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	0.09 131	0.13 22	0.05 2	0.08 86	0.11 68	0.06 1	0.06 8	0.06 25	0.06 25	0.08 194	0.05 14	0.08 29	0.09 110	0.06 170	0.04 25	0.04 1	0.03 1	0.05 173	0.04 76

PSi22a	0.06 1	0.04 1	0.09 131	0.12 7	0.05 2	0.06 14	0.11 68	0.06 1	0.06 8	0.06 25	0.06 25	0.06 43	0.05 14	0.08 29	0.09 110	0.07 353	0.04 25	0.04 1	0.03 1	0.05 173	0.04 76

Foundation-i32	0.06 1	0.04 1	0.09 131	0.13 22	0.04 1	0.06 14	0.12 104	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 6	0.09 110	0.06 170	0.04 25	0.05 55	0.03 1	0.04 49	0.04 76

MLG-Stereo_test2	0.06 1	0.04 1	0.10 198	0.15 126	0.05 2	0.07 44	0.11 68	0.09 23	0.04 2	0.06 25	0.05 7	0.06 43	0.04 1	0.08 29	0.09 110	0.06 170	0.04 25	0.05 55	0.03 1	0.05 173	0.05 211

MLG-Stereo_test1	0.06 1	0.05 43	0.08 61	0.17 312	0.05 2	0.06 14	0.11 68	0.08 12	0.03 1	0.05 2	0.04 1	0.06 43	0.05 14	0.09 62	0.09 110	0.05 52	0.04 25	0.05 55	0.03 1	0.04 49	0.04 76

FoundationStereo	0.06 1	0.04 1	0.08 61	0.12 7	0.05 2	0.09 142	0.13 182	0.06 1	0.09 55	0.05 2	0.05 7	0.06 43	0.04 1	0.06 2	0.07 1	0.06 170	0.04 25	0.05 55	0.03 1	0.05 173	0.04 76

over v1	0.07 7	0.07 244	0.07 13	0.18 407	0.05 2	0.08 86	0.08 7	0.10 38	0.05 4	0.06 25	0.06 25	0.07 128	0.10 324	0.11 206	0.08 27	0.05 52	0.04 25	0.04 1	0.03 1	0.05 173	0.05 211

over-8	0.07 7	0.07 244	0.07 13	0.18 407	0.05 2	0.08 86	0.08 7	0.13 120	0.05 4	0.06 25	0.05 7	0.07 128	0.09 277	0.11 206	0.08 27	0.06 170	0.04 25	0.04 1	0.03 1	0.05 173	0.05 211

over-9	0.07 7	0.07 244	0.07 13	0.18 407	0.05 2	0.08 86	0.08 7	0.13 120	0.06 8	0.06 25	0.05 7	0.07 128	0.09 277	0.11 206	0.08 27	0.06 170	0.04 25	0.04 1	0.03 1	0.05 173	0.05 211

testmc14	0.07 7	0.05 43	0.06 5	0.15 126	0.05 2	0.09 142	0.13 182	0.08 12	0.08 27	0.07 79	0.09 168	0.06 43	0.05 14	0.07 6	0.07 1	0.06 170	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

MCSU-Stereo	0.07 7	0.05 43	0.06 5	0.15 126	0.05 2	0.09 142	0.13 182	0.10 38	0.09 55	0.07 79	0.07 68	0.07 128	0.05 14	0.09 62	0.07 1	0.06 170	0.04 25	0.04 1	0.03 1	0.04 49	0.03 2

derf	0.07 7	0.04 1	0.10 198	0.14 71	0.06 33	0.05 4	0.12 104	0.12 90	0.09 55	0.05 2	0.07 68	0.07 128	0.08 235	0.10 128	0.10 214	0.06 170	0.05 283	0.04 1	0.03 1	0.04 49	0.05 211

mm2	0.07 7	0.04 1	0.10 198	0.13 22	0.06 33	0.06 14	0.12 104	0.13 120	0.08 27	0.06 25	0.07 68	0.06 43	0.08 235	0.10 128	0.09 110	0.06 170	0.05 283	0.04 1	0.03 1	0.04 49	0.05 211

mm1	0.07 7	0.04 1	0.10 198	0.13 22	0.06 33	0.06 14	0.12 104	0.06 1	0.08 27	0.06 25	0.07 68	0.06 43	0.08 235	0.10 128	0.09 110	0.06 170	0.05 283	0.04 1	0.03 1	0.04 49	0.05 211

qqai	0.07 7	0.05 43	0.10 198	0.14 71	0.06 33	0.05 4	0.12 104	0.08 12	0.09 55	0.05 2	0.06 25	0.06 43	0.08 235	0.10 128	0.09 110	0.06 170	0.05 283	0.05 55	0.03 1	0.04 49	0.05 211

MGA	0.07 7	0.04 1	0.10 198	0.13 22	0.06 33	0.08 86	0.09 23	0.12 90	0.08 27	0.05 2	0.06 25	0.06 43	0.05 14	0.10 128	0.09 110	0.06 170	0.04 25	0.05 55	0.03 1	0.05 173	0.05 211

CAR	0.07 7	0.05 43	0.08 61	0.14 71	0.06 33	0.07 44	0.08 7	0.12 90	0.08 27	0.05 2	0.06 25	0.05 5	0.05 14	0.10 128	0.09 110	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

MSE-Stereo	0.07 7	0.04 1	0.08 61	0.13 22	0.06 33	0.07 44	0.08 7	0.12 90	0.08 27	0.05 2	0.06 25	0.05 5	0.05 14	0.10 128	0.09 110	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

monster-pro	0.07 7	0.06 118	0.05 1	0.15 126	0.05 2	0.07 44	0.10 39	0.15 197	0.15 262	0.05 2	0.06 25	0.05 5	0.06 68	0.07 6	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 118	0.07 13	0.15 126	0.07 140	0.08 86	0.14 253	0.11 63	0.08 27	0.05 2	0.07 68	0.08 194	0.08 235	0.09 62	0.09 110	0.06 170	0.04 25	0.05 55	0.04 64	0.03 1	0.04 76

aanet-new-60k	0.07 7	0.07 244	0.08 61	0.18 407	0.06 33	0.07 44	0.10 39	0.09 23	0.14 235	0.07 79	0.07 68	0.06 43	0.06 68	0.11 206	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

aanet-new-70k	0.07 7	0.06 118	0.09 131	0.17 312	0.06 33	0.08 86	0.12 104	0.11 63	0.10 82	0.06 25	0.07 68	0.07 128	0.06 68	0.10 128	0.07 1	0.04 11	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

aanet-new-78k	0.07 7	0.07 244	0.09 131	0.19 482	0.06 33	0.07 44	0.12 104	0.11 63	0.13 202	0.06 25	0.07 68	0.06 43	0.06 68	0.09 62	0.07 1	0.04 11	0.04 25	0.05 55	0.04 64	0.05 173	0.03 2

aanet-new-40k	0.07 7	0.08 368	0.07 13	0.17 312	0.07 140	0.08 86	0.13 182	0.10 38	0.10 82	0.07 79	0.08 130	0.06 43	0.05 14	0.08 29	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

GCAP-Stereo-DPT26K	0.07 7	0.06 118	0.07 13	0.16 226	0.06 33	0.08 86	0.12 104	0.10 38	0.08 27	0.06 25	0.09 168	0.06 43	0.05 14	0.08 29	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 244	0.07 13	0.17 312	0.06 33	0.07 44	0.12 104	0.09 23	0.11 115	0.09 192	0.09 168	0.06 43	0.07 182	0.09 62	0.07 1	0.04 11	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 43	0.11 263	0.15 126	0.06 33	0.07 44	0.13 182	0.09 23	0.11 115	0.07 79	0.08 130	0.06 43	0.05 14	0.09 62	0.07 1	0.05 52	0.05 283	0.05 55	0.04 64	0.03 1	0.04 76

GCAP-Stereo-DPT-24K	0.07 7	0.06 118	0.07 13	0.15 126	0.06 33	0.10 208	0.15 341	0.12 90	0.11 115	0.06 25	0.11 259	0.06 43	0.05 14	0.09 62	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 131	0.13 22	0.05 2	0.08 86	0.11 68	0.06 1	0.06 8	0.06 25	0.05 7	0.08 194	0.05 14	0.08 29	0.09 110	0.06 170	0.04 25	0.04 1	0.03 1	0.05 173	0.04 76

LACA3	0.07 7	0.08 368	0.08 61	0.13 22	0.05 2	0.09 142	0.11 68	0.08 12	0.08 27	0.08 139	0.05 7	0.07 128	0.07 182	0.07 6	0.07 1	0.06 170	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 118	0.08 61	0.17 312	0.06 33	0.08 86	0.12 104	0.13 120	0.07 18	0.08 139	0.07 68	0.06 43	0.04 1	0.10 128	0.09 110	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

LACA2	0.07 7	0.05 43	0.06 5	0.15 126	0.06 33	0.09 142	0.11 68	0.11 63	0.10 82	0.05 2	0.05 7	0.06 43	0.08 235	0.09 62	0.07 1	0.07 353	0.04 25	0.04 1	0.04 64	0.04 49	0.04 76

LACA1	0.07 7	0.07 244	0.07 13	0.14 71	0.05 2	0.09 142	0.11 68	0.10 38	0.07 18	0.05 2	0.05 7	0.06 43	0.07 182	0.08 29	0.09 110	0.06 170	0.04 25	0.04 1	0.04 64	0.03 1	0.04 76

Test_v1	0.07 7	0.04 1	0.06 5	0.13 22	0.06 33	0.08 86	0.11 68	0.15 197	0.12 157	0.06 25	0.05 7	0.04 1	0.05 14	0.08 29	0.10 214	0.07 353	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

BLMT-Stereo	0.07 7	0.04 1	0.08 61	0.15 126	0.07 140	0.06 14	0.14 253	0.07 7	0.10 82	0.05 2	0.05 7	0.04 1	0.06 68	0.07 6	0.09 110	0.04 11	0.04 25	0.05 55	0.05 199	0.04 49	0.04 76

Pro-Stereo	0.07 7	0.05 43	0.08 61	0.15 126	0.07 140	0.08 86	0.12 104	0.07 7	0.07 18	0.06 25	0.06 25	0.05 5	0.05 14	0.09 62	0.08 27	0.05 52	0.04 25	0.06 207	0.05 199	0.04 49	0.04 76

MatchStereo	0.07 7	0.04 1	0.08 61	0.14 71	0.06 33	0.05 4	0.12 104	0.12 90	0.09 55	0.07 79	0.06 25	0.04 1	0.04 1	0.08 29	0.09 110	0.06 170	0.05 283	0.05 55	0.03 1	0.04 49	0.04 76
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	0.09 131	0.11 1	0.05 2	0.10 208	0.10 39	0.14 154	0.09 55	0.06 25	0.07 68	0.06 43	0.07 182	0.07 6	0.10 214	0.06 170	0.04 25	0.04 1	0.04 64	0.04 49	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 43	0.07 13	0.14 71	0.06 33	0.09 142	0.13 182	0.15 197	0.06 8	0.07 79	0.08 130	0.06 43	0.08 235	0.09 62	0.09 110	0.06 170	0.05 283	0.04 1	0.03 1	0.04 49	0.04 76

VIP-Stereo	0.07 7	0.07 244	0.07 13	0.15 126	0.06 33	0.12 320	0.10 39	0.11 63	0.11 115	0.06 25	0.07 68	0.06 43	0.05 14	0.10 128	0.08 27	0.05 52	0.04 25	0.05 55	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 244	0.08 61	0.18 407	0.06 33	0.07 44	0.11 68	0.09 23	0.06 8	0.04 1	0.07 68	0.10 270	0.09 277	0.08 29	0.08 27	0.04 11	0.03 1	0.04 1	0.04 64	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 7	0.05 43	0.09 131	0.13 22	0.06 33	0.12 320	0.12 104	0.11 63	0.10 82	0.07 79	0.08 130	0.06 43	0.06 68	0.09 62	0.08 27	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

MonStereo	0.07 7	0.06 118	0.05 1	0.15 126	0.05 2	0.08 86	0.10 39	0.15 197	0.15 262	0.05 2	0.06 25	0.05 5	0.06 68	0.07 6	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 43	0.07 13	0.16 226	0.06 33	0.07 44	0.11 68	0.10 38	0.08 27	0.06 25	0.06 25	0.07 128	0.07 182	0.09 62	0.09 110	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 118	0.05 1	0.15 126	0.05 2	0.08 86	0.10 39	0.15 197	0.15 262	0.05 2	0.06 25	0.05 5	0.06 68	0.07 6	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 131	0.13 22	0.06 33	0.05 4	0.09 23	0.11 63	0.07 18	0.06 25	0.06 25	0.05 5	0.06 68	0.09 62	0.09 110	0.06 170	0.04 25	0.04 1	0.03 1	0.05 173	0.05 211

Replicate-Monster	0.07 7	0.05 43	0.09 131	0.14 71	0.06 33	0.08 86	0.09 23	0.13 120	0.13 202	0.05 2	0.07 68	0.06 43	0.06 68	0.08 29	0.10 214	0.05 52	0.04 25	0.05 55	0.03 1	0.04 49	0.04 76

AdaDepth	0.07 7	0.06 118	0.07 13	0.18 407	0.06 33	0.11 266	0.12 104	0.09 23	0.07 18	0.06 25	0.05 7	0.07 128	0.06 68	0.09 62	0.10 214	0.04 11	0.05 283	0.05 55	0.04 64	0.04 49	0.04 76

asda	0.07 7	0.08 368	0.08 61	0.16 226	0.06 33	0.06 14	0.10 39	0.16 238	0.10 82	0.06 25	0.06 25	0.05 5	0.05 14	0.10 128	0.10 214	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

asd	0.07 7	0.08 368	0.07 13	0.16 226	0.07 140	0.08 86	0.08 7	0.11 63	0.08 27	0.07 79	0.07 68	0.06 43	0.06 68	0.10 128	0.09 110	0.03 1	0.03 1	0.04 1	0.04 64	0.04 49	0.03 2

qwe	0.07 7	0.08 368	0.07 13	0.15 126	0.06 33	0.07 44	0.10 39	0.18 313	0.11 115	0.07 79	0.07 68	0.06 43	0.06 68	0.10 128	0.09 110	0.03 1	0.03 1	0.04 1	0.04 64	0.04 49	0.03 2

2.25w	0.07 7	0.06 118	0.07 13	0.14 71	0.06 33	0.08 86	0.08 7	0.10 38	0.15 262	0.08 139	0.10 205	0.07 128	0.06 68	0.08 29	0.10 214	0.05 52	0.03 1	0.04 1	0.04 64	0.03 1	0.04 76

4.25_new	0.07 7	0.08 368	0.09 131	0.15 126	0.06 33	0.09 142	0.08 7	0.14 154	0.08 27	0.07 79	0.07 68	0.06 43	0.06 68	0.12 305	0.10 214	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

4.5w_new	0.07 7	0.08 368	0.09 131	0.15 126	0.06 33	0.09 142	0.08 7	0.14 154	0.08 27	0.07 79	0.07 68	0.06 43	0.06 68	0.12 305	0.10 214	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

4.5_new	0.07 7	0.09 451	0.08 61	0.15 126	0.07 140	0.06 14	0.10 39	0.14 154	0.11 115	0.06 25	0.08 130	0.06 43	0.06 68	0.08 29	0.10 214	0.03 1	0.03 1	0.04 1	0.04 64	0.04 49	0.03 2

4.5w-stereo	0.07 7	0.09 451	0.08 61	0.15 126	0.07 140	0.06 14	0.10 39	0.14 154	0.11 115	0.06 25	0.08 130	0.06 43	0.06 68	0.08 29	0.10 214	0.03 1	0.03 1	0.04 1	0.04 64	0.04 49	0.03 2

4.25w-stereo	0.07 7	0.08 368	0.09 131	0.15 126	0.06 33	0.09 142	0.08 7	0.14 154	0.08 27	0.07 79	0.07 68	0.06 43	0.06 68	0.12 305	0.10 214	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

4w-stereo	0.07 7	0.08 368	0.08 61	0.16 226	0.06 33	0.07 44	0.08 7	0.12 90	0.08 27	0.07 79	0.07 68	0.05 5	0.06 68	0.09 62	0.10 214	0.03 1	0.03 1	0.04 1	0.04 64	0.04 49	0.03 2

2.5w	0.07 7	0.07 244	0.07 13	0.16 226	0.06 33	0.08 86	0.12 104	0.10 38	0.10 82	0.07 79	0.06 25	0.09 232	0.06 68	0.08 29	0.09 110	0.04 11	0.03 1	0.04 1	0.04 64	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 244	0.07 13	0.13 22	0.06 33	0.08 86	0.08 7	0.18 313	0.12 157	0.07 79	0.08 130	0.06 43	0.06 68	0.09 62	0.11 299	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 76

3.25w_new	0.07 7	0.06 118	0.07 13	0.15 126	0.06 33	0.10 208	0.07 3	0.12 90	0.11 115	0.08 139	0.06 25	0.07 128	0.06 68	0.11 206	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 118	0.07 13	0.15 126	0.06 33	0.10 208	0.07 3	0.12 90	0.11 115	0.08 139	0.06 25	0.07 128	0.06 68	0.11 206	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 244	0.08 61	0.16 226	0.07 140	0.07 44	0.09 23	0.16 238	0.09 55	0.07 79	0.06 25	0.05 5	0.06 68	0.09 62	0.10 214	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 244	0.07 13	0.15 126	0.07 140	0.09 142	0.06 1	0.13 120	0.11 115	0.07 79	0.07 68	0.06 43	0.07 182	0.10 128	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 118	0.07 13	0.16 226	0.06 33	0.07 44	0.10 39	0.14 154	0.14 235	0.07 79	0.08 130	0.05 5	0.06 68	0.09 62	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 76

monsterstereo	0.07 7	0.06 118	0.06 5	0.16 226	0.06 33	0.08 86	0.10 39	0.16 238	0.11 115	0.07 79	0.08 130	0.06 43	0.07 182	0.08 29	0.09 110	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

monsters	0.07 7	0.06 118	0.06 5	0.15 126	0.06 33	0.08 86	0.09 23	0.12 90	0.08 27	0.09 192	0.07 68	0.06 43	0.06 68	0.08 29	0.08 27	0.05 52	0.04 25	0.04 1	0.04 64	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 61	0.13 22	0.06 33	0.09 142	0.12 104	0.14 154	0.10 82	0.06 25	0.09 168	0.07 128	0.05 14	0.09 62	0.09 110	0.06 170	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

111111	0.07 7	0.04 1	0.09 131	0.17 312	0.06 33	0.05 4	0.10 39	0.11 63	0.09 55	0.06 25	0.06 25	0.07 128	0.05 14	0.09 62	0.09 110	0.06 170	0.04 25	0.05 55	0.04 64	0.07 392	0.06 320

LG-Stereo_L2	0.07 7	0.05 43	0.10 198	0.14 71	0.06 33	0.07 44	0.12 104	0.09 23	0.09 55	0.06 25	0.04 1	0.05 5	0.05 14	0.08 29	0.08 27	0.05 52	0.04 25	0.05 55	0.03 1	0.04 49	0.03 2

LG-Stereo_L1	0.07 7	0.05 43	0.11 263	0.14 71	0.06 33	0.07 44	0.13 182	0.09 23	0.07 18	0.05 2	0.04 1	0.05 5	0.04 1	0.08 29	0.07 1	0.05 52	0.04 25	0.05 55	0.03 1	0.04 49	0.04 76

MLG-Stereo_test3	0.07 7	0.05 43	0.10 198	0.14 71	0.06 33	0.07 44	0.11 68	0.08 12	0.06 8	0.06 25	0.04 1	0.06 43	0.06 68	0.07 6	0.10 214	0.06 170	0.04 25	0.05 55	0.04 64	0.05 173	0.06 320

MLG-Stereo	0.07 7	0.05 43	0.08 61	0.17 312	0.05 2	0.07 44	0.11 68	0.08 12	0.04 2	0.05 2	0.04 1	0.06 43	0.05 14	0.10 128	0.09 110	0.05 52	0.04 25	0.05 55	0.03 1	0.04 49	0.04 76

LG-G_1	0.07 7	0.04 1	0.11 263	0.15 126	0.06 33	0.09 142	0.08 7	0.08 12	0.06 8	0.06 25	0.05 7	0.07 128	0.07 182	0.11 206	0.08 27	0.07 353	0.04 25	0.05 55	0.04 64	0.05 173	0.05 211

LG-G	0.07 7	0.04 1	0.11 263	0.15 126	0.06 33	0.09 142	0.08 7	0.08 12	0.06 8	0.06 25	0.05 7	0.07 128	0.07 182	0.11 206	0.08 27	0.07 353	0.04 25	0.05 55	0.04 64	0.05 173	0.05 211

LGtest1	0.07 7	0.04 1	0.10 198	0.15 126	0.06 33	0.07 44	0.09 23	0.08 12	0.06 8	0.05 2	0.04 1	0.06 43	0.06 68	0.10 128	0.09 110	0.07 353	0.04 25	0.05 55	0.04 64	0.06 303	0.06 320

LG-Stereo_Zeroshot	0.07 7	0.06 118	0.10 198	0.16 226	0.07 140	0.04 1	0.13 182	0.10 38	0.10 82	0.05 2	0.11 259	0.07 128	0.05 14	0.07 6	0.09 110	0.06 170	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

GREAT-IGEV	0.07 7	0.06 118	0.08 61	0.13 22	0.07 140	0.07 44	0.14 253	0.09 23	0.09 55	0.06 25	0.07 68	0.06 43	0.05 14	0.10 128	0.07 1	0.05 52	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76
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	0.15 609	0.17 519	0.11 1	0.05 2	0.05 4	0.11 68	0.08 12	0.08 27	0.06 25	0.06 25	0.05 5	0.05 14	0.09 62	0.08 27	0.08 436	0.04 25	0.05 55	0.03 1	0.05 173	0.04 76

AIO_rvc	0.07 7	0.06 118	0.08 61	0.15 126	0.06 33	0.08 86	0.14 253	0.09 23	0.08 27	0.07 79	0.08 130	0.07 128	0.04 1	0.10 128	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

AIO_test	0.07 7	0.05 43	0.07 13	0.15 126	0.07 140	0.06 14	0.14 253	0.10 38	0.10 82	0.07 79	0.07 68	0.06 43	0.05 14	0.08 29	0.10 214	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

MonSter	0.07 7	0.06 118	0.05 1	0.15 126	0.05 2	0.07 44	0.10 39	0.15 197	0.15 262	0.05 2	0.06 25	0.05 5	0.06 68	0.07 6	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 43	0.07 13	0.14 71	0.06 33	0.10 208	0.13 182	0.07 7	0.13 202	0.06 25	0.07 68	0.06 43	0.05 14	0.10 128	0.09 110	0.04 11	0.04 25	0.05 55	0.03 1	0.04 49	0.04 76

dual_stereo	0.07 7	0.04 1	0.08 61	0.15 126	0.05 2	0.05 4	0.13 182	0.12 90	0.08 27	0.07 79	0.06 25	0.05 5	0.05 14	0.07 6	0.09 110	0.06 170	0.04 25	0.05 55	0.03 1	0.04 49	0.04 76

IGEV-Stereo++	0.07 7	0.06 118	0.08 61	0.18 407	0.06 33	0.04 1	0.10 39	0.11 63	0.11 115	0.06 25	0.07 68	0.07 128	0.06 68	0.09 62	0.09 110	0.05 52	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

IGEV-Stereo+	0.07 7	0.04 1	0.08 61	0.15 126	0.06 33	0.04 1	0.09 23	0.10 38	0.09 55	0.06 25	0.06 25	0.06 43	0.06 68	0.06 2	0.08 27	0.06 170	0.04 25	0.05 55	0.04 64	0.06 303	0.06 320

GCAPDPT-zeroshot4090	0.07 7	0.05 43	0.11 263	0.15 126	0.06 33	0.07 44	0.13 182	0.09 23	0.11 115	0.07 79	0.08 130	0.06 43	0.05 14	0.09 62	0.07 1	0.05 52	0.05 283	0.05 55	0.04 64	0.03 1	0.04 76

Selective-IGEV	0.07 7	0.06 118	0.08 61	0.17 312	0.06 33	0.08 86	0.12 104	0.13 120	0.07 18	0.08 139	0.07 68	0.06 43	0.04 1	0.10 128	0.09 110	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

over-6	0.08 89	0.07 244	0.08 61	0.17 312	0.05 2	0.10 208	0.09 23	0.17 277	0.11 115	0.06 25	0.07 68	0.06 43	0.09 277	0.10 128	0.08 27	0.06 170	0.04 25	0.04 1	0.04 64	0.05 173	0.05 211

small-zeroshot	0.08 89	0.06 118	0.10 198	0.14 71	0.07 140	0.06 14	0.16 413	0.09 23	0.12 157	0.06 25	0.10 205	0.05 5	0.07 182	0.05 1	0.11 299	0.06 170	0.05 283	0.05 55	0.04 64	0.05 173	0.05 211

WAFT-Stereo (ZS)	0.08 89	0.06 118	0.10 198	0.13 22	0.07 140	0.09 142	0.13 182	0.08 12	0.11 115	0.07 79	0.10 205	0.06 43	0.07 182	0.07 6	0.10 214	0.06 170	0.04 25	0.05 55	0.04 64	0.06 303	0.05 211

WAFT-Stereo (FT)	0.08 89	0.06 118	0.09 131	0.17 312	0.07 140	0.10 208	0.13 182	0.09 23	0.09 55	0.07 79	0.08 130	0.06 43	0.06 68	0.06 2	0.08 27	0.04 11	0.04 25	0.06 207	0.06 300	0.05 173	0.07 410

depth_test_26	0.08 89	0.04 1	0.11 263	0.13 22	0.07 140	0.07 44	0.11 68	0.12 90	0.11 115	0.09 192	0.07 68	0.08 194	0.05 14	0.09 62	0.08 27	0.08 436	0.06 438	0.06 207	0.06 300	0.06 303	0.07 410

Anonymus	0.08 89	0.05 43	0.10 198	0.15 126	0.08 231	0.10 208	0.15 341	0.15 197	0.10 82	0.07 79	0.06 25	0.07 128	0.08 235	0.12 305	0.10 214	0.06 170	0.04 25	0.05 55	0.05 199	0.05 173	0.06 320

LGCAT	0.08 89	0.04 1	0.10 198	0.11 1	0.06 33	0.07 44	0.12 104	0.07 7	0.08 27	0.09 192	0.07 68	0.07 128	0.08 235	0.12 305	0.11 299	0.10 542	0.09 578	0.04 1	0.05 199	0.04 49	0.09 528

quiztm	0.08 89	0.07 244	0.08 61	0.18 407	0.07 140	0.09 142	0.14 253	0.14 154	0.12 157	0.07 79	0.07 68	0.05 5	0.06 68	0.11 206	0.09 110	0.05 52	0.04 25	0.06 207	0.04 64	0.04 49	0.03 2

TS12	0.08 89	0.06 118	0.09 131	0.21 583	0.07 140	0.11 266	0.13 182	0.11 63	0.09 55	0.10 239	0.10 205	0.08 194	0.10 324	0.09 62	0.12 366	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.04 76

DF	0.08 89	0.05 43	0.09 131	0.15 126	0.06 33	0.11 266	0.13 182	0.10 38	0.12 157	0.09 192	0.10 205	0.10 270	0.08 235	0.11 206	0.09 110	0.07 353	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

LiteMatch*	0.08 89	0.04 1	0.11 263	0.13 22	0.08 231	0.08 86	0.13 182	0.14 154	0.09 55	0.05 2	0.05 7	0.05 5	0.09 277	0.11 206	0.10 214	0.06 170	0.05 283	0.05 55	0.04 64	0.05 173	0.05 211

aanet-new-90k	0.08 89	0.07 244	0.08 61	0.19 482	0.06 33	0.07 44	0.12 104	0.12 90	0.13 202	0.06 25	0.07 68	0.06 43	0.06 68	0.10 128	0.07 1	0.05 52	0.04 25	0.05 55	0.04 64	0.05 173	0.03 2

aanet-new-36k	0.08 89	0.06 118	0.09 131	0.17 312	0.06 33	0.09 142	0.13 182	0.11 63	0.13 202	0.08 139	0.08 130	0.06 43	0.05 14	0.09 62	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

aanet-new-34k	0.08 89	0.06 118	0.09 131	0.17 312	0.05 2	0.07 44	0.13 182	0.12 90	0.12 157	0.09 192	0.08 130	0.07 128	0.05 14	0.10 128	0.09 110	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

aanet-32k-new	0.08 89	0.07 244	0.08 61	0.18 407	0.06 33	0.08 86	0.12 104	0.11 63	0.12 157	0.07 79	0.08 130	0.05 5	0.07 182	0.10 128	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.06 303	0.04 76

aanet-new-32k	0.08 89	0.07 244	0.09 131	0.18 407	0.06 33	0.11 266	0.11 68	0.10 38	0.08 27	0.07 79	0.07 68	0.07 128	0.06 68	0.10 128	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

aanet-new-30k	0.08 89	0.07 244	0.09 131	0.18 407	0.06 33	0.11 266	0.11 68	0.10 38	0.08 27	0.07 79	0.07 68	0.07 128	0.06 68	0.10 128	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

aanet-new-28k	0.08 89	0.07 244	0.09 131	0.18 407	0.06 33	0.08 86	0.12 104	0.10 38	0.09 55	0.09 192	0.08 130	0.08 194	0.06 68	0.12 305	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

aanet-new-22k	0.08 89	0.06 118	0.09 131	0.17 312	0.06 33	0.08 86	0.11 68	0.14 154	0.12 157	0.09 192	0.09 168	0.08 194	0.06 68	0.10 128	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

aanet-new-16k	0.08 89	0.08 368	0.08 61	0.18 407	0.06 33	0.07 44	0.09 23	0.13 120	0.12 157	0.08 139	0.07 68	0.07 128	0.06 68	0.09 62	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.05 173	0.03 2

aanet-new-10k	0.08 89	0.08 368	0.08 61	0.19 482	0.07 140	0.08 86	0.12 104	0.14 154	0.11 115	0.07 79	0.08 130	0.07 128	0.07 182	0.09 62	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

aanet-new-12k	0.08 89	0.09 451	0.07 13	0.20 549	0.08 231	0.08 86	0.13 182	0.12 90	0.13 202	0.08 139	0.08 130	0.05 5	0.07 182	0.09 62	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.06 303	0.04 76

aanet-new-14k	0.08 89	0.09 451	0.08 61	0.19 482	0.06 33	0.07 44	0.10 39	0.14 154	0.15 262	0.06 25	0.08 130	0.05 5	0.06 68	0.09 62	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

aanet-new-8k	0.08 89	0.07 244	0.08 61	0.19 482	0.07 140	0.09 142	0.12 104	0.16 238	0.15 262	0.07 79	0.07 68	0.06 43	0.06 68	0.10 128	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

aanet-new	0.08 89	0.09 451	0.10 198	0.18 407	0.08 231	0.10 208	0.12 104	0.15 197	0.12 157	0.08 139	0.08 130	0.05 5	0.07 182	0.10 128	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.06 303	0.04 76

