Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

PSi22b	0.06 1	0.04 1	0.09 136	0.13 23	0.05 2	0.08 94	0.11 71	0.06 1	0.06 8	0.06 26	0.06 25	0.08 201	0.05 15	0.08 30	0.09 110	0.06 176	0.04 25	0.04 1	0.03 1	0.05 176	0.04 78

PSi22a	0.06 1	0.04 1	0.09 136	0.12 7	0.05 2	0.06 16	0.11 71	0.06 1	0.06 8	0.06 26	0.06 25	0.06 44	0.05 15	0.08 30	0.09 110	0.07 360	0.04 25	0.04 1	0.03 1	0.05 176	0.04 78

Foundation-i32	0.06 1	0.04 1	0.09 136	0.13 23	0.04 1	0.06 16	0.12 108	0.06 1	0.05 4	0.06 26	0.05 7	0.05 5	0.05 15	0.07 7	0.09 110	0.06 176	0.04 25	0.05 55	0.03 1	0.04 50	0.04 78

MLG-Stereo_test2	0.06 1	0.04 1	0.10 205	0.15 131	0.05 2	0.07 47	0.11 71	0.09 26	0.04 2	0.06 26	0.05 7	0.06 44	0.04 1	0.08 30	0.09 110	0.06 176	0.04 25	0.05 55	0.03 1	0.05 176	0.05 215

MLG-Stereo_test1	0.06 1	0.05 45	0.08 62	0.17 317	0.05 2	0.06 16	0.11 71	0.08 13	0.03 1	0.05 2	0.04 1	0.06 44	0.05 15	0.09 64	0.09 110	0.05 52	0.04 25	0.05 55	0.03 1	0.04 50	0.04 78

FoundationStereo	0.06 1	0.04 1	0.08 62	0.12 7	0.05 2	0.09 152	0.13 187	0.06 1	0.09 60	0.05 2	0.05 7	0.06 44	0.04 1	0.06 1	0.07 1	0.06 176	0.04 25	0.05 55	0.03 1	0.05 176	0.04 78

DF_test	0.07 7	0.05 45	0.08 62	0.14 71	0.08 234	0.04 1	0.13 187	0.08 13	0.11 121	0.07 80	0.08 135	0.06 44	0.07 186	0.06 1	0.08 28	0.06 176	0.05 286	0.05 55	0.05 202	0.05 176	0.04 78

over v1	0.07 7	0.07 251	0.07 13	0.18 411	0.05 2	0.08 94	0.08 9	0.10 40	0.05 4	0.06 26	0.06 25	0.07 133	0.10 335	0.11 211	0.08 28	0.05 52	0.04 25	0.04 1	0.03 1	0.05 176	0.05 215

over-8	0.07 7	0.07 251	0.07 13	0.18 411	0.05 2	0.08 94	0.08 9	0.13 128	0.05 4	0.06 26	0.05 7	0.07 133	0.09 288	0.11 211	0.08 28	0.06 176	0.04 25	0.04 1	0.03 1	0.05 176	0.05 215

small-0shot	0.07 7	0.05 45	0.08 62	0.14 71	0.07 142	0.06 16	0.13 187	0.09 26	0.08 30	0.05 2	0.10 213	0.06 44	0.06 71	0.06 1	0.10 217	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

over-9	0.07 7	0.07 251	0.07 13	0.18 411	0.05 2	0.08 94	0.08 9	0.13 128	0.06 8	0.06 26	0.05 7	0.07 133	0.09 288	0.11 211	0.08 28	0.06 176	0.04 25	0.04 1	0.03 1	0.05 176	0.05 215

WAFT-Stereo (ZS)	0.07 7	0.05 45	0.09 136	0.12 7	0.07 142	0.08 94	0.15 350	0.07 7	0.07 20	0.06 26	0.10 213	0.05 5	0.07 186	0.06 1	0.11 307	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.05 215

testmc14	0.07 7	0.05 45	0.06 5	0.15 131	0.05 2	0.09 152	0.13 187	0.08 13	0.08 30	0.07 80	0.09 174	0.06 44	0.05 15	0.07 7	0.07 1	0.06 176	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

MCSU-Stereo	0.07 7	0.05 45	0.06 5	0.15 131	0.05 2	0.09 152	0.13 187	0.10 40	0.09 60	0.07 80	0.07 69	0.07 133	0.05 15	0.09 64	0.07 1	0.06 176	0.04 25	0.04 1	0.03 1	0.04 50	0.03 2

derf	0.07 7	0.04 1	0.10 205	0.14 71	0.06 33	0.05 5	0.12 108	0.12 94	0.09 60	0.05 2	0.07 69	0.07 133	0.08 241	0.10 129	0.10 217	0.06 176	0.05 286	0.04 1	0.03 1	0.04 50	0.05 215

mm2	0.07 7	0.04 1	0.10 205	0.13 23	0.06 33	0.06 16	0.12 108	0.13 128	0.08 30	0.06 26	0.07 69	0.06 44	0.08 241	0.10 129	0.09 110	0.06 176	0.05 286	0.04 1	0.03 1	0.04 50	0.05 215

mm1	0.07 7	0.04 1	0.10 205	0.13 23	0.06 33	0.06 16	0.12 108	0.06 1	0.08 30	0.06 26	0.07 69	0.06 44	0.08 241	0.10 129	0.09 110	0.06 176	0.05 286	0.04 1	0.03 1	0.04 50	0.05 215

qqai	0.07 7	0.05 45	0.10 205	0.14 71	0.06 33	0.05 5	0.12 108	0.08 13	0.09 60	0.05 2	0.06 25	0.06 44	0.08 241	0.10 129	0.09 110	0.06 176	0.05 286	0.05 55	0.03 1	0.04 50	0.05 215

MGA	0.07 7	0.04 1	0.10 205	0.13 23	0.06 33	0.08 94	0.09 25	0.12 94	0.08 30	0.05 2	0.06 25	0.06 44	0.05 15	0.10 129	0.09 110	0.06 176	0.04 25	0.05 55	0.03 1	0.05 176	0.05 215

CAR	0.07 7	0.05 45	0.08 62	0.14 71	0.06 33	0.07 47	0.08 9	0.12 94	0.08 30	0.05 2	0.06 25	0.05 5	0.05 15	0.10 129	0.09 110	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

MSE-Stereo	0.07 7	0.04 1	0.08 62	0.13 23	0.06 33	0.07 47	0.08 9	0.12 94	0.08 30	0.05 2	0.06 25	0.05 5	0.05 15	0.10 129	0.09 110	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

monster-pro	0.07 7	0.06 125	0.05 1	0.15 131	0.05 2	0.07 47	0.10 42	0.15 205	0.15 269	0.05 2	0.06 25	0.05 5	0.06 71	0.07 7	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 125	0.07 13	0.15 131	0.07 142	0.08 94	0.14 261	0.11 67	0.08 30	0.05 2	0.07 69	0.08 201	0.08 241	0.09 64	0.09 110	0.06 176	0.04 25	0.05 55	0.04 65	0.03 1	0.04 78

aanet-new-60k	0.07 7	0.07 251	0.08 62	0.18 411	0.06 33	0.07 47	0.10 42	0.09 26	0.14 241	0.07 80	0.07 69	0.06 44	0.06 71	0.11 211	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

aanet-new-70k	0.07 7	0.06 125	0.09 136	0.17 317	0.06 33	0.08 94	0.12 108	0.11 67	0.10 88	0.06 26	0.07 69	0.07 133	0.06 71	0.10 129	0.07 1	0.04 11	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

aanet-new-78k	0.07 7	0.07 251	0.09 136	0.19 487	0.06 33	0.07 47	0.12 108	0.11 67	0.13 208	0.06 26	0.07 69	0.06 44	0.06 71	0.09 64	0.07 1	0.04 11	0.04 25	0.05 55	0.04 65	0.05 176	0.03 2

aanet-new-40k	0.07 7	0.08 378	0.07 13	0.17 317	0.07 142	0.08 94	0.13 187	0.10 40	0.10 88	0.07 80	0.08 135	0.06 44	0.05 15	0.08 30	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

GCAP-Stereo-DPT26K	0.07 7	0.06 125	0.07 13	0.16 230	0.06 33	0.08 94	0.12 108	0.10 40	0.08 30	0.06 26	0.09 174	0.06 44	0.05 15	0.08 30	0.08 28	0.04 11	0.04 25	0.05 55	0.04 65	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 251	0.07 13	0.17 317	0.06 33	0.07 47	0.12 108	0.09 26	0.11 121	0.09 196	0.09 174	0.06 44	0.07 186	0.09 64	0.07 1	0.04 11	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 45	0.11 268	0.15 131	0.06 33	0.07 47	0.13 187	0.09 26	0.11 121	0.07 80	0.08 135	0.06 44	0.05 15	0.09 64	0.07 1	0.05 52	0.05 286	0.05 55	0.04 65	0.03 1	0.04 78

GCAP-Stereo-DPT-24K	0.07 7	0.06 125	0.07 13	0.15 131	0.06 33	0.10 217	0.15 350	0.12 94	0.11 121	0.06 26	0.11 268	0.06 44	0.05 15	0.09 64	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 136	0.13 23	0.05 2	0.08 94	0.11 71	0.06 1	0.06 8	0.06 26	0.05 7	0.08 201	0.05 15	0.08 30	0.09 110	0.06 176	0.04 25	0.04 1	0.03 1	0.05 176	0.04 78

LACA3	0.07 7	0.08 378	0.08 62	0.13 23	0.05 2	0.09 152	0.11 71	0.08 13	0.08 30	0.08 141	0.05 7	0.07 133	0.07 186	0.07 7	0.07 1	0.06 176	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 125	0.08 62	0.17 317	0.06 33	0.08 94	0.12 108	0.13 128	0.07 20	0.08 141	0.07 69	0.06 44	0.04 1	0.10 129	0.09 110	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

LACA2	0.07 7	0.05 45	0.06 5	0.15 131	0.06 33	0.09 152	0.11 71	0.11 67	0.10 88	0.05 2	0.05 7	0.06 44	0.08 241	0.09 64	0.07 1	0.07 360	0.04 25	0.04 1	0.04 65	0.04 50	0.04 78

LACA1	0.07 7	0.07 251	0.07 13	0.14 71	0.05 2	0.09 152	0.11 71	0.10 40	0.07 20	0.05 2	0.05 7	0.06 44	0.07 186	0.08 30	0.09 110	0.06 176	0.04 25	0.04 1	0.04 65	0.03 1	0.04 78

Test_v1	0.07 7	0.04 1	0.06 5	0.13 23	0.06 33	0.08 94	0.11 71	0.15 205	0.12 164	0.06 26	0.05 7	0.04 1	0.05 15	0.08 30	0.10 217	0.07 360	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

BLMT-Stereo	0.07 7	0.04 1	0.08 62	0.15 131	0.07 142	0.06 16	0.14 261	0.07 7	0.10 88	0.05 2	0.05 7	0.04 1	0.06 71	0.07 7	0.09 110	0.04 11	0.04 25	0.05 55	0.05 202	0.04 50	0.04 78

Pro-Stereo	0.07 7	0.05 45	0.08 62	0.15 131	0.07 142	0.08 94	0.12 108	0.07 7	0.07 20	0.06 26	0.06 25	0.05 5	0.05 15	0.09 64	0.08 28	0.05 52	0.04 25	0.06 209	0.05 202	0.04 50	0.04 78

MatchStereo	0.07 7	0.04 1	0.08 62	0.14 71	0.06 33	0.05 5	0.12 108	0.12 94	0.09 60	0.07 80	0.06 25	0.04 1	0.04 1	0.08 30	0.09 110	0.06 176	0.05 286	0.05 55	0.03 1	0.04 50	0.04 78
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth_RVC	0.07 7	0.04 1	0.09 136	0.11 1	0.05 2	0.10 217	0.10 42	0.14 162	0.09 60	0.06 26	0.07 69	0.06 44	0.07 186	0.07 7	0.10 217	0.06 176	0.04 25	0.04 1	0.04 65	0.04 50	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 45	0.07 13	0.14 71	0.06 33	0.09 152	0.13 187	0.15 205	0.06 8	0.07 80	0.08 135	0.06 44	0.08 241	0.09 64	0.09 110	0.06 176	0.05 286	0.04 1	0.03 1	0.04 50	0.04 78

VIP-Stereo	0.07 7	0.07 251	0.07 13	0.15 131	0.06 33	0.12 329	0.10 42	0.11 67	0.11 121	0.06 26	0.07 69	0.06 44	0.05 15	0.10 129	0.08 28	0.05 52	0.04 25	0.05 55	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 251	0.08 62	0.18 411	0.06 33	0.07 47	0.11 71	0.09 26	0.06 8	0.04 1	0.07 69	0.10 281	0.09 288	0.08 30	0.08 28	0.04 11	0.03 1	0.04 1	0.04 65	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 7	0.05 45	0.09 136	0.13 23	0.06 33	0.12 329	0.12 108	0.11 67	0.10 88	0.07 80	0.08 135	0.06 44	0.06 71	0.09 64	0.08 28	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

MonStereo	0.07 7	0.06 125	0.05 1	0.15 131	0.05 2	0.08 94	0.10 42	0.15 205	0.15 269	0.05 2	0.06 25	0.05 5	0.06 71	0.07 7	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 45	0.07 13	0.16 230	0.06 33	0.07 47	0.11 71	0.10 40	0.08 30	0.06 26	0.06 25	0.07 133	0.07 186	0.09 64	0.09 110	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 125	0.05 1	0.15 131	0.05 2	0.08 94	0.10 42	0.15 205	0.15 269	0.05 2	0.06 25	0.05 5	0.06 71	0.07 7	0.09 110	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	0.09 136	0.13 23	0.06 33	0.05 5	0.09 25	0.11 67	0.07 20	0.06 26	0.06 25	0.05 5	0.06 71	0.09 64	0.09 110	0.06 176	0.04 25	0.04 1	0.03 1	0.05 176	0.05 215

Replicate-Monster	0.07 7	0.05 45	0.09 136	0.14 71	0.06 33	0.08 94	0.09 25	0.13 128	0.13 208	0.05 2	0.07 69	0.06 44	0.06 71	0.08 30	0.10 217	0.05 52	0.04 25	0.05 55	0.03 1	0.04 50	0.04 78

AdaDepth	0.07 7	0.06 125	0.07 13	0.18 411	0.06 33	0.11 274	0.12 108	0.09 26	0.07 20	0.06 26	0.05 7	0.07 133	0.06 71	0.09 64	0.10 217	0.04 11	0.05 286	0.05 55	0.04 65	0.04 50	0.04 78

asda	0.07 7	0.08 378	0.08 62	0.16 230	0.06 33	0.06 16	0.10 42	0.16 246	0.10 88	0.06 26	0.06 25	0.05 5	0.05 15	0.10 129	0.10 217	0.03 1	0.03 1	0.04 1	0.03 1	0.04 50	0.03 2

asd	0.07 7	0.08 378	0.07 13	0.16 230	0.07 142	0.08 94	0.08 9	0.11 67	0.08 30	0.07 80	0.07 69	0.06 44	0.06 71	0.10 129	0.09 110	0.03 1	0.03 1	0.04 1	0.04 65	0.04 50	0.03 2

qwe	0.07 7	0.08 378	0.07 13	0.15 131	0.06 33	0.07 47	0.10 42	0.18 320	0.11 121	0.07 80	0.07 69	0.06 44	0.06 71	0.10 129	0.09 110	0.03 1	0.03 1	0.04 1	0.04 65	0.04 50	0.03 2

2.25w	0.07 7	0.06 125	0.07 13	0.14 71	0.06 33	0.08 94	0.08 9	0.10 40	0.15 269	0.08 141	0.10 213	0.07 133	0.06 71	0.08 30	0.10 217	0.05 52	0.03 1	0.04 1	0.04 65	0.03 1	0.04 78

4.25_new	0.07 7	0.08 378	0.09 136	0.15 131	0.06 33	0.09 152	0.08 9	0.14 162	0.08 30	0.07 80	0.07 69	0.06 44	0.06 71	0.12 311	0.10 217	0.03 1	0.03 1	0.04 1	0.03 1	0.04 50	0.03 2

4.5w_new	0.07 7	0.08 378	0.09 136	0.15 131	0.06 33	0.09 152	0.08 9	0.14 162	0.08 30	0.07 80	0.07 69	0.06 44	0.06 71	0.12 311	0.10 217	0.03 1	0.03 1	0.04 1	0.03 1	0.04 50	0.03 2

4.5_new	0.07 7	0.09 462	0.08 62	0.15 131	0.07 142	0.06 16	0.10 42	0.14 162	0.11 121	0.06 26	0.08 135	0.06 44	0.06 71	0.08 30	0.10 217	0.03 1	0.03 1	0.04 1	0.04 65	0.04 50	0.03 2

4.5w-stereo	0.07 7	0.09 462	0.08 62	0.15 131	0.07 142	0.06 16	0.10 42	0.14 162	0.11 121	0.06 26	0.08 135	0.06 44	0.06 71	0.08 30	0.10 217	0.03 1	0.03 1	0.04 1	0.04 65	0.04 50	0.03 2

4.25w-stereo	0.07 7	0.08 378	0.09 136	0.15 131	0.06 33	0.09 152	0.08 9	0.14 162	0.08 30	0.07 80	0.07 69	0.06 44	0.06 71	0.12 311	0.10 217	0.03 1	0.03 1	0.04 1	0.03 1	0.04 50	0.03 2

4w-stereo	0.07 7	0.08 378	0.08 62	0.16 230	0.06 33	0.07 47	0.08 9	0.12 94	0.08 30	0.07 80	0.07 69	0.05 5	0.06 71	0.09 64	0.10 217	0.03 1	0.03 1	0.04 1	0.04 65	0.04 50	0.03 2

2.5w	0.07 7	0.07 251	0.07 13	0.16 230	0.06 33	0.08 94	0.12 108	0.10 40	0.10 88	0.07 80	0.06 25	0.09 243	0.06 71	0.08 30	0.09 110	0.04 11	0.03 1	0.04 1	0.04 65	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 251	0.07 13	0.13 23	0.06 33	0.08 94	0.08 9	0.18 320	0.12 164	0.07 80	0.08 135	0.06 44	0.06 71	0.09 64	0.11 307	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 78

3.25w_new	0.07 7	0.06 125	0.07 13	0.15 131	0.06 33	0.10 217	0.07 5	0.12 94	0.11 121	0.08 141	0.06 25	0.07 133	0.06 71	0.11 211	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 125	0.07 13	0.15 131	0.06 33	0.10 217	0.07 5	0.12 94	0.11 121	0.08 141	0.06 25	0.07 133	0.06 71	0.11 211	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 251	0.08 62	0.16 230	0.07 142	0.07 47	0.09 25	0.16 246	0.09 60	0.07 80	0.06 25	0.05 5	0.06 71	0.09 64	0.10 217	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 251	0.07 13	0.15 131	0.07 142	0.09 152	0.06 1	0.13 128	0.11 121	0.07 80	0.07 69	0.06 44	0.07 186	0.10 129	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 125	0.07 13	0.16 230	0.06 33	0.07 47	0.10 42	0.14 162	0.14 241	0.07 80	0.08 135	0.05 5	0.06 71	0.09 64	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 78

monsterstereo	0.07 7	0.06 125	0.06 5	0.16 230	0.06 33	0.08 94	0.10 42	0.16 246	0.11 121	0.07 80	0.08 135	0.06 44	0.07 186	0.08 30	0.09 110	0.04 11	0.04 25	0.05 55	0.04 65	0.03 1	0.03 2

monsters	0.07 7	0.06 125	0.06 5	0.15 131	0.06 33	0.08 94	0.09 25	0.12 94	0.08 30	0.09 196	0.07 69	0.06 44	0.06 71	0.08 30	0.08 28	0.05 52	0.04 25	0.04 1	0.04 65	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 62	0.13 23	0.06 33	0.09 152	0.12 108	0.14 162	0.10 88	0.06 26	0.09 174	0.07 133	0.05 15	0.09 64	0.09 110	0.06 176	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

111111	0.07 7	0.04 1	0.09 136	0.17 317	0.06 33	0.05 5	0.10 42	0.11 67	0.09 60	0.06 26	0.06 25	0.07 133	0.05 15	0.09 64	0.09 110	0.06 176	0.04 25	0.05 55	0.04 65	0.07 398	0.06 327

LG-Stereo_L2	0.07 7	0.05 45	0.10 205	0.14 71	0.06 33	0.07 47	0.12 108	0.09 26	0.09 60	0.06 26	0.04 1	0.05 5	0.05 15	0.08 30	0.08 28	0.05 52	0.04 25	0.05 55	0.03 1	0.04 50	0.03 2

LG-Stereo_L1	0.07 7	0.05 45	0.11 268	0.14 71	0.06 33	0.07 47	0.13 187	0.09 26	0.07 20	0.05 2	0.04 1	0.05 5	0.04 1	0.08 30	0.07 1	0.05 52	0.04 25	0.05 55	0.03 1	0.04 50	0.04 78

MLG-Stereo_test3	0.07 7	0.05 45	0.10 205	0.14 71	0.06 33	0.07 47	0.11 71	0.08 13	0.06 8	0.06 26	0.04 1	0.06 44	0.06 71	0.07 7	0.10 217	0.06 176	0.04 25	0.05 55	0.04 65	0.05 176	0.06 327

MLG-Stereo	0.07 7	0.05 45	0.08 62	0.17 317	0.05 2	0.07 47	0.11 71	0.08 13	0.04 2	0.05 2	0.04 1	0.06 44	0.05 15	0.10 129	0.09 110	0.05 52	0.04 25	0.05 55	0.03 1	0.04 50	0.04 78

LG-G_1	0.07 7	0.04 1	0.11 268	0.15 131	0.06 33	0.09 152	0.08 9	0.08 13	0.06 8	0.06 26	0.05 7	0.07 133	0.07 186	0.11 211	0.08 28	0.07 360	0.04 25	0.05 55	0.04 65	0.05 176	0.05 215

LG-G	0.07 7	0.04 1	0.11 268	0.15 131	0.06 33	0.09 152	0.08 9	0.08 13	0.06 8	0.06 26	0.05 7	0.07 133	0.07 186	0.11 211	0.08 28	0.07 360	0.04 25	0.05 55	0.04 65	0.05 176	0.05 215

LGtest1	0.07 7	0.04 1	0.10 205	0.15 131	0.06 33	0.07 47	0.09 25	0.08 13	0.06 8	0.05 2	0.04 1	0.06 44	0.06 71	0.10 129	0.09 110	0.07 360	0.04 25	0.05 55	0.04 65	0.06 311	0.06 327

LG-Stereo_Zeroshot	0.07 7	0.06 125	0.10 205	0.16 230	0.07 142	0.04 1	0.13 187	0.10 40	0.10 88	0.05 2	0.11 268	0.07 133	0.05 15	0.07 7	0.09 110	0.06 176	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

GREAT-IGEV	0.07 7	0.06 125	0.08 62	0.13 23	0.07 142	0.07 47	0.14 261	0.09 26	0.09 60	0.06 26	0.07 69	0.06 44	0.05 15	0.10 129	0.07 1	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 620	0.17 530	0.11 1	0.05 2	0.05 5	0.11 71	0.08 13	0.08 30	0.06 26	0.06 25	0.05 5	0.05 15	0.09 64	0.08 28	0.08 445	0.04 25	0.05 55	0.03 1	0.05 176	0.04 78

AIO_rvc	0.07 7	0.06 125	0.08 62	0.15 131	0.06 33	0.08 94	0.14 261	0.09 26	0.08 30	0.07 80	0.08 135	0.07 133	0.04 1	0.10 129	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

AIO_test	0.07 7	0.05 45	0.07 13	0.15 131	0.07 142	0.06 16	0.14 261	0.10 40	0.10 88	0.07 80	0.07 69	0.06 44	0.05 15	0.08 30	0.10 217	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

MonSter	0.07 7	0.06 125	0.05 1	0.15 131	0.05 2	0.07 47	0.10 42	0.15 205	0.15 269	0.05 2	0.06 25	0.05 5	0.06 71	0.07 7	0.09 110	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 45	0.07 13	0.14 71	0.06 33	0.10 217	0.13 187	0.07 7	0.13 208	0.06 26	0.07 69	0.06 44	0.05 15	0.10 129	0.09 110	0.04 11	0.04 25	0.05 55	0.03 1	0.04 50	0.04 78

dual_stereo	0.07 7	0.04 1	0.08 62	0.15 131	0.05 2	0.05 5	0.13 187	0.12 94	0.08 30	0.07 80	0.06 25	0.05 5	0.05 15	0.07 7	0.09 110	0.06 176	0.04 25	0.05 55	0.03 1	0.04 50	0.04 78

IGEV-Stereo++	0.07 7	0.06 125	0.08 62	0.18 411	0.06 33	0.04 1	0.10 42	0.11 67	0.11 121	0.06 26	0.07 69	0.07 133	0.06 71	0.09 64	0.09 110	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

IGEV-Stereo+	0.07 7	0.04 1	0.08 62	0.15 131	0.06 33	0.04 1	0.09 25	0.10 40	0.09 60	0.06 26	0.06 25	0.06 44	0.06 71	0.06 1	0.08 28	0.06 176	0.04 25	0.05 55	0.04 65	0.06 311	0.06 327

GCAPDPT-zeroshot4090	0.07 7	0.05 45	0.11 268	0.15 131	0.06 33	0.07 47	0.13 187	0.09 26	0.11 121	0.07 80	0.08 135	0.06 44	0.05 15	0.09 64	0.07 1	0.05 52	0.05 286	0.05 55	0.04 65	0.03 1	0.04 78

Selective-IGEV	0.07 7	0.06 125	0.08 62	0.17 317	0.06 33	0.08 94	0.12 108	0.13 128	0.07 20	0.08 141	0.07 69	0.06 44	0.04 1	0.10 129	0.09 110	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

over-6	0.08 92	0.07 251	0.08 62	0.17 317	0.05 2	0.10 217	0.09 25	0.17 285	0.11 121	0.06 26	0.07 69	0.06 44	0.09 288	0.10 129	0.08 28	0.06 176	0.04 25	0.04 1	0.04 65	0.05 176	0.05 215

anonymous	0.08 92	0.05 45	0.12 317	0.16 230	0.08 234	0.05 5	0.13 187	0.10 40	0.14 241	0.07 80	0.07 69	0.06 44	0.04 1	0.07 7	0.09 110	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

depth_test_26	0.08 92	0.04 1	0.11 268	0.13 23	0.07 142	0.07 47	0.11 71	0.12 94	0.11 121	0.09 196	0.07 69	0.08 201	0.05 15	0.09 64	0.08 28	0.08 445	0.06 444	0.06 209	0.06 303	0.06 311	0.07 417

Anonymus	0.08 92	0.05 45	0.10 205	0.15 131	0.08 234	0.10 217	0.15 350	0.15 205	0.10 88	0.07 80	0.06 25	0.07 133	0.08 241	0.12 311	0.10 217	0.06 176	0.04 25	0.05 55	0.05 202	0.05 176	0.06 327

LGCAT	0.08 92	0.04 1	0.10 205	0.11 1	0.06 33	0.07 47	0.12 108	0.07 7	0.08 30	0.09 196	0.07 69	0.07 133	0.08 241	0.12 311	0.11 307	0.10 553	0.09 589	0.04 1	0.05 202	0.04 50	0.09 535

quiztm	0.08 92	0.07 251	0.08 62	0.18 411	0.07 142	0.09 152	0.14 261	0.14 162	0.12 164	0.07 80	0.07 69	0.05 5	0.06 71	0.11 211	0.09 110	0.05 52	0.04 25	0.06 209	0.04 65	0.04 50	0.03 2

TS12	0.08 92	0.06 125	0.09 136	0.21 591	0.07 142	0.11 274	0.13 187	0.11 67	0.09 60	0.10 247	0.10 213	0.08 201	0.10 335	0.09 64	0.12 376	0.04 11	0.04 25	0.05 55	0.04 65	0.03 1	0.04 78

DF	0.08 92	0.05 45	0.09 136	0.15 131	0.06 33	0.11 274	0.13 187	0.10 40	0.12 164	0.09 196	0.10 213	0.10 281	0.08 241	0.11 211	0.09 110	0.07 360	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

LiteMatch*	0.08 92	0.04 1	0.11 268	0.13 23	0.08 234	0.08 94	0.13 187	0.14 162	0.09 60	0.05 2	0.05 7	0.05 5	0.09 288	0.11 211	0.10 217	0.06 176	0.05 286	0.05 55	0.04 65	0.05 176	0.05 215

aanet-new-90k	0.08 92	0.07 251	0.08 62	0.19 487	0.06 33	0.07 47	0.12 108	0.12 94	0.13 208	0.06 26	0.07 69	0.06 44	0.06 71	0.10 129	0.07 1	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.03 2

aanet-new-36k	0.08 92	0.06 125	0.09 136	0.17 317	0.06 33	0.09 152	0.13 187	0.11 67	0.13 208	0.08 141	0.08 135	0.06 44	0.05 15	0.09 64	0.08 28	0.04 11	0.04 25	0.05 55	0.04 65	0.03 1	0.03 2

aanet-new-34k	0.08 92	0.06 125	0.09 136	0.17 317	0.05 2	0.07 47	0.13 187	0.12 94	0.12 164	0.09 196	0.08 135	0.07 133	0.05 15	0.10 129	0.09 110	0.04 11	0.04 25	0.05 55	0.04 65	0.03 1	0.03 2

aanet-32k-new	0.08 92	0.07 251	0.08 62	0.18 411	0.06 33	0.08 94	0.12 108	0.11 67	0.12 164	0.07 80	0.08 135	0.05 5	0.07 186	0.10 129	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.06 311	0.04 78

aanet-new-32k	0.08 92	0.07 251	0.09 136	0.18 411	0.06 33	0.11 274	0.11 71	0.10 40	0.08 30	0.07 80	0.07 69	0.07 133	0.06 71	0.10 129	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

aanet-new-30k	0.08 92	0.07 251	0.09 136	0.18 411	0.06 33	0.11 274	0.11 71	0.10 40	0.08 30	0.07 80	0.07 69	0.07 133	0.06 71	0.10 129	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

aanet-new-28k	0.08 92	0.07 251	0.09 136	0.18 411	0.06 33	0.08 94	0.12 108	0.10 40	0.09 60	0.09 196	0.08 135	0.08 201	0.06 71	0.12 311	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

aanet-new-22k	0.08 92	0.06 125	0.09 136	0.17 317	0.06 33	0.08 94	0.11 71	0.14 162	0.12 164	0.09 196	0.09 174	0.08 201	0.06 71	0.10 129	0.08 28	0.04 11	0.04 25	0.05 55	0.04 65	0.03 1	0.03 2

aanet-new-16k	0.08 92	0.08 378	0.08 62	0.18 411	0.06 33	0.07 47	0.09 25	0.13 128	0.12 164	0.08 141	0.07 69	0.07 133	0.06 71	0.09 64	0.08 28	0.04 11	0.04 25	0.05 55	0.04 65	0.05 176	0.03 2

aanet-new-10k	0.08 92	0.08 378	0.08 62	0.19 487	0.07 142	0.08 94	0.12 108	0.14 162	0.11 121	0.07 80	0.08 135	0.07 133	0.07 186	0.09 64	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

aanet-new-12k	0.08 92	0.09 462	0.07 13	0.20 556	0.08 234	0.08 94	0.13 187	0.12 94	0.13 208	0.08 141	0.08 135	0.05 5	0.07 186	0.09 64	0.08 28	0.04 11	0.04 25	0.05 55	0.04 65	0.06 311	0.04 78

aanet-new-14k	0.08 92	0.09 462	0.08 62	0.19 487	0.06 33	0.07 47	0.10 42	0.14 162	0.15 269	0.06 26	0.08 135	0.05 5	0.06 71	0.09 64	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

aanet-new-8k	0.08 92	0.07 251	0.08 62	0.19 487	0.07 142	0.09 152	0.12 108	0.16 246	0.15 269	0.07 80	0.07 69	0.06 44	0.06 71	0.10 129	0.08 28	0.04 11	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

aanet-new	0.08 92	0.09 462	0.10 205	0.18 411	0.08 234	0.10 217	0.12 108	0.15 205	0.12 164	0.08 141	0.08 135	0.05 5	0.07 186	0.10 129	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.06 311	0.04 78

