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

BridgeDepth	0.07 4	0.07 163	0.08 38	0.18 319	0.06 15	0.07 32	0.11 51	0.09 11	0.06 4	0.04 1	0.07 45	0.10 180	0.09 194	0.08 17	0.08 17	0.04 11	0.03 1	0.04 1	0.04 45	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
MonStereo	0.07 4	0.06 72	0.05 1	0.15 82	0.05 1	0.08 57	0.10 29	0.15 124	0.15 181	0.05 2	0.06 14	0.05 1	0.06 42	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 72	0.05 1	0.15 82	0.05 1	0.08 57	0.10 29	0.15 124	0.15 181	0.05 2	0.06 14	0.05 1	0.06 42	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Replicate-Monster	0.07 4	0.05 23	0.09 85	0.14 40	0.06 15	0.08 57	0.09 18	0.13 72	0.13 136	0.05 2	0.07 45	0.06 21	0.06 42	0.08 17	0.10 139	0.05 33	0.04 24	0.05 33	0.03 1	0.04 21	0.04 48

LG-Stereo_L1	0.07 4	0.05 23	0.11 175	0.14 40	0.06 15	0.07 32	0.13 118	0.09 11	0.07 10	0.05 2	0.04 1	0.05 1	0.04 1	0.08 17	0.07 1	0.05 33	0.04 24	0.05 33	0.03 1	0.04 21	0.04 48

MLG-Stereo_test1	0.06 1	0.05 23	0.08 38	0.17 236	0.05 1	0.06 10	0.11 51	0.08 4	0.03 1	0.05 2	0.04 1	0.06 21	0.05 11	0.09 37	0.09 61	0.05 33	0.04 24	0.05 33	0.03 1	0.04 21	0.04 48

MLG-Stereo	0.07 4	0.05 23	0.08 38	0.17 236	0.05 1	0.07 32	0.11 51	0.08 4	0.04 2	0.05 2	0.04 1	0.06 21	0.05 11	0.10 76	0.09 61	0.05 33	0.04 24	0.05 33	0.03 1	0.04 21	0.04 48

LGtest1	0.07 4	0.04 1	0.10 129	0.15 82	0.06 15	0.07 32	0.09 18	0.08 4	0.06 4	0.05 2	0.04 1	0.06 21	0.06 42	0.10 76	0.09 61	0.07 268	0.04 24	0.05 33	0.04 45	0.06 218	0.06 228

LG-Stereo_Zeroshot	0.07 4	0.06 72	0.10 129	0.16 160	0.07 82	0.04 1	0.13 118	0.10 20	0.10 43	0.05 2	0.11 176	0.07 76	0.05 11	0.07 4	0.09 61	0.06 127	0.04 24	0.05 33	0.04 45	0.05 115	0.04 48

LG-Stereo	0.08 53	0.07 163	0.10 129	0.18 319	0.07 82	0.10 145	0.17 351	0.11 35	0.08 15	0.05 2	0.07 45	0.05 1	0.07 122	0.09 37	0.09 61	0.04 11	0.05 208	0.07 223	0.07 301	0.04 21	0.04 48

FoundationStereo	0.06 1	0.04 1	0.08 38	0.12 4	0.05 1	0.09 93	0.13 118	0.06 1	0.09 28	0.05 2	0.05 7	0.06 21	0.04 1	0.06 1	0.07 1	0.06 127	0.04 24	0.05 33	0.03 1	0.05 115	0.04 48

MonSter	0.07 4	0.06 72	0.05 1	0.15 82	0.05 1	0.07 32	0.10 29	0.15 124	0.15 181	0.05 2	0.06 14	0.05 1	0.06 42	0.07 4	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

NLSM3	0.09 101	0.06 72	0.08 38	0.19 380	0.08 142	0.11 191	0.16 313	0.18 220	0.16 210	0.06 13	0.08 84	0.07 76	0.08 161	0.09 37	0.11 211	0.04 11	0.04 24	0.06 121	0.07 301	0.03 1	0.03 2

MS-F	0.08 53	0.04 1	0.10 129	0.13 13	0.06 15	0.09 93	0.12 71	0.13 72	0.08 15	0.06 13	0.07 45	0.06 21	0.08 161	0.10 76	0.11 211	0.06 127	0.05 208	0.04 1	0.03 1	0.04 21	0.04 48

HiDET	0.08 53	0.04 1	0.10 129	0.13 13	0.06 15	0.08 57	0.12 71	0.12 55	0.11 71	0.06 13	0.07 45	0.07 76	0.07 122	0.11 126	0.11 211	0.06 127	0.04 24	0.04 1	0.03 1	0.04 21	0.04 48

LCMNet	0.08 53	0.05 23	0.10 129	0.13 13	0.07 82	0.09 93	0.12 71	0.10 20	0.11 71	0.06 13	0.08 84	0.06 21	0.07 122	0.11 126	0.10 139	0.06 127	0.05 208	0.04 1	0.03 1	0.04 21	0.04 48

VIP-Stereo	0.07 4	0.07 163	0.07 8	0.15 82	0.06 15	0.12 233	0.10 29	0.11 35	0.11 71	0.06 13	0.07 45	0.06 21	0.05 11	0.10 76	0.08 17	0.05 33	0.04 24	0.05 33	0.03 1	0.03 1	0.02 1

DDF-Stereo	0.08 53	0.04 1	0.09 85	0.15 82	0.10 366	0.06 10	0.13 118	0.09 11	0.14 161	0.06 13	0.06 14	0.07 76	0.06 42	0.09 37	0.10 139	0.06 127	0.04 24	0.06 121	0.04 45	0.08 351	0.05 140

252Zero-FE	0.08 53	0.04 1	0.09 85	0.13 13	0.07 82	0.12 233	0.11 51	0.13 72	0.14 161	0.06 13	0.05 7	0.06 21	0.05 11	0.09 37	0.10 139	0.06 127	0.04 24	0.04 1	0.03 1	0.05 115	0.06 228

Wavelet-MonSter	0.07 4	0.05 23	0.07 8	0.16 160	0.06 15	0.07 32	0.11 51	0.10 20	0.08 15	0.06 13	0.06 14	0.07 76	0.07 122	0.09 37	0.09 61	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 4	0.04 1	0.09 85	0.13 13	0.06 15	0.05 4	0.09 18	0.11 35	0.07 10	0.06 13	0.06 14	0.05 1	0.06 42	0.09 37	0.09 61	0.06 127	0.04 24	0.04 1	0.03 1	0.05 115	0.05 140

AdaDepth	0.07 4	0.06 72	0.07 8	0.18 319	0.06 15	0.11 191	0.12 71	0.09 11	0.07 10	0.06 13	0.05 7	0.07 76	0.06 42	0.09 37	0.10 139	0.04 11	0.05 208	0.05 33	0.04 45	0.04 21	0.04 48

asda	0.07 4	0.08 264	0.08 38	0.16 160	0.06 15	0.06 10	0.10 29	0.16 153	0.10 43	0.06 13	0.06 14	0.05 1	0.05 11	0.10 76	0.10 139	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5_new	0.07 4	0.09 340	0.08 38	0.15 82	0.07 82	0.06 10	0.10 29	0.14 93	0.11 71	0.06 13	0.08 84	0.06 21	0.06 42	0.08 17	0.10 139	0.03 1	0.03 1	0.04 1	0.04 45	0.04 21	0.03 2

4.5w-stereo	0.07 4	0.09 340	0.08 38	0.15 82	0.07 82	0.06 10	0.10 29	0.14 93	0.11 71	0.06 13	0.08 84	0.06 21	0.06 42	0.08 17	0.10 139	0.03 1	0.03 1	0.04 1	0.04 45	0.04 21	0.03 2

3w_stereo	0.08 53	0.09 340	0.10 129	0.17 236	0.07 82	0.08 57	0.10 29	0.20 256	0.13 136	0.06 13	0.07 45	0.05 1	0.06 42	0.08 17	0.09 61	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

IGEV	0.07 4	0.04 1	0.08 38	0.13 13	0.06 15	0.09 93	0.12 71	0.14 93	0.10 43	0.06 13	0.09 107	0.07 76	0.05 11	0.09 37	0.09 61	0.06 127	0.04 24	0.05 33	0.04 45	0.05 115	0.04 48

111111	0.07 4	0.04 1	0.09 85	0.17 236	0.06 15	0.05 4	0.10 29	0.11 35	0.09 28	0.06 13	0.06 14	0.07 76	0.05 11	0.09 37	0.09 61	0.06 127	0.04 24	0.05 33	0.04 45	0.07 288	0.06 228

LG-Stereo_L2	0.07 4	0.05 23	0.10 129	0.14 40	0.06 15	0.07 32	0.12 71	0.09 11	0.09 28	0.06 13	0.04 1	0.05 1	0.05 11	0.08 17	0.08 17	0.05 33	0.04 24	0.05 33	0.03 1	0.04 21	0.03 2

MLG-Stereo_test3	0.07 4	0.05 23	0.10 129	0.14 40	0.06 15	0.07 32	0.11 51	0.08 4	0.06 4	0.06 13	0.04 1	0.06 21	0.06 42	0.07 4	0.10 139	0.06 127	0.04 24	0.05 33	0.04 45	0.05 115	0.06 228

MLG-Stereo_test2	0.06 1	0.04 1	0.10 129	0.15 82	0.05 1	0.07 32	0.11 51	0.09 11	0.04 2	0.06 13	0.05 7	0.06 21	0.04 1	0.08 17	0.09 61	0.06 127	0.04 24	0.05 33	0.03 1	0.05 115	0.05 140

LG-G_1	0.07 4	0.04 1	0.11 175	0.15 82	0.06 15	0.09 93	0.08 7	0.08 4	0.06 4	0.06 13	0.05 7	0.07 76	0.07 122	0.11 126	0.08 17	0.07 268	0.04 24	0.05 33	0.04 45	0.05 115	0.05 140

LG-G	0.07 4	0.04 1	0.11 175	0.15 82	0.06 15	0.09 93	0.08 7	0.08 4	0.06 4	0.06 13	0.05 7	0.07 76	0.07 122	0.11 126	0.08 17	0.07 268	0.04 24	0.05 33	0.04 45	0.05 115	0.05 140

MM-Stereo_test3	0.10 168	0.07 163	0.07 8	0.18 319	0.07 82	0.12 233	0.19 436	0.24 346	0.19 274	0.06 13	0.10 138	0.08 121	0.06 42	0.11 126	0.08 17	0.06 127	0.06 337	0.07 223	0.05 129	0.05 115	0.04 48

GREAT-IGEV	0.07 4	0.06 72	0.08 38	0.13 13	0.07 82	0.07 32	0.14 173	0.09 11	0.09 28	0.06 13	0.07 45	0.06 21	0.05 11	0.10 76	0.07 1	0.05 33	0.04 24	0.05 33	0.04 45	0.05 115	0.04 48

StereoAnything_RVC	0.07 4	0.15 496	0.17 407	0.11 1	0.05 1	0.05 4	0.11 51	0.08 4	0.08 15	0.06 13	0.06 14	0.05 1	0.05 11	0.09 37	0.08 17	0.08 332	0.04 24	0.05 33	0.03 1	0.05 115	0.04 48

IGEV-RUCA	0.08 53	0.06 72	0.11 175	0.14 40	0.09 263	0.10 145	0.12 71	0.10 20	0.12 101	0.06 13	0.07 45	0.07 76	0.06 42	0.09 37	0.08 17	0.06 127	0.05 208	0.05 33	0.04 45	0.05 115	0.06 228

DEFOM-Stereo	0.07 4	0.05 23	0.07 8	0.14 40	0.06 15	0.10 145	0.13 118	0.07 2	0.13 136	0.06 13	0.07 45	0.06 21	0.05 11	0.10 76	0.09 61	0.04 11	0.04 24	0.05 33	0.03 1	0.04 21	0.04 48

WCG-NET	0.08 53	0.05 23	0.09 85	0.15 82	0.06 15	0.11 191	0.14 173	0.13 72	0.13 136	0.06 13	0.09 107	0.07 76	0.06 42	0.13 264	0.08 17	0.05 33	0.04 24	0.05 33	0.04 45	0.04 21	0.03 2

IGEV-Stereo++	0.07 4	0.06 72	0.08 38	0.18 319	0.06 15	0.04 1	0.10 29	0.11 35	0.11 71	0.06 13	0.07 45	0.07 76	0.06 42	0.09 37	0.09 61	0.05 33	0.04 24	0.05 33	0.04 45	0.05 115	0.04 48

IGEV-Stereo+	0.07 4	0.04 1	0.08 38	0.15 82	0.06 15	0.04 1	0.09 18	0.10 20	0.09 28	0.06 13	0.06 14	0.06 21	0.06 42	0.06 1	0.08 17	0.06 127	0.04 24	0.05 33	0.04 45	0.06 218	0.06 228

EGLCR-Stereo	0.08 53	0.05 23	0.08 38	0.14 40	0.06 15	0.10 145	0.12 71	0.11 35	0.16 210	0.06 13	0.05 7	0.07 76	0.05 11	0.10 76	0.11 211	0.06 127	0.04 24	0.06 121	0.05 129	0.04 21	0.04 48

CSFM-Stereo	0.07 4	0.05 23	0.07 8	0.14 40	0.06 15	0.09 93	0.13 118	0.15 124	0.06 4	0.07 43	0.08 84	0.06 21	0.08 161	0.09 37	0.09 61	0.06 127	0.05 208	0.04 1	0.03 1	0.04 21	0.04 48

DLNR-FE	10.43 615	1.83 607	19.53 626	120.75 630	13.06 619	0.06 10	0.13 118	0.23 323	0.10 43	0.07 43	0.10 138	0.09 146	0.06 42	0.10 76	0.09 61	0.13 509	0.04 24	0.06 121	0.04 45	52.01 632	0.04 48

Zero-FE251	0.07 4	0.05 23	0.09 85	0.13 13	0.06 15	0.12 233	0.12 71	0.11 35	0.10 43	0.07 43	0.08 84	0.06 21	0.06 42	0.09 37	0.08 17	0.06 127	0.04 24	0.05 33	0.04 45	0.04 21	0.04 48

zero-FE	0.08 53	0.04 1	0.09 85	0.15 82	0.10 366	0.05 4	0.14 173	0.09 11	0.14 161	0.07 43	0.06 14	0.07 76	0.06 42	0.09 37	0.10 139	0.06 127	0.04 24	0.06 121	0.04 45	0.08 351	0.05 140

asd	0.07 4	0.08 264	0.07 8	0.16 160	0.07 82	0.08 57	0.08 7	0.11 35	0.08 15	0.07 43	0.07 45	0.06 21	0.06 42	0.10 76	0.09 61	0.03 1	0.03 1	0.04 1	0.04 45	0.04 21	0.03 2

qwe	0.07 4	0.08 264	0.07 8	0.15 82	0.06 15	0.07 32	0.10 29	0.18 220	0.11 71	0.07 43	0.07 45	0.06 21	0.06 42	0.10 76	0.09 61	0.03 1	0.03 1	0.04 1	0.04 45	0.04 21	0.03 2

4.25_new	0.07 4	0.08 264	0.09 85	0.15 82	0.06 15	0.09 93	0.08 7	0.14 93	0.08 15	0.07 43	0.07 45	0.06 21	0.06 42	0.12 218	0.10 139	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5w_new	0.07 4	0.08 264	0.09 85	0.15 82	0.06 15	0.09 93	0.08 7	0.14 93	0.08 15	0.07 43	0.07 45	0.06 21	0.06 42	0.12 218	0.10 139	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.25w-stereo	0.07 4	0.08 264	0.09 85	0.15 82	0.06 15	0.09 93	0.08 7	0.14 93	0.08 15	0.07 43	0.07 45	0.06 21	0.06 42	0.12 218	0.10 139	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4w-stereo	0.07 4	0.08 264	0.08 38	0.16 160	0.06 15	0.07 32	0.08 7	0.12 55	0.08 15	0.07 43	0.07 45	0.05 1	0.06 42	0.09 37	0.10 139	0.03 1	0.03 1	0.04 1	0.04 45	0.04 21	0.03 2

2.5w	0.07 4	0.07 163	0.07 8	0.16 160	0.06 15	0.08 57	0.12 71	0.10 20	0.10 43	0.07 43	0.06 14	0.09 146	0.06 42	0.08 17	0.09 61	0.04 11	0.03 1	0.04 1	0.04 45	0.03 1	0.03 2

2.75w_new	0.07 4	0.07 163	0.07 8	0.13 13	0.06 15	0.08 57	0.08 7	0.18 220	0.12 101	0.07 43	0.08 84	0.06 21	0.06 42	0.09 37	0.11 211	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 48

3.75w	0.07 4	0.07 163	0.08 38	0.16 160	0.07 82	0.07 32	0.09 18	0.16 153	0.09 28	0.07 43	0.06 14	0.05 1	0.06 42	0.09 37	0.10 139	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 4	0.07 163	0.07 8	0.15 82	0.07 82	0.09 93	0.06 1	0.13 72	0.11 71	0.07 43	0.07 45	0.06 21	0.07 122	0.10 76	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 4	0.06 72	0.07 8	0.16 160	0.06 15	0.07 32	0.10 29	0.14 93	0.14 161	0.07 43	0.08 84	0.05 1	0.06 42	0.09 37	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 48

monsterstereo	0.07 4	0.06 72	0.06 4	0.16 160	0.06 15	0.08 57	0.10 29	0.16 153	0.11 71	0.07 43	0.08 84	0.06 21	0.07 122	0.08 17	0.09 61	0.04 11	0.04 24	0.05 33	0.04 45	0.03 1	0.03 2

SGD-Stereo	0.08 53	0.05 23	0.10 129	0.14 40	0.05 1	0.12 233	0.12 71	0.11 35	0.12 101	0.07 43	0.09 107	0.09 146	0.09 194	0.08 17	0.08 17	0.06 127	0.04 24	0.05 33	0.04 45	0.05 115	0.03 2

MM-Stereo_test2	0.09 101	0.06 72	0.09 85	0.19 380	0.08 142	0.12 233	0.18 396	0.15 124	0.14 161	0.07 43	0.10 138	0.07 76	0.06 42	0.12 218	0.09 61	0.05 33	0.04 24	0.06 121	0.05 129	0.05 115	0.03 2

SCV	0.08 53	0.09 340	0.08 38	0.15 82	0.08 142	0.10 145	0.13 118	0.10 20	0.12 101	0.07 43	0.07 45	0.06 21	0.04 1	0.09 37	0.08 17	0.05 33	0.04 24	0.06 121	0.04 45	0.06 218	0.04 48

DEFOM-Stereo_RVC	0.08 53	0.06 72	0.09 85	0.22 484	0.06 15	0.08 57	0.12 71	0.10 20	0.10 43	0.07 43	0.07 45	0.06 21	0.05 11	0.11 126	0.09 61	0.06 127	0.04 24	0.05 33	0.03 1	0.06 218	0.04 48

AIO_rvc	0.07 4	0.06 72	0.08 38	0.15 82	0.06 15	0.08 57	0.14 173	0.09 11	0.08 15	0.07 43	0.08 84	0.07 76	0.04 1	0.10 76	0.08 17	0.05 33	0.04 24	0.05 33	0.04 45	0.04 21	0.03 2

HUF	0.08 53	0.05 23	0.08 38	0.14 40	0.06 15	0.09 93	0.13 118	0.13 72	0.13 136	0.07 43	0.07 45	0.08 121	0.06 42	0.10 76	0.09 61	0.06 127	0.04 24	0.05 33	0.04 45	0.05 115	0.04 48

AIO_test	0.07 4	0.05 23	0.07 8	0.15 82	0.07 82	0.06 10	0.14 173	0.10 20	0.10 43	0.07 43	0.07 45	0.06 21	0.05 11	0.08 17	0.10 139	0.05 33	0.04 24	0.05 33	0.04 45	0.04 21	0.03 2

castereo++	0.08 53	0.05 23	0.08 38	0.15 82	0.05 1	0.14 309	0.12 71	0.11 35	0.15 181	0.07 43	0.07 45	0.07 76	0.06 42	0.08 17	0.08 17	0.06 127	0.04 24	0.05 33	0.04 45	0.04 21	0.03 2

GIP-stereo	0.08 53	0.06 72	0.11 175	0.14 40	0.06 15	0.09 93	0.13 118	0.14 93	0.11 71	0.07 43	0.08 84	0.05 1	0.04 1	0.10 76	0.07 1	0.05 33	0.04 24	0.05 33	0.04 45	0.05 115	0.04 48

dual_stereo	0.07 4	0.04 1	0.08 38	0.15 82	0.05 1	0.05 4	0.13 118	0.12 55	0.08 15	0.07 43	0.06 14	0.05 1	0.05 11	0.07 4	0.09 61	0.06 127	0.04 24	0.05 33	0.03 1	0.04 21	0.04 48

Occ-G	0.08 53	0.05 23	0.06 4	0.14 40	0.07 82	0.08 57	0.14 173	0.13 72	0.15 181	0.07 43	0.11 176	0.07 76	0.05 11	0.09 37	0.10 139	0.06 127	0.05 208	0.05 33	0.04 45	0.05 115	0.05 140

U	0.08 53	0.07 163	0.09 85	0.19 380	0.10 366	0.10 145	0.13 118	0.12 55	0.17 231	0.07 43	0.07 45	0.06 21	0.05 11	0.07 4	0.08 17	0.06 127	0.04 24	0.06 121	0.04 45	0.06 218	0.05 140

IGEV-BASED-STEREO-	0.09 101	0.10 401	0.31 514	0.15 82	0.06 15	0.08 57	0.14 173	0.10 20	0.10 43	0.07 43	0.07 45	0.06 21	0.04 1	0.11 126	0.07 1	0.12 486	0.04 24	0.07 223	0.05 129	0.05 115	0.05 140

MGS-Stereo	0.09 101	0.07 163	0.12 211	0.15 82	0.08 142	0.09 93	0.15 245	0.12 55	0.12 101	0.07 43	0.10 138	0.08 121	0.06 42	0.10 76	0.09 61	0.05 33	0.04 24	0.06 121	0.05 129	0.06 218	0.05 140

MoCha-V2	0.08 53	0.05 23	0.10 129	0.20 438	0.07 82	0.09 93	0.14 173	0.11 35	0.08 15	0.07 43	0.08 84	0.07 76	0.06 42	0.09 37	0.08 17	0.05 33	0.04 24	0.05 33	0.04 45	0.04 21	0.04 48

