 367	0.17 288	0.09 330	0.12 294	0.14 228	0.20 328	0.24 430	0.11 251	0.10 185	0.09 210	0.07 174	0.13 333	0.12 339	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

iRaftStereo_RVC	0.10 232	0.07 217	0.09 118	0.17 288	0.09 330	0.11 242	0.17 421	0.18 287	0.12 134	0.09 171	0.12 256	0.10 245	0.07 174	0.11 188	0.10 198	0.05 51	0.04 25	0.08 384	0.08 443	0.04 48	0.04 71

CREStereo++_RVC	0.08 77	0.04 1	0.06 5	0.13 16	0.07 125	0.09 129	0.12 93	0.14 136	0.14 207	0.10 216	0.14 288	0.08 175	0.07 174	0.09 58	0.11 278	0.06 166	0.04 25	0.05 45	0.05 182	0.04 48	0.04 71
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
raftrobust	0.09 164	0.06 99	0.10 182	0.17 288	0.08 204	0.09 129	0.10 32	0.18 287	0.16 269	0.10 216	0.09 149	0.12 295	0.07 174	0.12 281	0.10 198	0.08 404	0.05 263	0.06 180	0.05 182	0.05 161	0.05 200

sCroCo_RVC	0.12 351	0.09 415	0.23 553	0.24 594	0.11 492	0.19 500	0.14 228	0.17 254	0.14 207	0.10 216	0.13 274	0.12 295	0.07 174	0.14 362	0.11 278	0.08 404	0.08 509	0.08 384	0.08 443	0.05 161	0.07 382

EAI-Stereo	0.09 164	0.07 217	0.11 236	0.15 106	0.06 27	0.10 191	0.15 311	0.16 215	0.09 45	0.08 120	0.09 149	0.08 175	0.07 174	0.09 58	0.11 278	0.05 51	0.04 25	0.05 45	0.05 182	0.05 161	0.04 71

PMTNet	0.09 164	0.05 36	0.09 118	0.12 5	0.06 27	0.12 294	0.14 228	0.15 177	0.11 97	0.09 171	0.13 274	0.10 245	0.07 174	0.13 333	0.10 198	0.15 605	0.04 25	0.05 45	0.03 1	0.07 361	0.06 295

PointNet	0.07 7	0.06 99	0.07 11	0.15 106	0.07 125	0.08 77	0.14 228	0.11 54	0.08 24	0.05 2	0.07 60	0.08 175	0.08 222	0.09 58	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

DF	0.08 77	0.05 36	0.09 118	0.15 106	0.06 27	0.11 242	0.13 163	0.10 31	0.12 134	0.09 171	0.10 185	0.10 245	0.08 222	0.11 188	0.09 101	0.07 328	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

RT-Monster	0.09 164	0.05 36	0.09 118	0.14 55	0.08 204	0.11 242	0.10 32	0.17 254	0.18 329	0.13 322	0.10 185	0.09 210	0.08 222	0.10 120	0.10 198	0.07 328	0.05 263	0.05 45	0.04 54	0.05 161	0.06 295

GeoVLM	0.08 77	0.04 1	0.10 182	0.13 16	0.06 27	0.10 191	0.12 93	0.13 106	0.08 24	0.06 20	0.07 60	0.06 39	0.08 222	0.10 120	0.11 278	0.06 166	0.05 263	0.04 1	0.03 1	0.04 48	0.05 200

LACA2	0.07 7	0.05 36	0.06 5	0.15 106	0.06 27	0.09 129	0.11 61	0.11 54	0.10 66	0.05 2	0.05 7	0.06 39	0.08 222	0.09 58	0.07 1	0.07 328	0.04 25	0.04 1	0.04 54	0.04 48	0.04 71

NLSM3	0.09 164	0.06 99	0.08 56	0.19 446	0.08 204	0.11 242	0.16 380	0.18 287	0.16 269	0.06 20	0.08 114	0.07 116	0.08 222	0.09 58	0.11 278	0.04 11	0.04 25	0.06 180	0.07 370	0.03 1	0.03 2

MonSter++	0.08 77	0.04 1	0.10 182	0.13 16	0.06 27	0.09 129	0.12 93	0.13 106	0.08 24	0.06 20	0.07 60	0.06 39	0.08 222	0.10 120	0.11 278	0.06 166	0.05 263	0.04 1	0.03 1	0.04 48	0.04 71

CSFM-Stereo	0.07 7	0.05 36	0.07 11	0.14 55	0.06 27	0.09 129	0.13 163	0.15 177	0.06 6	0.07 67	0.08 114	0.06 39	0.08 222	0.09 58	0.09 101	0.06 166	0.05 263	0.04 1	0.03 1	0.04 48	0.04 71

DA	0.08 77	0.07 217	0.07 11	0.19 446	0.08 204	0.09 129	0.12 93	0.13 106	0.12 134	0.08 120	0.10 185	0.10 245	0.08 222	0.09 58	0.10 198	0.05 51	0.04 25	0.06 180	0.04 54	0.05 161	0.03 2

GGEV	0.08 77	0.07 217	0.07 11	0.19 446	0.08 204	0.09 129	0.12 93	0.13 106	0.12 134	0.08 120	0.10 185	0.10 245	0.08 222	0.09 58	0.10 198	0.05 51	0.04 25	0.06 180	0.04 54	0.05 161	0.03 2

Reg-Stereo(zero)	0.08 77	0.05 36	0.08 56	0.16 201	0.06 27	0.12 294	0.11 61	0.15 177	0.10 66	0.12 292	0.09 149	0.10 245	0.08 222	0.11 188	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

castereo	0.09 164	0.06 99	0.11 236	0.15 106	0.06 27	0.11 242	0.15 311	0.14 136	0.18 329	0.08 120	0.10 185	0.11 275	0.08 222	0.09 58	0.10 198	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.03 2

999	0.09 164	0.05 36	0.13 330	0.15 106	0.08 204	0.10 191	0.14 228	0.15 177	0.11 97	0.10 216	0.08 114	0.08 175	0.08 222	0.16 421	0.10 198	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.05 200

rvit_stereo_0080	0.10 232	0.08 335	0.14 367	0.15 106	0.09 330	0.07 39	0.15 311	0.16 215	0.16 269	0.11 251	0.10 185	0.14 341	0.08 222	0.12 281	0.10 198	0.09 464	0.07 479	0.07 290	0.06 272	0.07 361	0.05 200

trnet	0.08 77	0.05 36	0.07 11	0.12 5	0.05 2	0.12 294	0.11 61	0.13 106	0.10 66	0.08 120	0.13 274	0.09 210	0.08 222	0.11 188	0.10 198	0.08 404	0.05 263	0.05 45	0.03 1	0.06 282	0.05 200

Former-RAFT_DAM_RVC	0.10 232	0.08 335	0.12 280	0.16 201	0.08 204	0.15 405	0.16 380	0.18 287	0.18 329	0.10 216	0.09 149	0.09 210	0.08 222	0.11 188	0.12 339	0.07 328	0.05 263	0.08 384	0.06 272	0.07 361	0.06 295

AE-Stereo	0.10 232	0.08 335	0.10 182	0.18 378	0.09 330	0.10 191	0.15 311	0.14 136	0.19 348	0.09 171	0.14 288	0.12 295	0.08 222	0.11 188	0.10 198	0.05 51	0.06 407	0.07 290	0.06 272	0.05 161	0.04 71

whm_eth	0.10 232	0.08 335	0.14 367	0.15 106	0.09 330	0.07 39	0.15 311	0.16 215	0.16 269	0.11 251	0.10 185	0.14 341	0.08 222	0.12 281	0.10 198	0.09 464	0.07 479	0.07 290	0.06 272	0.07 361	0.05 200

AEACV	0.08 77	0.05 36	0.08 56	0.14 55	0.13 549	0.14 379	0.13 163	0.14 136	0.09 45	0.07 67	0.09 149	0.07 116	0.08 222	0.10 120	0.09 101	0.06 166	0.04 25	0.06 180	0.05 182	0.05 161	0.04 71

GLC_STEREO	0.11 280	0.07 217	0.11 236	0.17 288	0.07 125	0.09 129	0.13 163	0.15 177	0.24 430	0.12 292	0.13 274	0.12 295	0.08 222	0.18 477	0.11 278	0.06 166	0.08 509	0.08 384	0.06 272	0.05 161	0.05 200

IPLGR	0.11 280	0.09 415	0.16 451	0.18 378	0.08 204	0.12 294	0.17 421	0.21 351	0.24 430	0.11 251	0.12 256	0.11 275	0.08 222	0.12 281	0.12 339	0.06 166	0.05 263	0.06 180	0.06 272	0.04 48	0.04 71

test-3	0.08 77	0.06 99	0.09 118	0.17 288	0.07 125	0.07 39	0.14 228	0.12 81	0.15 232	0.09 171	0.08 114	0.07 116	0.08 222	0.11 188	0.10 198	0.05 51	0.04 25	0.07 290	0.05 182	0.04 48	0.04 71

test_1	0.08 77	0.06 99	0.09 118	0.17 288	0.07 125	0.07 39	0.14 228	0.12 81	0.15 232	0.09 171	0.08 114	0.07 116	0.08 222	0.11 188	0.10 198	0.05 51	0.04 25	0.07 290	0.05 182	0.04 48	0.04 71

HHNet	0.11 280	0.06 99	0.16 451	0.15 106	0.14 570	0.07 39	0.13 163	0.20 328	0.17 298	0.14 344	0.25 473	0.11 275	0.08 222	0.13 333	0.10 198	0.05 51	0.04 25	0.08 384	0.06 272	0.05 161	0.09 492

AnonymousM	0.09 164	0.05 36	0.10 182	0.14 55	0.06 27	0.09 129	0.13 163	0.19 317	0.14 207	0.13 322	0.11 235	0.09 210	0.08 222	0.13 333	0.10 198	0.08 404	0.05 263	0.08 384	0.05 182	0.05 161	0.05 200

test-1	0.10 232	0.07 217	0.16 451	0.19 446	0.08 204	0.11 242	0.24 587	0.14 136	0.18 329	0.09 171	0.07 60	0.09 210	0.08 222	0.07 4	0.09 101	0.06 166	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

Prome-Stereo	0.11 280	0.06 99	0.10 182	0.18 378	0.08 204	0.12 294	0.15 311	0.22 375	0.13 175	0.12 292	0.17 340	0.13 321	0.08 222	0.12 281	0.10 198	0.05 51	0.04 25	0.07 290	0.06 272	0.06 282	0.09 492

raft+_RVC	0.11 280	0.07 217	0.09 118	0.16 201	0.07 125	0.10 191	0.11 61	0.24 420	0.20 371	0.12 292	0.15 305	0.12 295	0.08 222	0.12 281	0.13 381	0.07 328	0.04 25	0.07 290	0.06 272	0.05 161	0.05 200

XX-TBD	0.09 164	0.06 99	0.07 11	0.14 55	0.07 125	0.12 294	0.16 380	0.14 136	0.13 175	0.11 251	0.12 256	0.09 210	0.08 222	0.10 120	0.10 198	0.06 166	0.04 25	0.05 45	0.03 1	0.06 282	0.05 200

sAnonymous2	0.13 377	0.12 521	0.24 557	0.20 512	0.12 526	0.17 457	0.13 163	0.26 455	0.21 387	0.11 251	0.11 235	0.13 321	0.08 222	0.10 120	0.10 198	0.09 464	0.05 263	0.08 384	0.06 272	0.15 608	0.10 521

CroCo_RVC	0.13 377	0.12 521	0.24 557	0.20 512	0.12 526	0.17 457	0.13 163	0.26 455	0.21 387	0.11 251	0.11 235	0.13 321	0.08 222	0.10 120	0.10 198	0.09 464	0.05 263	0.08 384	0.06 272	0.15 608	0.10 521

CREStereo	0.09 164	0.04 1	0.08 56	0.11 1	0.06 27	0.13 345	0.14 228	0.14 136	0.10 66	0.08 120	0.13 274	0.09 210	0.08 222	0.11 188	0.10 198	0.08 404	0.04 25	0.05 45	0.03 1	0.06 282	0.06 295
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
R-Stereo Train	0.10 232	0.06 99	0.10 182	0.17 288	0.08 204	0.11 242	0.14 228	0.23 396	0.11 97	0.12 292	0.19 378	0.11 275	0.08 222	0.09 58	0.11 278	0.07 328	0.05 263	0.06 180	0.05 182	0.05 161	0.05 200

RAFT-Stereo	0.10 232	0.06 99	0.10 182	0.17 288	0.08 204	0.11 242	0.14 228	0.23 396	0.11 97	0.12 292	0.19 378	0.11 275	0.08 222	0.09 58	0.11 278	0.07 328	0.05 263	0.06 180	0.05 182	0.05 161	0.05 200
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
LiteMatch*	0.08 77	0.04 1	0.11 236	0.13 16	0.08 204	0.08 77	0.13 163	0.14 136	0.09 45	0.05 2	0.05 7	0.05 5	0.09 256	0.11 188	0.10 198	0.06 166	0.05 263	0.05 45	0.04 54	0.05 161	0.05 200

VMStereo-Base	0.09 164	0.05 36	0.10 182	0.13 16	0.07 125	0.10 191	0.10 32	0.16 215	0.13 175	0.10 216	0.15 305	0.10 245	0.09 256	0.11 188	0.10 198	0.07 328	0.05 263	0.05 45	0.04 54	0.05 161	0.06 295

Hybrid-DGEV-03	0.10 232	0.06 99	0.09 118	0.18 378	0.08 204	0.16 435	0.14 228	0.15 177	0.14 207	0.13 322	0.16 318	0.12 295	0.09 256	0.13 333	0.11 278	0.06 166	0.04 25	0.08 384	0.06 272	0.05 161	0.04 71

WQFJX	0.10 232	0.07 217	0.09 118	0.21 544	0.09 330	0.12 294	0.16 380	0.18 287	0.17 298	0.12 292	0.10 185	0.07 116	0.09 256	0.12 281	0.10 198	0.06 166	0.07 479	0.06 180	0.05 182	0.06 282	0.05 200

NLMM1	0.11 280	0.09 415	0.07 11	0.22 561	0.10 442	0.12 294	0.20 533	0.18 287	0.20 371	0.12 292	0.11 235	0.07 116	0.09 256	0.11 188	0.11 278	0.08 404	0.08 509	0.07 290	0.06 272	0.04 48	0.04 71

NLCSM	0.11 280	0.09 415	0.09 118	0.23 585	0.11 492	0.12 294	0.19 510	0.18 287	0.18 329	0.12 292	0.11 235	0.07 116	0.09 256	0.11 188	0.10 198	0.07 328	0.08 509	0.07 290	0.07 370	0.06 282	0.05 200

BridgeDepth	0.07 7	0.07 217	0.08 56	0.18 378	0.06 27	0.07 39	0.11 61	0.09 18	0.06 6	0.04 1	0.07 60	0.10 245	0.09 256	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 54	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
water-stereo	0.09 164	0.06 99	0.08 56	0.16 201	0.07 125	0.09 129	0.13 163	0.15 177	0.13 175	0.11 251	0.12 256	0.08 175	0.09 256	0.07 4	0.08 25	0.06 166	0.05 263	0.05 45	0.05 182	0.04 48	0.04 71

DilatedVolume-Stereo	0.09 164	0.05 36	0.08 56	0.15 106	0.06 27	0.11 242	0.12 93	0.14 136	0.16 269	0.11 251	0.11 235	0.09 210	0.09 256	0.11 188	0.10 198	0.06 166	0.05 263	0.05 45	0.04 54	0.03 1	0.03 2

S2M2_L	0.09 164	0.08 335	0.11 236	0.13 16	0.10 442	0.08 77	0.06 1	0.10 31	0.10 66	0.10 216	0.09 149	0.10 245	0.09 256	0.11 188	0.11 278	0.13 587	0.07 479	0.08 384	0.09 490	0.10 521	0.08 448
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
SGD-Stereo	0.08 77	0.05 36	0.10 182	0.14 55	0.05 2	0.12 294	0.12 93	0.11 54	0.12 134	0.07 67	0.09 149	0.09 210	0.09 256	0.08 25	0.08 25	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.03 2

HI	0.11 280	0.06 99	0.11 236	0.13 16	0.09 330	0.09 129	0.14 228	0.21 351	0.10 66	0.19 465	0.17 340	0.14 341	0.09 256	0.16 421	0.08 25	0.05 51	0.04 25	0.07 290	0.08 443	0.07 361	0.06 295

CoSv	0.11 280	0.06 99	0.11 236	0.13 16	0.09 330	0.09 129	0.14 228	0.21 351	0.10 66	0.19 465	0.17 340	0.14 341	0.09 256	0.16 421	0.08 25	0.05 51	0.04 25	0.07 290	0.08 443	0.07 361	0.06 295

fffy	0.09 164	0.08 335	0.09 118	0.16 201	0.07 125	0.13 345	0.17 421	0.13 106	0.12 134	0.08 120	0.09 149	0.08 175	0.09 256	0.13 333	0.11 278	0.05 51	0.05 263	0.07 290	0.05 182	0.04 48	0.05 200

rvit_stereo_0081_aga	0.11 280	0.09 415	0.14 367	0.18 378	0.09 330	0.13 345	0.14 228	0.14 136	0.19 348	0.10 216	0.18 367	0.16 386	0.09 256	0.12 281	0.09 101	0.10 505	0.06 407	0.08 384	0.07 370	0.07 361	0.06 295

rvit_stereo_0081	0.11 280	0.08 335	0.15 415	0.16 201	0.09 330	0.10 191	0.14 228	0.14 136	0.24 430	0.11 251	0.13 274	0.13 321	0.09 256	0.11 188	0.12 339	0.10 505	0.07 479	0.08 384	0.07 370	0.07 361	0.05 200

rvit_stereo_0082	0.11 280	0.08 335	0.15 415	0.16 201	0.09 330	0.10 191	0.14 228	0.14 136	0.24 430	0.11 251	0.13 274	0.13 321	0.09 256	0.11 188	0.12 339	0.10 505	0.07 479	0.08 384	0.07 370	0.07 361	0.05 200

EKT-Stereo	0.11 280	0.07 217	0.14 367	0.15 106	0.10 442	0.13 345	0.14 228	0.18 287	0.21 387	0.11 251	0.08 114	0.12 295	0.09 256	0.11 188	0.12 339	0.08 404	0.06 407	0.07 290	0.06 272	0.08 425	0.07 382

GCAP-Stereo	0.09 164	0.07 217	0.13 330	0.18 378	0.06 27	0.11 242	0.07 3	0.13 106	0.12 134	0.09 171	0.10 185	0.07 116	0.09 256	0.13 333	0.10 198	0.06 166	0.05 263	0.05 45	0.04 54	0.04 48	0.05 200

Any-RAFT	0.10 232	0.05 36	0.09 118	0.14 55	0.07 125	0.13 345	0.14 228	0.21 351	0.15 232	0.11 251	0.12 256	0.12 295	0.09 256	0.12 281	0.09 101	0.07 328	0.04 25	0.05 45	0.04 54	0.06 282	0.05 200

RAFT-Test	0.09 164	0.06 99	0.10 182	0.15 106	0.07 125	0.11 242	0.15 311	0.16 215	0.13 175	0.09 171	0.10 185	0.10 245	0.09 256	0.12 281	0.09 101	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

LoS_RVC	0.08 77	0.05 36	0.07 11	0.15 106	0.07 125	0.08 77	0.15 311	0.11 54	0.10 66	0.08 120	0.09 149	0.06 39	0.09 256	0.10 120	0.09 101	0.05 51	0.04 25	0.05 45	0.03 1	0.04 48	0.03 2

anonymousdsp2	0.11 280	0.07 217	0.10 182	0.16 201	0.09 330	0.13 345	0.14 228	0.18 287	0.22 401	0.13 322	0.14 288	0.12 295	0.09 256	0.14 362	0.11 278	0.05 51	0.04 25	0.05 45	0.04 54	0.06 282	0.05 200

