Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

MLG-Stereo_test2	0.06 1	0.04 1	0.10 142	0.15 92	0.05 1	0.07 34	0.11 56	0.09 13	0.04 2	0.06 15	0.05 7	0.06 25	0.04 1	0.08 19	0.09 66	0.06 127	0.04 24	0.05 35	0.03 1	0.05 124	0.05 151

MLG-Stereo_test1	0.06 1	0.05 28	0.08 42	0.17 250	0.05 1	0.06 11	0.11 56	0.08 6	0.03 1	0.05 2	0.04 1	0.06 25	0.05 13	0.09 42	0.09 66	0.05 35	0.04 24	0.05 35	0.03 1	0.04 23	0.04 50

FoundationStereo	0.06 1	0.04 1	0.08 42	0.12 5	0.05 1	0.09 99	0.13 127	0.06 1	0.09 31	0.05 2	0.05 7	0.06 25	0.04 1	0.06 1	0.07 1	0.06 127	0.04 24	0.05 35	0.03 1	0.05 124	0.04 50

LACA1	0.07 4	0.07 175	0.07 9	0.14 46	0.05 1	0.09 99	0.11 56	0.10 22	0.07 10	0.05 2	0.05 7	0.06 25	0.07 132	0.08 19	0.09 66	0.06 127	0.04 24	0.04 1	0.04 44	0.03 1	0.04 50

Test_v1	0.07 4	0.04 1	0.06 4	0.13 14	0.06 17	0.08 60	0.11 56	0.15 132	0.12 106	0.06 15	0.05 7	0.04 1	0.05 13	0.08 19	0.10 148	0.07 277	0.04 24	0.05 35	0.04 44	0.04 23	0.04 50

BTL-Stereo	0.07 4	0.04 1	0.08 42	0.15 92	0.07 86	0.06 11	0.14 180	0.07 2	0.10 49	0.05 2	0.05 7	0.04 1	0.06 48	0.07 4	0.09 66	0.04 11	0.04 24	0.05 35	0.05 134	0.04 23	0.04 50

Pro-Stereo	0.07 4	0.05 28	0.08 42	0.15 92	0.07 86	0.08 60	0.12 79	0.07 2	0.07 10	0.06 15	0.06 17	0.05 4	0.05 13	0.09 42	0.08 17	0.05 35	0.04 24	0.06 131	0.05 134	0.04 23	0.04 50

MatchStereo	0.07 4	0.04 1	0.08 42	0.14 46	0.06 17	0.05 4	0.12 79	0.12 59	0.09 31	0.07 50	0.06 17	0.04 1	0.04 1	0.08 19	0.09 66	0.06 127	0.05 211	0.05 35	0.03 1	0.04 23	0.04 50
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 4	0.04 1	0.09 94	0.11 1	0.05 1	0.10 152	0.10 31	0.14 96	0.09 31	0.06 15	0.07 51	0.06 25	0.07 132	0.07 4	0.10 148	0.06 127	0.04 24	0.04 1	0.04 44	0.04 23	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 4	0.05 28	0.07 9	0.14 46	0.06 17	0.09 99	0.13 127	0.15 132	0.06 4	0.07 50	0.08 92	0.06 25	0.08 173	0.09 42	0.09 66	0.06 127	0.05 211	0.04 1	0.03 1	0.04 23	0.04 50

VIP-Stereo	0.07 4	0.07 175	0.07 9	0.15 92	0.06 17	0.12 240	0.10 31	0.11 38	0.11 76	0.06 15	0.07 51	0.06 25	0.05 13	0.10 85	0.08 17	0.05 35	0.04 24	0.05 35	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 4	0.07 175	0.08 42	0.18 332	0.06 17	0.07 34	0.11 56	0.09 13	0.06 4	0.04 1	0.07 51	0.10 194	0.09 203	0.08 19	0.08 17	0.04 11	0.03 1	0.04 1	0.04 44	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 4	0.05 28	0.09 94	0.13 14	0.06 17	0.12 240	0.12 79	0.11 38	0.10 49	0.07 50	0.08 92	0.06 25	0.06 48	0.09 42	0.08 17	0.06 127	0.04 24	0.05 35	0.04 44	0.04 23	0.04 50

MonStereo	0.07 4	0.06 82	0.05 1	0.15 92	0.05 1	0.08 60	0.10 31	0.15 132	0.15 186	0.05 2	0.06 17	0.05 4	0.06 48	0.07 4	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 4	0.05 28	0.07 9	0.16 174	0.06 17	0.07 34	0.11 56	0.10 22	0.08 18	0.06 15	0.06 17	0.07 84	0.07 132	0.09 42	0.09 66	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 82	0.05 1	0.15 92	0.05 1	0.08 60	0.10 31	0.15 132	0.15 186	0.05 2	0.06 17	0.05 4	0.06 48	0.07 4	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 4	0.04 1	0.09 94	0.13 14	0.06 17	0.05 4	0.09 18	0.11 38	0.07 10	0.06 15	0.06 17	0.05 4	0.06 48	0.09 42	0.09 66	0.06 127	0.04 24	0.04 1	0.03 1	0.05 124	0.05 151

Replicate-Monster	0.07 4	0.05 28	0.09 94	0.14 46	0.06 17	0.08 60	0.09 18	0.13 76	0.13 140	0.05 2	0.07 51	0.06 25	0.06 48	0.08 19	0.10 148	0.05 35	0.04 24	0.05 35	0.03 1	0.04 23	0.04 50

AdaDepth	0.07 4	0.06 82	0.07 9	0.18 332	0.06 17	0.11 198	0.12 79	0.09 13	0.07 10	0.06 15	0.05 7	0.07 84	0.06 48	0.09 42	0.10 148	0.04 11	0.05 211	0.05 35	0.04 44	0.04 23	0.04 50

asda	0.07 4	0.08 281	0.08 42	0.16 174	0.06 17	0.06 11	0.10 31	0.16 163	0.10 49	0.06 15	0.06 17	0.05 4	0.05 13	0.10 85	0.10 148	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

asd	0.07 4	0.08 281	0.07 9	0.16 174	0.07 86	0.08 60	0.08 7	0.11 38	0.08 18	0.07 50	0.07 51	0.06 25	0.06 48	0.10 85	0.09 66	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

qwe	0.07 4	0.08 281	0.07 9	0.15 92	0.06 17	0.07 34	0.10 31	0.18 233	0.11 76	0.07 50	0.07 51	0.06 25	0.06 48	0.10 85	0.09 66	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

2.25w	0.07 4	0.06 82	0.07 9	0.14 46	0.06 17	0.08 60	0.08 7	0.10 22	0.15 186	0.08 89	0.10 144	0.07 84	0.06 48	0.08 19	0.10 148	0.05 35	0.03 1	0.04 1	0.04 44	0.03 1	0.04 50

4.25_new	0.07 4	0.08 281	0.09 94	0.15 92	0.06 17	0.09 99	0.08 7	0.14 96	0.08 18	0.07 50	0.07 51	0.06 25	0.06 48	0.12 227	0.10 148	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

4.5w_new	0.07 4	0.08 281	0.09 94	0.15 92	0.06 17	0.09 99	0.08 7	0.14 96	0.08 18	0.07 50	0.07 51	0.06 25	0.06 48	0.12 227	0.10 148	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

4.5_new	0.07 4	0.09 357	0.08 42	0.15 92	0.07 86	0.06 11	0.10 31	0.14 96	0.11 76	0.06 15	0.08 92	0.06 25	0.06 48	0.08 19	0.10 148	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

4.5w-stereo	0.07 4	0.09 357	0.08 42	0.15 92	0.07 86	0.06 11	0.10 31	0.14 96	0.11 76	0.06 15	0.08 92	0.06 25	0.06 48	0.08 19	0.10 148	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

4.25w-stereo	0.07 4	0.08 281	0.09 94	0.15 92	0.06 17	0.09 99	0.08 7	0.14 96	0.08 18	0.07 50	0.07 51	0.06 25	0.06 48	0.12 227	0.10 148	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

4w-stereo	0.07 4	0.08 281	0.08 42	0.16 174	0.06 17	0.07 34	0.08 7	0.12 59	0.08 18	0.07 50	0.07 51	0.05 4	0.06 48	0.09 42	0.10 148	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

2.5w	0.07 4	0.07 175	0.07 9	0.16 174	0.06 17	0.08 60	0.12 79	0.10 22	0.10 49	0.07 50	0.06 17	0.09 161	0.06 48	0.08 19	0.09 66	0.04 11	0.03 1	0.04 1	0.04 44	0.03 1	0.03 2

2.75w_new	0.07 4	0.07 175	0.07 9	0.13 14	0.06 17	0.08 60	0.08 7	0.18 233	0.12 106	0.07 50	0.08 92	0.06 25	0.06 48	0.09 42	0.11 225	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 50

3.25w_new	0.07 4	0.06 82	0.07 9	0.15 92	0.06 17	0.10 152	0.07 3	0.12 59	0.11 76	0.08 89	0.06 17	0.07 84	0.06 48	0.11 137	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 4	0.06 82	0.07 9	0.15 92	0.06 17	0.10 152	0.07 3	0.12 59	0.11 76	0.08 89	0.06 17	0.07 84	0.06 48	0.11 137	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 4	0.07 175	0.08 42	0.16 174	0.07 86	0.07 34	0.09 18	0.16 163	0.09 31	0.07 50	0.06 17	0.05 4	0.06 48	0.09 42	0.10 148	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 4	0.07 175	0.07 9	0.15 92	0.07 86	0.09 99	0.06 1	0.13 76	0.11 76	0.07 50	0.07 51	0.06 25	0.07 132	0.10 85	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 4	0.06 82	0.07 9	0.16 174	0.06 17	0.07 34	0.10 31	0.14 96	0.14 166	0.07 50	0.08 92	0.05 4	0.06 48	0.09 42	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 50

monsterstereo	0.07 4	0.06 82	0.06 4	0.16 174	0.06 17	0.08 60	0.10 31	0.16 163	0.11 76	0.07 50	0.08 92	0.06 25	0.07 132	0.08 19	0.09 66	0.04 11	0.04 24	0.05 35	0.04 44	0.03 1	0.03 2

monsters	0.07 4	0.06 82	0.06 4	0.15 92	0.06 17	0.08 60	0.09 18	0.12 59	0.08 18	0.09 127	0.07 51	0.06 25	0.06 48	0.08 19	0.08 17	0.05 35	0.04 24	0.04 1	0.04 44	0.03 1	0.03 2

IGEV	0.07 4	0.04 1	0.08 42	0.13 14	0.06 17	0.09 99	0.12 79	0.14 96	0.10 49	0.06 15	0.09 114	0.07 84	0.05 13	0.09 42	0.09 66	0.06 127	0.04 24	0.05 35	0.04 44	0.05 124	0.04 50

111111	0.07 4	0.04 1	0.09 94	0.17 250	0.06 17	0.05 4	0.10 31	0.11 38	0.09 31	0.06 15	0.06 17	0.07 84	0.05 13	0.09 42	0.09 66	0.06 127	0.04 24	0.05 35	0.04 44	0.07 304	0.06 243

LG-Stereo_L2	0.07 4	0.05 28	0.10 142	0.14 46	0.06 17	0.07 34	0.12 79	0.09 13	0.09 31	0.06 15	0.04 1	0.05 4	0.05 13	0.08 19	0.08 17	0.05 35	0.04 24	0.05 35	0.03 1	0.04 23	0.03 2

LG-Stereo_L1	0.07 4	0.05 28	0.11 187	0.14 46	0.06 17	0.07 34	0.13 127	0.09 13	0.07 10	0.05 2	0.04 1	0.05 4	0.04 1	0.08 19	0.07 1	0.05 35	0.04 24	0.05 35	0.03 1	0.04 23	0.04 50

MLG-Stereo_test3	0.07 4	0.05 28	0.10 142	0.14 46	0.06 17	0.07 34	0.11 56	0.08 6	0.06 4	0.06 15	0.04 1	0.06 25	0.06 48	0.07 4	0.10 148	0.06 127	0.04 24	0.05 35	0.04 44	0.05 124	0.06 243

MLG-Stereo	0.07 4	0.05 28	0.08 42	0.17 250	0.05 1	0.07 34	0.11 56	0.08 6	0.04 2	0.05 2	0.04 1	0.06 25	0.05 13	0.10 85	0.09 66	0.05 35	0.04 24	0.05 35	0.03 1	0.04 23	0.04 50

LG-G_1	0.07 4	0.04 1	0.11 187	0.15 92	0.06 17	0.09 99	0.08 7	0.08 6	0.06 4	0.06 15	0.05 7	0.07 84	0.07 132	0.11 137	0.08 17	0.07 277	0.04 24	0.05 35	0.04 44	0.05 124	0.05 151

LG-G	0.07 4	0.04 1	0.11 187	0.15 92	0.06 17	0.09 99	0.08 7	0.08 6	0.06 4	0.06 15	0.05 7	0.07 84	0.07 132	0.11 137	0.08 17	0.07 277	0.04 24	0.05 35	0.04 44	0.05 124	0.05 151

LGtest1	0.07 4	0.04 1	0.10 142	0.15 92	0.06 17	0.07 34	0.09 18	0.08 6	0.06 4	0.05 2	0.04 1	0.06 25	0.06 48	0.10 85	0.09 66	0.07 277	0.04 24	0.05 35	0.04 44	0.06 232	0.06 243

LG-Stereo_Zeroshot	0.07 4	0.06 82	0.10 142	0.16 174	0.07 86	0.04 1	0.13 127	0.10 22	0.10 49	0.05 2	0.11 188	0.07 84	0.05 13	0.07 4	0.09 66	0.06 127	0.04 24	0.05 35	0.04 44	0.05 124	0.04 50

GREAT-IGEV	0.07 4	0.06 82	0.08 42	0.13 14	0.07 86	0.07 34	0.14 180	0.09 13	0.09 31	0.06 15	0.07 51	0.06 25	0.05 13	0.10 85	0.07 1	0.05 35	0.04 24	0.05 35	0.04 44	0.05 124	0.04 50
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 4	0.15 510	0.17 422	0.11 1	0.05 1	0.05 4	0.11 56	0.08 6	0.08 18	0.06 15	0.06 17	0.05 4	0.05 13	0.09 42	0.08 17	0.08 347	0.04 24	0.05 35	0.03 1	0.05 124	0.04 50

AIO_rvc	0.07 4	0.06 82	0.08 42	0.15 92	0.06 17	0.08 60	0.14 180	0.09 13	0.08 18	0.07 50	0.08 92	0.07 84	0.04 1	0.10 85	0.08 17	0.05 35	0.04 24	0.05 35	0.04 44	0.04 23	0.03 2

AIO_test	0.07 4	0.05 28	0.07 9	0.15 92	0.07 86	0.06 11	0.14 180	0.10 22	0.10 49	0.07 50	0.07 51	0.06 25	0.05 13	0.08 19	0.10 148	0.05 35	0.04 24	0.05 35	0.04 44	0.04 23	0.03 2

MonSter	0.07 4	0.06 82	0.05 1	0.15 92	0.05 1	0.07 34	0.10 31	0.15 132	0.15 186	0.05 2	0.06 17	0.05 4	0.06 48	0.07 4	0.09 66	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 4	0.05 28	0.07 9	0.14 46	0.06 17	0.10 152	0.13 127	0.07 2	0.13 140	0.06 15	0.07 51	0.06 25	0.05 13	0.10 85	0.09 66	0.04 11	0.04 24	0.05 35	0.03 1	0.04 23	0.04 50

dual_stereo	0.07 4	0.04 1	0.08 42	0.15 92	0.05 1	0.05 4	0.13 127	0.12 59	0.08 18	0.07 50	0.06 17	0.05 4	0.05 13	0.07 4	0.09 66	0.06 127	0.04 24	0.05 35	0.03 1	0.04 23	0.04 50

IGEV-Stereo++	0.07 4	0.06 82	0.08 42	0.18 332	0.06 17	0.04 1	0.10 31	0.11 38	0.11 76	0.06 15	0.07 51	0.07 84	0.06 48	0.09 42	0.09 66	0.05 35	0.04 24	0.05 35	0.04 44	0.05 124	0.04 50

IGEV-Stereo+	0.07 4	0.04 1	0.08 42	0.15 92	0.06 17	0.04 1	0.09 18	0.10 22	0.09 31	0.06 15	0.06 17	0.06 25	0.06 48	0.06 1	0.08 17	0.06 127	0.04 24	0.05 35	0.04 44	0.06 232	0.06 243

Selective-IGEV	0.07 4	0.06 82	0.08 42	0.17 250	0.06 17	0.08 60	0.12 79	0.13 76	0.07 10	0.08 89	0.07 51	0.06 25	0.04 1	0.10 85	0.09 66	0.05 35	0.04 24	0.05 35	0.04 44	0.04 23	0.03 2

DispViT+	0.08 59	0.08 281	0.13 273	0.15 92	0.07 86	0.08 60	0.10 31	0.14 96	0.09 31	0.09 127	0.06 17	0.06 25	0.07 132	0.10 85	0.12 284	0.05 35	0.05 211	0.05 35	0.04 44	0.05 124	0.05 151

WQFJA1++	0.08 59	0.04 1	0.11 187	0.14 46	0.07 86	0.11 198	0.11 56	0.11 38	0.07 10	0.07 50	0.07 51	0.07 84	0.06 48	0.10 85	0.10 148	0.06 127	0.04 24	0.05 35	0.04 44	0.06 232	0.06 243

BStereo	0.08 59	0.06 82	0.16 392	0.15 92	0.08 153	0.07 34	0.09 18	0.15 132	0.16 216	0.06 15	0.07 51	0.07 84	0.05 13	0.09 42	0.11 225	0.04 11	0.05 211	0.05 35	0.07 312	0.04 23	0.04 50

MonSter++	0.08 59	0.04 1	0.10 142	0.13 14	0.06 17	0.09 99	0.12 79	0.13 76	0.08 18	0.06 15	0.07 51	0.06 25	0.08 173	0.10 85	0.11 225	0.06 127	0.05 211	0.04 1	0.03 1	0.04 23	0.04 50

HiDET	0.08 59	0.04 1	0.10 142	0.13 14	0.06 17	0.08 60	0.12 79	0.12 59	0.11 76	0.06 15	0.07 51	0.07 84	0.07 132	0.11 137	0.11 225	0.06 127	0.04 24	0.04 1	0.03 1	0.04 23	0.04 50

LCMNet	0.08 59	0.05 28	0.10 142	0.13 14	0.07 86	0.09 99	0.12 79	0.10 22	0.11 76	0.06 15	0.08 92	0.06 25	0.07 132	0.11 137	0.10 148	0.06 127	0.05 211	0.04 1	0.03 1	0.04 23	0.04 50

GEAStereo	0.08 59	0.05 28	0.08 42	0.13 14	0.08 153	0.08 60	0.14 180	0.10 22	0.09 31	0.08 89	0.10 144	0.06 25	0.05 13	0.11 137	0.08 17	0.06 127	0.04 24	0.05 35	0.04 44	0.05 124	0.05 151

GSStereo	0.08 59	0.05 28	0.08 42	0.13 14	0.08 153	0.08 60	0.14 180	0.11 38	0.12 106	0.08 89	0.10 144	0.05 4	0.05 13	0.11 137	0.08 17	0.06 127	0.04 24	0.05 35	0.04 44	0.05 124	0.05 151

gasm-f	0.08 59	0.05 28	0.07 9	0.13 14	0.08 153	0.08 60	0.14 180	0.10 22	0.09 31	0.08 89	0.10 144	0.06 25	0.05 13	0.10 85	0.08 17	0.06 127	0.04 24	0.05 35	0.04 44	0.06 232	0.05 151

DDF-Stereo	0.08 59	0.04 1	0.09 94	0.15 92	0.10 383	0.06 11	0.13 127	0.09 13	0.14 166	0.06 15	0.06 17	0.07 84	0.06 48	0.09 42	0.10 148	0.06 127	0.04 24	0.06 131	0.04 44	0.08 366	0.05 151

252Zero-FE	0.08 59	0.04 1	0.09 94	0.13 14	0.07 86	0.12 240	0.11 56	0.13 76	0.14 166	0.06 15	0.05 7	0.06 25	0.05 13	0.09 42	0.10 148	0.06 127	0.04 24	0.04 1	0.03 1	0.05 124	0.06 243

DA	0.08 59	0.07 175	0.07 9	0.19 392	0.08 153	0.09 99	0.12 79	0.13 76	0.12 106	0.08 89	0.10 144	0.10 194	0.08 173	0.09 42	0.10 148	0.05 35	0.04 24	0.06 131	0.04 44	0.05 124	0.03 2

zero-FE	0.08 59	0.04 1	0.09 94	0.15 92	0.10 383	0.05 4	0.14 180	0.09 13	0.14 166	0.07 50	0.06 17	0.07 84	0.06 48	0.09 42	0.10 148	0.06 127	0.04 24	0.06 131	0.04 44	0.08 366	0.05 151

GGEV	0.08 59	0.07 175	0.07 9	0.19 392	0.08 153	0.09 99	0.12 79	0.13 76	0.12 106	0.08 89	0.10 144	0.10 194	0.08 173	0.09 42	0.10 148	0.05 35	0.04 24	0.06 131	0.04 44	0.05 124	0.03 2

GASTEREO	0.08 59	0.05 28	0.09 94	0.19 392	0.07 86	0.07 34	0.12 79	0.14 96	0.11 76	0.10 164	0.09 114	0.07 84	0.04 1	0.12 227	0.08 17	0.06 127	0.05 211	0.05 35	0.04 44	0.04 23	0.05 151

MSCF	0.08 59	0.05 28	0.08 42	0.19 392	0.08 153	0.06 11	0.12 79	0.14 96	0.11 76	0.10 164	0.09 114	0.07 84	0.04 1	0.11 137	0.08 17	0.06 127	0.05 211	0.05 35	0.04 44	0.05 124	0.05 151

S2M2_XL	0.08 59	0.06 82	0.12 226	0.12 5	0.08 153	0.09 99	0.09 18	0.07 2	0.07 10	0.08 89	0.07 51	0.07 84	0.06 48	0.09 42	0.09 66	0.08 347	0.06 348	0.07 232	0.05 134	0.08 366	0.06 243
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 59	0.09 357	0.10 142	0.17 250	0.07 86	0.08 60	0.10 31	0.20 272	0.13 140	0.06 15	0.07 51	0.05 4	0.06 48	0.08 19	0.09 66	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

2w_stereo	0.08 59	0.08 281	0.09 94	0.16 174	0.06 17	0.08 60	0.10 31	0.20 272	0.15 186	0.08 89	0.07 51	0.06 25	0.06 48	0.06 1	0.09 66	0.04 11	0.03 1	0.04 1	0.04 44	0.03 1	0.03 2

LG-Stereo	0.08 59	0.07 175	0.10 142	0.18 332	0.07 86	0.10 152	0.17 361	0.11 38	0.08 18	0.05 2	0.07 51	0.05 4	0.07 132	0.09 42	0.09 66	0.04 11	0.05 211	0.07 232	0.07 312	0.04 23	0.04 50

SGD-Stereo	0.08 59	0.05 28	0.10 142	0.14 46	0.05 1	0.12 240	0.12 79	0.11 38	0.12 106	0.07 50	0.09 114	0.09 161	0.09 203	0.08 19	0.08 17	0.06 127	0.04 24	0.05 35	0.04 44	0.05 124	0.03 2

HART	0.08 59	0.07 175	0.09 94	0.17 250	0.07 86	0.10 152	0.16 324	0.13 76	0.11 76	0.08 89	0.10 144	0.07 84	0.05 13	0.10 85	0.08 17	0.05 35	0.04 24	0.06 131	0.04 44	0.05 124	0.04 50

Reg-Stereo(zero)	0.08 59	0.05 28	0.08 42	0.16 174	0.06 17	0.12 240	0.11 56	0.15 132	0.10 49	0.12 236	0.09 114	0.10 194	0.08 173	0.11 137	0.08 17	0.06 127	0.04 24	0.05 35	0.04 44	0.04 23	0.05 151

SCV_C0	0.08 59	0.07 175	0.07 9	0.16 174	0.09 274	0.08 60	0.15 258	0.11 38	0.12 106	0.08 89	0.07 51	0.06 25	0.05 13	0.11 137	0.07 1	0.05 35	0.05 211	0.05 35	0.04 44	0.06 232	0.05 151

SCV	0.08 59	0.09 357	0.08 42	0.15 92	0.08 153	0.10 152	0.13 127	0.10 22	0.12 106	0.07 50	0.07 51	0.06 25	0.04 1	0.09 42	0.08 17	0.05 35	0.04 24	0.06 131	0.04 44	0.06 232	0.04 50

DEFOM-Stereo_RVC	0.08 59	0.06 82	0.09 94	0.22 498	0.06 17	0.08 60	0.12 79	0.10 22	0.10 49	0.07 50	0.07 51	0.06 25	0.05 13	0.11 137	0.09 66	0.06 127	0.04 24	0.05 35	0.03 1	0.06 232	0.04 50

HUF	0.08 59	0.05 28	0.08 42	0.14 46	0.06 17	0.09 99	0.13 127	0.13 76	0.13 140	0.07 50	0.07 51	0.08 131	0.06 48	0.10 85	0.09 66	0.06 127	0.04 24	0.05 35	0.04 44	0.05 124	0.04 50

castereo++	0.08 59	0.05 28	0.08 42	0.15 92	0.05 1	0.14 324	0.12 79	0.11 38	0.15 186	0.07 50	0.07 51	0.07 84	0.06 48	0.08 19	0.08 17	0.06 127	0.04 24	0.05 35	0.04 44	0.04 23	0.03 2

IGEV-RUCA	0.08 59	0.06 82	0.11 187	0.14 46	0.09 274	0.10 152	0.12 79	0.10 22	0.12 106	0.06 15	0.07 51	0.07 84	0.06 48	0.09 42	0.08 17	0.06 127	0.05 211	0.05 35	0.04 44	0.05 124	0.06 243

