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	0.09 124	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.08 186	0.05 14	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

PSi22a	0.06 1	0.04 1	0.09 124	0.12 7	0.05 2	0.06 14	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.06 42	0.05 14	0.08 25	0.09 104	0.07 343	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

Foundation-i32	0.06 1	0.04 1	0.09 124	0.13 22	0.04 1	0.06 14	0.12 100	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

MLG-Stereo_test2	0.06 1	0.04 1	0.10 190	0.15 124	0.05 2	0.07 43	0.11 64	0.09 21	0.04 2	0.06 25	0.05 7	0.06 42	0.04 1	0.08 25	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 208

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

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

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

derf	0.07 7	0.04 1	0.10 190	0.14 70	0.06 28	0.05 4	0.12 100	0.12 85	0.09 52	0.05 2	0.07 65	0.07 124	0.08 229	0.10 124	0.10 208	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 208

mm2	0.07 7	0.04 1	0.10 190	0.13 22	0.06 28	0.06 14	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 208

mm1	0.07 7	0.04 1	0.10 190	0.13 22	0.06 28	0.06 14	0.12 100	0.06 1	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 208

qqai	0.07 7	0.05 43	0.10 190	0.14 70	0.06 28	0.05 4	0.12 100	0.08 12	0.09 52	0.05 2	0.06 23	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.05 50	0.03 1	0.04 48	0.05 208

MGA	0.07 7	0.04 1	0.10 190	0.13 22	0.06 28	0.08 85	0.09 20	0.12 85	0.08 25	0.05 2	0.06 23	0.06 42	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 208

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

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

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

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

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

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

aanet-new-78k	0.07 7	0.07 239	0.09 124	0.19 472	0.06 28	0.07 43	0.12 100	0.11 58	0.13 192	0.06 25	0.07 65	0.06 42	0.06 66	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

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

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

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

GCAP-Stereo-DPT-20K	0.07 7	0.05 43	0.11 253	0.15 124	0.06 28	0.07 43	0.13 179	0.09 21	0.11 110	0.07 75	0.08 125	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-24K	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.15 334	0.12 85	0.11 110	0.06 25	0.11 249	0.06 42	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 124	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.05 7	0.08 186	0.05 14	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

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

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

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

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

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

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

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

MatchStereo	0.07 7	0.04 1	0.08 57	0.14 70	0.06 28	0.05 4	0.12 100	0.12 85	0.09 52	0.07 75	0.06 23	0.04 1	0.04 1	0.08 25	0.09 104	0.06 168	0.05 276	0.05 50	0.03 1	0.04 48	0.04 73
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth_RVC	0.07 7	0.04 1	0.09 124	0.11 1	0.05 2	0.10 202	0.10 35	0.14 146	0.09 52	0.06 25	0.07 65	0.06 42	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.04 1	0.04 60	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 43	0.07 11	0.14 70	0.06 28	0.09 139	0.13 179	0.15 188	0.06 6	0.07 75	0.08 125	0.06 42	0.08 229	0.09 59	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

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

BridgeDepth	0.07 7	0.07 239	0.08 57	0.18 402	0.06 28	0.07 43	0.11 64	0.09 21	0.06 6	0.04 1	0.07 65	0.10 260	0.09 271	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 7	0.05 43	0.09 124	0.13 22	0.06 28	0.12 310	0.12 100	0.11 58	0.10 77	0.07 75	0.08 125	0.06 42	0.06 66	0.09 59	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

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

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

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

Monster-pub-mixall	0.07 7	0.04 1	0.09 124	0.13 22	0.06 28	0.05 4	0.09 20	0.11 58	0.07 15	0.06 25	0.06 23	0.05 5	0.06 66	0.09 59	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.05 208

Replicate-Monster	0.07 7	0.05 43	0.09 124	0.14 70	0.06 28	0.08 85	0.09 20	0.13 115	0.13 192	0.05 2	0.07 65	0.06 42	0.06 66	0.08 25	0.10 208	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

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

asda	0.07 7	0.08 358	0.08 57	0.16 222	0.06 28	0.06 14	0.10 35	0.16 229	0.10 77	0.06 25	0.06 23	0.05 5	0.05 14	0.10 124	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

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

qwe	0.07 7	0.08 358	0.07 11	0.15 124	0.06 28	0.07 43	0.10 35	0.18 303	0.11 110	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.09 104	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

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

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

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

4.5_new	0.07 7	0.09 441	0.08 57	0.15 124	0.07 134	0.06 14	0.10 35	0.14 146	0.11 110	0.06 25	0.08 125	0.06 42	0.06 66	0.08 25	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 441	0.08 57	0.15 124	0.07 134	0.06 14	0.10 35	0.14 146	0.11 110	0.06 25	0.08 125	0.06 42	0.06 66	0.08 25	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

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

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

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

2.75w_new	0.07 7	0.07 239	0.07 11	0.13 22	0.06 28	0.08 85	0.08 7	0.18 303	0.12 149	0.07 75	0.08 125	0.06 42	0.06 66	0.09 59	0.11 291	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 73

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

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

3.75w	0.07 7	0.07 239	0.08 57	0.16 222	0.07 134	0.07 43	0.09 20	0.16 229	0.09 52	0.07 75	0.06 23	0.05 5	0.06 66	0.09 59	0.10 208	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

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

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

monsterstereo	0.07 7	0.06 117	0.06 5	0.16 222	0.06 28	0.08 85	0.10 35	0.16 229	0.11 110	0.07 75	0.08 125	0.06 42	0.07 180	0.08 25	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

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

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

111111	0.07 7	0.04 1	0.09 124	0.17 309	0.06 28	0.05 4	0.10 35	0.11 58	0.09 52	0.06 25	0.06 23	0.07 124	0.05 14	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.07 382	0.06 311

LG-Stereo_L2	0.07 7	0.05 43	0.10 190	0.14 70	0.06 28	0.07 43	0.12 100	0.09 21	0.09 52	0.06 25	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

LG-Stereo_L1	0.07 7	0.05 43	0.11 253	0.14 70	0.06 28	0.07 43	0.13 179	0.09 21	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

MLG-Stereo_test3	0.07 7	0.05 43	0.10 190	0.14 70	0.06 28	0.07 43	0.11 64	0.08 12	0.06 6	0.06 25	0.04 1	0.06 42	0.06 66	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.06 311

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

LG-G_1	0.07 7	0.04 1	0.11 253	0.15 124	0.06 28	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 180	0.11 199	0.08 25	0.07 343	0.04 25	0.05 50	0.04 60	0.05 170	0.05 208

LG-G	0.07 7	0.04 1	0.11 253	0.15 124	0.06 28	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 180	0.11 199	0.08 25	0.07 343	0.04 25	0.05 50	0.04 60	0.05 170	0.05 208

LGtest1	0.07 7	0.04 1	0.10 190	0.15 124	0.06 28	0.07 43	0.09 20	0.08 12	0.06 6	0.05 2	0.04 1	0.06 42	0.06 66	0.10 124	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.06 294	0.06 311

LG-Stereo_Zeroshot	0.07 7	0.06 117	0.10 190	0.16 222	0.07 134	0.04 1	0.13 179	0.10 35	0.10 77	0.05 2	0.11 249	0.07 124	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

GREAT-IGEV	0.07 7	0.06 117	0.08 57	0.13 22	0.07 134	0.07 43	0.14 246	0.09 21	0.09 52	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 599	0.17 509	0.11 1	0.05 2	0.05 4	0.11 64	0.08 12	0.08 25	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.08 426	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

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

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

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

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

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

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

IGEV-Stereo+	0.07 7	0.04 1	0.08 57	0.15 124	0.06 28	0.04 1	0.09 20	0.10 35	0.09 52	0.06 25	0.06 23	0.06 42	0.06 66	0.06 1	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.06 294	0.06 311

GCAPDPT-zeroshot4090	0.07 7	0.05 43	0.11 253	0.15 124	0.06 28	0.07 43	0.13 179	0.09 21	0.11 110	0.07 75	0.08 125	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

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

depth_test_26	0.08 85	0.04 1	0.11 253	0.13 22	0.07 134	0.07 43	0.11 64	0.12 85	0.11 110	0.09 183	0.07 65	0.08 186	0.05 14	0.09 59	0.08 25	0.08 426	0.06 430	0.06 200	0.06 293	0.06 294	0.07 401

Anonymus	0.08 85	0.05 43	0.10 190	0.15 124	0.08 221	0.10 202	0.15 334	0.15 188	0.10 77	0.07 75	0.06 23	0.07 124	0.08 229	0.12 295	0.10 208	0.06 168	0.04 25	0.05 50	0.05 192	0.05 170	0.06 311

LGCAT	0.08 85	0.04 1	0.10 190	0.11 1	0.06 28	0.07 43	0.12 100	0.07 7	0.08 25	0.09 183	0.07 65	0.07 124	0.08 229	0.12 295	0.11 291	0.10 532	0.09 568	0.04 1	0.05 192	0.04 48	0.09 518

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

TS12	0.08 85	0.06 117	0.09 124	0.21 573	0.07 134	0.11 256	0.13 179	0.11 58	0.09 52	0.10 230	0.10 197	0.08 186	0.10 315	0.09 59	0.12 356	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

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

LiteMatch*	0.08 85	0.04 1	0.11 253	0.13 22	0.08 221	0.08 85	0.13 179	0.14 146	0.09 52	0.05 2	0.05 7	0.05 5	0.09 271	0.11 199	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 208

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

aanet-new-36k	0.08 85	0.06 117	0.09 124	0.17 309	0.06 28	0.09 139	0.13 179	0.11 58	0.13 192	0.08 131	0.08 125	0.06 42	0.05 14	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

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

aanet-32k-new	0.08 85	0.07 239	0.08 57	0.18 402	0.06 28	0.08 85	0.12 100	0.11 58	0.12 149	0.07 75	0.08 125	0.05 5	0.07 180	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 294	0.04 73

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

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

aanet-new-28k	0.08 85	0.07 239	0.09 124	0.18 402	0.06 28	0.08 85	0.12 100	0.10 35	0.09 52	0.09 183	0.08 125	0.08 186	0.06 66	0.12 295	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

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

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

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

aanet-new-12k	0.08 85	0.09 441	0.07 11	0.20 539	0.08 221	0.08 85	0.13 179	0.12 85	0.13 192	0.08 131	0.08 125	0.05 5	0.07 180	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.06 294	0.04 73

aanet-new-14k	0.08 85	0.09 441	0.08 57	0.19 472	0.06 28	0.07 43	0.10 35	0.14 146	0.15 252	0.06 25	0.08 125	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-8k	0.08 85	0.07 239	0.08 57	0.19 472	0.07 134	0.09 139	0.12 100	0.16 229	0.15 252	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

aanet-new	0.08 85	0.09 441	0.10 190	0.18 402	0.08 221	0.10 202	0.12 100	0.15 188	0.12 149	0.08 131	0.08 125	0.05 5	0.07 180	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 294	0.04 73

GCAP-Stereo-cres-4k	0.08 85	0.07 239	0.08 57	0.18 402	0.07 134	0.11 256	0.14 246	0.12 85	0.11 110	0.07 75	0.11 249	0.07 124	0.06 66	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

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

GCAP-Stereo-DPT-36K	0.08 85	0.06 117	0.15 442	0.14 70	0.06 28	0.08 85	0.13 179	0.13 115	0.11 110	0.07 75	0.08 125	0.07 124	0.06 66	0.09 59	0.08 25	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-22K	0.08 85	0.06 117	0.07 11	0.17 309	0.06 28	0.07 43	0.14 246	0.13 115	0.16 292	0.05 2	0.10 197	0.06 42	0.06 66	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-5K	0.08 85	0.06 117	0.10 190	0.16 222	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 271	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

GCAP-Stereo-DPT-2K	0.08 85	0.06 117	0.10 190	0.16 222	0.07 134	0.11 256	0.13 179	0.14 146	0.14 225	0.08 131	0.13 290	0.05 5	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-3K	0.08 85	0.07 239	0.10 190	0.16 222	0.07 134	0.09 139	0.12 100	0.15 188	0.14 225	0.08 131	0.11 249	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-50K	0.08 85	0.06 117	0.17 509	0.15 124	0.06 28	0.06 14	0.13 179	0.13 115	0.13 192	0.07 75	0.07 65	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

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

GCAP-Stereo-DPT-FT	0.08 85	0.05 43	0.12 301	0.15 124	0.06 28	0.10 202	0.14 246	0.12 85	0.12 149	0.07 75	0.09 161	0.06 42	0.06 66	0.10 124	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

PSi22	0.08 85	0.06 117	0.11 253	0.16 222	0.07 134	0.08 85	0.10 35	0.14 146	0.08 25	0.08 131	0.06 23	0.10 260	0.06 66	0.12 295	0.09 104	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

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

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

Foundation-i1a	0.08 85	0.05 43	0.07 11	0.13 22	0.05 2	0.13 366	0.13 179	0.12 85	0.09 52	0.11 267	0.11 249	0.11 291	0.06 66	0.08 25	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

DepthFocus	0.08 85	0.04 1	0.15 442	0.12 7	0.09 356	0.07 43	0.12 100	0.10 35	0.05 4	0.09 183	0.05 7	0.07 124	0.04 1	0.08 25	0.08 25	0.06 168	0.05 276	0.07 312	0.07 393	0.05 170	0.04 73

GeoVLM	0.08 85	0.04 1	0.10 190	0.13 22	0.06 28	0.10 202	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.11 291	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 208

gcap_with_dpt	0.08 85	0.06 117	0.09 124	0.16 222	0.07 134	0.09 139	0.12 100	0.13 115	0.13 192	0.08 131	0.12 271	0.04 1	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

DispViT+	0.08 85	0.05 43	0.09 124	0.13 22	0.06 28	0.05 4	0.11 64	0.18 303	0.16 292	0.09 183	0.08 125	0.07 124	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 85	0.04 1	0.11 253	0.14 70	0.07 134	0.11 256	0.11 64	0.11 58	0.07 15	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.06 294	0.06 311

BStereo	0.08 85	0.06 117	0.16 478	0.15 124	0.08 221	0.07 43	0.09 20	0.15 188	0.16 292	0.06 25	0.07 65	0.07 124	0.05 14	0.09 59	0.11 291	0.04 11	0.05 276	0.05 50	0.07 393	0.04 48	0.04 73

MonSter++	0.08 85	0.04 1	0.10 190	0.13 22	0.06 28	0.09 139	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.11 291	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

HiDET	0.08 85	0.04 1	0.10 190	0.13 22	0.06 28	0.08 85	0.12 100	0.12 85	0.11 110	0.06 25	0.07 65	0.07 124	0.07 180	0.11 199	0.11 291	0.06 168	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

LCMNet	0.08 85	0.05 43	0.10 190	0.13 22	0.07 134	0.09 139	0.12 100	0.10 35	0.11 110	0.06 25	0.08 125	0.06 42	0.07 180	0.11 199	0.10 208	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

GEAStereo	0.08 85	0.05 43	0.08 57	0.13 22	0.08 221	0.08 85	0.14 246	0.10 35	0.09 52	0.08 131	0.10 197	0.06 42	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 208

GSStereo	0.08 85	0.05 43	0.08 57	0.13 22	0.08 221	0.08 85	0.14 246	0.11 58	0.12 149	0.08 131	0.10 197	0.05 5	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 208

gasm-f	0.08 85	0.05 43	0.07 11	0.13 22	0.08 221	0.08 85	0.14 246	0.10 35	0.09 52	0.08 131	0.10 197	0.06 42	0.05 14	0.10 124	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.06 294	0.05 208

DDF-Stereo	0.08 85	0.04 1	0.09 124	0.15 124	0.10 470	0.06 14	0.13 179	0.09 21	0.14 225	0.06 25	0.06 23	0.07 124	0.06 66	0.09 59	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.08 451	0.05 208

252Zero-FE	0.08 85	0.04 1	0.09 124	0.13 22	0.07 134	0.12 310	0.11 64	0.13 115	0.14 225	0.06 25	0.05 7	0.06 42	0.05 14	0.09 59	0.10 208	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.06 311

DA	0.08 85	0.07 239	0.07 11	0.19 472	0.08 221	0.09 139	0.12 100	0.13 115	0.12 149	0.08 131	0.10 197	0.10 260	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.03 2

zero-FE	0.08 85	0.04 1	0.09 124	0.15 124	0.10 470	0.05 4	0.14 246	0.09 21	0.14 225	0.07 75	0.06 23	0.07 124	0.06 66	0.09 59	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.08 451	0.05 208

GGEV	0.08 85	0.07 239	0.07 11	0.19 472	0.08 221	0.09 139	0.12 100	0.13 115	0.12 149	0.08 131	0.10 197	0.10 260	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.03 2

GASTEREO	0.08 85	0.05 43	0.09 124	0.19 472	0.07 134	0.07 43	0.12 100	0.14 146	0.11 110	0.10 230	0.09 161	0.07 124	0.04 1	0.12 295	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.04 48	0.05 208

MSCF	0.08 85	0.05 43	0.08 57	0.19 472	0.08 221	0.06 14	0.12 100	0.14 146	0.11 110	0.10 230	0.09 161	0.07 124	0.04 1	0.11 199	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 208

S2M2_XL	0.08 85	0.06 117	0.12 301	0.12 7	0.08 221	0.09 139	0.09 20	0.07 7	0.07 15	0.08 131	0.07 65	0.07 124	0.06 66	0.09 59	0.09 104	0.08 426	0.06 430	0.07 312	0.05 192	0.08 451	0.06 311
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 85	0.09 441	0.10 190	0.17 309	0.07 134	0.08 85	0.10 35	0.20 346	0.13 192	0.06 25	0.07 65	0.05 5	0.06 66	0.08 25	0.09 104	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 85	0.08 358	0.09 124	0.16 222	0.06 28	0.08 85	0.10 35	0.20 346	0.15 252	0.08 131	0.07 65	0.06 42	0.06 66	0.06 1	0.09 104	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

LG-Stereo	0.08 85	0.07 239	0.10 190	0.18 402	0.07 134	0.10 202	0.17 447	0.11 58	0.08 25	0.05 2	0.07 65	0.05 5	0.07 180	0.09 59	0.09 104	0.04 11	0.05 276	0.07 312	0.07 393	0.04 48	0.04 73

SGD-Stereo	0.08 85	0.05 43	0.10 190	0.14 70	0.05 2	0.12 310	0.12 100	0.11 58	0.12 149	0.07 75	0.09 161	0.09 223	0.09 271	0.08 25	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

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

Reg-Stereo(zero)	0.08 85	0.05 43	0.08 57	0.16 222	0.06 28	0.12 310	0.11 64	0.15 188	0.10 77	0.12 310	0.09 161	0.10 260	0.08 229	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 208

SCV_C0	0.08 85	0.07 239	0.07 11	0.16 222	0.09 356	0.08 85	0.15 334	0.11 58	0.12 149	0.08 131	0.07 65	0.06 42	0.05 14	0.11 199	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.06 294	0.05 208

SCV	0.08 85	0.09 441	0.08 57	0.15 124	0.08 221	0.10 202	0.13 179	0.10 35	0.12 149	0.07 75	0.07 65	0.06 42	0.04 1	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.04 60	0.06 294	0.04 73

DEFOM-Stereo_RVC	0.08 85	0.06 117	0.09 124	0.22 590	0.06 28	0.08 85	0.12 100	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.05 14	0.11 199	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.06 294	0.04 73

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

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

IGEV-RUCA	0.08 85	0.06 117	0.11 253	0.14 70	0.09 356	0.10 202	0.12 100	0.10 35	0.12 149	0.06 25	0.07 65	0.07 124	0.06 66	0.09 59	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.06 311

GIP-stereo	0.08 85	0.06 117	0.11 253	0.14 70	0.06 28	0.09 139	0.13 179	0.14 146	0.11 110	0.07 75	0.08 125	0.05 5	0.04 1	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

SMoEStereo_RVC	0.08 85	0.06 117	0.12 301	0.16 222	0.07 134	0.09 139	0.14 246	0.11 58	0.13 192	0.09 183	0.07 65	0.07 124	0.07 180	0.12 295	0.10 208	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

WCG-NET	0.08 85	0.05 43	0.09 124	0.15 124	0.06 28	0.11 256	0.14 246	0.13 115	0.13 192	0.06 25	0.09 161	0.07 124	0.06 66	0.13 352	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

Occ-G	0.08 85	0.05 43	0.06 5	0.14 70	0.07 134	0.08 85	0.14 246	0.13 115	0.15 252	0.07 75	0.11 249	0.07 124	0.05 14	0.09 59	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 208

U	0.08 85	0.07 239	0.09 124	0.19 472	0.10 470	0.10 202	0.13 179	0.12 85	0.17 322	0.07 75	0.07 65	0.06 42	0.05 14	0.07 4	0.08 25	0.06 168	0.04 25	0.06 200	0.04 60	0.06 294	0.05 208

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

WCG-NET（raft）	0.08 85	0.05 43	0.10 190	0.15 124	0.06 28	0.11 256	0.13 179	0.15 188	0.12 149	0.08 131	0.07 65	0.06 42	0.06 66	0.13 352	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

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

RSM	0.08 85	0.06 117	0.09 124	0.17 309	0.06 28	0.08 85	0.12 100	0.12 85	0.10 77	0.08 131	0.07 65	0.06 42	0.05 14	0.11 199	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

gcap-zeroshot	0.08 85	0.06 117	0.10 190	0.15 124	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 271	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

test_for_model	0.08 85	0.06 117	0.10 190	0.16 222	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 271	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

trnet	0.08 85	0.05 43	0.07 11	0.12 7	0.05 2	0.12 310	0.11 64	0.13 115	0.10 77	0.08 131	0.13 290	0.09 223	0.08 229	0.11 199	0.10 208	0.08 426	0.05 276	0.05 50	0.03 1	0.06 294	0.05 208

MoCha-V2	0.08 85	0.05 43	0.10 190	0.20 539	0.07 134	0.09 139	0.14 246	0.11 58	0.08 25	0.07 75	0.08 125	0.07 124	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

IGEV++	0.08 85	0.06 117	0.08 57	0.18 402	0.07 134	0.09 139	0.13 179	0.10 35	0.09 52	0.08 131	0.08 125	0.06 42	0.06 66	0.13 352	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

testlalala	0.08 85	0.06 117	0.10 190	0.15 124	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 271	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

AEACV	0.08 85	0.05 43	0.08 57	0.14 70	0.13 578	0.14 403	0.13 179	0.14 146	0.09 52	0.07 75	0.09 161	0.07 124	0.08 229	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

LoS_RVC	0.08 85	0.05 43	0.07 11	0.15 124	0.07 134	0.08 85	0.15 334	0.11 58	0.10 77	0.08 131	0.09 161	0.06 42	0.09 271	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

CAS	0.08 85	0.04 1	0.07 11	0.17 309	0.08 221	0.10 202	0.13 179	0.12 85	0.09 52	0.09 183	0.10 197	0.08 186	0.06 66	0.09 59	0.08 25	0.08 426	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

CES	0.08 85	0.04 1	0.08 57	0.14 70	0.07 134	0.09 139	0.14 246	0.11 58	0.09 52	0.08 131	0.09 161	0.11 291	0.06 66	0.12 295	0.08 25	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 208

EGLCR-Stereo	0.08 85	0.05 43	0.08 57	0.14 70	0.06 28	0.10 202	0.12 100	0.11 58	0.16 292	0.06 25	0.05 7	0.07 124	0.05 14	0.10 124	0.11 291	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

MC-Stereo	0.08 85	0.06 117	0.09 124	0.17 309	0.06 28	0.10 202	0.14 246	0.12 85	0.10 77	0.09 183	0.12 271	0.09 223	0.06 66	0.11 199	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

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

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

CREStereo++_RVC	0.08 85	0.04 1	0.06 5	0.13 22	0.07 134	0.09 139	0.12 100	0.14 146	0.14 225	0.10 230	0.14 306	0.08 186	0.07 180	0.09 59	0.11 291	0.06 168	0.04 25	0.05 50	0.05 192	0.04 48	0.04 73
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
PhaseNet	0.09 176	0.06 117	0.10 190	0.15 124	0.08 221	0.10 202	0.14 246	0.20 346	0.12 149	0.07 75	0.08 125	0.09 223	0.10 315	0.13 352	0.12 356	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 208

DNS	0.09 176	0.05 43	0.11 253	0.15 124	0.08 221	0.10 202	0.16 405	0.17 268	0.09 52	0.08 131	0.12 271	0.08 186	0.07 180	0.09 59	0.08 25	0.07 343	0.04 25	0.05 50	0.05 192	0.06 294	0.05 208

RT-Monster	0.09 176	0.05 43	0.09 124	0.14 70	0.08 221	0.11 256	0.10 35	0.17 268	0.18 355	0.13 344	0.10 197	0.09 223	0.08 229	0.10 124	0.10 208	0.07 343	0.05 276	0.05 50	0.04 60	0.05 170	0.06 311

