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	0.09 116	0.13 16	0.05 2	0.08 75	0.11 61	0.06 1	0.06 6	0.06 18	0.06 23	0.08 174	0.05 14	0.08 24	0.09 101	0.06 165	0.04 24	0.04 1	0.03 1	0.05 157	0.04 69

PSi22a	0.06 1	0.04 1	0.09 116	0.12 5	0.05 2	0.06 11	0.11 61	0.06 1	0.06 6	0.06 18	0.06 23	0.06 38	0.05 14	0.08 24	0.09 101	0.07 325	0.04 24	0.04 1	0.03 1	0.05 157	0.04 69

Foundation-i32	0.06 1	0.04 1	0.09 116	0.13 16	0.04 1	0.06 11	0.12 92	0.06 1	0.05 4	0.06 18	0.05 7	0.05 5	0.05 14	0.07 4	0.09 101	0.06 165	0.04 24	0.05 43	0.03 1	0.04 44	0.04 69

MLG-Stereo_test2	0.06 1	0.04 1	0.10 178	0.15 105	0.05 2	0.07 38	0.11 61	0.09 18	0.04 2	0.06 18	0.05 7	0.06 38	0.04 1	0.08 24	0.09 101	0.06 165	0.04 24	0.05 43	0.03 1	0.05 157	0.05 196

MLG-Stereo_test1	0.06 1	0.05 36	0.08 54	0.17 285	0.05 2	0.06 11	0.11 61	0.08 10	0.03 1	0.05 2	0.04 1	0.06 38	0.05 14	0.09 57	0.09 101	0.05 49	0.04 24	0.05 43	0.03 1	0.04 44	0.04 69

FoundationStereo	0.06 1	0.04 1	0.08 54	0.12 5	0.05 2	0.09 127	0.13 162	0.06 1	0.09 44	0.05 2	0.05 7	0.06 38	0.04 1	0.06 1	0.07 1	0.06 165	0.04 24	0.05 43	0.03 1	0.05 157	0.04 69

aanet-new-60k	0.07 7	0.07 212	0.08 54	0.18 375	0.06 26	0.07 38	0.10 32	0.09 18	0.14 206	0.07 65	0.07 60	0.06 38	0.06 62	0.11 186	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

aanet-new-70k	0.07 7	0.06 98	0.09 116	0.17 285	0.06 26	0.08 75	0.12 92	0.11 54	0.10 65	0.06 18	0.07 60	0.07 116	0.06 62	0.10 117	0.07 1	0.04 11	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

aanet-new-78k	0.07 7	0.07 212	0.09 116	0.19 443	0.06 26	0.07 38	0.12 92	0.11 54	0.13 174	0.06 18	0.07 60	0.06 38	0.06 62	0.09 57	0.07 1	0.04 11	0.04 24	0.05 43	0.04 52	0.05 157	0.03 2

aanet-new-40k	0.07 7	0.08 330	0.07 10	0.17 285	0.07 123	0.08 75	0.13 162	0.10 31	0.10 65	0.07 65	0.08 113	0.06 38	0.05 14	0.08 24	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

GCAP-Stereo-DPT26K	0.07 7	0.06 98	0.07 10	0.16 199	0.06 26	0.08 75	0.12 92	0.10 31	0.08 24	0.06 18	0.09 147	0.06 38	0.05 14	0.08 24	0.08 25	0.04 11	0.04 24	0.05 43	0.04 52	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 212	0.07 10	0.17 285	0.06 26	0.07 38	0.12 92	0.09 18	0.11 96	0.09 169	0.09 147	0.06 38	0.07 172	0.09 57	0.07 1	0.04 11	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 36	0.11 232	0.15 105	0.06 26	0.07 38	0.13 162	0.09 18	0.11 96	0.07 65	0.08 113	0.06 38	0.05 14	0.09 57	0.07 1	0.05 49	0.05 259	0.05 43	0.04 52	0.03 1	0.04 69

GCAP-Stereo-DPT-24K	0.07 7	0.06 98	0.07 10	0.15 105	0.06 26	0.10 189	0.15 307	0.12 79	0.11 96	0.06 18	0.11 232	0.06 38	0.05 14	0.09 57	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 116	0.13 16	0.05 2	0.08 75	0.11 61	0.06 1	0.06 6	0.06 18	0.05 7	0.08 174	0.05 14	0.08 24	0.09 101	0.06 165	0.04 24	0.04 1	0.03 1	0.05 157	0.04 69

LACA3	0.07 7	0.08 330	0.08 54	0.13 16	0.05 2	0.09 127	0.11 61	0.08 10	0.08 24	0.08 118	0.05 7	0.07 116	0.07 172	0.07 4	0.07 1	0.06 165	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 98	0.08 54	0.17 285	0.06 26	0.08 75	0.12 92	0.13 104	0.07 15	0.08 118	0.07 60	0.06 38	0.04 1	0.10 117	0.09 101	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

LACA2	0.07 7	0.05 36	0.06 4	0.15 105	0.06 26	0.09 127	0.11 61	0.11 54	0.10 65	0.05 2	0.05 7	0.06 38	0.08 221	0.09 57	0.07 1	0.07 325	0.04 24	0.04 1	0.04 52	0.04 44	0.04 69

LACA1	0.07 7	0.07 212	0.07 10	0.14 54	0.05 2	0.09 127	0.11 61	0.10 31	0.07 15	0.05 2	0.05 7	0.06 38	0.07 172	0.08 24	0.09 101	0.06 165	0.04 24	0.04 1	0.04 52	0.03 1	0.04 69

Test_v1	0.07 7	0.04 1	0.06 4	0.13 16	0.06 26	0.08 75	0.11 61	0.15 176	0.12 133	0.06 18	0.05 7	0.04 1	0.05 14	0.08 24	0.10 195	0.07 325	0.04 24	0.05 43	0.04 52	0.04 44	0.04 69

BLMT-Stereo	0.07 7	0.04 1	0.08 54	0.15 105	0.07 123	0.06 11	0.14 226	0.07 6	0.10 65	0.05 2	0.05 7	0.04 1	0.06 62	0.07 4	0.09 101	0.04 11	0.04 24	0.05 43	0.05 179	0.04 44	0.04 69

Pro-Stereo	0.07 7	0.05 36	0.08 54	0.15 105	0.07 123	0.08 75	0.12 92	0.07 6	0.07 15	0.06 18	0.06 23	0.05 5	0.05 14	0.09 57	0.08 25	0.05 49	0.04 24	0.06 177	0.05 179	0.04 44	0.04 69

MatchStereo	0.07 7	0.04 1	0.08 54	0.14 54	0.06 26	0.05 4	0.12 92	0.12 79	0.09 44	0.07 65	0.06 23	0.04 1	0.04 1	0.08 24	0.09 101	0.06 165	0.05 259	0.05 43	0.03 1	0.04 44	0.04 69
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	0.09 116	0.11 1	0.05 2	0.10 189	0.10 32	0.14 134	0.09 44	0.06 18	0.07 60	0.06 38	0.07 172	0.07 4	0.10 195	0.06 165	0.04 24	0.04 1	0.04 52	0.04 44	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 36	0.07 10	0.14 54	0.06 26	0.09 127	0.13 162	0.15 176	0.06 6	0.07 65	0.08 113	0.06 38	0.08 221	0.09 57	0.09 101	0.06 165	0.05 259	0.04 1	0.03 1	0.04 44	0.04 69

VIP-Stereo	0.07 7	0.07 212	0.07 10	0.15 105	0.06 26	0.12 291	0.10 32	0.11 54	0.11 96	0.06 18	0.07 60	0.06 38	0.05 14	0.10 117	0.08 25	0.05 49	0.04 24	0.05 43	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 212	0.08 54	0.18 375	0.06 26	0.07 38	0.11 61	0.09 18	0.06 6	0.04 1	0.07 60	0.10 242	0.09 254	0.08 24	0.08 25	0.04 11	0.03 1	0.04 1	0.04 52	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 36	0.09 116	0.13 16	0.06 26	0.12 291	0.12 92	0.11 54	0.10 65	0.07 65	0.08 113	0.06 38	0.06 62	0.09 57	0.08 25	0.06 165	0.04 24	0.05 43	0.04 52	0.04 44	0.04 69

MonStereo	0.07 7	0.06 98	0.05 1	0.15 105	0.05 2	0.08 75	0.10 32	0.15 176	0.15 231	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	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 36	0.07 10	0.16 199	0.06 26	0.07 38	0.11 61	0.10 31	0.08 24	0.06 18	0.06 23	0.07 116	0.07 172	0.09 57	0.09 101	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 98	0.05 1	0.15 105	0.05 2	0.08 75	0.10 32	0.15 176	0.15 231	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	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	0.09 116	0.13 16	0.06 26	0.05 4	0.09 18	0.11 54	0.07 15	0.06 18	0.06 23	0.05 5	0.06 62	0.09 57	0.09 101	0.06 165	0.04 24	0.04 1	0.03 1	0.05 157	0.05 196

Replicate-Monster	0.07 7	0.05 36	0.09 116	0.14 54	0.06 26	0.08 75	0.09 18	0.13 104	0.13 174	0.05 2	0.07 60	0.06 38	0.06 62	0.08 24	0.10 195	0.05 49	0.04 24	0.05 43	0.03 1	0.04 44	0.04 69

AdaDepth	0.07 7	0.06 98	0.07 10	0.18 375	0.06 26	0.11 240	0.12 92	0.09 18	0.07 15	0.06 18	0.05 7	0.07 116	0.06 62	0.09 57	0.10 195	0.04 11	0.05 259	0.05 43	0.04 52	0.04 44	0.04 69

asda	0.07 7	0.08 330	0.08 54	0.16 199	0.06 26	0.06 11	0.10 32	0.16 213	0.10 65	0.06 18	0.06 23	0.05 5	0.05 14	0.10 117	0.10 195	0.03 1	0.03 1	0.04 1	0.03 1	0.04 44	0.03 2

asd	0.07 7	0.08 330	0.07 10	0.16 199	0.07 123	0.08 75	0.08 7	0.11 54	0.08 24	0.07 65	0.07 60	0.06 38	0.06 62	0.10 117	0.09 101	0.03 1	0.03 1	0.04 1	0.04 52	0.04 44	0.03 2

qwe	0.07 7	0.08 330	0.07 10	0.15 105	0.06 26	0.07 38	0.10 32	0.18 285	0.11 96	0.07 65	0.07 60	0.06 38	0.06 62	0.10 117	0.09 101	0.03 1	0.03 1	0.04 1	0.04 52	0.04 44	0.03 2

2.25w	0.07 7	0.06 98	0.07 10	0.14 54	0.06 26	0.08 75	0.08 7	0.10 31	0.15 231	0.08 118	0.10 183	0.07 116	0.06 62	0.08 24	0.10 195	0.05 49	0.03 1	0.04 1	0.04 52	0.03 1	0.04 69

4.25_new	0.07 7	0.08 330	0.09 116	0.15 105	0.06 26	0.09 127	0.08 7	0.14 134	0.08 24	0.07 65	0.07 60	0.06 38	0.06 62	0.12 278	0.10 195	0.03 1	0.03 1	0.04 1	0.03 1	0.04 44	0.03 2

4.5w_new	0.07 7	0.08 330	0.09 116	0.15 105	0.06 26	0.09 127	0.08 7	0.14 134	0.08 24	0.07 65	0.07 60	0.06 38	0.06 62	0.12 278	0.10 195	0.03 1	0.03 1	0.04 1	0.03 1	0.04 44	0.03 2

4.5_new	0.07 7	0.09 411	0.08 54	0.15 105	0.07 123	0.06 11	0.10 32	0.14 134	0.11 96	0.06 18	0.08 113	0.06 38	0.06 62	0.08 24	0.10 195	0.03 1	0.03 1	0.04 1	0.04 52	0.04 44	0.03 2

4.5w-stereo	0.07 7	0.09 411	0.08 54	0.15 105	0.07 123	0.06 11	0.10 32	0.14 134	0.11 96	0.06 18	0.08 113	0.06 38	0.06 62	0.08 24	0.10 195	0.03 1	0.03 1	0.04 1	0.04 52	0.04 44	0.03 2

4.25w-stereo	0.07 7	0.08 330	0.09 116	0.15 105	0.06 26	0.09 127	0.08 7	0.14 134	0.08 24	0.07 65	0.07 60	0.06 38	0.06 62	0.12 278	0.10 195	0.03 1	0.03 1	0.04 1	0.03 1	0.04 44	0.03 2

4w-stereo	0.07 7	0.08 330	0.08 54	0.16 199	0.06 26	0.07 38	0.08 7	0.12 79	0.08 24	0.07 65	0.07 60	0.05 5	0.06 62	0.09 57	0.10 195	0.03 1	0.03 1	0.04 1	0.04 52	0.04 44	0.03 2

2.5w	0.07 7	0.07 212	0.07 10	0.16 199	0.06 26	0.08 75	0.12 92	0.10 31	0.10 65	0.07 65	0.06 23	0.09 207	0.06 62	0.08 24	0.09 101	0.04 11	0.03 1	0.04 1	0.04 52	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 212	0.07 10	0.13 16	0.06 26	0.08 75	0.08 7	0.18 285	0.12 133	0.07 65	0.08 113	0.06 38	0.06 62	0.09 57	0.11 275	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 69

3.25w_new	0.07 7	0.06 98	0.07 10	0.15 105	0.06 26	0.10 189	0.07 3	0.12 79	0.11 96	0.08 118	0.06 23	0.07 116	0.06 62	0.11 186	0.09 101	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 98	0.07 10	0.15 105	0.06 26	0.10 189	0.07 3	0.12 79	0.11 96	0.08 118	0.06 23	0.07 116	0.06 62	0.11 186	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 212	0.08 54	0.16 199	0.07 123	0.07 38	0.09 18	0.16 213	0.09 44	0.07 65	0.06 23	0.05 5	0.06 62	0.09 57	0.10 195	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 212	0.07 10	0.15 105	0.07 123	0.09 127	0.06 1	0.13 104	0.11 96	0.07 65	0.07 60	0.06 38	0.07 172	0.10 117	0.09 101	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 98	0.07 10	0.16 199	0.06 26	0.07 38	0.10 32	0.14 134	0.14 206	0.07 65	0.08 113	0.05 5	0.06 62	0.09 57	0.09 101	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 69

monsterstereo	0.07 7	0.06 98	0.06 4	0.16 199	0.06 26	0.08 75	0.10 32	0.16 213	0.11 96	0.07 65	0.08 113	0.06 38	0.07 172	0.08 24	0.09 101	0.04 11	0.04 24	0.05 43	0.04 52	0.03 1	0.03 2

monsters	0.07 7	0.06 98	0.06 4	0.15 105	0.06 26	0.08 75	0.09 18	0.12 79	0.08 24	0.09 169	0.07 60	0.06 38	0.06 62	0.08 24	0.08 25	0.05 49	0.04 24	0.04 1	0.04 52	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 54	0.13 16	0.06 26	0.09 127	0.12 92	0.14 134	0.10 65	0.06 18	0.09 147	0.07 116	0.05 14	0.09 57	0.09 101	0.06 165	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

111111	0.07 7	0.04 1	0.09 116	0.17 285	0.06 26	0.05 4	0.10 32	0.11 54	0.09 44	0.06 18	0.06 23	0.07 116	0.05 14	0.09 57	0.09 101	0.06 165	0.04 24	0.05 43	0.04 52	0.07 357	0.06 292

LG-Stereo_L2	0.07 7	0.05 36	0.10 178	0.14 54	0.06 26	0.07 38	0.12 92	0.09 18	0.09 44	0.06 18	0.04 1	0.05 5	0.05 14	0.08 24	0.08 25	0.05 49	0.04 24	0.05 43	0.03 1	0.04 44	0.03 2

LG-Stereo_L1	0.07 7	0.05 36	0.11 232	0.14 54	0.06 26	0.07 38	0.13 162	0.09 18	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 24	0.07 1	0.05 49	0.04 24	0.05 43	0.03 1	0.04 44	0.04 69

MLG-Stereo_test3	0.07 7	0.05 36	0.10 178	0.14 54	0.06 26	0.07 38	0.11 61	0.08 10	0.06 6	0.06 18	0.04 1	0.06 38	0.06 62	0.07 4	0.10 195	0.06 165	0.04 24	0.05 43	0.04 52	0.05 157	0.06 292

MLG-Stereo	0.07 7	0.05 36	0.08 54	0.17 285	0.05 2	0.07 38	0.11 61	0.08 10	0.04 2	0.05 2	0.04 1	0.06 38	0.05 14	0.10 117	0.09 101	0.05 49	0.04 24	0.05 43	0.03 1	0.04 44	0.04 69

LG-G_1	0.07 7	0.04 1	0.11 232	0.15 105	0.06 26	0.09 127	0.08 7	0.08 10	0.06 6	0.06 18	0.05 7	0.07 116	0.07 172	0.11 186	0.08 25	0.07 325	0.04 24	0.05 43	0.04 52	0.05 157	0.05 196

LG-G	0.07 7	0.04 1	0.11 232	0.15 105	0.06 26	0.09 127	0.08 7	0.08 10	0.06 6	0.06 18	0.05 7	0.07 116	0.07 172	0.11 186	0.08 25	0.07 325	0.04 24	0.05 43	0.04 52	0.05 157	0.05 196

LGtest1	0.07 7	0.04 1	0.10 178	0.15 105	0.06 26	0.07 38	0.09 18	0.08 10	0.06 6	0.05 2	0.04 1	0.06 38	0.06 62	0.10 117	0.09 101	0.07 325	0.04 24	0.05 43	0.04 52	0.06 278	0.06 292

LG-Stereo_Zeroshot	0.07 7	0.06 98	0.10 178	0.16 199	0.07 123	0.04 1	0.13 162	0.10 31	0.10 65	0.05 2	0.11 232	0.07 116	0.05 14	0.07 4	0.09 101	0.06 165	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

GREAT-IGEV	0.07 7	0.06 98	0.08 54	0.13 16	0.07 123	0.07 38	0.14 226	0.09 18	0.09 44	0.06 18	0.07 60	0.06 38	0.05 14	0.10 117	0.07 1	0.05 49	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69
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	0.15 567	0.17 477	0.11 1	0.05 2	0.05 4	0.11 61	0.08 10	0.08 24	0.06 18	0.06 23	0.05 5	0.05 14	0.09 57	0.08 25	0.08 400	0.04 24	0.05 43	0.03 1	0.05 157	0.04 69

AIO_rvc	0.07 7	0.06 98	0.08 54	0.15 105	0.06 26	0.08 75	0.14 226	0.09 18	0.08 24	0.07 65	0.08 113	0.07 116	0.04 1	0.10 117	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

AIO_test	0.07 7	0.05 36	0.07 10	0.15 105	0.07 123	0.06 11	0.14 226	0.10 31	0.10 65	0.07 65	0.07 60	0.06 38	0.05 14	0.08 24	0.10 195	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

MonSter	0.07 7	0.06 98	0.05 1	0.15 105	0.05 2	0.07 38	0.10 32	0.15 176	0.15 231	0.05 2	0.06 23	0.05 5	0.06 62	0.07 4	0.09 101	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 36	0.07 10	0.14 54	0.06 26	0.10 189	0.13 162	0.07 6	0.13 174	0.06 18	0.07 60	0.06 38	0.05 14	0.10 117	0.09 101	0.04 11	0.04 24	0.05 43	0.03 1	0.04 44	0.04 69

dual_stereo	0.07 7	0.04 1	0.08 54	0.15 105	0.05 2	0.05 4	0.13 162	0.12 79	0.08 24	0.07 65	0.06 23	0.05 5	0.05 14	0.07 4	0.09 101	0.06 165	0.04 24	0.05 43	0.03 1	0.04 44	0.04 69

IGEV-Stereo++	0.07 7	0.06 98	0.08 54	0.18 375	0.06 26	0.04 1	0.10 32	0.11 54	0.11 96	0.06 18	0.07 60	0.07 116	0.06 62	0.09 57	0.09 101	0.05 49	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

IGEV-Stereo+	0.07 7	0.04 1	0.08 54	0.15 105	0.06 26	0.04 1	0.09 18	0.10 31	0.09 44	0.06 18	0.06 23	0.06 38	0.06 62	0.06 1	0.08 25	0.06 165	0.04 24	0.05 43	0.04 52	0.06 278	0.06 292

GCAPDPT-zeroshot4090	0.07 7	0.05 36	0.11 232	0.15 105	0.06 26	0.07 38	0.13 162	0.09 18	0.11 96	0.07 65	0.08 113	0.06 38	0.05 14	0.09 57	0.07 1	0.05 49	0.05 259	0.05 43	0.04 52	0.03 1	0.04 69

Selective-IGEV	0.07 7	0.06 98	0.08 54	0.17 285	0.06 26	0.08 75	0.12 92	0.13 104	0.07 15	0.08 118	0.07 60	0.06 38	0.04 1	0.10 117	0.09 101	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

DF	0.08 75	0.05 36	0.09 116	0.15 105	0.06 26	0.11 240	0.13 162	0.10 31	0.12 133	0.09 169	0.10 183	0.10 242	0.08 221	0.11 186	0.09 101	0.07 325	0.04 24	0.05 43	0.04 52	0.04 44	0.04 69

LiteMatch*	0.08 75	0.04 1	0.11 232	0.13 16	0.08 201	0.08 75	0.13 162	0.14 134	0.09 44	0.05 2	0.05 7	0.05 5	0.09 254	0.11 186	0.10 195	0.06 165	0.05 259	0.05 43	0.04 52	0.05 157	0.05 196

aanet-new-90k	0.08 75	0.07 212	0.08 54	0.19 443	0.06 26	0.07 38	0.12 92	0.12 79	0.13 174	0.06 18	0.07 60	0.06 38	0.06 62	0.10 117	0.07 1	0.05 49	0.04 24	0.05 43	0.04 52	0.05 157	0.03 2

aanet-new-36k	0.08 75	0.06 98	0.09 116	0.17 285	0.06 26	0.09 127	0.13 162	0.11 54	0.13 174	0.08 118	0.08 113	0.06 38	0.05 14	0.09 57	0.08 25	0.04 11	0.04 24	0.05 43	0.04 52	0.03 1	0.03 2

aanet-new-34k	0.08 75	0.06 98	0.09 116	0.17 285	0.05 2	0.07 38	0.13 162	0.12 79	0.12 133	0.09 169	0.08 113	0.07 116	0.05 14	0.10 117	0.09 101	0.04 11	0.04 24	0.05 43	0.04 52	0.03 1	0.03 2

aanet-32k-new	0.08 75	0.07 212	0.08 54	0.18 375	0.06 26	0.08 75	0.12 92	0.11 54	0.12 133	0.07 65	0.08 113	0.05 5	0.07 172	0.10 117	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.06 278	0.04 69

aanet-new-32k	0.08 75	0.07 212	0.09 116	0.18 375	0.06 26	0.11 240	0.11 61	0.10 31	0.08 24	0.07 65	0.07 60	0.07 116	0.06 62	0.10 117	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

aanet-new-30k	0.08 75	0.07 212	0.09 116	0.18 375	0.06 26	0.11 240	0.11 61	0.10 31	0.08 24	0.07 65	0.07 60	0.07 116	0.06 62	0.10 117	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

aanet-new-28k	0.08 75	0.07 212	0.09 116	0.18 375	0.06 26	0.08 75	0.12 92	0.10 31	0.09 44	0.09 169	0.08 113	0.08 174	0.06 62	0.12 278	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

aanet-new-22k	0.08 75	0.06 98	0.09 116	0.17 285	0.06 26	0.08 75	0.11 61	0.14 134	0.12 133	0.09 169	0.09 147	0.08 174	0.06 62	0.10 117	0.08 25	0.04 11	0.04 24	0.05 43	0.04 52	0.03 1	0.03 2

aanet-new-16k	0.08 75	0.08 330	0.08 54	0.18 375	0.06 26	0.07 38	0.09 18	0.13 104	0.12 133	0.08 118	0.07 60	0.07 116	0.06 62	0.09 57	0.08 25	0.04 11	0.04 24	0.05 43	0.04 52	0.05 157	0.03 2

aanet-new-10k	0.08 75	0.08 330	0.08 54	0.19 443	0.07 123	0.08 75	0.12 92	0.14 134	0.11 96	0.07 65	0.08 113	0.07 116	0.07 172	0.09 57	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

aanet-new-12k	0.08 75	0.09 411	0.07 10	0.20 509	0.08 201	0.08 75	0.13 162	0.12 79	0.13 174	0.08 118	0.08 113	0.05 5	0.07 172	0.09 57	0.08 25	0.04 11	0.04 24	0.05 43	0.04 52	0.06 278	0.04 69

aanet-new-14k	0.08 75	0.09 411	0.08 54	0.19 443	0.06 26	0.07 38	0.10 32	0.14 134	0.15 231	0.06 18	0.08 113	0.05 5	0.06 62	0.09 57	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

aanet-new-8k	0.08 75	0.07 212	0.08 54	0.19 443	0.07 123	0.09 127	0.12 92	0.16 213	0.15 231	0.07 65	0.07 60	0.06 38	0.06 62	0.10 117	0.08 25	0.04 11	0.04 24	0.05 43	0.04 52	0.04 44	0.04 69

aanet-new	0.08 75	0.09 411	0.10 178	0.18 375	0.08 201	0.10 189	0.12 92	0.15 176	0.12 133	0.08 118	0.08 113	0.05 5	0.07 172	0.10 117	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.06 278	0.04 69

GCAP-Stereo-cres-4k	0.08 75	0.07 212	0.08 54	0.18 375	0.07 123	0.11 240	0.14 226	0.12 79	0.11 96	0.07 65	0.11 232	0.07 116	0.06 62	0.09 57	0.08 25	0.04 11	0.04 24	0.05 43	0.04 52	0.04 44	0.04 69

GCAP-Stereo-DPT-cres	0.08 75	0.05 36	0.07 10	0.15 105	0.06 26	0.10 189	0.14 226	0.13 104	0.12 133	0.07 65	0.09 147	0.07 116	0.06 62	0.10 117	0.09 101	0.05 49	0.04 24	0.05 43	0.04 52	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 75	0.06 98	0.15 411	0.14 54	0.06 26	0.08 75	0.13 162	0.13 104	0.11 96	0.07 65	0.08 113	0.07 116	0.06 62	0.09 57	0.08 25	0.05 49	0.05 259	0.05 43	0.04 52	0.03 1	0.04 69

GCAP-Stereo-DPT-22K	0.08 75	0.06 98	0.07 10	0.17 285	0.06 26	0.07 38	0.14 226	0.13 104	0.16 267	0.05 2	0.10 183	0.06 38	0.06 62	0.08 24	0.08 25	0.04 11	0.04 24	0.05 43	0.04 52	0.03 1	0.04 69

GCAP-Stereo-DPT-5K	0.08 75	0.06 98	0.10 178	0.16 199	0.07 123	0.11 240	0.12 92	0.15 176	0.15 231	0.08 118	0.12 253	0.05 5	0.06 62	0.09 57	0.08 25	0.05 49	0.04 24	0.06 177	0.05 179	0.03 1	0.04 69

GCAP-Stereo-DPT-2K	0.08 75	0.06 98	0.10 178	0.16 199	0.07 123	0.11 240	0.13 162	0.14 134	0.14 206	0.08 118	0.13 271	0.05 5	0.06 62	0.10 117	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.03 1	0.04 69

GCAP-Stereo-DPT-3K	0.08 75	0.07 212	0.10 178	0.16 199	0.07 123	0.09 127	0.12 92	0.15 176	0.14 206	0.08 118	0.11 232	0.05 5	0.06 62	0.09 57	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.03 1	0.04 69

GCAP-Stereo-DPT-50K	0.08 75	0.06 98	0.17 477	0.15 105	0.06 26	0.06 11	0.13 162	0.13 104	0.13 174	0.07 65	0.07 60	0.06 38	0.05 14	0.08 24	0.08 25	0.04 11	0.04 24	0.05 43	0.04 52	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 75	0.06 98	0.07 10	0.16 199	0.06 26	0.06 11	0.14 226	0.14 134	0.14 206	0.07 65	0.10 183	0.06 38	0.05 14	0.09 57	0.09 101	0.04 11	0.04 24	0.04 1	0.04 52	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 75	0.05 36	0.12 275	0.15 105	0.06 26	0.10 189	0.14 226	0.12 79	0.12 133	0.07 65	0.09 147	0.06 38	0.06 62	0.10 117	0.08 25	0.06 165	0.04 24	0.05 43	0.04 52	0.04 44	0.04 69