GIP-stereo	0.08 59	0.06 82	0.11 187	0.14 46	0.06 17	0.09 99	0.13 127	0.14 96	0.11 76	0.07 50	0.08 92	0.05 4	0.04 1	0.10 85	0.07 1	0.05 35	0.04 24	0.05 35	0.04 44	0.05 124	0.04 50

SMoEStereo_RVC	0.08 59	0.06 82	0.12 226	0.16 174	0.07 86	0.09 99	0.14 180	0.11 38	0.13 140	0.09 127	0.07 51	0.07 84	0.07 132	0.12 227	0.10 148	0.05 35	0.04 24	0.06 131	0.05 134	0.04 23	0.04 50

WCG-NET	0.08 59	0.05 28	0.09 94	0.15 92	0.06 17	0.11 198	0.14 180	0.13 76	0.13 140	0.06 15	0.09 114	0.07 84	0.06 48	0.13 277	0.08 17	0.05 35	0.04 24	0.05 35	0.04 44	0.04 23	0.03 2

Occ-G	0.08 59	0.05 28	0.06 4	0.14 46	0.07 86	0.08 60	0.14 180	0.13 76	0.15 186	0.07 50	0.11 188	0.07 84	0.05 13	0.09 42	0.10 148	0.06 127	0.05 211	0.05 35	0.04 44	0.05 124	0.05 151

U	0.08 59	0.07 175	0.09 94	0.19 392	0.10 383	0.10 152	0.13 127	0.12 59	0.17 243	0.07 50	0.07 51	0.06 25	0.05 13	0.07 4	0.08 17	0.06 127	0.04 24	0.06 131	0.04 44	0.06 232	0.05 151

AIO-Stereo	0.08 59	0.06 82	0.09 94	0.18 332	0.06 17	0.08 60	0.12 79	0.15 132	0.09 31	0.08 89	0.08 92	0.07 84	0.05 13	0.11 137	0.08 17	0.05 35	0.05 211	0.05 35	0.04 44	0.04 23	0.04 50

WCG-NET（raft）	0.08 59	0.05 28	0.10 142	0.15 92	0.06 17	0.11 198	0.13 127	0.15 132	0.12 106	0.08 89	0.07 51	0.06 25	0.06 48	0.13 277	0.08 17	0.05 35	0.04 24	0.05 35	0.04 44	0.04 23	0.04 50

RSM++	0.08 59	0.06 82	0.09 94	0.17 250	0.07 86	0.09 99	0.12 79	0.11 38	0.11 76	0.08 89	0.06 17	0.07 84	0.05 13	0.10 85	0.09 66	0.04 11	0.04 24	0.06 131	0.05 134	0.05 124	0.03 2

RSM	0.08 59	0.06 82	0.09 94	0.17 250	0.06 17	0.08 60	0.12 79	0.12 59	0.10 49	0.08 89	0.07 51	0.06 25	0.05 13	0.11 137	0.09 66	0.04 11	0.04 24	0.05 35	0.04 44	0.04 23	0.03 2

test_for_model	0.08 59	0.05 28	0.09 94	0.14 46	0.07 86	0.08 60	0.14 180	0.17 201	0.21 329	0.08 89	0.12 205	0.06 25	0.04 1	0.09 42	0.08 17	0.06 127	0.04 24	0.05 35	0.04 44	0.03 1	0.03 2

trnet	0.08 59	0.05 28	0.07 9	0.12 5	0.05 1	0.12 240	0.11 56	0.13 76	0.10 49	0.08 89	0.13 220	0.09 161	0.08 173	0.11 137	0.10 148	0.08 347	0.05 211	0.05 35	0.03 1	0.06 232	0.05 151

MoCha-V2	0.08 59	0.05 28	0.10 142	0.20 452	0.07 86	0.09 99	0.14 180	0.11 38	0.08 18	0.07 50	0.08 92	0.07 84	0.06 48	0.09 42	0.08 17	0.05 35	0.04 24	0.05 35	0.04 44	0.04 23	0.04 50

IGEV++	0.08 59	0.06 82	0.08 42	0.18 332	0.07 86	0.09 99	0.13 127	0.10 22	0.09 31	0.08 89	0.08 92	0.06 25	0.06 48	0.13 277	0.09 66	0.05 35	0.04 24	0.05 35	0.04 44	0.05 124	0.04 50

AEACV	0.08 59	0.05 28	0.08 42	0.14 46	0.13 488	0.14 324	0.13 127	0.14 96	0.09 31	0.07 50	0.09 114	0.07 84	0.08 173	0.10 85	0.09 66	0.06 127	0.04 24	0.06 131	0.05 134	0.05 124	0.04 50

LoS_RVC	0.08 59	0.05 28	0.07 9	0.15 92	0.07 86	0.08 60	0.15 258	0.11 38	0.10 49	0.08 89	0.09 114	0.06 25	0.09 203	0.10 85	0.09 66	0.05 35	0.04 24	0.05 35	0.03 1	0.04 23	0.03 2

CAS	0.08 59	0.04 1	0.07 9	0.17 250	0.08 153	0.10 152	0.13 127	0.12 59	0.09 31	0.09 127	0.10 144	0.08 131	0.06 48	0.09 42	0.08 17	0.08 347	0.04 24	0.05 35	0.03 1	0.05 124	0.04 50

CES	0.08 59	0.04 1	0.08 42	0.14 46	0.07 86	0.09 99	0.14 180	0.11 38	0.09 31	0.08 89	0.09 114	0.11 221	0.06 48	0.12 227	0.08 17	0.06 127	0.04 24	0.05 35	0.03 1	0.05 124	0.05 151

EGLCR-Stereo	0.08 59	0.05 28	0.08 42	0.14 46	0.06 17	0.10 152	0.12 79	0.11 38	0.16 216	0.06 15	0.05 7	0.07 84	0.05 13	0.10 85	0.11 225	0.06 127	0.04 24	0.06 131	0.05 134	0.04 23	0.04 50

MC-Stereo	0.08 59	0.06 82	0.09 94	0.17 250	0.06 17	0.10 152	0.14 180	0.12 59	0.10 49	0.09 127	0.12 205	0.09 161	0.06 48	0.11 137	0.10 148	0.06 127	0.04 24	0.06 131	0.05 134	0.04 23	0.04 50

test-3	0.08 59	0.06 82	0.09 94	0.17 250	0.07 86	0.07 34	0.14 180	0.12 59	0.15 186	0.09 127	0.08 92	0.07 84	0.08 173	0.11 137	0.10 148	0.05 35	0.04 24	0.07 232	0.05 134	0.04 23	0.04 50

test_1	0.08 59	0.06 82	0.09 94	0.17 250	0.07 86	0.07 34	0.14 180	0.12 59	0.15 186	0.09 127	0.08 92	0.07 84	0.08 173	0.11 137	0.10 148	0.05 35	0.04 24	0.07 232	0.05 134	0.04 23	0.04 50

CREStereo++_RVC	0.08 59	0.04 1	0.06 4	0.13 14	0.07 86	0.09 99	0.12 79	0.14 96	0.14 166	0.10 164	0.14 233	0.08 131	0.07 132	0.09 42	0.11 225	0.06 127	0.04 24	0.05 35	0.05 134	0.04 23	0.04 50
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
VMStereo-Base	0.09 110	0.05 28	0.10 142	0.13 14	0.07 86	0.10 152	0.10 31	0.16 163	0.13 140	0.10 164	0.15 251	0.10 194	0.09 203	0.11 137	0.10 148	0.07 277	0.05 211	0.05 35	0.04 44	0.05 124	0.06 243

gcap_with_dpt	0.09 110	0.06 82	0.09 94	0.16 174	0.08 153	0.12 240	0.14 180	0.16 163	0.16 216	0.08 89	0.14 233	0.10 194	0.06 48	0.11 137	0.10 148	0.06 127	0.05 211	0.05 35	0.04 44	0.05 124	0.04 50

Wave_Phase_stereo	0.09 110	0.06 82	0.16 392	0.15 92	0.08 153	0.11 198	0.09 18	0.18 233	0.16 216	0.06 15	0.07 51	0.07 84	0.05 13	0.09 42	0.11 225	0.04 11	0.05 211	0.05 35	0.07 312	0.04 23	0.04 50

NLSM3	0.09 110	0.06 82	0.08 42	0.19 392	0.08 153	0.11 198	0.16 324	0.18 233	0.16 216	0.06 15	0.08 92	0.07 84	0.08 173	0.09 42	0.11 225	0.04 11	0.04 24	0.06 131	0.07 312	0.03 1	0.03 2

FE-Mocha	0.09 110	0.06 82	0.14 309	0.16 174	0.09 274	0.10 152	0.15 258	0.18 233	0.16 216	0.10 164	0.09 114	0.07 84	0.07 132	0.09 42	0.09 66	0.06 127	0.04 24	0.06 131	0.06 218	0.05 124	0.05 151

IGEV-FE	0.09 110	0.05 28	0.12 226	0.13 14	0.08 153	0.12 240	0.13 127	0.17 201	0.11 76	0.10 164	0.06 17	0.09 161	0.06 48	0.11 137	0.09 66	0.06 127	0.04 24	0.06 131	0.06 218	0.05 124	0.05 151

water-stereo	0.09 110	0.06 82	0.08 42	0.16 174	0.07 86	0.09 99	0.13 127	0.15 132	0.13 140	0.11 196	0.12 205	0.08 131	0.09 203	0.07 4	0.08 17	0.06 127	0.05 211	0.05 35	0.05 134	0.04 23	0.04 50

depthmonostereo	0.09 110	0.06 82	0.09 94	0.15 92	0.06 17	0.10 152	0.13 127	0.14 96	0.14 166	0.10 164	0.10 144	0.09 161	0.11 271	0.08 19	0.09 66	0.06 127	0.05 211	0.06 131	0.04 44	0.04 23	0.03 2

DilatedVolume-Stereo	0.09 110	0.05 28	0.08 42	0.15 92	0.06 17	0.11 198	0.12 79	0.14 96	0.16 216	0.11 196	0.11 188	0.09 161	0.09 203	0.11 137	0.10 148	0.06 127	0.05 211	0.05 35	0.04 44	0.03 1	0.03 2

S2M2_L	0.09 110	0.08 281	0.11 187	0.13 14	0.10 383	0.08 60	0.06 1	0.10 22	0.10 49	0.10 164	0.09 114	0.10 194	0.09 203	0.11 137	0.11 225	0.13 525	0.07 420	0.08 323	0.09 429	0.10 460	0.08 390
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 110	0.06 82	0.09 94	0.19 392	0.08 153	0.12 240	0.18 409	0.15 132	0.14 166	0.07 50	0.10 144	0.07 84	0.06 48	0.12 227	0.09 66	0.05 35	0.04 24	0.06 131	0.05 134	0.05 124	0.03 2

castereo	0.09 110	0.06 82	0.11 187	0.15 92	0.06 17	0.11 198	0.15 258	0.14 96	0.18 273	0.08 89	0.10 144	0.11 221	0.08 173	0.09 42	0.10 148	0.05 35	0.04 24	0.05 35	0.04 44	0.04 23	0.03 2

fffft	0.09 110	0.06 82	0.12 226	0.16 174	0.07 86	0.09 99	0.17 361	0.12 59	0.11 76	0.08 89	0.07 51	0.09 161	0.06 48	0.11 137	0.12 284	0.05 35	0.04 24	0.06 131	0.05 134	0.04 23	0.05 151
1: 1. 1
tt45	0.09 110	0.06 82	0.11 187	0.15 92	0.07 86	0.11 198	0.16 324	0.13 76	0.11 76	0.09 127	0.06 17	0.08 131	0.06 48	0.13 277	0.10 148	0.06 127	0.04 24	0.06 131	0.05 134	0.05 124	0.06 243

999	0.09 110	0.05 28	0.13 273	0.15 92	0.08 153	0.10 152	0.14 180	0.15 132	0.11 76	0.10 164	0.08 92	0.08 131	0.08 173	0.16 363	0.10 148	0.06 127	0.04 24	0.06 131	0.05 134	0.04 23	0.05 151

mms	0.09 110	0.07 175	0.08 42	0.16 174	0.08 153	0.10 152	0.16 324	0.12 59	0.11 76	0.08 89	0.09 114	0.08 131	0.06 48	0.11 137	0.12 284	0.05 35	0.04 24	0.07 232	0.05 134	0.04 23	0.03 2

ours_stereo	0.09 110	0.07 175	0.09 94	0.17 250	0.08 153	0.11 198	0.16 324	0.11 38	0.12 106	0.08 89	0.10 144	0.08 131	0.06 48	0.12 227	0.12 284	0.05 35	0.04 24	0.06 131	0.05 134	0.04 23	0.03 2

fffy	0.09 110	0.08 281	0.09 94	0.16 174	0.07 86	0.13 291	0.17 361	0.13 76	0.12 106	0.08 89	0.09 114	0.08 131	0.09 203	0.13 277	0.11 225	0.05 35	0.05 211	0.07 232	0.05 134	0.04 23	0.05 151

PAM_32	0.09 110	0.05 28	0.17 422	0.15 92	0.08 153	0.10 152	0.15 258	0.14 96	0.15 186	0.09 127	0.08 92	0.09 161	0.07 132	0.14 306	0.08 17	0.06 127	0.05 211	0.06 131	0.06 218	0.05 124	0.06 243

UGAM-zero	0.09 110	0.05 28	0.15 358	0.15 92	0.08 153	0.09 99	0.13 127	0.19 261	0.15 186	0.11 196	0.15 251	0.07 84	0.07 132	0.09 42	0.09 66	0.06 127	0.05 211	0.06 131	0.05 134	0.05 124	0.06 243

GCAP-BAT	0.09 110	0.07 175	0.14 309	0.15 92	0.08 153	0.10 152	0.13 127	0.14 96	0.10 49	0.11 196	0.10 144	0.08 131	0.07 132	0.12 227	0.10 148	0.06 127	0.05 211	0.06 131	0.04 44	0.04 23	0.04 50

Pointernet	0.09 110	0.04 1	0.09 94	0.16 174	0.08 153	0.13 291	0.10 31	0.15 132	0.17 243	0.09 127	0.07 51	0.06 25	0.06 48	0.11 137	0.09 66	0.08 347	0.04 24	0.05 35	0.03 1	0.06 232	0.05 151

IGEV-BASED-STEREO-	0.09 110	0.10 416	0.31 529	0.15 92	0.06 17	0.08 60	0.14 180	0.10 22	0.10 49	0.07 50	0.07 51	0.06 25	0.04 1	0.11 137	0.07 1	0.12 500	0.04 24	0.07 232	0.05 134	0.05 124	0.05 151

RAFT-Stereo-weight	0.09 110	0.06 82	0.10 142	0.16 174	0.07 86	0.09 99	0.14 180	0.19 261	0.16 216	0.11 196	0.10 144	0.08 131	0.06 48	0.10 85	0.11 225	0.06 127	0.04 24	0.06 131	0.04 44	0.04 23	0.04 50

gcap-zeroshot	0.09 110	0.05 28	0.10 142	0.16 174	0.07 86	0.13 291	0.13 127	0.11 38	0.12 106	0.13 266	0.12 205	0.09 161	0.08 173	0.09 42	0.09 66	0.06 127	0.05 211	0.06 131	0.05 134	0.04 23	0.04 50

GCAPDPT-zeroshot4090	0.09 110	0.05 28	0.11 187	0.13 14	0.07 86	0.11 198	0.14 180	0.14 96	0.16 216	0.07 50	0.10 144	0.08 131	0.06 48	0.13 277	0.08 17	0.07 277	0.05 211	0.05 35	0.05 134	0.04 23	0.04 50

MGS-Stereo	0.09 110	0.07 175	0.12 226	0.15 92	0.08 153	0.09 99	0.15 258	0.12 59	0.12 106	0.07 50	0.10 144	0.08 131	0.06 48	0.10 85	0.09 66	0.05 35	0.04 24	0.06 131	0.05 134	0.06 232	0.05 151

ff7	0.09 110	0.07 175	0.11 187	0.16 174	0.09 274	0.11 198	0.15 258	0.16 163	0.12 106	0.10 164	0.06 17	0.06 25	0.06 48	0.11 137	0.09 66	0.05 35	0.04 24	0.06 131	0.05 134	0.05 124	0.06 243

IGEVStereo-DCA	0.09 110	0.06 82	0.11 187	0.15 92	0.10 383	0.11 198	0.15 258	0.16 163	0.12 106	0.10 164	0.06 17	0.08 131	0.06 48	0.10 85	0.08 17	0.06 127	0.05 211	0.06 131	0.05 134	0.05 124	0.06 243

ffff	0.09 110	0.07 175	0.11 187	0.16 174	0.09 274	0.11 198	0.15 258	0.16 163	0.12 106	0.10 164	0.06 17	0.06 25	0.06 48	0.11 137	0.09 66	0.05 35	0.04 24	0.06 131	0.05 134	0.05 124	0.06 243

rrr	0.09 110	0.06 82	0.12 226	0.15 92	0.10 383	0.11 198	0.16 324	0.16 163	0.15 186	0.10 164	0.06 17	0.08 131	0.06 48	0.10 85	0.08 17	0.06 127	0.05 211	0.06 131	0.05 134	0.05 124	0.06 243

11t	0.09 110	0.07 175	0.11 187	0.16 174	0.09 274	0.11 198	0.15 258	0.16 163	0.12 106	0.10 164	0.06 17	0.06 25	0.06 48	0.11 137	0.09 66	0.05 35	0.04 24	0.06 131	0.05 134	0.05 124	0.06 243

MaDis-Stereo	0.09 110	0.09 357	0.08 42	0.17 250	0.09 274	0.13 291	0.10 31	0.16 163	0.16 216	0.09 127	0.11 188	0.06 25	0.06 48	0.09 42	0.13 325	0.07 277	0.06 348	0.07 232	0.05 134	0.05 124	0.04 50

IGEV_Zeroshot_test	0.09 110	0.05 28	0.12 226	0.13 14	0.08 153	0.12 240	0.13 127	0.17 201	0.11 76	0.10 164	0.06 17	0.09 161	0.06 48	0.11 137	0.09 66	0.06 127	0.04 24	0.06 131	0.06 218	0.05 124	0.05 151

MSKI-zero shot	0.09 110	0.05 28	0.09 94	0.15 92	0.07 86	0.10 152	0.13 127	0.14 96	0.13 140	0.09 127	0.09 114	0.09 161	0.06 48	0.12 227	0.10 148	0.06 127	0.04 24	0.05 35	0.04 44	0.04 23	0.04 50

UniTT-Stereo	0.09 110	0.07 175	0.08 42	0.18 332	0.08 153	0.13 291	0.11 56	0.12 59	0.11 76	0.10 164	0.12 205	0.05 4	0.07 132	0.09 42	0.09 66	0.07 277	0.05 211	0.05 35	0.05 134	0.05 124	0.05 151

MIM_Stereo	0.09 110	0.07 175	0.11 187	0.15 92	0.07 86	0.06 11	0.12 79	0.20 272	0.14 166	0.13 266	0.13 220	0.09 161	0.05 13	0.12 227	0.08 17	0.05 35	0.06 348	0.07 232	0.06 218	0.06 232	0.05 151

CASnet	0.09 110	0.09 357	0.09 94	0.19 392	0.06 17	0.07 34	0.11 56	0.18 233	0.14 166	0.11 196	0.10 144	0.09 161	0.07 132	0.10 85	0.10 148	0.06 127	0.04 24	0.10 453	0.08 383	0.05 124	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala	0.09 110	0.05 28	0.11 187	0.13 14	0.07 86	0.11 198	0.14 180	0.14 96	0.16 216	0.07 50	0.10 144	0.08 131	0.06 48	0.13 277	0.08 17	0.07 277	0.05 211	0.05 35	0.05 134	0.04 23	0.04 50

GCAPDPT-zeroshot	0.09 110	0.05 28	0.11 187	0.13 14	0.07 86	0.11 198	0.14 180	0.14 96	0.16 216	0.07 50	0.10 144	0.08 131	0.06 48	0.13 277	0.08 17	0.07 277	0.05 211	0.05 35	0.05 134	0.04 23	0.04 50

GCAP-Stereo	0.09 110	0.07 175	0.13 273	0.18 332	0.06 17	0.11 198	0.07 3	0.13 76	0.12 106	0.09 127	0.10 144	0.07 84	0.09 203	0.13 277	0.10 148	0.06 127	0.05 211	0.05 35	0.04 44	0.04 23	0.05 151

RAFT-Test	0.09 110	0.06 82	0.10 142	0.15 92	0.07 86	0.11 198	0.15 258	0.16 163	0.13 140	0.09 127	0.10 144	0.10 194	0.09 203	0.12 227	0.09 66	0.06 127	0.04 24	0.05 35	0.04 44	0.04 23	0.05 151

HH	0.09 110	0.06 82	0.13 273	0.17 250	0.08 153	0.10 152	0.16 324	0.14 96	0.10 49	0.08 89	0.09 114	0.08 131	0.07 132	0.10 85	0.09 66	0.06 127	0.04 24	0.06 131	0.05 134	0.05 124	0.04 50

HanStereo	0.09 110	0.06 82	0.13 273	0.17 250	0.08 153	0.10 152	0.16 324	0.14 96	0.10 49	0.08 89	0.09 114	0.08 131	0.07 132	0.10 85	0.09 66	0.06 127	0.04 24	0.06 131	0.05 134	0.05 124	0.04 50

4D-IteraStereo	0.09 110	0.07 175	0.10 142	0.18 332	0.07 86	0.09 99	0.15 258	0.17 201	0.15 186	0.10 164	0.11 188	0.10 194	0.07 132	0.11 137	0.09 66	0.05 35	0.03 1	0.08 323	0.07 312	0.06 232	0.05 151

anonymousdsp	0.09 110	0.07 175	0.11 187	0.16 174	0.09 274	0.11 198	0.15 258	0.16 163	0.12 106	0.09 127	0.06 17	0.06 25	0.06 48	0.11 137	0.09 66	0.05 35	0.04 24	0.06 131	0.05 134	0.05 124	0.06 243

LoS	0.09 110	0.05 28	0.11 187	0.13 14	0.07 86	0.14 324	0.11 56	0.15 132	0.15 186	0.09 127	0.09 114	0.12 239	0.09 203	0.15 328	0.10 148	0.07 277	0.05 211	0.05 35	0.03 1	0.05 124	0.05 151
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 110	0.07 175	0.10 142	0.17 250	0.08 153	0.10 152	0.15 258	0.15 132	0.12 106	0.09 127	0.06 17	0.07 84	0.06 48	0.11 137	0.09 66	0.05 35	0.04 24	0.06 131	0.05 134	0.04 23	0.06 243

RCA-Stereo	0.09 110	0.06 82	0.09 94	0.16 174	0.06 17	0.09 99	0.13 127	0.18 233	0.14 166	0.09 127	0.10 144	0.08 131	0.07 132	0.12 227	0.11 225	0.06 127	0.04 24	0.06 131	0.05 134	0.05 124	0.04 50

CroCo-Stereo Lap2	0.09 110	0.09 357	0.08 42	0.22 498	0.09 274	0.09 99	0.19 448	0.16 163	0.12 106	0.09 127	0.10 144	0.05 4	0.05 13	0.08 19	0.08 17	0.06 127	0.06 348	0.07 232	0.05 134	0.05 124	0.05 151

ccc-4	0.09 110	0.07 175	0.11 187	0.16 174	0.09 274	0.11 198	0.15 258	0.16 163	0.12 106	0.10 164	0.06 17	0.06 25	0.06 48	0.11 137	0.09 66	0.05 35	0.04 24	0.06 131	0.05 134	0.05 124	0.06 243

IGEV-Stereo	0.09 110	0.07 175	0.11 187	0.16 174	0.09 274	0.11 198	0.15 258	0.16 163	0.12 106	0.09 127	0.06 17	0.06 25	0.06 48	0.11 137	0.09 66	0.05 35	0.04 24	0.06 131	0.05 134	0.05 124	0.06 243
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 110	0.05 28	0.13 273	0.14 46	0.08 153	0.12 240	0.15 258	0.18 233	0.10 49	0.11 196	0.08 92	0.08 131	0.05 13	0.10 85	0.09 66	0.06 127	0.04 24	0.06 131	0.05 134	0.06 232	0.05 151

TRStereo	0.09 110	0.05 28	0.12 226	0.15 92	0.12 465	0.10 152	0.13 127	0.18 233	0.18 273	0.09 127	0.09 114	0.09 161	0.06 48	0.10 85	0.08 17	0.07 277	0.05 211	0.07 232	0.07 312	0.04 23	0.04 50

AnonymousM	0.09 110	0.05 28	0.10 142	0.14 46	0.06 17	0.09 99	0.13 127	0.19 261	0.14 166	0.13 266	0.11 188	0.09 161	0.08 173	0.13 277	0.10 148	0.08 347	0.05 211	0.08 323	0.05 134	0.05 124	0.05 151

CroCo-Stereo	0.09 110	0.08 281	0.08 42	0.22 498	0.09 274	0.09 99	0.19 448	0.15 132	0.12 106	0.07 50	0.07 51	0.08 131	0.06 48	0.08 19	0.07 1	0.07 277	0.05 211	0.06 131	0.04 44	0.05 124	0.04 50
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	0.09 110	0.06 82	0.07 9	0.15 92	0.05 1	0.16 379	0.18 409	0.15 132	0.15 186	0.10 164	0.11 188	0.11 221	0.11 271	0.10 85	0.12 284	0.05 35	0.04 24	0.05 35	0.04 44	0.04 23	0.04 50

TANstereo	0.09 110	0.04 1	0.08 42	0.13 14	0.06 17	0.11 198	0.14 180	0.15 132	0.19 290	0.11 196	0.15 251	0.10 194	0.06 48	0.12 227	0.09 66	0.07 277	0.05 211	0.05 35	0.04 44	0.06 232	0.05 151

