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	0.09 127	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.08 188	0.05 14	0.08 27	0.09 105	0.06 169	0.04 25	0.04 1	0.03 1	0.05 173	0.04 76

PSi22a	0.06 1	0.04 1	0.09 127	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 43	0.05 14	0.08 27	0.09 105	0.07 347	0.04 25	0.04 1	0.03 1	0.05 173	0.04 76

Foundation-i32	0.06 1	0.04 1	0.09 127	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	0.09 105	0.06 169	0.04 25	0.05 51	0.03 1	0.04 49	0.04 76

MLG-Stereo_test2	0.06 1	0.04 1	0.10 193	0.15 125	0.05 2	0.07 43	0.11 64	0.09 23	0.04 2	0.06 25	0.05 7	0.06 43	0.04 1	0.08 27	0.09 105	0.06 169	0.04 25	0.05 51	0.03 1	0.05 173	0.05 211

MLG-Stereo_test1	0.06 1	0.05 43	0.08 58	0.17 311	0.05 2	0.06 14	0.11 64	0.08 12	0.03 1	0.05 2	0.04 1	0.06 43	0.05 14	0.09 60	0.09 105	0.05 51	0.04 25	0.05 51	0.03 1	0.04 49	0.04 76

FoundationStereo	0.06 1	0.04 1	0.08 58	0.12 7	0.05 2	0.09 139	0.13 178	0.06 1	0.09 53	0.05 2	0.05 7	0.06 43	0.04 1	0.06 1	0.07 1	0.06 169	0.04 25	0.05 51	0.03 1	0.05 173	0.04 76

testmc14	0.07 7	0.05 43	0.06 5	0.15 125	0.05 2	0.09 139	0.13 178	0.08 12	0.08 24	0.07 75	0.09 163	0.06 43	0.05 14	0.07 4	0.07 1	0.06 169	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

MCSU-Stereo	0.07 7	0.05 43	0.06 5	0.15 125	0.05 2	0.09 139	0.13 178	0.10 36	0.09 53	0.07 75	0.07 65	0.07 125	0.05 14	0.09 60	0.07 1	0.06 169	0.04 25	0.04 1	0.03 1	0.04 49	0.03 2

derf	0.07 7	0.04 1	0.10 193	0.14 71	0.06 29	0.05 4	0.12 100	0.12 87	0.09 53	0.05 2	0.07 65	0.07 125	0.08 233	0.10 126	0.10 209	0.06 169	0.05 278	0.04 1	0.03 1	0.04 49	0.05 211

mm2	0.07 7	0.04 1	0.10 193	0.13 22	0.06 29	0.06 14	0.12 100	0.13 117	0.08 24	0.06 25	0.07 65	0.06 43	0.08 233	0.10 126	0.09 105	0.06 169	0.05 278	0.04 1	0.03 1	0.04 49	0.05 211

mm1	0.07 7	0.04 1	0.10 193	0.13 22	0.06 29	0.06 14	0.12 100	0.06 1	0.08 24	0.06 25	0.07 65	0.06 43	0.08 233	0.10 126	0.09 105	0.06 169	0.05 278	0.04 1	0.03 1	0.04 49	0.05 211

qqai	0.07 7	0.05 43	0.10 193	0.14 71	0.06 29	0.05 4	0.12 100	0.08 12	0.09 53	0.05 2	0.06 23	0.06 43	0.08 233	0.10 126	0.09 105	0.06 169	0.05 278	0.05 51	0.03 1	0.04 49	0.05 211

MGA	0.07 7	0.04 1	0.10 193	0.13 22	0.06 29	0.08 85	0.09 20	0.12 87	0.08 24	0.05 2	0.06 23	0.06 43	0.05 14	0.10 126	0.09 105	0.06 169	0.04 25	0.05 51	0.03 1	0.05 173	0.05 211

CAR	0.07 7	0.05 43	0.08 58	0.14 71	0.06 29	0.07 43	0.08 7	0.12 87	0.08 24	0.05 2	0.06 23	0.05 5	0.05 14	0.10 126	0.09 105	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

MSE-Stereo	0.07 7	0.04 1	0.08 58	0.13 22	0.06 29	0.07 43	0.08 7	0.12 87	0.08 24	0.05 2	0.06 23	0.05 5	0.05 14	0.10 126	0.09 105	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

monster-pro	0.07 7	0.06 118	0.05 1	0.15 125	0.05 2	0.07 43	0.10 35	0.15 192	0.15 256	0.05 2	0.06 23	0.05 5	0.06 68	0.07 4	0.09 105	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 118	0.07 13	0.15 125	0.07 136	0.08 85	0.14 247	0.11 60	0.08 24	0.05 2	0.07 65	0.08 188	0.08 233	0.09 60	0.09 105	0.06 169	0.04 25	0.05 51	0.04 61	0.03 1	0.04 76

aanet-new-60k	0.07 7	0.07 242	0.08 58	0.18 404	0.06 29	0.07 43	0.10 35	0.09 23	0.14 229	0.07 75	0.07 65	0.06 43	0.06 68	0.11 203	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

aanet-new-70k	0.07 7	0.06 118	0.09 127	0.17 311	0.06 29	0.08 85	0.12 100	0.11 60	0.10 79	0.06 25	0.07 65	0.07 125	0.06 68	0.10 126	0.07 1	0.04 11	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

aanet-new-78k	0.07 7	0.07 242	0.09 127	0.19 476	0.06 29	0.07 43	0.12 100	0.11 60	0.13 196	0.06 25	0.07 65	0.06 43	0.06 68	0.09 60	0.07 1	0.04 11	0.04 25	0.05 51	0.04 61	0.05 173	0.03 2

aanet-new-40k	0.07 7	0.08 362	0.07 13	0.17 311	0.07 136	0.08 85	0.13 178	0.10 36	0.10 79	0.07 75	0.08 126	0.06 43	0.05 14	0.08 27	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

GCAP-Stereo-DPT26K	0.07 7	0.06 118	0.07 13	0.16 225	0.06 29	0.08 85	0.12 100	0.10 36	0.08 24	0.06 25	0.09 163	0.06 43	0.05 14	0.08 27	0.08 27	0.04 11	0.04 25	0.05 51	0.04 61	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 242	0.07 13	0.17 311	0.06 29	0.07 43	0.12 100	0.09 23	0.11 112	0.09 186	0.09 163	0.06 43	0.07 181	0.09 60	0.07 1	0.04 11	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 43	0.11 257	0.15 125	0.06 29	0.07 43	0.13 178	0.09 23	0.11 112	0.07 75	0.08 126	0.06 43	0.05 14	0.09 60	0.07 1	0.05 51	0.05 278	0.05 51	0.04 61	0.03 1	0.04 76

GCAP-Stereo-DPT-24K	0.07 7	0.06 118	0.07 13	0.15 125	0.06 29	0.10 204	0.15 335	0.12 87	0.11 112	0.06 25	0.11 253	0.06 43	0.05 14	0.09 60	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 127	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.05 7	0.08 188	0.05 14	0.08 27	0.09 105	0.06 169	0.04 25	0.04 1	0.03 1	0.05 173	0.04 76

LACA3	0.07 7	0.08 362	0.08 58	0.13 22	0.05 2	0.09 139	0.11 64	0.08 12	0.08 24	0.08 133	0.05 7	0.07 125	0.07 181	0.07 4	0.07 1	0.06 169	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 118	0.08 58	0.17 311	0.06 29	0.08 85	0.12 100	0.13 117	0.07 15	0.08 133	0.07 65	0.06 43	0.04 1	0.10 126	0.09 105	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

LACA2	0.07 7	0.05 43	0.06 5	0.15 125	0.06 29	0.09 139	0.11 64	0.11 60	0.10 79	0.05 2	0.05 7	0.06 43	0.08 233	0.09 60	0.07 1	0.07 347	0.04 25	0.04 1	0.04 61	0.04 49	0.04 76

LACA1	0.07 7	0.07 242	0.07 13	0.14 71	0.05 2	0.09 139	0.11 64	0.10 36	0.07 15	0.05 2	0.05 7	0.06 43	0.07 181	0.08 27	0.09 105	0.06 169	0.04 25	0.04 1	0.04 61	0.03 1	0.04 76

Test_v1	0.07 7	0.04 1	0.06 5	0.13 22	0.06 29	0.08 85	0.11 64	0.15 192	0.12 152	0.06 25	0.05 7	0.04 1	0.05 14	0.08 27	0.10 209	0.07 347	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

BLMT-Stereo	0.07 7	0.04 1	0.08 58	0.15 125	0.07 136	0.06 14	0.14 247	0.07 7	0.10 79	0.05 2	0.05 7	0.04 1	0.06 68	0.07 4	0.09 105	0.04 11	0.04 25	0.05 51	0.05 194	0.04 49	0.04 76

Pro-Stereo	0.07 7	0.05 43	0.08 58	0.15 125	0.07 136	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 60	0.08 27	0.05 51	0.04 25	0.06 202	0.05 194	0.04 49	0.04 76

MatchStereo	0.07 7	0.04 1	0.08 58	0.14 71	0.06 29	0.05 4	0.12 100	0.12 87	0.09 53	0.07 75	0.06 23	0.04 1	0.04 1	0.08 27	0.09 105	0.06 169	0.05 278	0.05 51	0.03 1	0.04 49	0.04 76
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth_RVC	0.07 7	0.04 1	0.09 127	0.11 1	0.05 2	0.10 204	0.10 35	0.14 149	0.09 53	0.06 25	0.07 65	0.06 43	0.07 181	0.07 4	0.10 209	0.06 169	0.04 25	0.04 1	0.04 61	0.04 49	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 43	0.07 13	0.14 71	0.06 29	0.09 139	0.13 178	0.15 192	0.06 6	0.07 75	0.08 126	0.06 43	0.08 233	0.09 60	0.09 105	0.06 169	0.05 278	0.04 1	0.03 1	0.04 49	0.04 76

VIP-Stereo	0.07 7	0.07 242	0.07 13	0.15 125	0.06 29	0.12 314	0.10 35	0.11 60	0.11 112	0.06 25	0.07 65	0.06 43	0.05 14	0.10 126	0.08 27	0.05 51	0.04 25	0.05 51	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 242	0.08 58	0.18 404	0.06 29	0.07 43	0.11 64	0.09 23	0.06 6	0.04 1	0.07 65	0.10 264	0.09 275	0.08 27	0.08 27	0.04 11	0.03 1	0.04 1	0.04 61	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	0.09 127	0.13 22	0.06 29	0.12 314	0.12 100	0.11 60	0.10 79	0.07 75	0.08 126	0.06 43	0.06 68	0.09 60	0.08 27	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

MonStereo	0.07 7	0.06 118	0.05 1	0.15 125	0.05 2	0.08 85	0.10 35	0.15 192	0.15 256	0.05 2	0.06 23	0.05 5	0.06 68	0.07 4	0.09 105	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 43	0.07 13	0.16 225	0.06 29	0.07 43	0.11 64	0.10 36	0.08 24	0.06 25	0.06 23	0.07 125	0.07 181	0.09 60	0.09 105	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 118	0.05 1	0.15 125	0.05 2	0.08 85	0.10 35	0.15 192	0.15 256	0.05 2	0.06 23	0.05 5	0.06 68	0.07 4	0.09 105	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	0.09 127	0.13 22	0.06 29	0.05 4	0.09 20	0.11 60	0.07 15	0.06 25	0.06 23	0.05 5	0.06 68	0.09 60	0.09 105	0.06 169	0.04 25	0.04 1	0.03 1	0.05 173	0.05 211

Replicate-Monster	0.07 7	0.05 43	0.09 127	0.14 71	0.06 29	0.08 85	0.09 20	0.13 117	0.13 196	0.05 2	0.07 65	0.06 43	0.06 68	0.08 27	0.10 209	0.05 51	0.04 25	0.05 51	0.03 1	0.04 49	0.04 76

AdaDepth	0.07 7	0.06 118	0.07 13	0.18 404	0.06 29	0.11 260	0.12 100	0.09 23	0.07 15	0.06 25	0.05 7	0.07 125	0.06 68	0.09 60	0.10 209	0.04 11	0.05 278	0.05 51	0.04 61	0.04 49	0.04 76

asda	0.07 7	0.08 362	0.08 58	0.16 225	0.06 29	0.06 14	0.10 35	0.16 233	0.10 79	0.06 25	0.06 23	0.05 5	0.05 14	0.10 126	0.10 209	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

asd	0.07 7	0.08 362	0.07 13	0.16 225	0.07 136	0.08 85	0.08 7	0.11 60	0.08 24	0.07 75	0.07 65	0.06 43	0.06 68	0.10 126	0.09 105	0.03 1	0.03 1	0.04 1	0.04 61	0.04 49	0.03 2

qwe	0.07 7	0.08 362	0.07 13	0.15 125	0.06 29	0.07 43	0.10 35	0.18 307	0.11 112	0.07 75	0.07 65	0.06 43	0.06 68	0.10 126	0.09 105	0.03 1	0.03 1	0.04 1	0.04 61	0.04 49	0.03 2

2.25w	0.07 7	0.06 118	0.07 13	0.14 71	0.06 29	0.08 85	0.08 7	0.10 36	0.15 256	0.08 133	0.10 200	0.07 125	0.06 68	0.08 27	0.10 209	0.05 51	0.03 1	0.04 1	0.04 61	0.03 1	0.04 76

4.25_new	0.07 7	0.08 362	0.09 127	0.15 125	0.06 29	0.09 139	0.08 7	0.14 149	0.08 24	0.07 75	0.07 65	0.06 43	0.06 68	0.12 299	0.10 209	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

4.5w_new	0.07 7	0.08 362	0.09 127	0.15 125	0.06 29	0.09 139	0.08 7	0.14 149	0.08 24	0.07 75	0.07 65	0.06 43	0.06 68	0.12 299	0.10 209	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

4.5_new	0.07 7	0.09 445	0.08 58	0.15 125	0.07 136	0.06 14	0.10 35	0.14 149	0.11 112	0.06 25	0.08 126	0.06 43	0.06 68	0.08 27	0.10 209	0.03 1	0.03 1	0.04 1	0.04 61	0.04 49	0.03 2

4.5w-stereo	0.07 7	0.09 445	0.08 58	0.15 125	0.07 136	0.06 14	0.10 35	0.14 149	0.11 112	0.06 25	0.08 126	0.06 43	0.06 68	0.08 27	0.10 209	0.03 1	0.03 1	0.04 1	0.04 61	0.04 49	0.03 2

4.25w-stereo	0.07 7	0.08 362	0.09 127	0.15 125	0.06 29	0.09 139	0.08 7	0.14 149	0.08 24	0.07 75	0.07 65	0.06 43	0.06 68	0.12 299	0.10 209	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

4w-stereo	0.07 7	0.08 362	0.08 58	0.16 225	0.06 29	0.07 43	0.08 7	0.12 87	0.08 24	0.07 75	0.07 65	0.05 5	0.06 68	0.09 60	0.10 209	0.03 1	0.03 1	0.04 1	0.04 61	0.04 49	0.03 2

2.5w	0.07 7	0.07 242	0.07 13	0.16 225	0.06 29	0.08 85	0.12 100	0.10 36	0.10 79	0.07 75	0.06 23	0.09 226	0.06 68	0.08 27	0.09 105	0.04 11	0.03 1	0.04 1	0.04 61	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 242	0.07 13	0.13 22	0.06 29	0.08 85	0.08 7	0.18 307	0.12 152	0.07 75	0.08 126	0.06 43	0.06 68	0.09 60	0.11 293	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 76

3.25w_new	0.07 7	0.06 118	0.07 13	0.15 125	0.06 29	0.10 204	0.07 3	0.12 87	0.11 112	0.08 133	0.06 23	0.07 125	0.06 68	0.11 203	0.09 105	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 118	0.07 13	0.15 125	0.06 29	0.10 204	0.07 3	0.12 87	0.11 112	0.08 133	0.06 23	0.07 125	0.06 68	0.11 203	0.09 105	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 242	0.08 58	0.16 225	0.07 136	0.07 43	0.09 20	0.16 233	0.09 53	0.07 75	0.06 23	0.05 5	0.06 68	0.09 60	0.10 209	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 242	0.07 13	0.15 125	0.07 136	0.09 139	0.06 1	0.13 117	0.11 112	0.07 75	0.07 65	0.06 43	0.07 181	0.10 126	0.09 105	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 118	0.07 13	0.16 225	0.06 29	0.07 43	0.10 35	0.14 149	0.14 229	0.07 75	0.08 126	0.05 5	0.06 68	0.09 60	0.09 105	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 76

monsterstereo	0.07 7	0.06 118	0.06 5	0.16 225	0.06 29	0.08 85	0.10 35	0.16 233	0.11 112	0.07 75	0.08 126	0.06 43	0.07 181	0.08 27	0.09 105	0.04 11	0.04 25	0.05 51	0.04 61	0.03 1	0.03 2

monsters	0.07 7	0.06 118	0.06 5	0.15 125	0.06 29	0.08 85	0.09 20	0.12 87	0.08 24	0.09 186	0.07 65	0.06 43	0.06 68	0.08 27	0.08 27	0.05 51	0.04 25	0.04 1	0.04 61	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 58	0.13 22	0.06 29	0.09 139	0.12 100	0.14 149	0.10 79	0.06 25	0.09 163	0.07 125	0.05 14	0.09 60	0.09 105	0.06 169	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

111111	0.07 7	0.04 1	0.09 127	0.17 311	0.06 29	0.05 4	0.10 35	0.11 60	0.09 53	0.06 25	0.06 23	0.07 125	0.05 14	0.09 60	0.09 105	0.06 169	0.04 25	0.05 51	0.04 61	0.07 386	0.06 315

LG-Stereo_L2	0.07 7	0.05 43	0.10 193	0.14 71	0.06 29	0.07 43	0.12 100	0.09 23	0.09 53	0.06 25	0.04 1	0.05 5	0.05 14	0.08 27	0.08 27	0.05 51	0.04 25	0.05 51	0.03 1	0.04 49	0.03 2

LG-Stereo_L1	0.07 7	0.05 43	0.11 257	0.14 71	0.06 29	0.07 43	0.13 178	0.09 23	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 27	0.07 1	0.05 51	0.04 25	0.05 51	0.03 1	0.04 49	0.04 76

MLG-Stereo_test3	0.07 7	0.05 43	0.10 193	0.14 71	0.06 29	0.07 43	0.11 64	0.08 12	0.06 6	0.06 25	0.04 1	0.06 43	0.06 68	0.07 4	0.10 209	0.06 169	0.04 25	0.05 51	0.04 61	0.05 173	0.06 315

MLG-Stereo	0.07 7	0.05 43	0.08 58	0.17 311	0.05 2	0.07 43	0.11 64	0.08 12	0.04 2	0.05 2	0.04 1	0.06 43	0.05 14	0.10 126	0.09 105	0.05 51	0.04 25	0.05 51	0.03 1	0.04 49	0.04 76

LG-G_1	0.07 7	0.04 1	0.11 257	0.15 125	0.06 29	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 125	0.07 181	0.11 203	0.08 27	0.07 347	0.04 25	0.05 51	0.04 61	0.05 173	0.05 211

LG-G	0.07 7	0.04 1	0.11 257	0.15 125	0.06 29	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 125	0.07 181	0.11 203	0.08 27	0.07 347	0.04 25	0.05 51	0.04 61	0.05 173	0.05 211

LGtest1	0.07 7	0.04 1	0.10 193	0.15 125	0.06 29	0.07 43	0.09 20	0.08 12	0.06 6	0.05 2	0.04 1	0.06 43	0.06 68	0.10 126	0.09 105	0.07 347	0.04 25	0.05 51	0.04 61	0.06 298	0.06 315

LG-Stereo_Zeroshot	0.07 7	0.06 118	0.10 193	0.16 225	0.07 136	0.04 1	0.13 178	0.10 36	0.10 79	0.05 2	0.11 253	0.07 125	0.05 14	0.07 4	0.09 105	0.06 169	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

GREAT-IGEV	0.07 7	0.06 118	0.08 58	0.13 22	0.07 136	0.07 43	0.14 247	0.09 23	0.09 53	0.06 25	0.07 65	0.06 43	0.05 14	0.10 126	0.07 1	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 603	0.17 513	0.11 1	0.05 2	0.05 4	0.11 64	0.08 12	0.08 24	0.06 25	0.06 23	0.05 5	0.05 14	0.09 60	0.08 27	0.08 430	0.04 25	0.05 51	0.03 1	0.05 173	0.04 76

AIO_rvc	0.07 7	0.06 118	0.08 58	0.15 125	0.06 29	0.08 85	0.14 247	0.09 23	0.08 24	0.07 75	0.08 126	0.07 125	0.04 1	0.10 126	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

AIO_test	0.07 7	0.05 43	0.07 13	0.15 125	0.07 136	0.06 14	0.14 247	0.10 36	0.10 79	0.07 75	0.07 65	0.06 43	0.05 14	0.08 27	0.10 209	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

MonSter	0.07 7	0.06 118	0.05 1	0.15 125	0.05 2	0.07 43	0.10 35	0.15 192	0.15 256	0.05 2	0.06 23	0.05 5	0.06 68	0.07 4	0.09 105	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 43	0.07 13	0.14 71	0.06 29	0.10 204	0.13 178	0.07 7	0.13 196	0.06 25	0.07 65	0.06 43	0.05 14	0.10 126	0.09 105	0.04 11	0.04 25	0.05 51	0.03 1	0.04 49	0.04 76

dual_stereo	0.07 7	0.04 1	0.08 58	0.15 125	0.05 2	0.05 4	0.13 178	0.12 87	0.08 24	0.07 75	0.06 23	0.05 5	0.05 14	0.07 4	0.09 105	0.06 169	0.04 25	0.05 51	0.03 1	0.04 49	0.04 76

IGEV-Stereo++	0.07 7	0.06 118	0.08 58	0.18 404	0.06 29	0.04 1	0.10 35	0.11 60	0.11 112	0.06 25	0.07 65	0.07 125	0.06 68	0.09 60	0.09 105	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

IGEV-Stereo+	0.07 7	0.04 1	0.08 58	0.15 125	0.06 29	0.04 1	0.09 20	0.10 36	0.09 53	0.06 25	0.06 23	0.06 43	0.06 68	0.06 1	0.08 27	0.06 169	0.04 25	0.05 51	0.04 61	0.06 298	0.06 315

GCAPDPT-zeroshot4090	0.07 7	0.05 43	0.11 257	0.15 125	0.06 29	0.07 43	0.13 178	0.09 23	0.11 112	0.07 75	0.08 126	0.06 43	0.05 14	0.09 60	0.07 1	0.05 51	0.05 278	0.05 51	0.04 61	0.03 1	0.04 76

Selective-IGEV	0.07 7	0.06 118	0.08 58	0.17 311	0.06 29	0.08 85	0.12 100	0.13 117	0.07 15	0.08 133	0.07 65	0.06 43	0.04 1	0.10 126	0.09 105	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

0shot-warping	0.08 86	0.06 118	0.10 193	0.13 22	0.07 136	0.08 85	0.16 407	0.08 12	0.08 24	0.06 25	0.10 200	0.05 5	0.07 181	0.07 4	0.12 359	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.05 211

depth_test_26	0.08 86	0.04 1	0.11 257	0.13 22	0.07 136	0.07 43	0.11 64	0.12 87	0.11 112	0.09 186	0.07 65	0.08 188	0.05 14	0.09 60	0.08 27	0.08 430	0.06 432	0.06 202	0.06 295	0.06 298	0.07 405

Anonymus	0.08 86	0.05 43	0.10 193	0.15 125	0.08 225	0.10 204	0.15 335	0.15 192	0.10 79	0.07 75	0.06 23	0.07 125	0.08 233	0.12 299	0.10 209	0.06 169	0.04 25	0.05 51	0.05 194	0.05 173	0.06 315

LGCAT	0.08 86	0.04 1	0.10 193	0.11 1	0.06 29	0.07 43	0.12 100	0.07 7	0.08 24	0.09 186	0.07 65	0.07 125	0.08 233	0.12 299	0.11 293	0.10 536	0.09 572	0.04 1	0.05 194	0.04 49	0.09 522

quiztm	0.08 86	0.07 242	0.08 58	0.18 404	0.07 136	0.09 139	0.14 247	0.14 149	0.12 152	0.07 75	0.07 65	0.05 5	0.06 68	0.11 203	0.09 105	0.05 51	0.04 25	0.06 202	0.04 61	0.04 49	0.03 2

TS12	0.08 86	0.06 118	0.09 127	0.21 577	0.07 136	0.11 260	0.13 178	0.11 60	0.09 53	0.10 233	0.10 200	0.08 188	0.10 319	0.09 60	0.12 359	0.04 11	0.04 25	0.05 51	0.04 61	0.03 1	0.04 76

DF	0.08 86	0.05 43	0.09 127	0.15 125	0.06 29	0.11 260	0.13 178	0.10 36	0.12 152	0.09 186	0.10 200	0.10 264	0.08 233	0.11 203	0.09 105	0.07 347	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

LiteMatch*	0.08 86	0.04 1	0.11 257	0.13 22	0.08 225	0.08 85	0.13 178	0.14 149	0.09 53	0.05 2	0.05 7	0.05 5	0.09 275	0.11 203	0.10 209	0.06 169	0.05 278	0.05 51	0.04 61	0.05 173	0.05 211

aanet-new-90k	0.08 86	0.07 242	0.08 58	0.19 476	0.06 29	0.07 43	0.12 100	0.12 87	0.13 196	0.06 25	0.07 65	0.06 43	0.06 68	0.10 126	0.07 1	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.03 2

aanet-new-36k	0.08 86	0.06 118	0.09 127	0.17 311	0.06 29	0.09 139	0.13 178	0.11 60	0.13 196	0.08 133	0.08 126	0.06 43	0.05 14	0.09 60	0.08 27	0.04 11	0.04 25	0.05 51	0.04 61	0.03 1	0.03 2

aanet-new-34k	0.08 86	0.06 118	0.09 127	0.17 311	0.05 2	0.07 43	0.13 178	0.12 87	0.12 152	0.09 186	0.08 126	0.07 125	0.05 14	0.10 126	0.09 105	0.04 11	0.04 25	0.05 51	0.04 61	0.03 1	0.03 2

aanet-32k-new	0.08 86	0.07 242	0.08 58	0.18 404	0.06 29	0.08 85	0.12 100	0.11 60	0.12 152	0.07 75	0.08 126	0.05 5	0.07 181	0.10 126	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.06 298	0.04 76

aanet-new-32k	0.08 86	0.07 242	0.09 127	0.18 404	0.06 29	0.11 260	0.11 64	0.10 36	0.08 24	0.07 75	0.07 65	0.07 125	0.06 68	0.10 126	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

aanet-new-30k	0.08 86	0.07 242	0.09 127	0.18 404	0.06 29	0.11 260	0.11 64	0.10 36	0.08 24	0.07 75	0.07 65	0.07 125	0.06 68	0.10 126	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

aanet-new-28k	0.08 86	0.07 242	0.09 127	0.18 404	0.06 29	0.08 85	0.12 100	0.10 36	0.09 53	0.09 186	0.08 126	0.08 188	0.06 68	0.12 299	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

aanet-new-22k	0.08 86	0.06 118	0.09 127	0.17 311	0.06 29	0.08 85	0.11 64	0.14 149	0.12 152	0.09 186	0.09 163	0.08 188	0.06 68	0.10 126	0.08 27	0.04 11	0.04 25	0.05 51	0.04 61	0.03 1	0.03 2

aanet-new-16k	0.08 86	0.08 362	0.08 58	0.18 404	0.06 29	0.07 43	0.09 20	0.13 117	0.12 152	0.08 133	0.07 65	0.07 125	0.06 68	0.09 60	0.08 27	0.04 11	0.04 25	0.05 51	0.04 61	0.05 173	0.03 2

aanet-new-10k	0.08 86	0.08 362	0.08 58	0.19 476	0.07 136	0.08 85	0.12 100	0.14 149	0.11 112	0.07 75	0.08 126	0.07 125	0.07 181	0.09 60	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

aanet-new-12k	0.08 86	0.09 445	0.07 13	0.20 543	0.08 225	0.08 85	0.13 178	0.12 87	0.13 196	0.08 133	0.08 126	0.05 5	0.07 181	0.09 60	0.08 27	0.04 11	0.04 25	0.05 51	0.04 61	0.06 298	0.04 76

aanet-new-14k	0.08 86	0.09 445	0.08 58	0.19 476	0.06 29	0.07 43	0.10 35	0.14 149	0.15 256	0.06 25	0.08 126	0.05 5	0.06 68	0.09 60	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

aanet-new-8k	0.08 86	0.07 242	0.08 58	0.19 476	0.07 136	0.09 139	0.12 100	0.16 233	0.15 256	0.07 75	0.07 65	0.06 43	0.06 68	0.10 126	0.08 27	0.04 11	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

aanet-new	0.08 86	0.09 445	0.10 193	0.18 404	0.08 225	0.10 204	0.12 100	0.15 192	0.12 152	0.08 133	0.08 126	0.05 5	0.07 181	0.10 126	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.06 298	0.04 76

GCAP-Stereo-cres-4k	0.08 86	0.07 242	0.08 58	0.18 404	0.07 136	0.11 260	0.14 247	0.12 87	0.11 112	0.07 75	0.11 253	0.07 125	0.06 68	0.09 60	0.08 27	0.04 11	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

