Low-res two-view results

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

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

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

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

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

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

PSi22b	0.06 1	0.04 1	0.09 134	0.13 23	0.05 2	0.08 90	0.11 71	0.06 1	0.06 8	0.06 26	0.06 25	0.08 199	0.05 15	0.08 30	0.09 110	0.06 172	0.04 25	0.04 1	0.03 1	0.05 175	0.04 77

PSi22a	0.06 1	0.04 1	0.09 134	0.12 7	0.05 2	0.06 16	0.11 71	0.06 1	0.06 8	0.06 26	0.06 25	0.06 44	0.05 15	0.08 30	0.09 110	0.07 356	0.04 25	0.04 1	0.03 1	0.05 175	0.04 77

Foundation-i32	0.06 1	0.04 1	0.09 134	0.13 23	0.04 1	0.06 16	0.12 108	0.06 1	0.05 4	0.06 26	0.05 7	0.05 5	0.05 15	0.07 7	0.09 110	0.06 172	0.04 25	0.05 55	0.03 1	0.04 49	0.04 77

MLG-Stereo_test2	0.06 1	0.04 1	0.10 201	0.15 129	0.05 2	0.07 46	0.11 71	0.09 26	0.04 2	0.06 26	0.05 7	0.06 44	0.04 1	0.08 30	0.09 110	0.06 172	0.04 25	0.05 55	0.03 1	0.05 175	0.05 214

MLG-Stereo_test1	0.06 1	0.05 45	0.08 61	0.17 316	0.05 2	0.06 16	0.11 71	0.08 13	0.03 1	0.05 2	0.04 1	0.06 44	0.05 15	0.09 64	0.09 110	0.05 51	0.04 25	0.05 55	0.03 1	0.04 49	0.04 77

FoundationStereo	0.06 1	0.04 1	0.08 61	0.12 7	0.05 2	0.09 148	0.13 186	0.06 1	0.09 59	0.05 2	0.05 7	0.06 44	0.04 1	0.06 1	0.07 1	0.06 172	0.04 25	0.05 55	0.03 1	0.05 175	0.04 77

DF_test	0.07 7	0.05 45	0.08 61	0.14 71	0.08 231	0.04 1	0.13 186	0.08 13	0.11 120	0.07 80	0.08 133	0.06 44	0.07 184	0.06 1	0.08 27	0.06 172	0.05 284	0.05 55	0.05 200	0.05 175	0.04 77

over v1	0.07 7	0.07 248	0.07 13	0.18 410	0.05 2	0.08 90	0.08 9	0.10 40	0.05 4	0.06 26	0.06 25	0.07 132	0.10 329	0.11 208	0.08 27	0.05 51	0.04 25	0.04 1	0.03 1	0.05 175	0.05 214

over-8	0.07 7	0.07 248	0.07 13	0.18 410	0.05 2	0.08 90	0.08 9	0.13 125	0.05 4	0.06 26	0.05 7	0.07 132	0.09 282	0.11 208	0.08 27	0.06 172	0.04 25	0.04 1	0.03 1	0.05 175	0.05 214

small-0shot	0.07 7	0.05 45	0.08 61	0.14 71	0.07 140	0.06 16	0.13 186	0.09 26	0.08 30	0.05 2	0.10 209	0.06 44	0.06 69	0.06 1	0.10 216	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

over-9	0.07 7	0.07 248	0.07 13	0.18 410	0.05 2	0.08 90	0.08 9	0.13 125	0.06 8	0.06 26	0.05 7	0.07 132	0.09 282	0.11 208	0.08 27	0.06 172	0.04 25	0.04 1	0.03 1	0.05 175	0.05 214

WAFT-Stereo (ZS)	0.07 7	0.05 45	0.09 134	0.12 7	0.07 140	0.08 90	0.15 346	0.07 7	0.07 20	0.06 26	0.10 209	0.05 5	0.07 184	0.06 1	0.11 303	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.05 214

testmc14	0.07 7	0.05 45	0.06 5	0.15 129	0.05 2	0.09 148	0.13 186	0.08 13	0.08 30	0.07 80	0.09 171	0.06 44	0.05 15	0.07 7	0.07 1	0.06 172	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

MCSU-Stereo	0.07 7	0.05 45	0.06 5	0.15 129	0.05 2	0.09 148	0.13 186	0.10 40	0.09 59	0.07 80	0.07 68	0.07 132	0.05 15	0.09 64	0.07 1	0.06 172	0.04 25	0.04 1	0.03 1	0.04 49	0.03 2

derf	0.07 7	0.04 1	0.10 201	0.14 71	0.06 33	0.05 5	0.12 108	0.12 94	0.09 59	0.05 2	0.07 68	0.07 132	0.08 237	0.10 130	0.10 216	0.06 172	0.05 284	0.04 1	0.03 1	0.04 49	0.05 214

mm2	0.07 7	0.04 1	0.10 201	0.13 23	0.06 33	0.06 16	0.12 108	0.13 125	0.08 30	0.06 26	0.07 68	0.06 44	0.08 237	0.10 130	0.09 110	0.06 172	0.05 284	0.04 1	0.03 1	0.04 49	0.05 214

mm1	0.07 7	0.04 1	0.10 201	0.13 23	0.06 33	0.06 16	0.12 108	0.06 1	0.08 30	0.06 26	0.07 68	0.06 44	0.08 237	0.10 130	0.09 110	0.06 172	0.05 284	0.04 1	0.03 1	0.04 49	0.05 214

qqai	0.07 7	0.05 45	0.10 201	0.14 71	0.06 33	0.05 5	0.12 108	0.08 13	0.09 59	0.05 2	0.06 25	0.06 44	0.08 237	0.10 130	0.09 110	0.06 172	0.05 284	0.05 55	0.03 1	0.04 49	0.05 214

MGA	0.07 7	0.04 1	0.10 201	0.13 23	0.06 33	0.08 90	0.09 25	0.12 94	0.08 30	0.05 2	0.06 25	0.06 44	0.05 15	0.10 130	0.09 110	0.06 172	0.04 25	0.05 55	0.03 1	0.05 175	0.05 214

CAR	0.07 7	0.05 45	0.08 61	0.14 71	0.06 33	0.07 46	0.08 9	0.12 94	0.08 30	0.05 2	0.06 25	0.05 5	0.05 15	0.10 130	0.09 110	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

MSE-Stereo	0.07 7	0.04 1	0.08 61	0.13 23	0.06 33	0.07 46	0.08 9	0.12 94	0.08 30	0.05 2	0.06 25	0.05 5	0.05 15	0.10 130	0.09 110	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

monster-pro	0.07 7	0.06 125	0.05 1	0.15 129	0.05 2	0.07 46	0.10 42	0.15 202	0.15 267	0.05 2	0.06 25	0.05 5	0.06 69	0.07 7	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 125	0.07 13	0.15 129	0.07 140	0.08 90	0.14 258	0.11 67	0.08 30	0.05 2	0.07 68	0.08 199	0.08 237	0.09 64	0.09 110	0.06 172	0.04 25	0.05 55	0.04 64	0.03 1	0.04 77

aanet-new-60k	0.07 7	0.07 248	0.08 61	0.18 410	0.06 33	0.07 46	0.10 42	0.09 26	0.14 239	0.07 80	0.07 68	0.06 44	0.06 69	0.11 208	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

aanet-new-70k	0.07 7	0.06 125	0.09 134	0.17 316	0.06 33	0.08 90	0.12 108	0.11 67	0.10 87	0.06 26	0.07 68	0.07 132	0.06 69	0.10 130	0.07 1	0.04 11	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

aanet-new-78k	0.07 7	0.07 248	0.09 134	0.19 485	0.06 33	0.07 46	0.12 108	0.11 67	0.13 206	0.06 26	0.07 68	0.06 44	0.06 69	0.09 64	0.07 1	0.04 11	0.04 25	0.05 55	0.04 64	0.05 175	0.03 2

aanet-new-40k	0.07 7	0.08 372	0.07 13	0.17 316	0.07 140	0.08 90	0.13 186	0.10 40	0.10 87	0.07 80	0.08 133	0.06 44	0.05 15	0.08 30	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

GCAP-Stereo-DPT26K	0.07 7	0.06 125	0.07 13	0.16 229	0.06 33	0.08 90	0.12 108	0.10 40	0.08 30	0.06 26	0.09 171	0.06 44	0.05 15	0.08 30	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 248	0.07 13	0.17 316	0.06 33	0.07 46	0.12 108	0.09 26	0.11 120	0.09 194	0.09 171	0.06 44	0.07 184	0.09 64	0.07 1	0.04 11	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 45	0.11 264	0.15 129	0.06 33	0.07 46	0.13 186	0.09 26	0.11 120	0.07 80	0.08 133	0.06 44	0.05 15	0.09 64	0.07 1	0.05 51	0.05 284	0.05 55	0.04 64	0.03 1	0.04 77

GCAP-Stereo-DPT-24K	0.07 7	0.06 125	0.07 13	0.15 129	0.06 33	0.10 213	0.15 346	0.12 94	0.11 120	0.06 26	0.11 264	0.06 44	0.05 15	0.09 64	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 134	0.13 23	0.05 2	0.08 90	0.11 71	0.06 1	0.06 8	0.06 26	0.05 7	0.08 199	0.05 15	0.08 30	0.09 110	0.06 172	0.04 25	0.04 1	0.03 1	0.05 175	0.04 77

LACA3	0.07 7	0.08 372	0.08 61	0.13 23	0.05 2	0.09 148	0.11 71	0.08 13	0.08 30	0.08 141	0.05 7	0.07 132	0.07 184	0.07 7	0.07 1	0.06 172	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 125	0.08 61	0.17 316	0.06 33	0.08 90	0.12 108	0.13 125	0.07 20	0.08 141	0.07 68	0.06 44	0.04 1	0.10 130	0.09 110	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

LACA2	0.07 7	0.05 45	0.06 5	0.15 129	0.06 33	0.09 148	0.11 71	0.11 67	0.10 87	0.05 2	0.05 7	0.06 44	0.08 237	0.09 64	0.07 1	0.07 356	0.04 25	0.04 1	0.04 64	0.04 49	0.04 77

LACA1	0.07 7	0.07 248	0.07 13	0.14 71	0.05 2	0.09 148	0.11 71	0.10 40	0.07 20	0.05 2	0.05 7	0.06 44	0.07 184	0.08 30	0.09 110	0.06 172	0.04 25	0.04 1	0.04 64	0.03 1	0.04 77

Test_v1	0.07 7	0.04 1	0.06 5	0.13 23	0.06 33	0.08 90	0.11 71	0.15 202	0.12 162	0.06 26	0.05 7	0.04 1	0.05 15	0.08 30	0.10 216	0.07 356	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

BLMT-Stereo	0.07 7	0.04 1	0.08 61	0.15 129	0.07 140	0.06 16	0.14 258	0.07 7	0.10 87	0.05 2	0.05 7	0.04 1	0.06 69	0.07 7	0.09 110	0.04 11	0.04 25	0.05 55	0.05 200	0.04 49	0.04 77

Pro-Stereo	0.07 7	0.05 45	0.08 61	0.15 129	0.07 140	0.08 90	0.12 108	0.07 7	0.07 20	0.06 26	0.06 25	0.05 5	0.05 15	0.09 64	0.08 27	0.05 51	0.04 25	0.06 209	0.05 200	0.04 49	0.04 77

MatchStereo	0.07 7	0.04 1	0.08 61	0.14 71	0.06 33	0.05 5	0.12 108	0.12 94	0.09 59	0.07 80	0.06 25	0.04 1	0.04 1	0.08 30	0.09 110	0.06 172	0.05 284	0.05 55	0.03 1	0.04 49	0.04 77
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth_RVC	0.07 7	0.04 1	0.09 134	0.11 1	0.05 2	0.10 213	0.10 42	0.14 159	0.09 59	0.06 26	0.07 68	0.06 44	0.07 184	0.07 7	0.10 216	0.06 172	0.04 25	0.04 1	0.04 64	0.04 49	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 45	0.07 13	0.14 71	0.06 33	0.09 148	0.13 186	0.15 202	0.06 8	0.07 80	0.08 133	0.06 44	0.08 237	0.09 64	0.09 110	0.06 172	0.05 284	0.04 1	0.03 1	0.04 49	0.04 77

VIP-Stereo	0.07 7	0.07 248	0.07 13	0.15 129	0.06 33	0.12 325	0.10 42	0.11 67	0.11 120	0.06 26	0.07 68	0.06 44	0.05 15	0.10 130	0.08 27	0.05 51	0.04 25	0.05 55	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 248	0.08 61	0.18 410	0.06 33	0.07 46	0.11 71	0.09 26	0.06 8	0.04 1	0.07 68	0.10 275	0.09 282	0.08 30	0.08 27	0.04 11	0.03 1	0.04 1	0.04 64	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 7	0.05 45	0.09 134	0.13 23	0.06 33	0.12 325	0.12 108	0.11 67	0.10 87	0.07 80	0.08 133	0.06 44	0.06 69	0.09 64	0.08 27	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

MonStereo	0.07 7	0.06 125	0.05 1	0.15 129	0.05 2	0.08 90	0.10 42	0.15 202	0.15 267	0.05 2	0.06 25	0.05 5	0.06 69	0.07 7	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 45	0.07 13	0.16 229	0.06 33	0.07 46	0.11 71	0.10 40	0.08 30	0.06 26	0.06 25	0.07 132	0.07 184	0.09 64	0.09 110	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 125	0.05 1	0.15 129	0.05 2	0.08 90	0.10 42	0.15 202	0.15 267	0.05 2	0.06 25	0.05 5	0.06 69	0.07 7	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 134	0.13 23	0.06 33	0.05 5	0.09 25	0.11 67	0.07 20	0.06 26	0.06 25	0.05 5	0.06 69	0.09 64	0.09 110	0.06 172	0.04 25	0.04 1	0.03 1	0.05 175	0.05 214

Replicate-Monster	0.07 7	0.05 45	0.09 134	0.14 71	0.06 33	0.08 90	0.09 25	0.13 125	0.13 206	0.05 2	0.07 68	0.06 44	0.06 69	0.08 30	0.10 216	0.05 51	0.04 25	0.05 55	0.03 1	0.04 49	0.04 77

AdaDepth	0.07 7	0.06 125	0.07 13	0.18 410	0.06 33	0.11 271	0.12 108	0.09 26	0.07 20	0.06 26	0.05 7	0.07 132	0.06 69	0.09 64	0.10 216	0.04 11	0.05 284	0.05 55	0.04 64	0.04 49	0.04 77

asda	0.07 7	0.08 372	0.08 61	0.16 229	0.06 33	0.06 16	0.10 42	0.16 243	0.10 87	0.06 26	0.06 25	0.05 5	0.05 15	0.10 130	0.10 216	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

asd	0.07 7	0.08 372	0.07 13	0.16 229	0.07 140	0.08 90	0.08 9	0.11 67	0.08 30	0.07 80	0.07 68	0.06 44	0.06 69	0.10 130	0.09 110	0.03 1	0.03 1	0.04 1	0.04 64	0.04 49	0.03 2

qwe	0.07 7	0.08 372	0.07 13	0.15 129	0.06 33	0.07 46	0.10 42	0.18 318	0.11 120	0.07 80	0.07 68	0.06 44	0.06 69	0.10 130	0.09 110	0.03 1	0.03 1	0.04 1	0.04 64	0.04 49	0.03 2

2.25w	0.07 7	0.06 125	0.07 13	0.14 71	0.06 33	0.08 90	0.08 9	0.10 40	0.15 267	0.08 141	0.10 209	0.07 132	0.06 69	0.08 30	0.10 216	0.05 51	0.03 1	0.04 1	0.04 64	0.03 1	0.04 77

4.25_new	0.07 7	0.08 372	0.09 134	0.15 129	0.06 33	0.09 148	0.08 9	0.14 159	0.08 30	0.07 80	0.07 68	0.06 44	0.06 69	0.12 308	0.10 216	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

4.5w_new	0.07 7	0.08 372	0.09 134	0.15 129	0.06 33	0.09 148	0.08 9	0.14 159	0.08 30	0.07 80	0.07 68	0.06 44	0.06 69	0.12 308	0.10 216	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

4.5_new	0.07 7	0.09 456	0.08 61	0.15 129	0.07 140	0.06 16	0.10 42	0.14 159	0.11 120	0.06 26	0.08 133	0.06 44	0.06 69	0.08 30	0.10 216	0.03 1	0.03 1	0.04 1	0.04 64	0.04 49	0.03 2

4.5w-stereo	0.07 7	0.09 456	0.08 61	0.15 129	0.07 140	0.06 16	0.10 42	0.14 159	0.11 120	0.06 26	0.08 133	0.06 44	0.06 69	0.08 30	0.10 216	0.03 1	0.03 1	0.04 1	0.04 64	0.04 49	0.03 2

4.25w-stereo	0.07 7	0.08 372	0.09 134	0.15 129	0.06 33	0.09 148	0.08 9	0.14 159	0.08 30	0.07 80	0.07 68	0.06 44	0.06 69	0.12 308	0.10 216	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

4w-stereo	0.07 7	0.08 372	0.08 61	0.16 229	0.06 33	0.07 46	0.08 9	0.12 94	0.08 30	0.07 80	0.07 68	0.05 5	0.06 69	0.09 64	0.10 216	0.03 1	0.03 1	0.04 1	0.04 64	0.04 49	0.03 2

2.5w	0.07 7	0.07 248	0.07 13	0.16 229	0.06 33	0.08 90	0.12 108	0.10 40	0.10 87	0.07 80	0.06 25	0.09 237	0.06 69	0.08 30	0.09 110	0.04 11	0.03 1	0.04 1	0.04 64	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 248	0.07 13	0.13 23	0.06 33	0.08 90	0.08 9	0.18 318	0.12 162	0.07 80	0.08 133	0.06 44	0.06 69	0.09 64	0.11 303	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 77

3.25w_new	0.07 7	0.06 125	0.07 13	0.15 129	0.06 33	0.10 213	0.07 5	0.12 94	0.11 120	0.08 141	0.06 25	0.07 132	0.06 69	0.11 208	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 125	0.07 13	0.15 129	0.06 33	0.10 213	0.07 5	0.12 94	0.11 120	0.08 141	0.06 25	0.07 132	0.06 69	0.11 208	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 248	0.08 61	0.16 229	0.07 140	0.07 46	0.09 25	0.16 243	0.09 59	0.07 80	0.06 25	0.05 5	0.06 69	0.09 64	0.10 216	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 248	0.07 13	0.15 129	0.07 140	0.09 148	0.06 1	0.13 125	0.11 120	0.07 80	0.07 68	0.06 44	0.07 184	0.10 130	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 125	0.07 13	0.16 229	0.06 33	0.07 46	0.10 42	0.14 159	0.14 239	0.07 80	0.08 133	0.05 5	0.06 69	0.09 64	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 77

monsterstereo	0.07 7	0.06 125	0.06 5	0.16 229	0.06 33	0.08 90	0.10 42	0.16 243	0.11 120	0.07 80	0.08 133	0.06 44	0.07 184	0.08 30	0.09 110	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

monsters	0.07 7	0.06 125	0.06 5	0.15 129	0.06 33	0.08 90	0.09 25	0.12 94	0.08 30	0.09 194	0.07 68	0.06 44	0.06 69	0.08 30	0.08 27	0.05 51	0.04 25	0.04 1	0.04 64	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 61	0.13 23	0.06 33	0.09 148	0.12 108	0.14 159	0.10 87	0.06 26	0.09 171	0.07 132	0.05 15	0.09 64	0.09 110	0.06 172	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

111111	0.07 7	0.04 1	0.09 134	0.17 316	0.06 33	0.05 5	0.10 42	0.11 67	0.09 59	0.06 26	0.06 25	0.07 132	0.05 15	0.09 64	0.09 110	0.06 172	0.04 25	0.05 55	0.04 64	0.07 394	0.06 324

LG-Stereo_L2	0.07 7	0.05 45	0.10 201	0.14 71	0.06 33	0.07 46	0.12 108	0.09 26	0.09 59	0.06 26	0.04 1	0.05 5	0.05 15	0.08 30	0.08 27	0.05 51	0.04 25	0.05 55	0.03 1	0.04 49	0.03 2

LG-Stereo_L1	0.07 7	0.05 45	0.11 264	0.14 71	0.06 33	0.07 46	0.13 186	0.09 26	0.07 20	0.05 2	0.04 1	0.05 5	0.04 1	0.08 30	0.07 1	0.05 51	0.04 25	0.05 55	0.03 1	0.04 49	0.04 77

MLG-Stereo_test3	0.07 7	0.05 45	0.10 201	0.14 71	0.06 33	0.07 46	0.11 71	0.08 13	0.06 8	0.06 26	0.04 1	0.06 44	0.06 69	0.07 7	0.10 216	0.06 172	0.04 25	0.05 55	0.04 64	0.05 175	0.06 324

MLG-Stereo	0.07 7	0.05 45	0.08 61	0.17 316	0.05 2	0.07 46	0.11 71	0.08 13	0.04 2	0.05 2	0.04 1	0.06 44	0.05 15	0.10 130	0.09 110	0.05 51	0.04 25	0.05 55	0.03 1	0.04 49	0.04 77

LG-G_1	0.07 7	0.04 1	0.11 264	0.15 129	0.06 33	0.09 148	0.08 9	0.08 13	0.06 8	0.06 26	0.05 7	0.07 132	0.07 184	0.11 208	0.08 27	0.07 356	0.04 25	0.05 55	0.04 64	0.05 175	0.05 214

LG-G	0.07 7	0.04 1	0.11 264	0.15 129	0.06 33	0.09 148	0.08 9	0.08 13	0.06 8	0.06 26	0.05 7	0.07 132	0.07 184	0.11 208	0.08 27	0.07 356	0.04 25	0.05 55	0.04 64	0.05 175	0.05 214

LGtest1	0.07 7	0.04 1	0.10 201	0.15 129	0.06 33	0.07 46	0.09 25	0.08 13	0.06 8	0.05 2	0.04 1	0.06 44	0.06 69	0.10 130	0.09 110	0.07 356	0.04 25	0.05 55	0.04 64	0.06 306	0.06 324

LG-Stereo_Zeroshot	0.07 7	0.06 125	0.10 201	0.16 229	0.07 140	0.04 1	0.13 186	0.10 40	0.10 87	0.05 2	0.11 264	0.07 132	0.05 15	0.07 7	0.09 110	0.06 172	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

GREAT-IGEV	0.07 7	0.06 125	0.08 61	0.13 23	0.07 140	0.07 46	0.14 258	0.09 26	0.09 59	0.06 26	0.07 68	0.06 44	0.05 15	0.10 130	0.07 1	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 614	0.17 524	0.11 1	0.05 2	0.05 5	0.11 71	0.08 13	0.08 30	0.06 26	0.06 25	0.05 5	0.05 15	0.09 64	0.08 27	0.08 439	0.04 25	0.05 55	0.03 1	0.05 175	0.04 77

AIO_rvc	0.07 7	0.06 125	0.08 61	0.15 129	0.06 33	0.08 90	0.14 258	0.09 26	0.08 30	0.07 80	0.08 133	0.07 132	0.04 1	0.10 130	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

AIO_test	0.07 7	0.05 45	0.07 13	0.15 129	0.07 140	0.06 16	0.14 258	0.10 40	0.10 87	0.07 80	0.07 68	0.06 44	0.05 15	0.08 30	0.10 216	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

MonSter	0.07 7	0.06 125	0.05 1	0.15 129	0.05 2	0.07 46	0.10 42	0.15 202	0.15 267	0.05 2	0.06 25	0.05 5	0.06 69	0.07 7	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 45	0.07 13	0.14 71	0.06 33	0.10 213	0.13 186	0.07 7	0.13 206	0.06 26	0.07 68	0.06 44	0.05 15	0.10 130	0.09 110	0.04 11	0.04 25	0.05 55	0.03 1	0.04 49	0.04 77

dual_stereo	0.07 7	0.04 1	0.08 61	0.15 129	0.05 2	0.05 5	0.13 186	0.12 94	0.08 30	0.07 80	0.06 25	0.05 5	0.05 15	0.07 7	0.09 110	0.06 172	0.04 25	0.05 55	0.03 1	0.04 49	0.04 77

IGEV-Stereo++	0.07 7	0.06 125	0.08 61	0.18 410	0.06 33	0.04 1	0.10 42	0.11 67	0.11 120	0.06 26	0.07 68	0.07 132	0.06 69	0.09 64	0.09 110	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

IGEV-Stereo+	0.07 7	0.04 1	0.08 61	0.15 129	0.06 33	0.04 1	0.09 25	0.10 40	0.09 59	0.06 26	0.06 25	0.06 44	0.06 69	0.06 1	0.08 27	0.06 172	0.04 25	0.05 55	0.04 64	0.06 306	0.06 324

GCAPDPT-zeroshot4090	0.07 7	0.05 45	0.11 264	0.15 129	0.06 33	0.07 46	0.13 186	0.09 26	0.11 120	0.07 80	0.08 133	0.06 44	0.05 15	0.09 64	0.07 1	0.05 51	0.05 284	0.05 55	0.04 64	0.03 1	0.04 77

Selective-IGEV	0.07 7	0.06 125	0.08 61	0.17 316	0.06 33	0.08 90	0.12 108	0.13 125	0.07 20	0.08 141	0.07 68	0.06 44	0.04 1	0.10 130	0.09 110	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

over-6	0.08 92	0.07 248	0.08 61	0.17 316	0.05 2	0.10 213	0.09 25	0.17 282	0.11 120	0.06 26	0.07 68	0.06 44	0.09 282	0.10 130	0.08 27	0.06 172	0.04 25	0.04 1	0.04 64	0.05 175	0.05 214

anonymous	0.08 92	0.05 45	0.12 313	0.16 229	0.08 231	0.05 5	0.13 186	0.10 40	0.14 239	0.07 80	0.07 68	0.06 44	0.04 1	0.07 7	0.09 110	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

depth_test_26	0.08 92	0.04 1	0.11 264	0.13 23	0.07 140	0.07 46	0.11 71	0.12 94	0.11 120	0.09 194	0.07 68	0.08 199	0.05 15	0.09 64	0.08 27	0.08 439	0.06 439	0.06 209	0.06 302	0.06 306	0.07 414

Anonymus	0.08 92	0.05 45	0.10 201	0.15 129	0.08 231	0.10 213	0.15 346	0.15 202	0.10 87	0.07 80	0.06 25	0.07 132	0.08 237	0.12 308	0.10 216	0.06 172	0.04 25	0.05 55	0.05 200	0.05 175	0.06 324

LGCAT	0.08 92	0.04 1	0.10 201	0.11 1	0.06 33	0.07 46	0.12 108	0.07 7	0.08 30	0.09 194	0.07 68	0.07 132	0.08 237	0.12 308	0.11 303	0.10 547	0.09 583	0.04 1	0.05 200	0.04 49	0.09 531

quiztm	0.08 92	0.07 248	0.08 61	0.18 410	0.07 140	0.09 148	0.14 258	0.14 159	0.12 162	0.07 80	0.07 68	0.05 5	0.06 69	0.11 208	0.09 110	0.05 51	0.04 25	0.06 209	0.04 64	0.04 49	0.03 2

TS12	0.08 92	0.06 125	0.09 134	0.21 587	0.07 140	0.11 271	0.13 186	0.11 67	0.09 59	0.10 244	0.10 209	0.08 199	0.10 329	0.09 64	0.12 371	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.04 77

DF	0.08 92	0.05 45	0.09 134	0.15 129	0.06 33	0.11 271	0.13 186	0.10 40	0.12 162	0.09 194	0.10 209	0.10 275	0.08 237	0.11 208	0.09 110	0.07 356	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

LiteMatch*	0.08 92	0.04 1	0.11 264	0.13 23	0.08 231	0.08 90	0.13 186	0.14 159	0.09 59	0.05 2	0.05 7	0.05 5	0.09 282	0.11 208	0.10 216	0.06 172	0.05 284	0.05 55	0.04 64	0.05 175	0.05 214

aanet-new-90k	0.08 92	0.07 248	0.08 61	0.19 485	0.06 33	0.07 46	0.12 108	0.12 94	0.13 206	0.06 26	0.07 68	0.06 44	0.06 69	0.10 130	0.07 1	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.03 2

aanet-new-36k	0.08 92	0.06 125	0.09 134	0.17 316	0.06 33	0.09 148	0.13 186	0.11 67	0.13 206	0.08 141	0.08 133	0.06 44	0.05 15	0.09 64	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

aanet-new-34k	0.08 92	0.06 125	0.09 134	0.17 316	0.05 2	0.07 46	0.13 186	0.12 94	0.12 162	0.09 194	0.08 133	0.07 132	0.05 15	0.10 130	0.09 110	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

aanet-32k-new	0.08 92	0.07 248	0.08 61	0.18 410	0.06 33	0.08 90	0.12 108	0.11 67	0.12 162	0.07 80	0.08 133	0.05 5	0.07 184	0.10 130	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.06 306	0.04 77

aanet-new-32k	0.08 92	0.07 248	0.09 134	0.18 410	0.06 33	0.11 271	0.11 71	0.10 40	0.08 30	0.07 80	0.07 68	0.07 132	0.06 69	0.10 130	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

aanet-new-30k	0.08 92	0.07 248	0.09 134	0.18 410	0.06 33	0.11 271	0.11 71	0.10 40	0.08 30	0.07 80	0.07 68	0.07 132	0.06 69	0.10 130	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

aanet-new-28k	0.08 92	0.07 248	0.09 134	0.18 410	0.06 33	0.08 90	0.12 108	0.10 40	0.09 59	0.09 194	0.08 133	0.08 199	0.06 69	0.12 308	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

aanet-new-22k	0.08 92	0.06 125	0.09 134	0.17 316	0.06 33	0.08 90	0.11 71	0.14 159	0.12 162	0.09 194	0.09 171	0.08 199	0.06 69	0.10 130	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

aanet-new-16k	0.08 92	0.08 372	0.08 61	0.18 410	0.06 33	0.07 46	0.09 25	0.13 125	0.12 162	0.08 141	0.07 68	0.07 132	0.06 69	0.09 64	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.05 175	0.03 2

aanet-new-10k	0.08 92	0.08 372	0.08 61	0.19 485	0.07 140	0.08 90	0.12 108	0.14 159	0.11 120	0.07 80	0.08 133	0.07 132	0.07 184	0.09 64	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

aanet-new-12k	0.08 92	0.09 456	0.07 13	0.20 553	0.08 231	0.08 90	0.13 186	0.12 94	0.13 206	0.08 141	0.08 133	0.05 5	0.07 184	0.09 64	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.06 306	0.04 77

aanet-new-14k	0.08 92	0.09 456	0.08 61	0.19 485	0.06 33	0.07 46	0.10 42	0.14 159	0.15 267	0.06 26	0.08 133	0.05 5	0.06 69	0.09 64	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

aanet-new-8k	0.08 92	0.07 248	0.08 61	0.19 485	0.07 140	0.09 148	0.12 108	0.16 243	0.15 267	0.07 80	0.07 68	0.06 44	0.06 69	0.10 130	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

aanet-new	0.08 92	0.09 456	0.10 201	0.18 410	0.08 231	0.10 213	0.12 108	0.15 202	0.12 162	0.08 141	0.08 133	0.05 5	0.07 184	0.10 130	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.06 306	0.04 77

