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

MLG-Stereo_test2	0.06 1	0.04 1	0.10 137	0.15 85	0.05 1	0.07 34	0.11 54	0.09 13	0.04 2	0.06 14	0.05 7	0.06 24	0.04 1	0.08 19	0.09 62	0.06 127	0.04 24	0.05 34	0.03 1	0.05 119	0.05 145

MLG-Stereo_test1	0.06 1	0.05 27	0.08 40	0.17 242	0.05 1	0.06 11	0.11 54	0.08 6	0.03 1	0.05 2	0.04 1	0.06 24	0.05 12	0.09 40	0.09 62	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

FoundationStereo	0.06 1	0.04 1	0.08 40	0.12 5	0.05 1	0.09 97	0.13 125	0.06 1	0.09 30	0.05 2	0.05 7	0.06 24	0.04 1	0.06 1	0.07 1	0.06 127	0.04 24	0.05 34	0.03 1	0.05 119	0.04 49

BPD-Stereo	0.07 4	0.04 1	0.08 40	0.15 85	0.07 84	0.06 11	0.14 178	0.07 2	0.10 47	0.05 2	0.05 7	0.04 1	0.06 46	0.07 4	0.09 62	0.04 11	0.04 24	0.05 34	0.05 132	0.04 21	0.04 49

Pro-Stereo	0.07 4	0.05 27	0.08 40	0.15 85	0.07 84	0.08 60	0.12 75	0.07 2	0.07 10	0.06 14	0.06 15	0.05 3	0.05 12	0.09 40	0.08 17	0.05 35	0.04 24	0.06 125	0.05 132	0.04 21	0.04 49

MatchStereo	0.07 4	0.04 1	0.08 40	0.14 41	0.06 16	0.05 4	0.12 75	0.12 58	0.09 30	0.07 48	0.06 15	0.04 1	0.04 1	0.08 19	0.09 62	0.06 127	0.05 208	0.05 34	0.03 1	0.04 21	0.04 49

BridgeDepth_RVC	0.07 4	0.04 1	0.09 92	0.11 1	0.05 1	0.10 149	0.10 31	0.14 97	0.09 30	0.06 14	0.07 48	0.06 24	0.07 128	0.07 4	0.10 143	0.06 127	0.04 24	0.04 1	0.04 46	0.04 21	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 4	0.05 27	0.07 8	0.14 41	0.06 16	0.09 97	0.13 125	0.15 129	0.06 4	0.07 48	0.08 90	0.06 24	0.08 168	0.09 40	0.09 62	0.06 127	0.05 208	0.04 1	0.03 1	0.04 21	0.04 49

VIP-Stereo	0.07 4	0.07 167	0.07 8	0.15 85	0.06 16	0.12 235	0.10 31	0.11 37	0.11 76	0.06 14	0.07 48	0.06 24	0.05 12	0.10 82	0.08 17	0.05 35	0.04 24	0.05 34	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 4	0.07 167	0.08 40	0.18 324	0.06 16	0.07 34	0.11 54	0.09 13	0.06 4	0.04 1	0.07 48	0.10 190	0.09 199	0.08 19	0.08 17	0.04 11	0.03 1	0.04 1	0.04 46	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
Zero-FE251	0.07 4	0.05 27	0.09 92	0.13 14	0.06 16	0.12 235	0.12 75	0.11 37	0.10 47	0.07 48	0.08 90	0.06 24	0.06 46	0.09 40	0.08 17	0.06 127	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

MonStereo	0.07 4	0.06 76	0.05 1	0.15 85	0.05 1	0.08 60	0.10 31	0.15 129	0.15 185	0.05 2	0.06 15	0.05 3	0.06 46	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 4	0.05 27	0.07 8	0.16 166	0.06 16	0.07 34	0.11 54	0.10 22	0.08 17	0.06 14	0.06 15	0.07 81	0.07 128	0.09 40	0.09 62	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 76	0.05 1	0.15 85	0.05 1	0.08 60	0.10 31	0.15 129	0.15 185	0.05 2	0.06 15	0.05 3	0.06 46	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 4	0.04 1	0.09 92	0.13 14	0.06 16	0.05 4	0.09 18	0.11 37	0.07 10	0.06 14	0.06 15	0.05 3	0.06 46	0.09 40	0.09 62	0.06 127	0.04 24	0.04 1	0.03 1	0.05 119	0.05 145

Replicate-Monster	0.07 4	0.05 27	0.09 92	0.14 41	0.06 16	0.08 60	0.09 18	0.13 76	0.13 141	0.05 2	0.07 48	0.06 24	0.06 46	0.08 19	0.10 143	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

AdaDepth	0.07 4	0.06 76	0.07 8	0.18 324	0.06 16	0.11 196	0.12 75	0.09 13	0.07 10	0.06 14	0.05 7	0.07 81	0.06 46	0.09 40	0.10 143	0.04 11	0.05 208	0.05 34	0.04 46	0.04 21	0.04 49

asda	0.07 4	0.08 273	0.08 40	0.16 166	0.06 16	0.06 11	0.10 31	0.16 159	0.10 47	0.06 14	0.06 15	0.05 3	0.05 12	0.10 82	0.10 143	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

asd	0.07 4	0.08 273	0.07 8	0.16 166	0.07 84	0.08 60	0.08 7	0.11 37	0.08 17	0.07 48	0.07 48	0.06 24	0.06 46	0.10 82	0.09 62	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

qwe	0.07 4	0.08 273	0.07 8	0.15 85	0.06 16	0.07 34	0.10 31	0.18 227	0.11 76	0.07 48	0.07 48	0.06 24	0.06 46	0.10 82	0.09 62	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

2.25w	0.07 4	0.06 76	0.07 8	0.14 41	0.06 16	0.08 60	0.08 7	0.10 22	0.15 185	0.08 86	0.10 143	0.07 81	0.06 46	0.08 19	0.10 143	0.05 35	0.03 1	0.04 1	0.04 46	0.03 1	0.04 49

4.25_new	0.07 4	0.08 273	0.09 92	0.15 85	0.06 16	0.09 97	0.08 7	0.14 97	0.08 17	0.07 48	0.07 48	0.06 24	0.06 46	0.12 225	0.10 143	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5w_new	0.07 4	0.08 273	0.09 92	0.15 85	0.06 16	0.09 97	0.08 7	0.14 97	0.08 17	0.07 48	0.07 48	0.06 24	0.06 46	0.12 225	0.10 143	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5_new	0.07 4	0.09 348	0.08 40	0.15 85	0.07 84	0.06 11	0.10 31	0.14 97	0.11 76	0.06 14	0.08 90	0.06 24	0.06 46	0.08 19	0.10 143	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

4.5w-stereo	0.07 4	0.09 348	0.08 40	0.15 85	0.07 84	0.06 11	0.10 31	0.14 97	0.11 76	0.06 14	0.08 90	0.06 24	0.06 46	0.08 19	0.10 143	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

4.25w-stereo	0.07 4	0.08 273	0.09 92	0.15 85	0.06 16	0.09 97	0.08 7	0.14 97	0.08 17	0.07 48	0.07 48	0.06 24	0.06 46	0.12 225	0.10 143	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4w-stereo	0.07 4	0.08 273	0.08 40	0.16 166	0.06 16	0.07 34	0.08 7	0.12 58	0.08 17	0.07 48	0.07 48	0.05 3	0.06 46	0.09 40	0.10 143	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

2.5w	0.07 4	0.07 167	0.07 8	0.16 166	0.06 16	0.08 60	0.12 75	0.10 22	0.10 47	0.07 48	0.06 15	0.09 157	0.06 46	0.08 19	0.09 62	0.04 11	0.03 1	0.04 1	0.04 46	0.03 1	0.03 2

2.75w_new	0.07 4	0.07 167	0.07 8	0.13 14	0.06 16	0.08 60	0.08 7	0.18 227	0.12 106	0.07 48	0.08 90	0.06 24	0.06 46	0.09 40	0.11 218	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 49

3.25w_new	0.07 4	0.06 76	0.07 8	0.15 85	0.06 16	0.10 149	0.07 3	0.12 58	0.11 76	0.08 86	0.06 15	0.07 81	0.06 46	0.11 134	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 4	0.06 76	0.07 8	0.15 85	0.06 16	0.10 149	0.07 3	0.12 58	0.11 76	0.08 86	0.06 15	0.07 81	0.06 46	0.11 134	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 4	0.07 167	0.08 40	0.16 166	0.07 84	0.07 34	0.09 18	0.16 159	0.09 30	0.07 48	0.06 15	0.05 3	0.06 46	0.09 40	0.10 143	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 4	0.07 167	0.07 8	0.15 85	0.07 84	0.09 97	0.06 1	0.13 76	0.11 76	0.07 48	0.07 48	0.06 24	0.07 128	0.10 82	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 4	0.06 76	0.07 8	0.16 166	0.06 16	0.07 34	0.10 31	0.14 97	0.14 166	0.07 48	0.08 90	0.05 3	0.06 46	0.09 40	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 49

monsterstereo	0.07 4	0.06 76	0.06 4	0.16 166	0.06 16	0.08 60	0.10 31	0.16 159	0.11 76	0.07 48	0.08 90	0.06 24	0.07 128	0.08 19	0.09 62	0.04 11	0.04 24	0.05 34	0.04 46	0.03 1	0.03 2

monsters	0.07 4	0.06 76	0.06 4	0.15 85	0.06 16	0.08 60	0.09 18	0.12 58	0.08 17	0.09 122	0.07 48	0.06 24	0.06 46	0.08 19	0.08 17	0.05 35	0.04 24	0.04 1	0.04 46	0.03 1	0.03 2

IGEV	0.07 4	0.04 1	0.08 40	0.13 14	0.06 16	0.09 97	0.12 75	0.14 97	0.10 47	0.06 14	0.09 112	0.07 81	0.05 12	0.09 40	0.09 62	0.06 127	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

111111	0.07 4	0.04 1	0.09 92	0.17 242	0.06 16	0.05 4	0.10 31	0.11 37	0.09 30	0.06 14	0.06 15	0.07 81	0.05 12	0.09 40	0.09 62	0.06 127	0.04 24	0.05 34	0.04 46	0.07 296	0.06 237

LG-Stereo_L2	0.07 4	0.05 27	0.10 137	0.14 41	0.06 16	0.07 34	0.12 75	0.09 13	0.09 30	0.06 14	0.04 1	0.05 3	0.05 12	0.08 19	0.08 17	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

LG-Stereo_L1	0.07 4	0.05 27	0.11 181	0.14 41	0.06 16	0.07 34	0.13 125	0.09 13	0.07 10	0.05 2	0.04 1	0.05 3	0.04 1	0.08 19	0.07 1	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo_test3	0.07 4	0.05 27	0.10 137	0.14 41	0.06 16	0.07 34	0.11 54	0.08 6	0.06 4	0.06 14	0.04 1	0.06 24	0.06 46	0.07 4	0.10 143	0.06 127	0.04 24	0.05 34	0.04 46	0.05 119	0.06 237

MLG-Stereo	0.07 4	0.05 27	0.08 40	0.17 242	0.05 1	0.07 34	0.11 54	0.08 6	0.04 2	0.05 2	0.04 1	0.06 24	0.05 12	0.10 82	0.09 62	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

LG-G_1	0.07 4	0.04 1	0.11 181	0.15 85	0.06 16	0.09 97	0.08 7	0.08 6	0.06 4	0.06 14	0.05 7	0.07 81	0.07 128	0.11 134	0.08 17	0.07 274	0.04 24	0.05 34	0.04 46	0.05 119	0.05 145

LG-G	0.07 4	0.04 1	0.11 181	0.15 85	0.06 16	0.09 97	0.08 7	0.08 6	0.06 4	0.06 14	0.05 7	0.07 81	0.07 128	0.11 134	0.08 17	0.07 274	0.04 24	0.05 34	0.04 46	0.05 119	0.05 145

LGtest1	0.07 4	0.04 1	0.10 137	0.15 85	0.06 16	0.07 34	0.09 18	0.08 6	0.06 4	0.05 2	0.04 1	0.06 24	0.06 46	0.10 82	0.09 62	0.07 274	0.04 24	0.05 34	0.04 46	0.06 223	0.06 237

LG-Stereo_Zeroshot	0.07 4	0.06 76	0.10 137	0.16 166	0.07 84	0.04 1	0.13 125	0.10 22	0.10 47	0.05 2	0.11 184	0.07 81	0.05 12	0.07 4	0.09 62	0.06 127	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

GREAT-IGEV	0.07 4	0.06 76	0.08 40	0.13 14	0.07 84	0.07 34	0.14 178	0.09 13	0.09 30	0.06 14	0.07 48	0.06 24	0.05 12	0.10 82	0.07 1	0.05 35	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

StereoAnything_RVC	0.07 4	0.15 503	0.17 414	0.11 1	0.05 1	0.05 4	0.11 54	0.08 6	0.08 17	0.06 14	0.06 15	0.05 3	0.05 12	0.09 40	0.08 17	0.08 339	0.04 24	0.05 34	0.03 1	0.05 119	0.04 49

AIO_rvc	0.07 4	0.06 76	0.08 40	0.15 85	0.06 16	0.08 60	0.14 178	0.09 13	0.08 17	0.07 48	0.08 90	0.07 81	0.04 1	0.10 82	0.08 17	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

AIO_test	0.07 4	0.05 27	0.07 8	0.15 85	0.07 84	0.06 11	0.14 178	0.10 22	0.10 47	0.07 48	0.07 48	0.06 24	0.05 12	0.08 19	0.10 143	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

MonSter	0.07 4	0.06 76	0.05 1	0.15 85	0.05 1	0.07 34	0.10 31	0.15 129	0.15 185	0.05 2	0.06 15	0.05 3	0.06 46	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 4	0.05 27	0.07 8	0.14 41	0.06 16	0.10 149	0.13 125	0.07 2	0.13 141	0.06 14	0.07 48	0.06 24	0.05 12	0.10 82	0.09 62	0.04 11	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

dual_stereo	0.07 4	0.04 1	0.08 40	0.15 85	0.05 1	0.05 4	0.13 125	0.12 58	0.08 17	0.07 48	0.06 15	0.05 3	0.05 12	0.07 4	0.09 62	0.06 127	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

IGEV-Stereo++	0.07 4	0.06 76	0.08 40	0.18 324	0.06 16	0.04 1	0.10 31	0.11 37	0.11 76	0.06 14	0.07 48	0.07 81	0.06 46	0.09 40	0.09 62	0.05 35	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

IGEV-Stereo+	0.07 4	0.04 1	0.08 40	0.15 85	0.06 16	0.04 1	0.09 18	0.10 22	0.09 30	0.06 14	0.06 15	0.06 24	0.06 46	0.06 1	0.08 17	0.06 127	0.04 24	0.05 34	0.04 46	0.06 223	0.06 237

Selective-IGEV	0.07 4	0.06 76	0.08 40	0.17 242	0.06 16	0.08 60	0.12 75	0.13 76	0.07 10	0.08 86	0.07 48	0.06 24	0.04 1	0.10 82	0.09 62	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

WQFJA1++	0.08 57	0.04 1	0.11 181	0.14 41	0.07 84	0.11 196	0.11 54	0.11 37	0.07 10	0.07 48	0.07 48	0.07 81	0.06 46	0.10 82	0.10 143	0.06 127	0.04 24	0.05 34	0.04 46	0.06 223	0.06 237

BStereo	0.08 57	0.06 76	0.16 384	0.15 85	0.08 145	0.07 34	0.09 18	0.15 129	0.16 215	0.06 14	0.07 48	0.07 81	0.05 12	0.09 40	0.11 218	0.04 11	0.05 208	0.05 34	0.07 306	0.04 21	0.04 49

MonSter++	0.08 57	0.04 1	0.10 137	0.13 14	0.06 16	0.09 97	0.12 75	0.13 76	0.08 17	0.06 14	0.07 48	0.06 24	0.08 168	0.10 82	0.11 218	0.06 127	0.05 208	0.04 1	0.03 1	0.04 21	0.04 49

HiDET	0.08 57	0.04 1	0.10 137	0.13 14	0.06 16	0.08 60	0.12 75	0.12 58	0.11 76	0.06 14	0.07 48	0.07 81	0.07 128	0.11 134	0.11 218	0.06 127	0.04 24	0.04 1	0.03 1	0.04 21	0.04 49

LCMNet	0.08 57	0.05 27	0.10 137	0.13 14	0.07 84	0.09 97	0.12 75	0.10 22	0.11 76	0.06 14	0.08 90	0.06 24	0.07 128	0.11 134	0.10 143	0.06 127	0.05 208	0.04 1	0.03 1	0.04 21	0.04 49

GEAStereo	0.08 57	0.05 27	0.08 40	0.13 14	0.08 145	0.08 60	0.14 178	0.10 22	0.09 30	0.08 86	0.10 143	0.06 24	0.05 12	0.11 134	0.08 17	0.06 127	0.04 24	0.05 34	0.04 46	0.05 119	0.05 145

GSStereo	0.08 57	0.05 27	0.08 40	0.13 14	0.08 145	0.08 60	0.14 178	0.11 37	0.12 106	0.08 86	0.10 143	0.05 3	0.05 12	0.11 134	0.08 17	0.06 127	0.04 24	0.05 34	0.04 46	0.05 119	0.05 145

gasm-f	0.08 57	0.05 27	0.07 8	0.13 14	0.08 145	0.08 60	0.14 178	0.10 22	0.09 30	0.08 86	0.10 143	0.06 24	0.05 12	0.10 82	0.08 17	0.06 127	0.04 24	0.05 34	0.04 46	0.06 223	0.05 145

DDF-Stereo	0.08 57	0.04 1	0.09 92	0.15 85	0.10 374	0.06 11	0.13 125	0.09 13	0.14 166	0.06 14	0.06 15	0.07 81	0.06 46	0.09 40	0.10 143	0.06 127	0.04 24	0.06 125	0.04 46	0.08 359	0.05 145

252Zero-FE	0.08 57	0.04 1	0.09 92	0.13 14	0.07 84	0.12 235	0.11 54	0.13 76	0.14 166	0.06 14	0.05 7	0.06 24	0.05 12	0.09 40	0.10 143	0.06 127	0.04 24	0.04 1	0.03 1	0.05 119	0.06 237

DA	0.08 57	0.07 167	0.07 8	0.19 382	0.08 145	0.09 97	0.12 75	0.13 76	0.12 106	0.08 86	0.10 143	0.10 190	0.08 168	0.09 40	0.10 143	0.05 35	0.04 24	0.06 125	0.04 46	0.05 119	0.03 2

zero-FE	0.08 57	0.04 1	0.09 92	0.15 85	0.10 374	0.05 4	0.14 178	0.09 13	0.14 166	0.07 48	0.06 15	0.07 81	0.06 46	0.09 40	0.10 143	0.06 127	0.04 24	0.06 125	0.04 46	0.08 359	0.05 145

GGEV	0.08 57	0.07 167	0.07 8	0.19 382	0.08 145	0.09 97	0.12 75	0.13 76	0.12 106	0.08 86	0.10 143	0.10 190	0.08 168	0.09 40	0.10 143	0.05 35	0.04 24	0.06 125	0.04 46	0.05 119	0.03 2

GASTEREO	0.08 57	0.05 27	0.09 92	0.19 382	0.07 84	0.07 34	0.12 75	0.14 97	0.11 76	0.10 158	0.09 112	0.07 81	0.04 1	0.12 225	0.08 17	0.06 127	0.05 208	0.05 34	0.04 46	0.04 21	0.05 145

MSCF	0.08 57	0.05 27	0.08 40	0.19 382	0.08 145	0.06 11	0.12 75	0.14 97	0.11 76	0.10 158	0.09 112	0.07 81	0.04 1	0.11 134	0.08 17	0.06 127	0.05 208	0.05 34	0.04 46	0.05 119	0.05 145

S2M2_XL	0.08 57	0.06 76	0.12 218	0.12 5	0.08 145	0.09 97	0.09 18	0.07 2	0.07 10	0.08 86	0.07 48	0.07 81	0.06 46	0.09 40	0.09 62	0.08 339	0.06 341	0.07 227	0.05 132	0.08 359	0.06 237
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 57	0.09 348	0.10 137	0.17 242	0.07 84	0.08 60	0.10 31	0.20 266	0.13 141	0.06 14	0.07 48	0.05 3	0.06 46	0.08 19	0.09 62	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

2w_stereo	0.08 57	0.08 273	0.09 92	0.16 166	0.06 16	0.08 60	0.10 31	0.20 266	0.15 185	0.08 86	0.07 48	0.06 24	0.06 46	0.06 1	0.09 62	0.04 11	0.03 1	0.04 1	0.04 46	0.03 1	0.03 2

LG-Stereo	0.08 57	0.07 167	0.10 137	0.18 324	0.07 84	0.10 149	0.17 354	0.11 37	0.08 17	0.05 2	0.07 48	0.05 3	0.07 128	0.09 40	0.09 62	0.04 11	0.05 208	0.07 227	0.07 306	0.04 21	0.04 49

SGD-Stereo	0.08 57	0.05 27	0.10 137	0.14 41	0.05 1	0.12 235	0.12 75	0.11 37	0.12 106	0.07 48	0.09 112	0.09 157	0.09 199	0.08 19	0.08 17	0.06 127	0.04 24	0.05 34	0.04 46	0.05 119	0.03 2

HART	0.08 57	0.07 167	0.09 92	0.17 242	0.07 84	0.10 149	0.16 317	0.13 76	0.11 76	0.08 86	0.10 143	0.07 81	0.05 12	0.10 82	0.08 17	0.05 35	0.04 24	0.06 125	0.04 46	0.05 119	0.04 49

Reg-Stereo(zero)	0.08 57	0.05 27	0.08 40	0.16 166	0.06 16	0.12 235	0.11 54	0.15 129	0.10 47	0.12 229	0.09 112	0.10 190	0.08 168	0.11 134	0.08 17	0.06 127	0.04 24	0.05 34	0.04 46	0.04 21	0.05 145

SCV_C0	0.08 57	0.07 167	0.07 8	0.16 166	0.09 266	0.08 60	0.15 251	0.11 37	0.12 106	0.08 86	0.07 48	0.06 24	0.05 12	0.11 134	0.07 1	0.05 35	0.05 208	0.05 34	0.04 46	0.06 223	0.05 145

SCV	0.08 57	0.09 348	0.08 40	0.15 85	0.08 145	0.10 149	0.13 125	0.10 22	0.12 106	0.07 48	0.07 48	0.06 24	0.04 1	0.09 40	0.08 17	0.05 35	0.04 24	0.06 125	0.04 46	0.06 223	0.04 49

DEFOM-Stereo_RVC	0.08 57	0.06 76	0.09 92	0.22 490	0.06 16	0.08 60	0.12 75	0.10 22	0.10 47	0.07 48	0.07 48	0.06 24	0.05 12	0.11 134	0.09 62	0.06 127	0.04 24	0.05 34	0.03 1	0.06 223	0.04 49

HUF	0.08 57	0.05 27	0.08 40	0.14 41	0.06 16	0.09 97	0.13 125	0.13 76	0.13 141	0.07 48	0.07 48	0.08 130	0.06 46	0.10 82	0.09 62	0.06 127	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

castereo++	0.08 57	0.05 27	0.08 40	0.15 85	0.05 1	0.14 318	0.12 75	0.11 37	0.15 185	0.07 48	0.07 48	0.07 81	0.06 46	0.08 19	0.08 17	0.06 127	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

IGEV-RUCA	0.08 57	0.06 76	0.11 181	0.14 41	0.09 266	0.10 149	0.12 75	0.10 22	0.12 106	0.06 14	0.07 48	0.07 81	0.06 46	0.09 40	0.08 17	0.06 127	0.05 208	0.05 34	0.04 46	0.05 119	0.06 237

GIP-stereo	0.08 57	0.06 76	0.11 181	0.14 41	0.06 16	0.09 97	0.13 125	0.14 97	0.11 76	0.07 48	0.08 90	0.05 3	0.04 1	0.10 82	0.07 1	0.05 35	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

SMoEStereo_RVC	0.08 57	0.06 76	0.12 218	0.16 166	0.07 84	0.09 97	0.14 178	0.11 37	0.13 141	0.09 122	0.07 48	0.07 81	0.07 128	0.12 225	0.10 143	0.05 35	0.04 24	0.06 125	0.05 132	0.04 21	0.04 49

WCG-NET	0.08 57	0.05 27	0.09 92	0.15 85	0.06 16	0.11 196	0.14 178	0.13 76	0.13 141	0.06 14	0.09 112	0.07 81	0.06 46	0.13 274	0.08 17	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

Occ-G	0.08 57	0.05 27	0.06 4	0.14 41	0.07 84	0.08 60	0.14 178	0.13 76	0.15 185	0.07 48	0.11 184	0.07 81	0.05 12	0.09 40	0.10 143	0.06 127	0.05 208	0.05 34	0.04 46	0.05 119	0.05 145

U	0.08 57	0.07 167	0.09 92	0.19 382	0.10 374	0.10 149	0.13 125	0.12 58	0.17 238	0.07 48	0.07 48	0.06 24	0.05 12	0.07 4	0.08 17	0.06 127	0.04 24	0.06 125	0.04 46	0.06 223	0.05 145

AIO-Stereo	0.08 57	0.06 76	0.09 92	0.18 324	0.06 16	0.08 60	0.12 75	0.15 129	0.09 30	0.08 86	0.08 90	0.07 81	0.05 12	0.11 134	0.08 17	0.05 35	0.05 208	0.05 34	0.04 46	0.04 21	0.04 49