LiteMatch	0.09 176	0.06 117	0.10 190	0.16 222	0.07 134	0.09 139	0.15 334	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.15 469	0.10 124	0.14 446	0.07 343	0.04 25	0.06 200	0.06 293	0.06 294	0.06 311

Foundation-i1	0.09 176	0.04 1	0.10 190	0.14 70	0.06 28	0.10 202	0.13 179	0.16 229	0.14 225	0.10 230	0.10 197	0.11 291	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.05 192	0.05 170	0.05 208

VMStereo-Base	0.09 176	0.05 43	0.10 190	0.13 22	0.07 134	0.10 202	0.10 35	0.16 229	0.13 192	0.10 230	0.15 327	0.10 260	0.09 271	0.11 199	0.10 208	0.07 343	0.05 276	0.05 50	0.04 60	0.05 170	0.06 311

Anonymus123	0.09 176	0.06 117	0.16 478	0.15 124	0.08 221	0.11 256	0.09 20	0.18 303	0.16 292	0.06 25	0.07 65	0.07 124	0.05 14	0.09 59	0.11 291	0.04 11	0.05 276	0.05 50	0.07 393	0.04 48	0.04 73

NLSM3	0.09 176	0.06 117	0.08 57	0.19 472	0.08 221	0.11 256	0.16 405	0.18 303	0.16 292	0.06 25	0.08 125	0.07 124	0.08 229	0.09 59	0.11 291	0.04 11	0.04 25	0.06 200	0.07 393	0.03 1	0.03 2

FE-Mocha	0.09 176	0.06 117	0.14 393	0.16 222	0.09 356	0.10 202	0.15 334	0.18 303	0.16 292	0.10 230	0.09 161	0.07 124	0.07 180	0.09 59	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 208

IGEV-FE	0.09 176	0.05 43	0.12 301	0.13 22	0.08 221	0.12 310	0.13 179	0.17 268	0.11 110	0.10 230	0.06 23	0.09 223	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 208

water-stereo	0.09 176	0.06 117	0.08 57	0.16 222	0.07 134	0.09 139	0.13 179	0.15 188	0.13 192	0.11 267	0.12 271	0.08 186	0.09 271	0.07 4	0.08 25	0.06 168	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

depthmonostereo	0.09 176	0.06 117	0.09 124	0.15 124	0.06 28	0.10 202	0.13 179	0.14 146	0.14 225	0.10 230	0.10 197	0.09 223	0.11 352	0.08 25	0.09 104	0.06 168	0.05 276	0.06 200	0.04 60	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 176	0.05 43	0.08 57	0.15 124	0.06 28	0.11 256	0.12 100	0.14 146	0.16 292	0.11 267	0.11 249	0.09 223	0.09 271	0.11 199	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.03 1	0.03 2

S2M2_L	0.09 176	0.08 358	0.11 253	0.13 22	0.10 470	0.08 85	0.06 1	0.10 35	0.10 77	0.10 230	0.09 161	0.10 260	0.09 271	0.11 199	0.11 291	0.13 615	0.07 503	0.08 406	0.09 514	0.10 549	0.08 472
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 176	0.06 117	0.09 124	0.19 472	0.08 221	0.12 310	0.18 496	0.15 188	0.14 225	0.07 75	0.10 197	0.07 124	0.06 66	0.12 295	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.03 2

castereo	0.09 176	0.06 117	0.11 253	0.15 124	0.06 28	0.11 256	0.15 334	0.14 146	0.18 355	0.08 131	0.10 197	0.11 291	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

fffft	0.09 176	0.06 117	0.12 301	0.16 222	0.07 134	0.09 139	0.17 447	0.12 85	0.11 110	0.08 131	0.07 65	0.09 223	0.06 66	0.11 199	0.12 356	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.05 208
1: 1. 1
tt45	0.09 176	0.06 117	0.11 253	0.15 124	0.07 134	0.11 256	0.16 405	0.13 115	0.11 110	0.09 183	0.06 23	0.08 186	0.06 66	0.13 352	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.06 311

999	0.09 176	0.05 43	0.13 354	0.15 124	0.08 221	0.10 202	0.14 246	0.15 188	0.11 110	0.10 230	0.08 125	0.08 186	0.08 229	0.16 448	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.05 208

mms	0.09 176	0.07 239	0.08 57	0.16 222	0.08 221	0.10 202	0.16 405	0.12 85	0.11 110	0.08 131	0.09 161	0.08 186	0.06 66	0.11 199	0.12 356	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.03 2

ours_stereo	0.09 176	0.07 239	0.09 124	0.17 309	0.08 221	0.11 256	0.16 405	0.11 58	0.12 149	0.08 131	0.10 197	0.08 186	0.06 66	0.12 295	0.12 356	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.03 2

fffy	0.09 176	0.08 358	0.09 124	0.16 222	0.07 134	0.13 366	0.17 447	0.13 115	0.12 149	0.08 131	0.09 161	0.08 186	0.09 271	0.13 352	0.11 291	0.05 51	0.05 276	0.07 312	0.05 192	0.04 48	0.05 208

PAM_32	0.09 176	0.05 43	0.17 509	0.15 124	0.08 221	0.10 202	0.15 334	0.14 146	0.15 252	0.09 183	0.08 125	0.09 223	0.07 180	0.14 386	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.06 311

UGAM-zero	0.09 176	0.05 43	0.15 442	0.15 124	0.08 221	0.09 139	0.13 179	0.19 334	0.15 252	0.11 267	0.15 327	0.07 124	0.07 180	0.09 59	0.09 104	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 311

GCAP-BAT	0.09 176	0.05 43	0.11 253	0.13 22	0.07 134	0.11 256	0.14 246	0.14 146	0.16 292	0.07 75	0.10 197	0.08 186	0.06 66	0.13 352	0.08 25	0.07 343	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

Pointernet	0.09 176	0.04 1	0.09 124	0.16 222	0.08 221	0.13 366	0.10 35	0.15 188	0.17 322	0.09 183	0.07 65	0.06 42	0.06 66	0.11 199	0.09 104	0.08 426	0.04 25	0.05 50	0.03 1	0.06 294	0.05 208

IGEV-BASED-STEREO-	0.09 176	0.10 504	0.31 619	0.15 124	0.06 28	0.08 85	0.14 246	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.04 1	0.11 199	0.07 1	0.12 589	0.04 25	0.07 312	0.05 192	0.05 170	0.05 208

RAFT-Stereo-weight	0.09 176	0.06 117	0.10 190	0.16 222	0.07 134	0.09 139	0.14 246	0.19 334	0.16 292	0.11 267	0.10 197	0.08 186	0.06 66	0.10 124	0.11 291	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

MGS-Stereo	0.09 176	0.07 239	0.12 301	0.15 124	0.08 221	0.09 139	0.15 334	0.12 85	0.12 149	0.07 75	0.10 197	0.08 186	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.06 294	0.05 208

ff7	0.09 176	0.07 239	0.11 253	0.16 222	0.09 356	0.11 256	0.15 334	0.16 229	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 311

IGEVStereo-DCA	0.09 176	0.06 117	0.11 253	0.15 124	0.10 470	0.11 256	0.15 334	0.16 229	0.12 149	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.08 25	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 311

ffff	0.09 176	0.07 239	0.11 253	0.16 222	0.09 356	0.11 256	0.15 334	0.16 229	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 311

rrr	0.09 176	0.06 117	0.12 301	0.15 124	0.10 470	0.11 256	0.16 405	0.16 229	0.15 252	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.08 25	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 311

11t	0.09 176	0.07 239	0.11 253	0.16 222	0.09 356	0.11 256	0.15 334	0.16 229	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 311

MaDis-Stereo	0.09 176	0.09 441	0.08 57	0.17 309	0.09 356	0.13 366	0.10 35	0.16 229	0.16 292	0.09 183	0.11 249	0.06 42	0.06 66	0.09 59	0.13 403	0.07 343	0.06 430	0.07 312	0.05 192	0.05 170	0.04 73

IGEV_Zeroshot_test	0.09 176	0.05 43	0.12 301	0.13 22	0.08 221	0.12 310	0.13 179	0.17 268	0.11 110	0.10 230	0.06 23	0.09 223	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 208

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

UniTT-Stereo	0.09 176	0.07 239	0.08 57	0.18 402	0.08 221	0.13 366	0.11 64	0.12 85	0.11 110	0.10 230	0.12 271	0.05 5	0.07 180	0.09 59	0.09 104	0.07 343	0.05 276	0.05 50	0.05 192	0.05 170	0.05 208

MIM_Stereo	0.09 176	0.07 239	0.11 253	0.15 124	0.07 134	0.06 14	0.12 100	0.20 346	0.14 225	0.13 344	0.13 290	0.09 223	0.05 14	0.12 295	0.08 25	0.05 51	0.06 430	0.07 312	0.06 293	0.06 294	0.05 208

CASnet	0.09 176	0.09 441	0.09 124	0.19 472	0.06 28	0.07 43	0.11 64	0.18 303	0.14 225	0.11 267	0.10 197	0.09 223	0.07 180	0.10 124	0.10 208	0.06 168	0.04 25	0.10 541	0.08 467	0.05 170	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 176	0.05 43	0.11 253	0.13 22	0.07 134	0.11 256	0.14 246	0.14 146	0.16 292	0.07 75	0.10 197	0.08 186	0.06 66	0.13 352	0.08 25	0.07 343	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

GCAP-Stereo	0.09 176	0.07 239	0.13 354	0.18 402	0.06 28	0.11 256	0.07 3	0.13 115	0.12 149	0.09 183	0.10 197	0.07 124	0.09 271	0.13 352	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.04 48	0.05 208

RAFT-Test	0.09 176	0.06 117	0.10 190	0.15 124	0.07 134	0.11 256	0.15 334	0.16 229	0.13 192	0.09 183	0.10 197	0.10 260	0.09 271	0.12 295	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 208

HH	0.09 176	0.06 117	0.13 354	0.17 309	0.08 221	0.10 202	0.16 405	0.14 146	0.10 77	0.08 131	0.09 161	0.08 186	0.07 180	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

HanStereo	0.09 176	0.06 117	0.13 354	0.17 309	0.08 221	0.10 202	0.16 405	0.14 146	0.10 77	0.08 131	0.09 161	0.08 186	0.07 180	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

4D-IteraStereo	0.09 176	0.07 239	0.10 190	0.18 402	0.07 134	0.09 139	0.15 334	0.17 268	0.15 252	0.10 230	0.11 249	0.10 260	0.07 180	0.11 199	0.09 104	0.05 51	0.03 1	0.08 406	0.07 393	0.06 294	0.05 208

anonymousdsp	0.09 176	0.07 239	0.11 253	0.16 222	0.09 356	0.11 256	0.15 334	0.16 229	0.12 149	0.09 183	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 311

LoS	0.09 176	0.05 43	0.11 253	0.13 22	0.07 134	0.14 403	0.11 64	0.15 188	0.15 252	0.09 183	0.09 161	0.12 313	0.09 271	0.15 413	0.10 208	0.07 343	0.05 276	0.05 50	0.03 1	0.05 170	0.05 208
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 176	0.07 239	0.10 190	0.17 309	0.08 221	0.10 202	0.15 334	0.15 188	0.12 149	0.09 183	0.06 23	0.07 124	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.06 311

RCA-Stereo	0.09 176	0.06 117	0.09 124	0.16 222	0.06 28	0.09 139	0.13 179	0.18 303	0.14 225	0.09 183	0.10 197	0.08 186	0.07 180	0.12 295	0.11 291	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

CroCo-Stereo Lap2	0.09 176	0.09 441	0.08 57	0.22 590	0.09 356	0.09 139	0.19 536	0.16 229	0.12 149	0.09 183	0.10 197	0.05 5	0.05 14	0.08 25	0.08 25	0.06 168	0.06 430	0.07 312	0.05 192	0.05 170	0.05 208

ccc-4	0.09 176	0.07 239	0.11 253	0.16 222	0.09 356	0.11 256	0.15 334	0.16 229	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 311

IGEV-Stereo	0.09 176	0.07 239	0.11 253	0.16 222	0.09 356	0.11 256	0.15 334	0.16 229	0.12 149	0.09 183	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 311
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 176	0.05 43	0.13 354	0.14 70	0.08 221	0.12 310	0.15 334	0.18 303	0.10 77	0.11 267	0.08 125	0.08 186	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.06 294	0.05 208

TRStereo	0.09 176	0.05 43	0.12 301	0.15 124	0.12 555	0.10 202	0.13 179	0.18 303	0.18 355	0.09 183	0.09 161	0.09 223	0.06 66	0.10 124	0.08 25	0.07 343	0.05 276	0.07 312	0.07 393	0.04 48	0.04 73

AnonymousM	0.09 176	0.05 43	0.10 190	0.14 70	0.06 28	0.09 139	0.13 179	0.19 334	0.14 225	0.13 344	0.11 249	0.09 223	0.08 229	0.13 352	0.10 208	0.08 426	0.05 276	0.08 406	0.05 192	0.05 170	0.05 208

CroCo-Stereo	0.09 176	0.08 358	0.08 57	0.22 590	0.09 356	0.09 139	0.19 536	0.15 188	0.12 149	0.07 75	0.07 65	0.08 186	0.06 66	0.08 25	0.07 1	0.07 343	0.05 276	0.06 200	0.04 60	0.05 170	0.04 73
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 176	0.06 117	0.07 11	0.15 124	0.05 2	0.16 462	0.18 496	0.15 188	0.15 252	0.10 230	0.11 249	0.11 291	0.11 352	0.10 124	0.12 356	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

TANstereo	0.09 176	0.04 1	0.08 57	0.13 22	0.06 28	0.11 256	0.14 246	0.15 188	0.19 374	0.11 267	0.15 327	0.10 260	0.06 66	0.12 295	0.09 104	0.07 343	0.05 276	0.05 50	0.04 60	0.06 294	0.05 208

XX-TBD	0.09 176	0.06 117	0.07 11	0.14 70	0.07 134	0.12 310	0.16 405	0.14 146	0.13 192	0.11 267	0.12 271	0.09 223	0.08 229	0.10 124	0.10 208	0.06 168	0.04 25	0.05 50	0.03 1	0.06 294	0.05 208

raftrobust	0.09 176	0.06 117	0.10 190	0.17 309	0.08 221	0.09 139	0.10 35	0.18 303	0.16 292	0.10 230	0.09 161	0.12 313	0.07 180	0.12 295	0.10 208	0.08 426	0.05 276	0.06 200	0.05 192	0.05 170	0.05 208

XX-Stereo	0.09 176	0.05 43	0.08 57	0.17 309	0.09 356	0.15 430	0.12 100	0.20 346	0.10 77	0.10 230	0.14 306	0.07 124	0.06 66	0.12 295	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.04 48	0.04 73

test_xeample3	0.09 176	0.06 117	0.12 301	0.16 222	0.09 356	0.11 256	0.15 334	0.16 229	0.13 192	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 311

RAFT-Stereo + iAFF	0.09 176	0.06 117	0.10 190	0.17 309	0.06 28	0.10 202	0.16 405	0.17 268	0.14 225	0.09 183	0.10 197	0.08 186	0.09 271	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.06 293	0.04 48	0.03 2

AFF-stereo	0.09 176	0.06 117	0.10 190	0.17 309	0.07 134	0.10 202	0.16 405	0.17 268	0.09 52	0.10 230	0.12 271	0.09 223	0.09 271	0.12 295	0.09 104	0.05 51	0.04 25	0.07 312	0.07 393	0.04 48	0.03 2

EAI-Stereo	0.09 176	0.07 239	0.11 253	0.15 124	0.06 28	0.10 202	0.15 334	0.16 229	0.09 52	0.08 131	0.09 161	0.08 186	0.07 180	0.09 59	0.11 291	0.05 51	0.04 25	0.05 50	0.05 192	0.05 170	0.04 73

CFNet-RSSM	0.09 176	0.07 239	0.09 124	0.16 222	0.07 134	0.09 139	0.15 334	0.16 229	0.17 322	0.08 131	0.12 271	0.10 260	0.09 271	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

Gwc-CoAtRS	0.09 176	0.06 117	0.10 190	0.16 222	0.07 134	0.10 202	0.14 246	0.17 268	0.17 322	0.08 131	0.10 197	0.12 313	0.09 271	0.12 295	0.09 104	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

CREStereo	0.09 176	0.04 1	0.08 57	0.11 1	0.06 28	0.13 366	0.14 246	0.14 146	0.10 77	0.08 131	0.13 290	0.09 223	0.08 229	0.11 199	0.10 208	0.08 426	0.04 25	0.05 50	0.03 1	0.06 294	0.06 311
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 176	0.05 43	0.09 124	0.12 7	0.06 28	0.12 310	0.14 246	0.15 188	0.11 110	0.09 183	0.13 290	0.10 260	0.07 180	0.13 352	0.10 208	0.15 633	0.04 25	0.05 50	0.03 1	0.07 382	0.06 311

SE	0.10 246	0.10 504	0.08 57	0.19 472	0.09 356	0.11 256	0.11 64	0.15 188	0.11 110	0.10 230	0.16 340	0.09 223	0.08 229	0.09 59	0.10 208	0.06 168	0.05 276	0.08 406	0.07 393	0.07 382	0.04 73

SMOE	0.10 246	0.08 358	0.09 124	0.18 402	0.07 134	0.13 366	0.14 246	0.18 303	0.13 192	0.11 267	0.13 290	0.12 313	0.09 271	0.11 199	0.11 291	0.05 51	0.05 276	0.08 406	0.06 293	0.06 294	0.04 73

ManiGeoR	0.10 246	0.05 43	0.12 301	0.12 7	0.08 221	0.12 310	0.12 100	0.24 446	0.14 225	0.12 310	0.14 306	0.12 313	0.09 271	0.13 352	0.13 403	0.07 343	0.04 25	0.05 50	0.05 192	0.07 382	0.07 401

HLf10	0.10 246	0.05 43	0.12 301	0.12 7	0.08 221	0.12 310	0.12 100	0.24 446	0.14 225	0.12 310	0.14 306	0.12 313	0.09 271	0.13 352	0.13 403	0.07 343	0.04 25	0.05 50	0.05 192	0.07 382	0.07 401

TestStereo_HLe17	0.10 246	0.05 43	0.12 301	0.13 22	0.07 134	0.11 256	0.15 334	0.21 373	0.15 252	0.11 267	0.14 306	0.11 291	0.09 271	0.13 352	0.12 356	0.07 343	0.04 25	0.05 50	0.05 192	0.07 382	0.06 311

DN	0.10 246	0.05 43	0.09 124	0.14 70	0.09 356	0.12 310	0.18 496	0.17 268	0.16 292	0.08 131	0.09 161	0.08 186	0.06 66	0.08 25	0.09 104	0.11 564	0.05 276	0.07 312	0.06 293	0.07 382	0.09 518

Hybrid-DGEV-03	0.10 246	0.06 117	0.09 124	0.18 402	0.08 221	0.16 462	0.14 246	0.15 188	0.14 225	0.13 344	0.16 340	0.12 313	0.09 271	0.13 352	0.11 291	0.06 168	0.04 25	0.08 406	0.06 293	0.05 170	0.04 73

WQFJA1	0.10 246	0.07 239	0.08 57	0.20 539	0.09 356	0.12 310	0.17 447	0.17 268	0.17 322	0.09 183	0.10 197	0.08 186	0.10 315	0.12 295	0.11 291	0.06 168	0.07 503	0.07 312	0.06 293	0.06 294	0.05 208

WQFJX1	0.10 246	0.07 239	0.08 57	0.22 590	0.09 356	0.12 310	0.17 447	0.18 303	0.17 322	0.10 230	0.09 161	0.07 124	0.10 315	0.11 199	0.09 104	0.07 343	0.08 535	0.07 312	0.06 293	0.05 170	0.04 73

WQFJX	0.10 246	0.07 239	0.09 124	0.21 573	0.09 356	0.12 310	0.16 405	0.18 303	0.17 322	0.12 310	0.10 197	0.07 124	0.09 271	0.12 295	0.10 208	0.06 168	0.07 503	0.06 200	0.05 192	0.06 294	0.05 208

NLMM	0.10 246	0.07 239	0.08 57	0.20 539	0.09 356	0.12 310	0.17 447	0.17 268	0.17 322	0.09 183	0.10 197	0.08 186	0.10 315	0.12 295	0.11 291	0.06 168	0.07 503	0.07 312	0.06 293	0.06 294	0.05 208

NLSM1	0.10 246	0.07 239	0.07 11	0.19 472	0.08 221	0.13 366	0.16 405	0.21 373	0.15 252	0.11 267	0.10 197	0.06 42	0.10 315	0.10 124	0.11 291	0.07 343	0.08 535	0.08 406	0.07 393	0.05 170	0.05 208

MM-Stereo_test3	0.10 246	0.07 239	0.07 11	0.18 402	0.07 134	0.12 310	0.19 536	0.24 446	0.19 374	0.06 25	0.10 197	0.08 186	0.06 66	0.11 199	0.08 25	0.06 168	0.06 430	0.07 312	0.05 192	0.05 170	0.04 73

MM-Stereo_test1	0.10 246	0.07 239	0.08 57	0.18 402	0.07 134	0.12 310	0.18 496	0.21 373	0.20 398	0.09 183	0.11 249	0.08 186	0.06 66	0.10 124	0.10 208	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

AIO-test2	0.10 246	0.08 358	0.10 190	0.23 614	0.08 221	0.11 256	0.10 35	0.23 422	0.23 440	0.08 131	0.09 161	0.08 186	0.05 14	0.10 124	0.08 25	0.06 168	0.05 276	0.08 406	0.09 514	0.05 170	0.05 208

AIO-test1	0.10 246	0.07 239	0.10 190	0.23 614	0.07 134	0.09 139	0.13 179	0.21 373	0.14 225	0.11 267	0.12 271	0.09 223	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.09 492	0.10 556	0.03 1	0.06 311

tg	0.10 246	0.06 117	0.10 190	0.18 402	0.08 221	0.11 256	0.16 405	0.20 346	0.12 149	0.08 131	0.11 249	0.11 291	0.07 180	0.11 199	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.04 48	0.04 73

PAM	0.10 246	0.05 43	0.16 478	0.15 124	0.08 221	0.09 139	0.16 405	0.15 188	0.16 292	0.12 310	0.09 161	0.09 223	0.07 180	0.13 352	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.06 311

model_zeroshot	0.10 246	0.04 1	0.11 253	0.15 124	0.09 356	0.12 310	0.14 246	0.20 346	0.13 192	0.11 267	0.10 197	0.12 313	0.07 180	0.12 295	0.10 208	0.07 343	0.06 430	0.06 200	0.05 192	0.06 294	0.06 311

RAStereo	0.10 246	0.09 441	0.08 57	0.20 539	0.08 221	0.13 366	0.18 496	0.15 188	0.17 322	0.10 230	0.12 271	0.05 5	0.06 66	0.09 59	0.08 25	0.07 343	0.05 276	0.07 312	0.05 192	0.05 170	0.04 73

rvit_stereo_0080	0.10 246	0.08 358	0.14 393	0.15 124	0.09 356	0.07 43	0.15 334	0.16 229	0.16 292	0.11 267	0.10 197	0.14 369	0.08 229	0.12 295	0.10 208	0.09 488	0.07 503	0.07 312	0.06 293	0.07 382	0.05 208

H2IRNET	0.10 246	0.09 441	0.09 124	0.18 402	0.09 356	0.12 310	0.15 334	0.14 146	0.21 414	0.10 230	0.10 197	0.10 260	0.10 315	0.10 124	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.06 294	0.05 208

Former-RAFT_DAM_RVC	0.10 246	0.08 358	0.12 301	0.16 222	0.08 221	0.15 430	0.16 405	0.18 303	0.18 355	0.10 230	0.09 161	0.09 223	0.08 229	0.11 199	0.12 356	0.07 343	0.05 276	0.08 406	0.06 293	0.07 382	0.06 311

MyStereo07	0.10 246	0.07 239	0.10 190	0.17 309	0.09 356	0.14 403	0.18 496	0.15 188	0.15 252	0.09 183	0.06 23	0.06 42	0.07 180	0.12 295	0.09 104	0.06 168	0.05 276	0.08 406	0.07 393	0.06 294	0.06 311

MyStereo06	0.10 246	0.07 239	0.12 301	0.17 309	0.09 356	0.13 366	0.18 496	0.19 334	0.12 149	0.12 310	0.08 125	0.07 124	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.07 312	0.07 393	0.06 294	0.06 311

AE-Stereo	0.10 246	0.08 358	0.10 190	0.18 402	0.09 356	0.10 202	0.15 334	0.14 146	0.19 374	0.09 183	0.14 306	0.12 313	0.08 229	0.11 199	0.10 208	0.05 51	0.06 430	0.07 312	0.06 293	0.05 170	0.04 73