LoS	0.09 164	0.05 36	0.11 236	0.13 16	0.07 125	0.14 379	0.11 61	0.15 177	0.15 232	0.09 171	0.09 149	0.12 295	0.09 256	0.15 386	0.10 198	0.07 328	0.05 263	0.05 45	0.03 1	0.05 161	0.05 200
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
knoymous	0.11 280	0.05 36	0.12 280	0.13 16	0.07 125	0.15 405	0.14 228	0.19 317	0.13 175	0.11 251	0.17 340	0.13 321	0.09 256	0.13 333	0.11 278	0.08 404	0.05 263	0.06 180	0.05 182	0.08 425	0.07 382

test_4	0.10 232	0.10 477	0.08 56	0.19 446	0.09 330	0.08 77	0.22 563	0.15 177	0.17 298	0.12 292	0.18 367	0.12 295	0.09 256	0.08 25	0.11 278	0.04 11	0.04 25	0.08 384	0.08 443	0.04 48	0.03 2

iRaft-Stereo_5w	0.12 351	0.09 415	0.12 280	0.19 446	0.08 204	0.09 129	0.12 93	0.21 351	0.21 387	0.19 465	0.14 288	0.11 275	0.09 256	0.20 517	0.16 466	0.05 51	0.05 263	0.07 290	0.06 272	0.05 161	0.06 295

CIPLG	0.11 280	0.08 335	0.14 367	0.17 288	0.08 204	0.12 294	0.15 311	0.17 254	0.15 232	0.14 344	0.11 235	0.16 386	0.09 256	0.16 421	0.11 278	0.07 328	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

dd	0.15 459	0.16 579	0.16 451	0.19 446	0.09 330	0.15 405	0.18 470	0.21 351	0.25 451	0.23 531	0.20 390	0.21 457	0.09 256	0.21 534	0.16 466	0.10 505	0.06 407	0.08 384	0.06 272	0.08 425	0.06 295

IPLGR_C	0.11 280	0.08 335	0.14 367	0.17 288	0.08 204	0.12 294	0.15 311	0.17 254	0.15 232	0.14 344	0.10 185	0.16 386	0.09 256	0.16 421	0.11 278	0.07 328	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

ACRE	0.11 280	0.08 335	0.14 367	0.17 288	0.08 204	0.12 294	0.15 311	0.17 254	0.14 207	0.14 344	0.10 185	0.16 386	0.09 256	0.16 421	0.11 278	0.07 328	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295

test_3	0.10 232	0.09 415	0.10 182	0.20 512	0.08 204	0.13 345	0.26 611	0.14 136	0.21 387	0.10 216	0.10 185	0.09 210	0.09 256	0.08 25	0.11 278	0.05 51	0.04 25	0.08 384	0.07 370	0.04 48	0.04 71

Pruner-Stereo	0.11 280	0.07 217	0.12 280	0.17 288	0.09 330	0.06 12	0.12 93	0.17 254	0.17 298	0.13 322	0.19 378	0.13 321	0.09 256	0.11 188	0.11 278	0.06 166	0.04 25	0.07 290	0.06 272	0.06 282	0.08 448

RAFT-345	0.11 280	0.07 217	0.15 415	0.16 201	0.08 204	0.08 77	0.12 93	0.15 177	0.10 66	0.11 251	0.36 567	0.09 210	0.09 256	0.11 188	0.12 339	0.05 51	0.05 263	0.07 290	0.06 272	0.04 48	0.05 200

RALAANet	0.11 280	0.08 335	0.10 182	0.17 288	0.09 330	0.14 379	0.10 32	0.20 328	0.15 232	0.14 344	0.13 274	0.16 386	0.09 256	0.12 281	0.11 278	0.06 166	0.05 263	0.07 290	0.06 272	0.05 161	0.04 71

RAFT-Stereo + iAFF	0.09 164	0.06 99	0.10 182	0.17 288	0.06 27	0.10 191	0.16 380	0.17 254	0.14 207	0.09 171	0.10 185	0.08 175	0.09 256	0.11 188	0.09 101	0.05 51	0.04 25	0.06 180	0.06 272	0.04 48	0.03 2

AFF-stereo	0.09 164	0.06 99	0.10 182	0.17 288	0.07 125	0.10 191	0.16 380	0.17 254	0.09 45	0.10 216	0.12 256	0.09 210	0.09 256	0.12 281	0.09 101	0.05 51	0.04 25	0.07 290	0.07 370	0.04 48	0.03 2

CFNet-RSSM	0.09 164	0.07 217	0.09 118	0.16 201	0.07 125	0.09 129	0.15 311	0.16 215	0.17 298	0.08 120	0.12 256	0.10 245	0.09 256	0.11 188	0.09 101	0.06 166	0.04 25	0.06 180	0.04 54	0.04 48	0.04 71

Gwc-CoAtRS	0.09 164	0.06 99	0.10 182	0.16 201	0.07 125	0.10 191	0.14 228	0.17 254	0.17 298	0.08 120	0.10 185	0.12 295	0.09 256	0.12 281	0.09 101	0.06 166	0.04 25	0.06 180	0.04 54	0.04 48	0.04 71

TS12	0.08 77	0.06 99	0.09 118	0.21 544	0.07 125	0.11 242	0.13 163	0.11 54	0.09 45	0.10 216	0.10 185	0.08 175	0.10 295	0.09 58	0.12 339	0.04 11	0.04 25	0.05 45	0.04 54	0.03 1	0.04 71

RT-IGEV	0.13 377	0.06 99	0.13 330	0.15 106	0.09 330	0.15 405	0.17 421	0.24 420	0.27 475	0.16 399	0.17 340	0.17 408	0.10 295	0.14 362	0.11 278	0.08 404	0.05 263	0.07 290	0.05 182	0.07 361	0.07 382

Selective-IGEV-i1	0.13 377	0.07 217	0.12 280	0.19 446	0.08 204	0.18 476	0.16 380	0.22 375	0.30 507	0.16 399	0.17 340	0.16 386	0.10 295	0.14 362	0.13 381	0.06 166	0.05 263	0.06 180	0.05 182	0.06 282	0.05 200

DStereoRT	0.16 482	0.06 99	0.11 236	0.19 446	0.09 330	0.12 294	0.12 93	0.28 496	0.22 401	0.12 292	0.20 390	0.11 275	0.10 295	0.15 386	0.14 419	0.06 166	0.05 263	0.96 682	0.09 490	0.05 161	0.04 71

WQFJA1	0.10 232	0.07 217	0.08 56	0.20 512	0.09 330	0.12 294	0.17 421	0.17 254	0.17 298	0.09 171	0.10 185	0.08 175	0.10 295	0.12 281	0.11 278	0.06 166	0.07 479	0.07 290	0.06 272	0.06 282	0.05 200

WQFJX1	0.10 232	0.07 217	0.08 56	0.22 561	0.09 330	0.12 294	0.17 421	0.18 287	0.17 298	0.10 216	0.09 149	0.07 116	0.10 295	0.11 188	0.09 101	0.07 328	0.08 509	0.07 290	0.06 272	0.05 161	0.04 71

NLMM	0.10 232	0.07 217	0.08 56	0.20 512	0.09 330	0.12 294	0.17 421	0.17 254	0.17 298	0.09 171	0.10 185	0.08 175	0.10 295	0.12 281	0.11 278	0.06 166	0.07 479	0.07 290	0.06 272	0.06 282	0.05 200

NLSM1	0.10 232	0.07 217	0.07 11	0.19 446	0.08 204	0.13 345	0.16 380	0.21 351	0.15 232	0.11 251	0.10 185	0.06 39	0.10 295	0.10 120	0.11 278	0.07 328	0.08 509	0.08 384	0.07 370	0.05 161	0.05 200

xyz-stereo-finetune	0.11 280	0.08 335	0.13 330	0.14 55	0.06 27	0.10 191	0.19 510	0.17 254	0.19 348	0.12 292	0.14 288	0.15 370	0.10 295	0.13 333	0.11 278	0.05 51	0.04 25	0.07 290	0.05 182	0.04 48	0.05 200

rvit_stereo_0083	0.12 351	0.08 335	0.17 481	0.16 201	0.09 330	0.11 242	0.15 311	0.14 136	0.26 465	0.11 251	0.14 288	0.13 321	0.10 295	0.12 281	0.12 339	0.10 505	0.08 509	0.09 467	0.07 370	0.07 361	0.05 200

rvit_stereo_ft	0.12 351	0.07 217	0.13 330	0.19 446	0.10 442	0.12 294	0.17 421	0.16 215	0.16 269	0.12 292	0.13 274	0.15 370	0.10 295	0.14 362	0.13 381	0.09 464	0.06 407	0.08 384	0.07 370	0.07 361	0.05 200

H2IRNET	0.10 232	0.09 415	0.09 118	0.18 378	0.09 330	0.12 294	0.15 311	0.14 136	0.21 387	0.10 216	0.10 185	0.10 245	0.10 295	0.10 120	0.10 198	0.05 51	0.04 25	0.08 384	0.08 443	0.06 282	0.05 200

MyStereo8	0.12 351	0.07 217	0.15 415	0.15 106	0.09 330	0.18 476	0.14 228	0.19 317	0.22 401	0.12 292	0.18 367	0.11 275	0.10 295	0.16 421	0.18 499	0.07 328	0.05 263	0.07 290	0.05 182	0.08 425	0.09 492

MyStereo04	0.13 377	0.07 217	0.10 182	0.17 288	0.09 330	0.14 379	0.18 470	0.29 510	0.38 568	0.17 418	0.14 288	0.16 386	0.10 295	0.15 386	0.13 381	0.06 166	0.05 263	0.08 384	0.07 370	0.06 282	0.06 295

StereoVision	0.13 377	0.12 521	0.09 118	0.24 594	0.10 442	0.15 405	0.21 553	0.21 351	0.20 371	0.12 292	0.24 445	0.10 245	0.10 295	0.16 421	0.10 198	0.09 464	0.11 575	0.12 566	0.12 584	0.06 282	0.05 200

DCRE	0.11 280	0.07 217	0.13 330	0.16 201	0.11 492	0.11 242	0.17 421	0.18 287	0.17 298	0.11 251	0.18 367	0.10 245	0.10 295	0.15 386	0.11 278	0.06 166	0.05 263	0.06 180	0.06 272	0.05 161	0.04 71

Selective-RAFT	0.11 280	0.10 477	0.11 236	0.21 544	0.08 204	0.16 435	0.13 163	0.20 328	0.22 401	0.10 216	0.10 185	0.11 275	0.10 295	0.15 386	0.11 278	0.05 51	0.05 263	0.06 180	0.05 182	0.06 282	0.05 200

TestStereo1	0.13 377	0.08 335	0.08 56	0.19 446	0.08 204	0.18 476	0.29 634	0.23 396	0.16 269	0.17 418	0.20 390	0.16 386	0.10 295	0.12 281	0.13 381	0.06 166	0.06 407	0.08 384	0.06 272	0.05 161	0.05 200

DisPM	0.11 280	0.07 217	0.12 280	0.16 201	0.09 330	0.06 12	0.13 163	0.17 254	0.17 298	0.14 344	0.20 390	0.12 295	0.10 295	0.11 188	0.10 198	0.06 166	0.04 25	0.07 290	0.06 272	0.06 282	0.11 548

raft_robust	0.13 377	0.10 477	0.07 11	0.18 378	0.08 204	0.13 345	0.24 587	0.28 496	0.33 529	0.20 488	0.19 378	0.14 341	0.10 295	0.11 188	0.12 339	0.05 51	0.05 263	0.07 290	0.07 370	0.05 161	0.04 71

RAFT+CT+SA	0.13 377	0.11 503	0.09 118	0.19 446	0.09 330	0.15 405	0.28 624	0.22 375	0.22 401	0.15 371	0.26 490	0.10 245	0.10 295	0.11 188	0.12 339	0.05 51	0.04 25	0.07 290	0.08 443	0.07 361	0.06 295

SA-5K	0.13 377	0.08 335	0.08 56	0.19 446	0.08 204	0.18 476	0.29 634	0.23 396	0.16 269	0.17 418	0.20 390	0.16 386	0.10 295	0.12 281	0.13 381	0.06 166	0.06 407	0.08 384	0.06 272	0.05 161	0.05 200

PFNet+	0.11 280	0.06 99	0.13 330	0.16 201	0.09 330	0.05 4	0.12 93	0.17 254	0.21 387	0.16 399	0.19 378	0.14 341	0.10 295	0.11 188	0.11 278	0.08 404	0.05 263	0.09 467	0.08 443	0.06 282	0.11 548

STrans-v2	0.10 232	0.07 217	0.12 280	0.18 378	0.07 125	0.10 191	0.14 228	0.21 351	0.11 97	0.11 251	0.15 305	0.12 295	0.10 295	0.11 188	0.12 339	0.05 51	0.04 25	0.06 180	0.06 272	0.04 48	0.04 71

KYRaft	0.11 280	0.07 217	0.10 182	0.19 446	0.09 330	0.08 77	0.15 311	0.22 375	0.12 134	0.13 322	0.16 318	0.20 448	0.10 295	0.12 281	0.10 198	0.05 51	0.04 25	0.08 384	0.08 443	0.06 282	0.16 618

ASMatch	0.11 280	0.06 99	0.13 330	0.16 201	0.10 442	0.07 39	0.14 228	0.17 254	0.17 298	0.12 292	0.16 318	0.16 386	0.10 295	0.13 333	0.10 198	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.08 448

RAFT-RH_RVC	0.11 280	0.06 99	0.14 367	0.16 201	0.09 330	0.12 294	0.12 93	0.17 254	0.12 134	0.13 322	0.41 605	0.11 275	0.10 295	0.13 333	0.12 339	0.05 51	0.04 25	0.08 384	0.05 182	0.04 48	0.06 295

cross-raft	0.10 232	0.09 415	0.09 118	0.19 446	0.07 125	0.11 242	0.25 602	0.13 106	0.15 232	0.08 120	0.11 235	0.12 295	0.10 295	0.09 58	0.11 278	0.05 51	0.04 25	0.06 180	0.05 182	0.04 48	0.04 71

rafts_anoy	0.11 280	0.06 99	0.10 182	0.17 288	0.08 204	0.10 191	0.14 228	0.17 254	0.14 207	0.13 322	0.13 274	0.12 295	0.10 295	0.11 188	0.12 339	0.07 328	0.04 25	0.09 467	0.11 564	0.07 361	0.06 295

Anonymous3	0.16 482	0.13 549	0.33 597	0.26 610	0.14 570	0.27 595	0.17 421	0.28 496	0.28 490	0.15 371	0.17 340	0.14 341	0.10 295	0.15 386	0.12 339	0.08 404	0.08 509	0.08 384	0.08 443	0.08 425	0.11 548

RALCasStereoNet	0.10 232	0.06 99	0.09 118	0.16 201	0.08 204	0.12 294	0.14 228	0.17 254	0.11 97	0.12 292	0.17 340	0.14 341	0.10 295	0.12 281	0.11 278	0.07 328	0.06 407	0.06 180	0.05 182	0.08 425	0.07 382

RAFT + AFF	0.13 377	0.07 217	0.20 529	0.20 512	0.10 442	0.14 379	0.24 587	0.26 455	0.20 371	0.11 251	0.10 185	0.12 295	0.10 295	0.15 386	0.12 339	0.07 328	0.06 407	0.09 467	0.08 443	0.06 282	0.08 448

GMStereo	0.13 377	0.14 561	0.14 367	0.18 378	0.09 330	0.15 405	0.16 380	0.20 328	0.24 430	0.16 399	0.17 340	0.10 245	0.10 295	0.16 421	0.13 381	0.07 328	0.06 407	0.06 180	0.06 272	0.07 361	0.06 295
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MultiAttention	0.29 617	0.08 335	0.14 367	0.19 446	0.12 526	1.45 685	1.33 689	0.36 597	0.37 561	0.19 465	0.21 413	0.24 499	0.11 328	0.38 632	0.18 499	0.06 166	0.05 263	0.08 384	0.08 443	0.10 521	0.09 492

depthmonostereo	0.09 164	0.06 99	0.09 118	0.15 106	0.06 27	0.10 191	0.13 163	0.14 136	0.14 207	0.10 216	0.10 185	0.09 210	0.11 328	0.08 25	0.09 101	0.06 166	0.05 263	0.06 180	0.04 54	0.04 48	0.03 2

MyStereo05	0.13 377	0.07 217	0.10 182	0.17 288	0.09 330	0.13 345	0.18 470	0.27 477	0.35 550	0.17 418	0.14 288	0.15 370	0.11 328	0.15 386	0.13 381	0.06 166	0.05 263	0.07 290	0.07 370	0.06 282	0.06 295

CoDeX	0.12 351	0.07 217	0.12 280	0.17 288	0.08 204	0.12 294	0.15 311	0.23 396	0.27 475	0.13 322	0.17 340	0.16 386	0.11 328	0.14 362	0.11 278	0.07 328	0.05 263	0.07 290	0.06 272	0.06 282	0.05 200

GMStereo_Zeroshot	0.16 482	0.13 549	0.24 557	0.20 512	0.10 442	0.17 457	0.13 163	0.29 510	0.25 451	0.23 531	0.32 544	0.25 513	0.11 328	0.19 492	0.14 419	0.09 464	0.06 407	0.11 546	0.06 272	0.12 559	0.08 448

MIF-Stereo (partial)	0.11 280	0.06 99	0.10 182	0.19 446	0.10 442	0.10 191	0.11 61	0.17 254	0.18 329	0.14 344	0.16 318	0.09 210	0.11 328	0.12 281	0.12 339	0.08 404	0.05 263	0.08 384	0.07 370	0.06 282	0.07 382

riskmin	0.11 280	0.06 99	0.13 330	0.14 55	0.08 204	0.14 379	0.14 228	0.18 287	0.14 207	0.11 251	0.14 288	0.16 386	0.11 328	0.14 362	0.12 339	0.09 464	0.05 263	0.07 290	0.05 182	0.08 425	0.08 448

fff	0.10 232	0.06 99	0.12 280	0.15 106	0.07 125	0.09 129	0.17 421	0.16 215	0.20 371	0.13 322	0.16 318	0.10 245	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

Sa-1000	0.12 351	0.08 335	0.08 56	0.18 378	0.08 204	0.14 379	0.22 563	0.22 375	0.18 329	0.15 371	0.20 390	0.17 408	0.11 328	0.10 120	0.10 198	0.06 166	0.05 263	0.09 467	0.09 490	0.05 161	0.05 200

SA	0.12 351	0.09 415	0.08 56	0.18 378	0.08 204	0.12 294	0.24 587	0.23 396	0.18 329	0.17 418	0.27 499	0.14 341	0.11 328	0.11 188	0.11 278	0.05 51	0.05 263	0.09 467	0.08 443	0.05 161	0.04 71

CrosDoStereo	0.12 351	0.06 99	0.12 280	0.14 55	0.08 204	0.12 294	0.15 311	0.17 254	0.22 401	0.19 465	0.24 445	0.15 370	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.07 290	0.07 370	0.05 161	0.05 200

LCNet	0.11 280	0.07 217	0.09 118	0.19 446	0.09 330	0.08 77	0.15 311	0.21 351	0.15 232	0.11 251	0.15 305	0.16 386	0.11 328	0.12 281	0.11 278	0.05 51	0.04 25	0.08 384	0.07 370	0.06 282	0.15 607

TransformOpticalFlow	0.10 232	0.08 335	0.13 330	0.18 378	0.07 125	0.09 129	0.15 311	0.19 317	0.15 232	0.12 292	0.17 340	0.11 275	0.11 328	0.11 188	0.10 198	0.05 51	0.04 25	0.06 180	0.06 272	0.05 161	0.05 200

NF-Stereo	0.11 280	0.07 217	0.13 330	0.17 288	0.09 330	0.10 191	0.14 228	0.23 396	0.19 348	0.12 292	0.17 340	0.12 295	0.11 328	0.11 188	0.11 278	0.06 166	0.04 25	0.07 290	0.06 272	0.06 282	0.12 561

OCTAStereo	0.11 280	0.07 217	0.13 330	0.17 288	0.09 330	0.10 191	0.14 228	0.23 396	0.19 348	0.12 292	0.17 340	0.12 295	0.11 328	0.11 188	0.11 278	0.06 166	0.04 25	0.07 290	0.06 272	0.06 282	0.12 561