XX-TBD	0.09 110	0.06 82	0.07 9	0.14 46	0.07 86	0.12 240	0.16 324	0.14 96	0.13 140	0.11 196	0.12 205	0.09 161	0.08 173	0.10 85	0.10 148	0.06 127	0.04 24	0.05 35	0.03 1	0.06 232	0.05 151

raftrobust	0.09 110	0.06 82	0.10 142	0.17 250	0.08 153	0.09 99	0.10 31	0.18 233	0.16 216	0.10 164	0.09 114	0.12 239	0.07 132	0.12 227	0.10 148	0.08 347	0.05 211	0.06 131	0.05 134	0.05 124	0.05 151

XX-Stereo	0.09 110	0.05 28	0.08 42	0.17 250	0.09 274	0.15 350	0.12 79	0.20 272	0.10 49	0.10 164	0.14 233	0.07 84	0.06 48	0.12 227	0.08 17	0.06 127	0.05 211	0.06 131	0.06 218	0.04 23	0.04 50

test_xeample3	0.09 110	0.06 82	0.12 226	0.16 174	0.09 274	0.11 198	0.15 258	0.16 163	0.13 140	0.10 164	0.06 17	0.08 131	0.06 48	0.10 85	0.09 66	0.05 35	0.04 24	0.06 131	0.05 134	0.05 124	0.06 243

RAFT-Stereo + iAFF	0.09 110	0.06 82	0.10 142	0.17 250	0.06 17	0.10 152	0.16 324	0.17 201	0.14 166	0.09 127	0.10 144	0.08 131	0.09 203	0.11 137	0.09 66	0.05 35	0.04 24	0.06 131	0.06 218	0.04 23	0.03 2

AFF-stereo	0.09 110	0.06 82	0.10 142	0.17 250	0.07 86	0.10 152	0.16 324	0.17 201	0.09 31	0.10 164	0.12 205	0.09 161	0.09 203	0.12 227	0.09 66	0.05 35	0.04 24	0.07 232	0.07 312	0.04 23	0.03 2

EAI-Stereo	0.09 110	0.07 175	0.11 187	0.15 92	0.06 17	0.10 152	0.15 258	0.16 163	0.09 31	0.08 89	0.09 114	0.08 131	0.07 132	0.09 42	0.11 225	0.05 35	0.04 24	0.05 35	0.05 134	0.05 124	0.04 50

CFNet-RSSM	0.09 110	0.07 175	0.09 94	0.16 174	0.07 86	0.09 99	0.15 258	0.16 163	0.17 243	0.08 89	0.12 205	0.10 194	0.09 203	0.11 137	0.09 66	0.06 127	0.04 24	0.06 131	0.04 44	0.04 23	0.04 50

Gwc-CoAtRS	0.09 110	0.06 82	0.10 142	0.16 174	0.07 86	0.10 152	0.14 180	0.17 201	0.17 243	0.08 89	0.10 144	0.12 239	0.09 203	0.12 227	0.09 66	0.06 127	0.04 24	0.06 131	0.04 44	0.04 23	0.04 50

CREStereo	0.09 110	0.04 1	0.08 42	0.11 1	0.06 17	0.13 291	0.14 180	0.14 96	0.10 49	0.08 89	0.13 220	0.09 161	0.08 173	0.11 137	0.10 148	0.08 347	0.04 24	0.05 35	0.03 1	0.06 232	0.06 243
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	0.09 110	0.05 28	0.09 94	0.12 5	0.06 17	0.12 240	0.14 180	0.15 132	0.11 76	0.09 127	0.13 220	0.10 194	0.07 132	0.13 277	0.10 148	0.15 543	0.04 24	0.05 35	0.03 1	0.07 304	0.06 243

Hybrid-DGEV-03	0.10 179	0.06 82	0.09 94	0.18 332	0.08 153	0.16 379	0.14 180	0.15 132	0.14 166	0.13 266	0.16 263	0.12 239	0.09 203	0.13 277	0.11 225	0.06 127	0.04 24	0.08 323	0.06 218	0.05 124	0.04 50

WQFJA1	0.10 179	0.07 175	0.08 42	0.20 452	0.09 274	0.12 240	0.17 361	0.17 201	0.17 243	0.09 127	0.10 144	0.08 131	0.10 241	0.12 227	0.11 225	0.06 127	0.07 420	0.07 232	0.06 218	0.06 232	0.05 151

WQFJX1	0.10 179	0.07 175	0.08 42	0.22 498	0.09 274	0.12 240	0.17 361	0.18 233	0.17 243	0.10 164	0.09 114	0.07 84	0.10 241	0.11 137	0.09 66	0.07 277	0.08 449	0.07 232	0.06 218	0.05 124	0.04 50

WQFJX	0.10 179	0.07 175	0.09 94	0.21 483	0.09 274	0.12 240	0.16 324	0.18 233	0.17 243	0.12 236	0.10 144	0.07 84	0.09 203	0.12 227	0.10 148	0.06 127	0.07 420	0.06 131	0.05 134	0.06 232	0.05 151

NLMM	0.10 179	0.07 175	0.08 42	0.20 452	0.09 274	0.12 240	0.17 361	0.17 201	0.17 243	0.09 127	0.10 144	0.08 131	0.10 241	0.12 227	0.11 225	0.06 127	0.07 420	0.07 232	0.06 218	0.06 232	0.05 151

NLSM1	0.10 179	0.07 175	0.07 9	0.19 392	0.08 153	0.13 291	0.16 324	0.21 295	0.15 186	0.11 196	0.10 144	0.06 25	0.10 241	0.10 85	0.11 225	0.07 277	0.08 449	0.08 323	0.07 312	0.05 124	0.05 151

MM-Stereo_test3	0.10 179	0.07 175	0.07 9	0.18 332	0.07 86	0.12 240	0.19 448	0.24 362	0.19 290	0.06 15	0.10 144	0.08 131	0.06 48	0.11 137	0.08 17	0.06 127	0.06 348	0.07 232	0.05 134	0.05 124	0.04 50

MM-Stereo_test1	0.10 179	0.07 175	0.08 42	0.18 332	0.07 86	0.12 240	0.18 409	0.21 295	0.20 313	0.09 127	0.11 188	0.08 131	0.06 48	0.10 85	0.10 148	0.06 127	0.05 211	0.07 232	0.06 218	0.05 124	0.04 50

AIO-test2	0.10 179	0.08 281	0.10 142	0.23 522	0.08 153	0.11 198	0.10 31	0.23 339	0.23 355	0.08 89	0.09 114	0.08 131	0.05 13	0.10 85	0.08 17	0.06 127	0.05 211	0.08 323	0.09 429	0.05 124	0.05 151

AIO-test1	0.10 179	0.07 175	0.10 142	0.23 522	0.07 86	0.09 99	0.13 127	0.21 295	0.14 166	0.11 196	0.12 205	0.09 161	0.07 132	0.11 137	0.09 66	0.06 127	0.05 211	0.09 406	0.10 469	0.03 1	0.06 243

tg	0.10 179	0.06 82	0.10 142	0.18 332	0.08 153	0.11 198	0.16 324	0.20 272	0.12 106	0.08 89	0.11 188	0.11 221	0.07 132	0.11 137	0.10 148	0.05 35	0.04 24	0.08 323	0.08 383	0.04 23	0.04 50

PAM	0.10 179	0.05 28	0.16 392	0.15 92	0.08 153	0.09 99	0.16 324	0.15 132	0.16 216	0.12 236	0.09 114	0.09 161	0.07 132	0.13 277	0.08 17	0.06 127	0.05 211	0.06 131	0.06 218	0.05 124	0.06 243

model_zeroshot	0.10 179	0.04 1	0.11 187	0.15 92	0.09 274	0.12 240	0.14 180	0.20 272	0.13 140	0.11 196	0.10 144	0.12 239	0.07 132	0.12 227	0.10 148	0.07 277	0.06 348	0.06 131	0.05 134	0.06 232	0.06 243

RAStereo	0.10 179	0.09 357	0.08 42	0.20 452	0.08 153	0.13 291	0.18 409	0.15 132	0.17 243	0.10 164	0.12 205	0.05 4	0.06 48	0.09 42	0.08 17	0.07 277	0.05 211	0.07 232	0.05 134	0.05 124	0.04 50

rvit_stereo_0080	0.10 179	0.08 281	0.14 309	0.15 92	0.09 274	0.07 34	0.15 258	0.16 163	0.16 216	0.11 196	0.10 144	0.14 285	0.08 173	0.12 227	0.10 148	0.09 406	0.07 420	0.07 232	0.06 218	0.07 304	0.05 151

H2IRNET	0.10 179	0.09 357	0.09 94	0.18 332	0.09 274	0.12 240	0.15 258	0.14 96	0.21 329	0.10 164	0.10 144	0.10 194	0.10 241	0.10 85	0.10 148	0.05 35	0.04 24	0.08 323	0.08 383	0.06 232	0.05 151

Former-RAFT_DAM_RVC	0.10 179	0.08 281	0.12 226	0.16 174	0.08 153	0.15 350	0.16 324	0.18 233	0.18 273	0.10 164	0.09 114	0.09 161	0.08 173	0.11 137	0.12 284	0.07 277	0.05 211	0.08 323	0.06 218	0.07 304	0.06 243

MyStereo07	0.10 179	0.07 175	0.10 142	0.17 250	0.09 274	0.14 324	0.18 409	0.15 132	0.15 186	0.09 127	0.06 17	0.06 25	0.07 132	0.12 227	0.09 66	0.06 127	0.05 211	0.08 323	0.07 312	0.06 232	0.06 243

MyStereo06	0.10 179	0.07 175	0.12 226	0.17 250	0.09 274	0.13 291	0.18 409	0.19 261	0.12 106	0.12 236	0.08 92	0.07 84	0.07 132	0.11 137	0.09 66	0.06 127	0.05 211	0.07 232	0.07 312	0.06 232	0.06 243

AE-Stereo	0.10 179	0.08 281	0.10 142	0.18 332	0.09 274	0.10 152	0.15 258	0.14 96	0.19 290	0.09 127	0.14 233	0.12 239	0.08 173	0.11 137	0.10 148	0.05 35	0.06 348	0.07 232	0.06 218	0.05 124	0.04 50

ACVNet-DCA	0.10 179	0.08 281	0.12 226	0.17 250	0.09 274	0.13 291	0.15 258	0.23 339	0.16 216	0.09 127	0.09 114	0.06 25	0.06 48	0.10 85	0.07 1	0.06 127	0.04 24	0.06 131	0.05 134	0.07 304	0.07 326

cc1	0.10 179	0.08 281	0.12 226	0.17 250	0.09 274	0.13 291	0.15 258	0.16 163	0.18 273	0.09 127	0.09 114	0.06 25	0.06 48	0.10 85	0.07 1	0.06 127	0.04 24	0.06 131	0.05 134	0.06 232	0.06 243

tt1	0.10 179	0.08 281	0.12 226	0.17 250	0.09 274	0.12 240	0.16 324	0.15 132	0.19 290	0.09 127	0.08 92	0.06 25	0.06 48	0.10 85	0.07 1	0.06 127	0.04 24	0.06 131	0.05 134	0.06 232	0.06 243

whm_eth	0.10 179	0.08 281	0.14 309	0.15 92	0.09 274	0.07 34	0.15 258	0.16 163	0.16 216	0.11 196	0.10 144	0.14 285	0.08 173	0.12 227	0.10 148	0.09 406	0.07 420	0.07 232	0.06 218	0.07 304	0.05 151

plain	0.10 179	0.08 281	0.10 142	0.19 392	0.09 274	0.10 152	0.15 258	0.14 96	0.13 140	0.13 266	0.15 251	0.09 161	0.12 302	0.13 277	0.12 284	0.07 277	0.05 211	0.09 406	0.06 218	0.06 232	0.06 243

Any-RAFT	0.10 179	0.05 28	0.09 94	0.14 46	0.07 86	0.13 291	0.14 180	0.21 295	0.15 186	0.11 196	0.12 205	0.12 239	0.09 203	0.12 227	0.09 66	0.07 277	0.04 24	0.05 35	0.04 44	0.06 232	0.05 151

LL-Strereo2	0.10 179	0.10 416	0.15 358	0.18 332	0.08 153	0.15 350	0.09 18	0.17 201	0.14 166	0.14 288	0.10 144	0.09 161	0.07 132	0.16 363	0.10 148	0.05 35	0.05 211	0.10 453	0.07 312	0.06 232	0.05 151

DCANet-4	0.10 179	0.06 82	0.12 226	0.16 174	0.06 17	0.09 99	0.17 361	0.18 233	0.19 290	0.13 266	0.16 263	0.09 161	0.14 365	0.11 137	0.12 284	0.06 127	0.04 24	0.05 35	0.04 44	0.04 23	0.05 151

fff	0.10 179	0.06 82	0.12 226	0.15 92	0.07 86	0.09 99	0.17 361	0.16 163	0.20 313	0.13 266	0.16 263	0.10 194	0.11 271	0.11 137	0.12 284	0.06 127	0.04 24	0.05 35	0.04 44	0.04 23	0.05 151

ADStereo(finetuned)	0.10 179	0.06 82	0.12 226	0.16 174	0.06 17	0.09 99	0.17 361	0.15 132	0.19 290	0.13 266	0.17 285	0.10 194	0.12 302	0.11 137	0.12 284	0.06 127	0.04 24	0.05 35	0.04 44	0.05 124	0.04 50

test_4	0.10 179	0.10 416	0.08 42	0.19 392	0.09 274	0.08 60	0.22 501	0.15 132	0.17 243	0.12 236	0.18 310	0.12 239	0.09 203	0.08 19	0.11 225	0.04 11	0.04 24	0.08 323	0.08 383	0.04 23	0.03 2

IPLG	0.10 179	0.07 175	0.15 358	0.17 250	0.08 153	0.11 198	0.14 180	0.20 272	0.15 186	0.12 236	0.17 285	0.07 84	0.07 132	0.14 306	0.13 325	0.06 127	0.04 24	0.06 131	0.05 134	0.04 23	0.04 50

test_3	0.10 179	0.09 357	0.10 142	0.20 452	0.08 153	0.13 291	0.26 548	0.14 96	0.21 329	0.10 164	0.10 144	0.09 161	0.09 203	0.08 19	0.11 225	0.05 35	0.04 24	0.08 323	0.07 312	0.04 23	0.04 50

STrans-v2	0.10 179	0.07 175	0.12 226	0.18 332	0.07 86	0.10 152	0.14 180	0.21 295	0.11 76	0.11 196	0.15 251	0.12 239	0.10 241	0.11 137	0.12 284	0.05 35	0.04 24	0.06 131	0.06 218	0.04 23	0.04 50

TransformOpticalFlow	0.10 179	0.08 281	0.13 273	0.18 332	0.07 86	0.09 99	0.15 258	0.19 261	0.15 186	0.12 236	0.17 285	0.11 221	0.11 271	0.11 137	0.10 148	0.05 35	0.04 24	0.06 131	0.06 218	0.05 124	0.05 151

SST-Stereo	0.10 179	0.07 175	0.15 358	0.18 332	0.09 274	0.06 11	0.12 79	0.17 201	0.11 76	0.15 315	0.17 285	0.13 265	0.12 302	0.10 85	0.11 225	0.06 127	0.04 24	0.09 406	0.06 218	0.06 232	0.05 151

cross-raft	0.10 179	0.09 357	0.09 94	0.19 392	0.07 86	0.11 198	0.25 539	0.13 76	0.15 186	0.08 89	0.11 188	0.12 239	0.10 241	0.09 42	0.11 225	0.05 35	0.04 24	0.06 131	0.05 134	0.04 23	0.04 50

test-1	0.10 179	0.07 175	0.16 392	0.19 392	0.08 153	0.11 198	0.24 524	0.14 96	0.18 273	0.09 127	0.07 51	0.09 161	0.08 173	0.07 4	0.09 66	0.06 127	0.04 24	0.06 131	0.05 134	0.04 23	0.04 50

iRaftStereo_RVC	0.10 179	0.07 175	0.09 94	0.17 250	0.09 274	0.11 198	0.17 361	0.18 233	0.12 106	0.09 127	0.12 205	0.10 194	0.07 132	0.11 137	0.10 148	0.05 35	0.04 24	0.08 323	0.08 383	0.04 23	0.04 50

RALCasStereoNet	0.10 179	0.06 82	0.09 94	0.16 174	0.08 153	0.12 240	0.14 180	0.17 201	0.11 76	0.12 236	0.17 285	0.14 285	0.10 241	0.12 227	0.11 225	0.07 277	0.06 348	0.06 131	0.05 134	0.08 366	0.07 326

DCANet	0.10 179	0.06 82	0.12 226	0.16 174	0.06 17	0.09 99	0.17 361	0.15 132	0.19 290	0.13 266	0.17 285	0.10 194	0.11 271	0.11 137	0.12 284	0.06 127	0.04 24	0.05 35	0.04 44	0.05 124	0.04 50

csc	0.10 179	0.06 82	0.12 226	0.15 92	0.07 86	0.09 99	0.17 361	0.16 163	0.20 313	0.13 266	0.16 263	0.10 194	0.11 271	0.11 137	0.12 284	0.06 127	0.04 24	0.05 35	0.04 44	0.04 23	0.05 151

cscssc	0.10 179	0.06 82	0.12 226	0.15 92	0.07 86	0.09 99	0.17 361	0.16 163	0.20 313	0.13 266	0.16 263	0.10 194	0.11 271	0.11 137	0.12 284	0.06 127	0.04 24	0.05 35	0.04 44	0.04 23	0.05 151

111	0.10 179	0.06 82	0.12 226	0.15 92	0.07 86	0.10 152	0.14 180	0.21 295	0.23 355	0.11 196	0.12 205	0.14 285	0.11 271	0.13 277	0.10 148	0.06 127	0.04 24	0.06 131	0.04 44	0.05 124	0.05 151

R-Stereo Train	0.10 179	0.06 82	0.10 142	0.17 250	0.08 153	0.11 198	0.14 180	0.23 339	0.11 76	0.12 236	0.19 319	0.11 221	0.08 173	0.09 42	0.11 225	0.07 277	0.05 211	0.06 131	0.05 134	0.05 124	0.05 151

RAFT-Stereo	0.10 179	0.06 82	0.10 142	0.17 250	0.08 153	0.11 198	0.14 180	0.23 339	0.11 76	0.12 236	0.19 319	0.11 221	0.08 173	0.09 42	0.11 225	0.07 277	0.05 211	0.06 131	0.05 134	0.05 124	0.05 151
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 179	0.06 82	0.12 226	0.14 46	0.06 17	0.11 198	0.10 31	0.18 233	0.18 273	0.13 266	0.16 263	0.14 285	0.11 271	0.15 328	0.13 325	0.06 127	0.04 24	0.04 1	0.04 44	0.06 232	0.05 151
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
Hybrid-DGEV-2	0.11 226	0.06 82	0.12 226	0.18 332	0.09 274	0.09 99	0.13 127	0.28 436	0.29 437	0.11 196	0.11 188	0.09 161	0.12 302	0.12 227	0.09 66	0.06 127	0.05 211	0.07 232	0.07 312	0.05 124	0.05 151

NLMM1	0.11 226	0.09 357	0.07 9	0.22 498	0.10 383	0.12 240	0.20 471	0.18 233	0.20 313	0.12 236	0.11 188	0.07 84	0.09 203	0.11 137	0.11 225	0.08 347	0.08 449	0.07 232	0.06 218	0.04 23	0.04 50

NLCSM	0.11 226	0.09 357	0.09 94	0.23 522	0.11 433	0.12 240	0.19 448	0.18 233	0.18 273	0.12 236	0.11 188	0.07 84	0.09 203	0.11 137	0.10 148	0.07 277	0.08 449	0.07 232	0.07 312	0.06 232	0.05 151

Select-FE	0.11 226	0.06 82	0.20 468	0.15 92	0.11 433	0.11 198	0.13 127	0.21 295	0.18 273	0.09 127	0.11 188	0.10 194	0.06 48	0.12 227	0.09 66	0.07 277	0.05 211	0.07 232	0.08 383	0.06 232	0.08 390

FlowAnything_test	0.11 226	0.08 281	0.14 309	0.15 92	0.09 274	0.07 34	0.14 180	0.20 272	0.11 76	0.09 127	0.09 114	0.12 239	0.12 302	0.13 277	0.11 225	0.09 406	0.06 348	0.09 406	0.09 429	0.06 232	0.09 434

xyz-stereo-finetune2	0.11 226	0.07 175	0.13 273	0.13 14	0.07 86	0.11 198	0.19 448	0.17 201	0.12 106	0.15 315	0.15 251	0.17 348	0.12 302	0.13 277	0.11 225	0.05 35	0.04 24	0.07 232	0.05 134	0.04 23	0.06 243

xyz-stereo-finetune	0.11 226	0.08 281	0.13 273	0.14 46	0.06 17	0.10 152	0.19 448	0.17 201	0.19 290	0.12 236	0.14 233	0.15 314	0.10 241	0.13 277	0.11 225	0.05 35	0.04 24	0.07 232	0.05 134	0.04 23	0.05 151

HI	0.11 226	0.06 82	0.11 187	0.13 14	0.09 274	0.09 99	0.14 180	0.21 295	0.10 49	0.19 404	0.17 285	0.14 285	0.09 203	0.16 363	0.08 17	0.05 35	0.04 24	0.07 232	0.08 383	0.07 304	0.06 243

CoSv	0.11 226	0.06 82	0.11 187	0.13 14	0.09 274	0.09 99	0.14 180	0.21 295	0.10 49	0.19 404	0.17 285	0.14 285	0.09 203	0.16 363	0.08 17	0.05 35	0.04 24	0.07 232	0.08 383	0.07 304	0.06 243

rvit_stereo_0081_aga	0.11 226	0.09 357	0.14 309	0.18 332	0.09 274	0.13 291	0.14 180	0.14 96	0.19 290	0.10 164	0.18 310	0.16 328	0.09 203	0.12 227	0.09 66	0.10 447	0.06 348	0.08 323	0.07 312	0.07 304	0.06 243

rvit_stereo_0081	0.11 226	0.08 281	0.15 358	0.16 174	0.09 274	0.10 152	0.14 180	0.14 96	0.24 371	0.11 196	0.13 220	0.13 265	0.09 203	0.11 137	0.12 284	0.10 447	0.07 420	0.08 323	0.07 312	0.07 304	0.05 151

rvit_stereo_0082	0.11 226	0.08 281	0.15 358	0.16 174	0.09 274	0.10 152	0.14 180	0.14 96	0.24 371	0.11 196	0.13 220	0.13 265	0.09 203	0.11 137	0.12 284	0.10 447	0.07 420	0.08 323	0.07 312	0.07 304	0.05 151

AIO-Stereo-zeroshot1	0.11 226	0.05 28	0.14 309	0.15 92	0.20 566	0.09 99	0.17 361	0.21 295	0.15 186	0.11 196	0.14 233	0.10 194	0.07 132	0.10 85	0.08 17	0.06 127	0.05 211	0.07 232	0.07 312	0.07 304	0.09 434

AIO-Stereo-zeroshot	0.11 226	0.05 28	0.11 187	0.15 92	0.13 488	0.13 291	0.16 324	0.23 339	0.17 243	0.10 164	0.12 205	0.10 194	0.07 132	0.11 137	0.09 66	0.06 127	0.05 211	0.06 131	0.06 218	0.07 304	0.08 390

CAS++	0.11 226	0.07 175	0.11 187	0.14 46	0.09 274	0.12 240	0.14 180	0.24 362	0.14 166	0.11 196	0.09 114	0.11 221	0.07 132	0.14 306	0.09 66	0.11 476	0.09 481	0.09 406	0.07 312	0.07 304	0.08 390
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 226	0.08 281	0.12 226	0.17 250	0.09 274	0.13 291	0.15 258	0.16 163	0.18 273	0.09 127	0.09 114	0.16 328	0.16 409	0.10 85	0.07 1	0.06 127	0.04 24	0.08 323	0.08 383	0.07 304	0.07 326

1test111	0.11 226	0.08 281	0.12 226	0.17 250	0.09 274	0.13 291	0.15 258	0.23 339	0.16 216	0.09 127	0.09 114	0.06 25	0.06 48	0.15 328	0.16 405	0.06 127	0.04 24	0.06 131	0.05 134	0.07 304	0.07 326

MIF-Stereo (partial)	0.11 226	0.06 82	0.10 142	0.19 392	0.10 383	0.10 152	0.11 56	0.17 201	0.18 273	0.14 288	0.16 263	0.09 161	0.11 271	0.12 227	0.12 284	0.08 347	0.05 211	0.08 323	0.07 312	0.06 232	0.07 326

EKT-Stereo	0.11 226	0.07 175	0.14 309	0.15 92	0.10 383	0.13 291	0.14 180	0.18 233	0.21 329	0.11 196	0.08 92	0.12 239	0.09 203	0.11 137	0.12 284	0.08 347	0.06 348	0.07 232	0.06 218	0.08 366	0.07 326

anonymousdsp2	0.11 226	0.07 175	0.10 142	0.16 174	0.09 274	0.13 291	0.14 180	0.18 233	0.22 344	0.13 266	0.14 233	0.12 239	0.09 203	0.14 306	0.11 225	0.05 35	0.04 24	0.05 35	0.04 44	0.06 232	0.05 151

DCRE	0.11 226	0.07 175	0.13 273	0.16 174	0.11 433	0.11 198	0.17 361	0.18 233	0.17 243	0.11 196	0.18 310	0.10 194	0.10 241	0.15 328	0.11 225	0.06 127	0.05 211	0.06 131	0.06 218	0.05 124	0.04 50

knoymous	0.11 226	0.05 28	0.12 226	0.13 14	0.07 86	0.15 350	0.14 180	0.19 261	0.13 140	0.11 196	0.17 285	0.13 265	0.09 203	0.13 277	0.11 225	0.08 347	0.05 211	0.06 131	0.05 134	0.08 366	0.07 326

riskmin	0.11 226	0.06 82	0.13 273	0.14 46	0.08 153	0.14 324	0.14 180	0.18 233	0.14 166	0.11 196	0.14 233	0.16 328	0.11 271	0.14 306	0.12 284	0.09 406	0.05 211	0.07 232	0.05 134	0.08 366	0.08 390

