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

aanet-new-90k	0.08 85	0.07 239	0.08 57	0.19 472	0.06 28	0.07 43	0.12 100	0.12 85	0.13 192	0.06 25	0.07 65	0.06 42	0.06 66	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-70k	0.07 7	0.06 117	0.09 123	0.17 309	0.06 28	0.08 85	0.12 100	0.11 58	0.10 77	0.06 25	0.07 65	0.07 124	0.06 66	0.10 124	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 239	0.09 123	0.19 472	0.06 28	0.07 43	0.12 100	0.11 58	0.13 192	0.06 25	0.07 65	0.06 42	0.06 66	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-24k	0.07 7	0.07 239	0.07 11	0.17 309	0.06 28	0.07 43	0.12 100	0.09 21	0.11 110	0.09 183	0.09 161	0.06 42	0.07 180	0.09 59	0.07 1	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 43	0.11 252	0.15 124	0.06 28	0.07 43	0.13 179	0.09 21	0.11 110	0.07 75	0.08 125	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

LACA3	0.07 7	0.08 358	0.08 57	0.13 22	0.05 2	0.09 139	0.11 64	0.08 12	0.08 25	0.08 131	0.05 7	0.07 124	0.07 180	0.07 4	0.07 1	0.06 168	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

LACA2	0.07 7	0.05 43	0.06 5	0.15 124	0.06 28	0.09 139	0.11 64	0.11 58	0.10 77	0.05 2	0.05 7	0.06 42	0.08 229	0.09 59	0.07 1	0.07 343	0.04 25	0.04 1	0.04 60	0.04 48	0.04 73

LG-Stereo_L1	0.07 7	0.05 43	0.11 252	0.14 70	0.06 28	0.07 43	0.13 179	0.09 21	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

GREAT-IGEV	0.07 7	0.06 117	0.08 57	0.13 22	0.07 134	0.07 43	0.14 246	0.09 21	0.09 52	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
SCV_C0	0.08 85	0.07 239	0.07 11	0.16 222	0.09 355	0.08 85	0.15 334	0.11 58	0.12 149	0.08 131	0.07 65	0.06 42	0.05 14	0.11 199	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.06 293	0.05 207

FoundationStereo	0.06 1	0.04 1	0.08 57	0.12 7	0.05 2	0.09 139	0.13 179	0.06 1	0.09 52	0.05 2	0.05 7	0.06 42	0.04 1	0.06 1	0.07 1	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

GIP-stereo	0.08 85	0.06 117	0.11 252	0.14 70	0.06 28	0.09 139	0.13 179	0.14 146	0.11 110	0.07 75	0.08 125	0.05 5	0.04 1	0.10 124	0.07 1	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

IGEV-BASED-STEREO-	0.09 176	0.10 503	0.31 618	0.15 124	0.06 28	0.08 85	0.14 246	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.04 1	0.11 199	0.07 1	0.12 588	0.04 25	0.07 312	0.05 192	0.05 170	0.05 207

GCAPDPT-zeroshot4090	0.07 7	0.05 43	0.11 252	0.15 124	0.06 28	0.07 43	0.13 179	0.09 21	0.11 110	0.07 75	0.08 125	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

ACVNet-DCA	0.10 246	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.23 421	0.16 291	0.09 183	0.09 161	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.07 381	0.07 400

xx1	0.11 299	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.16 228	0.18 354	0.09 183	0.09 161	0.16 412	0.16 496	0.10 124	0.07 1	0.06 168	0.04 25	0.08 406	0.08 467	0.07 381	0.07 400

cc1	0.10 246	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.16 228	0.18 354	0.09 183	0.09 161	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.06 310

ffm	0.12 377	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.15 188	0.19 373	0.15 397	0.25 500	0.19 463	0.13 426	0.10 124	0.07 1	0.06 168	0.04 25	0.09 492	0.08 467	0.06 293	0.06 310

tt1	0.10 246	0.08 358	0.12 300	0.17 309	0.09 355	0.12 310	0.16 405	0.15 188	0.19 373	0.09 183	0.08 125	0.06 42	0.06 66	0.10 124	0.07 1	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.06 310

GMOStereo	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 652	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

error version	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 652	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

test-v	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 652	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

CroCo-Stereo	0.09 176	0.08 358	0.08 57	0.22 589	0.09 355	0.09 139	0.19 536	0.15 188	0.12 149	0.07 75	0.07 65	0.08 186	0.06 66	0.08 25	0.07 1	0.07 343	0.05 276	0.06 200	0.04 60	0.05 170	0.04 73
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
test-2	0.11 299	0.09 440	0.07 11	0.19 472	0.08 220	0.12 310	0.28 652	0.13 115	0.17 321	0.11 266	0.17 363	0.14 368	0.12 384	0.07 4	0.07 1	0.05 51	0.05 276	0.09 492	0.07 393	0.04 48	0.04 73

depth_test_26	0.08 85	0.04 1	0.11 252	0.13 22	0.07 134	0.07 43	0.11 64	0.12 85	0.11 110	0.09 183	0.07 65	0.08 186	0.05 14	0.09 59	0.08 25	0.08 426	0.06 430	0.06 200	0.06 293	0.06 293	0.07 400

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

DNS	0.09 176	0.05 43	0.11 252	0.15 124	0.08 220	0.10 202	0.16 405	0.17 267	0.09 52	0.08 131	0.12 270	0.08 186	0.07 180	0.09 59	0.08 25	0.07 343	0.04 25	0.05 50	0.05 192	0.06 293	0.05 207

aanet-new-60k	0.07 7	0.07 239	0.08 57	0.18 402	0.06 28	0.07 43	0.10 35	0.09 21	0.14 225	0.07 75	0.07 65	0.06 42	0.06 66	0.11 199	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-40k	0.07 7	0.08 358	0.07 11	0.17 309	0.07 134	0.08 85	0.13 179	0.10 35	0.10 77	0.07 75	0.08 125	0.06 42	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-36k	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.09 139	0.13 179	0.11 58	0.13 192	0.08 131	0.08 125	0.06 42	0.05 14	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-32k-new	0.08 85	0.07 239	0.08 57	0.18 402	0.06 28	0.08 85	0.12 100	0.11 58	0.12 149	0.07 75	0.08 125	0.05 5	0.07 180	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 293	0.04 73

aanet-new-32k	0.08 85	0.07 239	0.09 123	0.18 402	0.06 28	0.11 256	0.11 64	0.10 35	0.08 25	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-30k	0.08 85	0.07 239	0.09 123	0.18 402	0.06 28	0.11 256	0.11 64	0.10 35	0.08 25	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

aanet-new-28k	0.08 85	0.07 239	0.09 123	0.18 402	0.06 28	0.08 85	0.12 100	0.10 35	0.09 52	0.09 183	0.08 125	0.08 186	0.06 66	0.12 295	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

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

aanet-new-22k	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.08 85	0.11 64	0.14 146	0.12 149	0.09 183	0.09 161	0.08 186	0.06 66	0.10 124	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

aanet-new-16k	0.08 85	0.08 358	0.08 57	0.18 402	0.06 28	0.07 43	0.09 20	0.13 115	0.12 149	0.08 131	0.07 65	0.07 124	0.06 66	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

aanet-new-10k	0.08 85	0.08 358	0.08 57	0.19 472	0.07 134	0.08 85	0.12 100	0.14 146	0.11 110	0.07 75	0.08 125	0.07 124	0.07 180	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-12k	0.08 85	0.09 440	0.07 11	0.20 539	0.08 220	0.08 85	0.13 179	0.12 85	0.13 192	0.08 131	0.08 125	0.05 5	0.07 180	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.06 293	0.04 73

aanet-new-14k	0.08 85	0.09 440	0.08 57	0.19 472	0.06 28	0.07 43	0.10 35	0.14 146	0.15 252	0.06 25	0.08 125	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

aanet-new-8k	0.08 85	0.07 239	0.08 57	0.19 472	0.07 134	0.09 139	0.12 100	0.16 228	0.15 252	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

aanet-new	0.08 85	0.09 440	0.10 189	0.18 402	0.08 220	0.10 202	0.12 100	0.15 188	0.12 149	0.08 131	0.08 125	0.05 5	0.07 180	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.06 293	0.04 73

GCAP-Stereo-cres-4k	0.08 85	0.07 239	0.08 57	0.18 402	0.07 134	0.11 256	0.14 246	0.12 85	0.11 110	0.07 75	0.11 248	0.07 124	0.06 66	0.09 59	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

GCAP-Stereo-DPT-36K	0.08 85	0.06 117	0.15 441	0.14 70	0.06 28	0.08 85	0.13 179	0.13 115	0.11 110	0.07 75	0.08 125	0.07 124	0.06 66	0.09 59	0.08 25	0.05 51	0.05 276	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-22K	0.08 85	0.06 117	0.07 11	0.17 309	0.06 28	0.07 43	0.14 246	0.13 115	0.16 291	0.05 2	0.10 197	0.06 42	0.06 66	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-24K	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.15 334	0.12 85	0.11 110	0.06 25	0.11 248	0.06 42	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-5K	0.08 85	0.06 117	0.10 189	0.16 222	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

GCAP-Stereo-DPT-2K	0.08 85	0.06 117	0.10 189	0.16 222	0.07 134	0.11 256	0.13 179	0.14 146	0.14 225	0.08 131	0.13 289	0.05 5	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-3K	0.08 85	0.07 239	0.10 189	0.16 222	0.07 134	0.09 139	0.12 100	0.15 188	0.14 225	0.08 131	0.11 248	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-50K	0.08 85	0.06 117	0.17 508	0.15 124	0.06 28	0.06 14	0.13 179	0.13 115	0.13 192	0.07 75	0.07 65	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 85	0.05 43	0.12 300	0.15 124	0.06 28	0.10 202	0.14 246	0.12 85	0.12 149	0.07 75	0.09 161	0.06 42	0.06 66	0.10 124	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

DepthFocus	0.08 85	0.04 1	0.15 441	0.12 7	0.09 355	0.07 43	0.12 100	0.10 35	0.05 4	0.09 183	0.05 7	0.07 124	0.04 1	0.08 25	0.08 25	0.06 168	0.05 276	0.07 312	0.07 393	0.05 170	0.04 73

gcap_with_dpt	0.08 85	0.06 117	0.09 123	0.16 222	0.07 134	0.09 139	0.12 100	0.13 115	0.13 192	0.08 131	0.12 270	0.04 1	0.06 66	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

Pro-Stereo	0.07 7	0.05 43	0.08 57	0.15 124	0.07 134	0.08 85	0.12 100	0.07 7	0.07 15	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

VIP-Stereo	0.07 7	0.07 239	0.07 11	0.15 124	0.06 28	0.12 310	0.10 35	0.11 58	0.11 110	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.03 1	0.02 1

GEAStereo	0.08 85	0.05 43	0.08 57	0.13 22	0.08 220	0.08 85	0.14 246	0.10 35	0.09 52	0.08 131	0.10 197	0.06 42	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

BridgeDepth	0.07 7	0.07 239	0.08 57	0.18 402	0.06 28	0.07 43	0.11 64	0.09 21	0.06 6	0.04 1	0.07 65	0.10 260	0.09 270	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
GSStereo	0.08 85	0.05 43	0.08 57	0.13 22	0.08 220	0.08 85	0.14 246	0.11 58	0.12 149	0.08 131	0.10 197	0.05 5	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

GS-Stereo							0.14 246	0.11 58	0.12 149	0.08 131	0.10 197	0.05 5	0.05 14	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

gasm-f	0.08 85	0.05 43	0.07 11	0.13 22	0.08 220	0.08 85	0.14 246	0.10 35	0.09 52	0.08 131	0.10 197	0.06 42	0.05 14	0.10 124	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.06 293	0.05 207

Zero-FE251	0.07 7	0.05 43	0.09 123	0.13 22	0.06 28	0.12 310	0.12 100	0.11 58	0.10 77	0.07 75	0.08 125	0.06 42	0.06 66	0.09 59	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

GASTEREO	0.08 85	0.05 43	0.09 123	0.19 472	0.07 134	0.07 43	0.12 100	0.14 146	0.11 110	0.10 230	0.09 161	0.07 124	0.04 1	0.12 295	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.04 48	0.05 207

MSCF	0.08 85	0.05 43	0.08 57	0.19 472	0.08 220	0.06 14	0.12 100	0.14 146	0.11 110	0.10 230	0.09 161	0.07 124	0.04 1	0.11 199	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 207

water-stereo	0.09 176	0.06 117	0.08 57	0.16 222	0.07 134	0.09 139	0.13 179	0.15 188	0.13 192	0.11 266	0.12 270	0.08 186	0.09 270	0.07 4	0.08 25	0.06 168	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

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

LG-Stereo_L2	0.07 7	0.05 43	0.10 189	0.14 70	0.06 28	0.07 43	0.12 100	0.09 21	0.09 52	0.06 25	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

LG-G_1	0.07 7	0.04 1	0.11 252	0.15 124	0.06 28	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 180	0.11 199	0.08 25	0.07 343	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

LG-G	0.07 7	0.04 1	0.11 252	0.15 124	0.06 28	0.09 139	0.08 7	0.08 12	0.06 6	0.06 25	0.05 7	0.07 124	0.07 180	0.11 199	0.08 25	0.07 343	0.04 25	0.05 50	0.04 60	0.05 170	0.05 207

SGD-Stereo	0.08 85	0.05 43	0.10 189	0.14 70	0.05 2	0.12 310	0.12 100	0.11 58	0.12 149	0.07 75	0.09 161	0.09 223	0.09 270	0.08 25	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.03 2

MM-Stereo_test3	0.10 246	0.07 239	0.07 11	0.18 402	0.07 134	0.12 310	0.19 536	0.24 445	0.19 373	0.06 25	0.10 197	0.08 186	0.06 66	0.11 199	0.08 25	0.06 168	0.06 430	0.07 312	0.05 192	0.05 170	0.04 73

HART	0.08 85	0.07 239	0.09 123	0.17 309	0.07 134	0.10 202	0.16 405	0.13 115	0.11 110	0.08 131	0.10 197	0.07 124	0.05 14	0.10 124	0.08 25	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.04 73

Reg-Stereo(zero)	0.08 85	0.05 43	0.08 57	0.16 222	0.06 28	0.12 310	0.11 64	0.15 188	0.10 77	0.12 309	0.09 161	0.10 260	0.08 229	0.11 199	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

fast-iter	0.11 299	0.06 117	0.11 252	0.13 22	0.09 355	0.09 139	0.14 246	0.21 372	0.10 77	0.19 492	0.17 363	0.14 368	0.09 270	0.16 447	0.08 25	0.05 51	0.04 25	0.07 312	0.08 467	0.07 381	0.06 310

CoSv	0.11 299	0.06 117	0.11 252	0.13 22	0.09 355	0.09 139	0.14 246	0.21 372	0.10 77	0.19 492	0.17 363	0.14 368	0.09 270	0.16 447	0.08 25	0.05 51	0.04 25	0.07 312	0.08 467	0.07 381	0.06 310

SCV	0.08 85	0.09 440	0.08 57	0.15 124	0.08 220	0.10 202	0.13 179	0.10 35	0.12 149	0.07 75	0.07 65	0.06 42	0.04 1	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.04 60	0.06 293	0.04 73

StereoAnything_RVC	0.07 7	0.15 598	0.17 508	0.11 1	0.05 2	0.05 4	0.11 64	0.08 12	0.08 25	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.08 426	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

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

AIO-test2	0.10 246	0.08 358	0.10 189	0.23 613	0.08 220	0.11 256	0.10 35	0.23 421	0.23 439	0.08 131	0.09 161	0.08 186	0.05 14	0.10 124	0.08 25	0.06 168	0.05 276	0.08 406	0.09 514	0.05 170	0.05 207

castereo++	0.08 85	0.05 43	0.08 57	0.15 124	0.05 2	0.14 403	0.12 100	0.11 58	0.15 252	0.07 75	0.07 65	0.07 124	0.06 66	0.08 25	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

IGEV-RUCA	0.08 85	0.06 117	0.11 252	0.14 70	0.09 355	0.10 202	0.12 100	0.10 35	0.12 149	0.06 25	0.07 65	0.07 124	0.06 66	0.09 59	0.08 25	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.06 310

PAM_32	0.09 176	0.05 43	0.17 508	0.15 124	0.08 220	0.10 202	0.15 334	0.14 146	0.15 252	0.09 183	0.08 125	0.09 223	0.07 180	0.14 385	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.06 310

PAM	0.10 246	0.05 43	0.16 477	0.15 124	0.08 220	0.09 139	0.16 405	0.15 188	0.16 291	0.12 309	0.09 161	0.09 223	0.07 180	0.13 351	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.06 310

WCG-NET	0.08 85	0.05 43	0.09 123	0.15 124	0.06 28	0.11 256	0.14 246	0.13 115	0.13 192	0.06 25	0.09 161	0.07 124	0.06 66	0.13 351	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

GCAP-BAT	0.09 176	0.05 43	0.11 252	0.13 22	0.07 134	0.11 256	0.14 246	0.14 146	0.16 291	0.07 75	0.10 197	0.08 186	0.06 66	0.13 351	0.08 25	0.07 343	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

RAStereo	0.10 246	0.09 440	0.08 57	0.20 539	0.08 220	0.13 366	0.18 496	0.15 188	0.17 321	0.10 230	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.07 343	0.05 276	0.07 312	0.05 192	0.05 170	0.04 73

AIO-Stereo-zeroshot1	0.11 299	0.05 43	0.14 392	0.15 124	0.20 658	0.09 139	0.17 447	0.21 372	0.15 252	0.11 266	0.14 305	0.10 260	0.07 180	0.10 124	0.08 25	0.06 168	0.05 276	0.07 312	0.07 393	0.07 381	0.09 517

U	0.08 85	0.07 239	0.09 123	0.19 472	0.10 469	0.10 202	0.13 179	0.12 85	0.17 321	0.07 75	0.07 65	0.06 42	0.05 14	0.07 4	0.08 25	0.06 168	0.04 25	0.06 200	0.04 60	0.06 293	0.05 207

IGEV-Stereo+	0.07 7	0.04 1	0.08 57	0.15 124	0.06 28	0.04 1	0.09 20	0.10 35	0.09 52	0.06 25	0.06 23	0.06 42	0.06 66	0.06 1	0.08 25	0.06 168	0.04 25	0.05 50	0.04 60	0.06 293	0.06 310

AIO-Stereo	0.08 85	0.06 117	0.09 123	0.18 402	0.06 28	0.08 85	0.12 100	0.15 188	0.09 52	0.08 131	0.08 125	0.07 124	0.05 14	0.11 199	0.08 25	0.05 51	0.05 276	0.05 50	0.04 60	0.04 48	0.04 73

WCG-NET（raft）	0.08 85	0.05 43	0.10 189	0.15 124	0.06 28	0.11 256	0.13 179	0.15 188	0.12 149	0.08 131	0.07 65	0.06 42	0.06 66	0.13 351	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

gcap-zeroshot	0.08 85	0.06 117	0.10 189	0.15 124	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

test_for_model	0.08 85	0.06 117	0.10 189	0.16 222	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

MoCha-V2	0.08 85	0.05 43	0.10 189	0.20 539	0.07 134	0.09 139	0.14 246	0.11 58	0.08 25	0.07 75	0.08 125	0.07 124	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

IGEVStereo-DCA	0.09 176	0.06 117	0.11 252	0.15 124	0.10 469	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.08 25	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

rrr	0.09 176	0.06 117	0.12 300	0.15 124	0.10 469	0.11 256	0.16 405	0.16 228	0.15 252	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.08 25	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

MIM_Stereo	0.09 176	0.07 239	0.11 252	0.15 124	0.07 134	0.06 14	0.12 100	0.20 345	0.14 225	0.13 343	0.13 289	0.09 223	0.05 14	0.12 295	0.08 25	0.05 51	0.06 430	0.07 312	0.06 293	0.06 293	0.05 207

testlalala	0.08 85	0.06 117	0.10 189	0.15 124	0.07 134	0.11 256	0.12 100	0.15 188	0.15 252	0.08 131	0.12 270	0.05 5	0.06 66	0.09 59	0.08 25	0.05 51	0.04 25	0.06 200	0.05 192	0.03 1	0.04 73

GCAPDPT-zeroshot	0.09 176	0.05 43	0.11 252	0.13 22	0.07 134	0.11 256	0.14 246	0.14 146	0.16 291	0.07 75	0.10 197	0.08 186	0.06 66	0.13 351	0.08 25	0.07 343	0.05 276	0.05 50	0.05 192	0.04 48	0.04 73

CAS	0.08 85	0.04 1	0.07 11	0.17 309	0.08 220	0.10 202	0.13 179	0.12 85	0.09 52	0.09 183	0.10 197	0.08 186	0.06 66	0.09 59	0.08 25	0.08 426	0.04 25	0.05 50	0.03 1	0.05 170	0.04 73

CES	0.08 85	0.04 1	0.08 57	0.14 70	0.07 134	0.09 139	0.14 246	0.11 58	0.09 52	0.08 131	0.09 161	0.11 291	0.06 66	0.12 295	0.08 25	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 207

CroCo-Stereo Lap2	0.09 176	0.09 440	0.08 57	0.22 589	0.09 355	0.09 139	0.19 536	0.16 228	0.12 149	0.09 183	0.10 197	0.05 5	0.05 14	0.08 25	0.08 25	0.06 168	0.06 430	0.07 312	0.05 192	0.05 170	0.05 207

TRStereo	0.09 176	0.05 43	0.12 300	0.15 124	0.12 554	0.10 202	0.13 179	0.18 302	0.18 354	0.09 183	0.09 161	0.09 223	0.06 66	0.10 124	0.08 25	0.07 343	0.05 276	0.07 312	0.07 393	0.04 48	0.04 73

XX-Stereo	0.09 176	0.05 43	0.08 57	0.17 309	0.09 355	0.15 430	0.12 100	0.20 345	0.10 77	0.10 230	0.14 305	0.07 124	0.06 66	0.12 295	0.08 25	0.06 168	0.05 276	0.06 200	0.06 293	0.04 48	0.04 73

mm2	0.07 7	0.04 1	0.10 189	0.13 22	0.06 28	0.06 14	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

mm1	0.07 7	0.04 1	0.10 189	0.13 22	0.06 28	0.06 14	0.12 100	0.06 1	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

qqai	0.07 7	0.05 43	0.10 189	0.14 70	0.06 28	0.05 4	0.12 100	0.08 12	0.09 52	0.05 2	0.06 23	0.06 42	0.08 229	0.10 124	0.09 104	0.06 168	0.05 276	0.05 50	0.03 1	0.04 48	0.05 207

quiztm	0.08 85	0.07 239	0.08 57	0.18 402	0.07 134	0.09 139	0.14 246	0.14 146	0.12 149	0.07 75	0.07 65	0.05 5	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.04 60	0.04 48	0.03 2

MGA	0.07 7	0.04 1	0.10 189	0.13 22	0.06 28	0.08 85	0.09 20	0.12 85	0.08 25	0.05 2	0.06 23	0.06 42	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 207

CAR	0.07 7	0.05 43	0.08 57	0.14 70	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

MSE-Stereo	0.07 7	0.04 1	0.08 57	0.13 22	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

monster-pro	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.07 43	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 117	0.07 11	0.15 124	0.07 134	0.08 85	0.14 246	0.11 58	0.08 25	0.05 2	0.07 65	0.08 186	0.08 229	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

DF	0.08 85	0.05 43	0.09 123	0.15 124	0.06 28	0.11 256	0.13 179	0.10 35	0.12 149	0.09 183	0.10 197	0.10 260	0.08 229	0.11 199	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

DN	0.10 246	0.05 43	0.09 123	0.14 70	0.09 355	0.12 310	0.18 496	0.17 267	0.16 291	0.08 131	0.09 161	0.08 186	0.06 66	0.08 25	0.09 104	0.11 563	0.05 276	0.07 312	0.06 293	0.07 381	0.09 517

aanet-new-34k	0.08 85	0.06 117	0.09 123	0.17 309	0.05 2	0.07 43	0.13 179	0.12 85	0.12 149	0.09 183	0.08 125	0.07 124	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

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

GCAP-Stereo-DPT-25K	0.08 85	0.06 117	0.07 11	0.16 222	0.06 28	0.06 14	0.14 246	0.14 146	0.14 225	0.07 75	0.10 197	0.06 42	0.05 14	0.09 59	0.09 104	0.04 11	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 123	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.05 7	0.08 186	0.05 14	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

PSi22b	0.06 1	0.04 1	0.09 123	0.13 22	0.05 2	0.08 85	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.08 186	0.05 14	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

PSi22a	0.06 1	0.04 1	0.09 123	0.12 7	0.05 2	0.06 14	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.06 42	0.05 14	0.08 25	0.09 104	0.07 343	0.04 25	0.04 1	0.03 1	0.05 170	0.04 73

PSi22	0.08 85	0.06 117	0.11 252	0.16 222	0.07 134	0.08 85	0.10 35	0.14 146	0.08 25	0.08 131	0.06 23	0.10 260	0.06 66	0.12 295	0.09 104	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

Foundation-i1b	0.08 85	0.05 43	0.07 11	0.14 70	0.05 2	0.09 139	0.12 100	0.13 115	0.10 77	0.09 183	0.10 197	0.09 223	0.06 66	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Foundation-i1a	0.08 85	0.05 43	0.07 11	0.13 22	0.05 2	0.13 366	0.13 179	0.12 85	0.09 52	0.11 266	0.11 248	0.11 291	0.06 66	0.08 25	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

Foundation-i32	0.06 1	0.04 1	0.09 123	0.13 22	0.04 1	0.06 14	0.12 100	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

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

LACA1	0.07 7	0.07 239	0.07 11	0.14 70	0.05 2	0.09 139	0.11 64	0.10 35	0.07 15	0.05 2	0.05 7	0.06 42	0.07 180	0.08 25	0.09 104	0.06 168	0.04 25	0.04 1	0.04 60	0.03 1	0.04 73