PSM-softLoss	0.12 351	0.07 217	0.15 415	0.17 288	0.09 330	0.08 77	0.13 163	0.24 420	0.17 298	0.14 344	0.19 378	0.13 321	0.11 328	0.11 188	0.11 278	0.07 328	0.05 263	0.08 384	0.07 370	0.06 282	0.12 561

KMStereo	0.12 351	0.07 217	0.15 415	0.17 288	0.09 330	0.08 77	0.13 163	0.24 420	0.17 298	0.14 344	0.19 378	0.13 321	0.11 328	0.11 188	0.11 278	0.07 328	0.05 263	0.08 384	0.07 370	0.06 282	0.12 561

PSM-AAD	0.11 280	0.07 217	0.10 182	0.19 446	0.09 330	0.10 191	0.15 311	0.20 328	0.13 175	0.12 292	0.14 288	0.18 422	0.11 328	0.11 188	0.10 198	0.05 51	0.05 263	0.09 467	0.08 443	0.06 282	0.14 600

DeepStereo_LL	0.12 351	0.06 99	0.12 280	0.14 55	0.08 204	0.12 294	0.15 311	0.17 254	0.22 401	0.19 465	0.24 445	0.15 370	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.07 290	0.07 370	0.05 161	0.05 200

PFNet	0.12 351	0.06 99	0.17 481	0.17 288	0.08 204	0.09 129	0.15 311	0.26 455	0.20 371	0.16 399	0.16 318	0.14 341	0.11 328	0.12 281	0.11 278	0.06 166	0.04 25	0.07 290	0.06 272	0.05 161	0.05 200

GrayStereo	0.11 280	0.06 99	0.11 236	0.19 446	0.09 330	0.09 129	0.16 380	0.18 287	0.17 298	0.14 344	0.17 340	0.17 408	0.11 328	0.12 281	0.11 278	0.05 51	0.05 263	0.07 290	0.06 272	0.05 161	0.10 521

RE-Stereo	0.11 280	0.07 217	0.13 330	0.17 288	0.09 330	0.10 191	0.14 228	0.23 396	0.19 348	0.12 292	0.17 340	0.12 295	0.11 328	0.11 188	0.11 278	0.06 166	0.04 25	0.07 290	0.06 272	0.06 282	0.12 561

TVStereo	0.11 280	0.07 217	0.13 330	0.17 288	0.09 330	0.10 191	0.14 228	0.23 396	0.19 348	0.12 292	0.17 340	0.12 295	0.11 328	0.11 188	0.11 278	0.06 166	0.04 25	0.07 290	0.06 272	0.06 282	0.12 561

GMM-Stereo	0.11 280	0.07 217	0.10 182	0.18 378	0.09 330	0.08 77	0.15 311	0.23 396	0.16 269	0.11 251	0.15 305	0.13 321	0.11 328	0.11 188	0.11 278	0.05 51	0.04 25	0.08 384	0.07 370	0.06 282	0.09 492

s12784h	0.09 164	0.06 99	0.07 11	0.15 106	0.05 2	0.16 435	0.18 470	0.15 177	0.15 232	0.10 216	0.11 235	0.11 275	0.11 328	0.10 120	0.12 339	0.05 51	0.04 25	0.05 45	0.04 54	0.04 48	0.04 71

DCANet	0.10 232	0.06 99	0.12 280	0.16 201	0.06 27	0.09 129	0.17 421	0.15 177	0.19 348	0.13 322	0.17 340	0.10 245	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

csc	0.10 232	0.06 99	0.12 280	0.15 106	0.07 125	0.09 129	0.17 421	0.16 215	0.20 371	0.13 322	0.16 318	0.10 245	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

cscssc	0.10 232	0.06 99	0.12 280	0.15 106	0.07 125	0.09 129	0.17 421	0.16 215	0.20 371	0.13 322	0.16 318	0.10 245	0.11 328	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

111	0.10 232	0.06 99	0.12 280	0.15 106	0.07 125	0.10 191	0.14 228	0.21 351	0.23 413	0.11 251	0.12 256	0.14 341	0.11 328	0.13 333	0.10 198	0.06 166	0.04 25	0.06 180	0.04 54	0.05 161	0.05 200

ARAFT	0.12 351	0.08 335	0.17 481	0.19 446	0.09 330	0.14 379	0.18 470	0.20 328	0.12 134	0.12 292	0.13 274	0.14 341	0.11 328	0.15 386	0.12 339	0.06 166	0.05 263	0.10 515	0.09 490	0.05 161	0.04 71

HITNet	0.10 232	0.06 99	0.12 280	0.14 55	0.06 27	0.11 242	0.10 32	0.18 287	0.18 329	0.13 322	0.16 318	0.14 341	0.11 328	0.15 386	0.13 381	0.06 166	0.04 25	0.04 1	0.04 54	0.06 282	0.05 200
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
IGEV_i1	0.12 351	0.07 217	0.12 280	0.16 201	0.08 204	0.19 500	0.14 228	0.18 287	0.22 401	0.18 448	0.18 367	0.16 386	0.12 359	0.16 421	0.14 419	0.06 166	0.05 263	0.06 180	0.05 182	0.06 282	0.06 295

Hybrid-DGEV-2	0.11 280	0.06 99	0.12 280	0.18 378	0.09 330	0.09 129	0.13 163	0.28 496	0.29 497	0.11 251	0.11 235	0.09 210	0.12 359	0.12 281	0.09 101	0.06 166	0.05 263	0.07 290	0.07 370	0.05 161	0.05 200

FlowAnything_test	0.11 280	0.08 335	0.14 367	0.15 106	0.09 330	0.07 39	0.14 228	0.20 328	0.11 97	0.09 171	0.09 149	0.12 295	0.12 359	0.13 333	0.11 278	0.09 464	0.06 407	0.09 467	0.09 490	0.06 282	0.09 492

xyz-stereo-finetune2	0.11 280	0.07 217	0.13 330	0.13 16	0.07 125	0.11 242	0.19 510	0.17 254	0.12 134	0.15 371	0.15 305	0.17 408	0.12 359	0.13 333	0.11 278	0.05 51	0.04 25	0.07 290	0.05 182	0.04 48	0.06 295

DFGA-Net	0.13 377	0.11 503	0.18 505	0.17 288	0.10 442	0.12 294	0.13 163	0.22 375	0.25 451	0.16 399	0.16 318	0.13 321	0.12 359	0.16 421	0.14 419	0.07 328	0.05 263	0.08 384	0.07 370	0.05 161	0.05 200

DDVS	0.15 459	0.10 477	0.21 538	0.16 201	0.12 526	0.15 405	0.14 228	0.25 437	0.19 348	0.18 448	0.29 525	0.27 531	0.12 359	0.19 492	0.15 450	0.09 464	0.06 407	0.09 467	0.07 370	0.11 544	0.11 548

rvit_0105_6	0.14 414	0.09 415	0.18 505	0.17 288	0.10 442	0.10 191	0.16 380	0.19 317	0.26 465	0.12 292	0.18 367	0.17 408	0.12 359	0.18 477	0.12 339	0.15 605	0.11 575	0.12 566	0.10 530	0.09 488	0.06 295

rvit_0105_5	0.14 414	0.09 415	0.13 330	0.17 288	0.09 330	0.14 379	0.23 574	0.24 420	0.27 475	0.14 344	0.15 305	0.18 422	0.12 359	0.17 455	0.14 419	0.14 601	0.11 575	0.10 515	0.10 530	0.08 425	0.06 295

GCST	0.37 635	0.42 654	0.26 565	1.02 680	0.39 655	0.18 476	0.08 7	0.20 328	0.17 298	0.28 580	0.25 473	0.15 370	0.12 359	0.16 421	0.14 419	0.64 676	0.43 665	0.75 672	0.65 676	0.63 669	0.46 667

plain	0.10 232	0.08 335	0.10 182	0.19 446	0.09 330	0.10 191	0.15 311	0.14 136	0.13 175	0.13 322	0.15 305	0.09 210	0.12 359	0.13 333	0.12 339	0.07 328	0.05 263	0.09 467	0.06 272	0.06 282	0.06 295

PCWNet_CMD	0.14 414	0.08 335	0.15 415	0.17 288	0.09 330	0.14 379	0.14 228	0.29 510	0.36 554	0.14 344	0.20 390	0.21 457	0.12 359	0.17 455	0.13 381	0.07 328	0.05 263	0.07 290	0.07 370	0.07 361	0.07 382

ADStereo(finetuned)	0.10 232	0.06 99	0.12 280	0.16 201	0.06 27	0.09 129	0.17 421	0.15 177	0.19 348	0.13 322	0.17 340	0.10 245	0.12 359	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

GMOStereo	0.11 280	0.09 415	0.07 11	0.19 446	0.08 204	0.12 294	0.28 624	0.13 106	0.17 298	0.11 251	0.17 340	0.14 341	0.12 359	0.07 4	0.07 1	0.05 51	0.05 263	0.09 467	0.07 370	0.04 48	0.04 71

error version	0.11 280	0.09 415	0.07 11	0.19 446	0.08 204	0.12 294	0.28 624	0.13 106	0.17 298	0.11 251	0.17 340	0.14 341	0.12 359	0.07 4	0.07 1	0.05 51	0.05 263	0.09 467	0.07 370	0.04 48	0.04 71

test-v	0.11 280	0.09 415	0.07 11	0.19 446	0.08 204	0.12 294	0.28 624	0.13 106	0.17 298	0.11 251	0.17 340	0.14 341	0.12 359	0.07 4	0.07 1	0.05 51	0.05 263	0.09 467	0.07 370	0.04 48	0.04 71

GANet-ADL	0.13 377	0.07 217	0.15 415	0.17 288	0.10 442	0.18 476	0.15 311	0.30 524	0.20 371	0.13 322	0.18 367	0.19 436	0.12 359	0.16 421	0.13 381	0.08 404	0.06 407	0.06 180	0.05 182	0.07 361	0.08 448

Patchmatch Stereo++	0.11 280	0.09 415	0.16 451	0.18 378	0.08 204	0.06 12	0.11 61	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 384	0.06 272	0.08 425	0.07 382
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
OMP-Stereo	0.11 280	0.06 99	0.14 367	0.18 378	0.08 204	0.09 129	0.12 93	0.21 351	0.21 387	0.13 322	0.14 288	0.11 275	0.12 359	0.11 188	0.13 381	0.06 166	0.04 25	0.07 290	0.06 272	0.05 161	0.04 71

IIG-Stereo	0.11 280	0.06 99	0.13 330	0.17 288	0.08 204	0.11 242	0.12 93	0.22 375	0.17 298	0.14 344	0.17 340	0.11 275	0.12 359	0.12 281	0.12 339	0.06 166	0.05 263	0.07 290	0.06 272	0.05 161	0.04 71

NRIStereo	0.11 280	0.08 335	0.14 367	0.18 378	0.08 204	0.10 191	0.14 228	0.16 215	0.15 232	0.12 292	0.14 288	0.13 321	0.12 359	0.13 333	0.10 198	0.06 166	0.04 25	0.07 290	0.06 272	0.06 282	0.07 382

PSM-adaLoss	0.11 280	0.09 415	0.16 451	0.18 378	0.08 204	0.06 12	0.12 93	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 384	0.06 272	0.08 425	0.07 382

FTStereo	0.12 351	0.06 99	0.14 367	0.18 378	0.09 330	0.07 39	0.15 311	0.21 351	0.18 329	0.12 292	0.24 445	0.12 295	0.12 359	0.13 333	0.13 381	0.05 51	0.05 263	0.07 290	0.06 272	0.06 282	0.10 521

ROB_FTStereo_v2	0.11 280	0.09 415	0.16 451	0.19 446	0.08 204	0.06 12	0.12 93	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 384	0.06 272	0.08 425	0.07 382

ROB_FTStereo	0.11 280	0.09 415	0.16 451	0.19 446	0.08 204	0.06 12	0.11 61	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 384	0.06 272	0.08 425	0.07 382

HUI-Stereo	0.11 280	0.09 415	0.16 451	0.18 378	0.08 204	0.06 12	0.12 93	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 384	0.06 272	0.08 425	0.07 382

SST-Stereo	0.10 232	0.07 217	0.15 415	0.18 378	0.09 330	0.06 12	0.12 93	0.17 254	0.11 97	0.15 371	0.17 340	0.13 321	0.12 359	0.10 120	0.11 278	0.06 166	0.04 25	0.09 467	0.06 272	0.06 282	0.05 200

THIR-Stereo	0.12 351	0.07 217	0.11 236	0.15 106	0.08 204	0.14 379	0.16 380	0.17 254	0.25 451	0.16 399	0.24 445	0.14 341	0.12 359	0.12 281	0.14 419	0.06 166	0.04 25	0.07 290	0.07 370	0.05 161	0.05 200

RAFT_R40	0.11 280	0.07 217	0.14 367	0.18 378	0.09 330	0.06 12	0.13 163	0.17 254	0.16 269	0.14 344	0.18 367	0.15 370	0.12 359	0.10 120	0.11 278	0.06 166	0.04 25	0.09 467	0.06 272	0.06 282	0.05 200

DeepStereo_RVC	0.11 280	0.08 335	0.16 451	0.18 378	0.08 204	0.08 77	0.12 93	0.17 254	0.12 134	0.13 322	0.14 288	0.12 295	0.12 359	0.12 281	0.11 278	0.06 166	0.04 25	0.07 290	0.06 272	0.07 361	0.08 448

iGMRVC	0.11 280	0.09 415	0.16 451	0.19 446	0.08 204	0.06 12	0.12 93	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 384	0.06 272	0.08 425	0.07 382

IRAFT_RVC	0.12 351	0.08 335	0.16 451	0.19 446	0.08 204	0.07 39	0.15 311	0.24 420	0.23 413	0.14 344	0.14 288	0.15 370	0.12 359	0.12 281	0.10 198	0.06 166	0.04 25	0.09 467	0.06 272	0.06 282	0.06 295

iRAFT	0.11 280	0.09 415	0.16 451	0.18 378	0.08 204	0.06 12	0.11 61	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 384	0.06 272	0.08 425	0.07 382

CRE-IMP	0.11 280	0.09 415	0.16 451	0.19 446	0.08 204	0.10 191	0.12 93	0.18 287	0.10 66	0.14 344	0.13 274	0.13 321	0.12 359	0.12 281	0.11 278	0.07 328	0.04 25	0.08 384	0.06 272	0.08 425	0.08 448

test-2	0.11 280	0.09 415	0.07 11	0.19 446	0.08 204	0.12 294	0.28 624	0.13 106	0.17 298	0.11 251	0.17 340	0.14 341	0.12 359	0.07 4	0.07 1	0.05 51	0.05 263	0.09 467	0.07 370	0.04 48	0.04 71

RAFT	0.13 377	0.09 415	0.11 236	0.18 378	0.08 204	0.15 405	0.24 587	0.20 328	0.19 348	0.21 502	0.21 413	0.17 408	0.12 359	0.16 421	0.09 101	0.06 166	0.07 479	0.10 515	0.09 490	0.05 161	0.05 200

RAFT-IKP	0.11 280	0.09 415	0.16 451	0.19 446	0.08 204	0.06 12	0.12 93	0.16 215	0.13 175	0.15 371	0.16 318	0.14 341	0.12 359	0.11 188	0.10 198	0.06 166	0.04 25	0.08 384	0.06 272	0.08 425	0.07 382

TestStereo	0.13 377	0.14 561	0.11 236	0.23 585	0.08 204	0.15 405	0.21 553	0.20 328	0.23 413	0.14 344	0.24 445	0.16 386	0.12 359	0.16 421	0.14 419	0.05 51	0.06 407	0.08 384	0.06 272	0.09 488	0.05 200

FENet	0.13 377	0.08 335	0.12 280	0.16 201	0.08 204	0.14 379	0.15 311	0.22 375	0.23 413	0.17 418	0.23 433	0.16 386	0.12 359	0.14 362	0.15 450	0.08 404	0.05 263	0.08 384	0.08 443	0.07 361	0.07 382

DIP-Stereo	0.11 280	0.07 217	0.14 367	0.17 288	0.09 330	0.13 345	0.09 18	0.16 215	0.16 269	0.11 251	0.16 318	0.14 341	0.12 359	0.15 386	0.13 381	0.06 166	0.05 263	0.06 180	0.05 182	0.05 161	0.06 295
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.14 414	0.08 335	0.15 415	0.17 288	0.09 330	0.14 379	0.14 228	0.29 510	0.36 554	0.14 344	0.21 413	0.21 457	0.12 359	0.17 455	0.14 419	0.07 328	0.05 263	0.07 290	0.07 370	0.07 361	0.07 382

G2L-Stereo	0.14 414	0.07 217	0.13 330	0.17 288	0.09 330	0.13 345	0.12 93	0.27 477	0.22 401	0.16 399	0.27 499	0.21 457	0.13 399	0.17 455	0.18 499	0.09 464	0.08 509	0.08 384	0.07 370	0.07 361	0.07 382

rvit_0105_4	0.14 414	0.09 415	0.17 481	0.17 288	0.10 442	0.12 294	0.19 510	0.23 396	0.27 475	0.14 344	0.20 390	0.17 408	0.13 399	0.17 455	0.13 381	0.15 605	0.11 575	0.11 546	0.10 530	0.09 488	0.06 295

rvit_0105_3	0.15 459	0.09 415	0.14 367	0.19 446	0.12 526	0.15 405	0.25 602	0.25 437	0.29 497	0.15 371	0.17 340	0.20 448	0.13 399	0.17 455	0.14 419	0.13 587	0.11 575	0.12 566	0.14 599	0.07 361	0.06 295

UGAM	0.13 377	0.10 477	0.09 118	0.22 561	0.08 204	0.12 294	0.20 533	0.17 254	0.23 413	0.21 502	0.16 318	0.13 321	0.13 399	0.19 492	0.12 339	0.07 328	0.05 263	0.13 581	0.11 564	0.07 361	0.05 200

ffm	0.12 351	0.09 415	0.14 367	0.16 201	0.08 204	0.17 457	0.17 421	0.15 177	0.19 348	0.15 371	0.25 473	0.19 436	0.13 399	0.10 120	0.07 1	0.06 166	0.04 25	0.09 467	0.08 443	0.06 282	0.06 295

ff1	0.13 377	0.09 415	0.14 367	0.16 201	0.08 204	0.17 457	0.17 421	0.15 177	0.19 348	0.15 371	0.25 473	0.19 436	0.13 399	0.14 362	0.20 518	0.06 166	0.04 25	0.09 467	0.08 443	0.06 282	0.06 295

mmx	0.14 414	0.09 415	0.14 367	0.16 201	0.08 204	0.17 457	0.17 421	0.27 477	0.25 451	0.15 371	0.25 473	0.19 436	0.13 399	0.14 362	0.20 518	0.08 404	0.06 407	0.09 467	0.08 443	0.08 425	0.08 448

xxx	0.14 414	0.09 415	0.14 367	0.16 201	0.08 204	0.17 457	0.17 421	0.27 477	0.25 451	0.15 371	0.25 473	0.19 436	0.13 399	0.14 362	0.20 518	0.08 404	0.06 407	0.09 467	0.08 443	0.08 425	0.08 448

LL-Strereo	0.13 377	0.09 415	0.11 236	0.20 512	0.10 442	0.11 242	0.18 470	0.32 546	0.24 430	0.15 371	0.15 305	0.14 341	0.13 399	0.19 492	0.11 278	0.06 166	0.04 25	0.09 467	0.08 443	0.04 48	0.05 200

SDNR	0.19 529	0.08 335	0.19 517	0.16 201	0.12 526	0.77 670	0.14 228	0.25 437	0.32 522	0.19 465	0.24 445	0.19 436	0.13 399	0.19 492	0.15 450	0.16 621	0.18 632	0.14 594	0.11 564	0.08 425	0.11 548

BUS	0.14 414	0.09 415	0.14 367	0.22 561	0.10 442	0.19 500	0.14 228	0.34 575	0.19 348	0.17 418	0.22 424	0.16 386	0.13 399	0.15 386	0.13 381	0.08 404	0.06 407	0.10 515	0.09 490	0.07 361	0.07 382