PSi22	0.08 75	0.06 98	0.11 232	0.16 199	0.07 123	0.08 75	0.10 32	0.14 134	0.08 24	0.08 118	0.06 23	0.10 242	0.06 62	0.12 278	0.09 101	0.05 49	0.04 24	0.04 1	0.03 1	0.04 44	0.04 69

Foundation-i1c-attn	0.08 75	0.05 36	0.07 10	0.14 54	0.05 2	0.09 127	0.12 92	0.12 79	0.10 65	0.09 169	0.10 183	0.10 242	0.07 172	0.07 4	0.10 195	0.06 165	0.04 24	0.05 43	0.04 52	0.03 1	0.03 2

Foundation-i1b	0.08 75	0.05 36	0.07 10	0.14 54	0.05 2	0.09 127	0.12 92	0.13 104	0.10 65	0.09 169	0.10 183	0.09 207	0.06 62	0.07 4	0.09 101	0.06 165	0.04 24	0.05 43	0.04 52	0.03 1	0.03 2

Foundation-i1a	0.08 75	0.05 36	0.07 10	0.13 16	0.05 2	0.13 342	0.13 162	0.12 79	0.09 44	0.11 248	0.11 232	0.11 272	0.06 62	0.08 24	0.09 101	0.06 165	0.04 24	0.05 43	0.03 1	0.04 44	0.04 69

DepthFocus	0.08 75	0.04 1	0.15 411	0.12 5	0.09 326	0.07 38	0.12 92	0.10 31	0.05 4	0.09 169	0.05 7	0.07 116	0.04 1	0.08 24	0.08 25	0.06 165	0.05 259	0.07 286	0.07 366	0.05 157	0.04 69

GeoVLM	0.08 75	0.04 1	0.10 178	0.13 16	0.06 26	0.10 189	0.12 92	0.13 104	0.08 24	0.06 18	0.07 60	0.06 38	0.08 221	0.10 117	0.11 275	0.06 165	0.05 259	0.04 1	0.03 1	0.04 44	0.05 196

gcap_with_dpt	0.08 75	0.06 98	0.09 116	0.16 199	0.07 123	0.09 127	0.12 92	0.13 104	0.13 174	0.08 118	0.12 253	0.04 1	0.06 62	0.10 117	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.03 1	0.04 69

DispViT+	0.08 75	0.08 330	0.13 325	0.15 105	0.07 123	0.08 75	0.10 32	0.14 134	0.09 44	0.09 169	0.06 23	0.06 38	0.07 172	0.10 117	0.12 336	0.05 49	0.05 259	0.05 43	0.04 52	0.05 157	0.05 196

WQFJA1++	0.08 75	0.04 1	0.11 232	0.14 54	0.07 123	0.11 240	0.11 61	0.11 54	0.07 15	0.07 65	0.07 60	0.07 116	0.06 62	0.10 117	0.10 195	0.06 165	0.04 24	0.05 43	0.04 52	0.06 278	0.06 292

BStereo	0.08 75	0.06 98	0.16 447	0.15 105	0.08 201	0.07 38	0.09 18	0.15 176	0.16 267	0.06 18	0.07 60	0.07 116	0.05 14	0.09 57	0.11 275	0.04 11	0.05 259	0.05 43	0.07 366	0.04 44	0.04 69

MonSter++	0.08 75	0.04 1	0.10 178	0.13 16	0.06 26	0.09 127	0.12 92	0.13 104	0.08 24	0.06 18	0.07 60	0.06 38	0.08 221	0.10 117	0.11 275	0.06 165	0.05 259	0.04 1	0.03 1	0.04 44	0.04 69

HiDET	0.08 75	0.04 1	0.10 178	0.13 16	0.06 26	0.08 75	0.12 92	0.12 79	0.11 96	0.06 18	0.07 60	0.07 116	0.07 172	0.11 186	0.11 275	0.06 165	0.04 24	0.04 1	0.03 1	0.04 44	0.04 69

LCMNet	0.08 75	0.05 36	0.10 178	0.13 16	0.07 123	0.09 127	0.12 92	0.10 31	0.11 96	0.06 18	0.08 113	0.06 38	0.07 172	0.11 186	0.10 195	0.06 165	0.05 259	0.04 1	0.03 1	0.04 44	0.04 69

GEAStereo	0.08 75	0.05 36	0.08 54	0.13 16	0.08 201	0.08 75	0.14 226	0.10 31	0.09 44	0.08 118	0.10 183	0.06 38	0.05 14	0.11 186	0.08 25	0.06 165	0.04 24	0.05 43	0.04 52	0.05 157	0.05 196

GSStereo	0.08 75	0.05 36	0.08 54	0.13 16	0.08 201	0.08 75	0.14 226	0.11 54	0.12 133	0.08 118	0.10 183	0.05 5	0.05 14	0.11 186	0.08 25	0.06 165	0.04 24	0.05 43	0.04 52	0.05 157	0.05 196

gasm-f	0.08 75	0.05 36	0.07 10	0.13 16	0.08 201	0.08 75	0.14 226	0.10 31	0.09 44	0.08 118	0.10 183	0.06 38	0.05 14	0.10 117	0.08 25	0.06 165	0.04 24	0.05 43	0.04 52	0.06 278	0.05 196

DDF-Stereo	0.08 75	0.04 1	0.09 116	0.15 105	0.10 438	0.06 11	0.13 162	0.09 18	0.14 206	0.06 18	0.06 23	0.07 116	0.06 62	0.09 57	0.10 195	0.06 165	0.04 24	0.06 177	0.04 52	0.08 421	0.05 196

252Zero-FE	0.08 75	0.04 1	0.09 116	0.13 16	0.07 123	0.12 291	0.11 61	0.13 104	0.14 206	0.06 18	0.05 7	0.06 38	0.05 14	0.09 57	0.10 195	0.06 165	0.04 24	0.04 1	0.03 1	0.05 157	0.06 292

DA	0.08 75	0.07 212	0.07 10	0.19 443	0.08 201	0.09 127	0.12 92	0.13 104	0.12 133	0.08 118	0.10 183	0.10 242	0.08 221	0.09 57	0.10 195	0.05 49	0.04 24	0.06 177	0.04 52	0.05 157	0.03 2

zero-FE	0.08 75	0.04 1	0.09 116	0.15 105	0.10 438	0.05 4	0.14 226	0.09 18	0.14 206	0.07 65	0.06 23	0.07 116	0.06 62	0.09 57	0.10 195	0.06 165	0.04 24	0.06 177	0.04 52	0.08 421	0.05 196

GGEV	0.08 75	0.07 212	0.07 10	0.19 443	0.08 201	0.09 127	0.12 92	0.13 104	0.12 133	0.08 118	0.10 183	0.10 242	0.08 221	0.09 57	0.10 195	0.05 49	0.04 24	0.06 177	0.04 52	0.05 157	0.03 2

GASTEREO	0.08 75	0.05 36	0.09 116	0.19 443	0.07 123	0.07 38	0.12 92	0.14 134	0.11 96	0.10 214	0.09 147	0.07 116	0.04 1	0.12 278	0.08 25	0.06 165	0.05 259	0.05 43	0.04 52	0.04 44	0.05 196

MSCF	0.08 75	0.05 36	0.08 54	0.19 443	0.08 201	0.06 11	0.12 92	0.14 134	0.11 96	0.10 214	0.09 147	0.07 116	0.04 1	0.11 186	0.08 25	0.06 165	0.05 259	0.05 43	0.04 52	0.05 157	0.05 196

S2M2_XL	0.08 75	0.06 98	0.12 275	0.12 5	0.08 201	0.09 127	0.09 18	0.07 6	0.07 15	0.08 118	0.07 60	0.07 116	0.06 62	0.09 57	0.09 101	0.08 400	0.06 403	0.07 286	0.05 179	0.08 421	0.06 292
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 75	0.09 411	0.10 178	0.17 285	0.07 123	0.08 75	0.10 32	0.20 325	0.13 174	0.06 18	0.07 60	0.05 5	0.06 62	0.08 24	0.09 101	0.03 1	0.03 1	0.04 1	0.03 1	0.04 44	0.03 2

2w_stereo	0.08 75	0.08 330	0.09 116	0.16 199	0.06 26	0.08 75	0.10 32	0.20 325	0.15 231	0.08 118	0.07 60	0.06 38	0.06 62	0.06 1	0.09 101	0.04 11	0.03 1	0.04 1	0.04 52	0.03 1	0.03 2

LG-Stereo	0.08 75	0.07 212	0.10 178	0.18 375	0.07 123	0.10 189	0.17 417	0.11 54	0.08 24	0.05 2	0.07 60	0.05 5	0.07 172	0.09 57	0.09 101	0.04 11	0.05 259	0.07 286	0.07 366	0.04 44	0.04 69

SGD-Stereo	0.08 75	0.05 36	0.10 178	0.14 54	0.05 2	0.12 291	0.12 92	0.11 54	0.12 133	0.07 65	0.09 147	0.09 207	0.09 254	0.08 24	0.08 25	0.06 165	0.04 24	0.05 43	0.04 52	0.05 157	0.03 2

HART	0.08 75	0.07 212	0.09 116	0.17 285	0.07 123	0.10 189	0.16 376	0.13 104	0.11 96	0.08 118	0.10 183	0.07 116	0.05 14	0.10 117	0.08 25	0.05 49	0.04 24	0.06 177	0.04 52	0.05 157	0.04 69

Reg-Stereo(zero)	0.08 75	0.05 36	0.08 54	0.16 199	0.06 26	0.12 291	0.11 61	0.15 176	0.10 65	0.12 289	0.09 147	0.10 242	0.08 221	0.11 186	0.08 25	0.06 165	0.04 24	0.05 43	0.04 52	0.04 44	0.05 196

SCV_C0	0.08 75	0.07 212	0.07 10	0.16 199	0.09 326	0.08 75	0.15 307	0.11 54	0.12 133	0.08 118	0.07 60	0.06 38	0.05 14	0.11 186	0.07 1	0.05 49	0.05 259	0.05 43	0.04 52	0.06 278	0.05 196

SCV	0.08 75	0.09 411	0.08 54	0.15 105	0.08 201	0.10 189	0.13 162	0.10 31	0.12 133	0.07 65	0.07 60	0.06 38	0.04 1	0.09 57	0.08 25	0.05 49	0.04 24	0.06 177	0.04 52	0.06 278	0.04 69

DEFOM-Stereo_RVC	0.08 75	0.06 98	0.09 116	0.22 557	0.06 26	0.08 75	0.12 92	0.10 31	0.10 65	0.07 65	0.07 60	0.06 38	0.05 14	0.11 186	0.09 101	0.06 165	0.04 24	0.05 43	0.03 1	0.06 278	0.04 69

HUF	0.08 75	0.05 36	0.08 54	0.14 54	0.06 26	0.09 127	0.13 162	0.13 104	0.13 174	0.07 65	0.07 60	0.08 174	0.06 62	0.10 117	0.09 101	0.06 165	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

castereo++	0.08 75	0.05 36	0.08 54	0.15 105	0.05 2	0.14 376	0.12 92	0.11 54	0.15 231	0.07 65	0.07 60	0.07 116	0.06 62	0.08 24	0.08 25	0.06 165	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

IGEV-RUCA	0.08 75	0.06 98	0.11 232	0.14 54	0.09 326	0.10 189	0.12 92	0.10 31	0.12 133	0.06 18	0.07 60	0.07 116	0.06 62	0.09 57	0.08 25	0.06 165	0.05 259	0.05 43	0.04 52	0.05 157	0.06 292

GIP-stereo	0.08 75	0.06 98	0.11 232	0.14 54	0.06 26	0.09 127	0.13 162	0.14 134	0.11 96	0.07 65	0.08 113	0.05 5	0.04 1	0.10 117	0.07 1	0.05 49	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

SMoEStereo_RVC	0.08 75	0.06 98	0.12 275	0.16 199	0.07 123	0.09 127	0.14 226	0.11 54	0.13 174	0.09 169	0.07 60	0.07 116	0.07 172	0.12 278	0.10 195	0.05 49	0.04 24	0.06 177	0.05 179	0.04 44	0.04 69

WCG-NET	0.08 75	0.05 36	0.09 116	0.15 105	0.06 26	0.11 240	0.14 226	0.13 104	0.13 174	0.06 18	0.09 147	0.07 116	0.06 62	0.13 330	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

Occ-G	0.08 75	0.05 36	0.06 4	0.14 54	0.07 123	0.08 75	0.14 226	0.13 104	0.15 231	0.07 65	0.11 232	0.07 116	0.05 14	0.09 57	0.10 195	0.06 165	0.05 259	0.05 43	0.04 52	0.05 157	0.05 196

U	0.08 75	0.07 212	0.09 116	0.19 443	0.10 438	0.10 189	0.13 162	0.12 79	0.17 295	0.07 65	0.07 60	0.06 38	0.05 14	0.07 4	0.08 25	0.06 165	0.04 24	0.06 177	0.04 52	0.06 278	0.05 196

AIO-Stereo	0.08 75	0.06 98	0.09 116	0.18 375	0.06 26	0.08 75	0.12 92	0.15 176	0.09 44	0.08 118	0.08 113	0.07 116	0.05 14	0.11 186	0.08 25	0.05 49	0.05 259	0.05 43	0.04 52	0.04 44	0.04 69

WCG-NET（raft）	0.08 75	0.05 36	0.10 178	0.15 105	0.06 26	0.11 240	0.13 162	0.15 176	0.12 133	0.08 118	0.07 60	0.06 38	0.06 62	0.13 330	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.04 69

RSM++	0.08 75	0.06 98	0.09 116	0.17 285	0.07 123	0.09 127	0.12 92	0.11 54	0.11 96	0.08 118	0.06 23	0.07 116	0.05 14	0.10 117	0.09 101	0.04 11	0.04 24	0.06 177	0.05 179	0.05 157	0.03 2

RSM	0.08 75	0.06 98	0.09 116	0.17 285	0.06 26	0.08 75	0.12 92	0.12 79	0.10 65	0.08 118	0.07 60	0.06 38	0.05 14	0.11 186	0.09 101	0.04 11	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

gcap-zeroshot	0.08 75	0.06 98	0.10 178	0.15 105	0.07 123	0.11 240	0.12 92	0.15 176	0.15 231	0.08 118	0.12 253	0.05 5	0.06 62	0.09 57	0.08 25	0.05 49	0.04 24	0.06 177	0.05 179	0.03 1	0.04 69

test_for_model	0.08 75	0.06 98	0.10 178	0.16 199	0.07 123	0.11 240	0.12 92	0.15 176	0.15 231	0.08 118	0.12 253	0.05 5	0.06 62	0.09 57	0.08 25	0.05 49	0.04 24	0.06 177	0.05 179	0.03 1	0.04 69

trnet	0.08 75	0.05 36	0.07 10	0.12 5	0.05 2	0.12 291	0.11 61	0.13 104	0.10 65	0.08 118	0.13 271	0.09 207	0.08 221	0.11 186	0.10 195	0.08 400	0.05 259	0.05 43	0.03 1	0.06 278	0.05 196

MoCha-V2	0.08 75	0.05 36	0.10 178	0.20 509	0.07 123	0.09 127	0.14 226	0.11 54	0.08 24	0.07 65	0.08 113	0.07 116	0.06 62	0.09 57	0.08 25	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.04 69

IGEV++	0.08 75	0.06 98	0.08 54	0.18 375	0.07 123	0.09 127	0.13 162	0.10 31	0.09 44	0.08 118	0.08 113	0.06 38	0.06 62	0.13 330	0.09 101	0.05 49	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

testlalala	0.08 75	0.06 98	0.10 178	0.15 105	0.07 123	0.11 240	0.12 92	0.15 176	0.15 231	0.08 118	0.12 253	0.05 5	0.06 62	0.09 57	0.08 25	0.05 49	0.04 24	0.06 177	0.05 179	0.03 1	0.04 69

AEACV	0.08 75	0.05 36	0.08 54	0.14 54	0.13 545	0.14 376	0.13 162	0.14 134	0.09 44	0.07 65	0.09 147	0.07 116	0.08 221	0.10 117	0.09 101	0.06 165	0.04 24	0.06 177	0.05 179	0.05 157	0.04 69

LoS_RVC	0.08 75	0.05 36	0.07 10	0.15 105	0.07 123	0.08 75	0.15 307	0.11 54	0.10 65	0.08 118	0.09 147	0.06 38	0.09 254	0.10 117	0.09 101	0.05 49	0.04 24	0.05 43	0.03 1	0.04 44	0.03 2

CAS	0.08 75	0.04 1	0.07 10	0.17 285	0.08 201	0.10 189	0.13 162	0.12 79	0.09 44	0.09 169	0.10 183	0.08 174	0.06 62	0.09 57	0.08 25	0.08 400	0.04 24	0.05 43	0.03 1	0.05 157	0.04 69

CES	0.08 75	0.04 1	0.08 54	0.14 54	0.07 123	0.09 127	0.14 226	0.11 54	0.09 44	0.08 118	0.09 147	0.11 272	0.06 62	0.12 278	0.08 25	0.06 165	0.04 24	0.05 43	0.03 1	0.05 157	0.05 196

EGLCR-Stereo	0.08 75	0.05 36	0.08 54	0.14 54	0.06 26	0.10 189	0.12 92	0.11 54	0.16 267	0.06 18	0.05 7	0.07 116	0.05 14	0.10 117	0.11 275	0.06 165	0.04 24	0.06 177	0.05 179	0.04 44	0.04 69

MC-Stereo	0.08 75	0.06 98	0.09 116	0.17 285	0.06 26	0.10 189	0.14 226	0.12 79	0.10 65	0.09 169	0.12 253	0.09 207	0.06 62	0.11 186	0.10 195	0.06 165	0.04 24	0.06 177	0.05 179	0.04 44	0.04 69

test-3	0.08 75	0.06 98	0.09 116	0.17 285	0.07 123	0.07 38	0.14 226	0.12 79	0.15 231	0.09 169	0.08 113	0.07 116	0.08 221	0.11 186	0.10 195	0.05 49	0.04 24	0.07 286	0.05 179	0.04 44	0.04 69

test_1	0.08 75	0.06 98	0.09 116	0.17 285	0.07 123	0.07 38	0.14 226	0.12 79	0.15 231	0.09 169	0.08 113	0.07 116	0.08 221	0.11 186	0.10 195	0.05 49	0.04 24	0.07 286	0.05 179	0.04 44	0.04 69

CREStereo++_RVC	0.08 75	0.04 1	0.06 4	0.13 16	0.07 123	0.09 127	0.12 92	0.14 134	0.14 206	0.10 214	0.14 285	0.08 174	0.07 172	0.09 57	0.11 275	0.06 165	0.04 24	0.05 43	0.05 179	0.04 44	0.04 69
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
RT-Monster	0.09 161	0.05 36	0.09 116	0.14 54	0.08 201	0.11 240	0.10 32	0.17 252	0.18 326	0.13 319	0.10 183	0.09 207	0.08 221	0.10 117	0.10 195	0.07 325	0.05 259	0.05 43	0.04 52	0.05 157	0.06 292

LiteMatch	0.09 161	0.06 98	0.10 178	0.16 199	0.07 123	0.09 127	0.15 307	0.13 104	0.08 24	0.06 18	0.07 60	0.06 38	0.15 438	0.10 117	0.14 415	0.07 325	0.04 24	0.06 177	0.06 269	0.06 278	0.06 292

Foundation-i1	0.09 161	0.04 1	0.10 178	0.14 54	0.06 26	0.10 189	0.13 162	0.16 213	0.14 206	0.10 214	0.10 183	0.11 272	0.07 172	0.07 4	0.10 195	0.06 165	0.04 24	0.05 43	0.05 179	0.05 157	0.05 196

VMStereo-Base	0.09 161	0.05 36	0.10 178	0.13 16	0.07 123	0.10 189	0.10 32	0.16 213	0.13 174	0.10 214	0.15 302	0.10 242	0.09 254	0.11 186	0.10 195	0.07 325	0.05 259	0.05 43	0.04 52	0.05 157	0.06 292

Wave_Phase_stereo	0.09 161	0.06 98	0.16 447	0.15 105	0.08 201	0.11 240	0.09 18	0.18 285	0.16 267	0.06 18	0.07 60	0.07 116	0.05 14	0.09 57	0.11 275	0.04 11	0.05 259	0.05 43	0.07 366	0.04 44	0.04 69

NLSM3	0.09 161	0.06 98	0.08 54	0.19 443	0.08 201	0.11 240	0.16 376	0.18 285	0.16 267	0.06 18	0.08 113	0.07 116	0.08 221	0.09 57	0.11 275	0.04 11	0.04 24	0.06 177	0.07 366	0.03 1	0.03 2

FE-Mocha	0.09 161	0.06 98	0.14 363	0.16 199	0.09 326	0.10 189	0.15 307	0.18 285	0.16 267	0.10 214	0.09 147	0.07 116	0.07 172	0.09 57	0.09 101	0.06 165	0.04 24	0.06 177	0.06 269	0.05 157	0.05 196

IGEV-FE	0.09 161	0.05 36	0.12 275	0.13 16	0.08 201	0.12 291	0.13 162	0.17 252	0.11 96	0.10 214	0.06 23	0.09 207	0.06 62	0.11 186	0.09 101	0.06 165	0.04 24	0.06 177	0.06 269	0.05 157	0.05 196

water-stereo	0.09 161	0.06 98	0.08 54	0.16 199	0.07 123	0.09 127	0.13 162	0.15 176	0.13 174	0.11 248	0.12 253	0.08 174	0.09 254	0.07 4	0.08 25	0.06 165	0.05 259	0.05 43	0.05 179	0.04 44	0.04 69

depthmonostereo	0.09 161	0.06 98	0.09 116	0.15 105	0.06 26	0.10 189	0.13 162	0.14 134	0.14 206	0.10 214	0.10 183	0.09 207	0.11 325	0.08 24	0.09 101	0.06 165	0.05 259	0.06 177	0.04 52	0.04 44	0.03 2

DilatedVolume-Stereo	0.09 161	0.05 36	0.08 54	0.15 105	0.06 26	0.11 240	0.12 92	0.14 134	0.16 267	0.11 248	0.11 232	0.09 207	0.09 254	0.11 186	0.10 195	0.06 165	0.05 259	0.05 43	0.04 52	0.03 1	0.03 2

S2M2_L	0.09 161	0.08 330	0.11 232	0.13 16	0.10 438	0.08 75	0.06 1	0.10 31	0.10 65	0.10 214	0.09 147	0.10 242	0.09 254	0.11 186	0.11 275	0.13 583	0.07 475	0.08 380	0.09 486	0.10 517	0.08 444
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 161	0.06 98	0.09 116	0.19 443	0.08 201	0.12 291	0.18 466	0.15 176	0.14 206	0.07 65	0.10 183	0.07 116	0.06 62	0.12 278	0.09 101	0.05 49	0.04 24	0.06 177	0.05 179	0.05 157	0.03 2

castereo	0.09 161	0.06 98	0.11 232	0.15 105	0.06 26	0.11 240	0.15 307	0.14 134	0.18 326	0.08 118	0.10 183	0.11 272	0.08 221	0.09 57	0.10 195	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.03 2

fffft	0.09 161	0.06 98	0.12 275	0.16 199	0.07 123	0.09 127	0.17 417	0.12 79	0.11 96	0.08 118	0.07 60	0.09 207	0.06 62	0.11 186	0.12 336	0.05 49	0.04 24	0.06 177	0.05 179	0.04 44	0.05 196
1: 1. 1
tt45	0.09 161	0.06 98	0.11 232	0.15 105	0.07 123	0.11 240	0.16 376	0.13 104	0.11 96	0.09 169	0.06 23	0.08 174	0.06 62	0.13 330	0.10 195	0.06 165	0.04 24	0.06 177	0.05 179	0.05 157	0.06 292

999	0.09 161	0.05 36	0.13 325	0.15 105	0.08 201	0.10 189	0.14 226	0.15 176	0.11 96	0.10 214	0.08 113	0.08 174	0.08 221	0.16 418	0.10 195	0.06 165	0.04 24	0.06 177	0.05 179	0.04 44	0.05 196

mms	0.09 161	0.07 212	0.08 54	0.16 199	0.08 201	0.10 189	0.16 376	0.12 79	0.11 96	0.08 118	0.09 147	0.08 174	0.06 62	0.11 186	0.12 336	0.05 49	0.04 24	0.07 286	0.05 179	0.04 44	0.03 2

ours_stereo	0.09 161	0.07 212	0.09 116	0.17 285	0.08 201	0.11 240	0.16 376	0.11 54	0.12 133	0.08 118	0.10 183	0.08 174	0.06 62	0.12 278	0.12 336	0.05 49	0.04 24	0.06 177	0.05 179	0.04 44	0.03 2

fffy	0.09 161	0.08 330	0.09 116	0.16 199	0.07 123	0.13 342	0.17 417	0.13 104	0.12 133	0.08 118	0.09 147	0.08 174	0.09 254	0.13 330	0.11 275	0.05 49	0.05 259	0.07 286	0.05 179	0.04 44	0.05 196

PAM_32	0.09 161	0.05 36	0.17 477	0.15 105	0.08 201	0.10 189	0.15 307	0.14 134	0.15 231	0.09 169	0.08 113	0.09 207	0.07 172	0.14 359	0.08 25	0.06 165	0.05 259	0.06 177	0.06 269	0.05 157	0.06 292

UGAM-zero	0.09 161	0.05 36	0.15 411	0.15 105	0.08 201	0.09 127	0.13 162	0.19 314	0.15 231	0.11 248	0.15 302	0.07 116	0.07 172	0.09 57	0.09 101	0.06 165	0.05 259	0.06 177	0.05 179	0.05 157	0.06 292

GCAP-BAT	0.09 161	0.05 36	0.11 232	0.13 16	0.07 123	0.11 240	0.14 226	0.14 134	0.16 267	0.07 65	0.10 183	0.08 174	0.06 62	0.13 330	0.08 25	0.07 325	0.05 259	0.05 43	0.05 179	0.04 44	0.04 69

Pointernet	0.09 161	0.04 1	0.09 116	0.16 199	0.08 201	0.13 342	0.10 32	0.15 176	0.17 295	0.09 169	0.07 60	0.06 38	0.06 62	0.11 186	0.09 101	0.08 400	0.04 24	0.05 43	0.03 1	0.06 278	0.05 196

IGEV-BASED-STEREO-	0.09 161	0.10 473	0.31 586	0.15 105	0.06 26	0.08 75	0.14 226	0.10 31	0.10 65	0.07 65	0.07 60	0.06 38	0.04 1	0.11 186	0.07 1	0.12 557	0.04 24	0.07 286	0.05 179	0.05 157	0.05 196

RAFT-Stereo-weight	0.09 161	0.06 98	0.10 178	0.16 199	0.07 123	0.09 127	0.14 226	0.19 314	0.16 267	0.11 248	0.10 183	0.08 174	0.06 62	0.10 117	0.11 275	0.06 165	0.04 24	0.06 177	0.04 52	0.04 44	0.04 69

MGS-Stereo	0.09 161	0.07 212	0.12 275	0.15 105	0.08 201	0.09 127	0.15 307	0.12 79	0.12 133	0.07 65	0.10 183	0.08 174	0.06 62	0.10 117	0.09 101	0.05 49	0.04 24	0.06 177	0.05 179	0.06 278	0.05 196

ff7	0.09 161	0.07 212	0.11 232	0.16 199	0.09 326	0.11 240	0.15 307	0.16 213	0.12 133	0.10 214	0.06 23	0.06 38	0.06 62	0.11 186	0.09 101	0.05 49	0.04 24	0.06 177	0.05 179	0.05 157	0.06 292