Selective-RAFT	0.11 226	0.10 416	0.11 187	0.21 483	0.08 153	0.16 379	0.13 127	0.20 272	0.22 344	0.10 164	0.10 144	0.11 221	0.10 241	0.15 328	0.11 225	0.05 35	0.05 211	0.06 131	0.05 134	0.06 232	0.05 151

DisPM	0.11 226	0.07 175	0.12 226	0.16 174	0.09 274	0.06 11	0.13 127	0.17 201	0.17 243	0.14 288	0.20 331	0.12 239	0.10 241	0.11 137	0.10 148	0.06 127	0.04 24	0.07 232	0.06 218	0.06 232	0.11 487

CIPLG	0.11 226	0.08 281	0.14 309	0.17 250	0.08 153	0.12 240	0.15 258	0.17 201	0.15 186	0.14 288	0.11 188	0.16 328	0.09 203	0.16 363	0.11 225	0.07 277	0.05 211	0.06 131	0.05 134	0.05 124	0.06 243

GLC_STEREO	0.11 226	0.07 175	0.11 187	0.17 250	0.07 86	0.09 99	0.13 127	0.15 132	0.24 371	0.12 236	0.13 220	0.12 239	0.08 173	0.18 416	0.11 225	0.06 127	0.08 449	0.08 323	0.06 218	0.05 124	0.05 151

IPLGR_C	0.11 226	0.08 281	0.14 309	0.17 250	0.08 153	0.12 240	0.15 258	0.17 201	0.15 186	0.14 288	0.10 144	0.16 328	0.09 203	0.16 363	0.11 225	0.07 277	0.05 211	0.06 131	0.05 134	0.05 124	0.06 243

MIPNet	0.11 226	0.08 281	0.14 309	0.17 250	0.09 274	0.12 240	0.14 180	0.20 272	0.24 371	0.11 196	0.10 144	0.09 161	0.07 132	0.13 277	0.12 284	0.06 127	0.04 24	0.06 131	0.05 134	0.04 23	0.04 50

IPLGR	0.11 226	0.09 357	0.16 392	0.18 332	0.08 153	0.12 240	0.17 361	0.21 295	0.24 371	0.11 196	0.12 205	0.11 221	0.08 173	0.12 227	0.12 284	0.06 127	0.05 211	0.06 131	0.06 218	0.04 23	0.04 50

GMOStereo	0.11 226	0.09 357	0.07 9	0.19 392	0.08 153	0.12 240	0.28 561	0.13 76	0.17 243	0.11 196	0.17 285	0.14 285	0.12 302	0.07 4	0.07 1	0.05 35	0.05 211	0.09 406	0.07 312	0.04 23	0.04 50

error version	0.11 226	0.09 357	0.07 9	0.19 392	0.08 153	0.12 240	0.28 561	0.13 76	0.17 243	0.11 196	0.17 285	0.14 285	0.12 302	0.07 4	0.07 1	0.05 35	0.05 211	0.09 406	0.07 312	0.04 23	0.04 50

test-v	0.11 226	0.09 357	0.07 9	0.19 392	0.08 153	0.12 240	0.28 561	0.13 76	0.17 243	0.11 196	0.17 285	0.14 285	0.12 302	0.07 4	0.07 1	0.05 35	0.05 211	0.09 406	0.07 312	0.04 23	0.04 50

ACRE	0.11 226	0.08 281	0.14 309	0.17 250	0.08 153	0.12 240	0.15 258	0.17 201	0.14 166	0.14 288	0.10 144	0.16 328	0.09 203	0.16 363	0.11 225	0.07 277	0.05 211	0.06 131	0.05 134	0.05 124	0.06 243

PFNet+	0.11 226	0.06 82	0.13 273	0.16 174	0.09 274	0.05 4	0.12 79	0.17 201	0.21 329	0.16 343	0.19 319	0.14 285	0.10 241	0.11 137	0.11 225	0.08 347	0.05 211	0.09 406	0.08 383	0.06 232	0.11 487

LCNet	0.11 226	0.07 175	0.09 94	0.19 392	0.09 274	0.08 60	0.15 258	0.21 295	0.15 186	0.11 196	0.15 251	0.16 328	0.11 271	0.12 227	0.11 225	0.05 35	0.04 24	0.08 323	0.07 312	0.06 232	0.15 545

HHNet	0.11 226	0.06 82	0.16 392	0.15 92	0.14 508	0.07 34	0.13 127	0.20 272	0.17 243	0.14 288	0.25 413	0.11 221	0.08 173	0.13 277	0.10 148	0.05 35	0.04 24	0.08 323	0.06 218	0.05 124	0.09 434

Patchmatch Stereo++	0.11 226	0.09 357	0.16 392	0.18 332	0.08 153	0.06 11	0.11 56	0.16 163	0.13 140	0.15 315	0.16 263	0.14 285	0.12 302	0.11 137	0.10 148	0.06 127	0.04 24	0.08 323	0.06 218	0.08 366	0.07 326
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	0.11 226	0.07 175	0.16 392	0.19 392	0.09 274	0.08 60	0.13 127	0.18 233	0.13 140	0.16 343	0.21 353	0.13 265	0.14 365	0.11 137	0.14 361	0.06 127	0.04 24	0.09 406	0.06 218	0.06 232	0.05 151

OMP-Stereo	0.11 226	0.06 82	0.14 309	0.18 332	0.08 153	0.09 99	0.12 79	0.21 295	0.21 329	0.13 266	0.14 233	0.11 221	0.12 302	0.11 137	0.13 325	0.06 127	0.04 24	0.07 232	0.06 218	0.05 124	0.04 50

IIG-Stereo	0.11 226	0.06 82	0.13 273	0.17 250	0.08 153	0.11 198	0.12 79	0.22 319	0.17 243	0.14 288	0.17 285	0.11 221	0.12 302	0.12 227	0.12 284	0.06 127	0.05 211	0.07 232	0.06 218	0.05 124	0.04 50

NF-Stereo	0.11 226	0.07 175	0.13 273	0.17 250	0.09 274	0.10 152	0.14 180	0.23 339	0.19 290	0.12 236	0.17 285	0.12 239	0.11 271	0.11 137	0.11 225	0.06 127	0.04 24	0.07 232	0.06 218	0.06 232	0.12 500

OCTAStereo	0.11 226	0.07 175	0.13 273	0.17 250	0.09 274	0.10 152	0.14 180	0.23 339	0.19 290	0.12 236	0.17 285	0.12 239	0.11 271	0.11 137	0.11 225	0.06 127	0.04 24	0.07 232	0.06 218	0.06 232	0.12 500

NRIStereo	0.11 226	0.08 281	0.14 309	0.18 332	0.08 153	0.10 152	0.14 180	0.16 163	0.15 186	0.12 236	0.14 233	0.13 265	0.12 302	0.13 277	0.10 148	0.06 127	0.04 24	0.07 232	0.06 218	0.06 232	0.07 326

PSM-adaLoss	0.11 226	0.09 357	0.16 392	0.18 332	0.08 153	0.06 11	0.12 79	0.16 163	0.13 140	0.15 315	0.16 263	0.14 285	0.12 302	0.11 137	0.10 148	0.06 127	0.04 24	0.08 323	0.06 218	0.08 366	0.07 326

PSM-AAD	0.11 226	0.07 175	0.10 142	0.19 392	0.09 274	0.10 152	0.15 258	0.20 272	0.13 140	0.12 236	0.14 233	0.18 361	0.11 271	0.11 137	0.10 148	0.05 35	0.05 211	0.09 406	0.08 383	0.06 232	0.14 538

ROB_FTStereo_v2	0.11 226	0.09 357	0.16 392	0.19 392	0.08 153	0.06 11	0.12 79	0.16 163	0.13 140	0.15 315	0.16 263	0.14 285	0.12 302	0.11 137	0.10 148	0.06 127	0.04 24	0.08 323	0.06 218	0.08 366	0.07 326

ROB_FTStereo	0.11 226	0.09 357	0.16 392	0.19 392	0.08 153	0.06 11	0.11 56	0.16 163	0.13 140	0.15 315	0.16 263	0.14 285	0.12 302	0.11 137	0.10 148	0.06 127	0.04 24	0.08 323	0.06 218	0.08 366	0.07 326

KYRaft	0.11 226	0.07 175	0.10 142	0.19 392	0.09 274	0.08 60	0.15 258	0.22 319	0.12 106	0.13 266	0.16 263	0.20 387	0.10 241	0.12 227	0.10 148	0.05 35	0.04 24	0.08 323	0.08 383	0.06 232	0.16 556

HUI-Stereo	0.11 226	0.09 357	0.16 392	0.18 332	0.08 153	0.06 11	0.12 79	0.16 163	0.13 140	0.15 315	0.16 263	0.14 285	0.12 302	0.11 137	0.10 148	0.06 127	0.04 24	0.08 323	0.06 218	0.08 366	0.07 326

ASMatch	0.11 226	0.06 82	0.13 273	0.16 174	0.10 383	0.07 34	0.14 180	0.17 201	0.17 243	0.12 236	0.16 263	0.16 328	0.10 241	0.13 277	0.10 148	0.05 35	0.04 24	0.06 131	0.05 134	0.04 23	0.08 390

RAFT_R40	0.11 226	0.07 175	0.14 309	0.18 332	0.09 274	0.06 11	0.13 127	0.17 201	0.16 216	0.14 288	0.18 310	0.15 314	0.12 302	0.10 85	0.11 225	0.06 127	0.04 24	0.09 406	0.06 218	0.06 232	0.05 151

GrayStereo	0.11 226	0.06 82	0.11 187	0.19 392	0.09 274	0.09 99	0.16 324	0.18 233	0.17 243	0.14 288	0.17 285	0.17 348	0.11 271	0.12 227	0.11 225	0.05 35	0.05 211	0.07 232	0.06 218	0.05 124	0.10 461

RE-Stereo	0.11 226	0.07 175	0.13 273	0.17 250	0.09 274	0.10 152	0.14 180	0.23 339	0.19 290	0.12 236	0.17 285	0.12 239	0.11 271	0.11 137	0.11 225	0.06 127	0.04 24	0.07 232	0.06 218	0.06 232	0.12 500

Pruner-Stereo	0.11 226	0.07 175	0.12 226	0.17 250	0.09 274	0.06 11	0.12 79	0.17 201	0.17 243	0.13 266	0.19 319	0.13 265	0.09 203	0.11 137	0.11 225	0.06 127	0.04 24	0.07 232	0.06 218	0.06 232	0.08 390

TVStereo	0.11 226	0.07 175	0.13 273	0.17 250	0.09 274	0.10 152	0.14 180	0.23 339	0.19 290	0.12 236	0.17 285	0.12 239	0.11 271	0.11 137	0.11 225	0.06 127	0.04 24	0.07 232	0.06 218	0.06 232	0.12 500

DeepStereo_RVC	0.11 226	0.08 281	0.16 392	0.18 332	0.08 153	0.08 60	0.12 79	0.17 201	0.12 106	0.13 266	0.14 233	0.12 239	0.12 302	0.12 227	0.11 225	0.06 127	0.04 24	0.07 232	0.06 218	0.07 304	0.08 390

iGMRVC	0.11 226	0.09 357	0.16 392	0.19 392	0.08 153	0.06 11	0.12 79	0.16 163	0.13 140	0.15 315	0.16 263	0.14 285	0.12 302	0.11 137	0.10 148	0.06 127	0.04 24	0.08 323	0.06 218	0.08 366	0.07 326

RAFT-RH_RVC	0.11 226	0.06 82	0.14 309	0.16 174	0.09 274	0.12 240	0.12 79	0.17 201	0.12 106	0.13 266	0.41 544	0.11 221	0.10 241	0.13 277	0.12 284	0.05 35	0.04 24	0.08 323	0.05 134	0.04 23	0.06 243

RAFT-345	0.11 226	0.07 175	0.15 358	0.16 174	0.08 153	0.08 60	0.12 79	0.15 132	0.10 49	0.11 196	0.36 507	0.09 161	0.09 203	0.11 137	0.12 284	0.05 35	0.05 211	0.07 232	0.06 218	0.04 23	0.05 151

iRAFT	0.11 226	0.09 357	0.16 392	0.18 332	0.08 153	0.06 11	0.11 56	0.16 163	0.13 140	0.15 315	0.16 263	0.14 285	0.12 302	0.11 137	0.10 148	0.06 127	0.04 24	0.08 323	0.06 218	0.08 366	0.07 326

CRE-IMP	0.11 226	0.09 357	0.16 392	0.19 392	0.08 153	0.10 152	0.12 79	0.18 233	0.10 49	0.14 288	0.13 220	0.13 265	0.12 302	0.12 227	0.11 225	0.07 277	0.04 24	0.08 323	0.06 218	0.08 366	0.08 390

test-2	0.11 226	0.09 357	0.07 9	0.19 392	0.08 153	0.12 240	0.28 561	0.13 76	0.17 243	0.11 196	0.17 285	0.14 285	0.12 302	0.07 4	0.07 1	0.05 35	0.05 211	0.09 406	0.07 312	0.04 23	0.04 50

GMM-Stereo	0.11 226	0.07 175	0.10 142	0.18 332	0.09 274	0.08 60	0.15 258	0.23 339	0.16 216	0.11 196	0.15 251	0.13 265	0.11 271	0.11 137	0.11 225	0.05 35	0.04 24	0.08 323	0.07 312	0.06 232	0.09 434

RAFT-IKP	0.11 226	0.09 357	0.16 392	0.19 392	0.08 153	0.06 11	0.12 79	0.16 163	0.13 140	0.15 315	0.16 263	0.14 285	0.12 302	0.11 137	0.10 148	0.06 127	0.04 24	0.08 323	0.06 218	0.08 366	0.07 326

Prome-Stereo	0.11 226	0.06 82	0.10 142	0.18 332	0.08 153	0.12 240	0.15 258	0.22 319	0.13 140	0.12 236	0.17 285	0.13 265	0.08 173	0.12 227	0.10 148	0.05 35	0.04 24	0.07 232	0.06 218	0.06 232	0.09 434

rafts_anoy	0.11 226	0.06 82	0.10 142	0.17 250	0.08 153	0.10 152	0.14 180	0.17 201	0.14 166	0.13 266	0.13 220	0.12 239	0.10 241	0.11 137	0.12 284	0.07 277	0.04 24	0.09 406	0.11 501	0.07 304	0.06 243

raft+_RVC	0.11 226	0.07 175	0.09 94	0.16 174	0.07 86	0.10 152	0.11 56	0.24 362	0.20 313	0.12 236	0.15 251	0.12 239	0.08 173	0.12 227	0.13 325	0.07 277	0.04 24	0.07 232	0.06 218	0.05 124	0.05 151

RALAANet	0.11 226	0.08 281	0.10 142	0.17 250	0.09 274	0.14 324	0.10 31	0.20 272	0.15 186	0.14 288	0.13 220	0.16 328	0.09 203	0.12 227	0.11 225	0.06 127	0.05 211	0.07 232	0.06 218	0.05 124	0.04 50

DIP-Stereo	0.11 226	0.07 175	0.14 309	0.17 250	0.09 274	0.13 291	0.09 18	0.16 163	0.16 216	0.11 196	0.16 263	0.14 285	0.12 302	0.15 328	0.13 325	0.06 127	0.05 211	0.06 131	0.05 134	0.05 124	0.06 243
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0083	0.12 296	0.08 281	0.17 422	0.16 174	0.09 274	0.11 198	0.15 258	0.14 96	0.26 406	0.11 196	0.14 233	0.13 265	0.10 241	0.12 227	0.12 284	0.10 447	0.08 449	0.09 406	0.07 312	0.07 304	0.05 151

rvit_stereo_ft	0.12 296	0.07 175	0.13 273	0.19 392	0.10 383	0.12 240	0.17 361	0.16 163	0.16 216	0.12 236	0.13 220	0.15 314	0.10 241	0.14 306	0.13 325	0.09 406	0.06 348	0.08 323	0.07 312	0.07 304	0.05 151

test_sample2	0.12 296	0.07 175	0.12 226	0.14 46	0.08 153	0.16 379	0.18 409	0.21 295	0.16 216	0.14 288	0.20 331	0.19 375	0.15 383	0.15 328	0.12 284	0.08 347	0.05 211	0.07 232	0.06 218	0.08 366	0.07 326

MyStereo8	0.12 296	0.07 175	0.15 358	0.15 92	0.09 274	0.18 420	0.14 180	0.19 261	0.22 344	0.12 236	0.18 310	0.11 221	0.10 241	0.16 363	0.18 438	0.07 277	0.05 211	0.07 232	0.05 134	0.08 366	0.09 434

CoDeX	0.12 296	0.07 175	0.12 226	0.17 250	0.08 153	0.12 240	0.15 258	0.23 339	0.27 416	0.13 266	0.17 285	0.16 328	0.11 271	0.14 306	0.11 225	0.07 277	0.05 211	0.07 232	0.06 218	0.06 232	0.05 151

11t1	0.12 296	0.06 82	0.13 273	0.14 46	0.08 153	0.17 401	0.15 258	0.18 233	0.15 186	0.15 315	0.15 251	0.16 328	0.16 409	0.15 328	0.13 325	0.08 347	0.05 211	0.06 131	0.05 134	0.08 366	0.07 326

ffm	0.12 296	0.09 357	0.14 309	0.16 174	0.08 153	0.17 401	0.17 361	0.15 132	0.19 290	0.15 315	0.25 413	0.19 375	0.13 341	0.10 85	0.07 1	0.06 127	0.04 24	0.09 406	0.08 383	0.06 232	0.06 243

RAFT_CTSACE	0.12 296	0.09 357	0.10 142	0.22 498	0.08 153	0.12 240	0.24 524	0.18 233	0.16 216	0.20 427	0.27 439	0.13 265	0.07 132	0.13 277	0.09 66	0.05 35	0.06 348	0.08 323	0.07 312	0.04 23	0.04 50

Sa-1000	0.12 296	0.08 281	0.08 42	0.18 332	0.08 153	0.14 324	0.22 501	0.22 319	0.18 273	0.15 315	0.20 331	0.17 348	0.11 271	0.10 85	0.10 148	0.06 127	0.05 211	0.09 406	0.09 429	0.05 124	0.05 151

SA	0.12 296	0.09 357	0.08 42	0.18 332	0.08 153	0.12 240	0.24 524	0.23 339	0.18 273	0.17 358	0.27 439	0.14 285	0.11 271	0.11 137	0.11 225	0.05 35	0.05 211	0.09 406	0.08 383	0.05 124	0.04 50

iRaft-Stereo_5w	0.12 296	0.09 357	0.12 226	0.19 392	0.08 153	0.09 99	0.12 79	0.21 295	0.21 329	0.19 404	0.14 233	0.11 221	0.09 203	0.20 456	0.16 405	0.05 35	0.05 211	0.07 232	0.06 218	0.05 124	0.06 243

CrosDoStereo	0.12 296	0.06 82	0.12 226	0.14 46	0.08 153	0.12 240	0.15 258	0.17 201	0.22 344	0.19 404	0.24 385	0.15 314	0.11 271	0.11 137	0.12 284	0.06 127	0.04 24	0.07 232	0.07 312	0.05 124	0.05 151

PSM-softLoss	0.12 296	0.07 175	0.15 358	0.17 250	0.09 274	0.08 60	0.13 127	0.24 362	0.17 243	0.14 288	0.19 319	0.13 265	0.11 271	0.11 137	0.11 225	0.07 277	0.05 211	0.08 323	0.07 312	0.06 232	0.12 500

KMStereo	0.12 296	0.07 175	0.15 358	0.17 250	0.09 274	0.08 60	0.13 127	0.24 362	0.17 243	0.14 288	0.19 319	0.13 265	0.11 271	0.11 137	0.11 225	0.07 277	0.05 211	0.08 323	0.07 312	0.06 232	0.12 500

FTStereo	0.12 296	0.06 82	0.14 309	0.18 332	0.09 274	0.07 34	0.15 258	0.21 295	0.18 273	0.12 236	0.24 385	0.12 239	0.12 302	0.13 277	0.13 325	0.05 35	0.05 211	0.07 232	0.06 218	0.06 232	0.10 461

DeepStereo_LL	0.12 296	0.06 82	0.12 226	0.14 46	0.08 153	0.12 240	0.15 258	0.17 201	0.22 344	0.19 404	0.24 385	0.15 314	0.11 271	0.11 137	0.12 284	0.06 127	0.04 24	0.07 232	0.07 312	0.05 124	0.05 151

DEmStereo	0.12 296	0.06 82	0.14 309	0.14 46	0.10 383	0.16 379	0.15 258	0.16 163	0.24 371	0.17 358	0.24 385	0.13 265	0.14 365	0.12 227	0.13 325	0.05 35	0.04 24	0.07 232	0.06 218	0.05 124	0.05 151

THIR-Stereo	0.12 296	0.07 175	0.11 187	0.15 92	0.08 153	0.14 324	0.16 324	0.17 201	0.25 392	0.16 343	0.24 385	0.14 285	0.12 302	0.12 227	0.14 361	0.06 127	0.04 24	0.07 232	0.07 312	0.05 124	0.05 151

DRaft	0.12 296	0.06 82	0.11 187	0.14 46	0.09 274	0.14 324	0.17 361	0.21 295	0.30 447	0.17 358	0.28 453	0.10 194	0.15 383	0.10 85	0.12 284	0.05 35	0.04 24	0.07 232	0.06 218	0.05 124	0.05 151

PFNet	0.12 296	0.06 82	0.17 422	0.17 250	0.08 153	0.09 99	0.15 258	0.26 396	0.20 313	0.16 343	0.16 263	0.14 285	0.11 271	0.12 227	0.11 225	0.06 127	0.04 24	0.07 232	0.06 218	0.05 124	0.05 151

IRAFT_RVC	0.12 296	0.08 281	0.16 392	0.19 392	0.08 153	0.07 34	0.15 258	0.24 362	0.23 355	0.14 288	0.14 233	0.15 314	0.12 302	0.12 227	0.10 148	0.06 127	0.04 24	0.09 406	0.06 218	0.06 232	0.06 243

sCroCo_RVC	0.12 296	0.09 357	0.23 492	0.24 531	0.11 433	0.19 443	0.14 180	0.17 201	0.14 166	0.10 164	0.13 220	0.12 239	0.07 132	0.14 306	0.11 225	0.08 347	0.08 449	0.08 323	0.08 383	0.05 124	0.07 326

ARAFT	0.12 296	0.08 281	0.17 422	0.19 392	0.09 274	0.14 324	0.18 409	0.20 272	0.12 106	0.12 236	0.13 220	0.14 285	0.11 271	0.15 328	0.12 284	0.06 127	0.05 211	0.10 453	0.09 429	0.05 124	0.04 50

BEATNet_4x	0.12 296	0.08 281	0.14 309	0.18 332	0.07 86	0.15 350	0.07 3	0.22 319	0.18 273	0.16 343	0.19 319	0.18 361	0.14 365	0.16 363	0.15 389	0.07 277	0.05 211	0.05 35	0.05 134	0.06 232	0.06 243

MLCV	0.12 296	0.07 175	0.16 392	0.18 332	0.06 17	0.15 350	0.17 361	0.19 261	0.21 329	0.18 388	0.25 413	0.17 348	0.13 341	0.14 306	0.13 325	0.05 35	0.04 24	0.05 35	0.04 44	0.05 124	0.04 50

G2L-ROB	0.13 321	0.06 82	0.13 273	0.13 14	0.08 153	0.14 324	0.16 324	0.25 378	0.18 273	0.19 404	0.18 310	0.20 387	0.14 365	0.17 395	0.16 405	0.08 347	0.05 211	0.06 131	0.05 134	0.08 366	0.09 434

xyz-stereo	0.13 321	0.07 175	0.20 468	0.15 92	0.05 1	0.20 458	0.15 258	0.17 201	0.31 454	0.15 315	0.29 465	0.26 462	0.16 409	0.13 277	0.12 284	0.05 35	0.05 211	0.06 131	0.05 134	0.04 23	0.04 50

DFGA-Net	0.13 321	0.11 442	0.18 444	0.17 250	0.10 383	0.12 240	0.13 127	0.22 319	0.25 392	0.16 343	0.16 263	0.13 265	0.12 302	0.16 363	0.14 361	0.07 277	0.05 211	0.08 323	0.07 312	0.05 124	0.05 151

FACV-RUCA	0.13 321	0.11 442	0.12 226	0.19 392	0.12 465	0.15 350	0.15 258	0.22 319	0.20 313	0.15 315	0.16 263	0.14 285	0.16 409	0.14 306	0.13 325	0.07 277	0.05 211	0.08 323	0.06 218	0.10 460	0.08 390

UGAM	0.13 321	0.10 416	0.09 94	0.22 498	0.08 153	0.12 240	0.20 471	0.17 201	0.23 355	0.21 441	0.16 263	0.13 265	0.13 341	0.19 431	0.12 284	0.07 277	0.05 211	0.13 518	0.11 501	0.07 304	0.05 151

test_sample1	0.13 321	0.07 175	0.14 309	0.13 14	0.08 153	0.19 443	0.16 324	0.20 272	0.15 186	0.14 288	0.22 364	0.18 361	0.16 409	0.17 395	0.14 361	0.07 277	0.06 348	0.06 131	0.06 218	0.08 366	0.07 326

qqq1	0.13 321	0.07 175	0.17 422	0.14 46	0.08 153	0.16 379	0.17 361	0.26 396	0.27 416	0.19 404	0.20 331	0.18 361	0.15 383	0.15 328	0.11 225	0.08 347	0.05 211	0.05 35	0.05 134	0.06 232	0.06 243

fff1	0.13 321	0.07 175	0.17 422	0.14 46	0.08 153	0.16 379	0.17 361	0.26 396	0.27 416	0.19 404	0.20 331	0.18 361	0.15 383	0.15 328	0.11 225	0.08 347	0.05 211	0.05 35	0.05 134	0.06 232	0.06 243

