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

PSi22b	0.06 1	0.04 1	0.09 123	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.08 186	0.05 14	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

PSi22a	0.06 1	0.04 1	0.09 123	0.12 7	0.05 2	0.06 14	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.06 42	0.05 14	0.08 25	0.09 104	0.07 343	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

Foundation-i32	0.06 1	0.04 1	0.09 123	0.13 22	0.04 1	0.06 14	0.12 100	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

MLG-Stereo_test2	0.06 1	0.04 1	0.10 189	0.15 124	0.05 2	0.07 43	0.11 64	0.09 21	0.04 2	0.06 25	0.05 7	0.06 42	0.04 1	0.08 25	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 207

MLG-Stereo_test1	0.06 1	0.05 43	0.08 57	0.17 309	0.05 2	0.06 14	0.11 64	0.08 12	0.03 1	0.05 2	0.04 1	0.06 42	0.05 14	0.09 59	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

FoundationStereo	0.06 1	0.04 1	0.08 57	0.12 7	0.05 2	0.09 139	0.13 179	0.06 1	0.09 52	0.05 2	0.05 7	0.06 42	0.04 1	0.06 1	0.07 1	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

MCSU-Stereo	0.07 7	0.05 43	0.07 11	0.16 222	0.05 2	0.08 85	0.12 100	0.09 21	0.07 15	0.06 25	0.10 197	0.06 42	0.06 66	0.08 25	0.08 25	0.06 168	0.04 25	0.04 1	0.03 1	0.04 48	0.03 2

derf	0.07 7	0.04 1	0.10 189	0.14 70	0.06 28	0.05 4	0.12 100	0.12 85	0.09 52	0.05 2	0.07 65	0.07 124	0.08 229	0.10 124	0.10 208	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

mm2	0.07 7	0.04 1	0.10 189	0.13 22	0.06 28	0.06 14	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

mm1	0.07 7	0.04 1	0.10 189	0.13 22	0.06 28	0.06 14	0.12 100	0.06 1	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

qqai	0.07 7	0.05 43	0.10 189	0.14 70	0.06 28	0.05 4	0.12 100	0.08 12	0.09 52	0.05 2	0.06 23	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.05 50	0.03 1	0.04 48	0.05 207

MGA	0.07 7	0.04 1	0.10 189	0.13 22	0.06 28	0.08 85	0.09 20	0.12 85	0.08 25	0.05 2	0.06 23	0.06 42	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 207

CAR	0.07 7	0.05 43	0.08 57	0.14 70	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

MSE-Stereo	0.07 7	0.04 1	0.08 57	0.13 22	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

monster-pro	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.07 43	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 117	0.07 11	0.15 124	0.07 134	0.08 85	0.14 246	0.11 58	0.08 25	0.05 2	0.07 65	0.08 186	0.08 229	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

aanet-new-60k	0.07 7	0.07 239	0.08 57	0.18 402	0.06 28	0.07 43	0.10 35	0.09 21	0.14 225	0.07 75	0.07 65	0.06 42	0.06 66	0.11 199	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-70k	0.07 7	0.06 117	0.09 123	0.17 309	0.06 28	0.08 85	0.12 100	0.11 58	0.10 77	0.06 25	0.07 65	0.07 124	0.06 66	0.10 124	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 239	0.09 123	0.19 472	0.06 28	0.07 43	0.12 100	0.11 58	0.13 192	0.06 25	0.07 65	0.06 42	0.06 66	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-40k	0.07 7	0.08 358	0.07 11	0.17 309	0.07 134	0.08 85	0.13 179	0.10 35	0.10 77	0.07 75	0.08 125	0.06 42	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

GCAP-Stereo-DPT26K	0.07 7	0.06 117	0.07 11	0.16 222	0.06 28	0.08 85	0.12 100	0.10 35	0.08 25	0.06 25	0.09 161	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 239	0.07 11	0.17 309	0.06 28	0.07 43	0.12 100	0.09 21	0.11 110	0.09 183	0.09 161	0.06 42	0.07 180	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 43	0.11 252	0.15 124	0.06 28	0.07 43	0.13 179	0.09 21	0.11 110	0.07 75	0.08 125	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-24K	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.15 334	0.12 85	0.11 110	0.06 25	0.11 248	0.06 42	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 123	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.05 7	0.08 186	0.05 14	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

LACA3	0.07 7	0.08 358	0.08 57	0.13 22	0.05 2	0.09 139	0.11 64	0.08 12	0.08 25	0.08 131	0.05 7	0.07 124	0.07 180	0.07 4	0.07 1	0.06 168	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 117	0.08 57	0.17 309	0.06 28	0.08 85	0.12 100	0.13 115	0.07 15	0.08 131	0.07 65	0.06 42	0.04 1	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

LACA2	0.07 7	0.05 43	0.06 5	0.15 124	0.06 28	0.09 139	0.11 64	0.11 58	0.10 77	0.05 2	0.05 7	0.06 42	0.08 229	0.09 59	0.07 1	0.07 343	0.04 25	0.04 1	0.04 60	0.04 48	0.04 73

LACA1	0.07 7	0.07 239	0.07 11	0.14 70	0.05 2	0.09 139	0.11 64	0.10 35	0.07 15	0.05 2	0.05 7	0.06 42	0.07 180	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.04 60	0.03 1	0.04 73

Test_v1	0.07 7	0.04 1	0.06 5	0.13 22	0.06 28	0.08 85	0.11 64	0.15 188	0.12 149	0.06 25	0.05 7	0.04 1	0.05 14	0.08 25	0.10 208	0.07 343	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

BLMT-Stereo	0.07 7	0.04 1	0.08 57	0.15 124	0.07 134	0.06 14	0.14 246	0.07 7	0.10 77	0.05 2	0.05 7	0.04 1	0.06 66	0.07 4	0.09 104	0.04 11	0.04 25	0.05 50	0.05 192	0.04 48	0.04 73

Pro-Stereo	0.07 7	0.05 43	0.08 57	0.15 124	0.07 134	0.08 85	0.12 100	0.07 7	0.07 15	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

MatchStereo	0.07 7	0.04 1	0.08 57	0.14 70	0.06 28	0.05 4	0.12 100	0.12 85	0.09 52	0.07 75	0.06 23	0.04 1	0.04 1	0.08 25	0.09 104	0.06 168	0.05 276	0.05 50	0.03 1	0.04 48	0.04 73
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth_RVC	0.07 7	0.04 1	0.09 123	0.11 1	0.05 2	0.10 202	0.10 35	0.14 146	0.09 52	0.06 25	0.07 65	0.06 42	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.04 1	0.04 60	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 43	0.07 11	0.14 70	0.06 28	0.09 139	0.13 179	0.15 188	0.06 6	0.07 75	0.08 125	0.06 42	0.08 229	0.09 59	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

VIP-Stereo	0.07 7	0.07 239	0.07 11	0.15 124	0.06 28	0.12 310	0.10 35	0.11 58	0.11 110	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 239	0.08 57	0.18 402	0.06 28	0.07 43	0.11 64	0.09 21	0.06 6	0.04 1	0.07 65	0.10 260	0.09 270	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 60	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 7	0.05 43	0.09 123	0.13 22	0.06 28	0.12 310	0.12 100	0.11 58	0.10 77	0.07 75	0.08 125	0.06 42	0.06 66	0.09 59	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

MonStereo	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.08 85	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 43	0.07 11	0.16 222	0.06 28	0.07 43	0.11 64	0.10 35	0.08 25	0.06 25	0.06 23	0.07 124	0.07 180	0.09 59	0.09 104	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.08 85	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 123	0.13 22	0.06 28	0.05 4	0.09 20	0.11 58	0.07 15	0.06 25	0.06 23	0.05 5	0.06 66	0.09 59	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.05 207

Replicate-Monster	0.07 7	0.05 43	0.09 123	0.14 70	0.06 28	0.08 85	0.09 20	0.13 115	0.13 192	0.05 2	0.07 65	0.06 42	0.06 66	0.08 25	0.10 208	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

AdaDepth	0.07 7	0.06 117	0.07 11	0.18 402	0.06 28	0.11 256	0.12 100	0.09 21	0.07 15	0.06 25	0.05 7	0.07 124	0.06 66	0.09 59	0.10 208	0.04 11	0.05 276	0.05 50	0.04 60	0.04 48	0.04 73

asda	0.07 7	0.08 358	0.08 57	0.16 222	0.06 28	0.06 14	0.10 35	0.16 228	0.10 77	0.06 25	0.06 23	0.05 5	0.05 14	0.10 124	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

asd	0.07 7	0.08 358	0.07 11	0.16 222	0.07 134	0.08 85	0.08 7	0.11 58	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.09 104	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

qwe	0.07 7	0.08 358	0.07 11	0.15 124	0.06 28	0.07 43	0.10 35	0.18 302	0.11 110	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.09 104	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.25w	0.07 7	0.06 117	0.07 11	0.14 70	0.06 28	0.08 85	0.08 7	0.10 35	0.15 252	0.08 131	0.10 197	0.07 124	0.06 66	0.08 25	0.10 208	0.05 51	0.03 1	0.04 1	0.04 60	0.03 1	0.04 73

4.25_new	0.07 7	0.08 358	0.09 123	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 295	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 358	0.09 123	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 295	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 440	0.08 57	0.15 124	0.07 134	0.06 14	0.10 35	0.14 146	0.11 110	0.06 25	0.08 125	0.06 42	0.06 66	0.08 25	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 440	0.08 57	0.15 124	0.07 134	0.06 14	0.10 35	0.14 146	0.11 110	0.06 25	0.08 125	0.06 42	0.06 66	0.08 25	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 358	0.09 123	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 295	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 358	0.08 57	0.16 222	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.07 75	0.07 65	0.05 5	0.06 66	0.09 59	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.5w	0.07 7	0.07 239	0.07 11	0.16 222	0.06 28	0.08 85	0.12 100	0.10 35	0.10 77	0.07 75	0.06 23	0.09 223	0.06 66	0.08 25	0.09 104	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 239	0.07 11	0.13 22	0.06 28	0.08 85	0.08 7	0.18 302	0.12 149	0.07 75	0.08 125	0.06 42	0.06 66	0.09 59	0.11 291	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 73

3.25w_new	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.07 3	0.12 85	0.11 110	0.08 131	0.06 23	0.07 124	0.06 66	0.11 199	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.07 3	0.12 85	0.11 110	0.08 131	0.06 23	0.07 124	0.06 66	0.11 199	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 239	0.08 57	0.16 222	0.07 134	0.07 43	0.09 20	0.16 228	0.09 52	0.07 75	0.06 23	0.05 5	0.06 66	0.09 59	0.10 208	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 239	0.07 11	0.15 124	0.07 134	0.09 139	0.06 1	0.13 115	0.11 110	0.07 75	0.07 65	0.06 42	0.07 180	0.10 124	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 117	0.07 11	0.16 222	0.06 28	0.07 43	0.10 35	0.14 146	0.14 225	0.07 75	0.08 125	0.05 5	0.06 66	0.09 59	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 73

monsterstereo	0.07 7	0.06 117	0.06 5	0.16 222	0.06 28	0.08 85	0.10 35	0.16 228	0.11 110	0.07 75	0.08 125	0.06 42	0.07 180	0.08 25	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

monsters	0.07 7	0.06 117	0.06 5	0.15 124	0.06 28	0.08 85	0.09 20	0.12 85	0.08 25	0.09 183	0.07 65	0.06 42	0.06 66	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 57	0.13 22	0.06 28	0.09 139	0.12 100	0.14 146	0.10 77	0.06 25	0.09 161	0.07 124	0.05 14	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

111111	0.07 7	0.04 1	0.09 123	0.17 309	0.06 28	0.05 4	0.10 35	0.11 58	0.09 52	0.06 25	0.06 23	0.07 124	0.05 14	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.07 381	0.06 310

LG-Stereo_L2	0.07 7	0.05 43	0.10 189	0.14 70	0.06 28	0.07 43	0.12 100	0.09 21	0.09 52	0.06 25	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

LG-Stereo_L1	0.07 7	0.05 43	0.11 252	0.14 70	0.06 28	0.07 43	0.13 179	0.09 21	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

MLG-Stereo_test3	0.07 7	0.05 43	0.10 189	0.14 70	0.06 28	0.07 43	0.11 64	0.08 12	0.06 6	0.06 25	0.04 1	0.06 42	0.06 66	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.06 310

MLG-Stereo	0.07 7	0.05 43	0.08 57	0.17 309	0.05 2	0.07 43	0.11 64	0.08 12	0.04 2	0.05 2	0.04 1	0.06 42	0.05 14	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

LG-G_1	0.07 7	0.04 1	0.11 252	0.15 124	0.06 28	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 180	0.11 199	0.08 25	0.07 343	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

LG-G	0.07 7	0.04 1	0.11 252	0.15 124	0.06 28	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 180	0.11 199	0.08 25	0.07 343	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

LGtest1	0.07 7	0.04 1	0.10 189	0.15 124	0.06 28	0.07 43	0.09 20	0.08 12	0.06 6	0.05 2	0.04 1	0.06 42	0.06 66	0.10 124	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.06 293	0.06 310

LG-Stereo_Zeroshot	0.07 7	0.06 117	0.10 189	0.16 222	0.07 134	0.04 1	0.13 179	0.10 35	0.10 77	0.05 2	0.11 248	0.07 124	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

GREAT-IGEV	0.07 7	0.06 117	0.08 57	0.13 22	0.07 134	0.07 43	0.14 246	0.09 21	0.09 52	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 598	0.17 508	0.11 1	0.05 2	0.05 4	0.11 64	0.08 12	0.08 25	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.08 426	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

AIO_rvc	0.07 7	0.06 117	0.08 57	0.15 124	0.06 28	0.08 85	0.14 246	0.09 21	0.08 25	0.07 75	0.08 125	0.07 124	0.04 1	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

AIO_test	0.07 7	0.05 43	0.07 11	0.15 124	0.07 134	0.06 14	0.14 246	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.05 14	0.08 25	0.10 208	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

MonSter	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.07 43	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 43	0.07 11	0.14 70	0.06 28	0.10 202	0.13 179	0.07 7	0.13 192	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

dual_stereo	0.07 7	0.04 1	0.08 57	0.15 124	0.05 2	0.05 4	0.13 179	0.12 85	0.08 25	0.07 75	0.06 23	0.05 5	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

IGEV-Stereo++	0.07 7	0.06 117	0.08 57	0.18 402	0.06 28	0.04 1	0.10 35	0.11 58	0.11 110	0.06 25	0.07 65	0.07 124	0.06 66	0.09 59	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

IGEV-Stereo+	0.07 7	0.04 1	0.08 57	0.15 124	0.06 28	0.04 1	0.09 20	0.10 35	0.09 52	0.06 25	0.06 23	0.06 42	0.06 66	0.06 1	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.06 293	0.06 310

GCAPDPT-zeroshot4090	0.07 7	0.05 43	0.11 252	0.15 124	0.06 28	0.07 43	0.13 179	0.09 21	0.11 110	0.07 75	0.08 125	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

Selective-IGEV	0.07 7	0.06 117	0.08 57	0.17 309	0.06 28	0.08 85	0.12 100	0.13 115	0.07 15	0.08 131	0.07 65	0.06 42	0.04 1	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

depth_test_26	0.08 85	0.04 1	0.11 252	0.13 22	0.07 134	0.07 43	0.11 64	0.12 85	0.11 110	0.09 183	0.07 65	0.08 186	0.05 14	0.09 59	0.08 25	0.08 426	0.06 430	0.06 200	0.06 293	0.06 293	0.07 400

Anonymus	0.08 85	0.05 43	0.10 189	0.15 124	0.08 220	0.10 202	0.15 334	0.15 188	0.10 77	0.07 75	0.06 23	0.07 124	0.08 229	0.12 295	0.10 208	0.06 168	0.04 25	0.05 50	0.05 192	0.05 170	0.06 310

LGCAT	0.08 85	0.04 1	0.10 189	0.11 1	0.06 28	0.07 43	0.12 100	0.07 7	0.08 25	0.09 183	0.07 65	0.07 124	0.08 229	0.12 295	0.11 291	0.10 531	0.09 568	0.04 1	0.05 192	0.04 48	0.09 517

quiztm	0.08 85	0.07 239	0.08 57	0.18 402	0.07 134	0.09 139	0.14 246	0.14 146	0.12 149	0.07 75	0.07 65	0.05 5	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.04 60	0.04 48	0.03 2

TS12	0.08 85	0.06 117	0.09 123	0.21 572	0.07 134	0.11 256	0.13 179	0.11 58	0.09 52	0.10 230	0.10 197	0.08 186	0.10 314	0.09 59	0.12 355	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

DF	0.08 85	0.05 43	0.09 123	0.15 124	0.06 28	0.11 256	0.13 179	0.10 35	0.12 149	0.09 183	0.10 197	0.10 260	0.08 229	0.11 199	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

LiteMatch*	0.08 85	0.04 1	0.11 252	0.13 22	0.08 220	0.08 85	0.13 179	0.14 146	0.09 52	0.05 2	0.05 7	0.05 5	0.09 270	0.11 199	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 207

aanet-new-90k	0.08 85	0.07 239	0.08 57	0.19 472	0.06 28	0.07 43	0.12 100	0.12 85	0.13 192	0.06 25	0.07 65	0.06 42	0.06 66	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-36k	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.09 139	0.13 179	0.11 58	0.13 192	0.08 131	0.08 125	0.06 42	0.05 14	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-34k	0.08 85	0.06 117	0.09 123	0.17 309	0.05 2	0.07 43	0.13 179	0.12 85	0.12 149	0.09 183	0.08 125	0.07 124	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-32k-new	0.08 85	0.07 239	0.08 57	0.18 402	0.06 28	0.08 85	0.12 100	0.11 58	0.12 149	0.07 75	0.08 125	0.05 5	0.07 180	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 293	0.04 73

aanet-new-32k	0.08 85	0.07 239	0.09 123	0.18 402	0.06 28	0.11 256	0.11 64	0.10 35	0.08 25	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-30k	0.08 85	0.07 239	0.09 123	0.18 402	0.06 28	0.11 256	0.11 64	0.10 35	0.08 25	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-28k	0.08 85	0.07 239	0.09 123	0.18 402	0.06 28	0.08 85	0.12 100	0.10 35	0.09 52	0.09 183	0.08 125	0.08 186	0.06 66	0.12 295	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-22k	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.08 85	0.11 64	0.14 146	0.12 149	0.09 183	0.09 161	0.08 186	0.06 66	0.10 124	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-16k	0.08 85	0.08 358	0.08 57	0.18 402	0.06 28	0.07 43	0.09 20	0.13 115	0.12 149	0.08 131	0.07 65	0.07 124	0.06 66	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-10k	0.08 85	0.08 358	0.08 57	0.19 472	0.07 134	0.08 85	0.12 100	0.14 146	0.11 110	0.07 75	0.08 125	0.07 124	0.07 180	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-12k	0.08 85	0.09 440	0.07 11	0.20 539	0.08 220	0.08 85	0.13 179	0.12 85	0.13 192	0.08 131	0.08 125	0.05 5	0.07 180	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.06 293	0.04 73

aanet-new-14k	0.08 85	0.09 440	0.08 57	0.19 472	0.06 28	0.07 43	0.10 35	0.14 146	0.15 252	0.06 25	0.08 125	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-8k	0.08 85	0.07 239	0.08 57	0.19 472	0.07 134	0.09 139	0.12 100	0.16 228	0.15 252	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

aanet-new	0.08 85	0.09 440	0.10 189	0.18 402	0.08 220	0.10 202	0.12 100	0.15 188	0.12 149	0.08 131	0.08 125	0.05 5	0.07 180	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 293	0.04 73

GCAP-Stereo-cres-4k	0.08 85	0.07 239	0.08 57	0.18 402	0.07 134	0.11 256	0.14 246	0.12 85	0.11 110	0.07 75	0.11 248	0.07 124	0.06 66	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

GCAP-Stereo-DPT-cres	0.08 85	0.05 43	0.07 11	0.15 124	0.06 28	0.10 202	0.14 246	0.13 115	0.12 149	0.07 75	0.09 161	0.07 124	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 85	0.06 117	0.15 441	0.14 70	0.06 28	0.08 85	0.13 179	0.13 115	0.11 110	0.07 75	0.08 125	0.07 124	0.06 66	0.09 59	0.08 25	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-22K	0.08 85	0.06 117	0.07 11	0.17 309	0.06 28	0.07 43	0.14 246	0.13 115	0.16 291	0.05 2	0.10 197	0.06 42	0.06 66	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-5K	0.08 85	0.06 117	0.10 189	0.16 222	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

GCAP-Stereo-DPT-2K	0.08 85	0.06 117	0.10 189	0.16 222	0.07 134	0.11 256	0.13 179	0.14 146	0.14 225	0.08 131	0.13 289	0.05 5	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-3K	0.08 85	0.07 239	0.10 189	0.16 222	0.07 134	0.09 139	0.12 100	0.15 188	0.14 225	0.08 131	0.11 248	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-50K	0.08 85	0.06 117	0.17 508	0.15 124	0.06 28	0.06 14	0.13 179	0.13 115	0.13 192	0.07 75	0.07 65	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 85	0.06 117	0.07 11	0.16 222	0.06 28	0.06 14	0.14 246	0.14 146	0.14 225	0.07 75	0.10 197	0.06 42	0.05 14	0.09 59	0.09 104	0.04 11	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 85	0.05 43	0.12 300	0.15 124	0.06 28	0.10 202	0.14 246	0.12 85	0.12 149	0.07 75	0.09 161	0.06 42	0.06 66	0.10 124	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

PSi22	0.08 85	0.06 117	0.11 252	0.16 222	0.07 134	0.08 85	0.10 35	0.14 146	0.08 25	0.08 131	0.06 23	0.10 260	0.06 66	0.12 295	0.09 104	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

Foundation-i1c-attn	0.08 85	0.05 43	0.07 11	0.14 70	0.05 2	0.09 139	0.12 100	0.12 85	0.10 77	0.09 183	0.10 197	0.10 260	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Foundation-i1b	0.08 85	0.05 43	0.07 11	0.14 70	0.05 2	0.09 139	0.12 100	0.13 115	0.10 77	0.09 183	0.10 197	0.09 223	0.06 66	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Foundation-i1a	0.08 85	0.05 43	0.07 11	0.13 22	0.05 2	0.13 366	0.13 179	0.12 85	0.09 52	0.11 266	0.11 248	0.11 291	0.06 66	0.08 25	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

DepthFocus	0.08 85	0.04 1	0.15 441	0.12 7	0.09 355	0.07 43	0.12 100	0.10 35	0.05 4	0.09 183	0.05 7	0.07 124	0.04 1	0.08 25	0.08 25	0.06 168	0.05 276	0.07 312	0.07 393	0.05 170	0.04 73

GeoVLM	0.08 85	0.04 1	0.10 189	0.13 22	0.06 28	0.10 202	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.11 291	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

gcap_with_dpt	0.08 85	0.06 117	0.09 123	0.16 222	0.07 134	0.09 139	0.12 100	0.13 115	0.13 192	0.08 131	0.12 270	0.04 1	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

DispViT+	0.08 85	0.05 43	0.09 123	0.13 22	0.06 28	0.05 4	0.11 64	0.18 302	0.16 291	0.09 183	0.08 125	0.07 124	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 85	0.04 1	0.11 252	0.14 70	0.07 134	0.11 256	0.11 64	0.11 58	0.07 15	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.06 293	0.06 310

BStereo	0.08 85	0.06 117	0.16 477	0.15 124	0.08 220	0.07 43	0.09 20	0.15 188	0.16 291	0.06 25	0.07 65	0.07 124	0.05 14	0.09 59	0.11 291	0.04 11	0.05 276	0.05 50	0.07 393	0.04 48	0.04 73

MonSter++	0.08 85	0.04 1	0.10 189	0.13 22	0.06 28	0.09 139	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.11 291	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

HiDET	0.08 85	0.04 1	0.10 189	0.13 22	0.06 28	0.08 85	0.12 100	0.12 85	0.11 110	0.06 25	0.07 65	0.07 124	0.07 180	0.11 199	0.11 291	0.06 168	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

LCMNet	0.08 85	0.05 43	0.10 189	0.13 22	0.07 134	0.09 139	0.12 100	0.10 35	0.11 110	0.06 25	0.08 125	0.06 42	0.07 180	0.11 199	0.10 208	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

GEAStereo	0.08 85	0.05 43	0.08 57	0.13 22	0.08 220	0.08 85	0.14 246	0.10 35	0.09 52	0.08 131	0.10 197	0.06 42	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

GSStereo	0.08 85	0.05 43	0.08 57	0.13 22	0.08 220	0.08 85	0.14 246	0.11 58	0.12 149	0.08 131	0.10 197	0.05 5	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

gasm-f	0.08 85	0.05 43	0.07 11	0.13 22	0.08 220	0.08 85	0.14 246	0.10 35	0.09 52	0.08 131	0.10 197	0.06 42	0.05 14	0.10 124	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.06 293	0.05 207

DDF-Stereo	0.08 85	0.04 1	0.09 123	0.15 124	0.10 469	0.06 14	0.13 179	0.09 21	0.14 225	0.06 25	0.06 23	0.07 124	0.06 66	0.09 59	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.08 450	0.05 207