ACVNet-DCA	0.10 246	0.08 358	0.12 301	0.17 309	0.09 356	0.13 366	0.15 334	0.23 422	0.16 292	0.09 183	0.09 161	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.07 382	0.07 401

cc1	0.10 246	0.08 358	0.12 301	0.17 309	0.09 356	0.13 366	0.15 334	0.16 229	0.18 355	0.09 183	0.09 161	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.06 294	0.06 311

tt1	0.10 246	0.08 358	0.12 301	0.17 309	0.09 356	0.12 310	0.16 405	0.15 188	0.19 374	0.09 183	0.08 125	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.06 294	0.06 311

whm_eth	0.10 246	0.08 358	0.14 393	0.15 124	0.09 356	0.07 43	0.15 334	0.16 229	0.16 292	0.11 267	0.10 197	0.14 369	0.08 229	0.12 295	0.10 208	0.09 488	0.07 503	0.07 312	0.06 293	0.07 382	0.05 208

plain	0.10 246	0.08 358	0.10 190	0.19 472	0.09 356	0.10 202	0.15 334	0.14 146	0.13 192	0.13 344	0.15 327	0.09 223	0.12 385	0.13 352	0.12 356	0.07 343	0.05 276	0.09 492	0.06 293	0.06 294	0.06 311

Any-RAFT	0.10 246	0.05 43	0.09 124	0.14 70	0.07 134	0.13 366	0.14 246	0.21 373	0.15 252	0.11 267	0.12 271	0.12 313	0.09 271	0.12 295	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.06 294	0.05 208

LL-Strereo2	0.10 246	0.10 504	0.15 442	0.18 402	0.08 221	0.15 430	0.09 20	0.17 268	0.14 225	0.14 371	0.10 197	0.09 223	0.07 180	0.16 448	0.10 208	0.05 51	0.05 276	0.10 541	0.07 393	0.06 294	0.05 208

DCANet-4	0.10 246	0.06 117	0.12 301	0.16 222	0.06 28	0.09 139	0.17 447	0.18 303	0.19 374	0.13 344	0.16 340	0.09 223	0.14 451	0.11 199	0.12 356	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 208

fff	0.10 246	0.06 117	0.12 301	0.15 124	0.07 134	0.09 139	0.17 447	0.16 229	0.20 398	0.13 344	0.16 340	0.10 260	0.11 352	0.11 199	0.12 356	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 208

ADStereo(finetuned)	0.10 246	0.06 117	0.12 301	0.16 222	0.06 28	0.09 139	0.17 447	0.15 188	0.19 374	0.13 344	0.17 364	0.10 260	0.12 385	0.11 199	0.12 356	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

test_4	0.10 246	0.10 504	0.08 57	0.19 472	0.09 356	0.08 85	0.22 591	0.15 188	0.17 322	0.12 310	0.18 392	0.12 313	0.09 271	0.08 25	0.11 291	0.04 11	0.04 25	0.08 406	0.08 467	0.04 48	0.03 2

IPLG	0.10 246	0.07 239	0.15 442	0.17 309	0.08 221	0.11 256	0.14 246	0.20 346	0.15 252	0.12 310	0.17 364	0.07 124	0.07 180	0.14 386	0.13 403	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

test_3	0.10 246	0.09 441	0.10 190	0.20 539	0.08 221	0.13 366	0.26 640	0.14 146	0.21 414	0.10 230	0.10 197	0.09 223	0.09 271	0.08 25	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.04 48	0.04 73

STrans-v2	0.10 246	0.07 239	0.12 301	0.18 402	0.07 134	0.10 202	0.14 246	0.21 373	0.11 110	0.11 267	0.15 327	0.12 313	0.10 315	0.11 199	0.12 356	0.05 51	0.04 25	0.06 200	0.06 293	0.04 48	0.04 73

TransformOpticalFlow	0.10 246	0.08 358	0.13 354	0.18 402	0.07 134	0.09 139	0.15 334	0.19 334	0.15 252	0.12 310	0.17 364	0.11 291	0.11 352	0.11 199	0.10 208	0.05 51	0.04 25	0.06 200	0.06 293	0.05 170	0.05 208

SST-Stereo	0.10 246	0.07 239	0.15 442	0.18 402	0.09 356	0.06 14	0.12 100	0.17 268	0.11 110	0.15 398	0.17 364	0.13 346	0.12 385	0.10 124	0.11 291	0.06 168	0.04 25	0.09 492	0.06 293	0.06 294	0.05 208

cross-raft	0.10 246	0.09 441	0.09 124	0.19 472	0.07 134	0.11 256	0.25 631	0.13 115	0.15 252	0.08 131	0.11 249	0.12 313	0.10 315	0.09 59	0.11 291	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

test-1	0.10 246	0.07 239	0.16 478	0.19 472	0.08 221	0.11 256	0.24 616	0.14 146	0.18 355	0.09 183	0.07 65	0.09 223	0.08 229	0.07 4	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

iRaftStereo_RVC	0.10 246	0.07 239	0.09 124	0.17 309	0.09 356	0.11 256	0.17 447	0.18 303	0.12 149	0.09 183	0.12 271	0.10 260	0.07 180	0.11 199	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.04 48	0.04 73

RALCasStereoNet	0.10 246	0.06 117	0.09 124	0.16 222	0.08 221	0.12 310	0.14 246	0.17 268	0.11 110	0.12 310	0.17 364	0.14 369	0.10 315	0.12 295	0.11 291	0.07 343	0.06 430	0.06 200	0.05 192	0.08 451	0.07 401

DCANet	0.10 246	0.06 117	0.12 301	0.16 222	0.06 28	0.09 139	0.17 447	0.15 188	0.19 374	0.13 344	0.17 364	0.10 260	0.11 352	0.11 199	0.12 356	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

csc	0.10 246	0.06 117	0.12 301	0.15 124	0.07 134	0.09 139	0.17 447	0.16 229	0.20 398	0.13 344	0.16 340	0.10 260	0.11 352	0.11 199	0.12 356	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 208

cscssc	0.10 246	0.06 117	0.12 301	0.15 124	0.07 134	0.09 139	0.17 447	0.16 229	0.20 398	0.13 344	0.16 340	0.10 260	0.11 352	0.11 199	0.12 356	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 208

111	0.10 246	0.06 117	0.12 301	0.15 124	0.07 134	0.10 202	0.14 246	0.21 373	0.23 440	0.11 267	0.12 271	0.14 369	0.11 352	0.13 352	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.05 170	0.05 208

R-Stereo Train	0.10 246	0.06 117	0.10 190	0.17 309	0.08 221	0.11 256	0.14 246	0.23 422	0.11 110	0.12 310	0.19 403	0.11 291	0.08 229	0.09 59	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.05 208

RAFT-Stereo	0.10 246	0.06 117	0.10 190	0.17 309	0.08 221	0.11 256	0.14 246	0.23 422	0.11 110	0.12 310	0.19 403	0.11 291	0.08 229	0.09 59	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.05 208
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 246	0.06 117	0.12 301	0.14 70	0.06 28	0.11 256	0.10 35	0.18 303	0.18 355	0.13 344	0.16 340	0.14 369	0.11 352	0.15 413	0.13 403	0.06 168	0.04 25	0.04 1	0.04 60	0.06 294	0.05 208
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
SME	0.11 299	0.09 441	0.10 190	0.17 309	0.07 134	0.20 545	0.13 179	0.21 373	0.17 322	0.12 310	0.13 290	0.10 260	0.12 385	0.13 352	0.13 403	0.07 343	0.07 503	0.08 406	0.09 514	0.06 294	0.05 208

HLF11	0.11 299	0.05 43	0.13 354	0.12 7	0.08 221	0.14 403	0.11 64	0.22 399	0.10 77	0.12 310	0.23 460	0.11 291	0.11 352	0.14 386	0.13 403	0.08 426	0.05 276	0.05 50	0.04 60	0.08 451	0.08 472

HLf8	0.11 299	0.05 43	0.13 354	0.11 1	0.08 221	0.15 430	0.12 100	0.22 399	0.15 252	0.13 344	0.17 364	0.12 313	0.10 315	0.14 386	0.12 356	0.09 488	0.05 276	0.05 50	0.05 192	0.08 451	0.08 472

TestStereo_HL3	0.11 299	0.05 43	0.16 478	0.13 22	0.07 134	0.12 310	0.11 64	0.20 346	0.09 52	0.15 398	0.30 560	0.13 346	0.12 385	0.16 448	0.11 291	0.07 343	0.05 276	0.05 50	0.05 192	0.06 294	0.07 401

TestStereo_HL2	0.11 299	0.06 117	0.11 253	0.12 7	0.08 221	0.12 310	0.14 246	0.20 346	0.18 355	0.13 344	0.21 439	0.12 313	0.10 315	0.12 295	0.12 356	0.07 343	0.05 276	0.05 50	0.05 192	0.07 382	0.07 401

GGDA	0.11 299	0.06 117	0.11 253	0.13 22	0.07 134	0.12 310	0.14 246	0.19 334	0.19 374	0.13 344	0.20 415	0.12 313	0.09 271	0.12 295	0.12 356	0.07 343	0.04 25	0.05 50	0.05 192	0.06 294	0.07 401

TestStereo-Hl	0.11 299	0.06 117	0.11 253	0.13 22	0.08 221	0.15 430	0.14 246	0.20 346	0.17 322	0.13 344	0.16 340	0.12 313	0.11 352	0.14 386	0.13 403	0.06 168	0.04 25	0.05 50	0.05 192	0.06 294	0.06 311

Lsterematch	0.11 299	0.06 117	0.11 253	0.16 222	0.07 134	0.13 366	0.15 334	0.14 146	0.17 322	0.16 427	0.18 392	0.15 398	0.15 469	0.12 295	0.14 446	0.07 343	0.04 25	0.06 200	0.06 293	0.06 294	0.06 311

Hybrid-DGEV-2	0.11 299	0.06 117	0.12 301	0.18 402	0.09 356	0.09 139	0.13 179	0.28 524	0.29 525	0.11 267	0.11 249	0.09 223	0.12 385	0.12 295	0.09 104	0.06 168	0.05 276	0.07 312	0.07 393	0.05 170	0.05 208

NLMM1	0.11 299	0.09 441	0.07 11	0.22 590	0.10 470	0.12 310	0.20 560	0.18 303	0.20 398	0.12 310	0.11 249	0.07 124	0.09 271	0.11 199	0.11 291	0.08 426	0.08 535	0.07 312	0.06 293	0.04 48	0.04 73

NLCSM	0.11 299	0.09 441	0.09 124	0.23 614	0.11 521	0.12 310	0.19 536	0.18 303	0.18 355	0.12 310	0.11 249	0.07 124	0.09 271	0.11 199	0.10 208	0.07 343	0.08 535	0.07 312	0.07 393	0.06 294	0.05 208

Select-FE	0.11 299	0.06 117	0.20 557	0.15 124	0.11 521	0.11 256	0.13 179	0.21 373	0.18 355	0.09 183	0.11 249	0.10 260	0.06 66	0.12 295	0.09 104	0.07 343	0.05 276	0.07 312	0.08 467	0.06 294	0.08 472

FlowAnything_test	0.11 299	0.08 358	0.14 393	0.15 124	0.09 356	0.07 43	0.14 246	0.20 346	0.11 110	0.09 183	0.09 161	0.12 313	0.12 385	0.13 352	0.11 291	0.09 488	0.06 430	0.09 492	0.09 514	0.06 294	0.09 518

xyz-stereo-finetune2	0.11 299	0.07 239	0.13 354	0.13 22	0.07 134	0.11 256	0.19 536	0.17 268	0.12 149	0.15 398	0.15 327	0.17 435	0.12 385	0.13 352	0.11 291	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.06 311

xyz-stereo-finetune	0.11 299	0.08 358	0.13 354	0.14 70	0.06 28	0.10 202	0.19 536	0.17 268	0.19 374	0.12 310	0.14 306	0.15 398	0.10 315	0.13 352	0.11 291	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.05 208

fast-iter	0.11 299	0.06 117	0.11 253	0.13 22	0.09 356	0.09 139	0.14 246	0.21 373	0.10 77	0.19 493	0.17 364	0.14 369	0.09 271	0.16 448	0.08 25	0.05 51	0.04 25	0.07 312	0.08 467	0.07 382	0.06 311

CoSv	0.11 299	0.06 117	0.11 253	0.13 22	0.09 356	0.09 139	0.14 246	0.21 373	0.10 77	0.19 493	0.17 364	0.14 369	0.09 271	0.16 448	0.08 25	0.05 51	0.04 25	0.07 312	0.08 467	0.07 382	0.06 311

rvit_stereo_0081_aga	0.11 299	0.09 441	0.14 393	0.18 402	0.09 356	0.13 366	0.14 246	0.14 146	0.19 374	0.10 230	0.18 392	0.16 413	0.09 271	0.12 295	0.09 104	0.10 532	0.06 430	0.08 406	0.07 393	0.07 382	0.06 311

rvit_stereo_0081	0.11 299	0.08 358	0.15 442	0.16 222	0.09 356	0.10 202	0.14 246	0.14 146	0.24 457	0.11 267	0.13 290	0.13 346	0.09 271	0.11 199	0.12 356	0.10 532	0.07 503	0.08 406	0.07 393	0.07 382	0.05 208

rvit_stereo_0082	0.11 299	0.08 358	0.15 442	0.16 222	0.09 356	0.10 202	0.14 246	0.14 146	0.24 457	0.11 267	0.13 290	0.13 346	0.09 271	0.11 199	0.12 356	0.10 532	0.07 503	0.08 406	0.07 393	0.07 382	0.05 208

AIO-Stereo-zeroshot1	0.11 299	0.05 43	0.14 393	0.15 124	0.20 659	0.09 139	0.17 447	0.21 373	0.15 252	0.11 267	0.14 306	0.10 260	0.07 180	0.10 124	0.08 25	0.06 168	0.05 276	0.07 312	0.07 393	0.07 382	0.09 518

AIO-Stereo-zeroshot	0.11 299	0.05 43	0.11 253	0.15 124	0.13 578	0.13 366	0.16 405	0.23 422	0.17 322	0.10 230	0.12 271	0.10 260	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.06 200	0.06 293	0.07 382	0.08 472

CAS++	0.11 299	0.07 239	0.11 253	0.14 70	0.09 356	0.12 310	0.14 246	0.24 446	0.14 225	0.11 267	0.09 161	0.11 291	0.07 180	0.14 386	0.09 104	0.11 564	0.09 568	0.09 492	0.07 393	0.07 382	0.08 472
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 299	0.08 358	0.12 301	0.17 309	0.09 356	0.13 366	0.15 334	0.16 229	0.18 355	0.09 183	0.09 161	0.16 413	0.16 497	0.10 124	0.07 1	0.06 168	0.04 25	0.08 406	0.08 467	0.07 382	0.07 401

1test111	0.11 299	0.08 358	0.12 301	0.17 309	0.09 356	0.13 366	0.15 334	0.23 422	0.16 292	0.09 183	0.09 161	0.06 42	0.06 66	0.15 413	0.16 494	0.06 168	0.04 25	0.06 200	0.05 192	0.07 382	0.07 401

MIF-Stereo (partial)	0.11 299	0.06 117	0.10 190	0.19 472	0.10 470	0.10 202	0.11 64	0.17 268	0.18 355	0.14 371	0.16 340	0.09 223	0.11 352	0.12 295	0.12 356	0.08 426	0.05 276	0.08 406	0.07 393	0.06 294	0.07 401

EKT-Stereo	0.11 299	0.07 239	0.14 393	0.15 124	0.10 470	0.13 366	0.14 246	0.18 303	0.21 414	0.11 267	0.08 125	0.12 313	0.09 271	0.11 199	0.12 356	0.08 426	0.06 430	0.07 312	0.06 293	0.08 451	0.07 401

anonymousdsp2	0.11 299	0.07 239	0.10 190	0.16 222	0.09 356	0.13 366	0.14 246	0.18 303	0.22 428	0.13 344	0.14 306	0.12 313	0.09 271	0.14 386	0.11 291	0.05 51	0.04 25	0.05 50	0.04 60	0.06 294	0.05 208

DCRE	0.11 299	0.07 239	0.13 354	0.16 222	0.11 521	0.11 256	0.17 447	0.18 303	0.17 322	0.11 267	0.18 392	0.10 260	0.10 315	0.15 413	0.11 291	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.04 73

knoymous	0.11 299	0.05 43	0.12 301	0.13 22	0.07 134	0.15 430	0.14 246	0.19 334	0.13 192	0.11 267	0.17 364	0.13 346	0.09 271	0.13 352	0.11 291	0.08 426	0.05 276	0.06 200	0.05 192	0.08 451	0.07 401

riskmin	0.11 299	0.06 117	0.13 354	0.14 70	0.08 221	0.14 403	0.14 246	0.18 303	0.14 225	0.11 267	0.14 306	0.16 413	0.11 352	0.14 386	0.12 356	0.09 488	0.05 276	0.07 312	0.05 192	0.08 451	0.08 472

Selective-RAFT	0.11 299	0.10 504	0.11 253	0.21 573	0.08 221	0.16 462	0.13 179	0.20 346	0.22 428	0.10 230	0.10 197	0.11 291	0.10 315	0.15 413	0.11 291	0.05 51	0.05 276	0.06 200	0.05 192	0.06 294	0.05 208

DisPM	0.11 299	0.07 239	0.12 301	0.16 222	0.09 356	0.06 14	0.13 179	0.17 268	0.17 322	0.14 371	0.20 415	0.12 313	0.10 315	0.11 199	0.10 208	0.06 168	0.04 25	0.07 312	0.06 293	0.06 294	0.11 576

CIPLG	0.11 299	0.08 358	0.14 393	0.17 309	0.08 221	0.12 310	0.15 334	0.17 268	0.15 252	0.14 371	0.11 249	0.16 413	0.09 271	0.16 448	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 311

GLC_STEREO	0.11 299	0.07 239	0.11 253	0.17 309	0.07 134	0.09 139	0.13 179	0.15 188	0.24 457	0.12 310	0.13 290	0.12 313	0.08 229	0.18 505	0.11 291	0.06 168	0.08 535	0.08 406	0.06 293	0.05 170	0.05 208

IPLGR_C	0.11 299	0.08 358	0.14 393	0.17 309	0.08 221	0.12 310	0.15 334	0.17 268	0.15 252	0.14 371	0.10 197	0.16 413	0.09 271	0.16 448	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 311

MIPNet	0.11 299	0.08 358	0.14 393	0.17 309	0.09 356	0.12 310	0.14 246	0.20 346	0.24 457	0.11 267	0.10 197	0.09 223	0.07 180	0.13 352	0.12 356	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

IPLGR	0.11 299	0.09 441	0.16 478	0.18 402	0.08 221	0.12 310	0.17 447	0.21 373	0.24 457	0.11 267	0.12 271	0.11 291	0.08 229	0.12 295	0.12 356	0.06 168	0.05 276	0.06 200	0.06 293	0.04 48	0.04 73

GMOStereo	0.11 299	0.09 441	0.07 11	0.19 472	0.08 221	0.12 310	0.28 653	0.13 115	0.17 322	0.11 267	0.17 364	0.14 369	0.12 385	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

error version	0.11 299	0.09 441	0.07 11	0.19 472	0.08 221	0.12 310	0.28 653	0.13 115	0.17 322	0.11 267	0.17 364	0.14 369	0.12 385	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

test-v	0.11 299	0.09 441	0.07 11	0.19 472	0.08 221	0.12 310	0.28 653	0.13 115	0.17 322	0.11 267	0.17 364	0.14 369	0.12 385	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

ACRE	0.11 299	0.08 358	0.14 393	0.17 309	0.08 221	0.12 310	0.15 334	0.17 268	0.14 225	0.14 371	0.10 197	0.16 413	0.09 271	0.16 448	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 311

PFNet+	0.11 299	0.06 117	0.13 354	0.16 222	0.09 356	0.05 4	0.12 100	0.17 268	0.21 414	0.16 427	0.19 403	0.14 369	0.10 315	0.11 199	0.11 291	0.08 426	0.05 276	0.09 492	0.08 467	0.06 294	0.11 576

LCNet	0.11 299	0.07 239	0.09 124	0.19 472	0.09 356	0.08 85	0.15 334	0.21 373	0.15 252	0.11 267	0.15 327	0.16 413	0.11 352	0.12 295	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.06 294	0.15 636

HHNet	0.11 299	0.06 117	0.16 478	0.15 124	0.14 599	0.07 43	0.13 179	0.20 346	0.17 322	0.14 371	0.25 501	0.11 291	0.08 229	0.13 352	0.10 208	0.05 51	0.04 25	0.08 406	0.06 293	0.05 170	0.09 518

Patchmatch Stereo++	0.11 299	0.09 441	0.16 478	0.18 402	0.08 221	0.06 14	0.11 64	0.16 229	0.13 192	0.15 398	0.16 340	0.14 369	0.12 385	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 451	0.07 401
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 299	0.07 239	0.16 478	0.19 472	0.09 356	0.08 85	0.13 179	0.18 303	0.13 192	0.16 427	0.21 439	0.13 346	0.14 451	0.11 199	0.14 446	0.06 168	0.04 25	0.09 492	0.06 293	0.06 294	0.05 208

OMP-Stereo	0.11 299	0.06 117	0.14 393	0.18 402	0.08 221	0.09 139	0.12 100	0.21 373	0.21 414	0.13 344	0.14 306	0.11 291	0.12 385	0.11 199	0.13 403	0.06 168	0.04 25	0.07 312	0.06 293	0.05 170	0.04 73

IIG-Stereo	0.11 299	0.06 117	0.13 354	0.17 309	0.08 221	0.11 256	0.12 100	0.22 399	0.17 322	0.14 371	0.17 364	0.11 291	0.12 385	0.12 295	0.12 356	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

NF-Stereo	0.11 299	0.07 239	0.13 354	0.17 309	0.09 356	0.10 202	0.14 246	0.23 422	0.19 374	0.12 310	0.17 364	0.12 313	0.11 352	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 294	0.12 589

OCTAStereo	0.11 299	0.07 239	0.13 354	0.17 309	0.09 356	0.10 202	0.14 246	0.23 422	0.19 374	0.12 310	0.17 364	0.12 313	0.11 352	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 294	0.12 589

NRIStereo	0.11 299	0.08 358	0.14 393	0.18 402	0.08 221	0.10 202	0.14 246	0.16 229	0.15 252	0.12 310	0.14 306	0.13 346	0.12 385	0.13 352	0.10 208	0.06 168	0.04 25	0.07 312	0.06 293	0.06 294	0.07 401

PSM-adaLoss	0.11 299	0.09 441	0.16 478	0.18 402	0.08 221	0.06 14	0.12 100	0.16 229	0.13 192	0.15 398	0.16 340	0.14 369	0.12 385	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 451	0.07 401

PSM-AAD	0.11 299	0.07 239	0.10 190	0.19 472	0.09 356	0.10 202	0.15 334	0.20 346	0.13 192	0.12 310	0.14 306	0.18 449	0.11 352	0.11 199	0.10 208	0.05 51	0.05 276	0.09 492	0.08 467	0.06 294	0.14 629

ROB_FTStereo_v2	0.11 299	0.09 441	0.16 478	0.19 472	0.08 221	0.06 14	0.12 100	0.16 229	0.13 192	0.15 398	0.16 340	0.14 369	0.12 385	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 451	0.07 401

ROB_FTStereo	0.11 299	0.09 441	0.16 478	0.19 472	0.08 221	0.06 14	0.11 64	0.16 229	0.13 192	0.15 398	0.16 340	0.14 369	0.12 385	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 451	0.07 401

KYRaft	0.11 299	0.07 239	0.10 190	0.19 472	0.09 356	0.08 85	0.15 334	0.22 399	0.12 149	0.13 344	0.16 340	0.20 476	0.10 315	0.12 295	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.06 294	0.16 647

HUI-Stereo	0.11 299	0.09 441	0.16 478	0.18 402	0.08 221	0.06 14	0.12 100	0.16 229	0.13 192	0.15 398	0.16 340	0.14 369	0.12 385	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 451	0.07 401

ASMatch	0.11 299	0.06 117	0.13 354	0.16 222	0.10 470	0.07 43	0.14 246	0.17 268	0.17 322	0.12 310	0.16 340	0.16 413	0.10 315	0.13 352	0.10 208	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.08 472

RAFT_R40	0.11 299	0.07 239	0.14 393	0.18 402	0.09 356	0.06 14	0.13 179	0.17 268	0.16 292	0.14 371	0.18 392	0.15 398	0.12 385	0.10 124	0.11 291	0.06 168	0.04 25	0.09 492	0.06 293	0.06 294	0.05 208

GrayStereo	0.11 299	0.06 117	0.11 253	0.19 472	0.09 356	0.09 139	0.16 405	0.18 303	0.17 322	0.14 371	0.17 364	0.17 435	0.11 352	0.12 295	0.11 291	0.05 51	0.05 276	0.07 312	0.06 293	0.05 170	0.10 549