MyStereo05	0.13 321	0.07 175	0.10 142	0.17 250	0.09 274	0.13 291	0.18 409	0.27 417	0.35 489	0.17 358	0.14 233	0.15 314	0.11 271	0.15 328	0.13 325	0.06 127	0.05 211	0.07 232	0.07 312	0.06 232	0.06 243

MyStereo04	0.13 321	0.07 175	0.10 142	0.17 250	0.09 274	0.14 324	0.18 409	0.29 449	0.38 507	0.17 358	0.14 233	0.16 328	0.10 241	0.15 328	0.13 325	0.06 127	0.05 211	0.08 323	0.07 312	0.06 232	0.06 243

ff1	0.13 321	0.09 357	0.14 309	0.16 174	0.08 153	0.17 401	0.17 361	0.15 132	0.19 290	0.15 315	0.25 413	0.19 375	0.13 341	0.14 306	0.20 457	0.06 127	0.04 24	0.09 406	0.08 383	0.06 232	0.06 243

StereoVision	0.13 321	0.12 460	0.09 94	0.24 531	0.10 383	0.15 350	0.21 491	0.21 295	0.20 313	0.12 236	0.24 385	0.10 194	0.10 241	0.16 363	0.10 148	0.09 406	0.11 513	0.12 503	0.12 521	0.06 232	0.05 151

LL-Strereo	0.13 321	0.09 357	0.11 187	0.20 452	0.10 383	0.11 198	0.18 409	0.32 484	0.24 371	0.15 315	0.15 251	0.14 285	0.13 341	0.19 431	0.11 225	0.06 127	0.04 24	0.09 406	0.08 383	0.04 23	0.05 151

CASS	0.13 321	0.12 460	0.11 187	0.23 522	0.09 274	0.15 350	0.17 361	0.18 233	0.19 290	0.17 358	0.18 310	0.15 314	0.15 383	0.14 306	0.14 361	0.09 406	0.06 348	0.10 453	0.08 383	0.09 429	0.07 326
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 321	0.07 175	0.13 273	0.18 332	0.09 274	0.13 291	0.17 361	0.19 261	0.29 437	0.15 315	0.24 385	0.15 314	0.14 365	0.14 306	0.14 361	0.07 277	0.05 211	0.07 232	0.09 429	0.05 124	0.06 243

TestStereo1	0.13 321	0.08 281	0.08 42	0.19 392	0.08 153	0.18 420	0.29 570	0.23 339	0.16 216	0.17 358	0.20 331	0.16 328	0.10 241	0.12 227	0.13 325	0.06 127	0.06 348	0.08 323	0.06 218	0.05 124	0.05 151

qqq	0.13 321	0.09 357	0.15 358	0.16 174	0.08 153	0.13 291	0.15 258	0.23 339	0.16 216	0.15 315	0.19 319	0.16 328	0.16 409	0.15 328	0.16 405	0.07 277	0.06 348	0.08 323	0.08 383	0.07 304	0.07 326

x	0.13 321	0.07 175	0.14 309	0.14 46	0.08 153	0.18 420	0.14 180	0.22 319	0.20 313	0.15 315	0.19 319	0.19 375	0.17 432	0.18 416	0.18 438	0.07 277	0.05 211	0.06 131	0.06 218	0.07 304	0.07 326

raft_robust	0.13 321	0.10 416	0.07 9	0.18 332	0.08 153	0.13 291	0.24 524	0.28 436	0.33 468	0.20 427	0.19 319	0.14 285	0.10 241	0.11 137	0.12 284	0.05 35	0.05 211	0.07 232	0.07 312	0.05 124	0.04 50

RAFT+CT+SA	0.13 321	0.11 442	0.09 94	0.19 392	0.09 274	0.15 350	0.28 561	0.22 319	0.22 344	0.15 315	0.26 430	0.10 194	0.10 241	0.11 137	0.12 284	0.05 35	0.04 24	0.07 232	0.08 383	0.07 304	0.06 243

SA-5K	0.13 321	0.08 281	0.08 42	0.19 392	0.08 153	0.18 420	0.29 570	0.23 339	0.16 216	0.17 358	0.20 331	0.16 328	0.10 241	0.12 227	0.13 325	0.06 127	0.06 348	0.08 323	0.06 218	0.05 124	0.05 151

GwcNet-ADL	0.13 321	0.08 281	0.14 309	0.20 452	0.09 274	0.11 198	0.20 471	0.30 463	0.24 371	0.13 266	0.14 233	0.18 361	0.14 365	0.13 277	0.14 361	0.07 277	0.05 211	0.06 131	0.05 134	0.07 304	0.06 243

GANet-ADL	0.13 321	0.07 175	0.15 358	0.17 250	0.10 383	0.18 420	0.15 258	0.30 463	0.20 313	0.13 266	0.18 310	0.19 375	0.12 302	0.16 363	0.13 325	0.08 347	0.06 348	0.06 131	0.05 134	0.07 304	0.08 390

RAFT	0.13 321	0.09 357	0.11 187	0.18 332	0.08 153	0.15 350	0.24 524	0.20 272	0.19 290	0.21 441	0.21 353	0.17 348	0.12 302	0.16 363	0.09 66	0.06 127	0.07 420	0.10 453	0.09 429	0.05 124	0.05 151

TestStereo	0.13 321	0.14 500	0.11 187	0.23 522	0.08 153	0.15 350	0.21 491	0.20 272	0.23 355	0.14 288	0.24 385	0.16 328	0.12 302	0.16 363	0.14 361	0.05 35	0.06 348	0.08 323	0.06 218	0.09 429	0.05 151

sAnonymous2	0.13 321	0.12 460	0.24 496	0.20 452	0.12 465	0.17 401	0.13 127	0.26 396	0.21 329	0.11 196	0.11 188	0.13 265	0.08 173	0.10 85	0.10 148	0.09 406	0.05 211	0.08 323	0.06 218	0.15 545	0.10 461

CroCo_RVC	0.13 321	0.12 460	0.24 496	0.20 452	0.12 465	0.17 401	0.13 127	0.26 396	0.21 329	0.11 196	0.11 188	0.13 265	0.08 173	0.10 85	0.10 148	0.09 406	0.05 211	0.08 323	0.06 218	0.15 545	0.10 461

RAFT + AFF	0.13 321	0.07 175	0.20 468	0.20 452	0.10 383	0.14 324	0.24 524	0.26 396	0.20 313	0.11 196	0.10 144	0.12 239	0.10 241	0.15 328	0.12 284	0.07 277	0.06 348	0.09 406	0.08 383	0.06 232	0.08 390

GMStereo	0.13 321	0.14 500	0.14 309	0.18 332	0.09 274	0.15 350	0.16 324	0.20 272	0.24 371	0.16 343	0.17 285	0.10 194	0.10 241	0.16 363	0.13 325	0.07 277	0.06 348	0.06 131	0.06 218	0.07 304	0.06 243
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 321	0.07 175	0.14 309	0.17 250	0.09 274	0.15 350	0.16 324	0.28 436	0.27 416	0.14 288	0.17 285	0.12 239	0.13 341	0.14 306	0.11 225	0.08 347	0.05 211	0.07 232	0.07 312	0.07 304	0.06 243

FENet	0.13 321	0.08 281	0.12 226	0.16 174	0.08 153	0.14 324	0.15 258	0.22 319	0.23 355	0.17 358	0.23 373	0.16 328	0.12 302	0.14 306	0.15 389	0.08 347	0.05 211	0.08 323	0.08 383	0.07 304	0.07 326

cf-r	0.13 321	0.07 175	0.12 226	0.16 174	0.08 153	0.14 324	0.19 448	0.20 272	0.25 392	0.17 358	0.25 413	0.21 396	0.16 409	0.14 306	0.14 361	0.10 447	0.05 211	0.06 131	0.08 383	0.06 232	0.06 243

iResNet	0.13 321	0.10 416	0.18 444	0.19 392	0.08 153	0.13 291	0.18 409	0.20 272	0.26 406	0.15 315	0.23 373	0.15 314	0.13 341	0.14 306	0.14 361	0.06 127	0.04 24	0.06 131	0.05 134	0.06 232	0.05 151

DN-CSS_ROB	0.13 321	0.13 488	0.16 392	0.18 332	0.10 383	0.16 379	0.08 7	0.22 319	0.18 273	0.17 358	0.22 364	0.13 265	0.13 341	0.12 227	0.13 325	0.05 35	0.05 211	0.10 453	0.10 469	0.08 366	0.06 243

G2L-Stereo_test	0.14 355	0.07 175	0.11 187	0.13 14	0.08 153	0.12 240	0.16 324	0.30 463	0.28 430	0.20 427	0.23 373	0.20 387	0.16 409	0.17 395	0.18 438	0.07 277	0.05 211	0.05 35	0.05 134	0.07 304	0.06 243

coex_refinement	0.14 355	0.07 175	0.12 226	0.17 250	0.10 383	0.15 350	0.15 258	0.26 396	0.29 437	0.18 388	0.20 331	0.22 414	0.17 432	0.16 363	0.18 438	0.08 347	0.05 211	0.06 131	0.06 218	0.09 429	0.08 390

G2L-Stereo	0.14 355	0.07 175	0.13 273	0.17 250	0.09 274	0.13 291	0.12 79	0.27 417	0.22 344	0.16 343	0.27 439	0.21 396	0.13 341	0.17 395	0.18 438	0.09 406	0.08 449	0.08 323	0.07 312	0.07 304	0.07 326

rvit_0105_6	0.14 355	0.09 357	0.18 444	0.17 250	0.10 383	0.10 152	0.16 324	0.19 261	0.26 406	0.12 236	0.18 310	0.17 348	0.12 302	0.18 416	0.12 284	0.15 543	0.11 513	0.12 503	0.10 469	0.09 429	0.06 243

rvit_0105_5	0.14 355	0.09 357	0.13 273	0.17 250	0.09 274	0.14 324	0.23 512	0.24 362	0.27 416	0.14 288	0.15 251	0.18 361	0.12 302	0.17 395	0.14 361	0.14 539	0.11 513	0.10 453	0.10 469	0.08 366	0.06 243

rvit_0105_4	0.14 355	0.09 357	0.17 422	0.17 250	0.10 383	0.12 240	0.19 448	0.23 339	0.27 416	0.14 288	0.20 331	0.17 348	0.13 341	0.17 395	0.13 325	0.15 543	0.11 513	0.11 484	0.10 469	0.09 429	0.06 243

DCVSM-stereo	0.14 355	0.09 357	0.16 392	0.16 174	0.10 383	0.15 350	0.09 18	0.19 261	0.23 355	0.20 427	0.23 373	0.26 462	0.15 383	0.18 416	0.14 361	0.09 406	0.07 420	0.09 406	0.08 383	0.10 460	0.12 500

test_sample6	0.14 355	0.08 281	0.13 273	0.16 174	0.08 153	0.17 401	0.19 448	0.25 378	0.17 243	0.17 358	0.27 439	0.19 375	0.14 365	0.15 328	0.13 325	0.08 347	0.05 211	0.08 323	0.07 312	0.08 366	0.08 390

test_sample5	0.14 355	0.08 281	0.14 309	0.16 174	0.08 153	0.18 420	0.18 409	0.25 378	0.17 243	0.17 358	0.27 439	0.18 361	0.14 365	0.16 363	0.13 325	0.08 347	0.05 211	0.08 323	0.07 312	0.08 366	0.08 390

test_sample4	0.14 355	0.08 281	0.14 309	0.15 92	0.08 153	0.19 443	0.18 409	0.26 396	0.17 243	0.16 343	0.25 413	0.18 361	0.14 365	0.16 363	0.13 325	0.08 347	0.06 348	0.08 323	0.06 218	0.08 366	0.08 390

test_sample3	0.14 355	0.08 281	0.15 358	0.14 46	0.09 274	0.19 443	0.17 361	0.26 396	0.18 273	0.16 343	0.22 364	0.19 375	0.15 383	0.17 395	0.13 325	0.08 347	0.06 348	0.07 232	0.06 218	0.09 429	0.08 390

DispNO	0.14 355	0.08 281	0.17 422	0.19 392	0.12 465	0.11 198	0.21 491	0.23 339	0.29 437	0.17 358	0.23 373	0.18 361	0.17 432	0.15 328	0.15 389	0.07 277	0.05 211	0.08 323	0.08 383	0.07 304	0.06 243

SMFormer	0.14 355	0.07 175	0.17 422	0.14 46	0.08 153	0.16 379	0.17 361	0.26 396	0.27 416	0.19 404	0.20 331	0.18 361	0.15 383	0.15 328	0.17 420	0.08 347	0.05 211	0.07 232	0.06 218	0.07 304	0.06 243

tta	0.14 355	0.07 175	0.17 422	0.14 46	0.08 153	0.16 379	0.17 361	0.26 396	0.27 416	0.19 404	0.20 331	0.18 361	0.15 383	0.15 328	0.17 420	0.08 347	0.05 211	0.07 232	0.06 218	0.06 232	0.06 243

mmm	0.14 355	0.08 281	0.17 422	0.17 250	0.09 274	0.17 401	0.18 409	0.21 295	0.15 186	0.15 315	0.23 373	0.21 396	0.16 409	0.16 363	0.17 420	0.08 347	0.05 211	0.08 323	0.07 312	0.07 304	0.07 326

DualNet	0.14 355	0.08 281	0.14 309	0.16 174	0.08 153	0.18 420	0.18 409	0.25 378	0.17 243	0.17 358	0.27 439	0.18 361	0.14 365	0.16 363	0.13 325	0.08 347	0.05 211	0.08 323	0.07 312	0.08 366	0.08 390

mmx	0.14 355	0.09 357	0.14 309	0.16 174	0.08 153	0.17 401	0.17 361	0.27 417	0.25 392	0.15 315	0.25 413	0.19 375	0.13 341	0.14 306	0.20 457	0.08 347	0.06 348	0.09 406	0.08 383	0.08 366	0.08 390

xxx	0.14 355	0.09 357	0.14 309	0.16 174	0.08 153	0.17 401	0.17 361	0.27 417	0.25 392	0.15 315	0.25 413	0.19 375	0.13 341	0.14 306	0.20 457	0.08 347	0.06 348	0.09 406	0.08 383	0.08 366	0.08 390

PCWNet_CMD	0.14 355	0.08 281	0.15 358	0.17 250	0.09 274	0.14 324	0.14 180	0.29 449	0.36 493	0.14 288	0.20 331	0.21 396	0.12 302	0.17 395	0.13 325	0.07 277	0.05 211	0.07 232	0.07 312	0.07 304	0.07 326

CBFPSM	0.14 355	0.06 82	0.26 504	0.17 250	0.09 274	0.13 291	0.15 258	0.22 319	0.23 355	0.20 427	0.27 439	0.24 438	0.16 409	0.16 363	0.18 438	0.06 127	0.06 348	0.06 131	0.07 312	0.07 304	0.07 326

gwcnet-sp	0.14 355	0.07 175	0.12 226	0.18 332	0.09 274	0.16 379	0.17 361	0.24 362	0.24 371	0.18 388	0.24 385	0.15 314	0.16 409	0.15 328	0.15 389	0.08 347	0.06 348	0.07 232	0.08 383	0.08 366	0.07 326

scenet	0.14 355	0.07 175	0.12 226	0.18 332	0.09 274	0.16 379	0.17 361	0.24 362	0.24 371	0.18 388	0.24 385	0.15 314	0.16 409	0.15 328	0.15 389	0.08 347	0.06 348	0.07 232	0.08 383	0.08 366	0.07 326

ssnet	0.14 355	0.07 175	0.12 226	0.18 332	0.09 274	0.16 379	0.17 361	0.24 362	0.24 371	0.18 388	0.24 385	0.15 314	0.16 409	0.15 328	0.15 389	0.08 347	0.06 348	0.07 232	0.08 383	0.08 366	0.07 326

BUS	0.14 355	0.09 357	0.14 309	0.22 498	0.10 383	0.19 443	0.14 180	0.34 513	0.19 290	0.17 358	0.22 364	0.16 328	0.13 341	0.15 328	0.13 325	0.08 347	0.06 348	0.10 453	0.09 429	0.07 304	0.07 326

IER	0.14 355	0.07 175	0.13 273	0.17 250	0.09 274	0.14 324	0.16 324	0.25 378	0.26 406	0.18 388	0.25 413	0.17 348	0.20 474	0.16 363	0.14 361	0.08 347	0.05 211	0.07 232	0.06 218	0.08 366	0.07 326

test_5	0.14 355	0.12 460	0.08 42	0.20 452	0.10 383	0.14 324	0.29 570	0.21 295	0.24 371	0.18 388	0.28 453	0.11 221	0.15 383	0.12 227	0.13 325	0.06 127	0.05 211	0.07 232	0.08 383	0.08 366	0.07 326

psmg	0.14 355	0.09 357	0.14 309	0.17 250	0.10 383	0.15 350	0.17 361	0.29 449	0.19 290	0.17 358	0.21 353	0.25 452	0.16 409	0.15 328	0.14 361	0.08 347	0.06 348	0.08 323	0.08 383	0.07 304	0.06 243

UDGNet	0.14 355	0.13 488	0.16 392	0.17 250	0.10 383	0.12 240	0.16 324	0.21 295	0.27 416	0.20 427	0.20 331	0.16 328	0.13 341	0.16 363	0.13 325	0.10 447	0.06 348	0.09 406	0.07 312	0.06 232	0.07 326

CFNet_pseudo	0.14 355	0.08 281	0.15 358	0.16 174	0.09 274	0.13 291	0.14 180	0.27 417	0.34 480	0.14 288	0.21 353	0.22 414	0.13 341	0.18 416	0.14 361	0.07 277	0.05 211	0.08 323	0.06 218	0.07 304	0.07 326

GES	0.14 355	0.08 281	0.16 392	0.15 92	0.10 383	0.13 291	0.13 127	0.28 436	0.25 392	0.16 343	0.23 373	0.18 361	0.13 341	0.16 363	0.13 325	0.08 347	0.07 420	0.07 232	0.06 218	0.08 366	0.09 434

GANet-RSSM	0.14 355	0.07 175	0.13 273	0.13 14	0.08 153	0.14 324	0.17 361	0.22 319	0.21 329	0.17 358	0.24 385	0.23 432	0.15 383	0.16 363	0.15 389	0.10 447	0.06 348	0.07 232	0.08 383	0.08 366	0.07 326

PSMNet-RSSM	0.14 355	0.07 175	0.13 273	0.15 92	0.08 153	0.13 291	0.16 324	0.24 362	0.24 371	0.16 343	0.28 453	0.22 414	0.14 365	0.15 328	0.13 325	0.11 476	0.06 348	0.09 406	0.12 521	0.08 366	0.07 326

GwcNet-RSSM	0.14 355	0.07 175	0.12 226	0.15 92	0.08 153	0.15 350	0.20 471	0.21 295	0.27 416	0.18 388	0.27 439	0.22 414	0.16 409	0.14 306	0.15 389	0.10 447	0.05 211	0.07 232	0.09 429	0.07 304	0.07 326

CFNet-ft	0.14 355	0.07 175	0.15 358	0.12 5	0.09 274	0.16 379	0.18 409	0.22 319	0.24 371	0.17 358	0.26 430	0.24 438	0.14 365	0.16 363	0.14 361	0.11 476	0.06 348	0.08 323	0.09 429	0.09 429	0.08 390

DMCA	0.14 355	0.09 357	0.16 392	0.19 392	0.09 274	0.15 350	0.17 361	0.23 339	0.27 416	0.14 288	0.19 319	0.17 348	0.18 446	0.15 328	0.17 420	0.10 447	0.06 348	0.08 323	0.06 218	0.09 429	0.10 461

RASNet	0.14 355	0.07 175	0.14 309	0.16 174	0.08 153	0.18 420	0.14 180	0.29 449	0.20 313	0.17 358	0.25 413	0.21 396	0.18 446	0.20 456	0.19 451	0.07 277	0.06 348	0.06 131	0.08 383	0.06 232	0.06 243

MSMDNet	0.14 355	0.08 281	0.15 358	0.17 250	0.09 274	0.14 324	0.14 180	0.29 449	0.36 493	0.14 288	0.21 353	0.21 396	0.12 302	0.17 395	0.14 361	0.07 277	0.05 211	0.07 232	0.07 312	0.07 304	0.07 326

HSM-Net_RVC	0.14 355	0.08 281	0.11 187	0.15 92	0.08 153	0.15 350	0.15 258	0.27 417	0.29 437	0.19 404	0.21 353	0.29 488	0.14 365	0.17 395	0.13 325	0.06 127	0.06 348	0.06 131	0.06 218	0.07 304	0.06 243
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 355	0.07 175	0.15 358	0.12 5	0.09 274	0.16 379	0.18 409	0.22 319	0.24 371	0.17 358	0.26 430	0.24 438	0.14 365	0.16 363	0.14 361	0.11 476	0.06 348	0.08 323	0.09 429	0.09 429	0.08 390

ccs_rob	0.14 355	0.08 281	0.15 358	0.16 174	0.09 274	0.12 240	0.14 180	0.27 417	0.34 480	0.14 288	0.21 353	0.22 414	0.13 341	0.18 416	0.14 361	0.07 277	0.05 211	0.08 323	0.07 312	0.07 304	0.07 326

UCFNet_RVC	0.14 355	0.08 281	0.13 273	0.11 1	0.10 383	0.20 458	0.10 31	0.24 362	0.22 344	0.17 358	0.20 331	0.23 432	0.15 383	0.17 395	0.15 389	0.12 500	0.07 420	0.10 453	0.13 531	0.11 483	0.10 461

iResNetv2_ROB	0.14 355	0.08 281	0.15 358	0.16 174	0.08 153	0.16 379	0.12 79	0.25 378	0.35 489	0.21 441	0.29 465	0.24 438	0.13 341	0.14 306	0.14 361	0.06 127	0.05 211	0.06 131	0.04 44	0.09 429	0.08 390

iResNet_ROB	0.14 355	0.07 175	0.13 273	0.14 46	0.07 86	0.18 420	0.14 180	0.26 396	0.31 454	0.22 457	0.25 413	0.23 432	0.15 383	0.15 328	0.13 325	0.07 277	0.05 211	0.05 35	0.04 44	0.08 366	0.08 390

DDVS	0.15 398	0.10 416	0.21 477	0.16 174	0.12 465	0.15 350	0.14 180	0.25 378	0.19 290	0.18 388	0.29 465	0.27 470	0.12 302	0.19 431	0.15 389	0.09 406	0.06 348	0.09 406	0.07 312	0.11 483	0.11 487

rvit_0105_3	0.15 398	0.09 357	0.14 309	0.19 392	0.12 465	0.15 350	0.25 539	0.25 378	0.29 437	0.15 315	0.17 285	0.20 387	0.13 341	0.17 395	0.14 361	0.13 525	0.11 513	0.12 503	0.14 535	0.07 304	0.06 243

ACV-stereo	0.15 398	0.10 416	0.28 516	0.18 332	0.12 465	0.14 324	0.12 79	0.23 339	0.21 329	0.19 404	0.23 373	0.22 414	0.15 383	0.23 497	0.17 420	0.07 277	0.06 348	0.07 232	0.07 312	0.07 304	0.07 326

ITSA-stereo	0.15 398	0.10 416	0.14 309	0.19 392	0.08 153	0.12 240	0.14 180	0.30 463	0.49 553	0.17 358	0.19 319	0.22 414	0.15 383	0.17 395	0.16 405	0.10 447	0.06 348	0.08 323	0.08 383	0.08 366	0.08 390

test_sample7	0.15 398	0.10 416	0.16 392	0.14 46	0.11 433	0.16 379	0.16 324	0.27 417	0.23 355	0.20 427	0.20 331	0.24 438	0.19 462	0.16 363	0.16 405	0.12 500	0.06 348	0.10 453	0.09 429	0.10 460	0.10 461

1111x	0.15 398	0.08 281	0.12 226	0.18 332	0.07 86	0.18 420	0.25 539	0.31 473	0.24 371	0.17 358	0.24 385	0.26 462	0.15 383	0.13 277	0.23 498	0.07 277	0.07 420	0.08 323	0.09 429	0.07 304	0.06 243

CFNet_ucs	0.15 398	0.08 281	0.16 392	0.16 174	0.11 433	0.14 324	0.14 180	0.30 463	0.34 480	0.16 343	0.24 385	0.23 432	0.14 365	0.18 416	0.15 389	0.09 406	0.06 348	0.08 323	0.07 312	0.09 429	0.09 434

BSDual-CNN	0.15 398	0.09 357	0.14 309	0.22 498	0.10 383	0.14 324	0.15 258	0.34 513	0.19 290	0.17 358	0.22 364	0.25 452	0.16 409	0.15 328	0.14 361	0.08 347	0.06 348	0.10 453	0.09 429	0.07 304	0.07 326

hknet	0.15 398	0.11 442	0.13 273	0.22 498	0.11 433	0.14 324	0.15 258	0.34 513	0.25 392	0.17 358	0.22 364	0.22 414	0.18 446	0.17 395	0.12 284	0.07 277	0.06 348	0.10 453	0.09 429	0.07 304	0.07 326

dd	0.15 398	0.16 518	0.16 392	0.19 392	0.09 274	0.15 350	0.18 409	0.21 295	0.25 392	0.23 470	0.20 331	0.21 396	0.09 203	0.21 473	0.16 405	0.10 447	0.06 348	0.08 323	0.06 218	0.08 366	0.06 243

DAS	0.15 398	0.08 281	0.18 444	0.19 392	0.10 383	0.19 443	0.17 361	0.27 417	0.29 437	0.18 388	0.25 413	0.21 396	0.15 383	0.16 363	0.12 284	0.08 347	0.06 348	0.06 131	0.06 218	0.07 304	0.07 326

SepStereo	0.15 398	0.08 281	0.18 444	0.19 392	0.10 383	0.19 443	0.17 361	0.27 417	0.29 437	0.18 388	0.25 413	0.21 396	0.15 383	0.25 511	0.12 284	0.08 347	0.06 348	0.06 131	0.06 218	0.07 304	0.07 326

