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	0.09 125	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.08 186	0.05 14	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 171	0.04 74

PSi22a	0.06 1	0.04 1	0.09 125	0.12 7	0.05 2	0.06 14	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.06 42	0.05 14	0.08 25	0.09 104	0.07 344	0.04 25	0.04 1	0.03 1	0.05 171	0.04 74

Foundation-i32	0.06 1	0.04 1	0.09 125	0.13 22	0.04 1	0.06 14	0.12 100	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 74

MLG-Stereo_test2	0.06 1	0.04 1	0.10 191	0.15 124	0.05 2	0.07 43	0.11 64	0.09 21	0.04 2	0.06 25	0.05 7	0.06 42	0.04 1	0.08 25	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.05 171	0.05 209

MLG-Stereo_test1	0.06 1	0.05 43	0.08 57	0.17 309	0.05 2	0.06 14	0.11 64	0.08 12	0.03 1	0.05 2	0.04 1	0.06 42	0.05 14	0.09 59	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 74

FoundationStereo	0.06 1	0.04 1	0.08 57	0.12 7	0.05 2	0.09 139	0.13 179	0.06 1	0.09 52	0.05 2	0.05 7	0.06 42	0.04 1	0.06 1	0.07 1	0.06 168	0.04 25	0.05 50	0.03 1	0.05 171	0.04 74

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

derf	0.07 7	0.04 1	0.10 191	0.14 70	0.06 28	0.05 4	0.12 100	0.12 85	0.09 52	0.05 2	0.07 65	0.07 124	0.08 230	0.10 124	0.10 208	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 209

mm2	0.07 7	0.04 1	0.10 191	0.13 22	0.06 28	0.06 14	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 230	0.10 124	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 209

mm1	0.07 7	0.04 1	0.10 191	0.13 22	0.06 28	0.06 14	0.12 100	0.06 1	0.08 25	0.06 25	0.07 65	0.06 42	0.08 230	0.10 124	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 209

qqai	0.07 7	0.05 43	0.10 191	0.14 70	0.06 28	0.05 4	0.12 100	0.08 12	0.09 52	0.05 2	0.06 23	0.06 42	0.08 230	0.10 124	0.09 104	0.06 168	0.05 276	0.05 50	0.03 1	0.04 48	0.05 209

MGA	0.07 7	0.04 1	0.10 191	0.13 22	0.06 28	0.08 85	0.09 20	0.12 85	0.08 25	0.05 2	0.06 23	0.06 42	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.05 171	0.05 209

CAR	0.07 7	0.05 43	0.08 57	0.14 70	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

MSE-Stereo	0.07 7	0.04 1	0.08 57	0.13 22	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

monster-pro	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.07 43	0.10 35	0.15 189	0.15 253	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 117	0.07 11	0.15 124	0.07 135	0.08 85	0.14 246	0.11 58	0.08 25	0.05 2	0.07 65	0.08 186	0.08 230	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.04 74

aanet-new-60k	0.07 7	0.07 240	0.08 57	0.18 402	0.06 28	0.07 43	0.10 35	0.09 21	0.14 226	0.07 75	0.07 65	0.06 42	0.06 66	0.11 200	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-70k	0.07 7	0.06 117	0.09 125	0.17 309	0.06 28	0.08 85	0.12 100	0.11 58	0.10 77	0.06 25	0.07 65	0.07 124	0.06 66	0.10 124	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 240	0.09 125	0.19 473	0.06 28	0.07 43	0.12 100	0.11 58	0.13 193	0.06 25	0.07 65	0.06 42	0.06 66	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.05 171	0.03 2

aanet-new-40k	0.07 7	0.08 359	0.07 11	0.17 309	0.07 135	0.08 85	0.13 179	0.10 35	0.10 77	0.07 75	0.08 125	0.06 42	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

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

aanet-new-24k	0.07 7	0.07 240	0.07 11	0.17 309	0.06 28	0.07 43	0.12 100	0.09 21	0.11 110	0.09 183	0.09 161	0.06 42	0.07 180	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 43	0.11 254	0.15 124	0.06 28	0.07 43	0.13 179	0.09 21	0.11 110	0.07 75	0.08 125	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 74

GCAP-Stereo-DPT-24K	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.15 334	0.12 85	0.11 110	0.06 25	0.11 250	0.06 42	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 125	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.05 7	0.08 186	0.05 14	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 171	0.04 74

LACA3	0.07 7	0.08 359	0.08 57	0.13 22	0.05 2	0.09 139	0.11 64	0.08 12	0.08 25	0.08 131	0.05 7	0.07 124	0.07 180	0.07 4	0.07 1	0.06 168	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

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

LACA2	0.07 7	0.05 43	0.06 5	0.15 124	0.06 28	0.09 139	0.11 64	0.11 58	0.10 77	0.05 2	0.05 7	0.06 42	0.08 230	0.09 59	0.07 1	0.07 344	0.04 25	0.04 1	0.04 60	0.04 48	0.04 74

LACA1	0.07 7	0.07 240	0.07 11	0.14 70	0.05 2	0.09 139	0.11 64	0.10 35	0.07 15	0.05 2	0.05 7	0.06 42	0.07 180	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.04 60	0.03 1	0.04 74

Test_v1	0.07 7	0.04 1	0.06 5	0.13 22	0.06 28	0.08 85	0.11 64	0.15 189	0.12 149	0.06 25	0.05 7	0.04 1	0.05 14	0.08 25	0.10 208	0.07 344	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

BLMT-Stereo	0.07 7	0.04 1	0.08 57	0.15 124	0.07 135	0.06 14	0.14 246	0.07 7	0.10 77	0.05 2	0.05 7	0.04 1	0.06 66	0.07 4	0.09 104	0.04 11	0.04 25	0.05 50	0.05 192	0.04 48	0.04 74

Pro-Stereo	0.07 7	0.05 43	0.08 57	0.15 124	0.07 135	0.08 85	0.12 100	0.07 7	0.07 15	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 74

MatchStereo	0.07 7	0.04 1	0.08 57	0.14 70	0.06 28	0.05 4	0.12 100	0.12 85	0.09 52	0.07 75	0.06 23	0.04 1	0.04 1	0.08 25	0.09 104	0.06 168	0.05 276	0.05 50	0.03 1	0.04 48	0.04 74
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	0.09 125	0.11 1	0.05 2	0.10 202	0.10 35	0.14 146	0.09 52	0.06 25	0.07 65	0.06 42	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.04 1	0.04 60	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 43	0.07 11	0.14 70	0.06 28	0.09 139	0.13 179	0.15 189	0.06 6	0.07 75	0.08 125	0.06 42	0.08 230	0.09 59	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 74

VIP-Stereo	0.07 7	0.07 240	0.07 11	0.15 124	0.06 28	0.12 311	0.10 35	0.11 58	0.11 110	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 240	0.08 57	0.18 402	0.06 28	0.07 43	0.11 64	0.09 21	0.06 6	0.04 1	0.07 65	0.10 261	0.09 272	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 7	0.05 43	0.09 125	0.13 22	0.06 28	0.12 311	0.12 100	0.11 58	0.10 77	0.07 75	0.08 125	0.06 42	0.06 66	0.09 59	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

MonStereo	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.08 85	0.10 35	0.15 189	0.15 253	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

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

Monster-pub-eth3d	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.08 85	0.10 35	0.15 189	0.15 253	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 125	0.13 22	0.06 28	0.05 4	0.09 20	0.11 58	0.07 15	0.06 25	0.06 23	0.05 5	0.06 66	0.09 59	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 171	0.05 209

Replicate-Monster	0.07 7	0.05 43	0.09 125	0.14 70	0.06 28	0.08 85	0.09 20	0.13 115	0.13 193	0.05 2	0.07 65	0.06 42	0.06 66	0.08 25	0.10 208	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 74

AdaDepth	0.07 7	0.06 117	0.07 11	0.18 402	0.06 28	0.11 257	0.12 100	0.09 21	0.07 15	0.06 25	0.05 7	0.07 124	0.06 66	0.09 59	0.10 208	0.04 11	0.05 276	0.05 50	0.04 60	0.04 48	0.04 74

asda	0.07 7	0.08 359	0.08 57	0.16 222	0.06 28	0.06 14	0.10 35	0.16 230	0.10 77	0.06 25	0.06 23	0.05 5	0.05 14	0.10 124	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

asd	0.07 7	0.08 359	0.07 11	0.16 222	0.07 135	0.08 85	0.08 7	0.11 58	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.09 104	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

qwe	0.07 7	0.08 359	0.07 11	0.15 124	0.06 28	0.07 43	0.10 35	0.18 304	0.11 110	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.09 104	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.25w	0.07 7	0.06 117	0.07 11	0.14 70	0.06 28	0.08 85	0.08 7	0.10 35	0.15 253	0.08 131	0.10 197	0.07 124	0.06 66	0.08 25	0.10 208	0.05 51	0.03 1	0.04 1	0.04 60	0.03 1	0.04 74

4.25_new	0.07 7	0.08 359	0.09 125	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 296	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 359	0.09 125	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 296	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 442	0.08 57	0.15 124	0.07 135	0.06 14	0.10 35	0.14 146	0.11 110	0.06 25	0.08 125	0.06 42	0.06 66	0.08 25	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 442	0.08 57	0.15 124	0.07 135	0.06 14	0.10 35	0.14 146	0.11 110	0.06 25	0.08 125	0.06 42	0.06 66	0.08 25	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 359	0.09 125	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 296	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 359	0.08 57	0.16 222	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.07 75	0.07 65	0.05 5	0.06 66	0.09 59	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.5w	0.07 7	0.07 240	0.07 11	0.16 222	0.06 28	0.08 85	0.12 100	0.10 35	0.10 77	0.07 75	0.06 23	0.09 224	0.06 66	0.08 25	0.09 104	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 240	0.07 11	0.13 22	0.06 28	0.08 85	0.08 7	0.18 304	0.12 149	0.07 75	0.08 125	0.06 42	0.06 66	0.09 59	0.11 291	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 74

3.25w_new	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.07 3	0.12 85	0.11 110	0.08 131	0.06 23	0.07 124	0.06 66	0.11 200	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.07 3	0.12 85	0.11 110	0.08 131	0.06 23	0.07 124	0.06 66	0.11 200	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 240	0.08 57	0.16 222	0.07 135	0.07 43	0.09 20	0.16 230	0.09 52	0.07 75	0.06 23	0.05 5	0.06 66	0.09 59	0.10 208	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 240	0.07 11	0.15 124	0.07 135	0.09 139	0.06 1	0.13 115	0.11 110	0.07 75	0.07 65	0.06 42	0.07 180	0.10 124	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 117	0.07 11	0.16 222	0.06 28	0.07 43	0.10 35	0.14 146	0.14 226	0.07 75	0.08 125	0.05 5	0.06 66	0.09 59	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 74

monsterstereo	0.07 7	0.06 117	0.06 5	0.16 222	0.06 28	0.08 85	0.10 35	0.16 230	0.11 110	0.07 75	0.08 125	0.06 42	0.07 180	0.08 25	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

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

IGEV	0.07 7	0.04 1	0.08 57	0.13 22	0.06 28	0.09 139	0.12 100	0.14 146	0.10 77	0.06 25	0.09 161	0.07 124	0.05 14	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

111111	0.07 7	0.04 1	0.09 125	0.17 309	0.06 28	0.05 4	0.10 35	0.11 58	0.09 52	0.06 25	0.06 23	0.07 124	0.05 14	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.07 383	0.06 312

LG-Stereo_L2	0.07 7	0.05 43	0.10 191	0.14 70	0.06 28	0.07 43	0.12 100	0.09 21	0.09 52	0.06 25	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

LG-Stereo_L1	0.07 7	0.05 43	0.11 254	0.14 70	0.06 28	0.07 43	0.13 179	0.09 21	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 74

MLG-Stereo_test3	0.07 7	0.05 43	0.10 191	0.14 70	0.06 28	0.07 43	0.11 64	0.08 12	0.06 6	0.06 25	0.04 1	0.06 42	0.06 66	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.05 171	0.06 312

MLG-Stereo	0.07 7	0.05 43	0.08 57	0.17 309	0.05 2	0.07 43	0.11 64	0.08 12	0.04 2	0.05 2	0.04 1	0.06 42	0.05 14	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 74

LG-G_1	0.07 7	0.04 1	0.11 254	0.15 124	0.06 28	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 180	0.11 200	0.08 25	0.07 344	0.04 25	0.05 50	0.04 60	0.05 171	0.05 209

LG-G	0.07 7	0.04 1	0.11 254	0.15 124	0.06 28	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 180	0.11 200	0.08 25	0.07 344	0.04 25	0.05 50	0.04 60	0.05 171	0.05 209

LGtest1	0.07 7	0.04 1	0.10 191	0.15 124	0.06 28	0.07 43	0.09 20	0.08 12	0.06 6	0.05 2	0.04 1	0.06 42	0.06 66	0.10 124	0.09 104	0.07 344	0.04 25	0.05 50	0.04 60	0.06 295	0.06 312

LG-Stereo_Zeroshot	0.07 7	0.06 117	0.10 191	0.16 222	0.07 135	0.04 1	0.13 179	0.10 35	0.10 77	0.05 2	0.11 250	0.07 124	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

GREAT-IGEV	0.07 7	0.06 117	0.08 57	0.13 22	0.07 135	0.07 43	0.14 246	0.09 21	0.09 52	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74
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	0.15 600	0.17 510	0.11 1	0.05 2	0.05 4	0.11 64	0.08 12	0.08 25	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.08 427	0.04 25	0.05 50	0.03 1	0.05 171	0.04 74

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

AIO_test	0.07 7	0.05 43	0.07 11	0.15 124	0.07 135	0.06 14	0.14 246	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.05 14	0.08 25	0.10 208	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

MonSter	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.07 43	0.10 35	0.15 189	0.15 253	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 43	0.07 11	0.14 70	0.06 28	0.10 202	0.13 179	0.07 7	0.13 193	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.05 50	0.03 1	0.04 48	0.04 74

dual_stereo	0.07 7	0.04 1	0.08 57	0.15 124	0.05 2	0.05 4	0.13 179	0.12 85	0.08 25	0.07 75	0.06 23	0.05 5	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 74

IGEV-Stereo++	0.07 7	0.06 117	0.08 57	0.18 402	0.06 28	0.04 1	0.10 35	0.11 58	0.11 110	0.06 25	0.07 65	0.07 124	0.06 66	0.09 59	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

IGEV-Stereo+	0.07 7	0.04 1	0.08 57	0.15 124	0.06 28	0.04 1	0.09 20	0.10 35	0.09 52	0.06 25	0.06 23	0.06 42	0.06 66	0.06 1	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.06 295	0.06 312

GCAPDPT-zeroshot4090	0.07 7	0.05 43	0.11 254	0.15 124	0.06 28	0.07 43	0.13 179	0.09 21	0.11 110	0.07 75	0.08 125	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 74

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

depth_test_26	0.08 85	0.04 1	0.11 254	0.13 22	0.07 135	0.07 43	0.11 64	0.12 85	0.11 110	0.09 183	0.07 65	0.08 186	0.05 14	0.09 59	0.08 25	0.08 427	0.06 430	0.06 200	0.06 293	0.06 295	0.07 402

Anonymus	0.08 85	0.05 43	0.10 191	0.15 124	0.08 222	0.10 202	0.15 334	0.15 189	0.10 77	0.07 75	0.06 23	0.07 124	0.08 230	0.12 296	0.10 208	0.06 168	0.04 25	0.05 50	0.05 192	0.05 171	0.06 312

LGCAT	0.08 85	0.04 1	0.10 191	0.11 1	0.06 28	0.07 43	0.12 100	0.07 7	0.08 25	0.09 183	0.07 65	0.07 124	0.08 230	0.12 296	0.11 291	0.10 533	0.09 569	0.04 1	0.05 192	0.04 48	0.09 519

quiztm	0.08 85	0.07 240	0.08 57	0.18 402	0.07 135	0.09 139	0.14 246	0.14 146	0.12 149	0.07 75	0.07 65	0.05 5	0.06 66	0.11 200	0.09 104	0.05 51	0.04 25	0.06 200	0.04 60	0.04 48	0.03 2

TS12	0.08 85	0.06 117	0.09 125	0.21 574	0.07 135	0.11 257	0.13 179	0.11 58	0.09 52	0.10 230	0.10 197	0.08 186	0.10 316	0.09 59	0.12 357	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 74

DF	0.08 85	0.05 43	0.09 125	0.15 124	0.06 28	0.11 257	0.13 179	0.10 35	0.12 149	0.09 183	0.10 197	0.10 261	0.08 230	0.11 200	0.09 104	0.07 344	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

LiteMatch*	0.08 85	0.04 1	0.11 254	0.13 22	0.08 222	0.08 85	0.13 179	0.14 146	0.09 52	0.05 2	0.05 7	0.05 5	0.09 272	0.11 200	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.05 171	0.05 209

aanet-new-90k	0.08 85	0.07 240	0.08 57	0.19 473	0.06 28	0.07 43	0.12 100	0.12 85	0.13 193	0.06 25	0.07 65	0.06 42	0.06 66	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 171	0.03 2

aanet-new-36k	0.08 85	0.06 117	0.09 125	0.17 309	0.06 28	0.09 139	0.13 179	0.11 58	0.13 193	0.08 131	0.08 125	0.06 42	0.05 14	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

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

aanet-32k-new	0.08 85	0.07 240	0.08 57	0.18 402	0.06 28	0.08 85	0.12 100	0.11 58	0.12 149	0.07 75	0.08 125	0.05 5	0.07 180	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 295	0.04 74

aanet-new-32k	0.08 85	0.07 240	0.09 125	0.18 402	0.06 28	0.11 257	0.11 64	0.10 35	0.08 25	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-30k	0.08 85	0.07 240	0.09 125	0.18 402	0.06 28	0.11 257	0.11 64	0.10 35	0.08 25	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-28k	0.08 85	0.07 240	0.09 125	0.18 402	0.06 28	0.08 85	0.12 100	0.10 35	0.09 52	0.09 183	0.08 125	0.08 186	0.06 66	0.12 296	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

aanet-new-22k	0.08 85	0.06 117	0.09 125	0.17 309	0.06 28	0.08 85	0.11 64	0.14 146	0.12 149	0.09 183	0.09 161	0.08 186	0.06 66	0.10 124	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-16k	0.08 85	0.08 359	0.08 57	0.18 402	0.06 28	0.07 43	0.09 20	0.13 115	0.12 149	0.08 131	0.07 65	0.07 124	0.06 66	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.05 171	0.03 2

aanet-new-10k	0.08 85	0.08 359	0.08 57	0.19 473	0.07 135	0.08 85	0.12 100	0.14 146	0.11 110	0.07 75	0.08 125	0.07 124	0.07 180	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

aanet-new-12k	0.08 85	0.09 442	0.07 11	0.20 540	0.08 222	0.08 85	0.13 179	0.12 85	0.13 193	0.08 131	0.08 125	0.05 5	0.07 180	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.06 295	0.04 74

aanet-new-14k	0.08 85	0.09 442	0.08 57	0.19 473	0.06 28	0.07 43	0.10 35	0.14 146	0.15 253	0.06 25	0.08 125	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

aanet-new-8k	0.08 85	0.07 240	0.08 57	0.19 473	0.07 135	0.09 139	0.12 100	0.16 230	0.15 253	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

aanet-new	0.08 85	0.09 442	0.10 191	0.18 402	0.08 222	0.10 202	0.12 100	0.15 189	0.12 149	0.08 131	0.08 125	0.05 5	0.07 180	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 295	0.04 74

GCAP-Stereo-cres-4k	0.08 85	0.07 240	0.08 57	0.18 402	0.07 135	0.11 257	0.14 246	0.12 85	0.11 110	0.07 75	0.11 250	0.07 124	0.06 66	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

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

GCAP-Stereo-DPT-36K	0.08 85	0.06 117	0.15 443	0.14 70	0.06 28	0.08 85	0.13 179	0.13 115	0.11 110	0.07 75	0.08 125	0.07 124	0.06 66	0.09 59	0.08 25	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 74

GCAP-Stereo-DPT-22K	0.08 85	0.06 117	0.07 11	0.17 309	0.06 28	0.07 43	0.14 246	0.13 115	0.16 293	0.05 2	0.10 197	0.06 42	0.06 66	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 74

GCAP-Stereo-DPT-5K	0.08 85	0.06 117	0.10 191	0.16 222	0.07 135	0.11 257	0.12 100	0.15 189	0.15 253	0.08 131	0.12 272	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 74

GCAP-Stereo-DPT-2K	0.08 85	0.06 117	0.10 191	0.16 222	0.07 135	0.11 257	0.13 179	0.14 146	0.14 226	0.08 131	0.13 291	0.05 5	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 74

GCAP-Stereo-DPT-3K	0.08 85	0.07 240	0.10 191	0.16 222	0.07 135	0.09 139	0.12 100	0.15 189	0.14 226	0.08 131	0.11 250	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 74

GCAP-Stereo-DPT-50K	0.08 85	0.06 117	0.17 510	0.15 124	0.06 28	0.06 14	0.13 179	0.13 115	0.13 193	0.07 75	0.07 65	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 85	0.06 117	0.07 11	0.16 222	0.06 28	0.06 14	0.14 246	0.14 146	0.14 226	0.07 75	0.10 197	0.06 42	0.05 14	0.09 59	0.09 104	0.04 11	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 85	0.05 43	0.12 302	0.15 124	0.06 28	0.10 202	0.14 246	0.12 85	0.12 149	0.07 75	0.09 161	0.06 42	0.06 66	0.10 124	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

PSi22	0.08 85	0.06 117	0.11 254	0.16 222	0.07 135	0.08 85	0.10 35	0.14 146	0.08 25	0.08 131	0.06 23	0.10 261	0.06 66	0.12 296	0.09 104	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 74

Foundation-i1c-attn	0.08 85	0.05 43	0.07 11	0.14 70	0.05 2	0.09 139	0.12 100	0.12 85	0.10 77	0.09 183	0.10 197	0.10 261	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Foundation-i1b	0.08 85	0.05 43	0.07 11	0.14 70	0.05 2	0.09 139	0.12 100	0.13 115	0.10 77	0.09 183	0.10 197	0.09 224	0.06 66	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Foundation-i1a	0.08 85	0.05 43	0.07 11	0.13 22	0.05 2	0.13 367	0.13 179	0.12 85	0.09 52	0.11 267	0.11 250	0.11 292	0.06 66	0.08 25	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 74

DepthFocus	0.08 85	0.04 1	0.15 443	0.12 7	0.09 357	0.07 43	0.12 100	0.10 35	0.05 4	0.09 183	0.05 7	0.07 124	0.04 1	0.08 25	0.08 25	0.06 168	0.05 276	0.07 312	0.07 393	0.05 171	0.04 74

GeoVLM	0.08 85	0.04 1	0.10 191	0.13 22	0.06 28	0.10 202	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 230	0.10 124	0.11 291	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 209

gcap_with_dpt	0.08 85	0.06 117	0.09 125	0.16 222	0.07 135	0.09 139	0.12 100	0.13 115	0.13 193	0.08 131	0.12 272	0.04 1	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 74

DispViT+	0.08 85	0.05 43	0.09 125	0.13 22	0.06 28	0.05 4	0.11 64	0.18 304	0.16 293	0.09 183	0.08 125	0.07 124	0.06 66	0.11 200	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 85	0.04 1	0.11 254	0.14 70	0.07 135	0.11 257	0.11 64	0.11 58	0.07 15	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.06 295	0.06 312

BStereo	0.08 85	0.06 117	0.16 479	0.15 124	0.08 222	0.07 43	0.09 20	0.15 189	0.16 293	0.06 25	0.07 65	0.07 124	0.05 14	0.09 59	0.11 291	0.04 11	0.05 276	0.05 50	0.07 393	0.04 48	0.04 74

MonSter++	0.08 85	0.04 1	0.10 191	0.13 22	0.06 28	0.09 139	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 230	0.10 124	0.11 291	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 74

HiDET	0.08 85	0.04 1	0.10 191	0.13 22	0.06 28	0.08 85	0.12 100	0.12 85	0.11 110	0.06 25	0.07 65	0.07 124	0.07 180	0.11 200	0.11 291	0.06 168	0.04 25	0.04 1	0.03 1	0.04 48	0.04 74

LCMNet	0.08 85	0.05 43	0.10 191	0.13 22	0.07 135	0.09 139	0.12 100	0.10 35	0.11 110	0.06 25	0.08 125	0.06 42	0.07 180	0.11 200	0.10 208	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 74

GEAStereo	0.08 85	0.05 43	0.08 57	0.13 22	0.08 222	0.08 85	0.14 246	0.10 35	0.09 52	0.08 131	0.10 197	0.06 42	0.05 14	0.11 200	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 171	0.05 209

GSStereo	0.08 85	0.05 43	0.08 57	0.13 22	0.08 222	0.08 85	0.14 246	0.11 58	0.12 149	0.08 131	0.10 197	0.05 5	0.05 14	0.11 200	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 171	0.05 209

gasm-f	0.08 85	0.05 43	0.07 11	0.13 22	0.08 222	0.08 85	0.14 246	0.10 35	0.09 52	0.08 131	0.10 197	0.06 42	0.05 14	0.10 124	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.06 295	0.05 209

DDF-Stereo	0.08 85	0.04 1	0.09 125	0.15 124	0.10 471	0.06 14	0.13 179	0.09 21	0.14 226	0.06 25	0.06 23	0.07 124	0.06 66	0.09 59	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.08 452	0.05 209

252Zero-FE	0.08 85	0.04 1	0.09 125	0.13 22	0.07 135	0.12 311	0.11 64	0.13 115	0.14 226	0.06 25	0.05 7	0.06 42	0.05 14	0.09 59	0.10 208	0.06 168	0.04 25	0.04 1	0.03 1	0.05 171	0.06 312

DA	0.08 85	0.07 240	0.07 11	0.19 473	0.08 222	0.09 139	0.12 100	0.13 115	0.12 149	0.08 131	0.10 197	0.10 261	0.08 230	0.09 59	0.10 208	0.05 51	0.04 25	0.06 200	0.04 60	0.05 171	0.03 2

zero-FE	0.08 85	0.04 1	0.09 125	0.15 124	0.10 471	0.05 4	0.14 246	0.09 21	0.14 226	0.07 75	0.06 23	0.07 124	0.06 66	0.09 59	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.08 452	0.05 209

GGEV	0.08 85	0.07 240	0.07 11	0.19 473	0.08 222	0.09 139	0.12 100	0.13 115	0.12 149	0.08 131	0.10 197	0.10 261	0.08 230	0.09 59	0.10 208	0.05 51	0.04 25	0.06 200	0.04 60	0.05 171	0.03 2

GASTEREO	0.08 85	0.05 43	0.09 125	0.19 473	0.07 135	0.07 43	0.12 100	0.14 146	0.11 110	0.10 230	0.09 161	0.07 124	0.04 1	0.12 296	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.04 48	0.05 209