GCAP-Stereo-cres-4k	0.08 92	0.07 248	0.08 61	0.18 410	0.07 140	0.11 271	0.14 258	0.12 94	0.11 120	0.07 80	0.11 264	0.07 132	0.06 69	0.09 64	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

GCAP-Stereo-DPT-cres	0.08 92	0.05 45	0.07 13	0.15 129	0.06 33	0.10 213	0.14 258	0.13 125	0.12 162	0.07 80	0.09 171	0.07 132	0.06 69	0.10 130	0.09 110	0.05 51	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 92	0.06 125	0.15 457	0.14 71	0.06 33	0.08 90	0.13 186	0.13 125	0.11 120	0.07 80	0.08 133	0.07 132	0.06 69	0.09 64	0.08 27	0.05 51	0.05 284	0.05 55	0.04 64	0.03 1	0.04 77

GCAP-Stereo-DPT-22K	0.08 92	0.06 125	0.07 13	0.17 316	0.06 33	0.07 46	0.14 258	0.13 125	0.16 307	0.05 2	0.10 209	0.06 44	0.06 69	0.08 30	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.04 77

GCAP-Stereo-DPT-5K	0.08 92	0.06 125	0.10 201	0.16 229	0.07 140	0.11 271	0.12 108	0.15 202	0.15 267	0.08 141	0.12 286	0.05 5	0.06 69	0.09 64	0.08 27	0.05 51	0.04 25	0.06 209	0.05 200	0.03 1	0.04 77

GCAP-Stereo-DPT-2K	0.08 92	0.06 125	0.10 201	0.16 229	0.07 140	0.11 271	0.13 186	0.14 159	0.14 239	0.08 141	0.13 305	0.05 5	0.06 69	0.10 130	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.03 1	0.04 77

GCAP-Stereo-DPT-3K	0.08 92	0.07 248	0.10 201	0.16 229	0.07 140	0.09 148	0.12 108	0.15 202	0.14 239	0.08 141	0.11 264	0.05 5	0.06 69	0.09 64	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.03 1	0.04 77

GCAP-Stereo-DPT-50K	0.08 92	0.06 125	0.17 524	0.15 129	0.06 33	0.06 16	0.13 186	0.13 125	0.13 206	0.07 80	0.07 68	0.06 44	0.05 15	0.08 30	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 92	0.06 125	0.07 13	0.16 229	0.06 33	0.06 16	0.14 258	0.14 159	0.14 239	0.07 80	0.10 209	0.06 44	0.05 15	0.09 64	0.09 110	0.04 11	0.04 25	0.04 1	0.04 64	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 92	0.05 45	0.12 313	0.15 129	0.06 33	0.10 213	0.14 258	0.12 94	0.12 162	0.07 80	0.09 171	0.06 44	0.06 69	0.10 130	0.08 27	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

PSi22	0.08 92	0.06 125	0.11 264	0.16 229	0.07 140	0.08 90	0.10 42	0.14 159	0.08 30	0.08 141	0.06 25	0.10 275	0.06 69	0.12 308	0.09 110	0.05 51	0.04 25	0.04 1	0.03 1	0.04 49	0.04 77

Foundation-i1c-attn	0.08 92	0.05 45	0.07 13	0.14 71	0.05 2	0.09 148	0.12 108	0.12 94	0.10 87	0.09 194	0.10 209	0.10 275	0.07 184	0.07 7	0.10 216	0.06 172	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

Foundation-i1b	0.08 92	0.05 45	0.07 13	0.14 71	0.05 2	0.09 148	0.12 108	0.13 125	0.10 87	0.09 194	0.10 209	0.09 237	0.06 69	0.07 7	0.09 110	0.06 172	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

Foundation-i1a	0.08 92	0.05 45	0.07 13	0.13 23	0.05 2	0.13 381	0.13 186	0.12 94	0.09 59	0.11 281	0.11 264	0.11 306	0.06 69	0.08 30	0.09 110	0.06 172	0.04 25	0.05 55	0.03 1	0.04 49	0.04 77

DepthFocus	0.08 92	0.04 1	0.15 457	0.12 7	0.09 368	0.07 46	0.12 108	0.10 40	0.05 4	0.09 194	0.05 7	0.07 132	0.04 1	0.08 30	0.08 27	0.06 172	0.05 284	0.07 322	0.07 403	0.05 175	0.04 77

GeoVLM	0.08 92	0.04 1	0.10 201	0.13 23	0.06 33	0.10 213	0.12 108	0.13 125	0.08 30	0.06 26	0.07 68	0.06 44	0.08 237	0.10 130	0.11 303	0.06 172	0.05 284	0.04 1	0.03 1	0.04 49	0.05 214

gcap_with_dpt	0.08 92	0.06 125	0.09 134	0.16 229	0.07 140	0.09 148	0.12 108	0.13 125	0.13 206	0.08 141	0.12 286	0.04 1	0.06 69	0.10 130	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.03 1	0.04 77

DispViT+	0.08 92	0.05 45	0.09 134	0.13 23	0.06 33	0.05 5	0.11 71	0.18 318	0.16 307	0.09 194	0.08 133	0.07 132	0.06 69	0.11 208	0.09 110	0.06 172	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 92	0.04 1	0.11 264	0.14 71	0.07 140	0.11 271	0.11 71	0.11 67	0.07 20	0.07 80	0.07 68	0.07 132	0.06 69	0.10 130	0.10 216	0.06 172	0.04 25	0.05 55	0.04 64	0.06 306	0.06 324

BStereo	0.08 92	0.06 125	0.16 493	0.15 129	0.08 231	0.07 46	0.09 25	0.15 202	0.16 307	0.06 26	0.07 68	0.07 132	0.05 15	0.09 64	0.11 303	0.04 11	0.05 284	0.05 55	0.07 403	0.04 49	0.04 77

MonSter++	0.08 92	0.04 1	0.10 201	0.13 23	0.06 33	0.09 148	0.12 108	0.13 125	0.08 30	0.06 26	0.07 68	0.06 44	0.08 237	0.10 130	0.11 303	0.06 172	0.05 284	0.04 1	0.03 1	0.04 49	0.04 77

HiDET	0.08 92	0.04 1	0.10 201	0.13 23	0.06 33	0.08 90	0.12 108	0.12 94	0.11 120	0.06 26	0.07 68	0.07 132	0.07 184	0.11 208	0.11 303	0.06 172	0.04 25	0.04 1	0.03 1	0.04 49	0.04 77

LCMNet	0.08 92	0.05 45	0.10 201	0.13 23	0.07 140	0.09 148	0.12 108	0.10 40	0.11 120	0.06 26	0.08 133	0.06 44	0.07 184	0.11 208	0.10 216	0.06 172	0.05 284	0.04 1	0.03 1	0.04 49	0.04 77

GEAStereo	0.08 92	0.05 45	0.08 61	0.13 23	0.08 231	0.08 90	0.14 258	0.10 40	0.09 59	0.08 141	0.10 209	0.06 44	0.05 15	0.11 208	0.08 27	0.06 172	0.04 25	0.05 55	0.04 64	0.05 175	0.05 214

GSStereo	0.08 92	0.05 45	0.08 61	0.13 23	0.08 231	0.08 90	0.14 258	0.11 67	0.12 162	0.08 141	0.10 209	0.05 5	0.05 15	0.11 208	0.08 27	0.06 172	0.04 25	0.05 55	0.04 64	0.05 175	0.05 214

gasm-f	0.08 92	0.05 45	0.07 13	0.13 23	0.08 231	0.08 90	0.14 258	0.10 40	0.09 59	0.08 141	0.10 209	0.06 44	0.05 15	0.10 130	0.08 27	0.06 172	0.04 25	0.05 55	0.04 64	0.06 306	0.05 214

DDF-Stereo	0.08 92	0.04 1	0.09 134	0.15 129	0.10 483	0.06 16	0.13 186	0.09 26	0.14 239	0.06 26	0.06 25	0.07 132	0.06 69	0.09 64	0.10 216	0.06 172	0.04 25	0.06 209	0.04 64	0.08 464	0.05 214

252Zero-FE	0.08 92	0.04 1	0.09 134	0.13 23	0.07 140	0.12 325	0.11 71	0.13 125	0.14 239	0.06 26	0.05 7	0.06 44	0.05 15	0.09 64	0.10 216	0.06 172	0.04 25	0.04 1	0.03 1	0.05 175	0.06 324

DA	0.08 92	0.07 248	0.07 13	0.19 485	0.08 231	0.09 148	0.12 108	0.13 125	0.12 162	0.08 141	0.10 209	0.10 275	0.08 237	0.09 64	0.10 216	0.05 51	0.04 25	0.06 209	0.04 64	0.05 175	0.03 2

zero-FE	0.08 92	0.04 1	0.09 134	0.15 129	0.10 483	0.05 5	0.14 258	0.09 26	0.14 239	0.07 80	0.06 25	0.07 132	0.06 69	0.09 64	0.10 216	0.06 172	0.04 25	0.06 209	0.04 64	0.08 464	0.05 214

GGEV	0.08 92	0.07 248	0.07 13	0.19 485	0.08 231	0.09 148	0.12 108	0.13 125	0.12 162	0.08 141	0.10 209	0.10 275	0.08 237	0.09 64	0.10 216	0.05 51	0.04 25	0.06 209	0.04 64	0.05 175	0.03 2

GASTEREO	0.08 92	0.05 45	0.09 134	0.19 485	0.07 140	0.07 46	0.12 108	0.14 159	0.11 120	0.10 244	0.09 171	0.07 132	0.04 1	0.12 308	0.08 27	0.06 172	0.05 284	0.05 55	0.04 64	0.04 49	0.05 214

MSCF	0.08 92	0.05 45	0.08 61	0.19 485	0.08 231	0.06 16	0.12 108	0.14 159	0.11 120	0.10 244	0.09 171	0.07 132	0.04 1	0.11 208	0.08 27	0.06 172	0.05 284	0.05 55	0.04 64	0.05 175	0.05 214

S2M2_XL	0.08 92	0.06 125	0.12 313	0.12 7	0.08 231	0.09 148	0.09 25	0.07 7	0.07 20	0.08 141	0.07 68	0.07 132	0.06 69	0.09 64	0.09 110	0.08 439	0.06 439	0.07 322	0.05 200	0.08 464	0.06 324
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 92	0.09 456	0.10 201	0.17 316	0.07 140	0.08 90	0.10 42	0.20 361	0.13 206	0.06 26	0.07 68	0.05 5	0.06 69	0.08 30	0.09 110	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

2w_stereo	0.08 92	0.08 372	0.09 134	0.16 229	0.06 33	0.08 90	0.10 42	0.20 361	0.15 267	0.08 141	0.07 68	0.06 44	0.06 69	0.06 1	0.09 110	0.04 11	0.03 1	0.04 1	0.04 64	0.03 1	0.03 2

LG-Stereo	0.08 92	0.07 248	0.10 201	0.18 410	0.07 140	0.10 213	0.17 462	0.11 67	0.08 30	0.05 2	0.07 68	0.05 5	0.07 184	0.09 64	0.09 110	0.04 11	0.05 284	0.07 322	0.07 403	0.04 49	0.04 77

SGD-Stereo	0.08 92	0.05 45	0.10 201	0.14 71	0.05 2	0.12 325	0.12 108	0.11 67	0.12 162	0.07 80	0.09 171	0.09 237	0.09 282	0.08 30	0.08 27	0.06 172	0.04 25	0.05 55	0.04 64	0.05 175	0.03 2

HART	0.08 92	0.07 248	0.09 134	0.17 316	0.07 140	0.10 213	0.16 419	0.13 125	0.11 120	0.08 141	0.10 209	0.07 132	0.05 15	0.10 130	0.08 27	0.05 51	0.04 25	0.06 209	0.04 64	0.05 175	0.04 77

Reg-Stereo(zero)	0.08 92	0.05 45	0.08 61	0.16 229	0.06 33	0.12 325	0.11 71	0.15 202	0.10 87	0.12 325	0.09 171	0.10 275	0.08 237	0.11 208	0.08 27	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.05 214

SCV_C0	0.08 92	0.07 248	0.07 13	0.16 229	0.09 368	0.08 90	0.15 346	0.11 67	0.12 162	0.08 141	0.07 68	0.06 44	0.05 15	0.11 208	0.07 1	0.05 51	0.05 284	0.05 55	0.04 64	0.06 306	0.05 214

SCV	0.08 92	0.09 456	0.08 61	0.15 129	0.08 231	0.10 213	0.13 186	0.10 40	0.12 162	0.07 80	0.07 68	0.06 44	0.04 1	0.09 64	0.08 27	0.05 51	0.04 25	0.06 209	0.04 64	0.06 306	0.04 77

DEFOM-Stereo_RVC	0.08 92	0.06 125	0.09 134	0.22 605	0.06 33	0.08 90	0.12 108	0.10 40	0.10 87	0.07 80	0.07 68	0.06 44	0.05 15	0.11 208	0.09 110	0.06 172	0.04 25	0.05 55	0.03 1	0.06 306	0.04 77

HUF	0.08 92	0.05 45	0.08 61	0.14 71	0.06 33	0.09 148	0.13 186	0.13 125	0.13 206	0.07 80	0.07 68	0.08 199	0.06 69	0.10 130	0.09 110	0.06 172	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

castereo++	0.08 92	0.05 45	0.08 61	0.15 129	0.05 2	0.14 418	0.12 108	0.11 67	0.15 267	0.07 80	0.07 68	0.07 132	0.06 69	0.08 30	0.08 27	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

IGEV-RUCA	0.08 92	0.06 125	0.11 264	0.14 71	0.09 368	0.10 213	0.12 108	0.10 40	0.12 162	0.06 26	0.07 68	0.07 132	0.06 69	0.09 64	0.08 27	0.06 172	0.05 284	0.05 55	0.04 64	0.05 175	0.06 324

GIP-stereo	0.08 92	0.06 125	0.11 264	0.14 71	0.06 33	0.09 148	0.13 186	0.14 159	0.11 120	0.07 80	0.08 133	0.05 5	0.04 1	0.10 130	0.07 1	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

SMoEStereo_RVC	0.08 92	0.06 125	0.12 313	0.16 229	0.07 140	0.09 148	0.14 258	0.11 67	0.13 206	0.09 194	0.07 68	0.07 132	0.07 184	0.12 308	0.10 216	0.05 51	0.04 25	0.06 209	0.05 200	0.04 49	0.04 77

WCG-NET	0.08 92	0.05 45	0.09 134	0.15 129	0.06 33	0.11 271	0.14 258	0.13 125	0.13 206	0.06 26	0.09 171	0.07 132	0.06 69	0.13 366	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

Occ-G	0.08 92	0.05 45	0.06 5	0.14 71	0.07 140	0.08 90	0.14 258	0.13 125	0.15 267	0.07 80	0.11 264	0.07 132	0.05 15	0.09 64	0.10 216	0.06 172	0.05 284	0.05 55	0.04 64	0.05 175	0.05 214

U	0.08 92	0.07 248	0.09 134	0.19 485	0.10 483	0.10 213	0.13 186	0.12 94	0.17 337	0.07 80	0.07 68	0.06 44	0.05 15	0.07 7	0.08 27	0.06 172	0.04 25	0.06 209	0.04 64	0.06 306	0.05 214

AIO-Stereo	0.08 92	0.06 125	0.09 134	0.18 410	0.06 33	0.08 90	0.12 108	0.15 202	0.09 59	0.08 141	0.08 133	0.07 132	0.05 15	0.11 208	0.08 27	0.05 51	0.05 284	0.05 55	0.04 64	0.04 49	0.04 77

WCG-NET（raft）	0.08 92	0.05 45	0.10 201	0.15 129	0.06 33	0.11 271	0.13 186	0.15 202	0.12 162	0.08 141	0.07 68	0.06 44	0.06 69	0.13 366	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

RSM++	0.08 92	0.06 125	0.09 134	0.17 316	0.07 140	0.09 148	0.12 108	0.11 67	0.11 120	0.08 141	0.06 25	0.07 132	0.05 15	0.10 130	0.09 110	0.04 11	0.04 25	0.06 209	0.05 200	0.05 175	0.03 2

RSM	0.08 92	0.06 125	0.09 134	0.17 316	0.06 33	0.08 90	0.12 108	0.12 94	0.10 87	0.08 141	0.07 68	0.06 44	0.05 15	0.11 208	0.09 110	0.04 11	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

gcap-zeroshot	0.08 92	0.06 125	0.10 201	0.15 129	0.07 140	0.11 271	0.12 108	0.15 202	0.15 267	0.08 141	0.12 286	0.05 5	0.06 69	0.09 64	0.08 27	0.05 51	0.04 25	0.06 209	0.05 200	0.03 1	0.04 77

test_for_model	0.08 92	0.06 125	0.10 201	0.16 229	0.07 140	0.11 271	0.12 108	0.15 202	0.15 267	0.08 141	0.12 286	0.05 5	0.06 69	0.09 64	0.08 27	0.05 51	0.04 25	0.06 209	0.05 200	0.03 1	0.04 77

trnet	0.08 92	0.05 45	0.07 13	0.12 7	0.05 2	0.12 325	0.11 71	0.13 125	0.10 87	0.08 141	0.13 305	0.09 237	0.08 237	0.11 208	0.10 216	0.08 439	0.05 284	0.05 55	0.03 1	0.06 306	0.05 214

MoCha-V2	0.08 92	0.05 45	0.10 201	0.20 553	0.07 140	0.09 148	0.14 258	0.11 67	0.08 30	0.07 80	0.08 133	0.07 132	0.06 69	0.09 64	0.08 27	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

IGEV++	0.08 92	0.06 125	0.08 61	0.18 410	0.07 140	0.09 148	0.13 186	0.10 40	0.09 59	0.08 141	0.08 133	0.06 44	0.06 69	0.13 366	0.09 110	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

testlalala	0.08 92	0.06 125	0.10 201	0.15 129	0.07 140	0.11 271	0.12 108	0.15 202	0.15 267	0.08 141	0.12 286	0.05 5	0.06 69	0.09 64	0.08 27	0.05 51	0.04 25	0.06 209	0.05 200	0.03 1	0.04 77

AEACV	0.08 92	0.05 45	0.08 61	0.14 71	0.13 593	0.14 418	0.13 186	0.14 159	0.09 59	0.07 80	0.09 171	0.07 132	0.08 237	0.10 130	0.09 110	0.06 172	0.04 25	0.06 209	0.05 200	0.05 175	0.04 77

LoS_RVC	0.08 92	0.05 45	0.07 13	0.15 129	0.07 140	0.08 90	0.15 346	0.11 67	0.10 87	0.08 141	0.09 171	0.06 44	0.09 282	0.10 130	0.09 110	0.05 51	0.04 25	0.05 55	0.03 1	0.04 49	0.03 2

CAS	0.08 92	0.04 1	0.07 13	0.17 316	0.08 231	0.10 213	0.13 186	0.12 94	0.09 59	0.09 194	0.10 209	0.08 199	0.06 69	0.09 64	0.08 27	0.08 439	0.04 25	0.05 55	0.03 1	0.05 175	0.04 77

CES	0.08 92	0.04 1	0.08 61	0.14 71	0.07 140	0.09 148	0.14 258	0.11 67	0.09 59	0.08 141	0.09 171	0.11 306	0.06 69	0.12 308	0.08 27	0.06 172	0.04 25	0.05 55	0.03 1	0.05 175	0.05 214

EGLCR-Stereo	0.08 92	0.05 45	0.08 61	0.14 71	0.06 33	0.10 213	0.12 108	0.11 67	0.16 307	0.06 26	0.05 7	0.07 132	0.05 15	0.10 130	0.11 303	0.06 172	0.04 25	0.06 209	0.05 200	0.04 49	0.04 77

MC-Stereo	0.08 92	0.06 125	0.09 134	0.17 316	0.06 33	0.10 213	0.14 258	0.12 94	0.10 87	0.09 194	0.12 286	0.09 237	0.06 69	0.11 208	0.10 216	0.06 172	0.04 25	0.06 209	0.05 200	0.04 49	0.04 77

test-3	0.08 92	0.06 125	0.09 134	0.17 316	0.07 140	0.07 46	0.14 258	0.12 94	0.15 267	0.09 194	0.08 133	0.07 132	0.08 237	0.11 208	0.10 216	0.05 51	0.04 25	0.07 322	0.05 200	0.04 49	0.04 77

test_1	0.08 92	0.06 125	0.09 134	0.17 316	0.07 140	0.07 46	0.14 258	0.12 94	0.15 267	0.09 194	0.08 133	0.07 132	0.08 237	0.11 208	0.10 216	0.05 51	0.04 25	0.07 322	0.05 200	0.04 49	0.04 77

CREStereo++_RVC	0.08 92	0.04 1	0.06 5	0.13 23	0.07 140	0.09 148	0.12 108	0.14 159	0.14 239	0.10 244	0.14 321	0.08 199	0.07 184	0.09 64	0.11 303	0.06 172	0.04 25	0.05 55	0.05 200	0.04 49	0.04 77
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
GREATEN-IGEV_RVC	0.09 185	0.08 372	0.08 61	0.21 587	0.09 368	0.08 90	0.11 71	0.10 40	0.09 59	0.07 80	0.10 209	0.05 5	0.06 69	0.14 400	0.11 303	0.05 51	0.06 439	0.07 322	0.06 302	0.05 175	0.05 214

VeloStereo	0.09 185	0.04 1	0.12 313	0.14 71	0.11 534	0.07 46	0.06 1	0.08 13	0.06 8	0.09 194	0.07 68	0.06 44	0.08 237	0.11 208	0.10 216	0.08 439	0.08 547	0.08 418	0.07 403	0.11 585	0.13 625

flow	0.09 185	0.04 1	0.12 313	0.14 71	0.11 534	0.07 46	0.06 1	0.08 13	0.06 8	0.09 194	0.07 68	0.06 44	0.08 237	0.12 308	0.10 216	0.08 439	0.08 547	0.08 418	0.07 403	0.11 585	0.13 625

GREATEN-IGEV-FM_RVC	0.09 185	0.05 45	0.11 264	0.19 485	0.07 140	0.10 213	0.09 25	0.12 94	0.09 59	0.09 194	0.09 171	0.07 132	0.08 237	0.08 30	0.09 110	0.06 172	0.06 439	0.10 555	0.08 481	0.07 394	0.05 214

Weightmod_eth	0.09 185	0.07 248	0.08 61	0.18 410	0.07 140	0.10 213	0.16 419	0.13 125	0.11 120	0.08 141	0.08 133	0.09 237	0.07 184	0.10 130	0.10 216	0.06 172	0.07 514	0.06 209	0.07 403	0.04 49	0.03 2

Weightmod	0.09 185	0.06 125	0.08 61	0.18 410	0.06 33	0.10 213	0.15 346	0.14 159	0.12 162	0.11 281	0.10 209	0.08 199	0.07 184	0.10 130	0.11 303	0.06 172	0.08 547	0.07 322	0.07 403	0.04 49	0.03 2

PhaseNet	0.09 185	0.06 125	0.10 201	0.15 129	0.08 231	0.10 213	0.14 258	0.20 361	0.12 162	0.07 80	0.08 133	0.09 237	0.10 329	0.13 366	0.12 371	0.06 172	0.04 25	0.06 209	0.06 302	0.05 175	0.05 214

DNS	0.09 185	0.05 45	0.11 264	0.15 129	0.08 231	0.10 213	0.16 419	0.17 282	0.09 59	0.08 141	0.12 286	0.08 199	0.07 184	0.09 64	0.08 27	0.07 356	0.04 25	0.05 55	0.05 200	0.06 306	0.05 214

RT-Monster	0.09 185	0.05 45	0.09 134	0.14 71	0.08 231	0.11 271	0.10 42	0.17 282	0.18 370	0.13 359	0.10 209	0.09 237	0.08 237	0.10 130	0.10 216	0.07 356	0.05 284	0.05 55	0.04 64	0.05 175	0.06 324

LiteMatch	0.09 185	0.06 125	0.10 201	0.16 229	0.07 140	0.09 148	0.15 346	0.13 125	0.08 30	0.06 26	0.07 68	0.06 44	0.15 484	0.10 130	0.14 461	0.07 356	0.04 25	0.06 209	0.06 302	0.06 306	0.06 324

Foundation-i1	0.09 185	0.04 1	0.10 201	0.14 71	0.06 33	0.10 213	0.13 186	0.16 243	0.14 239	0.10 244	0.10 209	0.11 306	0.07 184	0.07 7	0.10 216	0.06 172	0.04 25	0.05 55	0.05 200	0.05 175	0.05 214

VMStereo-Base	0.09 185	0.05 45	0.10 201	0.13 23	0.07 140	0.10 213	0.10 42	0.16 243	0.13 206	0.10 244	0.15 342	0.10 275	0.09 282	0.11 208	0.10 216	0.07 356	0.05 284	0.05 55	0.04 64	0.05 175	0.06 324

Anonymus123	0.09 185	0.06 125	0.16 493	0.15 129	0.08 231	0.11 271	0.09 25	0.18 318	0.16 307	0.06 26	0.07 68	0.07 132	0.05 15	0.09 64	0.11 303	0.04 11	0.05 284	0.05 55	0.07 403	0.04 49	0.04 77

NLSM3	0.09 185	0.06 125	0.08 61	0.19 485	0.08 231	0.11 271	0.16 419	0.18 318	0.16 307	0.06 26	0.08 133	0.07 132	0.08 237	0.09 64	0.11 303	0.04 11	0.04 25	0.06 209	0.07 403	0.03 1	0.03 2

FE-Mocha	0.09 185	0.06 125	0.14 408	0.16 229	0.09 368	0.10 213	0.15 346	0.18 318	0.16 307	0.10 244	0.09 171	0.07 132	0.07 184	0.09 64	0.09 110	0.06 172	0.04 25	0.06 209	0.06 302	0.05 175	0.05 214

IGEV-FE	0.09 185	0.05 45	0.12 313	0.13 23	0.08 231	0.12 325	0.13 186	0.17 282	0.11 120	0.10 244	0.06 25	0.09 237	0.06 69	0.11 208	0.09 110	0.06 172	0.04 25	0.06 209	0.06 302	0.05 175	0.05 214

water-stereo	0.09 185	0.06 125	0.08 61	0.16 229	0.07 140	0.09 148	0.13 186	0.15 202	0.13 206	0.11 281	0.12 286	0.08 199	0.09 282	0.07 7	0.08 27	0.06 172	0.05 284	0.05 55	0.05 200	0.04 49	0.04 77

depthmonostereo	0.09 185	0.06 125	0.09 134	0.15 129	0.06 33	0.10 213	0.13 186	0.14 159	0.14 239	0.10 244	0.10 209	0.09 237	0.11 367	0.08 30	0.09 110	0.06 172	0.05 284	0.06 209	0.04 64	0.04 49	0.03 2

DilatedVolume-Stereo	0.09 185	0.05 45	0.08 61	0.15 129	0.06 33	0.11 271	0.12 108	0.14 159	0.16 307	0.11 281	0.11 264	0.09 237	0.09 282	0.11 208	0.10 216	0.06 172	0.05 284	0.05 55	0.04 64	0.03 1	0.03 2

S2M2_L	0.09 185	0.08 372	0.11 264	0.13 23	0.10 483	0.08 90	0.06 1	0.10 40	0.10 87	0.10 244	0.09 171	0.10 275	0.09 282	0.11 208	0.11 303	0.13 630	0.07 514	0.08 418	0.09 529	0.10 562	0.08 485
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 185	0.06 125	0.09 134	0.19 485	0.08 231	0.12 325	0.18 511	0.15 202	0.14 239	0.07 80	0.10 209	0.07 132	0.06 69	0.12 308	0.09 110	0.05 51	0.04 25	0.06 209	0.05 200	0.05 175	0.03 2

castereo	0.09 185	0.06 125	0.11 264	0.15 129	0.06 33	0.11 271	0.15 346	0.14 159	0.18 370	0.08 141	0.10 209	0.11 306	0.08 237	0.09 64	0.10 216	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

fffft	0.09 185	0.06 125	0.12 313	0.16 229	0.07 140	0.09 148	0.17 462	0.12 94	0.11 120	0.08 141	0.07 68	0.09 237	0.06 69	0.11 208	0.12 371	0.05 51	0.04 25	0.06 209	0.05 200	0.04 49	0.05 214
1: 1. 1
tt45	0.09 185	0.06 125	0.11 264	0.15 129	0.07 140	0.11 271	0.16 419	0.13 125	0.11 120	0.09 194	0.06 25	0.08 199	0.06 69	0.13 366	0.10 216	0.06 172	0.04 25	0.06 209	0.05 200	0.05 175	0.06 324