252Zero-FE	0.08 85	0.04 1	0.09 123	0.13 22	0.07 134	0.12 310	0.11 64	0.13 115	0.14 225	0.06 25	0.05 7	0.06 42	0.05 14	0.09 59	0.10 208	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.06 310

DA	0.08 85	0.07 239	0.07 11	0.19 472	0.08 220	0.09 139	0.12 100	0.13 115	0.12 149	0.08 131	0.10 197	0.10 260	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.03 2

zero-FE	0.08 85	0.04 1	0.09 123	0.15 124	0.10 469	0.05 4	0.14 246	0.09 21	0.14 225	0.07 75	0.06 23	0.07 124	0.06 66	0.09 59	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.08 450	0.05 207

GGEV	0.08 85	0.07 239	0.07 11	0.19 472	0.08 220	0.09 139	0.12 100	0.13 115	0.12 149	0.08 131	0.10 197	0.10 260	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.03 2

GASTEREO	0.08 85	0.05 43	0.09 123	0.19 472	0.07 134	0.07 43	0.12 100	0.14 146	0.11 110	0.10 230	0.09 161	0.07 124	0.04 1	0.12 295	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.04 48	0.05 207

MSCF	0.08 85	0.05 43	0.08 57	0.19 472	0.08 220	0.06 14	0.12 100	0.14 146	0.11 110	0.10 230	0.09 161	0.07 124	0.04 1	0.11 199	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 207

S2M2_XL	0.08 85	0.06 117	0.12 300	0.12 7	0.08 220	0.09 139	0.09 20	0.07 7	0.07 15	0.08 131	0.07 65	0.07 124	0.06 66	0.09 59	0.09 104	0.08 426	0.06 430	0.07 312	0.05 192	0.08 450	0.06 310
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 85	0.09 440	0.10 189	0.17 309	0.07 134	0.08 85	0.10 35	0.20 345	0.13 192	0.06 25	0.07 65	0.05 5	0.06 66	0.08 25	0.09 104	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 85	0.08 358	0.09 123	0.16 222	0.06 28	0.08 85	0.10 35	0.20 345	0.15 252	0.08 131	0.07 65	0.06 42	0.06 66	0.06 1	0.09 104	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

LG-Stereo	0.08 85	0.07 239	0.10 189	0.18 402	0.07 134	0.10 202	0.17 447	0.11 58	0.08 25	0.05 2	0.07 65	0.05 5	0.07 180	0.09 59	0.09 104	0.04 11	0.05 276	0.07 312	0.07 393	0.04 48	0.04 73

SGD-Stereo	0.08 85	0.05 43	0.10 189	0.14 70	0.05 2	0.12 310	0.12 100	0.11 58	0.12 149	0.07 75	0.09 161	0.09 223	0.09 270	0.08 25	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

HART	0.08 85	0.07 239	0.09 123	0.17 309	0.07 134	0.10 202	0.16 405	0.13 115	0.11 110	0.08 131	0.10 197	0.07 124	0.05 14	0.10 124	0.08 25	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.04 73

Reg-Stereo(zero)	0.08 85	0.05 43	0.08 57	0.16 222	0.06 28	0.12 310	0.11 64	0.15 188	0.10 77	0.12 309	0.09 161	0.10 260	0.08 229	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

SCV_C0	0.08 85	0.07 239	0.07 11	0.16 222	0.09 355	0.08 85	0.15 334	0.11 58	0.12 149	0.08 131	0.07 65	0.06 42	0.05 14	0.11 199	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.06 293	0.05 207

SCV	0.08 85	0.09 440	0.08 57	0.15 124	0.08 220	0.10 202	0.13 179	0.10 35	0.12 149	0.07 75	0.07 65	0.06 42	0.04 1	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.04 60	0.06 293	0.04 73

DEFOM-Stereo_RVC	0.08 85	0.06 117	0.09 123	0.22 589	0.06 28	0.08 85	0.12 100	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.05 14	0.11 199	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.06 293	0.04 73

HUF	0.08 85	0.05 43	0.08 57	0.14 70	0.06 28	0.09 139	0.13 179	0.13 115	0.13 192	0.07 75	0.07 65	0.08 186	0.06 66	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

castereo++	0.08 85	0.05 43	0.08 57	0.15 124	0.05 2	0.14 403	0.12 100	0.11 58	0.15 252	0.07 75	0.07 65	0.07 124	0.06 66	0.08 25	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

IGEV-RUCA	0.08 85	0.06 117	0.11 252	0.14 70	0.09 355	0.10 202	0.12 100	0.10 35	0.12 149	0.06 25	0.07 65	0.07 124	0.06 66	0.09 59	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.06 310

GIP-stereo	0.08 85	0.06 117	0.11 252	0.14 70	0.06 28	0.09 139	0.13 179	0.14 146	0.11 110	0.07 75	0.08 125	0.05 5	0.04 1	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

SMoEStereo_RVC	0.08 85	0.06 117	0.12 300	0.16 222	0.07 134	0.09 139	0.14 246	0.11 58	0.13 192	0.09 183	0.07 65	0.07 124	0.07 180	0.12 295	0.10 208	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

WCG-NET	0.08 85	0.05 43	0.09 123	0.15 124	0.06 28	0.11 256	0.14 246	0.13 115	0.13 192	0.06 25	0.09 161	0.07 124	0.06 66	0.13 351	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

Occ-G	0.08 85	0.05 43	0.06 5	0.14 70	0.07 134	0.08 85	0.14 246	0.13 115	0.15 252	0.07 75	0.11 248	0.07 124	0.05 14	0.09 59	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 207

U	0.08 85	0.07 239	0.09 123	0.19 472	0.10 469	0.10 202	0.13 179	0.12 85	0.17 321	0.07 75	0.07 65	0.06 42	0.05 14	0.07 4	0.08 25	0.06 168	0.04 25	0.06 200	0.04 60	0.06 293	0.05 207

AIO-Stereo	0.08 85	0.06 117	0.09 123	0.18 402	0.06 28	0.08 85	0.12 100	0.15 188	0.09 52	0.08 131	0.08 125	0.07 124	0.05 14	0.11 199	0.08 25	0.05 51	0.05 276	0.05 50	0.04 60	0.04 48	0.04 73

WCG-NET（raft）	0.08 85	0.05 43	0.10 189	0.15 124	0.06 28	0.11 256	0.13 179	0.15 188	0.12 149	0.08 131	0.07 65	0.06 42	0.06 66	0.13 351	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

RSM++	0.08 85	0.06 117	0.09 123	0.17 309	0.07 134	0.09 139	0.12 100	0.11 58	0.11 110	0.08 131	0.06 23	0.07 124	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.06 200	0.05 192	0.05 170	0.03 2

RSM	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.08 85	0.12 100	0.12 85	0.10 77	0.08 131	0.07 65	0.06 42	0.05 14	0.11 199	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

gcap-zeroshot	0.08 85	0.06 117	0.10 189	0.15 124	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

test_for_model	0.08 85	0.06 117	0.10 189	0.16 222	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

trnet	0.08 85	0.05 43	0.07 11	0.12 7	0.05 2	0.12 310	0.11 64	0.13 115	0.10 77	0.08 131	0.13 289	0.09 223	0.08 229	0.11 199	0.10 208	0.08 426	0.05 276	0.05 50	0.03 1	0.06 293	0.05 207

MoCha-V2	0.08 85	0.05 43	0.10 189	0.20 539	0.07 134	0.09 139	0.14 246	0.11 58	0.08 25	0.07 75	0.08 125	0.07 124	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

IGEV++	0.08 85	0.06 117	0.08 57	0.18 402	0.07 134	0.09 139	0.13 179	0.10 35	0.09 52	0.08 131	0.08 125	0.06 42	0.06 66	0.13 351	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

testlalala	0.08 85	0.06 117	0.10 189	0.15 124	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

AEACV	0.08 85	0.05 43	0.08 57	0.14 70	0.13 577	0.14 403	0.13 179	0.14 146	0.09 52	0.07 75	0.09 161	0.07 124	0.08 229	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

LoS_RVC	0.08 85	0.05 43	0.07 11	0.15 124	0.07 134	0.08 85	0.15 334	0.11 58	0.10 77	0.08 131	0.09 161	0.06 42	0.09 270	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

CAS	0.08 85	0.04 1	0.07 11	0.17 309	0.08 220	0.10 202	0.13 179	0.12 85	0.09 52	0.09 183	0.10 197	0.08 186	0.06 66	0.09 59	0.08 25	0.08 426	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

CES	0.08 85	0.04 1	0.08 57	0.14 70	0.07 134	0.09 139	0.14 246	0.11 58	0.09 52	0.08 131	0.09 161	0.11 291	0.06 66	0.12 295	0.08 25	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 207

EGLCR-Stereo	0.08 85	0.05 43	0.08 57	0.14 70	0.06 28	0.10 202	0.12 100	0.11 58	0.16 291	0.06 25	0.05 7	0.07 124	0.05 14	0.10 124	0.11 291	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

MC-Stereo	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.10 202	0.14 246	0.12 85	0.10 77	0.09 183	0.12 270	0.09 223	0.06 66	0.11 199	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

test-3	0.08 85	0.06 117	0.09 123	0.17 309	0.07 134	0.07 43	0.14 246	0.12 85	0.15 252	0.09 183	0.08 125	0.07 124	0.08 229	0.11 199	0.10 208	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.04 73

test_1	0.08 85	0.06 117	0.09 123	0.17 309	0.07 134	0.07 43	0.14 246	0.12 85	0.15 252	0.09 183	0.08 125	0.07 124	0.08 229	0.11 199	0.10 208	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.04 73

CREStereo++_RVC	0.08 85	0.04 1	0.06 5	0.13 22	0.07 134	0.09 139	0.12 100	0.14 146	0.14 225	0.10 230	0.14 305	0.08 186	0.07 180	0.09 59	0.11 291	0.06 168	0.04 25	0.05 50	0.05 192	0.04 48	0.04 73
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
PhaseNet	0.09 176	0.06 117	0.10 189	0.15 124	0.08 220	0.10 202	0.14 246	0.20 345	0.12 149	0.07 75	0.08 125	0.09 223	0.10 314	0.13 351	0.12 355	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

DNS	0.09 176	0.05 43	0.11 252	0.15 124	0.08 220	0.10 202	0.16 405	0.17 267	0.09 52	0.08 131	0.12 270	0.08 186	0.07 180	0.09 59	0.08 25	0.07 343	0.04 25	0.05 50	0.05 192	0.06 293	0.05 207

RT-Monster	0.09 176	0.05 43	0.09 123	0.14 70	0.08 220	0.11 256	0.10 35	0.17 267	0.18 354	0.13 343	0.10 197	0.09 223	0.08 229	0.10 124	0.10 208	0.07 343	0.05 276	0.05 50	0.04 60	0.05 170	0.06 310

LiteMatch	0.09 176	0.06 117	0.10 189	0.16 222	0.07 134	0.09 139	0.15 334	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.15 468	0.10 124	0.14 445	0.07 343	0.04 25	0.06 200	0.06 293	0.06 293	0.06 310

Foundation-i1	0.09 176	0.04 1	0.10 189	0.14 70	0.06 28	0.10 202	0.13 179	0.16 228	0.14 225	0.10 230	0.10 197	0.11 291	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.05 192	0.05 170	0.05 207

VMStereo-Base	0.09 176	0.05 43	0.10 189	0.13 22	0.07 134	0.10 202	0.10 35	0.16 228	0.13 192	0.10 230	0.15 326	0.10 260	0.09 270	0.11 199	0.10 208	0.07 343	0.05 276	0.05 50	0.04 60	0.05 170	0.06 310

Anonymus123	0.09 176	0.06 117	0.16 477	0.15 124	0.08 220	0.11 256	0.09 20	0.18 302	0.16 291	0.06 25	0.07 65	0.07 124	0.05 14	0.09 59	0.11 291	0.04 11	0.05 276	0.05 50	0.07 393	0.04 48	0.04 73

NLSM3	0.09 176	0.06 117	0.08 57	0.19 472	0.08 220	0.11 256	0.16 405	0.18 302	0.16 291	0.06 25	0.08 125	0.07 124	0.08 229	0.09 59	0.11 291	0.04 11	0.04 25	0.06 200	0.07 393	0.03 1	0.03 2

FE-Mocha	0.09 176	0.06 117	0.14 392	0.16 222	0.09 355	0.10 202	0.15 334	0.18 302	0.16 291	0.10 230	0.09 161	0.07 124	0.07 180	0.09 59	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

IGEV-FE	0.09 176	0.05 43	0.12 300	0.13 22	0.08 220	0.12 310	0.13 179	0.17 267	0.11 110	0.10 230	0.06 23	0.09 223	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

water-stereo	0.09 176	0.06 117	0.08 57	0.16 222	0.07 134	0.09 139	0.13 179	0.15 188	0.13 192	0.11 266	0.12 270	0.08 186	0.09 270	0.07 4	0.08 25	0.06 168	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

depthmonostereo	0.09 176	0.06 117	0.09 123	0.15 124	0.06 28	0.10 202	0.13 179	0.14 146	0.14 225	0.10 230	0.10 197	0.09 223	0.11 351	0.08 25	0.09 104	0.06 168	0.05 276	0.06 200	0.04 60	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 176	0.05 43	0.08 57	0.15 124	0.06 28	0.11 256	0.12 100	0.14 146	0.16 291	0.11 266	0.11 248	0.09 223	0.09 270	0.11 199	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.03 1	0.03 2

S2M2_L	0.09 176	0.08 358	0.11 252	0.13 22	0.10 469	0.08 85	0.06 1	0.10 35	0.10 77	0.10 230	0.09 161	0.10 260	0.09 270	0.11 199	0.11 291	0.13 614	0.07 503	0.08 406	0.09 514	0.10 548	0.08 471
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 176	0.06 117	0.09 123	0.19 472	0.08 220	0.12 310	0.18 496	0.15 188	0.14 225	0.07 75	0.10 197	0.07 124	0.06 66	0.12 295	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.03 2

castereo	0.09 176	0.06 117	0.11 252	0.15 124	0.06 28	0.11 256	0.15 334	0.14 146	0.18 354	0.08 131	0.10 197	0.11 291	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

fffft	0.09 176	0.06 117	0.12 300	0.16 222	0.07 134	0.09 139	0.17 447	0.12 85	0.11 110	0.08 131	0.07 65	0.09 223	0.06 66	0.11 199	0.12 355	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.05 207
1: 1. 1
tt45	0.09 176	0.06 117	0.11 252	0.15 124	0.07 134	0.11 256	0.16 405	0.13 115	0.11 110	0.09 183	0.06 23	0.08 186	0.06 66	0.13 351	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

999	0.09 176	0.05 43	0.13 353	0.15 124	0.08 220	0.10 202	0.14 246	0.15 188	0.11 110	0.10 230	0.08 125	0.08 186	0.08 229	0.16 447	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.05 207

mms	0.09 176	0.07 239	0.08 57	0.16 222	0.08 220	0.10 202	0.16 405	0.12 85	0.11 110	0.08 131	0.09 161	0.08 186	0.06 66	0.11 199	0.12 355	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.03 2

ours_stereo	0.09 176	0.07 239	0.09 123	0.17 309	0.08 220	0.11 256	0.16 405	0.11 58	0.12 149	0.08 131	0.10 197	0.08 186	0.06 66	0.12 295	0.12 355	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.03 2

fffy	0.09 176	0.08 358	0.09 123	0.16 222	0.07 134	0.13 366	0.17 447	0.13 115	0.12 149	0.08 131	0.09 161	0.08 186	0.09 270	0.13 351	0.11 291	0.05 51	0.05 276	0.07 312	0.05 192	0.04 48	0.05 207

PAM_32	0.09 176	0.05 43	0.17 508	0.15 124	0.08 220	0.10 202	0.15 334	0.14 146	0.15 252	0.09 183	0.08 125	0.09 223	0.07 180	0.14 385	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.06 310

UGAM-zero	0.09 176	0.05 43	0.15 441	0.15 124	0.08 220	0.09 139	0.13 179	0.19 333	0.15 252	0.11 266	0.15 326	0.07 124	0.07 180	0.09 59	0.09 104	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

GCAP-BAT	0.09 176	0.05 43	0.11 252	0.13 22	0.07 134	0.11 256	0.14 246	0.14 146	0.16 291	0.07 75	0.10 197	0.08 186	0.06 66	0.13 351	0.08 25	0.07 343	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

Pointernet	0.09 176	0.04 1	0.09 123	0.16 222	0.08 220	0.13 366	0.10 35	0.15 188	0.17 321	0.09 183	0.07 65	0.06 42	0.06 66	0.11 199	0.09 104	0.08 426	0.04 25	0.05 50	0.03 1	0.06 293	0.05 207

IGEV-BASED-STEREO-	0.09 176	0.10 503	0.31 618	0.15 124	0.06 28	0.08 85	0.14 246	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.04 1	0.11 199	0.07 1	0.12 588	0.04 25	0.07 312	0.05 192	0.05 170	0.05 207

RAFT-Stereo-weight	0.09 176	0.06 117	0.10 189	0.16 222	0.07 134	0.09 139	0.14 246	0.19 333	0.16 291	0.11 266	0.10 197	0.08 186	0.06 66	0.10 124	0.11 291	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

MGS-Stereo	0.09 176	0.07 239	0.12 300	0.15 124	0.08 220	0.09 139	0.15 334	0.12 85	0.12 149	0.07 75	0.10 197	0.08 186	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.06 293	0.05 207

ff7	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

IGEVStereo-DCA	0.09 176	0.06 117	0.11 252	0.15 124	0.10 469	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.08 25	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

ffff	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

rrr	0.09 176	0.06 117	0.12 300	0.15 124	0.10 469	0.11 256	0.16 405	0.16 228	0.15 252	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.08 25	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

11t	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

MaDis-Stereo	0.09 176	0.09 440	0.08 57	0.17 309	0.09 355	0.13 366	0.10 35	0.16 228	0.16 291	0.09 183	0.11 248	0.06 42	0.06 66	0.09 59	0.13 402	0.07 343	0.06 430	0.07 312	0.05 192	0.05 170	0.04 73

IGEV_Zeroshot_test	0.09 176	0.05 43	0.12 300	0.13 22	0.08 220	0.12 310	0.13 179	0.17 267	0.11 110	0.10 230	0.06 23	0.09 223	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

MSKI-zero shot	0.09 176	0.05 43	0.09 123	0.15 124	0.07 134	0.10 202	0.13 179	0.14 146	0.13 192	0.09 183	0.09 161	0.09 223	0.06 66	0.12 295	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

UniTT-Stereo	0.09 176	0.07 239	0.08 57	0.18 402	0.08 220	0.13 366	0.11 64	0.12 85	0.11 110	0.10 230	0.12 270	0.05 5	0.07 180	0.09 59	0.09 104	0.07 343	0.05 276	0.05 50	0.05 192	0.05 170	0.05 207

MIM_Stereo	0.09 176	0.07 239	0.11 252	0.15 124	0.07 134	0.06 14	0.12 100	0.20 345	0.14 225	0.13 343	0.13 289	0.09 223	0.05 14	0.12 295	0.08 25	0.05 51	0.06 430	0.07 312	0.06 293	0.06 293	0.05 207

CASnet	0.09 176	0.09 440	0.09 123	0.19 472	0.06 28	0.07 43	0.11 64	0.18 302	0.14 225	0.11 266	0.10 197	0.09 223	0.07 180	0.10 124	0.10 208	0.06 168	0.04 25	0.10 541	0.08 467	0.05 170	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 176	0.05 43	0.11 252	0.13 22	0.07 134	0.11 256	0.14 246	0.14 146	0.16 291	0.07 75	0.10 197	0.08 186	0.06 66	0.13 351	0.08 25	0.07 343	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

GCAP-Stereo	0.09 176	0.07 239	0.13 353	0.18 402	0.06 28	0.11 256	0.07 3	0.13 115	0.12 149	0.09 183	0.10 197	0.07 124	0.09 270	0.13 351	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.04 48	0.05 207

RAFT-Test	0.09 176	0.06 117	0.10 189	0.15 124	0.07 134	0.11 256	0.15 334	0.16 228	0.13 192	0.09 183	0.10 197	0.10 260	0.09 270	0.12 295	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

HH	0.09 176	0.06 117	0.13 353	0.17 309	0.08 220	0.10 202	0.16 405	0.14 146	0.10 77	0.08 131	0.09 161	0.08 186	0.07 180	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

HanStereo	0.09 176	0.06 117	0.13 353	0.17 309	0.08 220	0.10 202	0.16 405	0.14 146	0.10 77	0.08 131	0.09 161	0.08 186	0.07 180	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

4D-IteraStereo	0.09 176	0.07 239	0.10 189	0.18 402	0.07 134	0.09 139	0.15 334	0.17 267	0.15 252	0.10 230	0.11 248	0.10 260	0.07 180	0.11 199	0.09 104	0.05 51	0.03 1	0.08 406	0.07 393	0.06 293	0.05 207

anonymousdsp	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.09 183	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

LoS	0.09 176	0.05 43	0.11 252	0.13 22	0.07 134	0.14 403	0.11 64	0.15 188	0.15 252	0.09 183	0.09 161	0.12 313	0.09 270	0.15 412	0.10 208	0.07 343	0.05 276	0.05 50	0.03 1	0.05 170	0.05 207
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 176	0.07 239	0.10 189	0.17 309	0.08 220	0.10 202	0.15 334	0.15 188	0.12 149	0.09 183	0.06 23	0.07 124	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.06 310

RCA-Stereo	0.09 176	0.06 117	0.09 123	0.16 222	0.06 28	0.09 139	0.13 179	0.18 302	0.14 225	0.09 183	0.10 197	0.08 186	0.07 180	0.12 295	0.11 291	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

CroCo-Stereo Lap2	0.09 176	0.09 440	0.08 57	0.22 589	0.09 355	0.09 139	0.19 536	0.16 228	0.12 149	0.09 183	0.10 197	0.05 5	0.05 14	0.08 25	0.08 25	0.06 168	0.06 430	0.07 312	0.05 192	0.05 170	0.05 207

ccc-4	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

IGEV-Stereo	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.09 183	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 176	0.05 43	0.13 353	0.14 70	0.08 220	0.12 310	0.15 334	0.18 302	0.10 77	0.11 266	0.08 125	0.08 186	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.05 207

TRStereo	0.09 176	0.05 43	0.12 300	0.15 124	0.12 554	0.10 202	0.13 179	0.18 302	0.18 354	0.09 183	0.09 161	0.09 223	0.06 66	0.10 124	0.08 25	0.07 343	0.05 276	0.07 312	0.07 393	0.04 48	0.04 73

AnonymousM	0.09 176	0.05 43	0.10 189	0.14 70	0.06 28	0.09 139	0.13 179	0.19 333	0.14 225	0.13 343	0.11 248	0.09 223	0.08 229	0.13 351	0.10 208	0.08 426	0.05 276	0.08 406	0.05 192	0.05 170	0.05 207

CroCo-Stereo	0.09 176	0.08 358	0.08 57	0.22 589	0.09 355	0.09 139	0.19 536	0.15 188	0.12 149	0.07 75	0.07 65	0.08 186	0.06 66	0.08 25	0.07 1	0.07 343	0.05 276	0.06 200	0.04 60	0.05 170	0.04 73
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	0.09 176	0.06 117	0.07 11	0.15 124	0.05 2	0.16 462	0.18 496	0.15 188	0.15 252	0.10 230	0.11 248	0.11 291	0.11 351	0.10 124	0.12 355	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

TANstereo	0.09 176	0.04 1	0.08 57	0.13 22	0.06 28	0.11 256	0.14 246	0.15 188	0.19 373	0.11 266	0.15 326	0.10 260	0.06 66	0.12 295	0.09 104	0.07 343	0.05 276	0.05 50	0.04 60	0.06 293	0.05 207

XX-TBD	0.09 176	0.06 117	0.07 11	0.14 70	0.07 134	0.12 310	0.16 405	0.14 146	0.13 192	0.11 266	0.12 270	0.09 223	0.08 229	0.10 124	0.10 208	0.06 168	0.04 25	0.05 50	0.03 1	0.06 293	0.05 207

raftrobust	0.09 176	0.06 117	0.10 189	0.17 309	0.08 220	0.09 139	0.10 35	0.18 302	0.16 291	0.10 230	0.09 161	0.12 313	0.07 180	0.12 295	0.10 208	0.08 426	0.05 276	0.06 200	0.05 192	0.05 170	0.05 207

XX-Stereo	0.09 176	0.05 43	0.08 57	0.17 309	0.09 355	0.15 430	0.12 100	0.20 345	0.10 77	0.10 230	0.14 305	0.07 124	0.06 66	0.12 295	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.04 48	0.04 73

test_xeample3	0.09 176	0.06 117	0.12 300	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.13 192	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

RAFT-Stereo + iAFF	0.09 176	0.06 117	0.10 189	0.17 309	0.06 28	0.10 202	0.16 405	0.17 267	0.14 225	0.09 183	0.10 197	0.08 186	0.09 270	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.06 293	0.04 48	0.03 2

