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

2w_stereo	0.08 60	0.08 282	0.09 95	0.16 175	0.06 17	0.08 60	0.10 31	0.20 273	0.15 187	0.08 90	0.07 52	0.06 25	0.06 48	0.06 1	0.09 67	0.04 11	0.03 1	0.04 1	0.04 44	0.03 1	0.03 2

FoundationStereo	0.06 1	0.04 1	0.08 43	0.12 5	0.05 1	0.09 99	0.13 128	0.06 1	0.09 31	0.05 2	0.05 7	0.06 25	0.04 1	0.06 1	0.07 1	0.06 127	0.04 24	0.05 36	0.03 1	0.05 125	0.04 50

IGEV-Stereo+	0.07 4	0.04 1	0.08 43	0.15 92	0.06 17	0.04 1	0.09 18	0.10 22	0.09 31	0.06 16	0.06 18	0.06 25	0.06 48	0.06 1	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.06 233	0.06 244

BTL-Stereo	0.07 4	0.04 1	0.08 43	0.15 92	0.07 87	0.06 11	0.14 181	0.07 2	0.10 49	0.05 2	0.05 7	0.04 1	0.06 48	0.07 4	0.09 67	0.04 11	0.04 24	0.05 36	0.05 135	0.04 23	0.04 50

BridgeDepth_RVC	0.07 4	0.04 1	0.09 95	0.11 1	0.05 1	0.10 153	0.10 31	0.14 97	0.09 31	0.06 16	0.07 52	0.06 25	0.07 132	0.07 4	0.10 149	0.06 127	0.04 24	0.04 1	0.04 44	0.04 23	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
MonStereo	0.07 4	0.06 83	0.05 1	0.15 92	0.05 1	0.08 60	0.10 31	0.15 133	0.15 187	0.05 2	0.06 18	0.05 4	0.06 48	0.07 4	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 83	0.05 1	0.15 92	0.05 1	0.08 60	0.10 31	0.15 133	0.15 187	0.05 2	0.06 18	0.05 4	0.06 48	0.07 4	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

water-stereo	0.09 111	0.06 83	0.08 43	0.16 175	0.07 87	0.09 99	0.13 128	0.15 133	0.13 141	0.11 197	0.12 206	0.08 132	0.09 204	0.07 4	0.08 18	0.06 127	0.05 212	0.05 36	0.05 135	0.04 23	0.04 50

MLG-Stereo_test3	0.07 4	0.05 28	0.10 143	0.14 46	0.06 17	0.07 34	0.11 56	0.08 6	0.06 4	0.06 16	0.04 1	0.06 25	0.06 48	0.07 4	0.10 149	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.06 244

LG-Stereo_Zeroshot	0.07 4	0.06 83	0.10 143	0.16 175	0.07 87	0.04 1	0.13 128	0.10 22	0.10 49	0.05 2	0.11 189	0.07 85	0.05 13	0.07 4	0.09 67	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

MonSter	0.07 4	0.06 83	0.05 1	0.15 92	0.05 1	0.07 34	0.10 31	0.15 133	0.15 187	0.05 2	0.06 18	0.05 4	0.06 48	0.07 4	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

dual_stereo	0.07 4	0.04 1	0.08 43	0.15 92	0.05 1	0.05 4	0.13 128	0.12 60	0.08 18	0.07 51	0.06 18	0.05 4	0.05 13	0.07 4	0.09 67	0.06 127	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

U	0.08 60	0.07 176	0.09 95	0.19 393	0.10 384	0.10 153	0.13 128	0.12 60	0.17 244	0.07 51	0.07 52	0.06 25	0.05 13	0.07 4	0.08 18	0.06 127	0.04 24	0.06 132	0.04 44	0.06 233	0.05 152

GMOStereo	0.11 227	0.09 358	0.07 10	0.19 393	0.08 154	0.12 241	0.28 562	0.13 77	0.17 244	0.11 197	0.17 286	0.14 286	0.12 303	0.07 4	0.07 1	0.05 35	0.05 212	0.09 407	0.07 313	0.04 23	0.04 50

error version	0.11 227	0.09 358	0.07 10	0.19 393	0.08 154	0.12 241	0.28 562	0.13 77	0.17 244	0.11 197	0.17 286	0.14 286	0.12 303	0.07 4	0.07 1	0.05 35	0.05 212	0.09 407	0.07 313	0.04 23	0.04 50

test-v	0.11 227	0.09 358	0.07 10	0.19 393	0.08 154	0.12 241	0.28 562	0.13 77	0.17 244	0.11 197	0.17 286	0.14 286	0.12 303	0.07 4	0.07 1	0.05 35	0.05 212	0.09 407	0.07 313	0.04 23	0.04 50

test-2	0.11 227	0.09 358	0.07 10	0.19 393	0.08 154	0.12 241	0.28 562	0.13 77	0.17 244	0.11 197	0.17 286	0.14 286	0.12 303	0.07 4	0.07 1	0.05 35	0.05 212	0.09 407	0.07 313	0.04 23	0.04 50

test-1	0.10 180	0.07 176	0.16 393	0.19 393	0.08 154	0.11 199	0.24 525	0.14 97	0.18 274	0.09 128	0.07 52	0.09 162	0.08 173	0.07 4	0.09 67	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

LACA1	0.07 4	0.07 176	0.07 10	0.14 46	0.05 1	0.09 99	0.11 56	0.10 22	0.07 10	0.05 2	0.05 7	0.06 25	0.07 132	0.08 19	0.09 67	0.06 127	0.04 24	0.04 1	0.04 44	0.03 1	0.04 50

Test_v1	0.07 4	0.04 1	0.06 4	0.13 14	0.06 17	0.08 60	0.11 56	0.15 133	0.12 107	0.06 16	0.05 7	0.04 1	0.05 13	0.08 19	0.10 149	0.07 277	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

MatchStereo	0.07 4	0.04 1	0.08 43	0.14 46	0.06 17	0.05 4	0.12 80	0.12 60	0.09 31	0.07 51	0.06 18	0.04 1	0.04 1	0.08 19	0.09 67	0.06 127	0.05 212	0.05 36	0.03 1	0.04 23	0.04 50
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth	0.07 4	0.07 176	0.08 43	0.18 333	0.06 17	0.07 34	0.11 56	0.09 13	0.06 4	0.04 1	0.07 52	0.10 195	0.09 204	0.08 19	0.08 18	0.04 11	0.03 1	0.04 1	0.04 44	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
Replicate-Monster	0.07 4	0.05 28	0.09 95	0.14 46	0.06 17	0.08 60	0.09 18	0.13 77	0.13 141	0.05 2	0.07 52	0.06 25	0.06 48	0.08 19	0.10 149	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

depthmonostereo	0.09 111	0.06 83	0.09 95	0.15 92	0.06 17	0.10 153	0.13 128	0.14 97	0.14 167	0.10 165	0.10 145	0.09 162	0.11 272	0.08 19	0.09 67	0.06 127	0.05 212	0.06 132	0.04 44	0.04 23	0.03 2

2.25w	0.07 4	0.06 83	0.07 10	0.14 46	0.06 17	0.08 60	0.08 7	0.10 22	0.15 187	0.08 90	0.10 145	0.07 85	0.06 48	0.08 19	0.10 149	0.05 35	0.03 1	0.04 1	0.04 44	0.03 1	0.04 50

4.5_new	0.07 4	0.09 358	0.08 43	0.15 92	0.07 87	0.06 11	0.10 31	0.14 97	0.11 77	0.06 16	0.08 93	0.06 25	0.06 48	0.08 19	0.10 149	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

4.5w-stereo	0.07 4	0.09 358	0.08 43	0.15 92	0.07 87	0.06 11	0.10 31	0.14 97	0.11 77	0.06 16	0.08 93	0.06 25	0.06 48	0.08 19	0.10 149	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

2.5w	0.07 4	0.07 176	0.07 10	0.16 175	0.06 17	0.08 60	0.12 80	0.10 22	0.10 49	0.07 51	0.06 18	0.09 162	0.06 48	0.08 19	0.09 67	0.04 11	0.03 1	0.04 1	0.04 44	0.03 1	0.03 2

3w_stereo	0.08 60	0.09 358	0.10 143	0.17 251	0.07 87	0.08 60	0.10 31	0.20 273	0.13 141	0.06 16	0.07 52	0.05 4	0.06 48	0.08 19	0.09 67	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

monsterstereo	0.07 4	0.06 83	0.06 4	0.16 175	0.06 17	0.08 60	0.10 31	0.16 164	0.11 77	0.07 51	0.08 93	0.06 25	0.07 132	0.08 19	0.09 67	0.04 11	0.04 24	0.05 36	0.04 44	0.03 1	0.03 2

monsters	0.07 4	0.06 83	0.06 4	0.15 92	0.06 17	0.08 60	0.09 18	0.12 60	0.08 18	0.09 128	0.07 52	0.06 25	0.06 48	0.08 19	0.08 18	0.05 35	0.04 24	0.04 1	0.04 44	0.03 1	0.03 2

LG-Stereo_L2	0.07 4	0.05 28	0.10 143	0.14 46	0.06 17	0.07 34	0.12 80	0.09 13	0.09 31	0.06 16	0.04 1	0.05 4	0.05 13	0.08 19	0.08 18	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.03 2

LG-Stereo_L1	0.07 4	0.05 28	0.11 188	0.14 46	0.06 17	0.07 34	0.13 128	0.09 13	0.07 10	0.05 2	0.04 1	0.05 4	0.04 1	0.08 19	0.07 1	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

MLG-Stereo_test2	0.06 1	0.04 1	0.10 143	0.15 92	0.05 1	0.07 34	0.11 56	0.09 13	0.04 2	0.06 16	0.05 7	0.06 25	0.04 1	0.08 19	0.09 67	0.06 127	0.04 24	0.05 36	0.03 1	0.05 125	0.05 152

SGD-Stereo	0.08 60	0.05 28	0.10 143	0.14 46	0.05 1	0.12 241	0.12 80	0.11 38	0.12 107	0.07 51	0.09 115	0.09 162	0.09 204	0.08 19	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.03 2

AIO_test	0.07 4	0.05 28	0.07 10	0.15 92	0.07 87	0.06 11	0.14 181	0.10 22	0.10 49	0.07 51	0.07 52	0.06 25	0.05 13	0.08 19	0.10 149	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

castereo++	0.08 60	0.05 28	0.08 43	0.15 92	0.05 1	0.14 325	0.12 80	0.11 38	0.15 187	0.07 51	0.07 52	0.07 85	0.06 48	0.08 19	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

CroCo-Stereo Lap2	0.09 111	0.09 358	0.08 43	0.22 499	0.09 275	0.09 99	0.19 449	0.16 164	0.12 107	0.09 128	0.10 145	0.05 4	0.05 13	0.08 19	0.08 18	0.06 127	0.06 349	0.07 233	0.05 135	0.05 125	0.05 152

test_4	0.10 180	0.10 417	0.08 43	0.19 393	0.09 275	0.08 60	0.22 502	0.15 133	0.17 244	0.12 237	0.18 311	0.12 240	0.09 204	0.08 19	0.11 226	0.04 11	0.04 24	0.08 324	0.08 384	0.04 23	0.03 2

test_3	0.10 180	0.09 358	0.10 143	0.20 453	0.08 154	0.13 292	0.26 549	0.14 97	0.21 330	0.10 165	0.10 145	0.09 162	0.09 204	0.08 19	0.11 226	0.05 35	0.04 24	0.08 324	0.07 313	0.04 23	0.04 50

CroCo-Stereo	0.09 111	0.08 282	0.08 43	0.22 499	0.09 275	0.09 99	0.19 449	0.15 133	0.12 107	0.07 51	0.07 52	0.08 132	0.06 48	0.08 19	0.07 1	0.07 277	0.05 212	0.06 132	0.04 44	0.05 125	0.04 50
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
LACA2	0.07 4	0.05 28	0.06 4	0.15 92	0.06 17	0.09 99	0.11 56	0.11 38	0.10 49	0.05 2	0.05 7	0.06 25	0.08 173	0.09 42	0.07 1	0.07 277	0.04 24	0.04 1	0.04 44	0.04 23	0.04 50

Pro-Stereo	0.07 4	0.05 28	0.08 43	0.15 92	0.07 87	0.08 60	0.12 80	0.07 2	0.07 10	0.06 16	0.06 18	0.05 4	0.05 13	0.09 42	0.08 18	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

BStereo	0.08 60	0.06 83	0.16 393	0.15 92	0.08 154	0.07 34	0.09 18	0.15 133	0.16 217	0.06 16	0.07 52	0.07 85	0.05 13	0.09 42	0.11 226	0.04 11	0.05 212	0.05 36	0.07 313	0.04 23	0.04 50

Wave_Phase_stereo	0.09 111	0.06 83	0.16 393	0.15 92	0.08 154	0.11 199	0.09 18	0.18 234	0.16 217	0.06 16	0.07 52	0.07 85	0.05 13	0.09 42	0.11 226	0.04 11	0.05 212	0.05 36	0.07 313	0.04 23	0.04 50

NLSM3	0.09 111	0.06 83	0.08 43	0.19 393	0.08 154	0.11 199	0.16 325	0.18 234	0.16 217	0.06 16	0.08 93	0.07 85	0.08 173	0.09 42	0.11 226	0.04 11	0.04 24	0.06 132	0.07 313	0.03 1	0.03 2

CSFM-Stereo	0.07 4	0.05 28	0.07 10	0.14 46	0.06 17	0.09 99	0.13 128	0.15 133	0.06 4	0.07 51	0.08 93	0.06 25	0.08 173	0.09 42	0.09 67	0.06 127	0.05 212	0.04 1	0.03 1	0.04 23	0.04 50

FE-Mocha	0.09 111	0.06 83	0.14 310	0.16 175	0.09 275	0.10 153	0.15 259	0.18 234	0.16 217	0.10 165	0.09 115	0.07 85	0.07 132	0.09 42	0.09 67	0.06 127	0.04 24	0.06 132	0.06 219	0.05 125	0.05 152

DDF-Stereo	0.08 60	0.04 1	0.09 95	0.15 92	0.10 384	0.06 11	0.13 128	0.09 13	0.14 167	0.06 16	0.06 18	0.07 85	0.06 48	0.09 42	0.10 149	0.06 127	0.04 24	0.06 132	0.04 44	0.08 367	0.05 152

252Zero-FE	0.08 60	0.04 1	0.09 95	0.13 14	0.07 87	0.12 241	0.11 56	0.13 77	0.14 167	0.06 16	0.05 7	0.06 25	0.05 13	0.09 42	0.10 149	0.06 127	0.04 24	0.04 1	0.03 1	0.05 125	0.06 244

Zero-FE251	0.07 4	0.05 28	0.09 95	0.13 14	0.06 17	0.12 241	0.12 80	0.11 38	0.10 49	0.07 51	0.08 93	0.06 25	0.06 48	0.09 42	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

Wavelet-MonSter	0.07 4	0.05 28	0.07 10	0.16 175	0.06 17	0.07 34	0.11 56	0.10 22	0.08 18	0.06 16	0.06 18	0.07 85	0.07 132	0.09 42	0.09 67	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

DA	0.08 60	0.07 176	0.07 10	0.19 393	0.08 154	0.09 99	0.12 80	0.13 77	0.12 107	0.08 90	0.10 145	0.10 195	0.08 173	0.09 42	0.10 149	0.05 35	0.04 24	0.06 132	0.04 44	0.05 125	0.03 2

Monster-pub-mixall	0.07 4	0.04 1	0.09 95	0.13 14	0.06 17	0.05 4	0.09 18	0.11 38	0.07 10	0.06 16	0.06 18	0.05 4	0.06 48	0.09 42	0.09 67	0.06 127	0.04 24	0.04 1	0.03 1	0.05 125	0.05 152

zero-FE	0.08 60	0.04 1	0.09 95	0.15 92	0.10 384	0.05 4	0.14 181	0.09 13	0.14 167	0.07 51	0.06 18	0.07 85	0.06 48	0.09 42	0.10 149	0.06 127	0.04 24	0.06 132	0.04 44	0.08 367	0.05 152

GGEV	0.08 60	0.07 176	0.07 10	0.19 393	0.08 154	0.09 99	0.12 80	0.13 77	0.12 107	0.08 90	0.10 145	0.10 195	0.08 173	0.09 42	0.10 149	0.05 35	0.04 24	0.06 132	0.04 44	0.05 125	0.03 2

AdaDepth	0.07 4	0.06 83	0.07 10	0.18 333	0.06 17	0.11 199	0.12 80	0.09 13	0.07 10	0.06 16	0.05 7	0.07 85	0.06 48	0.09 42	0.10 149	0.04 11	0.05 212	0.05 36	0.04 44	0.04 23	0.04 50

S2M2_XL	0.08 60	0.06 83	0.12 227	0.12 5	0.08 154	0.09 99	0.09 18	0.07 2	0.07 10	0.08 90	0.07 52	0.07 85	0.06 48	0.09 42	0.09 67	0.08 348	0.06 349	0.07 233	0.05 135	0.08 367	0.06 244
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
4w-stereo	0.07 4	0.08 282	0.08 43	0.16 175	0.06 17	0.07 34	0.08 7	0.12 60	0.08 18	0.07 51	0.07 52	0.05 4	0.06 48	0.09 42	0.10 149	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

2.75w_new	0.07 4	0.07 176	0.07 10	0.13 14	0.06 17	0.08 60	0.08 7	0.18 234	0.12 107	0.07 51	0.08 93	0.06 25	0.06 48	0.09 42	0.11 226	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 50

3.75w	0.07 4	0.07 176	0.08 43	0.16 175	0.07 87	0.07 34	0.09 18	0.16 164	0.09 31	0.07 51	0.06 18	0.05 4	0.06 48	0.09 42	0.10 149	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 4	0.06 83	0.07 10	0.16 175	0.06 17	0.07 34	0.10 31	0.14 97	0.14 167	0.07 51	0.08 93	0.05 4	0.06 48	0.09 42	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 50

IGEV	0.07 4	0.04 1	0.08 43	0.13 14	0.06 17	0.09 99	0.12 80	0.14 97	0.10 49	0.06 16	0.09 115	0.07 85	0.05 13	0.09 42	0.09 67	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

111111	0.07 4	0.04 1	0.09 95	0.17 251	0.06 17	0.05 4	0.10 31	0.11 38	0.09 31	0.06 16	0.06 18	0.07 85	0.05 13	0.09 42	0.09 67	0.06 127	0.04 24	0.05 36	0.04 44	0.07 305	0.06 244

MLG-Stereo_test1	0.06 1	0.05 28	0.08 43	0.17 251	0.05 1	0.06 11	0.11 56	0.08 6	0.03 1	0.05 2	0.04 1	0.06 25	0.05 13	0.09 42	0.09 67	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

LG-Stereo	0.08 60	0.07 176	0.10 143	0.18 333	0.07 87	0.10 153	0.17 362	0.11 38	0.08 18	0.05 2	0.07 52	0.05 4	0.07 132	0.09 42	0.09 67	0.04 11	0.05 212	0.07 233	0.07 313	0.04 23	0.04 50

SCV	0.08 60	0.09 358	0.08 43	0.15 92	0.08 154	0.10 153	0.13 128	0.10 22	0.12 107	0.07 51	0.07 52	0.06 25	0.04 1	0.09 42	0.08 18	0.05 35	0.04 24	0.06 132	0.04 44	0.06 233	0.04 50

StereoAnything_RVC	0.07 4	0.15 511	0.17 423	0.11 1	0.05 1	0.05 4	0.11 56	0.08 6	0.08 18	0.06 16	0.06 18	0.05 4	0.05 13	0.09 42	0.08 18	0.08 348	0.04 24	0.05 36	0.03 1	0.05 125	0.04 50

IGEV-RUCA	0.08 60	0.06 83	0.11 188	0.14 46	0.09 275	0.10 153	0.12 80	0.10 22	0.12 107	0.06 16	0.07 52	0.07 85	0.06 48	0.09 42	0.08 18	0.06 127	0.05 212	0.05 36	0.04 44	0.05 125	0.06 244

castereo	0.09 111	0.06 83	0.11 188	0.15 92	0.06 17	0.11 199	0.15 259	0.14 97	0.18 274	0.08 90	0.10 145	0.11 222	0.08 173	0.09 42	0.10 149	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

UGAM-zero	0.09 111	0.05 28	0.15 359	0.15 92	0.08 154	0.09 99	0.13 128	0.19 262	0.15 187	0.11 197	0.15 252	0.07 85	0.07 132	0.09 42	0.09 67	0.06 127	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

IGEV-Stereo++	0.07 4	0.06 83	0.08 43	0.18 333	0.06 17	0.04 1	0.10 31	0.11 38	0.11 77	0.06 16	0.07 52	0.07 85	0.06 48	0.09 42	0.09 67	0.05 35	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

RAStereo	0.10 180	0.09 358	0.08 43	0.20 453	0.08 154	0.13 292	0.18 410	0.15 133	0.17 244	0.10 165	0.12 206	0.05 4	0.06 48	0.09 42	0.08 18	0.07 277	0.05 212	0.07 233	0.05 135	0.05 125	0.04 50

Occ-G	0.08 60	0.05 28	0.06 4	0.14 46	0.07 87	0.08 60	0.14 181	0.13 77	0.15 187	0.07 51	0.11 189	0.07 85	0.05 13	0.09 42	0.10 149	0.06 127	0.05 212	0.05 36	0.04 44	0.05 125	0.05 152

gcap-zeroshot	0.09 111	0.05 28	0.10 143	0.16 175	0.07 87	0.13 292	0.13 128	0.11 38	0.12 107	0.13 267	0.12 206	0.09 162	0.08 173	0.09 42	0.09 67	0.06 127	0.05 212	0.06 132	0.05 135	0.04 23	0.04 50

test_for_model	0.08 60	0.05 28	0.09 95	0.14 46	0.07 87	0.08 60	0.14 181	0.17 202	0.21 330	0.08 90	0.12 206	0.06 25	0.04 1	0.09 42	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.03 1	0.03 2

MoCha-V2	0.08 60	0.05 28	0.10 143	0.20 453	0.07 87	0.09 99	0.14 181	0.11 38	0.08 18	0.07 51	0.08 93	0.07 85	0.06 48	0.09 42	0.08 18	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

MaDis-Stereo	0.09 111	0.09 358	0.08 43	0.17 251	0.09 275	0.13 292	0.10 31	0.16 164	0.16 217	0.09 128	0.11 189	0.06 25	0.06 48	0.09 42	0.13 326	0.07 277	0.06 349	0.07 233	0.05 135	0.05 125	0.04 50

UniTT-Stereo	0.09 111	0.07 176	0.08 43	0.18 333	0.08 154	0.13 292	0.11 56	0.12 60	0.11 77	0.10 165	0.12 206	0.05 4	0.07 132	0.09 42	0.09 67	0.07 277	0.05 212	0.05 36	0.05 135	0.05 125	0.05 152

CAS	0.08 60	0.04 1	0.07 10	0.17 251	0.08 154	0.10 153	0.13 128	0.12 60	0.09 31	0.09 128	0.10 145	0.08 132	0.06 48	0.09 42	0.08 18	0.08 348	0.04 24	0.05 36	0.03 1	0.05 125	0.04 50

cross-raft	0.10 180	0.09 358	0.09 95	0.19 393	0.07 87	0.11 199	0.25 540	0.13 77	0.15 187	0.08 90	0.11 189	0.12 240	0.10 242	0.09 42	0.11 226	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

CREStereo++_RVC	0.08 60	0.04 1	0.06 4	0.13 14	0.07 87	0.09 99	0.12 80	0.14 97	0.14 167	0.10 165	0.14 234	0.08 132	0.07 132	0.09 42	0.11 226	0.06 127	0.04 24	0.05 36	0.05 135	0.04 23	0.04 50
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
EAI-Stereo	0.09 111	0.07 176	0.11 188	0.15 92	0.06 17	0.10 153	0.15 259	0.16 164	0.09 31	0.08 90	0.09 115	0.08 132	0.07 132	0.09 42	0.11 226	0.05 35	0.04 24	0.05 36	0.05 135	0.05 125	0.04 50

R-Stereo Train	0.10 180	0.06 83	0.10 143	0.17 251	0.08 154	0.11 199	0.14 181	0.23 340	0.11 77	0.12 237	0.19 320	0.11 222	0.08 173	0.09 42	0.11 226	0.07 277	0.05 212	0.06 132	0.05 135	0.05 125	0.05 152

RAFT-Stereo	0.10 180	0.06 83	0.10 143	0.17 251	0.08 154	0.11 199	0.14 181	0.23 340	0.11 77	0.12 237	0.19 320	0.11 222	0.08 173	0.09 42	0.11 226	0.07 277	0.05 212	0.06 132	0.05 135	0.05 125	0.05 152
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DispViT+	0.08 60	0.08 282	0.13 274	0.15 92	0.07 87	0.08 60	0.10 31	0.14 97	0.09 31	0.09 128	0.06 18	0.06 25	0.07 132	0.10 86	0.12 285	0.05 35	0.05 212	0.05 36	0.04 44	0.05 125	0.05 152