GCAP-Stereo-DPT-cres	0.08 86	0.05 43	0.07 13	0.15 125	0.06 29	0.10 204	0.14 247	0.13 117	0.12 152	0.07 75	0.09 163	0.07 125	0.06 68	0.10 126	0.09 105	0.05 51	0.04 25	0.05 51	0.04 61	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 86	0.06 118	0.15 446	0.14 71	0.06 29	0.08 85	0.13 178	0.13 117	0.11 112	0.07 75	0.08 126	0.07 125	0.06 68	0.09 60	0.08 27	0.05 51	0.05 278	0.05 51	0.04 61	0.03 1	0.04 76

GCAP-Stereo-DPT-22K	0.08 86	0.06 118	0.07 13	0.17 311	0.06 29	0.07 43	0.14 247	0.13 117	0.16 296	0.05 2	0.10 200	0.06 43	0.06 68	0.08 27	0.08 27	0.04 11	0.04 25	0.05 51	0.04 61	0.03 1	0.04 76

GCAP-Stereo-DPT-5K	0.08 86	0.06 118	0.10 193	0.16 225	0.07 136	0.11 260	0.12 100	0.15 192	0.15 256	0.08 133	0.12 275	0.05 5	0.06 68	0.09 60	0.08 27	0.05 51	0.04 25	0.06 202	0.05 194	0.03 1	0.04 76

GCAP-Stereo-DPT-2K	0.08 86	0.06 118	0.10 193	0.16 225	0.07 136	0.11 260	0.13 178	0.14 149	0.14 229	0.08 133	0.13 294	0.05 5	0.06 68	0.10 126	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.03 1	0.04 76

GCAP-Stereo-DPT-3K	0.08 86	0.07 242	0.10 193	0.16 225	0.07 136	0.09 139	0.12 100	0.15 192	0.14 229	0.08 133	0.11 253	0.05 5	0.06 68	0.09 60	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.03 1	0.04 76

GCAP-Stereo-DPT-50K	0.08 86	0.06 118	0.17 513	0.15 125	0.06 29	0.06 14	0.13 178	0.13 117	0.13 196	0.07 75	0.07 65	0.06 43	0.05 14	0.08 27	0.08 27	0.04 11	0.04 25	0.05 51	0.04 61	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 86	0.06 118	0.07 13	0.16 225	0.06 29	0.06 14	0.14 247	0.14 149	0.14 229	0.07 75	0.10 200	0.06 43	0.05 14	0.09 60	0.09 105	0.04 11	0.04 25	0.04 1	0.04 61	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 86	0.05 43	0.12 305	0.15 125	0.06 29	0.10 204	0.14 247	0.12 87	0.12 152	0.07 75	0.09 163	0.06 43	0.06 68	0.10 126	0.08 27	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

PSi22	0.08 86	0.06 118	0.11 257	0.16 225	0.07 136	0.08 85	0.10 35	0.14 149	0.08 24	0.08 133	0.06 23	0.10 264	0.06 68	0.12 299	0.09 105	0.05 51	0.04 25	0.04 1	0.03 1	0.04 49	0.04 76

Foundation-i1c-attn	0.08 86	0.05 43	0.07 13	0.14 71	0.05 2	0.09 139	0.12 100	0.12 87	0.10 79	0.09 186	0.10 200	0.10 264	0.07 181	0.07 4	0.10 209	0.06 169	0.04 25	0.05 51	0.04 61	0.03 1	0.03 2

Foundation-i1b	0.08 86	0.05 43	0.07 13	0.14 71	0.05 2	0.09 139	0.12 100	0.13 117	0.10 79	0.09 186	0.10 200	0.09 226	0.06 68	0.07 4	0.09 105	0.06 169	0.04 25	0.05 51	0.04 61	0.03 1	0.03 2

Foundation-i1a	0.08 86	0.05 43	0.07 13	0.13 22	0.05 2	0.13 370	0.13 178	0.12 87	0.09 53	0.11 270	0.11 253	0.11 295	0.06 68	0.08 27	0.09 105	0.06 169	0.04 25	0.05 51	0.03 1	0.04 49	0.04 76

DepthFocus	0.08 86	0.04 1	0.15 446	0.12 7	0.09 360	0.07 43	0.12 100	0.10 36	0.05 4	0.09 186	0.05 7	0.07 125	0.04 1	0.08 27	0.08 27	0.06 169	0.05 278	0.07 315	0.07 395	0.05 173	0.04 76

GeoVLM	0.08 86	0.04 1	0.10 193	0.13 22	0.06 29	0.10 204	0.12 100	0.13 117	0.08 24	0.06 25	0.07 65	0.06 43	0.08 233	0.10 126	0.11 293	0.06 169	0.05 278	0.04 1	0.03 1	0.04 49	0.05 211

gcap_with_dpt	0.08 86	0.06 118	0.09 127	0.16 225	0.07 136	0.09 139	0.12 100	0.13 117	0.13 196	0.08 133	0.12 275	0.04 1	0.06 68	0.10 126	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.03 1	0.04 76

DispViT+	0.08 86	0.05 43	0.09 127	0.13 22	0.06 29	0.05 4	0.11 64	0.18 307	0.16 296	0.09 186	0.08 126	0.07 125	0.06 68	0.11 203	0.09 105	0.06 169	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 86	0.04 1	0.11 257	0.14 71	0.07 136	0.11 260	0.11 64	0.11 60	0.07 15	0.07 75	0.07 65	0.07 125	0.06 68	0.10 126	0.10 209	0.06 169	0.04 25	0.05 51	0.04 61	0.06 298	0.06 315

BStereo	0.08 86	0.06 118	0.16 482	0.15 125	0.08 225	0.07 43	0.09 20	0.15 192	0.16 296	0.06 25	0.07 65	0.07 125	0.05 14	0.09 60	0.11 293	0.04 11	0.05 278	0.05 51	0.07 395	0.04 49	0.04 76

MonSter++	0.08 86	0.04 1	0.10 193	0.13 22	0.06 29	0.09 139	0.12 100	0.13 117	0.08 24	0.06 25	0.07 65	0.06 43	0.08 233	0.10 126	0.11 293	0.06 169	0.05 278	0.04 1	0.03 1	0.04 49	0.04 76

HiDET	0.08 86	0.04 1	0.10 193	0.13 22	0.06 29	0.08 85	0.12 100	0.12 87	0.11 112	0.06 25	0.07 65	0.07 125	0.07 181	0.11 203	0.11 293	0.06 169	0.04 25	0.04 1	0.03 1	0.04 49	0.04 76

LCMNet	0.08 86	0.05 43	0.10 193	0.13 22	0.07 136	0.09 139	0.12 100	0.10 36	0.11 112	0.06 25	0.08 126	0.06 43	0.07 181	0.11 203	0.10 209	0.06 169	0.05 278	0.04 1	0.03 1	0.04 49	0.04 76

GEAStereo	0.08 86	0.05 43	0.08 58	0.13 22	0.08 225	0.08 85	0.14 247	0.10 36	0.09 53	0.08 133	0.10 200	0.06 43	0.05 14	0.11 203	0.08 27	0.06 169	0.04 25	0.05 51	0.04 61	0.05 173	0.05 211

GSStereo	0.08 86	0.05 43	0.08 58	0.13 22	0.08 225	0.08 85	0.14 247	0.11 60	0.12 152	0.08 133	0.10 200	0.05 5	0.05 14	0.11 203	0.08 27	0.06 169	0.04 25	0.05 51	0.04 61	0.05 173	0.05 211

gasm-f	0.08 86	0.05 43	0.07 13	0.13 22	0.08 225	0.08 85	0.14 247	0.10 36	0.09 53	0.08 133	0.10 200	0.06 43	0.05 14	0.10 126	0.08 27	0.06 169	0.04 25	0.05 51	0.04 61	0.06 298	0.05 211

DDF-Stereo	0.08 86	0.04 1	0.09 127	0.15 125	0.10 474	0.06 14	0.13 178	0.09 23	0.14 229	0.06 25	0.06 23	0.07 125	0.06 68	0.09 60	0.10 209	0.06 169	0.04 25	0.06 202	0.04 61	0.08 455	0.05 211

252Zero-FE	0.08 86	0.04 1	0.09 127	0.13 22	0.07 136	0.12 314	0.11 64	0.13 117	0.14 229	0.06 25	0.05 7	0.06 43	0.05 14	0.09 60	0.10 209	0.06 169	0.04 25	0.04 1	0.03 1	0.05 173	0.06 315

DA	0.08 86	0.07 242	0.07 13	0.19 476	0.08 225	0.09 139	0.12 100	0.13 117	0.12 152	0.08 133	0.10 200	0.10 264	0.08 233	0.09 60	0.10 209	0.05 51	0.04 25	0.06 202	0.04 61	0.05 173	0.03 2

zero-FE	0.08 86	0.04 1	0.09 127	0.15 125	0.10 474	0.05 4	0.14 247	0.09 23	0.14 229	0.07 75	0.06 23	0.07 125	0.06 68	0.09 60	0.10 209	0.06 169	0.04 25	0.06 202	0.04 61	0.08 455	0.05 211

GGEV	0.08 86	0.07 242	0.07 13	0.19 476	0.08 225	0.09 139	0.12 100	0.13 117	0.12 152	0.08 133	0.10 200	0.10 264	0.08 233	0.09 60	0.10 209	0.05 51	0.04 25	0.06 202	0.04 61	0.05 173	0.03 2

GASTEREO	0.08 86	0.05 43	0.09 127	0.19 476	0.07 136	0.07 43	0.12 100	0.14 149	0.11 112	0.10 233	0.09 163	0.07 125	0.04 1	0.12 299	0.08 27	0.06 169	0.05 278	0.05 51	0.04 61	0.04 49	0.05 211

MSCF	0.08 86	0.05 43	0.08 58	0.19 476	0.08 225	0.06 14	0.12 100	0.14 149	0.11 112	0.10 233	0.09 163	0.07 125	0.04 1	0.11 203	0.08 27	0.06 169	0.05 278	0.05 51	0.04 61	0.05 173	0.05 211

S2M2_XL	0.08 86	0.06 118	0.12 305	0.12 7	0.08 225	0.09 139	0.09 20	0.07 7	0.07 15	0.08 133	0.07 65	0.07 125	0.06 68	0.09 60	0.09 105	0.08 430	0.06 432	0.07 315	0.05 194	0.08 455	0.06 315
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 86	0.09 445	0.10 193	0.17 311	0.07 136	0.08 85	0.10 35	0.20 350	0.13 196	0.06 25	0.07 65	0.05 5	0.06 68	0.08 27	0.09 105	0.03 1	0.03 1	0.04 1	0.03 1	0.04 49	0.03 2

2w_stereo	0.08 86	0.08 362	0.09 127	0.16 225	0.06 29	0.08 85	0.10 35	0.20 350	0.15 256	0.08 133	0.07 65	0.06 43	0.06 68	0.06 1	0.09 105	0.04 11	0.03 1	0.04 1	0.04 61	0.03 1	0.03 2

LG-Stereo	0.08 86	0.07 242	0.10 193	0.18 404	0.07 136	0.10 204	0.17 451	0.11 60	0.08 24	0.05 2	0.07 65	0.05 5	0.07 181	0.09 60	0.09 105	0.04 11	0.05 278	0.07 315	0.07 395	0.04 49	0.04 76

SGD-Stereo	0.08 86	0.05 43	0.10 193	0.14 71	0.05 2	0.12 314	0.12 100	0.11 60	0.12 152	0.07 75	0.09 163	0.09 226	0.09 275	0.08 27	0.08 27	0.06 169	0.04 25	0.05 51	0.04 61	0.05 173	0.03 2

HART	0.08 86	0.07 242	0.09 127	0.17 311	0.07 136	0.10 204	0.16 407	0.13 117	0.11 112	0.08 133	0.10 200	0.07 125	0.05 14	0.10 126	0.08 27	0.05 51	0.04 25	0.06 202	0.04 61	0.05 173	0.04 76

Reg-Stereo(zero)	0.08 86	0.05 43	0.08 58	0.16 225	0.06 29	0.12 314	0.11 64	0.15 192	0.10 79	0.12 314	0.09 163	0.10 264	0.08 233	0.11 203	0.08 27	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.05 211

SCV_C0	0.08 86	0.07 242	0.07 13	0.16 225	0.09 360	0.08 85	0.15 335	0.11 60	0.12 152	0.08 133	0.07 65	0.06 43	0.05 14	0.11 203	0.07 1	0.05 51	0.05 278	0.05 51	0.04 61	0.06 298	0.05 211

SCV	0.08 86	0.09 445	0.08 58	0.15 125	0.08 225	0.10 204	0.13 178	0.10 36	0.12 152	0.07 75	0.07 65	0.06 43	0.04 1	0.09 60	0.08 27	0.05 51	0.04 25	0.06 202	0.04 61	0.06 298	0.04 76

DEFOM-Stereo_RVC	0.08 86	0.06 118	0.09 127	0.22 594	0.06 29	0.08 85	0.12 100	0.10 36	0.10 79	0.07 75	0.07 65	0.06 43	0.05 14	0.11 203	0.09 105	0.06 169	0.04 25	0.05 51	0.03 1	0.06 298	0.04 76

HUF	0.08 86	0.05 43	0.08 58	0.14 71	0.06 29	0.09 139	0.13 178	0.13 117	0.13 196	0.07 75	0.07 65	0.08 188	0.06 68	0.10 126	0.09 105	0.06 169	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

castereo++	0.08 86	0.05 43	0.08 58	0.15 125	0.05 2	0.14 407	0.12 100	0.11 60	0.15 256	0.07 75	0.07 65	0.07 125	0.06 68	0.08 27	0.08 27	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

IGEV-RUCA	0.08 86	0.06 118	0.11 257	0.14 71	0.09 360	0.10 204	0.12 100	0.10 36	0.12 152	0.06 25	0.07 65	0.07 125	0.06 68	0.09 60	0.08 27	0.06 169	0.05 278	0.05 51	0.04 61	0.05 173	0.06 315

GIP-stereo	0.08 86	0.06 118	0.11 257	0.14 71	0.06 29	0.09 139	0.13 178	0.14 149	0.11 112	0.07 75	0.08 126	0.05 5	0.04 1	0.10 126	0.07 1	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

SMoEStereo_RVC	0.08 86	0.06 118	0.12 305	0.16 225	0.07 136	0.09 139	0.14 247	0.11 60	0.13 196	0.09 186	0.07 65	0.07 125	0.07 181	0.12 299	0.10 209	0.05 51	0.04 25	0.06 202	0.05 194	0.04 49	0.04 76

WCG-NET	0.08 86	0.05 43	0.09 127	0.15 125	0.06 29	0.11 260	0.14 247	0.13 117	0.13 196	0.06 25	0.09 163	0.07 125	0.06 68	0.13 356	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

Occ-G	0.08 86	0.05 43	0.06 5	0.14 71	0.07 136	0.08 85	0.14 247	0.13 117	0.15 256	0.07 75	0.11 253	0.07 125	0.05 14	0.09 60	0.10 209	0.06 169	0.05 278	0.05 51	0.04 61	0.05 173	0.05 211

U	0.08 86	0.07 242	0.09 127	0.19 476	0.10 474	0.10 204	0.13 178	0.12 87	0.17 326	0.07 75	0.07 65	0.06 43	0.05 14	0.07 4	0.08 27	0.06 169	0.04 25	0.06 202	0.04 61	0.06 298	0.05 211

AIO-Stereo	0.08 86	0.06 118	0.09 127	0.18 404	0.06 29	0.08 85	0.12 100	0.15 192	0.09 53	0.08 133	0.08 126	0.07 125	0.05 14	0.11 203	0.08 27	0.05 51	0.05 278	0.05 51	0.04 61	0.04 49	0.04 76

WCG-NET（raft）	0.08 86	0.05 43	0.10 193	0.15 125	0.06 29	0.11 260	0.13 178	0.15 192	0.12 152	0.08 133	0.07 65	0.06 43	0.06 68	0.13 356	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

RSM++	0.08 86	0.06 118	0.09 127	0.17 311	0.07 136	0.09 139	0.12 100	0.11 60	0.11 112	0.08 133	0.06 23	0.07 125	0.05 14	0.10 126	0.09 105	0.04 11	0.04 25	0.06 202	0.05 194	0.05 173	0.03 2

RSM	0.08 86	0.06 118	0.09 127	0.17 311	0.06 29	0.08 85	0.12 100	0.12 87	0.10 79	0.08 133	0.07 65	0.06 43	0.05 14	0.11 203	0.09 105	0.04 11	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

gcap-zeroshot	0.08 86	0.06 118	0.10 193	0.15 125	0.07 136	0.11 260	0.12 100	0.15 192	0.15 256	0.08 133	0.12 275	0.05 5	0.06 68	0.09 60	0.08 27	0.05 51	0.04 25	0.06 202	0.05 194	0.03 1	0.04 76

test_for_model	0.08 86	0.06 118	0.10 193	0.16 225	0.07 136	0.11 260	0.12 100	0.15 192	0.15 256	0.08 133	0.12 275	0.05 5	0.06 68	0.09 60	0.08 27	0.05 51	0.04 25	0.06 202	0.05 194	0.03 1	0.04 76

trnet	0.08 86	0.05 43	0.07 13	0.12 7	0.05 2	0.12 314	0.11 64	0.13 117	0.10 79	0.08 133	0.13 294	0.09 226	0.08 233	0.11 203	0.10 209	0.08 430	0.05 278	0.05 51	0.03 1	0.06 298	0.05 211

MoCha-V2	0.08 86	0.05 43	0.10 193	0.20 543	0.07 136	0.09 139	0.14 247	0.11 60	0.08 24	0.07 75	0.08 126	0.07 125	0.06 68	0.09 60	0.08 27	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

IGEV++	0.08 86	0.06 118	0.08 58	0.18 404	0.07 136	0.09 139	0.13 178	0.10 36	0.09 53	0.08 133	0.08 126	0.06 43	0.06 68	0.13 356	0.09 105	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

testlalala	0.08 86	0.06 118	0.10 193	0.15 125	0.07 136	0.11 260	0.12 100	0.15 192	0.15 256	0.08 133	0.12 275	0.05 5	0.06 68	0.09 60	0.08 27	0.05 51	0.04 25	0.06 202	0.05 194	0.03 1	0.04 76

AEACV	0.08 86	0.05 43	0.08 58	0.14 71	0.13 582	0.14 407	0.13 178	0.14 149	0.09 53	0.07 75	0.09 163	0.07 125	0.08 233	0.10 126	0.09 105	0.06 169	0.04 25	0.06 202	0.05 194	0.05 173	0.04 76

LoS_RVC	0.08 86	0.05 43	0.07 13	0.15 125	0.07 136	0.08 85	0.15 335	0.11 60	0.10 79	0.08 133	0.09 163	0.06 43	0.09 275	0.10 126	0.09 105	0.05 51	0.04 25	0.05 51	0.03 1	0.04 49	0.03 2

CAS	0.08 86	0.04 1	0.07 13	0.17 311	0.08 225	0.10 204	0.13 178	0.12 87	0.09 53	0.09 186	0.10 200	0.08 188	0.06 68	0.09 60	0.08 27	0.08 430	0.04 25	0.05 51	0.03 1	0.05 173	0.04 76

CES	0.08 86	0.04 1	0.08 58	0.14 71	0.07 136	0.09 139	0.14 247	0.11 60	0.09 53	0.08 133	0.09 163	0.11 295	0.06 68	0.12 299	0.08 27	0.06 169	0.04 25	0.05 51	0.03 1	0.05 173	0.05 211

EGLCR-Stereo	0.08 86	0.05 43	0.08 58	0.14 71	0.06 29	0.10 204	0.12 100	0.11 60	0.16 296	0.06 25	0.05 7	0.07 125	0.05 14	0.10 126	0.11 293	0.06 169	0.04 25	0.06 202	0.05 194	0.04 49	0.04 76

MC-Stereo	0.08 86	0.06 118	0.09 127	0.17 311	0.06 29	0.10 204	0.14 247	0.12 87	0.10 79	0.09 186	0.12 275	0.09 226	0.06 68	0.11 203	0.10 209	0.06 169	0.04 25	0.06 202	0.05 194	0.04 49	0.04 76

test-3	0.08 86	0.06 118	0.09 127	0.17 311	0.07 136	0.07 43	0.14 247	0.12 87	0.15 256	0.09 186	0.08 126	0.07 125	0.08 233	0.11 203	0.10 209	0.05 51	0.04 25	0.07 315	0.05 194	0.04 49	0.04 76

test_1	0.08 86	0.06 118	0.09 127	0.17 311	0.07 136	0.07 43	0.14 247	0.12 87	0.15 256	0.09 186	0.08 126	0.07 125	0.08 233	0.11 203	0.10 209	0.05 51	0.04 25	0.07 315	0.05 194	0.04 49	0.04 76

CREStereo++_RVC	0.08 86	0.04 1	0.06 5	0.13 22	0.07 136	0.09 139	0.12 100	0.14 149	0.14 229	0.10 233	0.14 310	0.08 188	0.07 181	0.09 60	0.11 293	0.06 169	0.04 25	0.05 51	0.05 194	0.04 49	0.04 76
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
Weightmod_eth	0.09 178	0.07 242	0.08 58	0.18 404	0.07 136	0.10 204	0.16 407	0.13 117	0.11 112	0.08 133	0.08 126	0.09 226	0.07 181	0.10 126	0.10 209	0.06 169	0.07 505	0.06 202	0.07 395	0.04 49	0.03 2

Weightmod	0.09 178	0.06 118	0.08 58	0.18 404	0.06 29	0.10 204	0.15 335	0.14 149	0.12 152	0.11 270	0.10 200	0.08 188	0.07 181	0.10 126	0.11 293	0.06 169	0.08 538	0.07 315	0.07 395	0.04 49	0.03 2

PhaseNet	0.09 178	0.06 118	0.10 193	0.15 125	0.08 225	0.10 204	0.14 247	0.20 350	0.12 152	0.07 75	0.08 126	0.09 226	0.10 319	0.13 356	0.12 359	0.06 169	0.04 25	0.06 202	0.06 295	0.05 173	0.05 211

DNS	0.09 178	0.05 43	0.11 257	0.15 125	0.08 225	0.10 204	0.16 407	0.17 272	0.09 53	0.08 133	0.12 275	0.08 188	0.07 181	0.09 60	0.08 27	0.07 347	0.04 25	0.05 51	0.05 194	0.06 298	0.05 211

RT-Monster	0.09 178	0.05 43	0.09 127	0.14 71	0.08 225	0.11 260	0.10 35	0.17 272	0.18 359	0.13 348	0.10 200	0.09 226	0.08 233	0.10 126	0.10 209	0.07 347	0.05 278	0.05 51	0.04 61	0.05 173	0.06 315

LiteMatch	0.09 178	0.06 118	0.10 193	0.16 225	0.07 136	0.09 139	0.15 335	0.13 117	0.08 24	0.06 25	0.07 65	0.06 43	0.15 473	0.10 126	0.14 450	0.07 347	0.04 25	0.06 202	0.06 295	0.06 298	0.06 315

Foundation-i1	0.09 178	0.04 1	0.10 193	0.14 71	0.06 29	0.10 204	0.13 178	0.16 233	0.14 229	0.10 233	0.10 200	0.11 295	0.07 181	0.07 4	0.10 209	0.06 169	0.04 25	0.05 51	0.05 194	0.05 173	0.05 211

VMStereo-Base	0.09 178	0.05 43	0.10 193	0.13 22	0.07 136	0.10 204	0.10 35	0.16 233	0.13 196	0.10 233	0.15 331	0.10 264	0.09 275	0.11 203	0.10 209	0.07 347	0.05 278	0.05 51	0.04 61	0.05 173	0.06 315

Anonymus123	0.09 178	0.06 118	0.16 482	0.15 125	0.08 225	0.11 260	0.09 20	0.18 307	0.16 296	0.06 25	0.07 65	0.07 125	0.05 14	0.09 60	0.11 293	0.04 11	0.05 278	0.05 51	0.07 395	0.04 49	0.04 76

NLSM3	0.09 178	0.06 118	0.08 58	0.19 476	0.08 225	0.11 260	0.16 407	0.18 307	0.16 296	0.06 25	0.08 126	0.07 125	0.08 233	0.09 60	0.11 293	0.04 11	0.04 25	0.06 202	0.07 395	0.03 1	0.03 2

FE-Mocha	0.09 178	0.06 118	0.14 397	0.16 225	0.09 360	0.10 204	0.15 335	0.18 307	0.16 296	0.10 233	0.09 163	0.07 125	0.07 181	0.09 60	0.09 105	0.06 169	0.04 25	0.06 202	0.06 295	0.05 173	0.05 211

IGEV-FE	0.09 178	0.05 43	0.12 305	0.13 22	0.08 225	0.12 314	0.13 178	0.17 272	0.11 112	0.10 233	0.06 23	0.09 226	0.06 68	0.11 203	0.09 105	0.06 169	0.04 25	0.06 202	0.06 295	0.05 173	0.05 211

water-stereo	0.09 178	0.06 118	0.08 58	0.16 225	0.07 136	0.09 139	0.13 178	0.15 192	0.13 196	0.11 270	0.12 275	0.08 188	0.09 275	0.07 4	0.08 27	0.06 169	0.05 278	0.05 51	0.05 194	0.04 49	0.04 76

depthmonostereo	0.09 178	0.06 118	0.09 127	0.15 125	0.06 29	0.10 204	0.13 178	0.14 149	0.14 229	0.10 233	0.10 200	0.09 226	0.11 356	0.08 27	0.09 105	0.06 169	0.05 278	0.06 202	0.04 61	0.04 49	0.03 2

DilatedVolume-Stereo	0.09 178	0.05 43	0.08 58	0.15 125	0.06 29	0.11 260	0.12 100	0.14 149	0.16 296	0.11 270	0.11 253	0.09 226	0.09 275	0.11 203	0.10 209	0.06 169	0.05 278	0.05 51	0.04 61	0.03 1	0.03 2

S2M2_L	0.09 178	0.08 362	0.11 257	0.13 22	0.10 474	0.08 85	0.06 1	0.10 36	0.10 79	0.10 233	0.09 163	0.10 264	0.09 275	0.11 203	0.11 293	0.13 619	0.07 505	0.08 410	0.09 518	0.10 553	0.08 476
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 178	0.06 118	0.09 127	0.19 476	0.08 225	0.12 314	0.18 500	0.15 192	0.14 229	0.07 75	0.10 200	0.07 125	0.06 68	0.12 299	0.09 105	0.05 51	0.04 25	0.06 202	0.05 194	0.05 173	0.03 2

castereo	0.09 178	0.06 118	0.11 257	0.15 125	0.06 29	0.11 260	0.15 335	0.14 149	0.18 359	0.08 133	0.10 200	0.11 295	0.08 233	0.09 60	0.10 209	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.03 2

fffft	0.09 178	0.06 118	0.12 305	0.16 225	0.07 136	0.09 139	0.17 451	0.12 87	0.11 112	0.08 133	0.07 65	0.09 226	0.06 68	0.11 203	0.12 359	0.05 51	0.04 25	0.06 202	0.05 194	0.04 49	0.05 211
1: 1. 1
tt45	0.09 178	0.06 118	0.11 257	0.15 125	0.07 136	0.11 260	0.16 407	0.13 117	0.11 112	0.09 186	0.06 23	0.08 188	0.06 68	0.13 356	0.10 209	0.06 169	0.04 25	0.06 202	0.05 194	0.05 173	0.06 315

999	0.09 178	0.05 43	0.13 358	0.15 125	0.08 225	0.10 204	0.14 247	0.15 192	0.11 112	0.10 233	0.08 126	0.08 188	0.08 233	0.16 452	0.10 209	0.06 169	0.04 25	0.06 202	0.05 194	0.04 49	0.05 211

mms	0.09 178	0.07 242	0.08 58	0.16 225	0.08 225	0.10 204	0.16 407	0.12 87	0.11 112	0.08 133	0.09 163	0.08 188	0.06 68	0.11 203	0.12 359	0.05 51	0.04 25	0.07 315	0.05 194	0.04 49	0.03 2

ours_stereo	0.09 178	0.07 242	0.09 127	0.17 311	0.08 225	0.11 260	0.16 407	0.11 60	0.12 152	0.08 133	0.10 200	0.08 188	0.06 68	0.12 299	0.12 359	0.05 51	0.04 25	0.06 202	0.05 194	0.04 49	0.03 2

fffy	0.09 178	0.08 362	0.09 127	0.16 225	0.07 136	0.13 370	0.17 451	0.13 117	0.12 152	0.08 133	0.09 163	0.08 188	0.09 275	0.13 356	0.11 293	0.05 51	0.05 278	0.07 315	0.05 194	0.04 49	0.05 211

PAM_32	0.09 178	0.05 43	0.17 513	0.15 125	0.08 225	0.10 204	0.15 335	0.14 149	0.15 256	0.09 186	0.08 126	0.09 226	0.07 181	0.14 390	0.08 27	0.06 169	0.05 278	0.06 202	0.06 295	0.05 173	0.06 315

UGAM-zero	0.09 178	0.05 43	0.15 446	0.15 125	0.08 225	0.09 139	0.13 178	0.19 338	0.15 256	0.11 270	0.15 331	0.07 125	0.07 181	0.09 60	0.09 105	0.06 169	0.05 278	0.06 202	0.05 194	0.05 173	0.06 315