999	0.09 185	0.05 45	0.13 369	0.15 129	0.08 231	0.10 213	0.14 258	0.15 202	0.11 120	0.10 244	0.08 133	0.08 199	0.08 237	0.16 463	0.10 216	0.06 172	0.04 25	0.06 209	0.05 200	0.04 49	0.05 214

mms	0.09 185	0.07 248	0.08 61	0.16 229	0.08 231	0.10 213	0.16 419	0.12 94	0.11 120	0.08 141	0.09 171	0.08 199	0.06 69	0.11 208	0.12 371	0.05 51	0.04 25	0.07 322	0.05 200	0.04 49	0.03 2

ours_stereo	0.09 185	0.07 248	0.09 134	0.17 316	0.08 231	0.11 271	0.16 419	0.11 67	0.12 162	0.08 141	0.10 209	0.08 199	0.06 69	0.12 308	0.12 371	0.05 51	0.04 25	0.06 209	0.05 200	0.04 49	0.03 2

fffy	0.09 185	0.08 372	0.09 134	0.16 229	0.07 140	0.13 381	0.17 462	0.13 125	0.12 162	0.08 141	0.09 171	0.08 199	0.09 282	0.13 366	0.11 303	0.05 51	0.05 284	0.07 322	0.05 200	0.04 49	0.05 214

PAM_32	0.09 185	0.05 45	0.17 524	0.15 129	0.08 231	0.10 213	0.15 346	0.14 159	0.15 267	0.09 194	0.08 133	0.09 237	0.07 184	0.14 400	0.08 27	0.06 172	0.05 284	0.06 209	0.06 302	0.05 175	0.06 324

UGAM-zero	0.09 185	0.05 45	0.15 457	0.15 129	0.08 231	0.09 148	0.13 186	0.19 349	0.15 267	0.11 281	0.15 342	0.07 132	0.07 184	0.09 64	0.09 110	0.06 172	0.05 284	0.06 209	0.05 200	0.05 175	0.06 324

GCAP-BAT	0.09 185	0.05 45	0.11 264	0.13 23	0.07 140	0.11 271	0.14 258	0.14 159	0.16 307	0.07 80	0.10 209	0.08 199	0.06 69	0.13 366	0.08 27	0.07 356	0.05 284	0.05 55	0.05 200	0.04 49	0.04 77

Pointernet	0.09 185	0.04 1	0.09 134	0.16 229	0.08 231	0.13 381	0.10 42	0.15 202	0.17 337	0.09 194	0.07 68	0.06 44	0.06 69	0.11 208	0.09 110	0.08 439	0.04 25	0.05 55	0.03 1	0.06 306	0.05 214

IGEV-BASED-STEREO-	0.09 185	0.10 519	0.31 634	0.15 129	0.06 33	0.08 90	0.14 258	0.10 40	0.10 87	0.07 80	0.07 68	0.06 44	0.04 1	0.11 208	0.07 1	0.12 604	0.04 25	0.07 322	0.05 200	0.05 175	0.05 214

RAFT-Stereo-weight	0.09 185	0.06 125	0.10 201	0.16 229	0.07 140	0.09 148	0.14 258	0.19 349	0.16 307	0.11 281	0.10 209	0.08 199	0.06 69	0.10 130	0.11 303	0.06 172	0.04 25	0.06 209	0.04 64	0.04 49	0.04 77

MGS-Stereo	0.09 185	0.07 248	0.12 313	0.15 129	0.08 231	0.09 148	0.15 346	0.12 94	0.12 162	0.07 80	0.10 209	0.08 199	0.06 69	0.10 130	0.09 110	0.05 51	0.04 25	0.06 209	0.05 200	0.06 306	0.05 214

ff7	0.09 185	0.07 248	0.11 264	0.16 229	0.09 368	0.11 271	0.15 346	0.16 243	0.12 162	0.10 244	0.06 25	0.06 44	0.06 69	0.11 208	0.09 110	0.05 51	0.04 25	0.06 209	0.05 200	0.05 175	0.06 324

IGEVStereo-DCA	0.09 185	0.06 125	0.11 264	0.15 129	0.10 483	0.11 271	0.15 346	0.16 243	0.12 162	0.10 244	0.06 25	0.08 199	0.06 69	0.10 130	0.08 27	0.06 172	0.05 284	0.06 209	0.05 200	0.05 175	0.06 324

ffff	0.09 185	0.07 248	0.11 264	0.16 229	0.09 368	0.11 271	0.15 346	0.16 243	0.12 162	0.10 244	0.06 25	0.06 44	0.06 69	0.11 208	0.09 110	0.05 51	0.04 25	0.06 209	0.05 200	0.05 175	0.06 324

rrr	0.09 185	0.06 125	0.12 313	0.15 129	0.10 483	0.11 271	0.16 419	0.16 243	0.15 267	0.10 244	0.06 25	0.08 199	0.06 69	0.10 130	0.08 27	0.06 172	0.05 284	0.06 209	0.05 200	0.05 175	0.06 324

11t	0.09 185	0.07 248	0.11 264	0.16 229	0.09 368	0.11 271	0.15 346	0.16 243	0.12 162	0.10 244	0.06 25	0.06 44	0.06 69	0.11 208	0.09 110	0.05 51	0.04 25	0.06 209	0.05 200	0.05 175	0.06 324

MaDis-Stereo	0.09 185	0.09 456	0.08 61	0.17 316	0.09 368	0.13 381	0.10 42	0.16 243	0.16 307	0.09 194	0.11 264	0.06 44	0.06 69	0.09 64	0.13 418	0.07 356	0.06 439	0.07 322	0.05 200	0.05 175	0.04 77

IGEV_Zeroshot_test	0.09 185	0.05 45	0.12 313	0.13 23	0.08 231	0.12 325	0.13 186	0.17 282	0.11 120	0.10 244	0.06 25	0.09 237	0.06 69	0.11 208	0.09 110	0.06 172	0.04 25	0.06 209	0.06 302	0.05 175	0.05 214

MSKI-zero shot	0.09 185	0.05 45	0.09 134	0.15 129	0.07 140	0.10 213	0.13 186	0.14 159	0.13 206	0.09 194	0.09 171	0.09 237	0.06 69	0.12 308	0.10 216	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

UniTT-Stereo	0.09 185	0.07 248	0.08 61	0.18 410	0.08 231	0.13 381	0.11 71	0.12 94	0.11 120	0.10 244	0.12 286	0.05 5	0.07 184	0.09 64	0.09 110	0.07 356	0.05 284	0.05 55	0.05 200	0.05 175	0.05 214

MIM_Stereo	0.09 185	0.07 248	0.11 264	0.15 129	0.07 140	0.06 16	0.12 108	0.20 361	0.14 239	0.13 359	0.13 305	0.09 237	0.05 15	0.12 308	0.08 27	0.05 51	0.06 439	0.07 322	0.06 302	0.06 306	0.05 214

CASnet	0.09 185	0.09 456	0.09 134	0.19 485	0.06 33	0.07 46	0.11 71	0.18 318	0.14 239	0.11 281	0.10 209	0.09 237	0.07 184	0.10 130	0.10 216	0.06 172	0.04 25	0.10 555	0.08 481	0.05 175	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 185	0.05 45	0.11 264	0.13 23	0.07 140	0.11 271	0.14 258	0.14 159	0.16 307	0.07 80	0.10 209	0.08 199	0.06 69	0.13 366	0.08 27	0.07 356	0.05 284	0.05 55	0.05 200	0.04 49	0.04 77

GCAP-Stereo	0.09 185	0.07 248	0.13 369	0.18 410	0.06 33	0.11 271	0.07 5	0.13 125	0.12 162	0.09 194	0.10 209	0.07 132	0.09 282	0.13 366	0.10 216	0.06 172	0.05 284	0.05 55	0.04 64	0.04 49	0.05 214

RAFT-Test	0.09 185	0.06 125	0.10 201	0.15 129	0.07 140	0.11 271	0.15 346	0.16 243	0.13 206	0.09 194	0.10 209	0.10 275	0.09 282	0.12 308	0.09 110	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.05 214

HH	0.09 185	0.06 125	0.13 369	0.17 316	0.08 231	0.10 213	0.16 419	0.14 159	0.10 87	0.08 141	0.09 171	0.08 199	0.07 184	0.10 130	0.09 110	0.06 172	0.04 25	0.06 209	0.05 200	0.05 175	0.04 77

HanStereo	0.09 185	0.06 125	0.13 369	0.17 316	0.08 231	0.10 213	0.16 419	0.14 159	0.10 87	0.08 141	0.09 171	0.08 199	0.07 184	0.10 130	0.09 110	0.06 172	0.04 25	0.06 209	0.05 200	0.05 175	0.04 77

4D-IteraStereo	0.09 185	0.07 248	0.10 201	0.18 410	0.07 140	0.09 148	0.15 346	0.17 282	0.15 267	0.10 244	0.11 264	0.10 275	0.07 184	0.11 208	0.09 110	0.05 51	0.03 1	0.08 418	0.07 403	0.06 306	0.05 214

anonymousdsp	0.09 185	0.07 248	0.11 264	0.16 229	0.09 368	0.11 271	0.15 346	0.16 243	0.12 162	0.09 194	0.06 25	0.06 44	0.06 69	0.11 208	0.09 110	0.05 51	0.04 25	0.06 209	0.05 200	0.05 175	0.06 324

LoS	0.09 185	0.05 45	0.11 264	0.13 23	0.07 140	0.14 418	0.11 71	0.15 202	0.15 267	0.09 194	0.09 171	0.12 328	0.09 282	0.15 428	0.10 216	0.07 356	0.05 284	0.05 55	0.03 1	0.05 175	0.05 214
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 185	0.07 248	0.10 201	0.17 316	0.08 231	0.10 213	0.15 346	0.15 202	0.12 162	0.09 194	0.06 25	0.07 132	0.06 69	0.11 208	0.09 110	0.05 51	0.04 25	0.06 209	0.05 200	0.04 49	0.06 324

RCA-Stereo	0.09 185	0.06 125	0.09 134	0.16 229	0.06 33	0.09 148	0.13 186	0.18 318	0.14 239	0.09 194	0.10 209	0.08 199	0.07 184	0.12 308	0.11 303	0.06 172	0.04 25	0.06 209	0.05 200	0.05 175	0.04 77

CroCo-Stereo Lap2	0.09 185	0.09 456	0.08 61	0.22 605	0.09 368	0.09 148	0.19 551	0.16 243	0.12 162	0.09 194	0.10 209	0.05 5	0.05 15	0.08 30	0.08 27	0.06 172	0.06 439	0.07 322	0.05 200	0.05 175	0.05 214

ccc-4	0.09 185	0.07 248	0.11 264	0.16 229	0.09 368	0.11 271	0.15 346	0.16 243	0.12 162	0.10 244	0.06 25	0.06 44	0.06 69	0.11 208	0.09 110	0.05 51	0.04 25	0.06 209	0.05 200	0.05 175	0.06 324

IGEV-Stereo	0.09 185	0.07 248	0.11 264	0.16 229	0.09 368	0.11 271	0.15 346	0.16 243	0.12 162	0.09 194	0.06 25	0.06 44	0.06 69	0.11 208	0.09 110	0.05 51	0.04 25	0.06 209	0.05 200	0.05 175	0.06 324
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 185	0.05 45	0.13 369	0.14 71	0.08 231	0.12 325	0.15 346	0.18 318	0.10 87	0.11 281	0.08 133	0.08 199	0.05 15	0.10 130	0.09 110	0.06 172	0.04 25	0.06 209	0.05 200	0.06 306	0.05 214

TRStereo	0.09 185	0.05 45	0.12 313	0.15 129	0.12 570	0.10 213	0.13 186	0.18 318	0.18 370	0.09 194	0.09 171	0.09 237	0.06 69	0.10 130	0.08 27	0.07 356	0.05 284	0.07 322	0.07 403	0.04 49	0.04 77

AnonymousM	0.09 185	0.05 45	0.10 201	0.14 71	0.06 33	0.09 148	0.13 186	0.19 349	0.14 239	0.13 359	0.11 264	0.09 237	0.08 237	0.13 366	0.10 216	0.08 439	0.05 284	0.08 418	0.05 200	0.05 175	0.05 214

CroCo-Stereo	0.09 185	0.08 372	0.08 61	0.22 605	0.09 368	0.09 148	0.19 551	0.15 202	0.12 162	0.07 80	0.07 68	0.08 199	0.06 69	0.08 30	0.07 1	0.07 356	0.05 284	0.06 209	0.04 64	0.05 175	0.04 77
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	0.09 185	0.06 125	0.07 13	0.15 129	0.05 2	0.16 477	0.18 511	0.15 202	0.15 267	0.10 244	0.11 264	0.11 306	0.11 367	0.10 130	0.12 371	0.05 51	0.04 25	0.05 55	0.04 64	0.04 49	0.04 77

TANstereo	0.09 185	0.04 1	0.08 61	0.13 23	0.06 33	0.11 271	0.14 258	0.15 202	0.19 389	0.11 281	0.15 342	0.10 275	0.06 69	0.12 308	0.09 110	0.07 356	0.05 284	0.05 55	0.04 64	0.06 306	0.05 214

XX-TBD	0.09 185	0.06 125	0.07 13	0.14 71	0.07 140	0.12 325	0.16 419	0.14 159	0.13 206	0.11 281	0.12 286	0.09 237	0.08 237	0.10 130	0.10 216	0.06 172	0.04 25	0.05 55	0.03 1	0.06 306	0.05 214

raftrobust	0.09 185	0.06 125	0.10 201	0.17 316	0.08 231	0.09 148	0.10 42	0.18 318	0.16 307	0.10 244	0.09 171	0.12 328	0.07 184	0.12 308	0.10 216	0.08 439	0.05 284	0.06 209	0.05 200	0.05 175	0.05 214

XX-Stereo	0.09 185	0.05 45	0.08 61	0.17 316	0.09 368	0.15 445	0.12 108	0.20 361	0.10 87	0.10 244	0.14 321	0.07 132	0.06 69	0.12 308	0.08 27	0.06 172	0.05 284	0.06 209	0.06 302	0.04 49	0.04 77

test_xeample3	0.09 185	0.06 125	0.12 313	0.16 229	0.09 368	0.11 271	0.15 346	0.16 243	0.13 206	0.10 244	0.06 25	0.08 199	0.06 69	0.10 130	0.09 110	0.05 51	0.04 25	0.06 209	0.05 200	0.05 175	0.06 324

RAFT-Stereo + iAFF	0.09 185	0.06 125	0.10 201	0.17 316	0.06 33	0.10 213	0.16 419	0.17 282	0.14 239	0.09 194	0.10 209	0.08 199	0.09 282	0.11 208	0.09 110	0.05 51	0.04 25	0.06 209	0.06 302	0.04 49	0.03 2

AFF-stereo	0.09 185	0.06 125	0.10 201	0.17 316	0.07 140	0.10 213	0.16 419	0.17 282	0.09 59	0.10 244	0.12 286	0.09 237	0.09 282	0.12 308	0.09 110	0.05 51	0.04 25	0.07 322	0.07 403	0.04 49	0.03 2

EAI-Stereo	0.09 185	0.07 248	0.11 264	0.15 129	0.06 33	0.10 213	0.15 346	0.16 243	0.09 59	0.08 141	0.09 171	0.08 199	0.07 184	0.09 64	0.11 303	0.05 51	0.04 25	0.05 55	0.05 200	0.05 175	0.04 77

CFNet-RSSM	0.09 185	0.07 248	0.09 134	0.16 229	0.07 140	0.09 148	0.15 346	0.16 243	0.17 337	0.08 141	0.12 286	0.10 275	0.09 282	0.11 208	0.09 110	0.06 172	0.04 25	0.06 209	0.04 64	0.04 49	0.04 77

Gwc-CoAtRS	0.09 185	0.06 125	0.10 201	0.16 229	0.07 140	0.10 213	0.14 258	0.17 282	0.17 337	0.08 141	0.10 209	0.12 328	0.09 282	0.12 308	0.09 110	0.06 172	0.04 25	0.06 209	0.04 64	0.04 49	0.04 77

CREStereo	0.09 185	0.04 1	0.08 61	0.11 1	0.06 33	0.13 381	0.14 258	0.14 159	0.10 87	0.08 141	0.13 305	0.09 237	0.08 237	0.11 208	0.10 216	0.08 439	0.04 25	0.05 55	0.03 1	0.06 306	0.06 324
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	0.09 185	0.05 45	0.09 134	0.12 7	0.06 33	0.12 325	0.14 258	0.15 202	0.11 120	0.09 194	0.13 305	0.10 275	0.07 184	0.13 366	0.10 216	0.15 648	0.04 25	0.05 55	0.03 1	0.07 394	0.06 324

SE	0.10 261	0.10 519	0.08 61	0.19 485	0.09 368	0.11 271	0.11 71	0.15 202	0.11 120	0.10 244	0.16 355	0.09 237	0.08 237	0.09 64	0.10 216	0.06 172	0.05 284	0.08 418	0.07 403	0.07 394	0.04 77

SMOE	0.10 261	0.08 372	0.09 134	0.18 410	0.07 140	0.13 381	0.14 258	0.18 318	0.13 206	0.11 281	0.13 305	0.12 328	0.09 282	0.11 208	0.11 303	0.05 51	0.05 284	0.08 418	0.06 302	0.06 306	0.04 77

ManiGeoR	0.10 261	0.05 45	0.12 313	0.12 7	0.08 231	0.12 325	0.12 108	0.24 461	0.14 239	0.12 325	0.14 321	0.12 328	0.09 282	0.13 366	0.13 418	0.07 356	0.04 25	0.05 55	0.05 200	0.07 394	0.07 414

HLf10	0.10 261	0.05 45	0.12 313	0.12 7	0.08 231	0.12 325	0.12 108	0.24 461	0.14 239	0.12 325	0.14 321	0.12 328	0.09 282	0.13 366	0.13 418	0.07 356	0.04 25	0.05 55	0.05 200	0.07 394	0.07 414

TestStereo_HLe17	0.10 261	0.05 45	0.12 313	0.13 23	0.07 140	0.11 271	0.15 346	0.21 388	0.15 267	0.11 281	0.14 321	0.11 306	0.09 282	0.13 366	0.12 371	0.07 356	0.04 25	0.05 55	0.05 200	0.07 394	0.06 324

DN	0.10 261	0.05 45	0.09 134	0.14 71	0.09 368	0.12 325	0.18 511	0.17 282	0.16 307	0.08 141	0.09 171	0.08 199	0.06 69	0.08 30	0.09 110	0.11 579	0.05 284	0.07 322	0.06 302	0.07 394	0.09 531

Hybrid-DGEV-03	0.10 261	0.06 125	0.09 134	0.18 410	0.08 231	0.16 477	0.14 258	0.15 202	0.14 239	0.13 359	0.16 355	0.12 328	0.09 282	0.13 366	0.11 303	0.06 172	0.04 25	0.08 418	0.06 302	0.05 175	0.04 77

WQFJA1	0.10 261	0.07 248	0.08 61	0.20 553	0.09 368	0.12 325	0.17 462	0.17 282	0.17 337	0.09 194	0.10 209	0.08 199	0.10 329	0.12 308	0.11 303	0.06 172	0.07 514	0.07 322	0.06 302	0.06 306	0.05 214

WQFJX1	0.10 261	0.07 248	0.08 61	0.22 605	0.09 368	0.12 325	0.17 462	0.18 318	0.17 337	0.10 244	0.09 171	0.07 132	0.10 329	0.11 208	0.09 110	0.07 356	0.08 547	0.07 322	0.06 302	0.05 175	0.04 77

WQFJX	0.10 261	0.07 248	0.09 134	0.21 587	0.09 368	0.12 325	0.16 419	0.18 318	0.17 337	0.12 325	0.10 209	0.07 132	0.09 282	0.12 308	0.10 216	0.06 172	0.07 514	0.06 209	0.05 200	0.06 306	0.05 214

NLMM	0.10 261	0.07 248	0.08 61	0.20 553	0.09 368	0.12 325	0.17 462	0.17 282	0.17 337	0.09 194	0.10 209	0.08 199	0.10 329	0.12 308	0.11 303	0.06 172	0.07 514	0.07 322	0.06 302	0.06 306	0.05 214

NLSM1	0.10 261	0.07 248	0.07 13	0.19 485	0.08 231	0.13 381	0.16 419	0.21 388	0.15 267	0.11 281	0.10 209	0.06 44	0.10 329	0.10 130	0.11 303	0.07 356	0.08 547	0.08 418	0.07 403	0.05 175	0.05 214

MM-Stereo_test3	0.10 261	0.07 248	0.07 13	0.18 410	0.07 140	0.12 325	0.19 551	0.24 461	0.19 389	0.06 26	0.10 209	0.08 199	0.06 69	0.11 208	0.08 27	0.06 172	0.06 439	0.07 322	0.05 200	0.05 175	0.04 77

MM-Stereo_test1	0.10 261	0.07 248	0.08 61	0.18 410	0.07 140	0.12 325	0.18 511	0.21 388	0.20 413	0.09 194	0.11 264	0.08 199	0.06 69	0.10 130	0.10 216	0.06 172	0.05 284	0.07 322	0.06 302	0.05 175	0.04 77

AIO-test2	0.10 261	0.08 372	0.10 201	0.23 629	0.08 231	0.11 271	0.10 42	0.23 437	0.23 455	0.08 141	0.09 171	0.08 199	0.05 15	0.10 130	0.08 27	0.06 172	0.05 284	0.08 418	0.09 529	0.05 175	0.05 214

AIO-test1	0.10 261	0.07 248	0.10 201	0.23 629	0.07 140	0.09 148	0.13 186	0.21 388	0.14 239	0.11 281	0.12 286	0.09 237	0.07 184	0.11 208	0.09 110	0.06 172	0.05 284	0.09 506	0.10 571	0.03 1	0.06 324

tg	0.10 261	0.06 125	0.10 201	0.18 410	0.08 231	0.11 271	0.16 419	0.20 361	0.12 162	0.08 141	0.11 264	0.11 306	0.07 184	0.11 208	0.10 216	0.05 51	0.04 25	0.08 418	0.08 481	0.04 49	0.04 77

PAM	0.10 261	0.05 45	0.16 493	0.15 129	0.08 231	0.09 148	0.16 419	0.15 202	0.16 307	0.12 325	0.09 171	0.09 237	0.07 184	0.13 366	0.08 27	0.06 172	0.05 284	0.06 209	0.06 302	0.05 175	0.06 324

model_zeroshot	0.10 261	0.04 1	0.11 264	0.15 129	0.09 368	0.12 325	0.14 258	0.20 361	0.13 206	0.11 281	0.10 209	0.12 328	0.07 184	0.12 308	0.10 216	0.07 356	0.06 439	0.06 209	0.05 200	0.06 306	0.06 324

RAStereo	0.10 261	0.09 456	0.08 61	0.20 553	0.08 231	0.13 381	0.18 511	0.15 202	0.17 337	0.10 244	0.12 286	0.05 5	0.06 69	0.09 64	0.08 27	0.07 356	0.05 284	0.07 322	0.05 200	0.05 175	0.04 77

rvit_stereo_0080	0.10 261	0.08 372	0.14 408	0.15 129	0.09 368	0.07 46	0.15 346	0.16 243	0.16 307	0.11 281	0.10 209	0.14 384	0.08 237	0.12 308	0.10 216	0.09 503	0.07 514	0.07 322	0.06 302	0.07 394	0.05 214

H2IRNET	0.10 261	0.09 456	0.09 134	0.18 410	0.09 368	0.12 325	0.15 346	0.14 159	0.21 429	0.10 244	0.10 209	0.10 275	0.10 329	0.10 130	0.10 216	0.05 51	0.04 25	0.08 418	0.08 481	0.06 306	0.05 214

Former-RAFT_DAM_RVC	0.10 261	0.08 372	0.12 313	0.16 229	0.08 231	0.15 445	0.16 419	0.18 318	0.18 370	0.10 244	0.09 171	0.09 237	0.08 237	0.11 208	0.12 371	0.07 356	0.05 284	0.08 418	0.06 302	0.07 394	0.06 324

MyStereo07	0.10 261	0.07 248	0.10 201	0.17 316	0.09 368	0.14 418	0.18 511	0.15 202	0.15 267	0.09 194	0.06 25	0.06 44	0.07 184	0.12 308	0.09 110	0.06 172	0.05 284	0.08 418	0.07 403	0.06 306	0.06 324

MyStereo06	0.10 261	0.07 248	0.12 313	0.17 316	0.09 368	0.13 381	0.18 511	0.19 349	0.12 162	0.12 325	0.08 133	0.07 132	0.07 184	0.11 208	0.09 110	0.06 172	0.05 284	0.07 322	0.07 403	0.06 306	0.06 324

AE-Stereo	0.10 261	0.08 372	0.10 201	0.18 410	0.09 368	0.10 213	0.15 346	0.14 159	0.19 389	0.09 194	0.14 321	0.12 328	0.08 237	0.11 208	0.10 216	0.05 51	0.06 439	0.07 322	0.06 302	0.05 175	0.04 77

ACVNet-DCA	0.10 261	0.08 372	0.12 313	0.17 316	0.09 368	0.13 381	0.15 346	0.23 437	0.16 307	0.09 194	0.09 171	0.06 44	0.06 69	0.10 130	0.07 1	0.06 172	0.04 25	0.06 209	0.05 200	0.07 394	0.07 414

cc1	0.10 261	0.08 372	0.12 313	0.17 316	0.09 368	0.13 381	0.15 346	0.16 243	0.18 370	0.09 194	0.09 171	0.06 44	0.06 69	0.10 130	0.07 1	0.06 172	0.04 25	0.06 209	0.05 200	0.06 306	0.06 324

tt1	0.10 261	0.08 372	0.12 313	0.17 316	0.09 368	0.12 325	0.16 419	0.15 202	0.19 389	0.09 194	0.08 133	0.06 44	0.06 69	0.10 130	0.07 1	0.06 172	0.04 25	0.06 209	0.05 200	0.06 306	0.06 324

whm_eth	0.10 261	0.08 372	0.14 408	0.15 129	0.09 368	0.07 46	0.15 346	0.16 243	0.16 307	0.11 281	0.10 209	0.14 384	0.08 237	0.12 308	0.10 216	0.09 503	0.07 514	0.07 322	0.06 302	0.07 394	0.05 214

plain	0.10 261	0.08 372	0.10 201	0.19 485	0.09 368	0.10 213	0.15 346	0.14 159	0.13 206	0.13 359	0.15 342	0.09 237	0.12 400	0.13 366	0.12 371	0.07 356	0.05 284	0.09 506	0.06 302	0.06 306	0.06 324

Any-RAFT	0.10 261	0.05 45	0.09 134	0.14 71	0.07 140	0.13 381	0.14 258	0.21 388	0.15 267	0.11 281	0.12 286	0.12 328	0.09 282	0.12 308	0.09 110	0.07 356	0.04 25	0.05 55	0.04 64	0.06 306	0.05 214

LL-Strereo2	0.10 261	0.10 519	0.15 457	0.18 410	0.08 231	0.15 445	0.09 25	0.17 282	0.14 239	0.14 386	0.10 209	0.09 237	0.07 184	0.16 463	0.10 216	0.05 51	0.05 284	0.10 555	0.07 403	0.06 306	0.05 214

DCANet-4	0.10 261	0.06 125	0.12 313	0.16 229	0.06 33	0.09 148	0.17 462	0.18 318	0.19 389	0.13 359	0.16 355	0.09 237	0.14 466	0.11 208	0.12 371	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.05 214

fff	0.10 261	0.06 125	0.12 313	0.15 129	0.07 140	0.09 148	0.17 462	0.16 243	0.20 413	0.13 359	0.16 355	0.10 275	0.11 367	0.11 208	0.12 371	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.05 214

ADStereo(finetuned)	0.10 261	0.06 125	0.12 313	0.16 229	0.06 33	0.09 148	0.17 462	0.15 202	0.19 389	0.13 359	0.17 379	0.10 275	0.12 400	0.11 208	0.12 371	0.06 172	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

test_4	0.10 261	0.10 519	0.08 61	0.19 485	0.09 368	0.08 90	0.22 606	0.15 202	0.17 337	0.12 325	0.18 407	0.12 328	0.09 282	0.08 30	0.11 303	0.04 11	0.04 25	0.08 418	0.08 481	0.04 49	0.03 2

IPLG	0.10 261	0.07 248	0.15 457	0.17 316	0.08 231	0.11 271	0.14 258	0.20 361	0.15 267	0.12 325	0.17 379	0.07 132	0.07 184	0.14 400	0.13 418	0.06 172	0.04 25	0.06 209	0.05 200	0.04 49	0.04 77

test_3	0.10 261	0.09 456	0.10 201	0.20 553	0.08 231	0.13 381	0.26 655	0.14 159	0.21 429	0.10 244	0.10 209	0.09 237	0.09 282	0.08 30	0.11 303	0.05 51	0.04 25	0.08 418	0.07 403	0.04 49	0.04 77

STrans-v2	0.10 261	0.07 248	0.12 313	0.18 410	0.07 140	0.10 213	0.14 258	0.21 388	0.11 120	0.11 281	0.15 342	0.12 328	0.10 329	0.11 208	0.12 371	0.05 51	0.04 25	0.06 209	0.06 302	0.04 49	0.04 77

TransformOpticalFlow	0.10 261	0.08 372	0.13 369	0.18 410	0.07 140	0.09 148	0.15 346	0.19 349	0.15 267	0.12 325	0.17 379	0.11 306	0.11 367	0.11 208	0.10 216	0.05 51	0.04 25	0.06 209	0.06 302	0.05 175	0.05 214