Hybrid-DGEV-2	0.11 299	0.06 117	0.12 300	0.18 402	0.09 355	0.09 139	0.13 179	0.28 523	0.29 524	0.11 266	0.11 248	0.09 223	0.12 384	0.12 295	0.09 104	0.06 168	0.05 276	0.07 312	0.07 393	0.05 170	0.05 207

DispViT+	0.08 85	0.05 43	0.09 123	0.13 22	0.06 28	0.05 4	0.11 64	0.18 302	0.16 291	0.09 183	0.08 125	0.07 124	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

BLMT-Stereo	0.07 7	0.04 1	0.08 57	0.15 124	0.07 134	0.06 14	0.14 246	0.07 7	0.10 77	0.05 2	0.05 7	0.04 1	0.06 66	0.07 4	0.09 104	0.04 11	0.04 25	0.05 50	0.05 192	0.04 48	0.04 73

MatchStereo	0.07 7	0.04 1	0.08 57	0.14 70	0.06 28	0.05 4	0.12 100	0.12 85	0.09 52	0.07 75	0.06 23	0.04 1	0.04 1	0.08 25	0.09 104	0.06 168	0.05 276	0.05 50	0.03 1	0.04 48	0.04 73
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
WQFJX1	0.10 246	0.07 239	0.08 57	0.22 589	0.09 355	0.12 310	0.17 447	0.18 302	0.17 321	0.10 230	0.09 161	0.07 124	0.10 314	0.11 199	0.09 104	0.07 343	0.08 535	0.07 312	0.06 293	0.05 170	0.04 73

CSFM-Stereo	0.07 7	0.05 43	0.07 11	0.14 70	0.06 28	0.09 139	0.13 179	0.15 188	0.06 6	0.07 75	0.08 125	0.06 42	0.08 229	0.09 59	0.09 104	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

FE-Mocha	0.09 176	0.06 117	0.14 392	0.16 222	0.09 355	0.10 202	0.15 334	0.18 302	0.16 291	0.10 230	0.09 161	0.07 124	0.07 180	0.09 59	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

DLNR-FE	10.43 724	1.83 715	19.53 740	120.75 744	13.06 731	0.06 14	0.13 179	0.23 421	0.10 77	0.07 75	0.10 197	0.09 223	0.06 66	0.10 124	0.09 104	0.13 614	0.04 25	0.06 200	0.04 60	52.01 746	0.04 73

Select-FE	0.11 299	0.06 117	0.20 556	0.15 124	0.11 520	0.11 256	0.13 179	0.21 372	0.18 354	0.09 183	0.11 248	0.10 260	0.06 66	0.12 295	0.09 104	0.07 343	0.05 276	0.07 312	0.08 467	0.06 293	0.08 471

IGEV-FE	0.09 176	0.05 43	0.12 300	0.13 22	0.08 220	0.12 310	0.13 179	0.17 267	0.11 110	0.10 230	0.06 23	0.09 223	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

MonStereo	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.08 85	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

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

Monster-pub-eth3d	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.08 85	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 123	0.13 22	0.06 28	0.05 4	0.09 20	0.11 58	0.07 15	0.06 25	0.06 23	0.05 5	0.06 66	0.09 59	0.09 104	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.05 207

S2M2_XL	0.08 85	0.06 117	0.12 300	0.12 7	0.08 220	0.09 139	0.09 20	0.07 7	0.07 15	0.08 131	0.07 65	0.07 124	0.06 66	0.09 59	0.09 104	0.08 426	0.06 430	0.07 312	0.05 192	0.08 450	0.06 310
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
asd	0.07 7	0.08 358	0.07 11	0.16 222	0.07 134	0.08 85	0.08 7	0.11 58	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.09 104	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

qwe	0.07 7	0.08 358	0.07 11	0.15 124	0.06 28	0.07 43	0.10 35	0.18 302	0.11 110	0.07 75	0.07 65	0.06 42	0.06 66	0.10 124	0.09 104	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

depthmonostereo	0.09 176	0.06 117	0.09 123	0.15 124	0.06 28	0.10 202	0.13 179	0.14 146	0.14 225	0.10 230	0.10 197	0.09 223	0.11 351	0.08 25	0.09 104	0.06 168	0.05 276	0.06 200	0.04 60	0.04 48	0.03 2

2.5w	0.07 7	0.07 239	0.07 11	0.16 222	0.06 28	0.08 85	0.12 100	0.10 35	0.10 77	0.07 75	0.06 23	0.09 223	0.06 66	0.08 25	0.09 104	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

3.25w_new	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.07 3	0.12 85	0.11 110	0.08 131	0.06 23	0.07 124	0.06 66	0.11 199	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 117	0.07 11	0.15 124	0.06 28	0.10 202	0.07 3	0.12 85	0.11 110	0.08 131	0.06 23	0.07 124	0.06 66	0.11 199	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 239	0.07 11	0.15 124	0.07 134	0.09 139	0.06 1	0.13 115	0.11 110	0.07 75	0.07 65	0.06 42	0.07 180	0.10 124	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3w_stereo	0.08 85	0.09 440	0.10 189	0.17 309	0.07 134	0.08 85	0.10 35	0.20 345	0.13 192	0.06 25	0.07 65	0.05 5	0.06 66	0.08 25	0.09 104	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 85	0.08 358	0.09 123	0.16 222	0.06 28	0.08 85	0.10 35	0.20 345	0.15 252	0.08 131	0.07 65	0.06 42	0.06 66	0.06 1	0.09 104	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 117	0.07 11	0.16 222	0.06 28	0.07 43	0.10 35	0.14 146	0.14 225	0.07 75	0.08 125	0.05 5	0.06 66	0.09 59	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 73

monsterstereo	0.07 7	0.06 117	0.06 5	0.16 222	0.06 28	0.08 85	0.10 35	0.16 228	0.11 110	0.07 75	0.08 125	0.06 42	0.07 180	0.08 25	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 57	0.13 22	0.06 28	0.09 139	0.12 100	0.14 146	0.10 77	0.06 25	0.09 161	0.07 124	0.05 14	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

111111	0.07 7	0.04 1	0.09 123	0.17 309	0.06 28	0.05 4	0.10 35	0.11 58	0.09 52	0.06 25	0.06 23	0.07 124	0.05 14	0.09 59	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.07 381	0.06 310

MLG-Stereo_test2	0.06 1	0.04 1	0.10 189	0.15 124	0.05 2	0.07 43	0.11 64	0.09 21	0.04 2	0.06 25	0.05 7	0.06 42	0.04 1	0.08 25	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.05 170	0.05 207

MLG-Stereo_test1	0.06 1	0.05 43	0.08 57	0.17 309	0.05 2	0.06 14	0.11 64	0.08 12	0.03 1	0.05 2	0.04 1	0.06 42	0.05 14	0.09 59	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

MLG-Stereo	0.07 7	0.05 43	0.08 57	0.17 309	0.05 2	0.07 43	0.11 64	0.08 12	0.04 2	0.05 2	0.04 1	0.06 42	0.05 14	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

LGtest1	0.07 7	0.04 1	0.10 189	0.15 124	0.06 28	0.07 43	0.09 20	0.08 12	0.06 6	0.05 2	0.04 1	0.06 42	0.06 66	0.10 124	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.06 293	0.06 310

LG-Stereo_Zeroshot	0.07 7	0.06 117	0.10 189	0.16 222	0.07 134	0.04 1	0.13 179	0.10 35	0.10 77	0.05 2	0.11 248	0.07 124	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

LG-Stereo	0.08 85	0.07 239	0.10 189	0.18 402	0.07 134	0.10 202	0.17 447	0.11 58	0.08 25	0.05 2	0.07 65	0.05 5	0.07 180	0.09 59	0.09 104	0.04 11	0.05 276	0.07 312	0.07 393	0.04 48	0.04 73

MM-Stereo_test2	0.09 176	0.06 117	0.09 123	0.19 472	0.08 220	0.12 310	0.18 496	0.15 188	0.14 225	0.07 75	0.10 197	0.07 124	0.06 66	0.12 295	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.03 2

DEFOM-Stereo_RVC	0.08 85	0.06 117	0.09 123	0.22 589	0.06 28	0.08 85	0.12 100	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.05 14	0.11 199	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.06 293	0.04 73

HUF	0.08 85	0.05 43	0.08 57	0.14 70	0.06 28	0.09 139	0.13 179	0.13 115	0.13 192	0.07 75	0.07 65	0.08 186	0.06 66	0.10 124	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

AIO-test1	0.10 246	0.07 239	0.10 189	0.23 613	0.07 134	0.09 139	0.13 179	0.21 372	0.14 225	0.11 266	0.12 270	0.09 223	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.09 492	0.10 556	0.03 1	0.06 310

MonSter	0.07 7	0.06 117	0.05 1	0.15 124	0.05 2	0.07 43	0.10 35	0.15 188	0.15 252	0.05 2	0.06 23	0.05 5	0.06 66	0.07 4	0.09 104	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 43	0.07 11	0.14 70	0.06 28	0.10 202	0.13 179	0.07 7	0.13 192	0.06 25	0.07 65	0.06 42	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

dual_stereo	0.07 7	0.04 1	0.08 57	0.15 124	0.05 2	0.05 4	0.13 179	0.12 85	0.08 25	0.07 75	0.06 23	0.05 5	0.05 14	0.07 4	0.09 104	0.06 168	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

UGAM-zero	0.09 176	0.05 43	0.15 441	0.15 124	0.08 220	0.09 139	0.13 179	0.19 333	0.15 252	0.11 266	0.15 326	0.07 124	0.07 180	0.09 59	0.09 104	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

rvit_stereo_0081_aga	0.11 299	0.09 440	0.14 392	0.18 402	0.09 355	0.13 366	0.14 246	0.14 146	0.19 373	0.10 230	0.18 391	0.16 412	0.09 270	0.12 295	0.09 104	0.10 531	0.06 430	0.08 406	0.07 393	0.07 381	0.06 310

IGEV-Stereo++	0.07 7	0.06 117	0.08 57	0.18 402	0.06 28	0.04 1	0.10 35	0.11 58	0.11 110	0.06 25	0.07 65	0.07 124	0.06 66	0.09 59	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

Pointernet	0.09 176	0.04 1	0.09 123	0.16 222	0.08 220	0.13 366	0.10 35	0.15 188	0.17 321	0.09 183	0.07 65	0.06 42	0.06 66	0.11 199	0.09 104	0.08 426	0.04 25	0.05 50	0.03 1	0.06 293	0.05 207

AIO-Stereo-zeroshot	0.11 299	0.05 43	0.11 252	0.15 124	0.13 577	0.13 366	0.16 405	0.23 421	0.17 321	0.10 230	0.12 270	0.10 260	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.06 200	0.06 293	0.07 381	0.08 471

RSM++	0.08 85	0.06 117	0.09 123	0.17 309	0.07 134	0.09 139	0.12 100	0.11 58	0.11 110	0.08 131	0.06 23	0.07 124	0.05 14	0.10 124	0.09 104	0.04 11	0.04 25	0.06 200	0.05 192	0.05 170	0.03 2

RSM	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.08 85	0.12 100	0.12 85	0.10 77	0.08 131	0.07 65	0.06 42	0.05 14	0.11 199	0.09 104	0.04 11	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

CAS++	0.11 299	0.07 239	0.11 252	0.14 70	0.09 355	0.12 310	0.14 246	0.24 445	0.14 225	0.11 266	0.09 161	0.11 291	0.07 180	0.14 385	0.09 104	0.11 563	0.09 568	0.09 492	0.07 393	0.07 381	0.08 471
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.09 176	0.07 239	0.12 300	0.15 124	0.08 220	0.09 139	0.15 334	0.12 85	0.12 149	0.07 75	0.10 197	0.08 186	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.06 293	0.05 207

IGEV++	0.08 85	0.06 117	0.08 57	0.18 402	0.07 134	0.09 139	0.13 179	0.10 35	0.09 52	0.08 131	0.08 125	0.06 42	0.06 66	0.13 351	0.09 104	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

MyStereo07	0.10 246	0.07 239	0.10 189	0.17 309	0.09 355	0.14 403	0.18 496	0.15 188	0.15 252	0.09 183	0.06 23	0.06 42	0.07 180	0.12 295	0.09 104	0.06 168	0.05 276	0.08 406	0.07 393	0.06 293	0.06 310

MyStereo06	0.10 246	0.07 239	0.12 300	0.17 309	0.09 355	0.13 366	0.18 496	0.19 333	0.12 149	0.12 309	0.08 125	0.07 124	0.07 180	0.11 199	0.09 104	0.06 168	0.05 276	0.07 312	0.07 393	0.06 293	0.06 310

ff7	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

ffff	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

11t	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

IGEV_Zeroshot_test	0.09 176	0.05 43	0.12 300	0.13 22	0.08 220	0.12 310	0.13 179	0.17 267	0.11 110	0.10 230	0.06 23	0.09 223	0.06 66	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

UniTT-Stereo	0.09 176	0.07 239	0.08 57	0.18 402	0.08 220	0.13 366	0.11 64	0.12 85	0.11 110	0.10 230	0.12 270	0.05 5	0.07 180	0.09 59	0.09 104	0.07 343	0.05 276	0.05 50	0.05 192	0.05 170	0.05 207

DLNR_Zeroshot_test	10.40 723	1.82 714	19.49 739	120.77 745	13.11 732	0.06 14	0.13 179	0.23 421	0.10 77	0.07 75	0.10 197	0.09 223	0.06 66	0.10 124	0.09 104	0.13 614	0.04 25	0.06 200	0.04 60	51.54 745	0.04 73

AEACV	0.08 85	0.05 43	0.08 57	0.14 70	0.13 577	0.14 403	0.13 179	0.14 146	0.09 52	0.07 75	0.09 161	0.07 124	0.08 229	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

Any-RAFT	0.10 246	0.05 43	0.09 123	0.14 70	0.07 134	0.13 366	0.14 246	0.21 372	0.15 252	0.11 266	0.12 270	0.12 313	0.09 270	0.12 295	0.09 104	0.07 343	0.04 25	0.05 50	0.04 60	0.06 293	0.05 207

RAFT-Test	0.09 176	0.06 117	0.10 189	0.15 124	0.07 134	0.11 256	0.15 334	0.16 228	0.13 192	0.09 183	0.10 197	0.10 260	0.09 270	0.12 295	0.09 104	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

HH	0.09 176	0.06 117	0.13 353	0.17 309	0.08 220	0.10 202	0.16 405	0.14 146	0.10 77	0.08 131	0.09 161	0.08 186	0.07 180	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

HanStereo	0.09 176	0.06 117	0.13 353	0.17 309	0.08 220	0.10 202	0.16 405	0.14 146	0.10 77	0.08 131	0.09 161	0.08 186	0.07 180	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

4D-IteraStereo	0.09 176	0.07 239	0.10 189	0.18 402	0.07 134	0.09 139	0.15 334	0.17 267	0.15 252	0.10 230	0.11 248	0.10 260	0.07 180	0.11 199	0.09 104	0.05 51	0.03 1	0.08 406	0.07 393	0.06 293	0.05 207

LoS_RVC	0.08 85	0.05 43	0.07 11	0.15 124	0.07 134	0.08 85	0.15 334	0.11 58	0.10 77	0.08 131	0.09 161	0.06 42	0.09 270	0.10 124	0.09 104	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.03 2

anonymousdsp	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.09 183	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

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

ProNet	0.09 176	0.07 239	0.10 189	0.17 309	0.08 220	0.10 202	0.15 334	0.15 188	0.12 149	0.09 183	0.06 23	0.07 124	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.06 310

ccc-4	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.10 230	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

RAFT_CTSACE	0.12 377	0.09 440	0.10 189	0.22 589	0.08 220	0.12 310	0.24 615	0.18 302	0.16 291	0.20 515	0.27 526	0.13 346	0.07 180	0.13 351	0.09 104	0.05 51	0.06 430	0.08 406	0.07 393	0.04 48	0.04 73

IGEV-Stereo	0.09 176	0.07 239	0.11 252	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.12 149	0.09 183	0.06 23	0.06 42	0.06 66	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 176	0.05 43	0.13 353	0.14 70	0.08 220	0.12 310	0.15 334	0.18 302	0.10 77	0.11 266	0.08 125	0.08 186	0.05 14	0.10 124	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.05 207

RAFT	0.13 404	0.09 440	0.11 252	0.18 402	0.08 220	0.15 430	0.24 615	0.20 345	0.19 373	0.21 530	0.21 438	0.17 434	0.12 384	0.16 447	0.09 104	0.06 168	0.07 503	0.10 541	0.09 514	0.05 170	0.05 207

test-1	0.10 246	0.07 239	0.16 477	0.19 472	0.08 220	0.11 256	0.24 615	0.14 146	0.18 354	0.09 183	0.07 65	0.09 223	0.08 229	0.07 4	0.09 104	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

TANstereo	0.09 176	0.04 1	0.08 57	0.13 22	0.06 28	0.11 256	0.14 246	0.15 188	0.19 373	0.11 266	0.15 326	0.10 260	0.06 66	0.12 295	0.09 104	0.07 343	0.05 276	0.05 50	0.04 60	0.06 293	0.05 207

test_xeample3	0.09 176	0.06 117	0.12 300	0.16 222	0.09 355	0.11 256	0.15 334	0.16 228	0.13 192	0.10 230	0.06 23	0.08 186	0.06 66	0.10 124	0.09 104	0.05 51	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

RAFT-Stereo + iAFF	0.09 176	0.06 117	0.10 189	0.17 309	0.06 28	0.10 202	0.16 405	0.17 267	0.14 225	0.09 183	0.10 197	0.08 186	0.09 270	0.11 199	0.09 104	0.05 51	0.04 25	0.06 200	0.06 293	0.04 48	0.03 2

AFF-stereo	0.09 176	0.06 117	0.10 189	0.17 309	0.07 134	0.10 202	0.16 405	0.17 267	0.09 52	0.10 230	0.12 270	0.09 223	0.09 270	0.12 295	0.09 104	0.05 51	0.04 25	0.07 312	0.07 393	0.04 48	0.03 2

CFNet-RSSM	0.09 176	0.07 239	0.09 123	0.16 222	0.07 134	0.09 139	0.15 334	0.16 228	0.17 321	0.08 131	0.12 270	0.10 260	0.09 270	0.11 199	0.09 104	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

Gwc-CoAtRS	0.09 176	0.06 117	0.10 189	0.16 222	0.07 134	0.10 202	0.14 246	0.17 267	0.17 321	0.08 131	0.10 197	0.12 313	0.09 270	0.12 295	0.09 104	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

SE	0.10 246	0.10 503	0.08 57	0.19 472	0.09 355	0.11 256	0.11 64	0.15 188	0.11 110	0.10 230	0.16 339	0.09 223	0.08 229	0.09 59	0.10 208	0.06 168	0.05 276	0.08 406	0.07 393	0.07 381	0.04 73

Anonymus	0.08 85	0.05 43	0.10 189	0.15 124	0.08 220	0.10 202	0.15 334	0.15 188	0.10 77	0.07 75	0.06 23	0.07 124	0.08 229	0.12 295	0.10 208	0.06 168	0.04 25	0.05 50	0.05 192	0.05 170	0.06 310

derf	0.07 7	0.04 1	0.10 189	0.14 70	0.06 28	0.05 4	0.12 100	0.12 85	0.09 52	0.05 2	0.07 65	0.07 124	0.08 229	0.10 124	0.10 208	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

LiteMatch*	0.08 85	0.04 1	0.11 252	0.13 22	0.08 220	0.08 85	0.13 179	0.14 146	0.09 52	0.05 2	0.05 7	0.05 5	0.09 270	0.11 199	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 207

RT-Monster	0.09 176	0.05 43	0.09 123	0.14 70	0.08 220	0.11 256	0.10 35	0.17 267	0.18 354	0.13 343	0.10 197	0.09 223	0.08 229	0.10 124	0.10 208	0.07 343	0.05 276	0.05 50	0.04 60	0.05 170	0.06 310

Foundation-i1c-attn	0.08 85	0.05 43	0.07 11	0.14 70	0.05 2	0.09 139	0.12 100	0.12 85	0.10 77	0.09 183	0.10 197	0.10 260	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.03 1	0.03 2

Selective-IGEV-i16pc	0.13 404	0.06 117	0.13 353	0.15 124	0.11 520	0.38 662	0.16 405	0.23 421	0.16 291	0.10 230	0.15 326	0.09 223	0.06 66	0.13 351	0.10 208	0.10 531	0.08 535	0.06 200	0.07 393	0.09 515	0.09 517

Foundation-i1	0.09 176	0.04 1	0.10 189	0.14 70	0.06 28	0.10 202	0.13 179	0.16 228	0.14 225	0.10 230	0.10 197	0.11 291	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.05 192	0.05 170	0.05 207

Test_v1	0.07 7	0.04 1	0.06 5	0.13 22	0.06 28	0.08 85	0.11 64	0.15 188	0.12 149	0.06 25	0.05 7	0.04 1	0.05 14	0.08 25	0.10 208	0.07 343	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

VMStereo-Base	0.09 176	0.05 43	0.10 189	0.13 22	0.07 134	0.10 202	0.10 35	0.16 228	0.13 192	0.10 230	0.15 326	0.10 260	0.09 270	0.11 199	0.10 208	0.07 343	0.05 276	0.05 50	0.04 60	0.05 170	0.06 310

WQFJA1++	0.08 85	0.04 1	0.11 252	0.14 70	0.07 134	0.11 256	0.11 64	0.11 58	0.07 15	0.07 75	0.07 65	0.07 124	0.06 66	0.10 124	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.06 293	0.06 310

BridgeDepth_RVC	0.07 7	0.04 1	0.09 123	0.11 1	0.05 2	0.10 202	0.10 35	0.14 146	0.09 52	0.06 25	0.07 65	0.06 42	0.07 180	0.07 4	0.10 208	0.06 168	0.04 25	0.04 1	0.04 60	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
WQFJX	0.10 246	0.07 239	0.09 123	0.21 572	0.09 355	0.12 310	0.16 405	0.18 302	0.17 321	0.12 309	0.10 197	0.07 124	0.09 270	0.12 295	0.10 208	0.06 168	0.07 503	0.06 200	0.05 192	0.06 293	0.05 207

LCMNet	0.08 85	0.05 43	0.10 189	0.13 22	0.07 134	0.09 139	0.12 100	0.10 35	0.11 110	0.06 25	0.08 125	0.06 42	0.07 180	0.11 199	0.10 208	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

NLCSM	0.11 299	0.09 440	0.09 123	0.23 613	0.11 520	0.12 310	0.19 536	0.18 302	0.18 354	0.12 309	0.11 248	0.07 124	0.09 270	0.11 199	0.10 208	0.07 343	0.08 535	0.07 312	0.07 393	0.06 293	0.05 207

DDF-Stereo	0.08 85	0.04 1	0.09 123	0.15 124	0.10 469	0.06 14	0.13 179	0.09 21	0.14 225	0.06 25	0.06 23	0.07 124	0.06 66	0.09 59	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.08 450	0.05 207

252Zero-FE	0.08 85	0.04 1	0.09 123	0.13 22	0.07 134	0.12 310	0.11 64	0.13 115	0.14 225	0.06 25	0.05 7	0.06 42	0.05 14	0.09 59	0.10 208	0.06 168	0.04 25	0.04 1	0.03 1	0.05 170	0.06 310

DA	0.08 85	0.07 239	0.07 11	0.19 472	0.08 220	0.09 139	0.12 100	0.13 115	0.12 149	0.08 131	0.10 197	0.10 260	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.03 2

Replicate-Monster	0.07 7	0.05 43	0.09 123	0.14 70	0.06 28	0.08 85	0.09 20	0.13 115	0.13 192	0.05 2	0.07 65	0.06 42	0.06 66	0.08 25	0.10 208	0.05 51	0.04 25	0.05 50	0.03 1	0.04 48	0.04 73

zero-FE	0.08 85	0.04 1	0.09 123	0.15 124	0.10 469	0.05 4	0.14 246	0.09 21	0.14 225	0.07 75	0.06 23	0.07 124	0.06 66	0.09 59	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.08 450	0.05 207

GGEV	0.08 85	0.07 239	0.07 11	0.19 472	0.08 220	0.09 139	0.12 100	0.13 115	0.12 149	0.08 131	0.10 197	0.10 260	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.06 200	0.04 60	0.05 170	0.03 2

AdaDepth	0.07 7	0.06 117	0.07 11	0.18 402	0.06 28	0.11 256	0.12 100	0.09 21	0.07 15	0.06 25	0.05 7	0.07 124	0.06 66	0.09 59	0.10 208	0.04 11	0.05 276	0.05 50	0.04 60	0.04 48	0.04 73

asda	0.07 7	0.08 358	0.08 57	0.16 222	0.06 28	0.06 14	0.10 35	0.16 228	0.10 77	0.06 25	0.06 23	0.05 5	0.05 14	0.10 124	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 176	0.05 43	0.08 57	0.15 124	0.06 28	0.11 256	0.12 100	0.14 146	0.16 291	0.11 266	0.11 248	0.09 223	0.09 270	0.11 199	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.03 1	0.03 2

2.25w	0.07 7	0.06 117	0.07 11	0.14 70	0.06 28	0.08 85	0.08 7	0.10 35	0.15 252	0.08 131	0.10 197	0.07 124	0.06 66	0.08 25	0.10 208	0.05 51	0.03 1	0.04 1	0.04 60	0.03 1	0.04 73

4.25_new	0.07 7	0.08 358	0.09 123	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 295	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 358	0.09 123	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 295	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 440	0.08 57	0.15 124	0.07 134	0.06 14	0.10 35	0.14 146	0.11 110	0.06 25	0.08 125	0.06 42	0.06 66	0.08 25	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 440	0.08 57	0.15 124	0.07 134	0.06 14	0.10 35	0.14 146	0.11 110	0.06 25	0.08 125	0.06 42	0.06 66	0.08 25	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 358	0.09 123	0.15 124	0.06 28	0.09 139	0.08 7	0.14 146	0.08 25	0.07 75	0.07 65	0.06 42	0.06 66	0.12 295	0.10 208	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 358	0.08 57	0.16 222	0.06 28	0.07 43	0.08 7	0.12 85	0.08 25	0.07 75	0.07 65	0.05 5	0.06 66	0.09 59	0.10 208	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