DLNR_Zeroshot_test	10.40 614	1.82 606	19.49 625	120.77 631	13.11 620	0.06 10	0.13 118	0.23 323	0.10 43	0.07 43	0.10 138	0.09 146	0.06 42	0.10 76	0.09 61	0.13 509	0.04 24	0.06 121	0.04 45	51.54 631	0.04 48

testlalala	0.08 53	0.07 163	0.17 407	0.16 160	0.08 142	0.09 93	0.12 71	0.15 124	0.10 43	0.07 43	0.09 107	0.06 21	0.06 42	0.11 126	0.09 61	0.05 33	0.04 24	0.06 121	0.04 45	0.04 21	0.04 48

testlalala_base	0.10 168	0.09 340	0.14 293	0.21 469	0.08 142	0.10 145	0.14 173	0.13 72	0.10 43	0.07 43	0.15 235	0.07 76	0.08 161	0.10 76	0.12 265	0.08 332	0.05 208	0.05 33	0.03 1	0.06 218	0.05 140

AEACV	0.08 53	0.05 23	0.08 38	0.14 40	0.13 474	0.14 309	0.13 118	0.14 93	0.09 28	0.07 43	0.09 107	0.07 76	0.08 161	0.10 76	0.09 61	0.06 127	0.04 24	0.06 121	0.05 129	0.05 115	0.04 48

CroCo-Stereo	0.09 101	0.08 264	0.08 38	0.22 484	0.09 263	0.09 93	0.19 436	0.15 124	0.12 101	0.07 43	0.07 45	0.08 121	0.06 42	0.08 17	0.07 1	0.07 268	0.05 208	0.06 121	0.04 45	0.05 115	0.04 48
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
NLMM	0.09 101	0.06 72	0.08 38	0.18 319	0.08 142	0.11 191	0.16 313	0.17 189	0.19 274	0.08 79	0.07 45	0.07 76	0.08 161	0.11 126	0.12 265	0.04 11	0.04 24	0.06 121	0.06 210	0.04 21	0.04 48

NLSM1	0.09 101	0.06 72	0.09 85	0.17 236	0.07 82	0.14 309	0.16 313	0.19 243	0.14 161	0.08 79	0.10 138	0.07 76	0.09 194	0.13 264	0.11 211	0.05 33	0.04 24	0.05 33	0.05 129	0.05 115	0.04 48

NLCSM	0.09 101	0.05 23	0.09 85	0.18 319	0.08 142	0.11 191	0.13 118	0.19 243	0.17 231	0.08 79	0.08 84	0.07 76	0.09 194	0.11 126	0.11 211	0.05 33	0.04 24	0.06 121	0.05 129	0.04 21	0.04 48

GEAStereo	0.08 53	0.05 23	0.08 38	0.13 13	0.08 142	0.08 57	0.14 173	0.10 20	0.09 28	0.08 79	0.10 138	0.06 21	0.05 11	0.11 126	0.08 17	0.06 127	0.04 24	0.05 33	0.04 45	0.05 115	0.05 140

GSStereo	0.08 53	0.05 23	0.08 38	0.13 13	0.08 142	0.08 57	0.14 173	0.11 35	0.12 101	0.08 79	0.10 138	0.05 1	0.05 11	0.11 126	0.08 17	0.06 127	0.04 24	0.05 33	0.04 45	0.05 115	0.05 140

GS-Stereo							0.14 173	0.11 35	0.12 101	0.08 79	0.10 138	0.05 1	0.05 11	0.11 126	0.08 17	0.06 127	0.04 24	0.05 33	0.04 45	0.05 115	0.05 140

gasm-f	0.08 53	0.05 23	0.07 8	0.13 13	0.08 142	0.08 57	0.14 173	0.10 20	0.09 28	0.08 79	0.10 138	0.06 21	0.05 11	0.10 76	0.08 17	0.06 127	0.04 24	0.05 33	0.04 45	0.06 218	0.05 140

DA	0.08 53	0.07 163	0.07 8	0.19 380	0.08 142	0.09 93	0.12 71	0.13 72	0.12 101	0.08 79	0.10 138	0.10 180	0.08 161	0.09 37	0.10 139	0.05 33	0.04 24	0.06 121	0.04 45	0.05 115	0.03 2

GGEV	0.08 53	0.07 163	0.07 8	0.19 380	0.08 142	0.09 93	0.12 71	0.13 72	0.12 101	0.08 79	0.10 138	0.10 180	0.08 161	0.09 37	0.10 139	0.05 33	0.04 24	0.06 121	0.04 45	0.05 115	0.03 2

S2M2_XL	0.08 53	0.06 72	0.12 211	0.12 4	0.08 142	0.09 93	0.09 18	0.07 2	0.07 10	0.08 79	0.07 45	0.07 76	0.06 42	0.09 37	0.09 61	0.08 332	0.06 337	0.07 223	0.05 129	0.08 351	0.06 228
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
2.25w	0.07 4	0.06 72	0.07 8	0.14 40	0.06 15	0.08 57	0.08 7	0.10 20	0.15 181	0.08 79	0.10 138	0.07 76	0.06 42	0.08 17	0.10 139	0.05 33	0.03 1	0.04 1	0.04 45	0.03 1	0.04 48

3.25w_new	0.07 4	0.06 72	0.07 8	0.15 82	0.06 15	0.10 145	0.07 3	0.12 55	0.11 71	0.08 79	0.06 14	0.07 76	0.06 42	0.11 126	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 4	0.06 72	0.07 8	0.15 82	0.06 15	0.10 145	0.07 3	0.12 55	0.11 71	0.08 79	0.06 14	0.07 76	0.06 42	0.11 126	0.09 61	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

2w_stereo	0.08 53	0.08 264	0.09 85	0.16 160	0.06 15	0.08 57	0.10 29	0.20 256	0.15 181	0.08 79	0.07 45	0.06 21	0.06 42	0.06 1	0.09 61	0.04 11	0.03 1	0.04 1	0.04 45	0.03 1	0.03 2

HART	0.08 53	0.07 163	0.09 85	0.17 236	0.07 82	0.10 145	0.16 313	0.13 72	0.11 71	0.08 79	0.10 138	0.07 76	0.05 11	0.10 76	0.08 17	0.05 33	0.04 24	0.06 121	0.04 45	0.05 115	0.04 48

SCV_C0	0.08 53	0.07 163	0.07 8	0.16 160	0.09 263	0.08 57	0.15 245	0.11 35	0.12 101	0.08 79	0.07 45	0.06 21	0.05 11	0.11 126	0.07 1	0.05 33	0.05 208	0.05 33	0.04 45	0.06 218	0.05 140

AIO-test2	0.10 168	0.08 264	0.10 129	0.23 505	0.08 142	0.11 191	0.10 29	0.23 323	0.23 338	0.08 79	0.09 107	0.08 121	0.05 11	0.10 76	0.08 17	0.06 127	0.05 208	0.08 308	0.09 416	0.05 115	0.05 140

castereo	0.09 101	0.06 72	0.11 175	0.15 82	0.06 15	0.11 191	0.15 245	0.14 93	0.18 258	0.08 79	0.10 138	0.11 206	0.08 161	0.09 37	0.10 139	0.05 33	0.04 24	0.05 33	0.04 45	0.04 21	0.03 2

fffft	0.09 101	0.06 72	0.12 211	0.16 160	0.07 82	0.09 93	0.17 351	0.12 55	0.11 71	0.08 79	0.07 45	0.09 146	0.06 42	0.11 126	0.12 265	0.05 33	0.04 24	0.06 121	0.05 129	0.04 21	0.05 140
1: 1. 1
mms	0.09 101	0.07 163	0.08 38	0.16 160	0.08 142	0.10 145	0.16 313	0.12 55	0.11 71	0.08 79	0.09 107	0.08 121	0.06 42	0.11 126	0.12 265	0.05 33	0.04 24	0.07 223	0.05 129	0.04 21	0.03 2

ours_stereo	0.09 101	0.07 163	0.09 85	0.17 236	0.08 142	0.11 191	0.16 313	0.11 35	0.12 101	0.08 79	0.10 138	0.08 121	0.06 42	0.12 218	0.12 265	0.05 33	0.04 24	0.06 121	0.05 129	0.04 21	0.03 2

fffy	0.09 101	0.08 264	0.09 85	0.16 160	0.07 82	0.13 277	0.17 351	0.13 72	0.12 101	0.08 79	0.09 107	0.08 121	0.09 194	0.13 264	0.11 211	0.05 33	0.05 208	0.07 223	0.05 129	0.04 21	0.05 140

tg	0.10 168	0.06 72	0.10 129	0.18 319	0.08 142	0.11 191	0.16 313	0.20 256	0.12 101	0.08 79	0.11 176	0.11 206	0.07 122	0.11 126	0.10 139	0.05 33	0.04 24	0.08 308	0.08 367	0.04 21	0.04 48

AIO-Stereo	0.08 53	0.06 72	0.09 85	0.18 319	0.06 15	0.08 57	0.12 71	0.15 124	0.09 28	0.08 79	0.08 84	0.07 76	0.05 11	0.11 126	0.08 17	0.05 33	0.05 208	0.05 33	0.04 45	0.04 21	0.04 48

WCG-NET（raft）	0.08 53	0.05 23	0.10 129	0.15 82	0.06 15	0.11 191	0.13 118	0.15 124	0.12 101	0.08 79	0.07 45	0.06 21	0.06 42	0.13 264	0.08 17	0.05 33	0.04 24	0.05 33	0.04 45	0.04 21	0.04 48

RSM++	0.08 53	0.06 72	0.09 85	0.17 236	0.07 82	0.09 93	0.12 71	0.11 35	0.11 71	0.08 79	0.06 14	0.07 76	0.05 11	0.10 76	0.09 61	0.04 11	0.04 24	0.06 121	0.05 129	0.05 115	0.03 2

RSM	0.08 53	0.06 72	0.09 85	0.17 236	0.06 15	0.08 57	0.12 71	0.12 55	0.10 43	0.08 79	0.07 45	0.06 21	0.05 11	0.11 126	0.09 61	0.04 11	0.04 24	0.05 33	0.04 45	0.04 21	0.03 2

trnet	0.08 53	0.05 23	0.07 8	0.12 4	0.05 1	0.12 233	0.11 51	0.13 72	0.10 43	0.08 79	0.13 204	0.09 146	0.08 161	0.11 126	0.10 139	0.08 332	0.05 208	0.05 33	0.03 1	0.06 218	0.05 140

IGEV++	0.08 53	0.06 72	0.08 38	0.18 319	0.07 82	0.09 93	0.13 118	0.10 20	0.09 28	0.08 79	0.08 84	0.06 21	0.06 42	0.13 264	0.09 61	0.05 33	0.04 24	0.05 33	0.04 45	0.05 115	0.04 48

HH	0.09 101	0.06 72	0.13 258	0.17 236	0.08 142	0.10 145	0.16 313	0.14 93	0.10 43	0.08 79	0.09 107	0.08 121	0.07 122	0.10 76	0.09 61	0.06 127	0.04 24	0.06 121	0.05 129	0.05 115	0.04 48

HanStereo	0.09 101	0.06 72	0.13 258	0.17 236	0.08 142	0.10 145	0.16 313	0.14 93	0.10 43	0.08 79	0.09 107	0.08 121	0.07 122	0.10 76	0.09 61	0.06 127	0.04 24	0.06 121	0.05 129	0.05 115	0.04 48

LoS_RVC	0.08 53	0.05 23	0.07 8	0.15 82	0.07 82	0.08 57	0.15 245	0.11 35	0.10 43	0.08 79	0.09 107	0.06 21	0.09 194	0.10 76	0.09 61	0.05 33	0.04 24	0.05 33	0.03 1	0.04 21	0.03 2

CES	0.08 53	0.04 1	0.08 38	0.14 40	0.07 82	0.09 93	0.14 173	0.11 35	0.09 28	0.08 79	0.09 107	0.11 206	0.06 42	0.12 218	0.08 17	0.06 127	0.04 24	0.05 33	0.03 1	0.05 115	0.05 140

Selective-IGEV	0.07 4	0.06 72	0.08 38	0.17 236	0.06 15	0.08 57	0.12 71	0.13 72	0.07 10	0.08 79	0.07 45	0.06 21	0.04 1	0.10 76	0.09 61	0.05 33	0.04 24	0.05 33	0.04 45	0.04 21	0.03 2

cross-raft	0.10 168	0.09 340	0.09 85	0.19 380	0.07 82	0.11 191	0.25 522	0.13 72	0.15 181	0.08 79	0.11 176	0.12 225	0.10 230	0.09 37	0.11 211	0.05 33	0.04 24	0.06 121	0.05 129	0.04 21	0.04 48

EAI-Stereo	0.09 101	0.07 163	0.11 175	0.15 82	0.06 15	0.10 145	0.15 245	0.16 153	0.09 28	0.08 79	0.09 107	0.08 121	0.07 122	0.09 37	0.11 211	0.05 33	0.04 24	0.05 33	0.05 129	0.05 115	0.04 48

CFNet-RSSM	0.09 101	0.07 163	0.09 85	0.16 160	0.07 82	0.09 93	0.15 245	0.16 153	0.17 231	0.08 79	0.12 190	0.10 180	0.09 194	0.11 126	0.09 61	0.06 127	0.04 24	0.06 121	0.04 45	0.04 21	0.04 48

Gwc-CoAtRS	0.09 101	0.06 72	0.10 129	0.16 160	0.07 82	0.10 145	0.14 173	0.17 189	0.17 231	0.08 79	0.10 138	0.12 225	0.09 194	0.12 218	0.09 61	0.06 127	0.04 24	0.06 121	0.04 45	0.04 21	0.04 48

CREStereo	0.09 101	0.04 1	0.08 38	0.11 1	0.06 15	0.13 277	0.14 173	0.14 93	0.10 43	0.08 79	0.13 204	0.09 146	0.08 161	0.11 126	0.10 139	0.08 332	0.04 24	0.05 33	0.03 1	0.06 218	0.06 228
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
NLMM1	0.10 168	0.06 72	0.11 175	0.18 319	0.07 82	0.12 233	0.13 118	0.20 256	0.21 313	0.09 118	0.09 107	0.09 146	0.08 161	0.13 264	0.10 139	0.05 33	0.04 24	0.05 33	0.05 129	0.05 115	0.04 48

Select-FE	0.11 212	0.06 72	0.20 453	0.15 82	0.11 418	0.11 191	0.13 118	0.21 280	0.18 258	0.09 118	0.11 176	0.10 180	0.06 42	0.12 218	0.09 61	0.07 268	0.05 208	0.07 223	0.08 367	0.06 218	0.08 375

FlowAnything_test	0.11 212	0.08 264	0.14 293	0.15 82	0.09 263	0.07 32	0.14 173	0.20 256	0.11 71	0.09 118	0.09 107	0.12 225	0.12 288	0.13 264	0.11 211	0.09 391	0.06 337	0.09 392	0.09 416	0.06 218	0.09 420

monsters	0.07 4	0.06 72	0.06 4	0.15 82	0.06 15	0.08 57	0.09 18	0.12 55	0.08 15	0.09 118	0.07 45	0.06 21	0.06 42	0.08 17	0.08 17	0.05 33	0.04 24	0.04 1	0.04 45	0.03 1	0.03 2

MM-Stereo_test1	0.10 168	0.07 163	0.08 38	0.18 319	0.07 82	0.12 233	0.18 396	0.21 280	0.20 298	0.09 118	0.11 176	0.08 121	0.06 42	0.10 76	0.10 139	0.06 127	0.05 208	0.07 223	0.06 210	0.05 115	0.04 48

SMoEStereo_RVC	0.08 53	0.06 72	0.12 211	0.16 160	0.07 82	0.09 93	0.14 173	0.11 35	0.13 136	0.09 118	0.07 45	0.07 76	0.07 122	0.12 218	0.10 139	0.05 33	0.04 24	0.06 121	0.05 129	0.04 21	0.04 48

tt45	0.09 101	0.06 72	0.11 175	0.15 82	0.07 82	0.11 191	0.16 313	0.13 72	0.11 71	0.09 118	0.06 14	0.08 121	0.06 42	0.13 264	0.10 139	0.06 127	0.04 24	0.06 121	0.05 129	0.05 115	0.06 228

PAM_32	0.09 101	0.05 23	0.17 407	0.15 82	0.08 142	0.10 145	0.15 245	0.14 93	0.15 181	0.09 118	0.08 84	0.09 146	0.07 122	0.14 292	0.08 17	0.06 127	0.05 208	0.06 121	0.06 210	0.05 115	0.06 228

Pointernet	0.09 101	0.04 1	0.09 85	0.16 160	0.08 142	0.13 277	0.10 29	0.15 124	0.17 231	0.09 118	0.07 45	0.06 21	0.06 42	0.11 126	0.09 61	0.08 332	0.04 24	0.05 33	0.03 1	0.06 218	0.05 140

MyStereo07	0.10 168	0.07 163	0.10 129	0.17 236	0.09 263	0.14 309	0.18 396	0.15 124	0.15 181	0.09 118	0.06 14	0.06 21	0.07 122	0.12 218	0.09 61	0.06 127	0.05 208	0.08 308	0.07 301	0.06 218	0.06 228

AE-Stereo	0.10 168	0.08 264	0.10 129	0.18 319	0.09 263	0.10 145	0.15 245	0.14 93	0.19 274	0.09 118	0.14 218	0.12 225	0.08 161	0.11 126	0.10 139	0.05 33	0.06 337	0.07 223	0.06 210	0.05 115	0.04 48

ACVNet-DCA	0.10 168	0.08 264	0.12 211	0.17 236	0.09 263	0.13 277	0.15 245	0.23 323	0.16 210	0.09 118	0.09 107	0.06 21	0.06 42	0.10 76	0.07 1	0.06 127	0.04 24	0.06 121	0.05 129	0.07 288	0.07 311

xx1	0.11 212	0.08 264	0.12 211	0.17 236	0.09 263	0.13 277	0.15 245	0.16 153	0.18 258	0.09 118	0.09 107	0.16 313	0.16 395	0.10 76	0.07 1	0.06 127	0.04 24	0.08 308	0.08 367	0.07 288	0.07 311

1test111	0.11 212	0.08 264	0.12 211	0.17 236	0.09 263	0.13 277	0.15 245	0.23 323	0.16 210	0.09 118	0.09 107	0.06 21	0.06 42	0.15 314	0.16 391	0.06 127	0.04 24	0.06 121	0.05 129	0.07 288	0.07 311

cc1	0.10 168	0.08 264	0.12 211	0.17 236	0.09 263	0.13 277	0.15 245	0.16 153	0.18 258	0.09 118	0.09 107	0.06 21	0.06 42	0.10 76	0.07 1	0.06 127	0.04 24	0.06 121	0.05 129	0.06 218	0.06 228

tt1	0.10 168	0.08 264	0.12 211	0.17 236	0.09 263	0.12 233	0.16 313	0.15 124	0.19 274	0.09 118	0.08 84	0.06 21	0.06 42	0.10 76	0.07 1	0.06 127	0.04 24	0.06 121	0.05 129	0.06 218	0.06 228

MaDis-Stereo	0.09 101	0.09 340	0.08 38	0.17 236	0.09 263	0.13 277	0.10 29	0.16 153	0.16 210	0.09 118	0.11 176	0.06 21	0.06 42	0.09 37	0.13 307	0.07 268	0.06 337	0.07 223	0.05 129	0.05 115	0.04 48

MSKI-zero shot	0.09 101	0.05 23	0.09 85	0.15 82	0.07 82	0.10 145	0.13 118	0.14 93	0.13 136	0.09 118	0.09 107	0.09 146	0.06 42	0.12 218	0.10 139	0.06 127	0.04 24	0.05 33	0.04 45	0.04 21	0.04 48

GCAP-Stereo	0.09 101	0.07 163	0.13 258	0.18 319	0.06 15	0.11 191	0.07 3	0.13 72	0.12 101	0.09 118	0.10 138	0.07 76	0.09 194	0.13 264	0.10 139	0.06 127	0.05 208	0.05 33	0.04 45	0.04 21	0.05 140

RAFT-Test	0.09 101	0.06 72	0.10 129	0.15 82	0.07 82	0.11 191	0.15 245	0.16 153	0.13 136	0.09 118	0.10 138	0.10 180	0.09 194	0.12 218	0.09 61	0.06 127	0.04 24	0.05 33	0.04 45	0.04 21	0.05 140

CAS	0.08 53	0.04 1	0.07 8	0.17 236	0.08 142	0.10 145	0.13 118	0.12 55	0.09 28	0.09 118	0.10 138	0.08 121	0.06 42	0.09 37	0.08 17	0.08 332	0.04 24	0.05 33	0.03 1	0.05 115	0.04 48

anonymousdsp	0.09 101	0.07 163	0.11 175	0.16 160	0.09 263	0.11 191	0.15 245	0.16 153	0.12 101	0.09 118	0.06 14	0.06 21	0.06 42	0.11 126	0.09 61	0.05 33	0.04 24	0.06 121	0.05 129	0.05 115	0.06 228

LoS	0.09 101	0.05 23	0.11 175	0.13 13	0.07 82	0.14 309	0.11 51	0.15 124	0.15 181	0.09 118	0.09 107	0.12 225	0.09 194	0.15 314	0.10 139	0.07 268	0.05 208	0.05 33	0.03 1	0.05 115	0.05 140
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 101	0.07 163	0.10 129	0.17 236	0.08 142	0.10 145	0.15 245	0.15 124	0.12 101	0.09 118	0.06 14	0.07 76	0.06 42	0.11 126	0.09 61	0.05 33	0.04 24	0.06 121	0.05 129	0.04 21	0.06 228

MC-Stereo	0.08 53	0.06 72	0.09 85	0.17 236	0.06 15	0.10 145	0.14 173	0.12 55	0.10 43	0.09 118	0.12 190	0.09 146	0.06 42	0.11 126	0.10 139	0.06 127	0.04 24	0.06 121	0.05 129	0.04 21	0.04 48

RCA-Stereo	0.09 101	0.06 72	0.09 85	0.16 160	0.06 15	0.09 93	0.13 118	0.18 220	0.14 161	0.09 118	0.10 138	0.08 121	0.07 122	0.12 218	0.11 211	0.06 127	0.04 24	0.06 121	0.05 129	0.05 115	0.04 48

CroCo-Stereo Lap2	0.09 101	0.09 340	0.08 38	0.22 484	0.09 263	0.09 93	0.19 436	0.16 153	0.12 101	0.09 118	0.10 138	0.05 1	0.05 11	0.08 17	0.08 17	0.06 127	0.06 337	0.07 223	0.05 129	0.05 115	0.05 140