SST-Stereo	0.10 261	0.07 248	0.15 457	0.18 410	0.09 368	0.06 16	0.12 108	0.17 282	0.11 120	0.15 413	0.17 379	0.13 361	0.12 400	0.10 130	0.11 303	0.06 172	0.04 25	0.09 506	0.06 302	0.06 306	0.05 214

cross-raft	0.10 261	0.09 456	0.09 134	0.19 485	0.07 140	0.11 271	0.25 646	0.13 125	0.15 267	0.08 141	0.11 264	0.12 328	0.10 329	0.09 64	0.11 303	0.05 51	0.04 25	0.06 209	0.05 200	0.04 49	0.04 77

test-1	0.10 261	0.07 248	0.16 493	0.19 485	0.08 231	0.11 271	0.24 631	0.14 159	0.18 370	0.09 194	0.07 68	0.09 237	0.08 237	0.07 7	0.09 110	0.06 172	0.04 25	0.06 209	0.05 200	0.04 49	0.04 77

iRaftStereo_RVC	0.10 261	0.07 248	0.09 134	0.17 316	0.09 368	0.11 271	0.17 462	0.18 318	0.12 162	0.09 194	0.12 286	0.10 275	0.07 184	0.11 208	0.10 216	0.05 51	0.04 25	0.08 418	0.08 481	0.04 49	0.04 77

RALCasStereoNet	0.10 261	0.06 125	0.09 134	0.16 229	0.08 231	0.12 325	0.14 258	0.17 282	0.11 120	0.12 325	0.17 379	0.14 384	0.10 329	0.12 308	0.11 303	0.07 356	0.06 439	0.06 209	0.05 200	0.08 464	0.07 414

DCANet	0.10 261	0.06 125	0.12 313	0.16 229	0.06 33	0.09 148	0.17 462	0.15 202	0.19 389	0.13 359	0.17 379	0.10 275	0.11 367	0.11 208	0.12 371	0.06 172	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

csc	0.10 261	0.06 125	0.12 313	0.15 129	0.07 140	0.09 148	0.17 462	0.16 243	0.20 413	0.13 359	0.16 355	0.10 275	0.11 367	0.11 208	0.12 371	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.05 214

cscssc	0.10 261	0.06 125	0.12 313	0.15 129	0.07 140	0.09 148	0.17 462	0.16 243	0.20 413	0.13 359	0.16 355	0.10 275	0.11 367	0.11 208	0.12 371	0.06 172	0.04 25	0.05 55	0.04 64	0.04 49	0.05 214

111	0.10 261	0.06 125	0.12 313	0.15 129	0.07 140	0.10 213	0.14 258	0.21 388	0.23 455	0.11 281	0.12 286	0.14 384	0.11 367	0.13 366	0.10 216	0.06 172	0.04 25	0.06 209	0.04 64	0.05 175	0.05 214

R-Stereo Train	0.10 261	0.06 125	0.10 201	0.17 316	0.08 231	0.11 271	0.14 258	0.23 437	0.11 120	0.12 325	0.19 418	0.11 306	0.08 237	0.09 64	0.11 303	0.07 356	0.05 284	0.06 209	0.05 200	0.05 175	0.05 214

RAFT-Stereo	0.10 261	0.06 125	0.10 201	0.17 316	0.08 231	0.11 271	0.14 258	0.23 437	0.11 120	0.12 325	0.19 418	0.11 306	0.08 237	0.09 64	0.11 303	0.07 356	0.05 284	0.06 209	0.05 200	0.05 175	0.05 214
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 261	0.06 125	0.12 313	0.14 71	0.06 33	0.11 271	0.10 42	0.18 318	0.18 370	0.13 359	0.16 355	0.14 384	0.11 367	0.15 428	0.13 418	0.06 172	0.04 25	0.04 1	0.04 64	0.06 306	0.05 214
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
SME	0.11 314	0.09 456	0.10 201	0.17 316	0.07 140	0.20 560	0.13 186	0.21 388	0.17 337	0.12 325	0.13 305	0.10 275	0.12 400	0.13 366	0.13 418	0.07 356	0.07 514	0.08 418	0.09 529	0.06 306	0.05 214

HLF11	0.11 314	0.05 45	0.13 369	0.12 7	0.08 231	0.14 418	0.11 71	0.22 414	0.10 87	0.12 325	0.23 475	0.11 306	0.11 367	0.14 400	0.13 418	0.08 439	0.05 284	0.05 55	0.04 64	0.08 464	0.08 485

HLf8	0.11 314	0.05 45	0.13 369	0.11 1	0.08 231	0.15 445	0.12 108	0.22 414	0.15 267	0.13 359	0.17 379	0.12 328	0.10 329	0.14 400	0.12 371	0.09 503	0.05 284	0.05 55	0.05 200	0.08 464	0.08 485

TestStereo_HL3	0.11 314	0.05 45	0.16 493	0.13 23	0.07 140	0.12 325	0.11 71	0.20 361	0.09 59	0.15 413	0.30 575	0.13 361	0.12 400	0.16 463	0.11 303	0.07 356	0.05 284	0.05 55	0.05 200	0.06 306	0.07 414

TestStereo_HL2	0.11 314	0.06 125	0.11 264	0.12 7	0.08 231	0.12 325	0.14 258	0.20 361	0.18 370	0.13 359	0.21 454	0.12 328	0.10 329	0.12 308	0.12 371	0.07 356	0.05 284	0.05 55	0.05 200	0.07 394	0.07 414

GGDA	0.11 314	0.06 125	0.11 264	0.13 23	0.07 140	0.12 325	0.14 258	0.19 349	0.19 389	0.13 359	0.20 430	0.12 328	0.09 282	0.12 308	0.12 371	0.07 356	0.04 25	0.05 55	0.05 200	0.06 306	0.07 414

TestStereo-Hl	0.11 314	0.06 125	0.11 264	0.13 23	0.08 231	0.15 445	0.14 258	0.20 361	0.17 337	0.13 359	0.16 355	0.12 328	0.11 367	0.14 400	0.13 418	0.06 172	0.04 25	0.05 55	0.05 200	0.06 306	0.06 324

Lsterematch	0.11 314	0.06 125	0.11 264	0.16 229	0.07 140	0.13 381	0.15 346	0.14 159	0.17 337	0.16 442	0.18 407	0.15 413	0.15 484	0.12 308	0.14 461	0.07 356	0.04 25	0.06 209	0.06 302	0.06 306	0.06 324

Hybrid-DGEV-2	0.11 314	0.06 125	0.12 313	0.18 410	0.09 368	0.09 148	0.13 186	0.28 539	0.29 540	0.11 281	0.11 264	0.09 237	0.12 400	0.12 308	0.09 110	0.06 172	0.05 284	0.07 322	0.07 403	0.05 175	0.05 214

NLMM1	0.11 314	0.09 456	0.07 13	0.22 605	0.10 483	0.12 325	0.20 575	0.18 318	0.20 413	0.12 325	0.11 264	0.07 132	0.09 282	0.11 208	0.11 303	0.08 439	0.08 547	0.07 322	0.06 302	0.04 49	0.04 77

NLCSM	0.11 314	0.09 456	0.09 134	0.23 629	0.11 534	0.12 325	0.19 551	0.18 318	0.18 370	0.12 325	0.11 264	0.07 132	0.09 282	0.11 208	0.10 216	0.07 356	0.08 547	0.07 322	0.07 403	0.06 306	0.05 214

Select-FE	0.11 314	0.06 125	0.20 572	0.15 129	0.11 534	0.11 271	0.13 186	0.21 388	0.18 370	0.09 194	0.11 264	0.10 275	0.06 69	0.12 308	0.09 110	0.07 356	0.05 284	0.07 322	0.08 481	0.06 306	0.08 485

FlowAnything_test	0.11 314	0.08 372	0.14 408	0.15 129	0.09 368	0.07 46	0.14 258	0.20 361	0.11 120	0.09 194	0.09 171	0.12 328	0.12 400	0.13 366	0.11 303	0.09 503	0.06 439	0.09 506	0.09 529	0.06 306	0.09 531

xyz-stereo-finetune2	0.11 314	0.07 248	0.13 369	0.13 23	0.07 140	0.11 271	0.19 551	0.17 282	0.12 162	0.15 413	0.15 342	0.17 450	0.12 400	0.13 366	0.11 303	0.05 51	0.04 25	0.07 322	0.05 200	0.04 49	0.06 324

xyz-stereo-finetune	0.11 314	0.08 372	0.13 369	0.14 71	0.06 33	0.10 213	0.19 551	0.17 282	0.19 389	0.12 325	0.14 321	0.15 413	0.10 329	0.13 366	0.11 303	0.05 51	0.04 25	0.07 322	0.05 200	0.04 49	0.05 214

FLISNet	0.11 314	0.06 125	0.11 264	0.13 23	0.09 368	0.09 148	0.14 258	0.21 388	0.10 87	0.19 508	0.17 379	0.14 384	0.09 282	0.16 463	0.08 27	0.05 51	0.04 25	0.07 322	0.08 481	0.07 394	0.06 324

CoSv	0.11 314	0.06 125	0.11 264	0.13 23	0.09 368	0.09 148	0.14 258	0.21 388	0.10 87	0.19 508	0.17 379	0.14 384	0.09 282	0.16 463	0.08 27	0.05 51	0.04 25	0.07 322	0.08 481	0.07 394	0.06 324

rvit_stereo_0081_aga	0.11 314	0.09 456	0.14 408	0.18 410	0.09 368	0.13 381	0.14 258	0.14 159	0.19 389	0.10 244	0.18 407	0.16 428	0.09 282	0.12 308	0.09 110	0.10 547	0.06 439	0.08 418	0.07 403	0.07 394	0.06 324

rvit_stereo_0081	0.11 314	0.08 372	0.15 457	0.16 229	0.09 368	0.10 213	0.14 258	0.14 159	0.24 472	0.11 281	0.13 305	0.13 361	0.09 282	0.11 208	0.12 371	0.10 547	0.07 514	0.08 418	0.07 403	0.07 394	0.05 214

rvit_stereo_0082	0.11 314	0.08 372	0.15 457	0.16 229	0.09 368	0.10 213	0.14 258	0.14 159	0.24 472	0.11 281	0.13 305	0.13 361	0.09 282	0.11 208	0.12 371	0.10 547	0.07 514	0.08 418	0.07 403	0.07 394	0.05 214

AIO-Stereo-zeroshot1	0.11 314	0.05 45	0.14 408	0.15 129	0.20 674	0.09 148	0.17 462	0.21 388	0.15 267	0.11 281	0.14 321	0.10 275	0.07 184	0.10 130	0.08 27	0.06 172	0.05 284	0.07 322	0.07 403	0.07 394	0.09 531

AIO-Stereo-zeroshot	0.11 314	0.05 45	0.11 264	0.15 129	0.13 593	0.13 381	0.16 419	0.23 437	0.17 337	0.10 244	0.12 286	0.10 275	0.07 184	0.11 208	0.09 110	0.06 172	0.05 284	0.06 209	0.06 302	0.07 394	0.08 485

CAS++	0.11 314	0.07 248	0.11 264	0.14 71	0.09 368	0.12 325	0.14 258	0.24 461	0.14 239	0.11 281	0.09 171	0.11 306	0.07 184	0.14 400	0.09 110	0.11 579	0.09 583	0.09 506	0.07 403	0.07 394	0.08 485
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 314	0.08 372	0.12 313	0.17 316	0.09 368	0.13 381	0.15 346	0.16 243	0.18 370	0.09 194	0.09 171	0.16 428	0.16 512	0.10 130	0.07 1	0.06 172	0.04 25	0.08 418	0.08 481	0.07 394	0.07 414

1test111	0.11 314	0.08 372	0.12 313	0.17 316	0.09 368	0.13 381	0.15 346	0.23 437	0.16 307	0.09 194	0.09 171	0.06 44	0.06 69	0.15 428	0.16 509	0.06 172	0.04 25	0.06 209	0.05 200	0.07 394	0.07 414

MIF-Stereo (partial)	0.11 314	0.06 125	0.10 201	0.19 485	0.10 483	0.10 213	0.11 71	0.17 282	0.18 370	0.14 386	0.16 355	0.09 237	0.11 367	0.12 308	0.12 371	0.08 439	0.05 284	0.08 418	0.07 403	0.06 306	0.07 414

EKT-Stereo	0.11 314	0.07 248	0.14 408	0.15 129	0.10 483	0.13 381	0.14 258	0.18 318	0.21 429	0.11 281	0.08 133	0.12 328	0.09 282	0.11 208	0.12 371	0.08 439	0.06 439	0.07 322	0.06 302	0.08 464	0.07 414

anonymousdsp2	0.11 314	0.07 248	0.10 201	0.16 229	0.09 368	0.13 381	0.14 258	0.18 318	0.22 443	0.13 359	0.14 321	0.12 328	0.09 282	0.14 400	0.11 303	0.05 51	0.04 25	0.05 55	0.04 64	0.06 306	0.05 214

DCRE	0.11 314	0.07 248	0.13 369	0.16 229	0.11 534	0.11 271	0.17 462	0.18 318	0.17 337	0.11 281	0.18 407	0.10 275	0.10 329	0.15 428	0.11 303	0.06 172	0.05 284	0.06 209	0.06 302	0.05 175	0.04 77

knoymous	0.11 314	0.05 45	0.12 313	0.13 23	0.07 140	0.15 445	0.14 258	0.19 349	0.13 206	0.11 281	0.17 379	0.13 361	0.09 282	0.13 366	0.11 303	0.08 439	0.05 284	0.06 209	0.05 200	0.08 464	0.07 414

riskmin	0.11 314	0.06 125	0.13 369	0.14 71	0.08 231	0.14 418	0.14 258	0.18 318	0.14 239	0.11 281	0.14 321	0.16 428	0.11 367	0.14 400	0.12 371	0.09 503	0.05 284	0.07 322	0.05 200	0.08 464	0.08 485

Selective-RAFT	0.11 314	0.10 519	0.11 264	0.21 587	0.08 231	0.16 477	0.13 186	0.20 361	0.22 443	0.10 244	0.10 209	0.11 306	0.10 329	0.15 428	0.11 303	0.05 51	0.05 284	0.06 209	0.05 200	0.06 306	0.05 214

DisPM	0.11 314	0.07 248	0.12 313	0.16 229	0.09 368	0.06 16	0.13 186	0.17 282	0.17 337	0.14 386	0.20 430	0.12 328	0.10 329	0.11 208	0.10 216	0.06 172	0.04 25	0.07 322	0.06 302	0.06 306	0.11 589

CIPLG	0.11 314	0.08 372	0.14 408	0.17 316	0.08 231	0.12 325	0.15 346	0.17 282	0.15 267	0.14 386	0.11 264	0.16 428	0.09 282	0.16 463	0.11 303	0.07 356	0.05 284	0.06 209	0.05 200	0.05 175	0.06 324

GLC_STEREO	0.11 314	0.07 248	0.11 264	0.17 316	0.07 140	0.09 148	0.13 186	0.15 202	0.24 472	0.12 325	0.13 305	0.12 328	0.08 237	0.18 520	0.11 303	0.06 172	0.08 547	0.08 418	0.06 302	0.05 175	0.05 214

IPLGR_C	0.11 314	0.08 372	0.14 408	0.17 316	0.08 231	0.12 325	0.15 346	0.17 282	0.15 267	0.14 386	0.10 209	0.16 428	0.09 282	0.16 463	0.11 303	0.07 356	0.05 284	0.06 209	0.05 200	0.05 175	0.06 324

MIPNet	0.11 314	0.08 372	0.14 408	0.17 316	0.09 368	0.12 325	0.14 258	0.20 361	0.24 472	0.11 281	0.10 209	0.09 237	0.07 184	0.13 366	0.12 371	0.06 172	0.04 25	0.06 209	0.05 200	0.04 49	0.04 77

IPLGR	0.11 314	0.09 456	0.16 493	0.18 410	0.08 231	0.12 325	0.17 462	0.21 388	0.24 472	0.11 281	0.12 286	0.11 306	0.08 237	0.12 308	0.12 371	0.06 172	0.05 284	0.06 209	0.06 302	0.04 49	0.04 77

GMOStereo	0.11 314	0.09 456	0.07 13	0.19 485	0.08 231	0.12 325	0.28 668	0.13 125	0.17 337	0.11 281	0.17 379	0.14 384	0.12 400	0.07 7	0.07 1	0.05 51	0.05 284	0.09 506	0.07 403	0.04 49	0.04 77

error version	0.11 314	0.09 456	0.07 13	0.19 485	0.08 231	0.12 325	0.28 668	0.13 125	0.17 337	0.11 281	0.17 379	0.14 384	0.12 400	0.07 7	0.07 1	0.05 51	0.05 284	0.09 506	0.07 403	0.04 49	0.04 77

test-v	0.11 314	0.09 456	0.07 13	0.19 485	0.08 231	0.12 325	0.28 668	0.13 125	0.17 337	0.11 281	0.17 379	0.14 384	0.12 400	0.07 7	0.07 1	0.05 51	0.05 284	0.09 506	0.07 403	0.04 49	0.04 77

ACRE	0.11 314	0.08 372	0.14 408	0.17 316	0.08 231	0.12 325	0.15 346	0.17 282	0.14 239	0.14 386	0.10 209	0.16 428	0.09 282	0.16 463	0.11 303	0.07 356	0.05 284	0.06 209	0.05 200	0.05 175	0.06 324

PFNet+	0.11 314	0.06 125	0.13 369	0.16 229	0.09 368	0.05 5	0.12 108	0.17 282	0.21 429	0.16 442	0.19 418	0.14 384	0.10 329	0.11 208	0.11 303	0.08 439	0.05 284	0.09 506	0.08 481	0.06 306	0.11 589

LCNet	0.11 314	0.07 248	0.09 134	0.19 485	0.09 368	0.08 90	0.15 346	0.21 388	0.15 267	0.11 281	0.15 342	0.16 428	0.11 367	0.12 308	0.11 303	0.05 51	0.04 25	0.08 418	0.07 403	0.06 306	0.15 651

HHNet	0.11 314	0.06 125	0.16 493	0.15 129	0.14 614	0.07 46	0.13 186	0.20 361	0.17 337	0.14 386	0.25 516	0.11 306	0.08 237	0.13 366	0.10 216	0.05 51	0.04 25	0.08 418	0.06 302	0.05 175	0.09 531

Patchmatch Stereo++	0.11 314	0.09 456	0.16 493	0.18 410	0.08 231	0.06 16	0.11 71	0.16 243	0.13 206	0.15 413	0.16 355	0.14 384	0.12 400	0.11 208	0.10 216	0.06 172	0.04 25	0.08 418	0.06 302	0.08 464	0.07 414
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	0.11 314	0.07 248	0.16 493	0.19 485	0.09 368	0.08 90	0.13 186	0.18 318	0.13 206	0.16 442	0.21 454	0.13 361	0.14 466	0.11 208	0.14 461	0.06 172	0.04 25	0.09 506	0.06 302	0.06 306	0.05 214

OMP-Stereo	0.11 314	0.06 125	0.14 408	0.18 410	0.08 231	0.09 148	0.12 108	0.21 388	0.21 429	0.13 359	0.14 321	0.11 306	0.12 400	0.11 208	0.13 418	0.06 172	0.04 25	0.07 322	0.06 302	0.05 175	0.04 77

IIG-Stereo	0.11 314	0.06 125	0.13 369	0.17 316	0.08 231	0.11 271	0.12 108	0.22 414	0.17 337	0.14 386	0.17 379	0.11 306	0.12 400	0.12 308	0.12 371	0.06 172	0.05 284	0.07 322	0.06 302	0.05 175	0.04 77

NF-Stereo	0.11 314	0.07 248	0.13 369	0.17 316	0.09 368	0.10 213	0.14 258	0.23 437	0.19 389	0.12 325	0.17 379	0.12 328	0.11 367	0.11 208	0.11 303	0.06 172	0.04 25	0.07 322	0.06 302	0.06 306	0.12 602

OCTAStereo	0.11 314	0.07 248	0.13 369	0.17 316	0.09 368	0.10 213	0.14 258	0.23 437	0.19 389	0.12 325	0.17 379	0.12 328	0.11 367	0.11 208	0.11 303	0.06 172	0.04 25	0.07 322	0.06 302	0.06 306	0.12 602

NRIStereo	0.11 314	0.08 372	0.14 408	0.18 410	0.08 231	0.10 213	0.14 258	0.16 243	0.15 267	0.12 325	0.14 321	0.13 361	0.12 400	0.13 366	0.10 216	0.06 172	0.04 25	0.07 322	0.06 302	0.06 306	0.07 414

PSM-adaLoss	0.11 314	0.09 456	0.16 493	0.18 410	0.08 231	0.06 16	0.12 108	0.16 243	0.13 206	0.15 413	0.16 355	0.14 384	0.12 400	0.11 208	0.10 216	0.06 172	0.04 25	0.08 418	0.06 302	0.08 464	0.07 414

PSM-AAD	0.11 314	0.07 248	0.10 201	0.19 485	0.09 368	0.10 213	0.15 346	0.20 361	0.13 206	0.12 325	0.14 321	0.18 464	0.11 367	0.11 208	0.10 216	0.05 51	0.05 284	0.09 506	0.08 481	0.06 306	0.14 644

ROB_FTStereo_v2	0.11 314	0.09 456	0.16 493	0.19 485	0.08 231	0.06 16	0.12 108	0.16 243	0.13 206	0.15 413	0.16 355	0.14 384	0.12 400	0.11 208	0.10 216	0.06 172	0.04 25	0.08 418	0.06 302	0.08 464	0.07 414

ROB_FTStereo	0.11 314	0.09 456	0.16 493	0.19 485	0.08 231	0.06 16	0.11 71	0.16 243	0.13 206	0.15 413	0.16 355	0.14 384	0.12 400	0.11 208	0.10 216	0.06 172	0.04 25	0.08 418	0.06 302	0.08 464	0.07 414

KYRaft	0.11 314	0.07 248	0.10 201	0.19 485	0.09 368	0.08 90	0.15 346	0.22 414	0.12 162	0.13 359	0.16 355	0.20 491	0.10 329	0.12 308	0.10 216	0.05 51	0.04 25	0.08 418	0.08 481	0.06 306	0.16 662

HUI-Stereo	0.11 314	0.09 456	0.16 493	0.18 410	0.08 231	0.06 16	0.12 108	0.16 243	0.13 206	0.15 413	0.16 355	0.14 384	0.12 400	0.11 208	0.10 216	0.06 172	0.04 25	0.08 418	0.06 302	0.08 464	0.07 414

ASMatch	0.11 314	0.06 125	0.13 369	0.16 229	0.10 483	0.07 46	0.14 258	0.17 282	0.17 337	0.12 325	0.16 355	0.16 428	0.10 329	0.13 366	0.10 216	0.05 51	0.04 25	0.06 209	0.05 200	0.04 49	0.08 485

RAFT_R40	0.11 314	0.07 248	0.14 408	0.18 410	0.09 368	0.06 16	0.13 186	0.17 282	0.16 307	0.14 386	0.18 407	0.15 413	0.12 400	0.10 130	0.11 303	0.06 172	0.04 25	0.09 506	0.06 302	0.06 306	0.05 214

GrayStereo	0.11 314	0.06 125	0.11 264	0.19 485	0.09 368	0.09 148	0.16 419	0.18 318	0.17 337	0.14 386	0.17 379	0.17 450	0.11 367	0.12 308	0.11 303	0.05 51	0.05 284	0.07 322	0.06 302	0.05 175	0.10 562

RE-Stereo	0.11 314	0.07 248	0.13 369	0.17 316	0.09 368	0.10 213	0.14 258	0.23 437	0.19 389	0.12 325	0.17 379	0.12 328	0.11 367	0.11 208	0.11 303	0.06 172	0.04 25	0.07 322	0.06 302	0.06 306	0.12 602

Pruner-Stereo	0.11 314	0.07 248	0.12 313	0.17 316	0.09 368	0.06 16	0.12 108	0.17 282	0.17 337	0.13 359	0.19 418	0.13 361	0.09 282	0.11 208	0.11 303	0.06 172	0.04 25	0.07 322	0.06 302	0.06 306	0.08 485

TVStereo	0.11 314	0.07 248	0.13 369	0.17 316	0.09 368	0.10 213	0.14 258	0.23 437	0.19 389	0.12 325	0.17 379	0.12 328	0.11 367	0.11 208	0.11 303	0.06 172	0.04 25	0.07 322	0.06 302	0.06 306	0.12 602

DeepStereo_RVC	0.11 314	0.08 372	0.16 493	0.18 410	0.08 231	0.08 90	0.12 108	0.17 282	0.12 162	0.13 359	0.14 321	0.12 328	0.12 400	0.12 308	0.11 303	0.06 172	0.04 25	0.07 322	0.06 302	0.07 394	0.08 485

iGMRVC	0.11 314	0.09 456	0.16 493	0.19 485	0.08 231	0.06 16	0.12 108	0.16 243	0.13 206	0.15 413	0.16 355	0.14 384	0.12 400	0.11 208	0.10 216	0.06 172	0.04 25	0.08 418	0.06 302	0.08 464	0.07 414

RAFT-RH_RVC	0.11 314	0.06 125	0.14 408	0.16 229	0.09 368	0.12 325	0.12 108	0.17 282	0.12 162	0.13 359	0.41 649	0.11 306	0.10 329	0.13 366	0.12 371	0.05 51	0.04 25	0.08 418	0.05 200	0.04 49	0.06 324

RAFT-345	0.11 314	0.07 248	0.15 457	0.16 229	0.08 231	0.08 90	0.12 108	0.15 202	0.10 87	0.11 281	0.36 612	0.09 237	0.09 282	0.11 208	0.12 371	0.05 51	0.05 284	0.07 322	0.06 302	0.04 49	0.05 214

iRAFT	0.11 314	0.09 456	0.16 493	0.18 410	0.08 231	0.06 16	0.11 71	0.16 243	0.13 206	0.15 413	0.16 355	0.14 384	0.12 400	0.11 208	0.10 216	0.06 172	0.04 25	0.08 418	0.06 302	0.08 464	0.07 414

CRE-IMP	0.11 314	0.09 456	0.16 493	0.19 485	0.08 231	0.10 213	0.12 108	0.18 318	0.10 87	0.14 386	0.13 305	0.13 361	0.12 400	0.12 308	0.11 303	0.07 356	0.04 25	0.08 418	0.06 302	0.08 464	0.08 485

test-2	0.11 314	0.09 456	0.07 13	0.19 485	0.08 231	0.12 325	0.28 668	0.13 125	0.17 337	0.11 281	0.17 379	0.14 384	0.12 400	0.07 7	0.07 1	0.05 51	0.05 284	0.09 506	0.07 403	0.04 49	0.04 77

GMM-Stereo	0.11 314	0.07 248	0.10 201	0.18 410	0.09 368	0.08 90	0.15 346	0.23 437	0.16 307	0.11 281	0.15 342	0.13 361	0.11 367	0.11 208	0.11 303	0.05 51	0.04 25	0.08 418	0.07 403	0.06 306	0.09 531

RAFT-IKP	0.11 314	0.09 456	0.16 493	0.19 485	0.08 231	0.06 16	0.12 108	0.16 243	0.13 206	0.15 413	0.16 355	0.14 384	0.12 400	0.11 208	0.10 216	0.06 172	0.04 25	0.08 418	0.06 302	0.08 464	0.07 414

Prome-Stereo	0.11 314	0.06 125	0.10 201	0.18 410	0.08 231	0.12 325	0.15 346	0.22 414	0.13 206	0.12 325	0.17 379	0.13 361	0.08 237	0.12 308	0.10 216	0.05 51	0.04 25	0.07 322	0.06 302	0.06 306	0.09 531

rafts_anoy	0.11 314	0.06 125	0.10 201	0.17 316	0.08 231	0.10 213	0.14 258	0.17 282	0.14 239	0.13 359	0.13 305	0.12 328	0.10 329	0.11 208	0.12 371	0.07 356	0.04 25	0.09 506	0.11 605	0.07 394	0.06 324

raft+_RVC	0.11 314	0.07 248	0.09 134	0.16 229	0.07 140	0.10 213	0.11 71	0.24 461	0.20 413	0.12 325	0.15 342	0.12 328	0.08 237	0.12 308	0.13 418	0.07 356	0.04 25	0.07 322	0.06 302	0.05 175	0.05 214

RALAANet	0.11 314	0.08 372	0.10 201	0.17 316	0.09 368	0.14 418	0.10 42	0.20 361	0.15 267	0.14 386	0.13 305	0.16 428	0.09 282	0.12 308	0.11 303	0.06 172	0.05 284	0.07 322	0.06 302	0.05 175	0.04 77

DIP-Stereo	0.11 314	0.07 248	0.14 408	0.17 316	0.09 368	0.13 381	0.09 25	0.16 243	0.16 307	0.11 281	0.16 355	0.14 384	0.12 400	0.15 428	0.13 418	0.06 172	0.05 284	0.06 209	0.05 200	0.05 175	0.06 324
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
S0	0.12 392	0.08 372	0.08 61	0.20 553	0.07 140	0.18 519	0.23 617	0.15 202	0.15 267	0.10 244	0.10 209	0.13 361	0.08 237	0.12 308	0.11 303	0.09 503	0.10 605	0.14 636	0.14 641	0.05 175	0.04 77

S	0.12 392	0.08 372	0.09 134	0.20 553	0.08 231	0.13 381	0.19 551	0.17 282	0.16 307	0.13 359	0.11 264	0.13 361	0.10 329	0.11 208	0.13 418	0.09 503	0.07 514	0.13 622	0.15 658	0.06 306	0.04 77