RE-Stereo	0.11 299	0.07 239	0.13 354	0.17 309	0.09 356	0.10 202	0.14 246	0.23 422	0.19 374	0.12 310	0.17 364	0.12 313	0.11 352	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 294	0.12 589

Pruner-Stereo	0.11 299	0.07 239	0.12 301	0.17 309	0.09 356	0.06 14	0.12 100	0.17 268	0.17 322	0.13 344	0.19 403	0.13 346	0.09 271	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 294	0.08 472

TVStereo	0.11 299	0.07 239	0.13 354	0.17 309	0.09 356	0.10 202	0.14 246	0.23 422	0.19 374	0.12 310	0.17 364	0.12 313	0.11 352	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 294	0.12 589

DeepStereo_RVC	0.11 299	0.08 358	0.16 478	0.18 402	0.08 221	0.08 85	0.12 100	0.17 268	0.12 149	0.13 344	0.14 306	0.12 313	0.12 385	0.12 295	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.07 382	0.08 472

iGMRVC	0.11 299	0.09 441	0.16 478	0.19 472	0.08 221	0.06 14	0.12 100	0.16 229	0.13 192	0.15 398	0.16 340	0.14 369	0.12 385	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 451	0.07 401

RAFT-RH_RVC	0.11 299	0.06 117	0.14 393	0.16 222	0.09 356	0.12 310	0.12 100	0.17 268	0.12 149	0.13 344	0.41 634	0.11 291	0.10 315	0.13 352	0.12 356	0.05 51	0.04 25	0.08 406	0.05 192	0.04 48	0.06 311

RAFT-345	0.11 299	0.07 239	0.15 442	0.16 222	0.08 221	0.08 85	0.12 100	0.15 188	0.10 77	0.11 267	0.36 597	0.09 223	0.09 271	0.11 199	0.12 356	0.05 51	0.05 276	0.07 312	0.06 293	0.04 48	0.05 208

iRAFT	0.11 299	0.09 441	0.16 478	0.18 402	0.08 221	0.06 14	0.11 64	0.16 229	0.13 192	0.15 398	0.16 340	0.14 369	0.12 385	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 451	0.07 401

CRE-IMP	0.11 299	0.09 441	0.16 478	0.19 472	0.08 221	0.10 202	0.12 100	0.18 303	0.10 77	0.14 371	0.13 290	0.13 346	0.12 385	0.12 295	0.11 291	0.07 343	0.04 25	0.08 406	0.06 293	0.08 451	0.08 472

test-2	0.11 299	0.09 441	0.07 11	0.19 472	0.08 221	0.12 310	0.28 653	0.13 115	0.17 322	0.11 267	0.17 364	0.14 369	0.12 385	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

GMM-Stereo	0.11 299	0.07 239	0.10 190	0.18 402	0.09 356	0.08 85	0.15 334	0.23 422	0.16 292	0.11 267	0.15 327	0.13 346	0.11 352	0.11 199	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.06 294	0.09 518

RAFT-IKP	0.11 299	0.09 441	0.16 478	0.19 472	0.08 221	0.06 14	0.12 100	0.16 229	0.13 192	0.15 398	0.16 340	0.14 369	0.12 385	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 451	0.07 401

Prome-Stereo	0.11 299	0.06 117	0.10 190	0.18 402	0.08 221	0.12 310	0.15 334	0.22 399	0.13 192	0.12 310	0.17 364	0.13 346	0.08 229	0.12 295	0.10 208	0.05 51	0.04 25	0.07 312	0.06 293	0.06 294	0.09 518

rafts_anoy	0.11 299	0.06 117	0.10 190	0.17 309	0.08 221	0.10 202	0.14 246	0.17 268	0.14 225	0.13 344	0.13 290	0.12 313	0.10 315	0.11 199	0.12 356	0.07 343	0.04 25	0.09 492	0.11 590	0.07 382	0.06 311

raft+_RVC	0.11 299	0.07 239	0.09 124	0.16 222	0.07 134	0.10 202	0.11 64	0.24 446	0.20 398	0.12 310	0.15 327	0.12 313	0.08 229	0.12 295	0.13 403	0.07 343	0.04 25	0.07 312	0.06 293	0.05 170	0.05 208

RALAANet	0.11 299	0.08 358	0.10 190	0.17 309	0.09 356	0.14 403	0.10 35	0.20 346	0.15 252	0.14 371	0.13 290	0.16 413	0.09 271	0.12 295	0.11 291	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

DIP-Stereo	0.11 299	0.07 239	0.14 393	0.17 309	0.09 356	0.13 366	0.09 20	0.16 229	0.16 292	0.11 267	0.16 340	0.14 369	0.12 385	0.15 413	0.13 403	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 311
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	0.12 377	0.08 358	0.08 57	0.20 539	0.07 134	0.18 504	0.23 602	0.15 188	0.15 252	0.10 230	0.10 197	0.13 346	0.08 229	0.12 295	0.11 291	0.09 488	0.10 590	0.14 621	0.14 626	0.05 170	0.04 73

S	0.12 377	0.08 358	0.09 124	0.20 539	0.08 221	0.13 366	0.19 536	0.17 268	0.16 292	0.13 344	0.11 249	0.13 346	0.10 315	0.11 199	0.13 403	0.09 488	0.07 503	0.13 607	0.15 643	0.06 294	0.04 73

IGEV_i1	0.12 377	0.07 239	0.12 301	0.16 222	0.08 221	0.19 529	0.14 246	0.18 303	0.22 428	0.18 476	0.18 392	0.16 413	0.12 385	0.16 448	0.14 446	0.06 168	0.05 276	0.06 200	0.05 192	0.06 294	0.06 311

rvit_stereo_0083	0.12 377	0.08 358	0.17 509	0.16 222	0.09 356	0.11 256	0.15 334	0.14 146	0.26 493	0.11 267	0.14 306	0.13 346	0.10 315	0.12 295	0.12 356	0.10 532	0.08 535	0.09 492	0.07 393	0.07 382	0.05 208

rvit_stereo_ft	0.12 377	0.07 239	0.13 354	0.19 472	0.10 470	0.12 310	0.17 447	0.16 229	0.16 292	0.12 310	0.13 290	0.15 398	0.10 315	0.14 386	0.13 403	0.09 488	0.06 430	0.08 406	0.07 393	0.07 382	0.05 208

test_sample2	0.12 377	0.07 239	0.12 301	0.14 70	0.08 221	0.16 462	0.18 496	0.21 373	0.16 292	0.14 371	0.20 415	0.19 464	0.15 469	0.15 413	0.12 356	0.08 426	0.05 276	0.07 312	0.06 293	0.08 451	0.07 401

MyStereo8	0.12 377	0.07 239	0.15 442	0.15 124	0.09 356	0.18 504	0.14 246	0.19 334	0.22 428	0.12 310	0.18 392	0.11 291	0.10 315	0.16 448	0.18 527	0.07 343	0.05 276	0.07 312	0.05 192	0.08 451	0.09 518

CoDeX	0.12 377	0.07 239	0.12 301	0.17 309	0.08 221	0.12 310	0.15 334	0.23 422	0.27 503	0.13 344	0.17 364	0.16 413	0.11 352	0.14 386	0.11 291	0.07 343	0.05 276	0.07 312	0.06 293	0.06 294	0.05 208

11t1	0.12 377	0.06 117	0.13 354	0.14 70	0.08 221	0.17 485	0.15 334	0.18 303	0.15 252	0.15 398	0.15 327	0.16 413	0.16 497	0.15 413	0.13 403	0.08 426	0.05 276	0.06 200	0.05 192	0.08 451	0.07 401

ffm	0.12 377	0.09 441	0.14 393	0.16 222	0.08 221	0.17 485	0.17 447	0.15 188	0.19 374	0.15 398	0.25 501	0.19 464	0.13 427	0.10 124	0.07 1	0.06 168	0.04 25	0.09 492	0.08 467	0.06 294	0.06 311

RAFT_CTSACE	0.12 377	0.09 441	0.10 190	0.22 590	0.08 221	0.12 310	0.24 616	0.18 303	0.16 292	0.20 516	0.27 527	0.13 346	0.07 180	0.13 352	0.09 104	0.05 51	0.06 430	0.08 406	0.07 393	0.04 48	0.04 73

Sa-1000	0.12 377	0.08 358	0.08 57	0.18 402	0.08 221	0.14 403	0.22 591	0.22 399	0.18 355	0.15 398	0.20 415	0.17 435	0.11 352	0.10 124	0.10 208	0.06 168	0.05 276	0.09 492	0.09 514	0.05 170	0.05 208

SA	0.12 377	0.09 441	0.08 57	0.18 402	0.08 221	0.12 310	0.24 616	0.23 422	0.18 355	0.17 446	0.27 527	0.14 369	0.11 352	0.11 199	0.11 291	0.05 51	0.05 276	0.09 492	0.08 467	0.05 170	0.04 73

iRaft-Stereo_5w	0.12 377	0.09 441	0.12 301	0.19 472	0.08 221	0.09 139	0.12 100	0.21 373	0.21 414	0.19 493	0.14 306	0.11 291	0.09 271	0.20 545	0.16 494	0.05 51	0.05 276	0.07 312	0.06 293	0.05 170	0.06 311

CrosDoStereo	0.12 377	0.06 117	0.12 301	0.14 70	0.08 221	0.12 310	0.15 334	0.17 268	0.22 428	0.19 493	0.24 473	0.15 398	0.11 352	0.11 199	0.12 356	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 208

PSM-softLoss	0.12 377	0.07 239	0.15 442	0.17 309	0.09 356	0.08 85	0.13 179	0.24 446	0.17 322	0.14 371	0.19 403	0.13 346	0.11 352	0.11 199	0.11 291	0.07 343	0.05 276	0.08 406	0.07 393	0.06 294	0.12 589

KMStereo	0.12 377	0.07 239	0.15 442	0.17 309	0.09 356	0.08 85	0.13 179	0.24 446	0.17 322	0.14 371	0.19 403	0.13 346	0.11 352	0.11 199	0.11 291	0.07 343	0.05 276	0.08 406	0.07 393	0.06 294	0.12 589

FTStereo	0.12 377	0.06 117	0.14 393	0.18 402	0.09 356	0.07 43	0.15 334	0.21 373	0.18 355	0.12 310	0.24 473	0.12 313	0.12 385	0.13 352	0.13 403	0.05 51	0.05 276	0.07 312	0.06 293	0.06 294	0.10 549

DeepStereo_LL	0.12 377	0.06 117	0.12 301	0.14 70	0.08 221	0.12 310	0.15 334	0.17 268	0.22 428	0.19 493	0.24 473	0.15 398	0.11 352	0.11 199	0.12 356	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 208

DEmStereo	0.12 377	0.06 117	0.14 393	0.14 70	0.10 470	0.16 462	0.15 334	0.16 229	0.24 457	0.17 446	0.24 473	0.13 346	0.14 451	0.12 295	0.13 403	0.05 51	0.04 25	0.07 312	0.06 293	0.05 170	0.05 208

THIR-Stereo	0.12 377	0.07 239	0.11 253	0.15 124	0.08 221	0.14 403	0.16 405	0.17 268	0.25 479	0.16 427	0.24 473	0.14 369	0.12 385	0.12 295	0.14 446	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 208

DRaft	0.12 377	0.06 117	0.11 253	0.14 70	0.09 356	0.14 403	0.17 447	0.21 373	0.30 535	0.17 446	0.28 541	0.10 260	0.15 469	0.10 124	0.12 356	0.05 51	0.04 25	0.07 312	0.06 293	0.05 170	0.05 208

PFNet	0.12 377	0.06 117	0.17 509	0.17 309	0.08 221	0.09 139	0.15 334	0.26 483	0.20 398	0.16 427	0.16 340	0.14 369	0.11 352	0.12 295	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.05 170	0.05 208

IRAFT_RVC	0.12 377	0.08 358	0.16 478	0.19 472	0.08 221	0.07 43	0.15 334	0.24 446	0.23 440	0.14 371	0.14 306	0.15 398	0.12 385	0.12 295	0.10 208	0.06 168	0.04 25	0.09 492	0.06 293	0.06 294	0.06 311

sCroCo_RVC	0.12 377	0.09 441	0.23 582	0.24 623	0.11 521	0.19 529	0.14 246	0.17 268	0.14 225	0.10 230	0.13 290	0.12 313	0.07 180	0.14 386	0.11 291	0.08 426	0.08 535	0.08 406	0.08 467	0.05 170	0.07 401

ARAFT	0.12 377	0.08 358	0.17 509	0.19 472	0.09 356	0.14 403	0.18 496	0.20 346	0.12 149	0.12 310	0.13 290	0.14 369	0.11 352	0.15 413	0.12 356	0.06 168	0.05 276	0.10 541	0.09 514	0.05 170	0.04 73

BEATNet_4x	0.12 377	0.08 358	0.14 393	0.18 402	0.07 134	0.15 430	0.07 3	0.22 399	0.18 355	0.16 427	0.19 403	0.18 449	0.14 451	0.16 448	0.15 478	0.07 343	0.05 276	0.05 50	0.05 192	0.06 294	0.06 311

MLCV	0.12 377	0.07 239	0.16 478	0.18 402	0.06 28	0.15 430	0.17 447	0.19 334	0.21 414	0.18 476	0.25 501	0.17 435	0.13 427	0.14 386	0.13 403	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

RT-IGEV	0.13 405	0.06 117	0.13 354	0.15 124	0.09 356	0.15 430	0.17 447	0.24 446	0.27 503	0.16 427	0.17 364	0.17 435	0.10 315	0.14 386	0.11 291	0.08 426	0.05 276	0.07 312	0.05 192	0.07 382	0.07 401

Selective-IGEV-i16pc	0.13 405	0.06 117	0.13 354	0.15 124	0.11 521	0.38 663	0.16 405	0.23 422	0.16 292	0.10 230	0.15 327	0.09 223	0.06 66	0.13 352	0.10 208	0.10 532	0.08 535	0.06 200	0.07 393	0.09 516	0.09 518

Selective-IGEV-i1	0.13 405	0.07 239	0.12 301	0.19 472	0.08 221	0.18 504	0.16 405	0.22 399	0.30 535	0.16 427	0.17 364	0.16 413	0.10 315	0.14 386	0.13 403	0.06 168	0.05 276	0.06 200	0.05 192	0.06 294	0.05 208

G2L-ROB	0.13 405	0.06 117	0.13 354	0.13 22	0.08 221	0.14 403	0.16 405	0.25 465	0.18 355	0.19 493	0.18 392	0.20 476	0.14 451	0.17 482	0.16 494	0.08 426	0.05 276	0.06 200	0.05 192	0.08 451	0.09 518

xyz-stereo	0.13 405	0.07 239	0.20 557	0.15 124	0.05 2	0.20 545	0.15 334	0.17 268	0.31 543	0.15 398	0.29 553	0.26 551	0.16 497	0.13 352	0.12 356	0.05 51	0.05 276	0.06 200	0.05 192	0.04 48	0.04 73

DFGA-Net	0.13 405	0.11 531	0.18 533	0.17 309	0.10 470	0.12 310	0.13 179	0.22 399	0.25 479	0.16 427	0.16 340	0.13 346	0.12 385	0.16 448	0.14 446	0.07 343	0.05 276	0.08 406	0.07 393	0.05 170	0.05 208

FACV-RUCA	0.13 405	0.11 531	0.12 301	0.19 472	0.12 555	0.15 430	0.15 334	0.22 399	0.20 398	0.15 398	0.16 340	0.14 369	0.16 497	0.14 386	0.13 403	0.07 343	0.05 276	0.08 406	0.06 293	0.10 549	0.08 472

UGAM	0.13 405	0.10 504	0.09 124	0.22 590	0.08 221	0.12 310	0.20 560	0.17 268	0.23 440	0.21 531	0.16 340	0.13 346	0.13 427	0.19 520	0.12 356	0.07 343	0.05 276	0.13 607	0.11 590	0.07 382	0.05 208

test_sample1	0.13 405	0.07 239	0.14 393	0.13 22	0.08 221	0.19 529	0.16 405	0.20 346	0.15 252	0.14 371	0.22 451	0.18 449	0.16 497	0.17 482	0.14 446	0.07 343	0.06 430	0.06 200	0.06 293	0.08 451	0.07 401

qqq1	0.13 405	0.07 239	0.17 509	0.14 70	0.08 221	0.16 462	0.17 447	0.26 483	0.27 503	0.19 493	0.20 415	0.18 449	0.15 469	0.15 413	0.11 291	0.08 426	0.05 276	0.05 50	0.05 192	0.06 294	0.06 311

fff1	0.13 405	0.07 239	0.17 509	0.14 70	0.08 221	0.16 462	0.17 447	0.26 483	0.27 503	0.19 493	0.20 415	0.18 449	0.15 469	0.15 413	0.11 291	0.08 426	0.05 276	0.05 50	0.05 192	0.06 294	0.06 311

MyStereo05	0.13 405	0.07 239	0.10 190	0.17 309	0.09 356	0.13 366	0.18 496	0.27 504	0.35 578	0.17 446	0.14 306	0.15 398	0.11 352	0.15 413	0.13 403	0.06 168	0.05 276	0.07 312	0.07 393	0.06 294	0.06 311

MyStereo04	0.13 405	0.07 239	0.10 190	0.17 309	0.09 356	0.14 403	0.18 496	0.29 538	0.38 596	0.17 446	0.14 306	0.16 413	0.10 315	0.15 413	0.13 403	0.06 168	0.05 276	0.08 406	0.07 393	0.06 294	0.06 311

ff1	0.13 405	0.09 441	0.14 393	0.16 222	0.08 221	0.17 485	0.17 447	0.15 188	0.19 374	0.15 398	0.25 501	0.19 464	0.13 427	0.14 386	0.20 546	0.06 168	0.04 25	0.09 492	0.08 467	0.06 294	0.06 311

StereoVision	0.13 405	0.12 549	0.09 124	0.24 623	0.10 470	0.15 430	0.21 581	0.21 373	0.20 398	0.12 310	0.24 473	0.10 260	0.10 315	0.16 448	0.10 208	0.09 488	0.11 603	0.12 592	0.12 611	0.06 294	0.05 208

LL-Strereo	0.13 405	0.09 441	0.11 253	0.20 539	0.10 470	0.11 256	0.18 496	0.32 575	0.24 457	0.15 398	0.15 327	0.14 369	0.13 427	0.19 520	0.11 291	0.06 168	0.04 25	0.09 492	0.08 467	0.04 48	0.05 208

CASS	0.13 405	0.12 549	0.11 253	0.23 614	0.09 356	0.15 430	0.17 447	0.18 303	0.19 374	0.17 446	0.18 392	0.15 398	0.15 469	0.14 386	0.14 446	0.09 488	0.06 430	0.10 541	0.08 467	0.09 516	0.07 401
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 405	0.07 239	0.13 354	0.18 402	0.09 356	0.13 366	0.17 447	0.19 334	0.29 525	0.15 398	0.24 473	0.15 398	0.14 451	0.14 386	0.14 446	0.07 343	0.05 276	0.07 312	0.09 514	0.05 170	0.06 311

TestStereo1	0.13 405	0.08 358	0.08 57	0.19 472	0.08 221	0.18 504	0.29 663	0.23 422	0.16 292	0.17 446	0.20 415	0.16 413	0.10 315	0.12 295	0.13 403	0.06 168	0.06 430	0.08 406	0.06 293	0.05 170	0.05 208

qqq	0.13 405	0.09 441	0.15 442	0.16 222	0.08 221	0.13 366	0.15 334	0.23 422	0.16 292	0.15 398	0.19 403	0.16 413	0.16 497	0.15 413	0.16 494	0.07 343	0.06 430	0.08 406	0.08 467	0.07 382	0.07 401

x	0.13 405	0.07 239	0.14 393	0.14 70	0.08 221	0.18 504	0.14 246	0.22 399	0.20 398	0.15 398	0.19 403	0.19 464	0.17 520	0.18 505	0.18 527	0.07 343	0.05 276	0.06 200	0.06 293	0.07 382	0.07 401

raft_robust	0.13 405	0.10 504	0.07 11	0.18 402	0.08 221	0.13 366	0.24 616	0.28 524	0.33 557	0.20 516	0.19 403	0.14 369	0.10 315	0.11 199	0.12 356	0.05 51	0.05 276	0.07 312	0.07 393	0.05 170	0.04 73

RAFT+CT+SA	0.13 405	0.11 531	0.09 124	0.19 472	0.09 356	0.15 430	0.28 653	0.22 399	0.22 428	0.15 398	0.26 518	0.10 260	0.10 315	0.11 199	0.12 356	0.05 51	0.04 25	0.07 312	0.08 467	0.07 382	0.06 311

SA-5K	0.13 405	0.08 358	0.08 57	0.19 472	0.08 221	0.18 504	0.29 663	0.23 422	0.16 292	0.17 446	0.20 415	0.16 413	0.10 315	0.12 295	0.13 403	0.06 168	0.06 430	0.08 406	0.06 293	0.05 170	0.05 208

GwcNet-ADL	0.13 405	0.08 358	0.14 393	0.20 539	0.09 356	0.11 256	0.20 560	0.30 552	0.24 457	0.13 344	0.14 306	0.18 449	0.14 451	0.13 352	0.14 446	0.07 343	0.05 276	0.06 200	0.05 192	0.07 382	0.06 311

GANet-ADL	0.13 405	0.07 239	0.15 442	0.17 309	0.10 470	0.18 504	0.15 334	0.30 552	0.20 398	0.13 344	0.18 392	0.19 464	0.12 385	0.16 448	0.13 403	0.08 426	0.06 430	0.06 200	0.05 192	0.07 382	0.08 472

RAFT	0.13 405	0.09 441	0.11 253	0.18 402	0.08 221	0.15 430	0.24 616	0.20 346	0.19 374	0.21 531	0.21 439	0.17 435	0.12 385	0.16 448	0.09 104	0.06 168	0.07 503	0.10 541	0.09 514	0.05 170	0.05 208

TestStereo	0.13 405	0.14 589	0.11 253	0.23 614	0.08 221	0.15 430	0.21 581	0.20 346	0.23 440	0.14 371	0.24 473	0.16 413	0.12 385	0.16 448	0.14 446	0.05 51	0.06 430	0.08 406	0.06 293	0.09 516	0.05 208

sAnonymous2	0.13 405	0.12 549	0.24 586	0.20 539	0.12 555	0.17 485	0.13 179	0.26 483	0.21 414	0.11 267	0.11 249	0.13 346	0.08 229	0.10 124	0.10 208	0.09 488	0.05 276	0.08 406	0.06 293	0.15 637	0.10 549

CroCo_RVC	0.13 405	0.12 549	0.24 586	0.20 539	0.12 555	0.17 485	0.13 179	0.26 483	0.21 414	0.11 267	0.11 249	0.13 346	0.08 229	0.10 124	0.10 208	0.09 488	0.05 276	0.08 406	0.06 293	0.15 637	0.10 549

RAFT + AFF	0.13 405	0.07 239	0.20 557	0.20 539	0.10 470	0.14 403	0.24 616	0.26 483	0.20 398	0.11 267	0.10 197	0.12 313	0.10 315	0.15 413	0.12 356	0.07 343	0.06 430	0.09 492	0.08 467	0.06 294	0.08 472

GMStereo	0.13 405	0.14 589	0.14 393	0.18 402	0.09 356	0.15 430	0.16 405	0.20 346	0.24 457	0.16 427	0.17 364	0.10 260	0.10 315	0.16 448	0.13 403	0.07 343	0.06 430	0.06 200	0.06 293	0.07 382	0.06 311
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 405	0.07 239	0.14 393	0.17 309	0.09 356	0.15 430	0.16 405	0.28 524	0.27 503	0.14 371	0.17 364	0.12 313	0.13 427	0.14 386	0.11 291	0.08 426	0.05 276	0.07 312	0.07 393	0.07 382	0.06 311

FENet	0.13 405	0.08 358	0.12 301	0.16 222	0.08 221	0.14 403	0.15 334	0.22 399	0.23 440	0.17 446	0.23 460	0.16 413	0.12 385	0.14 386	0.15 478	0.08 426	0.05 276	0.08 406	0.08 467	0.07 382	0.07 401

cf-r	0.13 405	0.07 239	0.12 301	0.16 222	0.08 221	0.14 403	0.19 536	0.20 346	0.25 479	0.17 446	0.25 501	0.21 485	0.16 497	0.14 386	0.14 446	0.10 532	0.05 276	0.06 200	0.08 467	0.06 294	0.06 311

iResNet	0.13 405	0.10 504	0.18 533	0.19 472	0.08 221	0.13 366	0.18 496	0.20 346	0.26 493	0.15 398	0.23 460	0.15 398	0.13 427	0.14 386	0.14 446	0.06 168	0.04 25	0.06 200	0.05 192	0.06 294	0.05 208