GCAP-Stereo-cres-4k	0.08 89	0.07 244	0.08 61	0.18 407	0.07 140	0.11 266	0.14 253	0.12 90	0.11 115	0.07 79	0.11 259	0.07 128	0.06 68	0.09 62	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

GCAP-Stereo-DPT-cres	0.08 89	0.05 43	0.07 13	0.15 126	0.06 33	0.10 208	0.14 253	0.13 120	0.12 157	0.07 79	0.09 168	0.07 128	0.06 68	0.10 128	0.09 110	0.05 52	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 89	0.06 118	0.15 452	0.14 71	0.06 33	0.08 86	0.13 182	0.13 120	0.11 115	0.07 79	0.08 130	0.07 128	0.06 68	0.09 62	0.08 27	0.05 52	0.05 283	0.05 55	0.04 64	0.03 1	0.04 76

GCAP-Stereo-DPT-22K	0.08 89	0.06 118	0.07 13	0.17 312	0.06 33	0.07 44	0.14 253	0.13 120	0.16 302	0.05 2	0.10 205	0.06 43	0.06 68	0.08 29	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.04 76

GCAP-Stereo-DPT-5K	0.08 89	0.06 118	0.10 198	0.16 226	0.07 140	0.11 266	0.12 104	0.15 197	0.15 262	0.08 139	0.12 281	0.05 5	0.06 68	0.09 62	0.08 27	0.05 52	0.04 25	0.06 207	0.05 199	0.03 1	0.04 76

GCAP-Stereo-DPT-2K	0.08 89	0.06 118	0.10 198	0.16 226	0.07 140	0.11 266	0.13 182	0.14 154	0.14 235	0.08 139	0.13 300	0.05 5	0.06 68	0.10 128	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.03 1	0.04 76

GCAP-Stereo-DPT-3K	0.08 89	0.07 244	0.10 198	0.16 226	0.07 140	0.09 142	0.12 104	0.15 197	0.14 235	0.08 139	0.11 259	0.05 5	0.06 68	0.09 62	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.03 1	0.04 76

GCAP-Stereo-DPT-50K	0.08 89	0.06 118	0.17 519	0.15 126	0.06 33	0.06 14	0.13 182	0.13 120	0.13 202	0.07 79	0.07 68	0.06 43	0.05 14	0.08 29	0.08 27	0.04 11	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 89	0.06 118	0.07 13	0.16 226	0.06 33	0.06 14	0.14 253	0.14 154	0.14 235	0.07 79	0.10 205	0.06 43	0.05 14	0.09 62	0.09 110	0.04 11	0.04 25	0.04 1	0.04 64	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 89	0.05 43	0.12 311	0.15 126	0.06 33	0.10 208	0.14 253	0.12 90	0.12 157	0.07 79	0.09 168	0.06 43	0.06 68	0.10 128	0.08 27	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

PSi22	0.08 89	0.06 118	0.11 263	0.16 226	0.07 140	0.08 86	0.10 39	0.14 154	0.08 27	0.08 139	0.06 25	0.10 270	0.06 68	0.12 305	0.09 110	0.05 52	0.04 25	0.04 1	0.03 1	0.04 49	0.04 76

Foundation-i1c-attn	0.08 89	0.05 43	0.07 13	0.14 71	0.05 2	0.09 142	0.12 104	0.12 90	0.10 82	0.09 192	0.10 205	0.10 270	0.07 182	0.07 6	0.10 214	0.06 170	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

Foundation-i1b	0.08 89	0.05 43	0.07 13	0.14 71	0.05 2	0.09 142	0.12 104	0.13 120	0.10 82	0.09 192	0.10 205	0.09 232	0.06 68	0.07 6	0.09 110	0.06 170	0.04 25	0.05 55	0.04 64	0.03 1	0.03 2

Foundation-i1a	0.08 89	0.05 43	0.07 13	0.13 22	0.05 2	0.13 376	0.13 182	0.12 90	0.09 55	0.11 276	0.11 259	0.11 301	0.06 68	0.08 29	0.09 110	0.06 170	0.04 25	0.05 55	0.03 1	0.04 49	0.04 76

DepthFocus	0.08 89	0.04 1	0.15 452	0.12 7	0.09 366	0.07 44	0.12 104	0.10 38	0.05 4	0.09 192	0.05 7	0.07 128	0.04 1	0.08 29	0.08 27	0.06 170	0.05 283	0.07 321	0.07 401	0.05 173	0.04 76

GeoVLM	0.08 89	0.04 1	0.10 198	0.13 22	0.06 33	0.10 208	0.12 104	0.13 120	0.08 27	0.06 25	0.07 68	0.06 43	0.08 235	0.10 128	0.11 299	0.06 170	0.05 283	0.04 1	0.03 1	0.04 49	0.05 211

gcap_with_dpt	0.08 89	0.06 118	0.09 131	0.16 226	0.07 140	0.09 142	0.12 104	0.13 120	0.13 202	0.08 139	0.12 281	0.04 1	0.06 68	0.10 128	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.03 1	0.04 76

DispViT+	0.08 89	0.05 43	0.09 131	0.13 22	0.06 33	0.05 4	0.11 68	0.18 313	0.16 302	0.09 192	0.08 130	0.07 128	0.06 68	0.11 206	0.09 110	0.06 170	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 89	0.04 1	0.11 263	0.14 71	0.07 140	0.11 266	0.11 68	0.11 63	0.07 18	0.07 79	0.07 68	0.07 128	0.06 68	0.10 128	0.10 214	0.06 170	0.04 25	0.05 55	0.04 64	0.06 303	0.06 320

BStereo	0.08 89	0.06 118	0.16 488	0.15 126	0.08 231	0.07 44	0.09 23	0.15 197	0.16 302	0.06 25	0.07 68	0.07 128	0.05 14	0.09 62	0.11 299	0.04 11	0.05 283	0.05 55	0.07 401	0.04 49	0.04 76

MonSter++	0.08 89	0.04 1	0.10 198	0.13 22	0.06 33	0.09 142	0.12 104	0.13 120	0.08 27	0.06 25	0.07 68	0.06 43	0.08 235	0.10 128	0.11 299	0.06 170	0.05 283	0.04 1	0.03 1	0.04 49	0.04 76

HiDET	0.08 89	0.04 1	0.10 198	0.13 22	0.06 33	0.08 86	0.12 104	0.12 90	0.11 115	0.06 25	0.07 68	0.07 128	0.07 182	0.11 206	0.11 299	0.06 170	0.04 25	0.04 1	0.03 1	0.04 49	0.04 76

LCMNet	0.08 89	0.05 43	0.10 198	0.13 22	0.07 140	0.09 142	0.12 104	0.10 38	0.11 115	0.06 25	0.08 130	0.06 43	0.07 182	0.11 206	0.10 214	0.06 170	0.05 283	0.04 1	0.03 1	0.04 49	0.04 76

GEAStereo	0.08 89	0.05 43	0.08 61	0.13 22	0.08 231	0.08 86	0.14 253	0.10 38	0.09 55	0.08 139	0.10 205	0.06 43	0.05 14	0.11 206	0.08 27	0.06 170	0.04 25	0.05 55	0.04 64	0.05 173	0.05 211

GSStereo	0.08 89	0.05 43	0.08 61	0.13 22	0.08 231	0.08 86	0.14 253	0.11 63	0.12 157	0.08 139	0.10 205	0.05 5	0.05 14	0.11 206	0.08 27	0.06 170	0.04 25	0.05 55	0.04 64	0.05 173	0.05 211

gasm-f	0.08 89	0.05 43	0.07 13	0.13 22	0.08 231	0.08 86	0.14 253	0.10 38	0.09 55	0.08 139	0.10 205	0.06 43	0.05 14	0.10 128	0.08 27	0.06 170	0.04 25	0.05 55	0.04 64	0.06 303	0.05 211

DDF-Stereo	0.08 89	0.04 1	0.09 131	0.15 126	0.10 480	0.06 14	0.13 182	0.09 23	0.14 235	0.06 25	0.06 25	0.07 128	0.06 68	0.09 62	0.10 214	0.06 170	0.04 25	0.06 207	0.04 64	0.08 461	0.05 211

252Zero-FE	0.08 89	0.04 1	0.09 131	0.13 22	0.07 140	0.12 320	0.11 68	0.13 120	0.14 235	0.06 25	0.05 7	0.06 43	0.05 14	0.09 62	0.10 214	0.06 170	0.04 25	0.04 1	0.03 1	0.05 173	0.06 320

DA	0.08 89	0.07 244	0.07 13	0.19 482	0.08 231	0.09 142	0.12 104	0.13 120	0.12 157	0.08 139	0.10 205	0.10 270	0.08 235	0.09 62	0.10 214	0.05 52	0.04 25	0.06 207	0.04 64	0.05 173	0.03 2

zero-FE	0.08 89	0.04 1	0.09 131	0.15 126	0.10 480	0.05 4	0.14 253	0.09 23	0.14 235	0.07 79	0.06 25	0.07 128	0.06 68	0.09 62	0.10 214	0.06 170	0.04 25	0.06 207	0.04 64	0.08 461	0.05 211

GGEV	0.08 89	0.07 244	0.07 13	0.19 482	0.08 231	0.09 142	0.12 104	0.13 120	0.12 157	0.08 139	0.10 205	0.10 270	0.08 235	0.09 62	0.10 214	0.05 52	0.04 25	0.06 207	0.04 64	0.05 173	0.03 2

GASTEREO	0.08 89	0.05 43	0.09 131	0.19 482	0.07 140	0.07 44	0.12 104	0.14 154	0.11 115	0.10 239	0.09 168	0.07 128	0.04 1	0.12 305	0.08 27	0.06 170	0.05 283	0.05 55	0.04 64	0.04 49	0.05 211

MSCF	0.08 89	0.05 43	0.08 61	0.19 482	0.08 231	0.06 14	0.12 104	0.14 154	0.11 115	0.10 239	0.09 168	0.07 128	0.04 1	0.11 206	0.08 27	0.06 170	0.05 283	0.05 55	0.04 64	0.05 173	0.05 211

S2M2_XL	0.08 89	0.06 118	0.12 311	0.12 7	0.08 231	0.09 142	0.09 23	0.07 7	0.07 18	0.08 139	0.07 68	0.07 128	0.06 68	0.09 62	0.09 110	0.08 436	0.06 438	0.07 321	0.05 199	0.08 461	0.06 320
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 89	0.09 451	0.10 198	0.17 312	0.07 140	0.08 86	0.10 39	0.20 356	0.13 202	0.06 25	0.07 68	0.05 5	0.06 68	0.08 29	0.09 110	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

2w_stereo	0.08 89	0.08 368	0.09 131	0.16 226	0.06 33	0.08 86	0.10 39	0.20 356	0.15 262	0.08 139	0.07 68	0.06 43	0.06 68	0.06 2	0.09 110	0.04 11	0.03 1	0.04 1	0.04 64	0.03 1	0.03 2

LG-Stereo	0.08 89	0.07 244	0.10 198	0.18 407	0.07 140	0.10 208	0.17 457	0.11 63	0.08 27	0.05 2	0.07 68	0.05 5	0.07 182	0.09 62	0.09 110	0.04 11	0.05 283	0.07 321	0.07 401	0.04 49	0.04 76

SGD-Stereo	0.08 89	0.05 43	0.10 198	0.14 71	0.05 2	0.12 320	0.12 104	0.11 63	0.12 157	0.07 79	0.09 168	0.09 232	0.09 277	0.08 29	0.08 27	0.06 170	0.04 25	0.05 55	0.04 64	0.05 173	0.03 2

HART	0.08 89	0.07 244	0.09 131	0.17 312	0.07 140	0.10 208	0.16 413	0.13 120	0.11 115	0.08 139	0.10 205	0.07 128	0.05 14	0.10 128	0.08 27	0.05 52	0.04 25	0.06 207	0.04 64	0.05 173	0.04 76

Reg-Stereo(zero)	0.08 89	0.05 43	0.08 61	0.16 226	0.06 33	0.12 320	0.11 68	0.15 197	0.10 82	0.12 320	0.09 168	0.10 270	0.08 235	0.11 206	0.08 27	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.05 211

SCV_C0	0.08 89	0.07 244	0.07 13	0.16 226	0.09 366	0.08 86	0.15 341	0.11 63	0.12 157	0.08 139	0.07 68	0.06 43	0.05 14	0.11 206	0.07 1	0.05 52	0.05 283	0.05 55	0.04 64	0.06 303	0.05 211

SCV	0.08 89	0.09 451	0.08 61	0.15 126	0.08 231	0.10 208	0.13 182	0.10 38	0.12 157	0.07 79	0.07 68	0.06 43	0.04 1	0.09 62	0.08 27	0.05 52	0.04 25	0.06 207	0.04 64	0.06 303	0.04 76

DEFOM-Stereo_RVC	0.08 89	0.06 118	0.09 131	0.22 600	0.06 33	0.08 86	0.12 104	0.10 38	0.10 82	0.07 79	0.07 68	0.06 43	0.05 14	0.11 206	0.09 110	0.06 170	0.04 25	0.05 55	0.03 1	0.06 303	0.04 76

HUF	0.08 89	0.05 43	0.08 61	0.14 71	0.06 33	0.09 142	0.13 182	0.13 120	0.13 202	0.07 79	0.07 68	0.08 194	0.06 68	0.10 128	0.09 110	0.06 170	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

castereo++	0.08 89	0.05 43	0.08 61	0.15 126	0.05 2	0.14 413	0.12 104	0.11 63	0.15 262	0.07 79	0.07 68	0.07 128	0.06 68	0.08 29	0.08 27	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

IGEV-RUCA	0.08 89	0.06 118	0.11 263	0.14 71	0.09 366	0.10 208	0.12 104	0.10 38	0.12 157	0.06 25	0.07 68	0.07 128	0.06 68	0.09 62	0.08 27	0.06 170	0.05 283	0.05 55	0.04 64	0.05 173	0.06 320

GIP-stereo	0.08 89	0.06 118	0.11 263	0.14 71	0.06 33	0.09 142	0.13 182	0.14 154	0.11 115	0.07 79	0.08 130	0.05 5	0.04 1	0.10 128	0.07 1	0.05 52	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

SMoEStereo_RVC	0.08 89	0.06 118	0.12 311	0.16 226	0.07 140	0.09 142	0.14 253	0.11 63	0.13 202	0.09 192	0.07 68	0.07 128	0.07 182	0.12 305	0.10 214	0.05 52	0.04 25	0.06 207	0.05 199	0.04 49	0.04 76

WCG-NET	0.08 89	0.05 43	0.09 131	0.15 126	0.06 33	0.11 266	0.14 253	0.13 120	0.13 202	0.06 25	0.09 168	0.07 128	0.06 68	0.13 362	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

Occ-G	0.08 89	0.05 43	0.06 5	0.14 71	0.07 140	0.08 86	0.14 253	0.13 120	0.15 262	0.07 79	0.11 259	0.07 128	0.05 14	0.09 62	0.10 214	0.06 170	0.05 283	0.05 55	0.04 64	0.05 173	0.05 211

U	0.08 89	0.07 244	0.09 131	0.19 482	0.10 480	0.10 208	0.13 182	0.12 90	0.17 332	0.07 79	0.07 68	0.06 43	0.05 14	0.07 6	0.08 27	0.06 170	0.04 25	0.06 207	0.04 64	0.06 303	0.05 211

AIO-Stereo	0.08 89	0.06 118	0.09 131	0.18 407	0.06 33	0.08 86	0.12 104	0.15 197	0.09 55	0.08 139	0.08 130	0.07 128	0.05 14	0.11 206	0.08 27	0.05 52	0.05 283	0.05 55	0.04 64	0.04 49	0.04 76

WCG-NET（raft）	0.08 89	0.05 43	0.10 198	0.15 126	0.06 33	0.11 266	0.13 182	0.15 197	0.12 157	0.08 139	0.07 68	0.06 43	0.06 68	0.13 362	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

RSM++	0.08 89	0.06 118	0.09 131	0.17 312	0.07 140	0.09 142	0.12 104	0.11 63	0.11 115	0.08 139	0.06 25	0.07 128	0.05 14	0.10 128	0.09 110	0.04 11	0.04 25	0.06 207	0.05 199	0.05 173	0.03 2

RSM	0.08 89	0.06 118	0.09 131	0.17 312	0.06 33	0.08 86	0.12 104	0.12 90	0.10 82	0.08 139	0.07 68	0.06 43	0.05 14	0.11 206	0.09 110	0.04 11	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

gcap-zeroshot	0.08 89	0.06 118	0.10 198	0.15 126	0.07 140	0.11 266	0.12 104	0.15 197	0.15 262	0.08 139	0.12 281	0.05 5	0.06 68	0.09 62	0.08 27	0.05 52	0.04 25	0.06 207	0.05 199	0.03 1	0.04 76

test_for_model	0.08 89	0.06 118	0.10 198	0.16 226	0.07 140	0.11 266	0.12 104	0.15 197	0.15 262	0.08 139	0.12 281	0.05 5	0.06 68	0.09 62	0.08 27	0.05 52	0.04 25	0.06 207	0.05 199	0.03 1	0.04 76

trnet	0.08 89	0.05 43	0.07 13	0.12 7	0.05 2	0.12 320	0.11 68	0.13 120	0.10 82	0.08 139	0.13 300	0.09 232	0.08 235	0.11 206	0.10 214	0.08 436	0.05 283	0.05 55	0.03 1	0.06 303	0.05 211

MoCha-V2	0.08 89	0.05 43	0.10 198	0.20 549	0.07 140	0.09 142	0.14 253	0.11 63	0.08 27	0.07 79	0.08 130	0.07 128	0.06 68	0.09 62	0.08 27	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

IGEV++	0.08 89	0.06 118	0.08 61	0.18 407	0.07 140	0.09 142	0.13 182	0.10 38	0.09 55	0.08 139	0.08 130	0.06 43	0.06 68	0.13 362	0.09 110	0.05 52	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

testlalala	0.08 89	0.06 118	0.10 198	0.15 126	0.07 140	0.11 266	0.12 104	0.15 197	0.15 262	0.08 139	0.12 281	0.05 5	0.06 68	0.09 62	0.08 27	0.05 52	0.04 25	0.06 207	0.05 199	0.03 1	0.04 76

AEACV	0.08 89	0.05 43	0.08 61	0.14 71	0.13 588	0.14 413	0.13 182	0.14 154	0.09 55	0.07 79	0.09 168	0.07 128	0.08 235	0.10 128	0.09 110	0.06 170	0.04 25	0.06 207	0.05 199	0.05 173	0.04 76

LoS_RVC	0.08 89	0.05 43	0.07 13	0.15 126	0.07 140	0.08 86	0.15 341	0.11 63	0.10 82	0.08 139	0.09 168	0.06 43	0.09 277	0.10 128	0.09 110	0.05 52	0.04 25	0.05 55	0.03 1	0.04 49	0.03 2

CAS	0.08 89	0.04 1	0.07 13	0.17 312	0.08 231	0.10 208	0.13 182	0.12 90	0.09 55	0.09 192	0.10 205	0.08 194	0.06 68	0.09 62	0.08 27	0.08 436	0.04 25	0.05 55	0.03 1	0.05 173	0.04 76

CES	0.08 89	0.04 1	0.08 61	0.14 71	0.07 140	0.09 142	0.14 253	0.11 63	0.09 55	0.08 139	0.09 168	0.11 301	0.06 68	0.12 305	0.08 27	0.06 170	0.04 25	0.05 55	0.03 1	0.05 173	0.05 211

EGLCR-Stereo	0.08 89	0.05 43	0.08 61	0.14 71	0.06 33	0.10 208	0.12 104	0.11 63	0.16 302	0.06 25	0.05 7	0.07 128	0.05 14	0.10 128	0.11 299	0.06 170	0.04 25	0.06 207	0.05 199	0.04 49	0.04 76

MC-Stereo	0.08 89	0.06 118	0.09 131	0.17 312	0.06 33	0.10 208	0.14 253	0.12 90	0.10 82	0.09 192	0.12 281	0.09 232	0.06 68	0.11 206	0.10 214	0.06 170	0.04 25	0.06 207	0.05 199	0.04 49	0.04 76

test-3	0.08 89	0.06 118	0.09 131	0.17 312	0.07 140	0.07 44	0.14 253	0.12 90	0.15 262	0.09 192	0.08 130	0.07 128	0.08 235	0.11 206	0.10 214	0.05 52	0.04 25	0.07 321	0.05 199	0.04 49	0.04 76

test_1	0.08 89	0.06 118	0.09 131	0.17 312	0.07 140	0.07 44	0.14 253	0.12 90	0.15 262	0.09 192	0.08 130	0.07 128	0.08 235	0.11 206	0.10 214	0.05 52	0.04 25	0.07 321	0.05 199	0.04 49	0.04 76

CREStereo++_RVC	0.08 89	0.04 1	0.06 5	0.13 22	0.07 140	0.09 142	0.12 104	0.14 154	0.14 235	0.10 239	0.14 316	0.08 194	0.07 182	0.09 62	0.11 299	0.06 170	0.04 25	0.05 55	0.05 199	0.04 49	0.04 76
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
Weightmod_eth	0.09 184	0.07 244	0.08 61	0.18 407	0.07 140	0.10 208	0.16 413	0.13 120	0.11 115	0.08 139	0.08 130	0.09 232	0.07 182	0.10 128	0.10 214	0.06 170	0.07 511	0.06 207	0.07 401	0.04 49	0.03 2

Weightmod	0.09 184	0.06 118	0.08 61	0.18 407	0.06 33	0.10 208	0.15 341	0.14 154	0.12 157	0.11 276	0.10 205	0.08 194	0.07 182	0.10 128	0.11 299	0.06 170	0.08 544	0.07 321	0.07 401	0.04 49	0.03 2

PhaseNet	0.09 184	0.06 118	0.10 198	0.15 126	0.08 231	0.10 208	0.14 253	0.20 356	0.12 157	0.07 79	0.08 130	0.09 232	0.10 324	0.13 362	0.12 366	0.06 170	0.04 25	0.06 207	0.06 300	0.05 173	0.05 211

DNS	0.09 184	0.05 43	0.11 263	0.15 126	0.08 231	0.10 208	0.16 413	0.17 277	0.09 55	0.08 139	0.12 281	0.08 194	0.07 182	0.09 62	0.08 27	0.07 353	0.04 25	0.05 55	0.05 199	0.06 303	0.05 211

RT-Monster	0.09 184	0.05 43	0.09 131	0.14 71	0.08 231	0.11 266	0.10 39	0.17 277	0.18 365	0.13 354	0.10 205	0.09 232	0.08 235	0.10 128	0.10 214	0.07 353	0.05 283	0.05 55	0.04 64	0.05 173	0.06 320

LiteMatch	0.09 184	0.06 118	0.10 198	0.16 226	0.07 140	0.09 142	0.15 341	0.13 120	0.08 27	0.06 25	0.07 68	0.06 43	0.15 479	0.10 128	0.14 456	0.07 353	0.04 25	0.06 207	0.06 300	0.06 303	0.06 320

Foundation-i1	0.09 184	0.04 1	0.10 198	0.14 71	0.06 33	0.10 208	0.13 182	0.16 238	0.14 235	0.10 239	0.10 205	0.11 301	0.07 182	0.07 6	0.10 214	0.06 170	0.04 25	0.05 55	0.05 199	0.05 173	0.05 211

VMStereo-Base	0.09 184	0.05 43	0.10 198	0.13 22	0.07 140	0.10 208	0.10 39	0.16 238	0.13 202	0.10 239	0.15 337	0.10 270	0.09 277	0.11 206	0.10 214	0.07 353	0.05 283	0.05 55	0.04 64	0.05 173	0.06 320

Anonymus123	0.09 184	0.06 118	0.16 488	0.15 126	0.08 231	0.11 266	0.09 23	0.18 313	0.16 302	0.06 25	0.07 68	0.07 128	0.05 14	0.09 62	0.11 299	0.04 11	0.05 283	0.05 55	0.07 401	0.04 49	0.04 76

NLSM3	0.09 184	0.06 118	0.08 61	0.19 482	0.08 231	0.11 266	0.16 413	0.18 313	0.16 302	0.06 25	0.08 130	0.07 128	0.08 235	0.09 62	0.11 299	0.04 11	0.04 25	0.06 207	0.07 401	0.03 1	0.03 2

FE-Mocha	0.09 184	0.06 118	0.14 403	0.16 226	0.09 366	0.10 208	0.15 341	0.18 313	0.16 302	0.10 239	0.09 168	0.07 128	0.07 182	0.09 62	0.09 110	0.06 170	0.04 25	0.06 207	0.06 300	0.05 173	0.05 211

IGEV-FE	0.09 184	0.05 43	0.12 311	0.13 22	0.08 231	0.12 320	0.13 182	0.17 277	0.11 115	0.10 239	0.06 25	0.09 232	0.06 68	0.11 206	0.09 110	0.06 170	0.04 25	0.06 207	0.06 300	0.05 173	0.05 211

water-stereo	0.09 184	0.06 118	0.08 61	0.16 226	0.07 140	0.09 142	0.13 182	0.15 197	0.13 202	0.11 276	0.12 281	0.08 194	0.09 277	0.07 6	0.08 27	0.06 170	0.05 283	0.05 55	0.05 199	0.04 49	0.04 76

depthmonostereo	0.09 184	0.06 118	0.09 131	0.15 126	0.06 33	0.10 208	0.13 182	0.14 154	0.14 235	0.10 239	0.10 205	0.09 232	0.11 362	0.08 29	0.09 110	0.06 170	0.05 283	0.06 207	0.04 64	0.04 49	0.03 2

DilatedVolume-Stereo	0.09 184	0.05 43	0.08 61	0.15 126	0.06 33	0.11 266	0.12 104	0.14 154	0.16 302	0.11 276	0.11 259	0.09 232	0.09 277	0.11 206	0.10 214	0.06 170	0.05 283	0.05 55	0.04 64	0.03 1	0.03 2

S2M2_L	0.09 184	0.08 368	0.11 263	0.13 22	0.10 480	0.08 86	0.06 1	0.10 38	0.10 82	0.10 239	0.09 168	0.10 270	0.09 277	0.11 206	0.11 299	0.13 625	0.07 511	0.08 416	0.09 524	0.10 559	0.08 482
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 184	0.06 118	0.09 131	0.19 482	0.08 231	0.12 320	0.18 506	0.15 197	0.14 235	0.07 79	0.10 205	0.07 128	0.06 68	0.12 305	0.09 110	0.05 52	0.04 25	0.06 207	0.05 199	0.05 173	0.03 2

castereo	0.09 184	0.06 118	0.11 263	0.15 126	0.06 33	0.11 266	0.15 341	0.14 154	0.18 365	0.08 139	0.10 205	0.11 301	0.08 235	0.09 62	0.10 214	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.03 2

fffft	0.09 184	0.06 118	0.12 311	0.16 226	0.07 140	0.09 142	0.17 457	0.12 90	0.11 115	0.08 139	0.07 68	0.09 232	0.06 68	0.11 206	0.12 366	0.05 52	0.04 25	0.06 207	0.05 199	0.04 49	0.05 211
1: 1. 1
tt45	0.09 184	0.06 118	0.11 263	0.15 126	0.07 140	0.11 266	0.16 413	0.13 120	0.11 115	0.09 192	0.06 25	0.08 194	0.06 68	0.13 362	0.10 214	0.06 170	0.04 25	0.06 207	0.05 199	0.05 173	0.06 320

999	0.09 184	0.05 43	0.13 364	0.15 126	0.08 231	0.10 208	0.14 253	0.15 197	0.11 115	0.10 239	0.08 130	0.08 194	0.08 235	0.16 458	0.10 214	0.06 170	0.04 25	0.06 207	0.05 199	0.04 49	0.05 211

mms	0.09 184	0.07 244	0.08 61	0.16 226	0.08 231	0.10 208	0.16 413	0.12 90	0.11 115	0.08 139	0.09 168	0.08 194	0.06 68	0.11 206	0.12 366	0.05 52	0.04 25	0.07 321	0.05 199	0.04 49	0.03 2

ours_stereo	0.09 184	0.07 244	0.09 131	0.17 312	0.08 231	0.11 266	0.16 413	0.11 63	0.12 157	0.08 139	0.10 205	0.08 194	0.06 68	0.12 305	0.12 366	0.05 52	0.04 25	0.06 207	0.05 199	0.04 49	0.03 2

fffy	0.09 184	0.08 368	0.09 131	0.16 226	0.07 140	0.13 376	0.17 457	0.13 120	0.12 157	0.08 139	0.09 168	0.08 194	0.09 277	0.13 362	0.11 299	0.05 52	0.05 283	0.07 321	0.05 199	0.04 49	0.05 211