GCAP-Stereo-cres-4k	0.08 92	0.07 251	0.08 62	0.18 411	0.07 142	0.11 274	0.14 261	0.12 94	0.11 121	0.07 80	0.11 268	0.07 133	0.06 71	0.09 64	0.08 28	0.04 11	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

GCAP-Stereo-DPT-cres	0.08 92	0.05 45	0.07 13	0.15 131	0.06 33	0.10 217	0.14 261	0.13 128	0.12 164	0.07 80	0.09 174	0.07 133	0.06 71	0.10 129	0.09 110	0.05 52	0.04 25	0.05 55	0.04 65	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 92	0.06 125	0.15 463	0.14 71	0.06 33	0.08 94	0.13 187	0.13 128	0.11 121	0.07 80	0.08 135	0.07 133	0.06 71	0.09 64	0.08 28	0.05 52	0.05 286	0.05 55	0.04 65	0.03 1	0.04 78

GCAP-Stereo-DPT-22K	0.08 92	0.06 125	0.07 13	0.17 317	0.06 33	0.07 47	0.14 261	0.13 128	0.16 309	0.05 2	0.10 213	0.06 44	0.06 71	0.08 30	0.08 28	0.04 11	0.04 25	0.05 55	0.04 65	0.03 1	0.04 78

GCAP-Stereo-DPT-5K	0.08 92	0.06 125	0.10 205	0.16 230	0.07 142	0.11 274	0.12 108	0.15 205	0.15 269	0.08 141	0.12 291	0.05 5	0.06 71	0.09 64	0.08 28	0.05 52	0.04 25	0.06 209	0.05 202	0.03 1	0.04 78

GCAP-Stereo-DPT-2K	0.08 92	0.06 125	0.10 205	0.16 230	0.07 142	0.11 274	0.13 187	0.14 162	0.14 241	0.08 141	0.13 311	0.05 5	0.06 71	0.10 129	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.03 1	0.04 78

GCAP-Stereo-DPT-3K	0.08 92	0.07 251	0.10 205	0.16 230	0.07 142	0.09 152	0.12 108	0.15 205	0.14 241	0.08 141	0.11 268	0.05 5	0.06 71	0.09 64	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.03 1	0.04 78

GCAP-Stereo-DPT-50K	0.08 92	0.06 125	0.17 530	0.15 131	0.06 33	0.06 16	0.13 187	0.13 128	0.13 208	0.07 80	0.07 69	0.06 44	0.05 15	0.08 30	0.08 28	0.04 11	0.04 25	0.05 55	0.04 65	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 92	0.06 125	0.07 13	0.16 230	0.06 33	0.06 16	0.14 261	0.14 162	0.14 241	0.07 80	0.10 213	0.06 44	0.05 15	0.09 64	0.09 110	0.04 11	0.04 25	0.04 1	0.04 65	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 92	0.05 45	0.12 317	0.15 131	0.06 33	0.10 217	0.14 261	0.12 94	0.12 164	0.07 80	0.09 174	0.06 44	0.06 71	0.10 129	0.08 28	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

PSi22	0.08 92	0.06 125	0.11 268	0.16 230	0.07 142	0.08 94	0.10 42	0.14 162	0.08 30	0.08 141	0.06 25	0.10 281	0.06 71	0.12 311	0.09 110	0.05 52	0.04 25	0.04 1	0.03 1	0.04 50	0.04 78

Foundation-i1c-attn	0.08 92	0.05 45	0.07 13	0.14 71	0.05 2	0.09 152	0.12 108	0.12 94	0.10 88	0.09 196	0.10 213	0.10 281	0.07 186	0.07 7	0.10 217	0.06 176	0.04 25	0.05 55	0.04 65	0.03 1	0.03 2

Foundation-i1b	0.08 92	0.05 45	0.07 13	0.14 71	0.05 2	0.09 152	0.12 108	0.13 128	0.10 88	0.09 196	0.10 213	0.09 243	0.06 71	0.07 7	0.09 110	0.06 176	0.04 25	0.05 55	0.04 65	0.03 1	0.03 2

Foundation-i1a	0.08 92	0.05 45	0.07 13	0.13 23	0.05 2	0.13 387	0.13 187	0.12 94	0.09 60	0.11 284	0.11 268	0.11 312	0.06 71	0.08 30	0.09 110	0.06 176	0.04 25	0.05 55	0.03 1	0.04 50	0.04 78

DepthFocus	0.08 92	0.04 1	0.15 463	0.12 7	0.09 370	0.07 47	0.12 108	0.10 40	0.05 4	0.09 196	0.05 7	0.07 133	0.04 1	0.08 30	0.08 28	0.06 176	0.05 286	0.07 324	0.07 406	0.05 176	0.04 78

GeoVLM	0.08 92	0.04 1	0.10 205	0.13 23	0.06 33	0.10 217	0.12 108	0.13 128	0.08 30	0.06 26	0.07 69	0.06 44	0.08 241	0.10 129	0.11 307	0.06 176	0.05 286	0.04 1	0.03 1	0.04 50	0.05 215

gcap_with_dpt	0.08 92	0.06 125	0.09 136	0.16 230	0.07 142	0.09 152	0.12 108	0.13 128	0.13 208	0.08 141	0.12 291	0.04 1	0.06 71	0.10 129	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.03 1	0.04 78

DispViT+	0.08 92	0.05 45	0.09 136	0.13 23	0.06 33	0.05 5	0.11 71	0.18 320	0.16 309	0.09 196	0.08 135	0.07 133	0.06 71	0.11 211	0.09 110	0.06 176	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 92	0.04 1	0.11 268	0.14 71	0.07 142	0.11 274	0.11 71	0.11 67	0.07 20	0.07 80	0.07 69	0.07 133	0.06 71	0.10 129	0.10 217	0.06 176	0.04 25	0.05 55	0.04 65	0.06 311	0.06 327

BStereo	0.08 92	0.06 125	0.16 499	0.15 131	0.08 234	0.07 47	0.09 25	0.15 205	0.16 309	0.06 26	0.07 69	0.07 133	0.05 15	0.09 64	0.11 307	0.04 11	0.05 286	0.05 55	0.07 406	0.04 50	0.04 78

MonSter++	0.08 92	0.04 1	0.10 205	0.13 23	0.06 33	0.09 152	0.12 108	0.13 128	0.08 30	0.06 26	0.07 69	0.06 44	0.08 241	0.10 129	0.11 307	0.06 176	0.05 286	0.04 1	0.03 1	0.04 50	0.04 78

HiDET	0.08 92	0.04 1	0.10 205	0.13 23	0.06 33	0.08 94	0.12 108	0.12 94	0.11 121	0.06 26	0.07 69	0.07 133	0.07 186	0.11 211	0.11 307	0.06 176	0.04 25	0.04 1	0.03 1	0.04 50	0.04 78

LCMNet	0.08 92	0.05 45	0.10 205	0.13 23	0.07 142	0.09 152	0.12 108	0.10 40	0.11 121	0.06 26	0.08 135	0.06 44	0.07 186	0.11 211	0.10 217	0.06 176	0.05 286	0.04 1	0.03 1	0.04 50	0.04 78

GEAStereo	0.08 92	0.05 45	0.08 62	0.13 23	0.08 234	0.08 94	0.14 261	0.10 40	0.09 60	0.08 141	0.10 213	0.06 44	0.05 15	0.11 211	0.08 28	0.06 176	0.04 25	0.05 55	0.04 65	0.05 176	0.05 215

GSStereo	0.08 92	0.05 45	0.08 62	0.13 23	0.08 234	0.08 94	0.14 261	0.11 67	0.12 164	0.08 141	0.10 213	0.05 5	0.05 15	0.11 211	0.08 28	0.06 176	0.04 25	0.05 55	0.04 65	0.05 176	0.05 215

gasm-f	0.08 92	0.05 45	0.07 13	0.13 23	0.08 234	0.08 94	0.14 261	0.10 40	0.09 60	0.08 141	0.10 213	0.06 44	0.05 15	0.10 129	0.08 28	0.06 176	0.04 25	0.05 55	0.04 65	0.06 311	0.05 215

DDF-Stereo	0.08 92	0.04 1	0.09 136	0.15 131	0.10 486	0.06 16	0.13 187	0.09 26	0.14 241	0.06 26	0.06 25	0.07 133	0.06 71	0.09 64	0.10 217	0.06 176	0.04 25	0.06 209	0.04 65	0.08 468	0.05 215

252Zero-FE	0.08 92	0.04 1	0.09 136	0.13 23	0.07 142	0.12 329	0.11 71	0.13 128	0.14 241	0.06 26	0.05 7	0.06 44	0.05 15	0.09 64	0.10 217	0.06 176	0.04 25	0.04 1	0.03 1	0.05 176	0.06 327

DA	0.08 92	0.07 251	0.07 13	0.19 487	0.08 234	0.09 152	0.12 108	0.13 128	0.12 164	0.08 141	0.10 213	0.10 281	0.08 241	0.09 64	0.10 217	0.05 52	0.04 25	0.06 209	0.04 65	0.05 176	0.03 2

zero-FE	0.08 92	0.04 1	0.09 136	0.15 131	0.10 486	0.05 5	0.14 261	0.09 26	0.14 241	0.07 80	0.06 25	0.07 133	0.06 71	0.09 64	0.10 217	0.06 176	0.04 25	0.06 209	0.04 65	0.08 468	0.05 215

GGEV	0.08 92	0.07 251	0.07 13	0.19 487	0.08 234	0.09 152	0.12 108	0.13 128	0.12 164	0.08 141	0.10 213	0.10 281	0.08 241	0.09 64	0.10 217	0.05 52	0.04 25	0.06 209	0.04 65	0.05 176	0.03 2

GASTEREO	0.08 92	0.05 45	0.09 136	0.19 487	0.07 142	0.07 47	0.12 108	0.14 162	0.11 121	0.10 247	0.09 174	0.07 133	0.04 1	0.12 311	0.08 28	0.06 176	0.05 286	0.05 55	0.04 65	0.04 50	0.05 215

MSCF	0.08 92	0.05 45	0.08 62	0.19 487	0.08 234	0.06 16	0.12 108	0.14 162	0.11 121	0.10 247	0.09 174	0.07 133	0.04 1	0.11 211	0.08 28	0.06 176	0.05 286	0.05 55	0.04 65	0.05 176	0.05 215

S2M2_XL	0.08 92	0.06 125	0.12 317	0.12 7	0.08 234	0.09 152	0.09 25	0.07 7	0.07 20	0.08 141	0.07 69	0.07 133	0.06 71	0.09 64	0.09 110	0.08 445	0.06 444	0.07 324	0.05 202	0.08 468	0.06 327
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 92	0.09 462	0.10 205	0.17 317	0.07 142	0.08 94	0.10 42	0.20 363	0.13 208	0.06 26	0.07 69	0.05 5	0.06 71	0.08 30	0.09 110	0.03 1	0.03 1	0.04 1	0.03 1	0.04 50	0.03 2

2w_stereo	0.08 92	0.08 378	0.09 136	0.16 230	0.06 33	0.08 94	0.10 42	0.20 363	0.15 269	0.08 141	0.07 69	0.06 44	0.06 71	0.06 1	0.09 110	0.04 11	0.03 1	0.04 1	0.04 65	0.03 1	0.03 2

LG-Stereo	0.08 92	0.07 251	0.10 205	0.18 411	0.07 142	0.10 217	0.17 466	0.11 67	0.08 30	0.05 2	0.07 69	0.05 5	0.07 186	0.09 64	0.09 110	0.04 11	0.05 286	0.07 324	0.07 406	0.04 50	0.04 78

SGD-Stereo	0.08 92	0.05 45	0.10 205	0.14 71	0.05 2	0.12 329	0.12 108	0.11 67	0.12 164	0.07 80	0.09 174	0.09 243	0.09 288	0.08 30	0.08 28	0.06 176	0.04 25	0.05 55	0.04 65	0.05 176	0.03 2

HART	0.08 92	0.07 251	0.09 136	0.17 317	0.07 142	0.10 217	0.16 424	0.13 128	0.11 121	0.08 141	0.10 213	0.07 133	0.05 15	0.10 129	0.08 28	0.05 52	0.04 25	0.06 209	0.04 65	0.05 176	0.04 78

Reg-Stereo(zero)	0.08 92	0.05 45	0.08 62	0.16 230	0.06 33	0.12 329	0.11 71	0.15 205	0.10 88	0.12 329	0.09 174	0.10 281	0.08 241	0.11 211	0.08 28	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.05 215

SCV_C0	0.08 92	0.07 251	0.07 13	0.16 230	0.09 370	0.08 94	0.15 350	0.11 67	0.12 164	0.08 141	0.07 69	0.06 44	0.05 15	0.11 211	0.07 1	0.05 52	0.05 286	0.05 55	0.04 65	0.06 311	0.05 215

SCV	0.08 92	0.09 462	0.08 62	0.15 131	0.08 234	0.10 217	0.13 187	0.10 40	0.12 164	0.07 80	0.07 69	0.06 44	0.04 1	0.09 64	0.08 28	0.05 52	0.04 25	0.06 209	0.04 65	0.06 311	0.04 78

DEFOM-Stereo_RVC	0.08 92	0.06 125	0.09 136	0.22 611	0.06 33	0.08 94	0.12 108	0.10 40	0.10 88	0.07 80	0.07 69	0.06 44	0.05 15	0.11 211	0.09 110	0.06 176	0.04 25	0.05 55	0.03 1	0.06 311	0.04 78

HUF	0.08 92	0.05 45	0.08 62	0.14 71	0.06 33	0.09 152	0.13 187	0.13 128	0.13 208	0.07 80	0.07 69	0.08 201	0.06 71	0.10 129	0.09 110	0.06 176	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

castereo++	0.08 92	0.05 45	0.08 62	0.15 131	0.05 2	0.14 424	0.12 108	0.11 67	0.15 269	0.07 80	0.07 69	0.07 133	0.06 71	0.08 30	0.08 28	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

IGEV-RUCA	0.08 92	0.06 125	0.11 268	0.14 71	0.09 370	0.10 217	0.12 108	0.10 40	0.12 164	0.06 26	0.07 69	0.07 133	0.06 71	0.09 64	0.08 28	0.06 176	0.05 286	0.05 55	0.04 65	0.05 176	0.06 327

GIP-stereo	0.08 92	0.06 125	0.11 268	0.14 71	0.06 33	0.09 152	0.13 187	0.14 162	0.11 121	0.07 80	0.08 135	0.05 5	0.04 1	0.10 129	0.07 1	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

SMoEStereo_RVC	0.08 92	0.06 125	0.12 317	0.16 230	0.07 142	0.09 152	0.14 261	0.11 67	0.13 208	0.09 196	0.07 69	0.07 133	0.07 186	0.12 311	0.10 217	0.05 52	0.04 25	0.06 209	0.05 202	0.04 50	0.04 78

WCG-NET	0.08 92	0.05 45	0.09 136	0.15 131	0.06 33	0.11 274	0.14 261	0.13 128	0.13 208	0.06 26	0.09 174	0.07 133	0.06 71	0.13 369	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

Occ-G	0.08 92	0.05 45	0.06 5	0.14 71	0.07 142	0.08 94	0.14 261	0.13 128	0.15 269	0.07 80	0.11 268	0.07 133	0.05 15	0.09 64	0.10 217	0.06 176	0.05 286	0.05 55	0.04 65	0.05 176	0.05 215

U	0.08 92	0.07 251	0.09 136	0.19 487	0.10 486	0.10 217	0.13 187	0.12 94	0.17 340	0.07 80	0.07 69	0.06 44	0.05 15	0.07 7	0.08 28	0.06 176	0.04 25	0.06 209	0.04 65	0.06 311	0.05 215

AIO-Stereo	0.08 92	0.06 125	0.09 136	0.18 411	0.06 33	0.08 94	0.12 108	0.15 205	0.09 60	0.08 141	0.08 135	0.07 133	0.05 15	0.11 211	0.08 28	0.05 52	0.05 286	0.05 55	0.04 65	0.04 50	0.04 78

WCG-NET（raft）	0.08 92	0.05 45	0.10 205	0.15 131	0.06 33	0.11 274	0.13 187	0.15 205	0.12 164	0.08 141	0.07 69	0.06 44	0.06 71	0.13 369	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

RSM++	0.08 92	0.06 125	0.09 136	0.17 317	0.07 142	0.09 152	0.12 108	0.11 67	0.11 121	0.08 141	0.06 25	0.07 133	0.05 15	0.10 129	0.09 110	0.04 11	0.04 25	0.06 209	0.05 202	0.05 176	0.03 2

RSM	0.08 92	0.06 125	0.09 136	0.17 317	0.06 33	0.08 94	0.12 108	0.12 94	0.10 88	0.08 141	0.07 69	0.06 44	0.05 15	0.11 211	0.09 110	0.04 11	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

gcap-zeroshot	0.08 92	0.06 125	0.10 205	0.15 131	0.07 142	0.11 274	0.12 108	0.15 205	0.15 269	0.08 141	0.12 291	0.05 5	0.06 71	0.09 64	0.08 28	0.05 52	0.04 25	0.06 209	0.05 202	0.03 1	0.04 78

test_for_model	0.08 92	0.06 125	0.10 205	0.16 230	0.07 142	0.11 274	0.12 108	0.15 205	0.15 269	0.08 141	0.12 291	0.05 5	0.06 71	0.09 64	0.08 28	0.05 52	0.04 25	0.06 209	0.05 202	0.03 1	0.04 78

trnet	0.08 92	0.05 45	0.07 13	0.12 7	0.05 2	0.12 329	0.11 71	0.13 128	0.10 88	0.08 141	0.13 311	0.09 243	0.08 241	0.11 211	0.10 217	0.08 445	0.05 286	0.05 55	0.03 1	0.06 311	0.05 215

MoCha-V2	0.08 92	0.05 45	0.10 205	0.20 556	0.07 142	0.09 152	0.14 261	0.11 67	0.08 30	0.07 80	0.08 135	0.07 133	0.06 71	0.09 64	0.08 28	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

IGEV++	0.08 92	0.06 125	0.08 62	0.18 411	0.07 142	0.09 152	0.13 187	0.10 40	0.09 60	0.08 141	0.08 135	0.06 44	0.06 71	0.13 369	0.09 110	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

testlalala	0.08 92	0.06 125	0.10 205	0.15 131	0.07 142	0.11 274	0.12 108	0.15 205	0.15 269	0.08 141	0.12 291	0.05 5	0.06 71	0.09 64	0.08 28	0.05 52	0.04 25	0.06 209	0.05 202	0.03 1	0.04 78

AEACV	0.08 92	0.05 45	0.08 62	0.14 71	0.13 598	0.14 424	0.13 187	0.14 162	0.09 60	0.07 80	0.09 174	0.07 133	0.08 241	0.10 129	0.09 110	0.06 176	0.04 25	0.06 209	0.05 202	0.05 176	0.04 78

LoS_RVC	0.08 92	0.05 45	0.07 13	0.15 131	0.07 142	0.08 94	0.15 350	0.11 67	0.10 88	0.08 141	0.09 174	0.06 44	0.09 288	0.10 129	0.09 110	0.05 52	0.04 25	0.05 55	0.03 1	0.04 50	0.03 2

CAS	0.08 92	0.04 1	0.07 13	0.17 317	0.08 234	0.10 217	0.13 187	0.12 94	0.09 60	0.09 196	0.10 213	0.08 201	0.06 71	0.09 64	0.08 28	0.08 445	0.04 25	0.05 55	0.03 1	0.05 176	0.04 78

CES	0.08 92	0.04 1	0.08 62	0.14 71	0.07 142	0.09 152	0.14 261	0.11 67	0.09 60	0.08 141	0.09 174	0.11 312	0.06 71	0.12 311	0.08 28	0.06 176	0.04 25	0.05 55	0.03 1	0.05 176	0.05 215

EGLCR-Stereo	0.08 92	0.05 45	0.08 62	0.14 71	0.06 33	0.10 217	0.12 108	0.11 67	0.16 309	0.06 26	0.05 7	0.07 133	0.05 15	0.10 129	0.11 307	0.06 176	0.04 25	0.06 209	0.05 202	0.04 50	0.04 78

MC-Stereo	0.08 92	0.06 125	0.09 136	0.17 317	0.06 33	0.10 217	0.14 261	0.12 94	0.10 88	0.09 196	0.12 291	0.09 243	0.06 71	0.11 211	0.10 217	0.06 176	0.04 25	0.06 209	0.05 202	0.04 50	0.04 78

test-3	0.08 92	0.06 125	0.09 136	0.17 317	0.07 142	0.07 47	0.14 261	0.12 94	0.15 269	0.09 196	0.08 135	0.07 133	0.08 241	0.11 211	0.10 217	0.05 52	0.04 25	0.07 324	0.05 202	0.04 50	0.04 78

test_1	0.08 92	0.06 125	0.09 136	0.17 317	0.07 142	0.07 47	0.14 261	0.12 94	0.15 269	0.09 196	0.08 135	0.07 133	0.08 241	0.11 211	0.10 217	0.05 52	0.04 25	0.07 324	0.05 202	0.04 50	0.04 78

CREStereo++_RVC	0.08 92	0.04 1	0.06 5	0.13 23	0.07 142	0.09 152	0.12 108	0.14 162	0.14 241	0.10 247	0.14 327	0.08 201	0.07 186	0.09 64	0.11 307	0.06 176	0.04 25	0.05 55	0.05 202	0.04 50	0.04 78
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
GELT-Stereo	0.09 185	0.06 125	0.09 136	0.18 411	0.07 142	0.07 47	0.14 261	0.21 390	0.17 340	0.08 141	0.07 69	0.06 44	0.08 241	0.10 129	0.07 1	0.04 11	0.04 25	0.06 209	0.06 303	0.03 1	0.03 2

FAST (zero-shot)	0.09 185	0.06 125	0.11 268	0.19 487	0.13 598	0.07 47	0.13 187	0.12 94	0.08 30	0.08 141	0.06 25	0.08 201	0.07 186	0.10 129	0.10 217	0.07 360	0.06 444	0.06 209	0.07 406	0.05 176	0.08 488

DNSM	0.09 185	0.05 45	0.07 13	0.14 71	0.06 33	0.07 47	0.13 187	0.12 94	0.11 121	0.09 196	0.09 174	0.08 201	0.05 15	0.18 525	0.14 466	0.07 360	0.05 286	0.05 55	0.04 65	0.13 626	0.10 567

GREATEN-IGEV_RVC	0.09 185	0.08 378	0.08 62	0.21 591	0.09 370	0.08 94	0.11 71	0.10 40	0.09 60	0.07 80	0.10 213	0.05 5	0.06 71	0.14 404	0.11 307	0.05 52	0.06 444	0.07 324	0.06 303	0.05 176	0.05 215

VeloStereo	0.09 185	0.04 1	0.12 317	0.14 71	0.11 539	0.07 47	0.06 1	0.08 13	0.06 8	0.09 196	0.07 69	0.06 44	0.08 241	0.11 211	0.10 217	0.08 445	0.08 553	0.08 424	0.07 406	0.11 589	0.13 631

flow	0.09 185	0.04 1	0.12 317	0.14 71	0.11 539	0.07 47	0.06 1	0.08 13	0.06 8	0.09 196	0.07 69	0.06 44	0.08 241	0.12 311	0.10 217	0.08 445	0.08 553	0.08 424	0.07 406	0.11 589	0.13 631

GREATEN-IGEV-FM_RVC	0.09 185	0.05 45	0.11 268	0.19 487	0.07 142	0.10 217	0.09 25	0.12 94	0.09 60	0.09 196	0.09 174	0.07 133	0.08 241	0.08 30	0.09 110	0.06 176	0.06 444	0.10 561	0.08 487	0.07 398	0.05 215

Weightmod_eth	0.09 185	0.07 251	0.08 62	0.18 411	0.07 142	0.10 217	0.16 424	0.13 128	0.11 121	0.08 141	0.08 135	0.09 243	0.07 186	0.10 129	0.10 217	0.06 176	0.07 520	0.06 209	0.07 406	0.04 50	0.03 2

Weightmod	0.09 185	0.06 125	0.08 62	0.18 411	0.06 33	0.10 217	0.15 350	0.14 162	0.12 164	0.11 284	0.10 213	0.08 201	0.07 186	0.10 129	0.11 307	0.06 176	0.08 553	0.07 324	0.07 406	0.04 50	0.03 2

PhaseNet	0.09 185	0.06 125	0.10 205	0.15 131	0.08 234	0.10 217	0.14 261	0.20 363	0.12 164	0.07 80	0.08 135	0.09 243	0.10 335	0.13 369	0.12 376	0.06 176	0.04 25	0.06 209	0.06 303	0.05 176	0.05 215

DNS	0.09 185	0.06 125	0.08 62	0.14 71	0.06 33	0.06 16	0.12 108	0.12 94	0.09 60	0.08 141	0.08 135	0.08 201	0.05 15	0.17 501	0.11 307	0.07 360	0.05 286	0.07 324	0.03 1	0.13 626	0.09 535

RT-Monster	0.09 185	0.05 45	0.09 136	0.14 71	0.08 234	0.11 274	0.10 42	0.17 285	0.18 374	0.13 364	0.10 213	0.09 243	0.08 241	0.10 129	0.10 217	0.07 360	0.05 286	0.05 55	0.04 65	0.05 176	0.06 327

LiteMatch	0.09 185	0.06 125	0.10 205	0.16 230	0.07 142	0.09 152	0.15 350	0.13 128	0.08 30	0.06 26	0.07 69	0.06 44	0.15 490	0.10 129	0.14 466	0.07 360	0.04 25	0.06 209	0.06 303	0.06 311	0.06 327

Foundation-i1	0.09 185	0.04 1	0.10 205	0.14 71	0.06 33	0.10 217	0.13 187	0.16 246	0.14 241	0.10 247	0.10 213	0.11 312	0.07 186	0.07 7	0.10 217	0.06 176	0.04 25	0.05 55	0.05 202	0.05 176	0.05 215

VMStereo-Base	0.09 185	0.05 45	0.10 205	0.13 23	0.07 142	0.10 217	0.10 42	0.16 246	0.13 208	0.10 247	0.15 348	0.10 281	0.09 288	0.11 211	0.10 217	0.07 360	0.05 286	0.05 55	0.04 65	0.05 176	0.06 327

Anonymus123	0.09 185	0.06 125	0.16 499	0.15 131	0.08 234	0.11 274	0.09 25	0.18 320	0.16 309	0.06 26	0.07 69	0.07 133	0.05 15	0.09 64	0.11 307	0.04 11	0.05 286	0.05 55	0.07 406	0.04 50	0.04 78

NLSM3	0.09 185	0.06 125	0.08 62	0.19 487	0.08 234	0.11 274	0.16 424	0.18 320	0.16 309	0.06 26	0.08 135	0.07 133	0.08 241	0.09 64	0.11 307	0.04 11	0.04 25	0.06 209	0.07 406	0.03 1	0.03 2

FE-Mocha	0.09 185	0.06 125	0.14 414	0.16 230	0.09 370	0.10 217	0.15 350	0.18 320	0.16 309	0.10 247	0.09 174	0.07 133	0.07 186	0.09 64	0.09 110	0.06 176	0.04 25	0.06 209	0.06 303	0.05 176	0.05 215

IGEV-FE	0.09 185	0.05 45	0.12 317	0.13 23	0.08 234	0.12 329	0.13 187	0.17 285	0.11 121	0.10 247	0.06 25	0.09 243	0.06 71	0.11 211	0.09 110	0.06 176	0.04 25	0.06 209	0.06 303	0.05 176	0.05 215

water-stereo	0.09 185	0.06 125	0.08 62	0.16 230	0.07 142	0.09 152	0.13 187	0.15 205	0.13 208	0.11 284	0.12 291	0.08 201	0.09 288	0.07 7	0.08 28	0.06 176	0.05 286	0.05 55	0.05 202	0.04 50	0.04 78

depthmonostereo	0.09 185	0.06 125	0.09 136	0.15 131	0.06 33	0.10 217	0.13 187	0.14 162	0.14 241	0.10 247	0.10 213	0.09 243	0.11 373	0.08 30	0.09 110	0.06 176	0.05 286	0.06 209	0.04 65	0.04 50	0.03 2

DVStereo	0.09 185	0.05 45	0.08 62	0.15 131	0.06 33	0.11 274	0.12 108	0.14 162	0.16 309	0.11 284	0.11 268	0.09 243	0.09 288	0.11 211	0.10 217	0.06 176	0.05 286	0.05 55	0.04 65	0.03 1	0.03 2