IGEV-Stereo	0.09 101	0.07 163	0.11 175	0.16 160	0.09 263	0.11 191	0.15 245	0.16 153	0.12 101	0.09 118	0.06 14	0.06 21	0.06 42	0.11 126	0.09 61	0.05 33	0.04 24	0.06 121	0.05 129	0.05 115	0.06 228
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test-3	0.08 53	0.06 72	0.09 85	0.17 236	0.07 82	0.07 32	0.14 173	0.12 55	0.15 181	0.09 118	0.08 84	0.07 76	0.08 161	0.11 126	0.10 139	0.05 33	0.04 24	0.07 223	0.05 129	0.04 21	0.04 48

test_1	0.08 53	0.06 72	0.09 85	0.17 236	0.07 82	0.07 32	0.14 173	0.12 55	0.15 181	0.09 118	0.08 84	0.07 76	0.08 161	0.11 126	0.10 139	0.05 33	0.04 24	0.07 223	0.05 129	0.04 21	0.04 48

TRStereo	0.09 101	0.05 23	0.12 211	0.15 82	0.12 451	0.10 145	0.13 118	0.18 220	0.18 258	0.09 118	0.09 107	0.09 146	0.06 42	0.10 76	0.08 17	0.07 268	0.05 208	0.07 223	0.07 301	0.04 21	0.04 48

test-1	0.10 168	0.07 163	0.16 379	0.19 380	0.08 142	0.11 191	0.24 507	0.14 93	0.18 258	0.09 118	0.07 45	0.09 146	0.08 161	0.07 4	0.09 61	0.06 127	0.04 24	0.06 121	0.05 129	0.04 21	0.04 48

iRaftStereo_RVC	0.10 168	0.07 163	0.09 85	0.17 236	0.09 263	0.11 191	0.17 351	0.18 220	0.12 101	0.09 118	0.12 190	0.10 180	0.07 122	0.11 126	0.10 139	0.05 33	0.04 24	0.08 308	0.08 367	0.04 21	0.04 48

RAFT-Stereo + iAFF	0.09 101	0.06 72	0.10 129	0.17 236	0.06 15	0.10 145	0.16 313	0.17 189	0.14 161	0.09 118	0.10 138	0.08 121	0.09 194	0.11 126	0.09 61	0.05 33	0.04 24	0.06 121	0.06 210	0.04 21	0.03 2

PMTNet	0.09 101	0.05 23	0.09 85	0.12 4	0.06 15	0.12 233	0.14 173	0.15 124	0.11 71	0.09 118	0.13 204	0.10 180	0.07 122	0.13 264	0.10 139	0.15 527	0.04 24	0.05 33	0.03 1	0.07 288	0.06 228

WQFJA1	0.13 304	0.09 340	0.10 129	0.20 438	0.10 366	0.11 191	0.15 245	0.26 380	0.39 493	0.10 153	0.15 235	0.11 206	0.11 255	0.11 126	0.13 307	0.07 268	0.06 337	0.08 308	0.08 367	0.06 218	0.06 228

WQFJX1	0.13 304	0.09 340	0.10 129	0.20 438	0.10 366	0.11 191	0.15 245	0.26 380	0.39 493	0.10 153	0.15 235	0.11 206	0.11 255	0.11 126	0.13 307	0.07 268	0.06 337	0.08 308	0.08 367	0.06 218	0.06 228

FE-Mocha	0.09 101	0.06 72	0.14 293	0.16 160	0.09 263	0.10 145	0.15 245	0.18 220	0.16 210	0.10 153	0.09 107	0.07 76	0.07 122	0.09 37	0.09 61	0.06 127	0.04 24	0.06 121	0.06 210	0.05 115	0.05 140

IGEV-FE	0.09 101	0.05 23	0.12 211	0.13 13	0.08 142	0.12 233	0.13 118	0.17 189	0.11 71	0.10 153	0.06 14	0.09 146	0.06 42	0.11 126	0.09 61	0.06 127	0.04 24	0.06 121	0.06 210	0.05 115	0.05 140

GASTEREO	0.08 53	0.05 23	0.09 85	0.19 380	0.07 82	0.07 32	0.12 71	0.14 93	0.11 71	0.10 153	0.09 107	0.07 76	0.04 1	0.12 218	0.08 17	0.06 127	0.05 208	0.05 33	0.04 45	0.04 21	0.05 140

MSCF	0.08 53	0.05 23	0.08 38	0.19 380	0.08 142	0.06 10	0.12 71	0.14 93	0.11 71	0.10 153	0.09 107	0.07 76	0.04 1	0.11 126	0.08 17	0.06 127	0.05 208	0.05 33	0.04 45	0.05 115	0.05 140

depthmonostereo	0.09 101	0.06 72	0.09 85	0.15 82	0.06 15	0.10 145	0.13 118	0.14 93	0.14 161	0.10 153	0.10 138	0.09 146	0.11 255	0.08 17	0.09 61	0.06 127	0.05 208	0.06 121	0.04 45	0.04 21	0.03 2

S2M2_L	0.09 101	0.08 264	0.11 175	0.13 13	0.10 366	0.08 57	0.06 1	0.10 20	0.10 43	0.10 153	0.09 107	0.10 180	0.09 194	0.11 126	0.11 211	0.13 509	0.07 412	0.08 308	0.09 416	0.10 446	0.08 375
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
999	0.09 101	0.05 23	0.13 258	0.15 82	0.08 142	0.10 145	0.14 173	0.15 124	0.11 71	0.10 153	0.08 84	0.08 121	0.08 161	0.16 348	0.10 139	0.06 127	0.04 24	0.06 121	0.05 129	0.04 21	0.05 140

rvit_stereo_0081_aga	0.11 212	0.09 340	0.14 293	0.18 319	0.09 263	0.13 277	0.14 173	0.14 93	0.19 274	0.10 153	0.18 296	0.16 313	0.09 194	0.12 218	0.09 61	0.10 432	0.06 337	0.08 308	0.07 301	0.07 288	0.06 228

RAStereo	0.10 168	0.09 340	0.08 38	0.20 438	0.08 142	0.13 277	0.18 396	0.15 124	0.17 231	0.10 153	0.12 190	0.05 1	0.06 42	0.09 37	0.08 17	0.07 268	0.05 208	0.07 223	0.05 129	0.05 115	0.04 48

AIO-Stereo-zeroshot	0.11 212	0.05 23	0.11 175	0.15 82	0.13 474	0.13 277	0.16 313	0.23 323	0.17 231	0.10 153	0.12 190	0.10 180	0.07 122	0.11 126	0.09 61	0.06 127	0.05 208	0.06 121	0.06 210	0.07 288	0.08 375

test_for_model	0.09 101	0.12 445	0.14 293	0.23 505	0.11 418	0.08 57	0.13 118	0.12 55	0.12 101	0.10 153	0.07 45	0.07 76	0.06 42	0.11 126	0.10 139	0.06 127	0.05 208	0.05 33	0.03 1	0.07 288	0.04 48

H2IRNET	0.10 168	0.09 340	0.09 85	0.18 319	0.09 263	0.12 233	0.15 245	0.14 93	0.21 313	0.10 153	0.10 138	0.10 180	0.10 230	0.10 76	0.10 139	0.05 33	0.04 24	0.08 308	0.08 367	0.06 218	0.05 140

Former-RAFT_DAM_RVC	0.10 168	0.08 264	0.12 211	0.16 160	0.08 142	0.15 336	0.16 313	0.18 220	0.18 258	0.10 153	0.09 107	0.09 146	0.08 161	0.11 126	0.12 265	0.07 268	0.05 208	0.08 308	0.06 210	0.07 288	0.06 228

ff7	0.09 101	0.07 163	0.11 175	0.16 160	0.09 263	0.11 191	0.15 245	0.16 153	0.12 101	0.10 153	0.06 14	0.06 21	0.06 42	0.11 126	0.09 61	0.05 33	0.04 24	0.06 121	0.05 129	0.05 115	0.06 228

IGEVStereo-DCA	0.09 101	0.06 72	0.11 175	0.15 82	0.10 366	0.11 191	0.15 245	0.16 153	0.12 101	0.10 153	0.06 14	0.08 121	0.06 42	0.10 76	0.08 17	0.06 127	0.05 208	0.06 121	0.05 129	0.05 115	0.06 228

ffff	0.09 101	0.07 163	0.11 175	0.16 160	0.09 263	0.11 191	0.15 245	0.16 153	0.12 101	0.10 153	0.06 14	0.06 21	0.06 42	0.11 126	0.09 61	0.05 33	0.04 24	0.06 121	0.05 129	0.05 115	0.06 228

rrr	0.09 101	0.06 72	0.12 211	0.15 82	0.10 366	0.11 191	0.16 313	0.16 153	0.15 181	0.10 153	0.06 14	0.08 121	0.06 42	0.10 76	0.08 17	0.06 127	0.05 208	0.06 121	0.05 129	0.05 115	0.06 228

11t	0.09 101	0.07 163	0.11 175	0.16 160	0.09 263	0.11 191	0.15 245	0.16 153	0.12 101	0.10 153	0.06 14	0.06 21	0.06 42	0.11 126	0.09 61	0.05 33	0.04 24	0.06 121	0.05 129	0.05 115	0.06 228

IGEV_Zeroshot_test	0.09 101	0.05 23	0.12 211	0.13 13	0.08 142	0.12 233	0.13 118	0.17 189	0.11 71	0.10 153	0.06 14	0.09 146	0.06 42	0.11 126	0.09 61	0.06 127	0.04 24	0.06 121	0.06 210	0.05 115	0.05 140

UniTT-Stereo	0.09 101	0.07 163	0.08 38	0.18 319	0.08 142	0.13 277	0.11 51	0.12 55	0.11 71	0.10 153	0.12 190	0.05 1	0.07 122	0.09 37	0.09 61	0.07 268	0.05 208	0.05 33	0.05 129	0.05 115	0.05 140

4D-IteraStereo	0.09 101	0.07 163	0.10 129	0.18 319	0.07 82	0.09 93	0.15 245	0.17 189	0.15 181	0.10 153	0.11 176	0.10 180	0.07 122	0.11 126	0.09 61	0.05 33	0.03 1	0.08 308	0.07 301	0.06 218	0.05 140

Selective-RAFT	0.11 212	0.10 401	0.11 175	0.21 469	0.08 142	0.16 366	0.13 118	0.20 256	0.22 328	0.10 153	0.10 138	0.11 206	0.10 230	0.15 314	0.11 211	0.05 33	0.05 208	0.06 121	0.05 129	0.06 218	0.05 140

ccc-4	0.09 101	0.07 163	0.11 175	0.16 160	0.09 263	0.11 191	0.15 245	0.16 153	0.12 101	0.10 153	0.06 14	0.06 21	0.06 42	0.11 126	0.09 61	0.05 33	0.04 24	0.06 121	0.05 129	0.05 115	0.06 228

test_3	0.10 168	0.09 340	0.10 129	0.20 438	0.08 142	0.13 277	0.26 531	0.14 93	0.21 313	0.10 153	0.10 138	0.09 146	0.09 194	0.08 17	0.11 211	0.05 33	0.04 24	0.08 308	0.07 301	0.04 21	0.04 48

CREStereo++_RVC	0.08 53	0.04 1	0.06 4	0.13 13	0.07 82	0.09 93	0.12 71	0.14 93	0.14 161	0.10 153	0.14 218	0.08 121	0.07 122	0.09 37	0.11 211	0.06 127	0.04 24	0.05 33	0.05 129	0.04 21	0.04 48
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
s12784h	0.09 101	0.06 72	0.07 8	0.15 82	0.05 1	0.16 366	0.18 396	0.15 124	0.15 181	0.10 153	0.11 176	0.11 206	0.11 255	0.10 76	0.12 265	0.05 33	0.04 24	0.05 33	0.04 45	0.04 21	0.04 48

raftrobust	0.09 101	0.06 72	0.10 129	0.17 236	0.08 142	0.09 93	0.10 29	0.18 220	0.16 210	0.10 153	0.09 107	0.12 225	0.07 122	0.12 218	0.10 139	0.08 332	0.05 208	0.06 121	0.05 129	0.05 115	0.05 140

sCroCo_RVC	0.12 279	0.09 340	0.23 477	0.24 514	0.11 418	0.19 429	0.14 173	0.17 189	0.14 161	0.10 153	0.13 204	0.12 225	0.07 122	0.14 292	0.11 211	0.08 332	0.08 438	0.08 308	0.08 367	0.05 115	0.07 311

XX-Stereo	0.09 101	0.05 23	0.08 38	0.17 236	0.09 263	0.15 336	0.12 71	0.20 256	0.10 43	0.10 153	0.14 218	0.07 76	0.06 42	0.12 218	0.08 17	0.06 127	0.05 208	0.06 121	0.06 210	0.04 21	0.04 48

test_xeample3	0.09 101	0.06 72	0.12 211	0.16 160	0.09 263	0.11 191	0.15 245	0.16 153	0.13 136	0.10 153	0.06 14	0.08 121	0.06 42	0.10 76	0.09 61	0.05 33	0.04 24	0.06 121	0.05 129	0.05 115	0.06 228

AFF-stereo	0.09 101	0.06 72	0.10 129	0.17 236	0.07 82	0.10 145	0.16 313	0.17 189	0.09 28	0.10 153	0.12 190	0.09 146	0.09 194	0.12 218	0.09 61	0.05 33	0.04 24	0.07 223	0.07 301	0.04 21	0.03 2

water-stereo	0.09 101	0.06 72	0.08 38	0.16 160	0.07 82	0.09 93	0.13 118	0.15 124	0.13 136	0.11 186	0.12 190	0.08 121	0.09 194	0.07 4	0.08 17	0.06 127	0.05 208	0.05 33	0.05 129	0.04 21	0.04 48

DilatedVolume-Stereo	0.09 101	0.05 23	0.08 38	0.15 82	0.06 15	0.11 191	0.12 71	0.14 93	0.16 210	0.11 186	0.11 176	0.09 146	0.09 194	0.11 126	0.10 139	0.06 127	0.05 208	0.05 33	0.04 45	0.03 1	0.03 2

AIO-test1	0.10 168	0.07 163	0.10 129	0.23 505	0.07 82	0.09 93	0.13 118	0.21 280	0.14 161	0.11 186	0.12 190	0.09 146	0.07 122	0.11 126	0.09 61	0.06 127	0.05 208	0.09 392	0.10 455	0.03 1	0.06 228

UGAM-zero	0.09 101	0.05 23	0.15 345	0.15 82	0.08 142	0.09 93	0.13 118	0.19 243	0.15 181	0.11 186	0.15 235	0.07 76	0.07 122	0.09 37	0.09 61	0.06 127	0.05 208	0.06 121	0.05 129	0.05 115	0.06 228

rvit_stereo_0083	0.12 279	0.08 264	0.17 407	0.16 160	0.09 263	0.11 191	0.15 245	0.14 93	0.26 389	0.11 186	0.14 218	0.13 250	0.10 230	0.12 218	0.12 265	0.10 432	0.08 438	0.09 392	0.07 301	0.07 288	0.05 140

rvit_stereo_0081	0.11 212	0.08 264	0.15 345	0.16 160	0.09 263	0.10 145	0.14 173	0.14 93	0.24 354	0.11 186	0.13 204	0.13 250	0.09 194	0.11 126	0.12 265	0.10 432	0.07 412	0.08 308	0.07 301	0.07 288	0.05 140

model_zeroshot	0.10 168	0.04 1	0.11 175	0.15 82	0.09 263	0.12 233	0.14 173	0.20 256	0.13 136	0.11 186	0.10 138	0.12 225	0.07 122	0.12 218	0.10 139	0.07 268	0.06 337	0.06 121	0.05 129	0.06 218	0.06 228

GCAP-BAT	0.09 101	0.07 163	0.14 293	0.15 82	0.08 142	0.10 145	0.13 118	0.14 93	0.10 43	0.11 186	0.10 138	0.08 121	0.07 122	0.12 218	0.10 139	0.06 127	0.05 208	0.06 121	0.04 45	0.04 21	0.04 48

rvit_stereo_0082	0.11 212	0.08 264	0.15 345	0.16 160	0.09 263	0.10 145	0.14 173	0.14 93	0.24 354	0.11 186	0.13 204	0.13 250	0.09 194	0.11 126	0.12 265	0.10 432	0.07 412	0.08 308	0.07 301	0.07 288	0.05 140

AIO-Stereo-zeroshot1	0.11 212	0.05 23	0.14 293	0.15 82	0.20 549	0.09 93	0.17 351	0.21 280	0.15 181	0.11 186	0.14 218	0.10 180	0.07 122	0.10 76	0.08 17	0.06 127	0.05 208	0.07 223	0.07 301	0.07 288	0.09 420

rvit_stereo_0080	0.10 168	0.08 264	0.14 293	0.15 82	0.09 263	0.07 32	0.15 245	0.16 153	0.16 210	0.11 186	0.10 138	0.14 270	0.08 161	0.12 218	0.10 139	0.09 391	0.07 412	0.07 223	0.06 210	0.07 288	0.05 140

RAFT-Stereo-weight	0.09 101	0.06 72	0.10 129	0.16 160	0.07 82	0.09 93	0.14 173	0.19 243	0.16 210	0.11 186	0.10 138	0.08 121	0.06 42	0.10 76	0.11 211	0.06 127	0.04 24	0.06 121	0.04 45	0.04 21	0.04 48

CAS++	0.11 212	0.07 163	0.11 175	0.14 40	0.09 263	0.12 233	0.14 173	0.24 346	0.14 161	0.11 186	0.09 107	0.11 206	0.07 122	0.14 292	0.09 61	0.11 461	0.09 467	0.09 392	0.07 301	0.07 288	0.08 375
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
whm_eth	0.10 168	0.08 264	0.14 293	0.15 82	0.09 263	0.07 32	0.15 245	0.16 153	0.16 210	0.11 186	0.10 138	0.14 270	0.08 161	0.12 218	0.10 139	0.09 391	0.07 412	0.07 223	0.06 210	0.07 288	0.05 140

EKT-Stereo	0.11 212	0.07 163	0.14 293	0.15 82	0.10 366	0.13 277	0.14 173	0.18 220	0.21 313	0.11 186	0.08 84	0.12 225	0.09 194	0.11 126	0.12 265	0.08 332	0.06 337	0.07 223	0.06 210	0.08 351	0.07 311

CASnet	0.09 101	0.09 340	0.09 85	0.19 380	0.06 15	0.07 32	0.11 51	0.18 220	0.14 161	0.11 186	0.10 138	0.09 146	0.07 122	0.10 76	0.10 139	0.06 127	0.04 24	0.10 440	0.08 367	0.05 115	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.10 168	0.05 23	0.09 85	0.14 40	0.07 82	0.13 277	0.14 173	0.21 280	0.15 181	0.11 186	0.12 190	0.12 225	0.09 194	0.12 218	0.09 61	0.07 268	0.04 24	0.05 33	0.04 45	0.06 218	0.05 140

DCRE	0.11 212	0.07 163	0.13 258	0.16 160	0.11 418	0.11 191	0.17 351	0.18 220	0.17 231	0.11 186	0.18 296	0.10 180	0.10 230	0.15 314	0.11 211	0.06 127	0.05 208	0.06 121	0.06 210	0.05 115	0.04 48

knoymous	0.11 212	0.05 23	0.12 211	0.13 13	0.07 82	0.15 336	0.14 173	0.19 243	0.13 136	0.11 186	0.17 271	0.13 250	0.09 194	0.13 264	0.11 211	0.08 332	0.05 208	0.06 121	0.05 129	0.08 351	0.07 311

riskmin	0.11 212	0.06 72	0.13 258	0.14 40	0.08 142	0.14 309	0.14 173	0.18 220	0.14 161	0.11 186	0.14 218	0.16 313	0.11 255	0.14 292	0.12 265	0.09 391	0.05 208	0.07 223	0.05 129	0.08 351	0.08 375

iRaft-Stereo_20w	0.09 101	0.05 23	0.13 258	0.14 40	0.08 142	0.12 233	0.15 245	0.18 220	0.10 43	0.11 186	0.08 84	0.08 121	0.05 11	0.10 76	0.09 61	0.06 127	0.04 24	0.06 121	0.05 129	0.06 218	0.05 140

MIPNet	0.11 212	0.08 264	0.14 293	0.17 236	0.09 263	0.12 233	0.14 173	0.20 256	0.24 354	0.11 186	0.10 138	0.09 146	0.07 122	0.13 264	0.12 265	0.06 127	0.04 24	0.06 121	0.05 129	0.04 21	0.04 48

IPLGR	0.11 212	0.09 340	0.16 379	0.18 319	0.08 142	0.12 233	0.17 351	0.21 280	0.24 354	0.11 186	0.12 190	0.11 206	0.08 161	0.12 218	0.12 265	0.06 127	0.05 208	0.06 121	0.06 210	0.04 21	0.04 48

GMOStereo	0.11 212	0.09 340	0.07 8	0.19 380	0.08 142	0.12 233	0.28 544	0.13 72	0.17 231	0.11 186	0.17 271	0.14 270	0.12 288	0.07 4	0.07 1	0.05 33	0.05 208	0.09 392	0.07 301	0.04 21	0.04 48

error version	0.11 212	0.09 340	0.07 8	0.19 380	0.08 142	0.12 233	0.28 544	0.13 72	0.17 231	0.11 186	0.17 271	0.14 270	0.12 288	0.07 4	0.07 1	0.05 33	0.05 208	0.09 392	0.07 301	0.04 21	0.04 48

test-v	0.11 212	0.09 340	0.07 8	0.19 380	0.08 142	0.12 233	0.28 544	0.13 72	0.17 231	0.11 186	0.17 271	0.14 270	0.12 288	0.07 4	0.07 1	0.05 33	0.05 208	0.09 392	0.07 301	0.04 21	0.04 48

LCNet	0.11 212	0.07 163	0.09 85	0.19 380	0.09 263	0.08 57	0.15 245	0.21 280	0.15 181	0.11 186	0.15 235	0.16 313	0.11 255	0.12 218	0.11 211	0.05 33	0.04 24	0.08 308	0.07 301	0.06 218	0.15 529

STrans-v2	0.10 168	0.07 163	0.12 211	0.18 319	0.07 82	0.10 145	0.14 173	0.21 280	0.11 71	0.11 186	0.15 235	0.12 225	0.10 230	0.11 126	0.12 265	0.05 33	0.04 24	0.06 121	0.06 210	0.04 21	0.04 48