IGEV_i1	0.12 392	0.07 248	0.12 313	0.16 229	0.08 231	0.19 544	0.14 258	0.18 318	0.22 443	0.18 491	0.18 407	0.16 428	0.12 400	0.16 463	0.14 461	0.06 172	0.05 284	0.06 209	0.05 200	0.06 306	0.06 324

rvit_stereo_0083	0.12 392	0.08 372	0.17 524	0.16 229	0.09 368	0.11 271	0.15 346	0.14 159	0.26 508	0.11 281	0.14 321	0.13 361	0.10 329	0.12 308	0.12 371	0.10 547	0.08 547	0.09 506	0.07 403	0.07 394	0.05 214

rvit_stereo_ft	0.12 392	0.07 248	0.13 369	0.19 485	0.10 483	0.12 325	0.17 462	0.16 243	0.16 307	0.12 325	0.13 305	0.15 413	0.10 329	0.14 400	0.13 418	0.09 503	0.06 439	0.08 418	0.07 403	0.07 394	0.05 214

test_sample2	0.12 392	0.07 248	0.12 313	0.14 71	0.08 231	0.16 477	0.18 511	0.21 388	0.16 307	0.14 386	0.20 430	0.19 479	0.15 484	0.15 428	0.12 371	0.08 439	0.05 284	0.07 322	0.06 302	0.08 464	0.07 414

MyStereo8	0.12 392	0.07 248	0.15 457	0.15 129	0.09 368	0.18 519	0.14 258	0.19 349	0.22 443	0.12 325	0.18 407	0.11 306	0.10 329	0.16 463	0.18 542	0.07 356	0.05 284	0.07 322	0.05 200	0.08 464	0.09 531

CoDeX	0.12 392	0.07 248	0.12 313	0.17 316	0.08 231	0.12 325	0.15 346	0.23 437	0.27 518	0.13 359	0.17 379	0.16 428	0.11 367	0.14 400	0.11 303	0.07 356	0.05 284	0.07 322	0.06 302	0.06 306	0.05 214

11t1	0.12 392	0.06 125	0.13 369	0.14 71	0.08 231	0.17 500	0.15 346	0.18 318	0.15 267	0.15 413	0.15 342	0.16 428	0.16 512	0.15 428	0.13 418	0.08 439	0.05 284	0.06 209	0.05 200	0.08 464	0.07 414

ffm	0.12 392	0.09 456	0.14 408	0.16 229	0.08 231	0.17 500	0.17 462	0.15 202	0.19 389	0.15 413	0.25 516	0.19 479	0.13 442	0.10 130	0.07 1	0.06 172	0.04 25	0.09 506	0.08 481	0.06 306	0.06 324

RAFT_CTSACE	0.12 392	0.09 456	0.10 201	0.22 605	0.08 231	0.12 325	0.24 631	0.18 318	0.16 307	0.20 531	0.27 542	0.13 361	0.07 184	0.13 366	0.09 110	0.05 51	0.06 439	0.08 418	0.07 403	0.04 49	0.04 77

Sa-1000	0.12 392	0.08 372	0.08 61	0.18 410	0.08 231	0.14 418	0.22 606	0.22 414	0.18 370	0.15 413	0.20 430	0.17 450	0.11 367	0.10 130	0.10 216	0.06 172	0.05 284	0.09 506	0.09 529	0.05 175	0.05 214

SA	0.12 392	0.09 456	0.08 61	0.18 410	0.08 231	0.12 325	0.24 631	0.23 437	0.18 370	0.17 461	0.27 542	0.14 384	0.11 367	0.11 208	0.11 303	0.05 51	0.05 284	0.09 506	0.08 481	0.05 175	0.04 77

iRaft-Stereo_5w	0.12 392	0.09 456	0.12 313	0.19 485	0.08 231	0.09 148	0.12 108	0.21 388	0.21 429	0.19 508	0.14 321	0.11 306	0.09 282	0.20 560	0.16 509	0.05 51	0.05 284	0.07 322	0.06 302	0.05 175	0.06 324

CrosDoStereo	0.12 392	0.06 125	0.12 313	0.14 71	0.08 231	0.12 325	0.15 346	0.17 282	0.22 443	0.19 508	0.24 488	0.15 413	0.11 367	0.11 208	0.12 371	0.06 172	0.04 25	0.07 322	0.07 403	0.05 175	0.05 214

PSM-softLoss	0.12 392	0.07 248	0.15 457	0.17 316	0.09 368	0.08 90	0.13 186	0.24 461	0.17 337	0.14 386	0.19 418	0.13 361	0.11 367	0.11 208	0.11 303	0.07 356	0.05 284	0.08 418	0.07 403	0.06 306	0.12 602

KMStereo	0.12 392	0.07 248	0.15 457	0.17 316	0.09 368	0.08 90	0.13 186	0.24 461	0.17 337	0.14 386	0.19 418	0.13 361	0.11 367	0.11 208	0.11 303	0.07 356	0.05 284	0.08 418	0.07 403	0.06 306	0.12 602

FTStereo	0.12 392	0.06 125	0.14 408	0.18 410	0.09 368	0.07 46	0.15 346	0.21 388	0.18 370	0.12 325	0.24 488	0.12 328	0.12 400	0.13 366	0.13 418	0.05 51	0.05 284	0.07 322	0.06 302	0.06 306	0.10 562

DeepStereo_LL	0.12 392	0.06 125	0.12 313	0.14 71	0.08 231	0.12 325	0.15 346	0.17 282	0.22 443	0.19 508	0.24 488	0.15 413	0.11 367	0.11 208	0.12 371	0.06 172	0.04 25	0.07 322	0.07 403	0.05 175	0.05 214

DEmStereo	0.12 392	0.06 125	0.14 408	0.14 71	0.10 483	0.16 477	0.15 346	0.16 243	0.24 472	0.17 461	0.24 488	0.13 361	0.14 466	0.12 308	0.13 418	0.05 51	0.04 25	0.07 322	0.06 302	0.05 175	0.05 214

THIR-Stereo	0.12 392	0.07 248	0.11 264	0.15 129	0.08 231	0.14 418	0.16 419	0.17 282	0.25 494	0.16 442	0.24 488	0.14 384	0.12 400	0.12 308	0.14 461	0.06 172	0.04 25	0.07 322	0.07 403	0.05 175	0.05 214

DRaft	0.12 392	0.06 125	0.11 264	0.14 71	0.09 368	0.14 418	0.17 462	0.21 388	0.30 550	0.17 461	0.28 556	0.10 275	0.15 484	0.10 130	0.12 371	0.05 51	0.04 25	0.07 322	0.06 302	0.05 175	0.05 214

PFNet	0.12 392	0.06 125	0.17 524	0.17 316	0.08 231	0.09 148	0.15 346	0.26 498	0.20 413	0.16 442	0.16 355	0.14 384	0.11 367	0.12 308	0.11 303	0.06 172	0.04 25	0.07 322	0.06 302	0.05 175	0.05 214

IRAFT_RVC	0.12 392	0.08 372	0.16 493	0.19 485	0.08 231	0.07 46	0.15 346	0.24 461	0.23 455	0.14 386	0.14 321	0.15 413	0.12 400	0.12 308	0.10 216	0.06 172	0.04 25	0.09 506	0.06 302	0.06 306	0.06 324

sCroCo_RVC	0.12 392	0.09 456	0.23 597	0.24 638	0.11 534	0.19 544	0.14 258	0.17 282	0.14 239	0.10 244	0.13 305	0.12 328	0.07 184	0.14 400	0.11 303	0.08 439	0.08 547	0.08 418	0.08 481	0.05 175	0.07 414

ARAFT	0.12 392	0.08 372	0.17 524	0.19 485	0.09 368	0.14 418	0.18 511	0.20 361	0.12 162	0.12 325	0.13 305	0.14 384	0.11 367	0.15 428	0.12 371	0.06 172	0.05 284	0.10 555	0.09 529	0.05 175	0.04 77

BEATNet_4x	0.12 392	0.08 372	0.14 408	0.18 410	0.07 140	0.15 445	0.07 5	0.22 414	0.18 370	0.16 442	0.19 418	0.18 464	0.14 466	0.16 463	0.15 493	0.07 356	0.05 284	0.05 55	0.05 200	0.06 306	0.06 324

MLCV	0.12 392	0.07 248	0.16 493	0.18 410	0.06 33	0.15 445	0.17 462	0.19 349	0.21 429	0.18 491	0.25 516	0.17 450	0.13 442	0.14 400	0.13 418	0.05 51	0.04 25	0.05 55	0.04 64	0.05 175	0.04 77

RT-IGEV	0.13 420	0.06 125	0.13 369	0.15 129	0.09 368	0.15 445	0.17 462	0.24 461	0.27 518	0.16 442	0.17 379	0.17 450	0.10 329	0.14 400	0.11 303	0.08 439	0.05 284	0.07 322	0.05 200	0.07 394	0.07 414

Selective-IGEV-i16pc	0.13 420	0.06 125	0.13 369	0.15 129	0.11 534	0.38 678	0.16 419	0.23 437	0.16 307	0.10 244	0.15 342	0.09 237	0.06 69	0.13 366	0.10 216	0.10 547	0.08 547	0.06 209	0.07 403	0.09 529	0.09 531

Selective-IGEV-i1	0.13 420	0.07 248	0.12 313	0.19 485	0.08 231	0.18 519	0.16 419	0.22 414	0.30 550	0.16 442	0.17 379	0.16 428	0.10 329	0.14 400	0.13 418	0.06 172	0.05 284	0.06 209	0.05 200	0.06 306	0.05 214

G2L-ROB	0.13 420	0.06 125	0.13 369	0.13 23	0.08 231	0.14 418	0.16 419	0.25 480	0.18 370	0.19 508	0.18 407	0.20 491	0.14 466	0.17 497	0.16 509	0.08 439	0.05 284	0.06 209	0.05 200	0.08 464	0.09 531

xyz-stereo	0.13 420	0.07 248	0.20 572	0.15 129	0.05 2	0.20 560	0.15 346	0.17 282	0.31 558	0.15 413	0.29 568	0.26 566	0.16 512	0.13 366	0.12 371	0.05 51	0.05 284	0.06 209	0.05 200	0.04 49	0.04 77

DFGA-Net	0.13 420	0.11 546	0.18 548	0.17 316	0.10 483	0.12 325	0.13 186	0.22 414	0.25 494	0.16 442	0.16 355	0.13 361	0.12 400	0.16 463	0.14 461	0.07 356	0.05 284	0.08 418	0.07 403	0.05 175	0.05 214

FACV-RUCA	0.13 420	0.11 546	0.12 313	0.19 485	0.12 570	0.15 445	0.15 346	0.22 414	0.20 413	0.15 413	0.16 355	0.14 384	0.16 512	0.14 400	0.13 418	0.07 356	0.05 284	0.08 418	0.06 302	0.10 562	0.08 485

UGAM	0.13 420	0.10 519	0.09 134	0.22 605	0.08 231	0.12 325	0.20 575	0.17 282	0.23 455	0.21 546	0.16 355	0.13 361	0.13 442	0.19 535	0.12 371	0.07 356	0.05 284	0.13 622	0.11 605	0.07 394	0.05 214

test_sample1	0.13 420	0.07 248	0.14 408	0.13 23	0.08 231	0.19 544	0.16 419	0.20 361	0.15 267	0.14 386	0.22 466	0.18 464	0.16 512	0.17 497	0.14 461	0.07 356	0.06 439	0.06 209	0.06 302	0.08 464	0.07 414

qqq1	0.13 420	0.07 248	0.17 524	0.14 71	0.08 231	0.16 477	0.17 462	0.26 498	0.27 518	0.19 508	0.20 430	0.18 464	0.15 484	0.15 428	0.11 303	0.08 439	0.05 284	0.05 55	0.05 200	0.06 306	0.06 324

fff1	0.13 420	0.07 248	0.17 524	0.14 71	0.08 231	0.16 477	0.17 462	0.26 498	0.27 518	0.19 508	0.20 430	0.18 464	0.15 484	0.15 428	0.11 303	0.08 439	0.05 284	0.05 55	0.05 200	0.06 306	0.06 324

MyStereo05	0.13 420	0.07 248	0.10 201	0.17 316	0.09 368	0.13 381	0.18 511	0.27 519	0.35 593	0.17 461	0.14 321	0.15 413	0.11 367	0.15 428	0.13 418	0.06 172	0.05 284	0.07 322	0.07 403	0.06 306	0.06 324

MyStereo04	0.13 420	0.07 248	0.10 201	0.17 316	0.09 368	0.14 418	0.18 511	0.29 553	0.38 611	0.17 461	0.14 321	0.16 428	0.10 329	0.15 428	0.13 418	0.06 172	0.05 284	0.08 418	0.07 403	0.06 306	0.06 324

ff1	0.13 420	0.09 456	0.14 408	0.16 229	0.08 231	0.17 500	0.17 462	0.15 202	0.19 389	0.15 413	0.25 516	0.19 479	0.13 442	0.14 400	0.20 561	0.06 172	0.04 25	0.09 506	0.08 481	0.06 306	0.06 324

StereoVision	0.13 420	0.12 564	0.09 134	0.24 638	0.10 483	0.15 445	0.21 596	0.21 388	0.20 413	0.12 325	0.24 488	0.10 275	0.10 329	0.16 463	0.10 216	0.09 503	0.11 618	0.12 607	0.12 626	0.06 306	0.05 214

LL-Strereo	0.13 420	0.09 456	0.11 264	0.20 553	0.10 483	0.11 271	0.18 511	0.32 590	0.24 472	0.15 413	0.15 342	0.14 384	0.13 442	0.19 535	0.11 303	0.06 172	0.04 25	0.09 506	0.08 481	0.04 49	0.05 214

CASS	0.13 420	0.12 564	0.11 264	0.23 629	0.09 368	0.15 445	0.17 462	0.18 318	0.19 389	0.17 461	0.18 407	0.15 413	0.15 484	0.14 400	0.14 461	0.09 503	0.06 439	0.10 555	0.08 481	0.09 529	0.07 414
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 420	0.07 248	0.13 369	0.18 410	0.09 368	0.13 381	0.17 462	0.19 349	0.29 540	0.15 413	0.24 488	0.15 413	0.14 466	0.14 400	0.14 461	0.07 356	0.05 284	0.07 322	0.09 529	0.05 175	0.06 324

TestStereo1	0.13 420	0.08 372	0.08 61	0.19 485	0.08 231	0.18 519	0.29 678	0.23 437	0.16 307	0.17 461	0.20 430	0.16 428	0.10 329	0.12 308	0.13 418	0.06 172	0.06 439	0.08 418	0.06 302	0.05 175	0.05 214

qqq	0.13 420	0.09 456	0.15 457	0.16 229	0.08 231	0.13 381	0.15 346	0.23 437	0.16 307	0.15 413	0.19 418	0.16 428	0.16 512	0.15 428	0.16 509	0.07 356	0.06 439	0.08 418	0.08 481	0.07 394	0.07 414

x	0.13 420	0.07 248	0.14 408	0.14 71	0.08 231	0.18 519	0.14 258	0.22 414	0.20 413	0.15 413	0.19 418	0.19 479	0.17 535	0.18 520	0.18 542	0.07 356	0.05 284	0.06 209	0.06 302	0.07 394	0.07 414

raft_robust	0.13 420	0.10 519	0.07 13	0.18 410	0.08 231	0.13 381	0.24 631	0.28 539	0.33 572	0.20 531	0.19 418	0.14 384	0.10 329	0.11 208	0.12 371	0.05 51	0.05 284	0.07 322	0.07 403	0.05 175	0.04 77

RAFT+CT+SA	0.13 420	0.11 546	0.09 134	0.19 485	0.09 368	0.15 445	0.28 668	0.22 414	0.22 443	0.15 413	0.26 533	0.10 275	0.10 329	0.11 208	0.12 371	0.05 51	0.04 25	0.07 322	0.08 481	0.07 394	0.06 324

SA-5K	0.13 420	0.08 372	0.08 61	0.19 485	0.08 231	0.18 519	0.29 678	0.23 437	0.16 307	0.17 461	0.20 430	0.16 428	0.10 329	0.12 308	0.13 418	0.06 172	0.06 439	0.08 418	0.06 302	0.05 175	0.05 214

GwcNet-ADL	0.13 420	0.08 372	0.14 408	0.20 553	0.09 368	0.11 271	0.20 575	0.30 567	0.24 472	0.13 359	0.14 321	0.18 464	0.14 466	0.13 366	0.14 461	0.07 356	0.05 284	0.06 209	0.05 200	0.07 394	0.06 324

GANet-ADL	0.13 420	0.07 248	0.15 457	0.17 316	0.10 483	0.18 519	0.15 346	0.30 567	0.20 413	0.13 359	0.18 407	0.19 479	0.12 400	0.16 463	0.13 418	0.08 439	0.06 439	0.06 209	0.05 200	0.07 394	0.08 485

RAFT	0.13 420	0.09 456	0.11 264	0.18 410	0.08 231	0.15 445	0.24 631	0.20 361	0.19 389	0.21 546	0.21 454	0.17 450	0.12 400	0.16 463	0.09 110	0.06 172	0.07 514	0.10 555	0.09 529	0.05 175	0.05 214

TestStereo	0.13 420	0.14 604	0.11 264	0.23 629	0.08 231	0.15 445	0.21 596	0.20 361	0.23 455	0.14 386	0.24 488	0.16 428	0.12 400	0.16 463	0.14 461	0.05 51	0.06 439	0.08 418	0.06 302	0.09 529	0.05 214

sAnonymous2	0.13 420	0.12 564	0.24 601	0.20 553	0.12 570	0.17 500	0.13 186	0.26 498	0.21 429	0.11 281	0.11 264	0.13 361	0.08 237	0.10 130	0.10 216	0.09 503	0.05 284	0.08 418	0.06 302	0.15 652	0.10 562

CroCo_RVC	0.13 420	0.12 564	0.24 601	0.20 553	0.12 570	0.17 500	0.13 186	0.26 498	0.21 429	0.11 281	0.11 264	0.13 361	0.08 237	0.10 130	0.10 216	0.09 503	0.05 284	0.08 418	0.06 302	0.15 652	0.10 562

RAFT + AFF	0.13 420	0.07 248	0.20 572	0.20 553	0.10 483	0.14 418	0.24 631	0.26 498	0.20 413	0.11 281	0.10 209	0.12 328	0.10 329	0.15 428	0.12 371	0.07 356	0.06 439	0.09 506	0.08 481	0.06 306	0.08 485

GMStereo	0.13 420	0.14 604	0.14 408	0.18 410	0.09 368	0.15 445	0.16 419	0.20 361	0.24 472	0.16 442	0.17 379	0.10 275	0.10 329	0.16 463	0.13 418	0.07 356	0.06 439	0.06 209	0.06 302	0.07 394	0.06 324
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 420	0.07 248	0.14 408	0.17 316	0.09 368	0.15 445	0.16 419	0.28 539	0.27 518	0.14 386	0.17 379	0.12 328	0.13 442	0.14 400	0.11 303	0.08 439	0.05 284	0.07 322	0.07 403	0.07 394	0.06 324

FENet	0.13 420	0.08 372	0.12 313	0.16 229	0.08 231	0.14 418	0.15 346	0.22 414	0.23 455	0.17 461	0.23 475	0.16 428	0.12 400	0.14 400	0.15 493	0.08 439	0.05 284	0.08 418	0.08 481	0.07 394	0.07 414

cf-r	0.13 420	0.07 248	0.12 313	0.16 229	0.08 231	0.14 418	0.19 551	0.20 361	0.25 494	0.17 461	0.25 516	0.21 500	0.16 512	0.14 400	0.14 461	0.10 547	0.05 284	0.06 209	0.08 481	0.06 306	0.06 324

iResNet	0.13 420	0.10 519	0.18 548	0.19 485	0.08 231	0.13 381	0.18 511	0.20 361	0.26 508	0.15 413	0.23 475	0.15 413	0.13 442	0.14 400	0.14 461	0.06 172	0.04 25	0.06 209	0.05 200	0.06 306	0.05 214

DN-CSS_ROB	0.13 420	0.13 592	0.16 493	0.18 410	0.10 483	0.16 477	0.08 9	0.22 414	0.18 370	0.17 461	0.22 466	0.13 361	0.13 442	0.12 308	0.13 418	0.05 51	0.05 284	0.10 555	0.10 571	0.08 464	0.06 324

Selective-IGEV-i16pb	0.14 457	0.08 372	0.17 524	0.15 129	0.11 534	0.41 683	0.16 419	0.28 539	0.23 455	0.11 281	0.20 430	0.10 275	0.07 184	0.17 497	0.12 371	0.10 547	0.07 514	0.06 209	0.08 481	0.09 529	0.10 562

G2L-Stereo_test	0.14 457	0.07 248	0.11 264	0.13 23	0.08 231	0.12 325	0.16 419	0.30 567	0.28 533	0.20 531	0.23 475	0.20 491	0.16 512	0.17 497	0.18 542	0.07 356	0.05 284	0.05 55	0.05 200	0.07 394	0.06 324

coex_refinement	0.14 457	0.07 248	0.12 313	0.17 316	0.10 483	0.15 445	0.15 346	0.26 498	0.29 540	0.18 491	0.20 430	0.22 518	0.17 535	0.16 463	0.18 542	0.08 439	0.05 284	0.06 209	0.06 302	0.09 529	0.08 485

G2L-Stereo	0.14 457	0.07 248	0.13 369	0.17 316	0.09 368	0.13 381	0.12 108	0.27 519	0.22 443	0.16 442	0.27 542	0.21 500	0.13 442	0.17 497	0.18 542	0.09 503	0.08 547	0.08 418	0.07 403	0.07 394	0.07 414

rvit_0105_6	0.14 457	0.09 456	0.18 548	0.17 316	0.10 483	0.10 213	0.16 419	0.19 349	0.26 508	0.12 325	0.18 407	0.17 450	0.12 400	0.18 520	0.12 371	0.15 648	0.11 618	0.12 607	0.10 571	0.09 529	0.06 324

rvit_0105_5	0.14 457	0.09 456	0.13 369	0.17 316	0.09 368	0.14 418	0.23 617	0.24 461	0.27 518	0.14 386	0.15 342	0.18 464	0.12 400	0.17 497	0.14 461	0.14 644	0.11 618	0.10 555	0.10 571	0.08 464	0.06 324

rvit_0105_4	0.14 457	0.09 456	0.17 524	0.17 316	0.10 483	0.12 325	0.19 551	0.23 437	0.27 518	0.14 386	0.20 430	0.17 450	0.13 442	0.17 497	0.13 418	0.15 648	0.11 618	0.11 587	0.10 571	0.09 529	0.06 324

DCVSM-stereo	0.14 457	0.09 456	0.16 493	0.16 229	0.10 483	0.15 445	0.09 25	0.19 349	0.23 455	0.20 531	0.23 475	0.26 566	0.15 484	0.18 520	0.14 461	0.09 503	0.07 514	0.09 506	0.08 481	0.10 562	0.12 602

test_sample6	0.14 457	0.08 372	0.13 369	0.16 229	0.08 231	0.17 500	0.19 551	0.25 480	0.17 337	0.17 461	0.27 542	0.19 479	0.14 466	0.15 428	0.13 418	0.08 439	0.05 284	0.08 418	0.07 403	0.08 464	0.08 485

test_sample5	0.14 457	0.08 372	0.14 408	0.16 229	0.08 231	0.18 519	0.18 511	0.25 480	0.17 337	0.17 461	0.27 542	0.18 464	0.14 466	0.16 463	0.13 418	0.08 439	0.05 284	0.08 418	0.07 403	0.08 464	0.08 485

test_sample4	0.14 457	0.08 372	0.14 408	0.15 129	0.08 231	0.19 544	0.18 511	0.26 498	0.17 337	0.16 442	0.25 516	0.18 464	0.14 466	0.16 463	0.13 418	0.08 439	0.06 439	0.08 418	0.06 302	0.08 464	0.08 485

test_sample3	0.14 457	0.08 372	0.15 457	0.14 71	0.09 368	0.19 544	0.17 462	0.26 498	0.18 370	0.16 442	0.22 466	0.19 479	0.15 484	0.17 497	0.13 418	0.08 439	0.06 439	0.07 322	0.06 302	0.09 529	0.08 485

DispNO	0.14 457	0.08 372	0.17 524	0.19 485	0.12 570	0.11 271	0.21 596	0.23 437	0.29 540	0.17 461	0.23 475	0.18 464	0.17 535	0.15 428	0.15 493	0.07 356	0.05 284	0.08 418	0.08 481	0.07 394	0.06 324

SMFormer	0.14 457	0.07 248	0.17 524	0.14 71	0.08 231	0.16 477	0.17 462	0.26 498	0.27 518	0.19 508	0.20 430	0.18 464	0.15 484	0.15 428	0.17 524	0.08 439	0.05 284	0.07 322	0.06 302	0.07 394	0.06 324

tta	0.14 457	0.07 248	0.17 524	0.14 71	0.08 231	0.16 477	0.17 462	0.26 498	0.27 518	0.19 508	0.20 430	0.18 464	0.15 484	0.15 428	0.17 524	0.08 439	0.05 284	0.07 322	0.06 302	0.06 306	0.06 324

mmm	0.14 457	0.08 372	0.17 524	0.17 316	0.09 368	0.17 500	0.18 511	0.21 388	0.15 267	0.15 413	0.23 475	0.21 500	0.16 512	0.16 463	0.17 524	0.08 439	0.05 284	0.08 418	0.07 403	0.07 394	0.07 414

DualNet	0.14 457	0.08 372	0.14 408	0.16 229	0.08 231	0.18 519	0.18 511	0.25 480	0.17 337	0.17 461	0.27 542	0.18 464	0.14 466	0.16 463	0.13 418	0.08 439	0.05 284	0.08 418	0.07 403	0.08 464	0.08 485

mmx	0.14 457	0.09 456	0.14 408	0.16 229	0.08 231	0.17 500	0.17 462	0.27 519	0.25 494	0.15 413	0.25 516	0.19 479	0.13 442	0.14 400	0.20 561	0.08 439	0.06 439	0.09 506	0.08 481	0.08 464	0.08 485

xxx	0.14 457	0.09 456	0.14 408	0.16 229	0.08 231	0.17 500	0.17 462	0.27 519	0.25 494	0.15 413	0.25 516	0.19 479	0.13 442	0.14 400	0.20 561	0.08 439	0.06 439	0.09 506	0.08 481	0.08 464	0.08 485

PCWNet_CMD	0.14 457	0.08 372	0.15 457	0.17 316	0.09 368	0.14 418	0.14 258	0.29 553	0.36 597	0.14 386	0.20 430	0.21 500	0.12 400	0.17 497	0.13 418	0.07 356	0.05 284	0.07 322	0.07 403	0.07 394	0.07 414

CBFPSM	0.14 457	0.06 125	0.26 609	0.17 316	0.09 368	0.13 381	0.15 346	0.22 414	0.23 455	0.20 531	0.27 542	0.24 542	0.16 512	0.16 463	0.18 542	0.06 172	0.06 439	0.06 209	0.07 403	0.07 394	0.07 414

gwcnet-sp	0.14 457	0.07 248	0.12 313	0.18 410	0.09 368	0.16 477	0.17 462	0.24 461	0.24 472	0.18 491	0.24 488	0.15 413	0.16 512	0.15 428	0.15 493	0.08 439	0.06 439	0.07 322	0.08 481	0.08 464	0.07 414

scenet	0.14 457	0.07 248	0.12 313	0.18 410	0.09 368	0.16 477	0.17 462	0.24 461	0.24 472	0.18 491	0.24 488	0.15 413	0.16 512	0.15 428	0.15 493	0.08 439	0.06 439	0.07 322	0.08 481	0.08 464	0.07 414

ssnet	0.14 457	0.07 248	0.12 313	0.18 410	0.09 368	0.16 477	0.17 462	0.24 461	0.24 472	0.18 491	0.24 488	0.15 413	0.16 512	0.15 428	0.15 493	0.08 439	0.06 439	0.07 322	0.08 481	0.08 464	0.07 414

BUS	0.14 457	0.09 456	0.14 408	0.22 605	0.10 483	0.19 544	0.14 258	0.34 619	0.19 389	0.17 461	0.22 466	0.16 428	0.13 442	0.15 428	0.13 418	0.08 439	0.06 439	0.10 555	0.09 529	0.07 394	0.07 414

IER	0.14 457	0.07 248	0.13 369	0.17 316	0.09 368	0.14 418	0.16 419	0.25 480	0.26 508	0.18 491	0.25 516	0.17 450	0.20 578	0.16 463	0.14 461	0.08 439	0.05 284	0.07 322	0.06 302	0.08 464	0.07 414

test_5	0.14 457	0.12 564	0.08 61	0.20 553	0.10 483	0.14 418	0.29 678	0.21 388	0.24 472	0.18 491	0.28 556	0.11 306	0.15 484	0.12 308	0.13 418	0.06 172	0.05 284	0.07 322	0.08 481	0.08 464	0.07 414

psmg	0.14 457	0.09 456	0.14 408	0.17 316	0.10 483	0.15 445	0.17 462	0.29 553	0.19 389	0.17 461	0.21 454	0.25 556	0.16 512	0.15 428	0.14 461	0.08 439	0.06 439	0.08 418	0.08 481	0.07 394	0.06 324

UDGNet	0.14 457	0.13 592	0.16 493	0.17 316	0.10 483	0.12 325	0.16 419	0.21 388	0.27 518	0.20 531	0.20 430	0.16 428	0.13 442	0.16 463	0.13 418	0.10 547	0.06 439	0.09 506	0.07 403	0.06 306	0.07 414

CFNet_pseudo	0.14 457	0.08 372	0.15 457	0.16 229	0.09 368	0.13 381	0.14 258	0.27 519	0.34 584	0.14 386	0.21 454	0.22 518	0.13 442	0.18 520	0.14 461	0.07 356	0.05 284	0.08 418	0.06 302	0.07 394	0.07 414