PAM_32	0.09 184	0.05 43	0.17 519	0.15 126	0.08 231	0.10 208	0.15 341	0.14 154	0.15 262	0.09 192	0.08 130	0.09 232	0.07 182	0.14 396	0.08 27	0.06 170	0.05 283	0.06 207	0.06 300	0.05 173	0.06 320

UGAM-zero	0.09 184	0.05 43	0.15 452	0.15 126	0.08 231	0.09 142	0.13 182	0.19 344	0.15 262	0.11 276	0.15 337	0.07 128	0.07 182	0.09 62	0.09 110	0.06 170	0.05 283	0.06 207	0.05 199	0.05 173	0.06 320

GCAP-BAT	0.09 184	0.05 43	0.11 263	0.13 22	0.07 140	0.11 266	0.14 253	0.14 154	0.16 302	0.07 79	0.10 205	0.08 194	0.06 68	0.13 362	0.08 27	0.07 353	0.05 283	0.05 55	0.05 199	0.04 49	0.04 76

Pointernet	0.09 184	0.04 1	0.09 131	0.16 226	0.08 231	0.13 376	0.10 39	0.15 197	0.17 332	0.09 192	0.07 68	0.06 43	0.06 68	0.11 206	0.09 110	0.08 436	0.04 25	0.05 55	0.03 1	0.06 303	0.05 211

IGEV-BASED-STEREO-	0.09 184	0.10 514	0.31 629	0.15 126	0.06 33	0.08 86	0.14 253	0.10 38	0.10 82	0.07 79	0.07 68	0.06 43	0.04 1	0.11 206	0.07 1	0.12 599	0.04 25	0.07 321	0.05 199	0.05 173	0.05 211

RAFT-Stereo-weight	0.09 184	0.06 118	0.10 198	0.16 226	0.07 140	0.09 142	0.14 253	0.19 344	0.16 302	0.11 276	0.10 205	0.08 194	0.06 68	0.10 128	0.11 299	0.06 170	0.04 25	0.06 207	0.04 64	0.04 49	0.04 76

MGS-Stereo	0.09 184	0.07 244	0.12 311	0.15 126	0.08 231	0.09 142	0.15 341	0.12 90	0.12 157	0.07 79	0.10 205	0.08 194	0.06 68	0.10 128	0.09 110	0.05 52	0.04 25	0.06 207	0.05 199	0.06 303	0.05 211

ff7	0.09 184	0.07 244	0.11 263	0.16 226	0.09 366	0.11 266	0.15 341	0.16 238	0.12 157	0.10 239	0.06 25	0.06 43	0.06 68	0.11 206	0.09 110	0.05 52	0.04 25	0.06 207	0.05 199	0.05 173	0.06 320

IGEVStereo-DCA	0.09 184	0.06 118	0.11 263	0.15 126	0.10 480	0.11 266	0.15 341	0.16 238	0.12 157	0.10 239	0.06 25	0.08 194	0.06 68	0.10 128	0.08 27	0.06 170	0.05 283	0.06 207	0.05 199	0.05 173	0.06 320

ffff	0.09 184	0.07 244	0.11 263	0.16 226	0.09 366	0.11 266	0.15 341	0.16 238	0.12 157	0.10 239	0.06 25	0.06 43	0.06 68	0.11 206	0.09 110	0.05 52	0.04 25	0.06 207	0.05 199	0.05 173	0.06 320

rrr	0.09 184	0.06 118	0.12 311	0.15 126	0.10 480	0.11 266	0.16 413	0.16 238	0.15 262	0.10 239	0.06 25	0.08 194	0.06 68	0.10 128	0.08 27	0.06 170	0.05 283	0.06 207	0.05 199	0.05 173	0.06 320

11t	0.09 184	0.07 244	0.11 263	0.16 226	0.09 366	0.11 266	0.15 341	0.16 238	0.12 157	0.10 239	0.06 25	0.06 43	0.06 68	0.11 206	0.09 110	0.05 52	0.04 25	0.06 207	0.05 199	0.05 173	0.06 320

MaDis-Stereo	0.09 184	0.09 451	0.08 61	0.17 312	0.09 366	0.13 376	0.10 39	0.16 238	0.16 302	0.09 192	0.11 259	0.06 43	0.06 68	0.09 62	0.13 413	0.07 353	0.06 438	0.07 321	0.05 199	0.05 173	0.04 76

IGEV_Zeroshot_test	0.09 184	0.05 43	0.12 311	0.13 22	0.08 231	0.12 320	0.13 182	0.17 277	0.11 115	0.10 239	0.06 25	0.09 232	0.06 68	0.11 206	0.09 110	0.06 170	0.04 25	0.06 207	0.06 300	0.05 173	0.05 211

MSKI-zero shot	0.09 184	0.05 43	0.09 131	0.15 126	0.07 140	0.10 208	0.13 182	0.14 154	0.13 202	0.09 192	0.09 168	0.09 232	0.06 68	0.12 305	0.10 214	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

UniTT-Stereo	0.09 184	0.07 244	0.08 61	0.18 407	0.08 231	0.13 376	0.11 68	0.12 90	0.11 115	0.10 239	0.12 281	0.05 5	0.07 182	0.09 62	0.09 110	0.07 353	0.05 283	0.05 55	0.05 199	0.05 173	0.05 211

MIM_Stereo	0.09 184	0.07 244	0.11 263	0.15 126	0.07 140	0.06 14	0.12 104	0.20 356	0.14 235	0.13 354	0.13 300	0.09 232	0.05 14	0.12 305	0.08 27	0.05 52	0.06 438	0.07 321	0.06 300	0.06 303	0.05 211

CASnet	0.09 184	0.09 451	0.09 131	0.19 482	0.06 33	0.07 44	0.11 68	0.18 313	0.14 235	0.11 276	0.10 205	0.09 232	0.07 182	0.10 128	0.10 214	0.06 170	0.04 25	0.10 551	0.08 477	0.05 173	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 184	0.05 43	0.11 263	0.13 22	0.07 140	0.11 266	0.14 253	0.14 154	0.16 302	0.07 79	0.10 205	0.08 194	0.06 68	0.13 362	0.08 27	0.07 353	0.05 283	0.05 55	0.05 199	0.04 49	0.04 76

GCAP-Stereo	0.09 184	0.07 244	0.13 364	0.18 407	0.06 33	0.11 266	0.07 3	0.13 120	0.12 157	0.09 192	0.10 205	0.07 128	0.09 277	0.13 362	0.10 214	0.06 170	0.05 283	0.05 55	0.04 64	0.04 49	0.05 211

RAFT-Test	0.09 184	0.06 118	0.10 198	0.15 126	0.07 140	0.11 266	0.15 341	0.16 238	0.13 202	0.09 192	0.10 205	0.10 270	0.09 277	0.12 305	0.09 110	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.05 211

HH	0.09 184	0.06 118	0.13 364	0.17 312	0.08 231	0.10 208	0.16 413	0.14 154	0.10 82	0.08 139	0.09 168	0.08 194	0.07 182	0.10 128	0.09 110	0.06 170	0.04 25	0.06 207	0.05 199	0.05 173	0.04 76

HanStereo	0.09 184	0.06 118	0.13 364	0.17 312	0.08 231	0.10 208	0.16 413	0.14 154	0.10 82	0.08 139	0.09 168	0.08 194	0.07 182	0.10 128	0.09 110	0.06 170	0.04 25	0.06 207	0.05 199	0.05 173	0.04 76

4D-IteraStereo	0.09 184	0.07 244	0.10 198	0.18 407	0.07 140	0.09 142	0.15 341	0.17 277	0.15 262	0.10 239	0.11 259	0.10 270	0.07 182	0.11 206	0.09 110	0.05 52	0.03 1	0.08 416	0.07 401	0.06 303	0.05 211

anonymousdsp	0.09 184	0.07 244	0.11 263	0.16 226	0.09 366	0.11 266	0.15 341	0.16 238	0.12 157	0.09 192	0.06 25	0.06 43	0.06 68	0.11 206	0.09 110	0.05 52	0.04 25	0.06 207	0.05 199	0.05 173	0.06 320

LoS	0.09 184	0.05 43	0.11 263	0.13 22	0.07 140	0.14 413	0.11 68	0.15 197	0.15 262	0.09 192	0.09 168	0.12 323	0.09 277	0.15 423	0.10 214	0.07 353	0.05 283	0.05 55	0.03 1	0.05 173	0.05 211
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 184	0.07 244	0.10 198	0.17 312	0.08 231	0.10 208	0.15 341	0.15 197	0.12 157	0.09 192	0.06 25	0.07 128	0.06 68	0.11 206	0.09 110	0.05 52	0.04 25	0.06 207	0.05 199	0.04 49	0.06 320

RCA-Stereo	0.09 184	0.06 118	0.09 131	0.16 226	0.06 33	0.09 142	0.13 182	0.18 313	0.14 235	0.09 192	0.10 205	0.08 194	0.07 182	0.12 305	0.11 299	0.06 170	0.04 25	0.06 207	0.05 199	0.05 173	0.04 76

CroCo-Stereo Lap2	0.09 184	0.09 451	0.08 61	0.22 600	0.09 366	0.09 142	0.19 546	0.16 238	0.12 157	0.09 192	0.10 205	0.05 5	0.05 14	0.08 29	0.08 27	0.06 170	0.06 438	0.07 321	0.05 199	0.05 173	0.05 211

ccc-4	0.09 184	0.07 244	0.11 263	0.16 226	0.09 366	0.11 266	0.15 341	0.16 238	0.12 157	0.10 239	0.06 25	0.06 43	0.06 68	0.11 206	0.09 110	0.05 52	0.04 25	0.06 207	0.05 199	0.05 173	0.06 320

IGEV-Stereo	0.09 184	0.07 244	0.11 263	0.16 226	0.09 366	0.11 266	0.15 341	0.16 238	0.12 157	0.09 192	0.06 25	0.06 43	0.06 68	0.11 206	0.09 110	0.05 52	0.04 25	0.06 207	0.05 199	0.05 173	0.06 320
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 184	0.05 43	0.13 364	0.14 71	0.08 231	0.12 320	0.15 341	0.18 313	0.10 82	0.11 276	0.08 130	0.08 194	0.05 14	0.10 128	0.09 110	0.06 170	0.04 25	0.06 207	0.05 199	0.06 303	0.05 211

TRStereo	0.09 184	0.05 43	0.12 311	0.15 126	0.12 565	0.10 208	0.13 182	0.18 313	0.18 365	0.09 192	0.09 168	0.09 232	0.06 68	0.10 128	0.08 27	0.07 353	0.05 283	0.07 321	0.07 401	0.04 49	0.04 76

AnonymousM	0.09 184	0.05 43	0.10 198	0.14 71	0.06 33	0.09 142	0.13 182	0.19 344	0.14 235	0.13 354	0.11 259	0.09 232	0.08 235	0.13 362	0.10 214	0.08 436	0.05 283	0.08 416	0.05 199	0.05 173	0.05 211

CroCo-Stereo	0.09 184	0.08 368	0.08 61	0.22 600	0.09 366	0.09 142	0.19 546	0.15 197	0.12 157	0.07 79	0.07 68	0.08 194	0.06 68	0.08 29	0.07 1	0.07 353	0.05 283	0.06 207	0.04 64	0.05 173	0.04 76
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	0.09 184	0.06 118	0.07 13	0.15 126	0.05 2	0.16 472	0.18 506	0.15 197	0.15 262	0.10 239	0.11 259	0.11 301	0.11 362	0.10 128	0.12 366	0.05 52	0.04 25	0.05 55	0.04 64	0.04 49	0.04 76

TANstereo	0.09 184	0.04 1	0.08 61	0.13 22	0.06 33	0.11 266	0.14 253	0.15 197	0.19 384	0.11 276	0.15 337	0.10 270	0.06 68	0.12 305	0.09 110	0.07 353	0.05 283	0.05 55	0.04 64	0.06 303	0.05 211

XX-TBD	0.09 184	0.06 118	0.07 13	0.14 71	0.07 140	0.12 320	0.16 413	0.14 154	0.13 202	0.11 276	0.12 281	0.09 232	0.08 235	0.10 128	0.10 214	0.06 170	0.04 25	0.05 55	0.03 1	0.06 303	0.05 211

raftrobust	0.09 184	0.06 118	0.10 198	0.17 312	0.08 231	0.09 142	0.10 39	0.18 313	0.16 302	0.10 239	0.09 168	0.12 323	0.07 182	0.12 305	0.10 214	0.08 436	0.05 283	0.06 207	0.05 199	0.05 173	0.05 211

XX-Stereo	0.09 184	0.05 43	0.08 61	0.17 312	0.09 366	0.15 440	0.12 104	0.20 356	0.10 82	0.10 239	0.14 316	0.07 128	0.06 68	0.12 305	0.08 27	0.06 170	0.05 283	0.06 207	0.06 300	0.04 49	0.04 76

test_xeample3	0.09 184	0.06 118	0.12 311	0.16 226	0.09 366	0.11 266	0.15 341	0.16 238	0.13 202	0.10 239	0.06 25	0.08 194	0.06 68	0.10 128	0.09 110	0.05 52	0.04 25	0.06 207	0.05 199	0.05 173	0.06 320

RAFT-Stereo + iAFF	0.09 184	0.06 118	0.10 198	0.17 312	0.06 33	0.10 208	0.16 413	0.17 277	0.14 235	0.09 192	0.10 205	0.08 194	0.09 277	0.11 206	0.09 110	0.05 52	0.04 25	0.06 207	0.06 300	0.04 49	0.03 2

AFF-stereo	0.09 184	0.06 118	0.10 198	0.17 312	0.07 140	0.10 208	0.16 413	0.17 277	0.09 55	0.10 239	0.12 281	0.09 232	0.09 277	0.12 305	0.09 110	0.05 52	0.04 25	0.07 321	0.07 401	0.04 49	0.03 2

EAI-Stereo	0.09 184	0.07 244	0.11 263	0.15 126	0.06 33	0.10 208	0.15 341	0.16 238	0.09 55	0.08 139	0.09 168	0.08 194	0.07 182	0.09 62	0.11 299	0.05 52	0.04 25	0.05 55	0.05 199	0.05 173	0.04 76

CFNet-RSSM	0.09 184	0.07 244	0.09 131	0.16 226	0.07 140	0.09 142	0.15 341	0.16 238	0.17 332	0.08 139	0.12 281	0.10 270	0.09 277	0.11 206	0.09 110	0.06 170	0.04 25	0.06 207	0.04 64	0.04 49	0.04 76

Gwc-CoAtRS	0.09 184	0.06 118	0.10 198	0.16 226	0.07 140	0.10 208	0.14 253	0.17 277	0.17 332	0.08 139	0.10 205	0.12 323	0.09 277	0.12 305	0.09 110	0.06 170	0.04 25	0.06 207	0.04 64	0.04 49	0.04 76

CREStereo	0.09 184	0.04 1	0.08 61	0.11 1	0.06 33	0.13 376	0.14 253	0.14 154	0.10 82	0.08 139	0.13 300	0.09 232	0.08 235	0.11 206	0.10 214	0.08 436	0.04 25	0.05 55	0.03 1	0.06 303	0.06 320
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	0.09 184	0.05 43	0.09 131	0.12 7	0.06 33	0.12 320	0.14 253	0.15 197	0.11 115	0.09 192	0.13 300	0.10 270	0.07 182	0.13 362	0.10 214	0.15 643	0.04 25	0.05 55	0.03 1	0.07 392	0.06 320

SE	0.10 256	0.10 514	0.08 61	0.19 482	0.09 366	0.11 266	0.11 68	0.15 197	0.11 115	0.10 239	0.16 350	0.09 232	0.08 235	0.09 62	0.10 214	0.06 170	0.05 283	0.08 416	0.07 401	0.07 392	0.04 76

SMOE	0.10 256	0.08 368	0.09 131	0.18 407	0.07 140	0.13 376	0.14 253	0.18 313	0.13 202	0.11 276	0.13 300	0.12 323	0.09 277	0.11 206	0.11 299	0.05 52	0.05 283	0.08 416	0.06 300	0.06 303	0.04 76

ManiGeoR	0.10 256	0.05 43	0.12 311	0.12 7	0.08 231	0.12 320	0.12 104	0.24 456	0.14 235	0.12 320	0.14 316	0.12 323	0.09 277	0.13 362	0.13 413	0.07 353	0.04 25	0.05 55	0.05 199	0.07 392	0.07 410

HLf10	0.10 256	0.05 43	0.12 311	0.12 7	0.08 231	0.12 320	0.12 104	0.24 456	0.14 235	0.12 320	0.14 316	0.12 323	0.09 277	0.13 362	0.13 413	0.07 353	0.04 25	0.05 55	0.05 199	0.07 392	0.07 410

TestStereo_HLe17	0.10 256	0.05 43	0.12 311	0.13 22	0.07 140	0.11 266	0.15 341	0.21 383	0.15 262	0.11 276	0.14 316	0.11 301	0.09 277	0.13 362	0.12 366	0.07 353	0.04 25	0.05 55	0.05 199	0.07 392	0.06 320

DN	0.10 256	0.05 43	0.09 131	0.14 71	0.09 366	0.12 320	0.18 506	0.17 277	0.16 302	0.08 139	0.09 168	0.08 194	0.06 68	0.08 29	0.09 110	0.11 574	0.05 283	0.07 321	0.06 300	0.07 392	0.09 528

Hybrid-DGEV-03	0.10 256	0.06 118	0.09 131	0.18 407	0.08 231	0.16 472	0.14 253	0.15 197	0.14 235	0.13 354	0.16 350	0.12 323	0.09 277	0.13 362	0.11 299	0.06 170	0.04 25	0.08 416	0.06 300	0.05 173	0.04 76

WQFJA1	0.10 256	0.07 244	0.08 61	0.20 549	0.09 366	0.12 320	0.17 457	0.17 277	0.17 332	0.09 192	0.10 205	0.08 194	0.10 324	0.12 305	0.11 299	0.06 170	0.07 511	0.07 321	0.06 300	0.06 303	0.05 211

WQFJX1	0.10 256	0.07 244	0.08 61	0.22 600	0.09 366	0.12 320	0.17 457	0.18 313	0.17 332	0.10 239	0.09 168	0.07 128	0.10 324	0.11 206	0.09 110	0.07 353	0.08 544	0.07 321	0.06 300	0.05 173	0.04 76

WQFJX	0.10 256	0.07 244	0.09 131	0.21 583	0.09 366	0.12 320	0.16 413	0.18 313	0.17 332	0.12 320	0.10 205	0.07 128	0.09 277	0.12 305	0.10 214	0.06 170	0.07 511	0.06 207	0.05 199	0.06 303	0.05 211

NLMM	0.10 256	0.07 244	0.08 61	0.20 549	0.09 366	0.12 320	0.17 457	0.17 277	0.17 332	0.09 192	0.10 205	0.08 194	0.10 324	0.12 305	0.11 299	0.06 170	0.07 511	0.07 321	0.06 300	0.06 303	0.05 211

NLSM1	0.10 256	0.07 244	0.07 13	0.19 482	0.08 231	0.13 376	0.16 413	0.21 383	0.15 262	0.11 276	0.10 205	0.06 43	0.10 324	0.10 128	0.11 299	0.07 353	0.08 544	0.08 416	0.07 401	0.05 173	0.05 211

MM-Stereo_test3	0.10 256	0.07 244	0.07 13	0.18 407	0.07 140	0.12 320	0.19 546	0.24 456	0.19 384	0.06 25	0.10 205	0.08 194	0.06 68	0.11 206	0.08 27	0.06 170	0.06 438	0.07 321	0.05 199	0.05 173	0.04 76

MM-Stereo_test1	0.10 256	0.07 244	0.08 61	0.18 407	0.07 140	0.12 320	0.18 506	0.21 383	0.20 408	0.09 192	0.11 259	0.08 194	0.06 68	0.10 128	0.10 214	0.06 170	0.05 283	0.07 321	0.06 300	0.05 173	0.04 76

AIO-test2	0.10 256	0.08 368	0.10 198	0.23 624	0.08 231	0.11 266	0.10 39	0.23 432	0.23 450	0.08 139	0.09 168	0.08 194	0.05 14	0.10 128	0.08 27	0.06 170	0.05 283	0.08 416	0.09 524	0.05 173	0.05 211

AIO-test1	0.10 256	0.07 244	0.10 198	0.23 624	0.07 140	0.09 142	0.13 182	0.21 383	0.14 235	0.11 276	0.12 281	0.09 232	0.07 182	0.11 206	0.09 110	0.06 170	0.05 283	0.09 502	0.10 566	0.03 1	0.06 320

tg	0.10 256	0.06 118	0.10 198	0.18 407	0.08 231	0.11 266	0.16 413	0.20 356	0.12 157	0.08 139	0.11 259	0.11 301	0.07 182	0.11 206	0.10 214	0.05 52	0.04 25	0.08 416	0.08 477	0.04 49	0.04 76

PAM	0.10 256	0.05 43	0.16 488	0.15 126	0.08 231	0.09 142	0.16 413	0.15 197	0.16 302	0.12 320	0.09 168	0.09 232	0.07 182	0.13 362	0.08 27	0.06 170	0.05 283	0.06 207	0.06 300	0.05 173	0.06 320

model_zeroshot	0.10 256	0.04 1	0.11 263	0.15 126	0.09 366	0.12 320	0.14 253	0.20 356	0.13 202	0.11 276	0.10 205	0.12 323	0.07 182	0.12 305	0.10 214	0.07 353	0.06 438	0.06 207	0.05 199	0.06 303	0.06 320

RAStereo	0.10 256	0.09 451	0.08 61	0.20 549	0.08 231	0.13 376	0.18 506	0.15 197	0.17 332	0.10 239	0.12 281	0.05 5	0.06 68	0.09 62	0.08 27	0.07 353	0.05 283	0.07 321	0.05 199	0.05 173	0.04 76

rvit_stereo_0080	0.10 256	0.08 368	0.14 403	0.15 126	0.09 366	0.07 44	0.15 341	0.16 238	0.16 302	0.11 276	0.10 205	0.14 379	0.08 235	0.12 305	0.10 214	0.09 498	0.07 511	0.07 321	0.06 300	0.07 392	0.05 211

H2IRNET	0.10 256	0.09 451	0.09 131	0.18 407	0.09 366	0.12 320	0.15 341	0.14 154	0.21 424	0.10 239	0.10 205	0.10 270	0.10 324	0.10 128	0.10 214	0.05 52	0.04 25	0.08 416	0.08 477	0.06 303	0.05 211

Former-RAFT_DAM_RVC	0.10 256	0.08 368	0.12 311	0.16 226	0.08 231	0.15 440	0.16 413	0.18 313	0.18 365	0.10 239	0.09 168	0.09 232	0.08 235	0.11 206	0.12 366	0.07 353	0.05 283	0.08 416	0.06 300	0.07 392	0.06 320

MyStereo07	0.10 256	0.07 244	0.10 198	0.17 312	0.09 366	0.14 413	0.18 506	0.15 197	0.15 262	0.09 192	0.06 25	0.06 43	0.07 182	0.12 305	0.09 110	0.06 170	0.05 283	0.08 416	0.07 401	0.06 303	0.06 320

MyStereo06	0.10 256	0.07 244	0.12 311	0.17 312	0.09 366	0.13 376	0.18 506	0.19 344	0.12 157	0.12 320	0.08 130	0.07 128	0.07 182	0.11 206	0.09 110	0.06 170	0.05 283	0.07 321	0.07 401	0.06 303	0.06 320

AE-Stereo	0.10 256	0.08 368	0.10 198	0.18 407	0.09 366	0.10 208	0.15 341	0.14 154	0.19 384	0.09 192	0.14 316	0.12 323	0.08 235	0.11 206	0.10 214	0.05 52	0.06 438	0.07 321	0.06 300	0.05 173	0.04 76

ACVNet-DCA	0.10 256	0.08 368	0.12 311	0.17 312	0.09 366	0.13 376	0.15 341	0.23 432	0.16 302	0.09 192	0.09 168	0.06 43	0.06 68	0.10 128	0.07 1	0.06 170	0.04 25	0.06 207	0.05 199	0.07 392	0.07 410

cc1	0.10 256	0.08 368	0.12 311	0.17 312	0.09 366	0.13 376	0.15 341	0.16 238	0.18 365	0.09 192	0.09 168	0.06 43	0.06 68	0.10 128	0.07 1	0.06 170	0.04 25	0.06 207	0.05 199	0.06 303	0.06 320

tt1	0.10 256	0.08 368	0.12 311	0.17 312	0.09 366	0.12 320	0.16 413	0.15 197	0.19 384	0.09 192	0.08 130	0.06 43	0.06 68	0.10 128	0.07 1	0.06 170	0.04 25	0.06 207	0.05 199	0.06 303	0.06 320

whm_eth	0.10 256	0.08 368	0.14 403	0.15 126	0.09 366	0.07 44	0.15 341	0.16 238	0.16 302	0.11 276	0.10 205	0.14 379	0.08 235	0.12 305	0.10 214	0.09 498	0.07 511	0.07 321	0.06 300	0.07 392	0.05 211

plain	0.10 256	0.08 368	0.10 198	0.19 482	0.09 366	0.10 208	0.15 341	0.14 154	0.13 202	0.13 354	0.15 337	0.09 232	0.12 395	0.13 362	0.12 366	0.07 353	0.05 283	0.09 502	0.06 300	0.06 303	0.06 320

Any-RAFT	0.10 256	0.05 43	0.09 131	0.14 71	0.07 140	0.13 376	0.14 253	0.21 383	0.15 262	0.11 276	0.12 281	0.12 323	0.09 277	0.12 305	0.09 110	0.07 353	0.04 25	0.05 55	0.04 64	0.06 303	0.05 211

LL-Strereo2	0.10 256	0.10 514	0.15 452	0.18 407	0.08 231	0.15 440	0.09 23	0.17 277	0.14 235	0.14 381	0.10 205	0.09 232	0.07 182	0.16 458	0.10 214	0.05 52	0.05 283	0.10 551	0.07 401	0.06 303	0.05 211

DCANet-4	0.10 256	0.06 118	0.12 311	0.16 226	0.06 33	0.09 142	0.17 457	0.18 313	0.19 384	0.13 354	0.16 350	0.09 232	0.14 461	0.11 206	0.12 366	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.05 211

fff	0.10 256	0.06 118	0.12 311	0.15 126	0.07 140	0.09 142	0.17 457	0.16 238	0.20 408	0.13 354	0.16 350	0.10 270	0.11 362	0.11 206	0.12 366	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.05 211

ADStereo(finetuned)	0.10 256	0.06 118	0.12 311	0.16 226	0.06 33	0.09 142	0.17 457	0.15 197	0.19 384	0.13 354	0.17 374	0.10 270	0.12 395	0.11 206	0.12 366	0.06 170	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

test_4	0.10 256	0.10 514	0.08 61	0.19 482	0.09 366	0.08 86	0.22 601	0.15 197	0.17 332	0.12 320	0.18 402	0.12 323	0.09 277	0.08 29	0.11 299	0.04 11	0.04 25	0.08 416	0.08 477	0.04 49	0.03 2

IPLG	0.10 256	0.07 244	0.15 452	0.17 312	0.08 231	0.11 266	0.14 253	0.20 356	0.15 262	0.12 320	0.17 374	0.07 128	0.07 182	0.14 396	0.13 413	0.06 170	0.04 25	0.06 207	0.05 199	0.04 49	0.04 76

test_3	0.10 256	0.09 451	0.10 198	0.20 549	0.08 231	0.13 376	0.26 650	0.14 154	0.21 424	0.10 239	0.10 205	0.09 232	0.09 277	0.08 29	0.11 299	0.05 52	0.04 25	0.08 416	0.07 401	0.04 49	0.04 76

STrans-v2	0.10 256	0.07 244	0.12 311	0.18 407	0.07 140	0.10 208	0.14 253	0.21 383	0.11 115	0.11 276	0.15 337	0.12 323	0.10 324	0.11 206	0.12 366	0.05 52	0.04 25	0.06 207	0.06 300	0.04 49	0.04 76

TransformOpticalFlow	0.10 256	0.08 368	0.13 364	0.18 407	0.07 140	0.09 142	0.15 341	0.19 344	0.15 262	0.12 320	0.17 374	0.11 301	0.11 362	0.11 206	0.10 214	0.05 52	0.04 25	0.06 207	0.06 300	0.05 173	0.05 211

SST-Stereo	0.10 256	0.07 244	0.15 452	0.18 407	0.09 366	0.06 14	0.12 104	0.17 277	0.11 115	0.15 408	0.17 374	0.13 356	0.12 395	0.10 128	0.11 299	0.06 170	0.04 25	0.09 502	0.06 300	0.06 303	0.05 211

cross-raft	0.10 256	0.09 451	0.09 131	0.19 482	0.07 140	0.11 266	0.25 641	0.13 120	0.15 262	0.08 139	0.11 259	0.12 323	0.10 324	0.09 62	0.11 299	0.05 52	0.04 25	0.06 207	0.05 199	0.04 49	0.04 76

test-1	0.10 256	0.07 244	0.16 488	0.19 482	0.08 231	0.11 266	0.24 626	0.14 154	0.18 365	0.09 192	0.07 68	0.09 232	0.08 235	0.07 6	0.09 110	0.06 170	0.04 25	0.06 207	0.05 199	0.04 49	0.04 76

iRaftStereo_RVC	0.10 256	0.07 244	0.09 131	0.17 312	0.09 366	0.11 266	0.17 457	0.18 313	0.12 157	0.09 192	0.12 281	0.10 270	0.07 182	0.11 206	0.10 214	0.05 52	0.04 25	0.08 416	0.08 477	0.04 49	0.04 76