GCAP-BAT	0.09 178	0.05 43	0.11 257	0.13 22	0.07 136	0.11 260	0.14 247	0.14 149	0.16 296	0.07 75	0.10 200	0.08 188	0.06 68	0.13 356	0.08 27	0.07 347	0.05 278	0.05 51	0.05 194	0.04 49	0.04 76

Pointernet	0.09 178	0.04 1	0.09 127	0.16 225	0.08 225	0.13 370	0.10 35	0.15 192	0.17 326	0.09 186	0.07 65	0.06 43	0.06 68	0.11 203	0.09 105	0.08 430	0.04 25	0.05 51	0.03 1	0.06 298	0.05 211

IGEV-BASED-STEREO-	0.09 178	0.10 508	0.31 623	0.15 125	0.06 29	0.08 85	0.14 247	0.10 36	0.10 79	0.07 75	0.07 65	0.06 43	0.04 1	0.11 203	0.07 1	0.12 593	0.04 25	0.07 315	0.05 194	0.05 173	0.05 211

RAFT-Stereo-weight	0.09 178	0.06 118	0.10 193	0.16 225	0.07 136	0.09 139	0.14 247	0.19 338	0.16 296	0.11 270	0.10 200	0.08 188	0.06 68	0.10 126	0.11 293	0.06 169	0.04 25	0.06 202	0.04 61	0.04 49	0.04 76

MGS-Stereo	0.09 178	0.07 242	0.12 305	0.15 125	0.08 225	0.09 139	0.15 335	0.12 87	0.12 152	0.07 75	0.10 200	0.08 188	0.06 68	0.10 126	0.09 105	0.05 51	0.04 25	0.06 202	0.05 194	0.06 298	0.05 211

ff7	0.09 178	0.07 242	0.11 257	0.16 225	0.09 360	0.11 260	0.15 335	0.16 233	0.12 152	0.10 233	0.06 23	0.06 43	0.06 68	0.11 203	0.09 105	0.05 51	0.04 25	0.06 202	0.05 194	0.05 173	0.06 315

IGEVStereo-DCA	0.09 178	0.06 118	0.11 257	0.15 125	0.10 474	0.11 260	0.15 335	0.16 233	0.12 152	0.10 233	0.06 23	0.08 188	0.06 68	0.10 126	0.08 27	0.06 169	0.05 278	0.06 202	0.05 194	0.05 173	0.06 315

ffff	0.09 178	0.07 242	0.11 257	0.16 225	0.09 360	0.11 260	0.15 335	0.16 233	0.12 152	0.10 233	0.06 23	0.06 43	0.06 68	0.11 203	0.09 105	0.05 51	0.04 25	0.06 202	0.05 194	0.05 173	0.06 315

rrr	0.09 178	0.06 118	0.12 305	0.15 125	0.10 474	0.11 260	0.16 407	0.16 233	0.15 256	0.10 233	0.06 23	0.08 188	0.06 68	0.10 126	0.08 27	0.06 169	0.05 278	0.06 202	0.05 194	0.05 173	0.06 315

11t	0.09 178	0.07 242	0.11 257	0.16 225	0.09 360	0.11 260	0.15 335	0.16 233	0.12 152	0.10 233	0.06 23	0.06 43	0.06 68	0.11 203	0.09 105	0.05 51	0.04 25	0.06 202	0.05 194	0.05 173	0.06 315

MaDis-Stereo	0.09 178	0.09 445	0.08 58	0.17 311	0.09 360	0.13 370	0.10 35	0.16 233	0.16 296	0.09 186	0.11 253	0.06 43	0.06 68	0.09 60	0.13 407	0.07 347	0.06 432	0.07 315	0.05 194	0.05 173	0.04 76

IGEV_Zeroshot_test	0.09 178	0.05 43	0.12 305	0.13 22	0.08 225	0.12 314	0.13 178	0.17 272	0.11 112	0.10 233	0.06 23	0.09 226	0.06 68	0.11 203	0.09 105	0.06 169	0.04 25	0.06 202	0.06 295	0.05 173	0.05 211

MSKI-zero shot	0.09 178	0.05 43	0.09 127	0.15 125	0.07 136	0.10 204	0.13 178	0.14 149	0.13 196	0.09 186	0.09 163	0.09 226	0.06 68	0.12 299	0.10 209	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

UniTT-Stereo	0.09 178	0.07 242	0.08 58	0.18 404	0.08 225	0.13 370	0.11 64	0.12 87	0.11 112	0.10 233	0.12 275	0.05 5	0.07 181	0.09 60	0.09 105	0.07 347	0.05 278	0.05 51	0.05 194	0.05 173	0.05 211

MIM_Stereo	0.09 178	0.07 242	0.11 257	0.15 125	0.07 136	0.06 14	0.12 100	0.20 350	0.14 229	0.13 348	0.13 294	0.09 226	0.05 14	0.12 299	0.08 27	0.05 51	0.06 432	0.07 315	0.06 295	0.06 298	0.05 211

CASnet	0.09 178	0.09 445	0.09 127	0.19 476	0.06 29	0.07 43	0.11 64	0.18 307	0.14 229	0.11 270	0.10 200	0.09 226	0.07 181	0.10 126	0.10 209	0.06 169	0.04 25	0.10 545	0.08 471	0.05 173	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 178	0.05 43	0.11 257	0.13 22	0.07 136	0.11 260	0.14 247	0.14 149	0.16 296	0.07 75	0.10 200	0.08 188	0.06 68	0.13 356	0.08 27	0.07 347	0.05 278	0.05 51	0.05 194	0.04 49	0.04 76

GCAP-Stereo	0.09 178	0.07 242	0.13 358	0.18 404	0.06 29	0.11 260	0.07 3	0.13 117	0.12 152	0.09 186	0.10 200	0.07 125	0.09 275	0.13 356	0.10 209	0.06 169	0.05 278	0.05 51	0.04 61	0.04 49	0.05 211

RAFT-Test	0.09 178	0.06 118	0.10 193	0.15 125	0.07 136	0.11 260	0.15 335	0.16 233	0.13 196	0.09 186	0.10 200	0.10 264	0.09 275	0.12 299	0.09 105	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.05 211

HH	0.09 178	0.06 118	0.13 358	0.17 311	0.08 225	0.10 204	0.16 407	0.14 149	0.10 79	0.08 133	0.09 163	0.08 188	0.07 181	0.10 126	0.09 105	0.06 169	0.04 25	0.06 202	0.05 194	0.05 173	0.04 76

HanStereo	0.09 178	0.06 118	0.13 358	0.17 311	0.08 225	0.10 204	0.16 407	0.14 149	0.10 79	0.08 133	0.09 163	0.08 188	0.07 181	0.10 126	0.09 105	0.06 169	0.04 25	0.06 202	0.05 194	0.05 173	0.04 76

4D-IteraStereo	0.09 178	0.07 242	0.10 193	0.18 404	0.07 136	0.09 139	0.15 335	0.17 272	0.15 256	0.10 233	0.11 253	0.10 264	0.07 181	0.11 203	0.09 105	0.05 51	0.03 1	0.08 410	0.07 395	0.06 298	0.05 211

anonymousdsp	0.09 178	0.07 242	0.11 257	0.16 225	0.09 360	0.11 260	0.15 335	0.16 233	0.12 152	0.09 186	0.06 23	0.06 43	0.06 68	0.11 203	0.09 105	0.05 51	0.04 25	0.06 202	0.05 194	0.05 173	0.06 315

LoS	0.09 178	0.05 43	0.11 257	0.13 22	0.07 136	0.14 407	0.11 64	0.15 192	0.15 256	0.09 186	0.09 163	0.12 317	0.09 275	0.15 417	0.10 209	0.07 347	0.05 278	0.05 51	0.03 1	0.05 173	0.05 211
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 178	0.07 242	0.10 193	0.17 311	0.08 225	0.10 204	0.15 335	0.15 192	0.12 152	0.09 186	0.06 23	0.07 125	0.06 68	0.11 203	0.09 105	0.05 51	0.04 25	0.06 202	0.05 194	0.04 49	0.06 315

RCA-Stereo	0.09 178	0.06 118	0.09 127	0.16 225	0.06 29	0.09 139	0.13 178	0.18 307	0.14 229	0.09 186	0.10 200	0.08 188	0.07 181	0.12 299	0.11 293	0.06 169	0.04 25	0.06 202	0.05 194	0.05 173	0.04 76

CroCo-Stereo Lap2	0.09 178	0.09 445	0.08 58	0.22 594	0.09 360	0.09 139	0.19 540	0.16 233	0.12 152	0.09 186	0.10 200	0.05 5	0.05 14	0.08 27	0.08 27	0.06 169	0.06 432	0.07 315	0.05 194	0.05 173	0.05 211

ccc-4	0.09 178	0.07 242	0.11 257	0.16 225	0.09 360	0.11 260	0.15 335	0.16 233	0.12 152	0.10 233	0.06 23	0.06 43	0.06 68	0.11 203	0.09 105	0.05 51	0.04 25	0.06 202	0.05 194	0.05 173	0.06 315

IGEV-Stereo	0.09 178	0.07 242	0.11 257	0.16 225	0.09 360	0.11 260	0.15 335	0.16 233	0.12 152	0.09 186	0.06 23	0.06 43	0.06 68	0.11 203	0.09 105	0.05 51	0.04 25	0.06 202	0.05 194	0.05 173	0.06 315
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 178	0.05 43	0.13 358	0.14 71	0.08 225	0.12 314	0.15 335	0.18 307	0.10 79	0.11 270	0.08 126	0.08 188	0.05 14	0.10 126	0.09 105	0.06 169	0.04 25	0.06 202	0.05 194	0.06 298	0.05 211

TRStereo	0.09 178	0.05 43	0.12 305	0.15 125	0.12 559	0.10 204	0.13 178	0.18 307	0.18 359	0.09 186	0.09 163	0.09 226	0.06 68	0.10 126	0.08 27	0.07 347	0.05 278	0.07 315	0.07 395	0.04 49	0.04 76

AnonymousM	0.09 178	0.05 43	0.10 193	0.14 71	0.06 29	0.09 139	0.13 178	0.19 338	0.14 229	0.13 348	0.11 253	0.09 226	0.08 233	0.13 356	0.10 209	0.08 430	0.05 278	0.08 410	0.05 194	0.05 173	0.05 211

CroCo-Stereo	0.09 178	0.08 362	0.08 58	0.22 594	0.09 360	0.09 139	0.19 540	0.15 192	0.12 152	0.07 75	0.07 65	0.08 188	0.06 68	0.08 27	0.07 1	0.07 347	0.05 278	0.06 202	0.04 61	0.05 173	0.04 76
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 178	0.06 118	0.07 13	0.15 125	0.05 2	0.16 466	0.18 500	0.15 192	0.15 256	0.10 233	0.11 253	0.11 295	0.11 356	0.10 126	0.12 359	0.05 51	0.04 25	0.05 51	0.04 61	0.04 49	0.04 76

TANstereo	0.09 178	0.04 1	0.08 58	0.13 22	0.06 29	0.11 260	0.14 247	0.15 192	0.19 378	0.11 270	0.15 331	0.10 264	0.06 68	0.12 299	0.09 105	0.07 347	0.05 278	0.05 51	0.04 61	0.06 298	0.05 211

XX-TBD	0.09 178	0.06 118	0.07 13	0.14 71	0.07 136	0.12 314	0.16 407	0.14 149	0.13 196	0.11 270	0.12 275	0.09 226	0.08 233	0.10 126	0.10 209	0.06 169	0.04 25	0.05 51	0.03 1	0.06 298	0.05 211

raftrobust	0.09 178	0.06 118	0.10 193	0.17 311	0.08 225	0.09 139	0.10 35	0.18 307	0.16 296	0.10 233	0.09 163	0.12 317	0.07 181	0.12 299	0.10 209	0.08 430	0.05 278	0.06 202	0.05 194	0.05 173	0.05 211

XX-Stereo	0.09 178	0.05 43	0.08 58	0.17 311	0.09 360	0.15 434	0.12 100	0.20 350	0.10 79	0.10 233	0.14 310	0.07 125	0.06 68	0.12 299	0.08 27	0.06 169	0.05 278	0.06 202	0.06 295	0.04 49	0.04 76

test_xeample3	0.09 178	0.06 118	0.12 305	0.16 225	0.09 360	0.11 260	0.15 335	0.16 233	0.13 196	0.10 233	0.06 23	0.08 188	0.06 68	0.10 126	0.09 105	0.05 51	0.04 25	0.06 202	0.05 194	0.05 173	0.06 315

RAFT-Stereo + iAFF	0.09 178	0.06 118	0.10 193	0.17 311	0.06 29	0.10 204	0.16 407	0.17 272	0.14 229	0.09 186	0.10 200	0.08 188	0.09 275	0.11 203	0.09 105	0.05 51	0.04 25	0.06 202	0.06 295	0.04 49	0.03 2

AFF-stereo	0.09 178	0.06 118	0.10 193	0.17 311	0.07 136	0.10 204	0.16 407	0.17 272	0.09 53	0.10 233	0.12 275	0.09 226	0.09 275	0.12 299	0.09 105	0.05 51	0.04 25	0.07 315	0.07 395	0.04 49	0.03 2

EAI-Stereo	0.09 178	0.07 242	0.11 257	0.15 125	0.06 29	0.10 204	0.15 335	0.16 233	0.09 53	0.08 133	0.09 163	0.08 188	0.07 181	0.09 60	0.11 293	0.05 51	0.04 25	0.05 51	0.05 194	0.05 173	0.04 76

CFNet-RSSM	0.09 178	0.07 242	0.09 127	0.16 225	0.07 136	0.09 139	0.15 335	0.16 233	0.17 326	0.08 133	0.12 275	0.10 264	0.09 275	0.11 203	0.09 105	0.06 169	0.04 25	0.06 202	0.04 61	0.04 49	0.04 76

Gwc-CoAtRS	0.09 178	0.06 118	0.10 193	0.16 225	0.07 136	0.10 204	0.14 247	0.17 272	0.17 326	0.08 133	0.10 200	0.12 317	0.09 275	0.12 299	0.09 105	0.06 169	0.04 25	0.06 202	0.04 61	0.04 49	0.04 76

CREStereo	0.09 178	0.04 1	0.08 58	0.11 1	0.06 29	0.13 370	0.14 247	0.14 149	0.10 79	0.08 133	0.13 294	0.09 226	0.08 233	0.11 203	0.10 209	0.08 430	0.04 25	0.05 51	0.03 1	0.06 298	0.06 315
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	0.09 178	0.05 43	0.09 127	0.12 7	0.06 29	0.12 314	0.14 247	0.15 192	0.11 112	0.09 186	0.13 294	0.10 264	0.07 181	0.13 356	0.10 209	0.15 637	0.04 25	0.05 51	0.03 1	0.07 386	0.06 315

SE	0.10 250	0.10 508	0.08 58	0.19 476	0.09 360	0.11 260	0.11 64	0.15 192	0.11 112	0.10 233	0.16 344	0.09 226	0.08 233	0.09 60	0.10 209	0.06 169	0.05 278	0.08 410	0.07 395	0.07 386	0.04 76

SMOE	0.10 250	0.08 362	0.09 127	0.18 404	0.07 136	0.13 370	0.14 247	0.18 307	0.13 196	0.11 270	0.13 294	0.12 317	0.09 275	0.11 203	0.11 293	0.05 51	0.05 278	0.08 410	0.06 295	0.06 298	0.04 76

ManiGeoR	0.10 250	0.05 43	0.12 305	0.12 7	0.08 225	0.12 314	0.12 100	0.24 450	0.14 229	0.12 314	0.14 310	0.12 317	0.09 275	0.13 356	0.13 407	0.07 347	0.04 25	0.05 51	0.05 194	0.07 386	0.07 405

HLf10	0.10 250	0.05 43	0.12 305	0.12 7	0.08 225	0.12 314	0.12 100	0.24 450	0.14 229	0.12 314	0.14 310	0.12 317	0.09 275	0.13 356	0.13 407	0.07 347	0.04 25	0.05 51	0.05 194	0.07 386	0.07 405

TestStereo_HLe17	0.10 250	0.05 43	0.12 305	0.13 22	0.07 136	0.11 260	0.15 335	0.21 377	0.15 256	0.11 270	0.14 310	0.11 295	0.09 275	0.13 356	0.12 359	0.07 347	0.04 25	0.05 51	0.05 194	0.07 386	0.06 315

DN	0.10 250	0.05 43	0.09 127	0.14 71	0.09 360	0.12 314	0.18 500	0.17 272	0.16 296	0.08 133	0.09 163	0.08 188	0.06 68	0.08 27	0.09 105	0.11 568	0.05 278	0.07 315	0.06 295	0.07 386	0.09 522

Hybrid-DGEV-03	0.10 250	0.06 118	0.09 127	0.18 404	0.08 225	0.16 466	0.14 247	0.15 192	0.14 229	0.13 348	0.16 344	0.12 317	0.09 275	0.13 356	0.11 293	0.06 169	0.04 25	0.08 410	0.06 295	0.05 173	0.04 76

WQFJA1	0.10 250	0.07 242	0.08 58	0.20 543	0.09 360	0.12 314	0.17 451	0.17 272	0.17 326	0.09 186	0.10 200	0.08 188	0.10 319	0.12 299	0.11 293	0.06 169	0.07 505	0.07 315	0.06 295	0.06 298	0.05 211

WQFJX1	0.10 250	0.07 242	0.08 58	0.22 594	0.09 360	0.12 314	0.17 451	0.18 307	0.17 326	0.10 233	0.09 163	0.07 125	0.10 319	0.11 203	0.09 105	0.07 347	0.08 538	0.07 315	0.06 295	0.05 173	0.04 76

WQFJX	0.10 250	0.07 242	0.09 127	0.21 577	0.09 360	0.12 314	0.16 407	0.18 307	0.17 326	0.12 314	0.10 200	0.07 125	0.09 275	0.12 299	0.10 209	0.06 169	0.07 505	0.06 202	0.05 194	0.06 298	0.05 211

NLMM	0.10 250	0.07 242	0.08 58	0.20 543	0.09 360	0.12 314	0.17 451	0.17 272	0.17 326	0.09 186	0.10 200	0.08 188	0.10 319	0.12 299	0.11 293	0.06 169	0.07 505	0.07 315	0.06 295	0.06 298	0.05 211

NLSM1	0.10 250	0.07 242	0.07 13	0.19 476	0.08 225	0.13 370	0.16 407	0.21 377	0.15 256	0.11 270	0.10 200	0.06 43	0.10 319	0.10 126	0.11 293	0.07 347	0.08 538	0.08 410	0.07 395	0.05 173	0.05 211

MM-Stereo_test3	0.10 250	0.07 242	0.07 13	0.18 404	0.07 136	0.12 314	0.19 540	0.24 450	0.19 378	0.06 25	0.10 200	0.08 188	0.06 68	0.11 203	0.08 27	0.06 169	0.06 432	0.07 315	0.05 194	0.05 173	0.04 76

MM-Stereo_test1	0.10 250	0.07 242	0.08 58	0.18 404	0.07 136	0.12 314	0.18 500	0.21 377	0.20 402	0.09 186	0.11 253	0.08 188	0.06 68	0.10 126	0.10 209	0.06 169	0.05 278	0.07 315	0.06 295	0.05 173	0.04 76

AIO-test2	0.10 250	0.08 362	0.10 193	0.23 618	0.08 225	0.11 260	0.10 35	0.23 426	0.23 444	0.08 133	0.09 163	0.08 188	0.05 14	0.10 126	0.08 27	0.06 169	0.05 278	0.08 410	0.09 518	0.05 173	0.05 211

AIO-test1	0.10 250	0.07 242	0.10 193	0.23 618	0.07 136	0.09 139	0.13 178	0.21 377	0.14 229	0.11 270	0.12 275	0.09 226	0.07 181	0.11 203	0.09 105	0.06 169	0.05 278	0.09 496	0.10 560	0.03 1	0.06 315

tg	0.10 250	0.06 118	0.10 193	0.18 404	0.08 225	0.11 260	0.16 407	0.20 350	0.12 152	0.08 133	0.11 253	0.11 295	0.07 181	0.11 203	0.10 209	0.05 51	0.04 25	0.08 410	0.08 471	0.04 49	0.04 76

PAM	0.10 250	0.05 43	0.16 482	0.15 125	0.08 225	0.09 139	0.16 407	0.15 192	0.16 296	0.12 314	0.09 163	0.09 226	0.07 181	0.13 356	0.08 27	0.06 169	0.05 278	0.06 202	0.06 295	0.05 173	0.06 315

model_zeroshot	0.10 250	0.04 1	0.11 257	0.15 125	0.09 360	0.12 314	0.14 247	0.20 350	0.13 196	0.11 270	0.10 200	0.12 317	0.07 181	0.12 299	0.10 209	0.07 347	0.06 432	0.06 202	0.05 194	0.06 298	0.06 315

RAStereo	0.10 250	0.09 445	0.08 58	0.20 543	0.08 225	0.13 370	0.18 500	0.15 192	0.17 326	0.10 233	0.12 275	0.05 5	0.06 68	0.09 60	0.08 27	0.07 347	0.05 278	0.07 315	0.05 194	0.05 173	0.04 76

rvit_stereo_0080	0.10 250	0.08 362	0.14 397	0.15 125	0.09 360	0.07 43	0.15 335	0.16 233	0.16 296	0.11 270	0.10 200	0.14 373	0.08 233	0.12 299	0.10 209	0.09 492	0.07 505	0.07 315	0.06 295	0.07 386	0.05 211

H2IRNET	0.10 250	0.09 445	0.09 127	0.18 404	0.09 360	0.12 314	0.15 335	0.14 149	0.21 418	0.10 233	0.10 200	0.10 264	0.10 319	0.10 126	0.10 209	0.05 51	0.04 25	0.08 410	0.08 471	0.06 298	0.05 211

Former-RAFT_DAM_RVC	0.10 250	0.08 362	0.12 305	0.16 225	0.08 225	0.15 434	0.16 407	0.18 307	0.18 359	0.10 233	0.09 163	0.09 226	0.08 233	0.11 203	0.12 359	0.07 347	0.05 278	0.08 410	0.06 295	0.07 386	0.06 315

MyStereo07	0.10 250	0.07 242	0.10 193	0.17 311	0.09 360	0.14 407	0.18 500	0.15 192	0.15 256	0.09 186	0.06 23	0.06 43	0.07 181	0.12 299	0.09 105	0.06 169	0.05 278	0.08 410	0.07 395	0.06 298	0.06 315

MyStereo06	0.10 250	0.07 242	0.12 305	0.17 311	0.09 360	0.13 370	0.18 500	0.19 338	0.12 152	0.12 314	0.08 126	0.07 125	0.07 181	0.11 203	0.09 105	0.06 169	0.05 278	0.07 315	0.07 395	0.06 298	0.06 315

AE-Stereo	0.10 250	0.08 362	0.10 193	0.18 404	0.09 360	0.10 204	0.15 335	0.14 149	0.19 378	0.09 186	0.14 310	0.12 317	0.08 233	0.11 203	0.10 209	0.05 51	0.06 432	0.07 315	0.06 295	0.05 173	0.04 76

ACVNet-DCA	0.10 250	0.08 362	0.12 305	0.17 311	0.09 360	0.13 370	0.15 335	0.23 426	0.16 296	0.09 186	0.09 163	0.06 43	0.06 68	0.10 126	0.07 1	0.06 169	0.04 25	0.06 202	0.05 194	0.07 386	0.07 405

cc1	0.10 250	0.08 362	0.12 305	0.17 311	0.09 360	0.13 370	0.15 335	0.16 233	0.18 359	0.09 186	0.09 163	0.06 43	0.06 68	0.10 126	0.07 1	0.06 169	0.04 25	0.06 202	0.05 194	0.06 298	0.06 315

tt1	0.10 250	0.08 362	0.12 305	0.17 311	0.09 360	0.12 314	0.16 407	0.15 192	0.19 378	0.09 186	0.08 126	0.06 43	0.06 68	0.10 126	0.07 1	0.06 169	0.04 25	0.06 202	0.05 194	0.06 298	0.06 315

whm_eth	0.10 250	0.08 362	0.14 397	0.15 125	0.09 360	0.07 43	0.15 335	0.16 233	0.16 296	0.11 270	0.10 200	0.14 373	0.08 233	0.12 299	0.10 209	0.09 492	0.07 505	0.07 315	0.06 295	0.07 386	0.05 211

plain	0.10 250	0.08 362	0.10 193	0.19 476	0.09 360	0.10 204	0.15 335	0.14 149	0.13 196	0.13 348	0.15 331	0.09 226	0.12 389	0.13 356	0.12 359	0.07 347	0.05 278	0.09 496	0.06 295	0.06 298	0.06 315

Any-RAFT	0.10 250	0.05 43	0.09 127	0.14 71	0.07 136	0.13 370	0.14 247	0.21 377	0.15 256	0.11 270	0.12 275	0.12 317	0.09 275	0.12 299	0.09 105	0.07 347	0.04 25	0.05 51	0.04 61	0.06 298	0.05 211

LL-Strereo2	0.10 250	0.10 508	0.15 446	0.18 404	0.08 225	0.15 434	0.09 20	0.17 272	0.14 229	0.14 375	0.10 200	0.09 226	0.07 181	0.16 452	0.10 209	0.05 51	0.05 278	0.10 545	0.07 395	0.06 298	0.05 211

DCANet-4	0.10 250	0.06 118	0.12 305	0.16 225	0.06 29	0.09 139	0.17 451	0.18 307	0.19 378	0.13 348	0.16 344	0.09 226	0.14 455	0.11 203	0.12 359	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.05 211

fff	0.10 250	0.06 118	0.12 305	0.15 125	0.07 136	0.09 139	0.17 451	0.16 233	0.20 402	0.13 348	0.16 344	0.10 264	0.11 356	0.11 203	0.12 359	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.05 211

ADStereo(finetuned)	0.10 250	0.06 118	0.12 305	0.16 225	0.06 29	0.09 139	0.17 451	0.15 192	0.19 378	0.13 348	0.17 368	0.10 264	0.12 389	0.11 203	0.12 359	0.06 169	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

test_4	0.10 250	0.10 508	0.08 58	0.19 476	0.09 360	0.08 85	0.22 595	0.15 192	0.17 326	0.12 314	0.18 396	0.12 317	0.09 275	0.08 27	0.11 293	0.04 11	0.04 25	0.08 410	0.08 471	0.04 49	0.03 2

IPLG	0.10 250	0.07 242	0.15 446	0.17 311	0.08 225	0.11 260	0.14 247	0.20 350	0.15 256	0.12 314	0.17 368	0.07 125	0.07 181	0.14 390	0.13 407	0.06 169	0.04 25	0.06 202	0.05 194	0.04 49	0.04 76

test_3	0.10 250	0.09 445	0.10 193	0.20 543	0.08 225	0.13 370	0.26 644	0.14 149	0.21 418	0.10 233	0.10 200	0.09 226	0.09 275	0.08 27	0.11 293	0.05 51	0.04 25	0.08 410	0.07 395	0.04 49	0.04 76

STrans-v2	0.10 250	0.07 242	0.12 305	0.18 404	0.07 136	0.10 204	0.14 247	0.21 377	0.11 112	0.11 270	0.15 331	0.12 317	0.10 319	0.11 203	0.12 359	0.05 51	0.04 25	0.06 202	0.06 295	0.04 49	0.04 76

TransformOpticalFlow	0.10 250	0.08 362	0.13 358	0.18 404	0.07 136	0.09 139	0.15 335	0.19 338	0.15 256	0.12 314	0.17 368	0.11 295	0.11 356	0.11 203	0.10 209	0.05 51	0.04 25	0.06 202	0.06 295	0.05 173	0.05 211

SST-Stereo	0.10 250	0.07 242	0.15 446	0.18 404	0.09 360	0.06 14	0.12 100	0.17 272	0.11 112	0.15 402	0.17 368	0.13 350	0.12 389	0.10 126	0.11 293	0.06 169	0.04 25	0.09 496	0.06 295	0.06 298	0.05 211

cross-raft	0.10 250	0.09 445	0.09 127	0.19 476	0.07 136	0.11 260	0.25 635	0.13 117	0.15 256	0.08 133	0.11 253	0.12 317	0.10 319	0.09 60	0.11 293	0.05 51	0.04 25	0.06 202	0.05 194	0.04 49	0.04 76

test-1	0.10 250	0.07 242	0.16 482	0.19 476	0.08 225	0.11 260	0.24 620	0.14 149	0.18 359	0.09 186	0.07 65	0.09 226	0.08 233	0.07 4	0.09 105	0.06 169	0.04 25	0.06 202	0.05 194	0.04 49	0.04 76

iRaftStereo_RVC	0.10 250	0.07 242	0.09 127	0.17 311	0.09 360	0.11 260	0.17 451	0.18 307	0.12 152	0.09 186	0.12 275	0.10 264	0.07 181	0.11 203	0.10 209	0.05 51	0.04 25	0.08 410	0.08 471	0.04 49	0.04 76

RALCasStereoNet	0.10 250	0.06 118	0.09 127	0.16 225	0.08 225	0.12 314	0.14 247	0.17 272	0.11 112	0.12 314	0.17 368	0.14 373	0.10 319	0.12 299	0.11 293	0.07 347	0.06 432	0.06 202	0.05 194	0.08 455	0.07 405