GES	0.14 457	0.08 372	0.16 493	0.15 129	0.10 483	0.13 381	0.13 186	0.28 539	0.25 494	0.16 442	0.23 475	0.18 464	0.13 442	0.16 463	0.13 418	0.08 439	0.07 514	0.07 322	0.06 302	0.08 464	0.09 531

GANet-RSSM	0.14 457	0.07 248	0.13 369	0.13 23	0.08 231	0.14 418	0.17 462	0.22 414	0.21 429	0.17 461	0.24 488	0.23 536	0.15 484	0.16 463	0.15 493	0.10 547	0.06 439	0.07 322	0.08 481	0.08 464	0.07 414

PSMNet-RSSM	0.14 457	0.07 248	0.13 369	0.15 129	0.08 231	0.13 381	0.16 419	0.24 461	0.24 472	0.16 442	0.28 556	0.22 518	0.14 466	0.15 428	0.13 418	0.11 579	0.06 439	0.09 506	0.12 626	0.08 464	0.07 414

GwcNet-RSSM	0.14 457	0.07 248	0.12 313	0.15 129	0.08 231	0.15 445	0.20 575	0.21 388	0.27 518	0.18 491	0.27 542	0.22 518	0.16 512	0.14 400	0.15 493	0.10 547	0.05 284	0.07 322	0.09 529	0.07 394	0.07 414

CFNet-ft	0.14 457	0.07 248	0.15 457	0.12 7	0.09 368	0.16 477	0.18 511	0.22 414	0.24 472	0.17 461	0.26 533	0.24 542	0.14 466	0.16 463	0.14 461	0.11 579	0.06 439	0.08 418	0.09 529	0.09 529	0.08 485

CCAANet	0.14 457	0.06 125	0.14 408	0.17 316	0.09 368	0.16 477	0.13 186	0.30 567	0.24 472	0.16 442	0.32 588	0.18 464	0.17 535	0.17 497	0.14 461	0.06 172	0.05 284	0.09 506	0.09 529	0.06 306	0.09 531

DMCA	0.14 457	0.09 456	0.16 493	0.19 485	0.09 368	0.15 445	0.17 462	0.23 437	0.27 518	0.14 386	0.19 418	0.17 450	0.18 550	0.15 428	0.17 524	0.10 547	0.06 439	0.08 418	0.06 302	0.09 529	0.10 562

RASNet	0.14 457	0.07 248	0.14 408	0.16 229	0.08 231	0.18 519	0.14 258	0.29 553	0.20 413	0.17 461	0.25 516	0.21 500	0.18 550	0.20 560	0.19 555	0.07 356	0.06 439	0.06 209	0.08 481	0.06 306	0.06 324

MSMDNet	0.14 457	0.08 372	0.15 457	0.17 316	0.09 368	0.14 418	0.14 258	0.29 553	0.36 597	0.14 386	0.21 454	0.21 500	0.12 400	0.17 497	0.14 461	0.07 356	0.05 284	0.07 322	0.07 403	0.07 394	0.07 414

HSM-Net_RVC	0.14 457	0.08 372	0.11 264	0.15 129	0.08 231	0.15 445	0.15 346	0.27 519	0.29 540	0.19 508	0.21 454	0.29 593	0.14 466	0.17 497	0.13 418	0.06 172	0.06 439	0.06 209	0.06 302	0.07 394	0.06 324
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 457	0.07 248	0.15 457	0.12 7	0.09 368	0.16 477	0.18 511	0.22 414	0.24 472	0.17 461	0.26 533	0.24 542	0.14 466	0.16 463	0.14 461	0.11 579	0.06 439	0.08 418	0.09 529	0.09 529	0.08 485

ccs_rob	0.14 457	0.08 372	0.15 457	0.16 229	0.09 368	0.12 325	0.14 258	0.27 519	0.34 584	0.14 386	0.21 454	0.22 518	0.13 442	0.18 520	0.14 461	0.07 356	0.05 284	0.08 418	0.07 403	0.07 394	0.07 414

UCFNet_RVC	0.14 457	0.08 372	0.13 369	0.11 1	0.10 483	0.20 560	0.10 42	0.24 461	0.22 443	0.17 461	0.20 430	0.23 536	0.15 484	0.17 497	0.15 493	0.12 604	0.07 514	0.10 555	0.13 637	0.11 585	0.10 562

iResNetv2_ROB	0.14 457	0.08 372	0.15 457	0.16 229	0.08 231	0.16 477	0.12 108	0.25 480	0.35 593	0.21 546	0.29 568	0.24 542	0.13 442	0.14 400	0.14 461	0.06 172	0.05 284	0.06 209	0.04 64	0.09 529	0.08 485

iResNet_ROB	0.14 457	0.07 248	0.13 369	0.14 71	0.07 140	0.18 519	0.14 258	0.26 498	0.31 558	0.22 562	0.25 516	0.23 536	0.15 484	0.15 428	0.13 418	0.07 356	0.05 284	0.05 55	0.04 64	0.08 464	0.08 485

DDVS	0.15 502	0.10 519	0.21 582	0.16 229	0.12 570	0.15 445	0.14 258	0.25 480	0.19 389	0.18 491	0.29 568	0.27 574	0.12 400	0.19 535	0.15 493	0.09 503	0.06 439	0.09 506	0.07 403	0.11 585	0.11 589

rvit_0105_3	0.15 502	0.09 456	0.14 408	0.19 485	0.12 570	0.15 445	0.25 646	0.25 480	0.29 540	0.15 413	0.17 379	0.20 491	0.13 442	0.17 497	0.14 461	0.13 630	0.11 618	0.12 607	0.14 641	0.07 394	0.06 324

ACV-stereo	0.15 502	0.10 519	0.28 621	0.18 410	0.12 570	0.14 418	0.12 108	0.23 437	0.21 429	0.19 508	0.23 475	0.22 518	0.15 484	0.23 601	0.17 524	0.07 356	0.06 439	0.07 322	0.07 403	0.07 394	0.07 414

ITSA-stereo	0.15 502	0.10 519	0.14 408	0.19 485	0.08 231	0.12 325	0.14 258	0.30 567	0.49 658	0.17 461	0.19 418	0.22 518	0.15 484	0.17 497	0.16 509	0.10 547	0.06 439	0.08 418	0.08 481	0.08 464	0.08 485

test_sample7	0.15 502	0.10 519	0.16 493	0.14 71	0.11 534	0.16 477	0.16 419	0.27 519	0.23 455	0.20 531	0.20 430	0.24 542	0.19 566	0.16 463	0.16 509	0.12 604	0.06 439	0.10 555	0.09 529	0.10 562	0.10 562

1111x	0.15 502	0.08 372	0.12 313	0.18 410	0.07 140	0.18 519	0.25 646	0.31 579	0.24 472	0.17 461	0.24 488	0.26 566	0.15 484	0.13 366	0.23 602	0.07 356	0.07 514	0.08 418	0.09 529	0.07 394	0.06 324

CFNet_ucs	0.15 502	0.08 372	0.16 493	0.16 229	0.11 534	0.14 418	0.14 258	0.30 567	0.34 584	0.16 442	0.24 488	0.23 536	0.14 466	0.18 520	0.15 493	0.09 503	0.06 439	0.08 418	0.07 403	0.09 529	0.09 531

BSDual-CNN	0.15 502	0.09 456	0.14 408	0.22 605	0.10 483	0.14 418	0.15 346	0.34 619	0.19 389	0.17 461	0.22 466	0.25 556	0.16 512	0.15 428	0.14 461	0.08 439	0.06 439	0.10 555	0.09 529	0.07 394	0.07 414

hknet	0.15 502	0.11 546	0.13 369	0.22 605	0.11 534	0.14 418	0.15 346	0.34 619	0.25 494	0.17 461	0.22 466	0.22 518	0.18 550	0.17 497	0.12 371	0.07 356	0.06 439	0.10 555	0.09 529	0.07 394	0.07 414

dd	0.15 502	0.16 622	0.16 493	0.19 485	0.09 368	0.15 445	0.18 511	0.21 388	0.25 494	0.23 575	0.20 430	0.21 500	0.09 282	0.21 577	0.16 509	0.10 547	0.06 439	0.08 418	0.06 302	0.08 464	0.06 324

DAS	0.15 502	0.08 372	0.18 548	0.19 485	0.10 483	0.19 544	0.17 462	0.27 519	0.29 540	0.18 491	0.25 516	0.21 500	0.15 484	0.16 463	0.12 371	0.08 439	0.06 439	0.06 209	0.06 302	0.07 394	0.07 414

SepStereo	0.15 502	0.08 372	0.18 548	0.19 485	0.10 483	0.19 544	0.17 462	0.27 519	0.29 540	0.18 491	0.25 516	0.21 500	0.15 484	0.25 617	0.12 371	0.08 439	0.06 439	0.06 209	0.06 302	0.07 394	0.07 414

PSMNet-ADL	0.15 502	0.12 564	0.13 369	0.22 605	0.09 368	0.13 381	0.20 575	0.26 498	0.23 455	0.18 491	0.20 430	0.24 542	0.16 512	0.18 520	0.17 524	0.08 439	0.08 547	0.08 418	0.11 605	0.08 464	0.07 414

LMCR-Stereo	0.15 502	0.08 372	0.13 369	0.21 587	0.09 368	0.17 500	0.20 575	0.27 519	0.19 389	0.24 584	0.24 488	0.23 536	0.17 535	0.20 560	0.17 524	0.07 356	0.06 439	0.08 418	0.06 302	0.10 562	0.08 485

ICVP	0.15 502	0.09 456	0.12 313	0.22 605	0.09 368	0.17 500	0.21 596	0.25 480	0.23 455	0.18 491	0.30 575	0.26 566	0.18 550	0.17 497	0.14 461	0.09 503	0.07 514	0.08 418	0.07 403	0.07 394	0.07 414
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 502	0.07 248	0.14 408	0.14 71	0.08 231	0.23 603	0.18 511	0.31 579	0.19 389	0.14 386	0.28 556	0.22 518	0.14 466	0.15 428	0.26 636	0.09 503	0.05 284	0.07 322	0.07 403	0.08 464	0.07 414

test_xeample	0.15 502	0.06 125	0.13 369	0.14 71	0.08 231	0.21 578	0.20 575	0.28 539	0.20 413	0.16 442	0.29 568	0.19 479	0.16 512	0.15 428	0.26 636	0.09 503	0.05 284	0.07 322	0.07 403	0.07 394	0.07 414

ACVNet	0.15 502	0.09 456	0.15 457	0.13 23	0.12 570	0.14 418	0.20 575	0.22 414	0.33 572	0.17 461	0.26 533	0.21 500	0.16 512	0.17 497	0.21 581	0.07 356	0.06 439	0.06 209	0.06 302	0.08 464	0.06 324

acv_ft	0.15 502	0.09 456	0.15 457	0.19 485	0.10 483	0.16 477	0.17 462	0.25 480	0.33 572	0.19 508	0.26 533	0.21 500	0.17 535	0.17 497	0.18 542	0.07 356	0.06 439	0.06 209	0.06 302	0.08 464	0.06 324

CFNet	0.15 502	0.10 519	0.17 524	0.17 316	0.08 231	0.18 519	0.09 25	0.28 539	0.25 494	0.19 508	0.24 488	0.24 542	0.17 535	0.17 497	0.14 461	0.08 439	0.06 439	0.09 506	0.10 571	0.07 394	0.06 324

AdaStereo	0.15 502	0.11 546	0.15 457	0.18 410	0.09 368	0.20 560	0.11 71	0.32 590	0.28 533	0.20 531	0.23 475	0.20 491	0.13 442	0.19 535	0.14 461	0.12 604	0.05 284	0.10 555	0.07 403	0.09 529	0.07 414
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	0.15 502	0.08 372	0.14 408	0.16 229	0.09 368	0.16 477	0.14 258	0.28 539	0.25 494	0.19 508	0.23 475	0.37 647	0.16 512	0.20 560	0.15 493	0.07 356	0.05 284	0.07 322	0.06 302	0.07 394	0.06 324

pmcnn	0.15 502	0.07 248	0.19 560	0.15 129	0.07 140	0.20 560	0.15 346	0.24 461	0.26 508	0.21 546	0.34 605	0.28 584	0.18 550	0.18 520	0.17 524	0.07 356	0.05 284	0.05 55	0.04 64	0.07 394	0.06 324

DStereoRT	0.16 525	0.06 125	0.11 264	0.19 485	0.09 368	0.12 325	0.12 108	0.28 539	0.22 443	0.12 325	0.20 430	0.11 306	0.10 329	0.15 428	0.14 461	0.06 172	0.05 284	0.96 726	0.09 529	0.05 175	0.04 77

DualNet (step1)	0.16 525	0.12 564	0.20 572	0.12 7	0.14 614	0.17 500	0.13 186	0.27 519	0.23 455	0.20 531	0.20 430	0.24 542	0.19 566	0.16 463	0.16 509	0.15 648	0.06 439	0.14 636	0.14 641	0.14 636	0.12 602

GMStereo_Zeroshot	0.16 525	0.13 592	0.24 601	0.20 553	0.10 483	0.17 500	0.13 186	0.29 553	0.25 494	0.23 575	0.32 588	0.25 556	0.11 367	0.19 535	0.14 461	0.09 503	0.06 439	0.11 587	0.06 302	0.12 602	0.08 485

iinet-f	0.16 525	0.06 125	0.45 666	0.14 71	0.10 483	0.21 578	0.14 258	0.27 519	0.23 455	0.21 546	0.24 488	0.21 500	0.15 484	0.18 520	0.21 581	0.09 503	0.07 514	0.07 322	0.06 302	0.09 529	0.10 562

CRFU-Net	0.16 525	0.08 372	0.14 408	0.17 316	0.09 368	0.19 544	0.14 258	0.26 498	0.20 413	0.28 624	0.27 542	0.29 593	0.17 535	0.19 535	0.17 524	0.09 503	0.09 583	0.07 322	0.07 403	0.08 464	0.08 485

NINENet	0.16 525	0.10 519	0.15 457	0.17 316	0.11 534	0.19 544	0.14 258	0.40 663	0.36 597	0.18 491	0.21 454	0.16 428	0.13 442	0.15 428	0.13 418	0.08 439	0.08 547	0.10 555	0.07 403	0.10 562	0.09 531

CSP-Net	0.16 525	0.09 456	0.14 408	0.16 229	0.09 368	0.19 544	0.17 462	0.25 480	0.32 565	0.25 597	0.30 575	0.24 542	0.15 484	0.21 577	0.18 542	0.09 503	0.06 439	0.07 322	0.07 403	0.08 464	0.07 414

AASNet	0.16 525	0.08 372	0.12 313	0.19 485	0.09 368	0.18 519	0.15 346	0.37 647	0.37 604	0.19 508	0.23 475	0.20 491	0.16 512	0.17 497	0.20 561	0.10 547	0.08 547	0.08 418	0.07 403	0.09 529	0.09 531

AACVNet	0.16 525	0.08 372	0.14 408	0.15 129	0.10 483	0.18 519	0.15 346	0.23 437	0.24 472	0.27 609	0.27 542	0.28 584	0.17 535	0.19 535	0.16 509	0.09 503	0.07 514	0.09 506	0.07 403	0.10 562	0.09 531

ADLNet2	0.16 525	0.09 456	0.13 369	0.16 229	0.09 368	0.20 560	0.16 419	0.31 579	0.39 615	0.16 442	0.20 430	0.20 491	0.18 550	0.21 577	0.22 590	0.08 439	0.06 439	0.07 322	0.07 403	0.09 529	0.07 414

Anonymous3	0.16 525	0.13 592	0.33 641	0.26 654	0.14 614	0.27 639	0.17 462	0.28 539	0.28 533	0.15 413	0.17 379	0.14 384	0.10 329	0.15 428	0.12 371	0.08 439	0.08 547	0.08 418	0.08 481	0.08 464	0.11 589

ADLNet	0.16 525	0.08 372	0.15 457	0.16 229	0.10 483	0.16 477	0.17 462	0.32 590	0.27 518	0.22 562	0.27 542	0.24 542	0.16 512	0.18 520	0.21 581	0.10 547	0.06 439	0.10 555	0.10 571	0.08 464	0.09 531

HCRNet	0.16 525	0.24 670	0.12 313	0.35 688	0.11 534	0.15 445	0.17 462	0.26 498	0.22 443	0.19 508	0.24 488	0.21 500	0.14 466	0.15 428	0.13 418	0.11 579	0.07 514	0.11 587	0.10 571	0.09 529	0.07 414

222	0.16 525	0.07 248	0.14 408	0.14 71	0.08 231	0.24 608	0.18 511	0.30 567	0.20 413	0.17 461	0.28 556	0.17 450	0.16 512	0.15 428	0.40 692	0.10 547	0.05 284	0.07 322	0.06 302	0.07 394	0.08 485

UPFNet	0.16 525	0.08 372	0.12 313	0.20 553	0.12 570	0.20 560	0.23 617	0.28 539	0.26 508	0.17 461	0.24 488	0.22 518	0.19 566	0.19 535	0.21 581	0.09 503	0.07 514	0.08 418	0.09 529	0.08 464	0.06 324

ac_64	0.16 525	0.08 372	0.15 457	0.18 410	0.10 483	0.22 587	0.18 511	0.24 461	0.21 429	0.18 491	0.24 488	0.29 593	0.18 550	0.19 535	0.22 590	0.09 503	0.07 514	0.08 418	0.09 529	0.07 394	0.06 324

DSFCA	0.16 525	0.09 456	0.14 408	0.16 229	0.10 483	0.20 560	0.19 551	0.28 539	0.31 558	0.23 575	0.24 488	0.22 518	0.15 484	0.19 535	0.20 561	0.10 547	0.07 514	0.09 506	0.09 529	0.08 464	0.08 485

FADNet-RVC-Resample	0.16 525	0.11 546	0.31 634	0.22 605	0.11 534	0.19 544	0.14 258	0.25 480	0.24 472	0.24 584	0.27 542	0.20 491	0.15 484	0.16 463	0.15 493	0.07 356	0.08 547	0.12 607	0.10 571	0.09 529	0.10 562

FADNet_RVC	0.16 525	0.14 604	0.40 659	0.20 553	0.11 534	0.13 381	0.13 186	0.26 498	0.22 443	0.21 546	0.23 475	0.20 491	0.17 535	0.14 400	0.16 509	0.08 439	0.08 547	0.12 607	0.09 529	0.11 585	0.10 562

AANet_RVC	0.16 525	0.10 519	0.10 201	0.18 410	0.09 368	0.18 519	0.19 551	0.26 498	0.31 558	0.22 562	0.35 609	0.21 500	0.21 582	0.22 590	0.16 509	0.06 172	0.05 284	0.06 209	0.06 302	0.07 394	0.06 324

DeepPruner_ROB	0.16 525	0.11 546	0.15 457	0.17 316	0.10 483	0.17 500	0.15 346	0.32 590	0.21 429	0.19 508	0.21 454	0.22 518	0.18 550	0.20 560	0.15 493	0.13 630	0.09 583	0.09 506	0.09 529	0.11 585	0.10 562

z-ln-s-r	0.17 546	0.10 519	0.40 659	0.19 485	0.08 231	0.17 500	0.18 511	0.22 414	0.33 572	0.18 491	0.40 638	0.22 518	0.17 535	0.20 560	0.23 602	0.07 356	0.05 284	0.07 322	0.07 403	0.07 394	0.05 214

rvit_stereo_0075_2	0.17 546	0.12 564	0.25 606	0.23 629	0.16 645	0.13 381	0.10 42	0.30 567	0.27 518	0.20 531	0.28 556	0.22 518	0.15 484	0.18 520	0.13 418	0.16 664	0.10 605	0.17 660	0.10 571	0.10 562	0.09 531

ToySt	0.17 546	0.11 546	0.18 548	0.17 316	0.11 534	0.16 477	0.25 646	0.24 461	0.33 572	0.19 508	0.24 488	0.26 566	0.24 605	0.19 535	0.20 561	0.07 356	0.08 547	0.09 506	0.10 571	0.09 529	0.08 485

ssnet_v2	0.17 546	0.10 519	0.17 524	0.17 316	0.11 534	0.21 578	0.21 596	0.33 610	0.25 494	0.22 562	0.22 466	0.27 574	0.18 550	0.22 590	0.20 561	0.11 579	0.09 583	0.09 506	0.09 529	0.08 464	0.08 485

dad	0.17 546	0.20 654	0.20 572	0.16 229	0.11 534	0.20 560	0.18 511	0.21 388	0.28 533	0.30 638	0.24 488	0.29 593	0.13 442	0.19 535	0.16 509	0.18 670	0.09 583	0.11 587	0.09 529	0.11 585	0.07 414

GEStereo_RVC	0.17 546	0.12 564	0.15 457	0.22 605	0.11 534	0.19 544	0.17 462	0.32 590	0.48 651	0.20 531	0.25 516	0.17 450	0.13 442	0.21 577	0.16 509	0.10 547	0.06 439	0.08 418	0.07 403	0.09 529	0.08 485

MMNet	0.17 546	0.09 456	0.16 493	0.20 553	0.11 534	0.27 639	0.20 575	0.25 480	0.41 624	0.22 562	0.30 575	0.21 500	0.20 578	0.17 497	0.20 561	0.06 172	0.06 439	0.07 322	0.07 403	0.08 464	0.07 414

delet	0.17 546	0.08 372	0.17 524	0.19 485	0.11 534	0.20 560	0.21 596	0.30 567	0.37 604	0.17 461	0.26 533	0.19 479	0.19 566	0.19 535	0.21 581	0.08 439	0.08 547	0.09 506	0.11 605	0.06 306	0.06 324

UNet	0.17 546	0.09 456	0.18 548	0.19 485	0.12 570	0.27 639	0.19 551	0.33 610	0.29 540	0.21 546	0.24 488	0.23 536	0.19 566	0.19 535	0.18 542	0.07 356	0.06 439	0.08 418	0.07 403	0.08 464	0.06 324

HGLStereo	0.17 546	0.08 372	0.19 560	0.17 316	0.12 570	0.18 519	0.18 511	0.31 579	0.32 565	0.21 546	0.32 588	0.25 556	0.18 550	0.19 535	0.20 561	0.09 503	0.09 583	0.07 322	0.07 403	0.09 529	0.10 562

DMCA-RVC	0.17 546	0.10 519	0.15 457	0.24 638	0.11 534	0.18 519	0.18 511	0.25 480	0.24 472	0.21 546	0.26 533	0.25 556	0.27 628	0.18 520	0.20 561	0.12 604	0.08 547	0.13 622	0.10 571	0.10 562	0.08 485

TDLM	0.17 546	0.12 564	0.13 369	0.24 638	0.10 483	0.18 519	0.18 511	0.36 641	0.30 550	0.21 546	0.28 556	0.28 584	0.18 550	0.23 601	0.18 542	0.11 579	0.07 514	0.10 555	0.10 571	0.08 464	0.08 485

NLCA_NET_v2_RVC	0.17 546	0.10 519	0.22 588	0.20 553	0.10 483	0.15 445	0.18 511	0.31 579	0.25 494	0.21 546	0.30 575	0.25 556	0.17 535	0.21 577	0.20 561	0.09 503	0.06 439	0.08 418	0.08 481	0.07 394	0.08 485
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	0.17 546	0.12 564	0.15 457	0.20 553	0.09 368	0.18 519	0.18 511	0.26 498	0.23 455	0.26 603	0.40 638	0.22 518	0.17 535	0.21 577	0.20 561	0.08 439	0.05 284	0.09 506	0.10 571	0.07 394	0.07 414
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 560	0.08 372	0.19 560	0.19 485	0.13 593	0.15 445	0.12 108	0.30 567	0.32 565	0.21 546	0.25 516	0.27 574	0.17 535	0.17 497	0.20 561	0.20 679	0.08 547	0.14 636	0.14 641	0.14 636	0.17 671

test_sample9	0.18 560	0.12 564	0.20 572	0.12 7	0.14 614	0.17 500	0.13 186	0.27 519	0.23 455	0.20 531	0.20 430	0.24 542	0.19 566	0.19 535	0.17 524	0.15 648	0.30 701	0.14 636	0.14 641	0.14 636	0.12 602

fast-acv-ft	0.18 560	0.11 546	0.19 560	0.19 485	0.12 570	0.24 608	0.21 596	0.25 480	0.34 584	0.22 562	0.34 605	0.27 574	0.20 578	0.21 577	0.23 602	0.09 503	0.09 583	0.08 418	0.10 571	0.08 464	0.07 414

HBP-ISP	0.18 560	0.13 592	0.16 493	0.15 129	0.11 534	0.08 90	0.13 186	0.28 539	0.29 540	0.22 562	0.33 601	0.21 500	0.25 614	0.23 601	0.17 524	0.14 644	0.16 669	0.21 674	0.17 670	0.10 562	0.08 485

Wz-Net-LNSev-Ref	0.18 560	0.09 456	0.29 629	0.15 129	0.10 483	0.22 587	0.20 575	0.26 498	0.39 615	0.25 597	0.42 655	0.24 542	0.15 484	0.20 560	0.19 555	0.07 356	0.05 284	0.06 209	0.05 200	0.10 562	0.09 531

SACVNet	0.18 560	0.12 564	0.14 408	0.17 316	0.13 593	0.22 587	0.18 511	0.31 579	0.30 550	0.23 575	0.31 584	0.30 603	0.22 591	0.22 590	0.17 524	0.11 579	0.08 547	0.10 555	0.10 571	0.12 602	0.14 644

psm_up	0.18 560	0.10 519	0.18 548	0.20 553	0.11 534	0.17 500	0.19 551	0.37 647	0.34 584	0.21 546	0.28 556	0.29 593	0.24 605	0.20 560	0.22 590	0.09 503	0.10 605	0.11 587	0.11 605	0.08 464	0.08 485

hitnet-ft	0.18 560	0.09 456	0.17 524	0.14 71	0.09 368	0.26 629	0.20 575	0.25 480	0.26 508	0.24 584	0.32 588	0.31 616	0.22 591	0.24 611	0.21 581	0.12 604	0.07 514	0.10 555	0.08 481	0.12 602	0.11 589

STTStereo	0.18 560	0.12 564	0.27 616	0.20 553	0.11 534	0.16 477	0.21 596	0.29 553	0.23 455	0.21 546	0.30 575	0.29 593	0.18 550	0.20 560	0.19 555	0.12 604	0.11 618	0.11 587	0.14 641	0.09 529	0.08 485

CVANet_RVC	0.18 560	0.10 519	0.14 408	0.21 587	0.10 483	0.18 519	0.17 462	0.34 619	0.33 572	0.22 562	0.31 584	0.28 584	0.18 550	0.23 601	0.17 524	0.12 604	0.08 547	0.12 607	0.11 605	0.09 529	0.07 414

StereoDRNet	0.18 560	0.11 546	0.17 524	0.22 605	0.11 534	0.21 578	0.22 606	0.37 647	0.33 572	0.24 584	0.28 556	0.30 603	0.19 566	0.20 560	0.20 561	0.09 503	0.08 547	0.11 587	0.09 529	0.09 529	0.07 414

DLCB_ROB	0.18 560	0.10 519	0.15 457	0.23 629	0.11 534	0.24 608	0.18 511	0.29 553	0.28 533	0.27 609	0.28 556	0.28 584	0.24 605	0.19 535	0.20 561	0.08 439	0.08 547	0.09 506	0.09 529	0.07 394	0.07 414

TCMNet	0.19 572	0.12 564	0.19 560	0.20 553	0.18 667	0.20 560	0.24 631	0.27 519	0.36 597	0.23 575	0.26 533	0.25 556	0.19 566	0.19 535	0.23 602	0.13 630	0.11 618	0.11 587	0.12 626	0.13 622	0.12 602

rvit_105_1	0.19 572	0.11 546	0.25 606	0.21 587	0.16 645	0.21 578	0.27 662	0.31 579	0.41 624	0.19 508	0.20 430	0.22 518	0.17 535	0.19 535	0.17 524	0.12 604	0.12 634	0.13 622	0.15 658	0.08 464	0.07 414

test_sample8	0.19 572	0.12 564	0.20 572	0.12 7	0.14 614	0.17 500	0.13 186	0.31 579	0.21 429	0.27 609	0.22 466	0.36 642	0.25 614	0.19 535	0.17 524	0.15 648	0.30 701	0.14 636	0.14 641	0.14 636	0.12 602

SDNR	0.19 572	0.08 372	0.19 560	0.16 229	0.12 570	0.77 714	0.14 258	0.25 480	0.32 565	0.19 508	0.24 488	0.19 479	0.13 442	0.19 535	0.15 493	0.16 664	0.18 676	0.14 636	0.11 605	0.08 464	0.11 589

pcwnet_v2	0.19 572	0.10 519	0.26 609	0.17 316	0.14 614	0.18 519	0.15 346	0.37 647	0.46 649	0.19 508	0.24 488	0.21 500	0.19 566	0.20 560	0.19 555	0.13 630	0.10 605	0.10 555	0.10 571	0.11 585	0.13 625

ADCRef	0.19 572	0.12 564	0.41 662	0.20 553	0.12 570	0.22 587	0.18 511	0.32 590	0.36 597	0.26 603	0.32 588	0.17 450	0.23 599	0.24 611	0.24 615	0.07 356	0.06 439	0.09 506	0.09 529	0.08 464	0.08 485

NVstereo2D	0.19 572	0.10 519	0.15 457	0.17 316	0.15 634	0.28 646	0.23 617	0.44 680	0.42 632	0.15 413	0.27 542	0.25 556	0.19 566	0.22 590	0.17 524	0.09 503	0.06 439	0.10 555	0.08 481	0.15 652	0.09 531