RALCasStereoNet	0.10 256	0.06 118	0.09 131	0.16 226	0.08 231	0.12 320	0.14 253	0.17 277	0.11 115	0.12 320	0.17 374	0.14 379	0.10 324	0.12 305	0.11 299	0.07 353	0.06 438	0.06 207	0.05 199	0.08 461	0.07 410

DCANet	0.10 256	0.06 118	0.12 311	0.16 226	0.06 33	0.09 142	0.17 457	0.15 197	0.19 384	0.13 354	0.17 374	0.10 270	0.11 362	0.11 206	0.12 366	0.06 170	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

csc	0.10 256	0.06 118	0.12 311	0.15 126	0.07 140	0.09 142	0.17 457	0.16 238	0.20 408	0.13 354	0.16 350	0.10 270	0.11 362	0.11 206	0.12 366	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.05 211

cscssc	0.10 256	0.06 118	0.12 311	0.15 126	0.07 140	0.09 142	0.17 457	0.16 238	0.20 408	0.13 354	0.16 350	0.10 270	0.11 362	0.11 206	0.12 366	0.06 170	0.04 25	0.05 55	0.04 64	0.04 49	0.05 211

111	0.10 256	0.06 118	0.12 311	0.15 126	0.07 140	0.10 208	0.14 253	0.21 383	0.23 450	0.11 276	0.12 281	0.14 379	0.11 362	0.13 362	0.10 214	0.06 170	0.04 25	0.06 207	0.04 64	0.05 173	0.05 211

R-Stereo Train	0.10 256	0.06 118	0.10 198	0.17 312	0.08 231	0.11 266	0.14 253	0.23 432	0.11 115	0.12 320	0.19 413	0.11 301	0.08 235	0.09 62	0.11 299	0.07 353	0.05 283	0.06 207	0.05 199	0.05 173	0.05 211

RAFT-Stereo	0.10 256	0.06 118	0.10 198	0.17 312	0.08 231	0.11 266	0.14 253	0.23 432	0.11 115	0.12 320	0.19 413	0.11 301	0.08 235	0.09 62	0.11 299	0.07 353	0.05 283	0.06 207	0.05 199	0.05 173	0.05 211
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 256	0.06 118	0.12 311	0.14 71	0.06 33	0.11 266	0.10 39	0.18 313	0.18 365	0.13 354	0.16 350	0.14 379	0.11 362	0.15 423	0.13 413	0.06 170	0.04 25	0.04 1	0.04 64	0.06 303	0.05 211
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	0.11 309	0.09 451	0.10 198	0.17 312	0.07 140	0.20 555	0.13 182	0.21 383	0.17 332	0.12 320	0.13 300	0.10 270	0.12 395	0.13 362	0.13 413	0.07 353	0.07 511	0.08 416	0.09 524	0.06 303	0.05 211

HLF11	0.11 309	0.05 43	0.13 364	0.12 7	0.08 231	0.14 413	0.11 68	0.22 409	0.10 82	0.12 320	0.23 470	0.11 301	0.11 362	0.14 396	0.13 413	0.08 436	0.05 283	0.05 55	0.04 64	0.08 461	0.08 482

HLf8	0.11 309	0.05 43	0.13 364	0.11 1	0.08 231	0.15 440	0.12 104	0.22 409	0.15 262	0.13 354	0.17 374	0.12 323	0.10 324	0.14 396	0.12 366	0.09 498	0.05 283	0.05 55	0.05 199	0.08 461	0.08 482

TestStereo_HL3	0.11 309	0.05 43	0.16 488	0.13 22	0.07 140	0.12 320	0.11 68	0.20 356	0.09 55	0.15 408	0.30 570	0.13 356	0.12 395	0.16 458	0.11 299	0.07 353	0.05 283	0.05 55	0.05 199	0.06 303	0.07 410

TestStereo_HL2	0.11 309	0.06 118	0.11 263	0.12 7	0.08 231	0.12 320	0.14 253	0.20 356	0.18 365	0.13 354	0.21 449	0.12 323	0.10 324	0.12 305	0.12 366	0.07 353	0.05 283	0.05 55	0.05 199	0.07 392	0.07 410

GGDA	0.11 309	0.06 118	0.11 263	0.13 22	0.07 140	0.12 320	0.14 253	0.19 344	0.19 384	0.13 354	0.20 425	0.12 323	0.09 277	0.12 305	0.12 366	0.07 353	0.04 25	0.05 55	0.05 199	0.06 303	0.07 410

TestStereo-Hl	0.11 309	0.06 118	0.11 263	0.13 22	0.08 231	0.15 440	0.14 253	0.20 356	0.17 332	0.13 354	0.16 350	0.12 323	0.11 362	0.14 396	0.13 413	0.06 170	0.04 25	0.05 55	0.05 199	0.06 303	0.06 320

Lsterematch	0.11 309	0.06 118	0.11 263	0.16 226	0.07 140	0.13 376	0.15 341	0.14 154	0.17 332	0.16 437	0.18 402	0.15 408	0.15 479	0.12 305	0.14 456	0.07 353	0.04 25	0.06 207	0.06 300	0.06 303	0.06 320

Hybrid-DGEV-2	0.11 309	0.06 118	0.12 311	0.18 407	0.09 366	0.09 142	0.13 182	0.28 534	0.29 535	0.11 276	0.11 259	0.09 232	0.12 395	0.12 305	0.09 110	0.06 170	0.05 283	0.07 321	0.07 401	0.05 173	0.05 211

NLMM1	0.11 309	0.09 451	0.07 13	0.22 600	0.10 480	0.12 320	0.20 570	0.18 313	0.20 408	0.12 320	0.11 259	0.07 128	0.09 277	0.11 206	0.11 299	0.08 436	0.08 544	0.07 321	0.06 300	0.04 49	0.04 76

NLCSM	0.11 309	0.09 451	0.09 131	0.23 624	0.11 531	0.12 320	0.19 546	0.18 313	0.18 365	0.12 320	0.11 259	0.07 128	0.09 277	0.11 206	0.10 214	0.07 353	0.08 544	0.07 321	0.07 401	0.06 303	0.05 211

Select-FE	0.11 309	0.06 118	0.20 567	0.15 126	0.11 531	0.11 266	0.13 182	0.21 383	0.18 365	0.09 192	0.11 259	0.10 270	0.06 68	0.12 305	0.09 110	0.07 353	0.05 283	0.07 321	0.08 477	0.06 303	0.08 482

FlowAnything_test	0.11 309	0.08 368	0.14 403	0.15 126	0.09 366	0.07 44	0.14 253	0.20 356	0.11 115	0.09 192	0.09 168	0.12 323	0.12 395	0.13 362	0.11 299	0.09 498	0.06 438	0.09 502	0.09 524	0.06 303	0.09 528

xyz-stereo-finetune2	0.11 309	0.07 244	0.13 364	0.13 22	0.07 140	0.11 266	0.19 546	0.17 277	0.12 157	0.15 408	0.15 337	0.17 445	0.12 395	0.13 362	0.11 299	0.05 52	0.04 25	0.07 321	0.05 199	0.04 49	0.06 320

xyz-stereo-finetune	0.11 309	0.08 368	0.13 364	0.14 71	0.06 33	0.10 208	0.19 546	0.17 277	0.19 384	0.12 320	0.14 316	0.15 408	0.10 324	0.13 362	0.11 299	0.05 52	0.04 25	0.07 321	0.05 199	0.04 49	0.05 211

fast-iter	0.11 309	0.06 118	0.11 263	0.13 22	0.09 366	0.09 142	0.14 253	0.21 383	0.10 82	0.19 503	0.17 374	0.14 379	0.09 277	0.16 458	0.08 27	0.05 52	0.04 25	0.07 321	0.08 477	0.07 392	0.06 320

CoSv	0.11 309	0.06 118	0.11 263	0.13 22	0.09 366	0.09 142	0.14 253	0.21 383	0.10 82	0.19 503	0.17 374	0.14 379	0.09 277	0.16 458	0.08 27	0.05 52	0.04 25	0.07 321	0.08 477	0.07 392	0.06 320

rvit_stereo_0081_aga	0.11 309	0.09 451	0.14 403	0.18 407	0.09 366	0.13 376	0.14 253	0.14 154	0.19 384	0.10 239	0.18 402	0.16 423	0.09 277	0.12 305	0.09 110	0.10 542	0.06 438	0.08 416	0.07 401	0.07 392	0.06 320

rvit_stereo_0081	0.11 309	0.08 368	0.15 452	0.16 226	0.09 366	0.10 208	0.14 253	0.14 154	0.24 467	0.11 276	0.13 300	0.13 356	0.09 277	0.11 206	0.12 366	0.10 542	0.07 511	0.08 416	0.07 401	0.07 392	0.05 211

rvit_stereo_0082	0.11 309	0.08 368	0.15 452	0.16 226	0.09 366	0.10 208	0.14 253	0.14 154	0.24 467	0.11 276	0.13 300	0.13 356	0.09 277	0.11 206	0.12 366	0.10 542	0.07 511	0.08 416	0.07 401	0.07 392	0.05 211

AIO-Stereo-zeroshot1	0.11 309	0.05 43	0.14 403	0.15 126	0.20 669	0.09 142	0.17 457	0.21 383	0.15 262	0.11 276	0.14 316	0.10 270	0.07 182	0.10 128	0.08 27	0.06 170	0.05 283	0.07 321	0.07 401	0.07 392	0.09 528

AIO-Stereo-zeroshot	0.11 309	0.05 43	0.11 263	0.15 126	0.13 588	0.13 376	0.16 413	0.23 432	0.17 332	0.10 239	0.12 281	0.10 270	0.07 182	0.11 206	0.09 110	0.06 170	0.05 283	0.06 207	0.06 300	0.07 392	0.08 482

CAS++	0.11 309	0.07 244	0.11 263	0.14 71	0.09 366	0.12 320	0.14 253	0.24 456	0.14 235	0.11 276	0.09 168	0.11 301	0.07 182	0.14 396	0.09 110	0.11 574	0.09 578	0.09 502	0.07 401	0.07 392	0.08 482
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 309	0.08 368	0.12 311	0.17 312	0.09 366	0.13 376	0.15 341	0.16 238	0.18 365	0.09 192	0.09 168	0.16 423	0.16 507	0.10 128	0.07 1	0.06 170	0.04 25	0.08 416	0.08 477	0.07 392	0.07 410

1test111	0.11 309	0.08 368	0.12 311	0.17 312	0.09 366	0.13 376	0.15 341	0.23 432	0.16 302	0.09 192	0.09 168	0.06 43	0.06 68	0.15 423	0.16 504	0.06 170	0.04 25	0.06 207	0.05 199	0.07 392	0.07 410

MIF-Stereo (partial)	0.11 309	0.06 118	0.10 198	0.19 482	0.10 480	0.10 208	0.11 68	0.17 277	0.18 365	0.14 381	0.16 350	0.09 232	0.11 362	0.12 305	0.12 366	0.08 436	0.05 283	0.08 416	0.07 401	0.06 303	0.07 410

EKT-Stereo	0.11 309	0.07 244	0.14 403	0.15 126	0.10 480	0.13 376	0.14 253	0.18 313	0.21 424	0.11 276	0.08 130	0.12 323	0.09 277	0.11 206	0.12 366	0.08 436	0.06 438	0.07 321	0.06 300	0.08 461	0.07 410

anonymousdsp2	0.11 309	0.07 244	0.10 198	0.16 226	0.09 366	0.13 376	0.14 253	0.18 313	0.22 438	0.13 354	0.14 316	0.12 323	0.09 277	0.14 396	0.11 299	0.05 52	0.04 25	0.05 55	0.04 64	0.06 303	0.05 211

DCRE	0.11 309	0.07 244	0.13 364	0.16 226	0.11 531	0.11 266	0.17 457	0.18 313	0.17 332	0.11 276	0.18 402	0.10 270	0.10 324	0.15 423	0.11 299	0.06 170	0.05 283	0.06 207	0.06 300	0.05 173	0.04 76

knoymous	0.11 309	0.05 43	0.12 311	0.13 22	0.07 140	0.15 440	0.14 253	0.19 344	0.13 202	0.11 276	0.17 374	0.13 356	0.09 277	0.13 362	0.11 299	0.08 436	0.05 283	0.06 207	0.05 199	0.08 461	0.07 410

riskmin	0.11 309	0.06 118	0.13 364	0.14 71	0.08 231	0.14 413	0.14 253	0.18 313	0.14 235	0.11 276	0.14 316	0.16 423	0.11 362	0.14 396	0.12 366	0.09 498	0.05 283	0.07 321	0.05 199	0.08 461	0.08 482

Selective-RAFT	0.11 309	0.10 514	0.11 263	0.21 583	0.08 231	0.16 472	0.13 182	0.20 356	0.22 438	0.10 239	0.10 205	0.11 301	0.10 324	0.15 423	0.11 299	0.05 52	0.05 283	0.06 207	0.05 199	0.06 303	0.05 211

DisPM	0.11 309	0.07 244	0.12 311	0.16 226	0.09 366	0.06 14	0.13 182	0.17 277	0.17 332	0.14 381	0.20 425	0.12 323	0.10 324	0.11 206	0.10 214	0.06 170	0.04 25	0.07 321	0.06 300	0.06 303	0.11 586

CIPLG	0.11 309	0.08 368	0.14 403	0.17 312	0.08 231	0.12 320	0.15 341	0.17 277	0.15 262	0.14 381	0.11 259	0.16 423	0.09 277	0.16 458	0.11 299	0.07 353	0.05 283	0.06 207	0.05 199	0.05 173	0.06 320

GLC_STEREO	0.11 309	0.07 244	0.11 263	0.17 312	0.07 140	0.09 142	0.13 182	0.15 197	0.24 467	0.12 320	0.13 300	0.12 323	0.08 235	0.18 515	0.11 299	0.06 170	0.08 544	0.08 416	0.06 300	0.05 173	0.05 211

IPLGR_C	0.11 309	0.08 368	0.14 403	0.17 312	0.08 231	0.12 320	0.15 341	0.17 277	0.15 262	0.14 381	0.10 205	0.16 423	0.09 277	0.16 458	0.11 299	0.07 353	0.05 283	0.06 207	0.05 199	0.05 173	0.06 320

MIPNet	0.11 309	0.08 368	0.14 403	0.17 312	0.09 366	0.12 320	0.14 253	0.20 356	0.24 467	0.11 276	0.10 205	0.09 232	0.07 182	0.13 362	0.12 366	0.06 170	0.04 25	0.06 207	0.05 199	0.04 49	0.04 76

IPLGR	0.11 309	0.09 451	0.16 488	0.18 407	0.08 231	0.12 320	0.17 457	0.21 383	0.24 467	0.11 276	0.12 281	0.11 301	0.08 235	0.12 305	0.12 366	0.06 170	0.05 283	0.06 207	0.06 300	0.04 49	0.04 76

GMOStereo	0.11 309	0.09 451	0.07 13	0.19 482	0.08 231	0.12 320	0.28 663	0.13 120	0.17 332	0.11 276	0.17 374	0.14 379	0.12 395	0.07 6	0.07 1	0.05 52	0.05 283	0.09 502	0.07 401	0.04 49	0.04 76

error version	0.11 309	0.09 451	0.07 13	0.19 482	0.08 231	0.12 320	0.28 663	0.13 120	0.17 332	0.11 276	0.17 374	0.14 379	0.12 395	0.07 6	0.07 1	0.05 52	0.05 283	0.09 502	0.07 401	0.04 49	0.04 76

test-v	0.11 309	0.09 451	0.07 13	0.19 482	0.08 231	0.12 320	0.28 663	0.13 120	0.17 332	0.11 276	0.17 374	0.14 379	0.12 395	0.07 6	0.07 1	0.05 52	0.05 283	0.09 502	0.07 401	0.04 49	0.04 76

ACRE	0.11 309	0.08 368	0.14 403	0.17 312	0.08 231	0.12 320	0.15 341	0.17 277	0.14 235	0.14 381	0.10 205	0.16 423	0.09 277	0.16 458	0.11 299	0.07 353	0.05 283	0.06 207	0.05 199	0.05 173	0.06 320

PFNet+	0.11 309	0.06 118	0.13 364	0.16 226	0.09 366	0.05 4	0.12 104	0.17 277	0.21 424	0.16 437	0.19 413	0.14 379	0.10 324	0.11 206	0.11 299	0.08 436	0.05 283	0.09 502	0.08 477	0.06 303	0.11 586

LCNet	0.11 309	0.07 244	0.09 131	0.19 482	0.09 366	0.08 86	0.15 341	0.21 383	0.15 262	0.11 276	0.15 337	0.16 423	0.11 362	0.12 305	0.11 299	0.05 52	0.04 25	0.08 416	0.07 401	0.06 303	0.15 646

HHNet	0.11 309	0.06 118	0.16 488	0.15 126	0.14 609	0.07 44	0.13 182	0.20 356	0.17 332	0.14 381	0.25 511	0.11 301	0.08 235	0.13 362	0.10 214	0.05 52	0.04 25	0.08 416	0.06 300	0.05 173	0.09 528

Patchmatch Stereo++	0.11 309	0.09 451	0.16 488	0.18 407	0.08 231	0.06 14	0.11 68	0.16 238	0.13 202	0.15 408	0.16 350	0.14 379	0.12 395	0.11 206	0.10 214	0.06 170	0.04 25	0.08 416	0.06 300	0.08 461	0.07 410
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	0.11 309	0.07 244	0.16 488	0.19 482	0.09 366	0.08 86	0.13 182	0.18 313	0.13 202	0.16 437	0.21 449	0.13 356	0.14 461	0.11 206	0.14 456	0.06 170	0.04 25	0.09 502	0.06 300	0.06 303	0.05 211

OMP-Stereo	0.11 309	0.06 118	0.14 403	0.18 407	0.08 231	0.09 142	0.12 104	0.21 383	0.21 424	0.13 354	0.14 316	0.11 301	0.12 395	0.11 206	0.13 413	0.06 170	0.04 25	0.07 321	0.06 300	0.05 173	0.04 76

IIG-Stereo	0.11 309	0.06 118	0.13 364	0.17 312	0.08 231	0.11 266	0.12 104	0.22 409	0.17 332	0.14 381	0.17 374	0.11 301	0.12 395	0.12 305	0.12 366	0.06 170	0.05 283	0.07 321	0.06 300	0.05 173	0.04 76

NF-Stereo	0.11 309	0.07 244	0.13 364	0.17 312	0.09 366	0.10 208	0.14 253	0.23 432	0.19 384	0.12 320	0.17 374	0.12 323	0.11 362	0.11 206	0.11 299	0.06 170	0.04 25	0.07 321	0.06 300	0.06 303	0.12 599

OCTAStereo	0.11 309	0.07 244	0.13 364	0.17 312	0.09 366	0.10 208	0.14 253	0.23 432	0.19 384	0.12 320	0.17 374	0.12 323	0.11 362	0.11 206	0.11 299	0.06 170	0.04 25	0.07 321	0.06 300	0.06 303	0.12 599

NRIStereo	0.11 309	0.08 368	0.14 403	0.18 407	0.08 231	0.10 208	0.14 253	0.16 238	0.15 262	0.12 320	0.14 316	0.13 356	0.12 395	0.13 362	0.10 214	0.06 170	0.04 25	0.07 321	0.06 300	0.06 303	0.07 410

PSM-adaLoss	0.11 309	0.09 451	0.16 488	0.18 407	0.08 231	0.06 14	0.12 104	0.16 238	0.13 202	0.15 408	0.16 350	0.14 379	0.12 395	0.11 206	0.10 214	0.06 170	0.04 25	0.08 416	0.06 300	0.08 461	0.07 410

PSM-AAD	0.11 309	0.07 244	0.10 198	0.19 482	0.09 366	0.10 208	0.15 341	0.20 356	0.13 202	0.12 320	0.14 316	0.18 459	0.11 362	0.11 206	0.10 214	0.05 52	0.05 283	0.09 502	0.08 477	0.06 303	0.14 639

ROB_FTStereo_v2	0.11 309	0.09 451	0.16 488	0.19 482	0.08 231	0.06 14	0.12 104	0.16 238	0.13 202	0.15 408	0.16 350	0.14 379	0.12 395	0.11 206	0.10 214	0.06 170	0.04 25	0.08 416	0.06 300	0.08 461	0.07 410

ROB_FTStereo	0.11 309	0.09 451	0.16 488	0.19 482	0.08 231	0.06 14	0.11 68	0.16 238	0.13 202	0.15 408	0.16 350	0.14 379	0.12 395	0.11 206	0.10 214	0.06 170	0.04 25	0.08 416	0.06 300	0.08 461	0.07 410

KYRaft	0.11 309	0.07 244	0.10 198	0.19 482	0.09 366	0.08 86	0.15 341	0.22 409	0.12 157	0.13 354	0.16 350	0.20 486	0.10 324	0.12 305	0.10 214	0.05 52	0.04 25	0.08 416	0.08 477	0.06 303	0.16 657

HUI-Stereo	0.11 309	0.09 451	0.16 488	0.18 407	0.08 231	0.06 14	0.12 104	0.16 238	0.13 202	0.15 408	0.16 350	0.14 379	0.12 395	0.11 206	0.10 214	0.06 170	0.04 25	0.08 416	0.06 300	0.08 461	0.07 410

ASMatch	0.11 309	0.06 118	0.13 364	0.16 226	0.10 480	0.07 44	0.14 253	0.17 277	0.17 332	0.12 320	0.16 350	0.16 423	0.10 324	0.13 362	0.10 214	0.05 52	0.04 25	0.06 207	0.05 199	0.04 49	0.08 482

RAFT_R40	0.11 309	0.07 244	0.14 403	0.18 407	0.09 366	0.06 14	0.13 182	0.17 277	0.16 302	0.14 381	0.18 402	0.15 408	0.12 395	0.10 128	0.11 299	0.06 170	0.04 25	0.09 502	0.06 300	0.06 303	0.05 211

GrayStereo	0.11 309	0.06 118	0.11 263	0.19 482	0.09 366	0.09 142	0.16 413	0.18 313	0.17 332	0.14 381	0.17 374	0.17 445	0.11 362	0.12 305	0.11 299	0.05 52	0.05 283	0.07 321	0.06 300	0.05 173	0.10 559

RE-Stereo	0.11 309	0.07 244	0.13 364	0.17 312	0.09 366	0.10 208	0.14 253	0.23 432	0.19 384	0.12 320	0.17 374	0.12 323	0.11 362	0.11 206	0.11 299	0.06 170	0.04 25	0.07 321	0.06 300	0.06 303	0.12 599

Pruner-Stereo	0.11 309	0.07 244	0.12 311	0.17 312	0.09 366	0.06 14	0.12 104	0.17 277	0.17 332	0.13 354	0.19 413	0.13 356	0.09 277	0.11 206	0.11 299	0.06 170	0.04 25	0.07 321	0.06 300	0.06 303	0.08 482

TVStereo	0.11 309	0.07 244	0.13 364	0.17 312	0.09 366	0.10 208	0.14 253	0.23 432	0.19 384	0.12 320	0.17 374	0.12 323	0.11 362	0.11 206	0.11 299	0.06 170	0.04 25	0.07 321	0.06 300	0.06 303	0.12 599

DeepStereo_RVC	0.11 309	0.08 368	0.16 488	0.18 407	0.08 231	0.08 86	0.12 104	0.17 277	0.12 157	0.13 354	0.14 316	0.12 323	0.12 395	0.12 305	0.11 299	0.06 170	0.04 25	0.07 321	0.06 300	0.07 392	0.08 482

iGMRVC	0.11 309	0.09 451	0.16 488	0.19 482	0.08 231	0.06 14	0.12 104	0.16 238	0.13 202	0.15 408	0.16 350	0.14 379	0.12 395	0.11 206	0.10 214	0.06 170	0.04 25	0.08 416	0.06 300	0.08 461	0.07 410

RAFT-RH_RVC	0.11 309	0.06 118	0.14 403	0.16 226	0.09 366	0.12 320	0.12 104	0.17 277	0.12 157	0.13 354	0.41 644	0.11 301	0.10 324	0.13 362	0.12 366	0.05 52	0.04 25	0.08 416	0.05 199	0.04 49	0.06 320

RAFT-345	0.11 309	0.07 244	0.15 452	0.16 226	0.08 231	0.08 86	0.12 104	0.15 197	0.10 82	0.11 276	0.36 607	0.09 232	0.09 277	0.11 206	0.12 366	0.05 52	0.05 283	0.07 321	0.06 300	0.04 49	0.05 211

iRAFT	0.11 309	0.09 451	0.16 488	0.18 407	0.08 231	0.06 14	0.11 68	0.16 238	0.13 202	0.15 408	0.16 350	0.14 379	0.12 395	0.11 206	0.10 214	0.06 170	0.04 25	0.08 416	0.06 300	0.08 461	0.07 410

CRE-IMP	0.11 309	0.09 451	0.16 488	0.19 482	0.08 231	0.10 208	0.12 104	0.18 313	0.10 82	0.14 381	0.13 300	0.13 356	0.12 395	0.12 305	0.11 299	0.07 353	0.04 25	0.08 416	0.06 300	0.08 461	0.08 482

test-2	0.11 309	0.09 451	0.07 13	0.19 482	0.08 231	0.12 320	0.28 663	0.13 120	0.17 332	0.11 276	0.17 374	0.14 379	0.12 395	0.07 6	0.07 1	0.05 52	0.05 283	0.09 502	0.07 401	0.04 49	0.04 76

GMM-Stereo	0.11 309	0.07 244	0.10 198	0.18 407	0.09 366	0.08 86	0.15 341	0.23 432	0.16 302	0.11 276	0.15 337	0.13 356	0.11 362	0.11 206	0.11 299	0.05 52	0.04 25	0.08 416	0.07 401	0.06 303	0.09 528

RAFT-IKP	0.11 309	0.09 451	0.16 488	0.19 482	0.08 231	0.06 14	0.12 104	0.16 238	0.13 202	0.15 408	0.16 350	0.14 379	0.12 395	0.11 206	0.10 214	0.06 170	0.04 25	0.08 416	0.06 300	0.08 461	0.07 410

Prome-Stereo	0.11 309	0.06 118	0.10 198	0.18 407	0.08 231	0.12 320	0.15 341	0.22 409	0.13 202	0.12 320	0.17 374	0.13 356	0.08 235	0.12 305	0.10 214	0.05 52	0.04 25	0.07 321	0.06 300	0.06 303	0.09 528

rafts_anoy	0.11 309	0.06 118	0.10 198	0.17 312	0.08 231	0.10 208	0.14 253	0.17 277	0.14 235	0.13 354	0.13 300	0.12 323	0.10 324	0.11 206	0.12 366	0.07 353	0.04 25	0.09 502	0.11 600	0.07 392	0.06 320

raft+_RVC	0.11 309	0.07 244	0.09 131	0.16 226	0.07 140	0.10 208	0.11 68	0.24 456	0.20 408	0.12 320	0.15 337	0.12 323	0.08 235	0.12 305	0.13 413	0.07 353	0.04 25	0.07 321	0.06 300	0.05 173	0.05 211

RALAANet	0.11 309	0.08 368	0.10 198	0.17 312	0.09 366	0.14 413	0.10 39	0.20 356	0.15 262	0.14 381	0.13 300	0.16 423	0.09 277	0.12 305	0.11 299	0.06 170	0.05 283	0.07 321	0.06 300	0.05 173	0.04 76

DIP-Stereo	0.11 309	0.07 244	0.14 403	0.17 312	0.09 366	0.13 376	0.09 23	0.16 238	0.16 302	0.11 276	0.16 350	0.14 379	0.12 395	0.15 423	0.13 413	0.06 170	0.05 283	0.06 207	0.05 199	0.05 173	0.06 320
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	0.12 387	0.08 368	0.08 61	0.20 549	0.07 140	0.18 514	0.23 612	0.15 197	0.15 262	0.10 239	0.10 205	0.13 356	0.08 235	0.12 305	0.11 299	0.09 498	0.10 600	0.14 631	0.14 636	0.05 173	0.04 76

S	0.12 387	0.08 368	0.09 131	0.20 549	0.08 231	0.13 376	0.19 546	0.17 277	0.16 302	0.13 354	0.11 259	0.13 356	0.10 324	0.11 206	0.13 413	0.09 498	0.07 511	0.13 617	0.15 653	0.06 303	0.04 76

IGEV_i1	0.12 387	0.07 244	0.12 311	0.16 226	0.08 231	0.19 539	0.14 253	0.18 313	0.22 438	0.18 486	0.18 402	0.16 423	0.12 395	0.16 458	0.14 456	0.06 170	0.05 283	0.06 207	0.05 199	0.06 303	0.06 320

rvit_stereo_0083	0.12 387	0.08 368	0.17 519	0.16 226	0.09 366	0.11 266	0.15 341	0.14 154	0.26 503	0.11 276	0.14 316	0.13 356	0.10 324	0.12 305	0.12 366	0.10 542	0.08 544	0.09 502	0.07 401	0.07 392	0.05 211

rvit_stereo_ft	0.12 387	0.07 244	0.13 364	0.19 482	0.10 480	0.12 320	0.17 457	0.16 238	0.16 302	0.12 320	0.13 300	0.15 408	0.10 324	0.14 396	0.13 413	0.09 498	0.06 438	0.08 416	0.07 401	0.07 392	0.05 211

test_sample2	0.12 387	0.07 244	0.12 311	0.14 71	0.08 231	0.16 472	0.18 506	0.21 383	0.16 302	0.14 381	0.20 425	0.19 474	0.15 479	0.15 423	0.12 366	0.08 436	0.05 283	0.07 321	0.06 300	0.08 461	0.07 410