MSCF	0.08 85	0.05 43	0.08 57	0.19 473	0.08 222	0.06 14	0.12 100	0.14 146	0.11 110	0.10 230	0.09 161	0.07 124	0.04 1	0.11 200	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.05 171	0.05 209

S2M2_XL	0.08 85	0.06 117	0.12 302	0.12 7	0.08 222	0.09 139	0.09 20	0.07 7	0.07 15	0.08 131	0.07 65	0.07 124	0.06 66	0.09 59	0.09 104	0.08 427	0.06 430	0.07 312	0.05 192	0.08 452	0.06 312
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 85	0.09 442	0.10 191	0.17 309	0.07 135	0.08 85	0.10 35	0.20 347	0.13 193	0.06 25	0.07 65	0.05 5	0.06 66	0.08 25	0.09 104	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 85	0.08 359	0.09 125	0.16 222	0.06 28	0.08 85	0.10 35	0.20 347	0.15 253	0.08 131	0.07 65	0.06 42	0.06 66	0.06 1	0.09 104	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

LG-Stereo	0.08 85	0.07 240	0.10 191	0.18 402	0.07 135	0.10 202	0.17 448	0.11 58	0.08 25	0.05 2	0.07 65	0.05 5	0.07 180	0.09 59	0.09 104	0.04 11	0.05 276	0.07 312	0.07 393	0.04 48	0.04 74

SGD-Stereo	0.08 85	0.05 43	0.10 191	0.14 70	0.05 2	0.12 311	0.12 100	0.11 58	0.12 149	0.07 75	0.09 161	0.09 224	0.09 272	0.08 25	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 171	0.03 2

HART	0.08 85	0.07 240	0.09 125	0.17 309	0.07 135	0.10 202	0.16 406	0.13 115	0.11 110	0.08 131	0.10 197	0.07 124	0.05 14	0.10 124	0.08 25	0.05 51	0.04 25	0.06 200	0.04 60	0.05 171	0.04 74

Reg-Stereo(zero)	0.08 85	0.05 43	0.08 57	0.16 222	0.06 28	0.12 311	0.11 64	0.15 189	0.10 77	0.12 311	0.09 161	0.10 261	0.08 230	0.11 200	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 209

SCV_C0	0.08 85	0.07 240	0.07 11	0.16 222	0.09 357	0.08 85	0.15 334	0.11 58	0.12 149	0.08 131	0.07 65	0.06 42	0.05 14	0.11 200	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.06 295	0.05 209

SCV	0.08 85	0.09 442	0.08 57	0.15 124	0.08 222	0.10 202	0.13 179	0.10 35	0.12 149	0.07 75	0.07 65	0.06 42	0.04 1	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.04 60	0.06 295	0.04 74

DEFOM-Stereo_RVC	0.08 85	0.06 117	0.09 125	0.22 591	0.06 28	0.08 85	0.12 100	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.05 14	0.11 200	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.06 295	0.04 74

HUF	0.08 85	0.05 43	0.08 57	0.14 70	0.06 28	0.09 139	0.13 179	0.13 115	0.13 193	0.07 75	0.07 65	0.08 186	0.06 66	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

castereo++	0.08 85	0.05 43	0.08 57	0.15 124	0.05 2	0.14 404	0.12 100	0.11 58	0.15 253	0.07 75	0.07 65	0.07 124	0.06 66	0.08 25	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

IGEV-RUCA	0.08 85	0.06 117	0.11 254	0.14 70	0.09 357	0.10 202	0.12 100	0.10 35	0.12 149	0.06 25	0.07 65	0.07 124	0.06 66	0.09 59	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.05 171	0.06 312

GIP-stereo	0.08 85	0.06 117	0.11 254	0.14 70	0.06 28	0.09 139	0.13 179	0.14 146	0.11 110	0.07 75	0.08 125	0.05 5	0.04 1	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

SMoEStereo_RVC	0.08 85	0.06 117	0.12 302	0.16 222	0.07 135	0.09 139	0.14 246	0.11 58	0.13 193	0.09 183	0.07 65	0.07 124	0.07 180	0.12 296	0.10 208	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 74

WCG-NET	0.08 85	0.05 43	0.09 125	0.15 124	0.06 28	0.11 257	0.14 246	0.13 115	0.13 193	0.06 25	0.09 161	0.07 124	0.06 66	0.13 353	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

Occ-G	0.08 85	0.05 43	0.06 5	0.14 70	0.07 135	0.08 85	0.14 246	0.13 115	0.15 253	0.07 75	0.11 250	0.07 124	0.05 14	0.09 59	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.05 171	0.05 209

U	0.08 85	0.07 240	0.09 125	0.19 473	0.10 471	0.10 202	0.13 179	0.12 85	0.17 323	0.07 75	0.07 65	0.06 42	0.05 14	0.07 4	0.08 25	0.06 168	0.04 25	0.06 200	0.04 60	0.06 295	0.05 209

AIO-Stereo	0.08 85	0.06 117	0.09 125	0.18 402	0.06 28	0.08 85	0.12 100	0.15 189	0.09 52	0.08 131	0.08 125	0.07 124	0.05 14	0.11 200	0.08 25	0.05 51	0.05 276	0.05 50	0.04 60	0.04 48	0.04 74

WCG-NET（raft）	0.08 85	0.05 43	0.10 191	0.15 124	0.06 28	0.11 257	0.13 179	0.15 189	0.12 149	0.08 131	0.07 65	0.06 42	0.06 66	0.13 353	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

RSM++	0.08 85	0.06 117	0.09 125	0.17 309	0.07 135	0.09 139	0.12 100	0.11 58	0.11 110	0.08 131	0.06 23	0.07 124	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.06 200	0.05 192	0.05 171	0.03 2

RSM	0.08 85	0.06 117	0.09 125	0.17 309	0.06 28	0.08 85	0.12 100	0.12 85	0.10 77	0.08 131	0.07 65	0.06 42	0.05 14	0.11 200	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

gcap-zeroshot	0.08 85	0.06 117	0.10 191	0.15 124	0.07 135	0.11 257	0.12 100	0.15 189	0.15 253	0.08 131	0.12 272	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 74

test_for_model	0.08 85	0.06 117	0.10 191	0.16 222	0.07 135	0.11 257	0.12 100	0.15 189	0.15 253	0.08 131	0.12 272	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 74

trnet	0.08 85	0.05 43	0.07 11	0.12 7	0.05 2	0.12 311	0.11 64	0.13 115	0.10 77	0.08 131	0.13 291	0.09 224	0.08 230	0.11 200	0.10 208	0.08 427	0.05 276	0.05 50	0.03 1	0.06 295	0.05 209

MoCha-V2	0.08 85	0.05 43	0.10 191	0.20 540	0.07 135	0.09 139	0.14 246	0.11 58	0.08 25	0.07 75	0.08 125	0.07 124	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

IGEV++	0.08 85	0.06 117	0.08 57	0.18 402	0.07 135	0.09 139	0.13 179	0.10 35	0.09 52	0.08 131	0.08 125	0.06 42	0.06 66	0.13 353	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

testlalala	0.08 85	0.06 117	0.10 191	0.15 124	0.07 135	0.11 257	0.12 100	0.15 189	0.15 253	0.08 131	0.12 272	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 74

AEACV	0.08 85	0.05 43	0.08 57	0.14 70	0.13 579	0.14 404	0.13 179	0.14 146	0.09 52	0.07 75	0.09 161	0.07 124	0.08 230	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 171	0.04 74

LoS_RVC	0.08 85	0.05 43	0.07 11	0.15 124	0.07 135	0.08 85	0.15 334	0.11 58	0.10 77	0.08 131	0.09 161	0.06 42	0.09 272	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

CAS	0.08 85	0.04 1	0.07 11	0.17 309	0.08 222	0.10 202	0.13 179	0.12 85	0.09 52	0.09 183	0.10 197	0.08 186	0.06 66	0.09 59	0.08 25	0.08 427	0.04 25	0.05 50	0.03 1	0.05 171	0.04 74

CES	0.08 85	0.04 1	0.08 57	0.14 70	0.07 135	0.09 139	0.14 246	0.11 58	0.09 52	0.08 131	0.09 161	0.11 292	0.06 66	0.12 296	0.08 25	0.06 168	0.04 25	0.05 50	0.03 1	0.05 171	0.05 209

EGLCR-Stereo	0.08 85	0.05 43	0.08 57	0.14 70	0.06 28	0.10 202	0.12 100	0.11 58	0.16 293	0.06 25	0.05 7	0.07 124	0.05 14	0.10 124	0.11 291	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 74

MC-Stereo	0.08 85	0.06 117	0.09 125	0.17 309	0.06 28	0.10 202	0.14 246	0.12 85	0.10 77	0.09 183	0.12 272	0.09 224	0.06 66	0.11 200	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 74

test-3	0.08 85	0.06 117	0.09 125	0.17 309	0.07 135	0.07 43	0.14 246	0.12 85	0.15 253	0.09 183	0.08 125	0.07 124	0.08 230	0.11 200	0.10 208	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.04 74

test_1	0.08 85	0.06 117	0.09 125	0.17 309	0.07 135	0.07 43	0.14 246	0.12 85	0.15 253	0.09 183	0.08 125	0.07 124	0.08 230	0.11 200	0.10 208	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.04 74

CREStereo++_RVC	0.08 85	0.04 1	0.06 5	0.13 22	0.07 135	0.09 139	0.12 100	0.14 146	0.14 226	0.10 230	0.14 307	0.08 186	0.07 180	0.09 59	0.11 291	0.06 168	0.04 25	0.05 50	0.05 192	0.04 48	0.04 74
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
Weightmod	0.09 176	0.06 117	0.08 57	0.18 402	0.06 28	0.10 202	0.15 334	0.14 146	0.12 149	0.11 267	0.10 197	0.08 186	0.07 180	0.10 124	0.11 291	0.06 168	0.08 535	0.07 312	0.07 393	0.04 48	0.03 2

PhaseNet	0.09 176	0.06 117	0.10 191	0.15 124	0.08 222	0.10 202	0.14 246	0.20 347	0.12 149	0.07 75	0.08 125	0.09 224	0.10 316	0.13 353	0.12 357	0.06 168	0.04 25	0.06 200	0.06 293	0.05 171	0.05 209

DNS	0.09 176	0.05 43	0.11 254	0.15 124	0.08 222	0.10 202	0.16 406	0.17 269	0.09 52	0.08 131	0.12 272	0.08 186	0.07 180	0.09 59	0.08 25	0.07 344	0.04 25	0.05 50	0.05 192	0.06 295	0.05 209

RT-Monster	0.09 176	0.05 43	0.09 125	0.14 70	0.08 222	0.11 257	0.10 35	0.17 269	0.18 356	0.13 345	0.10 197	0.09 224	0.08 230	0.10 124	0.10 208	0.07 344	0.05 276	0.05 50	0.04 60	0.05 171	0.06 312

LiteMatch	0.09 176	0.06 117	0.10 191	0.16 222	0.07 135	0.09 139	0.15 334	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.15 470	0.10 124	0.14 447	0.07 344	0.04 25	0.06 200	0.06 293	0.06 295	0.06 312

Foundation-i1	0.09 176	0.04 1	0.10 191	0.14 70	0.06 28	0.10 202	0.13 179	0.16 230	0.14 226	0.10 230	0.10 197	0.11 292	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.05 192	0.05 171	0.05 209

VMStereo-Base	0.09 176	0.05 43	0.10 191	0.13 22	0.07 135	0.10 202	0.10 35	0.16 230	0.13 193	0.10 230	0.15 328	0.10 261	0.09 272	0.11 200	0.10 208	0.07 344	0.05 276	0.05 50	0.04 60	0.05 171	0.06 312

Anonymus123	0.09 176	0.06 117	0.16 479	0.15 124	0.08 222	0.11 257	0.09 20	0.18 304	0.16 293	0.06 25	0.07 65	0.07 124	0.05 14	0.09 59	0.11 291	0.04 11	0.05 276	0.05 50	0.07 393	0.04 48	0.04 74

NLSM3	0.09 176	0.06 117	0.08 57	0.19 473	0.08 222	0.11 257	0.16 406	0.18 304	0.16 293	0.06 25	0.08 125	0.07 124	0.08 230	0.09 59	0.11 291	0.04 11	0.04 25	0.06 200	0.07 393	0.03 1	0.03 2

FE-Mocha	0.09 176	0.06 117	0.14 394	0.16 222	0.09 357	0.10 202	0.15 334	0.18 304	0.16 293	0.10 230	0.09 161	0.07 124	0.07 180	0.09 59	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 171	0.05 209

IGEV-FE	0.09 176	0.05 43	0.12 302	0.13 22	0.08 222	0.12 311	0.13 179	0.17 269	0.11 110	0.10 230	0.06 23	0.09 224	0.06 66	0.11 200	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 171	0.05 209

water-stereo	0.09 176	0.06 117	0.08 57	0.16 222	0.07 135	0.09 139	0.13 179	0.15 189	0.13 193	0.11 267	0.12 272	0.08 186	0.09 272	0.07 4	0.08 25	0.06 168	0.05 276	0.05 50	0.05 192	0.04 48	0.04 74

depthmonostereo	0.09 176	0.06 117	0.09 125	0.15 124	0.06 28	0.10 202	0.13 179	0.14 146	0.14 226	0.10 230	0.10 197	0.09 224	0.11 353	0.08 25	0.09 104	0.06 168	0.05 276	0.06 200	0.04 60	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 176	0.05 43	0.08 57	0.15 124	0.06 28	0.11 257	0.12 100	0.14 146	0.16 293	0.11 267	0.11 250	0.09 224	0.09 272	0.11 200	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.03 1	0.03 2

S2M2_L	0.09 176	0.08 359	0.11 254	0.13 22	0.10 471	0.08 85	0.06 1	0.10 35	0.10 77	0.10 230	0.09 161	0.10 261	0.09 272	0.11 200	0.11 291	0.13 616	0.07 503	0.08 407	0.09 515	0.10 550	0.08 473
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 176	0.06 117	0.09 125	0.19 473	0.08 222	0.12 311	0.18 497	0.15 189	0.14 226	0.07 75	0.10 197	0.07 124	0.06 66	0.12 296	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 171	0.03 2

castereo	0.09 176	0.06 117	0.11 254	0.15 124	0.06 28	0.11 257	0.15 334	0.14 146	0.18 356	0.08 131	0.10 197	0.11 292	0.08 230	0.09 59	0.10 208	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

fffft	0.09 176	0.06 117	0.12 302	0.16 222	0.07 135	0.09 139	0.17 448	0.12 85	0.11 110	0.08 131	0.07 65	0.09 224	0.06 66	0.11 200	0.12 357	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.05 209
1: 1. 1
tt45	0.09 176	0.06 117	0.11 254	0.15 124	0.07 135	0.11 257	0.16 406	0.13 115	0.11 110	0.09 183	0.06 23	0.08 186	0.06 66	0.13 353	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.05 171	0.06 312

999	0.09 176	0.05 43	0.13 355	0.15 124	0.08 222	0.10 202	0.14 246	0.15 189	0.11 110	0.10 230	0.08 125	0.08 186	0.08 230	0.16 449	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.05 209

mms	0.09 176	0.07 240	0.08 57	0.16 222	0.08 222	0.10 202	0.16 406	0.12 85	0.11 110	0.08 131	0.09 161	0.08 186	0.06 66	0.11 200	0.12 357	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.03 2

ours_stereo	0.09 176	0.07 240	0.09 125	0.17 309	0.08 222	0.11 257	0.16 406	0.11 58	0.12 149	0.08 131	0.10 197	0.08 186	0.06 66	0.12 296	0.12 357	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.03 2

fffy	0.09 176	0.08 359	0.09 125	0.16 222	0.07 135	0.13 367	0.17 448	0.13 115	0.12 149	0.08 131	0.09 161	0.08 186	0.09 272	0.13 353	0.11 291	0.05 51	0.05 276	0.07 312	0.05 192	0.04 48	0.05 209

PAM_32	0.09 176	0.05 43	0.17 510	0.15 124	0.08 222	0.10 202	0.15 334	0.14 146	0.15 253	0.09 183	0.08 125	0.09 224	0.07 180	0.14 387	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.05 171	0.06 312

UGAM-zero	0.09 176	0.05 43	0.15 443	0.15 124	0.08 222	0.09 139	0.13 179	0.19 335	0.15 253	0.11 267	0.15 328	0.07 124	0.07 180	0.09 59	0.09 104	0.06 168	0.05 276	0.06 200	0.05 192	0.05 171	0.06 312

GCAP-BAT	0.09 176	0.05 43	0.11 254	0.13 22	0.07 135	0.11 257	0.14 246	0.14 146	0.16 293	0.07 75	0.10 197	0.08 186	0.06 66	0.13 353	0.08 25	0.07 344	0.05 276	0.05 50	0.05 192	0.04 48	0.04 74

Pointernet	0.09 176	0.04 1	0.09 125	0.16 222	0.08 222	0.13 367	0.10 35	0.15 189	0.17 323	0.09 183	0.07 65	0.06 42	0.06 66	0.11 200	0.09 104	0.08 427	0.04 25	0.05 50	0.03 1	0.06 295	0.05 209

IGEV-BASED-STEREO-	0.09 176	0.10 505	0.31 620	0.15 124	0.06 28	0.08 85	0.14 246	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.04 1	0.11 200	0.07 1	0.12 590	0.04 25	0.07 312	0.05 192	0.05 171	0.05 209

RAFT-Stereo-weight	0.09 176	0.06 117	0.10 191	0.16 222	0.07 135	0.09 139	0.14 246	0.19 335	0.16 293	0.11 267	0.10 197	0.08 186	0.06 66	0.10 124	0.11 291	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 74

MGS-Stereo	0.09 176	0.07 240	0.12 302	0.15 124	0.08 222	0.09 139	0.15 334	0.12 85	0.12 149	0.07 75	0.10 197	0.08 186	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.06 295	0.05 209

ff7	0.09 176	0.07 240	0.11 254	0.16 222	0.09 357	0.11 257	0.15 334	0.16 230	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 200	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 171	0.06 312

IGEVStereo-DCA	0.09 176	0.06 117	0.11 254	0.15 124	0.10 471	0.11 257	0.15 334	0.16 230	0.12 149	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.08 25	0.06 168	0.05 276	0.06 200	0.05 192	0.05 171	0.06 312

ffff	0.09 176	0.07 240	0.11 254	0.16 222	0.09 357	0.11 257	0.15 334	0.16 230	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 200	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 171	0.06 312

rrr	0.09 176	0.06 117	0.12 302	0.15 124	0.10 471	0.11 257	0.16 406	0.16 230	0.15 253	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.08 25	0.06 168	0.05 276	0.06 200	0.05 192	0.05 171	0.06 312

11t	0.09 176	0.07 240	0.11 254	0.16 222	0.09 357	0.11 257	0.15 334	0.16 230	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 200	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 171	0.06 312

MaDis-Stereo	0.09 176	0.09 442	0.08 57	0.17 309	0.09 357	0.13 367	0.10 35	0.16 230	0.16 293	0.09 183	0.11 250	0.06 42	0.06 66	0.09 59	0.13 404	0.07 344	0.06 430	0.07 312	0.05 192	0.05 171	0.04 74

IGEV_Zeroshot_test	0.09 176	0.05 43	0.12 302	0.13 22	0.08 222	0.12 311	0.13 179	0.17 269	0.11 110	0.10 230	0.06 23	0.09 224	0.06 66	0.11 200	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 171	0.05 209

MSKI-zero shot	0.09 176	0.05 43	0.09 125	0.15 124	0.07 135	0.10 202	0.13 179	0.14 146	0.13 193	0.09 183	0.09 161	0.09 224	0.06 66	0.12 296	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

UniTT-Stereo	0.09 176	0.07 240	0.08 57	0.18 402	0.08 222	0.13 367	0.11 64	0.12 85	0.11 110	0.10 230	0.12 272	0.05 5	0.07 180	0.09 59	0.09 104	0.07 344	0.05 276	0.05 50	0.05 192	0.05 171	0.05 209

MIM_Stereo	0.09 176	0.07 240	0.11 254	0.15 124	0.07 135	0.06 14	0.12 100	0.20 347	0.14 226	0.13 345	0.13 291	0.09 224	0.05 14	0.12 296	0.08 25	0.05 51	0.06 430	0.07 312	0.06 293	0.06 295	0.05 209

CASnet	0.09 176	0.09 442	0.09 125	0.19 473	0.06 28	0.07 43	0.11 64	0.18 304	0.14 226	0.11 267	0.10 197	0.09 224	0.07 180	0.10 124	0.10 208	0.06 168	0.04 25	0.10 542	0.08 468	0.05 171	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 176	0.05 43	0.11 254	0.13 22	0.07 135	0.11 257	0.14 246	0.14 146	0.16 293	0.07 75	0.10 197	0.08 186	0.06 66	0.13 353	0.08 25	0.07 344	0.05 276	0.05 50	0.05 192	0.04 48	0.04 74

GCAP-Stereo	0.09 176	0.07 240	0.13 355	0.18 402	0.06 28	0.11 257	0.07 3	0.13 115	0.12 149	0.09 183	0.10 197	0.07 124	0.09 272	0.13 353	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.04 48	0.05 209

RAFT-Test	0.09 176	0.06 117	0.10 191	0.15 124	0.07 135	0.11 257	0.15 334	0.16 230	0.13 193	0.09 183	0.10 197	0.10 261	0.09 272	0.12 296	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 209

HH	0.09 176	0.06 117	0.13 355	0.17 309	0.08 222	0.10 202	0.16 406	0.14 146	0.10 77	0.08 131	0.09 161	0.08 186	0.07 180	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 171	0.04 74

HanStereo	0.09 176	0.06 117	0.13 355	0.17 309	0.08 222	0.10 202	0.16 406	0.14 146	0.10 77	0.08 131	0.09 161	0.08 186	0.07 180	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 171	0.04 74

4D-IteraStereo	0.09 176	0.07 240	0.10 191	0.18 402	0.07 135	0.09 139	0.15 334	0.17 269	0.15 253	0.10 230	0.11 250	0.10 261	0.07 180	0.11 200	0.09 104	0.05 51	0.03 1	0.08 407	0.07 393	0.06 295	0.05 209

anonymousdsp	0.09 176	0.07 240	0.11 254	0.16 222	0.09 357	0.11 257	0.15 334	0.16 230	0.12 149	0.09 183	0.06 23	0.06 42	0.06 66	0.11 200	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 171	0.06 312

LoS	0.09 176	0.05 43	0.11 254	0.13 22	0.07 135	0.14 404	0.11 64	0.15 189	0.15 253	0.09 183	0.09 161	0.12 314	0.09 272	0.15 414	0.10 208	0.07 344	0.05 276	0.05 50	0.03 1	0.05 171	0.05 209
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 176	0.07 240	0.10 191	0.17 309	0.08 222	0.10 202	0.15 334	0.15 189	0.12 149	0.09 183	0.06 23	0.07 124	0.06 66	0.11 200	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.06 312

RCA-Stereo	0.09 176	0.06 117	0.09 125	0.16 222	0.06 28	0.09 139	0.13 179	0.18 304	0.14 226	0.09 183	0.10 197	0.08 186	0.07 180	0.12 296	0.11 291	0.06 168	0.04 25	0.06 200	0.05 192	0.05 171	0.04 74

CroCo-Stereo Lap2	0.09 176	0.09 442	0.08 57	0.22 591	0.09 357	0.09 139	0.19 537	0.16 230	0.12 149	0.09 183	0.10 197	0.05 5	0.05 14	0.08 25	0.08 25	0.06 168	0.06 430	0.07 312	0.05 192	0.05 171	0.05 209

ccc-4	0.09 176	0.07 240	0.11 254	0.16 222	0.09 357	0.11 257	0.15 334	0.16 230	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 200	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 171	0.06 312

IGEV-Stereo	0.09 176	0.07 240	0.11 254	0.16 222	0.09 357	0.11 257	0.15 334	0.16 230	0.12 149	0.09 183	0.06 23	0.06 42	0.06 66	0.11 200	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 171	0.06 312
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 176	0.05 43	0.13 355	0.14 70	0.08 222	0.12 311	0.15 334	0.18 304	0.10 77	0.11 267	0.08 125	0.08 186	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.06 295	0.05 209

TRStereo	0.09 176	0.05 43	0.12 302	0.15 124	0.12 556	0.10 202	0.13 179	0.18 304	0.18 356	0.09 183	0.09 161	0.09 224	0.06 66	0.10 124	0.08 25	0.07 344	0.05 276	0.07 312	0.07 393	0.04 48	0.04 74

AnonymousM	0.09 176	0.05 43	0.10 191	0.14 70	0.06 28	0.09 139	0.13 179	0.19 335	0.14 226	0.13 345	0.11 250	0.09 224	0.08 230	0.13 353	0.10 208	0.08 427	0.05 276	0.08 407	0.05 192	0.05 171	0.05 209

CroCo-Stereo	0.09 176	0.08 359	0.08 57	0.22 591	0.09 357	0.09 139	0.19 537	0.15 189	0.12 149	0.07 75	0.07 65	0.08 186	0.06 66	0.08 25	0.07 1	0.07 344	0.05 276	0.06 200	0.04 60	0.05 171	0.04 74
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 176	0.06 117	0.07 11	0.15 124	0.05 2	0.16 463	0.18 497	0.15 189	0.15 253	0.10 230	0.11 250	0.11 292	0.11 353	0.10 124	0.12 357	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 74

TANstereo	0.09 176	0.04 1	0.08 57	0.13 22	0.06 28	0.11 257	0.14 246	0.15 189	0.19 375	0.11 267	0.15 328	0.10 261	0.06 66	0.12 296	0.09 104	0.07 344	0.05 276	0.05 50	0.04 60	0.06 295	0.05 209

XX-TBD	0.09 176	0.06 117	0.07 11	0.14 70	0.07 135	0.12 311	0.16 406	0.14 146	0.13 193	0.11 267	0.12 272	0.09 224	0.08 230	0.10 124	0.10 208	0.06 168	0.04 25	0.05 50	0.03 1	0.06 295	0.05 209

raftrobust	0.09 176	0.06 117	0.10 191	0.17 309	0.08 222	0.09 139	0.10 35	0.18 304	0.16 293	0.10 230	0.09 161	0.12 314	0.07 180	0.12 296	0.10 208	0.08 427	0.05 276	0.06 200	0.05 192	0.05 171	0.05 209

XX-Stereo	0.09 176	0.05 43	0.08 57	0.17 309	0.09 357	0.15 431	0.12 100	0.20 347	0.10 77	0.10 230	0.14 307	0.07 124	0.06 66	0.12 296	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.04 48	0.04 74

test_xeample3	0.09 176	0.06 117	0.12 302	0.16 222	0.09 357	0.11 257	0.15 334	0.16 230	0.13 193	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 171	0.06 312

RAFT-Stereo + iAFF	0.09 176	0.06 117	0.10 191	0.17 309	0.06 28	0.10 202	0.16 406	0.17 269	0.14 226	0.09 183	0.10 197	0.08 186	0.09 272	0.11 200	0.09 104	0.05 51	0.04 25	0.06 200	0.06 293	0.04 48	0.03 2