NINENet	0.16 482	0.10 477	0.15 415	0.17 288	0.11 492	0.19 500	0.14 228	0.40 619	0.36 554	0.18 448	0.21 413	0.16 386	0.13 399	0.15 386	0.13 381	0.08 404	0.08 509	0.10 515	0.07 370	0.10 521	0.09 492

UDGNet	0.14 414	0.13 549	0.16 451	0.17 288	0.10 442	0.12 294	0.16 380	0.21 351	0.27 475	0.20 488	0.20 390	0.16 386	0.13 399	0.16 421	0.13 381	0.10 505	0.06 407	0.09 467	0.07 370	0.06 282	0.07 382

dad	0.17 503	0.20 611	0.20 529	0.16 201	0.11 492	0.20 516	0.18 470	0.21 351	0.28 490	0.30 594	0.24 445	0.29 549	0.13 399	0.19 492	0.16 466	0.18 627	0.09 542	0.11 546	0.09 490	0.11 544	0.07 382

GEStereo_RVC	0.17 503	0.12 521	0.15 415	0.22 561	0.11 492	0.19 500	0.17 421	0.32 546	0.48 607	0.20 488	0.25 473	0.17 408	0.13 399	0.21 534	0.16 466	0.10 505	0.06 407	0.08 384	0.07 370	0.09 488	0.08 448

CFNet_pseudo	0.14 414	0.08 335	0.15 415	0.16 201	0.09 330	0.13 345	0.14 228	0.27 477	0.34 541	0.14 344	0.21 413	0.22 475	0.13 399	0.18 477	0.14 419	0.07 328	0.05 263	0.08 384	0.06 272	0.07 361	0.07 382

GES	0.14 414	0.08 335	0.16 451	0.15 106	0.10 442	0.13 345	0.13 163	0.28 496	0.25 451	0.16 399	0.23 433	0.18 422	0.13 399	0.16 421	0.13 381	0.08 404	0.07 479	0.07 290	0.06 272	0.08 425	0.09 492

SFCPSM	0.13 377	0.07 217	0.14 367	0.17 288	0.09 330	0.15 405	0.16 380	0.28 496	0.27 475	0.14 344	0.17 340	0.12 295	0.13 399	0.14 362	0.11 278	0.08 404	0.05 263	0.07 290	0.07 370	0.07 361	0.06 295

ccs_rob	0.14 414	0.08 335	0.15 415	0.16 201	0.09 330	0.12 294	0.14 228	0.27 477	0.34 541	0.14 344	0.21 413	0.22 475	0.13 399	0.18 477	0.14 419	0.07 328	0.05 263	0.08 384	0.07 370	0.07 361	0.07 382

AdaStereo	0.15 459	0.11 503	0.15 415	0.18 378	0.09 330	0.20 516	0.11 61	0.32 546	0.28 490	0.20 488	0.23 433	0.20 448	0.13 399	0.19 492	0.14 419	0.12 561	0.05 263	0.10 515	0.07 370	0.09 488	0.07 382
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.
iResNetv2_ROB	0.14 414	0.08 335	0.15 415	0.16 201	0.08 204	0.16 435	0.12 93	0.25 437	0.35 550	0.21 502	0.29 525	0.24 499	0.13 399	0.14 362	0.14 419	0.06 166	0.05 263	0.06 180	0.04 54	0.09 488	0.08 448

MLCV	0.12 351	0.07 217	0.16 451	0.18 378	0.06 27	0.15 405	0.17 421	0.19 317	0.21 387	0.18 448	0.25 473	0.17 408	0.13 399	0.14 362	0.13 381	0.05 51	0.04 25	0.05 45	0.04 54	0.05 161	0.04 71

iResNet	0.13 377	0.10 477	0.18 505	0.19 446	0.08 204	0.13 345	0.18 470	0.20 328	0.26 465	0.15 371	0.23 433	0.15 370	0.13 399	0.14 362	0.14 419	0.06 166	0.04 25	0.06 180	0.05 182	0.06 282	0.05 200

DN-CSS_ROB	0.13 377	0.13 549	0.16 451	0.18 378	0.10 442	0.16 435	0.08 7	0.22 375	0.18 329	0.17 418	0.22 424	0.13 321	0.13 399	0.12 281	0.13 381	0.05 51	0.05 263	0.10 515	0.10 530	0.08 425	0.06 295

G2L-ROB	0.13 377	0.06 99	0.13 330	0.13 16	0.08 204	0.14 379	0.16 380	0.25 437	0.18 329	0.19 465	0.18 367	0.20 448	0.14 423	0.17 455	0.16 466	0.08 404	0.05 263	0.06 180	0.05 182	0.08 425	0.09 492

test_sample6	0.14 414	0.08 335	0.13 330	0.16 201	0.08 204	0.17 457	0.19 510	0.25 437	0.17 298	0.17 418	0.27 499	0.19 436	0.14 423	0.15 386	0.13 381	0.08 404	0.05 263	0.08 384	0.07 370	0.08 425	0.08 448

test_sample5	0.14 414	0.08 335	0.14 367	0.16 201	0.08 204	0.18 476	0.18 470	0.25 437	0.17 298	0.17 418	0.27 499	0.18 422	0.14 423	0.16 421	0.13 381	0.08 404	0.05 263	0.08 384	0.07 370	0.08 425	0.08 448

test_sample4	0.14 414	0.08 335	0.14 367	0.15 106	0.08 204	0.19 500	0.18 470	0.26 455	0.17 298	0.16 399	0.25 473	0.18 422	0.14 423	0.16 421	0.13 381	0.08 404	0.06 407	0.08 384	0.06 272	0.08 425	0.08 448

DualNet	0.14 414	0.08 335	0.14 367	0.16 201	0.08 204	0.18 476	0.18 470	0.25 437	0.17 298	0.17 418	0.27 499	0.18 422	0.14 423	0.16 421	0.13 381	0.08 404	0.05 263	0.08 384	0.07 370	0.08 425	0.08 448

CFNet_ucs	0.15 459	0.08 335	0.16 451	0.16 201	0.11 492	0.14 379	0.14 228	0.30 524	0.34 541	0.16 399	0.24 445	0.23 493	0.14 423	0.18 477	0.15 450	0.09 464	0.06 407	0.08 384	0.07 370	0.09 488	0.09 492

anonymousa	0.13 377	0.07 217	0.13 330	0.18 378	0.09 330	0.13 345	0.17 421	0.19 317	0.29 497	0.15 371	0.24 445	0.15 370	0.14 423	0.14 362	0.14 419	0.07 328	0.05 263	0.07 290	0.09 490	0.05 161	0.06 295

DCANet-4	0.10 232	0.06 99	0.12 280	0.16 201	0.06 27	0.09 129	0.17 421	0.18 287	0.19 348	0.13 322	0.16 318	0.09 210	0.14 423	0.11 188	0.12 339	0.06 166	0.04 25	0.05 45	0.04 54	0.04 48	0.05 200

GwcNet-ADL	0.13 377	0.08 335	0.14 367	0.20 512	0.09 330	0.11 242	0.20 533	0.30 524	0.24 430	0.13 322	0.14 288	0.18 422	0.14 423	0.13 333	0.14 419	0.07 328	0.05 263	0.06 180	0.05 182	0.07 361	0.06 295

AAGNet	0.11 280	0.07 217	0.16 451	0.19 446	0.09 330	0.08 77	0.13 163	0.18 287	0.13 175	0.16 399	0.21 413	0.13 321	0.14 423	0.11 188	0.14 419	0.06 166	0.04 25	0.09 467	0.06 272	0.06 282	0.05 200

DEmStereo	0.12 351	0.06 99	0.14 367	0.14 55	0.10 442	0.16 435	0.15 311	0.16 215	0.24 430	0.17 418	0.24 445	0.13 321	0.14 423	0.12 281	0.13 381	0.05 51	0.04 25	0.07 290	0.06 272	0.05 161	0.05 200

HCRNet	0.16 482	0.24 626	0.12 280	0.35 644	0.11 492	0.15 405	0.17 421	0.26 455	0.22 401	0.19 465	0.24 445	0.21 457	0.14 423	0.15 386	0.13 381	0.11 536	0.07 479	0.11 546	0.10 530	0.09 488	0.07 382

xxxx	0.15 459	0.07 217	0.14 367	0.14 55	0.08 204	0.23 559	0.18 470	0.31 535	0.19 348	0.14 344	0.28 513	0.22 475	0.14 423	0.15 386	0.26 593	0.09 464	0.05 263	0.07 290	0.07 370	0.08 425	0.07 382

PSMNet-RSSM	0.14 414	0.07 217	0.13 330	0.15 106	0.08 204	0.13 345	0.16 380	0.24 420	0.24 430	0.16 399	0.28 513	0.22 475	0.14 423	0.15 386	0.13 381	0.11 536	0.06 407	0.09 467	0.12 584	0.08 425	0.07 382

CFNet-ft	0.14 414	0.07 217	0.15 415	0.12 5	0.09 330	0.16 435	0.18 470	0.22 375	0.24 430	0.17 418	0.26 490	0.24 499	0.14 423	0.16 421	0.14 419	0.11 536	0.06 407	0.08 384	0.09 490	0.09 488	0.08 448

BEATNet_4x	0.12 351	0.08 335	0.14 367	0.18 378	0.07 125	0.15 405	0.07 3	0.22 375	0.18 329	0.16 399	0.19 378	0.18 422	0.14 423	0.16 421	0.15 450	0.07 328	0.05 263	0.05 45	0.05 182	0.06 282	0.06 295

HSM-Net_RVC	0.14 414	0.08 335	0.11 236	0.15 106	0.08 204	0.15 405	0.15 311	0.27 477	0.29 497	0.19 465	0.21 413	0.29 549	0.14 423	0.17 455	0.13 381	0.06 166	0.06 407	0.06 180	0.06 272	0.07 361	0.06 295
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 414	0.07 217	0.15 415	0.12 5	0.09 330	0.16 435	0.18 470	0.22 375	0.24 430	0.17 418	0.26 490	0.24 499	0.14 423	0.16 421	0.14 419	0.11 536	0.06 407	0.08 384	0.09 490	0.09 488	0.08 448

LiteMatch	0.09 164	0.06 99	0.10 182	0.16 201	0.07 125	0.09 129	0.15 311	0.13 106	0.08 24	0.06 20	0.07 60	0.06 39	0.15 441	0.10 120	0.14 419	0.07 328	0.04 25	0.06 180	0.06 272	0.06 282	0.06 295

Lsterematch	0.11 280	0.06 99	0.11 236	0.16 201	0.07 125	0.13 345	0.15 311	0.14 136	0.17 298	0.16 399	0.18 367	0.15 370	0.15 441	0.12 281	0.14 419	0.07 328	0.04 25	0.06 180	0.06 272	0.06 282	0.06 295

DCVSM-stereo	0.14 414	0.09 415	0.16 451	0.16 201	0.10 442	0.15 405	0.09 18	0.19 317	0.23 413	0.20 488	0.23 433	0.26 523	0.15 441	0.18 477	0.14 419	0.09 464	0.07 479	0.09 467	0.08 443	0.10 521	0.12 561

ACV-stereo	0.15 459	0.10 477	0.28 577	0.18 378	0.12 526	0.14 379	0.12 93	0.23 396	0.21 387	0.19 465	0.23 433	0.22 475	0.15 441	0.23 558	0.17 481	0.07 328	0.06 407	0.07 290	0.07 370	0.07 361	0.07 382

ITSA-stereo	0.15 459	0.10 477	0.14 367	0.19 446	0.08 204	0.12 294	0.14 228	0.30 524	0.49 614	0.17 418	0.19 378	0.22 475	0.15 441	0.17 455	0.16 466	0.10 505	0.06 407	0.08 384	0.08 443	0.08 425	0.08 448

rvit_stereo_0075_2	0.17 503	0.12 521	0.25 562	0.23 585	0.16 601	0.13 345	0.10 32	0.30 524	0.27 475	0.20 488	0.28 513	0.22 475	0.15 441	0.18 477	0.13 381	0.16 621	0.10 563	0.17 616	0.10 530	0.10 521	0.09 492

test_sample3	0.14 414	0.08 335	0.15 415	0.14 55	0.09 330	0.19 500	0.17 421	0.26 455	0.18 329	0.16 399	0.22 424	0.19 436	0.15 441	0.17 455	0.13 381	0.08 404	0.06 407	0.07 290	0.06 272	0.09 488	0.08 448

test_sample2	0.12 351	0.07 217	0.12 280	0.14 55	0.08 204	0.16 435	0.18 470	0.21 351	0.16 269	0.14 344	0.20 390	0.19 436	0.15 441	0.15 386	0.12 339	0.08 404	0.05 263	0.07 290	0.06 272	0.08 425	0.07 382

SMFormer	0.14 414	0.07 217	0.17 481	0.14 55	0.08 204	0.16 435	0.17 421	0.26 455	0.27 475	0.19 465	0.20 390	0.18 422	0.15 441	0.15 386	0.17 481	0.08 404	0.05 263	0.07 290	0.06 272	0.07 361	0.06 295

tta	0.14 414	0.07 217	0.17 481	0.14 55	0.08 204	0.16 435	0.17 421	0.26 455	0.27 475	0.19 465	0.20 390	0.18 422	0.15 441	0.15 386	0.17 481	0.08 404	0.05 263	0.07 290	0.06 272	0.06 282	0.06 295

qqq1	0.13 377	0.07 217	0.17 481	0.14 55	0.08 204	0.16 435	0.17 421	0.26 455	0.27 475	0.19 465	0.20 390	0.18 422	0.15 441	0.15 386	0.11 278	0.08 404	0.05 263	0.05 45	0.05 182	0.06 282	0.06 295

fff1	0.13 377	0.07 217	0.17 481	0.14 55	0.08 204	0.16 435	0.17 421	0.26 455	0.27 475	0.19 465	0.20 390	0.18 422	0.15 441	0.15 386	0.11 278	0.08 404	0.05 263	0.05 45	0.05 182	0.06 282	0.06 295

1111x	0.15 459	0.08 335	0.12 280	0.18 378	0.07 125	0.18 476	0.25 602	0.31 535	0.24 430	0.17 418	0.24 445	0.26 523	0.15 441	0.13 333	0.23 559	0.07 328	0.07 479	0.08 384	0.09 490	0.07 361	0.06 295

iinet-f	0.16 482	0.06 99	0.45 622	0.14 55	0.10 442	0.21 533	0.14 228	0.27 477	0.23 413	0.21 502	0.24 445	0.21 457	0.15 441	0.18 477	0.21 538	0.09 464	0.07 479	0.07 290	0.06 272	0.09 488	0.10 521

GASNet	0.22 562	0.23 623	0.33 597	0.26 610	0.17 616	0.26 585	0.16 380	0.44 636	0.42 588	0.27 565	0.24 445	0.30 559	0.15 441	0.27 578	0.18 499	0.12 561	0.08 509	0.12 566	0.11 564	0.16 617	0.07 382

CASS	0.13 377	0.12 521	0.11 236	0.23 585	0.09 330	0.15 405	0.17 421	0.18 287	0.19 348	0.17 418	0.18 367	0.15 370	0.15 441	0.14 362	0.14 419	0.09 464	0.06 407	0.10 515	0.08 443	0.09 488	0.07 382
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Wz-Net-LNSev-Ref	0.18 517	0.09 415	0.29 585	0.15 106	0.10 442	0.22 542	0.20 533	0.26 455	0.39 571	0.25 553	0.42 611	0.24 499	0.15 441	0.20 517	0.19 512	0.07 328	0.05 263	0.06 180	0.05 182	0.10 521	0.09 492

test_5	0.14 414	0.12 521	0.08 56	0.20 512	0.10 442	0.14 379	0.29 634	0.21 351	0.24 430	0.18 448	0.28 513	0.11 275	0.15 441	0.12 281	0.13 381	0.06 166	0.05 263	0.07 290	0.08 443	0.08 425	0.07 382

CSP-Net	0.16 482	0.09 415	0.14 367	0.16 201	0.09 330	0.19 500	0.17 421	0.25 437	0.32 522	0.25 553	0.30 532	0.24 499	0.15 441	0.21 534	0.18 499	0.09 464	0.06 407	0.07 290	0.07 370	0.08 425	0.07 382

DAS	0.15 459	0.08 335	0.18 505	0.19 446	0.10 442	0.19 500	0.17 421	0.27 477	0.29 497	0.18 448	0.25 473	0.21 457	0.15 441	0.16 421	0.12 339	0.08 404	0.06 407	0.06 180	0.06 272	0.07 361	0.07 382

SepStereo	0.15 459	0.08 335	0.18 505	0.19 446	0.10 442	0.19 500	0.17 421	0.27 477	0.29 497	0.18 448	0.25 473	0.21 457	0.15 441	0.25 573	0.12 339	0.08 404	0.06 407	0.06 180	0.06 272	0.07 361	0.07 382

DRaft	0.12 351	0.06 99	0.11 236	0.14 55	0.09 330	0.14 379	0.17 421	0.21 351	0.30 507	0.17 418	0.28 513	0.10 245	0.15 441	0.10 120	0.12 339	0.05 51	0.04 25	0.07 290	0.06 272	0.05 161	0.05 200

GANet-RSSM	0.14 414	0.07 217	0.13 330	0.13 16	0.08 204	0.14 379	0.17 421	0.22 375	0.21 387	0.17 418	0.24 445	0.23 493	0.15 441	0.16 421	0.15 450	0.10 505	0.06 407	0.07 290	0.08 443	0.08 425	0.07 382

DSFCA	0.16 482	0.09 415	0.14 367	0.16 201	0.10 442	0.20 516	0.19 510	0.28 496	0.31 515	0.23 531	0.24 445	0.22 475	0.15 441	0.19 492	0.20 518	0.10 505	0.07 479	0.09 467	0.09 490	0.08 425	0.08 448

FADNet-RVC-Resample	0.16 482	0.11 503	0.31 590	0.22 561	0.11 492	0.19 500	0.14 228	0.25 437	0.24 430	0.24 540	0.27 499	0.20 448	0.15 441	0.16 421	0.15 450	0.07 328	0.08 509	0.12 566	0.10 530	0.09 488	0.10 521

UCFNet_RVC	0.14 414	0.08 335	0.13 330	0.11 1	0.10 442	0.20 516	0.10 32	0.24 420	0.22 401	0.17 418	0.20 390	0.23 493	0.15 441	0.17 455	0.15 450	0.12 561	0.07 479	0.10 515	0.13 595	0.11 544	0.10 521

iResNet_ROB	0.14 414	0.07 217	0.13 330	0.14 55	0.07 125	0.18 476	0.14 228	0.26 455	0.31 515	0.22 518	0.25 473	0.23 493	0.15 441	0.15 386	0.13 381	0.07 328	0.05 263	0.05 45	0.04 54	0.08 425	0.08 448

PWCDC_ROB	0.20 541	0.13 549	0.22 544	0.24 594	0.11 492	0.19 500	0.15 311	0.33 566	0.54 627	0.29 589	0.50 627	0.21 457	0.15 441	0.27 578	0.20 518	0.11 536	0.09 542	0.10 515	0.08 443	0.11 544	0.09 492

xyz-stereo	0.13 377	0.07 217	0.20 529	0.15 106	0.05 2	0.20 516	0.15 311	0.17 254	0.31 515	0.15 371	0.29 525	0.26 523	0.16 469	0.13 333	0.12 339	0.05 51	0.05 263	0.06 180	0.05 182	0.04 48	0.04 71

G2L-Stereo_test	0.14 414	0.07 217	0.11 236	0.13 16	0.08 204	0.12 294	0.16 380	0.30 524	0.28 490	0.20 488	0.23 433	0.20 448	0.16 469	0.17 455	0.18 499	0.07 328	0.05 263	0.05 45	0.05 182	0.07 361	0.06 295