WQFJA1++	0.08 60	0.04 1	0.11 188	0.14 46	0.07 87	0.11 199	0.11 56	0.11 38	0.07 10	0.07 51	0.07 52	0.07 85	0.06 48	0.10 86	0.10 149	0.06 127	0.04 24	0.05 36	0.04 44	0.06 233	0.06 244

NLSM1	0.10 180	0.07 176	0.07 10	0.19 393	0.08 154	0.13 292	0.16 325	0.21 296	0.15 187	0.11 197	0.10 145	0.06 25	0.10 242	0.10 86	0.11 226	0.07 277	0.08 450	0.08 324	0.07 313	0.05 125	0.05 152

MonSter++	0.08 60	0.04 1	0.10 143	0.13 14	0.06 17	0.09 99	0.12 80	0.13 77	0.08 18	0.06 16	0.07 52	0.06 25	0.08 173	0.10 86	0.11 226	0.06 127	0.05 212	0.04 1	0.03 1	0.04 23	0.04 50

VIP-Stereo	0.07 4	0.07 176	0.07 10	0.15 92	0.06 17	0.12 241	0.10 31	0.11 38	0.11 77	0.06 16	0.07 52	0.06 25	0.05 13	0.10 86	0.08 18	0.05 35	0.04 24	0.05 36	0.03 1	0.03 1	0.02 1

gasm-f	0.08 60	0.05 28	0.07 10	0.13 14	0.08 154	0.08 60	0.14 181	0.10 22	0.09 31	0.08 90	0.10 145	0.06 25	0.05 13	0.10 86	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.06 233	0.05 152

DLNR-FE	10.43 633	1.83 625	19.53 645	120.75 649	13.06 637	0.06 11	0.13 128	0.23 340	0.10 49	0.07 51	0.10 145	0.09 162	0.06 48	0.10 86	0.09 67	0.13 526	0.04 24	0.06 132	0.04 44	52.01 651	0.04 50

asda	0.07 4	0.08 282	0.08 43	0.16 175	0.06 17	0.06 11	0.10 31	0.16 164	0.10 49	0.06 16	0.06 18	0.05 4	0.05 13	0.10 86	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

asd	0.07 4	0.08 282	0.07 10	0.16 175	0.07 87	0.08 60	0.08 7	0.11 38	0.08 18	0.07 51	0.07 52	0.06 25	0.06 48	0.10 86	0.09 67	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

qwe	0.07 4	0.08 282	0.07 10	0.15 92	0.06 17	0.07 34	0.10 31	0.18 234	0.11 77	0.07 51	0.07 52	0.06 25	0.06 48	0.10 86	0.09 67	0.03 1	0.03 1	0.04 1	0.04 44	0.04 23	0.03 2

3.5w_stereo	0.07 4	0.07 176	0.07 10	0.15 92	0.07 87	0.09 99	0.06 1	0.13 77	0.11 77	0.07 51	0.07 52	0.06 25	0.07 132	0.10 86	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

MLG-Stereo	0.07 4	0.05 28	0.08 43	0.17 251	0.05 1	0.07 34	0.11 56	0.08 6	0.04 2	0.05 2	0.04 1	0.06 25	0.05 13	0.10 86	0.09 67	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

LGtest1	0.07 4	0.04 1	0.10 143	0.15 92	0.06 17	0.07 34	0.09 18	0.08 6	0.06 4	0.05 2	0.04 1	0.06 25	0.06 48	0.10 86	0.09 67	0.07 277	0.04 24	0.05 36	0.04 44	0.06 233	0.06 244

MM-Stereo_test1	0.10 180	0.07 176	0.08 43	0.18 333	0.07 87	0.12 241	0.18 410	0.21 296	0.20 314	0.09 128	0.11 189	0.08 132	0.06 48	0.10 86	0.10 149	0.06 127	0.05 212	0.07 233	0.06 219	0.05 125	0.04 50

HART	0.08 60	0.07 176	0.09 95	0.17 251	0.07 87	0.10 153	0.16 325	0.13 77	0.11 77	0.08 90	0.10 145	0.07 85	0.05 13	0.10 86	0.08 18	0.05 35	0.04 24	0.06 132	0.04 44	0.05 125	0.04 50

GREAT-IGEV	0.07 4	0.06 83	0.08 43	0.13 14	0.07 87	0.07 34	0.14 181	0.09 13	0.09 31	0.06 16	0.07 52	0.06 25	0.05 13	0.10 86	0.07 1	0.05 35	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
AIO_rvc	0.07 4	0.06 83	0.08 43	0.15 92	0.06 17	0.08 60	0.14 181	0.09 13	0.08 18	0.07 51	0.08 93	0.07 85	0.04 1	0.10 86	0.08 18	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

HUF	0.08 60	0.05 28	0.08 43	0.14 46	0.06 17	0.09 99	0.13 128	0.13 77	0.13 141	0.07 51	0.07 52	0.08 132	0.06 48	0.10 86	0.09 67	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

AIO-test2	0.10 180	0.08 282	0.10 143	0.23 523	0.08 154	0.11 199	0.10 31	0.23 340	0.23 356	0.08 90	0.09 115	0.08 132	0.05 13	0.10 86	0.08 18	0.06 127	0.05 212	0.08 324	0.09 430	0.05 125	0.05 152

GIP-stereo	0.08 60	0.06 83	0.11 188	0.14 46	0.06 17	0.09 99	0.13 128	0.14 97	0.11 77	0.07 51	0.08 93	0.05 4	0.04 1	0.10 86	0.07 1	0.05 35	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

DEFOM-Stereo	0.07 4	0.05 28	0.07 10	0.14 46	0.06 17	0.10 153	0.13 128	0.07 2	0.13 141	0.06 16	0.07 52	0.06 25	0.05 13	0.10 86	0.09 67	0.04 11	0.04 24	0.05 36	0.03 1	0.04 23	0.04 50

AIO-Stereo-zeroshot1	0.11 227	0.05 28	0.14 310	0.15 92	0.20 567	0.09 99	0.17 362	0.21 296	0.15 187	0.11 197	0.14 234	0.10 195	0.07 132	0.10 86	0.08 18	0.06 127	0.05 212	0.07 233	0.07 313	0.07 305	0.09 435

RSM++	0.08 60	0.06 83	0.09 95	0.17 251	0.07 87	0.09 99	0.12 80	0.11 38	0.11 77	0.08 90	0.06 18	0.07 85	0.05 13	0.10 86	0.09 67	0.04 11	0.04 24	0.06 132	0.05 135	0.05 125	0.03 2

RAFT-Stereo-weight	0.09 111	0.06 83	0.10 143	0.16 175	0.07 87	0.09 99	0.14 181	0.19 262	0.16 217	0.11 197	0.10 145	0.08 132	0.06 48	0.10 86	0.11 226	0.06 127	0.04 24	0.06 132	0.04 44	0.04 23	0.04 50

H2IRNET	0.10 180	0.09 358	0.09 95	0.18 333	0.09 275	0.12 241	0.15 259	0.14 97	0.21 330	0.10 165	0.10 145	0.10 195	0.10 242	0.10 86	0.10 149	0.05 35	0.04 24	0.08 324	0.08 384	0.06 233	0.05 152

MGS-Stereo	0.09 111	0.07 176	0.12 227	0.15 92	0.08 154	0.09 99	0.15 259	0.12 60	0.12 107	0.07 51	0.10 145	0.08 132	0.06 48	0.10 86	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.06 233	0.05 152

ACVNet-DCA	0.10 180	0.08 282	0.12 227	0.17 251	0.09 275	0.13 292	0.15 259	0.23 340	0.16 217	0.09 128	0.09 115	0.06 25	0.06 48	0.10 86	0.07 1	0.06 127	0.04 24	0.06 132	0.05 135	0.07 305	0.07 327

xx1	0.11 227	0.08 282	0.12 227	0.17 251	0.09 275	0.13 292	0.15 259	0.16 164	0.18 274	0.09 128	0.09 115	0.16 329	0.16 410	0.10 86	0.07 1	0.06 127	0.04 24	0.08 324	0.08 384	0.07 305	0.07 327

cc1	0.10 180	0.08 282	0.12 227	0.17 251	0.09 275	0.13 292	0.15 259	0.16 164	0.18 274	0.09 128	0.09 115	0.06 25	0.06 48	0.10 86	0.07 1	0.06 127	0.04 24	0.06 132	0.05 135	0.06 233	0.06 244

IGEVStereo-DCA	0.09 111	0.06 83	0.11 188	0.15 92	0.10 384	0.11 199	0.15 259	0.16 164	0.12 107	0.10 165	0.06 18	0.08 132	0.06 48	0.10 86	0.08 18	0.06 127	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

rrr	0.09 111	0.06 83	0.12 227	0.15 92	0.10 384	0.11 199	0.16 325	0.16 164	0.15 187	0.10 165	0.06 18	0.08 132	0.06 48	0.10 86	0.08 18	0.06 127	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

ffm	0.12 297	0.09 358	0.14 310	0.16 175	0.08 154	0.17 402	0.17 362	0.15 133	0.19 291	0.15 316	0.25 414	0.19 376	0.13 342	0.10 86	0.07 1	0.06 127	0.04 24	0.09 407	0.08 384	0.06 233	0.06 244

tt1	0.10 180	0.08 282	0.12 227	0.17 251	0.09 275	0.12 241	0.16 325	0.15 133	0.19 291	0.09 128	0.08 93	0.06 25	0.06 48	0.10 86	0.07 1	0.06 127	0.04 24	0.06 132	0.05 135	0.06 233	0.06 244

DLNR_Zeroshot_test	10.40 632	1.82 624	19.49 644	120.77 650	13.11 638	0.06 11	0.13 128	0.23 340	0.10 49	0.07 51	0.10 145	0.09 162	0.06 48	0.10 86	0.09 67	0.13 526	0.04 24	0.06 132	0.04 44	51.54 650	0.04 50

CASnet	0.09 111	0.09 358	0.09 95	0.19 393	0.06 17	0.07 34	0.11 56	0.18 234	0.14 167	0.11 197	0.10 145	0.09 162	0.07 132	0.10 86	0.10 149	0.06 127	0.04 24	0.10 454	0.08 384	0.05 125	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.08 60	0.05 28	0.08 43	0.14 46	0.13 489	0.14 325	0.13 128	0.14 97	0.09 31	0.07 51	0.09 115	0.07 85	0.08 173	0.10 86	0.09 67	0.06 127	0.04 24	0.06 132	0.05 135	0.05 125	0.04 50

HH	0.09 111	0.06 83	0.13 274	0.17 251	0.08 154	0.10 153	0.16 325	0.14 97	0.10 49	0.08 90	0.09 115	0.08 132	0.07 132	0.10 86	0.09 67	0.06 127	0.04 24	0.06 132	0.05 135	0.05 125	0.04 50

HanStereo	0.09 111	0.06 83	0.13 274	0.17 251	0.08 154	0.10 153	0.16 325	0.14 97	0.10 49	0.08 90	0.09 115	0.08 132	0.07 132	0.10 86	0.09 67	0.06 127	0.04 24	0.06 132	0.05 135	0.05 125	0.04 50

LoS_RVC	0.08 60	0.05 28	0.07 10	0.15 92	0.07 87	0.08 60	0.15 259	0.11 38	0.10 49	0.08 90	0.09 115	0.06 25	0.09 204	0.10 86	0.09 67	0.05 35	0.04 24	0.05 36	0.03 1	0.04 23	0.03 2

Selective-IGEV	0.07 4	0.06 83	0.08 43	0.17 251	0.06 17	0.08 60	0.12 80	0.13 77	0.07 10	0.08 90	0.07 52	0.06 25	0.04 1	0.10 86	0.09 67	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

EGLCR-Stereo	0.08 60	0.05 28	0.08 43	0.14 46	0.06 17	0.10 153	0.12 80	0.11 38	0.16 217	0.06 16	0.05 7	0.07 85	0.05 13	0.10 86	0.11 226	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

Sa-1000	0.12 297	0.08 282	0.08 43	0.18 333	0.08 154	0.14 325	0.22 502	0.22 320	0.18 274	0.15 316	0.20 332	0.17 349	0.11 272	0.10 86	0.10 149	0.06 127	0.05 212	0.09 407	0.09 430	0.05 125	0.05 152

iRaft-Stereo_20w	0.09 111	0.05 28	0.13 274	0.14 46	0.08 154	0.12 241	0.15 259	0.18 234	0.10 49	0.11 197	0.08 93	0.08 132	0.05 13	0.10 86	0.09 67	0.06 127	0.04 24	0.06 132	0.05 135	0.06 233	0.05 152

TRStereo	0.09 111	0.05 28	0.12 227	0.15 92	0.12 466	0.10 153	0.13 128	0.18 234	0.18 274	0.09 128	0.09 115	0.09 162	0.06 48	0.10 86	0.08 18	0.07 277	0.05 212	0.07 233	0.07 313	0.04 23	0.04 50

SST-Stereo	0.10 180	0.07 176	0.15 359	0.18 333	0.09 275	0.06 11	0.12 80	0.17 202	0.11 77	0.15 316	0.17 286	0.13 266	0.12 303	0.10 86	0.11 226	0.06 127	0.04 24	0.09 407	0.06 219	0.06 233	0.05 152

RAFT_R40	0.11 227	0.07 176	0.14 310	0.18 333	0.09 275	0.06 11	0.13 128	0.17 202	0.16 217	0.14 289	0.18 311	0.15 315	0.12 303	0.10 86	0.11 226	0.06 127	0.04 24	0.09 407	0.06 219	0.06 233	0.05 152

DRaft	0.12 297	0.06 83	0.11 188	0.14 46	0.09 275	0.14 325	0.17 362	0.21 296	0.30 448	0.17 359	0.28 454	0.10 195	0.15 384	0.10 86	0.12 285	0.05 35	0.04 24	0.07 233	0.06 219	0.05 125	0.05 152

s12784h	0.09 111	0.06 83	0.07 10	0.15 92	0.05 1	0.16 380	0.18 410	0.15 133	0.15 187	0.10 165	0.11 189	0.11 222	0.11 272	0.10 86	0.12 285	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

XX-TBD	0.09 111	0.06 83	0.07 10	0.14 46	0.07 87	0.12 241	0.16 325	0.14 97	0.13 141	0.11 197	0.12 206	0.09 162	0.08 173	0.10 86	0.10 149	0.06 127	0.04 24	0.05 36	0.03 1	0.06 233	0.05 152

sAnonymous2	0.13 322	0.12 461	0.24 497	0.20 453	0.12 466	0.17 402	0.13 128	0.26 397	0.21 330	0.11 197	0.11 189	0.13 266	0.08 173	0.10 86	0.10 149	0.09 407	0.05 212	0.08 324	0.06 219	0.15 546	0.10 462

CroCo_RVC	0.13 322	0.12 461	0.24 497	0.20 453	0.12 466	0.17 402	0.13 128	0.26 397	0.21 330	0.11 197	0.11 189	0.13 266	0.08 173	0.10 86	0.10 149	0.09 407	0.05 212	0.08 324	0.06 219	0.15 546	0.10 462

test_xeample3	0.09 111	0.06 83	0.12 227	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.13 141	0.10 165	0.06 18	0.08 132	0.06 48	0.10 86	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

VMStereo-Base	0.09 111	0.05 28	0.10 143	0.13 14	0.07 87	0.10 153	0.10 31	0.16 164	0.13 141	0.10 165	0.15 252	0.10 195	0.09 204	0.11 138	0.10 149	0.07 277	0.05 212	0.05 36	0.04 44	0.05 125	0.06 244

gcap_with_dpt	0.09 111	0.06 83	0.09 95	0.16 175	0.08 154	0.12 241	0.14 181	0.16 164	0.16 217	0.08 90	0.14 234	0.10 195	0.06 48	0.11 138	0.10 149	0.06 127	0.05 212	0.05 36	0.04 44	0.05 125	0.04 50

WQFJX1	0.10 180	0.07 176	0.08 43	0.22 499	0.09 275	0.12 241	0.17 362	0.18 234	0.17 244	0.10 165	0.09 115	0.07 85	0.10 242	0.11 138	0.09 67	0.07 277	0.08 450	0.07 233	0.06 219	0.05 125	0.04 50

NLMM1	0.11 227	0.09 358	0.07 10	0.22 499	0.10 384	0.12 241	0.20 472	0.18 234	0.20 314	0.12 237	0.11 189	0.07 85	0.09 204	0.11 138	0.11 226	0.08 348	0.08 450	0.07 233	0.06 219	0.04 23	0.04 50

HiDET	0.08 60	0.04 1	0.10 143	0.13 14	0.06 17	0.08 60	0.12 80	0.12 60	0.11 77	0.06 16	0.07 52	0.07 85	0.07 132	0.11 138	0.11 226	0.06 127	0.04 24	0.04 1	0.03 1	0.04 23	0.04 50

LCMNet	0.08 60	0.05 28	0.10 143	0.13 14	0.07 87	0.09 99	0.12 80	0.10 22	0.11 77	0.06 16	0.08 93	0.06 25	0.07 132	0.11 138	0.10 149	0.06 127	0.05 212	0.04 1	0.03 1	0.04 23	0.04 50

NLCSM	0.11 227	0.09 358	0.09 95	0.23 523	0.11 434	0.12 241	0.19 449	0.18 234	0.18 274	0.12 237	0.11 189	0.07 85	0.09 204	0.11 138	0.10 149	0.07 277	0.08 450	0.07 233	0.07 313	0.06 233	0.05 152

GEAStereo	0.08 60	0.05 28	0.08 43	0.13 14	0.08 154	0.08 60	0.14 181	0.10 22	0.09 31	0.08 90	0.10 145	0.06 25	0.05 13	0.11 138	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.05 152

GSStereo	0.08 60	0.05 28	0.08 43	0.13 14	0.08 154	0.08 60	0.14 181	0.11 38	0.12 107	0.08 90	0.10 145	0.05 4	0.05 13	0.11 138	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.05 152

GS-Stereo							0.14 181	0.11 38	0.12 107	0.08 90	0.10 145	0.05 4	0.05 13	0.11 138	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.05 152

IGEV-FE	0.09 111	0.05 28	0.12 227	0.13 14	0.08 154	0.12 241	0.13 128	0.17 202	0.11 77	0.10 165	0.06 18	0.09 162	0.06 48	0.11 138	0.09 67	0.06 127	0.04 24	0.06 132	0.06 219	0.05 125	0.05 152

MSCF	0.08 60	0.05 28	0.08 43	0.19 393	0.08 154	0.06 11	0.12 80	0.14 97	0.11 77	0.10 165	0.09 115	0.07 85	0.04 1	0.11 138	0.08 18	0.06 127	0.05 212	0.05 36	0.04 44	0.05 125	0.05 152

DilatedVolume-Stereo	0.09 111	0.05 28	0.08 43	0.15 92	0.06 17	0.11 199	0.12 80	0.14 97	0.16 217	0.11 197	0.11 189	0.09 162	0.09 204	0.11 138	0.10 149	0.06 127	0.05 212	0.05 36	0.04 44	0.03 1	0.03 2

3.25w_new	0.07 4	0.06 83	0.07 10	0.15 92	0.06 17	0.10 153	0.07 3	0.12 60	0.11 77	0.08 90	0.06 18	0.07 85	0.06 48	0.11 138	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 4	0.06 83	0.07 10	0.15 92	0.06 17	0.10 153	0.07 3	0.12 60	0.11 77	0.08 90	0.06 18	0.07 85	0.06 48	0.11 138	0.09 67	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

LG-G_1	0.07 4	0.04 1	0.11 188	0.15 92	0.06 17	0.09 99	0.08 7	0.08 6	0.06 4	0.06 16	0.05 7	0.07 85	0.07 132	0.11 138	0.08 18	0.07 277	0.04 24	0.05 36	0.04 44	0.05 125	0.05 152

LG-G	0.07 4	0.04 1	0.11 188	0.15 92	0.06 17	0.09 99	0.08 7	0.08 6	0.06 4	0.06 16	0.05 7	0.07 85	0.07 132	0.11 138	0.08 18	0.07 277	0.04 24	0.05 36	0.04 44	0.05 125	0.05 152

S2M2_L	0.09 111	0.08 282	0.11 188	0.13 14	0.10 384	0.08 60	0.06 1	0.10 22	0.10 49	0.10 165	0.09 115	0.10 195	0.09 204	0.11 138	0.11 226	0.13 526	0.07 421	0.08 324	0.09 430	0.10 461	0.08 391
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test3	0.10 180	0.07 176	0.07 10	0.18 333	0.07 87	0.12 241	0.19 449	0.24 363	0.19 291	0.06 16	0.10 145	0.08 132	0.06 48	0.11 138	0.08 18	0.06 127	0.06 349	0.07 233	0.05 135	0.05 125	0.04 50

Reg-Stereo(zero)	0.08 60	0.05 28	0.08 43	0.16 175	0.06 17	0.12 241	0.11 56	0.15 133	0.10 49	0.12 237	0.09 115	0.10 195	0.08 173	0.11 138	0.08 18	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

SCV_C0	0.08 60	0.07 176	0.07 10	0.16 175	0.09 275	0.08 60	0.15 259	0.11 38	0.12 107	0.08 90	0.07 52	0.06 25	0.05 13	0.11 138	0.07 1	0.05 35	0.05 212	0.05 36	0.04 44	0.06 233	0.05 152

DEFOM-Stereo_RVC	0.08 60	0.06 83	0.09 95	0.22 499	0.06 17	0.08 60	0.12 80	0.10 22	0.10 49	0.07 51	0.07 52	0.06 25	0.05 13	0.11 138	0.09 67	0.06 127	0.04 24	0.05 36	0.03 1	0.06 233	0.04 50

AIO-test1	0.10 180	0.07 176	0.10 143	0.23 523	0.07 87	0.09 99	0.13 128	0.21 296	0.14 167	0.11 197	0.12 206	0.09 162	0.07 132	0.11 138	0.09 67	0.06 127	0.05 212	0.09 407	0.10 470	0.03 1	0.06 244

fffft	0.09 111	0.06 83	0.12 227	0.16 175	0.07 87	0.09 99	0.17 362	0.12 60	0.11 77	0.08 90	0.07 52	0.09 162	0.06 48	0.11 138	0.12 285	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.05 152
1: 1. 1
mms	0.09 111	0.07 176	0.08 43	0.16 175	0.08 154	0.10 153	0.16 325	0.12 60	0.11 77	0.08 90	0.09 115	0.08 132	0.06 48	0.11 138	0.12 285	0.05 35	0.04 24	0.07 233	0.05 135	0.04 23	0.03 2

tg	0.10 180	0.06 83	0.10 143	0.18 333	0.08 154	0.11 199	0.16 325	0.20 273	0.12 107	0.08 90	0.11 189	0.11 222	0.07 132	0.11 138	0.10 149	0.05 35	0.04 24	0.08 324	0.08 384	0.04 23	0.04 50

rvit_stereo_0081	0.11 227	0.08 282	0.15 359	0.16 175	0.09 275	0.10 153	0.14 181	0.14 97	0.24 372	0.11 197	0.13 221	0.13 266	0.09 204	0.11 138	0.12 285	0.10 448	0.07 421	0.08 324	0.07 313	0.07 305	0.05 152

rvit_stereo_0082	0.11 227	0.08 282	0.15 359	0.16 175	0.09 275	0.10 153	0.14 181	0.14 97	0.24 372	0.11 197	0.13 221	0.13 266	0.09 204	0.11 138	0.12 285	0.10 448	0.07 421	0.08 324	0.07 313	0.07 305	0.05 152

Pointernet	0.09 111	0.04 1	0.09 95	0.16 175	0.08 154	0.13 292	0.10 31	0.15 133	0.17 244	0.09 128	0.07 52	0.06 25	0.06 48	0.11 138	0.09 67	0.08 348	0.04 24	0.05 36	0.03 1	0.06 233	0.05 152

AIO-Stereo-zeroshot	0.11 227	0.05 28	0.11 188	0.15 92	0.13 489	0.13 292	0.16 325	0.23 340	0.17 244	0.10 165	0.12 206	0.10 195	0.07 132	0.11 138	0.09 67	0.06 127	0.05 212	0.06 132	0.06 219	0.07 305	0.08 391

IGEV-BASED-STEREO-	0.09 111	0.10 417	0.31 530	0.15 92	0.06 17	0.08 60	0.14 181	0.10 22	0.10 49	0.07 51	0.07 52	0.06 25	0.04 1	0.11 138	0.07 1	0.12 501	0.04 24	0.07 233	0.05 135	0.05 125	0.05 152

AIO-Stereo	0.08 60	0.06 83	0.09 95	0.18 333	0.06 17	0.08 60	0.12 80	0.15 133	0.09 31	0.08 90	0.08 93	0.07 85	0.05 13	0.11 138	0.08 18	0.05 35	0.05 212	0.05 36	0.04 44	0.04 23	0.04 50

RSM	0.08 60	0.06 83	0.09 95	0.17 251	0.06 17	0.08 60	0.12 80	0.12 60	0.10 49	0.08 90	0.07 52	0.06 25	0.05 13	0.11 138	0.09 67	0.04 11	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

trnet	0.08 60	0.05 28	0.07 10	0.12 5	0.05 1	0.12 241	0.11 56	0.13 77	0.10 49	0.08 90	0.13 221	0.09 162	0.08 173	0.11 138	0.10 149	0.08 348	0.05 212	0.05 36	0.03 1	0.06 233	0.05 152