DCANet	0.10 250	0.06 118	0.12 305	0.16 225	0.06 29	0.09 139	0.17 451	0.15 192	0.19 378	0.13 348	0.17 368	0.10 264	0.11 356	0.11 203	0.12 359	0.06 169	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

csc	0.10 250	0.06 118	0.12 305	0.15 125	0.07 136	0.09 139	0.17 451	0.16 233	0.20 402	0.13 348	0.16 344	0.10 264	0.11 356	0.11 203	0.12 359	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.05 211

cscssc	0.10 250	0.06 118	0.12 305	0.15 125	0.07 136	0.09 139	0.17 451	0.16 233	0.20 402	0.13 348	0.16 344	0.10 264	0.11 356	0.11 203	0.12 359	0.06 169	0.04 25	0.05 51	0.04 61	0.04 49	0.05 211

111	0.10 250	0.06 118	0.12 305	0.15 125	0.07 136	0.10 204	0.14 247	0.21 377	0.23 444	0.11 270	0.12 275	0.14 373	0.11 356	0.13 356	0.10 209	0.06 169	0.04 25	0.06 202	0.04 61	0.05 173	0.05 211

R-Stereo Train	0.10 250	0.06 118	0.10 193	0.17 311	0.08 225	0.11 260	0.14 247	0.23 426	0.11 112	0.12 314	0.19 407	0.11 295	0.08 233	0.09 60	0.11 293	0.07 347	0.05 278	0.06 202	0.05 194	0.05 173	0.05 211

RAFT-Stereo	0.10 250	0.06 118	0.10 193	0.17 311	0.08 225	0.11 260	0.14 247	0.23 426	0.11 112	0.12 314	0.19 407	0.11 295	0.08 233	0.09 60	0.11 293	0.07 347	0.05 278	0.06 202	0.05 194	0.05 173	0.05 211
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 250	0.06 118	0.12 305	0.14 71	0.06 29	0.11 260	0.10 35	0.18 307	0.18 359	0.13 348	0.16 344	0.14 373	0.11 356	0.15 417	0.13 407	0.06 169	0.04 25	0.04 1	0.04 61	0.06 298	0.05 211
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
SME	0.11 303	0.09 445	0.10 193	0.17 311	0.07 136	0.20 549	0.13 178	0.21 377	0.17 326	0.12 314	0.13 294	0.10 264	0.12 389	0.13 356	0.13 407	0.07 347	0.07 505	0.08 410	0.09 518	0.06 298	0.05 211

HLF11	0.11 303	0.05 43	0.13 358	0.12 7	0.08 225	0.14 407	0.11 64	0.22 403	0.10 79	0.12 314	0.23 464	0.11 295	0.11 356	0.14 390	0.13 407	0.08 430	0.05 278	0.05 51	0.04 61	0.08 455	0.08 476

HLf8	0.11 303	0.05 43	0.13 358	0.11 1	0.08 225	0.15 434	0.12 100	0.22 403	0.15 256	0.13 348	0.17 368	0.12 317	0.10 319	0.14 390	0.12 359	0.09 492	0.05 278	0.05 51	0.05 194	0.08 455	0.08 476

TestStereo_HL3	0.11 303	0.05 43	0.16 482	0.13 22	0.07 136	0.12 314	0.11 64	0.20 350	0.09 53	0.15 402	0.30 564	0.13 350	0.12 389	0.16 452	0.11 293	0.07 347	0.05 278	0.05 51	0.05 194	0.06 298	0.07 405

TestStereo_HL2	0.11 303	0.06 118	0.11 257	0.12 7	0.08 225	0.12 314	0.14 247	0.20 350	0.18 359	0.13 348	0.21 443	0.12 317	0.10 319	0.12 299	0.12 359	0.07 347	0.05 278	0.05 51	0.05 194	0.07 386	0.07 405

GGDA	0.11 303	0.06 118	0.11 257	0.13 22	0.07 136	0.12 314	0.14 247	0.19 338	0.19 378	0.13 348	0.20 419	0.12 317	0.09 275	0.12 299	0.12 359	0.07 347	0.04 25	0.05 51	0.05 194	0.06 298	0.07 405

TestStereo-Hl	0.11 303	0.06 118	0.11 257	0.13 22	0.08 225	0.15 434	0.14 247	0.20 350	0.17 326	0.13 348	0.16 344	0.12 317	0.11 356	0.14 390	0.13 407	0.06 169	0.04 25	0.05 51	0.05 194	0.06 298	0.06 315

Lsterematch	0.11 303	0.06 118	0.11 257	0.16 225	0.07 136	0.13 370	0.15 335	0.14 149	0.17 326	0.16 431	0.18 396	0.15 402	0.15 473	0.12 299	0.14 450	0.07 347	0.04 25	0.06 202	0.06 295	0.06 298	0.06 315

Hybrid-DGEV-2	0.11 303	0.06 118	0.12 305	0.18 404	0.09 360	0.09 139	0.13 178	0.28 528	0.29 529	0.11 270	0.11 253	0.09 226	0.12 389	0.12 299	0.09 105	0.06 169	0.05 278	0.07 315	0.07 395	0.05 173	0.05 211

NLMM1	0.11 303	0.09 445	0.07 13	0.22 594	0.10 474	0.12 314	0.20 564	0.18 307	0.20 402	0.12 314	0.11 253	0.07 125	0.09 275	0.11 203	0.11 293	0.08 430	0.08 538	0.07 315	0.06 295	0.04 49	0.04 76

NLCSM	0.11 303	0.09 445	0.09 127	0.23 618	0.11 525	0.12 314	0.19 540	0.18 307	0.18 359	0.12 314	0.11 253	0.07 125	0.09 275	0.11 203	0.10 209	0.07 347	0.08 538	0.07 315	0.07 395	0.06 298	0.05 211

Select-FE	0.11 303	0.06 118	0.20 561	0.15 125	0.11 525	0.11 260	0.13 178	0.21 377	0.18 359	0.09 186	0.11 253	0.10 264	0.06 68	0.12 299	0.09 105	0.07 347	0.05 278	0.07 315	0.08 471	0.06 298	0.08 476

FlowAnything_test	0.11 303	0.08 362	0.14 397	0.15 125	0.09 360	0.07 43	0.14 247	0.20 350	0.11 112	0.09 186	0.09 163	0.12 317	0.12 389	0.13 356	0.11 293	0.09 492	0.06 432	0.09 496	0.09 518	0.06 298	0.09 522

xyz-stereo-finetune2	0.11 303	0.07 242	0.13 358	0.13 22	0.07 136	0.11 260	0.19 540	0.17 272	0.12 152	0.15 402	0.15 331	0.17 439	0.12 389	0.13 356	0.11 293	0.05 51	0.04 25	0.07 315	0.05 194	0.04 49	0.06 315

xyz-stereo-finetune	0.11 303	0.08 362	0.13 358	0.14 71	0.06 29	0.10 204	0.19 540	0.17 272	0.19 378	0.12 314	0.14 310	0.15 402	0.10 319	0.13 356	0.11 293	0.05 51	0.04 25	0.07 315	0.05 194	0.04 49	0.05 211

fast-iter	0.11 303	0.06 118	0.11 257	0.13 22	0.09 360	0.09 139	0.14 247	0.21 377	0.10 79	0.19 497	0.17 368	0.14 373	0.09 275	0.16 452	0.08 27	0.05 51	0.04 25	0.07 315	0.08 471	0.07 386	0.06 315

CoSv	0.11 303	0.06 118	0.11 257	0.13 22	0.09 360	0.09 139	0.14 247	0.21 377	0.10 79	0.19 497	0.17 368	0.14 373	0.09 275	0.16 452	0.08 27	0.05 51	0.04 25	0.07 315	0.08 471	0.07 386	0.06 315

rvit_stereo_0081_aga	0.11 303	0.09 445	0.14 397	0.18 404	0.09 360	0.13 370	0.14 247	0.14 149	0.19 378	0.10 233	0.18 396	0.16 417	0.09 275	0.12 299	0.09 105	0.10 536	0.06 432	0.08 410	0.07 395	0.07 386	0.06 315

rvit_stereo_0081	0.11 303	0.08 362	0.15 446	0.16 225	0.09 360	0.10 204	0.14 247	0.14 149	0.24 461	0.11 270	0.13 294	0.13 350	0.09 275	0.11 203	0.12 359	0.10 536	0.07 505	0.08 410	0.07 395	0.07 386	0.05 211

rvit_stereo_0082	0.11 303	0.08 362	0.15 446	0.16 225	0.09 360	0.10 204	0.14 247	0.14 149	0.24 461	0.11 270	0.13 294	0.13 350	0.09 275	0.11 203	0.12 359	0.10 536	0.07 505	0.08 410	0.07 395	0.07 386	0.05 211

AIO-Stereo-zeroshot1	0.11 303	0.05 43	0.14 397	0.15 125	0.20 663	0.09 139	0.17 451	0.21 377	0.15 256	0.11 270	0.14 310	0.10 264	0.07 181	0.10 126	0.08 27	0.06 169	0.05 278	0.07 315	0.07 395	0.07 386	0.09 522

AIO-Stereo-zeroshot	0.11 303	0.05 43	0.11 257	0.15 125	0.13 582	0.13 370	0.16 407	0.23 426	0.17 326	0.10 233	0.12 275	0.10 264	0.07 181	0.11 203	0.09 105	0.06 169	0.05 278	0.06 202	0.06 295	0.07 386	0.08 476

CAS++	0.11 303	0.07 242	0.11 257	0.14 71	0.09 360	0.12 314	0.14 247	0.24 450	0.14 229	0.11 270	0.09 163	0.11 295	0.07 181	0.14 390	0.09 105	0.11 568	0.09 572	0.09 496	0.07 395	0.07 386	0.08 476
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 303	0.08 362	0.12 305	0.17 311	0.09 360	0.13 370	0.15 335	0.16 233	0.18 359	0.09 186	0.09 163	0.16 417	0.16 501	0.10 126	0.07 1	0.06 169	0.04 25	0.08 410	0.08 471	0.07 386	0.07 405

1test111	0.11 303	0.08 362	0.12 305	0.17 311	0.09 360	0.13 370	0.15 335	0.23 426	0.16 296	0.09 186	0.09 163	0.06 43	0.06 68	0.15 417	0.16 498	0.06 169	0.04 25	0.06 202	0.05 194	0.07 386	0.07 405

MIF-Stereo (partial)	0.11 303	0.06 118	0.10 193	0.19 476	0.10 474	0.10 204	0.11 64	0.17 272	0.18 359	0.14 375	0.16 344	0.09 226	0.11 356	0.12 299	0.12 359	0.08 430	0.05 278	0.08 410	0.07 395	0.06 298	0.07 405

EKT-Stereo	0.11 303	0.07 242	0.14 397	0.15 125	0.10 474	0.13 370	0.14 247	0.18 307	0.21 418	0.11 270	0.08 126	0.12 317	0.09 275	0.11 203	0.12 359	0.08 430	0.06 432	0.07 315	0.06 295	0.08 455	0.07 405

anonymousdsp2	0.11 303	0.07 242	0.10 193	0.16 225	0.09 360	0.13 370	0.14 247	0.18 307	0.22 432	0.13 348	0.14 310	0.12 317	0.09 275	0.14 390	0.11 293	0.05 51	0.04 25	0.05 51	0.04 61	0.06 298	0.05 211

DCRE	0.11 303	0.07 242	0.13 358	0.16 225	0.11 525	0.11 260	0.17 451	0.18 307	0.17 326	0.11 270	0.18 396	0.10 264	0.10 319	0.15 417	0.11 293	0.06 169	0.05 278	0.06 202	0.06 295	0.05 173	0.04 76

knoymous	0.11 303	0.05 43	0.12 305	0.13 22	0.07 136	0.15 434	0.14 247	0.19 338	0.13 196	0.11 270	0.17 368	0.13 350	0.09 275	0.13 356	0.11 293	0.08 430	0.05 278	0.06 202	0.05 194	0.08 455	0.07 405

riskmin	0.11 303	0.06 118	0.13 358	0.14 71	0.08 225	0.14 407	0.14 247	0.18 307	0.14 229	0.11 270	0.14 310	0.16 417	0.11 356	0.14 390	0.12 359	0.09 492	0.05 278	0.07 315	0.05 194	0.08 455	0.08 476

Selective-RAFT	0.11 303	0.10 508	0.11 257	0.21 577	0.08 225	0.16 466	0.13 178	0.20 350	0.22 432	0.10 233	0.10 200	0.11 295	0.10 319	0.15 417	0.11 293	0.05 51	0.05 278	0.06 202	0.05 194	0.06 298	0.05 211

DisPM	0.11 303	0.07 242	0.12 305	0.16 225	0.09 360	0.06 14	0.13 178	0.17 272	0.17 326	0.14 375	0.20 419	0.12 317	0.10 319	0.11 203	0.10 209	0.06 169	0.04 25	0.07 315	0.06 295	0.06 298	0.11 580

CIPLG	0.11 303	0.08 362	0.14 397	0.17 311	0.08 225	0.12 314	0.15 335	0.17 272	0.15 256	0.14 375	0.11 253	0.16 417	0.09 275	0.16 452	0.11 293	0.07 347	0.05 278	0.06 202	0.05 194	0.05 173	0.06 315

GLC_STEREO	0.11 303	0.07 242	0.11 257	0.17 311	0.07 136	0.09 139	0.13 178	0.15 192	0.24 461	0.12 314	0.13 294	0.12 317	0.08 233	0.18 509	0.11 293	0.06 169	0.08 538	0.08 410	0.06 295	0.05 173	0.05 211

IPLGR_C	0.11 303	0.08 362	0.14 397	0.17 311	0.08 225	0.12 314	0.15 335	0.17 272	0.15 256	0.14 375	0.10 200	0.16 417	0.09 275	0.16 452	0.11 293	0.07 347	0.05 278	0.06 202	0.05 194	0.05 173	0.06 315

MIPNet	0.11 303	0.08 362	0.14 397	0.17 311	0.09 360	0.12 314	0.14 247	0.20 350	0.24 461	0.11 270	0.10 200	0.09 226	0.07 181	0.13 356	0.12 359	0.06 169	0.04 25	0.06 202	0.05 194	0.04 49	0.04 76

IPLGR	0.11 303	0.09 445	0.16 482	0.18 404	0.08 225	0.12 314	0.17 451	0.21 377	0.24 461	0.11 270	0.12 275	0.11 295	0.08 233	0.12 299	0.12 359	0.06 169	0.05 278	0.06 202	0.06 295	0.04 49	0.04 76

GMOStereo	0.11 303	0.09 445	0.07 13	0.19 476	0.08 225	0.12 314	0.28 657	0.13 117	0.17 326	0.11 270	0.17 368	0.14 373	0.12 389	0.07 4	0.07 1	0.05 51	0.05 278	0.09 496	0.07 395	0.04 49	0.04 76

error version	0.11 303	0.09 445	0.07 13	0.19 476	0.08 225	0.12 314	0.28 657	0.13 117	0.17 326	0.11 270	0.17 368	0.14 373	0.12 389	0.07 4	0.07 1	0.05 51	0.05 278	0.09 496	0.07 395	0.04 49	0.04 76

test-v	0.11 303	0.09 445	0.07 13	0.19 476	0.08 225	0.12 314	0.28 657	0.13 117	0.17 326	0.11 270	0.17 368	0.14 373	0.12 389	0.07 4	0.07 1	0.05 51	0.05 278	0.09 496	0.07 395	0.04 49	0.04 76

ACRE	0.11 303	0.08 362	0.14 397	0.17 311	0.08 225	0.12 314	0.15 335	0.17 272	0.14 229	0.14 375	0.10 200	0.16 417	0.09 275	0.16 452	0.11 293	0.07 347	0.05 278	0.06 202	0.05 194	0.05 173	0.06 315

PFNet+	0.11 303	0.06 118	0.13 358	0.16 225	0.09 360	0.05 4	0.12 100	0.17 272	0.21 418	0.16 431	0.19 407	0.14 373	0.10 319	0.11 203	0.11 293	0.08 430	0.05 278	0.09 496	0.08 471	0.06 298	0.11 580

LCNet	0.11 303	0.07 242	0.09 127	0.19 476	0.09 360	0.08 85	0.15 335	0.21 377	0.15 256	0.11 270	0.15 331	0.16 417	0.11 356	0.12 299	0.11 293	0.05 51	0.04 25	0.08 410	0.07 395	0.06 298	0.15 640

HHNet	0.11 303	0.06 118	0.16 482	0.15 125	0.14 603	0.07 43	0.13 178	0.20 350	0.17 326	0.14 375	0.25 505	0.11 295	0.08 233	0.13 356	0.10 209	0.05 51	0.04 25	0.08 410	0.06 295	0.05 173	0.09 522

Patchmatch Stereo++	0.11 303	0.09 445	0.16 482	0.18 404	0.08 225	0.06 14	0.11 64	0.16 233	0.13 196	0.15 402	0.16 344	0.14 373	0.12 389	0.11 203	0.10 209	0.06 169	0.04 25	0.08 410	0.06 295	0.08 455	0.07 405
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	0.11 303	0.07 242	0.16 482	0.19 476	0.09 360	0.08 85	0.13 178	0.18 307	0.13 196	0.16 431	0.21 443	0.13 350	0.14 455	0.11 203	0.14 450	0.06 169	0.04 25	0.09 496	0.06 295	0.06 298	0.05 211

OMP-Stereo	0.11 303	0.06 118	0.14 397	0.18 404	0.08 225	0.09 139	0.12 100	0.21 377	0.21 418	0.13 348	0.14 310	0.11 295	0.12 389	0.11 203	0.13 407	0.06 169	0.04 25	0.07 315	0.06 295	0.05 173	0.04 76

IIG-Stereo	0.11 303	0.06 118	0.13 358	0.17 311	0.08 225	0.11 260	0.12 100	0.22 403	0.17 326	0.14 375	0.17 368	0.11 295	0.12 389	0.12 299	0.12 359	0.06 169	0.05 278	0.07 315	0.06 295	0.05 173	0.04 76

NF-Stereo	0.11 303	0.07 242	0.13 358	0.17 311	0.09 360	0.10 204	0.14 247	0.23 426	0.19 378	0.12 314	0.17 368	0.12 317	0.11 356	0.11 203	0.11 293	0.06 169	0.04 25	0.07 315	0.06 295	0.06 298	0.12 593

OCTAStereo	0.11 303	0.07 242	0.13 358	0.17 311	0.09 360	0.10 204	0.14 247	0.23 426	0.19 378	0.12 314	0.17 368	0.12 317	0.11 356	0.11 203	0.11 293	0.06 169	0.04 25	0.07 315	0.06 295	0.06 298	0.12 593

NRIStereo	0.11 303	0.08 362	0.14 397	0.18 404	0.08 225	0.10 204	0.14 247	0.16 233	0.15 256	0.12 314	0.14 310	0.13 350	0.12 389	0.13 356	0.10 209	0.06 169	0.04 25	0.07 315	0.06 295	0.06 298	0.07 405

PSM-adaLoss	0.11 303	0.09 445	0.16 482	0.18 404	0.08 225	0.06 14	0.12 100	0.16 233	0.13 196	0.15 402	0.16 344	0.14 373	0.12 389	0.11 203	0.10 209	0.06 169	0.04 25	0.08 410	0.06 295	0.08 455	0.07 405

PSM-AAD	0.11 303	0.07 242	0.10 193	0.19 476	0.09 360	0.10 204	0.15 335	0.20 350	0.13 196	0.12 314	0.14 310	0.18 453	0.11 356	0.11 203	0.10 209	0.05 51	0.05 278	0.09 496	0.08 471	0.06 298	0.14 633

ROB_FTStereo_v2	0.11 303	0.09 445	0.16 482	0.19 476	0.08 225	0.06 14	0.12 100	0.16 233	0.13 196	0.15 402	0.16 344	0.14 373	0.12 389	0.11 203	0.10 209	0.06 169	0.04 25	0.08 410	0.06 295	0.08 455	0.07 405

ROB_FTStereo	0.11 303	0.09 445	0.16 482	0.19 476	0.08 225	0.06 14	0.11 64	0.16 233	0.13 196	0.15 402	0.16 344	0.14 373	0.12 389	0.11 203	0.10 209	0.06 169	0.04 25	0.08 410	0.06 295	0.08 455	0.07 405

KYRaft	0.11 303	0.07 242	0.10 193	0.19 476	0.09 360	0.08 85	0.15 335	0.22 403	0.12 152	0.13 348	0.16 344	0.20 480	0.10 319	0.12 299	0.10 209	0.05 51	0.04 25	0.08 410	0.08 471	0.06 298	0.16 651

HUI-Stereo	0.11 303	0.09 445	0.16 482	0.18 404	0.08 225	0.06 14	0.12 100	0.16 233	0.13 196	0.15 402	0.16 344	0.14 373	0.12 389	0.11 203	0.10 209	0.06 169	0.04 25	0.08 410	0.06 295	0.08 455	0.07 405

ASMatch	0.11 303	0.06 118	0.13 358	0.16 225	0.10 474	0.07 43	0.14 247	0.17 272	0.17 326	0.12 314	0.16 344	0.16 417	0.10 319	0.13 356	0.10 209	0.05 51	0.04 25	0.06 202	0.05 194	0.04 49	0.08 476

RAFT_R40	0.11 303	0.07 242	0.14 397	0.18 404	0.09 360	0.06 14	0.13 178	0.17 272	0.16 296	0.14 375	0.18 396	0.15 402	0.12 389	0.10 126	0.11 293	0.06 169	0.04 25	0.09 496	0.06 295	0.06 298	0.05 211

GrayStereo	0.11 303	0.06 118	0.11 257	0.19 476	0.09 360	0.09 139	0.16 407	0.18 307	0.17 326	0.14 375	0.17 368	0.17 439	0.11 356	0.12 299	0.11 293	0.05 51	0.05 278	0.07 315	0.06 295	0.05 173	0.10 553

RE-Stereo	0.11 303	0.07 242	0.13 358	0.17 311	0.09 360	0.10 204	0.14 247	0.23 426	0.19 378	0.12 314	0.17 368	0.12 317	0.11 356	0.11 203	0.11 293	0.06 169	0.04 25	0.07 315	0.06 295	0.06 298	0.12 593

Pruner-Stereo	0.11 303	0.07 242	0.12 305	0.17 311	0.09 360	0.06 14	0.12 100	0.17 272	0.17 326	0.13 348	0.19 407	0.13 350	0.09 275	0.11 203	0.11 293	0.06 169	0.04 25	0.07 315	0.06 295	0.06 298	0.08 476

TVStereo	0.11 303	0.07 242	0.13 358	0.17 311	0.09 360	0.10 204	0.14 247	0.23 426	0.19 378	0.12 314	0.17 368	0.12 317	0.11 356	0.11 203	0.11 293	0.06 169	0.04 25	0.07 315	0.06 295	0.06 298	0.12 593

DeepStereo_RVC	0.11 303	0.08 362	0.16 482	0.18 404	0.08 225	0.08 85	0.12 100	0.17 272	0.12 152	0.13 348	0.14 310	0.12 317	0.12 389	0.12 299	0.11 293	0.06 169	0.04 25	0.07 315	0.06 295	0.07 386	0.08 476

iGMRVC	0.11 303	0.09 445	0.16 482	0.19 476	0.08 225	0.06 14	0.12 100	0.16 233	0.13 196	0.15 402	0.16 344	0.14 373	0.12 389	0.11 203	0.10 209	0.06 169	0.04 25	0.08 410	0.06 295	0.08 455	0.07 405

RAFT-RH_RVC	0.11 303	0.06 118	0.14 397	0.16 225	0.09 360	0.12 314	0.12 100	0.17 272	0.12 152	0.13 348	0.41 638	0.11 295	0.10 319	0.13 356	0.12 359	0.05 51	0.04 25	0.08 410	0.05 194	0.04 49	0.06 315

RAFT-345	0.11 303	0.07 242	0.15 446	0.16 225	0.08 225	0.08 85	0.12 100	0.15 192	0.10 79	0.11 270	0.36 601	0.09 226	0.09 275	0.11 203	0.12 359	0.05 51	0.05 278	0.07 315	0.06 295	0.04 49	0.05 211

iRAFT	0.11 303	0.09 445	0.16 482	0.18 404	0.08 225	0.06 14	0.11 64	0.16 233	0.13 196	0.15 402	0.16 344	0.14 373	0.12 389	0.11 203	0.10 209	0.06 169	0.04 25	0.08 410	0.06 295	0.08 455	0.07 405

CRE-IMP	0.11 303	0.09 445	0.16 482	0.19 476	0.08 225	0.10 204	0.12 100	0.18 307	0.10 79	0.14 375	0.13 294	0.13 350	0.12 389	0.12 299	0.11 293	0.07 347	0.04 25	0.08 410	0.06 295	0.08 455	0.08 476

test-2	0.11 303	0.09 445	0.07 13	0.19 476	0.08 225	0.12 314	0.28 657	0.13 117	0.17 326	0.11 270	0.17 368	0.14 373	0.12 389	0.07 4	0.07 1	0.05 51	0.05 278	0.09 496	0.07 395	0.04 49	0.04 76

GMM-Stereo	0.11 303	0.07 242	0.10 193	0.18 404	0.09 360	0.08 85	0.15 335	0.23 426	0.16 296	0.11 270	0.15 331	0.13 350	0.11 356	0.11 203	0.11 293	0.05 51	0.04 25	0.08 410	0.07 395	0.06 298	0.09 522

RAFT-IKP	0.11 303	0.09 445	0.16 482	0.19 476	0.08 225	0.06 14	0.12 100	0.16 233	0.13 196	0.15 402	0.16 344	0.14 373	0.12 389	0.11 203	0.10 209	0.06 169	0.04 25	0.08 410	0.06 295	0.08 455	0.07 405

Prome-Stereo	0.11 303	0.06 118	0.10 193	0.18 404	0.08 225	0.12 314	0.15 335	0.22 403	0.13 196	0.12 314	0.17 368	0.13 350	0.08 233	0.12 299	0.10 209	0.05 51	0.04 25	0.07 315	0.06 295	0.06 298	0.09 522

rafts_anoy	0.11 303	0.06 118	0.10 193	0.17 311	0.08 225	0.10 204	0.14 247	0.17 272	0.14 229	0.13 348	0.13 294	0.12 317	0.10 319	0.11 203	0.12 359	0.07 347	0.04 25	0.09 496	0.11 594	0.07 386	0.06 315

raft+_RVC	0.11 303	0.07 242	0.09 127	0.16 225	0.07 136	0.10 204	0.11 64	0.24 450	0.20 402	0.12 314	0.15 331	0.12 317	0.08 233	0.12 299	0.13 407	0.07 347	0.04 25	0.07 315	0.06 295	0.05 173	0.05 211

RALAANet	0.11 303	0.08 362	0.10 193	0.17 311	0.09 360	0.14 407	0.10 35	0.20 350	0.15 256	0.14 375	0.13 294	0.16 417	0.09 275	0.12 299	0.11 293	0.06 169	0.05 278	0.07 315	0.06 295	0.05 173	0.04 76

DIP-Stereo	0.11 303	0.07 242	0.14 397	0.17 311	0.09 360	0.13 370	0.09 20	0.16 233	0.16 296	0.11 270	0.16 344	0.14 373	0.12 389	0.15 417	0.13 407	0.06 169	0.05 278	0.06 202	0.05 194	0.05 173	0.06 315
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	0.12 381	0.08 362	0.08 58	0.20 543	0.07 136	0.18 508	0.23 606	0.15 192	0.15 256	0.10 233	0.10 200	0.13 350	0.08 233	0.12 299	0.11 293	0.09 492	0.10 594	0.14 625	0.14 630	0.05 173	0.04 76

S	0.12 381	0.08 362	0.09 127	0.20 543	0.08 225	0.13 370	0.19 540	0.17 272	0.16 296	0.13 348	0.11 253	0.13 350	0.10 319	0.11 203	0.13 407	0.09 492	0.07 505	0.13 611	0.15 647	0.06 298	0.04 76

IGEV_i1	0.12 381	0.07 242	0.12 305	0.16 225	0.08 225	0.19 533	0.14 247	0.18 307	0.22 432	0.18 480	0.18 396	0.16 417	0.12 389	0.16 452	0.14 450	0.06 169	0.05 278	0.06 202	0.05 194	0.06 298	0.06 315

rvit_stereo_0083	0.12 381	0.08 362	0.17 513	0.16 225	0.09 360	0.11 260	0.15 335	0.14 149	0.26 497	0.11 270	0.14 310	0.13 350	0.10 319	0.12 299	0.12 359	0.10 536	0.08 538	0.09 496	0.07 395	0.07 386	0.05 211

rvit_stereo_ft	0.12 381	0.07 242	0.13 358	0.19 476	0.10 474	0.12 314	0.17 451	0.16 233	0.16 296	0.12 314	0.13 294	0.15 402	0.10 319	0.14 390	0.13 407	0.09 492	0.06 432	0.08 410	0.07 395	0.07 386	0.05 211

test_sample2	0.12 381	0.07 242	0.12 305	0.14 71	0.08 225	0.16 466	0.18 500	0.21 377	0.16 296	0.14 375	0.20 419	0.19 468	0.15 473	0.15 417	0.12 359	0.08 430	0.05 278	0.07 315	0.06 295	0.08 455	0.07 405

MyStereo8	0.12 381	0.07 242	0.15 446	0.15 125	0.09 360	0.18 508	0.14 247	0.19 338	0.22 432	0.12 314	0.18 396	0.11 295	0.10 319	0.16 452	0.18 531	0.07 347	0.05 278	0.07 315	0.05 194	0.08 455	0.09 522