FACV-RUCA	0.13 377	0.11 503	0.12 280	0.19 446	0.12 526	0.15 405	0.15 311	0.22 375	0.20 371	0.15 371	0.16 318	0.14 341	0.16 469	0.14 362	0.13 381	0.07 328	0.05 263	0.08 384	0.06 272	0.10 521	0.08 448

test_sample1	0.13 377	0.07 217	0.14 367	0.13 16	0.08 204	0.19 500	0.16 380	0.20 328	0.15 232	0.14 344	0.22 424	0.18 422	0.16 469	0.17 455	0.14 419	0.07 328	0.06 407	0.06 180	0.06 272	0.08 425	0.07 382

xx1	0.11 280	0.08 335	0.12 280	0.17 288	0.09 330	0.13 345	0.15 311	0.16 215	0.18 329	0.09 171	0.09 149	0.16 386	0.16 469	0.10 120	0.07 1	0.06 166	0.04 25	0.08 384	0.08 443	0.07 361	0.07 382

mmm	0.14 414	0.08 335	0.17 481	0.17 288	0.09 330	0.17 457	0.18 470	0.21 351	0.15 232	0.15 371	0.23 433	0.21 457	0.16 469	0.16 421	0.17 481	0.08 404	0.05 263	0.08 384	0.07 370	0.07 361	0.07 382

11t1	0.12 351	0.06 99	0.13 330	0.14 55	0.08 204	0.17 457	0.15 311	0.18 287	0.15 232	0.15 371	0.15 305	0.16 386	0.16 469	0.15 386	0.13 381	0.08 404	0.05 263	0.06 180	0.05 182	0.08 425	0.07 382

CBFPSM	0.14 414	0.06 99	0.26 565	0.17 288	0.09 330	0.13 345	0.15 311	0.22 375	0.23 413	0.20 488	0.27 499	0.24 499	0.16 469	0.16 421	0.18 499	0.06 166	0.06 407	0.06 180	0.07 370	0.07 361	0.07 382

gwcnet-sp	0.14 414	0.07 217	0.12 280	0.18 378	0.09 330	0.16 435	0.17 421	0.24 420	0.24 430	0.18 448	0.24 445	0.15 370	0.16 469	0.15 386	0.15 450	0.08 404	0.06 407	0.07 290	0.08 443	0.08 425	0.07 382

scenet	0.14 414	0.07 217	0.12 280	0.18 378	0.09 330	0.16 435	0.17 421	0.24 420	0.24 430	0.18 448	0.24 445	0.15 370	0.16 469	0.15 386	0.15 450	0.08 404	0.06 407	0.07 290	0.08 443	0.08 425	0.07 382

ssnet	0.14 414	0.07 217	0.12 280	0.18 378	0.09 330	0.16 435	0.17 421	0.24 420	0.24 430	0.18 448	0.24 445	0.15 370	0.16 469	0.15 386	0.15 450	0.08 404	0.06 407	0.07 290	0.08 443	0.08 425	0.07 382

qqq	0.13 377	0.09 415	0.15 415	0.16 201	0.08 204	0.13 345	0.15 311	0.23 396	0.16 269	0.15 371	0.19 378	0.16 386	0.16 469	0.15 386	0.16 466	0.07 328	0.06 407	0.08 384	0.08 443	0.07 361	0.07 382

BSDual-CNN	0.15 459	0.09 415	0.14 367	0.22 561	0.10 442	0.14 379	0.15 311	0.34 575	0.19 348	0.17 418	0.22 424	0.25 513	0.16 469	0.15 386	0.14 419	0.08 404	0.06 407	0.10 515	0.09 490	0.07 361	0.07 382

psmg	0.14 414	0.09 415	0.14 367	0.17 288	0.10 442	0.15 405	0.17 421	0.29 510	0.19 348	0.17 418	0.21 413	0.25 513	0.16 469	0.15 386	0.14 419	0.08 404	0.06 407	0.08 384	0.08 443	0.07 361	0.06 295

AASNet	0.16 482	0.08 335	0.12 280	0.19 446	0.09 330	0.18 476	0.15 311	0.37 603	0.37 561	0.19 465	0.23 433	0.20 448	0.16 469	0.17 455	0.20 518	0.10 505	0.08 509	0.08 384	0.07 370	0.09 488	0.09 492

PSMNet-ADL	0.15 459	0.12 521	0.13 330	0.22 561	0.09 330	0.13 345	0.20 533	0.26 455	0.23 413	0.18 448	0.20 390	0.24 499	0.16 469	0.18 477	0.17 481	0.08 404	0.08 509	0.08 384	0.11 564	0.08 425	0.07 382

ADLNet	0.16 482	0.08 335	0.15 415	0.16 201	0.10 442	0.16 435	0.17 421	0.32 546	0.27 475	0.22 518	0.27 499	0.24 499	0.16 469	0.18 477	0.21 538	0.10 505	0.06 407	0.10 515	0.10 530	0.08 425	0.09 492

222	0.16 482	0.07 217	0.14 367	0.14 55	0.08 204	0.24 564	0.18 470	0.30 524	0.20 371	0.17 418	0.28 513	0.17 408	0.16 469	0.15 386	0.40 648	0.10 505	0.05 263	0.07 290	0.06 272	0.07 361	0.08 448

test_xeample	0.15 459	0.06 99	0.13 330	0.14 55	0.08 204	0.21 533	0.20 533	0.28 496	0.20 371	0.16 399	0.29 525	0.19 436	0.16 469	0.15 386	0.26 593	0.09 464	0.05 263	0.07 290	0.07 370	0.07 361	0.07 382

ACVNet	0.15 459	0.09 415	0.15 415	0.13 16	0.12 526	0.14 379	0.20 533	0.22 375	0.33 529	0.17 418	0.26 490	0.21 457	0.16 469	0.17 455	0.21 538	0.07 328	0.06 407	0.06 180	0.06 272	0.08 425	0.06 295

cf-r	0.13 377	0.07 217	0.12 280	0.16 201	0.08 204	0.14 379	0.19 510	0.20 328	0.25 451	0.17 418	0.25 473	0.21 457	0.16 469	0.14 362	0.14 419	0.10 505	0.05 263	0.06 180	0.08 443	0.06 282	0.06 295

GwcNet-RSSM	0.14 414	0.07 217	0.12 280	0.15 106	0.08 204	0.15 405	0.20 533	0.21 351	0.27 475	0.18 448	0.27 499	0.22 475	0.16 469	0.14 362	0.15 450	0.10 505	0.05 263	0.07 290	0.09 490	0.07 361	0.07 382

HSM	0.15 459	0.08 335	0.14 367	0.16 201	0.09 330	0.16 435	0.14 228	0.28 496	0.25 451	0.19 465	0.23 433	0.37 603	0.16 469	0.20 517	0.15 450	0.07 328	0.05 263	0.07 290	0.06 272	0.07 361	0.06 295

z-ln-s-r	0.17 503	0.10 477	0.40 615	0.19 446	0.08 204	0.17 457	0.18 470	0.22 375	0.33 529	0.18 448	0.40 594	0.22 475	0.17 492	0.20 517	0.23 559	0.07 328	0.05 263	0.07 290	0.07 370	0.07 361	0.05 200

coex_refinement	0.14 414	0.07 217	0.12 280	0.17 288	0.10 442	0.15 405	0.15 311	0.26 455	0.29 497	0.18 448	0.20 390	0.22 475	0.17 492	0.16 421	0.18 499	0.08 404	0.05 263	0.06 180	0.06 272	0.09 488	0.08 448

ISRNet	0.18 517	0.08 335	0.19 517	0.19 446	0.13 549	0.15 405	0.12 93	0.30 524	0.32 522	0.21 502	0.25 473	0.27 531	0.17 492	0.17 455	0.20 518	0.20 635	0.08 509	0.14 594	0.14 599	0.14 592	0.17 627

rvit_105_1	0.19 529	0.11 503	0.25 562	0.21 544	0.16 601	0.21 533	0.27 618	0.31 535	0.41 580	0.19 465	0.20 390	0.22 475	0.17 492	0.19 492	0.17 481	0.12 561	0.12 591	0.13 581	0.15 615	0.08 425	0.07 382

DispNO	0.14 414	0.08 335	0.17 481	0.19 446	0.12 526	0.11 242	0.21 553	0.23 396	0.29 497	0.17 418	0.23 433	0.18 422	0.17 492	0.15 386	0.15 450	0.07 328	0.05 263	0.08 384	0.08 443	0.07 361	0.06 295

x	0.13 377	0.07 217	0.14 367	0.14 55	0.08 204	0.18 476	0.14 228	0.22 375	0.20 371	0.15 371	0.19 378	0.19 436	0.17 492	0.18 477	0.18 499	0.07 328	0.05 263	0.06 180	0.06 272	0.07 361	0.07 382

CRFU-Net	0.16 482	0.08 335	0.14 367	0.17 288	0.09 330	0.19 500	0.14 228	0.26 455	0.20 371	0.28 580	0.27 499	0.29 549	0.17 492	0.19 492	0.17 481	0.09 464	0.09 542	0.07 290	0.07 370	0.08 425	0.08 448

AACVNet	0.16 482	0.08 335	0.14 367	0.15 106	0.10 442	0.18 476	0.15 311	0.23 396	0.24 430	0.27 565	0.27 499	0.28 541	0.17 492	0.19 492	0.16 466	0.09 464	0.07 479	0.09 467	0.07 370	0.10 521	0.09 492

LMCR-Stereo	0.15 459	0.08 335	0.13 330	0.21 544	0.09 330	0.17 457	0.20 533	0.27 477	0.19 348	0.24 540	0.24 445	0.23 493	0.17 492	0.20 517	0.17 481	0.07 328	0.06 407	0.08 384	0.06 272	0.10 521	0.08 448

acv_ft	0.15 459	0.09 415	0.15 415	0.19 446	0.10 442	0.16 435	0.17 421	0.25 437	0.33 529	0.19 465	0.26 490	0.21 457	0.17 492	0.17 455	0.18 499	0.07 328	0.06 407	0.06 180	0.06 272	0.08 425	0.06 295

CCAANet	0.14 414	0.06 99	0.11 236	0.16 201	0.08 204	0.22 542	0.14 228	0.26 455	0.18 329	0.16 399	0.36 567	0.15 370	0.17 492	0.16 421	0.13 381	0.07 328	0.05 263	0.06 180	0.06 272	0.05 161	0.07 382

FADNet_RVC	0.16 482	0.14 561	0.40 615	0.20 512	0.11 492	0.13 345	0.13 163	0.26 455	0.22 401	0.21 502	0.23 433	0.20 448	0.17 492	0.14 362	0.16 466	0.08 404	0.08 509	0.12 566	0.09 490	0.11 544	0.10 521

CFNet	0.15 459	0.10 477	0.17 481	0.17 288	0.08 204	0.18 476	0.09 18	0.28 496	0.25 451	0.19 465	0.24 445	0.24 499	0.17 492	0.17 455	0.14 419	0.08 404	0.06 407	0.09 467	0.10 530	0.07 361	0.06 295

NLCA_NET_v2_RVC	0.17 503	0.10 477	0.22 544	0.20 512	0.10 442	0.15 405	0.18 470	0.31 535	0.25 451	0.21 502	0.30 532	0.25 513	0.17 492	0.21 534	0.20 518	0.09 464	0.06 407	0.08 384	0.08 443	0.07 361	0.08 448
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 503	0.12 521	0.15 415	0.20 512	0.09 330	0.18 476	0.18 470	0.26 455	0.23 413	0.26 559	0.40 594	0.22 475	0.17 492	0.21 534	0.20 518	0.08 404	0.05 263	0.09 467	0.10 530	0.07 361	0.07 382
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
YMNet	0.20 541	0.12 521	0.19 517	0.20 512	0.14 570	0.26 585	0.23 574	0.32 546	0.34 541	0.27 565	0.34 560	0.30 559	0.18 507	0.18 477	0.22 547	0.10 505	0.13 606	0.10 515	0.10 530	0.08 425	0.09 492

YMNet_1	0.20 541	0.12 521	0.19 517	0.20 512	0.14 570	0.26 585	0.23 574	0.32 546	0.34 541	0.27 565	0.34 560	0.30 559	0.18 507	0.18 477	0.22 547	0.10 505	0.13 606	0.10 515	0.10 530	0.08 425	0.09 492

ssnet_v2	0.17 503	0.10 477	0.17 481	0.17 288	0.11 492	0.21 533	0.21 553	0.33 566	0.25 451	0.22 518	0.22 424	0.27 531	0.18 507	0.22 547	0.20 518	0.11 536	0.09 542	0.09 467	0.09 490	0.08 425	0.08 448

Wz-Net-LNSev	0.22 562	0.16 579	0.38 612	0.21 544	0.13 549	0.25 575	0.23 574	0.32 546	0.43 593	0.30 594	0.41 605	0.31 572	0.18 507	0.22 547	0.25 582	0.10 505	0.09 542	0.08 384	0.08 443	0.12 559	0.11 548

hknet	0.15 459	0.11 503	0.13 330	0.22 561	0.11 492	0.14 379	0.15 311	0.34 575	0.25 451	0.17 418	0.22 424	0.22 475	0.18 507	0.17 455	0.12 339	0.07 328	0.06 407	0.10 515	0.09 490	0.07 361	0.07 382

ADLNet2	0.16 482	0.09 415	0.13 330	0.16 201	0.09 330	0.20 516	0.16 380	0.31 535	0.39 571	0.16 399	0.20 390	0.20 448	0.18 507	0.21 534	0.22 547	0.08 404	0.06 407	0.07 290	0.07 370	0.09 488	0.07 382

ICVP	0.15 459	0.09 415	0.12 280	0.22 561	0.09 330	0.17 457	0.21 553	0.25 437	0.23 413	0.18 448	0.30 532	0.26 523	0.18 507	0.17 455	0.14 419	0.09 464	0.07 479	0.08 384	0.07 370	0.07 361	0.07 382
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ac_64	0.16 482	0.08 335	0.15 415	0.18 378	0.10 442	0.22 542	0.18 470	0.24 420	0.21 387	0.18 448	0.24 445	0.29 549	0.18 507	0.19 492	0.22 547	0.09 464	0.07 479	0.08 384	0.09 490	0.07 361	0.06 295

HGLStereo	0.17 503	0.08 335	0.19 517	0.17 288	0.12 526	0.18 476	0.18 470	0.31 535	0.32 522	0.21 502	0.32 544	0.25 513	0.18 507	0.19 492	0.20 518	0.09 464	0.09 542	0.07 290	0.07 370	0.09 488	0.10 521

DMCA	0.14 414	0.09 415	0.16 451	0.19 446	0.09 330	0.15 405	0.17 421	0.23 396	0.27 475	0.14 344	0.19 378	0.17 408	0.18 507	0.15 386	0.17 481	0.10 505	0.06 407	0.08 384	0.06 272	0.09 488	0.10 521

STTStereo	0.18 517	0.12 521	0.27 572	0.20 512	0.11 492	0.16 435	0.21 553	0.29 510	0.23 413	0.21 502	0.30 532	0.29 549	0.18 507	0.20 517	0.19 512	0.12 561	0.11 575	0.11 546	0.14 599	0.09 488	0.08 448

RASNet	0.14 414	0.07 217	0.14 367	0.16 201	0.08 204	0.18 476	0.14 228	0.29 510	0.20 371	0.17 418	0.25 473	0.21 457	0.18 507	0.20 517	0.19 512	0.07 328	0.06 407	0.06 180	0.08 443	0.06 282	0.06 295

TDLM	0.17 503	0.12 521	0.13 330	0.24 594	0.10 442	0.18 476	0.18 470	0.36 597	0.30 507	0.21 502	0.28 513	0.28 541	0.18 507	0.23 558	0.18 499	0.11 536	0.07 479	0.10 515	0.10 530	0.08 425	0.08 448

CVANet_RVC	0.18 517	0.10 477	0.14 367	0.21 544	0.10 442	0.18 476	0.17 421	0.34 575	0.33 529	0.22 518	0.31 540	0.28 541	0.18 507	0.23 558	0.17 481	0.12 561	0.08 509	0.12 566	0.11 564	0.09 488	0.07 382

DeepPruner_ROB	0.16 482	0.11 503	0.15 415	0.17 288	0.10 442	0.17 457	0.15 311	0.32 546	0.21 387	0.19 465	0.21 413	0.22 475	0.18 507	0.20 517	0.15 450	0.13 587	0.09 542	0.09 467	0.09 490	0.11 544	0.10 521

pmcnn	0.15 459	0.07 217	0.19 517	0.15 106	0.07 125	0.20 516	0.15 311	0.24 420	0.26 465	0.21 502	0.34 560	0.28 541	0.18 507	0.18 477	0.17 481	0.07 328	0.05 263	0.05 45	0.04 54	0.07 361	0.06 295

TCMNet	0.19 529	0.12 521	0.19 517	0.20 512	0.18 623	0.20 516	0.24 587	0.27 477	0.36 554	0.23 531	0.26 490	0.25 513	0.19 523	0.19 492	0.23 559	0.13 587	0.11 575	0.11 546	0.12 584	0.13 578	0.12 561

DualNet (step1)	0.16 482	0.12 521	0.20 529	0.12 5	0.14 570	0.17 457	0.13 163	0.27 477	0.23 413	0.20 488	0.20 390	0.24 499	0.19 523	0.16 421	0.16 466	0.15 605	0.06 407	0.14 594	0.14 599	0.14 592	0.12 561

test_sample9	0.18 517	0.12 521	0.20 529	0.12 5	0.14 570	0.17 457	0.13 163	0.27 477	0.23 413	0.20 488	0.20 390	0.24 499	0.19 523	0.19 492	0.17 481	0.15 605	0.30 657	0.14 594	0.14 599	0.14 592	0.12 561

test_sample7	0.15 459	0.10 477	0.16 451	0.14 55	0.11 492	0.16 435	0.16 380	0.27 477	0.23 413	0.20 488	0.20 390	0.24 499	0.19 523	0.16 421	0.16 466	0.12 561	0.06 407	0.10 515	0.09 490	0.10 521	0.10 521

Wz-Net-MNSev	0.22 562	0.13 549	0.31 590	0.20 512	0.14 570	0.36 630	0.24 587	0.33 566	0.44 598	0.28 580	0.40 594	0.38 607	0.19 523	0.24 568	0.25 582	0.09 464	0.07 479	0.09 467	0.09 490	0.12 559	0.10 521

pcwnet_v2	0.19 529	0.10 477	0.26 565	0.17 288	0.14 570	0.18 476	0.15 311	0.37 603	0.46 605	0.19 465	0.24 445	0.21 457	0.19 523	0.20 517	0.19 512	0.13 587	0.10 563	0.10 515	0.10 530	0.11 544	0.13 583

delet	0.17 503	0.08 335	0.17 481	0.19 446	0.11 492	0.20 516	0.21 553	0.30 524	0.37 561	0.17 418	0.26 490	0.19 436	0.19 523	0.19 492	0.21 538	0.08 404	0.08 509	0.09 467	0.11 564	0.06 282	0.06 295

UNet	0.17 503	0.09 415	0.18 505	0.19 446	0.12 526	0.27 595	0.19 510	0.33 566	0.29 497	0.21 502	0.24 445	0.23 493	0.19 523	0.19 492	0.18 499	0.07 328	0.06 407	0.08 384	0.07 370	0.08 425	0.06 295

UPFNet	0.16 482	0.08 335	0.12 280	0.20 512	0.12 526	0.20 516	0.23 574	0.28 496	0.26 465	0.17 418	0.24 445	0.22 475	0.19 523	0.19 492	0.21 538	0.09 464	0.07 479	0.08 384	0.09 490	0.08 425	0.06 295

NVstereo2D	0.19 529	0.10 477	0.15 415	0.17 288	0.15 590	0.28 602	0.23 574	0.44 636	0.42 588	0.15 371	0.27 499	0.25 513	0.19 523	0.22 547	0.17 481	0.09 464	0.06 407	0.10 515	0.08 443	0.15 608	0.09 492

StereoDRNet	0.18 517	0.11 503	0.17 481	0.22 561	0.11 492	0.21 533	0.22 563	0.37 603	0.33 529	0.24 540	0.28 513	0.30 559	0.19 523	0.20 517	0.20 518	0.09 464	0.08 509	0.11 546	0.09 490	0.09 488	0.07 382