Former-RAFT_DAM_RVC	0.10 180	0.08 282	0.12 227	0.16 175	0.08 154	0.15 351	0.16 325	0.18 234	0.18 274	0.10 165	0.09 115	0.09 162	0.08 173	0.11 138	0.12 285	0.07 277	0.05 212	0.08 324	0.06 219	0.07 305	0.06 244

MyStereo06	0.10 180	0.07 176	0.12 227	0.17 251	0.09 275	0.13 292	0.18 410	0.19 262	0.12 107	0.12 237	0.08 93	0.07 85	0.07 132	0.11 138	0.09 67	0.06 127	0.05 212	0.07 233	0.07 313	0.06 233	0.06 244

AE-Stereo	0.10 180	0.08 282	0.10 143	0.18 333	0.09 275	0.10 153	0.15 259	0.14 97	0.19 291	0.09 128	0.14 234	0.12 240	0.08 173	0.11 138	0.10 149	0.05 35	0.06 349	0.07 233	0.06 219	0.05 125	0.04 50

ff7	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.10 165	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

ffff	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.10 165	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

11t	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.10 165	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

IGEV_Zeroshot_test	0.09 111	0.05 28	0.12 227	0.13 14	0.08 154	0.12 241	0.13 128	0.17 202	0.11 77	0.10 165	0.06 18	0.09 162	0.06 48	0.11 138	0.09 67	0.06 127	0.04 24	0.06 132	0.06 219	0.05 125	0.05 152

EKT-Stereo	0.11 227	0.07 176	0.14 310	0.15 92	0.10 384	0.13 292	0.14 181	0.18 234	0.21 330	0.11 197	0.08 93	0.12 240	0.09 204	0.11 138	0.12 285	0.08 348	0.06 349	0.07 233	0.06 219	0.08 367	0.07 327

4D-IteraStereo	0.09 111	0.07 176	0.10 143	0.18 333	0.07 87	0.09 99	0.15 259	0.17 202	0.15 187	0.10 165	0.11 189	0.10 195	0.07 132	0.11 138	0.09 67	0.05 35	0.03 1	0.08 324	0.07 313	0.06 233	0.05 152

anonymousdsp	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.09 128	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

ProNet	0.09 111	0.07 176	0.10 143	0.17 251	0.08 154	0.10 153	0.15 259	0.15 133	0.12 107	0.09 128	0.06 18	0.07 85	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.06 244

MC-Stereo	0.08 60	0.06 83	0.09 95	0.17 251	0.06 17	0.10 153	0.14 181	0.12 60	0.10 49	0.09 128	0.12 206	0.09 162	0.06 48	0.11 138	0.10 149	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

DCANet-4	0.10 180	0.06 83	0.12 227	0.16 175	0.06 17	0.09 99	0.17 362	0.18 234	0.19 291	0.13 267	0.16 264	0.09 162	0.14 366	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

ccc-4	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.10 165	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

fff	0.10 180	0.06 83	0.12 227	0.15 92	0.07 87	0.09 99	0.17 362	0.16 164	0.20 314	0.13 267	0.16 264	0.10 195	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

ADStereo(finetuned)	0.10 180	0.06 83	0.12 227	0.16 175	0.06 17	0.09 99	0.17 362	0.15 133	0.19 291	0.13 267	0.17 286	0.10 195	0.12 303	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

DisPM	0.11 227	0.07 176	0.12 227	0.16 175	0.09 275	0.06 11	0.13 128	0.17 202	0.17 244	0.14 289	0.20 332	0.12 240	0.10 242	0.11 138	0.10 149	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.11 488

raft_robust	0.13 322	0.10 417	0.07 10	0.18 333	0.08 154	0.13 292	0.24 525	0.28 437	0.33 469	0.20 428	0.19 320	0.14 286	0.10 242	0.11 138	0.12 285	0.05 35	0.05 212	0.07 233	0.07 313	0.05 125	0.04 50

RAFT+CT+SA	0.13 322	0.11 443	0.09 95	0.19 393	0.09 275	0.15 351	0.28 562	0.22 320	0.22 345	0.15 316	0.26 431	0.10 195	0.10 242	0.11 138	0.12 285	0.05 35	0.04 24	0.07 233	0.08 384	0.07 305	0.06 244

SA	0.12 297	0.09 358	0.08 43	0.18 333	0.08 154	0.12 241	0.24 525	0.23 340	0.18 274	0.17 359	0.27 440	0.14 286	0.11 272	0.11 138	0.11 226	0.05 35	0.05 212	0.09 407	0.08 384	0.05 125	0.04 50

IGEV-Stereo	0.09 111	0.07 176	0.11 188	0.16 175	0.09 275	0.11 199	0.15 259	0.16 164	0.12 107	0.09 128	0.06 18	0.06 25	0.06 48	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test-3	0.08 60	0.06 83	0.09 95	0.17 251	0.07 87	0.07 34	0.14 181	0.12 60	0.15 187	0.09 128	0.08 93	0.07 85	0.08 173	0.11 138	0.10 149	0.05 35	0.04 24	0.07 233	0.05 135	0.04 23	0.04 50

test_1	0.08 60	0.06 83	0.09 95	0.17 251	0.07 87	0.07 34	0.14 181	0.12 60	0.15 187	0.09 128	0.08 93	0.07 85	0.08 173	0.11 138	0.10 149	0.05 35	0.04 24	0.07 233	0.05 135	0.04 23	0.04 50

CrosDoStereo	0.12 297	0.06 83	0.12 227	0.14 46	0.08 154	0.12 241	0.15 259	0.17 202	0.22 345	0.19 405	0.24 386	0.15 315	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.07 233	0.07 313	0.05 125	0.05 152

PFNet+	0.11 227	0.06 83	0.13 274	0.16 175	0.09 275	0.05 4	0.12 80	0.17 202	0.21 330	0.16 344	0.19 320	0.14 286	0.10 242	0.11 138	0.11 226	0.08 348	0.05 212	0.09 407	0.08 384	0.06 233	0.11 488

Patchmatch Stereo++	0.11 227	0.09 358	0.16 393	0.18 333	0.08 154	0.06 11	0.11 56	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327
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	0.11 227	0.07 176	0.16 393	0.19 393	0.09 275	0.08 60	0.13 128	0.18 234	0.13 141	0.16 344	0.21 354	0.13 266	0.14 366	0.11 138	0.14 362	0.06 127	0.04 24	0.09 407	0.06 219	0.06 233	0.05 152

STrans-v2	0.10 180	0.07 176	0.12 227	0.18 333	0.07 87	0.10 153	0.14 181	0.21 296	0.11 77	0.11 197	0.15 252	0.12 240	0.10 242	0.11 138	0.12 285	0.05 35	0.04 24	0.06 132	0.06 219	0.04 23	0.04 50

TransformOpticalFlow	0.10 180	0.08 282	0.13 274	0.18 333	0.07 87	0.09 99	0.15 259	0.19 262	0.15 187	0.12 237	0.17 286	0.11 222	0.11 272	0.11 138	0.10 149	0.05 35	0.04 24	0.06 132	0.06 219	0.05 125	0.05 152

OMP-Stereo	0.11 227	0.06 83	0.14 310	0.18 333	0.08 154	0.09 99	0.12 80	0.21 296	0.21 330	0.13 267	0.14 234	0.11 222	0.12 303	0.11 138	0.13 326	0.06 127	0.04 24	0.07 233	0.06 219	0.05 125	0.04 50

NF-Stereo	0.11 227	0.07 176	0.13 274	0.17 251	0.09 275	0.10 153	0.14 181	0.23 340	0.19 291	0.12 237	0.17 286	0.12 240	0.11 272	0.11 138	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.12 501

OCTAStereo	0.11 227	0.07 176	0.13 274	0.17 251	0.09 275	0.10 153	0.14 181	0.23 340	0.19 291	0.12 237	0.17 286	0.12 240	0.11 272	0.11 138	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.12 501

PSM-softLoss	0.12 297	0.07 176	0.15 359	0.17 251	0.09 275	0.08 60	0.13 128	0.24 363	0.17 244	0.14 289	0.19 320	0.13 266	0.11 272	0.11 138	0.11 226	0.07 277	0.05 212	0.08 324	0.07 313	0.06 233	0.12 501

KMStereo	0.12 297	0.07 176	0.15 359	0.17 251	0.09 275	0.08 60	0.13 128	0.24 363	0.17 244	0.14 289	0.19 320	0.13 266	0.11 272	0.11 138	0.11 226	0.07 277	0.05 212	0.08 324	0.07 313	0.06 233	0.12 501

PSM-adaLoss	0.11 227	0.09 358	0.16 393	0.18 333	0.08 154	0.06 11	0.12 80	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

PSM-AAD	0.11 227	0.07 176	0.10 143	0.19 393	0.09 275	0.10 153	0.15 259	0.20 273	0.13 141	0.12 237	0.14 234	0.18 362	0.11 272	0.11 138	0.10 149	0.05 35	0.05 212	0.09 407	0.08 384	0.06 233	0.14 539

ROB_FTStereo_v2	0.11 227	0.09 358	0.16 393	0.19 393	0.08 154	0.06 11	0.12 80	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

ROB_FTStereo	0.11 227	0.09 358	0.16 393	0.19 393	0.08 154	0.06 11	0.11 56	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

HUI-Stereo	0.11 227	0.09 358	0.16 393	0.18 333	0.08 154	0.06 11	0.12 80	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

DeepStereo_LL	0.12 297	0.06 83	0.12 227	0.14 46	0.08 154	0.12 241	0.15 259	0.17 202	0.22 345	0.19 405	0.24 386	0.15 315	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.07 233	0.07 313	0.05 125	0.05 152

RE-Stereo	0.11 227	0.07 176	0.13 274	0.17 251	0.09 275	0.10 153	0.14 181	0.23 340	0.19 291	0.12 237	0.17 286	0.12 240	0.11 272	0.11 138	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.12 501

Pruner-Stereo	0.11 227	0.07 176	0.12 227	0.17 251	0.09 275	0.06 11	0.12 80	0.17 202	0.17 244	0.13 267	0.19 320	0.13 266	0.09 204	0.11 138	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.08 391

TVStereo	0.11 227	0.07 176	0.13 274	0.17 251	0.09 275	0.10 153	0.14 181	0.23 340	0.19 291	0.12 237	0.17 286	0.12 240	0.11 272	0.11 138	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.12 501

iGMRVC	0.11 227	0.09 358	0.16 393	0.19 393	0.08 154	0.06 11	0.12 80	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

RAFT-345	0.11 227	0.07 176	0.15 359	0.16 175	0.08 154	0.08 60	0.12 80	0.15 133	0.10 49	0.11 197	0.36 508	0.09 162	0.09 204	0.11 138	0.12 285	0.05 35	0.05 212	0.07 233	0.06 219	0.04 23	0.05 152

iRAFT	0.11 227	0.09 358	0.16 393	0.18 333	0.08 154	0.06 11	0.11 56	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

GMM-Stereo	0.11 227	0.07 176	0.10 143	0.18 333	0.09 275	0.08 60	0.15 259	0.23 340	0.16 217	0.11 197	0.15 252	0.13 266	0.11 272	0.11 138	0.11 226	0.05 35	0.04 24	0.08 324	0.07 313	0.06 233	0.09 435

RAFT-IKP	0.11 227	0.09 358	0.16 393	0.19 393	0.08 154	0.06 11	0.12 80	0.16 164	0.13 141	0.15 316	0.16 264	0.14 286	0.12 303	0.11 138	0.10 149	0.06 127	0.04 24	0.08 324	0.06 219	0.08 367	0.07 327

rafts_anoy	0.11 227	0.06 83	0.10 143	0.17 251	0.08 154	0.10 153	0.14 181	0.17 202	0.14 167	0.13 267	0.13 221	0.12 240	0.10 242	0.11 138	0.12 285	0.07 277	0.04 24	0.09 407	0.11 502	0.07 305	0.06 244

iRaftStereo_RVC	0.10 180	0.07 176	0.09 95	0.17 251	0.09 275	0.11 199	0.17 362	0.18 234	0.12 107	0.09 128	0.12 206	0.10 195	0.07 132	0.11 138	0.10 149	0.05 35	0.04 24	0.08 324	0.08 384	0.04 23	0.04 50

DCANet	0.10 180	0.06 83	0.12 227	0.16 175	0.06 17	0.09 99	0.17 362	0.15 133	0.19 291	0.13 267	0.17 286	0.10 195	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

csc	0.10 180	0.06 83	0.12 227	0.15 92	0.07 87	0.09 99	0.17 362	0.16 164	0.20 314	0.13 267	0.16 264	0.10 195	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

cscssc	0.10 180	0.06 83	0.12 227	0.15 92	0.07 87	0.09 99	0.17 362	0.16 164	0.20 314	0.13 267	0.16 264	0.10 195	0.11 272	0.11 138	0.12 285	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

RAFT-Stereo + iAFF	0.09 111	0.06 83	0.10 143	0.17 251	0.06 17	0.10 153	0.16 325	0.17 202	0.14 167	0.09 128	0.10 145	0.08 132	0.09 204	0.11 138	0.09 67	0.05 35	0.04 24	0.06 132	0.06 219	0.04 23	0.03 2

CFNet-RSSM	0.09 111	0.07 176	0.09 95	0.16 175	0.07 87	0.09 99	0.15 259	0.16 164	0.17 244	0.08 90	0.12 206	0.10 195	0.09 204	0.11 138	0.09 67	0.06 127	0.04 24	0.06 132	0.04 44	0.04 23	0.04 50

CREStereo	0.09 111	0.04 1	0.08 43	0.11 1	0.06 17	0.13 292	0.14 181	0.14 97	0.10 49	0.08 90	0.13 221	0.09 162	0.08 173	0.11 138	0.10 149	0.08 348	0.04 24	0.05 36	0.03 1	0.06 233	0.06 244
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
Hybrid-DGEV-2	0.11 227	0.06 83	0.12 227	0.18 333	0.09 275	0.09 99	0.13 128	0.28 437	0.29 438	0.11 197	0.11 189	0.09 162	0.12 303	0.12 228	0.09 67	0.06 127	0.05 212	0.07 233	0.07 313	0.05 125	0.05 152

WQFJA1	0.10 180	0.07 176	0.08 43	0.20 453	0.09 275	0.12 241	0.17 362	0.17 202	0.17 244	0.09 128	0.10 145	0.08 132	0.10 242	0.12 228	0.11 226	0.06 127	0.07 421	0.07 233	0.06 219	0.06 233	0.05 152

WQFJX	0.10 180	0.07 176	0.09 95	0.21 484	0.09 275	0.12 241	0.16 325	0.18 234	0.17 244	0.12 237	0.10 145	0.07 85	0.09 204	0.12 228	0.10 149	0.06 127	0.07 421	0.06 132	0.05 135	0.06 233	0.05 152

NLMM	0.10 180	0.07 176	0.08 43	0.20 453	0.09 275	0.12 241	0.17 362	0.17 202	0.17 244	0.09 128	0.10 145	0.08 132	0.10 242	0.12 228	0.11 226	0.06 127	0.07 421	0.07 233	0.06 219	0.06 233	0.05 152

Select-FE	0.11 227	0.06 83	0.20 469	0.15 92	0.11 434	0.11 199	0.13 128	0.21 296	0.18 274	0.09 128	0.11 189	0.10 195	0.06 48	0.12 228	0.09 67	0.07 277	0.05 212	0.07 233	0.08 384	0.06 233	0.08 391

GASTEREO	0.08 60	0.05 28	0.09 95	0.19 393	0.07 87	0.07 34	0.12 80	0.14 97	0.11 77	0.10 165	0.09 115	0.07 85	0.04 1	0.12 228	0.08 18	0.06 127	0.05 212	0.05 36	0.04 44	0.04 23	0.05 152

4.25_new	0.07 4	0.08 282	0.09 95	0.15 92	0.06 17	0.09 99	0.08 7	0.14 97	0.08 18	0.07 51	0.07 52	0.06 25	0.06 48	0.12 228	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

4.5w_new	0.07 4	0.08 282	0.09 95	0.15 92	0.06 17	0.09 99	0.08 7	0.14 97	0.08 18	0.07 51	0.07 52	0.06 25	0.06 48	0.12 228	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

4.25w-stereo	0.07 4	0.08 282	0.09 95	0.15 92	0.06 17	0.09 99	0.08 7	0.14 97	0.08 18	0.07 51	0.07 52	0.06 25	0.06 48	0.12 228	0.10 149	0.03 1	0.03 1	0.04 1	0.03 1	0.04 23	0.03 2

MM-Stereo_test2	0.09 111	0.06 83	0.09 95	0.19 393	0.08 154	0.12 241	0.18 410	0.15 133	0.14 167	0.07 51	0.10 145	0.07 85	0.06 48	0.12 228	0.09 67	0.05 35	0.04 24	0.06 132	0.05 135	0.05 125	0.03 2

SMoEStereo_RVC	0.08 60	0.06 83	0.12 227	0.16 175	0.07 87	0.09 99	0.14 181	0.11 38	0.13 141	0.09 128	0.07 52	0.07 85	0.07 132	0.12 228	0.10 149	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

ours_stereo	0.09 111	0.07 176	0.09 95	0.17 251	0.08 154	0.11 199	0.16 325	0.11 38	0.12 107	0.08 90	0.10 145	0.08 132	0.06 48	0.12 228	0.12 285	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.03 2

rvit_stereo_0083	0.12 297	0.08 282	0.17 423	0.16 175	0.09 275	0.11 199	0.15 259	0.14 97	0.26 407	0.11 197	0.14 234	0.13 266	0.10 242	0.12 228	0.12 285	0.10 448	0.08 450	0.09 407	0.07 313	0.07 305	0.05 152

rvit_stereo_0081_aga	0.11 227	0.09 358	0.14 310	0.18 333	0.09 275	0.13 292	0.14 181	0.14 97	0.19 291	0.10 165	0.18 311	0.16 329	0.09 204	0.12 228	0.09 67	0.10 448	0.06 349	0.08 324	0.07 313	0.07 305	0.06 244

model_zeroshot	0.10 180	0.04 1	0.11 188	0.15 92	0.09 275	0.12 241	0.14 181	0.20 273	0.13 141	0.11 197	0.10 145	0.12 240	0.07 132	0.12 228	0.10 149	0.07 277	0.06 349	0.06 132	0.05 135	0.06 233	0.06 244

GCAP-BAT	0.09 111	0.07 176	0.14 310	0.15 92	0.08 154	0.10 153	0.13 128	0.14 97	0.10 49	0.11 197	0.10 145	0.08 132	0.07 132	0.12 228	0.10 149	0.06 127	0.05 212	0.06 132	0.04 44	0.04 23	0.04 50

rvit_stereo_0080	0.10 180	0.08 282	0.14 310	0.15 92	0.09 275	0.07 34	0.15 259	0.16 164	0.16 217	0.11 197	0.10 145	0.14 286	0.08 173	0.12 228	0.10 149	0.09 407	0.07 421	0.07 233	0.06 219	0.07 305	0.05 152

MyStereo07	0.10 180	0.07 176	0.10 143	0.17 251	0.09 275	0.14 325	0.18 410	0.15 133	0.15 187	0.09 128	0.06 18	0.06 25	0.07 132	0.12 228	0.09 67	0.06 127	0.05 212	0.08 324	0.07 313	0.06 233	0.06 244

whm_eth	0.10 180	0.08 282	0.14 310	0.15 92	0.09 275	0.07 34	0.15 259	0.16 164	0.16 217	0.11 197	0.10 145	0.14 286	0.08 173	0.12 228	0.10 149	0.09 407	0.07 421	0.07 233	0.06 219	0.07 305	0.05 152

MSKI-zero shot	0.09 111	0.05 28	0.09 95	0.15 92	0.07 87	0.10 153	0.13 128	0.14 97	0.13 141	0.09 128	0.09 115	0.09 162	0.06 48	0.12 228	0.10 149	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

MIF-Stereo (partial)	0.11 227	0.06 83	0.10 143	0.19 393	0.10 384	0.10 153	0.11 56	0.17 202	0.18 274	0.14 289	0.16 264	0.09 162	0.11 272	0.12 228	0.12 285	0.08 348	0.05 212	0.08 324	0.07 313	0.06 233	0.07 327

MIM_Stereo	0.09 111	0.07 176	0.11 188	0.15 92	0.07 87	0.06 11	0.12 80	0.20 273	0.14 167	0.13 267	0.13 221	0.09 162	0.05 13	0.12 228	0.08 18	0.05 35	0.06 349	0.07 233	0.06 219	0.06 233	0.05 152

Any-RAFT	0.10 180	0.05 28	0.09 95	0.14 46	0.07 87	0.13 292	0.14 181	0.21 296	0.15 187	0.11 197	0.12 206	0.12 240	0.09 204	0.12 228	0.09 67	0.07 277	0.04 24	0.05 36	0.04 44	0.06 233	0.05 152

RAFT-Test	0.09 111	0.06 83	0.10 143	0.15 92	0.07 87	0.11 199	0.15 259	0.16 164	0.13 141	0.09 128	0.10 145	0.10 195	0.09 204	0.12 228	0.09 67	0.06 127	0.04 24	0.05 36	0.04 44	0.04 23	0.05 152

CES	0.08 60	0.04 1	0.08 43	0.14 46	0.07 87	0.09 99	0.14 181	0.11 38	0.09 31	0.08 90	0.09 115	0.11 222	0.06 48	0.12 228	0.08 18	0.06 127	0.04 24	0.05 36	0.03 1	0.05 125	0.05 152

RCA-Stereo	0.09 111	0.06 83	0.09 95	0.16 175	0.06 17	0.09 99	0.13 128	0.18 234	0.14 167	0.09 128	0.10 145	0.08 132	0.07 132	0.12 228	0.11 226	0.06 127	0.04 24	0.06 132	0.05 135	0.05 125	0.04 50

TestStereo1	0.13 322	0.08 282	0.08 43	0.19 393	0.08 154	0.18 421	0.29 571	0.23 340	0.16 217	0.17 359	0.20 332	0.16 329	0.10 242	0.12 228	0.13 326	0.06 127	0.06 349	0.08 324	0.06 219	0.05 125	0.05 152

test_5	0.14 356	0.12 461	0.08 43	0.20 453	0.10 384	0.14 325	0.29 571	0.21 296	0.24 372	0.18 389	0.28 454	0.11 222	0.15 384	0.12 228	0.13 326	0.06 127	0.05 212	0.07 233	0.08 384	0.08 367	0.07 327

SA-5K	0.13 322	0.08 282	0.08 43	0.19 393	0.08 154	0.18 421	0.29 571	0.23 340	0.16 217	0.17 359	0.20 332	0.16 329	0.10 242	0.12 228	0.13 326	0.06 127	0.06 349	0.08 324	0.06 219	0.05 125	0.05 152

IPLGR	0.11 227	0.09 358	0.16 393	0.18 333	0.08 154	0.12 241	0.17 362	0.21 296	0.24 372	0.11 197	0.12 206	0.11 222	0.08 173	0.12 228	0.12 285	0.06 127	0.05 212	0.06 132	0.06 219	0.04 23	0.04 50

LCNet	0.11 227	0.07 176	0.09 95	0.19 393	0.09 275	0.08 60	0.15 259	0.21 296	0.15 187	0.11 197	0.15 252	0.16 329	0.11 272	0.12 228	0.11 226	0.05 35	0.04 24	0.08 324	0.07 313	0.06 233	0.15 546

IIG-Stereo	0.11 227	0.06 83	0.13 274	0.17 251	0.08 154	0.11 199	0.12 80	0.22 320	0.17 244	0.14 289	0.17 286	0.11 222	0.12 303	0.12 228	0.12 285	0.06 127	0.05 212	0.07 233	0.06 219	0.05 125	0.04 50

KYRaft	0.11 227	0.07 176	0.10 143	0.19 393	0.09 275	0.08 60	0.15 259	0.22 320	0.12 107	0.13 267	0.16 264	0.20 388	0.10 242	0.12 228	0.10 149	0.05 35	0.04 24	0.08 324	0.08 384	0.06 233	0.16 557

DEmStereo	0.12 297	0.06 83	0.14 310	0.14 46	0.10 384	0.16 380	0.15 259	0.16 164	0.24 372	0.17 359	0.24 386	0.13 266	0.14 366	0.12 228	0.13 326	0.05 35	0.04 24	0.07 233	0.06 219	0.05 125	0.05 152

THIR-Stereo	0.12 297	0.07 176	0.11 188	0.15 92	0.08 154	0.14 325	0.16 325	0.17 202	0.25 393	0.16 344	0.24 386	0.14 286	0.12 303	0.12 228	0.14 362	0.06 127	0.04 24	0.07 233	0.07 313	0.05 125	0.05 152

PFNet	0.12 297	0.06 83	0.17 423	0.17 251	0.08 154	0.09 99	0.15 259	0.26 397	0.20 314	0.16 344	0.16 264	0.14 286	0.11 272	0.12 228	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.05 125	0.05 152