DN-CSS_ROB	0.13 405	0.13 577	0.16 478	0.18 402	0.10 470	0.16 462	0.08 7	0.22 399	0.18 355	0.17 446	0.22 451	0.13 346	0.13 427	0.12 295	0.13 403	0.05 51	0.05 276	0.10 541	0.10 556	0.08 451	0.06 311

Selective-IGEV-i16pb	0.14 442	0.08 358	0.17 509	0.15 124	0.11 521	0.41 668	0.16 405	0.28 524	0.23 440	0.11 267	0.20 415	0.10 260	0.07 180	0.17 482	0.12 356	0.10 532	0.07 503	0.06 200	0.08 467	0.09 516	0.10 549

G2L-Stereo_test	0.14 442	0.07 239	0.11 253	0.13 22	0.08 221	0.12 310	0.16 405	0.30 552	0.28 518	0.20 516	0.23 460	0.20 476	0.16 497	0.17 482	0.18 527	0.07 343	0.05 276	0.05 50	0.05 192	0.07 382	0.06 311

coex_refinement	0.14 442	0.07 239	0.12 301	0.17 309	0.10 470	0.15 430	0.15 334	0.26 483	0.29 525	0.18 476	0.20 415	0.22 503	0.17 520	0.16 448	0.18 527	0.08 426	0.05 276	0.06 200	0.06 293	0.09 516	0.08 472

G2L-Stereo	0.14 442	0.07 239	0.13 354	0.17 309	0.09 356	0.13 366	0.12 100	0.27 504	0.22 428	0.16 427	0.27 527	0.21 485	0.13 427	0.17 482	0.18 527	0.09 488	0.08 535	0.08 406	0.07 393	0.07 382	0.07 401

rvit_0105_6	0.14 442	0.09 441	0.18 533	0.17 309	0.10 470	0.10 202	0.16 405	0.19 334	0.26 493	0.12 310	0.18 392	0.17 435	0.12 385	0.18 505	0.12 356	0.15 633	0.11 603	0.12 592	0.10 556	0.09 516	0.06 311

rvit_0105_5	0.14 442	0.09 441	0.13 354	0.17 309	0.09 356	0.14 403	0.23 602	0.24 446	0.27 503	0.14 371	0.15 327	0.18 449	0.12 385	0.17 482	0.14 446	0.14 629	0.11 603	0.10 541	0.10 556	0.08 451	0.06 311

rvit_0105_4	0.14 442	0.09 441	0.17 509	0.17 309	0.10 470	0.12 310	0.19 536	0.23 422	0.27 503	0.14 371	0.20 415	0.17 435	0.13 427	0.17 482	0.13 403	0.15 633	0.11 603	0.11 572	0.10 556	0.09 516	0.06 311

DCVSM-stereo	0.14 442	0.09 441	0.16 478	0.16 222	0.10 470	0.15 430	0.09 20	0.19 334	0.23 440	0.20 516	0.23 460	0.26 551	0.15 469	0.18 505	0.14 446	0.09 488	0.07 503	0.09 492	0.08 467	0.10 549	0.12 589

test_sample6	0.14 442	0.08 358	0.13 354	0.16 222	0.08 221	0.17 485	0.19 536	0.25 465	0.17 322	0.17 446	0.27 527	0.19 464	0.14 451	0.15 413	0.13 403	0.08 426	0.05 276	0.08 406	0.07 393	0.08 451	0.08 472

test_sample5	0.14 442	0.08 358	0.14 393	0.16 222	0.08 221	0.18 504	0.18 496	0.25 465	0.17 322	0.17 446	0.27 527	0.18 449	0.14 451	0.16 448	0.13 403	0.08 426	0.05 276	0.08 406	0.07 393	0.08 451	0.08 472

test_sample4	0.14 442	0.08 358	0.14 393	0.15 124	0.08 221	0.19 529	0.18 496	0.26 483	0.17 322	0.16 427	0.25 501	0.18 449	0.14 451	0.16 448	0.13 403	0.08 426	0.06 430	0.08 406	0.06 293	0.08 451	0.08 472

test_sample3	0.14 442	0.08 358	0.15 442	0.14 70	0.09 356	0.19 529	0.17 447	0.26 483	0.18 355	0.16 427	0.22 451	0.19 464	0.15 469	0.17 482	0.13 403	0.08 426	0.06 430	0.07 312	0.06 293	0.09 516	0.08 472

DispNO	0.14 442	0.08 358	0.17 509	0.19 472	0.12 555	0.11 256	0.21 581	0.23 422	0.29 525	0.17 446	0.23 460	0.18 449	0.17 520	0.15 413	0.15 478	0.07 343	0.05 276	0.08 406	0.08 467	0.07 382	0.06 311

SMFormer	0.14 442	0.07 239	0.17 509	0.14 70	0.08 221	0.16 462	0.17 447	0.26 483	0.27 503	0.19 493	0.20 415	0.18 449	0.15 469	0.15 413	0.17 509	0.08 426	0.05 276	0.07 312	0.06 293	0.07 382	0.06 311

tta	0.14 442	0.07 239	0.17 509	0.14 70	0.08 221	0.16 462	0.17 447	0.26 483	0.27 503	0.19 493	0.20 415	0.18 449	0.15 469	0.15 413	0.17 509	0.08 426	0.05 276	0.07 312	0.06 293	0.06 294	0.06 311

mmm	0.14 442	0.08 358	0.17 509	0.17 309	0.09 356	0.17 485	0.18 496	0.21 373	0.15 252	0.15 398	0.23 460	0.21 485	0.16 497	0.16 448	0.17 509	0.08 426	0.05 276	0.08 406	0.07 393	0.07 382	0.07 401

DualNet	0.14 442	0.08 358	0.14 393	0.16 222	0.08 221	0.18 504	0.18 496	0.25 465	0.17 322	0.17 446	0.27 527	0.18 449	0.14 451	0.16 448	0.13 403	0.08 426	0.05 276	0.08 406	0.07 393	0.08 451	0.08 472

mmx	0.14 442	0.09 441	0.14 393	0.16 222	0.08 221	0.17 485	0.17 447	0.27 504	0.25 479	0.15 398	0.25 501	0.19 464	0.13 427	0.14 386	0.20 546	0.08 426	0.06 430	0.09 492	0.08 467	0.08 451	0.08 472

xxx	0.14 442	0.09 441	0.14 393	0.16 222	0.08 221	0.17 485	0.17 447	0.27 504	0.25 479	0.15 398	0.25 501	0.19 464	0.13 427	0.14 386	0.20 546	0.08 426	0.06 430	0.09 492	0.08 467	0.08 451	0.08 472

PCWNet_CMD	0.14 442	0.08 358	0.15 442	0.17 309	0.09 356	0.14 403	0.14 246	0.29 538	0.36 582	0.14 371	0.20 415	0.21 485	0.12 385	0.17 482	0.13 403	0.07 343	0.05 276	0.07 312	0.07 393	0.07 382	0.07 401

CBFPSM	0.14 442	0.06 117	0.26 594	0.17 309	0.09 356	0.13 366	0.15 334	0.22 399	0.23 440	0.20 516	0.27 527	0.24 527	0.16 497	0.16 448	0.18 527	0.06 168	0.06 430	0.06 200	0.07 393	0.07 382	0.07 401

gwcnet-sp	0.14 442	0.07 239	0.12 301	0.18 402	0.09 356	0.16 462	0.17 447	0.24 446	0.24 457	0.18 476	0.24 473	0.15 398	0.16 497	0.15 413	0.15 478	0.08 426	0.06 430	0.07 312	0.08 467	0.08 451	0.07 401

scenet	0.14 442	0.07 239	0.12 301	0.18 402	0.09 356	0.16 462	0.17 447	0.24 446	0.24 457	0.18 476	0.24 473	0.15 398	0.16 497	0.15 413	0.15 478	0.08 426	0.06 430	0.07 312	0.08 467	0.08 451	0.07 401

ssnet	0.14 442	0.07 239	0.12 301	0.18 402	0.09 356	0.16 462	0.17 447	0.24 446	0.24 457	0.18 476	0.24 473	0.15 398	0.16 497	0.15 413	0.15 478	0.08 426	0.06 430	0.07 312	0.08 467	0.08 451	0.07 401

BUS	0.14 442	0.09 441	0.14 393	0.22 590	0.10 470	0.19 529	0.14 246	0.34 604	0.19 374	0.17 446	0.22 451	0.16 413	0.13 427	0.15 413	0.13 403	0.08 426	0.06 430	0.10 541	0.09 514	0.07 382	0.07 401

IER	0.14 442	0.07 239	0.13 354	0.17 309	0.09 356	0.14 403	0.16 405	0.25 465	0.26 493	0.18 476	0.25 501	0.17 435	0.20 563	0.16 448	0.14 446	0.08 426	0.05 276	0.07 312	0.06 293	0.08 451	0.07 401

test_5	0.14 442	0.12 549	0.08 57	0.20 539	0.10 470	0.14 403	0.29 663	0.21 373	0.24 457	0.18 476	0.28 541	0.11 291	0.15 469	0.12 295	0.13 403	0.06 168	0.05 276	0.07 312	0.08 467	0.08 451	0.07 401

psmg	0.14 442	0.09 441	0.14 393	0.17 309	0.10 470	0.15 430	0.17 447	0.29 538	0.19 374	0.17 446	0.21 439	0.25 541	0.16 497	0.15 413	0.14 446	0.08 426	0.06 430	0.08 406	0.08 467	0.07 382	0.06 311

UDGNet	0.14 442	0.13 577	0.16 478	0.17 309	0.10 470	0.12 310	0.16 405	0.21 373	0.27 503	0.20 516	0.20 415	0.16 413	0.13 427	0.16 448	0.13 403	0.10 532	0.06 430	0.09 492	0.07 393	0.06 294	0.07 401

CFNet_pseudo	0.14 442	0.08 358	0.15 442	0.16 222	0.09 356	0.13 366	0.14 246	0.27 504	0.34 569	0.14 371	0.21 439	0.22 503	0.13 427	0.18 505	0.14 446	0.07 343	0.05 276	0.08 406	0.06 293	0.07 382	0.07 401

GES	0.14 442	0.08 358	0.16 478	0.15 124	0.10 470	0.13 366	0.13 179	0.28 524	0.25 479	0.16 427	0.23 460	0.18 449	0.13 427	0.16 448	0.13 403	0.08 426	0.07 503	0.07 312	0.06 293	0.08 451	0.09 518

GANet-RSSM	0.14 442	0.07 239	0.13 354	0.13 22	0.08 221	0.14 403	0.17 447	0.22 399	0.21 414	0.17 446	0.24 473	0.23 521	0.15 469	0.16 448	0.15 478	0.10 532	0.06 430	0.07 312	0.08 467	0.08 451	0.07 401

PSMNet-RSSM	0.14 442	0.07 239	0.13 354	0.15 124	0.08 221	0.13 366	0.16 405	0.24 446	0.24 457	0.16 427	0.28 541	0.22 503	0.14 451	0.15 413	0.13 403	0.11 564	0.06 430	0.09 492	0.12 611	0.08 451	0.07 401

GwcNet-RSSM	0.14 442	0.07 239	0.12 301	0.15 124	0.08 221	0.15 430	0.20 560	0.21 373	0.27 503	0.18 476	0.27 527	0.22 503	0.16 497	0.14 386	0.15 478	0.10 532	0.05 276	0.07 312	0.09 514	0.07 382	0.07 401

CFNet-ft	0.14 442	0.07 239	0.15 442	0.12 7	0.09 356	0.16 462	0.18 496	0.22 399	0.24 457	0.17 446	0.26 518	0.24 527	0.14 451	0.16 448	0.14 446	0.11 564	0.06 430	0.08 406	0.09 514	0.09 516	0.08 472

CCAANet	0.14 442	0.06 117	0.14 393	0.17 309	0.09 356	0.16 462	0.13 179	0.30 552	0.24 457	0.16 427	0.32 573	0.18 449	0.17 520	0.17 482	0.14 446	0.06 168	0.05 276	0.09 492	0.09 514	0.06 294	0.09 518

DMCA	0.14 442	0.09 441	0.16 478	0.19 472	0.09 356	0.15 430	0.17 447	0.23 422	0.27 503	0.14 371	0.19 403	0.17 435	0.18 535	0.15 413	0.17 509	0.10 532	0.06 430	0.08 406	0.06 293	0.09 516	0.10 549

RASNet	0.14 442	0.07 239	0.14 393	0.16 222	0.08 221	0.18 504	0.14 246	0.29 538	0.20 398	0.17 446	0.25 501	0.21 485	0.18 535	0.20 545	0.19 540	0.07 343	0.06 430	0.06 200	0.08 467	0.06 294	0.06 311

MSMDNet	0.14 442	0.08 358	0.15 442	0.17 309	0.09 356	0.14 403	0.14 246	0.29 538	0.36 582	0.14 371	0.21 439	0.21 485	0.12 385	0.17 482	0.14 446	0.07 343	0.05 276	0.07 312	0.07 393	0.07 382	0.07 401

HSM-Net_RVC	0.14 442	0.08 358	0.11 253	0.15 124	0.08 221	0.15 430	0.15 334	0.27 504	0.29 525	0.19 493	0.21 439	0.29 578	0.14 451	0.17 482	0.13 403	0.06 168	0.06 430	0.06 200	0.06 293	0.07 382	0.06 311
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 442	0.07 239	0.15 442	0.12 7	0.09 356	0.16 462	0.18 496	0.22 399	0.24 457	0.17 446	0.26 518	0.24 527	0.14 451	0.16 448	0.14 446	0.11 564	0.06 430	0.08 406	0.09 514	0.09 516	0.08 472

ccs_rob	0.14 442	0.08 358	0.15 442	0.16 222	0.09 356	0.12 310	0.14 246	0.27 504	0.34 569	0.14 371	0.21 439	0.22 503	0.13 427	0.18 505	0.14 446	0.07 343	0.05 276	0.08 406	0.07 393	0.07 382	0.07 401

UCFNet_RVC	0.14 442	0.08 358	0.13 354	0.11 1	0.10 470	0.20 545	0.10 35	0.24 446	0.22 428	0.17 446	0.20 415	0.23 521	0.15 469	0.17 482	0.15 478	0.12 589	0.07 503	0.10 541	0.13 622	0.11 572	0.10 549

iResNetv2_ROB	0.14 442	0.08 358	0.15 442	0.16 222	0.08 221	0.16 462	0.12 100	0.25 465	0.35 578	0.21 531	0.29 553	0.24 527	0.13 427	0.14 386	0.14 446	0.06 168	0.05 276	0.06 200	0.04 60	0.09 516	0.08 472

iResNet_ROB	0.14 442	0.07 239	0.13 354	0.14 70	0.07 134	0.18 504	0.14 246	0.26 483	0.31 543	0.22 547	0.25 501	0.23 521	0.15 469	0.15 413	0.13 403	0.07 343	0.05 276	0.05 50	0.04 60	0.08 451	0.08 472

DDVS	0.15 487	0.10 504	0.21 567	0.16 222	0.12 555	0.15 430	0.14 246	0.25 465	0.19 374	0.18 476	0.29 553	0.27 559	0.12 385	0.19 520	0.15 478	0.09 488	0.06 430	0.09 492	0.07 393	0.11 572	0.11 576

rvit_0105_3	0.15 487	0.09 441	0.14 393	0.19 472	0.12 555	0.15 430	0.25 631	0.25 465	0.29 525	0.15 398	0.17 364	0.20 476	0.13 427	0.17 482	0.14 446	0.13 615	0.11 603	0.12 592	0.14 626	0.07 382	0.06 311

ACV-stereo	0.15 487	0.10 504	0.28 606	0.18 402	0.12 555	0.14 403	0.12 100	0.23 422	0.21 414	0.19 493	0.23 460	0.22 503	0.15 469	0.23 586	0.17 509	0.07 343	0.06 430	0.07 312	0.07 393	0.07 382	0.07 401

ITSA-stereo	0.15 487	0.10 504	0.14 393	0.19 472	0.08 221	0.12 310	0.14 246	0.30 552	0.49 643	0.17 446	0.19 403	0.22 503	0.15 469	0.17 482	0.16 494	0.10 532	0.06 430	0.08 406	0.08 467	0.08 451	0.08 472

test_sample7	0.15 487	0.10 504	0.16 478	0.14 70	0.11 521	0.16 462	0.16 405	0.27 504	0.23 440	0.20 516	0.20 415	0.24 527	0.19 551	0.16 448	0.16 494	0.12 589	0.06 430	0.10 541	0.09 514	0.10 549	0.10 549

1111x	0.15 487	0.08 358	0.12 301	0.18 402	0.07 134	0.18 504	0.25 631	0.31 564	0.24 457	0.17 446	0.24 473	0.26 551	0.15 469	0.13 352	0.23 587	0.07 343	0.07 503	0.08 406	0.09 514	0.07 382	0.06 311

CFNet_ucs	0.15 487	0.08 358	0.16 478	0.16 222	0.11 521	0.14 403	0.14 246	0.30 552	0.34 569	0.16 427	0.24 473	0.23 521	0.14 451	0.18 505	0.15 478	0.09 488	0.06 430	0.08 406	0.07 393	0.09 516	0.09 518

BSDual-CNN	0.15 487	0.09 441	0.14 393	0.22 590	0.10 470	0.14 403	0.15 334	0.34 604	0.19 374	0.17 446	0.22 451	0.25 541	0.16 497	0.15 413	0.14 446	0.08 426	0.06 430	0.10 541	0.09 514	0.07 382	0.07 401

hknet	0.15 487	0.11 531	0.13 354	0.22 590	0.11 521	0.14 403	0.15 334	0.34 604	0.25 479	0.17 446	0.22 451	0.22 503	0.18 535	0.17 482	0.12 356	0.07 343	0.06 430	0.10 541	0.09 514	0.07 382	0.07 401

dd	0.15 487	0.16 607	0.16 478	0.19 472	0.09 356	0.15 430	0.18 496	0.21 373	0.25 479	0.23 560	0.20 415	0.21 485	0.09 271	0.21 562	0.16 494	0.10 532	0.06 430	0.08 406	0.06 293	0.08 451	0.06 311

DAS	0.15 487	0.08 358	0.18 533	0.19 472	0.10 470	0.19 529	0.17 447	0.27 504	0.29 525	0.18 476	0.25 501	0.21 485	0.15 469	0.16 448	0.12 356	0.08 426	0.06 430	0.06 200	0.06 293	0.07 382	0.07 401

SepStereo	0.15 487	0.08 358	0.18 533	0.19 472	0.10 470	0.19 529	0.17 447	0.27 504	0.29 525	0.18 476	0.25 501	0.21 485	0.15 469	0.25 602	0.12 356	0.08 426	0.06 430	0.06 200	0.06 293	0.07 382	0.07 401

PSMNet-ADL	0.15 487	0.12 549	0.13 354	0.22 590	0.09 356	0.13 366	0.20 560	0.26 483	0.23 440	0.18 476	0.20 415	0.24 527	0.16 497	0.18 505	0.17 509	0.08 426	0.08 535	0.08 406	0.11 590	0.08 451	0.07 401

LMCR-Stereo	0.15 487	0.08 358	0.13 354	0.21 573	0.09 356	0.17 485	0.20 560	0.27 504	0.19 374	0.24 569	0.24 473	0.23 521	0.17 520	0.20 545	0.17 509	0.07 343	0.06 430	0.08 406	0.06 293	0.10 549	0.08 472

ICVP	0.15 487	0.09 441	0.12 301	0.22 590	0.09 356	0.17 485	0.21 581	0.25 465	0.23 440	0.18 476	0.30 560	0.26 551	0.18 535	0.17 482	0.14 446	0.09 488	0.07 503	0.08 406	0.07 393	0.07 382	0.07 401
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 487	0.07 239	0.14 393	0.14 70	0.08 221	0.23 588	0.18 496	0.31 564	0.19 374	0.14 371	0.28 541	0.22 503	0.14 451	0.15 413	0.26 621	0.09 488	0.05 276	0.07 312	0.07 393	0.08 451	0.07 401

test_xeample	0.15 487	0.06 117	0.13 354	0.14 70	0.08 221	0.21 563	0.20 560	0.28 524	0.20 398	0.16 427	0.29 553	0.19 464	0.16 497	0.15 413	0.26 621	0.09 488	0.05 276	0.07 312	0.07 393	0.07 382	0.07 401

ACVNet	0.15 487	0.09 441	0.15 442	0.13 22	0.12 555	0.14 403	0.20 560	0.22 399	0.33 557	0.17 446	0.26 518	0.21 485	0.16 497	0.17 482	0.21 566	0.07 343	0.06 430	0.06 200	0.06 293	0.08 451	0.06 311

acv_ft	0.15 487	0.09 441	0.15 442	0.19 472	0.10 470	0.16 462	0.17 447	0.25 465	0.33 557	0.19 493	0.26 518	0.21 485	0.17 520	0.17 482	0.18 527	0.07 343	0.06 430	0.06 200	0.06 293	0.08 451	0.06 311

CFNet	0.15 487	0.10 504	0.17 509	0.17 309	0.08 221	0.18 504	0.09 20	0.28 524	0.25 479	0.19 493	0.24 473	0.24 527	0.17 520	0.17 482	0.14 446	0.08 426	0.06 430	0.09 492	0.10 556	0.07 382	0.06 311

AdaStereo	0.15 487	0.11 531	0.15 442	0.18 402	0.09 356	0.20 545	0.11 64	0.32 575	0.28 518	0.20 516	0.23 460	0.20 476	0.13 427	0.19 520	0.14 446	0.12 589	0.05 276	0.10 541	0.07 393	0.09 516	0.07 401
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	0.15 487	0.08 358	0.14 393	0.16 222	0.09 356	0.16 462	0.14 246	0.28 524	0.25 479	0.19 493	0.23 460	0.37 632	0.16 497	0.20 545	0.15 478	0.07 343	0.05 276	0.07 312	0.06 293	0.07 382	0.06 311

pmcnn	0.15 487	0.07 239	0.19 545	0.15 124	0.07 134	0.20 545	0.15 334	0.24 446	0.26 493	0.21 531	0.34 590	0.28 569	0.18 535	0.18 505	0.17 509	0.07 343	0.05 276	0.05 50	0.04 60	0.07 382	0.06 311

DStereoRT	0.16 510	0.06 117	0.11 253	0.19 472	0.09 356	0.12 310	0.12 100	0.28 524	0.22 428	0.12 310	0.20 415	0.11 291	0.10 315	0.15 413	0.14 446	0.06 168	0.05 276	0.96 711	0.09 514	0.05 170	0.04 73

DualNet (step1)	0.16 510	0.12 549	0.20 557	0.12 7	0.14 599	0.17 485	0.13 179	0.27 504	0.23 440	0.20 516	0.20 415	0.24 527	0.19 551	0.16 448	0.16 494	0.15 633	0.06 430	0.14 621	0.14 626	0.14 621	0.12 589

GMStereo_Zeroshot	0.16 510	0.13 577	0.24 586	0.20 539	0.10 470	0.17 485	0.13 179	0.29 538	0.25 479	0.23 560	0.32 573	0.25 541	0.11 352	0.19 520	0.14 446	0.09 488	0.06 430	0.11 572	0.06 293	0.12 587	0.08 472

iinet-f	0.16 510	0.06 117	0.45 651	0.14 70	0.10 470	0.21 563	0.14 246	0.27 504	0.23 440	0.21 531	0.24 473	0.21 485	0.15 469	0.18 505	0.21 566	0.09 488	0.07 503	0.07 312	0.06 293	0.09 516	0.10 549

CRFU-Net	0.16 510	0.08 358	0.14 393	0.17 309	0.09 356	0.19 529	0.14 246	0.26 483	0.20 398	0.28 609	0.27 527	0.29 578	0.17 520	0.19 520	0.17 509	0.09 488	0.09 568	0.07 312	0.07 393	0.08 451	0.08 472

NINENet	0.16 510	0.10 504	0.15 442	0.17 309	0.11 521	0.19 529	0.14 246	0.40 648	0.36 582	0.18 476	0.21 439	0.16 413	0.13 427	0.15 413	0.13 403	0.08 426	0.08 535	0.10 541	0.07 393	0.10 549	0.09 518

CSP-Net	0.16 510	0.09 441	0.14 393	0.16 222	0.09 356	0.19 529	0.17 447	0.25 465	0.32 550	0.25 582	0.30 560	0.24 527	0.15 469	0.21 562	0.18 527	0.09 488	0.06 430	0.07 312	0.07 393	0.08 451	0.07 401

AASNet	0.16 510	0.08 358	0.12 301	0.19 472	0.09 356	0.18 504	0.15 334	0.37 632	0.37 589	0.19 493	0.23 460	0.20 476	0.16 497	0.17 482	0.20 546	0.10 532	0.08 535	0.08 406	0.07 393	0.09 516	0.09 518