SGM-Forest	0.20 541	0.14 561	0.18 505	0.19 446	0.13 549	0.20 516	0.22 563	0.33 566	0.30 507	0.24 540	0.29 525	0.28 541	0.19 523	0.23 558	0.17 481	0.15 605	0.16 625	0.15 606	0.14 599	0.12 559	0.12 561
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
fast-acv-ft	0.18 517	0.11 503	0.19 517	0.19 446	0.12 526	0.24 564	0.21 553	0.25 437	0.34 541	0.22 518	0.34 560	0.27 531	0.20 535	0.21 534	0.23 559	0.09 464	0.09 542	0.08 384	0.10 530	0.08 425	0.07 382

IER	0.14 414	0.07 217	0.13 330	0.17 288	0.09 330	0.14 379	0.16 380	0.25 437	0.26 465	0.18 448	0.25 473	0.17 408	0.20 535	0.16 421	0.14 419	0.08 404	0.05 263	0.07 290	0.06 272	0.08 425	0.07 382

MMNet	0.17 503	0.09 415	0.16 451	0.20 512	0.11 492	0.27 595	0.20 533	0.25 437	0.41 580	0.22 518	0.30 532	0.21 457	0.20 535	0.17 455	0.20 518	0.06 166	0.06 407	0.07 290	0.07 370	0.08 425	0.07 382

GwcNet	0.20 541	0.13 549	0.19 517	0.18 378	0.12 526	0.24 564	0.19 510	0.35 590	0.43 593	0.20 488	0.32 544	0.33 585	0.20 535	0.22 547	0.24 572	0.11 536	0.09 542	0.09 467	0.09 490	0.09 488	0.10 521

DGSMNet	0.24 585	0.19 605	0.33 597	0.21 544	0.24 641	0.24 564	0.20 533	0.35 590	0.41 580	0.24 540	0.32 544	0.38 607	0.21 539	0.29 596	0.23 559	0.12 561	0.11 575	0.14 594	0.16 619	0.23 637	0.23 641

FADNet-RVC	0.20 541	0.20 611	0.38 612	0.21 544	0.16 601	0.20 516	0.15 311	0.26 455	0.26 465	0.26 559	0.32 544	0.26 523	0.21 539	0.22 547	0.19 512	0.12 561	0.13 606	0.12 566	0.14 599	0.13 578	0.18 630

FADNet	0.21 553	0.22 621	0.36 606	0.18 378	0.17 616	0.24 564	0.13 163	0.31 535	0.31 515	0.23 531	0.25 473	0.27 531	0.21 539	0.19 492	0.15 450	0.13 587	0.15 621	0.12 566	0.15 615	0.16 617	0.18 630

MaskLacGwcNet_RVC	0.22 562	0.21 617	0.24 557	0.26 610	0.11 492	0.23 559	0.14 228	0.39 615	0.24 430	0.32 606	0.36 567	0.30 559	0.21 539	0.19 492	0.21 538	0.17 626	0.14 615	0.21 630	0.16 619	0.12 559	0.12 561

SuperB	0.20 541	0.10 477	0.56 638	0.16 201	0.09 330	0.18 476	0.18 470	0.24 420	0.50 617	0.26 559	0.39 588	0.17 408	0.21 539	0.22 547	0.21 538	0.08 404	0.06 407	0.06 180	0.06 272	0.12 559	0.10 521

RTSC	0.23 578	0.12 521	0.28 577	0.21 544	0.13 549	0.28 602	0.16 380	0.35 590	0.66 653	0.27 565	0.33 556	0.30 559	0.21 539	0.31 600	0.29 613	0.10 505	0.08 509	0.09 467	0.10 530	0.13 578	0.13 583

AANet_RVC	0.16 482	0.10 477	0.10 182	0.18 378	0.09 330	0.18 476	0.19 510	0.26 455	0.31 515	0.22 518	0.35 564	0.21 457	0.21 539	0.22 547	0.16 466	0.06 166	0.05 263	0.06 180	0.06 272	0.07 361	0.06 295

DRN-Test	0.19 529	0.11 503	0.20 529	0.22 561	0.10 442	0.22 542	0.22 563	0.39 615	0.37 561	0.24 540	0.32 544	0.26 523	0.21 539	0.22 547	0.24 572	0.11 536	0.07 479	0.11 546	0.10 530	0.09 488	0.07 382

MDST_ROB	0.22 562	0.10 477	0.17 481	0.18 378	0.11 492	0.37 631	0.19 510	0.43 634	0.41 580	0.39 623	0.39 588	0.29 549	0.21 539	0.26 575	0.18 499	0.11 536	0.10 563	0.14 594	0.11 564	0.10 521	0.08 448

w-ln-seven-2	0.20 541	0.14 561	0.37 610	0.22 561	0.12 526	0.20 516	0.21 553	0.28 496	0.37 561	0.25 553	0.37 574	0.27 531	0.22 548	0.21 534	0.23 559	0.08 404	0.08 509	0.09 467	0.09 490	0.10 521	0.09 492

w-ln-seven	0.24 585	0.14 561	0.55 635	0.19 446	0.14 570	0.26 585	0.22 563	0.35 590	0.60 641	0.29 589	0.39 588	0.30 559	0.22 548	0.21 534	0.26 593	0.09 464	0.09 542	0.11 546	0.10 530	0.11 544	0.10 521

SQANet	0.23 578	0.23 623	0.30 588	0.30 637	0.19 627	0.27 595	0.13 163	0.29 510	0.33 529	0.24 540	0.37 574	0.31 572	0.22 548	0.27 578	0.23 559	0.15 605	0.10 563	0.21 630	0.16 619	0.21 633	0.15 607

SACVNet	0.18 517	0.12 521	0.14 367	0.17 288	0.13 549	0.22 542	0.18 470	0.31 535	0.30 507	0.23 531	0.31 540	0.30 559	0.22 548	0.22 547	0.17 481	0.11 536	0.08 509	0.10 515	0.10 530	0.12 559	0.14 600

FINET	0.21 553	0.18 601	0.26 565	0.18 378	0.16 601	0.23 559	0.23 574	0.32 546	0.48 607	0.25 553	0.32 544	0.22 475	0.22 548	0.22 547	0.17 481	0.18 627	0.16 625	0.11 546	0.10 530	0.15 608	0.13 583

hitnet-ft	0.18 517	0.09 415	0.17 481	0.14 55	0.09 330	0.26 585	0.20 533	0.25 437	0.26 465	0.24 540	0.32 544	0.31 572	0.22 548	0.24 568	0.21 538	0.12 561	0.07 479	0.10 515	0.08 443	0.12 559	0.11 548

ADCP+	0.20 541	0.10 477	0.33 597	0.20 512	0.12 526	0.22 542	0.26 611	0.31 535	0.34 541	0.26 559	0.37 574	0.22 475	0.22 548	0.27 578	0.27 601	0.09 464	0.06 407	0.08 384	0.08 443	0.09 488	0.10 521

PSMNet_ROB	0.21 553	0.11 503	0.15 415	0.27 623	0.15 590	0.24 564	0.35 651	0.43 634	0.37 561	0.27 565	0.32 544	0.32 581	0.22 548	0.21 534	0.26 593	0.12 561	0.08 509	0.13 581	0.11 564	0.09 488	0.09 492

ADCRef	0.19 529	0.12 521	0.41 618	0.20 512	0.12 526	0.22 542	0.18 470	0.32 546	0.36 554	0.26 559	0.32 544	0.17 408	0.23 556	0.24 568	0.24 572	0.07 328	0.06 407	0.09 467	0.09 490	0.08 425	0.08 448

RYNet	0.22 562	0.12 521	0.22 544	0.19 446	0.17 616	0.46 641	0.26 611	0.38 611	0.48 607	0.24 540	0.28 513	0.34 592	0.23 556	0.20 517	0.30 620	0.10 505	0.06 407	0.09 467	0.09 490	0.13 578	0.15 607

NaN_ROB	0.22 562	0.19 605	0.24 557	0.25 605	0.13 549	0.29 606	0.26 611	0.33 566	0.41 580	0.31 600	0.31 540	0.32 581	0.23 556	0.30 599	0.21 538	0.11 536	0.17 630	0.10 515	0.10 530	0.08 425	0.09 492

NOSS_ROB	0.19 529	0.12 521	0.18 505	0.16 201	0.12 526	0.15 405	0.12 93	0.30 524	0.32 522	0.20 488	0.22 424	0.27 531	0.23 556	0.21 534	0.16 466	0.16 621	0.18 632	0.23 635	0.21 634	0.12 559	0.13 583

DispFullNet	0.27 608	0.21 617	0.65 648	0.28 626	0.16 601	0.26 585	0.17 421	0.33 566	0.58 636	0.27 565	0.38 580	0.43 625	0.23 556	0.38 632	0.23 559	0.12 561	0.06 407	0.19 627	0.11 564	0.21 633	0.15 607

CBMV	0.19 529	0.14 561	0.17 481	0.18 378	0.10 442	0.20 516	0.11 61	0.29 510	0.30 507	0.29 589	0.30 532	0.30 559	0.23 556	0.27 578	0.19 512	0.13 587	0.15 621	0.17 616	0.16 619	0.10 521	0.10 521
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
z-mn7	0.24 585	0.14 561	0.45 622	0.19 446	0.13 549	0.28 602	0.25 602	0.34 575	0.62 644	0.27 565	0.56 639	0.29 549	0.24 562	0.32 607	0.25 582	0.08 404	0.08 509	0.08 384	0.08 443	0.10 521	0.10 521

ToySt	0.17 503	0.11 503	0.18 505	0.17 288	0.11 492	0.16 435	0.25 602	0.24 420	0.33 529	0.19 465	0.24 445	0.26 523	0.24 562	0.19 492	0.20 518	0.07 328	0.08 509	0.09 467	0.10 530	0.09 488	0.08 448

WZ-Net	0.28 613	0.17 590	0.78 665	0.22 561	0.16 601	0.34 621	0.29 634	0.39 615	0.57 633	0.24 540	0.55 634	0.37 603	0.24 562	0.33 610	0.35 636	0.09 464	0.08 509	0.09 467	0.10 530	0.14 592	0.16 618

psm_up	0.18 517	0.10 477	0.18 505	0.20 512	0.11 492	0.17 457	0.19 510	0.37 603	0.34 541	0.21 502	0.28 513	0.29 549	0.24 562	0.20 517	0.22 547	0.09 464	0.10 563	0.11 546	0.11 564	0.08 425	0.08 448

RP	0.21 553	0.13 549	0.21 538	0.23 585	0.11 492	0.21 533	0.20 533	0.25 437	0.44 598	0.21 502	0.38 580	0.36 598	0.24 562	0.27 578	0.25 582	0.11 536	0.12 591	0.13 581	0.12 584	0.12 559	0.14 600

PS-NSSS	0.20 541	0.21 617	0.23 553	0.20 512	0.10 442	0.19 500	0.17 421	0.36 597	0.25 451	0.27 565	0.33 556	0.27 531	0.24 562	0.20 517	0.20 518	0.15 605	0.12 591	0.17 616	0.14 599	0.10 521	0.08 448

CBMV_ROB	0.19 529	0.13 549	0.17 481	0.16 201	0.11 492	0.15 405	0.13 163	0.26 455	0.28 490	0.27 565	0.30 532	0.27 531	0.24 562	0.23 558	0.16 466	0.15 605	0.17 630	0.22 634	0.20 632	0.10 521	0.11 548

DLCB_ROB	0.18 517	0.10 477	0.15 415	0.23 585	0.11 492	0.24 564	0.18 470	0.29 510	0.28 490	0.27 565	0.28 513	0.28 541	0.24 562	0.19 492	0.20 518	0.08 404	0.08 509	0.09 467	0.09 490	0.07 361	0.07 382

PWC_ROB	0.21 553	0.16 579	0.26 565	0.18 378	0.11 492	0.22 542	0.13 163	0.32 546	0.49 614	0.30 594	0.40 594	0.32 581	0.24 562	0.31 600	0.22 547	0.10 505	0.07 479	0.11 546	0.08 443	0.11 544	0.10 521

zh-mn7	0.25 597	0.14 561	0.56 638	0.19 446	0.14 570	0.24 564	0.22 563	0.34 575	0.62 644	0.35 613	0.65 648	0.31 572	0.25 571	0.31 600	0.25 582	0.09 464	0.08 509	0.09 467	0.09 490	0.09 488	0.11 548

PSMNet-RUCA	0.27 608	0.33 646	0.41 618	0.36 646	0.32 654	0.18 476	0.19 510	0.42 630	0.30 507	0.33 610	0.41 605	0.39 615	0.25 571	0.31 600	0.20 518	0.18 627	0.10 563	0.25 637	0.15 615	0.21 633	0.16 618

test_sample8	0.19 529	0.12 521	0.20 529	0.12 5	0.14 570	0.17 457	0.13 163	0.31 535	0.21 387	0.27 565	0.22 424	0.36 598	0.25 571	0.19 492	0.17 481	0.15 605	0.30 657	0.14 594	0.14 599	0.14 592	0.12 561

HBP-ISP	0.18 517	0.13 549	0.16 451	0.15 106	0.11 492	0.08 77	0.13 163	0.28 496	0.29 497	0.22 518	0.33 556	0.21 457	0.25 571	0.23 558	0.17 481	0.14 601	0.16 625	0.21 630	0.17 626	0.10 521	0.08 448

DDUNet	0.22 562	0.17 590	0.21 538	0.22 561	0.15 590	0.25 575	0.24 587	0.29 510	0.30 507	0.31 600	0.36 567	0.33 585	0.25 571	0.24 568	0.20 518	0.18 627	0.13 606	0.17 616	0.11 564	0.16 617	0.16 618

Syn2CoEx	0.21 553	0.16 579	0.27 572	0.29 635	0.14 570	0.26 585	0.20 533	0.33 566	0.31 515	0.28 580	0.36 567	0.27 531	0.25 571	0.19 492	0.24 572	0.16 621	0.12 591	0.14 594	0.11 564	0.09 488	0.08 448

Wz-Net-SNSev	0.25 597	0.17 590	0.44 621	0.25 605	0.14 570	0.26 585	0.23 574	0.38 611	0.56 631	0.30 594	0.55 634	0.39 615	0.26 577	0.23 558	0.30 620	0.10 505	0.09 542	0.09 467	0.10 530	0.11 544	0.11 548

AF-Net	0.22 562	0.17 590	0.17 481	0.26 610	0.13 549	0.25 575	0.24 587	0.32 546	0.50 617	0.25 553	0.33 556	0.38 607	0.26 577	0.28 590	0.25 582	0.11 536	0.10 563	0.16 613	0.11 564	0.11 544	0.10 521

PA-Net	0.23 578	0.18 601	0.33 597	0.28 626	0.22 636	0.21 533	0.38 656	0.29 510	0.39 571	0.22 518	0.32 544	0.25 513	0.26 577	0.20 517	0.25 582	0.09 464	0.23 650	0.15 606	0.22 637	0.09 488	0.13 583
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DISCO	0.19 529	0.09 415	0.22 544	0.17 288	0.10 442	0.25 575	0.18 470	0.27 477	0.44 598	0.22 518	0.31 540	0.33 585	0.26 577	0.28 590	0.28 609	0.08 404	0.06 407	0.07 290	0.07 370	0.09 488	0.09 492

SANet	0.24 585	0.14 561	0.28 577	0.21 544	0.11 492	0.27 595	0.24 587	0.38 611	0.64 649	0.36 616	0.40 594	0.43 625	0.26 577	0.27 578	0.24 572	0.12 561	0.09 542	0.10 515	0.09 490	0.13 578	0.11 548

XPNet_ROB	0.22 562	0.11 503	0.19 517	0.22 561	0.13 549	0.22 542	0.19 510	0.34 575	0.40 577	0.30 594	0.39 588	0.39 615	0.26 577	0.26 575	0.28 609	0.15 605	0.10 563	0.10 515	0.10 530	0.13 578	0.12 561

ETE_ROB	0.23 578	0.17 590	0.22 544	0.25 605	0.13 549	0.26 585	0.29 634	0.31 535	0.36 554	0.28 580	0.36 567	0.45 629	0.26 577	0.27 578	0.26 593	0.11 536	0.08 509	0.12 566	0.09 490	0.14 592	0.13 583

LALA_ROB	0.25 597	0.16 579	0.22 544	0.26 610	0.17 616	0.27 595	0.27 618	0.42 630	0.37 561	0.33 610	0.38 580	0.51 641	0.26 577	0.28 590	0.27 601	0.16 621	0.09 542	0.12 566	0.11 564	0.13 578	0.12 561

DStereoO	0.24 585	0.18 601	0.18 505	0.20 512	0.14 570	0.21 533	0.19 510	0.32 546	0.41 580	0.29 589	0.21 413	0.32 581	0.27 585	0.41 644	0.27 601	0.46 665	0.12 591	0.31 653	0.11 564	0.15 608	0.12 561

FSD					0.22 636	0.25 575	0.25 602	0.27 477	0.26 465	0.25 553	0.26 490	0.25 513	0.27 585	0.27 578	0.24 572	0.21 639	0.20 638	0.27 641	0.26 644	0.25 644

MSAF-DinoV2	0.22 562	0.11 503	0.23 553	0.17 288	0.10 442	0.27 595	0.16 380	0.37 603	0.55 628	0.21 502	0.27 499	0.47 637	0.27 585	0.35 619	0.39 645	0.09 464	0.06 407	0.07 290	0.09 490	0.12 559	0.10 521

ACVNet-4b	0.39 636	0.53 657	0.55 635	0.45 654	0.24 641	0.47 643	0.18 470	0.49 646	0.64 649	0.42 633	0.45 618	0.60 649	0.27 585	0.34 613	0.24 572	0.33 656	0.14 615	0.48 660	0.42 662	0.30 652	0.26 649

Anonymous_2	0.22 562	0.17 590	0.28 577	0.15 106	0.16 601	0.32 611	0.22 563	0.22 375	0.17 298	0.23 531	0.24 445	0.26 523	0.27 585	0.27 578	0.23 559	0.22 644	0.25 653	0.17 616	0.17 626	0.17 625	0.17 627

UDG	0.21 553	0.17 590	0.19 517	0.23 585	0.15 590	0.30 609	0.20 533	0.33 566	0.35 550	0.23 531	0.28 513	0.31 572	0.27 585	0.20 517	0.22 547	0.15 605	0.12 591	0.13 581	0.09 490	0.14 592	0.14 600

aanetorigin	0.22 562	0.17 590	0.56 638	0.17 288	0.10 442	0.15 405	0.19 510	0.20 328	0.33 529	0.49 642	0.48 622	0.29 549	0.27 585	0.20 517	0.23 559	0.08 404	0.07 479	0.08 384	0.07 370	0.10 521	0.09 492

DMCA-RVC	0.17 503	0.10 477	0.15 415	0.24 594	0.11 492	0.18 476	0.18 470	0.25 437	0.24 430	0.21 502	0.26 490	0.25 513	0.27 585	0.18 477	0.20 518	0.12 561	0.08 509	0.13 581	0.10 530	0.10 521	0.08 448

RGC	0.25 597	0.20 611	0.29 585	0.28 626	0.16 601	0.22 542	0.23 574	0.32 546	0.44 598	0.27 565	0.40 594	0.38 607	0.27 585	0.36 625	0.22 547	0.11 536	0.13 606	0.17 616	0.17 626	0.14 592	0.16 618

stereogan	0.22 562	0.11 503	0.21 538	0.20 512	0.12 526	0.31 610	0.19 510	0.35 590	0.44 598	0.22 518	0.39 588	0.35 596	0.27 585	0.33 610	0.22 547	0.10 505	0.12 591	0.10 515	0.10 530	0.14 592	0.13 583

FBW_ROB	0.24 585	0.17 590	0.22 544	0.26 610	0.14 570	0.25 575	0.22 563	0.41 625	0.41 580	0.41 630	0.41 605	0.42 622	0.27 585	0.31 600	0.23 559	0.09 464	0.14 615	0.14 594	0.12 584	0.11 544	0.09 492