S2M2_L	0.09 185	0.08 378	0.11 268	0.13 23	0.10 486	0.08 94	0.06 1	0.10 40	0.10 88	0.10 247	0.09 174	0.10 281	0.09 288	0.11 211	0.11 307	0.13 636	0.07 520	0.08 424	0.09 535	0.10 566	0.08 488
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 185	0.06 125	0.09 136	0.19 487	0.08 234	0.12 329	0.18 516	0.15 205	0.14 241	0.07 80	0.10 213	0.07 133	0.06 71	0.12 311	0.09 110	0.05 52	0.04 25	0.06 209	0.05 202	0.05 176	0.03 2

castereo	0.09 185	0.06 125	0.11 268	0.15 131	0.06 33	0.11 274	0.15 350	0.14 162	0.18 374	0.08 141	0.10 213	0.11 312	0.08 241	0.09 64	0.10 217	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.03 2

fffft	0.09 185	0.06 125	0.12 317	0.16 230	0.07 142	0.09 152	0.17 466	0.12 94	0.11 121	0.08 141	0.07 69	0.09 243	0.06 71	0.11 211	0.12 376	0.05 52	0.04 25	0.06 209	0.05 202	0.04 50	0.05 215
1: 1. 1
tt45	0.09 185	0.06 125	0.11 268	0.15 131	0.07 142	0.11 274	0.16 424	0.13 128	0.11 121	0.09 196	0.06 25	0.08 201	0.06 71	0.13 369	0.10 217	0.06 176	0.04 25	0.06 209	0.05 202	0.05 176	0.06 327

999	0.09 185	0.05 45	0.13 373	0.15 131	0.08 234	0.10 217	0.14 261	0.15 205	0.11 121	0.10 247	0.08 135	0.08 201	0.08 241	0.16 467	0.10 217	0.06 176	0.04 25	0.06 209	0.05 202	0.04 50	0.05 215

mms	0.09 185	0.07 251	0.08 62	0.16 230	0.08 234	0.10 217	0.16 424	0.12 94	0.11 121	0.08 141	0.09 174	0.08 201	0.06 71	0.11 211	0.12 376	0.05 52	0.04 25	0.07 324	0.05 202	0.04 50	0.03 2

ours_stereo	0.09 185	0.07 251	0.09 136	0.17 317	0.08 234	0.11 274	0.16 424	0.11 67	0.12 164	0.08 141	0.10 213	0.08 201	0.06 71	0.12 311	0.12 376	0.05 52	0.04 25	0.06 209	0.05 202	0.04 50	0.03 2

fffy	0.09 185	0.08 378	0.09 136	0.16 230	0.07 142	0.13 387	0.17 466	0.13 128	0.12 164	0.08 141	0.09 174	0.08 201	0.09 288	0.13 369	0.11 307	0.05 52	0.05 286	0.07 324	0.05 202	0.04 50	0.05 215

PAM_32	0.09 185	0.05 45	0.17 530	0.15 131	0.08 234	0.10 217	0.15 350	0.14 162	0.15 269	0.09 196	0.08 135	0.09 243	0.07 186	0.14 404	0.08 28	0.06 176	0.05 286	0.06 209	0.06 303	0.05 176	0.06 327

UGAM-zero	0.09 185	0.05 45	0.15 463	0.15 131	0.08 234	0.09 152	0.13 187	0.19 351	0.15 269	0.11 284	0.15 348	0.07 133	0.07 186	0.09 64	0.09 110	0.06 176	0.05 286	0.06 209	0.05 202	0.05 176	0.06 327

GCAP-BAT	0.09 185	0.05 45	0.11 268	0.13 23	0.07 142	0.11 274	0.14 261	0.14 162	0.16 309	0.07 80	0.10 213	0.08 201	0.06 71	0.13 369	0.08 28	0.07 360	0.05 286	0.05 55	0.05 202	0.04 50	0.04 78

Pointernet	0.09 185	0.04 1	0.09 136	0.16 230	0.08 234	0.13 387	0.10 42	0.15 205	0.17 340	0.09 196	0.07 69	0.06 44	0.06 71	0.11 211	0.09 110	0.08 445	0.04 25	0.05 55	0.03 1	0.06 311	0.05 215

IGEV-BASED-STEREO-	0.09 185	0.10 525	0.31 640	0.15 131	0.06 33	0.08 94	0.14 261	0.10 40	0.10 88	0.07 80	0.07 69	0.06 44	0.04 1	0.11 211	0.07 1	0.12 610	0.04 25	0.07 324	0.05 202	0.05 176	0.05 215

RAFT-Stereo-weight	0.09 185	0.06 125	0.10 205	0.16 230	0.07 142	0.09 152	0.14 261	0.19 351	0.16 309	0.11 284	0.10 213	0.08 201	0.06 71	0.10 129	0.11 307	0.06 176	0.04 25	0.06 209	0.04 65	0.04 50	0.04 78

MGS-Stereo	0.09 185	0.07 251	0.12 317	0.15 131	0.08 234	0.09 152	0.15 350	0.12 94	0.12 164	0.07 80	0.10 213	0.08 201	0.06 71	0.10 129	0.09 110	0.05 52	0.04 25	0.06 209	0.05 202	0.06 311	0.05 215

ff7	0.09 185	0.07 251	0.11 268	0.16 230	0.09 370	0.11 274	0.15 350	0.16 246	0.12 164	0.10 247	0.06 25	0.06 44	0.06 71	0.11 211	0.09 110	0.05 52	0.04 25	0.06 209	0.05 202	0.05 176	0.06 327

IGEVStereo-DCA	0.09 185	0.06 125	0.11 268	0.15 131	0.10 486	0.11 274	0.15 350	0.16 246	0.12 164	0.10 247	0.06 25	0.08 201	0.06 71	0.10 129	0.08 28	0.06 176	0.05 286	0.06 209	0.05 202	0.05 176	0.06 327

ffff	0.09 185	0.07 251	0.11 268	0.16 230	0.09 370	0.11 274	0.15 350	0.16 246	0.12 164	0.10 247	0.06 25	0.06 44	0.06 71	0.11 211	0.09 110	0.05 52	0.04 25	0.06 209	0.05 202	0.05 176	0.06 327

rrr	0.09 185	0.06 125	0.12 317	0.15 131	0.10 486	0.11 274	0.16 424	0.16 246	0.15 269	0.10 247	0.06 25	0.08 201	0.06 71	0.10 129	0.08 28	0.06 176	0.05 286	0.06 209	0.05 202	0.05 176	0.06 327

11t	0.09 185	0.07 251	0.11 268	0.16 230	0.09 370	0.11 274	0.15 350	0.16 246	0.12 164	0.10 247	0.06 25	0.06 44	0.06 71	0.11 211	0.09 110	0.05 52	0.04 25	0.06 209	0.05 202	0.05 176	0.06 327

MaDis-Stereo	0.09 185	0.09 462	0.08 62	0.17 317	0.09 370	0.13 387	0.10 42	0.16 246	0.16 309	0.09 196	0.11 268	0.06 44	0.06 71	0.09 64	0.13 423	0.07 360	0.06 444	0.07 324	0.05 202	0.05 176	0.04 78

IGEV_Zeroshot_test	0.09 185	0.05 45	0.12 317	0.13 23	0.08 234	0.12 329	0.13 187	0.17 285	0.11 121	0.10 247	0.06 25	0.09 243	0.06 71	0.11 211	0.09 110	0.06 176	0.04 25	0.06 209	0.06 303	0.05 176	0.05 215

MSKI-zero shot	0.09 185	0.05 45	0.09 136	0.15 131	0.07 142	0.10 217	0.13 187	0.14 162	0.13 208	0.09 196	0.09 174	0.09 243	0.06 71	0.12 311	0.10 217	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

UniTT-Stereo	0.09 185	0.07 251	0.08 62	0.18 411	0.08 234	0.13 387	0.11 71	0.12 94	0.11 121	0.10 247	0.12 291	0.05 5	0.07 186	0.09 64	0.09 110	0.07 360	0.05 286	0.05 55	0.05 202	0.05 176	0.05 215

MIM_Stereo	0.09 185	0.07 251	0.11 268	0.15 131	0.07 142	0.06 16	0.12 108	0.20 363	0.14 241	0.13 364	0.13 311	0.09 243	0.05 15	0.12 311	0.08 28	0.05 52	0.06 444	0.07 324	0.06 303	0.06 311	0.05 215

CASnet	0.09 185	0.09 462	0.09 136	0.19 487	0.06 33	0.07 47	0.11 71	0.18 320	0.14 241	0.11 284	0.10 213	0.09 243	0.07 186	0.10 129	0.10 217	0.06 176	0.04 25	0.10 561	0.08 487	0.05 176	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 185	0.05 45	0.11 268	0.13 23	0.07 142	0.11 274	0.14 261	0.14 162	0.16 309	0.07 80	0.10 213	0.08 201	0.06 71	0.13 369	0.08 28	0.07 360	0.05 286	0.05 55	0.05 202	0.04 50	0.04 78

GCAP-Stereo	0.09 185	0.07 251	0.13 373	0.18 411	0.06 33	0.11 274	0.07 5	0.13 128	0.12 164	0.09 196	0.10 213	0.07 133	0.09 288	0.13 369	0.10 217	0.06 176	0.05 286	0.05 55	0.04 65	0.04 50	0.05 215

RAFT-Test	0.09 185	0.06 125	0.10 205	0.15 131	0.07 142	0.11 274	0.15 350	0.16 246	0.13 208	0.09 196	0.10 213	0.10 281	0.09 288	0.12 311	0.09 110	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.05 215

HH	0.09 185	0.06 125	0.13 373	0.17 317	0.08 234	0.10 217	0.16 424	0.14 162	0.10 88	0.08 141	0.09 174	0.08 201	0.07 186	0.10 129	0.09 110	0.06 176	0.04 25	0.06 209	0.05 202	0.05 176	0.04 78

HanStereo	0.09 185	0.06 125	0.13 373	0.17 317	0.08 234	0.10 217	0.16 424	0.14 162	0.10 88	0.08 141	0.09 174	0.08 201	0.07 186	0.10 129	0.09 110	0.06 176	0.04 25	0.06 209	0.05 202	0.05 176	0.04 78

4D-IteraStereo	0.09 185	0.07 251	0.10 205	0.18 411	0.07 142	0.09 152	0.15 350	0.17 285	0.15 269	0.10 247	0.11 268	0.10 281	0.07 186	0.11 211	0.09 110	0.05 52	0.03 1	0.08 424	0.07 406	0.06 311	0.05 215

anonymousdsp	0.09 185	0.07 251	0.11 268	0.16 230	0.09 370	0.11 274	0.15 350	0.16 246	0.12 164	0.09 196	0.06 25	0.06 44	0.06 71	0.11 211	0.09 110	0.05 52	0.04 25	0.06 209	0.05 202	0.05 176	0.06 327

LoS	0.09 185	0.05 45	0.11 268	0.13 23	0.07 142	0.14 424	0.11 71	0.15 205	0.15 269	0.09 196	0.09 174	0.12 334	0.09 288	0.15 432	0.10 217	0.07 360	0.05 286	0.05 55	0.03 1	0.05 176	0.05 215
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 185	0.07 251	0.10 205	0.17 317	0.08 234	0.10 217	0.15 350	0.15 205	0.12 164	0.09 196	0.06 25	0.07 133	0.06 71	0.11 211	0.09 110	0.05 52	0.04 25	0.06 209	0.05 202	0.04 50	0.06 327

RCA-Stereo	0.09 185	0.06 125	0.09 136	0.16 230	0.06 33	0.09 152	0.13 187	0.18 320	0.14 241	0.09 196	0.10 213	0.08 201	0.07 186	0.12 311	0.11 307	0.06 176	0.04 25	0.06 209	0.05 202	0.05 176	0.04 78

CroCo-Stereo Lap2	0.09 185	0.09 462	0.08 62	0.22 611	0.09 370	0.09 152	0.19 557	0.16 246	0.12 164	0.09 196	0.10 213	0.05 5	0.05 15	0.08 30	0.08 28	0.06 176	0.06 444	0.07 324	0.05 202	0.05 176	0.05 215

ccc-4	0.09 185	0.07 251	0.11 268	0.16 230	0.09 370	0.11 274	0.15 350	0.16 246	0.12 164	0.10 247	0.06 25	0.06 44	0.06 71	0.11 211	0.09 110	0.05 52	0.04 25	0.06 209	0.05 202	0.05 176	0.06 327

IGEV-Stereo	0.09 185	0.07 251	0.11 268	0.16 230	0.09 370	0.11 274	0.15 350	0.16 246	0.12 164	0.09 196	0.06 25	0.06 44	0.06 71	0.11 211	0.09 110	0.05 52	0.04 25	0.06 209	0.05 202	0.05 176	0.06 327
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 185	0.05 45	0.13 373	0.14 71	0.08 234	0.12 329	0.15 350	0.18 320	0.10 88	0.11 284	0.08 135	0.08 201	0.05 15	0.10 129	0.09 110	0.06 176	0.04 25	0.06 209	0.05 202	0.06 311	0.05 215

TRStereo	0.09 185	0.05 45	0.12 317	0.15 131	0.12 575	0.10 217	0.13 187	0.18 320	0.18 374	0.09 196	0.09 174	0.09 243	0.06 71	0.10 129	0.08 28	0.07 360	0.05 286	0.07 324	0.07 406	0.04 50	0.04 78

AnonymousM	0.09 185	0.05 45	0.10 205	0.14 71	0.06 33	0.09 152	0.13 187	0.19 351	0.14 241	0.13 364	0.11 268	0.09 243	0.08 241	0.13 369	0.10 217	0.08 445	0.05 286	0.08 424	0.05 202	0.05 176	0.05 215

CroCo-Stereo	0.09 185	0.08 378	0.08 62	0.22 611	0.09 370	0.09 152	0.19 557	0.15 205	0.12 164	0.07 80	0.07 69	0.08 201	0.06 71	0.08 30	0.07 1	0.07 360	0.05 286	0.06 209	0.04 65	0.05 176	0.04 78
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 185	0.06 125	0.07 13	0.15 131	0.05 2	0.16 483	0.18 516	0.15 205	0.15 269	0.10 247	0.11 268	0.11 312	0.11 373	0.10 129	0.12 376	0.05 52	0.04 25	0.05 55	0.04 65	0.04 50	0.04 78

TANstereo	0.09 185	0.04 1	0.08 62	0.13 23	0.06 33	0.11 274	0.14 261	0.15 205	0.19 394	0.11 284	0.15 348	0.10 281	0.06 71	0.12 311	0.09 110	0.07 360	0.05 286	0.05 55	0.04 65	0.06 311	0.05 215

XX-TBD	0.09 185	0.06 125	0.07 13	0.14 71	0.07 142	0.12 329	0.16 424	0.14 162	0.13 208	0.11 284	0.12 291	0.09 243	0.08 241	0.10 129	0.10 217	0.06 176	0.04 25	0.05 55	0.03 1	0.06 311	0.05 215

raftrobust	0.09 185	0.06 125	0.10 205	0.17 317	0.08 234	0.09 152	0.10 42	0.18 320	0.16 309	0.10 247	0.09 174	0.12 334	0.07 186	0.12 311	0.10 217	0.08 445	0.05 286	0.06 209	0.05 202	0.05 176	0.05 215

XX-Stereo	0.09 185	0.05 45	0.08 62	0.17 317	0.09 370	0.15 451	0.12 108	0.20 363	0.10 88	0.10 247	0.14 327	0.07 133	0.06 71	0.12 311	0.08 28	0.06 176	0.05 286	0.06 209	0.06 303	0.04 50	0.04 78

test_xeample3	0.09 185	0.06 125	0.12 317	0.16 230	0.09 370	0.11 274	0.15 350	0.16 246	0.13 208	0.10 247	0.06 25	0.08 201	0.06 71	0.10 129	0.09 110	0.05 52	0.04 25	0.06 209	0.05 202	0.05 176	0.06 327

RAFT-Stereo + iAFF	0.09 185	0.06 125	0.10 205	0.17 317	0.06 33	0.10 217	0.16 424	0.17 285	0.14 241	0.09 196	0.10 213	0.08 201	0.09 288	0.11 211	0.09 110	0.05 52	0.04 25	0.06 209	0.06 303	0.04 50	0.03 2

AFF-stereo	0.09 185	0.06 125	0.10 205	0.17 317	0.07 142	0.10 217	0.16 424	0.17 285	0.09 60	0.10 247	0.12 291	0.09 243	0.09 288	0.12 311	0.09 110	0.05 52	0.04 25	0.07 324	0.07 406	0.04 50	0.03 2

EAI-Stereo	0.09 185	0.07 251	0.11 268	0.15 131	0.06 33	0.10 217	0.15 350	0.16 246	0.09 60	0.08 141	0.09 174	0.08 201	0.07 186	0.09 64	0.11 307	0.05 52	0.04 25	0.05 55	0.05 202	0.05 176	0.04 78

CFNet-RSSM	0.09 185	0.07 251	0.09 136	0.16 230	0.07 142	0.09 152	0.15 350	0.16 246	0.17 340	0.08 141	0.12 291	0.10 281	0.09 288	0.11 211	0.09 110	0.06 176	0.04 25	0.06 209	0.04 65	0.04 50	0.04 78

Gwc-CoAtRS	0.09 185	0.06 125	0.10 205	0.16 230	0.07 142	0.10 217	0.14 261	0.17 285	0.17 340	0.08 141	0.10 213	0.12 334	0.09 288	0.12 311	0.09 110	0.06 176	0.04 25	0.06 209	0.04 65	0.04 50	0.04 78

CREStereo	0.09 185	0.04 1	0.08 62	0.11 1	0.06 33	0.13 387	0.14 261	0.14 162	0.10 88	0.08 141	0.13 311	0.09 243	0.08 241	0.11 211	0.10 217	0.08 445	0.04 25	0.05 55	0.03 1	0.06 311	0.06 327
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	0.09 185	0.05 45	0.09 136	0.12 7	0.06 33	0.12 329	0.14 261	0.15 205	0.11 121	0.09 196	0.13 311	0.10 281	0.07 186	0.13 369	0.10 217	0.15 654	0.04 25	0.05 55	0.03 1	0.07 398	0.06 327

noway7	0.10 264	0.07 251	0.13 373	0.20 556	0.09 370	0.11 274	0.15 350	0.28 544	0.16 309	0.11 284	0.11 268	0.07 133	0.07 186	0.10 129	0.10 217	0.05 52	0.04 25	0.07 324	0.06 303	0.05 176	0.05 215

SE	0.10 264	0.10 525	0.08 62	0.19 487	0.09 370	0.11 274	0.11 71	0.15 205	0.11 121	0.10 247	0.16 361	0.09 243	0.08 241	0.09 64	0.10 217	0.06 176	0.05 286	0.08 424	0.07 406	0.07 398	0.04 78

SMOE	0.10 264	0.08 378	0.09 136	0.18 411	0.07 142	0.13 387	0.14 261	0.18 320	0.13 208	0.11 284	0.13 311	0.12 334	0.09 288	0.11 211	0.11 307	0.05 52	0.05 286	0.08 424	0.06 303	0.06 311	0.04 78

ManiGeoR	0.10 264	0.05 45	0.12 317	0.12 7	0.08 234	0.12 329	0.12 108	0.24 465	0.14 241	0.12 329	0.14 327	0.12 334	0.09 288	0.13 369	0.13 423	0.07 360	0.04 25	0.05 55	0.05 202	0.07 398	0.07 417

HLf10	0.10 264	0.05 45	0.12 317	0.12 7	0.08 234	0.12 329	0.12 108	0.24 465	0.14 241	0.12 329	0.14 327	0.12 334	0.09 288	0.13 369	0.13 423	0.07 360	0.04 25	0.05 55	0.05 202	0.07 398	0.07 417

TestStereo_HLe17	0.10 264	0.05 45	0.12 317	0.13 23	0.07 142	0.11 274	0.15 350	0.21 390	0.15 269	0.11 284	0.14 327	0.11 312	0.09 288	0.13 369	0.12 376	0.07 360	0.04 25	0.05 55	0.05 202	0.07 398	0.06 327

DN	0.10 264	0.05 45	0.09 136	0.14 71	0.09 370	0.12 329	0.18 516	0.17 285	0.16 309	0.08 141	0.09 174	0.08 201	0.06 71	0.08 30	0.09 110	0.11 585	0.05 286	0.07 324	0.06 303	0.07 398	0.09 535

Hybrid-DGEV-03	0.10 264	0.06 125	0.09 136	0.18 411	0.08 234	0.16 483	0.14 261	0.15 205	0.14 241	0.13 364	0.16 361	0.12 334	0.09 288	0.13 369	0.11 307	0.06 176	0.04 25	0.08 424	0.06 303	0.05 176	0.04 78

WQFJA1	0.10 264	0.07 251	0.08 62	0.20 556	0.09 370	0.12 329	0.17 466	0.17 285	0.17 340	0.09 196	0.10 213	0.08 201	0.10 335	0.12 311	0.11 307	0.06 176	0.07 520	0.07 324	0.06 303	0.06 311	0.05 215

WQFJX1	0.10 264	0.07 251	0.08 62	0.22 611	0.09 370	0.12 329	0.17 466	0.18 320	0.17 340	0.10 247	0.09 174	0.07 133	0.10 335	0.11 211	0.09 110	0.07 360	0.08 553	0.07 324	0.06 303	0.05 176	0.04 78

WQFJX	0.10 264	0.07 251	0.09 136	0.21 591	0.09 370	0.12 329	0.16 424	0.18 320	0.17 340	0.12 329	0.10 213	0.07 133	0.09 288	0.12 311	0.10 217	0.06 176	0.07 520	0.06 209	0.05 202	0.06 311	0.05 215

NLMM	0.10 264	0.07 251	0.08 62	0.20 556	0.09 370	0.12 329	0.17 466	0.17 285	0.17 340	0.09 196	0.10 213	0.08 201	0.10 335	0.12 311	0.11 307	0.06 176	0.07 520	0.07 324	0.06 303	0.06 311	0.05 215

NLSM1	0.10 264	0.07 251	0.07 13	0.19 487	0.08 234	0.13 387	0.16 424	0.21 390	0.15 269	0.11 284	0.10 213	0.06 44	0.10 335	0.10 129	0.11 307	0.07 360	0.08 553	0.08 424	0.07 406	0.05 176	0.05 215

MM-Stereo_test3	0.10 264	0.07 251	0.07 13	0.18 411	0.07 142	0.12 329	0.19 557	0.24 465	0.19 394	0.06 26	0.10 213	0.08 201	0.06 71	0.11 211	0.08 28	0.06 176	0.06 444	0.07 324	0.05 202	0.05 176	0.04 78

MM-Stereo_test1	0.10 264	0.07 251	0.08 62	0.18 411	0.07 142	0.12 329	0.18 516	0.21 390	0.20 418	0.09 196	0.11 268	0.08 201	0.06 71	0.10 129	0.10 217	0.06 176	0.05 286	0.07 324	0.06 303	0.05 176	0.04 78

AIO-test2	0.10 264	0.08 378	0.10 205	0.23 635	0.08 234	0.11 274	0.10 42	0.23 441	0.23 461	0.08 141	0.09 174	0.08 201	0.05 15	0.10 129	0.08 28	0.06 176	0.05 286	0.08 424	0.09 535	0.05 176	0.05 215

AIO-test1	0.10 264	0.07 251	0.10 205	0.23 635	0.07 142	0.09 152	0.13 187	0.21 390	0.14 241	0.11 284	0.12 291	0.09 243	0.07 186	0.11 211	0.09 110	0.06 176	0.05 286	0.09 512	0.10 577	0.03 1	0.06 327

tg	0.10 264	0.06 125	0.10 205	0.18 411	0.08 234	0.11 274	0.16 424	0.20 363	0.12 164	0.08 141	0.11 268	0.11 312	0.07 186	0.11 211	0.10 217	0.05 52	0.04 25	0.08 424	0.08 487	0.04 50	0.04 78

PAM	0.10 264	0.05 45	0.16 499	0.15 131	0.08 234	0.09 152	0.16 424	0.15 205	0.16 309	0.12 329	0.09 174	0.09 243	0.07 186	0.13 369	0.08 28	0.06 176	0.05 286	0.06 209	0.06 303	0.05 176	0.06 327

model_zeroshot	0.10 264	0.04 1	0.11 268	0.15 131	0.09 370	0.12 329	0.14 261	0.20 363	0.13 208	0.11 284	0.10 213	0.12 334	0.07 186	0.12 311	0.10 217	0.07 360	0.06 444	0.06 209	0.05 202	0.06 311	0.06 327

RAStereo	0.10 264	0.09 462	0.08 62	0.20 556	0.08 234	0.13 387	0.18 516	0.15 205	0.17 340	0.10 247	0.12 291	0.05 5	0.06 71	0.09 64	0.08 28	0.07 360	0.05 286	0.07 324	0.05 202	0.05 176	0.04 78

rvit_stereo_0080	0.10 264	0.08 378	0.14 414	0.15 131	0.09 370	0.07 47	0.15 350	0.16 246	0.16 309	0.11 284	0.10 213	0.14 390	0.08 241	0.12 311	0.10 217	0.09 509	0.07 520	0.07 324	0.06 303	0.07 398	0.05 215

H2IRNET	0.10 264	0.09 462	0.09 136	0.18 411	0.09 370	0.12 329	0.15 350	0.14 162	0.21 435	0.10 247	0.10 213	0.10 281	0.10 335	0.10 129	0.10 217	0.05 52	0.04 25	0.08 424	0.08 487	0.06 311	0.05 215

Former-RAFT_DAM_RVC	0.10 264	0.08 378	0.12 317	0.16 230	0.08 234	0.15 451	0.16 424	0.18 320	0.18 374	0.10 247	0.09 174	0.09 243	0.08 241	0.11 211	0.12 376	0.07 360	0.05 286	0.08 424	0.06 303	0.07 398	0.06 327

MyStereo07	0.10 264	0.07 251	0.10 205	0.17 317	0.09 370	0.14 424	0.18 516	0.15 205	0.15 269	0.09 196	0.06 25	0.06 44	0.07 186	0.12 311	0.09 110	0.06 176	0.05 286	0.08 424	0.07 406	0.06 311	0.06 327

MyStereo06	0.10 264	0.07 251	0.12 317	0.17 317	0.09 370	0.13 387	0.18 516	0.19 351	0.12 164	0.12 329	0.08 135	0.07 133	0.07 186	0.11 211	0.09 110	0.06 176	0.05 286	0.07 324	0.07 406	0.06 311	0.06 327

AE-Stereo	0.10 264	0.08 378	0.10 205	0.18 411	0.09 370	0.10 217	0.15 350	0.14 162	0.19 394	0.09 196	0.14 327	0.12 334	0.08 241	0.11 211	0.10 217	0.05 52	0.06 444	0.07 324	0.06 303	0.05 176	0.04 78

ACVNet-DCA	0.10 264	0.08 378	0.12 317	0.17 317	0.09 370	0.13 387	0.15 350	0.23 441	0.16 309	0.09 196	0.09 174	0.06 44	0.06 71	0.10 129	0.07 1	0.06 176	0.04 25	0.06 209	0.05 202	0.07 398	0.07 417

cc1	0.10 264	0.08 378	0.12 317	0.17 317	0.09 370	0.13 387	0.15 350	0.16 246	0.18 374	0.09 196	0.09 174	0.06 44	0.06 71	0.10 129	0.07 1	0.06 176	0.04 25	0.06 209	0.05 202	0.06 311	0.06 327

tt1	0.10 264	0.08 378	0.12 317	0.17 317	0.09 370	0.12 329	0.16 424	0.15 205	0.19 394	0.09 196	0.08 135	0.06 44	0.06 71	0.10 129	0.07 1	0.06 176	0.04 25	0.06 209	0.05 202	0.06 311	0.06 327

whm_eth	0.10 264	0.08 378	0.14 414	0.15 131	0.09 370	0.07 47	0.15 350	0.16 246	0.16 309	0.11 284	0.10 213	0.14 390	0.08 241	0.12 311	0.10 217	0.09 509	0.07 520	0.07 324	0.06 303	0.07 398	0.05 215

plain	0.10 264	0.08 378	0.10 205	0.19 487	0.09 370	0.10 217	0.15 350	0.14 162	0.13 208	0.13 364	0.15 348	0.09 243	0.12 406	0.13 369	0.12 376	0.07 360	0.05 286	0.09 512	0.06 303	0.06 311	0.06 327

Any-RAFT	0.10 264	0.05 45	0.09 136	0.14 71	0.07 142	0.13 387	0.14 261	0.21 390	0.15 269	0.11 284	0.12 291	0.12 334	0.09 288	0.12 311	0.09 110	0.07 360	0.04 25	0.05 55	0.04 65	0.06 311	0.05 215

LL-Strereo2	0.10 264	0.10 525	0.15 463	0.18 411	0.08 234	0.15 451	0.09 25	0.17 285	0.14 241	0.14 392	0.10 213	0.09 243	0.07 186	0.16 467	0.10 217	0.05 52	0.05 286	0.10 561	0.07 406	0.06 311	0.05 215

DCANet-4	0.10 264	0.06 125	0.12 317	0.16 230	0.06 33	0.09 152	0.17 466	0.18 320	0.19 394	0.13 364	0.16 361	0.09 243	0.14 472	0.11 211	0.12 376	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.05 215

fff	0.10 264	0.06 125	0.12 317	0.15 131	0.07 142	0.09 152	0.17 466	0.16 246	0.20 418	0.13 364	0.16 361	0.10 281	0.11 373	0.11 211	0.12 376	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.05 215

ADStereo(finetuned)	0.10 264	0.06 125	0.12 317	0.16 230	0.06 33	0.09 152	0.17 466	0.15 205	0.19 394	0.13 364	0.17 385	0.10 281	0.12 406	0.11 211	0.12 376	0.06 176	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

test_4	0.10 264	0.10 525	0.08 62	0.19 487	0.09 370	0.08 94	0.22 612	0.15 205	0.17 340	0.12 329	0.18 413	0.12 334	0.09 288	0.08 30	0.11 307	0.04 11	0.04 25	0.08 424	0.08 487	0.04 50	0.03 2

IPLG	0.10 264	0.07 251	0.15 463	0.17 317	0.08 234	0.11 274	0.14 261	0.20 363	0.15 269	0.12 329	0.17 385	0.07 133	0.07 186	0.14 404	0.13 423	0.06 176	0.04 25	0.06 209	0.05 202	0.04 50	0.04 78

test_3	0.10 264	0.09 462	0.10 205	0.20 556	0.08 234	0.13 387	0.26 661	0.14 162	0.21 435	0.10 247	0.10 213	0.09 243	0.09 288	0.08 30	0.11 307	0.05 52	0.04 25	0.08 424	0.07 406	0.04 50	0.04 78