RAFT-345	0.11 212	0.07 163	0.15 345	0.16 160	0.08 142	0.08 57	0.12 71	0.15 124	0.10 43	0.11 186	0.36 491	0.09 146	0.09 194	0.11 126	0.12 265	0.05 33	0.05 208	0.07 223	0.06 210	0.04 21	0.05 140

test-2	0.11 212	0.09 340	0.07 8	0.19 380	0.08 142	0.12 233	0.28 544	0.13 72	0.17 231	0.11 186	0.17 271	0.14 270	0.12 288	0.07 4	0.07 1	0.05 33	0.05 208	0.09 392	0.07 301	0.04 21	0.04 48

GMM-Stereo	0.11 212	0.07 163	0.10 129	0.18 319	0.09 263	0.08 57	0.15 245	0.23 323	0.16 210	0.11 186	0.15 235	0.13 250	0.11 255	0.11 126	0.11 211	0.05 33	0.04 24	0.08 308	0.07 301	0.06 218	0.09 420

TANstereo	0.09 101	0.04 1	0.08 38	0.13 13	0.06 15	0.11 191	0.14 173	0.15 124	0.19 274	0.11 186	0.15 235	0.10 180	0.06 42	0.12 218	0.09 61	0.07 268	0.05 208	0.05 33	0.04 45	0.06 218	0.05 140

XX-TBD	0.09 101	0.06 72	0.07 8	0.14 40	0.07 82	0.12 233	0.16 313	0.14 93	0.13 136	0.11 186	0.12 190	0.09 146	0.08 161	0.10 76	0.10 139	0.06 127	0.04 24	0.05 33	0.03 1	0.06 218	0.05 140

sAnonymous2	0.13 304	0.12 445	0.24 481	0.20 438	0.12 451	0.17 387	0.13 118	0.26 380	0.21 313	0.11 186	0.11 176	0.13 250	0.08 161	0.10 76	0.10 139	0.09 391	0.05 208	0.08 308	0.06 210	0.15 530	0.10 447

CroCo_RVC	0.13 304	0.12 445	0.24 481	0.20 438	0.12 451	0.17 387	0.13 118	0.26 380	0.21 313	0.11 186	0.11 176	0.13 250	0.08 161	0.10 76	0.10 139	0.09 391	0.05 208	0.08 308	0.06 210	0.15 530	0.10 447

111	0.10 168	0.06 72	0.12 211	0.15 82	0.07 82	0.10 145	0.14 173	0.21 280	0.23 338	0.11 186	0.12 190	0.14 270	0.11 255	0.13 264	0.10 139	0.06 127	0.04 24	0.06 121	0.04 45	0.05 115	0.05 140

RAFT + AFF	0.13 304	0.07 163	0.20 453	0.20 438	0.10 366	0.14 309	0.24 507	0.26 380	0.20 298	0.11 186	0.10 138	0.12 225	0.10 230	0.15 314	0.12 265	0.07 268	0.06 337	0.09 392	0.08 367	0.06 218	0.08 375

DIP-Stereo	0.11 212	0.07 163	0.14 293	0.17 236	0.09 263	0.13 277	0.09 18	0.16 153	0.16 210	0.11 186	0.16 249	0.14 270	0.12 288	0.15 314	0.13 307	0.06 127	0.05 208	0.06 121	0.05 129	0.05 115	0.06 228
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
xyz-stereo-finetune	0.11 212	0.08 264	0.13 258	0.14 40	0.06 15	0.10 145	0.19 436	0.17 189	0.19 274	0.12 224	0.14 218	0.15 299	0.10 230	0.13 264	0.11 211	0.05 33	0.04 24	0.07 223	0.05 129	0.04 21	0.05 140

Reg-Stereo(zero)	0.08 53	0.05 23	0.08 38	0.16 160	0.06 15	0.12 233	0.11 51	0.15 124	0.10 43	0.12 224	0.09 107	0.10 180	0.08 161	0.11 126	0.08 17	0.06 127	0.04 24	0.05 33	0.04 45	0.04 21	0.05 140

PAM	0.10 168	0.05 23	0.16 379	0.15 82	0.08 142	0.09 93	0.16 313	0.15 124	0.16 210	0.12 224	0.09 107	0.09 146	0.07 122	0.13 264	0.08 17	0.06 127	0.05 208	0.06 121	0.06 210	0.05 115	0.06 228

rvit_0105_6	0.14 340	0.09 340	0.18 430	0.17 236	0.10 366	0.10 145	0.16 313	0.19 243	0.26 389	0.12 224	0.18 296	0.17 333	0.12 288	0.18 402	0.12 265	0.15 527	0.11 499	0.12 490	0.10 455	0.09 414	0.06 228

rvit_stereo_ft	0.12 279	0.07 163	0.13 258	0.19 380	0.10 366	0.12 233	0.17 351	0.16 153	0.16 210	0.12 224	0.13 204	0.15 299	0.10 230	0.14 292	0.13 307	0.09 391	0.06 337	0.08 308	0.07 301	0.07 288	0.05 140

testlalala2	0.10 168	0.06 72	0.11 175	0.20 438	0.10 366	0.10 145	0.12 71	0.17 189	0.12 101	0.12 224	0.13 204	0.09 146	0.07 122	0.11 126	0.13 307	0.06 127	0.05 208	0.05 33	0.04 45	0.05 115	0.05 140

MyStereo8	0.12 279	0.07 163	0.15 345	0.15 82	0.09 263	0.18 406	0.14 173	0.19 243	0.22 328	0.12 224	0.18 296	0.11 206	0.10 230	0.16 348	0.18 424	0.07 268	0.05 208	0.07 223	0.05 129	0.08 351	0.09 420

MyStereo06	0.10 168	0.07 163	0.12 211	0.17 236	0.09 263	0.13 277	0.18 396	0.19 243	0.12 101	0.12 224	0.08 84	0.07 76	0.07 122	0.11 126	0.09 61	0.06 127	0.05 208	0.07 223	0.07 301	0.06 218	0.06 228

StereoVision	0.13 304	0.12 445	0.09 85	0.24 514	0.10 366	0.15 336	0.21 474	0.21 280	0.20 298	0.12 224	0.24 369	0.10 180	0.10 230	0.16 348	0.10 139	0.09 391	0.11 499	0.12 490	0.12 506	0.06 218	0.05 140

test_4	0.10 168	0.10 401	0.08 38	0.19 380	0.09 263	0.08 57	0.22 484	0.15 124	0.17 231	0.12 224	0.18 296	0.12 225	0.09 194	0.08 17	0.11 211	0.04 11	0.04 24	0.08 308	0.08 367	0.04 21	0.03 2

GLC_STEREO	0.11 212	0.07 163	0.11 175	0.17 236	0.07 82	0.09 93	0.13 118	0.15 124	0.24 354	0.12 224	0.13 204	0.12 225	0.08 161	0.18 402	0.11 211	0.06 127	0.08 438	0.08 308	0.06 210	0.05 115	0.05 140

IPLG	0.10 168	0.07 163	0.15 345	0.17 236	0.08 142	0.11 191	0.14 173	0.20 256	0.15 181	0.12 224	0.17 271	0.07 76	0.07 122	0.14 292	0.13 307	0.06 127	0.04 24	0.06 121	0.05 129	0.04 21	0.04 48

TransformOpticalFlow	0.10 168	0.08 264	0.13 258	0.18 319	0.07 82	0.09 93	0.15 245	0.19 243	0.15 181	0.12 224	0.17 271	0.11 206	0.11 255	0.11 126	0.10 139	0.05 33	0.04 24	0.06 121	0.06 210	0.05 115	0.05 140

NF-Stereo	0.11 212	0.07 163	0.13 258	0.17 236	0.09 263	0.10 145	0.14 173	0.23 323	0.19 274	0.12 224	0.17 271	0.12 225	0.11 255	0.11 126	0.11 211	0.06 127	0.04 24	0.07 223	0.06 210	0.06 218	0.12 486

OCTAStereo	0.11 212	0.07 163	0.13 258	0.17 236	0.09 263	0.10 145	0.14 173	0.23 323	0.19 274	0.12 224	0.17 271	0.12 225	0.11 255	0.11 126	0.11 211	0.06 127	0.04 24	0.07 223	0.06 210	0.06 218	0.12 486

NRIStereo	0.11 212	0.08 264	0.14 293	0.18 319	0.08 142	0.10 145	0.14 173	0.16 153	0.15 181	0.12 224	0.14 218	0.13 250	0.12 288	0.13 264	0.10 139	0.06 127	0.04 24	0.07 223	0.06 210	0.06 218	0.07 311

PSM-AAD	0.11 212	0.07 163	0.10 129	0.19 380	0.09 263	0.10 145	0.15 245	0.20 256	0.13 136	0.12 224	0.14 218	0.18 347	0.11 255	0.11 126	0.10 139	0.05 33	0.05 208	0.09 392	0.08 367	0.06 218	0.14 522

FTStereo	0.12 279	0.06 72	0.14 293	0.18 319	0.09 263	0.07 32	0.15 245	0.21 280	0.18 258	0.12 224	0.24 369	0.12 225	0.12 288	0.13 264	0.13 307	0.05 33	0.05 208	0.07 223	0.06 210	0.06 218	0.10 447

ASMatch	0.11 212	0.06 72	0.13 258	0.16 160	0.10 366	0.07 32	0.14 173	0.17 189	0.17 231	0.12 224	0.16 249	0.16 313	0.10 230	0.13 264	0.10 139	0.05 33	0.04 24	0.06 121	0.05 129	0.04 21	0.08 375

RE-Stereo	0.11 212	0.07 163	0.13 258	0.17 236	0.09 263	0.10 145	0.14 173	0.23 323	0.19 274	0.12 224	0.17 271	0.12 225	0.11 255	0.11 126	0.11 211	0.06 127	0.04 24	0.07 223	0.06 210	0.06 218	0.12 486

TVStereo	0.11 212	0.07 163	0.13 258	0.17 236	0.09 263	0.10 145	0.14 173	0.23 323	0.19 274	0.12 224	0.17 271	0.12 225	0.11 255	0.11 126	0.11 211	0.06 127	0.04 24	0.07 223	0.06 210	0.06 218	0.12 486

Prome-Stereo	0.11 212	0.06 72	0.10 129	0.18 319	0.08 142	0.12 233	0.15 245	0.22 303	0.13 136	0.12 224	0.17 271	0.13 250	0.08 161	0.12 218	0.10 139	0.05 33	0.04 24	0.07 223	0.06 210	0.06 218	0.09 420

raft+_RVC	0.11 212	0.07 163	0.09 85	0.16 160	0.07 82	0.10 145	0.11 51	0.24 346	0.20 298	0.12 224	0.15 235	0.12 225	0.08 161	0.12 218	0.13 307	0.07 268	0.04 24	0.07 223	0.06 210	0.05 115	0.05 140

RALCasStereoNet	0.10 168	0.06 72	0.09 85	0.16 160	0.08 142	0.12 233	0.14 173	0.17 189	0.11 71	0.12 224	0.17 271	0.14 270	0.10 230	0.12 218	0.11 211	0.07 268	0.06 337	0.06 121	0.05 129	0.08 351	0.07 311

ARAFT	0.12 279	0.08 264	0.17 407	0.19 380	0.09 263	0.14 309	0.18 396	0.20 256	0.12 101	0.12 224	0.13 204	0.14 270	0.11 255	0.15 314	0.12 265	0.06 127	0.05 208	0.10 440	0.09 416	0.05 115	0.04 48

R-Stereo Train	0.10 168	0.06 72	0.10 129	0.17 236	0.08 142	0.11 191	0.14 173	0.23 323	0.11 71	0.12 224	0.19 305	0.11 206	0.08 161	0.09 37	0.11 211	0.07 268	0.05 208	0.06 121	0.05 129	0.05 115	0.05 140

RAFT-Stereo	0.10 168	0.06 72	0.10 129	0.17 236	0.08 142	0.11 191	0.14 173	0.23 323	0.11 71	0.12 224	0.19 305	0.11 206	0.08 161	0.09 37	0.11 211	0.07 268	0.05 208	0.06 121	0.05 129	0.05 115	0.05 140
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
WQFJX	0.14 340	0.09 340	0.12 211	0.25 525	0.11 418	0.11 191	0.16 313	0.38 533	0.43 516	0.13 251	0.16 249	0.10 180	0.09 194	0.17 380	0.14 346	0.06 127	0.06 337	0.08 308	0.06 210	0.04 21	0.05 140

gcap-zeroshot	0.09 101	0.05 23	0.10 129	0.16 160	0.07 82	0.13 277	0.13 118	0.11 35	0.12 101	0.13 251	0.12 190	0.09 146	0.08 161	0.09 37	0.09 61	0.06 127	0.05 208	0.06 121	0.05 129	0.04 21	0.04 48

CoDeX	0.12 279	0.07 163	0.12 211	0.17 236	0.08 142	0.12 233	0.15 245	0.23 323	0.27 399	0.13 251	0.17 271	0.16 313	0.11 255	0.14 292	0.11 211	0.07 268	0.05 208	0.07 223	0.06 210	0.06 218	0.05 140

plain	0.10 168	0.08 264	0.10 129	0.19 380	0.09 263	0.10 145	0.15 245	0.14 93	0.13 136	0.13 251	0.15 235	0.09 146	0.12 288	0.13 264	0.12 265	0.07 268	0.05 208	0.09 392	0.06 210	0.06 218	0.06 228

MIM_Stereo	0.09 101	0.07 163	0.11 175	0.15 82	0.07 82	0.06 10	0.12 71	0.20 256	0.14 161	0.13 251	0.13 204	0.09 146	0.05 11	0.12 218	0.08 17	0.05 33	0.06 337	0.07 223	0.06 210	0.06 218	0.05 140

anonymousdsp2	0.11 212	0.07 163	0.10 129	0.16 160	0.09 263	0.13 277	0.14 173	0.18 220	0.22 328	0.13 251	0.14 218	0.12 225	0.09 194	0.14 292	0.11 211	0.05 33	0.04 24	0.05 33	0.04 45	0.06 218	0.05 140

DCANet-4	0.10 168	0.06 72	0.12 211	0.16 160	0.06 15	0.09 93	0.17 351	0.18 220	0.19 274	0.13 251	0.16 249	0.09 146	0.14 351	0.11 126	0.12 265	0.06 127	0.04 24	0.05 33	0.04 45	0.04 21	0.05 140

fff	0.10 168	0.06 72	0.12 211	0.15 82	0.07 82	0.09 93	0.17 351	0.16 153	0.20 298	0.13 251	0.16 249	0.10 180	0.11 255	0.11 126	0.12 265	0.06 127	0.04 24	0.05 33	0.04 45	0.04 21	0.05 140

ADStereo(finetuned)	0.10 168	0.06 72	0.12 211	0.16 160	0.06 15	0.09 93	0.17 351	0.15 124	0.19 274	0.13 251	0.17 271	0.10 180	0.12 288	0.11 126	0.12 265	0.06 127	0.04 24	0.05 33	0.04 45	0.05 115	0.04 48

GwcNet-ADL	0.13 304	0.08 264	0.14 293	0.20 438	0.09 263	0.11 191	0.20 457	0.30 448	0.24 354	0.13 251	0.14 218	0.18 347	0.14 351	0.13 264	0.14 346	0.07 268	0.05 208	0.06 121	0.05 129	0.07 288	0.06 228

GANet-ADL	0.13 304	0.07 163	0.15 345	0.17 236	0.10 366	0.18 406	0.15 245	0.30 448	0.20 298	0.13 251	0.18 296	0.19 361	0.12 288	0.16 348	0.13 307	0.08 332	0.06 337	0.06 121	0.05 129	0.07 288	0.08 375

OMP-Stereo	0.11 212	0.06 72	0.14 293	0.18 319	0.08 142	0.09 93	0.12 71	0.21 280	0.21 313	0.13 251	0.14 218	0.11 206	0.12 288	0.11 126	0.13 307	0.06 127	0.04 24	0.07 223	0.06 210	0.05 115	0.04 48

KYRaft	0.11 212	0.07 163	0.10 129	0.19 380	0.09 263	0.08 57	0.15 245	0.22 303	0.12 101	0.13 251	0.16 249	0.20 373	0.10 230	0.12 218	0.10 139	0.05 33	0.04 24	0.08 308	0.08 367	0.06 218	0.16 540

Pruner-Stereo	0.11 212	0.07 163	0.12 211	0.17 236	0.09 263	0.06 10	0.12 71	0.17 189	0.17 231	0.13 251	0.19 305	0.13 250	0.09 194	0.11 126	0.11 211	0.06 127	0.04 24	0.07 223	0.06 210	0.06 218	0.08 375

DeepStereo_RVC	0.11 212	0.08 264	0.16 379	0.18 319	0.08 142	0.08 57	0.12 71	0.17 189	0.12 101	0.13 251	0.14 218	0.12 225	0.12 288	0.12 218	0.11 211	0.06 127	0.04 24	0.07 223	0.06 210	0.07 288	0.08 375

RAFT-RH_RVC	0.11 212	0.06 72	0.14 293	0.16 160	0.09 263	0.12 233	0.12 71	0.17 189	0.12 101	0.13 251	0.41 528	0.11 206	0.10 230	0.13 264	0.12 265	0.05 33	0.04 24	0.08 308	0.05 129	0.04 21	0.06 228

AnonymousM	0.09 101	0.05 23	0.10 129	0.14 40	0.06 15	0.09 93	0.13 118	0.19 243	0.14 161	0.13 251	0.11 176	0.09 146	0.08 161	0.13 264	0.10 139	0.08 332	0.05 208	0.08 308	0.05 129	0.05 115	0.05 140

rafts_anoy	0.11 212	0.06 72	0.10 129	0.17 236	0.08 142	0.10 145	0.14 173	0.17 189	0.14 161	0.13 251	0.13 204	0.12 225	0.10 230	0.11 126	0.12 265	0.07 268	0.04 24	0.09 392	0.11 487	0.07 288	0.06 228

DCANet	0.10 168	0.06 72	0.12 211	0.16 160	0.06 15	0.09 93	0.17 351	0.15 124	0.19 274	0.13 251	0.17 271	0.10 180	0.11 255	0.11 126	0.12 265	0.06 127	0.04 24	0.05 33	0.04 45	0.05 115	0.04 48

csc	0.10 168	0.06 72	0.12 211	0.15 82	0.07 82	0.09 93	0.17 351	0.16 153	0.20 298	0.13 251	0.16 249	0.10 180	0.11 255	0.11 126	0.12 265	0.06 127	0.04 24	0.05 33	0.04 45	0.04 21	0.05 140

cscssc	0.10 168	0.06 72	0.12 211	0.15 82	0.07 82	0.09 93	0.17 351	0.16 153	0.20 298	0.13 251	0.16 249	0.10 180	0.11 255	0.11 126	0.12 265	0.06 127	0.04 24	0.05 33	0.04 45	0.04 21	0.05 140

HITNet	0.10 168	0.06 72	0.12 211	0.14 40	0.06 15	0.11 191	0.10 29	0.18 220	0.18 258	0.13 251	0.16 249	0.14 270	0.11 255	0.15 314	0.13 307	0.06 127	0.04 24	0.04 1	0.04 45	0.06 218	0.05 140
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
rvit_0105_5	0.14 340	0.09 340	0.13 258	0.17 236	0.09 263	0.14 309	0.23 495	0.24 346	0.27 399	0.14 273	0.15 235	0.18 347	0.12 288	0.17 380	0.14 346	0.14 523	0.11 499	0.10 440	0.10 455	0.08 351	0.06 228

rvit_0105_4	0.14 340	0.09 340	0.17 407	0.17 236	0.10 366	0.12 233	0.19 436	0.23 323	0.27 399	0.14 273	0.20 317	0.17 333	0.13 326	0.17 380	0.13 307	0.15 527	0.11 499	0.11 471	0.10 455	0.09 414	0.06 228

test_sample2	0.12 279	0.07 163	0.12 211	0.14 40	0.08 142	0.16 366	0.18 396	0.21 280	0.16 210	0.14 273	0.20 317	0.19 361	0.15 369	0.15 314	0.12 265	0.08 332	0.05 208	0.07 223	0.06 210	0.08 351	0.07 311

test_sample1	0.13 304	0.07 163	0.14 293	0.13 13	0.08 142	0.19 429	0.16 313	0.20 256	0.15 181	0.14 273	0.22 348	0.18 347	0.16 395	0.17 380	0.14 346	0.07 268	0.06 337	0.06 121	0.06 210	0.08 351	0.07 311

MIF-Stereo (partial)	0.11 212	0.06 72	0.10 129	0.19 380	0.10 366	0.10 145	0.11 51	0.17 189	0.18 258	0.14 273	0.16 249	0.09 146	0.11 255	0.12 218	0.12 265	0.08 332	0.05 208	0.08 308	0.07 301	0.06 218	0.07 311

PCWNet_CMD	0.14 340	0.08 264	0.15 345	0.17 236	0.09 263	0.14 309	0.14 173	0.29 434	0.36 476	0.14 273	0.20 317	0.21 382	0.12 288	0.17 380	0.13 307	0.07 268	0.05 208	0.07 223	0.07 301	0.07 288	0.07 311

LL-Strereo2	0.10 168	0.10 401	0.15 345	0.18 319	0.08 142	0.15 336	0.09 18	0.17 189	0.14 161	0.14 273	0.10 138	0.09 146	0.07 122	0.16 348	0.10 139	0.05 33	0.05 208	0.10 440	0.07 301	0.06 218	0.05 140

DisPM	0.11 212	0.07 163	0.12 211	0.16 160	0.09 263	0.06 10	0.13 118	0.17 189	0.17 231	0.14 273	0.20 317	0.12 225	0.10 230	0.11 126	0.10 139	0.06 127	0.04 24	0.07 223	0.06 210	0.06 218	0.11 473

CIPLG	0.11 212	0.08 264	0.14 293	0.17 236	0.08 142	0.12 233	0.15 245	0.17 189	0.15 181	0.14 273	0.11 176	0.16 313	0.09 194	0.16 348	0.11 211	0.07 268	0.05 208	0.06 121	0.05 129	0.05 115	0.06 228

IPLGR_C	0.11 212	0.08 264	0.14 293	0.17 236	0.08 142	0.12 233	0.15 245	0.17 189	0.15 181	0.14 273	0.10 138	0.16 313	0.09 194	0.16 348	0.11 211	0.07 268	0.05 208	0.06 121	0.05 129	0.05 115	0.06 228