IGEVStereo-DCA	0.09 161	0.06 98	0.11 232	0.15 105	0.10 438	0.11 240	0.15 307	0.16 213	0.12 133	0.10 214	0.06 23	0.08 174	0.06 62	0.10 117	0.08 25	0.06 165	0.05 259	0.06 177	0.05 179	0.05 157	0.06 292

ffff	0.09 161	0.07 212	0.11 232	0.16 199	0.09 326	0.11 240	0.15 307	0.16 213	0.12 133	0.10 214	0.06 23	0.06 38	0.06 62	0.11 186	0.09 101	0.05 49	0.04 24	0.06 177	0.05 179	0.05 157	0.06 292

rrr	0.09 161	0.06 98	0.12 275	0.15 105	0.10 438	0.11 240	0.16 376	0.16 213	0.15 231	0.10 214	0.06 23	0.08 174	0.06 62	0.10 117	0.08 25	0.06 165	0.05 259	0.06 177	0.05 179	0.05 157	0.06 292

11t	0.09 161	0.07 212	0.11 232	0.16 199	0.09 326	0.11 240	0.15 307	0.16 213	0.12 133	0.10 214	0.06 23	0.06 38	0.06 62	0.11 186	0.09 101	0.05 49	0.04 24	0.06 177	0.05 179	0.05 157	0.06 292

MaDis-Stereo	0.09 161	0.09 411	0.08 54	0.17 285	0.09 326	0.13 342	0.10 32	0.16 213	0.16 267	0.09 169	0.11 232	0.06 38	0.06 62	0.09 57	0.13 378	0.07 325	0.06 403	0.07 286	0.05 179	0.05 157	0.04 69

IGEV_Zeroshot_test	0.09 161	0.05 36	0.12 275	0.13 16	0.08 201	0.12 291	0.13 162	0.17 252	0.11 96	0.10 214	0.06 23	0.09 207	0.06 62	0.11 186	0.09 101	0.06 165	0.04 24	0.06 177	0.06 269	0.05 157	0.05 196

MSKI-zero shot	0.09 161	0.05 36	0.09 116	0.15 105	0.07 123	0.10 189	0.13 162	0.14 134	0.13 174	0.09 169	0.09 147	0.09 207	0.06 62	0.12 278	0.10 195	0.06 165	0.04 24	0.05 43	0.04 52	0.04 44	0.04 69

UniTT-Stereo	0.09 161	0.07 212	0.08 54	0.18 375	0.08 201	0.13 342	0.11 61	0.12 79	0.11 96	0.10 214	0.12 253	0.05 5	0.07 172	0.09 57	0.09 101	0.07 325	0.05 259	0.05 43	0.05 179	0.05 157	0.05 196

MIM_Stereo	0.09 161	0.07 212	0.11 232	0.15 105	0.07 123	0.06 11	0.12 92	0.20 325	0.14 206	0.13 319	0.13 271	0.09 207	0.05 14	0.12 278	0.08 25	0.05 49	0.06 403	0.07 286	0.06 269	0.06 278	0.05 196

CASnet	0.09 161	0.09 411	0.09 116	0.19 443	0.06 26	0.07 38	0.11 61	0.18 285	0.14 206	0.11 248	0.10 183	0.09 207	0.07 172	0.10 117	0.10 195	0.06 165	0.04 24	0.10 511	0.08 439	0.05 157	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 161	0.05 36	0.11 232	0.13 16	0.07 123	0.11 240	0.14 226	0.14 134	0.16 267	0.07 65	0.10 183	0.08 174	0.06 62	0.13 330	0.08 25	0.07 325	0.05 259	0.05 43	0.05 179	0.04 44	0.04 69

GCAP-Stereo	0.09 161	0.07 212	0.13 325	0.18 375	0.06 26	0.11 240	0.07 3	0.13 104	0.12 133	0.09 169	0.10 183	0.07 116	0.09 254	0.13 330	0.10 195	0.06 165	0.05 259	0.05 43	0.04 52	0.04 44	0.05 196

RAFT-Test	0.09 161	0.06 98	0.10 178	0.15 105	0.07 123	0.11 240	0.15 307	0.16 213	0.13 174	0.09 169	0.10 183	0.10 242	0.09 254	0.12 278	0.09 101	0.06 165	0.04 24	0.05 43	0.04 52	0.04 44	0.05 196

HH	0.09 161	0.06 98	0.13 325	0.17 285	0.08 201	0.10 189	0.16 376	0.14 134	0.10 65	0.08 118	0.09 147	0.08 174	0.07 172	0.10 117	0.09 101	0.06 165	0.04 24	0.06 177	0.05 179	0.05 157	0.04 69

HanStereo	0.09 161	0.06 98	0.13 325	0.17 285	0.08 201	0.10 189	0.16 376	0.14 134	0.10 65	0.08 118	0.09 147	0.08 174	0.07 172	0.10 117	0.09 101	0.06 165	0.04 24	0.06 177	0.05 179	0.05 157	0.04 69

4D-IteraStereo	0.09 161	0.07 212	0.10 178	0.18 375	0.07 123	0.09 127	0.15 307	0.17 252	0.15 231	0.10 214	0.11 232	0.10 242	0.07 172	0.11 186	0.09 101	0.05 49	0.03 1	0.08 380	0.07 366	0.06 278	0.05 196

anonymousdsp	0.09 161	0.07 212	0.11 232	0.16 199	0.09 326	0.11 240	0.15 307	0.16 213	0.12 133	0.09 169	0.06 23	0.06 38	0.06 62	0.11 186	0.09 101	0.05 49	0.04 24	0.06 177	0.05 179	0.05 157	0.06 292

LoS	0.09 161	0.05 36	0.11 232	0.13 16	0.07 123	0.14 376	0.11 61	0.15 176	0.15 231	0.09 169	0.09 147	0.12 292	0.09 254	0.15 383	0.10 195	0.07 325	0.05 259	0.05 43	0.03 1	0.05 157	0.05 196
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 161	0.07 212	0.10 178	0.17 285	0.08 201	0.10 189	0.15 307	0.15 176	0.12 133	0.09 169	0.06 23	0.07 116	0.06 62	0.11 186	0.09 101	0.05 49	0.04 24	0.06 177	0.05 179	0.04 44	0.06 292

RCA-Stereo	0.09 161	0.06 98	0.09 116	0.16 199	0.06 26	0.09 127	0.13 162	0.18 285	0.14 206	0.09 169	0.10 183	0.08 174	0.07 172	0.12 278	0.11 275	0.06 165	0.04 24	0.06 177	0.05 179	0.05 157	0.04 69

CroCo-Stereo Lap2	0.09 161	0.09 411	0.08 54	0.22 557	0.09 326	0.09 127	0.19 506	0.16 213	0.12 133	0.09 169	0.10 183	0.05 5	0.05 14	0.08 24	0.08 25	0.06 165	0.06 403	0.07 286	0.05 179	0.05 157	0.05 196

ccc-4	0.09 161	0.07 212	0.11 232	0.16 199	0.09 326	0.11 240	0.15 307	0.16 213	0.12 133	0.10 214	0.06 23	0.06 38	0.06 62	0.11 186	0.09 101	0.05 49	0.04 24	0.06 177	0.05 179	0.05 157	0.06 292

IGEV-Stereo	0.09 161	0.07 212	0.11 232	0.16 199	0.09 326	0.11 240	0.15 307	0.16 213	0.12 133	0.09 169	0.06 23	0.06 38	0.06 62	0.11 186	0.09 101	0.05 49	0.04 24	0.06 177	0.05 179	0.05 157	0.06 292
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 161	0.05 36	0.13 325	0.14 54	0.08 201	0.12 291	0.15 307	0.18 285	0.10 65	0.11 248	0.08 113	0.08 174	0.05 14	0.10 117	0.09 101	0.06 165	0.04 24	0.06 177	0.05 179	0.06 278	0.05 196

TRStereo	0.09 161	0.05 36	0.12 275	0.15 105	0.12 522	0.10 189	0.13 162	0.18 285	0.18 326	0.09 169	0.09 147	0.09 207	0.06 62	0.10 117	0.08 25	0.07 325	0.05 259	0.07 286	0.07 366	0.04 44	0.04 69

AnonymousM	0.09 161	0.05 36	0.10 178	0.14 54	0.06 26	0.09 127	0.13 162	0.19 314	0.14 206	0.13 319	0.11 232	0.09 207	0.08 221	0.13 330	0.10 195	0.08 400	0.05 259	0.08 380	0.05 179	0.05 157	0.05 196

CroCo-Stereo	0.09 161	0.08 330	0.08 54	0.22 557	0.09 326	0.09 127	0.19 506	0.15 176	0.12 133	0.07 65	0.07 60	0.08 174	0.06 62	0.08 24	0.07 1	0.07 325	0.05 259	0.06 177	0.04 52	0.05 157	0.04 69
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	0.09 161	0.06 98	0.07 10	0.15 105	0.05 2	0.16 432	0.18 466	0.15 176	0.15 231	0.10 214	0.11 232	0.11 272	0.11 325	0.10 117	0.12 336	0.05 49	0.04 24	0.05 43	0.04 52	0.04 44	0.04 69

TANstereo	0.09 161	0.04 1	0.08 54	0.13 16	0.06 26	0.11 240	0.14 226	0.15 176	0.19 344	0.11 248	0.15 302	0.10 242	0.06 62	0.12 278	0.09 101	0.07 325	0.05 259	0.05 43	0.04 52	0.06 278	0.05 196

XX-TBD	0.09 161	0.06 98	0.07 10	0.14 54	0.07 123	0.12 291	0.16 376	0.14 134	0.13 174	0.11 248	0.12 253	0.09 207	0.08 221	0.10 117	0.10 195	0.06 165	0.04 24	0.05 43	0.03 1	0.06 278	0.05 196

raftrobust	0.09 161	0.06 98	0.10 178	0.17 285	0.08 201	0.09 127	0.10 32	0.18 285	0.16 267	0.10 214	0.09 147	0.12 292	0.07 172	0.12 278	0.10 195	0.08 400	0.05 259	0.06 177	0.05 179	0.05 157	0.05 196

XX-Stereo	0.09 161	0.05 36	0.08 54	0.17 285	0.09 326	0.15 402	0.12 92	0.20 325	0.10 65	0.10 214	0.14 285	0.07 116	0.06 62	0.12 278	0.08 25	0.06 165	0.05 259	0.06 177	0.06 269	0.04 44	0.04 69

test_xeample3	0.09 161	0.06 98	0.12 275	0.16 199	0.09 326	0.11 240	0.15 307	0.16 213	0.13 174	0.10 214	0.06 23	0.08 174	0.06 62	0.10 117	0.09 101	0.05 49	0.04 24	0.06 177	0.05 179	0.05 157	0.06 292

RAFT-Stereo + iAFF	0.09 161	0.06 98	0.10 178	0.17 285	0.06 26	0.10 189	0.16 376	0.17 252	0.14 206	0.09 169	0.10 183	0.08 174	0.09 254	0.11 186	0.09 101	0.05 49	0.04 24	0.06 177	0.06 269	0.04 44	0.03 2

AFF-stereo	0.09 161	0.06 98	0.10 178	0.17 285	0.07 123	0.10 189	0.16 376	0.17 252	0.09 44	0.10 214	0.12 253	0.09 207	0.09 254	0.12 278	0.09 101	0.05 49	0.04 24	0.07 286	0.07 366	0.04 44	0.03 2

EAI-Stereo	0.09 161	0.07 212	0.11 232	0.15 105	0.06 26	0.10 189	0.15 307	0.16 213	0.09 44	0.08 118	0.09 147	0.08 174	0.07 172	0.09 57	0.11 275	0.05 49	0.04 24	0.05 43	0.05 179	0.05 157	0.04 69

CFNet-RSSM	0.09 161	0.07 212	0.09 116	0.16 199	0.07 123	0.09 127	0.15 307	0.16 213	0.17 295	0.08 118	0.12 253	0.10 242	0.09 254	0.11 186	0.09 101	0.06 165	0.04 24	0.06 177	0.04 52	0.04 44	0.04 69

Gwc-CoAtRS	0.09 161	0.06 98	0.10 178	0.16 199	0.07 123	0.10 189	0.14 226	0.17 252	0.17 295	0.08 118	0.10 183	0.12 292	0.09 254	0.12 278	0.09 101	0.06 165	0.04 24	0.06 177	0.04 52	0.04 44	0.04 69

CREStereo	0.09 161	0.04 1	0.08 54	0.11 1	0.06 26	0.13 342	0.14 226	0.14 134	0.10 65	0.08 118	0.13 271	0.09 207	0.08 221	0.11 186	0.10 195	0.08 400	0.04 24	0.05 43	0.03 1	0.06 278	0.06 292
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	0.09 161	0.05 36	0.09 116	0.12 5	0.06 26	0.12 291	0.14 226	0.15 176	0.11 96	0.09 169	0.13 271	0.10 242	0.07 172	0.13 330	0.10 195	0.15 601	0.04 24	0.05 43	0.03 1	0.07 357	0.06 292

DN	0.10 229	0.05 36	0.09 116	0.14 54	0.09 326	0.12 291	0.18 466	0.17 252	0.16 267	0.08 118	0.09 147	0.08 174	0.06 62	0.08 24	0.09 101	0.11 532	0.05 259	0.07 286	0.06 269	0.07 357	0.09 488

Hybrid-DGEV-03	0.10 229	0.06 98	0.09 116	0.18 375	0.08 201	0.16 432	0.14 226	0.15 176	0.14 206	0.13 319	0.16 315	0.12 292	0.09 254	0.13 330	0.11 275	0.06 165	0.04 24	0.08 380	0.06 269	0.05 157	0.04 69

WQFJA1	0.10 229	0.07 212	0.08 54	0.20 509	0.09 326	0.12 291	0.17 417	0.17 252	0.17 295	0.09 169	0.10 183	0.08 174	0.10 293	0.12 278	0.11 275	0.06 165	0.07 475	0.07 286	0.06 269	0.06 278	0.05 196

WQFJX1	0.10 229	0.07 212	0.08 54	0.22 557	0.09 326	0.12 291	0.17 417	0.18 285	0.17 295	0.10 214	0.09 147	0.07 116	0.10 293	0.11 186	0.09 101	0.07 325	0.08 505	0.07 286	0.06 269	0.05 157	0.04 69

WQFJX	0.10 229	0.07 212	0.09 116	0.21 541	0.09 326	0.12 291	0.16 376	0.18 285	0.17 295	0.12 289	0.10 183	0.07 116	0.09 254	0.12 278	0.10 195	0.06 165	0.07 475	0.06 177	0.05 179	0.06 278	0.05 196

NLMM	0.10 229	0.07 212	0.08 54	0.20 509	0.09 326	0.12 291	0.17 417	0.17 252	0.17 295	0.09 169	0.10 183	0.08 174	0.10 293	0.12 278	0.11 275	0.06 165	0.07 475	0.07 286	0.06 269	0.06 278	0.05 196

NLSM1	0.10 229	0.07 212	0.07 10	0.19 443	0.08 201	0.13 342	0.16 376	0.21 348	0.15 231	0.11 248	0.10 183	0.06 38	0.10 293	0.10 117	0.11 275	0.07 325	0.08 505	0.08 380	0.07 366	0.05 157	0.05 196

MM-Stereo_test3	0.10 229	0.07 212	0.07 10	0.18 375	0.07 123	0.12 291	0.19 506	0.24 417	0.19 344	0.06 18	0.10 183	0.08 174	0.06 62	0.11 186	0.08 25	0.06 165	0.06 403	0.07 286	0.05 179	0.05 157	0.04 69

MM-Stereo_test1	0.10 229	0.07 212	0.08 54	0.18 375	0.07 123	0.12 291	0.18 466	0.21 348	0.20 367	0.09 169	0.11 232	0.08 174	0.06 62	0.10 117	0.10 195	0.06 165	0.05 259	0.07 286	0.06 269	0.05 157	0.04 69

AIO-test2	0.10 229	0.08 330	0.10 178	0.23 581	0.08 201	0.11 240	0.10 32	0.23 393	0.23 409	0.08 118	0.09 147	0.08 174	0.05 14	0.10 117	0.08 25	0.06 165	0.05 259	0.08 380	0.09 486	0.05 157	0.05 196

AIO-test1	0.10 229	0.07 212	0.10 178	0.23 581	0.07 123	0.09 127	0.13 162	0.21 348	0.14 206	0.11 248	0.12 253	0.09 207	0.07 172	0.11 186	0.09 101	0.06 165	0.05 259	0.09 463	0.10 526	0.03 1	0.06 292

tg	0.10 229	0.06 98	0.10 178	0.18 375	0.08 201	0.11 240	0.16 376	0.20 325	0.12 133	0.08 118	0.11 232	0.11 272	0.07 172	0.11 186	0.10 195	0.05 49	0.04 24	0.08 380	0.08 439	0.04 44	0.04 69

PAM	0.10 229	0.05 36	0.16 447	0.15 105	0.08 201	0.09 127	0.16 376	0.15 176	0.16 267	0.12 289	0.09 147	0.09 207	0.07 172	0.13 330	0.08 25	0.06 165	0.05 259	0.06 177	0.06 269	0.05 157	0.06 292

model_zeroshot	0.10 229	0.04 1	0.11 232	0.15 105	0.09 326	0.12 291	0.14 226	0.20 325	0.13 174	0.11 248	0.10 183	0.12 292	0.07 172	0.12 278	0.10 195	0.07 325	0.06 403	0.06 177	0.05 179	0.06 278	0.06 292

RAStereo	0.10 229	0.09 411	0.08 54	0.20 509	0.08 201	0.13 342	0.18 466	0.15 176	0.17 295	0.10 214	0.12 253	0.05 5	0.06 62	0.09 57	0.08 25	0.07 325	0.05 259	0.07 286	0.05 179	0.05 157	0.04 69

rvit_stereo_0080	0.10 229	0.08 330	0.14 363	0.15 105	0.09 326	0.07 38	0.15 307	0.16 213	0.16 267	0.11 248	0.10 183	0.14 338	0.08 221	0.12 278	0.10 195	0.09 460	0.07 475	0.07 286	0.06 269	0.07 357	0.05 196

H2IRNET	0.10 229	0.09 411	0.09 116	0.18 375	0.09 326	0.12 291	0.15 307	0.14 134	0.21 383	0.10 214	0.10 183	0.10 242	0.10 293	0.10 117	0.10 195	0.05 49	0.04 24	0.08 380	0.08 439	0.06 278	0.05 196

Former-RAFT_DAM_RVC	0.10 229	0.08 330	0.12 275	0.16 199	0.08 201	0.15 402	0.16 376	0.18 285	0.18 326	0.10 214	0.09 147	0.09 207	0.08 221	0.11 186	0.12 336	0.07 325	0.05 259	0.08 380	0.06 269	0.07 357	0.06 292

MyStereo07	0.10 229	0.07 212	0.10 178	0.17 285	0.09 326	0.14 376	0.18 466	0.15 176	0.15 231	0.09 169	0.06 23	0.06 38	0.07 172	0.12 278	0.09 101	0.06 165	0.05 259	0.08 380	0.07 366	0.06 278	0.06 292

MyStereo06	0.10 229	0.07 212	0.12 275	0.17 285	0.09 326	0.13 342	0.18 466	0.19 314	0.12 133	0.12 289	0.08 113	0.07 116	0.07 172	0.11 186	0.09 101	0.06 165	0.05 259	0.07 286	0.07 366	0.06 278	0.06 292

AE-Stereo	0.10 229	0.08 330	0.10 178	0.18 375	0.09 326	0.10 189	0.15 307	0.14 134	0.19 344	0.09 169	0.14 285	0.12 292	0.08 221	0.11 186	0.10 195	0.05 49	0.06 403	0.07 286	0.06 269	0.05 157	0.04 69

ACVNet-DCA	0.10 229	0.08 330	0.12 275	0.17 285	0.09 326	0.13 342	0.15 307	0.23 393	0.16 267	0.09 169	0.09 147	0.06 38	0.06 62	0.10 117	0.07 1	0.06 165	0.04 24	0.06 177	0.05 179	0.07 357	0.07 379

cc1	0.10 229	0.08 330	0.12 275	0.17 285	0.09 326	0.13 342	0.15 307	0.16 213	0.18 326	0.09 169	0.09 147	0.06 38	0.06 62	0.10 117	0.07 1	0.06 165	0.04 24	0.06 177	0.05 179	0.06 278	0.06 292

tt1	0.10 229	0.08 330	0.12 275	0.17 285	0.09 326	0.12 291	0.16 376	0.15 176	0.19 344	0.09 169	0.08 113	0.06 38	0.06 62	0.10 117	0.07 1	0.06 165	0.04 24	0.06 177	0.05 179	0.06 278	0.06 292

whm_eth	0.10 229	0.08 330	0.14 363	0.15 105	0.09 326	0.07 38	0.15 307	0.16 213	0.16 267	0.11 248	0.10 183	0.14 338	0.08 221	0.12 278	0.10 195	0.09 460	0.07 475	0.07 286	0.06 269	0.07 357	0.05 196

plain	0.10 229	0.08 330	0.10 178	0.19 443	0.09 326	0.10 189	0.15 307	0.14 134	0.13 174	0.13 319	0.15 302	0.09 207	0.12 356	0.13 330	0.12 336	0.07 325	0.05 259	0.09 463	0.06 269	0.06 278	0.06 292

Any-RAFT	0.10 229	0.05 36	0.09 116	0.14 54	0.07 123	0.13 342	0.14 226	0.21 348	0.15 231	0.11 248	0.12 253	0.12 292	0.09 254	0.12 278	0.09 101	0.07 325	0.04 24	0.05 43	0.04 52	0.06 278	0.05 196

LL-Strereo2	0.10 229	0.10 473	0.15 411	0.18 375	0.08 201	0.15 402	0.09 18	0.17 252	0.14 206	0.14 341	0.10 183	0.09 207	0.07 172	0.16 418	0.10 195	0.05 49	0.05 259	0.10 511	0.07 366	0.06 278	0.05 196

DCANet-4	0.10 229	0.06 98	0.12 275	0.16 199	0.06 26	0.09 127	0.17 417	0.18 285	0.19 344	0.13 319	0.16 315	0.09 207	0.14 420	0.11 186	0.12 336	0.06 165	0.04 24	0.05 43	0.04 52	0.04 44	0.05 196

fff	0.10 229	0.06 98	0.12 275	0.15 105	0.07 123	0.09 127	0.17 417	0.16 213	0.20 367	0.13 319	0.16 315	0.10 242	0.11 325	0.11 186	0.12 336	0.06 165	0.04 24	0.05 43	0.04 52	0.04 44	0.05 196

ADStereo(finetuned)	0.10 229	0.06 98	0.12 275	0.16 199	0.06 26	0.09 127	0.17 417	0.15 176	0.19 344	0.13 319	0.17 337	0.10 242	0.12 356	0.11 186	0.12 336	0.06 165	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

test_4	0.10 229	0.10 473	0.08 54	0.19 443	0.09 326	0.08 75	0.22 559	0.15 176	0.17 295	0.12 289	0.18 364	0.12 292	0.09 254	0.08 24	0.11 275	0.04 11	0.04 24	0.08 380	0.08 439	0.04 44	0.03 2

IPLG	0.10 229	0.07 212	0.15 411	0.17 285	0.08 201	0.11 240	0.14 226	0.20 325	0.15 231	0.12 289	0.17 337	0.07 116	0.07 172	0.14 359	0.13 378	0.06 165	0.04 24	0.06 177	0.05 179	0.04 44	0.04 69

test_3	0.10 229	0.09 411	0.10 178	0.20 509	0.08 201	0.13 342	0.26 607	0.14 134	0.21 383	0.10 214	0.10 183	0.09 207	0.09 254	0.08 24	0.11 275	0.05 49	0.04 24	0.08 380	0.07 366	0.04 44	0.04 69

STrans-v2	0.10 229	0.07 212	0.12 275	0.18 375	0.07 123	0.10 189	0.14 226	0.21 348	0.11 96	0.11 248	0.15 302	0.12 292	0.10 293	0.11 186	0.12 336	0.05 49	0.04 24	0.06 177	0.06 269	0.04 44	0.04 69

TransformOpticalFlow	0.10 229	0.08 330	0.13 325	0.18 375	0.07 123	0.09 127	0.15 307	0.19 314	0.15 231	0.12 289	0.17 337	0.11 272	0.11 325	0.11 186	0.10 195	0.05 49	0.04 24	0.06 177	0.06 269	0.05 157	0.05 196

SST-Stereo	0.10 229	0.07 212	0.15 411	0.18 375	0.09 326	0.06 11	0.12 92	0.17 252	0.11 96	0.15 368	0.17 337	0.13 318	0.12 356	0.10 117	0.11 275	0.06 165	0.04 24	0.09 463	0.06 269	0.06 278	0.05 196

cross-raft	0.10 229	0.09 411	0.09 116	0.19 443	0.07 123	0.11 240	0.25 598	0.13 104	0.15 231	0.08 118	0.11 232	0.12 292	0.10 293	0.09 57	0.11 275	0.05 49	0.04 24	0.06 177	0.05 179	0.04 44	0.04 69

test-1	0.10 229	0.07 212	0.16 447	0.19 443	0.08 201	0.11 240	0.24 583	0.14 134	0.18 326	0.09 169	0.07 60	0.09 207	0.08 221	0.07 4	0.09 101	0.06 165	0.04 24	0.06 177	0.05 179	0.04 44	0.04 69

iRaftStereo_RVC	0.10 229	0.07 212	0.09 116	0.17 285	0.09 326	0.11 240	0.17 417	0.18 285	0.12 133	0.09 169	0.12 253	0.10 242	0.07 172	0.11 186	0.10 195	0.05 49	0.04 24	0.08 380	0.08 439	0.04 44	0.04 69

RALCasStereoNet	0.10 229	0.06 98	0.09 116	0.16 199	0.08 201	0.12 291	0.14 226	0.17 252	0.11 96	0.12 289	0.17 337	0.14 338	0.10 293	0.12 278	0.11 275	0.07 325	0.06 403	0.06 177	0.05 179	0.08 421	0.07 379

DCANet	0.10 229	0.06 98	0.12 275	0.16 199	0.06 26	0.09 127	0.17 417	0.15 176	0.19 344	0.13 319	0.17 337	0.10 242	0.11 325	0.11 186	0.12 336	0.06 165	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

csc	0.10 229	0.06 98	0.12 275	0.15 105	0.07 123	0.09 127	0.17 417	0.16 213	0.20 367	0.13 319	0.16 315	0.10 242	0.11 325	0.11 186	0.12 336	0.06 165	0.04 24	0.05 43	0.04 52	0.04 44	0.05 196

cscssc	0.10 229	0.06 98	0.12 275	0.15 105	0.07 123	0.09 127	0.17 417	0.16 213	0.20 367	0.13 319	0.16 315	0.10 242	0.11 325	0.11 186	0.12 336	0.06 165	0.04 24	0.05 43	0.04 52	0.04 44	0.05 196

111	0.10 229	0.06 98	0.12 275	0.15 105	0.07 123	0.10 189	0.14 226	0.21 348	0.23 409	0.11 248	0.12 253	0.14 338	0.11 325	0.13 330	0.10 195	0.06 165	0.04 24	0.06 177	0.04 52	0.05 157	0.05 196

R-Stereo Train	0.10 229	0.06 98	0.10 178	0.17 285	0.08 201	0.11 240	0.14 226	0.23 393	0.11 96	0.12 289	0.19 375	0.11 272	0.08 221	0.09 57	0.11 275	0.07 325	0.05 259	0.06 177	0.05 179	0.05 157	0.05 196

RAFT-Stereo	0.10 229	0.06 98	0.10 178	0.17 285	0.08 201	0.11 240	0.14 226	0.23 393	0.11 96	0.12 289	0.19 375	0.11 272	0.08 221	0.09 57	0.11 275	0.07 325	0.05 259	0.06 177	0.05 179	0.05 157	0.05 196
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 229	0.06 98	0.12 275	0.14 54	0.06 26	0.11 240	0.10 32	0.18 285	0.18 326	0.13 319	0.16 315	0.14 338	0.11 325	0.15 383	0.13 378	0.06 165	0.04 24	0.04 1	0.04 52	0.06 278	0.05 196
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
Lsterematch	0.11 277	0.06 98	0.11 232	0.16 199	0.07 123	0.13 342	0.15 307	0.14 134	0.17 295	0.16 396	0.18 364	0.15 367	0.15 438	0.12 278	0.14 415	0.07 325	0.04 24	0.06 177	0.06 269	0.06 278	0.06 292