STrans-v2	0.10 264	0.07 251	0.12 317	0.18 411	0.07 142	0.10 217	0.14 261	0.21 390	0.11 121	0.11 284	0.15 348	0.12 334	0.10 335	0.11 211	0.12 376	0.05 52	0.04 25	0.06 209	0.06 303	0.04 50	0.04 78

TransformOpticalFlow	0.10 264	0.08 378	0.13 373	0.18 411	0.07 142	0.09 152	0.15 350	0.19 351	0.15 269	0.12 329	0.17 385	0.11 312	0.11 373	0.11 211	0.10 217	0.05 52	0.04 25	0.06 209	0.06 303	0.05 176	0.05 215

SST-Stereo	0.10 264	0.07 251	0.15 463	0.18 411	0.09 370	0.06 16	0.12 108	0.17 285	0.11 121	0.15 419	0.17 385	0.13 367	0.12 406	0.10 129	0.11 307	0.06 176	0.04 25	0.09 512	0.06 303	0.06 311	0.05 215

cross-raft	0.10 264	0.09 462	0.09 136	0.19 487	0.07 142	0.11 274	0.25 652	0.13 128	0.15 269	0.08 141	0.11 268	0.12 334	0.10 335	0.09 64	0.11 307	0.05 52	0.04 25	0.06 209	0.05 202	0.04 50	0.04 78

test-1	0.10 264	0.07 251	0.16 499	0.19 487	0.08 234	0.11 274	0.24 637	0.14 162	0.18 374	0.09 196	0.07 69	0.09 243	0.08 241	0.07 7	0.09 110	0.06 176	0.04 25	0.06 209	0.05 202	0.04 50	0.04 78

iRaftStereo_RVC	0.10 264	0.07 251	0.09 136	0.17 317	0.09 370	0.11 274	0.17 466	0.18 320	0.12 164	0.09 196	0.12 291	0.10 281	0.07 186	0.11 211	0.10 217	0.05 52	0.04 25	0.08 424	0.08 487	0.04 50	0.04 78

RALCasStereoNet	0.10 264	0.06 125	0.09 136	0.16 230	0.08 234	0.12 329	0.14 261	0.17 285	0.11 121	0.12 329	0.17 385	0.14 390	0.10 335	0.12 311	0.11 307	0.07 360	0.06 444	0.06 209	0.05 202	0.08 468	0.07 417

DCANet	0.10 264	0.06 125	0.12 317	0.16 230	0.06 33	0.09 152	0.17 466	0.15 205	0.19 394	0.13 364	0.17 385	0.10 281	0.11 373	0.11 211	0.12 376	0.06 176	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

csc	0.10 264	0.06 125	0.12 317	0.15 131	0.07 142	0.09 152	0.17 466	0.16 246	0.20 418	0.13 364	0.16 361	0.10 281	0.11 373	0.11 211	0.12 376	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.05 215

cscssc	0.10 264	0.06 125	0.12 317	0.15 131	0.07 142	0.09 152	0.17 466	0.16 246	0.20 418	0.13 364	0.16 361	0.10 281	0.11 373	0.11 211	0.12 376	0.06 176	0.04 25	0.05 55	0.04 65	0.04 50	0.05 215

111	0.10 264	0.06 125	0.12 317	0.15 131	0.07 142	0.10 217	0.14 261	0.21 390	0.23 461	0.11 284	0.12 291	0.14 390	0.11 373	0.13 369	0.10 217	0.06 176	0.04 25	0.06 209	0.04 65	0.05 176	0.05 215

R-Stereo Train	0.10 264	0.06 125	0.10 205	0.17 317	0.08 234	0.11 274	0.14 261	0.23 441	0.11 121	0.12 329	0.19 424	0.11 312	0.08 241	0.09 64	0.11 307	0.07 360	0.05 286	0.06 209	0.05 202	0.05 176	0.05 215

RAFT-Stereo	0.10 264	0.06 125	0.10 205	0.17 317	0.08 234	0.11 274	0.14 261	0.23 441	0.11 121	0.12 329	0.19 424	0.11 312	0.08 241	0.09 64	0.11 307	0.07 360	0.05 286	0.06 209	0.05 202	0.05 176	0.05 215
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 264	0.06 125	0.12 317	0.14 71	0.06 33	0.11 274	0.10 42	0.18 320	0.18 374	0.13 364	0.16 361	0.14 390	0.11 373	0.15 432	0.13 423	0.06 176	0.04 25	0.04 1	0.04 65	0.06 311	0.05 215
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
zzzzzzz1	0.11 318	0.07 251	0.13 373	0.21 591	0.10 486	0.12 329	0.18 516	0.22 417	0.20 418	0.13 364	0.12 291	0.08 201	0.08 241	0.13 369	0.09 110	0.05 52	0.05 286	0.07 324	0.07 406	0.05 176	0.05 215

monster_256*512	0.11 318	0.07 251	0.09 136	0.21 591	0.10 486	0.12 329	0.17 466	0.26 502	0.18 374	0.12 329	0.12 291	0.08 201	0.07 186	0.10 129	0.10 217	0.05 52	0.04 25	0.07 324	0.07 406	0.05 176	0.05 215

SME	0.11 318	0.09 462	0.10 205	0.17 317	0.07 142	0.20 566	0.13 187	0.21 390	0.17 340	0.12 329	0.13 311	0.10 281	0.12 406	0.13 369	0.13 423	0.07 360	0.07 520	0.08 424	0.09 535	0.06 311	0.05 215

HLF11	0.11 318	0.05 45	0.13 373	0.12 7	0.08 234	0.14 424	0.11 71	0.22 417	0.10 88	0.12 329	0.23 481	0.11 312	0.11 373	0.14 404	0.13 423	0.08 445	0.05 286	0.05 55	0.04 65	0.08 468	0.08 488

HLf8	0.11 318	0.05 45	0.13 373	0.11 1	0.08 234	0.15 451	0.12 108	0.22 417	0.15 269	0.13 364	0.17 385	0.12 334	0.10 335	0.14 404	0.12 376	0.09 509	0.05 286	0.05 55	0.05 202	0.08 468	0.08 488

TestStereo_HL3	0.11 318	0.05 45	0.16 499	0.13 23	0.07 142	0.12 329	0.11 71	0.20 363	0.09 60	0.15 419	0.30 581	0.13 367	0.12 406	0.16 467	0.11 307	0.07 360	0.05 286	0.05 55	0.05 202	0.06 311	0.07 417

TestStereo_HL2	0.11 318	0.06 125	0.11 268	0.12 7	0.08 234	0.12 329	0.14 261	0.20 363	0.18 374	0.13 364	0.21 460	0.12 334	0.10 335	0.12 311	0.12 376	0.07 360	0.05 286	0.05 55	0.05 202	0.07 398	0.07 417

GGDA	0.11 318	0.06 125	0.11 268	0.13 23	0.07 142	0.12 329	0.14 261	0.19 351	0.19 394	0.13 364	0.20 436	0.12 334	0.09 288	0.12 311	0.12 376	0.07 360	0.04 25	0.05 55	0.05 202	0.06 311	0.07 417

TestStereo-Hl	0.11 318	0.06 125	0.11 268	0.13 23	0.08 234	0.15 451	0.14 261	0.20 363	0.17 340	0.13 364	0.16 361	0.12 334	0.11 373	0.14 404	0.13 423	0.06 176	0.04 25	0.05 55	0.05 202	0.06 311	0.06 327

Lsterematch	0.11 318	0.06 125	0.11 268	0.16 230	0.07 142	0.13 387	0.15 350	0.14 162	0.17 340	0.16 448	0.18 413	0.15 419	0.15 490	0.12 311	0.14 466	0.07 360	0.04 25	0.06 209	0.06 303	0.06 311	0.06 327

Hybrid-DGEV-2	0.11 318	0.06 125	0.12 317	0.18 411	0.09 370	0.09 152	0.13 187	0.28 544	0.29 546	0.11 284	0.11 268	0.09 243	0.12 406	0.12 311	0.09 110	0.06 176	0.05 286	0.07 324	0.07 406	0.05 176	0.05 215

NLMM1	0.11 318	0.09 462	0.07 13	0.22 611	0.10 486	0.12 329	0.20 581	0.18 320	0.20 418	0.12 329	0.11 268	0.07 133	0.09 288	0.11 211	0.11 307	0.08 445	0.08 553	0.07 324	0.06 303	0.04 50	0.04 78

NLCSM	0.11 318	0.09 462	0.09 136	0.23 635	0.11 539	0.12 329	0.19 557	0.18 320	0.18 374	0.12 329	0.11 268	0.07 133	0.09 288	0.11 211	0.10 217	0.07 360	0.08 553	0.07 324	0.07 406	0.06 311	0.05 215

Select-FE	0.11 318	0.06 125	0.20 578	0.15 131	0.11 539	0.11 274	0.13 187	0.21 390	0.18 374	0.09 196	0.11 268	0.10 281	0.06 71	0.12 311	0.09 110	0.07 360	0.05 286	0.07 324	0.08 487	0.06 311	0.08 488

FlowAnything_test	0.11 318	0.08 378	0.14 414	0.15 131	0.09 370	0.07 47	0.14 261	0.20 363	0.11 121	0.09 196	0.09 174	0.12 334	0.12 406	0.13 369	0.11 307	0.09 509	0.06 444	0.09 512	0.09 535	0.06 311	0.09 535

xyz-stereo-finetune2	0.11 318	0.07 251	0.13 373	0.13 23	0.07 142	0.11 274	0.19 557	0.17 285	0.12 164	0.15 419	0.15 348	0.17 456	0.12 406	0.13 369	0.11 307	0.05 52	0.04 25	0.07 324	0.05 202	0.04 50	0.06 327

xyz-stereo-finetune	0.11 318	0.08 378	0.13 373	0.14 71	0.06 33	0.10 217	0.19 557	0.17 285	0.19 394	0.12 329	0.14 327	0.15 419	0.10 335	0.13 369	0.11 307	0.05 52	0.04 25	0.07 324	0.05 202	0.04 50	0.05 215

FLISNet	0.11 318	0.06 125	0.11 268	0.13 23	0.09 370	0.09 152	0.14 261	0.21 390	0.10 88	0.19 514	0.17 385	0.14 390	0.09 288	0.16 467	0.08 28	0.05 52	0.04 25	0.07 324	0.08 487	0.07 398	0.06 327

CoSv	0.11 318	0.06 125	0.11 268	0.13 23	0.09 370	0.09 152	0.14 261	0.21 390	0.10 88	0.19 514	0.17 385	0.14 390	0.09 288	0.16 467	0.08 28	0.05 52	0.04 25	0.07 324	0.08 487	0.07 398	0.06 327

rvit_stereo_0081_aga	0.11 318	0.09 462	0.14 414	0.18 411	0.09 370	0.13 387	0.14 261	0.14 162	0.19 394	0.10 247	0.18 413	0.16 434	0.09 288	0.12 311	0.09 110	0.10 553	0.06 444	0.08 424	0.07 406	0.07 398	0.06 327

rvit_stereo_0081	0.11 318	0.08 378	0.15 463	0.16 230	0.09 370	0.10 217	0.14 261	0.14 162	0.24 478	0.11 284	0.13 311	0.13 367	0.09 288	0.11 211	0.12 376	0.10 553	0.07 520	0.08 424	0.07 406	0.07 398	0.05 215

rvit_stereo_0082	0.11 318	0.08 378	0.15 463	0.16 230	0.09 370	0.10 217	0.14 261	0.14 162	0.24 478	0.11 284	0.13 311	0.13 367	0.09 288	0.11 211	0.12 376	0.10 553	0.07 520	0.08 424	0.07 406	0.07 398	0.05 215

AIO-Stereo-zeroshot1	0.11 318	0.05 45	0.14 414	0.15 131	0.20 680	0.09 152	0.17 466	0.21 390	0.15 269	0.11 284	0.14 327	0.10 281	0.07 186	0.10 129	0.08 28	0.06 176	0.05 286	0.07 324	0.07 406	0.07 398	0.09 535

AIO-Stereo-zeroshot	0.11 318	0.05 45	0.11 268	0.15 131	0.13 598	0.13 387	0.16 424	0.23 441	0.17 340	0.10 247	0.12 291	0.10 281	0.07 186	0.11 211	0.09 110	0.06 176	0.05 286	0.06 209	0.06 303	0.07 398	0.08 488

CAS++	0.11 318	0.07 251	0.11 268	0.14 71	0.09 370	0.12 329	0.14 261	0.24 465	0.14 241	0.11 284	0.09 174	0.11 312	0.07 186	0.14 404	0.09 110	0.11 585	0.09 589	0.09 512	0.07 406	0.07 398	0.08 488
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 318	0.08 378	0.12 317	0.17 317	0.09 370	0.13 387	0.15 350	0.16 246	0.18 374	0.09 196	0.09 174	0.16 434	0.16 518	0.10 129	0.07 1	0.06 176	0.04 25	0.08 424	0.08 487	0.07 398	0.07 417

1test111	0.11 318	0.08 378	0.12 317	0.17 317	0.09 370	0.13 387	0.15 350	0.23 441	0.16 309	0.09 196	0.09 174	0.06 44	0.06 71	0.15 432	0.16 515	0.06 176	0.04 25	0.06 209	0.05 202	0.07 398	0.07 417

MIF-Stereo (partial)	0.11 318	0.06 125	0.10 205	0.19 487	0.10 486	0.10 217	0.11 71	0.17 285	0.18 374	0.14 392	0.16 361	0.09 243	0.11 373	0.12 311	0.12 376	0.08 445	0.05 286	0.08 424	0.07 406	0.06 311	0.07 417

EKT-Stereo	0.11 318	0.07 251	0.14 414	0.15 131	0.10 486	0.13 387	0.14 261	0.18 320	0.21 435	0.11 284	0.08 135	0.12 334	0.09 288	0.11 211	0.12 376	0.08 445	0.06 444	0.07 324	0.06 303	0.08 468	0.07 417

anonymousdsp2	0.11 318	0.07 251	0.10 205	0.16 230	0.09 370	0.13 387	0.14 261	0.18 320	0.22 449	0.13 364	0.14 327	0.12 334	0.09 288	0.14 404	0.11 307	0.05 52	0.04 25	0.05 55	0.04 65	0.06 311	0.05 215

DCRE	0.11 318	0.07 251	0.13 373	0.16 230	0.11 539	0.11 274	0.17 466	0.18 320	0.17 340	0.11 284	0.18 413	0.10 281	0.10 335	0.15 432	0.11 307	0.06 176	0.05 286	0.06 209	0.06 303	0.05 176	0.04 78

knoymous	0.11 318	0.05 45	0.12 317	0.13 23	0.07 142	0.15 451	0.14 261	0.19 351	0.13 208	0.11 284	0.17 385	0.13 367	0.09 288	0.13 369	0.11 307	0.08 445	0.05 286	0.06 209	0.05 202	0.08 468	0.07 417

riskmin	0.11 318	0.06 125	0.13 373	0.14 71	0.08 234	0.14 424	0.14 261	0.18 320	0.14 241	0.11 284	0.14 327	0.16 434	0.11 373	0.14 404	0.12 376	0.09 509	0.05 286	0.07 324	0.05 202	0.08 468	0.08 488

Selective-RAFT	0.11 318	0.10 525	0.11 268	0.21 591	0.08 234	0.16 483	0.13 187	0.20 363	0.22 449	0.10 247	0.10 213	0.11 312	0.10 335	0.15 432	0.11 307	0.05 52	0.05 286	0.06 209	0.05 202	0.06 311	0.05 215

DisPM	0.11 318	0.07 251	0.12 317	0.16 230	0.09 370	0.06 16	0.13 187	0.17 285	0.17 340	0.14 392	0.20 436	0.12 334	0.10 335	0.11 211	0.10 217	0.06 176	0.04 25	0.07 324	0.06 303	0.06 311	0.11 595

CIPLG	0.11 318	0.08 378	0.14 414	0.17 317	0.08 234	0.12 329	0.15 350	0.17 285	0.15 269	0.14 392	0.11 268	0.16 434	0.09 288	0.16 467	0.11 307	0.07 360	0.05 286	0.06 209	0.05 202	0.05 176	0.06 327

GLC_STEREO	0.11 318	0.07 251	0.11 268	0.17 317	0.07 142	0.09 152	0.13 187	0.15 205	0.24 478	0.12 329	0.13 311	0.12 334	0.08 241	0.18 525	0.11 307	0.06 176	0.08 553	0.08 424	0.06 303	0.05 176	0.05 215

IPLGR_C	0.11 318	0.08 378	0.14 414	0.17 317	0.08 234	0.12 329	0.15 350	0.17 285	0.15 269	0.14 392	0.10 213	0.16 434	0.09 288	0.16 467	0.11 307	0.07 360	0.05 286	0.06 209	0.05 202	0.05 176	0.06 327

MIPNet	0.11 318	0.08 378	0.14 414	0.17 317	0.09 370	0.12 329	0.14 261	0.20 363	0.24 478	0.11 284	0.10 213	0.09 243	0.07 186	0.13 369	0.12 376	0.06 176	0.04 25	0.06 209	0.05 202	0.04 50	0.04 78

IPLGR	0.11 318	0.09 462	0.16 499	0.18 411	0.08 234	0.12 329	0.17 466	0.21 390	0.24 478	0.11 284	0.12 291	0.11 312	0.08 241	0.12 311	0.12 376	0.06 176	0.05 286	0.06 209	0.06 303	0.04 50	0.04 78

GMOStereo	0.11 318	0.09 462	0.07 13	0.19 487	0.08 234	0.12 329	0.28 674	0.13 128	0.17 340	0.11 284	0.17 385	0.14 390	0.12 406	0.07 7	0.07 1	0.05 52	0.05 286	0.09 512	0.07 406	0.04 50	0.04 78

error version	0.11 318	0.09 462	0.07 13	0.19 487	0.08 234	0.12 329	0.28 674	0.13 128	0.17 340	0.11 284	0.17 385	0.14 390	0.12 406	0.07 7	0.07 1	0.05 52	0.05 286	0.09 512	0.07 406	0.04 50	0.04 78

test-v	0.11 318	0.09 462	0.07 13	0.19 487	0.08 234	0.12 329	0.28 674	0.13 128	0.17 340	0.11 284	0.17 385	0.14 390	0.12 406	0.07 7	0.07 1	0.05 52	0.05 286	0.09 512	0.07 406	0.04 50	0.04 78

ACRE	0.11 318	0.08 378	0.14 414	0.17 317	0.08 234	0.12 329	0.15 350	0.17 285	0.14 241	0.14 392	0.10 213	0.16 434	0.09 288	0.16 467	0.11 307	0.07 360	0.05 286	0.06 209	0.05 202	0.05 176	0.06 327

PFNet+	0.11 318	0.06 125	0.13 373	0.16 230	0.09 370	0.05 5	0.12 108	0.17 285	0.21 435	0.16 448	0.19 424	0.14 390	0.10 335	0.11 211	0.11 307	0.08 445	0.05 286	0.09 512	0.08 487	0.06 311	0.11 595

LCNet	0.11 318	0.07 251	0.09 136	0.19 487	0.09 370	0.08 94	0.15 350	0.21 390	0.15 269	0.11 284	0.15 348	0.16 434	0.11 373	0.12 311	0.11 307	0.05 52	0.04 25	0.08 424	0.07 406	0.06 311	0.15 657

HHNet	0.11 318	0.06 125	0.16 499	0.15 131	0.14 620	0.07 47	0.13 187	0.20 363	0.17 340	0.14 392	0.25 522	0.11 312	0.08 241	0.13 369	0.10 217	0.05 52	0.04 25	0.08 424	0.06 303	0.05 176	0.09 535

Patchmatch Stereo++	0.11 318	0.09 462	0.16 499	0.18 411	0.08 234	0.06 16	0.11 71	0.16 246	0.13 208	0.15 419	0.16 361	0.14 390	0.12 406	0.11 211	0.10 217	0.06 176	0.04 25	0.08 424	0.06 303	0.08 468	0.07 417
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 318	0.07 251	0.16 499	0.19 487	0.09 370	0.08 94	0.13 187	0.18 320	0.13 208	0.16 448	0.21 460	0.13 367	0.14 472	0.11 211	0.14 466	0.06 176	0.04 25	0.09 512	0.06 303	0.06 311	0.05 215

OMP-Stereo	0.11 318	0.06 125	0.14 414	0.18 411	0.08 234	0.09 152	0.12 108	0.21 390	0.21 435	0.13 364	0.14 327	0.11 312	0.12 406	0.11 211	0.13 423	0.06 176	0.04 25	0.07 324	0.06 303	0.05 176	0.04 78

IIG-Stereo	0.11 318	0.06 125	0.13 373	0.17 317	0.08 234	0.11 274	0.12 108	0.22 417	0.17 340	0.14 392	0.17 385	0.11 312	0.12 406	0.12 311	0.12 376	0.06 176	0.05 286	0.07 324	0.06 303	0.05 176	0.04 78

NF-Stereo	0.11 318	0.07 251	0.13 373	0.17 317	0.09 370	0.10 217	0.14 261	0.23 441	0.19 394	0.12 329	0.17 385	0.12 334	0.11 373	0.11 211	0.11 307	0.06 176	0.04 25	0.07 324	0.06 303	0.06 311	0.12 608

OCTAStereo	0.11 318	0.07 251	0.13 373	0.17 317	0.09 370	0.10 217	0.14 261	0.23 441	0.19 394	0.12 329	0.17 385	0.12 334	0.11 373	0.11 211	0.11 307	0.06 176	0.04 25	0.07 324	0.06 303	0.06 311	0.12 608

NRIStereo	0.11 318	0.08 378	0.14 414	0.18 411	0.08 234	0.10 217	0.14 261	0.16 246	0.15 269	0.12 329	0.14 327	0.13 367	0.12 406	0.13 369	0.10 217	0.06 176	0.04 25	0.07 324	0.06 303	0.06 311	0.07 417

PSM-adaLoss	0.11 318	0.09 462	0.16 499	0.18 411	0.08 234	0.06 16	0.12 108	0.16 246	0.13 208	0.15 419	0.16 361	0.14 390	0.12 406	0.11 211	0.10 217	0.06 176	0.04 25	0.08 424	0.06 303	0.08 468	0.07 417

PSM-AAD	0.11 318	0.07 251	0.10 205	0.19 487	0.09 370	0.10 217	0.15 350	0.20 363	0.13 208	0.12 329	0.14 327	0.18 470	0.11 373	0.11 211	0.10 217	0.05 52	0.05 286	0.09 512	0.08 487	0.06 311	0.14 650

ROB_FTStereo_v2	0.11 318	0.09 462	0.16 499	0.19 487	0.08 234	0.06 16	0.12 108	0.16 246	0.13 208	0.15 419	0.16 361	0.14 390	0.12 406	0.11 211	0.10 217	0.06 176	0.04 25	0.08 424	0.06 303	0.08 468	0.07 417

ROB_FTStereo	0.11 318	0.09 462	0.16 499	0.19 487	0.08 234	0.06 16	0.11 71	0.16 246	0.13 208	0.15 419	0.16 361	0.14 390	0.12 406	0.11 211	0.10 217	0.06 176	0.04 25	0.08 424	0.06 303	0.08 468	0.07 417

KYRaft	0.11 318	0.07 251	0.10 205	0.19 487	0.09 370	0.08 94	0.15 350	0.22 417	0.12 164	0.13 364	0.16 361	0.20 497	0.10 335	0.12 311	0.10 217	0.05 52	0.04 25	0.08 424	0.08 487	0.06 311	0.16 668

HUI-Stereo	0.11 318	0.09 462	0.16 499	0.18 411	0.08 234	0.06 16	0.12 108	0.16 246	0.13 208	0.15 419	0.16 361	0.14 390	0.12 406	0.11 211	0.10 217	0.06 176	0.04 25	0.08 424	0.06 303	0.08 468	0.07 417

ASMatch	0.11 318	0.06 125	0.13 373	0.16 230	0.10 486	0.07 47	0.14 261	0.17 285	0.17 340	0.12 329	0.16 361	0.16 434	0.10 335	0.13 369	0.10 217	0.05 52	0.04 25	0.06 209	0.05 202	0.04 50	0.08 488

RAFT_R40	0.11 318	0.07 251	0.14 414	0.18 411	0.09 370	0.06 16	0.13 187	0.17 285	0.16 309	0.14 392	0.18 413	0.15 419	0.12 406	0.10 129	0.11 307	0.06 176	0.04 25	0.09 512	0.06 303	0.06 311	0.05 215

GrayStereo	0.11 318	0.06 125	0.11 268	0.19 487	0.09 370	0.09 152	0.16 424	0.18 320	0.17 340	0.14 392	0.17 385	0.17 456	0.11 373	0.12 311	0.11 307	0.05 52	0.05 286	0.07 324	0.06 303	0.05 176	0.10 567

RE-Stereo	0.11 318	0.07 251	0.13 373	0.17 317	0.09 370	0.10 217	0.14 261	0.23 441	0.19 394	0.12 329	0.17 385	0.12 334	0.11 373	0.11 211	0.11 307	0.06 176	0.04 25	0.07 324	0.06 303	0.06 311	0.12 608

Pruner-Stereo	0.11 318	0.07 251	0.12 317	0.17 317	0.09 370	0.06 16	0.12 108	0.17 285	0.17 340	0.13 364	0.19 424	0.13 367	0.09 288	0.11 211	0.11 307	0.06 176	0.04 25	0.07 324	0.06 303	0.06 311	0.08 488

TVStereo	0.11 318	0.07 251	0.13 373	0.17 317	0.09 370	0.10 217	0.14 261	0.23 441	0.19 394	0.12 329	0.17 385	0.12 334	0.11 373	0.11 211	0.11 307	0.06 176	0.04 25	0.07 324	0.06 303	0.06 311	0.12 608

DeepStereo_RVC	0.11 318	0.08 378	0.16 499	0.18 411	0.08 234	0.08 94	0.12 108	0.17 285	0.12 164	0.13 364	0.14 327	0.12 334	0.12 406	0.12 311	0.11 307	0.06 176	0.04 25	0.07 324	0.06 303	0.07 398	0.08 488

iGMRVC	0.11 318	0.09 462	0.16 499	0.19 487	0.08 234	0.06 16	0.12 108	0.16 246	0.13 208	0.15 419	0.16 361	0.14 390	0.12 406	0.11 211	0.10 217	0.06 176	0.04 25	0.08 424	0.06 303	0.08 468	0.07 417

RAFT-RH_RVC	0.11 318	0.06 125	0.14 414	0.16 230	0.09 370	0.12 329	0.12 108	0.17 285	0.12 164	0.13 364	0.41 655	0.11 312	0.10 335	0.13 369	0.12 376	0.05 52	0.04 25	0.08 424	0.05 202	0.04 50	0.06 327

RAFT-345	0.11 318	0.07 251	0.15 463	0.16 230	0.08 234	0.08 94	0.12 108	0.15 205	0.10 88	0.11 284	0.36 618	0.09 243	0.09 288	0.11 211	0.12 376	0.05 52	0.05 286	0.07 324	0.06 303	0.04 50	0.05 215

iRAFT	0.11 318	0.09 462	0.16 499	0.18 411	0.08 234	0.06 16	0.11 71	0.16 246	0.13 208	0.15 419	0.16 361	0.14 390	0.12 406	0.11 211	0.10 217	0.06 176	0.04 25	0.08 424	0.06 303	0.08 468	0.07 417

CRE-IMP	0.11 318	0.09 462	0.16 499	0.19 487	0.08 234	0.10 217	0.12 108	0.18 320	0.10 88	0.14 392	0.13 311	0.13 367	0.12 406	0.12 311	0.11 307	0.07 360	0.04 25	0.08 424	0.06 303	0.08 468	0.08 488

test-2	0.11 318	0.09 462	0.07 13	0.19 487	0.08 234	0.12 329	0.28 674	0.13 128	0.17 340	0.11 284	0.17 385	0.14 390	0.12 406	0.07 7	0.07 1	0.05 52	0.05 286	0.09 512	0.07 406	0.04 50	0.04 78

GMM-Stereo	0.11 318	0.07 251	0.10 205	0.18 411	0.09 370	0.08 94	0.15 350	0.23 441	0.16 309	0.11 284	0.15 348	0.13 367	0.11 373	0.11 211	0.11 307	0.05 52	0.04 25	0.08 424	0.07 406	0.06 311	0.09 535

RAFT-IKP	0.11 318	0.09 462	0.16 499	0.19 487	0.08 234	0.06 16	0.12 108	0.16 246	0.13 208	0.15 419	0.16 361	0.14 390	0.12 406	0.11 211	0.10 217	0.06 176	0.04 25	0.08 424	0.06 303	0.08 468	0.07 417

Prome-Stereo	0.11 318	0.06 125	0.10 205	0.18 411	0.08 234	0.12 329	0.15 350	0.22 417	0.13 208	0.12 329	0.17 385	0.13 367	0.08 241	0.12 311	0.10 217	0.05 52	0.04 25	0.07 324	0.06 303	0.06 311	0.09 535

rafts_anoy	0.11 318	0.06 125	0.10 205	0.17 317	0.08 234	0.10 217	0.14 261	0.17 285	0.14 241	0.13 364	0.13 311	0.12 334	0.10 335	0.11 211	0.12 376	0.07 360	0.04 25	0.09 512	0.11 611	0.07 398	0.06 327

raft+_RVC	0.11 318	0.07 251	0.09 136	0.16 230	0.07 142	0.10 217	0.11 71	0.24 465	0.20 418	0.12 329	0.15 348	0.12 334	0.08 241	0.12 311	0.13 423	0.07 360	0.04 25	0.07 324	0.06 303	0.05 176	0.05 215

RALAANet	0.11 318	0.08 378	0.10 205	0.17 317	0.09 370	0.14 424	0.10 42	0.20 363	0.15 269	0.14 392	0.13 311	0.16 434	0.09 288	0.12 311	0.11 307	0.06 176	0.05 286	0.07 324	0.06 303	0.05 176	0.04 78

DIP-Stereo	0.11 318	0.07 251	0.14 414	0.17 317	0.09 370	0.13 387	0.09 25	0.16 246	0.16 309	0.11 284	0.16 361	0.14 390	0.12 406	0.15 432	0.13 423	0.06 176	0.05 286	0.06 209	0.05 202	0.05 176	0.06 327
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
S0	0.12 398	0.08 378	0.08 62	0.20 556	0.07 142	0.18 525	0.23 623	0.15 205	0.15 269	0.10 247	0.10 213	0.13 367	0.08 241	0.12 311	0.11 307	0.09 509	0.10 611	0.14 642	0.14 647	0.05 176	0.04 78