ACRE	0.11 212	0.08 264	0.14 293	0.17 236	0.08 142	0.12 233	0.15 245	0.17 189	0.14 161	0.14 273	0.10 138	0.16 313	0.09 194	0.16 348	0.11 211	0.07 268	0.05 208	0.06 121	0.05 129	0.05 115	0.06 228

HHNet	0.11 212	0.06 72	0.16 379	0.15 82	0.14 494	0.07 32	0.13 118	0.20 256	0.17 231	0.14 273	0.25 398	0.11 206	0.08 161	0.13 264	0.10 139	0.05 33	0.04 24	0.08 308	0.06 210	0.05 115	0.09 420

IIG-Stereo	0.11 212	0.06 72	0.13 258	0.17 236	0.08 142	0.11 191	0.12 71	0.22 303	0.17 231	0.14 273	0.17 271	0.11 206	0.12 288	0.12 218	0.12 265	0.06 127	0.05 208	0.07 223	0.06 210	0.05 115	0.04 48

PSM-softLoss	0.12 279	0.07 163	0.15 345	0.17 236	0.09 263	0.08 57	0.13 118	0.24 346	0.17 231	0.14 273	0.19 305	0.13 250	0.11 255	0.11 126	0.11 211	0.07 268	0.05 208	0.08 308	0.07 301	0.06 218	0.12 486

KMStereo	0.12 279	0.07 163	0.15 345	0.17 236	0.09 263	0.08 57	0.13 118	0.24 346	0.17 231	0.14 273	0.19 305	0.13 250	0.11 255	0.11 126	0.11 211	0.07 268	0.05 208	0.08 308	0.07 301	0.06 218	0.12 486

RAFT_R40	0.11 212	0.07 163	0.14 293	0.18 319	0.09 263	0.06 10	0.13 118	0.17 189	0.16 210	0.14 273	0.18 296	0.15 299	0.12 288	0.10 76	0.11 211	0.06 127	0.04 24	0.09 392	0.06 210	0.06 218	0.05 140

GrayStereo	0.11 212	0.06 72	0.11 175	0.19 380	0.09 263	0.09 93	0.16 313	0.18 220	0.17 231	0.14 273	0.17 271	0.17 333	0.11 255	0.12 218	0.11 211	0.05 33	0.05 208	0.07 223	0.06 210	0.05 115	0.10 447

IRAFT_RVC	0.12 279	0.08 264	0.16 379	0.19 380	0.08 142	0.07 32	0.15 245	0.24 346	0.23 338	0.14 273	0.14 218	0.15 299	0.12 288	0.12 218	0.10 139	0.06 127	0.04 24	0.09 392	0.06 210	0.06 218	0.06 228

CRE-IMP	0.11 212	0.09 340	0.16 379	0.19 380	0.08 142	0.10 145	0.12 71	0.18 220	0.10 43	0.14 273	0.13 204	0.13 250	0.12 288	0.12 218	0.11 211	0.07 268	0.04 24	0.08 308	0.06 210	0.08 351	0.08 375

TestStereo	0.13 304	0.14 486	0.11 175	0.23 505	0.08 142	0.15 336	0.21 474	0.20 256	0.23 338	0.14 273	0.24 369	0.16 313	0.12 288	0.16 348	0.14 346	0.05 33	0.06 337	0.08 308	0.06 210	0.09 414	0.05 140

CFNet_pseudo	0.14 340	0.08 264	0.15 345	0.16 160	0.09 263	0.13 277	0.14 173	0.27 403	0.34 463	0.14 273	0.21 338	0.22 400	0.13 326	0.18 402	0.14 346	0.07 268	0.05 208	0.08 308	0.06 210	0.07 288	0.07 311

RALAANet	0.11 212	0.08 264	0.10 129	0.17 236	0.09 263	0.14 309	0.10 29	0.20 256	0.15 181	0.14 273	0.13 204	0.16 313	0.09 194	0.12 218	0.11 211	0.06 127	0.05 208	0.07 223	0.06 210	0.05 115	0.04 48

xxxx	0.15 385	0.07 163	0.14 293	0.14 40	0.08 142	0.23 482	0.18 396	0.31 458	0.19 274	0.14 273	0.28 438	0.22 400	0.14 351	0.15 314	0.26 518	0.09 391	0.05 208	0.07 223	0.07 301	0.08 351	0.07 311

SFCPSM	0.13 304	0.07 163	0.14 293	0.17 236	0.09 263	0.15 336	0.16 313	0.28 423	0.27 399	0.14 273	0.17 271	0.12 225	0.13 326	0.14 292	0.11 211	0.08 332	0.05 208	0.07 223	0.07 301	0.07 288	0.06 228

DMCA	0.14 340	0.09 340	0.16 379	0.19 380	0.09 263	0.15 336	0.17 351	0.23 323	0.27 399	0.14 273	0.19 305	0.17 333	0.18 432	0.15 314	0.17 406	0.10 432	0.06 337	0.08 308	0.06 210	0.09 414	0.10 447

MSMDNet	0.14 340	0.08 264	0.15 345	0.17 236	0.09 263	0.14 309	0.14 173	0.29 434	0.36 476	0.14 273	0.21 338	0.21 382	0.12 288	0.17 380	0.14 346	0.07 268	0.05 208	0.07 223	0.07 301	0.07 288	0.07 311

ccs_rob	0.14 340	0.08 264	0.15 345	0.16 160	0.09 263	0.12 233	0.14 173	0.27 403	0.34 463	0.14 273	0.21 338	0.22 400	0.13 326	0.18 402	0.14 346	0.07 268	0.05 208	0.08 308	0.07 301	0.07 288	0.07 311

xyz-stereo-finetune2	0.11 212	0.07 163	0.13 258	0.13 13	0.07 82	0.11 191	0.19 436	0.17 189	0.12 101	0.15 300	0.15 235	0.17 333	0.12 288	0.13 264	0.11 211	0.05 33	0.04 24	0.07 223	0.05 129	0.04 21	0.06 228

xyz-stereo	0.13 304	0.07 163	0.20 453	0.15 82	0.05 1	0.20 444	0.15 245	0.17 189	0.31 437	0.15 300	0.29 450	0.26 448	0.16 395	0.13 264	0.12 265	0.05 33	0.05 208	0.06 121	0.05 129	0.04 21	0.04 48

FACV-RUCA	0.13 304	0.11 427	0.12 211	0.19 380	0.12 451	0.15 336	0.15 245	0.22 303	0.20 298	0.15 300	0.16 249	0.14 270	0.16 395	0.14 292	0.13 307	0.07 268	0.05 208	0.08 308	0.06 210	0.10 446	0.08 375

rvit_0105_3	0.15 385	0.09 340	0.14 293	0.19 380	0.12 451	0.15 336	0.25 522	0.25 362	0.29 420	0.15 300	0.17 271	0.20 373	0.13 326	0.17 380	0.14 346	0.13 509	0.11 499	0.12 490	0.14 519	0.07 288	0.06 228

mmm	0.14 340	0.08 264	0.17 407	0.17 236	0.09 263	0.17 387	0.18 396	0.21 280	0.15 181	0.15 300	0.23 357	0.21 382	0.16 395	0.16 348	0.17 406	0.08 332	0.05 208	0.08 308	0.07 301	0.07 288	0.07 311

11t1	0.12 279	0.06 72	0.13 258	0.14 40	0.08 142	0.17 387	0.15 245	0.18 220	0.15 181	0.15 300	0.15 235	0.16 313	0.16 395	0.15 314	0.13 307	0.08 332	0.05 208	0.06 121	0.05 129	0.08 351	0.07 311

ffm	0.12 279	0.09 340	0.14 293	0.16 160	0.08 142	0.17 387	0.17 351	0.15 124	0.19 274	0.15 300	0.25 398	0.19 361	0.13 326	0.10 76	0.07 1	0.06 127	0.04 24	0.09 392	0.08 367	0.06 218	0.06 228

ff1	0.13 304	0.09 340	0.14 293	0.16 160	0.08 142	0.17 387	0.17 351	0.15 124	0.19 274	0.15 300	0.25 398	0.19 361	0.13 326	0.14 292	0.20 443	0.06 127	0.04 24	0.09 392	0.08 367	0.06 218	0.06 228

mmx	0.14 340	0.09 340	0.14 293	0.16 160	0.08 142	0.17 387	0.17 351	0.27 403	0.25 375	0.15 300	0.25 398	0.19 361	0.13 326	0.14 292	0.20 443	0.08 332	0.06 337	0.09 392	0.08 367	0.08 351	0.08 375

xxx	0.14 340	0.09 340	0.14 293	0.16 160	0.08 142	0.17 387	0.17 351	0.27 403	0.25 375	0.15 300	0.25 398	0.19 361	0.13 326	0.14 292	0.20 443	0.08 332	0.06 337	0.09 392	0.08 367	0.08 351	0.08 375

LL-Strereo	0.13 304	0.09 340	0.11 175	0.20 438	0.10 366	0.11 191	0.18 396	0.32 469	0.24 354	0.15 300	0.15 235	0.14 270	0.13 326	0.19 417	0.11 211	0.06 127	0.04 24	0.09 392	0.08 367	0.04 21	0.05 140

anonymousa	0.13 304	0.07 163	0.13 258	0.18 319	0.09 263	0.13 277	0.17 351	0.19 243	0.29 420	0.15 300	0.24 369	0.15 299	0.14 351	0.14 292	0.14 346	0.07 268	0.05 208	0.07 223	0.09 416	0.05 115	0.06 228

qqq	0.13 304	0.09 340	0.15 345	0.16 160	0.08 142	0.13 277	0.15 245	0.23 323	0.16 210	0.15 300	0.19 305	0.16 313	0.16 395	0.15 314	0.16 391	0.07 268	0.06 337	0.08 308	0.08 367	0.07 288	0.07 311

x	0.13 304	0.07 163	0.14 293	0.14 40	0.08 142	0.18 406	0.14 173	0.22 303	0.20 298	0.15 300	0.19 305	0.19 361	0.17 418	0.18 402	0.18 424	0.07 268	0.05 208	0.06 121	0.06 210	0.07 288	0.07 311

RAFT+CT+SA	0.13 304	0.11 427	0.09 85	0.19 380	0.09 263	0.15 336	0.28 544	0.22 303	0.22 328	0.15 300	0.26 415	0.10 180	0.10 230	0.11 126	0.12 265	0.05 33	0.04 24	0.07 223	0.08 367	0.07 288	0.06 228

Sa-1000	0.12 279	0.08 264	0.08 38	0.18 319	0.08 142	0.14 309	0.22 484	0.22 303	0.18 258	0.15 300	0.20 317	0.17 333	0.11 255	0.10 76	0.10 139	0.06 127	0.05 208	0.09 392	0.09 416	0.05 115	0.05 140

Patchmatch Stereo++	0.11 212	0.09 340	0.16 379	0.18 319	0.08 142	0.06 10	0.11 51	0.16 153	0.13 136	0.15 300	0.16 249	0.14 270	0.12 288	0.11 126	0.10 139	0.06 127	0.04 24	0.08 308	0.06 210	0.08 351	0.07 311
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
PSM-adaLoss	0.11 212	0.09 340	0.16 379	0.18 319	0.08 142	0.06 10	0.12 71	0.16 153	0.13 136	0.15 300	0.16 249	0.14 270	0.12 288	0.11 126	0.10 139	0.06 127	0.04 24	0.08 308	0.06 210	0.08 351	0.07 311

ROB_FTStereo_v2	0.11 212	0.09 340	0.16 379	0.19 380	0.08 142	0.06 10	0.12 71	0.16 153	0.13 136	0.15 300	0.16 249	0.14 270	0.12 288	0.11 126	0.10 139	0.06 127	0.04 24	0.08 308	0.06 210	0.08 351	0.07 311

ROB_FTStereo	0.11 212	0.09 340	0.16 379	0.19 380	0.08 142	0.06 10	0.11 51	0.16 153	0.13 136	0.15 300	0.16 249	0.14 270	0.12 288	0.11 126	0.10 139	0.06 127	0.04 24	0.08 308	0.06 210	0.08 351	0.07 311

HUI-Stereo	0.11 212	0.09 340	0.16 379	0.18 319	0.08 142	0.06 10	0.12 71	0.16 153	0.13 136	0.15 300	0.16 249	0.14 270	0.12 288	0.11 126	0.10 139	0.06 127	0.04 24	0.08 308	0.06 210	0.08 351	0.07 311

SST-Stereo	0.10 168	0.07 163	0.15 345	0.18 319	0.09 263	0.06 10	0.12 71	0.17 189	0.11 71	0.15 300	0.17 271	0.13 250	0.12 288	0.10 76	0.11 211	0.06 127	0.04 24	0.09 392	0.06 210	0.06 218	0.05 140

iGMRVC	0.11 212	0.09 340	0.16 379	0.19 380	0.08 142	0.06 10	0.12 71	0.16 153	0.13 136	0.15 300	0.16 249	0.14 270	0.12 288	0.11 126	0.10 139	0.06 127	0.04 24	0.08 308	0.06 210	0.08 351	0.07 311

iRAFT	0.11 212	0.09 340	0.16 379	0.18 319	0.08 142	0.06 10	0.11 51	0.16 153	0.13 136	0.15 300	0.16 249	0.14 270	0.12 288	0.11 126	0.10 139	0.06 127	0.04 24	0.08 308	0.06 210	0.08 351	0.07 311

RAFT-IKP	0.11 212	0.09 340	0.16 379	0.19 380	0.08 142	0.06 10	0.12 71	0.16 153	0.13 136	0.15 300	0.16 249	0.14 270	0.12 288	0.11 126	0.10 139	0.06 127	0.04 24	0.08 308	0.06 210	0.08 351	0.07 311

Anonymous3	0.16 408	0.13 474	0.33 520	0.26 531	0.14 494	0.27 518	0.17 351	0.28 423	0.28 413	0.15 300	0.17 271	0.14 270	0.10 230	0.15 314	0.12 265	0.08 332	0.08 438	0.08 308	0.08 367	0.08 351	0.11 473

NVstereo2D	0.19 454	0.10 401	0.15 345	0.17 236	0.15 512	0.28 525	0.23 495	0.44 559	0.42 511	0.15 300	0.27 424	0.25 438	0.19 448	0.22 472	0.17 406	0.09 391	0.06 337	0.10 440	0.08 367	0.15 530	0.09 420

iResNet	0.13 304	0.10 401	0.18 430	0.19 380	0.08 142	0.13 277	0.18 396	0.20 256	0.26 389	0.15 300	0.23 357	0.15 299	0.13 326	0.14 292	0.14 346	0.06 127	0.04 24	0.06 121	0.05 129	0.06 218	0.05 140

DFGA-Net	0.13 304	0.11 427	0.18 430	0.17 236	0.10 366	0.12 233	0.13 118	0.22 303	0.25 375	0.16 328	0.16 249	0.13 250	0.12 288	0.16 348	0.14 346	0.07 268	0.05 208	0.08 308	0.07 301	0.05 115	0.05 140

G2L-Stereo	0.14 340	0.07 163	0.13 258	0.17 236	0.09 263	0.13 277	0.12 71	0.27 403	0.22 328	0.16 328	0.27 424	0.21 382	0.13 326	0.17 380	0.18 424	0.09 391	0.08 438	0.08 308	0.07 301	0.07 288	0.07 311

test_sample4	0.14 340	0.08 264	0.14 293	0.15 82	0.08 142	0.19 429	0.18 396	0.26 380	0.17 231	0.16 328	0.25 398	0.18 347	0.14 351	0.16 348	0.13 307	0.08 332	0.06 337	0.08 308	0.06 210	0.08 351	0.08 375

test_sample3	0.14 340	0.08 264	0.15 345	0.14 40	0.09 263	0.19 429	0.17 351	0.26 380	0.18 258	0.16 328	0.22 348	0.19 361	0.15 369	0.17 380	0.13 307	0.08 332	0.06 337	0.07 223	0.06 210	0.09 414	0.08 375

ttt	0.14 340	0.08 264	0.14 293	0.15 82	0.08 142	0.15 336	0.18 396	0.27 403	0.29 420	0.16 328	0.24 369	0.17 333	0.13 326	0.13 264	0.14 346	0.11 461	0.08 438	0.09 392	0.08 367	0.09 414	0.08 375

CFNet_ucs	0.15 385	0.08 264	0.16 379	0.16 160	0.11 418	0.14 309	0.14 173	0.30 448	0.34 463	0.16 328	0.24 369	0.23 418	0.14 351	0.18 402	0.15 375	0.09 391	0.06 337	0.08 308	0.07 301	0.09 414	0.09 420

ADLNet2	0.16 408	0.09 340	0.13 258	0.16 160	0.09 263	0.20 444	0.16 313	0.31 458	0.39 493	0.16 328	0.20 317	0.20 373	0.18 432	0.21 459	0.22 472	0.08 332	0.06 337	0.07 223	0.07 301	0.09 414	0.07 311

PFNet+	0.11 212	0.06 72	0.13 258	0.16 160	0.09 263	0.05 4	0.12 71	0.17 189	0.21 313	0.16 328	0.19 305	0.14 270	0.10 230	0.11 126	0.11 211	0.08 332	0.05 208	0.09 392	0.08 367	0.06 218	0.11 473

AAGNet	0.11 212	0.07 163	0.16 379	0.19 380	0.09 263	0.08 57	0.13 118	0.18 220	0.13 136	0.16 328	0.21 338	0.13 250	0.14 351	0.11 126	0.14 346	0.06 127	0.04 24	0.09 392	0.06 210	0.06 218	0.05 140

THIR-Stereo	0.12 279	0.07 163	0.11 175	0.15 82	0.08 142	0.14 309	0.16 313	0.17 189	0.25 375	0.16 328	0.24 369	0.14 270	0.12 288	0.12 218	0.14 346	0.06 127	0.04 24	0.07 223	0.07 301	0.05 115	0.05 140

PFNet	0.12 279	0.06 72	0.17 407	0.17 236	0.08 142	0.09 93	0.15 245	0.26 380	0.20 298	0.16 328	0.16 249	0.14 270	0.11 255	0.12 218	0.11 211	0.06 127	0.04 24	0.07 223	0.06 210	0.05 115	0.05 140

GES	0.14 340	0.08 264	0.16 379	0.15 82	0.10 366	0.13 277	0.13 118	0.28 423	0.25 375	0.16 328	0.23 357	0.18 347	0.13 326	0.16 348	0.13 307	0.08 332	0.07 412	0.07 223	0.06 210	0.08 351	0.09 420

test_xeample	0.15 385	0.06 72	0.13 258	0.14 40	0.08 142	0.21 461	0.20 457	0.28 423	0.20 298	0.16 328	0.29 450	0.19 361	0.16 395	0.15 314	0.26 518	0.09 391	0.05 208	0.07 223	0.07 301	0.07 288	0.07 311

GMStereo	0.13 304	0.14 486	0.14 293	0.18 319	0.09 263	0.15 336	0.16 313	0.20 256	0.24 354	0.16 328	0.17 271	0.10 180	0.10 230	0.16 348	0.13 307	0.07 268	0.06 337	0.06 121	0.06 210	0.07 288	0.06 228
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 340	0.07 163	0.13 258	0.15 82	0.08 142	0.13 277	0.16 313	0.24 346	0.24 354	0.16 328	0.28 438	0.22 400	0.14 351	0.15 314	0.13 307	0.11 461	0.06 337	0.09 392	0.12 506	0.08 351	0.07 311

BEATNet_4x	0.12 279	0.08 264	0.14 293	0.18 319	0.07 82	0.15 336	0.07 3	0.22 303	0.18 258	0.16 328	0.19 305	0.18 347	0.14 351	0.16 348	0.15 375	0.07 268	0.05 208	0.05 33	0.05 129	0.06 218	0.06 228

ITSA-stereo	0.15 385	0.10 401	0.14 293	0.19 380	0.08 142	0.12 233	0.14 173	0.30 448	0.49 537	0.17 344	0.19 305	0.22 400	0.15 369	0.17 380	0.16 391	0.10 432	0.06 337	0.08 308	0.08 367	0.08 351	0.08 375

test_sample6	0.14 340	0.08 264	0.13 258	0.16 160	0.08 142	0.17 387	0.19 436	0.25 362	0.17 231	0.17 344	0.27 424	0.19 361	0.14 351	0.15 314	0.13 307	0.08 332	0.05 208	0.08 308	0.07 301	0.08 351	0.08 375

test_sample5	0.14 340	0.08 264	0.14 293	0.16 160	0.08 142	0.18 406	0.18 396	0.25 362	0.17 231	0.17 344	0.27 424	0.18 347	0.14 351	0.16 348	0.13 307	0.08 332	0.05 208	0.08 308	0.07 301	0.08 351	0.08 375

DispNO	0.14 340	0.08 264	0.17 407	0.19 380	0.12 451	0.11 191	0.21 474	0.23 323	0.29 420	0.17 344	0.23 357	0.18 347	0.17 418	0.15 314	0.15 375	0.07 268	0.05 208	0.08 308	0.08 367	0.07 288	0.06 228

MyStereo05	0.13 304	0.07 163	0.10 129	0.17 236	0.09 263	0.13 277	0.18 396	0.27 403	0.35 472	0.17 344	0.14 218	0.15 299	0.11 255	0.15 314	0.13 307	0.06 127	0.05 208	0.07 223	0.07 301	0.06 218	0.06 228

MyStereo04	0.13 304	0.07 163	0.10 129	0.17 236	0.09 263	0.14 309	0.18 396	0.29 434	0.38 490	0.17 344	0.14 218	0.16 313	0.10 230	0.15 314	0.13 307	0.06 127	0.05 208	0.08 308	0.07 301	0.06 218	0.06 228

DualNet	0.14 340	0.08 264	0.14 293	0.16 160	0.08 142	0.18 406	0.18 396	0.25 362	0.17 231	0.17 344	0.27 424	0.18 347	0.14 351	0.16 348	0.13 307	0.08 332	0.05 208	0.08 308	0.07 301	0.08 351	0.08 375

1111x	0.15 385	0.08 264	0.12 211	0.18 319	0.07 82	0.18 406	0.25 522	0.31 458	0.24 354	0.17 344	0.24 369	0.26 448	0.15 369	0.13 264	0.23 484	0.07 268	0.07 412	0.08 308	0.09 416	0.07 288	0.06 228