3.75w	0.07 7	0.07 239	0.08 57	0.16 222	0.07 134	0.07 43	0.09 20	0.16 228	0.09 52	0.07 75	0.06 23	0.05 5	0.06 66	0.09 59	0.10 208	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

MLG-Stereo_test3	0.07 7	0.05 43	0.10 189	0.14 70	0.06 28	0.07 43	0.11 64	0.08 12	0.06 6	0.06 25	0.04 1	0.06 42	0.06 66	0.07 4	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.06 310

MM-Stereo_test1	0.10 246	0.07 239	0.08 57	0.18 402	0.07 134	0.12 310	0.18 496	0.21 372	0.20 397	0.09 183	0.11 248	0.08 186	0.06 66	0.10 124	0.10 208	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

AIO_test	0.07 7	0.05 43	0.07 11	0.15 124	0.07 134	0.06 14	0.14 246	0.10 35	0.10 77	0.07 75	0.07 65	0.06 42	0.05 14	0.08 25	0.10 208	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

castereo	0.09 176	0.06 117	0.11 252	0.15 124	0.06 28	0.11 256	0.15 334	0.14 146	0.18 354	0.08 131	0.10 197	0.11 291	0.08 229	0.09 59	0.10 208	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.03 2

SMoEStereo_RVC	0.08 85	0.06 117	0.12 300	0.16 222	0.07 134	0.09 139	0.14 246	0.11 58	0.13 192	0.09 183	0.07 65	0.07 124	0.07 180	0.12 295	0.10 208	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

tt45	0.09 176	0.06 117	0.11 252	0.15 124	0.07 134	0.11 256	0.16 405	0.13 115	0.11 110	0.09 183	0.06 23	0.08 186	0.06 66	0.13 351	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.06 310

999	0.09 176	0.05 43	0.13 353	0.15 124	0.08 220	0.10 202	0.14 246	0.15 188	0.11 110	0.10 230	0.08 125	0.08 186	0.08 229	0.16 447	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.05 207

tg	0.10 246	0.06 117	0.10 189	0.18 402	0.08 220	0.11 256	0.16 405	0.20 345	0.12 149	0.08 131	0.11 248	0.11 291	0.07 180	0.11 199	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.04 48	0.04 73

model_zeroshot	0.10 246	0.04 1	0.11 252	0.15 124	0.09 355	0.12 310	0.14 246	0.20 345	0.13 192	0.11 266	0.10 197	0.12 313	0.07 180	0.12 295	0.10 208	0.07 343	0.06 430	0.06 200	0.05 192	0.06 293	0.06 310

Occ-G	0.08 85	0.05 43	0.06 5	0.14 70	0.07 134	0.08 85	0.14 246	0.13 115	0.15 252	0.07 75	0.11 248	0.07 124	0.05 14	0.09 59	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.05 170	0.05 207

rvit_stereo_0080	0.10 246	0.08 358	0.14 392	0.15 124	0.09 355	0.07 43	0.15 334	0.16 228	0.16 291	0.11 266	0.10 197	0.14 368	0.08 229	0.12 295	0.10 208	0.09 488	0.07 503	0.07 312	0.06 293	0.07 381	0.05 207

trnet	0.08 85	0.05 43	0.07 11	0.12 7	0.05 2	0.12 310	0.11 64	0.13 115	0.10 77	0.08 131	0.13 289	0.09 223	0.08 229	0.11 199	0.10 208	0.08 426	0.05 276	0.05 50	0.03 1	0.06 293	0.05 207

H2IRNET	0.10 246	0.09 440	0.09 123	0.18 402	0.09 355	0.12 310	0.15 334	0.14 146	0.21 413	0.10 230	0.10 197	0.10 260	0.10 314	0.10 124	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.06 293	0.05 207

AE-Stereo	0.10 246	0.08 358	0.10 189	0.18 402	0.09 355	0.10 202	0.15 334	0.14 146	0.19 373	0.09 183	0.14 305	0.12 313	0.08 229	0.11 199	0.10 208	0.05 51	0.06 430	0.07 312	0.06 293	0.05 170	0.04 73

whm_eth	0.10 246	0.08 358	0.14 392	0.15 124	0.09 355	0.07 43	0.15 334	0.16 228	0.16 291	0.11 266	0.10 197	0.14 368	0.08 229	0.12 295	0.10 208	0.09 488	0.07 503	0.07 312	0.06 293	0.07 381	0.05 207

MSKI-zero shot	0.09 176	0.05 43	0.09 123	0.15 124	0.07 134	0.10 202	0.13 179	0.14 146	0.13 192	0.09 183	0.09 161	0.09 223	0.06 66	0.12 295	0.10 208	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

StereoVision	0.13 404	0.12 548	0.09 123	0.24 622	0.10 469	0.15 430	0.21 581	0.21 372	0.20 397	0.12 309	0.24 472	0.10 260	0.10 314	0.16 447	0.10 208	0.09 488	0.11 602	0.12 592	0.12 611	0.06 293	0.05 207

CASnet	0.09 176	0.09 440	0.09 123	0.19 472	0.06 28	0.07 43	0.11 64	0.18 302	0.14 225	0.11 266	0.10 197	0.09 223	0.07 180	0.10 124	0.10 208	0.06 168	0.04 25	0.10 541	0.08 467	0.05 170	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 176	0.07 239	0.13 353	0.18 402	0.06 28	0.11 256	0.07 3	0.13 115	0.12 149	0.09 183	0.10 197	0.07 124	0.09 270	0.13 351	0.10 208	0.06 168	0.05 276	0.05 50	0.04 60	0.04 48	0.05 207

LL-Strereo2	0.10 246	0.10 503	0.15 441	0.18 402	0.08 220	0.15 430	0.09 20	0.17 267	0.14 225	0.14 370	0.10 197	0.09 223	0.07 180	0.16 447	0.10 208	0.05 51	0.05 276	0.10 541	0.07 393	0.06 293	0.05 207

LoS	0.09 176	0.05 43	0.11 252	0.13 22	0.07 134	0.14 403	0.11 64	0.15 188	0.15 252	0.09 183	0.09 161	0.12 313	0.09 270	0.15 412	0.10 208	0.07 343	0.05 276	0.05 50	0.03 1	0.05 170	0.05 207
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MC-Stereo	0.08 85	0.06 117	0.09 123	0.17 309	0.06 28	0.10 202	0.14 246	0.12 85	0.10 77	0.09 183	0.12 270	0.09 223	0.06 66	0.11 199	0.10 208	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

DisPM	0.11 299	0.07 239	0.12 300	0.16 222	0.09 355	0.06 14	0.13 179	0.17 267	0.17 321	0.14 370	0.20 414	0.12 313	0.10 314	0.11 199	0.10 208	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.11 575

Sa-1000	0.12 377	0.08 358	0.08 57	0.18 402	0.08 220	0.14 403	0.22 591	0.22 398	0.18 354	0.15 397	0.20 414	0.17 434	0.11 351	0.10 124	0.10 208	0.06 168	0.05 276	0.09 492	0.09 514	0.05 170	0.05 207

test-3	0.08 85	0.06 117	0.09 123	0.17 309	0.07 134	0.07 43	0.14 246	0.12 85	0.15 252	0.09 183	0.08 125	0.07 124	0.08 229	0.11 199	0.10 208	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.04 73

test_1	0.08 85	0.06 117	0.09 123	0.17 309	0.07 134	0.07 43	0.14 246	0.12 85	0.15 252	0.09 183	0.08 125	0.07 124	0.08 229	0.11 199	0.10 208	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.04 73

HHNet	0.11 299	0.06 117	0.16 477	0.15 124	0.14 598	0.07 43	0.13 179	0.20 345	0.17 321	0.14 370	0.25 500	0.11 291	0.08 229	0.13 351	0.10 208	0.05 51	0.04 25	0.08 406	0.06 293	0.05 170	0.09 517

Patchmatch Stereo++	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.11 64	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400
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
TransformOpticalFlow	0.10 246	0.08 358	0.13 353	0.18 402	0.07 134	0.09 139	0.15 334	0.19 333	0.15 252	0.12 309	0.17 363	0.11 291	0.11 351	0.11 199	0.10 208	0.05 51	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

NRIStereo	0.11 299	0.08 358	0.14 392	0.18 402	0.08 220	0.10 202	0.14 246	0.16 228	0.15 252	0.12 309	0.14 305	0.13 346	0.12 384	0.13 351	0.10 208	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.07 400

PSM-adaLoss	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

PSM-AAD	0.11 299	0.07 239	0.10 189	0.19 472	0.09 355	0.10 202	0.15 334	0.20 345	0.13 192	0.12 309	0.14 305	0.18 448	0.11 351	0.11 199	0.10 208	0.05 51	0.05 276	0.09 492	0.08 467	0.06 293	0.14 628

ROB_FTStereo_v2	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

ROB_FTStereo	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.11 64	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

KYRaft	0.11 299	0.07 239	0.10 189	0.19 472	0.09 355	0.08 85	0.15 334	0.22 398	0.12 149	0.13 343	0.16 339	0.20 475	0.10 314	0.12 295	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.06 293	0.16 646

HUI-Stereo	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

ASMatch	0.11 299	0.06 117	0.13 353	0.16 222	0.10 469	0.07 43	0.14 246	0.17 267	0.17 321	0.12 309	0.16 339	0.16 412	0.10 314	0.13 351	0.10 208	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.08 471

iGMRVC	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

IRAFT_RVC	0.12 377	0.08 358	0.16 477	0.19 472	0.08 220	0.07 43	0.15 334	0.24 445	0.23 439	0.14 370	0.14 305	0.15 397	0.12 384	0.12 295	0.10 208	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.06 310

iRAFT	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.06 14	0.11 64	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

AnonymousM	0.09 176	0.05 43	0.10 189	0.14 70	0.06 28	0.09 139	0.13 179	0.19 333	0.14 225	0.13 343	0.11 248	0.09 223	0.08 229	0.13 351	0.10 208	0.08 426	0.05 276	0.08 406	0.05 192	0.05 170	0.05 207

RAFT-IKP	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.06 14	0.12 100	0.16 228	0.13 192	0.15 397	0.16 339	0.14 368	0.12 384	0.11 199	0.10 208	0.06 168	0.04 25	0.08 406	0.06 293	0.08 450	0.07 400

Prome-Stereo	0.11 299	0.06 117	0.10 189	0.18 402	0.08 220	0.12 310	0.15 334	0.22 398	0.13 192	0.12 309	0.17 363	0.13 346	0.08 229	0.12 295	0.10 208	0.05 51	0.04 25	0.07 312	0.06 293	0.06 293	0.09 517

iRaftStereo_RVC	0.10 246	0.07 239	0.09 123	0.17 309	0.09 355	0.11 256	0.17 447	0.18 302	0.12 149	0.09 183	0.12 270	0.10 260	0.07 180	0.11 199	0.10 208	0.05 51	0.04 25	0.08 406	0.08 467	0.04 48	0.04 73

XX-TBD	0.09 176	0.06 117	0.07 11	0.14 70	0.07 134	0.12 310	0.16 405	0.14 146	0.13 192	0.11 266	0.12 270	0.09 223	0.08 229	0.10 124	0.10 208	0.06 168	0.04 25	0.05 50	0.03 1	0.06 293	0.05 207

raftrobust	0.09 176	0.06 117	0.10 189	0.17 309	0.08 220	0.09 139	0.10 35	0.18 302	0.16 291	0.10 230	0.09 161	0.12 313	0.07 180	0.12 295	0.10 208	0.08 426	0.05 276	0.06 200	0.05 192	0.05 170	0.05 207

sAnonymous2	0.13 404	0.12 548	0.24 585	0.20 539	0.12 554	0.17 485	0.13 179	0.26 482	0.21 413	0.11 266	0.11 248	0.13 346	0.08 229	0.10 124	0.10 208	0.09 488	0.05 276	0.08 406	0.06 293	0.15 636	0.10 548

CroCo_RVC	0.13 404	0.12 548	0.24 585	0.20 539	0.12 554	0.17 485	0.13 179	0.26 482	0.21 413	0.11 266	0.11 248	0.13 346	0.08 229	0.10 124	0.10 208	0.09 488	0.05 276	0.08 406	0.06 293	0.15 636	0.10 548

111	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.10 202	0.14 246	0.21 372	0.23 439	0.11 266	0.12 270	0.14 368	0.11 351	0.13 351	0.10 208	0.06 168	0.04 25	0.06 200	0.04 60	0.05 170	0.05 207

CREStereo	0.09 176	0.04 1	0.08 57	0.11 1	0.06 28	0.13 366	0.14 246	0.14 146	0.10 77	0.08 131	0.13 289	0.09 223	0.08 229	0.11 199	0.10 208	0.08 426	0.04 25	0.05 50	0.03 1	0.06 293	0.06 310
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 176	0.05 43	0.09 123	0.12 7	0.06 28	0.12 310	0.14 246	0.15 188	0.11 110	0.09 183	0.13 289	0.10 260	0.07 180	0.13 351	0.10 208	0.15 632	0.04 25	0.05 50	0.03 1	0.07 381	0.06 310

SMOE	0.10 246	0.08 358	0.09 123	0.18 402	0.07 134	0.13 366	0.14 246	0.18 302	0.13 192	0.11 266	0.13 289	0.12 313	0.09 270	0.11 199	0.11 291	0.05 51	0.05 276	0.08 406	0.06 293	0.06 293	0.04 73

LGCAT	0.08 85	0.04 1	0.10 189	0.11 1	0.06 28	0.07 43	0.12 100	0.07 7	0.08 25	0.09 183	0.07 65	0.07 124	0.08 229	0.12 295	0.11 291	0.10 531	0.09 568	0.04 1	0.05 192	0.04 48	0.09 517

TestStereo_HL3	0.11 299	0.05 43	0.16 477	0.13 22	0.07 134	0.12 310	0.11 64	0.20 345	0.09 52	0.15 397	0.30 559	0.13 346	0.12 384	0.16 447	0.11 291	0.07 343	0.05 276	0.05 50	0.05 192	0.06 293	0.07 400

RT-IGEV	0.13 404	0.06 117	0.13 353	0.15 124	0.09 355	0.15 430	0.17 447	0.24 445	0.27 502	0.16 426	0.17 363	0.17 434	0.10 314	0.14 385	0.11 291	0.08 426	0.05 276	0.07 312	0.05 192	0.07 381	0.07 400

GeoVLM	0.08 85	0.04 1	0.10 189	0.13 22	0.06 28	0.10 202	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.11 291	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.05 207

Hybrid-DGEV-03	0.10 246	0.06 117	0.09 123	0.18 402	0.08 220	0.16 462	0.14 246	0.15 188	0.14 225	0.13 343	0.16 339	0.12 313	0.09 270	0.13 351	0.11 291	0.06 168	0.04 25	0.08 406	0.06 293	0.05 170	0.04 73

BStereo	0.08 85	0.06 117	0.16 477	0.15 124	0.08 220	0.07 43	0.09 20	0.15 188	0.16 291	0.06 25	0.07 65	0.07 124	0.05 14	0.09 59	0.11 291	0.04 11	0.05 276	0.05 50	0.07 393	0.04 48	0.04 73

Anonymus123	0.09 176	0.06 117	0.16 477	0.15 124	0.08 220	0.11 256	0.09 20	0.18 302	0.16 291	0.06 25	0.07 65	0.07 124	0.05 14	0.09 59	0.11 291	0.04 11	0.05 276	0.05 50	0.07 393	0.04 48	0.04 73

WQFJA1	0.10 246	0.07 239	0.08 57	0.20 539	0.09 355	0.12 310	0.17 447	0.17 267	0.17 321	0.09 183	0.10 197	0.08 186	0.10 314	0.12 295	0.11 291	0.06 168	0.07 503	0.07 312	0.06 293	0.06 293	0.05 207

NLMM1	0.11 299	0.09 440	0.07 11	0.22 589	0.10 469	0.12 310	0.20 560	0.18 302	0.20 397	0.12 309	0.11 248	0.07 124	0.09 270	0.11 199	0.11 291	0.08 426	0.08 535	0.07 312	0.06 293	0.04 48	0.04 73

NLMM	0.10 246	0.07 239	0.08 57	0.20 539	0.09 355	0.12 310	0.17 447	0.17 267	0.17 321	0.09 183	0.10 197	0.08 186	0.10 314	0.12 295	0.11 291	0.06 168	0.07 503	0.07 312	0.06 293	0.06 293	0.05 207

NLSM3	0.09 176	0.06 117	0.08 57	0.19 472	0.08 220	0.11 256	0.16 405	0.18 302	0.16 291	0.06 25	0.08 125	0.07 124	0.08 229	0.09 59	0.11 291	0.04 11	0.04 25	0.06 200	0.07 393	0.03 1	0.03 2

NLSM1	0.10 246	0.07 239	0.07 11	0.19 472	0.08 220	0.13 366	0.16 405	0.21 372	0.15 252	0.11 266	0.10 197	0.06 42	0.10 314	0.10 124	0.11 291	0.07 343	0.08 535	0.08 406	0.07 393	0.05 170	0.05 207

MonSter++	0.08 85	0.04 1	0.10 189	0.13 22	0.06 28	0.09 139	0.12 100	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.08 229	0.10 124	0.11 291	0.06 168	0.05 276	0.04 1	0.03 1	0.04 48	0.04 73

HiDET	0.08 85	0.04 1	0.10 189	0.13 22	0.06 28	0.08 85	0.12 100	0.12 85	0.11 110	0.06 25	0.07 65	0.07 124	0.07 180	0.11 199	0.11 291	0.06 168	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

FlowAnything_test	0.11 299	0.08 358	0.14 392	0.15 124	0.09 355	0.07 43	0.14 246	0.20 345	0.11 110	0.09 183	0.09 161	0.12 313	0.12 384	0.13 351	0.11 291	0.09 488	0.06 430	0.09 492	0.09 514	0.06 293	0.09 517

2.75w_new	0.07 7	0.07 239	0.07 11	0.13 22	0.06 28	0.08 85	0.08 7	0.18 302	0.12 149	0.07 75	0.08 125	0.06 42	0.06 66	0.09 59	0.11 291	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 73

xyz-stereo-finetune2	0.11 299	0.07 239	0.13 353	0.13 22	0.07 134	0.11 256	0.19 536	0.17 267	0.12 149	0.15 397	0.15 326	0.17 434	0.12 384	0.13 351	0.11 291	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.06 310

xyz-stereo-finetune	0.11 299	0.08 358	0.13 353	0.14 70	0.06 28	0.10 202	0.19 536	0.17 267	0.19 373	0.12 309	0.14 305	0.15 397	0.10 314	0.13 351	0.11 291	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.05 207

S2M2_L	0.09 176	0.08 358	0.11 252	0.13 22	0.10 469	0.08 85	0.06 1	0.10 35	0.10 77	0.10 230	0.09 161	0.10 260	0.09 270	0.11 199	0.11 291	0.13 614	0.07 503	0.08 406	0.09 514	0.10 548	0.08 471
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
fffy	0.09 176	0.08 358	0.09 123	0.16 222	0.07 134	0.13 366	0.17 447	0.13 115	0.12 149	0.08 131	0.09 161	0.08 186	0.09 270	0.13 351	0.11 291	0.05 51	0.05 276	0.07 312	0.05 192	0.04 48	0.05 207

RAFT-Stereo-weight	0.09 176	0.06 117	0.10 189	0.16 222	0.07 134	0.09 139	0.14 246	0.19 333	0.16 291	0.11 266	0.10 197	0.08 186	0.06 66	0.10 124	0.11 291	0.06 168	0.04 25	0.06 200	0.04 60	0.04 48	0.04 73

qqq1	0.13 404	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.11 291	0.08 426	0.05 276	0.05 50	0.05 192	0.06 293	0.06 310

fff1	0.13 404	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.11 291	0.08 426	0.05 276	0.05 50	0.05 192	0.06 293	0.06 310

CoDeX	0.12 377	0.07 239	0.12 300	0.17 309	0.08 220	0.12 310	0.15 334	0.23 421	0.27 502	0.13 343	0.17 363	0.16 412	0.11 351	0.14 385	0.11 291	0.07 343	0.05 276	0.07 312	0.06 293	0.06 293	0.05 207

LL-Strereo	0.13 404	0.09 440	0.11 252	0.20 539	0.10 469	0.11 256	0.18 496	0.32 574	0.24 456	0.15 397	0.15 326	0.14 368	0.13 426	0.19 519	0.11 291	0.06 168	0.04 25	0.09 492	0.08 467	0.04 48	0.05 207

anonymousdsp2	0.11 299	0.07 239	0.10 189	0.16 222	0.09 355	0.13 366	0.14 246	0.18 302	0.22 427	0.13 343	0.14 305	0.12 313	0.09 270	0.14 385	0.11 291	0.05 51	0.04 25	0.05 50	0.04 60	0.06 293	0.05 207

EGLCR-Stereo	0.08 85	0.05 43	0.08 57	0.14 70	0.06 28	0.10 202	0.12 100	0.11 58	0.16 291	0.06 25	0.05 7	0.07 124	0.05 14	0.10 124	0.11 291	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

DCRE	0.11 299	0.07 239	0.13 353	0.16 222	0.11 520	0.11 256	0.17 447	0.18 302	0.17 321	0.11 266	0.18 391	0.10 260	0.10 314	0.15 412	0.11 291	0.06 168	0.05 276	0.06 200	0.06 293	0.05 170	0.04 73

knoymous	0.11 299	0.05 43	0.12 300	0.13 22	0.07 134	0.15 430	0.14 246	0.19 333	0.13 192	0.11 266	0.17 363	0.13 346	0.09 270	0.13 351	0.11 291	0.08 426	0.05 276	0.06 200	0.05 192	0.08 450	0.07 400

Selective-RAFT	0.11 299	0.10 503	0.11 252	0.21 572	0.08 220	0.16 462	0.13 179	0.20 345	0.22 427	0.10 230	0.10 197	0.11 291	0.10 314	0.15 412	0.11 291	0.05 51	0.05 276	0.06 200	0.05 192	0.06 293	0.05 207

RCA-Stereo	0.09 176	0.06 117	0.09 123	0.16 222	0.06 28	0.09 139	0.13 179	0.18 302	0.14 225	0.09 183	0.10 197	0.08 186	0.07 180	0.12 295	0.11 291	0.06 168	0.04 25	0.06 200	0.05 192	0.05 170	0.04 73

SA	0.12 377	0.09 440	0.08 57	0.18 402	0.08 220	0.12 310	0.24 615	0.23 421	0.18 354	0.17 445	0.27 526	0.14 368	0.11 351	0.11 199	0.11 291	0.05 51	0.05 276	0.09 492	0.08 467	0.05 170	0.04 73

test_4	0.10 246	0.10 503	0.08 57	0.19 472	0.09 355	0.08 85	0.22 591	0.15 188	0.17 321	0.12 309	0.18 391	0.12 313	0.09 270	0.08 25	0.11 291	0.04 11	0.04 25	0.08 406	0.08 467	0.04 48	0.03 2

CIPLG	0.11 299	0.08 358	0.14 392	0.17 309	0.08 220	0.12 310	0.15 334	0.17 267	0.15 252	0.14 370	0.11 248	0.16 412	0.09 270	0.16 447	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

GLC_STEREO	0.11 299	0.07 239	0.11 252	0.17 309	0.07 134	0.09 139	0.13 179	0.15 188	0.24 456	0.12 309	0.13 289	0.12 313	0.08 229	0.18 504	0.11 291	0.06 168	0.08 535	0.08 406	0.06 293	0.05 170	0.05 207

IPLGR_C	0.11 299	0.08 358	0.14 392	0.17 309	0.08 220	0.12 310	0.15 334	0.17 267	0.15 252	0.14 370	0.10 197	0.16 412	0.09 270	0.16 447	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

ACRE	0.11 299	0.08 358	0.14 392	0.17 309	0.08 220	0.12 310	0.15 334	0.17 267	0.14 225	0.14 370	0.10 197	0.16 412	0.09 270	0.16 447	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310

test_3	0.10 246	0.09 440	0.10 189	0.20 539	0.08 220	0.13 366	0.26 639	0.14 146	0.21 413	0.10 230	0.10 197	0.09 223	0.09 270	0.08 25	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.04 48	0.04 73

PFNet+	0.11 299	0.06 117	0.13 353	0.16 222	0.09 355	0.05 4	0.12 100	0.17 267	0.21 413	0.16 426	0.19 402	0.14 368	0.10 314	0.11 199	0.11 291	0.08 426	0.05 276	0.09 492	0.08 467	0.06 293	0.11 575

LCNet	0.11 299	0.07 239	0.09 123	0.19 472	0.09 355	0.08 85	0.15 334	0.21 372	0.15 252	0.11 266	0.15 326	0.16 412	0.11 351	0.12 295	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.06 293	0.15 635

NF-Stereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

OCTAStereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

PSM-softLoss	0.12 377	0.07 239	0.15 441	0.17 309	0.09 355	0.08 85	0.13 179	0.24 445	0.17 321	0.14 370	0.19 402	0.13 346	0.11 351	0.11 199	0.11 291	0.07 343	0.05 276	0.08 406	0.07 393	0.06 293	0.12 588

KMStereo	0.12 377	0.07 239	0.15 441	0.17 309	0.09 355	0.08 85	0.13 179	0.24 445	0.17 321	0.14 370	0.19 402	0.13 346	0.11 351	0.11 199	0.11 291	0.07 343	0.05 276	0.08 406	0.07 393	0.06 293	0.12 588

SST-Stereo	0.10 246	0.07 239	0.15 441	0.18 402	0.09 355	0.06 14	0.12 100	0.17 267	0.11 110	0.15 397	0.17 363	0.13 346	0.12 384	0.10 124	0.11 291	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.05 207