WCG-NET（raft）	0.08 57	0.05 27	0.10 137	0.15 85	0.06 16	0.11 196	0.13 125	0.15 129	0.12 106	0.08 86	0.07 48	0.06 24	0.06 46	0.13 274	0.08 17	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

RSM++	0.08 57	0.06 76	0.09 92	0.17 242	0.07 84	0.09 97	0.12 75	0.11 37	0.11 76	0.08 86	0.06 15	0.07 81	0.05 12	0.10 82	0.09 62	0.04 11	0.04 24	0.06 125	0.05 132	0.05 119	0.03 2

RSM	0.08 57	0.06 76	0.09 92	0.17 242	0.06 16	0.08 60	0.12 75	0.12 58	0.10 47	0.08 86	0.07 48	0.06 24	0.05 12	0.11 134	0.09 62	0.04 11	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

trnet	0.08 57	0.05 27	0.07 8	0.12 5	0.05 1	0.12 235	0.11 54	0.13 76	0.10 47	0.08 86	0.13 214	0.09 157	0.08 168	0.11 134	0.10 143	0.08 339	0.05 208	0.05 34	0.03 1	0.06 223	0.05 145

MoCha-V2	0.08 57	0.05 27	0.10 137	0.20 442	0.07 84	0.09 97	0.14 178	0.11 37	0.08 17	0.07 48	0.08 90	0.07 81	0.06 46	0.09 40	0.08 17	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

IGEV++	0.08 57	0.06 76	0.08 40	0.18 324	0.07 84	0.09 97	0.13 125	0.10 22	0.09 30	0.08 86	0.08 90	0.06 24	0.06 46	0.13 274	0.09 62	0.05 35	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

testlalala	0.08 57	0.07 167	0.17 414	0.16 166	0.08 145	0.09 97	0.12 75	0.15 129	0.10 47	0.07 48	0.09 112	0.06 24	0.06 46	0.11 134	0.09 62	0.05 35	0.04 24	0.06 125	0.04 46	0.04 21	0.04 49

AEACV	0.08 57	0.05 27	0.08 40	0.14 41	0.13 481	0.14 318	0.13 125	0.14 97	0.09 30	0.07 48	0.09 112	0.07 81	0.08 168	0.10 82	0.09 62	0.06 127	0.04 24	0.06 125	0.05 132	0.05 119	0.04 49

LoS_RVC	0.08 57	0.05 27	0.07 8	0.15 85	0.07 84	0.08 60	0.15 251	0.11 37	0.10 47	0.08 86	0.09 112	0.06 24	0.09 199	0.10 82	0.09 62	0.05 35	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

CAS	0.08 57	0.04 1	0.07 8	0.17 242	0.08 145	0.10 149	0.13 125	0.12 58	0.09 30	0.09 122	0.10 143	0.08 130	0.06 46	0.09 40	0.08 17	0.08 339	0.04 24	0.05 34	0.03 1	0.05 119	0.04 49

CES	0.08 57	0.04 1	0.08 40	0.14 41	0.07 84	0.09 97	0.14 178	0.11 37	0.09 30	0.08 86	0.09 112	0.11 215	0.06 46	0.12 225	0.08 17	0.06 127	0.04 24	0.05 34	0.03 1	0.05 119	0.05 145

EGLCR-Stereo	0.08 57	0.05 27	0.08 40	0.14 41	0.06 16	0.10 149	0.12 75	0.11 37	0.16 215	0.06 14	0.05 7	0.07 81	0.05 12	0.10 82	0.11 218	0.06 127	0.04 24	0.06 125	0.05 132	0.04 21	0.04 49

MC-Stereo	0.08 57	0.06 76	0.09 92	0.17 242	0.06 16	0.10 149	0.14 178	0.12 58	0.10 47	0.09 122	0.12 200	0.09 157	0.06 46	0.11 134	0.10 143	0.06 127	0.04 24	0.06 125	0.05 132	0.04 21	0.04 49

test-3	0.08 57	0.06 76	0.09 92	0.17 242	0.07 84	0.07 34	0.14 178	0.12 58	0.15 185	0.09 122	0.08 90	0.07 81	0.08 168	0.11 134	0.10 143	0.05 35	0.04 24	0.07 227	0.05 132	0.04 21	0.04 49

test_1	0.08 57	0.06 76	0.09 92	0.17 242	0.07 84	0.07 34	0.14 178	0.12 58	0.15 185	0.09 122	0.08 90	0.07 81	0.08 168	0.11 134	0.10 143	0.05 35	0.04 24	0.07 227	0.05 132	0.04 21	0.04 49

CREStereo++_RVC	0.08 57	0.04 1	0.06 4	0.13 14	0.07 84	0.09 97	0.12 75	0.14 97	0.14 166	0.10 158	0.14 228	0.08 130	0.07 128	0.09 40	0.11 218	0.06 127	0.04 24	0.05 34	0.05 132	0.04 21	0.04 49
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
Wave_Phase_stereo	0.09 107	0.06 76	0.16 384	0.15 85	0.08 145	0.11 196	0.09 18	0.18 227	0.16 215	0.06 14	0.07 48	0.07 81	0.05 12	0.09 40	0.11 218	0.04 11	0.05 208	0.05 34	0.07 306	0.04 21	0.04 49

NLSM3	0.09 107	0.06 76	0.08 40	0.19 382	0.08 145	0.11 196	0.16 317	0.18 227	0.16 215	0.06 14	0.08 90	0.07 81	0.08 168	0.09 40	0.11 218	0.04 11	0.04 24	0.06 125	0.07 306	0.03 1	0.03 2

FE-Mocha	0.09 107	0.06 76	0.14 299	0.16 166	0.09 266	0.10 149	0.15 251	0.18 227	0.16 215	0.10 158	0.09 112	0.07 81	0.07 128	0.09 40	0.09 62	0.06 127	0.04 24	0.06 125	0.06 213	0.05 119	0.05 145

IGEV-FE	0.09 107	0.05 27	0.12 218	0.13 14	0.08 145	0.12 235	0.13 125	0.17 195	0.11 76	0.10 158	0.06 15	0.09 157	0.06 46	0.11 134	0.09 62	0.06 127	0.04 24	0.06 125	0.06 213	0.05 119	0.05 145

water-stereo	0.09 107	0.06 76	0.08 40	0.16 166	0.07 84	0.09 97	0.13 125	0.15 129	0.13 141	0.11 190	0.12 200	0.08 130	0.09 199	0.07 4	0.08 17	0.06 127	0.05 208	0.05 34	0.05 132	0.04 21	0.04 49

depthmonostereo	0.09 107	0.06 76	0.09 92	0.15 85	0.06 16	0.10 149	0.13 125	0.14 97	0.14 166	0.10 158	0.10 143	0.09 157	0.11 265	0.08 19	0.09 62	0.06 127	0.05 208	0.06 125	0.04 46	0.04 21	0.03 2

DilatedVolume-Stereo	0.09 107	0.05 27	0.08 40	0.15 85	0.06 16	0.11 196	0.12 75	0.14 97	0.16 215	0.11 190	0.11 184	0.09 157	0.09 199	0.11 134	0.10 143	0.06 127	0.05 208	0.05 34	0.04 46	0.03 1	0.03 2

S2M2_L	0.09 107	0.08 273	0.11 181	0.13 14	0.10 374	0.08 60	0.06 1	0.10 22	0.10 47	0.10 158	0.09 112	0.10 190	0.09 199	0.11 134	0.11 218	0.13 518	0.07 413	0.08 317	0.09 422	0.10 453	0.08 383
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 107	0.06 76	0.09 92	0.19 382	0.08 145	0.12 235	0.18 402	0.15 129	0.14 166	0.07 48	0.10 143	0.07 81	0.06 46	0.12 225	0.09 62	0.05 35	0.04 24	0.06 125	0.05 132	0.05 119	0.03 2

castereo	0.09 107	0.06 76	0.11 181	0.15 85	0.06 16	0.11 196	0.15 251	0.14 97	0.18 268	0.08 86	0.10 143	0.11 215	0.08 168	0.09 40	0.10 143	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

fffft	0.09 107	0.06 76	0.12 218	0.16 166	0.07 84	0.09 97	0.17 354	0.12 58	0.11 76	0.08 86	0.07 48	0.09 157	0.06 46	0.11 134	0.12 276	0.05 35	0.04 24	0.06 125	0.05 132	0.04 21	0.05 145
1: 1. 1
tt45	0.09 107	0.06 76	0.11 181	0.15 85	0.07 84	0.11 196	0.16 317	0.13 76	0.11 76	0.09 122	0.06 15	0.08 130	0.06 46	0.13 274	0.10 143	0.06 127	0.04 24	0.06 125	0.05 132	0.05 119	0.06 237

999	0.09 107	0.05 27	0.13 264	0.15 85	0.08 145	0.10 149	0.14 178	0.15 129	0.11 76	0.10 158	0.08 90	0.08 130	0.08 168	0.16 356	0.10 143	0.06 127	0.04 24	0.06 125	0.05 132	0.04 21	0.05 145

mms	0.09 107	0.07 167	0.08 40	0.16 166	0.08 145	0.10 149	0.16 317	0.12 58	0.11 76	0.08 86	0.09 112	0.08 130	0.06 46	0.11 134	0.12 276	0.05 35	0.04 24	0.07 227	0.05 132	0.04 21	0.03 2

ours_stereo	0.09 107	0.07 167	0.09 92	0.17 242	0.08 145	0.11 196	0.16 317	0.11 37	0.12 106	0.08 86	0.10 143	0.08 130	0.06 46	0.12 225	0.12 276	0.05 35	0.04 24	0.06 125	0.05 132	0.04 21	0.03 2

fffy	0.09 107	0.08 273	0.09 92	0.16 166	0.07 84	0.13 285	0.17 354	0.13 76	0.12 106	0.08 86	0.09 112	0.08 130	0.09 199	0.13 274	0.11 218	0.05 35	0.05 208	0.07 227	0.05 132	0.04 21	0.05 145

PAM_32	0.09 107	0.05 27	0.17 414	0.15 85	0.08 145	0.10 149	0.15 251	0.14 97	0.15 185	0.09 122	0.08 90	0.09 157	0.07 128	0.14 299	0.08 17	0.06 127	0.05 208	0.06 125	0.06 213	0.05 119	0.06 237

UGAM-zero	0.09 107	0.05 27	0.15 350	0.15 85	0.08 145	0.09 97	0.13 125	0.19 255	0.15 185	0.11 190	0.15 245	0.07 81	0.07 128	0.09 40	0.09 62	0.06 127	0.05 208	0.06 125	0.05 132	0.05 119	0.06 237

GCAP-BAT	0.09 107	0.07 167	0.14 299	0.15 85	0.08 145	0.10 149	0.13 125	0.14 97	0.10 47	0.11 190	0.10 143	0.08 130	0.07 128	0.12 225	0.10 143	0.06 127	0.05 208	0.06 125	0.04 46	0.04 21	0.04 49

Pointernet	0.09 107	0.04 1	0.09 92	0.16 166	0.08 145	0.13 285	0.10 31	0.15 129	0.17 238	0.09 122	0.07 48	0.06 24	0.06 46	0.11 134	0.09 62	0.08 339	0.04 24	0.05 34	0.03 1	0.06 223	0.05 145

IGEV-BASED-STEREO-	0.09 107	0.10 408	0.31 522	0.15 85	0.06 16	0.08 60	0.14 178	0.10 22	0.10 47	0.07 48	0.07 48	0.06 24	0.04 1	0.11 134	0.07 1	0.12 493	0.04 24	0.07 227	0.05 132	0.05 119	0.05 145

RAFT-Stereo-weight	0.09 107	0.06 76	0.10 137	0.16 166	0.07 84	0.09 97	0.14 178	0.19 255	0.16 215	0.11 190	0.10 143	0.08 130	0.06 46	0.10 82	0.11 218	0.06 127	0.04 24	0.06 125	0.04 46	0.04 21	0.04 49

gcap-zeroshot	0.09 107	0.05 27	0.10 137	0.16 166	0.07 84	0.13 285	0.13 125	0.11 37	0.12 106	0.13 260	0.12 200	0.09 157	0.08 168	0.09 40	0.09 62	0.06 127	0.05 208	0.06 125	0.05 132	0.04 21	0.04 49

test_for_model	0.09 107	0.12 452	0.14 299	0.23 514	0.11 425	0.08 60	0.13 125	0.12 58	0.12 106	0.10 158	0.07 48	0.07 81	0.06 46	0.11 134	0.10 143	0.06 127	0.05 208	0.05 34	0.03 1	0.07 296	0.04 49

MGS-Stereo	0.09 107	0.07 167	0.12 218	0.15 85	0.08 145	0.09 97	0.15 251	0.12 58	0.12 106	0.07 48	0.10 143	0.08 130	0.06 46	0.10 82	0.09 62	0.05 35	0.04 24	0.06 125	0.05 132	0.06 223	0.05 145

ff7	0.09 107	0.07 167	0.11 181	0.16 166	0.09 266	0.11 196	0.15 251	0.16 159	0.12 106	0.10 158	0.06 15	0.06 24	0.06 46	0.11 134	0.09 62	0.05 35	0.04 24	0.06 125	0.05 132	0.05 119	0.06 237

IGEVStereo-DCA	0.09 107	0.06 76	0.11 181	0.15 85	0.10 374	0.11 196	0.15 251	0.16 159	0.12 106	0.10 158	0.06 15	0.08 130	0.06 46	0.10 82	0.08 17	0.06 127	0.05 208	0.06 125	0.05 132	0.05 119	0.06 237

ffff	0.09 107	0.07 167	0.11 181	0.16 166	0.09 266	0.11 196	0.15 251	0.16 159	0.12 106	0.10 158	0.06 15	0.06 24	0.06 46	0.11 134	0.09 62	0.05 35	0.04 24	0.06 125	0.05 132	0.05 119	0.06 237

rrr	0.09 107	0.06 76	0.12 218	0.15 85	0.10 374	0.11 196	0.16 317	0.16 159	0.15 185	0.10 158	0.06 15	0.08 130	0.06 46	0.10 82	0.08 17	0.06 127	0.05 208	0.06 125	0.05 132	0.05 119	0.06 237

11t	0.09 107	0.07 167	0.11 181	0.16 166	0.09 266	0.11 196	0.15 251	0.16 159	0.12 106	0.10 158	0.06 15	0.06 24	0.06 46	0.11 134	0.09 62	0.05 35	0.04 24	0.06 125	0.05 132	0.05 119	0.06 237

MaDis-Stereo	0.09 107	0.09 348	0.08 40	0.17 242	0.09 266	0.13 285	0.10 31	0.16 159	0.16 215	0.09 122	0.11 184	0.06 24	0.06 46	0.09 40	0.13 317	0.07 274	0.06 341	0.07 227	0.05 132	0.05 119	0.04 49

IGEV_Zeroshot_test	0.09 107	0.05 27	0.12 218	0.13 14	0.08 145	0.12 235	0.13 125	0.17 195	0.11 76	0.10 158	0.06 15	0.09 157	0.06 46	0.11 134	0.09 62	0.06 127	0.04 24	0.06 125	0.06 213	0.05 119	0.05 145

MSKI-zero shot	0.09 107	0.05 27	0.09 92	0.15 85	0.07 84	0.10 149	0.13 125	0.14 97	0.13 141	0.09 122	0.09 112	0.09 157	0.06 46	0.12 225	0.10 143	0.06 127	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

UniTT-Stereo	0.09 107	0.07 167	0.08 40	0.18 324	0.08 145	0.13 285	0.11 54	0.12 58	0.11 76	0.10 158	0.12 200	0.05 3	0.07 128	0.09 40	0.09 62	0.07 274	0.05 208	0.05 34	0.05 132	0.05 119	0.05 145

MIM_Stereo	0.09 107	0.07 167	0.11 181	0.15 85	0.07 84	0.06 11	0.12 75	0.20 266	0.14 166	0.13 260	0.13 214	0.09 157	0.05 12	0.12 225	0.08 17	0.05 35	0.06 341	0.07 227	0.06 213	0.06 223	0.05 145

CASnet	0.09 107	0.09 348	0.09 92	0.19 382	0.06 16	0.07 34	0.11 54	0.18 227	0.14 166	0.11 190	0.10 143	0.09 157	0.07 128	0.10 82	0.10 143	0.06 127	0.04 24	0.10 446	0.08 376	0.05 119	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 107	0.07 167	0.13 264	0.18 324	0.06 16	0.11 196	0.07 3	0.13 76	0.12 106	0.09 122	0.10 143	0.07 81	0.09 199	0.13 274	0.10 143	0.06 127	0.05 208	0.05 34	0.04 46	0.04 21	0.05 145

RAFT-Test	0.09 107	0.06 76	0.10 137	0.15 85	0.07 84	0.11 196	0.15 251	0.16 159	0.13 141	0.09 122	0.10 143	0.10 190	0.09 199	0.12 225	0.09 62	0.06 127	0.04 24	0.05 34	0.04 46	0.04 21	0.05 145

HH	0.09 107	0.06 76	0.13 264	0.17 242	0.08 145	0.10 149	0.16 317	0.14 97	0.10 47	0.08 86	0.09 112	0.08 130	0.07 128	0.10 82	0.09 62	0.06 127	0.04 24	0.06 125	0.05 132	0.05 119	0.04 49

HanStereo	0.09 107	0.06 76	0.13 264	0.17 242	0.08 145	0.10 149	0.16 317	0.14 97	0.10 47	0.08 86	0.09 112	0.08 130	0.07 128	0.10 82	0.09 62	0.06 127	0.04 24	0.06 125	0.05 132	0.05 119	0.04 49

4D-IteraStereo	0.09 107	0.07 167	0.10 137	0.18 324	0.07 84	0.09 97	0.15 251	0.17 195	0.15 185	0.10 158	0.11 184	0.10 190	0.07 128	0.11 134	0.09 62	0.05 35	0.03 1	0.08 317	0.07 306	0.06 223	0.05 145

anonymousdsp	0.09 107	0.07 167	0.11 181	0.16 166	0.09 266	0.11 196	0.15 251	0.16 159	0.12 106	0.09 122	0.06 15	0.06 24	0.06 46	0.11 134	0.09 62	0.05 35	0.04 24	0.06 125	0.05 132	0.05 119	0.06 237

LoS	0.09 107	0.05 27	0.11 181	0.13 14	0.07 84	0.14 318	0.11 54	0.15 129	0.15 185	0.09 122	0.09 112	0.12 233	0.09 199	0.15 321	0.10 143	0.07 274	0.05 208	0.05 34	0.03 1	0.05 119	0.05 145
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 107	0.07 167	0.10 137	0.17 242	0.08 145	0.10 149	0.15 251	0.15 129	0.12 106	0.09 122	0.06 15	0.07 81	0.06 46	0.11 134	0.09 62	0.05 35	0.04 24	0.06 125	0.05 132	0.04 21	0.06 237

RCA-Stereo	0.09 107	0.06 76	0.09 92	0.16 166	0.06 16	0.09 97	0.13 125	0.18 227	0.14 166	0.09 122	0.10 143	0.08 130	0.07 128	0.12 225	0.11 218	0.06 127	0.04 24	0.06 125	0.05 132	0.05 119	0.04 49

CroCo-Stereo Lap2	0.09 107	0.09 348	0.08 40	0.22 490	0.09 266	0.09 97	0.19 441	0.16 159	0.12 106	0.09 122	0.10 143	0.05 3	0.05 12	0.08 19	0.08 17	0.06 127	0.06 341	0.07 227	0.05 132	0.05 119	0.05 145

ccc-4	0.09 107	0.07 167	0.11 181	0.16 166	0.09 266	0.11 196	0.15 251	0.16 159	0.12 106	0.10 158	0.06 15	0.06 24	0.06 46	0.11 134	0.09 62	0.05 35	0.04 24	0.06 125	0.05 132	0.05 119	0.06 237

IGEV-Stereo	0.09 107	0.07 167	0.11 181	0.16 166	0.09 266	0.11 196	0.15 251	0.16 159	0.12 106	0.09 122	0.06 15	0.06 24	0.06 46	0.11 134	0.09 62	0.05 35	0.04 24	0.06 125	0.05 132	0.05 119	0.06 237
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 107	0.05 27	0.13 264	0.14 41	0.08 145	0.12 235	0.15 251	0.18 227	0.10 47	0.11 190	0.08 90	0.08 130	0.05 12	0.10 82	0.09 62	0.06 127	0.04 24	0.06 125	0.05 132	0.06 223	0.05 145

TRStereo	0.09 107	0.05 27	0.12 218	0.15 85	0.12 458	0.10 149	0.13 125	0.18 227	0.18 268	0.09 122	0.09 112	0.09 157	0.06 46	0.10 82	0.08 17	0.07 274	0.05 208	0.07 227	0.07 306	0.04 21	0.04 49

AnonymousM	0.09 107	0.05 27	0.10 137	0.14 41	0.06 16	0.09 97	0.13 125	0.19 255	0.14 166	0.13 260	0.11 184	0.09 157	0.08 168	0.13 274	0.10 143	0.08 339	0.05 208	0.08 317	0.05 132	0.05 119	0.05 145

CroCo-Stereo	0.09 107	0.08 273	0.08 40	0.22 490	0.09 266	0.09 97	0.19 441	0.15 129	0.12 106	0.07 48	0.07 48	0.08 130	0.06 46	0.08 19	0.07 1	0.07 274	0.05 208	0.06 125	0.04 46	0.05 119	0.04 49
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
s12784h	0.09 107	0.06 76	0.07 8	0.15 85	0.05 1	0.16 373	0.18 402	0.15 129	0.15 185	0.10 158	0.11 184	0.11 215	0.11 265	0.10 82	0.12 276	0.05 35	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

TANstereo	0.09 107	0.04 1	0.08 40	0.13 14	0.06 16	0.11 196	0.14 178	0.15 129	0.19 285	0.11 190	0.15 245	0.10 190	0.06 46	0.12 225	0.09 62	0.07 274	0.05 208	0.05 34	0.04 46	0.06 223	0.05 145

XX-TBD	0.09 107	0.06 76	0.07 8	0.14 41	0.07 84	0.12 235	0.16 317	0.14 97	0.13 141	0.11 190	0.12 200	0.09 157	0.08 168	0.10 82	0.10 143	0.06 127	0.04 24	0.05 34	0.03 1	0.06 223	0.05 145

raftrobust	0.09 107	0.06 76	0.10 137	0.17 242	0.08 145	0.09 97	0.10 31	0.18 227	0.16 215	0.10 158	0.09 112	0.12 233	0.07 128	0.12 225	0.10 143	0.08 339	0.05 208	0.06 125	0.05 132	0.05 119	0.05 145

XX-Stereo	0.09 107	0.05 27	0.08 40	0.17 242	0.09 266	0.15 344	0.12 75	0.20 266	0.10 47	0.10 158	0.14 228	0.07 81	0.06 46	0.12 225	0.08 17	0.06 127	0.05 208	0.06 125	0.06 213	0.04 21	0.04 49

test_xeample3	0.09 107	0.06 76	0.12 218	0.16 166	0.09 266	0.11 196	0.15 251	0.16 159	0.13 141	0.10 158	0.06 15	0.08 130	0.06 46	0.10 82	0.09 62	0.05 35	0.04 24	0.06 125	0.05 132	0.05 119	0.06 237

RAFT-Stereo + iAFF	0.09 107	0.06 76	0.10 137	0.17 242	0.06 16	0.10 149	0.16 317	0.17 195	0.14 166	0.09 122	0.10 143	0.08 130	0.09 199	0.11 134	0.09 62	0.05 35	0.04 24	0.06 125	0.06 213	0.04 21	0.03 2

AFF-stereo	0.09 107	0.06 76	0.10 137	0.17 242	0.07 84	0.10 149	0.16 317	0.17 195	0.09 30	0.10 158	0.12 200	0.09 157	0.09 199	0.12 225	0.09 62	0.05 35	0.04 24	0.07 227	0.07 306	0.04 21	0.03 2

EAI-Stereo	0.09 107	0.07 167	0.11 181	0.15 85	0.06 16	0.10 149	0.15 251	0.16 159	0.09 30	0.08 86	0.09 112	0.08 130	0.07 128	0.09 40	0.11 218	0.05 35	0.04 24	0.05 34	0.05 132	0.05 119	0.04 49

CFNet-RSSM	0.09 107	0.07 167	0.09 92	0.16 166	0.07 84	0.09 97	0.15 251	0.16 159	0.17 238	0.08 86	0.12 200	0.10 190	0.09 199	0.11 134	0.09 62	0.06 127	0.04 24	0.06 125	0.04 46	0.04 21	0.04 49

Gwc-CoAtRS	0.09 107	0.06 76	0.10 137	0.16 166	0.07 84	0.10 149	0.14 178	0.17 195	0.17 238	0.08 86	0.10 143	0.12 233	0.09 199	0.12 225	0.09 62	0.06 127	0.04 24	0.06 125	0.04 46	0.04 21	0.04 49

CREStereo	0.09 107	0.04 1	0.08 40	0.11 1	0.06 16	0.13 285	0.14 178	0.14 97	0.10 47	0.08 86	0.13 214	0.09 157	0.08 168	0.11 134	0.10 143	0.08 339	0.04 24	0.05 34	0.03 1	0.06 223	0.06 237
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 107	0.05 27	0.09 92	0.12 5	0.06 16	0.12 235	0.14 178	0.15 129	0.11 76	0.09 122	0.13 214	0.10 190	0.07 128	0.13 274	0.10 143	0.15 536	0.04 24	0.05 34	0.03 1	0.07 296	0.06 237