AFF-stereo	0.09 176	0.06 117	0.10 191	0.17 309	0.07 135	0.10 202	0.16 406	0.17 269	0.09 52	0.10 230	0.12 272	0.09 224	0.09 272	0.12 296	0.09 104	0.05 51	0.04 25	0.07 312	0.07 393	0.04 48	0.03 2

EAI-Stereo	0.09 176	0.07 240	0.11 254	0.15 124	0.06 28	0.10 202	0.15 334	0.16 230	0.09 52	0.08 131	0.09 161	0.08 186	0.07 180	0.09 59	0.11 291	0.05 51	0.04 25	0.05 50	0.05 192	0.05 171	0.04 74

CFNet-RSSM	0.09 176	0.07 240	0.09 125	0.16 222	0.07 135	0.09 139	0.15 334	0.16 230	0.17 323	0.08 131	0.12 272	0.10 261	0.09 272	0.11 200	0.09 104	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 74

Gwc-CoAtRS	0.09 176	0.06 117	0.10 191	0.16 222	0.07 135	0.10 202	0.14 246	0.17 269	0.17 323	0.08 131	0.10 197	0.12 314	0.09 272	0.12 296	0.09 104	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 74

CREStereo	0.09 176	0.04 1	0.08 57	0.11 1	0.06 28	0.13 367	0.14 246	0.14 146	0.10 77	0.08 131	0.13 291	0.09 224	0.08 230	0.11 200	0.10 208	0.08 427	0.04 25	0.05 50	0.03 1	0.06 295	0.06 312
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 176	0.05 43	0.09 125	0.12 7	0.06 28	0.12 311	0.14 246	0.15 189	0.11 110	0.09 183	0.13 291	0.10 261	0.07 180	0.13 353	0.10 208	0.15 634	0.04 25	0.05 50	0.03 1	0.07 383	0.06 312

SE	0.10 247	0.10 505	0.08 57	0.19 473	0.09 357	0.11 257	0.11 64	0.15 189	0.11 110	0.10 230	0.16 341	0.09 224	0.08 230	0.09 59	0.10 208	0.06 168	0.05 276	0.08 407	0.07 393	0.07 383	0.04 74

SMOE	0.10 247	0.08 359	0.09 125	0.18 402	0.07 135	0.13 367	0.14 246	0.18 304	0.13 193	0.11 267	0.13 291	0.12 314	0.09 272	0.11 200	0.11 291	0.05 51	0.05 276	0.08 407	0.06 293	0.06 295	0.04 74

ManiGeoR	0.10 247	0.05 43	0.12 302	0.12 7	0.08 222	0.12 311	0.12 100	0.24 447	0.14 226	0.12 311	0.14 307	0.12 314	0.09 272	0.13 353	0.13 404	0.07 344	0.04 25	0.05 50	0.05 192	0.07 383	0.07 402

HLf10	0.10 247	0.05 43	0.12 302	0.12 7	0.08 222	0.12 311	0.12 100	0.24 447	0.14 226	0.12 311	0.14 307	0.12 314	0.09 272	0.13 353	0.13 404	0.07 344	0.04 25	0.05 50	0.05 192	0.07 383	0.07 402

TestStereo_HLe17	0.10 247	0.05 43	0.12 302	0.13 22	0.07 135	0.11 257	0.15 334	0.21 374	0.15 253	0.11 267	0.14 307	0.11 292	0.09 272	0.13 353	0.12 357	0.07 344	0.04 25	0.05 50	0.05 192	0.07 383	0.06 312

DN	0.10 247	0.05 43	0.09 125	0.14 70	0.09 357	0.12 311	0.18 497	0.17 269	0.16 293	0.08 131	0.09 161	0.08 186	0.06 66	0.08 25	0.09 104	0.11 565	0.05 276	0.07 312	0.06 293	0.07 383	0.09 519

Hybrid-DGEV-03	0.10 247	0.06 117	0.09 125	0.18 402	0.08 222	0.16 463	0.14 246	0.15 189	0.14 226	0.13 345	0.16 341	0.12 314	0.09 272	0.13 353	0.11 291	0.06 168	0.04 25	0.08 407	0.06 293	0.05 171	0.04 74

WQFJA1	0.10 247	0.07 240	0.08 57	0.20 540	0.09 357	0.12 311	0.17 448	0.17 269	0.17 323	0.09 183	0.10 197	0.08 186	0.10 316	0.12 296	0.11 291	0.06 168	0.07 503	0.07 312	0.06 293	0.06 295	0.05 209

WQFJX1	0.10 247	0.07 240	0.08 57	0.22 591	0.09 357	0.12 311	0.17 448	0.18 304	0.17 323	0.10 230	0.09 161	0.07 124	0.10 316	0.11 200	0.09 104	0.07 344	0.08 535	0.07 312	0.06 293	0.05 171	0.04 74

WQFJX	0.10 247	0.07 240	0.09 125	0.21 574	0.09 357	0.12 311	0.16 406	0.18 304	0.17 323	0.12 311	0.10 197	0.07 124	0.09 272	0.12 296	0.10 208	0.06 168	0.07 503	0.06 200	0.05 192	0.06 295	0.05 209

NLMM	0.10 247	0.07 240	0.08 57	0.20 540	0.09 357	0.12 311	0.17 448	0.17 269	0.17 323	0.09 183	0.10 197	0.08 186	0.10 316	0.12 296	0.11 291	0.06 168	0.07 503	0.07 312	0.06 293	0.06 295	0.05 209

NLSM1	0.10 247	0.07 240	0.07 11	0.19 473	0.08 222	0.13 367	0.16 406	0.21 374	0.15 253	0.11 267	0.10 197	0.06 42	0.10 316	0.10 124	0.11 291	0.07 344	0.08 535	0.08 407	0.07 393	0.05 171	0.05 209

MM-Stereo_test3	0.10 247	0.07 240	0.07 11	0.18 402	0.07 135	0.12 311	0.19 537	0.24 447	0.19 375	0.06 25	0.10 197	0.08 186	0.06 66	0.11 200	0.08 25	0.06 168	0.06 430	0.07 312	0.05 192	0.05 171	0.04 74

MM-Stereo_test1	0.10 247	0.07 240	0.08 57	0.18 402	0.07 135	0.12 311	0.18 497	0.21 374	0.20 399	0.09 183	0.11 250	0.08 186	0.06 66	0.10 124	0.10 208	0.06 168	0.05 276	0.07 312	0.06 293	0.05 171	0.04 74

AIO-test2	0.10 247	0.08 359	0.10 191	0.23 615	0.08 222	0.11 257	0.10 35	0.23 423	0.23 441	0.08 131	0.09 161	0.08 186	0.05 14	0.10 124	0.08 25	0.06 168	0.05 276	0.08 407	0.09 515	0.05 171	0.05 209

AIO-test1	0.10 247	0.07 240	0.10 191	0.23 615	0.07 135	0.09 139	0.13 179	0.21 374	0.14 226	0.11 267	0.12 272	0.09 224	0.07 180	0.11 200	0.09 104	0.06 168	0.05 276	0.09 493	0.10 557	0.03 1	0.06 312

tg	0.10 247	0.06 117	0.10 191	0.18 402	0.08 222	0.11 257	0.16 406	0.20 347	0.12 149	0.08 131	0.11 250	0.11 292	0.07 180	0.11 200	0.10 208	0.05 51	0.04 25	0.08 407	0.08 468	0.04 48	0.04 74

PAM	0.10 247	0.05 43	0.16 479	0.15 124	0.08 222	0.09 139	0.16 406	0.15 189	0.16 293	0.12 311	0.09 161	0.09 224	0.07 180	0.13 353	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.05 171	0.06 312

model_zeroshot	0.10 247	0.04 1	0.11 254	0.15 124	0.09 357	0.12 311	0.14 246	0.20 347	0.13 193	0.11 267	0.10 197	0.12 314	0.07 180	0.12 296	0.10 208	0.07 344	0.06 430	0.06 200	0.05 192	0.06 295	0.06 312

RAStereo	0.10 247	0.09 442	0.08 57	0.20 540	0.08 222	0.13 367	0.18 497	0.15 189	0.17 323	0.10 230	0.12 272	0.05 5	0.06 66	0.09 59	0.08 25	0.07 344	0.05 276	0.07 312	0.05 192	0.05 171	0.04 74

rvit_stereo_0080	0.10 247	0.08 359	0.14 394	0.15 124	0.09 357	0.07 43	0.15 334	0.16 230	0.16 293	0.11 267	0.10 197	0.14 370	0.08 230	0.12 296	0.10 208	0.09 489	0.07 503	0.07 312	0.06 293	0.07 383	0.05 209

H2IRNET	0.10 247	0.09 442	0.09 125	0.18 402	0.09 357	0.12 311	0.15 334	0.14 146	0.21 415	0.10 230	0.10 197	0.10 261	0.10 316	0.10 124	0.10 208	0.05 51	0.04 25	0.08 407	0.08 468	0.06 295	0.05 209

Former-RAFT_DAM_RVC	0.10 247	0.08 359	0.12 302	0.16 222	0.08 222	0.15 431	0.16 406	0.18 304	0.18 356	0.10 230	0.09 161	0.09 224	0.08 230	0.11 200	0.12 357	0.07 344	0.05 276	0.08 407	0.06 293	0.07 383	0.06 312

MyStereo07	0.10 247	0.07 240	0.10 191	0.17 309	0.09 357	0.14 404	0.18 497	0.15 189	0.15 253	0.09 183	0.06 23	0.06 42	0.07 180	0.12 296	0.09 104	0.06 168	0.05 276	0.08 407	0.07 393	0.06 295	0.06 312

MyStereo06	0.10 247	0.07 240	0.12 302	0.17 309	0.09 357	0.13 367	0.18 497	0.19 335	0.12 149	0.12 311	0.08 125	0.07 124	0.07 180	0.11 200	0.09 104	0.06 168	0.05 276	0.07 312	0.07 393	0.06 295	0.06 312

AE-Stereo	0.10 247	0.08 359	0.10 191	0.18 402	0.09 357	0.10 202	0.15 334	0.14 146	0.19 375	0.09 183	0.14 307	0.12 314	0.08 230	0.11 200	0.10 208	0.05 51	0.06 430	0.07 312	0.06 293	0.05 171	0.04 74

ACVNet-DCA	0.10 247	0.08 359	0.12 302	0.17 309	0.09 357	0.13 367	0.15 334	0.23 423	0.16 293	0.09 183	0.09 161	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.07 383	0.07 402

cc1	0.10 247	0.08 359	0.12 302	0.17 309	0.09 357	0.13 367	0.15 334	0.16 230	0.18 356	0.09 183	0.09 161	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.06 295	0.06 312

tt1	0.10 247	0.08 359	0.12 302	0.17 309	0.09 357	0.12 311	0.16 406	0.15 189	0.19 375	0.09 183	0.08 125	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.06 295	0.06 312

whm_eth	0.10 247	0.08 359	0.14 394	0.15 124	0.09 357	0.07 43	0.15 334	0.16 230	0.16 293	0.11 267	0.10 197	0.14 370	0.08 230	0.12 296	0.10 208	0.09 489	0.07 503	0.07 312	0.06 293	0.07 383	0.05 209

plain	0.10 247	0.08 359	0.10 191	0.19 473	0.09 357	0.10 202	0.15 334	0.14 146	0.13 193	0.13 345	0.15 328	0.09 224	0.12 386	0.13 353	0.12 357	0.07 344	0.05 276	0.09 493	0.06 293	0.06 295	0.06 312

Any-RAFT	0.10 247	0.05 43	0.09 125	0.14 70	0.07 135	0.13 367	0.14 246	0.21 374	0.15 253	0.11 267	0.12 272	0.12 314	0.09 272	0.12 296	0.09 104	0.07 344	0.04 25	0.05 50	0.04 60	0.06 295	0.05 209

LL-Strereo2	0.10 247	0.10 505	0.15 443	0.18 402	0.08 222	0.15 431	0.09 20	0.17 269	0.14 226	0.14 372	0.10 197	0.09 224	0.07 180	0.16 449	0.10 208	0.05 51	0.05 276	0.10 542	0.07 393	0.06 295	0.05 209

DCANet-4	0.10 247	0.06 117	0.12 302	0.16 222	0.06 28	0.09 139	0.17 448	0.18 304	0.19 375	0.13 345	0.16 341	0.09 224	0.14 452	0.11 200	0.12 357	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 209

fff	0.10 247	0.06 117	0.12 302	0.15 124	0.07 135	0.09 139	0.17 448	0.16 230	0.20 399	0.13 345	0.16 341	0.10 261	0.11 353	0.11 200	0.12 357	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 209

ADStereo(finetuned)	0.10 247	0.06 117	0.12 302	0.16 222	0.06 28	0.09 139	0.17 448	0.15 189	0.19 375	0.13 345	0.17 365	0.10 261	0.12 386	0.11 200	0.12 357	0.06 168	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

test_4	0.10 247	0.10 505	0.08 57	0.19 473	0.09 357	0.08 85	0.22 592	0.15 189	0.17 323	0.12 311	0.18 393	0.12 314	0.09 272	0.08 25	0.11 291	0.04 11	0.04 25	0.08 407	0.08 468	0.04 48	0.03 2

IPLG	0.10 247	0.07 240	0.15 443	0.17 309	0.08 222	0.11 257	0.14 246	0.20 347	0.15 253	0.12 311	0.17 365	0.07 124	0.07 180	0.14 387	0.13 404	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 74

test_3	0.10 247	0.09 442	0.10 191	0.20 540	0.08 222	0.13 367	0.26 641	0.14 146	0.21 415	0.10 230	0.10 197	0.09 224	0.09 272	0.08 25	0.11 291	0.05 51	0.04 25	0.08 407	0.07 393	0.04 48	0.04 74

STrans-v2	0.10 247	0.07 240	0.12 302	0.18 402	0.07 135	0.10 202	0.14 246	0.21 374	0.11 110	0.11 267	0.15 328	0.12 314	0.10 316	0.11 200	0.12 357	0.05 51	0.04 25	0.06 200	0.06 293	0.04 48	0.04 74

TransformOpticalFlow	0.10 247	0.08 359	0.13 355	0.18 402	0.07 135	0.09 139	0.15 334	0.19 335	0.15 253	0.12 311	0.17 365	0.11 292	0.11 353	0.11 200	0.10 208	0.05 51	0.04 25	0.06 200	0.06 293	0.05 171	0.05 209

SST-Stereo	0.10 247	0.07 240	0.15 443	0.18 402	0.09 357	0.06 14	0.12 100	0.17 269	0.11 110	0.15 399	0.17 365	0.13 347	0.12 386	0.10 124	0.11 291	0.06 168	0.04 25	0.09 493	0.06 293	0.06 295	0.05 209

cross-raft	0.10 247	0.09 442	0.09 125	0.19 473	0.07 135	0.11 257	0.25 632	0.13 115	0.15 253	0.08 131	0.11 250	0.12 314	0.10 316	0.09 59	0.11 291	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 74

test-1	0.10 247	0.07 240	0.16 479	0.19 473	0.08 222	0.11 257	0.24 617	0.14 146	0.18 356	0.09 183	0.07 65	0.09 224	0.08 230	0.07 4	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 74

iRaftStereo_RVC	0.10 247	0.07 240	0.09 125	0.17 309	0.09 357	0.11 257	0.17 448	0.18 304	0.12 149	0.09 183	0.12 272	0.10 261	0.07 180	0.11 200	0.10 208	0.05 51	0.04 25	0.08 407	0.08 468	0.04 48	0.04 74

RALCasStereoNet	0.10 247	0.06 117	0.09 125	0.16 222	0.08 222	0.12 311	0.14 246	0.17 269	0.11 110	0.12 311	0.17 365	0.14 370	0.10 316	0.12 296	0.11 291	0.07 344	0.06 430	0.06 200	0.05 192	0.08 452	0.07 402

DCANet	0.10 247	0.06 117	0.12 302	0.16 222	0.06 28	0.09 139	0.17 448	0.15 189	0.19 375	0.13 345	0.17 365	0.10 261	0.11 353	0.11 200	0.12 357	0.06 168	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

csc	0.10 247	0.06 117	0.12 302	0.15 124	0.07 135	0.09 139	0.17 448	0.16 230	0.20 399	0.13 345	0.16 341	0.10 261	0.11 353	0.11 200	0.12 357	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 209

cscssc	0.10 247	0.06 117	0.12 302	0.15 124	0.07 135	0.09 139	0.17 448	0.16 230	0.20 399	0.13 345	0.16 341	0.10 261	0.11 353	0.11 200	0.12 357	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 209

111	0.10 247	0.06 117	0.12 302	0.15 124	0.07 135	0.10 202	0.14 246	0.21 374	0.23 441	0.11 267	0.12 272	0.14 370	0.11 353	0.13 353	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.05 171	0.05 209

R-Stereo Train	0.10 247	0.06 117	0.10 191	0.17 309	0.08 222	0.11 257	0.14 246	0.23 423	0.11 110	0.12 311	0.19 404	0.11 292	0.08 230	0.09 59	0.11 291	0.07 344	0.05 276	0.06 200	0.05 192	0.05 171	0.05 209

RAFT-Stereo	0.10 247	0.06 117	0.10 191	0.17 309	0.08 222	0.11 257	0.14 246	0.23 423	0.11 110	0.12 311	0.19 404	0.11 292	0.08 230	0.09 59	0.11 291	0.07 344	0.05 276	0.06 200	0.05 192	0.05 171	0.05 209
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 247	0.06 117	0.12 302	0.14 70	0.06 28	0.11 257	0.10 35	0.18 304	0.18 356	0.13 345	0.16 341	0.14 370	0.11 353	0.15 414	0.13 404	0.06 168	0.04 25	0.04 1	0.04 60	0.06 295	0.05 209
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
SME	0.11 300	0.09 442	0.10 191	0.17 309	0.07 135	0.20 546	0.13 179	0.21 374	0.17 323	0.12 311	0.13 291	0.10 261	0.12 386	0.13 353	0.13 404	0.07 344	0.07 503	0.08 407	0.09 515	0.06 295	0.05 209

HLF11	0.11 300	0.05 43	0.13 355	0.12 7	0.08 222	0.14 404	0.11 64	0.22 400	0.10 77	0.12 311	0.23 461	0.11 292	0.11 353	0.14 387	0.13 404	0.08 427	0.05 276	0.05 50	0.04 60	0.08 452	0.08 473

HLf8	0.11 300	0.05 43	0.13 355	0.11 1	0.08 222	0.15 431	0.12 100	0.22 400	0.15 253	0.13 345	0.17 365	0.12 314	0.10 316	0.14 387	0.12 357	0.09 489	0.05 276	0.05 50	0.05 192	0.08 452	0.08 473

TestStereo_HL3	0.11 300	0.05 43	0.16 479	0.13 22	0.07 135	0.12 311	0.11 64	0.20 347	0.09 52	0.15 399	0.30 561	0.13 347	0.12 386	0.16 449	0.11 291	0.07 344	0.05 276	0.05 50	0.05 192	0.06 295	0.07 402

TestStereo_HL2	0.11 300	0.06 117	0.11 254	0.12 7	0.08 222	0.12 311	0.14 246	0.20 347	0.18 356	0.13 345	0.21 440	0.12 314	0.10 316	0.12 296	0.12 357	0.07 344	0.05 276	0.05 50	0.05 192	0.07 383	0.07 402

GGDA	0.11 300	0.06 117	0.11 254	0.13 22	0.07 135	0.12 311	0.14 246	0.19 335	0.19 375	0.13 345	0.20 416	0.12 314	0.09 272	0.12 296	0.12 357	0.07 344	0.04 25	0.05 50	0.05 192	0.06 295	0.07 402

TestStereo-Hl	0.11 300	0.06 117	0.11 254	0.13 22	0.08 222	0.15 431	0.14 246	0.20 347	0.17 323	0.13 345	0.16 341	0.12 314	0.11 353	0.14 387	0.13 404	0.06 168	0.04 25	0.05 50	0.05 192	0.06 295	0.06 312

Lsterematch	0.11 300	0.06 117	0.11 254	0.16 222	0.07 135	0.13 367	0.15 334	0.14 146	0.17 323	0.16 428	0.18 393	0.15 399	0.15 470	0.12 296	0.14 447	0.07 344	0.04 25	0.06 200	0.06 293	0.06 295	0.06 312

Hybrid-DGEV-2	0.11 300	0.06 117	0.12 302	0.18 402	0.09 357	0.09 139	0.13 179	0.28 525	0.29 526	0.11 267	0.11 250	0.09 224	0.12 386	0.12 296	0.09 104	0.06 168	0.05 276	0.07 312	0.07 393	0.05 171	0.05 209

NLMM1	0.11 300	0.09 442	0.07 11	0.22 591	0.10 471	0.12 311	0.20 561	0.18 304	0.20 399	0.12 311	0.11 250	0.07 124	0.09 272	0.11 200	0.11 291	0.08 427	0.08 535	0.07 312	0.06 293	0.04 48	0.04 74

NLCSM	0.11 300	0.09 442	0.09 125	0.23 615	0.11 522	0.12 311	0.19 537	0.18 304	0.18 356	0.12 311	0.11 250	0.07 124	0.09 272	0.11 200	0.10 208	0.07 344	0.08 535	0.07 312	0.07 393	0.06 295	0.05 209

Select-FE	0.11 300	0.06 117	0.20 558	0.15 124	0.11 522	0.11 257	0.13 179	0.21 374	0.18 356	0.09 183	0.11 250	0.10 261	0.06 66	0.12 296	0.09 104	0.07 344	0.05 276	0.07 312	0.08 468	0.06 295	0.08 473

FlowAnything_test	0.11 300	0.08 359	0.14 394	0.15 124	0.09 357	0.07 43	0.14 246	0.20 347	0.11 110	0.09 183	0.09 161	0.12 314	0.12 386	0.13 353	0.11 291	0.09 489	0.06 430	0.09 493	0.09 515	0.06 295	0.09 519

xyz-stereo-finetune2	0.11 300	0.07 240	0.13 355	0.13 22	0.07 135	0.11 257	0.19 537	0.17 269	0.12 149	0.15 399	0.15 328	0.17 436	0.12 386	0.13 353	0.11 291	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.06 312

xyz-stereo-finetune	0.11 300	0.08 359	0.13 355	0.14 70	0.06 28	0.10 202	0.19 537	0.17 269	0.19 375	0.12 311	0.14 307	0.15 399	0.10 316	0.13 353	0.11 291	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.05 209

fast-iter	0.11 300	0.06 117	0.11 254	0.13 22	0.09 357	0.09 139	0.14 246	0.21 374	0.10 77	0.19 494	0.17 365	0.14 370	0.09 272	0.16 449	0.08 25	0.05 51	0.04 25	0.07 312	0.08 468	0.07 383	0.06 312

CoSv	0.11 300	0.06 117	0.11 254	0.13 22	0.09 357	0.09 139	0.14 246	0.21 374	0.10 77	0.19 494	0.17 365	0.14 370	0.09 272	0.16 449	0.08 25	0.05 51	0.04 25	0.07 312	0.08 468	0.07 383	0.06 312

rvit_stereo_0081_aga	0.11 300	0.09 442	0.14 394	0.18 402	0.09 357	0.13 367	0.14 246	0.14 146	0.19 375	0.10 230	0.18 393	0.16 414	0.09 272	0.12 296	0.09 104	0.10 533	0.06 430	0.08 407	0.07 393	0.07 383	0.06 312

rvit_stereo_0081	0.11 300	0.08 359	0.15 443	0.16 222	0.09 357	0.10 202	0.14 246	0.14 146	0.24 458	0.11 267	0.13 291	0.13 347	0.09 272	0.11 200	0.12 357	0.10 533	0.07 503	0.08 407	0.07 393	0.07 383	0.05 209

rvit_stereo_0082	0.11 300	0.08 359	0.15 443	0.16 222	0.09 357	0.10 202	0.14 246	0.14 146	0.24 458	0.11 267	0.13 291	0.13 347	0.09 272	0.11 200	0.12 357	0.10 533	0.07 503	0.08 407	0.07 393	0.07 383	0.05 209

AIO-Stereo-zeroshot1	0.11 300	0.05 43	0.14 394	0.15 124	0.20 660	0.09 139	0.17 448	0.21 374	0.15 253	0.11 267	0.14 307	0.10 261	0.07 180	0.10 124	0.08 25	0.06 168	0.05 276	0.07 312	0.07 393	0.07 383	0.09 519

AIO-Stereo-zeroshot	0.11 300	0.05 43	0.11 254	0.15 124	0.13 579	0.13 367	0.16 406	0.23 423	0.17 323	0.10 230	0.12 272	0.10 261	0.07 180	0.11 200	0.09 104	0.06 168	0.05 276	0.06 200	0.06 293	0.07 383	0.08 473

CAS++	0.11 300	0.07 240	0.11 254	0.14 70	0.09 357	0.12 311	0.14 246	0.24 447	0.14 226	0.11 267	0.09 161	0.11 292	0.07 180	0.14 387	0.09 104	0.11 565	0.09 569	0.09 493	0.07 393	0.07 383	0.08 473
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 300	0.08 359	0.12 302	0.17 309	0.09 357	0.13 367	0.15 334	0.16 230	0.18 356	0.09 183	0.09 161	0.16 414	0.16 498	0.10 124	0.07 1	0.06 168	0.04 25	0.08 407	0.08 468	0.07 383	0.07 402

1test111	0.11 300	0.08 359	0.12 302	0.17 309	0.09 357	0.13 367	0.15 334	0.23 423	0.16 293	0.09 183	0.09 161	0.06 42	0.06 66	0.15 414	0.16 495	0.06 168	0.04 25	0.06 200	0.05 192	0.07 383	0.07 402

MIF-Stereo (partial)	0.11 300	0.06 117	0.10 191	0.19 473	0.10 471	0.10 202	0.11 64	0.17 269	0.18 356	0.14 372	0.16 341	0.09 224	0.11 353	0.12 296	0.12 357	0.08 427	0.05 276	0.08 407	0.07 393	0.06 295	0.07 402

EKT-Stereo	0.11 300	0.07 240	0.14 394	0.15 124	0.10 471	0.13 367	0.14 246	0.18 304	0.21 415	0.11 267	0.08 125	0.12 314	0.09 272	0.11 200	0.12 357	0.08 427	0.06 430	0.07 312	0.06 293	0.08 452	0.07 402

anonymousdsp2	0.11 300	0.07 240	0.10 191	0.16 222	0.09 357	0.13 367	0.14 246	0.18 304	0.22 429	0.13 345	0.14 307	0.12 314	0.09 272	0.14 387	0.11 291	0.05 51	0.04 25	0.05 50	0.04 60	0.06 295	0.05 209

