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	0.09 139	0.13 23	0.05 2	0.08 98	0.11 76	0.06 1	0.06 8	0.06 30	0.06 28	0.08 207	0.05 15	0.08 32	0.09 113	0.06 180	0.04 26	0.04 1	0.03 1	0.05 180	0.04 82

PSi22a	0.06 1	0.04 1	0.09 139	0.12 7	0.05 2	0.06 16	0.11 76	0.06 1	0.06 8	0.06 30	0.06 28	0.06 48	0.05 15	0.08 32	0.09 113	0.07 365	0.04 26	0.04 1	0.03 1	0.05 180	0.04 82

Foundation-i32	0.06 1	0.04 1	0.09 139	0.13 23	0.04 1	0.06 16	0.12 114	0.06 1	0.05 4	0.06 30	0.05 7	0.05 5	0.05 15	0.07 7	0.09 113	0.06 180	0.04 26	0.05 60	0.03 1	0.04 54	0.04 82

MLG-Stereo_test2	0.06 1	0.04 1	0.10 210	0.15 132	0.05 2	0.07 47	0.11 76	0.09 27	0.04 2	0.06 30	0.05 7	0.06 48	0.04 1	0.08 32	0.09 113	0.06 180	0.04 26	0.05 60	0.03 1	0.05 180	0.05 221

MLG-Stereo_test1	0.06 1	0.05 45	0.08 63	0.17 321	0.05 2	0.06 16	0.11 76	0.08 13	0.03 1	0.05 2	0.04 1	0.06 48	0.05 15	0.09 67	0.09 113	0.05 55	0.04 26	0.05 60	0.03 1	0.04 54	0.04 82

FoundationStereo	0.06 1	0.04 1	0.08 63	0.12 7	0.05 2	0.09 157	0.13 193	0.06 1	0.09 60	0.05 2	0.05 7	0.06 48	0.04 1	0.06 1	0.07 1	0.06 180	0.04 26	0.05 60	0.03 1	0.05 180	0.04 82

test410_97500	0.07 7	0.06 125	0.09 139	0.17 321	0.07 145	0.07 47	0.08 9	0.10 41	0.09 60	0.06 30	0.05 7	0.05 5	0.05 15	0.09 67	0.08 29	0.04 11	0.04 26	0.04 1	0.03 1	0.03 1	0.03 2

test410	0.07 7	0.06 125	0.09 139	0.17 321	0.07 145	0.07 47	0.08 9	0.10 41	0.09 60	0.06 30	0.05 7	0.06 48	0.05 15	0.09 67	0.07 1	0.04 11	0.05 290	0.04 1	0.03 1	0.03 1	0.03 2

LACA_dic	0.07 7	0.10 533	0.08 63	0.13 23	0.05 2	0.08 98	0.11 76	0.08 13	0.09 60	0.05 2	0.05 7	0.05 5	0.05 15	0.08 32	0.08 29	0.06 180	0.04 26	0.04 1	0.04 69	0.05 180	0.04 82

DF_test	0.07 7	0.05 45	0.08 63	0.14 72	0.08 240	0.04 1	0.13 193	0.08 13	0.11 125	0.07 86	0.08 140	0.06 48	0.07 192	0.06 1	0.08 29	0.06 180	0.05 290	0.05 60	0.05 208	0.05 180	0.04 82

over v1	0.07 7	0.07 256	0.07 14	0.18 418	0.05 2	0.08 98	0.08 9	0.10 41	0.05 4	0.06 30	0.06 28	0.07 139	0.10 341	0.11 216	0.08 29	0.05 55	0.04 26	0.04 1	0.03 1	0.05 180	0.05 221

over-8	0.07 7	0.07 256	0.07 14	0.18 418	0.05 2	0.08 98	0.08 9	0.13 132	0.05 4	0.06 30	0.05 7	0.07 139	0.09 294	0.11 216	0.08 29	0.06 180	0.04 26	0.04 1	0.03 1	0.05 180	0.05 221

small-0shot	0.07 7	0.05 45	0.08 63	0.14 72	0.07 145	0.06 16	0.13 193	0.09 27	0.08 30	0.05 2	0.10 219	0.06 48	0.06 74	0.06 1	0.10 223	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

over-9	0.07 7	0.07 256	0.07 14	0.18 418	0.05 2	0.08 98	0.08 9	0.13 132	0.06 8	0.06 30	0.05 7	0.07 139	0.09 294	0.11 216	0.08 29	0.06 180	0.04 26	0.04 1	0.03 1	0.05 180	0.05 221

WAFT-Stereo (ZS)	0.07 7	0.05 45	0.09 139	0.12 7	0.07 145	0.08 98	0.15 357	0.07 7	0.07 20	0.06 30	0.10 219	0.05 5	0.07 192	0.06 1	0.11 313	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.05 221

testmc14	0.07 7	0.05 45	0.06 6	0.15 132	0.05 2	0.09 157	0.13 193	0.08 13	0.08 30	0.07 86	0.09 180	0.06 48	0.05 15	0.07 7	0.07 1	0.06 180	0.04 26	0.04 1	0.03 1	0.03 1	0.03 2

MCSU-Stereo	0.07 7	0.05 45	0.06 6	0.15 132	0.05 2	0.09 157	0.13 193	0.10 41	0.09 60	0.07 86	0.07 74	0.07 139	0.05 15	0.09 67	0.07 1	0.06 180	0.04 26	0.04 1	0.03 1	0.04 54	0.03 2

derf	0.07 7	0.04 1	0.10 210	0.14 72	0.06 36	0.05 5	0.12 114	0.12 98	0.09 60	0.05 2	0.07 74	0.07 139	0.08 247	0.10 134	0.10 223	0.06 180	0.05 290	0.04 1	0.03 1	0.04 54	0.05 221

mm2	0.07 7	0.04 1	0.10 210	0.13 23	0.06 36	0.06 16	0.12 114	0.13 132	0.08 30	0.06 30	0.07 74	0.06 48	0.08 247	0.10 134	0.09 113	0.06 180	0.05 290	0.04 1	0.03 1	0.04 54	0.05 221

mm1	0.07 7	0.04 1	0.10 210	0.13 23	0.06 36	0.06 16	0.12 114	0.06 1	0.08 30	0.06 30	0.07 74	0.06 48	0.08 247	0.10 134	0.09 113	0.06 180	0.05 290	0.04 1	0.03 1	0.04 54	0.05 221

qqai	0.07 7	0.05 45	0.10 210	0.14 72	0.06 36	0.05 5	0.12 114	0.08 13	0.09 60	0.05 2	0.06 28	0.06 48	0.08 247	0.10 134	0.09 113	0.06 180	0.05 290	0.05 60	0.03 1	0.04 54	0.05 221

MGA	0.07 7	0.04 1	0.10 210	0.13 23	0.06 36	0.08 98	0.09 27	0.12 98	0.08 30	0.05 2	0.06 28	0.06 48	0.05 15	0.10 134	0.09 113	0.06 180	0.04 26	0.05 60	0.03 1	0.05 180	0.05 221

CAR	0.07 7	0.05 45	0.08 63	0.14 72	0.06 36	0.07 47	0.08 9	0.12 98	0.08 30	0.05 2	0.06 28	0.05 5	0.05 15	0.10 134	0.09 113	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

MSE-Stereo	0.07 7	0.04 1	0.08 63	0.13 23	0.06 36	0.07 47	0.08 9	0.12 98	0.08 30	0.05 2	0.06 28	0.05 5	0.05 15	0.10 134	0.09 113	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

monster-pro	0.07 7	0.06 125	0.05 1	0.15 132	0.05 2	0.07 47	0.10 44	0.15 209	0.15 273	0.05 2	0.06 28	0.05 5	0.06 74	0.07 7	0.09 113	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 125	0.07 14	0.15 132	0.07 145	0.08 98	0.14 268	0.11 71	0.08 30	0.05 2	0.07 74	0.08 207	0.08 247	0.09 67	0.09 113	0.06 180	0.04 26	0.05 60	0.04 69	0.03 1	0.04 82

aanet-new-60k	0.07 7	0.07 256	0.08 63	0.18 418	0.06 36	0.07 47	0.10 44	0.09 27	0.14 245	0.07 86	0.07 74	0.06 48	0.06 74	0.11 216	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

aanet-new-70k	0.07 7	0.06 125	0.09 139	0.17 321	0.06 36	0.08 98	0.12 114	0.11 71	0.10 92	0.06 30	0.07 74	0.07 139	0.06 74	0.10 134	0.07 1	0.04 11	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

aanet-new-78k	0.07 7	0.07 256	0.09 139	0.19 495	0.06 36	0.07 47	0.12 114	0.11 71	0.13 212	0.06 30	0.07 74	0.06 48	0.06 74	0.09 67	0.07 1	0.04 11	0.04 26	0.05 60	0.04 69	0.05 180	0.03 2

aanet-new-40k	0.07 7	0.08 384	0.07 14	0.17 321	0.07 145	0.08 98	0.13 193	0.10 41	0.10 92	0.07 86	0.08 140	0.06 48	0.05 15	0.08 32	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

GCAP-Stereo-DPT26K	0.07 7	0.06 125	0.07 14	0.16 232	0.06 36	0.08 98	0.12 114	0.10 41	0.08 30	0.06 30	0.09 180	0.06 48	0.05 15	0.08 32	0.08 29	0.04 11	0.04 26	0.05 60	0.04 69	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 256	0.07 14	0.17 321	0.06 36	0.07 47	0.12 114	0.09 27	0.11 125	0.09 203	0.09 180	0.06 48	0.07 192	0.09 67	0.07 1	0.04 11	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 45	0.11 273	0.15 132	0.06 36	0.07 47	0.13 193	0.09 27	0.11 125	0.07 86	0.08 140	0.06 48	0.05 15	0.09 67	0.07 1	0.05 55	0.05 290	0.05 60	0.04 69	0.03 1	0.04 82

GCAP-Stereo-DPT-24K	0.07 7	0.06 125	0.07 14	0.15 132	0.06 36	0.10 223	0.15 357	0.12 98	0.11 125	0.06 30	0.11 274	0.06 48	0.05 15	0.09 67	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 139	0.13 23	0.05 2	0.08 98	0.11 76	0.06 1	0.06 8	0.06 30	0.05 7	0.08 207	0.05 15	0.08 32	0.09 113	0.06 180	0.04 26	0.04 1	0.03 1	0.05 180	0.04 82

LACA3	0.07 7	0.08 384	0.08 63	0.13 23	0.05 2	0.09 157	0.11 76	0.08 13	0.08 30	0.08 147	0.05 7	0.07 139	0.07 192	0.07 7	0.07 1	0.06 180	0.04 26	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 125	0.08 63	0.17 321	0.06 36	0.08 98	0.12 114	0.13 132	0.07 20	0.08 147	0.07 74	0.06 48	0.04 1	0.10 134	0.09 113	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

LACA2	0.07 7	0.05 45	0.06 6	0.15 132	0.06 36	0.09 157	0.11 76	0.11 71	0.10 92	0.05 2	0.05 7	0.06 48	0.08 247	0.09 67	0.07 1	0.07 365	0.04 26	0.04 1	0.04 69	0.04 54	0.04 82

LACA1	0.07 7	0.07 256	0.07 14	0.14 72	0.05 2	0.09 157	0.11 76	0.10 41	0.07 20	0.05 2	0.05 7	0.06 48	0.07 192	0.08 32	0.09 113	0.06 180	0.04 26	0.04 1	0.04 69	0.03 1	0.04 82

Test_v1	0.07 7	0.04 1	0.06 6	0.13 23	0.06 36	0.08 98	0.11 76	0.15 209	0.12 168	0.06 30	0.05 7	0.04 1	0.05 15	0.08 32	0.10 223	0.07 365	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

BLMT-Stereo	0.07 7	0.04 1	0.08 63	0.15 132	0.07 145	0.06 16	0.14 268	0.07 7	0.10 92	0.05 2	0.05 7	0.04 1	0.06 74	0.07 7	0.09 113	0.04 11	0.04 26	0.05 60	0.05 208	0.04 54	0.04 82

Pro-Stereo	0.07 7	0.05 45	0.08 63	0.15 132	0.07 145	0.08 98	0.12 114	0.07 7	0.07 20	0.06 30	0.06 28	0.05 5	0.05 15	0.09 67	0.08 29	0.05 55	0.04 26	0.06 215	0.05 208	0.04 54	0.04 82

MatchStereo	0.07 7	0.04 1	0.08 63	0.14 72	0.06 36	0.05 5	0.12 114	0.12 98	0.09 60	0.07 86	0.06 28	0.04 1	0.04 1	0.08 32	0.09 113	0.06 180	0.05 290	0.05 60	0.03 1	0.04 54	0.04 82
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	0.09 139	0.11 1	0.05 2	0.10 223	0.10 44	0.14 166	0.09 60	0.06 30	0.07 74	0.06 48	0.07 192	0.07 7	0.10 223	0.06 180	0.04 26	0.04 1	0.04 69	0.04 54	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 45	0.07 14	0.14 72	0.06 36	0.09 157	0.13 193	0.15 209	0.06 8	0.07 86	0.08 140	0.06 48	0.08 247	0.09 67	0.09 113	0.06 180	0.05 290	0.04 1	0.03 1	0.04 54	0.04 82

VIP-Stereo	0.07 7	0.07 256	0.07 14	0.15 132	0.06 36	0.12 335	0.10 44	0.11 71	0.11 125	0.06 30	0.07 74	0.06 48	0.05 15	0.10 134	0.08 29	0.05 55	0.04 26	0.05 60	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 256	0.08 63	0.18 418	0.06 36	0.07 47	0.11 76	0.09 27	0.06 8	0.04 1	0.07 74	0.10 287	0.09 294	0.08 32	0.08 29	0.04 11	0.03 1	0.04 1	0.04 69	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 45	0.09 139	0.13 23	0.06 36	0.12 335	0.12 114	0.11 71	0.10 92	0.07 86	0.08 140	0.06 48	0.06 74	0.09 67	0.08 29	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

MonStereo	0.07 7	0.06 125	0.05 1	0.15 132	0.05 2	0.08 98	0.10 44	0.15 209	0.15 273	0.05 2	0.06 28	0.05 5	0.06 74	0.07 7	0.09 113	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 45	0.07 14	0.16 232	0.06 36	0.07 47	0.11 76	0.10 41	0.08 30	0.06 30	0.06 28	0.07 139	0.07 192	0.09 67	0.09 113	0.04 11	0.04 26	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 125	0.05 1	0.15 132	0.05 2	0.08 98	0.10 44	0.15 209	0.15 273	0.05 2	0.06 28	0.05 5	0.06 74	0.07 7	0.09 113	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	0.09 139	0.13 23	0.06 36	0.05 5	0.09 27	0.11 71	0.07 20	0.06 30	0.06 28	0.05 5	0.06 74	0.09 67	0.09 113	0.06 180	0.04 26	0.04 1	0.03 1	0.05 180	0.05 221

Replicate-Monster	0.07 7	0.05 45	0.09 139	0.14 72	0.06 36	0.08 98	0.09 27	0.13 132	0.13 212	0.05 2	0.07 74	0.06 48	0.06 74	0.08 32	0.10 223	0.05 55	0.04 26	0.05 60	0.03 1	0.04 54	0.04 82

AdaDepth	0.07 7	0.06 125	0.07 14	0.18 418	0.06 36	0.11 280	0.12 114	0.09 27	0.07 20	0.06 30	0.05 7	0.07 139	0.06 74	0.09 67	0.10 223	0.04 11	0.05 290	0.05 60	0.04 69	0.04 54	0.04 82

asda	0.07 7	0.08 384	0.08 63	0.16 232	0.06 36	0.06 16	0.10 44	0.16 252	0.10 92	0.06 30	0.06 28	0.05 5	0.05 15	0.10 134	0.10 223	0.03 1	0.03 1	0.04 1	0.03 1	0.04 54	0.03 2

asd	0.07 7	0.08 384	0.07 14	0.16 232	0.07 145	0.08 98	0.08 9	0.11 71	0.08 30	0.07 86	0.07 74	0.06 48	0.06 74	0.10 134	0.09 113	0.03 1	0.03 1	0.04 1	0.04 69	0.04 54	0.03 2

qwe	0.07 7	0.08 384	0.07 14	0.15 132	0.06 36	0.07 47	0.10 44	0.18 326	0.11 125	0.07 86	0.07 74	0.06 48	0.06 74	0.10 134	0.09 113	0.03 1	0.03 1	0.04 1	0.04 69	0.04 54	0.03 2

2.25w	0.07 7	0.06 125	0.07 14	0.14 72	0.06 36	0.08 98	0.08 9	0.10 41	0.15 273	0.08 147	0.10 219	0.07 139	0.06 74	0.08 32	0.10 223	0.05 55	0.03 1	0.04 1	0.04 69	0.03 1	0.04 82

4.25_new	0.07 7	0.08 384	0.09 139	0.15 132	0.06 36	0.09 157	0.08 9	0.14 166	0.08 30	0.07 86	0.07 74	0.06 48	0.06 74	0.12 316	0.10 223	0.03 1	0.03 1	0.04 1	0.03 1	0.04 54	0.03 2

4.5w_new	0.07 7	0.08 384	0.09 139	0.15 132	0.06 36	0.09 157	0.08 9	0.14 166	0.08 30	0.07 86	0.07 74	0.06 48	0.06 74	0.12 316	0.10 223	0.03 1	0.03 1	0.04 1	0.03 1	0.04 54	0.03 2

4.5_new	0.07 7	0.09 470	0.08 63	0.15 132	0.07 145	0.06 16	0.10 44	0.14 166	0.11 125	0.06 30	0.08 140	0.06 48	0.06 74	0.08 32	0.10 223	0.03 1	0.03 1	0.04 1	0.04 69	0.04 54	0.03 2

4.5w-stereo	0.07 7	0.09 470	0.08 63	0.15 132	0.07 145	0.06 16	0.10 44	0.14 166	0.11 125	0.06 30	0.08 140	0.06 48	0.06 74	0.08 32	0.10 223	0.03 1	0.03 1	0.04 1	0.04 69	0.04 54	0.03 2

4.25w-stereo	0.07 7	0.08 384	0.09 139	0.15 132	0.06 36	0.09 157	0.08 9	0.14 166	0.08 30	0.07 86	0.07 74	0.06 48	0.06 74	0.12 316	0.10 223	0.03 1	0.03 1	0.04 1	0.03 1	0.04 54	0.03 2

4w-stereo	0.07 7	0.08 384	0.08 63	0.16 232	0.06 36	0.07 47	0.08 9	0.12 98	0.08 30	0.07 86	0.07 74	0.05 5	0.06 74	0.09 67	0.10 223	0.03 1	0.03 1	0.04 1	0.04 69	0.04 54	0.03 2

2.5w	0.07 7	0.07 256	0.07 14	0.16 232	0.06 36	0.08 98	0.12 114	0.10 41	0.10 92	0.07 86	0.06 28	0.09 249	0.06 74	0.08 32	0.09 113	0.04 11	0.03 1	0.04 1	0.04 69	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 256	0.07 14	0.13 23	0.06 36	0.08 98	0.08 9	0.18 326	0.12 168	0.07 86	0.08 140	0.06 48	0.06 74	0.09 67	0.11 313	0.04 11	0.04 26	0.04 1	0.03 1	0.03 1	0.04 82

3.25w_new	0.07 7	0.06 125	0.07 14	0.15 132	0.06 36	0.10 223	0.07 5	0.12 98	0.11 125	0.08 147	0.06 28	0.07 139	0.06 74	0.11 216	0.09 113	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 125	0.07 14	0.15 132	0.06 36	0.10 223	0.07 5	0.12 98	0.11 125	0.08 147	0.06 28	0.07 139	0.06 74	0.11 216	0.09 113	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 256	0.08 63	0.16 232	0.07 145	0.07 47	0.09 27	0.16 252	0.09 60	0.07 86	0.06 28	0.05 5	0.06 74	0.09 67	0.10 223	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 256	0.07 14	0.15 132	0.07 145	0.09 157	0.06 1	0.13 132	0.11 125	0.07 86	0.07 74	0.06 48	0.07 192	0.10 134	0.09 113	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 125	0.07 14	0.16 232	0.06 36	0.07 47	0.10 44	0.14 166	0.14 245	0.07 86	0.08 140	0.05 5	0.06 74	0.09 67	0.09 113	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 82

monsterstereo	0.07 7	0.06 125	0.06 6	0.16 232	0.06 36	0.08 98	0.10 44	0.16 252	0.11 125	0.07 86	0.08 140	0.06 48	0.07 192	0.08 32	0.09 113	0.04 11	0.04 26	0.05 60	0.04 69	0.03 1	0.03 2

monsters	0.07 7	0.06 125	0.06 6	0.15 132	0.06 36	0.08 98	0.09 27	0.12 98	0.08 30	0.09 203	0.07 74	0.06 48	0.06 74	0.08 32	0.08 29	0.05 55	0.04 26	0.04 1	0.04 69	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 63	0.13 23	0.06 36	0.09 157	0.12 114	0.14 166	0.10 92	0.06 30	0.09 180	0.07 139	0.05 15	0.09 67	0.09 113	0.06 180	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

111111	0.07 7	0.04 1	0.09 139	0.17 321	0.06 36	0.05 5	0.10 44	0.11 71	0.09 60	0.06 30	0.06 28	0.07 139	0.05 15	0.09 67	0.09 113	0.06 180	0.04 26	0.05 60	0.04 69	0.07 404	0.06 333

LG-Stereo_L2	0.07 7	0.05 45	0.10 210	0.14 72	0.06 36	0.07 47	0.12 114	0.09 27	0.09 60	0.06 30	0.04 1	0.05 5	0.05 15	0.08 32	0.08 29	0.05 55	0.04 26	0.05 60	0.03 1	0.04 54	0.03 2

LG-Stereo_L1	0.07 7	0.05 45	0.11 273	0.14 72	0.06 36	0.07 47	0.13 193	0.09 27	0.07 20	0.05 2	0.04 1	0.05 5	0.04 1	0.08 32	0.07 1	0.05 55	0.04 26	0.05 60	0.03 1	0.04 54	0.04 82

MLG-Stereo_test3	0.07 7	0.05 45	0.10 210	0.14 72	0.06 36	0.07 47	0.11 76	0.08 13	0.06 8	0.06 30	0.04 1	0.06 48	0.06 74	0.07 7	0.10 223	0.06 180	0.04 26	0.05 60	0.04 69	0.05 180	0.06 333

MLG-Stereo	0.07 7	0.05 45	0.08 63	0.17 321	0.05 2	0.07 47	0.11 76	0.08 13	0.04 2	0.05 2	0.04 1	0.06 48	0.05 15	0.10 134	0.09 113	0.05 55	0.04 26	0.05 60	0.03 1	0.04 54	0.04 82

LG-G_1	0.07 7	0.04 1	0.11 273	0.15 132	0.06 36	0.09 157	0.08 9	0.08 13	0.06 8	0.06 30	0.05 7	0.07 139	0.07 192	0.11 216	0.08 29	0.07 365	0.04 26	0.05 60	0.04 69	0.05 180	0.05 221

LG-G	0.07 7	0.04 1	0.11 273	0.15 132	0.06 36	0.09 157	0.08 9	0.08 13	0.06 8	0.06 30	0.05 7	0.07 139	0.07 192	0.11 216	0.08 29	0.07 365	0.04 26	0.05 60	0.04 69	0.05 180	0.05 221

LGtest1	0.07 7	0.04 1	0.10 210	0.15 132	0.06 36	0.07 47	0.09 27	0.08 13	0.06 8	0.05 2	0.04 1	0.06 48	0.06 74	0.10 134	0.09 113	0.07 365	0.04 26	0.05 60	0.04 69	0.06 317	0.06 333

LG-Stereo_Zeroshot	0.07 7	0.06 125	0.10 210	0.16 232	0.07 145	0.04 1	0.13 193	0.10 41	0.10 92	0.05 2	0.11 274	0.07 139	0.05 15	0.07 7	0.09 113	0.06 180	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

GREAT-IGEV	0.07 7	0.06 125	0.08 63	0.13 23	0.07 145	0.07 47	0.14 268	0.09 27	0.09 60	0.06 30	0.07 74	0.06 48	0.05 15	0.10 134	0.07 1	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82
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	0.15 630	0.17 539	0.11 1	0.05 2	0.05 5	0.11 76	0.08 13	0.08 30	0.06 30	0.06 28	0.05 5	0.05 15	0.09 67	0.08 29	0.08 450	0.04 26	0.05 60	0.03 1	0.05 180	0.04 82

AIO_rvc	0.07 7	0.06 125	0.08 63	0.15 132	0.06 36	0.08 98	0.14 268	0.09 27	0.08 30	0.07 86	0.08 140	0.07 139	0.04 1	0.10 134	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

AIO_test	0.07 7	0.05 45	0.07 14	0.15 132	0.07 145	0.06 16	0.14 268	0.10 41	0.10 92	0.07 86	0.07 74	0.06 48	0.05 15	0.08 32	0.10 223	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

MonSter	0.07 7	0.06 125	0.05 1	0.15 132	0.05 2	0.07 47	0.10 44	0.15 209	0.15 273	0.05 2	0.06 28	0.05 5	0.06 74	0.07 7	0.09 113	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 45	0.07 14	0.14 72	0.06 36	0.10 223	0.13 193	0.07 7	0.13 212	0.06 30	0.07 74	0.06 48	0.05 15	0.10 134	0.09 113	0.04 11	0.04 26	0.05 60	0.03 1	0.04 54	0.04 82

dual_stereo	0.07 7	0.04 1	0.08 63	0.15 132	0.05 2	0.05 5	0.13 193	0.12 98	0.08 30	0.07 86	0.06 28	0.05 5	0.05 15	0.07 7	0.09 113	0.06 180	0.04 26	0.05 60	0.03 1	0.04 54	0.04 82

IGEV-Stereo++	0.07 7	0.06 125	0.08 63	0.18 418	0.06 36	0.04 1	0.10 44	0.11 71	0.11 125	0.06 30	0.07 74	0.07 139	0.06 74	0.09 67	0.09 113	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

IGEV-Stereo+	0.07 7	0.04 1	0.08 63	0.15 132	0.06 36	0.04 1	0.09 27	0.10 41	0.09 60	0.06 30	0.06 28	0.06 48	0.06 74	0.06 1	0.08 29	0.06 180	0.04 26	0.05 60	0.04 69	0.06 317	0.06 333

GCAPDPT-zeroshot4090	0.07 7	0.05 45	0.11 273	0.15 132	0.06 36	0.07 47	0.13 193	0.09 27	0.11 125	0.07 86	0.08 140	0.06 48	0.05 15	0.09 67	0.07 1	0.05 55	0.05 290	0.05 60	0.04 69	0.03 1	0.04 82

Selective-IGEV	0.07 7	0.06 125	0.08 63	0.17 321	0.06 36	0.08 98	0.12 114	0.13 132	0.07 20	0.08 147	0.07 74	0.06 48	0.04 1	0.10 134	0.09 113	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

SCION-M(vits-remse)	0.08 95	0.06 125	0.12 322	0.24 652	0.05 2	0.07 47	0.10 44	0.15 209	0.15 273	0.05 2	0.06 28	0.05 5	0.06 74	0.07 7	0.09 113	0.08 450	0.06 451	0.04 1	0.03 1	0.03 1	0.03 2

GEAR-Net	0.08 95	0.06 125	0.08 63	0.18 418	0.07 145	0.09 157	0.13 193	0.10 41	0.09 60	0.08 147	0.08 140	0.06 48	0.06 74	0.13 374	0.09 113	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

over-6	0.08 95	0.07 256	0.08 63	0.17 321	0.05 2	0.10 223	0.09 27	0.17 291	0.11 125	0.06 30	0.07 74	0.06 48	0.09 294	0.10 134	0.08 29	0.06 180	0.04 26	0.04 1	0.04 69	0.05 180	0.05 221

anonymous	0.08 95	0.05 45	0.12 322	0.16 232	0.08 240	0.05 5	0.13 193	0.10 41	0.14 245	0.07 86	0.07 74	0.06 48	0.04 1	0.07 7	0.09 113	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

depth_test_26	0.08 95	0.04 1	0.11 273	0.13 23	0.07 145	0.07 47	0.11 76	0.12 98	0.11 125	0.09 203	0.07 74	0.08 207	0.05 15	0.09 67	0.08 29	0.08 450	0.06 451	0.06 215	0.06 309	0.06 317	0.07 423

Anonymus	0.08 95	0.05 45	0.10 210	0.15 132	0.08 240	0.10 223	0.15 357	0.15 209	0.10 92	0.07 86	0.06 28	0.07 139	0.08 247	0.12 316	0.10 223	0.06 180	0.04 26	0.05 60	0.05 208	0.05 180	0.06 333

LGCAT	0.08 95	0.04 1	0.10 210	0.11 1	0.06 36	0.07 47	0.12 114	0.07 7	0.08 30	0.09 203	0.07 74	0.07 139	0.08 247	0.12 316	0.11 313	0.10 564	0.09 600	0.04 1	0.05 208	0.04 54	0.09 545

quiztm	0.08 95	0.07 256	0.08 63	0.18 418	0.07 145	0.09 157	0.14 268	0.14 166	0.12 168	0.07 86	0.07 74	0.05 5	0.06 74	0.11 216	0.09 113	0.05 55	0.04 26	0.06 215	0.04 69	0.04 54	0.03 2

TS12	0.08 95	0.06 125	0.09 139	0.21 599	0.07 145	0.11 280	0.13 193	0.11 71	0.09 60	0.10 254	0.10 219	0.08 207	0.10 341	0.09 67	0.12 382	0.04 11	0.04 26	0.05 60	0.04 69	0.03 1	0.04 82

DF	0.08 95	0.05 45	0.09 139	0.15 132	0.06 36	0.11 280	0.13 193	0.10 41	0.12 168	0.09 203	0.10 219	0.10 287	0.08 247	0.11 216	0.09 113	0.07 365	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