WQFJA1	0.10 172	0.07 167	0.08 40	0.20 442	0.09 266	0.12 235	0.17 354	0.17 195	0.17 238	0.09 122	0.10 143	0.08 130	0.10 235	0.12 225	0.11 218	0.06 127	0.07 413	0.07 227	0.06 213	0.06 223	0.05 145

WQFJX1	0.10 172	0.07 167	0.08 40	0.22 490	0.09 266	0.12 235	0.17 354	0.18 227	0.17 238	0.10 158	0.09 112	0.07 81	0.10 235	0.11 134	0.09 62	0.07 274	0.08 442	0.07 227	0.06 213	0.05 119	0.04 49

WQFJX	0.10 172	0.07 167	0.09 92	0.21 474	0.09 266	0.12 235	0.16 317	0.18 227	0.17 238	0.12 229	0.10 143	0.07 81	0.09 199	0.12 225	0.10 143	0.06 127	0.07 413	0.06 125	0.05 132	0.06 223	0.05 145

NLMM	0.10 172	0.07 167	0.08 40	0.20 442	0.09 266	0.12 235	0.17 354	0.17 195	0.17 238	0.09 122	0.10 143	0.08 130	0.10 235	0.12 225	0.11 218	0.06 127	0.07 413	0.07 227	0.06 213	0.06 223	0.05 145

NLSM1	0.10 172	0.07 167	0.07 8	0.19 382	0.08 145	0.13 285	0.16 317	0.21 289	0.15 185	0.11 190	0.10 143	0.06 24	0.10 235	0.10 82	0.11 218	0.07 274	0.08 442	0.08 317	0.07 306	0.05 119	0.05 145

MM-Stereo_test3	0.10 172	0.07 167	0.07 8	0.18 324	0.07 84	0.12 235	0.19 441	0.24 356	0.19 285	0.06 14	0.10 143	0.08 130	0.06 46	0.11 134	0.08 17	0.06 127	0.06 341	0.07 227	0.05 132	0.05 119	0.04 49

MM-Stereo_test1	0.10 172	0.07 167	0.08 40	0.18 324	0.07 84	0.12 235	0.18 402	0.21 289	0.20 308	0.09 122	0.11 184	0.08 130	0.06 46	0.10 82	0.10 143	0.06 127	0.05 208	0.07 227	0.06 213	0.05 119	0.04 49

AIO-test2	0.10 172	0.08 273	0.10 137	0.23 514	0.08 145	0.11 196	0.10 31	0.23 333	0.23 349	0.08 86	0.09 112	0.08 130	0.05 12	0.10 82	0.08 17	0.06 127	0.05 208	0.08 317	0.09 422	0.05 119	0.05 145

AIO-test1	0.10 172	0.07 167	0.10 137	0.23 514	0.07 84	0.09 97	0.13 125	0.21 289	0.14 166	0.11 190	0.12 200	0.09 157	0.07 128	0.11 134	0.09 62	0.06 127	0.05 208	0.09 399	0.10 462	0.03 1	0.06 237

tg	0.10 172	0.06 76	0.10 137	0.18 324	0.08 145	0.11 196	0.16 317	0.20 266	0.12 106	0.08 86	0.11 184	0.11 215	0.07 128	0.11 134	0.10 143	0.05 35	0.04 24	0.08 317	0.08 376	0.04 21	0.04 49

PAM	0.10 172	0.05 27	0.16 384	0.15 85	0.08 145	0.09 97	0.16 317	0.15 129	0.16 215	0.12 229	0.09 112	0.09 157	0.07 128	0.13 274	0.08 17	0.06 127	0.05 208	0.06 125	0.06 213	0.05 119	0.06 237

model_zeroshot	0.10 172	0.04 1	0.11 181	0.15 85	0.09 266	0.12 235	0.14 178	0.20 266	0.13 141	0.11 190	0.10 143	0.12 233	0.07 128	0.12 225	0.10 143	0.07 274	0.06 341	0.06 125	0.05 132	0.06 223	0.06 237

RAStereo	0.10 172	0.09 348	0.08 40	0.20 442	0.08 145	0.13 285	0.18 402	0.15 129	0.17 238	0.10 158	0.12 200	0.05 3	0.06 46	0.09 40	0.08 17	0.07 274	0.05 208	0.07 227	0.05 132	0.05 119	0.04 49

rvit_stereo_0080	0.10 172	0.08 273	0.14 299	0.15 85	0.09 266	0.07 34	0.15 251	0.16 159	0.16 215	0.11 190	0.10 143	0.14 278	0.08 168	0.12 225	0.10 143	0.09 399	0.07 413	0.07 227	0.06 213	0.07 296	0.05 145

testlalala2	0.10 172	0.06 76	0.11 181	0.20 442	0.10 374	0.10 149	0.12 75	0.17 195	0.12 106	0.12 229	0.13 214	0.09 157	0.07 128	0.11 134	0.13 317	0.06 127	0.05 208	0.05 34	0.04 46	0.05 119	0.05 145

H2IRNET	0.10 172	0.09 348	0.09 92	0.18 324	0.09 266	0.12 235	0.15 251	0.14 97	0.21 324	0.10 158	0.10 143	0.10 190	0.10 235	0.10 82	0.10 143	0.05 35	0.04 24	0.08 317	0.08 376	0.06 223	0.05 145

Former-RAFT_DAM_RVC	0.10 172	0.08 273	0.12 218	0.16 166	0.08 145	0.15 344	0.16 317	0.18 227	0.18 268	0.10 158	0.09 112	0.09 157	0.08 168	0.11 134	0.12 276	0.07 274	0.05 208	0.08 317	0.06 213	0.07 296	0.06 237

MyStereo07	0.10 172	0.07 167	0.10 137	0.17 242	0.09 266	0.14 318	0.18 402	0.15 129	0.15 185	0.09 122	0.06 15	0.06 24	0.07 128	0.12 225	0.09 62	0.06 127	0.05 208	0.08 317	0.07 306	0.06 223	0.06 237

MyStereo06	0.10 172	0.07 167	0.12 218	0.17 242	0.09 266	0.13 285	0.18 402	0.19 255	0.12 106	0.12 229	0.08 90	0.07 81	0.07 128	0.11 134	0.09 62	0.06 127	0.05 208	0.07 227	0.07 306	0.06 223	0.06 237

AE-Stereo	0.10 172	0.08 273	0.10 137	0.18 324	0.09 266	0.10 149	0.15 251	0.14 97	0.19 285	0.09 122	0.14 228	0.12 233	0.08 168	0.11 134	0.10 143	0.05 35	0.06 341	0.07 227	0.06 213	0.05 119	0.04 49

ACVNet-DCA	0.10 172	0.08 273	0.12 218	0.17 242	0.09 266	0.13 285	0.15 251	0.23 333	0.16 215	0.09 122	0.09 112	0.06 24	0.06 46	0.10 82	0.07 1	0.06 127	0.04 24	0.06 125	0.05 132	0.07 296	0.07 319

cc1	0.10 172	0.08 273	0.12 218	0.17 242	0.09 266	0.13 285	0.15 251	0.16 159	0.18 268	0.09 122	0.09 112	0.06 24	0.06 46	0.10 82	0.07 1	0.06 127	0.04 24	0.06 125	0.05 132	0.06 223	0.06 237

tt1	0.10 172	0.08 273	0.12 218	0.17 242	0.09 266	0.12 235	0.16 317	0.15 129	0.19 285	0.09 122	0.08 90	0.06 24	0.06 46	0.10 82	0.07 1	0.06 127	0.04 24	0.06 125	0.05 132	0.06 223	0.06 237

whm_eth	0.10 172	0.08 273	0.14 299	0.15 85	0.09 266	0.07 34	0.15 251	0.16 159	0.16 215	0.11 190	0.10 143	0.14 278	0.08 168	0.12 225	0.10 143	0.09 399	0.07 413	0.07 227	0.06 213	0.07 296	0.05 145

plain	0.10 172	0.08 273	0.10 137	0.19 382	0.09 266	0.10 149	0.15 251	0.14 97	0.13 141	0.13 260	0.15 245	0.09 157	0.12 296	0.13 274	0.12 276	0.07 274	0.05 208	0.09 399	0.06 213	0.06 223	0.06 237

testlalala_base	0.10 172	0.09 348	0.14 299	0.21 474	0.08 145	0.10 149	0.14 178	0.13 76	0.10 47	0.07 48	0.15 245	0.07 81	0.08 168	0.10 82	0.12 276	0.08 339	0.05 208	0.05 34	0.03 1	0.06 223	0.05 145

Any-RAFT	0.10 172	0.05 27	0.09 92	0.14 41	0.07 84	0.13 285	0.14 178	0.21 289	0.15 185	0.11 190	0.12 200	0.12 233	0.09 199	0.12 225	0.09 62	0.07 274	0.04 24	0.05 34	0.04 46	0.06 223	0.05 145

LL-Strereo2	0.10 172	0.10 408	0.15 350	0.18 324	0.08 145	0.15 344	0.09 18	0.17 195	0.14 166	0.14 281	0.10 143	0.09 157	0.07 128	0.16 356	0.10 143	0.05 35	0.05 208	0.10 446	0.07 306	0.06 223	0.05 145

DCANet-4	0.10 172	0.06 76	0.12 218	0.16 166	0.06 16	0.09 97	0.17 354	0.18 227	0.19 285	0.13 260	0.16 257	0.09 157	0.14 358	0.11 134	0.12 276	0.06 127	0.04 24	0.05 34	0.04 46	0.04 21	0.05 145

fff	0.10 172	0.06 76	0.12 218	0.15 85	0.07 84	0.09 97	0.17 354	0.16 159	0.20 308	0.13 260	0.16 257	0.10 190	0.11 265	0.11 134	0.12 276	0.06 127	0.04 24	0.05 34	0.04 46	0.04 21	0.05 145

ADStereo(finetuned)	0.10 172	0.06 76	0.12 218	0.16 166	0.06 16	0.09 97	0.17 354	0.15 129	0.19 285	0.13 260	0.17 278	0.10 190	0.12 296	0.11 134	0.12 276	0.06 127	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

test_4	0.10 172	0.10 408	0.08 40	0.19 382	0.09 266	0.08 60	0.22 494	0.15 129	0.17 238	0.12 229	0.18 303	0.12 233	0.09 199	0.08 19	0.11 218	0.04 11	0.04 24	0.08 317	0.08 376	0.04 21	0.03 2

IPLG	0.10 172	0.07 167	0.15 350	0.17 242	0.08 145	0.11 196	0.14 178	0.20 266	0.15 185	0.12 229	0.17 278	0.07 81	0.07 128	0.14 299	0.13 317	0.06 127	0.04 24	0.06 125	0.05 132	0.04 21	0.04 49

test_3	0.10 172	0.09 348	0.10 137	0.20 442	0.08 145	0.13 285	0.26 541	0.14 97	0.21 324	0.10 158	0.10 143	0.09 157	0.09 199	0.08 19	0.11 218	0.05 35	0.04 24	0.08 317	0.07 306	0.04 21	0.04 49

STrans-v2	0.10 172	0.07 167	0.12 218	0.18 324	0.07 84	0.10 149	0.14 178	0.21 289	0.11 76	0.11 190	0.15 245	0.12 233	0.10 235	0.11 134	0.12 276	0.05 35	0.04 24	0.06 125	0.06 213	0.04 21	0.04 49

TransformOpticalFlow	0.10 172	0.08 273	0.13 264	0.18 324	0.07 84	0.09 97	0.15 251	0.19 255	0.15 185	0.12 229	0.17 278	0.11 215	0.11 265	0.11 134	0.10 143	0.05 35	0.04 24	0.06 125	0.06 213	0.05 119	0.05 145

SST-Stereo	0.10 172	0.07 167	0.15 350	0.18 324	0.09 266	0.06 11	0.12 75	0.17 195	0.11 76	0.15 308	0.17 278	0.13 258	0.12 296	0.10 82	0.11 218	0.06 127	0.04 24	0.09 399	0.06 213	0.06 223	0.05 145

cross-raft	0.10 172	0.09 348	0.09 92	0.19 382	0.07 84	0.11 196	0.25 532	0.13 76	0.15 185	0.08 86	0.11 184	0.12 233	0.10 235	0.09 40	0.11 218	0.05 35	0.04 24	0.06 125	0.05 132	0.04 21	0.04 49

test-1	0.10 172	0.07 167	0.16 384	0.19 382	0.08 145	0.11 196	0.24 517	0.14 97	0.18 268	0.09 122	0.07 48	0.09 157	0.08 168	0.07 4	0.09 62	0.06 127	0.04 24	0.06 125	0.05 132	0.04 21	0.04 49

iRaftStereo_RVC	0.10 172	0.07 167	0.09 92	0.17 242	0.09 266	0.11 196	0.17 354	0.18 227	0.12 106	0.09 122	0.12 200	0.10 190	0.07 128	0.11 134	0.10 143	0.05 35	0.04 24	0.08 317	0.08 376	0.04 21	0.04 49

RALCasStereoNet	0.10 172	0.06 76	0.09 92	0.16 166	0.08 145	0.12 235	0.14 178	0.17 195	0.11 76	0.12 229	0.17 278	0.14 278	0.10 235	0.12 225	0.11 218	0.07 274	0.06 341	0.06 125	0.05 132	0.08 359	0.07 319

DCANet	0.10 172	0.06 76	0.12 218	0.16 166	0.06 16	0.09 97	0.17 354	0.15 129	0.19 285	0.13 260	0.17 278	0.10 190	0.11 265	0.11 134	0.12 276	0.06 127	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

csc	0.10 172	0.06 76	0.12 218	0.15 85	0.07 84	0.09 97	0.17 354	0.16 159	0.20 308	0.13 260	0.16 257	0.10 190	0.11 265	0.11 134	0.12 276	0.06 127	0.04 24	0.05 34	0.04 46	0.04 21	0.05 145

cscssc	0.10 172	0.06 76	0.12 218	0.15 85	0.07 84	0.09 97	0.17 354	0.16 159	0.20 308	0.13 260	0.16 257	0.10 190	0.11 265	0.11 134	0.12 276	0.06 127	0.04 24	0.05 34	0.04 46	0.04 21	0.05 145

111	0.10 172	0.06 76	0.12 218	0.15 85	0.07 84	0.10 149	0.14 178	0.21 289	0.23 349	0.11 190	0.12 200	0.14 278	0.11 265	0.13 274	0.10 143	0.06 127	0.04 24	0.06 125	0.04 46	0.05 119	0.05 145

R-Stereo Train	0.10 172	0.06 76	0.10 137	0.17 242	0.08 145	0.11 196	0.14 178	0.23 333	0.11 76	0.12 229	0.19 312	0.11 215	0.08 168	0.09 40	0.11 218	0.07 274	0.05 208	0.06 125	0.05 132	0.05 119	0.05 145

RAFT-Stereo	0.10 172	0.06 76	0.10 137	0.17 242	0.08 145	0.11 196	0.14 178	0.23 333	0.11 76	0.12 229	0.19 312	0.11 215	0.08 168	0.09 40	0.11 218	0.07 274	0.05 208	0.06 125	0.05 132	0.05 119	0.05 145
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 172	0.06 76	0.12 218	0.14 41	0.06 16	0.11 196	0.10 31	0.18 227	0.18 268	0.13 260	0.16 257	0.14 278	0.11 265	0.15 321	0.13 317	0.06 127	0.04 24	0.04 1	0.04 46	0.06 223	0.05 145
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
NLMM1	0.11 220	0.09 348	0.07 8	0.22 490	0.10 374	0.12 235	0.20 464	0.18 227	0.20 308	0.12 229	0.11 184	0.07 81	0.09 199	0.11 134	0.11 218	0.08 339	0.08 442	0.07 227	0.06 213	0.04 21	0.04 49

NLCSM	0.11 220	0.09 348	0.09 92	0.23 514	0.11 425	0.12 235	0.19 441	0.18 227	0.18 268	0.12 229	0.11 184	0.07 81	0.09 199	0.11 134	0.10 143	0.07 274	0.08 442	0.07 227	0.07 306	0.06 223	0.05 145

Select-FE	0.11 220	0.06 76	0.20 461	0.15 85	0.11 425	0.11 196	0.13 125	0.21 289	0.18 268	0.09 122	0.11 184	0.10 190	0.06 46	0.12 225	0.09 62	0.07 274	0.05 208	0.07 227	0.08 376	0.06 223	0.08 383

FlowAnything_test	0.11 220	0.08 273	0.14 299	0.15 85	0.09 266	0.07 34	0.14 178	0.20 266	0.11 76	0.09 122	0.09 112	0.12 233	0.12 296	0.13 274	0.11 218	0.09 399	0.06 341	0.09 399	0.09 422	0.06 223	0.09 427

xyz-stereo-finetune2	0.11 220	0.07 167	0.13 264	0.13 14	0.07 84	0.11 196	0.19 441	0.17 195	0.12 106	0.15 308	0.15 245	0.17 341	0.12 296	0.13 274	0.11 218	0.05 35	0.04 24	0.07 227	0.05 132	0.04 21	0.06 237

xyz-stereo-finetune	0.11 220	0.08 273	0.13 264	0.14 41	0.06 16	0.10 149	0.19 441	0.17 195	0.19 285	0.12 229	0.14 228	0.15 307	0.10 235	0.13 274	0.11 218	0.05 35	0.04 24	0.07 227	0.05 132	0.04 21	0.05 145

HI	0.11 220	0.06 76	0.11 181	0.13 14	0.09 266	0.09 97	0.14 178	0.21 289	0.10 47	0.19 397	0.17 278	0.14 278	0.09 199	0.16 356	0.08 17	0.05 35	0.04 24	0.07 227	0.08 376	0.07 296	0.06 237

CoSv	0.11 220	0.06 76	0.11 181	0.13 14	0.09 266	0.09 97	0.14 178	0.21 289	0.10 47	0.19 397	0.17 278	0.14 278	0.09 199	0.16 356	0.08 17	0.05 35	0.04 24	0.07 227	0.08 376	0.07 296	0.06 237

rvit_stereo_0081_aga	0.11 220	0.09 348	0.14 299	0.18 324	0.09 266	0.13 285	0.14 178	0.14 97	0.19 285	0.10 158	0.18 303	0.16 321	0.09 199	0.12 225	0.09 62	0.10 440	0.06 341	0.08 317	0.07 306	0.07 296	0.06 237

rvit_stereo_0081	0.11 220	0.08 273	0.15 350	0.16 166	0.09 266	0.10 149	0.14 178	0.14 97	0.24 365	0.11 190	0.13 214	0.13 258	0.09 199	0.11 134	0.12 276	0.10 440	0.07 413	0.08 317	0.07 306	0.07 296	0.05 145

rvit_stereo_0082	0.11 220	0.08 273	0.15 350	0.16 166	0.09 266	0.10 149	0.14 178	0.14 97	0.24 365	0.11 190	0.13 214	0.13 258	0.09 199	0.11 134	0.12 276	0.10 440	0.07 413	0.08 317	0.07 306	0.07 296	0.05 145

AIO-Stereo-zeroshot1	0.11 220	0.05 27	0.14 299	0.15 85	0.20 559	0.09 97	0.17 354	0.21 289	0.15 185	0.11 190	0.14 228	0.10 190	0.07 128	0.10 82	0.08 17	0.06 127	0.05 208	0.07 227	0.07 306	0.07 296	0.09 427

AIO-Stereo-zeroshot	0.11 220	0.05 27	0.11 181	0.15 85	0.13 481	0.13 285	0.16 317	0.23 333	0.17 238	0.10 158	0.12 200	0.10 190	0.07 128	0.11 134	0.09 62	0.06 127	0.05 208	0.06 125	0.06 213	0.07 296	0.08 383

CAS++	0.11 220	0.07 167	0.11 181	0.14 41	0.09 266	0.12 235	0.14 178	0.24 356	0.14 166	0.11 190	0.09 112	0.11 215	0.07 128	0.14 299	0.09 62	0.11 469	0.09 474	0.09 399	0.07 306	0.07 296	0.08 383
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 220	0.08 273	0.12 218	0.17 242	0.09 266	0.13 285	0.15 251	0.16 159	0.18 268	0.09 122	0.09 112	0.16 321	0.16 402	0.10 82	0.07 1	0.06 127	0.04 24	0.08 317	0.08 376	0.07 296	0.07 319

1test111	0.11 220	0.08 273	0.12 218	0.17 242	0.09 266	0.13 285	0.15 251	0.23 333	0.16 215	0.09 122	0.09 112	0.06 24	0.06 46	0.15 321	0.16 398	0.06 127	0.04 24	0.06 125	0.05 132	0.07 296	0.07 319

MIF-Stereo (partial)	0.11 220	0.06 76	0.10 137	0.19 382	0.10 374	0.10 149	0.11 54	0.17 195	0.18 268	0.14 281	0.16 257	0.09 157	0.11 265	0.12 225	0.12 276	0.08 339	0.05 208	0.08 317	0.07 306	0.06 223	0.07 319

EKT-Stereo	0.11 220	0.07 167	0.14 299	0.15 85	0.10 374	0.13 285	0.14 178	0.18 227	0.21 324	0.11 190	0.08 90	0.12 233	0.09 199	0.11 134	0.12 276	0.08 339	0.06 341	0.07 227	0.06 213	0.08 359	0.07 319

anonymousdsp2	0.11 220	0.07 167	0.10 137	0.16 166	0.09 266	0.13 285	0.14 178	0.18 227	0.22 338	0.13 260	0.14 228	0.12 233	0.09 199	0.14 299	0.11 218	0.05 35	0.04 24	0.05 34	0.04 46	0.06 223	0.05 145

DCRE	0.11 220	0.07 167	0.13 264	0.16 166	0.11 425	0.11 196	0.17 354	0.18 227	0.17 238	0.11 190	0.18 303	0.10 190	0.10 235	0.15 321	0.11 218	0.06 127	0.05 208	0.06 125	0.06 213	0.05 119	0.04 49

knoymous	0.11 220	0.05 27	0.12 218	0.13 14	0.07 84	0.15 344	0.14 178	0.19 255	0.13 141	0.11 190	0.17 278	0.13 258	0.09 199	0.13 274	0.11 218	0.08 339	0.05 208	0.06 125	0.05 132	0.08 359	0.07 319

riskmin	0.11 220	0.06 76	0.13 264	0.14 41	0.08 145	0.14 318	0.14 178	0.18 227	0.14 166	0.11 190	0.14 228	0.16 321	0.11 265	0.14 299	0.12 276	0.09 399	0.05 208	0.07 227	0.05 132	0.08 359	0.08 383

Selective-RAFT	0.11 220	0.10 408	0.11 181	0.21 474	0.08 145	0.16 373	0.13 125	0.20 266	0.22 338	0.10 158	0.10 143	0.11 215	0.10 235	0.15 321	0.11 218	0.05 35	0.05 208	0.06 125	0.05 132	0.06 223	0.05 145

DisPM	0.11 220	0.07 167	0.12 218	0.16 166	0.09 266	0.06 11	0.13 125	0.17 195	0.17 238	0.14 281	0.20 324	0.12 233	0.10 235	0.11 134	0.10 143	0.06 127	0.04 24	0.07 227	0.06 213	0.06 223	0.11 480

CIPLG	0.11 220	0.08 273	0.14 299	0.17 242	0.08 145	0.12 235	0.15 251	0.17 195	0.15 185	0.14 281	0.11 184	0.16 321	0.09 199	0.16 356	0.11 218	0.07 274	0.05 208	0.06 125	0.05 132	0.05 119	0.06 237

GLC_STEREO	0.11 220	0.07 167	0.11 181	0.17 242	0.07 84	0.09 97	0.13 125	0.15 129	0.24 365	0.12 229	0.13 214	0.12 233	0.08 168	0.18 409	0.11 218	0.06 127	0.08 442	0.08 317	0.06 213	0.05 119	0.05 145

IPLGR_C	0.11 220	0.08 273	0.14 299	0.17 242	0.08 145	0.12 235	0.15 251	0.17 195	0.15 185	0.14 281	0.10 143	0.16 321	0.09 199	0.16 356	0.11 218	0.07 274	0.05 208	0.06 125	0.05 132	0.05 119	0.06 237

MIPNet	0.11 220	0.08 273	0.14 299	0.17 242	0.09 266	0.12 235	0.14 178	0.20 266	0.24 365	0.11 190	0.10 143	0.09 157	0.07 128	0.13 274	0.12 276	0.06 127	0.04 24	0.06 125	0.05 132	0.04 21	0.04 49

IPLGR	0.11 220	0.09 348	0.16 384	0.18 324	0.08 145	0.12 235	0.17 354	0.21 289	0.24 365	0.11 190	0.12 200	0.11 215	0.08 168	0.12 225	0.12 276	0.06 127	0.05 208	0.06 125	0.06 213	0.04 21	0.04 49