S	0.12 398	0.08 378	0.09 136	0.20 556	0.08 234	0.13 387	0.19 557	0.17 285	0.16 309	0.13 364	0.11 268	0.13 367	0.10 335	0.11 211	0.13 423	0.09 509	0.07 520	0.13 628	0.15 664	0.06 311	0.04 78

IGEV_i1	0.12 398	0.07 251	0.12 317	0.16 230	0.08 234	0.19 550	0.14 261	0.18 320	0.22 449	0.18 497	0.18 413	0.16 434	0.12 406	0.16 467	0.14 466	0.06 176	0.05 286	0.06 209	0.05 202	0.06 311	0.06 327

rvit_stereo_0083	0.12 398	0.08 378	0.17 530	0.16 230	0.09 370	0.11 274	0.15 350	0.14 162	0.26 514	0.11 284	0.14 327	0.13 367	0.10 335	0.12 311	0.12 376	0.10 553	0.08 553	0.09 512	0.07 406	0.07 398	0.05 215

rvit_stereo_ft	0.12 398	0.07 251	0.13 373	0.19 487	0.10 486	0.12 329	0.17 466	0.16 246	0.16 309	0.12 329	0.13 311	0.15 419	0.10 335	0.14 404	0.13 423	0.09 509	0.06 444	0.08 424	0.07 406	0.07 398	0.05 215

test_sample2	0.12 398	0.07 251	0.12 317	0.14 71	0.08 234	0.16 483	0.18 516	0.21 390	0.16 309	0.14 392	0.20 436	0.19 485	0.15 490	0.15 432	0.12 376	0.08 445	0.05 286	0.07 324	0.06 303	0.08 468	0.07 417

MyStereo8	0.12 398	0.07 251	0.15 463	0.15 131	0.09 370	0.18 525	0.14 261	0.19 351	0.22 449	0.12 329	0.18 413	0.11 312	0.10 335	0.16 467	0.18 548	0.07 360	0.05 286	0.07 324	0.05 202	0.08 468	0.09 535

CoDeX	0.12 398	0.07 251	0.12 317	0.17 317	0.08 234	0.12 329	0.15 350	0.23 441	0.27 524	0.13 364	0.17 385	0.16 434	0.11 373	0.14 404	0.11 307	0.07 360	0.05 286	0.07 324	0.06 303	0.06 311	0.05 215

11t1	0.12 398	0.06 125	0.13 373	0.14 71	0.08 234	0.17 506	0.15 350	0.18 320	0.15 269	0.15 419	0.15 348	0.16 434	0.16 518	0.15 432	0.13 423	0.08 445	0.05 286	0.06 209	0.05 202	0.08 468	0.07 417

ffm	0.12 398	0.09 462	0.14 414	0.16 230	0.08 234	0.17 506	0.17 466	0.15 205	0.19 394	0.15 419	0.25 522	0.19 485	0.13 448	0.10 129	0.07 1	0.06 176	0.04 25	0.09 512	0.08 487	0.06 311	0.06 327

RAFT_CTSACE	0.12 398	0.09 462	0.10 205	0.22 611	0.08 234	0.12 329	0.24 637	0.18 320	0.16 309	0.20 537	0.27 548	0.13 367	0.07 186	0.13 369	0.09 110	0.05 52	0.06 444	0.08 424	0.07 406	0.04 50	0.04 78

Sa-1000	0.12 398	0.08 378	0.08 62	0.18 411	0.08 234	0.14 424	0.22 612	0.22 417	0.18 374	0.15 419	0.20 436	0.17 456	0.11 373	0.10 129	0.10 217	0.06 176	0.05 286	0.09 512	0.09 535	0.05 176	0.05 215

SA	0.12 398	0.09 462	0.08 62	0.18 411	0.08 234	0.12 329	0.24 637	0.23 441	0.18 374	0.17 467	0.27 548	0.14 390	0.11 373	0.11 211	0.11 307	0.05 52	0.05 286	0.09 512	0.08 487	0.05 176	0.04 78

iRaft-Stereo_5w	0.12 398	0.09 462	0.12 317	0.19 487	0.08 234	0.09 152	0.12 108	0.21 390	0.21 435	0.19 514	0.14 327	0.11 312	0.09 288	0.20 566	0.16 515	0.05 52	0.05 286	0.07 324	0.06 303	0.05 176	0.06 327

CrosDoStereo	0.12 398	0.06 125	0.12 317	0.14 71	0.08 234	0.12 329	0.15 350	0.17 285	0.22 449	0.19 514	0.24 494	0.15 419	0.11 373	0.11 211	0.12 376	0.06 176	0.04 25	0.07 324	0.07 406	0.05 176	0.05 215

PSM-softLoss	0.12 398	0.07 251	0.15 463	0.17 317	0.09 370	0.08 94	0.13 187	0.24 465	0.17 340	0.14 392	0.19 424	0.13 367	0.11 373	0.11 211	0.11 307	0.07 360	0.05 286	0.08 424	0.07 406	0.06 311	0.12 608

KMStereo	0.12 398	0.07 251	0.15 463	0.17 317	0.09 370	0.08 94	0.13 187	0.24 465	0.17 340	0.14 392	0.19 424	0.13 367	0.11 373	0.11 211	0.11 307	0.07 360	0.05 286	0.08 424	0.07 406	0.06 311	0.12 608

FTStereo	0.12 398	0.06 125	0.14 414	0.18 411	0.09 370	0.07 47	0.15 350	0.21 390	0.18 374	0.12 329	0.24 494	0.12 334	0.12 406	0.13 369	0.13 423	0.05 52	0.05 286	0.07 324	0.06 303	0.06 311	0.10 567

DeepStereo_LL	0.12 398	0.06 125	0.12 317	0.14 71	0.08 234	0.12 329	0.15 350	0.17 285	0.22 449	0.19 514	0.24 494	0.15 419	0.11 373	0.11 211	0.12 376	0.06 176	0.04 25	0.07 324	0.07 406	0.05 176	0.05 215

DEmStereo	0.12 398	0.06 125	0.14 414	0.14 71	0.10 486	0.16 483	0.15 350	0.16 246	0.24 478	0.17 467	0.24 494	0.13 367	0.14 472	0.12 311	0.13 423	0.05 52	0.04 25	0.07 324	0.06 303	0.05 176	0.05 215

THIR-Stereo	0.12 398	0.07 251	0.11 268	0.15 131	0.08 234	0.14 424	0.16 424	0.17 285	0.25 500	0.16 448	0.24 494	0.14 390	0.12 406	0.12 311	0.14 466	0.06 176	0.04 25	0.07 324	0.07 406	0.05 176	0.05 215

DRaft	0.12 398	0.06 125	0.11 268	0.14 71	0.09 370	0.14 424	0.17 466	0.21 390	0.30 556	0.17 467	0.28 562	0.10 281	0.15 490	0.10 129	0.12 376	0.05 52	0.04 25	0.07 324	0.06 303	0.05 176	0.05 215

PFNet	0.12 398	0.06 125	0.17 530	0.17 317	0.08 234	0.09 152	0.15 350	0.26 502	0.20 418	0.16 448	0.16 361	0.14 390	0.11 373	0.12 311	0.11 307	0.06 176	0.04 25	0.07 324	0.06 303	0.05 176	0.05 215

IRAFT_RVC	0.12 398	0.08 378	0.16 499	0.19 487	0.08 234	0.07 47	0.15 350	0.24 465	0.23 461	0.14 392	0.14 327	0.15 419	0.12 406	0.12 311	0.10 217	0.06 176	0.04 25	0.09 512	0.06 303	0.06 311	0.06 327

sCroCo_RVC	0.12 398	0.09 462	0.23 603	0.24 644	0.11 539	0.19 550	0.14 261	0.17 285	0.14 241	0.10 247	0.13 311	0.12 334	0.07 186	0.14 404	0.11 307	0.08 445	0.08 553	0.08 424	0.08 487	0.05 176	0.07 417

ARAFT	0.12 398	0.08 378	0.17 530	0.19 487	0.09 370	0.14 424	0.18 516	0.20 363	0.12 164	0.12 329	0.13 311	0.14 390	0.11 373	0.15 432	0.12 376	0.06 176	0.05 286	0.10 561	0.09 535	0.05 176	0.04 78

BEATNet_4x	0.12 398	0.08 378	0.14 414	0.18 411	0.07 142	0.15 451	0.07 5	0.22 417	0.18 374	0.16 448	0.19 424	0.18 470	0.14 472	0.16 467	0.15 499	0.07 360	0.05 286	0.05 55	0.05 202	0.06 311	0.06 327

MLCV	0.12 398	0.07 251	0.16 499	0.18 411	0.06 33	0.15 451	0.17 466	0.19 351	0.21 435	0.18 497	0.25 522	0.17 456	0.13 448	0.14 404	0.13 423	0.05 52	0.04 25	0.05 55	0.04 65	0.05 176	0.04 78

RT-IGEV	0.13 426	0.06 125	0.13 373	0.15 131	0.09 370	0.15 451	0.17 466	0.24 465	0.27 524	0.16 448	0.17 385	0.17 456	0.10 335	0.14 404	0.11 307	0.08 445	0.05 286	0.07 324	0.05 202	0.07 398	0.07 417

Selective-IGEV-i16pc	0.13 426	0.06 125	0.13 373	0.15 131	0.11 539	0.38 684	0.16 424	0.23 441	0.16 309	0.10 247	0.15 348	0.09 243	0.06 71	0.13 369	0.10 217	0.10 553	0.08 553	0.06 209	0.07 406	0.09 533	0.09 535

Selective-IGEV-i1	0.13 426	0.07 251	0.12 317	0.19 487	0.08 234	0.18 525	0.16 424	0.22 417	0.30 556	0.16 448	0.17 385	0.16 434	0.10 335	0.14 404	0.13 423	0.06 176	0.05 286	0.06 209	0.05 202	0.06 311	0.05 215

G2L-ROB	0.13 426	0.06 125	0.13 373	0.13 23	0.08 234	0.14 424	0.16 424	0.25 484	0.18 374	0.19 514	0.18 413	0.20 497	0.14 472	0.17 501	0.16 515	0.08 445	0.05 286	0.06 209	0.05 202	0.08 468	0.09 535

xyz-stereo	0.13 426	0.07 251	0.20 578	0.15 131	0.05 2	0.20 566	0.15 350	0.17 285	0.31 564	0.15 419	0.29 574	0.26 572	0.16 518	0.13 369	0.12 376	0.05 52	0.05 286	0.06 209	0.05 202	0.04 50	0.04 78

DFGA-Net	0.13 426	0.11 552	0.18 554	0.17 317	0.10 486	0.12 329	0.13 187	0.22 417	0.25 500	0.16 448	0.16 361	0.13 367	0.12 406	0.16 467	0.14 466	0.07 360	0.05 286	0.08 424	0.07 406	0.05 176	0.05 215

FACV-RUCA	0.13 426	0.11 552	0.12 317	0.19 487	0.12 575	0.15 451	0.15 350	0.22 417	0.20 418	0.15 419	0.16 361	0.14 390	0.16 518	0.14 404	0.13 423	0.07 360	0.05 286	0.08 424	0.06 303	0.10 566	0.08 488

UGAM	0.13 426	0.10 525	0.09 136	0.22 611	0.08 234	0.12 329	0.20 581	0.17 285	0.23 461	0.21 552	0.16 361	0.13 367	0.13 448	0.19 541	0.12 376	0.07 360	0.05 286	0.13 628	0.11 611	0.07 398	0.05 215

test_sample1	0.13 426	0.07 251	0.14 414	0.13 23	0.08 234	0.19 550	0.16 424	0.20 363	0.15 269	0.14 392	0.22 472	0.18 470	0.16 518	0.17 501	0.14 466	0.07 360	0.06 444	0.06 209	0.06 303	0.08 468	0.07 417

qqq1	0.13 426	0.07 251	0.17 530	0.14 71	0.08 234	0.16 483	0.17 466	0.26 502	0.27 524	0.19 514	0.20 436	0.18 470	0.15 490	0.15 432	0.11 307	0.08 445	0.05 286	0.05 55	0.05 202	0.06 311	0.06 327

fff1	0.13 426	0.07 251	0.17 530	0.14 71	0.08 234	0.16 483	0.17 466	0.26 502	0.27 524	0.19 514	0.20 436	0.18 470	0.15 490	0.15 432	0.11 307	0.08 445	0.05 286	0.05 55	0.05 202	0.06 311	0.06 327

MyStereo05	0.13 426	0.07 251	0.10 205	0.17 317	0.09 370	0.13 387	0.18 516	0.27 524	0.35 599	0.17 467	0.14 327	0.15 419	0.11 373	0.15 432	0.13 423	0.06 176	0.05 286	0.07 324	0.07 406	0.06 311	0.06 327

MyStereo04	0.13 426	0.07 251	0.10 205	0.17 317	0.09 370	0.14 424	0.18 516	0.29 559	0.38 617	0.17 467	0.14 327	0.16 434	0.10 335	0.15 432	0.13 423	0.06 176	0.05 286	0.08 424	0.07 406	0.06 311	0.06 327

ff1	0.13 426	0.09 462	0.14 414	0.16 230	0.08 234	0.17 506	0.17 466	0.15 205	0.19 394	0.15 419	0.25 522	0.19 485	0.13 448	0.14 404	0.20 567	0.06 176	0.04 25	0.09 512	0.08 487	0.06 311	0.06 327

StereoVision	0.13 426	0.12 570	0.09 136	0.24 644	0.10 486	0.15 451	0.21 602	0.21 390	0.20 418	0.12 329	0.24 494	0.10 281	0.10 335	0.16 467	0.10 217	0.09 509	0.11 624	0.12 613	0.12 632	0.06 311	0.05 215

LL-Strereo	0.13 426	0.09 462	0.11 268	0.20 556	0.10 486	0.11 274	0.18 516	0.32 596	0.24 478	0.15 419	0.15 348	0.14 390	0.13 448	0.19 541	0.11 307	0.06 176	0.04 25	0.09 512	0.08 487	0.04 50	0.05 215

CASS	0.13 426	0.12 570	0.11 268	0.23 635	0.09 370	0.15 451	0.17 466	0.18 320	0.19 394	0.17 467	0.18 413	0.15 419	0.15 490	0.14 404	0.14 466	0.09 509	0.06 444	0.10 561	0.08 487	0.09 533	0.07 417
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 426	0.07 251	0.13 373	0.18 411	0.09 370	0.13 387	0.17 466	0.19 351	0.29 546	0.15 419	0.24 494	0.15 419	0.14 472	0.14 404	0.14 466	0.07 360	0.05 286	0.07 324	0.09 535	0.05 176	0.06 327

TestStereo1	0.13 426	0.08 378	0.08 62	0.19 487	0.08 234	0.18 525	0.29 684	0.23 441	0.16 309	0.17 467	0.20 436	0.16 434	0.10 335	0.12 311	0.13 423	0.06 176	0.06 444	0.08 424	0.06 303	0.05 176	0.05 215

qqq	0.13 426	0.09 462	0.15 463	0.16 230	0.08 234	0.13 387	0.15 350	0.23 441	0.16 309	0.15 419	0.19 424	0.16 434	0.16 518	0.15 432	0.16 515	0.07 360	0.06 444	0.08 424	0.08 487	0.07 398	0.07 417

x	0.13 426	0.07 251	0.14 414	0.14 71	0.08 234	0.18 525	0.14 261	0.22 417	0.20 418	0.15 419	0.19 424	0.19 485	0.17 541	0.18 525	0.18 548	0.07 360	0.05 286	0.06 209	0.06 303	0.07 398	0.07 417

raft_robust	0.13 426	0.10 525	0.07 13	0.18 411	0.08 234	0.13 387	0.24 637	0.28 544	0.33 578	0.20 537	0.19 424	0.14 390	0.10 335	0.11 211	0.12 376	0.05 52	0.05 286	0.07 324	0.07 406	0.05 176	0.04 78

RAFT+CT+SA	0.13 426	0.11 552	0.09 136	0.19 487	0.09 370	0.15 451	0.28 674	0.22 417	0.22 449	0.15 419	0.26 539	0.10 281	0.10 335	0.11 211	0.12 376	0.05 52	0.04 25	0.07 324	0.08 487	0.07 398	0.06 327

SA-5K	0.13 426	0.08 378	0.08 62	0.19 487	0.08 234	0.18 525	0.29 684	0.23 441	0.16 309	0.17 467	0.20 436	0.16 434	0.10 335	0.12 311	0.13 423	0.06 176	0.06 444	0.08 424	0.06 303	0.05 176	0.05 215

GwcNet-ADL	0.13 426	0.08 378	0.14 414	0.20 556	0.09 370	0.11 274	0.20 581	0.30 573	0.24 478	0.13 364	0.14 327	0.18 470	0.14 472	0.13 369	0.14 466	0.07 360	0.05 286	0.06 209	0.05 202	0.07 398	0.06 327

GANet-ADL	0.13 426	0.07 251	0.15 463	0.17 317	0.10 486	0.18 525	0.15 350	0.30 573	0.20 418	0.13 364	0.18 413	0.19 485	0.12 406	0.16 467	0.13 423	0.08 445	0.06 444	0.06 209	0.05 202	0.07 398	0.08 488

RAFT	0.13 426	0.09 462	0.11 268	0.18 411	0.08 234	0.15 451	0.24 637	0.20 363	0.19 394	0.21 552	0.21 460	0.17 456	0.12 406	0.16 467	0.09 110	0.06 176	0.07 520	0.10 561	0.09 535	0.05 176	0.05 215

TestStereo	0.13 426	0.14 610	0.11 268	0.23 635	0.08 234	0.15 451	0.21 602	0.20 363	0.23 461	0.14 392	0.24 494	0.16 434	0.12 406	0.16 467	0.14 466	0.05 52	0.06 444	0.08 424	0.06 303	0.09 533	0.05 215

sAnonymous2	0.13 426	0.12 570	0.24 607	0.20 556	0.12 575	0.17 506	0.13 187	0.26 502	0.21 435	0.11 284	0.11 268	0.13 367	0.08 241	0.10 129	0.10 217	0.09 509	0.05 286	0.08 424	0.06 303	0.15 658	0.10 567

CroCo_RVC	0.13 426	0.12 570	0.24 607	0.20 556	0.12 575	0.17 506	0.13 187	0.26 502	0.21 435	0.11 284	0.11 268	0.13 367	0.08 241	0.10 129	0.10 217	0.09 509	0.05 286	0.08 424	0.06 303	0.15 658	0.10 567

RAFT + AFF	0.13 426	0.07 251	0.20 578	0.20 556	0.10 486	0.14 424	0.24 637	0.26 502	0.20 418	0.11 284	0.10 213	0.12 334	0.10 335	0.15 432	0.12 376	0.07 360	0.06 444	0.09 512	0.08 487	0.06 311	0.08 488

GMStereo	0.13 426	0.14 610	0.14 414	0.18 411	0.09 370	0.15 451	0.16 424	0.20 363	0.24 478	0.16 448	0.17 385	0.10 281	0.10 335	0.16 467	0.13 423	0.07 360	0.06 444	0.06 209	0.06 303	0.07 398	0.06 327
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 426	0.07 251	0.14 414	0.17 317	0.09 370	0.15 451	0.16 424	0.28 544	0.27 524	0.14 392	0.17 385	0.12 334	0.13 448	0.14 404	0.11 307	0.08 445	0.05 286	0.07 324	0.07 406	0.07 398	0.06 327

FENet	0.13 426	0.08 378	0.12 317	0.16 230	0.08 234	0.14 424	0.15 350	0.22 417	0.23 461	0.17 467	0.23 481	0.16 434	0.12 406	0.14 404	0.15 499	0.08 445	0.05 286	0.08 424	0.08 487	0.07 398	0.07 417

cf-r	0.13 426	0.07 251	0.12 317	0.16 230	0.08 234	0.14 424	0.19 557	0.20 363	0.25 500	0.17 467	0.25 522	0.21 506	0.16 518	0.14 404	0.14 466	0.10 553	0.05 286	0.06 209	0.08 487	0.06 311	0.06 327

iResNet	0.13 426	0.10 525	0.18 554	0.19 487	0.08 234	0.13 387	0.18 516	0.20 363	0.26 514	0.15 419	0.23 481	0.15 419	0.13 448	0.14 404	0.14 466	0.06 176	0.04 25	0.06 209	0.05 202	0.06 311	0.05 215

DN-CSS_ROB	0.13 426	0.13 598	0.16 499	0.18 411	0.10 486	0.16 483	0.08 9	0.22 417	0.18 374	0.17 467	0.22 472	0.13 367	0.13 448	0.12 311	0.13 423	0.05 52	0.05 286	0.10 561	0.10 577	0.08 468	0.06 327

Selective-IGEV-i16pb	0.14 463	0.08 378	0.17 530	0.15 131	0.11 539	0.41 689	0.16 424	0.28 544	0.23 461	0.11 284	0.20 436	0.10 281	0.07 186	0.17 501	0.12 376	0.10 553	0.07 520	0.06 209	0.08 487	0.09 533	0.10 567

G2L-Stereo_test	0.14 463	0.07 251	0.11 268	0.13 23	0.08 234	0.12 329	0.16 424	0.30 573	0.28 539	0.20 537	0.23 481	0.20 497	0.16 518	0.17 501	0.18 548	0.07 360	0.05 286	0.05 55	0.05 202	0.07 398	0.06 327

coex_refinement	0.14 463	0.07 251	0.12 317	0.17 317	0.10 486	0.15 451	0.15 350	0.26 502	0.29 546	0.18 497	0.20 436	0.22 524	0.17 541	0.16 467	0.18 548	0.08 445	0.05 286	0.06 209	0.06 303	0.09 533	0.08 488

G2L-Stereo	0.14 463	0.07 251	0.13 373	0.17 317	0.09 370	0.13 387	0.12 108	0.27 524	0.22 449	0.16 448	0.27 548	0.21 506	0.13 448	0.17 501	0.18 548	0.09 509	0.08 553	0.08 424	0.07 406	0.07 398	0.07 417

rvit_0105_6	0.14 463	0.09 462	0.18 554	0.17 317	0.10 486	0.10 217	0.16 424	0.19 351	0.26 514	0.12 329	0.18 413	0.17 456	0.12 406	0.18 525	0.12 376	0.15 654	0.11 624	0.12 613	0.10 577	0.09 533	0.06 327

rvit_0105_5	0.14 463	0.09 462	0.13 373	0.17 317	0.09 370	0.14 424	0.23 623	0.24 465	0.27 524	0.14 392	0.15 348	0.18 470	0.12 406	0.17 501	0.14 466	0.14 650	0.11 624	0.10 561	0.10 577	0.08 468	0.06 327

rvit_0105_4	0.14 463	0.09 462	0.17 530	0.17 317	0.10 486	0.12 329	0.19 557	0.23 441	0.27 524	0.14 392	0.20 436	0.17 456	0.13 448	0.17 501	0.13 423	0.15 654	0.11 624	0.11 593	0.10 577	0.09 533	0.06 327

DCVSM-stereo	0.14 463	0.09 462	0.16 499	0.16 230	0.10 486	0.15 451	0.09 25	0.19 351	0.23 461	0.20 537	0.23 481	0.26 572	0.15 490	0.18 525	0.14 466	0.09 509	0.07 520	0.09 512	0.08 487	0.10 566	0.12 608

test_sample6	0.14 463	0.08 378	0.13 373	0.16 230	0.08 234	0.17 506	0.19 557	0.25 484	0.17 340	0.17 467	0.27 548	0.19 485	0.14 472	0.15 432	0.13 423	0.08 445	0.05 286	0.08 424	0.07 406	0.08 468	0.08 488

test_sample5	0.14 463	0.08 378	0.14 414	0.16 230	0.08 234	0.18 525	0.18 516	0.25 484	0.17 340	0.17 467	0.27 548	0.18 470	0.14 472	0.16 467	0.13 423	0.08 445	0.05 286	0.08 424	0.07 406	0.08 468	0.08 488

test_sample4	0.14 463	0.08 378	0.14 414	0.15 131	0.08 234	0.19 550	0.18 516	0.26 502	0.17 340	0.16 448	0.25 522	0.18 470	0.14 472	0.16 467	0.13 423	0.08 445	0.06 444	0.08 424	0.06 303	0.08 468	0.08 488

test_sample3	0.14 463	0.08 378	0.15 463	0.14 71	0.09 370	0.19 550	0.17 466	0.26 502	0.18 374	0.16 448	0.22 472	0.19 485	0.15 490	0.17 501	0.13 423	0.08 445	0.06 444	0.07 324	0.06 303	0.09 533	0.08 488

DispNO	0.14 463	0.08 378	0.17 530	0.19 487	0.12 575	0.11 274	0.21 602	0.23 441	0.29 546	0.17 467	0.23 481	0.18 470	0.17 541	0.15 432	0.15 499	0.07 360	0.05 286	0.08 424	0.08 487	0.07 398	0.06 327

SMFormer	0.14 463	0.07 251	0.17 530	0.14 71	0.08 234	0.16 483	0.17 466	0.26 502	0.27 524	0.19 514	0.20 436	0.18 470	0.15 490	0.15 432	0.17 530	0.08 445	0.05 286	0.07 324	0.06 303	0.07 398	0.06 327

tta	0.14 463	0.07 251	0.17 530	0.14 71	0.08 234	0.16 483	0.17 466	0.26 502	0.27 524	0.19 514	0.20 436	0.18 470	0.15 490	0.15 432	0.17 530	0.08 445	0.05 286	0.07 324	0.06 303	0.06 311	0.06 327

mmm	0.14 463	0.08 378	0.17 530	0.17 317	0.09 370	0.17 506	0.18 516	0.21 390	0.15 269	0.15 419	0.23 481	0.21 506	0.16 518	0.16 467	0.17 530	0.08 445	0.05 286	0.08 424	0.07 406	0.07 398	0.07 417

DualNet	0.14 463	0.08 378	0.14 414	0.16 230	0.08 234	0.18 525	0.18 516	0.25 484	0.17 340	0.17 467	0.27 548	0.18 470	0.14 472	0.16 467	0.13 423	0.08 445	0.05 286	0.08 424	0.07 406	0.08 468	0.08 488

mmx	0.14 463	0.09 462	0.14 414	0.16 230	0.08 234	0.17 506	0.17 466	0.27 524	0.25 500	0.15 419	0.25 522	0.19 485	0.13 448	0.14 404	0.20 567	0.08 445	0.06 444	0.09 512	0.08 487	0.08 468	0.08 488

xxx	0.14 463	0.09 462	0.14 414	0.16 230	0.08 234	0.17 506	0.17 466	0.27 524	0.25 500	0.15 419	0.25 522	0.19 485	0.13 448	0.14 404	0.20 567	0.08 445	0.06 444	0.09 512	0.08 487	0.08 468	0.08 488

PCWNet_CMD	0.14 463	0.08 378	0.15 463	0.17 317	0.09 370	0.14 424	0.14 261	0.29 559	0.36 603	0.14 392	0.20 436	0.21 506	0.12 406	0.17 501	0.13 423	0.07 360	0.05 286	0.07 324	0.07 406	0.07 398	0.07 417

CBFPSM	0.14 463	0.06 125	0.26 615	0.17 317	0.09 370	0.13 387	0.15 350	0.22 417	0.23 461	0.20 537	0.27 548	0.24 548	0.16 518	0.16 467	0.18 548	0.06 176	0.06 444	0.06 209	0.07 406	0.07 398	0.07 417

gwcnet-sp	0.14 463	0.07 251	0.12 317	0.18 411	0.09 370	0.16 483	0.17 466	0.24 465	0.24 478	0.18 497	0.24 494	0.15 419	0.16 518	0.15 432	0.15 499	0.08 445	0.06 444	0.07 324	0.08 487	0.08 468	0.07 417

scenet	0.14 463	0.07 251	0.12 317	0.18 411	0.09 370	0.16 483	0.17 466	0.24 465	0.24 478	0.18 497	0.24 494	0.15 419	0.16 518	0.15 432	0.15 499	0.08 445	0.06 444	0.07 324	0.08 487	0.08 468	0.07 417

ssnet	0.14 463	0.07 251	0.12 317	0.18 411	0.09 370	0.16 483	0.17 466	0.24 465	0.24 478	0.18 497	0.24 494	0.15 419	0.16 518	0.15 432	0.15 499	0.08 445	0.06 444	0.07 324	0.08 487	0.08 468	0.07 417

BUS	0.14 463	0.09 462	0.14 414	0.22 611	0.10 486	0.19 550	0.14 261	0.34 625	0.19 394	0.17 467	0.22 472	0.16 434	0.13 448	0.15 432	0.13 423	0.08 445	0.06 444	0.10 561	0.09 535	0.07 398	0.07 417

IER	0.14 463	0.07 251	0.13 373	0.17 317	0.09 370	0.14 424	0.16 424	0.25 484	0.26 514	0.18 497	0.25 522	0.17 456	0.20 584	0.16 467	0.14 466	0.08 445	0.05 286	0.07 324	0.06 303	0.08 468	0.07 417

test_5	0.14 463	0.12 570	0.08 62	0.20 556	0.10 486	0.14 424	0.29 684	0.21 390	0.24 478	0.18 497	0.28 562	0.11 312	0.15 490	0.12 311	0.13 423	0.06 176	0.05 286	0.07 324	0.08 487	0.08 468	0.07 417

psmg	0.14 463	0.09 462	0.14 414	0.17 317	0.10 486	0.15 451	0.17 466	0.29 559	0.19 394	0.17 467	0.21 460	0.25 562	0.16 518	0.15 432	0.14 466	0.08 445	0.06 444	0.08 424	0.08 487	0.07 398	0.06 327

UDGNet	0.14 463	0.13 598	0.16 499	0.17 317	0.10 486	0.12 329	0.16 424	0.21 390	0.27 524	0.20 537	0.20 436	0.16 434	0.13 448	0.16 467	0.13 423	0.10 553	0.06 444	0.09 512	0.07 406	0.06 311	0.07 417

CFNet_pseudo	0.14 463	0.08 378	0.15 463	0.16 230	0.09 370	0.13 387	0.14 261	0.27 524	0.34 590	0.14 392	0.21 460	0.22 524	0.13 448	0.18 525	0.14 466	0.07 360	0.05 286	0.08 424	0.06 303	0.07 398	0.07 417

GES	0.14 463	0.08 378	0.16 499	0.15 131	0.10 486	0.13 387	0.13 187	0.28 544	0.25 500	0.16 448	0.23 481	0.18 470	0.13 448	0.16 467	0.13 423	0.08 445	0.07 520	0.07 324	0.06 303	0.08 468	0.09 535