Hybrid-DGEV-2	0.11 277	0.06 98	0.12 275	0.18 375	0.09 326	0.09 127	0.13 162	0.28 492	0.29 493	0.11 248	0.11 232	0.09 207	0.12 356	0.12 278	0.09 101	0.06 165	0.05 259	0.07 286	0.07 366	0.05 157	0.05 196

NLMM1	0.11 277	0.09 411	0.07 10	0.22 557	0.10 438	0.12 291	0.20 529	0.18 285	0.20 367	0.12 289	0.11 232	0.07 116	0.09 254	0.11 186	0.11 275	0.08 400	0.08 505	0.07 286	0.06 269	0.04 44	0.04 69

NLCSM	0.11 277	0.09 411	0.09 116	0.23 581	0.11 488	0.12 291	0.19 506	0.18 285	0.18 326	0.12 289	0.11 232	0.07 116	0.09 254	0.11 186	0.10 195	0.07 325	0.08 505	0.07 286	0.07 366	0.06 278	0.05 196

Select-FE	0.11 277	0.06 98	0.20 525	0.15 105	0.11 488	0.11 240	0.13 162	0.21 348	0.18 326	0.09 169	0.11 232	0.10 242	0.06 62	0.12 278	0.09 101	0.07 325	0.05 259	0.07 286	0.08 439	0.06 278	0.08 444

FlowAnything_test	0.11 277	0.08 330	0.14 363	0.15 105	0.09 326	0.07 38	0.14 226	0.20 325	0.11 96	0.09 169	0.09 147	0.12 292	0.12 356	0.13 330	0.11 275	0.09 460	0.06 403	0.09 463	0.09 486	0.06 278	0.09 488

xyz-stereo-finetune2	0.11 277	0.07 212	0.13 325	0.13 16	0.07 123	0.11 240	0.19 506	0.17 252	0.12 133	0.15 368	0.15 302	0.17 404	0.12 356	0.13 330	0.11 275	0.05 49	0.04 24	0.07 286	0.05 179	0.04 44	0.06 292

xyz-stereo-finetune	0.11 277	0.08 330	0.13 325	0.14 54	0.06 26	0.10 189	0.19 506	0.17 252	0.19 344	0.12 289	0.14 285	0.15 367	0.10 293	0.13 330	0.11 275	0.05 49	0.04 24	0.07 286	0.05 179	0.04 44	0.05 196

HI	0.11 277	0.06 98	0.11 232	0.13 16	0.09 326	0.09 127	0.14 226	0.21 348	0.10 65	0.19 461	0.17 337	0.14 338	0.09 254	0.16 418	0.08 25	0.05 49	0.04 24	0.07 286	0.08 439	0.07 357	0.06 292

CoSv	0.11 277	0.06 98	0.11 232	0.13 16	0.09 326	0.09 127	0.14 226	0.21 348	0.10 65	0.19 461	0.17 337	0.14 338	0.09 254	0.16 418	0.08 25	0.05 49	0.04 24	0.07 286	0.08 439	0.07 357	0.06 292

rvit_stereo_0081_aga	0.11 277	0.09 411	0.14 363	0.18 375	0.09 326	0.13 342	0.14 226	0.14 134	0.19 344	0.10 214	0.18 364	0.16 382	0.09 254	0.12 278	0.09 101	0.10 501	0.06 403	0.08 380	0.07 366	0.07 357	0.06 292

rvit_stereo_0081	0.11 277	0.08 330	0.15 411	0.16 199	0.09 326	0.10 189	0.14 226	0.14 134	0.24 426	0.11 248	0.13 271	0.13 318	0.09 254	0.11 186	0.12 336	0.10 501	0.07 475	0.08 380	0.07 366	0.07 357	0.05 196

rvit_stereo_0082	0.11 277	0.08 330	0.15 411	0.16 199	0.09 326	0.10 189	0.14 226	0.14 134	0.24 426	0.11 248	0.13 271	0.13 318	0.09 254	0.11 186	0.12 336	0.10 501	0.07 475	0.08 380	0.07 366	0.07 357	0.05 196

AIO-Stereo-zeroshot1	0.11 277	0.05 36	0.14 363	0.15 105	0.20 626	0.09 127	0.17 417	0.21 348	0.15 231	0.11 248	0.14 285	0.10 242	0.07 172	0.10 117	0.08 25	0.06 165	0.05 259	0.07 286	0.07 366	0.07 357	0.09 488

AIO-Stereo-zeroshot	0.11 277	0.05 36	0.11 232	0.15 105	0.13 545	0.13 342	0.16 376	0.23 393	0.17 295	0.10 214	0.12 253	0.10 242	0.07 172	0.11 186	0.09 101	0.06 165	0.05 259	0.06 177	0.06 269	0.07 357	0.08 444

CAS++	0.11 277	0.07 212	0.11 232	0.14 54	0.09 326	0.12 291	0.14 226	0.24 417	0.14 206	0.11 248	0.09 147	0.11 272	0.07 172	0.14 359	0.09 101	0.11 532	0.09 538	0.09 463	0.07 366	0.07 357	0.08 444
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 277	0.08 330	0.12 275	0.17 285	0.09 326	0.13 342	0.15 307	0.16 213	0.18 326	0.09 169	0.09 147	0.16 382	0.16 466	0.10 117	0.07 1	0.06 165	0.04 24	0.08 380	0.08 439	0.07 357	0.07 379

1test111	0.11 277	0.08 330	0.12 275	0.17 285	0.09 326	0.13 342	0.15 307	0.23 393	0.16 267	0.09 169	0.09 147	0.06 38	0.06 62	0.15 383	0.16 462	0.06 165	0.04 24	0.06 177	0.05 179	0.07 357	0.07 379

MIF-Stereo (partial)	0.11 277	0.06 98	0.10 178	0.19 443	0.10 438	0.10 189	0.11 61	0.17 252	0.18 326	0.14 341	0.16 315	0.09 207	0.11 325	0.12 278	0.12 336	0.08 400	0.05 259	0.08 380	0.07 366	0.06 278	0.07 379

EKT-Stereo	0.11 277	0.07 212	0.14 363	0.15 105	0.10 438	0.13 342	0.14 226	0.18 285	0.21 383	0.11 248	0.08 113	0.12 292	0.09 254	0.11 186	0.12 336	0.08 400	0.06 403	0.07 286	0.06 269	0.08 421	0.07 379

anonymousdsp2	0.11 277	0.07 212	0.10 178	0.16 199	0.09 326	0.13 342	0.14 226	0.18 285	0.22 397	0.13 319	0.14 285	0.12 292	0.09 254	0.14 359	0.11 275	0.05 49	0.04 24	0.05 43	0.04 52	0.06 278	0.05 196

DCRE	0.11 277	0.07 212	0.13 325	0.16 199	0.11 488	0.11 240	0.17 417	0.18 285	0.17 295	0.11 248	0.18 364	0.10 242	0.10 293	0.15 383	0.11 275	0.06 165	0.05 259	0.06 177	0.06 269	0.05 157	0.04 69

knoymous	0.11 277	0.05 36	0.12 275	0.13 16	0.07 123	0.15 402	0.14 226	0.19 314	0.13 174	0.11 248	0.17 337	0.13 318	0.09 254	0.13 330	0.11 275	0.08 400	0.05 259	0.06 177	0.05 179	0.08 421	0.07 379

riskmin	0.11 277	0.06 98	0.13 325	0.14 54	0.08 201	0.14 376	0.14 226	0.18 285	0.14 206	0.11 248	0.14 285	0.16 382	0.11 325	0.14 359	0.12 336	0.09 460	0.05 259	0.07 286	0.05 179	0.08 421	0.08 444

Selective-RAFT	0.11 277	0.10 473	0.11 232	0.21 541	0.08 201	0.16 432	0.13 162	0.20 325	0.22 397	0.10 214	0.10 183	0.11 272	0.10 293	0.15 383	0.11 275	0.05 49	0.05 259	0.06 177	0.05 179	0.06 278	0.05 196

DisPM	0.11 277	0.07 212	0.12 275	0.16 199	0.09 326	0.06 11	0.13 162	0.17 252	0.17 295	0.14 341	0.20 387	0.12 292	0.10 293	0.11 186	0.10 195	0.06 165	0.04 24	0.07 286	0.06 269	0.06 278	0.11 544

CIPLG	0.11 277	0.08 330	0.14 363	0.17 285	0.08 201	0.12 291	0.15 307	0.17 252	0.15 231	0.14 341	0.11 232	0.16 382	0.09 254	0.16 418	0.11 275	0.07 325	0.05 259	0.06 177	0.05 179	0.05 157	0.06 292

GLC_STEREO	0.11 277	0.07 212	0.11 232	0.17 285	0.07 123	0.09 127	0.13 162	0.15 176	0.24 426	0.12 289	0.13 271	0.12 292	0.08 221	0.18 473	0.11 275	0.06 165	0.08 505	0.08 380	0.06 269	0.05 157	0.05 196

IPLGR_C	0.11 277	0.08 330	0.14 363	0.17 285	0.08 201	0.12 291	0.15 307	0.17 252	0.15 231	0.14 341	0.10 183	0.16 382	0.09 254	0.16 418	0.11 275	0.07 325	0.05 259	0.06 177	0.05 179	0.05 157	0.06 292

MIPNet	0.11 277	0.08 330	0.14 363	0.17 285	0.09 326	0.12 291	0.14 226	0.20 325	0.24 426	0.11 248	0.10 183	0.09 207	0.07 172	0.13 330	0.12 336	0.06 165	0.04 24	0.06 177	0.05 179	0.04 44	0.04 69

IPLGR	0.11 277	0.09 411	0.16 447	0.18 375	0.08 201	0.12 291	0.17 417	0.21 348	0.24 426	0.11 248	0.12 253	0.11 272	0.08 221	0.12 278	0.12 336	0.06 165	0.05 259	0.06 177	0.06 269	0.04 44	0.04 69

GMOStereo	0.11 277	0.09 411	0.07 10	0.19 443	0.08 201	0.12 291	0.28 620	0.13 104	0.17 295	0.11 248	0.17 337	0.14 338	0.12 356	0.07 4	0.07 1	0.05 49	0.05 259	0.09 463	0.07 366	0.04 44	0.04 69

error version	0.11 277	0.09 411	0.07 10	0.19 443	0.08 201	0.12 291	0.28 620	0.13 104	0.17 295	0.11 248	0.17 337	0.14 338	0.12 356	0.07 4	0.07 1	0.05 49	0.05 259	0.09 463	0.07 366	0.04 44	0.04 69

test-v	0.11 277	0.09 411	0.07 10	0.19 443	0.08 201	0.12 291	0.28 620	0.13 104	0.17 295	0.11 248	0.17 337	0.14 338	0.12 356	0.07 4	0.07 1	0.05 49	0.05 259	0.09 463	0.07 366	0.04 44	0.04 69

ACRE	0.11 277	0.08 330	0.14 363	0.17 285	0.08 201	0.12 291	0.15 307	0.17 252	0.14 206	0.14 341	0.10 183	0.16 382	0.09 254	0.16 418	0.11 275	0.07 325	0.05 259	0.06 177	0.05 179	0.05 157	0.06 292

PFNet+	0.11 277	0.06 98	0.13 325	0.16 199	0.09 326	0.05 4	0.12 92	0.17 252	0.21 383	0.16 396	0.19 375	0.14 338	0.10 293	0.11 186	0.11 275	0.08 400	0.05 259	0.09 463	0.08 439	0.06 278	0.11 544

LCNet	0.11 277	0.07 212	0.09 116	0.19 443	0.09 326	0.08 75	0.15 307	0.21 348	0.15 231	0.11 248	0.15 302	0.16 382	0.11 325	0.12 278	0.11 275	0.05 49	0.04 24	0.08 380	0.07 366	0.06 278	0.15 603

HHNet	0.11 277	0.06 98	0.16 447	0.15 105	0.14 566	0.07 38	0.13 162	0.20 325	0.17 295	0.14 341	0.25 470	0.11 272	0.08 221	0.13 330	0.10 195	0.05 49	0.04 24	0.08 380	0.06 269	0.05 157	0.09 488

Patchmatch Stereo++	0.11 277	0.09 411	0.16 447	0.18 375	0.08 201	0.06 11	0.11 61	0.16 213	0.13 174	0.15 368	0.16 315	0.14 338	0.12 356	0.11 186	0.10 195	0.06 165	0.04 24	0.08 380	0.06 269	0.08 421	0.07 379
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	0.11 277	0.07 212	0.16 447	0.19 443	0.09 326	0.08 75	0.13 162	0.18 285	0.13 174	0.16 396	0.21 410	0.13 318	0.14 420	0.11 186	0.14 415	0.06 165	0.04 24	0.09 463	0.06 269	0.06 278	0.05 196

OMP-Stereo	0.11 277	0.06 98	0.14 363	0.18 375	0.08 201	0.09 127	0.12 92	0.21 348	0.21 383	0.13 319	0.14 285	0.11 272	0.12 356	0.11 186	0.13 378	0.06 165	0.04 24	0.07 286	0.06 269	0.05 157	0.04 69

IIG-Stereo	0.11 277	0.06 98	0.13 325	0.17 285	0.08 201	0.11 240	0.12 92	0.22 372	0.17 295	0.14 341	0.17 337	0.11 272	0.12 356	0.12 278	0.12 336	0.06 165	0.05 259	0.07 286	0.06 269	0.05 157	0.04 69

NF-Stereo	0.11 277	0.07 212	0.13 325	0.17 285	0.09 326	0.10 189	0.14 226	0.23 393	0.19 344	0.12 289	0.17 337	0.12 292	0.11 325	0.11 186	0.11 275	0.06 165	0.04 24	0.07 286	0.06 269	0.06 278	0.12 557

OCTAStereo	0.11 277	0.07 212	0.13 325	0.17 285	0.09 326	0.10 189	0.14 226	0.23 393	0.19 344	0.12 289	0.17 337	0.12 292	0.11 325	0.11 186	0.11 275	0.06 165	0.04 24	0.07 286	0.06 269	0.06 278	0.12 557

NRIStereo	0.11 277	0.08 330	0.14 363	0.18 375	0.08 201	0.10 189	0.14 226	0.16 213	0.15 231	0.12 289	0.14 285	0.13 318	0.12 356	0.13 330	0.10 195	0.06 165	0.04 24	0.07 286	0.06 269	0.06 278	0.07 379

PSM-adaLoss	0.11 277	0.09 411	0.16 447	0.18 375	0.08 201	0.06 11	0.12 92	0.16 213	0.13 174	0.15 368	0.16 315	0.14 338	0.12 356	0.11 186	0.10 195	0.06 165	0.04 24	0.08 380	0.06 269	0.08 421	0.07 379

PSM-AAD	0.11 277	0.07 212	0.10 178	0.19 443	0.09 326	0.10 189	0.15 307	0.20 325	0.13 174	0.12 289	0.14 285	0.18 418	0.11 325	0.11 186	0.10 195	0.05 49	0.05 259	0.09 463	0.08 439	0.06 278	0.14 596

ROB_FTStereo_v2	0.11 277	0.09 411	0.16 447	0.19 443	0.08 201	0.06 11	0.12 92	0.16 213	0.13 174	0.15 368	0.16 315	0.14 338	0.12 356	0.11 186	0.10 195	0.06 165	0.04 24	0.08 380	0.06 269	0.08 421	0.07 379

ROB_FTStereo	0.11 277	0.09 411	0.16 447	0.19 443	0.08 201	0.06 11	0.11 61	0.16 213	0.13 174	0.15 368	0.16 315	0.14 338	0.12 356	0.11 186	0.10 195	0.06 165	0.04 24	0.08 380	0.06 269	0.08 421	0.07 379

KYRaft	0.11 277	0.07 212	0.10 178	0.19 443	0.09 326	0.08 75	0.15 307	0.22 372	0.12 133	0.13 319	0.16 315	0.20 444	0.10 293	0.12 278	0.10 195	0.05 49	0.04 24	0.08 380	0.08 439	0.06 278	0.16 614

HUI-Stereo	0.11 277	0.09 411	0.16 447	0.18 375	0.08 201	0.06 11	0.12 92	0.16 213	0.13 174	0.15 368	0.16 315	0.14 338	0.12 356	0.11 186	0.10 195	0.06 165	0.04 24	0.08 380	0.06 269	0.08 421	0.07 379

ASMatch	0.11 277	0.06 98	0.13 325	0.16 199	0.10 438	0.07 38	0.14 226	0.17 252	0.17 295	0.12 289	0.16 315	0.16 382	0.10 293	0.13 330	0.10 195	0.05 49	0.04 24	0.06 177	0.05 179	0.04 44	0.08 444

RAFT_R40	0.11 277	0.07 212	0.14 363	0.18 375	0.09 326	0.06 11	0.13 162	0.17 252	0.16 267	0.14 341	0.18 364	0.15 367	0.12 356	0.10 117	0.11 275	0.06 165	0.04 24	0.09 463	0.06 269	0.06 278	0.05 196

GrayStereo	0.11 277	0.06 98	0.11 232	0.19 443	0.09 326	0.09 127	0.16 376	0.18 285	0.17 295	0.14 341	0.17 337	0.17 404	0.11 325	0.12 278	0.11 275	0.05 49	0.05 259	0.07 286	0.06 269	0.05 157	0.10 517

RE-Stereo	0.11 277	0.07 212	0.13 325	0.17 285	0.09 326	0.10 189	0.14 226	0.23 393	0.19 344	0.12 289	0.17 337	0.12 292	0.11 325	0.11 186	0.11 275	0.06 165	0.04 24	0.07 286	0.06 269	0.06 278	0.12 557

Pruner-Stereo	0.11 277	0.07 212	0.12 275	0.17 285	0.09 326	0.06 11	0.12 92	0.17 252	0.17 295	0.13 319	0.19 375	0.13 318	0.09 254	0.11 186	0.11 275	0.06 165	0.04 24	0.07 286	0.06 269	0.06 278	0.08 444

TVStereo	0.11 277	0.07 212	0.13 325	0.17 285	0.09 326	0.10 189	0.14 226	0.23 393	0.19 344	0.12 289	0.17 337	0.12 292	0.11 325	0.11 186	0.11 275	0.06 165	0.04 24	0.07 286	0.06 269	0.06 278	0.12 557

DeepStereo_RVC	0.11 277	0.08 330	0.16 447	0.18 375	0.08 201	0.08 75	0.12 92	0.17 252	0.12 133	0.13 319	0.14 285	0.12 292	0.12 356	0.12 278	0.11 275	0.06 165	0.04 24	0.07 286	0.06 269	0.07 357	0.08 444

iGMRVC	0.11 277	0.09 411	0.16 447	0.19 443	0.08 201	0.06 11	0.12 92	0.16 213	0.13 174	0.15 368	0.16 315	0.14 338	0.12 356	0.11 186	0.10 195	0.06 165	0.04 24	0.08 380	0.06 269	0.08 421	0.07 379

RAFT-RH_RVC	0.11 277	0.06 98	0.14 363	0.16 199	0.09 326	0.12 291	0.12 92	0.17 252	0.12 133	0.13 319	0.41 601	0.11 272	0.10 293	0.13 330	0.12 336	0.05 49	0.04 24	0.08 380	0.05 179	0.04 44	0.06 292

RAFT-345	0.11 277	0.07 212	0.15 411	0.16 199	0.08 201	0.08 75	0.12 92	0.15 176	0.10 65	0.11 248	0.36 564	0.09 207	0.09 254	0.11 186	0.12 336	0.05 49	0.05 259	0.07 286	0.06 269	0.04 44	0.05 196

iRAFT	0.11 277	0.09 411	0.16 447	0.18 375	0.08 201	0.06 11	0.11 61	0.16 213	0.13 174	0.15 368	0.16 315	0.14 338	0.12 356	0.11 186	0.10 195	0.06 165	0.04 24	0.08 380	0.06 269	0.08 421	0.07 379

CRE-IMP	0.11 277	0.09 411	0.16 447	0.19 443	0.08 201	0.10 189	0.12 92	0.18 285	0.10 65	0.14 341	0.13 271	0.13 318	0.12 356	0.12 278	0.11 275	0.07 325	0.04 24	0.08 380	0.06 269	0.08 421	0.08 444

test-2	0.11 277	0.09 411	0.07 10	0.19 443	0.08 201	0.12 291	0.28 620	0.13 104	0.17 295	0.11 248	0.17 337	0.14 338	0.12 356	0.07 4	0.07 1	0.05 49	0.05 259	0.09 463	0.07 366	0.04 44	0.04 69

GMM-Stereo	0.11 277	0.07 212	0.10 178	0.18 375	0.09 326	0.08 75	0.15 307	0.23 393	0.16 267	0.11 248	0.15 302	0.13 318	0.11 325	0.11 186	0.11 275	0.05 49	0.04 24	0.08 380	0.07 366	0.06 278	0.09 488

RAFT-IKP	0.11 277	0.09 411	0.16 447	0.19 443	0.08 201	0.06 11	0.12 92	0.16 213	0.13 174	0.15 368	0.16 315	0.14 338	0.12 356	0.11 186	0.10 195	0.06 165	0.04 24	0.08 380	0.06 269	0.08 421	0.07 379

Prome-Stereo	0.11 277	0.06 98	0.10 178	0.18 375	0.08 201	0.12 291	0.15 307	0.22 372	0.13 174	0.12 289	0.17 337	0.13 318	0.08 221	0.12 278	0.10 195	0.05 49	0.04 24	0.07 286	0.06 269	0.06 278	0.09 488

rafts_anoy	0.11 277	0.06 98	0.10 178	0.17 285	0.08 201	0.10 189	0.14 226	0.17 252	0.14 206	0.13 319	0.13 271	0.12 292	0.10 293	0.11 186	0.12 336	0.07 325	0.04 24	0.09 463	0.11 560	0.07 357	0.06 292

raft+_RVC	0.11 277	0.07 212	0.09 116	0.16 199	0.07 123	0.10 189	0.11 61	0.24 417	0.20 367	0.12 289	0.15 302	0.12 292	0.08 221	0.12 278	0.13 378	0.07 325	0.04 24	0.07 286	0.06 269	0.05 157	0.05 196

RALAANet	0.11 277	0.08 330	0.10 178	0.17 285	0.09 326	0.14 376	0.10 32	0.20 325	0.15 231	0.14 341	0.13 271	0.16 382	0.09 254	0.12 278	0.11 275	0.06 165	0.05 259	0.07 286	0.06 269	0.05 157	0.04 69

DIP-Stereo	0.11 277	0.07 212	0.14 363	0.17 285	0.09 326	0.13 342	0.09 18	0.16 213	0.16 267	0.11 248	0.16 315	0.14 338	0.12 356	0.15 383	0.13 378	0.06 165	0.05 259	0.06 177	0.05 179	0.05 157	0.06 292
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
IGEV_i1	0.12 348	0.07 212	0.12 275	0.16 199	0.08 201	0.19 497	0.14 226	0.18 285	0.22 397	0.18 444	0.18 364	0.16 382	0.12 356	0.16 418	0.14 415	0.06 165	0.05 259	0.06 177	0.05 179	0.06 278	0.06 292

rvit_stereo_0083	0.12 348	0.08 330	0.17 477	0.16 199	0.09 326	0.11 240	0.15 307	0.14 134	0.26 461	0.11 248	0.14 285	0.13 318	0.10 293	0.12 278	0.12 336	0.10 501	0.08 505	0.09 463	0.07 366	0.07 357	0.05 196

rvit_stereo_ft	0.12 348	0.07 212	0.13 325	0.19 443	0.10 438	0.12 291	0.17 417	0.16 213	0.16 267	0.12 289	0.13 271	0.15 367	0.10 293	0.14 359	0.13 378	0.09 460	0.06 403	0.08 380	0.07 366	0.07 357	0.05 196

test_sample2	0.12 348	0.07 212	0.12 275	0.14 54	0.08 201	0.16 432	0.18 466	0.21 348	0.16 267	0.14 341	0.20 387	0.19 432	0.15 438	0.15 383	0.12 336	0.08 400	0.05 259	0.07 286	0.06 269	0.08 421	0.07 379

MyStereo8	0.12 348	0.07 212	0.15 411	0.15 105	0.09 326	0.18 473	0.14 226	0.19 314	0.22 397	0.12 289	0.18 364	0.11 272	0.10 293	0.16 418	0.18 495	0.07 325	0.05 259	0.07 286	0.05 179	0.08 421	0.09 488

CoDeX	0.12 348	0.07 212	0.12 275	0.17 285	0.08 201	0.12 291	0.15 307	0.23 393	0.27 471	0.13 319	0.17 337	0.16 382	0.11 325	0.14 359	0.11 275	0.07 325	0.05 259	0.07 286	0.06 269	0.06 278	0.05 196

11t1	0.12 348	0.06 98	0.13 325	0.14 54	0.08 201	0.17 454	0.15 307	0.18 285	0.15 231	0.15 368	0.15 302	0.16 382	0.16 466	0.15 383	0.13 378	0.08 400	0.05 259	0.06 177	0.05 179	0.08 421	0.07 379

ffm	0.12 348	0.09 411	0.14 363	0.16 199	0.08 201	0.17 454	0.17 417	0.15 176	0.19 344	0.15 368	0.25 470	0.19 432	0.13 396	0.10 117	0.07 1	0.06 165	0.04 24	0.09 463	0.08 439	0.06 278	0.06 292

RAFT_CTSACE	0.12 348	0.09 411	0.10 178	0.22 557	0.08 201	0.12 291	0.24 583	0.18 285	0.16 267	0.20 484	0.27 496	0.13 318	0.07 172	0.13 330	0.09 101	0.05 49	0.06 403	0.08 380	0.07 366	0.04 44	0.04 69

Sa-1000	0.12 348	0.08 330	0.08 54	0.18 375	0.08 201	0.14 376	0.22 559	0.22 372	0.18 326	0.15 368	0.20 387	0.17 404	0.11 325	0.10 117	0.10 195	0.06 165	0.05 259	0.09 463	0.09 486	0.05 157	0.05 196

SA	0.12 348	0.09 411	0.08 54	0.18 375	0.08 201	0.12 291	0.24 583	0.23 393	0.18 326	0.17 414	0.27 496	0.14 338	0.11 325	0.11 186	0.11 275	0.05 49	0.05 259	0.09 463	0.08 439	0.05 157	0.04 69

iRaft-Stereo_5w	0.12 348	0.09 411	0.12 275	0.19 443	0.08 201	0.09 127	0.12 92	0.21 348	0.21 383	0.19 461	0.14 285	0.11 272	0.09 254	0.20 513	0.16 462	0.05 49	0.05 259	0.07 286	0.06 269	0.05 157	0.06 292

CrosDoStereo	0.12 348	0.06 98	0.12 275	0.14 54	0.08 201	0.12 291	0.15 307	0.17 252	0.22 397	0.19 461	0.24 442	0.15 367	0.11 325	0.11 186	0.12 336	0.06 165	0.04 24	0.07 286	0.07 366	0.05 157	0.05 196

PSM-softLoss	0.12 348	0.07 212	0.15 411	0.17 285	0.09 326	0.08 75	0.13 162	0.24 417	0.17 295	0.14 341	0.19 375	0.13 318	0.11 325	0.11 186	0.11 275	0.07 325	0.05 259	0.08 380	0.07 366	0.06 278	0.12 557

KMStereo	0.12 348	0.07 212	0.15 411	0.17 285	0.09 326	0.08 75	0.13 162	0.24 417	0.17 295	0.14 341	0.19 375	0.13 318	0.11 325	0.11 186	0.11 275	0.07 325	0.05 259	0.08 380	0.07 366	0.06 278	0.12 557

FTStereo	0.12 348	0.06 98	0.14 363	0.18 375	0.09 326	0.07 38	0.15 307	0.21 348	0.18 326	0.12 289	0.24 442	0.12 292	0.12 356	0.13 330	0.13 378	0.05 49	0.05 259	0.07 286	0.06 269	0.06 278	0.10 517

DeepStereo_LL	0.12 348	0.06 98	0.12 275	0.14 54	0.08 201	0.12 291	0.15 307	0.17 252	0.22 397	0.19 461	0.24 442	0.15 367	0.11 325	0.11 186	0.12 336	0.06 165	0.04 24	0.07 286	0.07 366	0.05 157	0.05 196