GMOStereo	0.11 220	0.09 348	0.07 8	0.19 382	0.08 145	0.12 235	0.28 554	0.13 76	0.17 238	0.11 190	0.17 278	0.14 278	0.12 296	0.07 4	0.07 1	0.05 35	0.05 208	0.09 399	0.07 306	0.04 21	0.04 49

error version	0.11 220	0.09 348	0.07 8	0.19 382	0.08 145	0.12 235	0.28 554	0.13 76	0.17 238	0.11 190	0.17 278	0.14 278	0.12 296	0.07 4	0.07 1	0.05 35	0.05 208	0.09 399	0.07 306	0.04 21	0.04 49

test-v	0.11 220	0.09 348	0.07 8	0.19 382	0.08 145	0.12 235	0.28 554	0.13 76	0.17 238	0.11 190	0.17 278	0.14 278	0.12 296	0.07 4	0.07 1	0.05 35	0.05 208	0.09 399	0.07 306	0.04 21	0.04 49

ACRE	0.11 220	0.08 273	0.14 299	0.17 242	0.08 145	0.12 235	0.15 251	0.17 195	0.14 166	0.14 281	0.10 143	0.16 321	0.09 199	0.16 356	0.11 218	0.07 274	0.05 208	0.06 125	0.05 132	0.05 119	0.06 237

PFNet+	0.11 220	0.06 76	0.13 264	0.16 166	0.09 266	0.05 4	0.12 75	0.17 195	0.21 324	0.16 336	0.19 312	0.14 278	0.10 235	0.11 134	0.11 218	0.08 339	0.05 208	0.09 399	0.08 376	0.06 223	0.11 480

LCNet	0.11 220	0.07 167	0.09 92	0.19 382	0.09 266	0.08 60	0.15 251	0.21 289	0.15 185	0.11 190	0.15 245	0.16 321	0.11 265	0.12 225	0.11 218	0.05 35	0.04 24	0.08 317	0.07 306	0.06 223	0.15 538

HHNet	0.11 220	0.06 76	0.16 384	0.15 85	0.14 501	0.07 34	0.13 125	0.20 266	0.17 238	0.14 281	0.25 406	0.11 215	0.08 168	0.13 274	0.10 143	0.05 35	0.04 24	0.08 317	0.06 213	0.05 119	0.09 427

Patchmatch Stereo++	0.11 220	0.09 348	0.16 384	0.18 324	0.08 145	0.06 11	0.11 54	0.16 159	0.13 141	0.15 308	0.16 257	0.14 278	0.12 296	0.11 134	0.10 143	0.06 127	0.04 24	0.08 317	0.06 213	0.08 359	0.07 319
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
AAGNet	0.11 220	0.07 167	0.16 384	0.19 382	0.09 266	0.08 60	0.13 125	0.18 227	0.13 141	0.16 336	0.21 346	0.13 258	0.14 358	0.11 134	0.14 354	0.06 127	0.04 24	0.09 399	0.06 213	0.06 223	0.05 145

OMP-Stereo	0.11 220	0.06 76	0.14 299	0.18 324	0.08 145	0.09 97	0.12 75	0.21 289	0.21 324	0.13 260	0.14 228	0.11 215	0.12 296	0.11 134	0.13 317	0.06 127	0.04 24	0.07 227	0.06 213	0.05 119	0.04 49

IIG-Stereo	0.11 220	0.06 76	0.13 264	0.17 242	0.08 145	0.11 196	0.12 75	0.22 313	0.17 238	0.14 281	0.17 278	0.11 215	0.12 296	0.12 225	0.12 276	0.06 127	0.05 208	0.07 227	0.06 213	0.05 119	0.04 49

NF-Stereo	0.11 220	0.07 167	0.13 264	0.17 242	0.09 266	0.10 149	0.14 178	0.23 333	0.19 285	0.12 229	0.17 278	0.12 233	0.11 265	0.11 134	0.11 218	0.06 127	0.04 24	0.07 227	0.06 213	0.06 223	0.12 493

OCTAStereo	0.11 220	0.07 167	0.13 264	0.17 242	0.09 266	0.10 149	0.14 178	0.23 333	0.19 285	0.12 229	0.17 278	0.12 233	0.11 265	0.11 134	0.11 218	0.06 127	0.04 24	0.07 227	0.06 213	0.06 223	0.12 493

NRIStereo	0.11 220	0.08 273	0.14 299	0.18 324	0.08 145	0.10 149	0.14 178	0.16 159	0.15 185	0.12 229	0.14 228	0.13 258	0.12 296	0.13 274	0.10 143	0.06 127	0.04 24	0.07 227	0.06 213	0.06 223	0.07 319

PSM-adaLoss	0.11 220	0.09 348	0.16 384	0.18 324	0.08 145	0.06 11	0.12 75	0.16 159	0.13 141	0.15 308	0.16 257	0.14 278	0.12 296	0.11 134	0.10 143	0.06 127	0.04 24	0.08 317	0.06 213	0.08 359	0.07 319

PSM-AAD	0.11 220	0.07 167	0.10 137	0.19 382	0.09 266	0.10 149	0.15 251	0.20 266	0.13 141	0.12 229	0.14 228	0.18 354	0.11 265	0.11 134	0.10 143	0.05 35	0.05 208	0.09 399	0.08 376	0.06 223	0.14 531

ROB_FTStereo_v2	0.11 220	0.09 348	0.16 384	0.19 382	0.08 145	0.06 11	0.12 75	0.16 159	0.13 141	0.15 308	0.16 257	0.14 278	0.12 296	0.11 134	0.10 143	0.06 127	0.04 24	0.08 317	0.06 213	0.08 359	0.07 319

ROB_FTStereo	0.11 220	0.09 348	0.16 384	0.19 382	0.08 145	0.06 11	0.11 54	0.16 159	0.13 141	0.15 308	0.16 257	0.14 278	0.12 296	0.11 134	0.10 143	0.06 127	0.04 24	0.08 317	0.06 213	0.08 359	0.07 319

KYRaft	0.11 220	0.07 167	0.10 137	0.19 382	0.09 266	0.08 60	0.15 251	0.22 313	0.12 106	0.13 260	0.16 257	0.20 380	0.10 235	0.12 225	0.10 143	0.05 35	0.04 24	0.08 317	0.08 376	0.06 223	0.16 549

HUI-Stereo	0.11 220	0.09 348	0.16 384	0.18 324	0.08 145	0.06 11	0.12 75	0.16 159	0.13 141	0.15 308	0.16 257	0.14 278	0.12 296	0.11 134	0.10 143	0.06 127	0.04 24	0.08 317	0.06 213	0.08 359	0.07 319

ASMatch	0.11 220	0.06 76	0.13 264	0.16 166	0.10 374	0.07 34	0.14 178	0.17 195	0.17 238	0.12 229	0.16 257	0.16 321	0.10 235	0.13 274	0.10 143	0.05 35	0.04 24	0.06 125	0.05 132	0.04 21	0.08 383

RAFT_R40	0.11 220	0.07 167	0.14 299	0.18 324	0.09 266	0.06 11	0.13 125	0.17 195	0.16 215	0.14 281	0.18 303	0.15 307	0.12 296	0.10 82	0.11 218	0.06 127	0.04 24	0.09 399	0.06 213	0.06 223	0.05 145

GrayStereo	0.11 220	0.06 76	0.11 181	0.19 382	0.09 266	0.09 97	0.16 317	0.18 227	0.17 238	0.14 281	0.17 278	0.17 341	0.11 265	0.12 225	0.11 218	0.05 35	0.05 208	0.07 227	0.06 213	0.05 119	0.10 454

RE-Stereo	0.11 220	0.07 167	0.13 264	0.17 242	0.09 266	0.10 149	0.14 178	0.23 333	0.19 285	0.12 229	0.17 278	0.12 233	0.11 265	0.11 134	0.11 218	0.06 127	0.04 24	0.07 227	0.06 213	0.06 223	0.12 493

Pruner-Stereo	0.11 220	0.07 167	0.12 218	0.17 242	0.09 266	0.06 11	0.12 75	0.17 195	0.17 238	0.13 260	0.19 312	0.13 258	0.09 199	0.11 134	0.11 218	0.06 127	0.04 24	0.07 227	0.06 213	0.06 223	0.08 383

TVStereo	0.11 220	0.07 167	0.13 264	0.17 242	0.09 266	0.10 149	0.14 178	0.23 333	0.19 285	0.12 229	0.17 278	0.12 233	0.11 265	0.11 134	0.11 218	0.06 127	0.04 24	0.07 227	0.06 213	0.06 223	0.12 493

DeepStereo_RVC	0.11 220	0.08 273	0.16 384	0.18 324	0.08 145	0.08 60	0.12 75	0.17 195	0.12 106	0.13 260	0.14 228	0.12 233	0.12 296	0.12 225	0.11 218	0.06 127	0.04 24	0.07 227	0.06 213	0.07 296	0.08 383

iGMRVC	0.11 220	0.09 348	0.16 384	0.19 382	0.08 145	0.06 11	0.12 75	0.16 159	0.13 141	0.15 308	0.16 257	0.14 278	0.12 296	0.11 134	0.10 143	0.06 127	0.04 24	0.08 317	0.06 213	0.08 359	0.07 319

RAFT-RH_RVC	0.11 220	0.06 76	0.14 299	0.16 166	0.09 266	0.12 235	0.12 75	0.17 195	0.12 106	0.13 260	0.41 537	0.11 215	0.10 235	0.13 274	0.12 276	0.05 35	0.04 24	0.08 317	0.05 132	0.04 21	0.06 237

RAFT-345	0.11 220	0.07 167	0.15 350	0.16 166	0.08 145	0.08 60	0.12 75	0.15 129	0.10 47	0.11 190	0.36 500	0.09 157	0.09 199	0.11 134	0.12 276	0.05 35	0.05 208	0.07 227	0.06 213	0.04 21	0.05 145

iRAFT	0.11 220	0.09 348	0.16 384	0.18 324	0.08 145	0.06 11	0.11 54	0.16 159	0.13 141	0.15 308	0.16 257	0.14 278	0.12 296	0.11 134	0.10 143	0.06 127	0.04 24	0.08 317	0.06 213	0.08 359	0.07 319

CRE-IMP	0.11 220	0.09 348	0.16 384	0.19 382	0.08 145	0.10 149	0.12 75	0.18 227	0.10 47	0.14 281	0.13 214	0.13 258	0.12 296	0.12 225	0.11 218	0.07 274	0.04 24	0.08 317	0.06 213	0.08 359	0.08 383

test-2	0.11 220	0.09 348	0.07 8	0.19 382	0.08 145	0.12 235	0.28 554	0.13 76	0.17 238	0.11 190	0.17 278	0.14 278	0.12 296	0.07 4	0.07 1	0.05 35	0.05 208	0.09 399	0.07 306	0.04 21	0.04 49

GMM-Stereo	0.11 220	0.07 167	0.10 137	0.18 324	0.09 266	0.08 60	0.15 251	0.23 333	0.16 215	0.11 190	0.15 245	0.13 258	0.11 265	0.11 134	0.11 218	0.05 35	0.04 24	0.08 317	0.07 306	0.06 223	0.09 427

RAFT-IKP	0.11 220	0.09 348	0.16 384	0.19 382	0.08 145	0.06 11	0.12 75	0.16 159	0.13 141	0.15 308	0.16 257	0.14 278	0.12 296	0.11 134	0.10 143	0.06 127	0.04 24	0.08 317	0.06 213	0.08 359	0.07 319

Prome-Stereo	0.11 220	0.06 76	0.10 137	0.18 324	0.08 145	0.12 235	0.15 251	0.22 313	0.13 141	0.12 229	0.17 278	0.13 258	0.08 168	0.12 225	0.10 143	0.05 35	0.04 24	0.07 227	0.06 213	0.06 223	0.09 427

rafts_anoy	0.11 220	0.06 76	0.10 137	0.17 242	0.08 145	0.10 149	0.14 178	0.17 195	0.14 166	0.13 260	0.13 214	0.12 233	0.10 235	0.11 134	0.12 276	0.07 274	0.04 24	0.09 399	0.11 494	0.07 296	0.06 237

raft+_RVC	0.11 220	0.07 167	0.09 92	0.16 166	0.07 84	0.10 149	0.11 54	0.24 356	0.20 308	0.12 229	0.15 245	0.12 233	0.08 168	0.12 225	0.13 317	0.07 274	0.04 24	0.07 227	0.06 213	0.05 119	0.05 145

RALAANet	0.11 220	0.08 273	0.10 137	0.17 242	0.09 266	0.14 318	0.10 31	0.20 266	0.15 185	0.14 281	0.13 214	0.16 321	0.09 199	0.12 225	0.11 218	0.06 127	0.05 208	0.07 227	0.06 213	0.05 119	0.04 49

DIP-Stereo	0.11 220	0.07 167	0.14 299	0.17 242	0.09 266	0.13 285	0.09 18	0.16 159	0.16 215	0.11 190	0.16 257	0.14 278	0.12 296	0.15 321	0.13 317	0.06 127	0.05 208	0.06 125	0.05 132	0.05 119	0.06 237
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0083	0.12 289	0.08 273	0.17 414	0.16 166	0.09 266	0.11 196	0.15 251	0.14 97	0.26 400	0.11 190	0.14 228	0.13 258	0.10 235	0.12 225	0.12 276	0.10 440	0.08 442	0.09 399	0.07 306	0.07 296	0.05 145

rvit_stereo_ft	0.12 289	0.07 167	0.13 264	0.19 382	0.10 374	0.12 235	0.17 354	0.16 159	0.16 215	0.12 229	0.13 214	0.15 307	0.10 235	0.14 299	0.13 317	0.09 399	0.06 341	0.08 317	0.07 306	0.07 296	0.05 145

test_sample2	0.12 289	0.07 167	0.12 218	0.14 41	0.08 145	0.16 373	0.18 402	0.21 289	0.16 215	0.14 281	0.20 324	0.19 368	0.15 376	0.15 321	0.12 276	0.08 339	0.05 208	0.07 227	0.06 213	0.08 359	0.07 319

MyStereo8	0.12 289	0.07 167	0.15 350	0.15 85	0.09 266	0.18 413	0.14 178	0.19 255	0.22 338	0.12 229	0.18 303	0.11 215	0.10 235	0.16 356	0.18 431	0.07 274	0.05 208	0.07 227	0.05 132	0.08 359	0.09 427

CoDeX	0.12 289	0.07 167	0.12 218	0.17 242	0.08 145	0.12 235	0.15 251	0.23 333	0.27 410	0.13 260	0.17 278	0.16 321	0.11 265	0.14 299	0.11 218	0.07 274	0.05 208	0.07 227	0.06 213	0.06 223	0.05 145

11t1	0.12 289	0.06 76	0.13 264	0.14 41	0.08 145	0.17 394	0.15 251	0.18 227	0.15 185	0.15 308	0.15 245	0.16 321	0.16 402	0.15 321	0.13 317	0.08 339	0.05 208	0.06 125	0.05 132	0.08 359	0.07 319

ffm	0.12 289	0.09 348	0.14 299	0.16 166	0.08 145	0.17 394	0.17 354	0.15 129	0.19 285	0.15 308	0.25 406	0.19 368	0.13 334	0.10 82	0.07 1	0.06 127	0.04 24	0.09 399	0.08 376	0.06 223	0.06 237

RAFT_CTSACE	0.12 289	0.09 348	0.10 137	0.22 490	0.08 145	0.12 235	0.24 517	0.18 227	0.16 215	0.20 420	0.27 432	0.13 258	0.07 128	0.13 274	0.09 62	0.05 35	0.06 341	0.08 317	0.07 306	0.04 21	0.04 49

Sa-1000	0.12 289	0.08 273	0.08 40	0.18 324	0.08 145	0.14 318	0.22 494	0.22 313	0.18 268	0.15 308	0.20 324	0.17 341	0.11 265	0.10 82	0.10 143	0.06 127	0.05 208	0.09 399	0.09 422	0.05 119	0.05 145

SA	0.12 289	0.09 348	0.08 40	0.18 324	0.08 145	0.12 235	0.24 517	0.23 333	0.18 268	0.17 351	0.27 432	0.14 278	0.11 265	0.11 134	0.11 218	0.05 35	0.05 208	0.09 399	0.08 376	0.05 119	0.04 49

iRaft-Stereo_5w	0.12 289	0.09 348	0.12 218	0.19 382	0.08 145	0.09 97	0.12 75	0.21 289	0.21 324	0.19 397	0.14 228	0.11 215	0.09 199	0.20 449	0.16 398	0.05 35	0.05 208	0.07 227	0.06 213	0.05 119	0.06 237

CrosDoStereo	0.12 289	0.06 76	0.12 218	0.14 41	0.08 145	0.12 235	0.15 251	0.17 195	0.22 338	0.19 397	0.24 378	0.15 307	0.11 265	0.11 134	0.12 276	0.06 127	0.04 24	0.07 227	0.07 306	0.05 119	0.05 145

PSM-softLoss	0.12 289	0.07 167	0.15 350	0.17 242	0.09 266	0.08 60	0.13 125	0.24 356	0.17 238	0.14 281	0.19 312	0.13 258	0.11 265	0.11 134	0.11 218	0.07 274	0.05 208	0.08 317	0.07 306	0.06 223	0.12 493

KMStereo	0.12 289	0.07 167	0.15 350	0.17 242	0.09 266	0.08 60	0.13 125	0.24 356	0.17 238	0.14 281	0.19 312	0.13 258	0.11 265	0.11 134	0.11 218	0.07 274	0.05 208	0.08 317	0.07 306	0.06 223	0.12 493

FTStereo	0.12 289	0.06 76	0.14 299	0.18 324	0.09 266	0.07 34	0.15 251	0.21 289	0.18 268	0.12 229	0.24 378	0.12 233	0.12 296	0.13 274	0.13 317	0.05 35	0.05 208	0.07 227	0.06 213	0.06 223	0.10 454

DeepStereo_LL	0.12 289	0.06 76	0.12 218	0.14 41	0.08 145	0.12 235	0.15 251	0.17 195	0.22 338	0.19 397	0.24 378	0.15 307	0.11 265	0.11 134	0.12 276	0.06 127	0.04 24	0.07 227	0.07 306	0.05 119	0.05 145

DEmStereo	0.12 289	0.06 76	0.14 299	0.14 41	0.10 374	0.16 373	0.15 251	0.16 159	0.24 365	0.17 351	0.24 378	0.13 258	0.14 358	0.12 225	0.13 317	0.05 35	0.04 24	0.07 227	0.06 213	0.05 119	0.05 145

THIR-Stereo	0.12 289	0.07 167	0.11 181	0.15 85	0.08 145	0.14 318	0.16 317	0.17 195	0.25 386	0.16 336	0.24 378	0.14 278	0.12 296	0.12 225	0.14 354	0.06 127	0.04 24	0.07 227	0.07 306	0.05 119	0.05 145

DRaft	0.12 289	0.06 76	0.11 181	0.14 41	0.09 266	0.14 318	0.17 354	0.21 289	0.30 440	0.17 351	0.28 446	0.10 190	0.15 376	0.10 82	0.12 276	0.05 35	0.04 24	0.07 227	0.06 213	0.05 119	0.05 145

PFNet	0.12 289	0.06 76	0.17 414	0.17 242	0.08 145	0.09 97	0.15 251	0.26 390	0.20 308	0.16 336	0.16 257	0.14 278	0.11 265	0.12 225	0.11 218	0.06 127	0.04 24	0.07 227	0.06 213	0.05 119	0.05 145

IRAFT_RVC	0.12 289	0.08 273	0.16 384	0.19 382	0.08 145	0.07 34	0.15 251	0.24 356	0.23 349	0.14 281	0.14 228	0.15 307	0.12 296	0.12 225	0.10 143	0.06 127	0.04 24	0.09 399	0.06 213	0.06 223	0.06 237

sCroCo_RVC	0.12 289	0.09 348	0.23 485	0.24 524	0.11 425	0.19 436	0.14 178	0.17 195	0.14 166	0.10 158	0.13 214	0.12 233	0.07 128	0.14 299	0.11 218	0.08 339	0.08 442	0.08 317	0.08 376	0.05 119	0.07 319

ARAFT	0.12 289	0.08 273	0.17 414	0.19 382	0.09 266	0.14 318	0.18 402	0.20 266	0.12 106	0.12 229	0.13 214	0.14 278	0.11 265	0.15 321	0.12 276	0.06 127	0.05 208	0.10 446	0.09 422	0.05 119	0.04 49

BEATNet_4x	0.12 289	0.08 273	0.14 299	0.18 324	0.07 84	0.15 344	0.07 3	0.22 313	0.18 268	0.16 336	0.19 312	0.18 354	0.14 358	0.16 356	0.15 382	0.07 274	0.05 208	0.05 34	0.05 132	0.06 223	0.06 237

MLCV	0.12 289	0.07 167	0.16 384	0.18 324	0.06 16	0.15 344	0.17 354	0.19 255	0.21 324	0.18 381	0.25 406	0.17 341	0.13 334	0.14 299	0.13 317	0.05 35	0.04 24	0.05 34	0.04 46	0.05 119	0.04 49

G2L-ROB	0.13 314	0.06 76	0.13 264	0.13 14	0.08 145	0.14 318	0.16 317	0.25 372	0.18 268	0.19 397	0.18 303	0.20 380	0.14 358	0.17 388	0.16 398	0.08 339	0.05 208	0.06 125	0.05 132	0.08 359	0.09 427

xyz-stereo	0.13 314	0.07 167	0.20 461	0.15 85	0.05 1	0.20 451	0.15 251	0.17 195	0.31 447	0.15 308	0.29 458	0.26 455	0.16 402	0.13 274	0.12 276	0.05 35	0.05 208	0.06 125	0.05 132	0.04 21	0.04 49

DFGA-Net	0.13 314	0.11 434	0.18 437	0.17 242	0.10 374	0.12 235	0.13 125	0.22 313	0.25 386	0.16 336	0.16 257	0.13 258	0.12 296	0.16 356	0.14 354	0.07 274	0.05 208	0.08 317	0.07 306	0.05 119	0.05 145

FACV-RUCA	0.13 314	0.11 434	0.12 218	0.19 382	0.12 458	0.15 344	0.15 251	0.22 313	0.20 308	0.15 308	0.16 257	0.14 278	0.16 402	0.14 299	0.13 317	0.07 274	0.05 208	0.08 317	0.06 213	0.10 453	0.08 383

UGAM	0.13 314	0.10 408	0.09 92	0.22 490	0.08 145	0.12 235	0.20 464	0.17 195	0.23 349	0.21 434	0.16 257	0.13 258	0.13 334	0.19 424	0.12 276	0.07 274	0.05 208	0.13 511	0.11 494	0.07 296	0.05 145

test_sample1	0.13 314	0.07 167	0.14 299	0.13 14	0.08 145	0.19 436	0.16 317	0.20 266	0.15 185	0.14 281	0.22 357	0.18 354	0.16 402	0.17 388	0.14 354	0.07 274	0.06 341	0.06 125	0.06 213	0.08 359	0.07 319

qqq1	0.13 314	0.07 167	0.17 414	0.14 41	0.08 145	0.16 373	0.17 354	0.26 390	0.27 410	0.19 397	0.20 324	0.18 354	0.15 376	0.15 321	0.11 218	0.08 339	0.05 208	0.05 34	0.05 132	0.06 223	0.06 237

fff1	0.13 314	0.07 167	0.17 414	0.14 41	0.08 145	0.16 373	0.17 354	0.26 390	0.27 410	0.19 397	0.20 324	0.18 354	0.15 376	0.15 321	0.11 218	0.08 339	0.05 208	0.05 34	0.05 132	0.06 223	0.06 237

MyStereo05	0.13 314	0.07 167	0.10 137	0.17 242	0.09 266	0.13 285	0.18 402	0.27 411	0.35 482	0.17 351	0.14 228	0.15 307	0.11 265	0.15 321	0.13 317	0.06 127	0.05 208	0.07 227	0.07 306	0.06 223	0.06 237

MyStereo04	0.13 314	0.07 167	0.10 137	0.17 242	0.09 266	0.14 318	0.18 402	0.29 442	0.38 500	0.17 351	0.14 228	0.16 321	0.10 235	0.15 321	0.13 317	0.06 127	0.05 208	0.08 317	0.07 306	0.06 223	0.06 237

ff1	0.13 314	0.09 348	0.14 299	0.16 166	0.08 145	0.17 394	0.17 354	0.15 129	0.19 285	0.15 308	0.25 406	0.19 368	0.13 334	0.14 299	0.20 450	0.06 127	0.04 24	0.09 399	0.08 376	0.06 223	0.06 237

StereoVision	0.13 314	0.12 452	0.09 92	0.24 524	0.10 374	0.15 344	0.21 484	0.21 289	0.20 308	0.12 229	0.24 378	0.10 190	0.10 235	0.16 356	0.10 143	0.09 399	0.11 506	0.12 496	0.12 514	0.06 223	0.05 145

LL-Strereo	0.13 314	0.09 348	0.11 181	0.20 442	0.10 374	0.11 196	0.18 402	0.32 477	0.24 365	0.15 308	0.15 245	0.14 278	0.13 334	0.19 424	0.11 218	0.06 127	0.04 24	0.09 399	0.08 376	0.04 21	0.05 145

CASS	0.13 314	0.12 452	0.11 181	0.23 514	0.09 266	0.15 344	0.17 354	0.18 227	0.19 285	0.17 351	0.18 303	0.15 307	0.15 376	0.14 299	0.14 354	0.09 399	0.06 341	0.10 446	0.08 376	0.09 422	0.07 319
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 314	0.07 167	0.13 264	0.18 324	0.09 266	0.13 285	0.17 354	0.19 255	0.29 431	0.15 308	0.24 378	0.15 307	0.14 358	0.14 299	0.14 354	0.07 274	0.05 208	0.07 227	0.09 422	0.05 119	0.06 237