CoDeX	0.12 381	0.07 242	0.12 305	0.17 311	0.08 225	0.12 314	0.15 335	0.23 426	0.27 507	0.13 348	0.17 368	0.16 417	0.11 356	0.14 390	0.11 293	0.07 347	0.05 278	0.07 315	0.06 295	0.06 298	0.05 211

11t1	0.12 381	0.06 118	0.13 358	0.14 71	0.08 225	0.17 489	0.15 335	0.18 307	0.15 256	0.15 402	0.15 331	0.16 417	0.16 501	0.15 417	0.13 407	0.08 430	0.05 278	0.06 202	0.05 194	0.08 455	0.07 405

ffm	0.12 381	0.09 445	0.14 397	0.16 225	0.08 225	0.17 489	0.17 451	0.15 192	0.19 378	0.15 402	0.25 505	0.19 468	0.13 431	0.10 126	0.07 1	0.06 169	0.04 25	0.09 496	0.08 471	0.06 298	0.06 315

RAFT_CTSACE	0.12 381	0.09 445	0.10 193	0.22 594	0.08 225	0.12 314	0.24 620	0.18 307	0.16 296	0.20 520	0.27 531	0.13 350	0.07 181	0.13 356	0.09 105	0.05 51	0.06 432	0.08 410	0.07 395	0.04 49	0.04 76

Sa-1000	0.12 381	0.08 362	0.08 58	0.18 404	0.08 225	0.14 407	0.22 595	0.22 403	0.18 359	0.15 402	0.20 419	0.17 439	0.11 356	0.10 126	0.10 209	0.06 169	0.05 278	0.09 496	0.09 518	0.05 173	0.05 211

SA	0.12 381	0.09 445	0.08 58	0.18 404	0.08 225	0.12 314	0.24 620	0.23 426	0.18 359	0.17 450	0.27 531	0.14 373	0.11 356	0.11 203	0.11 293	0.05 51	0.05 278	0.09 496	0.08 471	0.05 173	0.04 76

iRaft-Stereo_5w	0.12 381	0.09 445	0.12 305	0.19 476	0.08 225	0.09 139	0.12 100	0.21 377	0.21 418	0.19 497	0.14 310	0.11 295	0.09 275	0.20 549	0.16 498	0.05 51	0.05 278	0.07 315	0.06 295	0.05 173	0.06 315

CrosDoStereo	0.12 381	0.06 118	0.12 305	0.14 71	0.08 225	0.12 314	0.15 335	0.17 272	0.22 432	0.19 497	0.24 477	0.15 402	0.11 356	0.11 203	0.12 359	0.06 169	0.04 25	0.07 315	0.07 395	0.05 173	0.05 211

PSM-softLoss	0.12 381	0.07 242	0.15 446	0.17 311	0.09 360	0.08 85	0.13 178	0.24 450	0.17 326	0.14 375	0.19 407	0.13 350	0.11 356	0.11 203	0.11 293	0.07 347	0.05 278	0.08 410	0.07 395	0.06 298	0.12 593

KMStereo	0.12 381	0.07 242	0.15 446	0.17 311	0.09 360	0.08 85	0.13 178	0.24 450	0.17 326	0.14 375	0.19 407	0.13 350	0.11 356	0.11 203	0.11 293	0.07 347	0.05 278	0.08 410	0.07 395	0.06 298	0.12 593

FTStereo	0.12 381	0.06 118	0.14 397	0.18 404	0.09 360	0.07 43	0.15 335	0.21 377	0.18 359	0.12 314	0.24 477	0.12 317	0.12 389	0.13 356	0.13 407	0.05 51	0.05 278	0.07 315	0.06 295	0.06 298	0.10 553

DeepStereo_LL	0.12 381	0.06 118	0.12 305	0.14 71	0.08 225	0.12 314	0.15 335	0.17 272	0.22 432	0.19 497	0.24 477	0.15 402	0.11 356	0.11 203	0.12 359	0.06 169	0.04 25	0.07 315	0.07 395	0.05 173	0.05 211

DEmStereo	0.12 381	0.06 118	0.14 397	0.14 71	0.10 474	0.16 466	0.15 335	0.16 233	0.24 461	0.17 450	0.24 477	0.13 350	0.14 455	0.12 299	0.13 407	0.05 51	0.04 25	0.07 315	0.06 295	0.05 173	0.05 211

THIR-Stereo	0.12 381	0.07 242	0.11 257	0.15 125	0.08 225	0.14 407	0.16 407	0.17 272	0.25 483	0.16 431	0.24 477	0.14 373	0.12 389	0.12 299	0.14 450	0.06 169	0.04 25	0.07 315	0.07 395	0.05 173	0.05 211

DRaft	0.12 381	0.06 118	0.11 257	0.14 71	0.09 360	0.14 407	0.17 451	0.21 377	0.30 539	0.17 450	0.28 545	0.10 264	0.15 473	0.10 126	0.12 359	0.05 51	0.04 25	0.07 315	0.06 295	0.05 173	0.05 211

PFNet	0.12 381	0.06 118	0.17 513	0.17 311	0.08 225	0.09 139	0.15 335	0.26 487	0.20 402	0.16 431	0.16 344	0.14 373	0.11 356	0.12 299	0.11 293	0.06 169	0.04 25	0.07 315	0.06 295	0.05 173	0.05 211

IRAFT_RVC	0.12 381	0.08 362	0.16 482	0.19 476	0.08 225	0.07 43	0.15 335	0.24 450	0.23 444	0.14 375	0.14 310	0.15 402	0.12 389	0.12 299	0.10 209	0.06 169	0.04 25	0.09 496	0.06 295	0.06 298	0.06 315

sCroCo_RVC	0.12 381	0.09 445	0.23 586	0.24 627	0.11 525	0.19 533	0.14 247	0.17 272	0.14 229	0.10 233	0.13 294	0.12 317	0.07 181	0.14 390	0.11 293	0.08 430	0.08 538	0.08 410	0.08 471	0.05 173	0.07 405

ARAFT	0.12 381	0.08 362	0.17 513	0.19 476	0.09 360	0.14 407	0.18 500	0.20 350	0.12 152	0.12 314	0.13 294	0.14 373	0.11 356	0.15 417	0.12 359	0.06 169	0.05 278	0.10 545	0.09 518	0.05 173	0.04 76

BEATNet_4x	0.12 381	0.08 362	0.14 397	0.18 404	0.07 136	0.15 434	0.07 3	0.22 403	0.18 359	0.16 431	0.19 407	0.18 453	0.14 455	0.16 452	0.15 482	0.07 347	0.05 278	0.05 51	0.05 194	0.06 298	0.06 315

MLCV	0.12 381	0.07 242	0.16 482	0.18 404	0.06 29	0.15 434	0.17 451	0.19 338	0.21 418	0.18 480	0.25 505	0.17 439	0.13 431	0.14 390	0.13 407	0.05 51	0.04 25	0.05 51	0.04 61	0.05 173	0.04 76

RT-IGEV	0.13 409	0.06 118	0.13 358	0.15 125	0.09 360	0.15 434	0.17 451	0.24 450	0.27 507	0.16 431	0.17 368	0.17 439	0.10 319	0.14 390	0.11 293	0.08 430	0.05 278	0.07 315	0.05 194	0.07 386	0.07 405

Selective-IGEV-i16pc	0.13 409	0.06 118	0.13 358	0.15 125	0.11 525	0.38 667	0.16 407	0.23 426	0.16 296	0.10 233	0.15 331	0.09 226	0.06 68	0.13 356	0.10 209	0.10 536	0.08 538	0.06 202	0.07 395	0.09 520	0.09 522

Selective-IGEV-i1	0.13 409	0.07 242	0.12 305	0.19 476	0.08 225	0.18 508	0.16 407	0.22 403	0.30 539	0.16 431	0.17 368	0.16 417	0.10 319	0.14 390	0.13 407	0.06 169	0.05 278	0.06 202	0.05 194	0.06 298	0.05 211

G2L-ROB	0.13 409	0.06 118	0.13 358	0.13 22	0.08 225	0.14 407	0.16 407	0.25 469	0.18 359	0.19 497	0.18 396	0.20 480	0.14 455	0.17 486	0.16 498	0.08 430	0.05 278	0.06 202	0.05 194	0.08 455	0.09 522

xyz-stereo	0.13 409	0.07 242	0.20 561	0.15 125	0.05 2	0.20 549	0.15 335	0.17 272	0.31 547	0.15 402	0.29 557	0.26 555	0.16 501	0.13 356	0.12 359	0.05 51	0.05 278	0.06 202	0.05 194	0.04 49	0.04 76

DFGA-Net	0.13 409	0.11 535	0.18 537	0.17 311	0.10 474	0.12 314	0.13 178	0.22 403	0.25 483	0.16 431	0.16 344	0.13 350	0.12 389	0.16 452	0.14 450	0.07 347	0.05 278	0.08 410	0.07 395	0.05 173	0.05 211

FACV-RUCA	0.13 409	0.11 535	0.12 305	0.19 476	0.12 559	0.15 434	0.15 335	0.22 403	0.20 402	0.15 402	0.16 344	0.14 373	0.16 501	0.14 390	0.13 407	0.07 347	0.05 278	0.08 410	0.06 295	0.10 553	0.08 476

UGAM	0.13 409	0.10 508	0.09 127	0.22 594	0.08 225	0.12 314	0.20 564	0.17 272	0.23 444	0.21 535	0.16 344	0.13 350	0.13 431	0.19 524	0.12 359	0.07 347	0.05 278	0.13 611	0.11 594	0.07 386	0.05 211

test_sample1	0.13 409	0.07 242	0.14 397	0.13 22	0.08 225	0.19 533	0.16 407	0.20 350	0.15 256	0.14 375	0.22 455	0.18 453	0.16 501	0.17 486	0.14 450	0.07 347	0.06 432	0.06 202	0.06 295	0.08 455	0.07 405

qqq1	0.13 409	0.07 242	0.17 513	0.14 71	0.08 225	0.16 466	0.17 451	0.26 487	0.27 507	0.19 497	0.20 419	0.18 453	0.15 473	0.15 417	0.11 293	0.08 430	0.05 278	0.05 51	0.05 194	0.06 298	0.06 315

fff1	0.13 409	0.07 242	0.17 513	0.14 71	0.08 225	0.16 466	0.17 451	0.26 487	0.27 507	0.19 497	0.20 419	0.18 453	0.15 473	0.15 417	0.11 293	0.08 430	0.05 278	0.05 51	0.05 194	0.06 298	0.06 315

MyStereo05	0.13 409	0.07 242	0.10 193	0.17 311	0.09 360	0.13 370	0.18 500	0.27 508	0.35 582	0.17 450	0.14 310	0.15 402	0.11 356	0.15 417	0.13 407	0.06 169	0.05 278	0.07 315	0.07 395	0.06 298	0.06 315

MyStereo04	0.13 409	0.07 242	0.10 193	0.17 311	0.09 360	0.14 407	0.18 500	0.29 542	0.38 600	0.17 450	0.14 310	0.16 417	0.10 319	0.15 417	0.13 407	0.06 169	0.05 278	0.08 410	0.07 395	0.06 298	0.06 315

ff1	0.13 409	0.09 445	0.14 397	0.16 225	0.08 225	0.17 489	0.17 451	0.15 192	0.19 378	0.15 402	0.25 505	0.19 468	0.13 431	0.14 390	0.20 550	0.06 169	0.04 25	0.09 496	0.08 471	0.06 298	0.06 315

StereoVision	0.13 409	0.12 553	0.09 127	0.24 627	0.10 474	0.15 434	0.21 585	0.21 377	0.20 402	0.12 314	0.24 477	0.10 264	0.10 319	0.16 452	0.10 209	0.09 492	0.11 607	0.12 596	0.12 615	0.06 298	0.05 211

LL-Strereo	0.13 409	0.09 445	0.11 257	0.20 543	0.10 474	0.11 260	0.18 500	0.32 579	0.24 461	0.15 402	0.15 331	0.14 373	0.13 431	0.19 524	0.11 293	0.06 169	0.04 25	0.09 496	0.08 471	0.04 49	0.05 211

CASS	0.13 409	0.12 553	0.11 257	0.23 618	0.09 360	0.15 434	0.17 451	0.18 307	0.19 378	0.17 450	0.18 396	0.15 402	0.15 473	0.14 390	0.14 450	0.09 492	0.06 432	0.10 545	0.08 471	0.09 520	0.07 405
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 409	0.07 242	0.13 358	0.18 404	0.09 360	0.13 370	0.17 451	0.19 338	0.29 529	0.15 402	0.24 477	0.15 402	0.14 455	0.14 390	0.14 450	0.07 347	0.05 278	0.07 315	0.09 518	0.05 173	0.06 315

TestStereo1	0.13 409	0.08 362	0.08 58	0.19 476	0.08 225	0.18 508	0.29 667	0.23 426	0.16 296	0.17 450	0.20 419	0.16 417	0.10 319	0.12 299	0.13 407	0.06 169	0.06 432	0.08 410	0.06 295	0.05 173	0.05 211

qqq	0.13 409	0.09 445	0.15 446	0.16 225	0.08 225	0.13 370	0.15 335	0.23 426	0.16 296	0.15 402	0.19 407	0.16 417	0.16 501	0.15 417	0.16 498	0.07 347	0.06 432	0.08 410	0.08 471	0.07 386	0.07 405

x	0.13 409	0.07 242	0.14 397	0.14 71	0.08 225	0.18 508	0.14 247	0.22 403	0.20 402	0.15 402	0.19 407	0.19 468	0.17 524	0.18 509	0.18 531	0.07 347	0.05 278	0.06 202	0.06 295	0.07 386	0.07 405

raft_robust	0.13 409	0.10 508	0.07 13	0.18 404	0.08 225	0.13 370	0.24 620	0.28 528	0.33 561	0.20 520	0.19 407	0.14 373	0.10 319	0.11 203	0.12 359	0.05 51	0.05 278	0.07 315	0.07 395	0.05 173	0.04 76

RAFT+CT+SA	0.13 409	0.11 535	0.09 127	0.19 476	0.09 360	0.15 434	0.28 657	0.22 403	0.22 432	0.15 402	0.26 522	0.10 264	0.10 319	0.11 203	0.12 359	0.05 51	0.04 25	0.07 315	0.08 471	0.07 386	0.06 315

SA-5K	0.13 409	0.08 362	0.08 58	0.19 476	0.08 225	0.18 508	0.29 667	0.23 426	0.16 296	0.17 450	0.20 419	0.16 417	0.10 319	0.12 299	0.13 407	0.06 169	0.06 432	0.08 410	0.06 295	0.05 173	0.05 211

GwcNet-ADL	0.13 409	0.08 362	0.14 397	0.20 543	0.09 360	0.11 260	0.20 564	0.30 556	0.24 461	0.13 348	0.14 310	0.18 453	0.14 455	0.13 356	0.14 450	0.07 347	0.05 278	0.06 202	0.05 194	0.07 386	0.06 315

GANet-ADL	0.13 409	0.07 242	0.15 446	0.17 311	0.10 474	0.18 508	0.15 335	0.30 556	0.20 402	0.13 348	0.18 396	0.19 468	0.12 389	0.16 452	0.13 407	0.08 430	0.06 432	0.06 202	0.05 194	0.07 386	0.08 476

RAFT	0.13 409	0.09 445	0.11 257	0.18 404	0.08 225	0.15 434	0.24 620	0.20 350	0.19 378	0.21 535	0.21 443	0.17 439	0.12 389	0.16 452	0.09 105	0.06 169	0.07 505	0.10 545	0.09 518	0.05 173	0.05 211

TestStereo	0.13 409	0.14 593	0.11 257	0.23 618	0.08 225	0.15 434	0.21 585	0.20 350	0.23 444	0.14 375	0.24 477	0.16 417	0.12 389	0.16 452	0.14 450	0.05 51	0.06 432	0.08 410	0.06 295	0.09 520	0.05 211

sAnonymous2	0.13 409	0.12 553	0.24 590	0.20 543	0.12 559	0.17 489	0.13 178	0.26 487	0.21 418	0.11 270	0.11 253	0.13 350	0.08 233	0.10 126	0.10 209	0.09 492	0.05 278	0.08 410	0.06 295	0.15 641	0.10 553

CroCo_RVC	0.13 409	0.12 553	0.24 590	0.20 543	0.12 559	0.17 489	0.13 178	0.26 487	0.21 418	0.11 270	0.11 253	0.13 350	0.08 233	0.10 126	0.10 209	0.09 492	0.05 278	0.08 410	0.06 295	0.15 641	0.10 553

RAFT + AFF	0.13 409	0.07 242	0.20 561	0.20 543	0.10 474	0.14 407	0.24 620	0.26 487	0.20 402	0.11 270	0.10 200	0.12 317	0.10 319	0.15 417	0.12 359	0.07 347	0.06 432	0.09 496	0.08 471	0.06 298	0.08 476

GMStereo	0.13 409	0.14 593	0.14 397	0.18 404	0.09 360	0.15 434	0.16 407	0.20 350	0.24 461	0.16 431	0.17 368	0.10 264	0.10 319	0.16 452	0.13 407	0.07 347	0.06 432	0.06 202	0.06 295	0.07 386	0.06 315
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 409	0.07 242	0.14 397	0.17 311	0.09 360	0.15 434	0.16 407	0.28 528	0.27 507	0.14 375	0.17 368	0.12 317	0.13 431	0.14 390	0.11 293	0.08 430	0.05 278	0.07 315	0.07 395	0.07 386	0.06 315

FENet	0.13 409	0.08 362	0.12 305	0.16 225	0.08 225	0.14 407	0.15 335	0.22 403	0.23 444	0.17 450	0.23 464	0.16 417	0.12 389	0.14 390	0.15 482	0.08 430	0.05 278	0.08 410	0.08 471	0.07 386	0.07 405

cf-r	0.13 409	0.07 242	0.12 305	0.16 225	0.08 225	0.14 407	0.19 540	0.20 350	0.25 483	0.17 450	0.25 505	0.21 489	0.16 501	0.14 390	0.14 450	0.10 536	0.05 278	0.06 202	0.08 471	0.06 298	0.06 315

iResNet	0.13 409	0.10 508	0.18 537	0.19 476	0.08 225	0.13 370	0.18 500	0.20 350	0.26 497	0.15 402	0.23 464	0.15 402	0.13 431	0.14 390	0.14 450	0.06 169	0.04 25	0.06 202	0.05 194	0.06 298	0.05 211

DN-CSS_ROB	0.13 409	0.13 581	0.16 482	0.18 404	0.10 474	0.16 466	0.08 7	0.22 403	0.18 359	0.17 450	0.22 455	0.13 350	0.13 431	0.12 299	0.13 407	0.05 51	0.05 278	0.10 545	0.10 560	0.08 455	0.06 315

Selective-IGEV-i16pb	0.14 446	0.08 362	0.17 513	0.15 125	0.11 525	0.41 672	0.16 407	0.28 528	0.23 444	0.11 270	0.20 419	0.10 264	0.07 181	0.17 486	0.12 359	0.10 536	0.07 505	0.06 202	0.08 471	0.09 520	0.10 553

G2L-Stereo_test	0.14 446	0.07 242	0.11 257	0.13 22	0.08 225	0.12 314	0.16 407	0.30 556	0.28 522	0.20 520	0.23 464	0.20 480	0.16 501	0.17 486	0.18 531	0.07 347	0.05 278	0.05 51	0.05 194	0.07 386	0.06 315

coex_refinement	0.14 446	0.07 242	0.12 305	0.17 311	0.10 474	0.15 434	0.15 335	0.26 487	0.29 529	0.18 480	0.20 419	0.22 507	0.17 524	0.16 452	0.18 531	0.08 430	0.05 278	0.06 202	0.06 295	0.09 520	0.08 476

G2L-Stereo	0.14 446	0.07 242	0.13 358	0.17 311	0.09 360	0.13 370	0.12 100	0.27 508	0.22 432	0.16 431	0.27 531	0.21 489	0.13 431	0.17 486	0.18 531	0.09 492	0.08 538	0.08 410	0.07 395	0.07 386	0.07 405

rvit_0105_6	0.14 446	0.09 445	0.18 537	0.17 311	0.10 474	0.10 204	0.16 407	0.19 338	0.26 497	0.12 314	0.18 396	0.17 439	0.12 389	0.18 509	0.12 359	0.15 637	0.11 607	0.12 596	0.10 560	0.09 520	0.06 315

rvit_0105_5	0.14 446	0.09 445	0.13 358	0.17 311	0.09 360	0.14 407	0.23 606	0.24 450	0.27 507	0.14 375	0.15 331	0.18 453	0.12 389	0.17 486	0.14 450	0.14 633	0.11 607	0.10 545	0.10 560	0.08 455	0.06 315

rvit_0105_4	0.14 446	0.09 445	0.17 513	0.17 311	0.10 474	0.12 314	0.19 540	0.23 426	0.27 507	0.14 375	0.20 419	0.17 439	0.13 431	0.17 486	0.13 407	0.15 637	0.11 607	0.11 576	0.10 560	0.09 520	0.06 315

DCVSM-stereo	0.14 446	0.09 445	0.16 482	0.16 225	0.10 474	0.15 434	0.09 20	0.19 338	0.23 444	0.20 520	0.23 464	0.26 555	0.15 473	0.18 509	0.14 450	0.09 492	0.07 505	0.09 496	0.08 471	0.10 553	0.12 593

test_sample6	0.14 446	0.08 362	0.13 358	0.16 225	0.08 225	0.17 489	0.19 540	0.25 469	0.17 326	0.17 450	0.27 531	0.19 468	0.14 455	0.15 417	0.13 407	0.08 430	0.05 278	0.08 410	0.07 395	0.08 455	0.08 476

test_sample5	0.14 446	0.08 362	0.14 397	0.16 225	0.08 225	0.18 508	0.18 500	0.25 469	0.17 326	0.17 450	0.27 531	0.18 453	0.14 455	0.16 452	0.13 407	0.08 430	0.05 278	0.08 410	0.07 395	0.08 455	0.08 476

test_sample4	0.14 446	0.08 362	0.14 397	0.15 125	0.08 225	0.19 533	0.18 500	0.26 487	0.17 326	0.16 431	0.25 505	0.18 453	0.14 455	0.16 452	0.13 407	0.08 430	0.06 432	0.08 410	0.06 295	0.08 455	0.08 476

test_sample3	0.14 446	0.08 362	0.15 446	0.14 71	0.09 360	0.19 533	0.17 451	0.26 487	0.18 359	0.16 431	0.22 455	0.19 468	0.15 473	0.17 486	0.13 407	0.08 430	0.06 432	0.07 315	0.06 295	0.09 520	0.08 476

DispNO	0.14 446	0.08 362	0.17 513	0.19 476	0.12 559	0.11 260	0.21 585	0.23 426	0.29 529	0.17 450	0.23 464	0.18 453	0.17 524	0.15 417	0.15 482	0.07 347	0.05 278	0.08 410	0.08 471	0.07 386	0.06 315

SMFormer	0.14 446	0.07 242	0.17 513	0.14 71	0.08 225	0.16 466	0.17 451	0.26 487	0.27 507	0.19 497	0.20 419	0.18 453	0.15 473	0.15 417	0.17 513	0.08 430	0.05 278	0.07 315	0.06 295	0.07 386	0.06 315

tta	0.14 446	0.07 242	0.17 513	0.14 71	0.08 225	0.16 466	0.17 451	0.26 487	0.27 507	0.19 497	0.20 419	0.18 453	0.15 473	0.15 417	0.17 513	0.08 430	0.05 278	0.07 315	0.06 295	0.06 298	0.06 315

mmm	0.14 446	0.08 362	0.17 513	0.17 311	0.09 360	0.17 489	0.18 500	0.21 377	0.15 256	0.15 402	0.23 464	0.21 489	0.16 501	0.16 452	0.17 513	0.08 430	0.05 278	0.08 410	0.07 395	0.07 386	0.07 405

DualNet	0.14 446	0.08 362	0.14 397	0.16 225	0.08 225	0.18 508	0.18 500	0.25 469	0.17 326	0.17 450	0.27 531	0.18 453	0.14 455	0.16 452	0.13 407	0.08 430	0.05 278	0.08 410	0.07 395	0.08 455	0.08 476

mmx	0.14 446	0.09 445	0.14 397	0.16 225	0.08 225	0.17 489	0.17 451	0.27 508	0.25 483	0.15 402	0.25 505	0.19 468	0.13 431	0.14 390	0.20 550	0.08 430	0.06 432	0.09 496	0.08 471	0.08 455	0.08 476

xxx	0.14 446	0.09 445	0.14 397	0.16 225	0.08 225	0.17 489	0.17 451	0.27 508	0.25 483	0.15 402	0.25 505	0.19 468	0.13 431	0.14 390	0.20 550	0.08 430	0.06 432	0.09 496	0.08 471	0.08 455	0.08 476

PCWNet_CMD	0.14 446	0.08 362	0.15 446	0.17 311	0.09 360	0.14 407	0.14 247	0.29 542	0.36 586	0.14 375	0.20 419	0.21 489	0.12 389	0.17 486	0.13 407	0.07 347	0.05 278	0.07 315	0.07 395	0.07 386	0.07 405

CBFPSM	0.14 446	0.06 118	0.26 598	0.17 311	0.09 360	0.13 370	0.15 335	0.22 403	0.23 444	0.20 520	0.27 531	0.24 531	0.16 501	0.16 452	0.18 531	0.06 169	0.06 432	0.06 202	0.07 395	0.07 386	0.07 405

gwcnet-sp	0.14 446	0.07 242	0.12 305	0.18 404	0.09 360	0.16 466	0.17 451	0.24 450	0.24 461	0.18 480	0.24 477	0.15 402	0.16 501	0.15 417	0.15 482	0.08 430	0.06 432	0.07 315	0.08 471	0.08 455	0.07 405

scenet	0.14 446	0.07 242	0.12 305	0.18 404	0.09 360	0.16 466	0.17 451	0.24 450	0.24 461	0.18 480	0.24 477	0.15 402	0.16 501	0.15 417	0.15 482	0.08 430	0.06 432	0.07 315	0.08 471	0.08 455	0.07 405

ssnet	0.14 446	0.07 242	0.12 305	0.18 404	0.09 360	0.16 466	0.17 451	0.24 450	0.24 461	0.18 480	0.24 477	0.15 402	0.16 501	0.15 417	0.15 482	0.08 430	0.06 432	0.07 315	0.08 471	0.08 455	0.07 405

BUS	0.14 446	0.09 445	0.14 397	0.22 594	0.10 474	0.19 533	0.14 247	0.34 608	0.19 378	0.17 450	0.22 455	0.16 417	0.13 431	0.15 417	0.13 407	0.08 430	0.06 432	0.10 545	0.09 518	0.07 386	0.07 405

IER	0.14 446	0.07 242	0.13 358	0.17 311	0.09 360	0.14 407	0.16 407	0.25 469	0.26 497	0.18 480	0.25 505	0.17 439	0.20 567	0.16 452	0.14 450	0.08 430	0.05 278	0.07 315	0.06 295	0.08 455	0.07 405

test_5	0.14 446	0.12 553	0.08 58	0.20 543	0.10 474	0.14 407	0.29 667	0.21 377	0.24 461	0.18 480	0.28 545	0.11 295	0.15 473	0.12 299	0.13 407	0.06 169	0.05 278	0.07 315	0.08 471	0.08 455	0.07 405

psmg	0.14 446	0.09 445	0.14 397	0.17 311	0.10 474	0.15 434	0.17 451	0.29 542	0.19 378	0.17 450	0.21 443	0.25 545	0.16 501	0.15 417	0.14 450	0.08 430	0.06 432	0.08 410	0.08 471	0.07 386	0.06 315

UDGNet	0.14 446	0.13 581	0.16 482	0.17 311	0.10 474	0.12 314	0.16 407	0.21 377	0.27 507	0.20 520	0.20 419	0.16 417	0.13 431	0.16 452	0.13 407	0.10 536	0.06 432	0.09 496	0.07 395	0.06 298	0.07 405

CFNet_pseudo	0.14 446	0.08 362	0.15 446	0.16 225	0.09 360	0.13 370	0.14 247	0.27 508	0.34 573	0.14 375	0.21 443	0.22 507	0.13 431	0.18 509	0.14 450	0.07 347	0.05 278	0.08 410	0.06 295	0.07 386	0.07 405

GES	0.14 446	0.08 362	0.16 482	0.15 125	0.10 474	0.13 370	0.13 178	0.28 528	0.25 483	0.16 431	0.23 464	0.18 453	0.13 431	0.16 452	0.13 407	0.08 430	0.07 505	0.07 315	0.06 295	0.08 455	0.09 522

GANet-RSSM	0.14 446	0.07 242	0.13 358	0.13 22	0.08 225	0.14 407	0.17 451	0.22 403	0.21 418	0.17 450	0.24 477	0.23 525	0.15 473	0.16 452	0.15 482	0.10 536	0.06 432	0.07 315	0.08 471	0.08 455	0.07 405

PSMNet-RSSM	0.14 446	0.07 242	0.13 358	0.15 125	0.08 225	0.13 370	0.16 407	0.24 450	0.24 461	0.16 431	0.28 545	0.22 507	0.14 455	0.15 417	0.13 407	0.11 568	0.06 432	0.09 496	0.12 615	0.08 455	0.07 405