GrayStereo	0.11 227	0.06 83	0.11 188	0.19 393	0.09 275	0.09 99	0.16 325	0.18 234	0.17 244	0.14 289	0.17 286	0.17 349	0.11 272	0.12 228	0.11 226	0.05 35	0.05 212	0.07 233	0.06 219	0.05 125	0.10 462

DeepStereo_RVC	0.11 227	0.08 282	0.16 393	0.18 333	0.08 154	0.08 60	0.12 80	0.17 202	0.12 107	0.13 267	0.14 234	0.12 240	0.12 303	0.12 228	0.11 226	0.06 127	0.04 24	0.07 233	0.06 219	0.07 305	0.08 391

IRAFT_RVC	0.12 297	0.08 282	0.16 393	0.19 393	0.08 154	0.07 34	0.15 259	0.24 363	0.23 356	0.14 289	0.14 234	0.15 315	0.12 303	0.12 228	0.10 149	0.06 127	0.04 24	0.09 407	0.06 219	0.06 233	0.06 244

CRE-IMP	0.11 227	0.09 358	0.16 393	0.19 393	0.08 154	0.10 153	0.12 80	0.18 234	0.10 49	0.14 289	0.13 221	0.13 266	0.12 303	0.12 228	0.11 226	0.07 277	0.04 24	0.08 324	0.06 219	0.08 367	0.08 391

Prome-Stereo	0.11 227	0.06 83	0.10 143	0.18 333	0.08 154	0.12 241	0.15 259	0.22 320	0.13 141	0.12 237	0.17 286	0.13 266	0.08 173	0.12 228	0.10 149	0.05 35	0.04 24	0.07 233	0.06 219	0.06 233	0.09 435

raft+_RVC	0.11 227	0.07 176	0.09 95	0.16 175	0.07 87	0.10 153	0.11 56	0.24 363	0.20 314	0.12 237	0.15 252	0.12 240	0.08 173	0.12 228	0.13 326	0.07 277	0.04 24	0.07 233	0.06 219	0.05 125	0.05 152

TANstereo	0.09 111	0.04 1	0.08 43	0.13 14	0.06 17	0.11 199	0.14 181	0.15 133	0.19 291	0.11 197	0.15 252	0.10 195	0.06 48	0.12 228	0.09 67	0.07 277	0.05 212	0.05 36	0.04 44	0.06 233	0.05 152

raftrobust	0.09 111	0.06 83	0.10 143	0.17 251	0.08 154	0.09 99	0.10 31	0.18 234	0.16 217	0.10 165	0.09 115	0.12 240	0.07 132	0.12 228	0.10 149	0.08 348	0.05 212	0.06 132	0.05 135	0.05 125	0.05 152

RALCasStereoNet	0.10 180	0.06 83	0.09 95	0.16 175	0.08 154	0.12 241	0.14 181	0.17 202	0.11 77	0.12 237	0.17 286	0.14 286	0.10 242	0.12 228	0.11 226	0.07 277	0.06 349	0.06 132	0.05 135	0.08 367	0.07 327

RALAANet	0.11 227	0.08 282	0.10 143	0.17 251	0.09 275	0.14 325	0.10 31	0.20 273	0.15 187	0.14 289	0.13 221	0.16 329	0.09 204	0.12 228	0.11 226	0.06 127	0.05 212	0.07 233	0.06 219	0.05 125	0.04 50

XX-Stereo	0.09 111	0.05 28	0.08 43	0.17 251	0.09 275	0.15 351	0.12 80	0.20 273	0.10 49	0.10 165	0.14 234	0.07 85	0.06 48	0.12 228	0.08 18	0.06 127	0.05 212	0.06 132	0.06 219	0.04 23	0.04 50

AFF-stereo	0.09 111	0.06 83	0.10 143	0.17 251	0.07 87	0.10 153	0.16 325	0.17 202	0.09 31	0.10 165	0.12 206	0.09 162	0.09 204	0.12 228	0.09 67	0.05 35	0.04 24	0.07 233	0.07 313	0.04 23	0.03 2

Gwc-CoAtRS	0.09 111	0.06 83	0.10 143	0.16 175	0.07 87	0.10 153	0.14 181	0.17 202	0.17 244	0.08 90	0.10 145	0.12 240	0.09 204	0.12 228	0.09 67	0.06 127	0.04 24	0.06 132	0.04 44	0.04 23	0.04 50

DN-CSS_ROB	0.13 322	0.13 489	0.16 393	0.18 333	0.10 384	0.16 380	0.08 7	0.22 320	0.18 274	0.17 359	0.22 365	0.13 266	0.13 342	0.12 228	0.13 326	0.05 35	0.05 212	0.10 454	0.10 470	0.08 367	0.06 244

Hybrid-DGEV-03	0.10 180	0.06 83	0.09 95	0.18 333	0.08 154	0.16 380	0.14 181	0.15 133	0.14 167	0.13 267	0.16 264	0.12 240	0.09 204	0.13 278	0.11 226	0.06 127	0.04 24	0.08 324	0.06 219	0.05 125	0.04 50

FlowAnything_test	0.11 227	0.08 282	0.14 310	0.15 92	0.09 275	0.07 34	0.14 181	0.20 273	0.11 77	0.09 128	0.09 115	0.12 240	0.12 303	0.13 278	0.11 226	0.09 407	0.06 349	0.09 407	0.09 430	0.06 233	0.09 435

xyz-stereo-finetune2	0.11 227	0.07 176	0.13 274	0.13 14	0.07 87	0.11 199	0.19 449	0.17 202	0.12 107	0.15 316	0.15 252	0.17 349	0.12 303	0.13 278	0.11 226	0.05 35	0.04 24	0.07 233	0.05 135	0.04 23	0.06 244

xyz-stereo-finetune	0.11 227	0.08 282	0.13 274	0.14 46	0.06 17	0.10 153	0.19 449	0.17 202	0.19 291	0.12 237	0.14 234	0.15 315	0.10 242	0.13 278	0.11 226	0.05 35	0.04 24	0.07 233	0.05 135	0.04 23	0.05 152

xyz-stereo	0.13 322	0.07 176	0.20 469	0.15 92	0.05 1	0.20 459	0.15 259	0.17 202	0.31 455	0.15 316	0.29 466	0.26 463	0.16 410	0.13 278	0.12 285	0.05 35	0.05 212	0.06 132	0.05 135	0.04 23	0.04 50

tt45	0.09 111	0.06 83	0.11 188	0.15 92	0.07 87	0.11 199	0.16 325	0.13 77	0.11 77	0.09 128	0.06 18	0.08 132	0.06 48	0.13 278	0.10 149	0.06 127	0.04 24	0.06 132	0.05 135	0.05 125	0.06 244

fffy	0.09 111	0.08 282	0.09 95	0.16 175	0.07 87	0.13 292	0.17 362	0.13 77	0.12 107	0.08 90	0.09 115	0.08 132	0.09 204	0.13 278	0.11 226	0.05 35	0.05 212	0.07 233	0.05 135	0.04 23	0.05 152

PAM	0.10 180	0.05 28	0.16 393	0.15 92	0.08 154	0.09 99	0.16 325	0.15 133	0.16 217	0.12 237	0.09 115	0.09 162	0.07 132	0.13 278	0.08 18	0.06 127	0.05 212	0.06 132	0.06 219	0.05 125	0.06 244

WCG-NET	0.08 60	0.05 28	0.09 95	0.15 92	0.06 17	0.11 199	0.14 181	0.13 77	0.13 141	0.06 16	0.09 115	0.07 85	0.06 48	0.13 278	0.08 18	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.03 2

WCG-NET（raft）	0.08 60	0.05 28	0.10 143	0.15 92	0.06 17	0.11 199	0.13 128	0.15 133	0.12 107	0.08 90	0.07 52	0.06 25	0.06 48	0.13 278	0.08 18	0.05 35	0.04 24	0.05 36	0.04 44	0.04 23	0.04 50

GCAPDPT-zeroshot4090	0.09 111	0.05 28	0.11 188	0.13 14	0.07 87	0.11 199	0.14 181	0.14 97	0.16 217	0.07 51	0.10 145	0.08 132	0.06 48	0.13 278	0.08 18	0.07 277	0.05 212	0.05 36	0.05 135	0.04 23	0.04 50

IGEV++	0.08 60	0.06 83	0.08 43	0.18 333	0.07 87	0.09 99	0.13 128	0.10 22	0.09 31	0.08 90	0.08 93	0.06 25	0.06 48	0.13 278	0.09 67	0.05 35	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

1111x	0.15 399	0.08 282	0.12 227	0.18 333	0.07 87	0.18 421	0.25 540	0.31 474	0.24 372	0.17 359	0.24 386	0.26 463	0.15 384	0.13 278	0.23 499	0.07 277	0.07 421	0.08 324	0.09 430	0.07 305	0.06 244

plain	0.10 180	0.08 282	0.10 143	0.19 393	0.09 275	0.10 153	0.15 259	0.14 97	0.13 141	0.13 267	0.15 252	0.09 162	0.12 303	0.13 278	0.12 285	0.07 277	0.05 212	0.09 407	0.06 219	0.06 233	0.06 244

testlalala	0.09 111	0.05 28	0.11 188	0.13 14	0.07 87	0.11 199	0.14 181	0.14 97	0.16 217	0.07 51	0.10 145	0.08 132	0.06 48	0.13 278	0.08 18	0.07 277	0.05 212	0.05 36	0.05 135	0.04 23	0.04 50

GCAPDPT-zeroshot	0.09 111	0.05 28	0.11 188	0.13 14	0.07 87	0.11 199	0.14 181	0.14 97	0.16 217	0.07 51	0.10 145	0.08 132	0.06 48	0.13 278	0.08 18	0.07 277	0.05 212	0.05 36	0.05 135	0.04 23	0.04 50

GCAP-Stereo	0.09 111	0.07 176	0.13 274	0.18 333	0.06 17	0.11 199	0.07 3	0.13 77	0.12 107	0.09 128	0.10 145	0.07 85	0.09 204	0.13 278	0.10 149	0.06 127	0.05 212	0.05 36	0.04 44	0.04 23	0.05 152

knoymous	0.11 227	0.05 28	0.12 227	0.13 14	0.07 87	0.15 351	0.14 181	0.19 262	0.13 141	0.11 197	0.17 286	0.13 266	0.09 204	0.13 278	0.11 226	0.08 348	0.05 212	0.06 132	0.05 135	0.08 367	0.07 327

RAFT_CTSACE	0.12 297	0.09 358	0.10 143	0.22 499	0.08 154	0.12 241	0.24 525	0.18 234	0.16 217	0.20 428	0.27 440	0.13 266	0.07 132	0.13 278	0.09 67	0.05 35	0.06 349	0.08 324	0.07 313	0.04 23	0.04 50

MIPNet	0.11 227	0.08 282	0.14 310	0.17 251	0.09 275	0.12 241	0.14 181	0.20 273	0.24 372	0.11 197	0.10 145	0.09 162	0.07 132	0.13 278	0.12 285	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

GwcNet-ADL	0.13 322	0.08 282	0.14 310	0.20 453	0.09 275	0.11 199	0.20 472	0.30 464	0.24 372	0.13 267	0.14 234	0.18 362	0.14 366	0.13 278	0.14 362	0.07 277	0.05 212	0.06 132	0.05 135	0.07 305	0.06 244

HHNet	0.11 227	0.06 83	0.16 393	0.15 92	0.14 509	0.07 34	0.13 128	0.20 273	0.17 244	0.14 289	0.25 414	0.11 222	0.08 173	0.13 278	0.10 149	0.05 35	0.04 24	0.08 324	0.06 219	0.05 125	0.09 435

NRIStereo	0.11 227	0.08 282	0.14 310	0.18 333	0.08 154	0.10 153	0.14 181	0.16 164	0.15 187	0.12 237	0.14 234	0.13 266	0.12 303	0.13 278	0.10 149	0.06 127	0.04 24	0.07 233	0.06 219	0.06 233	0.07 327

FTStereo	0.12 297	0.06 83	0.14 310	0.18 333	0.09 275	0.07 34	0.15 259	0.21 296	0.18 274	0.12 237	0.24 386	0.12 240	0.12 303	0.13 278	0.13 326	0.05 35	0.05 212	0.07 233	0.06 219	0.06 233	0.10 462

ASMatch	0.11 227	0.06 83	0.13 274	0.16 175	0.10 384	0.07 34	0.14 181	0.17 202	0.17 244	0.12 237	0.16 264	0.16 329	0.10 242	0.13 278	0.10 149	0.05 35	0.04 24	0.06 132	0.05 135	0.04 23	0.08 391

RAFT-RH_RVC	0.11 227	0.06 83	0.14 310	0.16 175	0.09 275	0.12 241	0.12 80	0.17 202	0.12 107	0.13 267	0.41 545	0.11 222	0.10 242	0.13 278	0.12 285	0.05 35	0.04 24	0.08 324	0.05 135	0.04 23	0.06 244

AnonymousM	0.09 111	0.05 28	0.10 143	0.14 46	0.06 17	0.09 99	0.13 128	0.19 262	0.14 167	0.13 267	0.11 189	0.09 162	0.08 173	0.13 278	0.10 149	0.08 348	0.05 212	0.08 324	0.05 135	0.05 125	0.05 152

111	0.10 180	0.06 83	0.12 227	0.15 92	0.07 87	0.10 153	0.14 181	0.21 296	0.23 356	0.11 197	0.12 206	0.14 286	0.11 272	0.13 278	0.10 149	0.06 127	0.04 24	0.06 132	0.04 44	0.05 125	0.05 152

PMTNet	0.09 111	0.05 28	0.09 95	0.12 5	0.06 17	0.12 241	0.14 181	0.15 133	0.11 77	0.09 128	0.13 221	0.10 195	0.07 132	0.13 278	0.10 149	0.15 544	0.04 24	0.05 36	0.03 1	0.07 305	0.06 244

FACV-RUCA	0.13 322	0.11 443	0.12 227	0.19 393	0.12 466	0.15 351	0.15 259	0.22 320	0.20 314	0.15 316	0.16 264	0.14 286	0.16 410	0.14 307	0.13 326	0.07 277	0.05 212	0.08 324	0.06 219	0.10 461	0.08 391

PAM_32	0.09 111	0.05 28	0.17 423	0.15 92	0.08 154	0.10 153	0.15 259	0.14 97	0.15 187	0.09 128	0.08 93	0.09 162	0.07 132	0.14 307	0.08 18	0.06 127	0.05 212	0.06 132	0.06 219	0.05 125	0.06 244

rvit_stereo_ft	0.12 297	0.07 176	0.13 274	0.19 393	0.10 384	0.12 241	0.17 362	0.16 164	0.16 217	0.12 237	0.13 221	0.15 315	0.10 242	0.14 307	0.13 326	0.09 407	0.06 349	0.08 324	0.07 313	0.07 305	0.05 152

CAS++	0.11 227	0.07 176	0.11 188	0.14 46	0.09 275	0.12 241	0.14 181	0.24 363	0.14 167	0.11 197	0.09 115	0.11 222	0.07 132	0.14 307	0.09 67	0.11 477	0.09 482	0.09 407	0.07 313	0.07 305	0.08 391
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CoDeX	0.12 297	0.07 176	0.12 227	0.17 251	0.08 154	0.12 241	0.15 259	0.23 340	0.27 417	0.13 267	0.17 286	0.16 329	0.11 272	0.14 307	0.11 226	0.07 277	0.05 212	0.07 233	0.06 219	0.06 233	0.05 152

ff1	0.13 322	0.09 358	0.14 310	0.16 175	0.08 154	0.17 402	0.17 362	0.15 133	0.19 291	0.15 316	0.25 414	0.19 376	0.13 342	0.14 307	0.20 458	0.06 127	0.04 24	0.09 407	0.08 384	0.06 233	0.06 244

mmx	0.14 356	0.09 358	0.14 310	0.16 175	0.08 154	0.17 402	0.17 362	0.27 418	0.25 393	0.15 316	0.25 414	0.19 376	0.13 342	0.14 307	0.20 458	0.08 348	0.06 349	0.09 407	0.08 384	0.08 367	0.08 391

xxx	0.14 356	0.09 358	0.14 310	0.16 175	0.08 154	0.17 402	0.17 362	0.27 418	0.25 393	0.15 316	0.25 414	0.19 376	0.13 342	0.14 307	0.20 458	0.08 348	0.06 349	0.09 407	0.08 384	0.08 367	0.08 391

anonymousdsp2	0.11 227	0.07 176	0.10 143	0.16 175	0.09 275	0.13 292	0.14 181	0.18 234	0.22 345	0.13 267	0.14 234	0.12 240	0.09 204	0.14 307	0.11 226	0.05 35	0.04 24	0.05 36	0.04 44	0.06 233	0.05 152

CASS	0.13 322	0.12 461	0.11 188	0.23 523	0.09 275	0.15 351	0.17 362	0.18 234	0.19 291	0.17 359	0.18 311	0.15 315	0.15 384	0.14 307	0.14 362	0.09 407	0.06 349	0.10 454	0.08 384	0.09 430	0.07 327
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 322	0.07 176	0.13 274	0.18 333	0.09 275	0.13 292	0.17 362	0.19 262	0.29 438	0.15 316	0.24 386	0.15 315	0.14 366	0.14 307	0.14 362	0.07 277	0.05 212	0.07 233	0.09 430	0.05 125	0.06 244

riskmin	0.11 227	0.06 83	0.13 274	0.14 46	0.08 154	0.14 325	0.14 181	0.18 234	0.14 167	0.11 197	0.14 234	0.16 329	0.11 272	0.14 307	0.12 285	0.09 407	0.05 212	0.07 233	0.05 135	0.08 367	0.08 391

IPLG	0.10 180	0.07 176	0.15 359	0.17 251	0.08 154	0.11 199	0.14 181	0.20 273	0.15 187	0.12 237	0.17 286	0.07 85	0.07 132	0.14 307	0.13 326	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.04 50

sCroCo_RVC	0.12 297	0.09 358	0.23 493	0.24 532	0.11 434	0.19 444	0.14 181	0.17 202	0.14 167	0.10 165	0.13 221	0.12 240	0.07 132	0.14 307	0.11 226	0.08 348	0.08 450	0.08 324	0.08 384	0.05 125	0.07 327

SFCPSM	0.13 322	0.07 176	0.14 310	0.17 251	0.09 275	0.15 351	0.16 325	0.28 437	0.27 417	0.14 289	0.17 286	0.12 240	0.13 342	0.14 307	0.11 226	0.08 348	0.05 212	0.07 233	0.07 313	0.07 305	0.06 244

FENet	0.13 322	0.08 282	0.12 227	0.16 175	0.08 154	0.14 325	0.15 259	0.22 320	0.23 356	0.17 359	0.23 374	0.16 329	0.12 303	0.14 307	0.15 390	0.08 348	0.05 212	0.08 324	0.08 384	0.07 305	0.07 327

cf-r	0.13 322	0.07 176	0.12 227	0.16 175	0.08 154	0.14 325	0.19 449	0.20 273	0.25 393	0.17 359	0.25 414	0.21 397	0.16 410	0.14 307	0.14 362	0.10 448	0.05 212	0.06 132	0.08 384	0.06 233	0.06 244

GwcNet-RSSM	0.14 356	0.07 176	0.12 227	0.15 92	0.08 154	0.15 351	0.20 472	0.21 296	0.27 417	0.18 389	0.27 440	0.22 415	0.16 410	0.14 307	0.15 390	0.10 448	0.05 212	0.07 233	0.09 430	0.07 305	0.07 327

FADNet_RVC	0.16 422	0.14 501	0.40 555	0.20 453	0.11 434	0.13 292	0.13 128	0.26 397	0.22 345	0.21 442	0.23 374	0.20 388	0.17 433	0.14 307	0.16 406	0.08 348	0.08 450	0.12 504	0.09 430	0.11 484	0.10 462

iResNetv2_ROB	0.14 356	0.08 282	0.15 359	0.16 175	0.08 154	0.16 380	0.12 80	0.25 379	0.35 490	0.21 442	0.29 466	0.24 439	0.13 342	0.14 307	0.14 362	0.06 127	0.05 212	0.06 132	0.04 44	0.09 430	0.08 391

MLCV	0.12 297	0.07 176	0.16 393	0.18 333	0.06 17	0.15 351	0.17 362	0.19 262	0.21 330	0.18 389	0.25 414	0.17 349	0.13 342	0.14 307	0.13 326	0.05 35	0.04 24	0.05 36	0.04 44	0.05 125	0.04 50

iResNet	0.13 322	0.10 417	0.18 445	0.19 393	0.08 154	0.13 292	0.18 410	0.20 273	0.26 407	0.15 316	0.23 374	0.15 315	0.13 342	0.14 307	0.14 362	0.06 127	0.04 24	0.06 132	0.05 135	0.06 233	0.05 152

DStereoRT	0.16 422	0.06 83	0.11 188	0.19 393	0.09 275	0.12 241	0.12 80	0.28 437	0.22 345	0.12 237	0.20 332	0.11 222	0.10 242	0.15 329	0.14 362	0.06 127	0.05 212	0.96 618	0.09 430	0.05 125	0.04 50

test_sample6	0.14 356	0.08 282	0.13 274	0.16 175	0.08 154	0.17 402	0.19 449	0.25 379	0.17 244	0.17 359	0.27 440	0.19 376	0.14 366	0.15 329	0.13 326	0.08 348	0.05 212	0.08 324	0.07 313	0.08 367	0.08 391

test_sample2	0.12 297	0.07 176	0.12 227	0.14 46	0.08 154	0.16 380	0.18 410	0.21 296	0.16 217	0.14 289	0.20 332	0.19 376	0.15 384	0.15 329	0.12 285	0.08 348	0.05 212	0.07 233	0.06 219	0.08 367	0.07 327

DispNO	0.14 356	0.08 282	0.17 423	0.19 393	0.12 466	0.11 199	0.21 492	0.23 340	0.29 438	0.17 359	0.23 374	0.18 362	0.17 433	0.15 329	0.15 390	0.07 277	0.05 212	0.08 324	0.08 384	0.07 305	0.06 244

SMFormer	0.14 356	0.07 176	0.17 423	0.14 46	0.08 154	0.16 380	0.17 362	0.26 397	0.27 417	0.19 405	0.20 332	0.18 362	0.15 384	0.15 329	0.17 421	0.08 348	0.05 212	0.07 233	0.06 219	0.07 305	0.06 244

tta	0.14 356	0.07 176	0.17 423	0.14 46	0.08 154	0.16 380	0.17 362	0.26 397	0.27 417	0.19 405	0.20 332	0.18 362	0.15 384	0.15 329	0.17 421	0.08 348	0.05 212	0.07 233	0.06 219	0.06 233	0.06 244

qqq1	0.13 322	0.07 176	0.17 423	0.14 46	0.08 154	0.16 380	0.17 362	0.26 397	0.27 417	0.19 405	0.20 332	0.18 362	0.15 384	0.15 329	0.11 226	0.08 348	0.05 212	0.05 36	0.05 135	0.06 233	0.06 244

fff1	0.13 322	0.07 176	0.17 423	0.14 46	0.08 154	0.16 380	0.17 362	0.26 397	0.27 417	0.19 405	0.20 332	0.18 362	0.15 384	0.15 329	0.11 226	0.08 348	0.05 212	0.05 36	0.05 135	0.06 233	0.06 244

MyStereo05	0.13 322	0.07 176	0.10 143	0.17 251	0.09 275	0.13 292	0.18 410	0.27 418	0.35 490	0.17 359	0.14 234	0.15 315	0.11 272	0.15 329	0.13 326	0.06 127	0.05 212	0.07 233	0.07 313	0.06 233	0.06 244

MyStereo04	0.13 322	0.07 176	0.10 143	0.17 251	0.09 275	0.14 325	0.18 410	0.29 450	0.38 508	0.17 359	0.14 234	0.16 329	0.10 242	0.15 329	0.13 326	0.06 127	0.05 212	0.08 324	0.07 313	0.06 233	0.06 244

1test111	0.11 227	0.08 282	0.12 227	0.17 251	0.09 275	0.13 292	0.15 259	0.23 340	0.16 217	0.09 128	0.09 115	0.06 25	0.06 48	0.15 329	0.16 406	0.06 127	0.04 24	0.06 132	0.05 135	0.07 305	0.07 327

11t1	0.12 297	0.06 83	0.13 274	0.14 46	0.08 154	0.17 402	0.15 259	0.18 234	0.15 187	0.15 316	0.15 252	0.16 329	0.16 410	0.15 329	0.13 326	0.08 348	0.05 212	0.06 132	0.05 135	0.08 367	0.07 327