MyStereo8	0.12 387	0.07 244	0.15 452	0.15 126	0.09 366	0.18 514	0.14 253	0.19 344	0.22 438	0.12 320	0.18 402	0.11 301	0.10 324	0.16 458	0.18 537	0.07 353	0.05 283	0.07 321	0.05 199	0.08 461	0.09 528

CoDeX	0.12 387	0.07 244	0.12 311	0.17 312	0.08 231	0.12 320	0.15 341	0.23 432	0.27 513	0.13 354	0.17 374	0.16 423	0.11 362	0.14 396	0.11 299	0.07 353	0.05 283	0.07 321	0.06 300	0.06 303	0.05 211

11t1	0.12 387	0.06 118	0.13 364	0.14 71	0.08 231	0.17 495	0.15 341	0.18 313	0.15 262	0.15 408	0.15 337	0.16 423	0.16 507	0.15 423	0.13 413	0.08 436	0.05 283	0.06 207	0.05 199	0.08 461	0.07 410

ffm	0.12 387	0.09 451	0.14 403	0.16 226	0.08 231	0.17 495	0.17 457	0.15 197	0.19 384	0.15 408	0.25 511	0.19 474	0.13 437	0.10 128	0.07 1	0.06 170	0.04 25	0.09 502	0.08 477	0.06 303	0.06 320

RAFT_CTSACE	0.12 387	0.09 451	0.10 198	0.22 600	0.08 231	0.12 320	0.24 626	0.18 313	0.16 302	0.20 526	0.27 537	0.13 356	0.07 182	0.13 362	0.09 110	0.05 52	0.06 438	0.08 416	0.07 401	0.04 49	0.04 76

Sa-1000	0.12 387	0.08 368	0.08 61	0.18 407	0.08 231	0.14 413	0.22 601	0.22 409	0.18 365	0.15 408	0.20 425	0.17 445	0.11 362	0.10 128	0.10 214	0.06 170	0.05 283	0.09 502	0.09 524	0.05 173	0.05 211

SA	0.12 387	0.09 451	0.08 61	0.18 407	0.08 231	0.12 320	0.24 626	0.23 432	0.18 365	0.17 456	0.27 537	0.14 379	0.11 362	0.11 206	0.11 299	0.05 52	0.05 283	0.09 502	0.08 477	0.05 173	0.04 76

iRaft-Stereo_5w	0.12 387	0.09 451	0.12 311	0.19 482	0.08 231	0.09 142	0.12 104	0.21 383	0.21 424	0.19 503	0.14 316	0.11 301	0.09 277	0.20 555	0.16 504	0.05 52	0.05 283	0.07 321	0.06 300	0.05 173	0.06 320

CrosDoStereo	0.12 387	0.06 118	0.12 311	0.14 71	0.08 231	0.12 320	0.15 341	0.17 277	0.22 438	0.19 503	0.24 483	0.15 408	0.11 362	0.11 206	0.12 366	0.06 170	0.04 25	0.07 321	0.07 401	0.05 173	0.05 211

PSM-softLoss	0.12 387	0.07 244	0.15 452	0.17 312	0.09 366	0.08 86	0.13 182	0.24 456	0.17 332	0.14 381	0.19 413	0.13 356	0.11 362	0.11 206	0.11 299	0.07 353	0.05 283	0.08 416	0.07 401	0.06 303	0.12 599

KMStereo	0.12 387	0.07 244	0.15 452	0.17 312	0.09 366	0.08 86	0.13 182	0.24 456	0.17 332	0.14 381	0.19 413	0.13 356	0.11 362	0.11 206	0.11 299	0.07 353	0.05 283	0.08 416	0.07 401	0.06 303	0.12 599

FTStereo	0.12 387	0.06 118	0.14 403	0.18 407	0.09 366	0.07 44	0.15 341	0.21 383	0.18 365	0.12 320	0.24 483	0.12 323	0.12 395	0.13 362	0.13 413	0.05 52	0.05 283	0.07 321	0.06 300	0.06 303	0.10 559

DeepStereo_LL	0.12 387	0.06 118	0.12 311	0.14 71	0.08 231	0.12 320	0.15 341	0.17 277	0.22 438	0.19 503	0.24 483	0.15 408	0.11 362	0.11 206	0.12 366	0.06 170	0.04 25	0.07 321	0.07 401	0.05 173	0.05 211

DEmStereo	0.12 387	0.06 118	0.14 403	0.14 71	0.10 480	0.16 472	0.15 341	0.16 238	0.24 467	0.17 456	0.24 483	0.13 356	0.14 461	0.12 305	0.13 413	0.05 52	0.04 25	0.07 321	0.06 300	0.05 173	0.05 211

THIR-Stereo	0.12 387	0.07 244	0.11 263	0.15 126	0.08 231	0.14 413	0.16 413	0.17 277	0.25 489	0.16 437	0.24 483	0.14 379	0.12 395	0.12 305	0.14 456	0.06 170	0.04 25	0.07 321	0.07 401	0.05 173	0.05 211

DRaft	0.12 387	0.06 118	0.11 263	0.14 71	0.09 366	0.14 413	0.17 457	0.21 383	0.30 545	0.17 456	0.28 551	0.10 270	0.15 479	0.10 128	0.12 366	0.05 52	0.04 25	0.07 321	0.06 300	0.05 173	0.05 211

PFNet	0.12 387	0.06 118	0.17 519	0.17 312	0.08 231	0.09 142	0.15 341	0.26 493	0.20 408	0.16 437	0.16 350	0.14 379	0.11 362	0.12 305	0.11 299	0.06 170	0.04 25	0.07 321	0.06 300	0.05 173	0.05 211

IRAFT_RVC	0.12 387	0.08 368	0.16 488	0.19 482	0.08 231	0.07 44	0.15 341	0.24 456	0.23 450	0.14 381	0.14 316	0.15 408	0.12 395	0.12 305	0.10 214	0.06 170	0.04 25	0.09 502	0.06 300	0.06 303	0.06 320

sCroCo_RVC	0.12 387	0.09 451	0.23 592	0.24 633	0.11 531	0.19 539	0.14 253	0.17 277	0.14 235	0.10 239	0.13 300	0.12 323	0.07 182	0.14 396	0.11 299	0.08 436	0.08 544	0.08 416	0.08 477	0.05 173	0.07 410

ARAFT	0.12 387	0.08 368	0.17 519	0.19 482	0.09 366	0.14 413	0.18 506	0.20 356	0.12 157	0.12 320	0.13 300	0.14 379	0.11 362	0.15 423	0.12 366	0.06 170	0.05 283	0.10 551	0.09 524	0.05 173	0.04 76

BEATNet_4x	0.12 387	0.08 368	0.14 403	0.18 407	0.07 140	0.15 440	0.07 3	0.22 409	0.18 365	0.16 437	0.19 413	0.18 459	0.14 461	0.16 458	0.15 488	0.07 353	0.05 283	0.05 55	0.05 199	0.06 303	0.06 320

MLCV	0.12 387	0.07 244	0.16 488	0.18 407	0.06 33	0.15 440	0.17 457	0.19 344	0.21 424	0.18 486	0.25 511	0.17 445	0.13 437	0.14 396	0.13 413	0.05 52	0.04 25	0.05 55	0.04 64	0.05 173	0.04 76

RT-IGEV	0.13 415	0.06 118	0.13 364	0.15 126	0.09 366	0.15 440	0.17 457	0.24 456	0.27 513	0.16 437	0.17 374	0.17 445	0.10 324	0.14 396	0.11 299	0.08 436	0.05 283	0.07 321	0.05 199	0.07 392	0.07 410

Selective-IGEV-i16pc	0.13 415	0.06 118	0.13 364	0.15 126	0.11 531	0.38 673	0.16 413	0.23 432	0.16 302	0.10 239	0.15 337	0.09 232	0.06 68	0.13 362	0.10 214	0.10 542	0.08 544	0.06 207	0.07 401	0.09 526	0.09 528

Selective-IGEV-i1	0.13 415	0.07 244	0.12 311	0.19 482	0.08 231	0.18 514	0.16 413	0.22 409	0.30 545	0.16 437	0.17 374	0.16 423	0.10 324	0.14 396	0.13 413	0.06 170	0.05 283	0.06 207	0.05 199	0.06 303	0.05 211

G2L-ROB	0.13 415	0.06 118	0.13 364	0.13 22	0.08 231	0.14 413	0.16 413	0.25 475	0.18 365	0.19 503	0.18 402	0.20 486	0.14 461	0.17 492	0.16 504	0.08 436	0.05 283	0.06 207	0.05 199	0.08 461	0.09 528

xyz-stereo	0.13 415	0.07 244	0.20 567	0.15 126	0.05 2	0.20 555	0.15 341	0.17 277	0.31 553	0.15 408	0.29 563	0.26 561	0.16 507	0.13 362	0.12 366	0.05 52	0.05 283	0.06 207	0.05 199	0.04 49	0.04 76

DFGA-Net	0.13 415	0.11 541	0.18 543	0.17 312	0.10 480	0.12 320	0.13 182	0.22 409	0.25 489	0.16 437	0.16 350	0.13 356	0.12 395	0.16 458	0.14 456	0.07 353	0.05 283	0.08 416	0.07 401	0.05 173	0.05 211

FACV-RUCA	0.13 415	0.11 541	0.12 311	0.19 482	0.12 565	0.15 440	0.15 341	0.22 409	0.20 408	0.15 408	0.16 350	0.14 379	0.16 507	0.14 396	0.13 413	0.07 353	0.05 283	0.08 416	0.06 300	0.10 559	0.08 482

UGAM	0.13 415	0.10 514	0.09 131	0.22 600	0.08 231	0.12 320	0.20 570	0.17 277	0.23 450	0.21 541	0.16 350	0.13 356	0.13 437	0.19 530	0.12 366	0.07 353	0.05 283	0.13 617	0.11 600	0.07 392	0.05 211

test_sample1	0.13 415	0.07 244	0.14 403	0.13 22	0.08 231	0.19 539	0.16 413	0.20 356	0.15 262	0.14 381	0.22 461	0.18 459	0.16 507	0.17 492	0.14 456	0.07 353	0.06 438	0.06 207	0.06 300	0.08 461	0.07 410

qqq1	0.13 415	0.07 244	0.17 519	0.14 71	0.08 231	0.16 472	0.17 457	0.26 493	0.27 513	0.19 503	0.20 425	0.18 459	0.15 479	0.15 423	0.11 299	0.08 436	0.05 283	0.05 55	0.05 199	0.06 303	0.06 320

fff1	0.13 415	0.07 244	0.17 519	0.14 71	0.08 231	0.16 472	0.17 457	0.26 493	0.27 513	0.19 503	0.20 425	0.18 459	0.15 479	0.15 423	0.11 299	0.08 436	0.05 283	0.05 55	0.05 199	0.06 303	0.06 320

MyStereo05	0.13 415	0.07 244	0.10 198	0.17 312	0.09 366	0.13 376	0.18 506	0.27 514	0.35 588	0.17 456	0.14 316	0.15 408	0.11 362	0.15 423	0.13 413	0.06 170	0.05 283	0.07 321	0.07 401	0.06 303	0.06 320

MyStereo04	0.13 415	0.07 244	0.10 198	0.17 312	0.09 366	0.14 413	0.18 506	0.29 548	0.38 606	0.17 456	0.14 316	0.16 423	0.10 324	0.15 423	0.13 413	0.06 170	0.05 283	0.08 416	0.07 401	0.06 303	0.06 320

ff1	0.13 415	0.09 451	0.14 403	0.16 226	0.08 231	0.17 495	0.17 457	0.15 197	0.19 384	0.15 408	0.25 511	0.19 474	0.13 437	0.14 396	0.20 556	0.06 170	0.04 25	0.09 502	0.08 477	0.06 303	0.06 320

StereoVision	0.13 415	0.12 559	0.09 131	0.24 633	0.10 480	0.15 440	0.21 591	0.21 383	0.20 408	0.12 320	0.24 483	0.10 270	0.10 324	0.16 458	0.10 214	0.09 498	0.11 613	0.12 602	0.12 621	0.06 303	0.05 211

LL-Strereo	0.13 415	0.09 451	0.11 263	0.20 549	0.10 480	0.11 266	0.18 506	0.32 585	0.24 467	0.15 408	0.15 337	0.14 379	0.13 437	0.19 530	0.11 299	0.06 170	0.04 25	0.09 502	0.08 477	0.04 49	0.05 211

CASS	0.13 415	0.12 559	0.11 263	0.23 624	0.09 366	0.15 440	0.17 457	0.18 313	0.19 384	0.17 456	0.18 402	0.15 408	0.15 479	0.14 396	0.14 456	0.09 498	0.06 438	0.10 551	0.08 477	0.09 526	0.07 410
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 415	0.07 244	0.13 364	0.18 407	0.09 366	0.13 376	0.17 457	0.19 344	0.29 535	0.15 408	0.24 483	0.15 408	0.14 461	0.14 396	0.14 456	0.07 353	0.05 283	0.07 321	0.09 524	0.05 173	0.06 320

TestStereo1	0.13 415	0.08 368	0.08 61	0.19 482	0.08 231	0.18 514	0.29 673	0.23 432	0.16 302	0.17 456	0.20 425	0.16 423	0.10 324	0.12 305	0.13 413	0.06 170	0.06 438	0.08 416	0.06 300	0.05 173	0.05 211

qqq	0.13 415	0.09 451	0.15 452	0.16 226	0.08 231	0.13 376	0.15 341	0.23 432	0.16 302	0.15 408	0.19 413	0.16 423	0.16 507	0.15 423	0.16 504	0.07 353	0.06 438	0.08 416	0.08 477	0.07 392	0.07 410

x	0.13 415	0.07 244	0.14 403	0.14 71	0.08 231	0.18 514	0.14 253	0.22 409	0.20 408	0.15 408	0.19 413	0.19 474	0.17 530	0.18 515	0.18 537	0.07 353	0.05 283	0.06 207	0.06 300	0.07 392	0.07 410

raft_robust	0.13 415	0.10 514	0.07 13	0.18 407	0.08 231	0.13 376	0.24 626	0.28 534	0.33 567	0.20 526	0.19 413	0.14 379	0.10 324	0.11 206	0.12 366	0.05 52	0.05 283	0.07 321	0.07 401	0.05 173	0.04 76

RAFT+CT+SA	0.13 415	0.11 541	0.09 131	0.19 482	0.09 366	0.15 440	0.28 663	0.22 409	0.22 438	0.15 408	0.26 528	0.10 270	0.10 324	0.11 206	0.12 366	0.05 52	0.04 25	0.07 321	0.08 477	0.07 392	0.06 320

SA-5K	0.13 415	0.08 368	0.08 61	0.19 482	0.08 231	0.18 514	0.29 673	0.23 432	0.16 302	0.17 456	0.20 425	0.16 423	0.10 324	0.12 305	0.13 413	0.06 170	0.06 438	0.08 416	0.06 300	0.05 173	0.05 211

GwcNet-ADL	0.13 415	0.08 368	0.14 403	0.20 549	0.09 366	0.11 266	0.20 570	0.30 562	0.24 467	0.13 354	0.14 316	0.18 459	0.14 461	0.13 362	0.14 456	0.07 353	0.05 283	0.06 207	0.05 199	0.07 392	0.06 320

GANet-ADL	0.13 415	0.07 244	0.15 452	0.17 312	0.10 480	0.18 514	0.15 341	0.30 562	0.20 408	0.13 354	0.18 402	0.19 474	0.12 395	0.16 458	0.13 413	0.08 436	0.06 438	0.06 207	0.05 199	0.07 392	0.08 482

RAFT	0.13 415	0.09 451	0.11 263	0.18 407	0.08 231	0.15 440	0.24 626	0.20 356	0.19 384	0.21 541	0.21 449	0.17 445	0.12 395	0.16 458	0.09 110	0.06 170	0.07 511	0.10 551	0.09 524	0.05 173	0.05 211

TestStereo	0.13 415	0.14 599	0.11 263	0.23 624	0.08 231	0.15 440	0.21 591	0.20 356	0.23 450	0.14 381	0.24 483	0.16 423	0.12 395	0.16 458	0.14 456	0.05 52	0.06 438	0.08 416	0.06 300	0.09 526	0.05 211

sAnonymous2	0.13 415	0.12 559	0.24 596	0.20 549	0.12 565	0.17 495	0.13 182	0.26 493	0.21 424	0.11 276	0.11 259	0.13 356	0.08 235	0.10 128	0.10 214	0.09 498	0.05 283	0.08 416	0.06 300	0.15 647	0.10 559

CroCo_RVC	0.13 415	0.12 559	0.24 596	0.20 549	0.12 565	0.17 495	0.13 182	0.26 493	0.21 424	0.11 276	0.11 259	0.13 356	0.08 235	0.10 128	0.10 214	0.09 498	0.05 283	0.08 416	0.06 300	0.15 647	0.10 559

RAFT + AFF	0.13 415	0.07 244	0.20 567	0.20 549	0.10 480	0.14 413	0.24 626	0.26 493	0.20 408	0.11 276	0.10 205	0.12 323	0.10 324	0.15 423	0.12 366	0.07 353	0.06 438	0.09 502	0.08 477	0.06 303	0.08 482

GMStereo	0.13 415	0.14 599	0.14 403	0.18 407	0.09 366	0.15 440	0.16 413	0.20 356	0.24 467	0.16 437	0.17 374	0.10 270	0.10 324	0.16 458	0.13 413	0.07 353	0.06 438	0.06 207	0.06 300	0.07 392	0.06 320
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 415	0.07 244	0.14 403	0.17 312	0.09 366	0.15 440	0.16 413	0.28 534	0.27 513	0.14 381	0.17 374	0.12 323	0.13 437	0.14 396	0.11 299	0.08 436	0.05 283	0.07 321	0.07 401	0.07 392	0.06 320

FENet	0.13 415	0.08 368	0.12 311	0.16 226	0.08 231	0.14 413	0.15 341	0.22 409	0.23 450	0.17 456	0.23 470	0.16 423	0.12 395	0.14 396	0.15 488	0.08 436	0.05 283	0.08 416	0.08 477	0.07 392	0.07 410

cf-r	0.13 415	0.07 244	0.12 311	0.16 226	0.08 231	0.14 413	0.19 546	0.20 356	0.25 489	0.17 456	0.25 511	0.21 495	0.16 507	0.14 396	0.14 456	0.10 542	0.05 283	0.06 207	0.08 477	0.06 303	0.06 320

iResNet	0.13 415	0.10 514	0.18 543	0.19 482	0.08 231	0.13 376	0.18 506	0.20 356	0.26 503	0.15 408	0.23 470	0.15 408	0.13 437	0.14 396	0.14 456	0.06 170	0.04 25	0.06 207	0.05 199	0.06 303	0.05 211

DN-CSS_ROB	0.13 415	0.13 587	0.16 488	0.18 407	0.10 480	0.16 472	0.08 7	0.22 409	0.18 365	0.17 456	0.22 461	0.13 356	0.13 437	0.12 305	0.13 413	0.05 52	0.05 283	0.10 551	0.10 566	0.08 461	0.06 320

Selective-IGEV-i16pb	0.14 452	0.08 368	0.17 519	0.15 126	0.11 531	0.41 678	0.16 413	0.28 534	0.23 450	0.11 276	0.20 425	0.10 270	0.07 182	0.17 492	0.12 366	0.10 542	0.07 511	0.06 207	0.08 477	0.09 526	0.10 559

G2L-Stereo_test	0.14 452	0.07 244	0.11 263	0.13 22	0.08 231	0.12 320	0.16 413	0.30 562	0.28 528	0.20 526	0.23 470	0.20 486	0.16 507	0.17 492	0.18 537	0.07 353	0.05 283	0.05 55	0.05 199	0.07 392	0.06 320

coex_refinement	0.14 452	0.07 244	0.12 311	0.17 312	0.10 480	0.15 440	0.15 341	0.26 493	0.29 535	0.18 486	0.20 425	0.22 513	0.17 530	0.16 458	0.18 537	0.08 436	0.05 283	0.06 207	0.06 300	0.09 526	0.08 482

G2L-Stereo	0.14 452	0.07 244	0.13 364	0.17 312	0.09 366	0.13 376	0.12 104	0.27 514	0.22 438	0.16 437	0.27 537	0.21 495	0.13 437	0.17 492	0.18 537	0.09 498	0.08 544	0.08 416	0.07 401	0.07 392	0.07 410

rvit_0105_6	0.14 452	0.09 451	0.18 543	0.17 312	0.10 480	0.10 208	0.16 413	0.19 344	0.26 503	0.12 320	0.18 402	0.17 445	0.12 395	0.18 515	0.12 366	0.15 643	0.11 613	0.12 602	0.10 566	0.09 526	0.06 320

rvit_0105_5	0.14 452	0.09 451	0.13 364	0.17 312	0.09 366	0.14 413	0.23 612	0.24 456	0.27 513	0.14 381	0.15 337	0.18 459	0.12 395	0.17 492	0.14 456	0.14 639	0.11 613	0.10 551	0.10 566	0.08 461	0.06 320

rvit_0105_4	0.14 452	0.09 451	0.17 519	0.17 312	0.10 480	0.12 320	0.19 546	0.23 432	0.27 513	0.14 381	0.20 425	0.17 445	0.13 437	0.17 492	0.13 413	0.15 643	0.11 613	0.11 582	0.10 566	0.09 526	0.06 320

DCVSM-stereo	0.14 452	0.09 451	0.16 488	0.16 226	0.10 480	0.15 440	0.09 23	0.19 344	0.23 450	0.20 526	0.23 470	0.26 561	0.15 479	0.18 515	0.14 456	0.09 498	0.07 511	0.09 502	0.08 477	0.10 559	0.12 599

test_sample6	0.14 452	0.08 368	0.13 364	0.16 226	0.08 231	0.17 495	0.19 546	0.25 475	0.17 332	0.17 456	0.27 537	0.19 474	0.14 461	0.15 423	0.13 413	0.08 436	0.05 283	0.08 416	0.07 401	0.08 461	0.08 482

test_sample5	0.14 452	0.08 368	0.14 403	0.16 226	0.08 231	0.18 514	0.18 506	0.25 475	0.17 332	0.17 456	0.27 537	0.18 459	0.14 461	0.16 458	0.13 413	0.08 436	0.05 283	0.08 416	0.07 401	0.08 461	0.08 482

test_sample4	0.14 452	0.08 368	0.14 403	0.15 126	0.08 231	0.19 539	0.18 506	0.26 493	0.17 332	0.16 437	0.25 511	0.18 459	0.14 461	0.16 458	0.13 413	0.08 436	0.06 438	0.08 416	0.06 300	0.08 461	0.08 482

test_sample3	0.14 452	0.08 368	0.15 452	0.14 71	0.09 366	0.19 539	0.17 457	0.26 493	0.18 365	0.16 437	0.22 461	0.19 474	0.15 479	0.17 492	0.13 413	0.08 436	0.06 438	0.07 321	0.06 300	0.09 526	0.08 482

DispNO	0.14 452	0.08 368	0.17 519	0.19 482	0.12 565	0.11 266	0.21 591	0.23 432	0.29 535	0.17 456	0.23 470	0.18 459	0.17 530	0.15 423	0.15 488	0.07 353	0.05 283	0.08 416	0.08 477	0.07 392	0.06 320

SMFormer	0.14 452	0.07 244	0.17 519	0.14 71	0.08 231	0.16 472	0.17 457	0.26 493	0.27 513	0.19 503	0.20 425	0.18 459	0.15 479	0.15 423	0.17 519	0.08 436	0.05 283	0.07 321	0.06 300	0.07 392	0.06 320

tta	0.14 452	0.07 244	0.17 519	0.14 71	0.08 231	0.16 472	0.17 457	0.26 493	0.27 513	0.19 503	0.20 425	0.18 459	0.15 479	0.15 423	0.17 519	0.08 436	0.05 283	0.07 321	0.06 300	0.06 303	0.06 320

mmm	0.14 452	0.08 368	0.17 519	0.17 312	0.09 366	0.17 495	0.18 506	0.21 383	0.15 262	0.15 408	0.23 470	0.21 495	0.16 507	0.16 458	0.17 519	0.08 436	0.05 283	0.08 416	0.07 401	0.07 392	0.07 410

DualNet	0.14 452	0.08 368	0.14 403	0.16 226	0.08 231	0.18 514	0.18 506	0.25 475	0.17 332	0.17 456	0.27 537	0.18 459	0.14 461	0.16 458	0.13 413	0.08 436	0.05 283	0.08 416	0.07 401	0.08 461	0.08 482

mmx	0.14 452	0.09 451	0.14 403	0.16 226	0.08 231	0.17 495	0.17 457	0.27 514	0.25 489	0.15 408	0.25 511	0.19 474	0.13 437	0.14 396	0.20 556	0.08 436	0.06 438	0.09 502	0.08 477	0.08 461	0.08 482

xxx	0.14 452	0.09 451	0.14 403	0.16 226	0.08 231	0.17 495	0.17 457	0.27 514	0.25 489	0.15 408	0.25 511	0.19 474	0.13 437	0.14 396	0.20 556	0.08 436	0.06 438	0.09 502	0.08 477	0.08 461	0.08 482

PCWNet_CMD	0.14 452	0.08 368	0.15 452	0.17 312	0.09 366	0.14 413	0.14 253	0.29 548	0.36 592	0.14 381	0.20 425	0.21 495	0.12 395	0.17 492	0.13 413	0.07 353	0.05 283	0.07 321	0.07 401	0.07 392	0.07 410

CBFPSM	0.14 452	0.06 118	0.26 604	0.17 312	0.09 366	0.13 376	0.15 341	0.22 409	0.23 450	0.20 526	0.27 537	0.24 537	0.16 507	0.16 458	0.18 537	0.06 170	0.06 438	0.06 207	0.07 401	0.07 392	0.07 410

gwcnet-sp	0.14 452	0.07 244	0.12 311	0.18 407	0.09 366	0.16 472	0.17 457	0.24 456	0.24 467	0.18 486	0.24 483	0.15 408	0.16 507	0.15 423	0.15 488	0.08 436	0.06 438	0.07 321	0.08 477	0.08 461	0.07 410

scenet	0.14 452	0.07 244	0.12 311	0.18 407	0.09 366	0.16 472	0.17 457	0.24 456	0.24 467	0.18 486	0.24 483	0.15 408	0.16 507	0.15 423	0.15 488	0.08 436	0.06 438	0.07 321	0.08 477	0.08 461	0.07 410

ssnet	0.14 452	0.07 244	0.12 311	0.18 407	0.09 366	0.16 472	0.17 457	0.24 456	0.24 467	0.18 486	0.24 483	0.15 408	0.16 507	0.15 423	0.15 488	0.08 436	0.06 438	0.07 321	0.08 477	0.08 461	0.07 410

BUS	0.14 452	0.09 451	0.14 403	0.22 600	0.10 480	0.19 539	0.14 253	0.34 614	0.19 384	0.17 456	0.22 461	0.16 423	0.13 437	0.15 423	0.13 413	0.08 436	0.06 438	0.10 551	0.09 524	0.07 392	0.07 410

IER	0.14 452	0.07 244	0.13 364	0.17 312	0.09 366	0.14 413	0.16 413	0.25 475	0.26 503	0.18 486	0.25 511	0.17 445	0.20 573	0.16 458	0.14 456	0.08 436	0.05 283	0.07 321	0.06 300	0.08 461	0.07 410

test_5	0.14 452	0.12 559	0.08 61	0.20 549	0.10 480	0.14 413	0.29 673	0.21 383	0.24 467	0.18 486	0.28 551	0.11 301	0.15 479	0.12 305	0.13 413	0.06 170	0.05 283	0.07 321	0.08 477	0.08 461	0.07 410

psmg	0.14 452	0.09 451	0.14 403	0.17 312	0.10 480	0.15 440	0.17 457	0.29 548	0.19 384	0.17 456	0.21 449	0.25 551	0.16 507	0.15 423	0.14 456	0.08 436	0.06 438	0.08 416	0.08 477	0.07 392	0.06 320

UDGNet	0.14 452	0.13 587	0.16 488	0.17 312	0.10 480	0.12 320	0.16 413	0.21 383	0.27 513	0.20 526	0.20 425	0.16 423	0.13 437	0.16 458	0.13 413	0.10 542	0.06 438	0.09 502	0.07 401	0.06 303	0.07 410

CFNet_pseudo	0.14 452	0.08 368	0.15 452	0.16 226	0.09 366	0.13 376	0.14 253	0.27 514	0.34 579	0.14 381	0.21 449	0.22 513	0.13 437	0.18 515	0.14 456	0.07 353	0.05 283	0.08 416	0.06 300	0.07 392	0.07 410

GES	0.14 452	0.08 368	0.16 488	0.15 126	0.10 480	0.13 376	0.13 182	0.28 534	0.25 489	0.16 437	0.23 470	0.18 459	0.13 437	0.16 458	0.13 413	0.08 436	0.07 511	0.07 321	0.06 300	0.08 461	0.09 528