GwcNet-RSSM	0.14 446	0.07 242	0.12 305	0.15 125	0.08 225	0.15 434	0.20 564	0.21 377	0.27 507	0.18 480	0.27 531	0.22 507	0.16 501	0.14 390	0.15 482	0.10 536	0.05 278	0.07 315	0.09 518	0.07 386	0.07 405

CFNet-ft	0.14 446	0.07 242	0.15 446	0.12 7	0.09 360	0.16 466	0.18 500	0.22 403	0.24 461	0.17 450	0.26 522	0.24 531	0.14 455	0.16 452	0.14 450	0.11 568	0.06 432	0.08 410	0.09 518	0.09 520	0.08 476

CCAANet	0.14 446	0.06 118	0.14 397	0.17 311	0.09 360	0.16 466	0.13 178	0.30 556	0.24 461	0.16 431	0.32 577	0.18 453	0.17 524	0.17 486	0.14 450	0.06 169	0.05 278	0.09 496	0.09 518	0.06 298	0.09 522

DMCA	0.14 446	0.09 445	0.16 482	0.19 476	0.09 360	0.15 434	0.17 451	0.23 426	0.27 507	0.14 375	0.19 407	0.17 439	0.18 539	0.15 417	0.17 513	0.10 536	0.06 432	0.08 410	0.06 295	0.09 520	0.10 553

RASNet	0.14 446	0.07 242	0.14 397	0.16 225	0.08 225	0.18 508	0.14 247	0.29 542	0.20 402	0.17 450	0.25 505	0.21 489	0.18 539	0.20 549	0.19 544	0.07 347	0.06 432	0.06 202	0.08 471	0.06 298	0.06 315

MSMDNet	0.14 446	0.08 362	0.15 446	0.17 311	0.09 360	0.14 407	0.14 247	0.29 542	0.36 586	0.14 375	0.21 443	0.21 489	0.12 389	0.17 486	0.14 450	0.07 347	0.05 278	0.07 315	0.07 395	0.07 386	0.07 405

HSM-Net_RVC	0.14 446	0.08 362	0.11 257	0.15 125	0.08 225	0.15 434	0.15 335	0.27 508	0.29 529	0.19 497	0.21 443	0.29 582	0.14 455	0.17 486	0.13 407	0.06 169	0.06 432	0.06 202	0.06 295	0.07 386	0.06 315
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 446	0.07 242	0.15 446	0.12 7	0.09 360	0.16 466	0.18 500	0.22 403	0.24 461	0.17 450	0.26 522	0.24 531	0.14 455	0.16 452	0.14 450	0.11 568	0.06 432	0.08 410	0.09 518	0.09 520	0.08 476

ccs_rob	0.14 446	0.08 362	0.15 446	0.16 225	0.09 360	0.12 314	0.14 247	0.27 508	0.34 573	0.14 375	0.21 443	0.22 507	0.13 431	0.18 509	0.14 450	0.07 347	0.05 278	0.08 410	0.07 395	0.07 386	0.07 405

UCFNet_RVC	0.14 446	0.08 362	0.13 358	0.11 1	0.10 474	0.20 549	0.10 35	0.24 450	0.22 432	0.17 450	0.20 419	0.23 525	0.15 473	0.17 486	0.15 482	0.12 593	0.07 505	0.10 545	0.13 626	0.11 576	0.10 553

iResNetv2_ROB	0.14 446	0.08 362	0.15 446	0.16 225	0.08 225	0.16 466	0.12 100	0.25 469	0.35 582	0.21 535	0.29 557	0.24 531	0.13 431	0.14 390	0.14 450	0.06 169	0.05 278	0.06 202	0.04 61	0.09 520	0.08 476

iResNet_ROB	0.14 446	0.07 242	0.13 358	0.14 71	0.07 136	0.18 508	0.14 247	0.26 487	0.31 547	0.22 551	0.25 505	0.23 525	0.15 473	0.15 417	0.13 407	0.07 347	0.05 278	0.05 51	0.04 61	0.08 455	0.08 476

DDVS	0.15 491	0.10 508	0.21 571	0.16 225	0.12 559	0.15 434	0.14 247	0.25 469	0.19 378	0.18 480	0.29 557	0.27 563	0.12 389	0.19 524	0.15 482	0.09 492	0.06 432	0.09 496	0.07 395	0.11 576	0.11 580

rvit_0105_3	0.15 491	0.09 445	0.14 397	0.19 476	0.12 559	0.15 434	0.25 635	0.25 469	0.29 529	0.15 402	0.17 368	0.20 480	0.13 431	0.17 486	0.14 450	0.13 619	0.11 607	0.12 596	0.14 630	0.07 386	0.06 315

ACV-stereo	0.15 491	0.10 508	0.28 610	0.18 404	0.12 559	0.14 407	0.12 100	0.23 426	0.21 418	0.19 497	0.23 464	0.22 507	0.15 473	0.23 590	0.17 513	0.07 347	0.06 432	0.07 315	0.07 395	0.07 386	0.07 405

ITSA-stereo	0.15 491	0.10 508	0.14 397	0.19 476	0.08 225	0.12 314	0.14 247	0.30 556	0.49 647	0.17 450	0.19 407	0.22 507	0.15 473	0.17 486	0.16 498	0.10 536	0.06 432	0.08 410	0.08 471	0.08 455	0.08 476

test_sample7	0.15 491	0.10 508	0.16 482	0.14 71	0.11 525	0.16 466	0.16 407	0.27 508	0.23 444	0.20 520	0.20 419	0.24 531	0.19 555	0.16 452	0.16 498	0.12 593	0.06 432	0.10 545	0.09 518	0.10 553	0.10 553

1111x	0.15 491	0.08 362	0.12 305	0.18 404	0.07 136	0.18 508	0.25 635	0.31 568	0.24 461	0.17 450	0.24 477	0.26 555	0.15 473	0.13 356	0.23 591	0.07 347	0.07 505	0.08 410	0.09 518	0.07 386	0.06 315

CFNet_ucs	0.15 491	0.08 362	0.16 482	0.16 225	0.11 525	0.14 407	0.14 247	0.30 556	0.34 573	0.16 431	0.24 477	0.23 525	0.14 455	0.18 509	0.15 482	0.09 492	0.06 432	0.08 410	0.07 395	0.09 520	0.09 522

BSDual-CNN	0.15 491	0.09 445	0.14 397	0.22 594	0.10 474	0.14 407	0.15 335	0.34 608	0.19 378	0.17 450	0.22 455	0.25 545	0.16 501	0.15 417	0.14 450	0.08 430	0.06 432	0.10 545	0.09 518	0.07 386	0.07 405

hknet	0.15 491	0.11 535	0.13 358	0.22 594	0.11 525	0.14 407	0.15 335	0.34 608	0.25 483	0.17 450	0.22 455	0.22 507	0.18 539	0.17 486	0.12 359	0.07 347	0.06 432	0.10 545	0.09 518	0.07 386	0.07 405

dd	0.15 491	0.16 611	0.16 482	0.19 476	0.09 360	0.15 434	0.18 500	0.21 377	0.25 483	0.23 564	0.20 419	0.21 489	0.09 275	0.21 566	0.16 498	0.10 536	0.06 432	0.08 410	0.06 295	0.08 455	0.06 315

DAS	0.15 491	0.08 362	0.18 537	0.19 476	0.10 474	0.19 533	0.17 451	0.27 508	0.29 529	0.18 480	0.25 505	0.21 489	0.15 473	0.16 452	0.12 359	0.08 430	0.06 432	0.06 202	0.06 295	0.07 386	0.07 405

SepStereo	0.15 491	0.08 362	0.18 537	0.19 476	0.10 474	0.19 533	0.17 451	0.27 508	0.29 529	0.18 480	0.25 505	0.21 489	0.15 473	0.25 606	0.12 359	0.08 430	0.06 432	0.06 202	0.06 295	0.07 386	0.07 405

PSMNet-ADL	0.15 491	0.12 553	0.13 358	0.22 594	0.09 360	0.13 370	0.20 564	0.26 487	0.23 444	0.18 480	0.20 419	0.24 531	0.16 501	0.18 509	0.17 513	0.08 430	0.08 538	0.08 410	0.11 594	0.08 455	0.07 405

LMCR-Stereo	0.15 491	0.08 362	0.13 358	0.21 577	0.09 360	0.17 489	0.20 564	0.27 508	0.19 378	0.24 573	0.24 477	0.23 525	0.17 524	0.20 549	0.17 513	0.07 347	0.06 432	0.08 410	0.06 295	0.10 553	0.08 476

ICVP	0.15 491	0.09 445	0.12 305	0.22 594	0.09 360	0.17 489	0.21 585	0.25 469	0.23 444	0.18 480	0.30 564	0.26 555	0.18 539	0.17 486	0.14 450	0.09 492	0.07 505	0.08 410	0.07 395	0.07 386	0.07 405
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 491	0.07 242	0.14 397	0.14 71	0.08 225	0.23 592	0.18 500	0.31 568	0.19 378	0.14 375	0.28 545	0.22 507	0.14 455	0.15 417	0.26 625	0.09 492	0.05 278	0.07 315	0.07 395	0.08 455	0.07 405

test_xeample	0.15 491	0.06 118	0.13 358	0.14 71	0.08 225	0.21 567	0.20 564	0.28 528	0.20 402	0.16 431	0.29 557	0.19 468	0.16 501	0.15 417	0.26 625	0.09 492	0.05 278	0.07 315	0.07 395	0.07 386	0.07 405

ACVNet	0.15 491	0.09 445	0.15 446	0.13 22	0.12 559	0.14 407	0.20 564	0.22 403	0.33 561	0.17 450	0.26 522	0.21 489	0.16 501	0.17 486	0.21 570	0.07 347	0.06 432	0.06 202	0.06 295	0.08 455	0.06 315

acv_ft	0.15 491	0.09 445	0.15 446	0.19 476	0.10 474	0.16 466	0.17 451	0.25 469	0.33 561	0.19 497	0.26 522	0.21 489	0.17 524	0.17 486	0.18 531	0.07 347	0.06 432	0.06 202	0.06 295	0.08 455	0.06 315

CFNet	0.15 491	0.10 508	0.17 513	0.17 311	0.08 225	0.18 508	0.09 20	0.28 528	0.25 483	0.19 497	0.24 477	0.24 531	0.17 524	0.17 486	0.14 450	0.08 430	0.06 432	0.09 496	0.10 560	0.07 386	0.06 315

AdaStereo	0.15 491	0.11 535	0.15 446	0.18 404	0.09 360	0.20 549	0.11 64	0.32 579	0.28 522	0.20 520	0.23 464	0.20 480	0.13 431	0.19 524	0.14 450	0.12 593	0.05 278	0.10 545	0.07 395	0.09 520	0.07 405
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	0.15 491	0.08 362	0.14 397	0.16 225	0.09 360	0.16 466	0.14 247	0.28 528	0.25 483	0.19 497	0.23 464	0.37 636	0.16 501	0.20 549	0.15 482	0.07 347	0.05 278	0.07 315	0.06 295	0.07 386	0.06 315

pmcnn	0.15 491	0.07 242	0.19 549	0.15 125	0.07 136	0.20 549	0.15 335	0.24 450	0.26 497	0.21 535	0.34 594	0.28 573	0.18 539	0.18 509	0.17 513	0.07 347	0.05 278	0.05 51	0.04 61	0.07 386	0.06 315

DStereoRT	0.16 514	0.06 118	0.11 257	0.19 476	0.09 360	0.12 314	0.12 100	0.28 528	0.22 432	0.12 314	0.20 419	0.11 295	0.10 319	0.15 417	0.14 450	0.06 169	0.05 278	0.96 715	0.09 518	0.05 173	0.04 76

DualNet (step1)	0.16 514	0.12 553	0.20 561	0.12 7	0.14 603	0.17 489	0.13 178	0.27 508	0.23 444	0.20 520	0.20 419	0.24 531	0.19 555	0.16 452	0.16 498	0.15 637	0.06 432	0.14 625	0.14 630	0.14 625	0.12 593

GMStereo_Zeroshot	0.16 514	0.13 581	0.24 590	0.20 543	0.10 474	0.17 489	0.13 178	0.29 542	0.25 483	0.23 564	0.32 577	0.25 545	0.11 356	0.19 524	0.14 450	0.09 492	0.06 432	0.11 576	0.06 295	0.12 591	0.08 476

iinet-f	0.16 514	0.06 118	0.45 655	0.14 71	0.10 474	0.21 567	0.14 247	0.27 508	0.23 444	0.21 535	0.24 477	0.21 489	0.15 473	0.18 509	0.21 570	0.09 492	0.07 505	0.07 315	0.06 295	0.09 520	0.10 553

CRFU-Net	0.16 514	0.08 362	0.14 397	0.17 311	0.09 360	0.19 533	0.14 247	0.26 487	0.20 402	0.28 613	0.27 531	0.29 582	0.17 524	0.19 524	0.17 513	0.09 492	0.09 572	0.07 315	0.07 395	0.08 455	0.08 476

NINENet	0.16 514	0.10 508	0.15 446	0.17 311	0.11 525	0.19 533	0.14 247	0.40 652	0.36 586	0.18 480	0.21 443	0.16 417	0.13 431	0.15 417	0.13 407	0.08 430	0.08 538	0.10 545	0.07 395	0.10 553	0.09 522

CSP-Net	0.16 514	0.09 445	0.14 397	0.16 225	0.09 360	0.19 533	0.17 451	0.25 469	0.32 554	0.25 586	0.30 564	0.24 531	0.15 473	0.21 566	0.18 531	0.09 492	0.06 432	0.07 315	0.07 395	0.08 455	0.07 405

AASNet	0.16 514	0.08 362	0.12 305	0.19 476	0.09 360	0.18 508	0.15 335	0.37 636	0.37 593	0.19 497	0.23 464	0.20 480	0.16 501	0.17 486	0.20 550	0.10 536	0.08 538	0.08 410	0.07 395	0.09 520	0.09 522

AACVNet	0.16 514	0.08 362	0.14 397	0.15 125	0.10 474	0.18 508	0.15 335	0.23 426	0.24 461	0.27 598	0.27 531	0.28 573	0.17 524	0.19 524	0.16 498	0.09 492	0.07 505	0.09 496	0.07 395	0.10 553	0.09 522

ADLNet2	0.16 514	0.09 445	0.13 358	0.16 225	0.09 360	0.20 549	0.16 407	0.31 568	0.39 604	0.16 431	0.20 419	0.20 480	0.18 539	0.21 566	0.22 579	0.08 430	0.06 432	0.07 315	0.07 395	0.09 520	0.07 405

Anonymous3	0.16 514	0.13 581	0.33 630	0.26 643	0.14 603	0.27 628	0.17 451	0.28 528	0.28 522	0.15 402	0.17 368	0.14 373	0.10 319	0.15 417	0.12 359	0.08 430	0.08 538	0.08 410	0.08 471	0.08 455	0.11 580

ADLNet	0.16 514	0.08 362	0.15 446	0.16 225	0.10 474	0.16 466	0.17 451	0.32 579	0.27 507	0.22 551	0.27 531	0.24 531	0.16 501	0.18 509	0.21 570	0.10 536	0.06 432	0.10 545	0.10 560	0.08 455	0.09 522

HCRNet	0.16 514	0.24 659	0.12 305	0.35 677	0.11 525	0.15 434	0.17 451	0.26 487	0.22 432	0.19 497	0.24 477	0.21 489	0.14 455	0.15 417	0.13 407	0.11 568	0.07 505	0.11 576	0.10 560	0.09 520	0.07 405

222	0.16 514	0.07 242	0.14 397	0.14 71	0.08 225	0.24 597	0.18 500	0.30 556	0.20 402	0.17 450	0.28 545	0.17 439	0.16 501	0.15 417	0.40 681	0.10 536	0.05 278	0.07 315	0.06 295	0.07 386	0.08 476

UPFNet	0.16 514	0.08 362	0.12 305	0.20 543	0.12 559	0.20 549	0.23 606	0.28 528	0.26 497	0.17 450	0.24 477	0.22 507	0.19 555	0.19 524	0.21 570	0.09 492	0.07 505	0.08 410	0.09 518	0.08 455	0.06 315

ac_64	0.16 514	0.08 362	0.15 446	0.18 404	0.10 474	0.22 576	0.18 500	0.24 450	0.21 418	0.18 480	0.24 477	0.29 582	0.18 539	0.19 524	0.22 579	0.09 492	0.07 505	0.08 410	0.09 518	0.07 386	0.06 315

DSFCA	0.16 514	0.09 445	0.14 397	0.16 225	0.10 474	0.20 549	0.19 540	0.28 528	0.31 547	0.23 564	0.24 477	0.22 507	0.15 473	0.19 524	0.20 550	0.10 536	0.07 505	0.09 496	0.09 518	0.08 455	0.08 476

FADNet-RVC-Resample	0.16 514	0.11 535	0.31 623	0.22 594	0.11 525	0.19 533	0.14 247	0.25 469	0.24 461	0.24 573	0.27 531	0.20 480	0.15 473	0.16 452	0.15 482	0.07 347	0.08 538	0.12 596	0.10 560	0.09 520	0.10 553

FADNet_RVC	0.16 514	0.14 593	0.40 648	0.20 543	0.11 525	0.13 370	0.13 178	0.26 487	0.22 432	0.21 535	0.23 464	0.20 480	0.17 524	0.14 390	0.16 498	0.08 430	0.08 538	0.12 596	0.09 518	0.11 576	0.10 553

AANet_RVC	0.16 514	0.10 508	0.10 193	0.18 404	0.09 360	0.18 508	0.19 540	0.26 487	0.31 547	0.22 551	0.35 598	0.21 489	0.21 571	0.22 579	0.16 498	0.06 169	0.05 278	0.06 202	0.06 295	0.07 386	0.06 315

DeepPruner_ROB	0.16 514	0.11 535	0.15 446	0.17 311	0.10 474	0.17 489	0.15 335	0.32 579	0.21 418	0.19 497	0.21 443	0.22 507	0.18 539	0.20 549	0.15 482	0.13 619	0.09 572	0.09 496	0.09 518	0.11 576	0.10 553

z-ln-s-r	0.17 535	0.10 508	0.40 648	0.19 476	0.08 225	0.17 489	0.18 500	0.22 403	0.33 561	0.18 480	0.40 627	0.22 507	0.17 524	0.20 549	0.23 591	0.07 347	0.05 278	0.07 315	0.07 395	0.07 386	0.05 211

rvit_stereo_0075_2	0.17 535	0.12 553	0.25 595	0.23 618	0.16 634	0.13 370	0.10 35	0.30 556	0.27 507	0.20 520	0.28 545	0.22 507	0.15 473	0.18 509	0.13 407	0.16 653	0.10 594	0.17 649	0.10 560	0.10 553	0.09 522

ToySt	0.17 535	0.11 535	0.18 537	0.17 311	0.11 525	0.16 466	0.25 635	0.24 450	0.33 561	0.19 497	0.24 477	0.26 555	0.24 594	0.19 524	0.20 550	0.07 347	0.08 538	0.09 496	0.10 560	0.09 520	0.08 476

ssnet_v2	0.17 535	0.10 508	0.17 513	0.17 311	0.11 525	0.21 567	0.21 585	0.33 599	0.25 483	0.22 551	0.22 455	0.27 563	0.18 539	0.22 579	0.20 550	0.11 568	0.09 572	0.09 496	0.09 518	0.08 455	0.08 476

dad	0.17 535	0.20 643	0.20 561	0.16 225	0.11 525	0.20 549	0.18 500	0.21 377	0.28 522	0.30 627	0.24 477	0.29 582	0.13 431	0.19 524	0.16 498	0.18 659	0.09 572	0.11 576	0.09 518	0.11 576	0.07 405

GEStereo_RVC	0.17 535	0.12 553	0.15 446	0.22 594	0.11 525	0.19 533	0.17 451	0.32 579	0.48 640	0.20 520	0.25 505	0.17 439	0.13 431	0.21 566	0.16 498	0.10 536	0.06 432	0.08 410	0.07 395	0.09 520	0.08 476

MMNet	0.17 535	0.09 445	0.16 482	0.20 543	0.11 525	0.27 628	0.20 564	0.25 469	0.41 613	0.22 551	0.30 564	0.21 489	0.20 567	0.17 486	0.20 550	0.06 169	0.06 432	0.07 315	0.07 395	0.08 455	0.07 405

delet	0.17 535	0.08 362	0.17 513	0.19 476	0.11 525	0.20 549	0.21 585	0.30 556	0.37 593	0.17 450	0.26 522	0.19 468	0.19 555	0.19 524	0.21 570	0.08 430	0.08 538	0.09 496	0.11 594	0.06 298	0.06 315

UNet	0.17 535	0.09 445	0.18 537	0.19 476	0.12 559	0.27 628	0.19 540	0.33 599	0.29 529	0.21 535	0.24 477	0.23 525	0.19 555	0.19 524	0.18 531	0.07 347	0.06 432	0.08 410	0.07 395	0.08 455	0.06 315

HGLStereo	0.17 535	0.08 362	0.19 549	0.17 311	0.12 559	0.18 508	0.18 500	0.31 568	0.32 554	0.21 535	0.32 577	0.25 545	0.18 539	0.19 524	0.20 550	0.09 492	0.09 572	0.07 315	0.07 395	0.09 520	0.10 553

DMCA-RVC	0.17 535	0.10 508	0.15 446	0.24 627	0.11 525	0.18 508	0.18 500	0.25 469	0.24 461	0.21 535	0.26 522	0.25 545	0.27 617	0.18 509	0.20 550	0.12 593	0.08 538	0.13 611	0.10 560	0.10 553	0.08 476

TDLM	0.17 535	0.12 553	0.13 358	0.24 627	0.10 474	0.18 508	0.18 500	0.36 630	0.30 539	0.21 535	0.28 545	0.28 573	0.18 539	0.23 590	0.18 531	0.11 568	0.07 505	0.10 545	0.10 560	0.08 455	0.08 476

NLCA_NET_v2_RVC	0.17 535	0.10 508	0.22 577	0.20 543	0.10 474	0.15 434	0.18 500	0.31 568	0.25 483	0.21 535	0.30 564	0.25 545	0.17 524	0.21 566	0.20 550	0.09 492	0.06 432	0.08 410	0.08 471	0.07 386	0.08 476
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	0.17 535	0.12 553	0.15 446	0.20 543	0.09 360	0.18 508	0.18 500	0.26 487	0.23 444	0.26 592	0.40 627	0.22 507	0.17 524	0.21 566	0.20 550	0.08 430	0.05 278	0.09 496	0.10 560	0.07 386	0.07 405
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 549	0.08 362	0.19 549	0.19 476	0.13 582	0.15 434	0.12 100	0.30 556	0.32 554	0.21 535	0.25 505	0.27 563	0.17 524	0.17 486	0.20 550	0.20 668	0.08 538	0.14 625	0.14 630	0.14 625	0.17 660

test_sample9	0.18 549	0.12 553	0.20 561	0.12 7	0.14 603	0.17 489	0.13 178	0.27 508	0.23 444	0.20 520	0.20 419	0.24 531	0.19 555	0.19 524	0.17 513	0.15 637	0.30 690	0.14 625	0.14 630	0.14 625	0.12 593

fast-acv-ft	0.18 549	0.11 535	0.19 549	0.19 476	0.12 559	0.24 597	0.21 585	0.25 469	0.34 573	0.22 551	0.34 594	0.27 563	0.20 567	0.21 566	0.23 591	0.09 492	0.09 572	0.08 410	0.10 560	0.08 455	0.07 405

HBP-ISP	0.18 549	0.13 581	0.16 482	0.15 125	0.11 525	0.08 85	0.13 178	0.28 528	0.29 529	0.22 551	0.33 590	0.21 489	0.25 603	0.23 590	0.17 513	0.14 633	0.16 658	0.21 663	0.17 659	0.10 553	0.08 476

Wz-Net-LNSev-Ref	0.18 549	0.09 445	0.29 618	0.15 125	0.10 474	0.22 576	0.20 564	0.26 487	0.39 604	0.25 586	0.42 644	0.24 531	0.15 473	0.20 549	0.19 544	0.07 347	0.05 278	0.06 202	0.05 194	0.10 553	0.09 522

SACVNet	0.18 549	0.12 553	0.14 397	0.17 311	0.13 582	0.22 576	0.18 500	0.31 568	0.30 539	0.23 564	0.31 573	0.30 592	0.22 580	0.22 579	0.17 513	0.11 568	0.08 538	0.10 545	0.10 560	0.12 591	0.14 633

psm_up	0.18 549	0.10 508	0.18 537	0.20 543	0.11 525	0.17 489	0.19 540	0.37 636	0.34 573	0.21 535	0.28 545	0.29 582	0.24 594	0.20 549	0.22 579	0.09 492	0.10 594	0.11 576	0.11 594	0.08 455	0.08 476

hitnet-ft	0.18 549	0.09 445	0.17 513	0.14 71	0.09 360	0.26 618	0.20 564	0.25 469	0.26 497	0.24 573	0.32 577	0.31 605	0.22 580	0.24 600	0.21 570	0.12 593	0.07 505	0.10 545	0.08 471	0.12 591	0.11 580

STTStereo	0.18 549	0.12 553	0.27 605	0.20 543	0.11 525	0.16 466	0.21 585	0.29 542	0.23 444	0.21 535	0.30 564	0.29 582	0.18 539	0.20 549	0.19 544	0.12 593	0.11 607	0.11 576	0.14 630	0.09 520	0.08 476

CVANet_RVC	0.18 549	0.10 508	0.14 397	0.21 577	0.10 474	0.18 508	0.17 451	0.34 608	0.33 561	0.22 551	0.31 573	0.28 573	0.18 539	0.23 590	0.17 513	0.12 593	0.08 538	0.12 596	0.11 594	0.09 520	0.07 405

StereoDRNet	0.18 549	0.11 535	0.17 513	0.22 594	0.11 525	0.21 567	0.22 595	0.37 636	0.33 561	0.24 573	0.28 545	0.30 592	0.19 555	0.20 549	0.20 550	0.09 492	0.08 538	0.11 576	0.09 518	0.09 520	0.07 405

DLCB_ROB	0.18 549	0.10 508	0.15 446	0.23 618	0.11 525	0.24 597	0.18 500	0.29 542	0.28 522	0.27 598	0.28 545	0.28 573	0.24 594	0.19 524	0.20 550	0.08 430	0.08 538	0.09 496	0.09 518	0.07 386	0.07 405

TCMNet	0.19 561	0.12 553	0.19 549	0.20 543	0.18 656	0.20 549	0.24 620	0.27 508	0.36 586	0.23 564	0.26 522	0.25 545	0.19 555	0.19 524	0.23 591	0.13 619	0.11 607	0.11 576	0.12 615	0.13 611	0.12 593

rvit_105_1	0.19 561	0.11 535	0.25 595	0.21 577	0.16 634	0.21 567	0.27 651	0.31 568	0.41 613	0.19 497	0.20 419	0.22 507	0.17 524	0.19 524	0.17 513	0.12 593	0.12 623	0.13 611	0.15 647	0.08 455	0.07 405

test_sample8	0.19 561	0.12 553	0.20 561	0.12 7	0.14 603	0.17 489	0.13 178	0.31 568	0.21 418	0.27 598	0.22 455	0.36 631	0.25 603	0.19 524	0.17 513	0.15 637	0.30 690	0.14 625	0.14 630	0.14 625	0.12 593

SDNR	0.19 561	0.08 362	0.19 549	0.16 225	0.12 559	0.77 703	0.14 247	0.25 469	0.32 554	0.19 497	0.24 477	0.19 468	0.13 431	0.19 524	0.15 482	0.16 653	0.18 665	0.14 625	0.11 594	0.08 455	0.11 580

pcwnet_v2	0.19 561	0.10 508	0.26 598	0.17 311	0.14 603	0.18 508	0.15 335	0.37 636	0.46 638	0.19 497	0.24 477	0.21 489	0.19 555	0.20 549	0.19 544	0.13 619	0.10 594	0.10 545	0.10 560	0.11 576	0.13 616

ADCRef	0.19 561	0.12 553	0.41 651	0.20 543	0.12 559	0.22 576	0.18 500	0.32 579	0.36 586	0.26 592	0.32 577	0.17 439	0.23 588	0.24 600	0.24 604	0.07 347	0.06 432	0.09 496	0.09 518	0.08 455	0.08 476

NVstereo2D	0.19 561	0.10 508	0.15 446	0.17 311	0.15 623	0.28 635	0.23 606	0.44 669	0.42 621	0.15 402	0.27 531	0.25 545	0.19 555	0.22 579	0.17 513	0.09 492	0.06 432	0.10 545	0.08 471	0.15 641	0.09 522

DRN-Test	0.19 561	0.11 535	0.20 561	0.22 594	0.10 474	0.22 576	0.22 595	0.39 648	0.37 593	0.24 573	0.32 577	0.26 555	0.21 571	0.22 579	0.24 604	0.11 568	0.07 505	0.11 576	0.10 560	0.09 520	0.07 405

DISCO	0.19 561	0.09 445	0.22 577	0.17 311	0.10 474	0.25 608	0.18 500	0.27 508	0.44 631	0.22 551	0.31 573	0.33 618	0.26 609	0.28 623	0.28 641	0.08 430	0.06 432	0.07 315	0.07 395	0.09 520	0.09 522

CBMV_ROB	0.19 561	0.13 581	0.17 513	0.16 225	0.11 525	0.15 434	0.13 178	0.26 487	0.28 522	0.27 598	0.30 564	0.27 563	0.24 594	0.23 590	0.16 498	0.15 637	0.17 663	0.22 667	0.20 665	0.10 553	0.11 580