PSMNet-ADL	0.15 398	0.12 460	0.13 273	0.22 498	0.09 274	0.13 291	0.20 471	0.26 396	0.23 355	0.18 388	0.20 331	0.24 438	0.16 409	0.18 416	0.17 420	0.08 347	0.08 449	0.08 323	0.11 501	0.08 366	0.07 326

LMCR-Stereo	0.15 398	0.08 281	0.13 273	0.21 483	0.09 274	0.17 401	0.20 471	0.27 417	0.19 290	0.24 479	0.24 385	0.23 432	0.17 432	0.20 456	0.17 420	0.07 277	0.06 348	0.08 323	0.06 218	0.10 460	0.08 390

ICVP	0.15 398	0.09 357	0.12 226	0.22 498	0.09 274	0.17 401	0.21 491	0.25 378	0.23 355	0.18 388	0.30 472	0.26 462	0.18 446	0.17 395	0.14 361	0.09 406	0.07 420	0.08 323	0.07 312	0.07 304	0.07 326
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 398	0.07 175	0.14 309	0.14 46	0.08 153	0.23 499	0.18 409	0.31 473	0.19 290	0.14 288	0.28 453	0.22 414	0.14 365	0.15 328	0.26 532	0.09 406	0.05 211	0.07 232	0.07 312	0.08 366	0.07 326

test_xeample	0.15 398	0.06 82	0.13 273	0.14 46	0.08 153	0.21 475	0.20 471	0.28 436	0.20 313	0.16 343	0.29 465	0.19 375	0.16 409	0.15 328	0.26 532	0.09 406	0.05 211	0.07 232	0.07 312	0.07 304	0.07 326

ACVNet	0.15 398	0.09 357	0.15 358	0.13 14	0.12 465	0.14 324	0.20 471	0.22 319	0.33 468	0.17 358	0.26 430	0.21 396	0.16 409	0.17 395	0.21 477	0.07 277	0.06 348	0.06 131	0.06 218	0.08 366	0.06 243

acv_ft	0.15 398	0.09 357	0.15 358	0.19 392	0.10 383	0.16 379	0.17 361	0.25 378	0.33 468	0.19 404	0.26 430	0.21 396	0.17 432	0.17 395	0.18 438	0.07 277	0.06 348	0.06 131	0.06 218	0.08 366	0.06 243

CFNet	0.15 398	0.10 416	0.17 422	0.17 250	0.08 153	0.18 420	0.09 18	0.28 436	0.25 392	0.19 404	0.24 385	0.24 438	0.17 432	0.17 395	0.14 361	0.08 347	0.06 348	0.09 406	0.10 469	0.07 304	0.06 243

AdaStereo	0.15 398	0.11 442	0.15 358	0.18 332	0.09 274	0.20 458	0.11 56	0.32 484	0.28 430	0.20 427	0.23 373	0.20 387	0.13 341	0.19 431	0.14 361	0.12 500	0.05 211	0.10 453	0.07 312	0.09 429	0.07 326
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	0.15 398	0.08 281	0.14 309	0.16 174	0.09 274	0.16 379	0.14 180	0.28 436	0.25 392	0.19 404	0.23 373	0.37 542	0.16 409	0.20 456	0.15 389	0.07 277	0.05 211	0.07 232	0.06 218	0.07 304	0.06 243

pmcnn	0.15 398	0.07 175	0.19 456	0.15 92	0.07 86	0.20 458	0.15 258	0.24 362	0.26 406	0.21 441	0.34 500	0.28 480	0.18 446	0.18 416	0.17 420	0.07 277	0.05 211	0.05 35	0.04 44	0.07 304	0.06 243

DStereoRT	0.16 421	0.06 82	0.11 187	0.19 392	0.09 274	0.12 240	0.12 79	0.28 436	0.22 344	0.12 236	0.20 331	0.11 221	0.10 241	0.15 328	0.14 361	0.06 127	0.05 211	0.96 617	0.09 429	0.05 124	0.04 50

DualNet (step1)	0.16 421	0.12 460	0.20 468	0.12 5	0.14 508	0.17 401	0.13 127	0.27 417	0.23 355	0.20 427	0.20 331	0.24 438	0.19 462	0.16 363	0.16 405	0.15 543	0.06 348	0.14 530	0.14 535	0.14 529	0.12 500

GMStereo_Zeroshot	0.16 421	0.13 488	0.24 496	0.20 452	0.10 383	0.17 401	0.13 127	0.29 449	0.25 392	0.23 470	0.32 484	0.25 452	0.11 271	0.19 431	0.14 361	0.09 406	0.06 348	0.11 484	0.06 218	0.12 498	0.08 390

iinet-f	0.16 421	0.06 82	0.45 561	0.14 46	0.10 383	0.21 475	0.14 180	0.27 417	0.23 355	0.21 441	0.24 385	0.21 396	0.15 383	0.18 416	0.21 477	0.09 406	0.07 420	0.07 232	0.06 218	0.09 429	0.10 461

CRFU-Net	0.16 421	0.08 281	0.14 309	0.17 250	0.09 274	0.19 443	0.14 180	0.26 396	0.20 313	0.28 519	0.27 439	0.29 488	0.17 432	0.19 431	0.17 420	0.09 406	0.09 481	0.07 232	0.07 312	0.08 366	0.08 390

NINENet	0.16 421	0.10 416	0.15 358	0.17 250	0.11 433	0.19 443	0.14 180	0.40 557	0.36 493	0.18 388	0.21 353	0.16 328	0.13 341	0.15 328	0.13 325	0.08 347	0.08 449	0.10 453	0.07 312	0.10 460	0.09 434

CSP-Net	0.16 421	0.09 357	0.14 309	0.16 174	0.09 274	0.19 443	0.17 361	0.25 378	0.32 461	0.25 492	0.30 472	0.24 438	0.15 383	0.21 473	0.18 438	0.09 406	0.06 348	0.07 232	0.07 312	0.08 366	0.07 326

AASNet	0.16 421	0.08 281	0.12 226	0.19 392	0.09 274	0.18 420	0.15 258	0.37 541	0.37 500	0.19 404	0.23 373	0.20 387	0.16 409	0.17 395	0.20 457	0.10 447	0.08 449	0.08 323	0.07 312	0.09 429	0.09 434

AACVNet	0.16 421	0.08 281	0.14 309	0.15 92	0.10 383	0.18 420	0.15 258	0.23 339	0.24 371	0.27 504	0.27 439	0.28 480	0.17 432	0.19 431	0.16 405	0.09 406	0.07 420	0.09 406	0.07 312	0.10 460	0.09 434

ADLNet2	0.16 421	0.09 357	0.13 273	0.16 174	0.09 274	0.20 458	0.16 324	0.31 473	0.39 510	0.16 343	0.20 331	0.20 387	0.18 446	0.21 473	0.22 486	0.08 347	0.06 348	0.07 232	0.07 312	0.09 429	0.07 326

Anonymous3	0.16 421	0.13 488	0.33 536	0.26 547	0.14 508	0.27 535	0.17 361	0.28 436	0.28 430	0.15 315	0.17 285	0.14 285	0.10 241	0.15 328	0.12 284	0.08 347	0.08 449	0.08 323	0.08 383	0.08 366	0.11 487

ADLNet	0.16 421	0.08 281	0.15 358	0.16 174	0.10 383	0.16 379	0.17 361	0.32 484	0.27 416	0.22 457	0.27 439	0.24 438	0.16 409	0.18 416	0.21 477	0.10 447	0.06 348	0.10 453	0.10 469	0.08 366	0.09 434

HCRNet	0.16 421	0.24 564	0.12 226	0.35 580	0.11 433	0.15 350	0.17 361	0.26 396	0.22 344	0.19 404	0.24 385	0.21 396	0.14 365	0.15 328	0.13 325	0.11 476	0.07 420	0.11 484	0.10 469	0.09 429	0.07 326

222	0.16 421	0.07 175	0.14 309	0.14 46	0.08 153	0.24 504	0.18 409	0.30 463	0.20 313	0.17 358	0.28 453	0.17 348	0.16 409	0.15 328	0.40 585	0.10 447	0.05 211	0.07 232	0.06 218	0.07 304	0.08 390

UPFNet	0.16 421	0.08 281	0.12 226	0.20 452	0.12 465	0.20 458	0.23 512	0.28 436	0.26 406	0.17 358	0.24 385	0.22 414	0.19 462	0.19 431	0.21 477	0.09 406	0.07 420	0.08 323	0.09 429	0.08 366	0.06 243

ac_64	0.16 421	0.08 281	0.15 358	0.18 332	0.10 383	0.22 484	0.18 409	0.24 362	0.21 329	0.18 388	0.24 385	0.29 488	0.18 446	0.19 431	0.22 486	0.09 406	0.07 420	0.08 323	0.09 429	0.07 304	0.06 243

DSFCA	0.16 421	0.09 357	0.14 309	0.16 174	0.10 383	0.20 458	0.19 448	0.28 436	0.31 454	0.23 470	0.24 385	0.22 414	0.15 383	0.19 431	0.20 457	0.10 447	0.07 420	0.09 406	0.09 429	0.08 366	0.08 390

FADNet-RVC-Resample	0.16 421	0.11 442	0.31 529	0.22 498	0.11 433	0.19 443	0.14 180	0.25 378	0.24 371	0.24 479	0.27 439	0.20 387	0.15 383	0.16 363	0.15 389	0.07 277	0.08 449	0.12 503	0.10 469	0.09 429	0.10 461

FADNet_RVC	0.16 421	0.14 500	0.40 554	0.20 452	0.11 433	0.13 291	0.13 127	0.26 396	0.22 344	0.21 441	0.23 373	0.20 387	0.17 432	0.14 306	0.16 405	0.08 347	0.08 449	0.12 503	0.09 429	0.11 483	0.10 461

AANet_RVC	0.16 421	0.10 416	0.10 142	0.18 332	0.09 274	0.18 420	0.19 448	0.26 396	0.31 454	0.22 457	0.35 504	0.21 396	0.21 478	0.22 486	0.16 405	0.06 127	0.05 211	0.06 131	0.06 218	0.07 304	0.06 243

DeepPruner_ROB	0.16 421	0.11 442	0.15 358	0.17 250	0.10 383	0.17 401	0.15 258	0.32 484	0.21 329	0.19 404	0.21 353	0.22 414	0.18 446	0.20 456	0.15 389	0.13 525	0.09 481	0.09 406	0.09 429	0.11 483	0.10 461

z-ln-s-r	0.17 442	0.10 416	0.40 554	0.19 392	0.08 153	0.17 401	0.18 409	0.22 319	0.33 468	0.18 388	0.40 533	0.22 414	0.17 432	0.20 456	0.23 498	0.07 277	0.05 211	0.07 232	0.07 312	0.07 304	0.05 151

rvit_stereo_0075_2	0.17 442	0.12 460	0.25 501	0.23 522	0.16 538	0.13 291	0.10 31	0.30 463	0.27 416	0.20 427	0.28 453	0.22 414	0.15 383	0.18 416	0.13 325	0.16 559	0.10 501	0.17 552	0.10 469	0.10 460	0.09 434

ToySt	0.17 442	0.11 442	0.18 444	0.17 250	0.11 433	0.16 379	0.25 539	0.24 362	0.33 468	0.19 404	0.24 385	0.26 462	0.24 501	0.19 431	0.20 457	0.07 277	0.08 449	0.09 406	0.10 469	0.09 429	0.08 390

ssnet_v2	0.17 442	0.10 416	0.17 422	0.17 250	0.11 433	0.21 475	0.21 491	0.33 504	0.25 392	0.22 457	0.22 364	0.27 470	0.18 446	0.22 486	0.20 457	0.11 476	0.09 481	0.09 406	0.09 429	0.08 366	0.08 390

dad	0.17 442	0.20 549	0.20 468	0.16 174	0.11 433	0.20 458	0.18 409	0.21 295	0.28 430	0.30 533	0.24 385	0.29 488	0.13 341	0.19 431	0.16 405	0.18 565	0.09 481	0.11 484	0.09 429	0.11 483	0.07 326

GEStereo_RVC	0.17 442	0.12 460	0.15 358	0.22 498	0.11 433	0.19 443	0.17 361	0.32 484	0.48 546	0.20 427	0.25 413	0.17 348	0.13 341	0.21 473	0.16 405	0.10 447	0.06 348	0.08 323	0.07 312	0.09 429	0.08 390

MMNet	0.17 442	0.09 357	0.16 392	0.20 452	0.11 433	0.27 535	0.20 471	0.25 378	0.41 519	0.22 457	0.30 472	0.21 396	0.20 474	0.17 395	0.20 457	0.06 127	0.06 348	0.07 232	0.07 312	0.08 366	0.07 326

delet	0.17 442	0.08 281	0.17 422	0.19 392	0.11 433	0.20 458	0.21 491	0.30 463	0.37 500	0.17 358	0.26 430	0.19 375	0.19 462	0.19 431	0.21 477	0.08 347	0.08 449	0.09 406	0.11 501	0.06 232	0.06 243

UNet	0.17 442	0.09 357	0.18 444	0.19 392	0.12 465	0.27 535	0.19 448	0.33 504	0.29 437	0.21 441	0.24 385	0.23 432	0.19 462	0.19 431	0.18 438	0.07 277	0.06 348	0.08 323	0.07 312	0.08 366	0.06 243

HGLStereo	0.17 442	0.08 281	0.19 456	0.17 250	0.12 465	0.18 420	0.18 409	0.31 473	0.32 461	0.21 441	0.32 484	0.25 452	0.18 446	0.19 431	0.20 457	0.09 406	0.09 481	0.07 232	0.07 312	0.09 429	0.10 461

DMCA-RVC	0.17 442	0.10 416	0.15 358	0.24 531	0.11 433	0.18 420	0.18 409	0.25 378	0.24 371	0.21 441	0.26 430	0.25 452	0.27 524	0.18 416	0.20 457	0.12 500	0.08 449	0.13 518	0.10 469	0.10 460	0.08 390

TDLM	0.17 442	0.12 460	0.13 273	0.24 531	0.10 383	0.18 420	0.18 409	0.36 535	0.30 447	0.21 441	0.28 453	0.28 480	0.18 446	0.23 497	0.18 438	0.11 476	0.07 420	0.10 453	0.10 469	0.08 366	0.08 390

NLCA_NET_v2_RVC	0.17 442	0.10 416	0.22 483	0.20 452	0.10 383	0.15 350	0.18 409	0.31 473	0.25 392	0.21 441	0.30 472	0.25 452	0.17 432	0.21 473	0.20 457	0.09 406	0.06 348	0.08 323	0.08 383	0.07 304	0.08 390
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	0.17 442	0.12 460	0.15 358	0.20 452	0.09 274	0.18 420	0.18 409	0.26 396	0.23 355	0.26 498	0.40 533	0.22 414	0.17 432	0.21 473	0.20 457	0.08 347	0.05 211	0.09 406	0.10 469	0.07 304	0.07 326
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 456	0.08 281	0.19 456	0.19 392	0.13 488	0.15 350	0.12 79	0.30 463	0.32 461	0.21 441	0.25 413	0.27 470	0.17 432	0.17 395	0.20 457	0.20 572	0.08 449	0.14 530	0.14 535	0.14 529	0.17 565

test_sample9	0.18 456	0.12 460	0.20 468	0.12 5	0.14 508	0.17 401	0.13 127	0.27 417	0.23 355	0.20 427	0.20 331	0.24 438	0.19 462	0.19 431	0.17 420	0.15 543	0.30 592	0.14 530	0.14 535	0.14 529	0.12 500

fast-acv-ft	0.18 456	0.11 442	0.19 456	0.19 392	0.12 465	0.24 504	0.21 491	0.25 378	0.34 480	0.22 457	0.34 500	0.27 470	0.20 474	0.21 473	0.23 498	0.09 406	0.09 481	0.08 323	0.10 469	0.08 366	0.07 326

HBP-ISP	0.18 456	0.13 488	0.16 392	0.15 92	0.11 433	0.08 60	0.13 127	0.28 436	0.29 437	0.22 457	0.33 496	0.21 396	0.25 510	0.23 497	0.17 420	0.14 539	0.16 561	0.21 566	0.17 562	0.10 460	0.08 390

Wz-Net-LNSev-Ref	0.18 456	0.09 357	0.29 524	0.15 92	0.10 383	0.22 484	0.20 471	0.26 396	0.39 510	0.25 492	0.42 550	0.24 438	0.15 383	0.20 456	0.19 451	0.07 277	0.05 211	0.06 131	0.05 134	0.10 460	0.09 434

SACVNet	0.18 456	0.12 460	0.14 309	0.17 250	0.13 488	0.22 484	0.18 409	0.31 473	0.30 447	0.23 470	0.31 480	0.30 498	0.22 487	0.22 486	0.17 420	0.11 476	0.08 449	0.10 453	0.10 469	0.12 498	0.14 538

psm_up	0.18 456	0.10 416	0.18 444	0.20 452	0.11 433	0.17 401	0.19 448	0.37 541	0.34 480	0.21 441	0.28 453	0.29 488	0.24 501	0.20 456	0.22 486	0.09 406	0.10 501	0.11 484	0.11 501	0.08 366	0.08 390

hitnet-ft	0.18 456	0.09 357	0.17 422	0.14 46	0.09 274	0.26 525	0.20 471	0.25 378	0.26 406	0.24 479	0.32 484	0.31 511	0.22 487	0.24 506	0.21 477	0.12 500	0.07 420	0.10 453	0.08 383	0.12 498	0.11 487

STTStereo	0.18 456	0.12 460	0.27 511	0.20 452	0.11 433	0.16 379	0.21 491	0.29 449	0.23 355	0.21 441	0.30 472	0.29 488	0.18 446	0.20 456	0.19 451	0.12 500	0.11 513	0.11 484	0.14 535	0.09 429	0.08 390

CVANet_RVC	0.18 456	0.10 416	0.14 309	0.21 483	0.10 383	0.18 420	0.17 361	0.34 513	0.33 468	0.22 457	0.31 480	0.28 480	0.18 446	0.23 497	0.17 420	0.12 500	0.08 449	0.12 503	0.11 501	0.09 429	0.07 326

StereoDRNet	0.18 456	0.11 442	0.17 422	0.22 498	0.11 433	0.21 475	0.22 501	0.37 541	0.33 468	0.24 479	0.28 453	0.30 498	0.19 462	0.20 456	0.20 457	0.09 406	0.08 449	0.11 484	0.09 429	0.09 429	0.07 326

DLCB_ROB	0.18 456	0.10 416	0.15 358	0.23 522	0.11 433	0.24 504	0.18 409	0.29 449	0.28 430	0.27 504	0.28 453	0.28 480	0.24 501	0.19 431	0.20 457	0.08 347	0.08 449	0.09 406	0.09 429	0.07 304	0.07 326

TCMNet	0.19 468	0.12 460	0.19 456	0.20 452	0.18 560	0.20 458	0.24 524	0.27 417	0.36 493	0.23 470	0.26 430	0.25 452	0.19 462	0.19 431	0.23 498	0.13 525	0.11 513	0.11 484	0.12 521	0.13 516	0.12 500

rvit_105_1	0.19 468	0.11 442	0.25 501	0.21 483	0.16 538	0.21 475	0.27 555	0.31 473	0.41 519	0.19 404	0.20 331	0.22 414	0.17 432	0.19 431	0.17 420	0.12 500	0.12 529	0.13 518	0.15 551	0.08 366	0.07 326

test_sample8	0.19 468	0.12 460	0.20 468	0.12 5	0.14 508	0.17 401	0.13 127	0.31 473	0.21 329	0.27 504	0.22 364	0.36 537	0.25 510	0.19 431	0.17 420	0.15 543	0.30 592	0.14 530	0.14 535	0.14 529	0.12 500

SDNR	0.19 468	0.08 281	0.19 456	0.16 174	0.12 465	0.77 607	0.14 180	0.25 378	0.32 461	0.19 404	0.24 385	0.19 375	0.13 341	0.19 431	0.15 389	0.16 559	0.18 568	0.14 530	0.11 501	0.08 366	0.11 487

pcwnet_v2	0.19 468	0.10 416	0.26 504	0.17 250	0.14 508	0.18 420	0.15 258	0.37 541	0.46 544	0.19 404	0.24 385	0.21 396	0.19 462	0.20 456	0.19 451	0.13 525	0.10 501	0.10 453	0.10 469	0.11 483	0.13 521

ADCRef	0.19 468	0.12 460	0.41 557	0.20 452	0.12 465	0.22 484	0.18 409	0.32 484	0.36 493	0.26 498	0.32 484	0.17 348	0.23 495	0.24 506	0.24 511	0.07 277	0.06 348	0.09 406	0.09 429	0.08 366	0.08 390

NVstereo2D	0.19 468	0.10 416	0.15 358	0.17 250	0.15 527	0.28 542	0.23 512	0.44 574	0.42 527	0.15 315	0.27 439	0.25 452	0.19 462	0.22 486	0.17 420	0.09 406	0.06 348	0.10 453	0.08 383	0.15 545	0.09 434

DRN-Test	0.19 468	0.11 442	0.20 468	0.22 498	0.10 383	0.22 484	0.22 501	0.39 553	0.37 500	0.24 479	0.32 484	0.26 462	0.21 478	0.22 486	0.24 511	0.11 476	0.07 420	0.11 484	0.10 469	0.09 429	0.07 326

DISCO	0.19 468	0.09 357	0.22 483	0.17 250	0.10 383	0.25 515	0.18 409	0.27 417	0.44 537	0.22 457	0.31 480	0.33 524	0.26 516	0.28 528	0.28 548	0.08 347	0.06 348	0.07 232	0.07 312	0.09 429	0.09 434

CBMV_ROB	0.19 468	0.13 488	0.17 422	0.16 174	0.11 433	0.15 350	0.13 127	0.26 396	0.28 430	0.27 504	0.30 472	0.27 470	0.24 501	0.23 497	0.16 405	0.15 543	0.17 566	0.22 570	0.20 568	0.10 460	0.11 487

NOSS_ROB	0.19 468	0.12 460	0.18 444	0.16 174	0.12 465	0.15 350	0.12 79	0.30 463	0.32 461	0.20 427	0.22 364	0.27 470	0.23 495	0.21 473	0.16 405	0.16 559	0.18 568	0.23 571	0.21 570	0.12 498	0.13 521

CBMV	0.19 468	0.14 500	0.17 422	0.18 332	0.10 383	0.20 458	0.11 56	0.29 449	0.30 447	0.29 528	0.30 472	0.30 498	0.23 495	0.27 516	0.19 451	0.13 525	0.15 558	0.17 552	0.16 555	0.10 460	0.10 461
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 480	0.14 500	0.37 549	0.22 498	0.12 465	0.20 458	0.21 491	0.28 436	0.37 500	0.25 492	0.37 513	0.27 470	0.22 487	0.21 473	0.23 498	0.08 347	0.08 449	0.09 406	0.09 429	0.10 460	0.09 434

YMNet	0.20 480	0.12 460	0.19 456	0.20 452	0.14 508	0.26 525	0.23 512	0.32 484	0.34 480	0.27 504	0.34 500	0.30 498	0.18 446	0.18 416	0.22 486	0.10 447	0.13 543	0.10 453	0.10 469	0.08 366	0.09 434

YMNet_1	0.20 480	0.12 460	0.19 456	0.20 452	0.14 508	0.26 525	0.23 512	0.32 484	0.34 480	0.27 504	0.34 500	0.30 498	0.18 446	0.18 416	0.22 486	0.10 447	0.13 543	0.10 453	0.10 469	0.08 366	0.09 434

GwcNet	0.20 480	0.13 488	0.19 456	0.18 332	0.12 465	0.24 504	0.19 448	0.35 528	0.43 532	0.20 427	0.32 484	0.33 524	0.20 474	0.22 486	0.24 511	0.11 476	0.09 481	0.09 406	0.09 429	0.09 429	0.10 461

FAT-Stereo	0.20 480	0.12 460	0.22 483	0.21 483	0.12 465	0.17 401	0.18 409	0.34 513	0.39 510	0.27 504	0.37 513	0.34 531	0.32 555	0.21 473	0.20 457	0.09 406	0.11 513	0.10 453	0.09 429	0.11 483	0.14 538

FADNet-RVC	0.20 480	0.20 549	0.38 551	0.21 483	0.16 538	0.20 458	0.15 258	0.26 396	0.26 406	0.26 498	0.32 484	0.26 462	0.21 478	0.22 486	0.19 451	0.12 500	0.13 543	0.12 503	0.14 535	0.13 516	0.18 568

S-Stereo	0.20 480	0.12 460	0.25 501	0.21 483	0.13 488	0.20 458	0.18 409	0.32 484	0.43 532	0.23 470	0.36 507	0.28 480	0.30 547	0.19 431	0.22 486	0.09 406	0.12 529	0.10 453	0.10 469	0.13 516	0.13 521

SuperB	0.20 480	0.10 416	0.56 577	0.16 174	0.09 274	0.18 420	0.18 409	0.24 362	0.50 556	0.26 498	0.39 527	0.17 348	0.21 478	0.22 486	0.21 477	0.08 347	0.06 348	0.06 131	0.06 218	0.12 498	0.10 461

ADCP+	0.20 480	0.10 416	0.33 536	0.20 452	0.12 465	0.22 484	0.26 548	0.31 473	0.34 480	0.26 498	0.37 513	0.22 414	0.22 487	0.27 516	0.27 540	0.09 406	0.06 348	0.08 323	0.08 383	0.09 429	0.10 461

PS-NSSS	0.20 480	0.21 555	0.23 492	0.20 452	0.10 383	0.19 443	0.17 361	0.36 535	0.25 392	0.27 504	0.33 496	0.27 470	0.24 501	0.20 456	0.20 457	0.15 543	0.12 529	0.17 552	0.14 535	0.10 460	0.08 390

PWCDC_ROB	0.20 480	0.13 488	0.22 483	0.24 531	0.11 433	0.19 443	0.15 258	0.33 504	0.54 565	0.29 528	0.50 566	0.21 396	0.15 383	0.27 516	0.20 457	0.11 476	0.09 481	0.10 453	0.08 383	0.11 483	0.09 434