AFF-stereo	0.09 176	0.06 117	0.10 189	0.17 309	0.07 134	0.10 202	0.16 405	0.17 267	0.09 52	0.10 230	0.12 270	0.09 223	0.09 270	0.12 295	0.09 104	0.05 51	0.04 25	0.07 312	0.07 393	0.04 48	0.03 2

EAI-Stereo	0.09 176	0.07 239	0.11 252	0.15 124	0.06 28	0.10 202	0.15 334	0.16 228	0.09 52	0.08 131	0.09 161	0.08 186	0.07 180	0.09 59	0.11 291	0.05 51	0.04 25	0.05 50	0.05 192	0.05 170	0.04 73

CFNet-RSSM	0.09 176	0.07 239	0.09 123	0.16 222	0.07 134	0.09 139	0.15 334	0.16 228	0.17 321	0.08 131	0.12 270	0.10 260	0.09 270	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

Gwc-CoAtRS	0.09 176	0.06 117	0.10 189	0.16 222	0.07 134	0.10 202	0.14 246	0.17 267	0.17 321	0.08 131	0.10 197	0.12 313	0.09 270	0.12 295	0.09 104	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

CREStereo	0.09 176	0.04 1	0.08 57	0.11 1	0.06 28	0.13 366	0.14 246	0.14 146	0.10 77	0.08 131	0.13 289	0.09 223	0.08 229	0.11 199	0.10 208	0.08 426	0.04 25	0.05 50	0.03 1	0.06 293	0.06 310
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 176	0.05 43	0.09 123	0.12 7	0.06 28	0.12 310	0.14 246	0.15 188	0.11 110	0.09 183	0.13 289	0.10 260	0.07 180	0.13 351	0.10 208	0.15 632	0.04 25	0.05 50	0.03 1	0.07 381	0.06 310

SE	0.10 246	0.10 503	0.08 57	0.19 472	0.09 355	0.11 256	0.11 64	0.15 188	0.11 110	0.10 230	0.16 339	0.09 223	0.08 229	0.09 59	0.10 208	0.06 168	0.05 276	0.08 406	0.07 393	0.07 381	0.04 73

SMOE	0.10 246	0.08 358	0.09 123	0.18 402	0.07 134	0.13 366	0.14 246	0.18 302	0.13 192	0.11 266	0.13 289	0.12 313	0.09 270	0.11 199	0.11 291	0.05 51	0.05 276	0.08 406	0.06 293	0.06 293	0.04 73

ManiGeoR	0.10 246	0.05 43	0.12 300	0.12 7	0.08 220	0.12 310	0.12 100	0.24 445	0.14 225	0.12 309	0.14 305	0.12 313	0.09 270	0.13 351	0.13 402	0.07 343	0.04 25	0.05 50	0.05 192	0.07 381	0.07 400

HLf10	0.10 246	0.05 43	0.12 300	0.12 7	0.08 220	0.12 310	0.12 100	0.24 445	0.14 225	0.12 309	0.14 305	0.12 313	0.09 270	0.13 351	0.13 402	0.07 343	0.04 25	0.05 50	0.05 192	0.07 381	0.07 400

TestStereo_HLe17	0.10 246	0.05 43	0.12 300	0.13 22	0.07 134	0.11 256	0.15 334	0.21 372	0.15 252	0.11 266	0.14 305	0.11 291	0.09 270	0.13 351	0.12 355	0.07 343	0.04 25	0.05 50	0.05 192	0.07 381	0.06 310

DN	0.10 246	0.05 43	0.09 123	0.14 70	0.09 355	0.12 310	0.18 496	0.17 267	0.16 291	0.08 131	0.09 161	0.08 186	0.06 66	0.08 25	0.09 104	0.11 563	0.05 276	0.07 312	0.06 293	0.07 381	0.09 517

Hybrid-DGEV-03	0.10 246	0.06 117	0.09 123	0.18 402	0.08 220	0.16 462	0.14 246	0.15 188	0.14 225	0.13 343	0.16 339	0.12 313	0.09 270	0.13 351	0.11 291	0.06 168	0.04 25	0.08 406	0.06 293	0.05 170	0.04 73

WQFJA1	0.10 246	0.07 239	0.08 57	0.20 539	0.09 355	0.12 310	0.17 447	0.17 267	0.17 321	0.09 183	0.10 197	0.08 186	0.10 314	0.12 295	0.11 291	0.06 168	0.07 503	0.07 312	0.06 293	0.06 293	0.05 207

WQFJX1	0.10 246	0.07 239	0.08 57	0.22 589	0.09 355	0.12 310	0.17 447	0.18 302	0.17 321	0.10 230	0.09 161	0.07 124	0.10 314	0.11 199	0.09 104	0.07 343	0.08 535	0.07 312	0.06 293	0.05 170	0.04 73

WQFJX	0.10 246	0.07 239	0.09 123	0.21 572	0.09 355	0.12 310	0.16 405	0.18 302	0.17 321	0.12 309	0.10 197	0.07 124	0.09 270	0.12 295	0.10 208	0.06 168	0.07 503	0.06 200	0.05 192	0.06 293	0.05 207

NLMM	0.10 246	0.07 239	0.08 57	0.20 539	0.09 355	0.12 310	0.17 447	0.17 267	0.17 321	0.09 183	0.10 197	0.08 186	0.10 314	0.12 295	0.11 291	0.06 168	0.07 503	0.07 312	0.06 293	0.06 293	0.05 207

NLSM1	0.10 246	0.07 239	0.07 11	0.19 472	0.08 220	0.13 366	0.16 405	0.21 372	0.15 252	0.11 266	0.10 197	0.06 42	0.10 314	0.10 124	0.11 291	0.07 343	0.08 535	0.08 406	0.07 393	0.05 170	0.05 207

MM-Stereo_test3	0.10 246	0.07 239	0.07 11	0.18 402	0.07 134	0.12 310	0.19 536	0.24 445	0.19 373	0.06 25	0.10 197	0.08 186	0.06 66	0.11 199	0.08 25	0.06 168	0.06 430	0.07 312	0.05 192	0.05 170	0.04 73

MM-Stereo_test1	0.10 246	0.07 239	0.08 57	0.18 402	0.07 134	0.12 310	0.18 496	0.21 372	0.20 397	0.09 183	0.11 248	0.08 186	0.06 66	0.10 124	0.10 208	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

AIO-test2	0.10 246	0.08 358	0.10 189	0.23 613	0.08 220	0.11 256	0.10 35	0.23 421	0.23 439	0.08 131	0.09 161	0.08 186	0.05 14	0.10 124	0.08 25	0.06 168	0.05 276	0.08 406	0.09 514	0.05 170	0.05 207

AIO-test1	0.10 246	0.07 239	0.10 189	0.23 613	0.07 134	0.09 139	0.13 179	0.21 372	0.14 225	0.11 266	0.12 270	0.09 223	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.09 492	0.10 556	0.03 1	0.06 310

tg	0.10 246	0.06 117	0.10 189	0.18 402	0.08 220	0.11 256	0.16 405	0.20 345	0.12 149	0.08 131	0.11 248	0.11 291	0.07 180	0.11 199	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.04 48	0.04 73

PAM	0.10 246	0.05 43	0.16 477	0.15 124	0.08 220	0.09 139	0.16 405	0.15 188	0.16 291	0.12 309	0.09 161	0.09 223	0.07 180	0.13 351	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.06 310

model_zeroshot	0.10 246	0.04 1	0.11 252	0.15 124	0.09 355	0.12 310	0.14 246	0.20 345	0.13 192	0.11 266	0.10 197	0.12 313	0.07 180	0.12 295	0.10 208	0.07 343	0.06 430	0.06 200	0.05 192	0.06 293	0.06 310

RAStereo	0.10 246	0.09 440	0.08 57	0.20 539	0.08 220	0.13 366	0.18 496	0.15 188	0.17 321	0.10 230	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.07 343	0.05 276	0.07 312	0.05 192	0.05 170	0.04 73

rvit_stereo_0080	0.10 246	0.08 358	0.14 392	0.15 124	0.09 355	0.07 43	0.15 334	0.16 228	0.16 291	0.11 266	0.10 197	0.14 368	0.08 229	0.12 295	0.10 208	0.09 488	0.07 503	0.07 312	0.06 293	0.07 381	0.05 207

H2IRNET	0.10 246	0.09 440	0.09 123	0.18 402	0.09 355	0.12 310	0.15 334	0.14 146	0.21 413	0.10 230	0.10 197	0.10 260	0.10 314	0.10 124	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.06 293	0.05 207

Former-RAFT_DAM_RVC	0.10 246	0.08 358	0.12 300	0.16 222	0.08 220	0.15 430	0.16 405	0.18 302	0.18 354	0.10 230	0.09 161	0.09 223	0.08 229	0.11 199	0.12 355	0.07 343	0.05 276	0.08 406	0.06 293	0.07 381	0.06 310

MyStereo07	0.10 246	0.07 239	0.10 189	0.17 309	0.09 355	0.14 403	0.18 496	0.15 188	0.15 252	0.09 183	0.06 23	0.06 42	0.07 180	0.12 295	0.09 104	0.06 168	0.05 276	0.08 406	0.07 393	0.06 293	0.06 310

MyStereo06	0.10 246	0.07 239	0.12 300	0.17 309	0.09 355	0.13 366	0.18 496	0.19 333	0.12 149	0.12 309	0.08 125	0.07 124	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.07 312	0.07 393	0.06 293	0.06 310

AE-Stereo	0.10 246	0.08 358	0.10 189	0.18 402	0.09 355	0.10 202	0.15 334	0.14 146	0.19 373	0.09 183	0.14 305	0.12 313	0.08 229	0.11 199	0.10 208	0.05 51	0.06 430	0.07 312	0.06 293	0.05 170	0.04 73

ACVNet-DCA	0.10 246	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.23 421	0.16 291	0.09 183	0.09 161	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.07 381	0.07 400

cc1	0.10 246	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.16 228	0.18 354	0.09 183	0.09 161	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.06 310

tt1	0.10 246	0.08 358	0.12 300	0.17 309	0.09 355	0.12 310	0.16 405	0.15 188	0.19 373	0.09 183	0.08 125	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.06 310

whm_eth	0.10 246	0.08 358	0.14 392	0.15 124	0.09 355	0.07 43	0.15 334	0.16 228	0.16 291	0.11 266	0.10 197	0.14 368	0.08 229	0.12 295	0.10 208	0.09 488	0.07 503	0.07 312	0.06 293	0.07 381	0.05 207

plain	0.10 246	0.08 358	0.10 189	0.19 472	0.09 355	0.10 202	0.15 334	0.14 146	0.13 192	0.13 343	0.15 326	0.09 223	0.12 384	0.13 351	0.12 355	0.07 343	0.05 276	0.09 492	0.06 293	0.06 293	0.06 310

Any-RAFT	0.10 246	0.05 43	0.09 123	0.14 70	0.07 134	0.13 366	0.14 246	0.21 372	0.15 252	0.11 266	0.12 270	0.12 313	0.09 270	0.12 295	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.06 293	0.05 207

LL-Strereo2	0.10 246	0.10 503	0.15 441	0.18 402	0.08 220	0.15 430	0.09 20	0.17 267	0.14 225	0.14 370	0.10 197	0.09 223	0.07 180	0.16 447	0.10 208	0.05 51	0.05 276	0.10 541	0.07 393	0.06 293	0.05 207

DCANet-4	0.10 246	0.06 117	0.12 300	0.16 222	0.06 28	0.09 139	0.17 447	0.18 302	0.19 373	0.13 343	0.16 339	0.09 223	0.14 450	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

fff	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.09 139	0.17 447	0.16 228	0.20 397	0.13 343	0.16 339	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

ADStereo(finetuned)	0.10 246	0.06 117	0.12 300	0.16 222	0.06 28	0.09 139	0.17 447	0.15 188	0.19 373	0.13 343	0.17 363	0.10 260	0.12 384	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

test_4	0.10 246	0.10 503	0.08 57	0.19 472	0.09 355	0.08 85	0.22 591	0.15 188	0.17 321	0.12 309	0.18 391	0.12 313	0.09 270	0.08 25	0.11 291	0.04 11	0.04 25	0.08 406	0.08 467	0.04 48	0.03 2

IPLG	0.10 246	0.07 239	0.15 441	0.17 309	0.08 220	0.11 256	0.14 246	0.20 345	0.15 252	0.12 309	0.17 363	0.07 124	0.07 180	0.14 385	0.13 402	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

test_3	0.10 246	0.09 440	0.10 189	0.20 539	0.08 220	0.13 366	0.26 639	0.14 146	0.21 413	0.10 230	0.10 197	0.09 223	0.09 270	0.08 25	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.04 48	0.04 73

STrans-v2	0.10 246	0.07 239	0.12 300	0.18 402	0.07 134	0.10 202	0.14 246	0.21 372	0.11 110	0.11 266	0.15 326	0.12 313	0.10 314	0.11 199	0.12 355	0.05 51	0.04 25	0.06 200	0.06 293	0.04 48	0.04 73

TransformOpticalFlow	0.10 246	0.08 358	0.13 353	0.18 402	0.07 134	0.09 139	0.15 334	0.19 333	0.15 252	0.12 309	0.17 363	0.11 291	0.11 351	0.11 199	0.10 208	0.05 51	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

SST-Stereo	0.10 246	0.07 239	0.15 441	0.18 402	0.09 355	0.06 14	0.12 100	0.17 267	0.11 110	0.15 397	0.17 363	0.13 346	0.12 384	0.10 124	0.11 291	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.05 207

cross-raft	0.10 246	0.09 440	0.09 123	0.19 472	0.07 134	0.11 256	0.25 630	0.13 115	0.15 252	0.08 131	0.11 248	0.12 313	0.10 314	0.09 59	0.11 291	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

test-1	0.10 246	0.07 239	0.16 477	0.19 472	0.08 220	0.11 256	0.24 615	0.14 146	0.18 354	0.09 183	0.07 65	0.09 223	0.08 229	0.07 4	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

iRaftStereo_RVC	0.10 246	0.07 239	0.09 123	0.17 309	0.09 355	0.11 256	0.17 447	0.18 302	0.12 149	0.09 183	0.12 270	0.10 260	0.07 180	0.11 199	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.04 48	0.04 73

RALCasStereoNet	0.10 246	0.06 117	0.09 123	0.16 222	0.08 220	0.12 310	0.14 246	0.17 267	0.11 110	0.12 309	0.17 363	0.14 368	0.10 314	0.12 295	0.11 291	0.07 343	0.06 430	0.06 200	0.05 192	0.08 450	0.07 400

DCANet	0.10 246	0.06 117	0.12 300	0.16 222	0.06 28	0.09 139	0.17 447	0.15 188	0.19 373	0.13 343	0.17 363	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

csc	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.09 139	0.17 447	0.16 228	0.20 397	0.13 343	0.16 339	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

cscssc	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.09 139	0.17 447	0.16 228	0.20 397	0.13 343	0.16 339	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

111	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.10 202	0.14 246	0.21 372	0.23 439	0.11 266	0.12 270	0.14 368	0.11 351	0.13 351	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.05 170	0.05 207

R-Stereo Train	0.10 246	0.06 117	0.10 189	0.17 309	0.08 220	0.11 256	0.14 246	0.23 421	0.11 110	0.12 309	0.19 402	0.11 291	0.08 229	0.09 59	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.05 207

RAFT-Stereo	0.10 246	0.06 117	0.10 189	0.17 309	0.08 220	0.11 256	0.14 246	0.23 421	0.11 110	0.12 309	0.19 402	0.11 291	0.08 229	0.09 59	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.05 207
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 246	0.06 117	0.12 300	0.14 70	0.06 28	0.11 256	0.10 35	0.18 302	0.18 354	0.13 343	0.16 339	0.14 368	0.11 351	0.15 412	0.13 402	0.06 168	0.04 25	0.04 1	0.04 60	0.06 293	0.05 207
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
SME	0.11 299	0.09 440	0.10 189	0.17 309	0.07 134	0.20 544	0.13 179	0.21 372	0.17 321	0.12 309	0.13 289	0.10 260	0.12 384	0.13 351	0.13 402	0.07 343	0.07 503	0.08 406	0.09 514	0.06 293	0.05 207

HLF11	0.11 299	0.05 43	0.13 353	0.12 7	0.08 220	0.14 403	0.11 64	0.22 398	0.10 77	0.12 309	0.23 459	0.11 291	0.11 351	0.14 385	0.13 402	0.08 426	0.05 276	0.05 50	0.04 60	0.08 450	0.08 471

HLf8	0.11 299	0.05 43	0.13 353	0.11 1	0.08 220	0.15 430	0.12 100	0.22 398	0.15 252	0.13 343	0.17 363	0.12 313	0.10 314	0.14 385	0.12 355	0.09 488	0.05 276	0.05 50	0.05 192	0.08 450	0.08 471

TestStereo_HL3	0.11 299	0.05 43	0.16 477	0.13 22	0.07 134	0.12 310	0.11 64	0.20 345	0.09 52	0.15 397	0.30 559	0.13 346	0.12 384	0.16 447	0.11 291	0.07 343	0.05 276	0.05 50	0.05 192	0.06 293	0.07 400

TestStereo_HL2	0.11 299	0.06 117	0.11 252	0.12 7	0.08 220	0.12 310	0.14 246	0.20 345	0.18 354	0.13 343	0.21 438	0.12 313	0.10 314	0.12 295	0.12 355	0.07 343	0.05 276	0.05 50	0.05 192	0.07 381	0.07 400

GGDA	0.11 299	0.06 117	0.11 252	0.13 22	0.07 134	0.12 310	0.14 246	0.19 333	0.19 373	0.13 343	0.20 414	0.12 313	0.09 270	0.12 295	0.12 355	0.07 343	0.04 25	0.05 50	0.05 192	0.06 293	0.07 400

TestStereo-Hl	0.11 299	0.06 117	0.11 252	0.13 22	0.08 220	0.15 430	0.14 246	0.20 345	0.17 321	0.13 343	0.16 339	0.12 313	0.11 351	0.14 385	0.13 402	0.06 168	0.04 25	0.05 50	0.05 192	0.06 293	0.06 310

Lsterematch	0.11 299	0.06 117	0.11 252	0.16 222	0.07 134	0.13 366	0.15 334	0.14 146	0.17 321	0.16 426	0.18 391	0.15 397	0.15 468	0.12 295	0.14 445	0.07 343	0.04 25	0.06 200	0.06 293	0.06 293	0.06 310

Hybrid-DGEV-2	0.11 299	0.06 117	0.12 300	0.18 402	0.09 355	0.09 139	0.13 179	0.28 523	0.29 524	0.11 266	0.11 248	0.09 223	0.12 384	0.12 295	0.09 104	0.06 168	0.05 276	0.07 312	0.07 393	0.05 170	0.05 207

NLMM1	0.11 299	0.09 440	0.07 11	0.22 589	0.10 469	0.12 310	0.20 560	0.18 302	0.20 397	0.12 309	0.11 248	0.07 124	0.09 270	0.11 199	0.11 291	0.08 426	0.08 535	0.07 312	0.06 293	0.04 48	0.04 73

NLCSM	0.11 299	0.09 440	0.09 123	0.23 613	0.11 520	0.12 310	0.19 536	0.18 302	0.18 354	0.12 309	0.11 248	0.07 124	0.09 270	0.11 199	0.10 208	0.07 343	0.08 535	0.07 312	0.07 393	0.06 293	0.05 207

Select-FE	0.11 299	0.06 117	0.20 556	0.15 124	0.11 520	0.11 256	0.13 179	0.21 372	0.18 354	0.09 183	0.11 248	0.10 260	0.06 66	0.12 295	0.09 104	0.07 343	0.05 276	0.07 312	0.08 467	0.06 293	0.08 471

FlowAnything_test	0.11 299	0.08 358	0.14 392	0.15 124	0.09 355	0.07 43	0.14 246	0.20 345	0.11 110	0.09 183	0.09 161	0.12 313	0.12 384	0.13 351	0.11 291	0.09 488	0.06 430	0.09 492	0.09 514	0.06 293	0.09 517

xyz-stereo-finetune2	0.11 299	0.07 239	0.13 353	0.13 22	0.07 134	0.11 256	0.19 536	0.17 267	0.12 149	0.15 397	0.15 326	0.17 434	0.12 384	0.13 351	0.11 291	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.06 310

xyz-stereo-finetune	0.11 299	0.08 358	0.13 353	0.14 70	0.06 28	0.10 202	0.19 536	0.17 267	0.19 373	0.12 309	0.14 305	0.15 397	0.10 314	0.13 351	0.11 291	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.05 207

fast-iter	0.11 299	0.06 117	0.11 252	0.13 22	0.09 355	0.09 139	0.14 246	0.21 372	0.10 77	0.19 492	0.17 363	0.14 368	0.09 270	0.16 447	0.08 25	0.05 51	0.04 25	0.07 312	0.08 467	0.07 381	0.06 310

CoSv	0.11 299	0.06 117	0.11 252	0.13 22	0.09 355	0.09 139	0.14 246	0.21 372	0.10 77	0.19 492	0.17 363	0.14 368	0.09 270	0.16 447	0.08 25	0.05 51	0.04 25	0.07 312	0.08 467	0.07 381	0.06 310

rvit_stereo_0081_aga	0.11 299	0.09 440	0.14 392	0.18 402	0.09 355	0.13 366	0.14 246	0.14 146	0.19 373	0.10 230	0.18 391	0.16 412	0.09 270	0.12 295	0.09 104	0.10 531	0.06 430	0.08 406	0.07 393	0.07 381	0.06 310

rvit_stereo_0081	0.11 299	0.08 358	0.15 441	0.16 222	0.09 355	0.10 202	0.14 246	0.14 146	0.24 456	0.11 266	0.13 289	0.13 346	0.09 270	0.11 199	0.12 355	0.10 531	0.07 503	0.08 406	0.07 393	0.07 381	0.05 207

rvit_stereo_0082	0.11 299	0.08 358	0.15 441	0.16 222	0.09 355	0.10 202	0.14 246	0.14 146	0.24 456	0.11 266	0.13 289	0.13 346	0.09 270	0.11 199	0.12 355	0.10 531	0.07 503	0.08 406	0.07 393	0.07 381	0.05 207

AIO-Stereo-zeroshot1	0.11 299	0.05 43	0.14 392	0.15 124	0.20 658	0.09 139	0.17 447	0.21 372	0.15 252	0.11 266	0.14 305	0.10 260	0.07 180	0.10 124	0.08 25	0.06 168	0.05 276	0.07 312	0.07 393	0.07 381	0.09 517

AIO-Stereo-zeroshot	0.11 299	0.05 43	0.11 252	0.15 124	0.13 577	0.13 366	0.16 405	0.23 421	0.17 321	0.10 230	0.12 270	0.10 260	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.06 200	0.06 293	0.07 381	0.08 471

CAS++	0.11 299	0.07 239	0.11 252	0.14 70	0.09 355	0.12 310	0.14 246	0.24 445	0.14 225	0.11 266	0.09 161	0.11 291	0.07 180	0.14 385	0.09 104	0.11 563	0.09 568	0.09 492	0.07 393	0.07 381	0.08 471
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 299	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.16 228	0.18 354	0.09 183	0.09 161	0.16 412	0.16 496	0.10 124	0.07 1	0.06 168	0.04 25	0.08 406	0.08 467	0.07 381	0.07 400

1test111	0.11 299	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.23 421	0.16 291	0.09 183	0.09 161	0.06 42	0.06 66	0.15 412	0.16 493	0.06 168	0.04 25	0.06 200	0.05 192	0.07 381	0.07 400

MIF-Stereo (partial)	0.11 299	0.06 117	0.10 189	0.19 472	0.10 469	0.10 202	0.11 64	0.17 267	0.18 354	0.14 370	0.16 339	0.09 223	0.11 351	0.12 295	0.12 355	0.08 426	0.05 276	0.08 406	0.07 393	0.06 293	0.07 400

EKT-Stereo	0.11 299	0.07 239	0.14 392	0.15 124	0.10 469	0.13 366	0.14 246	0.18 302	0.21 413	0.11 266	0.08 125	0.12 313	0.09 270	0.11 199	0.12 355	0.08 426	0.06 430	0.07 312	0.06 293	0.08 450	0.07 400

anonymousdsp2	0.11 299	0.07 239	0.10 189	0.16 222	0.09 355	0.13 366	0.14 246	0.18 302	0.22 427	0.13 343	0.14 305	0.12 313	0.09 270	0.14 385	0.11 291	0.05 51	0.04 25	0.05 50	0.04 60	0.06 293	0.05 207

DCRE	0.11 299	0.07 239	0.13 353	0.16 222	0.11 520	0.11 256	0.17 447	0.18 302	0.17 321	0.11 266	0.18 391	0.10 260	0.10 314	0.15 412	0.11 291	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.04 73

knoymous	0.11 299	0.05 43	0.12 300	0.13 22	0.07 134	0.15 430	0.14 246	0.19 333	0.13 192	0.11 266	0.17 363	0.13 346	0.09 270	0.13 351	0.11 291	0.08 426	0.05 276	0.06 200	0.05 192	0.08 450	0.07 400

riskmin	0.11 299	0.06 117	0.13 353	0.14 70	0.08 220	0.14 403	0.14 246	0.18 302	0.14 225	0.11 266	0.14 305	0.16 412	0.11 351	0.14 385	0.12 355	0.09 488	0.05 276	0.07 312	0.05 192	0.08 450	0.08 471