AACVNet	0.16 510	0.08 358	0.14 393	0.15 124	0.10 470	0.18 504	0.15 334	0.23 422	0.24 457	0.27 594	0.27 527	0.28 569	0.17 520	0.19 520	0.16 494	0.09 488	0.07 503	0.09 492	0.07 393	0.10 549	0.09 518

ADLNet2	0.16 510	0.09 441	0.13 354	0.16 222	0.09 356	0.20 545	0.16 405	0.31 564	0.39 600	0.16 427	0.20 415	0.20 476	0.18 535	0.21 562	0.22 575	0.08 426	0.06 430	0.07 312	0.07 393	0.09 516	0.07 401

Anonymous3	0.16 510	0.13 577	0.33 626	0.26 639	0.14 599	0.27 624	0.17 447	0.28 524	0.28 518	0.15 398	0.17 364	0.14 369	0.10 315	0.15 413	0.12 356	0.08 426	0.08 535	0.08 406	0.08 467	0.08 451	0.11 576

ADLNet	0.16 510	0.08 358	0.15 442	0.16 222	0.10 470	0.16 462	0.17 447	0.32 575	0.27 503	0.22 547	0.27 527	0.24 527	0.16 497	0.18 505	0.21 566	0.10 532	0.06 430	0.10 541	0.10 556	0.08 451	0.09 518

HCRNet	0.16 510	0.24 655	0.12 301	0.35 673	0.11 521	0.15 430	0.17 447	0.26 483	0.22 428	0.19 493	0.24 473	0.21 485	0.14 451	0.15 413	0.13 403	0.11 564	0.07 503	0.11 572	0.10 556	0.09 516	0.07 401

222	0.16 510	0.07 239	0.14 393	0.14 70	0.08 221	0.24 593	0.18 496	0.30 552	0.20 398	0.17 446	0.28 541	0.17 435	0.16 497	0.15 413	0.40 677	0.10 532	0.05 276	0.07 312	0.06 293	0.07 382	0.08 472

UPFNet	0.16 510	0.08 358	0.12 301	0.20 539	0.12 555	0.20 545	0.23 602	0.28 524	0.26 493	0.17 446	0.24 473	0.22 503	0.19 551	0.19 520	0.21 566	0.09 488	0.07 503	0.08 406	0.09 514	0.08 451	0.06 311

ac_64	0.16 510	0.08 358	0.15 442	0.18 402	0.10 470	0.22 572	0.18 496	0.24 446	0.21 414	0.18 476	0.24 473	0.29 578	0.18 535	0.19 520	0.22 575	0.09 488	0.07 503	0.08 406	0.09 514	0.07 382	0.06 311

DSFCA	0.16 510	0.09 441	0.14 393	0.16 222	0.10 470	0.20 545	0.19 536	0.28 524	0.31 543	0.23 560	0.24 473	0.22 503	0.15 469	0.19 520	0.20 546	0.10 532	0.07 503	0.09 492	0.09 514	0.08 451	0.08 472

FADNet-RVC-Resample	0.16 510	0.11 531	0.31 619	0.22 590	0.11 521	0.19 529	0.14 246	0.25 465	0.24 457	0.24 569	0.27 527	0.20 476	0.15 469	0.16 448	0.15 478	0.07 343	0.08 535	0.12 592	0.10 556	0.09 516	0.10 549

FADNet_RVC	0.16 510	0.14 589	0.40 644	0.20 539	0.11 521	0.13 366	0.13 179	0.26 483	0.22 428	0.21 531	0.23 460	0.20 476	0.17 520	0.14 386	0.16 494	0.08 426	0.08 535	0.12 592	0.09 514	0.11 572	0.10 549

AANet_RVC	0.16 510	0.10 504	0.10 190	0.18 402	0.09 356	0.18 504	0.19 536	0.26 483	0.31 543	0.22 547	0.35 594	0.21 485	0.21 567	0.22 575	0.16 494	0.06 168	0.05 276	0.06 200	0.06 293	0.07 382	0.06 311

DeepPruner_ROB	0.16 510	0.11 531	0.15 442	0.17 309	0.10 470	0.17 485	0.15 334	0.32 575	0.21 414	0.19 493	0.21 439	0.22 503	0.18 535	0.20 545	0.15 478	0.13 615	0.09 568	0.09 492	0.09 514	0.11 572	0.10 549

z-ln-s-r	0.17 531	0.10 504	0.40 644	0.19 472	0.08 221	0.17 485	0.18 496	0.22 399	0.33 557	0.18 476	0.40 623	0.22 503	0.17 520	0.20 545	0.23 587	0.07 343	0.05 276	0.07 312	0.07 393	0.07 382	0.05 208

rvit_stereo_0075_2	0.17 531	0.12 549	0.25 591	0.23 614	0.16 630	0.13 366	0.10 35	0.30 552	0.27 503	0.20 516	0.28 541	0.22 503	0.15 469	0.18 505	0.13 403	0.16 649	0.10 590	0.17 645	0.10 556	0.10 549	0.09 518

ToySt	0.17 531	0.11 531	0.18 533	0.17 309	0.11 521	0.16 462	0.25 631	0.24 446	0.33 557	0.19 493	0.24 473	0.26 551	0.24 590	0.19 520	0.20 546	0.07 343	0.08 535	0.09 492	0.10 556	0.09 516	0.08 472

ssnet_v2	0.17 531	0.10 504	0.17 509	0.17 309	0.11 521	0.21 563	0.21 581	0.33 595	0.25 479	0.22 547	0.22 451	0.27 559	0.18 535	0.22 575	0.20 546	0.11 564	0.09 568	0.09 492	0.09 514	0.08 451	0.08 472

dad	0.17 531	0.20 639	0.20 557	0.16 222	0.11 521	0.20 545	0.18 496	0.21 373	0.28 518	0.30 623	0.24 473	0.29 578	0.13 427	0.19 520	0.16 494	0.18 655	0.09 568	0.11 572	0.09 514	0.11 572	0.07 401

GEStereo_RVC	0.17 531	0.12 549	0.15 442	0.22 590	0.11 521	0.19 529	0.17 447	0.32 575	0.48 636	0.20 516	0.25 501	0.17 435	0.13 427	0.21 562	0.16 494	0.10 532	0.06 430	0.08 406	0.07 393	0.09 516	0.08 472

MMNet	0.17 531	0.09 441	0.16 478	0.20 539	0.11 521	0.27 624	0.20 560	0.25 465	0.41 609	0.22 547	0.30 560	0.21 485	0.20 563	0.17 482	0.20 546	0.06 168	0.06 430	0.07 312	0.07 393	0.08 451	0.07 401

delet	0.17 531	0.08 358	0.17 509	0.19 472	0.11 521	0.20 545	0.21 581	0.30 552	0.37 589	0.17 446	0.26 518	0.19 464	0.19 551	0.19 520	0.21 566	0.08 426	0.08 535	0.09 492	0.11 590	0.06 294	0.06 311

UNet	0.17 531	0.09 441	0.18 533	0.19 472	0.12 555	0.27 624	0.19 536	0.33 595	0.29 525	0.21 531	0.24 473	0.23 521	0.19 551	0.19 520	0.18 527	0.07 343	0.06 430	0.08 406	0.07 393	0.08 451	0.06 311

HGLStereo	0.17 531	0.08 358	0.19 545	0.17 309	0.12 555	0.18 504	0.18 496	0.31 564	0.32 550	0.21 531	0.32 573	0.25 541	0.18 535	0.19 520	0.20 546	0.09 488	0.09 568	0.07 312	0.07 393	0.09 516	0.10 549

DMCA-RVC	0.17 531	0.10 504	0.15 442	0.24 623	0.11 521	0.18 504	0.18 496	0.25 465	0.24 457	0.21 531	0.26 518	0.25 541	0.27 613	0.18 505	0.20 546	0.12 589	0.08 535	0.13 607	0.10 556	0.10 549	0.08 472

TDLM	0.17 531	0.12 549	0.13 354	0.24 623	0.10 470	0.18 504	0.18 496	0.36 626	0.30 535	0.21 531	0.28 541	0.28 569	0.18 535	0.23 586	0.18 527	0.11 564	0.07 503	0.10 541	0.10 556	0.08 451	0.08 472

NLCA_NET_v2_RVC	0.17 531	0.10 504	0.22 573	0.20 539	0.10 470	0.15 430	0.18 496	0.31 564	0.25 479	0.21 531	0.30 560	0.25 541	0.17 520	0.21 562	0.20 546	0.09 488	0.06 430	0.08 406	0.08 467	0.07 382	0.08 472
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	0.17 531	0.12 549	0.15 442	0.20 539	0.09 356	0.18 504	0.18 496	0.26 483	0.23 440	0.26 588	0.40 623	0.22 503	0.17 520	0.21 562	0.20 546	0.08 426	0.05 276	0.09 492	0.10 556	0.07 382	0.07 401
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 545	0.08 358	0.19 545	0.19 472	0.13 578	0.15 430	0.12 100	0.30 552	0.32 550	0.21 531	0.25 501	0.27 559	0.17 520	0.17 482	0.20 546	0.20 664	0.08 535	0.14 621	0.14 626	0.14 621	0.17 656

test_sample9	0.18 545	0.12 549	0.20 557	0.12 7	0.14 599	0.17 485	0.13 179	0.27 504	0.23 440	0.20 516	0.20 415	0.24 527	0.19 551	0.19 520	0.17 509	0.15 633	0.30 686	0.14 621	0.14 626	0.14 621	0.12 589

fast-acv-ft	0.18 545	0.11 531	0.19 545	0.19 472	0.12 555	0.24 593	0.21 581	0.25 465	0.34 569	0.22 547	0.34 590	0.27 559	0.20 563	0.21 562	0.23 587	0.09 488	0.09 568	0.08 406	0.10 556	0.08 451	0.07 401

HBP-ISP	0.18 545	0.13 577	0.16 478	0.15 124	0.11 521	0.08 85	0.13 179	0.28 524	0.29 525	0.22 547	0.33 586	0.21 485	0.25 599	0.23 586	0.17 509	0.14 629	0.16 654	0.21 659	0.17 655	0.10 549	0.08 472

Wz-Net-LNSev-Ref	0.18 545	0.09 441	0.29 614	0.15 124	0.10 470	0.22 572	0.20 560	0.26 483	0.39 600	0.25 582	0.42 640	0.24 527	0.15 469	0.20 545	0.19 540	0.07 343	0.05 276	0.06 200	0.05 192	0.10 549	0.09 518

SACVNet	0.18 545	0.12 549	0.14 393	0.17 309	0.13 578	0.22 572	0.18 496	0.31 564	0.30 535	0.23 560	0.31 569	0.30 588	0.22 576	0.22 575	0.17 509	0.11 564	0.08 535	0.10 541	0.10 556	0.12 587	0.14 629

psm_up	0.18 545	0.10 504	0.18 533	0.20 539	0.11 521	0.17 485	0.19 536	0.37 632	0.34 569	0.21 531	0.28 541	0.29 578	0.24 590	0.20 545	0.22 575	0.09 488	0.10 590	0.11 572	0.11 590	0.08 451	0.08 472

hitnet-ft	0.18 545	0.09 441	0.17 509	0.14 70	0.09 356	0.26 614	0.20 560	0.25 465	0.26 493	0.24 569	0.32 573	0.31 601	0.22 576	0.24 596	0.21 566	0.12 589	0.07 503	0.10 541	0.08 467	0.12 587	0.11 576

STTStereo	0.18 545	0.12 549	0.27 601	0.20 539	0.11 521	0.16 462	0.21 581	0.29 538	0.23 440	0.21 531	0.30 560	0.29 578	0.18 535	0.20 545	0.19 540	0.12 589	0.11 603	0.11 572	0.14 626	0.09 516	0.08 472

CVANet_RVC	0.18 545	0.10 504	0.14 393	0.21 573	0.10 470	0.18 504	0.17 447	0.34 604	0.33 557	0.22 547	0.31 569	0.28 569	0.18 535	0.23 586	0.17 509	0.12 589	0.08 535	0.12 592	0.11 590	0.09 516	0.07 401

StereoDRNet	0.18 545	0.11 531	0.17 509	0.22 590	0.11 521	0.21 563	0.22 591	0.37 632	0.33 557	0.24 569	0.28 541	0.30 588	0.19 551	0.20 545	0.20 546	0.09 488	0.08 535	0.11 572	0.09 514	0.09 516	0.07 401

DLCB_ROB	0.18 545	0.10 504	0.15 442	0.23 614	0.11 521	0.24 593	0.18 496	0.29 538	0.28 518	0.27 594	0.28 541	0.28 569	0.24 590	0.19 520	0.20 546	0.08 426	0.08 535	0.09 492	0.09 514	0.07 382	0.07 401

TCMNet	0.19 557	0.12 549	0.19 545	0.20 539	0.18 652	0.20 545	0.24 616	0.27 504	0.36 582	0.23 560	0.26 518	0.25 541	0.19 551	0.19 520	0.23 587	0.13 615	0.11 603	0.11 572	0.12 611	0.13 607	0.12 589

rvit_105_1	0.19 557	0.11 531	0.25 591	0.21 573	0.16 630	0.21 563	0.27 647	0.31 564	0.41 609	0.19 493	0.20 415	0.22 503	0.17 520	0.19 520	0.17 509	0.12 589	0.12 619	0.13 607	0.15 643	0.08 451	0.07 401

test_sample8	0.19 557	0.12 549	0.20 557	0.12 7	0.14 599	0.17 485	0.13 179	0.31 564	0.21 414	0.27 594	0.22 451	0.36 627	0.25 599	0.19 520	0.17 509	0.15 633	0.30 686	0.14 621	0.14 626	0.14 621	0.12 589

SDNR	0.19 557	0.08 358	0.19 545	0.16 222	0.12 555	0.77 699	0.14 246	0.25 465	0.32 550	0.19 493	0.24 473	0.19 464	0.13 427	0.19 520	0.15 478	0.16 649	0.18 661	0.14 621	0.11 590	0.08 451	0.11 576

pcwnet_v2	0.19 557	0.10 504	0.26 594	0.17 309	0.14 599	0.18 504	0.15 334	0.37 632	0.46 634	0.19 493	0.24 473	0.21 485	0.19 551	0.20 545	0.19 540	0.13 615	0.10 590	0.10 541	0.10 556	0.11 572	0.13 612

ADCRef	0.19 557	0.12 549	0.41 647	0.20 539	0.12 555	0.22 572	0.18 496	0.32 575	0.36 582	0.26 588	0.32 573	0.17 435	0.23 584	0.24 596	0.24 600	0.07 343	0.06 430	0.09 492	0.09 514	0.08 451	0.08 472

NVstereo2D	0.19 557	0.10 504	0.15 442	0.17 309	0.15 619	0.28 631	0.23 602	0.44 665	0.42 617	0.15 398	0.27 527	0.25 541	0.19 551	0.22 575	0.17 509	0.09 488	0.06 430	0.10 541	0.08 467	0.15 637	0.09 518

DRN-Test	0.19 557	0.11 531	0.20 557	0.22 590	0.10 470	0.22 572	0.22 591	0.39 644	0.37 589	0.24 569	0.32 573	0.26 551	0.21 567	0.22 575	0.24 600	0.11 564	0.07 503	0.11 572	0.10 556	0.09 516	0.07 401

DISCO	0.19 557	0.09 441	0.22 573	0.17 309	0.10 470	0.25 604	0.18 496	0.27 504	0.44 627	0.22 547	0.31 569	0.33 614	0.26 605	0.28 619	0.28 637	0.08 426	0.06 430	0.07 312	0.07 393	0.09 516	0.09 518

CBMV_ROB	0.19 557	0.13 577	0.17 509	0.16 222	0.11 521	0.15 430	0.13 179	0.26 483	0.28 518	0.27 594	0.30 560	0.27 559	0.24 590	0.23 586	0.16 494	0.15 633	0.17 659	0.22 663	0.20 661	0.10 549	0.11 576

NOSS_ROB	0.19 557	0.12 549	0.18 533	0.16 222	0.12 555	0.15 430	0.12 100	0.30 552	0.32 550	0.20 516	0.22 451	0.27 559	0.23 584	0.21 562	0.16 494	0.16 649	0.18 661	0.23 664	0.21 663	0.12 587	0.13 612

CBMV	0.19 557	0.14 589	0.17 509	0.18 402	0.10 470	0.20 545	0.11 64	0.29 538	0.30 535	0.29 618	0.30 560	0.30 588	0.23 584	0.27 607	0.19 540	0.13 615	0.15 650	0.17 645	0.16 648	0.10 549	0.10 549
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PStereo	0.20 569	0.22 649	0.20 557	0.17 309	0.10 470	0.13 366	0.20 560	0.27 504	0.38 596	0.20 516	0.14 306	0.28 569	0.31 640	0.24 596	0.31 655	0.18 655	0.13 634	0.15 634	0.11 590	0.12 587	0.12 589

w-ln-seven-2	0.20 569	0.14 589	0.37 639	0.22 590	0.12 555	0.20 545	0.21 581	0.28 524	0.37 589	0.25 582	0.37 603	0.27 559	0.22 576	0.21 562	0.23 587	0.08 426	0.08 535	0.09 492	0.09 514	0.10 549	0.09 518

YMNet	0.20 569	0.12 549	0.19 545	0.20 539	0.14 599	0.26 614	0.23 602	0.32 575	0.34 569	0.27 594	0.34 590	0.30 588	0.18 535	0.18 505	0.22 575	0.10 532	0.13 634	0.10 541	0.10 556	0.08 451	0.09 518

YMNet_1	0.20 569	0.12 549	0.19 545	0.20 539	0.14 599	0.26 614	0.23 602	0.32 575	0.34 569	0.27 594	0.34 590	0.30 588	0.18 535	0.18 505	0.22 575	0.10 532	0.13 634	0.10 541	0.10 556	0.08 451	0.09 518

GwcNet	0.20 569	0.13 577	0.19 545	0.18 402	0.12 555	0.24 593	0.19 536	0.35 619	0.43 622	0.20 516	0.32 573	0.33 614	0.20 563	0.22 575	0.24 600	0.11 564	0.09 568	0.09 492	0.09 514	0.09 516	0.10 549

FAT-Stereo	0.20 569	0.12 549	0.22 573	0.21 573	0.12 555	0.17 485	0.18 496	0.34 604	0.39 600	0.27 594	0.37 603	0.34 621	0.32 645	0.21 562	0.20 546	0.09 488	0.11 603	0.10 541	0.09 514	0.11 572	0.14 629

FADNet-RVC	0.20 569	0.20 639	0.38 641	0.21 573	0.16 630	0.20 545	0.15 334	0.26 483	0.26 493	0.26 588	0.32 573	0.26 551	0.21 567	0.22 575	0.19 540	0.12 589	0.13 634	0.12 592	0.14 626	0.13 607	0.18 659

S-Stereo	0.20 569	0.12 549	0.25 591	0.21 573	0.13 578	0.20 545	0.18 496	0.32 575	0.43 622	0.23 560	0.36 597	0.28 569	0.30 636	0.19 520	0.22 575	0.09 488	0.12 619	0.10 541	0.10 556	0.13 607	0.13 612

SuperB	0.20 569	0.10 504	0.56 667	0.16 222	0.09 356	0.18 504	0.18 496	0.24 446	0.50 646	0.26 588	0.39 617	0.17 435	0.21 567	0.22 575	0.21 566	0.08 426	0.06 430	0.06 200	0.06 293	0.12 587	0.10 549

ADCP+	0.20 569	0.10 504	0.33 626	0.20 539	0.12 555	0.22 572	0.26 640	0.31 564	0.34 569	0.26 588	0.37 603	0.22 503	0.22 576	0.27 607	0.27 629	0.09 488	0.06 430	0.08 406	0.08 467	0.09 516	0.10 549

PS-NSSS	0.20 569	0.21 645	0.23 582	0.20 539	0.10 470	0.19 529	0.17 447	0.36 626	0.25 479	0.27 594	0.33 586	0.27 559	0.24 590	0.20 545	0.20 546	0.15 633	0.12 619	0.17 645	0.14 626	0.10 549	0.08 472

PWCDC_ROB	0.20 569	0.13 577	0.22 573	0.24 623	0.11 521	0.19 529	0.15 334	0.33 595	0.54 656	0.29 618	0.50 656	0.21 485	0.15 469	0.27 607	0.20 546	0.11 564	0.09 568	0.10 541	0.08 467	0.11 572	0.09 518

SGM-Forest	0.20 569	0.14 589	0.18 533	0.19 472	0.13 578	0.20 545	0.22 591	0.33 595	0.30 535	0.24 569	0.29 553	0.28 569	0.19 551	0.23 586	0.17 509	0.15 633	0.16 654	0.15 634	0.14 626	0.12 587	0.12 589
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 582	0.17 618	0.19 545	0.23 614	0.15 619	0.30 638	0.20 560	0.33 595	0.35 578	0.23 560	0.28 541	0.31 601	0.27 613	0.20 545	0.22 575	0.15 633	0.12 619	0.13 607	0.09 514	0.14 621	0.14 629

FINET	0.21 582	0.18 629	0.26 594	0.18 402	0.16 630	0.23 588	0.23 602	0.32 575	0.48 636	0.25 582	0.32 573	0.22 503	0.22 576	0.22 575	0.17 509	0.18 655	0.16 654	0.11 572	0.10 556	0.15 637	0.13 612

Syn2CoEx	0.21 582	0.16 607	0.27 601	0.29 664	0.14 599	0.26 614	0.20 560	0.33 595	0.31 543	0.28 609	0.36 597	0.27 559	0.25 599	0.19 520	0.24 600	0.16 649	0.12 619	0.14 621	0.11 590	0.09 516	0.08 472

FADNet	0.21 582	0.22 649	0.36 635	0.18 402	0.17 645	0.24 593	0.13 179	0.31 564	0.31 543	0.23 560	0.25 501	0.27 559	0.21 567	0.19 520	0.15 478	0.13 615	0.15 650	0.12 592	0.15 643	0.16 646	0.18 659

RP	0.21 582	0.13 577	0.21 567	0.23 614	0.11 521	0.21 563	0.20 560	0.25 465	0.44 627	0.21 531	0.38 609	0.36 627	0.24 590	0.27 607	0.25 610	0.11 564	0.12 619	0.13 607	0.12 611	0.12 587	0.14 629

DANet	0.21 582	0.15 599	0.28 606	0.25 634	0.13 578	0.22 572	0.19 536	0.27 504	0.27 503	0.28 609	0.32 573	0.35 625	0.31 640	0.31 629	0.23 587	0.11 564	0.09 568	0.11 572	0.10 556	0.13 607	0.11 576
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 582	0.12 549	0.21 567	0.24 623	0.13 578	0.22 572	0.22 591	0.41 654	0.26 493	0.31 629	0.42 640	0.37 632	0.28 624	0.23 586	0.22 575	0.10 532	0.12 619	0.10 541	0.09 514	0.10 549	0.08 472

PWC_ROB	0.21 582	0.16 607	0.26 594	0.18 402	0.11 521	0.22 572	0.13 179	0.32 575	0.49 643	0.30 623	0.40 623	0.32 610	0.24 590	0.31 629	0.22 575	0.10 532	0.07 503	0.11 572	0.08 467	0.11 572	0.10 549

PSMNet_ROB	0.21 582	0.11 531	0.15 442	0.27 652	0.15 619	0.24 593	0.35 680	0.43 663	0.37 589	0.27 594	0.32 573	0.32 610	0.22 576	0.21 562	0.26 621	0.12 589	0.08 535	0.13 607	0.11 590	0.09 516	0.09 518

MSAF-DinoV2	0.22 591	0.11 531	0.23 582	0.17 309	0.10 470	0.27 624	0.16 405	0.37 632	0.55 657	0.21 531	0.27 527	0.47 666	0.27 613	0.35 648	0.39 674	0.09 488	0.06 430	0.07 312	0.09 514	0.12 587	0.10 549

GASNet	0.22 591	0.23 652	0.33 626	0.26 639	0.17 645	0.26 614	0.16 405	0.44 665	0.42 617	0.27 594	0.24 473	0.30 588	0.15 469	0.27 607	0.18 527	0.12 589	0.08 535	0.12 592	0.11 590	0.16 646	0.07 401

Anonymous_2	0.22 591	0.17 618	0.28 606	0.15 124	0.16 630	0.32 640	0.22 591	0.22 399	0.17 322	0.23 560	0.24 473	0.26 551	0.27 613	0.27 607	0.23 587	0.22 673	0.25 682	0.17 645	0.17 655	0.17 654	0.17 656

Wz-Net-LNSev	0.22 591	0.16 607	0.38 641	0.21 573	0.13 578	0.25 604	0.23 602	0.32 575	0.43 622	0.30 623	0.41 634	0.31 601	0.18 535	0.22 575	0.25 610	0.10 532	0.09 568	0.08 406	0.08 467	0.12 587	0.11 576