DRN-Test	0.19 572	0.11 546	0.20 572	0.22 605	0.10 483	0.22 587	0.22 606	0.39 659	0.37 604	0.24 584	0.32 588	0.26 566	0.21 582	0.22 590	0.24 615	0.11 579	0.07 514	0.11 587	0.10 571	0.09 529	0.07 414

DISCO	0.19 572	0.09 456	0.22 588	0.17 316	0.10 483	0.25 619	0.18 511	0.27 519	0.44 642	0.22 562	0.31 584	0.33 629	0.26 620	0.28 634	0.28 652	0.08 439	0.06 439	0.07 322	0.07 403	0.09 529	0.09 531

CBMV_ROB	0.19 572	0.13 592	0.17 524	0.16 229	0.11 534	0.15 445	0.13 186	0.26 498	0.28 533	0.27 609	0.30 575	0.27 574	0.24 605	0.23 601	0.16 509	0.15 648	0.17 674	0.22 678	0.20 676	0.10 562	0.11 589

NOSS_ROB	0.19 572	0.12 564	0.18 548	0.16 229	0.12 570	0.15 445	0.12 108	0.30 567	0.32 565	0.20 531	0.22 466	0.27 574	0.23 599	0.21 577	0.16 509	0.16 664	0.18 676	0.23 679	0.21 678	0.12 602	0.13 625

CBMV	0.19 572	0.14 604	0.17 524	0.18 410	0.10 483	0.20 560	0.11 71	0.29 553	0.30 550	0.29 633	0.30 575	0.30 603	0.23 599	0.27 622	0.19 555	0.13 630	0.15 665	0.17 660	0.16 663	0.10 562	0.10 562
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PStereo	0.20 584	0.22 664	0.20 572	0.17 316	0.10 483	0.13 381	0.20 575	0.27 519	0.38 611	0.20 531	0.14 321	0.28 584	0.31 655	0.24 611	0.31 670	0.18 670	0.13 649	0.15 649	0.11 605	0.12 602	0.12 602

w-ln-seven-2	0.20 584	0.14 604	0.37 654	0.22 605	0.12 570	0.20 560	0.21 596	0.28 539	0.37 604	0.25 597	0.37 618	0.27 574	0.22 591	0.21 577	0.23 602	0.08 439	0.08 547	0.09 506	0.09 529	0.10 562	0.09 531

YMNet	0.20 584	0.12 564	0.19 560	0.20 553	0.14 614	0.26 629	0.23 617	0.32 590	0.34 584	0.27 609	0.34 605	0.30 603	0.18 550	0.18 520	0.22 590	0.10 547	0.13 649	0.10 555	0.10 571	0.08 464	0.09 531

YMNet_1	0.20 584	0.12 564	0.19 560	0.20 553	0.14 614	0.26 629	0.23 617	0.32 590	0.34 584	0.27 609	0.34 605	0.30 603	0.18 550	0.18 520	0.22 590	0.10 547	0.13 649	0.10 555	0.10 571	0.08 464	0.09 531

GwcNet	0.20 584	0.13 592	0.19 560	0.18 410	0.12 570	0.24 608	0.19 551	0.35 634	0.43 637	0.20 531	0.32 588	0.33 629	0.20 578	0.22 590	0.24 615	0.11 579	0.09 583	0.09 506	0.09 529	0.09 529	0.10 562

FAT-Stereo	0.20 584	0.12 564	0.22 588	0.21 587	0.12 570	0.17 500	0.18 511	0.34 619	0.39 615	0.27 609	0.37 618	0.34 636	0.32 660	0.21 577	0.20 561	0.09 503	0.11 618	0.10 555	0.09 529	0.11 585	0.14 644

FADNet-RVC	0.20 584	0.20 654	0.38 656	0.21 587	0.16 645	0.20 560	0.15 346	0.26 498	0.26 508	0.26 603	0.32 588	0.26 566	0.21 582	0.22 590	0.19 555	0.12 604	0.13 649	0.12 607	0.14 641	0.13 622	0.18 674

S-Stereo	0.20 584	0.12 564	0.25 606	0.21 587	0.13 593	0.20 560	0.18 511	0.32 590	0.43 637	0.23 575	0.36 612	0.28 584	0.30 651	0.19 535	0.22 590	0.09 503	0.12 634	0.10 555	0.10 571	0.13 622	0.13 625

SuperB	0.20 584	0.10 519	0.56 682	0.16 229	0.09 368	0.18 519	0.18 511	0.24 461	0.50 661	0.26 603	0.39 632	0.17 450	0.21 582	0.22 590	0.21 581	0.08 439	0.06 439	0.06 209	0.06 302	0.12 602	0.10 562

ADCP+	0.20 584	0.10 519	0.33 641	0.20 553	0.12 570	0.22 587	0.26 655	0.31 579	0.34 584	0.26 603	0.37 618	0.22 518	0.22 591	0.27 622	0.27 644	0.09 503	0.06 439	0.08 418	0.08 481	0.09 529	0.10 562

PS-NSSS	0.20 584	0.21 660	0.23 597	0.20 553	0.10 483	0.19 544	0.17 462	0.36 641	0.25 494	0.27 609	0.33 601	0.27 574	0.24 605	0.20 560	0.20 561	0.15 648	0.12 634	0.17 660	0.14 641	0.10 562	0.08 485

PWCDC_ROB	0.20 584	0.13 592	0.22 588	0.24 638	0.11 534	0.19 544	0.15 346	0.33 610	0.54 671	0.29 633	0.50 671	0.21 500	0.15 484	0.27 622	0.20 561	0.11 579	0.09 583	0.10 555	0.08 481	0.11 585	0.09 531

SGM-Forest	0.20 584	0.14 604	0.18 548	0.19 485	0.13 593	0.20 560	0.22 606	0.33 610	0.30 550	0.24 584	0.29 568	0.28 584	0.19 566	0.23 601	0.17 524	0.15 648	0.16 669	0.15 649	0.14 641	0.12 602	0.12 602
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 597	0.17 633	0.19 560	0.23 629	0.15 634	0.30 653	0.20 575	0.33 610	0.35 593	0.23 575	0.28 556	0.31 616	0.27 628	0.20 560	0.22 590	0.15 648	0.12 634	0.13 622	0.09 529	0.14 636	0.14 644

FINET	0.21 597	0.18 644	0.26 609	0.18 410	0.16 645	0.23 603	0.23 617	0.32 590	0.48 651	0.25 597	0.32 588	0.22 518	0.22 591	0.22 590	0.17 524	0.18 670	0.16 669	0.11 587	0.10 571	0.15 652	0.13 625

Syn2CoEx	0.21 597	0.16 622	0.27 616	0.29 679	0.14 614	0.26 629	0.20 575	0.33 610	0.31 558	0.28 624	0.36 612	0.27 574	0.25 614	0.19 535	0.24 615	0.16 664	0.12 634	0.14 636	0.11 605	0.09 529	0.08 485

FADNet	0.21 597	0.22 664	0.36 650	0.18 410	0.17 660	0.24 608	0.13 186	0.31 579	0.31 558	0.23 575	0.25 516	0.27 574	0.21 582	0.19 535	0.15 493	0.13 630	0.15 665	0.12 607	0.15 658	0.16 661	0.18 674

RP	0.21 597	0.13 592	0.21 582	0.23 629	0.11 534	0.21 578	0.20 575	0.25 480	0.44 642	0.21 546	0.38 624	0.36 642	0.24 605	0.27 622	0.25 625	0.11 579	0.12 634	0.13 622	0.12 626	0.12 602	0.14 644

DANet	0.21 597	0.15 614	0.28 621	0.25 649	0.13 593	0.22 587	0.19 551	0.27 519	0.27 518	0.28 624	0.32 588	0.35 640	0.31 655	0.31 644	0.23 602	0.11 579	0.09 583	0.11 587	0.10 571	0.13 622	0.11 589
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 597	0.12 564	0.21 582	0.24 638	0.13 593	0.22 587	0.22 606	0.41 669	0.26 508	0.31 644	0.42 655	0.37 647	0.28 639	0.23 601	0.22 590	0.10 547	0.12 634	0.10 555	0.09 529	0.10 562	0.08 485

PWC_ROB	0.21 597	0.16 622	0.26 609	0.18 410	0.11 534	0.22 587	0.13 186	0.32 590	0.49 658	0.30 638	0.40 638	0.32 625	0.24 605	0.31 644	0.22 590	0.10 547	0.07 514	0.11 587	0.08 481	0.11 585	0.10 562

PSMNet_ROB	0.21 597	0.11 546	0.15 457	0.27 667	0.15 634	0.24 608	0.35 695	0.43 678	0.37 604	0.27 609	0.32 588	0.32 625	0.22 591	0.21 577	0.26 636	0.12 604	0.08 547	0.13 622	0.11 605	0.09 529	0.09 531

MSAF-DinoV2	0.22 606	0.11 546	0.23 597	0.17 316	0.10 483	0.27 639	0.16 419	0.37 647	0.55 672	0.21 546	0.27 542	0.47 681	0.27 628	0.35 663	0.39 689	0.09 503	0.06 439	0.07 322	0.09 529	0.12 602	0.10 562

GASNet	0.22 606	0.23 667	0.33 641	0.26 654	0.17 660	0.26 629	0.16 419	0.44 680	0.42 632	0.27 609	0.24 488	0.30 603	0.15 484	0.27 622	0.18 542	0.12 604	0.08 547	0.12 607	0.11 605	0.16 661	0.07 414

Anonymous_2	0.22 606	0.17 633	0.28 621	0.15 129	0.16 645	0.32 655	0.22 606	0.22 414	0.17 337	0.23 575	0.24 488	0.26 566	0.27 628	0.27 622	0.23 602	0.22 688	0.25 697	0.17 660	0.17 670	0.17 669	0.17 671

Wz-Net-LNSev	0.22 606	0.16 622	0.38 656	0.21 587	0.13 593	0.25 619	0.23 617	0.32 590	0.43 637	0.30 638	0.41 649	0.31 616	0.18 550	0.22 590	0.25 625	0.10 547	0.09 583	0.08 418	0.08 481	0.12 602	0.11 589

Wz-Net-MNSev	0.22 606	0.13 592	0.31 634	0.20 553	0.14 614	0.36 674	0.24 631	0.33 610	0.44 642	0.28 624	0.40 638	0.38 651	0.19 566	0.24 611	0.25 625	0.09 503	0.07 514	0.09 506	0.09 529	0.12 602	0.10 562

DDUNet	0.22 606	0.17 633	0.21 582	0.22 605	0.15 634	0.25 619	0.24 631	0.29 553	0.30 550	0.31 644	0.36 612	0.33 629	0.25 614	0.24 611	0.20 561	0.18 670	0.13 649	0.17 660	0.11 605	0.16 661	0.16 662

APVNet	0.22 606	0.12 564	0.19 560	0.18 410	0.14 614	0.32 655	0.31 691	0.39 659	0.32 565	0.27 609	0.40 638	0.30 603	0.29 647	0.26 619	0.25 625	0.11 579	0.12 634	0.11 587	0.14 641	0.12 602	0.12 602

aanetorigin	0.22 606	0.17 633	0.56 682	0.17 316	0.10 483	0.15 445	0.19 551	0.20 361	0.33 572	0.49 686	0.48 666	0.29 593	0.27 628	0.20 560	0.23 602	0.08 439	0.07 514	0.08 418	0.07 403	0.10 562	0.09 531

MaskLacGwcNet_RVC	0.22 606	0.21 660	0.24 601	0.26 654	0.11 534	0.23 603	0.14 258	0.39 659	0.24 472	0.32 650	0.36 612	0.30 603	0.21 582	0.19 535	0.21 581	0.17 669	0.14 659	0.21 674	0.16 663	0.12 602	0.12 602

AF-Net	0.22 606	0.17 633	0.17 524	0.26 654	0.13 593	0.25 619	0.24 631	0.32 590	0.50 661	0.25 597	0.33 601	0.38 651	0.26 620	0.28 634	0.25 625	0.11 579	0.10 605	0.16 657	0.11 605	0.11 585	0.10 562

stereogan	0.22 606	0.11 546	0.21 582	0.20 553	0.12 570	0.31 654	0.19 551	0.35 634	0.44 642	0.22 562	0.39 632	0.35 640	0.27 628	0.33 654	0.22 590	0.10 547	0.12 634	0.10 555	0.10 571	0.14 636	0.13 625

edge stereo	0.22 606	0.13 592	0.20 572	0.21 587	0.13 593	0.23 603	0.16 419	0.32 590	0.42 632	0.32 650	0.40 638	0.38 651	0.35 670	0.25 617	0.24 615	0.13 630	0.11 618	0.14 636	0.11 605	0.12 602	0.13 625

RYNet	0.22 606	0.12 564	0.22 588	0.19 485	0.17 660	0.46 685	0.26 655	0.38 655	0.48 651	0.24 584	0.28 556	0.34 636	0.23 599	0.20 560	0.30 663	0.10 547	0.06 439	0.09 506	0.09 529	0.13 622	0.15 651

NaN_ROB	0.22 606	0.19 648	0.24 601	0.25 649	0.13 593	0.29 650	0.26 655	0.33 610	0.41 624	0.31 644	0.31 584	0.32 625	0.23 599	0.30 643	0.21 581	0.11 579	0.17 674	0.10 555	0.10 571	0.08 464	0.09 531

MDST_ROB	0.22 606	0.10 519	0.17 524	0.18 410	0.11 534	0.37 675	0.19 551	0.43 678	0.41 624	0.39 667	0.39 632	0.29 593	0.21 582	0.26 619	0.18 542	0.11 579	0.10 605	0.14 636	0.11 605	0.10 562	0.08 485

XPNet_ROB	0.22 606	0.11 546	0.19 560	0.22 605	0.13 593	0.22 587	0.19 551	0.34 619	0.40 621	0.30 638	0.39 632	0.39 659	0.26 620	0.26 619	0.28 652	0.15 648	0.10 605	0.10 555	0.10 571	0.13 622	0.12 602

SQANet	0.23 622	0.23 667	0.30 632	0.30 681	0.19 671	0.27 639	0.13 186	0.29 553	0.33 572	0.24 584	0.37 618	0.31 616	0.22 591	0.27 622	0.23 602	0.15 648	0.10 605	0.21 674	0.16 663	0.21 677	0.15 651

Nwc_Net	0.23 622	0.16 622	0.21 582	0.25 649	0.14 614	0.24 608	0.26 655	0.37 647	0.38 611	0.22 562	0.41 649	0.30 603	0.28 639	0.28 634	0.25 625	0.11 579	0.10 605	0.17 660	0.20 676	0.10 562	0.10 562

RTSC	0.23 622	0.12 564	0.28 621	0.21 587	0.13 593	0.28 646	0.16 419	0.35 634	0.66 697	0.27 609	0.33 601	0.30 603	0.21 582	0.31 644	0.29 656	0.10 547	0.08 547	0.09 506	0.10 571	0.13 622	0.13 625

PA-Net	0.23 622	0.18 644	0.33 641	0.28 670	0.22 680	0.21 578	0.38 700	0.29 553	0.39 615	0.22 562	0.32 588	0.25 556	0.26 620	0.20 560	0.25 625	0.09 503	0.23 694	0.15 649	0.22 681	0.09 529	0.13 625
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 622	0.15 614	0.17 524	0.34 686	0.18 667	0.24 608	0.23 617	0.34 619	0.28 533	0.31 644	0.38 624	0.38 651	0.28 639	0.23 601	0.24 615	0.15 648	0.12 634	0.18 669	0.21 678	0.13 622	0.13 625

ETE_ROB	0.23 622	0.17 633	0.22 588	0.25 649	0.13 593	0.26 629	0.29 678	0.31 579	0.36 597	0.28 624	0.36 612	0.45 673	0.26 620	0.27 622	0.26 636	0.11 579	0.08 547	0.12 607	0.09 529	0.14 636	0.13 625

SGM_RVC	0.23 622	0.12 564	0.15 457	0.15 129	0.09 368	0.33 662	0.18 511	0.34 619	0.31 558	0.44 681	0.37 618	0.53 689	0.35 670	0.35 663	0.24 615	0.13 630	0.13 649	0.13 622	0.13 637	0.10 562	0.11 589
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 629	0.18 644	0.18 548	0.20 553	0.14 614	0.21 578	0.19 551	0.32 590	0.41 624	0.29 633	0.21 454	0.32 625	0.27 628	0.41 688	0.27 644	0.46 709	0.12 634	0.31 697	0.11 605	0.15 652	0.12 602

z-mn7	0.24 629	0.14 604	0.45 666	0.19 485	0.13 593	0.28 646	0.25 646	0.34 619	0.62 688	0.27 609	0.56 683	0.29 593	0.24 605	0.32 651	0.25 625	0.08 439	0.08 547	0.08 418	0.08 481	0.10 562	0.10 562

w-ln-seven	0.24 629	0.14 604	0.55 679	0.19 485	0.14 614	0.26 629	0.22 606	0.35 634	0.60 685	0.29 633	0.39 632	0.30 603	0.22 591	0.21 577	0.26 636	0.09 503	0.09 583	0.11 587	0.10 571	0.11 585	0.10 562

DGSMNet	0.24 629	0.19 648	0.33 641	0.21 587	0.24 685	0.24 608	0.20 575	0.35 634	0.41 624	0.24 584	0.32 588	0.38 651	0.21 582	0.29 640	0.23 602	0.12 604	0.11 618	0.14 636	0.16 663	0.23 681	0.23 685

G-Net	0.24 629	0.16 622	0.36 650	0.22 605	0.16 645	0.51 691	0.23 617	0.29 553	0.34 584	0.36 660	0.38 624	0.31 616	0.29 647	0.27 622	0.26 636	0.11 579	0.09 583	0.12 607	0.09 529	0.16 661	0.13 625

NCC-stereo	0.24 629	0.15 614	0.31 634	0.26 654	0.16 645	0.20 560	0.30 685	0.40 663	0.40 621	0.24 584	0.38 624	0.33 629	0.28 639	0.36 669	0.27 644	0.12 604	0.11 618	0.15 649	0.22 681	0.13 622	0.13 625

Abc-Net	0.24 629	0.15 614	0.31 634	0.26 654	0.16 645	0.20 560	0.30 685	0.40 663	0.40 621	0.24 584	0.38 624	0.33 629	0.28 639	0.36 669	0.27 644	0.12 604	0.11 618	0.15 649	0.22 681	0.13 622	0.13 625
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 629	0.11 546	0.47 671	0.22 605	0.12 570	0.34 665	0.29 678	0.29 553	0.56 675	0.24 584	0.46 663	0.30 603	0.30 651	0.29 640	0.29 656	0.08 439	0.07 514	0.09 506	0.09 529	0.10 562	0.10 562

DeepPrunerF	0.24 629	0.17 633	0.42 664	0.26 654	0.16 645	0.22 587	0.28 668	0.37 647	0.50 661	0.26 603	0.29 568	0.24 542	0.28 639	0.21 577	0.22 590	0.15 648	0.11 618	0.20 673	0.18 674	0.12 602	0.13 625

FBW_ROB	0.24 629	0.17 633	0.22 588	0.26 654	0.14 614	0.25 619	0.22 606	0.41 669	0.41 624	0.41 674	0.41 649	0.42 666	0.27 628	0.31 644	0.23 602	0.09 503	0.14 659	0.14 636	0.12 626	0.11 585	0.09 531

SANet	0.24 629	0.14 604	0.28 621	0.21 587	0.11 534	0.27 639	0.24 631	0.38 655	0.64 693	0.36 660	0.40 638	0.43 669	0.26 620	0.27 622	0.24 615	0.12 604	0.09 583	0.10 555	0.09 529	0.13 622	0.11 589

WCMA_ROB	0.24 629	0.11 546	0.22 588	0.17 316	0.14 614	0.32 655	0.15 346	0.32 590	0.32 565	0.38 665	0.53 674	0.40 663	0.34 667	0.34 657	0.25 625	0.11 579	0.12 634	0.12 607	0.10 571	0.14 636	0.14 644

DStereoSA	0.25 641	0.19 648	0.37 654	0.26 654	0.17 660	0.22 587	0.20 575	0.49 690	0.59 681	0.22 562	0.29 568	0.29 593	0.33 662	0.39 680	0.28 652	0.12 604	0.11 618	0.16 657	0.14 641	0.14 636	0.12 602

zh-sn7	0.25 641	0.17 633	0.50 673	0.24 638	0.13 593	0.25 619	0.24 631	0.34 619	0.48 651	0.28 624	0.54 676	0.28 584	0.31 655	0.36 669	0.32 672	0.10 547	0.10 605	0.11 587	0.10 571	0.12 602	0.12 602

zh-mn7	0.25 641	0.14 604	0.56 682	0.19 485	0.14 614	0.24 608	0.22 606	0.34 619	0.62 688	0.35 657	0.65 692	0.31 616	0.25 614	0.31 644	0.25 625	0.09 503	0.08 547	0.09 506	0.09 529	0.09 529	0.11 589

Wz-Net-SNSev	0.25 641	0.17 633	0.44 665	0.25 649	0.14 614	0.26 629	0.23 617	0.38 655	0.56 675	0.30 638	0.55 678	0.39 659	0.26 620	0.23 601	0.30 663	0.10 547	0.09 583	0.09 506	0.10 571	0.11 585	0.11 589

psmorigin	0.25 641	0.15 614	0.34 649	0.17 316	0.13 593	0.23 603	0.14 258	0.34 619	0.33 572	0.41 674	0.55 678	0.41 665	0.37 674	0.34 657	0.27 644	0.11 579	0.15 665	0.11 587	0.11 605	0.12 602	0.16 662

RGC	0.25 641	0.20 654	0.29 629	0.28 670	0.16 645	0.22 587	0.23 617	0.32 590	0.44 642	0.27 609	0.40 638	0.38 651	0.27 628	0.36 669	0.22 590	0.11 579	0.13 649	0.17 660	0.17 670	0.14 636	0.16 662

ADCMid	0.25 641	0.15 614	0.40 659	0.20 553	0.14 614	0.25 619	0.26 655	0.34 619	0.38 611	0.36 660	0.44 660	0.34 636	0.40 681	0.35 663	0.33 677	0.10 547	0.09 583	0.11 587	0.11 605	0.13 622	0.12 602

ADCPNet	0.25 641	0.16 622	0.61 689	0.21 587	0.15 634	0.35 673	0.25 646	0.32 590	0.35 593	0.30 638	0.40 638	0.36 642	0.28 639	0.28 634	0.32 672	0.12 604	0.10 605	0.11 587	0.12 626	0.14 636	0.13 625

LALA_ROB	0.25 641	0.16 622	0.22 588	0.26 654	0.17 660	0.27 639	0.27 662	0.42 674	0.37 604	0.33 654	0.38 624	0.51 685	0.26 620	0.28 634	0.27 644	0.16 664	0.09 583	0.12 607	0.11 605	0.13 622	0.12 602

SHD	0.26 650	0.15 614	0.30 632	0.24 638	0.18 667	0.22 587	0.15 346	0.38 655	0.71 701	0.32 650	0.41 649	0.36 642	0.28 639	0.32 651	0.29 656	0.12 604	0.11 618	0.14 636	0.13 637	0.16 661	0.20 680

AnyNet_C32	0.26 650	0.16 622	0.36 650	0.20 553	0.16 645	0.25 619	0.30 685	0.32 590	0.44 642	0.31 644	0.49 667	0.30 603	0.33 662	0.40 685	0.33 677	0.12 604	0.12 634	0.12 607	0.14 641	0.14 636	0.15 651

DStereoFS	0.27 652	0.22 664	0.31 634	0.22 605	0.15 634	0.22 587	0.20 575	0.50 694	0.48 651	0.28 624	0.44 660	0.33 629	0.34 667	0.52 698	0.29 656	0.12 604	0.11 618	0.15 649	0.13 637	0.16 661	0.16 662

PSMNet-RUCA	0.27 652	0.33 690	0.41 662	0.36 690	0.32 698	0.18 519	0.19 551	0.42 674	0.30 550	0.33 654	0.41 649	0.39 659	0.25 614	0.31 644	0.20 561	0.18 670	0.10 605	0.25 681	0.15 658	0.21 677	0.16 662

PDISCO_ROB	0.27 652	0.16 622	0.26 609	0.28 670	0.20 674	0.32 655	0.26 655	0.44 680	0.57 677	0.28 624	0.40 638	0.45 673	0.29 647	0.33 654	0.34 679	0.12 604	0.09 583	0.17 660	0.16 663	0.17 669	0.13 625

DispFullNet	0.27 652	0.21 660	0.65 692	0.28 670	0.16 645	0.26 629	0.17 462	0.33 610	0.58 680	0.27 609	0.38 624	0.43 669	0.23 599	0.38 676	0.23 602	0.12 604	0.06 439	0.19 671	0.11 605	0.21 677	0.15 651

MeshStereo	0.27 652	0.13 592	0.18 548	0.15 129	0.11 534	0.32 655	0.24 631	0.40 663	0.36 597	0.52 688	0.57 686	0.67 700	0.40 681	0.35 663	0.26 636	0.14 644	0.13 649	0.13 622	0.11 605	0.11 585	0.10 562
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	0.28 657	0.17 633	0.78 709	0.22 605	0.16 645	0.34 665	0.29 678	0.39 659	0.57 677	0.24 584	0.55 678	0.37 647	0.24 605	0.33 654	0.35 680	0.09 503	0.08 547	0.09 506	0.10 571	0.14 636	0.16 662

XQC	0.28 657	0.23 667	0.51 674	0.28 670	0.19 671	0.34 665	0.27 662	0.36 641	0.57 677	0.31 644	0.30 575	0.37 647	0.30 651	0.38 676	0.38 687	0.13 630	0.09 583	0.15 649	0.12 626	0.17 669	0.18 674

CC-Net-ROB	0.28 657	0.31 688	0.36 650	0.29 679	0.15 634	0.25 619	0.19 551	0.45 683	0.33 572	0.39 667	0.37 618	0.39 659	0.31 655	0.27 622	0.26 636	0.24 694	0.19 679	0.30 696	0.23 685	0.18 672	0.15 651

DPSNet	0.28 657	0.16 622	0.31 634	0.18 410	0.13 593	0.54 693	0.42 704	0.51 696	0.67 698	0.29 633	0.38 624	0.38 651	0.29 647	0.31 644	0.23 602	0.11 579	0.10 605	0.11 587	0.08 481	0.20 676	0.16 662

MultiAttention	0.29 661	0.08 372	0.14 408	0.19 485	0.12 570	1.45 729	1.33 733	0.36 641	0.37 604	0.19 508	0.21 454	0.24 542	0.11 367	0.38 676	0.18 542	0.06 172	0.05 284	0.08 418	0.08 481	0.10 562	0.09 531

Wz-Net-TNSev	0.29 661	0.20 654	0.65 692	0.19 485	0.15 634	0.38 678	0.27 662	0.35 634	0.55 672	0.34 656	0.42 655	0.45 673	0.38 675	0.32 651	0.30 663	0.12 604	0.13 649	0.10 555	0.12 626	0.15 652	0.14 644

ccnet	0.29 661	0.28 683	0.23 597	0.20 553	0.28 692	0.41 683	0.21 596	0.45 683	0.33 572	0.36 660	0.46 663	0.36 642	0.30 651	0.39 680	0.42 696	0.23 692	0.14 659	0.21 674	0.17 670	0.23 681	0.18 674

EDNetEfficient	0.29 661	0.24 670	1.13 720	0.18 410	0.10 483	0.19 544	0.20 575	0.20 361	0.60 685	0.74 708	0.56 683	0.31 616	0.39 678	0.22 590	0.30 663	0.09 503	0.07 514	0.08 418	0.07 403	0.11 585	0.09 531

ADCS	0.29 661	0.18 644	0.45 666	0.21 587	0.17 660	0.28 646	0.23 617	0.41 669	0.63 692	0.40 670	0.49 667	0.40 663	0.36 672	0.39 680	0.40 692	0.13 630	0.12 634	0.13 622	0.14 641	0.16 661	0.16 662

CSAN	0.29 661	0.24 670	0.27 616	0.34 686	0.19 671	0.33 662	0.42 704	0.37 647	0.50 661	0.38 665	0.40 638	0.44 671	0.33 662	0.28 634	0.30 663	0.20 679	0.16 669	0.19 671	0.19 675	0.14 636	0.15 651

AANet	0.30 667	0.19 648	1.03 718	0.16 229	0.13 593	0.22 587	0.16 419	0.30 567	0.62 688	0.60 695	0.52 673	0.46 677	0.38 675	0.23 601	0.32 672	0.12 604	0.09 583	0.11 587	0.10 571	0.13 622	0.12 602

MFN_U_SF_DS_RVC	0.30 667	0.24 670	0.29 629	0.36 690	0.16 645	0.34 665	0.30 685	0.32 590	0.42 632	0.40 670	0.46 663	0.38 651	0.31 655	0.34 657	0.28 652	0.19 677	0.20 682	0.26 682	0.29 695	0.18 672	0.19 679

GANetREF_RVC	0.31 669	0.34 691	0.27 616	0.35 688	0.16 645	0.32 655	0.41 701	0.48 688	0.51 668	0.35 657	0.35 609	0.34 636	0.33 662	0.39 680	0.32 672	0.27 696	0.20 682	0.29 694	0.15 658	0.18 672	0.17 671
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	0.31 669	0.26 676	0.26 609	0.24 638	0.21 678	0.34 665	0.25 646	0.34 619	0.39 615	0.40 670	0.69 696	0.45 673	0.40 681	0.34 657	0.27 644	0.20 679	0.19 679	0.26 682	0.25 687	0.23 681	0.22 684

MFN_U_SF_RVC	0.32 671	0.21 660	0.55 679	0.30 681	0.15 634	0.34 665	0.17 462	0.52 697	0.46 649	0.46 685	0.55 678	0.59 692	0.39 678	0.35 663	0.37 685	0.15 648	0.14 659	0.18 669	0.21 678	0.16 661	0.15 651