Selective-RAFT	0.11 299	0.10 503	0.11 252	0.21 572	0.08 220	0.16 462	0.13 179	0.20 345	0.22 427	0.10 230	0.10 197	0.11 291	0.10 314	0.15 412	0.11 291	0.05 51	0.05 276	0.06 200	0.05 192	0.06 293	0.05 207

DisPM	0.11 299	0.07 239	0.12 300	0.16 222	0.09 355	0.06 14	0.13 179	0.17 267	0.17 321	0.14 370	0.20 414	0.12 313	0.10 314	0.11 199	0.10 208	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.11 575

CIPLG	0.11 299	0.08 358	0.14 392	0.17 309	0.08 220	0.12 310	0.15 334	0.17 267	0.15 252	0.14 370	0.11 248	0.16 412	0.09 270	0.16 447	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

GLC_STEREO	0.11 299	0.07 239	0.11 252	0.17 309	0.07 134	0.09 139	0.13 179	0.15 188	0.24 456	0.12 309	0.13 289	0.12 313	0.08 229	0.18 504	0.11 291	0.06 168	0.08 535	0.08 406	0.06 293	0.05 170	0.05 207

IPLGR_C	0.11 299	0.08 358	0.14 392	0.17 309	0.08 220	0.12 310	0.15 334	0.17 267	0.15 252	0.14 370	0.10 197	0.16 412	0.09 270	0.16 447	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

MIPNet	0.11 299	0.08 358	0.14 392	0.17 309	0.09 355	0.12 310	0.14 246	0.20 345	0.24 456	0.11 266	0.10 197	0.09 223	0.07 180	0.13 351	0.12 355	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

IPLGR	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.12 310	0.17 447	0.21 372	0.24 456	0.11 266	0.12 270	0.11 291	0.08 229	0.12 295	0.12 355	0.06 168	0.05 276	0.06 200	0.06 293	0.04 48	0.04 73

GMOStereo	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 652	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

error version	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 652	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

test-v	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 652	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

ACRE	0.11 299	0.08 358	0.14 392	0.17 309	0.08 220	0.12 310	0.15 334	0.17 267	0.14 225	0.14 370	0.10 197	0.16 412	0.09 270	0.16 447	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

PFNet+	0.11 299	0.06 117	0.13 353	0.16 222	0.09 355	0.05 4	0.12 100	0.17 267	0.21 413	0.16 426	0.19 402	0.14 368	0.10 314	0.11 199	0.11 291	0.08 426	0.05 276	0.09 492	0.08 467	0.06 293	0.11 575

LCNet	0.11 299	0.07 239	0.09 123	0.19 472	0.09 355	0.08 85	0.15 334	0.21 372	0.15 252	0.11 266	0.15 326	0.16 412	0.11 351	0.12 295	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.06 293	0.15 635

HHNet	0.11 299	0.06 117	0.16 477	0.15 124	0.14 598	0.07 43	0.13 179	0.20 345	0.17 321	0.14 370	0.25 500	0.11 291	0.08 229	0.13 351	0.10 208	0.05 51	0.04 25	0.08 406	0.06 293	0.05 170	0.09 517

Patchmatch Stereo++	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.11 64	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400
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	0.11 299	0.07 239	0.16 477	0.19 472	0.09 355	0.08 85	0.13 179	0.18 302	0.13 192	0.16 426	0.21 438	0.13 346	0.14 450	0.11 199	0.14 445	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.05 207

OMP-Stereo	0.11 299	0.06 117	0.14 392	0.18 402	0.08 220	0.09 139	0.12 100	0.21 372	0.21 413	0.13 343	0.14 305	0.11 291	0.12 384	0.11 199	0.13 402	0.06 168	0.04 25	0.07 312	0.06 293	0.05 170	0.04 73

IIG-Stereo	0.11 299	0.06 117	0.13 353	0.17 309	0.08 220	0.11 256	0.12 100	0.22 398	0.17 321	0.14 370	0.17 363	0.11 291	0.12 384	0.12 295	0.12 355	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

NF-Stereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

OCTAStereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

NRIStereo	0.11 299	0.08 358	0.14 392	0.18 402	0.08 220	0.10 202	0.14 246	0.16 228	0.15 252	0.12 309	0.14 305	0.13 346	0.12 384	0.13 351	0.10 208	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.07 400

PSM-adaLoss	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

PSM-AAD	0.11 299	0.07 239	0.10 189	0.19 472	0.09 355	0.10 202	0.15 334	0.20 345	0.13 192	0.12 309	0.14 305	0.18 448	0.11 351	0.11 199	0.10 208	0.05 51	0.05 276	0.09 492	0.08 467	0.06 293	0.14 628

ROB_FTStereo_v2	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

ROB_FTStereo	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.11 64	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

KYRaft	0.11 299	0.07 239	0.10 189	0.19 472	0.09 355	0.08 85	0.15 334	0.22 398	0.12 149	0.13 343	0.16 339	0.20 475	0.10 314	0.12 295	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.06 293	0.16 646

HUI-Stereo	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

ASMatch	0.11 299	0.06 117	0.13 353	0.16 222	0.10 469	0.07 43	0.14 246	0.17 267	0.17 321	0.12 309	0.16 339	0.16 412	0.10 314	0.13 351	0.10 208	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.08 471

RAFT_R40	0.11 299	0.07 239	0.14 392	0.18 402	0.09 355	0.06 14	0.13 179	0.17 267	0.16 291	0.14 370	0.18 391	0.15 397	0.12 384	0.10 124	0.11 291	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.05 207

GrayStereo	0.11 299	0.06 117	0.11 252	0.19 472	0.09 355	0.09 139	0.16 405	0.18 302	0.17 321	0.14 370	0.17 363	0.17 434	0.11 351	0.12 295	0.11 291	0.05 51	0.05 276	0.07 312	0.06 293	0.05 170	0.10 548

RE-Stereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

Pruner-Stereo	0.11 299	0.07 239	0.12 300	0.17 309	0.09 355	0.06 14	0.12 100	0.17 267	0.17 321	0.13 343	0.19 402	0.13 346	0.09 270	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.08 471

TVStereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

DeepStereo_RVC	0.11 299	0.08 358	0.16 477	0.18 402	0.08 220	0.08 85	0.12 100	0.17 267	0.12 149	0.13 343	0.14 305	0.12 313	0.12 384	0.12 295	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.07 381	0.08 471

iGMRVC	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

RAFT-RH_RVC	0.11 299	0.06 117	0.14 392	0.16 222	0.09 355	0.12 310	0.12 100	0.17 267	0.12 149	0.13 343	0.41 633	0.11 291	0.10 314	0.13 351	0.12 355	0.05 51	0.04 25	0.08 406	0.05 192	0.04 48	0.06 310

RAFT-345	0.11 299	0.07 239	0.15 441	0.16 222	0.08 220	0.08 85	0.12 100	0.15 188	0.10 77	0.11 266	0.36 596	0.09 223	0.09 270	0.11 199	0.12 355	0.05 51	0.05 276	0.07 312	0.06 293	0.04 48	0.05 207

iRAFT	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.11 64	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

CRE-IMP	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.10 202	0.12 100	0.18 302	0.10 77	0.14 370	0.13 289	0.13 346	0.12 384	0.12 295	0.11 291	0.07 343	0.04 25	0.08 406	0.06 293	0.08 450	0.08 471

test-2	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 652	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

GMM-Stereo	0.11 299	0.07 239	0.10 189	0.18 402	0.09 355	0.08 85	0.15 334	0.23 421	0.16 291	0.11 266	0.15 326	0.13 346	0.11 351	0.11 199	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.06 293	0.09 517

RAFT-IKP	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

Prome-Stereo	0.11 299	0.06 117	0.10 189	0.18 402	0.08 220	0.12 310	0.15 334	0.22 398	0.13 192	0.12 309	0.17 363	0.13 346	0.08 229	0.12 295	0.10 208	0.05 51	0.04 25	0.07 312	0.06 293	0.06 293	0.09 517

rafts_anoy	0.11 299	0.06 117	0.10 189	0.17 309	0.08 220	0.10 202	0.14 246	0.17 267	0.14 225	0.13 343	0.13 289	0.12 313	0.10 314	0.11 199	0.12 355	0.07 343	0.04 25	0.09 492	0.11 590	0.07 381	0.06 310

raft+_RVC	0.11 299	0.07 239	0.09 123	0.16 222	0.07 134	0.10 202	0.11 64	0.24 445	0.20 397	0.12 309	0.15 326	0.12 313	0.08 229	0.12 295	0.13 402	0.07 343	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

RALAANet	0.11 299	0.08 358	0.10 189	0.17 309	0.09 355	0.14 403	0.10 35	0.20 345	0.15 252	0.14 370	0.13 289	0.16 412	0.09 270	0.12 295	0.11 291	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

DIP-Stereo	0.11 299	0.07 239	0.14 392	0.17 309	0.09 355	0.13 366	0.09 20	0.16 228	0.16 291	0.11 266	0.16 339	0.14 368	0.12 384	0.15 412	0.13 402	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
S	0.12 377	0.08 358	0.09 123	0.20 539	0.08 220	0.13 366	0.19 536	0.17 267	0.16 291	0.13 343	0.11 248	0.13 346	0.10 314	0.11 199	0.13 402	0.09 488	0.07 503	0.13 607	0.15 642	0.06 293	0.04 73

IGEV_i1	0.12 377	0.07 239	0.12 300	0.16 222	0.08 220	0.19 528	0.14 246	0.18 302	0.22 427	0.18 475	0.18 391	0.16 412	0.12 384	0.16 447	0.14 445	0.06 168	0.05 276	0.06 200	0.05 192	0.06 293	0.06 310

rvit_stereo_0083	0.12 377	0.08 358	0.17 508	0.16 222	0.09 355	0.11 256	0.15 334	0.14 146	0.26 492	0.11 266	0.14 305	0.13 346	0.10 314	0.12 295	0.12 355	0.10 531	0.08 535	0.09 492	0.07 393	0.07 381	0.05 207

rvit_stereo_ft	0.12 377	0.07 239	0.13 353	0.19 472	0.10 469	0.12 310	0.17 447	0.16 228	0.16 291	0.12 309	0.13 289	0.15 397	0.10 314	0.14 385	0.13 402	0.09 488	0.06 430	0.08 406	0.07 393	0.07 381	0.05 207

test_sample2	0.12 377	0.07 239	0.12 300	0.14 70	0.08 220	0.16 462	0.18 496	0.21 372	0.16 291	0.14 370	0.20 414	0.19 463	0.15 468	0.15 412	0.12 355	0.08 426	0.05 276	0.07 312	0.06 293	0.08 450	0.07 400

MyStereo8	0.12 377	0.07 239	0.15 441	0.15 124	0.09 355	0.18 504	0.14 246	0.19 333	0.22 427	0.12 309	0.18 391	0.11 291	0.10 314	0.16 447	0.18 526	0.07 343	0.05 276	0.07 312	0.05 192	0.08 450	0.09 517

CoDeX	0.12 377	0.07 239	0.12 300	0.17 309	0.08 220	0.12 310	0.15 334	0.23 421	0.27 502	0.13 343	0.17 363	0.16 412	0.11 351	0.14 385	0.11 291	0.07 343	0.05 276	0.07 312	0.06 293	0.06 293	0.05 207

11t1	0.12 377	0.06 117	0.13 353	0.14 70	0.08 220	0.17 485	0.15 334	0.18 302	0.15 252	0.15 397	0.15 326	0.16 412	0.16 496	0.15 412	0.13 402	0.08 426	0.05 276	0.06 200	0.05 192	0.08 450	0.07 400

ffm	0.12 377	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.15 188	0.19 373	0.15 397	0.25 500	0.19 463	0.13 426	0.10 124	0.07 1	0.06 168	0.04 25	0.09 492	0.08 467	0.06 293	0.06 310

RAFT_CTSACE	0.12 377	0.09 440	0.10 189	0.22 589	0.08 220	0.12 310	0.24 615	0.18 302	0.16 291	0.20 515	0.27 526	0.13 346	0.07 180	0.13 351	0.09 104	0.05 51	0.06 430	0.08 406	0.07 393	0.04 48	0.04 73

Sa-1000	0.12 377	0.08 358	0.08 57	0.18 402	0.08 220	0.14 403	0.22 591	0.22 398	0.18 354	0.15 397	0.20 414	0.17 434	0.11 351	0.10 124	0.10 208	0.06 168	0.05 276	0.09 492	0.09 514	0.05 170	0.05 207

SA	0.12 377	0.09 440	0.08 57	0.18 402	0.08 220	0.12 310	0.24 615	0.23 421	0.18 354	0.17 445	0.27 526	0.14 368	0.11 351	0.11 199	0.11 291	0.05 51	0.05 276	0.09 492	0.08 467	0.05 170	0.04 73

iRaft-Stereo_5w	0.12 377	0.09 440	0.12 300	0.19 472	0.08 220	0.09 139	0.12 100	0.21 372	0.21 413	0.19 492	0.14 305	0.11 291	0.09 270	0.20 544	0.16 493	0.05 51	0.05 276	0.07 312	0.06 293	0.05 170	0.06 310

CrosDoStereo	0.12 377	0.06 117	0.12 300	0.14 70	0.08 220	0.12 310	0.15 334	0.17 267	0.22 427	0.19 492	0.24 472	0.15 397	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 207

PSM-softLoss	0.12 377	0.07 239	0.15 441	0.17 309	0.09 355	0.08 85	0.13 179	0.24 445	0.17 321	0.14 370	0.19 402	0.13 346	0.11 351	0.11 199	0.11 291	0.07 343	0.05 276	0.08 406	0.07 393	0.06 293	0.12 588

KMStereo	0.12 377	0.07 239	0.15 441	0.17 309	0.09 355	0.08 85	0.13 179	0.24 445	0.17 321	0.14 370	0.19 402	0.13 346	0.11 351	0.11 199	0.11 291	0.07 343	0.05 276	0.08 406	0.07 393	0.06 293	0.12 588

FTStereo	0.12 377	0.06 117	0.14 392	0.18 402	0.09 355	0.07 43	0.15 334	0.21 372	0.18 354	0.12 309	0.24 472	0.12 313	0.12 384	0.13 351	0.13 402	0.05 51	0.05 276	0.07 312	0.06 293	0.06 293	0.10 548

DeepStereo_LL	0.12 377	0.06 117	0.12 300	0.14 70	0.08 220	0.12 310	0.15 334	0.17 267	0.22 427	0.19 492	0.24 472	0.15 397	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 207

DEmStereo	0.12 377	0.06 117	0.14 392	0.14 70	0.10 469	0.16 462	0.15 334	0.16 228	0.24 456	0.17 445	0.24 472	0.13 346	0.14 450	0.12 295	0.13 402	0.05 51	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

THIR-Stereo	0.12 377	0.07 239	0.11 252	0.15 124	0.08 220	0.14 403	0.16 405	0.17 267	0.25 478	0.16 426	0.24 472	0.14 368	0.12 384	0.12 295	0.14 445	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 207

DRaft	0.12 377	0.06 117	0.11 252	0.14 70	0.09 355	0.14 403	0.17 447	0.21 372	0.30 534	0.17 445	0.28 540	0.10 260	0.15 468	0.10 124	0.12 355	0.05 51	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

PFNet	0.12 377	0.06 117	0.17 508	0.17 309	0.08 220	0.09 139	0.15 334	0.26 482	0.20 397	0.16 426	0.16 339	0.14 368	0.11 351	0.12 295	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

IRAFT_RVC	0.12 377	0.08 358	0.16 477	0.19 472	0.08 220	0.07 43	0.15 334	0.24 445	0.23 439	0.14 370	0.14 305	0.15 397	0.12 384	0.12 295	0.10 208	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.06 310

sCroCo_RVC	0.12 377	0.09 440	0.23 581	0.24 622	0.11 520	0.19 528	0.14 246	0.17 267	0.14 225	0.10 230	0.13 289	0.12 313	0.07 180	0.14 385	0.11 291	0.08 426	0.08 535	0.08 406	0.08 467	0.05 170	0.07 400

ARAFT	0.12 377	0.08 358	0.17 508	0.19 472	0.09 355	0.14 403	0.18 496	0.20 345	0.12 149	0.12 309	0.13 289	0.14 368	0.11 351	0.15 412	0.12 355	0.06 168	0.05 276	0.10 541	0.09 514	0.05 170	0.04 73

BEATNet_4x	0.12 377	0.08 358	0.14 392	0.18 402	0.07 134	0.15 430	0.07 3	0.22 398	0.18 354	0.16 426	0.19 402	0.18 448	0.14 450	0.16 447	0.15 477	0.07 343	0.05 276	0.05 50	0.05 192	0.06 293	0.06 310

MLCV	0.12 377	0.07 239	0.16 477	0.18 402	0.06 28	0.15 430	0.17 447	0.19 333	0.21 413	0.18 475	0.25 500	0.17 434	0.13 426	0.14 385	0.13 402	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

RT-IGEV	0.13 404	0.06 117	0.13 353	0.15 124	0.09 355	0.15 430	0.17 447	0.24 445	0.27 502	0.16 426	0.17 363	0.17 434	0.10 314	0.14 385	0.11 291	0.08 426	0.05 276	0.07 312	0.05 192	0.07 381	0.07 400

Selective-IGEV-i16pc	0.13 404	0.06 117	0.13 353	0.15 124	0.11 520	0.38 662	0.16 405	0.23 421	0.16 291	0.10 230	0.15 326	0.09 223	0.06 66	0.13 351	0.10 208	0.10 531	0.08 535	0.06 200	0.07 393	0.09 515	0.09 517

Selective-IGEV-i1	0.13 404	0.07 239	0.12 300	0.19 472	0.08 220	0.18 504	0.16 405	0.22 398	0.30 534	0.16 426	0.17 363	0.16 412	0.10 314	0.14 385	0.13 402	0.06 168	0.05 276	0.06 200	0.05 192	0.06 293	0.05 207

G2L-ROB	0.13 404	0.06 117	0.13 353	0.13 22	0.08 220	0.14 403	0.16 405	0.25 464	0.18 354	0.19 492	0.18 391	0.20 475	0.14 450	0.17 481	0.16 493	0.08 426	0.05 276	0.06 200	0.05 192	0.08 450	0.09 517

xyz-stereo	0.13 404	0.07 239	0.20 556	0.15 124	0.05 2	0.20 544	0.15 334	0.17 267	0.31 542	0.15 397	0.29 552	0.26 550	0.16 496	0.13 351	0.12 355	0.05 51	0.05 276	0.06 200	0.05 192	0.04 48	0.04 73

DFGA-Net	0.13 404	0.11 530	0.18 532	0.17 309	0.10 469	0.12 310	0.13 179	0.22 398	0.25 478	0.16 426	0.16 339	0.13 346	0.12 384	0.16 447	0.14 445	0.07 343	0.05 276	0.08 406	0.07 393	0.05 170	0.05 207

FACV-RUCA	0.13 404	0.11 530	0.12 300	0.19 472	0.12 554	0.15 430	0.15 334	0.22 398	0.20 397	0.15 397	0.16 339	0.14 368	0.16 496	0.14 385	0.13 402	0.07 343	0.05 276	0.08 406	0.06 293	0.10 548	0.08 471

UGAM	0.13 404	0.10 503	0.09 123	0.22 589	0.08 220	0.12 310	0.20 560	0.17 267	0.23 439	0.21 530	0.16 339	0.13 346	0.13 426	0.19 519	0.12 355	0.07 343	0.05 276	0.13 607	0.11 590	0.07 381	0.05 207

test_sample1	0.13 404	0.07 239	0.14 392	0.13 22	0.08 220	0.19 528	0.16 405	0.20 345	0.15 252	0.14 370	0.22 450	0.18 448	0.16 496	0.17 481	0.14 445	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.07 400

qqq1	0.13 404	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.11 291	0.08 426	0.05 276	0.05 50	0.05 192	0.06 293	0.06 310

fff1	0.13 404	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.11 291	0.08 426	0.05 276	0.05 50	0.05 192	0.06 293	0.06 310

MyStereo05	0.13 404	0.07 239	0.10 189	0.17 309	0.09 355	0.13 366	0.18 496	0.27 503	0.35 577	0.17 445	0.14 305	0.15 397	0.11 351	0.15 412	0.13 402	0.06 168	0.05 276	0.07 312	0.07 393	0.06 293	0.06 310

MyStereo04	0.13 404	0.07 239	0.10 189	0.17 309	0.09 355	0.14 403	0.18 496	0.29 537	0.38 595	0.17 445	0.14 305	0.16 412	0.10 314	0.15 412	0.13 402	0.06 168	0.05 276	0.08 406	0.07 393	0.06 293	0.06 310

ff1	0.13 404	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.15 188	0.19 373	0.15 397	0.25 500	0.19 463	0.13 426	0.14 385	0.20 545	0.06 168	0.04 25	0.09 492	0.08 467	0.06 293	0.06 310

StereoVision	0.13 404	0.12 548	0.09 123	0.24 622	0.10 469	0.15 430	0.21 581	0.21 372	0.20 397	0.12 309	0.24 472	0.10 260	0.10 314	0.16 447	0.10 208	0.09 488	0.11 602	0.12 592	0.12 611	0.06 293	0.05 207

LL-Strereo	0.13 404	0.09 440	0.11 252	0.20 539	0.10 469	0.11 256	0.18 496	0.32 574	0.24 456	0.15 397	0.15 326	0.14 368	0.13 426	0.19 519	0.11 291	0.06 168	0.04 25	0.09 492	0.08 467	0.04 48	0.05 207

CASS	0.13 404	0.12 548	0.11 252	0.23 613	0.09 355	0.15 430	0.17 447	0.18 302	0.19 373	0.17 445	0.18 391	0.15 397	0.15 468	0.14 385	0.14 445	0.09 488	0.06 430	0.10 541	0.08 467	0.09 515	0.07 400
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 404	0.07 239	0.13 353	0.18 402	0.09 355	0.13 366	0.17 447	0.19 333	0.29 524	0.15 397	0.24 472	0.15 397	0.14 450	0.14 385	0.14 445	0.07 343	0.05 276	0.07 312	0.09 514	0.05 170	0.06 310

TestStereo1	0.13 404	0.08 358	0.08 57	0.19 472	0.08 220	0.18 504	0.29 662	0.23 421	0.16 291	0.17 445	0.20 414	0.16 412	0.10 314	0.12 295	0.13 402	0.06 168	0.06 430	0.08 406	0.06 293	0.05 170	0.05 207

qqq	0.13 404	0.09 440	0.15 441	0.16 222	0.08 220	0.13 366	0.15 334	0.23 421	0.16 291	0.15 397	0.19 402	0.16 412	0.16 496	0.15 412	0.16 493	0.07 343	0.06 430	0.08 406	0.08 467	0.07 381	0.07 400

x	0.13 404	0.07 239	0.14 392	0.14 70	0.08 220	0.18 504	0.14 246	0.22 398	0.20 397	0.15 397	0.19 402	0.19 463	0.17 519	0.18 504	0.18 526	0.07 343	0.05 276	0.06 200	0.06 293	0.07 381	0.07 400

raft_robust	0.13 404	0.10 503	0.07 11	0.18 402	0.08 220	0.13 366	0.24 615	0.28 523	0.33 556	0.20 515	0.19 402	0.14 368	0.10 314	0.11 199	0.12 355	0.05 51	0.05 276	0.07 312	0.07 393	0.05 170	0.04 73

RAFT+CT+SA	0.13 404	0.11 530	0.09 123	0.19 472	0.09 355	0.15 430	0.28 652	0.22 398	0.22 427	0.15 397	0.26 517	0.10 260	0.10 314	0.11 199	0.12 355	0.05 51	0.04 25	0.07 312	0.08 467	0.07 381	0.06 310

SA-5K	0.13 404	0.08 358	0.08 57	0.19 472	0.08 220	0.18 504	0.29 662	0.23 421	0.16 291	0.17 445	0.20 414	0.16 412	0.10 314	0.12 295	0.13 402	0.06 168	0.06 430	0.08 406	0.06 293	0.05 170	0.05 207

GwcNet-ADL	0.13 404	0.08 358	0.14 392	0.20 539	0.09 355	0.11 256	0.20 560	0.30 551	0.24 456	0.13 343	0.14 305	0.18 448	0.14 450	0.13 351	0.14 445	0.07 343	0.05 276	0.06 200	0.05 192	0.07 381	0.06 310

GANet-ADL	0.13 404	0.07 239	0.15 441	0.17 309	0.10 469	0.18 504	0.15 334	0.30 551	0.20 397	0.13 343	0.18 391	0.19 463	0.12 384	0.16 447	0.13 402	0.08 426	0.06 430	0.06 200	0.05 192	0.07 381	0.08 471

RAFT	0.13 404	0.09 440	0.11 252	0.18 402	0.08 220	0.15 430	0.24 615	0.20 345	0.19 373	0.21 530	0.21 438	0.17 434	0.12 384	0.16 447	0.09 104	0.06 168	0.07 503	0.10 541	0.09 514	0.05 170	0.05 207