Wz-Net-MNSev	0.22 591	0.13 577	0.31 619	0.20 539	0.14 599	0.36 659	0.24 616	0.33 595	0.44 627	0.28 609	0.40 623	0.38 636	0.19 551	0.24 596	0.25 610	0.09 488	0.07 503	0.09 492	0.09 514	0.12 587	0.10 549

DDUNet	0.22 591	0.17 618	0.21 567	0.22 590	0.15 619	0.25 604	0.24 616	0.29 538	0.30 535	0.31 629	0.36 597	0.33 614	0.25 599	0.24 596	0.20 546	0.18 655	0.13 634	0.17 645	0.11 590	0.16 646	0.16 647

APVNet	0.22 591	0.12 549	0.19 545	0.18 402	0.14 599	0.32 640	0.31 676	0.39 644	0.32 550	0.27 594	0.40 623	0.30 588	0.29 632	0.26 604	0.25 610	0.11 564	0.12 619	0.11 572	0.14 626	0.12 587	0.12 589

aanetorigin	0.22 591	0.17 618	0.56 667	0.17 309	0.10 470	0.15 430	0.19 536	0.20 346	0.33 557	0.49 671	0.48 651	0.29 578	0.27 613	0.20 545	0.23 587	0.08 426	0.07 503	0.08 406	0.07 393	0.10 549	0.09 518

MaskLacGwcNet_RVC	0.22 591	0.21 645	0.24 586	0.26 639	0.11 521	0.23 588	0.14 246	0.39 644	0.24 457	0.32 635	0.36 597	0.30 588	0.21 567	0.19 520	0.21 566	0.17 654	0.14 644	0.21 659	0.16 648	0.12 587	0.12 589

AF-Net	0.22 591	0.17 618	0.17 509	0.26 639	0.13 578	0.25 604	0.24 616	0.32 575	0.50 646	0.25 582	0.33 586	0.38 636	0.26 605	0.28 619	0.25 610	0.11 564	0.10 590	0.16 642	0.11 590	0.11 572	0.10 549

stereogan	0.22 591	0.11 531	0.21 567	0.20 539	0.12 555	0.31 639	0.19 536	0.35 619	0.44 627	0.22 547	0.39 617	0.35 625	0.27 613	0.33 639	0.22 575	0.10 532	0.12 619	0.10 541	0.10 556	0.14 621	0.13 612

edge stereo	0.22 591	0.13 577	0.20 557	0.21 573	0.13 578	0.23 588	0.16 405	0.32 575	0.42 617	0.32 635	0.40 623	0.38 636	0.35 655	0.25 602	0.24 600	0.13 615	0.11 603	0.14 621	0.11 590	0.12 587	0.13 612

RYNet	0.22 591	0.12 549	0.22 573	0.19 472	0.17 645	0.46 670	0.26 640	0.38 640	0.48 636	0.24 569	0.28 541	0.34 621	0.23 584	0.20 545	0.30 648	0.10 532	0.06 430	0.09 492	0.09 514	0.13 607	0.15 636

NaN_ROB	0.22 591	0.19 633	0.24 586	0.25 634	0.13 578	0.29 635	0.26 640	0.33 595	0.41 609	0.31 629	0.31 569	0.32 610	0.23 584	0.30 628	0.21 566	0.11 564	0.17 659	0.10 541	0.10 556	0.08 451	0.09 518

MDST_ROB	0.22 591	0.10 504	0.17 509	0.18 402	0.11 521	0.37 660	0.19 536	0.43 663	0.41 609	0.39 652	0.39 617	0.29 578	0.21 567	0.26 604	0.18 527	0.11 564	0.10 590	0.14 621	0.11 590	0.10 549	0.08 472

XPNet_ROB	0.22 591	0.11 531	0.19 545	0.22 590	0.13 578	0.22 572	0.19 536	0.34 604	0.40 606	0.30 623	0.39 617	0.39 644	0.26 605	0.26 604	0.28 637	0.15 633	0.10 590	0.10 541	0.10 556	0.13 607	0.12 589

SQANet	0.23 607	0.23 652	0.30 617	0.30 666	0.19 656	0.27 624	0.13 179	0.29 538	0.33 557	0.24 569	0.37 603	0.31 601	0.22 576	0.27 607	0.23 587	0.15 633	0.10 590	0.21 659	0.16 648	0.21 662	0.15 636

Nwc_Net	0.23 607	0.16 607	0.21 567	0.25 634	0.14 599	0.24 593	0.26 640	0.37 632	0.38 596	0.22 547	0.41 634	0.30 588	0.28 624	0.28 619	0.25 610	0.11 564	0.10 590	0.17 645	0.20 661	0.10 549	0.10 549

RTSC	0.23 607	0.12 549	0.28 606	0.21 573	0.13 578	0.28 631	0.16 405	0.35 619	0.66 682	0.27 594	0.33 586	0.30 588	0.21 567	0.31 629	0.29 641	0.10 532	0.08 535	0.09 492	0.10 556	0.13 607	0.13 612

PA-Net	0.23 607	0.18 629	0.33 626	0.28 655	0.22 665	0.21 563	0.38 685	0.29 538	0.39 600	0.22 547	0.32 573	0.25 541	0.26 605	0.20 545	0.25 610	0.09 488	0.23 679	0.15 634	0.22 666	0.09 516	0.13 612
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 607	0.15 599	0.17 509	0.34 671	0.18 652	0.24 593	0.23 602	0.34 604	0.28 518	0.31 629	0.38 609	0.38 636	0.28 624	0.23 586	0.24 600	0.15 633	0.12 619	0.18 654	0.21 663	0.13 607	0.13 612

ETE_ROB	0.23 607	0.17 618	0.22 573	0.25 634	0.13 578	0.26 614	0.29 663	0.31 564	0.36 582	0.28 609	0.36 597	0.45 658	0.26 605	0.27 607	0.26 621	0.11 564	0.08 535	0.12 592	0.09 514	0.14 621	0.13 612

SGM_RVC	0.23 607	0.12 549	0.15 442	0.15 124	0.09 356	0.33 647	0.18 496	0.34 604	0.31 543	0.44 666	0.37 603	0.53 674	0.35 655	0.35 648	0.24 600	0.13 615	0.13 634	0.13 607	0.13 622	0.10 549	0.11 576
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 614	0.18 629	0.18 533	0.20 539	0.14 599	0.21 563	0.19 536	0.32 575	0.41 609	0.29 618	0.21 439	0.32 610	0.27 613	0.41 673	0.27 629	0.46 694	0.12 619	0.31 682	0.11 590	0.15 637	0.12 589

z-mn7	0.24 614	0.14 589	0.45 651	0.19 472	0.13 578	0.28 631	0.25 631	0.34 604	0.62 673	0.27 594	0.56 668	0.29 578	0.24 590	0.32 636	0.25 610	0.08 426	0.08 535	0.08 406	0.08 467	0.10 549	0.10 549

w-ln-seven	0.24 614	0.14 589	0.55 664	0.19 472	0.14 599	0.26 614	0.22 591	0.35 619	0.60 670	0.29 618	0.39 617	0.30 588	0.22 576	0.21 562	0.26 621	0.09 488	0.09 568	0.11 572	0.10 556	0.11 572	0.10 549

DGSMNet	0.24 614	0.19 633	0.33 626	0.21 573	0.24 670	0.24 593	0.20 560	0.35 619	0.41 609	0.24 569	0.32 573	0.38 636	0.21 567	0.29 625	0.23 587	0.12 589	0.11 603	0.14 621	0.16 648	0.23 666	0.23 670

G-Net	0.24 614	0.16 607	0.36 635	0.22 590	0.16 630	0.51 676	0.23 602	0.29 538	0.34 569	0.36 645	0.38 609	0.31 601	0.29 632	0.27 607	0.26 621	0.11 564	0.09 568	0.12 592	0.09 514	0.16 646	0.13 612

NCC-stereo	0.24 614	0.15 599	0.31 619	0.26 639	0.16 630	0.20 545	0.30 670	0.40 648	0.40 606	0.24 569	0.38 609	0.33 614	0.28 624	0.36 654	0.27 629	0.12 589	0.11 603	0.15 634	0.22 666	0.13 607	0.13 612

Abc-Net	0.24 614	0.15 599	0.31 619	0.26 639	0.16 630	0.20 545	0.30 670	0.40 648	0.40 606	0.24 569	0.38 609	0.33 614	0.28 624	0.36 654	0.27 629	0.12 589	0.11 603	0.15 634	0.22 666	0.13 607	0.13 612
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 614	0.11 531	0.47 656	0.22 590	0.12 555	0.34 650	0.29 663	0.29 538	0.56 660	0.24 569	0.46 648	0.30 588	0.30 636	0.29 625	0.29 641	0.08 426	0.07 503	0.09 492	0.09 514	0.10 549	0.10 549

DeepPrunerF	0.24 614	0.17 618	0.42 649	0.26 639	0.16 630	0.22 572	0.28 653	0.37 632	0.50 646	0.26 588	0.29 553	0.24 527	0.28 624	0.21 562	0.22 575	0.15 633	0.11 603	0.20 658	0.18 659	0.12 587	0.13 612

FBW_ROB	0.24 614	0.17 618	0.22 573	0.26 639	0.14 599	0.25 604	0.22 591	0.41 654	0.41 609	0.41 659	0.41 634	0.42 651	0.27 613	0.31 629	0.23 587	0.09 488	0.14 644	0.14 621	0.12 611	0.11 572	0.09 518

SANet	0.24 614	0.14 589	0.28 606	0.21 573	0.11 521	0.27 624	0.24 616	0.38 640	0.64 678	0.36 645	0.40 623	0.43 654	0.26 605	0.27 607	0.24 600	0.12 589	0.09 568	0.10 541	0.09 514	0.13 607	0.11 576

WCMA_ROB	0.24 614	0.11 531	0.22 573	0.17 309	0.14 599	0.32 640	0.15 334	0.32 575	0.32 550	0.38 650	0.53 659	0.40 648	0.34 652	0.34 642	0.25 610	0.11 564	0.12 619	0.12 592	0.10 556	0.14 621	0.14 629

DStereoSA	0.25 626	0.19 633	0.37 639	0.26 639	0.17 645	0.22 572	0.20 560	0.49 675	0.59 666	0.22 547	0.29 553	0.29 578	0.33 647	0.39 665	0.28 637	0.12 589	0.11 603	0.16 642	0.14 626	0.14 621	0.12 589

zh-sn7	0.25 626	0.17 618	0.50 658	0.24 623	0.13 578	0.25 604	0.24 616	0.34 604	0.48 636	0.28 609	0.54 661	0.28 569	0.31 640	0.36 654	0.32 657	0.10 532	0.10 590	0.11 572	0.10 556	0.12 587	0.12 589

zh-mn7	0.25 626	0.14 589	0.56 667	0.19 472	0.14 599	0.24 593	0.22 591	0.34 604	0.62 673	0.35 642	0.65 677	0.31 601	0.25 599	0.31 629	0.25 610	0.09 488	0.08 535	0.09 492	0.09 514	0.09 516	0.11 576

Wz-Net-SNSev	0.25 626	0.17 618	0.44 650	0.25 634	0.14 599	0.26 614	0.23 602	0.38 640	0.56 660	0.30 623	0.55 663	0.39 644	0.26 605	0.23 586	0.30 648	0.10 532	0.09 568	0.09 492	0.10 556	0.11 572	0.11 576

psmorigin	0.25 626	0.15 599	0.34 634	0.17 309	0.13 578	0.23 588	0.14 246	0.34 604	0.33 557	0.41 659	0.55 663	0.41 650	0.37 659	0.34 642	0.27 629	0.11 564	0.15 650	0.11 572	0.11 590	0.12 587	0.16 647

RGC	0.25 626	0.20 639	0.29 614	0.28 655	0.16 630	0.22 572	0.23 602	0.32 575	0.44 627	0.27 594	0.40 623	0.38 636	0.27 613	0.36 654	0.22 575	0.11 564	0.13 634	0.17 645	0.17 655	0.14 621	0.16 647

ADCMid	0.25 626	0.15 599	0.40 644	0.20 539	0.14 599	0.25 604	0.26 640	0.34 604	0.38 596	0.36 645	0.44 645	0.34 621	0.40 666	0.35 648	0.33 662	0.10 532	0.09 568	0.11 572	0.11 590	0.13 607	0.12 589

ADCPNet	0.25 626	0.16 607	0.61 674	0.21 573	0.15 619	0.35 658	0.25 631	0.32 575	0.35 578	0.30 623	0.40 623	0.36 627	0.28 624	0.28 619	0.32 657	0.12 589	0.10 590	0.11 572	0.12 611	0.14 621	0.13 612

LALA_ROB	0.25 626	0.16 607	0.22 573	0.26 639	0.17 645	0.27 624	0.27 647	0.42 659	0.37 589	0.33 639	0.38 609	0.51 670	0.26 605	0.28 619	0.27 629	0.16 649	0.09 568	0.12 592	0.11 590	0.13 607	0.12 589

SHD	0.26 635	0.15 599	0.30 617	0.24 623	0.18 652	0.22 572	0.15 334	0.38 640	0.71 686	0.32 635	0.41 634	0.36 627	0.28 624	0.32 636	0.29 641	0.12 589	0.11 603	0.14 621	0.13 622	0.16 646	0.20 665

AnyNet_C32	0.26 635	0.16 607	0.36 635	0.20 539	0.16 630	0.25 604	0.30 670	0.32 575	0.44 627	0.31 629	0.49 652	0.30 588	0.33 647	0.40 670	0.33 662	0.12 589	0.12 619	0.12 592	0.14 626	0.14 621	0.15 636

DStereoFS	0.27 637	0.22 649	0.31 619	0.22 590	0.15 619	0.22 572	0.20 560	0.50 679	0.48 636	0.28 609	0.44 645	0.33 614	0.34 652	0.52 683	0.29 641	0.12 589	0.11 603	0.15 634	0.13 622	0.16 646	0.16 647

PSMNet-RUCA	0.27 637	0.33 675	0.41 647	0.36 675	0.32 683	0.18 504	0.19 536	0.42 659	0.30 535	0.33 639	0.41 634	0.39 644	0.25 599	0.31 629	0.20 546	0.18 655	0.10 590	0.25 666	0.15 643	0.21 662	0.16 647

PDISCO_ROB	0.27 637	0.16 607	0.26 594	0.28 655	0.20 659	0.32 640	0.26 640	0.44 665	0.57 662	0.28 609	0.40 623	0.45 658	0.29 632	0.33 639	0.34 664	0.12 589	0.09 568	0.17 645	0.16 648	0.17 654	0.13 612

DispFullNet	0.27 637	0.21 645	0.65 677	0.28 655	0.16 630	0.26 614	0.17 447	0.33 595	0.58 665	0.27 594	0.38 609	0.43 654	0.23 584	0.38 661	0.23 587	0.12 589	0.06 430	0.19 656	0.11 590	0.21 662	0.15 636

MeshStereo	0.27 637	0.13 577	0.18 533	0.15 124	0.11 521	0.32 640	0.24 616	0.40 648	0.36 582	0.52 673	0.57 671	0.67 685	0.40 666	0.35 648	0.26 621	0.14 629	0.13 634	0.13 607	0.11 590	0.11 572	0.10 549
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	0.28 642	0.17 618	0.78 694	0.22 590	0.16 630	0.34 650	0.29 663	0.39 644	0.57 662	0.24 569	0.55 663	0.37 632	0.24 590	0.33 639	0.35 665	0.09 488	0.08 535	0.09 492	0.10 556	0.14 621	0.16 647

XQC	0.28 642	0.23 652	0.51 659	0.28 655	0.19 656	0.34 650	0.27 647	0.36 626	0.57 662	0.31 629	0.30 560	0.37 632	0.30 636	0.38 661	0.38 672	0.13 615	0.09 568	0.15 634	0.12 611	0.17 654	0.18 659

CC-Net-ROB	0.28 642	0.31 673	0.36 635	0.29 664	0.15 619	0.25 604	0.19 536	0.45 668	0.33 557	0.39 652	0.37 603	0.39 644	0.31 640	0.27 607	0.26 621	0.24 679	0.19 664	0.30 681	0.23 670	0.18 657	0.15 636

DPSNet	0.28 642	0.16 607	0.31 619	0.18 402	0.13 578	0.54 678	0.42 689	0.51 681	0.67 683	0.29 618	0.38 609	0.38 636	0.29 632	0.31 629	0.23 587	0.11 564	0.10 590	0.11 572	0.08 467	0.20 661	0.16 647

MultiAttention	0.29 646	0.08 358	0.14 393	0.19 472	0.12 555	1.45 714	1.33 718	0.36 626	0.37 589	0.19 493	0.21 439	0.24 527	0.11 352	0.38 661	0.18 527	0.06 168	0.05 276	0.08 406	0.08 467	0.10 549	0.09 518

Wz-Net-TNSev	0.29 646	0.20 639	0.65 677	0.19 472	0.15 619	0.38 663	0.27 647	0.35 619	0.55 657	0.34 641	0.42 640	0.45 658	0.38 660	0.32 636	0.30 648	0.12 589	0.13 634	0.10 541	0.12 611	0.15 637	0.14 629

ccnet	0.29 646	0.28 668	0.23 582	0.20 539	0.28 677	0.41 668	0.21 581	0.45 668	0.33 557	0.36 645	0.46 648	0.36 627	0.30 636	0.39 665	0.42 681	0.23 677	0.14 644	0.21 659	0.17 655	0.23 666	0.18 659

EDNetEfficient	0.29 646	0.24 655	1.13 705	0.18 402	0.10 470	0.19 529	0.20 560	0.20 346	0.60 670	0.74 693	0.56 668	0.31 601	0.39 663	0.22 575	0.30 648	0.09 488	0.07 503	0.08 406	0.07 393	0.11 572	0.09 518

ADCS	0.29 646	0.18 629	0.45 651	0.21 573	0.17 645	0.28 631	0.23 602	0.41 654	0.63 677	0.40 655	0.49 652	0.40 648	0.36 657	0.39 665	0.40 677	0.13 615	0.12 619	0.13 607	0.14 626	0.16 646	0.16 647

CSAN	0.29 646	0.24 655	0.27 601	0.34 671	0.19 656	0.33 647	0.42 689	0.37 632	0.50 646	0.38 650	0.40 623	0.44 656	0.33 647	0.28 619	0.30 648	0.20 664	0.16 654	0.19 656	0.19 660	0.14 621	0.15 636

AANet	0.30 652	0.19 633	1.03 703	0.16 222	0.13 578	0.22 572	0.16 405	0.30 552	0.62 673	0.60 680	0.52 658	0.46 662	0.38 660	0.23 586	0.32 657	0.12 589	0.09 568	0.11 572	0.10 556	0.13 607	0.12 589

MFN_U_SF_DS_RVC	0.30 652	0.24 655	0.29 614	0.36 675	0.16 630	0.34 650	0.30 670	0.32 575	0.42 617	0.40 655	0.46 648	0.38 636	0.31 640	0.34 642	0.28 637	0.19 662	0.20 667	0.26 667	0.29 680	0.18 657	0.19 664

GANetREF_RVC	0.31 654	0.34 676	0.27 601	0.35 673	0.16 630	0.32 640	0.41 686	0.48 673	0.51 653	0.35 642	0.35 594	0.34 621	0.33 647	0.39 665	0.32 657	0.27 681	0.20 667	0.29 679	0.15 643	0.18 657	0.17 656
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	0.31 654	0.26 661	0.26 594	0.24 623	0.21 663	0.34 650	0.25 631	0.34 604	0.39 600	0.40 655	0.69 681	0.45 658	0.40 666	0.34 642	0.27 629	0.20 664	0.19 664	0.26 667	0.25 672	0.23 666	0.22 669

MFN_U_SF_RVC	0.32 656	0.21 645	0.55 664	0.30 666	0.15 619	0.34 650	0.17 447	0.52 682	0.46 634	0.46 670	0.55 663	0.59 677	0.39 663	0.35 648	0.37 670	0.15 633	0.14 644	0.18 654	0.21 663	0.16 646	0.15 636

PASM	0.32 656	0.24 655	0.48 657	0.28 655	0.27 676	0.29 635	0.30 670	0.34 604	0.49 643	0.35 642	0.39 617	0.46 662	0.34 652	0.34 642	0.35 665	0.23 677	0.25 682	0.26 667	0.28 679	0.23 666	0.21 667

SGM-ForestM	0.32 656	0.12 549	0.16 478	0.16 222	0.11 521	0.39 665	0.19 536	0.41 654	0.50 646	0.52 673	0.54 661	1.32 706	0.42 674	0.40 670	0.27 629	0.14 629	0.16 654	0.16 642	0.16 648	0.12 587	0.12 589

FC-DCNN v2	0.33 659	0.27 664	0.28 606	0.26 639	0.23 668	0.37 660	0.28 653	0.40 648	0.43 622	0.45 667	0.56 668	0.51 670	0.40 666	0.37 659	0.29 641	0.21 668	0.20 667	0.27 670	0.26 673	0.25 673	0.24 671

FCDSN-DC	0.33 659	0.28 668	0.28 606	0.30 666	0.24 670	0.39 665	0.28 653	0.42 659	0.42 617	0.43 665	0.53 659	0.51 670	0.41 671	0.36 654	0.30 648	0.21 668	0.20 667	0.27 670	0.26 673	0.25 673	0.24 671
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 659	0.27 664	0.28 606	0.26 639	0.23 668	0.37 660	0.28 653	0.40 648	0.43 622	0.45 667	0.55 663	0.51 670	0.40 666	0.37 659	0.30 648	0.21 668	0.20 667	0.27 670	0.26 673	0.25 673	0.24 671

LSM	0.33 659	0.20 639	0.58 670	0.26 639	0.60 701	0.34 650	0.25 631	0.42 659	0.48 636	0.45 667	0.58 673	0.42 651	0.36 657	0.35 648	0.25 610	0.12 589	0.20 667	0.14 621	0.16 648	0.19 660	0.33 685

AnyNet_C01	0.36 663	0.25 660	1.37 708	0.22 590	0.17 645	0.48 674	0.27 647	0.35 619	0.39 600	0.39 652	0.74 687	0.46 662	0.38 660	0.45 675	0.47 686	0.13 615	0.13 634	0.13 607	0.14 626	0.14 621	0.15 636

GCST	0.37 664	0.42 683	0.26 594	1.02 709	0.39 684	0.18 504	0.08 7	0.20 346	0.17 322	0.28 609	0.25 501	0.15 398	0.12 385	0.16 448	0.14 446	0.64 705	0.43 694	0.75 701	0.65 705	0.63 698	0.46 696

otaku	0.39 665	0.37 679	0.52 660	0.44 682	0.28 677	0.58 680	0.24 616	0.41 654	0.62 673	0.40 655	0.49 652	0.46 662	0.33 647	0.40 670	0.32 657	0.30 682	0.30 686	0.39 686	0.33 685	0.29 680	0.28 679

ACVNet-4b	0.39 665	0.53 686	0.55 664	0.45 683	0.24 670	0.47 672	0.18 496	0.49 675	0.64 678	0.42 662	0.45 647	0.60 678	0.27 613	0.34 642	0.24 600	0.33 685	0.14 644	0.48 689	0.42 691	0.30 681	0.26 678

PVD	0.39 665	0.20 639	0.39 643	0.31 670	0.22 665	0.29 635	0.43 691	0.52 682	0.96 700	0.55 677	0.79 691	0.53 674	0.59 690	0.52 683	0.38 672	0.19 662	0.14 644	0.17 645	0.14 626	0.24 672	0.31 683

Ntro	0.40 668	0.40 681	0.53 661	0.46 686	0.30 681	0.65 686	0.24 616	0.46 670	0.68 684	0.41 659	0.49 652	0.48 668	0.42 674	0.39 665	0.31 655	0.32 683	0.28 684	0.37 685	0.30 682	0.32 685	0.29 680

SAMSARA	0.40 668	0.28 668	0.33 626	0.55 689	0.39 684	0.82 700	1.23 717	0.47 672	0.51 653	0.36 645	0.35 594	0.55 676	0.39 663	0.38 661	0.39 674	0.15 633	0.20 667	0.15 634	0.14 626	0.23 666	0.20 665

ELAS_RVC	0.41 670	0.29 671	0.33 626	0.28 655	0.24 670	0.54 678	0.36 681	0.49 675	0.59 666	0.72 689	0.74 687	0.65 683	0.54 683	0.54 688	0.40 677	0.22 673	0.20 667	0.27 670	0.26 673	0.26 678	0.25 676
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 670	0.29 671	0.33 626	0.27 652	0.24 670	0.60 683	0.36 681	0.50 679	0.50 646	0.71 687	0.79 691	0.67 685	0.54 683	0.51 681	0.42 681	0.22 673	0.20 667	0.27 670	0.26 673	0.26 678	0.25 676
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 672	0.26 661	0.59 672	0.60 691	0.49 691	0.32 640	0.23 602	0.46 670	0.52 655	0.56 679	0.58 673	0.76 690	0.32 645	0.48 677	0.29 641	0.32 683	0.24 680	0.27 670	0.33 685	0.46 689	0.39 690