DEmStereo	0.12 348	0.06 98	0.14 363	0.14 54	0.10 438	0.16 432	0.15 307	0.16 213	0.24 426	0.17 414	0.24 442	0.13 318	0.14 420	0.12 278	0.13 378	0.05 49	0.04 24	0.07 286	0.06 269	0.05 157	0.05 196

THIR-Stereo	0.12 348	0.07 212	0.11 232	0.15 105	0.08 201	0.14 376	0.16 376	0.17 252	0.25 447	0.16 396	0.24 442	0.14 338	0.12 356	0.12 278	0.14 415	0.06 165	0.04 24	0.07 286	0.07 366	0.05 157	0.05 196

DRaft	0.12 348	0.06 98	0.11 232	0.14 54	0.09 326	0.14 376	0.17 417	0.21 348	0.30 503	0.17 414	0.28 510	0.10 242	0.15 438	0.10 117	0.12 336	0.05 49	0.04 24	0.07 286	0.06 269	0.05 157	0.05 196

PFNet	0.12 348	0.06 98	0.17 477	0.17 285	0.08 201	0.09 127	0.15 307	0.26 452	0.20 367	0.16 396	0.16 315	0.14 338	0.11 325	0.12 278	0.11 275	0.06 165	0.04 24	0.07 286	0.06 269	0.05 157	0.05 196

IRAFT_RVC	0.12 348	0.08 330	0.16 447	0.19 443	0.08 201	0.07 38	0.15 307	0.24 417	0.23 409	0.14 341	0.14 285	0.15 367	0.12 356	0.12 278	0.10 195	0.06 165	0.04 24	0.09 463	0.06 269	0.06 278	0.06 292

sCroCo_RVC	0.12 348	0.09 411	0.23 549	0.24 590	0.11 488	0.19 497	0.14 226	0.17 252	0.14 206	0.10 214	0.13 271	0.12 292	0.07 172	0.14 359	0.11 275	0.08 400	0.08 505	0.08 380	0.08 439	0.05 157	0.07 379

ARAFT	0.12 348	0.08 330	0.17 477	0.19 443	0.09 326	0.14 376	0.18 466	0.20 325	0.12 133	0.12 289	0.13 271	0.14 338	0.11 325	0.15 383	0.12 336	0.06 165	0.05 259	0.10 511	0.09 486	0.05 157	0.04 69

BEATNet_4x	0.12 348	0.08 330	0.14 363	0.18 375	0.07 123	0.15 402	0.07 3	0.22 372	0.18 326	0.16 396	0.19 375	0.18 418	0.14 420	0.16 418	0.15 446	0.07 325	0.05 259	0.05 43	0.05 179	0.06 278	0.06 292

MLCV	0.12 348	0.07 212	0.16 447	0.18 375	0.06 26	0.15 402	0.17 417	0.19 314	0.21 383	0.18 444	0.25 470	0.17 404	0.13 396	0.14 359	0.13 378	0.05 49	0.04 24	0.05 43	0.04 52	0.05 157	0.04 69

RT-IGEV	0.13 374	0.06 98	0.13 325	0.15 105	0.09 326	0.15 402	0.17 417	0.24 417	0.27 471	0.16 396	0.17 337	0.17 404	0.10 293	0.14 359	0.11 275	0.08 400	0.05 259	0.07 286	0.05 179	0.07 357	0.07 379

Selective-IGEV-i16pc	0.13 374	0.06 98	0.13 325	0.15 105	0.11 488	0.38 630	0.16 376	0.23 393	0.16 267	0.10 214	0.15 302	0.09 207	0.06 62	0.13 330	0.10 195	0.10 501	0.08 505	0.06 177	0.07 366	0.09 484	0.09 488

Selective-IGEV-i1	0.13 374	0.07 212	0.12 275	0.19 443	0.08 201	0.18 473	0.16 376	0.22 372	0.30 503	0.16 396	0.17 337	0.16 382	0.10 293	0.14 359	0.13 378	0.06 165	0.05 259	0.06 177	0.05 179	0.06 278	0.05 196

G2L-ROB	0.13 374	0.06 98	0.13 325	0.13 16	0.08 201	0.14 376	0.16 376	0.25 434	0.18 326	0.19 461	0.18 364	0.20 444	0.14 420	0.17 451	0.16 462	0.08 400	0.05 259	0.06 177	0.05 179	0.08 421	0.09 488

xyz-stereo	0.13 374	0.07 212	0.20 525	0.15 105	0.05 2	0.20 513	0.15 307	0.17 252	0.31 511	0.15 368	0.29 522	0.26 519	0.16 466	0.13 330	0.12 336	0.05 49	0.05 259	0.06 177	0.05 179	0.04 44	0.04 69

DFGA-Net	0.13 374	0.11 499	0.18 501	0.17 285	0.10 438	0.12 291	0.13 162	0.22 372	0.25 447	0.16 396	0.16 315	0.13 318	0.12 356	0.16 418	0.14 415	0.07 325	0.05 259	0.08 380	0.07 366	0.05 157	0.05 196

FACV-RUCA	0.13 374	0.11 499	0.12 275	0.19 443	0.12 522	0.15 402	0.15 307	0.22 372	0.20 367	0.15 368	0.16 315	0.14 338	0.16 466	0.14 359	0.13 378	0.07 325	0.05 259	0.08 380	0.06 269	0.10 517	0.08 444

UGAM	0.13 374	0.10 473	0.09 116	0.22 557	0.08 201	0.12 291	0.20 529	0.17 252	0.23 409	0.21 498	0.16 315	0.13 318	0.13 396	0.19 488	0.12 336	0.07 325	0.05 259	0.13 577	0.11 560	0.07 357	0.05 196

test_sample1	0.13 374	0.07 212	0.14 363	0.13 16	0.08 201	0.19 497	0.16 376	0.20 325	0.15 231	0.14 341	0.22 421	0.18 418	0.16 466	0.17 451	0.14 415	0.07 325	0.06 403	0.06 177	0.06 269	0.08 421	0.07 379

qqq1	0.13 374	0.07 212	0.17 477	0.14 54	0.08 201	0.16 432	0.17 417	0.26 452	0.27 471	0.19 461	0.20 387	0.18 418	0.15 438	0.15 383	0.11 275	0.08 400	0.05 259	0.05 43	0.05 179	0.06 278	0.06 292

fff1	0.13 374	0.07 212	0.17 477	0.14 54	0.08 201	0.16 432	0.17 417	0.26 452	0.27 471	0.19 461	0.20 387	0.18 418	0.15 438	0.15 383	0.11 275	0.08 400	0.05 259	0.05 43	0.05 179	0.06 278	0.06 292

MyStereo05	0.13 374	0.07 212	0.10 178	0.17 285	0.09 326	0.13 342	0.18 466	0.27 473	0.35 546	0.17 414	0.14 285	0.15 367	0.11 325	0.15 383	0.13 378	0.06 165	0.05 259	0.07 286	0.07 366	0.06 278	0.06 292

MyStereo04	0.13 374	0.07 212	0.10 178	0.17 285	0.09 326	0.14 376	0.18 466	0.29 506	0.38 564	0.17 414	0.14 285	0.16 382	0.10 293	0.15 383	0.13 378	0.06 165	0.05 259	0.08 380	0.07 366	0.06 278	0.06 292

ff1	0.13 374	0.09 411	0.14 363	0.16 199	0.08 201	0.17 454	0.17 417	0.15 176	0.19 344	0.15 368	0.25 470	0.19 432	0.13 396	0.14 359	0.20 514	0.06 165	0.04 24	0.09 463	0.08 439	0.06 278	0.06 292

StereoVision	0.13 374	0.12 517	0.09 116	0.24 590	0.10 438	0.15 402	0.21 549	0.21 348	0.20 367	0.12 289	0.24 442	0.10 242	0.10 293	0.16 418	0.10 195	0.09 460	0.11 571	0.12 562	0.12 580	0.06 278	0.05 196

LL-Strereo	0.13 374	0.09 411	0.11 232	0.20 509	0.10 438	0.11 240	0.18 466	0.32 542	0.24 426	0.15 368	0.15 302	0.14 338	0.13 396	0.19 488	0.11 275	0.06 165	0.04 24	0.09 463	0.08 439	0.04 44	0.05 196

CASS	0.13 374	0.12 517	0.11 232	0.23 581	0.09 326	0.15 402	0.17 417	0.18 285	0.19 344	0.17 414	0.18 364	0.15 367	0.15 438	0.14 359	0.14 415	0.09 460	0.06 403	0.10 511	0.08 439	0.09 484	0.07 379
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 374	0.07 212	0.13 325	0.18 375	0.09 326	0.13 342	0.17 417	0.19 314	0.29 493	0.15 368	0.24 442	0.15 367	0.14 420	0.14 359	0.14 415	0.07 325	0.05 259	0.07 286	0.09 486	0.05 157	0.06 292

TestStereo1	0.13 374	0.08 330	0.08 54	0.19 443	0.08 201	0.18 473	0.29 630	0.23 393	0.16 267	0.17 414	0.20 387	0.16 382	0.10 293	0.12 278	0.13 378	0.06 165	0.06 403	0.08 380	0.06 269	0.05 157	0.05 196

qqq	0.13 374	0.09 411	0.15 411	0.16 199	0.08 201	0.13 342	0.15 307	0.23 393	0.16 267	0.15 368	0.19 375	0.16 382	0.16 466	0.15 383	0.16 462	0.07 325	0.06 403	0.08 380	0.08 439	0.07 357	0.07 379

x	0.13 374	0.07 212	0.14 363	0.14 54	0.08 201	0.18 473	0.14 226	0.22 372	0.20 367	0.15 368	0.19 375	0.19 432	0.17 489	0.18 473	0.18 495	0.07 325	0.05 259	0.06 177	0.06 269	0.07 357	0.07 379

raft_robust	0.13 374	0.10 473	0.07 10	0.18 375	0.08 201	0.13 342	0.24 583	0.28 492	0.33 525	0.20 484	0.19 375	0.14 338	0.10 293	0.11 186	0.12 336	0.05 49	0.05 259	0.07 286	0.07 366	0.05 157	0.04 69

RAFT+CT+SA	0.13 374	0.11 499	0.09 116	0.19 443	0.09 326	0.15 402	0.28 620	0.22 372	0.22 397	0.15 368	0.26 487	0.10 242	0.10 293	0.11 186	0.12 336	0.05 49	0.04 24	0.07 286	0.08 439	0.07 357	0.06 292

SA-5K	0.13 374	0.08 330	0.08 54	0.19 443	0.08 201	0.18 473	0.29 630	0.23 393	0.16 267	0.17 414	0.20 387	0.16 382	0.10 293	0.12 278	0.13 378	0.06 165	0.06 403	0.08 380	0.06 269	0.05 157	0.05 196

GwcNet-ADL	0.13 374	0.08 330	0.14 363	0.20 509	0.09 326	0.11 240	0.20 529	0.30 520	0.24 426	0.13 319	0.14 285	0.18 418	0.14 420	0.13 330	0.14 415	0.07 325	0.05 259	0.06 177	0.05 179	0.07 357	0.06 292

GANet-ADL	0.13 374	0.07 212	0.15 411	0.17 285	0.10 438	0.18 473	0.15 307	0.30 520	0.20 367	0.13 319	0.18 364	0.19 432	0.12 356	0.16 418	0.13 378	0.08 400	0.06 403	0.06 177	0.05 179	0.07 357	0.08 444

RAFT	0.13 374	0.09 411	0.11 232	0.18 375	0.08 201	0.15 402	0.24 583	0.20 325	0.19 344	0.21 498	0.21 410	0.17 404	0.12 356	0.16 418	0.09 101	0.06 165	0.07 475	0.10 511	0.09 486	0.05 157	0.05 196

TestStereo	0.13 374	0.14 557	0.11 232	0.23 581	0.08 201	0.15 402	0.21 549	0.20 325	0.23 409	0.14 341	0.24 442	0.16 382	0.12 356	0.16 418	0.14 415	0.05 49	0.06 403	0.08 380	0.06 269	0.09 484	0.05 196

sAnonymous2	0.13 374	0.12 517	0.24 553	0.20 509	0.12 522	0.17 454	0.13 162	0.26 452	0.21 383	0.11 248	0.11 232	0.13 318	0.08 221	0.10 117	0.10 195	0.09 460	0.05 259	0.08 380	0.06 269	0.15 604	0.10 517

CroCo_RVC	0.13 374	0.12 517	0.24 553	0.20 509	0.12 522	0.17 454	0.13 162	0.26 452	0.21 383	0.11 248	0.11 232	0.13 318	0.08 221	0.10 117	0.10 195	0.09 460	0.05 259	0.08 380	0.06 269	0.15 604	0.10 517

RAFT + AFF	0.13 374	0.07 212	0.20 525	0.20 509	0.10 438	0.14 376	0.24 583	0.26 452	0.20 367	0.11 248	0.10 183	0.12 292	0.10 293	0.15 383	0.12 336	0.07 325	0.06 403	0.09 463	0.08 439	0.06 278	0.08 444

GMStereo	0.13 374	0.14 557	0.14 363	0.18 375	0.09 326	0.15 402	0.16 376	0.20 325	0.24 426	0.16 396	0.17 337	0.10 242	0.10 293	0.16 418	0.13 378	0.07 325	0.06 403	0.06 177	0.06 269	0.07 357	0.06 292
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 374	0.07 212	0.14 363	0.17 285	0.09 326	0.15 402	0.16 376	0.28 492	0.27 471	0.14 341	0.17 337	0.12 292	0.13 396	0.14 359	0.11 275	0.08 400	0.05 259	0.07 286	0.07 366	0.07 357	0.06 292

FENet	0.13 374	0.08 330	0.12 275	0.16 199	0.08 201	0.14 376	0.15 307	0.22 372	0.23 409	0.17 414	0.23 430	0.16 382	0.12 356	0.14 359	0.15 446	0.08 400	0.05 259	0.08 380	0.08 439	0.07 357	0.07 379

cf-r	0.13 374	0.07 212	0.12 275	0.16 199	0.08 201	0.14 376	0.19 506	0.20 325	0.25 447	0.17 414	0.25 470	0.21 453	0.16 466	0.14 359	0.14 415	0.10 501	0.05 259	0.06 177	0.08 439	0.06 278	0.06 292

iResNet	0.13 374	0.10 473	0.18 501	0.19 443	0.08 201	0.13 342	0.18 466	0.20 325	0.26 461	0.15 368	0.23 430	0.15 367	0.13 396	0.14 359	0.14 415	0.06 165	0.04 24	0.06 177	0.05 179	0.06 278	0.05 196

DN-CSS_ROB	0.13 374	0.13 545	0.16 447	0.18 375	0.10 438	0.16 432	0.08 7	0.22 372	0.18 326	0.17 414	0.22 421	0.13 318	0.13 396	0.12 278	0.13 378	0.05 49	0.05 259	0.10 511	0.10 526	0.08 421	0.06 292

Selective-IGEV-i16pb	0.14 411	0.08 330	0.17 477	0.15 105	0.11 488	0.41 635	0.16 376	0.28 492	0.23 409	0.11 248	0.20 387	0.10 242	0.07 172	0.17 451	0.12 336	0.10 501	0.07 475	0.06 177	0.08 439	0.09 484	0.10 517

G2L-Stereo_test	0.14 411	0.07 212	0.11 232	0.13 16	0.08 201	0.12 291	0.16 376	0.30 520	0.28 486	0.20 484	0.23 430	0.20 444	0.16 466	0.17 451	0.18 495	0.07 325	0.05 259	0.05 43	0.05 179	0.07 357	0.06 292

coex_refinement	0.14 411	0.07 212	0.12 275	0.17 285	0.10 438	0.15 402	0.15 307	0.26 452	0.29 493	0.18 444	0.20 387	0.22 471	0.17 489	0.16 418	0.18 495	0.08 400	0.05 259	0.06 177	0.06 269	0.09 484	0.08 444

G2L-Stereo	0.14 411	0.07 212	0.13 325	0.17 285	0.09 326	0.13 342	0.12 92	0.27 473	0.22 397	0.16 396	0.27 496	0.21 453	0.13 396	0.17 451	0.18 495	0.09 460	0.08 505	0.08 380	0.07 366	0.07 357	0.07 379

rvit_0105_6	0.14 411	0.09 411	0.18 501	0.17 285	0.10 438	0.10 189	0.16 376	0.19 314	0.26 461	0.12 289	0.18 364	0.17 404	0.12 356	0.18 473	0.12 336	0.15 601	0.11 571	0.12 562	0.10 526	0.09 484	0.06 292

rvit_0105_5	0.14 411	0.09 411	0.13 325	0.17 285	0.09 326	0.14 376	0.23 570	0.24 417	0.27 471	0.14 341	0.15 302	0.18 418	0.12 356	0.17 451	0.14 415	0.14 597	0.11 571	0.10 511	0.10 526	0.08 421	0.06 292

rvit_0105_4	0.14 411	0.09 411	0.17 477	0.17 285	0.10 438	0.12 291	0.19 506	0.23 393	0.27 471	0.14 341	0.20 387	0.17 404	0.13 396	0.17 451	0.13 378	0.15 601	0.11 571	0.11 542	0.10 526	0.09 484	0.06 292

DCVSM-stereo	0.14 411	0.09 411	0.16 447	0.16 199	0.10 438	0.15 402	0.09 18	0.19 314	0.23 409	0.20 484	0.23 430	0.26 519	0.15 438	0.18 473	0.14 415	0.09 460	0.07 475	0.09 463	0.08 439	0.10 517	0.12 557

test_sample6	0.14 411	0.08 330	0.13 325	0.16 199	0.08 201	0.17 454	0.19 506	0.25 434	0.17 295	0.17 414	0.27 496	0.19 432	0.14 420	0.15 383	0.13 378	0.08 400	0.05 259	0.08 380	0.07 366	0.08 421	0.08 444

test_sample5	0.14 411	0.08 330	0.14 363	0.16 199	0.08 201	0.18 473	0.18 466	0.25 434	0.17 295	0.17 414	0.27 496	0.18 418	0.14 420	0.16 418	0.13 378	0.08 400	0.05 259	0.08 380	0.07 366	0.08 421	0.08 444

test_sample4	0.14 411	0.08 330	0.14 363	0.15 105	0.08 201	0.19 497	0.18 466	0.26 452	0.17 295	0.16 396	0.25 470	0.18 418	0.14 420	0.16 418	0.13 378	0.08 400	0.06 403	0.08 380	0.06 269	0.08 421	0.08 444

test_sample3	0.14 411	0.08 330	0.15 411	0.14 54	0.09 326	0.19 497	0.17 417	0.26 452	0.18 326	0.16 396	0.22 421	0.19 432	0.15 438	0.17 451	0.13 378	0.08 400	0.06 403	0.07 286	0.06 269	0.09 484	0.08 444

DispNO	0.14 411	0.08 330	0.17 477	0.19 443	0.12 522	0.11 240	0.21 549	0.23 393	0.29 493	0.17 414	0.23 430	0.18 418	0.17 489	0.15 383	0.15 446	0.07 325	0.05 259	0.08 380	0.08 439	0.07 357	0.06 292

SMFormer	0.14 411	0.07 212	0.17 477	0.14 54	0.08 201	0.16 432	0.17 417	0.26 452	0.27 471	0.19 461	0.20 387	0.18 418	0.15 438	0.15 383	0.17 477	0.08 400	0.05 259	0.07 286	0.06 269	0.07 357	0.06 292

tta	0.14 411	0.07 212	0.17 477	0.14 54	0.08 201	0.16 432	0.17 417	0.26 452	0.27 471	0.19 461	0.20 387	0.18 418	0.15 438	0.15 383	0.17 477	0.08 400	0.05 259	0.07 286	0.06 269	0.06 278	0.06 292

mmm	0.14 411	0.08 330	0.17 477	0.17 285	0.09 326	0.17 454	0.18 466	0.21 348	0.15 231	0.15 368	0.23 430	0.21 453	0.16 466	0.16 418	0.17 477	0.08 400	0.05 259	0.08 380	0.07 366	0.07 357	0.07 379

DualNet	0.14 411	0.08 330	0.14 363	0.16 199	0.08 201	0.18 473	0.18 466	0.25 434	0.17 295	0.17 414	0.27 496	0.18 418	0.14 420	0.16 418	0.13 378	0.08 400	0.05 259	0.08 380	0.07 366	0.08 421	0.08 444

mmx	0.14 411	0.09 411	0.14 363	0.16 199	0.08 201	0.17 454	0.17 417	0.27 473	0.25 447	0.15 368	0.25 470	0.19 432	0.13 396	0.14 359	0.20 514	0.08 400	0.06 403	0.09 463	0.08 439	0.08 421	0.08 444

xxx	0.14 411	0.09 411	0.14 363	0.16 199	0.08 201	0.17 454	0.17 417	0.27 473	0.25 447	0.15 368	0.25 470	0.19 432	0.13 396	0.14 359	0.20 514	0.08 400	0.06 403	0.09 463	0.08 439	0.08 421	0.08 444

PCWNet_CMD	0.14 411	0.08 330	0.15 411	0.17 285	0.09 326	0.14 376	0.14 226	0.29 506	0.36 550	0.14 341	0.20 387	0.21 453	0.12 356	0.17 451	0.13 378	0.07 325	0.05 259	0.07 286	0.07 366	0.07 357	0.07 379

CBFPSM	0.14 411	0.06 98	0.26 561	0.17 285	0.09 326	0.13 342	0.15 307	0.22 372	0.23 409	0.20 484	0.27 496	0.24 495	0.16 466	0.16 418	0.18 495	0.06 165	0.06 403	0.06 177	0.07 366	0.07 357	0.07 379

gwcnet-sp	0.14 411	0.07 212	0.12 275	0.18 375	0.09 326	0.16 432	0.17 417	0.24 417	0.24 426	0.18 444	0.24 442	0.15 367	0.16 466	0.15 383	0.15 446	0.08 400	0.06 403	0.07 286	0.08 439	0.08 421	0.07 379

scenet	0.14 411	0.07 212	0.12 275	0.18 375	0.09 326	0.16 432	0.17 417	0.24 417	0.24 426	0.18 444	0.24 442	0.15 367	0.16 466	0.15 383	0.15 446	0.08 400	0.06 403	0.07 286	0.08 439	0.08 421	0.07 379

ssnet	0.14 411	0.07 212	0.12 275	0.18 375	0.09 326	0.16 432	0.17 417	0.24 417	0.24 426	0.18 444	0.24 442	0.15 367	0.16 466	0.15 383	0.15 446	0.08 400	0.06 403	0.07 286	0.08 439	0.08 421	0.07 379

BUS	0.14 411	0.09 411	0.14 363	0.22 557	0.10 438	0.19 497	0.14 226	0.34 571	0.19 344	0.17 414	0.22 421	0.16 382	0.13 396	0.15 383	0.13 378	0.08 400	0.06 403	0.10 511	0.09 486	0.07 357	0.07 379

IER	0.14 411	0.07 212	0.13 325	0.17 285	0.09 326	0.14 376	0.16 376	0.25 434	0.26 461	0.18 444	0.25 470	0.17 404	0.20 531	0.16 418	0.14 415	0.08 400	0.05 259	0.07 286	0.06 269	0.08 421	0.07 379

test_5	0.14 411	0.12 517	0.08 54	0.20 509	0.10 438	0.14 376	0.29 630	0.21 348	0.24 426	0.18 444	0.28 510	0.11 272	0.15 438	0.12 278	0.13 378	0.06 165	0.05 259	0.07 286	0.08 439	0.08 421	0.07 379

psmg	0.14 411	0.09 411	0.14 363	0.17 285	0.10 438	0.15 402	0.17 417	0.29 506	0.19 344	0.17 414	0.21 410	0.25 509	0.16 466	0.15 383	0.14 415	0.08 400	0.06 403	0.08 380	0.08 439	0.07 357	0.06 292

UDGNet	0.14 411	0.13 545	0.16 447	0.17 285	0.10 438	0.12 291	0.16 376	0.21 348	0.27 471	0.20 484	0.20 387	0.16 382	0.13 396	0.16 418	0.13 378	0.10 501	0.06 403	0.09 463	0.07 366	0.06 278	0.07 379

CFNet_pseudo	0.14 411	0.08 330	0.15 411	0.16 199	0.09 326	0.13 342	0.14 226	0.27 473	0.34 537	0.14 341	0.21 410	0.22 471	0.13 396	0.18 473	0.14 415	0.07 325	0.05 259	0.08 380	0.06 269	0.07 357	0.07 379

GES	0.14 411	0.08 330	0.16 447	0.15 105	0.10 438	0.13 342	0.13 162	0.28 492	0.25 447	0.16 396	0.23 430	0.18 418	0.13 396	0.16 418	0.13 378	0.08 400	0.07 475	0.07 286	0.06 269	0.08 421	0.09 488

GANet-RSSM	0.14 411	0.07 212	0.13 325	0.13 16	0.08 201	0.14 376	0.17 417	0.22 372	0.21 383	0.17 414	0.24 442	0.23 489	0.15 438	0.16 418	0.15 446	0.10 501	0.06 403	0.07 286	0.08 439	0.08 421	0.07 379

PSMNet-RSSM	0.14 411	0.07 212	0.13 325	0.15 105	0.08 201	0.13 342	0.16 376	0.24 417	0.24 426	0.16 396	0.28 510	0.22 471	0.14 420	0.15 383	0.13 378	0.11 532	0.06 403	0.09 463	0.12 580	0.08 421	0.07 379

GwcNet-RSSM	0.14 411	0.07 212	0.12 275	0.15 105	0.08 201	0.15 402	0.20 529	0.21 348	0.27 471	0.18 444	0.27 496	0.22 471	0.16 466	0.14 359	0.15 446	0.10 501	0.05 259	0.07 286	0.09 486	0.07 357	0.07 379

CFNet-ft	0.14 411	0.07 212	0.15 411	0.12 5	0.09 326	0.16 432	0.18 466	0.22 372	0.24 426	0.17 414	0.26 487	0.24 495	0.14 420	0.16 418	0.14 415	0.11 532	0.06 403	0.08 380	0.09 486	0.09 484	0.08 444

DMCA	0.14 411	0.09 411	0.16 447	0.19 443	0.09 326	0.15 402	0.17 417	0.23 393	0.27 471	0.14 341	0.19 375	0.17 404	0.18 503	0.15 383	0.17 477	0.10 501	0.06 403	0.08 380	0.06 269	0.09 484	0.10 517

RASNet	0.14 411	0.07 212	0.14 363	0.16 199	0.08 201	0.18 473	0.14 226	0.29 506	0.20 367	0.17 414	0.25 470	0.21 453	0.18 503	0.20 513	0.19 508	0.07 325	0.06 403	0.06 177	0.08 439	0.06 278	0.06 292

MSMDNet	0.14 411	0.08 330	0.15 411	0.17 285	0.09 326	0.14 376	0.14 226	0.29 506	0.36 550	0.14 341	0.21 410	0.21 453	0.12 356	0.17 451	0.14 415	0.07 325	0.05 259	0.07 286	0.07 366	0.07 357	0.07 379

HSM-Net_RVC	0.14 411	0.08 330	0.11 232	0.15 105	0.08 201	0.15 402	0.15 307	0.27 473	0.29 493	0.19 461	0.21 410	0.29 545	0.14 420	0.17 451	0.13 378	0.06 165	0.06 403	0.06 177	0.06 269	0.07 357	0.06 292
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 411	0.07 212	0.15 411	0.12 5	0.09 326	0.16 432	0.18 466	0.22 372	0.24 426	0.17 414	0.26 487	0.24 495	0.14 420	0.16 418	0.14 415	0.11 532	0.06 403	0.08 380	0.09 486	0.09 484	0.08 444

ccs_rob	0.14 411	0.08 330	0.15 411	0.16 199	0.09 326	0.12 291	0.14 226	0.27 473	0.34 537	0.14 341	0.21 410	0.22 471	0.13 396	0.18 473	0.14 415	0.07 325	0.05 259	0.08 380	0.07 366	0.07 357	0.07 379