TestStereo	0.13 404	0.14 588	0.11 252	0.23 613	0.08 220	0.15 430	0.21 581	0.20 345	0.23 439	0.14 370	0.24 472	0.16 412	0.12 384	0.16 447	0.14 445	0.05 51	0.06 430	0.08 406	0.06 293	0.09 515	0.05 207

sAnonymous2	0.13 404	0.12 548	0.24 585	0.20 539	0.12 554	0.17 485	0.13 179	0.26 482	0.21 413	0.11 266	0.11 248	0.13 346	0.08 229	0.10 124	0.10 208	0.09 488	0.05 276	0.08 406	0.06 293	0.15 636	0.10 548

CroCo_RVC	0.13 404	0.12 548	0.24 585	0.20 539	0.12 554	0.17 485	0.13 179	0.26 482	0.21 413	0.11 266	0.11 248	0.13 346	0.08 229	0.10 124	0.10 208	0.09 488	0.05 276	0.08 406	0.06 293	0.15 636	0.10 548

RAFT + AFF	0.13 404	0.07 239	0.20 556	0.20 539	0.10 469	0.14 403	0.24 615	0.26 482	0.20 397	0.11 266	0.10 197	0.12 313	0.10 314	0.15 412	0.12 355	0.07 343	0.06 430	0.09 492	0.08 467	0.06 293	0.08 471

GMStereo	0.13 404	0.14 588	0.14 392	0.18 402	0.09 355	0.15 430	0.16 405	0.20 345	0.24 456	0.16 426	0.17 363	0.10 260	0.10 314	0.16 447	0.13 402	0.07 343	0.06 430	0.06 200	0.06 293	0.07 381	0.06 310
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 404	0.07 239	0.14 392	0.17 309	0.09 355	0.15 430	0.16 405	0.28 523	0.27 502	0.14 370	0.17 363	0.12 313	0.13 426	0.14 385	0.11 291	0.08 426	0.05 276	0.07 312	0.07 393	0.07 381	0.06 310

FENet	0.13 404	0.08 358	0.12 300	0.16 222	0.08 220	0.14 403	0.15 334	0.22 398	0.23 439	0.17 445	0.23 459	0.16 412	0.12 384	0.14 385	0.15 477	0.08 426	0.05 276	0.08 406	0.08 467	0.07 381	0.07 400

cf-r	0.13 404	0.07 239	0.12 300	0.16 222	0.08 220	0.14 403	0.19 536	0.20 345	0.25 478	0.17 445	0.25 500	0.21 484	0.16 496	0.14 385	0.14 445	0.10 531	0.05 276	0.06 200	0.08 467	0.06 293	0.06 310

iResNet	0.13 404	0.10 503	0.18 532	0.19 472	0.08 220	0.13 366	0.18 496	0.20 345	0.26 492	0.15 397	0.23 459	0.15 397	0.13 426	0.14 385	0.14 445	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.05 207

DN-CSS_ROB	0.13 404	0.13 576	0.16 477	0.18 402	0.10 469	0.16 462	0.08 7	0.22 398	0.18 354	0.17 445	0.22 450	0.13 346	0.13 426	0.12 295	0.13 402	0.05 51	0.05 276	0.10 541	0.10 556	0.08 450	0.06 310

Selective-IGEV-i16pb	0.14 441	0.08 358	0.17 508	0.15 124	0.11 520	0.41 667	0.16 405	0.28 523	0.23 439	0.11 266	0.20 414	0.10 260	0.07 180	0.17 481	0.12 355	0.10 531	0.07 503	0.06 200	0.08 467	0.09 515	0.10 548

G2L-Stereo_test	0.14 441	0.07 239	0.11 252	0.13 22	0.08 220	0.12 310	0.16 405	0.30 551	0.28 517	0.20 515	0.23 459	0.20 475	0.16 496	0.17 481	0.18 526	0.07 343	0.05 276	0.05 50	0.05 192	0.07 381	0.06 310

coex_refinement	0.14 441	0.07 239	0.12 300	0.17 309	0.10 469	0.15 430	0.15 334	0.26 482	0.29 524	0.18 475	0.20 414	0.22 502	0.17 519	0.16 447	0.18 526	0.08 426	0.05 276	0.06 200	0.06 293	0.09 515	0.08 471

G2L-Stereo	0.14 441	0.07 239	0.13 353	0.17 309	0.09 355	0.13 366	0.12 100	0.27 503	0.22 427	0.16 426	0.27 526	0.21 484	0.13 426	0.17 481	0.18 526	0.09 488	0.08 535	0.08 406	0.07 393	0.07 381	0.07 400

rvit_0105_6	0.14 441	0.09 440	0.18 532	0.17 309	0.10 469	0.10 202	0.16 405	0.19 333	0.26 492	0.12 309	0.18 391	0.17 434	0.12 384	0.18 504	0.12 355	0.15 632	0.11 602	0.12 592	0.10 556	0.09 515	0.06 310

rvit_0105_5	0.14 441	0.09 440	0.13 353	0.17 309	0.09 355	0.14 403	0.23 602	0.24 445	0.27 502	0.14 370	0.15 326	0.18 448	0.12 384	0.17 481	0.14 445	0.14 628	0.11 602	0.10 541	0.10 556	0.08 450	0.06 310

rvit_0105_4	0.14 441	0.09 440	0.17 508	0.17 309	0.10 469	0.12 310	0.19 536	0.23 421	0.27 502	0.14 370	0.20 414	0.17 434	0.13 426	0.17 481	0.13 402	0.15 632	0.11 602	0.11 572	0.10 556	0.09 515	0.06 310

DCVSM-stereo	0.14 441	0.09 440	0.16 477	0.16 222	0.10 469	0.15 430	0.09 20	0.19 333	0.23 439	0.20 515	0.23 459	0.26 550	0.15 468	0.18 504	0.14 445	0.09 488	0.07 503	0.09 492	0.08 467	0.10 548	0.12 588

test_sample6	0.14 441	0.08 358	0.13 353	0.16 222	0.08 220	0.17 485	0.19 536	0.25 464	0.17 321	0.17 445	0.27 526	0.19 463	0.14 450	0.15 412	0.13 402	0.08 426	0.05 276	0.08 406	0.07 393	0.08 450	0.08 471

test_sample5	0.14 441	0.08 358	0.14 392	0.16 222	0.08 220	0.18 504	0.18 496	0.25 464	0.17 321	0.17 445	0.27 526	0.18 448	0.14 450	0.16 447	0.13 402	0.08 426	0.05 276	0.08 406	0.07 393	0.08 450	0.08 471

test_sample4	0.14 441	0.08 358	0.14 392	0.15 124	0.08 220	0.19 528	0.18 496	0.26 482	0.17 321	0.16 426	0.25 500	0.18 448	0.14 450	0.16 447	0.13 402	0.08 426	0.06 430	0.08 406	0.06 293	0.08 450	0.08 471

test_sample3	0.14 441	0.08 358	0.15 441	0.14 70	0.09 355	0.19 528	0.17 447	0.26 482	0.18 354	0.16 426	0.22 450	0.19 463	0.15 468	0.17 481	0.13 402	0.08 426	0.06 430	0.07 312	0.06 293	0.09 515	0.08 471

DispNO	0.14 441	0.08 358	0.17 508	0.19 472	0.12 554	0.11 256	0.21 581	0.23 421	0.29 524	0.17 445	0.23 459	0.18 448	0.17 519	0.15 412	0.15 477	0.07 343	0.05 276	0.08 406	0.08 467	0.07 381	0.06 310

SMFormer	0.14 441	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.17 508	0.08 426	0.05 276	0.07 312	0.06 293	0.07 381	0.06 310

tta	0.14 441	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.17 508	0.08 426	0.05 276	0.07 312	0.06 293	0.06 293	0.06 310

mmm	0.14 441	0.08 358	0.17 508	0.17 309	0.09 355	0.17 485	0.18 496	0.21 372	0.15 252	0.15 397	0.23 459	0.21 484	0.16 496	0.16 447	0.17 508	0.08 426	0.05 276	0.08 406	0.07 393	0.07 381	0.07 400

DualNet	0.14 441	0.08 358	0.14 392	0.16 222	0.08 220	0.18 504	0.18 496	0.25 464	0.17 321	0.17 445	0.27 526	0.18 448	0.14 450	0.16 447	0.13 402	0.08 426	0.05 276	0.08 406	0.07 393	0.08 450	0.08 471

mmx	0.14 441	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.27 503	0.25 478	0.15 397	0.25 500	0.19 463	0.13 426	0.14 385	0.20 545	0.08 426	0.06 430	0.09 492	0.08 467	0.08 450	0.08 471

xxx	0.14 441	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.27 503	0.25 478	0.15 397	0.25 500	0.19 463	0.13 426	0.14 385	0.20 545	0.08 426	0.06 430	0.09 492	0.08 467	0.08 450	0.08 471

PCWNet_CMD	0.14 441	0.08 358	0.15 441	0.17 309	0.09 355	0.14 403	0.14 246	0.29 537	0.36 581	0.14 370	0.20 414	0.21 484	0.12 384	0.17 481	0.13 402	0.07 343	0.05 276	0.07 312	0.07 393	0.07 381	0.07 400

CBFPSM	0.14 441	0.06 117	0.26 593	0.17 309	0.09 355	0.13 366	0.15 334	0.22 398	0.23 439	0.20 515	0.27 526	0.24 526	0.16 496	0.16 447	0.18 526	0.06 168	0.06 430	0.06 200	0.07 393	0.07 381	0.07 400

gwcnet-sp	0.14 441	0.07 239	0.12 300	0.18 402	0.09 355	0.16 462	0.17 447	0.24 445	0.24 456	0.18 475	0.24 472	0.15 397	0.16 496	0.15 412	0.15 477	0.08 426	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

scenet	0.14 441	0.07 239	0.12 300	0.18 402	0.09 355	0.16 462	0.17 447	0.24 445	0.24 456	0.18 475	0.24 472	0.15 397	0.16 496	0.15 412	0.15 477	0.08 426	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

ssnet	0.14 441	0.07 239	0.12 300	0.18 402	0.09 355	0.16 462	0.17 447	0.24 445	0.24 456	0.18 475	0.24 472	0.15 397	0.16 496	0.15 412	0.15 477	0.08 426	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

BUS	0.14 441	0.09 440	0.14 392	0.22 589	0.10 469	0.19 528	0.14 246	0.34 603	0.19 373	0.17 445	0.22 450	0.16 412	0.13 426	0.15 412	0.13 402	0.08 426	0.06 430	0.10 541	0.09 514	0.07 381	0.07 400

IER	0.14 441	0.07 239	0.13 353	0.17 309	0.09 355	0.14 403	0.16 405	0.25 464	0.26 492	0.18 475	0.25 500	0.17 434	0.20 562	0.16 447	0.14 445	0.08 426	0.05 276	0.07 312	0.06 293	0.08 450	0.07 400

test_5	0.14 441	0.12 548	0.08 57	0.20 539	0.10 469	0.14 403	0.29 662	0.21 372	0.24 456	0.18 475	0.28 540	0.11 291	0.15 468	0.12 295	0.13 402	0.06 168	0.05 276	0.07 312	0.08 467	0.08 450	0.07 400

psmg	0.14 441	0.09 440	0.14 392	0.17 309	0.10 469	0.15 430	0.17 447	0.29 537	0.19 373	0.17 445	0.21 438	0.25 540	0.16 496	0.15 412	0.14 445	0.08 426	0.06 430	0.08 406	0.08 467	0.07 381	0.06 310

UDGNet	0.14 441	0.13 576	0.16 477	0.17 309	0.10 469	0.12 310	0.16 405	0.21 372	0.27 502	0.20 515	0.20 414	0.16 412	0.13 426	0.16 447	0.13 402	0.10 531	0.06 430	0.09 492	0.07 393	0.06 293	0.07 400

CFNet_pseudo	0.14 441	0.08 358	0.15 441	0.16 222	0.09 355	0.13 366	0.14 246	0.27 503	0.34 568	0.14 370	0.21 438	0.22 502	0.13 426	0.18 504	0.14 445	0.07 343	0.05 276	0.08 406	0.06 293	0.07 381	0.07 400

GES	0.14 441	0.08 358	0.16 477	0.15 124	0.10 469	0.13 366	0.13 179	0.28 523	0.25 478	0.16 426	0.23 459	0.18 448	0.13 426	0.16 447	0.13 402	0.08 426	0.07 503	0.07 312	0.06 293	0.08 450	0.09 517

GANet-RSSM	0.14 441	0.07 239	0.13 353	0.13 22	0.08 220	0.14 403	0.17 447	0.22 398	0.21 413	0.17 445	0.24 472	0.23 520	0.15 468	0.16 447	0.15 477	0.10 531	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

PSMNet-RSSM	0.14 441	0.07 239	0.13 353	0.15 124	0.08 220	0.13 366	0.16 405	0.24 445	0.24 456	0.16 426	0.28 540	0.22 502	0.14 450	0.15 412	0.13 402	0.11 563	0.06 430	0.09 492	0.12 611	0.08 450	0.07 400

GwcNet-RSSM	0.14 441	0.07 239	0.12 300	0.15 124	0.08 220	0.15 430	0.20 560	0.21 372	0.27 502	0.18 475	0.27 526	0.22 502	0.16 496	0.14 385	0.15 477	0.10 531	0.05 276	0.07 312	0.09 514	0.07 381	0.07 400

CFNet-ft	0.14 441	0.07 239	0.15 441	0.12 7	0.09 355	0.16 462	0.18 496	0.22 398	0.24 456	0.17 445	0.26 517	0.24 526	0.14 450	0.16 447	0.14 445	0.11 563	0.06 430	0.08 406	0.09 514	0.09 515	0.08 471

CCAANet	0.14 441	0.06 117	0.14 392	0.17 309	0.09 355	0.16 462	0.13 179	0.30 551	0.24 456	0.16 426	0.32 572	0.18 448	0.17 519	0.17 481	0.14 445	0.06 168	0.05 276	0.09 492	0.09 514	0.06 293	0.09 517

DMCA	0.14 441	0.09 440	0.16 477	0.19 472	0.09 355	0.15 430	0.17 447	0.23 421	0.27 502	0.14 370	0.19 402	0.17 434	0.18 534	0.15 412	0.17 508	0.10 531	0.06 430	0.08 406	0.06 293	0.09 515	0.10 548

RASNet	0.14 441	0.07 239	0.14 392	0.16 222	0.08 220	0.18 504	0.14 246	0.29 537	0.20 397	0.17 445	0.25 500	0.21 484	0.18 534	0.20 544	0.19 539	0.07 343	0.06 430	0.06 200	0.08 467	0.06 293	0.06 310

MSMDNet	0.14 441	0.08 358	0.15 441	0.17 309	0.09 355	0.14 403	0.14 246	0.29 537	0.36 581	0.14 370	0.21 438	0.21 484	0.12 384	0.17 481	0.14 445	0.07 343	0.05 276	0.07 312	0.07 393	0.07 381	0.07 400

HSM-Net_RVC	0.14 441	0.08 358	0.11 252	0.15 124	0.08 220	0.15 430	0.15 334	0.27 503	0.29 524	0.19 492	0.21 438	0.29 577	0.14 450	0.17 481	0.13 402	0.06 168	0.06 430	0.06 200	0.06 293	0.07 381	0.06 310
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 441	0.07 239	0.15 441	0.12 7	0.09 355	0.16 462	0.18 496	0.22 398	0.24 456	0.17 445	0.26 517	0.24 526	0.14 450	0.16 447	0.14 445	0.11 563	0.06 430	0.08 406	0.09 514	0.09 515	0.08 471

ccs_rob	0.14 441	0.08 358	0.15 441	0.16 222	0.09 355	0.12 310	0.14 246	0.27 503	0.34 568	0.14 370	0.21 438	0.22 502	0.13 426	0.18 504	0.14 445	0.07 343	0.05 276	0.08 406	0.07 393	0.07 381	0.07 400

UCFNet_RVC	0.14 441	0.08 358	0.13 353	0.11 1	0.10 469	0.20 544	0.10 35	0.24 445	0.22 427	0.17 445	0.20 414	0.23 520	0.15 468	0.17 481	0.15 477	0.12 588	0.07 503	0.10 541	0.13 622	0.11 571	0.10 548

iResNetv2_ROB	0.14 441	0.08 358	0.15 441	0.16 222	0.08 220	0.16 462	0.12 100	0.25 464	0.35 577	0.21 530	0.29 552	0.24 526	0.13 426	0.14 385	0.14 445	0.06 168	0.05 276	0.06 200	0.04 60	0.09 515	0.08 471

iResNet_ROB	0.14 441	0.07 239	0.13 353	0.14 70	0.07 134	0.18 504	0.14 246	0.26 482	0.31 542	0.22 546	0.25 500	0.23 520	0.15 468	0.15 412	0.13 402	0.07 343	0.05 276	0.05 50	0.04 60	0.08 450	0.08 471

DDVS	0.15 486	0.10 503	0.21 566	0.16 222	0.12 554	0.15 430	0.14 246	0.25 464	0.19 373	0.18 475	0.29 552	0.27 558	0.12 384	0.19 519	0.15 477	0.09 488	0.06 430	0.09 492	0.07 393	0.11 571	0.11 575

rvit_0105_3	0.15 486	0.09 440	0.14 392	0.19 472	0.12 554	0.15 430	0.25 630	0.25 464	0.29 524	0.15 397	0.17 363	0.20 475	0.13 426	0.17 481	0.14 445	0.13 614	0.11 602	0.12 592	0.14 626	0.07 381	0.06 310

ACV-stereo	0.15 486	0.10 503	0.28 605	0.18 402	0.12 554	0.14 403	0.12 100	0.23 421	0.21 413	0.19 492	0.23 459	0.22 502	0.15 468	0.23 585	0.17 508	0.07 343	0.06 430	0.07 312	0.07 393	0.07 381	0.07 400

ITSA-stereo	0.15 486	0.10 503	0.14 392	0.19 472	0.08 220	0.12 310	0.14 246	0.30 551	0.49 642	0.17 445	0.19 402	0.22 502	0.15 468	0.17 481	0.16 493	0.10 531	0.06 430	0.08 406	0.08 467	0.08 450	0.08 471

test_sample7	0.15 486	0.10 503	0.16 477	0.14 70	0.11 520	0.16 462	0.16 405	0.27 503	0.23 439	0.20 515	0.20 414	0.24 526	0.19 550	0.16 447	0.16 493	0.12 588	0.06 430	0.10 541	0.09 514	0.10 548	0.10 548

1111x	0.15 486	0.08 358	0.12 300	0.18 402	0.07 134	0.18 504	0.25 630	0.31 563	0.24 456	0.17 445	0.24 472	0.26 550	0.15 468	0.13 351	0.23 586	0.07 343	0.07 503	0.08 406	0.09 514	0.07 381	0.06 310

CFNet_ucs	0.15 486	0.08 358	0.16 477	0.16 222	0.11 520	0.14 403	0.14 246	0.30 551	0.34 568	0.16 426	0.24 472	0.23 520	0.14 450	0.18 504	0.15 477	0.09 488	0.06 430	0.08 406	0.07 393	0.09 515	0.09 517

BSDual-CNN	0.15 486	0.09 440	0.14 392	0.22 589	0.10 469	0.14 403	0.15 334	0.34 603	0.19 373	0.17 445	0.22 450	0.25 540	0.16 496	0.15 412	0.14 445	0.08 426	0.06 430	0.10 541	0.09 514	0.07 381	0.07 400

hknet	0.15 486	0.11 530	0.13 353	0.22 589	0.11 520	0.14 403	0.15 334	0.34 603	0.25 478	0.17 445	0.22 450	0.22 502	0.18 534	0.17 481	0.12 355	0.07 343	0.06 430	0.10 541	0.09 514	0.07 381	0.07 400

dd	0.15 486	0.16 606	0.16 477	0.19 472	0.09 355	0.15 430	0.18 496	0.21 372	0.25 478	0.23 559	0.20 414	0.21 484	0.09 270	0.21 561	0.16 493	0.10 531	0.06 430	0.08 406	0.06 293	0.08 450	0.06 310

DAS	0.15 486	0.08 358	0.18 532	0.19 472	0.10 469	0.19 528	0.17 447	0.27 503	0.29 524	0.18 475	0.25 500	0.21 484	0.15 468	0.16 447	0.12 355	0.08 426	0.06 430	0.06 200	0.06 293	0.07 381	0.07 400

SepStereo	0.15 486	0.08 358	0.18 532	0.19 472	0.10 469	0.19 528	0.17 447	0.27 503	0.29 524	0.18 475	0.25 500	0.21 484	0.15 468	0.25 601	0.12 355	0.08 426	0.06 430	0.06 200	0.06 293	0.07 381	0.07 400

PSMNet-ADL	0.15 486	0.12 548	0.13 353	0.22 589	0.09 355	0.13 366	0.20 560	0.26 482	0.23 439	0.18 475	0.20 414	0.24 526	0.16 496	0.18 504	0.17 508	0.08 426	0.08 535	0.08 406	0.11 590	0.08 450	0.07 400

LMCR-Stereo	0.15 486	0.08 358	0.13 353	0.21 572	0.09 355	0.17 485	0.20 560	0.27 503	0.19 373	0.24 568	0.24 472	0.23 520	0.17 519	0.20 544	0.17 508	0.07 343	0.06 430	0.08 406	0.06 293	0.10 548	0.08 471

ICVP	0.15 486	0.09 440	0.12 300	0.22 589	0.09 355	0.17 485	0.21 581	0.25 464	0.23 439	0.18 475	0.30 559	0.26 550	0.18 534	0.17 481	0.14 445	0.09 488	0.07 503	0.08 406	0.07 393	0.07 381	0.07 400
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 486	0.07 239	0.14 392	0.14 70	0.08 220	0.23 587	0.18 496	0.31 563	0.19 373	0.14 370	0.28 540	0.22 502	0.14 450	0.15 412	0.26 620	0.09 488	0.05 276	0.07 312	0.07 393	0.08 450	0.07 400

test_xeample	0.15 486	0.06 117	0.13 353	0.14 70	0.08 220	0.21 562	0.20 560	0.28 523	0.20 397	0.16 426	0.29 552	0.19 463	0.16 496	0.15 412	0.26 620	0.09 488	0.05 276	0.07 312	0.07 393	0.07 381	0.07 400

ACVNet	0.15 486	0.09 440	0.15 441	0.13 22	0.12 554	0.14 403	0.20 560	0.22 398	0.33 556	0.17 445	0.26 517	0.21 484	0.16 496	0.17 481	0.21 565	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.06 310

acv_ft	0.15 486	0.09 440	0.15 441	0.19 472	0.10 469	0.16 462	0.17 447	0.25 464	0.33 556	0.19 492	0.26 517	0.21 484	0.17 519	0.17 481	0.18 526	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.06 310

CFNet	0.15 486	0.10 503	0.17 508	0.17 309	0.08 220	0.18 504	0.09 20	0.28 523	0.25 478	0.19 492	0.24 472	0.24 526	0.17 519	0.17 481	0.14 445	0.08 426	0.06 430	0.09 492	0.10 556	0.07 381	0.06 310

AdaStereo	0.15 486	0.11 530	0.15 441	0.18 402	0.09 355	0.20 544	0.11 64	0.32 574	0.28 517	0.20 515	0.23 459	0.20 475	0.13 426	0.19 519	0.14 445	0.12 588	0.05 276	0.10 541	0.07 393	0.09 515	0.07 400
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	0.15 486	0.08 358	0.14 392	0.16 222	0.09 355	0.16 462	0.14 246	0.28 523	0.25 478	0.19 492	0.23 459	0.37 631	0.16 496	0.20 544	0.15 477	0.07 343	0.05 276	0.07 312	0.06 293	0.07 381	0.06 310

pmcnn	0.15 486	0.07 239	0.19 544	0.15 124	0.07 134	0.20 544	0.15 334	0.24 445	0.26 492	0.21 530	0.34 589	0.28 568	0.18 534	0.18 504	0.17 508	0.07 343	0.05 276	0.05 50	0.04 60	0.07 381	0.06 310

DStereoRT	0.16 509	0.06 117	0.11 252	0.19 472	0.09 355	0.12 310	0.12 100	0.28 523	0.22 427	0.12 309	0.20 414	0.11 291	0.10 314	0.15 412	0.14 445	0.06 168	0.05 276	0.96 710	0.09 514	0.05 170	0.04 73

DualNet (step1)	0.16 509	0.12 548	0.20 556	0.12 7	0.14 598	0.17 485	0.13 179	0.27 503	0.23 439	0.20 515	0.20 414	0.24 526	0.19 550	0.16 447	0.16 493	0.15 632	0.06 430	0.14 621	0.14 626	0.14 620	0.12 588

GMStereo_Zeroshot	0.16 509	0.13 576	0.24 585	0.20 539	0.10 469	0.17 485	0.13 179	0.29 537	0.25 478	0.23 559	0.32 572	0.25 540	0.11 351	0.19 519	0.14 445	0.09 488	0.06 430	0.11 572	0.06 293	0.12 586	0.08 471

iinet-f	0.16 509	0.06 117	0.45 650	0.14 70	0.10 469	0.21 562	0.14 246	0.27 503	0.23 439	0.21 530	0.24 472	0.21 484	0.15 468	0.18 504	0.21 565	0.09 488	0.07 503	0.07 312	0.06 293	0.09 515	0.10 548