GANet-RSSM	0.14 463	0.07 251	0.13 373	0.13 23	0.08 234	0.14 424	0.17 466	0.22 417	0.21 435	0.17 467	0.24 494	0.23 542	0.15 490	0.16 467	0.15 499	0.10 553	0.06 444	0.07 324	0.08 487	0.08 468	0.07 417

PSMNet-RSSM	0.14 463	0.07 251	0.13 373	0.15 131	0.08 234	0.13 387	0.16 424	0.24 465	0.24 478	0.16 448	0.28 562	0.22 524	0.14 472	0.15 432	0.13 423	0.11 585	0.06 444	0.09 512	0.12 632	0.08 468	0.07 417

GwcNet-RSSM	0.14 463	0.07 251	0.12 317	0.15 131	0.08 234	0.15 451	0.20 581	0.21 390	0.27 524	0.18 497	0.27 548	0.22 524	0.16 518	0.14 404	0.15 499	0.10 553	0.05 286	0.07 324	0.09 535	0.07 398	0.07 417

CFNet-ft	0.14 463	0.07 251	0.15 463	0.12 7	0.09 370	0.16 483	0.18 516	0.22 417	0.24 478	0.17 467	0.26 539	0.24 548	0.14 472	0.16 467	0.14 466	0.11 585	0.06 444	0.08 424	0.09 535	0.09 533	0.08 488

CCAANet	0.14 463	0.06 125	0.14 414	0.17 317	0.09 370	0.16 483	0.13 187	0.30 573	0.24 478	0.16 448	0.32 594	0.18 470	0.17 541	0.17 501	0.14 466	0.06 176	0.05 286	0.09 512	0.09 535	0.06 311	0.09 535

DMCA	0.14 463	0.09 462	0.16 499	0.19 487	0.09 370	0.15 451	0.17 466	0.23 441	0.27 524	0.14 392	0.19 424	0.17 456	0.18 556	0.15 432	0.17 530	0.10 553	0.06 444	0.08 424	0.06 303	0.09 533	0.10 567

RASNet	0.14 463	0.07 251	0.14 414	0.16 230	0.08 234	0.18 525	0.14 261	0.29 559	0.20 418	0.17 467	0.25 522	0.21 506	0.18 556	0.20 566	0.19 561	0.07 360	0.06 444	0.06 209	0.08 487	0.06 311	0.06 327

MSMDNet	0.14 463	0.08 378	0.15 463	0.17 317	0.09 370	0.14 424	0.14 261	0.29 559	0.36 603	0.14 392	0.21 460	0.21 506	0.12 406	0.17 501	0.14 466	0.07 360	0.05 286	0.07 324	0.07 406	0.07 398	0.07 417

HSM-Net_RVC	0.14 463	0.08 378	0.11 268	0.15 131	0.08 234	0.15 451	0.15 350	0.27 524	0.29 546	0.19 514	0.21 460	0.29 599	0.14 472	0.17 501	0.13 423	0.06 176	0.06 444	0.06 209	0.06 303	0.07 398	0.06 327
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 463	0.07 251	0.15 463	0.12 7	0.09 370	0.16 483	0.18 516	0.22 417	0.24 478	0.17 467	0.26 539	0.24 548	0.14 472	0.16 467	0.14 466	0.11 585	0.06 444	0.08 424	0.09 535	0.09 533	0.08 488

ccs_rob	0.14 463	0.08 378	0.15 463	0.16 230	0.09 370	0.12 329	0.14 261	0.27 524	0.34 590	0.14 392	0.21 460	0.22 524	0.13 448	0.18 525	0.14 466	0.07 360	0.05 286	0.08 424	0.07 406	0.07 398	0.07 417

UCFNet_RVC	0.14 463	0.08 378	0.13 373	0.11 1	0.10 486	0.20 566	0.10 42	0.24 465	0.22 449	0.17 467	0.20 436	0.23 542	0.15 490	0.17 501	0.15 499	0.12 610	0.07 520	0.10 561	0.13 643	0.11 589	0.10 567

iResNetv2_ROB	0.14 463	0.08 378	0.15 463	0.16 230	0.08 234	0.16 483	0.12 108	0.25 484	0.35 599	0.21 552	0.29 574	0.24 548	0.13 448	0.14 404	0.14 466	0.06 176	0.05 286	0.06 209	0.04 65	0.09 533	0.08 488

iResNet_ROB	0.14 463	0.07 251	0.13 373	0.14 71	0.07 142	0.18 525	0.14 261	0.26 502	0.31 564	0.22 568	0.25 522	0.23 542	0.15 490	0.15 432	0.13 423	0.07 360	0.05 286	0.05 55	0.04 65	0.08 468	0.08 488

DDVS	0.15 508	0.10 525	0.21 588	0.16 230	0.12 575	0.15 451	0.14 261	0.25 484	0.19 394	0.18 497	0.29 574	0.27 580	0.12 406	0.19 541	0.15 499	0.09 509	0.06 444	0.09 512	0.07 406	0.11 589	0.11 595

rvit_0105_3	0.15 508	0.09 462	0.14 414	0.19 487	0.12 575	0.15 451	0.25 652	0.25 484	0.29 546	0.15 419	0.17 385	0.20 497	0.13 448	0.17 501	0.14 466	0.13 636	0.11 624	0.12 613	0.14 647	0.07 398	0.06 327

ACV-stereo	0.15 508	0.10 525	0.28 627	0.18 411	0.12 575	0.14 424	0.12 108	0.23 441	0.21 435	0.19 514	0.23 481	0.22 524	0.15 490	0.23 607	0.17 530	0.07 360	0.06 444	0.07 324	0.07 406	0.07 398	0.07 417

ITSA-stereo	0.15 508	0.10 525	0.14 414	0.19 487	0.08 234	0.12 329	0.14 261	0.30 573	0.49 669	0.17 467	0.19 424	0.22 524	0.15 490	0.17 501	0.16 515	0.10 553	0.06 444	0.08 424	0.08 487	0.08 468	0.08 488

test_sample7	0.15 508	0.10 525	0.16 499	0.14 71	0.11 539	0.16 483	0.16 424	0.27 524	0.23 461	0.20 537	0.20 436	0.24 548	0.19 572	0.16 467	0.16 515	0.12 610	0.06 444	0.10 561	0.09 535	0.10 566	0.10 567

1111x	0.15 508	0.08 378	0.12 317	0.18 411	0.07 142	0.18 525	0.25 652	0.31 585	0.24 478	0.17 467	0.24 494	0.26 572	0.15 490	0.13 369	0.23 608	0.07 360	0.07 520	0.08 424	0.09 535	0.07 398	0.06 327

CFNet_ucs	0.15 508	0.08 378	0.16 499	0.16 230	0.11 539	0.14 424	0.14 261	0.30 573	0.34 590	0.16 448	0.24 494	0.23 542	0.14 472	0.18 525	0.15 499	0.09 509	0.06 444	0.08 424	0.07 406	0.09 533	0.09 535

BSDual-CNN	0.15 508	0.09 462	0.14 414	0.22 611	0.10 486	0.14 424	0.15 350	0.34 625	0.19 394	0.17 467	0.22 472	0.25 562	0.16 518	0.15 432	0.14 466	0.08 445	0.06 444	0.10 561	0.09 535	0.07 398	0.07 417

hknet	0.15 508	0.11 552	0.13 373	0.22 611	0.11 539	0.14 424	0.15 350	0.34 625	0.25 500	0.17 467	0.22 472	0.22 524	0.18 556	0.17 501	0.12 376	0.07 360	0.06 444	0.10 561	0.09 535	0.07 398	0.07 417

dd	0.15 508	0.16 628	0.16 499	0.19 487	0.09 370	0.15 451	0.18 516	0.21 390	0.25 500	0.23 581	0.20 436	0.21 506	0.09 288	0.21 583	0.16 515	0.10 553	0.06 444	0.08 424	0.06 303	0.08 468	0.06 327

DAS	0.15 508	0.08 378	0.18 554	0.19 487	0.10 486	0.19 550	0.17 466	0.27 524	0.29 546	0.18 497	0.25 522	0.21 506	0.15 490	0.16 467	0.12 376	0.08 445	0.06 444	0.06 209	0.06 303	0.07 398	0.07 417

SepStereo	0.15 508	0.08 378	0.18 554	0.19 487	0.10 486	0.19 550	0.17 466	0.27 524	0.29 546	0.18 497	0.25 522	0.21 506	0.15 490	0.25 623	0.12 376	0.08 445	0.06 444	0.06 209	0.06 303	0.07 398	0.07 417

PSMNet-ADL	0.15 508	0.12 570	0.13 373	0.22 611	0.09 370	0.13 387	0.20 581	0.26 502	0.23 461	0.18 497	0.20 436	0.24 548	0.16 518	0.18 525	0.17 530	0.08 445	0.08 553	0.08 424	0.11 611	0.08 468	0.07 417

LMCR-Stereo	0.15 508	0.08 378	0.13 373	0.21 591	0.09 370	0.17 506	0.20 581	0.27 524	0.19 394	0.24 590	0.24 494	0.23 542	0.17 541	0.20 566	0.17 530	0.07 360	0.06 444	0.08 424	0.06 303	0.10 566	0.08 488

ICVP	0.15 508	0.09 462	0.12 317	0.22 611	0.09 370	0.17 506	0.21 602	0.25 484	0.23 461	0.18 497	0.30 581	0.26 572	0.18 556	0.17 501	0.14 466	0.09 509	0.07 520	0.08 424	0.07 406	0.07 398	0.07 417
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 508	0.07 251	0.14 414	0.14 71	0.08 234	0.23 609	0.18 516	0.31 585	0.19 394	0.14 392	0.28 562	0.22 524	0.14 472	0.15 432	0.26 642	0.09 509	0.05 286	0.07 324	0.07 406	0.08 468	0.07 417

test_xeample	0.15 508	0.06 125	0.13 373	0.14 71	0.08 234	0.21 584	0.20 581	0.28 544	0.20 418	0.16 448	0.29 574	0.19 485	0.16 518	0.15 432	0.26 642	0.09 509	0.05 286	0.07 324	0.07 406	0.07 398	0.07 417

ACVNet	0.15 508	0.09 462	0.15 463	0.13 23	0.12 575	0.14 424	0.20 581	0.22 417	0.33 578	0.17 467	0.26 539	0.21 506	0.16 518	0.17 501	0.21 587	0.07 360	0.06 444	0.06 209	0.06 303	0.08 468	0.06 327

acv_ft	0.15 508	0.09 462	0.15 463	0.19 487	0.10 486	0.16 483	0.17 466	0.25 484	0.33 578	0.19 514	0.26 539	0.21 506	0.17 541	0.17 501	0.18 548	0.07 360	0.06 444	0.06 209	0.06 303	0.08 468	0.06 327

CFNet	0.15 508	0.10 525	0.17 530	0.17 317	0.08 234	0.18 525	0.09 25	0.28 544	0.25 500	0.19 514	0.24 494	0.24 548	0.17 541	0.17 501	0.14 466	0.08 445	0.06 444	0.09 512	0.10 577	0.07 398	0.06 327

AdaStereo	0.15 508	0.11 552	0.15 463	0.18 411	0.09 370	0.20 566	0.11 71	0.32 596	0.28 539	0.20 537	0.23 481	0.20 497	0.13 448	0.19 541	0.14 466	0.12 610	0.05 286	0.10 561	0.07 406	0.09 533	0.07 417
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 508	0.08 378	0.14 414	0.16 230	0.09 370	0.16 483	0.14 261	0.28 544	0.25 500	0.19 514	0.23 481	0.37 653	0.16 518	0.20 566	0.15 499	0.07 360	0.05 286	0.07 324	0.06 303	0.07 398	0.06 327

pmcnn	0.15 508	0.07 251	0.19 566	0.15 131	0.07 142	0.20 566	0.15 350	0.24 465	0.26 514	0.21 552	0.34 611	0.28 590	0.18 556	0.18 525	0.17 530	0.07 360	0.05 286	0.05 55	0.04 65	0.07 398	0.06 327

DStereoRT	0.16 531	0.06 125	0.11 268	0.19 487	0.09 370	0.12 329	0.12 108	0.28 544	0.22 449	0.12 329	0.20 436	0.11 312	0.10 335	0.15 432	0.14 466	0.06 176	0.05 286	0.96 732	0.09 535	0.05 176	0.04 78

DualNet (step1)	0.16 531	0.12 570	0.20 578	0.12 7	0.14 620	0.17 506	0.13 187	0.27 524	0.23 461	0.20 537	0.20 436	0.24 548	0.19 572	0.16 467	0.16 515	0.15 654	0.06 444	0.14 642	0.14 647	0.14 642	0.12 608

GMStereo_Zeroshot	0.16 531	0.13 598	0.24 607	0.20 556	0.10 486	0.17 506	0.13 187	0.29 559	0.25 500	0.23 581	0.32 594	0.25 562	0.11 373	0.19 541	0.14 466	0.09 509	0.06 444	0.11 593	0.06 303	0.12 606	0.08 488

iinet-f	0.16 531	0.06 125	0.45 672	0.14 71	0.10 486	0.21 584	0.14 261	0.27 524	0.23 461	0.21 552	0.24 494	0.21 506	0.15 490	0.18 525	0.21 587	0.09 509	0.07 520	0.07 324	0.06 303	0.09 533	0.10 567

CRFU-Net	0.16 531	0.08 378	0.14 414	0.17 317	0.09 370	0.19 550	0.14 261	0.26 502	0.20 418	0.28 630	0.27 548	0.29 599	0.17 541	0.19 541	0.17 530	0.09 509	0.09 589	0.07 324	0.07 406	0.08 468	0.08 488

NINENet	0.16 531	0.10 525	0.15 463	0.17 317	0.11 539	0.19 550	0.14 261	0.40 669	0.36 603	0.18 497	0.21 460	0.16 434	0.13 448	0.15 432	0.13 423	0.08 445	0.08 553	0.10 561	0.07 406	0.10 566	0.09 535

CSP-Net	0.16 531	0.09 462	0.14 414	0.16 230	0.09 370	0.19 550	0.17 466	0.25 484	0.32 571	0.25 603	0.30 581	0.24 548	0.15 490	0.21 583	0.18 548	0.09 509	0.06 444	0.07 324	0.07 406	0.08 468	0.07 417

AASNet	0.16 531	0.08 378	0.12 317	0.19 487	0.09 370	0.18 525	0.15 350	0.37 653	0.37 610	0.19 514	0.23 481	0.20 497	0.16 518	0.17 501	0.20 567	0.10 553	0.08 553	0.08 424	0.07 406	0.09 533	0.09 535

AACVNet	0.16 531	0.08 378	0.14 414	0.15 131	0.10 486	0.18 525	0.15 350	0.23 441	0.24 478	0.27 615	0.27 548	0.28 590	0.17 541	0.19 541	0.16 515	0.09 509	0.07 520	0.09 512	0.07 406	0.10 566	0.09 535

ADLNet2	0.16 531	0.09 462	0.13 373	0.16 230	0.09 370	0.20 566	0.16 424	0.31 585	0.39 621	0.16 448	0.20 436	0.20 497	0.18 556	0.21 583	0.22 596	0.08 445	0.06 444	0.07 324	0.07 406	0.09 533	0.07 417

Anonymous3	0.16 531	0.13 598	0.33 647	0.26 660	0.14 620	0.27 645	0.17 466	0.28 544	0.28 539	0.15 419	0.17 385	0.14 390	0.10 335	0.15 432	0.12 376	0.08 445	0.08 553	0.08 424	0.08 487	0.08 468	0.11 595

ADLNet	0.16 531	0.08 378	0.15 463	0.16 230	0.10 486	0.16 483	0.17 466	0.32 596	0.27 524	0.22 568	0.27 548	0.24 548	0.16 518	0.18 525	0.21 587	0.10 553	0.06 444	0.10 561	0.10 577	0.08 468	0.09 535

HCRNet	0.16 531	0.24 676	0.12 317	0.35 694	0.11 539	0.15 451	0.17 466	0.26 502	0.22 449	0.19 514	0.24 494	0.21 506	0.14 472	0.15 432	0.13 423	0.11 585	0.07 520	0.11 593	0.10 577	0.09 533	0.07 417

222	0.16 531	0.07 251	0.14 414	0.14 71	0.08 234	0.24 614	0.18 516	0.30 573	0.20 418	0.17 467	0.28 562	0.17 456	0.16 518	0.15 432	0.40 698	0.10 553	0.05 286	0.07 324	0.06 303	0.07 398	0.08 488

UPFNet	0.16 531	0.08 378	0.12 317	0.20 556	0.12 575	0.20 566	0.23 623	0.28 544	0.26 514	0.17 467	0.24 494	0.22 524	0.19 572	0.19 541	0.21 587	0.09 509	0.07 520	0.08 424	0.09 535	0.08 468	0.06 327

ac_64	0.16 531	0.08 378	0.15 463	0.18 411	0.10 486	0.22 593	0.18 516	0.24 465	0.21 435	0.18 497	0.24 494	0.29 599	0.18 556	0.19 541	0.22 596	0.09 509	0.07 520	0.08 424	0.09 535	0.07 398	0.06 327

DSFCA	0.16 531	0.09 462	0.14 414	0.16 230	0.10 486	0.20 566	0.19 557	0.28 544	0.31 564	0.23 581	0.24 494	0.22 524	0.15 490	0.19 541	0.20 567	0.10 553	0.07 520	0.09 512	0.09 535	0.08 468	0.08 488

FADNet-RVC-Resample	0.16 531	0.11 552	0.31 640	0.22 611	0.11 539	0.19 550	0.14 261	0.25 484	0.24 478	0.24 590	0.27 548	0.20 497	0.15 490	0.16 467	0.15 499	0.07 360	0.08 553	0.12 613	0.10 577	0.09 533	0.10 567

FADNet_RVC	0.16 531	0.14 610	0.40 665	0.20 556	0.11 539	0.13 387	0.13 187	0.26 502	0.22 449	0.21 552	0.23 481	0.20 497	0.17 541	0.14 404	0.16 515	0.08 445	0.08 553	0.12 613	0.09 535	0.11 589	0.10 567

AANet_RVC	0.16 531	0.10 525	0.10 205	0.18 411	0.09 370	0.18 525	0.19 557	0.26 502	0.31 564	0.22 568	0.35 615	0.21 506	0.21 588	0.22 596	0.16 515	0.06 176	0.05 286	0.06 209	0.06 303	0.07 398	0.06 327

DeepPruner_ROB	0.16 531	0.11 552	0.15 463	0.17 317	0.10 486	0.17 506	0.15 350	0.32 596	0.21 435	0.19 514	0.21 460	0.22 524	0.18 556	0.20 566	0.15 499	0.13 636	0.09 589	0.09 512	0.09 535	0.11 589	0.10 567

z-ln-s-r	0.17 552	0.10 525	0.40 665	0.19 487	0.08 234	0.17 506	0.18 516	0.22 417	0.33 578	0.18 497	0.40 644	0.22 524	0.17 541	0.20 566	0.23 608	0.07 360	0.05 286	0.07 324	0.07 406	0.07 398	0.05 215

rvit_stereo_0075_2	0.17 552	0.12 570	0.25 612	0.23 635	0.16 651	0.13 387	0.10 42	0.30 573	0.27 524	0.20 537	0.28 562	0.22 524	0.15 490	0.18 525	0.13 423	0.16 670	0.10 611	0.17 666	0.10 577	0.10 566	0.09 535

ToySt	0.17 552	0.11 552	0.18 554	0.17 317	0.11 539	0.16 483	0.25 652	0.24 465	0.33 578	0.19 514	0.24 494	0.26 572	0.24 611	0.19 541	0.20 567	0.07 360	0.08 553	0.09 512	0.10 577	0.09 533	0.08 488

ssnet_v2	0.17 552	0.10 525	0.17 530	0.17 317	0.11 539	0.21 584	0.21 602	0.33 616	0.25 500	0.22 568	0.22 472	0.27 580	0.18 556	0.22 596	0.20 567	0.11 585	0.09 589	0.09 512	0.09 535	0.08 468	0.08 488

dad	0.17 552	0.20 660	0.20 578	0.16 230	0.11 539	0.20 566	0.18 516	0.21 390	0.28 539	0.30 644	0.24 494	0.29 599	0.13 448	0.19 541	0.16 515	0.18 676	0.09 589	0.11 593	0.09 535	0.11 589	0.07 417

GEStereo_RVC	0.17 552	0.12 570	0.15 463	0.22 611	0.11 539	0.19 550	0.17 466	0.32 596	0.48 660	0.20 537	0.25 522	0.17 456	0.13 448	0.21 583	0.16 515	0.10 553	0.06 444	0.08 424	0.07 406	0.09 533	0.08 488

MMNet	0.17 552	0.09 462	0.16 499	0.20 556	0.11 539	0.27 645	0.20 581	0.25 484	0.41 630	0.22 568	0.30 581	0.21 506	0.20 584	0.17 501	0.20 567	0.06 176	0.06 444	0.07 324	0.07 406	0.08 468	0.07 417

delet	0.17 552	0.08 378	0.17 530	0.19 487	0.11 539	0.20 566	0.21 602	0.30 573	0.37 610	0.17 467	0.26 539	0.19 485	0.19 572	0.19 541	0.21 587	0.08 445	0.08 553	0.09 512	0.11 611	0.06 311	0.06 327

UNet	0.17 552	0.09 462	0.18 554	0.19 487	0.12 575	0.27 645	0.19 557	0.33 616	0.29 546	0.21 552	0.24 494	0.23 542	0.19 572	0.19 541	0.18 548	0.07 360	0.06 444	0.08 424	0.07 406	0.08 468	0.06 327

HGLStereo	0.17 552	0.08 378	0.19 566	0.17 317	0.12 575	0.18 525	0.18 516	0.31 585	0.32 571	0.21 552	0.32 594	0.25 562	0.18 556	0.19 541	0.20 567	0.09 509	0.09 589	0.07 324	0.07 406	0.09 533	0.10 567

DMCA-RVC	0.17 552	0.10 525	0.15 463	0.24 644	0.11 539	0.18 525	0.18 516	0.25 484	0.24 478	0.21 552	0.26 539	0.25 562	0.27 634	0.18 525	0.20 567	0.12 610	0.08 553	0.13 628	0.10 577	0.10 566	0.08 488

TDLM	0.17 552	0.12 570	0.13 373	0.24 644	0.10 486	0.18 525	0.18 516	0.36 647	0.30 556	0.21 552	0.28 562	0.28 590	0.18 556	0.23 607	0.18 548	0.11 585	0.07 520	0.10 561	0.10 577	0.08 468	0.08 488

NLCA_NET_v2_RVC	0.17 552	0.10 525	0.22 594	0.20 556	0.10 486	0.15 451	0.18 516	0.31 585	0.25 500	0.21 552	0.30 581	0.25 562	0.17 541	0.21 583	0.20 567	0.09 509	0.06 444	0.08 424	0.08 487	0.07 398	0.08 488
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 552	0.12 570	0.15 463	0.20 556	0.09 370	0.18 525	0.18 516	0.26 502	0.23 461	0.26 609	0.40 644	0.22 524	0.17 541	0.21 583	0.20 567	0.08 445	0.05 286	0.09 512	0.10 577	0.07 398	0.07 417
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 566	0.08 378	0.19 566	0.19 487	0.13 598	0.15 451	0.12 108	0.30 573	0.32 571	0.21 552	0.25 522	0.27 580	0.17 541	0.17 501	0.20 567	0.20 685	0.08 553	0.14 642	0.14 647	0.14 642	0.17 677

test_sample9	0.18 566	0.12 570	0.20 578	0.12 7	0.14 620	0.17 506	0.13 187	0.27 524	0.23 461	0.20 537	0.20 436	0.24 548	0.19 572	0.19 541	0.17 530	0.15 654	0.30 712	0.14 642	0.14 647	0.14 642	0.12 608

fast-acv-ft	0.18 566	0.11 552	0.19 566	0.19 487	0.12 575	0.24 614	0.21 602	0.25 484	0.34 590	0.22 568	0.34 611	0.27 580	0.20 584	0.21 583	0.23 608	0.09 509	0.09 589	0.08 424	0.10 577	0.08 468	0.07 417

HBP-ISP	0.18 566	0.13 598	0.16 499	0.15 131	0.11 539	0.08 94	0.13 187	0.28 544	0.29 546	0.22 568	0.33 607	0.21 506	0.25 620	0.23 607	0.17 530	0.14 650	0.16 680	0.21 680	0.17 676	0.10 566	0.08 488

Wz-Net-LNSev-Ref	0.18 566	0.09 462	0.29 635	0.15 131	0.10 486	0.22 593	0.20 581	0.26 502	0.39 621	0.25 603	0.42 661	0.24 548	0.15 490	0.20 566	0.19 561	0.07 360	0.05 286	0.06 209	0.05 202	0.10 566	0.09 535

SACVNet	0.18 566	0.12 570	0.14 414	0.17 317	0.13 598	0.22 593	0.18 516	0.31 585	0.30 556	0.23 581	0.31 590	0.30 609	0.22 597	0.22 596	0.17 530	0.11 585	0.08 553	0.10 561	0.10 577	0.12 606	0.14 650

psm_up	0.18 566	0.10 525	0.18 554	0.20 556	0.11 539	0.17 506	0.19 557	0.37 653	0.34 590	0.21 552	0.28 562	0.29 599	0.24 611	0.20 566	0.22 596	0.09 509	0.10 611	0.11 593	0.11 611	0.08 468	0.08 488

hitnet-ft	0.18 566	0.09 462	0.17 530	0.14 71	0.09 370	0.26 635	0.20 581	0.25 484	0.26 514	0.24 590	0.32 594	0.31 622	0.22 597	0.24 617	0.21 587	0.12 610	0.07 520	0.10 561	0.08 487	0.12 606	0.11 595

STTStereo	0.18 566	0.12 570	0.27 622	0.20 556	0.11 539	0.16 483	0.21 602	0.29 559	0.23 461	0.21 552	0.30 581	0.29 599	0.18 556	0.20 566	0.19 561	0.12 610	0.11 624	0.11 593	0.14 647	0.09 533	0.08 488

CVANet_RVC	0.18 566	0.10 525	0.14 414	0.21 591	0.10 486	0.18 525	0.17 466	0.34 625	0.33 578	0.22 568	0.31 590	0.28 590	0.18 556	0.23 607	0.17 530	0.12 610	0.08 553	0.12 613	0.11 611	0.09 533	0.07 417

StereoDRNet	0.18 566	0.11 552	0.17 530	0.22 611	0.11 539	0.21 584	0.22 612	0.37 653	0.33 578	0.24 590	0.28 562	0.30 609	0.19 572	0.20 566	0.20 567	0.09 509	0.08 553	0.11 593	0.09 535	0.09 533	0.07 417

DLCB_ROB	0.18 566	0.10 525	0.15 463	0.23 635	0.11 539	0.24 614	0.18 516	0.29 559	0.28 539	0.27 615	0.28 562	0.28 590	0.24 611	0.19 541	0.20 567	0.08 445	0.08 553	0.09 512	0.09 535	0.07 398	0.07 417

TCMNet	0.19 578	0.12 570	0.19 566	0.20 556	0.18 673	0.20 566	0.24 637	0.27 524	0.36 603	0.23 581	0.26 539	0.25 562	0.19 572	0.19 541	0.23 608	0.13 636	0.11 624	0.11 593	0.12 632	0.13 626	0.12 608

rvit_105_1	0.19 578	0.11 552	0.25 612	0.21 591	0.16 651	0.21 584	0.27 668	0.31 585	0.41 630	0.19 514	0.20 436	0.22 524	0.17 541	0.19 541	0.17 530	0.12 610	0.12 640	0.13 628	0.15 664	0.08 468	0.07 417

test_sample8	0.19 578	0.12 570	0.20 578	0.12 7	0.14 620	0.17 506	0.13 187	0.31 585	0.21 435	0.27 615	0.22 472	0.36 648	0.25 620	0.19 541	0.17 530	0.15 654	0.30 712	0.14 642	0.14 647	0.14 642	0.12 608

SDNR	0.19 578	0.08 378	0.19 566	0.16 230	0.12 575	0.77 720	0.14 261	0.25 484	0.32 571	0.19 514	0.24 494	0.19 485	0.13 448	0.19 541	0.15 499	0.16 670	0.18 687	0.14 642	0.11 611	0.08 468	0.11 595

pcwnet_v2	0.19 578	0.10 525	0.26 615	0.17 317	0.14 620	0.18 525	0.15 350	0.37 653	0.46 658	0.19 514	0.24 494	0.21 506	0.19 572	0.20 566	0.19 561	0.13 636	0.10 611	0.10 561	0.10 577	0.11 589	0.13 631

ADCRef	0.19 578	0.12 570	0.41 668	0.20 556	0.12 575	0.22 593	0.18 516	0.32 596	0.36 603	0.26 609	0.32 594	0.17 456	0.23 605	0.24 617	0.24 621	0.07 360	0.06 444	0.09 512	0.09 535	0.08 468	0.08 488

NVstereo2D	0.19 578	0.10 525	0.15 463	0.17 317	0.15 640	0.28 652	0.23 623	0.44 686	0.42 638	0.15 419	0.27 548	0.25 562	0.19 572	0.22 596	0.17 530	0.09 509	0.06 444	0.10 561	0.08 487	0.15 658	0.09 535

DRN-Test	0.19 578	0.11 552	0.20 578	0.22 611	0.10 486	0.22 593	0.22 612	0.39 665	0.37 610	0.24 590	0.32 594	0.26 572	0.21 588	0.22 596	0.24 621	0.11 585	0.07 520	0.11 593	0.10 577	0.09 533	0.07 417

DISCO	0.19 578	0.09 462	0.22 594	0.17 317	0.10 486	0.25 625	0.18 516	0.27 524	0.44 650	0.22 568	0.31 590	0.33 635	0.26 626	0.28 640	0.28 658	0.08 445	0.06 444	0.07 324	0.07 406	0.09 533	0.09 535

CBMV_ROB	0.19 578	0.13 598	0.17 530	0.16 230	0.11 539	0.15 451	0.13 187	0.26 502	0.28 539	0.27 615	0.30 581	0.27 580	0.24 611	0.23 607	0.16 515	0.15 654	0.17 685	0.22 684	0.20 682	0.10 566	0.11 595

NOSS_ROB	0.19 578	0.12 570	0.18 554	0.16 230	0.12 575	0.15 451	0.12 108	0.30 573	0.32 571	0.20 537	0.22 472	0.27 580	0.23 605	0.21 583	0.16 515	0.16 670	0.18 687	0.23 685	0.21 684	0.12 606	0.13 631