LiteMatch*	0.08 95	0.04 1	0.11 273	0.13 23	0.08 240	0.08 98	0.13 193	0.14 166	0.09 60	0.05 2	0.05 7	0.05 5	0.09 294	0.11 216	0.10 223	0.06 180	0.05 290	0.05 60	0.04 69	0.05 180	0.05 221

aanet-new-90k	0.08 95	0.07 256	0.08 63	0.19 495	0.06 36	0.07 47	0.12 114	0.12 98	0.13 212	0.06 30	0.07 74	0.06 48	0.06 74	0.10 134	0.07 1	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.03 2

aanet-new-36k	0.08 95	0.06 125	0.09 139	0.17 321	0.06 36	0.09 157	0.13 193	0.11 71	0.13 212	0.08 147	0.08 140	0.06 48	0.05 15	0.09 67	0.08 29	0.04 11	0.04 26	0.05 60	0.04 69	0.03 1	0.03 2

aanet-new-34k	0.08 95	0.06 125	0.09 139	0.17 321	0.05 2	0.07 47	0.13 193	0.12 98	0.12 168	0.09 203	0.08 140	0.07 139	0.05 15	0.10 134	0.09 113	0.04 11	0.04 26	0.05 60	0.04 69	0.03 1	0.03 2

aanet-32k-new	0.08 95	0.07 256	0.08 63	0.18 418	0.06 36	0.08 98	0.12 114	0.11 71	0.12 168	0.07 86	0.08 140	0.05 5	0.07 192	0.10 134	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.06 317	0.04 82

aanet-new-32k	0.08 95	0.07 256	0.09 139	0.18 418	0.06 36	0.11 280	0.11 76	0.10 41	0.08 30	0.07 86	0.07 74	0.07 139	0.06 74	0.10 134	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

aanet-new-30k	0.08 95	0.07 256	0.09 139	0.18 418	0.06 36	0.11 280	0.11 76	0.10 41	0.08 30	0.07 86	0.07 74	0.07 139	0.06 74	0.10 134	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

aanet-new-28k	0.08 95	0.07 256	0.09 139	0.18 418	0.06 36	0.08 98	0.12 114	0.10 41	0.09 60	0.09 203	0.08 140	0.08 207	0.06 74	0.12 316	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

aanet-new-22k	0.08 95	0.06 125	0.09 139	0.17 321	0.06 36	0.08 98	0.11 76	0.14 166	0.12 168	0.09 203	0.09 180	0.08 207	0.06 74	0.10 134	0.08 29	0.04 11	0.04 26	0.05 60	0.04 69	0.03 1	0.03 2

aanet-new-16k	0.08 95	0.08 384	0.08 63	0.18 418	0.06 36	0.07 47	0.09 27	0.13 132	0.12 168	0.08 147	0.07 74	0.07 139	0.06 74	0.09 67	0.08 29	0.04 11	0.04 26	0.05 60	0.04 69	0.05 180	0.03 2

aanet-new-10k	0.08 95	0.08 384	0.08 63	0.19 495	0.07 145	0.08 98	0.12 114	0.14 166	0.11 125	0.07 86	0.08 140	0.07 139	0.07 192	0.09 67	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

aanet-new-12k	0.08 95	0.09 470	0.07 14	0.20 564	0.08 240	0.08 98	0.13 193	0.12 98	0.13 212	0.08 147	0.08 140	0.05 5	0.07 192	0.09 67	0.08 29	0.04 11	0.04 26	0.05 60	0.04 69	0.06 317	0.04 82

aanet-new-14k	0.08 95	0.09 470	0.08 63	0.19 495	0.06 36	0.07 47	0.10 44	0.14 166	0.15 273	0.06 30	0.08 140	0.05 5	0.06 74	0.09 67	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

aanet-new-8k	0.08 95	0.07 256	0.08 63	0.19 495	0.07 145	0.09 157	0.12 114	0.16 252	0.15 273	0.07 86	0.07 74	0.06 48	0.06 74	0.10 134	0.08 29	0.04 11	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

aanet-new	0.08 95	0.09 470	0.10 210	0.18 418	0.08 240	0.10 223	0.12 114	0.15 209	0.12 168	0.08 147	0.08 140	0.05 5	0.07 192	0.10 134	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.06 317	0.04 82

GCAP-Stereo-cres-4k	0.08 95	0.07 256	0.08 63	0.18 418	0.07 145	0.11 280	0.14 268	0.12 98	0.11 125	0.07 86	0.11 274	0.07 139	0.06 74	0.09 67	0.08 29	0.04 11	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

GCAP-Stereo-DPT-cres	0.08 95	0.05 45	0.07 14	0.15 132	0.06 36	0.10 223	0.14 268	0.13 132	0.12 168	0.07 86	0.09 180	0.07 139	0.06 74	0.10 134	0.09 113	0.05 55	0.04 26	0.05 60	0.04 69	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 95	0.06 125	0.15 470	0.14 72	0.06 36	0.08 98	0.13 193	0.13 132	0.11 125	0.07 86	0.08 140	0.07 139	0.06 74	0.09 67	0.08 29	0.05 55	0.05 290	0.05 60	0.04 69	0.03 1	0.04 82

GCAP-Stereo-DPT-22K	0.08 95	0.06 125	0.07 14	0.17 321	0.06 36	0.07 47	0.14 268	0.13 132	0.16 315	0.05 2	0.10 219	0.06 48	0.06 74	0.08 32	0.08 29	0.04 11	0.04 26	0.05 60	0.04 69	0.03 1	0.04 82

GCAP-Stereo-DPT-5K	0.08 95	0.06 125	0.10 210	0.16 232	0.07 145	0.11 280	0.12 114	0.15 209	0.15 273	0.08 147	0.12 297	0.05 5	0.06 74	0.09 67	0.08 29	0.05 55	0.04 26	0.06 215	0.05 208	0.03 1	0.04 82

GCAP-Stereo-DPT-2K	0.08 95	0.06 125	0.10 210	0.16 232	0.07 145	0.11 280	0.13 193	0.14 166	0.14 245	0.08 147	0.13 317	0.05 5	0.06 74	0.10 134	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.03 1	0.04 82

GCAP-Stereo-DPT-3K	0.08 95	0.07 256	0.10 210	0.16 232	0.07 145	0.09 157	0.12 114	0.15 209	0.14 245	0.08 147	0.11 274	0.05 5	0.06 74	0.09 67	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.03 1	0.04 82

GCAP-Stereo-DPT-50K	0.08 95	0.06 125	0.17 539	0.15 132	0.06 36	0.06 16	0.13 193	0.13 132	0.13 212	0.07 86	0.07 74	0.06 48	0.05 15	0.08 32	0.08 29	0.04 11	0.04 26	0.05 60	0.04 69	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 95	0.06 125	0.07 14	0.16 232	0.06 36	0.06 16	0.14 268	0.14 166	0.14 245	0.07 86	0.10 219	0.06 48	0.05 15	0.09 67	0.09 113	0.04 11	0.04 26	0.04 1	0.04 69	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 95	0.05 45	0.12 322	0.15 132	0.06 36	0.10 223	0.14 268	0.12 98	0.12 168	0.07 86	0.09 180	0.06 48	0.06 74	0.10 134	0.08 29	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

PSi22	0.08 95	0.06 125	0.11 273	0.16 232	0.07 145	0.08 98	0.10 44	0.14 166	0.08 30	0.08 147	0.06 28	0.10 287	0.06 74	0.12 316	0.09 113	0.05 55	0.04 26	0.04 1	0.03 1	0.04 54	0.04 82

Foundation-i1c-attn	0.08 95	0.05 45	0.07 14	0.14 72	0.05 2	0.09 157	0.12 114	0.12 98	0.10 92	0.09 203	0.10 219	0.10 287	0.07 192	0.07 7	0.10 223	0.06 180	0.04 26	0.05 60	0.04 69	0.03 1	0.03 2

Foundation-i1b	0.08 95	0.05 45	0.07 14	0.14 72	0.05 2	0.09 157	0.12 114	0.13 132	0.10 92	0.09 203	0.10 219	0.09 249	0.06 74	0.07 7	0.09 113	0.06 180	0.04 26	0.05 60	0.04 69	0.03 1	0.03 2

Foundation-i1a	0.08 95	0.05 45	0.07 14	0.13 23	0.05 2	0.13 393	0.13 193	0.12 98	0.09 60	0.11 291	0.11 274	0.11 318	0.06 74	0.08 32	0.09 113	0.06 180	0.04 26	0.05 60	0.03 1	0.04 54	0.04 82

DepthFocus	0.08 95	0.04 1	0.15 470	0.12 7	0.09 376	0.07 47	0.12 114	0.10 41	0.05 4	0.09 203	0.05 7	0.07 139	0.04 1	0.08 32	0.08 29	0.06 180	0.05 290	0.07 330	0.07 412	0.05 180	0.04 82

GeoVLM	0.08 95	0.04 1	0.10 210	0.13 23	0.06 36	0.10 223	0.12 114	0.13 132	0.08 30	0.06 30	0.07 74	0.06 48	0.08 247	0.10 134	0.11 313	0.06 180	0.05 290	0.04 1	0.03 1	0.04 54	0.05 221

gcap_with_dpt	0.08 95	0.06 125	0.09 139	0.16 232	0.07 145	0.09 157	0.12 114	0.13 132	0.13 212	0.08 147	0.12 297	0.04 1	0.06 74	0.10 134	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.03 1	0.04 82

DispViT+	0.08 95	0.05 45	0.09 139	0.13 23	0.06 36	0.05 5	0.11 76	0.18 326	0.16 315	0.09 203	0.08 140	0.07 139	0.06 74	0.11 216	0.09 113	0.06 180	0.04 26	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 95	0.04 1	0.11 273	0.14 72	0.07 145	0.11 280	0.11 76	0.11 71	0.07 20	0.07 86	0.07 74	0.07 139	0.06 74	0.10 134	0.10 223	0.06 180	0.04 26	0.05 60	0.04 69	0.06 317	0.06 333

BStereo	0.08 95	0.06 125	0.16 507	0.15 132	0.08 240	0.07 47	0.09 27	0.15 209	0.16 315	0.06 30	0.07 74	0.07 139	0.05 15	0.09 67	0.11 313	0.04 11	0.05 290	0.05 60	0.07 412	0.04 54	0.04 82

MonSter++	0.08 95	0.04 1	0.10 210	0.13 23	0.06 36	0.09 157	0.12 114	0.13 132	0.08 30	0.06 30	0.07 74	0.06 48	0.08 247	0.10 134	0.11 313	0.06 180	0.05 290	0.04 1	0.03 1	0.04 54	0.04 82

HiDET	0.08 95	0.04 1	0.10 210	0.13 23	0.06 36	0.08 98	0.12 114	0.12 98	0.11 125	0.06 30	0.07 74	0.07 139	0.07 192	0.11 216	0.11 313	0.06 180	0.04 26	0.04 1	0.03 1	0.04 54	0.04 82

LCMNet	0.08 95	0.05 45	0.10 210	0.13 23	0.07 145	0.09 157	0.12 114	0.10 41	0.11 125	0.06 30	0.08 140	0.06 48	0.07 192	0.11 216	0.10 223	0.06 180	0.05 290	0.04 1	0.03 1	0.04 54	0.04 82

GEAStereo	0.08 95	0.05 45	0.08 63	0.13 23	0.08 240	0.08 98	0.14 268	0.10 41	0.09 60	0.08 147	0.10 219	0.06 48	0.05 15	0.11 216	0.08 29	0.06 180	0.04 26	0.05 60	0.04 69	0.05 180	0.05 221

GSStereo	0.08 95	0.05 45	0.08 63	0.13 23	0.08 240	0.08 98	0.14 268	0.11 71	0.12 168	0.08 147	0.10 219	0.05 5	0.05 15	0.11 216	0.08 29	0.06 180	0.04 26	0.05 60	0.04 69	0.05 180	0.05 221

gasm-f	0.08 95	0.05 45	0.07 14	0.13 23	0.08 240	0.08 98	0.14 268	0.10 41	0.09 60	0.08 147	0.10 219	0.06 48	0.05 15	0.10 134	0.08 29	0.06 180	0.04 26	0.05 60	0.04 69	0.06 317	0.05 221

DDF-Stereo	0.08 95	0.04 1	0.09 139	0.15 132	0.10 492	0.06 16	0.13 193	0.09 27	0.14 245	0.06 30	0.06 28	0.07 139	0.06 74	0.09 67	0.10 223	0.06 180	0.04 26	0.06 215	0.04 69	0.08 478	0.05 221

252Zero-FE	0.08 95	0.04 1	0.09 139	0.13 23	0.07 145	0.12 335	0.11 76	0.13 132	0.14 245	0.06 30	0.05 7	0.06 48	0.05 15	0.09 67	0.10 223	0.06 180	0.04 26	0.04 1	0.03 1	0.05 180	0.06 333

DA	0.08 95	0.07 256	0.07 14	0.19 495	0.08 240	0.09 157	0.12 114	0.13 132	0.12 168	0.08 147	0.10 219	0.10 287	0.08 247	0.09 67	0.10 223	0.05 55	0.04 26	0.06 215	0.04 69	0.05 180	0.03 2

zero-FE	0.08 95	0.04 1	0.09 139	0.15 132	0.10 492	0.05 5	0.14 268	0.09 27	0.14 245	0.07 86	0.06 28	0.07 139	0.06 74	0.09 67	0.10 223	0.06 180	0.04 26	0.06 215	0.04 69	0.08 478	0.05 221

GGEV	0.08 95	0.07 256	0.07 14	0.19 495	0.08 240	0.09 157	0.12 114	0.13 132	0.12 168	0.08 147	0.10 219	0.10 287	0.08 247	0.09 67	0.10 223	0.05 55	0.04 26	0.06 215	0.04 69	0.05 180	0.03 2

GASTEREO	0.08 95	0.05 45	0.09 139	0.19 495	0.07 145	0.07 47	0.12 114	0.14 166	0.11 125	0.10 254	0.09 180	0.07 139	0.04 1	0.12 316	0.08 29	0.06 180	0.05 290	0.05 60	0.04 69	0.04 54	0.05 221

MSCF	0.08 95	0.05 45	0.08 63	0.19 495	0.08 240	0.06 16	0.12 114	0.14 166	0.11 125	0.10 254	0.09 180	0.07 139	0.04 1	0.11 216	0.08 29	0.06 180	0.05 290	0.05 60	0.04 69	0.05 180	0.05 221

S2M2_XL	0.08 95	0.06 125	0.12 322	0.12 7	0.08 240	0.09 157	0.09 27	0.07 7	0.07 20	0.08 147	0.07 74	0.07 139	0.06 74	0.09 67	0.09 113	0.08 450	0.06 451	0.07 330	0.05 208	0.08 478	0.06 333
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 95	0.09 470	0.10 210	0.17 321	0.07 145	0.08 98	0.10 44	0.20 369	0.13 212	0.06 30	0.07 74	0.05 5	0.06 74	0.08 32	0.09 113	0.03 1	0.03 1	0.04 1	0.03 1	0.04 54	0.03 2

2w_stereo	0.08 95	0.08 384	0.09 139	0.16 232	0.06 36	0.08 98	0.10 44	0.20 369	0.15 273	0.08 147	0.07 74	0.06 48	0.06 74	0.06 1	0.09 113	0.04 11	0.03 1	0.04 1	0.04 69	0.03 1	0.03 2

LG-Stereo	0.08 95	0.07 256	0.10 210	0.18 418	0.07 145	0.10 223	0.17 473	0.11 71	0.08 30	0.05 2	0.07 74	0.05 5	0.07 192	0.09 67	0.09 113	0.04 11	0.05 290	0.07 330	0.07 412	0.04 54	0.04 82

SGD-Stereo	0.08 95	0.05 45	0.10 210	0.14 72	0.05 2	0.12 335	0.12 114	0.11 71	0.12 168	0.07 86	0.09 180	0.09 249	0.09 294	0.08 32	0.08 29	0.06 180	0.04 26	0.05 60	0.04 69	0.05 180	0.03 2

HART	0.08 95	0.07 256	0.09 139	0.17 321	0.07 145	0.10 223	0.16 431	0.13 132	0.11 125	0.08 147	0.10 219	0.07 139	0.05 15	0.10 134	0.08 29	0.05 55	0.04 26	0.06 215	0.04 69	0.05 180	0.04 82

Reg-Stereo(zero)	0.08 95	0.05 45	0.08 63	0.16 232	0.06 36	0.12 335	0.11 76	0.15 209	0.10 92	0.12 336	0.09 180	0.10 287	0.08 247	0.11 216	0.08 29	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.05 221

SCV_C0	0.08 95	0.07 256	0.07 14	0.16 232	0.09 376	0.08 98	0.15 357	0.11 71	0.12 168	0.08 147	0.07 74	0.06 48	0.05 15	0.11 216	0.07 1	0.05 55	0.05 290	0.05 60	0.04 69	0.06 317	0.05 221

SCV	0.08 95	0.09 470	0.08 63	0.15 132	0.08 240	0.10 223	0.13 193	0.10 41	0.12 168	0.07 86	0.07 74	0.06 48	0.04 1	0.09 67	0.08 29	0.05 55	0.04 26	0.06 215	0.04 69	0.06 317	0.04 82

DEFOM-Stereo_RVC	0.08 95	0.06 125	0.09 139	0.22 619	0.06 36	0.08 98	0.12 114	0.10 41	0.10 92	0.07 86	0.07 74	0.06 48	0.05 15	0.11 216	0.09 113	0.06 180	0.04 26	0.05 60	0.03 1	0.06 317	0.04 82

HUF	0.08 95	0.05 45	0.08 63	0.14 72	0.06 36	0.09 157	0.13 193	0.13 132	0.13 212	0.07 86	0.07 74	0.08 207	0.06 74	0.10 134	0.09 113	0.06 180	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

castereo++	0.08 95	0.05 45	0.08 63	0.15 132	0.05 2	0.14 430	0.12 114	0.11 71	0.15 273	0.07 86	0.07 74	0.07 139	0.06 74	0.08 32	0.08 29	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

IGEV-RUCA	0.08 95	0.06 125	0.11 273	0.14 72	0.09 376	0.10 223	0.12 114	0.10 41	0.12 168	0.06 30	0.07 74	0.07 139	0.06 74	0.09 67	0.08 29	0.06 180	0.05 290	0.05 60	0.04 69	0.05 180	0.06 333

GIP-stereo	0.08 95	0.06 125	0.11 273	0.14 72	0.06 36	0.09 157	0.13 193	0.14 166	0.11 125	0.07 86	0.08 140	0.05 5	0.04 1	0.10 134	0.07 1	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

SMoEStereo_RVC	0.08 95	0.06 125	0.12 322	0.16 232	0.07 145	0.09 157	0.14 268	0.11 71	0.13 212	0.09 203	0.07 74	0.07 139	0.07 192	0.12 316	0.10 223	0.05 55	0.04 26	0.06 215	0.05 208	0.04 54	0.04 82

WCG-NET	0.08 95	0.05 45	0.09 139	0.15 132	0.06 36	0.11 280	0.14 268	0.13 132	0.13 212	0.06 30	0.09 180	0.07 139	0.06 74	0.13 374	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

Occ-G	0.08 95	0.05 45	0.06 6	0.14 72	0.07 145	0.08 98	0.14 268	0.13 132	0.15 273	0.07 86	0.11 274	0.07 139	0.05 15	0.09 67	0.10 223	0.06 180	0.05 290	0.05 60	0.04 69	0.05 180	0.05 221

U	0.08 95	0.07 256	0.09 139	0.19 495	0.10 492	0.10 223	0.13 193	0.12 98	0.17 346	0.07 86	0.07 74	0.06 48	0.05 15	0.07 7	0.08 29	0.06 180	0.04 26	0.06 215	0.04 69	0.06 317	0.05 221

AIO-Stereo	0.08 95	0.06 125	0.09 139	0.18 418	0.06 36	0.08 98	0.12 114	0.15 209	0.09 60	0.08 147	0.08 140	0.07 139	0.05 15	0.11 216	0.08 29	0.05 55	0.05 290	0.05 60	0.04 69	0.04 54	0.04 82

WCG-NET（raft）	0.08 95	0.05 45	0.10 210	0.15 132	0.06 36	0.11 280	0.13 193	0.15 209	0.12 168	0.08 147	0.07 74	0.06 48	0.06 74	0.13 374	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

RSM++	0.08 95	0.06 125	0.09 139	0.17 321	0.07 145	0.09 157	0.12 114	0.11 71	0.11 125	0.08 147	0.06 28	0.07 139	0.05 15	0.10 134	0.09 113	0.04 11	0.04 26	0.06 215	0.05 208	0.05 180	0.03 2

RSM	0.08 95	0.06 125	0.09 139	0.17 321	0.06 36	0.08 98	0.12 114	0.12 98	0.10 92	0.08 147	0.07 74	0.06 48	0.05 15	0.11 216	0.09 113	0.04 11	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

gcap-zeroshot	0.08 95	0.06 125	0.10 210	0.15 132	0.07 145	0.11 280	0.12 114	0.15 209	0.15 273	0.08 147	0.12 297	0.05 5	0.06 74	0.09 67	0.08 29	0.05 55	0.04 26	0.06 215	0.05 208	0.03 1	0.04 82

test_for_model	0.08 95	0.06 125	0.10 210	0.16 232	0.07 145	0.11 280	0.12 114	0.15 209	0.15 273	0.08 147	0.12 297	0.05 5	0.06 74	0.09 67	0.08 29	0.05 55	0.04 26	0.06 215	0.05 208	0.03 1	0.04 82

trnet	0.08 95	0.05 45	0.07 14	0.12 7	0.05 2	0.12 335	0.11 76	0.13 132	0.10 92	0.08 147	0.13 317	0.09 249	0.08 247	0.11 216	0.10 223	0.08 450	0.05 290	0.05 60	0.03 1	0.06 317	0.05 221

MoCha-V2	0.08 95	0.05 45	0.10 210	0.20 564	0.07 145	0.09 157	0.14 268	0.11 71	0.08 30	0.07 86	0.08 140	0.07 139	0.06 74	0.09 67	0.08 29	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

IGEV++	0.08 95	0.06 125	0.08 63	0.18 418	0.07 145	0.09 157	0.13 193	0.10 41	0.09 60	0.08 147	0.08 140	0.06 48	0.06 74	0.13 374	0.09 113	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

testlalala	0.08 95	0.06 125	0.10 210	0.15 132	0.07 145	0.11 280	0.12 114	0.15 209	0.15 273	0.08 147	0.12 297	0.05 5	0.06 74	0.09 67	0.08 29	0.05 55	0.04 26	0.06 215	0.05 208	0.03 1	0.04 82

AEACV	0.08 95	0.05 45	0.08 63	0.14 72	0.13 607	0.14 430	0.13 193	0.14 166	0.09 60	0.07 86	0.09 180	0.07 139	0.08 247	0.10 134	0.09 113	0.06 180	0.04 26	0.06 215	0.05 208	0.05 180	0.04 82

LoS_RVC	0.08 95	0.05 45	0.07 14	0.15 132	0.07 145	0.08 98	0.15 357	0.11 71	0.10 92	0.08 147	0.09 180	0.06 48	0.09 294	0.10 134	0.09 113	0.05 55	0.04 26	0.05 60	0.03 1	0.04 54	0.03 2

CAS	0.08 95	0.04 1	0.07 14	0.17 321	0.08 240	0.10 223	0.13 193	0.12 98	0.09 60	0.09 203	0.10 219	0.08 207	0.06 74	0.09 67	0.08 29	0.08 450	0.04 26	0.05 60	0.03 1	0.05 180	0.04 82

CES	0.08 95	0.04 1	0.08 63	0.14 72	0.07 145	0.09 157	0.14 268	0.11 71	0.09 60	0.08 147	0.09 180	0.11 318	0.06 74	0.12 316	0.08 29	0.06 180	0.04 26	0.05 60	0.03 1	0.05 180	0.05 221

EGLCR-Stereo	0.08 95	0.05 45	0.08 63	0.14 72	0.06 36	0.10 223	0.12 114	0.11 71	0.16 315	0.06 30	0.05 7	0.07 139	0.05 15	0.10 134	0.11 313	0.06 180	0.04 26	0.06 215	0.05 208	0.04 54	0.04 82

MC-Stereo	0.08 95	0.06 125	0.09 139	0.17 321	0.06 36	0.10 223	0.14 268	0.12 98	0.10 92	0.09 203	0.12 297	0.09 249	0.06 74	0.11 216	0.10 223	0.06 180	0.04 26	0.06 215	0.05 208	0.04 54	0.04 82

test-3	0.08 95	0.06 125	0.09 139	0.17 321	0.07 145	0.07 47	0.14 268	0.12 98	0.15 273	0.09 203	0.08 140	0.07 139	0.08 247	0.11 216	0.10 223	0.05 55	0.04 26	0.07 330	0.05 208	0.04 54	0.04 82

test_1	0.08 95	0.06 125	0.09 139	0.17 321	0.07 145	0.07 47	0.14 268	0.12 98	0.15 273	0.09 203	0.08 140	0.07 139	0.08 247	0.11 216	0.10 223	0.05 55	0.04 26	0.07 330	0.05 208	0.04 54	0.04 82

CREStereo++_RVC	0.08 95	0.04 1	0.06 6	0.13 23	0.07 145	0.09 157	0.12 114	0.14 166	0.14 245	0.10 254	0.14 333	0.08 207	0.07 192	0.09 67	0.11 313	0.06 180	0.04 26	0.05 60	0.05 208	0.04 54	0.04 82
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
SCION-Mon(vits-remp)	0.09 190	0.13 607	0.12 322	0.24 652	0.16 660	0.25 634	0.10 44	0.15 209	0.15 273	0.05 2	0.06 28	0.05 5	0.06 74	0.07 7	0.09 113	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

GELT-Stereo	0.09 190	0.06 125	0.09 139	0.18 418	0.07 145	0.07 47	0.14 268	0.21 396	0.17 346	0.08 147	0.07 74	0.06 48	0.08 247	0.10 134	0.07 1	0.04 11	0.04 26	0.06 215	0.06 309	0.03 1	0.03 2

FAST (zero-shot)	0.09 190	0.06 125	0.11 273	0.19 495	0.13 607	0.07 47	0.13 193	0.12 98	0.08 30	0.08 147	0.06 28	0.08 207	0.07 192	0.10 134	0.10 223	0.07 365	0.06 451	0.06 215	0.07 412	0.05 180	0.08 496

DNSM	0.09 190	0.05 45	0.07 14	0.14 72	0.06 36	0.07 47	0.13 193	0.12 98	0.11 125	0.09 203	0.09 180	0.08 207	0.05 15	0.18 533	0.14 472	0.07 365	0.05 290	0.05 60	0.04 69	0.13 637	0.10 577

GREATEN-IGEV_RVC	0.09 190	0.08 384	0.08 63	0.21 599	0.09 376	0.08 98	0.11 76	0.10 41	0.09 60	0.07 86	0.10 219	0.05 5	0.06 74	0.14 410	0.11 313	0.05 55	0.06 451	0.07 330	0.06 309	0.05 180	0.05 221

VeloStereo	0.09 190	0.04 1	0.12 322	0.14 72	0.11 547	0.07 47	0.06 1	0.08 13	0.06 8	0.09 203	0.07 74	0.06 48	0.08 247	0.11 216	0.10 223	0.08 450	0.08 563	0.08 431	0.07 412	0.11 599	0.13 642

flow	0.09 190	0.04 1	0.12 322	0.14 72	0.11 547	0.07 47	0.06 1	0.08 13	0.06 8	0.09 203	0.07 74	0.06 48	0.08 247	0.12 316	0.10 223	0.08 450	0.08 563	0.08 431	0.07 412	0.11 599	0.13 642

GREATEN-IGEV-FM_RVC	0.09 190	0.05 45	0.11 273	0.19 495	0.07 145	0.10 223	0.09 27	0.12 98	0.09 60	0.09 203	0.09 180	0.07 139	0.08 247	0.08 32	0.09 113	0.06 180	0.06 451	0.10 570	0.08 495	0.07 404	0.05 221

Weightmod_eth	0.09 190	0.07 256	0.08 63	0.18 418	0.07 145	0.10 223	0.16 431	0.13 132	0.11 125	0.08 147	0.08 140	0.09 249	0.07 192	0.10 134	0.10 223	0.06 180	0.07 529	0.06 215	0.07 412	0.04 54	0.03 2

Weightmod	0.09 190	0.06 125	0.08 63	0.18 418	0.06 36	0.10 223	0.15 357	0.14 166	0.12 168	0.11 291	0.10 219	0.08 207	0.07 192	0.10 134	0.11 313	0.06 180	0.08 563	0.07 330	0.07 412	0.04 54	0.03 2

PhaseNet	0.09 190	0.06 125	0.10 210	0.15 132	0.08 240	0.10 223	0.14 268	0.20 369	0.12 168	0.07 86	0.08 140	0.09 249	0.10 341	0.13 374	0.12 382	0.06 180	0.04 26	0.06 215	0.06 309	0.05 180	0.05 221

DNS	0.09 190	0.06 125	0.08 63	0.14 72	0.06 36	0.06 16	0.12 114	0.12 98	0.09 60	0.08 147	0.08 140	0.08 207	0.05 15	0.17 508	0.11 313	0.07 365	0.05 290	0.07 330	0.03 1	0.13 637	0.09 545

RT-Monster	0.09 190	0.05 45	0.09 139	0.14 72	0.08 240	0.11 280	0.10 44	0.17 291	0.18 380	0.13 371	0.10 219	0.09 249	0.08 247	0.10 134	0.10 223	0.07 365	0.05 290	0.05 60	0.04 69	0.05 180	0.06 333

LiteMatch	0.09 190	0.06 125	0.10 210	0.16 232	0.07 145	0.09 157	0.15 357	0.13 132	0.08 30	0.06 30	0.07 74	0.06 48	0.15 497	0.10 134	0.14 472	0.07 365	0.04 26	0.06 215	0.06 309	0.06 317	0.06 333

Foundation-i1	0.09 190	0.04 1	0.10 210	0.14 72	0.06 36	0.10 223	0.13 193	0.16 252	0.14 245	0.10 254	0.10 219	0.11 318	0.07 192	0.07 7	0.10 223	0.06 180	0.04 26	0.05 60	0.05 208	0.05 180	0.05 221

VMStereo-Base	0.09 190	0.05 45	0.10 210	0.13 23	0.07 145	0.10 223	0.10 44	0.16 252	0.13 212	0.10 254	0.15 354	0.10 287	0.09 294	0.11 216	0.10 223	0.07 365	0.05 290	0.05 60	0.04 69	0.05 180	0.06 333

Anonymus123	0.09 190	0.06 125	0.16 507	0.15 132	0.08 240	0.11 280	0.09 27	0.18 326	0.16 315	0.06 30	0.07 74	0.07 139	0.05 15	0.09 67	0.11 313	0.04 11	0.05 290	0.05 60	0.07 412	0.04 54	0.04 82

NLSM3	0.09 190	0.06 125	0.08 63	0.19 495	0.08 240	0.11 280	0.16 431	0.18 326	0.16 315	0.06 30	0.08 140	0.07 139	0.08 247	0.09 67	0.11 313	0.04 11	0.04 26	0.06 215	0.07 412	0.03 1	0.03 2

FE-Mocha	0.09 190	0.06 125	0.14 421	0.16 232	0.09 376	0.10 223	0.15 357	0.18 326	0.16 315	0.10 254	0.09 180	0.07 139	0.07 192	0.09 67	0.09 113	0.06 180	0.04 26	0.06 215	0.06 309	0.05 180	0.05 221

IGEV-FE	0.09 190	0.05 45	0.12 322	0.13 23	0.08 240	0.12 335	0.13 193	0.17 291	0.11 125	0.10 254	0.06 28	0.09 249	0.06 74	0.11 216	0.09 113	0.06 180	0.04 26	0.06 215	0.06 309	0.05 180	0.05 221

water-stereo	0.09 190	0.06 125	0.08 63	0.16 232	0.07 145	0.09 157	0.13 193	0.15 209	0.13 212	0.11 291	0.12 297	0.08 207	0.09 294	0.07 7	0.08 29	0.06 180	0.05 290	0.05 60	0.05 208	0.04 54	0.04 82

depthmonostereo	0.09 190	0.06 125	0.09 139	0.15 132	0.06 36	0.10 223	0.13 193	0.14 166	0.14 245	0.10 254	0.10 219	0.09 249	0.11 379	0.08 32	0.09 113	0.06 180	0.05 290	0.06 215	0.04 69	0.04 54	0.03 2