UCFNet_RVC	0.14 411	0.08 330	0.13 325	0.11 1	0.10 438	0.20 513	0.10 32	0.24 417	0.22 397	0.17 414	0.20 387	0.23 489	0.15 438	0.17 451	0.15 446	0.12 557	0.07 475	0.10 511	0.13 591	0.11 540	0.10 517

iResNetv2_ROB	0.14 411	0.08 330	0.15 411	0.16 199	0.08 201	0.16 432	0.12 92	0.25 434	0.35 546	0.21 498	0.29 522	0.24 495	0.13 396	0.14 359	0.14 415	0.06 165	0.05 259	0.06 177	0.04 52	0.09 484	0.08 444

iResNet_ROB	0.14 411	0.07 212	0.13 325	0.14 54	0.07 123	0.18 473	0.14 226	0.26 452	0.31 511	0.22 514	0.25 470	0.23 489	0.15 438	0.15 383	0.13 378	0.07 325	0.05 259	0.05 43	0.04 52	0.08 421	0.08 444

DDVS	0.15 455	0.10 473	0.21 534	0.16 199	0.12 522	0.15 402	0.14 226	0.25 434	0.19 344	0.18 444	0.29 522	0.27 527	0.12 356	0.19 488	0.15 446	0.09 460	0.06 403	0.09 463	0.07 366	0.11 540	0.11 544

rvit_0105_3	0.15 455	0.09 411	0.14 363	0.19 443	0.12 522	0.15 402	0.25 598	0.25 434	0.29 493	0.15 368	0.17 337	0.20 444	0.13 396	0.17 451	0.14 415	0.13 583	0.11 571	0.12 562	0.14 595	0.07 357	0.06 292

ACV-stereo	0.15 455	0.10 473	0.28 573	0.18 375	0.12 522	0.14 376	0.12 92	0.23 393	0.21 383	0.19 461	0.23 430	0.22 471	0.15 438	0.23 554	0.17 477	0.07 325	0.06 403	0.07 286	0.07 366	0.07 357	0.07 379

ITSA-stereo	0.15 455	0.10 473	0.14 363	0.19 443	0.08 201	0.12 291	0.14 226	0.30 520	0.49 610	0.17 414	0.19 375	0.22 471	0.15 438	0.17 451	0.16 462	0.10 501	0.06 403	0.08 380	0.08 439	0.08 421	0.08 444

test_sample7	0.15 455	0.10 473	0.16 447	0.14 54	0.11 488	0.16 432	0.16 376	0.27 473	0.23 409	0.20 484	0.20 387	0.24 495	0.19 519	0.16 418	0.16 462	0.12 557	0.06 403	0.10 511	0.09 486	0.10 517	0.10 517

1111x	0.15 455	0.08 330	0.12 275	0.18 375	0.07 123	0.18 473	0.25 598	0.31 531	0.24 426	0.17 414	0.24 442	0.26 519	0.15 438	0.13 330	0.23 555	0.07 325	0.07 475	0.08 380	0.09 486	0.07 357	0.06 292

CFNet_ucs	0.15 455	0.08 330	0.16 447	0.16 199	0.11 488	0.14 376	0.14 226	0.30 520	0.34 537	0.16 396	0.24 442	0.23 489	0.14 420	0.18 473	0.15 446	0.09 460	0.06 403	0.08 380	0.07 366	0.09 484	0.09 488

BSDual-CNN	0.15 455	0.09 411	0.14 363	0.22 557	0.10 438	0.14 376	0.15 307	0.34 571	0.19 344	0.17 414	0.22 421	0.25 509	0.16 466	0.15 383	0.14 415	0.08 400	0.06 403	0.10 511	0.09 486	0.07 357	0.07 379

hknet	0.15 455	0.11 499	0.13 325	0.22 557	0.11 488	0.14 376	0.15 307	0.34 571	0.25 447	0.17 414	0.22 421	0.22 471	0.18 503	0.17 451	0.12 336	0.07 325	0.06 403	0.10 511	0.09 486	0.07 357	0.07 379

dd	0.15 455	0.16 575	0.16 447	0.19 443	0.09 326	0.15 402	0.18 466	0.21 348	0.25 447	0.23 527	0.20 387	0.21 453	0.09 254	0.21 530	0.16 462	0.10 501	0.06 403	0.08 380	0.06 269	0.08 421	0.06 292

DAS	0.15 455	0.08 330	0.18 501	0.19 443	0.10 438	0.19 497	0.17 417	0.27 473	0.29 493	0.18 444	0.25 470	0.21 453	0.15 438	0.16 418	0.12 336	0.08 400	0.06 403	0.06 177	0.06 269	0.07 357	0.07 379

SepStereo	0.15 455	0.08 330	0.18 501	0.19 443	0.10 438	0.19 497	0.17 417	0.27 473	0.29 493	0.18 444	0.25 470	0.21 453	0.15 438	0.25 569	0.12 336	0.08 400	0.06 403	0.06 177	0.06 269	0.07 357	0.07 379

PSMNet-ADL	0.15 455	0.12 517	0.13 325	0.22 557	0.09 326	0.13 342	0.20 529	0.26 452	0.23 409	0.18 444	0.20 387	0.24 495	0.16 466	0.18 473	0.17 477	0.08 400	0.08 505	0.08 380	0.11 560	0.08 421	0.07 379

LMCR-Stereo	0.15 455	0.08 330	0.13 325	0.21 541	0.09 326	0.17 454	0.20 529	0.27 473	0.19 344	0.24 536	0.24 442	0.23 489	0.17 489	0.20 513	0.17 477	0.07 325	0.06 403	0.08 380	0.06 269	0.10 517	0.08 444

ICVP	0.15 455	0.09 411	0.12 275	0.22 557	0.09 326	0.17 454	0.21 549	0.25 434	0.23 409	0.18 444	0.30 529	0.26 519	0.18 503	0.17 451	0.14 415	0.09 460	0.07 475	0.08 380	0.07 366	0.07 357	0.07 379
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 455	0.07 212	0.14 363	0.14 54	0.08 201	0.23 555	0.18 466	0.31 531	0.19 344	0.14 341	0.28 510	0.22 471	0.14 420	0.15 383	0.26 589	0.09 460	0.05 259	0.07 286	0.07 366	0.08 421	0.07 379

test_xeample	0.15 455	0.06 98	0.13 325	0.14 54	0.08 201	0.21 530	0.20 529	0.28 492	0.20 367	0.16 396	0.29 522	0.19 432	0.16 466	0.15 383	0.26 589	0.09 460	0.05 259	0.07 286	0.07 366	0.07 357	0.07 379

ACVNet	0.15 455	0.09 411	0.15 411	0.13 16	0.12 522	0.14 376	0.20 529	0.22 372	0.33 525	0.17 414	0.26 487	0.21 453	0.16 466	0.17 451	0.21 534	0.07 325	0.06 403	0.06 177	0.06 269	0.08 421	0.06 292

acv_ft	0.15 455	0.09 411	0.15 411	0.19 443	0.10 438	0.16 432	0.17 417	0.25 434	0.33 525	0.19 461	0.26 487	0.21 453	0.17 489	0.17 451	0.18 495	0.07 325	0.06 403	0.06 177	0.06 269	0.08 421	0.06 292

CFNet	0.15 455	0.10 473	0.17 477	0.17 285	0.08 201	0.18 473	0.09 18	0.28 492	0.25 447	0.19 461	0.24 442	0.24 495	0.17 489	0.17 451	0.14 415	0.08 400	0.06 403	0.09 463	0.10 526	0.07 357	0.06 292

AdaStereo	0.15 455	0.11 499	0.15 411	0.18 375	0.09 326	0.20 513	0.11 61	0.32 542	0.28 486	0.20 484	0.23 430	0.20 444	0.13 396	0.19 488	0.14 415	0.12 557	0.05 259	0.10 511	0.07 366	0.09 484	0.07 379
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	0.15 455	0.08 330	0.14 363	0.16 199	0.09 326	0.16 432	0.14 226	0.28 492	0.25 447	0.19 461	0.23 430	0.37 599	0.16 466	0.20 513	0.15 446	0.07 325	0.05 259	0.07 286	0.06 269	0.07 357	0.06 292

pmcnn	0.15 455	0.07 212	0.19 513	0.15 105	0.07 123	0.20 513	0.15 307	0.24 417	0.26 461	0.21 498	0.34 557	0.28 537	0.18 503	0.18 473	0.17 477	0.07 325	0.05 259	0.05 43	0.04 52	0.07 357	0.06 292

DStereoRT	0.16 478	0.06 98	0.11 232	0.19 443	0.09 326	0.12 291	0.12 92	0.28 492	0.22 397	0.12 289	0.20 387	0.11 272	0.10 293	0.15 383	0.14 415	0.06 165	0.05 259	0.96 678	0.09 486	0.05 157	0.04 69

DualNet (step1)	0.16 478	0.12 517	0.20 525	0.12 5	0.14 566	0.17 454	0.13 162	0.27 473	0.23 409	0.20 484	0.20 387	0.24 495	0.19 519	0.16 418	0.16 462	0.15 601	0.06 403	0.14 590	0.14 595	0.14 588	0.12 557

GMStereo_Zeroshot	0.16 478	0.13 545	0.24 553	0.20 509	0.10 438	0.17 454	0.13 162	0.29 506	0.25 447	0.23 527	0.32 541	0.25 509	0.11 325	0.19 488	0.14 415	0.09 460	0.06 403	0.11 542	0.06 269	0.12 555	0.08 444

iinet-f	0.16 478	0.06 98	0.45 618	0.14 54	0.10 438	0.21 530	0.14 226	0.27 473	0.23 409	0.21 498	0.24 442	0.21 453	0.15 438	0.18 473	0.21 534	0.09 460	0.07 475	0.07 286	0.06 269	0.09 484	0.10 517

CRFU-Net	0.16 478	0.08 330	0.14 363	0.17 285	0.09 326	0.19 497	0.14 226	0.26 452	0.20 367	0.28 576	0.27 496	0.29 545	0.17 489	0.19 488	0.17 477	0.09 460	0.09 538	0.07 286	0.07 366	0.08 421	0.08 444

NINENet	0.16 478	0.10 473	0.15 411	0.17 285	0.11 488	0.19 497	0.14 226	0.40 615	0.36 550	0.18 444	0.21 410	0.16 382	0.13 396	0.15 383	0.13 378	0.08 400	0.08 505	0.10 511	0.07 366	0.10 517	0.09 488

CSP-Net	0.16 478	0.09 411	0.14 363	0.16 199	0.09 326	0.19 497	0.17 417	0.25 434	0.32 518	0.25 549	0.30 529	0.24 495	0.15 438	0.21 530	0.18 495	0.09 460	0.06 403	0.07 286	0.07 366	0.08 421	0.07 379

AASNet	0.16 478	0.08 330	0.12 275	0.19 443	0.09 326	0.18 473	0.15 307	0.37 599	0.37 557	0.19 461	0.23 430	0.20 444	0.16 466	0.17 451	0.20 514	0.10 501	0.08 505	0.08 380	0.07 366	0.09 484	0.09 488

AACVNet	0.16 478	0.08 330	0.14 363	0.15 105	0.10 438	0.18 473	0.15 307	0.23 393	0.24 426	0.27 561	0.27 496	0.28 537	0.17 489	0.19 488	0.16 462	0.09 460	0.07 475	0.09 463	0.07 366	0.10 517	0.09 488

ADLNet2	0.16 478	0.09 411	0.13 325	0.16 199	0.09 326	0.20 513	0.16 376	0.31 531	0.39 567	0.16 396	0.20 387	0.20 444	0.18 503	0.21 530	0.22 543	0.08 400	0.06 403	0.07 286	0.07 366	0.09 484	0.07 379

Anonymous3	0.16 478	0.13 545	0.33 593	0.26 606	0.14 566	0.27 591	0.17 417	0.28 492	0.28 486	0.15 368	0.17 337	0.14 338	0.10 293	0.15 383	0.12 336	0.08 400	0.08 505	0.08 380	0.08 439	0.08 421	0.11 544

ADLNet	0.16 478	0.08 330	0.15 411	0.16 199	0.10 438	0.16 432	0.17 417	0.32 542	0.27 471	0.22 514	0.27 496	0.24 495	0.16 466	0.18 473	0.21 534	0.10 501	0.06 403	0.10 511	0.10 526	0.08 421	0.09 488

HCRNet	0.16 478	0.24 622	0.12 275	0.35 640	0.11 488	0.15 402	0.17 417	0.26 452	0.22 397	0.19 461	0.24 442	0.21 453	0.14 420	0.15 383	0.13 378	0.11 532	0.07 475	0.11 542	0.10 526	0.09 484	0.07 379

222	0.16 478	0.07 212	0.14 363	0.14 54	0.08 201	0.24 560	0.18 466	0.30 520	0.20 367	0.17 414	0.28 510	0.17 404	0.16 466	0.15 383	0.40 644	0.10 501	0.05 259	0.07 286	0.06 269	0.07 357	0.08 444

UPFNet	0.16 478	0.08 330	0.12 275	0.20 509	0.12 522	0.20 513	0.23 570	0.28 492	0.26 461	0.17 414	0.24 442	0.22 471	0.19 519	0.19 488	0.21 534	0.09 460	0.07 475	0.08 380	0.09 486	0.08 421	0.06 292

ac_64	0.16 478	0.08 330	0.15 411	0.18 375	0.10 438	0.22 539	0.18 466	0.24 417	0.21 383	0.18 444	0.24 442	0.29 545	0.18 503	0.19 488	0.22 543	0.09 460	0.07 475	0.08 380	0.09 486	0.07 357	0.06 292

DSFCA	0.16 478	0.09 411	0.14 363	0.16 199	0.10 438	0.20 513	0.19 506	0.28 492	0.31 511	0.23 527	0.24 442	0.22 471	0.15 438	0.19 488	0.20 514	0.10 501	0.07 475	0.09 463	0.09 486	0.08 421	0.08 444

FADNet-RVC-Resample	0.16 478	0.11 499	0.31 586	0.22 557	0.11 488	0.19 497	0.14 226	0.25 434	0.24 426	0.24 536	0.27 496	0.20 444	0.15 438	0.16 418	0.15 446	0.07 325	0.08 505	0.12 562	0.10 526	0.09 484	0.10 517

FADNet_RVC	0.16 478	0.14 557	0.40 611	0.20 509	0.11 488	0.13 342	0.13 162	0.26 452	0.22 397	0.21 498	0.23 430	0.20 444	0.17 489	0.14 359	0.16 462	0.08 400	0.08 505	0.12 562	0.09 486	0.11 540	0.10 517

AANet_RVC	0.16 478	0.10 473	0.10 178	0.18 375	0.09 326	0.18 473	0.19 506	0.26 452	0.31 511	0.22 514	0.35 561	0.21 453	0.21 535	0.22 543	0.16 462	0.06 165	0.05 259	0.06 177	0.06 269	0.07 357	0.06 292

DeepPruner_ROB	0.16 478	0.11 499	0.15 411	0.17 285	0.10 438	0.17 454	0.15 307	0.32 542	0.21 383	0.19 461	0.21 410	0.22 471	0.18 503	0.20 513	0.15 446	0.13 583	0.09 538	0.09 463	0.09 486	0.11 540	0.10 517

z-ln-s-r	0.17 499	0.10 473	0.40 611	0.19 443	0.08 201	0.17 454	0.18 466	0.22 372	0.33 525	0.18 444	0.40 590	0.22 471	0.17 489	0.20 513	0.23 555	0.07 325	0.05 259	0.07 286	0.07 366	0.07 357	0.05 196

rvit_stereo_0075_2	0.17 499	0.12 517	0.25 558	0.23 581	0.16 597	0.13 342	0.10 32	0.30 520	0.27 471	0.20 484	0.28 510	0.22 471	0.15 438	0.18 473	0.13 378	0.16 617	0.10 559	0.17 612	0.10 526	0.10 517	0.09 488

ToySt	0.17 499	0.11 499	0.18 501	0.17 285	0.11 488	0.16 432	0.25 598	0.24 417	0.33 525	0.19 461	0.24 442	0.26 519	0.24 558	0.19 488	0.20 514	0.07 325	0.08 505	0.09 463	0.10 526	0.09 484	0.08 444

ssnet_v2	0.17 499	0.10 473	0.17 477	0.17 285	0.11 488	0.21 530	0.21 549	0.33 562	0.25 447	0.22 514	0.22 421	0.27 527	0.18 503	0.22 543	0.20 514	0.11 532	0.09 538	0.09 463	0.09 486	0.08 421	0.08 444

dad	0.17 499	0.20 607	0.20 525	0.16 199	0.11 488	0.20 513	0.18 466	0.21 348	0.28 486	0.30 590	0.24 442	0.29 545	0.13 396	0.19 488	0.16 462	0.18 623	0.09 538	0.11 542	0.09 486	0.11 540	0.07 379

GEStereo_RVC	0.17 499	0.12 517	0.15 411	0.22 557	0.11 488	0.19 497	0.17 417	0.32 542	0.48 603	0.20 484	0.25 470	0.17 404	0.13 396	0.21 530	0.16 462	0.10 501	0.06 403	0.08 380	0.07 366	0.09 484	0.08 444

MMNet	0.17 499	0.09 411	0.16 447	0.20 509	0.11 488	0.27 591	0.20 529	0.25 434	0.41 576	0.22 514	0.30 529	0.21 453	0.20 531	0.17 451	0.20 514	0.06 165	0.06 403	0.07 286	0.07 366	0.08 421	0.07 379

delet	0.17 499	0.08 330	0.17 477	0.19 443	0.11 488	0.20 513	0.21 549	0.30 520	0.37 557	0.17 414	0.26 487	0.19 432	0.19 519	0.19 488	0.21 534	0.08 400	0.08 505	0.09 463	0.11 560	0.06 278	0.06 292

UNet	0.17 499	0.09 411	0.18 501	0.19 443	0.12 522	0.27 591	0.19 506	0.33 562	0.29 493	0.21 498	0.24 442	0.23 489	0.19 519	0.19 488	0.18 495	0.07 325	0.06 403	0.08 380	0.07 366	0.08 421	0.06 292

HGLStereo	0.17 499	0.08 330	0.19 513	0.17 285	0.12 522	0.18 473	0.18 466	0.31 531	0.32 518	0.21 498	0.32 541	0.25 509	0.18 503	0.19 488	0.20 514	0.09 460	0.09 538	0.07 286	0.07 366	0.09 484	0.10 517

DMCA-RVC	0.17 499	0.10 473	0.15 411	0.24 590	0.11 488	0.18 473	0.18 466	0.25 434	0.24 426	0.21 498	0.26 487	0.25 509	0.27 581	0.18 473	0.20 514	0.12 557	0.08 505	0.13 577	0.10 526	0.10 517	0.08 444

TDLM	0.17 499	0.12 517	0.13 325	0.24 590	0.10 438	0.18 473	0.18 466	0.36 593	0.30 503	0.21 498	0.28 510	0.28 537	0.18 503	0.23 554	0.18 495	0.11 532	0.07 475	0.10 511	0.10 526	0.08 421	0.08 444

NLCA_NET_v2_RVC	0.17 499	0.10 473	0.22 540	0.20 509	0.10 438	0.15 402	0.18 466	0.31 531	0.25 447	0.21 498	0.30 529	0.25 509	0.17 489	0.21 530	0.20 514	0.09 460	0.06 403	0.08 380	0.08 439	0.07 357	0.08 444
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	0.17 499	0.12 517	0.15 411	0.20 509	0.09 326	0.18 473	0.18 466	0.26 452	0.23 409	0.26 555	0.40 590	0.22 471	0.17 489	0.21 530	0.20 514	0.08 400	0.05 259	0.09 463	0.10 526	0.07 357	0.07 379
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 513	0.08 330	0.19 513	0.19 443	0.13 545	0.15 402	0.12 92	0.30 520	0.32 518	0.21 498	0.25 470	0.27 527	0.17 489	0.17 451	0.20 514	0.20 631	0.08 505	0.14 590	0.14 595	0.14 588	0.17 623

test_sample9	0.18 513	0.12 517	0.20 525	0.12 5	0.14 566	0.17 454	0.13 162	0.27 473	0.23 409	0.20 484	0.20 387	0.24 495	0.19 519	0.19 488	0.17 477	0.15 601	0.30 653	0.14 590	0.14 595	0.14 588	0.12 557

fast-acv-ft	0.18 513	0.11 499	0.19 513	0.19 443	0.12 522	0.24 560	0.21 549	0.25 434	0.34 537	0.22 514	0.34 557	0.27 527	0.20 531	0.21 530	0.23 555	0.09 460	0.09 538	0.08 380	0.10 526	0.08 421	0.07 379

HBP-ISP	0.18 513	0.13 545	0.16 447	0.15 105	0.11 488	0.08 75	0.13 162	0.28 492	0.29 493	0.22 514	0.33 553	0.21 453	0.25 567	0.23 554	0.17 477	0.14 597	0.16 621	0.21 626	0.17 622	0.10 517	0.08 444

Wz-Net-LNSev-Ref	0.18 513	0.09 411	0.29 581	0.15 105	0.10 438	0.22 539	0.20 529	0.26 452	0.39 567	0.25 549	0.42 607	0.24 495	0.15 438	0.20 513	0.19 508	0.07 325	0.05 259	0.06 177	0.05 179	0.10 517	0.09 488

SACVNet	0.18 513	0.12 517	0.14 363	0.17 285	0.13 545	0.22 539	0.18 466	0.31 531	0.30 503	0.23 527	0.31 537	0.30 555	0.22 544	0.22 543	0.17 477	0.11 532	0.08 505	0.10 511	0.10 526	0.12 555	0.14 596

psm_up	0.18 513	0.10 473	0.18 501	0.20 509	0.11 488	0.17 454	0.19 506	0.37 599	0.34 537	0.21 498	0.28 510	0.29 545	0.24 558	0.20 513	0.22 543	0.09 460	0.10 559	0.11 542	0.11 560	0.08 421	0.08 444

hitnet-ft	0.18 513	0.09 411	0.17 477	0.14 54	0.09 326	0.26 581	0.20 529	0.25 434	0.26 461	0.24 536	0.32 541	0.31 568	0.22 544	0.24 564	0.21 534	0.12 557	0.07 475	0.10 511	0.08 439	0.12 555	0.11 544

STTStereo	0.18 513	0.12 517	0.27 568	0.20 509	0.11 488	0.16 432	0.21 549	0.29 506	0.23 409	0.21 498	0.30 529	0.29 545	0.18 503	0.20 513	0.19 508	0.12 557	0.11 571	0.11 542	0.14 595	0.09 484	0.08 444

CVANet_RVC	0.18 513	0.10 473	0.14 363	0.21 541	0.10 438	0.18 473	0.17 417	0.34 571	0.33 525	0.22 514	0.31 537	0.28 537	0.18 503	0.23 554	0.17 477	0.12 557	0.08 505	0.12 562	0.11 560	0.09 484	0.07 379

StereoDRNet	0.18 513	0.11 499	0.17 477	0.22 557	0.11 488	0.21 530	0.22 559	0.37 599	0.33 525	0.24 536	0.28 510	0.30 555	0.19 519	0.20 513	0.20 514	0.09 460	0.08 505	0.11 542	0.09 486	0.09 484	0.07 379

DLCB_ROB	0.18 513	0.10 473	0.15 411	0.23 581	0.11 488	0.24 560	0.18 466	0.29 506	0.28 486	0.27 561	0.28 510	0.28 537	0.24 558	0.19 488	0.20 514	0.08 400	0.08 505	0.09 463	0.09 486	0.07 357	0.07 379

TCMNet	0.19 525	0.12 517	0.19 513	0.20 509	0.18 619	0.20 513	0.24 583	0.27 473	0.36 550	0.23 527	0.26 487	0.25 509	0.19 519	0.19 488	0.23 555	0.13 583	0.11 571	0.11 542	0.12 580	0.13 574	0.12 557

rvit_105_1	0.19 525	0.11 499	0.25 558	0.21 541	0.16 597	0.21 530	0.27 614	0.31 531	0.41 576	0.19 461	0.20 387	0.22 471	0.17 489	0.19 488	0.17 477	0.12 557	0.12 587	0.13 577	0.15 611	0.08 421	0.07 379

test_sample8	0.19 525	0.12 517	0.20 525	0.12 5	0.14 566	0.17 454	0.13 162	0.31 531	0.21 383	0.27 561	0.22 421	0.36 594	0.25 567	0.19 488	0.17 477	0.15 601	0.30 653	0.14 590	0.14 595	0.14 588	0.12 557

SDNR	0.19 525	0.08 330	0.19 513	0.16 199	0.12 522	0.77 666	0.14 226	0.25 434	0.32 518	0.19 461	0.24 442	0.19 432	0.13 396	0.19 488	0.15 446	0.16 617	0.18 628	0.14 590	0.11 560	0.08 421	0.11 544

pcwnet_v2	0.19 525	0.10 473	0.26 561	0.17 285	0.14 566	0.18 473	0.15 307	0.37 599	0.46 601	0.19 461	0.24 442	0.21 453	0.19 519	0.20 513	0.19 508	0.13 583	0.10 559	0.10 511	0.10 526	0.11 540	0.13 579

ADCRef	0.19 525	0.12 517	0.41 614	0.20 509	0.12 522	0.22 539	0.18 466	0.32 542	0.36 550	0.26 555	0.32 541	0.17 404	0.23 552	0.24 564	0.24 568	0.07 325	0.06 403	0.09 463	0.09 486	0.08 421	0.08 444

NVstereo2D	0.19 525	0.10 473	0.15 411	0.17 285	0.15 586	0.28 598	0.23 570	0.44 632	0.42 584	0.15 368	0.27 496	0.25 509	0.19 519	0.22 543	0.17 477	0.09 460	0.06 403	0.10 511	0.08 439	0.15 604	0.09 488

DRN-Test	0.19 525	0.11 499	0.20 525	0.22 557	0.10 438	0.22 539	0.22 559	0.39 611	0.37 557	0.24 536	0.32 541	0.26 519	0.21 535	0.22 543	0.24 568	0.11 532	0.07 475	0.11 542	0.10 526	0.09 484	0.07 379

DISCO	0.19 525	0.09 411	0.22 540	0.17 285	0.10 438	0.25 571	0.18 466	0.27 473	0.44 594	0.22 514	0.31 537	0.33 581	0.26 573	0.28 586	0.28 605	0.08 400	0.06 403	0.07 286	0.07 366	0.09 484	0.09 488

CBMV_ROB	0.19 525	0.13 545	0.17 477	0.16 199	0.11 488	0.15 402	0.13 162	0.26 452	0.28 486	0.27 561	0.30 529	0.27 527	0.24 558	0.23 554	0.16 462	0.15 601	0.17 626	0.22 630	0.20 628	0.10 517	0.11 544

NOSS_ROB	0.19 525	0.12 517	0.18 501	0.16 199	0.12 522	0.15 402	0.12 92	0.30 520	0.32 518	0.20 484	0.22 421	0.27 527	0.23 552	0.21 530	0.16 462	0.16 617	0.18 628	0.23 631	0.21 630	0.12 555	0.13 579

CBMV	0.19 525	0.14 557	0.17 477	0.18 375	0.10 438	0.20 513	0.11 61	0.29 506	0.30 503	0.29 585	0.30 529	0.30 555	0.23 552	0.27 574	0.19 508	0.13 583	0.15 617	0.17 612	0.16 615	0.10 517	0.10 517
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 537	0.14 557	0.37 606	0.22 557	0.12 522	0.20 513	0.21 549	0.28 492	0.37 557	0.25 549	0.37 570	0.27 527	0.22 544	0.21 530	0.23 555	0.08 400	0.08 505	0.09 463	0.09 486	0.10 517	0.09 488

YMNet	0.20 537	0.12 517	0.19 513	0.20 509	0.14 566	0.26 581	0.23 570	0.32 542	0.34 537	0.27 561	0.34 557	0.30 555	0.18 503	0.18 473	0.22 543	0.10 501	0.13 602	0.10 511	0.10 526	0.08 421	0.09 488

YMNet_1	0.20 537	0.12 517	0.19 513	0.20 509	0.14 566	0.26 581	0.23 570	0.32 542	0.34 537	0.27 561	0.34 557	0.30 555	0.18 503	0.18 473	0.22 543	0.10 501	0.13 602	0.10 511	0.10 526	0.08 421	0.09 488