CRFU-Net	0.16 509	0.08 358	0.14 392	0.17 309	0.09 355	0.19 528	0.14 246	0.26 482	0.20 397	0.28 608	0.27 526	0.29 577	0.17 519	0.19 519	0.17 508	0.09 488	0.09 568	0.07 312	0.07 393	0.08 450	0.08 471

NINENet	0.16 509	0.10 503	0.15 441	0.17 309	0.11 520	0.19 528	0.14 246	0.40 647	0.36 581	0.18 475	0.21 438	0.16 412	0.13 426	0.15 412	0.13 402	0.08 426	0.08 535	0.10 541	0.07 393	0.10 548	0.09 517

CSP-Net	0.16 509	0.09 440	0.14 392	0.16 222	0.09 355	0.19 528	0.17 447	0.25 464	0.32 549	0.25 581	0.30 559	0.24 526	0.15 468	0.21 561	0.18 526	0.09 488	0.06 430	0.07 312	0.07 393	0.08 450	0.07 400

AASNet	0.16 509	0.08 358	0.12 300	0.19 472	0.09 355	0.18 504	0.15 334	0.37 631	0.37 588	0.19 492	0.23 459	0.20 475	0.16 496	0.17 481	0.20 545	0.10 531	0.08 535	0.08 406	0.07 393	0.09 515	0.09 517

AACVNet	0.16 509	0.08 358	0.14 392	0.15 124	0.10 469	0.18 504	0.15 334	0.23 421	0.24 456	0.27 593	0.27 526	0.28 568	0.17 519	0.19 519	0.16 493	0.09 488	0.07 503	0.09 492	0.07 393	0.10 548	0.09 517

ADLNet2	0.16 509	0.09 440	0.13 353	0.16 222	0.09 355	0.20 544	0.16 405	0.31 563	0.39 599	0.16 426	0.20 414	0.20 475	0.18 534	0.21 561	0.22 574	0.08 426	0.06 430	0.07 312	0.07 393	0.09 515	0.07 400

Anonymous3	0.16 509	0.13 576	0.33 625	0.26 638	0.14 598	0.27 623	0.17 447	0.28 523	0.28 517	0.15 397	0.17 363	0.14 368	0.10 314	0.15 412	0.12 355	0.08 426	0.08 535	0.08 406	0.08 467	0.08 450	0.11 575

ADLNet	0.16 509	0.08 358	0.15 441	0.16 222	0.10 469	0.16 462	0.17 447	0.32 574	0.27 502	0.22 546	0.27 526	0.24 526	0.16 496	0.18 504	0.21 565	0.10 531	0.06 430	0.10 541	0.10 556	0.08 450	0.09 517

HCRNet	0.16 509	0.24 654	0.12 300	0.35 672	0.11 520	0.15 430	0.17 447	0.26 482	0.22 427	0.19 492	0.24 472	0.21 484	0.14 450	0.15 412	0.13 402	0.11 563	0.07 503	0.11 572	0.10 556	0.09 515	0.07 400

222	0.16 509	0.07 239	0.14 392	0.14 70	0.08 220	0.24 592	0.18 496	0.30 551	0.20 397	0.17 445	0.28 540	0.17 434	0.16 496	0.15 412	0.40 676	0.10 531	0.05 276	0.07 312	0.06 293	0.07 381	0.08 471

UPFNet	0.16 509	0.08 358	0.12 300	0.20 539	0.12 554	0.20 544	0.23 602	0.28 523	0.26 492	0.17 445	0.24 472	0.22 502	0.19 550	0.19 519	0.21 565	0.09 488	0.07 503	0.08 406	0.09 514	0.08 450	0.06 310

ac_64	0.16 509	0.08 358	0.15 441	0.18 402	0.10 469	0.22 571	0.18 496	0.24 445	0.21 413	0.18 475	0.24 472	0.29 577	0.18 534	0.19 519	0.22 574	0.09 488	0.07 503	0.08 406	0.09 514	0.07 381	0.06 310

DSFCA	0.16 509	0.09 440	0.14 392	0.16 222	0.10 469	0.20 544	0.19 536	0.28 523	0.31 542	0.23 559	0.24 472	0.22 502	0.15 468	0.19 519	0.20 545	0.10 531	0.07 503	0.09 492	0.09 514	0.08 450	0.08 471

FADNet-RVC-Resample	0.16 509	0.11 530	0.31 618	0.22 589	0.11 520	0.19 528	0.14 246	0.25 464	0.24 456	0.24 568	0.27 526	0.20 475	0.15 468	0.16 447	0.15 477	0.07 343	0.08 535	0.12 592	0.10 556	0.09 515	0.10 548

FADNet_RVC	0.16 509	0.14 588	0.40 643	0.20 539	0.11 520	0.13 366	0.13 179	0.26 482	0.22 427	0.21 530	0.23 459	0.20 475	0.17 519	0.14 385	0.16 493	0.08 426	0.08 535	0.12 592	0.09 514	0.11 571	0.10 548

AANet_RVC	0.16 509	0.10 503	0.10 189	0.18 402	0.09 355	0.18 504	0.19 536	0.26 482	0.31 542	0.22 546	0.35 593	0.21 484	0.21 566	0.22 574	0.16 493	0.06 168	0.05 276	0.06 200	0.06 293	0.07 381	0.06 310

DeepPruner_ROB	0.16 509	0.11 530	0.15 441	0.17 309	0.10 469	0.17 485	0.15 334	0.32 574	0.21 413	0.19 492	0.21 438	0.22 502	0.18 534	0.20 544	0.15 477	0.13 614	0.09 568	0.09 492	0.09 514	0.11 571	0.10 548

z-ln-s-r	0.17 530	0.10 503	0.40 643	0.19 472	0.08 220	0.17 485	0.18 496	0.22 398	0.33 556	0.18 475	0.40 622	0.22 502	0.17 519	0.20 544	0.23 586	0.07 343	0.05 276	0.07 312	0.07 393	0.07 381	0.05 207

rvit_stereo_0075_2	0.17 530	0.12 548	0.25 590	0.23 613	0.16 629	0.13 366	0.10 35	0.30 551	0.27 502	0.20 515	0.28 540	0.22 502	0.15 468	0.18 504	0.13 402	0.16 648	0.10 590	0.17 644	0.10 556	0.10 548	0.09 517

ToySt	0.17 530	0.11 530	0.18 532	0.17 309	0.11 520	0.16 462	0.25 630	0.24 445	0.33 556	0.19 492	0.24 472	0.26 550	0.24 589	0.19 519	0.20 545	0.07 343	0.08 535	0.09 492	0.10 556	0.09 515	0.08 471

ssnet_v2	0.17 530	0.10 503	0.17 508	0.17 309	0.11 520	0.21 562	0.21 581	0.33 594	0.25 478	0.22 546	0.22 450	0.27 558	0.18 534	0.22 574	0.20 545	0.11 563	0.09 568	0.09 492	0.09 514	0.08 450	0.08 471

dad	0.17 530	0.20 638	0.20 556	0.16 222	0.11 520	0.20 544	0.18 496	0.21 372	0.28 517	0.30 622	0.24 472	0.29 577	0.13 426	0.19 519	0.16 493	0.18 654	0.09 568	0.11 572	0.09 514	0.11 571	0.07 400

GEStereo_RVC	0.17 530	0.12 548	0.15 441	0.22 589	0.11 520	0.19 528	0.17 447	0.32 574	0.48 635	0.20 515	0.25 500	0.17 434	0.13 426	0.21 561	0.16 493	0.10 531	0.06 430	0.08 406	0.07 393	0.09 515	0.08 471

MMNet	0.17 530	0.09 440	0.16 477	0.20 539	0.11 520	0.27 623	0.20 560	0.25 464	0.41 608	0.22 546	0.30 559	0.21 484	0.20 562	0.17 481	0.20 545	0.06 168	0.06 430	0.07 312	0.07 393	0.08 450	0.07 400

delet	0.17 530	0.08 358	0.17 508	0.19 472	0.11 520	0.20 544	0.21 581	0.30 551	0.37 588	0.17 445	0.26 517	0.19 463	0.19 550	0.19 519	0.21 565	0.08 426	0.08 535	0.09 492	0.11 590	0.06 293	0.06 310

UNet	0.17 530	0.09 440	0.18 532	0.19 472	0.12 554	0.27 623	0.19 536	0.33 594	0.29 524	0.21 530	0.24 472	0.23 520	0.19 550	0.19 519	0.18 526	0.07 343	0.06 430	0.08 406	0.07 393	0.08 450	0.06 310

HGLStereo	0.17 530	0.08 358	0.19 544	0.17 309	0.12 554	0.18 504	0.18 496	0.31 563	0.32 549	0.21 530	0.32 572	0.25 540	0.18 534	0.19 519	0.20 545	0.09 488	0.09 568	0.07 312	0.07 393	0.09 515	0.10 548

DMCA-RVC	0.17 530	0.10 503	0.15 441	0.24 622	0.11 520	0.18 504	0.18 496	0.25 464	0.24 456	0.21 530	0.26 517	0.25 540	0.27 612	0.18 504	0.20 545	0.12 588	0.08 535	0.13 607	0.10 556	0.10 548	0.08 471

TDLM	0.17 530	0.12 548	0.13 353	0.24 622	0.10 469	0.18 504	0.18 496	0.36 625	0.30 534	0.21 530	0.28 540	0.28 568	0.18 534	0.23 585	0.18 526	0.11 563	0.07 503	0.10 541	0.10 556	0.08 450	0.08 471

NLCA_NET_v2_RVC	0.17 530	0.10 503	0.22 572	0.20 539	0.10 469	0.15 430	0.18 496	0.31 563	0.25 478	0.21 530	0.30 559	0.25 540	0.17 519	0.21 561	0.20 545	0.09 488	0.06 430	0.08 406	0.08 467	0.07 381	0.08 471
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	0.17 530	0.12 548	0.15 441	0.20 539	0.09 355	0.18 504	0.18 496	0.26 482	0.23 439	0.26 587	0.40 622	0.22 502	0.17 519	0.21 561	0.20 545	0.08 426	0.05 276	0.09 492	0.10 556	0.07 381	0.07 400
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 544	0.08 358	0.19 544	0.19 472	0.13 577	0.15 430	0.12 100	0.30 551	0.32 549	0.21 530	0.25 500	0.27 558	0.17 519	0.17 481	0.20 545	0.20 663	0.08 535	0.14 621	0.14 626	0.14 620	0.17 655

test_sample9	0.18 544	0.12 548	0.20 556	0.12 7	0.14 598	0.17 485	0.13 179	0.27 503	0.23 439	0.20 515	0.20 414	0.24 526	0.19 550	0.19 519	0.17 508	0.15 632	0.30 685	0.14 621	0.14 626	0.14 620	0.12 588

fast-acv-ft	0.18 544	0.11 530	0.19 544	0.19 472	0.12 554	0.24 592	0.21 581	0.25 464	0.34 568	0.22 546	0.34 589	0.27 558	0.20 562	0.21 561	0.23 586	0.09 488	0.09 568	0.08 406	0.10 556	0.08 450	0.07 400

HBP-ISP	0.18 544	0.13 576	0.16 477	0.15 124	0.11 520	0.08 85	0.13 179	0.28 523	0.29 524	0.22 546	0.33 585	0.21 484	0.25 598	0.23 585	0.17 508	0.14 628	0.16 653	0.21 658	0.17 654	0.10 548	0.08 471

Wz-Net-LNSev-Ref	0.18 544	0.09 440	0.29 613	0.15 124	0.10 469	0.22 571	0.20 560	0.26 482	0.39 599	0.25 581	0.42 639	0.24 526	0.15 468	0.20 544	0.19 539	0.07 343	0.05 276	0.06 200	0.05 192	0.10 548	0.09 517

SACVNet	0.18 544	0.12 548	0.14 392	0.17 309	0.13 577	0.22 571	0.18 496	0.31 563	0.30 534	0.23 559	0.31 568	0.30 587	0.22 575	0.22 574	0.17 508	0.11 563	0.08 535	0.10 541	0.10 556	0.12 586	0.14 628

psm_up	0.18 544	0.10 503	0.18 532	0.20 539	0.11 520	0.17 485	0.19 536	0.37 631	0.34 568	0.21 530	0.28 540	0.29 577	0.24 589	0.20 544	0.22 574	0.09 488	0.10 590	0.11 572	0.11 590	0.08 450	0.08 471

hitnet-ft	0.18 544	0.09 440	0.17 508	0.14 70	0.09 355	0.26 613	0.20 560	0.25 464	0.26 492	0.24 568	0.32 572	0.31 600	0.22 575	0.24 595	0.21 565	0.12 588	0.07 503	0.10 541	0.08 467	0.12 586	0.11 575

STTStereo	0.18 544	0.12 548	0.27 600	0.20 539	0.11 520	0.16 462	0.21 581	0.29 537	0.23 439	0.21 530	0.30 559	0.29 577	0.18 534	0.20 544	0.19 539	0.12 588	0.11 602	0.11 572	0.14 626	0.09 515	0.08 471

CVANet_RVC	0.18 544	0.10 503	0.14 392	0.21 572	0.10 469	0.18 504	0.17 447	0.34 603	0.33 556	0.22 546	0.31 568	0.28 568	0.18 534	0.23 585	0.17 508	0.12 588	0.08 535	0.12 592	0.11 590	0.09 515	0.07 400

StereoDRNet	0.18 544	0.11 530	0.17 508	0.22 589	0.11 520	0.21 562	0.22 591	0.37 631	0.33 556	0.24 568	0.28 540	0.30 587	0.19 550	0.20 544	0.20 545	0.09 488	0.08 535	0.11 572	0.09 514	0.09 515	0.07 400

DLCB_ROB	0.18 544	0.10 503	0.15 441	0.23 613	0.11 520	0.24 592	0.18 496	0.29 537	0.28 517	0.27 593	0.28 540	0.28 568	0.24 589	0.19 519	0.20 545	0.08 426	0.08 535	0.09 492	0.09 514	0.07 381	0.07 400

TCMNet	0.19 556	0.12 548	0.19 544	0.20 539	0.18 651	0.20 544	0.24 615	0.27 503	0.36 581	0.23 559	0.26 517	0.25 540	0.19 550	0.19 519	0.23 586	0.13 614	0.11 602	0.11 572	0.12 611	0.13 606	0.12 588

rvit_105_1	0.19 556	0.11 530	0.25 590	0.21 572	0.16 629	0.21 562	0.27 646	0.31 563	0.41 608	0.19 492	0.20 414	0.22 502	0.17 519	0.19 519	0.17 508	0.12 588	0.12 618	0.13 607	0.15 642	0.08 450	0.07 400

test_sample8	0.19 556	0.12 548	0.20 556	0.12 7	0.14 598	0.17 485	0.13 179	0.31 563	0.21 413	0.27 593	0.22 450	0.36 626	0.25 598	0.19 519	0.17 508	0.15 632	0.30 685	0.14 621	0.14 626	0.14 620	0.12 588

SDNR	0.19 556	0.08 358	0.19 544	0.16 222	0.12 554	0.77 698	0.14 246	0.25 464	0.32 549	0.19 492	0.24 472	0.19 463	0.13 426	0.19 519	0.15 477	0.16 648	0.18 660	0.14 621	0.11 590	0.08 450	0.11 575

pcwnet_v2	0.19 556	0.10 503	0.26 593	0.17 309	0.14 598	0.18 504	0.15 334	0.37 631	0.46 633	0.19 492	0.24 472	0.21 484	0.19 550	0.20 544	0.19 539	0.13 614	0.10 590	0.10 541	0.10 556	0.11 571	0.13 611

ADCRef	0.19 556	0.12 548	0.41 646	0.20 539	0.12 554	0.22 571	0.18 496	0.32 574	0.36 581	0.26 587	0.32 572	0.17 434	0.23 583	0.24 595	0.24 599	0.07 343	0.06 430	0.09 492	0.09 514	0.08 450	0.08 471

NVstereo2D	0.19 556	0.10 503	0.15 441	0.17 309	0.15 618	0.28 630	0.23 602	0.44 664	0.42 616	0.15 397	0.27 526	0.25 540	0.19 550	0.22 574	0.17 508	0.09 488	0.06 430	0.10 541	0.08 467	0.15 636	0.09 517

DRN-Test	0.19 556	0.11 530	0.20 556	0.22 589	0.10 469	0.22 571	0.22 591	0.39 643	0.37 588	0.24 568	0.32 572	0.26 550	0.21 566	0.22 574	0.24 599	0.11 563	0.07 503	0.11 572	0.10 556	0.09 515	0.07 400

DISCO	0.19 556	0.09 440	0.22 572	0.17 309	0.10 469	0.25 603	0.18 496	0.27 503	0.44 626	0.22 546	0.31 568	0.33 613	0.26 604	0.28 618	0.28 636	0.08 426	0.06 430	0.07 312	0.07 393	0.09 515	0.09 517

CBMV_ROB	0.19 556	0.13 576	0.17 508	0.16 222	0.11 520	0.15 430	0.13 179	0.26 482	0.28 517	0.27 593	0.30 559	0.27 558	0.24 589	0.23 585	0.16 493	0.15 632	0.17 658	0.22 662	0.20 660	0.10 548	0.11 575

NOSS_ROB	0.19 556	0.12 548	0.18 532	0.16 222	0.12 554	0.15 430	0.12 100	0.30 551	0.32 549	0.20 515	0.22 450	0.27 558	0.23 583	0.21 561	0.16 493	0.16 648	0.18 660	0.23 663	0.21 662	0.12 586	0.13 611

CBMV	0.19 556	0.14 588	0.17 508	0.18 402	0.10 469	0.20 544	0.11 64	0.29 537	0.30 534	0.29 617	0.30 559	0.30 587	0.23 583	0.27 606	0.19 539	0.13 614	0.15 649	0.17 644	0.16 647	0.10 548	0.10 548
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PStereo	0.20 568	0.22 648	0.20 556	0.17 309	0.10 469	0.13 366	0.20 560	0.27 503	0.38 595	0.20 515	0.14 305	0.28 568	0.31 639	0.24 595	0.31 654	0.18 654	0.13 633	0.15 633	0.11 590	0.12 586	0.12 588

w-ln-seven-2	0.20 568	0.14 588	0.37 638	0.22 589	0.12 554	0.20 544	0.21 581	0.28 523	0.37 588	0.25 581	0.37 602	0.27 558	0.22 575	0.21 561	0.23 586	0.08 426	0.08 535	0.09 492	0.09 514	0.10 548	0.09 517

YMNet	0.20 568	0.12 548	0.19 544	0.20 539	0.14 598	0.26 613	0.23 602	0.32 574	0.34 568	0.27 593	0.34 589	0.30 587	0.18 534	0.18 504	0.22 574	0.10 531	0.13 633	0.10 541	0.10 556	0.08 450	0.09 517

YMNet_1	0.20 568	0.12 548	0.19 544	0.20 539	0.14 598	0.26 613	0.23 602	0.32 574	0.34 568	0.27 593	0.34 589	0.30 587	0.18 534	0.18 504	0.22 574	0.10 531	0.13 633	0.10 541	0.10 556	0.08 450	0.09 517

GwcNet	0.20 568	0.13 576	0.19 544	0.18 402	0.12 554	0.24 592	0.19 536	0.35 618	0.43 621	0.20 515	0.32 572	0.33 613	0.20 562	0.22 574	0.24 599	0.11 563	0.09 568	0.09 492	0.09 514	0.09 515	0.10 548

FAT-Stereo	0.20 568	0.12 548	0.22 572	0.21 572	0.12 554	0.17 485	0.18 496	0.34 603	0.39 599	0.27 593	0.37 602	0.34 620	0.32 644	0.21 561	0.20 545	0.09 488	0.11 602	0.10 541	0.09 514	0.11 571	0.14 628

FADNet-RVC	0.20 568	0.20 638	0.38 640	0.21 572	0.16 629	0.20 544	0.15 334	0.26 482	0.26 492	0.26 587	0.32 572	0.26 550	0.21 566	0.22 574	0.19 539	0.12 588	0.13 633	0.12 592	0.14 626	0.13 606	0.18 658

S-Stereo	0.20 568	0.12 548	0.25 590	0.21 572	0.13 577	0.20 544	0.18 496	0.32 574	0.43 621	0.23 559	0.36 596	0.28 568	0.30 635	0.19 519	0.22 574	0.09 488	0.12 618	0.10 541	0.10 556	0.13 606	0.13 611

SuperB	0.20 568	0.10 503	0.56 666	0.16 222	0.09 355	0.18 504	0.18 496	0.24 445	0.50 645	0.26 587	0.39 616	0.17 434	0.21 566	0.22 574	0.21 565	0.08 426	0.06 430	0.06 200	0.06 293	0.12 586	0.10 548

ADCP+	0.20 568	0.10 503	0.33 625	0.20 539	0.12 554	0.22 571	0.26 639	0.31 563	0.34 568	0.26 587	0.37 602	0.22 502	0.22 575	0.27 606	0.27 628	0.09 488	0.06 430	0.08 406	0.08 467	0.09 515	0.10 548

PS-NSSS	0.20 568	0.21 644	0.23 581	0.20 539	0.10 469	0.19 528	0.17 447	0.36 625	0.25 478	0.27 593	0.33 585	0.27 558	0.24 589	0.20 544	0.20 545	0.15 632	0.12 618	0.17 644	0.14 626	0.10 548	0.08 471

PWCDC_ROB	0.20 568	0.13 576	0.22 572	0.24 622	0.11 520	0.19 528	0.15 334	0.33 594	0.54 655	0.29 617	0.50 655	0.21 484	0.15 468	0.27 606	0.20 545	0.11 563	0.09 568	0.10 541	0.08 467	0.11 571	0.09 517

SGM-Forest	0.20 568	0.14 588	0.18 532	0.19 472	0.13 577	0.20 544	0.22 591	0.33 594	0.30 534	0.24 568	0.29 552	0.28 568	0.19 550	0.23 585	0.17 508	0.15 632	0.16 653	0.15 633	0.14 626	0.12 586	0.12 588
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 581	0.17 617	0.19 544	0.23 613	0.15 618	0.30 637	0.20 560	0.33 594	0.35 577	0.23 559	0.28 540	0.31 600	0.27 612	0.20 544	0.22 574	0.15 632	0.12 618	0.13 607	0.09 514	0.14 620	0.14 628

FINET	0.21 581	0.18 628	0.26 593	0.18 402	0.16 629	0.23 587	0.23 602	0.32 574	0.48 635	0.25 581	0.32 572	0.22 502	0.22 575	0.22 574	0.17 508	0.18 654	0.16 653	0.11 572	0.10 556	0.15 636	0.13 611

Syn2CoEx	0.21 581	0.16 606	0.27 600	0.29 663	0.14 598	0.26 613	0.20 560	0.33 594	0.31 542	0.28 608	0.36 596	0.27 558	0.25 598	0.19 519	0.24 599	0.16 648	0.12 618	0.14 621	0.11 590	0.09 515	0.08 471

FADNet	0.21 581	0.22 648	0.36 634	0.18 402	0.17 644	0.24 592	0.13 179	0.31 563	0.31 542	0.23 559	0.25 500	0.27 558	0.21 566	0.19 519	0.15 477	0.13 614	0.15 649	0.12 592	0.15 642	0.16 645	0.18 658

RP	0.21 581	0.13 576	0.21 566	0.23 613	0.11 520	0.21 562	0.20 560	0.25 464	0.44 626	0.21 530	0.38 608	0.36 626	0.24 589	0.27 606	0.25 609	0.11 563	0.12 618	0.13 607	0.12 611	0.12 586	0.14 628

DANet	0.21 581	0.15 598	0.28 605	0.25 633	0.13 577	0.22 571	0.19 536	0.27 503	0.27 502	0.28 608	0.32 572	0.35 624	0.31 639	0.31 628	0.23 586	0.11 563	0.09 568	0.11 572	0.10 556	0.13 606	0.11 575
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 581	0.12 548	0.21 566	0.24 622	0.13 577	0.22 571	0.22 591	0.41 653	0.26 492	0.31 628	0.42 639	0.37 631	0.28 623	0.23 585	0.22 574	0.10 531	0.12 618	0.10 541	0.09 514	0.10 548	0.08 471

PWC_ROB	0.21 581	0.16 606	0.26 593	0.18 402	0.11 520	0.22 571	0.13 179	0.32 574	0.49 642	0.30 622	0.40 622	0.32 609	0.24 589	0.31 628	0.22 574	0.10 531	0.07 503	0.11 572	0.08 467	0.11 571	0.10 548

PSMNet_ROB	0.21 581	0.11 530	0.15 441	0.27 651	0.15 618	0.24 592	0.35 679	0.43 662	0.37 588	0.27 593	0.32 572	0.32 609	0.22 575	0.21 561	0.26 620	0.12 588	0.08 535	0.13 607	0.11 590	0.09 515	0.09 517

MSAF-DinoV2	0.22 590	0.11 530	0.23 581	0.17 309	0.10 469	0.27 623	0.16 405	0.37 631	0.55 656	0.21 530	0.27 526	0.47 665	0.27 612	0.35 647	0.39 673	0.09 488	0.06 430	0.07 312	0.09 514	0.12 586	0.10 548