DVStereo	0.09 190	0.05 45	0.08 63	0.15 132	0.06 36	0.11 280	0.12 114	0.14 166	0.16 315	0.11 291	0.11 274	0.09 249	0.09 294	0.11 216	0.10 223	0.06 180	0.05 290	0.05 60	0.04 69	0.03 1	0.03 2

S2M2_L	0.09 190	0.08 384	0.11 273	0.13 23	0.10 492	0.08 98	0.06 1	0.10 41	0.10 92	0.10 254	0.09 180	0.10 287	0.09 294	0.11 216	0.11 313	0.13 647	0.07 529	0.08 431	0.09 543	0.10 576	0.08 496
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 190	0.06 125	0.09 139	0.19 495	0.08 240	0.12 335	0.18 524	0.15 209	0.14 245	0.07 86	0.10 219	0.07 139	0.06 74	0.12 316	0.09 113	0.05 55	0.04 26	0.06 215	0.05 208	0.05 180	0.03 2

castereo	0.09 190	0.06 125	0.11 273	0.15 132	0.06 36	0.11 280	0.15 357	0.14 166	0.18 380	0.08 147	0.10 219	0.11 318	0.08 247	0.09 67	0.10 223	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.03 2

fffft	0.09 190	0.06 125	0.12 322	0.16 232	0.07 145	0.09 157	0.17 473	0.12 98	0.11 125	0.08 147	0.07 74	0.09 249	0.06 74	0.11 216	0.12 382	0.05 55	0.04 26	0.06 215	0.05 208	0.04 54	0.05 221
1: 1. 1
tt45	0.09 190	0.06 125	0.11 273	0.15 132	0.07 145	0.11 280	0.16 431	0.13 132	0.11 125	0.09 203	0.06 28	0.08 207	0.06 74	0.13 374	0.10 223	0.06 180	0.04 26	0.06 215	0.05 208	0.05 180	0.06 333

999	0.09 190	0.05 45	0.13 380	0.15 132	0.08 240	0.10 223	0.14 268	0.15 209	0.11 125	0.10 254	0.08 140	0.08 207	0.08 247	0.16 473	0.10 223	0.06 180	0.04 26	0.06 215	0.05 208	0.04 54	0.05 221

mms	0.09 190	0.07 256	0.08 63	0.16 232	0.08 240	0.10 223	0.16 431	0.12 98	0.11 125	0.08 147	0.09 180	0.08 207	0.06 74	0.11 216	0.12 382	0.05 55	0.04 26	0.07 330	0.05 208	0.04 54	0.03 2

ours_stereo	0.09 190	0.07 256	0.09 139	0.17 321	0.08 240	0.11 280	0.16 431	0.11 71	0.12 168	0.08 147	0.10 219	0.08 207	0.06 74	0.12 316	0.12 382	0.05 55	0.04 26	0.06 215	0.05 208	0.04 54	0.03 2

fffy	0.09 190	0.08 384	0.09 139	0.16 232	0.07 145	0.13 393	0.17 473	0.13 132	0.12 168	0.08 147	0.09 180	0.08 207	0.09 294	0.13 374	0.11 313	0.05 55	0.05 290	0.07 330	0.05 208	0.04 54	0.05 221

PAM_32	0.09 190	0.05 45	0.17 539	0.15 132	0.08 240	0.10 223	0.15 357	0.14 166	0.15 273	0.09 203	0.08 140	0.09 249	0.07 192	0.14 410	0.08 29	0.06 180	0.05 290	0.06 215	0.06 309	0.05 180	0.06 333

UGAM-zero	0.09 190	0.05 45	0.15 470	0.15 132	0.08 240	0.09 157	0.13 193	0.19 357	0.15 273	0.11 291	0.15 354	0.07 139	0.07 192	0.09 67	0.09 113	0.06 180	0.05 290	0.06 215	0.05 208	0.05 180	0.06 333

GCAP-BAT	0.09 190	0.05 45	0.11 273	0.13 23	0.07 145	0.11 280	0.14 268	0.14 166	0.16 315	0.07 86	0.10 219	0.08 207	0.06 74	0.13 374	0.08 29	0.07 365	0.05 290	0.05 60	0.05 208	0.04 54	0.04 82

Pointernet	0.09 190	0.04 1	0.09 139	0.16 232	0.08 240	0.13 393	0.10 44	0.15 209	0.17 346	0.09 203	0.07 74	0.06 48	0.06 74	0.11 216	0.09 113	0.08 450	0.04 26	0.05 60	0.03 1	0.06 317	0.05 221

IGEV-BASED-STEREO-	0.09 190	0.10 533	0.31 651	0.15 132	0.06 36	0.08 98	0.14 268	0.10 41	0.10 92	0.07 86	0.07 74	0.06 48	0.04 1	0.11 216	0.07 1	0.12 621	0.04 26	0.07 330	0.05 208	0.05 180	0.05 221

RAFT-Stereo-weight	0.09 190	0.06 125	0.10 210	0.16 232	0.07 145	0.09 157	0.14 268	0.19 357	0.16 315	0.11 291	0.10 219	0.08 207	0.06 74	0.10 134	0.11 313	0.06 180	0.04 26	0.06 215	0.04 69	0.04 54	0.04 82

MGS-Stereo	0.09 190	0.07 256	0.12 322	0.15 132	0.08 240	0.09 157	0.15 357	0.12 98	0.12 168	0.07 86	0.10 219	0.08 207	0.06 74	0.10 134	0.09 113	0.05 55	0.04 26	0.06 215	0.05 208	0.06 317	0.05 221

ff7	0.09 190	0.07 256	0.11 273	0.16 232	0.09 376	0.11 280	0.15 357	0.16 252	0.12 168	0.10 254	0.06 28	0.06 48	0.06 74	0.11 216	0.09 113	0.05 55	0.04 26	0.06 215	0.05 208	0.05 180	0.06 333

IGEVStereo-DCA	0.09 190	0.06 125	0.11 273	0.15 132	0.10 492	0.11 280	0.15 357	0.16 252	0.12 168	0.10 254	0.06 28	0.08 207	0.06 74	0.10 134	0.08 29	0.06 180	0.05 290	0.06 215	0.05 208	0.05 180	0.06 333

ffff	0.09 190	0.07 256	0.11 273	0.16 232	0.09 376	0.11 280	0.15 357	0.16 252	0.12 168	0.10 254	0.06 28	0.06 48	0.06 74	0.11 216	0.09 113	0.05 55	0.04 26	0.06 215	0.05 208	0.05 180	0.06 333

rrr	0.09 190	0.06 125	0.12 322	0.15 132	0.10 492	0.11 280	0.16 431	0.16 252	0.15 273	0.10 254	0.06 28	0.08 207	0.06 74	0.10 134	0.08 29	0.06 180	0.05 290	0.06 215	0.05 208	0.05 180	0.06 333

11t	0.09 190	0.07 256	0.11 273	0.16 232	0.09 376	0.11 280	0.15 357	0.16 252	0.12 168	0.10 254	0.06 28	0.06 48	0.06 74	0.11 216	0.09 113	0.05 55	0.04 26	0.06 215	0.05 208	0.05 180	0.06 333

MaDis-Stereo	0.09 190	0.09 470	0.08 63	0.17 321	0.09 376	0.13 393	0.10 44	0.16 252	0.16 315	0.09 203	0.11 274	0.06 48	0.06 74	0.09 67	0.13 429	0.07 365	0.06 451	0.07 330	0.05 208	0.05 180	0.04 82

IGEV_Zeroshot_test	0.09 190	0.05 45	0.12 322	0.13 23	0.08 240	0.12 335	0.13 193	0.17 291	0.11 125	0.10 254	0.06 28	0.09 249	0.06 74	0.11 216	0.09 113	0.06 180	0.04 26	0.06 215	0.06 309	0.05 180	0.05 221

MSKI-zero shot	0.09 190	0.05 45	0.09 139	0.15 132	0.07 145	0.10 223	0.13 193	0.14 166	0.13 212	0.09 203	0.09 180	0.09 249	0.06 74	0.12 316	0.10 223	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

UniTT-Stereo	0.09 190	0.07 256	0.08 63	0.18 418	0.08 240	0.13 393	0.11 76	0.12 98	0.11 125	0.10 254	0.12 297	0.05 5	0.07 192	0.09 67	0.09 113	0.07 365	0.05 290	0.05 60	0.05 208	0.05 180	0.05 221

MIM_Stereo	0.09 190	0.07 256	0.11 273	0.15 132	0.07 145	0.06 16	0.12 114	0.20 369	0.14 245	0.13 371	0.13 317	0.09 249	0.05 15	0.12 316	0.08 29	0.05 55	0.06 451	0.07 330	0.06 309	0.06 317	0.05 221

CASnet	0.09 190	0.09 470	0.09 139	0.19 495	0.06 36	0.07 47	0.11 76	0.18 326	0.14 245	0.11 291	0.10 219	0.09 249	0.07 192	0.10 134	0.10 223	0.06 180	0.04 26	0.10 570	0.08 495	0.05 180	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 190	0.05 45	0.11 273	0.13 23	0.07 145	0.11 280	0.14 268	0.14 166	0.16 315	0.07 86	0.10 219	0.08 207	0.06 74	0.13 374	0.08 29	0.07 365	0.05 290	0.05 60	0.05 208	0.04 54	0.04 82

GCAP-Stereo	0.09 190	0.07 256	0.13 380	0.18 418	0.06 36	0.11 280	0.07 5	0.13 132	0.12 168	0.09 203	0.10 219	0.07 139	0.09 294	0.13 374	0.10 223	0.06 180	0.05 290	0.05 60	0.04 69	0.04 54	0.05 221

RAFT-Test	0.09 190	0.06 125	0.10 210	0.15 132	0.07 145	0.11 280	0.15 357	0.16 252	0.13 212	0.09 203	0.10 219	0.10 287	0.09 294	0.12 316	0.09 113	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.05 221

HH	0.09 190	0.06 125	0.13 380	0.17 321	0.08 240	0.10 223	0.16 431	0.14 166	0.10 92	0.08 147	0.09 180	0.08 207	0.07 192	0.10 134	0.09 113	0.06 180	0.04 26	0.06 215	0.05 208	0.05 180	0.04 82

HanStereo	0.09 190	0.06 125	0.13 380	0.17 321	0.08 240	0.10 223	0.16 431	0.14 166	0.10 92	0.08 147	0.09 180	0.08 207	0.07 192	0.10 134	0.09 113	0.06 180	0.04 26	0.06 215	0.05 208	0.05 180	0.04 82

4D-IteraStereo	0.09 190	0.07 256	0.10 210	0.18 418	0.07 145	0.09 157	0.15 357	0.17 291	0.15 273	0.10 254	0.11 274	0.10 287	0.07 192	0.11 216	0.09 113	0.05 55	0.03 1	0.08 431	0.07 412	0.06 317	0.05 221

anonymousdsp	0.09 190	0.07 256	0.11 273	0.16 232	0.09 376	0.11 280	0.15 357	0.16 252	0.12 168	0.09 203	0.06 28	0.06 48	0.06 74	0.11 216	0.09 113	0.05 55	0.04 26	0.06 215	0.05 208	0.05 180	0.06 333

LoS	0.09 190	0.05 45	0.11 273	0.13 23	0.07 145	0.14 430	0.11 76	0.15 209	0.15 273	0.09 203	0.09 180	0.12 340	0.09 294	0.15 438	0.10 223	0.07 365	0.05 290	0.05 60	0.03 1	0.05 180	0.05 221
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 190	0.07 256	0.10 210	0.17 321	0.08 240	0.10 223	0.15 357	0.15 209	0.12 168	0.09 203	0.06 28	0.07 139	0.06 74	0.11 216	0.09 113	0.05 55	0.04 26	0.06 215	0.05 208	0.04 54	0.06 333

RCA-Stereo	0.09 190	0.06 125	0.09 139	0.16 232	0.06 36	0.09 157	0.13 193	0.18 326	0.14 245	0.09 203	0.10 219	0.08 207	0.07 192	0.12 316	0.11 313	0.06 180	0.04 26	0.06 215	0.05 208	0.05 180	0.04 82

CroCo-Stereo Lap2	0.09 190	0.09 470	0.08 63	0.22 619	0.09 376	0.09 157	0.19 565	0.16 252	0.12 168	0.09 203	0.10 219	0.05 5	0.05 15	0.08 32	0.08 29	0.06 180	0.06 451	0.07 330	0.05 208	0.05 180	0.05 221

ccc-4	0.09 190	0.07 256	0.11 273	0.16 232	0.09 376	0.11 280	0.15 357	0.16 252	0.12 168	0.10 254	0.06 28	0.06 48	0.06 74	0.11 216	0.09 113	0.05 55	0.04 26	0.06 215	0.05 208	0.05 180	0.06 333

IGEV-Stereo	0.09 190	0.07 256	0.11 273	0.16 232	0.09 376	0.11 280	0.15 357	0.16 252	0.12 168	0.09 203	0.06 28	0.06 48	0.06 74	0.11 216	0.09 113	0.05 55	0.04 26	0.06 215	0.05 208	0.05 180	0.06 333
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 190	0.05 45	0.13 380	0.14 72	0.08 240	0.12 335	0.15 357	0.18 326	0.10 92	0.11 291	0.08 140	0.08 207	0.05 15	0.10 134	0.09 113	0.06 180	0.04 26	0.06 215	0.05 208	0.06 317	0.05 221

TRStereo	0.09 190	0.05 45	0.12 322	0.15 132	0.12 584	0.10 223	0.13 193	0.18 326	0.18 380	0.09 203	0.09 180	0.09 249	0.06 74	0.10 134	0.08 29	0.07 365	0.05 290	0.07 330	0.07 412	0.04 54	0.04 82

AnonymousM	0.09 190	0.05 45	0.10 210	0.14 72	0.06 36	0.09 157	0.13 193	0.19 357	0.14 245	0.13 371	0.11 274	0.09 249	0.08 247	0.13 374	0.10 223	0.08 450	0.05 290	0.08 431	0.05 208	0.05 180	0.05 221

CroCo-Stereo	0.09 190	0.08 384	0.08 63	0.22 619	0.09 376	0.09 157	0.19 565	0.15 209	0.12 168	0.07 86	0.07 74	0.08 207	0.06 74	0.08 32	0.07 1	0.07 365	0.05 290	0.06 215	0.04 69	0.05 180	0.04 82
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	0.09 190	0.06 125	0.07 14	0.15 132	0.05 2	0.16 489	0.18 524	0.15 209	0.15 273	0.10 254	0.11 274	0.11 318	0.11 379	0.10 134	0.12 382	0.05 55	0.04 26	0.05 60	0.04 69	0.04 54	0.04 82

TANstereo	0.09 190	0.04 1	0.08 63	0.13 23	0.06 36	0.11 280	0.14 268	0.15 209	0.19 400	0.11 291	0.15 354	0.10 287	0.06 74	0.12 316	0.09 113	0.07 365	0.05 290	0.05 60	0.04 69	0.06 317	0.05 221

XX-TBD	0.09 190	0.06 125	0.07 14	0.14 72	0.07 145	0.12 335	0.16 431	0.14 166	0.13 212	0.11 291	0.12 297	0.09 249	0.08 247	0.10 134	0.10 223	0.06 180	0.04 26	0.05 60	0.03 1	0.06 317	0.05 221

raftrobust	0.09 190	0.06 125	0.10 210	0.17 321	0.08 240	0.09 157	0.10 44	0.18 326	0.16 315	0.10 254	0.09 180	0.12 340	0.07 192	0.12 316	0.10 223	0.08 450	0.05 290	0.06 215	0.05 208	0.05 180	0.05 221

XX-Stereo	0.09 190	0.05 45	0.08 63	0.17 321	0.09 376	0.15 457	0.12 114	0.20 369	0.10 92	0.10 254	0.14 333	0.07 139	0.06 74	0.12 316	0.08 29	0.06 180	0.05 290	0.06 215	0.06 309	0.04 54	0.04 82

test_xeample3	0.09 190	0.06 125	0.12 322	0.16 232	0.09 376	0.11 280	0.15 357	0.16 252	0.13 212	0.10 254	0.06 28	0.08 207	0.06 74	0.10 134	0.09 113	0.05 55	0.04 26	0.06 215	0.05 208	0.05 180	0.06 333

RAFT-Stereo + iAFF	0.09 190	0.06 125	0.10 210	0.17 321	0.06 36	0.10 223	0.16 431	0.17 291	0.14 245	0.09 203	0.10 219	0.08 207	0.09 294	0.11 216	0.09 113	0.05 55	0.04 26	0.06 215	0.06 309	0.04 54	0.03 2

AFF-stereo	0.09 190	0.06 125	0.10 210	0.17 321	0.07 145	0.10 223	0.16 431	0.17 291	0.09 60	0.10 254	0.12 297	0.09 249	0.09 294	0.12 316	0.09 113	0.05 55	0.04 26	0.07 330	0.07 412	0.04 54	0.03 2

EAI-Stereo	0.09 190	0.07 256	0.11 273	0.15 132	0.06 36	0.10 223	0.15 357	0.16 252	0.09 60	0.08 147	0.09 180	0.08 207	0.07 192	0.09 67	0.11 313	0.05 55	0.04 26	0.05 60	0.05 208	0.05 180	0.04 82

CFNet-RSSM	0.09 190	0.07 256	0.09 139	0.16 232	0.07 145	0.09 157	0.15 357	0.16 252	0.17 346	0.08 147	0.12 297	0.10 287	0.09 294	0.11 216	0.09 113	0.06 180	0.04 26	0.06 215	0.04 69	0.04 54	0.04 82

Gwc-CoAtRS	0.09 190	0.06 125	0.10 210	0.16 232	0.07 145	0.10 223	0.14 268	0.17 291	0.17 346	0.08 147	0.10 219	0.12 340	0.09 294	0.12 316	0.09 113	0.06 180	0.04 26	0.06 215	0.04 69	0.04 54	0.04 82

CREStereo	0.09 190	0.04 1	0.08 63	0.11 1	0.06 36	0.13 393	0.14 268	0.14 166	0.10 92	0.08 147	0.13 317	0.09 249	0.08 247	0.11 216	0.10 223	0.08 450	0.04 26	0.05 60	0.03 1	0.06 317	0.06 333
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	0.09 190	0.05 45	0.09 139	0.12 7	0.06 36	0.12 335	0.14 268	0.15 209	0.11 125	0.09 203	0.13 317	0.10 287	0.07 192	0.13 374	0.10 223	0.15 665	0.04 26	0.05 60	0.03 1	0.07 404	0.06 333

noway7	0.10 270	0.07 256	0.13 380	0.20 564	0.09 376	0.11 280	0.15 357	0.28 552	0.16 315	0.11 291	0.11 274	0.07 139	0.07 192	0.10 134	0.10 223	0.05 55	0.04 26	0.07 330	0.06 309	0.05 180	0.05 221

SE	0.10 270	0.10 533	0.08 63	0.19 495	0.09 376	0.11 280	0.11 76	0.15 209	0.11 125	0.10 254	0.16 367	0.09 249	0.08 247	0.09 67	0.10 223	0.06 180	0.05 290	0.08 431	0.07 412	0.07 404	0.04 82

SMOE	0.10 270	0.08 384	0.09 139	0.18 418	0.07 145	0.13 393	0.14 268	0.18 326	0.13 212	0.11 291	0.13 317	0.12 340	0.09 294	0.11 216	0.11 313	0.05 55	0.05 290	0.08 431	0.06 309	0.06 317	0.04 82

ManiGeoR	0.10 270	0.05 45	0.12 322	0.12 7	0.08 240	0.12 335	0.12 114	0.24 471	0.14 245	0.12 336	0.14 333	0.12 340	0.09 294	0.13 374	0.13 429	0.07 365	0.04 26	0.05 60	0.05 208	0.07 404	0.07 423

HLf10	0.10 270	0.05 45	0.12 322	0.12 7	0.08 240	0.12 335	0.12 114	0.24 471	0.14 245	0.12 336	0.14 333	0.12 340	0.09 294	0.13 374	0.13 429	0.07 365	0.04 26	0.05 60	0.05 208	0.07 404	0.07 423

TestStereo_HLe17	0.10 270	0.05 45	0.12 322	0.13 23	0.07 145	0.11 280	0.15 357	0.21 396	0.15 273	0.11 291	0.14 333	0.11 318	0.09 294	0.13 374	0.12 382	0.07 365	0.04 26	0.05 60	0.05 208	0.07 404	0.06 333

DN	0.10 270	0.05 45	0.09 139	0.14 72	0.09 376	0.12 335	0.18 524	0.17 291	0.16 315	0.08 147	0.09 180	0.08 207	0.06 74	0.08 32	0.09 113	0.11 596	0.05 290	0.07 330	0.06 309	0.07 404	0.09 545

Hybrid-DGEV-03	0.10 270	0.06 125	0.09 139	0.18 418	0.08 240	0.16 489	0.14 268	0.15 209	0.14 245	0.13 371	0.16 367	0.12 340	0.09 294	0.13 374	0.11 313	0.06 180	0.04 26	0.08 431	0.06 309	0.05 180	0.04 82

WQFJA1	0.10 270	0.07 256	0.08 63	0.20 564	0.09 376	0.12 335	0.17 473	0.17 291	0.17 346	0.09 203	0.10 219	0.08 207	0.10 341	0.12 316	0.11 313	0.06 180	0.07 529	0.07 330	0.06 309	0.06 317	0.05 221

WQFJX1	0.10 270	0.07 256	0.08 63	0.22 619	0.09 376	0.12 335	0.17 473	0.18 326	0.17 346	0.10 254	0.09 180	0.07 139	0.10 341	0.11 216	0.09 113	0.07 365	0.08 563	0.07 330	0.06 309	0.05 180	0.04 82

WQFJX	0.10 270	0.07 256	0.09 139	0.21 599	0.09 376	0.12 335	0.16 431	0.18 326	0.17 346	0.12 336	0.10 219	0.07 139	0.09 294	0.12 316	0.10 223	0.06 180	0.07 529	0.06 215	0.05 208	0.06 317	0.05 221

NLMM	0.10 270	0.07 256	0.08 63	0.20 564	0.09 376	0.12 335	0.17 473	0.17 291	0.17 346	0.09 203	0.10 219	0.08 207	0.10 341	0.12 316	0.11 313	0.06 180	0.07 529	0.07 330	0.06 309	0.06 317	0.05 221

NLSM1	0.10 270	0.07 256	0.07 14	0.19 495	0.08 240	0.13 393	0.16 431	0.21 396	0.15 273	0.11 291	0.10 219	0.06 48	0.10 341	0.10 134	0.11 313	0.07 365	0.08 563	0.08 431	0.07 412	0.05 180	0.05 221

MM-Stereo_test3	0.10 270	0.07 256	0.07 14	0.18 418	0.07 145	0.12 335	0.19 565	0.24 471	0.19 400	0.06 30	0.10 219	0.08 207	0.06 74	0.11 216	0.08 29	0.06 180	0.06 451	0.07 330	0.05 208	0.05 180	0.04 82

MM-Stereo_test1	0.10 270	0.07 256	0.08 63	0.18 418	0.07 145	0.12 335	0.18 524	0.21 396	0.20 424	0.09 203	0.11 274	0.08 207	0.06 74	0.10 134	0.10 223	0.06 180	0.05 290	0.07 330	0.06 309	0.05 180	0.04 82

AIO-test2	0.10 270	0.08 384	0.10 210	0.23 643	0.08 240	0.11 280	0.10 44	0.23 447	0.23 467	0.08 147	0.09 180	0.08 207	0.05 15	0.10 134	0.08 29	0.06 180	0.05 290	0.08 431	0.09 543	0.05 180	0.05 221

AIO-test1	0.10 270	0.07 256	0.10 210	0.23 643	0.07 145	0.09 157	0.13 193	0.21 396	0.14 245	0.11 291	0.12 297	0.09 249	0.07 192	0.11 216	0.09 113	0.06 180	0.05 290	0.09 520	0.10 585	0.03 1	0.06 333

tg	0.10 270	0.06 125	0.10 210	0.18 418	0.08 240	0.11 280	0.16 431	0.20 369	0.12 168	0.08 147	0.11 274	0.11 318	0.07 192	0.11 216	0.10 223	0.05 55	0.04 26	0.08 431	0.08 495	0.04 54	0.04 82

PAM	0.10 270	0.05 45	0.16 507	0.15 132	0.08 240	0.09 157	0.16 431	0.15 209	0.16 315	0.12 336	0.09 180	0.09 249	0.07 192	0.13 374	0.08 29	0.06 180	0.05 290	0.06 215	0.06 309	0.05 180	0.06 333

model_zeroshot	0.10 270	0.04 1	0.11 273	0.15 132	0.09 376	0.12 335	0.14 268	0.20 369	0.13 212	0.11 291	0.10 219	0.12 340	0.07 192	0.12 316	0.10 223	0.07 365	0.06 451	0.06 215	0.05 208	0.06 317	0.06 333

RAStereo	0.10 270	0.09 470	0.08 63	0.20 564	0.08 240	0.13 393	0.18 524	0.15 209	0.17 346	0.10 254	0.12 297	0.05 5	0.06 74	0.09 67	0.08 29	0.07 365	0.05 290	0.07 330	0.05 208	0.05 180	0.04 82

rvit_stereo_0080	0.10 270	0.08 384	0.14 421	0.15 132	0.09 376	0.07 47	0.15 357	0.16 252	0.16 315	0.11 291	0.10 219	0.14 396	0.08 247	0.12 316	0.10 223	0.09 519	0.07 529	0.07 330	0.06 309	0.07 404	0.05 221

H2IRNET	0.10 270	0.09 470	0.09 139	0.18 418	0.09 376	0.12 335	0.15 357	0.14 166	0.21 441	0.10 254	0.10 219	0.10 287	0.10 341	0.10 134	0.10 223	0.05 55	0.04 26	0.08 431	0.08 495	0.06 317	0.05 221

Former-RAFT_DAM_RVC	0.10 270	0.08 384	0.12 322	0.16 232	0.08 240	0.15 457	0.16 431	0.18 326	0.18 380	0.10 254	0.09 180	0.09 249	0.08 247	0.11 216	0.12 382	0.07 365	0.05 290	0.08 431	0.06 309	0.07 404	0.06 333

MyStereo07	0.10 270	0.07 256	0.10 210	0.17 321	0.09 376	0.14 430	0.18 524	0.15 209	0.15 273	0.09 203	0.06 28	0.06 48	0.07 192	0.12 316	0.09 113	0.06 180	0.05 290	0.08 431	0.07 412	0.06 317	0.06 333

MyStereo06	0.10 270	0.07 256	0.12 322	0.17 321	0.09 376	0.13 393	0.18 524	0.19 357	0.12 168	0.12 336	0.08 140	0.07 139	0.07 192	0.11 216	0.09 113	0.06 180	0.05 290	0.07 330	0.07 412	0.06 317	0.06 333

AE-Stereo	0.10 270	0.08 384	0.10 210	0.18 418	0.09 376	0.10 223	0.15 357	0.14 166	0.19 400	0.09 203	0.14 333	0.12 340	0.08 247	0.11 216	0.10 223	0.05 55	0.06 451	0.07 330	0.06 309	0.05 180	0.04 82

ACVNet-DCA	0.10 270	0.08 384	0.12 322	0.17 321	0.09 376	0.13 393	0.15 357	0.23 447	0.16 315	0.09 203	0.09 180	0.06 48	0.06 74	0.10 134	0.07 1	0.06 180	0.04 26	0.06 215	0.05 208	0.07 404	0.07 423

cc1	0.10 270	0.08 384	0.12 322	0.17 321	0.09 376	0.13 393	0.15 357	0.16 252	0.18 380	0.09 203	0.09 180	0.06 48	0.06 74	0.10 134	0.07 1	0.06 180	0.04 26	0.06 215	0.05 208	0.06 317	0.06 333

tt1	0.10 270	0.08 384	0.12 322	0.17 321	0.09 376	0.12 335	0.16 431	0.15 209	0.19 400	0.09 203	0.08 140	0.06 48	0.06 74	0.10 134	0.07 1	0.06 180	0.04 26	0.06 215	0.05 208	0.06 317	0.06 333

whm_eth	0.10 270	0.08 384	0.14 421	0.15 132	0.09 376	0.07 47	0.15 357	0.16 252	0.16 315	0.11 291	0.10 219	0.14 396	0.08 247	0.12 316	0.10 223	0.09 519	0.07 529	0.07 330	0.06 309	0.07 404	0.05 221

plain	0.10 270	0.08 384	0.10 210	0.19 495	0.09 376	0.10 223	0.15 357	0.14 166	0.13 212	0.13 371	0.15 354	0.09 249	0.12 412	0.13 374	0.12 382	0.07 365	0.05 290	0.09 520	0.06 309	0.06 317	0.06 333

Any-RAFT	0.10 270	0.05 45	0.09 139	0.14 72	0.07 145	0.13 393	0.14 268	0.21 396	0.15 273	0.11 291	0.12 297	0.12 340	0.09 294	0.12 316	0.09 113	0.07 365	0.04 26	0.05 60	0.04 69	0.06 317	0.05 221

LL-Strereo2	0.10 270	0.10 533	0.15 470	0.18 418	0.08 240	0.15 457	0.09 27	0.17 291	0.14 245	0.14 399	0.10 219	0.09 249	0.07 192	0.16 473	0.10 223	0.05 55	0.05 290	0.10 570	0.07 412	0.06 317	0.05 221

DCANet-4	0.10 270	0.06 125	0.12 322	0.16 232	0.06 36	0.09 157	0.17 473	0.18 326	0.19 400	0.13 371	0.16 367	0.09 249	0.14 479	0.11 216	0.12 382	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.05 221

fff	0.10 270	0.06 125	0.12 322	0.15 132	0.07 145	0.09 157	0.17 473	0.16 252	0.20 424	0.13 371	0.16 367	0.10 287	0.11 379	0.11 216	0.12 382	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.05 221

ADStereo(finetuned)	0.10 270	0.06 125	0.12 322	0.16 232	0.06 36	0.09 157	0.17 473	0.15 209	0.19 400	0.13 371	0.17 391	0.10 287	0.12 412	0.11 216	0.12 382	0.06 180	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

test_4	0.10 270	0.10 533	0.08 63	0.19 495	0.09 376	0.08 98	0.22 621	0.15 209	0.17 346	0.12 336	0.18 419	0.12 340	0.09 294	0.08 32	0.11 313	0.04 11	0.04 26	0.08 431	0.08 495	0.04 54	0.03 2