DCRE	0.11 300	0.07 240	0.13 355	0.16 222	0.11 522	0.11 257	0.17 448	0.18 304	0.17 323	0.11 267	0.18 393	0.10 261	0.10 316	0.15 414	0.11 291	0.06 168	0.05 276	0.06 200	0.06 293	0.05 171	0.04 74

knoymous	0.11 300	0.05 43	0.12 302	0.13 22	0.07 135	0.15 431	0.14 246	0.19 335	0.13 193	0.11 267	0.17 365	0.13 347	0.09 272	0.13 353	0.11 291	0.08 427	0.05 276	0.06 200	0.05 192	0.08 452	0.07 402

riskmin	0.11 300	0.06 117	0.13 355	0.14 70	0.08 222	0.14 404	0.14 246	0.18 304	0.14 226	0.11 267	0.14 307	0.16 414	0.11 353	0.14 387	0.12 357	0.09 489	0.05 276	0.07 312	0.05 192	0.08 452	0.08 473

Selective-RAFT	0.11 300	0.10 505	0.11 254	0.21 574	0.08 222	0.16 463	0.13 179	0.20 347	0.22 429	0.10 230	0.10 197	0.11 292	0.10 316	0.15 414	0.11 291	0.05 51	0.05 276	0.06 200	0.05 192	0.06 295	0.05 209

DisPM	0.11 300	0.07 240	0.12 302	0.16 222	0.09 357	0.06 14	0.13 179	0.17 269	0.17 323	0.14 372	0.20 416	0.12 314	0.10 316	0.11 200	0.10 208	0.06 168	0.04 25	0.07 312	0.06 293	0.06 295	0.11 577

CIPLG	0.11 300	0.08 359	0.14 394	0.17 309	0.08 222	0.12 311	0.15 334	0.17 269	0.15 253	0.14 372	0.11 250	0.16 414	0.09 272	0.16 449	0.11 291	0.07 344	0.05 276	0.06 200	0.05 192	0.05 171	0.06 312

GLC_STEREO	0.11 300	0.07 240	0.11 254	0.17 309	0.07 135	0.09 139	0.13 179	0.15 189	0.24 458	0.12 311	0.13 291	0.12 314	0.08 230	0.18 506	0.11 291	0.06 168	0.08 535	0.08 407	0.06 293	0.05 171	0.05 209

IPLGR_C	0.11 300	0.08 359	0.14 394	0.17 309	0.08 222	0.12 311	0.15 334	0.17 269	0.15 253	0.14 372	0.10 197	0.16 414	0.09 272	0.16 449	0.11 291	0.07 344	0.05 276	0.06 200	0.05 192	0.05 171	0.06 312

MIPNet	0.11 300	0.08 359	0.14 394	0.17 309	0.09 357	0.12 311	0.14 246	0.20 347	0.24 458	0.11 267	0.10 197	0.09 224	0.07 180	0.13 353	0.12 357	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 74

IPLGR	0.11 300	0.09 442	0.16 479	0.18 402	0.08 222	0.12 311	0.17 448	0.21 374	0.24 458	0.11 267	0.12 272	0.11 292	0.08 230	0.12 296	0.12 357	0.06 168	0.05 276	0.06 200	0.06 293	0.04 48	0.04 74

GMOStereo	0.11 300	0.09 442	0.07 11	0.19 473	0.08 222	0.12 311	0.28 654	0.13 115	0.17 323	0.11 267	0.17 365	0.14 370	0.12 386	0.07 4	0.07 1	0.05 51	0.05 276	0.09 493	0.07 393	0.04 48	0.04 74

error version	0.11 300	0.09 442	0.07 11	0.19 473	0.08 222	0.12 311	0.28 654	0.13 115	0.17 323	0.11 267	0.17 365	0.14 370	0.12 386	0.07 4	0.07 1	0.05 51	0.05 276	0.09 493	0.07 393	0.04 48	0.04 74

test-v	0.11 300	0.09 442	0.07 11	0.19 473	0.08 222	0.12 311	0.28 654	0.13 115	0.17 323	0.11 267	0.17 365	0.14 370	0.12 386	0.07 4	0.07 1	0.05 51	0.05 276	0.09 493	0.07 393	0.04 48	0.04 74

ACRE	0.11 300	0.08 359	0.14 394	0.17 309	0.08 222	0.12 311	0.15 334	0.17 269	0.14 226	0.14 372	0.10 197	0.16 414	0.09 272	0.16 449	0.11 291	0.07 344	0.05 276	0.06 200	0.05 192	0.05 171	0.06 312

PFNet+	0.11 300	0.06 117	0.13 355	0.16 222	0.09 357	0.05 4	0.12 100	0.17 269	0.21 415	0.16 428	0.19 404	0.14 370	0.10 316	0.11 200	0.11 291	0.08 427	0.05 276	0.09 493	0.08 468	0.06 295	0.11 577

LCNet	0.11 300	0.07 240	0.09 125	0.19 473	0.09 357	0.08 85	0.15 334	0.21 374	0.15 253	0.11 267	0.15 328	0.16 414	0.11 353	0.12 296	0.11 291	0.05 51	0.04 25	0.08 407	0.07 393	0.06 295	0.15 637

HHNet	0.11 300	0.06 117	0.16 479	0.15 124	0.14 600	0.07 43	0.13 179	0.20 347	0.17 323	0.14 372	0.25 502	0.11 292	0.08 230	0.13 353	0.10 208	0.05 51	0.04 25	0.08 407	0.06 293	0.05 171	0.09 519

Patchmatch Stereo++	0.11 300	0.09 442	0.16 479	0.18 402	0.08 222	0.06 14	0.11 64	0.16 230	0.13 193	0.15 399	0.16 341	0.14 370	0.12 386	0.11 200	0.10 208	0.06 168	0.04 25	0.08 407	0.06 293	0.08 452	0.07 402
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	0.11 300	0.07 240	0.16 479	0.19 473	0.09 357	0.08 85	0.13 179	0.18 304	0.13 193	0.16 428	0.21 440	0.13 347	0.14 452	0.11 200	0.14 447	0.06 168	0.04 25	0.09 493	0.06 293	0.06 295	0.05 209

OMP-Stereo	0.11 300	0.06 117	0.14 394	0.18 402	0.08 222	0.09 139	0.12 100	0.21 374	0.21 415	0.13 345	0.14 307	0.11 292	0.12 386	0.11 200	0.13 404	0.06 168	0.04 25	0.07 312	0.06 293	0.05 171	0.04 74

IIG-Stereo	0.11 300	0.06 117	0.13 355	0.17 309	0.08 222	0.11 257	0.12 100	0.22 400	0.17 323	0.14 372	0.17 365	0.11 292	0.12 386	0.12 296	0.12 357	0.06 168	0.05 276	0.07 312	0.06 293	0.05 171	0.04 74

NF-Stereo	0.11 300	0.07 240	0.13 355	0.17 309	0.09 357	0.10 202	0.14 246	0.23 423	0.19 375	0.12 311	0.17 365	0.12 314	0.11 353	0.11 200	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 295	0.12 590

OCTAStereo	0.11 300	0.07 240	0.13 355	0.17 309	0.09 357	0.10 202	0.14 246	0.23 423	0.19 375	0.12 311	0.17 365	0.12 314	0.11 353	0.11 200	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 295	0.12 590

NRIStereo	0.11 300	0.08 359	0.14 394	0.18 402	0.08 222	0.10 202	0.14 246	0.16 230	0.15 253	0.12 311	0.14 307	0.13 347	0.12 386	0.13 353	0.10 208	0.06 168	0.04 25	0.07 312	0.06 293	0.06 295	0.07 402

PSM-adaLoss	0.11 300	0.09 442	0.16 479	0.18 402	0.08 222	0.06 14	0.12 100	0.16 230	0.13 193	0.15 399	0.16 341	0.14 370	0.12 386	0.11 200	0.10 208	0.06 168	0.04 25	0.08 407	0.06 293	0.08 452	0.07 402

PSM-AAD	0.11 300	0.07 240	0.10 191	0.19 473	0.09 357	0.10 202	0.15 334	0.20 347	0.13 193	0.12 311	0.14 307	0.18 450	0.11 353	0.11 200	0.10 208	0.05 51	0.05 276	0.09 493	0.08 468	0.06 295	0.14 630

ROB_FTStereo_v2	0.11 300	0.09 442	0.16 479	0.19 473	0.08 222	0.06 14	0.12 100	0.16 230	0.13 193	0.15 399	0.16 341	0.14 370	0.12 386	0.11 200	0.10 208	0.06 168	0.04 25	0.08 407	0.06 293	0.08 452	0.07 402

ROB_FTStereo	0.11 300	0.09 442	0.16 479	0.19 473	0.08 222	0.06 14	0.11 64	0.16 230	0.13 193	0.15 399	0.16 341	0.14 370	0.12 386	0.11 200	0.10 208	0.06 168	0.04 25	0.08 407	0.06 293	0.08 452	0.07 402

KYRaft	0.11 300	0.07 240	0.10 191	0.19 473	0.09 357	0.08 85	0.15 334	0.22 400	0.12 149	0.13 345	0.16 341	0.20 477	0.10 316	0.12 296	0.10 208	0.05 51	0.04 25	0.08 407	0.08 468	0.06 295	0.16 648

HUI-Stereo	0.11 300	0.09 442	0.16 479	0.18 402	0.08 222	0.06 14	0.12 100	0.16 230	0.13 193	0.15 399	0.16 341	0.14 370	0.12 386	0.11 200	0.10 208	0.06 168	0.04 25	0.08 407	0.06 293	0.08 452	0.07 402

ASMatch	0.11 300	0.06 117	0.13 355	0.16 222	0.10 471	0.07 43	0.14 246	0.17 269	0.17 323	0.12 311	0.16 341	0.16 414	0.10 316	0.13 353	0.10 208	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.08 473

RAFT_R40	0.11 300	0.07 240	0.14 394	0.18 402	0.09 357	0.06 14	0.13 179	0.17 269	0.16 293	0.14 372	0.18 393	0.15 399	0.12 386	0.10 124	0.11 291	0.06 168	0.04 25	0.09 493	0.06 293	0.06 295	0.05 209

GrayStereo	0.11 300	0.06 117	0.11 254	0.19 473	0.09 357	0.09 139	0.16 406	0.18 304	0.17 323	0.14 372	0.17 365	0.17 436	0.11 353	0.12 296	0.11 291	0.05 51	0.05 276	0.07 312	0.06 293	0.05 171	0.10 550

RE-Stereo	0.11 300	0.07 240	0.13 355	0.17 309	0.09 357	0.10 202	0.14 246	0.23 423	0.19 375	0.12 311	0.17 365	0.12 314	0.11 353	0.11 200	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 295	0.12 590

Pruner-Stereo	0.11 300	0.07 240	0.12 302	0.17 309	0.09 357	0.06 14	0.12 100	0.17 269	0.17 323	0.13 345	0.19 404	0.13 347	0.09 272	0.11 200	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 295	0.08 473

TVStereo	0.11 300	0.07 240	0.13 355	0.17 309	0.09 357	0.10 202	0.14 246	0.23 423	0.19 375	0.12 311	0.17 365	0.12 314	0.11 353	0.11 200	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 295	0.12 590

DeepStereo_RVC	0.11 300	0.08 359	0.16 479	0.18 402	0.08 222	0.08 85	0.12 100	0.17 269	0.12 149	0.13 345	0.14 307	0.12 314	0.12 386	0.12 296	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.07 383	0.08 473

iGMRVC	0.11 300	0.09 442	0.16 479	0.19 473	0.08 222	0.06 14	0.12 100	0.16 230	0.13 193	0.15 399	0.16 341	0.14 370	0.12 386	0.11 200	0.10 208	0.06 168	0.04 25	0.08 407	0.06 293	0.08 452	0.07 402

RAFT-RH_RVC	0.11 300	0.06 117	0.14 394	0.16 222	0.09 357	0.12 311	0.12 100	0.17 269	0.12 149	0.13 345	0.41 635	0.11 292	0.10 316	0.13 353	0.12 357	0.05 51	0.04 25	0.08 407	0.05 192	0.04 48	0.06 312

RAFT-345	0.11 300	0.07 240	0.15 443	0.16 222	0.08 222	0.08 85	0.12 100	0.15 189	0.10 77	0.11 267	0.36 598	0.09 224	0.09 272	0.11 200	0.12 357	0.05 51	0.05 276	0.07 312	0.06 293	0.04 48	0.05 209

iRAFT	0.11 300	0.09 442	0.16 479	0.18 402	0.08 222	0.06 14	0.11 64	0.16 230	0.13 193	0.15 399	0.16 341	0.14 370	0.12 386	0.11 200	0.10 208	0.06 168	0.04 25	0.08 407	0.06 293	0.08 452	0.07 402

CRE-IMP	0.11 300	0.09 442	0.16 479	0.19 473	0.08 222	0.10 202	0.12 100	0.18 304	0.10 77	0.14 372	0.13 291	0.13 347	0.12 386	0.12 296	0.11 291	0.07 344	0.04 25	0.08 407	0.06 293	0.08 452	0.08 473

test-2	0.11 300	0.09 442	0.07 11	0.19 473	0.08 222	0.12 311	0.28 654	0.13 115	0.17 323	0.11 267	0.17 365	0.14 370	0.12 386	0.07 4	0.07 1	0.05 51	0.05 276	0.09 493	0.07 393	0.04 48	0.04 74

GMM-Stereo	0.11 300	0.07 240	0.10 191	0.18 402	0.09 357	0.08 85	0.15 334	0.23 423	0.16 293	0.11 267	0.15 328	0.13 347	0.11 353	0.11 200	0.11 291	0.05 51	0.04 25	0.08 407	0.07 393	0.06 295	0.09 519

RAFT-IKP	0.11 300	0.09 442	0.16 479	0.19 473	0.08 222	0.06 14	0.12 100	0.16 230	0.13 193	0.15 399	0.16 341	0.14 370	0.12 386	0.11 200	0.10 208	0.06 168	0.04 25	0.08 407	0.06 293	0.08 452	0.07 402

Prome-Stereo	0.11 300	0.06 117	0.10 191	0.18 402	0.08 222	0.12 311	0.15 334	0.22 400	0.13 193	0.12 311	0.17 365	0.13 347	0.08 230	0.12 296	0.10 208	0.05 51	0.04 25	0.07 312	0.06 293	0.06 295	0.09 519

rafts_anoy	0.11 300	0.06 117	0.10 191	0.17 309	0.08 222	0.10 202	0.14 246	0.17 269	0.14 226	0.13 345	0.13 291	0.12 314	0.10 316	0.11 200	0.12 357	0.07 344	0.04 25	0.09 493	0.11 591	0.07 383	0.06 312

raft+_RVC	0.11 300	0.07 240	0.09 125	0.16 222	0.07 135	0.10 202	0.11 64	0.24 447	0.20 399	0.12 311	0.15 328	0.12 314	0.08 230	0.12 296	0.13 404	0.07 344	0.04 25	0.07 312	0.06 293	0.05 171	0.05 209

RALAANet	0.11 300	0.08 359	0.10 191	0.17 309	0.09 357	0.14 404	0.10 35	0.20 347	0.15 253	0.14 372	0.13 291	0.16 414	0.09 272	0.12 296	0.11 291	0.06 168	0.05 276	0.07 312	0.06 293	0.05 171	0.04 74

DIP-Stereo	0.11 300	0.07 240	0.14 394	0.17 309	0.09 357	0.13 367	0.09 20	0.16 230	0.16 293	0.11 267	0.16 341	0.14 370	0.12 386	0.15 414	0.13 404	0.06 168	0.05 276	0.06 200	0.05 192	0.05 171	0.06 312
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
S0	0.12 378	0.08 359	0.08 57	0.20 540	0.07 135	0.18 505	0.23 603	0.15 189	0.15 253	0.10 230	0.10 197	0.13 347	0.08 230	0.12 296	0.11 291	0.09 489	0.10 591	0.14 622	0.14 627	0.05 171	0.04 74

S	0.12 378	0.08 359	0.09 125	0.20 540	0.08 222	0.13 367	0.19 537	0.17 269	0.16 293	0.13 345	0.11 250	0.13 347	0.10 316	0.11 200	0.13 404	0.09 489	0.07 503	0.13 608	0.15 644	0.06 295	0.04 74

IGEV_i1	0.12 378	0.07 240	0.12 302	0.16 222	0.08 222	0.19 530	0.14 246	0.18 304	0.22 429	0.18 477	0.18 393	0.16 414	0.12 386	0.16 449	0.14 447	0.06 168	0.05 276	0.06 200	0.05 192	0.06 295	0.06 312

rvit_stereo_0083	0.12 378	0.08 359	0.17 510	0.16 222	0.09 357	0.11 257	0.15 334	0.14 146	0.26 494	0.11 267	0.14 307	0.13 347	0.10 316	0.12 296	0.12 357	0.10 533	0.08 535	0.09 493	0.07 393	0.07 383	0.05 209

rvit_stereo_ft	0.12 378	0.07 240	0.13 355	0.19 473	0.10 471	0.12 311	0.17 448	0.16 230	0.16 293	0.12 311	0.13 291	0.15 399	0.10 316	0.14 387	0.13 404	0.09 489	0.06 430	0.08 407	0.07 393	0.07 383	0.05 209

test_sample2	0.12 378	0.07 240	0.12 302	0.14 70	0.08 222	0.16 463	0.18 497	0.21 374	0.16 293	0.14 372	0.20 416	0.19 465	0.15 470	0.15 414	0.12 357	0.08 427	0.05 276	0.07 312	0.06 293	0.08 452	0.07 402

MyStereo8	0.12 378	0.07 240	0.15 443	0.15 124	0.09 357	0.18 505	0.14 246	0.19 335	0.22 429	0.12 311	0.18 393	0.11 292	0.10 316	0.16 449	0.18 528	0.07 344	0.05 276	0.07 312	0.05 192	0.08 452	0.09 519

CoDeX	0.12 378	0.07 240	0.12 302	0.17 309	0.08 222	0.12 311	0.15 334	0.23 423	0.27 504	0.13 345	0.17 365	0.16 414	0.11 353	0.14 387	0.11 291	0.07 344	0.05 276	0.07 312	0.06 293	0.06 295	0.05 209

11t1	0.12 378	0.06 117	0.13 355	0.14 70	0.08 222	0.17 486	0.15 334	0.18 304	0.15 253	0.15 399	0.15 328	0.16 414	0.16 498	0.15 414	0.13 404	0.08 427	0.05 276	0.06 200	0.05 192	0.08 452	0.07 402

ffm	0.12 378	0.09 442	0.14 394	0.16 222	0.08 222	0.17 486	0.17 448	0.15 189	0.19 375	0.15 399	0.25 502	0.19 465	0.13 428	0.10 124	0.07 1	0.06 168	0.04 25	0.09 493	0.08 468	0.06 295	0.06 312

RAFT_CTSACE	0.12 378	0.09 442	0.10 191	0.22 591	0.08 222	0.12 311	0.24 617	0.18 304	0.16 293	0.20 517	0.27 528	0.13 347	0.07 180	0.13 353	0.09 104	0.05 51	0.06 430	0.08 407	0.07 393	0.04 48	0.04 74

Sa-1000	0.12 378	0.08 359	0.08 57	0.18 402	0.08 222	0.14 404	0.22 592	0.22 400	0.18 356	0.15 399	0.20 416	0.17 436	0.11 353	0.10 124	0.10 208	0.06 168	0.05 276	0.09 493	0.09 515	0.05 171	0.05 209

SA	0.12 378	0.09 442	0.08 57	0.18 402	0.08 222	0.12 311	0.24 617	0.23 423	0.18 356	0.17 447	0.27 528	0.14 370	0.11 353	0.11 200	0.11 291	0.05 51	0.05 276	0.09 493	0.08 468	0.05 171	0.04 74

iRaft-Stereo_5w	0.12 378	0.09 442	0.12 302	0.19 473	0.08 222	0.09 139	0.12 100	0.21 374	0.21 415	0.19 494	0.14 307	0.11 292	0.09 272	0.20 546	0.16 495	0.05 51	0.05 276	0.07 312	0.06 293	0.05 171	0.06 312

CrosDoStereo	0.12 378	0.06 117	0.12 302	0.14 70	0.08 222	0.12 311	0.15 334	0.17 269	0.22 429	0.19 494	0.24 474	0.15 399	0.11 353	0.11 200	0.12 357	0.06 168	0.04 25	0.07 312	0.07 393	0.05 171	0.05 209

PSM-softLoss	0.12 378	0.07 240	0.15 443	0.17 309	0.09 357	0.08 85	0.13 179	0.24 447	0.17 323	0.14 372	0.19 404	0.13 347	0.11 353	0.11 200	0.11 291	0.07 344	0.05 276	0.08 407	0.07 393	0.06 295	0.12 590

KMStereo	0.12 378	0.07 240	0.15 443	0.17 309	0.09 357	0.08 85	0.13 179	0.24 447	0.17 323	0.14 372	0.19 404	0.13 347	0.11 353	0.11 200	0.11 291	0.07 344	0.05 276	0.08 407	0.07 393	0.06 295	0.12 590

FTStereo	0.12 378	0.06 117	0.14 394	0.18 402	0.09 357	0.07 43	0.15 334	0.21 374	0.18 356	0.12 311	0.24 474	0.12 314	0.12 386	0.13 353	0.13 404	0.05 51	0.05 276	0.07 312	0.06 293	0.06 295	0.10 550

DeepStereo_LL	0.12 378	0.06 117	0.12 302	0.14 70	0.08 222	0.12 311	0.15 334	0.17 269	0.22 429	0.19 494	0.24 474	0.15 399	0.11 353	0.11 200	0.12 357	0.06 168	0.04 25	0.07 312	0.07 393	0.05 171	0.05 209

DEmStereo	0.12 378	0.06 117	0.14 394	0.14 70	0.10 471	0.16 463	0.15 334	0.16 230	0.24 458	0.17 447	0.24 474	0.13 347	0.14 452	0.12 296	0.13 404	0.05 51	0.04 25	0.07 312	0.06 293	0.05 171	0.05 209

THIR-Stereo	0.12 378	0.07 240	0.11 254	0.15 124	0.08 222	0.14 404	0.16 406	0.17 269	0.25 480	0.16 428	0.24 474	0.14 370	0.12 386	0.12 296	0.14 447	0.06 168	0.04 25	0.07 312	0.07 393	0.05 171	0.05 209

DRaft	0.12 378	0.06 117	0.11 254	0.14 70	0.09 357	0.14 404	0.17 448	0.21 374	0.30 536	0.17 447	0.28 542	0.10 261	0.15 470	0.10 124	0.12 357	0.05 51	0.04 25	0.07 312	0.06 293	0.05 171	0.05 209

PFNet	0.12 378	0.06 117	0.17 510	0.17 309	0.08 222	0.09 139	0.15 334	0.26 484	0.20 399	0.16 428	0.16 341	0.14 370	0.11 353	0.12 296	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.05 171	0.05 209

IRAFT_RVC	0.12 378	0.08 359	0.16 479	0.19 473	0.08 222	0.07 43	0.15 334	0.24 447	0.23 441	0.14 372	0.14 307	0.15 399	0.12 386	0.12 296	0.10 208	0.06 168	0.04 25	0.09 493	0.06 293	0.06 295	0.06 312

sCroCo_RVC	0.12 378	0.09 442	0.23 583	0.24 624	0.11 522	0.19 530	0.14 246	0.17 269	0.14 226	0.10 230	0.13 291	0.12 314	0.07 180	0.14 387	0.11 291	0.08 427	0.08 535	0.08 407	0.08 468	0.05 171	0.07 402

ARAFT	0.12 378	0.08 359	0.17 510	0.19 473	0.09 357	0.14 404	0.18 497	0.20 347	0.12 149	0.12 311	0.13 291	0.14 370	0.11 353	0.15 414	0.12 357	0.06 168	0.05 276	0.10 542	0.09 515	0.05 171	0.04 74

BEATNet_4x	0.12 378	0.08 359	0.14 394	0.18 402	0.07 135	0.15 431	0.07 3	0.22 400	0.18 356	0.16 428	0.19 404	0.18 450	0.14 452	0.16 449	0.15 479	0.07 344	0.05 276	0.05 50	0.05 192	0.06 295	0.06 312

MLCV	0.12 378	0.07 240	0.16 479	0.18 402	0.06 28	0.15 431	0.17 448	0.19 335	0.21 415	0.18 477	0.25 502	0.17 436	0.13 428	0.14 387	0.13 404	0.05 51	0.04 25	0.05 50	0.04 60	0.05 171	0.04 74

RT-IGEV	0.13 406	0.06 117	0.13 355	0.15 124	0.09 357	0.15 431	0.17 448	0.24 447	0.27 504	0.16 428	0.17 365	0.17 436	0.10 316	0.14 387	0.11 291	0.08 427	0.05 276	0.07 312	0.05 192	0.07 383	0.07 402

Selective-IGEV-i16pc	0.13 406	0.06 117	0.13 355	0.15 124	0.11 522	0.38 664	0.16 406	0.23 423	0.16 293	0.10 230	0.15 328	0.09 224	0.06 66	0.13 353	0.10 208	0.10 533	0.08 535	0.06 200	0.07 393	0.09 517	0.09 519

Selective-IGEV-i1	0.13 406	0.07 240	0.12 302	0.19 473	0.08 222	0.18 505	0.16 406	0.22 400	0.30 536	0.16 428	0.17 365	0.16 414	0.10 316	0.14 387	0.13 404	0.06 168	0.05 276	0.06 200	0.05 192	0.06 295	0.05 209

G2L-ROB	0.13 406	0.06 117	0.13 355	0.13 22	0.08 222	0.14 404	0.16 406	0.25 466	0.18 356	0.19 494	0.18 393	0.20 477	0.14 452	0.17 483	0.16 495	0.08 427	0.05 276	0.06 200	0.05 192	0.08 452	0.09 519

xyz-stereo	0.13 406	0.07 240	0.20 558	0.15 124	0.05 2	0.20 546	0.15 334	0.17 269	0.31 544	0.15 399	0.29 554	0.26 552	0.16 498	0.13 353	0.12 357	0.05 51	0.05 276	0.06 200	0.05 192	0.04 48	0.04 74

DFGA-Net	0.13 406	0.11 532	0.18 534	0.17 309	0.10 471	0.12 311	0.13 179	0.22 400	0.25 480	0.16 428	0.16 341	0.13 347	0.12 386	0.16 449	0.14 447	0.07 344	0.05 276	0.08 407	0.07 393	0.05 171	0.05 209

FACV-RUCA	0.13 406	0.11 532	0.12 302	0.19 473	0.12 556	0.15 431	0.15 334	0.22 400	0.20 399	0.15 399	0.16 341	0.14 370	0.16 498	0.14 387	0.13 404	0.07 344	0.05 276	0.08 407	0.06 293	0.10 550	0.08 473