CBMV	0.19 578	0.14 610	0.17 530	0.18 411	0.10 486	0.20 566	0.11 71	0.29 559	0.30 556	0.29 639	0.30 581	0.30 609	0.23 605	0.27 628	0.19 561	0.13 636	0.15 672	0.17 666	0.16 669	0.10 566	0.10 567
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PStereo	0.20 590	0.22 670	0.20 578	0.17 317	0.10 486	0.13 387	0.20 581	0.27 524	0.38 617	0.20 537	0.14 327	0.28 590	0.31 661	0.24 617	0.31 676	0.18 676	0.13 655	0.15 655	0.11 611	0.12 606	0.12 608

w-ln-seven-2	0.20 590	0.14 610	0.37 660	0.22 611	0.12 575	0.20 566	0.21 602	0.28 544	0.37 610	0.25 603	0.37 624	0.27 580	0.22 597	0.21 583	0.23 608	0.08 445	0.08 553	0.09 512	0.09 535	0.10 566	0.09 535

YMNet	0.20 590	0.12 570	0.19 566	0.20 556	0.14 620	0.26 635	0.23 623	0.32 596	0.34 590	0.27 615	0.34 611	0.30 609	0.18 556	0.18 525	0.22 596	0.10 553	0.13 655	0.10 561	0.10 577	0.08 468	0.09 535

YMNet_1	0.20 590	0.12 570	0.19 566	0.20 556	0.14 620	0.26 635	0.23 623	0.32 596	0.34 590	0.27 615	0.34 611	0.30 609	0.18 556	0.18 525	0.22 596	0.10 553	0.13 655	0.10 561	0.10 577	0.08 468	0.09 535

GwcNet	0.20 590	0.13 598	0.19 566	0.18 411	0.12 575	0.24 614	0.19 557	0.35 640	0.43 645	0.20 537	0.32 594	0.33 635	0.20 584	0.22 596	0.24 621	0.11 585	0.09 589	0.09 512	0.09 535	0.09 533	0.10 567

FAT-Stereo	0.20 590	0.12 570	0.22 594	0.21 591	0.12 575	0.17 506	0.18 516	0.34 625	0.39 621	0.27 615	0.37 624	0.34 642	0.32 666	0.21 583	0.20 567	0.09 509	0.11 624	0.10 561	0.09 535	0.11 589	0.14 650

FADNet-RVC	0.20 590	0.20 660	0.38 662	0.21 591	0.16 651	0.20 566	0.15 350	0.26 502	0.26 514	0.26 609	0.32 594	0.26 572	0.21 588	0.22 596	0.19 561	0.12 610	0.13 655	0.12 613	0.14 647	0.13 626	0.18 680

S-Stereo	0.20 590	0.12 570	0.25 612	0.21 591	0.13 598	0.20 566	0.18 516	0.32 596	0.43 645	0.23 581	0.36 618	0.28 590	0.30 657	0.19 541	0.22 596	0.09 509	0.12 640	0.10 561	0.10 577	0.13 626	0.13 631

SuperB	0.20 590	0.10 525	0.56 688	0.16 230	0.09 370	0.18 525	0.18 516	0.24 465	0.50 672	0.26 609	0.39 638	0.17 456	0.21 588	0.22 596	0.21 587	0.08 445	0.06 444	0.06 209	0.06 303	0.12 606	0.10 567

ADCP+	0.20 590	0.10 525	0.33 647	0.20 556	0.12 575	0.22 593	0.26 661	0.31 585	0.34 590	0.26 609	0.37 624	0.22 524	0.22 597	0.27 628	0.27 650	0.09 509	0.06 444	0.08 424	0.08 487	0.09 533	0.10 567

PS-NSSS	0.20 590	0.21 666	0.23 603	0.20 556	0.10 486	0.19 550	0.17 466	0.36 647	0.25 500	0.27 615	0.33 607	0.27 580	0.24 611	0.20 566	0.20 567	0.15 654	0.12 640	0.17 666	0.14 647	0.10 566	0.08 488

PWCDC_ROB	0.20 590	0.13 598	0.22 594	0.24 644	0.11 539	0.19 550	0.15 350	0.33 616	0.54 682	0.29 639	0.50 677	0.21 506	0.15 490	0.27 628	0.20 567	0.11 585	0.09 589	0.10 561	0.08 487	0.11 589	0.09 535

SGM-Forest	0.20 590	0.14 610	0.18 554	0.19 487	0.13 598	0.20 566	0.22 612	0.33 616	0.30 556	0.24 590	0.29 574	0.28 590	0.19 572	0.23 607	0.17 530	0.15 654	0.16 680	0.15 655	0.14 647	0.12 606	0.12 608
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 603	0.17 639	0.19 566	0.23 635	0.15 640	0.30 659	0.20 581	0.33 616	0.35 599	0.23 581	0.28 562	0.31 622	0.27 634	0.20 566	0.22 596	0.15 654	0.12 640	0.13 628	0.09 535	0.14 642	0.14 650

FINET	0.21 603	0.18 650	0.26 615	0.18 411	0.16 651	0.23 609	0.23 623	0.32 596	0.48 660	0.25 603	0.32 594	0.22 524	0.22 597	0.22 596	0.17 530	0.18 676	0.16 680	0.11 593	0.10 577	0.15 658	0.13 631

Syn2CoEx	0.21 603	0.16 628	0.27 622	0.29 685	0.14 620	0.26 635	0.20 581	0.33 616	0.31 564	0.28 630	0.36 618	0.27 580	0.25 620	0.19 541	0.24 621	0.16 670	0.12 640	0.14 642	0.11 611	0.09 533	0.08 488

FADNet	0.21 603	0.22 670	0.36 656	0.18 411	0.17 666	0.24 614	0.13 187	0.31 585	0.31 564	0.23 581	0.25 522	0.27 580	0.21 588	0.19 541	0.15 499	0.13 636	0.15 672	0.12 613	0.15 664	0.16 667	0.18 680

RP	0.21 603	0.13 598	0.21 588	0.23 635	0.11 539	0.21 584	0.20 581	0.25 484	0.44 650	0.21 552	0.38 630	0.36 648	0.24 611	0.27 628	0.25 631	0.11 585	0.12 640	0.13 628	0.12 632	0.12 606	0.14 650

DANet	0.21 603	0.15 620	0.28 627	0.25 655	0.13 598	0.22 593	0.19 557	0.27 524	0.27 524	0.28 630	0.32 594	0.35 646	0.31 661	0.31 650	0.23 608	0.11 585	0.09 589	0.11 593	0.10 577	0.13 626	0.11 595
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 603	0.12 570	0.21 588	0.24 644	0.13 598	0.22 593	0.22 612	0.41 675	0.26 514	0.31 650	0.42 661	0.37 653	0.28 645	0.23 607	0.22 596	0.10 553	0.12 640	0.10 561	0.09 535	0.10 566	0.08 488

PWC_ROB	0.21 603	0.16 628	0.26 615	0.18 411	0.11 539	0.22 593	0.13 187	0.32 596	0.49 669	0.30 644	0.40 644	0.32 631	0.24 611	0.31 650	0.22 596	0.10 553	0.07 520	0.11 593	0.08 487	0.11 589	0.10 567

PSMNet_ROB	0.21 603	0.11 552	0.15 463	0.27 673	0.15 640	0.24 614	0.35 701	0.43 684	0.37 610	0.27 615	0.32 594	0.32 631	0.22 597	0.21 583	0.26 642	0.12 610	0.08 553	0.13 628	0.11 611	0.09 533	0.09 535

MSAF-DinoV2	0.22 612	0.11 552	0.23 603	0.17 317	0.10 486	0.27 645	0.16 424	0.37 653	0.55 683	0.21 552	0.27 548	0.47 687	0.27 634	0.35 669	0.39 695	0.09 509	0.06 444	0.07 324	0.09 535	0.12 606	0.10 567

GASNet	0.22 612	0.23 673	0.33 647	0.26 660	0.17 666	0.26 635	0.16 424	0.44 686	0.42 638	0.27 615	0.24 494	0.30 609	0.15 490	0.27 628	0.18 548	0.12 610	0.08 553	0.12 613	0.11 611	0.16 667	0.07 417

Anonymous_2	0.22 612	0.17 639	0.28 627	0.15 131	0.16 651	0.32 661	0.22 612	0.22 417	0.17 340	0.23 581	0.24 494	0.26 572	0.27 634	0.27 628	0.23 608	0.22 694	0.25 708	0.17 666	0.17 676	0.17 675	0.17 677

Wz-Net-LNSev	0.22 612	0.16 628	0.38 662	0.21 591	0.13 598	0.25 625	0.23 623	0.32 596	0.43 645	0.30 644	0.41 655	0.31 622	0.18 556	0.22 596	0.25 631	0.10 553	0.09 589	0.08 424	0.08 487	0.12 606	0.11 595

Wz-Net-MNSev	0.22 612	0.13 598	0.31 640	0.20 556	0.14 620	0.36 680	0.24 637	0.33 616	0.44 650	0.28 630	0.40 644	0.38 657	0.19 572	0.24 617	0.25 631	0.09 509	0.07 520	0.09 512	0.09 535	0.12 606	0.10 567

DDUNet	0.22 612	0.17 639	0.21 588	0.22 611	0.15 640	0.25 625	0.24 637	0.29 559	0.30 556	0.31 650	0.36 618	0.33 635	0.25 620	0.24 617	0.20 567	0.18 676	0.13 655	0.17 666	0.11 611	0.16 667	0.16 668

APVNet	0.22 612	0.12 570	0.19 566	0.18 411	0.14 620	0.32 661	0.31 697	0.39 665	0.32 571	0.27 615	0.40 644	0.30 609	0.29 653	0.26 625	0.25 631	0.11 585	0.12 640	0.11 593	0.14 647	0.12 606	0.12 608

aanetorigin	0.22 612	0.17 639	0.56 688	0.17 317	0.10 486	0.15 451	0.19 557	0.20 363	0.33 578	0.49 692	0.48 672	0.29 599	0.27 634	0.20 566	0.23 608	0.08 445	0.07 520	0.08 424	0.07 406	0.10 566	0.09 535

MaskLacGwcNet_RVC	0.22 612	0.21 666	0.24 607	0.26 660	0.11 539	0.23 609	0.14 261	0.39 665	0.24 478	0.32 656	0.36 618	0.30 609	0.21 588	0.19 541	0.21 587	0.17 675	0.14 666	0.21 680	0.16 669	0.12 606	0.12 608

AF-Net	0.22 612	0.17 639	0.17 530	0.26 660	0.13 598	0.25 625	0.24 637	0.32 596	0.50 672	0.25 603	0.33 607	0.38 657	0.26 626	0.28 640	0.25 631	0.11 585	0.10 611	0.16 663	0.11 611	0.11 589	0.10 567

stereogan	0.22 612	0.11 552	0.21 588	0.20 556	0.12 575	0.31 660	0.19 557	0.35 640	0.44 650	0.22 568	0.39 638	0.35 646	0.27 634	0.33 660	0.22 596	0.10 553	0.12 640	0.10 561	0.10 577	0.14 642	0.13 631

edge stereo	0.22 612	0.13 598	0.20 578	0.21 591	0.13 598	0.23 609	0.16 424	0.32 596	0.42 638	0.32 656	0.40 644	0.38 657	0.35 676	0.25 623	0.24 621	0.13 636	0.11 624	0.14 642	0.11 611	0.12 606	0.13 631

RYNet	0.22 612	0.12 570	0.22 594	0.19 487	0.17 666	0.46 691	0.26 661	0.38 661	0.48 660	0.24 590	0.28 562	0.34 642	0.23 605	0.20 566	0.30 669	0.10 553	0.06 444	0.09 512	0.09 535	0.13 626	0.15 657

NaN_ROB	0.22 612	0.19 654	0.24 607	0.25 655	0.13 598	0.29 656	0.26 661	0.33 616	0.41 630	0.31 650	0.31 590	0.32 631	0.23 605	0.30 649	0.21 587	0.11 585	0.17 685	0.10 561	0.10 577	0.08 468	0.09 535

MDST_ROB	0.22 612	0.10 525	0.17 530	0.18 411	0.11 539	0.37 681	0.19 557	0.43 684	0.41 630	0.39 673	0.39 638	0.29 599	0.21 588	0.26 625	0.18 548	0.11 585	0.10 611	0.14 642	0.11 611	0.10 566	0.08 488

XPNet_ROB	0.22 612	0.11 552	0.19 566	0.22 611	0.13 598	0.22 593	0.19 557	0.34 625	0.40 627	0.30 644	0.39 638	0.39 665	0.26 626	0.26 625	0.28 658	0.15 654	0.10 611	0.10 561	0.10 577	0.13 626	0.12 608

SQANet	0.23 628	0.23 673	0.30 638	0.30 687	0.19 677	0.27 645	0.13 187	0.29 559	0.33 578	0.24 590	0.37 624	0.31 622	0.22 597	0.27 628	0.23 608	0.15 654	0.10 611	0.21 680	0.16 669	0.21 683	0.15 657

Nwc_Net	0.23 628	0.16 628	0.21 588	0.25 655	0.14 620	0.24 614	0.26 661	0.37 653	0.38 617	0.22 568	0.41 655	0.30 609	0.28 645	0.28 640	0.25 631	0.11 585	0.10 611	0.17 666	0.20 682	0.10 566	0.10 567

RTSC	0.23 628	0.12 570	0.28 627	0.21 591	0.13 598	0.28 652	0.16 424	0.35 640	0.66 708	0.27 615	0.33 607	0.30 609	0.21 588	0.31 650	0.29 662	0.10 553	0.08 553	0.09 512	0.10 577	0.13 626	0.13 631

PA-Net	0.23 628	0.18 650	0.33 647	0.28 676	0.22 686	0.21 584	0.38 706	0.29 559	0.39 621	0.22 568	0.32 594	0.25 562	0.26 626	0.20 566	0.25 631	0.09 509	0.23 705	0.15 655	0.22 687	0.09 533	0.13 631
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 628	0.15 620	0.17 530	0.34 692	0.18 673	0.24 614	0.23 623	0.34 625	0.28 539	0.31 650	0.38 630	0.38 657	0.28 645	0.23 607	0.24 621	0.15 654	0.12 640	0.18 675	0.21 684	0.13 626	0.13 631

ETE_ROB	0.23 628	0.17 639	0.22 594	0.25 655	0.13 598	0.26 635	0.29 684	0.31 585	0.36 603	0.28 630	0.36 618	0.45 679	0.26 626	0.27 628	0.26 642	0.11 585	0.08 553	0.12 613	0.09 535	0.14 642	0.13 631

SGM_RVC	0.23 628	0.12 570	0.15 463	0.15 131	0.09 370	0.33 668	0.18 516	0.34 625	0.31 564	0.44 687	0.37 624	0.53 695	0.35 676	0.35 669	0.24 621	0.13 636	0.13 655	0.13 628	0.13 643	0.10 566	0.11 595
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 635	0.18 650	0.18 554	0.20 556	0.14 620	0.21 584	0.19 557	0.32 596	0.41 630	0.29 639	0.21 460	0.32 631	0.27 634	0.41 694	0.27 650	0.46 715	0.12 640	0.31 703	0.11 611	0.15 658	0.12 608

z-mn7	0.24 635	0.14 610	0.45 672	0.19 487	0.13 598	0.28 652	0.25 652	0.34 625	0.62 699	0.27 615	0.56 689	0.29 599	0.24 611	0.32 657	0.25 631	0.08 445	0.08 553	0.08 424	0.08 487	0.10 566	0.10 567

w-ln-seven	0.24 635	0.14 610	0.55 685	0.19 487	0.14 620	0.26 635	0.22 612	0.35 640	0.60 696	0.29 639	0.39 638	0.30 609	0.22 597	0.21 583	0.26 642	0.09 509	0.09 589	0.11 593	0.10 577	0.11 589	0.10 567

DGSMNet	0.24 635	0.19 654	0.33 647	0.21 591	0.24 691	0.24 614	0.20 581	0.35 640	0.41 630	0.24 590	0.32 594	0.38 657	0.21 588	0.29 646	0.23 608	0.12 610	0.11 624	0.14 642	0.16 669	0.23 687	0.23 691

G-Net	0.24 635	0.16 628	0.36 656	0.22 611	0.16 651	0.51 697	0.23 623	0.29 559	0.34 590	0.36 666	0.38 630	0.31 622	0.29 653	0.27 628	0.26 642	0.11 585	0.09 589	0.12 613	0.09 535	0.16 667	0.13 631

NCC-stereo	0.24 635	0.15 620	0.31 640	0.26 660	0.16 651	0.20 566	0.30 691	0.40 669	0.40 627	0.24 590	0.38 630	0.33 635	0.28 645	0.36 675	0.27 650	0.12 610	0.11 624	0.15 655	0.22 687	0.13 626	0.13 631

Abc-Net	0.24 635	0.15 620	0.31 640	0.26 660	0.16 651	0.20 566	0.30 691	0.40 669	0.40 627	0.24 590	0.38 630	0.33 635	0.28 645	0.36 675	0.27 650	0.12 610	0.11 624	0.15 655	0.22 687	0.13 626	0.13 631
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 635	0.11 552	0.47 677	0.22 611	0.12 575	0.34 671	0.29 684	0.29 559	0.56 686	0.24 590	0.46 669	0.30 609	0.30 657	0.29 646	0.29 662	0.08 445	0.07 520	0.09 512	0.09 535	0.10 566	0.10 567

DeepPrunerF	0.24 635	0.17 639	0.42 670	0.26 660	0.16 651	0.22 593	0.28 674	0.37 653	0.50 672	0.26 609	0.29 574	0.24 548	0.28 645	0.21 583	0.22 596	0.15 654	0.11 624	0.20 679	0.18 680	0.12 606	0.13 631

FBW_ROB	0.24 635	0.17 639	0.22 594	0.26 660	0.14 620	0.25 625	0.22 612	0.41 675	0.41 630	0.41 680	0.41 655	0.42 672	0.27 634	0.31 650	0.23 608	0.09 509	0.14 666	0.14 642	0.12 632	0.11 589	0.09 535

SANet	0.24 635	0.14 610	0.28 627	0.21 591	0.11 539	0.27 645	0.24 637	0.38 661	0.64 704	0.36 666	0.40 644	0.43 675	0.26 626	0.27 628	0.24 621	0.12 610	0.09 589	0.10 561	0.09 535	0.13 626	0.11 595

WCMA_ROB	0.24 635	0.11 552	0.22 594	0.17 317	0.14 620	0.32 661	0.15 350	0.32 596	0.32 571	0.38 671	0.53 680	0.40 669	0.34 673	0.34 663	0.25 631	0.11 585	0.12 640	0.12 613	0.10 577	0.14 642	0.14 650

DStereoSA	0.25 647	0.19 654	0.37 660	0.26 660	0.17 666	0.22 593	0.20 581	0.49 696	0.59 692	0.22 568	0.29 574	0.29 599	0.33 668	0.39 686	0.28 658	0.12 610	0.11 624	0.16 663	0.14 647	0.14 642	0.12 608

zh-sn7	0.25 647	0.17 639	0.50 679	0.24 644	0.13 598	0.25 625	0.24 637	0.34 625	0.48 660	0.28 630	0.54 682	0.28 590	0.31 661	0.36 675	0.32 678	0.10 553	0.10 611	0.11 593	0.10 577	0.12 606	0.12 608

zh-mn7	0.25 647	0.14 610	0.56 688	0.19 487	0.14 620	0.24 614	0.22 612	0.34 625	0.62 699	0.35 663	0.65 698	0.31 622	0.25 620	0.31 650	0.25 631	0.09 509	0.08 553	0.09 512	0.09 535	0.09 533	0.11 595

Wz-Net-SNSev	0.25 647	0.17 639	0.44 671	0.25 655	0.14 620	0.26 635	0.23 623	0.38 661	0.56 686	0.30 644	0.55 684	0.39 665	0.26 626	0.23 607	0.30 669	0.10 553	0.09 589	0.09 512	0.10 577	0.11 589	0.11 595

psmorigin	0.25 647	0.15 620	0.34 655	0.17 317	0.13 598	0.23 609	0.14 261	0.34 625	0.33 578	0.41 680	0.55 684	0.41 671	0.37 680	0.34 663	0.27 650	0.11 585	0.15 672	0.11 593	0.11 611	0.12 606	0.16 668

RGC	0.25 647	0.20 660	0.29 635	0.28 676	0.16 651	0.22 593	0.23 623	0.32 596	0.44 650	0.27 615	0.40 644	0.38 657	0.27 634	0.36 675	0.22 596	0.11 585	0.13 655	0.17 666	0.17 676	0.14 642	0.16 668

ADCMid	0.25 647	0.15 620	0.40 665	0.20 556	0.14 620	0.25 625	0.26 661	0.34 625	0.38 617	0.36 666	0.44 666	0.34 642	0.40 687	0.35 669	0.33 683	0.10 553	0.09 589	0.11 593	0.11 611	0.13 626	0.12 608

ADCPNet	0.25 647	0.16 628	0.61 695	0.21 591	0.15 640	0.35 679	0.25 652	0.32 596	0.35 599	0.30 644	0.40 644	0.36 648	0.28 645	0.28 640	0.32 678	0.12 610	0.10 611	0.11 593	0.12 632	0.14 642	0.13 631

LALA_ROB	0.25 647	0.16 628	0.22 594	0.26 660	0.17 666	0.27 645	0.27 668	0.42 680	0.37 610	0.33 660	0.38 630	0.51 691	0.26 626	0.28 640	0.27 650	0.16 670	0.09 589	0.12 613	0.11 611	0.13 626	0.12 608

SHD	0.26 656	0.15 620	0.30 638	0.24 644	0.18 673	0.22 593	0.15 350	0.38 661	0.71 712	0.32 656	0.41 655	0.36 648	0.28 645	0.32 657	0.29 662	0.12 610	0.11 624	0.14 642	0.13 643	0.16 667	0.20 686

AnyNet_C32	0.26 656	0.16 628	0.36 656	0.20 556	0.16 651	0.25 625	0.30 691	0.32 596	0.44 650	0.31 650	0.49 673	0.30 609	0.33 668	0.40 691	0.33 683	0.12 610	0.12 640	0.12 613	0.14 647	0.14 642	0.15 657

DStereoFS	0.27 658	0.22 670	0.31 640	0.22 611	0.15 640	0.22 593	0.20 581	0.50 700	0.48 660	0.28 630	0.44 666	0.33 635	0.34 673	0.52 704	0.29 662	0.12 610	0.11 624	0.15 655	0.13 643	0.16 667	0.16 668

PSMNet-RUCA	0.27 658	0.33 696	0.41 668	0.36 696	0.32 704	0.18 525	0.19 557	0.42 680	0.30 556	0.33 660	0.41 655	0.39 665	0.25 620	0.31 650	0.20 567	0.18 676	0.10 611	0.25 687	0.15 664	0.21 683	0.16 668

PDISCO_ROB	0.27 658	0.16 628	0.26 615	0.28 676	0.20 680	0.32 661	0.26 661	0.44 686	0.57 688	0.28 630	0.40 644	0.45 679	0.29 653	0.33 660	0.34 685	0.12 610	0.09 589	0.17 666	0.16 669	0.17 675	0.13 631

DispFullNet	0.27 658	0.21 666	0.65 698	0.28 676	0.16 651	0.26 635	0.17 466	0.33 616	0.58 691	0.27 615	0.38 630	0.43 675	0.23 605	0.38 682	0.23 608	0.12 610	0.06 444	0.19 677	0.11 611	0.21 683	0.15 657

MeshStereo	0.27 658	0.13 598	0.18 554	0.15 131	0.11 539	0.32 661	0.24 637	0.40 669	0.36 603	0.52 694	0.57 692	0.67 706	0.40 687	0.35 669	0.26 642	0.14 650	0.13 655	0.13 628	0.11 611	0.11 589	0.10 567
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WZ-Net	0.28 663	0.17 639	0.78 715	0.22 611	0.16 651	0.34 671	0.29 684	0.39 665	0.57 688	0.24 590	0.55 684	0.37 653	0.24 611	0.33 660	0.35 686	0.09 509	0.08 553	0.09 512	0.10 577	0.14 642	0.16 668

XQC	0.28 663	0.23 673	0.51 680	0.28 676	0.19 677	0.34 671	0.27 668	0.36 647	0.57 688	0.31 650	0.30 581	0.37 653	0.30 657	0.38 682	0.38 693	0.13 636	0.09 589	0.15 655	0.12 632	0.17 675	0.18 680

CC-Net-ROB	0.28 663	0.31 694	0.36 656	0.29 685	0.15 640	0.25 625	0.19 557	0.45 689	0.33 578	0.39 673	0.37 624	0.39 665	0.31 661	0.27 628	0.26 642	0.24 700	0.19 690	0.30 702	0.23 691	0.18 678	0.15 657

DPSNet	0.28 663	0.16 628	0.31 640	0.18 411	0.13 598	0.54 699	0.42 710	0.51 702	0.67 709	0.29 639	0.38 630	0.38 657	0.29 653	0.31 650	0.23 608	0.11 585	0.10 611	0.11 593	0.08 487	0.20 682	0.16 668

MultiAttention	0.29 667	0.08 378	0.14 414	0.19 487	0.12 575	1.45 735	1.33 739	0.36 647	0.37 610	0.19 514	0.21 460	0.24 548	0.11 373	0.38 682	0.18 548	0.06 176	0.05 286	0.08 424	0.08 487	0.10 566	0.09 535

Wz-Net-TNSev	0.29 667	0.20 660	0.65 698	0.19 487	0.15 640	0.38 684	0.27 668	0.35 640	0.55 683	0.34 662	0.42 661	0.45 679	0.38 681	0.32 657	0.30 669	0.12 610	0.13 655	0.10 561	0.12 632	0.15 658	0.14 650

ccnet	0.29 667	0.28 689	0.23 603	0.20 556	0.28 698	0.41 689	0.21 602	0.45 689	0.33 578	0.36 666	0.46 669	0.36 648	0.30 657	0.39 686	0.42 702	0.23 698	0.14 666	0.21 680	0.17 676	0.23 687	0.18 680

EDNetEfficient	0.29 667	0.24 676	1.13 726	0.18 411	0.10 486	0.19 550	0.20 581	0.20 363	0.60 696	0.74 714	0.56 689	0.31 622	0.39 684	0.22 596	0.30 669	0.09 509	0.07 520	0.08 424	0.07 406	0.11 589	0.09 535

ADCS	0.29 667	0.18 650	0.45 672	0.21 591	0.17 666	0.28 652	0.23 623	0.41 675	0.63 703	0.40 676	0.49 673	0.40 669	0.36 678	0.39 686	0.40 698	0.13 636	0.12 640	0.13 628	0.14 647	0.16 667	0.16 668

CSAN	0.29 667	0.24 676	0.27 622	0.34 692	0.19 677	0.33 668	0.42 710	0.37 653	0.50 672	0.38 671	0.40 644	0.44 677	0.33 668	0.28 640	0.30 669	0.20 685	0.16 680	0.19 677	0.19 681	0.14 642	0.15 657

AANet	0.30 673	0.19 654	1.03 724	0.16 230	0.13 598	0.22 593	0.16 424	0.30 573	0.62 699	0.60 701	0.52 679	0.46 683	0.38 681	0.23 607	0.32 678	0.12 610	0.09 589	0.11 593	0.10 577	0.13 626	0.12 608

MFN_U_SF_DS_RVC	0.30 673	0.24 676	0.29 635	0.36 696	0.16 651	0.34 671	0.30 691	0.32 596	0.42 638	0.40 676	0.46 669	0.38 657	0.31 661	0.34 663	0.28 658	0.19 683	0.20 693	0.26 688	0.29 701	0.18 678	0.19 685

GANetREF_RVC	0.31 675	0.34 697	0.27 622	0.35 694	0.16 651	0.32 661	0.41 707	0.48 694	0.51 679	0.35 663	0.35 615	0.34 642	0.33 668	0.39 686	0.32 678	0.27 702	0.20 693	0.29 700	0.15 664	0.18 678	0.17 677
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 675	0.26 682	0.26 615	0.24 644	0.21 684	0.34 671	0.25 652	0.34 625	0.39 621	0.40 676	0.69 702	0.45 679	0.40 687	0.34 663	0.27 650	0.20 685	0.19 690	0.26 688	0.25 693	0.23 687	0.22 690

MFN_U_SF_RVC	0.32 677	0.21 666	0.55 685	0.30 687	0.15 640	0.34 671	0.17 466	0.52 703	0.46 658	0.46 691	0.55 684	0.59 698	0.39 684	0.35 669	0.37 691	0.15 654	0.14 666	0.18 675	0.21 684	0.16 667	0.15 657

PASM	0.32 677	0.24 676	0.48 678	0.28 676	0.27 697	0.29 656	0.30 691	0.34 625	0.49 669	0.35 663	0.39 638	0.46 683	0.34 673	0.34 663	0.35 686	0.23 698	0.25 708	0.26 688	0.28 700	0.23 687	0.21 688

SGM-ForestM	0.32 677	0.12 570	0.16 499	0.16 230	0.11 539	0.39 686	0.19 557	0.41 675	0.50 672	0.52 694	0.54 682	1.32 727	0.42 696	0.40 691	0.27 650	0.14 650	0.16 680	0.16 663	0.16 669	0.12 606	0.12 608

FC-DCNN v2	0.33 680	0.27 685	0.28 627	0.26 660	0.23 689	0.37 681	0.28 674	0.40 669	0.43 645	0.45 688	0.56 689	0.51 691	0.40 687	0.37 680	0.29 662	0.21 689	0.20 693	0.27 691	0.26 694	0.25 694	0.24 692

FCDSN-DC	0.33 680	0.28 689	0.28 627	0.30 687	0.24 691	0.39 686	0.28 674	0.42 680	0.42 638	0.43 686	0.53 680	0.51 691	0.41 692	0.36 675	0.30 669	0.21 689	0.20 693	0.27 691	0.26 694	0.25 694	0.24 692
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 680	0.27 685	0.28 627	0.26 660	0.23 689	0.37 681	0.28 674	0.40 669	0.43 645	0.45 688	0.55 684	0.51 691	0.40 687	0.37 680	0.30 669	0.21 689	0.20 693	0.27 691	0.26 694	0.25 694	0.24 692

LSM	0.33 680	0.20 660	0.58 691	0.26 660	0.60 722	0.34 671	0.25 652	0.42 680	0.48 660	0.45 688	0.58 694	0.42 672	0.36 678	0.35 669	0.25 631	0.12 610	0.20 693	0.14 642	0.16 669	0.19 681	0.33 706