TestStereo1	0.13 314	0.08 273	0.08 40	0.19 382	0.08 145	0.18 413	0.29 563	0.23 333	0.16 215	0.17 351	0.20 324	0.16 321	0.10 235	0.12 225	0.13 317	0.06 127	0.06 341	0.08 317	0.06 213	0.05 119	0.05 145

qqq	0.13 314	0.09 348	0.15 350	0.16 166	0.08 145	0.13 285	0.15 251	0.23 333	0.16 215	0.15 308	0.19 312	0.16 321	0.16 402	0.15 321	0.16 398	0.07 274	0.06 341	0.08 317	0.08 376	0.07 296	0.07 319

x	0.13 314	0.07 167	0.14 299	0.14 41	0.08 145	0.18 413	0.14 178	0.22 313	0.20 308	0.15 308	0.19 312	0.19 368	0.17 425	0.18 409	0.18 431	0.07 274	0.05 208	0.06 125	0.06 213	0.07 296	0.07 319

raft_robust	0.13 314	0.10 408	0.07 8	0.18 324	0.08 145	0.13 285	0.24 517	0.28 430	0.33 461	0.20 420	0.19 312	0.14 278	0.10 235	0.11 134	0.12 276	0.05 35	0.05 208	0.07 227	0.07 306	0.05 119	0.04 49

RAFT+CT+SA	0.13 314	0.11 434	0.09 92	0.19 382	0.09 266	0.15 344	0.28 554	0.22 313	0.22 338	0.15 308	0.26 423	0.10 190	0.10 235	0.11 134	0.12 276	0.05 35	0.04 24	0.07 227	0.08 376	0.07 296	0.06 237

SA-5K	0.13 314	0.08 273	0.08 40	0.19 382	0.08 145	0.18 413	0.29 563	0.23 333	0.16 215	0.17 351	0.20 324	0.16 321	0.10 235	0.12 225	0.13 317	0.06 127	0.06 341	0.08 317	0.06 213	0.05 119	0.05 145

GwcNet-ADL	0.13 314	0.08 273	0.14 299	0.20 442	0.09 266	0.11 196	0.20 464	0.30 456	0.24 365	0.13 260	0.14 228	0.18 354	0.14 358	0.13 274	0.14 354	0.07 274	0.05 208	0.06 125	0.05 132	0.07 296	0.06 237

GANet-ADL	0.13 314	0.07 167	0.15 350	0.17 242	0.10 374	0.18 413	0.15 251	0.30 456	0.20 308	0.13 260	0.18 303	0.19 368	0.12 296	0.16 356	0.13 317	0.08 339	0.06 341	0.06 125	0.05 132	0.07 296	0.08 383

RAFT	0.13 314	0.09 348	0.11 181	0.18 324	0.08 145	0.15 344	0.24 517	0.20 266	0.19 285	0.21 434	0.21 346	0.17 341	0.12 296	0.16 356	0.09 62	0.06 127	0.07 413	0.10 446	0.09 422	0.05 119	0.05 145

TestStereo	0.13 314	0.14 493	0.11 181	0.23 514	0.08 145	0.15 344	0.21 484	0.20 266	0.23 349	0.14 281	0.24 378	0.16 321	0.12 296	0.16 356	0.14 354	0.05 35	0.06 341	0.08 317	0.06 213	0.09 422	0.05 145

sAnonymous2	0.13 314	0.12 452	0.24 489	0.20 442	0.12 458	0.17 394	0.13 125	0.26 390	0.21 324	0.11 190	0.11 184	0.13 258	0.08 168	0.10 82	0.10 143	0.09 399	0.05 208	0.08 317	0.06 213	0.15 538	0.10 454

CroCo_RVC	0.13 314	0.12 452	0.24 489	0.20 442	0.12 458	0.17 394	0.13 125	0.26 390	0.21 324	0.11 190	0.11 184	0.13 258	0.08 168	0.10 82	0.10 143	0.09 399	0.05 208	0.08 317	0.06 213	0.15 538	0.10 454

RAFT + AFF	0.13 314	0.07 167	0.20 461	0.20 442	0.10 374	0.14 318	0.24 517	0.26 390	0.20 308	0.11 190	0.10 143	0.12 233	0.10 235	0.15 321	0.12 276	0.07 274	0.06 341	0.09 399	0.08 376	0.06 223	0.08 383

GMStereo	0.13 314	0.14 493	0.14 299	0.18 324	0.09 266	0.15 344	0.16 317	0.20 266	0.24 365	0.16 336	0.17 278	0.10 190	0.10 235	0.16 356	0.13 317	0.07 274	0.06 341	0.06 125	0.06 213	0.07 296	0.06 237
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 314	0.07 167	0.14 299	0.17 242	0.09 266	0.15 344	0.16 317	0.28 430	0.27 410	0.14 281	0.17 278	0.12 233	0.13 334	0.14 299	0.11 218	0.08 339	0.05 208	0.07 227	0.07 306	0.07 296	0.06 237

FENet	0.13 314	0.08 273	0.12 218	0.16 166	0.08 145	0.14 318	0.15 251	0.22 313	0.23 349	0.17 351	0.23 366	0.16 321	0.12 296	0.14 299	0.15 382	0.08 339	0.05 208	0.08 317	0.08 376	0.07 296	0.07 319

cf-r	0.13 314	0.07 167	0.12 218	0.16 166	0.08 145	0.14 318	0.19 441	0.20 266	0.25 386	0.17 351	0.25 406	0.21 389	0.16 402	0.14 299	0.14 354	0.10 440	0.05 208	0.06 125	0.08 376	0.06 223	0.06 237

iResNet	0.13 314	0.10 408	0.18 437	0.19 382	0.08 145	0.13 285	0.18 402	0.20 266	0.26 400	0.15 308	0.23 366	0.15 307	0.13 334	0.14 299	0.14 354	0.06 127	0.04 24	0.06 125	0.05 132	0.06 223	0.05 145

DN-CSS_ROB	0.13 314	0.13 481	0.16 384	0.18 324	0.10 374	0.16 373	0.08 7	0.22 313	0.18 268	0.17 351	0.22 357	0.13 258	0.13 334	0.12 225	0.13 317	0.05 35	0.05 208	0.10 446	0.10 462	0.08 359	0.06 237

G2L-Stereo_test	0.14 348	0.07 167	0.11 181	0.13 14	0.08 145	0.12 235	0.16 317	0.30 456	0.28 424	0.20 420	0.23 366	0.20 380	0.16 402	0.17 388	0.18 431	0.07 274	0.05 208	0.05 34	0.05 132	0.07 296	0.06 237

coex_refinement	0.14 348	0.07 167	0.12 218	0.17 242	0.10 374	0.15 344	0.15 251	0.26 390	0.29 431	0.18 381	0.20 324	0.22 407	0.17 425	0.16 356	0.18 431	0.08 339	0.05 208	0.06 125	0.06 213	0.09 422	0.08 383

G2L-Stereo	0.14 348	0.07 167	0.13 264	0.17 242	0.09 266	0.13 285	0.12 75	0.27 411	0.22 338	0.16 336	0.27 432	0.21 389	0.13 334	0.17 388	0.18 431	0.09 399	0.08 442	0.08 317	0.07 306	0.07 296	0.07 319

rvit_0105_6	0.14 348	0.09 348	0.18 437	0.17 242	0.10 374	0.10 149	0.16 317	0.19 255	0.26 400	0.12 229	0.18 303	0.17 341	0.12 296	0.18 409	0.12 276	0.15 536	0.11 506	0.12 496	0.10 462	0.09 422	0.06 237

rvit_0105_5	0.14 348	0.09 348	0.13 264	0.17 242	0.09 266	0.14 318	0.23 505	0.24 356	0.27 410	0.14 281	0.15 245	0.18 354	0.12 296	0.17 388	0.14 354	0.14 532	0.11 506	0.10 446	0.10 462	0.08 359	0.06 237

rvit_0105_4	0.14 348	0.09 348	0.17 414	0.17 242	0.10 374	0.12 235	0.19 441	0.23 333	0.27 410	0.14 281	0.20 324	0.17 341	0.13 334	0.17 388	0.13 317	0.15 536	0.11 506	0.11 477	0.10 462	0.09 422	0.06 237

DCVSM-stereo	0.14 348	0.09 348	0.16 384	0.16 166	0.10 374	0.15 344	0.09 18	0.19 255	0.23 349	0.20 420	0.23 366	0.26 455	0.15 376	0.18 409	0.14 354	0.09 399	0.07 413	0.09 399	0.08 376	0.10 453	0.12 493

test_sample6	0.14 348	0.08 273	0.13 264	0.16 166	0.08 145	0.17 394	0.19 441	0.25 372	0.17 238	0.17 351	0.27 432	0.19 368	0.14 358	0.15 321	0.13 317	0.08 339	0.05 208	0.08 317	0.07 306	0.08 359	0.08 383

test_sample5	0.14 348	0.08 273	0.14 299	0.16 166	0.08 145	0.18 413	0.18 402	0.25 372	0.17 238	0.17 351	0.27 432	0.18 354	0.14 358	0.16 356	0.13 317	0.08 339	0.05 208	0.08 317	0.07 306	0.08 359	0.08 383

test_sample4	0.14 348	0.08 273	0.14 299	0.15 85	0.08 145	0.19 436	0.18 402	0.26 390	0.17 238	0.16 336	0.25 406	0.18 354	0.14 358	0.16 356	0.13 317	0.08 339	0.06 341	0.08 317	0.06 213	0.08 359	0.08 383

test_sample3	0.14 348	0.08 273	0.15 350	0.14 41	0.09 266	0.19 436	0.17 354	0.26 390	0.18 268	0.16 336	0.22 357	0.19 368	0.15 376	0.17 388	0.13 317	0.08 339	0.06 341	0.07 227	0.06 213	0.09 422	0.08 383

DispNO	0.14 348	0.08 273	0.17 414	0.19 382	0.12 458	0.11 196	0.21 484	0.23 333	0.29 431	0.17 351	0.23 366	0.18 354	0.17 425	0.15 321	0.15 382	0.07 274	0.05 208	0.08 317	0.08 376	0.07 296	0.06 237

SMFormer	0.14 348	0.07 167	0.17 414	0.14 41	0.08 145	0.16 373	0.17 354	0.26 390	0.27 410	0.19 397	0.20 324	0.18 354	0.15 376	0.15 321	0.17 413	0.08 339	0.05 208	0.07 227	0.06 213	0.07 296	0.06 237

tta	0.14 348	0.07 167	0.17 414	0.14 41	0.08 145	0.16 373	0.17 354	0.26 390	0.27 410	0.19 397	0.20 324	0.18 354	0.15 376	0.15 321	0.17 413	0.08 339	0.05 208	0.07 227	0.06 213	0.06 223	0.06 237

mmm	0.14 348	0.08 273	0.17 414	0.17 242	0.09 266	0.17 394	0.18 402	0.21 289	0.15 185	0.15 308	0.23 366	0.21 389	0.16 402	0.16 356	0.17 413	0.08 339	0.05 208	0.08 317	0.07 306	0.07 296	0.07 319

DualNet	0.14 348	0.08 273	0.14 299	0.16 166	0.08 145	0.18 413	0.18 402	0.25 372	0.17 238	0.17 351	0.27 432	0.18 354	0.14 358	0.16 356	0.13 317	0.08 339	0.05 208	0.08 317	0.07 306	0.08 359	0.08 383

mmx	0.14 348	0.09 348	0.14 299	0.16 166	0.08 145	0.17 394	0.17 354	0.27 411	0.25 386	0.15 308	0.25 406	0.19 368	0.13 334	0.14 299	0.20 450	0.08 339	0.06 341	0.09 399	0.08 376	0.08 359	0.08 383

xxx	0.14 348	0.09 348	0.14 299	0.16 166	0.08 145	0.17 394	0.17 354	0.27 411	0.25 386	0.15 308	0.25 406	0.19 368	0.13 334	0.14 299	0.20 450	0.08 339	0.06 341	0.09 399	0.08 376	0.08 359	0.08 383

PCWNet_CMD	0.14 348	0.08 273	0.15 350	0.17 242	0.09 266	0.14 318	0.14 178	0.29 442	0.36 486	0.14 281	0.20 324	0.21 389	0.12 296	0.17 388	0.13 317	0.07 274	0.05 208	0.07 227	0.07 306	0.07 296	0.07 319

CBFPSM	0.14 348	0.06 76	0.26 497	0.17 242	0.09 266	0.13 285	0.15 251	0.22 313	0.23 349	0.20 420	0.27 432	0.24 431	0.16 402	0.16 356	0.18 431	0.06 127	0.06 341	0.06 125	0.07 306	0.07 296	0.07 319

gwcnet-sp	0.14 348	0.07 167	0.12 218	0.18 324	0.09 266	0.16 373	0.17 354	0.24 356	0.24 365	0.18 381	0.24 378	0.15 307	0.16 402	0.15 321	0.15 382	0.08 339	0.06 341	0.07 227	0.08 376	0.08 359	0.07 319

scenet	0.14 348	0.07 167	0.12 218	0.18 324	0.09 266	0.16 373	0.17 354	0.24 356	0.24 365	0.18 381	0.24 378	0.15 307	0.16 402	0.15 321	0.15 382	0.08 339	0.06 341	0.07 227	0.08 376	0.08 359	0.07 319

ssnet	0.14 348	0.07 167	0.12 218	0.18 324	0.09 266	0.16 373	0.17 354	0.24 356	0.24 365	0.18 381	0.24 378	0.15 307	0.16 402	0.15 321	0.15 382	0.08 339	0.06 341	0.07 227	0.08 376	0.08 359	0.07 319

BUS	0.14 348	0.09 348	0.14 299	0.22 490	0.10 374	0.19 436	0.14 178	0.34 506	0.19 285	0.17 351	0.22 357	0.16 321	0.13 334	0.15 321	0.13 317	0.08 339	0.06 341	0.10 446	0.09 422	0.07 296	0.07 319

IER	0.14 348	0.07 167	0.13 264	0.17 242	0.09 266	0.14 318	0.16 317	0.25 372	0.26 400	0.18 381	0.25 406	0.17 341	0.20 467	0.16 356	0.14 354	0.08 339	0.05 208	0.07 227	0.06 213	0.08 359	0.07 319

test_5	0.14 348	0.12 452	0.08 40	0.20 442	0.10 374	0.14 318	0.29 563	0.21 289	0.24 365	0.18 381	0.28 446	0.11 215	0.15 376	0.12 225	0.13 317	0.06 127	0.05 208	0.07 227	0.08 376	0.08 359	0.07 319

psmg	0.14 348	0.09 348	0.14 299	0.17 242	0.10 374	0.15 344	0.17 354	0.29 442	0.19 285	0.17 351	0.21 346	0.25 445	0.16 402	0.15 321	0.14 354	0.08 339	0.06 341	0.08 317	0.08 376	0.07 296	0.06 237

UDGNet	0.14 348	0.13 481	0.16 384	0.17 242	0.10 374	0.12 235	0.16 317	0.21 289	0.27 410	0.20 420	0.20 324	0.16 321	0.13 334	0.16 356	0.13 317	0.10 440	0.06 341	0.09 399	0.07 306	0.06 223	0.07 319

CFNet_pseudo	0.14 348	0.08 273	0.15 350	0.16 166	0.09 266	0.13 285	0.14 178	0.27 411	0.34 473	0.14 281	0.21 346	0.22 407	0.13 334	0.18 409	0.14 354	0.07 274	0.05 208	0.08 317	0.06 213	0.07 296	0.07 319

GES	0.14 348	0.08 273	0.16 384	0.15 85	0.10 374	0.13 285	0.13 125	0.28 430	0.25 386	0.16 336	0.23 366	0.18 354	0.13 334	0.16 356	0.13 317	0.08 339	0.07 413	0.07 227	0.06 213	0.08 359	0.09 427

GANet-RSSM	0.14 348	0.07 167	0.13 264	0.13 14	0.08 145	0.14 318	0.17 354	0.22 313	0.21 324	0.17 351	0.24 378	0.23 425	0.15 376	0.16 356	0.15 382	0.10 440	0.06 341	0.07 227	0.08 376	0.08 359	0.07 319

PSMNet-RSSM	0.14 348	0.07 167	0.13 264	0.15 85	0.08 145	0.13 285	0.16 317	0.24 356	0.24 365	0.16 336	0.28 446	0.22 407	0.14 358	0.15 321	0.13 317	0.11 469	0.06 341	0.09 399	0.12 514	0.08 359	0.07 319

GwcNet-RSSM	0.14 348	0.07 167	0.12 218	0.15 85	0.08 145	0.15 344	0.20 464	0.21 289	0.27 410	0.18 381	0.27 432	0.22 407	0.16 402	0.14 299	0.15 382	0.10 440	0.05 208	0.07 227	0.09 422	0.07 296	0.07 319

CFNet-ft	0.14 348	0.07 167	0.15 350	0.12 5	0.09 266	0.16 373	0.18 402	0.22 313	0.24 365	0.17 351	0.26 423	0.24 431	0.14 358	0.16 356	0.14 354	0.11 469	0.06 341	0.08 317	0.09 422	0.09 422	0.08 383

DMCA	0.14 348	0.09 348	0.16 384	0.19 382	0.09 266	0.15 344	0.17 354	0.23 333	0.27 410	0.14 281	0.19 312	0.17 341	0.18 439	0.15 321	0.17 413	0.10 440	0.06 341	0.08 317	0.06 213	0.09 422	0.10 454

RASNet	0.14 348	0.07 167	0.14 299	0.16 166	0.08 145	0.18 413	0.14 178	0.29 442	0.20 308	0.17 351	0.25 406	0.21 389	0.18 439	0.20 449	0.19 444	0.07 274	0.06 341	0.06 125	0.08 376	0.06 223	0.06 237

MSMDNet	0.14 348	0.08 273	0.15 350	0.17 242	0.09 266	0.14 318	0.14 178	0.29 442	0.36 486	0.14 281	0.21 346	0.21 389	0.12 296	0.17 388	0.14 354	0.07 274	0.05 208	0.07 227	0.07 306	0.07 296	0.07 319

HSM-Net_RVC	0.14 348	0.08 273	0.11 181	0.15 85	0.08 145	0.15 344	0.15 251	0.27 411	0.29 431	0.19 397	0.21 346	0.29 481	0.14 358	0.17 388	0.13 317	0.06 127	0.06 341	0.06 125	0.06 213	0.07 296	0.06 237
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 348	0.07 167	0.15 350	0.12 5	0.09 266	0.16 373	0.18 402	0.22 313	0.24 365	0.17 351	0.26 423	0.24 431	0.14 358	0.16 356	0.14 354	0.11 469	0.06 341	0.08 317	0.09 422	0.09 422	0.08 383

ccs_rob	0.14 348	0.08 273	0.15 350	0.16 166	0.09 266	0.12 235	0.14 178	0.27 411	0.34 473	0.14 281	0.21 346	0.22 407	0.13 334	0.18 409	0.14 354	0.07 274	0.05 208	0.08 317	0.07 306	0.07 296	0.07 319

UCFNet_RVC	0.14 348	0.08 273	0.13 264	0.11 1	0.10 374	0.20 451	0.10 31	0.24 356	0.22 338	0.17 351	0.20 324	0.23 425	0.15 376	0.17 388	0.15 382	0.12 493	0.07 413	0.10 446	0.13 524	0.11 476	0.10 454

iResNetv2_ROB	0.14 348	0.08 273	0.15 350	0.16 166	0.08 145	0.16 373	0.12 75	0.25 372	0.35 482	0.21 434	0.29 458	0.24 431	0.13 334	0.14 299	0.14 354	0.06 127	0.05 208	0.06 125	0.04 46	0.09 422	0.08 383

iResNet_ROB	0.14 348	0.07 167	0.13 264	0.14 41	0.07 84	0.18 413	0.14 178	0.26 390	0.31 447	0.22 450	0.25 406	0.23 425	0.15 376	0.15 321	0.13 317	0.07 274	0.05 208	0.05 34	0.04 46	0.08 359	0.08 383

DDVS	0.15 391	0.10 408	0.21 470	0.16 166	0.12 458	0.15 344	0.14 178	0.25 372	0.19 285	0.18 381	0.29 458	0.27 463	0.12 296	0.19 424	0.15 382	0.09 399	0.06 341	0.09 399	0.07 306	0.11 476	0.11 480

rvit_0105_3	0.15 391	0.09 348	0.14 299	0.19 382	0.12 458	0.15 344	0.25 532	0.25 372	0.29 431	0.15 308	0.17 278	0.20 380	0.13 334	0.17 388	0.14 354	0.13 518	0.11 506	0.12 496	0.14 528	0.07 296	0.06 237

ACV-stereo	0.15 391	0.10 408	0.28 509	0.18 324	0.12 458	0.14 318	0.12 75	0.23 333	0.21 324	0.19 397	0.23 366	0.22 407	0.15 376	0.23 490	0.17 413	0.07 274	0.06 341	0.07 227	0.07 306	0.07 296	0.07 319

ITSA-stereo	0.15 391	0.10 408	0.14 299	0.19 382	0.08 145	0.12 235	0.14 178	0.30 456	0.49 546	0.17 351	0.19 312	0.22 407	0.15 376	0.17 388	0.16 398	0.10 440	0.06 341	0.08 317	0.08 376	0.08 359	0.08 383

test_sample7	0.15 391	0.10 408	0.16 384	0.14 41	0.11 425	0.16 373	0.16 317	0.27 411	0.23 349	0.20 420	0.20 324	0.24 431	0.19 455	0.16 356	0.16 398	0.12 493	0.06 341	0.10 446	0.09 422	0.10 453	0.10 454

1111x	0.15 391	0.08 273	0.12 218	0.18 324	0.07 84	0.18 413	0.25 532	0.31 466	0.24 365	0.17 351	0.24 378	0.26 455	0.15 376	0.13 274	0.23 491	0.07 274	0.07 413	0.08 317	0.09 422	0.07 296	0.06 237

CFNet_ucs	0.15 391	0.08 273	0.16 384	0.16 166	0.11 425	0.14 318	0.14 178	0.30 456	0.34 473	0.16 336	0.24 378	0.23 425	0.14 358	0.18 409	0.15 382	0.09 399	0.06 341	0.08 317	0.07 306	0.09 422	0.09 427

BSDual-CNN	0.15 391	0.09 348	0.14 299	0.22 490	0.10 374	0.14 318	0.15 251	0.34 506	0.19 285	0.17 351	0.22 357	0.25 445	0.16 402	0.15 321	0.14 354	0.08 339	0.06 341	0.10 446	0.09 422	0.07 296	0.07 319

hknet	0.15 391	0.11 434	0.13 264	0.22 490	0.11 425	0.14 318	0.15 251	0.34 506	0.25 386	0.17 351	0.22 357	0.22 407	0.18 439	0.17 388	0.12 276	0.07 274	0.06 341	0.10 446	0.09 422	0.07 296	0.07 319

dd	0.15 391	0.16 511	0.16 384	0.19 382	0.09 266	0.15 344	0.18 402	0.21 289	0.25 386	0.23 463	0.20 324	0.21 389	0.09 199	0.21 466	0.16 398	0.10 440	0.06 341	0.08 317	0.06 213	0.08 359	0.06 237

DAS	0.15 391	0.08 273	0.18 437	0.19 382	0.10 374	0.19 436	0.17 354	0.27 411	0.29 431	0.18 381	0.25 406	0.21 389	0.15 376	0.16 356	0.12 276	0.08 339	0.06 341	0.06 125	0.06 213	0.07 296	0.07 319

SepStereo	0.15 391	0.08 273	0.18 437	0.19 382	0.10 374	0.19 436	0.17 354	0.27 411	0.29 431	0.18 381	0.25 406	0.21 389	0.15 376	0.25 504	0.12 276	0.08 339	0.06 341	0.06 125	0.06 213	0.07 296	0.07 319

PSMNet-ADL	0.15 391	0.12 452	0.13 264	0.22 490	0.09 266	0.13 285	0.20 464	0.26 390	0.23 349	0.18 381	0.20 324	0.24 431	0.16 402	0.18 409	0.17 413	0.08 339	0.08 442	0.08 317	0.11 494	0.08 359	0.07 319

LMCR-Stereo	0.15 391	0.08 273	0.13 264	0.21 474	0.09 266	0.17 394	0.20 464	0.27 411	0.19 285	0.24 472	0.24 378	0.23 425	0.17 425	0.20 449	0.17 413	0.07 274	0.06 341	0.08 317	0.06 213	0.10 453	0.08 383

ICVP	0.15 391	0.09 348	0.12 218	0.22 490	0.09 266	0.17 394	0.21 484	0.25 372	0.23 349	0.18 381	0.30 465	0.26 455	0.18 439	0.17 388	0.14 354	0.09 399	0.07 413	0.08 317	0.07 306	0.07 296	0.07 319
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 391	0.07 167	0.14 299	0.14 41	0.08 145	0.23 492	0.18 402	0.31 466	0.19 285	0.14 281	0.28 446	0.22 407	0.14 358	0.15 321	0.26 525	0.09 399	0.05 208	0.07 227	0.07 306	0.08 359	0.07 319

test_xeample	0.15 391	0.06 76	0.13 264	0.14 41	0.08 145	0.21 468	0.20 464	0.28 430	0.20 308	0.16 336	0.29 458	0.19 368	0.16 402	0.15 321	0.26 525	0.09 399	0.05 208	0.07 227	0.07 306	0.07 296	0.07 319