MSC_U_SF_DS_RVC	0.43 673	0.39 680	0.54 662	0.40 678	0.20 659	0.64 685	0.32 678	0.53 684	0.72 687	0.71 687	0.72 684	0.61 679	0.54 683	0.51 681	0.46 685	0.20 664	0.19 664	0.29 679	0.30 682	0.23 666	0.18 659

ACVNet_1	0.44 674	0.49 685	0.60 673	0.45 683	0.28 677	0.49 675	0.27 647	0.57 689	0.72 687	0.62 682	0.58 673	0.74 689	0.49 680	0.50 679	0.35 665	0.26 680	0.24 680	0.39 686	0.29 680	0.31 684	0.24 671

Consistency-Raft	0.44 674	0.40 681	0.45 651	0.37 677	0.43 688	0.46 670	0.41 686	0.57 689	0.55 657	0.32 635	0.73 685	0.33 614	0.48 679	0.42 674	0.49 688	0.39 688	0.35 691	0.45 688	0.51 698	0.42 688	0.29 680

RTS	0.45 676	0.19 633	3.26 714	0.24 623	0.15 619	0.74 693	0.20 560	0.36 626	0.76 693	0.42 662	0.43 643	0.31 601	0.41 671	0.53 686	0.35 665	0.10 532	0.08 535	0.13 607	0.12 611	0.15 637	0.15 636

RTSA	0.45 676	0.19 633	3.26 714	0.24 623	0.15 619	0.74 693	0.20 560	0.36 626	0.76 693	0.42 662	0.43 643	0.31 601	0.41 671	0.53 686	0.35 665	0.10 532	0.08 535	0.13 607	0.12 611	0.15 637	0.15 636

MANE	0.45 676	0.27 664	0.27 601	0.27 652	0.24 670	0.47 672	0.31 676	0.55 686	0.59 666	0.72 689	1.13 708	1.15 700	0.61 691	0.52 683	0.37 670	0.21 668	0.20 667	0.27 670	0.31 684	0.25 673	0.24 671

NVStereoNet_ROB	0.46 679	0.36 678	0.46 655	0.41 680	0.28 677	0.34 650	0.34 679	0.48 673	0.60 670	0.72 689	0.93 697	0.70 688	0.66 694	0.47 676	0.60 696	0.22 673	0.33 690	0.34 684	0.34 688	0.30 681	0.30 682
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	0.47 680	0.26 661	0.58 670	0.28 655	0.20 659	0.39 665	0.18 496	0.49 675	0.64 678	0.52 673	0.87 694	1.01 695	0.57 688	0.50 679	0.56 693	0.53 698	0.31 689	0.54 695	0.40 689	0.33 686	0.34 686

LE_ROB	0.50 681	0.07 239	0.14 393	0.15 124	0.08 221	0.24 593	0.16 405	0.22 399	1.81 716	4.63 721	0.67 679	0.47 666	0.44 676	0.20 545	0.29 641	0.07 343	0.06 430	0.06 200	0.06 293	0.08 451	0.06 311

BEATNet-Init1	0.52 682	0.27 664	0.62 675	0.30 666	0.21 663	0.76 697	0.29 663	0.54 685	0.65 681	0.86 698	0.95 699	2.07 715	0.62 693	0.56 690	0.42 681	0.18 655	0.18 661	0.23 664	0.22 666	0.22 665	0.21 667

anonymity	0.53 683	0.58 688	0.65 677	0.41 680	0.61 702	0.53 677	0.41 686	0.56 687	0.41 609	0.55 677	0.50 656	0.49 669	0.55 686	0.58 691	0.50 691	0.58 701	0.50 704	0.51 691	0.51 698	0.51 691	0.57 699

RainbowNet	0.54 684	0.61 690	0.70 692	0.57 690	0.43 688	0.65 686	0.37 684	0.60 691	0.87 697	0.50 672	0.66 678	0.64 681	0.47 678	0.49 678	0.43 684	0.47 695	0.48 700	0.52 693	0.41 690	0.52 692	0.40 693

SGM+DAISY	0.56 685	0.57 687	0.65 677	0.40 678	0.54 694	0.66 688	0.49 694	0.56 687	0.45 633	0.66 683	0.69 681	0.67 685	0.56 687	0.63 693	0.56 693	0.59 702	0.48 700	0.50 690	0.50 697	0.52 692	0.58 700

SPS-STEREO	0.57 686	0.58 688	0.65 677	0.45 683	0.55 696	0.62 684	0.44 693	0.62 692	0.50 646	0.68 685	0.64 676	0.66 684	0.57 688	0.61 692	0.60 696	0.62 704	0.47 699	0.51 691	0.49 695	0.55 696	0.58 700
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 687	0.66 694	0.65 677	0.51 687	0.69 706	0.69 689	0.57 700	0.64 693	0.73 691	0.60 680	0.73 685	0.62 680	0.67 695	0.65 694	0.60 696	0.66 706	0.58 713	0.63 696	0.59 701	0.68 703	0.69 709

IMH-64-1	0.65 688	0.61 690	0.68 686	0.71 694	0.51 692	0.59 681	0.49 694	0.91 700	0.85 695	0.74 693	1.02 701	0.81 691	0.78 699	0.79 697	0.49 688	0.42 690	0.46 695	0.71 698	0.47 693	0.52 692	0.39 690

IMH-64	0.65 688	0.61 690	0.68 686	0.71 694	0.51 692	0.59 681	0.49 694	0.91 700	0.85 695	0.74 693	1.02 701	0.81 691	0.78 699	0.79 697	0.49 688	0.42 690	0.46 695	0.71 698	0.47 693	0.52 692	0.39 690

ACVNet_2	0.66 690	0.66 694	0.68 686	0.63 692	0.41 686	0.71 691	0.49 694	0.96 704	1.39 709	0.89 699	1.09 704	1.04 696	0.73 697	0.54 688	0.47 686	0.43 692	0.40 693	0.53 694	0.44 692	0.47 690	0.35 688

JetBlue	0.71 691	0.45 684	1.14 706	0.51 687	0.47 690	2.02 715	0.64 704	0.75 695	0.70 685	0.69 686	0.77 690	1.22 702	0.83 701	1.03 712	1.01 712	0.40 689	0.28 684	0.33 683	0.33 685	0.30 681	0.34 686

IMH	0.71 691	0.64 693	0.68 686	0.76 696	0.54 694	0.69 689	0.54 698	0.98 706	1.10 702	0.82 697	1.09 704	0.89 693	0.88 704	0.87 705	0.52 692	0.44 693	0.50 704	0.75 701	0.51 698	0.56 697	0.41 694

PWCK	0.71 691	0.94 705	0.95 701	0.76 696	0.31 682	0.74 693	0.36 681	0.90 699	0.90 698	0.96 702	0.75 689	0.95 694	0.61 691	0.87 705	0.66 699	0.72 707	0.46 695	0.75 701	0.49 695	0.69 705	0.44 695

MADNet+	0.75 694	0.71 696	3.70 717	0.66 693	0.41 686	0.98 705	0.97 715	0.69 694	0.73 691	0.52 673	0.57 671	0.64 681	0.68 696	0.86 704	1.01 712	0.34 686	0.36 692	0.28 678	0.23 670	0.36 687	0.31 683

TorneroNet-64	0.76 695	0.72 697	0.74 693	0.78 698	0.58 700	0.91 704	0.56 699	0.84 698	1.29 706	0.66 683	0.90 695	1.40 708	0.75 698	0.85 703	0.67 702	0.49 696	0.46 695	0.72 700	0.59 701	0.67 702	0.53 698

WAO-7	0.79 696	0.78 699	0.54 662	0.85 702	0.67 705	0.74 693	0.68 708	1.05 709	1.32 707	0.90 700	1.20 711	1.04 696	0.92 705	0.69 695	0.66 699	0.60 703	0.62 714	0.67 697	0.68 707	0.64 699	0.58 700

WAO-6	0.81 697	0.80 700	0.62 675	0.86 703	0.63 703	0.76 697	0.58 701	0.98 706	1.54 714	0.90 700	0.96 700	1.07 698	1.03 709	0.70 696	0.66 699	0.72 707	0.49 702	0.90 709	0.71 708	0.68 703	0.58 700

TorneroNet	0.82 698	0.74 698	0.81 698	0.84 701	0.63 703	0.99 706	0.63 702	0.96 704	1.16 703	0.80 696	1.11 706	1.36 707	0.86 703	0.93 708	0.80 707	0.56 699	0.49 702	0.78 706	0.66 706	0.73 708	0.63 708

LVE	0.83 699	0.85 703	0.85 699	0.80 699	0.56 697	1.04 710	0.65 705	1.05 709	1.47 712	0.96 702	1.22 712	1.10 699	0.85 702	0.83 700	0.71 704	0.49 696	0.55 710	0.76 704	0.60 703	0.65 700	0.59 705

Dean	0.87 700	0.86 704	0.79 696	0.81 700	0.56 697	0.90 701	0.63 702	1.15 715	1.73 715	1.15 710	1.15 709	1.31 705	0.99 708	0.81 699	0.81 708	0.57 700	0.56 711	0.77 705	0.64 704	0.66 701	0.58 700

WAO-8	0.91 701	0.81 701	0.65 677	0.94 706	0.69 706	0.90 701	0.67 706	1.07 712	1.83 717	1.06 707	1.45 714	1.30 703	1.07 710	0.84 701	0.78 705	0.74 709	0.53 707	0.86 707	0.75 709	0.69 705	0.62 706

Venus	0.91 701	0.81 701	0.65 677	0.94 706	0.69 706	0.90 701	0.67 706	1.07 712	1.83 717	1.06 707	1.45 714	1.30 703	1.07 710	0.84 701	0.78 705	0.74 709	0.53 707	0.86 707	0.75 709	0.69 705	0.62 706

UNDER WATER-64	0.95 703	0.94 705	1.43 710	0.87 704	0.56 697	1.18 713	0.87 712	0.77 696	0.94 699	1.04 705	0.85 693	1.58 713	1.21 715	0.94 709	0.96 710	0.87 713	0.57 712	1.03 713	0.88 714	0.78 709	0.73 710

UNDER WATER	0.97 704	0.97 707	1.42 709	0.99 708	0.70 709	1.12 712	0.84 711	0.80 697	1.08 701	1.01 704	0.90 695	1.55 712	1.22 716	1.03 712	1.00 711	0.78 711	0.53 707	1.02 712	0.87 713	0.80 710	0.74 711

notaker	0.97 704	1.11 708	0.98 702	1.13 711	0.81 710	0.73 692	0.68 708	0.93 702	1.16 703	1.18 712	1.18 710	1.41 709	1.16 714	1.08 714	0.69 703	0.81 712	0.64 715	1.17 714	0.79 711	0.98 712	0.80 713

ktn	1.01 706	1.21 710	0.80 697	1.23 713	0.86 712	1.01 708	0.87 712	0.94 703	1.39 709	1.04 705	1.12 707	1.15 700	1.07 710	0.94 709	0.59 695	1.28 718	0.71 716	1.38 718	0.83 712	1.02 714	0.75 712

KSHMR	1.09 707	1.17 709	0.88 700	1.25 714	1.00 714	0.99 706	0.96 714	1.13 714	1.37 708	1.16 711	1.29 713	1.41 709	0.96 707	1.01 711	0.92 709	1.03 716	1.08 718	1.20 715	1.03 717	1.01 713	0.97 715

DPSimNet_ROB	1.11 708	1.23 711	0.78 694	1.13 711	0.88 713	1.10 711	1.13 716	1.16 716	1.23 705	1.43 714	1.02 701	1.41 709	1.10 713	0.90 707	1.60 714	1.46 719	0.51 706	1.21 716	1.03 717	0.90 711	1.01 717

HanzoNet	1.29 709	1.26 712	1.19 707	1.12 710	0.85 711	1.02 709	0.83 710	1.03 708	1.48 713	1.64 715	1.61 716	2.50 717	1.72 717	1.61 716	1.61 715	1.26 717	0.80 717	1.31 717	1.01 716	1.02 714	0.86 714

JetRed	1.62 710	1.46 713	2.98 712	0.92 705	1.21 715	4.99 718	1.53 720	1.27 717	1.39 709	1.83 716	1.74 717	1.60 714	0.95 706	1.41 715	2.45 720	0.90 715	1.60 719	0.93 710	0.90 715	1.35 716	0.99 716

MADNet++	1.95 711	1.75 714	1.59 711	1.82 715	1.69 717	2.33 716	1.40 719	2.35 718	2.09 719	2.57 718	2.36 719	2.24 716	2.17 719	2.28 717	2.34 718	1.87 720	1.66 720	1.54 719	1.34 719	1.92 717	1.77 719

Selective-IGEV-i1pa	2.80 712	3.51 720	0.67 685	0.28 655	0.14 599	10.22 722	0.43 691	4.36 719	3.63 720	3.53 719	6.92 721	3.47 718	1.97 718	13.41 733	2.26 717	0.36 687	0.15 650	0.13 607	0.10 556	0.15 637	0.35 688

coex-ft	3.30 713	0.34 676	59.09 745	0.18 402	0.13 578	0.26 614	0.22 591	0.27 504	0.72 687	1.90 717	0.70 683	0.44 656	0.45 677	0.29 625	0.41 680	0.09 488	0.09 568	0.12 592	0.09 514	0.14 621	0.13 612

TCMNet-wrong-test	3.67 714	5.48 728	3.89 718	12.18 729	11.75 731	4.65 717	3.88 721	1.06 711	0.72 687	1.09 709	2.15 718	6.30 723	0.53 682	3.43 719	2.36 719	0.89 714	0.20 667	1.87 721	1.69 720	5.57 725	3.62 725

tt	4.67 715	0.06 117	3.55 716	2.02 716	1.55 716	10.25 723	16.71 725	8.91 728	5.03 721	1.31 713	0.94 698	4.71 719	4.76 721	3.33 718	5.87 722	6.06 728	10.30 734	1.88 722	2.11 722	2.75 719	1.21 718

USTest	6.22 716	2.73 717	3.00 713	6.57 723	7.29 723	14.37 725	21.57 726	7.00 727	9.56 726	5.34 724	6.10 720	5.72 722	7.64 724	6.41 723	6.96 724	1.97 721	3.42 726	1.64 720	2.15 723	2.66 718	2.36 720

xxxxx1	7.79 717	5.02 725	7.31 721	3.12 717	3.85 719	16.35 727	22.88 727	5.86 724	8.69 723	7.97 725	8.54 722	9.12 727	8.27 725	10.18 725	10.92 725	2.42 722	2.45 722	3.56 725	12.37 731	3.77 720	3.06 722

tt_ll	7.79 717	5.02 725	7.31 721	3.12 717	3.85 719	16.35 727	22.88 727	5.86 724	8.69 723	7.97 725	8.54 722	9.12 727	8.27 725	10.18 725	10.92 725	2.42 722	2.45 722	3.56 725	12.37 731	3.77 720	3.06 722

ff	7.79 717	5.02 725	7.31 721	3.12 717	3.85 719	16.35 727	22.88 727	5.86 724	8.69 723	7.97 725	8.54 722	9.12 727	8.27 725	10.18 725	10.92 725	2.42 722	2.45 722	3.56 725	12.37 731	3.77 720	3.06 722

EDNetEfficientorigin	7.91 720	0.31 673	153.02 746	0.19 472	0.09 356	0.21 563	0.16 405	0.22 399	0.59 666	0.72 689	0.67 679	0.42 651	0.50 681	0.24 596	0.39 674	0.08 426	0.07 503	0.08 406	0.07 393	0.12 587	0.10 549

DPSMNet_ROB	8.06 721	4.48 721	8.63 729	5.37 722	10.74 726	8.32 720	22.98 731	5.46 721	13.36 731	5.12 722	9.92 727	5.08 720	10.40 728	5.53 722	12.58 728	3.80 726	8.00 727	3.50 723	7.02 728	3.83 723	7.14 729

DGTPSM_ROB	8.06 721	4.48 721	8.63 729	5.35 720	10.72 725	8.32 720	22.97 730	5.46 721	13.35 730	5.12 722	9.92 727	5.08 720	10.40 728	5.52 721	12.58 728	3.79 725	8.00 727	3.50 723	7.02 728	3.83 723	7.14 729

PML	8.91 723	9.34 734	6.13 719	5.35 720	6.41 722	14.99 726	23.38 732	5.27 720	6.83 722	18.04 737	28.19 746	7.67 724	6.83 723	7.85 724	5.75 721	5.35 727	1.83 721	5.95 733	1.93 721	8.64 730	2.52 721

DLNR_Zeroshot_test	10.40 724	1.82 715	19.49 740	120.77 746	13.11 733	0.06 14	0.13 179	0.23 422	0.10 77	0.07 75	0.10 197	0.09 223	0.06 66	0.10 124	0.09 104	0.13 615	0.04 25	0.06 200	0.04 60	51.54 746	0.04 73

DLNR-FE	10.43 725	1.83 716	19.53 741	120.75 745	13.06 732	0.06 14	0.13 179	0.23 422	0.10 77	0.07 75	0.10 197	0.09 223	0.06 66	0.10 124	0.09 104	0.13 615	0.04 25	0.06 200	0.04 60	52.01 747	0.04 73

iinet-test	10.48 726	8.09 730	7.54 725	10.26 724	10.94 727	18.00 731	25.26 733	11.33 732	13.28 728	9.69 729	9.85 725	9.42 730	11.17 730	11.02 729	12.78 731	6.59 730	8.30 729	5.56 728	6.56 724	6.89 726	7.02 727

IINet	10.48 726	8.09 730	7.54 725	10.26 724	10.94 727	18.00 731	25.26 733	11.33 732	13.28 728	9.69 729	9.85 725	9.42 730	11.17 730	11.02 729	12.78 731	6.59 730	8.30 729	5.56 728	6.56 724	6.89 726	7.02 727

LRCNet_RVC	10.62 728	13.42 735	7.30 720	18.92 733	2.07 718	0.33 647	0.30 670	5.59 723	0.48 636	13.03 733	17.94 733	8.87 726	5.65 722	4.79 720	1.89 716	23.51 743	2.73 725	27.55 746	25.71 746	16.07 740	16.33 741

Anonymous_1	10.96 729	7.92 729	7.46 724	10.33 726	10.06 724	18.65 733	26.34 735	11.06 731	13.44 732	9.40 728	10.05 729	9.67 732	11.23 732	10.73 728	12.72 730	6.42 729	8.38 731	5.77 730	10.61 730	12.12 731	6.77 726

DPSM_ROB	11.15 730	8.58 732	8.00 727	10.88 727	11.58 729	19.10 734	26.71 736	12.05 734	14.07 735	10.36 731	10.84 730	10.33 733	11.86 733	11.70 731	13.54 733	6.99 732	8.79 732	5.89 731	6.95 726	7.29 728	7.42 731

DPSM	11.15 730	8.58 732	8.00 727	10.88 727	11.58 729	19.10 734	26.71 736	12.05 734	14.07 735	10.36 731	10.84 730	10.33 733	11.86 733	11.70 731	13.54 733	6.99 732	8.79 732	5.89 731	6.95 726	7.29 728	7.42 731

HaxPig	15.71 732	18.52 744	19.18 739	16.89 732	15.89 734	7.73 719	7.60 722	13.31 736	10.82 727	15.42 734	14.91 732	15.98 735	14.92 735	15.58 734	15.98 735	18.95 742	16.73 735	19.46 742	18.08 742	19.26 741	19.05 744

Selective-IGEV-i16pa	18.58 733	3.30 718	1.09 704	0.21 573	0.18 652	103.68 747	0.28 653	19.87 738	40.73 747	4.16 720	56.45 747	8.07 725	2.59 720	123.95 748	5.89 723	0.18 655	0.12 619	0.09 492	0.12 611	0.12 587	0.51 697

RSGM-EC	20.36 734	4.73 723	0.68 686	16.76 730	16.92 735	21.28 736	27.18 738	10.46 729	14.04 733	18.00 735	21.31 736	22.24 745	21.82 737	22.57 736	17.63 736	62.81 746	33.79 746	20.14 743	18.10 743	20.18 742	16.45 742

acva	20.36 734	4.73 723	0.68 686	16.76 730	16.92 735	21.28 736	27.18 738	10.46 729	14.04 733	18.00 735	21.31 736	22.24 745	21.82 737	22.57 736	17.63 736	62.81 746	33.79 746	20.14 743	18.10 743	20.18 742	16.45 742

MEDIAN_ROB	20.38 736	24.04 745	23.31 742	21.23 734	21.71 737	10.40 724	7.92 723	17.64 737	15.50 737	20.12 738	19.70 734	20.34 736	20.32 736	21.19 735	21.13 738	23.81 744	21.81 744	24.98 745	23.76 745	24.71 744	23.93 745

CasAABBNet	22.42 737	17.33 737	16.01 733	22.01 736	23.28 739	38.32 738	53.80 743	24.14 742	28.41 742	20.60 741	21.77 740	20.89 743	23.91 742	23.43 741	27.36 742	14.07 735	17.69 738	11.83 736	14.01 735	14.67 734	14.95 737

RAFT-FEzeroshot	22.43 738	17.33 737	15.98 731	22.02 737	23.31 741	38.34 739	53.82 745	24.05 740	28.39 740	20.61 742	21.76 738	20.88 740	23.92 744	23.41 739	27.42 744	14.07 735	17.69 738	11.83 736	14.02 736	14.69 735	14.97 738

RAFT-FE	22.43 738	17.33 737	15.98 731	22.02 737	23.31 741	38.34 739	53.82 745	24.05 740	28.39 740	20.61 742	21.76 738	20.88 740	23.92 744	23.41 739	27.42 744	14.07 735	17.69 738	11.83 736	14.02 736	14.69 735	14.97 738

FlowAnything	22.44 740	17.35 740	16.14 735	22.07 740	23.23 738	38.39 743	53.77 741	24.25 744	28.44 743	20.96 746	21.82 742	20.70 738	23.84 740	23.49 743	27.14 740	14.04 734	17.79 743	11.75 734	14.15 740	14.65 732	14.89 734

Hybrid-DGEV	22.47 741	17.40 742	16.14 735	22.00 735	23.29 740	38.36 741	53.80 743	24.43 747	28.63 746	20.59 740	21.81 741	20.88 740	23.91 742	23.45 742	27.42 744	14.08 738	17.69 738	11.83 736	14.06 739	14.65 732	14.93 736

Selective-RAFT-Error	22.47 741	17.37 741	16.09 734	22.06 739	23.34 743	38.39 743	53.83 747	24.29 746	28.47 744	20.74 744	21.83 743	20.81 739	23.90 741	23.54 745	27.53 747	14.08 738	17.69 738	11.82 735	14.00 734	14.69 735	15.00 740

fast-reg	22.85 743	17.43 743	19.15 738	22.22 742	24.34 744	38.36 741	53.78 742	24.23 743	28.52 745	20.55 739	22.05 744	20.54 737	23.77 739	23.21 738	27.31 741	14.18 741	17.47 737	14.33 741	14.96 741	15.81 739	14.81 733

LSM0	22.87 744	17.28 736	18.96 737	22.19 741	29.04 746	38.42 745	53.71 740	24.28 745	28.31 739	20.78 745	21.00 735	21.43 744	24.16 746	23.50 744	27.39 743	14.09 740	17.38 736	11.84 740	14.04 738	14.73 738	14.89 734

AVERAGE_ROB	24.90 745	29.20 746	28.14 743	24.89 743	24.64 745	17.75 730	11.12 724	21.45 739	19.93 738	25.12 747	24.46 745	25.12 747	25.46 747	24.69 746	22.83 739	29.76 745	27.13 745	28.97 747	27.95 747	29.91 745	29.47 746

test_example2	98.32 746	94.13 747	45.89 744	96.35 744	109.85 747	88.61 746	95.45 748	25.75 748	94.37 748	130.00 749	126.06 748	58.17 748	74.63 748	88.51 747	79.96 748	150.23 748	221.02 748	77.62 748	99.10 748	113.75 748	96.94 747

GS-Stereo							0.14 246	0.11 58	0.12 149	0.08 131	0.10 197	0.05 5	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 208

FSD					0.22 665	0.25 604	0.25 631	0.27 504	0.26 493	0.25 582	0.26 518	0.25 541	0.27 613	0.27 607	0.24 600	0.21 668	0.20 667	0.27 670	0.26 673	0.25 673

ccccc		285.66 748		368.85 747	370.60 748	123.16 748		115.05 749		126.68 748		122.83 749		252.94 749		384.56 749	353.86 749	254.69 749	223.00 749	425.87 749

ASD4		3.38 719

Low-res two-view benchmark