AnyNet_C01	0.36 684	0.25 681	1.37 729	0.22 611	0.17 666	0.48 695	0.27 668	0.35 640	0.39 621	0.39 673	0.74 708	0.46 683	0.38 681	0.45 696	0.47 707	0.13 636	0.13 655	0.13 628	0.14 647	0.14 642	0.15 657

GCST	0.37 685	0.42 704	0.26 615	1.02 730	0.39 705	0.18 525	0.08 9	0.20 363	0.17 340	0.28 630	0.25 522	0.15 419	0.12 406	0.16 467	0.14 466	0.64 726	0.43 720	0.75 722	0.65 726	0.63 719	0.46 717

otaku	0.39 686	0.37 700	0.52 681	0.44 703	0.28 698	0.58 701	0.24 637	0.41 675	0.62 699	0.40 676	0.49 673	0.46 683	0.33 668	0.40 691	0.32 678	0.30 703	0.30 712	0.39 707	0.33 706	0.29 701	0.28 700

ACVNet-4b	0.39 686	0.53 707	0.55 685	0.45 704	0.24 691	0.47 693	0.18 516	0.49 696	0.64 704	0.42 683	0.45 668	0.60 699	0.27 634	0.34 663	0.24 621	0.33 706	0.14 666	0.48 710	0.42 712	0.30 702	0.26 699

PVD	0.39 686	0.20 660	0.39 664	0.31 691	0.22 686	0.29 656	0.43 712	0.52 703	0.96 726	0.55 698	0.79 712	0.53 695	0.59 716	0.52 704	0.38 693	0.19 683	0.14 666	0.17 666	0.14 647	0.24 693	0.31 704

Ntro	0.40 689	0.40 702	0.53 682	0.46 707	0.30 702	0.65 707	0.24 637	0.46 691	0.68 710	0.41 680	0.49 673	0.48 689	0.42 696	0.39 686	0.31 676	0.32 704	0.28 710	0.37 706	0.30 703	0.32 706	0.29 701

SAMSARA	0.40 689	0.28 689	0.33 647	0.55 710	0.39 705	0.82 721	1.23 738	0.47 693	0.51 679	0.36 666	0.35 615	0.55 697	0.39 684	0.38 682	0.39 695	0.15 654	0.20 693	0.15 655	0.14 647	0.23 687	0.20 686

ELAS_RVC	0.41 691	0.29 692	0.33 647	0.28 676	0.24 691	0.54 699	0.36 702	0.49 696	0.59 692	0.72 710	0.74 708	0.65 704	0.54 709	0.54 709	0.40 698	0.22 694	0.20 693	0.27 691	0.26 694	0.26 699	0.25 697
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 691	0.29 692	0.33 647	0.27 673	0.24 691	0.60 704	0.36 702	0.50 700	0.50 672	0.71 708	0.79 712	0.67 706	0.54 709	0.51 702	0.42 702	0.22 694	0.20 693	0.27 691	0.26 694	0.26 699	0.25 697
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 693	0.26 682	0.59 693	0.60 712	0.49 712	0.32 661	0.23 623	0.46 691	0.52 681	0.56 700	0.58 694	0.76 711	0.32 666	0.48 698	0.29 662	0.32 704	0.24 706	0.27 691	0.33 706	0.46 710	0.39 711

MSC_U_SF_DS_RVC	0.43 694	0.39 701	0.54 683	0.40 699	0.20 680	0.64 706	0.32 699	0.53 705	0.72 713	0.71 708	0.72 705	0.61 700	0.54 709	0.51 702	0.46 706	0.20 685	0.19 690	0.29 700	0.30 703	0.23 687	0.18 680

ACVNet_1	0.44 695	0.49 706	0.60 694	0.45 704	0.28 698	0.49 696	0.27 668	0.57 710	0.72 713	0.62 703	0.58 694	0.74 710	0.49 706	0.50 700	0.35 686	0.26 701	0.24 706	0.39 707	0.29 701	0.31 705	0.24 692

Consistency-Raft	0.44 695	0.40 702	0.45 672	0.37 698	0.43 709	0.46 691	0.41 707	0.57 710	0.55 683	0.32 656	0.73 706	0.33 635	0.48 705	0.42 695	0.49 709	0.39 709	0.35 717	0.45 709	0.51 719	0.42 709	0.29 701

RTS	0.45 697	0.19 654	3.26 735	0.24 644	0.15 640	0.74 714	0.20 581	0.36 647	0.76 719	0.42 683	0.43 664	0.31 622	0.41 692	0.53 707	0.35 686	0.10 553	0.08 553	0.13 628	0.12 632	0.15 658	0.15 657

RTSA	0.45 697	0.19 654	3.26 735	0.24 644	0.15 640	0.74 714	0.20 581	0.36 647	0.76 719	0.42 683	0.43 664	0.31 622	0.41 692	0.53 707	0.35 686	0.10 553	0.08 553	0.13 628	0.12 632	0.15 658	0.15 657

MANE	0.45 697	0.27 685	0.27 622	0.27 673	0.24 691	0.47 693	0.31 697	0.55 707	0.59 692	0.72 710	1.13 729	1.15 721	0.61 717	0.52 704	0.37 691	0.21 689	0.20 693	0.27 691	0.31 705	0.25 694	0.24 692

NVStereoNet_ROB	0.46 700	0.36 699	0.46 676	0.41 701	0.28 698	0.34 671	0.34 700	0.48 694	0.60 696	0.72 710	0.93 718	0.70 709	0.66 720	0.47 697	0.60 717	0.22 694	0.33 716	0.34 705	0.34 709	0.30 702	0.30 703
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 701	0.26 682	0.58 691	0.28 676	0.20 680	0.39 686	0.18 516	0.49 696	0.64 704	0.52 694	0.87 715	1.01 716	0.57 714	0.50 700	0.56 714	0.53 719	0.31 715	0.54 716	0.40 710	0.33 707	0.34 707

LE_ROB	0.50 702	0.07 251	0.14 414	0.15 131	0.08 234	0.24 614	0.16 424	0.22 417	1.81 742	4.63 747	0.67 700	0.47 687	0.44 699	0.20 566	0.29 662	0.07 360	0.06 444	0.06 209	0.06 303	0.08 468	0.06 327

BEATNet-Init1	0.52 703	0.27 685	0.62 696	0.30 687	0.21 684	0.76 718	0.29 684	0.54 706	0.65 707	0.86 722	0.95 720	2.07 736	0.62 719	0.56 711	0.42 702	0.18 676	0.18 687	0.23 685	0.22 687	0.22 686	0.21 688

anonymity	0.53 704	0.58 709	0.65 698	0.41 701	0.61 723	0.53 698	0.41 707	0.56 708	0.41 630	0.55 698	0.50 677	0.49 690	0.55 712	0.58 712	0.50 712	0.58 722	0.50 730	0.51 712	0.51 719	0.51 712	0.57 720

RainbowNet	0.54 705	0.61 711	0.70 713	0.57 711	0.43 709	0.65 707	0.37 705	0.60 712	0.87 723	0.50 693	0.66 699	0.64 702	0.47 704	0.49 699	0.43 705	0.47 716	0.48 726	0.52 714	0.41 711	0.52 713	0.40 714

SGM+DAISY	0.56 706	0.57 708	0.65 698	0.40 699	0.54 715	0.66 709	0.49 715	0.56 708	0.45 656	0.66 704	0.69 702	0.67 706	0.56 713	0.63 714	0.56 714	0.59 723	0.48 726	0.50 711	0.50 718	0.52 713	0.58 721

SPS-STEREO	0.57 707	0.58 709	0.65 698	0.45 704	0.55 717	0.62 705	0.44 714	0.62 713	0.50 672	0.68 706	0.64 697	0.66 705	0.57 714	0.61 713	0.60 717	0.62 725	0.47 725	0.51 712	0.49 716	0.55 717	0.58 721
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 708	0.66 715	0.65 698	0.51 708	0.69 727	0.69 710	0.57 721	0.64 714	0.73 717	0.60 701	0.73 706	0.62 701	0.67 721	0.65 715	0.60 717	0.66 727	0.58 739	0.63 717	0.59 722	0.68 724	0.69 730

IMH-64-1	0.65 709	0.61 711	0.68 707	0.71 715	0.51 713	0.59 702	0.49 715	0.91 721	0.85 721	0.74 714	1.02 722	0.81 712	0.78 725	0.79 718	0.49 709	0.42 711	0.46 721	0.71 719	0.47 714	0.52 713	0.39 711

IMH-64	0.65 709	0.61 711	0.68 707	0.71 715	0.51 713	0.59 702	0.49 715	0.91 721	0.85 721	0.74 714	1.02 722	0.81 712	0.78 725	0.79 718	0.49 709	0.42 711	0.46 721	0.71 719	0.47 714	0.52 713	0.39 711

ACVNet_2	0.66 711	0.66 715	0.68 707	0.63 713	0.41 707	0.71 712	0.49 715	0.96 725	1.39 735	0.89 724	1.09 725	1.04 717	0.73 723	0.54 709	0.47 707	0.43 713	0.40 719	0.53 715	0.44 713	0.47 711	0.35 709

JetBlue	0.71 712	0.45 705	1.14 727	0.51 708	0.47 711	2.02 736	0.64 725	0.75 716	0.70 711	0.69 707	0.77 711	1.22 723	0.83 727	1.03 733	1.01 733	0.40 710	0.28 710	0.33 704	0.33 706	0.30 702	0.34 707

IMH	0.71 712	0.64 714	0.68 707	0.76 717	0.54 715	0.69 710	0.54 719	0.98 727	1.10 728	0.82 718	1.09 725	0.89 714	0.88 730	0.87 726	0.52 713	0.44 714	0.50 730	0.75 722	0.51 719	0.56 718	0.41 715

PWCK	0.71 712	0.94 726	0.95 722	0.76 717	0.31 703	0.74 714	0.36 702	0.90 720	0.90 724	0.96 728	0.75 710	0.95 715	0.61 717	0.87 726	0.66 720	0.72 728	0.46 721	0.75 722	0.49 716	0.69 726	0.44 716

MADNet+	0.75 715	0.71 717	3.70 738	0.66 714	0.41 707	0.98 726	0.97 736	0.69 715	0.73 717	0.52 694	0.57 692	0.64 702	0.68 722	0.86 725	1.01 733	0.34 707	0.36 718	0.28 699	0.23 691	0.36 708	0.31 704

TorneroNet-64	0.76 716	0.72 718	0.74 714	0.78 719	0.58 721	0.91 725	0.56 720	0.84 719	1.29 732	0.66 704	0.90 716	1.40 729	0.75 724	0.85 724	0.67 723	0.49 717	0.46 721	0.72 721	0.59 722	0.67 723	0.53 719

WAO-7	0.79 717	0.78 720	0.54 683	0.85 723	0.67 726	0.74 714	0.68 729	1.05 731	1.32 733	0.90 726	1.20 732	1.04 717	0.92 731	0.69 716	0.66 720	0.60 724	0.62 740	0.67 718	0.68 728	0.64 720	0.58 721

WAO-6	0.81 718	0.80 721	0.62 696	0.86 724	0.63 724	0.76 718	0.58 722	0.98 727	1.54 740	0.90 726	0.96 721	1.07 719	1.03 735	0.70 717	0.66 720	0.72 728	0.49 728	0.90 730	0.71 729	0.68 724	0.58 721

TorneroNet	0.82 719	0.74 719	0.81 719	0.84 722	0.63 724	0.99 727	0.63 723	0.96 725	1.16 729	0.80 717	1.11 727	1.36 728	0.86 729	0.93 729	0.80 728	0.56 720	0.49 728	0.78 727	0.66 727	0.73 729	0.63 729

LVE	0.83 720	0.85 724	0.85 720	0.80 720	0.56 718	1.04 731	0.65 726	1.05 731	1.47 738	0.96 728	1.22 733	1.10 720	0.85 728	0.83 721	0.71 725	0.49 717	0.55 736	0.76 725	0.60 724	0.65 721	0.59 726

Dean	0.87 721	0.86 725	0.79 717	0.81 721	0.56 718	0.90 722	0.63 723	1.15 741	1.73 741	1.15 736	1.15 730	1.31 726	0.99 734	0.81 720	0.81 729	0.57 721	0.56 737	0.77 726	0.64 725	0.66 722	0.58 721

WAO-8	0.91 722	0.81 722	0.65 698	0.94 727	0.69 727	0.90 722	0.67 727	1.07 735	1.83 743	1.06 733	1.45 735	1.30 724	1.07 736	0.84 722	0.78 726	0.74 730	0.53 733	0.86 728	0.75 730	0.69 726	0.62 727

Venus	0.91 722	0.81 722	0.65 698	0.94 727	0.69 727	0.90 722	0.67 727	1.07 735	1.83 743	1.06 733	1.45 735	1.30 724	1.07 736	0.84 722	0.78 726	0.74 730	0.53 733	0.86 728	0.75 730	0.69 726	0.62 727

UNDER WATER-64	0.95 724	0.94 726	1.43 731	0.87 725	0.56 718	1.18 734	0.87 733	0.77 717	0.94 725	1.04 731	0.85 714	1.58 734	1.21 741	0.94 730	0.96 731	0.87 734	0.57 738	1.03 734	0.88 735	0.78 730	0.73 731

UNDER WATER	0.97 725	0.97 728	1.42 730	0.99 729	0.70 730	1.12 733	0.84 732	0.80 718	1.08 727	1.01 730	0.90 716	1.55 733	1.22 742	1.03 733	1.00 732	0.78 732	0.53 733	1.02 733	0.87 734	0.80 731	0.74 732

notaker	0.97 725	1.11 729	0.98 723	1.13 732	0.81 731	0.73 713	0.68 729	0.93 723	1.16 729	1.18 738	1.18 731	1.41 730	1.16 740	1.08 735	0.69 724	0.81 733	0.64 741	1.17 735	0.79 732	0.98 733	0.80 734

ktn	1.01 727	1.21 731	0.80 718	1.23 734	0.86 733	1.01 729	0.87 733	0.94 724	1.39 735	1.04 731	1.12 728	1.15 721	1.07 736	0.94 730	0.59 716	1.28 744	0.71 742	1.38 739	0.83 733	1.02 735	0.75 733

KSHMR	1.09 728	1.17 730	0.88 721	1.25 735	1.00 735	0.99 727	0.96 735	1.13 739	1.37 734	1.16 737	1.29 734	1.41 730	0.96 733	1.01 732	0.92 730	1.03 742	1.08 744	1.20 736	1.03 738	1.01 734	0.97 736

DPSimNet_ROB	1.11 729	1.23 732	0.78 715	1.13 732	0.88 734	1.10 732	1.13 737	1.16 742	1.23 731	1.43 740	1.02 722	1.41 730	1.10 739	0.90 728	1.60 735	1.46 745	0.51 732	1.21 737	1.03 738	0.90 732	1.01 738

HanzoNet	1.29 730	1.26 733	1.19 728	1.12 731	0.85 732	1.02 730	0.83 731	1.03 730	1.48 739	1.64 741	1.61 737	2.50 738	1.72 743	1.61 737	1.61 736	1.26 743	0.80 743	1.31 738	1.01 737	1.02 735	0.86 735

JetRed	1.62 731	1.46 734	2.98 733	0.92 726	1.21 736	4.99 744	1.53 741	1.27 743	1.39 735	1.83 742	1.74 738	1.60 735	0.95 732	1.41 736	2.45 744	0.90 736	1.60 745	0.93 731	0.90 736	1.35 737	0.99 737

MADNet++	1.95 732	1.75 735	1.59 732	1.82 736	1.69 738	2.33 737	1.40 740	2.35 744	2.09 745	2.57 744	2.36 745	2.24 737	2.17 745	2.28 738	2.34 742	1.87 746	1.66 746	1.54 740	1.34 740	1.92 738	1.77 740

Selective-IGEV-i1pa	2.80 733	3.51 741	0.67 706	0.28 676	0.14 620	10.22 748	0.43 712	4.36 745	3.63 746	3.53 745	6.92 747	3.47 739	1.97 744	13.41 759	2.26 740	0.36 708	0.15 672	0.13 628	0.10 577	0.15 658	0.35 709

coex-ft	3.30 734	0.34 697	59.09 775	0.18 411	0.13 598	0.26 635	0.22 612	0.27 524	0.72 713	1.90 743	0.70 704	0.44 677	0.45 702	0.29 646	0.41 701	0.09 509	0.09 589	0.12 613	0.09 535	0.14 642	0.13 631

noway2	3.60 735	5.21 749	3.74 739	12.26 752	11.84 753	4.51 740	3.91 743	1.00 729	0.48 660	0.89 724	1.98 739	6.35 749	0.41 692	2.90 739	2.47 745	0.93 737	0.13 655	1.92 744	1.77 746	5.66 747	3.67 747

zzzz4	3.62 736	5.55 753	4.00 744	12.27 754	11.85 756	4.49 738	3.91 743	1.10 738	0.42 638	0.85 720	2.01 741	6.20 745	0.44 699	3.00 740	2.25 738	0.94 738	0.15 672	1.93 745	1.76 742	5.70 749	3.67 747

noway1	3.62 736	5.55 753	3.97 742	12.27 754	11.85 756	4.50 739	3.92 745	1.09 737	0.42 638	0.85 720	2.01 741	6.22 746	0.44 699	3.00 740	2.25 738	0.94 738	0.15 672	1.93 745	1.76 742	5.70 749	3.67 747

noway3	3.64 738	5.28 750	3.79 740	12.26 752	11.84 753	4.53 741	3.92 745	1.06 733	0.48 660	0.88 723	1.98 739	6.32 748	0.46 703	3.32 743	2.57 746	0.95 741	0.15 672	1.93 745	1.76 742	5.67 748	3.69 750

noway4	3.64 738	5.53 752	3.97 742	12.24 751	11.84 753	4.58 742	3.96 747	1.14 740	0.45 656	0.82 718	2.01 741	6.19 744	0.43 698	3.04 742	2.29 741	0.94 738	0.15 672	1.93 745	1.76 742	5.75 751	3.71 751

TCMNet-wrong-test	3.67 740	5.48 751	3.89 741	12.18 750	11.75 752	4.65 743	3.88 742	1.06 733	0.72 713	1.09 735	2.15 744	6.30 747	0.53 708	3.43 745	2.36 743	0.89 735	0.20 693	1.87 742	1.69 741	5.57 746	3.62 746

tt	4.67 741	0.06 125	3.55 737	2.02 737	1.55 737	10.25 749	16.71 751	8.91 754	5.03 747	1.31 739	0.94 719	4.71 740	4.76 747	3.33 744	5.87 748	6.06 754	10.30 760	1.88 743	2.11 748	2.75 740	1.21 739

USTest	6.22 742	2.73 738	3.00 734	6.57 744	7.29 744	14.37 751	21.57 752	7.00 753	9.56 752	5.34 750	6.10 746	5.72 743	7.64 750	6.41 749	6.96 750	1.97 747	3.42 752	1.64 741	2.15 749	2.66 739	2.36 741

xxxxx1	7.79 743	5.02 746	7.31 747	3.12 738	3.85 740	16.35 753	22.88 753	5.86 750	8.69 749	7.97 751	8.54 748	9.12 753	8.27 751	10.18 751	10.92 751	2.42 748	2.45 748	3.56 751	12.37 757	3.77 741	3.06 743

tt_ll	7.79 743	5.02 746	7.31 747	3.12 738	3.85 740	16.35 753	22.88 753	5.86 750	8.69 749	7.97 751	8.54 748	9.12 753	8.27 751	10.18 751	10.92 751	2.42 748	2.45 748	3.56 751	12.37 757	3.77 741	3.06 743

ff	7.79 743	5.02 746	7.31 747	3.12 738	3.85 740	16.35 753	22.88 753	5.86 750	8.69 749	7.97 751	8.54 748	9.12 753	8.27 751	10.18 751	10.92 751	2.42 748	2.45 748	3.56 751	12.37 757	3.77 741	3.06 743

EDNetEfficientorigin	7.91 746	0.31 694	153.02 776	0.19 487	0.09 370	0.21 584	0.16 424	0.22 417	0.59 692	0.72 710	0.67 700	0.42 672	0.50 707	0.24 617	0.39 695	0.08 445	0.07 520	0.08 424	0.07 406	0.12 606	0.10 567

DPSMNet_ROB	8.06 747	4.48 742	8.63 755	5.37 743	10.74 747	8.32 746	22.98 757	5.46 747	13.36 757	5.12 748	9.92 753	5.08 741	10.40 754	5.53 748	12.58 754	3.80 752	8.00 753	3.50 749	7.02 754	3.83 744	7.14 755

DGTPSM_ROB	8.06 747	4.48 742	8.63 755	5.35 741	10.72 746	8.32 746	22.97 756	5.46 747	13.35 756	5.12 748	9.92 753	5.08 741	10.40 754	5.52 747	12.58 754	3.79 751	8.00 753	3.50 749	7.02 754	3.83 744	7.14 755

PML	8.91 749	9.34 760	6.13 745	5.35 741	6.41 743	14.99 752	23.38 758	5.27 746	6.83 748	18.04 763	28.19 772	7.67 750	6.83 749	7.85 750	5.75 747	5.35 753	1.83 747	5.95 759	1.93 747	8.64 756	2.52 742

DLNR_Zeroshot_test	10.40 750	1.82 736	19.49 768	120.77 776	13.11 759	0.06 16	0.13 187	0.23 441	0.10 88	0.07 80	0.10 213	0.09 243	0.06 71	0.10 129	0.09 110	0.13 636	0.04 25	0.06 209	0.04 65	51.54 776	0.04 78

DLNR-FE	10.43 751	1.83 737	19.53 769	120.75 775	13.06 758	0.06 16	0.13 187	0.23 441	0.10 88	0.07 80	0.10 213	0.09 243	0.06 71	0.10 129	0.09 110	0.13 636	0.04 25	0.06 209	0.04 65	52.01 777	0.04 78

iinet-test	10.48 752	8.09 756	7.54 751	10.26 745	10.94 748	18.00 757	25.26 759	11.33 758	13.28 754	9.69 755	9.85 751	9.42 756	11.17 756	11.02 755	12.78 757	6.59 756	8.30 755	5.56 754	6.56 750	6.89 752	7.02 753

IINet	10.48 752	8.09 756	7.54 751	10.26 745	10.94 748	18.00 757	25.26 759	11.33 758	13.28 754	9.69 755	9.85 751	9.42 756	11.17 756	11.02 755	12.78 757	6.59 756	8.30 755	5.56 754	6.56 750	6.89 752	7.02 753

LRCNet_RVC	10.62 754	13.42 761	7.30 746	18.92 759	2.07 739	0.33 668	0.30 691	5.59 749	0.48 660	13.03 759	17.94 759	8.87 752	5.65 748	4.79 746	1.89 737	23.51 773	2.73 751	27.55 776	25.71 776	16.07 768	16.33 769

Anonymous_1	10.96 755	7.92 755	7.46 750	10.33 747	10.06 745	18.65 759	26.34 761	11.06 757	13.44 758	9.40 754	10.05 755	9.67 758	11.23 758	10.73 754	12.72 756	6.42 755	8.38 757	5.77 756	10.61 756	12.12 757	6.77 752

DPSM_ROB	11.15 756	8.58 758	8.00 753	10.88 748	11.58 750	19.10 760	26.71 762	12.05 760	14.07 761	10.36 757	10.84 756	10.33 759	11.86 759	11.70 757	13.54 759	6.99 758	8.79 758	5.89 757	6.95 752	7.29 754	7.42 757

DPSM	11.15 756	8.58 758	8.00 753	10.88 748	11.58 750	19.10 760	26.71 762	12.05 760	14.07 761	10.36 757	10.84 756	10.33 759	11.86 759	11.70 757	13.54 759	6.99 758	8.79 758	5.89 757	6.95 752	7.29 754	7.42 757

HaxPig	15.71 758	18.52 772	19.18 767	16.89 758	15.89 760	7.73 745	7.60 748	13.31 762	10.82 753	15.42 760	14.91 758	15.98 761	14.92 761	15.58 760	15.98 761	18.95 768	16.73 761	19.46 772	18.08 768	19.26 769	19.05 772

Selective-IGEV-i16pa	18.58 759	3.30 739	1.09 725	0.21 591	0.18 673	103.68 777	0.28 674	19.87 764	40.73 773	4.16 746	56.45 777	8.07 751	2.59 746	123.95 778	5.89 749	0.18 676	0.12 640	0.09 512	0.12 632	0.12 606	0.51 718

RSGM-EC	20.36 760	4.73 744	0.68 707	16.76 756	16.92 761	21.28 762	27.18 764	10.46 755	14.04 759	18.00 761	21.31 762	22.24 771	21.82 763	22.57 762	17.63 762	62.81 776	33.79 776	20.14 773	18.10 769	20.18 770	16.45 770

acva	20.36 760	4.73 744	0.68 707	16.76 756	16.92 761	21.28 762	27.18 764	10.46 755	14.04 759	18.00 761	21.31 762	22.24 771	21.82 763	22.57 762	17.63 762	62.81 776	33.79 776	20.14 773	18.10 769	20.18 770	16.45 770

MEDIAN_ROB	20.38 762	24.04 773	23.31 770	21.23 760	21.71 763	10.40 750	7.92 749	17.64 763	15.50 763	20.12 764	19.70 760	20.34 762	20.32 762	21.19 761	21.13 764	23.81 774	21.81 770	24.98 775	23.76 775	24.71 774	23.93 775

CasAABBNet	22.42 763	17.33 765	16.01 759	22.01 762	23.28 765	38.32 764	53.80 769	24.14 768	28.41 768	20.60 767	21.77 766	20.89 769	23.91 768	23.43 767	27.36 768	14.07 761	17.69 764	11.83 762	14.01 761	14.67 762	14.95 763

RAFT-FEzeroshot	22.43 764	17.33 765	15.98 757	22.02 763	23.31 767	38.34 765	53.82 771	24.05 766	28.39 766	20.61 768	21.76 764	20.88 766	23.92 770	23.41 765	27.42 770	14.07 761	17.69 764	11.83 762	14.02 762	14.69 763	14.97 764

RAFT-FE	22.43 764	17.33 765	15.98 757	22.02 763	23.31 767	38.34 765	53.82 771	24.05 766	28.39 766	20.61 768	21.76 764	20.88 766	23.92 770	23.41 765	27.42 770	14.07 761	17.69 764	11.83 762	14.02 762	14.69 763	14.97 764

FlowAnything	22.44 766	17.35 768	16.14 761	22.07 766	23.23 764	38.39 769	53.77 767	24.25 770	28.44 769	20.96 772	21.82 768	20.70 764	23.84 766	23.49 769	27.14 766	14.04 760	17.79 769	11.75 760	14.15 766	14.65 760	14.89 760

Hybrid-DGEV	22.47 767	17.40 770	16.14 761	22.00 761	23.29 766	38.36 767	53.80 769	24.43 773	28.63 772	20.59 766	21.81 767	20.88 766	23.91 768	23.45 768	27.42 770	14.08 764	17.69 764	11.83 762	14.06 765	14.65 760	14.93 762

Selective-RAFT-Error	22.47 767	17.37 769	16.09 760	22.06 765	23.34 769	38.39 769	53.83 773	24.29 772	28.47 770	20.74 770	21.83 769	20.81 765	23.90 767	23.54 771	27.53 773	14.08 764	17.69 764	11.82 761	14.00 760	14.69 763	15.00 766

fast-reg	22.85 769	17.43 771	19.15 766	22.22 768	24.34 770	38.36 767	53.78 768	24.23 769	28.52 771	20.55 765	22.05 770	20.54 763	23.77 765	23.21 764	27.31 767	14.18 767	17.47 763	14.33 767	14.96 767	15.81 767	14.81 759

LSM0	22.87 770	17.28 764	18.96 764	22.19 767	29.04 772	38.42 771	53.71 766	24.28 771	28.31 765	20.78 771	21.00 761	21.43 770	24.16 772	23.50 770	27.39 769	14.09 766	17.38 762	11.84 766	14.04 764	14.73 766	14.89 760

AVERAGE_ROB	24.90 771	29.20 776	28.14 773	24.89 769	24.64 771	17.75 756	11.12 750	21.45 765	19.93 764	25.12 773	24.46 771	25.12 773	25.46 773	24.69 772	22.83 765	29.76 775	27.13 775	28.97 777	27.95 777	29.91 775	29.47 776

zzzzzz3	32.30 772	13.60 762	18.91 763	39.10 772	40.27 775	58.35 774	74.04 775	33.28 775	42.63 774	31.37 774	33.03 773	30.65 774	36.33 776	37.51 775	43.96 776	20.73 769	26.80 773	16.52 768	20.79 771	12.34 758	15.78 767

zzz1	32.32 773	13.62 763	19.04 765	39.10 772	40.27 775	58.39 775	73.98 774	33.31 776	42.69 777	31.39 775	33.04 774	30.66 775	36.33 776	37.52 776	43.96 776	20.74 770	26.81 774	16.53 769	20.80 772	12.35 759	15.78 767

zzzz2	33.88 774	26.18 774	24.44 771	33.40 770	35.10 773	58.13 772	81.44 776	37.02 777	42.64 775	31.75 776	33.25 775	31.23 776	35.81 774	34.90 773	40.56 774	21.21 771	26.75 771	18.05 770	21.21 773	22.06 772	22.50 773

noway5	33.88 774	26.18 774	24.44 771	33.40 770	35.10 773	58.13 772	81.44 776	37.02 777	42.64 775	31.75 776	33.25 775	31.23 776	35.81 774	34.90 773	40.56 774	21.21 771	26.75 771	18.05 770	21.21 773	22.06 772	22.50 773

test_example2	98.32 776	94.13 777	45.89 774	96.35 774	109.85 777	88.61 776	95.45 778	25.75 774	94.37 778	130.00 779	126.06 778	58.17 778	74.63 778	88.51 777	79.96 778	150.23 778	221.02 778	77.62 778	99.10 778	113.75 778	96.94 777

GS-Stereo							0.14 261	0.11 67	0.12 164	0.08 141	0.10 213	0.05 5	0.05 15	0.11 211	0.08 28	0.06 176	0.04 25	0.05 55	0.04 65	0.05 176	0.05 215

FSD					0.22 686	0.25 625	0.25 652	0.27 524	0.26 514	0.25 603	0.26 539	0.25 562	0.27 634	0.27 628	0.24 621	0.21 689	0.20 693	0.27 691	0.26 694	0.25 694

ccccc		285.66 778		368.85 777	370.60 778	123.16 778		115.05 779		126.68 778		122.83 779		252.94 779		384.56 779	353.86 779	254.69 779	223.00 779	425.87 779

ASD4		3.38 740

Low-res two-view benchmark