IPLG	0.10 270	0.07 256	0.15 470	0.17 321	0.08 240	0.11 280	0.14 268	0.20 369	0.15 273	0.12 336	0.17 391	0.07 139	0.07 192	0.14 410	0.13 429	0.06 180	0.04 26	0.06 215	0.05 208	0.04 54	0.04 82

test_3	0.10 270	0.09 470	0.10 210	0.20 564	0.08 240	0.13 393	0.26 672	0.14 166	0.21 441	0.10 254	0.10 219	0.09 249	0.09 294	0.08 32	0.11 313	0.05 55	0.04 26	0.08 431	0.07 412	0.04 54	0.04 82

STrans-v2	0.10 270	0.07 256	0.12 322	0.18 418	0.07 145	0.10 223	0.14 268	0.21 396	0.11 125	0.11 291	0.15 354	0.12 340	0.10 341	0.11 216	0.12 382	0.05 55	0.04 26	0.06 215	0.06 309	0.04 54	0.04 82

TransformOpticalFlow	0.10 270	0.08 384	0.13 380	0.18 418	0.07 145	0.09 157	0.15 357	0.19 357	0.15 273	0.12 336	0.17 391	0.11 318	0.11 379	0.11 216	0.10 223	0.05 55	0.04 26	0.06 215	0.06 309	0.05 180	0.05 221

SST-Stereo	0.10 270	0.07 256	0.15 470	0.18 418	0.09 376	0.06 16	0.12 114	0.17 291	0.11 125	0.15 426	0.17 391	0.13 373	0.12 412	0.10 134	0.11 313	0.06 180	0.04 26	0.09 520	0.06 309	0.06 317	0.05 221

cross-raft	0.10 270	0.09 470	0.09 139	0.19 495	0.07 145	0.11 280	0.25 663	0.13 132	0.15 273	0.08 147	0.11 274	0.12 340	0.10 341	0.09 67	0.11 313	0.05 55	0.04 26	0.06 215	0.05 208	0.04 54	0.04 82

test-1	0.10 270	0.07 256	0.16 507	0.19 495	0.08 240	0.11 280	0.24 648	0.14 166	0.18 380	0.09 203	0.07 74	0.09 249	0.08 247	0.07 7	0.09 113	0.06 180	0.04 26	0.06 215	0.05 208	0.04 54	0.04 82

iRaftStereo_RVC	0.10 270	0.07 256	0.09 139	0.17 321	0.09 376	0.11 280	0.17 473	0.18 326	0.12 168	0.09 203	0.12 297	0.10 287	0.07 192	0.11 216	0.10 223	0.05 55	0.04 26	0.08 431	0.08 495	0.04 54	0.04 82

RALCasStereoNet	0.10 270	0.06 125	0.09 139	0.16 232	0.08 240	0.12 335	0.14 268	0.17 291	0.11 125	0.12 336	0.17 391	0.14 396	0.10 341	0.12 316	0.11 313	0.07 365	0.06 451	0.06 215	0.05 208	0.08 478	0.07 423

DCANet	0.10 270	0.06 125	0.12 322	0.16 232	0.06 36	0.09 157	0.17 473	0.15 209	0.19 400	0.13 371	0.17 391	0.10 287	0.11 379	0.11 216	0.12 382	0.06 180	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

csc	0.10 270	0.06 125	0.12 322	0.15 132	0.07 145	0.09 157	0.17 473	0.16 252	0.20 424	0.13 371	0.16 367	0.10 287	0.11 379	0.11 216	0.12 382	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.05 221

cscssc	0.10 270	0.06 125	0.12 322	0.15 132	0.07 145	0.09 157	0.17 473	0.16 252	0.20 424	0.13 371	0.16 367	0.10 287	0.11 379	0.11 216	0.12 382	0.06 180	0.04 26	0.05 60	0.04 69	0.04 54	0.05 221

111	0.10 270	0.06 125	0.12 322	0.15 132	0.07 145	0.10 223	0.14 268	0.21 396	0.23 467	0.11 291	0.12 297	0.14 396	0.11 379	0.13 374	0.10 223	0.06 180	0.04 26	0.06 215	0.04 69	0.05 180	0.05 221

R-Stereo Train	0.10 270	0.06 125	0.10 210	0.17 321	0.08 240	0.11 280	0.14 268	0.23 447	0.11 125	0.12 336	0.19 430	0.11 318	0.08 247	0.09 67	0.11 313	0.07 365	0.05 290	0.06 215	0.05 208	0.05 180	0.05 221

RAFT-Stereo	0.10 270	0.06 125	0.10 210	0.17 321	0.08 240	0.11 280	0.14 268	0.23 447	0.11 125	0.12 336	0.19 430	0.11 318	0.08 247	0.09 67	0.11 313	0.07 365	0.05 290	0.06 215	0.05 208	0.05 180	0.05 221
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 270	0.06 125	0.12 322	0.14 72	0.06 36	0.11 280	0.10 44	0.18 326	0.18 380	0.13 371	0.16 367	0.14 396	0.11 379	0.15 438	0.13 429	0.06 180	0.04 26	0.04 1	0.04 69	0.06 317	0.05 221
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
zzzzzzz1	0.11 324	0.07 256	0.13 380	0.21 599	0.10 492	0.12 335	0.18 524	0.22 423	0.20 424	0.13 371	0.12 297	0.08 207	0.08 247	0.13 374	0.09 113	0.05 55	0.05 290	0.07 330	0.07 412	0.05 180	0.05 221

monster_256*512	0.11 324	0.07 256	0.09 139	0.21 599	0.10 492	0.12 335	0.17 473	0.26 509	0.18 380	0.12 336	0.12 297	0.08 207	0.07 192	0.10 134	0.10 223	0.05 55	0.04 26	0.07 330	0.07 412	0.05 180	0.05 221

SME	0.11 324	0.09 470	0.10 210	0.17 321	0.07 145	0.20 573	0.13 193	0.21 396	0.17 346	0.12 336	0.13 317	0.10 287	0.12 412	0.13 374	0.13 429	0.07 365	0.07 529	0.08 431	0.09 543	0.06 317	0.05 221

HLF11	0.11 324	0.05 45	0.13 380	0.12 7	0.08 240	0.14 430	0.11 76	0.22 423	0.10 92	0.12 336	0.23 488	0.11 318	0.11 379	0.14 410	0.13 429	0.08 450	0.05 290	0.05 60	0.04 69	0.08 478	0.08 496

HLf8	0.11 324	0.05 45	0.13 380	0.11 1	0.08 240	0.15 457	0.12 114	0.22 423	0.15 273	0.13 371	0.17 391	0.12 340	0.10 341	0.14 410	0.12 382	0.09 519	0.05 290	0.05 60	0.05 208	0.08 478	0.08 496

TestStereo_HL3	0.11 324	0.05 45	0.16 507	0.13 23	0.07 145	0.12 335	0.11 76	0.20 369	0.09 60	0.15 426	0.30 590	0.13 373	0.12 412	0.16 473	0.11 313	0.07 365	0.05 290	0.05 60	0.05 208	0.06 317	0.07 423

TestStereo_HL2	0.11 324	0.06 125	0.11 273	0.12 7	0.08 240	0.12 335	0.14 268	0.20 369	0.18 380	0.13 371	0.21 467	0.12 340	0.10 341	0.12 316	0.12 382	0.07 365	0.05 290	0.05 60	0.05 208	0.07 404	0.07 423

GGDA	0.11 324	0.06 125	0.11 273	0.13 23	0.07 145	0.12 335	0.14 268	0.19 357	0.19 400	0.13 371	0.20 443	0.12 340	0.09 294	0.12 316	0.12 382	0.07 365	0.04 26	0.05 60	0.05 208	0.06 317	0.07 423

TestStereo-Hl	0.11 324	0.06 125	0.11 273	0.13 23	0.08 240	0.15 457	0.14 268	0.20 369	0.17 346	0.13 371	0.16 367	0.12 340	0.11 379	0.14 410	0.13 429	0.06 180	0.04 26	0.05 60	0.05 208	0.06 317	0.06 333

Lsterematch	0.11 324	0.06 125	0.11 273	0.16 232	0.07 145	0.13 393	0.15 357	0.14 166	0.17 346	0.16 455	0.18 419	0.15 427	0.15 497	0.12 316	0.14 472	0.07 365	0.04 26	0.06 215	0.06 309	0.06 317	0.06 333

Hybrid-DGEV-2	0.11 324	0.06 125	0.12 322	0.18 418	0.09 376	0.09 157	0.13 193	0.28 552	0.29 552	0.11 291	0.11 274	0.09 249	0.12 412	0.12 316	0.09 113	0.06 180	0.05 290	0.07 330	0.07 412	0.05 180	0.05 221

NLMM1	0.11 324	0.09 470	0.07 14	0.22 619	0.10 492	0.12 335	0.20 589	0.18 326	0.20 424	0.12 336	0.11 274	0.07 139	0.09 294	0.11 216	0.11 313	0.08 450	0.08 563	0.07 330	0.06 309	0.04 54	0.04 82

NLCSM	0.11 324	0.09 470	0.09 139	0.23 643	0.11 547	0.12 335	0.19 565	0.18 326	0.18 380	0.12 336	0.11 274	0.07 139	0.09 294	0.11 216	0.10 223	0.07 365	0.08 563	0.07 330	0.07 412	0.06 317	0.05 221

Select-FE	0.11 324	0.06 125	0.20 589	0.15 132	0.11 547	0.11 280	0.13 193	0.21 396	0.18 380	0.09 203	0.11 274	0.10 287	0.06 74	0.12 316	0.09 113	0.07 365	0.05 290	0.07 330	0.08 495	0.06 317	0.08 496

FlowAnything_test	0.11 324	0.08 384	0.14 421	0.15 132	0.09 376	0.07 47	0.14 268	0.20 369	0.11 125	0.09 203	0.09 180	0.12 340	0.12 412	0.13 374	0.11 313	0.09 519	0.06 451	0.09 520	0.09 543	0.06 317	0.09 545

xyz-stereo-finetune2	0.11 324	0.07 256	0.13 380	0.13 23	0.07 145	0.11 280	0.19 565	0.17 291	0.12 168	0.15 426	0.15 354	0.17 464	0.12 412	0.13 374	0.11 313	0.05 55	0.04 26	0.07 330	0.05 208	0.04 54	0.06 333

xyz-stereo-finetune	0.11 324	0.08 384	0.13 380	0.14 72	0.06 36	0.10 223	0.19 565	0.17 291	0.19 400	0.12 336	0.14 333	0.15 427	0.10 341	0.13 374	0.11 313	0.05 55	0.04 26	0.07 330	0.05 208	0.04 54	0.05 221

FLISNet	0.11 324	0.06 125	0.11 273	0.13 23	0.09 376	0.09 157	0.14 268	0.21 396	0.10 92	0.19 523	0.17 391	0.14 396	0.09 294	0.16 473	0.08 29	0.05 55	0.04 26	0.07 330	0.08 495	0.07 404	0.06 333

CoSv	0.11 324	0.06 125	0.11 273	0.13 23	0.09 376	0.09 157	0.14 268	0.21 396	0.10 92	0.19 523	0.17 391	0.14 396	0.09 294	0.16 473	0.08 29	0.05 55	0.04 26	0.07 330	0.08 495	0.07 404	0.06 333

rvit_stereo_0081_aga	0.11 324	0.09 470	0.14 421	0.18 418	0.09 376	0.13 393	0.14 268	0.14 166	0.19 400	0.10 254	0.18 419	0.16 442	0.09 294	0.12 316	0.09 113	0.10 564	0.06 451	0.08 431	0.07 412	0.07 404	0.06 333

rvit_stereo_0081	0.11 324	0.08 384	0.15 470	0.16 232	0.09 376	0.10 223	0.14 268	0.14 166	0.24 484	0.11 291	0.13 317	0.13 373	0.09 294	0.11 216	0.12 382	0.10 564	0.07 529	0.08 431	0.07 412	0.07 404	0.05 221

rvit_stereo_0082	0.11 324	0.08 384	0.15 470	0.16 232	0.09 376	0.10 223	0.14 268	0.14 166	0.24 484	0.11 291	0.13 317	0.13 373	0.09 294	0.11 216	0.12 382	0.10 564	0.07 529	0.08 431	0.07 412	0.07 404	0.05 221

AIO-Stereo-zeroshot1	0.11 324	0.05 45	0.14 421	0.15 132	0.20 691	0.09 157	0.17 473	0.21 396	0.15 273	0.11 291	0.14 333	0.10 287	0.07 192	0.10 134	0.08 29	0.06 180	0.05 290	0.07 330	0.07 412	0.07 404	0.09 545

AIO-Stereo-zeroshot	0.11 324	0.05 45	0.11 273	0.15 132	0.13 607	0.13 393	0.16 431	0.23 447	0.17 346	0.10 254	0.12 297	0.10 287	0.07 192	0.11 216	0.09 113	0.06 180	0.05 290	0.06 215	0.06 309	0.07 404	0.08 496

CAS++	0.11 324	0.07 256	0.11 273	0.14 72	0.09 376	0.12 335	0.14 268	0.24 471	0.14 245	0.11 291	0.09 180	0.11 318	0.07 192	0.14 410	0.09 113	0.11 596	0.09 600	0.09 520	0.07 412	0.07 404	0.08 496
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 324	0.08 384	0.12 322	0.17 321	0.09 376	0.13 393	0.15 357	0.16 252	0.18 380	0.09 203	0.09 180	0.16 442	0.16 525	0.10 134	0.07 1	0.06 180	0.04 26	0.08 431	0.08 495	0.07 404	0.07 423

1test111	0.11 324	0.08 384	0.12 322	0.17 321	0.09 376	0.13 393	0.15 357	0.23 447	0.16 315	0.09 203	0.09 180	0.06 48	0.06 74	0.15 438	0.16 523	0.06 180	0.04 26	0.06 215	0.05 208	0.07 404	0.07 423

MIF-Stereo (partial)	0.11 324	0.06 125	0.10 210	0.19 495	0.10 492	0.10 223	0.11 76	0.17 291	0.18 380	0.14 399	0.16 367	0.09 249	0.11 379	0.12 316	0.12 382	0.08 450	0.05 290	0.08 431	0.07 412	0.06 317	0.07 423

EKT-Stereo	0.11 324	0.07 256	0.14 421	0.15 132	0.10 492	0.13 393	0.14 268	0.18 326	0.21 441	0.11 291	0.08 140	0.12 340	0.09 294	0.11 216	0.12 382	0.08 450	0.06 451	0.07 330	0.06 309	0.08 478	0.07 423

anonymousdsp2	0.11 324	0.07 256	0.10 210	0.16 232	0.09 376	0.13 393	0.14 268	0.18 326	0.22 455	0.13 371	0.14 333	0.12 340	0.09 294	0.14 410	0.11 313	0.05 55	0.04 26	0.05 60	0.04 69	0.06 317	0.05 221

DCRE	0.11 324	0.07 256	0.13 380	0.16 232	0.11 547	0.11 280	0.17 473	0.18 326	0.17 346	0.11 291	0.18 419	0.10 287	0.10 341	0.15 438	0.11 313	0.06 180	0.05 290	0.06 215	0.06 309	0.05 180	0.04 82

knoymous	0.11 324	0.05 45	0.12 322	0.13 23	0.07 145	0.15 457	0.14 268	0.19 357	0.13 212	0.11 291	0.17 391	0.13 373	0.09 294	0.13 374	0.11 313	0.08 450	0.05 290	0.06 215	0.05 208	0.08 478	0.07 423

riskmin	0.11 324	0.06 125	0.13 380	0.14 72	0.08 240	0.14 430	0.14 268	0.18 326	0.14 245	0.11 291	0.14 333	0.16 442	0.11 379	0.14 410	0.12 382	0.09 519	0.05 290	0.07 330	0.05 208	0.08 478	0.08 496

Selective-RAFT	0.11 324	0.10 533	0.11 273	0.21 599	0.08 240	0.16 489	0.13 193	0.20 369	0.22 455	0.10 254	0.10 219	0.11 318	0.10 341	0.15 438	0.11 313	0.05 55	0.05 290	0.06 215	0.05 208	0.06 317	0.05 221

DisPM	0.11 324	0.07 256	0.12 322	0.16 232	0.09 376	0.06 16	0.13 193	0.17 291	0.17 346	0.14 399	0.20 443	0.12 340	0.10 341	0.11 216	0.10 223	0.06 180	0.04 26	0.07 330	0.06 309	0.06 317	0.11 605

CIPLG	0.11 324	0.08 384	0.14 421	0.17 321	0.08 240	0.12 335	0.15 357	0.17 291	0.15 273	0.14 399	0.11 274	0.16 442	0.09 294	0.16 473	0.11 313	0.07 365	0.05 290	0.06 215	0.05 208	0.05 180	0.06 333

GLC_STEREO	0.11 324	0.07 256	0.11 273	0.17 321	0.07 145	0.09 157	0.13 193	0.15 209	0.24 484	0.12 336	0.13 317	0.12 340	0.08 247	0.18 533	0.11 313	0.06 180	0.08 563	0.08 431	0.06 309	0.05 180	0.05 221

IPLGR_C	0.11 324	0.08 384	0.14 421	0.17 321	0.08 240	0.12 335	0.15 357	0.17 291	0.15 273	0.14 399	0.10 219	0.16 442	0.09 294	0.16 473	0.11 313	0.07 365	0.05 290	0.06 215	0.05 208	0.05 180	0.06 333

MIPNet	0.11 324	0.08 384	0.14 421	0.17 321	0.09 376	0.12 335	0.14 268	0.20 369	0.24 484	0.11 291	0.10 219	0.09 249	0.07 192	0.13 374	0.12 382	0.06 180	0.04 26	0.06 215	0.05 208	0.04 54	0.04 82

IPLGR	0.11 324	0.09 470	0.16 507	0.18 418	0.08 240	0.12 335	0.17 473	0.21 396	0.24 484	0.11 291	0.12 297	0.11 318	0.08 247	0.12 316	0.12 382	0.06 180	0.05 290	0.06 215	0.06 309	0.04 54	0.04 82

GMOStereo	0.11 324	0.09 470	0.07 14	0.19 495	0.08 240	0.12 335	0.28 685	0.13 132	0.17 346	0.11 291	0.17 391	0.14 396	0.12 412	0.07 7	0.07 1	0.05 55	0.05 290	0.09 520	0.07 412	0.04 54	0.04 82

error version	0.11 324	0.09 470	0.07 14	0.19 495	0.08 240	0.12 335	0.28 685	0.13 132	0.17 346	0.11 291	0.17 391	0.14 396	0.12 412	0.07 7	0.07 1	0.05 55	0.05 290	0.09 520	0.07 412	0.04 54	0.04 82

test-v	0.11 324	0.09 470	0.07 14	0.19 495	0.08 240	0.12 335	0.28 685	0.13 132	0.17 346	0.11 291	0.17 391	0.14 396	0.12 412	0.07 7	0.07 1	0.05 55	0.05 290	0.09 520	0.07 412	0.04 54	0.04 82

ACRE	0.11 324	0.08 384	0.14 421	0.17 321	0.08 240	0.12 335	0.15 357	0.17 291	0.14 245	0.14 399	0.10 219	0.16 442	0.09 294	0.16 473	0.11 313	0.07 365	0.05 290	0.06 215	0.05 208	0.05 180	0.06 333

PFNet+	0.11 324	0.06 125	0.13 380	0.16 232	0.09 376	0.05 5	0.12 114	0.17 291	0.21 441	0.16 455	0.19 430	0.14 396	0.10 341	0.11 216	0.11 313	0.08 450	0.05 290	0.09 520	0.08 495	0.06 317	0.11 605

LCNet	0.11 324	0.07 256	0.09 139	0.19 495	0.09 376	0.08 98	0.15 357	0.21 396	0.15 273	0.11 291	0.15 354	0.16 442	0.11 379	0.12 316	0.11 313	0.05 55	0.04 26	0.08 431	0.07 412	0.06 317	0.15 668

HHNet	0.11 324	0.06 125	0.16 507	0.15 132	0.14 629	0.07 47	0.13 193	0.20 369	0.17 346	0.14 399	0.25 530	0.11 318	0.08 247	0.13 374	0.10 223	0.05 55	0.04 26	0.08 431	0.06 309	0.05 180	0.09 545

Patchmatch Stereo++	0.11 324	0.09 470	0.16 507	0.18 418	0.08 240	0.06 16	0.11 76	0.16 252	0.13 212	0.15 426	0.16 367	0.14 396	0.12 412	0.11 216	0.10 223	0.06 180	0.04 26	0.08 431	0.06 309	0.08 478	0.07 423
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	0.11 324	0.07 256	0.16 507	0.19 495	0.09 376	0.08 98	0.13 193	0.18 326	0.13 212	0.16 455	0.21 467	0.13 373	0.14 479	0.11 216	0.14 472	0.06 180	0.04 26	0.09 520	0.06 309	0.06 317	0.05 221

OMP-Stereo	0.11 324	0.06 125	0.14 421	0.18 418	0.08 240	0.09 157	0.12 114	0.21 396	0.21 441	0.13 371	0.14 333	0.11 318	0.12 412	0.11 216	0.13 429	0.06 180	0.04 26	0.07 330	0.06 309	0.05 180	0.04 82

IIG-Stereo	0.11 324	0.06 125	0.13 380	0.17 321	0.08 240	0.11 280	0.12 114	0.22 423	0.17 346	0.14 399	0.17 391	0.11 318	0.12 412	0.12 316	0.12 382	0.06 180	0.05 290	0.07 330	0.06 309	0.05 180	0.04 82

NF-Stereo	0.11 324	0.07 256	0.13 380	0.17 321	0.09 376	0.10 223	0.14 268	0.23 447	0.19 400	0.12 336	0.17 391	0.12 340	0.11 379	0.11 216	0.11 313	0.06 180	0.04 26	0.07 330	0.06 309	0.06 317	0.12 619

OCTAStereo	0.11 324	0.07 256	0.13 380	0.17 321	0.09 376	0.10 223	0.14 268	0.23 447	0.19 400	0.12 336	0.17 391	0.12 340	0.11 379	0.11 216	0.11 313	0.06 180	0.04 26	0.07 330	0.06 309	0.06 317	0.12 619

NRIStereo	0.11 324	0.08 384	0.14 421	0.18 418	0.08 240	0.10 223	0.14 268	0.16 252	0.15 273	0.12 336	0.14 333	0.13 373	0.12 412	0.13 374	0.10 223	0.06 180	0.04 26	0.07 330	0.06 309	0.06 317	0.07 423

PSM-adaLoss	0.11 324	0.09 470	0.16 507	0.18 418	0.08 240	0.06 16	0.12 114	0.16 252	0.13 212	0.15 426	0.16 367	0.14 396	0.12 412	0.11 216	0.10 223	0.06 180	0.04 26	0.08 431	0.06 309	0.08 478	0.07 423

PSM-AAD	0.11 324	0.07 256	0.10 210	0.19 495	0.09 376	0.10 223	0.15 357	0.20 369	0.13 212	0.12 336	0.14 333	0.18 479	0.11 379	0.11 216	0.10 223	0.05 55	0.05 290	0.09 520	0.08 495	0.06 317	0.14 661

ROB_FTStereo_v2	0.11 324	0.09 470	0.16 507	0.19 495	0.08 240	0.06 16	0.12 114	0.16 252	0.13 212	0.15 426	0.16 367	0.14 396	0.12 412	0.11 216	0.10 223	0.06 180	0.04 26	0.08 431	0.06 309	0.08 478	0.07 423

ROB_FTStereo	0.11 324	0.09 470	0.16 507	0.19 495	0.08 240	0.06 16	0.11 76	0.16 252	0.13 212	0.15 426	0.16 367	0.14 396	0.12 412	0.11 216	0.10 223	0.06 180	0.04 26	0.08 431	0.06 309	0.08 478	0.07 423

KYRaft	0.11 324	0.07 256	0.10 210	0.19 495	0.09 376	0.08 98	0.15 357	0.22 423	0.12 168	0.13 371	0.16 367	0.20 507	0.10 341	0.12 316	0.10 223	0.05 55	0.04 26	0.08 431	0.08 495	0.06 317	0.16 679

HUI-Stereo	0.11 324	0.09 470	0.16 507	0.18 418	0.08 240	0.06 16	0.12 114	0.16 252	0.13 212	0.15 426	0.16 367	0.14 396	0.12 412	0.11 216	0.10 223	0.06 180	0.04 26	0.08 431	0.06 309	0.08 478	0.07 423

ASMatch	0.11 324	0.06 125	0.13 380	0.16 232	0.10 492	0.07 47	0.14 268	0.17 291	0.17 346	0.12 336	0.16 367	0.16 442	0.10 341	0.13 374	0.10 223	0.05 55	0.04 26	0.06 215	0.05 208	0.04 54	0.08 496

RAFT_R40	0.11 324	0.07 256	0.14 421	0.18 418	0.09 376	0.06 16	0.13 193	0.17 291	0.16 315	0.14 399	0.18 419	0.15 427	0.12 412	0.10 134	0.11 313	0.06 180	0.04 26	0.09 520	0.06 309	0.06 317	0.05 221

GrayStereo	0.11 324	0.06 125	0.11 273	0.19 495	0.09 376	0.09 157	0.16 431	0.18 326	0.17 346	0.14 399	0.17 391	0.17 464	0.11 379	0.12 316	0.11 313	0.05 55	0.05 290	0.07 330	0.06 309	0.05 180	0.10 577

RE-Stereo	0.11 324	0.07 256	0.13 380	0.17 321	0.09 376	0.10 223	0.14 268	0.23 447	0.19 400	0.12 336	0.17 391	0.12 340	0.11 379	0.11 216	0.11 313	0.06 180	0.04 26	0.07 330	0.06 309	0.06 317	0.12 619

Pruner-Stereo	0.11 324	0.07 256	0.12 322	0.17 321	0.09 376	0.06 16	0.12 114	0.17 291	0.17 346	0.13 371	0.19 430	0.13 373	0.09 294	0.11 216	0.11 313	0.06 180	0.04 26	0.07 330	0.06 309	0.06 317	0.08 496

TVStereo	0.11 324	0.07 256	0.13 380	0.17 321	0.09 376	0.10 223	0.14 268	0.23 447	0.19 400	0.12 336	0.17 391	0.12 340	0.11 379	0.11 216	0.11 313	0.06 180	0.04 26	0.07 330	0.06 309	0.06 317	0.12 619

DeepStereo_RVC	0.11 324	0.08 384	0.16 507	0.18 418	0.08 240	0.08 98	0.12 114	0.17 291	0.12 168	0.13 371	0.14 333	0.12 340	0.12 412	0.12 316	0.11 313	0.06 180	0.04 26	0.07 330	0.06 309	0.07 404	0.08 496

iGMRVC	0.11 324	0.09 470	0.16 507	0.19 495	0.08 240	0.06 16	0.12 114	0.16 252	0.13 212	0.15 426	0.16 367	0.14 396	0.12 412	0.11 216	0.10 223	0.06 180	0.04 26	0.08 431	0.06 309	0.08 478	0.07 423

RAFT-RH_RVC	0.11 324	0.06 125	0.14 421	0.16 232	0.09 376	0.12 335	0.12 114	0.17 291	0.12 168	0.13 371	0.41 665	0.11 318	0.10 341	0.13 374	0.12 382	0.05 55	0.04 26	0.08 431	0.05 208	0.04 54	0.06 333

RAFT-345	0.11 324	0.07 256	0.15 470	0.16 232	0.08 240	0.08 98	0.12 114	0.15 209	0.10 92	0.11 291	0.36 628	0.09 249	0.09 294	0.11 216	0.12 382	0.05 55	0.05 290	0.07 330	0.06 309	0.04 54	0.05 221

iRAFT	0.11 324	0.09 470	0.16 507	0.18 418	0.08 240	0.06 16	0.11 76	0.16 252	0.13 212	0.15 426	0.16 367	0.14 396	0.12 412	0.11 216	0.10 223	0.06 180	0.04 26	0.08 431	0.06 309	0.08 478	0.07 423

CRE-IMP	0.11 324	0.09 470	0.16 507	0.19 495	0.08 240	0.10 223	0.12 114	0.18 326	0.10 92	0.14 399	0.13 317	0.13 373	0.12 412	0.12 316	0.11 313	0.07 365	0.04 26	0.08 431	0.06 309	0.08 478	0.08 496

test-2	0.11 324	0.09 470	0.07 14	0.19 495	0.08 240	0.12 335	0.28 685	0.13 132	0.17 346	0.11 291	0.17 391	0.14 396	0.12 412	0.07 7	0.07 1	0.05 55	0.05 290	0.09 520	0.07 412	0.04 54	0.04 82

GMM-Stereo	0.11 324	0.07 256	0.10 210	0.18 418	0.09 376	0.08 98	0.15 357	0.23 447	0.16 315	0.11 291	0.15 354	0.13 373	0.11 379	0.11 216	0.11 313	0.05 55	0.04 26	0.08 431	0.07 412	0.06 317	0.09 545

RAFT-IKP	0.11 324	0.09 470	0.16 507	0.19 495	0.08 240	0.06 16	0.12 114	0.16 252	0.13 212	0.15 426	0.16 367	0.14 396	0.12 412	0.11 216	0.10 223	0.06 180	0.04 26	0.08 431	0.06 309	0.08 478	0.07 423

Prome-Stereo	0.11 324	0.06 125	0.10 210	0.18 418	0.08 240	0.12 335	0.15 357	0.22 423	0.13 212	0.12 336	0.17 391	0.13 373	0.08 247	0.12 316	0.10 223	0.05 55	0.04 26	0.07 330	0.06 309	0.06 317	0.09 545

rafts_anoy	0.11 324	0.06 125	0.10 210	0.17 321	0.08 240	0.10 223	0.14 268	0.17 291	0.14 245	0.13 371	0.13 317	0.12 340	0.10 341	0.11 216	0.12 382	0.07 365	0.04 26	0.09 520	0.11 619	0.07 404	0.06 333

raft+_RVC	0.11 324	0.07 256	0.09 139	0.16 232	0.07 145	0.10 223	0.11 76	0.24 471	0.20 424	0.12 336	0.15 354	0.12 340	0.08 247	0.12 316	0.13 429	0.07 365	0.04 26	0.07 330	0.06 309	0.05 180	0.05 221

RALAANet	0.11 324	0.08 384	0.10 210	0.17 321	0.09 376	0.14 430	0.10 44	0.20 369	0.15 273	0.14 399	0.13 317	0.16 442	0.09 294	0.12 316	0.11 313	0.06 180	0.05 290	0.07 330	0.06 309	0.05 180	0.04 82

DIP-Stereo	0.11 324	0.07 256	0.14 421	0.17 321	0.09 376	0.13 393	0.09 27	0.16 252	0.16 315	0.11 291	0.16 367	0.14 396	0.12 412	0.15 438	0.13 429	0.06 180	0.05 290	0.06 215	0.05 208	0.05 180	0.06 333
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	0.12 404	0.08 384	0.08 63	0.20 564	0.07 145	0.18 532	0.23 633	0.15 209	0.15 273	0.10 254	0.10 219	0.13 373	0.08 247	0.12 316	0.11 313	0.09 519	0.10 622	0.14 651	0.14 656	0.05 180	0.04 82