RAFT_R40	0.11 299	0.07 239	0.14 392	0.18 402	0.09 355	0.06 14	0.13 179	0.17 267	0.16 291	0.14 370	0.18 391	0.15 397	0.12 384	0.10 124	0.11 291	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.05 207

PFNet	0.12 377	0.06 117	0.17 508	0.17 309	0.08 220	0.09 139	0.15 334	0.26 482	0.20 397	0.16 426	0.16 339	0.14 368	0.11 351	0.12 295	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

GrayStereo	0.11 299	0.06 117	0.11 252	0.19 472	0.09 355	0.09 139	0.16 405	0.18 302	0.17 321	0.14 370	0.17 363	0.17 434	0.11 351	0.12 295	0.11 291	0.05 51	0.05 276	0.07 312	0.06 293	0.05 170	0.10 548

RE-Stereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

Pruner-Stereo	0.11 299	0.07 239	0.12 300	0.17 309	0.09 355	0.06 14	0.12 100	0.17 267	0.17 321	0.13 343	0.19 402	0.13 346	0.09 270	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.08 471

TVStereo	0.11 299	0.07 239	0.13 353	0.17 309	0.09 355	0.10 202	0.14 246	0.23 421	0.19 373	0.12 309	0.17 363	0.12 313	0.11 351	0.11 199	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.06 293	0.12 588

DeepStereo_RVC	0.11 299	0.08 358	0.16 477	0.18 402	0.08 220	0.08 85	0.12 100	0.17 267	0.12 149	0.13 343	0.14 305	0.12 313	0.12 384	0.12 295	0.11 291	0.06 168	0.04 25	0.07 312	0.06 293	0.07 381	0.08 471

CRE-IMP	0.11 299	0.09 440	0.16 477	0.19 472	0.08 220	0.10 202	0.12 100	0.18 302	0.10 77	0.14 370	0.13 289	0.13 346	0.12 384	0.12 295	0.11 291	0.07 343	0.04 25	0.08 406	0.06 293	0.08 450	0.08 471

cross-raft	0.10 246	0.09 440	0.09 123	0.19 472	0.07 134	0.11 256	0.25 630	0.13 115	0.15 252	0.08 131	0.11 248	0.12 313	0.10 314	0.09 59	0.11 291	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

GMM-Stereo	0.11 299	0.07 239	0.10 189	0.18 402	0.09 355	0.08 85	0.15 334	0.23 421	0.16 291	0.11 266	0.15 326	0.13 346	0.11 351	0.11 199	0.11 291	0.05 51	0.04 25	0.08 406	0.07 393	0.06 293	0.09 517

CREStereo++_RVC	0.08 85	0.04 1	0.06 5	0.13 22	0.07 134	0.09 139	0.12 100	0.14 146	0.14 225	0.10 230	0.14 305	0.08 186	0.07 180	0.09 59	0.11 291	0.06 168	0.04 25	0.05 50	0.05 192	0.04 48	0.04 73
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
RALCasStereoNet	0.10 246	0.06 117	0.09 123	0.16 222	0.08 220	0.12 310	0.14 246	0.17 267	0.11 110	0.12 309	0.17 363	0.14 368	0.10 314	0.12 295	0.11 291	0.07 343	0.06 430	0.06 200	0.05 192	0.08 450	0.07 400

RALAANet	0.11 299	0.08 358	0.10 189	0.17 309	0.09 355	0.14 403	0.10 35	0.20 345	0.15 252	0.14 370	0.13 289	0.16 412	0.09 270	0.12 295	0.11 291	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

sCroCo_RVC	0.12 377	0.09 440	0.23 581	0.24 622	0.11 520	0.19 528	0.14 246	0.17 267	0.14 225	0.10 230	0.13 289	0.12 313	0.07 180	0.14 385	0.11 291	0.08 426	0.08 535	0.08 406	0.08 467	0.05 170	0.07 400

EAI-Stereo	0.09 176	0.07 239	0.11 252	0.15 124	0.06 28	0.10 202	0.15 334	0.16 228	0.09 52	0.08 131	0.09 161	0.08 186	0.07 180	0.09 59	0.11 291	0.05 51	0.04 25	0.05 50	0.05 192	0.05 170	0.04 73

SFCPSM	0.13 404	0.07 239	0.14 392	0.17 309	0.09 355	0.15 430	0.16 405	0.28 523	0.27 502	0.14 370	0.17 363	0.12 313	0.13 426	0.14 385	0.11 291	0.08 426	0.05 276	0.07 312	0.07 393	0.07 381	0.06 310

R-Stereo Train	0.10 246	0.06 117	0.10 189	0.17 309	0.08 220	0.11 256	0.14 246	0.23 421	0.11 110	0.12 309	0.19 402	0.11 291	0.08 229	0.09 59	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.05 207

RAFT-Stereo	0.10 246	0.06 117	0.10 189	0.17 309	0.08 220	0.11 256	0.14 246	0.23 421	0.11 110	0.12 309	0.19 402	0.11 291	0.08 229	0.09 59	0.11 291	0.07 343	0.05 276	0.06 200	0.05 192	0.05 170	0.05 207
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
PhaseNet	0.09 176	0.06 117	0.10 189	0.15 124	0.08 220	0.10 202	0.14 246	0.20 345	0.12 149	0.07 75	0.08 125	0.09 223	0.10 314	0.13 351	0.12 355	0.06 168	0.04 25	0.06 200	0.06 293	0.05 170	0.05 207

HLf8	0.11 299	0.05 43	0.13 353	0.11 1	0.08 220	0.15 430	0.12 100	0.22 398	0.15 252	0.13 343	0.17 363	0.12 313	0.10 314	0.14 385	0.12 355	0.09 488	0.05 276	0.05 50	0.05 192	0.08 450	0.08 471

TestStereo_HLe17	0.10 246	0.05 43	0.12 300	0.13 22	0.07 134	0.11 256	0.15 334	0.21 372	0.15 252	0.11 266	0.14 305	0.11 291	0.09 270	0.13 351	0.12 355	0.07 343	0.04 25	0.05 50	0.05 192	0.07 381	0.06 310

TestStereo_HL2	0.11 299	0.06 117	0.11 252	0.12 7	0.08 220	0.12 310	0.14 246	0.20 345	0.18 354	0.13 343	0.21 438	0.12 313	0.10 314	0.12 295	0.12 355	0.07 343	0.05 276	0.05 50	0.05 192	0.07 381	0.07 400

GGDA	0.11 299	0.06 117	0.11 252	0.13 22	0.07 134	0.12 310	0.14 246	0.19 333	0.19 373	0.13 343	0.20 414	0.12 313	0.09 270	0.12 295	0.12 355	0.07 343	0.04 25	0.05 50	0.05 192	0.06 293	0.07 400

TS12	0.08 85	0.06 117	0.09 123	0.21 572	0.07 134	0.11 256	0.13 179	0.11 58	0.09 52	0.10 230	0.10 197	0.08 186	0.10 314	0.09 59	0.12 355	0.04 11	0.04 25	0.05 50	0.04 60	0.03 1	0.04 73

Selective-IGEV-i16pb	0.14 441	0.08 358	0.17 508	0.15 124	0.11 520	0.41 667	0.16 405	0.28 523	0.23 439	0.11 266	0.20 414	0.10 260	0.07 180	0.17 481	0.12 355	0.10 531	0.07 503	0.06 200	0.08 467	0.09 515	0.10 548

xyz-stereo	0.13 404	0.07 239	0.20 556	0.15 124	0.05 2	0.20 544	0.15 334	0.17 267	0.31 542	0.15 397	0.29 552	0.26 550	0.16 496	0.13 351	0.12 355	0.05 51	0.05 276	0.06 200	0.05 192	0.04 48	0.04 73

fffft	0.09 176	0.06 117	0.12 300	0.16 222	0.07 134	0.09 139	0.17 447	0.12 85	0.11 110	0.08 131	0.07 65	0.09 223	0.06 66	0.11 199	0.12 355	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.05 207
1: 1. 1
mms	0.09 176	0.07 239	0.08 57	0.16 222	0.08 220	0.10 202	0.16 405	0.12 85	0.11 110	0.08 131	0.09 161	0.08 186	0.06 66	0.11 199	0.12 355	0.05 51	0.04 25	0.07 312	0.05 192	0.04 48	0.03 2

ours_stereo	0.09 176	0.07 239	0.09 123	0.17 309	0.08 220	0.11 256	0.16 405	0.11 58	0.12 149	0.08 131	0.10 197	0.08 186	0.06 66	0.12 295	0.12 355	0.05 51	0.04 25	0.06 200	0.05 192	0.04 48	0.03 2

rvit_0105_6	0.14 441	0.09 440	0.18 532	0.17 309	0.10 469	0.10 202	0.16 405	0.19 333	0.26 492	0.12 309	0.18 391	0.17 434	0.12 384	0.18 504	0.12 355	0.15 632	0.11 602	0.12 592	0.10 556	0.09 515	0.06 310

UGAM	0.13 404	0.10 503	0.09 123	0.22 589	0.08 220	0.12 310	0.20 560	0.17 267	0.23 439	0.21 530	0.16 339	0.13 346	0.13 426	0.19 519	0.12 355	0.07 343	0.05 276	0.13 607	0.11 590	0.07 381	0.05 207

rvit_stereo_0083	0.12 377	0.08 358	0.17 508	0.16 222	0.09 355	0.11 256	0.15 334	0.14 146	0.26 492	0.11 266	0.14 305	0.13 346	0.10 314	0.12 295	0.12 355	0.10 531	0.08 535	0.09 492	0.07 393	0.07 381	0.05 207

rvit_stereo_0081	0.11 299	0.08 358	0.15 441	0.16 222	0.09 355	0.10 202	0.14 246	0.14 146	0.24 456	0.11 266	0.13 289	0.13 346	0.09 270	0.11 199	0.12 355	0.10 531	0.07 503	0.08 406	0.07 393	0.07 381	0.05 207

rvit_stereo_0082	0.11 299	0.08 358	0.15 441	0.16 222	0.09 355	0.10 202	0.14 246	0.14 146	0.24 456	0.11 266	0.13 289	0.13 346	0.09 270	0.11 199	0.12 355	0.10 531	0.07 503	0.08 406	0.07 393	0.07 381	0.05 207

test_sample2	0.12 377	0.07 239	0.12 300	0.14 70	0.08 220	0.16 462	0.18 496	0.21 372	0.16 291	0.14 370	0.20 414	0.19 463	0.15 468	0.15 412	0.12 355	0.08 426	0.05 276	0.07 312	0.06 293	0.08 450	0.07 400

Former-RAFT_DAM_RVC	0.10 246	0.08 358	0.12 300	0.16 222	0.08 220	0.15 430	0.16 405	0.18 302	0.18 354	0.10 230	0.09 161	0.09 223	0.08 229	0.11 199	0.12 355	0.07 343	0.05 276	0.08 406	0.06 293	0.07 381	0.06 310

plain	0.10 246	0.08 358	0.10 189	0.19 472	0.09 355	0.10 202	0.15 334	0.14 146	0.13 192	0.13 343	0.15 326	0.09 223	0.12 384	0.13 351	0.12 355	0.07 343	0.05 276	0.09 492	0.06 293	0.06 293	0.06 310

MIF-Stereo (partial)	0.11 299	0.06 117	0.10 189	0.19 472	0.10 469	0.10 202	0.11 64	0.17 267	0.18 354	0.14 370	0.16 339	0.09 223	0.11 351	0.12 295	0.12 355	0.08 426	0.05 276	0.08 406	0.07 393	0.06 293	0.07 400

EKT-Stereo	0.11 299	0.07 239	0.14 392	0.15 124	0.10 469	0.13 366	0.14 246	0.18 302	0.21 413	0.11 266	0.08 125	0.12 313	0.09 270	0.11 199	0.12 355	0.08 426	0.06 430	0.07 312	0.06 293	0.08 450	0.07 400

riskmin	0.11 299	0.06 117	0.13 353	0.14 70	0.08 220	0.14 403	0.14 246	0.18 302	0.14 225	0.11 266	0.14 305	0.16 412	0.11 351	0.14 385	0.12 355	0.09 488	0.05 276	0.07 312	0.05 192	0.08 450	0.08 471

DCANet-4	0.10 246	0.06 117	0.12 300	0.16 222	0.06 28	0.09 139	0.17 447	0.18 302	0.19 373	0.13 343	0.16 339	0.09 223	0.14 450	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

fff	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.09 139	0.17 447	0.16 228	0.20 397	0.13 343	0.16 339	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

ADStereo(finetuned)	0.10 246	0.06 117	0.12 300	0.16 222	0.06 28	0.09 139	0.17 447	0.15 188	0.19 373	0.13 343	0.17 363	0.10 260	0.12 384	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

raft_robust	0.13 404	0.10 503	0.07 11	0.18 402	0.08 220	0.13 366	0.24 615	0.28 523	0.33 556	0.20 515	0.19 402	0.14 368	0.10 314	0.11 199	0.12 355	0.05 51	0.05 276	0.07 312	0.07 393	0.05 170	0.04 73

RAFT+CT+SA	0.13 404	0.11 530	0.09 123	0.19 472	0.09 355	0.15 430	0.28 652	0.22 398	0.22 427	0.15 397	0.26 517	0.10 260	0.10 314	0.11 199	0.12 355	0.05 51	0.04 25	0.07 312	0.08 467	0.07 381	0.06 310

hknet	0.15 486	0.11 530	0.13 353	0.22 589	0.11 520	0.14 403	0.15 334	0.34 603	0.25 478	0.17 445	0.22 450	0.22 502	0.18 534	0.17 481	0.12 355	0.07 343	0.06 430	0.10 541	0.09 514	0.07 381	0.07 400

DAS	0.15 486	0.08 358	0.18 532	0.19 472	0.10 469	0.19 528	0.17 447	0.27 503	0.29 524	0.18 475	0.25 500	0.21 484	0.15 468	0.16 447	0.12 355	0.08 426	0.06 430	0.06 200	0.06 293	0.07 381	0.07 400

SepStereo	0.15 486	0.08 358	0.18 532	0.19 472	0.10 469	0.19 528	0.17 447	0.27 503	0.29 524	0.18 475	0.25 500	0.21 484	0.15 468	0.25 601	0.12 355	0.08 426	0.06 430	0.06 200	0.06 293	0.07 381	0.07 400

MIPNet	0.11 299	0.08 358	0.14 392	0.17 309	0.09 355	0.12 310	0.14 246	0.20 345	0.24 456	0.11 266	0.10 197	0.09 223	0.07 180	0.13 351	0.12 355	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

IPLGR	0.11 299	0.09 440	0.16 477	0.18 402	0.08 220	0.12 310	0.17 447	0.21 372	0.24 456	0.11 266	0.12 270	0.11 291	0.08 229	0.12 295	0.12 355	0.06 168	0.05 276	0.06 200	0.06 293	0.04 48	0.04 73

CrosDoStereo	0.12 377	0.06 117	0.12 300	0.14 70	0.08 220	0.12 310	0.15 334	0.17 267	0.22 427	0.19 492	0.24 472	0.15 397	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 207

STrans-v2	0.10 246	0.07 239	0.12 300	0.18 402	0.07 134	0.10 202	0.14 246	0.21 372	0.11 110	0.11 266	0.15 326	0.12 313	0.10 314	0.11 199	0.12 355	0.05 51	0.04 25	0.06 200	0.06 293	0.04 48	0.04 73

IIG-Stereo	0.11 299	0.06 117	0.13 353	0.17 309	0.08 220	0.11 256	0.12 100	0.22 398	0.17 321	0.14 370	0.17 363	0.11 291	0.12 384	0.12 295	0.12 355	0.06 168	0.05 276	0.07 312	0.06 293	0.05 170	0.04 73

DeepStereo_LL	0.12 377	0.06 117	0.12 300	0.14 70	0.08 220	0.12 310	0.15 334	0.17 267	0.22 427	0.19 492	0.24 472	0.15 397	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 207

DRaft	0.12 377	0.06 117	0.11 252	0.14 70	0.09 355	0.14 403	0.17 447	0.21 372	0.30 534	0.17 445	0.28 540	0.10 260	0.15 468	0.10 124	0.12 355	0.05 51	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

RAFT-RH_RVC	0.11 299	0.06 117	0.14 392	0.16 222	0.09 355	0.12 310	0.12 100	0.17 267	0.12 149	0.13 343	0.41 633	0.11 291	0.10 314	0.13 351	0.12 355	0.05 51	0.04 25	0.08 406	0.05 192	0.04 48	0.06 310

RAFT-345	0.11 299	0.07 239	0.15 441	0.16 222	0.08 220	0.08 85	0.12 100	0.15 188	0.10 77	0.11 266	0.36 596	0.09 223	0.09 270	0.11 199	0.12 355	0.05 51	0.05 276	0.07 312	0.06 293	0.04 48	0.05 207

rafts_anoy	0.11 299	0.06 117	0.10 189	0.17 309	0.08 220	0.10 202	0.14 246	0.17 267	0.14 225	0.13 343	0.13 289	0.12 313	0.10 314	0.11 199	0.12 355	0.07 343	0.04 25	0.09 492	0.11 590	0.07 381	0.06 310

Anonymous3	0.16 509	0.13 576	0.33 625	0.26 638	0.14 598	0.27 623	0.17 447	0.28 523	0.28 517	0.15 397	0.17 363	0.14 368	0.10 314	0.15 412	0.12 355	0.08 426	0.08 535	0.08 406	0.08 467	0.08 450	0.11 575

s12784h	0.09 176	0.06 117	0.07 11	0.15 124	0.05 2	0.16 462	0.18 496	0.15 188	0.15 252	0.10 230	0.11 248	0.11 291	0.11 351	0.10 124	0.12 355	0.05 51	0.04 25	0.05 50	0.04 60	0.04 48	0.04 73

DCANet	0.10 246	0.06 117	0.12 300	0.16 222	0.06 28	0.09 139	0.17 447	0.15 188	0.19 373	0.13 343	0.17 363	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

csc	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.09 139	0.17 447	0.16 228	0.20 397	0.13 343	0.16 339	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

cscssc	0.10 246	0.06 117	0.12 300	0.15 124	0.07 134	0.09 139	0.17 447	0.16 228	0.20 397	0.13 343	0.16 339	0.10 260	0.11 351	0.11 199	0.12 355	0.06 168	0.04 25	0.05 50	0.04 60	0.04 48	0.05 207

ARAFT	0.12 377	0.08 358	0.17 508	0.19 472	0.09 355	0.14 403	0.18 496	0.20 345	0.12 149	0.12 309	0.13 289	0.14 368	0.11 351	0.15 412	0.12 355	0.06 168	0.05 276	0.10 541	0.09 514	0.05 170	0.04 73

RAFT + AFF	0.13 404	0.07 239	0.20 556	0.20 539	0.10 469	0.14 403	0.24 615	0.26 482	0.20 397	0.11 266	0.10 197	0.12 313	0.10 314	0.15 412	0.12 355	0.07 343	0.06 430	0.09 492	0.08 467	0.06 293	0.08 471

S	0.12 377	0.08 358	0.09 123	0.20 539	0.08 220	0.13 366	0.19 536	0.17 267	0.16 291	0.13 343	0.11 248	0.13 346	0.10 314	0.11 199	0.13 402	0.09 488	0.07 503	0.13 607	0.15 642	0.06 293	0.04 73

SME	0.11 299	0.09 440	0.10 189	0.17 309	0.07 134	0.20 544	0.13 179	0.21 372	0.17 321	0.12 309	0.13 289	0.10 260	0.12 384	0.13 351	0.13 402	0.07 343	0.07 503	0.08 406	0.09 514	0.06 293	0.05 207

ManiGeoR	0.10 246	0.05 43	0.12 300	0.12 7	0.08 220	0.12 310	0.12 100	0.24 445	0.14 225	0.12 309	0.14 305	0.12 313	0.09 270	0.13 351	0.13 402	0.07 343	0.04 25	0.05 50	0.05 192	0.07 381	0.07 400

HLF11	0.11 299	0.05 43	0.13 353	0.12 7	0.08 220	0.14 403	0.11 64	0.22 398	0.10 77	0.12 309	0.23 459	0.11 291	0.11 351	0.14 385	0.13 402	0.08 426	0.05 276	0.05 50	0.04 60	0.08 450	0.08 471

HLf10	0.10 246	0.05 43	0.12 300	0.12 7	0.08 220	0.12 310	0.12 100	0.24 445	0.14 225	0.12 309	0.14 305	0.12 313	0.09 270	0.13 351	0.13 402	0.07 343	0.04 25	0.05 50	0.05 192	0.07 381	0.07 400

TestStereo-Hl	0.11 299	0.06 117	0.11 252	0.13 22	0.08 220	0.15 430	0.14 246	0.20 345	0.17 321	0.13 343	0.16 339	0.12 313	0.11 351	0.14 385	0.13 402	0.06 168	0.04 25	0.05 50	0.05 192	0.06 293	0.06 310

Selective-IGEV-i1	0.13 404	0.07 239	0.12 300	0.19 472	0.08 220	0.18 504	0.16 405	0.22 398	0.30 534	0.16 426	0.17 363	0.16 412	0.10 314	0.14 385	0.13 402	0.06 168	0.05 276	0.06 200	0.05 192	0.06 293	0.05 207

FACV-RUCA	0.13 404	0.11 530	0.12 300	0.19 472	0.12 554	0.15 430	0.15 334	0.22 398	0.20 397	0.15 397	0.16 339	0.14 368	0.16 496	0.14 385	0.13 402	0.07 343	0.05 276	0.08 406	0.06 293	0.10 548	0.08 471

rvit_0105_4	0.14 441	0.09 440	0.17 508	0.17 309	0.10 469	0.12 310	0.19 536	0.23 421	0.27 502	0.14 370	0.20 414	0.17 434	0.13 426	0.17 481	0.13 402	0.15 632	0.11 602	0.11 572	0.10 556	0.09 515	0.06 310

rvit_stereo_0075_2	0.17 530	0.12 548	0.25 590	0.23 613	0.16 629	0.13 366	0.10 35	0.30 551	0.27 502	0.20 515	0.28 540	0.22 502	0.15 468	0.18 504	0.13 402	0.16 648	0.10 590	0.17 644	0.10 556	0.10 548	0.09 517

rvit_stereo_ft	0.12 377	0.07 239	0.13 353	0.19 472	0.10 469	0.12 310	0.17 447	0.16 228	0.16 291	0.12 309	0.13 289	0.15 397	0.10 314	0.14 385	0.13 402	0.09 488	0.06 430	0.08 406	0.07 393	0.07 381	0.05 207

test_sample6	0.14 441	0.08 358	0.13 353	0.16 222	0.08 220	0.17 485	0.19 536	0.25 464	0.17 321	0.17 445	0.27 526	0.19 463	0.14 450	0.15 412	0.13 402	0.08 426	0.05 276	0.08 406	0.07 393	0.08 450	0.08 471

test_sample5	0.14 441	0.08 358	0.14 392	0.16 222	0.08 220	0.18 504	0.18 496	0.25 464	0.17 321	0.17 445	0.27 526	0.18 448	0.14 450	0.16 447	0.13 402	0.08 426	0.05 276	0.08 406	0.07 393	0.08 450	0.08 471

test_sample4	0.14 441	0.08 358	0.14 392	0.15 124	0.08 220	0.19 528	0.18 496	0.26 482	0.17 321	0.16 426	0.25 500	0.18 448	0.14 450	0.16 447	0.13 402	0.08 426	0.06 430	0.08 406	0.06 293	0.08 450	0.08 471

test_sample3	0.14 441	0.08 358	0.15 441	0.14 70	0.09 355	0.19 528	0.17 447	0.26 482	0.18 354	0.16 426	0.22 450	0.19 463	0.15 468	0.17 481	0.13 402	0.08 426	0.06 430	0.07 312	0.06 293	0.09 515	0.08 471

MyStereo05	0.13 404	0.07 239	0.10 189	0.17 309	0.09 355	0.13 366	0.18 496	0.27 503	0.35 577	0.17 445	0.14 305	0.15 397	0.11 351	0.15 412	0.13 402	0.06 168	0.05 276	0.07 312	0.07 393	0.06 293	0.06 310

MyStereo04	0.13 404	0.07 239	0.10 189	0.17 309	0.09 355	0.14 403	0.18 496	0.29 537	0.38 595	0.17 445	0.14 305	0.16 412	0.10 314	0.15 412	0.13 402	0.06 168	0.05 276	0.08 406	0.07 393	0.06 293	0.06 310

11t1	0.12 377	0.06 117	0.13 353	0.14 70	0.08 220	0.17 485	0.15 334	0.18 302	0.15 252	0.15 397	0.15 326	0.16 412	0.16 496	0.15 412	0.13 402	0.08 426	0.05 276	0.06 200	0.05 192	0.08 450	0.07 400

DualNet	0.14 441	0.08 358	0.14 392	0.16 222	0.08 220	0.18 504	0.18 496	0.25 464	0.17 321	0.17 445	0.27 526	0.18 448	0.14 450	0.16 447	0.13 402	0.08 426	0.05 276	0.08 406	0.07 393	0.08 450	0.08 471

MaDis-Stereo	0.09 176	0.09 440	0.08 57	0.17 309	0.09 355	0.13 366	0.10 35	0.16 228	0.16 291	0.09 183	0.11 248	0.06 42	0.06 66	0.09 59	0.13 402	0.07 343	0.06 430	0.07 312	0.05 192	0.05 170	0.04 73

PCWNet_CMD	0.14 441	0.08 358	0.15 441	0.17 309	0.09 355	0.14 403	0.14 246	0.29 537	0.36 581	0.14 370	0.20 414	0.21 484	0.12 384	0.17 481	0.13 402	0.07 343	0.05 276	0.07 312	0.07 393	0.07 381	0.07 400

TestStereo1	0.13 404	0.08 358	0.08 57	0.19 472	0.08 220	0.18 504	0.29 662	0.23 421	0.16 291	0.17 445	0.20 414	0.16 412	0.10 314	0.12 295	0.13 402	0.06 168	0.06 430	0.08 406	0.06 293	0.05 170	0.05 207