LoS	0.09 111	0.05 28	0.11 188	0.13 14	0.07 87	0.14 325	0.11 56	0.15 133	0.15 187	0.09 128	0.09 115	0.12 240	0.09 204	0.15 329	0.10 149	0.07 277	0.05 212	0.05 36	0.03 1	0.05 125	0.05 152
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
gwcnet-sp	0.14 356	0.07 176	0.12 227	0.18 333	0.09 275	0.16 380	0.17 362	0.24 363	0.24 372	0.18 389	0.24 386	0.15 315	0.16 410	0.15 329	0.15 390	0.08 348	0.06 349	0.07 233	0.08 384	0.08 367	0.07 327

scenet	0.14 356	0.07 176	0.12 227	0.18 333	0.09 275	0.16 380	0.17 362	0.24 363	0.24 372	0.18 389	0.24 386	0.15 315	0.16 410	0.15 329	0.15 390	0.08 348	0.06 349	0.07 233	0.08 384	0.08 367	0.07 327

DCRE	0.11 227	0.07 176	0.13 274	0.16 175	0.11 434	0.11 199	0.17 362	0.18 234	0.17 244	0.11 197	0.18 311	0.10 195	0.10 242	0.15 329	0.11 226	0.06 127	0.05 212	0.06 132	0.06 219	0.05 125	0.04 50

Selective-RAFT	0.11 227	0.10 417	0.11 188	0.21 484	0.08 154	0.16 380	0.13 128	0.20 273	0.22 345	0.10 165	0.10 145	0.11 222	0.10 242	0.15 329	0.11 226	0.05 35	0.05 212	0.06 132	0.05 135	0.06 233	0.05 152

ssnet	0.14 356	0.07 176	0.12 227	0.18 333	0.09 275	0.16 380	0.17 362	0.24 363	0.24 372	0.18 389	0.24 386	0.15 315	0.16 410	0.15 329	0.15 390	0.08 348	0.06 349	0.07 233	0.08 384	0.08 367	0.07 327

qqq	0.13 322	0.09 358	0.15 359	0.16 175	0.08 154	0.13 292	0.15 259	0.23 340	0.16 217	0.15 316	0.19 320	0.16 329	0.16 410	0.15 329	0.16 406	0.07 277	0.06 349	0.08 324	0.08 384	0.07 305	0.07 327

BUS	0.14 356	0.09 358	0.14 310	0.22 499	0.10 384	0.19 444	0.14 181	0.34 514	0.19 291	0.17 359	0.22 365	0.16 329	0.13 342	0.15 329	0.13 326	0.08 348	0.06 349	0.10 454	0.09 430	0.07 305	0.07 327

NINENet	0.16 422	0.10 417	0.15 359	0.17 251	0.11 434	0.19 444	0.14 181	0.40 558	0.36 494	0.18 389	0.21 354	0.16 329	0.13 342	0.15 329	0.13 326	0.08 348	0.08 450	0.10 454	0.07 313	0.10 461	0.09 435

BSDual-CNN	0.15 399	0.09 358	0.14 310	0.22 499	0.10 384	0.14 325	0.15 259	0.34 514	0.19 291	0.17 359	0.22 365	0.25 453	0.16 410	0.15 329	0.14 362	0.08 348	0.06 349	0.10 454	0.09 430	0.07 305	0.07 327

psmg	0.14 356	0.09 358	0.14 310	0.17 251	0.10 384	0.15 351	0.17 362	0.29 450	0.19 291	0.17 359	0.21 354	0.25 453	0.16 410	0.15 329	0.14 362	0.08 348	0.06 349	0.08 324	0.08 384	0.07 305	0.06 244

Anonymous3	0.16 422	0.13 489	0.33 537	0.26 548	0.14 509	0.27 536	0.17 362	0.28 437	0.28 431	0.15 316	0.17 286	0.14 286	0.10 242	0.15 329	0.12 285	0.08 348	0.08 450	0.08 324	0.08 384	0.08 367	0.11 488

HCRNet	0.16 422	0.24 565	0.12 227	0.35 581	0.11 434	0.15 351	0.17 362	0.26 397	0.22 345	0.19 405	0.24 386	0.21 397	0.14 366	0.15 329	0.13 326	0.11 477	0.07 421	0.11 485	0.10 470	0.09 430	0.07 327

222	0.16 422	0.07 176	0.14 310	0.14 46	0.08 154	0.24 505	0.18 410	0.30 464	0.20 314	0.17 359	0.28 454	0.17 349	0.16 410	0.15 329	0.40 586	0.10 448	0.05 212	0.07 233	0.06 219	0.07 305	0.08 391

xxxx	0.15 399	0.07 176	0.14 310	0.14 46	0.08 154	0.23 500	0.18 410	0.31 474	0.19 291	0.14 289	0.28 454	0.22 415	0.14 366	0.15 329	0.26 533	0.09 407	0.05 212	0.07 233	0.07 313	0.08 367	0.07 327

test_xeample	0.15 399	0.06 83	0.13 274	0.14 46	0.08 154	0.21 476	0.20 472	0.28 437	0.20 314	0.16 344	0.29 466	0.19 376	0.16 410	0.15 329	0.26 533	0.09 407	0.05 212	0.07 233	0.07 313	0.07 305	0.07 327

ARAFT	0.12 297	0.08 282	0.17 423	0.19 393	0.09 275	0.14 325	0.18 410	0.20 273	0.12 107	0.12 237	0.13 221	0.14 286	0.11 272	0.15 329	0.12 285	0.06 127	0.05 212	0.10 454	0.09 430	0.05 125	0.04 50

RAFT + AFF	0.13 322	0.07 176	0.20 469	0.20 453	0.10 384	0.14 325	0.24 525	0.26 397	0.20 314	0.11 197	0.10 145	0.12 240	0.10 242	0.15 329	0.12 285	0.07 277	0.06 349	0.09 407	0.08 384	0.06 233	0.08 391

PSMNet-RSSM	0.14 356	0.07 176	0.13 274	0.15 92	0.08 154	0.13 292	0.16 325	0.24 363	0.24 372	0.16 344	0.28 454	0.22 415	0.14 366	0.15 329	0.13 326	0.11 477	0.06 349	0.09 407	0.12 522	0.08 367	0.07 327

DMCA	0.14 356	0.09 358	0.16 393	0.19 393	0.09 275	0.15 351	0.17 362	0.23 340	0.27 417	0.14 289	0.19 320	0.17 349	0.18 447	0.15 329	0.17 421	0.10 448	0.06 349	0.08 324	0.06 219	0.09 430	0.10 462

DIP-Stereo	0.11 227	0.07 176	0.14 310	0.17 251	0.09 275	0.13 292	0.09 18	0.16 164	0.16 217	0.11 197	0.16 264	0.14 286	0.12 303	0.15 329	0.13 326	0.06 127	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.10 180	0.06 83	0.12 227	0.14 46	0.06 17	0.11 199	0.10 31	0.18 234	0.18 274	0.13 267	0.16 264	0.14 286	0.11 272	0.15 329	0.13 326	0.06 127	0.04 24	0.04 1	0.04 44	0.06 233	0.05 152
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
iResNet_ROB	0.14 356	0.07 176	0.13 274	0.14 46	0.07 87	0.18 421	0.14 181	0.26 397	0.31 455	0.22 458	0.25 414	0.23 433	0.15 384	0.15 329	0.13 326	0.07 277	0.05 212	0.05 36	0.04 44	0.08 367	0.08 391

DFGA-Net	0.13 322	0.11 443	0.18 445	0.17 251	0.10 384	0.12 241	0.13 128	0.22 320	0.25 393	0.16 344	0.16 264	0.13 266	0.12 303	0.16 364	0.14 362	0.07 277	0.05 212	0.08 324	0.07 313	0.05 125	0.05 152

coex_refinement	0.14 356	0.07 176	0.12 227	0.17 251	0.10 384	0.15 351	0.15 259	0.26 397	0.29 438	0.18 389	0.20 332	0.22 415	0.17 433	0.16 364	0.18 439	0.08 348	0.05 212	0.06 132	0.06 219	0.09 430	0.08 391

HI	0.11 227	0.06 83	0.11 188	0.13 14	0.09 275	0.09 99	0.14 181	0.21 296	0.10 49	0.19 405	0.17 286	0.14 286	0.09 204	0.16 364	0.08 18	0.05 35	0.04 24	0.07 233	0.08 384	0.07 305	0.06 244

CoSv	0.11 227	0.06 83	0.11 188	0.13 14	0.09 275	0.09 99	0.14 181	0.21 296	0.10 49	0.19 405	0.17 286	0.14 286	0.09 204	0.16 364	0.08 18	0.05 35	0.04 24	0.07 233	0.08 384	0.07 305	0.06 244

999	0.09 111	0.05 28	0.13 274	0.15 92	0.08 154	0.10 153	0.14 181	0.15 133	0.11 77	0.10 165	0.08 93	0.08 132	0.08 173	0.16 364	0.10 149	0.06 127	0.04 24	0.06 132	0.05 135	0.04 23	0.05 152

GCST	0.37 574	0.42 592	0.26 505	1.02 616	0.39 592	0.18 421	0.08 7	0.20 273	0.17 244	0.28 520	0.25 414	0.15 315	0.12 303	0.16 364	0.14 362	0.64 612	0.43 601	0.75 608	0.65 612	0.63 605	0.46 604

DualNet (step1)	0.16 422	0.12 461	0.20 469	0.12 5	0.14 509	0.17 402	0.13 128	0.27 418	0.23 356	0.20 428	0.20 332	0.24 439	0.19 463	0.16 364	0.16 406	0.15 544	0.06 349	0.14 531	0.14 536	0.14 530	0.12 501

test_sample7	0.15 399	0.10 417	0.16 393	0.14 46	0.11 434	0.16 380	0.16 325	0.27 418	0.23 356	0.20 428	0.20 332	0.24 439	0.19 463	0.16 364	0.16 406	0.12 501	0.06 349	0.10 454	0.09 430	0.10 461	0.10 462

test_sample5	0.14 356	0.08 282	0.14 310	0.16 175	0.08 154	0.18 421	0.18 410	0.25 379	0.17 244	0.17 359	0.27 440	0.18 362	0.14 366	0.16 364	0.13 326	0.08 348	0.05 212	0.08 324	0.07 313	0.08 367	0.08 391

test_sample4	0.14 356	0.08 282	0.14 310	0.15 92	0.08 154	0.19 444	0.18 410	0.26 397	0.17 244	0.16 344	0.25 414	0.18 362	0.14 366	0.16 364	0.13 326	0.08 348	0.06 349	0.08 324	0.06 219	0.08 367	0.08 391

MyStereo8	0.12 297	0.07 176	0.15 359	0.15 92	0.09 275	0.18 421	0.14 181	0.19 262	0.22 345	0.12 237	0.18 311	0.11 222	0.10 242	0.16 364	0.18 439	0.07 277	0.05 212	0.07 233	0.05 135	0.08 367	0.09 435

mmm	0.14 356	0.08 282	0.17 423	0.17 251	0.09 275	0.17 402	0.18 410	0.21 296	0.15 187	0.15 316	0.23 374	0.21 397	0.16 410	0.16 364	0.17 421	0.08 348	0.05 212	0.08 324	0.07 313	0.07 305	0.07 327

DualNet	0.14 356	0.08 282	0.14 310	0.16 175	0.08 154	0.18 421	0.18 410	0.25 379	0.17 244	0.17 359	0.27 440	0.18 362	0.14 366	0.16 364	0.13 326	0.08 348	0.05 212	0.08 324	0.07 313	0.08 367	0.08 391

StereoVision	0.13 322	0.12 461	0.09 95	0.24 532	0.10 384	0.15 351	0.21 492	0.21 296	0.20 314	0.12 237	0.24 386	0.10 195	0.10 242	0.16 364	0.10 149	0.09 407	0.11 514	0.12 504	0.12 522	0.06 233	0.05 152

LL-Strereo2	0.10 180	0.10 417	0.15 359	0.18 333	0.08 154	0.15 351	0.09 18	0.17 202	0.14 167	0.14 289	0.10 145	0.09 162	0.07 132	0.16 364	0.10 149	0.05 35	0.05 212	0.10 454	0.07 313	0.06 233	0.05 152

CBFPSM	0.14 356	0.06 83	0.26 505	0.17 251	0.09 275	0.13 292	0.15 259	0.22 320	0.23 356	0.20 428	0.27 440	0.24 439	0.16 410	0.16 364	0.18 439	0.06 127	0.06 349	0.06 132	0.07 313	0.07 305	0.07 327

IER	0.14 356	0.07 176	0.13 274	0.17 251	0.09 275	0.14 325	0.16 325	0.25 379	0.26 407	0.18 389	0.25 414	0.17 349	0.20 475	0.16 364	0.14 362	0.08 348	0.05 212	0.07 233	0.06 219	0.08 367	0.07 327

CIPLG	0.11 227	0.08 282	0.14 310	0.17 251	0.08 154	0.12 241	0.15 259	0.17 202	0.15 187	0.14 289	0.11 189	0.16 329	0.09 204	0.16 364	0.11 226	0.07 277	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

UDGNet	0.14 356	0.13 489	0.16 393	0.17 251	0.10 384	0.12 241	0.16 325	0.21 296	0.27 417	0.20 428	0.20 332	0.16 329	0.13 342	0.16 364	0.13 326	0.10 448	0.06 349	0.09 407	0.07 313	0.06 233	0.07 327

DAS	0.15 399	0.08 282	0.18 445	0.19 393	0.10 384	0.19 444	0.17 362	0.27 418	0.29 438	0.18 389	0.25 414	0.21 397	0.15 384	0.16 364	0.12 285	0.08 348	0.06 349	0.06 132	0.06 219	0.07 305	0.07 327

IPLGR_C	0.11 227	0.08 282	0.14 310	0.17 251	0.08 154	0.12 241	0.15 259	0.17 202	0.15 187	0.14 289	0.10 145	0.16 329	0.09 204	0.16 364	0.11 226	0.07 277	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

ACRE	0.11 227	0.08 282	0.14 310	0.17 251	0.08 154	0.12 241	0.15 259	0.17 202	0.14 167	0.14 289	0.10 145	0.16 329	0.09 204	0.16 364	0.11 226	0.07 277	0.05 212	0.06 132	0.05 135	0.05 125	0.06 244

GANet-ADL	0.13 322	0.07 176	0.15 359	0.17 251	0.10 384	0.18 421	0.15 259	0.30 464	0.20 314	0.13 267	0.18 311	0.19 376	0.12 303	0.16 364	0.13 326	0.08 348	0.06 349	0.06 132	0.05 135	0.07 305	0.08 391

RAFT	0.13 322	0.09 358	0.11 188	0.18 333	0.08 154	0.15 351	0.24 525	0.20 273	0.19 291	0.21 442	0.21 354	0.17 349	0.12 303	0.16 364	0.09 67	0.06 127	0.07 421	0.10 454	0.09 430	0.05 125	0.05 152

TestStereo	0.13 322	0.14 501	0.11 188	0.23 523	0.08 154	0.15 351	0.21 492	0.20 273	0.23 356	0.14 289	0.24 386	0.16 329	0.12 303	0.16 364	0.14 362	0.05 35	0.06 349	0.08 324	0.06 219	0.09 430	0.05 152

GES	0.14 356	0.08 282	0.16 393	0.15 92	0.10 384	0.13 292	0.13 128	0.28 437	0.25 393	0.16 344	0.23 374	0.18 362	0.13 342	0.16 364	0.13 326	0.08 348	0.07 421	0.07 233	0.06 219	0.08 367	0.09 435

GMStereo	0.13 322	0.14 501	0.14 310	0.18 333	0.09 275	0.15 351	0.16 325	0.20 273	0.24 372	0.16 344	0.17 286	0.10 195	0.10 242	0.16 364	0.13 326	0.07 277	0.06 349	0.06 132	0.06 219	0.07 305	0.06 244
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
GANet-RSSM	0.14 356	0.07 176	0.13 274	0.13 14	0.08 154	0.14 325	0.17 362	0.22 320	0.21 330	0.17 359	0.24 386	0.23 433	0.15 384	0.16 364	0.15 390	0.10 448	0.06 349	0.07 233	0.08 384	0.08 367	0.07 327

CFNet-ft	0.14 356	0.07 176	0.15 359	0.12 5	0.09 275	0.16 380	0.18 410	0.22 320	0.24 372	0.17 359	0.26 431	0.24 439	0.14 366	0.16 364	0.14 362	0.11 477	0.06 349	0.08 324	0.09 430	0.09 430	0.08 391

FADNet-RVC-Resample	0.16 422	0.11 443	0.31 530	0.22 499	0.11 434	0.19 444	0.14 181	0.25 379	0.24 372	0.24 480	0.27 440	0.20 388	0.15 384	0.16 364	0.15 390	0.07 277	0.08 450	0.12 504	0.10 470	0.09 430	0.10 462

BEATNet_4x	0.12 297	0.08 282	0.14 310	0.18 333	0.07 87	0.15 351	0.07 3	0.22 320	0.18 274	0.16 344	0.19 320	0.18 362	0.14 366	0.16 364	0.15 390	0.07 277	0.05 212	0.05 36	0.05 135	0.06 233	0.06 244

CFNet_RVC	0.14 356	0.07 176	0.15 359	0.12 5	0.09 275	0.16 380	0.18 410	0.22 320	0.24 372	0.17 359	0.26 431	0.24 439	0.14 366	0.16 364	0.14 362	0.11 477	0.06 349	0.08 324	0.09 430	0.09 430	0.08 391

G2L-ROB	0.13 322	0.06 83	0.13 274	0.13 14	0.08 154	0.14 325	0.16 325	0.25 379	0.18 274	0.19 405	0.18 311	0.20 388	0.14 366	0.17 396	0.16 406	0.08 348	0.05 212	0.06 132	0.05 135	0.08 367	0.09 435

G2L-Stereo_test	0.14 356	0.07 176	0.11 188	0.13 14	0.08 154	0.12 241	0.16 325	0.30 464	0.28 431	0.20 428	0.23 374	0.20 388	0.16 410	0.17 396	0.18 439	0.07 277	0.05 212	0.05 36	0.05 135	0.07 305	0.06 244

G2L-Stereo	0.14 356	0.07 176	0.13 274	0.17 251	0.09 275	0.13 292	0.12 80	0.27 418	0.22 345	0.16 344	0.27 440	0.21 397	0.13 342	0.17 396	0.18 439	0.09 407	0.08 450	0.08 324	0.07 313	0.07 305	0.07 327

ISRNet	0.18 457	0.08 282	0.19 457	0.19 393	0.13 489	0.15 351	0.12 80	0.30 464	0.32 462	0.21 442	0.25 414	0.27 471	0.17 433	0.17 396	0.20 458	0.20 573	0.08 450	0.14 531	0.14 536	0.14 530	0.17 566

rvit_0105_5	0.14 356	0.09 358	0.13 274	0.17 251	0.09 275	0.14 325	0.23 513	0.24 363	0.27 417	0.14 289	0.15 252	0.18 362	0.12 303	0.17 396	0.14 362	0.14 540	0.11 514	0.10 454	0.10 470	0.08 367	0.06 244

rvit_0105_4	0.14 356	0.09 358	0.17 423	0.17 251	0.10 384	0.12 241	0.19 449	0.23 340	0.27 417	0.14 289	0.20 332	0.17 349	0.13 342	0.17 396	0.13 326	0.15 544	0.11 514	0.11 485	0.10 470	0.09 430	0.06 244

rvit_0105_3	0.15 399	0.09 358	0.14 310	0.19 393	0.12 466	0.15 351	0.25 540	0.25 379	0.29 438	0.15 316	0.17 286	0.20 388	0.13 342	0.17 396	0.14 362	0.13 526	0.11 514	0.12 504	0.14 536	0.07 305	0.06 244

ITSA-stereo	0.15 399	0.10 417	0.14 310	0.19 393	0.08 154	0.12 241	0.14 181	0.30 464	0.49 554	0.17 359	0.19 320	0.22 415	0.15 384	0.17 396	0.16 406	0.10 448	0.06 349	0.08 324	0.08 384	0.08 367	0.08 391

test_sample3	0.14 356	0.08 282	0.15 359	0.14 46	0.09 275	0.19 444	0.17 362	0.26 397	0.18 274	0.16 344	0.22 365	0.19 376	0.15 384	0.17 396	0.13 326	0.08 348	0.06 349	0.07 233	0.06 219	0.09 430	0.08 391

test_sample1	0.13 322	0.07 176	0.14 310	0.13 14	0.08 154	0.19 444	0.16 325	0.20 273	0.15 187	0.14 289	0.22 365	0.18 362	0.16 410	0.17 396	0.14 362	0.07 277	0.06 349	0.06 132	0.06 219	0.08 367	0.07 327

PCWNet_CMD	0.14 356	0.08 282	0.15 359	0.17 251	0.09 275	0.14 325	0.14 181	0.29 450	0.36 494	0.14 289	0.20 332	0.21 397	0.12 303	0.17 396	0.13 326	0.07 277	0.05 212	0.07 233	0.07 313	0.07 305	0.07 327

hknet	0.15 399	0.11 443	0.13 274	0.22 499	0.11 434	0.14 325	0.15 259	0.34 514	0.25 393	0.17 359	0.22 365	0.22 415	0.18 447	0.17 396	0.12 285	0.07 277	0.06 349	0.10 454	0.09 430	0.07 305	0.07 327

AASNet	0.16 422	0.08 282	0.12 227	0.19 393	0.09 275	0.18 421	0.15 259	0.37 542	0.37 501	0.19 405	0.23 374	0.20 388	0.16 410	0.17 396	0.20 458	0.10 448	0.08 450	0.08 324	0.07 313	0.09 430	0.09 435

ICVP	0.15 399	0.09 358	0.12 227	0.22 499	0.09 275	0.17 402	0.21 492	0.25 379	0.23 356	0.18 389	0.30 473	0.26 463	0.18 447	0.17 396	0.14 362	0.09 407	0.07 421	0.08 324	0.07 313	0.07 305	0.07 327
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.17 443	0.09 358	0.16 393	0.20 453	0.11 434	0.27 536	0.20 472	0.25 379	0.41 520	0.22 458	0.30 473	0.21 397	0.20 475	0.17 396	0.20 458	0.06 127	0.06 349	0.07 233	0.07 313	0.08 367	0.07 327

ACVNet	0.15 399	0.09 358	0.15 359	0.13 14	0.12 466	0.14 325	0.20 472	0.22 320	0.33 469	0.17 359	0.26 431	0.21 397	0.16 410	0.17 396	0.21 478	0.07 277	0.06 349	0.06 132	0.06 219	0.08 367	0.06 244

acv_ft	0.15 399	0.09 358	0.15 359	0.19 393	0.10 384	0.16 380	0.17 362	0.25 379	0.33 469	0.19 405	0.26 431	0.21 397	0.17 433	0.17 396	0.18 439	0.07 277	0.06 349	0.06 132	0.06 219	0.08 367	0.06 244

MSMDNet	0.14 356	0.08 282	0.15 359	0.17 251	0.09 275	0.14 325	0.14 181	0.29 450	0.36 494	0.14 289	0.21 354	0.21 397	0.12 303	0.17 396	0.14 362	0.07 277	0.05 212	0.07 233	0.07 313	0.07 305	0.07 327

HSM-Net_RVC	0.14 356	0.08 282	0.11 188	0.15 92	0.08 154	0.15 351	0.15 259	0.27 418	0.29 438	0.19 405	0.21 354	0.29 489	0.14 366	0.17 396	0.13 326	0.06 127	0.06 349	0.06 132	0.06 219	0.07 305	0.06 244
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 399	0.10 417	0.17 423	0.17 251	0.08 154	0.18 421	0.09 18	0.28 437	0.25 393	0.19 405	0.24 386	0.24 439	0.17 433	0.17 396	0.14 362	0.08 348	0.06 349	0.09 407	0.10 470	0.07 305	0.06 244

UCFNet_RVC	0.14 356	0.08 282	0.13 274	0.11 1	0.10 384	0.20 459	0.10 31	0.24 363	0.22 345	0.17 359	0.20 332	0.23 433	0.15 384	0.17 396	0.15 390	0.12 501	0.07 421	0.10 454	0.13 532	0.11 484	0.10 462

YMNet	0.20 481	0.12 461	0.19 457	0.20 453	0.14 509	0.26 526	0.23 513	0.32 485	0.34 481	0.27 505	0.34 501	0.30 499	0.18 447	0.18 417	0.22 487	0.10 448	0.13 544	0.10 454	0.10 470	0.08 367	0.09 435

YMNet_1	0.20 481	0.12 461	0.19 457	0.20 453	0.14 509	0.26 526	0.23 513	0.32 485	0.34 481	0.27 505	0.34 501	0.30 499	0.18 447	0.18 417	0.22 487	0.10 448	0.13 544	0.10 454	0.10 470	0.08 367	0.09 435

rvit_0105_6	0.14 356	0.09 358	0.18 445	0.17 251	0.10 384	0.10 153	0.16 325	0.19 262	0.26 407	0.12 237	0.18 311	0.17 349	0.12 303	0.18 417	0.12 285	0.15 544	0.11 514	0.12 504	0.10 470	0.09 430	0.06 244