UGAM	0.13 406	0.10 505	0.09 125	0.22 591	0.08 222	0.12 311	0.20 561	0.17 269	0.23 441	0.21 532	0.16 341	0.13 347	0.13 428	0.19 521	0.12 357	0.07 344	0.05 276	0.13 608	0.11 591	0.07 383	0.05 209

test_sample1	0.13 406	0.07 240	0.14 394	0.13 22	0.08 222	0.19 530	0.16 406	0.20 347	0.15 253	0.14 372	0.22 452	0.18 450	0.16 498	0.17 483	0.14 447	0.07 344	0.06 430	0.06 200	0.06 293	0.08 452	0.07 402

qqq1	0.13 406	0.07 240	0.17 510	0.14 70	0.08 222	0.16 463	0.17 448	0.26 484	0.27 504	0.19 494	0.20 416	0.18 450	0.15 470	0.15 414	0.11 291	0.08 427	0.05 276	0.05 50	0.05 192	0.06 295	0.06 312

fff1	0.13 406	0.07 240	0.17 510	0.14 70	0.08 222	0.16 463	0.17 448	0.26 484	0.27 504	0.19 494	0.20 416	0.18 450	0.15 470	0.15 414	0.11 291	0.08 427	0.05 276	0.05 50	0.05 192	0.06 295	0.06 312

MyStereo05	0.13 406	0.07 240	0.10 191	0.17 309	0.09 357	0.13 367	0.18 497	0.27 505	0.35 579	0.17 447	0.14 307	0.15 399	0.11 353	0.15 414	0.13 404	0.06 168	0.05 276	0.07 312	0.07 393	0.06 295	0.06 312

MyStereo04	0.13 406	0.07 240	0.10 191	0.17 309	0.09 357	0.14 404	0.18 497	0.29 539	0.38 597	0.17 447	0.14 307	0.16 414	0.10 316	0.15 414	0.13 404	0.06 168	0.05 276	0.08 407	0.07 393	0.06 295	0.06 312

ff1	0.13 406	0.09 442	0.14 394	0.16 222	0.08 222	0.17 486	0.17 448	0.15 189	0.19 375	0.15 399	0.25 502	0.19 465	0.13 428	0.14 387	0.20 547	0.06 168	0.04 25	0.09 493	0.08 468	0.06 295	0.06 312

StereoVision	0.13 406	0.12 550	0.09 125	0.24 624	0.10 471	0.15 431	0.21 582	0.21 374	0.20 399	0.12 311	0.24 474	0.10 261	0.10 316	0.16 449	0.10 208	0.09 489	0.11 604	0.12 593	0.12 612	0.06 295	0.05 209

LL-Strereo	0.13 406	0.09 442	0.11 254	0.20 540	0.10 471	0.11 257	0.18 497	0.32 576	0.24 458	0.15 399	0.15 328	0.14 370	0.13 428	0.19 521	0.11 291	0.06 168	0.04 25	0.09 493	0.08 468	0.04 48	0.05 209

CASS	0.13 406	0.12 550	0.11 254	0.23 615	0.09 357	0.15 431	0.17 448	0.18 304	0.19 375	0.17 447	0.18 393	0.15 399	0.15 470	0.14 387	0.14 447	0.09 489	0.06 430	0.10 542	0.08 468	0.09 517	0.07 402
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 406	0.07 240	0.13 355	0.18 402	0.09 357	0.13 367	0.17 448	0.19 335	0.29 526	0.15 399	0.24 474	0.15 399	0.14 452	0.14 387	0.14 447	0.07 344	0.05 276	0.07 312	0.09 515	0.05 171	0.06 312

TestStereo1	0.13 406	0.08 359	0.08 57	0.19 473	0.08 222	0.18 505	0.29 664	0.23 423	0.16 293	0.17 447	0.20 416	0.16 414	0.10 316	0.12 296	0.13 404	0.06 168	0.06 430	0.08 407	0.06 293	0.05 171	0.05 209

qqq	0.13 406	0.09 442	0.15 443	0.16 222	0.08 222	0.13 367	0.15 334	0.23 423	0.16 293	0.15 399	0.19 404	0.16 414	0.16 498	0.15 414	0.16 495	0.07 344	0.06 430	0.08 407	0.08 468	0.07 383	0.07 402

x	0.13 406	0.07 240	0.14 394	0.14 70	0.08 222	0.18 505	0.14 246	0.22 400	0.20 399	0.15 399	0.19 404	0.19 465	0.17 521	0.18 506	0.18 528	0.07 344	0.05 276	0.06 200	0.06 293	0.07 383	0.07 402

raft_robust	0.13 406	0.10 505	0.07 11	0.18 402	0.08 222	0.13 367	0.24 617	0.28 525	0.33 558	0.20 517	0.19 404	0.14 370	0.10 316	0.11 200	0.12 357	0.05 51	0.05 276	0.07 312	0.07 393	0.05 171	0.04 74

RAFT+CT+SA	0.13 406	0.11 532	0.09 125	0.19 473	0.09 357	0.15 431	0.28 654	0.22 400	0.22 429	0.15 399	0.26 519	0.10 261	0.10 316	0.11 200	0.12 357	0.05 51	0.04 25	0.07 312	0.08 468	0.07 383	0.06 312

SA-5K	0.13 406	0.08 359	0.08 57	0.19 473	0.08 222	0.18 505	0.29 664	0.23 423	0.16 293	0.17 447	0.20 416	0.16 414	0.10 316	0.12 296	0.13 404	0.06 168	0.06 430	0.08 407	0.06 293	0.05 171	0.05 209

GwcNet-ADL	0.13 406	0.08 359	0.14 394	0.20 540	0.09 357	0.11 257	0.20 561	0.30 553	0.24 458	0.13 345	0.14 307	0.18 450	0.14 452	0.13 353	0.14 447	0.07 344	0.05 276	0.06 200	0.05 192	0.07 383	0.06 312

GANet-ADL	0.13 406	0.07 240	0.15 443	0.17 309	0.10 471	0.18 505	0.15 334	0.30 553	0.20 399	0.13 345	0.18 393	0.19 465	0.12 386	0.16 449	0.13 404	0.08 427	0.06 430	0.06 200	0.05 192	0.07 383	0.08 473

RAFT	0.13 406	0.09 442	0.11 254	0.18 402	0.08 222	0.15 431	0.24 617	0.20 347	0.19 375	0.21 532	0.21 440	0.17 436	0.12 386	0.16 449	0.09 104	0.06 168	0.07 503	0.10 542	0.09 515	0.05 171	0.05 209

TestStereo	0.13 406	0.14 590	0.11 254	0.23 615	0.08 222	0.15 431	0.21 582	0.20 347	0.23 441	0.14 372	0.24 474	0.16 414	0.12 386	0.16 449	0.14 447	0.05 51	0.06 430	0.08 407	0.06 293	0.09 517	0.05 209

sAnonymous2	0.13 406	0.12 550	0.24 587	0.20 540	0.12 556	0.17 486	0.13 179	0.26 484	0.21 415	0.11 267	0.11 250	0.13 347	0.08 230	0.10 124	0.10 208	0.09 489	0.05 276	0.08 407	0.06 293	0.15 638	0.10 550

CroCo_RVC	0.13 406	0.12 550	0.24 587	0.20 540	0.12 556	0.17 486	0.13 179	0.26 484	0.21 415	0.11 267	0.11 250	0.13 347	0.08 230	0.10 124	0.10 208	0.09 489	0.05 276	0.08 407	0.06 293	0.15 638	0.10 550

RAFT + AFF	0.13 406	0.07 240	0.20 558	0.20 540	0.10 471	0.14 404	0.24 617	0.26 484	0.20 399	0.11 267	0.10 197	0.12 314	0.10 316	0.15 414	0.12 357	0.07 344	0.06 430	0.09 493	0.08 468	0.06 295	0.08 473

GMStereo	0.13 406	0.14 590	0.14 394	0.18 402	0.09 357	0.15 431	0.16 406	0.20 347	0.24 458	0.16 428	0.17 365	0.10 261	0.10 316	0.16 449	0.13 404	0.07 344	0.06 430	0.06 200	0.06 293	0.07 383	0.06 312
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 406	0.07 240	0.14 394	0.17 309	0.09 357	0.15 431	0.16 406	0.28 525	0.27 504	0.14 372	0.17 365	0.12 314	0.13 428	0.14 387	0.11 291	0.08 427	0.05 276	0.07 312	0.07 393	0.07 383	0.06 312

FENet	0.13 406	0.08 359	0.12 302	0.16 222	0.08 222	0.14 404	0.15 334	0.22 400	0.23 441	0.17 447	0.23 461	0.16 414	0.12 386	0.14 387	0.15 479	0.08 427	0.05 276	0.08 407	0.08 468	0.07 383	0.07 402

cf-r	0.13 406	0.07 240	0.12 302	0.16 222	0.08 222	0.14 404	0.19 537	0.20 347	0.25 480	0.17 447	0.25 502	0.21 486	0.16 498	0.14 387	0.14 447	0.10 533	0.05 276	0.06 200	0.08 468	0.06 295	0.06 312

iResNet	0.13 406	0.10 505	0.18 534	0.19 473	0.08 222	0.13 367	0.18 497	0.20 347	0.26 494	0.15 399	0.23 461	0.15 399	0.13 428	0.14 387	0.14 447	0.06 168	0.04 25	0.06 200	0.05 192	0.06 295	0.05 209

DN-CSS_ROB	0.13 406	0.13 578	0.16 479	0.18 402	0.10 471	0.16 463	0.08 7	0.22 400	0.18 356	0.17 447	0.22 452	0.13 347	0.13 428	0.12 296	0.13 404	0.05 51	0.05 276	0.10 542	0.10 557	0.08 452	0.06 312

Selective-IGEV-i16pb	0.14 443	0.08 359	0.17 510	0.15 124	0.11 522	0.41 669	0.16 406	0.28 525	0.23 441	0.11 267	0.20 416	0.10 261	0.07 180	0.17 483	0.12 357	0.10 533	0.07 503	0.06 200	0.08 468	0.09 517	0.10 550

G2L-Stereo_test	0.14 443	0.07 240	0.11 254	0.13 22	0.08 222	0.12 311	0.16 406	0.30 553	0.28 519	0.20 517	0.23 461	0.20 477	0.16 498	0.17 483	0.18 528	0.07 344	0.05 276	0.05 50	0.05 192	0.07 383	0.06 312

coex_refinement	0.14 443	0.07 240	0.12 302	0.17 309	0.10 471	0.15 431	0.15 334	0.26 484	0.29 526	0.18 477	0.20 416	0.22 504	0.17 521	0.16 449	0.18 528	0.08 427	0.05 276	0.06 200	0.06 293	0.09 517	0.08 473

G2L-Stereo	0.14 443	0.07 240	0.13 355	0.17 309	0.09 357	0.13 367	0.12 100	0.27 505	0.22 429	0.16 428	0.27 528	0.21 486	0.13 428	0.17 483	0.18 528	0.09 489	0.08 535	0.08 407	0.07 393	0.07 383	0.07 402

rvit_0105_6	0.14 443	0.09 442	0.18 534	0.17 309	0.10 471	0.10 202	0.16 406	0.19 335	0.26 494	0.12 311	0.18 393	0.17 436	0.12 386	0.18 506	0.12 357	0.15 634	0.11 604	0.12 593	0.10 557	0.09 517	0.06 312

rvit_0105_5	0.14 443	0.09 442	0.13 355	0.17 309	0.09 357	0.14 404	0.23 603	0.24 447	0.27 504	0.14 372	0.15 328	0.18 450	0.12 386	0.17 483	0.14 447	0.14 630	0.11 604	0.10 542	0.10 557	0.08 452	0.06 312

rvit_0105_4	0.14 443	0.09 442	0.17 510	0.17 309	0.10 471	0.12 311	0.19 537	0.23 423	0.27 504	0.14 372	0.20 416	0.17 436	0.13 428	0.17 483	0.13 404	0.15 634	0.11 604	0.11 573	0.10 557	0.09 517	0.06 312

DCVSM-stereo	0.14 443	0.09 442	0.16 479	0.16 222	0.10 471	0.15 431	0.09 20	0.19 335	0.23 441	0.20 517	0.23 461	0.26 552	0.15 470	0.18 506	0.14 447	0.09 489	0.07 503	0.09 493	0.08 468	0.10 550	0.12 590

test_sample6	0.14 443	0.08 359	0.13 355	0.16 222	0.08 222	0.17 486	0.19 537	0.25 466	0.17 323	0.17 447	0.27 528	0.19 465	0.14 452	0.15 414	0.13 404	0.08 427	0.05 276	0.08 407	0.07 393	0.08 452	0.08 473

test_sample5	0.14 443	0.08 359	0.14 394	0.16 222	0.08 222	0.18 505	0.18 497	0.25 466	0.17 323	0.17 447	0.27 528	0.18 450	0.14 452	0.16 449	0.13 404	0.08 427	0.05 276	0.08 407	0.07 393	0.08 452	0.08 473

test_sample4	0.14 443	0.08 359	0.14 394	0.15 124	0.08 222	0.19 530	0.18 497	0.26 484	0.17 323	0.16 428	0.25 502	0.18 450	0.14 452	0.16 449	0.13 404	0.08 427	0.06 430	0.08 407	0.06 293	0.08 452	0.08 473

test_sample3	0.14 443	0.08 359	0.15 443	0.14 70	0.09 357	0.19 530	0.17 448	0.26 484	0.18 356	0.16 428	0.22 452	0.19 465	0.15 470	0.17 483	0.13 404	0.08 427	0.06 430	0.07 312	0.06 293	0.09 517	0.08 473

DispNO	0.14 443	0.08 359	0.17 510	0.19 473	0.12 556	0.11 257	0.21 582	0.23 423	0.29 526	0.17 447	0.23 461	0.18 450	0.17 521	0.15 414	0.15 479	0.07 344	0.05 276	0.08 407	0.08 468	0.07 383	0.06 312

SMFormer	0.14 443	0.07 240	0.17 510	0.14 70	0.08 222	0.16 463	0.17 448	0.26 484	0.27 504	0.19 494	0.20 416	0.18 450	0.15 470	0.15 414	0.17 510	0.08 427	0.05 276	0.07 312	0.06 293	0.07 383	0.06 312

tta	0.14 443	0.07 240	0.17 510	0.14 70	0.08 222	0.16 463	0.17 448	0.26 484	0.27 504	0.19 494	0.20 416	0.18 450	0.15 470	0.15 414	0.17 510	0.08 427	0.05 276	0.07 312	0.06 293	0.06 295	0.06 312

mmm	0.14 443	0.08 359	0.17 510	0.17 309	0.09 357	0.17 486	0.18 497	0.21 374	0.15 253	0.15 399	0.23 461	0.21 486	0.16 498	0.16 449	0.17 510	0.08 427	0.05 276	0.08 407	0.07 393	0.07 383	0.07 402

DualNet	0.14 443	0.08 359	0.14 394	0.16 222	0.08 222	0.18 505	0.18 497	0.25 466	0.17 323	0.17 447	0.27 528	0.18 450	0.14 452	0.16 449	0.13 404	0.08 427	0.05 276	0.08 407	0.07 393	0.08 452	0.08 473

mmx	0.14 443	0.09 442	0.14 394	0.16 222	0.08 222	0.17 486	0.17 448	0.27 505	0.25 480	0.15 399	0.25 502	0.19 465	0.13 428	0.14 387	0.20 547	0.08 427	0.06 430	0.09 493	0.08 468	0.08 452	0.08 473

xxx	0.14 443	0.09 442	0.14 394	0.16 222	0.08 222	0.17 486	0.17 448	0.27 505	0.25 480	0.15 399	0.25 502	0.19 465	0.13 428	0.14 387	0.20 547	0.08 427	0.06 430	0.09 493	0.08 468	0.08 452	0.08 473

PCWNet_CMD	0.14 443	0.08 359	0.15 443	0.17 309	0.09 357	0.14 404	0.14 246	0.29 539	0.36 583	0.14 372	0.20 416	0.21 486	0.12 386	0.17 483	0.13 404	0.07 344	0.05 276	0.07 312	0.07 393	0.07 383	0.07 402

CBFPSM	0.14 443	0.06 117	0.26 595	0.17 309	0.09 357	0.13 367	0.15 334	0.22 400	0.23 441	0.20 517	0.27 528	0.24 528	0.16 498	0.16 449	0.18 528	0.06 168	0.06 430	0.06 200	0.07 393	0.07 383	0.07 402

gwcnet-sp	0.14 443	0.07 240	0.12 302	0.18 402	0.09 357	0.16 463	0.17 448	0.24 447	0.24 458	0.18 477	0.24 474	0.15 399	0.16 498	0.15 414	0.15 479	0.08 427	0.06 430	0.07 312	0.08 468	0.08 452	0.07 402

scenet	0.14 443	0.07 240	0.12 302	0.18 402	0.09 357	0.16 463	0.17 448	0.24 447	0.24 458	0.18 477	0.24 474	0.15 399	0.16 498	0.15 414	0.15 479	0.08 427	0.06 430	0.07 312	0.08 468	0.08 452	0.07 402

ssnet	0.14 443	0.07 240	0.12 302	0.18 402	0.09 357	0.16 463	0.17 448	0.24 447	0.24 458	0.18 477	0.24 474	0.15 399	0.16 498	0.15 414	0.15 479	0.08 427	0.06 430	0.07 312	0.08 468	0.08 452	0.07 402

BUS	0.14 443	0.09 442	0.14 394	0.22 591	0.10 471	0.19 530	0.14 246	0.34 605	0.19 375	0.17 447	0.22 452	0.16 414	0.13 428	0.15 414	0.13 404	0.08 427	0.06 430	0.10 542	0.09 515	0.07 383	0.07 402

IER	0.14 443	0.07 240	0.13 355	0.17 309	0.09 357	0.14 404	0.16 406	0.25 466	0.26 494	0.18 477	0.25 502	0.17 436	0.20 564	0.16 449	0.14 447	0.08 427	0.05 276	0.07 312	0.06 293	0.08 452	0.07 402

test_5	0.14 443	0.12 550	0.08 57	0.20 540	0.10 471	0.14 404	0.29 664	0.21 374	0.24 458	0.18 477	0.28 542	0.11 292	0.15 470	0.12 296	0.13 404	0.06 168	0.05 276	0.07 312	0.08 468	0.08 452	0.07 402

psmg	0.14 443	0.09 442	0.14 394	0.17 309	0.10 471	0.15 431	0.17 448	0.29 539	0.19 375	0.17 447	0.21 440	0.25 542	0.16 498	0.15 414	0.14 447	0.08 427	0.06 430	0.08 407	0.08 468	0.07 383	0.06 312

UDGNet	0.14 443	0.13 578	0.16 479	0.17 309	0.10 471	0.12 311	0.16 406	0.21 374	0.27 504	0.20 517	0.20 416	0.16 414	0.13 428	0.16 449	0.13 404	0.10 533	0.06 430	0.09 493	0.07 393	0.06 295	0.07 402

CFNet_pseudo	0.14 443	0.08 359	0.15 443	0.16 222	0.09 357	0.13 367	0.14 246	0.27 505	0.34 570	0.14 372	0.21 440	0.22 504	0.13 428	0.18 506	0.14 447	0.07 344	0.05 276	0.08 407	0.06 293	0.07 383	0.07 402

GES	0.14 443	0.08 359	0.16 479	0.15 124	0.10 471	0.13 367	0.13 179	0.28 525	0.25 480	0.16 428	0.23 461	0.18 450	0.13 428	0.16 449	0.13 404	0.08 427	0.07 503	0.07 312	0.06 293	0.08 452	0.09 519

GANet-RSSM	0.14 443	0.07 240	0.13 355	0.13 22	0.08 222	0.14 404	0.17 448	0.22 400	0.21 415	0.17 447	0.24 474	0.23 522	0.15 470	0.16 449	0.15 479	0.10 533	0.06 430	0.07 312	0.08 468	0.08 452	0.07 402

PSMNet-RSSM	0.14 443	0.07 240	0.13 355	0.15 124	0.08 222	0.13 367	0.16 406	0.24 447	0.24 458	0.16 428	0.28 542	0.22 504	0.14 452	0.15 414	0.13 404	0.11 565	0.06 430	0.09 493	0.12 612	0.08 452	0.07 402

GwcNet-RSSM	0.14 443	0.07 240	0.12 302	0.15 124	0.08 222	0.15 431	0.20 561	0.21 374	0.27 504	0.18 477	0.27 528	0.22 504	0.16 498	0.14 387	0.15 479	0.10 533	0.05 276	0.07 312	0.09 515	0.07 383	0.07 402

CFNet-ft	0.14 443	0.07 240	0.15 443	0.12 7	0.09 357	0.16 463	0.18 497	0.22 400	0.24 458	0.17 447	0.26 519	0.24 528	0.14 452	0.16 449	0.14 447	0.11 565	0.06 430	0.08 407	0.09 515	0.09 517	0.08 473

CCAANet	0.14 443	0.06 117	0.14 394	0.17 309	0.09 357	0.16 463	0.13 179	0.30 553	0.24 458	0.16 428	0.32 574	0.18 450	0.17 521	0.17 483	0.14 447	0.06 168	0.05 276	0.09 493	0.09 515	0.06 295	0.09 519

DMCA	0.14 443	0.09 442	0.16 479	0.19 473	0.09 357	0.15 431	0.17 448	0.23 423	0.27 504	0.14 372	0.19 404	0.17 436	0.18 536	0.15 414	0.17 510	0.10 533	0.06 430	0.08 407	0.06 293	0.09 517	0.10 550

RASNet	0.14 443	0.07 240	0.14 394	0.16 222	0.08 222	0.18 505	0.14 246	0.29 539	0.20 399	0.17 447	0.25 502	0.21 486	0.18 536	0.20 546	0.19 541	0.07 344	0.06 430	0.06 200	0.08 468	0.06 295	0.06 312

MSMDNet	0.14 443	0.08 359	0.15 443	0.17 309	0.09 357	0.14 404	0.14 246	0.29 539	0.36 583	0.14 372	0.21 440	0.21 486	0.12 386	0.17 483	0.14 447	0.07 344	0.05 276	0.07 312	0.07 393	0.07 383	0.07 402

HSM-Net_RVC	0.14 443	0.08 359	0.11 254	0.15 124	0.08 222	0.15 431	0.15 334	0.27 505	0.29 526	0.19 494	0.21 440	0.29 579	0.14 452	0.17 483	0.13 404	0.06 168	0.06 430	0.06 200	0.06 293	0.07 383	0.06 312
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 443	0.07 240	0.15 443	0.12 7	0.09 357	0.16 463	0.18 497	0.22 400	0.24 458	0.17 447	0.26 519	0.24 528	0.14 452	0.16 449	0.14 447	0.11 565	0.06 430	0.08 407	0.09 515	0.09 517	0.08 473

ccs_rob	0.14 443	0.08 359	0.15 443	0.16 222	0.09 357	0.12 311	0.14 246	0.27 505	0.34 570	0.14 372	0.21 440	0.22 504	0.13 428	0.18 506	0.14 447	0.07 344	0.05 276	0.08 407	0.07 393	0.07 383	0.07 402

UCFNet_RVC	0.14 443	0.08 359	0.13 355	0.11 1	0.10 471	0.20 546	0.10 35	0.24 447	0.22 429	0.17 447	0.20 416	0.23 522	0.15 470	0.17 483	0.15 479	0.12 590	0.07 503	0.10 542	0.13 623	0.11 573	0.10 550

iResNetv2_ROB	0.14 443	0.08 359	0.15 443	0.16 222	0.08 222	0.16 463	0.12 100	0.25 466	0.35 579	0.21 532	0.29 554	0.24 528	0.13 428	0.14 387	0.14 447	0.06 168	0.05 276	0.06 200	0.04 60	0.09 517	0.08 473

iResNet_ROB	0.14 443	0.07 240	0.13 355	0.14 70	0.07 135	0.18 505	0.14 246	0.26 484	0.31 544	0.22 548	0.25 502	0.23 522	0.15 470	0.15 414	0.13 404	0.07 344	0.05 276	0.05 50	0.04 60	0.08 452	0.08 473

DDVS	0.15 488	0.10 505	0.21 568	0.16 222	0.12 556	0.15 431	0.14 246	0.25 466	0.19 375	0.18 477	0.29 554	0.27 560	0.12 386	0.19 521	0.15 479	0.09 489	0.06 430	0.09 493	0.07 393	0.11 573	0.11 577

rvit_0105_3	0.15 488	0.09 442	0.14 394	0.19 473	0.12 556	0.15 431	0.25 632	0.25 466	0.29 526	0.15 399	0.17 365	0.20 477	0.13 428	0.17 483	0.14 447	0.13 616	0.11 604	0.12 593	0.14 627	0.07 383	0.06 312

ACV-stereo	0.15 488	0.10 505	0.28 607	0.18 402	0.12 556	0.14 404	0.12 100	0.23 423	0.21 415	0.19 494	0.23 461	0.22 504	0.15 470	0.23 587	0.17 510	0.07 344	0.06 430	0.07 312	0.07 393	0.07 383	0.07 402

ITSA-stereo	0.15 488	0.10 505	0.14 394	0.19 473	0.08 222	0.12 311	0.14 246	0.30 553	0.49 644	0.17 447	0.19 404	0.22 504	0.15 470	0.17 483	0.16 495	0.10 533	0.06 430	0.08 407	0.08 468	0.08 452	0.08 473

test_sample7	0.15 488	0.10 505	0.16 479	0.14 70	0.11 522	0.16 463	0.16 406	0.27 505	0.23 441	0.20 517	0.20 416	0.24 528	0.19 552	0.16 449	0.16 495	0.12 590	0.06 430	0.10 542	0.09 515	0.10 550	0.10 550

1111x	0.15 488	0.08 359	0.12 302	0.18 402	0.07 135	0.18 505	0.25 632	0.31 565	0.24 458	0.17 447	0.24 474	0.26 552	0.15 470	0.13 353	0.23 588	0.07 344	0.07 503	0.08 407	0.09 515	0.07 383	0.06 312

CFNet_ucs	0.15 488	0.08 359	0.16 479	0.16 222	0.11 522	0.14 404	0.14 246	0.30 553	0.34 570	0.16 428	0.24 474	0.23 522	0.14 452	0.18 506	0.15 479	0.09 489	0.06 430	0.08 407	0.07 393	0.09 517	0.09 519

BSDual-CNN	0.15 488	0.09 442	0.14 394	0.22 591	0.10 471	0.14 404	0.15 334	0.34 605	0.19 375	0.17 447	0.22 452	0.25 542	0.16 498	0.15 414	0.14 447	0.08 427	0.06 430	0.10 542	0.09 515	0.07 383	0.07 402

hknet	0.15 488	0.11 532	0.13 355	0.22 591	0.11 522	0.14 404	0.15 334	0.34 605	0.25 480	0.17 447	0.22 452	0.22 504	0.18 536	0.17 483	0.12 357	0.07 344	0.06 430	0.10 542	0.09 515	0.07 383	0.07 402

dd	0.15 488	0.16 608	0.16 479	0.19 473	0.09 357	0.15 431	0.18 497	0.21 374	0.25 480	0.23 561	0.20 416	0.21 486	0.09 272	0.21 563	0.16 495	0.10 533	0.06 430	0.08 407	0.06 293	0.08 452	0.06 312

DAS	0.15 488	0.08 359	0.18 534	0.19 473	0.10 471	0.19 530	0.17 448	0.27 505	0.29 526	0.18 477	0.25 502	0.21 486	0.15 470	0.16 449	0.12 357	0.08 427	0.06 430	0.06 200	0.06 293	0.07 383	0.07 402