BUS	0.14 441	0.09 440	0.14 392	0.22 589	0.10 469	0.19 528	0.14 246	0.34 603	0.19 373	0.17 445	0.22 450	0.16 412	0.13 426	0.15 412	0.13 402	0.08 426	0.06 430	0.10 541	0.09 514	0.07 381	0.07 400

test_5	0.14 441	0.12 548	0.08 57	0.20 539	0.10 469	0.14 403	0.29 662	0.21 372	0.24 456	0.18 475	0.28 540	0.11 291	0.15 468	0.12 295	0.13 402	0.06 168	0.05 276	0.07 312	0.08 467	0.08 450	0.07 400

NINENet	0.16 509	0.10 503	0.15 441	0.17 309	0.11 520	0.19 528	0.14 246	0.40 647	0.36 581	0.18 475	0.21 438	0.16 412	0.13 426	0.15 412	0.13 402	0.08 426	0.08 535	0.10 541	0.07 393	0.10 548	0.09 517

SA-5K	0.13 404	0.08 358	0.08 57	0.19 472	0.08 220	0.18 504	0.29 662	0.23 421	0.16 291	0.17 445	0.20 414	0.16 412	0.10 314	0.12 295	0.13 402	0.06 168	0.06 430	0.08 406	0.06 293	0.05 170	0.05 207

UDGNet	0.14 441	0.13 576	0.16 477	0.17 309	0.10 469	0.12 310	0.16 405	0.21 372	0.27 502	0.20 515	0.20 414	0.16 412	0.13 426	0.16 447	0.13 402	0.10 531	0.06 430	0.09 492	0.07 393	0.06 293	0.07 400

IPLG	0.10 246	0.07 239	0.15 441	0.17 309	0.08 220	0.11 256	0.14 246	0.20 345	0.15 252	0.12 309	0.17 363	0.07 124	0.07 180	0.14 385	0.13 402	0.06 168	0.04 25	0.06 200	0.05 192	0.04 48	0.04 73

GANet-ADL	0.13 404	0.07 239	0.15 441	0.17 309	0.10 469	0.18 504	0.15 334	0.30 551	0.20 397	0.13 343	0.18 391	0.19 463	0.12 384	0.16 447	0.13 402	0.08 426	0.06 430	0.06 200	0.05 192	0.07 381	0.08 471

OMP-Stereo	0.11 299	0.06 117	0.14 392	0.18 402	0.08 220	0.09 139	0.12 100	0.21 372	0.21 413	0.13 343	0.14 305	0.11 291	0.12 384	0.11 199	0.13 402	0.06 168	0.04 25	0.07 312	0.06 293	0.05 170	0.04 73

FTStereo	0.12 377	0.06 117	0.14 392	0.18 402	0.09 355	0.07 43	0.15 334	0.21 372	0.18 354	0.12 309	0.24 472	0.12 313	0.12 384	0.13 351	0.13 402	0.05 51	0.05 276	0.07 312	0.06 293	0.06 293	0.10 548

DEmStereo	0.12 377	0.06 117	0.14 392	0.14 70	0.10 469	0.16 462	0.15 334	0.16 228	0.24 456	0.17 445	0.24 472	0.13 346	0.14 450	0.12 295	0.13 402	0.05 51	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

raft+_RVC	0.11 299	0.07 239	0.09 123	0.16 222	0.07 134	0.10 202	0.11 64	0.24 445	0.20 397	0.12 309	0.15 326	0.12 313	0.08 229	0.12 295	0.13 402	0.07 343	0.04 25	0.07 312	0.06 293	0.05 170	0.05 207

GES	0.14 441	0.08 358	0.16 477	0.15 124	0.10 469	0.13 366	0.13 179	0.28 523	0.25 478	0.16 426	0.23 459	0.18 448	0.13 426	0.16 447	0.13 402	0.08 426	0.07 503	0.07 312	0.06 293	0.08 450	0.09 517

HCRNet	0.16 509	0.24 654	0.12 300	0.35 672	0.11 520	0.15 430	0.17 447	0.26 482	0.22 427	0.19 492	0.24 472	0.21 484	0.14 450	0.15 412	0.13 402	0.11 563	0.07 503	0.11 572	0.10 556	0.09 515	0.07 400

GMStereo	0.13 404	0.14 588	0.14 392	0.18 402	0.09 355	0.15 430	0.16 405	0.20 345	0.24 456	0.16 426	0.17 363	0.10 260	0.10 314	0.16 447	0.13 402	0.07 343	0.06 430	0.06 200	0.06 293	0.07 381	0.06 310
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 441	0.07 239	0.13 353	0.15 124	0.08 220	0.13 366	0.16 405	0.24 445	0.24 456	0.16 426	0.28 540	0.22 502	0.14 450	0.15 412	0.13 402	0.11 563	0.06 430	0.09 492	0.12 611	0.08 450	0.07 400

DIP-Stereo	0.11 299	0.07 239	0.14 392	0.17 309	0.09 355	0.13 366	0.09 20	0.16 228	0.16 291	0.11 266	0.16 339	0.14 368	0.12 384	0.15 412	0.13 402	0.06 168	0.05 276	0.06 200	0.05 192	0.05 170	0.06 310
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.14 441	0.08 358	0.11 252	0.15 124	0.08 220	0.15 430	0.15 334	0.27 503	0.29 524	0.19 492	0.21 438	0.29 577	0.14 450	0.17 481	0.13 402	0.06 168	0.06 430	0.06 200	0.06 293	0.07 381	0.06 310
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HITNet	0.10 246	0.06 117	0.12 300	0.14 70	0.06 28	0.11 256	0.10 35	0.18 302	0.18 354	0.13 343	0.16 339	0.14 368	0.11 351	0.15 412	0.13 402	0.06 168	0.04 25	0.04 1	0.04 60	0.06 293	0.05 207
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
MLCV	0.12 377	0.07 239	0.16 477	0.18 402	0.06 28	0.15 430	0.17 447	0.19 333	0.21 413	0.18 475	0.25 500	0.17 434	0.13 426	0.14 385	0.13 402	0.05 51	0.04 25	0.05 50	0.04 60	0.05 170	0.04 73

iResNet_ROB	0.14 441	0.07 239	0.13 353	0.14 70	0.07 134	0.18 504	0.14 246	0.26 482	0.31 542	0.22 546	0.25 500	0.23 520	0.15 468	0.15 412	0.13 402	0.07 343	0.05 276	0.05 50	0.04 60	0.08 450	0.08 471

DN-CSS_ROB	0.13 404	0.13 576	0.16 477	0.18 402	0.10 469	0.16 462	0.08 7	0.22 398	0.18 354	0.17 445	0.22 450	0.13 346	0.13 426	0.12 295	0.13 402	0.05 51	0.05 276	0.10 541	0.10 556	0.08 450	0.06 310

IGEV_i1	0.12 377	0.07 239	0.12 300	0.16 222	0.08 220	0.19 528	0.14 246	0.18 302	0.22 427	0.18 475	0.18 391	0.16 412	0.12 384	0.16 447	0.14 445	0.06 168	0.05 276	0.06 200	0.05 192	0.06 293	0.06 310

LiteMatch	0.09 176	0.06 117	0.10 189	0.16 222	0.07 134	0.09 139	0.15 334	0.13 115	0.08 25	0.06 25	0.07 65	0.06 42	0.15 468	0.10 124	0.14 445	0.07 343	0.04 25	0.06 200	0.06 293	0.06 293	0.06 310

Lsterematch	0.11 299	0.06 117	0.11 252	0.16 222	0.07 134	0.13 366	0.15 334	0.14 146	0.17 321	0.16 426	0.18 391	0.15 397	0.15 468	0.12 295	0.14 445	0.07 343	0.04 25	0.06 200	0.06 293	0.06 293	0.06 310

DStereoRT	0.16 509	0.06 117	0.11 252	0.19 472	0.09 355	0.12 310	0.12 100	0.28 523	0.22 427	0.12 309	0.20 414	0.11 291	0.10 314	0.15 412	0.14 445	0.06 168	0.05 276	0.96 710	0.09 514	0.05 170	0.04 73

DFGA-Net	0.13 404	0.11 530	0.18 532	0.17 309	0.10 469	0.12 310	0.13 179	0.22 398	0.25 478	0.16 426	0.16 339	0.13 346	0.12 384	0.16 447	0.14 445	0.07 343	0.05 276	0.08 406	0.07 393	0.05 170	0.05 207

rvit_0105_5	0.14 441	0.09 440	0.13 353	0.17 309	0.09 355	0.14 403	0.23 602	0.24 445	0.27 502	0.14 370	0.15 326	0.18 448	0.12 384	0.17 481	0.14 445	0.14 628	0.11 602	0.10 541	0.10 556	0.08 450	0.06 310

rvit_0105_3	0.15 486	0.09 440	0.14 392	0.19 472	0.12 554	0.15 430	0.25 630	0.25 464	0.29 524	0.15 397	0.17 363	0.20 475	0.13 426	0.17 481	0.14 445	0.13 614	0.11 602	0.12 592	0.14 626	0.07 381	0.06 310

DCVSM-stereo	0.14 441	0.09 440	0.16 477	0.16 222	0.10 469	0.15 430	0.09 20	0.19 333	0.23 439	0.20 515	0.23 459	0.26 550	0.15 468	0.18 504	0.14 445	0.09 488	0.07 503	0.09 492	0.08 467	0.10 548	0.12 588

GCST	0.37 663	0.42 682	0.26 593	1.02 708	0.39 683	0.18 504	0.08 7	0.20 345	0.17 321	0.28 608	0.25 500	0.15 397	0.12 384	0.16 447	0.14 445	0.64 704	0.43 693	0.75 700	0.65 704	0.63 697	0.46 695

test_sample1	0.13 404	0.07 239	0.14 392	0.13 22	0.08 220	0.19 528	0.16 405	0.20 345	0.15 252	0.14 370	0.22 450	0.18 448	0.16 496	0.17 481	0.14 445	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.07 400

GMStereo_Zeroshot	0.16 509	0.13 576	0.24 585	0.20 539	0.10 469	0.17 485	0.13 179	0.29 537	0.25 478	0.23 559	0.32 572	0.25 540	0.11 351	0.19 519	0.14 445	0.09 488	0.06 430	0.11 572	0.06 293	0.12 586	0.08 471

CASS	0.13 404	0.12 548	0.11 252	0.23 613	0.09 355	0.15 430	0.17 447	0.18 302	0.19 373	0.17 445	0.18 391	0.15 397	0.15 468	0.14 385	0.14 445	0.09 488	0.06 430	0.10 541	0.08 467	0.09 515	0.07 400
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 404	0.07 239	0.13 353	0.18 402	0.09 355	0.13 366	0.17 447	0.19 333	0.29 524	0.15 397	0.24 472	0.15 397	0.14 450	0.14 385	0.14 445	0.07 343	0.05 276	0.07 312	0.09 514	0.05 170	0.06 310

IER	0.14 441	0.07 239	0.13 353	0.17 309	0.09 355	0.14 403	0.16 405	0.25 464	0.26 492	0.18 475	0.25 500	0.17 434	0.20 562	0.16 447	0.14 445	0.08 426	0.05 276	0.07 312	0.06 293	0.08 450	0.07 400

BSDual-CNN	0.15 486	0.09 440	0.14 392	0.22 589	0.10 469	0.14 403	0.15 334	0.34 603	0.19 373	0.17 445	0.22 450	0.25 540	0.16 496	0.15 412	0.14 445	0.08 426	0.06 430	0.10 541	0.09 514	0.07 381	0.07 400

psmg	0.14 441	0.09 440	0.14 392	0.17 309	0.10 469	0.15 430	0.17 447	0.29 537	0.19 373	0.17 445	0.21 438	0.25 540	0.16 496	0.15 412	0.14 445	0.08 426	0.06 430	0.08 406	0.08 467	0.07 381	0.06 310

GwcNet-ADL	0.13 404	0.08 358	0.14 392	0.20 539	0.09 355	0.11 256	0.20 560	0.30 551	0.24 456	0.13 343	0.14 305	0.18 448	0.14 450	0.13 351	0.14 445	0.07 343	0.05 276	0.06 200	0.05 192	0.07 381	0.06 310

AAGNet	0.11 299	0.07 239	0.16 477	0.19 472	0.09 355	0.08 85	0.13 179	0.18 302	0.13 192	0.16 426	0.21 438	0.13 346	0.14 450	0.11 199	0.14 445	0.06 168	0.04 25	0.09 492	0.06 293	0.06 293	0.05 207

THIR-Stereo	0.12 377	0.07 239	0.11 252	0.15 124	0.08 220	0.14 403	0.16 405	0.17 267	0.25 478	0.16 426	0.24 472	0.14 368	0.12 384	0.12 295	0.14 445	0.06 168	0.04 25	0.07 312	0.07 393	0.05 170	0.05 207

ICVP	0.15 486	0.09 440	0.12 300	0.22 589	0.09 355	0.17 485	0.21 581	0.25 464	0.23 439	0.18 475	0.30 559	0.26 550	0.18 534	0.17 481	0.14 445	0.09 488	0.07 503	0.08 406	0.07 393	0.07 381	0.07 400
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
TestStereo	0.13 404	0.14 588	0.11 252	0.23 613	0.08 220	0.15 430	0.21 581	0.20 345	0.23 439	0.14 370	0.24 472	0.16 412	0.12 384	0.16 447	0.14 445	0.05 51	0.06 430	0.08 406	0.06 293	0.09 515	0.05 207

CFNet_pseudo	0.14 441	0.08 358	0.15 441	0.16 222	0.09 355	0.13 366	0.14 246	0.27 503	0.34 568	0.14 370	0.21 438	0.22 502	0.13 426	0.18 504	0.14 445	0.07 343	0.05 276	0.08 406	0.06 293	0.07 381	0.07 400

cf-r	0.13 404	0.07 239	0.12 300	0.16 222	0.08 220	0.14 403	0.19 536	0.20 345	0.25 478	0.17 445	0.25 500	0.21 484	0.16 496	0.14 385	0.14 445	0.10 531	0.05 276	0.06 200	0.08 467	0.06 293	0.06 310

CFNet-ft	0.14 441	0.07 239	0.15 441	0.12 7	0.09 355	0.16 462	0.18 496	0.22 398	0.24 456	0.17 445	0.26 517	0.24 526	0.14 450	0.16 447	0.14 445	0.11 563	0.06 430	0.08 406	0.09 514	0.09 515	0.08 471

CCAANet	0.14 441	0.06 117	0.14 392	0.17 309	0.09 355	0.16 462	0.13 179	0.30 551	0.24 456	0.16 426	0.32 572	0.18 448	0.17 519	0.17 481	0.14 445	0.06 168	0.05 276	0.09 492	0.09 514	0.06 293	0.09 517

MSMDNet	0.14 441	0.08 358	0.15 441	0.17 309	0.09 355	0.14 403	0.14 246	0.29 537	0.36 581	0.14 370	0.21 438	0.21 484	0.12 384	0.17 481	0.14 445	0.07 343	0.05 276	0.07 312	0.07 393	0.07 381	0.07 400

CFNet	0.15 486	0.10 503	0.17 508	0.17 309	0.08 220	0.18 504	0.09 20	0.28 523	0.25 478	0.19 492	0.24 472	0.24 526	0.17 519	0.17 481	0.14 445	0.08 426	0.06 430	0.09 492	0.10 556	0.07 381	0.06 310

CFNet_RVC	0.14 441	0.07 239	0.15 441	0.12 7	0.09 355	0.16 462	0.18 496	0.22 398	0.24 456	0.17 445	0.26 517	0.24 526	0.14 450	0.16 447	0.14 445	0.11 563	0.06 430	0.08 406	0.09 514	0.09 515	0.08 471

ccs_rob	0.14 441	0.08 358	0.15 441	0.16 222	0.09 355	0.12 310	0.14 246	0.27 503	0.34 568	0.14 370	0.21 438	0.22 502	0.13 426	0.18 504	0.14 445	0.07 343	0.05 276	0.08 406	0.07 393	0.07 381	0.07 400

AdaStereo	0.15 486	0.11 530	0.15 441	0.18 402	0.09 355	0.20 544	0.11 64	0.32 574	0.28 517	0.20 515	0.23 459	0.20 475	0.13 426	0.19 519	0.14 445	0.12 588	0.05 276	0.10 541	0.07 393	0.09 515	0.07 400
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.
iResNetv2_ROB	0.14 441	0.08 358	0.15 441	0.16 222	0.08 220	0.16 462	0.12 100	0.25 464	0.35 577	0.21 530	0.29 552	0.24 526	0.13 426	0.14 385	0.14 445	0.06 168	0.05 276	0.06 200	0.04 60	0.09 515	0.08 471

iResNet	0.13 404	0.10 503	0.18 532	0.19 472	0.08 220	0.13 366	0.18 496	0.20 345	0.26 492	0.15 397	0.23 459	0.15 397	0.13 426	0.14 385	0.14 445	0.06 168	0.04 25	0.06 200	0.05 192	0.06 293	0.05 207

DDVS	0.15 486	0.10 503	0.21 566	0.16 222	0.12 554	0.15 430	0.14 246	0.25 464	0.19 373	0.18 475	0.29 552	0.27 558	0.12 384	0.19 519	0.15 477	0.09 488	0.06 430	0.09 492	0.07 393	0.11 571	0.11 575

DispNO	0.14 441	0.08 358	0.17 508	0.19 472	0.12 554	0.11 256	0.21 581	0.23 421	0.29 524	0.17 445	0.23 459	0.18 448	0.17 519	0.15 412	0.15 477	0.07 343	0.05 276	0.08 406	0.08 467	0.07 381	0.06 310

CFNet_ucs	0.15 486	0.08 358	0.16 477	0.16 222	0.11 520	0.14 403	0.14 246	0.30 551	0.34 568	0.16 426	0.24 472	0.23 520	0.14 450	0.18 504	0.15 477	0.09 488	0.06 430	0.08 406	0.07 393	0.09 515	0.09 517

SDNR	0.19 556	0.08 358	0.19 544	0.16 222	0.12 554	0.77 698	0.14 246	0.25 464	0.32 549	0.19 492	0.24 472	0.19 463	0.13 426	0.19 519	0.15 477	0.16 648	0.18 660	0.14 621	0.11 590	0.08 450	0.11 575

gwcnet-sp	0.14 441	0.07 239	0.12 300	0.18 402	0.09 355	0.16 462	0.17 447	0.24 445	0.24 456	0.18 475	0.24 472	0.15 397	0.16 496	0.15 412	0.15 477	0.08 426	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

scenet	0.14 441	0.07 239	0.12 300	0.18 402	0.09 355	0.16 462	0.17 447	0.24 445	0.24 456	0.18 475	0.24 472	0.15 397	0.16 496	0.15 412	0.15 477	0.08 426	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

ssnet	0.14 441	0.07 239	0.12 300	0.18 402	0.09 355	0.16 462	0.17 447	0.24 445	0.24 456	0.18 475	0.24 472	0.15 397	0.16 496	0.15 412	0.15 477	0.08 426	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

FENet	0.13 404	0.08 358	0.12 300	0.16 222	0.08 220	0.14 403	0.15 334	0.22 398	0.23 439	0.17 445	0.23 459	0.16 412	0.12 384	0.14 385	0.15 477	0.08 426	0.05 276	0.08 406	0.08 467	0.07 381	0.07 400

GANet-RSSM	0.14 441	0.07 239	0.13 353	0.13 22	0.08 220	0.14 403	0.17 447	0.22 398	0.21 413	0.17 445	0.24 472	0.23 520	0.15 468	0.16 447	0.15 477	0.10 531	0.06 430	0.07 312	0.08 467	0.08 450	0.07 400

GwcNet-RSSM	0.14 441	0.07 239	0.12 300	0.15 124	0.08 220	0.15 430	0.20 560	0.21 372	0.27 502	0.18 475	0.27 526	0.22 502	0.16 496	0.14 385	0.15 477	0.10 531	0.05 276	0.07 312	0.09 514	0.07 381	0.07 400

FADNet-RVC-Resample	0.16 509	0.11 530	0.31 618	0.22 589	0.11 520	0.19 528	0.14 246	0.25 464	0.24 456	0.24 568	0.27 526	0.20 475	0.15 468	0.16 447	0.15 477	0.07 343	0.08 535	0.12 592	0.10 556	0.09 515	0.10 548

FADNet	0.21 581	0.22 648	0.36 634	0.18 402	0.17 644	0.24 592	0.13 179	0.31 563	0.31 542	0.23 559	0.25 500	0.27 558	0.21 566	0.19 519	0.15 477	0.13 614	0.15 649	0.12 592	0.15 642	0.16 645	0.18 658

BEATNet_4x	0.12 377	0.08 358	0.14 392	0.18 402	0.07 134	0.15 430	0.07 3	0.22 398	0.18 354	0.16 426	0.19 402	0.18 448	0.14 450	0.16 447	0.15 477	0.07 343	0.05 276	0.05 50	0.05 192	0.06 293	0.06 310

UCFNet_RVC	0.14 441	0.08 358	0.13 353	0.11 1	0.10 469	0.20 544	0.10 35	0.24 445	0.22 427	0.17 445	0.20 414	0.23 520	0.15 468	0.17 481	0.15 477	0.12 588	0.07 503	0.10 541	0.13 622	0.11 571	0.10 548

DeepPruner_ROB	0.16 509	0.11 530	0.15 441	0.17 309	0.10 469	0.17 485	0.15 334	0.32 574	0.21 413	0.19 492	0.21 438	0.22 502	0.18 534	0.20 544	0.15 477	0.13 614	0.09 568	0.09 492	0.09 514	0.11 571	0.10 548

HSM	0.15 486	0.08 358	0.14 392	0.16 222	0.09 355	0.16 462	0.14 246	0.28 523	0.25 478	0.19 492	0.23 459	0.37 631	0.16 496	0.20 544	0.15 477	0.07 343	0.05 276	0.07 312	0.06 293	0.07 381	0.06 310

G2L-ROB	0.13 404	0.06 117	0.13 353	0.13 22	0.08 220	0.14 403	0.16 405	0.25 464	0.18 354	0.19 492	0.18 391	0.20 475	0.14 450	0.17 481	0.16 493	0.08 426	0.05 276	0.06 200	0.05 192	0.08 450	0.09 517

ITSA-stereo	0.15 486	0.10 503	0.14 392	0.19 472	0.08 220	0.12 310	0.14 246	0.30 551	0.49 642	0.17 445	0.19 402	0.22 502	0.15 468	0.17 481	0.16 493	0.10 531	0.06 430	0.08 406	0.08 467	0.08 450	0.08 471

DualNet (step1)	0.16 509	0.12 548	0.20 556	0.12 7	0.14 598	0.17 485	0.13 179	0.27 503	0.23 439	0.20 515	0.20 414	0.24 526	0.19 550	0.16 447	0.16 493	0.15 632	0.06 430	0.14 621	0.14 626	0.14 620	0.12 588

test_sample7	0.15 486	0.10 503	0.16 477	0.14 70	0.11 520	0.16 462	0.16 405	0.27 503	0.23 439	0.20 515	0.20 414	0.24 526	0.19 550	0.16 447	0.16 493	0.12 588	0.06 430	0.10 541	0.09 514	0.10 548	0.10 548

1test111	0.11 299	0.08 358	0.12 300	0.17 309	0.09 355	0.13 366	0.15 334	0.23 421	0.16 291	0.09 183	0.09 161	0.06 42	0.06 66	0.15 412	0.16 493	0.06 168	0.04 25	0.06 200	0.05 192	0.07 381	0.07 400

qqq	0.13 404	0.09 440	0.15 441	0.16 222	0.08 220	0.13 366	0.15 334	0.23 421	0.16 291	0.15 397	0.19 402	0.16 412	0.16 496	0.15 412	0.16 493	0.07 343	0.06 430	0.08 406	0.08 467	0.07 381	0.07 400

iRaft-Stereo_5w	0.12 377	0.09 440	0.12 300	0.19 472	0.08 220	0.09 139	0.12 100	0.21 372	0.21 413	0.19 492	0.14 305	0.11 291	0.09 270	0.20 544	0.16 493	0.05 51	0.05 276	0.07 312	0.06 293	0.05 170	0.06 310

dd	0.15 486	0.16 606	0.16 477	0.19 472	0.09 355	0.15 430	0.18 496	0.21 372	0.25 478	0.23 559	0.20 414	0.21 484	0.09 270	0.21 561	0.16 493	0.10 531	0.06 430	0.08 406	0.06 293	0.08 450	0.06 310

dad	0.17 530	0.20 638	0.20 556	0.16 222	0.11 520	0.20 544	0.18 496	0.21 372	0.28 517	0.30 622	0.24 472	0.29 577	0.13 426	0.19 519	0.16 493	0.18 654	0.09 568	0.11 572	0.09 514	0.11 571	0.07 400

AACVNet	0.16 509	0.08 358	0.14 392	0.15 124	0.10 469	0.18 504	0.15 334	0.23 421	0.24 456	0.27 593	0.27 526	0.28 568	0.17 519	0.19 519	0.16 493	0.09 488	0.07 503	0.09 492	0.07 393	0.10 548	0.09 517

GEStereo_RVC	0.17 530	0.12 548	0.15 441	0.22 589	0.11 520	0.19 528	0.17 447	0.32 574	0.48 635	0.20 515	0.25 500	0.17 434	0.13 426	0.21 561	0.16 493	0.10 531	0.06 430	0.08 406	0.07 393	0.09 515	0.08 471

FADNet_RVC	0.16 509	0.14 588	0.40 643	0.20 539	0.11 520	0.13 366	0.13 179	0.26 482	0.22 427	0.21 530	0.23 459	0.20 475	0.17 519	0.14 385	0.16 493	0.08 426	0.08 535	0.12 592	0.09 514	0.11 571	0.10 548

AANet_RVC	0.16 509	0.10 503	0.10 189	0.18 402	0.09 355	0.18 504	0.19 536	0.26 482	0.31 542	0.22 546	0.35 593	0.21 484	0.21 566	0.22 574	0.16 493	0.06 168	0.05 276	0.06 200	0.06 293	0.07 381	0.06 310