SGM-Forest	0.20 480	0.14 500	0.18 444	0.19 392	0.13 488	0.20 458	0.22 501	0.33 504	0.30 447	0.24 479	0.29 465	0.28 480	0.19 462	0.23 497	0.17 420	0.15 543	0.16 561	0.15 542	0.14 535	0.12 498	0.12 500
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 492	0.17 529	0.19 456	0.23 522	0.15 527	0.30 549	0.20 471	0.33 504	0.35 489	0.23 470	0.28 453	0.31 511	0.27 524	0.20 456	0.22 486	0.15 543	0.12 529	0.13 518	0.09 429	0.14 529	0.14 538

FINET	0.21 492	0.18 540	0.26 504	0.18 332	0.16 538	0.23 499	0.23 512	0.32 484	0.48 546	0.25 492	0.32 484	0.22 414	0.22 487	0.22 486	0.17 420	0.18 565	0.16 561	0.11 484	0.10 469	0.15 545	0.13 521

Syn2CoEx	0.21 492	0.16 518	0.27 511	0.29 571	0.14 508	0.26 525	0.20 471	0.33 504	0.31 454	0.28 519	0.36 507	0.27 470	0.25 510	0.19 431	0.24 511	0.16 559	0.12 529	0.14 530	0.11 501	0.09 429	0.08 390

FADNet	0.21 492	0.22 559	0.36 545	0.18 332	0.17 553	0.24 504	0.13 127	0.31 473	0.31 454	0.23 470	0.25 413	0.27 470	0.21 478	0.19 431	0.15 389	0.13 525	0.15 558	0.12 503	0.15 551	0.16 553	0.18 568

RP	0.21 492	0.13 488	0.21 477	0.23 522	0.11 433	0.21 475	0.20 471	0.25 378	0.44 537	0.21 441	0.38 519	0.36 537	0.24 501	0.27 516	0.25 521	0.11 476	0.12 529	0.13 518	0.12 521	0.12 498	0.14 538

DANet	0.21 492	0.15 510	0.28 516	0.25 542	0.13 488	0.22 484	0.19 448	0.27 417	0.27 416	0.28 519	0.32 484	0.35 535	0.31 551	0.31 538	0.23 498	0.11 476	0.09 481	0.11 484	0.10 469	0.13 516	0.11 487
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 492	0.12 460	0.21 477	0.24 531	0.13 488	0.22 484	0.22 501	0.41 563	0.26 406	0.31 539	0.42 550	0.37 542	0.28 535	0.23 497	0.22 486	0.10 447	0.12 529	0.10 453	0.09 429	0.10 460	0.08 390

PWC_ROB	0.21 492	0.16 518	0.26 504	0.18 332	0.11 433	0.22 484	0.13 127	0.32 484	0.49 553	0.30 533	0.40 533	0.32 520	0.24 501	0.31 538	0.22 486	0.10 447	0.07 420	0.11 484	0.08 383	0.11 483	0.10 461

PSMNet_ROB	0.21 492	0.11 442	0.15 358	0.27 560	0.15 527	0.24 504	0.35 587	0.43 572	0.37 500	0.27 504	0.32 484	0.32 520	0.22 487	0.21 473	0.26 532	0.12 500	0.08 449	0.13 518	0.11 501	0.09 429	0.09 434

MSAF-DinoV2	0.22 501	0.11 442	0.23 492	0.17 250	0.10 383	0.27 535	0.16 324	0.37 541	0.55 566	0.21 441	0.27 439	0.47 575	0.27 524	0.35 557	0.39 582	0.09 406	0.06 348	0.07 232	0.09 429	0.12 498	0.10 461

GASNet	0.22 501	0.23 561	0.33 536	0.26 547	0.17 553	0.26 525	0.16 324	0.44 574	0.42 527	0.27 504	0.24 385	0.30 498	0.15 383	0.27 516	0.18 438	0.12 500	0.08 449	0.12 503	0.11 501	0.16 553	0.07 326

Anonymous_2	0.22 501	0.17 529	0.28 516	0.15 92	0.16 538	0.32 551	0.22 501	0.22 319	0.17 243	0.23 470	0.24 385	0.26 462	0.27 524	0.27 516	0.23 498	0.22 581	0.25 588	0.17 552	0.17 562	0.17 561	0.17 565

Wz-Net-LNSev	0.22 501	0.16 518	0.38 551	0.21 483	0.13 488	0.25 515	0.23 512	0.32 484	0.43 532	0.30 533	0.41 544	0.31 511	0.18 446	0.22 486	0.25 521	0.10 447	0.09 481	0.08 323	0.08 383	0.12 498	0.11 487

Wz-Net-MNSev	0.22 501	0.13 488	0.31 529	0.20 452	0.14 508	0.36 569	0.24 524	0.33 504	0.44 537	0.28 519	0.40 533	0.38 546	0.19 462	0.24 506	0.25 521	0.09 406	0.07 420	0.09 406	0.09 429	0.12 498	0.10 461

DDUNet	0.22 501	0.17 529	0.21 477	0.22 498	0.15 527	0.25 515	0.24 524	0.29 449	0.30 447	0.31 539	0.36 507	0.33 524	0.25 510	0.24 506	0.20 457	0.18 565	0.13 543	0.17 552	0.11 501	0.16 553	0.16 556

APVNet	0.22 501	0.12 460	0.19 456	0.18 332	0.14 508	0.32 551	0.31 583	0.39 553	0.32 461	0.27 504	0.40 533	0.30 498	0.29 543	0.26 513	0.25 521	0.11 476	0.12 529	0.11 484	0.14 535	0.12 498	0.12 500

aanetorigin	0.22 501	0.17 529	0.56 577	0.17 250	0.10 383	0.15 350	0.19 448	0.20 272	0.33 468	0.49 581	0.48 561	0.29 488	0.27 524	0.20 456	0.23 498	0.08 347	0.07 420	0.08 323	0.07 312	0.10 460	0.09 434

MaskLacGwcNet_RVC	0.22 501	0.21 555	0.24 496	0.26 547	0.11 433	0.23 499	0.14 180	0.39 553	0.24 371	0.32 545	0.36 507	0.30 498	0.21 478	0.19 431	0.21 477	0.17 564	0.14 552	0.21 566	0.16 555	0.12 498	0.12 500

AF-Net	0.22 501	0.17 529	0.17 422	0.26 547	0.13 488	0.25 515	0.24 524	0.32 484	0.50 556	0.25 492	0.33 496	0.38 546	0.26 516	0.28 528	0.25 521	0.11 476	0.10 501	0.16 549	0.11 501	0.11 483	0.10 461

stereogan	0.22 501	0.11 442	0.21 477	0.20 452	0.12 465	0.31 550	0.19 448	0.35 528	0.44 537	0.22 457	0.39 527	0.35 535	0.27 524	0.33 548	0.22 486	0.10 447	0.12 529	0.10 453	0.10 469	0.14 529	0.13 521

edge stereo	0.22 501	0.13 488	0.20 468	0.21 483	0.13 488	0.23 499	0.16 324	0.32 484	0.42 527	0.32 545	0.40 533	0.38 546	0.35 564	0.25 511	0.24 511	0.13 525	0.11 513	0.14 530	0.11 501	0.12 498	0.13 521

RYNet	0.22 501	0.12 460	0.22 483	0.19 392	0.17 553	0.46 578	0.26 548	0.38 549	0.48 546	0.24 479	0.28 453	0.34 531	0.23 495	0.20 456	0.30 558	0.10 447	0.06 348	0.09 406	0.09 429	0.13 516	0.15 545

NaN_ROB	0.22 501	0.19 544	0.24 496	0.25 542	0.13 488	0.29 546	0.26 548	0.33 504	0.41 519	0.31 539	0.31 480	0.32 520	0.23 495	0.30 537	0.21 477	0.11 476	0.17 566	0.10 453	0.10 469	0.08 366	0.09 434

MDST_ROB	0.22 501	0.10 416	0.17 422	0.18 332	0.11 433	0.37 570	0.19 448	0.43 572	0.41 519	0.39 562	0.39 527	0.29 488	0.21 478	0.26 513	0.18 438	0.11 476	0.10 501	0.14 530	0.11 501	0.10 460	0.08 390

XPNet_ROB	0.22 501	0.11 442	0.19 456	0.22 498	0.13 488	0.22 484	0.19 448	0.34 513	0.40 516	0.30 533	0.39 527	0.39 554	0.26 516	0.26 513	0.28 548	0.15 543	0.10 501	0.10 453	0.10 469	0.13 516	0.12 500

SQANet	0.23 517	0.23 561	0.30 527	0.30 573	0.19 563	0.27 535	0.13 127	0.29 449	0.33 468	0.24 479	0.37 513	0.31 511	0.22 487	0.27 516	0.23 498	0.15 543	0.10 501	0.21 566	0.16 555	0.21 569	0.15 545

Nwc_Net	0.23 517	0.16 518	0.21 477	0.25 542	0.14 508	0.24 504	0.26 548	0.37 541	0.38 507	0.22 457	0.41 544	0.30 498	0.28 535	0.28 528	0.25 521	0.11 476	0.10 501	0.17 552	0.20 568	0.10 460	0.10 461

RTSC	0.23 517	0.12 460	0.28 516	0.21 483	0.13 488	0.28 542	0.16 324	0.35 528	0.66 590	0.27 504	0.33 496	0.30 498	0.21 478	0.31 538	0.29 552	0.10 447	0.08 449	0.09 406	0.10 469	0.13 516	0.13 521

PA-Net	0.23 517	0.18 540	0.33 536	0.28 563	0.22 572	0.21 475	0.38 592	0.29 449	0.39 510	0.22 457	0.32 484	0.25 452	0.26 516	0.20 456	0.25 521	0.09 406	0.23 586	0.15 542	0.22 573	0.09 429	0.13 521
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 517	0.15 510	0.17 422	0.34 578	0.18 560	0.24 504	0.23 512	0.34 513	0.28 430	0.31 539	0.38 519	0.38 546	0.28 535	0.23 497	0.24 511	0.15 543	0.12 529	0.18 561	0.21 570	0.13 516	0.13 521

ETE_ROB	0.23 517	0.17 529	0.22 483	0.25 542	0.13 488	0.26 525	0.29 570	0.31 473	0.36 493	0.28 519	0.36 507	0.45 568	0.26 516	0.27 516	0.26 532	0.11 476	0.08 449	0.12 503	0.09 429	0.14 529	0.13 521

SGM_RVC	0.23 517	0.12 460	0.15 358	0.15 92	0.09 274	0.33 557	0.18 409	0.34 513	0.31 454	0.44 576	0.37 513	0.53 583	0.35 564	0.35 557	0.24 511	0.13 525	0.13 543	0.13 518	0.13 531	0.10 460	0.11 487
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 524	0.18 540	0.18 444	0.20 452	0.14 508	0.21 475	0.19 448	0.32 484	0.41 519	0.29 528	0.21 353	0.32 520	0.27 524	0.41 582	0.27 540	0.46 600	0.12 529	0.31 588	0.11 501	0.15 545	0.12 500

z-mn7	0.24 524	0.14 500	0.45 561	0.19 392	0.13 488	0.28 542	0.25 539	0.34 513	0.62 582	0.27 504	0.56 577	0.29 488	0.24 501	0.32 545	0.25 521	0.08 347	0.08 449	0.08 323	0.08 383	0.10 460	0.10 461

w-ln-seven	0.24 524	0.14 500	0.55 574	0.19 392	0.14 508	0.26 525	0.22 501	0.35 528	0.60 579	0.29 528	0.39 527	0.30 498	0.22 487	0.21 473	0.26 532	0.09 406	0.09 481	0.11 484	0.10 469	0.11 483	0.10 461

DGSMNet	0.24 524	0.19 544	0.33 536	0.21 483	0.24 577	0.24 504	0.20 471	0.35 528	0.41 519	0.24 479	0.32 484	0.38 546	0.21 478	0.29 534	0.23 498	0.12 500	0.11 513	0.14 530	0.16 555	0.23 573	0.23 579

G-Net	0.24 524	0.16 518	0.36 545	0.22 498	0.16 538	0.51 584	0.23 512	0.29 449	0.34 480	0.36 555	0.38 519	0.31 511	0.29 543	0.27 516	0.26 532	0.11 476	0.09 481	0.12 503	0.09 429	0.16 553	0.13 521

NCC-stereo	0.24 524	0.15 510	0.31 529	0.26 547	0.16 538	0.20 458	0.30 577	0.40 557	0.40 516	0.24 479	0.38 519	0.33 524	0.28 535	0.36 563	0.27 540	0.12 500	0.11 513	0.15 542	0.22 573	0.13 516	0.13 521

Abc-Net	0.24 524	0.15 510	0.31 529	0.26 547	0.16 538	0.20 458	0.30 577	0.40 557	0.40 516	0.24 479	0.38 519	0.33 524	0.28 535	0.36 563	0.27 540	0.12 500	0.11 513	0.15 542	0.22 573	0.13 516	0.13 521
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 524	0.11 442	0.47 566	0.22 498	0.12 465	0.34 560	0.29 570	0.29 449	0.56 569	0.24 479	0.46 558	0.30 498	0.30 547	0.29 534	0.29 552	0.08 347	0.07 420	0.09 406	0.09 429	0.10 460	0.10 461

DeepPrunerF	0.24 524	0.17 529	0.42 559	0.26 547	0.16 538	0.22 484	0.28 561	0.37 541	0.50 556	0.26 498	0.29 465	0.24 438	0.28 535	0.21 473	0.22 486	0.15 543	0.11 513	0.20 565	0.18 566	0.12 498	0.13 521

FBW_ROB	0.24 524	0.17 529	0.22 483	0.26 547	0.14 508	0.25 515	0.22 501	0.41 563	0.41 519	0.41 569	0.41 544	0.42 561	0.27 524	0.31 538	0.23 498	0.09 406	0.14 552	0.14 530	0.12 521	0.11 483	0.09 434

SANet	0.24 524	0.14 500	0.28 516	0.21 483	0.11 433	0.27 535	0.24 524	0.38 549	0.64 586	0.36 555	0.40 533	0.43 564	0.26 516	0.27 516	0.24 511	0.12 500	0.09 481	0.10 453	0.09 429	0.13 516	0.11 487

WCMA_ROB	0.24 524	0.11 442	0.22 483	0.17 250	0.14 508	0.32 551	0.15 258	0.32 484	0.32 461	0.38 560	0.53 568	0.40 558	0.34 561	0.34 551	0.25 521	0.11 476	0.12 529	0.12 503	0.10 469	0.14 529	0.14 538

DStereoSA	0.25 536	0.19 544	0.37 549	0.26 547	0.17 553	0.22 484	0.20 471	0.49 583	0.59 575	0.22 457	0.29 465	0.29 488	0.33 556	0.39 574	0.28 548	0.12 500	0.11 513	0.16 549	0.14 535	0.14 529	0.12 500

zh-sn7	0.25 536	0.17 529	0.50 568	0.24 531	0.13 488	0.25 515	0.24 524	0.34 513	0.48 546	0.28 519	0.54 570	0.28 480	0.31 551	0.36 563	0.32 566	0.10 447	0.10 501	0.11 484	0.10 469	0.12 498	0.12 500

zh-mn7	0.25 536	0.14 500	0.56 577	0.19 392	0.14 508	0.24 504	0.22 501	0.34 513	0.62 582	0.35 552	0.65 585	0.31 511	0.25 510	0.31 538	0.25 521	0.09 406	0.08 449	0.09 406	0.09 429	0.09 429	0.11 487

Wz-Net-SNSev	0.25 536	0.17 529	0.44 560	0.25 542	0.14 508	0.26 525	0.23 512	0.38 549	0.56 569	0.30 533	0.55 572	0.39 554	0.26 516	0.23 497	0.30 558	0.10 447	0.09 481	0.09 406	0.10 469	0.11 483	0.11 487

psmorigin	0.25 536	0.15 510	0.34 544	0.17 250	0.13 488	0.23 499	0.14 180	0.34 513	0.33 468	0.41 569	0.55 572	0.41 560	0.37 568	0.34 551	0.27 540	0.11 476	0.15 558	0.11 484	0.11 501	0.12 498	0.16 556

RGC	0.25 536	0.20 549	0.29 524	0.28 563	0.16 538	0.22 484	0.23 512	0.32 484	0.44 537	0.27 504	0.40 533	0.38 546	0.27 524	0.36 563	0.22 486	0.11 476	0.13 543	0.17 552	0.17 562	0.14 529	0.16 556

ADCMid	0.25 536	0.15 510	0.40 554	0.20 452	0.14 508	0.25 515	0.26 548	0.34 513	0.38 507	0.36 555	0.44 555	0.34 531	0.40 574	0.35 557	0.33 570	0.10 447	0.09 481	0.11 484	0.11 501	0.13 516	0.12 500

ADCPNet	0.25 536	0.16 518	0.61 583	0.21 483	0.15 527	0.35 568	0.25 539	0.32 484	0.35 489	0.30 533	0.40 533	0.36 537	0.28 535	0.28 528	0.32 566	0.12 500	0.10 501	0.11 484	0.12 521	0.14 529	0.13 521

LALA_ROB	0.25 536	0.16 518	0.22 483	0.26 547	0.17 553	0.27 535	0.27 555	0.42 568	0.37 500	0.33 549	0.38 519	0.51 579	0.26 516	0.28 528	0.27 540	0.16 559	0.09 481	0.12 503	0.11 501	0.13 516	0.12 500

SHD	0.26 545	0.15 510	0.30 527	0.24 531	0.18 560	0.22 484	0.15 258	0.38 549	0.71 594	0.32 545	0.41 544	0.36 537	0.28 535	0.32 545	0.29 552	0.12 500	0.11 513	0.14 530	0.13 531	0.16 553	0.20 574

AnyNet_C32	0.26 545	0.16 518	0.36 545	0.20 452	0.16 538	0.25 515	0.30 577	0.32 484	0.44 537	0.31 539	0.49 562	0.30 498	0.33 556	0.40 579	0.33 570	0.12 500	0.12 529	0.12 503	0.14 535	0.14 529	0.15 545

DStereoFS	0.27 547	0.22 559	0.31 529	0.22 498	0.15 527	0.22 484	0.20 471	0.50 587	0.48 546	0.28 519	0.44 555	0.33 524	0.34 561	0.52 591	0.29 552	0.12 500	0.11 513	0.15 542	0.13 531	0.16 553	0.16 556

PSMNet-RUCA	0.27 547	0.33 583	0.41 557	0.36 582	0.32 590	0.18 420	0.19 448	0.42 568	0.30 447	0.33 549	0.41 544	0.39 554	0.25 510	0.31 538	0.20 457	0.18 565	0.10 501	0.25 573	0.15 551	0.21 569	0.16 556

PDISCO_ROB	0.27 547	0.16 518	0.26 504	0.28 563	0.20 566	0.32 551	0.26 548	0.44 574	0.57 571	0.28 519	0.40 533	0.45 568	0.29 543	0.33 548	0.34 572	0.12 500	0.09 481	0.17 552	0.16 555	0.17 561	0.13 521

DispFullNet	0.27 547	0.21 555	0.65 586	0.28 563	0.16 538	0.26 525	0.17 361	0.33 504	0.58 574	0.27 504	0.38 519	0.43 564	0.23 495	0.38 570	0.23 498	0.12 500	0.06 348	0.19 563	0.11 501	0.21 569	0.15 545

MeshStereo	0.27 547	0.13 488	0.18 444	0.15 92	0.11 433	0.32 551	0.24 524	0.40 557	0.36 493	0.52 583	0.57 580	0.67 594	0.40 574	0.35 557	0.26 532	0.14 539	0.13 543	0.13 518	0.11 501	0.11 483	0.10 461
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	0.28 552	0.17 529	0.78 602	0.22 498	0.16 538	0.34 560	0.29 570	0.39 553	0.57 571	0.24 479	0.55 572	0.37 542	0.24 501	0.33 548	0.35 573	0.09 406	0.08 449	0.09 406	0.10 469	0.14 529	0.16 556

XQC	0.28 552	0.23 561	0.51 569	0.28 563	0.19 563	0.34 560	0.27 555	0.36 535	0.57 571	0.31 539	0.30 472	0.37 542	0.30 547	0.38 570	0.38 580	0.13 525	0.09 481	0.15 542	0.12 521	0.17 561	0.18 568

CC-Net-ROB	0.28 552	0.31 581	0.36 545	0.29 571	0.15 527	0.25 515	0.19 448	0.45 577	0.33 468	0.39 562	0.37 513	0.39 554	0.31 551	0.27 516	0.26 532	0.24 587	0.19 571	0.30 587	0.23 577	0.18 564	0.15 545

DPSNet	0.28 552	0.16 518	0.31 529	0.18 332	0.13 488	0.54 586	0.42 596	0.51 589	0.67 591	0.29 528	0.38 519	0.38 546	0.29 543	0.31 538	0.23 498	0.11 476	0.10 501	0.11 484	0.08 383	0.20 568	0.16 556

MultiAttention	0.29 556	0.08 281	0.14 309	0.19 392	0.12 465	1.45 622	1.33 624	0.36 535	0.37 500	0.19 404	0.21 353	0.24 438	0.11 271	0.38 570	0.18 438	0.06 127	0.05 211	0.08 323	0.08 383	0.10 460	0.09 434

Wz-Net-TNSev	0.29 556	0.20 549	0.65 586	0.19 392	0.15 527	0.38 573	0.27 555	0.35 528	0.55 566	0.34 551	0.42 550	0.45 568	0.38 569	0.32 545	0.30 558	0.12 500	0.13 543	0.10 453	0.12 521	0.15 545	0.14 538

ccnet	0.29 556	0.28 576	0.23 492	0.20 452	0.28 584	0.41 577	0.21 491	0.45 577	0.33 468	0.36 555	0.46 558	0.36 537	0.30 547	0.39 574	0.42 589	0.23 585	0.14 552	0.21 566	0.17 562	0.23 573	0.18 568

EDNetEfficient	0.29 556	0.24 564	1.13 611	0.18 332	0.10 383	0.19 443	0.20 471	0.20 272	0.60 579	0.74 601	0.56 577	0.31 511	0.39 571	0.22 486	0.30 558	0.09 406	0.07 420	0.08 323	0.07 312	0.11 483	0.09 434

ADCS	0.29 556	0.18 540	0.45 561	0.21 483	0.17 553	0.28 542	0.23 512	0.41 563	0.63 585	0.40 565	0.49 562	0.40 558	0.36 566	0.39 574	0.40 585	0.13 525	0.12 529	0.13 518	0.14 535	0.16 553	0.16 556

CSAN	0.29 556	0.24 564	0.27 511	0.34 578	0.19 563	0.33 557	0.42 596	0.37 541	0.50 556	0.38 560	0.40 533	0.44 566	0.33 556	0.28 528	0.30 558	0.20 572	0.16 561	0.19 563	0.19 567	0.14 529	0.15 545

MFN_U_SF_DS_RVC	0.30 562	0.24 564	0.29 524	0.36 582	0.16 538	0.34 560	0.30 577	0.32 484	0.42 527	0.40 565	0.46 558	0.38 546	0.31 551	0.34 551	0.28 548	0.19 570	0.20 574	0.26 574	0.29 587	0.18 564	0.19 573

GANetREF_RVC	0.31 563	0.34 584	0.27 511	0.35 580	0.16 538	0.32 551	0.41 593	0.48 581	0.51 563	0.35 552	0.35 504	0.34 531	0.33 556	0.39 574	0.32 566	0.27 589	0.20 574	0.29 585	0.15 551	0.18 564	0.17 565
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	0.31 563	0.26 570	0.26 504	0.24 531	0.21 570	0.34 560	0.25 539	0.34 513	0.39 510	0.40 565	0.69 589	0.45 568	0.40 574	0.34 551	0.27 540	0.20 572	0.19 571	0.26 574	0.25 579	0.23 573	0.22 578

MFN_U_SF_RVC	0.32 565	0.21 555	0.55 574	0.30 573	0.15 527	0.34 560	0.17 361	0.52 590	0.46 544	0.46 580	0.55 572	0.59 586	0.39 571	0.35 557	0.37 578	0.15 543	0.14 552	0.18 561	0.21 570	0.16 553	0.15 545

PASM	0.32 565	0.24 564	0.48 567	0.28 563	0.27 583	0.29 546	0.30 577	0.34 513	0.49 553	0.35 552	0.39 527	0.46 572	0.34 561	0.34 551	0.35 573	0.23 585	0.25 588	0.26 574	0.28 586	0.23 573	0.21 576

SGM-ForestM	0.32 565	0.12 460	0.16 392	0.16 174	0.11 433	0.39 574	0.19 448	0.41 563	0.50 556	0.52 583	0.54 570	1.32 614	0.42 582	0.40 579	0.27 540	0.14 539	0.16 561	0.16 549	0.16 555	0.12 498	0.12 500

FC-DCNN v2	0.33 568	0.27 572	0.28 516	0.26 547	0.23 575	0.37 570	0.28 561	0.40 557	0.43 532	0.45 577	0.56 577	0.51 579	0.40 574	0.37 568	0.29 552	0.21 576	0.20 574	0.27 577	0.26 580	0.25 580	0.24 580

FCDSN-DC	0.33 568	0.28 576	0.28 516	0.30 573	0.24 577	0.39 574	0.28 561	0.42 568	0.42 527	0.43 575	0.53 568	0.51 579	0.41 579	0.36 563	0.30 558	0.21 576	0.20 574	0.27 577	0.26 580	0.25 580	0.24 580
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 568	0.27 572	0.28 516	0.26 547	0.23 575	0.37 570	0.28 561	0.40 557	0.43 532	0.45 577	0.55 572	0.51 579	0.40 574	0.37 568	0.30 558	0.21 576	0.20 574	0.27 577	0.26 580	0.25 580	0.24 580

LSM	0.33 568	0.20 549	0.58 580	0.26 547	0.60 607	0.34 560	0.25 539	0.42 568	0.48 546	0.45 577	0.58 582	0.42 561	0.36 566	0.35 557	0.25 521	0.12 500	0.20 574	0.14 530	0.16 555	0.19 567	0.33 594