S	0.12 404	0.08 384	0.09 139	0.20 564	0.08 240	0.13 393	0.19 565	0.17 291	0.16 315	0.13 371	0.11 274	0.13 373	0.10 341	0.11 216	0.13 429	0.09 519	0.07 529	0.13 637	0.15 673	0.06 317	0.04 82

IGEV_i1	0.12 404	0.07 256	0.12 322	0.16 232	0.08 240	0.19 557	0.14 268	0.18 326	0.22 455	0.18 504	0.18 419	0.16 442	0.12 412	0.16 473	0.14 472	0.06 180	0.05 290	0.06 215	0.05 208	0.06 317	0.06 333

rvit_stereo_0083	0.12 404	0.08 384	0.17 539	0.16 232	0.09 376	0.11 280	0.15 357	0.14 166	0.26 520	0.11 291	0.14 333	0.13 373	0.10 341	0.12 316	0.12 382	0.10 564	0.08 563	0.09 520	0.07 412	0.07 404	0.05 221

rvit_stereo_ft	0.12 404	0.07 256	0.13 380	0.19 495	0.10 492	0.12 335	0.17 473	0.16 252	0.16 315	0.12 336	0.13 317	0.15 427	0.10 341	0.14 410	0.13 429	0.09 519	0.06 451	0.08 431	0.07 412	0.07 404	0.05 221

test_sample2	0.12 404	0.07 256	0.12 322	0.14 72	0.08 240	0.16 489	0.18 524	0.21 396	0.16 315	0.14 399	0.20 443	0.19 495	0.15 497	0.15 438	0.12 382	0.08 450	0.05 290	0.07 330	0.06 309	0.08 478	0.07 423

MyStereo8	0.12 404	0.07 256	0.15 470	0.15 132	0.09 376	0.18 532	0.14 268	0.19 357	0.22 455	0.12 336	0.18 419	0.11 318	0.10 341	0.16 473	0.18 557	0.07 365	0.05 290	0.07 330	0.05 208	0.08 478	0.09 545

CoDeX	0.12 404	0.07 256	0.12 322	0.17 321	0.08 240	0.12 335	0.15 357	0.23 447	0.27 530	0.13 371	0.17 391	0.16 442	0.11 379	0.14 410	0.11 313	0.07 365	0.05 290	0.07 330	0.06 309	0.06 317	0.05 221

11t1	0.12 404	0.06 125	0.13 380	0.14 72	0.08 240	0.17 513	0.15 357	0.18 326	0.15 273	0.15 426	0.15 354	0.16 442	0.16 525	0.15 438	0.13 429	0.08 450	0.05 290	0.06 215	0.05 208	0.08 478	0.07 423

ffm	0.12 404	0.09 470	0.14 421	0.16 232	0.08 240	0.17 513	0.17 473	0.15 209	0.19 400	0.15 426	0.25 530	0.19 495	0.13 454	0.10 134	0.07 1	0.06 180	0.04 26	0.09 520	0.08 495	0.06 317	0.06 333

RAFT_CTSACE	0.12 404	0.09 470	0.10 210	0.22 619	0.08 240	0.12 335	0.24 648	0.18 326	0.16 315	0.20 546	0.27 556	0.13 373	0.07 192	0.13 374	0.09 113	0.05 55	0.06 451	0.08 431	0.07 412	0.04 54	0.04 82

Sa-1000	0.12 404	0.08 384	0.08 63	0.18 418	0.08 240	0.14 430	0.22 621	0.22 423	0.18 380	0.15 426	0.20 443	0.17 464	0.11 379	0.10 134	0.10 223	0.06 180	0.05 290	0.09 520	0.09 543	0.05 180	0.05 221

SA	0.12 404	0.09 470	0.08 63	0.18 418	0.08 240	0.12 335	0.24 648	0.23 447	0.18 380	0.17 474	0.27 556	0.14 396	0.11 379	0.11 216	0.11 313	0.05 55	0.05 290	0.09 520	0.08 495	0.05 180	0.04 82

iRaft-Stereo_5w	0.12 404	0.09 470	0.12 322	0.19 495	0.08 240	0.09 157	0.12 114	0.21 396	0.21 441	0.19 523	0.14 333	0.11 318	0.09 294	0.20 575	0.16 523	0.05 55	0.05 290	0.07 330	0.06 309	0.05 180	0.06 333

CrosDoStereo	0.12 404	0.06 125	0.12 322	0.14 72	0.08 240	0.12 335	0.15 357	0.17 291	0.22 455	0.19 523	0.24 501	0.15 427	0.11 379	0.11 216	0.12 382	0.06 180	0.04 26	0.07 330	0.07 412	0.05 180	0.05 221

PSM-softLoss	0.12 404	0.07 256	0.15 470	0.17 321	0.09 376	0.08 98	0.13 193	0.24 471	0.17 346	0.14 399	0.19 430	0.13 373	0.11 379	0.11 216	0.11 313	0.07 365	0.05 290	0.08 431	0.07 412	0.06 317	0.12 619

KMStereo	0.12 404	0.07 256	0.15 470	0.17 321	0.09 376	0.08 98	0.13 193	0.24 471	0.17 346	0.14 399	0.19 430	0.13 373	0.11 379	0.11 216	0.11 313	0.07 365	0.05 290	0.08 431	0.07 412	0.06 317	0.12 619

FTStereo	0.12 404	0.06 125	0.14 421	0.18 418	0.09 376	0.07 47	0.15 357	0.21 396	0.18 380	0.12 336	0.24 501	0.12 340	0.12 412	0.13 374	0.13 429	0.05 55	0.05 290	0.07 330	0.06 309	0.06 317	0.10 577

DeepStereo_LL	0.12 404	0.06 125	0.12 322	0.14 72	0.08 240	0.12 335	0.15 357	0.17 291	0.22 455	0.19 523	0.24 501	0.15 427	0.11 379	0.11 216	0.12 382	0.06 180	0.04 26	0.07 330	0.07 412	0.05 180	0.05 221

DEmStereo	0.12 404	0.06 125	0.14 421	0.14 72	0.10 492	0.16 489	0.15 357	0.16 252	0.24 484	0.17 474	0.24 501	0.13 373	0.14 479	0.12 316	0.13 429	0.05 55	0.04 26	0.07 330	0.06 309	0.05 180	0.05 221

THIR-Stereo	0.12 404	0.07 256	0.11 273	0.15 132	0.08 240	0.14 430	0.16 431	0.17 291	0.25 506	0.16 455	0.24 501	0.14 396	0.12 412	0.12 316	0.14 472	0.06 180	0.04 26	0.07 330	0.07 412	0.05 180	0.05 221

DRaft	0.12 404	0.06 125	0.11 273	0.14 72	0.09 376	0.14 430	0.17 473	0.21 396	0.30 562	0.17 474	0.28 570	0.10 287	0.15 497	0.10 134	0.12 382	0.05 55	0.04 26	0.07 330	0.06 309	0.05 180	0.05 221

PFNet	0.12 404	0.06 125	0.17 539	0.17 321	0.08 240	0.09 157	0.15 357	0.26 509	0.20 424	0.16 455	0.16 367	0.14 396	0.11 379	0.12 316	0.11 313	0.06 180	0.04 26	0.07 330	0.06 309	0.05 180	0.05 221

IRAFT_RVC	0.12 404	0.08 384	0.16 507	0.19 495	0.08 240	0.07 47	0.15 357	0.24 471	0.23 467	0.14 399	0.14 333	0.15 427	0.12 412	0.12 316	0.10 223	0.06 180	0.04 26	0.09 520	0.06 309	0.06 317	0.06 333

sCroCo_RVC	0.12 404	0.09 470	0.23 614	0.24 652	0.11 547	0.19 557	0.14 268	0.17 291	0.14 245	0.10 254	0.13 317	0.12 340	0.07 192	0.14 410	0.11 313	0.08 450	0.08 563	0.08 431	0.08 495	0.05 180	0.07 423

ARAFT	0.12 404	0.08 384	0.17 539	0.19 495	0.09 376	0.14 430	0.18 524	0.20 369	0.12 168	0.12 336	0.13 317	0.14 396	0.11 379	0.15 438	0.12 382	0.06 180	0.05 290	0.10 570	0.09 543	0.05 180	0.04 82

BEATNet_4x	0.12 404	0.08 384	0.14 421	0.18 418	0.07 145	0.15 457	0.07 5	0.22 423	0.18 380	0.16 455	0.19 430	0.18 479	0.14 479	0.16 473	0.15 507	0.07 365	0.05 290	0.05 60	0.05 208	0.06 317	0.06 333

MLCV	0.12 404	0.07 256	0.16 507	0.18 418	0.06 36	0.15 457	0.17 473	0.19 357	0.21 441	0.18 504	0.25 530	0.17 464	0.13 454	0.14 410	0.13 429	0.05 55	0.04 26	0.05 60	0.04 69	0.05 180	0.04 82

RT-IGEV	0.13 432	0.06 125	0.13 380	0.15 132	0.09 376	0.15 457	0.17 473	0.24 471	0.27 530	0.16 455	0.17 391	0.17 464	0.10 341	0.14 410	0.11 313	0.08 450	0.05 290	0.07 330	0.05 208	0.07 404	0.07 423

Selective-IGEV-i16pc	0.13 432	0.06 125	0.13 380	0.15 132	0.11 547	0.38 695	0.16 431	0.23 447	0.16 315	0.10 254	0.15 354	0.09 249	0.06 74	0.13 374	0.10 223	0.10 564	0.08 563	0.06 215	0.07 412	0.09 543	0.09 545

Selective-IGEV-i1	0.13 432	0.07 256	0.12 322	0.19 495	0.08 240	0.18 532	0.16 431	0.22 423	0.30 562	0.16 455	0.17 391	0.16 442	0.10 341	0.14 410	0.13 429	0.06 180	0.05 290	0.06 215	0.05 208	0.06 317	0.05 221

G2L-ROB	0.13 432	0.06 125	0.13 380	0.13 23	0.08 240	0.14 430	0.16 431	0.25 490	0.18 380	0.19 523	0.18 419	0.20 507	0.14 479	0.17 508	0.16 523	0.08 450	0.05 290	0.06 215	0.05 208	0.08 478	0.09 545

xyz-stereo	0.13 432	0.07 256	0.20 589	0.15 132	0.05 2	0.20 573	0.15 357	0.17 291	0.31 570	0.15 426	0.29 582	0.26 583	0.16 525	0.13 374	0.12 382	0.05 55	0.05 290	0.06 215	0.05 208	0.04 54	0.04 82

DFGA-Net	0.13 432	0.11 561	0.18 565	0.17 321	0.10 492	0.12 335	0.13 193	0.22 423	0.25 506	0.16 455	0.16 367	0.13 373	0.12 412	0.16 473	0.14 472	0.07 365	0.05 290	0.08 431	0.07 412	0.05 180	0.05 221

FACV-RUCA	0.13 432	0.11 561	0.12 322	0.19 495	0.12 584	0.15 457	0.15 357	0.22 423	0.20 424	0.15 426	0.16 367	0.14 396	0.16 525	0.14 410	0.13 429	0.07 365	0.05 290	0.08 431	0.06 309	0.10 576	0.08 496

UGAM	0.13 432	0.10 533	0.09 139	0.22 619	0.08 240	0.12 335	0.20 589	0.17 291	0.23 467	0.21 562	0.16 367	0.13 373	0.13 454	0.19 550	0.12 382	0.07 365	0.05 290	0.13 637	0.11 619	0.07 404	0.05 221

test_sample1	0.13 432	0.07 256	0.14 421	0.13 23	0.08 240	0.19 557	0.16 431	0.20 369	0.15 273	0.14 399	0.22 479	0.18 479	0.16 525	0.17 508	0.14 472	0.07 365	0.06 451	0.06 215	0.06 309	0.08 478	0.07 423

qqq1	0.13 432	0.07 256	0.17 539	0.14 72	0.08 240	0.16 489	0.17 473	0.26 509	0.27 530	0.19 523	0.20 443	0.18 479	0.15 497	0.15 438	0.11 313	0.08 450	0.05 290	0.05 60	0.05 208	0.06 317	0.06 333

fff1	0.13 432	0.07 256	0.17 539	0.14 72	0.08 240	0.16 489	0.17 473	0.26 509	0.27 530	0.19 523	0.20 443	0.18 479	0.15 497	0.15 438	0.11 313	0.08 450	0.05 290	0.05 60	0.05 208	0.06 317	0.06 333

MyStereo05	0.13 432	0.07 256	0.10 210	0.17 321	0.09 376	0.13 393	0.18 524	0.27 531	0.35 606	0.17 474	0.14 333	0.15 427	0.11 379	0.15 438	0.13 429	0.06 180	0.05 290	0.07 330	0.07 412	0.06 317	0.06 333

MyStereo04	0.13 432	0.07 256	0.10 210	0.17 321	0.09 376	0.14 430	0.18 524	0.29 568	0.38 625	0.17 474	0.14 333	0.16 442	0.10 341	0.15 438	0.13 429	0.06 180	0.05 290	0.08 431	0.07 412	0.06 317	0.06 333

ff1	0.13 432	0.09 470	0.14 421	0.16 232	0.08 240	0.17 513	0.17 473	0.15 209	0.19 400	0.15 426	0.25 530	0.19 495	0.13 454	0.14 410	0.20 577	0.06 180	0.04 26	0.09 520	0.08 495	0.06 317	0.06 333

StereoVision	0.13 432	0.12 579	0.09 139	0.24 652	0.10 492	0.15 457	0.21 610	0.21 396	0.20 424	0.12 336	0.24 501	0.10 287	0.10 341	0.16 473	0.10 223	0.09 519	0.11 635	0.12 622	0.12 641	0.06 317	0.05 221

LL-Strereo	0.13 432	0.09 470	0.11 273	0.20 564	0.10 492	0.11 280	0.18 524	0.32 607	0.24 484	0.15 426	0.15 354	0.14 396	0.13 454	0.19 550	0.11 313	0.06 180	0.04 26	0.09 520	0.08 495	0.04 54	0.05 221

CASS	0.13 432	0.12 579	0.11 273	0.23 643	0.09 376	0.15 457	0.17 473	0.18 326	0.19 400	0.17 474	0.18 419	0.15 427	0.15 497	0.14 410	0.14 472	0.09 519	0.06 451	0.10 570	0.08 495	0.09 543	0.07 423
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 432	0.07 256	0.13 380	0.18 418	0.09 376	0.13 393	0.17 473	0.19 357	0.29 552	0.15 426	0.24 501	0.15 427	0.14 479	0.14 410	0.14 472	0.07 365	0.05 290	0.07 330	0.09 543	0.05 180	0.06 333

TestStereo1	0.13 432	0.08 384	0.08 63	0.19 495	0.08 240	0.18 532	0.29 695	0.23 447	0.16 315	0.17 474	0.20 443	0.16 442	0.10 341	0.12 316	0.13 429	0.06 180	0.06 451	0.08 431	0.06 309	0.05 180	0.05 221

qqq	0.13 432	0.09 470	0.15 470	0.16 232	0.08 240	0.13 393	0.15 357	0.23 447	0.16 315	0.15 426	0.19 430	0.16 442	0.16 525	0.15 438	0.16 523	0.07 365	0.06 451	0.08 431	0.08 495	0.07 404	0.07 423

x	0.13 432	0.07 256	0.14 421	0.14 72	0.08 240	0.18 532	0.14 268	0.22 423	0.20 424	0.15 426	0.19 430	0.19 495	0.17 549	0.18 533	0.18 557	0.07 365	0.05 290	0.06 215	0.06 309	0.07 404	0.07 423

raft_robust	0.13 432	0.10 533	0.07 14	0.18 418	0.08 240	0.13 393	0.24 648	0.28 552	0.33 585	0.20 546	0.19 430	0.14 396	0.10 341	0.11 216	0.12 382	0.05 55	0.05 290	0.07 330	0.07 412	0.05 180	0.04 82

RAFT+CT+SA	0.13 432	0.11 561	0.09 139	0.19 495	0.09 376	0.15 457	0.28 685	0.22 423	0.22 455	0.15 426	0.26 547	0.10 287	0.10 341	0.11 216	0.12 382	0.05 55	0.04 26	0.07 330	0.08 495	0.07 404	0.06 333

SA-5K	0.13 432	0.08 384	0.08 63	0.19 495	0.08 240	0.18 532	0.29 695	0.23 447	0.16 315	0.17 474	0.20 443	0.16 442	0.10 341	0.12 316	0.13 429	0.06 180	0.06 451	0.08 431	0.06 309	0.05 180	0.05 221

GwcNet-ADL	0.13 432	0.08 384	0.14 421	0.20 564	0.09 376	0.11 280	0.20 589	0.30 583	0.24 484	0.13 371	0.14 333	0.18 479	0.14 479	0.13 374	0.14 472	0.07 365	0.05 290	0.06 215	0.05 208	0.07 404	0.06 333

GANet-ADL	0.13 432	0.07 256	0.15 470	0.17 321	0.10 492	0.18 532	0.15 357	0.30 583	0.20 424	0.13 371	0.18 419	0.19 495	0.12 412	0.16 473	0.13 429	0.08 450	0.06 451	0.06 215	0.05 208	0.07 404	0.08 496

RAFT	0.13 432	0.09 470	0.11 273	0.18 418	0.08 240	0.15 457	0.24 648	0.20 369	0.19 400	0.21 562	0.21 467	0.17 464	0.12 412	0.16 473	0.09 113	0.06 180	0.07 529	0.10 570	0.09 543	0.05 180	0.05 221

TestStereo	0.13 432	0.14 620	0.11 273	0.23 643	0.08 240	0.15 457	0.21 610	0.20 369	0.23 467	0.14 399	0.24 501	0.16 442	0.12 412	0.16 473	0.14 472	0.05 55	0.06 451	0.08 431	0.06 309	0.09 543	0.05 221

sAnonymous2	0.13 432	0.12 579	0.24 618	0.20 564	0.12 584	0.17 513	0.13 193	0.26 509	0.21 441	0.11 291	0.11 274	0.13 373	0.08 247	0.10 134	0.10 223	0.09 519	0.05 290	0.08 431	0.06 309	0.15 669	0.10 577

CroCo_RVC	0.13 432	0.12 579	0.24 618	0.20 564	0.12 584	0.17 513	0.13 193	0.26 509	0.21 441	0.11 291	0.11 274	0.13 373	0.08 247	0.10 134	0.10 223	0.09 519	0.05 290	0.08 431	0.06 309	0.15 669	0.10 577

RAFT + AFF	0.13 432	0.07 256	0.20 589	0.20 564	0.10 492	0.14 430	0.24 648	0.26 509	0.20 424	0.11 291	0.10 219	0.12 340	0.10 341	0.15 438	0.12 382	0.07 365	0.06 451	0.09 520	0.08 495	0.06 317	0.08 496

GMStereo	0.13 432	0.14 620	0.14 421	0.18 418	0.09 376	0.15 457	0.16 431	0.20 369	0.24 484	0.16 455	0.17 391	0.10 287	0.10 341	0.16 473	0.13 429	0.07 365	0.06 451	0.06 215	0.06 309	0.07 404	0.06 333
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 432	0.07 256	0.14 421	0.17 321	0.09 376	0.15 457	0.16 431	0.28 552	0.27 530	0.14 399	0.17 391	0.12 340	0.13 454	0.14 410	0.11 313	0.08 450	0.05 290	0.07 330	0.07 412	0.07 404	0.06 333

FENet	0.13 432	0.08 384	0.12 322	0.16 232	0.08 240	0.14 430	0.15 357	0.22 423	0.23 467	0.17 474	0.23 488	0.16 442	0.12 412	0.14 410	0.15 507	0.08 450	0.05 290	0.08 431	0.08 495	0.07 404	0.07 423

cf-r	0.13 432	0.07 256	0.12 322	0.16 232	0.08 240	0.14 430	0.19 565	0.20 369	0.25 506	0.17 474	0.25 530	0.21 517	0.16 525	0.14 410	0.14 472	0.10 564	0.05 290	0.06 215	0.08 495	0.06 317	0.06 333

iResNet	0.13 432	0.10 533	0.18 565	0.19 495	0.08 240	0.13 393	0.18 524	0.20 369	0.26 520	0.15 426	0.23 488	0.15 427	0.13 454	0.14 410	0.14 472	0.06 180	0.04 26	0.06 215	0.05 208	0.06 317	0.05 221

DN-CSS_ROB	0.13 432	0.13 607	0.16 507	0.18 418	0.10 492	0.16 489	0.08 9	0.22 423	0.18 380	0.17 474	0.22 479	0.13 373	0.13 454	0.12 316	0.13 429	0.05 55	0.05 290	0.10 570	0.10 585	0.08 478	0.06 333

SCION-MonSter(vits)	0.14 469	0.06 125	0.05 1	0.15 132	0.05 2	0.07 47	0.10 44	0.27 531	0.41 639	0.05 2	0.33 616	0.14 396	0.16 525	0.20 575	0.19 570	0.08 450	0.06 451	0.17 675	0.15 673	0.07 404	0.08 496

Selective-IGEV-i16pb	0.14 469	0.08 384	0.17 539	0.15 132	0.11 547	0.41 700	0.16 431	0.28 552	0.23 467	0.11 291	0.20 443	0.10 287	0.07 192	0.17 508	0.12 382	0.10 564	0.07 529	0.06 215	0.08 495	0.09 543	0.10 577

G2L-Stereo_test	0.14 469	0.07 256	0.11 273	0.13 23	0.08 240	0.12 335	0.16 431	0.30 583	0.28 545	0.20 546	0.23 488	0.20 507	0.16 525	0.17 508	0.18 557	0.07 365	0.05 290	0.05 60	0.05 208	0.07 404	0.06 333

coex_refinement	0.14 469	0.07 256	0.12 322	0.17 321	0.10 492	0.15 457	0.15 357	0.26 509	0.29 552	0.18 504	0.20 443	0.22 535	0.17 549	0.16 473	0.18 557	0.08 450	0.05 290	0.06 215	0.06 309	0.09 543	0.08 496

G2L-Stereo	0.14 469	0.07 256	0.13 380	0.17 321	0.09 376	0.13 393	0.12 114	0.27 531	0.22 455	0.16 455	0.27 556	0.21 517	0.13 454	0.17 508	0.18 557	0.09 519	0.08 563	0.08 431	0.07 412	0.07 404	0.07 423

rvit_0105_6	0.14 469	0.09 470	0.18 565	0.17 321	0.10 492	0.10 223	0.16 431	0.19 357	0.26 520	0.12 336	0.18 419	0.17 464	0.12 412	0.18 533	0.12 382	0.15 665	0.11 635	0.12 622	0.10 585	0.09 543	0.06 333

rvit_0105_5	0.14 469	0.09 470	0.13 380	0.17 321	0.09 376	0.14 430	0.23 633	0.24 471	0.27 530	0.14 399	0.15 354	0.18 479	0.12 412	0.17 508	0.14 472	0.14 661	0.11 635	0.10 570	0.10 585	0.08 478	0.06 333

rvit_0105_4	0.14 469	0.09 470	0.17 539	0.17 321	0.10 492	0.12 335	0.19 565	0.23 447	0.27 530	0.14 399	0.20 443	0.17 464	0.13 454	0.17 508	0.13 429	0.15 665	0.11 635	0.11 602	0.10 585	0.09 543	0.06 333

DCVSM-stereo	0.14 469	0.09 470	0.16 507	0.16 232	0.10 492	0.15 457	0.09 27	0.19 357	0.23 467	0.20 546	0.23 488	0.26 583	0.15 497	0.18 533	0.14 472	0.09 519	0.07 529	0.09 520	0.08 495	0.10 576	0.12 619

test_sample6	0.14 469	0.08 384	0.13 380	0.16 232	0.08 240	0.17 513	0.19 565	0.25 490	0.17 346	0.17 474	0.27 556	0.19 495	0.14 479	0.15 438	0.13 429	0.08 450	0.05 290	0.08 431	0.07 412	0.08 478	0.08 496

test_sample5	0.14 469	0.08 384	0.14 421	0.16 232	0.08 240	0.18 532	0.18 524	0.25 490	0.17 346	0.17 474	0.27 556	0.18 479	0.14 479	0.16 473	0.13 429	0.08 450	0.05 290	0.08 431	0.07 412	0.08 478	0.08 496

test_sample4	0.14 469	0.08 384	0.14 421	0.15 132	0.08 240	0.19 557	0.18 524	0.26 509	0.17 346	0.16 455	0.25 530	0.18 479	0.14 479	0.16 473	0.13 429	0.08 450	0.06 451	0.08 431	0.06 309	0.08 478	0.08 496

test_sample3	0.14 469	0.08 384	0.15 470	0.14 72	0.09 376	0.19 557	0.17 473	0.26 509	0.18 380	0.16 455	0.22 479	0.19 495	0.15 497	0.17 508	0.13 429	0.08 450	0.06 451	0.07 330	0.06 309	0.09 543	0.08 496

DispNO	0.14 469	0.08 384	0.17 539	0.19 495	0.12 584	0.11 280	0.21 610	0.23 447	0.29 552	0.17 474	0.23 488	0.18 479	0.17 549	0.15 438	0.15 507	0.07 365	0.05 290	0.08 431	0.08 495	0.07 404	0.06 333

SMFormer	0.14 469	0.07 256	0.17 539	0.14 72	0.08 240	0.16 489	0.17 473	0.26 509	0.27 530	0.19 523	0.20 443	0.18 479	0.15 497	0.15 438	0.17 539	0.08 450	0.05 290	0.07 330	0.06 309	0.07 404	0.06 333

tta	0.14 469	0.07 256	0.17 539	0.14 72	0.08 240	0.16 489	0.17 473	0.26 509	0.27 530	0.19 523	0.20 443	0.18 479	0.15 497	0.15 438	0.17 539	0.08 450	0.05 290	0.07 330	0.06 309	0.06 317	0.06 333

mmm	0.14 469	0.08 384	0.17 539	0.17 321	0.09 376	0.17 513	0.18 524	0.21 396	0.15 273	0.15 426	0.23 488	0.21 517	0.16 525	0.16 473	0.17 539	0.08 450	0.05 290	0.08 431	0.07 412	0.07 404	0.07 423

DualNet	0.14 469	0.08 384	0.14 421	0.16 232	0.08 240	0.18 532	0.18 524	0.25 490	0.17 346	0.17 474	0.27 556	0.18 479	0.14 479	0.16 473	0.13 429	0.08 450	0.05 290	0.08 431	0.07 412	0.08 478	0.08 496

mmx	0.14 469	0.09 470	0.14 421	0.16 232	0.08 240	0.17 513	0.17 473	0.27 531	0.25 506	0.15 426	0.25 530	0.19 495	0.13 454	0.14 410	0.20 577	0.08 450	0.06 451	0.09 520	0.08 495	0.08 478	0.08 496

xxx	0.14 469	0.09 470	0.14 421	0.16 232	0.08 240	0.17 513	0.17 473	0.27 531	0.25 506	0.15 426	0.25 530	0.19 495	0.13 454	0.14 410	0.20 577	0.08 450	0.06 451	0.09 520	0.08 495	0.08 478	0.08 496

PCWNet_CMD	0.14 469	0.08 384	0.15 470	0.17 321	0.09 376	0.14 430	0.14 268	0.29 568	0.36 611	0.14 399	0.20 443	0.21 517	0.12 412	0.17 508	0.13 429	0.07 365	0.05 290	0.07 330	0.07 412	0.07 404	0.07 423

CBFPSM	0.14 469	0.06 125	0.26 626	0.17 321	0.09 376	0.13 393	0.15 357	0.22 423	0.23 467	0.20 546	0.27 556	0.24 559	0.16 525	0.16 473	0.18 557	0.06 180	0.06 451	0.06 215	0.07 412	0.07 404	0.07 423

gwcnet-sp	0.14 469	0.07 256	0.12 322	0.18 418	0.09 376	0.16 489	0.17 473	0.24 471	0.24 484	0.18 504	0.24 501	0.15 427	0.16 525	0.15 438	0.15 507	0.08 450	0.06 451	0.07 330	0.08 495	0.08 478	0.07 423

scenet	0.14 469	0.07 256	0.12 322	0.18 418	0.09 376	0.16 489	0.17 473	0.24 471	0.24 484	0.18 504	0.24 501	0.15 427	0.16 525	0.15 438	0.15 507	0.08 450	0.06 451	0.07 330	0.08 495	0.08 478	0.07 423

ssnet	0.14 469	0.07 256	0.12 322	0.18 418	0.09 376	0.16 489	0.17 473	0.24 471	0.24 484	0.18 504	0.24 501	0.15 427	0.16 525	0.15 438	0.15 507	0.08 450	0.06 451	0.07 330	0.08 495	0.08 478	0.07 423

BUS	0.14 469	0.09 470	0.14 421	0.22 619	0.10 492	0.19 557	0.14 268	0.34 636	0.19 400	0.17 474	0.22 479	0.16 442	0.13 454	0.15 438	0.13 429	0.08 450	0.06 451	0.10 570	0.09 543	0.07 404	0.07 423

IER	0.14 469	0.07 256	0.13 380	0.17 321	0.09 376	0.14 430	0.16 431	0.25 490	0.26 520	0.18 504	0.25 530	0.17 464	0.20 595	0.16 473	0.14 472	0.08 450	0.05 290	0.07 330	0.06 309	0.08 478	0.07 423

test_5	0.14 469	0.12 579	0.08 63	0.20 564	0.10 492	0.14 430	0.29 695	0.21 396	0.24 484	0.18 504	0.28 570	0.11 318	0.15 497	0.12 316	0.13 429	0.06 180	0.05 290	0.07 330	0.08 495	0.08 478	0.07 423

psmg	0.14 469	0.09 470	0.14 421	0.17 321	0.10 492	0.15 457	0.17 473	0.29 568	0.19 400	0.17 474	0.21 467	0.25 573	0.16 525	0.15 438	0.14 472	0.08 450	0.06 451	0.08 431	0.08 495	0.07 404	0.06 333

UDGNet	0.14 469	0.13 607	0.16 507	0.17 321	0.10 492	0.12 335	0.16 431	0.21 396	0.27 530	0.20 546	0.20 443	0.16 442	0.13 454	0.16 473	0.13 429	0.10 564	0.06 451	0.09 520	0.07 412	0.06 317	0.07 423

CFNet_pseudo	0.14 469	0.08 384	0.15 470	0.16 232	0.09 376	0.13 393	0.14 268	0.27 531	0.34 597	0.14 399	0.21 467	0.22 535	0.13 454	0.18 533	0.14 472	0.07 365	0.05 290	0.08 431	0.06 309	0.07 404	0.07 423

GES	0.14 469	0.08 384	0.16 507	0.15 132	0.10 492	0.13 393	0.13 193	0.28 552	0.25 506	0.16 455	0.23 488	0.18 479	0.13 454	0.16 473	0.13 429	0.08 450	0.07 529	0.07 330	0.06 309	0.08 478	0.09 545