CBMV_ROB	0.19 556	0.13 576	0.17 508	0.16 222	0.11 520	0.15 430	0.13 179	0.26 482	0.28 517	0.27 593	0.30 559	0.27 558	0.24 589	0.23 585	0.16 493	0.15 632	0.17 658	0.22 662	0.20 660	0.10 548	0.11 575

NOSS_ROB	0.19 556	0.12 548	0.18 532	0.16 222	0.12 554	0.15 430	0.12 100	0.30 551	0.32 549	0.20 515	0.22 450	0.27 558	0.23 583	0.21 561	0.16 493	0.16 648	0.18 660	0.23 663	0.21 662	0.12 586	0.13 611

rvit_105_1	0.19 556	0.11 530	0.25 590	0.21 572	0.16 629	0.21 562	0.27 646	0.31 563	0.41 608	0.19 492	0.20 414	0.22 502	0.17 519	0.19 519	0.17 508	0.12 588	0.12 618	0.13 607	0.15 642	0.08 450	0.07 400

ACV-stereo	0.15 486	0.10 503	0.28 605	0.18 402	0.12 554	0.14 403	0.12 100	0.23 421	0.21 413	0.19 492	0.23 459	0.22 502	0.15 468	0.23 585	0.17 508	0.07 343	0.06 430	0.07 312	0.07 393	0.07 381	0.07 400

test_sample9	0.18 544	0.12 548	0.20 556	0.12 7	0.14 598	0.17 485	0.13 179	0.27 503	0.23 439	0.20 515	0.20 414	0.24 526	0.19 550	0.19 519	0.17 508	0.15 632	0.30 685	0.14 621	0.14 626	0.14 620	0.12 588

test_sample8	0.19 556	0.12 548	0.20 556	0.12 7	0.14 598	0.17 485	0.13 179	0.31 563	0.21 413	0.27 593	0.22 450	0.36 626	0.25 598	0.19 519	0.17 508	0.15 632	0.30 685	0.14 621	0.14 626	0.14 620	0.12 588

SMFormer	0.14 441	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.17 508	0.08 426	0.05 276	0.07 312	0.06 293	0.07 381	0.06 310

tta	0.14 441	0.07 239	0.17 508	0.14 70	0.08 220	0.16 462	0.17 447	0.26 482	0.27 502	0.19 492	0.20 414	0.18 448	0.15 468	0.15 412	0.17 508	0.08 426	0.05 276	0.07 312	0.06 293	0.06 293	0.06 310

mmm	0.14 441	0.08 358	0.17 508	0.17 309	0.09 355	0.17 485	0.18 496	0.21 372	0.15 252	0.15 397	0.23 459	0.21 484	0.16 496	0.16 447	0.17 508	0.08 426	0.05 276	0.08 406	0.07 393	0.07 381	0.07 400

HBP-ISP	0.18 544	0.13 576	0.16 477	0.15 124	0.11 520	0.08 85	0.13 179	0.28 523	0.29 524	0.22 546	0.33 585	0.21 484	0.25 598	0.23 585	0.17 508	0.14 628	0.16 653	0.21 658	0.17 654	0.10 548	0.08 471

CRFU-Net	0.16 509	0.08 358	0.14 392	0.17 309	0.09 355	0.19 528	0.14 246	0.26 482	0.20 397	0.28 608	0.27 526	0.29 577	0.17 519	0.19 519	0.17 508	0.09 488	0.09 568	0.07 312	0.07 393	0.08 450	0.08 471

SACVNet	0.18 544	0.12 548	0.14 392	0.17 309	0.13 577	0.22 571	0.18 496	0.31 563	0.30 534	0.23 559	0.31 568	0.30 587	0.22 575	0.22 574	0.17 508	0.11 563	0.08 535	0.10 541	0.10 556	0.12 586	0.14 628

PSMNet-ADL	0.15 486	0.12 548	0.13 353	0.22 589	0.09 355	0.13 366	0.20 560	0.26 482	0.23 439	0.18 475	0.20 414	0.24 526	0.16 496	0.18 504	0.17 508	0.08 426	0.08 535	0.08 406	0.11 590	0.08 450	0.07 400

LMCR-Stereo	0.15 486	0.08 358	0.13 353	0.21 572	0.09 355	0.17 485	0.20 560	0.27 503	0.19 373	0.24 568	0.24 472	0.23 520	0.17 519	0.20 544	0.17 508	0.07 343	0.06 430	0.08 406	0.06 293	0.10 548	0.08 471

FINET	0.21 581	0.18 628	0.26 593	0.18 402	0.16 629	0.23 587	0.23 602	0.32 574	0.48 635	0.25 581	0.32 572	0.22 502	0.22 575	0.22 574	0.17 508	0.18 654	0.16 653	0.11 572	0.10 556	0.15 636	0.13 611

DMCA	0.14 441	0.09 440	0.16 477	0.19 472	0.09 355	0.15 430	0.17 447	0.23 421	0.27 502	0.14 370	0.19 402	0.17 434	0.18 534	0.15 412	0.17 508	0.10 531	0.06 430	0.08 406	0.06 293	0.09 515	0.10 548

CVANet_RVC	0.18 544	0.10 503	0.14 392	0.21 572	0.10 469	0.18 504	0.17 447	0.34 603	0.33 556	0.22 546	0.31 568	0.28 568	0.18 534	0.23 585	0.17 508	0.12 588	0.08 535	0.12 592	0.11 590	0.09 515	0.07 400

NVstereo2D	0.19 556	0.10 503	0.15 441	0.17 309	0.15 618	0.28 630	0.23 602	0.44 664	0.42 616	0.15 397	0.27 526	0.25 540	0.19 550	0.22 574	0.17 508	0.09 488	0.06 430	0.10 541	0.08 467	0.15 636	0.09 517

SGM-Forest	0.20 568	0.14 588	0.18 532	0.19 472	0.13 577	0.20 544	0.22 591	0.33 594	0.30 534	0.24 568	0.29 552	0.28 568	0.19 550	0.23 585	0.17 508	0.15 632	0.16 653	0.15 633	0.14 626	0.12 586	0.12 588
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
pmcnn	0.15 486	0.07 239	0.19 544	0.15 124	0.07 134	0.20 544	0.15 334	0.24 445	0.26 492	0.21 530	0.34 589	0.28 568	0.18 534	0.18 504	0.17 508	0.07 343	0.05 276	0.05 50	0.04 60	0.07 381	0.06 310

MultiAttention	0.29 645	0.08 358	0.14 392	0.19 472	0.12 554	1.45 713	1.33 717	0.36 625	0.37 588	0.19 492	0.21 438	0.24 526	0.11 351	0.38 660	0.18 526	0.06 168	0.05 276	0.08 406	0.08 467	0.10 548	0.09 517

G2L-Stereo_test	0.14 441	0.07 239	0.11 252	0.13 22	0.08 220	0.12 310	0.16 405	0.30 551	0.28 517	0.20 515	0.23 459	0.20 475	0.16 496	0.17 481	0.18 526	0.07 343	0.05 276	0.05 50	0.05 192	0.07 381	0.06 310

coex_refinement	0.14 441	0.07 239	0.12 300	0.17 309	0.10 469	0.15 430	0.15 334	0.26 482	0.29 524	0.18 475	0.20 414	0.22 502	0.17 519	0.16 447	0.18 526	0.08 426	0.05 276	0.06 200	0.06 293	0.09 515	0.08 471

G2L-Stereo	0.14 441	0.07 239	0.13 353	0.17 309	0.09 355	0.13 366	0.12 100	0.27 503	0.22 427	0.16 426	0.27 526	0.21 484	0.13 426	0.17 481	0.18 526	0.09 488	0.08 535	0.08 406	0.07 393	0.07 381	0.07 400

MyStereo8	0.12 377	0.07 239	0.15 441	0.15 124	0.09 355	0.18 504	0.14 246	0.19 333	0.22 427	0.12 309	0.18 391	0.11 291	0.10 314	0.16 447	0.18 526	0.07 343	0.05 276	0.07 312	0.05 192	0.08 450	0.09 517

CBFPSM	0.14 441	0.06 117	0.26 593	0.17 309	0.09 355	0.13 366	0.15 334	0.22 398	0.23 439	0.20 515	0.27 526	0.24 526	0.16 496	0.16 447	0.18 526	0.06 168	0.06 430	0.06 200	0.07 393	0.07 381	0.07 400

GASNet	0.22 590	0.23 651	0.33 625	0.26 638	0.17 644	0.26 613	0.16 405	0.44 664	0.42 616	0.27 593	0.24 472	0.30 587	0.15 468	0.27 606	0.18 526	0.12 588	0.08 535	0.12 592	0.11 590	0.16 645	0.07 400

x	0.13 404	0.07 239	0.14 392	0.14 70	0.08 220	0.18 504	0.14 246	0.22 398	0.20 397	0.15 397	0.19 402	0.19 463	0.17 519	0.18 504	0.18 526	0.07 343	0.05 276	0.06 200	0.06 293	0.07 381	0.07 400

CSP-Net	0.16 509	0.09 440	0.14 392	0.16 222	0.09 355	0.19 528	0.17 447	0.25 464	0.32 549	0.25 581	0.30 559	0.24 526	0.15 468	0.21 561	0.18 526	0.09 488	0.06 430	0.07 312	0.07 393	0.08 450	0.07 400

UNet	0.17 530	0.09 440	0.18 532	0.19 472	0.12 554	0.27 623	0.19 536	0.33 594	0.29 524	0.21 530	0.24 472	0.23 520	0.19 550	0.19 519	0.18 526	0.07 343	0.06 430	0.08 406	0.07 393	0.08 450	0.06 310

acv_ft	0.15 486	0.09 440	0.15 441	0.19 472	0.10 469	0.16 462	0.17 447	0.25 464	0.33 556	0.19 492	0.26 517	0.21 484	0.17 519	0.17 481	0.18 526	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.06 310

TDLM	0.17 530	0.12 548	0.13 353	0.24 622	0.10 469	0.18 504	0.18 496	0.36 625	0.30 534	0.21 530	0.28 540	0.28 568	0.18 534	0.23 585	0.18 526	0.11 563	0.07 503	0.10 541	0.10 556	0.08 450	0.08 471

MDST_ROB	0.22 590	0.10 503	0.17 508	0.18 402	0.11 520	0.37 659	0.19 536	0.43 662	0.41 608	0.39 651	0.39 616	0.29 577	0.21 566	0.26 603	0.18 526	0.11 563	0.10 590	0.14 621	0.11 590	0.10 548	0.08 471

Wz-Net-LNSev-Ref	0.18 544	0.09 440	0.29 613	0.15 124	0.10 469	0.22 571	0.20 560	0.26 482	0.39 599	0.25 581	0.42 639	0.24 526	0.15 468	0.20 544	0.19 539	0.07 343	0.05 276	0.06 200	0.05 192	0.10 548	0.09 517

pcwnet_v2	0.19 556	0.10 503	0.26 593	0.17 309	0.14 598	0.18 504	0.15 334	0.37 631	0.46 633	0.19 492	0.24 472	0.21 484	0.19 550	0.20 544	0.19 539	0.13 614	0.10 590	0.10 541	0.10 556	0.11 571	0.13 611

FADNet-RVC	0.20 568	0.20 638	0.38 640	0.21 572	0.16 629	0.20 544	0.15 334	0.26 482	0.26 492	0.26 587	0.32 572	0.26 550	0.21 566	0.22 574	0.19 539	0.12 588	0.13 633	0.12 592	0.14 626	0.13 606	0.18 658

STTStereo	0.18 544	0.12 548	0.27 600	0.20 539	0.11 520	0.16 462	0.21 581	0.29 537	0.23 439	0.21 530	0.30 559	0.29 577	0.18 534	0.20 544	0.19 539	0.12 588	0.11 602	0.11 572	0.14 626	0.09 515	0.08 471

RASNet	0.14 441	0.07 239	0.14 392	0.16 222	0.08 220	0.18 504	0.14 246	0.29 537	0.20 397	0.17 445	0.25 500	0.21 484	0.18 534	0.20 544	0.19 539	0.07 343	0.06 430	0.06 200	0.08 467	0.06 293	0.06 310

CBMV	0.19 556	0.14 588	0.17 508	0.18 402	0.10 469	0.20 544	0.11 64	0.29 537	0.30 534	0.29 617	0.30 559	0.30 587	0.23 583	0.27 606	0.19 539	0.13 614	0.15 649	0.17 644	0.16 647	0.10 548	0.10 548
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ISRNet	0.18 544	0.08 358	0.19 544	0.19 472	0.13 577	0.15 430	0.12 100	0.30 551	0.32 549	0.21 530	0.25 500	0.27 558	0.17 519	0.17 481	0.20 545	0.20 663	0.08 535	0.14 621	0.14 626	0.14 620	0.17 655

PSMNet-RUCA	0.27 636	0.33 674	0.41 646	0.36 674	0.32 682	0.18 504	0.19 536	0.42 658	0.30 534	0.33 638	0.41 633	0.39 643	0.25 598	0.31 628	0.20 545	0.18 654	0.10 590	0.25 665	0.15 642	0.21 661	0.16 646

ff1	0.13 404	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.15 188	0.19 373	0.15 397	0.25 500	0.19 463	0.13 426	0.14 385	0.20 545	0.06 168	0.04 25	0.09 492	0.08 467	0.06 293	0.06 310

mmx	0.14 441	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.27 503	0.25 478	0.15 397	0.25 500	0.19 463	0.13 426	0.14 385	0.20 545	0.08 426	0.06 430	0.09 492	0.08 467	0.08 450	0.08 471

xxx	0.14 441	0.09 440	0.14 392	0.16 222	0.08 220	0.17 485	0.17 447	0.27 503	0.25 478	0.15 397	0.25 500	0.19 463	0.13 426	0.14 385	0.20 545	0.08 426	0.06 430	0.09 492	0.08 467	0.08 450	0.08 471

ToySt	0.17 530	0.11 530	0.18 532	0.17 309	0.11 520	0.16 462	0.25 630	0.24 445	0.33 556	0.19 492	0.24 472	0.26 550	0.24 589	0.19 519	0.20 545	0.07 343	0.08 535	0.09 492	0.10 556	0.09 515	0.08 471

ssnet_v2	0.17 530	0.10 503	0.17 508	0.17 309	0.11 520	0.21 562	0.21 581	0.33 594	0.25 478	0.22 546	0.22 450	0.27 558	0.18 534	0.22 574	0.20 545	0.11 563	0.09 568	0.09 492	0.09 514	0.08 450	0.08 471

DDUNet	0.22 590	0.17 617	0.21 566	0.22 589	0.15 618	0.25 603	0.24 615	0.29 537	0.30 534	0.31 628	0.36 596	0.33 613	0.25 598	0.24 595	0.20 545	0.18 654	0.13 633	0.17 644	0.11 590	0.16 645	0.16 646

AASNet	0.16 509	0.08 358	0.12 300	0.19 472	0.09 355	0.18 504	0.15 334	0.37 631	0.37 588	0.19 492	0.23 459	0.20 475	0.16 496	0.17 481	0.20 545	0.10 531	0.08 535	0.08 406	0.07 393	0.09 515	0.09 517

MMNet	0.17 530	0.09 440	0.16 477	0.20 539	0.11 520	0.27 623	0.20 560	0.25 464	0.41 608	0.22 546	0.30 559	0.21 484	0.20 562	0.17 481	0.20 545	0.06 168	0.06 430	0.07 312	0.07 393	0.08 450	0.07 400

HGLStereo	0.17 530	0.08 358	0.19 544	0.17 309	0.12 554	0.18 504	0.18 496	0.31 563	0.32 549	0.21 530	0.32 572	0.25 540	0.18 534	0.19 519	0.20 545	0.09 488	0.09 568	0.07 312	0.07 393	0.09 515	0.10 548

FAT-Stereo	0.20 568	0.12 548	0.22 572	0.21 572	0.12 554	0.17 485	0.18 496	0.34 603	0.39 599	0.27 593	0.37 602	0.34 620	0.32 644	0.21 561	0.20 545	0.09 488	0.11 602	0.10 541	0.09 514	0.11 571	0.14 628

DSFCA	0.16 509	0.09 440	0.14 392	0.16 222	0.10 469	0.20 544	0.19 536	0.28 523	0.31 542	0.23 559	0.24 472	0.22 502	0.15 468	0.19 519	0.20 545	0.10 531	0.07 503	0.09 492	0.09 514	0.08 450	0.08 471

DMCA-RVC	0.17 530	0.10 503	0.15 441	0.24 622	0.11 520	0.18 504	0.18 496	0.25 464	0.24 456	0.21 530	0.26 517	0.25 540	0.27 612	0.18 504	0.20 545	0.12 588	0.08 535	0.13 607	0.10 556	0.10 548	0.08 471

NLCA_NET_v2_RVC	0.17 530	0.10 503	0.22 572	0.20 539	0.10 469	0.15 430	0.18 496	0.31 563	0.25 478	0.21 530	0.30 559	0.25 540	0.17 519	0.21 561	0.20 545	0.09 488	0.06 430	0.08 406	0.08 467	0.07 381	0.08 471
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 568	0.21 644	0.23 581	0.20 539	0.10 469	0.19 528	0.17 447	0.36 625	0.25 478	0.27 593	0.33 585	0.27 558	0.24 589	0.20 544	0.20 545	0.15 632	0.12 618	0.17 644	0.14 626	0.10 548	0.08 471

StereoDRNet-Refined	0.17 530	0.12 548	0.15 441	0.20 539	0.09 355	0.18 504	0.18 496	0.26 482	0.23 439	0.26 587	0.40 622	0.22 502	0.17 519	0.21 561	0.20 545	0.08 426	0.05 276	0.09 492	0.10 556	0.07 381	0.07 400
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.18 544	0.11 530	0.17 508	0.22 589	0.11 520	0.21 562	0.22 591	0.37 631	0.33 556	0.24 568	0.28 540	0.30 587	0.19 550	0.20 544	0.20 545	0.09 488	0.08 535	0.11 572	0.09 514	0.09 515	0.07 400

DLCB_ROB	0.18 544	0.10 503	0.15 441	0.23 613	0.11 520	0.24 592	0.18 496	0.29 537	0.28 517	0.27 593	0.28 540	0.28 568	0.24 589	0.19 519	0.20 545	0.08 426	0.08 535	0.09 492	0.09 514	0.07 381	0.07 400

PWCDC_ROB	0.20 568	0.13 576	0.22 572	0.24 622	0.11 520	0.19 528	0.15 334	0.33 594	0.54 655	0.29 617	0.50 655	0.21 484	0.15 468	0.27 606	0.20 545	0.11 563	0.09 568	0.10 541	0.08 467	0.11 571	0.09 517

iinet-f	0.16 509	0.06 117	0.45 650	0.14 70	0.10 469	0.21 562	0.14 246	0.27 503	0.23 439	0.21 530	0.24 472	0.21 484	0.15 468	0.18 504	0.21 565	0.09 488	0.07 503	0.07 312	0.06 293	0.09 515	0.10 548

ADLNet	0.16 509	0.08 358	0.15 441	0.16 222	0.10 469	0.16 462	0.17 447	0.32 574	0.27 502	0.22 546	0.27 526	0.24 526	0.16 496	0.18 504	0.21 565	0.10 531	0.06 430	0.10 541	0.10 556	0.08 450	0.09 517

delet	0.17 530	0.08 358	0.17 508	0.19 472	0.11 520	0.20 544	0.21 581	0.30 551	0.37 588	0.17 445	0.26 517	0.19 463	0.19 550	0.19 519	0.21 565	0.08 426	0.08 535	0.09 492	0.11 590	0.06 293	0.06 310

UPFNet	0.16 509	0.08 358	0.12 300	0.20 539	0.12 554	0.20 544	0.23 602	0.28 523	0.26 492	0.17 445	0.24 472	0.22 502	0.19 550	0.19 519	0.21 565	0.09 488	0.07 503	0.08 406	0.09 514	0.08 450	0.06 310

ACVNet	0.15 486	0.09 440	0.15 441	0.13 22	0.12 554	0.14 403	0.20 560	0.22 398	0.33 556	0.17 445	0.26 517	0.21 484	0.16 496	0.17 481	0.21 565	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.06 310

hitnet-ft	0.18 544	0.09 440	0.17 508	0.14 70	0.09 355	0.26 613	0.20 560	0.25 464	0.26 492	0.24 568	0.32 572	0.31 600	0.22 575	0.24 595	0.21 565	0.12 588	0.07 503	0.10 541	0.08 467	0.12 586	0.11 575

MaskLacGwcNet_RVC	0.22 590	0.21 644	0.24 585	0.26 638	0.11 520	0.23 587	0.14 246	0.39 643	0.24 456	0.32 634	0.36 596	0.30 587	0.21 566	0.19 519	0.21 565	0.17 653	0.14 643	0.21 658	0.16 647	0.12 586	0.12 588

SuperB	0.20 568	0.10 503	0.56 666	0.16 222	0.09 355	0.18 504	0.18 496	0.24 445	0.50 645	0.26 587	0.39 616	0.17 434	0.21 566	0.22 574	0.21 565	0.08 426	0.06 430	0.06 200	0.06 293	0.12 586	0.10 548

NaN_ROB	0.22 590	0.19 632	0.24 585	0.25 633	0.13 577	0.29 634	0.26 639	0.33 594	0.41 608	0.31 628	0.31 568	0.32 609	0.23 583	0.30 627	0.21 565	0.11 563	0.17 658	0.10 541	0.10 556	0.08 450	0.09 517

YMNet	0.20 568	0.12 548	0.19 544	0.20 539	0.14 598	0.26 613	0.23 602	0.32 574	0.34 568	0.27 593	0.34 589	0.30 587	0.18 534	0.18 504	0.22 574	0.10 531	0.13 633	0.10 541	0.10 556	0.08 450	0.09 517

YMNet_1	0.20 568	0.12 548	0.19 544	0.20 539	0.14 598	0.26 613	0.23 602	0.32 574	0.34 568	0.27 593	0.34 589	0.30 587	0.18 534	0.18 504	0.22 574	0.10 531	0.13 633	0.10 541	0.10 556	0.08 450	0.09 517

UDG	0.21 581	0.17 617	0.19 544	0.23 613	0.15 618	0.30 637	0.20 560	0.33 594	0.35 577	0.23 559	0.28 540	0.31 600	0.27 612	0.20 544	0.22 574	0.15 632	0.12 618	0.13 607	0.09 514	0.14 620	0.14 628

ADLNet2	0.16 509	0.09 440	0.13 353	0.16 222	0.09 355	0.20 544	0.16 405	0.31 563	0.39 599	0.16 426	0.20 414	0.20 475	0.18 534	0.21 561	0.22 574	0.08 426	0.06 430	0.07 312	0.07 393	0.09 515	0.07 400

psm_up	0.18 544	0.10 503	0.18 532	0.20 539	0.11 520	0.17 485	0.19 536	0.37 631	0.34 568	0.21 530	0.28 540	0.29 577	0.24 589	0.20 544	0.22 574	0.09 488	0.10 590	0.11 572	0.11 590	0.08 450	0.08 471

ac_64	0.16 509	0.08 358	0.15 441	0.18 402	0.10 469	0.22 571	0.18 496	0.24 445	0.21 413	0.18 475	0.24 472	0.29 577	0.18 534	0.19 519	0.22 574	0.09 488	0.07 503	0.08 406	0.09 514	0.07 381	0.06 310

S-Stereo	0.20 568	0.12 548	0.25 590	0.21 572	0.13 577	0.20 544	0.18 496	0.32 574	0.43 621	0.23 559	0.36 596	0.28 568	0.30 635	0.19 519	0.22 574	0.09 488	0.12 618	0.10 541	0.10 556	0.13 606	0.13 611

RGC	0.25 625	0.20 638	0.29 613	0.28 654	0.16 629	0.22 571	0.23 602	0.32 574	0.44 626	0.27 593	0.40 622	0.38 635	0.27 612	0.36 653	0.22 574	0.11 563	0.13 633	0.17 644	0.17 654	0.14 620	0.16 646

stereogan	0.22 590	0.11 530	0.21 566	0.20 539	0.12 554	0.31 638	0.19 536	0.35 618	0.44 626	0.22 546	0.39 616	0.35 624	0.27 612	0.33 638	0.22 574	0.10 531	0.12 618	0.10 541	0.10 556	0.14 620	0.13 611

DeepPrunerF	0.24 613	0.17 617	0.42 648	0.26 638	0.16 629	0.22 571	0.28 652	0.37 631	0.50 645	0.26 587	0.29 552	0.24 526	0.28 623	0.21 561	0.22 574	0.15 632	0.11 602	0.20 657	0.18 658	0.12 586	0.13 611

GANet	0.21 581	0.12 548	0.21 566	0.24 622	0.13 577	0.22 571	0.22 591	0.41 653	0.26 492	0.31 628	0.42 639	0.37 631	0.28 623	0.23 585	0.22 574	0.10 531	0.12 618	0.10 541	0.09 514	0.10 548	0.08 471

PWC_ROB	0.21 581	0.16 606	0.26 593	0.18 402	0.11 520	0.22 571	0.13 179	0.32 574	0.49 642	0.30 622	0.40 622	0.32 609	0.24 589	0.31 628	0.22 574	0.10 531	0.07 503	0.11 572	0.08 467	0.11 571	0.10 548

z-ln-s-r	0.17 530	0.10 503	0.40 643	0.19 472	0.08 220	0.17 485	0.18 496	0.22 398	0.33 556	0.18 475	0.40 622	0.22 502	0.17 519	0.20 544	0.23 586	0.07 343	0.05 276	0.07 312	0.07 393	0.07 381	0.05 207

w-ln-seven-2	0.20 568	0.14 588	0.37 638	0.22 589	0.12 554	0.20 544	0.21 581	0.28 523	0.37 588	0.25 581	0.37 602	0.27 558	0.22 575	0.21 561	0.23 586	0.08 426	0.08 535	0.09 492	0.09 514	0.10 548	0.09 517