GANet-RSSM	0.14 452	0.07 244	0.13 364	0.13 22	0.08 231	0.14 413	0.17 457	0.22 409	0.21 424	0.17 456	0.24 483	0.23 531	0.15 479	0.16 458	0.15 488	0.10 542	0.06 438	0.07 321	0.08 477	0.08 461	0.07 410

PSMNet-RSSM	0.14 452	0.07 244	0.13 364	0.15 126	0.08 231	0.13 376	0.16 413	0.24 456	0.24 467	0.16 437	0.28 551	0.22 513	0.14 461	0.15 423	0.13 413	0.11 574	0.06 438	0.09 502	0.12 621	0.08 461	0.07 410

GwcNet-RSSM	0.14 452	0.07 244	0.12 311	0.15 126	0.08 231	0.15 440	0.20 570	0.21 383	0.27 513	0.18 486	0.27 537	0.22 513	0.16 507	0.14 396	0.15 488	0.10 542	0.05 283	0.07 321	0.09 524	0.07 392	0.07 410

CFNet-ft	0.14 452	0.07 244	0.15 452	0.12 7	0.09 366	0.16 472	0.18 506	0.22 409	0.24 467	0.17 456	0.26 528	0.24 537	0.14 461	0.16 458	0.14 456	0.11 574	0.06 438	0.08 416	0.09 524	0.09 526	0.08 482

CCAANet	0.14 452	0.06 118	0.14 403	0.17 312	0.09 366	0.16 472	0.13 182	0.30 562	0.24 467	0.16 437	0.32 583	0.18 459	0.17 530	0.17 492	0.14 456	0.06 170	0.05 283	0.09 502	0.09 524	0.06 303	0.09 528

DMCA	0.14 452	0.09 451	0.16 488	0.19 482	0.09 366	0.15 440	0.17 457	0.23 432	0.27 513	0.14 381	0.19 413	0.17 445	0.18 545	0.15 423	0.17 519	0.10 542	0.06 438	0.08 416	0.06 300	0.09 526	0.10 559

RASNet	0.14 452	0.07 244	0.14 403	0.16 226	0.08 231	0.18 514	0.14 253	0.29 548	0.20 408	0.17 456	0.25 511	0.21 495	0.18 545	0.20 555	0.19 550	0.07 353	0.06 438	0.06 207	0.08 477	0.06 303	0.06 320

MSMDNet	0.14 452	0.08 368	0.15 452	0.17 312	0.09 366	0.14 413	0.14 253	0.29 548	0.36 592	0.14 381	0.21 449	0.21 495	0.12 395	0.17 492	0.14 456	0.07 353	0.05 283	0.07 321	0.07 401	0.07 392	0.07 410

HSM-Net_RVC	0.14 452	0.08 368	0.11 263	0.15 126	0.08 231	0.15 440	0.15 341	0.27 514	0.29 535	0.19 503	0.21 449	0.29 588	0.14 461	0.17 492	0.13 413	0.06 170	0.06 438	0.06 207	0.06 300	0.07 392	0.06 320
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 452	0.07 244	0.15 452	0.12 7	0.09 366	0.16 472	0.18 506	0.22 409	0.24 467	0.17 456	0.26 528	0.24 537	0.14 461	0.16 458	0.14 456	0.11 574	0.06 438	0.08 416	0.09 524	0.09 526	0.08 482

ccs_rob	0.14 452	0.08 368	0.15 452	0.16 226	0.09 366	0.12 320	0.14 253	0.27 514	0.34 579	0.14 381	0.21 449	0.22 513	0.13 437	0.18 515	0.14 456	0.07 353	0.05 283	0.08 416	0.07 401	0.07 392	0.07 410

UCFNet_RVC	0.14 452	0.08 368	0.13 364	0.11 1	0.10 480	0.20 555	0.10 39	0.24 456	0.22 438	0.17 456	0.20 425	0.23 531	0.15 479	0.17 492	0.15 488	0.12 599	0.07 511	0.10 551	0.13 632	0.11 582	0.10 559

iResNetv2_ROB	0.14 452	0.08 368	0.15 452	0.16 226	0.08 231	0.16 472	0.12 104	0.25 475	0.35 588	0.21 541	0.29 563	0.24 537	0.13 437	0.14 396	0.14 456	0.06 170	0.05 283	0.06 207	0.04 64	0.09 526	0.08 482

iResNet_ROB	0.14 452	0.07 244	0.13 364	0.14 71	0.07 140	0.18 514	0.14 253	0.26 493	0.31 553	0.22 557	0.25 511	0.23 531	0.15 479	0.15 423	0.13 413	0.07 353	0.05 283	0.05 55	0.04 64	0.08 461	0.08 482

DDVS	0.15 497	0.10 514	0.21 577	0.16 226	0.12 565	0.15 440	0.14 253	0.25 475	0.19 384	0.18 486	0.29 563	0.27 569	0.12 395	0.19 530	0.15 488	0.09 498	0.06 438	0.09 502	0.07 401	0.11 582	0.11 586

rvit_0105_3	0.15 497	0.09 451	0.14 403	0.19 482	0.12 565	0.15 440	0.25 641	0.25 475	0.29 535	0.15 408	0.17 374	0.20 486	0.13 437	0.17 492	0.14 456	0.13 625	0.11 613	0.12 602	0.14 636	0.07 392	0.06 320

ACV-stereo	0.15 497	0.10 514	0.28 616	0.18 407	0.12 565	0.14 413	0.12 104	0.23 432	0.21 424	0.19 503	0.23 470	0.22 513	0.15 479	0.23 596	0.17 519	0.07 353	0.06 438	0.07 321	0.07 401	0.07 392	0.07 410

ITSA-stereo	0.15 497	0.10 514	0.14 403	0.19 482	0.08 231	0.12 320	0.14 253	0.30 562	0.49 653	0.17 456	0.19 413	0.22 513	0.15 479	0.17 492	0.16 504	0.10 542	0.06 438	0.08 416	0.08 477	0.08 461	0.08 482

test_sample7	0.15 497	0.10 514	0.16 488	0.14 71	0.11 531	0.16 472	0.16 413	0.27 514	0.23 450	0.20 526	0.20 425	0.24 537	0.19 561	0.16 458	0.16 504	0.12 599	0.06 438	0.10 551	0.09 524	0.10 559	0.10 559

1111x	0.15 497	0.08 368	0.12 311	0.18 407	0.07 140	0.18 514	0.25 641	0.31 574	0.24 467	0.17 456	0.24 483	0.26 561	0.15 479	0.13 362	0.23 597	0.07 353	0.07 511	0.08 416	0.09 524	0.07 392	0.06 320

CFNet_ucs	0.15 497	0.08 368	0.16 488	0.16 226	0.11 531	0.14 413	0.14 253	0.30 562	0.34 579	0.16 437	0.24 483	0.23 531	0.14 461	0.18 515	0.15 488	0.09 498	0.06 438	0.08 416	0.07 401	0.09 526	0.09 528

BSDual-CNN	0.15 497	0.09 451	0.14 403	0.22 600	0.10 480	0.14 413	0.15 341	0.34 614	0.19 384	0.17 456	0.22 461	0.25 551	0.16 507	0.15 423	0.14 456	0.08 436	0.06 438	0.10 551	0.09 524	0.07 392	0.07 410

hknet	0.15 497	0.11 541	0.13 364	0.22 600	0.11 531	0.14 413	0.15 341	0.34 614	0.25 489	0.17 456	0.22 461	0.22 513	0.18 545	0.17 492	0.12 366	0.07 353	0.06 438	0.10 551	0.09 524	0.07 392	0.07 410

dd	0.15 497	0.16 617	0.16 488	0.19 482	0.09 366	0.15 440	0.18 506	0.21 383	0.25 489	0.23 570	0.20 425	0.21 495	0.09 277	0.21 572	0.16 504	0.10 542	0.06 438	0.08 416	0.06 300	0.08 461	0.06 320

DAS	0.15 497	0.08 368	0.18 543	0.19 482	0.10 480	0.19 539	0.17 457	0.27 514	0.29 535	0.18 486	0.25 511	0.21 495	0.15 479	0.16 458	0.12 366	0.08 436	0.06 438	0.06 207	0.06 300	0.07 392	0.07 410

SepStereo	0.15 497	0.08 368	0.18 543	0.19 482	0.10 480	0.19 539	0.17 457	0.27 514	0.29 535	0.18 486	0.25 511	0.21 495	0.15 479	0.25 612	0.12 366	0.08 436	0.06 438	0.06 207	0.06 300	0.07 392	0.07 410

PSMNet-ADL	0.15 497	0.12 559	0.13 364	0.22 600	0.09 366	0.13 376	0.20 570	0.26 493	0.23 450	0.18 486	0.20 425	0.24 537	0.16 507	0.18 515	0.17 519	0.08 436	0.08 544	0.08 416	0.11 600	0.08 461	0.07 410

LMCR-Stereo	0.15 497	0.08 368	0.13 364	0.21 583	0.09 366	0.17 495	0.20 570	0.27 514	0.19 384	0.24 579	0.24 483	0.23 531	0.17 530	0.20 555	0.17 519	0.07 353	0.06 438	0.08 416	0.06 300	0.10 559	0.08 482

ICVP	0.15 497	0.09 451	0.12 311	0.22 600	0.09 366	0.17 495	0.21 591	0.25 475	0.23 450	0.18 486	0.30 570	0.26 561	0.18 545	0.17 492	0.14 456	0.09 498	0.07 511	0.08 416	0.07 401	0.07 392	0.07 410
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 497	0.07 244	0.14 403	0.14 71	0.08 231	0.23 598	0.18 506	0.31 574	0.19 384	0.14 381	0.28 551	0.22 513	0.14 461	0.15 423	0.26 631	0.09 498	0.05 283	0.07 321	0.07 401	0.08 461	0.07 410

test_xeample	0.15 497	0.06 118	0.13 364	0.14 71	0.08 231	0.21 573	0.20 570	0.28 534	0.20 408	0.16 437	0.29 563	0.19 474	0.16 507	0.15 423	0.26 631	0.09 498	0.05 283	0.07 321	0.07 401	0.07 392	0.07 410

ACVNet	0.15 497	0.09 451	0.15 452	0.13 22	0.12 565	0.14 413	0.20 570	0.22 409	0.33 567	0.17 456	0.26 528	0.21 495	0.16 507	0.17 492	0.21 576	0.07 353	0.06 438	0.06 207	0.06 300	0.08 461	0.06 320

acv_ft	0.15 497	0.09 451	0.15 452	0.19 482	0.10 480	0.16 472	0.17 457	0.25 475	0.33 567	0.19 503	0.26 528	0.21 495	0.17 530	0.17 492	0.18 537	0.07 353	0.06 438	0.06 207	0.06 300	0.08 461	0.06 320

CFNet	0.15 497	0.10 514	0.17 519	0.17 312	0.08 231	0.18 514	0.09 23	0.28 534	0.25 489	0.19 503	0.24 483	0.24 537	0.17 530	0.17 492	0.14 456	0.08 436	0.06 438	0.09 502	0.10 566	0.07 392	0.06 320

AdaStereo	0.15 497	0.11 541	0.15 452	0.18 407	0.09 366	0.20 555	0.11 68	0.32 585	0.28 528	0.20 526	0.23 470	0.20 486	0.13 437	0.19 530	0.14 456	0.12 599	0.05 283	0.10 551	0.07 401	0.09 526	0.07 410
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	0.15 497	0.08 368	0.14 403	0.16 226	0.09 366	0.16 472	0.14 253	0.28 534	0.25 489	0.19 503	0.23 470	0.37 642	0.16 507	0.20 555	0.15 488	0.07 353	0.05 283	0.07 321	0.06 300	0.07 392	0.06 320

pmcnn	0.15 497	0.07 244	0.19 555	0.15 126	0.07 140	0.20 555	0.15 341	0.24 456	0.26 503	0.21 541	0.34 600	0.28 579	0.18 545	0.18 515	0.17 519	0.07 353	0.05 283	0.05 55	0.04 64	0.07 392	0.06 320

DStereoRT	0.16 520	0.06 118	0.11 263	0.19 482	0.09 366	0.12 320	0.12 104	0.28 534	0.22 438	0.12 320	0.20 425	0.11 301	0.10 324	0.15 423	0.14 456	0.06 170	0.05 283	0.96 721	0.09 524	0.05 173	0.04 76

DualNet (step1)	0.16 520	0.12 559	0.20 567	0.12 7	0.14 609	0.17 495	0.13 182	0.27 514	0.23 450	0.20 526	0.20 425	0.24 537	0.19 561	0.16 458	0.16 504	0.15 643	0.06 438	0.14 631	0.14 636	0.14 631	0.12 599

GMStereo_Zeroshot	0.16 520	0.13 587	0.24 596	0.20 549	0.10 480	0.17 495	0.13 182	0.29 548	0.25 489	0.23 570	0.32 583	0.25 551	0.11 362	0.19 530	0.14 456	0.09 498	0.06 438	0.11 582	0.06 300	0.12 597	0.08 482

iinet-f	0.16 520	0.06 118	0.45 661	0.14 71	0.10 480	0.21 573	0.14 253	0.27 514	0.23 450	0.21 541	0.24 483	0.21 495	0.15 479	0.18 515	0.21 576	0.09 498	0.07 511	0.07 321	0.06 300	0.09 526	0.10 559

CRFU-Net	0.16 520	0.08 368	0.14 403	0.17 312	0.09 366	0.19 539	0.14 253	0.26 493	0.20 408	0.28 619	0.27 537	0.29 588	0.17 530	0.19 530	0.17 519	0.09 498	0.09 578	0.07 321	0.07 401	0.08 461	0.08 482

NINENet	0.16 520	0.10 514	0.15 452	0.17 312	0.11 531	0.19 539	0.14 253	0.40 658	0.36 592	0.18 486	0.21 449	0.16 423	0.13 437	0.15 423	0.13 413	0.08 436	0.08 544	0.10 551	0.07 401	0.10 559	0.09 528

CSP-Net	0.16 520	0.09 451	0.14 403	0.16 226	0.09 366	0.19 539	0.17 457	0.25 475	0.32 560	0.25 592	0.30 570	0.24 537	0.15 479	0.21 572	0.18 537	0.09 498	0.06 438	0.07 321	0.07 401	0.08 461	0.07 410

AASNet	0.16 520	0.08 368	0.12 311	0.19 482	0.09 366	0.18 514	0.15 341	0.37 642	0.37 599	0.19 503	0.23 470	0.20 486	0.16 507	0.17 492	0.20 556	0.10 542	0.08 544	0.08 416	0.07 401	0.09 526	0.09 528

AACVNet	0.16 520	0.08 368	0.14 403	0.15 126	0.10 480	0.18 514	0.15 341	0.23 432	0.24 467	0.27 604	0.27 537	0.28 579	0.17 530	0.19 530	0.16 504	0.09 498	0.07 511	0.09 502	0.07 401	0.10 559	0.09 528

ADLNet2	0.16 520	0.09 451	0.13 364	0.16 226	0.09 366	0.20 555	0.16 413	0.31 574	0.39 610	0.16 437	0.20 425	0.20 486	0.18 545	0.21 572	0.22 585	0.08 436	0.06 438	0.07 321	0.07 401	0.09 526	0.07 410

Anonymous3	0.16 520	0.13 587	0.33 636	0.26 649	0.14 609	0.27 634	0.17 457	0.28 534	0.28 528	0.15 408	0.17 374	0.14 379	0.10 324	0.15 423	0.12 366	0.08 436	0.08 544	0.08 416	0.08 477	0.08 461	0.11 586

ADLNet	0.16 520	0.08 368	0.15 452	0.16 226	0.10 480	0.16 472	0.17 457	0.32 585	0.27 513	0.22 557	0.27 537	0.24 537	0.16 507	0.18 515	0.21 576	0.10 542	0.06 438	0.10 551	0.10 566	0.08 461	0.09 528

HCRNet	0.16 520	0.24 665	0.12 311	0.35 683	0.11 531	0.15 440	0.17 457	0.26 493	0.22 438	0.19 503	0.24 483	0.21 495	0.14 461	0.15 423	0.13 413	0.11 574	0.07 511	0.11 582	0.10 566	0.09 526	0.07 410

222	0.16 520	0.07 244	0.14 403	0.14 71	0.08 231	0.24 603	0.18 506	0.30 562	0.20 408	0.17 456	0.28 551	0.17 445	0.16 507	0.15 423	0.40 687	0.10 542	0.05 283	0.07 321	0.06 300	0.07 392	0.08 482

UPFNet	0.16 520	0.08 368	0.12 311	0.20 549	0.12 565	0.20 555	0.23 612	0.28 534	0.26 503	0.17 456	0.24 483	0.22 513	0.19 561	0.19 530	0.21 576	0.09 498	0.07 511	0.08 416	0.09 524	0.08 461	0.06 320

ac_64	0.16 520	0.08 368	0.15 452	0.18 407	0.10 480	0.22 582	0.18 506	0.24 456	0.21 424	0.18 486	0.24 483	0.29 588	0.18 545	0.19 530	0.22 585	0.09 498	0.07 511	0.08 416	0.09 524	0.07 392	0.06 320

DSFCA	0.16 520	0.09 451	0.14 403	0.16 226	0.10 480	0.20 555	0.19 546	0.28 534	0.31 553	0.23 570	0.24 483	0.22 513	0.15 479	0.19 530	0.20 556	0.10 542	0.07 511	0.09 502	0.09 524	0.08 461	0.08 482

FADNet-RVC-Resample	0.16 520	0.11 541	0.31 629	0.22 600	0.11 531	0.19 539	0.14 253	0.25 475	0.24 467	0.24 579	0.27 537	0.20 486	0.15 479	0.16 458	0.15 488	0.07 353	0.08 544	0.12 602	0.10 566	0.09 526	0.10 559

FADNet_RVC	0.16 520	0.14 599	0.40 654	0.20 549	0.11 531	0.13 376	0.13 182	0.26 493	0.22 438	0.21 541	0.23 470	0.20 486	0.17 530	0.14 396	0.16 504	0.08 436	0.08 544	0.12 602	0.09 524	0.11 582	0.10 559

AANet_RVC	0.16 520	0.10 514	0.10 198	0.18 407	0.09 366	0.18 514	0.19 546	0.26 493	0.31 553	0.22 557	0.35 604	0.21 495	0.21 577	0.22 585	0.16 504	0.06 170	0.05 283	0.06 207	0.06 300	0.07 392	0.06 320

DeepPruner_ROB	0.16 520	0.11 541	0.15 452	0.17 312	0.10 480	0.17 495	0.15 341	0.32 585	0.21 424	0.19 503	0.21 449	0.22 513	0.18 545	0.20 555	0.15 488	0.13 625	0.09 578	0.09 502	0.09 524	0.11 582	0.10 559

z-ln-s-r	0.17 541	0.10 514	0.40 654	0.19 482	0.08 231	0.17 495	0.18 506	0.22 409	0.33 567	0.18 486	0.40 633	0.22 513	0.17 530	0.20 555	0.23 597	0.07 353	0.05 283	0.07 321	0.07 401	0.07 392	0.05 211

rvit_stereo_0075_2	0.17 541	0.12 559	0.25 601	0.23 624	0.16 640	0.13 376	0.10 39	0.30 562	0.27 513	0.20 526	0.28 551	0.22 513	0.15 479	0.18 515	0.13 413	0.16 659	0.10 600	0.17 655	0.10 566	0.10 559	0.09 528

ToySt	0.17 541	0.11 541	0.18 543	0.17 312	0.11 531	0.16 472	0.25 641	0.24 456	0.33 567	0.19 503	0.24 483	0.26 561	0.24 600	0.19 530	0.20 556	0.07 353	0.08 544	0.09 502	0.10 566	0.09 526	0.08 482

ssnet_v2	0.17 541	0.10 514	0.17 519	0.17 312	0.11 531	0.21 573	0.21 591	0.33 605	0.25 489	0.22 557	0.22 461	0.27 569	0.18 545	0.22 585	0.20 556	0.11 574	0.09 578	0.09 502	0.09 524	0.08 461	0.08 482

dad	0.17 541	0.20 649	0.20 567	0.16 226	0.11 531	0.20 555	0.18 506	0.21 383	0.28 528	0.30 633	0.24 483	0.29 588	0.13 437	0.19 530	0.16 504	0.18 665	0.09 578	0.11 582	0.09 524	0.11 582	0.07 410

GEStereo_RVC	0.17 541	0.12 559	0.15 452	0.22 600	0.11 531	0.19 539	0.17 457	0.32 585	0.48 646	0.20 526	0.25 511	0.17 445	0.13 437	0.21 572	0.16 504	0.10 542	0.06 438	0.08 416	0.07 401	0.09 526	0.08 482

MMNet	0.17 541	0.09 451	0.16 488	0.20 549	0.11 531	0.27 634	0.20 570	0.25 475	0.41 619	0.22 557	0.30 570	0.21 495	0.20 573	0.17 492	0.20 556	0.06 170	0.06 438	0.07 321	0.07 401	0.08 461	0.07 410

delet	0.17 541	0.08 368	0.17 519	0.19 482	0.11 531	0.20 555	0.21 591	0.30 562	0.37 599	0.17 456	0.26 528	0.19 474	0.19 561	0.19 530	0.21 576	0.08 436	0.08 544	0.09 502	0.11 600	0.06 303	0.06 320

UNet	0.17 541	0.09 451	0.18 543	0.19 482	0.12 565	0.27 634	0.19 546	0.33 605	0.29 535	0.21 541	0.24 483	0.23 531	0.19 561	0.19 530	0.18 537	0.07 353	0.06 438	0.08 416	0.07 401	0.08 461	0.06 320

HGLStereo	0.17 541	0.08 368	0.19 555	0.17 312	0.12 565	0.18 514	0.18 506	0.31 574	0.32 560	0.21 541	0.32 583	0.25 551	0.18 545	0.19 530	0.20 556	0.09 498	0.09 578	0.07 321	0.07 401	0.09 526	0.10 559

DMCA-RVC	0.17 541	0.10 514	0.15 452	0.24 633	0.11 531	0.18 514	0.18 506	0.25 475	0.24 467	0.21 541	0.26 528	0.25 551	0.27 623	0.18 515	0.20 556	0.12 599	0.08 544	0.13 617	0.10 566	0.10 559	0.08 482

TDLM	0.17 541	0.12 559	0.13 364	0.24 633	0.10 480	0.18 514	0.18 506	0.36 636	0.30 545	0.21 541	0.28 551	0.28 579	0.18 545	0.23 596	0.18 537	0.11 574	0.07 511	0.10 551	0.10 566	0.08 461	0.08 482

NLCA_NET_v2_RVC	0.17 541	0.10 514	0.22 583	0.20 549	0.10 480	0.15 440	0.18 506	0.31 574	0.25 489	0.21 541	0.30 570	0.25 551	0.17 530	0.21 572	0.20 556	0.09 498	0.06 438	0.08 416	0.08 477	0.07 392	0.08 482
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	0.17 541	0.12 559	0.15 452	0.20 549	0.09 366	0.18 514	0.18 506	0.26 493	0.23 450	0.26 598	0.40 633	0.22 513	0.17 530	0.21 572	0.20 556	0.08 436	0.05 283	0.09 502	0.10 566	0.07 392	0.07 410
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 555	0.08 368	0.19 555	0.19 482	0.13 588	0.15 440	0.12 104	0.30 562	0.32 560	0.21 541	0.25 511	0.27 569	0.17 530	0.17 492	0.20 556	0.20 674	0.08 544	0.14 631	0.14 636	0.14 631	0.17 666

test_sample9	0.18 555	0.12 559	0.20 567	0.12 7	0.14 609	0.17 495	0.13 182	0.27 514	0.23 450	0.20 526	0.20 425	0.24 537	0.19 561	0.19 530	0.17 519	0.15 643	0.30 696	0.14 631	0.14 636	0.14 631	0.12 599

fast-acv-ft	0.18 555	0.11 541	0.19 555	0.19 482	0.12 565	0.24 603	0.21 591	0.25 475	0.34 579	0.22 557	0.34 600	0.27 569	0.20 573	0.21 572	0.23 597	0.09 498	0.09 578	0.08 416	0.10 566	0.08 461	0.07 410

HBP-ISP	0.18 555	0.13 587	0.16 488	0.15 126	0.11 531	0.08 86	0.13 182	0.28 534	0.29 535	0.22 557	0.33 596	0.21 495	0.25 609	0.23 596	0.17 519	0.14 639	0.16 664	0.21 669	0.17 665	0.10 559	0.08 482

Wz-Net-LNSev-Ref	0.18 555	0.09 451	0.29 624	0.15 126	0.10 480	0.22 582	0.20 570	0.26 493	0.39 610	0.25 592	0.42 650	0.24 537	0.15 479	0.20 555	0.19 550	0.07 353	0.05 283	0.06 207	0.05 199	0.10 559	0.09 528

SACVNet	0.18 555	0.12 559	0.14 403	0.17 312	0.13 588	0.22 582	0.18 506	0.31 574	0.30 545	0.23 570	0.31 579	0.30 598	0.22 586	0.22 585	0.17 519	0.11 574	0.08 544	0.10 551	0.10 566	0.12 597	0.14 639

psm_up	0.18 555	0.10 514	0.18 543	0.20 549	0.11 531	0.17 495	0.19 546	0.37 642	0.34 579	0.21 541	0.28 551	0.29 588	0.24 600	0.20 555	0.22 585	0.09 498	0.10 600	0.11 582	0.11 600	0.08 461	0.08 482

hitnet-ft	0.18 555	0.09 451	0.17 519	0.14 71	0.09 366	0.26 624	0.20 570	0.25 475	0.26 503	0.24 579	0.32 583	0.31 611	0.22 586	0.24 606	0.21 576	0.12 599	0.07 511	0.10 551	0.08 477	0.12 597	0.11 586

STTStereo	0.18 555	0.12 559	0.27 611	0.20 549	0.11 531	0.16 472	0.21 591	0.29 548	0.23 450	0.21 541	0.30 570	0.29 588	0.18 545	0.20 555	0.19 550	0.12 599	0.11 613	0.11 582	0.14 636	0.09 526	0.08 482

CVANet_RVC	0.18 555	0.10 514	0.14 403	0.21 583	0.10 480	0.18 514	0.17 457	0.34 614	0.33 567	0.22 557	0.31 579	0.28 579	0.18 545	0.23 596	0.17 519	0.12 599	0.08 544	0.12 602	0.11 600	0.09 526	0.07 410

StereoDRNet	0.18 555	0.11 541	0.17 519	0.22 600	0.11 531	0.21 573	0.22 601	0.37 642	0.33 567	0.24 579	0.28 551	0.30 598	0.19 561	0.20 555	0.20 556	0.09 498	0.08 544	0.11 582	0.09 524	0.09 526	0.07 410

DLCB_ROB	0.18 555	0.10 514	0.15 452	0.23 624	0.11 531	0.24 603	0.18 506	0.29 548	0.28 528	0.27 604	0.28 551	0.28 579	0.24 600	0.19 530	0.20 556	0.08 436	0.08 544	0.09 502	0.09 524	0.07 392	0.07 410

TCMNet	0.19 567	0.12 559	0.19 555	0.20 549	0.18 662	0.20 555	0.24 626	0.27 514	0.36 592	0.23 570	0.26 528	0.25 551	0.19 561	0.19 530	0.23 597	0.13 625	0.11 613	0.11 582	0.12 621	0.13 617	0.12 599

rvit_105_1	0.19 567	0.11 541	0.25 601	0.21 583	0.16 640	0.21 573	0.27 657	0.31 574	0.41 619	0.19 503	0.20 425	0.22 513	0.17 530	0.19 530	0.17 519	0.12 599	0.12 629	0.13 617	0.15 653	0.08 461	0.07 410

test_sample8	0.19 567	0.12 559	0.20 567	0.12 7	0.14 609	0.17 495	0.13 182	0.31 574	0.21 424	0.27 604	0.22 461	0.36 637	0.25 609	0.19 530	0.17 519	0.15 643	0.30 696	0.14 631	0.14 636	0.14 631	0.12 599

SDNR	0.19 567	0.08 368	0.19 555	0.16 226	0.12 565	0.77 709	0.14 253	0.25 475	0.32 560	0.19 503	0.24 483	0.19 474	0.13 437	0.19 530	0.15 488	0.16 659	0.18 671	0.14 631	0.11 600	0.08 461	0.11 586

pcwnet_v2	0.19 567	0.10 514	0.26 604	0.17 312	0.14 609	0.18 514	0.15 341	0.37 642	0.46 644	0.19 503	0.24 483	0.21 495	0.19 561	0.20 555	0.19 550	0.13 625	0.10 600	0.10 551	0.10 566	0.11 582	0.13 622

ADCRef	0.19 567	0.12 559	0.41 657	0.20 549	0.12 565	0.22 582	0.18 506	0.32 585	0.36 592	0.26 598	0.32 583	0.17 445	0.23 594	0.24 606	0.24 610	0.07 353	0.06 438	0.09 502	0.09 524	0.08 461	0.08 482

NVstereo2D	0.19 567	0.10 514	0.15 452	0.17 312	0.15 629	0.28 641	0.23 612	0.44 675	0.42 627	0.15 408	0.27 537	0.25 551	0.19 561	0.22 585	0.17 519	0.09 498	0.06 438	0.10 551	0.08 477	0.15 647	0.09 528

DRN-Test	0.19 567	0.11 541	0.20 567	0.22 600	0.10 480	0.22 582	0.22 601	0.39 654	0.37 599	0.24 579	0.32 583	0.26 561	0.21 577	0.22 585	0.24 610	0.11 574	0.07 511	0.11 582	0.10 566	0.09 526	0.07 410