CASS	0.13 304	0.12 445	0.11 175	0.23 505	0.09 263	0.15 336	0.17 351	0.18 220	0.19 274	0.17 344	0.18 296	0.15 299	0.15 369	0.14 292	0.14 346	0.09 391	0.06 337	0.10 440	0.08 367	0.09 414	0.07 311
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
TestStereo1	0.13 304	0.08 264	0.08 38	0.19 380	0.08 142	0.18 406	0.29 553	0.23 323	0.16 210	0.17 344	0.20 317	0.16 313	0.10 230	0.12 218	0.13 307	0.06 127	0.06 337	0.08 308	0.06 210	0.05 115	0.05 140

BUS	0.14 340	0.09 340	0.14 293	0.22 484	0.10 366	0.19 429	0.14 173	0.34 497	0.19 274	0.17 344	0.22 348	0.16 313	0.13 326	0.15 314	0.13 307	0.08 332	0.06 337	0.10 440	0.09 416	0.07 288	0.07 311

BSDual-CNN	0.15 385	0.09 340	0.14 293	0.22 484	0.10 366	0.14 309	0.15 245	0.34 497	0.19 274	0.17 344	0.22 348	0.25 438	0.16 395	0.15 314	0.14 346	0.08 332	0.06 337	0.10 440	0.09 416	0.07 288	0.07 311

hknet	0.15 385	0.11 427	0.13 258	0.22 484	0.11 418	0.14 309	0.15 245	0.34 497	0.25 375	0.17 344	0.22 348	0.22 400	0.18 432	0.17 380	0.12 265	0.07 268	0.06 337	0.10 440	0.09 416	0.07 288	0.07 311

SA-5K	0.13 304	0.08 264	0.08 38	0.19 380	0.08 142	0.18 406	0.29 553	0.23 323	0.16 210	0.17 344	0.20 317	0.16 313	0.10 230	0.12 218	0.13 307	0.06 127	0.06 337	0.08 308	0.06 210	0.05 115	0.05 140

SA	0.12 279	0.09 340	0.08 38	0.18 319	0.08 142	0.12 233	0.24 507	0.23 323	0.18 258	0.17 344	0.27 424	0.14 270	0.11 255	0.11 126	0.11 211	0.05 33	0.05 208	0.09 392	0.08 367	0.05 115	0.04 48

psmg	0.14 340	0.09 340	0.14 293	0.17 236	0.10 366	0.15 336	0.17 351	0.29 434	0.19 274	0.17 344	0.21 338	0.25 438	0.16 395	0.15 314	0.14 346	0.08 332	0.06 337	0.08 308	0.08 367	0.07 288	0.06 228

DEmStereo	0.12 279	0.06 72	0.14 293	0.14 40	0.10 366	0.16 366	0.15 245	0.16 153	0.24 354	0.17 344	0.24 369	0.13 250	0.14 351	0.12 218	0.13 307	0.05 33	0.04 24	0.07 223	0.06 210	0.05 115	0.05 140

DRaft	0.12 279	0.06 72	0.11 175	0.14 40	0.09 263	0.14 309	0.17 351	0.21 280	0.30 430	0.17 344	0.28 438	0.10 180	0.15 369	0.10 76	0.12 265	0.05 33	0.04 24	0.07 223	0.06 210	0.05 115	0.05 140

222	0.16 408	0.07 163	0.14 293	0.14 40	0.08 142	0.24 487	0.18 396	0.30 448	0.20 298	0.17 344	0.28 438	0.17 333	0.16 395	0.15 314	0.40 568	0.10 432	0.05 208	0.07 223	0.06 210	0.07 288	0.08 375

delet	0.17 428	0.08 264	0.17 407	0.19 380	0.11 418	0.20 444	0.21 474	0.30 448	0.37 483	0.17 344	0.26 415	0.19 361	0.19 448	0.19 417	0.21 463	0.08 332	0.08 438	0.09 392	0.11 487	0.06 218	0.06 228

UPFNet	0.16 408	0.08 264	0.12 211	0.20 438	0.12 451	0.20 444	0.23 495	0.28 423	0.26 389	0.17 344	0.24 369	0.22 400	0.19 448	0.19 417	0.21 463	0.09 391	0.07 412	0.08 308	0.09 416	0.08 351	0.06 228

FENet	0.13 304	0.08 264	0.12 211	0.16 160	0.08 142	0.14 309	0.15 245	0.22 303	0.23 338	0.17 344	0.23 357	0.16 313	0.12 288	0.14 292	0.15 375	0.08 332	0.05 208	0.08 308	0.08 367	0.07 288	0.07 311

ACVNet	0.15 385	0.09 340	0.15 345	0.13 13	0.12 451	0.14 309	0.20 457	0.22 303	0.33 451	0.17 344	0.26 415	0.21 382	0.16 395	0.17 380	0.21 463	0.07 268	0.06 337	0.06 121	0.06 210	0.08 351	0.06 228

cf-r	0.13 304	0.07 163	0.12 211	0.16 160	0.08 142	0.14 309	0.19 436	0.20 256	0.25 375	0.17 344	0.25 398	0.21 382	0.16 395	0.14 292	0.14 346	0.10 432	0.05 208	0.06 121	0.08 367	0.06 218	0.06 228

GANet-RSSM	0.14 340	0.07 163	0.13 258	0.13 13	0.08 142	0.14 309	0.17 351	0.22 303	0.21 313	0.17 344	0.24 369	0.23 418	0.15 369	0.16 348	0.15 375	0.10 432	0.06 337	0.07 223	0.08 367	0.08 351	0.07 311

CFNet-ft	0.14 340	0.07 163	0.15 345	0.12 4	0.09 263	0.16 366	0.18 396	0.22 303	0.24 354	0.17 344	0.26 415	0.24 424	0.14 351	0.16 348	0.14 346	0.11 461	0.06 337	0.08 308	0.09 416	0.09 414	0.08 375

RASNet	0.14 340	0.07 163	0.14 293	0.16 160	0.08 142	0.18 406	0.14 173	0.29 434	0.20 298	0.17 344	0.25 398	0.21 382	0.18 432	0.20 442	0.19 437	0.07 268	0.06 337	0.06 121	0.08 367	0.06 218	0.06 228

CFNet_RVC	0.14 340	0.07 163	0.15 345	0.12 4	0.09 263	0.16 366	0.18 396	0.22 303	0.24 354	0.17 344	0.26 415	0.24 424	0.14 351	0.16 348	0.14 346	0.11 461	0.06 337	0.08 308	0.09 416	0.09 414	0.08 375

UCFNet_RVC	0.14 340	0.08 264	0.13 258	0.11 1	0.10 366	0.20 444	0.10 29	0.24 346	0.22 328	0.17 344	0.20 317	0.23 418	0.15 369	0.17 380	0.15 375	0.12 486	0.07 412	0.10 440	0.13 516	0.11 469	0.10 447

DN-CSS_ROB	0.13 304	0.13 474	0.16 379	0.18 319	0.10 366	0.16 366	0.08 7	0.22 303	0.18 258	0.17 344	0.22 348	0.13 250	0.13 326	0.12 218	0.13 307	0.05 33	0.05 208	0.10 440	0.10 455	0.08 351	0.06 228

z-ln-s-r	0.17 428	0.10 401	0.40 537	0.19 380	0.08 142	0.17 387	0.18 396	0.22 303	0.33 451	0.18 374	0.40 517	0.22 400	0.17 418	0.20 442	0.23 484	0.07 268	0.05 208	0.07 223	0.07 301	0.07 288	0.05 140

coex_refinement	0.14 340	0.07 163	0.12 211	0.17 236	0.10 366	0.15 336	0.15 245	0.26 380	0.29 420	0.18 374	0.20 317	0.22 400	0.17 418	0.16 348	0.18 424	0.08 332	0.05 208	0.06 121	0.06 210	0.09 414	0.08 375

DDVS	0.15 385	0.10 401	0.21 462	0.16 160	0.12 451	0.15 336	0.14 173	0.25 362	0.19 274	0.18 374	0.29 450	0.27 456	0.12 288	0.19 417	0.15 375	0.09 391	0.06 337	0.09 392	0.07 301	0.11 469	0.11 473

gwcnet-sp	0.14 340	0.07 163	0.12 211	0.18 319	0.09 263	0.16 366	0.17 351	0.24 346	0.24 354	0.18 374	0.24 369	0.15 299	0.16 395	0.15 314	0.15 375	0.08 332	0.06 337	0.07 223	0.08 367	0.08 351	0.07 311

scenet	0.14 340	0.07 163	0.12 211	0.18 319	0.09 263	0.16 366	0.17 351	0.24 346	0.24 354	0.18 374	0.24 369	0.15 299	0.16 395	0.15 314	0.15 375	0.08 332	0.06 337	0.07 223	0.08 367	0.08 351	0.07 311

ssnet	0.14 340	0.07 163	0.12 211	0.18 319	0.09 263	0.16 366	0.17 351	0.24 346	0.24 354	0.18 374	0.24 369	0.15 299	0.16 395	0.15 314	0.15 375	0.08 332	0.06 337	0.07 223	0.08 367	0.08 351	0.07 311

IER	0.14 340	0.07 163	0.13 258	0.17 236	0.09 263	0.14 309	0.16 313	0.25 362	0.26 389	0.18 374	0.25 398	0.17 333	0.20 460	0.16 348	0.14 346	0.08 332	0.05 208	0.07 223	0.06 210	0.08 351	0.07 311

test_5	0.14 340	0.12 445	0.08 38	0.20 438	0.10 366	0.14 309	0.29 553	0.21 280	0.24 354	0.18 374	0.28 438	0.11 206	0.15 369	0.12 218	0.13 307	0.06 127	0.05 208	0.07 223	0.08 367	0.08 351	0.07 311

NINENet	0.16 408	0.10 401	0.15 345	0.17 236	0.11 418	0.19 429	0.14 173	0.40 542	0.36 476	0.18 374	0.21 338	0.16 313	0.13 326	0.15 314	0.13 307	0.08 332	0.08 438	0.10 440	0.07 301	0.10 446	0.09 420

DAS	0.15 385	0.08 264	0.18 430	0.19 380	0.10 366	0.19 429	0.17 351	0.27 403	0.29 420	0.18 374	0.25 398	0.21 382	0.15 369	0.16 348	0.12 265	0.08 332	0.06 337	0.06 121	0.06 210	0.07 288	0.07 311

SepStereo	0.15 385	0.08 264	0.18 430	0.19 380	0.10 366	0.19 429	0.17 351	0.27 403	0.29 420	0.18 374	0.25 398	0.21 382	0.15 369	0.25 497	0.12 265	0.08 332	0.06 337	0.06 121	0.06 210	0.07 288	0.07 311

PSMNet-ADL	0.15 385	0.12 445	0.13 258	0.22 484	0.09 263	0.13 277	0.20 457	0.26 380	0.23 338	0.18 374	0.20 317	0.24 424	0.16 395	0.18 402	0.17 406	0.08 332	0.08 438	0.08 308	0.11 487	0.08 351	0.07 311

ICVP	0.15 385	0.09 340	0.12 211	0.22 484	0.09 263	0.17 387	0.21 474	0.25 362	0.23 338	0.18 374	0.30 456	0.26 448	0.18 432	0.17 380	0.14 346	0.09 391	0.07 412	0.08 308	0.07 301	0.07 288	0.07 311
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ac_64	0.16 408	0.08 264	0.15 345	0.18 319	0.10 366	0.22 469	0.18 396	0.24 346	0.21 313	0.18 374	0.24 369	0.29 474	0.18 432	0.19 417	0.22 472	0.09 391	0.07 412	0.08 308	0.09 416	0.07 288	0.06 228

GwcNet-RSSM	0.14 340	0.07 163	0.12 211	0.15 82	0.08 142	0.15 336	0.20 457	0.21 280	0.27 399	0.18 374	0.27 424	0.22 400	0.16 395	0.14 292	0.15 375	0.10 432	0.05 208	0.07 223	0.09 416	0.07 288	0.07 311

MLCV	0.12 279	0.07 163	0.16 379	0.18 319	0.06 15	0.15 336	0.17 351	0.19 243	0.21 313	0.18 374	0.25 398	0.17 333	0.13 326	0.14 292	0.13 307	0.05 33	0.04 24	0.05 33	0.04 45	0.05 115	0.04 48

MultiAttention	0.29 539	0.08 264	0.14 293	0.19 380	0.12 451	1.45 605	1.33 607	0.36 519	0.37 483	0.19 390	0.21 338	0.24 424	0.11 255	0.38 556	0.18 424	0.06 127	0.05 208	0.08 308	0.08 367	0.10 446	0.09 420

G2L-ROB	0.13 304	0.06 72	0.13 258	0.13 13	0.08 142	0.14 309	0.16 313	0.25 362	0.18 258	0.19 390	0.18 296	0.20 373	0.14 351	0.17 380	0.16 391	0.08 332	0.05 208	0.06 121	0.05 129	0.08 351	0.09 420

HI	0.11 212	0.06 72	0.11 175	0.13 13	0.09 263	0.09 93	0.14 173	0.21 280	0.10 43	0.19 390	0.17 271	0.14 270	0.09 194	0.16 348	0.08 17	0.05 33	0.04 24	0.07 223	0.08 367	0.07 288	0.06 228

CoSv	0.11 212	0.06 72	0.11 175	0.13 13	0.09 263	0.09 93	0.14 173	0.21 280	0.10 43	0.19 390	0.17 271	0.14 270	0.09 194	0.16 348	0.08 17	0.05 33	0.04 24	0.07 223	0.08 367	0.07 288	0.06 228

rvit_105_1	0.19 454	0.11 427	0.25 486	0.21 469	0.16 522	0.21 461	0.27 538	0.31 458	0.41 504	0.19 390	0.20 317	0.22 400	0.17 418	0.19 417	0.17 406	0.12 486	0.12 513	0.13 505	0.15 534	0.08 351	0.07 311

ACV-stereo	0.15 385	0.10 401	0.28 501	0.18 319	0.12 451	0.14 309	0.12 71	0.23 323	0.21 313	0.19 390	0.23 357	0.22 400	0.15 369	0.23 483	0.17 406	0.07 268	0.06 337	0.07 223	0.07 301	0.07 288	0.07 311

SMFormer	0.14 340	0.07 163	0.17 407	0.14 40	0.08 142	0.16 366	0.17 351	0.26 380	0.27 399	0.19 390	0.20 317	0.18 347	0.15 369	0.15 314	0.17 406	0.08 332	0.05 208	0.07 223	0.06 210	0.07 288	0.06 228

tta	0.14 340	0.07 163	0.17 407	0.14 40	0.08 142	0.16 366	0.17 351	0.26 380	0.27 399	0.19 390	0.20 317	0.18 347	0.15 369	0.15 314	0.17 406	0.08 332	0.05 208	0.07 223	0.06 210	0.06 218	0.06 228

qqq1	0.13 304	0.07 163	0.17 407	0.14 40	0.08 142	0.16 366	0.17 351	0.26 380	0.27 399	0.19 390	0.20 317	0.18 347	0.15 369	0.15 314	0.11 211	0.08 332	0.05 208	0.05 33	0.05 129	0.06 218	0.06 228

fff1	0.13 304	0.07 163	0.17 407	0.14 40	0.08 142	0.16 366	0.17 351	0.26 380	0.27 399	0.19 390	0.20 317	0.18 347	0.15 369	0.15 314	0.11 211	0.08 332	0.05 208	0.05 33	0.05 129	0.06 218	0.06 228

SDNR	0.19 454	0.08 264	0.19 441	0.16 160	0.12 451	0.77 590	0.14 173	0.25 362	0.32 444	0.19 390	0.24 369	0.19 361	0.13 326	0.19 417	0.15 375	0.16 543	0.18 551	0.14 517	0.11 487	0.08 351	0.11 473

ToySt	0.17 428	0.11 427	0.18 430	0.17 236	0.11 418	0.16 366	0.25 522	0.24 346	0.33 451	0.19 390	0.24 369	0.26 448	0.24 487	0.19 417	0.20 443	0.07 268	0.08 438	0.09 392	0.10 455	0.09 414	0.08 375

iRaft-Stereo_5w	0.12 279	0.09 340	0.12 211	0.19 380	0.08 142	0.09 93	0.12 71	0.21 280	0.21 313	0.19 390	0.14 218	0.11 206	0.09 194	0.20 442	0.16 391	0.05 33	0.05 208	0.07 223	0.06 210	0.05 115	0.06 228

AASNet	0.16 408	0.08 264	0.12 211	0.19 380	0.09 263	0.18 406	0.15 245	0.37 525	0.37 483	0.19 390	0.23 357	0.20 373	0.16 395	0.17 380	0.20 443	0.10 432	0.08 438	0.08 308	0.07 301	0.09 414	0.09 420

CrosDoStereo	0.12 279	0.06 72	0.12 211	0.14 40	0.08 142	0.12 233	0.15 245	0.17 189	0.22 328	0.19 390	0.24 369	0.15 299	0.11 255	0.11 126	0.12 265	0.06 127	0.04 24	0.07 223	0.07 301	0.05 115	0.05 140

DeepStereo_LL	0.12 279	0.06 72	0.12 211	0.14 40	0.08 142	0.12 233	0.15 245	0.17 189	0.22 328	0.19 390	0.24 369	0.15 299	0.11 255	0.11 126	0.12 265	0.06 127	0.04 24	0.07 223	0.07 301	0.05 115	0.05 140

pcwnet_v2	0.19 454	0.10 401	0.26 489	0.17 236	0.14 494	0.18 406	0.15 245	0.37 525	0.46 529	0.19 390	0.24 369	0.21 382	0.19 448	0.20 442	0.19 437	0.13 509	0.10 487	0.10 440	0.10 455	0.11 469	0.13 505

HCRNet	0.16 408	0.24 547	0.12 211	0.35 563	0.11 418	0.15 336	0.17 351	0.26 380	0.22 328	0.19 390	0.24 369	0.21 382	0.14 351	0.15 314	0.13 307	0.11 461	0.07 412	0.11 471	0.10 455	0.09 414	0.07 311

acv_ft	0.15 385	0.09 340	0.15 345	0.19 380	0.10 366	0.16 366	0.17 351	0.25 362	0.33 451	0.19 390	0.26 415	0.21 382	0.17 418	0.17 380	0.18 424	0.07 268	0.06 337	0.06 121	0.06 210	0.08 351	0.06 228

HSM-Net_RVC	0.14 340	0.08 264	0.11 175	0.15 82	0.08 142	0.15 336	0.15 245	0.27 403	0.29 420	0.19 390	0.21 338	0.29 474	0.14 351	0.17 380	0.13 307	0.06 127	0.06 337	0.06 121	0.06 210	0.07 288	0.06 228
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 385	0.10 401	0.17 407	0.17 236	0.08 142	0.18 406	0.09 18	0.28 423	0.25 375	0.19 390	0.24 369	0.24 424	0.17 418	0.17 380	0.14 346	0.08 332	0.06 337	0.09 392	0.10 455	0.07 288	0.06 228

DeepPruner_ROB	0.16 408	0.11 427	0.15 345	0.17 236	0.10 366	0.17 387	0.15 245	0.32 469	0.21 313	0.19 390	0.21 338	0.22 400	0.18 432	0.20 442	0.15 375	0.13 509	0.09 467	0.09 392	0.09 416	0.11 469	0.10 447

HSM	0.15 385	0.08 264	0.14 293	0.16 160	0.09 263	0.16 366	0.14 173	0.28 423	0.25 375	0.19 390	0.23 357	0.37 525	0.16 395	0.20 442	0.15 375	0.07 268	0.05 208	0.07 223	0.06 210	0.07 288	0.06 228

G2L-Stereo_test	0.14 340	0.07 163	0.11 175	0.13 13	0.08 142	0.12 233	0.16 313	0.30 448	0.28 413	0.20 413	0.23 357	0.20 373	0.16 395	0.17 380	0.18 424	0.07 268	0.05 208	0.05 33	0.05 129	0.07 288	0.06 228

DCVSM-stereo	0.14 340	0.09 340	0.16 379	0.16 160	0.10 366	0.15 336	0.09 18	0.19 243	0.23 338	0.20 413	0.23 357	0.26 448	0.15 369	0.18 402	0.14 346	0.09 391	0.07 412	0.09 392	0.08 367	0.10 446	0.12 486

rvit_stereo_0075_2	0.17 428	0.12 445	0.25 486	0.23 505	0.16 522	0.13 277	0.10 29	0.30 448	0.27 399	0.20 413	0.28 438	0.22 400	0.15 369	0.18 402	0.13 307	0.16 543	0.10 487	0.17 537	0.10 455	0.10 446	0.09 420

DualNet (step1)	0.16 408	0.12 445	0.20 453	0.12 4	0.14 494	0.17 387	0.13 118	0.27 403	0.23 338	0.20 413	0.20 317	0.24 424	0.19 448	0.16 348	0.16 391	0.15 527	0.06 337	0.14 517	0.14 519	0.14 515	0.12 486

test_sample9	0.18 442	0.12 445	0.20 453	0.12 4	0.14 494	0.17 387	0.13 118	0.27 403	0.23 338	0.20 413	0.20 317	0.24 424	0.19 448	0.19 417	0.17 406	0.15 527	0.30 575	0.14 517	0.14 519	0.14 515	0.12 486

test_sample7	0.15 385	0.10 401	0.16 379	0.14 40	0.11 418	0.16 366	0.16 313	0.27 403	0.23 338	0.20 413	0.20 317	0.24 424	0.19 448	0.16 348	0.16 391	0.12 486	0.06 337	0.10 440	0.09 416	0.10 446	0.10 447

CBFPSM	0.14 340	0.06 72	0.26 489	0.17 236	0.09 263	0.13 277	0.15 245	0.22 303	0.23 338	0.20 413	0.27 424	0.24 424	0.16 395	0.16 348	0.18 424	0.06 127	0.06 337	0.06 121	0.07 301	0.07 288	0.07 311

raft_robust	0.13 304	0.10 401	0.07 8	0.18 319	0.08 142	0.13 277	0.24 507	0.28 423	0.33 451	0.20 413	0.19 305	0.14 270	0.10 230	0.11 126	0.12 265	0.05 33	0.05 208	0.07 223	0.07 301	0.05 115	0.04 48

RAFT_CTSACE	0.12 279	0.09 340	0.10 129	0.22 484	0.08 142	0.12 233	0.24 507	0.18 220	0.16 210	0.20 413	0.27 424	0.13 250	0.07 122	0.13 264	0.09 61	0.05 33	0.06 337	0.08 308	0.07 301	0.04 21	0.04 48