GANet-RSSM	0.14 469	0.07 256	0.13 380	0.13 23	0.08 240	0.14 430	0.17 473	0.22 423	0.21 441	0.17 474	0.24 501	0.23 553	0.15 497	0.16 473	0.15 507	0.10 564	0.06 451	0.07 330	0.08 495	0.08 478	0.07 423

PSMNet-RSSM	0.14 469	0.07 256	0.13 380	0.15 132	0.08 240	0.13 393	0.16 431	0.24 471	0.24 484	0.16 455	0.28 570	0.22 535	0.14 479	0.15 438	0.13 429	0.11 596	0.06 451	0.09 520	0.12 641	0.08 478	0.07 423

GwcNet-RSSM	0.14 469	0.07 256	0.12 322	0.15 132	0.08 240	0.15 457	0.20 589	0.21 396	0.27 530	0.18 504	0.27 556	0.22 535	0.16 525	0.14 410	0.15 507	0.10 564	0.05 290	0.07 330	0.09 543	0.07 404	0.07 423

CFNet-ft	0.14 469	0.07 256	0.15 470	0.12 7	0.09 376	0.16 489	0.18 524	0.22 423	0.24 484	0.17 474	0.26 547	0.24 559	0.14 479	0.16 473	0.14 472	0.11 596	0.06 451	0.08 431	0.09 543	0.09 543	0.08 496

CCAANet	0.14 469	0.06 125	0.14 421	0.17 321	0.09 376	0.16 489	0.13 193	0.30 583	0.24 484	0.16 455	0.32 603	0.18 479	0.17 549	0.17 508	0.14 472	0.06 180	0.05 290	0.09 520	0.09 543	0.06 317	0.09 545

DMCA	0.14 469	0.09 470	0.16 507	0.19 495	0.09 376	0.15 457	0.17 473	0.23 447	0.27 530	0.14 399	0.19 430	0.17 464	0.18 565	0.15 438	0.17 539	0.10 564	0.06 451	0.08 431	0.06 309	0.09 543	0.10 577

RASNet	0.14 469	0.07 256	0.14 421	0.16 232	0.08 240	0.18 532	0.14 268	0.29 568	0.20 424	0.17 474	0.25 530	0.21 517	0.18 565	0.20 575	0.19 570	0.07 365	0.06 451	0.06 215	0.08 495	0.06 317	0.06 333

MSMDNet	0.14 469	0.08 384	0.15 470	0.17 321	0.09 376	0.14 430	0.14 268	0.29 568	0.36 611	0.14 399	0.21 467	0.21 517	0.12 412	0.17 508	0.14 472	0.07 365	0.05 290	0.07 330	0.07 412	0.07 404	0.07 423

HSM-Net_RVC	0.14 469	0.08 384	0.11 273	0.15 132	0.08 240	0.15 457	0.15 357	0.27 531	0.29 552	0.19 523	0.21 467	0.29 610	0.14 479	0.17 508	0.13 429	0.06 180	0.06 451	0.06 215	0.06 309	0.07 404	0.06 333
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 469	0.07 256	0.15 470	0.12 7	0.09 376	0.16 489	0.18 524	0.22 423	0.24 484	0.17 474	0.26 547	0.24 559	0.14 479	0.16 473	0.14 472	0.11 596	0.06 451	0.08 431	0.09 543	0.09 543	0.08 496

ccs_rob	0.14 469	0.08 384	0.15 470	0.16 232	0.09 376	0.12 335	0.14 268	0.27 531	0.34 597	0.14 399	0.21 467	0.22 535	0.13 454	0.18 533	0.14 472	0.07 365	0.05 290	0.08 431	0.07 412	0.07 404	0.07 423

UCFNet_RVC	0.14 469	0.08 384	0.13 380	0.11 1	0.10 492	0.20 573	0.10 44	0.24 471	0.22 455	0.17 474	0.20 443	0.23 553	0.15 497	0.17 508	0.15 507	0.12 621	0.07 529	0.10 570	0.13 652	0.11 599	0.10 577

iResNetv2_ROB	0.14 469	0.08 384	0.15 470	0.16 232	0.08 240	0.16 489	0.12 114	0.25 490	0.35 606	0.21 562	0.29 582	0.24 559	0.13 454	0.14 410	0.14 472	0.06 180	0.05 290	0.06 215	0.04 69	0.09 543	0.08 496

iResNet_ROB	0.14 469	0.07 256	0.13 380	0.14 72	0.07 145	0.18 532	0.14 268	0.26 509	0.31 570	0.22 578	0.25 530	0.23 553	0.15 497	0.15 438	0.13 429	0.07 365	0.05 290	0.05 60	0.04 69	0.08 478	0.08 496

MWDA-net	0.15 515	0.08 384	0.15 470	0.16 232	0.10 492	0.20 573	0.22 621	0.25 490	0.35 606	0.18 504	0.24 501	0.18 479	0.17 549	0.17 508	0.14 472	0.08 450	0.05 290	0.08 431	0.07 412	0.07 404	0.07 423

MWSP-net	0.15 515	0.08 384	0.17 539	0.17 321	0.10 492	0.16 489	0.23 633	0.29 568	0.32 577	0.18 504	0.19 430	0.17 464	0.13 454	0.18 533	0.14 472	0.08 450	0.05 290	0.07 330	0.07 412	0.07 404	0.08 496

DDVS	0.15 515	0.10 533	0.21 599	0.16 232	0.12 584	0.15 457	0.14 268	0.25 490	0.19 400	0.18 504	0.29 582	0.27 591	0.12 412	0.19 550	0.15 507	0.09 519	0.06 451	0.09 520	0.07 412	0.11 599	0.11 605

rvit_0105_3	0.15 515	0.09 470	0.14 421	0.19 495	0.12 584	0.15 457	0.25 663	0.25 490	0.29 552	0.15 426	0.17 391	0.20 507	0.13 454	0.17 508	0.14 472	0.13 647	0.11 635	0.12 622	0.14 656	0.07 404	0.06 333

ACV-stereo	0.15 515	0.10 533	0.28 638	0.18 418	0.12 584	0.14 430	0.12 114	0.23 447	0.21 441	0.19 523	0.23 488	0.22 535	0.15 497	0.23 617	0.17 539	0.07 365	0.06 451	0.07 330	0.07 412	0.07 404	0.07 423

ITSA-stereo	0.15 515	0.10 533	0.14 421	0.19 495	0.08 240	0.12 335	0.14 268	0.30 583	0.49 680	0.17 474	0.19 430	0.22 535	0.15 497	0.17 508	0.16 523	0.10 564	0.06 451	0.08 431	0.08 495	0.08 478	0.08 496

test_sample7	0.15 515	0.10 533	0.16 507	0.14 72	0.11 547	0.16 489	0.16 431	0.27 531	0.23 467	0.20 546	0.20 443	0.24 559	0.19 582	0.16 473	0.16 523	0.12 621	0.06 451	0.10 570	0.09 543	0.10 576	0.10 577

1111x	0.15 515	0.08 384	0.12 322	0.18 418	0.07 145	0.18 532	0.25 663	0.31 596	0.24 484	0.17 474	0.24 501	0.26 583	0.15 497	0.13 374	0.23 618	0.07 365	0.07 529	0.08 431	0.09 543	0.07 404	0.06 333

CFNet_ucs	0.15 515	0.08 384	0.16 507	0.16 232	0.11 547	0.14 430	0.14 268	0.30 583	0.34 597	0.16 455	0.24 501	0.23 553	0.14 479	0.18 533	0.15 507	0.09 519	0.06 451	0.08 431	0.07 412	0.09 543	0.09 545

BSDual-CNN	0.15 515	0.09 470	0.14 421	0.22 619	0.10 492	0.14 430	0.15 357	0.34 636	0.19 400	0.17 474	0.22 479	0.25 573	0.16 525	0.15 438	0.14 472	0.08 450	0.06 451	0.10 570	0.09 543	0.07 404	0.07 423

hknet	0.15 515	0.11 561	0.13 380	0.22 619	0.11 547	0.14 430	0.15 357	0.34 636	0.25 506	0.17 474	0.22 479	0.22 535	0.18 565	0.17 508	0.12 382	0.07 365	0.06 451	0.10 570	0.09 543	0.07 404	0.07 423

dd	0.15 515	0.16 638	0.16 507	0.19 495	0.09 376	0.15 457	0.18 524	0.21 396	0.25 506	0.23 591	0.20 443	0.21 517	0.09 294	0.21 593	0.16 523	0.10 564	0.06 451	0.08 431	0.06 309	0.08 478	0.06 333

DAS	0.15 515	0.08 384	0.18 565	0.19 495	0.10 492	0.19 557	0.17 473	0.27 531	0.29 552	0.18 504	0.25 530	0.21 517	0.15 497	0.16 473	0.12 382	0.08 450	0.06 451	0.06 215	0.06 309	0.07 404	0.07 423

SepStereo	0.15 515	0.08 384	0.18 565	0.19 495	0.10 492	0.19 557	0.17 473	0.27 531	0.29 552	0.18 504	0.25 530	0.21 517	0.15 497	0.25 633	0.12 382	0.08 450	0.06 451	0.06 215	0.06 309	0.07 404	0.07 423

PSMNet-ADL	0.15 515	0.12 579	0.13 380	0.22 619	0.09 376	0.13 393	0.20 589	0.26 509	0.23 467	0.18 504	0.20 443	0.24 559	0.16 525	0.18 533	0.17 539	0.08 450	0.08 563	0.08 431	0.11 619	0.08 478	0.07 423

LMCR-Stereo	0.15 515	0.08 384	0.13 380	0.21 599	0.09 376	0.17 513	0.20 589	0.27 531	0.19 400	0.24 601	0.24 501	0.23 553	0.17 549	0.20 575	0.17 539	0.07 365	0.06 451	0.08 431	0.06 309	0.10 576	0.08 496

ICVP	0.15 515	0.09 470	0.12 322	0.22 619	0.09 376	0.17 513	0.21 610	0.25 490	0.23 467	0.18 504	0.30 590	0.26 583	0.18 565	0.17 508	0.14 472	0.09 519	0.07 529	0.08 431	0.07 412	0.07 404	0.07 423
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 515	0.07 256	0.14 421	0.14 72	0.08 240	0.23 618	0.18 524	0.31 596	0.19 400	0.14 399	0.28 570	0.22 535	0.14 479	0.15 438	0.26 653	0.09 519	0.05 290	0.07 330	0.07 412	0.08 478	0.07 423

test_xeample	0.15 515	0.06 125	0.13 380	0.14 72	0.08 240	0.21 593	0.20 589	0.28 552	0.20 424	0.16 455	0.29 582	0.19 495	0.16 525	0.15 438	0.26 653	0.09 519	0.05 290	0.07 330	0.07 412	0.07 404	0.07 423

ACVNet	0.15 515	0.09 470	0.15 470	0.13 23	0.12 584	0.14 430	0.20 589	0.22 423	0.33 585	0.17 474	0.26 547	0.21 517	0.16 525	0.17 508	0.21 597	0.07 365	0.06 451	0.06 215	0.06 309	0.08 478	0.06 333

acv_ft	0.15 515	0.09 470	0.15 470	0.19 495	0.10 492	0.16 489	0.17 473	0.25 490	0.33 585	0.19 523	0.26 547	0.21 517	0.17 549	0.17 508	0.18 557	0.07 365	0.06 451	0.06 215	0.06 309	0.08 478	0.06 333

CFNet	0.15 515	0.10 533	0.17 539	0.17 321	0.08 240	0.18 532	0.09 27	0.28 552	0.25 506	0.19 523	0.24 501	0.24 559	0.17 549	0.17 508	0.14 472	0.08 450	0.06 451	0.09 520	0.10 585	0.07 404	0.06 333

AdaStereo	0.15 515	0.11 561	0.15 470	0.18 418	0.09 376	0.20 573	0.11 76	0.32 607	0.28 545	0.20 546	0.23 488	0.20 507	0.13 454	0.19 550	0.14 472	0.12 621	0.05 290	0.10 570	0.07 412	0.09 543	0.07 423
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	0.15 515	0.08 384	0.14 421	0.16 232	0.09 376	0.16 489	0.14 268	0.28 552	0.25 506	0.19 523	0.23 488	0.37 664	0.16 525	0.20 575	0.15 507	0.07 365	0.05 290	0.07 330	0.06 309	0.07 404	0.06 333

pmcnn	0.15 515	0.07 256	0.19 577	0.15 132	0.07 145	0.20 573	0.15 357	0.24 471	0.26 520	0.21 562	0.34 621	0.28 601	0.18 565	0.18 533	0.17 539	0.07 365	0.05 290	0.05 60	0.04 69	0.07 404	0.06 333

MEA-ACV	0.16 540	0.07 256	0.17 539	0.16 232	0.11 547	0.20 573	0.21 610	0.30 583	0.38 625	0.20 546	0.29 582	0.14 396	0.19 582	0.16 473	0.16 523	0.08 450	0.07 529	0.09 520	0.11 619	0.07 404	0.07 423

DStereoRT	0.16 540	0.06 125	0.11 273	0.19 495	0.09 376	0.12 335	0.12 114	0.28 552	0.22 455	0.12 336	0.20 443	0.11 318	0.10 341	0.15 438	0.14 472	0.06 180	0.05 290	0.96 743	0.09 543	0.05 180	0.04 82

DualNet (step1)	0.16 540	0.12 579	0.20 589	0.12 7	0.14 629	0.17 513	0.13 193	0.27 531	0.23 467	0.20 546	0.20 443	0.24 559	0.19 582	0.16 473	0.16 523	0.15 665	0.06 451	0.14 651	0.14 656	0.14 653	0.12 619

GMStereo_Zeroshot	0.16 540	0.13 607	0.24 618	0.20 564	0.10 492	0.17 513	0.13 193	0.29 568	0.25 506	0.23 591	0.32 603	0.25 573	0.11 379	0.19 550	0.14 472	0.09 519	0.06 451	0.11 602	0.06 309	0.12 617	0.08 496

iinet-f	0.16 540	0.06 125	0.45 683	0.14 72	0.10 492	0.21 593	0.14 268	0.27 531	0.23 467	0.21 562	0.24 501	0.21 517	0.15 497	0.18 533	0.21 597	0.09 519	0.07 529	0.07 330	0.06 309	0.09 543	0.10 577

CRFU-Net	0.16 540	0.08 384	0.14 421	0.17 321	0.09 376	0.19 557	0.14 268	0.26 509	0.20 424	0.28 641	0.27 556	0.29 610	0.17 549	0.19 550	0.17 539	0.09 519	0.09 600	0.07 330	0.07 412	0.08 478	0.08 496

NINENet	0.16 540	0.10 533	0.15 470	0.17 321	0.11 547	0.19 557	0.14 268	0.40 680	0.36 611	0.18 504	0.21 467	0.16 442	0.13 454	0.15 438	0.13 429	0.08 450	0.08 563	0.10 570	0.07 412	0.10 576	0.09 545

CSP-Net	0.16 540	0.09 470	0.14 421	0.16 232	0.09 376	0.19 557	0.17 473	0.25 490	0.32 577	0.25 614	0.30 590	0.24 559	0.15 497	0.21 593	0.18 557	0.09 519	0.06 451	0.07 330	0.07 412	0.08 478	0.07 423

AASNet	0.16 540	0.08 384	0.12 322	0.19 495	0.09 376	0.18 532	0.15 357	0.37 664	0.37 618	0.19 523	0.23 488	0.20 507	0.16 525	0.17 508	0.20 577	0.10 564	0.08 563	0.08 431	0.07 412	0.09 543	0.09 545

AACVNet	0.16 540	0.08 384	0.14 421	0.15 132	0.10 492	0.18 532	0.15 357	0.23 447	0.24 484	0.27 626	0.27 556	0.28 601	0.17 549	0.19 550	0.16 523	0.09 519	0.07 529	0.09 520	0.07 412	0.10 576	0.09 545

ADLNet2	0.16 540	0.09 470	0.13 380	0.16 232	0.09 376	0.20 573	0.16 431	0.31 596	0.39 630	0.16 455	0.20 443	0.20 507	0.18 565	0.21 593	0.22 606	0.08 450	0.06 451	0.07 330	0.07 412	0.09 543	0.07 423

Anonymous3	0.16 540	0.13 607	0.33 658	0.26 671	0.14 629	0.27 655	0.17 473	0.28 552	0.28 545	0.15 426	0.17 391	0.14 396	0.10 341	0.15 438	0.12 382	0.08 450	0.08 563	0.08 431	0.08 495	0.08 478	0.11 605

ADLNet	0.16 540	0.08 384	0.15 470	0.16 232	0.10 492	0.16 489	0.17 473	0.32 607	0.27 530	0.22 578	0.27 556	0.24 559	0.16 525	0.18 533	0.21 597	0.10 564	0.06 451	0.10 570	0.10 585	0.08 478	0.09 545

HCRNet	0.16 540	0.24 687	0.12 322	0.35 705	0.11 547	0.15 457	0.17 473	0.26 509	0.22 455	0.19 523	0.24 501	0.21 517	0.14 479	0.15 438	0.13 429	0.11 596	0.07 529	0.11 602	0.10 585	0.09 543	0.07 423

222	0.16 540	0.07 256	0.14 421	0.14 72	0.08 240	0.24 623	0.18 524	0.30 583	0.20 424	0.17 474	0.28 570	0.17 464	0.16 525	0.15 438	0.40 709	0.10 564	0.05 290	0.07 330	0.06 309	0.07 404	0.08 496

UPFNet	0.16 540	0.08 384	0.12 322	0.20 564	0.12 584	0.20 573	0.23 633	0.28 552	0.26 520	0.17 474	0.24 501	0.22 535	0.19 582	0.19 550	0.21 597	0.09 519	0.07 529	0.08 431	0.09 543	0.08 478	0.06 333

ac_64	0.16 540	0.08 384	0.15 470	0.18 418	0.10 492	0.22 602	0.18 524	0.24 471	0.21 441	0.18 504	0.24 501	0.29 610	0.18 565	0.19 550	0.22 606	0.09 519	0.07 529	0.08 431	0.09 543	0.07 404	0.06 333

DSFCA	0.16 540	0.09 470	0.14 421	0.16 232	0.10 492	0.20 573	0.19 565	0.28 552	0.31 570	0.23 591	0.24 501	0.22 535	0.15 497	0.19 550	0.20 577	0.10 564	0.07 529	0.09 520	0.09 543	0.08 478	0.08 496

FADNet-RVC-Resample	0.16 540	0.11 561	0.31 651	0.22 619	0.11 547	0.19 557	0.14 268	0.25 490	0.24 484	0.24 601	0.27 556	0.20 507	0.15 497	0.16 473	0.15 507	0.07 365	0.08 563	0.12 622	0.10 585	0.09 543	0.10 577

FADNet_RVC	0.16 540	0.14 620	0.40 676	0.20 564	0.11 547	0.13 393	0.13 193	0.26 509	0.22 455	0.21 562	0.23 488	0.20 507	0.17 549	0.14 410	0.16 523	0.08 450	0.08 563	0.12 622	0.09 543	0.11 599	0.10 577

AANet_RVC	0.16 540	0.10 533	0.10 210	0.18 418	0.09 376	0.18 532	0.19 565	0.26 509	0.31 570	0.22 578	0.35 625	0.21 517	0.21 599	0.22 606	0.16 523	0.06 180	0.05 290	0.06 215	0.06 309	0.07 404	0.06 333

DeepPruner_ROB	0.16 540	0.11 561	0.15 470	0.17 321	0.10 492	0.17 513	0.15 357	0.32 607	0.21 441	0.19 523	0.21 467	0.22 535	0.18 565	0.20 575	0.15 507	0.13 647	0.09 600	0.09 520	0.09 543	0.11 599	0.10 577

z-ln-s-r	0.17 562	0.10 533	0.40 676	0.19 495	0.08 240	0.17 513	0.18 524	0.22 423	0.33 585	0.18 504	0.40 654	0.22 535	0.17 549	0.20 575	0.23 618	0.07 365	0.05 290	0.07 330	0.07 412	0.07 404	0.05 221

rvit_stereo_0075_2	0.17 562	0.12 579	0.25 623	0.23 643	0.16 660	0.13 393	0.10 44	0.30 583	0.27 530	0.20 546	0.28 570	0.22 535	0.15 497	0.18 533	0.13 429	0.16 681	0.10 622	0.17 675	0.10 585	0.10 576	0.09 545

ToySt	0.17 562	0.11 561	0.18 565	0.17 321	0.11 547	0.16 489	0.25 663	0.24 471	0.33 585	0.19 523	0.24 501	0.26 583	0.24 622	0.19 550	0.20 577	0.07 365	0.08 563	0.09 520	0.10 585	0.09 543	0.08 496

ssnet_v2	0.17 562	0.10 533	0.17 539	0.17 321	0.11 547	0.21 593	0.21 610	0.33 627	0.25 506	0.22 578	0.22 479	0.27 591	0.18 565	0.22 606	0.20 577	0.11 596	0.09 600	0.09 520	0.09 543	0.08 478	0.08 496

dad	0.17 562	0.20 671	0.20 589	0.16 232	0.11 547	0.20 573	0.18 524	0.21 396	0.28 545	0.30 655	0.24 501	0.29 610	0.13 454	0.19 550	0.16 523	0.18 687	0.09 600	0.11 602	0.09 543	0.11 599	0.07 423

GEStereo_RVC	0.17 562	0.12 579	0.15 470	0.22 619	0.11 547	0.19 557	0.17 473	0.32 607	0.48 671	0.20 546	0.25 530	0.17 464	0.13 454	0.21 593	0.16 523	0.10 564	0.06 451	0.08 431	0.07 412	0.09 543	0.08 496

MMNet	0.17 562	0.09 470	0.16 507	0.20 564	0.11 547	0.27 655	0.20 589	0.25 490	0.41 639	0.22 578	0.30 590	0.21 517	0.20 595	0.17 508	0.20 577	0.06 180	0.06 451	0.07 330	0.07 412	0.08 478	0.07 423

delet	0.17 562	0.08 384	0.17 539	0.19 495	0.11 547	0.20 573	0.21 610	0.30 583	0.37 618	0.17 474	0.26 547	0.19 495	0.19 582	0.19 550	0.21 597	0.08 450	0.08 563	0.09 520	0.11 619	0.06 317	0.06 333

UNet	0.17 562	0.09 470	0.18 565	0.19 495	0.12 584	0.27 655	0.19 565	0.33 627	0.29 552	0.21 562	0.24 501	0.23 553	0.19 582	0.19 550	0.18 557	0.07 365	0.06 451	0.08 431	0.07 412	0.08 478	0.06 333

HGLStereo	0.17 562	0.08 384	0.19 577	0.17 321	0.12 584	0.18 532	0.18 524	0.31 596	0.32 577	0.21 562	0.32 603	0.25 573	0.18 565	0.19 550	0.20 577	0.09 519	0.09 600	0.07 330	0.07 412	0.09 543	0.10 577

DMCA-RVC	0.17 562	0.10 533	0.15 470	0.24 652	0.11 547	0.18 532	0.18 524	0.25 490	0.24 484	0.21 562	0.26 547	0.25 573	0.27 645	0.18 533	0.20 577	0.12 621	0.08 563	0.13 637	0.10 585	0.10 576	0.08 496

TDLM	0.17 562	0.12 579	0.13 380	0.24 652	0.10 492	0.18 532	0.18 524	0.36 658	0.30 562	0.21 562	0.28 570	0.28 601	0.18 565	0.23 617	0.18 557	0.11 596	0.07 529	0.10 570	0.10 585	0.08 478	0.08 496

NLCA_NET_v2_RVC	0.17 562	0.10 533	0.22 605	0.20 564	0.10 492	0.15 457	0.18 524	0.31 596	0.25 506	0.21 562	0.30 590	0.25 573	0.17 549	0.21 593	0.20 577	0.09 519	0.06 451	0.08 431	0.08 495	0.07 404	0.08 496
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	0.17 562	0.12 579	0.15 470	0.20 564	0.09 376	0.18 532	0.18 524	0.26 509	0.23 467	0.26 620	0.40 654	0.22 535	0.17 549	0.21 593	0.20 577	0.08 450	0.05 290	0.09 520	0.10 585	0.07 404	0.07 423
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 576	0.08 384	0.19 577	0.19 495	0.13 607	0.15 457	0.12 114	0.30 583	0.32 577	0.21 562	0.25 530	0.27 591	0.17 549	0.17 508	0.20 577	0.20 696	0.08 563	0.14 651	0.14 656	0.14 653	0.17 688

test_sample9	0.18 576	0.12 579	0.20 589	0.12 7	0.14 629	0.17 513	0.13 193	0.27 531	0.23 467	0.20 546	0.20 443	0.24 559	0.19 582	0.19 550	0.17 539	0.15 665	0.30 723	0.14 651	0.14 656	0.14 653	0.12 619

fast-acv-ft	0.18 576	0.11 561	0.19 577	0.19 495	0.12 584	0.24 623	0.21 610	0.25 490	0.34 597	0.22 578	0.34 621	0.27 591	0.20 595	0.21 593	0.23 618	0.09 519	0.09 600	0.08 431	0.10 585	0.08 478	0.07 423

HBP-ISP	0.18 576	0.13 607	0.16 507	0.15 132	0.11 547	0.08 98	0.13 193	0.28 552	0.29 552	0.22 578	0.33 616	0.21 517	0.25 631	0.23 617	0.17 539	0.14 661	0.16 691	0.21 690	0.17 686	0.10 576	0.08 496

Wz-Net-LNSev-Ref	0.18 576	0.09 470	0.29 646	0.15 132	0.10 492	0.22 602	0.20 589	0.26 509	0.39 630	0.25 614	0.42 671	0.24 559	0.15 497	0.20 575	0.19 570	0.07 365	0.05 290	0.06 215	0.05 208	0.10 576	0.09 545

SACVNet	0.18 576	0.12 579	0.14 421	0.17 321	0.13 607	0.22 602	0.18 524	0.31 596	0.30 562	0.23 591	0.31 599	0.30 620	0.22 608	0.22 606	0.17 539	0.11 596	0.08 563	0.10 570	0.10 585	0.12 617	0.14 661

psm_up	0.18 576	0.10 533	0.18 565	0.20 564	0.11 547	0.17 513	0.19 565	0.37 664	0.34 597	0.21 562	0.28 570	0.29 610	0.24 622	0.20 575	0.22 606	0.09 519	0.10 622	0.11 602	0.11 619	0.08 478	0.08 496

hitnet-ft	0.18 576	0.09 470	0.17 539	0.14 72	0.09 376	0.26 645	0.20 589	0.25 490	0.26 520	0.24 601	0.32 603	0.31 633	0.22 608	0.24 627	0.21 597	0.12 621	0.07 529	0.10 570	0.08 495	0.12 617	0.11 605

STTStereo	0.18 576	0.12 579	0.27 633	0.20 564	0.11 547	0.16 489	0.21 610	0.29 568	0.23 467	0.21 562	0.30 590	0.29 610	0.18 565	0.20 575	0.19 570	0.12 621	0.11 635	0.11 602	0.14 656	0.09 543	0.08 496

CVANet_RVC	0.18 576	0.10 533	0.14 421	0.21 599	0.10 492	0.18 532	0.17 473	0.34 636	0.33 585	0.22 578	0.31 599	0.28 601	0.18 565	0.23 617	0.17 539	0.12 621	0.08 563	0.12 622	0.11 619	0.09 543	0.07 423

StereoDRNet	0.18 576	0.11 561	0.17 539	0.22 619	0.11 547	0.21 593	0.22 621	0.37 664	0.33 585	0.24 601	0.28 570	0.30 620	0.19 582	0.20 575	0.20 577	0.09 519	0.08 563	0.11 602	0.09 543	0.09 543	0.07 423

DLCB_ROB	0.18 576	0.10 533	0.15 470	0.23 643	0.11 547	0.24 623	0.18 524	0.29 568	0.28 545	0.27 626	0.28 570	0.28 601	0.24 622	0.19 550	0.20 577	0.08 450	0.08 563	0.09 520	0.09 543	0.07 404	0.07 423

TCMNet	0.19 588	0.12 579	0.19 577	0.20 564	0.18 683	0.20 573	0.24 648	0.27 531	0.36 611	0.23 591	0.26 547	0.25 573	0.19 582	0.19 550	0.23 618	0.13 647	0.11 635	0.11 602	0.12 641	0.13 637	0.12 619

rvit_105_1	0.19 588	0.11 561	0.25 623	0.21 599	0.16 660	0.21 593	0.27 679	0.31 596	0.41 639	0.19 523	0.20 443	0.22 535	0.17 549	0.19 550	0.17 539	0.12 621	0.12 651	0.13 637	0.15 673	0.08 478	0.07 423

test_sample8	0.19 588	0.12 579	0.20 589	0.12 7	0.14 629	0.17 513	0.13 193	0.31 596	0.21 441	0.27 626	0.22 479	0.36 659	0.25 631	0.19 550	0.17 539	0.15 665	0.30 723	0.14 651	0.14 656	0.14 653	0.12 619

SDNR	0.19 588	0.08 384	0.19 577	0.16 232	0.12 584	0.77 731	0.14 268	0.25 490	0.32 577	0.19 523	0.24 501	0.19 495	0.13 454	0.19 550	0.15 507	0.16 681	0.18 698	0.14 651	0.11 619	0.08 478	0.11 605

pcwnet_v2	0.19 588	0.10 533	0.26 626	0.17 321	0.14 629	0.18 532	0.15 357	0.37 664	0.46 668	0.19 523	0.24 501	0.21 517	0.19 582	0.20 575	0.19 570	0.13 647	0.10 622	0.10 570	0.10 585	0.11 599	0.13 642

ADCRef	0.19 588	0.12 579	0.41 679	0.20 564	0.12 584	0.22 602	0.18 524	0.32 607	0.36 611	0.26 620	0.32 603	0.17 464	0.23 616	0.24 627	0.24 631	0.07 365	0.06 451	0.09 520	0.09 543	0.08 478	0.08 496

NVstereo2D	0.19 588	0.10 533	0.15 470	0.17 321	0.15 649	0.28 662	0.23 633	0.44 697	0.42 648	0.15 426	0.27 556	0.25 573	0.19 582	0.22 606	0.17 539	0.09 519	0.06 451	0.10 570	0.08 495	0.15 669	0.09 545

DRN-Test	0.19 588	0.11 561	0.20 589	0.22 619	0.10 492	0.22 602	0.22 621	0.39 676	0.37 618	0.24 601	0.32 603	0.26 583	0.21 599	0.22 606	0.24 631	0.11 596	0.07 529	0.11 602	0.10 585	0.09 543	0.07 423

DISCO	0.19 588	0.09 470	0.22 605	0.17 321	0.10 492	0.25 634	0.18 524	0.27 531	0.44 660	0.22 578	0.31 599	0.33 646	0.26 637	0.28 651	0.28 669	0.08 450	0.06 451	0.07 330	0.07 412	0.09 543	0.09 545