PASM	0.32 671	0.24 670	0.48 672	0.28 670	0.27 691	0.29 650	0.30 685	0.34 619	0.49 658	0.35 657	0.39 632	0.46 677	0.34 667	0.34 657	0.35 680	0.23 692	0.25 697	0.26 682	0.28 694	0.23 681	0.21 682

SGM-ForestM	0.32 671	0.12 564	0.16 493	0.16 229	0.11 534	0.39 680	0.19 551	0.41 669	0.50 661	0.52 688	0.54 676	1.32 721	0.42 689	0.40 685	0.27 644	0.14 644	0.16 669	0.16 657	0.16 663	0.12 602	0.12 602

FC-DCNN v2	0.33 674	0.27 679	0.28 621	0.26 654	0.23 683	0.37 675	0.28 668	0.40 663	0.43 637	0.45 682	0.56 683	0.51 685	0.40 681	0.37 674	0.29 656	0.21 683	0.20 682	0.27 685	0.26 688	0.25 688	0.24 686

FCDSN-DC	0.33 674	0.28 683	0.28 621	0.30 681	0.24 685	0.39 680	0.28 668	0.42 674	0.42 632	0.43 680	0.53 674	0.51 685	0.41 686	0.36 669	0.30 663	0.21 683	0.20 682	0.27 685	0.26 688	0.25 688	0.24 686
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 674	0.27 679	0.28 621	0.26 654	0.23 683	0.37 675	0.28 668	0.40 663	0.43 637	0.45 682	0.55 678	0.51 685	0.40 681	0.37 674	0.30 663	0.21 683	0.20 682	0.27 685	0.26 688	0.25 688	0.24 686

LSM	0.33 674	0.20 654	0.58 685	0.26 654	0.60 716	0.34 665	0.25 646	0.42 674	0.48 651	0.45 682	0.58 688	0.42 666	0.36 672	0.35 663	0.25 625	0.12 604	0.20 682	0.14 636	0.16 663	0.19 675	0.33 700

AnyNet_C01	0.36 678	0.25 675	1.37 723	0.22 605	0.17 660	0.48 689	0.27 662	0.35 634	0.39 615	0.39 667	0.74 702	0.46 677	0.38 675	0.45 690	0.47 701	0.13 630	0.13 649	0.13 622	0.14 641	0.14 636	0.15 651

GCST	0.37 679	0.42 698	0.26 609	1.02 724	0.39 699	0.18 519	0.08 9	0.20 361	0.17 337	0.28 624	0.25 516	0.15 413	0.12 400	0.16 463	0.14 461	0.64 720	0.43 709	0.75 716	0.65 720	0.63 713	0.46 711

otaku	0.39 680	0.37 694	0.52 675	0.44 697	0.28 692	0.58 695	0.24 631	0.41 669	0.62 688	0.40 670	0.49 667	0.46 677	0.33 662	0.40 685	0.32 672	0.30 697	0.30 701	0.39 701	0.33 700	0.29 695	0.28 694

ACVNet-4b	0.39 680	0.53 701	0.55 679	0.45 698	0.24 685	0.47 687	0.18 511	0.49 690	0.64 693	0.42 677	0.45 662	0.60 693	0.27 628	0.34 657	0.24 615	0.33 700	0.14 659	0.48 704	0.42 706	0.30 696	0.26 693

PVD	0.39 680	0.20 654	0.39 658	0.31 685	0.22 680	0.29 650	0.43 706	0.52 697	0.96 715	0.55 692	0.79 706	0.53 689	0.59 705	0.52 698	0.38 687	0.19 677	0.14 659	0.17 660	0.14 641	0.24 687	0.31 698

Ntro	0.40 683	0.40 696	0.53 676	0.46 701	0.30 696	0.65 701	0.24 631	0.46 685	0.68 699	0.41 674	0.49 667	0.48 683	0.42 689	0.39 680	0.31 670	0.32 698	0.28 699	0.37 700	0.30 697	0.32 700	0.29 695

SAMSARA	0.40 683	0.28 683	0.33 641	0.55 704	0.39 699	0.82 715	1.23 732	0.47 687	0.51 668	0.36 660	0.35 609	0.55 691	0.39 678	0.38 676	0.39 689	0.15 648	0.20 682	0.15 649	0.14 641	0.23 681	0.20 680

ELAS_RVC	0.41 685	0.29 686	0.33 641	0.28 670	0.24 685	0.54 693	0.36 696	0.49 690	0.59 681	0.72 704	0.74 702	0.65 698	0.54 698	0.54 703	0.40 692	0.22 688	0.20 682	0.27 685	0.26 688	0.26 693	0.25 691
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 685	0.29 686	0.33 641	0.27 667	0.24 685	0.60 698	0.36 696	0.50 694	0.50 661	0.71 702	0.79 706	0.67 700	0.54 698	0.51 696	0.42 696	0.22 688	0.20 682	0.27 685	0.26 688	0.26 693	0.25 691
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 687	0.26 676	0.59 687	0.60 706	0.49 706	0.32 655	0.23 617	0.46 685	0.52 670	0.56 694	0.58 688	0.76 705	0.32 660	0.48 692	0.29 656	0.32 698	0.24 695	0.27 685	0.33 700	0.46 704	0.39 705

MSC_U_SF_DS_RVC	0.43 688	0.39 695	0.54 677	0.40 693	0.20 674	0.64 700	0.32 693	0.53 699	0.72 702	0.71 702	0.72 699	0.61 694	0.54 698	0.51 696	0.46 700	0.20 679	0.19 679	0.29 694	0.30 697	0.23 681	0.18 674

ACVNet_1	0.44 689	0.49 700	0.60 688	0.45 698	0.28 692	0.49 690	0.27 662	0.57 704	0.72 702	0.62 697	0.58 688	0.74 704	0.49 695	0.50 694	0.35 680	0.26 695	0.24 695	0.39 701	0.29 695	0.31 699	0.24 686

Consistency-Raft	0.44 689	0.40 696	0.45 666	0.37 692	0.43 703	0.46 685	0.41 701	0.57 704	0.55 672	0.32 650	0.73 700	0.33 629	0.48 694	0.42 689	0.49 703	0.39 703	0.35 706	0.45 703	0.51 713	0.42 703	0.29 695

RTS	0.45 691	0.19 648	3.26 729	0.24 638	0.15 634	0.74 708	0.20 575	0.36 641	0.76 708	0.42 677	0.43 658	0.31 616	0.41 686	0.53 701	0.35 680	0.10 547	0.08 547	0.13 622	0.12 626	0.15 652	0.15 651

RTSA	0.45 691	0.19 648	3.26 729	0.24 638	0.15 634	0.74 708	0.20 575	0.36 641	0.76 708	0.42 677	0.43 658	0.31 616	0.41 686	0.53 701	0.35 680	0.10 547	0.08 547	0.13 622	0.12 626	0.15 652	0.15 651

MANE	0.45 691	0.27 679	0.27 616	0.27 667	0.24 685	0.47 687	0.31 691	0.55 701	0.59 681	0.72 704	1.13 723	1.15 715	0.61 706	0.52 698	0.37 685	0.21 683	0.20 682	0.27 685	0.31 699	0.25 688	0.24 686

NVStereoNet_ROB	0.46 694	0.36 693	0.46 670	0.41 695	0.28 692	0.34 665	0.34 694	0.48 688	0.60 685	0.72 704	0.93 712	0.70 703	0.66 709	0.47 691	0.60 711	0.22 688	0.33 705	0.34 699	0.34 703	0.30 696	0.30 697
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	0.47 695	0.26 676	0.58 685	0.28 670	0.20 674	0.39 680	0.18 511	0.49 690	0.64 693	0.52 688	0.87 709	1.01 710	0.57 703	0.50 694	0.56 708	0.53 713	0.31 704	0.54 710	0.40 704	0.33 701	0.34 701

LE_ROB	0.50 696	0.07 248	0.14 408	0.15 129	0.08 231	0.24 608	0.16 419	0.22 414	1.81 731	4.63 736	0.67 694	0.47 681	0.44 691	0.20 560	0.29 656	0.07 356	0.06 439	0.06 209	0.06 302	0.08 464	0.06 324

BEATNet-Init1	0.52 697	0.27 679	0.62 690	0.30 681	0.21 678	0.76 712	0.29 678	0.54 700	0.65 696	0.86 713	0.95 714	2.07 730	0.62 708	0.56 705	0.42 696	0.18 670	0.18 676	0.23 679	0.22 681	0.22 680	0.21 682

anonymity	0.53 698	0.58 703	0.65 692	0.41 695	0.61 717	0.53 692	0.41 701	0.56 702	0.41 624	0.55 692	0.50 671	0.49 684	0.55 701	0.58 706	0.50 706	0.58 716	0.50 719	0.51 706	0.51 713	0.51 706	0.57 714

RainbowNet	0.54 699	0.61 705	0.70 707	0.57 705	0.43 703	0.65 701	0.37 699	0.60 706	0.87 712	0.50 687	0.66 693	0.64 696	0.47 693	0.49 693	0.43 699	0.47 710	0.48 715	0.52 708	0.41 705	0.52 707	0.40 708

SGM+DAISY	0.56 700	0.57 702	0.65 692	0.40 693	0.54 709	0.66 703	0.49 709	0.56 702	0.45 648	0.66 698	0.69 696	0.67 700	0.56 702	0.63 708	0.56 708	0.59 717	0.48 715	0.50 705	0.50 712	0.52 707	0.58 715

SPS-STEREO	0.57 701	0.58 703	0.65 692	0.45 698	0.55 711	0.62 699	0.44 708	0.62 707	0.50 661	0.68 700	0.64 691	0.66 699	0.57 703	0.61 707	0.60 711	0.62 719	0.47 714	0.51 706	0.49 710	0.55 711	0.58 715
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 702	0.66 709	0.65 692	0.51 702	0.69 721	0.69 704	0.57 715	0.64 708	0.73 706	0.60 695	0.73 700	0.62 695	0.67 710	0.65 709	0.60 711	0.66 721	0.58 728	0.63 711	0.59 716	0.68 718	0.69 724

IMH-64-1	0.65 703	0.61 705	0.68 701	0.71 709	0.51 707	0.59 696	0.49 709	0.91 715	0.85 710	0.74 708	1.02 716	0.81 706	0.78 714	0.79 712	0.49 703	0.42 705	0.46 710	0.71 713	0.47 708	0.52 707	0.39 705

IMH-64	0.65 703	0.61 705	0.68 701	0.71 709	0.51 707	0.59 696	0.49 709	0.91 715	0.85 710	0.74 708	1.02 716	0.81 706	0.78 714	0.79 712	0.49 703	0.42 705	0.46 710	0.71 713	0.47 708	0.52 707	0.39 705

ACVNet_2	0.66 705	0.66 709	0.68 701	0.63 707	0.41 701	0.71 706	0.49 709	0.96 719	1.39 724	0.89 714	1.09 719	1.04 711	0.73 712	0.54 703	0.47 701	0.43 707	0.40 708	0.53 709	0.44 707	0.47 705	0.35 703

JetBlue	0.71 706	0.45 699	1.14 721	0.51 702	0.47 705	2.02 730	0.64 719	0.75 710	0.70 700	0.69 701	0.77 705	1.22 717	0.83 716	1.03 727	1.01 727	0.40 704	0.28 699	0.33 698	0.33 700	0.30 696	0.34 701

IMH	0.71 706	0.64 708	0.68 701	0.76 711	0.54 709	0.69 704	0.54 713	0.98 721	1.10 717	0.82 712	1.09 719	0.89 708	0.88 719	0.87 720	0.52 707	0.44 708	0.50 719	0.75 716	0.51 713	0.56 712	0.41 709

PWCK	0.71 706	0.94 720	0.95 716	0.76 711	0.31 697	0.74 708	0.36 696	0.90 714	0.90 713	0.96 717	0.75 704	0.95 709	0.61 706	0.87 720	0.66 714	0.72 722	0.46 710	0.75 716	0.49 710	0.69 720	0.44 710

MADNet+	0.75 709	0.71 711	3.70 732	0.66 708	0.41 701	0.98 720	0.97 730	0.69 709	0.73 706	0.52 688	0.57 686	0.64 696	0.68 711	0.86 719	1.01 727	0.34 701	0.36 707	0.28 693	0.23 685	0.36 702	0.31 698

TorneroNet-64	0.76 710	0.72 712	0.74 708	0.78 713	0.58 715	0.91 719	0.56 714	0.84 713	1.29 721	0.66 698	0.90 710	1.40 723	0.75 713	0.85 718	0.67 717	0.49 711	0.46 710	0.72 715	0.59 716	0.67 717	0.53 713

WAO-7	0.79 711	0.78 714	0.54 677	0.85 717	0.67 720	0.74 708	0.68 723	1.05 724	1.32 722	0.90 715	1.20 726	1.04 711	0.92 720	0.69 710	0.66 714	0.60 718	0.62 729	0.67 712	0.68 722	0.64 714	0.58 715

WAO-6	0.81 712	0.80 715	0.62 690	0.86 718	0.63 718	0.76 712	0.58 716	0.98 721	1.54 729	0.90 715	0.96 715	1.07 713	1.03 724	0.70 711	0.66 714	0.72 722	0.49 717	0.90 724	0.71 723	0.68 718	0.58 715

TorneroNet	0.82 713	0.74 713	0.81 713	0.84 716	0.63 718	0.99 721	0.63 717	0.96 719	1.16 718	0.80 711	1.11 721	1.36 722	0.86 718	0.93 723	0.80 722	0.56 714	0.49 717	0.78 721	0.66 721	0.73 723	0.63 723

LVE	0.83 714	0.85 718	0.85 714	0.80 714	0.56 712	1.04 725	0.65 720	1.05 724	1.47 727	0.96 717	1.22 727	1.10 714	0.85 717	0.83 715	0.71 719	0.49 711	0.55 725	0.76 719	0.60 718	0.65 715	0.59 720

Dean	0.87 715	0.86 719	0.79 711	0.81 715	0.56 712	0.90 716	0.63 717	1.15 730	1.73 730	1.15 725	1.15 724	1.31 720	0.99 723	0.81 714	0.81 723	0.57 715	0.56 726	0.77 720	0.64 719	0.66 716	0.58 715

WAO-8	0.91 716	0.81 716	0.65 692	0.94 721	0.69 721	0.90 716	0.67 721	1.07 727	1.83 732	1.06 722	1.45 729	1.30 718	1.07 725	0.84 716	0.78 720	0.74 724	0.53 722	0.86 722	0.75 724	0.69 720	0.62 721

Venus	0.91 716	0.81 716	0.65 692	0.94 721	0.69 721	0.90 716	0.67 721	1.07 727	1.83 732	1.06 722	1.45 729	1.30 718	1.07 725	0.84 716	0.78 720	0.74 724	0.53 722	0.86 722	0.75 724	0.69 720	0.62 721

UNDER WATER-64	0.95 718	0.94 720	1.43 725	0.87 719	0.56 712	1.18 728	0.87 727	0.77 711	0.94 714	1.04 720	0.85 708	1.58 728	1.21 730	0.94 724	0.96 725	0.87 728	0.57 727	1.03 728	0.88 729	0.78 724	0.73 725

UNDER WATER	0.97 719	0.97 722	1.42 724	0.99 723	0.70 724	1.12 727	0.84 726	0.80 712	1.08 716	1.01 719	0.90 710	1.55 727	1.22 731	1.03 727	1.00 726	0.78 726	0.53 722	1.02 727	0.87 728	0.80 725	0.74 726

notaker	0.97 719	1.11 723	0.98 717	1.13 726	0.81 725	0.73 707	0.68 723	0.93 717	1.16 718	1.18 727	1.18 725	1.41 724	1.16 729	1.08 729	0.69 718	0.81 727	0.64 730	1.17 729	0.79 726	0.98 727	0.80 728

ktn	1.01 721	1.21 725	0.80 712	1.23 728	0.86 727	1.01 723	0.87 727	0.94 718	1.39 724	1.04 720	1.12 722	1.15 715	1.07 725	0.94 724	0.59 710	1.28 733	0.71 731	1.38 733	0.83 727	1.02 729	0.75 727

KSHMR	1.09 722	1.17 724	0.88 715	1.25 729	1.00 729	0.99 721	0.96 729	1.13 729	1.37 723	1.16 726	1.29 728	1.41 724	0.96 722	1.01 726	0.92 724	1.03 731	1.08 733	1.20 730	1.03 732	1.01 728	0.97 730

DPSimNet_ROB	1.11 723	1.23 726	0.78 709	1.13 726	0.88 728	1.10 726	1.13 731	1.16 731	1.23 720	1.43 729	1.02 716	1.41 724	1.10 728	0.90 722	1.60 729	1.46 734	0.51 721	1.21 731	1.03 732	0.90 726	1.01 732

HanzoNet	1.29 724	1.26 727	1.19 722	1.12 725	0.85 726	1.02 724	0.83 725	1.03 723	1.48 728	1.64 730	1.61 731	2.50 732	1.72 732	1.61 731	1.61 730	1.26 732	0.80 732	1.31 732	1.01 731	1.02 729	0.86 729

JetRed	1.62 725	1.46 728	2.98 727	0.92 720	1.21 730	4.99 733	1.53 735	1.27 732	1.39 724	1.83 731	1.74 732	1.60 729	0.95 721	1.41 730	2.45 735	0.90 730	1.60 734	0.93 725	0.90 730	1.35 731	0.99 731

MADNet++	1.95 726	1.75 729	1.59 726	1.82 730	1.69 732	2.33 731	1.40 734	2.35 733	2.09 734	2.57 733	2.36 734	2.24 731	2.17 734	2.28 732	2.34 733	1.87 735	1.66 735	1.54 734	1.34 734	1.92 732	1.77 734

Selective-IGEV-i1pa	2.80 727	3.51 735	0.67 700	0.28 670	0.14 614	10.22 737	0.43 706	4.36 734	3.63 735	3.53 734	6.92 736	3.47 733	1.97 733	13.41 748	2.26 732	0.36 702	0.15 665	0.13 622	0.10 571	0.15 652	0.35 703

coex-ft	3.30 728	0.34 691	59.09 760	0.18 410	0.13 593	0.26 629	0.22 606	0.27 519	0.72 702	1.90 732	0.70 698	0.44 671	0.45 692	0.29 640	0.41 695	0.09 503	0.09 583	0.12 607	0.09 529	0.14 636	0.13 625

TCMNet-wrong-test	3.67 729	5.48 743	3.89 733	12.18 744	11.75 746	4.65 732	3.88 736	1.06 726	0.72 702	1.09 724	2.15 733	6.30 738	0.53 697	3.43 734	2.36 734	0.89 729	0.20 682	1.87 736	1.69 735	5.57 740	3.62 740

tt	4.67 730	0.06 125	3.55 731	2.02 731	1.55 731	10.25 738	16.71 740	8.91 743	5.03 736	1.31 728	0.94 713	4.71 734	4.76 736	3.33 733	5.87 737	6.06 743	10.30 749	1.88 737	2.11 737	2.75 734	1.21 733

USTest	6.22 731	2.73 732	3.00 728	6.57 738	7.29 738	14.37 740	21.57 741	7.00 742	9.56 741	5.34 739	6.10 735	5.72 737	7.64 739	6.41 738	6.96 739	1.97 736	3.42 741	1.64 735	2.15 738	2.66 733	2.36 735

xxxxx1	7.79 732	5.02 740	7.31 736	3.12 732	3.85 734	16.35 742	22.88 742	5.86 739	8.69 738	7.97 740	8.54 737	9.12 742	8.27 740	10.18 740	10.92 740	2.42 737	2.45 737	3.56 740	12.37 746	3.77 735	3.06 737

tt_ll	7.79 732	5.02 740	7.31 736	3.12 732	3.85 734	16.35 742	22.88 742	5.86 739	8.69 738	7.97 740	8.54 737	9.12 742	8.27 740	10.18 740	10.92 740	2.42 737	2.45 737	3.56 740	12.37 746	3.77 735	3.06 737

ff	7.79 732	5.02 740	7.31 736	3.12 732	3.85 734	16.35 742	22.88 742	5.86 739	8.69 738	7.97 740	8.54 737	9.12 742	8.27 740	10.18 740	10.92 740	2.42 737	2.45 737	3.56 740	12.37 746	3.77 735	3.06 737

EDNetEfficientorigin	7.91 735	0.31 688	153.02 761	0.19 485	0.09 368	0.21 578	0.16 419	0.22 414	0.59 681	0.72 704	0.67 694	0.42 666	0.50 696	0.24 611	0.39 689	0.08 439	0.07 514	0.08 418	0.07 403	0.12 602	0.10 562

DPSMNet_ROB	8.06 736	4.48 736	8.63 744	5.37 737	10.74 741	8.32 735	22.98 746	5.46 736	13.36 746	5.12 737	9.92 742	5.08 735	10.40 743	5.53 737	12.58 743	3.80 741	8.00 742	3.50 738	7.02 743	3.83 738	7.14 744

DGTPSM_ROB	8.06 736	4.48 736	8.63 744	5.35 735	10.72 740	8.32 735	22.97 745	5.46 736	13.35 745	5.12 737	9.92 742	5.08 735	10.40 743	5.52 736	12.58 743	3.79 740	8.00 742	3.50 738	7.02 743	3.83 738	7.14 744

PML	8.91 738	9.34 749	6.13 734	5.35 735	6.41 737	14.99 741	23.38 747	5.27 735	6.83 737	18.04 752	28.19 761	7.67 739	6.83 738	7.85 739	5.75 736	5.35 742	1.83 736	5.95 748	1.93 736	8.64 745	2.52 736

DLNR_Zeroshot_test	10.40 739	1.82 730	19.49 755	120.77 761	13.11 748	0.06 16	0.13 186	0.23 437	0.10 87	0.07 80	0.10 209	0.09 237	0.06 69	0.10 130	0.09 110	0.13 630	0.04 25	0.06 209	0.04 64	51.54 761	0.04 77

DLNR-FE	10.43 740	1.83 731	19.53 756	120.75 760	13.06 747	0.06 16	0.13 186	0.23 437	0.10 87	0.07 80	0.10 209	0.09 237	0.06 69	0.10 130	0.09 110	0.13 630	0.04 25	0.06 209	0.04 64	52.01 762	0.04 77

iinet-test	10.48 741	8.09 745	7.54 740	10.26 739	10.94 742	18.00 746	25.26 748	11.33 747	13.28 743	9.69 744	9.85 740	9.42 745	11.17 745	11.02 744	12.78 746	6.59 745	8.30 744	5.56 743	6.56 739	6.89 741	7.02 742

IINet	10.48 741	8.09 745	7.54 740	10.26 739	10.94 742	18.00 746	25.26 748	11.33 747	13.28 743	9.69 744	9.85 740	9.42 745	11.17 745	11.02 744	12.78 746	6.59 745	8.30 744	5.56 743	6.56 739	6.89 741	7.02 742

LRCNet_RVC	10.62 743	13.42 750	7.30 735	18.92 748	2.07 733	0.33 662	0.30 685	5.59 738	0.48 651	13.03 748	17.94 748	8.87 741	5.65 737	4.79 735	1.89 731	23.51 758	2.73 740	27.55 761	25.71 761	16.07 755	16.33 756

Anonymous_1	10.96 744	7.92 744	7.46 739	10.33 741	10.06 739	18.65 748	26.34 750	11.06 746	13.44 747	9.40 743	10.05 744	9.67 747	11.23 747	10.73 743	12.72 745	6.42 744	8.38 746	5.77 745	10.61 745	12.12 746	6.77 741

DPSM_ROB	11.15 745	8.58 747	8.00 742	10.88 742	11.58 744	19.10 749	26.71 751	12.05 749	14.07 750	10.36 746	10.84 745	10.33 748	11.86 748	11.70 746	13.54 748	6.99 747	8.79 747	5.89 746	6.95 741	7.29 743	7.42 746

DPSM	11.15 745	8.58 747	8.00 742	10.88 742	11.58 744	19.10 749	26.71 751	12.05 749	14.07 750	10.36 746	10.84 745	10.33 748	11.86 748	11.70 746	13.54 748	6.99 747	8.79 747	5.89 746	6.95 741	7.29 743	7.42 746

HaxPig	15.71 747	18.52 759	19.18 754	16.89 747	15.89 749	7.73 734	7.60 737	13.31 751	10.82 742	15.42 749	14.91 747	15.98 750	14.92 750	15.58 749	15.98 750	18.95 757	16.73 750	19.46 757	18.08 757	19.26 756	19.05 759

Selective-IGEV-i16pa	18.58 748	3.30 733	1.09 719	0.21 587	0.18 667	103.68 762	0.28 668	19.87 753	40.73 762	4.16 735	56.45 762	8.07 740	2.59 735	123.95 763	5.89 738	0.18 670	0.12 634	0.09 506	0.12 626	0.12 602	0.51 712

RSGM-EC	20.36 749	4.73 738	0.68 701	16.76 745	16.92 750	21.28 751	27.18 753	10.46 744	14.04 748	18.00 750	21.31 751	22.24 760	21.82 752	22.57 751	17.63 751	62.81 761	33.79 761	20.14 758	18.10 758	20.18 757	16.45 757

acva	20.36 749	4.73 738	0.68 701	16.76 745	16.92 750	21.28 751	27.18 753	10.46 744	14.04 748	18.00 750	21.31 751	22.24 760	21.82 752	22.57 751	17.63 751	62.81 761	33.79 761	20.14 758	18.10 758	20.18 757	16.45 757

MEDIAN_ROB	20.38 751	24.04 760	23.31 757	21.23 749	21.71 752	10.40 739	7.92 738	17.64 752	15.50 752	20.12 753	19.70 749	20.34 751	20.32 751	21.19 750	21.13 753	23.81 759	21.81 759	24.98 760	23.76 760	24.71 759	23.93 760

CasAABBNet	22.42 752	17.33 752	16.01 748	22.01 751	23.28 754	38.32 753	53.80 758	24.14 757	28.41 757	20.60 756	21.77 755	20.89 758	23.91 757	23.43 756	27.36 757	14.07 750	17.69 753	11.83 751	14.01 750	14.67 749	14.95 752

RAFT-FEzeroshot	22.43 753	17.33 752	15.98 746	22.02 752	23.31 756	38.34 754	53.82 760	24.05 755	28.39 755	20.61 757	21.76 753	20.88 755	23.92 759	23.41 754	27.42 759	14.07 750	17.69 753	11.83 751	14.02 751	14.69 750	14.97 753

RAFT-FE	22.43 753	17.33 752	15.98 746	22.02 752	23.31 756	38.34 754	53.82 760	24.05 755	28.39 755	20.61 757	21.76 753	20.88 755	23.92 759	23.41 754	27.42 759	14.07 750	17.69 753	11.83 751	14.02 751	14.69 750	14.97 753

FlowAnything	22.44 755	17.35 755	16.14 750	22.07 755	23.23 753	38.39 758	53.77 756	24.25 759	28.44 758	20.96 761	21.82 757	20.70 753	23.84 755	23.49 758	27.14 755	14.04 749	17.79 758	11.75 749	14.15 755	14.65 747	14.89 749

Hybrid-DGEV	22.47 756	17.40 757	16.14 750	22.00 750	23.29 755	38.36 756	53.80 758	24.43 762	28.63 761	20.59 755	21.81 756	20.88 755	23.91 757	23.45 757	27.42 759	14.08 753	17.69 753	11.83 751	14.06 754	14.65 747	14.93 751

Selective-RAFT-Error	22.47 756	17.37 756	16.09 749	22.06 754	23.34 758	38.39 758	53.83 762	24.29 761	28.47 759	20.74 759	21.83 758	20.81 754	23.90 756	23.54 760	27.53 762	14.08 753	17.69 753	11.82 750	14.00 749	14.69 750	15.00 755

fast-reg	22.85 758	17.43 758	19.15 753	22.22 757	24.34 759	38.36 756	53.78 757	24.23 758	28.52 760	20.55 754	22.05 759	20.54 752	23.77 754	23.21 753	27.31 756	14.18 756	17.47 752	14.33 756	14.96 756	15.81 754	14.81 748

LSM0	22.87 759	17.28 751	18.96 752	22.19 756	29.04 761	38.42 760	53.71 755	24.28 760	28.31 754	20.78 760	21.00 750	21.43 759	24.16 761	23.50 759	27.39 758	14.09 755	17.38 751	11.84 755	14.04 753	14.73 753	14.89 749

AVERAGE_ROB	24.90 760	29.20 761	28.14 758	24.89 758	24.64 760	17.75 745	11.12 739	21.45 754	19.93 753	25.12 762	24.46 760	25.12 762	25.46 762	24.69 761	22.83 754	29.76 760	27.13 760	28.97 762	27.95 762	29.91 760	29.47 761

test_example2	98.32 761	94.13 762	45.89 759	96.35 759	109.85 762	88.61 761	95.45 763	25.75 763	94.37 763	130.00 764	126.06 763	58.17 763	74.63 763	88.51 762	79.96 763	150.23 763	221.02 763	77.62 763	99.10 763	113.75 763	96.94 762

GS-Stereo							0.14 258	0.11 67	0.12 162	0.08 141	0.10 209	0.05 5	0.05 15	0.11 208	0.08 27	0.06 172	0.04 25	0.05 55	0.04 64	0.05 175	0.05 214

FSD					0.22 680	0.25 619	0.25 646	0.27 519	0.26 508	0.25 597	0.26 533	0.25 556	0.27 628	0.27 622	0.24 615	0.21 683	0.20 682	0.27 685	0.26 688	0.25 688

ccccc		285.66 763		368.85 762	370.60 763	123.16 763		115.05 764		126.68 763		122.83 764		252.94 764		384.56 764	353.86 764	254.69 764	223.00 764	425.87 764

ASD4		3.38 734

Low-res two-view benchmark