UDGNet	0.14 340	0.13 474	0.16 379	0.17 236	0.10 366	0.12 233	0.16 313	0.21 280	0.27 399	0.20 413	0.20 317	0.16 313	0.13 326	0.16 348	0.13 307	0.10 432	0.06 337	0.09 392	0.07 301	0.06 218	0.07 311

GEStereo_RVC	0.17 428	0.12 445	0.15 345	0.22 484	0.11 418	0.19 429	0.17 351	0.32 469	0.48 531	0.20 413	0.25 398	0.17 333	0.13 326	0.21 459	0.16 391	0.10 432	0.06 337	0.08 308	0.07 301	0.09 414	0.08 375

GwcNet	0.20 466	0.13 474	0.19 441	0.18 319	0.12 451	0.24 487	0.19 436	0.35 512	0.43 516	0.20 413	0.32 468	0.33 508	0.20 460	0.22 472	0.24 497	0.11 461	0.09 467	0.09 392	0.09 416	0.09 414	0.10 447

AdaStereo	0.15 385	0.11 427	0.15 345	0.18 319	0.09 263	0.20 444	0.11 51	0.32 469	0.28 413	0.20 413	0.23 357	0.20 373	0.13 326	0.19 417	0.14 346	0.12 486	0.05 208	0.10 440	0.07 301	0.09 414	0.07 311
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.
NOSS_ROB	0.19 454	0.12 445	0.18 430	0.16 160	0.12 451	0.15 336	0.12 71	0.30 448	0.32 444	0.20 413	0.22 348	0.27 456	0.23 481	0.21 459	0.16 391	0.16 543	0.18 551	0.23 556	0.21 553	0.12 484	0.13 505

MSAF-DinoV2	0.22 487	0.11 427	0.23 477	0.17 236	0.10 366	0.27 518	0.16 313	0.37 525	0.55 550	0.21 427	0.27 424	0.47 558	0.27 510	0.35 543	0.39 565	0.09 391	0.06 337	0.07 223	0.09 416	0.12 484	0.10 447

ISRNet	0.18 442	0.08 264	0.19 441	0.19 380	0.13 474	0.15 336	0.12 71	0.30 448	0.32 444	0.21 427	0.25 398	0.27 456	0.17 418	0.17 380	0.20 443	0.20 556	0.08 438	0.14 517	0.14 519	0.14 515	0.17 548

UGAM	0.13 304	0.10 401	0.09 85	0.22 484	0.08 142	0.12 233	0.20 457	0.17 189	0.23 338	0.21 427	0.16 249	0.13 250	0.13 326	0.19 417	0.12 265	0.07 268	0.05 208	0.13 505	0.11 487	0.07 288	0.05 140

iinet-f	0.16 408	0.06 72	0.45 544	0.14 40	0.10 366	0.21 461	0.14 173	0.27 403	0.23 338	0.21 427	0.24 369	0.21 382	0.15 369	0.18 402	0.21 463	0.09 391	0.07 412	0.07 223	0.06 210	0.09 414	0.10 447

RAFT	0.13 304	0.09 340	0.11 175	0.18 319	0.08 142	0.15 336	0.24 507	0.20 256	0.19 274	0.21 427	0.21 338	0.17 333	0.12 288	0.16 348	0.09 61	0.06 127	0.07 412	0.10 440	0.09 416	0.05 115	0.05 140

psm_up	0.18 442	0.10 401	0.18 430	0.20 438	0.11 418	0.17 387	0.19 436	0.37 525	0.34 463	0.21 427	0.28 438	0.29 474	0.24 487	0.20 442	0.22 472	0.09 391	0.10 487	0.11 471	0.11 487	0.08 351	0.08 375

UNet	0.17 428	0.09 340	0.18 430	0.19 380	0.12 451	0.27 518	0.19 436	0.33 488	0.29 420	0.21 427	0.24 369	0.23 418	0.19 448	0.19 417	0.18 424	0.07 268	0.06 337	0.08 308	0.07 301	0.08 351	0.06 228

HGLStereo	0.17 428	0.08 264	0.19 441	0.17 236	0.12 451	0.18 406	0.18 396	0.31 458	0.32 444	0.21 427	0.32 468	0.25 438	0.18 432	0.19 417	0.20 443	0.09 391	0.09 467	0.07 223	0.07 301	0.09 414	0.10 447

DMCA-RVC	0.17 428	0.10 401	0.15 345	0.24 514	0.11 418	0.18 406	0.18 396	0.25 362	0.24 354	0.21 427	0.26 415	0.25 438	0.27 510	0.18 402	0.20 443	0.12 486	0.08 438	0.13 505	0.10 455	0.10 446	0.08 375

FADNet_RVC	0.16 408	0.14 486	0.40 537	0.20 438	0.11 418	0.13 277	0.13 118	0.26 380	0.22 328	0.21 427	0.23 357	0.20 373	0.17 418	0.14 292	0.16 391	0.08 332	0.08 438	0.12 490	0.09 416	0.11 469	0.10 447

STTStereo	0.18 442	0.12 445	0.27 496	0.20 438	0.11 418	0.16 366	0.21 474	0.29 434	0.23 338	0.21 427	0.30 456	0.29 474	0.18 432	0.20 442	0.19 437	0.12 486	0.11 499	0.11 471	0.14 519	0.09 414	0.08 375

RP	0.21 478	0.13 474	0.21 462	0.23 505	0.11 418	0.21 461	0.20 457	0.25 362	0.44 522	0.21 427	0.38 503	0.36 520	0.24 487	0.27 502	0.25 507	0.11 461	0.12 513	0.13 505	0.12 506	0.12 484	0.14 522

TDLM	0.17 428	0.12 445	0.13 258	0.24 514	0.10 366	0.18 406	0.18 396	0.36 519	0.30 430	0.21 427	0.28 438	0.28 466	0.18 432	0.23 483	0.18 424	0.11 461	0.07 412	0.10 440	0.10 455	0.08 351	0.08 375

NLCA_NET_v2_RVC	0.17 428	0.10 401	0.22 468	0.20 438	0.10 366	0.15 336	0.18 396	0.31 458	0.25 375	0.21 427	0.30 456	0.25 438	0.17 418	0.21 459	0.20 443	0.09 391	0.06 337	0.08 308	0.08 367	0.07 288	0.08 375
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNetv2_ROB	0.14 340	0.08 264	0.15 345	0.16 160	0.08 142	0.16 366	0.12 71	0.25 362	0.35 472	0.21 427	0.29 450	0.24 424	0.13 326	0.14 292	0.14 346	0.06 127	0.05 208	0.06 121	0.04 45	0.09 414	0.08 375

pmcnn	0.15 385	0.07 163	0.19 441	0.15 82	0.07 82	0.20 444	0.15 245	0.24 346	0.26 389	0.21 427	0.34 484	0.28 466	0.18 432	0.18 402	0.17 406	0.07 268	0.05 208	0.05 33	0.04 45	0.07 288	0.06 228

fast-acv-ft	0.18 442	0.11 427	0.19 441	0.19 380	0.12 451	0.24 487	0.21 474	0.25 362	0.34 463	0.22 443	0.34 484	0.27 456	0.20 460	0.21 459	0.23 484	0.09 391	0.09 467	0.08 308	0.10 455	0.08 351	0.07 311

ssnet_v2	0.17 428	0.10 401	0.17 407	0.17 236	0.11 418	0.21 461	0.21 474	0.33 488	0.25 375	0.22 443	0.22 348	0.27 456	0.18 432	0.22 472	0.20 443	0.11 461	0.09 467	0.09 392	0.09 416	0.08 351	0.08 375

HBP-ISP	0.18 442	0.13 474	0.16 379	0.15 82	0.11 418	0.08 57	0.13 118	0.28 423	0.29 420	0.22 443	0.33 480	0.21 382	0.25 496	0.23 483	0.17 406	0.14 523	0.16 544	0.21 551	0.17 545	0.10 446	0.08 375

ADLNet	0.16 408	0.08 264	0.15 345	0.16 160	0.10 366	0.16 366	0.17 351	0.32 469	0.27 399	0.22 443	0.27 424	0.24 424	0.16 395	0.18 402	0.21 463	0.10 432	0.06 337	0.10 440	0.10 455	0.08 351	0.09 420

MMNet	0.17 428	0.09 340	0.16 379	0.20 438	0.11 418	0.27 518	0.20 457	0.25 362	0.41 504	0.22 443	0.30 456	0.21 382	0.20 460	0.17 380	0.20 443	0.06 127	0.06 337	0.07 223	0.07 301	0.08 351	0.07 311

stereogan	0.22 487	0.11 427	0.21 462	0.20 438	0.12 451	0.31 533	0.19 436	0.35 512	0.44 522	0.22 443	0.39 511	0.35 518	0.27 510	0.33 534	0.22 472	0.10 432	0.12 513	0.10 440	0.10 455	0.14 515	0.13 505

Nwc_Net	0.23 503	0.16 504	0.21 462	0.25 525	0.14 494	0.24 487	0.26 531	0.37 525	0.38 490	0.22 443	0.41 528	0.30 483	0.28 520	0.28 514	0.25 507	0.11 461	0.10 487	0.17 537	0.20 551	0.10 446	0.10 447

PA-Net	0.23 503	0.18 526	0.33 520	0.28 546	0.22 555	0.21 461	0.38 575	0.29 434	0.39 493	0.22 443	0.32 468	0.25 438	0.26 502	0.20 442	0.25 507	0.09 391	0.23 569	0.15 529	0.22 556	0.09 414	0.13 505
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CVANet_RVC	0.18 442	0.10 401	0.14 293	0.21 469	0.10 366	0.18 406	0.17 351	0.34 497	0.33 451	0.22 443	0.31 464	0.28 466	0.18 432	0.23 483	0.17 406	0.12 486	0.08 438	0.12 490	0.11 487	0.09 414	0.07 311

AANet_RVC	0.16 408	0.10 401	0.10 129	0.18 319	0.09 263	0.18 406	0.19 436	0.26 380	0.31 437	0.22 443	0.35 488	0.21 382	0.21 464	0.22 472	0.16 391	0.06 127	0.05 208	0.06 121	0.06 210	0.07 288	0.06 228

DISCO	0.19 454	0.09 340	0.22 468	0.17 236	0.10 366	0.25 498	0.18 396	0.27 403	0.44 522	0.22 443	0.31 464	0.33 508	0.26 502	0.28 514	0.28 533	0.08 332	0.06 337	0.07 223	0.07 301	0.09 414	0.09 420

iResNet_ROB	0.14 340	0.07 163	0.13 258	0.14 40	0.07 82	0.18 406	0.14 173	0.26 380	0.31 437	0.22 443	0.25 398	0.23 418	0.15 369	0.15 314	0.13 307	0.07 268	0.05 208	0.05 33	0.04 45	0.08 351	0.08 375

TCMNet	0.19 454	0.12 445	0.19 441	0.20 438	0.18 543	0.20 444	0.24 507	0.27 403	0.36 476	0.23 455	0.26 415	0.25 438	0.19 448	0.19 417	0.23 484	0.13 509	0.11 499	0.11 471	0.12 506	0.13 502	0.12 486

GMStereo_Zeroshot	0.16 408	0.13 474	0.24 481	0.20 438	0.10 366	0.17 387	0.13 118	0.29 434	0.25 375	0.23 455	0.32 468	0.25 438	0.11 255	0.19 417	0.14 346	0.09 391	0.06 337	0.11 471	0.06 210	0.12 484	0.08 375

Anonymous_2	0.22 487	0.17 515	0.28 501	0.15 82	0.16 522	0.32 534	0.22 484	0.22 303	0.17 231	0.23 455	0.24 369	0.26 448	0.27 510	0.27 502	0.23 484	0.22 565	0.25 571	0.17 537	0.17 545	0.17 544	0.17 548

dd	0.15 385	0.16 504	0.16 379	0.19 380	0.09 263	0.15 336	0.18 396	0.21 280	0.25 375	0.23 455	0.20 317	0.21 382	0.09 194	0.21 459	0.16 391	0.10 432	0.06 337	0.08 308	0.06 210	0.08 351	0.06 228

UDG	0.21 478	0.17 515	0.19 441	0.23 505	0.15 512	0.30 532	0.20 457	0.33 488	0.35 472	0.23 455	0.28 438	0.31 496	0.27 510	0.20 442	0.22 472	0.15 527	0.12 513	0.13 505	0.09 416	0.14 515	0.14 522

SACVNet	0.18 442	0.12 445	0.14 293	0.17 236	0.13 474	0.22 469	0.18 396	0.31 458	0.30 430	0.23 455	0.31 464	0.30 483	0.22 473	0.22 472	0.17 406	0.11 461	0.08 438	0.10 440	0.10 455	0.12 484	0.14 522

DSFCA	0.16 408	0.09 340	0.14 293	0.16 160	0.10 366	0.20 444	0.19 436	0.28 423	0.31 437	0.23 455	0.24 369	0.22 400	0.15 369	0.19 417	0.20 443	0.10 432	0.07 412	0.09 392	0.09 416	0.08 351	0.08 375

FADNet	0.21 478	0.22 543	0.36 529	0.18 319	0.17 537	0.24 487	0.13 118	0.31 458	0.31 437	0.23 455	0.25 398	0.27 456	0.21 464	0.19 417	0.15 375	0.13 509	0.15 541	0.12 490	0.15 534	0.16 537	0.18 551

S-Stereo	0.20 466	0.12 445	0.25 486	0.21 469	0.13 474	0.20 444	0.18 396	0.32 469	0.43 516	0.23 455	0.36 491	0.28 466	0.30 532	0.19 417	0.22 472	0.09 391	0.12 513	0.10 440	0.10 455	0.13 502	0.13 505

SQANet	0.23 503	0.23 544	0.30 512	0.30 556	0.19 546	0.27 518	0.13 118	0.29 434	0.33 451	0.24 464	0.37 497	0.31 496	0.22 473	0.27 502	0.23 484	0.15 527	0.10 487	0.21 551	0.16 538	0.21 552	0.15 529

WZ-Net	0.28 535	0.17 515	0.78 585	0.22 484	0.16 522	0.34 543	0.29 553	0.39 538	0.57 555	0.24 464	0.55 555	0.37 525	0.24 487	0.33 534	0.35 556	0.09 391	0.08 438	0.09 392	0.10 455	0.14 515	0.16 540

LMCR-Stereo	0.15 385	0.08 264	0.13 258	0.21 469	0.09 263	0.17 387	0.20 457	0.27 403	0.19 274	0.24 464	0.24 369	0.23 418	0.17 418	0.20 442	0.17 406	0.07 268	0.06 337	0.08 308	0.06 210	0.10 446	0.08 375

DGSMNet	0.24 510	0.19 529	0.33 520	0.21 469	0.24 560	0.24 487	0.20 457	0.35 512	0.41 504	0.24 464	0.32 468	0.38 529	0.21 464	0.29 520	0.23 484	0.12 486	0.11 499	0.14 517	0.16 538	0.23 556	0.23 562

hitnet-ft	0.18 442	0.09 340	0.17 407	0.14 40	0.09 263	0.26 508	0.20 457	0.25 362	0.26 389	0.24 464	0.32 468	0.31 496	0.22 473	0.24 492	0.21 463	0.12 486	0.07 412	0.10 440	0.08 367	0.12 484	0.11 473

FADNet-RVC-Resample	0.16 408	0.11 427	0.31 514	0.22 484	0.11 418	0.19 429	0.14 173	0.25 362	0.24 354	0.24 464	0.27 424	0.20 373	0.15 369	0.16 348	0.15 375	0.07 268	0.08 438	0.12 490	0.10 455	0.09 414	0.10 447

NCC-stereo	0.24 510	0.15 496	0.31 514	0.26 531	0.16 522	0.20 444	0.30 560	0.40 542	0.40 501	0.24 464	0.38 503	0.33 508	0.28 520	0.36 549	0.27 526	0.12 486	0.11 499	0.15 529	0.22 556	0.13 502	0.13 505

Abc-Net	0.24 510	0.15 496	0.31 514	0.26 531	0.16 522	0.20 444	0.30 560	0.40 542	0.40 501	0.24 464	0.38 503	0.33 508	0.28 520	0.36 549	0.27 526	0.12 486	0.11 499	0.15 529	0.22 556	0.13 502	0.13 505
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 510	0.11 427	0.47 549	0.22 484	0.12 451	0.34 543	0.29 553	0.29 434	0.56 553	0.24 464	0.46 541	0.30 483	0.30 532	0.29 520	0.29 536	0.08 332	0.07 412	0.09 392	0.09 416	0.10 446	0.10 447

RYNet	0.22 487	0.12 445	0.22 468	0.19 380	0.17 537	0.46 561	0.26 531	0.38 533	0.48 531	0.24 464	0.28 438	0.34 514	0.23 481	0.20 442	0.30 541	0.10 432	0.06 337	0.09 392	0.09 416	0.13 502	0.15 529

DRN-Test	0.19 454	0.11 427	0.20 453	0.22 484	0.10 366	0.22 469	0.22 484	0.39 538	0.37 483	0.24 464	0.32 468	0.26 448	0.21 464	0.22 472	0.24 497	0.11 461	0.07 412	0.11 471	0.10 455	0.09 414	0.07 311

StereoDRNet	0.18 442	0.11 427	0.17 407	0.22 484	0.11 418	0.21 461	0.22 484	0.37 525	0.33 451	0.24 464	0.28 438	0.30 483	0.19 448	0.20 442	0.20 443	0.09 391	0.08 438	0.11 471	0.09 416	0.09 414	0.07 311

SGM-Forest	0.20 466	0.14 486	0.18 430	0.19 380	0.13 474	0.20 444	0.22 484	0.33 488	0.30 430	0.24 464	0.29 450	0.28 466	0.19 448	0.23 483	0.17 406	0.15 527	0.16 544	0.15 529	0.14 519	0.12 484	0.12 486
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FSD					0.22 555	0.25 498	0.25 522	0.27 403	0.26 389	0.25 477	0.26 415	0.25 438	0.27 510	0.27 502	0.24 497	0.21 560	0.20 557	0.27 562	0.26 563	0.25 563

w-ln-seven-2	0.20 466	0.14 486	0.37 533	0.22 484	0.12 451	0.20 444	0.21 474	0.28 423	0.37 483	0.25 477	0.37 497	0.27 456	0.22 473	0.21 459	0.23 484	0.08 332	0.08 438	0.09 392	0.09 416	0.10 446	0.09 420

Wz-Net-LNSev-Ref	0.18 442	0.09 340	0.29 509	0.15 82	0.10 366	0.22 469	0.20 457	0.26 380	0.39 493	0.25 477	0.42 534	0.24 424	0.15 369	0.20 442	0.19 437	0.07 268	0.05 208	0.06 121	0.05 129	0.10 446	0.09 420

CSP-Net	0.16 408	0.09 340	0.14 293	0.16 160	0.09 263	0.19 429	0.17 351	0.25 362	0.32 444	0.25 477	0.30 456	0.24 424	0.15 369	0.21 459	0.18 424	0.09 391	0.06 337	0.07 223	0.07 301	0.08 351	0.07 311

FINET	0.21 478	0.18 526	0.26 489	0.18 319	0.16 522	0.23 482	0.23 495	0.32 469	0.48 531	0.25 477	0.32 468	0.22 400	0.22 473	0.22 472	0.17 406	0.18 549	0.16 544	0.11 471	0.10 455	0.15 530	0.13 505

AF-Net	0.22 487	0.17 515	0.17 407	0.26 531	0.13 474	0.25 498	0.24 507	0.32 469	0.50 540	0.25 477	0.33 480	0.38 529	0.26 502	0.28 514	0.25 507	0.11 461	0.10 487	0.16 535	0.11 487	0.11 469	0.10 447

FADNet-RVC	0.20 466	0.20 533	0.38 534	0.21 469	0.16 522	0.20 444	0.15 245	0.26 380	0.26 389	0.26 483	0.32 468	0.26 448	0.21 464	0.22 472	0.19 437	0.12 486	0.13 526	0.12 490	0.14 519	0.13 502	0.18 551

SuperB	0.20 466	0.10 401	0.56 560	0.16 160	0.09 263	0.18 406	0.18 396	0.24 346	0.50 540	0.26 483	0.39 511	0.17 333	0.21 464	0.22 472	0.21 463	0.08 332	0.06 337	0.06 121	0.06 210	0.12 484	0.10 447

ADCRef	0.19 454	0.12 445	0.41 540	0.20 438	0.12 451	0.22 469	0.18 396	0.32 469	0.36 476	0.26 483	0.32 468	0.17 333	0.23 481	0.24 492	0.24 497	0.07 268	0.06 337	0.09 392	0.09 416	0.08 351	0.08 375

DeepPrunerF	0.24 510	0.17 515	0.42 542	0.26 531	0.16 522	0.22 469	0.28 544	0.37 525	0.50 540	0.26 483	0.29 450	0.24 424	0.28 520	0.21 459	0.22 472	0.15 527	0.11 499	0.20 550	0.18 549	0.12 484	0.13 505

ADCP+	0.20 466	0.10 401	0.33 520	0.20 438	0.12 451	0.22 469	0.26 531	0.31 458	0.34 463	0.26 483	0.37 497	0.22 400	0.22 473	0.27 502	0.27 526	0.09 391	0.06 337	0.08 308	0.08 367	0.09 414	0.10 447

StereoDRNet-Refined	0.17 428	0.12 445	0.15 345	0.20 438	0.09 263	0.18 406	0.18 396	0.26 380	0.23 338	0.26 483	0.40 517	0.22 400	0.17 418	0.21 459	0.20 443	0.08 332	0.05 208	0.09 392	0.10 455	0.07 288	0.07 311
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
z-mn7	0.24 510	0.14 486	0.45 544	0.19 380	0.13 474	0.28 525	0.25 522	0.34 497	0.62 565	0.27 489	0.56 560	0.29 474	0.24 487	0.32 531	0.25 507	0.08 332	0.08 438	0.08 308	0.08 367	0.10 446	0.10 447

YMNet	0.20 466	0.12 445	0.19 441	0.20 438	0.14 494	0.26 508	0.23 495	0.32 469	0.34 463	0.27 489	0.34 484	0.30 483	0.18 432	0.18 402	0.22 472	0.10 432	0.13 526	0.10 440	0.10 455	0.08 351	0.09 420

YMNet_1	0.20 466	0.12 445	0.19 441	0.20 438	0.14 494	0.26 508	0.23 495	0.32 469	0.34 463	0.27 489	0.34 484	0.30 483	0.18 432	0.18 402	0.22 472	0.10 432	0.13 526	0.10 440	0.10 455	0.08 351	0.09 420

test_sample8	0.19 454	0.12 445	0.20 453	0.12 4	0.14 494	0.17 387	0.13 118	0.31 458	0.21 313	0.27 489	0.22 348	0.36 520	0.25 496	0.19 417	0.17 406	0.15 527	0.30 575	0.14 517	0.14 519	0.14 515	0.12 486