SepStereo	0.15 488	0.08 359	0.18 534	0.19 473	0.10 471	0.19 530	0.17 448	0.27 505	0.29 526	0.18 477	0.25 502	0.21 486	0.15 470	0.25 603	0.12 357	0.08 427	0.06 430	0.06 200	0.06 293	0.07 383	0.07 402

PSMNet-ADL	0.15 488	0.12 550	0.13 355	0.22 591	0.09 357	0.13 367	0.20 561	0.26 484	0.23 441	0.18 477	0.20 416	0.24 528	0.16 498	0.18 506	0.17 510	0.08 427	0.08 535	0.08 407	0.11 591	0.08 452	0.07 402

LMCR-Stereo	0.15 488	0.08 359	0.13 355	0.21 574	0.09 357	0.17 486	0.20 561	0.27 505	0.19 375	0.24 570	0.24 474	0.23 522	0.17 521	0.20 546	0.17 510	0.07 344	0.06 430	0.08 407	0.06 293	0.10 550	0.08 473

ICVP	0.15 488	0.09 442	0.12 302	0.22 591	0.09 357	0.17 486	0.21 582	0.25 466	0.23 441	0.18 477	0.30 561	0.26 552	0.18 536	0.17 483	0.14 447	0.09 489	0.07 503	0.08 407	0.07 393	0.07 383	0.07 402
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 488	0.07 240	0.14 394	0.14 70	0.08 222	0.23 589	0.18 497	0.31 565	0.19 375	0.14 372	0.28 542	0.22 504	0.14 452	0.15 414	0.26 622	0.09 489	0.05 276	0.07 312	0.07 393	0.08 452	0.07 402

test_xeample	0.15 488	0.06 117	0.13 355	0.14 70	0.08 222	0.21 564	0.20 561	0.28 525	0.20 399	0.16 428	0.29 554	0.19 465	0.16 498	0.15 414	0.26 622	0.09 489	0.05 276	0.07 312	0.07 393	0.07 383	0.07 402

ACVNet	0.15 488	0.09 442	0.15 443	0.13 22	0.12 556	0.14 404	0.20 561	0.22 400	0.33 558	0.17 447	0.26 519	0.21 486	0.16 498	0.17 483	0.21 567	0.07 344	0.06 430	0.06 200	0.06 293	0.08 452	0.06 312

acv_ft	0.15 488	0.09 442	0.15 443	0.19 473	0.10 471	0.16 463	0.17 448	0.25 466	0.33 558	0.19 494	0.26 519	0.21 486	0.17 521	0.17 483	0.18 528	0.07 344	0.06 430	0.06 200	0.06 293	0.08 452	0.06 312

CFNet	0.15 488	0.10 505	0.17 510	0.17 309	0.08 222	0.18 505	0.09 20	0.28 525	0.25 480	0.19 494	0.24 474	0.24 528	0.17 521	0.17 483	0.14 447	0.08 427	0.06 430	0.09 493	0.10 557	0.07 383	0.06 312

AdaStereo	0.15 488	0.11 532	0.15 443	0.18 402	0.09 357	0.20 546	0.11 64	0.32 576	0.28 519	0.20 517	0.23 461	0.20 477	0.13 428	0.19 521	0.14 447	0.12 590	0.05 276	0.10 542	0.07 393	0.09 517	0.07 402
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	0.15 488	0.08 359	0.14 394	0.16 222	0.09 357	0.16 463	0.14 246	0.28 525	0.25 480	0.19 494	0.23 461	0.37 633	0.16 498	0.20 546	0.15 479	0.07 344	0.05 276	0.07 312	0.06 293	0.07 383	0.06 312

pmcnn	0.15 488	0.07 240	0.19 546	0.15 124	0.07 135	0.20 546	0.15 334	0.24 447	0.26 494	0.21 532	0.34 591	0.28 570	0.18 536	0.18 506	0.17 510	0.07 344	0.05 276	0.05 50	0.04 60	0.07 383	0.06 312

DStereoRT	0.16 511	0.06 117	0.11 254	0.19 473	0.09 357	0.12 311	0.12 100	0.28 525	0.22 429	0.12 311	0.20 416	0.11 292	0.10 316	0.15 414	0.14 447	0.06 168	0.05 276	0.96 712	0.09 515	0.05 171	0.04 74

DualNet (step1)	0.16 511	0.12 550	0.20 558	0.12 7	0.14 600	0.17 486	0.13 179	0.27 505	0.23 441	0.20 517	0.20 416	0.24 528	0.19 552	0.16 449	0.16 495	0.15 634	0.06 430	0.14 622	0.14 627	0.14 622	0.12 590

GMStereo_Zeroshot	0.16 511	0.13 578	0.24 587	0.20 540	0.10 471	0.17 486	0.13 179	0.29 539	0.25 480	0.23 561	0.32 574	0.25 542	0.11 353	0.19 521	0.14 447	0.09 489	0.06 430	0.11 573	0.06 293	0.12 588	0.08 473

iinet-f	0.16 511	0.06 117	0.45 652	0.14 70	0.10 471	0.21 564	0.14 246	0.27 505	0.23 441	0.21 532	0.24 474	0.21 486	0.15 470	0.18 506	0.21 567	0.09 489	0.07 503	0.07 312	0.06 293	0.09 517	0.10 550

CRFU-Net	0.16 511	0.08 359	0.14 394	0.17 309	0.09 357	0.19 530	0.14 246	0.26 484	0.20 399	0.28 610	0.27 528	0.29 579	0.17 521	0.19 521	0.17 510	0.09 489	0.09 569	0.07 312	0.07 393	0.08 452	0.08 473

NINENet	0.16 511	0.10 505	0.15 443	0.17 309	0.11 522	0.19 530	0.14 246	0.40 649	0.36 583	0.18 477	0.21 440	0.16 414	0.13 428	0.15 414	0.13 404	0.08 427	0.08 535	0.10 542	0.07 393	0.10 550	0.09 519

CSP-Net	0.16 511	0.09 442	0.14 394	0.16 222	0.09 357	0.19 530	0.17 448	0.25 466	0.32 551	0.25 583	0.30 561	0.24 528	0.15 470	0.21 563	0.18 528	0.09 489	0.06 430	0.07 312	0.07 393	0.08 452	0.07 402

AASNet	0.16 511	0.08 359	0.12 302	0.19 473	0.09 357	0.18 505	0.15 334	0.37 633	0.37 590	0.19 494	0.23 461	0.20 477	0.16 498	0.17 483	0.20 547	0.10 533	0.08 535	0.08 407	0.07 393	0.09 517	0.09 519

AACVNet	0.16 511	0.08 359	0.14 394	0.15 124	0.10 471	0.18 505	0.15 334	0.23 423	0.24 458	0.27 595	0.27 528	0.28 570	0.17 521	0.19 521	0.16 495	0.09 489	0.07 503	0.09 493	0.07 393	0.10 550	0.09 519

ADLNet2	0.16 511	0.09 442	0.13 355	0.16 222	0.09 357	0.20 546	0.16 406	0.31 565	0.39 601	0.16 428	0.20 416	0.20 477	0.18 536	0.21 563	0.22 576	0.08 427	0.06 430	0.07 312	0.07 393	0.09 517	0.07 402

Anonymous3	0.16 511	0.13 578	0.33 627	0.26 640	0.14 600	0.27 625	0.17 448	0.28 525	0.28 519	0.15 399	0.17 365	0.14 370	0.10 316	0.15 414	0.12 357	0.08 427	0.08 535	0.08 407	0.08 468	0.08 452	0.11 577

ADLNet	0.16 511	0.08 359	0.15 443	0.16 222	0.10 471	0.16 463	0.17 448	0.32 576	0.27 504	0.22 548	0.27 528	0.24 528	0.16 498	0.18 506	0.21 567	0.10 533	0.06 430	0.10 542	0.10 557	0.08 452	0.09 519

HCRNet	0.16 511	0.24 656	0.12 302	0.35 674	0.11 522	0.15 431	0.17 448	0.26 484	0.22 429	0.19 494	0.24 474	0.21 486	0.14 452	0.15 414	0.13 404	0.11 565	0.07 503	0.11 573	0.10 557	0.09 517	0.07 402

222	0.16 511	0.07 240	0.14 394	0.14 70	0.08 222	0.24 594	0.18 497	0.30 553	0.20 399	0.17 447	0.28 542	0.17 436	0.16 498	0.15 414	0.40 678	0.10 533	0.05 276	0.07 312	0.06 293	0.07 383	0.08 473

UPFNet	0.16 511	0.08 359	0.12 302	0.20 540	0.12 556	0.20 546	0.23 603	0.28 525	0.26 494	0.17 447	0.24 474	0.22 504	0.19 552	0.19 521	0.21 567	0.09 489	0.07 503	0.08 407	0.09 515	0.08 452	0.06 312

ac_64	0.16 511	0.08 359	0.15 443	0.18 402	0.10 471	0.22 573	0.18 497	0.24 447	0.21 415	0.18 477	0.24 474	0.29 579	0.18 536	0.19 521	0.22 576	0.09 489	0.07 503	0.08 407	0.09 515	0.07 383	0.06 312

DSFCA	0.16 511	0.09 442	0.14 394	0.16 222	0.10 471	0.20 546	0.19 537	0.28 525	0.31 544	0.23 561	0.24 474	0.22 504	0.15 470	0.19 521	0.20 547	0.10 533	0.07 503	0.09 493	0.09 515	0.08 452	0.08 473

FADNet-RVC-Resample	0.16 511	0.11 532	0.31 620	0.22 591	0.11 522	0.19 530	0.14 246	0.25 466	0.24 458	0.24 570	0.27 528	0.20 477	0.15 470	0.16 449	0.15 479	0.07 344	0.08 535	0.12 593	0.10 557	0.09 517	0.10 550

FADNet_RVC	0.16 511	0.14 590	0.40 645	0.20 540	0.11 522	0.13 367	0.13 179	0.26 484	0.22 429	0.21 532	0.23 461	0.20 477	0.17 521	0.14 387	0.16 495	0.08 427	0.08 535	0.12 593	0.09 515	0.11 573	0.10 550

AANet_RVC	0.16 511	0.10 505	0.10 191	0.18 402	0.09 357	0.18 505	0.19 537	0.26 484	0.31 544	0.22 548	0.35 595	0.21 486	0.21 568	0.22 576	0.16 495	0.06 168	0.05 276	0.06 200	0.06 293	0.07 383	0.06 312

DeepPruner_ROB	0.16 511	0.11 532	0.15 443	0.17 309	0.10 471	0.17 486	0.15 334	0.32 576	0.21 415	0.19 494	0.21 440	0.22 504	0.18 536	0.20 546	0.15 479	0.13 616	0.09 569	0.09 493	0.09 515	0.11 573	0.10 550

z-ln-s-r	0.17 532	0.10 505	0.40 645	0.19 473	0.08 222	0.17 486	0.18 497	0.22 400	0.33 558	0.18 477	0.40 624	0.22 504	0.17 521	0.20 546	0.23 588	0.07 344	0.05 276	0.07 312	0.07 393	0.07 383	0.05 209

rvit_stereo_0075_2	0.17 532	0.12 550	0.25 592	0.23 615	0.16 631	0.13 367	0.10 35	0.30 553	0.27 504	0.20 517	0.28 542	0.22 504	0.15 470	0.18 506	0.13 404	0.16 650	0.10 591	0.17 646	0.10 557	0.10 550	0.09 519

ToySt	0.17 532	0.11 532	0.18 534	0.17 309	0.11 522	0.16 463	0.25 632	0.24 447	0.33 558	0.19 494	0.24 474	0.26 552	0.24 591	0.19 521	0.20 547	0.07 344	0.08 535	0.09 493	0.10 557	0.09 517	0.08 473

ssnet_v2	0.17 532	0.10 505	0.17 510	0.17 309	0.11 522	0.21 564	0.21 582	0.33 596	0.25 480	0.22 548	0.22 452	0.27 560	0.18 536	0.22 576	0.20 547	0.11 565	0.09 569	0.09 493	0.09 515	0.08 452	0.08 473

dad	0.17 532	0.20 640	0.20 558	0.16 222	0.11 522	0.20 546	0.18 497	0.21 374	0.28 519	0.30 624	0.24 474	0.29 579	0.13 428	0.19 521	0.16 495	0.18 656	0.09 569	0.11 573	0.09 515	0.11 573	0.07 402

GEStereo_RVC	0.17 532	0.12 550	0.15 443	0.22 591	0.11 522	0.19 530	0.17 448	0.32 576	0.48 637	0.20 517	0.25 502	0.17 436	0.13 428	0.21 563	0.16 495	0.10 533	0.06 430	0.08 407	0.07 393	0.09 517	0.08 473

MMNet	0.17 532	0.09 442	0.16 479	0.20 540	0.11 522	0.27 625	0.20 561	0.25 466	0.41 610	0.22 548	0.30 561	0.21 486	0.20 564	0.17 483	0.20 547	0.06 168	0.06 430	0.07 312	0.07 393	0.08 452	0.07 402

delet	0.17 532	0.08 359	0.17 510	0.19 473	0.11 522	0.20 546	0.21 582	0.30 553	0.37 590	0.17 447	0.26 519	0.19 465	0.19 552	0.19 521	0.21 567	0.08 427	0.08 535	0.09 493	0.11 591	0.06 295	0.06 312

UNet	0.17 532	0.09 442	0.18 534	0.19 473	0.12 556	0.27 625	0.19 537	0.33 596	0.29 526	0.21 532	0.24 474	0.23 522	0.19 552	0.19 521	0.18 528	0.07 344	0.06 430	0.08 407	0.07 393	0.08 452	0.06 312

HGLStereo	0.17 532	0.08 359	0.19 546	0.17 309	0.12 556	0.18 505	0.18 497	0.31 565	0.32 551	0.21 532	0.32 574	0.25 542	0.18 536	0.19 521	0.20 547	0.09 489	0.09 569	0.07 312	0.07 393	0.09 517	0.10 550

DMCA-RVC	0.17 532	0.10 505	0.15 443	0.24 624	0.11 522	0.18 505	0.18 497	0.25 466	0.24 458	0.21 532	0.26 519	0.25 542	0.27 614	0.18 506	0.20 547	0.12 590	0.08 535	0.13 608	0.10 557	0.10 550	0.08 473

TDLM	0.17 532	0.12 550	0.13 355	0.24 624	0.10 471	0.18 505	0.18 497	0.36 627	0.30 536	0.21 532	0.28 542	0.28 570	0.18 536	0.23 587	0.18 528	0.11 565	0.07 503	0.10 542	0.10 557	0.08 452	0.08 473

NLCA_NET_v2_RVC	0.17 532	0.10 505	0.22 574	0.20 540	0.10 471	0.15 431	0.18 497	0.31 565	0.25 480	0.21 532	0.30 561	0.25 542	0.17 521	0.21 563	0.20 547	0.09 489	0.06 430	0.08 407	0.08 468	0.07 383	0.08 473
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	0.17 532	0.12 550	0.15 443	0.20 540	0.09 357	0.18 505	0.18 497	0.26 484	0.23 441	0.26 589	0.40 624	0.22 504	0.17 521	0.21 563	0.20 547	0.08 427	0.05 276	0.09 493	0.10 557	0.07 383	0.07 402
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 546	0.08 359	0.19 546	0.19 473	0.13 579	0.15 431	0.12 100	0.30 553	0.32 551	0.21 532	0.25 502	0.27 560	0.17 521	0.17 483	0.20 547	0.20 665	0.08 535	0.14 622	0.14 627	0.14 622	0.17 657

test_sample9	0.18 546	0.12 550	0.20 558	0.12 7	0.14 600	0.17 486	0.13 179	0.27 505	0.23 441	0.20 517	0.20 416	0.24 528	0.19 552	0.19 521	0.17 510	0.15 634	0.30 687	0.14 622	0.14 627	0.14 622	0.12 590

fast-acv-ft	0.18 546	0.11 532	0.19 546	0.19 473	0.12 556	0.24 594	0.21 582	0.25 466	0.34 570	0.22 548	0.34 591	0.27 560	0.20 564	0.21 563	0.23 588	0.09 489	0.09 569	0.08 407	0.10 557	0.08 452	0.07 402

HBP-ISP	0.18 546	0.13 578	0.16 479	0.15 124	0.11 522	0.08 85	0.13 179	0.28 525	0.29 526	0.22 548	0.33 587	0.21 486	0.25 600	0.23 587	0.17 510	0.14 630	0.16 655	0.21 660	0.17 656	0.10 550	0.08 473

Wz-Net-LNSev-Ref	0.18 546	0.09 442	0.29 615	0.15 124	0.10 471	0.22 573	0.20 561	0.26 484	0.39 601	0.25 583	0.42 641	0.24 528	0.15 470	0.20 546	0.19 541	0.07 344	0.05 276	0.06 200	0.05 192	0.10 550	0.09 519

SACVNet	0.18 546	0.12 550	0.14 394	0.17 309	0.13 579	0.22 573	0.18 497	0.31 565	0.30 536	0.23 561	0.31 570	0.30 589	0.22 577	0.22 576	0.17 510	0.11 565	0.08 535	0.10 542	0.10 557	0.12 588	0.14 630

psm_up	0.18 546	0.10 505	0.18 534	0.20 540	0.11 522	0.17 486	0.19 537	0.37 633	0.34 570	0.21 532	0.28 542	0.29 579	0.24 591	0.20 546	0.22 576	0.09 489	0.10 591	0.11 573	0.11 591	0.08 452	0.08 473

hitnet-ft	0.18 546	0.09 442	0.17 510	0.14 70	0.09 357	0.26 615	0.20 561	0.25 466	0.26 494	0.24 570	0.32 574	0.31 602	0.22 577	0.24 597	0.21 567	0.12 590	0.07 503	0.10 542	0.08 468	0.12 588	0.11 577

STTStereo	0.18 546	0.12 550	0.27 602	0.20 540	0.11 522	0.16 463	0.21 582	0.29 539	0.23 441	0.21 532	0.30 561	0.29 579	0.18 536	0.20 546	0.19 541	0.12 590	0.11 604	0.11 573	0.14 627	0.09 517	0.08 473

CVANet_RVC	0.18 546	0.10 505	0.14 394	0.21 574	0.10 471	0.18 505	0.17 448	0.34 605	0.33 558	0.22 548	0.31 570	0.28 570	0.18 536	0.23 587	0.17 510	0.12 590	0.08 535	0.12 593	0.11 591	0.09 517	0.07 402

StereoDRNet	0.18 546	0.11 532	0.17 510	0.22 591	0.11 522	0.21 564	0.22 592	0.37 633	0.33 558	0.24 570	0.28 542	0.30 589	0.19 552	0.20 546	0.20 547	0.09 489	0.08 535	0.11 573	0.09 515	0.09 517	0.07 402

DLCB_ROB	0.18 546	0.10 505	0.15 443	0.23 615	0.11 522	0.24 594	0.18 497	0.29 539	0.28 519	0.27 595	0.28 542	0.28 570	0.24 591	0.19 521	0.20 547	0.08 427	0.08 535	0.09 493	0.09 515	0.07 383	0.07 402

TCMNet	0.19 558	0.12 550	0.19 546	0.20 540	0.18 653	0.20 546	0.24 617	0.27 505	0.36 583	0.23 561	0.26 519	0.25 542	0.19 552	0.19 521	0.23 588	0.13 616	0.11 604	0.11 573	0.12 612	0.13 608	0.12 590

rvit_105_1	0.19 558	0.11 532	0.25 592	0.21 574	0.16 631	0.21 564	0.27 648	0.31 565	0.41 610	0.19 494	0.20 416	0.22 504	0.17 521	0.19 521	0.17 510	0.12 590	0.12 620	0.13 608	0.15 644	0.08 452	0.07 402

test_sample8	0.19 558	0.12 550	0.20 558	0.12 7	0.14 600	0.17 486	0.13 179	0.31 565	0.21 415	0.27 595	0.22 452	0.36 628	0.25 600	0.19 521	0.17 510	0.15 634	0.30 687	0.14 622	0.14 627	0.14 622	0.12 590

SDNR	0.19 558	0.08 359	0.19 546	0.16 222	0.12 556	0.77 700	0.14 246	0.25 466	0.32 551	0.19 494	0.24 474	0.19 465	0.13 428	0.19 521	0.15 479	0.16 650	0.18 662	0.14 622	0.11 591	0.08 452	0.11 577

pcwnet_v2	0.19 558	0.10 505	0.26 595	0.17 309	0.14 600	0.18 505	0.15 334	0.37 633	0.46 635	0.19 494	0.24 474	0.21 486	0.19 552	0.20 546	0.19 541	0.13 616	0.10 591	0.10 542	0.10 557	0.11 573	0.13 613

ADCRef	0.19 558	0.12 550	0.41 648	0.20 540	0.12 556	0.22 573	0.18 497	0.32 576	0.36 583	0.26 589	0.32 574	0.17 436	0.23 585	0.24 597	0.24 601	0.07 344	0.06 430	0.09 493	0.09 515	0.08 452	0.08 473

NVstereo2D	0.19 558	0.10 505	0.15 443	0.17 309	0.15 620	0.28 632	0.23 603	0.44 666	0.42 618	0.15 399	0.27 528	0.25 542	0.19 552	0.22 576	0.17 510	0.09 489	0.06 430	0.10 542	0.08 468	0.15 638	0.09 519

DRN-Test	0.19 558	0.11 532	0.20 558	0.22 591	0.10 471	0.22 573	0.22 592	0.39 645	0.37 590	0.24 570	0.32 574	0.26 552	0.21 568	0.22 576	0.24 601	0.11 565	0.07 503	0.11 573	0.10 557	0.09 517	0.07 402

DISCO	0.19 558	0.09 442	0.22 574	0.17 309	0.10 471	0.25 605	0.18 497	0.27 505	0.44 628	0.22 548	0.31 570	0.33 615	0.26 606	0.28 620	0.28 638	0.08 427	0.06 430	0.07 312	0.07 393	0.09 517	0.09 519

CBMV_ROB	0.19 558	0.13 578	0.17 510	0.16 222	0.11 522	0.15 431	0.13 179	0.26 484	0.28 519	0.27 595	0.30 561	0.27 560	0.24 591	0.23 587	0.16 495	0.15 634	0.17 660	0.22 664	0.20 662	0.10 550	0.11 577

NOSS_ROB	0.19 558	0.12 550	0.18 534	0.16 222	0.12 556	0.15 431	0.12 100	0.30 553	0.32 551	0.20 517	0.22 452	0.27 560	0.23 585	0.21 563	0.16 495	0.16 650	0.18 662	0.23 665	0.21 664	0.12 588	0.13 613

CBMV	0.19 558	0.14 590	0.17 510	0.18 402	0.10 471	0.20 546	0.11 64	0.29 539	0.30 536	0.29 619	0.30 561	0.30 589	0.23 585	0.27 608	0.19 541	0.13 616	0.15 651	0.17 646	0.16 649	0.10 550	0.10 550
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PStereo	0.20 570	0.22 650	0.20 558	0.17 309	0.10 471	0.13 367	0.20 561	0.27 505	0.38 597	0.20 517	0.14 307	0.28 570	0.31 641	0.24 597	0.31 656	0.18 656	0.13 635	0.15 635	0.11 591	0.12 588	0.12 590

w-ln-seven-2	0.20 570	0.14 590	0.37 640	0.22 591	0.12 556	0.20 546	0.21 582	0.28 525	0.37 590	0.25 583	0.37 604	0.27 560	0.22 577	0.21 563	0.23 588	0.08 427	0.08 535	0.09 493	0.09 515	0.10 550	0.09 519

YMNet	0.20 570	0.12 550	0.19 546	0.20 540	0.14 600	0.26 615	0.23 603	0.32 576	0.34 570	0.27 595	0.34 591	0.30 589	0.18 536	0.18 506	0.22 576	0.10 533	0.13 635	0.10 542	0.10 557	0.08 452	0.09 519

YMNet_1	0.20 570	0.12 550	0.19 546	0.20 540	0.14 600	0.26 615	0.23 603	0.32 576	0.34 570	0.27 595	0.34 591	0.30 589	0.18 536	0.18 506	0.22 576	0.10 533	0.13 635	0.10 542	0.10 557	0.08 452	0.09 519

GwcNet	0.20 570	0.13 578	0.19 546	0.18 402	0.12 556	0.24 594	0.19 537	0.35 620	0.43 623	0.20 517	0.32 574	0.33 615	0.20 564	0.22 576	0.24 601	0.11 565	0.09 569	0.09 493	0.09 515	0.09 517	0.10 550

FAT-Stereo	0.20 570	0.12 550	0.22 574	0.21 574	0.12 556	0.17 486	0.18 497	0.34 605	0.39 601	0.27 595	0.37 604	0.34 622	0.32 646	0.21 563	0.20 547	0.09 489	0.11 604	0.10 542	0.09 515	0.11 573	0.14 630

FADNet-RVC	0.20 570	0.20 640	0.38 642	0.21 574	0.16 631	0.20 546	0.15 334	0.26 484	0.26 494	0.26 589	0.32 574	0.26 552	0.21 568	0.22 576	0.19 541	0.12 590	0.13 635	0.12 593	0.14 627	0.13 608	0.18 660

S-Stereo	0.20 570	0.12 550	0.25 592	0.21 574	0.13 579	0.20 546	0.18 497	0.32 576	0.43 623	0.23 561	0.36 598	0.28 570	0.30 637	0.19 521	0.22 576	0.09 489	0.12 620	0.10 542	0.10 557	0.13 608	0.13 613

SuperB	0.20 570	0.10 505	0.56 668	0.16 222	0.09 357	0.18 505	0.18 497	0.24 447	0.50 647	0.26 589	0.39 618	0.17 436	0.21 568	0.22 576	0.21 567	0.08 427	0.06 430	0.06 200	0.06 293	0.12 588	0.10 550

ADCP+	0.20 570	0.10 505	0.33 627	0.20 540	0.12 556	0.22 573	0.26 641	0.31 565	0.34 570	0.26 589	0.37 604	0.22 504	0.22 577	0.27 608	0.27 630	0.09 489	0.06 430	0.08 407	0.08 468	0.09 517	0.10 550

PS-NSSS	0.20 570	0.21 646	0.23 583	0.20 540	0.10 471	0.19 530	0.17 448	0.36 627	0.25 480	0.27 595	0.33 587	0.27 560	0.24 591	0.20 546	0.20 547	0.15 634	0.12 620	0.17 646	0.14 627	0.10 550	0.08 473

PWCDC_ROB	0.20 570	0.13 578	0.22 574	0.24 624	0.11 522	0.19 530	0.15 334	0.33 596	0.54 657	0.29 619	0.50 657	0.21 486	0.15 470	0.27 608	0.20 547	0.11 565	0.09 569	0.10 542	0.08 468	0.11 573	0.09 519