ACVNet	0.15 391	0.09 348	0.15 350	0.13 14	0.12 458	0.14 318	0.20 464	0.22 313	0.33 461	0.17 351	0.26 423	0.21 389	0.16 402	0.17 388	0.21 470	0.07 274	0.06 341	0.06 125	0.06 213	0.08 359	0.06 237

acv_ft	0.15 391	0.09 348	0.15 350	0.19 382	0.10 374	0.16 373	0.17 354	0.25 372	0.33 461	0.19 397	0.26 423	0.21 389	0.17 425	0.17 388	0.18 431	0.07 274	0.06 341	0.06 125	0.06 213	0.08 359	0.06 237

CFNet	0.15 391	0.10 408	0.17 414	0.17 242	0.08 145	0.18 413	0.09 18	0.28 430	0.25 386	0.19 397	0.24 378	0.24 431	0.17 425	0.17 388	0.14 354	0.08 339	0.06 341	0.09 399	0.10 462	0.07 296	0.06 237

AdaStereo	0.15 391	0.11 434	0.15 350	0.18 324	0.09 266	0.20 451	0.11 54	0.32 477	0.28 424	0.20 420	0.23 366	0.20 380	0.13 334	0.19 424	0.14 354	0.12 493	0.05 208	0.10 446	0.07 306	0.09 422	0.07 319
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 391	0.08 273	0.14 299	0.16 166	0.09 266	0.16 373	0.14 178	0.28 430	0.25 386	0.19 397	0.23 366	0.37 535	0.16 402	0.20 449	0.15 382	0.07 274	0.05 208	0.07 227	0.06 213	0.07 296	0.06 237

pmcnn	0.15 391	0.07 167	0.19 449	0.15 85	0.07 84	0.20 451	0.15 251	0.24 356	0.26 400	0.21 434	0.34 493	0.28 473	0.18 439	0.18 409	0.17 413	0.07 274	0.05 208	0.05 34	0.04 46	0.07 296	0.06 237

DStereoRT	0.16 414	0.06 76	0.11 181	0.19 382	0.09 266	0.12 235	0.12 75	0.28 430	0.22 338	0.12 229	0.20 324	0.11 215	0.10 235	0.15 321	0.14 354	0.06 127	0.05 208	0.96 610	0.09 422	0.05 119	0.04 49

DualNet (step1)	0.16 414	0.12 452	0.20 461	0.12 5	0.14 501	0.17 394	0.13 125	0.27 411	0.23 349	0.20 420	0.20 324	0.24 431	0.19 455	0.16 356	0.16 398	0.15 536	0.06 341	0.14 523	0.14 528	0.14 522	0.12 493

GMStereo_Zeroshot	0.16 414	0.13 481	0.24 489	0.20 442	0.10 374	0.17 394	0.13 125	0.29 442	0.25 386	0.23 463	0.32 477	0.25 445	0.11 265	0.19 424	0.14 354	0.09 399	0.06 341	0.11 477	0.06 213	0.12 491	0.08 383

iinet-f	0.16 414	0.06 76	0.45 554	0.14 41	0.10 374	0.21 468	0.14 178	0.27 411	0.23 349	0.21 434	0.24 378	0.21 389	0.15 376	0.18 409	0.21 470	0.09 399	0.07 413	0.07 227	0.06 213	0.09 422	0.10 454

CRFU-Net	0.16 414	0.08 273	0.14 299	0.17 242	0.09 266	0.19 436	0.14 178	0.26 390	0.20 308	0.28 512	0.27 432	0.29 481	0.17 425	0.19 424	0.17 413	0.09 399	0.09 474	0.07 227	0.07 306	0.08 359	0.08 383

NINENet	0.16 414	0.10 408	0.15 350	0.17 242	0.11 425	0.19 436	0.14 178	0.40 550	0.36 486	0.18 381	0.21 346	0.16 321	0.13 334	0.15 321	0.13 317	0.08 339	0.08 442	0.10 446	0.07 306	0.10 453	0.09 427

CSP-Net	0.16 414	0.09 348	0.14 299	0.16 166	0.09 266	0.19 436	0.17 354	0.25 372	0.32 454	0.25 485	0.30 465	0.24 431	0.15 376	0.21 466	0.18 431	0.09 399	0.06 341	0.07 227	0.07 306	0.08 359	0.07 319

AASNet	0.16 414	0.08 273	0.12 218	0.19 382	0.09 266	0.18 413	0.15 251	0.37 534	0.37 493	0.19 397	0.23 366	0.20 380	0.16 402	0.17 388	0.20 450	0.10 440	0.08 442	0.08 317	0.07 306	0.09 422	0.09 427

AACVNet	0.16 414	0.08 273	0.14 299	0.15 85	0.10 374	0.18 413	0.15 251	0.23 333	0.24 365	0.27 497	0.27 432	0.28 473	0.17 425	0.19 424	0.16 398	0.09 399	0.07 413	0.09 399	0.07 306	0.10 453	0.09 427

ADLNet2	0.16 414	0.09 348	0.13 264	0.16 166	0.09 266	0.20 451	0.16 317	0.31 466	0.39 503	0.16 336	0.20 324	0.20 380	0.18 439	0.21 466	0.22 479	0.08 339	0.06 341	0.07 227	0.07 306	0.09 422	0.07 319

Anonymous3	0.16 414	0.13 481	0.33 529	0.26 540	0.14 501	0.27 528	0.17 354	0.28 430	0.28 424	0.15 308	0.17 278	0.14 278	0.10 235	0.15 321	0.12 276	0.08 339	0.08 442	0.08 317	0.08 376	0.08 359	0.11 480

ADLNet	0.16 414	0.08 273	0.15 350	0.16 166	0.10 374	0.16 373	0.17 354	0.32 477	0.27 410	0.22 450	0.27 432	0.24 431	0.16 402	0.18 409	0.21 470	0.10 440	0.06 341	0.10 446	0.10 462	0.08 359	0.09 427

HCRNet	0.16 414	0.24 557	0.12 218	0.35 573	0.11 425	0.15 344	0.17 354	0.26 390	0.22 338	0.19 397	0.24 378	0.21 389	0.14 358	0.15 321	0.13 317	0.11 469	0.07 413	0.11 477	0.10 462	0.09 422	0.07 319

222	0.16 414	0.07 167	0.14 299	0.14 41	0.08 145	0.24 497	0.18 402	0.30 456	0.20 308	0.17 351	0.28 446	0.17 341	0.16 402	0.15 321	0.40 578	0.10 440	0.05 208	0.07 227	0.06 213	0.07 296	0.08 383

UPFNet	0.16 414	0.08 273	0.12 218	0.20 442	0.12 458	0.20 451	0.23 505	0.28 430	0.26 400	0.17 351	0.24 378	0.22 407	0.19 455	0.19 424	0.21 470	0.09 399	0.07 413	0.08 317	0.09 422	0.08 359	0.06 237

ac_64	0.16 414	0.08 273	0.15 350	0.18 324	0.10 374	0.22 477	0.18 402	0.24 356	0.21 324	0.18 381	0.24 378	0.29 481	0.18 439	0.19 424	0.22 479	0.09 399	0.07 413	0.08 317	0.09 422	0.07 296	0.06 237

DSFCA	0.16 414	0.09 348	0.14 299	0.16 166	0.10 374	0.20 451	0.19 441	0.28 430	0.31 447	0.23 463	0.24 378	0.22 407	0.15 376	0.19 424	0.20 450	0.10 440	0.07 413	0.09 399	0.09 422	0.08 359	0.08 383

FADNet-RVC-Resample	0.16 414	0.11 434	0.31 522	0.22 490	0.11 425	0.19 436	0.14 178	0.25 372	0.24 365	0.24 472	0.27 432	0.20 380	0.15 376	0.16 356	0.15 382	0.07 274	0.08 442	0.12 496	0.10 462	0.09 422	0.10 454

FADNet_RVC	0.16 414	0.14 493	0.40 547	0.20 442	0.11 425	0.13 285	0.13 125	0.26 390	0.22 338	0.21 434	0.23 366	0.20 380	0.17 425	0.14 299	0.16 398	0.08 339	0.08 442	0.12 496	0.09 422	0.11 476	0.10 454

AANet_RVC	0.16 414	0.10 408	0.10 137	0.18 324	0.09 266	0.18 413	0.19 441	0.26 390	0.31 447	0.22 450	0.35 497	0.21 389	0.21 471	0.22 479	0.16 398	0.06 127	0.05 208	0.06 125	0.06 213	0.07 296	0.06 237

DeepPruner_ROB	0.16 414	0.11 434	0.15 350	0.17 242	0.10 374	0.17 394	0.15 251	0.32 477	0.21 324	0.19 397	0.21 346	0.22 407	0.18 439	0.20 449	0.15 382	0.13 518	0.09 474	0.09 399	0.09 422	0.11 476	0.10 454

z-ln-s-r	0.17 435	0.10 408	0.40 547	0.19 382	0.08 145	0.17 394	0.18 402	0.22 313	0.33 461	0.18 381	0.40 526	0.22 407	0.17 425	0.20 449	0.23 491	0.07 274	0.05 208	0.07 227	0.07 306	0.07 296	0.05 145

rvit_stereo_0075_2	0.17 435	0.12 452	0.25 494	0.23 514	0.16 531	0.13 285	0.10 31	0.30 456	0.27 410	0.20 420	0.28 446	0.22 407	0.15 376	0.18 409	0.13 317	0.16 552	0.10 494	0.17 545	0.10 462	0.10 453	0.09 427

ToySt	0.17 435	0.11 434	0.18 437	0.17 242	0.11 425	0.16 373	0.25 532	0.24 356	0.33 461	0.19 397	0.24 378	0.26 455	0.24 494	0.19 424	0.20 450	0.07 274	0.08 442	0.09 399	0.10 462	0.09 422	0.08 383

ssnet_v2	0.17 435	0.10 408	0.17 414	0.17 242	0.11 425	0.21 468	0.21 484	0.33 497	0.25 386	0.22 450	0.22 357	0.27 463	0.18 439	0.22 479	0.20 450	0.11 469	0.09 474	0.09 399	0.09 422	0.08 359	0.08 383

dad	0.17 435	0.20 542	0.20 461	0.16 166	0.11 425	0.20 451	0.18 402	0.21 289	0.28 424	0.30 526	0.24 378	0.29 481	0.13 334	0.19 424	0.16 398	0.18 558	0.09 474	0.11 477	0.09 422	0.11 476	0.07 319

GEStereo_RVC	0.17 435	0.12 452	0.15 350	0.22 490	0.11 425	0.19 436	0.17 354	0.32 477	0.48 539	0.20 420	0.25 406	0.17 341	0.13 334	0.21 466	0.16 398	0.10 440	0.06 341	0.08 317	0.07 306	0.09 422	0.08 383

MMNet	0.17 435	0.09 348	0.16 384	0.20 442	0.11 425	0.27 528	0.20 464	0.25 372	0.41 512	0.22 450	0.30 465	0.21 389	0.20 467	0.17 388	0.20 450	0.06 127	0.06 341	0.07 227	0.07 306	0.08 359	0.07 319

delet	0.17 435	0.08 273	0.17 414	0.19 382	0.11 425	0.20 451	0.21 484	0.30 456	0.37 493	0.17 351	0.26 423	0.19 368	0.19 455	0.19 424	0.21 470	0.08 339	0.08 442	0.09 399	0.11 494	0.06 223	0.06 237

UNet	0.17 435	0.09 348	0.18 437	0.19 382	0.12 458	0.27 528	0.19 441	0.33 497	0.29 431	0.21 434	0.24 378	0.23 425	0.19 455	0.19 424	0.18 431	0.07 274	0.06 341	0.08 317	0.07 306	0.08 359	0.06 237

HGLStereo	0.17 435	0.08 273	0.19 449	0.17 242	0.12 458	0.18 413	0.18 402	0.31 466	0.32 454	0.21 434	0.32 477	0.25 445	0.18 439	0.19 424	0.20 450	0.09 399	0.09 474	0.07 227	0.07 306	0.09 422	0.10 454

DMCA-RVC	0.17 435	0.10 408	0.15 350	0.24 524	0.11 425	0.18 413	0.18 402	0.25 372	0.24 365	0.21 434	0.26 423	0.25 445	0.27 517	0.18 409	0.20 450	0.12 493	0.08 442	0.13 511	0.10 462	0.10 453	0.08 383

TDLM	0.17 435	0.12 452	0.13 264	0.24 524	0.10 374	0.18 413	0.18 402	0.36 528	0.30 440	0.21 434	0.28 446	0.28 473	0.18 439	0.23 490	0.18 431	0.11 469	0.07 413	0.10 446	0.10 462	0.08 359	0.08 383

NLCA_NET_v2_RVC	0.17 435	0.10 408	0.22 476	0.20 442	0.10 374	0.15 344	0.18 402	0.31 466	0.25 386	0.21 434	0.30 465	0.25 445	0.17 425	0.21 466	0.20 450	0.09 399	0.06 341	0.08 317	0.08 376	0.07 296	0.08 383
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	0.17 435	0.12 452	0.15 350	0.20 442	0.09 266	0.18 413	0.18 402	0.26 390	0.23 349	0.26 491	0.40 526	0.22 407	0.17 425	0.21 466	0.20 450	0.08 339	0.05 208	0.09 399	0.10 462	0.07 296	0.07 319
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 449	0.08 273	0.19 449	0.19 382	0.13 481	0.15 344	0.12 75	0.30 456	0.32 454	0.21 434	0.25 406	0.27 463	0.17 425	0.17 388	0.20 450	0.20 565	0.08 442	0.14 523	0.14 528	0.14 522	0.17 558

test_sample9	0.18 449	0.12 452	0.20 461	0.12 5	0.14 501	0.17 394	0.13 125	0.27 411	0.23 349	0.20 420	0.20 324	0.24 431	0.19 455	0.19 424	0.17 413	0.15 536	0.30 585	0.14 523	0.14 528	0.14 522	0.12 493

fast-acv-ft	0.18 449	0.11 434	0.19 449	0.19 382	0.12 458	0.24 497	0.21 484	0.25 372	0.34 473	0.22 450	0.34 493	0.27 463	0.20 467	0.21 466	0.23 491	0.09 399	0.09 474	0.08 317	0.10 462	0.08 359	0.07 319

HBP-ISP	0.18 449	0.13 481	0.16 384	0.15 85	0.11 425	0.08 60	0.13 125	0.28 430	0.29 431	0.22 450	0.33 489	0.21 389	0.25 503	0.23 490	0.17 413	0.14 532	0.16 554	0.21 559	0.17 555	0.10 453	0.08 383

Wz-Net-LNSev-Ref	0.18 449	0.09 348	0.29 517	0.15 85	0.10 374	0.22 477	0.20 464	0.26 390	0.39 503	0.25 485	0.42 543	0.24 431	0.15 376	0.20 449	0.19 444	0.07 274	0.05 208	0.06 125	0.05 132	0.10 453	0.09 427

SACVNet	0.18 449	0.12 452	0.14 299	0.17 242	0.13 481	0.22 477	0.18 402	0.31 466	0.30 440	0.23 463	0.31 473	0.30 491	0.22 480	0.22 479	0.17 413	0.11 469	0.08 442	0.10 446	0.10 462	0.12 491	0.14 531

psm_up	0.18 449	0.10 408	0.18 437	0.20 442	0.11 425	0.17 394	0.19 441	0.37 534	0.34 473	0.21 434	0.28 446	0.29 481	0.24 494	0.20 449	0.22 479	0.09 399	0.10 494	0.11 477	0.11 494	0.08 359	0.08 383

hitnet-ft	0.18 449	0.09 348	0.17 414	0.14 41	0.09 266	0.26 518	0.20 464	0.25 372	0.26 400	0.24 472	0.32 477	0.31 504	0.22 480	0.24 499	0.21 470	0.12 493	0.07 413	0.10 446	0.08 376	0.12 491	0.11 480

STTStereo	0.18 449	0.12 452	0.27 504	0.20 442	0.11 425	0.16 373	0.21 484	0.29 442	0.23 349	0.21 434	0.30 465	0.29 481	0.18 439	0.20 449	0.19 444	0.12 493	0.11 506	0.11 477	0.14 528	0.09 422	0.08 383

CVANet_RVC	0.18 449	0.10 408	0.14 299	0.21 474	0.10 374	0.18 413	0.17 354	0.34 506	0.33 461	0.22 450	0.31 473	0.28 473	0.18 439	0.23 490	0.17 413	0.12 493	0.08 442	0.12 496	0.11 494	0.09 422	0.07 319

StereoDRNet	0.18 449	0.11 434	0.17 414	0.22 490	0.11 425	0.21 468	0.22 494	0.37 534	0.33 461	0.24 472	0.28 446	0.30 491	0.19 455	0.20 449	0.20 450	0.09 399	0.08 442	0.11 477	0.09 422	0.09 422	0.07 319

DLCB_ROB	0.18 449	0.10 408	0.15 350	0.23 514	0.11 425	0.24 497	0.18 402	0.29 442	0.28 424	0.27 497	0.28 446	0.28 473	0.24 494	0.19 424	0.20 450	0.08 339	0.08 442	0.09 399	0.09 422	0.07 296	0.07 319

TCMNet	0.19 461	0.12 452	0.19 449	0.20 442	0.18 553	0.20 451	0.24 517	0.27 411	0.36 486	0.23 463	0.26 423	0.25 445	0.19 455	0.19 424	0.23 491	0.13 518	0.11 506	0.11 477	0.12 514	0.13 509	0.12 493

rvit_105_1	0.19 461	0.11 434	0.25 494	0.21 474	0.16 531	0.21 468	0.27 548	0.31 466	0.41 512	0.19 397	0.20 324	0.22 407	0.17 425	0.19 424	0.17 413	0.12 493	0.12 522	0.13 511	0.15 544	0.08 359	0.07 319

test_sample8	0.19 461	0.12 452	0.20 461	0.12 5	0.14 501	0.17 394	0.13 125	0.31 466	0.21 324	0.27 497	0.22 357	0.36 530	0.25 503	0.19 424	0.17 413	0.15 536	0.30 585	0.14 523	0.14 528	0.14 522	0.12 493

SDNR	0.19 461	0.08 273	0.19 449	0.16 166	0.12 458	0.77 600	0.14 178	0.25 372	0.32 454	0.19 397	0.24 378	0.19 368	0.13 334	0.19 424	0.15 382	0.16 552	0.18 561	0.14 523	0.11 494	0.08 359	0.11 480

pcwnet_v2	0.19 461	0.10 408	0.26 497	0.17 242	0.14 501	0.18 413	0.15 251	0.37 534	0.46 537	0.19 397	0.24 378	0.21 389	0.19 455	0.20 449	0.19 444	0.13 518	0.10 494	0.10 446	0.10 462	0.11 476	0.13 514

ADCRef	0.19 461	0.12 452	0.41 550	0.20 442	0.12 458	0.22 477	0.18 402	0.32 477	0.36 486	0.26 491	0.32 477	0.17 341	0.23 488	0.24 499	0.24 504	0.07 274	0.06 341	0.09 399	0.09 422	0.08 359	0.08 383

NVstereo2D	0.19 461	0.10 408	0.15 350	0.17 242	0.15 520	0.28 535	0.23 505	0.44 567	0.42 520	0.15 308	0.27 432	0.25 445	0.19 455	0.22 479	0.17 413	0.09 399	0.06 341	0.10 446	0.08 376	0.15 538	0.09 427

DRN-Test	0.19 461	0.11 434	0.20 461	0.22 490	0.10 374	0.22 477	0.22 494	0.39 546	0.37 493	0.24 472	0.32 477	0.26 455	0.21 471	0.22 479	0.24 504	0.11 469	0.07 413	0.11 477	0.10 462	0.09 422	0.07 319

DISCO	0.19 461	0.09 348	0.22 476	0.17 242	0.10 374	0.25 508	0.18 402	0.27 411	0.44 530	0.22 450	0.31 473	0.33 517	0.26 509	0.28 521	0.28 541	0.08 339	0.06 341	0.07 227	0.07 306	0.09 422	0.09 427

CBMV_ROB	0.19 461	0.13 481	0.17 414	0.16 166	0.11 425	0.15 344	0.13 125	0.26 390	0.28 424	0.27 497	0.30 465	0.27 463	0.24 494	0.23 490	0.16 398	0.15 536	0.17 559	0.22 563	0.20 561	0.10 453	0.11 480

NOSS_ROB	0.19 461	0.12 452	0.18 437	0.16 166	0.12 458	0.15 344	0.12 75	0.30 456	0.32 454	0.20 420	0.22 357	0.27 463	0.23 488	0.21 466	0.16 398	0.16 552	0.18 561	0.23 564	0.21 563	0.12 491	0.13 514

CBMV	0.19 461	0.14 493	0.17 414	0.18 324	0.10 374	0.20 451	0.11 54	0.29 442	0.30 440	0.29 521	0.30 465	0.30 491	0.23 488	0.27 509	0.19 444	0.13 518	0.15 551	0.17 545	0.16 548	0.10 453	0.10 454
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 473	0.14 493	0.37 542	0.22 490	0.12 458	0.20 451	0.21 484	0.28 430	0.37 493	0.25 485	0.37 506	0.27 463	0.22 480	0.21 466	0.23 491	0.08 339	0.08 442	0.09 399	0.09 422	0.10 453	0.09 427

YMNet	0.20 473	0.12 452	0.19 449	0.20 442	0.14 501	0.26 518	0.23 505	0.32 477	0.34 473	0.27 497	0.34 493	0.30 491	0.18 439	0.18 409	0.22 479	0.10 440	0.13 536	0.10 446	0.10 462	0.08 359	0.09 427

YMNet_1	0.20 473	0.12 452	0.19 449	0.20 442	0.14 501	0.26 518	0.23 505	0.32 477	0.34 473	0.27 497	0.34 493	0.30 491	0.18 439	0.18 409	0.22 479	0.10 440	0.13 536	0.10 446	0.10 462	0.08 359	0.09 427

GwcNet	0.20 473	0.13 481	0.19 449	0.18 324	0.12 458	0.24 497	0.19 441	0.35 521	0.43 525	0.20 420	0.32 477	0.33 517	0.20 467	0.22 479	0.24 504	0.11 469	0.09 474	0.09 399	0.09 422	0.09 422	0.10 454

FAT-Stereo	0.20 473	0.12 452	0.22 476	0.21 474	0.12 458	0.17 394	0.18 402	0.34 506	0.39 503	0.27 497	0.37 506	0.34 524	0.32 548	0.21 466	0.20 450	0.09 399	0.11 506	0.10 446	0.09 422	0.11 476	0.14 531

FADNet-RVC	0.20 473	0.20 542	0.38 544	0.21 474	0.16 531	0.20 451	0.15 251	0.26 390	0.26 400	0.26 491	0.32 477	0.26 455	0.21 471	0.22 479	0.19 444	0.12 493	0.13 536	0.12 496	0.14 528	0.13 509	0.18 561

S-Stereo	0.20 473	0.12 452	0.25 494	0.21 474	0.13 481	0.20 451	0.18 402	0.32 477	0.43 525	0.23 463	0.36 500	0.28 473	0.30 540	0.19 424	0.22 479	0.09 399	0.12 522	0.10 446	0.10 462	0.13 509	0.13 514

SuperB	0.20 473	0.10 408	0.56 570	0.16 166	0.09 266	0.18 413	0.18 402	0.24 356	0.50 549	0.26 491	0.39 520	0.17 341	0.21 471	0.22 479	0.21 470	0.08 339	0.06 341	0.06 125	0.06 213	0.12 491	0.10 454

ADCP+	0.20 473	0.10 408	0.33 529	0.20 442	0.12 458	0.22 477	0.26 541	0.31 466	0.34 473	0.26 491	0.37 506	0.22 407	0.22 480	0.27 509	0.27 533	0.09 399	0.06 341	0.08 317	0.08 376	0.09 422	0.10 454

PS-NSSS	0.20 473	0.21 548	0.23 485	0.20 442	0.10 374	0.19 436	0.17 354	0.36 528	0.25 386	0.27 497	0.33 489	0.27 463	0.24 494	0.20 449	0.20 450	0.15 536	0.12 522	0.17 545	0.14 528	0.10 453	0.08 383

PWCDC_ROB	0.20 473	0.13 481	0.22 476	0.24 524	0.11 425	0.19 436	0.15 251	0.33 497	0.54 558	0.29 521	0.50 559	0.21 389	0.15 376	0.27 509	0.20 450	0.11 469	0.09 474	0.10 446	0.08 376	0.11 476	0.09 427

SGM-Forest	0.20 473	0.14 493	0.18 437	0.19 382	0.13 481	0.20 451	0.22 494	0.33 497	0.30 440	0.24 472	0.29 458	0.28 473	0.19 455	0.23 490	0.17 413	0.15 536	0.16 554	0.15 535	0.14 528	0.12 491	0.12 493
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 485	0.17 522	0.19 449	0.23 514	0.15 520	0.30 542	0.20 464	0.33 497	0.35 482	0.23 463	0.28 446	0.31 504	0.27 517	0.20 449	0.22 479	0.15 536	0.12 522	0.13 511	0.09 422	0.14 522	0.14 531

FINET	0.21 485	0.18 533	0.26 497	0.18 324	0.16 531	0.23 492	0.23 505	0.32 477	0.48 539	0.25 485	0.32 477	0.22 407	0.22 480	0.22 479	0.17 413	0.18 558	0.16 554	0.11 477	0.10 462	0.15 538	0.13 514