DCVSM-stereo	0.14 356	0.09 358	0.16 393	0.16 175	0.10 384	0.15 351	0.09 18	0.19 262	0.23 356	0.20 428	0.23 374	0.26 463	0.15 384	0.18 417	0.14 362	0.09 407	0.07 421	0.09 407	0.08 384	0.10 461	0.12 501

rvit_stereo_0075_2	0.17 443	0.12 461	0.25 502	0.23 523	0.16 539	0.13 292	0.10 31	0.30 464	0.27 417	0.20 428	0.28 454	0.22 415	0.15 384	0.18 417	0.13 326	0.16 560	0.10 502	0.17 553	0.10 470	0.10 461	0.09 435

CFNet_ucs	0.15 399	0.08 282	0.16 393	0.16 175	0.11 434	0.14 325	0.14 181	0.30 464	0.34 481	0.16 344	0.24 386	0.23 433	0.14 366	0.18 417	0.15 390	0.09 407	0.06 349	0.08 324	0.07 313	0.09 430	0.09 435

iinet-f	0.16 422	0.06 83	0.45 562	0.14 46	0.10 384	0.21 476	0.14 181	0.27 418	0.23 356	0.21 442	0.24 386	0.21 397	0.15 384	0.18 417	0.21 478	0.09 407	0.07 421	0.07 233	0.06 219	0.09 430	0.10 462

x	0.13 322	0.07 176	0.14 310	0.14 46	0.08 154	0.18 421	0.14 181	0.22 320	0.20 314	0.15 316	0.19 320	0.19 376	0.17 433	0.18 417	0.18 439	0.07 277	0.05 212	0.06 132	0.06 219	0.07 305	0.07 327

GLC_STEREO	0.11 227	0.07 176	0.11 188	0.17 251	0.07 87	0.09 99	0.13 128	0.15 133	0.24 372	0.12 237	0.13 221	0.12 240	0.08 173	0.18 417	0.11 226	0.06 127	0.08 450	0.08 324	0.06 219	0.05 125	0.05 152

PSMNet-ADL	0.15 399	0.12 461	0.13 274	0.22 499	0.09 275	0.13 292	0.20 472	0.26 397	0.23 356	0.18 389	0.20 332	0.24 439	0.16 410	0.18 417	0.17 421	0.08 348	0.08 450	0.08 324	0.11 502	0.08 367	0.07 327

CFNet_pseudo	0.14 356	0.08 282	0.15 359	0.16 175	0.09 275	0.13 292	0.14 181	0.27 418	0.34 481	0.14 289	0.21 354	0.22 415	0.13 342	0.18 417	0.14 362	0.07 277	0.05 212	0.08 324	0.06 219	0.07 305	0.07 327

ADLNet	0.16 422	0.08 282	0.15 359	0.16 175	0.10 384	0.16 380	0.17 362	0.32 485	0.27 417	0.22 458	0.27 440	0.24 439	0.16 410	0.18 417	0.21 478	0.10 448	0.06 349	0.10 454	0.10 470	0.08 367	0.09 435

DMCA-RVC	0.17 443	0.10 417	0.15 359	0.24 532	0.11 434	0.18 421	0.18 410	0.25 379	0.24 372	0.21 442	0.26 431	0.25 453	0.27 525	0.18 417	0.20 458	0.12 501	0.08 450	0.13 519	0.10 470	0.10 461	0.08 391

ccs_rob	0.14 356	0.08 282	0.15 359	0.16 175	0.09 275	0.12 241	0.14 181	0.27 418	0.34 481	0.14 289	0.21 354	0.22 415	0.13 342	0.18 417	0.14 362	0.07 277	0.05 212	0.08 324	0.07 313	0.07 305	0.07 327

pmcnn	0.15 399	0.07 176	0.19 457	0.15 92	0.07 87	0.20 459	0.15 259	0.24 363	0.26 407	0.21 442	0.34 501	0.28 481	0.18 447	0.18 417	0.17 421	0.07 277	0.05 212	0.05 36	0.04 44	0.07 305	0.06 244

TCMNet	0.19 469	0.12 461	0.19 457	0.20 453	0.18 561	0.20 459	0.24 525	0.27 418	0.36 494	0.23 471	0.26 431	0.25 453	0.19 463	0.19 432	0.23 499	0.13 526	0.11 514	0.11 485	0.12 522	0.13 517	0.12 501

DDVS	0.15 399	0.10 417	0.21 478	0.16 175	0.12 466	0.15 351	0.14 181	0.25 379	0.19 291	0.18 389	0.29 466	0.27 471	0.12 303	0.19 432	0.15 390	0.09 407	0.06 349	0.09 407	0.07 313	0.11 484	0.11 488

rvit_105_1	0.19 469	0.11 443	0.25 502	0.21 484	0.16 539	0.21 476	0.27 556	0.31 474	0.41 520	0.19 405	0.20 332	0.22 415	0.17 433	0.19 432	0.17 421	0.12 501	0.12 530	0.13 519	0.15 552	0.08 367	0.07 327

UGAM	0.13 322	0.10 417	0.09 95	0.22 499	0.08 154	0.12 241	0.20 472	0.17 202	0.23 356	0.21 442	0.16 264	0.13 266	0.13 342	0.19 432	0.12 285	0.07 277	0.05 212	0.13 519	0.11 502	0.07 305	0.05 152

test_sample9	0.18 457	0.12 461	0.20 469	0.12 5	0.14 509	0.17 402	0.13 128	0.27 418	0.23 356	0.20 428	0.20 332	0.24 439	0.19 463	0.19 432	0.17 421	0.15 544	0.30 593	0.14 531	0.14 536	0.14 530	0.12 501

test_sample8	0.19 469	0.12 461	0.20 469	0.12 5	0.14 509	0.17 402	0.13 128	0.31 474	0.21 330	0.27 505	0.22 365	0.36 538	0.25 511	0.19 432	0.17 421	0.15 544	0.30 593	0.14 531	0.14 536	0.14 530	0.12 501

GMStereo_Zeroshot	0.16 422	0.13 489	0.24 497	0.20 453	0.10 384	0.17 402	0.13 128	0.29 450	0.25 393	0.23 471	0.32 485	0.25 453	0.11 272	0.19 432	0.14 362	0.09 407	0.06 349	0.11 485	0.06 219	0.12 499	0.08 391

LL-Strereo	0.13 322	0.09 358	0.11 188	0.20 453	0.10 384	0.11 199	0.18 410	0.32 485	0.24 372	0.15 316	0.15 252	0.14 286	0.13 342	0.19 432	0.11 226	0.06 127	0.04 24	0.09 407	0.08 384	0.04 23	0.05 152

SDNR	0.19 469	0.08 282	0.19 457	0.16 175	0.12 466	0.77 608	0.14 181	0.25 379	0.32 462	0.19 405	0.24 386	0.19 376	0.13 342	0.19 432	0.15 390	0.16 560	0.18 569	0.14 531	0.11 502	0.08 367	0.11 488

ToySt	0.17 443	0.11 443	0.18 445	0.17 251	0.11 434	0.16 380	0.25 540	0.24 363	0.33 469	0.19 405	0.24 386	0.26 463	0.24 502	0.19 432	0.20 458	0.07 277	0.08 450	0.09 407	0.10 470	0.09 430	0.08 391

CRFU-Net	0.16 422	0.08 282	0.14 310	0.17 251	0.09 275	0.19 444	0.14 181	0.26 397	0.20 314	0.28 520	0.27 440	0.29 489	0.17 433	0.19 432	0.17 421	0.09 407	0.09 482	0.07 233	0.07 313	0.08 367	0.08 391

dad	0.17 443	0.20 550	0.20 469	0.16 175	0.11 434	0.20 459	0.18 410	0.21 296	0.28 431	0.30 534	0.24 386	0.29 489	0.13 342	0.19 432	0.16 406	0.18 566	0.09 482	0.11 485	0.09 430	0.11 484	0.07 327

AACVNet	0.16 422	0.08 282	0.14 310	0.15 92	0.10 384	0.18 421	0.15 259	0.23 340	0.24 372	0.27 505	0.27 440	0.28 481	0.17 433	0.19 432	0.16 406	0.09 407	0.07 421	0.09 407	0.07 313	0.10 461	0.09 435

Syn2CoEx	0.21 493	0.16 519	0.27 512	0.29 572	0.14 509	0.26 526	0.20 472	0.33 505	0.31 455	0.28 520	0.36 508	0.27 471	0.25 511	0.19 432	0.24 512	0.16 560	0.12 530	0.14 531	0.11 502	0.09 430	0.08 391

delet	0.17 443	0.08 282	0.17 423	0.19 393	0.11 434	0.20 459	0.21 492	0.30 464	0.37 501	0.17 359	0.26 431	0.19 376	0.19 463	0.19 432	0.21 478	0.08 348	0.08 450	0.09 407	0.11 502	0.06 233	0.06 244

UNet	0.17 443	0.09 358	0.18 445	0.19 393	0.12 466	0.27 536	0.19 449	0.33 505	0.29 438	0.21 442	0.24 386	0.23 433	0.19 463	0.19 432	0.18 439	0.07 277	0.06 349	0.08 324	0.07 313	0.08 367	0.06 244

UPFNet	0.16 422	0.08 282	0.12 227	0.20 453	0.12 466	0.20 459	0.23 513	0.28 437	0.26 407	0.17 359	0.24 386	0.22 415	0.19 463	0.19 432	0.21 478	0.09 407	0.07 421	0.08 324	0.09 430	0.08 367	0.06 244

ac_64	0.16 422	0.08 282	0.15 359	0.18 333	0.10 384	0.22 485	0.18 410	0.24 363	0.21 330	0.18 389	0.24 386	0.29 489	0.18 447	0.19 432	0.22 487	0.09 407	0.07 421	0.08 324	0.09 430	0.07 305	0.06 244

HGLStereo	0.17 443	0.08 282	0.19 457	0.17 251	0.12 466	0.18 421	0.18 410	0.31 474	0.32 462	0.21 442	0.32 485	0.25 453	0.18 447	0.19 432	0.20 458	0.09 407	0.09 482	0.07 233	0.07 313	0.09 430	0.10 462

DSFCA	0.16 422	0.09 358	0.14 310	0.16 175	0.10 384	0.20 459	0.19 449	0.28 437	0.31 455	0.23 471	0.24 386	0.22 415	0.15 384	0.19 432	0.20 458	0.10 448	0.07 421	0.09 407	0.09 430	0.08 367	0.08 391

FADNet	0.21 493	0.22 560	0.36 546	0.18 333	0.17 554	0.24 505	0.13 128	0.31 474	0.31 455	0.23 471	0.25 414	0.27 471	0.21 479	0.19 432	0.15 390	0.13 526	0.15 559	0.12 504	0.15 552	0.16 554	0.18 569

S-Stereo	0.20 481	0.12 461	0.25 502	0.21 484	0.13 489	0.20 459	0.18 410	0.32 485	0.43 533	0.23 471	0.36 508	0.28 481	0.30 548	0.19 432	0.22 487	0.09 407	0.12 530	0.10 454	0.10 470	0.13 517	0.13 522

MaskLacGwcNet_RVC	0.22 502	0.21 556	0.24 497	0.26 548	0.11 434	0.23 500	0.14 181	0.39 554	0.24 372	0.32 546	0.36 508	0.30 499	0.21 479	0.19 432	0.21 478	0.17 565	0.14 553	0.21 567	0.16 556	0.12 499	0.12 501

AdaStereo	0.15 399	0.11 443	0.15 359	0.18 333	0.09 275	0.20 459	0.11 56	0.32 485	0.28 431	0.20 428	0.23 374	0.20 388	0.13 342	0.19 432	0.14 362	0.12 501	0.05 212	0.10 454	0.07 313	0.09 430	0.07 327
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.
DLCB_ROB	0.18 457	0.10 417	0.15 359	0.23 523	0.11 434	0.24 505	0.18 410	0.29 450	0.28 431	0.27 505	0.28 454	0.28 481	0.24 502	0.19 432	0.20 458	0.08 348	0.08 450	0.09 407	0.09 430	0.07 305	0.07 327

z-ln-s-r	0.17 443	0.10 417	0.40 555	0.19 393	0.08 154	0.17 402	0.18 410	0.22 320	0.33 469	0.18 389	0.40 534	0.22 415	0.17 433	0.20 457	0.23 499	0.07 277	0.05 212	0.07 233	0.07 313	0.07 305	0.05 152

Wz-Net-LNSev-Ref	0.18 457	0.09 358	0.29 525	0.15 92	0.10 384	0.22 485	0.20 472	0.26 397	0.39 511	0.25 493	0.42 551	0.24 439	0.15 384	0.20 457	0.19 452	0.07 277	0.05 212	0.06 132	0.05 135	0.10 461	0.09 435

iRaft-Stereo_5w	0.12 297	0.09 358	0.12 227	0.19 393	0.08 154	0.09 99	0.12 80	0.21 296	0.21 330	0.19 405	0.14 234	0.11 222	0.09 204	0.20 457	0.16 406	0.05 35	0.05 212	0.07 233	0.06 219	0.05 125	0.06 244

UDG	0.21 493	0.17 530	0.19 457	0.23 523	0.15 528	0.30 550	0.20 472	0.33 505	0.35 490	0.23 471	0.28 454	0.31 512	0.27 525	0.20 457	0.22 487	0.15 544	0.12 530	0.13 519	0.09 430	0.14 530	0.14 539

LMCR-Stereo	0.15 399	0.08 282	0.13 274	0.21 484	0.09 275	0.17 402	0.20 472	0.27 418	0.19 291	0.24 480	0.24 386	0.23 433	0.17 433	0.20 457	0.17 421	0.07 277	0.06 349	0.08 324	0.06 219	0.10 461	0.08 391

pcwnet_v2	0.19 469	0.10 417	0.26 505	0.17 251	0.14 509	0.18 421	0.15 259	0.37 542	0.46 545	0.19 405	0.24 386	0.21 397	0.19 463	0.20 457	0.19 452	0.13 526	0.10 502	0.10 454	0.10 470	0.11 484	0.13 522

psm_up	0.18 457	0.10 417	0.18 445	0.20 453	0.11 434	0.17 402	0.19 449	0.37 542	0.34 481	0.21 442	0.28 454	0.29 489	0.24 502	0.20 457	0.22 487	0.09 407	0.10 502	0.11 485	0.11 502	0.08 367	0.08 391

aanetorigin	0.22 502	0.17 530	0.56 578	0.17 251	0.10 384	0.15 351	0.19 449	0.20 273	0.33 469	0.49 582	0.48 562	0.29 489	0.27 525	0.20 457	0.23 499	0.08 348	0.07 421	0.08 324	0.07 313	0.10 461	0.09 435

STTStereo	0.18 457	0.12 461	0.27 512	0.20 453	0.11 434	0.16 380	0.21 492	0.29 450	0.23 356	0.21 442	0.30 473	0.29 489	0.18 447	0.20 457	0.19 452	0.12 501	0.11 514	0.11 485	0.14 536	0.09 430	0.08 391

RASNet	0.14 356	0.07 176	0.14 310	0.16 175	0.08 154	0.18 421	0.14 181	0.29 450	0.20 314	0.17 359	0.25 414	0.21 397	0.18 447	0.20 457	0.19 452	0.07 277	0.06 349	0.06 132	0.08 384	0.06 233	0.06 244

RYNet	0.22 502	0.12 461	0.22 484	0.19 393	0.17 554	0.46 579	0.26 549	0.38 550	0.48 547	0.24 480	0.28 454	0.34 532	0.23 496	0.20 457	0.30 559	0.10 448	0.06 349	0.09 407	0.09 430	0.13 517	0.15 546

PA-Net	0.23 518	0.18 541	0.33 537	0.28 564	0.22 573	0.21 476	0.38 593	0.29 450	0.39 511	0.22 458	0.32 485	0.25 453	0.26 517	0.20 457	0.25 522	0.09 407	0.23 587	0.15 543	0.22 574	0.09 430	0.13 522
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DeepPruner_ROB	0.16 422	0.11 443	0.15 359	0.17 251	0.10 384	0.17 402	0.15 259	0.32 485	0.21 330	0.19 405	0.21 354	0.22 415	0.18 447	0.20 457	0.15 390	0.13 526	0.09 482	0.09 407	0.09 430	0.11 484	0.10 462

PS-NSSS	0.20 481	0.21 556	0.23 493	0.20 453	0.10 384	0.19 444	0.17 362	0.36 536	0.25 393	0.27 505	0.33 497	0.27 471	0.24 502	0.20 457	0.20 458	0.15 544	0.12 530	0.17 553	0.14 536	0.10 461	0.08 391

HSM	0.15 399	0.08 282	0.14 310	0.16 175	0.09 275	0.16 380	0.14 181	0.28 437	0.25 393	0.19 405	0.23 374	0.37 543	0.16 410	0.20 457	0.15 390	0.07 277	0.05 212	0.07 233	0.06 219	0.07 305	0.06 244

StereoDRNet	0.18 457	0.11 443	0.17 423	0.22 499	0.11 434	0.21 476	0.22 502	0.37 542	0.33 469	0.24 480	0.28 454	0.30 499	0.19 463	0.20 457	0.20 458	0.09 407	0.08 450	0.11 485	0.09 430	0.09 430	0.07 327

LE_ROB	0.50 590	0.07 176	0.14 310	0.15 92	0.08 154	0.24 505	0.16 325	0.22 320	1.81 625	4.63 628	0.67 588	0.47 576	0.44 585	0.20 457	0.29 553	0.07 277	0.06 349	0.06 132	0.06 219	0.08 367	0.06 244

w-ln-seven-2	0.20 481	0.14 501	0.37 550	0.22 499	0.12 466	0.20 459	0.21 492	0.28 437	0.37 501	0.25 493	0.37 514	0.27 471	0.22 488	0.21 474	0.23 499	0.08 348	0.08 450	0.09 407	0.09 430	0.10 461	0.09 435

w-ln-seven	0.24 525	0.14 501	0.55 575	0.19 393	0.14 509	0.26 526	0.22 502	0.35 529	0.60 580	0.29 529	0.39 528	0.30 499	0.22 488	0.21 474	0.26 533	0.09 407	0.09 482	0.11 485	0.10 470	0.11 484	0.10 462

fast-acv-ft	0.18 457	0.11 443	0.19 457	0.19 393	0.12 466	0.24 505	0.21 492	0.25 379	0.34 481	0.22 458	0.34 501	0.27 471	0.20 475	0.21 474	0.23 499	0.09 407	0.09 482	0.08 324	0.10 470	0.08 367	0.07 327

CSP-Net	0.16 422	0.09 358	0.14 310	0.16 175	0.09 275	0.19 444	0.17 362	0.25 379	0.32 462	0.25 493	0.30 473	0.24 439	0.15 384	0.21 474	0.18 439	0.09 407	0.06 349	0.07 233	0.07 313	0.08 367	0.07 327

dd	0.15 399	0.16 519	0.16 393	0.19 393	0.09 275	0.15 351	0.18 410	0.21 296	0.25 393	0.23 471	0.20 332	0.21 397	0.09 204	0.21 474	0.16 406	0.10 448	0.06 349	0.08 324	0.06 219	0.08 367	0.06 244

ADLNet2	0.16 422	0.09 358	0.13 274	0.16 175	0.09 275	0.20 459	0.16 325	0.31 474	0.39 511	0.16 344	0.20 332	0.20 388	0.18 447	0.21 474	0.22 487	0.08 348	0.06 349	0.07 233	0.07 313	0.09 430	0.07 327

GEStereo_RVC	0.17 443	0.12 461	0.15 359	0.22 499	0.11 434	0.19 444	0.17 362	0.32 485	0.48 547	0.20 428	0.25 414	0.17 349	0.13 342	0.21 474	0.16 406	0.10 448	0.06 349	0.08 324	0.07 313	0.09 430	0.08 391

FAT-Stereo	0.20 481	0.12 461	0.22 484	0.21 484	0.12 466	0.17 402	0.18 410	0.34 514	0.39 511	0.27 505	0.37 514	0.34 532	0.32 556	0.21 474	0.20 458	0.09 407	0.11 514	0.10 454	0.09 430	0.11 484	0.14 539

DeepPrunerF	0.24 525	0.17 530	0.42 560	0.26 548	0.16 539	0.22 485	0.28 562	0.37 542	0.50 557	0.26 499	0.29 466	0.24 439	0.28 536	0.21 474	0.22 487	0.15 544	0.11 514	0.20 566	0.18 567	0.12 499	0.13 522

NLCA_NET_v2_RVC	0.17 443	0.10 417	0.22 484	0.20 453	0.10 384	0.15 351	0.18 410	0.31 474	0.25 393	0.21 442	0.30 473	0.25 453	0.17 433	0.21 474	0.20 458	0.09 407	0.06 349	0.08 324	0.08 384	0.07 305	0.08 391
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	0.17 443	0.12 461	0.15 359	0.20 453	0.09 275	0.18 421	0.18 410	0.26 397	0.23 356	0.26 499	0.40 534	0.22 415	0.17 433	0.21 474	0.20 458	0.08 348	0.05 212	0.09 407	0.10 470	0.07 305	0.07 327
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NOSS_ROB	0.19 469	0.12 461	0.18 445	0.16 175	0.12 466	0.15 351	0.12 80	0.30 464	0.32 462	0.20 428	0.22 365	0.27 471	0.23 496	0.21 474	0.16 406	0.16 560	0.18 569	0.23 572	0.21 571	0.12 499	0.13 522

PSMNet_ROB	0.21 493	0.11 443	0.15 359	0.27 561	0.15 528	0.24 505	0.35 588	0.43 573	0.37 501	0.27 505	0.32 485	0.32 521	0.22 488	0.21 474	0.26 533	0.12 501	0.08 450	0.13 519	0.11 502	0.09 430	0.09 435

ssnet_v2	0.17 443	0.10 417	0.17 423	0.17 251	0.11 434	0.21 476	0.21 492	0.33 505	0.25 393	0.22 458	0.22 365	0.27 471	0.18 447	0.22 487	0.20 458	0.11 477	0.09 482	0.09 407	0.09 430	0.08 367	0.08 391

Wz-Net-LNSev	0.22 502	0.16 519	0.38 552	0.21 484	0.13 489	0.25 516	0.23 513	0.32 485	0.43 533	0.30 534	0.41 545	0.31 512	0.18 447	0.22 487	0.25 522	0.10 448	0.09 482	0.08 324	0.08 384	0.12 499	0.11 488

SACVNet	0.18 457	0.12 461	0.14 310	0.17 251	0.13 489	0.22 485	0.18 410	0.31 474	0.30 448	0.23 471	0.31 481	0.30 499	0.22 488	0.22 487	0.17 421	0.11 477	0.08 450	0.10 454	0.10 470	0.12 499	0.14 539

FINET	0.21 493	0.18 541	0.26 505	0.18 333	0.16 539	0.23 500	0.23 513	0.32 485	0.48 547	0.25 493	0.32 485	0.22 415	0.22 488	0.22 487	0.17 421	0.18 566	0.16 562	0.11 485	0.10 470	0.15 546	0.13 522

EDNetEfficient	0.29 557	0.24 565	1.13 612	0.18 333	0.10 384	0.19 444	0.20 472	0.20 273	0.60 580	0.74 602	0.56 578	0.31 512	0.39 572	0.22 487	0.30 559	0.09 407	0.07 421	0.08 324	0.07 313	0.11 484	0.09 435

GwcNet	0.20 481	0.13 489	0.19 457	0.18 333	0.12 466	0.24 505	0.19 449	0.35 529	0.43 533	0.20 428	0.32 485	0.33 525	0.20 475	0.22 487	0.24 512	0.11 477	0.09 482	0.09 407	0.09 430	0.09 430	0.10 462

FADNet-RVC	0.20 481	0.20 550	0.38 552	0.21 484	0.16 539	0.20 459	0.15 259	0.26 397	0.26 407	0.26 499	0.32 485	0.26 463	0.21 479	0.22 487	0.19 452	0.12 501	0.13 544	0.12 504	0.14 536	0.13 517	0.18 569

SuperB	0.20 481	0.10 417	0.56 578	0.16 175	0.09 275	0.18 421	0.18 410	0.24 363	0.50 557	0.26 499	0.39 528	0.17 349	0.21 479	0.22 487	0.21 478	0.08 348	0.06 349	0.06 132	0.06 219	0.12 499	0.10 462

AANet_RVC	0.16 422	0.10 417	0.10 143	0.18 333	0.09 275	0.18 421	0.19 449	0.26 397	0.31 455	0.22 458	0.35 505	0.21 397	0.21 479	0.22 487	0.16 406	0.06 127	0.05 212	0.06 132	0.06 219	0.07 305	0.06 244

NVstereo2D	0.19 469	0.10 417	0.15 359	0.17 251	0.15 528	0.28 543	0.23 513	0.44 575	0.42 528	0.15 316	0.27 440	0.25 453	0.19 463	0.22 487	0.17 421	0.09 407	0.06 349	0.10 454	0.08 384	0.15 546	0.09 435

DRN-Test	0.19 469	0.11 443	0.20 469	0.22 499	0.10 384	0.22 485	0.22 502	0.39 554	0.37 501	0.24 480	0.32 485	0.26 463	0.21 479	0.22 487	0.24 512	0.11 477	0.07 421	0.11 485	0.10 470	0.09 430	0.07 327