SGM-Forest	0.20 570	0.14 590	0.18 534	0.19 473	0.13 579	0.20 546	0.22 592	0.33 596	0.30 536	0.24 570	0.29 554	0.28 570	0.19 552	0.23 587	0.17 510	0.15 634	0.16 655	0.15 635	0.14 627	0.12 588	0.12 590
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 583	0.17 619	0.19 546	0.23 615	0.15 620	0.30 639	0.20 561	0.33 596	0.35 579	0.23 561	0.28 542	0.31 602	0.27 614	0.20 546	0.22 576	0.15 634	0.12 620	0.13 608	0.09 515	0.14 622	0.14 630

FINET	0.21 583	0.18 630	0.26 595	0.18 402	0.16 631	0.23 589	0.23 603	0.32 576	0.48 637	0.25 583	0.32 574	0.22 504	0.22 577	0.22 576	0.17 510	0.18 656	0.16 655	0.11 573	0.10 557	0.15 638	0.13 613

Syn2CoEx	0.21 583	0.16 608	0.27 602	0.29 665	0.14 600	0.26 615	0.20 561	0.33 596	0.31 544	0.28 610	0.36 598	0.27 560	0.25 600	0.19 521	0.24 601	0.16 650	0.12 620	0.14 622	0.11 591	0.09 517	0.08 473

FADNet	0.21 583	0.22 650	0.36 636	0.18 402	0.17 646	0.24 594	0.13 179	0.31 565	0.31 544	0.23 561	0.25 502	0.27 560	0.21 568	0.19 521	0.15 479	0.13 616	0.15 651	0.12 593	0.15 644	0.16 647	0.18 660

RP	0.21 583	0.13 578	0.21 568	0.23 615	0.11 522	0.21 564	0.20 561	0.25 466	0.44 628	0.21 532	0.38 610	0.36 628	0.24 591	0.27 608	0.25 611	0.11 565	0.12 620	0.13 608	0.12 612	0.12 588	0.14 630

DANet	0.21 583	0.15 600	0.28 607	0.25 635	0.13 579	0.22 573	0.19 537	0.27 505	0.27 504	0.28 610	0.32 574	0.35 626	0.31 641	0.31 630	0.23 588	0.11 565	0.09 569	0.11 573	0.10 557	0.13 608	0.11 577
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 583	0.12 550	0.21 568	0.24 624	0.13 579	0.22 573	0.22 592	0.41 655	0.26 494	0.31 630	0.42 641	0.37 633	0.28 625	0.23 587	0.22 576	0.10 533	0.12 620	0.10 542	0.09 515	0.10 550	0.08 473

PWC_ROB	0.21 583	0.16 608	0.26 595	0.18 402	0.11 522	0.22 573	0.13 179	0.32 576	0.49 644	0.30 624	0.40 624	0.32 611	0.24 591	0.31 630	0.22 576	0.10 533	0.07 503	0.11 573	0.08 468	0.11 573	0.10 550

PSMNet_ROB	0.21 583	0.11 532	0.15 443	0.27 653	0.15 620	0.24 594	0.35 681	0.43 664	0.37 590	0.27 595	0.32 574	0.32 611	0.22 577	0.21 563	0.26 622	0.12 590	0.08 535	0.13 608	0.11 591	0.09 517	0.09 519

MSAF-DinoV2	0.22 592	0.11 532	0.23 583	0.17 309	0.10 471	0.27 625	0.16 406	0.37 633	0.55 658	0.21 532	0.27 528	0.47 667	0.27 614	0.35 649	0.39 675	0.09 489	0.06 430	0.07 312	0.09 515	0.12 588	0.10 550

GASNet	0.22 592	0.23 653	0.33 627	0.26 640	0.17 646	0.26 615	0.16 406	0.44 666	0.42 618	0.27 595	0.24 474	0.30 589	0.15 470	0.27 608	0.18 528	0.12 590	0.08 535	0.12 593	0.11 591	0.16 647	0.07 402

Anonymous_2	0.22 592	0.17 619	0.28 607	0.15 124	0.16 631	0.32 641	0.22 592	0.22 400	0.17 323	0.23 561	0.24 474	0.26 552	0.27 614	0.27 608	0.23 588	0.22 674	0.25 683	0.17 646	0.17 656	0.17 655	0.17 657

Wz-Net-LNSev	0.22 592	0.16 608	0.38 642	0.21 574	0.13 579	0.25 605	0.23 603	0.32 576	0.43 623	0.30 624	0.41 635	0.31 602	0.18 536	0.22 576	0.25 611	0.10 533	0.09 569	0.08 407	0.08 468	0.12 588	0.11 577

Wz-Net-MNSev	0.22 592	0.13 578	0.31 620	0.20 540	0.14 600	0.36 660	0.24 617	0.33 596	0.44 628	0.28 610	0.40 624	0.38 637	0.19 552	0.24 597	0.25 611	0.09 489	0.07 503	0.09 493	0.09 515	0.12 588	0.10 550

DDUNet	0.22 592	0.17 619	0.21 568	0.22 591	0.15 620	0.25 605	0.24 617	0.29 539	0.30 536	0.31 630	0.36 598	0.33 615	0.25 600	0.24 597	0.20 547	0.18 656	0.13 635	0.17 646	0.11 591	0.16 647	0.16 648

APVNet	0.22 592	0.12 550	0.19 546	0.18 402	0.14 600	0.32 641	0.31 677	0.39 645	0.32 551	0.27 595	0.40 624	0.30 589	0.29 633	0.26 605	0.25 611	0.11 565	0.12 620	0.11 573	0.14 627	0.12 588	0.12 590

aanetorigin	0.22 592	0.17 619	0.56 668	0.17 309	0.10 471	0.15 431	0.19 537	0.20 347	0.33 558	0.49 672	0.48 652	0.29 579	0.27 614	0.20 546	0.23 588	0.08 427	0.07 503	0.08 407	0.07 393	0.10 550	0.09 519

MaskLacGwcNet_RVC	0.22 592	0.21 646	0.24 587	0.26 640	0.11 522	0.23 589	0.14 246	0.39 645	0.24 458	0.32 636	0.36 598	0.30 589	0.21 568	0.19 521	0.21 567	0.17 655	0.14 645	0.21 660	0.16 649	0.12 588	0.12 590

AF-Net	0.22 592	0.17 619	0.17 510	0.26 640	0.13 579	0.25 605	0.24 617	0.32 576	0.50 647	0.25 583	0.33 587	0.38 637	0.26 606	0.28 620	0.25 611	0.11 565	0.10 591	0.16 643	0.11 591	0.11 573	0.10 550

stereogan	0.22 592	0.11 532	0.21 568	0.20 540	0.12 556	0.31 640	0.19 537	0.35 620	0.44 628	0.22 548	0.39 618	0.35 626	0.27 614	0.33 640	0.22 576	0.10 533	0.12 620	0.10 542	0.10 557	0.14 622	0.13 613

edge stereo	0.22 592	0.13 578	0.20 558	0.21 574	0.13 579	0.23 589	0.16 406	0.32 576	0.42 618	0.32 636	0.40 624	0.38 637	0.35 656	0.25 603	0.24 601	0.13 616	0.11 604	0.14 622	0.11 591	0.12 588	0.13 613

RYNet	0.22 592	0.12 550	0.22 574	0.19 473	0.17 646	0.46 671	0.26 641	0.38 641	0.48 637	0.24 570	0.28 542	0.34 622	0.23 585	0.20 546	0.30 649	0.10 533	0.06 430	0.09 493	0.09 515	0.13 608	0.15 637

NaN_ROB	0.22 592	0.19 634	0.24 587	0.25 635	0.13 579	0.29 636	0.26 641	0.33 596	0.41 610	0.31 630	0.31 570	0.32 611	0.23 585	0.30 629	0.21 567	0.11 565	0.17 660	0.10 542	0.10 557	0.08 452	0.09 519

MDST_ROB	0.22 592	0.10 505	0.17 510	0.18 402	0.11 522	0.37 661	0.19 537	0.43 664	0.41 610	0.39 653	0.39 618	0.29 579	0.21 568	0.26 605	0.18 528	0.11 565	0.10 591	0.14 622	0.11 591	0.10 550	0.08 473

XPNet_ROB	0.22 592	0.11 532	0.19 546	0.22 591	0.13 579	0.22 573	0.19 537	0.34 605	0.40 607	0.30 624	0.39 618	0.39 645	0.26 606	0.26 605	0.28 638	0.15 634	0.10 591	0.10 542	0.10 557	0.13 608	0.12 590

SQANet	0.23 608	0.23 653	0.30 618	0.30 667	0.19 657	0.27 625	0.13 179	0.29 539	0.33 558	0.24 570	0.37 604	0.31 602	0.22 577	0.27 608	0.23 588	0.15 634	0.10 591	0.21 660	0.16 649	0.21 663	0.15 637

Nwc_Net	0.23 608	0.16 608	0.21 568	0.25 635	0.14 600	0.24 594	0.26 641	0.37 633	0.38 597	0.22 548	0.41 635	0.30 589	0.28 625	0.28 620	0.25 611	0.11 565	0.10 591	0.17 646	0.20 662	0.10 550	0.10 550

RTSC	0.23 608	0.12 550	0.28 607	0.21 574	0.13 579	0.28 632	0.16 406	0.35 620	0.66 683	0.27 595	0.33 587	0.30 589	0.21 568	0.31 630	0.29 642	0.10 533	0.08 535	0.09 493	0.10 557	0.13 608	0.13 613

PA-Net	0.23 608	0.18 630	0.33 627	0.28 656	0.22 666	0.21 564	0.38 686	0.29 539	0.39 601	0.22 548	0.32 574	0.25 542	0.26 606	0.20 546	0.25 611	0.09 489	0.23 680	0.15 635	0.22 667	0.09 517	0.13 613
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 608	0.15 600	0.17 510	0.34 672	0.18 653	0.24 594	0.23 603	0.34 605	0.28 519	0.31 630	0.38 610	0.38 637	0.28 625	0.23 587	0.24 601	0.15 634	0.12 620	0.18 655	0.21 664	0.13 608	0.13 613

ETE_ROB	0.23 608	0.17 619	0.22 574	0.25 635	0.13 579	0.26 615	0.29 664	0.31 565	0.36 583	0.28 610	0.36 598	0.45 659	0.26 606	0.27 608	0.26 622	0.11 565	0.08 535	0.12 593	0.09 515	0.14 622	0.13 613

SGM_RVC	0.23 608	0.12 550	0.15 443	0.15 124	0.09 357	0.33 648	0.18 497	0.34 605	0.31 544	0.44 667	0.37 604	0.53 675	0.35 656	0.35 649	0.24 601	0.13 616	0.13 635	0.13 608	0.13 623	0.10 550	0.11 577
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 615	0.18 630	0.18 534	0.20 540	0.14 600	0.21 564	0.19 537	0.32 576	0.41 610	0.29 619	0.21 440	0.32 611	0.27 614	0.41 674	0.27 630	0.46 695	0.12 620	0.31 683	0.11 591	0.15 638	0.12 590

z-mn7	0.24 615	0.14 590	0.45 652	0.19 473	0.13 579	0.28 632	0.25 632	0.34 605	0.62 674	0.27 595	0.56 669	0.29 579	0.24 591	0.32 637	0.25 611	0.08 427	0.08 535	0.08 407	0.08 468	0.10 550	0.10 550

w-ln-seven	0.24 615	0.14 590	0.55 665	0.19 473	0.14 600	0.26 615	0.22 592	0.35 620	0.60 671	0.29 619	0.39 618	0.30 589	0.22 577	0.21 563	0.26 622	0.09 489	0.09 569	0.11 573	0.10 557	0.11 573	0.10 550

DGSMNet	0.24 615	0.19 634	0.33 627	0.21 574	0.24 671	0.24 594	0.20 561	0.35 620	0.41 610	0.24 570	0.32 574	0.38 637	0.21 568	0.29 626	0.23 588	0.12 590	0.11 604	0.14 622	0.16 649	0.23 667	0.23 671

G-Net	0.24 615	0.16 608	0.36 636	0.22 591	0.16 631	0.51 677	0.23 603	0.29 539	0.34 570	0.36 646	0.38 610	0.31 602	0.29 633	0.27 608	0.26 622	0.11 565	0.09 569	0.12 593	0.09 515	0.16 647	0.13 613

NCC-stereo	0.24 615	0.15 600	0.31 620	0.26 640	0.16 631	0.20 546	0.30 671	0.40 649	0.40 607	0.24 570	0.38 610	0.33 615	0.28 625	0.36 655	0.27 630	0.12 590	0.11 604	0.15 635	0.22 667	0.13 608	0.13 613

Abc-Net	0.24 615	0.15 600	0.31 620	0.26 640	0.16 631	0.20 546	0.30 671	0.40 649	0.40 607	0.24 570	0.38 610	0.33 615	0.28 625	0.36 655	0.27 630	0.12 590	0.11 604	0.15 635	0.22 667	0.13 608	0.13 613
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 615	0.11 532	0.47 657	0.22 591	0.12 556	0.34 651	0.29 664	0.29 539	0.56 661	0.24 570	0.46 649	0.30 589	0.30 637	0.29 626	0.29 642	0.08 427	0.07 503	0.09 493	0.09 515	0.10 550	0.10 550

DeepPrunerF	0.24 615	0.17 619	0.42 650	0.26 640	0.16 631	0.22 573	0.28 654	0.37 633	0.50 647	0.26 589	0.29 554	0.24 528	0.28 625	0.21 563	0.22 576	0.15 634	0.11 604	0.20 659	0.18 660	0.12 588	0.13 613

FBW_ROB	0.24 615	0.17 619	0.22 574	0.26 640	0.14 600	0.25 605	0.22 592	0.41 655	0.41 610	0.41 660	0.41 635	0.42 652	0.27 614	0.31 630	0.23 588	0.09 489	0.14 645	0.14 622	0.12 612	0.11 573	0.09 519

SANet	0.24 615	0.14 590	0.28 607	0.21 574	0.11 522	0.27 625	0.24 617	0.38 641	0.64 679	0.36 646	0.40 624	0.43 655	0.26 606	0.27 608	0.24 601	0.12 590	0.09 569	0.10 542	0.09 515	0.13 608	0.11 577

WCMA_ROB	0.24 615	0.11 532	0.22 574	0.17 309	0.14 600	0.32 641	0.15 334	0.32 576	0.32 551	0.38 651	0.53 660	0.40 649	0.34 653	0.34 643	0.25 611	0.11 565	0.12 620	0.12 593	0.10 557	0.14 622	0.14 630

DStereoSA	0.25 627	0.19 634	0.37 640	0.26 640	0.17 646	0.22 573	0.20 561	0.49 676	0.59 667	0.22 548	0.29 554	0.29 579	0.33 648	0.39 666	0.28 638	0.12 590	0.11 604	0.16 643	0.14 627	0.14 622	0.12 590

zh-sn7	0.25 627	0.17 619	0.50 659	0.24 624	0.13 579	0.25 605	0.24 617	0.34 605	0.48 637	0.28 610	0.54 662	0.28 570	0.31 641	0.36 655	0.32 658	0.10 533	0.10 591	0.11 573	0.10 557	0.12 588	0.12 590

zh-mn7	0.25 627	0.14 590	0.56 668	0.19 473	0.14 600	0.24 594	0.22 592	0.34 605	0.62 674	0.35 643	0.65 678	0.31 602	0.25 600	0.31 630	0.25 611	0.09 489	0.08 535	0.09 493	0.09 515	0.09 517	0.11 577

Wz-Net-SNSev	0.25 627	0.17 619	0.44 651	0.25 635	0.14 600	0.26 615	0.23 603	0.38 641	0.56 661	0.30 624	0.55 664	0.39 645	0.26 606	0.23 587	0.30 649	0.10 533	0.09 569	0.09 493	0.10 557	0.11 573	0.11 577

psmorigin	0.25 627	0.15 600	0.34 635	0.17 309	0.13 579	0.23 589	0.14 246	0.34 605	0.33 558	0.41 660	0.55 664	0.41 651	0.37 660	0.34 643	0.27 630	0.11 565	0.15 651	0.11 573	0.11 591	0.12 588	0.16 648

RGC	0.25 627	0.20 640	0.29 615	0.28 656	0.16 631	0.22 573	0.23 603	0.32 576	0.44 628	0.27 595	0.40 624	0.38 637	0.27 614	0.36 655	0.22 576	0.11 565	0.13 635	0.17 646	0.17 656	0.14 622	0.16 648

ADCMid	0.25 627	0.15 600	0.40 645	0.20 540	0.14 600	0.25 605	0.26 641	0.34 605	0.38 597	0.36 646	0.44 646	0.34 622	0.40 667	0.35 649	0.33 663	0.10 533	0.09 569	0.11 573	0.11 591	0.13 608	0.12 590

ADCPNet	0.25 627	0.16 608	0.61 675	0.21 574	0.15 620	0.35 659	0.25 632	0.32 576	0.35 579	0.30 624	0.40 624	0.36 628	0.28 625	0.28 620	0.32 658	0.12 590	0.10 591	0.11 573	0.12 612	0.14 622	0.13 613

LALA_ROB	0.25 627	0.16 608	0.22 574	0.26 640	0.17 646	0.27 625	0.27 648	0.42 660	0.37 590	0.33 640	0.38 610	0.51 671	0.26 606	0.28 620	0.27 630	0.16 650	0.09 569	0.12 593	0.11 591	0.13 608	0.12 590

SHD	0.26 636	0.15 600	0.30 618	0.24 624	0.18 653	0.22 573	0.15 334	0.38 641	0.71 687	0.32 636	0.41 635	0.36 628	0.28 625	0.32 637	0.29 642	0.12 590	0.11 604	0.14 622	0.13 623	0.16 647	0.20 666

AnyNet_C32	0.26 636	0.16 608	0.36 636	0.20 540	0.16 631	0.25 605	0.30 671	0.32 576	0.44 628	0.31 630	0.49 653	0.30 589	0.33 648	0.40 671	0.33 663	0.12 590	0.12 620	0.12 593	0.14 627	0.14 622	0.15 637

DStereoFS	0.27 638	0.22 650	0.31 620	0.22 591	0.15 620	0.22 573	0.20 561	0.50 680	0.48 637	0.28 610	0.44 646	0.33 615	0.34 653	0.52 684	0.29 642	0.12 590	0.11 604	0.15 635	0.13 623	0.16 647	0.16 648

PSMNet-RUCA	0.27 638	0.33 676	0.41 648	0.36 676	0.32 684	0.18 505	0.19 537	0.42 660	0.30 536	0.33 640	0.41 635	0.39 645	0.25 600	0.31 630	0.20 547	0.18 656	0.10 591	0.25 667	0.15 644	0.21 663	0.16 648

PDISCO_ROB	0.27 638	0.16 608	0.26 595	0.28 656	0.20 660	0.32 641	0.26 641	0.44 666	0.57 663	0.28 610	0.40 624	0.45 659	0.29 633	0.33 640	0.34 665	0.12 590	0.09 569	0.17 646	0.16 649	0.17 655	0.13 613

DispFullNet	0.27 638	0.21 646	0.65 678	0.28 656	0.16 631	0.26 615	0.17 448	0.33 596	0.58 666	0.27 595	0.38 610	0.43 655	0.23 585	0.38 662	0.23 588	0.12 590	0.06 430	0.19 657	0.11 591	0.21 663	0.15 637

MeshStereo	0.27 638	0.13 578	0.18 534	0.15 124	0.11 522	0.32 641	0.24 617	0.40 649	0.36 583	0.52 674	0.57 672	0.67 686	0.40 667	0.35 649	0.26 622	0.14 630	0.13 635	0.13 608	0.11 591	0.11 573	0.10 550
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	0.28 643	0.17 619	0.78 695	0.22 591	0.16 631	0.34 651	0.29 664	0.39 645	0.57 663	0.24 570	0.55 664	0.37 633	0.24 591	0.33 640	0.35 666	0.09 489	0.08 535	0.09 493	0.10 557	0.14 622	0.16 648

XQC	0.28 643	0.23 653	0.51 660	0.28 656	0.19 657	0.34 651	0.27 648	0.36 627	0.57 663	0.31 630	0.30 561	0.37 633	0.30 637	0.38 662	0.38 673	0.13 616	0.09 569	0.15 635	0.12 612	0.17 655	0.18 660

CC-Net-ROB	0.28 643	0.31 674	0.36 636	0.29 665	0.15 620	0.25 605	0.19 537	0.45 669	0.33 558	0.39 653	0.37 604	0.39 645	0.31 641	0.27 608	0.26 622	0.24 680	0.19 665	0.30 682	0.23 671	0.18 658	0.15 637

DPSNet	0.28 643	0.16 608	0.31 620	0.18 402	0.13 579	0.54 679	0.42 690	0.51 682	0.67 684	0.29 619	0.38 610	0.38 637	0.29 633	0.31 630	0.23 588	0.11 565	0.10 591	0.11 573	0.08 468	0.20 662	0.16 648

MultiAttention	0.29 647	0.08 359	0.14 394	0.19 473	0.12 556	1.45 715	1.33 719	0.36 627	0.37 590	0.19 494	0.21 440	0.24 528	0.11 353	0.38 662	0.18 528	0.06 168	0.05 276	0.08 407	0.08 468	0.10 550	0.09 519

Wz-Net-TNSev	0.29 647	0.20 640	0.65 678	0.19 473	0.15 620	0.38 664	0.27 648	0.35 620	0.55 658	0.34 642	0.42 641	0.45 659	0.38 661	0.32 637	0.30 649	0.12 590	0.13 635	0.10 542	0.12 612	0.15 638	0.14 630

ccnet	0.29 647	0.28 669	0.23 583	0.20 540	0.28 678	0.41 669	0.21 582	0.45 669	0.33 558	0.36 646	0.46 649	0.36 628	0.30 637	0.39 666	0.42 682	0.23 678	0.14 645	0.21 660	0.17 656	0.23 667	0.18 660

EDNetEfficient	0.29 647	0.24 656	1.13 706	0.18 402	0.10 471	0.19 530	0.20 561	0.20 347	0.60 671	0.74 694	0.56 669	0.31 602	0.39 664	0.22 576	0.30 649	0.09 489	0.07 503	0.08 407	0.07 393	0.11 573	0.09 519

ADCS	0.29 647	0.18 630	0.45 652	0.21 574	0.17 646	0.28 632	0.23 603	0.41 655	0.63 678	0.40 656	0.49 653	0.40 649	0.36 658	0.39 666	0.40 678	0.13 616	0.12 620	0.13 608	0.14 627	0.16 647	0.16 648

CSAN	0.29 647	0.24 656	0.27 602	0.34 672	0.19 657	0.33 648	0.42 690	0.37 633	0.50 647	0.38 651	0.40 624	0.44 657	0.33 648	0.28 620	0.30 649	0.20 665	0.16 655	0.19 657	0.19 661	0.14 622	0.15 637

AANet	0.30 653	0.19 634	1.03 704	0.16 222	0.13 579	0.22 573	0.16 406	0.30 553	0.62 674	0.60 681	0.52 659	0.46 663	0.38 661	0.23 587	0.32 658	0.12 590	0.09 569	0.11 573	0.10 557	0.13 608	0.12 590

MFN_U_SF_DS_RVC	0.30 653	0.24 656	0.29 615	0.36 676	0.16 631	0.34 651	0.30 671	0.32 576	0.42 618	0.40 656	0.46 649	0.38 637	0.31 641	0.34 643	0.28 638	0.19 663	0.20 668	0.26 668	0.29 681	0.18 658	0.19 665

GANetREF_RVC	0.31 655	0.34 677	0.27 602	0.35 674	0.16 631	0.32 641	0.41 687	0.48 674	0.51 654	0.35 643	0.35 595	0.34 622	0.33 648	0.39 666	0.32 658	0.27 682	0.20 668	0.29 680	0.15 644	0.18 658	0.17 657
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	0.31 655	0.26 662	0.26 595	0.24 624	0.21 664	0.34 651	0.25 632	0.34 605	0.39 601	0.40 656	0.69 682	0.45 659	0.40 667	0.34 643	0.27 630	0.20 665	0.19 665	0.26 668	0.25 673	0.23 667	0.22 670

MFN_U_SF_RVC	0.32 657	0.21 646	0.55 665	0.30 667	0.15 620	0.34 651	0.17 448	0.52 683	0.46 635	0.46 671	0.55 664	0.59 678	0.39 664	0.35 649	0.37 671	0.15 634	0.14 645	0.18 655	0.21 664	0.16 647	0.15 637

PASM	0.32 657	0.24 656	0.48 658	0.28 656	0.27 677	0.29 636	0.30 671	0.34 605	0.49 644	0.35 643	0.39 618	0.46 663	0.34 653	0.34 643	0.35 666	0.23 678	0.25 683	0.26 668	0.28 680	0.23 667	0.21 668

SGM-ForestM	0.32 657	0.12 550	0.16 479	0.16 222	0.11 522	0.39 666	0.19 537	0.41 655	0.50 647	0.52 674	0.54 662	1.32 707	0.42 675	0.40 671	0.27 630	0.14 630	0.16 655	0.16 643	0.16 649	0.12 588	0.12 590

FC-DCNN v2	0.33 660	0.27 665	0.28 607	0.26 640	0.23 669	0.37 661	0.28 654	0.40 649	0.43 623	0.45 668	0.56 669	0.51 671	0.40 667	0.37 660	0.29 642	0.21 669	0.20 668	0.27 671	0.26 674	0.25 674	0.24 672

FCDSN-DC	0.33 660	0.28 669	0.28 607	0.30 667	0.24 671	0.39 666	0.28 654	0.42 660	0.42 618	0.43 666	0.53 660	0.51 671	0.41 672	0.36 655	0.30 649	0.21 669	0.20 668	0.27 671	0.26 674	0.25 674	0.24 672
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 660	0.27 665	0.28 607	0.26 640	0.23 669	0.37 661	0.28 654	0.40 649	0.43 623	0.45 668	0.55 664	0.51 671	0.40 667	0.37 660	0.30 649	0.21 669	0.20 668	0.27 671	0.26 674	0.25 674	0.24 672

LSM	0.33 660	0.20 640	0.58 671	0.26 640	0.60 702	0.34 651	0.25 632	0.42 660	0.48 637	0.45 668	0.58 674	0.42 652	0.36 658	0.35 649	0.25 611	0.12 590	0.20 668	0.14 622	0.16 649	0.19 661	0.33 686

AnyNet_C01	0.36 664	0.25 661	1.37 709	0.22 591	0.17 646	0.48 675	0.27 648	0.35 620	0.39 601	0.39 653	0.74 688	0.46 663	0.38 661	0.45 676	0.47 687	0.13 616	0.13 635	0.13 608	0.14 627	0.14 622	0.15 637

GCST	0.37 665	0.42 684	0.26 595	1.02 710	0.39 685	0.18 505	0.08 7	0.20 347	0.17 323	0.28 610	0.25 502	0.15 399	0.12 386	0.16 449	0.14 447	0.64 706	0.43 695	0.75 702	0.65 706	0.63 699	0.46 697

otaku	0.39 666	0.37 680	0.52 661	0.44 683	0.28 678	0.58 681	0.24 617	0.41 655	0.62 674	0.40 656	0.49 653	0.46 663	0.33 648	0.40 671	0.32 658	0.30 683	0.30 687	0.39 687	0.33 686	0.29 681	0.28 680