Syn2CoEx	0.21 485	0.16 511	0.27 504	0.29 564	0.14 501	0.26 518	0.20 464	0.33 497	0.31 447	0.28 512	0.36 500	0.27 463	0.25 503	0.19 424	0.24 504	0.16 552	0.12 522	0.14 523	0.11 494	0.09 422	0.08 383

FADNet	0.21 485	0.22 552	0.36 538	0.18 324	0.17 546	0.24 497	0.13 125	0.31 466	0.31 447	0.23 463	0.25 406	0.27 463	0.21 471	0.19 424	0.15 382	0.13 518	0.15 551	0.12 496	0.15 544	0.16 546	0.18 561

RP	0.21 485	0.13 481	0.21 470	0.23 514	0.11 425	0.21 468	0.20 464	0.25 372	0.44 530	0.21 434	0.38 512	0.36 530	0.24 494	0.27 509	0.25 514	0.11 469	0.12 522	0.13 511	0.12 514	0.12 491	0.14 531

DANet	0.21 485	0.15 503	0.28 509	0.25 535	0.13 481	0.22 477	0.19 441	0.27 411	0.27 410	0.28 512	0.32 477	0.35 528	0.31 544	0.31 531	0.23 491	0.11 469	0.09 474	0.11 477	0.10 462	0.13 509	0.11 480
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 485	0.12 452	0.21 470	0.24 524	0.13 481	0.22 477	0.22 494	0.41 556	0.26 400	0.31 532	0.42 543	0.37 535	0.28 528	0.23 490	0.22 479	0.10 440	0.12 522	0.10 446	0.09 422	0.10 453	0.08 383

PWC_ROB	0.21 485	0.16 511	0.26 497	0.18 324	0.11 425	0.22 477	0.13 125	0.32 477	0.49 546	0.30 526	0.40 526	0.32 513	0.24 494	0.31 531	0.22 479	0.10 440	0.07 413	0.11 477	0.08 376	0.11 476	0.10 454

PSMNet_ROB	0.21 485	0.11 434	0.15 350	0.27 553	0.15 520	0.24 497	0.35 580	0.43 565	0.37 493	0.27 497	0.32 477	0.32 513	0.22 480	0.21 466	0.26 525	0.12 493	0.08 442	0.13 511	0.11 494	0.09 422	0.09 427

MSAF-DinoV2	0.22 494	0.11 434	0.23 485	0.17 242	0.10 374	0.27 528	0.16 317	0.37 534	0.55 559	0.21 434	0.27 432	0.47 568	0.27 517	0.35 550	0.39 575	0.09 399	0.06 341	0.07 227	0.09 422	0.12 491	0.10 454

GASNet	0.22 494	0.23 554	0.33 529	0.26 540	0.17 546	0.26 518	0.16 317	0.44 567	0.42 520	0.27 497	0.24 378	0.30 491	0.15 376	0.27 509	0.18 431	0.12 493	0.08 442	0.12 496	0.11 494	0.16 546	0.07 319

Anonymous_2	0.22 494	0.17 522	0.28 509	0.15 85	0.16 531	0.32 544	0.22 494	0.22 313	0.17 238	0.23 463	0.24 378	0.26 455	0.27 517	0.27 509	0.23 491	0.22 574	0.25 581	0.17 545	0.17 555	0.17 554	0.17 558

Wz-Net-LNSev	0.22 494	0.16 511	0.38 544	0.21 474	0.13 481	0.25 508	0.23 505	0.32 477	0.43 525	0.30 526	0.41 537	0.31 504	0.18 439	0.22 479	0.25 514	0.10 440	0.09 474	0.08 317	0.08 376	0.12 491	0.11 480

Wz-Net-MNSev	0.22 494	0.13 481	0.31 522	0.20 442	0.14 501	0.36 562	0.24 517	0.33 497	0.44 530	0.28 512	0.40 526	0.38 539	0.19 455	0.24 499	0.25 514	0.09 399	0.07 413	0.09 399	0.09 422	0.12 491	0.10 454

DDUNet	0.22 494	0.17 522	0.21 470	0.22 490	0.15 520	0.25 508	0.24 517	0.29 442	0.30 440	0.31 532	0.36 500	0.33 517	0.25 503	0.24 499	0.20 450	0.18 558	0.13 536	0.17 545	0.11 494	0.16 546	0.16 549

APVNet	0.22 494	0.12 452	0.19 449	0.18 324	0.14 501	0.32 544	0.31 576	0.39 546	0.32 454	0.27 497	0.40 526	0.30 491	0.29 536	0.26 506	0.25 514	0.11 469	0.12 522	0.11 477	0.14 528	0.12 491	0.12 493

aanetorigin	0.22 494	0.17 522	0.56 570	0.17 242	0.10 374	0.15 344	0.19 441	0.20 266	0.33 461	0.49 574	0.48 554	0.29 481	0.27 517	0.20 449	0.23 491	0.08 339	0.07 413	0.08 317	0.07 306	0.10 453	0.09 427

MaskLacGwcNet_RVC	0.22 494	0.21 548	0.24 489	0.26 540	0.11 425	0.23 492	0.14 178	0.39 546	0.24 365	0.32 538	0.36 500	0.30 491	0.21 471	0.19 424	0.21 470	0.17 557	0.14 545	0.21 559	0.16 548	0.12 491	0.12 493

AF-Net	0.22 494	0.17 522	0.17 414	0.26 540	0.13 481	0.25 508	0.24 517	0.32 477	0.50 549	0.25 485	0.33 489	0.38 539	0.26 509	0.28 521	0.25 514	0.11 469	0.10 494	0.16 542	0.11 494	0.11 476	0.10 454

stereogan	0.22 494	0.11 434	0.21 470	0.20 442	0.12 458	0.31 543	0.19 441	0.35 521	0.44 530	0.22 450	0.39 520	0.35 528	0.27 517	0.33 541	0.22 479	0.10 440	0.12 522	0.10 446	0.10 462	0.14 522	0.13 514

edge stereo	0.22 494	0.13 481	0.20 461	0.21 474	0.13 481	0.23 492	0.16 317	0.32 477	0.42 520	0.32 538	0.40 526	0.38 539	0.35 557	0.25 504	0.24 504	0.13 518	0.11 506	0.14 523	0.11 494	0.12 491	0.13 514

RYNet	0.22 494	0.12 452	0.22 476	0.19 382	0.17 546	0.46 571	0.26 541	0.38 542	0.48 539	0.24 472	0.28 446	0.34 524	0.23 488	0.20 449	0.30 551	0.10 440	0.06 341	0.09 399	0.09 422	0.13 509	0.15 538

NaN_ROB	0.22 494	0.19 537	0.24 489	0.25 535	0.13 481	0.29 539	0.26 541	0.33 497	0.41 512	0.31 532	0.31 473	0.32 513	0.23 488	0.30 530	0.21 470	0.11 469	0.17 559	0.10 446	0.10 462	0.08 359	0.09 427

MDST_ROB	0.22 494	0.10 408	0.17 414	0.18 324	0.11 425	0.37 563	0.19 441	0.43 565	0.41 512	0.39 555	0.39 520	0.29 481	0.21 471	0.26 506	0.18 431	0.11 469	0.10 494	0.14 523	0.11 494	0.10 453	0.08 383

XPNet_ROB	0.22 494	0.11 434	0.19 449	0.22 490	0.13 481	0.22 477	0.19 441	0.34 506	0.40 509	0.30 526	0.39 520	0.39 547	0.26 509	0.26 506	0.28 541	0.15 536	0.10 494	0.10 446	0.10 462	0.13 509	0.12 493

SQANet	0.23 510	0.23 554	0.30 520	0.30 566	0.19 556	0.27 528	0.13 125	0.29 442	0.33 461	0.24 472	0.37 506	0.31 504	0.22 480	0.27 509	0.23 491	0.15 536	0.10 494	0.21 559	0.16 548	0.21 562	0.15 538

Nwc_Net	0.23 510	0.16 511	0.21 470	0.25 535	0.14 501	0.24 497	0.26 541	0.37 534	0.38 500	0.22 450	0.41 537	0.30 491	0.28 528	0.28 521	0.25 514	0.11 469	0.10 494	0.17 545	0.20 561	0.10 453	0.10 454

RTSC	0.23 510	0.12 452	0.28 509	0.21 474	0.13 481	0.28 535	0.16 317	0.35 521	0.66 583	0.27 497	0.33 489	0.30 491	0.21 471	0.31 531	0.29 545	0.10 440	0.08 442	0.09 399	0.10 462	0.13 509	0.13 514

PA-Net	0.23 510	0.18 533	0.33 529	0.28 556	0.22 565	0.21 468	0.38 585	0.29 442	0.39 503	0.22 450	0.32 477	0.25 445	0.26 509	0.20 449	0.25 514	0.09 399	0.23 579	0.15 535	0.22 566	0.09 422	0.13 514
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 510	0.15 503	0.17 414	0.34 571	0.18 553	0.24 497	0.23 505	0.34 506	0.28 424	0.31 532	0.38 512	0.38 539	0.28 528	0.23 490	0.24 504	0.15 536	0.12 522	0.18 554	0.21 563	0.13 509	0.13 514

ETE_ROB	0.23 510	0.17 522	0.22 476	0.25 535	0.13 481	0.26 518	0.29 563	0.31 466	0.36 486	0.28 512	0.36 500	0.45 561	0.26 509	0.27 509	0.26 525	0.11 469	0.08 442	0.12 496	0.09 422	0.14 522	0.13 514

SGM_RVC	0.23 510	0.12 452	0.15 350	0.15 85	0.09 266	0.33 550	0.18 402	0.34 506	0.31 447	0.44 569	0.37 506	0.53 576	0.35 557	0.35 550	0.24 504	0.13 518	0.13 536	0.13 511	0.13 524	0.10 453	0.11 480
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 517	0.18 533	0.18 437	0.20 442	0.14 501	0.21 468	0.19 441	0.32 477	0.41 512	0.29 521	0.21 346	0.32 513	0.27 517	0.41 575	0.27 533	0.46 593	0.12 522	0.31 581	0.11 494	0.15 538	0.12 493

z-mn7	0.24 517	0.14 493	0.45 554	0.19 382	0.13 481	0.28 535	0.25 532	0.34 506	0.62 575	0.27 497	0.56 570	0.29 481	0.24 494	0.32 538	0.25 514	0.08 339	0.08 442	0.08 317	0.08 376	0.10 453	0.10 454

w-ln-seven	0.24 517	0.14 493	0.55 567	0.19 382	0.14 501	0.26 518	0.22 494	0.35 521	0.60 572	0.29 521	0.39 520	0.30 491	0.22 480	0.21 466	0.26 525	0.09 399	0.09 474	0.11 477	0.10 462	0.11 476	0.10 454

DGSMNet	0.24 517	0.19 537	0.33 529	0.21 474	0.24 570	0.24 497	0.20 464	0.35 521	0.41 512	0.24 472	0.32 477	0.38 539	0.21 471	0.29 527	0.23 491	0.12 493	0.11 506	0.14 523	0.16 548	0.23 566	0.23 572

G-Net	0.24 517	0.16 511	0.36 538	0.22 490	0.16 531	0.51 577	0.23 505	0.29 442	0.34 473	0.36 548	0.38 512	0.31 504	0.29 536	0.27 509	0.26 525	0.11 469	0.09 474	0.12 496	0.09 422	0.16 546	0.13 514

NCC-stereo	0.24 517	0.15 503	0.31 522	0.26 540	0.16 531	0.20 451	0.30 570	0.40 550	0.40 509	0.24 472	0.38 512	0.33 517	0.28 528	0.36 556	0.27 533	0.12 493	0.11 506	0.15 535	0.22 566	0.13 509	0.13 514

Abc-Net	0.24 517	0.15 503	0.31 522	0.26 540	0.16 531	0.20 451	0.30 570	0.40 550	0.40 509	0.24 472	0.38 512	0.33 517	0.28 528	0.36 556	0.27 533	0.12 493	0.11 506	0.15 535	0.22 566	0.13 509	0.13 514
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 517	0.11 434	0.47 559	0.22 490	0.12 458	0.34 553	0.29 563	0.29 442	0.56 562	0.24 472	0.46 551	0.30 491	0.30 540	0.29 527	0.29 545	0.08 339	0.07 413	0.09 399	0.09 422	0.10 453	0.10 454

DeepPrunerF	0.24 517	0.17 522	0.42 552	0.26 540	0.16 531	0.22 477	0.28 554	0.37 534	0.50 549	0.26 491	0.29 458	0.24 431	0.28 528	0.21 466	0.22 479	0.15 536	0.11 506	0.20 558	0.18 559	0.12 491	0.13 514

FBW_ROB	0.24 517	0.17 522	0.22 476	0.26 540	0.14 501	0.25 508	0.22 494	0.41 556	0.41 512	0.41 562	0.41 537	0.42 554	0.27 517	0.31 531	0.23 491	0.09 399	0.14 545	0.14 523	0.12 514	0.11 476	0.09 427

SANet	0.24 517	0.14 493	0.28 509	0.21 474	0.11 425	0.27 528	0.24 517	0.38 542	0.64 579	0.36 548	0.40 526	0.43 557	0.26 509	0.27 509	0.24 504	0.12 493	0.09 474	0.10 446	0.09 422	0.13 509	0.11 480

WCMA_ROB	0.24 517	0.11 434	0.22 476	0.17 242	0.14 501	0.32 544	0.15 251	0.32 477	0.32 454	0.38 553	0.53 561	0.40 551	0.34 554	0.34 544	0.25 514	0.11 469	0.12 522	0.12 496	0.10 462	0.14 522	0.14 531

DStereoSA	0.25 529	0.19 537	0.37 542	0.26 540	0.17 546	0.22 477	0.20 464	0.49 576	0.59 568	0.22 450	0.29 458	0.29 481	0.33 549	0.39 567	0.28 541	0.12 493	0.11 506	0.16 542	0.14 528	0.14 522	0.12 493

zh-sn7	0.25 529	0.17 522	0.50 561	0.24 524	0.13 481	0.25 508	0.24 517	0.34 506	0.48 539	0.28 512	0.54 563	0.28 473	0.31 544	0.36 556	0.32 559	0.10 440	0.10 494	0.11 477	0.10 462	0.12 491	0.12 493

zh-mn7	0.25 529	0.14 493	0.56 570	0.19 382	0.14 501	0.24 497	0.22 494	0.34 506	0.62 575	0.35 545	0.65 578	0.31 504	0.25 503	0.31 531	0.25 514	0.09 399	0.08 442	0.09 399	0.09 422	0.09 422	0.11 480

Wz-Net-SNSev	0.25 529	0.17 522	0.44 553	0.25 535	0.14 501	0.26 518	0.23 505	0.38 542	0.56 562	0.30 526	0.55 565	0.39 547	0.26 509	0.23 490	0.30 551	0.10 440	0.09 474	0.09 399	0.10 462	0.11 476	0.11 480

psmorigin	0.25 529	0.15 503	0.34 537	0.17 242	0.13 481	0.23 492	0.14 178	0.34 506	0.33 461	0.41 562	0.55 565	0.41 553	0.37 561	0.34 544	0.27 533	0.11 469	0.15 551	0.11 477	0.11 494	0.12 491	0.16 549

RGC	0.25 529	0.20 542	0.29 517	0.28 556	0.16 531	0.22 477	0.23 505	0.32 477	0.44 530	0.27 497	0.40 526	0.38 539	0.27 517	0.36 556	0.22 479	0.11 469	0.13 536	0.17 545	0.17 555	0.14 522	0.16 549

ADCMid	0.25 529	0.15 503	0.40 547	0.20 442	0.14 501	0.25 508	0.26 541	0.34 506	0.38 500	0.36 548	0.44 548	0.34 524	0.40 567	0.35 550	0.33 563	0.10 440	0.09 474	0.11 477	0.11 494	0.13 509	0.12 493

ADCPNet	0.25 529	0.16 511	0.61 576	0.21 474	0.15 520	0.35 561	0.25 532	0.32 477	0.35 482	0.30 526	0.40 526	0.36 530	0.28 528	0.28 521	0.32 559	0.12 493	0.10 494	0.11 477	0.12 514	0.14 522	0.13 514

LALA_ROB	0.25 529	0.16 511	0.22 476	0.26 540	0.17 546	0.27 528	0.27 548	0.42 561	0.37 493	0.33 542	0.38 512	0.51 572	0.26 509	0.28 521	0.27 533	0.16 552	0.09 474	0.12 496	0.11 494	0.13 509	0.12 493

SHD	0.26 538	0.15 503	0.30 520	0.24 524	0.18 553	0.22 477	0.15 251	0.38 542	0.71 587	0.32 538	0.41 537	0.36 530	0.28 528	0.32 538	0.29 545	0.12 493	0.11 506	0.14 523	0.13 524	0.16 546	0.20 567

AnyNet_C32	0.26 538	0.16 511	0.36 538	0.20 442	0.16 531	0.25 508	0.30 570	0.32 477	0.44 530	0.31 532	0.49 555	0.30 491	0.33 549	0.40 572	0.33 563	0.12 493	0.12 522	0.12 496	0.14 528	0.14 522	0.15 538

DStereoFS	0.27 540	0.22 552	0.31 522	0.22 490	0.15 520	0.22 477	0.20 464	0.50 580	0.48 539	0.28 512	0.44 548	0.33 517	0.34 554	0.52 584	0.29 545	0.12 493	0.11 506	0.15 535	0.13 524	0.16 546	0.16 549

PSMNet-RUCA	0.27 540	0.33 576	0.41 550	0.36 575	0.32 583	0.18 413	0.19 441	0.42 561	0.30 440	0.33 542	0.41 537	0.39 547	0.25 503	0.31 531	0.20 450	0.18 558	0.10 494	0.25 566	0.15 544	0.21 562	0.16 549

PDISCO_ROB	0.27 540	0.16 511	0.26 497	0.28 556	0.20 559	0.32 544	0.26 541	0.44 567	0.57 564	0.28 512	0.40 526	0.45 561	0.29 536	0.33 541	0.34 565	0.12 493	0.09 474	0.17 545	0.16 548	0.17 554	0.13 514

DispFullNet	0.27 540	0.21 548	0.65 579	0.28 556	0.16 531	0.26 518	0.17 354	0.33 497	0.58 567	0.27 497	0.38 512	0.43 557	0.23 488	0.38 563	0.23 491	0.12 493	0.06 341	0.19 556	0.11 494	0.21 562	0.15 538

MeshStereo	0.27 540	0.13 481	0.18 437	0.15 85	0.11 425	0.32 544	0.24 517	0.40 550	0.36 486	0.52 576	0.57 573	0.67 587	0.40 567	0.35 550	0.26 525	0.14 532	0.13 536	0.13 511	0.11 494	0.11 476	0.10 454
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
WZ-Net	0.28 545	0.17 522	0.78 595	0.22 490	0.16 531	0.34 553	0.29 563	0.39 546	0.57 564	0.24 472	0.55 565	0.37 535	0.24 494	0.33 541	0.35 566	0.09 399	0.08 442	0.09 399	0.10 462	0.14 522	0.16 549

XQC	0.28 545	0.23 554	0.51 562	0.28 556	0.19 556	0.34 553	0.27 548	0.36 528	0.57 564	0.31 532	0.30 465	0.37 535	0.30 540	0.38 563	0.38 573	0.13 518	0.09 474	0.15 535	0.12 514	0.17 554	0.18 561

CC-Net-ROB	0.28 545	0.31 574	0.36 538	0.29 564	0.15 520	0.25 508	0.19 441	0.45 570	0.33 461	0.39 555	0.37 506	0.39 547	0.31 544	0.27 509	0.26 525	0.24 580	0.19 564	0.30 580	0.23 570	0.18 557	0.15 538

DPSNet	0.28 545	0.16 511	0.31 522	0.18 324	0.13 481	0.54 579	0.42 589	0.51 582	0.67 584	0.29 521	0.38 512	0.38 539	0.29 536	0.31 531	0.23 491	0.11 469	0.10 494	0.11 477	0.08 376	0.20 561	0.16 549

MultiAttention	0.29 549	0.08 273	0.14 299	0.19 382	0.12 458	1.45 615	1.33 617	0.36 528	0.37 493	0.19 397	0.21 346	0.24 431	0.11 265	0.38 563	0.18 431	0.06 127	0.05 208	0.08 317	0.08 376	0.10 453	0.09 427

Wz-Net-TNSev	0.29 549	0.20 542	0.65 579	0.19 382	0.15 520	0.38 566	0.27 548	0.35 521	0.55 559	0.34 544	0.42 543	0.45 561	0.38 562	0.32 538	0.30 551	0.12 493	0.13 536	0.10 446	0.12 514	0.15 538	0.14 531

ccnet	0.29 549	0.28 569	0.23 485	0.20 442	0.28 577	0.41 570	0.21 484	0.45 570	0.33 461	0.36 548	0.46 551	0.36 530	0.30 540	0.39 567	0.42 582	0.23 578	0.14 545	0.21 559	0.17 555	0.23 566	0.18 561

EDNetEfficient	0.29 549	0.24 557	1.13 604	0.18 324	0.10 374	0.19 436	0.20 464	0.20 266	0.60 572	0.74 594	0.56 570	0.31 504	0.39 564	0.22 479	0.30 551	0.09 399	0.07 413	0.08 317	0.07 306	0.11 476	0.09 427

ADCS	0.29 549	0.18 533	0.45 554	0.21 474	0.17 546	0.28 535	0.23 505	0.41 556	0.63 578	0.40 558	0.49 555	0.40 551	0.36 559	0.39 567	0.40 578	0.13 518	0.12 522	0.13 511	0.14 528	0.16 546	0.16 549

CSAN	0.29 549	0.24 557	0.27 504	0.34 571	0.19 556	0.33 550	0.42 589	0.37 534	0.50 549	0.38 553	0.40 526	0.44 559	0.33 549	0.28 521	0.30 551	0.20 565	0.16 554	0.19 556	0.19 560	0.14 522	0.15 538

MFN_U_SF_DS_RVC	0.30 555	0.24 557	0.29 517	0.36 575	0.16 531	0.34 553	0.30 570	0.32 477	0.42 520	0.40 558	0.46 551	0.38 539	0.31 544	0.34 544	0.28 541	0.19 563	0.20 567	0.26 567	0.29 580	0.18 557	0.19 566

GANetREF_RVC	0.31 556	0.34 577	0.27 504	0.35 573	0.16 531	0.32 544	0.41 586	0.48 574	0.51 556	0.35 545	0.35 497	0.34 524	0.33 549	0.39 567	0.32 559	0.27 582	0.20 567	0.29 578	0.15 544	0.18 557	0.17 558
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
MSMD_ROB	0.31 556	0.26 563	0.26 497	0.24 524	0.21 563	0.34 553	0.25 532	0.34 506	0.39 503	0.40 558	0.69 582	0.45 561	0.40 567	0.34 544	0.27 533	0.20 565	0.19 564	0.26 567	0.25 572	0.23 566	0.22 571

MFN_U_SF_RVC	0.32 558	0.21 548	0.55 567	0.30 566	0.15 520	0.34 553	0.17 354	0.52 583	0.46 537	0.46 573	0.55 565	0.59 579	0.39 564	0.35 550	0.37 571	0.15 536	0.14 545	0.18 554	0.21 563	0.16 546	0.15 538

PASM	0.32 558	0.24 557	0.48 560	0.28 556	0.27 576	0.29 539	0.30 570	0.34 506	0.49 546	0.35 545	0.39 520	0.46 565	0.34 554	0.34 544	0.35 566	0.23 578	0.25 581	0.26 567	0.28 579	0.23 566	0.21 569

SGM-ForestM	0.32 558	0.12 452	0.16 384	0.16 166	0.11 425	0.39 567	0.19 441	0.41 556	0.50 549	0.52 576	0.54 563	1.32 607	0.42 575	0.40 572	0.27 533	0.14 532	0.16 554	0.16 542	0.16 548	0.12 491	0.12 493

FC-DCNN v2	0.33 561	0.27 565	0.28 509	0.26 540	0.23 568	0.37 563	0.28 554	0.40 550	0.43 525	0.45 570	0.56 570	0.51 572	0.40 567	0.37 561	0.29 545	0.21 569	0.20 567	0.27 570	0.26 573	0.25 573	0.24 573

FCDSN-DC	0.33 561	0.28 569	0.28 509	0.30 566	0.24 570	0.39 567	0.28 554	0.42 561	0.42 520	0.43 568	0.53 561	0.51 572	0.41 572	0.36 556	0.30 551	0.21 569	0.20 567	0.27 570	0.26 573	0.25 573	0.24 573
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 561	0.27 565	0.28 509	0.26 540	0.23 568	0.37 563	0.28 554	0.40 550	0.43 525	0.45 570	0.55 565	0.51 572	0.40 567	0.37 561	0.30 551	0.21 569	0.20 567	0.27 570	0.26 573	0.25 573	0.24 573

LSM	0.33 561	0.20 542	0.58 573	0.26 540	0.60 600	0.34 553	0.25 532	0.42 561	0.48 539	0.45 570	0.58 575	0.42 554	0.36 559	0.35 550	0.25 514	0.12 493	0.20 567	0.14 523	0.16 548	0.19 560	0.33 587