NOSS_ROB	0.19 561	0.12 553	0.18 537	0.16 225	0.12 559	0.15 434	0.12 100	0.30 556	0.32 554	0.20 520	0.22 455	0.27 563	0.23 588	0.21 566	0.16 498	0.16 653	0.18 665	0.23 668	0.21 667	0.12 591	0.13 616

CBMV	0.19 561	0.14 593	0.17 513	0.18 404	0.10 474	0.20 549	0.11 64	0.29 542	0.30 539	0.29 622	0.30 564	0.30 592	0.23 588	0.27 611	0.19 544	0.13 619	0.15 654	0.17 649	0.16 652	0.10 553	0.10 553
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PStereo	0.20 573	0.22 653	0.20 561	0.17 311	0.10 474	0.13 370	0.20 564	0.27 508	0.38 600	0.20 520	0.14 310	0.28 573	0.31 644	0.24 600	0.31 659	0.18 659	0.13 638	0.15 638	0.11 594	0.12 591	0.12 593

w-ln-seven-2	0.20 573	0.14 593	0.37 643	0.22 594	0.12 559	0.20 549	0.21 585	0.28 528	0.37 593	0.25 586	0.37 607	0.27 563	0.22 580	0.21 566	0.23 591	0.08 430	0.08 538	0.09 496	0.09 518	0.10 553	0.09 522

YMNet	0.20 573	0.12 553	0.19 549	0.20 543	0.14 603	0.26 618	0.23 606	0.32 579	0.34 573	0.27 598	0.34 594	0.30 592	0.18 539	0.18 509	0.22 579	0.10 536	0.13 638	0.10 545	0.10 560	0.08 455	0.09 522

YMNet_1	0.20 573	0.12 553	0.19 549	0.20 543	0.14 603	0.26 618	0.23 606	0.32 579	0.34 573	0.27 598	0.34 594	0.30 592	0.18 539	0.18 509	0.22 579	0.10 536	0.13 638	0.10 545	0.10 560	0.08 455	0.09 522

GwcNet	0.20 573	0.13 581	0.19 549	0.18 404	0.12 559	0.24 597	0.19 540	0.35 623	0.43 626	0.20 520	0.32 577	0.33 618	0.20 567	0.22 579	0.24 604	0.11 568	0.09 572	0.09 496	0.09 518	0.09 520	0.10 553

FAT-Stereo	0.20 573	0.12 553	0.22 577	0.21 577	0.12 559	0.17 489	0.18 500	0.34 608	0.39 604	0.27 598	0.37 607	0.34 625	0.32 649	0.21 566	0.20 550	0.09 492	0.11 607	0.10 545	0.09 518	0.11 576	0.14 633

FADNet-RVC	0.20 573	0.20 643	0.38 645	0.21 577	0.16 634	0.20 549	0.15 335	0.26 487	0.26 497	0.26 592	0.32 577	0.26 555	0.21 571	0.22 579	0.19 544	0.12 593	0.13 638	0.12 596	0.14 630	0.13 611	0.18 663

S-Stereo	0.20 573	0.12 553	0.25 595	0.21 577	0.13 582	0.20 549	0.18 500	0.32 579	0.43 626	0.23 564	0.36 601	0.28 573	0.30 640	0.19 524	0.22 579	0.09 492	0.12 623	0.10 545	0.10 560	0.13 611	0.13 616

SuperB	0.20 573	0.10 508	0.56 671	0.16 225	0.09 360	0.18 508	0.18 500	0.24 450	0.50 650	0.26 592	0.39 621	0.17 439	0.21 571	0.22 579	0.21 570	0.08 430	0.06 432	0.06 202	0.06 295	0.12 591	0.10 553

ADCP+	0.20 573	0.10 508	0.33 630	0.20 543	0.12 559	0.22 576	0.26 644	0.31 568	0.34 573	0.26 592	0.37 607	0.22 507	0.22 580	0.27 611	0.27 633	0.09 492	0.06 432	0.08 410	0.08 471	0.09 520	0.10 553

PS-NSSS	0.20 573	0.21 649	0.23 586	0.20 543	0.10 474	0.19 533	0.17 451	0.36 630	0.25 483	0.27 598	0.33 590	0.27 563	0.24 594	0.20 549	0.20 550	0.15 637	0.12 623	0.17 649	0.14 630	0.10 553	0.08 476

PWCDC_ROB	0.20 573	0.13 581	0.22 577	0.24 627	0.11 525	0.19 533	0.15 335	0.33 599	0.54 660	0.29 622	0.50 660	0.21 489	0.15 473	0.27 611	0.20 550	0.11 568	0.09 572	0.10 545	0.08 471	0.11 576	0.09 522

SGM-Forest	0.20 573	0.14 593	0.18 537	0.19 476	0.13 582	0.20 549	0.22 595	0.33 599	0.30 539	0.24 573	0.29 557	0.28 573	0.19 555	0.23 590	0.17 513	0.15 637	0.16 658	0.15 638	0.14 630	0.12 591	0.12 593
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 586	0.17 622	0.19 549	0.23 618	0.15 623	0.30 642	0.20 564	0.33 599	0.35 582	0.23 564	0.28 545	0.31 605	0.27 617	0.20 549	0.22 579	0.15 637	0.12 623	0.13 611	0.09 518	0.14 625	0.14 633

FINET	0.21 586	0.18 633	0.26 598	0.18 404	0.16 634	0.23 592	0.23 606	0.32 579	0.48 640	0.25 586	0.32 577	0.22 507	0.22 580	0.22 579	0.17 513	0.18 659	0.16 658	0.11 576	0.10 560	0.15 641	0.13 616

Syn2CoEx	0.21 586	0.16 611	0.27 605	0.29 668	0.14 603	0.26 618	0.20 564	0.33 599	0.31 547	0.28 613	0.36 601	0.27 563	0.25 603	0.19 524	0.24 604	0.16 653	0.12 623	0.14 625	0.11 594	0.09 520	0.08 476

FADNet	0.21 586	0.22 653	0.36 639	0.18 404	0.17 649	0.24 597	0.13 178	0.31 568	0.31 547	0.23 564	0.25 505	0.27 563	0.21 571	0.19 524	0.15 482	0.13 619	0.15 654	0.12 596	0.15 647	0.16 650	0.18 663

RP	0.21 586	0.13 581	0.21 571	0.23 618	0.11 525	0.21 567	0.20 564	0.25 469	0.44 631	0.21 535	0.38 613	0.36 631	0.24 594	0.27 611	0.25 614	0.11 568	0.12 623	0.13 611	0.12 615	0.12 591	0.14 633

DANet	0.21 586	0.15 603	0.28 610	0.25 638	0.13 582	0.22 576	0.19 540	0.27 508	0.27 507	0.28 613	0.32 577	0.35 629	0.31 644	0.31 633	0.23 591	0.11 568	0.09 572	0.11 576	0.10 560	0.13 611	0.11 580
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 586	0.12 553	0.21 571	0.24 627	0.13 582	0.22 576	0.22 595	0.41 658	0.26 497	0.31 633	0.42 644	0.37 636	0.28 628	0.23 590	0.22 579	0.10 536	0.12 623	0.10 545	0.09 518	0.10 553	0.08 476

PWC_ROB	0.21 586	0.16 611	0.26 598	0.18 404	0.11 525	0.22 576	0.13 178	0.32 579	0.49 647	0.30 627	0.40 627	0.32 614	0.24 594	0.31 633	0.22 579	0.10 536	0.07 505	0.11 576	0.08 471	0.11 576	0.10 553

PSMNet_ROB	0.21 586	0.11 535	0.15 446	0.27 656	0.15 623	0.24 597	0.35 684	0.43 667	0.37 593	0.27 598	0.32 577	0.32 614	0.22 580	0.21 566	0.26 625	0.12 593	0.08 538	0.13 611	0.11 594	0.09 520	0.09 522

MSAF-DinoV2	0.22 595	0.11 535	0.23 586	0.17 311	0.10 474	0.27 628	0.16 407	0.37 636	0.55 661	0.21 535	0.27 531	0.47 670	0.27 617	0.35 652	0.39 678	0.09 492	0.06 432	0.07 315	0.09 518	0.12 591	0.10 553

GASNet	0.22 595	0.23 656	0.33 630	0.26 643	0.17 649	0.26 618	0.16 407	0.44 669	0.42 621	0.27 598	0.24 477	0.30 592	0.15 473	0.27 611	0.18 531	0.12 593	0.08 538	0.12 596	0.11 594	0.16 650	0.07 405

Anonymous_2	0.22 595	0.17 622	0.28 610	0.15 125	0.16 634	0.32 644	0.22 595	0.22 403	0.17 326	0.23 564	0.24 477	0.26 555	0.27 617	0.27 611	0.23 591	0.22 677	0.25 686	0.17 649	0.17 659	0.17 658	0.17 660

Wz-Net-LNSev	0.22 595	0.16 611	0.38 645	0.21 577	0.13 582	0.25 608	0.23 606	0.32 579	0.43 626	0.30 627	0.41 638	0.31 605	0.18 539	0.22 579	0.25 614	0.10 536	0.09 572	0.08 410	0.08 471	0.12 591	0.11 580

Wz-Net-MNSev	0.22 595	0.13 581	0.31 623	0.20 543	0.14 603	0.36 663	0.24 620	0.33 599	0.44 631	0.28 613	0.40 627	0.38 640	0.19 555	0.24 600	0.25 614	0.09 492	0.07 505	0.09 496	0.09 518	0.12 591	0.10 553

DDUNet	0.22 595	0.17 622	0.21 571	0.22 594	0.15 623	0.25 608	0.24 620	0.29 542	0.30 539	0.31 633	0.36 601	0.33 618	0.25 603	0.24 600	0.20 550	0.18 659	0.13 638	0.17 649	0.11 594	0.16 650	0.16 651

APVNet	0.22 595	0.12 553	0.19 549	0.18 404	0.14 603	0.32 644	0.31 680	0.39 648	0.32 554	0.27 598	0.40 627	0.30 592	0.29 636	0.26 608	0.25 614	0.11 568	0.12 623	0.11 576	0.14 630	0.12 591	0.12 593

aanetorigin	0.22 595	0.17 622	0.56 671	0.17 311	0.10 474	0.15 434	0.19 540	0.20 350	0.33 561	0.49 675	0.48 655	0.29 582	0.27 617	0.20 549	0.23 591	0.08 430	0.07 505	0.08 410	0.07 395	0.10 553	0.09 522

MaskLacGwcNet_RVC	0.22 595	0.21 649	0.24 590	0.26 643	0.11 525	0.23 592	0.14 247	0.39 648	0.24 461	0.32 639	0.36 601	0.30 592	0.21 571	0.19 524	0.21 570	0.17 658	0.14 648	0.21 663	0.16 652	0.12 591	0.12 593

AF-Net	0.22 595	0.17 622	0.17 513	0.26 643	0.13 582	0.25 608	0.24 620	0.32 579	0.50 650	0.25 586	0.33 590	0.38 640	0.26 609	0.28 623	0.25 614	0.11 568	0.10 594	0.16 646	0.11 594	0.11 576	0.10 553

stereogan	0.22 595	0.11 535	0.21 571	0.20 543	0.12 559	0.31 643	0.19 540	0.35 623	0.44 631	0.22 551	0.39 621	0.35 629	0.27 617	0.33 643	0.22 579	0.10 536	0.12 623	0.10 545	0.10 560	0.14 625	0.13 616

edge stereo	0.22 595	0.13 581	0.20 561	0.21 577	0.13 582	0.23 592	0.16 407	0.32 579	0.42 621	0.32 639	0.40 627	0.38 640	0.35 659	0.25 606	0.24 604	0.13 619	0.11 607	0.14 625	0.11 594	0.12 591	0.13 616

RYNet	0.22 595	0.12 553	0.22 577	0.19 476	0.17 649	0.46 674	0.26 644	0.38 644	0.48 640	0.24 573	0.28 545	0.34 625	0.23 588	0.20 549	0.30 652	0.10 536	0.06 432	0.09 496	0.09 518	0.13 611	0.15 640

NaN_ROB	0.22 595	0.19 637	0.24 590	0.25 638	0.13 582	0.29 639	0.26 644	0.33 599	0.41 613	0.31 633	0.31 573	0.32 614	0.23 588	0.30 632	0.21 570	0.11 568	0.17 663	0.10 545	0.10 560	0.08 455	0.09 522

MDST_ROB	0.22 595	0.10 508	0.17 513	0.18 404	0.11 525	0.37 664	0.19 540	0.43 667	0.41 613	0.39 656	0.39 621	0.29 582	0.21 571	0.26 608	0.18 531	0.11 568	0.10 594	0.14 625	0.11 594	0.10 553	0.08 476

XPNet_ROB	0.22 595	0.11 535	0.19 549	0.22 594	0.13 582	0.22 576	0.19 540	0.34 608	0.40 610	0.30 627	0.39 621	0.39 648	0.26 609	0.26 608	0.28 641	0.15 637	0.10 594	0.10 545	0.10 560	0.13 611	0.12 593

SQANet	0.23 611	0.23 656	0.30 621	0.30 670	0.19 660	0.27 628	0.13 178	0.29 542	0.33 561	0.24 573	0.37 607	0.31 605	0.22 580	0.27 611	0.23 591	0.15 637	0.10 594	0.21 663	0.16 652	0.21 666	0.15 640

Nwc_Net	0.23 611	0.16 611	0.21 571	0.25 638	0.14 603	0.24 597	0.26 644	0.37 636	0.38 600	0.22 551	0.41 638	0.30 592	0.28 628	0.28 623	0.25 614	0.11 568	0.10 594	0.17 649	0.20 665	0.10 553	0.10 553

RTSC	0.23 611	0.12 553	0.28 610	0.21 577	0.13 582	0.28 635	0.16 407	0.35 623	0.66 686	0.27 598	0.33 590	0.30 592	0.21 571	0.31 633	0.29 645	0.10 536	0.08 538	0.09 496	0.10 560	0.13 611	0.13 616

PA-Net	0.23 611	0.18 633	0.33 630	0.28 659	0.22 669	0.21 567	0.38 689	0.29 542	0.39 604	0.22 551	0.32 577	0.25 545	0.26 609	0.20 549	0.25 614	0.09 492	0.23 683	0.15 638	0.22 670	0.09 520	0.13 616
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 611	0.15 603	0.17 513	0.34 675	0.18 656	0.24 597	0.23 606	0.34 608	0.28 522	0.31 633	0.38 613	0.38 640	0.28 628	0.23 590	0.24 604	0.15 637	0.12 623	0.18 658	0.21 667	0.13 611	0.13 616

ETE_ROB	0.23 611	0.17 622	0.22 577	0.25 638	0.13 582	0.26 618	0.29 667	0.31 568	0.36 586	0.28 613	0.36 601	0.45 662	0.26 609	0.27 611	0.26 625	0.11 568	0.08 538	0.12 596	0.09 518	0.14 625	0.13 616

SGM_RVC	0.23 611	0.12 553	0.15 446	0.15 125	0.09 360	0.33 651	0.18 500	0.34 608	0.31 547	0.44 670	0.37 607	0.53 678	0.35 659	0.35 652	0.24 604	0.13 619	0.13 638	0.13 611	0.13 626	0.10 553	0.11 580
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 618	0.18 633	0.18 537	0.20 543	0.14 603	0.21 567	0.19 540	0.32 579	0.41 613	0.29 622	0.21 443	0.32 614	0.27 617	0.41 677	0.27 633	0.46 698	0.12 623	0.31 686	0.11 594	0.15 641	0.12 593

z-mn7	0.24 618	0.14 593	0.45 655	0.19 476	0.13 582	0.28 635	0.25 635	0.34 608	0.62 677	0.27 598	0.56 672	0.29 582	0.24 594	0.32 640	0.25 614	0.08 430	0.08 538	0.08 410	0.08 471	0.10 553	0.10 553

w-ln-seven	0.24 618	0.14 593	0.55 668	0.19 476	0.14 603	0.26 618	0.22 595	0.35 623	0.60 674	0.29 622	0.39 621	0.30 592	0.22 580	0.21 566	0.26 625	0.09 492	0.09 572	0.11 576	0.10 560	0.11 576	0.10 553

DGSMNet	0.24 618	0.19 637	0.33 630	0.21 577	0.24 674	0.24 597	0.20 564	0.35 623	0.41 613	0.24 573	0.32 577	0.38 640	0.21 571	0.29 629	0.23 591	0.12 593	0.11 607	0.14 625	0.16 652	0.23 670	0.23 674

G-Net	0.24 618	0.16 611	0.36 639	0.22 594	0.16 634	0.51 680	0.23 606	0.29 542	0.34 573	0.36 649	0.38 613	0.31 605	0.29 636	0.27 611	0.26 625	0.11 568	0.09 572	0.12 596	0.09 518	0.16 650	0.13 616

NCC-stereo	0.24 618	0.15 603	0.31 623	0.26 643	0.16 634	0.20 549	0.30 674	0.40 652	0.40 610	0.24 573	0.38 613	0.33 618	0.28 628	0.36 658	0.27 633	0.12 593	0.11 607	0.15 638	0.22 670	0.13 611	0.13 616

Abc-Net	0.24 618	0.15 603	0.31 623	0.26 643	0.16 634	0.20 549	0.30 674	0.40 652	0.40 610	0.24 573	0.38 613	0.33 618	0.28 628	0.36 658	0.27 633	0.12 593	0.11 607	0.15 638	0.22 670	0.13 611	0.13 616
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 618	0.11 535	0.47 660	0.22 594	0.12 559	0.34 654	0.29 667	0.29 542	0.56 664	0.24 573	0.46 652	0.30 592	0.30 640	0.29 629	0.29 645	0.08 430	0.07 505	0.09 496	0.09 518	0.10 553	0.10 553

DeepPrunerF	0.24 618	0.17 622	0.42 653	0.26 643	0.16 634	0.22 576	0.28 657	0.37 636	0.50 650	0.26 592	0.29 557	0.24 531	0.28 628	0.21 566	0.22 579	0.15 637	0.11 607	0.20 662	0.18 663	0.12 591	0.13 616

FBW_ROB	0.24 618	0.17 622	0.22 577	0.26 643	0.14 603	0.25 608	0.22 595	0.41 658	0.41 613	0.41 663	0.41 638	0.42 655	0.27 617	0.31 633	0.23 591	0.09 492	0.14 648	0.14 625	0.12 615	0.11 576	0.09 522

SANet	0.24 618	0.14 593	0.28 610	0.21 577	0.11 525	0.27 628	0.24 620	0.38 644	0.64 682	0.36 649	0.40 627	0.43 658	0.26 609	0.27 611	0.24 604	0.12 593	0.09 572	0.10 545	0.09 518	0.13 611	0.11 580

WCMA_ROB	0.24 618	0.11 535	0.22 577	0.17 311	0.14 603	0.32 644	0.15 335	0.32 579	0.32 554	0.38 654	0.53 663	0.40 652	0.34 656	0.34 646	0.25 614	0.11 568	0.12 623	0.12 596	0.10 560	0.14 625	0.14 633

DStereoSA	0.25 630	0.19 637	0.37 643	0.26 643	0.17 649	0.22 576	0.20 564	0.49 679	0.59 670	0.22 551	0.29 557	0.29 582	0.33 651	0.39 669	0.28 641	0.12 593	0.11 607	0.16 646	0.14 630	0.14 625	0.12 593

zh-sn7	0.25 630	0.17 622	0.50 662	0.24 627	0.13 582	0.25 608	0.24 620	0.34 608	0.48 640	0.28 613	0.54 665	0.28 573	0.31 644	0.36 658	0.32 661	0.10 536	0.10 594	0.11 576	0.10 560	0.12 591	0.12 593

zh-mn7	0.25 630	0.14 593	0.56 671	0.19 476	0.14 603	0.24 597	0.22 595	0.34 608	0.62 677	0.35 646	0.65 681	0.31 605	0.25 603	0.31 633	0.25 614	0.09 492	0.08 538	0.09 496	0.09 518	0.09 520	0.11 580

Wz-Net-SNSev	0.25 630	0.17 622	0.44 654	0.25 638	0.14 603	0.26 618	0.23 606	0.38 644	0.56 664	0.30 627	0.55 667	0.39 648	0.26 609	0.23 590	0.30 652	0.10 536	0.09 572	0.09 496	0.10 560	0.11 576	0.11 580

psmorigin	0.25 630	0.15 603	0.34 638	0.17 311	0.13 582	0.23 592	0.14 247	0.34 608	0.33 561	0.41 663	0.55 667	0.41 654	0.37 663	0.34 646	0.27 633	0.11 568	0.15 654	0.11 576	0.11 594	0.12 591	0.16 651

RGC	0.25 630	0.20 643	0.29 618	0.28 659	0.16 634	0.22 576	0.23 606	0.32 579	0.44 631	0.27 598	0.40 627	0.38 640	0.27 617	0.36 658	0.22 579	0.11 568	0.13 638	0.17 649	0.17 659	0.14 625	0.16 651

ADCMid	0.25 630	0.15 603	0.40 648	0.20 543	0.14 603	0.25 608	0.26 644	0.34 608	0.38 600	0.36 649	0.44 649	0.34 625	0.40 670	0.35 652	0.33 666	0.10 536	0.09 572	0.11 576	0.11 594	0.13 611	0.12 593

ADCPNet	0.25 630	0.16 611	0.61 678	0.21 577	0.15 623	0.35 662	0.25 635	0.32 579	0.35 582	0.30 627	0.40 627	0.36 631	0.28 628	0.28 623	0.32 661	0.12 593	0.10 594	0.11 576	0.12 615	0.14 625	0.13 616

LALA_ROB	0.25 630	0.16 611	0.22 577	0.26 643	0.17 649	0.27 628	0.27 651	0.42 663	0.37 593	0.33 643	0.38 613	0.51 674	0.26 609	0.28 623	0.27 633	0.16 653	0.09 572	0.12 596	0.11 594	0.13 611	0.12 593

SHD	0.26 639	0.15 603	0.30 621	0.24 627	0.18 656	0.22 576	0.15 335	0.38 644	0.71 690	0.32 639	0.41 638	0.36 631	0.28 628	0.32 640	0.29 645	0.12 593	0.11 607	0.14 625	0.13 626	0.16 650	0.20 669

AnyNet_C32	0.26 639	0.16 611	0.36 639	0.20 543	0.16 634	0.25 608	0.30 674	0.32 579	0.44 631	0.31 633	0.49 656	0.30 592	0.33 651	0.40 674	0.33 666	0.12 593	0.12 623	0.12 596	0.14 630	0.14 625	0.15 640

DStereoFS	0.27 641	0.22 653	0.31 623	0.22 594	0.15 623	0.22 576	0.20 564	0.50 683	0.48 640	0.28 613	0.44 649	0.33 618	0.34 656	0.52 687	0.29 645	0.12 593	0.11 607	0.15 638	0.13 626	0.16 650	0.16 651

PSMNet-RUCA	0.27 641	0.33 679	0.41 651	0.36 679	0.32 687	0.18 508	0.19 540	0.42 663	0.30 539	0.33 643	0.41 638	0.39 648	0.25 603	0.31 633	0.20 550	0.18 659	0.10 594	0.25 670	0.15 647	0.21 666	0.16 651

PDISCO_ROB	0.27 641	0.16 611	0.26 598	0.28 659	0.20 663	0.32 644	0.26 644	0.44 669	0.57 666	0.28 613	0.40 627	0.45 662	0.29 636	0.33 643	0.34 668	0.12 593	0.09 572	0.17 649	0.16 652	0.17 658	0.13 616

DispFullNet	0.27 641	0.21 649	0.65 681	0.28 659	0.16 634	0.26 618	0.17 451	0.33 599	0.58 669	0.27 598	0.38 613	0.43 658	0.23 588	0.38 665	0.23 591	0.12 593	0.06 432	0.19 660	0.11 594	0.21 666	0.15 640

MeshStereo	0.27 641	0.13 581	0.18 537	0.15 125	0.11 525	0.32 644	0.24 620	0.40 652	0.36 586	0.52 677	0.57 675	0.67 689	0.40 670	0.35 652	0.26 625	0.14 633	0.13 638	0.13 611	0.11 594	0.11 576	0.10 553
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	0.28 646	0.17 622	0.78 698	0.22 594	0.16 634	0.34 654	0.29 667	0.39 648	0.57 666	0.24 573	0.55 667	0.37 636	0.24 594	0.33 643	0.35 669	0.09 492	0.08 538	0.09 496	0.10 560	0.14 625	0.16 651

XQC	0.28 646	0.23 656	0.51 663	0.28 659	0.19 660	0.34 654	0.27 651	0.36 630	0.57 666	0.31 633	0.30 564	0.37 636	0.30 640	0.38 665	0.38 676	0.13 619	0.09 572	0.15 638	0.12 615	0.17 658	0.18 663

CC-Net-ROB	0.28 646	0.31 677	0.36 639	0.29 668	0.15 623	0.25 608	0.19 540	0.45 672	0.33 561	0.39 656	0.37 607	0.39 648	0.31 644	0.27 611	0.26 625	0.24 683	0.19 668	0.30 685	0.23 674	0.18 661	0.15 640

DPSNet	0.28 646	0.16 611	0.31 623	0.18 404	0.13 582	0.54 682	0.42 693	0.51 685	0.67 687	0.29 622	0.38 613	0.38 640	0.29 636	0.31 633	0.23 591	0.11 568	0.10 594	0.11 576	0.08 471	0.20 665	0.16 651

MultiAttention	0.29 650	0.08 362	0.14 397	0.19 476	0.12 559	1.45 718	1.33 722	0.36 630	0.37 593	0.19 497	0.21 443	0.24 531	0.11 356	0.38 665	0.18 531	0.06 169	0.05 278	0.08 410	0.08 471	0.10 553	0.09 522

Wz-Net-TNSev	0.29 650	0.20 643	0.65 681	0.19 476	0.15 623	0.38 667	0.27 651	0.35 623	0.55 661	0.34 645	0.42 644	0.45 662	0.38 664	0.32 640	0.30 652	0.12 593	0.13 638	0.10 545	0.12 615	0.15 641	0.14 633

ccnet	0.29 650	0.28 672	0.23 586	0.20 543	0.28 681	0.41 672	0.21 585	0.45 672	0.33 561	0.36 649	0.46 652	0.36 631	0.30 640	0.39 669	0.42 685	0.23 681	0.14 648	0.21 663	0.17 659	0.23 670	0.18 663

EDNetEfficient	0.29 650	0.24 659	1.13 709	0.18 404	0.10 474	0.19 533	0.20 564	0.20 350	0.60 674	0.74 697	0.56 672	0.31 605	0.39 667	0.22 579	0.30 652	0.09 492	0.07 505	0.08 410	0.07 395	0.11 576	0.09 522

ADCS	0.29 650	0.18 633	0.45 655	0.21 577	0.17 649	0.28 635	0.23 606	0.41 658	0.63 681	0.40 659	0.49 656	0.40 652	0.36 661	0.39 669	0.40 681	0.13 619	0.12 623	0.13 611	0.14 630	0.16 650	0.16 651

CSAN	0.29 650	0.24 659	0.27 605	0.34 675	0.19 660	0.33 651	0.42 693	0.37 636	0.50 650	0.38 654	0.40 627	0.44 660	0.33 651	0.28 623	0.30 652	0.20 668	0.16 658	0.19 660	0.19 664	0.14 625	0.15 640

AANet	0.30 656	0.19 637	1.03 707	0.16 225	0.13 582	0.22 576	0.16 407	0.30 556	0.62 677	0.60 684	0.52 662	0.46 666	0.38 664	0.23 590	0.32 661	0.12 593	0.09 572	0.11 576	0.10 560	0.13 611	0.12 593

MFN_U_SF_DS_RVC	0.30 656	0.24 659	0.29 618	0.36 679	0.16 634	0.34 654	0.30 674	0.32 579	0.42 621	0.40 659	0.46 652	0.38 640	0.31 644	0.34 646	0.28 641	0.19 666	0.20 671	0.26 671	0.29 684	0.18 661	0.19 668

GANetREF_RVC	0.31 658	0.34 680	0.27 605	0.35 677	0.16 634	0.32 644	0.41 690	0.48 677	0.51 657	0.35 646	0.35 598	0.34 625	0.33 651	0.39 669	0.32 661	0.27 685	0.20 671	0.29 683	0.15 647	0.18 661	0.17 660
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	0.31 658	0.26 665	0.26 598	0.24 627	0.21 667	0.34 654	0.25 635	0.34 608	0.39 604	0.40 659	0.69 685	0.45 662	0.40 670	0.34 646	0.27 633	0.20 668	0.19 668	0.26 671	0.25 676	0.23 670	0.22 673

MFN_U_SF_RVC	0.32 660	0.21 649	0.55 668	0.30 670	0.15 623	0.34 654	0.17 451	0.52 686	0.46 638	0.46 674	0.55 667	0.59 681	0.39 667	0.35 652	0.37 674	0.15 637	0.14 648	0.18 658	0.21 667	0.16 650	0.15 640

PASM	0.32 660	0.24 659	0.48 661	0.28 659	0.27 680	0.29 639	0.30 674	0.34 608	0.49 647	0.35 646	0.39 621	0.46 666	0.34 656	0.34 646	0.35 669	0.23 681	0.25 686	0.26 671	0.28 683	0.23 670	0.21 671