ACVNet-4b	0.39 666	0.53 687	0.55 665	0.45 684	0.24 671	0.47 673	0.18 497	0.49 676	0.64 679	0.42 663	0.45 648	0.60 679	0.27 614	0.34 643	0.24 601	0.33 686	0.14 645	0.48 690	0.42 692	0.30 682	0.26 679

PVD	0.39 666	0.20 640	0.39 644	0.31 671	0.22 666	0.29 636	0.43 692	0.52 683	0.96 701	0.55 678	0.79 692	0.53 675	0.59 691	0.52 684	0.38 673	0.19 663	0.14 645	0.17 646	0.14 627	0.24 673	0.31 684

Ntro	0.40 669	0.40 682	0.53 662	0.46 687	0.30 682	0.65 687	0.24 617	0.46 671	0.68 685	0.41 660	0.49 653	0.48 669	0.42 675	0.39 666	0.31 656	0.32 684	0.28 685	0.37 686	0.30 683	0.32 686	0.29 681

SAMSARA	0.40 669	0.28 669	0.33 627	0.55 690	0.39 685	0.82 701	1.23 718	0.47 673	0.51 654	0.36 646	0.35 595	0.55 677	0.39 664	0.38 662	0.39 675	0.15 634	0.20 668	0.15 635	0.14 627	0.23 667	0.20 666

ELAS_RVC	0.41 671	0.29 672	0.33 627	0.28 656	0.24 671	0.54 679	0.36 682	0.49 676	0.59 667	0.72 690	0.74 688	0.65 684	0.54 684	0.54 689	0.40 678	0.22 674	0.20 668	0.27 671	0.26 674	0.26 679	0.25 677
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 671	0.29 672	0.33 627	0.27 653	0.24 671	0.60 684	0.36 682	0.50 680	0.50 647	0.71 688	0.79 692	0.67 686	0.54 684	0.51 682	0.42 682	0.22 674	0.20 668	0.27 671	0.26 674	0.26 679	0.25 677
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 673	0.26 662	0.59 673	0.60 692	0.49 692	0.32 641	0.23 603	0.46 671	0.52 656	0.56 680	0.58 674	0.76 691	0.32 646	0.48 678	0.29 642	0.32 684	0.24 681	0.27 671	0.33 686	0.46 690	0.39 691

MSC_U_SF_DS_RVC	0.43 674	0.39 681	0.54 663	0.40 679	0.20 660	0.64 686	0.32 679	0.53 685	0.72 688	0.71 688	0.72 685	0.61 680	0.54 684	0.51 682	0.46 686	0.20 665	0.19 665	0.29 680	0.30 683	0.23 667	0.18 660

ACVNet_1	0.44 675	0.49 686	0.60 674	0.45 684	0.28 678	0.49 676	0.27 648	0.57 690	0.72 688	0.62 683	0.58 674	0.74 690	0.49 681	0.50 680	0.35 666	0.26 681	0.24 681	0.39 687	0.29 681	0.31 685	0.24 672

Consistency-Raft	0.44 675	0.40 682	0.45 652	0.37 678	0.43 689	0.46 671	0.41 687	0.57 690	0.55 658	0.32 636	0.73 686	0.33 615	0.48 680	0.42 675	0.49 689	0.39 689	0.35 692	0.45 689	0.51 699	0.42 689	0.29 681

RTS	0.45 677	0.19 634	3.26 715	0.24 624	0.15 620	0.74 694	0.20 561	0.36 627	0.76 694	0.42 663	0.43 644	0.31 602	0.41 672	0.53 687	0.35 666	0.10 533	0.08 535	0.13 608	0.12 612	0.15 638	0.15 637

RTSA	0.45 677	0.19 634	3.26 715	0.24 624	0.15 620	0.74 694	0.20 561	0.36 627	0.76 694	0.42 663	0.43 644	0.31 602	0.41 672	0.53 687	0.35 666	0.10 533	0.08 535	0.13 608	0.12 612	0.15 638	0.15 637

MANE	0.45 677	0.27 665	0.27 602	0.27 653	0.24 671	0.47 673	0.31 677	0.55 687	0.59 667	0.72 690	1.13 709	1.15 701	0.61 692	0.52 684	0.37 671	0.21 669	0.20 668	0.27 671	0.31 685	0.25 674	0.24 672

NVStereoNet_ROB	0.46 680	0.36 679	0.46 656	0.41 681	0.28 678	0.34 651	0.34 680	0.48 674	0.60 671	0.72 690	0.93 698	0.70 689	0.66 695	0.47 677	0.60 697	0.22 674	0.33 691	0.34 685	0.34 689	0.30 682	0.30 683
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	0.47 681	0.26 662	0.58 671	0.28 656	0.20 660	0.39 666	0.18 497	0.49 676	0.64 679	0.52 674	0.87 695	1.01 696	0.57 689	0.50 680	0.56 694	0.53 699	0.31 690	0.54 696	0.40 690	0.33 687	0.34 687

LE_ROB	0.50 682	0.07 240	0.14 394	0.15 124	0.08 222	0.24 594	0.16 406	0.22 400	1.81 717	4.63 722	0.67 680	0.47 667	0.44 677	0.20 546	0.29 642	0.07 344	0.06 430	0.06 200	0.06 293	0.08 452	0.06 312

BEATNet-Init1	0.52 683	0.27 665	0.62 676	0.30 667	0.21 664	0.76 698	0.29 664	0.54 686	0.65 682	0.86 699	0.95 700	2.07 716	0.62 694	0.56 691	0.42 682	0.18 656	0.18 662	0.23 665	0.22 667	0.22 666	0.21 668

anonymity	0.53 684	0.58 689	0.65 678	0.41 681	0.61 703	0.53 678	0.41 687	0.56 688	0.41 610	0.55 678	0.50 657	0.49 670	0.55 687	0.58 692	0.50 692	0.58 702	0.50 705	0.51 692	0.51 699	0.51 692	0.57 700

RainbowNet	0.54 685	0.61 691	0.70 693	0.57 691	0.43 689	0.65 687	0.37 685	0.60 692	0.87 698	0.50 673	0.66 679	0.64 682	0.47 679	0.49 679	0.43 685	0.47 696	0.48 701	0.52 694	0.41 691	0.52 693	0.40 694

SGM+DAISY	0.56 686	0.57 688	0.65 678	0.40 679	0.54 695	0.66 689	0.49 695	0.56 688	0.45 634	0.66 684	0.69 682	0.67 686	0.56 688	0.63 694	0.56 694	0.59 703	0.48 701	0.50 691	0.50 698	0.52 693	0.58 701

SPS-STEREO	0.57 687	0.58 689	0.65 678	0.45 684	0.55 697	0.62 685	0.44 694	0.62 693	0.50 647	0.68 686	0.64 677	0.66 685	0.57 689	0.61 693	0.60 697	0.62 705	0.47 700	0.51 692	0.49 696	0.55 697	0.58 701
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 688	0.66 695	0.65 678	0.51 688	0.69 707	0.69 690	0.57 701	0.64 694	0.73 692	0.60 681	0.73 686	0.62 681	0.67 696	0.65 695	0.60 697	0.66 707	0.58 714	0.63 697	0.59 702	0.68 704	0.69 710

IMH-64-1	0.65 689	0.61 691	0.68 687	0.71 695	0.51 693	0.59 682	0.49 695	0.91 701	0.85 696	0.74 694	1.02 702	0.81 692	0.78 700	0.79 698	0.49 689	0.42 691	0.46 696	0.71 699	0.47 694	0.52 693	0.39 691

IMH-64	0.65 689	0.61 691	0.68 687	0.71 695	0.51 693	0.59 682	0.49 695	0.91 701	0.85 696	0.74 694	1.02 702	0.81 692	0.78 700	0.79 698	0.49 689	0.42 691	0.46 696	0.71 699	0.47 694	0.52 693	0.39 691

ACVNet_2	0.66 691	0.66 695	0.68 687	0.63 693	0.41 687	0.71 692	0.49 695	0.96 705	1.39 710	0.89 700	1.09 705	1.04 697	0.73 698	0.54 689	0.47 687	0.43 693	0.40 694	0.53 695	0.44 693	0.47 691	0.35 689

JetBlue	0.71 692	0.45 685	1.14 707	0.51 688	0.47 691	2.02 716	0.64 705	0.75 696	0.70 686	0.69 687	0.77 691	1.22 703	0.83 702	1.03 713	1.01 713	0.40 690	0.28 685	0.33 684	0.33 686	0.30 682	0.34 687

IMH	0.71 692	0.64 694	0.68 687	0.76 697	0.54 695	0.69 690	0.54 699	0.98 707	1.10 703	0.82 698	1.09 705	0.89 694	0.88 705	0.87 706	0.52 693	0.44 694	0.50 705	0.75 702	0.51 699	0.56 698	0.41 695

PWCK	0.71 692	0.94 706	0.95 702	0.76 697	0.31 683	0.74 694	0.36 682	0.90 700	0.90 699	0.96 703	0.75 690	0.95 695	0.61 692	0.87 706	0.66 700	0.72 708	0.46 696	0.75 702	0.49 696	0.69 706	0.44 696

MADNet+	0.75 695	0.71 697	3.70 718	0.66 694	0.41 687	0.98 706	0.97 716	0.69 695	0.73 692	0.52 674	0.57 672	0.64 682	0.68 697	0.86 705	1.01 713	0.34 687	0.36 693	0.28 679	0.23 671	0.36 688	0.31 684

TorneroNet-64	0.76 696	0.72 698	0.74 694	0.78 699	0.58 701	0.91 705	0.56 700	0.84 699	1.29 707	0.66 684	0.90 696	1.40 709	0.75 699	0.85 704	0.67 703	0.49 697	0.46 696	0.72 701	0.59 702	0.67 703	0.53 699

WAO-7	0.79 697	0.78 700	0.54 663	0.85 703	0.67 706	0.74 694	0.68 709	1.05 710	1.32 708	0.90 701	1.20 712	1.04 697	0.92 706	0.69 696	0.66 700	0.60 704	0.62 715	0.67 698	0.68 708	0.64 700	0.58 701

WAO-6	0.81 698	0.80 701	0.62 676	0.86 704	0.63 704	0.76 698	0.58 702	0.98 707	1.54 715	0.90 701	0.96 701	1.07 699	1.03 710	0.70 697	0.66 700	0.72 708	0.49 703	0.90 710	0.71 709	0.68 704	0.58 701

TorneroNet	0.82 699	0.74 699	0.81 699	0.84 702	0.63 704	0.99 707	0.63 703	0.96 705	1.16 704	0.80 697	1.11 707	1.36 708	0.86 704	0.93 709	0.80 708	0.56 700	0.49 703	0.78 707	0.66 707	0.73 709	0.63 709

LVE	0.83 700	0.85 704	0.85 700	0.80 700	0.56 698	1.04 711	0.65 706	1.05 710	1.47 713	0.96 703	1.22 713	1.10 700	0.85 703	0.83 701	0.71 705	0.49 697	0.55 711	0.76 705	0.60 704	0.65 701	0.59 706

Dean	0.87 701	0.86 705	0.79 697	0.81 701	0.56 698	0.90 702	0.63 703	1.15 716	1.73 716	1.15 711	1.15 710	1.31 706	0.99 709	0.81 700	0.81 709	0.57 701	0.56 712	0.77 706	0.64 705	0.66 702	0.58 701

WAO-8	0.91 702	0.81 702	0.65 678	0.94 707	0.69 707	0.90 702	0.67 707	1.07 713	1.83 718	1.06 708	1.45 715	1.30 704	1.07 711	0.84 702	0.78 706	0.74 710	0.53 708	0.86 708	0.75 710	0.69 706	0.62 707

Venus	0.91 702	0.81 702	0.65 678	0.94 707	0.69 707	0.90 702	0.67 707	1.07 713	1.83 718	1.06 708	1.45 715	1.30 704	1.07 711	0.84 702	0.78 706	0.74 710	0.53 708	0.86 708	0.75 710	0.69 706	0.62 707

UNDER WATER-64	0.95 704	0.94 706	1.43 711	0.87 705	0.56 698	1.18 714	0.87 713	0.77 697	0.94 700	1.04 706	0.85 694	1.58 714	1.21 716	0.94 710	0.96 711	0.87 714	0.57 713	1.03 714	0.88 715	0.78 710	0.73 711

UNDER WATER	0.97 705	0.97 708	1.42 710	0.99 709	0.70 710	1.12 713	0.84 712	0.80 698	1.08 702	1.01 705	0.90 696	1.55 713	1.22 717	1.03 713	1.00 712	0.78 712	0.53 708	1.02 713	0.87 714	0.80 711	0.74 712

notaker	0.97 705	1.11 709	0.98 703	1.13 712	0.81 711	0.73 693	0.68 709	0.93 703	1.16 704	1.18 713	1.18 711	1.41 710	1.16 715	1.08 715	0.69 704	0.81 713	0.64 716	1.17 715	0.79 712	0.98 713	0.80 714

ktn	1.01 707	1.21 711	0.80 698	1.23 714	0.86 713	1.01 709	0.87 713	0.94 704	1.39 710	1.04 706	1.12 708	1.15 701	1.07 711	0.94 710	0.59 696	1.28 719	0.71 717	1.38 719	0.83 713	1.02 715	0.75 713

KSHMR	1.09 708	1.17 710	0.88 701	1.25 715	1.00 715	0.99 707	0.96 715	1.13 715	1.37 709	1.16 712	1.29 714	1.41 710	0.96 708	1.01 712	0.92 710	1.03 717	1.08 719	1.20 716	1.03 718	1.01 714	0.97 716

DPSimNet_ROB	1.11 709	1.23 712	0.78 695	1.13 712	0.88 714	1.10 712	1.13 717	1.16 717	1.23 706	1.43 715	1.02 702	1.41 710	1.10 714	0.90 708	1.60 715	1.46 720	0.51 707	1.21 717	1.03 718	0.90 712	1.01 718

HanzoNet	1.29 710	1.26 713	1.19 708	1.12 711	0.85 712	1.02 710	0.83 711	1.03 709	1.48 714	1.64 716	1.61 717	2.50 718	1.72 718	1.61 717	1.61 716	1.26 718	0.80 718	1.31 718	1.01 717	1.02 715	0.86 715

JetRed	1.62 711	1.46 714	2.98 713	0.92 706	1.21 716	4.99 719	1.53 721	1.27 718	1.39 710	1.83 717	1.74 718	1.60 715	0.95 707	1.41 716	2.45 721	0.90 716	1.60 720	0.93 711	0.90 716	1.35 717	0.99 717

MADNet++	1.95 712	1.75 715	1.59 712	1.82 716	1.69 718	2.33 717	1.40 720	2.35 719	2.09 720	2.57 719	2.36 720	2.24 717	2.17 720	2.28 718	2.34 719	1.87 721	1.66 721	1.54 720	1.34 720	1.92 718	1.77 720

Selective-IGEV-i1pa	2.80 713	3.51 721	0.67 686	0.28 656	0.14 600	10.22 723	0.43 692	4.36 720	3.63 721	3.53 720	6.92 722	3.47 719	1.97 719	13.41 734	2.26 718	0.36 688	0.15 651	0.13 608	0.10 557	0.15 638	0.35 689

coex-ft	3.30 714	0.34 677	59.09 746	0.18 402	0.13 579	0.26 615	0.22 592	0.27 505	0.72 688	1.90 718	0.70 684	0.44 657	0.45 678	0.29 626	0.41 681	0.09 489	0.09 569	0.12 593	0.09 515	0.14 622	0.13 613

TCMNet-wrong-test	3.67 715	5.48 729	3.89 719	12.18 730	11.75 732	4.65 718	3.88 722	1.06 712	0.72 688	1.09 710	2.15 719	6.30 724	0.53 683	3.43 720	2.36 720	0.89 715	0.20 668	1.87 722	1.69 721	5.57 726	3.62 726

tt	4.67 716	0.06 117	3.55 717	2.02 717	1.55 717	10.25 724	16.71 726	8.91 729	5.03 722	1.31 714	0.94 699	4.71 720	4.76 722	3.33 719	5.87 723	6.06 729	10.30 735	1.88 723	2.11 723	2.75 720	1.21 719

USTest	6.22 717	2.73 718	3.00 714	6.57 724	7.29 724	14.37 726	21.57 727	7.00 728	9.56 727	5.34 725	6.10 721	5.72 723	7.64 725	6.41 724	6.96 725	1.97 722	3.42 727	1.64 721	2.15 724	2.66 719	2.36 721

xxxxx1	7.79 718	5.02 726	7.31 722	3.12 718	3.85 720	16.35 728	22.88 728	5.86 725	8.69 724	7.97 726	8.54 723	9.12 728	8.27 726	10.18 726	10.92 726	2.42 723	2.45 723	3.56 726	12.37 732	3.77 721	3.06 723

tt_ll	7.79 718	5.02 726	7.31 722	3.12 718	3.85 720	16.35 728	22.88 728	5.86 725	8.69 724	7.97 726	8.54 723	9.12 728	8.27 726	10.18 726	10.92 726	2.42 723	2.45 723	3.56 726	12.37 732	3.77 721	3.06 723

ff	7.79 718	5.02 726	7.31 722	3.12 718	3.85 720	16.35 728	22.88 728	5.86 725	8.69 724	7.97 726	8.54 723	9.12 728	8.27 726	10.18 726	10.92 726	2.42 723	2.45 723	3.56 726	12.37 732	3.77 721	3.06 723

EDNetEfficientorigin	7.91 721	0.31 674	153.02 747	0.19 473	0.09 357	0.21 564	0.16 406	0.22 400	0.59 667	0.72 690	0.67 680	0.42 652	0.50 682	0.24 597	0.39 675	0.08 427	0.07 503	0.08 407	0.07 393	0.12 588	0.10 550

DPSMNet_ROB	8.06 722	4.48 722	8.63 730	5.37 723	10.74 727	8.32 721	22.98 732	5.46 722	13.36 732	5.12 723	9.92 728	5.08 721	10.40 729	5.53 723	12.58 729	3.80 727	8.00 728	3.50 724	7.02 729	3.83 724	7.14 730

DGTPSM_ROB	8.06 722	4.48 722	8.63 730	5.35 721	10.72 726	8.32 721	22.97 731	5.46 722	13.35 731	5.12 723	9.92 728	5.08 721	10.40 729	5.52 722	12.58 729	3.79 726	8.00 728	3.50 724	7.02 729	3.83 724	7.14 730

PML	8.91 724	9.34 735	6.13 720	5.35 721	6.41 723	14.99 727	23.38 733	5.27 721	6.83 723	18.04 738	28.19 747	7.67 725	6.83 724	7.85 725	5.75 722	5.35 728	1.83 722	5.95 734	1.93 722	8.64 731	2.52 722

DLNR_Zeroshot_test	10.40 725	1.82 716	19.49 741	120.77 747	13.11 734	0.06 14	0.13 179	0.23 423	0.10 77	0.07 75	0.10 197	0.09 224	0.06 66	0.10 124	0.09 104	0.13 616	0.04 25	0.06 200	0.04 60	51.54 747	0.04 74

DLNR-FE	10.43 726	1.83 717	19.53 742	120.75 746	13.06 733	0.06 14	0.13 179	0.23 423	0.10 77	0.07 75	0.10 197	0.09 224	0.06 66	0.10 124	0.09 104	0.13 616	0.04 25	0.06 200	0.04 60	52.01 748	0.04 74

iinet-test	10.48 727	8.09 731	7.54 726	10.26 725	10.94 728	18.00 732	25.26 734	11.33 733	13.28 729	9.69 730	9.85 726	9.42 731	11.17 731	11.02 730	12.78 732	6.59 731	8.30 730	5.56 729	6.56 725	6.89 727	7.02 728

IINet	10.48 727	8.09 731	7.54 726	10.26 725	10.94 728	18.00 732	25.26 734	11.33 733	13.28 729	9.69 730	9.85 726	9.42 731	11.17 731	11.02 730	12.78 732	6.59 731	8.30 730	5.56 729	6.56 725	6.89 727	7.02 728

LRCNet_RVC	10.62 729	13.42 736	7.30 721	18.92 734	2.07 719	0.33 648	0.30 671	5.59 724	0.48 637	13.03 734	17.94 734	8.87 727	5.65 723	4.79 721	1.89 717	23.51 744	2.73 726	27.55 747	25.71 747	16.07 741	16.33 742

Anonymous_1	10.96 730	7.92 730	7.46 725	10.33 727	10.06 725	18.65 734	26.34 736	11.06 732	13.44 733	9.40 729	10.05 730	9.67 733	11.23 733	10.73 729	12.72 731	6.42 730	8.38 732	5.77 731	10.61 731	12.12 732	6.77 727

DPSM_ROB	11.15 731	8.58 733	8.00 728	10.88 728	11.58 730	19.10 735	26.71 737	12.05 735	14.07 736	10.36 732	10.84 731	10.33 734	11.86 734	11.70 732	13.54 734	6.99 733	8.79 733	5.89 732	6.95 727	7.29 729	7.42 732

DPSM	11.15 731	8.58 733	8.00 728	10.88 728	11.58 730	19.10 735	26.71 737	12.05 735	14.07 736	10.36 732	10.84 731	10.33 734	11.86 734	11.70 732	13.54 734	6.99 733	8.79 733	5.89 732	6.95 727	7.29 729	7.42 732

HaxPig	15.71 733	18.52 745	19.18 740	16.89 733	15.89 735	7.73 720	7.60 723	13.31 737	10.82 728	15.42 735	14.91 733	15.98 736	14.92 736	15.58 735	15.98 736	18.95 743	16.73 736	19.46 743	18.08 743	19.26 742	19.05 745

Selective-IGEV-i16pa	18.58 734	3.30 719	1.09 705	0.21 574	0.18 653	103.68 748	0.28 654	19.87 739	40.73 748	4.16 721	56.45 748	8.07 726	2.59 721	123.95 749	5.89 724	0.18 656	0.12 620	0.09 493	0.12 612	0.12 588	0.51 698

RSGM-EC	20.36 735	4.73 724	0.68 687	16.76 731	16.92 736	21.28 737	27.18 739	10.46 730	14.04 734	18.00 736	21.31 737	22.24 746	21.82 738	22.57 737	17.63 737	62.81 747	33.79 747	20.14 744	18.10 744	20.18 743	16.45 743

acva	20.36 735	4.73 724	0.68 687	16.76 731	16.92 736	21.28 737	27.18 739	10.46 730	14.04 734	18.00 736	21.31 737	22.24 746	21.82 738	22.57 737	17.63 737	62.81 747	33.79 747	20.14 744	18.10 744	20.18 743	16.45 743

MEDIAN_ROB	20.38 737	24.04 746	23.31 743	21.23 735	21.71 738	10.40 725	7.92 724	17.64 738	15.50 738	20.12 739	19.70 735	20.34 737	20.32 737	21.19 736	21.13 739	23.81 745	21.81 745	24.98 746	23.76 746	24.71 745	23.93 746

CasAABBNet	22.42 738	17.33 738	16.01 734	22.01 737	23.28 740	38.32 739	53.80 744	24.14 743	28.41 743	20.60 742	21.77 741	20.89 744	23.91 743	23.43 742	27.36 743	14.07 736	17.69 739	11.83 737	14.01 736	14.67 735	14.95 738

RAFT-FEzeroshot	22.43 739	17.33 738	15.98 732	22.02 738	23.31 742	38.34 740	53.82 746	24.05 741	28.39 741	20.61 743	21.76 739	20.88 741	23.92 745	23.41 740	27.42 745	14.07 736	17.69 739	11.83 737	14.02 737	14.69 736	14.97 739

RAFT-FE	22.43 739	17.33 738	15.98 732	22.02 738	23.31 742	38.34 740	53.82 746	24.05 741	28.39 741	20.61 743	21.76 739	20.88 741	23.92 745	23.41 740	27.42 745	14.07 736	17.69 739	11.83 737	14.02 737	14.69 736	14.97 739

FlowAnything	22.44 741	17.35 741	16.14 736	22.07 741	23.23 739	38.39 744	53.77 742	24.25 745	28.44 744	20.96 747	21.82 743	20.70 739	23.84 741	23.49 744	27.14 741	14.04 735	17.79 744	11.75 735	14.15 741	14.65 733	14.89 735

Hybrid-DGEV	22.47 742	17.40 743	16.14 736	22.00 736	23.29 741	38.36 742	53.80 744	24.43 748	28.63 747	20.59 741	21.81 742	20.88 741	23.91 743	23.45 743	27.42 745	14.08 739	17.69 739	11.83 737	14.06 740	14.65 733	14.93 737

Selective-RAFT-Error	22.47 742	17.37 742	16.09 735	22.06 740	23.34 744	38.39 744	53.83 748	24.29 747	28.47 745	20.74 745	21.83 744	20.81 740	23.90 742	23.54 746	27.53 748	14.08 739	17.69 739	11.82 736	14.00 735	14.69 736	15.00 741

fast-reg	22.85 744	17.43 744	19.15 739	22.22 743	24.34 745	38.36 742	53.78 743	24.23 744	28.52 746	20.55 740	22.05 745	20.54 738	23.77 740	23.21 739	27.31 742	14.18 742	17.47 738	14.33 742	14.96 742	15.81 740	14.81 734

LSM0	22.87 745	17.28 737	18.96 738	22.19 742	29.04 747	38.42 746	53.71 741	24.28 746	28.31 740	20.78 746	21.00 736	21.43 745	24.16 747	23.50 745	27.39 744	14.09 741	17.38 737	11.84 741	14.04 739	14.73 739	14.89 735

AVERAGE_ROB	24.90 746	29.20 747	28.14 744	24.89 744	24.64 746	17.75 731	11.12 725	21.45 740	19.93 739	25.12 748	24.46 746	25.12 748	25.46 748	24.69 747	22.83 740	29.76 746	27.13 746	28.97 748	27.95 748	29.91 746	29.47 747

test_example2	98.32 747	94.13 748	45.89 745	96.35 745	109.85 748	88.61 747	95.45 749	25.75 749	94.37 749	130.00 750	126.06 749	58.17 749	74.63 749	88.51 748	79.96 749	150.23 749	221.02 749	77.62 749	99.10 749	113.75 749	96.94 748

GS-Stereo							0.14 246	0.11 58	0.12 149	0.08 131	0.10 197	0.05 5	0.05 14	0.11 200	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 171	0.05 209

FSD					0.22 666	0.25 605	0.25 632	0.27 505	0.26 494	0.25 583	0.26 519	0.25 542	0.27 614	0.27 608	0.24 601	0.21 669	0.20 668	0.27 671	0.26 674	0.25 674

ccccc		285.66 749		368.85 748	370.60 749	123.16 749		115.05 750		126.68 749		122.83 750		252.94 750		384.56 750	353.86 750	254.69 750	223.00 750	425.87 750

ASD4		3.38 720

Low-res two-view benchmark