TCMNet	0.19 556	0.12 548	0.19 544	0.20 539	0.18 651	0.20 544	0.24 615	0.27 503	0.36 581	0.23 559	0.26 517	0.25 540	0.19 550	0.19 519	0.23 586	0.13 614	0.11 602	0.11 572	0.12 611	0.13 606	0.12 588

1111x	0.15 486	0.08 358	0.12 300	0.18 402	0.07 134	0.18 504	0.25 630	0.31 563	0.24 456	0.17 445	0.24 472	0.26 550	0.15 468	0.13 351	0.23 586	0.07 343	0.07 503	0.08 406	0.09 514	0.07 381	0.06 310

SQANet	0.23 606	0.23 651	0.30 616	0.30 665	0.19 655	0.27 623	0.13 179	0.29 537	0.33 556	0.24 568	0.37 602	0.31 600	0.22 575	0.27 606	0.23 586	0.15 632	0.10 590	0.21 658	0.16 647	0.21 661	0.15 635

fast-acv-ft	0.18 544	0.11 530	0.19 544	0.19 472	0.12 554	0.24 592	0.21 581	0.25 464	0.34 568	0.22 546	0.34 589	0.27 558	0.20 562	0.21 561	0.23 586	0.09 488	0.09 568	0.08 406	0.10 556	0.08 450	0.07 400

Anonymous_2	0.22 590	0.17 617	0.28 605	0.15 124	0.16 629	0.32 639	0.22 591	0.22 398	0.17 321	0.23 559	0.24 472	0.26 550	0.27 612	0.27 606	0.23 586	0.22 672	0.25 681	0.17 644	0.17 654	0.17 653	0.17 655

DGSMNet	0.24 613	0.19 632	0.33 625	0.21 572	0.24 669	0.24 592	0.20 560	0.35 618	0.41 608	0.24 568	0.32 572	0.38 635	0.21 566	0.29 624	0.23 586	0.12 588	0.11 602	0.14 621	0.16 647	0.23 665	0.23 669

aanetorigin	0.22 590	0.17 617	0.56 666	0.17 309	0.10 469	0.15 430	0.19 536	0.20 345	0.33 556	0.49 670	0.48 650	0.29 577	0.27 612	0.20 544	0.23 586	0.08 426	0.07 503	0.08 406	0.07 393	0.10 548	0.09 517

DANet	0.21 581	0.15 598	0.28 605	0.25 633	0.13 577	0.22 571	0.19 536	0.27 503	0.27 502	0.28 608	0.32 572	0.35 624	0.31 639	0.31 628	0.23 586	0.11 563	0.09 568	0.11 572	0.10 556	0.13 606	0.11 575
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	0.28 641	0.16 606	0.31 618	0.18 402	0.13 577	0.54 677	0.42 688	0.51 680	0.67 682	0.29 617	0.38 608	0.38 635	0.29 631	0.31 628	0.23 586	0.11 563	0.10 590	0.11 572	0.08 467	0.20 660	0.16 646

FBW_ROB	0.24 613	0.17 617	0.22 572	0.26 638	0.14 598	0.25 603	0.22 591	0.41 653	0.41 608	0.41 658	0.41 633	0.42 650	0.27 612	0.31 628	0.23 586	0.09 488	0.14 643	0.14 621	0.12 611	0.11 571	0.09 517

DispFullNet	0.27 636	0.21 644	0.65 676	0.28 654	0.16 629	0.26 613	0.17 447	0.33 594	0.58 664	0.27 593	0.38 608	0.43 653	0.23 583	0.38 660	0.23 586	0.12 588	0.06 430	0.19 655	0.11 590	0.21 661	0.15 635

FSD					0.22 664	0.25 603	0.25 630	0.27 503	0.26 492	0.25 581	0.26 517	0.25 540	0.27 612	0.27 606	0.24 599	0.21 667	0.20 666	0.27 669	0.26 672	0.25 672

ACVNet-4b	0.39 664	0.53 685	0.55 663	0.45 682	0.24 669	0.47 671	0.18 496	0.49 674	0.64 677	0.42 661	0.45 646	0.60 677	0.27 612	0.34 641	0.24 599	0.33 684	0.14 643	0.48 688	0.42 690	0.30 680	0.26 677

Syn2CoEx	0.21 581	0.16 606	0.27 600	0.29 663	0.14 598	0.26 613	0.20 560	0.33 594	0.31 542	0.28 608	0.36 596	0.27 558	0.25 598	0.19 519	0.24 599	0.16 648	0.12 618	0.14 621	0.11 590	0.09 515	0.08 471

GwcNet	0.20 568	0.13 576	0.19 544	0.18 402	0.12 554	0.24 592	0.19 536	0.35 618	0.43 621	0.20 515	0.32 572	0.33 613	0.20 562	0.22 574	0.24 599	0.11 563	0.09 568	0.09 492	0.09 514	0.09 515	0.10 548

edge stereo	0.22 590	0.13 576	0.20 556	0.21 572	0.13 577	0.23 587	0.16 405	0.32 574	0.42 616	0.32 634	0.40 622	0.38 635	0.35 654	0.25 601	0.24 599	0.13 614	0.11 602	0.14 621	0.11 590	0.12 586	0.13 611

ADCRef	0.19 556	0.12 548	0.41 646	0.20 539	0.12 554	0.22 571	0.18 496	0.32 574	0.36 581	0.26 587	0.32 572	0.17 434	0.23 583	0.24 595	0.24 599	0.07 343	0.06 430	0.09 492	0.09 514	0.08 450	0.08 471

DRN-Test	0.19 556	0.11 530	0.20 556	0.22 589	0.10 469	0.22 571	0.22 591	0.39 643	0.37 588	0.24 568	0.32 572	0.26 550	0.21 566	0.22 574	0.24 599	0.11 563	0.07 503	0.11 572	0.10 556	0.09 515	0.07 400

NCCL2	0.23 606	0.15 598	0.17 508	0.34 670	0.18 651	0.24 592	0.23 602	0.34 603	0.28 517	0.31 628	0.38 608	0.38 635	0.28 623	0.23 585	0.24 599	0.15 632	0.12 618	0.18 653	0.21 662	0.13 606	0.13 611

SANet	0.24 613	0.14 588	0.28 605	0.21 572	0.11 520	0.27 623	0.24 615	0.38 639	0.64 677	0.36 644	0.40 622	0.43 653	0.26 604	0.27 606	0.24 599	0.12 588	0.09 568	0.10 541	0.09 514	0.13 606	0.11 575

SGM_RVC	0.23 606	0.12 548	0.15 441	0.15 124	0.09 355	0.33 646	0.18 496	0.34 603	0.31 542	0.44 665	0.37 602	0.53 673	0.35 654	0.35 647	0.24 599	0.13 614	0.13 633	0.13 607	0.13 622	0.10 548	0.11 575
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
zh-mn7	0.25 625	0.14 588	0.56 666	0.19 472	0.14 598	0.24 592	0.22 591	0.34 603	0.62 672	0.35 641	0.65 676	0.31 600	0.25 598	0.31 628	0.25 609	0.09 488	0.08 535	0.09 492	0.09 514	0.09 515	0.11 575

z-mn7	0.24 613	0.14 588	0.45 650	0.19 472	0.13 577	0.28 630	0.25 630	0.34 603	0.62 672	0.27 593	0.56 667	0.29 577	0.24 589	0.32 635	0.25 609	0.08 426	0.08 535	0.08 406	0.08 467	0.10 548	0.10 548

Wz-Net-LNSev	0.22 590	0.16 606	0.38 640	0.21 572	0.13 577	0.25 603	0.23 602	0.32 574	0.43 621	0.30 622	0.41 633	0.31 600	0.18 534	0.22 574	0.25 609	0.10 531	0.09 568	0.08 406	0.08 467	0.12 586	0.11 575

Wz-Net-MNSev	0.22 590	0.13 576	0.31 618	0.20 539	0.14 598	0.36 658	0.24 615	0.33 594	0.44 626	0.28 608	0.40 622	0.38 635	0.19 550	0.24 595	0.25 609	0.09 488	0.07 503	0.09 492	0.09 514	0.12 586	0.10 548

APVNet	0.22 590	0.12 548	0.19 544	0.18 402	0.14 598	0.32 639	0.31 675	0.39 643	0.32 549	0.27 593	0.40 622	0.30 587	0.29 631	0.26 603	0.25 609	0.11 563	0.12 618	0.11 572	0.14 626	0.12 586	0.12 588

AF-Net	0.22 590	0.17 617	0.17 508	0.26 638	0.13 577	0.25 603	0.24 615	0.32 574	0.50 645	0.25 581	0.33 585	0.38 635	0.26 604	0.28 618	0.25 609	0.11 563	0.10 590	0.16 641	0.11 590	0.11 571	0.10 548

RP	0.21 581	0.13 576	0.21 566	0.23 613	0.11 520	0.21 562	0.20 560	0.25 464	0.44 626	0.21 530	0.38 608	0.36 626	0.24 589	0.27 606	0.25 609	0.11 563	0.12 618	0.13 607	0.12 611	0.12 586	0.14 628

Nwc_Net	0.23 606	0.16 606	0.21 566	0.25 633	0.14 598	0.24 592	0.26 639	0.37 631	0.38 595	0.22 546	0.41 633	0.30 587	0.28 623	0.28 618	0.25 609	0.11 563	0.10 590	0.17 644	0.20 660	0.10 548	0.10 548

PA-Net	0.23 606	0.18 628	0.33 625	0.28 654	0.22 664	0.21 562	0.38 684	0.29 537	0.39 599	0.22 546	0.32 572	0.25 540	0.26 604	0.20 544	0.25 609	0.09 488	0.23 678	0.15 633	0.22 665	0.09 515	0.13 611
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LSM	0.33 658	0.20 638	0.58 669	0.26 638	0.60 700	0.34 649	0.25 630	0.42 658	0.48 635	0.45 666	0.58 672	0.42 650	0.36 656	0.35 647	0.25 609	0.12 588	0.20 666	0.14 621	0.16 647	0.19 659	0.33 684

WCMA_ROB	0.24 613	0.11 530	0.22 572	0.17 309	0.14 598	0.32 639	0.15 334	0.32 574	0.32 549	0.38 649	0.53 658	0.40 647	0.34 651	0.34 641	0.25 609	0.11 563	0.12 618	0.12 592	0.10 556	0.14 620	0.14 628

w-ln-seven	0.24 613	0.14 588	0.55 663	0.19 472	0.14 598	0.26 613	0.22 591	0.35 618	0.60 669	0.29 617	0.39 616	0.30 587	0.22 575	0.21 561	0.26 620	0.09 488	0.09 568	0.11 572	0.10 556	0.11 571	0.10 548

xxxx	0.15 486	0.07 239	0.14 392	0.14 70	0.08 220	0.23 587	0.18 496	0.31 563	0.19 373	0.14 370	0.28 540	0.22 502	0.14 450	0.15 412	0.26 620	0.09 488	0.05 276	0.07 312	0.07 393	0.08 450	0.07 400

test_xeample	0.15 486	0.06 117	0.13 353	0.14 70	0.08 220	0.21 562	0.20 560	0.28 523	0.20 397	0.16 426	0.29 552	0.19 463	0.16 496	0.15 412	0.26 620	0.09 488	0.05 276	0.07 312	0.07 393	0.07 381	0.07 400

G-Net	0.24 613	0.16 606	0.36 634	0.22 589	0.16 629	0.51 675	0.23 602	0.29 537	0.34 568	0.36 644	0.38 608	0.31 600	0.29 631	0.27 606	0.26 620	0.11 563	0.09 568	0.12 592	0.09 514	0.16 645	0.13 611

CC-Net-ROB	0.28 641	0.31 672	0.36 634	0.29 663	0.15 618	0.25 603	0.19 536	0.45 667	0.33 556	0.39 651	0.37 602	0.39 643	0.31 639	0.27 606	0.26 620	0.24 678	0.19 663	0.30 680	0.23 669	0.18 656	0.15 635

ETE_ROB	0.23 606	0.17 617	0.22 572	0.25 633	0.13 577	0.26 613	0.29 662	0.31 563	0.36 581	0.28 608	0.36 596	0.45 657	0.26 604	0.27 606	0.26 620	0.11 563	0.08 535	0.12 592	0.09 514	0.14 620	0.13 611

PSMNet_ROB	0.21 581	0.11 530	0.15 441	0.27 651	0.15 618	0.24 592	0.35 679	0.43 662	0.37 588	0.27 593	0.32 572	0.32 609	0.22 575	0.21 561	0.26 620	0.12 588	0.08 535	0.13 607	0.11 590	0.09 515	0.09 517

MeshStereo	0.27 636	0.13 576	0.18 532	0.15 124	0.11 520	0.32 639	0.24 615	0.40 647	0.36 581	0.52 672	0.57 670	0.67 684	0.40 665	0.35 647	0.26 620	0.14 628	0.13 633	0.13 607	0.11 590	0.11 571	0.10 548
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
DStereoO	0.24 613	0.18 628	0.18 532	0.20 539	0.14 598	0.21 562	0.19 536	0.32 574	0.41 608	0.29 617	0.21 438	0.32 609	0.27 612	0.41 672	0.27 628	0.46 693	0.12 618	0.31 681	0.11 590	0.15 636	0.12 588

psmorigin	0.25 625	0.15 598	0.34 633	0.17 309	0.13 577	0.23 587	0.14 246	0.34 603	0.33 556	0.41 658	0.55 662	0.41 649	0.37 658	0.34 641	0.27 628	0.11 563	0.15 649	0.11 572	0.11 590	0.12 586	0.16 646

NCC-stereo	0.24 613	0.15 598	0.31 618	0.26 638	0.16 629	0.20 544	0.30 669	0.40 647	0.40 605	0.24 568	0.38 608	0.33 613	0.28 623	0.36 653	0.27 628	0.12 588	0.11 602	0.15 633	0.22 665	0.13 606	0.13 611

Abc-Net	0.24 613	0.15 598	0.31 618	0.26 638	0.16 629	0.20 544	0.30 669	0.40 647	0.40 605	0.24 568	0.38 608	0.33 613	0.28 623	0.36 653	0.27 628	0.12 588	0.11 602	0.15 633	0.22 665	0.13 606	0.13 611
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	0.20 568	0.10 503	0.33 625	0.20 539	0.12 554	0.22 571	0.26 639	0.31 563	0.34 568	0.26 587	0.37 602	0.22 502	0.22 575	0.27 606	0.27 628	0.09 488	0.06 430	0.08 406	0.08 467	0.09 515	0.10 548

SGM-ForestM	0.32 655	0.12 548	0.16 477	0.16 222	0.11 520	0.39 664	0.19 536	0.41 653	0.50 645	0.52 672	0.54 660	1.32 705	0.42 673	0.40 669	0.27 628	0.14 628	0.16 653	0.16 641	0.16 647	0.12 586	0.12 588

LALA_ROB	0.25 625	0.16 606	0.22 572	0.26 638	0.17 644	0.27 623	0.27 646	0.42 658	0.37 588	0.33 638	0.38 608	0.51 669	0.26 604	0.28 618	0.27 628	0.16 648	0.09 568	0.12 592	0.11 590	0.13 606	0.12 588

MSMD_ROB	0.31 653	0.26 660	0.26 593	0.24 622	0.21 662	0.34 649	0.25 630	0.34 603	0.39 599	0.40 654	0.69 680	0.45 657	0.40 665	0.34 641	0.27 628	0.20 663	0.19 663	0.26 666	0.25 671	0.23 665	0.22 668

DStereoSA	0.25 625	0.19 632	0.37 638	0.26 638	0.17 644	0.22 571	0.20 560	0.49 674	0.59 665	0.22 546	0.29 552	0.29 577	0.33 646	0.39 664	0.28 636	0.12 588	0.11 602	0.16 641	0.14 626	0.14 620	0.12 588

MFN_U_SF_DS_RVC	0.30 651	0.24 654	0.29 613	0.36 674	0.16 629	0.34 649	0.30 669	0.32 574	0.42 616	0.40 654	0.46 647	0.38 635	0.31 639	0.34 641	0.28 636	0.19 661	0.20 666	0.26 666	0.29 679	0.18 656	0.19 663

DISCO	0.19 556	0.09 440	0.22 572	0.17 309	0.10 469	0.25 603	0.18 496	0.27 503	0.44 626	0.22 546	0.31 568	0.33 613	0.26 604	0.28 618	0.28 636	0.08 426	0.06 430	0.07 312	0.07 393	0.09 515	0.09 517

XPNet_ROB	0.22 590	0.11 530	0.19 544	0.22 589	0.13 577	0.22 571	0.19 536	0.34 603	0.40 605	0.30 622	0.39 616	0.39 643	0.26 604	0.26 603	0.28 636	0.15 632	0.10 590	0.10 541	0.10 556	0.13 606	0.12 588

light-stereo	0.42 671	0.26 660	0.59 671	0.60 690	0.49 690	0.32 639	0.23 602	0.46 669	0.52 654	0.56 678	0.58 672	0.76 689	0.32 644	0.48 676	0.29 640	0.32 682	0.24 679	0.27 669	0.33 684	0.46 688	0.39 689

DStereoFS	0.27 636	0.22 648	0.31 618	0.22 589	0.15 618	0.22 571	0.20 560	0.50 678	0.48 635	0.28 608	0.44 644	0.33 613	0.34 651	0.52 682	0.29 640	0.12 588	0.11 602	0.15 633	0.13 622	0.16 645	0.16 646

FC-DCNN v2	0.33 658	0.27 663	0.28 605	0.26 638	0.23 667	0.37 659	0.28 652	0.40 647	0.43 621	0.45 666	0.56 667	0.51 669	0.40 665	0.37 658	0.29 640	0.21 667	0.20 666	0.27 669	0.26 672	0.25 672	0.24 670

SHD	0.26 634	0.15 598	0.30 616	0.24 622	0.18 651	0.22 571	0.15 334	0.38 639	0.71 685	0.32 634	0.41 633	0.36 626	0.28 623	0.32 635	0.29 640	0.12 588	0.11 602	0.14 621	0.13 622	0.16 645	0.20 664

RTSC	0.23 606	0.12 548	0.28 605	0.21 572	0.13 577	0.28 630	0.16 405	0.35 618	0.66 681	0.27 593	0.33 585	0.30 587	0.21 566	0.31 628	0.29 640	0.10 531	0.08 535	0.09 492	0.10 556	0.13 606	0.13 611

ADCL	0.24 613	0.11 530	0.47 655	0.22 589	0.12 554	0.34 649	0.29 662	0.29 537	0.56 659	0.24 568	0.46 647	0.30 587	0.30 635	0.29 624	0.29 640	0.08 426	0.07 503	0.09 492	0.09 514	0.10 548	0.10 548

LE_ROB	0.50 680	0.07 239	0.14 392	0.15 124	0.08 220	0.24 592	0.16 405	0.22 398	1.81 715	4.63 720	0.67 678	0.47 665	0.44 675	0.20 544	0.29 640	0.07 343	0.06 430	0.06 200	0.06 293	0.08 450	0.06 310

Wz-Net-TNSev	0.29 645	0.20 638	0.65 676	0.19 472	0.15 618	0.38 662	0.27 646	0.35 618	0.55 656	0.34 640	0.42 639	0.45 657	0.38 659	0.32 635	0.30 647	0.12 588	0.13 633	0.10 541	0.12 611	0.15 636	0.14 628

Wz-Net-SNSev	0.25 625	0.17 617	0.44 649	0.25 633	0.14 598	0.26 613	0.23 602	0.38 639	0.56 659	0.30 622	0.55 662	0.39 643	0.26 604	0.23 585	0.30 647	0.10 531	0.09 568	0.09 492	0.10 556	0.11 571	0.11 575

FCDSN-DC	0.33 658	0.28 667	0.28 605	0.30 665	0.24 669	0.39 664	0.28 652	0.42 658	0.42 616	0.43 664	0.53 658	0.51 669	0.41 670	0.36 653	0.30 647	0.21 667	0.20 666	0.27 669	0.26 672	0.25 672	0.24 670
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
EDNetEfficient	0.29 645	0.24 654	1.13 704	0.18 402	0.10 469	0.19 528	0.20 560	0.20 345	0.60 669	0.74 692	0.56 667	0.31 600	0.39 662	0.22 574	0.30 647	0.09 488	0.07 503	0.08 406	0.07 393	0.11 571	0.09 517

RYNet	0.22 590	0.12 548	0.22 572	0.19 472	0.17 644	0.46 669	0.26 639	0.38 639	0.48 635	0.24 568	0.28 540	0.34 620	0.23 583	0.20 544	0.30 647	0.10 531	0.06 430	0.09 492	0.09 514	0.13 606	0.15 635

FC-DCNN	0.33 658	0.27 663	0.28 605	0.26 638	0.23 667	0.37 659	0.28 652	0.40 647	0.43 621	0.45 666	0.55 662	0.51 669	0.40 665	0.37 658	0.30 647	0.21 667	0.20 666	0.27 669	0.26 672	0.25 672	0.24 670

CSAN	0.29 645	0.24 654	0.27 600	0.34 670	0.19 655	0.33 646	0.42 688	0.37 631	0.50 645	0.38 649	0.40 622	0.44 655	0.33 646	0.28 618	0.30 647	0.20 663	0.16 653	0.19 655	0.19 659	0.14 620	0.15 635

PStereo	0.20 568	0.22 648	0.20 556	0.17 309	0.10 469	0.13 366	0.20 560	0.27 503	0.38 595	0.20 515	0.14 305	0.28 568	0.31 639	0.24 595	0.31 654	0.18 654	0.13 633	0.15 633	0.11 590	0.12 586	0.12 588

Ntro	0.40 667	0.40 680	0.53 660	0.46 685	0.30 680	0.65 685	0.24 615	0.46 669	0.68 683	0.41 658	0.49 651	0.48 667	0.42 673	0.39 664	0.31 654	0.32 682	0.28 683	0.37 684	0.30 681	0.32 684	0.29 679

AANet	0.30 651	0.19 632	1.03 702	0.16 222	0.13 577	0.22 571	0.16 405	0.30 551	0.62 672	0.60 679	0.52 657	0.46 661	0.38 659	0.23 585	0.32 656	0.12 588	0.09 568	0.11 572	0.10 556	0.13 606	0.12 588

zh-sn7	0.25 625	0.17 617	0.50 657	0.24 622	0.13 577	0.25 603	0.24 615	0.34 603	0.48 635	0.28 608	0.54 660	0.28 568	0.31 639	0.36 653	0.32 656	0.10 531	0.10 590	0.11 572	0.10 556	0.12 586	0.12 588

otaku	0.39 664	0.37 678	0.52 659	0.44 681	0.28 676	0.58 679	0.24 615	0.41 653	0.62 672	0.40 654	0.49 651	0.46 661	0.33 646	0.40 669	0.32 656	0.30 681	0.30 685	0.39 685	0.33 684	0.29 679	0.28 678

ADCPNet	0.25 625	0.16 606	0.61 673	0.21 572	0.15 618	0.35 657	0.25 630	0.32 574	0.35 577	0.30 622	0.40 622	0.36 626	0.28 623	0.28 618	0.32 656	0.12 588	0.10 590	0.11 572	0.12 611	0.14 620	0.13 611

GANetREF_RVC	0.31 653	0.34 675	0.27 600	0.35 672	0.16 629	0.32 639	0.41 685	0.48 672	0.51 652	0.35 641	0.35 593	0.34 620	0.33 646	0.39 664	0.32 656	0.27 680	0.20 666	0.29 678	0.15 642	0.18 656	0.17 655
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
ADCMid	0.25 625	0.15 598	0.40 643	0.20 539	0.14 598	0.25 603	0.26 639	0.34 603	0.38 595	0.36 644	0.44 644	0.34 620	0.40 665	0.35 647	0.33 661	0.10 531	0.09 568	0.11 572	0.11 590	0.13 606	0.12 588

AnyNet_C32	0.26 634	0.16 606	0.36 634	0.20 539	0.16 629	0.25 603	0.30 669	0.32 574	0.44 626	0.31 628	0.49 651	0.30 587	0.33 646	0.40 669	0.33 661	0.12 588	0.12 618	0.12 592	0.14 626	0.14 620	0.15 635

PDISCO_ROB	0.27 636	0.16 606	0.26 593	0.28 654	0.20 658	0.32 639	0.26 639	0.44 664	0.57 661	0.28 608	0.40 622	0.45 657	0.29 631	0.33 638	0.34 663	0.12 588	0.09 568	0.17 644	0.16 647	0.17 653	0.13 611

ACVNet_1	0.44 673	0.49 684	0.60 672	0.45 682	0.28 676	0.49 674	0.27 646	0.57 688	0.72 686	0.62 681	0.58 672	0.74 688	0.49 679	0.50 678	0.35 664	0.26 679	0.24 679	0.39 685	0.29 679	0.31 683	0.24 670

WZ-Net	0.28 641	0.17 617	0.78 693	0.22 589	0.16 629	0.34 649	0.29 662	0.39 643	0.57 661	0.24 568	0.55 662	0.37 631	0.24 589	0.33 638	0.35 664	0.09 488	0.08 535	0.09 492	0.10 556	0.14 620	0.16 646

RTS	0.45 675	0.19 632	3.26 713	0.24 622	0.15 618	0.74 692	0.20 560	0.36 625	0.76 692	0.42 661	0.43 642	0.31 600	0.41 670	0.53 685	0.35 664	0.10 531	0.08 535	0.13 607	0.12 611	0.15 636	0.15 635

RTSA	0.45 675	0.19 632	3.26 713	0.24 622	0.15 618	0.74 692	0.20 560	0.36 625	0.76 692	0.42 661	0.43 642	0.31 600	0.41 670	0.53 685	0.35 664	0.10 531	0.08 535	0.13 607	0.12 611	0.15 636	0.15 635