GASNet	0.22 590	0.23 651	0.33 625	0.26 638	0.17 644	0.26 613	0.16 405	0.44 664	0.42 616	0.27 593	0.24 472	0.30 587	0.15 468	0.27 606	0.18 526	0.12 588	0.08 535	0.12 592	0.11 590	0.16 645	0.07 400

Anonymous_2	0.22 590	0.17 617	0.28 605	0.15 124	0.16 629	0.32 639	0.22 591	0.22 398	0.17 321	0.23 559	0.24 472	0.26 550	0.27 612	0.27 606	0.23 586	0.22 672	0.25 681	0.17 644	0.17 654	0.17 653	0.17 655

Wz-Net-LNSev	0.22 590	0.16 606	0.38 640	0.21 572	0.13 577	0.25 603	0.23 602	0.32 574	0.43 621	0.30 622	0.41 633	0.31 600	0.18 534	0.22 574	0.25 609	0.10 531	0.09 568	0.08 406	0.08 467	0.12 586	0.11 575

Wz-Net-MNSev	0.22 590	0.13 576	0.31 618	0.20 539	0.14 598	0.36 658	0.24 615	0.33 594	0.44 626	0.28 608	0.40 622	0.38 635	0.19 550	0.24 595	0.25 609	0.09 488	0.07 503	0.09 492	0.09 514	0.12 586	0.10 548

DDUNet	0.22 590	0.17 617	0.21 566	0.22 589	0.15 618	0.25 603	0.24 615	0.29 537	0.30 534	0.31 628	0.36 596	0.33 613	0.25 598	0.24 595	0.20 545	0.18 654	0.13 633	0.17 644	0.11 590	0.16 645	0.16 646

APVNet	0.22 590	0.12 548	0.19 544	0.18 402	0.14 598	0.32 639	0.31 675	0.39 643	0.32 549	0.27 593	0.40 622	0.30 587	0.29 631	0.26 603	0.25 609	0.11 563	0.12 618	0.11 572	0.14 626	0.12 586	0.12 588

aanetorigin	0.22 590	0.17 617	0.56 666	0.17 309	0.10 469	0.15 430	0.19 536	0.20 345	0.33 556	0.49 670	0.48 650	0.29 577	0.27 612	0.20 544	0.23 586	0.08 426	0.07 503	0.08 406	0.07 393	0.10 548	0.09 517

MaskLacGwcNet_RVC	0.22 590	0.21 644	0.24 585	0.26 638	0.11 520	0.23 587	0.14 246	0.39 643	0.24 456	0.32 634	0.36 596	0.30 587	0.21 566	0.19 519	0.21 565	0.17 653	0.14 643	0.21 658	0.16 647	0.12 586	0.12 588

AF-Net	0.22 590	0.17 617	0.17 508	0.26 638	0.13 577	0.25 603	0.24 615	0.32 574	0.50 645	0.25 581	0.33 585	0.38 635	0.26 604	0.28 618	0.25 609	0.11 563	0.10 590	0.16 641	0.11 590	0.11 571	0.10 548

stereogan	0.22 590	0.11 530	0.21 566	0.20 539	0.12 554	0.31 638	0.19 536	0.35 618	0.44 626	0.22 546	0.39 616	0.35 624	0.27 612	0.33 638	0.22 574	0.10 531	0.12 618	0.10 541	0.10 556	0.14 620	0.13 611

edge stereo	0.22 590	0.13 576	0.20 556	0.21 572	0.13 577	0.23 587	0.16 405	0.32 574	0.42 616	0.32 634	0.40 622	0.38 635	0.35 654	0.25 601	0.24 599	0.13 614	0.11 602	0.14 621	0.11 590	0.12 586	0.13 611

RYNet	0.22 590	0.12 548	0.22 572	0.19 472	0.17 644	0.46 669	0.26 639	0.38 639	0.48 635	0.24 568	0.28 540	0.34 620	0.23 583	0.20 544	0.30 647	0.10 531	0.06 430	0.09 492	0.09 514	0.13 606	0.15 635

NaN_ROB	0.22 590	0.19 632	0.24 585	0.25 633	0.13 577	0.29 634	0.26 639	0.33 594	0.41 608	0.31 628	0.31 568	0.32 609	0.23 583	0.30 627	0.21 565	0.11 563	0.17 658	0.10 541	0.10 556	0.08 450	0.09 517

MDST_ROB	0.22 590	0.10 503	0.17 508	0.18 402	0.11 520	0.37 659	0.19 536	0.43 662	0.41 608	0.39 651	0.39 616	0.29 577	0.21 566	0.26 603	0.18 526	0.11 563	0.10 590	0.14 621	0.11 590	0.10 548	0.08 471

XPNet_ROB	0.22 590	0.11 530	0.19 544	0.22 589	0.13 577	0.22 571	0.19 536	0.34 603	0.40 605	0.30 622	0.39 616	0.39 643	0.26 604	0.26 603	0.28 636	0.15 632	0.10 590	0.10 541	0.10 556	0.13 606	0.12 588

SQANet	0.23 606	0.23 651	0.30 616	0.30 665	0.19 655	0.27 623	0.13 179	0.29 537	0.33 556	0.24 568	0.37 602	0.31 600	0.22 575	0.27 606	0.23 586	0.15 632	0.10 590	0.21 658	0.16 647	0.21 661	0.15 635

Nwc_Net	0.23 606	0.16 606	0.21 566	0.25 633	0.14 598	0.24 592	0.26 639	0.37 631	0.38 595	0.22 546	0.41 633	0.30 587	0.28 623	0.28 618	0.25 609	0.11 563	0.10 590	0.17 644	0.20 660	0.10 548	0.10 548

RTSC	0.23 606	0.12 548	0.28 605	0.21 572	0.13 577	0.28 630	0.16 405	0.35 618	0.66 681	0.27 593	0.33 585	0.30 587	0.21 566	0.31 628	0.29 640	0.10 531	0.08 535	0.09 492	0.10 556	0.13 606	0.13 611

PA-Net	0.23 606	0.18 628	0.33 625	0.28 654	0.22 664	0.21 562	0.38 684	0.29 537	0.39 599	0.22 546	0.32 572	0.25 540	0.26 604	0.20 544	0.25 609	0.09 488	0.23 678	0.15 633	0.22 665	0.09 515	0.13 611
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 606	0.15 598	0.17 508	0.34 670	0.18 651	0.24 592	0.23 602	0.34 603	0.28 517	0.31 628	0.38 608	0.38 635	0.28 623	0.23 585	0.24 599	0.15 632	0.12 618	0.18 653	0.21 662	0.13 606	0.13 611

ETE_ROB	0.23 606	0.17 617	0.22 572	0.25 633	0.13 577	0.26 613	0.29 662	0.31 563	0.36 581	0.28 608	0.36 596	0.45 657	0.26 604	0.27 606	0.26 620	0.11 563	0.08 535	0.12 592	0.09 514	0.14 620	0.13 611

SGM_RVC	0.23 606	0.12 548	0.15 441	0.15 124	0.09 355	0.33 646	0.18 496	0.34 603	0.31 542	0.44 665	0.37 602	0.53 673	0.35 654	0.35 647	0.24 599	0.13 614	0.13 633	0.13 607	0.13 622	0.10 548	0.11 575
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 613	0.18 628	0.18 532	0.20 539	0.14 598	0.21 562	0.19 536	0.32 574	0.41 608	0.29 617	0.21 438	0.32 609	0.27 612	0.41 672	0.27 628	0.46 693	0.12 618	0.31 681	0.11 590	0.15 636	0.12 588

z-mn7	0.24 613	0.14 588	0.45 650	0.19 472	0.13 577	0.28 630	0.25 630	0.34 603	0.62 672	0.27 593	0.56 667	0.29 577	0.24 589	0.32 635	0.25 609	0.08 426	0.08 535	0.08 406	0.08 467	0.10 548	0.10 548

w-ln-seven	0.24 613	0.14 588	0.55 663	0.19 472	0.14 598	0.26 613	0.22 591	0.35 618	0.60 669	0.29 617	0.39 616	0.30 587	0.22 575	0.21 561	0.26 620	0.09 488	0.09 568	0.11 572	0.10 556	0.11 571	0.10 548

DGSMNet	0.24 613	0.19 632	0.33 625	0.21 572	0.24 669	0.24 592	0.20 560	0.35 618	0.41 608	0.24 568	0.32 572	0.38 635	0.21 566	0.29 624	0.23 586	0.12 588	0.11 602	0.14 621	0.16 647	0.23 665	0.23 669

G-Net	0.24 613	0.16 606	0.36 634	0.22 589	0.16 629	0.51 675	0.23 602	0.29 537	0.34 568	0.36 644	0.38 608	0.31 600	0.29 631	0.27 606	0.26 620	0.11 563	0.09 568	0.12 592	0.09 514	0.16 645	0.13 611

NCC-stereo	0.24 613	0.15 598	0.31 618	0.26 638	0.16 629	0.20 544	0.30 669	0.40 647	0.40 605	0.24 568	0.38 608	0.33 613	0.28 623	0.36 653	0.27 628	0.12 588	0.11 602	0.15 633	0.22 665	0.13 606	0.13 611

Abc-Net	0.24 613	0.15 598	0.31 618	0.26 638	0.16 629	0.20 544	0.30 669	0.40 647	0.40 605	0.24 568	0.38 608	0.33 613	0.28 623	0.36 653	0.27 628	0.12 588	0.11 602	0.15 633	0.22 665	0.13 606	0.13 611
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 613	0.11 530	0.47 655	0.22 589	0.12 554	0.34 649	0.29 662	0.29 537	0.56 659	0.24 568	0.46 647	0.30 587	0.30 635	0.29 624	0.29 640	0.08 426	0.07 503	0.09 492	0.09 514	0.10 548	0.10 548

DeepPrunerF	0.24 613	0.17 617	0.42 648	0.26 638	0.16 629	0.22 571	0.28 652	0.37 631	0.50 645	0.26 587	0.29 552	0.24 526	0.28 623	0.21 561	0.22 574	0.15 632	0.11 602	0.20 657	0.18 658	0.12 586	0.13 611

FBW_ROB	0.24 613	0.17 617	0.22 572	0.26 638	0.14 598	0.25 603	0.22 591	0.41 653	0.41 608	0.41 658	0.41 633	0.42 650	0.27 612	0.31 628	0.23 586	0.09 488	0.14 643	0.14 621	0.12 611	0.11 571	0.09 517

SANet	0.24 613	0.14 588	0.28 605	0.21 572	0.11 520	0.27 623	0.24 615	0.38 639	0.64 677	0.36 644	0.40 622	0.43 653	0.26 604	0.27 606	0.24 599	0.12 588	0.09 568	0.10 541	0.09 514	0.13 606	0.11 575

WCMA_ROB	0.24 613	0.11 530	0.22 572	0.17 309	0.14 598	0.32 639	0.15 334	0.32 574	0.32 549	0.38 649	0.53 658	0.40 647	0.34 651	0.34 641	0.25 609	0.11 563	0.12 618	0.12 592	0.10 556	0.14 620	0.14 628

DStereoSA	0.25 625	0.19 632	0.37 638	0.26 638	0.17 644	0.22 571	0.20 560	0.49 674	0.59 665	0.22 546	0.29 552	0.29 577	0.33 646	0.39 664	0.28 636	0.12 588	0.11 602	0.16 641	0.14 626	0.14 620	0.12 588

zh-sn7	0.25 625	0.17 617	0.50 657	0.24 622	0.13 577	0.25 603	0.24 615	0.34 603	0.48 635	0.28 608	0.54 660	0.28 568	0.31 639	0.36 653	0.32 656	0.10 531	0.10 590	0.11 572	0.10 556	0.12 586	0.12 588

zh-mn7	0.25 625	0.14 588	0.56 666	0.19 472	0.14 598	0.24 592	0.22 591	0.34 603	0.62 672	0.35 641	0.65 676	0.31 600	0.25 598	0.31 628	0.25 609	0.09 488	0.08 535	0.09 492	0.09 514	0.09 515	0.11 575

Wz-Net-SNSev	0.25 625	0.17 617	0.44 649	0.25 633	0.14 598	0.26 613	0.23 602	0.38 639	0.56 659	0.30 622	0.55 662	0.39 643	0.26 604	0.23 585	0.30 647	0.10 531	0.09 568	0.09 492	0.10 556	0.11 571	0.11 575

psmorigin	0.25 625	0.15 598	0.34 633	0.17 309	0.13 577	0.23 587	0.14 246	0.34 603	0.33 556	0.41 658	0.55 662	0.41 649	0.37 658	0.34 641	0.27 628	0.11 563	0.15 649	0.11 572	0.11 590	0.12 586	0.16 646

RGC	0.25 625	0.20 638	0.29 613	0.28 654	0.16 629	0.22 571	0.23 602	0.32 574	0.44 626	0.27 593	0.40 622	0.38 635	0.27 612	0.36 653	0.22 574	0.11 563	0.13 633	0.17 644	0.17 654	0.14 620	0.16 646

ADCMid	0.25 625	0.15 598	0.40 643	0.20 539	0.14 598	0.25 603	0.26 639	0.34 603	0.38 595	0.36 644	0.44 644	0.34 620	0.40 665	0.35 647	0.33 661	0.10 531	0.09 568	0.11 572	0.11 590	0.13 606	0.12 588

ADCPNet	0.25 625	0.16 606	0.61 673	0.21 572	0.15 618	0.35 657	0.25 630	0.32 574	0.35 577	0.30 622	0.40 622	0.36 626	0.28 623	0.28 618	0.32 656	0.12 588	0.10 590	0.11 572	0.12 611	0.14 620	0.13 611

LALA_ROB	0.25 625	0.16 606	0.22 572	0.26 638	0.17 644	0.27 623	0.27 646	0.42 658	0.37 588	0.33 638	0.38 608	0.51 669	0.26 604	0.28 618	0.27 628	0.16 648	0.09 568	0.12 592	0.11 590	0.13 606	0.12 588

SHD	0.26 634	0.15 598	0.30 616	0.24 622	0.18 651	0.22 571	0.15 334	0.38 639	0.71 685	0.32 634	0.41 633	0.36 626	0.28 623	0.32 635	0.29 640	0.12 588	0.11 602	0.14 621	0.13 622	0.16 645	0.20 664

AnyNet_C32	0.26 634	0.16 606	0.36 634	0.20 539	0.16 629	0.25 603	0.30 669	0.32 574	0.44 626	0.31 628	0.49 651	0.30 587	0.33 646	0.40 669	0.33 661	0.12 588	0.12 618	0.12 592	0.14 626	0.14 620	0.15 635

DStereoFS	0.27 636	0.22 648	0.31 618	0.22 589	0.15 618	0.22 571	0.20 560	0.50 678	0.48 635	0.28 608	0.44 644	0.33 613	0.34 651	0.52 682	0.29 640	0.12 588	0.11 602	0.15 633	0.13 622	0.16 645	0.16 646

PSMNet-RUCA	0.27 636	0.33 674	0.41 646	0.36 674	0.32 682	0.18 504	0.19 536	0.42 658	0.30 534	0.33 638	0.41 633	0.39 643	0.25 598	0.31 628	0.20 545	0.18 654	0.10 590	0.25 665	0.15 642	0.21 661	0.16 646

PDISCO_ROB	0.27 636	0.16 606	0.26 593	0.28 654	0.20 658	0.32 639	0.26 639	0.44 664	0.57 661	0.28 608	0.40 622	0.45 657	0.29 631	0.33 638	0.34 663	0.12 588	0.09 568	0.17 644	0.16 647	0.17 653	0.13 611

DispFullNet	0.27 636	0.21 644	0.65 676	0.28 654	0.16 629	0.26 613	0.17 447	0.33 594	0.58 664	0.27 593	0.38 608	0.43 653	0.23 583	0.38 660	0.23 586	0.12 588	0.06 430	0.19 655	0.11 590	0.21 661	0.15 635

MeshStereo	0.27 636	0.13 576	0.18 532	0.15 124	0.11 520	0.32 639	0.24 615	0.40 647	0.36 581	0.52 672	0.57 670	0.67 684	0.40 665	0.35 647	0.26 620	0.14 628	0.13 633	0.13 607	0.11 590	0.11 571	0.10 548
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WZ-Net	0.28 641	0.17 617	0.78 693	0.22 589	0.16 629	0.34 649	0.29 662	0.39 643	0.57 661	0.24 568	0.55 662	0.37 631	0.24 589	0.33 638	0.35 664	0.09 488	0.08 535	0.09 492	0.10 556	0.14 620	0.16 646

XQC	0.28 641	0.23 651	0.51 658	0.28 654	0.19 655	0.34 649	0.27 646	0.36 625	0.57 661	0.31 628	0.30 559	0.37 631	0.30 635	0.38 660	0.38 671	0.13 614	0.09 568	0.15 633	0.12 611	0.17 653	0.18 658

CC-Net-ROB	0.28 641	0.31 672	0.36 634	0.29 663	0.15 618	0.25 603	0.19 536	0.45 667	0.33 556	0.39 651	0.37 602	0.39 643	0.31 639	0.27 606	0.26 620	0.24 678	0.19 663	0.30 680	0.23 669	0.18 656	0.15 635

DPSNet	0.28 641	0.16 606	0.31 618	0.18 402	0.13 577	0.54 677	0.42 688	0.51 680	0.67 682	0.29 617	0.38 608	0.38 635	0.29 631	0.31 628	0.23 586	0.11 563	0.10 590	0.11 572	0.08 467	0.20 660	0.16 646

MultiAttention	0.29 645	0.08 358	0.14 392	0.19 472	0.12 554	1.45 713	1.33 717	0.36 625	0.37 588	0.19 492	0.21 438	0.24 526	0.11 351	0.38 660	0.18 526	0.06 168	0.05 276	0.08 406	0.08 467	0.10 548	0.09 517

Wz-Net-TNSev	0.29 645	0.20 638	0.65 676	0.19 472	0.15 618	0.38 662	0.27 646	0.35 618	0.55 656	0.34 640	0.42 639	0.45 657	0.38 659	0.32 635	0.30 647	0.12 588	0.13 633	0.10 541	0.12 611	0.15 636	0.14 628

ccnet	0.29 645	0.28 667	0.23 581	0.20 539	0.28 676	0.41 667	0.21 581	0.45 667	0.33 556	0.36 644	0.46 647	0.36 626	0.30 635	0.39 664	0.42 680	0.23 676	0.14 643	0.21 658	0.17 654	0.23 665	0.18 658

EDNetEfficient	0.29 645	0.24 654	1.13 704	0.18 402	0.10 469	0.19 528	0.20 560	0.20 345	0.60 669	0.74 692	0.56 667	0.31 600	0.39 662	0.22 574	0.30 647	0.09 488	0.07 503	0.08 406	0.07 393	0.11 571	0.09 517

ADCS	0.29 645	0.18 628	0.45 650	0.21 572	0.17 644	0.28 630	0.23 602	0.41 653	0.63 676	0.40 654	0.49 651	0.40 647	0.36 656	0.39 664	0.40 676	0.13 614	0.12 618	0.13 607	0.14 626	0.16 645	0.16 646

CSAN	0.29 645	0.24 654	0.27 600	0.34 670	0.19 655	0.33 646	0.42 688	0.37 631	0.50 645	0.38 649	0.40 622	0.44 655	0.33 646	0.28 618	0.30 647	0.20 663	0.16 653	0.19 655	0.19 659	0.14 620	0.15 635

AANet	0.30 651	0.19 632	1.03 702	0.16 222	0.13 577	0.22 571	0.16 405	0.30 551	0.62 672	0.60 679	0.52 657	0.46 661	0.38 659	0.23 585	0.32 656	0.12 588	0.09 568	0.11 572	0.10 556	0.13 606	0.12 588

MFN_U_SF_DS_RVC	0.30 651	0.24 654	0.29 613	0.36 674	0.16 629	0.34 649	0.30 669	0.32 574	0.42 616	0.40 654	0.46 647	0.38 635	0.31 639	0.34 641	0.28 636	0.19 661	0.20 666	0.26 666	0.29 679	0.18 656	0.19 663

GANetREF_RVC	0.31 653	0.34 675	0.27 600	0.35 672	0.16 629	0.32 639	0.41 685	0.48 672	0.51 652	0.35 641	0.35 593	0.34 620	0.33 646	0.39 664	0.32 656	0.27 680	0.20 666	0.29 678	0.15 642	0.18 656	0.17 655
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	0.31 653	0.26 660	0.26 593	0.24 622	0.21 662	0.34 649	0.25 630	0.34 603	0.39 599	0.40 654	0.69 680	0.45 657	0.40 665	0.34 641	0.27 628	0.20 663	0.19 663	0.26 666	0.25 671	0.23 665	0.22 668

MFN_U_SF_RVC	0.32 655	0.21 644	0.55 663	0.30 665	0.15 618	0.34 649	0.17 447	0.52 681	0.46 633	0.46 669	0.55 662	0.59 676	0.39 662	0.35 647	0.37 669	0.15 632	0.14 643	0.18 653	0.21 662	0.16 645	0.15 635

PASM	0.32 655	0.24 654	0.48 656	0.28 654	0.27 675	0.29 634	0.30 669	0.34 603	0.49 642	0.35 641	0.39 616	0.46 661	0.34 651	0.34 641	0.35 664	0.23 676	0.25 681	0.26 666	0.28 678	0.23 665	0.21 666

SGM-ForestM	0.32 655	0.12 548	0.16 477	0.16 222	0.11 520	0.39 664	0.19 536	0.41 653	0.50 645	0.52 672	0.54 660	1.32 705	0.42 673	0.40 669	0.27 628	0.14 628	0.16 653	0.16 641	0.16 647	0.12 586	0.12 588

FC-DCNN v2	0.33 658	0.27 663	0.28 605	0.26 638	0.23 667	0.37 659	0.28 652	0.40 647	0.43 621	0.45 666	0.56 667	0.51 669	0.40 665	0.37 658	0.29 640	0.21 667	0.20 666	0.27 669	0.26 672	0.25 672	0.24 670

FCDSN-DC	0.33 658	0.28 667	0.28 605	0.30 665	0.24 669	0.39 664	0.28 652	0.42 658	0.42 616	0.43 664	0.53 658	0.51 669	0.41 670	0.36 653	0.30 647	0.21 667	0.20 666	0.27 669	0.26 672	0.25 672	0.24 670
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 658	0.27 663	0.28 605	0.26 638	0.23 667	0.37 659	0.28 652	0.40 647	0.43 621	0.45 666	0.55 662	0.51 669	0.40 665	0.37 658	0.30 647	0.21 667	0.20 666	0.27 669	0.26 672	0.25 672	0.24 670

LSM	0.33 658	0.20 638	0.58 669	0.26 638	0.60 700	0.34 649	0.25 630	0.42 658	0.48 635	0.45 666	0.58 672	0.42 650	0.36 656	0.35 647	0.25 609	0.12 588	0.20 666	0.14 621	0.16 647	0.19 659	0.33 684

AnyNet_C01	0.36 662	0.25 659	1.37 707	0.22 589	0.17 644	0.48 673	0.27 646	0.35 618	0.39 599	0.39 651	0.74 686	0.46 661	0.38 659	0.45 674	0.47 685	0.13 614	0.13 633	0.13 607	0.14 626	0.14 620	0.15 635

GCST	0.37 663	0.42 682	0.26 593	1.02 708	0.39 683	0.18 504	0.08 7	0.20 345	0.17 321	0.28 608	0.25 500	0.15 397	0.12 384	0.16 447	0.14 445	0.64 704	0.43 693	0.75 700	0.65 704	0.63 697	0.46 695

otaku	0.39 664	0.37 678	0.52 659	0.44 681	0.28 676	0.58 679	0.24 615	0.41 653	0.62 672	0.40 654	0.49 651	0.46 661	0.33 646	0.40 669	0.32 656	0.30 681	0.30 685	0.39 685	0.33 684	0.29 679	0.28 678

ACVNet-4b	0.39 664	0.53 685	0.55 663	0.45 682	0.24 669	0.47 671	0.18 496	0.49 674	0.64 677	0.42 661	0.45 646	0.60 677	0.27 612	0.34 641	0.24 599	0.33 684	0.14 643	0.48 688	0.42 690	0.30 680	0.26 677

PVD	0.39 664	0.20 638	0.39 642	0.31 669	0.22 664	0.29 634	0.43 690	0.52 681	0.96 699	0.55 676	0.79 690	0.53 673	0.59 689	0.52 682	0.38 671	0.19 661	0.14 643	0.17 644	0.14 626	0.24 671	0.31 682

Ntro	0.40 667	0.40 680	0.53 660	0.46 685	0.30 680	0.65 685	0.24 615	0.46 669	0.68 683	0.41 658	0.49 651	0.48 667	0.42 673	0.39 664	0.31 654	0.32 682	0.28 683	0.37 684	0.30 681	0.32 684	0.29 679

SAMSARA	0.40 667	0.28 667	0.33 625	0.55 688	0.39 683	0.82 699	1.23 716	0.47 671	0.51 652	0.36 644	0.35 593	0.55 675	0.39 662	0.38 660	0.39 673	0.15 632	0.20 666	0.15 633	0.14 626	0.23 665	0.20 664