AnyNet_C01	0.36 565	0.25 562	1.37 607	0.22 490	0.17 546	0.48 575	0.27 548	0.35 521	0.39 503	0.39 555	0.74 588	0.46 565	0.38 562	0.45 577	0.47 587	0.13 518	0.13 536	0.13 511	0.14 528	0.14 522	0.15 538

GCST	0.37 566	0.42 584	0.26 497	1.02 608	0.39 584	0.18 413	0.08 7	0.20 266	0.17 238	0.28 512	0.25 406	0.15 307	0.12 296	0.16 356	0.14 354	0.64 604	0.43 593	0.75 600	0.65 604	0.63 597	0.46 596

otaku	0.39 567	0.37 580	0.52 563	0.44 582	0.28 577	0.58 581	0.24 517	0.41 556	0.62 575	0.40 558	0.49 555	0.46 565	0.33 549	0.40 572	0.32 559	0.30 583	0.30 585	0.39 585	0.33 585	0.29 580	0.28 581

ACVNet-4b	0.39 567	0.53 587	0.55 567	0.45 583	0.24 570	0.47 573	0.18 402	0.49 576	0.64 579	0.42 565	0.45 550	0.60 580	0.27 517	0.34 544	0.24 504	0.33 585	0.14 545	0.48 588	0.42 590	0.30 581	0.26 580

PVD	0.39 567	0.20 542	0.39 546	0.31 570	0.22 565	0.29 539	0.43 591	0.52 583	0.96 601	0.55 580	0.79 592	0.53 576	0.59 591	0.52 584	0.38 573	0.19 563	0.14 545	0.17 545	0.14 528	0.24 572	0.31 585

Ntro	0.40 570	0.40 582	0.53 564	0.46 586	0.30 581	0.65 587	0.24 517	0.46 572	0.68 585	0.41 562	0.49 555	0.48 570	0.42 575	0.39 567	0.31 558	0.32 584	0.28 583	0.37 584	0.30 582	0.32 585	0.29 582

SAMSARA	0.40 570	0.28 569	0.33 529	0.55 589	0.39 584	0.82 601	1.23 616	0.47 573	0.51 556	0.36 548	0.35 497	0.55 578	0.39 564	0.38 563	0.39 575	0.15 536	0.20 567	0.15 535	0.14 528	0.23 566	0.20 567

ELAS_RVC	0.41 572	0.29 572	0.33 529	0.28 556	0.24 570	0.54 579	0.36 581	0.49 576	0.59 568	0.72 590	0.74 588	0.65 585	0.54 584	0.54 589	0.40 578	0.22 574	0.20 567	0.27 570	0.26 573	0.26 578	0.25 578
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 572	0.29 572	0.33 529	0.27 553	0.24 570	0.60 584	0.36 581	0.50 580	0.50 549	0.71 588	0.79 592	0.67 587	0.54 584	0.51 582	0.42 582	0.22 574	0.20 567	0.27 570	0.26 573	0.26 578	0.25 578
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.43 574	0.39 581	0.54 565	0.40 578	0.20 559	0.64 586	0.32 578	0.53 585	0.72 588	0.71 588	0.72 585	0.61 581	0.54 584	0.51 582	0.46 586	0.20 565	0.19 564	0.29 578	0.30 582	0.23 566	0.18 561

ACVNet_1	0.44 575	0.49 586	0.60 575	0.45 583	0.28 577	0.49 576	0.27 548	0.57 590	0.72 588	0.62 583	0.58 575	0.74 591	0.49 581	0.50 580	0.35 566	0.26 581	0.24 580	0.39 585	0.29 580	0.31 584	0.24 573

Consistency-Raft	0.44 575	0.40 582	0.45 554	0.37 577	0.43 588	0.46 571	0.41 586	0.57 590	0.55 559	0.32 538	0.73 586	0.33 517	0.48 580	0.42 576	0.49 589	0.39 587	0.35 590	0.45 587	0.51 597	0.42 588	0.29 582

RTS	0.45 577	0.19 537	3.26 613	0.24 524	0.15 520	0.74 594	0.20 464	0.36 528	0.76 594	0.42 565	0.43 546	0.31 504	0.41 572	0.53 587	0.35 566	0.10 440	0.08 442	0.13 511	0.12 514	0.15 538	0.15 538

RTSA	0.45 577	0.19 537	3.26 613	0.24 524	0.15 520	0.74 594	0.20 464	0.36 528	0.76 594	0.42 565	0.43 546	0.31 504	0.41 572	0.53 587	0.35 566	0.10 440	0.08 442	0.13 511	0.12 514	0.15 538	0.15 538

MANE	0.45 577	0.27 565	0.27 504	0.27 553	0.24 570	0.47 573	0.31 576	0.55 587	0.59 568	0.72 590	1.13 609	1.15 601	0.61 592	0.52 584	0.37 571	0.21 569	0.20 567	0.27 570	0.31 584	0.25 573	0.24 573

NVStereoNet_ROB	0.46 580	0.36 579	0.46 558	0.41 580	0.28 577	0.34 553	0.34 579	0.48 574	0.60 572	0.72 590	0.93 598	0.70 590	0.66 595	0.47 578	0.60 597	0.22 574	0.33 589	0.34 583	0.34 587	0.30 581	0.30 584
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 581	0.26 563	0.58 573	0.28 556	0.20 559	0.39 567	0.18 402	0.49 576	0.64 579	0.52 576	0.87 595	1.01 596	0.57 589	0.50 580	0.56 594	0.53 597	0.31 588	0.54 594	0.40 588	0.33 586	0.34 588

LE_ROB	0.50 582	0.07 167	0.14 299	0.15 85	0.08 145	0.24 497	0.16 317	0.22 313	1.81 617	4.63 620	0.67 580	0.47 568	0.44 577	0.20 449	0.29 545	0.07 274	0.06 341	0.06 125	0.06 213	0.08 359	0.06 237

BEATNet-Init1	0.52 583	0.27 565	0.62 577	0.30 566	0.21 563	0.76 598	0.29 563	0.54 586	0.65 582	0.86 599	0.95 600	2.07 616	0.62 594	0.56 591	0.42 582	0.18 558	0.18 561	0.23 564	0.22 566	0.22 565	0.21 569

anonymity	0.53 584	0.58 589	0.65 579	0.41 580	0.61 601	0.53 578	0.41 586	0.56 588	0.41 512	0.55 580	0.50 559	0.49 571	0.55 587	0.58 592	0.50 592	0.58 600	0.50 603	0.51 590	0.51 597	0.51 590	0.57 598

RainbowNet	0.54 585	0.61 591	0.70 593	0.57 590	0.43 588	0.65 587	0.37 584	0.60 592	0.87 598	0.50 575	0.66 579	0.64 583	0.47 579	0.49 579	0.43 585	0.47 594	0.48 599	0.52 592	0.41 589	0.52 591	0.40 593

SGM+DAISY	0.56 586	0.57 588	0.65 579	0.40 578	0.54 593	0.66 589	0.49 593	0.56 588	0.45 536	0.66 584	0.69 582	0.67 587	0.56 588	0.63 594	0.56 594	0.59 601	0.48 599	0.50 589	0.50 596	0.52 591	0.58 599

SPS-STEREO	0.57 587	0.58 589	0.65 579	0.45 583	0.55 595	0.62 585	0.44 592	0.62 593	0.50 549	0.68 586	0.64 577	0.66 586	0.57 589	0.61 593	0.60 597	0.62 603	0.47 598	0.51 590	0.49 594	0.55 595	0.58 599
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 588	0.66 595	0.65 579	0.51 587	0.69 605	0.69 590	0.57 599	0.64 594	0.73 592	0.60 582	0.73 586	0.62 582	0.67 596	0.65 595	0.60 597	0.66 605	0.58 612	0.63 595	0.59 600	0.68 602	0.69 608

IMH-64-1	0.65 589	0.61 591	0.68 587	0.71 593	0.51 591	0.59 582	0.49 593	0.91 601	0.85 596	0.74 594	1.02 602	0.81 592	0.78 600	0.79 598	0.49 589	0.42 589	0.46 594	0.71 597	0.47 592	0.52 591	0.39 591

IMH-64	0.65 589	0.61 591	0.68 587	0.71 593	0.51 591	0.59 582	0.49 593	0.91 601	0.85 596	0.74 594	1.02 602	0.81 592	0.78 600	0.79 598	0.49 589	0.42 589	0.46 594	0.71 597	0.47 592	0.52 591	0.39 591

ACVNet_2	0.66 591	0.66 595	0.68 587	0.63 591	0.41 586	0.71 592	0.49 593	0.96 605	1.39 610	0.89 600	1.09 605	1.04 597	0.73 598	0.54 589	0.47 587	0.43 591	0.40 592	0.53 593	0.44 591	0.47 589	0.35 590

JetBlue	0.71 592	0.45 585	1.14 605	0.51 587	0.47 590	2.02 616	0.64 603	0.75 596	0.70 586	0.69 587	0.77 591	1.22 603	0.83 602	1.03 613	1.01 613	0.40 588	0.28 583	0.33 582	0.33 585	0.30 581	0.34 588

IMH	0.71 592	0.64 594	0.68 587	0.76 595	0.54 593	0.69 590	0.54 597	0.98 607	1.10 603	0.82 598	1.09 605	0.89 594	0.88 605	0.87 606	0.52 593	0.44 592	0.50 603	0.75 600	0.51 597	0.56 596	0.41 594

PWCK	0.71 592	0.94 606	0.95 602	0.76 595	0.31 582	0.74 594	0.36 581	0.90 600	0.90 599	0.96 603	0.75 590	0.95 595	0.61 592	0.87 606	0.66 600	0.72 606	0.46 594	0.75 600	0.49 594	0.69 604	0.44 595

MADNet+	0.75 595	0.71 597	3.70 616	0.66 592	0.41 586	0.98 606	0.97 614	0.69 595	0.73 592	0.52 576	0.57 573	0.64 583	0.68 597	0.86 605	1.01 613	0.34 586	0.36 591	0.28 577	0.23 570	0.36 587	0.31 585

TorneroNet-64	0.76 596	0.72 598	0.74 594	0.78 597	0.58 599	0.91 605	0.56 598	0.84 599	1.29 607	0.66 584	0.90 596	1.40 609	0.75 599	0.85 604	0.67 603	0.49 595	0.46 594	0.72 599	0.59 600	0.67 601	0.53 597

WAO-7	0.79 597	0.78 600	0.54 565	0.85 601	0.67 604	0.74 594	0.68 607	1.05 610	1.32 608	0.90 601	1.20 612	1.04 597	0.92 606	0.69 596	0.66 600	0.60 602	0.62 613	0.67 596	0.68 606	0.64 598	0.58 599

WAO-6	0.81 598	0.80 601	0.62 577	0.86 602	0.63 602	0.76 598	0.58 600	0.98 607	1.54 615	0.90 601	0.96 601	1.07 599	1.03 610	0.70 597	0.66 600	0.72 606	0.49 601	0.90 608	0.71 607	0.68 602	0.58 599

TorneroNet	0.82 599	0.74 599	0.81 599	0.84 600	0.63 602	0.99 607	0.63 601	0.96 605	1.16 604	0.80 597	1.11 607	1.36 608	0.86 604	0.93 609	0.80 608	0.56 598	0.49 601	0.78 605	0.66 605	0.73 607	0.63 607

LVE	0.83 600	0.85 604	0.85 600	0.80 598	0.56 596	1.04 611	0.65 604	1.05 610	1.47 613	0.96 603	1.22 613	1.10 600	0.85 603	0.83 601	0.71 605	0.49 595	0.55 609	0.76 603	0.60 602	0.65 599	0.59 604

Dean	0.87 601	0.86 605	0.79 597	0.81 599	0.56 596	0.90 602	0.63 601	1.15 616	1.73 616	1.15 611	1.15 610	1.31 606	0.99 609	0.81 600	0.81 609	0.57 599	0.56 610	0.77 604	0.64 603	0.66 600	0.58 599

WAO-8	0.91 602	0.81 602	0.65 579	0.94 605	0.69 605	0.90 602	0.67 605	1.07 613	1.83 618	1.06 608	1.45 615	1.30 604	1.07 611	0.84 602	0.78 606	0.74 608	0.53 606	0.86 606	0.75 608	0.69 604	0.62 605

Venus	0.91 602	0.81 602	0.65 579	0.94 605	0.69 605	0.90 602	0.67 605	1.07 613	1.83 618	1.06 608	1.45 615	1.30 604	1.07 611	0.84 602	0.78 606	0.74 608	0.53 606	0.86 606	0.75 608	0.69 604	0.62 605

UNDER WATER-64	0.95 604	0.94 606	1.43 609	0.87 603	0.56 596	1.18 614	0.87 611	0.77 597	0.94 600	1.04 606	0.85 594	1.58 614	1.21 616	0.94 610	0.96 611	0.87 612	0.57 611	1.03 612	0.88 613	0.78 608	0.73 609

UNDER WATER	0.97 605	0.97 608	1.42 608	0.99 607	0.70 608	1.12 613	0.84 610	0.80 598	1.08 602	1.01 605	0.90 596	1.55 613	1.22 617	1.03 613	1.00 612	0.78 610	0.53 606	1.02 611	0.87 612	0.80 609	0.74 610

notaker	0.97 605	1.11 609	0.98 603	1.13 610	0.81 609	0.73 593	0.68 607	0.93 603	1.16 604	1.18 613	1.18 611	1.41 610	1.16 615	1.08 615	0.69 604	0.81 611	0.64 614	1.17 613	0.79 610	0.98 611	0.80 612

ktn	1.01 607	1.21 611	0.80 598	1.23 612	0.86 611	1.01 609	0.87 611	0.94 604	1.39 610	1.04 606	1.12 608	1.15 601	1.07 611	0.94 610	0.59 596	1.28 617	0.71 615	1.38 617	0.83 611	1.02 613	0.75 611

KSHMR	1.09 608	1.17 610	0.88 601	1.25 613	1.00 613	0.99 607	0.96 613	1.13 615	1.37 609	1.16 612	1.29 614	1.41 610	0.96 608	1.01 612	0.92 610	1.03 615	1.08 617	1.20 614	1.03 616	1.01 612	0.97 614

DPSimNet_ROB	1.11 609	1.23 612	0.78 595	1.13 610	0.88 612	1.10 612	1.13 615	1.16 617	1.23 606	1.43 615	1.02 602	1.41 610	1.10 614	0.90 608	1.60 615	1.46 618	0.51 605	1.21 615	1.03 616	0.90 610	1.01 616

HanzoNet	1.29 610	1.26 613	1.19 606	1.12 609	0.85 610	1.02 610	0.83 609	1.03 609	1.48 614	1.64 616	1.61 617	2.50 618	1.72 618	1.61 617	1.61 616	1.26 616	0.80 616	1.31 616	1.01 615	1.02 613	0.86 613

JetRed	1.62 611	1.46 614	2.98 611	0.92 604	1.21 614	4.99 619	1.53 619	1.27 618	1.39 610	1.83 617	1.74 618	1.60 615	0.95 607	1.41 616	2.45 620	0.90 614	1.60 618	0.93 609	0.90 614	1.35 615	0.99 615

MADNet++	1.95 612	1.75 615	1.59 610	1.82 614	1.69 616	2.33 617	1.40 618	2.35 619	2.09 620	2.57 619	2.36 620	2.24 617	2.17 619	2.28 618	2.34 618	1.87 619	1.66 619	1.54 618	1.34 618	1.92 616	1.77 618

coex-ft	3.30 613	0.34 577	59.09 640	0.18 324	0.13 481	0.26 518	0.22 494	0.27 411	0.72 588	1.90 618	0.70 584	0.44 559	0.45 578	0.29 527	0.41 581	0.09 399	0.09 474	0.12 496	0.09 422	0.14 522	0.13 514

TCMNet-wrong-test	3.67 614	5.48 627	3.89 617	12.18 626	11.75 628	4.65 618	3.88 620	1.06 612	0.72 588	1.09 610	2.15 619	6.30 623	0.53 583	3.43 620	2.36 619	0.89 613	0.20 567	1.87 620	1.69 619	5.57 624	3.62 624

tt	4.67 615	0.06 76	3.55 615	2.02 615	1.55 615	10.25 623	16.71 624	8.91 628	5.03 621	1.31 614	0.94 599	4.71 619	4.76 620	3.33 619	5.87 622	6.06 627	10.30 631	1.88 621	2.11 621	2.75 618	1.21 617

USTest	6.22 616	2.73 618	3.00 612	6.57 622	7.29 622	14.37 625	21.57 625	7.00 627	9.56 626	5.34 623	6.10 621	5.72 622	7.64 623	6.41 624	6.96 623	1.97 620	3.42 625	1.64 619	2.15 622	2.66 617	2.36 619

xxxxx1	7.79 617	5.02 624	7.31 620	3.12 616	3.85 618	16.35 627	22.88 626	5.86 624	8.69 623	7.97 624	8.54 622	9.12 626	8.27 624	10.18 626	10.92 624	2.42 621	2.45 621	3.56 624	12.37 628	3.77 619	3.06 621

tt_ll	7.79 617	5.02 624	7.31 620	3.12 616	3.85 618	16.35 627	22.88 626	5.86 624	8.69 623	7.97 624	8.54 622	9.12 626	8.27 624	10.18 626	10.92 624	2.42 621	2.45 621	3.56 624	12.37 628	3.77 619	3.06 621

ff	7.79 617	5.02 624	7.31 620	3.12 616	3.85 618	16.35 627	22.88 626	5.86 624	8.69 623	7.97 624	8.54 622	9.12 626	8.27 624	10.18 626	10.92 624	2.42 621	2.45 621	3.56 624	12.37 628	3.77 619	3.06 621

EDNetEfficientorigin	7.91 620	0.31 574	153.02 641	0.19 382	0.09 266	0.21 468	0.16 317	0.22 313	0.59 568	0.72 590	0.67 580	0.42 554	0.50 582	0.24 499	0.39 575	0.08 339	0.07 413	0.08 317	0.07 306	0.12 491	0.10 454

DPSMNet_ROB	8.06 621	4.48 620	8.63 626	5.37 621	10.74 625	8.32 621	22.98 630	5.46 621	13.36 629	5.12 621	9.92 625	5.08 620	10.40 627	5.53 623	12.58 627	3.80 625	8.00 626	3.50 622	7.02 625	3.83 622	7.14 626

DGTPSM_ROB	8.06 621	4.48 620	8.63 626	5.35 619	10.72 624	8.32 621	22.97 629	5.46 621	13.35 628	5.12 621	9.92 625	5.08 620	10.40 627	5.52 622	12.58 627	3.79 624	8.00 626	3.50 622	7.02 625	3.83 622	7.14 626

PML	8.91 623	9.34 631	6.13 618	5.35 619	6.41 621	14.99 626	23.38 631	5.27 620	6.83 622	18.04 634	28.19 642	7.67 624	6.83 622	7.85 625	5.75 621	5.35 626	1.83 620	5.95 630	1.93 620	8.64 627	2.52 620

DLNR_Zeroshot_test	10.40 624	1.82 616	19.49 635	120.77 641	13.11 630	0.06 11	0.13 125	0.23 333	0.10 47	0.07 48	0.10 143	0.09 157	0.06 46	0.10 82	0.09 62	0.13 518	0.04 24	0.06 125	0.04 46	51.54 641	0.04 49

DLNR-FE	10.43 625	1.83 617	19.53 636	120.75 640	13.06 629	0.06 11	0.13 125	0.23 333	0.10 47	0.07 48	0.10 143	0.09 157	0.06 46	0.10 82	0.09 62	0.13 518	0.04 24	0.06 125	0.04 46	52.01 642	0.04 49

LRCNet_RVC	10.62 626	13.42 632	7.30 619	18.92 630	2.07 617	0.33 550	0.30 570	5.59 623	0.48 539	13.03 630	17.94 631	8.87 625	5.65 621	4.79 621	1.89 617	23.51 638	2.73 624	27.55 641	25.71 641	16.07 635	16.33 636

Anonymous_1	10.96 627	7.92 628	7.46 623	10.33 623	10.06 623	18.65 631	26.34 632	11.06 631	13.44 630	9.40 627	10.05 627	9.67 629	11.23 629	10.73 629	12.72 629	6.42 628	8.38 628	5.77 627	10.61 627	12.12 628	6.77 625

DPSM_ROB	11.15 628	8.58 629	8.00 624	10.88 624	11.58 626	19.10 632	26.71 633	12.05 632	14.07 633	10.36 628	10.84 628	10.33 630	11.86 630	11.70 630	13.54 630	6.99 629	8.79 629	5.89 628	6.95 623	7.29 625	7.42 628

DPSM	11.15 628	8.58 629	8.00 624	10.88 624	11.58 626	19.10 632	26.71 633	12.05 632	14.07 633	10.36 628	10.84 628	10.33 630	11.86 630	11.70 630	13.54 630	6.99 629	8.79 629	5.89 628	6.95 623	7.29 625	7.42 628

HaxPig	15.71 630	18.52 639	19.18 634	16.89 629	15.89 631	7.73 620	7.60 621	13.31 634	10.82 627	15.42 631	14.91 630	15.98 632	14.92 632	15.58 632	15.98 632	18.95 637	16.73 632	19.46 637	18.08 637	19.26 636	19.05 639

RSGM-EC	20.36 631	4.73 622	0.68 587	16.76 627	16.92 632	21.28 634	27.18 635	10.46 629	14.04 631	18.00 632	21.31 634	22.24 640	21.82 634	22.57 634	17.63 633	62.81 641	33.79 641	20.14 638	18.10 638	20.18 637	16.45 637

acva	20.36 631	4.73 622	0.68 587	16.76 627	16.92 632	21.28 634	27.18 635	10.46 629	14.04 631	18.00 632	21.31 634	22.24 640	21.82 634	22.57 634	17.63 633	62.81 641	33.79 641	20.14 638	18.10 638	20.18 637	16.45 637

MEDIAN_ROB	20.38 633	24.04 640	23.31 637	21.23 631	21.71 634	10.40 624	7.92 622	17.64 635	15.50 635	20.12 635	19.70 632	20.34 633	20.32 633	21.19 633	21.13 635	23.81 639	21.81 639	24.98 640	23.76 640	24.71 639	23.93 640

CasAABBNet	22.42 634	17.33 634	16.01 630	22.01 632	23.28 636	38.32 636	53.80 639	24.14 639	28.41 640	20.60 636	21.77 638	20.89 638	23.91 638	23.43 638	27.36 638	14.07 632	17.69 634	11.83 633	14.01 632	14.67 630	14.95 632

RAFT-FEzeroshot	22.43 635	17.33 634	15.98 628	22.02 633	23.31 637	38.34 637	53.82 640	24.05 637	28.39 638	20.61 637	21.76 636	20.88 636	23.92 639	23.41 636	27.42 640	14.07 632	17.69 634	11.83 633	14.02 633	14.69 631	14.97 633

RAFT-FE	22.43 635	17.33 634	15.98 628	22.02 633	23.31 637	38.34 637	53.82 640	24.05 637	28.39 638	20.61 637	21.76 636	20.88 636	23.92 639	23.41 636	27.42 640	14.07 632	17.69 634	11.83 633	14.02 633	14.69 631	14.97 633

FlowAnything	22.44 637	17.35 637	16.14 632	22.07 636	23.23 635	38.39 639	53.77 638	24.25 640	28.44 641	20.96 641	21.82 639	20.70 634	23.84 636	23.49 639	27.14 637	14.04 631	17.79 638	11.75 631	14.15 636	14.65 629	14.89 630

Selective-RAFT-Error	22.47 638	17.37 638	16.09 631	22.06 635	23.34 639	38.39 639	53.83 642	24.29 642	28.47 642	20.74 639	21.83 640	20.81 635	23.90 637	23.54 641	27.53 642	14.08 635	17.69 634	11.82 632	14.00 631	14.69 631	15.00 635

LSM0	22.87 639	17.28 633	18.96 633	22.19 637	29.04 641	38.42 641	53.71 637	24.28 641	28.31 637	20.78 640	21.00 633	21.43 639	24.16 641	23.50 640	27.39 639	14.09 636	17.38 633	11.84 636	14.04 635	14.73 634	14.89 630

AVERAGE_ROB	24.90 640	29.20 641	28.14 638	24.89 638	24.64 640	17.75 630	11.12 623	21.45 636	19.93 636	25.12 642	24.46 641	25.12 642	25.46 642	24.69 642	22.83 636	29.76 640	27.13 640	28.97 642	27.95 642	29.91 640	29.47 641

test_example2	98.32 641	94.13 642	45.89 639	96.35 639	109.85 642	88.61 642	95.45 643	25.75 643	94.37 643	130.00 644	126.06 643	58.17 643	74.63 643	88.51 643	79.96 643	150.23 643	221.02 643	77.62 643	99.10 643	113.75 643	96.94 642

GS-Stereo							0.14 178	0.11 37	0.12 106	0.08 86	0.10 143	0.05 3	0.05 12	0.11 134	0.08 17	0.06 127	0.04 24	0.05 34	0.04 46	0.05 119	0.05 145

FSD					0.22 565	0.25 508	0.25 532	0.27 411	0.26 400	0.25 485	0.26 423	0.25 445	0.27 517	0.27 509	0.24 504	0.21 569	0.20 567	0.27 570	0.26 573	0.25 573

ccccc		285.66 643		368.85 642	370.60 643	123.16 643		115.05 644		126.68 643		122.83 644		252.94 644		384.56 644	353.86 644	254.69 644	223.00 644	425.87 644

ASD4		3.38 619

Low-res two-view benchmark