SGM-ForestM	0.32 660	0.12 553	0.16 482	0.16 225	0.11 525	0.39 669	0.19 540	0.41 658	0.50 650	0.52 677	0.54 665	1.32 710	0.42 678	0.40 674	0.27 633	0.14 633	0.16 658	0.16 646	0.16 652	0.12 591	0.12 593

FC-DCNN v2	0.33 663	0.27 668	0.28 610	0.26 643	0.23 672	0.37 664	0.28 657	0.40 652	0.43 626	0.45 671	0.56 672	0.51 674	0.40 670	0.37 663	0.29 645	0.21 672	0.20 671	0.27 674	0.26 677	0.25 677	0.24 675

FCDSN-DC	0.33 663	0.28 672	0.28 610	0.30 670	0.24 674	0.39 669	0.28 657	0.42 663	0.42 621	0.43 669	0.53 663	0.51 674	0.41 675	0.36 658	0.30 652	0.21 672	0.20 671	0.27 674	0.26 677	0.25 677	0.24 675
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 663	0.27 668	0.28 610	0.26 643	0.23 672	0.37 664	0.28 657	0.40 652	0.43 626	0.45 671	0.55 667	0.51 674	0.40 670	0.37 663	0.30 652	0.21 672	0.20 671	0.27 674	0.26 677	0.25 677	0.24 675

LSM	0.33 663	0.20 643	0.58 674	0.26 643	0.60 705	0.34 654	0.25 635	0.42 663	0.48 640	0.45 671	0.58 677	0.42 655	0.36 661	0.35 652	0.25 614	0.12 593	0.20 671	0.14 625	0.16 652	0.19 664	0.33 689

AnyNet_C01	0.36 667	0.25 664	1.37 712	0.22 594	0.17 649	0.48 678	0.27 651	0.35 623	0.39 604	0.39 656	0.74 691	0.46 666	0.38 664	0.45 679	0.47 690	0.13 619	0.13 638	0.13 611	0.14 630	0.14 625	0.15 640

GCST	0.37 668	0.42 687	0.26 598	1.02 713	0.39 688	0.18 508	0.08 7	0.20 350	0.17 326	0.28 613	0.25 505	0.15 402	0.12 389	0.16 452	0.14 450	0.64 709	0.43 698	0.75 705	0.65 709	0.63 702	0.46 700

otaku	0.39 669	0.37 683	0.52 664	0.44 686	0.28 681	0.58 684	0.24 620	0.41 658	0.62 677	0.40 659	0.49 656	0.46 666	0.33 651	0.40 674	0.32 661	0.30 686	0.30 690	0.39 690	0.33 689	0.29 684	0.28 683

ACVNet-4b	0.39 669	0.53 690	0.55 668	0.45 687	0.24 674	0.47 676	0.18 500	0.49 679	0.64 682	0.42 666	0.45 651	0.60 682	0.27 617	0.34 646	0.24 604	0.33 689	0.14 648	0.48 693	0.42 695	0.30 685	0.26 682

PVD	0.39 669	0.20 643	0.39 647	0.31 674	0.22 669	0.29 639	0.43 695	0.52 686	0.96 704	0.55 681	0.79 695	0.53 678	0.59 694	0.52 687	0.38 676	0.19 666	0.14 648	0.17 649	0.14 630	0.24 676	0.31 687

Ntro	0.40 672	0.40 685	0.53 665	0.46 690	0.30 685	0.65 690	0.24 620	0.46 674	0.68 688	0.41 663	0.49 656	0.48 672	0.42 678	0.39 669	0.31 659	0.32 687	0.28 688	0.37 689	0.30 686	0.32 689	0.29 684

SAMSARA	0.40 672	0.28 672	0.33 630	0.55 693	0.39 688	0.82 704	1.23 721	0.47 676	0.51 657	0.36 649	0.35 598	0.55 680	0.39 667	0.38 665	0.39 678	0.15 637	0.20 671	0.15 638	0.14 630	0.23 670	0.20 669

ELAS_RVC	0.41 674	0.29 675	0.33 630	0.28 659	0.24 674	0.54 682	0.36 685	0.49 679	0.59 670	0.72 693	0.74 691	0.65 687	0.54 687	0.54 692	0.40 681	0.22 677	0.20 671	0.27 674	0.26 677	0.26 682	0.25 680
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 674	0.29 675	0.33 630	0.27 656	0.24 674	0.60 687	0.36 685	0.50 683	0.50 650	0.71 691	0.79 695	0.67 689	0.54 687	0.51 685	0.42 685	0.22 677	0.20 671	0.27 674	0.26 677	0.26 682	0.25 680
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 676	0.26 665	0.59 676	0.60 695	0.49 695	0.32 644	0.23 606	0.46 674	0.52 659	0.56 683	0.58 677	0.76 694	0.32 649	0.48 681	0.29 645	0.32 687	0.24 684	0.27 674	0.33 689	0.46 693	0.39 694

MSC_U_SF_DS_RVC	0.43 677	0.39 684	0.54 666	0.40 682	0.20 663	0.64 689	0.32 682	0.53 688	0.72 691	0.71 691	0.72 688	0.61 683	0.54 687	0.51 685	0.46 689	0.20 668	0.19 668	0.29 683	0.30 686	0.23 670	0.18 663

ACVNet_1	0.44 678	0.49 689	0.60 677	0.45 687	0.28 681	0.49 679	0.27 651	0.57 693	0.72 691	0.62 686	0.58 677	0.74 693	0.49 684	0.50 683	0.35 669	0.26 684	0.24 684	0.39 690	0.29 684	0.31 688	0.24 675

Consistency-Raft	0.44 678	0.40 685	0.45 655	0.37 681	0.43 692	0.46 674	0.41 690	0.57 693	0.55 661	0.32 639	0.73 689	0.33 618	0.48 683	0.42 678	0.49 692	0.39 692	0.35 695	0.45 692	0.51 702	0.42 692	0.29 684

RTS	0.45 680	0.19 637	3.26 718	0.24 627	0.15 623	0.74 697	0.20 564	0.36 630	0.76 697	0.42 666	0.43 647	0.31 605	0.41 675	0.53 690	0.35 669	0.10 536	0.08 538	0.13 611	0.12 615	0.15 641	0.15 640

RTSA	0.45 680	0.19 637	3.26 718	0.24 627	0.15 623	0.74 697	0.20 564	0.36 630	0.76 697	0.42 666	0.43 647	0.31 605	0.41 675	0.53 690	0.35 669	0.10 536	0.08 538	0.13 611	0.12 615	0.15 641	0.15 640

MANE	0.45 680	0.27 668	0.27 605	0.27 656	0.24 674	0.47 676	0.31 680	0.55 690	0.59 670	0.72 693	1.13 712	1.15 704	0.61 695	0.52 687	0.37 674	0.21 672	0.20 671	0.27 674	0.31 688	0.25 677	0.24 675

NVStereoNet_ROB	0.46 683	0.36 682	0.46 659	0.41 684	0.28 681	0.34 654	0.34 683	0.48 677	0.60 674	0.72 693	0.93 701	0.70 692	0.66 698	0.47 680	0.60 700	0.22 677	0.33 694	0.34 688	0.34 692	0.30 685	0.30 686
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	0.47 684	0.26 665	0.58 674	0.28 659	0.20 663	0.39 669	0.18 500	0.49 679	0.64 682	0.52 677	0.87 698	1.01 699	0.57 692	0.50 683	0.56 697	0.53 702	0.31 693	0.54 699	0.40 693	0.33 690	0.34 690

LE_ROB	0.50 685	0.07 242	0.14 397	0.15 125	0.08 225	0.24 597	0.16 407	0.22 403	1.81 720	4.63 725	0.67 683	0.47 670	0.44 680	0.20 549	0.29 645	0.07 347	0.06 432	0.06 202	0.06 295	0.08 455	0.06 315

BEATNet-Init1	0.52 686	0.27 668	0.62 679	0.30 670	0.21 667	0.76 701	0.29 667	0.54 689	0.65 685	0.86 702	0.95 703	2.07 719	0.62 697	0.56 694	0.42 685	0.18 659	0.18 665	0.23 668	0.22 670	0.22 669	0.21 671

anonymity	0.53 687	0.58 692	0.65 681	0.41 684	0.61 706	0.53 681	0.41 690	0.56 691	0.41 613	0.55 681	0.50 660	0.49 673	0.55 690	0.58 695	0.50 695	0.58 705	0.50 708	0.51 695	0.51 702	0.51 695	0.57 703

RainbowNet	0.54 688	0.61 694	0.70 696	0.57 694	0.43 692	0.65 690	0.37 688	0.60 695	0.87 701	0.50 676	0.66 682	0.64 685	0.47 682	0.49 682	0.43 688	0.47 699	0.48 704	0.52 697	0.41 694	0.52 696	0.40 697

SGM+DAISY	0.56 689	0.57 691	0.65 681	0.40 682	0.54 698	0.66 692	0.49 698	0.56 691	0.45 637	0.66 687	0.69 685	0.67 689	0.56 691	0.63 697	0.56 697	0.59 706	0.48 704	0.50 694	0.50 701	0.52 696	0.58 704

SPS-STEREO	0.57 690	0.58 692	0.65 681	0.45 687	0.55 700	0.62 688	0.44 697	0.62 696	0.50 650	0.68 689	0.64 680	0.66 688	0.57 692	0.61 696	0.60 700	0.62 708	0.47 703	0.51 695	0.49 699	0.55 700	0.58 704
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 691	0.66 698	0.65 681	0.51 691	0.69 710	0.69 693	0.57 704	0.64 697	0.73 695	0.60 684	0.73 689	0.62 684	0.67 699	0.65 698	0.60 700	0.66 710	0.58 717	0.63 700	0.59 705	0.68 707	0.69 713

IMH-64-1	0.65 692	0.61 694	0.68 690	0.71 698	0.51 696	0.59 685	0.49 698	0.91 704	0.85 699	0.74 697	1.02 705	0.81 695	0.78 703	0.79 701	0.49 692	0.42 694	0.46 699	0.71 702	0.47 697	0.52 696	0.39 694

IMH-64	0.65 692	0.61 694	0.68 690	0.71 698	0.51 696	0.59 685	0.49 698	0.91 704	0.85 699	0.74 697	1.02 705	0.81 695	0.78 703	0.79 701	0.49 692	0.42 694	0.46 699	0.71 702	0.47 697	0.52 696	0.39 694

ACVNet_2	0.66 694	0.66 698	0.68 690	0.63 696	0.41 690	0.71 695	0.49 698	0.96 708	1.39 713	0.89 703	1.09 708	1.04 700	0.73 701	0.54 692	0.47 690	0.43 696	0.40 697	0.53 698	0.44 696	0.47 694	0.35 692

JetBlue	0.71 695	0.45 688	1.14 710	0.51 691	0.47 694	2.02 719	0.64 708	0.75 699	0.70 689	0.69 690	0.77 694	1.22 706	0.83 705	1.03 716	1.01 716	0.40 693	0.28 688	0.33 687	0.33 689	0.30 685	0.34 690

IMH	0.71 695	0.64 697	0.68 690	0.76 700	0.54 698	0.69 693	0.54 702	0.98 710	1.10 706	0.82 701	1.09 708	0.89 697	0.88 708	0.87 709	0.52 696	0.44 697	0.50 708	0.75 705	0.51 702	0.56 701	0.41 698

PWCK	0.71 695	0.94 709	0.95 705	0.76 700	0.31 686	0.74 697	0.36 685	0.90 703	0.90 702	0.96 706	0.75 693	0.95 698	0.61 695	0.87 709	0.66 703	0.72 711	0.46 699	0.75 705	0.49 699	0.69 709	0.44 699

MADNet+	0.75 698	0.71 700	3.70 721	0.66 697	0.41 690	0.98 709	0.97 719	0.69 698	0.73 695	0.52 677	0.57 675	0.64 685	0.68 700	0.86 708	1.01 716	0.34 690	0.36 696	0.28 682	0.23 674	0.36 691	0.31 687

TorneroNet-64	0.76 699	0.72 701	0.74 697	0.78 702	0.58 704	0.91 708	0.56 703	0.84 702	1.29 710	0.66 687	0.90 699	1.40 712	0.75 702	0.85 707	0.67 706	0.49 700	0.46 699	0.72 704	0.59 705	0.67 706	0.53 702

WAO-7	0.79 700	0.78 703	0.54 666	0.85 706	0.67 709	0.74 697	0.68 712	1.05 713	1.32 711	0.90 704	1.20 715	1.04 700	0.92 709	0.69 699	0.66 703	0.60 707	0.62 718	0.67 701	0.68 711	0.64 703	0.58 704

WAO-6	0.81 701	0.80 704	0.62 679	0.86 707	0.63 707	0.76 701	0.58 705	0.98 710	1.54 718	0.90 704	0.96 704	1.07 702	1.03 713	0.70 700	0.66 703	0.72 711	0.49 706	0.90 713	0.71 712	0.68 707	0.58 704

TorneroNet	0.82 702	0.74 702	0.81 702	0.84 705	0.63 707	0.99 710	0.63 706	0.96 708	1.16 707	0.80 700	1.11 710	1.36 711	0.86 707	0.93 712	0.80 711	0.56 703	0.49 706	0.78 710	0.66 710	0.73 712	0.63 712

LVE	0.83 703	0.85 707	0.85 703	0.80 703	0.56 701	1.04 714	0.65 709	1.05 713	1.47 716	0.96 706	1.22 716	1.10 703	0.85 706	0.83 704	0.71 708	0.49 700	0.55 714	0.76 708	0.60 707	0.65 704	0.59 709

Dean	0.87 704	0.86 708	0.79 700	0.81 704	0.56 701	0.90 705	0.63 706	1.15 719	1.73 719	1.15 714	1.15 713	1.31 709	0.99 712	0.81 703	0.81 712	0.57 704	0.56 715	0.77 709	0.64 708	0.66 705	0.58 704

WAO-8	0.91 705	0.81 705	0.65 681	0.94 710	0.69 710	0.90 705	0.67 710	1.07 716	1.83 721	1.06 711	1.45 718	1.30 707	1.07 714	0.84 705	0.78 709	0.74 713	0.53 711	0.86 711	0.75 713	0.69 709	0.62 710

Venus	0.91 705	0.81 705	0.65 681	0.94 710	0.69 710	0.90 705	0.67 710	1.07 716	1.83 721	1.06 711	1.45 718	1.30 707	1.07 714	0.84 705	0.78 709	0.74 713	0.53 711	0.86 711	0.75 713	0.69 709	0.62 710

UNDER WATER-64	0.95 707	0.94 709	1.43 714	0.87 708	0.56 701	1.18 717	0.87 716	0.77 700	0.94 703	1.04 709	0.85 697	1.58 717	1.21 719	0.94 713	0.96 714	0.87 717	0.57 716	1.03 717	0.88 718	0.78 713	0.73 714

UNDER WATER	0.97 708	0.97 711	1.42 713	0.99 712	0.70 713	1.12 716	0.84 715	0.80 701	1.08 705	1.01 708	0.90 699	1.55 716	1.22 720	1.03 716	1.00 715	0.78 715	0.53 711	1.02 716	0.87 717	0.80 714	0.74 715

notaker	0.97 708	1.11 712	0.98 706	1.13 715	0.81 714	0.73 696	0.68 712	0.93 706	1.16 707	1.18 716	1.18 714	1.41 713	1.16 718	1.08 718	0.69 707	0.81 716	0.64 719	1.17 718	0.79 715	0.98 716	0.80 717

ktn	1.01 710	1.21 714	0.80 701	1.23 717	0.86 716	1.01 712	0.87 716	0.94 707	1.39 713	1.04 709	1.12 711	1.15 704	1.07 714	0.94 713	0.59 699	1.28 722	0.71 720	1.38 722	0.83 716	1.02 718	0.75 716

KSHMR	1.09 711	1.17 713	0.88 704	1.25 718	1.00 718	0.99 710	0.96 718	1.13 718	1.37 712	1.16 715	1.29 717	1.41 713	0.96 711	1.01 715	0.92 713	1.03 720	1.08 722	1.20 719	1.03 721	1.01 717	0.97 719

DPSimNet_ROB	1.11 712	1.23 715	0.78 698	1.13 715	0.88 717	1.10 715	1.13 720	1.16 720	1.23 709	1.43 718	1.02 705	1.41 713	1.10 717	0.90 711	1.60 718	1.46 723	0.51 710	1.21 720	1.03 721	0.90 715	1.01 721

HanzoNet	1.29 713	1.26 716	1.19 711	1.12 714	0.85 715	1.02 713	0.83 714	1.03 712	1.48 717	1.64 719	1.61 720	2.50 721	1.72 721	1.61 720	1.61 719	1.26 721	0.80 721	1.31 721	1.01 720	1.02 718	0.86 718

JetRed	1.62 714	1.46 717	2.98 716	0.92 709	1.21 719	4.99 722	1.53 724	1.27 721	1.39 713	1.83 720	1.74 721	1.60 718	0.95 710	1.41 719	2.45 724	0.90 719	1.60 723	0.93 714	0.90 719	1.35 720	0.99 720

MADNet++	1.95 715	1.75 718	1.59 715	1.82 719	1.69 721	2.33 720	1.40 723	2.35 722	2.09 723	2.57 722	2.36 723	2.24 720	2.17 723	2.28 721	2.34 722	1.87 724	1.66 724	1.54 723	1.34 723	1.92 721	1.77 723

Selective-IGEV-i1pa	2.80 716	3.51 724	0.67 689	0.28 659	0.14 603	10.22 726	0.43 695	4.36 723	3.63 724	3.53 723	6.92 725	3.47 722	1.97 722	13.41 737	2.26 721	0.36 691	0.15 654	0.13 611	0.10 560	0.15 641	0.35 692

coex-ft	3.30 717	0.34 680	59.09 749	0.18 404	0.13 582	0.26 618	0.22 595	0.27 508	0.72 691	1.90 721	0.70 687	0.44 660	0.45 681	0.29 629	0.41 684	0.09 492	0.09 572	0.12 596	0.09 518	0.14 625	0.13 616

TCMNet-wrong-test	3.67 718	5.48 732	3.89 722	12.18 733	11.75 735	4.65 721	3.88 725	1.06 715	0.72 691	1.09 713	2.15 722	6.30 727	0.53 686	3.43 723	2.36 723	0.89 718	0.20 671	1.87 725	1.69 724	5.57 729	3.62 729

tt	4.67 719	0.06 118	3.55 720	2.02 720	1.55 720	10.25 727	16.71 729	8.91 732	5.03 725	1.31 717	0.94 702	4.71 723	4.76 725	3.33 722	5.87 726	6.06 732	10.30 738	1.88 726	2.11 726	2.75 723	1.21 722

USTest	6.22 720	2.73 721	3.00 717	6.57 727	7.29 727	14.37 729	21.57 730	7.00 731	9.56 730	5.34 728	6.10 724	5.72 726	7.64 728	6.41 727	6.96 728	1.97 725	3.42 730	1.64 724	2.15 727	2.66 722	2.36 724

xxxxx1	7.79 721	5.02 729	7.31 725	3.12 721	3.85 723	16.35 731	22.88 731	5.86 728	8.69 727	7.97 729	8.54 726	9.12 731	8.27 729	10.18 729	10.92 729	2.42 726	2.45 726	3.56 729	12.37 735	3.77 724	3.06 726

tt_ll	7.79 721	5.02 729	7.31 725	3.12 721	3.85 723	16.35 731	22.88 731	5.86 728	8.69 727	7.97 729	8.54 726	9.12 731	8.27 729	10.18 729	10.92 729	2.42 726	2.45 726	3.56 729	12.37 735	3.77 724	3.06 726

ff	7.79 721	5.02 729	7.31 725	3.12 721	3.85 723	16.35 731	22.88 731	5.86 728	8.69 727	7.97 729	8.54 726	9.12 731	8.27 729	10.18 729	10.92 729	2.42 726	2.45 726	3.56 729	12.37 735	3.77 724	3.06 726

EDNetEfficientorigin	7.91 724	0.31 677	153.02 750	0.19 476	0.09 360	0.21 567	0.16 407	0.22 403	0.59 670	0.72 693	0.67 683	0.42 655	0.50 685	0.24 600	0.39 678	0.08 430	0.07 505	0.08 410	0.07 395	0.12 591	0.10 553

DPSMNet_ROB	8.06 725	4.48 725	8.63 733	5.37 726	10.74 730	8.32 724	22.98 735	5.46 725	13.36 735	5.12 726	9.92 731	5.08 724	10.40 732	5.53 726	12.58 732	3.80 730	8.00 731	3.50 727	7.02 732	3.83 727	7.14 733

DGTPSM_ROB	8.06 725	4.48 725	8.63 733	5.35 724	10.72 729	8.32 724	22.97 734	5.46 725	13.35 734	5.12 726	9.92 731	5.08 724	10.40 732	5.52 725	12.58 732	3.79 729	8.00 731	3.50 727	7.02 732	3.83 727	7.14 733

PML	8.91 727	9.34 738	6.13 723	5.35 724	6.41 726	14.99 730	23.38 736	5.27 724	6.83 726	18.04 741	28.19 750	7.67 728	6.83 727	7.85 728	5.75 725	5.35 731	1.83 725	5.95 737	1.93 725	8.64 734	2.52 725

DLNR_Zeroshot_test	10.40 728	1.82 719	19.49 744	120.77 750	13.11 737	0.06 14	0.13 178	0.23 426	0.10 79	0.07 75	0.10 200	0.09 226	0.06 68	0.10 126	0.09 105	0.13 619	0.04 25	0.06 202	0.04 61	51.54 750	0.04 76

DLNR-FE	10.43 729	1.83 720	19.53 745	120.75 749	13.06 736	0.06 14	0.13 178	0.23 426	0.10 79	0.07 75	0.10 200	0.09 226	0.06 68	0.10 126	0.09 105	0.13 619	0.04 25	0.06 202	0.04 61	52.01 751	0.04 76

iinet-test	10.48 730	8.09 734	7.54 729	10.26 728	10.94 731	18.00 735	25.26 737	11.33 736	13.28 732	9.69 733	9.85 729	9.42 734	11.17 734	11.02 733	12.78 735	6.59 734	8.30 733	5.56 732	6.56 728	6.89 730	7.02 731

IINet	10.48 730	8.09 734	7.54 729	10.26 728	10.94 731	18.00 735	25.26 737	11.33 736	13.28 732	9.69 733	9.85 729	9.42 734	11.17 734	11.02 733	12.78 735	6.59 734	8.30 733	5.56 732	6.56 728	6.89 730	7.02 731

LRCNet_RVC	10.62 732	13.42 739	7.30 724	18.92 737	2.07 722	0.33 651	0.30 674	5.59 727	0.48 640	13.03 737	17.94 737	8.87 730	5.65 726	4.79 724	1.89 720	23.51 747	2.73 729	27.55 750	25.71 750	16.07 744	16.33 745

Anonymous_1	10.96 733	7.92 733	7.46 728	10.33 730	10.06 728	18.65 737	26.34 739	11.06 735	13.44 736	9.40 732	10.05 733	9.67 736	11.23 736	10.73 732	12.72 734	6.42 733	8.38 735	5.77 734	10.61 734	12.12 735	6.77 730

DPSM_ROB	11.15 734	8.58 736	8.00 731	10.88 731	11.58 733	19.10 738	26.71 740	12.05 738	14.07 739	10.36 735	10.84 734	10.33 737	11.86 737	11.70 735	13.54 737	6.99 736	8.79 736	5.89 735	6.95 730	7.29 732	7.42 735

DPSM	11.15 734	8.58 736	8.00 731	10.88 731	11.58 733	19.10 738	26.71 740	12.05 738	14.07 739	10.36 735	10.84 734	10.33 737	11.86 737	11.70 735	13.54 737	6.99 736	8.79 736	5.89 735	6.95 730	7.29 732	7.42 735

HaxPig	15.71 736	18.52 748	19.18 743	16.89 736	15.89 738	7.73 723	7.60 726	13.31 740	10.82 731	15.42 738	14.91 736	15.98 739	14.92 739	15.58 738	15.98 739	18.95 746	16.73 739	19.46 746	18.08 746	19.26 745	19.05 748

Selective-IGEV-i16pa	18.58 737	3.30 722	1.09 708	0.21 577	0.18 656	103.68 751	0.28 657	19.87 742	40.73 751	4.16 724	56.45 751	8.07 729	2.59 724	123.95 752	5.89 727	0.18 659	0.12 623	0.09 496	0.12 615	0.12 591	0.51 701

RSGM-EC	20.36 738	4.73 727	0.68 690	16.76 734	16.92 739	21.28 740	27.18 742	10.46 733	14.04 737	18.00 739	21.31 740	22.24 749	21.82 741	22.57 740	17.63 740	62.81 750	33.79 750	20.14 747	18.10 747	20.18 746	16.45 746

acva	20.36 738	4.73 727	0.68 690	16.76 734	16.92 739	21.28 740	27.18 742	10.46 733	14.04 737	18.00 739	21.31 740	22.24 749	21.82 741	22.57 740	17.63 740	62.81 750	33.79 750	20.14 747	18.10 747	20.18 746	16.45 746

MEDIAN_ROB	20.38 740	24.04 749	23.31 746	21.23 738	21.71 741	10.40 728	7.92 727	17.64 741	15.50 741	20.12 742	19.70 738	20.34 740	20.32 740	21.19 739	21.13 742	23.81 748	21.81 748	24.98 749	23.76 749	24.71 748	23.93 749

CasAABBNet	22.42 741	17.33 741	16.01 737	22.01 740	23.28 743	38.32 742	53.80 747	24.14 746	28.41 746	20.60 745	21.77 744	20.89 747	23.91 746	23.43 745	27.36 746	14.07 739	17.69 742	11.83 740	14.01 739	14.67 738	14.95 741

RAFT-FEzeroshot	22.43 742	17.33 741	15.98 735	22.02 741	23.31 745	38.34 743	53.82 749	24.05 744	28.39 744	20.61 746	21.76 742	20.88 744	23.92 748	23.41 743	27.42 748	14.07 739	17.69 742	11.83 740	14.02 740	14.69 739	14.97 742

RAFT-FE	22.43 742	17.33 741	15.98 735	22.02 741	23.31 745	38.34 743	53.82 749	24.05 744	28.39 744	20.61 746	21.76 742	20.88 744	23.92 748	23.41 743	27.42 748	14.07 739	17.69 742	11.83 740	14.02 740	14.69 739	14.97 742

FlowAnything	22.44 744	17.35 744	16.14 739	22.07 744	23.23 742	38.39 747	53.77 745	24.25 748	28.44 747	20.96 750	21.82 746	20.70 742	23.84 744	23.49 747	27.14 744	14.04 738	17.79 747	11.75 738	14.15 744	14.65 736	14.89 738

Hybrid-DGEV	22.47 745	17.40 746	16.14 739	22.00 739	23.29 744	38.36 745	53.80 747	24.43 751	28.63 750	20.59 744	21.81 745	20.88 744	23.91 746	23.45 746	27.42 748	14.08 742	17.69 742	11.83 740	14.06 743	14.65 736	14.93 740

Selective-RAFT-Error	22.47 745	17.37 745	16.09 738	22.06 743	23.34 747	38.39 747	53.83 751	24.29 750	28.47 748	20.74 748	21.83 747	20.81 743	23.90 745	23.54 749	27.53 751	14.08 742	17.69 742	11.82 739	14.00 738	14.69 739	15.00 744

fast-reg	22.85 747	17.43 747	19.15 742	22.22 746	24.34 748	38.36 745	53.78 746	24.23 747	28.52 749	20.55 743	22.05 748	20.54 741	23.77 743	23.21 742	27.31 745	14.18 745	17.47 741	14.33 745	14.96 745	15.81 743	14.81 737

LSM0	22.87 748	17.28 740	18.96 741	22.19 745	29.04 750	38.42 749	53.71 744	24.28 749	28.31 743	20.78 749	21.00 739	21.43 748	24.16 750	23.50 748	27.39 747	14.09 744	17.38 740	11.84 744	14.04 742	14.73 742	14.89 738

AVERAGE_ROB	24.90 749	29.20 750	28.14 747	24.89 747	24.64 749	17.75 734	11.12 728	21.45 743	19.93 742	25.12 751	24.46 749	25.12 751	25.46 751	24.69 750	22.83 743	29.76 749	27.13 749	28.97 751	27.95 751	29.91 749	29.47 750

test_example2	98.32 750	94.13 751	45.89 748	96.35 748	109.85 751	88.61 750	95.45 752	25.75 752	94.37 752	130.00 753	126.06 752	58.17 752	74.63 752	88.51 751	79.96 752	150.23 752	221.02 752	77.62 752	99.10 752	113.75 752	96.94 751

GS-Stereo							0.14 247	0.11 60	0.12 152	0.08 133	0.10 200	0.05 5	0.05 14	0.11 203	0.08 27	0.06 169	0.04 25	0.05 51	0.04 61	0.05 173	0.05 211

FSD					0.22 669	0.25 608	0.25 635	0.27 508	0.26 497	0.25 586	0.26 522	0.25 545	0.27 617	0.27 611	0.24 604	0.21 672	0.20 671	0.27 674	0.26 677	0.25 677

ccccc		285.66 752		368.85 751	370.60 752	123.16 752		115.05 753		126.68 752		122.83 753		252.94 753		384.56 753	353.86 753	254.69 753	223.00 753	425.87 753

ASD4		3.38 723

Low-res two-view benchmark