NCC-stereo	0.24 585	0.15 571	0.31 590	0.26 610	0.16 601	0.20 516	0.30 641	0.40 619	0.40 577	0.24 540	0.38 580	0.33 585	0.28 596	0.36 625	0.27 601	0.12 561	0.11 575	0.15 606	0.22 637	0.13 578	0.13 583

Nwc_Net	0.23 578	0.16 579	0.21 538	0.25 605	0.14 570	0.24 564	0.26 611	0.37 603	0.38 568	0.22 518	0.41 605	0.30 559	0.28 596	0.28 590	0.25 582	0.11 536	0.10 563	0.17 616	0.20 632	0.10 521	0.10 521

Abc-Net	0.24 585	0.15 571	0.31 590	0.26 610	0.16 601	0.20 516	0.30 641	0.40 619	0.40 577	0.24 540	0.38 580	0.33 585	0.28 596	0.36 625	0.27 601	0.12 561	0.11 575	0.15 606	0.22 637	0.13 578	0.13 583
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 606	0.15 571	0.30 588	0.24 594	0.18 623	0.22 542	0.15 311	0.38 611	0.71 657	0.32 606	0.41 605	0.36 598	0.28 596	0.32 607	0.29 613	0.12 561	0.11 575	0.14 594	0.13 595	0.16 617	0.20 636

DeepPrunerF	0.24 585	0.17 590	0.42 620	0.26 610	0.16 601	0.22 542	0.28 624	0.37 603	0.50 617	0.26 559	0.29 525	0.24 499	0.28 596	0.21 534	0.22 547	0.15 605	0.11 575	0.20 629	0.18 630	0.12 559	0.13 583

ADCPNet	0.25 597	0.16 579	0.61 645	0.21 544	0.15 590	0.35 629	0.25 602	0.32 546	0.35 550	0.30 594	0.40 594	0.36 598	0.28 596	0.28 590	0.32 628	0.12 561	0.10 563	0.11 546	0.12 584	0.14 592	0.13 583

GANet	0.21 553	0.12 521	0.21 538	0.24 594	0.13 549	0.22 542	0.22 563	0.41 625	0.26 465	0.31 600	0.42 611	0.37 603	0.28 596	0.23 558	0.22 547	0.10 505	0.12 591	0.10 515	0.09 490	0.10 521	0.08 448

NCCL2	0.23 578	0.15 571	0.17 481	0.34 642	0.18 623	0.24 564	0.23 574	0.34 575	0.28 490	0.31 600	0.38 580	0.38 607	0.28 596	0.23 558	0.24 572	0.15 605	0.12 591	0.18 625	0.21 634	0.13 578	0.13 583

APVNet	0.22 562	0.12 521	0.19 517	0.18 378	0.14 570	0.32 611	0.31 647	0.39 615	0.32 522	0.27 565	0.40 594	0.30 559	0.29 604	0.26 575	0.25 582	0.11 536	0.12 591	0.11 546	0.14 599	0.12 559	0.12 561

G-Net	0.24 585	0.16 579	0.36 606	0.22 561	0.16 601	0.51 647	0.23 574	0.29 510	0.34 541	0.36 616	0.38 580	0.31 572	0.29 604	0.27 578	0.26 593	0.11 536	0.09 542	0.12 566	0.09 490	0.16 617	0.13 583

DPSNet	0.28 613	0.16 579	0.31 590	0.18 378	0.13 549	0.54 649	0.42 660	0.51 652	0.67 654	0.29 589	0.38 580	0.38 607	0.29 604	0.31 600	0.23 559	0.11 536	0.10 563	0.11 546	0.08 443	0.20 632	0.16 618

PDISCO_ROB	0.27 608	0.16 579	0.26 565	0.28 626	0.20 630	0.32 611	0.26 611	0.44 636	0.57 633	0.28 580	0.40 594	0.45 629	0.29 604	0.33 610	0.34 635	0.12 561	0.09 542	0.17 616	0.16 619	0.17 625	0.13 583

ccnet	0.29 617	0.28 639	0.23 553	0.20 512	0.28 648	0.41 639	0.21 553	0.45 639	0.33 529	0.36 616	0.46 619	0.36 598	0.30 608	0.39 636	0.42 652	0.23 648	0.14 615	0.21 630	0.17 626	0.23 637	0.18 630

S-Stereo	0.20 541	0.12 521	0.25 562	0.21 544	0.13 549	0.20 516	0.18 470	0.32 546	0.43 593	0.23 531	0.36 567	0.28 541	0.30 608	0.19 492	0.22 547	0.09 464	0.12 591	0.10 515	0.10 530	0.13 578	0.13 583

XQC	0.28 613	0.23 623	0.51 630	0.28 626	0.19 627	0.34 621	0.27 618	0.36 597	0.57 633	0.31 600	0.30 532	0.37 603	0.30 608	0.38 632	0.38 643	0.13 587	0.09 542	0.15 606	0.12 584	0.17 625	0.18 630

ADCL	0.24 585	0.11 503	0.47 627	0.22 561	0.12 526	0.34 621	0.29 634	0.29 510	0.56 631	0.24 540	0.46 619	0.30 559	0.30 608	0.29 596	0.29 613	0.08 404	0.07 479	0.09 467	0.09 490	0.10 521	0.10 521

zh-sn7	0.25 597	0.17 590	0.50 629	0.24 594	0.13 549	0.25 575	0.24 587	0.34 575	0.48 607	0.28 580	0.54 632	0.28 541	0.31 612	0.36 625	0.32 628	0.10 505	0.10 563	0.11 546	0.10 530	0.12 559	0.12 561

MFN_U_SF_DS_RVC	0.30 623	0.24 626	0.29 585	0.36 646	0.16 601	0.34 621	0.30 641	0.32 546	0.42 588	0.40 626	0.46 619	0.38 607	0.31 612	0.34 613	0.28 609	0.19 633	0.20 638	0.26 638	0.29 651	0.18 628	0.19 635

CC-Net-ROB	0.28 613	0.31 644	0.36 606	0.29 635	0.15 590	0.25 575	0.19 510	0.45 639	0.33 529	0.39 623	0.37 574	0.39 615	0.31 612	0.27 578	0.26 593	0.24 650	0.19 635	0.30 652	0.23 641	0.18 628	0.15 607

DANet	0.21 553	0.15 571	0.28 577	0.25 605	0.13 549	0.22 542	0.19 510	0.27 477	0.27 475	0.28 580	0.32 544	0.35 596	0.31 612	0.31 600	0.23 559	0.11 536	0.09 542	0.11 546	0.10 530	0.13 578	0.11 548
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
light-stereo	0.42 643	0.26 632	0.59 643	0.60 662	0.49 662	0.32 611	0.23 574	0.46 641	0.52 626	0.56 650	0.58 644	0.76 661	0.32 616	0.48 648	0.29 613	0.32 654	0.24 651	0.27 641	0.33 656	0.46 660	0.39 661

FAT-Stereo	0.20 541	0.12 521	0.22 544	0.21 544	0.12 526	0.17 457	0.18 470	0.34 575	0.39 571	0.27 565	0.37 574	0.34 592	0.32 616	0.21 534	0.20 518	0.09 464	0.11 575	0.10 515	0.09 490	0.11 544	0.14 600

DStereoSA	0.25 597	0.19 605	0.37 610	0.26 610	0.17 616	0.22 542	0.20 533	0.49 646	0.59 637	0.22 518	0.29 525	0.29 549	0.33 618	0.39 636	0.28 609	0.12 561	0.11 575	0.16 613	0.14 599	0.14 592	0.12 561

otaku	0.39 636	0.37 650	0.52 631	0.44 653	0.28 648	0.58 651	0.24 587	0.41 625	0.62 644	0.40 626	0.49 623	0.46 633	0.33 618	0.40 641	0.32 628	0.30 653	0.30 657	0.39 657	0.33 656	0.29 651	0.28 650

AnyNet_C32	0.26 606	0.16 579	0.36 606	0.20 512	0.16 601	0.25 575	0.30 641	0.32 546	0.44 598	0.31 600	0.49 623	0.30 559	0.33 618	0.40 641	0.33 633	0.12 561	0.12 591	0.12 566	0.14 599	0.14 592	0.15 607

GANetREF_RVC	0.31 625	0.34 647	0.27 572	0.35 644	0.16 601	0.32 611	0.41 657	0.48 644	0.51 624	0.35 613	0.35 564	0.34 592	0.33 618	0.39 636	0.32 628	0.27 652	0.20 638	0.29 650	0.15 615	0.18 628	0.17 627
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
CSAN	0.29 617	0.24 626	0.27 572	0.34 642	0.19 627	0.33 618	0.42 660	0.37 603	0.50 617	0.38 621	0.40 594	0.44 627	0.33 618	0.28 590	0.30 620	0.20 635	0.16 625	0.19 627	0.19 631	0.14 592	0.15 607

DStereoFS	0.27 608	0.22 621	0.31 590	0.22 561	0.15 590	0.22 542	0.20 533	0.50 650	0.48 607	0.28 580	0.44 616	0.33 585	0.34 623	0.52 654	0.29 613	0.12 561	0.11 575	0.15 606	0.13 595	0.16 617	0.16 618

PASM	0.32 627	0.24 626	0.48 628	0.28 626	0.27 647	0.29 606	0.30 641	0.34 575	0.49 614	0.35 613	0.39 588	0.46 633	0.34 623	0.34 613	0.35 636	0.23 648	0.25 653	0.26 638	0.28 650	0.23 637	0.21 638

WCMA_ROB	0.24 585	0.11 503	0.22 544	0.17 288	0.14 570	0.32 611	0.15 311	0.32 546	0.32 522	0.38 621	0.53 630	0.40 619	0.34 623	0.34 613	0.25 582	0.11 536	0.12 591	0.12 566	0.10 530	0.14 592	0.14 600

edge stereo	0.22 562	0.13 549	0.20 529	0.21 544	0.13 549	0.23 559	0.16 380	0.32 546	0.42 588	0.32 606	0.40 594	0.38 607	0.35 626	0.25 573	0.24 572	0.13 587	0.11 575	0.14 594	0.11 564	0.12 559	0.13 583

SGM_RVC	0.23 578	0.12 521	0.15 415	0.15 106	0.09 330	0.33 618	0.18 470	0.34 575	0.31 515	0.44 637	0.37 574	0.53 645	0.35 626	0.35 619	0.24 572	0.13 587	0.13 606	0.13 581	0.13 595	0.10 521	0.11 548
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ADCS	0.29 617	0.18 601	0.45 622	0.21 544	0.17 616	0.28 602	0.23 574	0.41 625	0.63 648	0.40 626	0.49 623	0.40 619	0.36 628	0.39 636	0.40 648	0.13 587	0.12 591	0.13 581	0.14 599	0.16 617	0.16 618

LSM	0.33 630	0.20 611	0.58 641	0.26 610	0.60 672	0.34 621	0.25 602	0.42 630	0.48 607	0.45 638	0.58 644	0.42 622	0.36 628	0.35 619	0.25 582	0.12 561	0.20 638	0.14 594	0.16 619	0.19 631	0.33 656

psmorigin	0.25 597	0.15 571	0.34 605	0.17 288	0.13 549	0.23 559	0.14 228	0.34 575	0.33 529	0.41 630	0.55 634	0.41 621	0.37 630	0.34 613	0.27 601	0.11 536	0.15 621	0.11 546	0.11 564	0.12 559	0.16 618

AANet	0.30 623	0.19 605	1.03 674	0.16 201	0.13 549	0.22 542	0.16 380	0.30 524	0.62 644	0.60 651	0.52 629	0.46 633	0.38 631	0.23 558	0.32 628	0.12 561	0.09 542	0.11 546	0.10 530	0.13 578	0.12 561

Wz-Net-TNSev	0.29 617	0.20 611	0.65 648	0.19 446	0.15 590	0.38 634	0.27 618	0.35 590	0.55 628	0.34 612	0.42 611	0.45 629	0.38 631	0.32 607	0.30 620	0.12 561	0.13 606	0.10 515	0.12 584	0.15 608	0.14 600

AnyNet_C01	0.36 634	0.25 631	1.37 679	0.22 561	0.17 616	0.48 645	0.27 618	0.35 590	0.39 571	0.39 623	0.74 658	0.46 633	0.38 631	0.45 646	0.47 657	0.13 587	0.13 606	0.13 581	0.14 599	0.14 592	0.15 607

EDNetEfficient	0.29 617	0.24 626	1.13 676	0.18 378	0.10 442	0.19 500	0.20 533	0.20 328	0.60 641	0.74 664	0.56 639	0.31 572	0.39 634	0.22 547	0.30 620	0.09 464	0.07 479	0.08 384	0.07 370	0.11 544	0.09 492

MFN_U_SF_RVC	0.32 627	0.21 617	0.55 635	0.30 637	0.15 590	0.34 621	0.17 421	0.52 653	0.46 605	0.46 641	0.55 634	0.59 648	0.39 634	0.35 619	0.37 641	0.15 605	0.14 615	0.18 625	0.21 634	0.16 617	0.15 607

SAMSARA	0.40 639	0.28 639	0.33 597	0.55 660	0.39 655	0.82 671	1.23 688	0.47 643	0.51 624	0.36 616	0.35 564	0.55 647	0.39 634	0.38 632	0.39 645	0.15 605	0.20 638	0.15 606	0.14 599	0.23 637	0.20 636

FC-DCNN v2	0.33 630	0.27 635	0.28 577	0.26 610	0.23 639	0.37 631	0.28 624	0.40 619	0.43 593	0.45 638	0.56 639	0.51 641	0.40 637	0.37 630	0.29 613	0.21 639	0.20 638	0.27 641	0.26 644	0.25 644	0.24 642

ADCMid	0.25 597	0.15 571	0.40 615	0.20 512	0.14 570	0.25 575	0.26 611	0.34 575	0.38 568	0.36 616	0.44 616	0.34 592	0.40 637	0.35 619	0.33 633	0.10 505	0.09 542	0.11 546	0.11 564	0.13 578	0.12 561

FC-DCNN	0.33 630	0.27 635	0.28 577	0.26 610	0.23 639	0.37 631	0.28 624	0.40 619	0.43 593	0.45 638	0.55 634	0.51 641	0.40 637	0.37 630	0.30 620	0.21 639	0.20 638	0.27 641	0.26 644	0.25 644	0.24 642

MSMD_ROB	0.31 625	0.26 632	0.26 565	0.24 594	0.21 634	0.34 621	0.25 602	0.34 575	0.39 571	0.40 626	0.69 652	0.45 629	0.40 637	0.34 613	0.27 601	0.20 635	0.19 635	0.26 638	0.25 643	0.23 637	0.22 640

MeshStereo	0.27 608	0.13 549	0.18 505	0.15 106	0.11 492	0.32 611	0.24 587	0.40 619	0.36 554	0.52 644	0.57 642	0.67 656	0.40 637	0.35 619	0.26 593	0.14 601	0.13 606	0.13 581	0.11 564	0.11 544	0.10 521
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
FCDSN-DC	0.33 630	0.28 639	0.28 577	0.30 637	0.24 641	0.39 636	0.28 624	0.42 630	0.42 588	0.43 636	0.53 630	0.51 641	0.41 642	0.36 625	0.30 620	0.21 639	0.20 638	0.27 641	0.26 644	0.25 644	0.24 642
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RTS	0.45 647	0.19 605	3.26 685	0.24 594	0.15 590	0.74 664	0.20 533	0.36 597	0.76 664	0.42 633	0.43 614	0.31 572	0.41 642	0.53 657	0.35 636	0.10 505	0.08 509	0.13 581	0.12 584	0.15 608	0.15 607

RTSA	0.45 647	0.19 605	3.26 685	0.24 594	0.15 590	0.74 664	0.20 533	0.36 597	0.76 664	0.42 633	0.43 614	0.31 572	0.41 642	0.53 657	0.35 636	0.10 505	0.08 509	0.13 581	0.12 584	0.15 608	0.15 607

Ntro	0.40 639	0.40 652	0.53 632	0.46 657	0.30 652	0.65 657	0.24 587	0.46 641	0.68 655	0.41 630	0.49 623	0.48 639	0.42 645	0.39 636	0.31 627	0.32 654	0.28 655	0.37 656	0.30 653	0.32 656	0.29 651

SGM-ForestM	0.32 627	0.12 521	0.16 451	0.16 201	0.11 492	0.39 636	0.19 510	0.41 625	0.50 617	0.52 644	0.54 632	1.32 677	0.42 645	0.40 641	0.27 601	0.14 601	0.16 625	0.16 613	0.16 619	0.12 559	0.12 561

LE_ROB	0.50 652	0.07 217	0.14 367	0.15 106	0.08 204	0.24 564	0.16 380	0.22 375	1.81 687	4.63 692	0.67 650	0.47 637	0.44 647	0.20 517	0.29 613	0.07 328	0.06 407	0.06 180	0.06 272	0.08 425	0.06 295

coex-ft	3.30 684	0.34 647	59.09 715	0.18 378	0.13 549	0.26 585	0.22 563	0.27 477	0.72 658	1.90 688	0.70 654	0.44 627	0.45 648	0.29 596	0.41 651	0.09 464	0.09 542	0.12 566	0.09 490	0.14 592	0.13 583

RainbowNet	0.54 655	0.61 661	0.70 663	0.57 661	0.43 659	0.65 657	0.37 655	0.60 662	0.87 668	0.50 643	0.66 649	0.64 652	0.47 649	0.49 649	0.43 655	0.47 666	0.48 671	0.52 664	0.41 661	0.52 663	0.40 664

Consistency-Raft	0.44 645	0.40 652	0.45 622	0.37 648	0.43 659	0.46 641	0.41 657	0.57 660	0.55 628	0.32 606	0.73 656	0.33 585	0.48 650	0.42 645	0.49 659	0.39 659	0.35 662	0.45 659	0.51 669	0.42 659	0.29 651

ACVNet_1	0.44 645	0.49 656	0.60 644	0.45 654	0.28 648	0.49 646	0.27 618	0.57 660	0.72 658	0.62 653	0.58 644	0.74 660	0.49 651	0.50 650	0.35 636	0.26 651	0.24 651	0.39 657	0.29 651	0.31 655	0.24 642

EDNetEfficientorigin	7.91 691	0.31 644	153.02 716	0.19 446	0.09 330	0.21 533	0.16 380	0.22 375	0.59 637	0.72 660	0.67 650	0.42 622	0.50 652	0.24 568	0.39 645	0.08 404	0.07 479	0.08 384	0.07 370	0.12 559	0.10 521

TCMNet-wrong-test	3.67 685	5.48 699	3.89 689	12.18 700	11.75 702	4.65 688	3.88 692	1.06 682	0.72 658	1.09 680	2.15 689	6.30 694	0.53 653	3.43 690	2.36 690	0.89 685	0.20 638	1.87 692	1.69 691	5.57 696	3.62 696

MSC_U_SF_DS_RVC	0.43 644	0.39 651	0.54 633	0.40 649	0.20 630	0.64 656	0.32 649	0.53 655	0.72 658	0.71 658	0.72 655	0.61 650	0.54 654	0.51 652	0.46 656	0.20 635	0.19 635	0.29 650	0.30 653	0.23 637	0.18 630

ELAS_RVC	0.41 641	0.29 642	0.33 597	0.28 626	0.24 641	0.54 649	0.36 652	0.49 646	0.59 637	0.72 660	0.74 658	0.65 654	0.54 654	0.54 659	0.40 648	0.22 644	0.20 638	0.27 641	0.26 644	0.26 649	0.25 647
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 641	0.29 642	0.33 597	0.27 623	0.24 641	0.60 654	0.36 652	0.50 650	0.50 617	0.71 658	0.79 662	0.67 656	0.54 654	0.51 652	0.42 652	0.22 644	0.20 638	0.27 641	0.26 644	0.26 649	0.25 647
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
anonymity	0.53 654	0.58 659	0.65 648	0.41 651	0.61 673	0.53 648	0.41 657	0.56 658	0.41 580	0.55 648	0.50 627	0.49 640	0.55 657	0.58 662	0.50 662	0.58 672	0.50 675	0.51 662	0.51 669	0.51 662	0.57 670