DISCO	0.19 567	0.09 451	0.22 583	0.17 312	0.10 480	0.25 614	0.18 506	0.27 514	0.44 637	0.22 557	0.31 579	0.33 624	0.26 615	0.28 629	0.28 647	0.08 436	0.06 438	0.07 321	0.07 401	0.09 526	0.09 528

CBMV_ROB	0.19 567	0.13 587	0.17 519	0.16 226	0.11 531	0.15 440	0.13 182	0.26 493	0.28 528	0.27 604	0.30 570	0.27 569	0.24 600	0.23 596	0.16 504	0.15 643	0.17 669	0.22 673	0.20 671	0.10 559	0.11 586

NOSS_ROB	0.19 567	0.12 559	0.18 543	0.16 226	0.12 565	0.15 440	0.12 104	0.30 562	0.32 560	0.20 526	0.22 461	0.27 569	0.23 594	0.21 572	0.16 504	0.16 659	0.18 671	0.23 674	0.21 673	0.12 597	0.13 622

CBMV	0.19 567	0.14 599	0.17 519	0.18 407	0.10 480	0.20 555	0.11 68	0.29 548	0.30 545	0.29 628	0.30 570	0.30 598	0.23 594	0.27 617	0.19 550	0.13 625	0.15 660	0.17 655	0.16 658	0.10 559	0.10 559
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PStereo	0.20 579	0.22 659	0.20 567	0.17 312	0.10 480	0.13 376	0.20 570	0.27 514	0.38 606	0.20 526	0.14 316	0.28 579	0.31 650	0.24 606	0.31 665	0.18 665	0.13 644	0.15 644	0.11 600	0.12 597	0.12 599

w-ln-seven-2	0.20 579	0.14 599	0.37 649	0.22 600	0.12 565	0.20 555	0.21 591	0.28 534	0.37 599	0.25 592	0.37 613	0.27 569	0.22 586	0.21 572	0.23 597	0.08 436	0.08 544	0.09 502	0.09 524	0.10 559	0.09 528

YMNet	0.20 579	0.12 559	0.19 555	0.20 549	0.14 609	0.26 624	0.23 612	0.32 585	0.34 579	0.27 604	0.34 600	0.30 598	0.18 545	0.18 515	0.22 585	0.10 542	0.13 644	0.10 551	0.10 566	0.08 461	0.09 528

YMNet_1	0.20 579	0.12 559	0.19 555	0.20 549	0.14 609	0.26 624	0.23 612	0.32 585	0.34 579	0.27 604	0.34 600	0.30 598	0.18 545	0.18 515	0.22 585	0.10 542	0.13 644	0.10 551	0.10 566	0.08 461	0.09 528

GwcNet	0.20 579	0.13 587	0.19 555	0.18 407	0.12 565	0.24 603	0.19 546	0.35 629	0.43 632	0.20 526	0.32 583	0.33 624	0.20 573	0.22 585	0.24 610	0.11 574	0.09 578	0.09 502	0.09 524	0.09 526	0.10 559

FAT-Stereo	0.20 579	0.12 559	0.22 583	0.21 583	0.12 565	0.17 495	0.18 506	0.34 614	0.39 610	0.27 604	0.37 613	0.34 631	0.32 655	0.21 572	0.20 556	0.09 498	0.11 613	0.10 551	0.09 524	0.11 582	0.14 639

FADNet-RVC	0.20 579	0.20 649	0.38 651	0.21 583	0.16 640	0.20 555	0.15 341	0.26 493	0.26 503	0.26 598	0.32 583	0.26 561	0.21 577	0.22 585	0.19 550	0.12 599	0.13 644	0.12 602	0.14 636	0.13 617	0.18 669

S-Stereo	0.20 579	0.12 559	0.25 601	0.21 583	0.13 588	0.20 555	0.18 506	0.32 585	0.43 632	0.23 570	0.36 607	0.28 579	0.30 646	0.19 530	0.22 585	0.09 498	0.12 629	0.10 551	0.10 566	0.13 617	0.13 622

SuperB	0.20 579	0.10 514	0.56 677	0.16 226	0.09 366	0.18 514	0.18 506	0.24 456	0.50 656	0.26 598	0.39 627	0.17 445	0.21 577	0.22 585	0.21 576	0.08 436	0.06 438	0.06 207	0.06 300	0.12 597	0.10 559

ADCP+	0.20 579	0.10 514	0.33 636	0.20 549	0.12 565	0.22 582	0.26 650	0.31 574	0.34 579	0.26 598	0.37 613	0.22 513	0.22 586	0.27 617	0.27 639	0.09 498	0.06 438	0.08 416	0.08 477	0.09 526	0.10 559

PS-NSSS	0.20 579	0.21 655	0.23 592	0.20 549	0.10 480	0.19 539	0.17 457	0.36 636	0.25 489	0.27 604	0.33 596	0.27 569	0.24 600	0.20 555	0.20 556	0.15 643	0.12 629	0.17 655	0.14 636	0.10 559	0.08 482

PWCDC_ROB	0.20 579	0.13 587	0.22 583	0.24 633	0.11 531	0.19 539	0.15 341	0.33 605	0.54 666	0.29 628	0.50 666	0.21 495	0.15 479	0.27 617	0.20 556	0.11 574	0.09 578	0.10 551	0.08 477	0.11 582	0.09 528

SGM-Forest	0.20 579	0.14 599	0.18 543	0.19 482	0.13 588	0.20 555	0.22 601	0.33 605	0.30 545	0.24 579	0.29 563	0.28 579	0.19 561	0.23 596	0.17 519	0.15 643	0.16 664	0.15 644	0.14 636	0.12 597	0.12 599
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 592	0.17 628	0.19 555	0.23 624	0.15 629	0.30 648	0.20 570	0.33 605	0.35 588	0.23 570	0.28 551	0.31 611	0.27 623	0.20 555	0.22 585	0.15 643	0.12 629	0.13 617	0.09 524	0.14 631	0.14 639

FINET	0.21 592	0.18 639	0.26 604	0.18 407	0.16 640	0.23 598	0.23 612	0.32 585	0.48 646	0.25 592	0.32 583	0.22 513	0.22 586	0.22 585	0.17 519	0.18 665	0.16 664	0.11 582	0.10 566	0.15 647	0.13 622

Syn2CoEx	0.21 592	0.16 617	0.27 611	0.29 674	0.14 609	0.26 624	0.20 570	0.33 605	0.31 553	0.28 619	0.36 607	0.27 569	0.25 609	0.19 530	0.24 610	0.16 659	0.12 629	0.14 631	0.11 600	0.09 526	0.08 482

FADNet	0.21 592	0.22 659	0.36 645	0.18 407	0.17 655	0.24 603	0.13 182	0.31 574	0.31 553	0.23 570	0.25 511	0.27 569	0.21 577	0.19 530	0.15 488	0.13 625	0.15 660	0.12 602	0.15 653	0.16 656	0.18 669

RP	0.21 592	0.13 587	0.21 577	0.23 624	0.11 531	0.21 573	0.20 570	0.25 475	0.44 637	0.21 541	0.38 619	0.36 637	0.24 600	0.27 617	0.25 620	0.11 574	0.12 629	0.13 617	0.12 621	0.12 597	0.14 639

DANet	0.21 592	0.15 609	0.28 616	0.25 644	0.13 588	0.22 582	0.19 546	0.27 514	0.27 513	0.28 619	0.32 583	0.35 635	0.31 650	0.31 639	0.23 597	0.11 574	0.09 578	0.11 582	0.10 566	0.13 617	0.11 586
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 592	0.12 559	0.21 577	0.24 633	0.13 588	0.22 582	0.22 601	0.41 664	0.26 503	0.31 639	0.42 650	0.37 642	0.28 634	0.23 596	0.22 585	0.10 542	0.12 629	0.10 551	0.09 524	0.10 559	0.08 482

PWC_ROB	0.21 592	0.16 617	0.26 604	0.18 407	0.11 531	0.22 582	0.13 182	0.32 585	0.49 653	0.30 633	0.40 633	0.32 620	0.24 600	0.31 639	0.22 585	0.10 542	0.07 511	0.11 582	0.08 477	0.11 582	0.10 559

PSMNet_ROB	0.21 592	0.11 541	0.15 452	0.27 662	0.15 629	0.24 603	0.35 690	0.43 673	0.37 599	0.27 604	0.32 583	0.32 620	0.22 586	0.21 572	0.26 631	0.12 599	0.08 544	0.13 617	0.11 600	0.09 526	0.09 528

MSAF-DinoV2	0.22 601	0.11 541	0.23 592	0.17 312	0.10 480	0.27 634	0.16 413	0.37 642	0.55 667	0.21 541	0.27 537	0.47 676	0.27 623	0.35 658	0.39 684	0.09 498	0.06 438	0.07 321	0.09 524	0.12 597	0.10 559

GASNet	0.22 601	0.23 662	0.33 636	0.26 649	0.17 655	0.26 624	0.16 413	0.44 675	0.42 627	0.27 604	0.24 483	0.30 598	0.15 479	0.27 617	0.18 537	0.12 599	0.08 544	0.12 602	0.11 600	0.16 656	0.07 410

Anonymous_2	0.22 601	0.17 628	0.28 616	0.15 126	0.16 640	0.32 650	0.22 601	0.22 409	0.17 332	0.23 570	0.24 483	0.26 561	0.27 623	0.27 617	0.23 597	0.22 683	0.25 692	0.17 655	0.17 665	0.17 664	0.17 666

Wz-Net-LNSev	0.22 601	0.16 617	0.38 651	0.21 583	0.13 588	0.25 614	0.23 612	0.32 585	0.43 632	0.30 633	0.41 644	0.31 611	0.18 545	0.22 585	0.25 620	0.10 542	0.09 578	0.08 416	0.08 477	0.12 597	0.11 586

Wz-Net-MNSev	0.22 601	0.13 587	0.31 629	0.20 549	0.14 609	0.36 669	0.24 626	0.33 605	0.44 637	0.28 619	0.40 633	0.38 646	0.19 561	0.24 606	0.25 620	0.09 498	0.07 511	0.09 502	0.09 524	0.12 597	0.10 559

DDUNet	0.22 601	0.17 628	0.21 577	0.22 600	0.15 629	0.25 614	0.24 626	0.29 548	0.30 545	0.31 639	0.36 607	0.33 624	0.25 609	0.24 606	0.20 556	0.18 665	0.13 644	0.17 655	0.11 600	0.16 656	0.16 657

APVNet	0.22 601	0.12 559	0.19 555	0.18 407	0.14 609	0.32 650	0.31 686	0.39 654	0.32 560	0.27 604	0.40 633	0.30 598	0.29 642	0.26 614	0.25 620	0.11 574	0.12 629	0.11 582	0.14 636	0.12 597	0.12 599

aanetorigin	0.22 601	0.17 628	0.56 677	0.17 312	0.10 480	0.15 440	0.19 546	0.20 356	0.33 567	0.49 681	0.48 661	0.29 588	0.27 623	0.20 555	0.23 597	0.08 436	0.07 511	0.08 416	0.07 401	0.10 559	0.09 528

MaskLacGwcNet_RVC	0.22 601	0.21 655	0.24 596	0.26 649	0.11 531	0.23 598	0.14 253	0.39 654	0.24 467	0.32 645	0.36 607	0.30 598	0.21 577	0.19 530	0.21 576	0.17 664	0.14 654	0.21 669	0.16 658	0.12 597	0.12 599

AF-Net	0.22 601	0.17 628	0.17 519	0.26 649	0.13 588	0.25 614	0.24 626	0.32 585	0.50 656	0.25 592	0.33 596	0.38 646	0.26 615	0.28 629	0.25 620	0.11 574	0.10 600	0.16 652	0.11 600	0.11 582	0.10 559

stereogan	0.22 601	0.11 541	0.21 577	0.20 549	0.12 565	0.31 649	0.19 546	0.35 629	0.44 637	0.22 557	0.39 627	0.35 635	0.27 623	0.33 649	0.22 585	0.10 542	0.12 629	0.10 551	0.10 566	0.14 631	0.13 622

edge stereo	0.22 601	0.13 587	0.20 567	0.21 583	0.13 588	0.23 598	0.16 413	0.32 585	0.42 627	0.32 645	0.40 633	0.38 646	0.35 665	0.25 612	0.24 610	0.13 625	0.11 613	0.14 631	0.11 600	0.12 597	0.13 622

RYNet	0.22 601	0.12 559	0.22 583	0.19 482	0.17 655	0.46 680	0.26 650	0.38 650	0.48 646	0.24 579	0.28 551	0.34 631	0.23 594	0.20 555	0.30 658	0.10 542	0.06 438	0.09 502	0.09 524	0.13 617	0.15 646

NaN_ROB	0.22 601	0.19 643	0.24 596	0.25 644	0.13 588	0.29 645	0.26 650	0.33 605	0.41 619	0.31 639	0.31 579	0.32 620	0.23 594	0.30 638	0.21 576	0.11 574	0.17 669	0.10 551	0.10 566	0.08 461	0.09 528

MDST_ROB	0.22 601	0.10 514	0.17 519	0.18 407	0.11 531	0.37 670	0.19 546	0.43 673	0.41 619	0.39 662	0.39 627	0.29 588	0.21 577	0.26 614	0.18 537	0.11 574	0.10 600	0.14 631	0.11 600	0.10 559	0.08 482

XPNet_ROB	0.22 601	0.11 541	0.19 555	0.22 600	0.13 588	0.22 582	0.19 546	0.34 614	0.40 616	0.30 633	0.39 627	0.39 654	0.26 615	0.26 614	0.28 647	0.15 643	0.10 600	0.10 551	0.10 566	0.13 617	0.12 599

SQANet	0.23 617	0.23 662	0.30 627	0.30 676	0.19 666	0.27 634	0.13 182	0.29 548	0.33 567	0.24 579	0.37 613	0.31 611	0.22 586	0.27 617	0.23 597	0.15 643	0.10 600	0.21 669	0.16 658	0.21 672	0.15 646

Nwc_Net	0.23 617	0.16 617	0.21 577	0.25 644	0.14 609	0.24 603	0.26 650	0.37 642	0.38 606	0.22 557	0.41 644	0.30 598	0.28 634	0.28 629	0.25 620	0.11 574	0.10 600	0.17 655	0.20 671	0.10 559	0.10 559

RTSC	0.23 617	0.12 559	0.28 616	0.21 583	0.13 588	0.28 641	0.16 413	0.35 629	0.66 692	0.27 604	0.33 596	0.30 598	0.21 577	0.31 639	0.29 651	0.10 542	0.08 544	0.09 502	0.10 566	0.13 617	0.13 622

PA-Net	0.23 617	0.18 639	0.33 636	0.28 665	0.22 675	0.21 573	0.38 695	0.29 548	0.39 610	0.22 557	0.32 583	0.25 551	0.26 615	0.20 555	0.25 620	0.09 498	0.23 689	0.15 644	0.22 676	0.09 526	0.13 622
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 617	0.15 609	0.17 519	0.34 681	0.18 662	0.24 603	0.23 612	0.34 614	0.28 528	0.31 639	0.38 619	0.38 646	0.28 634	0.23 596	0.24 610	0.15 643	0.12 629	0.18 664	0.21 673	0.13 617	0.13 622

ETE_ROB	0.23 617	0.17 628	0.22 583	0.25 644	0.13 588	0.26 624	0.29 673	0.31 574	0.36 592	0.28 619	0.36 607	0.45 668	0.26 615	0.27 617	0.26 631	0.11 574	0.08 544	0.12 602	0.09 524	0.14 631	0.13 622

SGM_RVC	0.23 617	0.12 559	0.15 452	0.15 126	0.09 366	0.33 657	0.18 506	0.34 614	0.31 553	0.44 676	0.37 613	0.53 684	0.35 665	0.35 658	0.24 610	0.13 625	0.13 644	0.13 617	0.13 632	0.10 559	0.11 586
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 624	0.18 639	0.18 543	0.20 549	0.14 609	0.21 573	0.19 546	0.32 585	0.41 619	0.29 628	0.21 449	0.32 620	0.27 623	0.41 683	0.27 639	0.46 704	0.12 629	0.31 692	0.11 600	0.15 647	0.12 599

z-mn7	0.24 624	0.14 599	0.45 661	0.19 482	0.13 588	0.28 641	0.25 641	0.34 614	0.62 683	0.27 604	0.56 678	0.29 588	0.24 600	0.32 646	0.25 620	0.08 436	0.08 544	0.08 416	0.08 477	0.10 559	0.10 559

w-ln-seven	0.24 624	0.14 599	0.55 674	0.19 482	0.14 609	0.26 624	0.22 601	0.35 629	0.60 680	0.29 628	0.39 627	0.30 598	0.22 586	0.21 572	0.26 631	0.09 498	0.09 578	0.11 582	0.10 566	0.11 582	0.10 559

DGSMNet	0.24 624	0.19 643	0.33 636	0.21 583	0.24 680	0.24 603	0.20 570	0.35 629	0.41 619	0.24 579	0.32 583	0.38 646	0.21 577	0.29 635	0.23 597	0.12 599	0.11 613	0.14 631	0.16 658	0.23 676	0.23 680

G-Net	0.24 624	0.16 617	0.36 645	0.22 600	0.16 640	0.51 686	0.23 612	0.29 548	0.34 579	0.36 655	0.38 619	0.31 611	0.29 642	0.27 617	0.26 631	0.11 574	0.09 578	0.12 602	0.09 524	0.16 656	0.13 622

NCC-stereo	0.24 624	0.15 609	0.31 629	0.26 649	0.16 640	0.20 555	0.30 680	0.40 658	0.40 616	0.24 579	0.38 619	0.33 624	0.28 634	0.36 664	0.27 639	0.12 599	0.11 613	0.15 644	0.22 676	0.13 617	0.13 622

Abc-Net	0.24 624	0.15 609	0.31 629	0.26 649	0.16 640	0.20 555	0.30 680	0.40 658	0.40 616	0.24 579	0.38 619	0.33 624	0.28 634	0.36 664	0.27 639	0.12 599	0.11 613	0.15 644	0.22 676	0.13 617	0.13 622
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 624	0.11 541	0.47 666	0.22 600	0.12 565	0.34 660	0.29 673	0.29 548	0.56 670	0.24 579	0.46 658	0.30 598	0.30 646	0.29 635	0.29 651	0.08 436	0.07 511	0.09 502	0.09 524	0.10 559	0.10 559

DeepPrunerF	0.24 624	0.17 628	0.42 659	0.26 649	0.16 640	0.22 582	0.28 663	0.37 642	0.50 656	0.26 598	0.29 563	0.24 537	0.28 634	0.21 572	0.22 585	0.15 643	0.11 613	0.20 668	0.18 669	0.12 597	0.13 622

FBW_ROB	0.24 624	0.17 628	0.22 583	0.26 649	0.14 609	0.25 614	0.22 601	0.41 664	0.41 619	0.41 669	0.41 644	0.42 661	0.27 623	0.31 639	0.23 597	0.09 498	0.14 654	0.14 631	0.12 621	0.11 582	0.09 528

SANet	0.24 624	0.14 599	0.28 616	0.21 583	0.11 531	0.27 634	0.24 626	0.38 650	0.64 688	0.36 655	0.40 633	0.43 664	0.26 615	0.27 617	0.24 610	0.12 599	0.09 578	0.10 551	0.09 524	0.13 617	0.11 586

WCMA_ROB	0.24 624	0.11 541	0.22 583	0.17 312	0.14 609	0.32 650	0.15 341	0.32 585	0.32 560	0.38 660	0.53 669	0.40 658	0.34 662	0.34 652	0.25 620	0.11 574	0.12 629	0.12 602	0.10 566	0.14 631	0.14 639

DStereoSA	0.25 636	0.19 643	0.37 649	0.26 649	0.17 655	0.22 582	0.20 570	0.49 685	0.59 676	0.22 557	0.29 563	0.29 588	0.33 657	0.39 675	0.28 647	0.12 599	0.11 613	0.16 652	0.14 636	0.14 631	0.12 599

zh-sn7	0.25 636	0.17 628	0.50 668	0.24 633	0.13 588	0.25 614	0.24 626	0.34 614	0.48 646	0.28 619	0.54 671	0.28 579	0.31 650	0.36 664	0.32 667	0.10 542	0.10 600	0.11 582	0.10 566	0.12 597	0.12 599

zh-mn7	0.25 636	0.14 599	0.56 677	0.19 482	0.14 609	0.24 603	0.22 601	0.34 614	0.62 683	0.35 652	0.65 687	0.31 611	0.25 609	0.31 639	0.25 620	0.09 498	0.08 544	0.09 502	0.09 524	0.09 526	0.11 586

Wz-Net-SNSev	0.25 636	0.17 628	0.44 660	0.25 644	0.14 609	0.26 624	0.23 612	0.38 650	0.56 670	0.30 633	0.55 673	0.39 654	0.26 615	0.23 596	0.30 658	0.10 542	0.09 578	0.09 502	0.10 566	0.11 582	0.11 586

psmorigin	0.25 636	0.15 609	0.34 644	0.17 312	0.13 588	0.23 598	0.14 253	0.34 614	0.33 567	0.41 669	0.55 673	0.41 660	0.37 669	0.34 652	0.27 639	0.11 574	0.15 660	0.11 582	0.11 600	0.12 597	0.16 657

RGC	0.25 636	0.20 649	0.29 624	0.28 665	0.16 640	0.22 582	0.23 612	0.32 585	0.44 637	0.27 604	0.40 633	0.38 646	0.27 623	0.36 664	0.22 585	0.11 574	0.13 644	0.17 655	0.17 665	0.14 631	0.16 657

ADCMid	0.25 636	0.15 609	0.40 654	0.20 549	0.14 609	0.25 614	0.26 650	0.34 614	0.38 606	0.36 655	0.44 655	0.34 631	0.40 676	0.35 658	0.33 672	0.10 542	0.09 578	0.11 582	0.11 600	0.13 617	0.12 599

ADCPNet	0.25 636	0.16 617	0.61 684	0.21 583	0.15 629	0.35 668	0.25 641	0.32 585	0.35 588	0.30 633	0.40 633	0.36 637	0.28 634	0.28 629	0.32 667	0.12 599	0.10 600	0.11 582	0.12 621	0.14 631	0.13 622

LALA_ROB	0.25 636	0.16 617	0.22 583	0.26 649	0.17 655	0.27 634	0.27 657	0.42 669	0.37 599	0.33 649	0.38 619	0.51 680	0.26 615	0.28 629	0.27 639	0.16 659	0.09 578	0.12 602	0.11 600	0.13 617	0.12 599

SHD	0.26 645	0.15 609	0.30 627	0.24 633	0.18 662	0.22 582	0.15 341	0.38 650	0.71 696	0.32 645	0.41 644	0.36 637	0.28 634	0.32 646	0.29 651	0.12 599	0.11 613	0.14 631	0.13 632	0.16 656	0.20 675

AnyNet_C32	0.26 645	0.16 617	0.36 645	0.20 549	0.16 640	0.25 614	0.30 680	0.32 585	0.44 637	0.31 639	0.49 662	0.30 598	0.33 657	0.40 680	0.33 672	0.12 599	0.12 629	0.12 602	0.14 636	0.14 631	0.15 646

DStereoFS	0.27 647	0.22 659	0.31 629	0.22 600	0.15 629	0.22 582	0.20 570	0.50 689	0.48 646	0.28 619	0.44 655	0.33 624	0.34 662	0.52 693	0.29 651	0.12 599	0.11 613	0.15 644	0.13 632	0.16 656	0.16 657

PSMNet-RUCA	0.27 647	0.33 685	0.41 657	0.36 685	0.32 693	0.18 514	0.19 546	0.42 669	0.30 545	0.33 649	0.41 644	0.39 654	0.25 609	0.31 639	0.20 556	0.18 665	0.10 600	0.25 676	0.15 653	0.21 672	0.16 657

PDISCO_ROB	0.27 647	0.16 617	0.26 604	0.28 665	0.20 669	0.32 650	0.26 650	0.44 675	0.57 672	0.28 619	0.40 633	0.45 668	0.29 642	0.33 649	0.34 674	0.12 599	0.09 578	0.17 655	0.16 658	0.17 664	0.13 622

DispFullNet	0.27 647	0.21 655	0.65 687	0.28 665	0.16 640	0.26 624	0.17 457	0.33 605	0.58 675	0.27 604	0.38 619	0.43 664	0.23 594	0.38 671	0.23 597	0.12 599	0.06 438	0.19 666	0.11 600	0.21 672	0.15 646

MeshStereo	0.27 647	0.13 587	0.18 543	0.15 126	0.11 531	0.32 650	0.24 626	0.40 658	0.36 592	0.52 683	0.57 681	0.67 695	0.40 676	0.35 658	0.26 631	0.14 639	0.13 644	0.13 617	0.11 600	0.11 582	0.10 559
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	0.28 652	0.17 628	0.78 704	0.22 600	0.16 640	0.34 660	0.29 673	0.39 654	0.57 672	0.24 579	0.55 673	0.37 642	0.24 600	0.33 649	0.35 675	0.09 498	0.08 544	0.09 502	0.10 566	0.14 631	0.16 657

XQC	0.28 652	0.23 662	0.51 669	0.28 665	0.19 666	0.34 660	0.27 657	0.36 636	0.57 672	0.31 639	0.30 570	0.37 642	0.30 646	0.38 671	0.38 682	0.13 625	0.09 578	0.15 644	0.12 621	0.17 664	0.18 669

CC-Net-ROB	0.28 652	0.31 683	0.36 645	0.29 674	0.15 629	0.25 614	0.19 546	0.45 678	0.33 567	0.39 662	0.37 613	0.39 654	0.31 650	0.27 617	0.26 631	0.24 689	0.19 674	0.30 691	0.23 680	0.18 667	0.15 646

DPSNet	0.28 652	0.16 617	0.31 629	0.18 407	0.13 588	0.54 688	0.42 699	0.51 691	0.67 693	0.29 628	0.38 619	0.38 646	0.29 642	0.31 639	0.23 597	0.11 574	0.10 600	0.11 582	0.08 477	0.20 671	0.16 657

MultiAttention	0.29 656	0.08 368	0.14 403	0.19 482	0.12 565	1.45 724	1.33 728	0.36 636	0.37 599	0.19 503	0.21 449	0.24 537	0.11 362	0.38 671	0.18 537	0.06 170	0.05 283	0.08 416	0.08 477	0.10 559	0.09 528

Wz-Net-TNSev	0.29 656	0.20 649	0.65 687	0.19 482	0.15 629	0.38 673	0.27 657	0.35 629	0.55 667	0.34 651	0.42 650	0.45 668	0.38 670	0.32 646	0.30 658	0.12 599	0.13 644	0.10 551	0.12 621	0.15 647	0.14 639

ccnet	0.29 656	0.28 678	0.23 592	0.20 549	0.28 687	0.41 678	0.21 591	0.45 678	0.33 567	0.36 655	0.46 658	0.36 637	0.30 646	0.39 675	0.42 691	0.23 687	0.14 654	0.21 669	0.17 665	0.23 676	0.18 669

EDNetEfficient	0.29 656	0.24 665	1.13 715	0.18 407	0.10 480	0.19 539	0.20 570	0.20 356	0.60 680	0.74 703	0.56 678	0.31 611	0.39 673	0.22 585	0.30 658	0.09 498	0.07 511	0.08 416	0.07 401	0.11 582	0.09 528

ADCS	0.29 656	0.18 639	0.45 661	0.21 583	0.17 655	0.28 641	0.23 612	0.41 664	0.63 687	0.40 665	0.49 662	0.40 658	0.36 667	0.39 675	0.40 687	0.13 625	0.12 629	0.13 617	0.14 636	0.16 656	0.16 657

CSAN	0.29 656	0.24 665	0.27 611	0.34 681	0.19 666	0.33 657	0.42 699	0.37 642	0.50 656	0.38 660	0.40 633	0.44 666	0.33 657	0.28 629	0.30 658	0.20 674	0.16 664	0.19 666	0.19 670	0.14 631	0.15 646

AANet	0.30 662	0.19 643	1.03 713	0.16 226	0.13 588	0.22 582	0.16 413	0.30 562	0.62 683	0.60 690	0.52 668	0.46 672	0.38 670	0.23 596	0.32 667	0.12 599	0.09 578	0.11 582	0.10 566	0.13 617	0.12 599

MFN_U_SF_DS_RVC	0.30 662	0.24 665	0.29 624	0.36 685	0.16 640	0.34 660	0.30 680	0.32 585	0.42 627	0.40 665	0.46 658	0.38 646	0.31 650	0.34 652	0.28 647	0.19 672	0.20 677	0.26 677	0.29 690	0.18 667	0.19 674

GANetREF_RVC	0.31 664	0.34 686	0.27 611	0.35 683	0.16 640	0.32 650	0.41 696	0.48 683	0.51 663	0.35 652	0.35 604	0.34 631	0.33 657	0.39 675	0.32 667	0.27 691	0.20 677	0.29 689	0.15 653	0.18 667	0.17 666
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	0.31 664	0.26 671	0.26 604	0.24 633	0.21 673	0.34 660	0.25 641	0.34 614	0.39 610	0.40 665	0.69 691	0.45 668	0.40 676	0.34 652	0.27 639	0.20 674	0.19 674	0.26 677	0.25 682	0.23 676	0.22 679

MFN_U_SF_RVC	0.32 666	0.21 655	0.55 674	0.30 676	0.15 629	0.34 660	0.17 457	0.52 692	0.46 644	0.46 680	0.55 673	0.59 687	0.39 673	0.35 658	0.37 680	0.15 643	0.14 654	0.18 664	0.21 673	0.16 656	0.15 646