ACV-stereo	0.15 399	0.10 417	0.28 517	0.18 333	0.12 466	0.14 325	0.12 80	0.23 340	0.21 330	0.19 405	0.23 374	0.22 415	0.15 384	0.23 498	0.17 421	0.07 277	0.06 349	0.07 233	0.07 313	0.07 305	0.07 327

HBP-ISP	0.18 457	0.13 489	0.16 393	0.15 92	0.11 434	0.08 60	0.13 128	0.28 437	0.29 438	0.22 458	0.33 497	0.21 397	0.25 511	0.23 498	0.17 421	0.14 540	0.16 562	0.21 567	0.17 563	0.10 461	0.08 391

Wz-Net-SNSev	0.25 537	0.17 530	0.44 561	0.25 543	0.14 509	0.26 526	0.23 513	0.38 550	0.56 570	0.30 534	0.55 573	0.39 555	0.26 517	0.23 498	0.30 559	0.10 448	0.09 482	0.09 407	0.10 470	0.11 484	0.11 488

GANet	0.21 493	0.12 461	0.21 478	0.24 532	0.13 489	0.22 485	0.22 502	0.41 564	0.26 407	0.31 540	0.42 551	0.37 543	0.28 536	0.23 498	0.22 487	0.10 448	0.12 530	0.10 454	0.09 430	0.10 461	0.08 391

TDLM	0.17 443	0.12 461	0.13 274	0.24 532	0.10 384	0.18 421	0.18 410	0.36 536	0.30 448	0.21 442	0.28 454	0.28 481	0.18 447	0.23 498	0.18 439	0.11 477	0.07 421	0.10 454	0.10 470	0.08 367	0.08 391

CVANet_RVC	0.18 457	0.10 417	0.14 310	0.21 484	0.10 384	0.18 421	0.17 362	0.34 514	0.33 469	0.22 458	0.31 481	0.28 481	0.18 447	0.23 498	0.17 421	0.12 501	0.08 450	0.12 504	0.11 502	0.09 430	0.07 327

NCCL2	0.23 518	0.15 511	0.17 423	0.34 579	0.18 561	0.24 505	0.23 513	0.34 514	0.28 431	0.31 540	0.38 520	0.38 547	0.28 536	0.23 498	0.24 512	0.15 544	0.12 530	0.18 562	0.21 571	0.13 517	0.13 522

CBMV_ROB	0.19 469	0.13 489	0.17 423	0.16 175	0.11 434	0.15 351	0.13 128	0.26 397	0.28 431	0.27 505	0.30 473	0.27 471	0.24 502	0.23 498	0.16 406	0.15 544	0.17 567	0.22 571	0.20 569	0.10 461	0.11 488

SGM-Forest	0.20 481	0.14 501	0.18 445	0.19 393	0.13 489	0.20 459	0.22 502	0.33 505	0.30 448	0.24 480	0.29 466	0.28 481	0.19 463	0.23 498	0.17 421	0.15 544	0.16 562	0.15 543	0.14 536	0.12 499	0.12 501
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Wz-Net-MNSev	0.22 502	0.13 489	0.31 530	0.20 453	0.14 509	0.36 570	0.24 525	0.33 505	0.44 538	0.28 520	0.40 534	0.38 547	0.19 463	0.24 507	0.25 522	0.09 407	0.07 421	0.09 407	0.09 430	0.12 499	0.10 462

DDUNet	0.22 502	0.17 530	0.21 478	0.22 499	0.15 528	0.25 516	0.24 525	0.29 450	0.30 448	0.31 540	0.36 508	0.33 525	0.25 511	0.24 507	0.20 458	0.18 566	0.13 544	0.17 553	0.11 502	0.16 554	0.16 557

EDNetEfficientorigin	7.91 628	0.31 582	153.02 650	0.19 393	0.09 275	0.21 476	0.16 325	0.22 320	0.59 576	0.72 598	0.67 588	0.42 562	0.50 590	0.24 507	0.39 583	0.08 348	0.07 421	0.08 324	0.07 313	0.12 499	0.10 462

hitnet-ft	0.18 457	0.09 358	0.17 423	0.14 46	0.09 275	0.26 526	0.20 472	0.25 379	0.26 407	0.24 480	0.32 485	0.31 512	0.22 488	0.24 507	0.21 478	0.12 501	0.07 421	0.10 454	0.08 384	0.12 499	0.11 488

ADCRef	0.19 469	0.12 461	0.41 558	0.20 453	0.12 466	0.22 485	0.18 410	0.32 485	0.36 494	0.26 499	0.32 485	0.17 349	0.23 496	0.24 507	0.24 512	0.07 277	0.06 349	0.09 407	0.09 430	0.08 367	0.08 391

SepStereo	0.15 399	0.08 282	0.18 445	0.19 393	0.10 384	0.19 444	0.17 362	0.27 418	0.29 438	0.18 389	0.25 414	0.21 397	0.15 384	0.25 512	0.12 285	0.08 348	0.06 349	0.06 132	0.06 219	0.07 305	0.07 327

edge stereo	0.22 502	0.13 489	0.20 469	0.21 484	0.13 489	0.23 500	0.16 325	0.32 485	0.42 528	0.32 546	0.40 534	0.38 547	0.35 565	0.25 512	0.24 512	0.13 526	0.11 514	0.14 531	0.11 502	0.12 499	0.13 522

APVNet	0.22 502	0.12 461	0.19 457	0.18 333	0.14 509	0.32 552	0.31 584	0.39 554	0.32 462	0.27 505	0.40 534	0.30 499	0.29 544	0.26 514	0.25 522	0.11 477	0.12 530	0.11 485	0.14 536	0.12 499	0.12 501

MDST_ROB	0.22 502	0.10 417	0.17 423	0.18 333	0.11 434	0.37 571	0.19 449	0.43 573	0.41 520	0.39 563	0.39 528	0.29 489	0.21 479	0.26 514	0.18 439	0.11 477	0.10 502	0.14 531	0.11 502	0.10 461	0.08 391

XPNet_ROB	0.22 502	0.11 443	0.19 457	0.22 499	0.13 489	0.22 485	0.19 449	0.34 514	0.40 517	0.30 534	0.39 528	0.39 555	0.26 517	0.26 514	0.28 549	0.15 544	0.10 502	0.10 454	0.10 470	0.13 517	0.12 501

FSD					0.22 573	0.25 516	0.25 540	0.27 418	0.26 407	0.25 493	0.26 431	0.25 453	0.27 525	0.27 517	0.24 512	0.21 577	0.20 575	0.27 578	0.26 581	0.25 581

SQANet	0.23 518	0.23 562	0.30 528	0.30 574	0.19 564	0.27 536	0.13 128	0.29 450	0.33 469	0.24 480	0.37 514	0.31 512	0.22 488	0.27 517	0.23 499	0.15 544	0.10 502	0.21 567	0.16 556	0.21 570	0.15 546

GASNet	0.22 502	0.23 562	0.33 537	0.26 548	0.17 554	0.26 526	0.16 325	0.44 575	0.42 528	0.27 505	0.24 386	0.30 499	0.15 384	0.27 517	0.18 439	0.12 501	0.08 450	0.12 504	0.11 502	0.16 554	0.07 327

Anonymous_2	0.22 502	0.17 530	0.28 517	0.15 92	0.16 539	0.32 552	0.22 502	0.22 320	0.17 244	0.23 471	0.24 386	0.26 463	0.27 525	0.27 517	0.23 499	0.22 582	0.25 589	0.17 553	0.17 563	0.17 562	0.17 566

RP	0.21 493	0.13 489	0.21 478	0.23 523	0.11 434	0.21 476	0.20 472	0.25 379	0.44 538	0.21 442	0.38 520	0.36 538	0.24 502	0.27 517	0.25 522	0.11 477	0.12 530	0.13 519	0.12 522	0.12 499	0.14 539

G-Net	0.24 525	0.16 519	0.36 546	0.22 499	0.16 539	0.51 585	0.23 513	0.29 450	0.34 481	0.36 556	0.38 520	0.31 512	0.29 544	0.27 517	0.26 533	0.11 477	0.09 482	0.12 504	0.09 430	0.16 554	0.13 522

ADCP+	0.20 481	0.10 417	0.33 537	0.20 453	0.12 466	0.22 485	0.26 549	0.31 474	0.34 481	0.26 499	0.37 514	0.22 415	0.22 488	0.27 517	0.27 541	0.09 407	0.06 349	0.08 324	0.08 384	0.09 430	0.10 462

CC-Net-ROB	0.28 553	0.31 582	0.36 546	0.29 572	0.15 528	0.25 516	0.19 449	0.45 578	0.33 469	0.39 563	0.37 514	0.39 555	0.31 552	0.27 517	0.26 533	0.24 588	0.19 572	0.30 588	0.23 578	0.18 565	0.15 546

SANet	0.24 525	0.14 501	0.28 517	0.21 484	0.11 434	0.27 536	0.24 525	0.38 550	0.64 587	0.36 556	0.40 534	0.43 565	0.26 517	0.27 517	0.24 512	0.12 501	0.09 482	0.10 454	0.09 430	0.13 517	0.11 488

ETE_ROB	0.23 518	0.17 530	0.22 484	0.25 543	0.13 489	0.26 526	0.29 571	0.31 474	0.36 494	0.28 520	0.36 508	0.45 569	0.26 517	0.27 517	0.26 533	0.11 477	0.08 450	0.12 504	0.09 430	0.14 530	0.13 522

PWCDC_ROB	0.20 481	0.13 489	0.22 484	0.24 532	0.11 434	0.19 444	0.15 259	0.33 505	0.54 566	0.29 529	0.50 567	0.21 397	0.15 384	0.27 517	0.20 458	0.11 477	0.09 482	0.10 454	0.08 384	0.11 484	0.09 435

CBMV	0.19 469	0.14 501	0.17 423	0.18 333	0.10 384	0.20 459	0.11 56	0.29 450	0.30 448	0.29 529	0.30 473	0.30 499	0.23 496	0.27 517	0.19 452	0.13 526	0.15 559	0.17 553	0.16 556	0.10 461	0.10 462
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
AF-Net	0.22 502	0.17 530	0.17 423	0.26 548	0.13 489	0.25 516	0.24 525	0.32 485	0.50 557	0.25 493	0.33 497	0.38 547	0.26 517	0.28 529	0.25 522	0.11 477	0.10 502	0.16 550	0.11 502	0.11 484	0.10 462

Nwc_Net	0.23 518	0.16 519	0.21 478	0.25 543	0.14 509	0.24 505	0.26 549	0.37 542	0.38 508	0.22 458	0.41 545	0.30 499	0.28 536	0.28 529	0.25 522	0.11 477	0.10 502	0.17 553	0.20 569	0.10 461	0.10 462

ADCPNet	0.25 537	0.16 519	0.61 584	0.21 484	0.15 528	0.35 569	0.25 540	0.32 485	0.35 490	0.30 534	0.40 534	0.36 538	0.28 536	0.28 529	0.32 567	0.12 501	0.10 502	0.11 485	0.12 522	0.14 530	0.13 522

DISCO	0.19 469	0.09 358	0.22 484	0.17 251	0.10 384	0.25 516	0.18 410	0.27 418	0.44 538	0.22 458	0.31 481	0.33 525	0.26 517	0.28 529	0.28 549	0.08 348	0.06 349	0.07 233	0.07 313	0.09 430	0.09 435

CSAN	0.29 557	0.24 565	0.27 512	0.34 579	0.19 564	0.33 558	0.42 597	0.37 542	0.50 557	0.38 561	0.40 534	0.44 567	0.33 557	0.28 529	0.30 559	0.20 573	0.16 562	0.19 564	0.19 568	0.14 530	0.15 546

LALA_ROB	0.25 537	0.16 519	0.22 484	0.26 548	0.17 554	0.27 536	0.27 556	0.42 569	0.37 501	0.33 550	0.38 520	0.51 580	0.26 517	0.28 529	0.27 541	0.16 560	0.09 482	0.12 504	0.11 502	0.13 517	0.12 501

coex-ft	3.30 621	0.34 585	59.09 649	0.18 333	0.13 489	0.26 526	0.22 502	0.27 418	0.72 596	1.90 626	0.70 592	0.44 567	0.45 586	0.29 535	0.41 589	0.09 407	0.09 482	0.12 504	0.09 430	0.14 530	0.13 522

DGSMNet	0.24 525	0.19 545	0.33 537	0.21 484	0.24 578	0.24 505	0.20 472	0.35 529	0.41 520	0.24 480	0.32 485	0.38 547	0.21 479	0.29 535	0.23 499	0.12 501	0.11 514	0.14 531	0.16 556	0.23 574	0.23 580

ADCL	0.24 525	0.11 443	0.47 567	0.22 499	0.12 466	0.34 561	0.29 571	0.29 450	0.56 570	0.24 480	0.46 559	0.30 499	0.30 548	0.29 535	0.29 553	0.08 348	0.07 421	0.09 407	0.09 430	0.10 461	0.10 462

NaN_ROB	0.22 502	0.19 545	0.24 497	0.25 543	0.13 489	0.29 547	0.26 549	0.33 505	0.41 520	0.31 540	0.31 481	0.32 521	0.23 496	0.30 538	0.21 478	0.11 477	0.17 567	0.10 454	0.10 470	0.08 367	0.09 435

zh-mn7	0.25 537	0.14 501	0.56 578	0.19 393	0.14 509	0.24 505	0.22 502	0.34 514	0.62 583	0.35 553	0.65 586	0.31 512	0.25 511	0.31 539	0.25 522	0.09 407	0.08 450	0.09 407	0.09 430	0.09 430	0.11 488

PSMNet-RUCA	0.27 548	0.33 584	0.41 558	0.36 583	0.32 591	0.18 421	0.19 449	0.42 569	0.30 448	0.33 550	0.41 545	0.39 555	0.25 511	0.31 539	0.20 458	0.18 566	0.10 502	0.25 574	0.15 552	0.21 570	0.16 557

RTSC	0.23 518	0.12 461	0.28 517	0.21 484	0.13 489	0.28 543	0.16 325	0.35 529	0.66 591	0.27 505	0.33 497	0.30 499	0.21 479	0.31 539	0.29 553	0.10 448	0.08 450	0.09 407	0.10 470	0.13 517	0.13 522

DANet	0.21 493	0.15 511	0.28 517	0.25 543	0.13 489	0.22 485	0.19 449	0.27 418	0.27 417	0.28 520	0.32 485	0.35 536	0.31 552	0.31 539	0.23 499	0.11 477	0.09 482	0.11 485	0.10 470	0.13 517	0.11 488
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	0.28 553	0.16 519	0.31 530	0.18 333	0.13 489	0.54 587	0.42 597	0.51 590	0.67 592	0.29 529	0.38 520	0.38 547	0.29 544	0.31 539	0.23 499	0.11 477	0.10 502	0.11 485	0.08 384	0.20 569	0.16 557

FBW_ROB	0.24 525	0.17 530	0.22 484	0.26 548	0.14 509	0.25 516	0.22 502	0.41 564	0.41 520	0.41 570	0.41 545	0.42 562	0.27 525	0.31 539	0.23 499	0.09 407	0.14 553	0.14 531	0.12 522	0.11 484	0.09 435

PWC_ROB	0.21 493	0.16 519	0.26 505	0.18 333	0.11 434	0.22 485	0.13 128	0.32 485	0.49 554	0.30 534	0.40 534	0.32 521	0.24 502	0.31 539	0.22 487	0.10 448	0.07 421	0.11 485	0.08 384	0.11 484	0.10 462

z-mn7	0.24 525	0.14 501	0.45 562	0.19 393	0.13 489	0.28 543	0.25 540	0.34 514	0.62 583	0.27 505	0.56 578	0.29 489	0.24 502	0.32 546	0.25 522	0.08 348	0.08 450	0.08 324	0.08 384	0.10 461	0.10 462

Wz-Net-TNSev	0.29 557	0.20 550	0.65 587	0.19 393	0.15 528	0.38 574	0.27 556	0.35 529	0.55 567	0.34 552	0.42 551	0.45 569	0.38 570	0.32 546	0.30 559	0.12 501	0.13 544	0.10 454	0.12 522	0.15 546	0.14 539

SHD	0.26 546	0.15 511	0.30 528	0.24 532	0.18 561	0.22 485	0.15 259	0.38 550	0.71 595	0.32 546	0.41 545	0.36 538	0.28 536	0.32 546	0.29 553	0.12 501	0.11 514	0.14 531	0.13 532	0.16 554	0.20 575

WZ-Net	0.28 553	0.17 530	0.78 603	0.22 499	0.16 539	0.34 561	0.29 571	0.39 554	0.57 572	0.24 480	0.55 573	0.37 543	0.24 502	0.33 549	0.35 574	0.09 407	0.08 450	0.09 407	0.10 470	0.14 530	0.16 557

stereogan	0.22 502	0.11 443	0.21 478	0.20 453	0.12 466	0.31 551	0.19 449	0.35 529	0.44 538	0.22 458	0.39 528	0.35 536	0.27 525	0.33 549	0.22 487	0.10 448	0.12 530	0.10 454	0.10 470	0.14 530	0.13 522

PDISCO_ROB	0.27 548	0.16 519	0.26 505	0.28 564	0.20 567	0.32 552	0.26 549	0.44 575	0.57 572	0.28 520	0.40 534	0.45 569	0.29 544	0.33 549	0.34 573	0.12 501	0.09 482	0.17 553	0.16 556	0.17 562	0.13 522

ACVNet-4b	0.39 575	0.53 595	0.55 575	0.45 591	0.24 578	0.47 581	0.18 410	0.49 584	0.64 587	0.42 573	0.45 558	0.60 588	0.27 525	0.34 552	0.24 512	0.33 593	0.14 553	0.48 596	0.42 598	0.30 589	0.26 588

psmorigin	0.25 537	0.15 511	0.34 545	0.17 251	0.13 489	0.23 500	0.14 181	0.34 514	0.33 469	0.41 570	0.55 573	0.41 561	0.37 569	0.34 552	0.27 541	0.11 477	0.15 559	0.11 485	0.11 502	0.12 499	0.16 557

MFN_U_SF_DS_RVC	0.30 563	0.24 565	0.29 525	0.36 583	0.16 539	0.34 561	0.30 578	0.32 485	0.42 528	0.40 566	0.46 559	0.38 547	0.31 552	0.34 552	0.28 549	0.19 571	0.20 575	0.26 575	0.29 588	0.18 565	0.19 574

PASM	0.32 566	0.24 565	0.48 568	0.28 564	0.27 584	0.29 547	0.30 578	0.34 514	0.49 554	0.35 553	0.39 528	0.46 573	0.34 562	0.34 552	0.35 574	0.23 586	0.25 589	0.26 575	0.28 587	0.23 574	0.21 577

MSMD_ROB	0.31 564	0.26 571	0.26 505	0.24 532	0.21 571	0.34 561	0.25 540	0.34 514	0.39 511	0.40 566	0.69 590	0.45 569	0.40 575	0.34 552	0.27 541	0.20 573	0.19 572	0.26 575	0.25 580	0.23 574	0.22 579

WCMA_ROB	0.24 525	0.11 443	0.22 484	0.17 251	0.14 509	0.32 552	0.15 259	0.32 485	0.32 462	0.38 561	0.53 569	0.40 559	0.34 562	0.34 552	0.25 522	0.11 477	0.12 530	0.12 504	0.10 470	0.14 530	0.14 539

MSAF-DinoV2	0.22 502	0.11 443	0.23 493	0.17 251	0.10 384	0.27 536	0.16 325	0.37 542	0.55 567	0.21 442	0.27 440	0.47 576	0.27 525	0.35 558	0.39 583	0.09 407	0.06 349	0.07 233	0.09 430	0.12 499	0.10 462

MFN_U_SF_RVC	0.32 566	0.21 556	0.55 575	0.30 574	0.15 528	0.34 561	0.17 362	0.52 591	0.46 545	0.46 581	0.55 573	0.59 587	0.39 572	0.35 558	0.37 579	0.15 544	0.14 553	0.18 562	0.21 571	0.16 554	0.15 546

ADCMid	0.25 537	0.15 511	0.40 555	0.20 453	0.14 509	0.25 516	0.26 549	0.34 514	0.38 508	0.36 556	0.44 556	0.34 532	0.40 575	0.35 558	0.33 571	0.10 448	0.09 482	0.11 485	0.11 502	0.13 517	0.12 501

LSM	0.33 569	0.20 550	0.58 581	0.26 548	0.60 608	0.34 561	0.25 540	0.42 569	0.48 547	0.45 578	0.58 583	0.42 562	0.36 567	0.35 558	0.25 522	0.12 501	0.20 575	0.14 531	0.16 556	0.19 568	0.33 595

SGM_RVC	0.23 518	0.12 461	0.15 359	0.15 92	0.09 275	0.33 558	0.18 410	0.34 514	0.31 455	0.44 577	0.37 514	0.53 584	0.35 565	0.35 558	0.24 512	0.13 526	0.13 544	0.13 519	0.13 532	0.10 461	0.11 488
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 548	0.13 489	0.18 445	0.15 92	0.11 434	0.32 552	0.24 525	0.40 558	0.36 494	0.52 584	0.57 581	0.67 595	0.40 575	0.35 558	0.26 533	0.14 540	0.13 544	0.13 519	0.11 502	0.11 484	0.10 462
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
zh-sn7	0.25 537	0.17 530	0.50 569	0.24 532	0.13 489	0.25 516	0.24 525	0.34 514	0.48 547	0.28 520	0.54 571	0.28 481	0.31 552	0.36 564	0.32 567	0.10 448	0.10 502	0.11 485	0.10 470	0.12 499	0.12 501

FCDSN-DC	0.33 569	0.28 577	0.28 517	0.30 574	0.24 578	0.39 575	0.28 562	0.42 569	0.42 528	0.43 576	0.53 569	0.51 580	0.41 580	0.36 564	0.30 559	0.21 577	0.20 575	0.27 578	0.26 581	0.25 581	0.24 581
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RGC	0.25 537	0.20 550	0.29 525	0.28 564	0.16 539	0.22 485	0.23 513	0.32 485	0.44 538	0.27 505	0.40 534	0.38 547	0.27 525	0.36 564	0.22 487	0.11 477	0.13 544	0.17 553	0.17 563	0.14 530	0.16 557

NCC-stereo	0.24 525	0.15 511	0.31 530	0.26 548	0.16 539	0.20 459	0.30 578	0.40 558	0.40 517	0.24 480	0.38 520	0.33 525	0.28 536	0.36 564	0.27 541	0.12 501	0.11 514	0.15 543	0.22 574	0.13 517	0.13 522

Abc-Net	0.24 525	0.15 511	0.31 530	0.26 548	0.16 539	0.20 459	0.30 578	0.40 558	0.40 517	0.24 480	0.38 520	0.33 525	0.28 536	0.36 564	0.27 541	0.12 501	0.11 514	0.15 543	0.22 574	0.13 517	0.13 522
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FC-DCNN v2	0.33 569	0.27 573	0.28 517	0.26 548	0.23 576	0.37 571	0.28 562	0.40 558	0.43 533	0.45 578	0.56 578	0.51 580	0.40 575	0.37 569	0.29 553	0.21 577	0.20 575	0.27 578	0.26 581	0.25 581	0.24 581

FC-DCNN	0.33 569	0.27 573	0.28 517	0.26 548	0.23 576	0.37 571	0.28 562	0.40 558	0.43 533	0.45 578	0.55 573	0.51 580	0.40 575	0.37 569	0.30 559	0.21 577	0.20 575	0.27 578	0.26 581	0.25 581	0.24 581

MultiAttention	0.29 557	0.08 282	0.14 310	0.19 393	0.12 466	1.45 623	1.33 625	0.36 536	0.37 501	0.19 405	0.21 354	0.24 439	0.11 272	0.38 571	0.18 439	0.06 127	0.05 212	0.08 324	0.08 384	0.10 461	0.09 435

SAMSARA	0.40 578	0.28 577	0.33 537	0.55 597	0.39 592	0.82 609	1.23 624	0.47 581	0.51 564	0.36 556	0.35 505	0.55 586	0.39 572	0.38 571	0.39 583	0.15 544	0.20 575	0.15 543	0.14 536	0.23 574	0.20 575

XQC	0.28 553	0.23 562	0.51 570	0.28 564	0.19 564	0.34 561	0.27 556	0.36 536	0.57 572	0.31 540	0.30 473	0.37 543	0.30 548	0.38 571	0.38 581	0.13 526	0.09 482	0.15 543	0.12 522	0.17 562	0.18 569

DispFullNet	0.27 548	0.21 556	0.65 587	0.28 564	0.16 539	0.26 526	0.17 362	0.33 505	0.58 575	0.27 505	0.38 520	0.43 565	0.23 496	0.38 571	0.23 499	0.12 501	0.06 349	0.19 564	0.11 502	0.21 570	0.15 546

DStereoSA	0.25 537	0.19 545	0.37 550	0.26 548	0.17 554	0.22 485	0.20 472	0.49 584	0.59 576	0.22 458	0.29 466	0.29 489	0.33 557	0.39 575	0.28 549	0.12 501	0.11 514	0.16 550	0.14 536	0.14 530	0.12 501