GwcNet	0.20 537	0.13 545	0.19 513	0.18 375	0.12 522	0.24 560	0.19 506	0.35 586	0.43 589	0.20 484	0.32 541	0.33 581	0.20 531	0.22 543	0.24 568	0.11 532	0.09 538	0.09 463	0.09 486	0.09 484	0.10 517

FAT-Stereo	0.20 537	0.12 517	0.22 540	0.21 541	0.12 522	0.17 454	0.18 466	0.34 571	0.39 567	0.27 561	0.37 570	0.34 588	0.32 612	0.21 530	0.20 514	0.09 460	0.11 571	0.10 511	0.09 486	0.11 540	0.14 596

FADNet-RVC	0.20 537	0.20 607	0.38 608	0.21 541	0.16 597	0.20 513	0.15 307	0.26 452	0.26 461	0.26 555	0.32 541	0.26 519	0.21 535	0.22 543	0.19 508	0.12 557	0.13 602	0.12 562	0.14 595	0.13 574	0.18 626

S-Stereo	0.20 537	0.12 517	0.25 558	0.21 541	0.13 545	0.20 513	0.18 466	0.32 542	0.43 589	0.23 527	0.36 564	0.28 537	0.30 604	0.19 488	0.22 543	0.09 460	0.12 587	0.10 511	0.10 526	0.13 574	0.13 579

SuperB	0.20 537	0.10 473	0.56 634	0.16 199	0.09 326	0.18 473	0.18 466	0.24 417	0.50 613	0.26 555	0.39 584	0.17 404	0.21 535	0.22 543	0.21 534	0.08 400	0.06 403	0.06 177	0.06 269	0.12 555	0.10 517

ADCP+	0.20 537	0.10 473	0.33 593	0.20 509	0.12 522	0.22 539	0.26 607	0.31 531	0.34 537	0.26 555	0.37 570	0.22 471	0.22 544	0.27 574	0.27 597	0.09 460	0.06 403	0.08 380	0.08 439	0.09 484	0.10 517

PS-NSSS	0.20 537	0.21 613	0.23 549	0.20 509	0.10 438	0.19 497	0.17 417	0.36 593	0.25 447	0.27 561	0.33 553	0.27 527	0.24 558	0.20 513	0.20 514	0.15 601	0.12 587	0.17 612	0.14 595	0.10 517	0.08 444

PWCDC_ROB	0.20 537	0.13 545	0.22 540	0.24 590	0.11 488	0.19 497	0.15 307	0.33 562	0.54 623	0.29 585	0.50 623	0.21 453	0.15 438	0.27 574	0.20 514	0.11 532	0.09 538	0.10 511	0.08 439	0.11 540	0.09 488

SGM-Forest	0.20 537	0.14 557	0.18 501	0.19 443	0.13 545	0.20 513	0.22 559	0.33 562	0.30 503	0.24 536	0.29 522	0.28 537	0.19 519	0.23 554	0.17 477	0.15 601	0.16 621	0.15 602	0.14 595	0.12 555	0.12 557
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 549	0.17 586	0.19 513	0.23 581	0.15 586	0.30 605	0.20 529	0.33 562	0.35 546	0.23 527	0.28 510	0.31 568	0.27 581	0.20 513	0.22 543	0.15 601	0.12 587	0.13 577	0.09 486	0.14 588	0.14 596

FINET	0.21 549	0.18 597	0.26 561	0.18 375	0.16 597	0.23 555	0.23 570	0.32 542	0.48 603	0.25 549	0.32 541	0.22 471	0.22 544	0.22 543	0.17 477	0.18 623	0.16 621	0.11 542	0.10 526	0.15 604	0.13 579

Syn2CoEx	0.21 549	0.16 575	0.27 568	0.29 631	0.14 566	0.26 581	0.20 529	0.33 562	0.31 511	0.28 576	0.36 564	0.27 527	0.25 567	0.19 488	0.24 568	0.16 617	0.12 587	0.14 590	0.11 560	0.09 484	0.08 444

FADNet	0.21 549	0.22 617	0.36 602	0.18 375	0.17 612	0.24 560	0.13 162	0.31 531	0.31 511	0.23 527	0.25 470	0.27 527	0.21 535	0.19 488	0.15 446	0.13 583	0.15 617	0.12 562	0.15 611	0.16 613	0.18 626

RP	0.21 549	0.13 545	0.21 534	0.23 581	0.11 488	0.21 530	0.20 529	0.25 434	0.44 594	0.21 498	0.38 576	0.36 594	0.24 558	0.27 574	0.25 578	0.11 532	0.12 587	0.13 577	0.12 580	0.12 555	0.14 596

DANet	0.21 549	0.15 567	0.28 573	0.25 601	0.13 545	0.22 539	0.19 506	0.27 473	0.27 471	0.28 576	0.32 541	0.35 592	0.31 608	0.31 596	0.23 555	0.11 532	0.09 538	0.11 542	0.10 526	0.13 574	0.11 544
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 549	0.12 517	0.21 534	0.24 590	0.13 545	0.22 539	0.22 559	0.41 621	0.26 461	0.31 596	0.42 607	0.37 599	0.28 592	0.23 554	0.22 543	0.10 501	0.12 587	0.10 511	0.09 486	0.10 517	0.08 444

PWC_ROB	0.21 549	0.16 575	0.26 561	0.18 375	0.11 488	0.22 539	0.13 162	0.32 542	0.49 610	0.30 590	0.40 590	0.32 577	0.24 558	0.31 596	0.22 543	0.10 501	0.07 475	0.11 542	0.08 439	0.11 540	0.10 517

PSMNet_ROB	0.21 549	0.11 499	0.15 411	0.27 619	0.15 586	0.24 560	0.35 647	0.43 630	0.37 557	0.27 561	0.32 541	0.32 577	0.22 544	0.21 530	0.26 589	0.12 557	0.08 505	0.13 577	0.11 560	0.09 484	0.09 488

MSAF-DinoV2	0.22 558	0.11 499	0.23 549	0.17 285	0.10 438	0.27 591	0.16 376	0.37 599	0.55 624	0.21 498	0.27 496	0.47 633	0.27 581	0.35 615	0.39 641	0.09 460	0.06 403	0.07 286	0.09 486	0.12 555	0.10 517

GASNet	0.22 558	0.23 619	0.33 593	0.26 606	0.17 612	0.26 581	0.16 376	0.44 632	0.42 584	0.27 561	0.24 442	0.30 555	0.15 438	0.27 574	0.18 495	0.12 557	0.08 505	0.12 562	0.11 560	0.16 613	0.07 379

Anonymous_2	0.22 558	0.17 586	0.28 573	0.15 105	0.16 597	0.32 607	0.22 559	0.22 372	0.17 295	0.23 527	0.24 442	0.26 519	0.27 581	0.27 574	0.23 555	0.22 640	0.25 649	0.17 612	0.17 622	0.17 621	0.17 623

Wz-Net-LNSev	0.22 558	0.16 575	0.38 608	0.21 541	0.13 545	0.25 571	0.23 570	0.32 542	0.43 589	0.30 590	0.41 601	0.31 568	0.18 503	0.22 543	0.25 578	0.10 501	0.09 538	0.08 380	0.08 439	0.12 555	0.11 544

Wz-Net-MNSev	0.22 558	0.13 545	0.31 586	0.20 509	0.14 566	0.36 626	0.24 583	0.33 562	0.44 594	0.28 576	0.40 590	0.38 603	0.19 519	0.24 564	0.25 578	0.09 460	0.07 475	0.09 463	0.09 486	0.12 555	0.10 517

DDUNet	0.22 558	0.17 586	0.21 534	0.22 557	0.15 586	0.25 571	0.24 583	0.29 506	0.30 503	0.31 596	0.36 564	0.33 581	0.25 567	0.24 564	0.20 514	0.18 623	0.13 602	0.17 612	0.11 560	0.16 613	0.16 614

APVNet	0.22 558	0.12 517	0.19 513	0.18 375	0.14 566	0.32 607	0.31 643	0.39 611	0.32 518	0.27 561	0.40 590	0.30 555	0.29 600	0.26 571	0.25 578	0.11 532	0.12 587	0.11 542	0.14 595	0.12 555	0.12 557

aanetorigin	0.22 558	0.17 586	0.56 634	0.17 285	0.10 438	0.15 402	0.19 506	0.20 325	0.33 525	0.49 638	0.48 618	0.29 545	0.27 581	0.20 513	0.23 555	0.08 400	0.07 475	0.08 380	0.07 366	0.10 517	0.09 488

MaskLacGwcNet_RVC	0.22 558	0.21 613	0.24 553	0.26 606	0.11 488	0.23 555	0.14 226	0.39 611	0.24 426	0.32 602	0.36 564	0.30 555	0.21 535	0.19 488	0.21 534	0.17 622	0.14 611	0.21 626	0.16 615	0.12 555	0.12 557

AF-Net	0.22 558	0.17 586	0.17 477	0.26 606	0.13 545	0.25 571	0.24 583	0.32 542	0.50 613	0.25 549	0.33 553	0.38 603	0.26 573	0.28 586	0.25 578	0.11 532	0.10 559	0.16 609	0.11 560	0.11 540	0.10 517

stereogan	0.22 558	0.11 499	0.21 534	0.20 509	0.12 522	0.31 606	0.19 506	0.35 586	0.44 594	0.22 514	0.39 584	0.35 592	0.27 581	0.33 606	0.22 543	0.10 501	0.12 587	0.10 511	0.10 526	0.14 588	0.13 579

edge stereo	0.22 558	0.13 545	0.20 525	0.21 541	0.13 545	0.23 555	0.16 376	0.32 542	0.42 584	0.32 602	0.40 590	0.38 603	0.35 622	0.25 569	0.24 568	0.13 583	0.11 571	0.14 590	0.11 560	0.12 555	0.13 579

RYNet	0.22 558	0.12 517	0.22 540	0.19 443	0.17 612	0.46 637	0.26 607	0.38 607	0.48 603	0.24 536	0.28 510	0.34 588	0.23 552	0.20 513	0.30 616	0.10 501	0.06 403	0.09 463	0.09 486	0.13 574	0.15 603

NaN_ROB	0.22 558	0.19 601	0.24 553	0.25 601	0.13 545	0.29 602	0.26 607	0.33 562	0.41 576	0.31 596	0.31 537	0.32 577	0.23 552	0.30 595	0.21 534	0.11 532	0.17 626	0.10 511	0.10 526	0.08 421	0.09 488

MDST_ROB	0.22 558	0.10 473	0.17 477	0.18 375	0.11 488	0.37 627	0.19 506	0.43 630	0.41 576	0.39 619	0.39 584	0.29 545	0.21 535	0.26 571	0.18 495	0.11 532	0.10 559	0.14 590	0.11 560	0.10 517	0.08 444

XPNet_ROB	0.22 558	0.11 499	0.19 513	0.22 557	0.13 545	0.22 539	0.19 506	0.34 571	0.40 573	0.30 590	0.39 584	0.39 611	0.26 573	0.26 571	0.28 605	0.15 601	0.10 559	0.10 511	0.10 526	0.13 574	0.12 557

SQANet	0.23 574	0.23 619	0.30 584	0.30 633	0.19 623	0.27 591	0.13 162	0.29 506	0.33 525	0.24 536	0.37 570	0.31 568	0.22 544	0.27 574	0.23 555	0.15 601	0.10 559	0.21 626	0.16 615	0.21 629	0.15 603

Nwc_Net	0.23 574	0.16 575	0.21 534	0.25 601	0.14 566	0.24 560	0.26 607	0.37 599	0.38 564	0.22 514	0.41 601	0.30 555	0.28 592	0.28 586	0.25 578	0.11 532	0.10 559	0.17 612	0.20 628	0.10 517	0.10 517

RTSC	0.23 574	0.12 517	0.28 573	0.21 541	0.13 545	0.28 598	0.16 376	0.35 586	0.66 649	0.27 561	0.33 553	0.30 555	0.21 535	0.31 596	0.29 609	0.10 501	0.08 505	0.09 463	0.10 526	0.13 574	0.13 579

PA-Net	0.23 574	0.18 597	0.33 593	0.28 622	0.22 632	0.21 530	0.38 652	0.29 506	0.39 567	0.22 514	0.32 541	0.25 509	0.26 573	0.20 513	0.25 578	0.09 460	0.23 646	0.15 602	0.22 633	0.09 484	0.13 579
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 574	0.15 567	0.17 477	0.34 638	0.18 619	0.24 560	0.23 570	0.34 571	0.28 486	0.31 596	0.38 576	0.38 603	0.28 592	0.23 554	0.24 568	0.15 601	0.12 587	0.18 621	0.21 630	0.13 574	0.13 579

ETE_ROB	0.23 574	0.17 586	0.22 540	0.25 601	0.13 545	0.26 581	0.29 630	0.31 531	0.36 550	0.28 576	0.36 564	0.45 625	0.26 573	0.27 574	0.26 589	0.11 532	0.08 505	0.12 562	0.09 486	0.14 588	0.13 579

SGM_RVC	0.23 574	0.12 517	0.15 411	0.15 105	0.09 326	0.33 614	0.18 466	0.34 571	0.31 511	0.44 633	0.37 570	0.53 641	0.35 622	0.35 615	0.24 568	0.13 583	0.13 602	0.13 577	0.13 591	0.10 517	0.11 544
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 581	0.18 597	0.18 501	0.20 509	0.14 566	0.21 530	0.19 506	0.32 542	0.41 576	0.29 585	0.21 410	0.32 577	0.27 581	0.41 640	0.27 597	0.46 661	0.12 587	0.31 649	0.11 560	0.15 604	0.12 557

z-mn7	0.24 581	0.14 557	0.45 618	0.19 443	0.13 545	0.28 598	0.25 598	0.34 571	0.62 640	0.27 561	0.56 635	0.29 545	0.24 558	0.32 603	0.25 578	0.08 400	0.08 505	0.08 380	0.08 439	0.10 517	0.10 517

w-ln-seven	0.24 581	0.14 557	0.55 631	0.19 443	0.14 566	0.26 581	0.22 559	0.35 586	0.60 637	0.29 585	0.39 584	0.30 555	0.22 544	0.21 530	0.26 589	0.09 460	0.09 538	0.11 542	0.10 526	0.11 540	0.10 517

DGSMNet	0.24 581	0.19 601	0.33 593	0.21 541	0.24 637	0.24 560	0.20 529	0.35 586	0.41 576	0.24 536	0.32 541	0.38 603	0.21 535	0.29 592	0.23 555	0.12 557	0.11 571	0.14 590	0.16 615	0.23 633	0.23 637

G-Net	0.24 581	0.16 575	0.36 602	0.22 557	0.16 597	0.51 643	0.23 570	0.29 506	0.34 537	0.36 612	0.38 576	0.31 568	0.29 600	0.27 574	0.26 589	0.11 532	0.09 538	0.12 562	0.09 486	0.16 613	0.13 579

NCC-stereo	0.24 581	0.15 567	0.31 586	0.26 606	0.16 597	0.20 513	0.30 637	0.40 615	0.40 573	0.24 536	0.38 576	0.33 581	0.28 592	0.36 621	0.27 597	0.12 557	0.11 571	0.15 602	0.22 633	0.13 574	0.13 579

Abc-Net	0.24 581	0.15 567	0.31 586	0.26 606	0.16 597	0.20 513	0.30 637	0.40 615	0.40 573	0.24 536	0.38 576	0.33 581	0.28 592	0.36 621	0.27 597	0.12 557	0.11 571	0.15 602	0.22 633	0.13 574	0.13 579
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 581	0.11 499	0.47 623	0.22 557	0.12 522	0.34 617	0.29 630	0.29 506	0.56 627	0.24 536	0.46 615	0.30 555	0.30 604	0.29 592	0.29 609	0.08 400	0.07 475	0.09 463	0.09 486	0.10 517	0.10 517

DeepPrunerF	0.24 581	0.17 586	0.42 616	0.26 606	0.16 597	0.22 539	0.28 620	0.37 599	0.50 613	0.26 555	0.29 522	0.24 495	0.28 592	0.21 530	0.22 543	0.15 601	0.11 571	0.20 625	0.18 626	0.12 555	0.13 579

FBW_ROB	0.24 581	0.17 586	0.22 540	0.26 606	0.14 566	0.25 571	0.22 559	0.41 621	0.41 576	0.41 626	0.41 601	0.42 618	0.27 581	0.31 596	0.23 555	0.09 460	0.14 611	0.14 590	0.12 580	0.11 540	0.09 488

SANet	0.24 581	0.14 557	0.28 573	0.21 541	0.11 488	0.27 591	0.24 583	0.38 607	0.64 645	0.36 612	0.40 590	0.43 621	0.26 573	0.27 574	0.24 568	0.12 557	0.09 538	0.10 511	0.09 486	0.13 574	0.11 544

WCMA_ROB	0.24 581	0.11 499	0.22 540	0.17 285	0.14 566	0.32 607	0.15 307	0.32 542	0.32 518	0.38 617	0.53 626	0.40 615	0.34 619	0.34 609	0.25 578	0.11 532	0.12 587	0.12 562	0.10 526	0.14 588	0.14 596

DStereoSA	0.25 593	0.19 601	0.37 606	0.26 606	0.17 612	0.22 539	0.20 529	0.49 642	0.59 633	0.22 514	0.29 522	0.29 545	0.33 614	0.39 632	0.28 605	0.12 557	0.11 571	0.16 609	0.14 595	0.14 588	0.12 557

zh-sn7	0.25 593	0.17 586	0.50 625	0.24 590	0.13 545	0.25 571	0.24 583	0.34 571	0.48 603	0.28 576	0.54 628	0.28 537	0.31 608	0.36 621	0.32 624	0.10 501	0.10 559	0.11 542	0.10 526	0.12 555	0.12 557

zh-mn7	0.25 593	0.14 557	0.56 634	0.19 443	0.14 566	0.24 560	0.22 559	0.34 571	0.62 640	0.35 609	0.65 644	0.31 568	0.25 567	0.31 596	0.25 578	0.09 460	0.08 505	0.09 463	0.09 486	0.09 484	0.11 544

Wz-Net-SNSev	0.25 593	0.17 586	0.44 617	0.25 601	0.14 566	0.26 581	0.23 570	0.38 607	0.56 627	0.30 590	0.55 630	0.39 611	0.26 573	0.23 554	0.30 616	0.10 501	0.09 538	0.09 463	0.10 526	0.11 540	0.11 544

psmorigin	0.25 593	0.15 567	0.34 601	0.17 285	0.13 545	0.23 555	0.14 226	0.34 571	0.33 525	0.41 626	0.55 630	0.41 617	0.37 626	0.34 609	0.27 597	0.11 532	0.15 617	0.11 542	0.11 560	0.12 555	0.16 614

RGC	0.25 593	0.20 607	0.29 581	0.28 622	0.16 597	0.22 539	0.23 570	0.32 542	0.44 594	0.27 561	0.40 590	0.38 603	0.27 581	0.36 621	0.22 543	0.11 532	0.13 602	0.17 612	0.17 622	0.14 588	0.16 614

ADCMid	0.25 593	0.15 567	0.40 611	0.20 509	0.14 566	0.25 571	0.26 607	0.34 571	0.38 564	0.36 612	0.44 612	0.34 588	0.40 633	0.35 615	0.33 629	0.10 501	0.09 538	0.11 542	0.11 560	0.13 574	0.12 557

ADCPNet	0.25 593	0.16 575	0.61 641	0.21 541	0.15 586	0.35 625	0.25 598	0.32 542	0.35 546	0.30 590	0.40 590	0.36 594	0.28 592	0.28 586	0.32 624	0.12 557	0.10 559	0.11 542	0.12 580	0.14 588	0.13 579

LALA_ROB	0.25 593	0.16 575	0.22 540	0.26 606	0.17 612	0.27 591	0.27 614	0.42 626	0.37 557	0.33 606	0.38 576	0.51 637	0.26 573	0.28 586	0.27 597	0.16 617	0.09 538	0.12 562	0.11 560	0.13 574	0.12 557

SHD	0.26 602	0.15 567	0.30 584	0.24 590	0.18 619	0.22 539	0.15 307	0.38 607	0.71 653	0.32 602	0.41 601	0.36 594	0.28 592	0.32 603	0.29 609	0.12 557	0.11 571	0.14 590	0.13 591	0.16 613	0.20 632

AnyNet_C32	0.26 602	0.16 575	0.36 602	0.20 509	0.16 597	0.25 571	0.30 637	0.32 542	0.44 594	0.31 596	0.49 619	0.30 555	0.33 614	0.40 637	0.33 629	0.12 557	0.12 587	0.12 562	0.14 595	0.14 588	0.15 603

DStereoFS	0.27 604	0.22 617	0.31 586	0.22 557	0.15 586	0.22 539	0.20 529	0.50 646	0.48 603	0.28 576	0.44 612	0.33 581	0.34 619	0.52 650	0.29 609	0.12 557	0.11 571	0.15 602	0.13 591	0.16 613	0.16 614

PSMNet-RUCA	0.27 604	0.33 642	0.41 614	0.36 642	0.32 650	0.18 473	0.19 506	0.42 626	0.30 503	0.33 606	0.41 601	0.39 611	0.25 567	0.31 596	0.20 514	0.18 623	0.10 559	0.25 633	0.15 611	0.21 629	0.16 614

PDISCO_ROB	0.27 604	0.16 575	0.26 561	0.28 622	0.20 626	0.32 607	0.26 607	0.44 632	0.57 629	0.28 576	0.40 590	0.45 625	0.29 600	0.33 606	0.34 631	0.12 557	0.09 538	0.17 612	0.16 615	0.17 621	0.13 579

DispFullNet	0.27 604	0.21 613	0.65 644	0.28 622	0.16 597	0.26 581	0.17 417	0.33 562	0.58 632	0.27 561	0.38 576	0.43 621	0.23 552	0.38 628	0.23 555	0.12 557	0.06 403	0.19 623	0.11 560	0.21 629	0.15 603

MeshStereo	0.27 604	0.13 545	0.18 501	0.15 105	0.11 488	0.32 607	0.24 583	0.40 615	0.36 550	0.52 640	0.57 638	0.67 652	0.40 633	0.35 615	0.26 589	0.14 597	0.13 602	0.13 577	0.11 560	0.11 540	0.10 517
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	0.28 609	0.17 586	0.78 661	0.22 557	0.16 597	0.34 617	0.29 630	0.39 611	0.57 629	0.24 536	0.55 630	0.37 599	0.24 558	0.33 606	0.35 632	0.09 460	0.08 505	0.09 463	0.10 526	0.14 588	0.16 614

XQC	0.28 609	0.23 619	0.51 626	0.28 622	0.19 623	0.34 617	0.27 614	0.36 593	0.57 629	0.31 596	0.30 529	0.37 599	0.30 604	0.38 628	0.38 639	0.13 583	0.09 538	0.15 602	0.12 580	0.17 621	0.18 626

CC-Net-ROB	0.28 609	0.31 640	0.36 602	0.29 631	0.15 586	0.25 571	0.19 506	0.45 635	0.33 525	0.39 619	0.37 570	0.39 611	0.31 608	0.27 574	0.26 589	0.24 646	0.19 631	0.30 648	0.23 637	0.18 624	0.15 603

DPSNet	0.28 609	0.16 575	0.31 586	0.18 375	0.13 545	0.54 645	0.42 656	0.51 648	0.67 650	0.29 585	0.38 576	0.38 603	0.29 600	0.31 596	0.23 555	0.11 532	0.10 559	0.11 542	0.08 439	0.20 628	0.16 614

MultiAttention	0.29 613	0.08 330	0.14 363	0.19 443	0.12 522	1.45 681	1.33 685	0.36 593	0.37 557	0.19 461	0.21 410	0.24 495	0.11 325	0.38 628	0.18 495	0.06 165	0.05 259	0.08 380	0.08 439	0.10 517	0.09 488

Wz-Net-TNSev	0.29 613	0.20 607	0.65 644	0.19 443	0.15 586	0.38 630	0.27 614	0.35 586	0.55 624	0.34 608	0.42 607	0.45 625	0.38 627	0.32 603	0.30 616	0.12 557	0.13 602	0.10 511	0.12 580	0.15 604	0.14 596

ccnet	0.29 613	0.28 635	0.23 549	0.20 509	0.28 644	0.41 635	0.21 549	0.45 635	0.33 525	0.36 612	0.46 615	0.36 594	0.30 604	0.39 632	0.42 648	0.23 644	0.14 611	0.21 626	0.17 622	0.23 633	0.18 626

EDNetEfficient	0.29 613	0.24 622	1.13 672	0.18 375	0.10 438	0.19 497	0.20 529	0.20 325	0.60 637	0.74 660	0.56 635	0.31 568	0.39 630	0.22 543	0.30 616	0.09 460	0.07 475	0.08 380	0.07 366	0.11 540	0.09 488

ADCS	0.29 613	0.18 597	0.45 618	0.21 541	0.17 612	0.28 598	0.23 570	0.41 621	0.63 644	0.40 622	0.49 619	0.40 615	0.36 624	0.39 632	0.40 644	0.13 583	0.12 587	0.13 577	0.14 595	0.16 613	0.16 614

CSAN	0.29 613	0.24 622	0.27 568	0.34 638	0.19 623	0.33 614	0.42 656	0.37 599	0.50 613	0.38 617	0.40 590	0.44 623	0.33 614	0.28 586	0.30 616	0.20 631	0.16 621	0.19 623	0.19 627	0.14 588	0.15 603

AANet	0.30 619	0.19 601	1.03 670	0.16 199	0.13 545	0.22 539	0.16 376	0.30 520	0.62 640	0.60 647	0.52 625	0.46 629	0.38 627	0.23 554	0.32 624	0.12 557	0.09 538	0.11 542	0.10 526	0.13 574	0.12 557

MFN_U_SF_DS_RVC	0.30 619	0.24 622	0.29 581	0.36 642	0.16 597	0.34 617	0.30 637	0.32 542	0.42 584	0.40 622	0.46 615	0.38 603	0.31 608	0.34 609	0.28 605	0.19 629	0.20 634	0.26 634	0.29 647	0.18 624	0.19 631

GANetREF_RVC	0.31 621	0.34 643	0.27 568	0.35 640	0.16 597	0.32 607	0.41 653	0.48 640	0.51 620	0.35 609	0.35 561	0.34 588	0.33 614	0.39 632	0.32 624	0.27 648	0.20 634	0.29 646	0.15 611	0.18 624	0.17 623
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	0.31 621	0.26 628	0.26 561	0.24 590	0.21 630	0.34 617	0.25 598	0.34 571	0.39 567	0.40 622	0.69 648	0.45 625	0.40 633	0.34 609	0.27 597	0.20 631	0.19 631	0.26 634	0.25 639	0.23 633	0.22 636

MFN_U_SF_RVC	0.32 623	0.21 613	0.55 631	0.30 633	0.15 586	0.34 617	0.17 417	0.52 649	0.46 601	0.46 637	0.55 630	0.59 644	0.39 630	0.35 615	0.37 637	0.15 601	0.14 611	0.18 621	0.21 630	0.16 613	0.15 603

PASM	0.32 623	0.24 622	0.48 624	0.28 622	0.27 643	0.29 602	0.30 637	0.34 571	0.49 610	0.35 609	0.39 584	0.46 629	0.34 619	0.34 609	0.35 632	0.23 644	0.25 649	0.26 634	0.28 646	0.23 633	0.21 634

SGM-ForestM	0.32 623	0.12 517	0.16 447	0.16 199	0.11 488	0.39 632	0.19 506	0.41 621	0.50 613	0.52 640	0.54 628	1.32 673	0.42 641	0.40 637	0.27 597	0.14 597	0.16 621	0.16 609	0.16 615	0.12 555	0.12 557

FC-DCNN v2	0.33 626	0.27 631	0.28 573	0.26 606	0.23 635	0.37 627	0.28 620	0.40 615	0.43 589	0.45 634	0.56 635	0.51 637	0.40 633	0.37 626	0.29 609	0.21 635	0.20 634	0.27 637	0.26 640	0.25 640	0.24 638