PASM	0.32 666	0.24 665	0.48 667	0.28 665	0.27 686	0.29 645	0.30 680	0.34 614	0.49 653	0.35 652	0.39 627	0.46 672	0.34 662	0.34 652	0.35 675	0.23 687	0.25 692	0.26 677	0.28 689	0.23 676	0.21 677

SGM-ForestM	0.32 666	0.12 559	0.16 488	0.16 226	0.11 531	0.39 675	0.19 546	0.41 664	0.50 656	0.52 683	0.54 671	1.32 716	0.42 684	0.40 680	0.27 639	0.14 639	0.16 664	0.16 652	0.16 658	0.12 597	0.12 599

FC-DCNN v2	0.33 669	0.27 674	0.28 616	0.26 649	0.23 678	0.37 670	0.28 663	0.40 658	0.43 632	0.45 677	0.56 678	0.51 680	0.40 676	0.37 669	0.29 651	0.21 678	0.20 677	0.27 680	0.26 683	0.25 683	0.24 681

FCDSN-DC	0.33 669	0.28 678	0.28 616	0.30 676	0.24 680	0.39 675	0.28 663	0.42 669	0.42 627	0.43 675	0.53 669	0.51 680	0.41 681	0.36 664	0.30 658	0.21 678	0.20 677	0.27 680	0.26 683	0.25 683	0.24 681
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 669	0.27 674	0.28 616	0.26 649	0.23 678	0.37 670	0.28 663	0.40 658	0.43 632	0.45 677	0.55 673	0.51 680	0.40 676	0.37 669	0.30 658	0.21 678	0.20 677	0.27 680	0.26 683	0.25 683	0.24 681

LSM	0.33 669	0.20 649	0.58 680	0.26 649	0.60 711	0.34 660	0.25 641	0.42 669	0.48 646	0.45 677	0.58 683	0.42 661	0.36 667	0.35 658	0.25 620	0.12 599	0.20 677	0.14 631	0.16 658	0.19 670	0.33 695

AnyNet_C01	0.36 673	0.25 670	1.37 718	0.22 600	0.17 655	0.48 684	0.27 657	0.35 629	0.39 610	0.39 662	0.74 697	0.46 672	0.38 670	0.45 685	0.47 696	0.13 625	0.13 644	0.13 617	0.14 636	0.14 631	0.15 646

GCST	0.37 674	0.42 693	0.26 604	1.02 719	0.39 694	0.18 514	0.08 7	0.20 356	0.17 332	0.28 619	0.25 511	0.15 408	0.12 395	0.16 458	0.14 456	0.64 715	0.43 704	0.75 711	0.65 715	0.63 708	0.46 706

otaku	0.39 675	0.37 689	0.52 670	0.44 692	0.28 687	0.58 690	0.24 626	0.41 664	0.62 683	0.40 665	0.49 662	0.46 672	0.33 657	0.40 680	0.32 667	0.30 692	0.30 696	0.39 696	0.33 695	0.29 690	0.28 689

ACVNet-4b	0.39 675	0.53 696	0.55 674	0.45 693	0.24 680	0.47 682	0.18 506	0.49 685	0.64 688	0.42 672	0.45 657	0.60 688	0.27 623	0.34 652	0.24 610	0.33 695	0.14 654	0.48 699	0.42 701	0.30 691	0.26 688

PVD	0.39 675	0.20 649	0.39 653	0.31 680	0.22 675	0.29 645	0.43 701	0.52 692	0.96 710	0.55 687	0.79 701	0.53 684	0.59 700	0.52 693	0.38 682	0.19 672	0.14 654	0.17 655	0.14 636	0.24 682	0.31 693

Ntro	0.40 678	0.40 691	0.53 671	0.46 696	0.30 691	0.65 696	0.24 626	0.46 680	0.68 694	0.41 669	0.49 662	0.48 678	0.42 684	0.39 675	0.31 665	0.32 693	0.28 694	0.37 695	0.30 692	0.32 695	0.29 690

SAMSARA	0.40 678	0.28 678	0.33 636	0.55 699	0.39 694	0.82 710	1.23 727	0.47 682	0.51 663	0.36 655	0.35 604	0.55 686	0.39 673	0.38 671	0.39 684	0.15 643	0.20 677	0.15 644	0.14 636	0.23 676	0.20 675

ELAS_RVC	0.41 680	0.29 681	0.33 636	0.28 665	0.24 680	0.54 688	0.36 691	0.49 685	0.59 676	0.72 699	0.74 697	0.65 693	0.54 693	0.54 698	0.40 687	0.22 683	0.20 677	0.27 680	0.26 683	0.26 688	0.25 686
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 680	0.29 681	0.33 636	0.27 662	0.24 680	0.60 693	0.36 691	0.50 689	0.50 656	0.71 697	0.79 701	0.67 695	0.54 693	0.51 691	0.42 691	0.22 683	0.20 677	0.27 680	0.26 683	0.26 688	0.25 686
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 682	0.26 671	0.59 682	0.60 701	0.49 701	0.32 650	0.23 612	0.46 680	0.52 665	0.56 689	0.58 683	0.76 700	0.32 655	0.48 687	0.29 651	0.32 693	0.24 690	0.27 680	0.33 695	0.46 699	0.39 700

MSC_U_SF_DS_RVC	0.43 683	0.39 690	0.54 672	0.40 688	0.20 669	0.64 695	0.32 688	0.53 694	0.72 697	0.71 697	0.72 694	0.61 689	0.54 693	0.51 691	0.46 695	0.20 674	0.19 674	0.29 689	0.30 692	0.23 676	0.18 669

ACVNet_1	0.44 684	0.49 695	0.60 683	0.45 693	0.28 687	0.49 685	0.27 657	0.57 699	0.72 697	0.62 692	0.58 683	0.74 699	0.49 690	0.50 689	0.35 675	0.26 690	0.24 690	0.39 696	0.29 690	0.31 694	0.24 681

Consistency-Raft	0.44 684	0.40 691	0.45 661	0.37 687	0.43 698	0.46 680	0.41 696	0.57 699	0.55 667	0.32 645	0.73 695	0.33 624	0.48 689	0.42 684	0.49 698	0.39 698	0.35 701	0.45 698	0.51 708	0.42 698	0.29 690

RTS	0.45 686	0.19 643	3.26 724	0.24 633	0.15 629	0.74 703	0.20 570	0.36 636	0.76 703	0.42 672	0.43 653	0.31 611	0.41 681	0.53 696	0.35 675	0.10 542	0.08 544	0.13 617	0.12 621	0.15 647	0.15 646

RTSA	0.45 686	0.19 643	3.26 724	0.24 633	0.15 629	0.74 703	0.20 570	0.36 636	0.76 703	0.42 672	0.43 653	0.31 611	0.41 681	0.53 696	0.35 675	0.10 542	0.08 544	0.13 617	0.12 621	0.15 647	0.15 646

MANE	0.45 686	0.27 674	0.27 611	0.27 662	0.24 680	0.47 682	0.31 686	0.55 696	0.59 676	0.72 699	1.13 718	1.15 710	0.61 701	0.52 693	0.37 680	0.21 678	0.20 677	0.27 680	0.31 694	0.25 683	0.24 681

NVStereoNet_ROB	0.46 689	0.36 688	0.46 665	0.41 690	0.28 687	0.34 660	0.34 689	0.48 683	0.60 680	0.72 699	0.93 707	0.70 698	0.66 704	0.47 686	0.60 706	0.22 683	0.33 700	0.34 694	0.34 698	0.30 691	0.30 692
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	0.47 690	0.26 671	0.58 680	0.28 665	0.20 669	0.39 675	0.18 506	0.49 685	0.64 688	0.52 683	0.87 704	1.01 705	0.57 698	0.50 689	0.56 703	0.53 708	0.31 699	0.54 705	0.40 699	0.33 696	0.34 696

LE_ROB	0.50 691	0.07 244	0.14 403	0.15 126	0.08 231	0.24 603	0.16 413	0.22 409	1.81 726	4.63 731	0.67 689	0.47 676	0.44 686	0.20 555	0.29 651	0.07 353	0.06 438	0.06 207	0.06 300	0.08 461	0.06 320

BEATNet-Init1	0.52 692	0.27 674	0.62 685	0.30 676	0.21 673	0.76 707	0.29 673	0.54 695	0.65 691	0.86 708	0.95 709	2.07 725	0.62 703	0.56 700	0.42 691	0.18 665	0.18 671	0.23 674	0.22 676	0.22 675	0.21 677

anonymity	0.53 693	0.58 698	0.65 687	0.41 690	0.61 712	0.53 687	0.41 696	0.56 697	0.41 619	0.55 687	0.50 666	0.49 679	0.55 696	0.58 701	0.50 701	0.58 711	0.50 714	0.51 701	0.51 708	0.51 701	0.57 709

RainbowNet	0.54 694	0.61 700	0.70 702	0.57 700	0.43 698	0.65 696	0.37 694	0.60 701	0.87 707	0.50 682	0.66 688	0.64 691	0.47 688	0.49 688	0.43 694	0.47 705	0.48 710	0.52 703	0.41 700	0.52 702	0.40 703

SGM+DAISY	0.56 695	0.57 697	0.65 687	0.40 688	0.54 704	0.66 698	0.49 704	0.56 697	0.45 643	0.66 693	0.69 691	0.67 695	0.56 697	0.63 703	0.56 703	0.59 712	0.48 710	0.50 700	0.50 707	0.52 702	0.58 710

SPS-STEREO	0.57 696	0.58 698	0.65 687	0.45 693	0.55 706	0.62 694	0.44 703	0.62 702	0.50 656	0.68 695	0.64 686	0.66 694	0.57 698	0.61 702	0.60 706	0.62 714	0.47 709	0.51 701	0.49 705	0.55 706	0.58 710
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 697	0.66 704	0.65 687	0.51 697	0.69 716	0.69 699	0.57 710	0.64 703	0.73 701	0.60 690	0.73 695	0.62 690	0.67 705	0.65 704	0.60 706	0.66 716	0.58 723	0.63 706	0.59 711	0.68 713	0.69 719

IMH-64-1	0.65 698	0.61 700	0.68 696	0.71 704	0.51 702	0.59 691	0.49 704	0.91 710	0.85 705	0.74 703	1.02 711	0.81 701	0.78 709	0.79 707	0.49 698	0.42 700	0.46 705	0.71 708	0.47 703	0.52 702	0.39 700

IMH-64	0.65 698	0.61 700	0.68 696	0.71 704	0.51 702	0.59 691	0.49 704	0.91 710	0.85 705	0.74 703	1.02 711	0.81 701	0.78 709	0.79 707	0.49 698	0.42 700	0.46 705	0.71 708	0.47 703	0.52 702	0.39 700

ACVNet_2	0.66 700	0.66 704	0.68 696	0.63 702	0.41 696	0.71 701	0.49 704	0.96 714	1.39 719	0.89 709	1.09 714	1.04 706	0.73 707	0.54 698	0.47 696	0.43 702	0.40 703	0.53 704	0.44 702	0.47 700	0.35 698

JetBlue	0.71 701	0.45 694	1.14 716	0.51 697	0.47 700	2.02 725	0.64 714	0.75 705	0.70 695	0.69 696	0.77 700	1.22 712	0.83 711	1.03 722	1.01 722	0.40 699	0.28 694	0.33 693	0.33 695	0.30 691	0.34 696

IMH	0.71 701	0.64 703	0.68 696	0.76 706	0.54 704	0.69 699	0.54 708	0.98 716	1.10 712	0.82 707	1.09 714	0.89 703	0.88 714	0.87 715	0.52 702	0.44 703	0.50 714	0.75 711	0.51 708	0.56 707	0.41 704

PWCK	0.71 701	0.94 715	0.95 711	0.76 706	0.31 692	0.74 703	0.36 691	0.90 709	0.90 708	0.96 712	0.75 699	0.95 704	0.61 701	0.87 715	0.66 709	0.72 717	0.46 705	0.75 711	0.49 705	0.69 715	0.44 705

MADNet+	0.75 704	0.71 706	3.70 727	0.66 703	0.41 696	0.98 715	0.97 725	0.69 704	0.73 701	0.52 683	0.57 681	0.64 691	0.68 706	0.86 714	1.01 722	0.34 696	0.36 702	0.28 688	0.23 680	0.36 697	0.31 693

TorneroNet-64	0.76 705	0.72 707	0.74 703	0.78 708	0.58 710	0.91 714	0.56 709	0.84 708	1.29 716	0.66 693	0.90 705	1.40 718	0.75 708	0.85 713	0.67 712	0.49 706	0.46 705	0.72 710	0.59 711	0.67 712	0.53 708

WAO-7	0.79 706	0.78 709	0.54 672	0.85 712	0.67 715	0.74 703	0.68 718	1.05 719	1.32 717	0.90 710	1.20 721	1.04 706	0.92 715	0.69 705	0.66 709	0.60 713	0.62 724	0.67 707	0.68 717	0.64 709	0.58 710

WAO-6	0.81 707	0.80 710	0.62 685	0.86 713	0.63 713	0.76 707	0.58 711	0.98 716	1.54 724	0.90 710	0.96 710	1.07 708	1.03 719	0.70 706	0.66 709	0.72 717	0.49 712	0.90 719	0.71 718	0.68 713	0.58 710

TorneroNet	0.82 708	0.74 708	0.81 708	0.84 711	0.63 713	0.99 716	0.63 712	0.96 714	1.16 713	0.80 706	1.11 716	1.36 717	0.86 713	0.93 718	0.80 717	0.56 709	0.49 712	0.78 716	0.66 716	0.73 718	0.63 718

LVE	0.83 709	0.85 713	0.85 709	0.80 709	0.56 707	1.04 720	0.65 715	1.05 719	1.47 722	0.96 712	1.22 722	1.10 709	0.85 712	0.83 710	0.71 714	0.49 706	0.55 720	0.76 714	0.60 713	0.65 710	0.59 715

Dean	0.87 710	0.86 714	0.79 706	0.81 710	0.56 707	0.90 711	0.63 712	1.15 725	1.73 725	1.15 720	1.15 719	1.31 715	0.99 718	0.81 709	0.81 718	0.57 710	0.56 721	0.77 715	0.64 714	0.66 711	0.58 710

WAO-8	0.91 711	0.81 711	0.65 687	0.94 716	0.69 716	0.90 711	0.67 716	1.07 722	1.83 727	1.06 717	1.45 724	1.30 713	1.07 720	0.84 711	0.78 715	0.74 719	0.53 717	0.86 717	0.75 719	0.69 715	0.62 716

Venus	0.91 711	0.81 711	0.65 687	0.94 716	0.69 716	0.90 711	0.67 716	1.07 722	1.83 727	1.06 717	1.45 724	1.30 713	1.07 720	0.84 711	0.78 715	0.74 719	0.53 717	0.86 717	0.75 719	0.69 715	0.62 716

UNDER WATER-64	0.95 713	0.94 715	1.43 720	0.87 714	0.56 707	1.18 723	0.87 722	0.77 706	0.94 709	1.04 715	0.85 703	1.58 723	1.21 725	0.94 719	0.96 720	0.87 723	0.57 722	1.03 723	0.88 724	0.78 719	0.73 720

UNDER WATER	0.97 714	0.97 717	1.42 719	0.99 718	0.70 719	1.12 722	0.84 721	0.80 707	1.08 711	1.01 714	0.90 705	1.55 722	1.22 726	1.03 722	1.00 721	0.78 721	0.53 717	1.02 722	0.87 723	0.80 720	0.74 721

notaker	0.97 714	1.11 718	0.98 712	1.13 721	0.81 720	0.73 702	0.68 718	0.93 712	1.16 713	1.18 722	1.18 720	1.41 719	1.16 724	1.08 724	0.69 713	0.81 722	0.64 725	1.17 724	0.79 721	0.98 722	0.80 723

ktn	1.01 716	1.21 720	0.80 707	1.23 723	0.86 722	1.01 718	0.87 722	0.94 713	1.39 719	1.04 715	1.12 717	1.15 710	1.07 720	0.94 719	0.59 705	1.28 728	0.71 726	1.38 728	0.83 722	1.02 724	0.75 722

KSHMR	1.09 717	1.17 719	0.88 710	1.25 724	1.00 724	0.99 716	0.96 724	1.13 724	1.37 718	1.16 721	1.29 723	1.41 719	0.96 717	1.01 721	0.92 719	1.03 726	1.08 728	1.20 725	1.03 727	1.01 723	0.97 725

DPSimNet_ROB	1.11 718	1.23 721	0.78 704	1.13 721	0.88 723	1.10 721	1.13 726	1.16 726	1.23 715	1.43 724	1.02 711	1.41 719	1.10 723	0.90 717	1.60 724	1.46 729	0.51 716	1.21 726	1.03 727	0.90 721	1.01 727

HanzoNet	1.29 719	1.26 722	1.19 717	1.12 720	0.85 721	1.02 719	0.83 720	1.03 718	1.48 723	1.64 725	1.61 726	2.50 727	1.72 727	1.61 726	1.61 725	1.26 727	0.80 727	1.31 727	1.01 726	1.02 724	0.86 724

JetRed	1.62 720	1.46 723	2.98 722	0.92 715	1.21 725	4.99 728	1.53 730	1.27 727	1.39 719	1.83 726	1.74 727	1.60 724	0.95 716	1.41 725	2.45 730	0.90 725	1.60 729	0.93 720	0.90 725	1.35 726	0.99 726

MADNet++	1.95 721	1.75 724	1.59 721	1.82 725	1.69 727	2.33 726	1.40 729	2.35 728	2.09 729	2.57 728	2.36 729	2.24 726	2.17 729	2.28 727	2.34 728	1.87 730	1.66 730	1.54 729	1.34 729	1.92 727	1.77 729

Selective-IGEV-i1pa	2.80 722	3.51 730	0.67 695	0.28 665	0.14 609	10.22 732	0.43 701	4.36 729	3.63 730	3.53 729	6.92 731	3.47 728	1.97 728	13.41 743	2.26 727	0.36 697	0.15 660	0.13 617	0.10 566	0.15 647	0.35 698

coex-ft	3.30 723	0.34 686	59.09 755	0.18 407	0.13 588	0.26 624	0.22 601	0.27 514	0.72 697	1.90 727	0.70 693	0.44 666	0.45 687	0.29 635	0.41 690	0.09 498	0.09 578	0.12 602	0.09 524	0.14 631	0.13 622

TCMNet-wrong-test	3.67 724	5.48 738	3.89 728	12.18 739	11.75 741	4.65 727	3.88 731	1.06 721	0.72 697	1.09 719	2.15 728	6.30 733	0.53 692	3.43 729	2.36 729	0.89 724	0.20 677	1.87 731	1.69 730	5.57 735	3.62 735

tt	4.67 725	0.06 118	3.55 726	2.02 726	1.55 726	10.25 733	16.71 735	8.91 738	5.03 731	1.31 723	0.94 708	4.71 729	4.76 731	3.33 728	5.87 732	6.06 738	10.30 744	1.88 732	2.11 732	2.75 729	1.21 728

USTest	6.22 726	2.73 727	3.00 723	6.57 733	7.29 733	14.37 735	21.57 736	7.00 737	9.56 736	5.34 734	6.10 730	5.72 732	7.64 734	6.41 733	6.96 734	1.97 731	3.42 736	1.64 730	2.15 733	2.66 728	2.36 730

xxxxx1	7.79 727	5.02 735	7.31 731	3.12 727	3.85 729	16.35 737	22.88 737	5.86 734	8.69 733	7.97 735	8.54 732	9.12 737	8.27 735	10.18 735	10.92 735	2.42 732	2.45 732	3.56 735	12.37 741	3.77 730	3.06 732

tt_ll	7.79 727	5.02 735	7.31 731	3.12 727	3.85 729	16.35 737	22.88 737	5.86 734	8.69 733	7.97 735	8.54 732	9.12 737	8.27 735	10.18 735	10.92 735	2.42 732	2.45 732	3.56 735	12.37 741	3.77 730	3.06 732

ff	7.79 727	5.02 735	7.31 731	3.12 727	3.85 729	16.35 737	22.88 737	5.86 734	8.69 733	7.97 735	8.54 732	9.12 737	8.27 735	10.18 735	10.92 735	2.42 732	2.45 732	3.56 735	12.37 741	3.77 730	3.06 732

EDNetEfficientorigin	7.91 730	0.31 683	153.02 756	0.19 482	0.09 366	0.21 573	0.16 413	0.22 409	0.59 676	0.72 699	0.67 689	0.42 661	0.50 691	0.24 606	0.39 684	0.08 436	0.07 511	0.08 416	0.07 401	0.12 597	0.10 559

DPSMNet_ROB	8.06 731	4.48 731	8.63 739	5.37 732	10.74 736	8.32 730	22.98 741	5.46 731	13.36 741	5.12 732	9.92 737	5.08 730	10.40 738	5.53 732	12.58 738	3.80 736	8.00 737	3.50 733	7.02 738	3.83 733	7.14 739

DGTPSM_ROB	8.06 731	4.48 731	8.63 739	5.35 730	10.72 735	8.32 730	22.97 740	5.46 731	13.35 740	5.12 732	9.92 737	5.08 730	10.40 738	5.52 731	12.58 738	3.79 735	8.00 737	3.50 733	7.02 738	3.83 733	7.14 739

PML	8.91 733	9.34 744	6.13 729	5.35 730	6.41 732	14.99 736	23.38 742	5.27 730	6.83 732	18.04 747	28.19 756	7.67 734	6.83 733	7.85 734	5.75 731	5.35 737	1.83 731	5.95 743	1.93 731	8.64 740	2.52 731

DLNR_Zeroshot_test	10.40 734	1.82 725	19.49 750	120.77 756	13.11 743	0.06 14	0.13 182	0.23 432	0.10 82	0.07 79	0.10 205	0.09 232	0.06 68	0.10 128	0.09 110	0.13 625	0.04 25	0.06 207	0.04 64	51.54 756	0.04 76

DLNR-FE	10.43 735	1.83 726	19.53 751	120.75 755	13.06 742	0.06 14	0.13 182	0.23 432	0.10 82	0.07 79	0.10 205	0.09 232	0.06 68	0.10 128	0.09 110	0.13 625	0.04 25	0.06 207	0.04 64	52.01 757	0.04 76

iinet-test	10.48 736	8.09 740	7.54 735	10.26 734	10.94 737	18.00 741	25.26 743	11.33 742	13.28 738	9.69 739	9.85 735	9.42 740	11.17 740	11.02 739	12.78 741	6.59 740	8.30 739	5.56 738	6.56 734	6.89 736	7.02 737

IINet	10.48 736	8.09 740	7.54 735	10.26 734	10.94 737	18.00 741	25.26 743	11.33 742	13.28 738	9.69 739	9.85 735	9.42 740	11.17 740	11.02 739	12.78 741	6.59 740	8.30 739	5.56 738	6.56 734	6.89 736	7.02 737

LRCNet_RVC	10.62 738	13.42 745	7.30 730	18.92 743	2.07 728	0.33 657	0.30 680	5.59 733	0.48 646	13.03 743	17.94 743	8.87 736	5.65 732	4.79 730	1.89 726	23.51 753	2.73 735	27.55 756	25.71 756	16.07 750	16.33 751

Anonymous_1	10.96 739	7.92 739	7.46 734	10.33 736	10.06 734	18.65 743	26.34 745	11.06 741	13.44 742	9.40 738	10.05 739	9.67 742	11.23 742	10.73 738	12.72 740	6.42 739	8.38 741	5.77 740	10.61 740	12.12 741	6.77 736

DPSM_ROB	11.15 740	8.58 742	8.00 737	10.88 737	11.58 739	19.10 744	26.71 746	12.05 744	14.07 745	10.36 741	10.84 740	10.33 743	11.86 743	11.70 741	13.54 743	6.99 742	8.79 742	5.89 741	6.95 736	7.29 738	7.42 741

DPSM	11.15 740	8.58 742	8.00 737	10.88 737	11.58 739	19.10 744	26.71 746	12.05 744	14.07 745	10.36 741	10.84 740	10.33 743	11.86 743	11.70 741	13.54 743	6.99 742	8.79 742	5.89 741	6.95 736	7.29 738	7.42 741

HaxPig	15.71 742	18.52 754	19.18 749	16.89 742	15.89 744	7.73 729	7.60 732	13.31 746	10.82 737	15.42 744	14.91 742	15.98 745	14.92 745	15.58 744	15.98 745	18.95 752	16.73 745	19.46 752	18.08 752	19.26 751	19.05 754

Selective-IGEV-i16pa	18.58 743	3.30 728	1.09 714	0.21 583	0.18 662	103.68 757	0.28 663	19.87 748	40.73 757	4.16 730	56.45 757	8.07 735	2.59 730	123.95 758	5.89 733	0.18 665	0.12 629	0.09 502	0.12 621	0.12 597	0.51 707

RSGM-EC	20.36 744	4.73 733	0.68 696	16.76 740	16.92 745	21.28 746	27.18 748	10.46 739	14.04 743	18.00 745	21.31 746	22.24 755	21.82 747	22.57 746	17.63 746	62.81 756	33.79 756	20.14 753	18.10 753	20.18 752	16.45 752

acva	20.36 744	4.73 733	0.68 696	16.76 740	16.92 745	21.28 746	27.18 748	10.46 739	14.04 743	18.00 745	21.31 746	22.24 755	21.82 747	22.57 746	17.63 746	62.81 756	33.79 756	20.14 753	18.10 753	20.18 752	16.45 752

MEDIAN_ROB	20.38 746	24.04 755	23.31 752	21.23 744	21.71 747	10.40 734	7.92 733	17.64 747	15.50 747	20.12 748	19.70 744	20.34 746	20.32 746	21.19 745	21.13 748	23.81 754	21.81 754	24.98 755	23.76 755	24.71 754	23.93 755

CasAABBNet	22.42 747	17.33 747	16.01 743	22.01 746	23.28 749	38.32 748	53.80 753	24.14 752	28.41 752	20.60 751	21.77 750	20.89 753	23.91 752	23.43 751	27.36 752	14.07 745	17.69 748	11.83 746	14.01 745	14.67 744	14.95 747

RAFT-FEzeroshot	22.43 748	17.33 747	15.98 741	22.02 747	23.31 751	38.34 749	53.82 755	24.05 750	28.39 750	20.61 752	21.76 748	20.88 750	23.92 754	23.41 749	27.42 754	14.07 745	17.69 748	11.83 746	14.02 746	14.69 745	14.97 748

RAFT-FE	22.43 748	17.33 747	15.98 741	22.02 747	23.31 751	38.34 749	53.82 755	24.05 750	28.39 750	20.61 752	21.76 748	20.88 750	23.92 754	23.41 749	27.42 754	14.07 745	17.69 748	11.83 746	14.02 746	14.69 745	14.97 748

FlowAnything	22.44 750	17.35 750	16.14 745	22.07 750	23.23 748	38.39 753	53.77 751	24.25 754	28.44 753	20.96 756	21.82 752	20.70 748	23.84 750	23.49 753	27.14 750	14.04 744	17.79 753	11.75 744	14.15 750	14.65 742	14.89 744

Hybrid-DGEV	22.47 751	17.40 752	16.14 745	22.00 745	23.29 750	38.36 751	53.80 753	24.43 757	28.63 756	20.59 750	21.81 751	20.88 750	23.91 752	23.45 752	27.42 754	14.08 748	17.69 748	11.83 746	14.06 749	14.65 742	14.93 746

Selective-RAFT-Error	22.47 751	17.37 751	16.09 744	22.06 749	23.34 753	38.39 753	53.83 757	24.29 756	28.47 754	20.74 754	21.83 753	20.81 749	23.90 751	23.54 755	27.53 757	14.08 748	17.69 748	11.82 745	14.00 744	14.69 745	15.00 750

fast-reg	22.85 753	17.43 753	19.15 748	22.22 752	24.34 754	38.36 751	53.78 752	24.23 753	28.52 755	20.55 749	22.05 754	20.54 747	23.77 749	23.21 748	27.31 751	14.18 751	17.47 747	14.33 751	14.96 751	15.81 749	14.81 743

LSM0	22.87 754	17.28 746	18.96 747	22.19 751	29.04 756	38.42 755	53.71 750	24.28 755	28.31 749	20.78 755	21.00 745	21.43 754	24.16 756	23.50 754	27.39 753	14.09 750	17.38 746	11.84 750	14.04 748	14.73 748	14.89 744

AVERAGE_ROB	24.90 755	29.20 756	28.14 753	24.89 753	24.64 755	17.75 740	11.12 734	21.45 749	19.93 748	25.12 757	24.46 755	25.12 757	25.46 757	24.69 756	22.83 749	29.76 755	27.13 755	28.97 757	27.95 757	29.91 755	29.47 756

test_example2	98.32 756	94.13 757	45.89 754	96.35 754	109.85 757	88.61 756	95.45 758	25.75 758	94.37 758	130.00 759	126.06 758	58.17 758	74.63 758	88.51 757	79.96 758	150.23 758	221.02 758	77.62 758	99.10 758	113.75 758	96.94 757

GS-Stereo							0.14 253	0.11 63	0.12 157	0.08 139	0.10 205	0.05 5	0.05 14	0.11 206	0.08 27	0.06 170	0.04 25	0.05 55	0.04 64	0.05 173	0.05 211

FSD					0.22 675	0.25 614	0.25 641	0.27 514	0.26 503	0.25 592	0.26 528	0.25 551	0.27 623	0.27 617	0.24 610	0.21 678	0.20 677	0.27 680	0.26 683	0.25 683

ccccc		285.66 758		368.85 757	370.60 758	123.16 758		115.05 759		126.68 758		122.83 759		252.94 759		384.56 759	353.86 759	254.69 759	223.00 759	425.87 759

ASD4		3.38 729

Low-res two-view benchmark