CBMV_ROB	0.19 588	0.13 607	0.17 539	0.16 232	0.11 547	0.15 457	0.13 193	0.26 509	0.28 545	0.27 626	0.30 590	0.27 591	0.24 622	0.23 617	0.16 523	0.15 665	0.17 696	0.22 694	0.20 693	0.10 576	0.11 605

NOSS_ROB	0.19 588	0.12 579	0.18 565	0.16 232	0.12 584	0.15 457	0.12 114	0.30 583	0.32 577	0.20 546	0.22 479	0.27 591	0.23 616	0.21 593	0.16 523	0.16 681	0.18 698	0.23 695	0.21 695	0.12 617	0.13 642

CBMV	0.19 588	0.14 620	0.17 539	0.18 418	0.10 492	0.20 573	0.11 76	0.29 568	0.30 562	0.29 650	0.30 590	0.30 620	0.23 616	0.27 639	0.19 570	0.13 647	0.15 683	0.17 675	0.16 679	0.10 576	0.10 577
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PStereo	0.20 600	0.22 681	0.20 589	0.17 321	0.10 492	0.13 393	0.20 589	0.27 531	0.38 625	0.20 546	0.14 333	0.28 601	0.31 672	0.24 627	0.31 687	0.18 687	0.13 666	0.15 664	0.11 619	0.12 617	0.12 619

w-ln-seven-2	0.20 600	0.14 620	0.37 671	0.22 619	0.12 584	0.20 573	0.21 610	0.28 552	0.37 618	0.25 614	0.37 634	0.27 591	0.22 608	0.21 593	0.23 618	0.08 450	0.08 563	0.09 520	0.09 543	0.10 576	0.09 545

YMNet	0.20 600	0.12 579	0.19 577	0.20 564	0.14 629	0.26 645	0.23 633	0.32 607	0.34 597	0.27 626	0.34 621	0.30 620	0.18 565	0.18 533	0.22 606	0.10 564	0.13 666	0.10 570	0.10 585	0.08 478	0.09 545

YMNet_1	0.20 600	0.12 579	0.19 577	0.20 564	0.14 629	0.26 645	0.23 633	0.32 607	0.34 597	0.27 626	0.34 621	0.30 620	0.18 565	0.18 533	0.22 606	0.10 564	0.13 666	0.10 570	0.10 585	0.08 478	0.09 545

GwcNet	0.20 600	0.13 607	0.19 577	0.18 418	0.12 584	0.24 623	0.19 565	0.35 651	0.43 655	0.20 546	0.32 603	0.33 646	0.20 595	0.22 606	0.24 631	0.11 596	0.09 600	0.09 520	0.09 543	0.09 543	0.10 577

FAT-Stereo	0.20 600	0.12 579	0.22 605	0.21 599	0.12 584	0.17 513	0.18 524	0.34 636	0.39 630	0.27 626	0.37 634	0.34 653	0.32 677	0.21 593	0.20 577	0.09 519	0.11 635	0.10 570	0.09 543	0.11 599	0.14 661

FADNet-RVC	0.20 600	0.20 671	0.38 673	0.21 599	0.16 660	0.20 573	0.15 357	0.26 509	0.26 520	0.26 620	0.32 603	0.26 583	0.21 599	0.22 606	0.19 570	0.12 621	0.13 666	0.12 622	0.14 656	0.13 637	0.18 691

S-Stereo	0.20 600	0.12 579	0.25 623	0.21 599	0.13 607	0.20 573	0.18 524	0.32 607	0.43 655	0.23 591	0.36 628	0.28 601	0.30 668	0.19 550	0.22 606	0.09 519	0.12 651	0.10 570	0.10 585	0.13 637	0.13 642

SuperB	0.20 600	0.10 533	0.56 699	0.16 232	0.09 376	0.18 532	0.18 524	0.24 471	0.50 683	0.26 620	0.39 648	0.17 464	0.21 599	0.22 606	0.21 597	0.08 450	0.06 451	0.06 215	0.06 309	0.12 617	0.10 577

ADCP+	0.20 600	0.10 533	0.33 658	0.20 564	0.12 584	0.22 602	0.26 672	0.31 596	0.34 597	0.26 620	0.37 634	0.22 535	0.22 608	0.27 639	0.27 661	0.09 519	0.06 451	0.08 431	0.08 495	0.09 543	0.10 577

PS-NSSS	0.20 600	0.21 677	0.23 614	0.20 564	0.10 492	0.19 557	0.17 473	0.36 658	0.25 506	0.27 626	0.33 616	0.27 591	0.24 622	0.20 575	0.20 577	0.15 665	0.12 651	0.17 675	0.14 656	0.10 576	0.08 496

PWCDC_ROB	0.20 600	0.13 607	0.22 605	0.24 652	0.11 547	0.19 557	0.15 357	0.33 627	0.54 693	0.29 650	0.50 688	0.21 517	0.15 497	0.27 639	0.20 577	0.11 596	0.09 600	0.10 570	0.08 495	0.11 599	0.09 545

SGM-Forest	0.20 600	0.14 620	0.18 565	0.19 495	0.13 607	0.20 573	0.22 621	0.33 627	0.30 562	0.24 601	0.29 582	0.28 601	0.19 582	0.23 617	0.17 539	0.15 665	0.16 691	0.15 664	0.14 656	0.12 617	0.12 619
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 613	0.17 649	0.19 577	0.23 643	0.15 649	0.30 669	0.20 589	0.33 627	0.35 606	0.23 591	0.28 570	0.31 633	0.27 645	0.20 575	0.22 606	0.15 665	0.12 651	0.13 637	0.09 543	0.14 653	0.14 661

FINET	0.21 613	0.18 661	0.26 626	0.18 418	0.16 660	0.23 618	0.23 633	0.32 607	0.48 671	0.25 614	0.32 603	0.22 535	0.22 608	0.22 606	0.17 539	0.18 687	0.16 691	0.11 602	0.10 585	0.15 669	0.13 642

Syn2CoEx	0.21 613	0.16 638	0.27 633	0.29 696	0.14 629	0.26 645	0.20 589	0.33 627	0.31 570	0.28 641	0.36 628	0.27 591	0.25 631	0.19 550	0.24 631	0.16 681	0.12 651	0.14 651	0.11 619	0.09 543	0.08 496

FADNet	0.21 613	0.22 681	0.36 667	0.18 418	0.17 676	0.24 623	0.13 193	0.31 596	0.31 570	0.23 591	0.25 530	0.27 591	0.21 599	0.19 550	0.15 507	0.13 647	0.15 683	0.12 622	0.15 673	0.16 678	0.18 691

RP	0.21 613	0.13 607	0.21 599	0.23 643	0.11 547	0.21 593	0.20 589	0.25 490	0.44 660	0.21 562	0.38 640	0.36 659	0.24 622	0.27 639	0.25 641	0.11 596	0.12 651	0.13 637	0.12 641	0.12 617	0.14 661

DANet	0.21 613	0.15 630	0.28 638	0.25 665	0.13 607	0.22 602	0.19 565	0.27 531	0.27 530	0.28 641	0.32 603	0.35 657	0.31 672	0.31 661	0.23 618	0.11 596	0.09 600	0.11 602	0.10 585	0.13 637	0.11 605
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 613	0.12 579	0.21 599	0.24 652	0.13 607	0.22 602	0.22 621	0.41 686	0.26 520	0.31 661	0.42 671	0.37 664	0.28 656	0.23 617	0.22 606	0.10 564	0.12 651	0.10 570	0.09 543	0.10 576	0.08 496

PWC_ROB	0.21 613	0.16 638	0.26 626	0.18 418	0.11 547	0.22 602	0.13 193	0.32 607	0.49 680	0.30 655	0.40 654	0.32 642	0.24 622	0.31 661	0.22 606	0.10 564	0.07 529	0.11 602	0.08 495	0.11 599	0.10 577

PSMNet_ROB	0.21 613	0.11 561	0.15 470	0.27 684	0.15 649	0.24 623	0.35 712	0.43 695	0.37 618	0.27 626	0.32 603	0.32 642	0.22 608	0.21 593	0.26 653	0.12 621	0.08 563	0.13 637	0.11 619	0.09 543	0.09 545

SCION-MonSter	0.22 622	0.17 649	0.16 507	0.25 665	0.18 683	0.34 681	0.17 473	0.28 552	0.47 670	0.23 591	0.46 679	0.20 507	0.18 565	0.25 633	0.25 641	0.09 519	0.08 563	0.23 695	0.19 691	0.11 599	0.11 605

MSAF-DinoV2	0.22 622	0.11 561	0.23 614	0.17 321	0.10 492	0.27 655	0.16 431	0.37 664	0.55 694	0.21 562	0.27 556	0.47 698	0.27 645	0.35 680	0.39 706	0.09 519	0.06 451	0.07 330	0.09 543	0.12 617	0.10 577

GASNet	0.22 622	0.23 684	0.33 658	0.26 671	0.17 676	0.26 645	0.16 431	0.44 697	0.42 648	0.27 626	0.24 501	0.30 620	0.15 497	0.27 639	0.18 557	0.12 621	0.08 563	0.12 622	0.11 619	0.16 678	0.07 423

Anonymous_2	0.22 622	0.17 649	0.28 638	0.15 132	0.16 660	0.32 671	0.22 621	0.22 423	0.17 346	0.23 591	0.24 501	0.26 583	0.27 645	0.27 639	0.23 618	0.22 705	0.25 719	0.17 675	0.17 686	0.17 686	0.17 688

Wz-Net-LNSev	0.22 622	0.16 638	0.38 673	0.21 599	0.13 607	0.25 634	0.23 633	0.32 607	0.43 655	0.30 655	0.41 665	0.31 633	0.18 565	0.22 606	0.25 641	0.10 564	0.09 600	0.08 431	0.08 495	0.12 617	0.11 605

Wz-Net-MNSev	0.22 622	0.13 607	0.31 651	0.20 564	0.14 629	0.36 691	0.24 648	0.33 627	0.44 660	0.28 641	0.40 654	0.38 668	0.19 582	0.24 627	0.25 641	0.09 519	0.07 529	0.09 520	0.09 543	0.12 617	0.10 577

DDUNet	0.22 622	0.17 649	0.21 599	0.22 619	0.15 649	0.25 634	0.24 648	0.29 568	0.30 562	0.31 661	0.36 628	0.33 646	0.25 631	0.24 627	0.20 577	0.18 687	0.13 666	0.17 675	0.11 619	0.16 678	0.16 679

APVNet	0.22 622	0.12 579	0.19 577	0.18 418	0.14 629	0.32 671	0.31 708	0.39 676	0.32 577	0.27 626	0.40 654	0.30 620	0.29 664	0.26 636	0.25 641	0.11 596	0.12 651	0.11 602	0.14 656	0.12 617	0.12 619

aanetorigin	0.22 622	0.17 649	0.56 699	0.17 321	0.10 492	0.15 457	0.19 565	0.20 369	0.33 585	0.49 703	0.48 683	0.29 610	0.27 645	0.20 575	0.23 618	0.08 450	0.07 529	0.08 431	0.07 412	0.10 576	0.09 545

MaskLacGwcNet_RVC	0.22 622	0.21 677	0.24 618	0.26 671	0.11 547	0.23 618	0.14 268	0.39 676	0.24 484	0.32 667	0.36 628	0.30 620	0.21 599	0.19 550	0.21 597	0.17 686	0.14 677	0.21 690	0.16 679	0.12 617	0.12 619

AF-Net	0.22 622	0.17 649	0.17 539	0.26 671	0.13 607	0.25 634	0.24 648	0.32 607	0.50 683	0.25 614	0.33 616	0.38 668	0.26 637	0.28 651	0.25 641	0.11 596	0.10 622	0.16 672	0.11 619	0.11 599	0.10 577

stereogan	0.22 622	0.11 561	0.21 599	0.20 564	0.12 584	0.31 670	0.19 565	0.35 651	0.44 660	0.22 578	0.39 648	0.35 657	0.27 645	0.33 671	0.22 606	0.10 564	0.12 651	0.10 570	0.10 585	0.14 653	0.13 642

edge stereo	0.22 622	0.13 607	0.20 589	0.21 599	0.13 607	0.23 618	0.16 431	0.32 607	0.42 648	0.32 667	0.40 654	0.38 668	0.35 687	0.25 633	0.24 631	0.13 647	0.11 635	0.14 651	0.11 619	0.12 617	0.13 642

RYNet	0.22 622	0.12 579	0.22 605	0.19 495	0.17 676	0.46 702	0.26 672	0.38 672	0.48 671	0.24 601	0.28 570	0.34 653	0.23 616	0.20 575	0.30 680	0.10 564	0.06 451	0.09 520	0.09 543	0.13 637	0.15 668

NaN_ROB	0.22 622	0.19 665	0.24 618	0.25 665	0.13 607	0.29 666	0.26 672	0.33 627	0.41 639	0.31 661	0.31 599	0.32 642	0.23 616	0.30 660	0.21 597	0.11 596	0.17 696	0.10 570	0.10 585	0.08 478	0.09 545

MDST_ROB	0.22 622	0.10 533	0.17 539	0.18 418	0.11 547	0.37 692	0.19 565	0.43 695	0.41 639	0.39 684	0.39 648	0.29 610	0.21 599	0.26 636	0.18 557	0.11 596	0.10 622	0.14 651	0.11 619	0.10 576	0.08 496

XPNet_ROB	0.22 622	0.11 561	0.19 577	0.22 619	0.13 607	0.22 602	0.19 565	0.34 636	0.40 636	0.30 655	0.39 648	0.39 676	0.26 637	0.26 636	0.28 669	0.15 665	0.10 622	0.10 570	0.10 585	0.13 637	0.12 619

SQANet	0.23 639	0.23 684	0.30 649	0.30 698	0.19 688	0.27 655	0.13 193	0.29 568	0.33 585	0.24 601	0.37 634	0.31 633	0.22 608	0.27 639	0.23 618	0.15 665	0.10 622	0.21 690	0.16 679	0.21 694	0.15 668

Nwc_Net	0.23 639	0.16 638	0.21 599	0.25 665	0.14 629	0.24 623	0.26 672	0.37 664	0.38 625	0.22 578	0.41 665	0.30 620	0.28 656	0.28 651	0.25 641	0.11 596	0.10 622	0.17 675	0.20 693	0.10 576	0.10 577

RTSC	0.23 639	0.12 579	0.28 638	0.21 599	0.13 607	0.28 662	0.16 431	0.35 651	0.66 719	0.27 626	0.33 616	0.30 620	0.21 599	0.31 661	0.29 673	0.10 564	0.08 563	0.09 520	0.10 585	0.13 637	0.13 642

PA-Net	0.23 639	0.18 661	0.33 658	0.28 687	0.22 697	0.21 593	0.38 717	0.29 568	0.39 630	0.22 578	0.32 603	0.25 573	0.26 637	0.20 575	0.25 641	0.09 519	0.23 716	0.15 664	0.22 698	0.09 543	0.13 642
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 639	0.15 630	0.17 539	0.34 703	0.18 683	0.24 623	0.23 633	0.34 636	0.28 545	0.31 661	0.38 640	0.38 668	0.28 656	0.23 617	0.24 631	0.15 665	0.12 651	0.18 685	0.21 695	0.13 637	0.13 642

ETE_ROB	0.23 639	0.17 649	0.22 605	0.25 665	0.13 607	0.26 645	0.29 695	0.31 596	0.36 611	0.28 641	0.36 628	0.45 690	0.26 637	0.27 639	0.26 653	0.11 596	0.08 563	0.12 622	0.09 543	0.14 653	0.13 642

SGM_RVC	0.23 639	0.12 579	0.15 470	0.15 132	0.09 376	0.33 678	0.18 524	0.34 636	0.31 570	0.44 698	0.37 634	0.53 706	0.35 687	0.35 680	0.24 631	0.13 647	0.13 666	0.13 637	0.13 652	0.10 576	0.11 605
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 646	0.18 661	0.18 565	0.20 564	0.14 629	0.21 593	0.19 565	0.32 607	0.41 639	0.29 650	0.21 467	0.32 642	0.27 645	0.41 705	0.27 661	0.46 726	0.12 651	0.31 714	0.11 619	0.15 669	0.12 619

z-mn7	0.24 646	0.14 620	0.45 683	0.19 495	0.13 607	0.28 662	0.25 663	0.34 636	0.62 710	0.27 626	0.56 700	0.29 610	0.24 622	0.32 668	0.25 641	0.08 450	0.08 563	0.08 431	0.08 495	0.10 576	0.10 577

w-ln-seven	0.24 646	0.14 620	0.55 696	0.19 495	0.14 629	0.26 645	0.22 621	0.35 651	0.60 707	0.29 650	0.39 648	0.30 620	0.22 608	0.21 593	0.26 653	0.09 519	0.09 600	0.11 602	0.10 585	0.11 599	0.10 577

DGSMNet	0.24 646	0.19 665	0.33 658	0.21 599	0.24 702	0.24 623	0.20 589	0.35 651	0.41 639	0.24 601	0.32 603	0.38 668	0.21 599	0.29 657	0.23 618	0.12 621	0.11 635	0.14 651	0.16 679	0.23 698	0.23 702

G-Net	0.24 646	0.16 638	0.36 667	0.22 619	0.16 660	0.51 708	0.23 633	0.29 568	0.34 597	0.36 677	0.38 640	0.31 633	0.29 664	0.27 639	0.26 653	0.11 596	0.09 600	0.12 622	0.09 543	0.16 678	0.13 642

NCC-stereo	0.24 646	0.15 630	0.31 651	0.26 671	0.16 660	0.20 573	0.30 702	0.40 680	0.40 636	0.24 601	0.38 640	0.33 646	0.28 656	0.36 686	0.27 661	0.12 621	0.11 635	0.15 664	0.22 698	0.13 637	0.13 642

Abc-Net	0.24 646	0.15 630	0.31 651	0.26 671	0.16 660	0.20 573	0.30 702	0.40 680	0.40 636	0.24 601	0.38 640	0.33 646	0.28 656	0.36 686	0.27 661	0.12 621	0.11 635	0.15 664	0.22 698	0.13 637	0.13 642
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 646	0.11 561	0.47 688	0.22 619	0.12 584	0.34 681	0.29 695	0.29 568	0.56 697	0.24 601	0.46 679	0.30 620	0.30 668	0.29 657	0.29 673	0.08 450	0.07 529	0.09 520	0.09 543	0.10 576	0.10 577

DeepPrunerF	0.24 646	0.17 649	0.42 681	0.26 671	0.16 660	0.22 602	0.28 685	0.37 664	0.50 683	0.26 620	0.29 582	0.24 559	0.28 656	0.21 593	0.22 606	0.15 665	0.11 635	0.20 689	0.18 690	0.12 617	0.13 642

FBW_ROB	0.24 646	0.17 649	0.22 605	0.26 671	0.14 629	0.25 634	0.22 621	0.41 686	0.41 639	0.41 691	0.41 665	0.42 683	0.27 645	0.31 661	0.23 618	0.09 519	0.14 677	0.14 651	0.12 641	0.11 599	0.09 545

SANet	0.24 646	0.14 620	0.28 638	0.21 599	0.11 547	0.27 655	0.24 648	0.38 672	0.64 715	0.36 677	0.40 654	0.43 686	0.26 637	0.27 639	0.24 631	0.12 621	0.09 600	0.10 570	0.09 543	0.13 637	0.11 605

WCMA_ROB	0.24 646	0.11 561	0.22 605	0.17 321	0.14 629	0.32 671	0.15 357	0.32 607	0.32 577	0.38 682	0.53 691	0.40 680	0.34 684	0.34 674	0.25 641	0.11 596	0.12 651	0.12 622	0.10 585	0.14 653	0.14 661

DStereoSA	0.25 658	0.19 665	0.37 671	0.26 671	0.17 676	0.22 602	0.20 589	0.49 707	0.59 703	0.22 578	0.29 582	0.29 610	0.33 679	0.39 697	0.28 669	0.12 621	0.11 635	0.16 672	0.14 656	0.14 653	0.12 619

zh-sn7	0.25 658	0.17 649	0.50 690	0.24 652	0.13 607	0.25 634	0.24 648	0.34 636	0.48 671	0.28 641	0.54 693	0.28 601	0.31 672	0.36 686	0.32 689	0.10 564	0.10 622	0.11 602	0.10 585	0.12 617	0.12 619

zh-mn7	0.25 658	0.14 620	0.56 699	0.19 495	0.14 629	0.24 623	0.22 621	0.34 636	0.62 710	0.35 674	0.65 709	0.31 633	0.25 631	0.31 661	0.25 641	0.09 519	0.08 563	0.09 520	0.09 543	0.09 543	0.11 605

Wz-Net-SNSev	0.25 658	0.17 649	0.44 682	0.25 665	0.14 629	0.26 645	0.23 633	0.38 672	0.56 697	0.30 655	0.55 695	0.39 676	0.26 637	0.23 617	0.30 680	0.10 564	0.09 600	0.09 520	0.10 585	0.11 599	0.11 605

psmorigin	0.25 658	0.15 630	0.34 666	0.17 321	0.13 607	0.23 618	0.14 268	0.34 636	0.33 585	0.41 691	0.55 695	0.41 682	0.37 691	0.34 674	0.27 661	0.11 596	0.15 683	0.11 602	0.11 619	0.12 617	0.16 679

RGC	0.25 658	0.20 671	0.29 646	0.28 687	0.16 660	0.22 602	0.23 633	0.32 607	0.44 660	0.27 626	0.40 654	0.38 668	0.27 645	0.36 686	0.22 606	0.11 596	0.13 666	0.17 675	0.17 686	0.14 653	0.16 679

ADCMid	0.25 658	0.15 630	0.40 676	0.20 564	0.14 629	0.25 634	0.26 672	0.34 636	0.38 625	0.36 677	0.44 676	0.34 653	0.40 698	0.35 680	0.33 694	0.10 564	0.09 600	0.11 602	0.11 619	0.13 637	0.12 619

ADCPNet	0.25 658	0.16 638	0.61 706	0.21 599	0.15 649	0.35 690	0.25 663	0.32 607	0.35 606	0.30 655	0.40 654	0.36 659	0.28 656	0.28 651	0.32 689	0.12 621	0.10 622	0.11 602	0.12 641	0.14 653	0.13 642

LALA_ROB	0.25 658	0.16 638	0.22 605	0.26 671	0.17 676	0.27 655	0.27 679	0.42 691	0.37 618	0.33 671	0.38 640	0.51 702	0.26 637	0.28 651	0.27 661	0.16 681	0.09 600	0.12 622	0.11 619	0.13 637	0.12 619

SHD	0.26 667	0.15 630	0.30 649	0.24 652	0.18 683	0.22 602	0.15 357	0.38 672	0.71 723	0.32 667	0.41 665	0.36 659	0.28 656	0.32 668	0.29 673	0.12 621	0.11 635	0.14 651	0.13 652	0.16 678	0.20 697

AnyNet_C32	0.26 667	0.16 638	0.36 667	0.20 564	0.16 660	0.25 634	0.30 702	0.32 607	0.44 660	0.31 661	0.49 684	0.30 620	0.33 679	0.40 702	0.33 694	0.12 621	0.12 651	0.12 622	0.14 656	0.14 653	0.15 668

DStereoFS	0.27 669	0.22 681	0.31 651	0.22 619	0.15 649	0.22 602	0.20 589	0.50 711	0.48 671	0.28 641	0.44 676	0.33 646	0.34 684	0.52 715	0.29 673	0.12 621	0.11 635	0.15 664	0.13 652	0.16 678	0.16 679

PSMNet-RUCA	0.27 669	0.33 707	0.41 679	0.36 707	0.32 715	0.18 532	0.19 565	0.42 691	0.30 562	0.33 671	0.41 665	0.39 676	0.25 631	0.31 661	0.20 577	0.18 687	0.10 622	0.25 698	0.15 673	0.21 694	0.16 679

PDISCO_ROB	0.27 669	0.16 638	0.26 626	0.28 687	0.20 691	0.32 671	0.26 672	0.44 697	0.57 699	0.28 641	0.40 654	0.45 690	0.29 664	0.33 671	0.34 696	0.12 621	0.09 600	0.17 675	0.16 679	0.17 686	0.13 642

DispFullNet	0.27 669	0.21 677	0.65 709	0.28 687	0.16 660	0.26 645	0.17 473	0.33 627	0.58 702	0.27 626	0.38 640	0.43 686	0.23 616	0.38 693	0.23 618	0.12 621	0.06 451	0.19 687	0.11 619	0.21 694	0.15 668

MeshStereo	0.27 669	0.13 607	0.18 565	0.15 132	0.11 547	0.32 671	0.24 648	0.40 680	0.36 611	0.52 705	0.57 703	0.67 717	0.40 698	0.35 680	0.26 653	0.14 661	0.13 666	0.13 637	0.11 619	0.11 599	0.10 577
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	0.28 674	0.17 649	0.78 726	0.22 619	0.16 660	0.34 681	0.29 695	0.39 676	0.57 699	0.24 601	0.55 695	0.37 664	0.24 622	0.33 671	0.35 697	0.09 519	0.08 563	0.09 520	0.10 585	0.14 653	0.16 679

XQC	0.28 674	0.23 684	0.51 691	0.28 687	0.19 688	0.34 681	0.27 679	0.36 658	0.57 699	0.31 661	0.30 590	0.37 664	0.30 668	0.38 693	0.38 704	0.13 647	0.09 600	0.15 664	0.12 641	0.17 686	0.18 691

CC-Net-ROB	0.28 674	0.31 705	0.36 667	0.29 696	0.15 649	0.25 634	0.19 565	0.45 700	0.33 585	0.39 684	0.37 634	0.39 676	0.31 672	0.27 639	0.26 653	0.24 711	0.19 701	0.30 713	0.23 702	0.18 689	0.15 668

DPSNet	0.28 674	0.16 638	0.31 651	0.18 418	0.13 607	0.54 710	0.42 721	0.51 713	0.67 720	0.29 650	0.38 640	0.38 668	0.29 664	0.31 661	0.23 618	0.11 596	0.10 622	0.11 602	0.08 495	0.20 693	0.16 679

MultiAttention	0.29 678	0.08 384	0.14 421	0.19 495	0.12 584	1.45 746	1.33 750	0.36 658	0.37 618	0.19 523	0.21 467	0.24 559	0.11 379	0.38 693	0.18 557	0.06 180	0.05 290	0.08 431	0.08 495	0.10 576	0.09 545

Wz-Net-TNSev	0.29 678	0.20 671	0.65 709	0.19 495	0.15 649	0.38 695	0.27 679	0.35 651	0.55 694	0.34 673	0.42 671	0.45 690	0.38 692	0.32 668	0.30 680	0.12 621	0.13 666	0.10 570	0.12 641	0.15 669	0.14 661

ccnet	0.29 678	0.28 700	0.23 614	0.20 564	0.28 709	0.41 700	0.21 610	0.45 700	0.33 585	0.36 677	0.46 679	0.36 659	0.30 668	0.39 697	0.42 713	0.23 709	0.14 677	0.21 690	0.17 686	0.23 698	0.18 691

EDNetEfficient	0.29 678	0.24 687	1.13 737	0.18 418	0.10 492	0.19 557	0.20 589	0.20 369	0.60 707	0.74 725	0.56 700	0.31 633	0.39 695	0.22 606	0.30 680	0.09 519	0.07 529	0.08 431	0.07 412	0.11 599	0.09 545

ADCS	0.29 678	0.18 661	0.45 683	0.21 599	0.17 676	0.28 662	0.23 633	0.41 686	0.63 714	0.40 687	0.49 684	0.40 680	0.36 689	0.39 697	0.40 709	0.13 647	0.12 651	0.13 637	0.14 656	0.16 678	0.16 679

CSAN	0.29 678	0.24 687	0.27 633	0.34 703	0.19 688	0.33 678	0.42 721	0.37 664	0.50 683	0.38 682	0.40 654	0.44 688	0.33 679	0.28 651	0.30 680	0.20 696	0.16 691	0.19 687	0.19 691	0.14 653	0.15 668

AANet	0.30 684	0.19 665	1.03 735	0.16 232	0.13 607	0.22 602	0.16 431	0.30 583	0.62 710	0.60 712	0.52 690	0.46 694	0.38 692	0.23 617	0.32 689	0.12 621	0.09 600	0.11 602	0.10 585	0.13 637	0.12 619

MFN_U_SF_DS_RVC	0.30 684	0.24 687	0.29 646	0.36 707	0.16 660	0.34 681	0.30 702	0.32 607	0.42 648	0.40 687	0.46 679	0.38 668	0.31 672	0.34 674	0.28 669	0.19 694	0.20 704	0.26 699	0.29 712	0.18 689	0.19 696

GANetREF_RVC	0.31 686	0.34 708	0.27 633	0.35 705	0.16 660	0.32 671	0.41 718	0.48 705	0.51 690	0.35 674	0.35 625	0.34 653	0.33 679	0.39 697	0.32 689	0.27 713	0.20 704	0.29 711	0.15 673	0.18 689	0.17 688
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	0.31 686	0.26 693	0.26 626	0.24 652	0.21 695	0.34 681	0.25 663	0.34 636	0.39 630	0.40 687	0.69 713	0.45 690	0.40 698	0.34 674	0.27 661	0.20 696	0.19 701	0.26 699	0.25 704	0.23 698	0.22 701

MFN_U_SF_RVC	0.32 688	0.21 677	0.55 696	0.30 698	0.15 649	0.34 681	0.17 473	0.52 714	0.46 668	0.46 702	0.55 695	0.59 709	0.39 695	0.35 680	0.37 702	0.15 665	0.14 677	0.18 685	0.21 695	0.16 678	0.15 668

PASM	0.32 688	0.24 687	0.48 689	0.28 687	0.27 708	0.29 666	0.30 702	0.34 636	0.49 680	0.35 674	0.39 648	0.46 694	0.34 684	0.34 674	0.35 697	0.23 709	0.25 719	0.26 699	0.28 711	0.23 698	0.21 699

SGM-ForestM	0.32 688	0.12 579	0.16 507	0.16 232	0.11 547	0.39 697	0.19 565	0.41 686	0.50 683	0.52 705	0.54 693	1.32 738	0.42 707	0.40 702	0.27 661	0.14 661	0.16 691	0.16 672	0.16 679	0.12 617	0.12 619

FC-DCNN v2	0.33 691	0.27 696	0.28 638	0.26 671	0.23 700	0.37 692	0.28 685	0.40 680	0.43 655	0.45 699	0.56 700	0.51 702	0.40 698	0.37 691	0.29 673	0.21 700	0.20 704	0.27 702	0.26 705	0.25 705	0.24 703

FCDSN-DC	0.33 691	0.28 700	0.28 638	0.30 698	0.24 702	0.39 697	0.28 685	0.42 691	0.42 648	0.43 697	0.53 691	0.51 702	0.41 703	0.36 686	0.30 680	0.21 700	0.20 704	0.27 702	0.26 705	0.25 705	0.24 703
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 691	0.27 696	0.28 638	0.26 671	0.23 700	0.37 692	0.28 685	0.40 680	0.43 655	0.45 699	0.55 695	0.51 702	0.40 698	0.37 691	0.30 680	0.21 700	0.20 704	0.27 702	0.26 705	0.25 705	0.24 703