AnyNet_C01	0.36 572	0.25 569	1.37 614	0.22 498	0.17 553	0.48 582	0.27 555	0.35 528	0.39 510	0.39 562	0.74 595	0.46 572	0.38 569	0.45 584	0.47 594	0.13 525	0.13 543	0.13 518	0.14 535	0.14 529	0.15 545

GCST	0.37 573	0.42 591	0.26 504	1.02 615	0.39 591	0.18 420	0.08 7	0.20 272	0.17 243	0.28 519	0.25 413	0.15 314	0.12 302	0.16 363	0.14 361	0.64 611	0.43 600	0.75 607	0.65 611	0.63 604	0.46 603

otaku	0.39 574	0.37 587	0.52 570	0.44 589	0.28 584	0.58 588	0.24 524	0.41 563	0.62 582	0.40 565	0.49 562	0.46 572	0.33 556	0.40 579	0.32 566	0.30 590	0.30 592	0.39 592	0.33 592	0.29 587	0.28 588

ACVNet-4b	0.39 574	0.53 594	0.55 574	0.45 590	0.24 577	0.47 580	0.18 409	0.49 583	0.64 586	0.42 572	0.45 557	0.60 587	0.27 524	0.34 551	0.24 511	0.33 592	0.14 552	0.48 595	0.42 597	0.30 588	0.26 587

PVD	0.39 574	0.20 549	0.39 553	0.31 577	0.22 572	0.29 546	0.43 598	0.52 590	0.96 608	0.55 587	0.79 599	0.53 583	0.59 598	0.52 591	0.38 580	0.19 570	0.14 552	0.17 552	0.14 535	0.24 579	0.31 592

Ntro	0.40 577	0.40 589	0.53 571	0.46 593	0.30 588	0.65 594	0.24 524	0.46 579	0.68 592	0.41 569	0.49 562	0.48 577	0.42 582	0.39 574	0.31 565	0.32 591	0.28 590	0.37 591	0.30 589	0.32 592	0.29 589

SAMSARA	0.40 577	0.28 576	0.33 536	0.55 596	0.39 591	0.82 608	1.23 623	0.47 580	0.51 563	0.36 555	0.35 504	0.55 585	0.39 571	0.38 570	0.39 582	0.15 543	0.20 574	0.15 542	0.14 535	0.23 573	0.20 574

ELAS_RVC	0.41 579	0.29 579	0.33 536	0.28 563	0.24 577	0.54 586	0.36 588	0.49 583	0.59 575	0.72 597	0.74 595	0.65 592	0.54 591	0.54 596	0.40 585	0.22 581	0.20 574	0.27 577	0.26 580	0.26 585	0.25 585
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 579	0.29 579	0.33 536	0.27 560	0.24 577	0.60 591	0.36 588	0.50 587	0.50 556	0.71 595	0.79 599	0.67 594	0.54 591	0.51 589	0.42 589	0.22 581	0.20 574	0.27 577	0.26 580	0.26 585	0.25 585
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.43 581	0.39 588	0.54 572	0.40 585	0.20 566	0.64 593	0.32 585	0.53 592	0.72 595	0.71 595	0.72 592	0.61 588	0.54 591	0.51 589	0.46 593	0.20 572	0.19 571	0.29 585	0.30 589	0.23 573	0.18 568

ACVNet_1	0.44 582	0.49 593	0.60 582	0.45 590	0.28 584	0.49 583	0.27 555	0.57 597	0.72 595	0.62 590	0.58 582	0.74 598	0.49 588	0.50 587	0.35 573	0.26 588	0.24 587	0.39 592	0.29 587	0.31 591	0.24 580

Consistency-Raft	0.44 582	0.40 589	0.45 561	0.37 584	0.43 595	0.46 578	0.41 593	0.57 597	0.55 566	0.32 545	0.73 593	0.33 524	0.48 587	0.42 583	0.49 596	0.39 594	0.35 597	0.45 594	0.51 604	0.42 595	0.29 589

RTS	0.45 584	0.19 544	3.26 620	0.24 531	0.15 527	0.74 601	0.20 471	0.36 535	0.76 601	0.42 572	0.43 553	0.31 511	0.41 579	0.53 594	0.35 573	0.10 447	0.08 449	0.13 518	0.12 521	0.15 545	0.15 545

RTSA	0.45 584	0.19 544	3.26 620	0.24 531	0.15 527	0.74 601	0.20 471	0.36 535	0.76 601	0.42 572	0.43 553	0.31 511	0.41 579	0.53 594	0.35 573	0.10 447	0.08 449	0.13 518	0.12 521	0.15 545	0.15 545

MANE	0.45 584	0.27 572	0.27 511	0.27 560	0.24 577	0.47 580	0.31 583	0.55 594	0.59 575	0.72 597	1.13 616	1.15 608	0.61 599	0.52 591	0.37 578	0.21 576	0.20 574	0.27 577	0.31 591	0.25 580	0.24 580

NVStereoNet_ROB	0.46 587	0.36 586	0.46 565	0.41 587	0.28 584	0.34 560	0.34 586	0.48 581	0.60 579	0.72 597	0.93 605	0.70 597	0.66 602	0.47 585	0.60 604	0.22 581	0.33 596	0.34 590	0.34 594	0.30 588	0.30 591
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	0.47 588	0.26 570	0.58 580	0.28 563	0.20 566	0.39 574	0.18 409	0.49 583	0.64 586	0.52 583	0.87 602	1.01 603	0.57 596	0.50 587	0.56 601	0.53 604	0.31 595	0.54 601	0.40 595	0.33 593	0.34 595

LE_ROB	0.50 589	0.07 175	0.14 309	0.15 92	0.08 153	0.24 504	0.16 324	0.22 319	1.81 624	4.63 627	0.67 587	0.47 575	0.44 584	0.20 456	0.29 552	0.07 277	0.06 348	0.06 131	0.06 218	0.08 366	0.06 243

BEATNet-Init1	0.52 590	0.27 572	0.62 584	0.30 573	0.21 570	0.76 605	0.29 570	0.54 593	0.65 589	0.86 606	0.95 607	2.07 623	0.62 601	0.56 598	0.42 589	0.18 565	0.18 568	0.23 571	0.22 573	0.22 572	0.21 576

anonymity	0.53 591	0.58 596	0.65 586	0.41 587	0.61 608	0.53 585	0.41 593	0.56 595	0.41 519	0.55 587	0.50 566	0.49 578	0.55 594	0.58 599	0.50 599	0.58 607	0.50 610	0.51 597	0.51 604	0.51 597	0.57 605

RainbowNet	0.54 592	0.61 598	0.70 600	0.57 597	0.43 595	0.65 594	0.37 591	0.60 599	0.87 605	0.50 582	0.66 586	0.64 590	0.47 586	0.49 586	0.43 592	0.47 601	0.48 606	0.52 599	0.41 596	0.52 598	0.40 600

SGM+DAISY	0.56 593	0.57 595	0.65 586	0.40 585	0.54 600	0.66 596	0.49 600	0.56 595	0.45 543	0.66 591	0.69 589	0.67 594	0.56 595	0.63 601	0.56 601	0.59 608	0.48 606	0.50 596	0.50 603	0.52 598	0.58 606

SPS-STEREO	0.57 594	0.58 596	0.65 586	0.45 590	0.55 602	0.62 592	0.44 599	0.62 600	0.50 556	0.68 593	0.64 584	0.66 593	0.57 596	0.61 600	0.60 604	0.62 610	0.47 605	0.51 597	0.49 601	0.55 602	0.58 606
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 595	0.66 602	0.65 586	0.51 594	0.69 612	0.69 597	0.57 606	0.64 601	0.73 599	0.60 589	0.73 593	0.62 589	0.67 603	0.65 602	0.60 604	0.66 612	0.58 619	0.63 602	0.59 607	0.68 609	0.69 615

IMH-64-1	0.65 596	0.61 598	0.68 594	0.71 600	0.51 598	0.59 589	0.49 600	0.91 608	0.85 603	0.74 601	1.02 609	0.81 599	0.78 607	0.79 605	0.49 596	0.42 596	0.46 601	0.71 604	0.47 599	0.52 598	0.39 598

IMH-64	0.65 596	0.61 598	0.68 594	0.71 600	0.51 598	0.59 589	0.49 600	0.91 608	0.85 603	0.74 601	1.02 609	0.81 599	0.78 607	0.79 605	0.49 596	0.42 596	0.46 601	0.71 604	0.47 599	0.52 598	0.39 598

ACVNet_2	0.66 598	0.66 602	0.68 594	0.63 598	0.41 593	0.71 599	0.49 600	0.96 612	1.39 617	0.89 607	1.09 612	1.04 604	0.73 605	0.54 596	0.47 594	0.43 598	0.40 599	0.53 600	0.44 598	0.47 596	0.35 597

JetBlue	0.71 599	0.45 592	1.14 612	0.51 594	0.47 597	2.02 623	0.64 610	0.75 603	0.70 593	0.69 594	0.77 598	1.22 610	0.83 609	1.03 620	1.01 620	0.40 595	0.28 590	0.33 589	0.33 592	0.30 588	0.34 595

IMH	0.71 599	0.64 601	0.68 594	0.76 602	0.54 600	0.69 597	0.54 604	0.98 614	1.10 610	0.82 605	1.09 612	0.89 601	0.88 612	0.87 613	0.52 600	0.44 599	0.50 610	0.75 607	0.51 604	0.56 603	0.41 601

PWCK	0.71 599	0.94 613	0.95 609	0.76 602	0.31 589	0.74 601	0.36 588	0.90 607	0.90 606	0.96 610	0.75 597	0.95 602	0.61 599	0.87 613	0.66 607	0.72 613	0.46 601	0.75 607	0.49 601	0.69 611	0.44 602

MADNet+	0.75 602	0.71 604	3.70 623	0.66 599	0.41 593	0.98 613	0.97 621	0.69 602	0.73 599	0.52 583	0.57 580	0.64 590	0.68 604	0.86 612	1.01 620	0.34 593	0.36 598	0.28 584	0.23 577	0.36 594	0.31 592

TorneroNet-64	0.76 603	0.72 605	0.74 601	0.78 604	0.58 606	0.91 612	0.56 605	0.84 606	1.29 614	0.66 591	0.90 603	1.40 616	0.75 606	0.85 611	0.67 610	0.49 602	0.46 601	0.72 606	0.59 607	0.67 608	0.53 604

WAO-7	0.79 604	0.78 607	0.54 572	0.85 608	0.67 611	0.74 601	0.68 614	1.05 617	1.32 615	0.90 608	1.20 619	1.04 604	0.92 613	0.69 603	0.66 607	0.60 609	0.62 620	0.67 603	0.68 613	0.64 605	0.58 606

WAO-6	0.81 605	0.80 608	0.62 584	0.86 609	0.63 609	0.76 605	0.58 607	0.98 614	1.54 622	0.90 608	0.96 608	1.07 606	1.03 617	0.70 604	0.66 607	0.72 613	0.49 608	0.90 615	0.71 614	0.68 609	0.58 606

TorneroNet	0.82 606	0.74 606	0.81 606	0.84 607	0.63 609	0.99 614	0.63 608	0.96 612	1.16 611	0.80 604	1.11 614	1.36 615	0.86 611	0.93 616	0.80 615	0.56 605	0.49 608	0.78 612	0.66 612	0.73 614	0.63 614

LVE	0.83 607	0.85 611	0.85 607	0.80 605	0.56 603	1.04 618	0.65 611	1.05 617	1.47 620	0.96 610	1.22 620	1.10 607	0.85 610	0.83 608	0.71 612	0.49 602	0.55 616	0.76 610	0.60 609	0.65 606	0.59 611

Dean	0.87 608	0.86 612	0.79 604	0.81 606	0.56 603	0.90 609	0.63 608	1.15 623	1.73 623	1.15 618	1.15 617	1.31 613	0.99 616	0.81 607	0.81 616	0.57 606	0.56 617	0.77 611	0.64 610	0.66 607	0.58 606

WAO-8	0.91 609	0.81 609	0.65 586	0.94 612	0.69 612	0.90 609	0.67 612	1.07 620	1.83 625	1.06 615	1.45 622	1.30 611	1.07 618	0.84 609	0.78 613	0.74 615	0.53 613	0.86 613	0.75 615	0.69 611	0.62 612

Venus	0.91 609	0.81 609	0.65 586	0.94 612	0.69 612	0.90 609	0.67 612	1.07 620	1.83 625	1.06 615	1.45 622	1.30 611	1.07 618	0.84 609	0.78 613	0.74 615	0.53 613	0.86 613	0.75 615	0.69 611	0.62 612

UNDER WATER-64	0.95 611	0.94 613	1.43 616	0.87 610	0.56 603	1.18 621	0.87 618	0.77 604	0.94 607	1.04 613	0.85 601	1.58 621	1.21 623	0.94 617	0.96 618	0.87 619	0.57 618	1.03 619	0.88 620	0.78 615	0.73 616

UNDER WATER	0.97 612	0.97 615	1.42 615	0.99 614	0.70 615	1.12 620	0.84 617	0.80 605	1.08 609	1.01 612	0.90 603	1.55 620	1.22 624	1.03 620	1.00 619	0.78 617	0.53 613	1.02 618	0.87 619	0.80 616	0.74 617

notaker	0.97 612	1.11 616	0.98 610	1.13 617	0.81 616	0.73 600	0.68 614	0.93 610	1.16 611	1.18 620	1.18 618	1.41 617	1.16 622	1.08 622	0.69 611	0.81 618	0.64 621	1.17 620	0.79 617	0.98 618	0.80 619

ktn	1.01 614	1.21 618	0.80 605	1.23 619	0.86 618	1.01 616	0.87 618	0.94 611	1.39 617	1.04 613	1.12 615	1.15 608	1.07 618	0.94 617	0.59 603	1.28 624	0.71 622	1.38 624	0.83 618	1.02 620	0.75 618

KSHMR	1.09 615	1.17 617	0.88 608	1.25 620	1.00 620	0.99 614	0.96 620	1.13 622	1.37 616	1.16 619	1.29 621	1.41 617	0.96 615	1.01 619	0.92 617	1.03 622	1.08 624	1.20 621	1.03 623	1.01 619	0.97 621

DPSimNet_ROB	1.11 616	1.23 619	0.78 602	1.13 617	0.88 619	1.10 619	1.13 622	1.16 624	1.23 613	1.43 622	1.02 609	1.41 617	1.10 621	0.90 615	1.60 622	1.46 625	0.51 612	1.21 622	1.03 623	0.90 617	1.01 623

HanzoNet	1.29 617	1.26 620	1.19 613	1.12 616	0.85 617	1.02 617	0.83 616	1.03 616	1.48 621	1.64 623	1.61 624	2.50 625	1.72 625	1.61 624	1.61 623	1.26 623	0.80 623	1.31 623	1.01 622	1.02 620	0.86 620

JetRed	1.62 618	1.46 621	2.98 618	0.92 611	1.21 621	4.99 626	1.53 626	1.27 625	1.39 617	1.83 624	1.74 625	1.60 622	0.95 614	1.41 623	2.45 627	0.90 621	1.60 625	0.93 616	0.90 621	1.35 622	0.99 622

MADNet++	1.95 619	1.75 622	1.59 617	1.82 621	1.69 623	2.33 624	1.40 625	2.35 626	2.09 627	2.57 626	2.36 627	2.24 624	2.17 626	2.28 625	2.34 625	1.87 626	1.66 626	1.54 625	1.34 625	1.92 623	1.77 625

coex-ft	3.30 620	0.34 584	59.09 648	0.18 332	0.13 488	0.26 525	0.22 501	0.27 417	0.72 595	1.90 625	0.70 591	0.44 566	0.45 585	0.29 534	0.41 588	0.09 406	0.09 481	0.12 503	0.09 429	0.14 529	0.13 521

TCMNet-wrong-test	3.67 621	5.48 634	3.89 624	12.18 633	11.75 635	4.65 625	3.88 627	1.06 619	0.72 595	1.09 617	2.15 626	6.30 630	0.53 590	3.43 627	2.36 626	0.89 620	0.20 574	1.87 627	1.69 626	5.57 631	3.62 631

tt	4.67 622	0.06 82	3.55 622	2.02 622	1.55 622	10.25 630	16.71 631	8.91 635	5.03 628	1.31 621	0.94 606	4.71 626	4.76 627	3.33 626	5.87 629	6.06 634	10.30 638	1.88 628	2.11 628	2.75 625	1.21 624

USTest	6.22 623	2.73 625	3.00 619	6.57 629	7.29 629	14.37 632	21.57 632	7.00 634	9.56 633	5.34 630	6.10 628	5.72 629	7.64 630	6.41 631	6.96 630	1.97 627	3.42 632	1.64 626	2.15 629	2.66 624	2.36 626

xxxxx1	7.79 624	5.02 631	7.31 627	3.12 623	3.85 625	16.35 634	22.88 633	5.86 631	8.69 630	7.97 631	8.54 629	9.12 633	8.27 631	10.18 633	10.92 631	2.42 628	2.45 628	3.56 631	12.37 635	3.77 626	3.06 628

tt_ll	7.79 624	5.02 631	7.31 627	3.12 623	3.85 625	16.35 634	22.88 633	5.86 631	8.69 630	7.97 631	8.54 629	9.12 633	8.27 631	10.18 633	10.92 631	2.42 628	2.45 628	3.56 631	12.37 635	3.77 626	3.06 628

ff	7.79 624	5.02 631	7.31 627	3.12 623	3.85 625	16.35 634	22.88 633	5.86 631	8.69 630	7.97 631	8.54 629	9.12 633	8.27 631	10.18 633	10.92 631	2.42 628	2.45 628	3.56 631	12.37 635	3.77 626	3.06 628

EDNetEfficientorigin	7.91 627	0.31 581	153.02 649	0.19 392	0.09 274	0.21 475	0.16 324	0.22 319	0.59 575	0.72 597	0.67 587	0.42 561	0.50 589	0.24 506	0.39 582	0.08 347	0.07 420	0.08 323	0.07 312	0.12 498	0.10 461

DPSMNet_ROB	8.06 628	4.48 627	8.63 633	5.37 628	10.74 632	8.32 628	22.98 637	5.46 628	13.36 636	5.12 628	9.92 632	5.08 627	10.40 634	5.53 630	12.58 634	3.80 632	8.00 633	3.50 629	7.02 632	3.83 629	7.14 633

DGTPSM_ROB	8.06 628	4.48 627	8.63 633	5.35 626	10.72 631	8.32 628	22.97 636	5.46 628	13.35 635	5.12 628	9.92 632	5.08 627	10.40 634	5.52 629	12.58 634	3.79 631	8.00 633	3.50 629	7.02 632	3.83 629	7.14 633

PML	8.91 630	9.34 638	6.13 625	5.35 626	6.41 628	14.99 633	23.38 638	5.27 627	6.83 629	18.04 641	28.19 650	7.67 631	6.83 629	7.85 632	5.75 628	5.35 633	1.83 627	5.95 637	1.93 627	8.64 634	2.52 627

DLNR_Zeroshot_test	10.40 631	1.82 623	19.49 643	120.77 649	13.11 637	0.06 11	0.13 127	0.23 339	0.10 49	0.07 50	0.10 144	0.09 161	0.06 48	0.10 85	0.09 66	0.13 525	0.04 24	0.06 131	0.04 44	51.54 649	0.04 50

DLNR-FE	10.43 632	1.83 624	19.53 644	120.75 648	13.06 636	0.06 11	0.13 127	0.23 339	0.10 49	0.07 50	0.10 144	0.09 161	0.06 48	0.10 85	0.09 66	0.13 525	0.04 24	0.06 131	0.04 44	52.01 650	0.04 50

LRCNet_RVC	10.62 633	13.42 639	7.30 626	18.92 637	2.07 624	0.33 557	0.30 577	5.59 630	0.48 546	13.03 637	17.94 638	8.87 632	5.65 628	4.79 628	1.89 624	23.51 646	2.73 631	27.55 649	25.71 649	16.07 643	16.33 644

Anonymous_1	10.96 634	7.92 635	7.46 630	10.33 630	10.06 630	18.65 638	26.34 639	11.06 638	13.44 637	9.40 634	10.05 634	9.67 636	11.23 636	10.73 636	12.72 636	6.42 635	8.38 635	5.77 634	10.61 634	12.12 635	6.77 632

DPSM_ROB	11.15 635	8.58 636	8.00 631	10.88 631	11.58 633	19.10 639	26.71 640	12.05 639	14.07 640	10.36 635	10.84 635	10.33 637	11.86 637	11.70 637	13.54 637	6.99 636	8.79 636	5.89 635	6.95 630	7.29 632	7.42 635

DPSM	11.15 635	8.58 636	8.00 631	10.88 631	11.58 633	19.10 639	26.71 640	12.05 639	14.07 640	10.36 635	10.84 635	10.33 637	11.86 637	11.70 637	13.54 637	6.99 636	8.79 636	5.89 635	6.95 630	7.29 632	7.42 635

HaxPig	15.71 637	18.52 647	19.18 642	16.89 636	15.89 638	7.73 627	7.60 628	13.31 641	10.82 634	15.42 638	14.91 637	15.98 639	14.92 639	15.58 639	15.98 639	18.95 645	16.73 639	19.46 645	18.08 645	19.26 644	19.05 647

RSGM-EC	20.36 638	4.73 629	0.68 594	16.76 634	16.92 639	21.28 641	27.18 642	10.46 636	14.04 638	18.00 639	21.31 641	22.24 648	21.82 641	22.57 641	17.63 640	62.81 649	33.79 649	20.14 646	18.10 646	20.18 645	16.45 645

acva	20.36 638	4.73 629	0.68 594	16.76 634	16.92 639	21.28 641	27.18 642	10.46 636	14.04 638	18.00 639	21.31 641	22.24 648	21.82 641	22.57 641	17.63 640	62.81 649	33.79 649	20.14 646	18.10 646	20.18 645	16.45 645

MEDIAN_ROB	20.38 640	24.04 648	23.31 645	21.23 638	21.71 641	10.40 631	7.92 629	17.64 642	15.50 642	20.12 642	19.70 639	20.34 640	20.32 640	21.19 640	21.13 642	23.81 647	21.81 647	24.98 648	23.76 648	24.71 647	23.93 648

CasAABBNet	22.42 641	17.33 641	16.01 637	22.01 640	23.28 643	38.32 643	53.80 646	24.14 646	28.41 647	20.60 644	21.77 645	20.89 646	23.91 645	23.43 645	27.36 645	14.07 639	17.69 641	11.83 640	14.01 639	14.67 638	14.95 640

RAFT-FEzeroshot	22.43 642	17.33 641	15.98 635	22.02 641	23.31 645	38.34 644	53.82 648	24.05 644	28.39 645	20.61 645	21.76 643	20.88 643	23.92 647	23.41 643	27.42 647	14.07 639	17.69 641	11.83 640	14.02 640	14.69 639	14.97 641

RAFT-FE	22.43 642	17.33 641	15.98 635	22.02 641	23.31 645	38.34 644	53.82 648	24.05 644	28.39 645	20.61 645	21.76 643	20.88 643	23.92 647	23.41 643	27.42 647	14.07 639	17.69 641	11.83 640	14.02 640	14.69 639	14.97 641

FlowAnything	22.44 644	17.35 644	16.14 639	22.07 644	23.23 642	38.39 647	53.77 645	24.25 647	28.44 648	20.96 649	21.82 647	20.70 641	23.84 643	23.49 647	27.14 644	14.04 638	17.79 646	11.75 638	14.15 644	14.65 636	14.89 637

Hybrid-DGEV	22.47 645	17.40 646	16.14 639	22.00 639	23.29 644	38.36 646	53.80 646	24.43 650	28.63 650	20.59 643	21.81 646	20.88 643	23.91 645	23.45 646	27.42 647	14.08 642	17.69 641	11.83 640	14.06 643	14.65 636	14.93 639

Selective-RAFT-Error	22.47 645	17.37 645	16.09 638	22.06 643	23.34 647	38.39 647	53.83 650	24.29 649	28.47 649	20.74 647	21.83 648	20.81 642	23.90 644	23.54 649	27.53 650	14.08 642	17.69 641	11.82 639	14.00 638	14.69 639	15.00 643

LSM0	22.87 647	17.28 640	18.96 641	22.19 645	29.04 649	38.42 649	53.71 644	24.28 648	28.31 644	20.78 648	21.00 640	21.43 647	24.16 649	23.50 648	27.39 646	14.09 644	17.38 640	11.84 644	14.04 642	14.73 642	14.89 637

AVERAGE_ROB	24.90 648	29.20 649	28.14 646	24.89 646	24.64 648	17.75 637	11.12 630	21.45 643	19.93 643	25.12 650	24.46 649	25.12 650	25.46 650	24.69 650	22.83 643	29.76 648	27.13 648	28.97 650	27.95 650	29.91 648	29.47 649

test_example2	98.32 649	94.13 650	45.89 647	96.35 647	109.85 650	88.61 650	95.45 651	25.75 651	94.37 651	130.00 652	126.06 651	58.17 651	74.63 651	88.51 651	79.96 651	150.23 651	221.02 651	77.62 651	99.10 651	113.75 651	96.94 650

GS-Stereo							0.14 180	0.11 38	0.12 106	0.08 89	0.10 144	0.05 4	0.05 13	0.11 137	0.08 17	0.06 127	0.04 24	0.05 35	0.04 44	0.05 124	0.05 151

FSD					0.22 572	0.25 515	0.25 539	0.27 417	0.26 406	0.25 492	0.26 430	0.25 452	0.27 524	0.27 516	0.24 511	0.21 576	0.20 574	0.27 577	0.26 580	0.25 580

ccccc		285.66 651		368.85 650	370.60 651	123.16 651		115.05 652		126.68 651		122.83 652		252.94 652		384.56 652	353.86 652	254.69 652	223.00 652	425.87 652

ASD4		3.38 626

Low-res two-view benchmark