PASM	0.32 655	0.24 654	0.48 656	0.28 654	0.27 675	0.29 634	0.30 669	0.34 603	0.49 642	0.35 641	0.39 616	0.46 661	0.34 651	0.34 641	0.35 664	0.23 676	0.25 681	0.26 666	0.28 678	0.23 665	0.21 666

MFN_U_SF_RVC	0.32 655	0.21 644	0.55 663	0.30 665	0.15 618	0.34 649	0.17 447	0.52 681	0.46 633	0.46 669	0.55 662	0.59 676	0.39 662	0.35 647	0.37 669	0.15 632	0.14 643	0.18 653	0.21 662	0.16 645	0.15 635

MANE	0.45 675	0.27 663	0.27 600	0.27 651	0.24 669	0.47 671	0.31 675	0.55 685	0.59 665	0.72 688	1.13 707	1.15 699	0.61 690	0.52 682	0.37 669	0.21 667	0.20 666	0.27 669	0.31 683	0.25 672	0.24 670

PVD	0.39 664	0.20 638	0.39 642	0.31 669	0.22 664	0.29 634	0.43 690	0.52 681	0.96 699	0.55 676	0.79 690	0.53 673	0.59 689	0.52 682	0.38 671	0.19 661	0.14 643	0.17 644	0.14 626	0.24 671	0.31 682

XQC	0.28 641	0.23 651	0.51 658	0.28 654	0.19 655	0.34 649	0.27 646	0.36 625	0.57 661	0.31 628	0.30 559	0.37 631	0.30 635	0.38 660	0.38 671	0.13 614	0.09 568	0.15 633	0.12 611	0.17 653	0.18 658

MSAF-DinoV2	0.22 590	0.11 530	0.23 581	0.17 309	0.10 469	0.27 623	0.16 405	0.37 631	0.55 656	0.21 530	0.27 526	0.47 665	0.27 612	0.35 647	0.39 673	0.09 488	0.06 430	0.07 312	0.09 514	0.12 586	0.10 548

EDNetEfficientorigin	7.91 719	0.31 672	153.02 745	0.19 472	0.09 355	0.21 562	0.16 405	0.22 398	0.59 665	0.72 688	0.67 678	0.42 650	0.50 680	0.24 595	0.39 673	0.08 426	0.07 503	0.08 406	0.07 393	0.12 586	0.10 548

SAMSARA	0.40 667	0.28 667	0.33 625	0.55 688	0.39 683	0.82 699	1.23 716	0.47 671	0.51 652	0.36 644	0.35 593	0.55 675	0.39 662	0.38 660	0.39 673	0.15 632	0.20 666	0.15 633	0.14 626	0.23 665	0.20 664

222	0.16 509	0.07 239	0.14 392	0.14 70	0.08 220	0.24 592	0.18 496	0.30 551	0.20 397	0.17 445	0.28 540	0.17 434	0.16 496	0.15 412	0.40 676	0.10 531	0.05 276	0.07 312	0.06 293	0.07 381	0.08 471

ADCS	0.29 645	0.18 628	0.45 650	0.21 572	0.17 644	0.28 630	0.23 602	0.41 653	0.63 676	0.40 654	0.49 651	0.40 647	0.36 656	0.39 664	0.40 676	0.13 614	0.12 618	0.13 607	0.14 626	0.16 645	0.16 646

ELAS_RVC	0.41 669	0.29 670	0.33 625	0.28 654	0.24 669	0.54 677	0.36 680	0.49 674	0.59 665	0.72 688	0.74 686	0.65 682	0.54 682	0.54 687	0.40 676	0.22 672	0.20 666	0.27 669	0.26 672	0.26 677	0.25 675
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
coex-ft	3.30 712	0.34 675	59.09 744	0.18 402	0.13 577	0.26 613	0.22 591	0.27 503	0.72 686	1.90 716	0.70 682	0.44 655	0.45 676	0.29 624	0.41 679	0.09 488	0.09 568	0.12 592	0.09 514	0.14 620	0.13 611

ccnet	0.29 645	0.28 667	0.23 581	0.20 539	0.28 676	0.41 667	0.21 581	0.45 667	0.33 556	0.36 644	0.46 647	0.36 626	0.30 635	0.39 664	0.42 680	0.23 676	0.14 643	0.21 658	0.17 654	0.23 665	0.18 658

BEATNet-Init1	0.52 681	0.27 663	0.62 674	0.30 665	0.21 662	0.76 696	0.29 662	0.54 684	0.65 680	0.86 697	0.95 698	2.07 714	0.62 692	0.56 689	0.42 680	0.18 654	0.18 660	0.23 663	0.22 665	0.22 664	0.21 666

ELAS	0.41 669	0.29 670	0.33 625	0.27 651	0.24 669	0.60 682	0.36 680	0.50 678	0.50 645	0.71 686	0.79 690	0.67 684	0.54 682	0.51 680	0.42 680	0.22 672	0.20 666	0.27 669	0.26 672	0.26 677	0.25 675
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RainbowNet	0.54 683	0.61 689	0.70 691	0.57 689	0.43 687	0.65 685	0.37 683	0.60 690	0.87 696	0.50 671	0.66 677	0.64 680	0.47 677	0.49 677	0.43 683	0.47 694	0.48 699	0.52 692	0.41 689	0.52 691	0.40 692

MSC_U_SF_DS_RVC	0.43 672	0.39 679	0.54 661	0.40 677	0.20 658	0.64 684	0.32 677	0.53 683	0.72 686	0.71 686	0.72 683	0.61 678	0.54 682	0.51 680	0.46 684	0.20 663	0.19 663	0.29 678	0.30 681	0.23 665	0.18 658

ACVNet_2	0.66 689	0.66 693	0.68 685	0.63 691	0.41 685	0.71 690	0.49 693	0.96 703	1.39 708	0.89 698	1.09 703	1.04 695	0.73 696	0.54 687	0.47 685	0.43 691	0.40 692	0.53 693	0.44 691	0.47 689	0.35 687

AnyNet_C01	0.36 662	0.25 659	1.37 707	0.22 589	0.17 644	0.48 673	0.27 646	0.35 618	0.39 599	0.39 651	0.74 686	0.46 661	0.38 659	0.45 674	0.47 685	0.13 614	0.13 633	0.13 607	0.14 626	0.14 620	0.15 635

IMH-64-1	0.65 687	0.61 689	0.68 685	0.71 693	0.51 691	0.59 680	0.49 693	0.91 699	0.85 694	0.74 692	1.02 700	0.81 690	0.78 698	0.79 696	0.49 687	0.42 689	0.46 694	0.71 697	0.47 692	0.52 691	0.39 689

IMH-64	0.65 687	0.61 689	0.68 685	0.71 693	0.51 691	0.59 680	0.49 693	0.91 699	0.85 694	0.74 692	1.02 700	0.81 690	0.78 698	0.79 696	0.49 687	0.42 689	0.46 694	0.71 697	0.47 692	0.52 691	0.39 689

Consistency-Raft	0.44 673	0.40 680	0.45 650	0.37 676	0.43 687	0.46 669	0.41 685	0.57 688	0.55 656	0.32 634	0.73 684	0.33 613	0.48 678	0.42 673	0.49 687	0.39 687	0.35 690	0.45 687	0.51 697	0.42 687	0.29 679

anonymity	0.53 682	0.58 687	0.65 676	0.41 679	0.61 701	0.53 676	0.41 685	0.56 686	0.41 608	0.55 676	0.50 655	0.49 668	0.55 685	0.58 690	0.50 690	0.58 700	0.50 703	0.51 690	0.51 697	0.51 690	0.57 698

IMH	0.71 690	0.64 692	0.68 685	0.76 695	0.54 693	0.69 688	0.54 697	0.98 705	1.10 701	0.82 696	1.09 703	0.89 692	0.88 703	0.87 704	0.52 691	0.44 692	0.50 703	0.75 700	0.51 697	0.56 696	0.41 693

MonStereo1	0.47 679	0.26 660	0.58 669	0.28 654	0.20 658	0.39 664	0.18 496	0.49 674	0.64 677	0.52 672	0.87 693	1.01 694	0.57 687	0.50 678	0.56 692	0.53 697	0.31 688	0.54 694	0.40 688	0.33 685	0.34 685

SGM+DAISY	0.56 684	0.57 686	0.65 676	0.40 677	0.54 693	0.66 687	0.49 693	0.56 686	0.45 632	0.66 682	0.69 680	0.67 684	0.56 686	0.63 692	0.56 692	0.59 701	0.48 699	0.50 689	0.50 696	0.52 691	0.58 699

ktn	1.01 705	1.21 709	0.80 696	1.23 712	0.86 711	1.01 707	0.87 711	0.94 702	1.39 708	1.04 704	1.12 706	1.15 699	1.07 709	0.94 708	0.59 694	1.28 717	0.71 715	1.38 717	0.83 711	1.02 713	0.75 711

MFMNet_re	0.64 686	0.66 693	0.65 676	0.51 686	0.69 705	0.69 688	0.57 699	0.64 692	0.73 690	0.60 679	0.73 684	0.62 679	0.67 694	0.65 693	0.60 695	0.66 705	0.58 712	0.63 695	0.59 700	0.68 702	0.69 708

NVStereoNet_ROB	0.46 678	0.36 677	0.46 654	0.41 679	0.28 676	0.34 649	0.34 678	0.48 672	0.60 669	0.72 688	0.93 696	0.70 687	0.66 693	0.47 675	0.60 695	0.22 672	0.33 689	0.34 683	0.34 687	0.30 680	0.30 681
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SPS-STEREO	0.57 685	0.58 687	0.65 676	0.45 682	0.55 695	0.62 683	0.44 692	0.62 691	0.50 645	0.68 684	0.64 675	0.66 683	0.57 687	0.61 691	0.60 695	0.62 703	0.47 698	0.51 690	0.49 694	0.55 695	0.58 699
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	0.79 695	0.78 698	0.54 661	0.85 701	0.67 704	0.74 692	0.68 707	1.05 708	1.32 706	0.90 699	1.20 710	1.04 695	0.92 704	0.69 694	0.66 698	0.60 702	0.62 713	0.67 696	0.68 706	0.64 698	0.58 699

WAO-6	0.81 696	0.80 699	0.62 674	0.86 702	0.63 702	0.76 696	0.58 700	0.98 705	1.54 713	0.90 699	0.96 699	1.07 697	1.03 708	0.70 695	0.66 698	0.72 706	0.49 701	0.90 708	0.71 707	0.68 702	0.58 699

PWCK	0.71 690	0.94 704	0.95 700	0.76 695	0.31 681	0.74 692	0.36 680	0.90 698	0.90 697	0.96 701	0.75 688	0.95 693	0.61 690	0.87 704	0.66 698	0.72 706	0.46 694	0.75 700	0.49 694	0.69 704	0.44 694

TorneroNet-64	0.76 694	0.72 696	0.74 692	0.78 697	0.58 699	0.91 703	0.56 698	0.84 697	1.29 705	0.66 682	0.90 694	1.40 707	0.75 697	0.85 702	0.67 701	0.49 695	0.46 694	0.72 699	0.59 700	0.67 701	0.53 697

notaker	0.97 703	1.11 707	0.98 701	1.13 710	0.81 709	0.73 691	0.68 707	0.93 701	1.16 702	1.18 711	1.18 709	1.41 708	1.16 713	1.08 713	0.69 702	0.81 711	0.64 714	1.17 713	0.79 710	0.98 711	0.80 712

LVE	0.83 698	0.85 702	0.85 698	0.80 698	0.56 696	1.04 709	0.65 704	1.05 708	1.47 711	0.96 701	1.22 711	1.10 698	0.85 701	0.83 699	0.71 703	0.49 695	0.55 709	0.76 703	0.60 702	0.65 699	0.59 704

WAO-8	0.91 700	0.81 700	0.65 676	0.94 705	0.69 705	0.90 700	0.67 705	1.07 711	1.83 716	1.06 706	1.45 713	1.30 702	1.07 709	0.84 700	0.78 704	0.74 708	0.53 706	0.86 706	0.75 708	0.69 704	0.62 705

Venus	0.91 700	0.81 700	0.65 676	0.94 705	0.69 705	0.90 700	0.67 705	1.07 711	1.83 716	1.06 706	1.45 713	1.30 702	1.07 709	0.84 700	0.78 704	0.74 708	0.53 706	0.86 706	0.75 708	0.69 704	0.62 705

TorneroNet	0.82 697	0.74 697	0.81 697	0.84 700	0.63 702	0.99 705	0.63 701	0.96 703	1.16 702	0.80 695	1.11 705	1.36 706	0.86 702	0.93 707	0.80 706	0.56 698	0.49 701	0.78 705	0.66 705	0.73 707	0.63 707

Dean	0.87 699	0.86 703	0.79 695	0.81 699	0.56 696	0.90 700	0.63 701	1.15 714	1.73 714	1.15 709	1.15 708	1.31 704	0.99 707	0.81 698	0.81 707	0.57 699	0.56 710	0.77 704	0.64 703	0.66 700	0.58 699

KSHMR	1.09 706	1.17 708	0.88 699	1.25 713	1.00 713	0.99 705	0.96 713	1.13 713	1.37 707	1.16 710	1.29 712	1.41 708	0.96 706	1.01 710	0.92 708	1.03 715	1.08 717	1.20 714	1.03 716	1.01 712	0.97 714

UNDER WATER-64	0.95 702	0.94 704	1.43 709	0.87 703	0.56 696	1.18 712	0.87 711	0.77 695	0.94 698	1.04 704	0.85 692	1.58 712	1.21 714	0.94 708	0.96 709	0.87 712	0.57 711	1.03 712	0.88 713	0.78 708	0.73 709

UNDER WATER	0.97 703	0.97 706	1.42 708	0.99 707	0.70 708	1.12 711	0.84 710	0.80 696	1.08 700	1.01 703	0.90 694	1.55 711	1.22 715	1.03 711	1.00 710	0.78 710	0.53 706	1.02 711	0.87 712	0.80 709	0.74 710

JetBlue	0.71 690	0.45 683	1.14 705	0.51 686	0.47 689	2.02 714	0.64 703	0.75 694	0.70 684	0.69 685	0.77 689	1.22 701	0.83 700	1.03 711	1.01 711	0.40 688	0.28 683	0.33 682	0.33 684	0.30 680	0.34 685

MADNet+	0.75 693	0.71 695	3.70 716	0.66 692	0.41 685	0.98 704	0.97 714	0.69 693	0.73 690	0.52 672	0.57 670	0.64 680	0.68 695	0.86 703	1.01 711	0.34 685	0.36 691	0.28 677	0.23 669	0.36 686	0.31 682

DPSimNet_ROB	1.11 707	1.23 710	0.78 693	1.13 710	0.88 712	1.10 710	1.13 715	1.16 715	1.23 704	1.43 713	1.02 700	1.41 708	1.10 712	0.90 706	1.60 713	1.46 718	0.51 705	1.21 715	1.03 716	0.90 710	1.01 716

HanzoNet	1.29 708	1.26 711	1.19 706	1.12 709	0.85 710	1.02 708	0.83 709	1.03 707	1.48 712	1.64 714	1.61 715	2.50 716	1.72 716	1.61 715	1.61 714	1.26 716	0.80 716	1.31 716	1.01 715	1.02 713	0.86 713

LRCNet_RVC	10.62 727	13.42 734	7.30 719	18.92 732	2.07 717	0.33 646	0.30 669	5.59 722	0.48 635	13.03 732	17.94 732	8.87 725	5.65 721	4.79 719	1.89 715	23.51 742	2.73 724	27.55 745	25.71 745	16.07 739	16.33 740

Selective-IGEV-i1pa	2.80 711	3.51 719	0.67 684	0.28 654	0.14 598	10.22 721	0.43 690	4.36 718	3.63 719	3.53 718	6.92 720	3.47 717	1.97 717	13.41 732	2.26 716	0.36 686	0.15 649	0.13 607	0.10 556	0.15 636	0.35 687

MADNet++	1.95 710	1.75 713	1.59 710	1.82 714	1.69 716	2.33 715	1.40 718	2.35 717	2.09 718	2.57 717	2.36 718	2.24 715	2.17 718	2.28 716	2.34 717	1.87 719	1.66 719	1.54 718	1.34 718	1.92 716	1.77 718

TCMNet-wrong-test	3.67 713	5.48 727	3.89 717	12.18 728	11.75 730	4.65 716	3.88 720	1.06 710	0.72 686	1.09 708	2.15 717	6.30 722	0.53 681	3.43 718	2.36 718	0.89 713	0.20 666	1.87 720	1.69 719	5.57 724	3.62 724

JetRed	1.62 709	1.46 712	2.98 711	0.92 704	1.21 714	4.99 717	1.53 719	1.27 716	1.39 708	1.83 715	1.74 716	1.60 713	0.95 705	1.41 714	2.45 719	0.90 714	1.60 718	0.93 709	0.90 714	1.35 715	0.99 715

PML	8.91 722	9.34 733	6.13 718	5.35 719	6.41 721	14.99 725	23.38 731	5.27 719	6.83 721	18.04 736	28.19 745	7.67 723	6.83 722	7.85 723	5.75 720	5.35 726	1.83 720	5.95 732	1.93 720	8.64 729	2.52 720

tt	4.67 714	0.06 117	3.55 715	2.02 715	1.55 715	10.25 722	16.71 724	8.91 727	5.03 720	1.31 712	0.94 697	4.71 718	4.76 720	3.33 717	5.87 721	6.06 727	10.30 733	1.88 721	2.11 721	2.75 718	1.21 717

Selective-IGEV-i16pa	18.58 732	3.30 717	1.09 703	0.21 572	0.18 651	103.68 746	0.28 652	19.87 737	40.73 746	4.16 719	56.45 746	8.07 724	2.59 719	123.95 747	5.89 722	0.18 654	0.12 618	0.09 492	0.12 611	0.12 586	0.51 696

USTest	6.22 715	2.73 716	3.00 712	6.57 722	7.29 722	14.37 724	21.57 725	7.00 726	9.56 725	5.34 723	6.10 719	5.72 721	7.64 723	6.41 722	6.96 723	1.97 720	3.42 725	1.64 719	2.15 722	2.66 717	2.36 719

xxxxx1	7.79 716	5.02 724	7.31 720	3.12 716	3.85 718	16.35 726	22.88 726	5.86 723	8.69 722	7.97 724	8.54 721	9.12 726	8.27 724	10.18 724	10.92 724	2.42 721	2.45 721	3.56 724	12.37 730	3.77 719	3.06 721

tt_ll	7.79 716	5.02 724	7.31 720	3.12 716	3.85 718	16.35 726	22.88 726	5.86 723	8.69 722	7.97 724	8.54 721	9.12 726	8.27 724	10.18 724	10.92 724	2.42 721	2.45 721	3.56 724	12.37 730	3.77 719	3.06 721

ff	7.79 716	5.02 724	7.31 720	3.12 716	3.85 718	16.35 726	22.88 726	5.86 723	8.69 722	7.97 724	8.54 721	9.12 726	8.27 724	10.18 724	10.92 724	2.42 721	2.45 721	3.56 724	12.37 730	3.77 719	3.06 721

DPSMNet_ROB	8.06 720	4.48 720	8.63 728	5.37 721	10.74 725	8.32 719	22.98 730	5.46 720	13.36 730	5.12 721	9.92 726	5.08 719	10.40 727	5.53 721	12.58 727	3.80 725	8.00 726	3.50 722	7.02 727	3.83 722	7.14 728

DGTPSM_ROB	8.06 720	4.48 720	8.63 728	5.35 719	10.72 724	8.32 719	22.97 729	5.46 720	13.35 729	5.12 721	9.92 726	5.08 719	10.40 727	5.52 720	12.58 727	3.79 724	8.00 726	3.50 722	7.02 727	3.83 722	7.14 728

Anonymous_1	10.96 728	7.92 728	7.46 723	10.33 725	10.06 723	18.65 732	26.34 734	11.06 730	13.44 731	9.40 727	10.05 728	9.67 731	11.23 731	10.73 727	12.72 729	6.42 728	8.38 730	5.77 729	10.61 729	12.12 730	6.77 725

iinet-test	10.48 725	8.09 729	7.54 724	10.26 723	10.94 726	18.00 730	25.26 732	11.33 731	13.28 727	9.69 728	9.85 724	9.42 729	11.17 729	11.02 728	12.78 730	6.59 729	8.30 728	5.56 727	6.56 723	6.89 725	7.02 726

IINet	10.48 725	8.09 729	7.54 724	10.26 723	10.94 726	18.00 730	25.26 732	11.33 731	13.28 727	9.69 728	9.85 724	9.42 729	11.17 729	11.02 728	12.78 730	6.59 729	8.30 728	5.56 727	6.56 723	6.89 725	7.02 726

DPSM_ROB	11.15 729	8.58 731	8.00 726	10.88 726	11.58 728	19.10 733	26.71 735	12.05 733	14.07 734	10.36 730	10.84 729	10.33 732	11.86 732	11.70 730	13.54 732	6.99 731	8.79 731	5.89 730	6.95 725	7.29 727	7.42 730

DPSM	11.15 729	8.58 731	8.00 726	10.88 726	11.58 728	19.10 733	26.71 735	12.05 733	14.07 734	10.36 730	10.84 729	10.33 732	11.86 732	11.70 730	13.54 732	6.99 731	8.79 731	5.89 730	6.95 725	7.29 727	7.42 730

HaxPig	15.71 731	18.52 743	19.18 738	16.89 731	15.89 733	7.73 718	7.60 721	13.31 735	10.82 726	15.42 733	14.91 731	15.98 734	14.92 734	15.58 733	15.98 734	18.95 741	16.73 734	19.46 741	18.08 741	19.26 740	19.05 743

RSGM-EC	20.36 733	4.73 722	0.68 685	16.76 729	16.92 734	21.28 735	27.18 737	10.46 728	14.04 732	18.00 734	21.31 735	22.24 744	21.82 736	22.57 735	17.63 735	62.81 745	33.79 745	20.14 742	18.10 742	20.18 741	16.45 741

acva	20.36 733	4.73 722	0.68 685	16.76 729	16.92 734	21.28 735	27.18 737	10.46 728	14.04 732	18.00 734	21.31 735	22.24 744	21.82 736	22.57 735	17.63 735	62.81 745	33.79 745	20.14 742	18.10 742	20.18 741	16.45 741

MEDIAN_ROB	20.38 735	24.04 744	23.31 741	21.23 733	21.71 736	10.40 723	7.92 722	17.64 736	15.50 736	20.12 737	19.70 733	20.34 735	20.32 735	21.19 734	21.13 737	23.81 743	21.81 743	24.98 744	23.76 744	24.71 743	23.93 744

AVERAGE_ROB	24.90 744	29.20 745	28.14 742	24.89 742	24.64 744	17.75 729	11.12 723	21.45 738	19.93 737	25.12 746	24.46 744	25.12 746	25.46 746	24.69 745	22.83 738	29.76 744	27.13 744	28.97 746	27.95 746	29.91 744	29.47 745

FlowAnything	22.44 739	17.35 739	16.14 734	22.07 739	23.23 737	38.39 742	53.77 740	24.25 743	28.44 742	20.96 745	21.82 741	20.70 737	23.84 739	23.49 742	27.14 739	14.04 733	17.79 742	11.75 733	14.15 739	14.65 731	14.89 733

fast-reg	22.85 742	17.43 742	19.15 737	22.22 741	24.34 743	38.36 740	53.78 741	24.23 742	28.52 744	20.55 738	22.05 743	20.54 736	23.77 738	23.21 737	27.31 740	14.18 740	17.47 736	14.33 740	14.96 740	15.81 738	14.81 732

CasAABBNet	22.42 736	17.33 736	16.01 732	22.01 735	23.28 738	38.32 737	53.80 742	24.14 741	28.41 741	20.60 740	21.77 739	20.89 742	23.91 741	23.43 740	27.36 741	14.07 734	17.69 737	11.83 735	14.01 734	14.67 733	14.95 736

LSM0	22.87 743	17.28 735	18.96 736	22.19 740	29.04 745	38.42 744	53.71 739	24.28 744	28.31 738	20.78 744	21.00 734	21.43 743	24.16 745	23.50 743	27.39 742	14.09 739	17.38 735	11.84 739	14.04 737	14.73 737	14.89 733

Hybrid-DGEV	22.47 740	17.40 741	16.14 734	22.00 734	23.29 739	38.36 740	53.80 742	24.43 746	28.63 745	20.59 739	21.81 740	20.88 739	23.91 741	23.45 741	27.42 743	14.08 737	17.69 737	11.83 735	14.06 738	14.65 731	14.93 735

RAFT-FEzeroshot	22.43 737	17.33 736	15.98 730	22.02 736	23.31 740	38.34 738	53.82 744	24.05 739	28.39 739	20.61 741	21.76 737	20.88 739	23.92 743	23.41 738	27.42 743	14.07 734	17.69 737	11.83 735	14.02 735	14.69 734	14.97 737

RAFT-FE	22.43 737	17.33 736	15.98 730	22.02 736	23.31 740	38.34 738	53.82 744	24.05 739	28.39 739	20.61 741	21.76 737	20.88 739	23.92 743	23.41 738	27.42 743	14.07 734	17.69 737	11.83 735	14.02 735	14.69 734	14.97 737

Selective-RAFT-Error	22.47 740	17.37 740	16.09 733	22.06 738	23.34 742	38.39 742	53.83 746	24.29 745	28.47 743	20.74 743	21.83 742	20.81 738	23.90 740	23.54 744	27.53 746	14.08 737	17.69 737	11.82 734	14.00 733	14.69 734	15.00 739

test_example2	98.32 745	94.13 746	45.89 743	96.35 743	109.85 746	88.61 745	95.45 747	25.75 747	94.37 747	130.00 748	126.06 747	58.17 747	74.63 747	88.51 746	79.96 747	150.23 747	221.02 747	77.62 747	99.10 747	113.75 747	96.94 746

ccccc		285.66 747		368.85 746	370.60 747	123.16 747		115.05 748		126.68 747		122.83 748		252.94 748		384.56 748	353.86 748	254.69 748	223.00 748	425.87 748

ASD4		3.38 718

Low-res two-view benchmark