SGM+DAISY	0.56 656	0.57 658	0.65 648	0.40 649	0.54 665	0.66 659	0.49 665	0.56 658	0.45 604	0.66 654	0.69 652	0.67 656	0.56 658	0.63 664	0.56 664	0.59 673	0.48 671	0.50 661	0.50 668	0.52 663	0.58 671

MonStereo1	0.47 651	0.26 632	0.58 641	0.28 626	0.20 630	0.39 636	0.18 470	0.49 646	0.64 649	0.52 644	0.87 665	1.01 666	0.57 659	0.50 650	0.56 664	0.53 669	0.31 660	0.54 666	0.40 660	0.33 657	0.34 657

SPS-STEREO	0.57 657	0.58 659	0.65 648	0.45 654	0.55 667	0.62 655	0.44 664	0.62 663	0.50 617	0.68 656	0.64 647	0.66 655	0.57 659	0.61 663	0.60 667	0.62 675	0.47 670	0.51 662	0.49 666	0.55 667	0.58 671
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PVD	0.39 636	0.20 611	0.39 614	0.31 641	0.22 636	0.29 606	0.43 662	0.52 653	0.96 671	0.55 648	0.79 662	0.53 645	0.59 661	0.52 654	0.38 643	0.19 633	0.14 615	0.17 616	0.14 599	0.24 643	0.31 654

MANE	0.45 647	0.27 635	0.27 572	0.27 623	0.24 641	0.47 643	0.31 647	0.55 657	0.59 637	0.72 660	1.13 679	1.15 671	0.61 662	0.52 654	0.37 641	0.21 639	0.20 638	0.27 641	0.31 655	0.25 644	0.24 642

PWCK	0.71 662	0.94 676	0.95 672	0.76 667	0.31 653	0.74 664	0.36 652	0.90 670	0.90 669	0.96 673	0.75 660	0.95 665	0.61 662	0.87 676	0.66 670	0.72 678	0.46 666	0.75 672	0.49 666	0.69 676	0.44 666

BEATNet-Init1	0.52 653	0.27 635	0.62 646	0.30 637	0.21 634	0.76 668	0.29 634	0.54 656	0.65 652	0.86 669	0.95 670	2.07 686	0.62 664	0.56 661	0.42 652	0.18 627	0.18 632	0.23 635	0.22 637	0.22 636	0.21 638

NVStereoNet_ROB	0.46 650	0.36 649	0.46 626	0.41 651	0.28 648	0.34 621	0.34 650	0.48 644	0.60 641	0.72 660	0.93 668	0.70 659	0.66 665	0.47 647	0.60 667	0.22 644	0.33 661	0.34 655	0.34 659	0.30 652	0.30 653
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFMNet_re	0.64 658	0.66 665	0.65 648	0.51 658	0.69 677	0.69 660	0.57 671	0.64 664	0.73 662	0.60 651	0.73 656	0.62 651	0.67 666	0.65 665	0.60 667	0.66 677	0.58 684	0.63 667	0.59 672	0.68 674	0.69 680

MADNet+	0.75 665	0.71 667	3.70 688	0.66 664	0.41 657	0.98 676	0.97 686	0.69 665	0.73 662	0.52 644	0.57 642	0.64 652	0.68 667	0.86 675	1.01 683	0.34 657	0.36 663	0.28 649	0.23 641	0.36 658	0.31 654

ACVNet_2	0.66 661	0.66 665	0.68 657	0.63 663	0.41 657	0.71 662	0.49 665	0.96 675	1.39 680	0.89 670	1.09 675	1.04 667	0.73 668	0.54 659	0.47 657	0.43 663	0.40 664	0.53 665	0.44 663	0.47 661	0.35 659

TorneroNet-64	0.76 666	0.72 668	0.74 664	0.78 669	0.58 671	0.91 675	0.56 670	0.84 669	1.29 677	0.66 654	0.90 666	1.40 679	0.75 669	0.85 674	0.67 673	0.49 667	0.46 666	0.72 671	0.59 672	0.67 673	0.53 669

IMH-64-1	0.65 659	0.61 661	0.68 657	0.71 665	0.51 663	0.59 652	0.49 665	0.91 671	0.85 666	0.74 664	1.02 672	0.81 662	0.78 670	0.79 668	0.49 659	0.42 661	0.46 666	0.71 669	0.47 664	0.52 663	0.39 661

IMH-64	0.65 659	0.61 661	0.68 657	0.71 665	0.51 663	0.59 652	0.49 665	0.91 671	0.85 666	0.74 664	1.02 672	0.81 662	0.78 670	0.79 668	0.49 659	0.42 661	0.46 666	0.71 669	0.47 664	0.52 663	0.39 661

JetBlue	0.71 662	0.45 655	1.14 677	0.51 658	0.47 661	2.02 686	0.64 675	0.75 666	0.70 656	0.69 657	0.77 661	1.22 673	0.83 672	1.03 683	1.01 683	0.40 660	0.28 655	0.33 654	0.33 656	0.30 652	0.34 657

LVE	0.83 670	0.85 674	0.85 670	0.80 670	0.56 668	1.04 681	0.65 676	1.05 680	1.47 683	0.96 673	1.22 683	1.10 670	0.85 673	0.83 671	0.71 675	0.49 667	0.55 681	0.76 675	0.60 674	0.65 671	0.59 676

TorneroNet	0.82 669	0.74 669	0.81 669	0.84 672	0.63 674	0.99 677	0.63 673	0.96 675	1.16 674	0.80 667	1.11 677	1.36 678	0.86 674	0.93 679	0.80 678	0.56 670	0.49 673	0.78 677	0.66 677	0.73 679	0.63 679

IMH	0.71 662	0.64 664	0.68 657	0.76 667	0.54 665	0.69 660	0.54 669	0.98 677	1.10 673	0.82 668	1.09 675	0.89 664	0.88 675	0.87 676	0.52 663	0.44 664	0.50 675	0.75 672	0.51 669	0.56 668	0.41 665

WAO-7	0.79 667	0.78 670	0.54 633	0.85 673	0.67 676	0.74 664	0.68 679	1.05 680	1.32 678	0.90 671	1.20 682	1.04 667	0.92 676	0.69 666	0.66 670	0.60 674	0.62 685	0.67 668	0.68 678	0.64 670	0.58 671

JetRed	1.62 681	1.46 684	2.98 683	0.92 676	1.21 686	4.99 689	1.53 691	1.27 688	1.39 680	1.83 687	1.74 688	1.60 685	0.95 677	1.41 686	2.45 691	0.90 686	1.60 690	0.93 681	0.90 686	1.35 687	0.99 687

KSHMR	1.09 678	1.17 680	0.88 671	1.25 685	1.00 685	0.99 677	0.96 685	1.13 685	1.37 679	1.16 682	1.29 684	1.41 680	0.96 678	1.01 682	0.92 680	1.03 687	1.08 689	1.20 686	1.03 688	1.01 684	0.97 686

Dean	0.87 671	0.86 675	0.79 667	0.81 671	0.56 668	0.90 672	0.63 673	1.15 686	1.73 686	1.15 681	1.15 680	1.31 676	0.99 679	0.81 670	0.81 679	0.57 671	0.56 682	0.77 676	0.64 675	0.66 672	0.58 671

WAO-6	0.81 668	0.80 671	0.62 646	0.86 674	0.63 674	0.76 668	0.58 672	0.98 677	1.54 685	0.90 671	0.96 671	1.07 669	1.03 680	0.70 667	0.66 670	0.72 678	0.49 673	0.90 680	0.71 679	0.68 674	0.58 671

WAO-8	0.91 672	0.81 672	0.65 648	0.94 677	0.69 677	0.90 672	0.67 677	1.07 683	1.83 688	1.06 678	1.45 685	1.30 674	1.07 681	0.84 672	0.78 676	0.74 680	0.53 678	0.86 678	0.75 680	0.69 676	0.62 677

ktn	1.01 677	1.21 681	0.80 668	1.23 684	0.86 683	1.01 679	0.87 683	0.94 674	1.39 680	1.04 676	1.12 678	1.15 671	1.07 681	0.94 680	0.59 666	1.28 689	0.71 687	1.38 689	0.83 683	1.02 685	0.75 683

Venus	0.91 672	0.81 672	0.65 648	0.94 677	0.69 677	0.90 672	0.67 677	1.07 683	1.83 688	1.06 678	1.45 685	1.30 674	1.07 681	0.84 672	0.78 676	0.74 680	0.53 678	0.86 678	0.75 680	0.69 676	0.62 677

DPSimNet_ROB	1.11 679	1.23 682	0.78 665	1.13 682	0.88 684	1.10 682	1.13 687	1.16 687	1.23 676	1.43 685	1.02 672	1.41 680	1.10 684	0.90 678	1.60 685	1.46 690	0.51 677	1.21 687	1.03 688	0.90 682	1.01 688

notaker	0.97 675	1.11 679	0.98 673	1.13 682	0.81 681	0.73 663	0.68 679	0.93 673	1.16 674	1.18 683	1.18 681	1.41 680	1.16 685	1.08 685	0.69 674	0.81 683	0.64 686	1.17 685	0.79 682	0.98 683	0.80 684

UNDER WATER-64	0.95 674	0.94 676	1.43 681	0.87 675	0.56 668	1.18 684	0.87 683	0.77 667	0.94 670	1.04 676	0.85 664	1.58 684	1.21 686	0.94 680	0.96 681	0.87 684	0.57 683	1.03 684	0.88 685	0.78 680	0.73 681

UNDER WATER	0.97 675	0.97 678	1.42 680	0.99 679	0.70 680	1.12 683	0.84 682	0.80 668	1.08 672	1.01 675	0.90 666	1.55 683	1.22 687	1.03 683	1.00 682	0.78 682	0.53 678	1.02 683	0.87 684	0.80 681	0.74 682

HanzoNet	1.29 680	1.26 683	1.19 678	1.12 681	0.85 682	1.02 680	0.83 681	1.03 679	1.48 684	1.64 686	1.61 687	2.50 688	1.72 688	1.61 687	1.61 686	1.26 688	0.80 688	1.31 688	1.01 687	1.02 685	0.86 685

Selective-IGEV-i1pa	2.80 683	3.51 691	0.67 656	0.28 626	0.14 570	10.22 693	0.43 662	4.36 690	3.63 691	3.53 690	6.92 692	3.47 689	1.97 689	13.41 704	2.26 688	0.36 658	0.15 621	0.13 581	0.10 530	0.15 608	0.35 659

MADNet++	1.95 682	1.75 685	1.59 682	1.82 686	1.69 688	2.33 687	1.40 690	2.35 689	2.09 690	2.57 689	2.36 690	2.24 687	2.17 690	2.28 688	2.34 689	1.87 691	1.66 691	1.54 690	1.34 690	1.92 688	1.77 690

Selective-IGEV-i16pa	18.58 704	3.30 689	1.09 675	0.21 544	0.18 623	103.68 717	0.28 624	19.87 709	40.73 717	4.16 691	56.45 717	8.07 696	2.59 691	123.95 718	5.89 694	0.18 627	0.12 591	0.09 467	0.12 584	0.12 559	0.51 668

tt	4.67 686	0.06 99	3.55 687	2.02 687	1.55 687	10.25 694	16.71 696	8.91 699	5.03 692	1.31 684	0.94 669	4.71 690	4.76 692	3.33 689	5.87 693	6.06 699	10.30 705	1.88 693	2.11 693	2.75 690	1.21 689

LRCNet_RVC	10.62 699	13.42 706	7.30 691	18.92 704	2.07 689	0.33 618	0.30 641	5.59 694	0.48 607	13.03 704	17.94 704	8.87 697	5.65 693	4.79 691	1.89 687	23.51 713	2.73 696	27.55 716	25.71 716	16.07 710	16.33 711

PML	8.91 694	9.34 705	6.13 690	5.35 691	6.41 693	14.99 697	23.38 703	5.27 691	6.83 693	18.04 708	28.19 716	7.67 695	6.83 694	7.85 695	5.75 692	5.35 698	1.83 692	5.95 704	1.93 692	8.64 701	2.52 692

USTest	6.22 687	2.73 688	3.00 684	6.57 694	7.29 694	14.37 696	21.57 697	7.00 698	9.56 697	5.34 695	6.10 691	5.72 693	7.64 695	6.41 694	6.96 695	1.97 692	3.42 697	1.64 691	2.15 694	2.66 689	2.36 691

xxxxx1	7.79 688	5.02 696	7.31 692	3.12 688	3.85 690	16.35 698	22.88 698	5.86 695	8.69 694	7.97 696	8.54 693	9.12 698	8.27 696	10.18 696	10.92 696	2.42 693	2.45 693	3.56 696	12.37 702	3.77 691	3.06 693

tt_ll	7.79 688	5.02 696	7.31 692	3.12 688	3.85 690	16.35 698	22.88 698	5.86 695	8.69 694	7.97 696	8.54 693	9.12 698	8.27 696	10.18 696	10.92 696	2.42 693	2.45 693	3.56 696	12.37 702	3.77 691	3.06 693

ff	7.79 688	5.02 696	7.31 692	3.12 688	3.85 690	16.35 698	22.88 698	5.86 695	8.69 694	7.97 696	8.54 693	9.12 698	8.27 696	10.18 696	10.92 696	2.42 693	2.45 693	3.56 696	12.37 702	3.77 691	3.06 693

DPSMNet_ROB	8.06 692	4.48 692	8.63 700	5.37 693	10.74 697	8.32 691	22.98 702	5.46 692	13.36 702	5.12 693	9.92 698	5.08 691	10.40 699	5.53 693	12.58 699	3.80 697	8.00 698	3.50 694	7.02 699	3.83 694	7.14 700

DGTPSM_ROB	8.06 692	4.48 692	8.63 700	5.35 691	10.72 696	8.32 691	22.97 701	5.46 692	13.35 701	5.12 693	9.92 698	5.08 691	10.40 699	5.52 692	12.58 699	3.79 696	8.00 698	3.50 694	7.02 699	3.83 694	7.14 700

iinet-test	10.48 697	8.09 701	7.54 696	10.26 695	10.94 698	18.00 702	25.26 704	11.33 703	13.28 699	9.69 700	9.85 696	9.42 701	11.17 701	11.02 700	12.78 702	6.59 701	8.30 700	5.56 699	6.56 695	6.89 697	7.02 698

IINet	10.48 697	8.09 701	7.54 696	10.26 695	10.94 698	18.00 702	25.26 704	11.33 703	13.28 699	9.69 700	9.85 696	9.42 701	11.17 701	11.02 700	12.78 702	6.59 701	8.30 700	5.56 699	6.56 695	6.89 697	7.02 698

Anonymous_1	10.96 700	7.92 700	7.46 695	10.33 697	10.06 695	18.65 704	26.34 706	11.06 702	13.44 703	9.40 699	10.05 700	9.67 703	11.23 703	10.73 699	12.72 701	6.42 700	8.38 702	5.77 701	10.61 701	12.12 702	6.77 697

DPSM_ROB	11.15 701	8.58 703	8.00 698	10.88 698	11.58 700	19.10 705	26.71 707	12.05 705	14.07 706	10.36 702	10.84 701	10.33 704	11.86 704	11.70 702	13.54 704	6.99 703	8.79 703	5.89 702	6.95 697	7.29 699	7.42 702

DPSM	11.15 701	8.58 703	8.00 698	10.88 698	11.58 700	19.10 705	26.71 707	12.05 705	14.07 706	10.36 702	10.84 701	10.33 704	11.86 704	11.70 702	13.54 704	6.99 703	8.79 703	5.89 702	6.95 697	7.29 699	7.42 702

HaxPig	15.71 703	18.52 714	19.18 709	16.89 703	15.89 705	7.73 690	7.60 693	13.31 707	10.82 698	15.42 705	14.91 703	15.98 706	14.92 706	15.58 705	15.98 706	18.95 712	16.73 706	19.46 712	18.08 712	19.26 711	19.05 714

MEDIAN_ROB	20.38 707	24.04 715	23.31 712	21.23 705	21.71 708	10.40 695	7.92 694	17.64 708	15.50 708	20.12 709	19.70 705	20.34 707	20.32 707	21.19 706	21.13 709	23.81 714	21.81 714	24.98 715	23.76 715	24.71 714	23.93 715

RSGM-EC	20.36 705	4.73 694	0.68 657	16.76 701	16.92 706	21.28 707	27.18 709	10.46 700	14.04 704	18.00 706	21.31 707	22.24 715	21.82 708	22.57 707	17.63 707	62.81 716	33.79 716	20.14 713	18.10 713	20.18 712	16.45 712

acva	20.36 705	4.73 694	0.68 657	16.76 701	16.92 706	21.28 707	27.18 709	10.46 700	14.04 704	18.00 706	21.31 707	22.24 715	21.82 708	22.57 707	17.63 707	62.81 716	33.79 716	20.14 713	18.10 713	20.18 712	16.45 712

FlowAnything	22.44 711	17.35 711	16.14 706	22.07 711	23.23 709	38.39 713	53.77 712	24.25 714	28.44 714	20.96 716	21.82 713	20.70 708	23.84 710	23.49 713	27.14 711	14.04 705	17.79 713	11.75 705	14.15 711	14.65 703	14.89 704

Selective-RAFT-Error	22.47 712	17.37 712	16.09 705	22.06 710	23.34 714	38.39 713	53.83 717	24.29 716	28.47 715	20.74 714	21.83 714	20.81 709	23.90 711	23.54 715	27.53 717	14.08 709	17.69 708	11.82 706	14.00 705	14.69 706	15.00 710

Hybrid-DGEV	22.47 712	17.40 713	16.14 706	22.00 706	23.29 711	38.36 712	53.80 713	24.43 717	28.63 716	20.59 710	21.81 712	20.88 710	23.91 712	23.45 712	27.42 714	14.08 709	17.69 708	11.83 707	14.06 710	14.65 703	14.93 706

CasAABBNet	22.42 708	17.33 708	16.01 704	22.01 707	23.28 710	38.32 709	53.80 713	24.14 713	28.41 713	20.60 711	21.77 711	20.89 713	23.91 712	23.43 711	27.36 712	14.07 706	17.69 708	11.83 707	14.01 706	14.67 705	14.95 707

RAFT-FEzeroshot	22.43 709	17.33 708	15.98 702	22.02 708	23.31 712	38.34 710	53.82 715	24.05 711	28.39 711	20.61 712	21.76 709	20.88 710	23.92 714	23.41 709	27.42 714	14.07 706	17.69 708	11.83 707	14.02 707	14.69 706	14.97 708

RAFT-FE	22.43 709	17.33 708	15.98 702	22.02 708	23.31 712	38.34 710	53.82 715	24.05 711	28.39 711	20.61 712	21.76 709	20.88 710	23.92 714	23.41 709	27.42 714	14.07 706	17.69 708	11.83 707	14.02 707	14.69 706	14.97 708

LSM0	22.87 714	17.28 707	18.96 708	22.19 712	29.04 716	38.42 715	53.71 711	24.28 715	28.31 710	20.78 715	21.00 706	21.43 714	24.16 716	23.50 714	27.39 713	14.09 711	17.38 707	11.84 711	14.04 709	14.73 709	14.89 704

AVERAGE_ROB	24.90 715	29.20 716	28.14 713	24.89 713	24.64 715	17.75 701	11.12 695	21.45 710	19.93 709	25.12 717	24.46 715	25.12 717	25.46 717	24.69 716	22.83 710	29.76 715	27.13 715	28.97 717	27.95 717	29.91 715	29.47 716

test_example2	98.32 716	94.13 717	45.89 714	96.35 714	109.85 717	88.61 716	95.45 718	25.75 718	94.37 718	130.00 719	126.06 718	58.17 718	74.63 718	88.51 717	79.96 718	150.23 718	221.02 718	77.62 718	99.10 718	113.75 718	96.94 717

ccccc		285.66 718		368.85 717	370.60 718	123.16 718		115.05 719		126.68 718		122.83 719		252.94 719		384.56 719	353.86 719	254.69 719	223.00 719	425.87 719

ASD4		3.38 690

Low-res two-view benchmark