ELAS_RVC	0.41 669	0.29 670	0.33 625	0.28 654	0.24 669	0.54 677	0.36 680	0.49 674	0.59 665	0.72 688	0.74 686	0.65 682	0.54 682	0.54 687	0.40 676	0.22 672	0.20 666	0.27 669	0.26 672	0.26 677	0.25 675
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 669	0.29 670	0.33 625	0.27 651	0.24 669	0.60 682	0.36 680	0.50 678	0.50 645	0.71 686	0.79 690	0.67 684	0.54 682	0.51 680	0.42 680	0.22 672	0.20 666	0.27 669	0.26 672	0.26 677	0.25 675
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 671	0.26 660	0.59 671	0.60 690	0.49 690	0.32 639	0.23 602	0.46 669	0.52 654	0.56 678	0.58 672	0.76 689	0.32 644	0.48 676	0.29 640	0.32 682	0.24 679	0.27 669	0.33 684	0.46 688	0.39 689

MSC_U_SF_DS_RVC	0.43 672	0.39 679	0.54 661	0.40 677	0.20 658	0.64 684	0.32 677	0.53 683	0.72 686	0.71 686	0.72 683	0.61 678	0.54 682	0.51 680	0.46 684	0.20 663	0.19 663	0.29 678	0.30 681	0.23 665	0.18 658

ACVNet_1	0.44 673	0.49 684	0.60 672	0.45 682	0.28 676	0.49 674	0.27 646	0.57 688	0.72 686	0.62 681	0.58 672	0.74 688	0.49 679	0.50 678	0.35 664	0.26 679	0.24 679	0.39 685	0.29 679	0.31 683	0.24 670

Consistency-Raft	0.44 673	0.40 680	0.45 650	0.37 676	0.43 687	0.46 669	0.41 685	0.57 688	0.55 656	0.32 634	0.73 684	0.33 613	0.48 678	0.42 673	0.49 687	0.39 687	0.35 690	0.45 687	0.51 697	0.42 687	0.29 679

RTS	0.45 675	0.19 632	3.26 713	0.24 622	0.15 618	0.74 692	0.20 560	0.36 625	0.76 692	0.42 661	0.43 642	0.31 600	0.41 670	0.53 685	0.35 664	0.10 531	0.08 535	0.13 607	0.12 611	0.15 636	0.15 635

RTSA	0.45 675	0.19 632	3.26 713	0.24 622	0.15 618	0.74 692	0.20 560	0.36 625	0.76 692	0.42 661	0.43 642	0.31 600	0.41 670	0.53 685	0.35 664	0.10 531	0.08 535	0.13 607	0.12 611	0.15 636	0.15 635

MANE	0.45 675	0.27 663	0.27 600	0.27 651	0.24 669	0.47 671	0.31 675	0.55 685	0.59 665	0.72 688	1.13 707	1.15 699	0.61 690	0.52 682	0.37 669	0.21 667	0.20 666	0.27 669	0.31 683	0.25 672	0.24 670

NVStereoNet_ROB	0.46 678	0.36 677	0.46 654	0.41 679	0.28 676	0.34 649	0.34 678	0.48 672	0.60 669	0.72 688	0.93 696	0.70 687	0.66 693	0.47 675	0.60 695	0.22 672	0.33 689	0.34 683	0.34 687	0.30 680	0.30 681
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	0.47 679	0.26 660	0.58 669	0.28 654	0.20 658	0.39 664	0.18 496	0.49 674	0.64 677	0.52 672	0.87 693	1.01 694	0.57 687	0.50 678	0.56 692	0.53 697	0.31 688	0.54 694	0.40 688	0.33 685	0.34 685

LE_ROB	0.50 680	0.07 239	0.14 392	0.15 124	0.08 220	0.24 592	0.16 405	0.22 398	1.81 715	4.63 720	0.67 678	0.47 665	0.44 675	0.20 544	0.29 640	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.06 310

BEATNet-Init1	0.52 681	0.27 663	0.62 674	0.30 665	0.21 662	0.76 696	0.29 662	0.54 684	0.65 680	0.86 697	0.95 698	2.07 714	0.62 692	0.56 689	0.42 680	0.18 654	0.18 660	0.23 663	0.22 665	0.22 664	0.21 666

anonymity	0.53 682	0.58 687	0.65 676	0.41 679	0.61 701	0.53 676	0.41 685	0.56 686	0.41 608	0.55 676	0.50 655	0.49 668	0.55 685	0.58 690	0.50 690	0.58 700	0.50 703	0.51 690	0.51 697	0.51 690	0.57 698

RainbowNet	0.54 683	0.61 689	0.70 691	0.57 689	0.43 687	0.65 685	0.37 683	0.60 690	0.87 696	0.50 671	0.66 677	0.64 680	0.47 677	0.49 677	0.43 683	0.47 694	0.48 699	0.52 692	0.41 689	0.52 691	0.40 692

SGM+DAISY	0.56 684	0.57 686	0.65 676	0.40 677	0.54 693	0.66 687	0.49 693	0.56 686	0.45 632	0.66 682	0.69 680	0.67 684	0.56 686	0.63 692	0.56 692	0.59 701	0.48 699	0.50 689	0.50 696	0.52 691	0.58 699

SPS-STEREO	0.57 685	0.58 687	0.65 676	0.45 682	0.55 695	0.62 683	0.44 692	0.62 691	0.50 645	0.68 684	0.64 675	0.66 683	0.57 687	0.61 691	0.60 695	0.62 703	0.47 698	0.51 690	0.49 694	0.55 695	0.58 699
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 686	0.66 693	0.65 676	0.51 686	0.69 705	0.69 688	0.57 699	0.64 692	0.73 690	0.60 679	0.73 684	0.62 679	0.67 694	0.65 693	0.60 695	0.66 705	0.58 712	0.63 695	0.59 700	0.68 702	0.69 708

IMH-64-1	0.65 687	0.61 689	0.68 685	0.71 693	0.51 691	0.59 680	0.49 693	0.91 699	0.85 694	0.74 692	1.02 700	0.81 690	0.78 698	0.79 696	0.49 687	0.42 689	0.46 694	0.71 697	0.47 692	0.52 691	0.39 689

IMH-64	0.65 687	0.61 689	0.68 685	0.71 693	0.51 691	0.59 680	0.49 693	0.91 699	0.85 694	0.74 692	1.02 700	0.81 690	0.78 698	0.79 696	0.49 687	0.42 689	0.46 694	0.71 697	0.47 692	0.52 691	0.39 689

ACVNet_2	0.66 689	0.66 693	0.68 685	0.63 691	0.41 685	0.71 690	0.49 693	0.96 703	1.39 708	0.89 698	1.09 703	1.04 695	0.73 696	0.54 687	0.47 685	0.43 691	0.40 692	0.53 693	0.44 691	0.47 689	0.35 687

JetBlue	0.71 690	0.45 683	1.14 705	0.51 686	0.47 689	2.02 714	0.64 703	0.75 694	0.70 684	0.69 685	0.77 689	1.22 701	0.83 700	1.03 711	1.01 711	0.40 688	0.28 683	0.33 682	0.33 684	0.30 680	0.34 685

IMH	0.71 690	0.64 692	0.68 685	0.76 695	0.54 693	0.69 688	0.54 697	0.98 705	1.10 701	0.82 696	1.09 703	0.89 692	0.88 703	0.87 704	0.52 691	0.44 692	0.50 703	0.75 700	0.51 697	0.56 696	0.41 693

PWCK	0.71 690	0.94 704	0.95 700	0.76 695	0.31 681	0.74 692	0.36 680	0.90 698	0.90 697	0.96 701	0.75 688	0.95 693	0.61 690	0.87 704	0.66 698	0.72 706	0.46 694	0.75 700	0.49 694	0.69 704	0.44 694

MADNet+	0.75 693	0.71 695	3.70 716	0.66 692	0.41 685	0.98 704	0.97 714	0.69 693	0.73 690	0.52 672	0.57 670	0.64 680	0.68 695	0.86 703	1.01 711	0.34 685	0.36 691	0.28 677	0.23 669	0.36 686	0.31 682

TorneroNet-64	0.76 694	0.72 696	0.74 692	0.78 697	0.58 699	0.91 703	0.56 698	0.84 697	1.29 705	0.66 682	0.90 694	1.40 707	0.75 697	0.85 702	0.67 701	0.49 695	0.46 694	0.72 699	0.59 700	0.67 701	0.53 697

WAO-7	0.79 695	0.78 698	0.54 661	0.85 701	0.67 704	0.74 692	0.68 707	1.05 708	1.32 706	0.90 699	1.20 710	1.04 695	0.92 704	0.69 694	0.66 698	0.60 702	0.62 713	0.67 696	0.68 706	0.64 698	0.58 699

WAO-6	0.81 696	0.80 699	0.62 674	0.86 702	0.63 702	0.76 696	0.58 700	0.98 705	1.54 713	0.90 699	0.96 699	1.07 697	1.03 708	0.70 695	0.66 698	0.72 706	0.49 701	0.90 708	0.71 707	0.68 702	0.58 699

TorneroNet	0.82 697	0.74 697	0.81 697	0.84 700	0.63 702	0.99 705	0.63 701	0.96 703	1.16 702	0.80 695	1.11 705	1.36 706	0.86 702	0.93 707	0.80 706	0.56 698	0.49 701	0.78 705	0.66 705	0.73 707	0.63 707

LVE	0.83 698	0.85 702	0.85 698	0.80 698	0.56 696	1.04 709	0.65 704	1.05 708	1.47 711	0.96 701	1.22 711	1.10 698	0.85 701	0.83 699	0.71 703	0.49 695	0.55 709	0.76 703	0.60 702	0.65 699	0.59 704

Dean	0.87 699	0.86 703	0.79 695	0.81 699	0.56 696	0.90 700	0.63 701	1.15 714	1.73 714	1.15 709	1.15 708	1.31 704	0.99 707	0.81 698	0.81 707	0.57 699	0.56 710	0.77 704	0.64 703	0.66 700	0.58 699

WAO-8	0.91 700	0.81 700	0.65 676	0.94 705	0.69 705	0.90 700	0.67 705	1.07 711	1.83 716	1.06 706	1.45 713	1.30 702	1.07 709	0.84 700	0.78 704	0.74 708	0.53 706	0.86 706	0.75 708	0.69 704	0.62 705

Venus	0.91 700	0.81 700	0.65 676	0.94 705	0.69 705	0.90 700	0.67 705	1.07 711	1.83 716	1.06 706	1.45 713	1.30 702	1.07 709	0.84 700	0.78 704	0.74 708	0.53 706	0.86 706	0.75 708	0.69 704	0.62 705

UNDER WATER-64	0.95 702	0.94 704	1.43 709	0.87 703	0.56 696	1.18 712	0.87 711	0.77 695	0.94 698	1.04 704	0.85 692	1.58 712	1.21 714	0.94 708	0.96 709	0.87 712	0.57 711	1.03 712	0.88 713	0.78 708	0.73 709

UNDER WATER	0.97 703	0.97 706	1.42 708	0.99 707	0.70 708	1.12 711	0.84 710	0.80 696	1.08 700	1.01 703	0.90 694	1.55 711	1.22 715	1.03 711	1.00 710	0.78 710	0.53 706	1.02 711	0.87 712	0.80 709	0.74 710

notaker	0.97 703	1.11 707	0.98 701	1.13 710	0.81 709	0.73 691	0.68 707	0.93 701	1.16 702	1.18 711	1.18 709	1.41 708	1.16 713	1.08 713	0.69 702	0.81 711	0.64 714	1.17 713	0.79 710	0.98 711	0.80 712

ktn	1.01 705	1.21 709	0.80 696	1.23 712	0.86 711	1.01 707	0.87 711	0.94 702	1.39 708	1.04 704	1.12 706	1.15 699	1.07 709	0.94 708	0.59 694	1.28 717	0.71 715	1.38 717	0.83 711	1.02 713	0.75 711

KSHMR	1.09 706	1.17 708	0.88 699	1.25 713	1.00 713	0.99 705	0.96 713	1.13 713	1.37 707	1.16 710	1.29 712	1.41 708	0.96 706	1.01 710	0.92 708	1.03 715	1.08 717	1.20 714	1.03 716	1.01 712	0.97 714

DPSimNet_ROB	1.11 707	1.23 710	0.78 693	1.13 710	0.88 712	1.10 710	1.13 715	1.16 715	1.23 704	1.43 713	1.02 700	1.41 708	1.10 712	0.90 706	1.60 713	1.46 718	0.51 705	1.21 715	1.03 716	0.90 710	1.01 716

HanzoNet	1.29 708	1.26 711	1.19 706	1.12 709	0.85 710	1.02 708	0.83 709	1.03 707	1.48 712	1.64 714	1.61 715	2.50 716	1.72 716	1.61 715	1.61 714	1.26 716	0.80 716	1.31 716	1.01 715	1.02 713	0.86 713

JetRed	1.62 709	1.46 712	2.98 711	0.92 704	1.21 714	4.99 717	1.53 719	1.27 716	1.39 708	1.83 715	1.74 716	1.60 713	0.95 705	1.41 714	2.45 719	0.90 714	1.60 718	0.93 709	0.90 714	1.35 715	0.99 715

MADNet++	1.95 710	1.75 713	1.59 710	1.82 714	1.69 716	2.33 715	1.40 718	2.35 717	2.09 718	2.57 717	2.36 718	2.24 715	2.17 718	2.28 716	2.34 717	1.87 719	1.66 719	1.54 718	1.34 718	1.92 716	1.77 718

Selective-IGEV-i1pa	2.80 711	3.51 719	0.67 684	0.28 654	0.14 598	10.22 721	0.43 690	4.36 718	3.63 719	3.53 718	6.92 720	3.47 717	1.97 717	13.41 732	2.26 716	0.36 686	0.15 649	0.13 607	0.10 556	0.15 636	0.35 687

coex-ft	3.30 712	0.34 675	59.09 744	0.18 402	0.13 577	0.26 613	0.22 591	0.27 503	0.72 686	1.90 716	0.70 682	0.44 655	0.45 676	0.29 624	0.41 679	0.09 488	0.09 568	0.12 592	0.09 514	0.14 620	0.13 611

TCMNet-wrong-test	3.67 713	5.48 727	3.89 717	12.18 728	11.75 730	4.65 716	3.88 720	1.06 710	0.72 686	1.09 708	2.15 717	6.30 722	0.53 681	3.43 718	2.36 718	0.89 713	0.20 666	1.87 720	1.69 719	5.57 724	3.62 724

tt	4.67 714	0.06 117	3.55 715	2.02 715	1.55 715	10.25 722	16.71 724	8.91 727	5.03 720	1.31 712	0.94 697	4.71 718	4.76 720	3.33 717	5.87 721	6.06 727	10.30 733	1.88 721	2.11 721	2.75 718	1.21 717

USTest	6.22 715	2.73 716	3.00 712	6.57 722	7.29 722	14.37 724	21.57 725	7.00 726	9.56 725	5.34 723	6.10 719	5.72 721	7.64 723	6.41 722	6.96 723	1.97 720	3.42 725	1.64 719	2.15 722	2.66 717	2.36 719

xxxxx1	7.79 716	5.02 724	7.31 720	3.12 716	3.85 718	16.35 726	22.88 726	5.86 723	8.69 722	7.97 724	8.54 721	9.12 726	8.27 724	10.18 724	10.92 724	2.42 721	2.45 721	3.56 724	12.37 730	3.77 719	3.06 721

tt_ll	7.79 716	5.02 724	7.31 720	3.12 716	3.85 718	16.35 726	22.88 726	5.86 723	8.69 722	7.97 724	8.54 721	9.12 726	8.27 724	10.18 724	10.92 724	2.42 721	2.45 721	3.56 724	12.37 730	3.77 719	3.06 721

ff	7.79 716	5.02 724	7.31 720	3.12 716	3.85 718	16.35 726	22.88 726	5.86 723	8.69 722	7.97 724	8.54 721	9.12 726	8.27 724	10.18 724	10.92 724	2.42 721	2.45 721	3.56 724	12.37 730	3.77 719	3.06 721

EDNetEfficientorigin	7.91 719	0.31 672	153.02 745	0.19 472	0.09 355	0.21 562	0.16 405	0.22 398	0.59 665	0.72 688	0.67 678	0.42 650	0.50 680	0.24 595	0.39 673	0.08 426	0.07 503	0.08 406	0.07 393	0.12 586	0.10 548

DPSMNet_ROB	8.06 720	4.48 720	8.63 728	5.37 721	10.74 725	8.32 719	22.98 730	5.46 720	13.36 730	5.12 721	9.92 726	5.08 719	10.40 727	5.53 721	12.58 727	3.80 725	8.00 726	3.50 722	7.02 727	3.83 722	7.14 728

DGTPSM_ROB	8.06 720	4.48 720	8.63 728	5.35 719	10.72 724	8.32 719	22.97 729	5.46 720	13.35 729	5.12 721	9.92 726	5.08 719	10.40 727	5.52 720	12.58 727	3.79 724	8.00 726	3.50 722	7.02 727	3.83 722	7.14 728

PML	8.91 722	9.34 733	6.13 718	5.35 719	6.41 721	14.99 725	23.38 731	5.27 719	6.83 721	18.04 736	28.19 745	7.67 723	6.83 722	7.85 723	5.75 720	5.35 726	1.83 720	5.95 732	1.93 720	8.64 729	2.52 720

DLNR_Zeroshot_test	10.40 723	1.82 714	19.49 739	120.77 745	13.11 732	0.06 14	0.13 179	0.23 421	0.10 77	0.07 75	0.10 197	0.09 223	0.06 66	0.10 124	0.09 104	0.13 614	0.04 25	0.06 200	0.04 60	51.54 745	0.04 73

DLNR-FE	10.43 724	1.83 715	19.53 740	120.75 744	13.06 731	0.06 14	0.13 179	0.23 421	0.10 77	0.07 75	0.10 197	0.09 223	0.06 66	0.10 124	0.09 104	0.13 614	0.04 25	0.06 200	0.04 60	52.01 746	0.04 73

iinet-test	10.48 725	8.09 729	7.54 724	10.26 723	10.94 726	18.00 730	25.26 732	11.33 731	13.28 727	9.69 728	9.85 724	9.42 729	11.17 729	11.02 728	12.78 730	6.59 729	8.30 728	5.56 727	6.56 723	6.89 725	7.02 726

IINet	10.48 725	8.09 729	7.54 724	10.26 723	10.94 726	18.00 730	25.26 732	11.33 731	13.28 727	9.69 728	9.85 724	9.42 729	11.17 729	11.02 728	12.78 730	6.59 729	8.30 728	5.56 727	6.56 723	6.89 725	7.02 726

LRCNet_RVC	10.62 727	13.42 734	7.30 719	18.92 732	2.07 717	0.33 646	0.30 669	5.59 722	0.48 635	13.03 732	17.94 732	8.87 725	5.65 721	4.79 719	1.89 715	23.51 742	2.73 724	27.55 745	25.71 745	16.07 739	16.33 740

Anonymous_1	10.96 728	7.92 728	7.46 723	10.33 725	10.06 723	18.65 732	26.34 734	11.06 730	13.44 731	9.40 727	10.05 728	9.67 731	11.23 731	10.73 727	12.72 729	6.42 728	8.38 730	5.77 729	10.61 729	12.12 730	6.77 725

DPSM_ROB	11.15 729	8.58 731	8.00 726	10.88 726	11.58 728	19.10 733	26.71 735	12.05 733	14.07 734	10.36 730	10.84 729	10.33 732	11.86 732	11.70 730	13.54 732	6.99 731	8.79 731	5.89 730	6.95 725	7.29 727	7.42 730

DPSM	11.15 729	8.58 731	8.00 726	10.88 726	11.58 728	19.10 733	26.71 735	12.05 733	14.07 734	10.36 730	10.84 729	10.33 732	11.86 732	11.70 730	13.54 732	6.99 731	8.79 731	5.89 730	6.95 725	7.29 727	7.42 730

HaxPig	15.71 731	18.52 743	19.18 738	16.89 731	15.89 733	7.73 718	7.60 721	13.31 735	10.82 726	15.42 733	14.91 731	15.98 734	14.92 734	15.58 733	15.98 734	18.95 741	16.73 734	19.46 741	18.08 741	19.26 740	19.05 743

Selective-IGEV-i16pa	18.58 732	3.30 717	1.09 703	0.21 572	0.18 651	103.68 746	0.28 652	19.87 737	40.73 746	4.16 719	56.45 746	8.07 724	2.59 719	123.95 747	5.89 722	0.18 654	0.12 618	0.09 492	0.12 611	0.12 586	0.51 696

RSGM-EC	20.36 733	4.73 722	0.68 685	16.76 729	16.92 734	21.28 735	27.18 737	10.46 728	14.04 732	18.00 734	21.31 735	22.24 744	21.82 736	22.57 735	17.63 735	62.81 745	33.79 745	20.14 742	18.10 742	20.18 741	16.45 741

acva	20.36 733	4.73 722	0.68 685	16.76 729	16.92 734	21.28 735	27.18 737	10.46 728	14.04 732	18.00 734	21.31 735	22.24 744	21.82 736	22.57 735	17.63 735	62.81 745	33.79 745	20.14 742	18.10 742	20.18 741	16.45 741

MEDIAN_ROB	20.38 735	24.04 744	23.31 741	21.23 733	21.71 736	10.40 723	7.92 722	17.64 736	15.50 736	20.12 737	19.70 733	20.34 735	20.32 735	21.19 734	21.13 737	23.81 743	21.81 743	24.98 744	23.76 744	24.71 743	23.93 744

CasAABBNet	22.42 736	17.33 736	16.01 732	22.01 735	23.28 738	38.32 737	53.80 742	24.14 741	28.41 741	20.60 740	21.77 739	20.89 742	23.91 741	23.43 740	27.36 741	14.07 734	17.69 737	11.83 735	14.01 734	14.67 733	14.95 736

RAFT-FEzeroshot	22.43 737	17.33 736	15.98 730	22.02 736	23.31 740	38.34 738	53.82 744	24.05 739	28.39 739	20.61 741	21.76 737	20.88 739	23.92 743	23.41 738	27.42 743	14.07 734	17.69 737	11.83 735	14.02 735	14.69 734	14.97 737

RAFT-FE	22.43 737	17.33 736	15.98 730	22.02 736	23.31 740	38.34 738	53.82 744	24.05 739	28.39 739	20.61 741	21.76 737	20.88 739	23.92 743	23.41 738	27.42 743	14.07 734	17.69 737	11.83 735	14.02 735	14.69 734	14.97 737

FlowAnything	22.44 739	17.35 739	16.14 734	22.07 739	23.23 737	38.39 742	53.77 740	24.25 743	28.44 742	20.96 745	21.82 741	20.70 737	23.84 739	23.49 742	27.14 739	14.04 733	17.79 742	11.75 733	14.15 739	14.65 731	14.89 733

Hybrid-DGEV	22.47 740	17.40 741	16.14 734	22.00 734	23.29 739	38.36 740	53.80 742	24.43 746	28.63 745	20.59 739	21.81 740	20.88 739	23.91 741	23.45 741	27.42 743	14.08 737	17.69 737	11.83 735	14.06 738	14.65 731	14.93 735

Selective-RAFT-Error	22.47 740	17.37 740	16.09 733	22.06 738	23.34 742	38.39 742	53.83 746	24.29 745	28.47 743	20.74 743	21.83 742	20.81 738	23.90 740	23.54 744	27.53 746	14.08 737	17.69 737	11.82 734	14.00 733	14.69 734	15.00 739

fast-reg	22.85 742	17.43 742	19.15 737	22.22 741	24.34 743	38.36 740	53.78 741	24.23 742	28.52 744	20.55 738	22.05 743	20.54 736	23.77 738	23.21 737	27.31 740	14.18 740	17.47 736	14.33 740	14.96 740	15.81 738	14.81 732

LSM0	22.87 743	17.28 735	18.96 736	22.19 740	29.04 745	38.42 744	53.71 739	24.28 744	28.31 738	20.78 744	21.00 734	21.43 743	24.16 745	23.50 743	27.39 742	14.09 739	17.38 735	11.84 739	14.04 737	14.73 737	14.89 733

AVERAGE_ROB	24.90 744	29.20 745	28.14 742	24.89 742	24.64 744	17.75 729	11.12 723	21.45 738	19.93 737	25.12 746	24.46 744	25.12 746	25.46 746	24.69 745	22.83 738	29.76 744	27.13 744	28.97 746	27.95 746	29.91 744	29.47 745

test_example2	98.32 745	94.13 746	45.89 743	96.35 743	109.85 746	88.61 745	95.45 747	25.75 747	94.37 747	130.00 748	126.06 747	58.17 747	74.63 747	88.51 746	79.96 747	150.23 747	221.02 747	77.62 747	99.10 747	113.75 747	96.94 746

GS-Stereo							0.14 246	0.11 58	0.12 149	0.08 131	0.10 197	0.05 5	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

FSD					0.22 664	0.25 603	0.25 630	0.27 503	0.26 492	0.25 581	0.26 517	0.25 540	0.27 612	0.27 606	0.24 599	0.21 667	0.20 666	0.27 669	0.26 672	0.25 672

ccccc		285.66 747		368.85 746	370.60 747	123.16 747		115.05 748		126.68 747		122.83 748		252.94 748		384.56 748	353.86 748	254.69 748	223.00 748	425.87 748

ASD4		3.38 718

Low-res two-view benchmark