LSM	0.33 691	0.20 671	0.58 702	0.26 671	0.60 733	0.34 681	0.25 663	0.42 691	0.48 671	0.45 699	0.58 705	0.42 683	0.36 689	0.35 680	0.25 641	0.12 621	0.20 704	0.14 651	0.16 679	0.19 692	0.33 717

AnyNet_C01	0.36 695	0.25 692	1.37 740	0.22 619	0.17 676	0.48 706	0.27 679	0.35 651	0.39 630	0.39 684	0.74 719	0.46 694	0.38 692	0.45 707	0.47 718	0.13 647	0.13 666	0.13 637	0.14 656	0.14 653	0.15 668

GCST	0.37 696	0.42 715	0.26 626	1.02 741	0.39 716	0.18 532	0.08 9	0.20 369	0.17 346	0.28 641	0.25 530	0.15 427	0.12 412	0.16 473	0.14 472	0.64 737	0.43 731	0.75 733	0.65 737	0.63 730	0.46 728

otaku	0.39 697	0.37 711	0.52 692	0.44 714	0.28 709	0.58 712	0.24 648	0.41 686	0.62 710	0.40 687	0.49 684	0.46 694	0.33 679	0.40 702	0.32 689	0.30 714	0.30 723	0.39 718	0.33 717	0.29 712	0.28 711

ACVNet-4b	0.39 697	0.53 718	0.55 696	0.45 715	0.24 702	0.47 704	0.18 524	0.49 707	0.64 715	0.42 694	0.45 678	0.60 710	0.27 645	0.34 674	0.24 631	0.33 717	0.14 677	0.48 721	0.42 723	0.30 713	0.26 710

PVD	0.39 697	0.20 671	0.39 675	0.31 702	0.22 697	0.29 666	0.43 723	0.52 714	0.96 737	0.55 709	0.79 723	0.53 706	0.59 727	0.52 715	0.38 704	0.19 694	0.14 677	0.17 675	0.14 656	0.24 704	0.31 715

Ntro	0.40 700	0.40 713	0.53 693	0.46 718	0.30 713	0.65 718	0.24 648	0.46 702	0.68 721	0.41 691	0.49 684	0.48 700	0.42 707	0.39 697	0.31 687	0.32 715	0.28 721	0.37 717	0.30 714	0.32 717	0.29 712

SAMSARA	0.40 700	0.28 700	0.33 658	0.55 721	0.39 716	0.82 732	1.23 749	0.47 704	0.51 690	0.36 677	0.35 625	0.55 708	0.39 695	0.38 693	0.39 706	0.15 665	0.20 704	0.15 664	0.14 656	0.23 698	0.20 697

ELAS_RVC	0.41 702	0.29 703	0.33 658	0.28 687	0.24 702	0.54 710	0.36 713	0.49 707	0.59 703	0.72 721	0.74 719	0.65 715	0.54 720	0.54 720	0.40 709	0.22 705	0.20 704	0.27 702	0.26 705	0.26 710	0.25 708
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 702	0.29 703	0.33 658	0.27 684	0.24 702	0.60 715	0.36 713	0.50 711	0.50 683	0.71 719	0.79 723	0.67 717	0.54 720	0.51 713	0.42 713	0.22 705	0.20 704	0.27 702	0.26 705	0.26 710	0.25 708
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 704	0.26 693	0.59 704	0.60 723	0.49 723	0.32 671	0.23 633	0.46 702	0.52 692	0.56 711	0.58 705	0.76 722	0.32 677	0.48 709	0.29 673	0.32 715	0.24 717	0.27 702	0.33 717	0.46 721	0.39 722

MSC_U_SF_DS_RVC	0.43 705	0.39 712	0.54 694	0.40 710	0.20 691	0.64 717	0.32 710	0.53 716	0.72 724	0.71 719	0.72 716	0.61 711	0.54 720	0.51 713	0.46 717	0.20 696	0.19 701	0.29 711	0.30 714	0.23 698	0.18 691

ACVNet_1	0.44 706	0.49 717	0.60 705	0.45 715	0.28 709	0.49 707	0.27 679	0.57 721	0.72 724	0.62 714	0.58 705	0.74 721	0.49 717	0.50 711	0.35 697	0.26 712	0.24 717	0.39 718	0.29 712	0.31 716	0.24 703

Consistency-Raft	0.44 706	0.40 713	0.45 683	0.37 709	0.43 720	0.46 702	0.41 718	0.57 721	0.55 694	0.32 667	0.73 717	0.33 646	0.48 716	0.42 706	0.49 720	0.39 720	0.35 728	0.45 720	0.51 730	0.42 720	0.29 712

RTS	0.45 708	0.19 665	3.26 746	0.24 652	0.15 649	0.74 725	0.20 589	0.36 658	0.76 730	0.42 694	0.43 674	0.31 633	0.41 703	0.53 718	0.35 697	0.10 564	0.08 563	0.13 637	0.12 641	0.15 669	0.15 668

RTSA	0.45 708	0.19 665	3.26 746	0.24 652	0.15 649	0.74 725	0.20 589	0.36 658	0.76 730	0.42 694	0.43 674	0.31 633	0.41 703	0.53 718	0.35 697	0.10 564	0.08 563	0.13 637	0.12 641	0.15 669	0.15 668

MANE	0.45 708	0.27 696	0.27 633	0.27 684	0.24 702	0.47 704	0.31 708	0.55 718	0.59 703	0.72 721	1.13 740	1.15 732	0.61 728	0.52 715	0.37 702	0.21 700	0.20 704	0.27 702	0.31 716	0.25 705	0.24 703

NVStereoNet_ROB	0.46 711	0.36 710	0.46 687	0.41 712	0.28 709	0.34 681	0.34 711	0.48 705	0.60 707	0.72 721	0.93 729	0.70 720	0.66 731	0.47 708	0.60 728	0.22 705	0.33 727	0.34 716	0.34 720	0.30 713	0.30 714
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	0.47 712	0.26 693	0.58 702	0.28 687	0.20 691	0.39 697	0.18 524	0.49 707	0.64 715	0.52 705	0.87 726	1.01 727	0.57 725	0.50 711	0.56 725	0.53 730	0.31 726	0.54 727	0.40 721	0.33 718	0.34 718

LE_ROB	0.50 713	0.07 256	0.14 421	0.15 132	0.08 240	0.24 623	0.16 431	0.22 423	1.81 753	4.63 758	0.67 711	0.47 698	0.44 710	0.20 575	0.29 673	0.07 365	0.06 451	0.06 215	0.06 309	0.08 478	0.06 333

BEATNet-Init1	0.52 714	0.27 696	0.62 707	0.30 698	0.21 695	0.76 729	0.29 695	0.54 717	0.65 718	0.86 733	0.95 731	2.07 747	0.62 730	0.56 722	0.42 713	0.18 687	0.18 698	0.23 695	0.22 698	0.22 697	0.21 699

anonymity	0.53 715	0.58 720	0.65 709	0.41 712	0.61 734	0.53 709	0.41 718	0.56 719	0.41 639	0.55 709	0.50 688	0.49 701	0.55 723	0.58 723	0.50 723	0.58 733	0.50 741	0.51 723	0.51 730	0.51 723	0.57 731

RainbowNet	0.54 716	0.61 722	0.70 724	0.57 722	0.43 720	0.65 718	0.37 716	0.60 723	0.87 734	0.50 704	0.66 710	0.64 713	0.47 715	0.49 710	0.43 716	0.47 727	0.48 737	0.52 725	0.41 722	0.52 724	0.40 725

SGM+DAISY	0.56 717	0.57 719	0.65 709	0.40 710	0.54 726	0.66 720	0.49 726	0.56 719	0.45 666	0.66 715	0.69 713	0.67 717	0.56 724	0.63 725	0.56 725	0.59 734	0.48 737	0.50 722	0.50 729	0.52 724	0.58 732

SPS-STEREO	0.57 718	0.58 720	0.65 709	0.45 715	0.55 728	0.62 716	0.44 725	0.62 724	0.50 683	0.68 717	0.64 708	0.66 716	0.57 725	0.61 724	0.60 728	0.62 736	0.47 736	0.51 723	0.49 727	0.55 728	0.58 732
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 719	0.66 726	0.65 709	0.51 719	0.69 738	0.69 721	0.57 732	0.64 725	0.73 728	0.60 712	0.73 717	0.62 712	0.67 732	0.65 726	0.60 728	0.66 738	0.58 750	0.63 728	0.59 733	0.68 735	0.69 741

IMH-64-1	0.65 720	0.61 722	0.68 718	0.71 726	0.51 724	0.59 713	0.49 726	0.91 732	0.85 732	0.74 725	1.02 733	0.81 723	0.78 736	0.79 729	0.49 720	0.42 722	0.46 732	0.71 730	0.47 725	0.52 724	0.39 722

IMH-64	0.65 720	0.61 722	0.68 718	0.71 726	0.51 724	0.59 713	0.49 726	0.91 732	0.85 732	0.74 725	1.02 733	0.81 723	0.78 736	0.79 729	0.49 720	0.42 722	0.46 732	0.71 730	0.47 725	0.52 724	0.39 722

ACVNet_2	0.66 722	0.66 726	0.68 718	0.63 724	0.41 718	0.71 723	0.49 726	0.96 736	1.39 746	0.89 735	1.09 736	1.04 728	0.73 734	0.54 720	0.47 718	0.43 724	0.40 730	0.53 726	0.44 724	0.47 722	0.35 720

JetBlue	0.71 723	0.45 716	1.14 738	0.51 719	0.47 722	2.02 747	0.64 736	0.75 727	0.70 722	0.69 718	0.77 722	1.22 734	0.83 738	1.03 744	1.01 744	0.40 721	0.28 721	0.33 715	0.33 717	0.30 713	0.34 718

IMH	0.71 723	0.64 725	0.68 718	0.76 728	0.54 726	0.69 721	0.54 730	0.98 738	1.10 739	0.82 729	1.09 736	0.89 725	0.88 741	0.87 737	0.52 724	0.44 725	0.50 741	0.75 733	0.51 730	0.56 729	0.41 726

PWCK	0.71 723	0.94 737	0.95 733	0.76 728	0.31 714	0.74 725	0.36 713	0.90 731	0.90 735	0.96 739	0.75 721	0.95 726	0.61 728	0.87 737	0.66 731	0.72 739	0.46 732	0.75 733	0.49 727	0.69 737	0.44 727

MADNet+	0.75 726	0.71 728	3.70 749	0.66 725	0.41 718	0.98 737	0.97 747	0.69 726	0.73 728	0.52 705	0.57 703	0.64 713	0.68 733	0.86 736	1.01 744	0.34 718	0.36 729	0.28 710	0.23 702	0.36 719	0.31 715

TorneroNet-64	0.76 727	0.72 729	0.74 725	0.78 730	0.58 732	0.91 736	0.56 731	0.84 730	1.29 743	0.66 715	0.90 727	1.40 740	0.75 735	0.85 735	0.67 734	0.49 728	0.46 732	0.72 732	0.59 733	0.67 734	0.53 730

WAO-7	0.79 728	0.78 731	0.54 694	0.85 734	0.67 737	0.74 725	0.68 740	1.05 742	1.32 744	0.90 737	1.20 743	1.04 728	0.92 742	0.69 727	0.66 731	0.60 735	0.62 751	0.67 729	0.68 739	0.64 731	0.58 732

WAO-6	0.81 729	0.80 732	0.62 707	0.86 735	0.63 735	0.76 729	0.58 733	0.98 738	1.54 751	0.90 737	0.96 732	1.07 730	1.03 746	0.70 728	0.66 731	0.72 739	0.49 739	0.90 741	0.71 740	0.68 735	0.58 732

TorneroNet	0.82 730	0.74 730	0.81 730	0.84 733	0.63 735	0.99 738	0.63 734	0.96 736	1.16 740	0.80 728	1.11 738	1.36 739	0.86 740	0.93 740	0.80 739	0.56 731	0.49 739	0.78 738	0.66 738	0.73 740	0.63 740

LVE	0.83 731	0.85 735	0.85 731	0.80 731	0.56 729	1.04 742	0.65 737	1.05 742	1.47 749	0.96 739	1.22 744	1.10 731	0.85 739	0.83 732	0.71 736	0.49 728	0.55 747	0.76 736	0.60 735	0.65 732	0.59 737

Dean	0.87 732	0.86 736	0.79 728	0.81 732	0.56 729	0.90 733	0.63 734	1.15 752	1.73 752	1.15 747	1.15 741	1.31 737	0.99 745	0.81 731	0.81 740	0.57 732	0.56 748	0.77 737	0.64 736	0.66 733	0.58 732

WAO-8	0.91 733	0.81 733	0.65 709	0.94 738	0.69 738	0.90 733	0.67 738	1.07 746	1.83 754	1.06 744	1.45 746	1.30 735	1.07 747	0.84 733	0.78 737	0.74 741	0.53 744	0.86 739	0.75 741	0.69 737	0.62 738

Venus	0.91 733	0.81 733	0.65 709	0.94 738	0.69 738	0.90 733	0.67 738	1.07 746	1.83 754	1.06 744	1.45 746	1.30 735	1.07 747	0.84 733	0.78 737	0.74 741	0.53 744	0.86 739	0.75 741	0.69 737	0.62 738

UNDER WATER-64	0.95 735	0.94 737	1.43 742	0.87 736	0.56 729	1.18 745	0.87 744	0.77 728	0.94 736	1.04 742	0.85 725	1.58 745	1.21 752	0.94 741	0.96 742	0.87 745	0.57 749	1.03 745	0.88 746	0.78 741	0.73 742

UNDER WATER	0.97 736	0.97 739	1.42 741	0.99 740	0.70 741	1.12 744	0.84 743	0.80 729	1.08 738	1.01 741	0.90 727	1.55 744	1.22 753	1.03 744	1.00 743	0.78 743	0.53 744	1.02 744	0.87 745	0.80 742	0.74 743

notaker	0.97 736	1.11 740	0.98 734	1.13 743	0.81 742	0.73 724	0.68 740	0.93 734	1.16 740	1.18 749	1.18 742	1.41 741	1.16 751	1.08 746	0.69 735	0.81 744	0.64 752	1.17 746	0.79 743	0.98 744	0.80 745

ktn	1.01 738	1.21 742	0.80 729	1.23 745	0.86 744	1.01 740	0.87 744	0.94 735	1.39 746	1.04 742	1.12 739	1.15 732	1.07 747	0.94 741	0.59 727	1.28 755	0.71 753	1.38 750	0.83 744	1.02 746	0.75 744

KSHMR	1.09 739	1.17 741	0.88 732	1.25 746	1.00 746	0.99 738	0.96 746	1.13 750	1.37 745	1.16 748	1.29 745	1.41 741	0.96 744	1.01 743	0.92 741	1.03 753	1.08 755	1.20 747	1.03 749	1.01 745	0.97 747

DPSimNet_ROB	1.11 740	1.23 743	0.78 726	1.13 743	0.88 745	1.10 743	1.13 748	1.16 753	1.23 742	1.43 751	1.02 733	1.41 741	1.10 750	0.90 739	1.60 746	1.46 756	0.51 743	1.21 748	1.03 749	0.90 743	1.01 749

HanzoNet	1.29 741	1.26 744	1.19 739	1.12 742	0.85 743	1.02 741	0.83 742	1.03 741	1.48 750	1.64 752	1.61 748	2.50 749	1.72 754	1.61 748	1.61 747	1.26 754	0.80 754	1.31 749	1.01 748	1.02 746	0.86 746

JetRed	1.62 742	1.46 745	2.98 744	0.92 737	1.21 747	4.99 755	1.53 752	1.27 754	1.39 746	1.83 753	1.74 749	1.60 746	0.95 743	1.41 747	2.45 755	0.90 747	1.60 756	0.93 742	0.90 747	1.35 748	0.99 748

MADNet++	1.95 743	1.75 746	1.59 743	1.82 747	1.69 749	2.33 748	1.40 751	2.35 755	2.09 756	2.57 755	2.36 756	2.24 748	2.17 756	2.28 749	2.34 753	1.87 757	1.66 757	1.54 751	1.34 751	1.92 749	1.77 751

Selective-IGEV-i1pa	2.80 744	3.51 752	0.67 717	0.28 687	0.14 629	10.22 759	0.43 723	4.36 756	3.63 757	3.53 756	6.92 758	3.47 750	1.97 755	13.41 770	2.26 751	0.36 719	0.15 683	0.13 637	0.10 585	0.15 669	0.35 720

coex-ft	3.30 745	0.34 708	59.09 786	0.18 418	0.13 607	0.26 645	0.22 621	0.27 531	0.72 724	1.90 754	0.70 715	0.44 688	0.45 713	0.29 657	0.41 712	0.09 519	0.09 600	0.12 622	0.09 543	0.14 653	0.13 642

noway2	3.60 746	5.21 760	3.74 750	12.26 763	11.84 764	4.51 751	3.91 754	1.00 740	0.48 671	0.89 735	1.98 750	6.35 760	0.41 703	2.90 750	2.47 756	0.93 748	0.13 666	1.92 755	1.77 757	5.66 758	3.67 758

zzzz4	3.62 747	5.55 764	4.00 755	12.27 765	11.85 767	4.49 749	3.91 754	1.10 749	0.42 648	0.85 731	2.01 752	6.20 756	0.44 710	3.00 751	2.25 749	0.94 749	0.15 683	1.93 756	1.76 753	5.70 760	3.67 758

noway1	3.62 747	5.55 764	3.97 753	12.27 765	11.85 767	4.50 750	3.92 756	1.09 748	0.42 648	0.85 731	2.01 752	6.22 757	0.44 710	3.00 751	2.25 749	0.94 749	0.15 683	1.93 756	1.76 753	5.70 760	3.67 758

noway3	3.64 749	5.28 761	3.79 751	12.26 763	11.84 764	4.53 752	3.92 756	1.06 744	0.48 671	0.88 734	1.98 750	6.32 759	0.46 714	3.32 754	2.57 757	0.95 752	0.15 683	1.93 756	1.76 753	5.67 759	3.69 761

noway4	3.64 749	5.53 763	3.97 753	12.24 762	11.84 764	4.58 753	3.96 758	1.14 751	0.45 666	0.82 729	2.01 752	6.19 755	0.43 709	3.04 753	2.29 752	0.94 749	0.15 683	1.93 756	1.76 753	5.75 762	3.71 762

TCMNet-wrong-test	3.67 751	5.48 762	3.89 752	12.18 761	11.75 763	4.65 754	3.88 753	1.06 744	0.72 724	1.09 746	2.15 755	6.30 758	0.53 719	3.43 756	2.36 754	0.89 746	0.20 704	1.87 753	1.69 752	5.57 757	3.62 757

tt	4.67 752	0.06 125	3.55 748	2.02 748	1.55 748	10.25 760	16.71 762	8.91 765	5.03 758	1.31 750	0.94 730	4.71 751	4.76 758	3.33 755	5.87 759	6.06 765	10.30 771	1.88 754	2.11 759	2.75 751	1.21 750

USTest	6.22 753	2.73 749	3.00 745	6.57 755	7.29 755	14.37 762	21.57 763	7.00 764	9.56 763	5.34 761	6.10 757	5.72 754	7.64 761	6.41 760	6.96 761	1.97 758	3.42 763	1.64 752	2.15 760	2.66 750	2.36 752

xxxxx1	7.79 754	5.02 757	7.31 758	3.12 749	3.85 751	16.35 764	22.88 764	5.86 761	8.69 760	7.97 762	8.54 759	9.12 764	8.27 762	10.18 762	10.92 762	2.42 759	2.45 759	3.56 762	12.37 768	3.77 752	3.06 754

tt_ll	7.79 754	5.02 757	7.31 758	3.12 749	3.85 751	16.35 764	22.88 764	5.86 761	8.69 760	7.97 762	8.54 759	9.12 764	8.27 762	10.18 762	10.92 762	2.42 759	2.45 759	3.56 762	12.37 768	3.77 752	3.06 754

ff	7.79 754	5.02 757	7.31 758	3.12 749	3.85 751	16.35 764	22.88 764	5.86 761	8.69 760	7.97 762	8.54 759	9.12 764	8.27 762	10.18 762	10.92 762	2.42 759	2.45 759	3.56 762	12.37 768	3.77 752	3.06 754

EDNetEfficientorigin	7.91 757	0.31 705	153.02 787	0.19 495	0.09 376	0.21 593	0.16 431	0.22 423	0.59 703	0.72 721	0.67 711	0.42 683	0.50 718	0.24 627	0.39 706	0.08 450	0.07 529	0.08 431	0.07 412	0.12 617	0.10 577

DPSMNet_ROB	8.06 758	4.48 753	8.63 766	5.37 754	10.74 758	8.32 757	22.98 768	5.46 758	13.36 768	5.12 759	9.92 764	5.08 752	10.40 765	5.53 759	12.58 765	3.80 763	8.00 764	3.50 760	7.02 765	3.83 755	7.14 766

DGTPSM_ROB	8.06 758	4.48 753	8.63 766	5.35 752	10.72 757	8.32 757	22.97 767	5.46 758	13.35 767	5.12 759	9.92 764	5.08 752	10.40 765	5.52 758	12.58 765	3.79 762	8.00 764	3.50 760	7.02 765	3.83 755	7.14 766

PML	8.91 760	9.34 771	6.13 756	5.35 752	6.41 754	14.99 763	23.38 769	5.27 757	6.83 759	18.04 774	28.19 783	7.67 761	6.83 760	7.85 761	5.75 758	5.35 764	1.83 758	5.95 770	1.93 758	8.64 767	2.52 753

DLNR_Zeroshot_test	10.40 761	1.82 747	19.49 779	120.77 787	13.11 770	0.06 16	0.13 193	0.23 447	0.10 92	0.07 86	0.10 219	0.09 249	0.06 74	0.10 134	0.09 113	0.13 647	0.04 26	0.06 215	0.04 69	51.54 787	0.04 82

DLNR-FE	10.43 762	1.83 748	19.53 780	120.75 786	13.06 769	0.06 16	0.13 193	0.23 447	0.10 92	0.07 86	0.10 219	0.09 249	0.06 74	0.10 134	0.09 113	0.13 647	0.04 26	0.06 215	0.04 69	52.01 788	0.04 82

iinet-test	10.48 763	8.09 767	7.54 762	10.26 756	10.94 759	18.00 768	25.26 770	11.33 769	13.28 765	9.69 766	9.85 762	9.42 767	11.17 767	11.02 766	12.78 768	6.59 767	8.30 766	5.56 765	6.56 761	6.89 763	7.02 764

IINet	10.48 763	8.09 767	7.54 762	10.26 756	10.94 759	18.00 768	25.26 770	11.33 769	13.28 765	9.69 766	9.85 762	9.42 767	11.17 767	11.02 766	12.78 768	6.59 767	8.30 766	5.56 765	6.56 761	6.89 763	7.02 764

LRCNet_RVC	10.62 765	13.42 772	7.30 757	18.92 770	2.07 750	0.33 678	0.30 702	5.59 760	0.48 671	13.03 770	17.94 770	8.87 763	5.65 759	4.79 757	1.89 748	23.51 784	2.73 762	27.55 787	25.71 787	16.07 779	16.33 780

Anonymous_1	10.96 766	7.92 766	7.46 761	10.33 758	10.06 756	18.65 770	26.34 772	11.06 768	13.44 769	9.40 765	10.05 766	9.67 769	11.23 769	10.73 765	12.72 767	6.42 766	8.38 768	5.77 767	10.61 767	12.12 768	6.77 763

DPSM_ROB	11.15 767	8.58 769	8.00 764	10.88 759	11.58 761	19.10 771	26.71 773	12.05 771	14.07 772	10.36 768	10.84 767	10.33 770	11.86 770	11.70 768	13.54 770	6.99 769	8.79 769	5.89 768	6.95 763	7.29 765	7.42 768

DPSM	11.15 767	8.58 769	8.00 764	10.88 759	11.58 761	19.10 771	26.71 773	12.05 771	14.07 772	10.36 768	10.84 767	10.33 770	11.86 770	11.70 768	13.54 770	6.99 769	8.79 769	5.89 768	6.95 763	7.29 765	7.42 768

HaxPig	15.71 769	18.52 783	19.18 778	16.89 769	15.89 771	7.73 756	7.60 759	13.31 773	10.82 764	15.42 771	14.91 769	15.98 772	14.92 772	15.58 771	15.98 772	18.95 779	16.73 772	19.46 783	18.08 779	19.26 780	19.05 783

Selective-IGEV-i16pa	18.58 770	3.30 750	1.09 736	0.21 599	0.18 683	103.68 788	0.28 685	19.87 775	40.73 784	4.16 757	56.45 788	8.07 762	2.59 757	123.95 789	5.89 760	0.18 687	0.12 651	0.09 520	0.12 641	0.12 617	0.51 729

RSGM-EC	20.36 771	4.73 755	0.68 718	16.76 767	16.92 772	21.28 773	27.18 775	10.46 766	14.04 770	18.00 772	21.31 773	22.24 782	21.82 774	22.57 773	17.63 773	62.81 787	33.79 787	20.14 784	18.10 780	20.18 781	16.45 781

acva	20.36 771	4.73 755	0.68 718	16.76 767	16.92 772	21.28 773	27.18 775	10.46 766	14.04 770	18.00 772	21.31 773	22.24 782	21.82 774	22.57 773	17.63 773	62.81 787	33.79 787	20.14 784	18.10 780	20.18 781	16.45 781

MEDIAN_ROB	20.38 773	24.04 784	23.31 781	21.23 771	21.71 774	10.40 761	7.92 760	17.64 774	15.50 774	20.12 775	19.70 771	20.34 773	20.32 773	21.19 772	21.13 775	23.81 785	21.81 781	24.98 786	23.76 786	24.71 785	23.93 786

CasAABBNet	22.42 774	17.33 776	16.01 770	22.01 773	23.28 776	38.32 775	53.80 780	24.14 779	28.41 779	20.60 778	21.77 777	20.89 780	23.91 779	23.43 778	27.36 779	14.07 772	17.69 775	11.83 773	14.01 772	14.67 773	14.95 774

RAFT-FEzeroshot	22.43 775	17.33 776	15.98 768	22.02 774	23.31 778	38.34 776	53.82 782	24.05 777	28.39 777	20.61 779	21.76 775	20.88 777	23.92 781	23.41 776	27.42 781	14.07 772	17.69 775	11.83 773	14.02 773	14.69 774	14.97 775

RAFT-FE	22.43 775	17.33 776	15.98 768	22.02 774	23.31 778	38.34 776	53.82 782	24.05 777	28.39 777	20.61 779	21.76 775	20.88 777	23.92 781	23.41 776	27.42 781	14.07 772	17.69 775	11.83 773	14.02 773	14.69 774	14.97 775

FlowAnything	22.44 777	17.35 779	16.14 772	22.07 777	23.23 775	38.39 780	53.77 778	24.25 781	28.44 780	20.96 783	21.82 779	20.70 775	23.84 777	23.49 780	27.14 777	14.04 771	17.79 780	11.75 771	14.15 777	14.65 771	14.89 771

Hybrid-DGEV	22.47 778	17.40 781	16.14 772	22.00 772	23.29 777	38.36 778	53.80 780	24.43 784	28.63 783	20.59 777	21.81 778	20.88 777	23.91 779	23.45 779	27.42 781	14.08 775	17.69 775	11.83 773	14.06 776	14.65 771	14.93 773

Selective-RAFT-Error	22.47 778	17.37 780	16.09 771	22.06 776	23.34 780	38.39 780	53.83 784	24.29 783	28.47 781	20.74 781	21.83 780	20.81 776	23.90 778	23.54 782	27.53 784	14.08 775	17.69 775	11.82 772	14.00 771	14.69 774	15.00 777

fast-reg	22.85 780	17.43 782	19.15 777	22.22 779	24.34 781	38.36 778	53.78 779	24.23 780	28.52 782	20.55 776	22.05 781	20.54 774	23.77 776	23.21 775	27.31 778	14.18 778	17.47 774	14.33 778	14.96 778	15.81 778	14.81 770

LSM0	22.87 781	17.28 775	18.96 775	22.19 778	29.04 783	38.42 782	53.71 777	24.28 782	28.31 776	20.78 782	21.00 772	21.43 781	24.16 783	23.50 781	27.39 780	14.09 777	17.38 773	11.84 777	14.04 775	14.73 777	14.89 771

AVERAGE_ROB	24.90 782	29.20 787	28.14 784	24.89 780	24.64 782	17.75 767	11.12 761	21.45 776	19.93 775	25.12 784	24.46 782	25.12 784	25.46 784	24.69 783	22.83 776	29.76 786	27.13 786	28.97 788	27.95 788	29.91 786	29.47 787

zzzzzz3	32.30 783	13.60 773	18.91 774	39.10 783	40.27 786	58.35 785	74.04 786	33.28 786	42.63 785	31.37 785	33.03 784	30.65 785	36.33 787	37.51 786	43.96 787	20.73 780	26.80 784	16.52 779	20.79 782	12.34 769	15.78 778

zzz1	32.32 784	13.62 774	19.04 776	39.10 783	40.27 786	58.39 786	73.98 785	33.31 787	42.69 788	31.39 786	33.04 785	30.66 786	36.33 787	37.52 787	43.96 787	20.74 781	26.81 785	16.53 780	20.80 783	12.35 770	15.78 778

zzzz2	33.88 785	26.18 785	24.44 782	33.40 781	35.10 784	58.13 783	81.44 787	37.02 788	42.64 786	31.75 787	33.25 786	31.23 787	35.81 785	34.90 784	40.56 785	21.21 782	26.75 782	18.05 781	21.21 784	22.06 783	22.50 784

noway5	33.88 785	26.18 785	24.44 782	33.40 781	35.10 784	58.13 783	81.44 787	37.02 788	42.64 786	31.75 787	33.25 786	31.23 787	35.81 785	34.90 784	40.56 785	21.21 782	26.75 782	18.05 781	21.21 784	22.06 783	22.50 784

test_example2	98.32 787	94.13 788	45.89 785	96.35 785	109.85 788	88.61 787	95.45 789	25.75 785	94.37 789	130.00 790	126.06 789	58.17 789	74.63 789	88.51 788	79.96 789	150.23 789	221.02 789	77.62 789	99.10 789	113.75 789	96.94 788

GS-Stereo							0.14 268	0.11 71	0.12 168	0.08 147	0.10 219	0.05 5	0.05 15	0.11 216	0.08 29	0.06 180	0.04 26	0.05 60	0.04 69	0.05 180	0.05 221

FSD					0.22 697	0.25 634	0.25 663	0.27 531	0.26 520	0.25 614	0.26 547	0.25 573	0.27 645	0.27 639	0.24 631	0.21 700	0.20 704	0.27 702	0.26 705	0.25 705

ccccc		285.66 789		368.85 788	370.60 789	123.16 789		115.05 790		126.68 789		122.83 790		252.94 790		384.56 790	353.86 790	254.69 790	223.00 790	425.87 790

ASD4		3.38 751

Low-res two-view benchmark