Ntro	0.40 578	0.40 590	0.53 572	0.46 594	0.30 589	0.65 595	0.24 525	0.46 580	0.68 593	0.41 570	0.49 563	0.48 578	0.42 583	0.39 575	0.31 566	0.32 592	0.28 591	0.37 592	0.30 590	0.32 593	0.29 590

ccnet	0.29 557	0.28 577	0.23 493	0.20 453	0.28 585	0.41 578	0.21 492	0.45 578	0.33 469	0.36 556	0.46 559	0.36 538	0.30 548	0.39 575	0.42 590	0.23 586	0.14 553	0.21 567	0.17 563	0.23 574	0.18 569

ADCS	0.29 557	0.18 541	0.45 562	0.21 484	0.17 554	0.28 543	0.23 513	0.41 564	0.63 586	0.40 566	0.49 563	0.40 559	0.36 567	0.39 575	0.40 586	0.13 526	0.12 530	0.13 519	0.14 536	0.16 554	0.16 557

GANetREF_RVC	0.31 564	0.34 585	0.27 512	0.35 581	0.16 539	0.32 552	0.41 594	0.48 582	0.51 564	0.35 553	0.35 505	0.34 532	0.33 557	0.39 575	0.32 567	0.27 590	0.20 575	0.29 586	0.15 552	0.18 565	0.17 566
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
otaku	0.39 575	0.37 588	0.52 571	0.44 590	0.28 585	0.58 589	0.24 525	0.41 564	0.62 583	0.40 566	0.49 563	0.46 573	0.33 557	0.40 580	0.32 567	0.30 591	0.30 593	0.39 593	0.33 593	0.29 588	0.28 589

AnyNet_C32	0.26 546	0.16 519	0.36 546	0.20 453	0.16 539	0.25 516	0.30 578	0.32 485	0.44 538	0.31 540	0.49 563	0.30 499	0.33 557	0.40 580	0.33 571	0.12 501	0.12 530	0.12 504	0.14 536	0.14 530	0.15 546

SGM-ForestM	0.32 566	0.12 461	0.16 393	0.16 175	0.11 434	0.39 575	0.19 449	0.41 564	0.50 557	0.52 584	0.54 571	1.32 615	0.42 583	0.40 580	0.27 541	0.14 540	0.16 562	0.16 550	0.16 556	0.12 499	0.12 501

DStereoO	0.24 525	0.18 541	0.18 445	0.20 453	0.14 509	0.21 476	0.19 449	0.32 485	0.41 520	0.29 529	0.21 354	0.32 521	0.27 525	0.41 583	0.27 541	0.46 601	0.12 530	0.31 589	0.11 502	0.15 546	0.12 501

Consistency-Raft	0.44 583	0.40 590	0.45 562	0.37 585	0.43 596	0.46 579	0.41 594	0.57 598	0.55 567	0.32 546	0.73 594	0.33 525	0.48 588	0.42 584	0.49 597	0.39 595	0.35 598	0.45 595	0.51 605	0.42 596	0.29 590

AnyNet_C01	0.36 573	0.25 570	1.37 615	0.22 499	0.17 554	0.48 583	0.27 556	0.35 529	0.39 511	0.39 563	0.74 596	0.46 573	0.38 570	0.45 585	0.47 595	0.13 526	0.13 544	0.13 519	0.14 536	0.14 530	0.15 546

NVStereoNet_ROB	0.46 588	0.36 587	0.46 566	0.41 588	0.28 585	0.34 561	0.34 587	0.48 582	0.60 580	0.72 598	0.93 606	0.70 598	0.66 603	0.47 586	0.60 605	0.22 582	0.33 597	0.34 591	0.34 595	0.30 589	0.30 592
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RainbowNet	0.54 593	0.61 599	0.70 601	0.57 598	0.43 596	0.65 595	0.37 592	0.60 600	0.87 606	0.50 583	0.66 587	0.64 591	0.47 587	0.49 587	0.43 593	0.47 602	0.48 607	0.52 600	0.41 597	0.52 599	0.40 601

MonStereo1	0.47 589	0.26 571	0.58 581	0.28 564	0.20 567	0.39 575	0.18 410	0.49 584	0.64 587	0.52 584	0.87 603	1.01 604	0.57 597	0.50 588	0.56 602	0.53 605	0.31 596	0.54 602	0.40 596	0.33 594	0.34 596

ACVNet_1	0.44 583	0.49 594	0.60 583	0.45 591	0.28 585	0.49 584	0.27 556	0.57 598	0.72 596	0.62 591	0.58 583	0.74 599	0.49 589	0.50 588	0.35 574	0.26 589	0.24 588	0.39 593	0.29 588	0.31 592	0.24 581

MSC_U_SF_DS_RVC	0.43 582	0.39 589	0.54 573	0.40 586	0.20 567	0.64 594	0.32 586	0.53 593	0.72 596	0.71 596	0.72 593	0.61 589	0.54 592	0.51 590	0.46 594	0.20 573	0.19 572	0.29 586	0.30 590	0.23 574	0.18 569

ELAS	0.41 580	0.29 580	0.33 537	0.27 561	0.24 578	0.60 592	0.36 589	0.50 588	0.50 557	0.71 596	0.79 600	0.67 595	0.54 592	0.51 590	0.42 590	0.22 582	0.20 575	0.27 578	0.26 581	0.26 586	0.25 586
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DStereoFS	0.27 548	0.22 560	0.31 530	0.22 499	0.15 528	0.22 485	0.20 472	0.50 588	0.48 547	0.28 520	0.44 556	0.33 525	0.34 562	0.52 592	0.29 553	0.12 501	0.11 514	0.15 543	0.13 532	0.16 554	0.16 557

PVD	0.39 575	0.20 550	0.39 554	0.31 578	0.22 573	0.29 547	0.43 599	0.52 591	0.96 609	0.55 588	0.79 600	0.53 584	0.59 599	0.52 592	0.38 581	0.19 571	0.14 553	0.17 553	0.14 536	0.24 580	0.31 593

MANE	0.45 585	0.27 573	0.27 512	0.27 561	0.24 578	0.47 581	0.31 584	0.55 595	0.59 576	0.72 598	1.13 617	1.15 609	0.61 600	0.52 592	0.37 579	0.21 577	0.20 575	0.27 578	0.31 592	0.25 581	0.24 581

RTS	0.45 585	0.19 545	3.26 621	0.24 532	0.15 528	0.74 602	0.20 472	0.36 536	0.76 602	0.42 573	0.43 554	0.31 512	0.41 580	0.53 595	0.35 574	0.10 448	0.08 450	0.13 519	0.12 522	0.15 546	0.15 546

RTSA	0.45 585	0.19 545	3.26 621	0.24 532	0.15 528	0.74 602	0.20 472	0.36 536	0.76 602	0.42 573	0.43 554	0.31 512	0.41 580	0.53 595	0.35 574	0.10 448	0.08 450	0.13 519	0.12 522	0.15 546	0.15 546

ACVNet_2	0.66 599	0.66 603	0.68 595	0.63 599	0.41 594	0.71 600	0.49 601	0.96 613	1.39 618	0.89 608	1.09 613	1.04 605	0.73 606	0.54 597	0.47 595	0.43 599	0.40 600	0.53 601	0.44 599	0.47 597	0.35 598

ELAS_RVC	0.41 580	0.29 580	0.33 537	0.28 564	0.24 578	0.54 587	0.36 589	0.49 584	0.59 576	0.72 598	0.74 596	0.65 593	0.54 592	0.54 597	0.40 586	0.22 582	0.20 575	0.27 578	0.26 581	0.26 586	0.25 586
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
BEATNet-Init1	0.52 591	0.27 573	0.62 585	0.30 574	0.21 571	0.76 606	0.29 571	0.54 594	0.65 590	0.86 607	0.95 608	2.07 624	0.62 602	0.56 599	0.42 590	0.18 566	0.18 569	0.23 572	0.22 574	0.22 573	0.21 577

anonymity	0.53 592	0.58 597	0.65 587	0.41 588	0.61 609	0.53 586	0.41 594	0.56 596	0.41 520	0.55 588	0.50 567	0.49 579	0.55 595	0.58 600	0.50 600	0.58 608	0.50 611	0.51 598	0.51 605	0.51 598	0.57 606

SPS-STEREO	0.57 595	0.58 597	0.65 587	0.45 591	0.55 603	0.62 593	0.44 600	0.62 601	0.50 557	0.68 594	0.64 585	0.66 594	0.57 597	0.61 601	0.60 605	0.62 611	0.47 606	0.51 598	0.49 602	0.55 603	0.58 607
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	0.56 594	0.57 596	0.65 587	0.40 586	0.54 601	0.66 597	0.49 601	0.56 596	0.45 544	0.66 592	0.69 590	0.67 595	0.56 596	0.63 602	0.56 602	0.59 609	0.48 607	0.50 597	0.50 604	0.52 599	0.58 607

MFMNet_re	0.64 596	0.66 603	0.65 587	0.51 595	0.69 613	0.69 598	0.57 607	0.64 602	0.73 600	0.60 590	0.73 594	0.62 590	0.67 604	0.65 603	0.60 605	0.66 613	0.58 620	0.63 603	0.59 608	0.68 610	0.69 616

WAO-7	0.79 605	0.78 608	0.54 573	0.85 609	0.67 612	0.74 602	0.68 615	1.05 618	1.32 616	0.90 609	1.20 620	1.04 605	0.92 614	0.69 604	0.66 608	0.60 610	0.62 621	0.67 604	0.68 614	0.64 606	0.58 607

WAO-6	0.81 606	0.80 609	0.62 585	0.86 610	0.63 610	0.76 606	0.58 608	0.98 615	1.54 623	0.90 609	0.96 609	1.07 607	1.03 618	0.70 605	0.66 608	0.72 614	0.49 609	0.90 616	0.71 615	0.68 610	0.58 607

IMH-64-1	0.65 597	0.61 599	0.68 595	0.71 601	0.51 599	0.59 590	0.49 601	0.91 609	0.85 604	0.74 602	1.02 610	0.81 600	0.78 608	0.79 606	0.49 597	0.42 597	0.46 602	0.71 605	0.47 600	0.52 599	0.39 599

IMH-64	0.65 597	0.61 599	0.68 595	0.71 601	0.51 599	0.59 590	0.49 601	0.91 609	0.85 604	0.74 602	1.02 610	0.81 600	0.78 608	0.79 606	0.49 597	0.42 597	0.46 602	0.71 605	0.47 600	0.52 599	0.39 599

Dean	0.87 609	0.86 613	0.79 605	0.81 607	0.56 604	0.90 610	0.63 609	1.15 624	1.73 624	1.15 619	1.15 618	1.31 614	0.99 617	0.81 608	0.81 617	0.57 607	0.56 618	0.77 612	0.64 611	0.66 608	0.58 607

LVE	0.83 608	0.85 612	0.85 608	0.80 606	0.56 604	1.04 619	0.65 612	1.05 618	1.47 621	0.96 611	1.22 621	1.10 608	0.85 611	0.83 609	0.71 613	0.49 603	0.55 617	0.76 611	0.60 610	0.65 607	0.59 612

WAO-8	0.91 610	0.81 610	0.65 587	0.94 613	0.69 613	0.90 610	0.67 613	1.07 621	1.83 626	1.06 616	1.45 623	1.30 612	1.07 619	0.84 610	0.78 614	0.74 616	0.53 614	0.86 614	0.75 616	0.69 612	0.62 613

Venus	0.91 610	0.81 610	0.65 587	0.94 613	0.69 613	0.90 610	0.67 613	1.07 621	1.83 626	1.06 616	1.45 623	1.30 612	1.07 619	0.84 610	0.78 614	0.74 616	0.53 614	0.86 614	0.75 616	0.69 612	0.62 613

TorneroNet-64	0.76 604	0.72 606	0.74 602	0.78 605	0.58 607	0.91 613	0.56 606	0.84 607	1.29 615	0.66 592	0.90 604	1.40 617	0.75 607	0.85 612	0.67 611	0.49 603	0.46 602	0.72 607	0.59 608	0.67 609	0.53 605

MADNet+	0.75 603	0.71 605	3.70 624	0.66 600	0.41 594	0.98 614	0.97 622	0.69 603	0.73 600	0.52 584	0.57 581	0.64 591	0.68 605	0.86 613	1.01 621	0.34 594	0.36 599	0.28 585	0.23 578	0.36 595	0.31 593

IMH	0.71 600	0.64 602	0.68 595	0.76 603	0.54 601	0.69 598	0.54 605	0.98 615	1.10 611	0.82 606	1.09 613	0.89 602	0.88 613	0.87 614	0.52 601	0.44 600	0.50 611	0.75 608	0.51 605	0.56 604	0.41 602

PWCK	0.71 600	0.94 614	0.95 610	0.76 603	0.31 590	0.74 602	0.36 589	0.90 608	0.90 607	0.96 611	0.75 598	0.95 603	0.61 600	0.87 614	0.66 608	0.72 614	0.46 602	0.75 608	0.49 602	0.69 612	0.44 603

DPSimNet_ROB	1.11 617	1.23 620	0.78 603	1.13 618	0.88 620	1.10 620	1.13 623	1.16 625	1.23 614	1.43 623	1.02 610	1.41 618	1.10 622	0.90 616	1.60 623	1.46 626	0.51 613	1.21 623	1.03 624	0.90 618	1.01 624

TorneroNet	0.82 607	0.74 607	0.81 607	0.84 608	0.63 610	0.99 615	0.63 609	0.96 613	1.16 612	0.80 605	1.11 615	1.36 616	0.86 612	0.93 617	0.80 616	0.56 606	0.49 609	0.78 613	0.66 613	0.73 615	0.63 615

UNDER WATER-64	0.95 612	0.94 614	1.43 617	0.87 611	0.56 604	1.18 622	0.87 619	0.77 605	0.94 608	1.04 614	0.85 602	1.58 622	1.21 624	0.94 618	0.96 619	0.87 620	0.57 619	1.03 620	0.88 621	0.78 616	0.73 617

ktn	1.01 615	1.21 619	0.80 606	1.23 620	0.86 619	1.01 617	0.87 619	0.94 612	1.39 618	1.04 614	1.12 616	1.15 609	1.07 619	0.94 618	0.59 604	1.28 625	0.71 623	1.38 625	0.83 619	1.02 621	0.75 619

KSHMR	1.09 616	1.17 618	0.88 609	1.25 621	1.00 621	0.99 615	0.96 621	1.13 623	1.37 617	1.16 620	1.29 622	1.41 618	0.96 616	1.01 620	0.92 618	1.03 623	1.08 625	1.20 622	1.03 624	1.01 620	0.97 622

JetBlue	0.71 600	0.45 593	1.14 613	0.51 595	0.47 598	2.02 624	0.64 611	0.75 604	0.70 594	0.69 595	0.77 599	1.22 611	0.83 610	1.03 621	1.01 621	0.40 596	0.28 591	0.33 590	0.33 593	0.30 589	0.34 596

UNDER WATER	0.97 613	0.97 616	1.42 616	0.99 615	0.70 616	1.12 621	0.84 618	0.80 606	1.08 610	1.01 613	0.90 604	1.55 621	1.22 625	1.03 621	1.00 620	0.78 618	0.53 614	1.02 619	0.87 620	0.80 617	0.74 618

notaker	0.97 613	1.11 617	0.98 611	1.13 618	0.81 617	0.73 601	0.68 615	0.93 611	1.16 612	1.18 621	1.18 619	1.41 618	1.16 623	1.08 623	0.69 612	0.81 619	0.64 622	1.17 621	0.79 618	0.98 619	0.80 620

JetRed	1.62 619	1.46 622	2.98 619	0.92 612	1.21 622	4.99 627	1.53 627	1.27 626	1.39 618	1.83 625	1.74 626	1.60 623	0.95 615	1.41 624	2.45 628	0.90 622	1.60 626	0.93 617	0.90 622	1.35 623	0.99 623

HanzoNet	1.29 618	1.26 621	1.19 614	1.12 617	0.85 618	1.02 618	0.83 617	1.03 617	1.48 622	1.64 624	1.61 625	2.50 626	1.72 626	1.61 625	1.61 624	1.26 624	0.80 624	1.31 624	1.01 623	1.02 621	0.86 621

MADNet++	1.95 620	1.75 623	1.59 618	1.82 622	1.69 624	2.33 625	1.40 626	2.35 627	2.09 628	2.57 627	2.36 628	2.24 625	2.17 627	2.28 626	2.34 626	1.87 627	1.66 627	1.54 626	1.34 626	1.92 624	1.77 626

tt	4.67 623	0.06 83	3.55 623	2.02 623	1.55 623	10.25 631	16.71 632	8.91 636	5.03 629	1.31 622	0.94 607	4.71 627	4.76 628	3.33 627	5.87 630	6.06 635	10.30 639	1.88 629	2.11 629	2.75 626	1.21 625

TCMNet-wrong-test	3.67 622	5.48 635	3.89 625	12.18 634	11.75 636	4.65 626	3.88 628	1.06 620	0.72 596	1.09 618	2.15 627	6.30 631	0.53 591	3.43 628	2.36 627	0.89 621	0.20 575	1.87 628	1.69 627	5.57 632	3.62 632

LRCNet_RVC	10.62 634	13.42 640	7.30 627	18.92 638	2.07 625	0.33 558	0.30 578	5.59 631	0.48 547	13.03 638	17.94 639	8.87 633	5.65 629	4.79 629	1.89 625	23.51 647	2.73 632	27.55 650	25.71 650	16.07 644	16.33 645

DGTPSM_ROB	8.06 629	4.48 628	8.63 634	5.35 627	10.72 632	8.32 629	22.97 637	5.46 629	13.35 636	5.12 629	9.92 633	5.08 628	10.40 635	5.52 630	12.58 635	3.79 632	8.00 634	3.50 630	7.02 633	3.83 630	7.14 634

DPSMNet_ROB	8.06 629	4.48 628	8.63 634	5.37 629	10.74 633	8.32 629	22.98 638	5.46 629	13.36 637	5.12 629	9.92 633	5.08 628	10.40 635	5.53 631	12.58 635	3.80 633	8.00 634	3.50 630	7.02 633	3.83 630	7.14 634

USTest	6.22 624	2.73 626	3.00 620	6.57 630	7.29 630	14.37 633	21.57 633	7.00 635	9.56 634	5.34 631	6.10 629	5.72 630	7.64 631	6.41 632	6.96 631	1.97 628	3.42 633	1.64 627	2.15 630	2.66 625	2.36 627

PML	8.91 631	9.34 639	6.13 626	5.35 627	6.41 629	14.99 634	23.38 639	5.27 628	6.83 630	18.04 642	28.19 651	7.67 632	6.83 630	7.85 633	5.75 629	5.35 634	1.83 628	5.95 638	1.93 628	8.64 635	2.52 628

xxxxx1	7.79 625	5.02 632	7.31 628	3.12 624	3.85 626	16.35 635	22.88 634	5.86 632	8.69 631	7.97 632	8.54 630	9.12 634	8.27 632	10.18 634	10.92 632	2.42 629	2.45 629	3.56 632	12.37 636	3.77 627	3.06 629

tt_ll	7.79 625	5.02 632	7.31 628	3.12 624	3.85 626	16.35 635	22.88 634	5.86 632	8.69 631	7.97 632	8.54 630	9.12 634	8.27 632	10.18 634	10.92 632	2.42 629	2.45 629	3.56 632	12.37 636	3.77 627	3.06 629

ff	7.79 625	5.02 632	7.31 628	3.12 624	3.85 626	16.35 635	22.88 634	5.86 632	8.69 631	7.97 632	8.54 630	9.12 634	8.27 632	10.18 634	10.92 632	2.42 629	2.45 629	3.56 632	12.37 636	3.77 627	3.06 629

Anonymous_1	10.96 635	7.92 636	7.46 631	10.33 631	10.06 631	18.65 639	26.34 640	11.06 639	13.44 638	9.40 635	10.05 635	9.67 637	11.23 637	10.73 637	12.72 637	6.42 636	8.38 636	5.77 635	10.61 635	12.12 636	6.77 633

DPSM_ROB	11.15 636	8.58 637	8.00 632	10.88 632	11.58 634	19.10 640	26.71 641	12.05 640	14.07 641	10.36 636	10.84 636	10.33 638	11.86 638	11.70 638	13.54 638	6.99 637	8.79 637	5.89 636	6.95 631	7.29 633	7.42 636

DPSM	11.15 636	8.58 637	8.00 632	10.88 632	11.58 634	19.10 640	26.71 641	12.05 640	14.07 641	10.36 636	10.84 636	10.33 638	11.86 638	11.70 638	13.54 638	6.99 637	8.79 637	5.89 636	6.95 631	7.29 633	7.42 636

HaxPig	15.71 638	18.52 648	19.18 643	16.89 637	15.89 639	7.73 628	7.60 629	13.31 642	10.82 635	15.42 639	14.91 638	15.98 640	14.92 640	15.58 640	15.98 640	18.95 646	16.73 640	19.46 646	18.08 646	19.26 645	19.05 648

MEDIAN_ROB	20.38 641	24.04 649	23.31 646	21.23 639	21.71 642	10.40 632	7.92 630	17.64 643	15.50 643	20.12 643	19.70 640	20.34 641	20.32 641	21.19 641	21.13 643	23.81 648	21.81 648	24.98 649	23.76 649	24.71 648	23.93 649

RSGM-EC	20.36 639	4.73 630	0.68 595	16.76 635	16.92 640	21.28 642	27.18 643	10.46 637	14.04 639	18.00 640	21.31 642	22.24 649	21.82 642	22.57 642	17.63 641	62.81 650	33.79 650	20.14 647	18.10 647	20.18 646	16.45 646

acva	20.36 639	4.73 630	0.68 595	16.76 635	16.92 640	21.28 642	27.18 643	10.46 637	14.04 639	18.00 640	21.31 642	22.24 649	21.82 642	22.57 642	17.63 641	62.81 650	33.79 650	20.14 647	18.10 647	20.18 646	16.45 646

RAFT-FEzeroshot	22.43 643	17.33 642	15.98 636	22.02 642	23.31 646	38.34 645	53.82 649	24.05 645	28.39 646	20.61 646	21.76 644	20.88 644	23.92 648	23.41 644	27.42 648	14.07 640	17.69 642	11.83 641	14.02 641	14.69 640	14.97 642

RAFT-FE	22.43 643	17.33 642	15.98 636	22.02 642	23.31 646	38.34 645	53.82 649	24.05 645	28.39 646	20.61 646	21.76 644	20.88 644	23.92 648	23.41 644	27.42 648	14.07 640	17.69 642	11.83 641	14.02 641	14.69 640	14.97 642

CasAABBNet	22.42 642	17.33 642	16.01 638	22.01 641	23.28 644	38.32 644	53.80 647	24.14 647	28.41 648	20.60 645	21.77 646	20.89 647	23.91 646	23.43 646	27.36 646	14.07 640	17.69 642	11.83 641	14.01 640	14.67 639	14.95 641

Hybrid-DGEV	22.47 646	17.40 647	16.14 640	22.00 640	23.29 645	38.36 647	53.80 647	24.43 651	28.63 651	20.59 644	21.81 647	20.88 644	23.91 646	23.45 647	27.42 648	14.08 643	17.69 642	11.83 641	14.06 644	14.65 637	14.93 640

FlowAnything	22.44 645	17.35 645	16.14 640	22.07 645	23.23 643	38.39 648	53.77 646	24.25 648	28.44 649	20.96 650	21.82 648	20.70 642	23.84 644	23.49 648	27.14 645	14.04 639	17.79 647	11.75 639	14.15 645	14.65 637	14.89 638

LSM0	22.87 648	17.28 641	18.96 642	22.19 646	29.04 650	38.42 650	53.71 645	24.28 649	28.31 645	20.78 649	21.00 641	21.43 648	24.16 650	23.50 649	27.39 647	14.09 645	17.38 641	11.84 645	14.04 643	14.73 643	14.89 638

Selective-RAFT-Error	22.47 646	17.37 646	16.09 639	22.06 644	23.34 648	38.39 648	53.83 651	24.29 650	28.47 650	20.74 648	21.83 649	20.81 643	23.90 645	23.54 650	27.53 651	14.08 643	17.69 642	11.82 640	14.00 639	14.69 640	15.00 644

AVERAGE_ROB	24.90 649	29.20 650	28.14 647	24.89 647	24.64 649	17.75 638	11.12 631	21.45 644	19.93 644	25.12 651	24.46 650	25.12 651	25.46 651	24.69 651	22.83 644	29.76 649	27.13 649	28.97 651	27.95 651	29.91 649	29.47 650

test_example2	98.32 650	94.13 651	45.89 648	96.35 648	109.85 651	88.61 651	95.45 652	25.75 652	94.37 652	130.00 653	126.06 652	58.17 652	74.63 652	88.51 652	79.96 652	150.23 652	221.02 652	77.62 652	99.10 652	113.75 652	96.94 651

ccccc		285.66 652		368.85 651	370.60 652	123.16 652		115.05 653		126.68 652		122.83 653		252.94 653		384.56 653	353.86 653	254.69 653	223.00 653	425.87 653

ASD4		3.38 627

Low-res two-view benchmark