FCDSN-DC	0.33 626	0.28 635	0.28 573	0.30 633	0.24 637	0.39 632	0.28 620	0.42 626	0.42 584	0.43 632	0.53 626	0.51 637	0.41 638	0.36 621	0.30 616	0.21 635	0.20 634	0.27 637	0.26 640	0.25 640	0.24 638
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 626	0.27 631	0.28 573	0.26 606	0.23 635	0.37 627	0.28 620	0.40 615	0.43 589	0.45 634	0.55 630	0.51 637	0.40 633	0.37 626	0.30 616	0.21 635	0.20 634	0.27 637	0.26 640	0.25 640	0.24 638

LSM	0.33 626	0.20 607	0.58 637	0.26 606	0.60 668	0.34 617	0.25 598	0.42 626	0.48 603	0.45 634	0.58 640	0.42 618	0.36 624	0.35 615	0.25 578	0.12 557	0.20 634	0.14 590	0.16 615	0.19 627	0.33 652

AnyNet_C01	0.36 630	0.25 627	1.37 675	0.22 557	0.17 612	0.48 641	0.27 614	0.35 586	0.39 567	0.39 619	0.74 654	0.46 629	0.38 627	0.45 642	0.47 653	0.13 583	0.13 602	0.13 577	0.14 595	0.14 588	0.15 603

GCST	0.37 631	0.42 650	0.26 561	1.02 676	0.39 651	0.18 473	0.08 7	0.20 325	0.17 295	0.28 576	0.25 470	0.15 367	0.12 356	0.16 418	0.14 415	0.64 672	0.43 661	0.75 668	0.65 672	0.63 665	0.46 663

otaku	0.39 632	0.37 646	0.52 627	0.44 649	0.28 644	0.58 647	0.24 583	0.41 621	0.62 640	0.40 622	0.49 619	0.46 629	0.33 614	0.40 637	0.32 624	0.30 649	0.30 653	0.39 653	0.33 652	0.29 647	0.28 646

ACVNet-4b	0.39 632	0.53 653	0.55 631	0.45 650	0.24 637	0.47 639	0.18 466	0.49 642	0.64 645	0.42 629	0.45 614	0.60 645	0.27 581	0.34 609	0.24 568	0.33 652	0.14 611	0.48 656	0.42 658	0.30 648	0.26 645

PVD	0.39 632	0.20 607	0.39 610	0.31 637	0.22 632	0.29 602	0.43 658	0.52 649	0.96 667	0.55 644	0.79 658	0.53 641	0.59 657	0.52 650	0.38 639	0.19 629	0.14 611	0.17 612	0.14 595	0.24 639	0.31 650

Ntro	0.40 635	0.40 648	0.53 628	0.46 653	0.30 648	0.65 653	0.24 583	0.46 637	0.68 651	0.41 626	0.49 619	0.48 635	0.42 641	0.39 632	0.31 623	0.32 650	0.28 651	0.37 652	0.30 649	0.32 652	0.29 647

SAMSARA	0.40 635	0.28 635	0.33 593	0.55 656	0.39 651	0.82 667	1.23 684	0.47 639	0.51 620	0.36 612	0.35 561	0.55 643	0.39 630	0.38 628	0.39 641	0.15 601	0.20 634	0.15 602	0.14 595	0.23 633	0.20 632

ELAS_RVC	0.41 637	0.29 638	0.33 593	0.28 622	0.24 637	0.54 645	0.36 648	0.49 642	0.59 633	0.72 656	0.74 654	0.65 650	0.54 650	0.54 655	0.40 644	0.22 640	0.20 634	0.27 637	0.26 640	0.26 645	0.25 643
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 637	0.29 638	0.33 593	0.27 619	0.24 637	0.60 650	0.36 648	0.50 646	0.50 613	0.71 654	0.79 658	0.67 652	0.54 650	0.51 648	0.42 648	0.22 640	0.20 634	0.27 637	0.26 640	0.26 645	0.25 643
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 639	0.26 628	0.59 639	0.60 658	0.49 658	0.32 607	0.23 570	0.46 637	0.52 622	0.56 646	0.58 640	0.76 657	0.32 612	0.48 644	0.29 609	0.32 650	0.24 647	0.27 637	0.33 652	0.46 656	0.39 657

MSC_U_SF_DS_RVC	0.43 640	0.39 647	0.54 629	0.40 645	0.20 626	0.64 652	0.32 645	0.53 651	0.72 654	0.71 654	0.72 651	0.61 646	0.54 650	0.51 648	0.46 652	0.20 631	0.19 631	0.29 646	0.30 649	0.23 633	0.18 626

ACVNet_1	0.44 641	0.49 652	0.60 640	0.45 650	0.28 644	0.49 642	0.27 614	0.57 656	0.72 654	0.62 649	0.58 640	0.74 656	0.49 647	0.50 646	0.35 632	0.26 647	0.24 647	0.39 653	0.29 647	0.31 651	0.24 638

Consistency-Raft	0.44 641	0.40 648	0.45 618	0.37 644	0.43 655	0.46 637	0.41 653	0.57 656	0.55 624	0.32 602	0.73 652	0.33 581	0.48 646	0.42 641	0.49 655	0.39 655	0.35 658	0.45 655	0.51 665	0.42 655	0.29 647

RTS	0.45 643	0.19 601	3.26 681	0.24 590	0.15 586	0.74 660	0.20 529	0.36 593	0.76 660	0.42 629	0.43 610	0.31 568	0.41 638	0.53 653	0.35 632	0.10 501	0.08 505	0.13 577	0.12 580	0.15 604	0.15 603

RTSA	0.45 643	0.19 601	3.26 681	0.24 590	0.15 586	0.74 660	0.20 529	0.36 593	0.76 660	0.42 629	0.43 610	0.31 568	0.41 638	0.53 653	0.35 632	0.10 501	0.08 505	0.13 577	0.12 580	0.15 604	0.15 603

MANE	0.45 643	0.27 631	0.27 568	0.27 619	0.24 637	0.47 639	0.31 643	0.55 653	0.59 633	0.72 656	1.13 675	1.15 667	0.61 658	0.52 650	0.37 637	0.21 635	0.20 634	0.27 637	0.31 651	0.25 640	0.24 638

NVStereoNet_ROB	0.46 646	0.36 645	0.46 622	0.41 647	0.28 644	0.34 617	0.34 646	0.48 640	0.60 637	0.72 656	0.93 664	0.70 655	0.66 661	0.47 643	0.60 663	0.22 640	0.33 657	0.34 651	0.34 655	0.30 648	0.30 649
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	0.47 647	0.26 628	0.58 637	0.28 622	0.20 626	0.39 632	0.18 466	0.49 642	0.64 645	0.52 640	0.87 661	1.01 662	0.57 655	0.50 646	0.56 660	0.53 665	0.31 656	0.54 662	0.40 656	0.33 653	0.34 653

LE_ROB	0.50 648	0.07 212	0.14 363	0.15 105	0.08 201	0.24 560	0.16 376	0.22 372	1.81 683	4.63 688	0.67 646	0.47 633	0.44 643	0.20 513	0.29 609	0.07 325	0.06 403	0.06 177	0.06 269	0.08 421	0.06 292

BEATNet-Init1	0.52 649	0.27 631	0.62 642	0.30 633	0.21 630	0.76 664	0.29 630	0.54 652	0.65 648	0.86 665	0.95 666	2.07 682	0.62 660	0.56 657	0.42 648	0.18 623	0.18 628	0.23 631	0.22 633	0.22 632	0.21 634

anonymity	0.53 650	0.58 655	0.65 644	0.41 647	0.61 669	0.53 644	0.41 653	0.56 654	0.41 576	0.55 644	0.50 623	0.49 636	0.55 653	0.58 658	0.50 658	0.58 668	0.50 671	0.51 658	0.51 665	0.51 658	0.57 666

RainbowNet	0.54 651	0.61 657	0.70 659	0.57 657	0.43 655	0.65 653	0.37 651	0.60 658	0.87 664	0.50 639	0.66 645	0.64 648	0.47 645	0.49 645	0.43 651	0.47 662	0.48 667	0.52 660	0.41 657	0.52 659	0.40 660

SGM+DAISY	0.56 652	0.57 654	0.65 644	0.40 645	0.54 661	0.66 655	0.49 661	0.56 654	0.45 600	0.66 650	0.69 648	0.67 652	0.56 654	0.63 660	0.56 660	0.59 669	0.48 667	0.50 657	0.50 664	0.52 659	0.58 667

SPS-STEREO	0.57 653	0.58 655	0.65 644	0.45 650	0.55 663	0.62 651	0.44 660	0.62 659	0.50 613	0.68 652	0.64 643	0.66 651	0.57 655	0.61 659	0.60 663	0.62 671	0.47 666	0.51 658	0.49 662	0.55 663	0.58 667
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 654	0.66 661	0.65 644	0.51 654	0.69 673	0.69 656	0.57 667	0.64 660	0.73 658	0.60 647	0.73 652	0.62 647	0.67 662	0.65 661	0.60 663	0.66 673	0.58 680	0.63 663	0.59 668	0.68 670	0.69 676

IMH-64-1	0.65 655	0.61 657	0.68 653	0.71 661	0.51 659	0.59 648	0.49 661	0.91 667	0.85 662	0.74 660	1.02 668	0.81 658	0.78 666	0.79 664	0.49 655	0.42 657	0.46 662	0.71 665	0.47 660	0.52 659	0.39 657

IMH-64	0.65 655	0.61 657	0.68 653	0.71 661	0.51 659	0.59 648	0.49 661	0.91 667	0.85 662	0.74 660	1.02 668	0.81 658	0.78 666	0.79 664	0.49 655	0.42 657	0.46 662	0.71 665	0.47 660	0.52 659	0.39 657

ACVNet_2	0.66 657	0.66 661	0.68 653	0.63 659	0.41 653	0.71 658	0.49 661	0.96 671	1.39 676	0.89 666	1.09 671	1.04 663	0.73 664	0.54 655	0.47 653	0.43 659	0.40 660	0.53 661	0.44 659	0.47 657	0.35 655

JetBlue	0.71 658	0.45 651	1.14 673	0.51 654	0.47 657	2.02 682	0.64 671	0.75 662	0.70 652	0.69 653	0.77 657	1.22 669	0.83 668	1.03 679	1.01 679	0.40 656	0.28 651	0.33 650	0.33 652	0.30 648	0.34 653

IMH	0.71 658	0.64 660	0.68 653	0.76 663	0.54 661	0.69 656	0.54 665	0.98 673	1.10 669	0.82 664	1.09 671	0.89 660	0.88 671	0.87 672	0.52 659	0.44 660	0.50 671	0.75 668	0.51 665	0.56 664	0.41 661

PWCK	0.71 658	0.94 672	0.95 668	0.76 663	0.31 649	0.74 660	0.36 648	0.90 666	0.90 665	0.96 669	0.75 656	0.95 661	0.61 658	0.87 672	0.66 666	0.72 674	0.46 662	0.75 668	0.49 662	0.69 672	0.44 662

MADNet+	0.75 661	0.71 663	3.70 684	0.66 660	0.41 653	0.98 672	0.97 682	0.69 661	0.73 658	0.52 640	0.57 638	0.64 648	0.68 663	0.86 671	1.01 679	0.34 653	0.36 659	0.28 645	0.23 637	0.36 654	0.31 650

TorneroNet-64	0.76 662	0.72 664	0.74 660	0.78 665	0.58 667	0.91 671	0.56 666	0.84 665	1.29 673	0.66 650	0.90 662	1.40 675	0.75 665	0.85 670	0.67 669	0.49 663	0.46 662	0.72 667	0.59 668	0.67 669	0.53 665

WAO-7	0.79 663	0.78 666	0.54 629	0.85 669	0.67 672	0.74 660	0.68 675	1.05 676	1.32 674	0.90 667	1.20 678	1.04 663	0.92 672	0.69 662	0.66 666	0.60 670	0.62 681	0.67 664	0.68 674	0.64 666	0.58 667

WAO-6	0.81 664	0.80 667	0.62 642	0.86 670	0.63 670	0.76 664	0.58 668	0.98 673	1.54 681	0.90 667	0.96 667	1.07 665	1.03 676	0.70 663	0.66 666	0.72 674	0.49 669	0.90 676	0.71 675	0.68 670	0.58 667

TorneroNet	0.82 665	0.74 665	0.81 665	0.84 668	0.63 670	0.99 673	0.63 669	0.96 671	1.16 670	0.80 663	1.11 673	1.36 674	0.86 670	0.93 675	0.80 674	0.56 666	0.49 669	0.78 673	0.66 673	0.73 675	0.63 675

LVE	0.83 666	0.85 670	0.85 666	0.80 666	0.56 664	1.04 677	0.65 672	1.05 676	1.47 679	0.96 669	1.22 679	1.10 666	0.85 669	0.83 667	0.71 671	0.49 663	0.55 677	0.76 671	0.60 670	0.65 667	0.59 672

Dean	0.87 667	0.86 671	0.79 663	0.81 667	0.56 664	0.90 668	0.63 669	1.15 682	1.73 682	1.15 677	1.15 676	1.31 672	0.99 675	0.81 666	0.81 675	0.57 667	0.56 678	0.77 672	0.64 671	0.66 668	0.58 667

WAO-8	0.91 668	0.81 668	0.65 644	0.94 673	0.69 673	0.90 668	0.67 673	1.07 679	1.83 684	1.06 674	1.45 681	1.30 670	1.07 677	0.84 668	0.78 672	0.74 676	0.53 674	0.86 674	0.75 676	0.69 672	0.62 673

Venus	0.91 668	0.81 668	0.65 644	0.94 673	0.69 673	0.90 668	0.67 673	1.07 679	1.83 684	1.06 674	1.45 681	1.30 670	1.07 677	0.84 668	0.78 672	0.74 676	0.53 674	0.86 674	0.75 676	0.69 672	0.62 673

UNDER WATER-64	0.95 670	0.94 672	1.43 677	0.87 671	0.56 664	1.18 680	0.87 679	0.77 663	0.94 666	1.04 672	0.85 660	1.58 680	1.21 682	0.94 676	0.96 677	0.87 680	0.57 679	1.03 680	0.88 681	0.78 676	0.73 677

UNDER WATER	0.97 671	0.97 674	1.42 676	0.99 675	0.70 676	1.12 679	0.84 678	0.80 664	1.08 668	1.01 671	0.90 662	1.55 679	1.22 683	1.03 679	1.00 678	0.78 678	0.53 674	1.02 679	0.87 680	0.80 677	0.74 678

notaker	0.97 671	1.11 675	0.98 669	1.13 678	0.81 677	0.73 659	0.68 675	0.93 669	1.16 670	1.18 679	1.18 677	1.41 676	1.16 681	1.08 681	0.69 670	0.81 679	0.64 682	1.17 681	0.79 678	0.98 679	0.80 680

ktn	1.01 673	1.21 677	0.80 664	1.23 680	0.86 679	1.01 675	0.87 679	0.94 670	1.39 676	1.04 672	1.12 674	1.15 667	1.07 677	0.94 676	0.59 662	1.28 685	0.71 683	1.38 685	0.83 679	1.02 681	0.75 679

KSHMR	1.09 674	1.17 676	0.88 667	1.25 681	1.00 681	0.99 673	0.96 681	1.13 681	1.37 675	1.16 678	1.29 680	1.41 676	0.96 674	1.01 678	0.92 676	1.03 683	1.08 685	1.20 682	1.03 684	1.01 680	0.97 682

DPSimNet_ROB	1.11 675	1.23 678	0.78 661	1.13 678	0.88 680	1.10 678	1.13 683	1.16 683	1.23 672	1.43 681	1.02 668	1.41 676	1.10 680	0.90 674	1.60 681	1.46 686	0.51 673	1.21 683	1.03 684	0.90 678	1.01 684

HanzoNet	1.29 676	1.26 679	1.19 674	1.12 677	0.85 678	1.02 676	0.83 677	1.03 675	1.48 680	1.64 682	1.61 683	2.50 684	1.72 684	1.61 683	1.61 682	1.26 684	0.80 684	1.31 684	1.01 683	1.02 681	0.86 681

JetRed	1.62 677	1.46 680	2.98 679	0.92 672	1.21 682	4.99 685	1.53 687	1.27 684	1.39 676	1.83 683	1.74 684	1.60 681	0.95 673	1.41 682	2.45 687	0.90 682	1.60 686	0.93 677	0.90 682	1.35 683	0.99 683

MADNet++	1.95 678	1.75 681	1.59 678	1.82 682	1.69 684	2.33 683	1.40 686	2.35 685	2.09 686	2.57 685	2.36 686	2.24 683	2.17 686	2.28 684	2.34 685	1.87 687	1.66 687	1.54 686	1.34 686	1.92 684	1.77 686

Selective-IGEV-i1pa	2.80 679	3.51 687	0.67 652	0.28 622	0.14 566	10.22 689	0.43 658	4.36 686	3.63 687	3.53 686	6.92 688	3.47 685	1.97 685	13.41 700	2.26 684	0.36 654	0.15 617	0.13 577	0.10 526	0.15 604	0.35 655

coex-ft	3.30 680	0.34 643	59.09 711	0.18 375	0.13 545	0.26 581	0.22 559	0.27 473	0.72 654	1.90 684	0.70 650	0.44 623	0.45 644	0.29 592	0.41 647	0.09 460	0.09 538	0.12 562	0.09 486	0.14 588	0.13 579

TCMNet-wrong-test	3.67 681	5.48 695	3.89 685	12.18 696	11.75 698	4.65 684	3.88 688	1.06 678	0.72 654	1.09 676	2.15 685	6.30 690	0.53 649	3.43 686	2.36 686	0.89 681	0.20 634	1.87 688	1.69 687	5.57 692	3.62 692

tt	4.67 682	0.06 98	3.55 683	2.02 683	1.55 683	10.25 690	16.71 692	8.91 695	5.03 688	1.31 680	0.94 665	4.71 686	4.76 688	3.33 685	5.87 689	6.06 695	10.30 701	1.88 689	2.11 689	2.75 686	1.21 685

USTest	6.22 683	2.73 684	3.00 680	6.57 690	7.29 690	14.37 692	21.57 693	7.00 694	9.56 693	5.34 691	6.10 687	5.72 689	7.64 691	6.41 690	6.96 691	1.97 688	3.42 693	1.64 687	2.15 690	2.66 685	2.36 687

xxxxx1	7.79 684	5.02 692	7.31 688	3.12 684	3.85 686	16.35 694	22.88 694	5.86 691	8.69 690	7.97 692	8.54 689	9.12 694	8.27 692	10.18 692	10.92 692	2.42 689	2.45 689	3.56 692	12.37 698	3.77 687	3.06 689

tt_ll	7.79 684	5.02 692	7.31 688	3.12 684	3.85 686	16.35 694	22.88 694	5.86 691	8.69 690	7.97 692	8.54 689	9.12 694	8.27 692	10.18 692	10.92 692	2.42 689	2.45 689	3.56 692	12.37 698	3.77 687	3.06 689

ff	7.79 684	5.02 692	7.31 688	3.12 684	3.85 686	16.35 694	22.88 694	5.86 691	8.69 690	7.97 692	8.54 689	9.12 694	8.27 692	10.18 692	10.92 692	2.42 689	2.45 689	3.56 692	12.37 698	3.77 687	3.06 689

EDNetEfficientorigin	7.91 687	0.31 640	153.02 712	0.19 443	0.09 326	0.21 530	0.16 376	0.22 372	0.59 633	0.72 656	0.67 646	0.42 618	0.50 648	0.24 564	0.39 641	0.08 400	0.07 475	0.08 380	0.07 366	0.12 555	0.10 517

DPSMNet_ROB	8.06 688	4.48 688	8.63 696	5.37 689	10.74 693	8.32 687	22.98 698	5.46 688	13.36 698	5.12 689	9.92 694	5.08 687	10.40 695	5.53 689	12.58 695	3.80 693	8.00 694	3.50 690	7.02 695	3.83 690	7.14 696

DGTPSM_ROB	8.06 688	4.48 688	8.63 696	5.35 687	10.72 692	8.32 687	22.97 697	5.46 688	13.35 697	5.12 689	9.92 694	5.08 687	10.40 695	5.52 688	12.58 695	3.79 692	8.00 694	3.50 690	7.02 695	3.83 690	7.14 696

PML	8.91 690	9.34 701	6.13 686	5.35 687	6.41 689	14.99 693	23.38 699	5.27 687	6.83 689	18.04 704	28.19 712	7.67 691	6.83 690	7.85 691	5.75 688	5.35 694	1.83 688	5.95 700	1.93 688	8.64 697	2.52 688

DLNR_Zeroshot_test	10.40 691	1.82 682	19.49 706	120.77 712	13.11 700	0.06 11	0.13 162	0.23 393	0.10 65	0.07 65	0.10 183	0.09 207	0.06 62	0.10 117	0.09 101	0.13 583	0.04 24	0.06 177	0.04 52	51.54 712	0.04 69

DLNR-FE	10.43 692	1.83 683	19.53 707	120.75 711	13.06 699	0.06 11	0.13 162	0.23 393	0.10 65	0.07 65	0.10 183	0.09 207	0.06 62	0.10 117	0.09 101	0.13 583	0.04 24	0.06 177	0.04 52	52.01 713	0.04 69

iinet-test	10.48 693	8.09 697	7.54 692	10.26 691	10.94 694	18.00 698	25.26 700	11.33 699	13.28 695	9.69 696	9.85 692	9.42 697	11.17 697	11.02 696	12.78 698	6.59 697	8.30 696	5.56 695	6.56 691	6.89 693	7.02 694

IINet	10.48 693	8.09 697	7.54 692	10.26 691	10.94 694	18.00 698	25.26 700	11.33 699	13.28 695	9.69 696	9.85 692	9.42 697	11.17 697	11.02 696	12.78 698	6.59 697	8.30 696	5.56 695	6.56 691	6.89 693	7.02 694

LRCNet_RVC	10.62 695	13.42 702	7.30 687	18.92 700	2.07 685	0.33 614	0.30 637	5.59 690	0.48 603	13.03 700	17.94 700	8.87 693	5.65 689	4.79 687	1.89 683	23.51 709	2.73 692	27.55 712	25.71 712	16.07 706	16.33 707

Anonymous_1	10.96 696	7.92 696	7.46 691	10.33 693	10.06 691	18.65 700	26.34 702	11.06 698	13.44 699	9.40 695	10.05 696	9.67 699	11.23 699	10.73 695	12.72 697	6.42 696	8.38 698	5.77 697	10.61 697	12.12 698	6.77 693

DPSM_ROB	11.15 697	8.58 699	8.00 694	10.88 694	11.58 696	19.10 701	26.71 703	12.05 701	14.07 702	10.36 698	10.84 697	10.33 700	11.86 700	11.70 698	13.54 700	6.99 699	8.79 699	5.89 698	6.95 693	7.29 695	7.42 698

DPSM	11.15 697	8.58 699	8.00 694	10.88 694	11.58 696	19.10 701	26.71 703	12.05 701	14.07 702	10.36 698	10.84 697	10.33 700	11.86 700	11.70 698	13.54 700	6.99 699	8.79 699	5.89 698	6.95 693	7.29 695	7.42 698

HaxPig	15.71 699	18.52 710	19.18 705	16.89 699	15.89 701	7.73 686	7.60 689	13.31 703	10.82 694	15.42 701	14.91 699	15.98 702	14.92 702	15.58 701	15.98 702	18.95 708	16.73 702	19.46 708	18.08 708	19.26 707	19.05 710

Selective-IGEV-i16pa	18.58 700	3.30 685	1.09 671	0.21 541	0.18 619	103.68 713	0.28 620	19.87 705	40.73 713	4.16 687	56.45 713	8.07 692	2.59 687	123.95 714	5.89 690	0.18 623	0.12 587	0.09 463	0.12 580	0.12 555	0.51 664

RSGM-EC	20.36 701	4.73 690	0.68 653	16.76 697	16.92 702	21.28 703	27.18 705	10.46 696	14.04 700	18.00 702	21.31 703	22.24 711	21.82 704	22.57 703	17.63 703	62.81 712	33.79 712	20.14 709	18.10 709	20.18 708	16.45 708

acva	20.36 701	4.73 690	0.68 653	16.76 697	16.92 702	21.28 703	27.18 705	10.46 696	14.04 700	18.00 702	21.31 703	22.24 711	21.82 704	22.57 703	17.63 703	62.81 712	33.79 712	20.14 709	18.10 709	20.18 708	16.45 708

MEDIAN_ROB	20.38 703	24.04 711	23.31 708	21.23 701	21.71 704	10.40 691	7.92 690	17.64 704	15.50 704	20.12 705	19.70 701	20.34 703	20.32 703	21.19 702	21.13 705	23.81 710	21.81 710	24.98 711	23.76 711	24.71 710	23.93 711

CasAABBNet	22.42 704	17.33 704	16.01 700	22.01 703	23.28 706	38.32 705	53.80 709	24.14 709	28.41 709	20.60 707	21.77 707	20.89 709	23.91 708	23.43 707	27.36 708	14.07 702	17.69 704	11.83 703	14.01 702	14.67 701	14.95 703

RAFT-FEzeroshot	22.43 705	17.33 704	15.98 698	22.02 704	23.31 708	38.34 706	53.82 711	24.05 707	28.39 707	20.61 708	21.76 705	20.88 706	23.92 710	23.41 705	27.42 710	14.07 702	17.69 704	11.83 703	14.02 703	14.69 702	14.97 704

RAFT-FE	22.43 705	17.33 704	15.98 698	22.02 704	23.31 708	38.34 706	53.82 711	24.05 707	28.39 707	20.61 708	21.76 705	20.88 706	23.92 710	23.41 705	27.42 710	14.07 702	17.69 704	11.83 703	14.02 703	14.69 702	14.97 704

FlowAnything	22.44 707	17.35 707	16.14 702	22.07 707	23.23 705	38.39 709	53.77 708	24.25 710	28.44 710	20.96 712	21.82 709	20.70 704	23.84 706	23.49 709	27.14 707	14.04 701	17.79 709	11.75 701	14.15 707	14.65 699	14.89 700

Hybrid-DGEV	22.47 708	17.40 709	16.14 702	22.00 702	23.29 707	38.36 708	53.80 709	24.43 713	28.63 712	20.59 706	21.81 708	20.88 706	23.91 708	23.45 708	27.42 710	14.08 705	17.69 704	11.83 703	14.06 706	14.65 699	14.93 702

Selective-RAFT-Error	22.47 708	17.37 708	16.09 701	22.06 706	23.34 710	38.39 709	53.83 713	24.29 712	28.47 711	20.74 710	21.83 710	20.81 705	23.90 707	23.54 711	27.53 713	14.08 705	17.69 704	11.82 702	14.00 701	14.69 702	15.00 706

LSM0	22.87 710	17.28 703	18.96 704	22.19 708	29.04 712	38.42 711	53.71 707	24.28 711	28.31 706	20.78 711	21.00 702	21.43 710	24.16 712	23.50 710	27.39 709	14.09 707	17.38 703	11.84 707	14.04 705	14.73 705	14.89 700

AVERAGE_ROB	24.90 711	29.20 712	28.14 709	24.89 709	24.64 711	17.75 697	11.12 691	21.45 706	19.93 705	25.12 713	24.46 711	25.12 713	25.46 713	24.69 712	22.83 706	29.76 711	27.13 711	28.97 713	27.95 713	29.91 711	29.47 712

test_example2	98.32 712	94.13 713	45.89 710	96.35 710	109.85 713	88.61 712	95.45 714	25.75 714	94.37 714	130.00 715	126.06 714	58.17 714	74.63 714	88.51 713	79.96 714	150.23 714	221.02 714	77.62 714	99.10 714	113.75 714	96.94 713

GS-Stereo							0.14 226	0.11 54	0.12 133	0.08 118	0.10 183	0.05 5	0.05 14	0.11 186	0.08 25	0.06 165	0.04 24	0.05 43	0.04 52	0.05 157	0.05 196

FSD					0.22 632	0.25 571	0.25 598	0.27 473	0.26 461	0.25 549	0.26 487	0.25 509	0.27 581	0.27 574	0.24 568	0.21 635	0.20 634	0.27 637	0.26 640	0.25 640

ccccc		285.66 714		368.85 713	370.60 714	123.16 714		115.05 715		126.68 714		122.83 715		252.94 715		384.56 715	353.86 715	254.69 715	223.00 715	425.87 715

ASD4		3.38 686

Low-res two-view benchmark