GASNet	0.22 487	0.23 544	0.33 520	0.26 531	0.17 537	0.26 508	0.16 313	0.44 559	0.42 511	0.27 489	0.24 369	0.30 483	0.15 369	0.27 502	0.18 424	0.12 486	0.08 438	0.12 490	0.11 487	0.16 537	0.07 311

AACVNet	0.16 408	0.08 264	0.14 293	0.15 82	0.10 366	0.18 406	0.15 245	0.23 323	0.24 354	0.27 489	0.27 424	0.28 466	0.17 418	0.19 417	0.16 391	0.09 391	0.07 412	0.09 392	0.07 301	0.10 446	0.09 420

APVNet	0.22 487	0.12 445	0.19 441	0.18 319	0.14 494	0.32 534	0.31 566	0.39 538	0.32 444	0.27 489	0.40 517	0.30 483	0.29 528	0.26 499	0.25 507	0.11 461	0.12 513	0.11 471	0.14 519	0.12 484	0.12 486

FAT-Stereo	0.20 466	0.12 445	0.22 468	0.21 469	0.12 451	0.17 387	0.18 396	0.34 497	0.39 493	0.27 489	0.37 497	0.34 514	0.32 540	0.21 459	0.20 443	0.09 391	0.11 499	0.10 440	0.09 416	0.11 469	0.14 522

RGC	0.25 521	0.20 533	0.29 509	0.28 546	0.16 522	0.22 469	0.23 495	0.32 469	0.44 522	0.27 489	0.40 517	0.38 529	0.27 510	0.36 549	0.22 472	0.11 461	0.13 526	0.17 537	0.17 545	0.14 515	0.16 540

RTSC	0.23 503	0.12 445	0.28 501	0.21 469	0.13 474	0.28 525	0.16 313	0.35 512	0.66 573	0.27 489	0.33 480	0.30 483	0.21 464	0.31 524	0.29 536	0.10 432	0.08 438	0.09 392	0.10 455	0.13 502	0.13 505

PS-NSSS	0.20 466	0.21 539	0.23 477	0.20 438	0.10 366	0.19 429	0.17 351	0.36 519	0.25 375	0.27 489	0.33 480	0.27 456	0.24 487	0.20 442	0.20 443	0.15 527	0.12 513	0.17 537	0.14 519	0.10 446	0.08 375

CBMV_ROB	0.19 454	0.13 474	0.17 407	0.16 160	0.11 418	0.15 336	0.13 118	0.26 380	0.28 413	0.27 489	0.30 456	0.27 456	0.24 487	0.23 483	0.16 391	0.15 527	0.17 549	0.22 555	0.20 551	0.10 446	0.11 473

DLCB_ROB	0.18 442	0.10 401	0.15 345	0.23 505	0.11 418	0.24 487	0.18 396	0.29 434	0.28 413	0.27 489	0.28 438	0.28 466	0.24 487	0.19 417	0.20 443	0.08 332	0.08 438	0.09 392	0.09 416	0.07 288	0.07 311

DispFullNet	0.27 531	0.21 539	0.65 569	0.28 546	0.16 522	0.26 508	0.17 351	0.33 488	0.58 558	0.27 489	0.38 503	0.43 547	0.23 481	0.38 556	0.23 484	0.12 486	0.06 337	0.19 548	0.11 487	0.21 552	0.15 529

PSMNet_ROB	0.21 478	0.11 427	0.15 345	0.27 543	0.15 512	0.24 487	0.35 570	0.43 557	0.37 483	0.27 489	0.32 468	0.32 505	0.22 473	0.21 459	0.26 518	0.12 486	0.08 438	0.13 505	0.11 487	0.09 414	0.09 420

zh-sn7	0.25 521	0.17 515	0.50 551	0.24 514	0.13 474	0.25 498	0.24 507	0.34 497	0.48 531	0.28 504	0.54 553	0.28 466	0.31 536	0.36 549	0.32 549	0.10 432	0.10 487	0.11 471	0.10 455	0.12 484	0.12 486

GCST	0.37 556	0.42 574	0.26 489	1.02 598	0.39 574	0.18 406	0.08 7	0.20 256	0.17 231	0.28 504	0.25 398	0.15 299	0.12 288	0.16 348	0.14 346	0.64 594	0.43 583	0.75 591	0.65 594	0.63 587	0.46 586

Wz-Net-MNSev	0.22 487	0.13 474	0.31 514	0.20 438	0.14 494	0.36 552	0.24 507	0.33 488	0.44 522	0.28 504	0.40 517	0.38 529	0.19 448	0.24 492	0.25 507	0.09 391	0.07 412	0.09 392	0.09 416	0.12 484	0.10 447

CRFU-Net	0.16 408	0.08 264	0.14 293	0.17 236	0.09 263	0.19 429	0.14 173	0.26 380	0.20 298	0.28 504	0.27 424	0.29 474	0.17 418	0.19 417	0.17 406	0.09 391	0.09 467	0.07 223	0.07 301	0.08 351	0.08 375

Syn2CoEx	0.21 478	0.16 504	0.27 496	0.29 554	0.14 494	0.26 508	0.20 457	0.33 488	0.31 437	0.28 504	0.36 491	0.27 456	0.25 496	0.19 417	0.24 497	0.16 543	0.12 513	0.14 517	0.11 487	0.09 414	0.08 375

DANet	0.21 478	0.15 496	0.28 501	0.25 525	0.13 474	0.22 469	0.19 436	0.27 403	0.27 399	0.28 504	0.32 468	0.35 518	0.31 536	0.31 524	0.23 484	0.11 461	0.09 467	0.11 471	0.10 455	0.13 502	0.11 473
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
ETE_ROB	0.23 503	0.17 515	0.22 468	0.25 525	0.13 474	0.26 508	0.29 553	0.31 458	0.36 476	0.28 504	0.36 491	0.45 551	0.26 502	0.27 502	0.26 518	0.11 461	0.08 438	0.12 490	0.09 416	0.14 515	0.13 505

PDISCO_ROB	0.27 531	0.16 504	0.26 489	0.28 546	0.20 549	0.32 534	0.26 531	0.44 559	0.57 555	0.28 504	0.40 517	0.45 551	0.29 528	0.33 534	0.34 555	0.12 486	0.09 467	0.17 537	0.16 538	0.17 544	0.13 505

w-ln-seven	0.24 510	0.14 486	0.55 557	0.19 380	0.14 494	0.26 508	0.22 484	0.35 512	0.60 562	0.29 512	0.39 511	0.30 483	0.22 473	0.21 459	0.26 518	0.09 391	0.09 467	0.11 471	0.10 455	0.11 469	0.10 447

DPSNet	0.28 535	0.16 504	0.31 514	0.18 319	0.13 474	0.54 569	0.42 579	0.51 572	0.67 574	0.29 512	0.38 503	0.38 529	0.29 528	0.31 524	0.23 484	0.11 461	0.10 487	0.11 471	0.08 367	0.20 551	0.16 540

PWCDC_ROB	0.20 466	0.13 474	0.22 468	0.24 514	0.11 418	0.19 429	0.15 245	0.33 488	0.54 549	0.29 512	0.50 549	0.21 382	0.15 369	0.27 502	0.20 443	0.11 461	0.09 467	0.10 440	0.08 367	0.11 469	0.09 420

CBMV	0.19 454	0.14 486	0.17 407	0.18 319	0.10 366	0.20 444	0.11 51	0.29 434	0.30 430	0.29 512	0.30 456	0.30 483	0.23 481	0.27 502	0.19 437	0.13 509	0.15 541	0.17 537	0.16 538	0.10 446	0.10 447
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-SNSev	0.25 521	0.17 515	0.44 543	0.25 525	0.14 494	0.26 508	0.23 495	0.38 533	0.56 553	0.30 516	0.55 555	0.39 537	0.26 502	0.23 483	0.30 541	0.10 432	0.09 467	0.09 392	0.10 455	0.11 469	0.11 473

Wz-Net-LNSev	0.22 487	0.16 504	0.38 534	0.21 469	0.13 474	0.25 498	0.23 495	0.32 469	0.43 516	0.30 516	0.41 528	0.31 496	0.18 432	0.22 472	0.25 507	0.10 432	0.09 467	0.08 308	0.08 367	0.12 484	0.11 473

dad	0.17 428	0.20 533	0.20 453	0.16 160	0.11 418	0.20 444	0.18 396	0.21 280	0.28 413	0.30 516	0.24 369	0.29 474	0.13 326	0.19 417	0.16 391	0.18 549	0.09 467	0.11 471	0.09 416	0.11 469	0.07 311

ADCPNet	0.25 521	0.16 504	0.61 566	0.21 469	0.15 512	0.35 551	0.25 522	0.32 469	0.35 472	0.30 516	0.40 517	0.36 520	0.28 520	0.28 514	0.32 549	0.12 486	0.10 487	0.11 471	0.12 506	0.14 515	0.13 505

XPNet_ROB	0.22 487	0.11 427	0.19 441	0.22 484	0.13 474	0.22 469	0.19 436	0.34 497	0.40 501	0.30 516	0.39 511	0.39 537	0.26 502	0.26 499	0.28 533	0.15 527	0.10 487	0.10 440	0.10 455	0.13 502	0.12 486

PWC_ROB	0.21 478	0.16 504	0.26 489	0.18 319	0.11 418	0.22 469	0.13 118	0.32 469	0.49 537	0.30 516	0.40 517	0.32 505	0.24 487	0.31 524	0.22 472	0.10 432	0.07 412	0.11 471	0.08 367	0.11 469	0.10 447

DDUNet	0.22 487	0.17 515	0.21 462	0.22 484	0.15 512	0.25 498	0.24 507	0.29 434	0.30 430	0.31 522	0.36 491	0.33 508	0.25 496	0.24 492	0.20 443	0.18 549	0.13 526	0.17 537	0.11 487	0.16 537	0.16 540

XQC	0.28 535	0.23 544	0.51 552	0.28 546	0.19 546	0.34 543	0.27 538	0.36 519	0.57 555	0.31 522	0.30 456	0.37 525	0.30 532	0.38 556	0.38 563	0.13 509	0.09 467	0.15 529	0.12 506	0.17 544	0.18 551

AnyNet_C32	0.26 529	0.16 504	0.36 529	0.20 438	0.16 522	0.25 498	0.30 560	0.32 469	0.44 522	0.31 522	0.49 545	0.30 483	0.33 541	0.40 564	0.33 553	0.12 486	0.12 513	0.12 490	0.14 519	0.14 515	0.15 529

GANet	0.21 478	0.12 445	0.21 462	0.24 514	0.13 474	0.22 469	0.22 484	0.41 548	0.26 389	0.31 522	0.42 534	0.37 525	0.28 520	0.23 483	0.22 472	0.10 432	0.12 513	0.10 440	0.09 416	0.10 446	0.08 375

NCCL2	0.23 503	0.15 496	0.17 407	0.34 561	0.18 543	0.24 487	0.23 495	0.34 497	0.28 413	0.31 522	0.38 503	0.38 529	0.28 520	0.23 483	0.24 497	0.15 527	0.12 513	0.18 546	0.21 553	0.13 502	0.13 505

NaN_ROB	0.22 487	0.19 529	0.24 481	0.25 525	0.13 474	0.29 529	0.26 531	0.33 488	0.41 504	0.31 522	0.31 464	0.32 505	0.23 481	0.30 523	0.21 463	0.11 461	0.17 549	0.10 440	0.10 455	0.08 351	0.09 420

Consistency-Raft	0.44 565	0.40 572	0.45 544	0.37 567	0.43 578	0.46 561	0.41 576	0.57 580	0.55 550	0.32 528	0.73 576	0.33 508	0.48 570	0.42 567	0.49 579	0.39 578	0.35 580	0.45 578	0.51 587	0.42 578	0.29 572

MaskLacGwcNet_RVC	0.22 487	0.21 539	0.24 481	0.26 531	0.11 418	0.23 482	0.14 173	0.39 538	0.24 354	0.32 528	0.36 491	0.30 483	0.21 464	0.19 417	0.21 463	0.17 548	0.14 535	0.21 551	0.16 538	0.12 484	0.12 486

edge stereo	0.22 487	0.13 474	0.20 453	0.21 469	0.13 474	0.23 482	0.16 313	0.32 469	0.42 511	0.32 528	0.40 517	0.38 529	0.35 547	0.25 497	0.24 497	0.13 509	0.11 499	0.14 517	0.11 487	0.12 484	0.13 505

SHD	0.26 529	0.15 496	0.30 512	0.24 514	0.18 543	0.22 469	0.15 245	0.38 533	0.71 577	0.32 528	0.41 528	0.36 520	0.28 520	0.32 531	0.29 536	0.12 486	0.11 499	0.14 517	0.13 516	0.16 537	0.20 557

PSMNet-RUCA	0.27 531	0.33 566	0.41 540	0.36 565	0.32 573	0.18 406	0.19 436	0.42 553	0.30 430	0.33 532	0.41 528	0.39 537	0.25 496	0.31 524	0.20 443	0.18 549	0.10 487	0.25 558	0.15 534	0.21 552	0.16 540

LALA_ROB	0.25 521	0.16 504	0.22 468	0.26 531	0.17 537	0.27 518	0.27 538	0.42 553	0.37 483	0.33 532	0.38 503	0.51 562	0.26 502	0.28 514	0.27 526	0.16 543	0.09 467	0.12 490	0.11 487	0.13 502	0.12 486

Wz-Net-TNSev	0.29 539	0.20 533	0.65 569	0.19 380	0.15 512	0.38 556	0.27 538	0.35 512	0.55 550	0.34 534	0.42 534	0.45 551	0.38 552	0.32 531	0.30 541	0.12 486	0.13 526	0.10 440	0.12 506	0.15 530	0.14 522

zh-mn7	0.25 521	0.14 486	0.56 560	0.19 380	0.14 494	0.24 487	0.22 484	0.34 497	0.62 565	0.35 535	0.65 568	0.31 496	0.25 496	0.31 524	0.25 507	0.09 391	0.08 438	0.09 392	0.09 416	0.09 414	0.11 473

GANetREF_RVC	0.31 546	0.34 567	0.27 496	0.35 563	0.16 522	0.32 534	0.41 576	0.48 566	0.51 547	0.35 535	0.35 488	0.34 514	0.33 541	0.39 560	0.32 549	0.27 573	0.20 557	0.29 570	0.15 534	0.18 547	0.17 548
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
PASM	0.32 548	0.24 547	0.48 550	0.28 546	0.27 566	0.29 529	0.30 560	0.34 497	0.49 537	0.35 535	0.39 511	0.46 555	0.34 545	0.34 537	0.35 556	0.23 569	0.25 571	0.26 559	0.28 569	0.23 556	0.21 559

ccnet	0.29 539	0.28 559	0.23 477	0.20 438	0.28 567	0.41 560	0.21 474	0.45 562	0.33 451	0.36 538	0.46 541	0.36 520	0.30 532	0.39 560	0.42 572	0.23 569	0.14 535	0.21 551	0.17 545	0.23 556	0.18 551

G-Net	0.24 510	0.16 504	0.36 529	0.22 484	0.16 522	0.51 567	0.23 495	0.29 434	0.34 463	0.36 538	0.38 503	0.31 496	0.29 528	0.27 502	0.26 518	0.11 461	0.09 467	0.12 490	0.09 416	0.16 537	0.13 505

SAMSARA	0.40 560	0.28 559	0.33 520	0.55 579	0.39 574	0.82 591	1.23 606	0.47 565	0.51 547	0.36 538	0.35 488	0.55 568	0.39 554	0.38 556	0.39 565	0.15 527	0.20 557	0.15 529	0.14 519	0.23 556	0.20 557

ADCMid	0.25 521	0.15 496	0.40 537	0.20 438	0.14 494	0.25 498	0.26 531	0.34 497	0.38 490	0.36 538	0.44 539	0.34 514	0.40 557	0.35 543	0.33 553	0.10 432	0.09 467	0.11 471	0.11 487	0.13 502	0.12 486

SANet	0.24 510	0.14 486	0.28 501	0.21 469	0.11 418	0.27 518	0.24 507	0.38 533	0.64 569	0.36 538	0.40 517	0.43 547	0.26 502	0.27 502	0.24 497	0.12 486	0.09 467	0.10 440	0.09 416	0.13 502	0.11 473

CSAN	0.29 539	0.24 547	0.27 496	0.34 561	0.19 546	0.33 540	0.42 579	0.37 525	0.50 540	0.38 543	0.40 517	0.44 549	0.33 541	0.28 514	0.30 541	0.20 556	0.16 544	0.19 548	0.19 550	0.14 515	0.15 529

WCMA_ROB	0.24 510	0.11 427	0.22 468	0.17 236	0.14 494	0.32 534	0.15 245	0.32 469	0.32 444	0.38 543	0.53 551	0.40 541	0.34 545	0.34 537	0.25 507	0.11 461	0.12 513	0.12 490	0.10 455	0.14 515	0.14 522

AnyNet_C01	0.36 555	0.25 552	1.37 597	0.22 484	0.17 537	0.48 565	0.27 538	0.35 512	0.39 493	0.39 545	0.74 578	0.46 555	0.38 552	0.45 568	0.47 577	0.13 509	0.13 526	0.13 505	0.14 519	0.14 515	0.15 529

CC-Net-ROB	0.28 535	0.31 564	0.36 529	0.29 554	0.15 512	0.25 498	0.19 436	0.45 562	0.33 451	0.39 545	0.37 497	0.39 537	0.31 536	0.27 502	0.26 518	0.24 571	0.19 554	0.30 572	0.23 560	0.18 547	0.15 529

MDST_ROB	0.22 487	0.10 401	0.17 407	0.18 319	0.11 418	0.37 553	0.19 436	0.43 557	0.41 504	0.39 545	0.39 511	0.29 474	0.21 464	0.26 499	0.18 424	0.11 461	0.10 487	0.14 517	0.11 487	0.10 446	0.08 375

otaku	0.39 557	0.37 570	0.52 553	0.44 572	0.28 567	0.58 571	0.24 507	0.41 548	0.62 565	0.40 548	0.49 545	0.46 555	0.33 541	0.40 564	0.32 549	0.30 574	0.30 575	0.39 576	0.33 575	0.29 570	0.28 571

MFN_U_SF_DS_RVC	0.30 545	0.24 547	0.29 509	0.36 565	0.16 522	0.34 543	0.30 560	0.32 469	0.42 511	0.40 548	0.46 541	0.38 529	0.31 536	0.34 537	0.28 533	0.19 554	0.20 557	0.26 559	0.29 570	0.18 547	0.19 556

ADCS	0.29 539	0.18 526	0.45 544	0.21 469	0.17 537	0.28 525	0.23 495	0.41 548	0.63 568	0.40 548	0.49 545	0.40 541	0.36 549	0.39 560	0.40 568	0.13 509	0.12 513	0.13 505	0.14 519	0.16 537	0.16 540

MSMD_ROB	0.31 546	0.26 553	0.26 489	0.24 514	0.21 553	0.34 543	0.25 522	0.34 497	0.39 493	0.40 548	0.69 572	0.45 551	0.40 557	0.34 537	0.27 526	0.20 556	0.19 554	0.26 559	0.25 562	0.23 556	0.22 561

Ntro	0.40 560	0.40 572	0.53 554	0.46 576	0.30 571	0.65 577	0.24 507	0.46 564	0.68 575	0.41 552	0.49 545	0.48 560	0.42 565	0.39 560	0.31 548	0.32 575	0.28 573	0.37 575	0.30 572	0.32 575	0.29 572

psmorigin	0.25 521	0.15 496	0.34 528	0.17 236	0.13 474	0.23 482	0.14 173	0.34 497	0.33 451	0.41 552	0.55 555	0.41 543	0.37 551	0.34 537	0.27 526	0.11 461	0.15 541	0.11 471	0.11 487	0.12 484	0.16 540

FBW_ROB	0.24 510	0.17 515	0.22 468	0.26 531	0.14 494	0.25 498	0.22 484	0.41 548	0.41 504	0.41 552	0.41 528	0.42 544	0.27 510	0.31 524	0.23 484	0.09 391	0.14 535	0.14 517	0.12 506	0.11 469	0.09 420

ACVNet-4b	0.39 557	0.53 577	0.55 557	0.45 573	0.24 560	0.47 563	0.18 396	0.49 568	0.64 569	0.42 555	0.45 540	0.60 570	0.27 510	0.34 537	0.24 497	0.33 576	0.14 535	0.48 579	0.42 580	0.30 571	0.26 570

RTS	0.45 567	0.19 529	3.26 603	0.24 514	0.15 512	0.74 584	0.20 457	0.36 519	0.76 584	0.42 555	0.43 537	0.31 496	0.41 562	0.53 577	0.35 556	0.10 432	0.08 438	0.13 505	0.12 506	0.15 530	0.15 529

RTSA	0.45 567	0.19 529	3.26 603	0.24 514	0.15 512	0.74 584	0.20 457	0.36 519	0.76 584	0.42 555	0.43 537	0.31 496	0.41 562	0.53 577	0.35 556	0.10 432	0.08 438	0.13 505	0.12 506	0.15 530	0.15 529

FCDSN-DC	0.33 551	0.28 559	0.28 501	0.30 556	0.24 560	0.39 557	0.28 544	0.42 553	0.42 511	0.43 558	0.53 551	0.51 562	0.41 562	0.36 549	0.30 541	0.21 560	0.20 557	0.27 562	0.26 563	0.25 563	0.24 563
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SGM_RVC	0.23 503	0.12 445	0.15 345	0.15 82	0.09 263	0.33 540	0.18 396	0.34 497	0.31 437	0.44 559	0.37 497	0.53 566	0.35 547	0.35 543	0.24 497	0.13 509	0.13 526	0.13 505	0.13 516	0.10 446	0.11 473
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN v2	0.33 551	0.27 555	0.28 501	0.26 531	0.23 558	0.37 553	0.28 544	0.40 542	0.43 516	0.45 560	0.56 560	0.51 562	0.40 557	0.37 554	0.29 536	0.21 560	0.20 557	0.27 562	0.26 563	0.25 563	0.24 563

FC-DCNN	0.33 551	0.27 555	0.28 501	0.26 531	0.23 558	0.37 553	0.28 544	0.40 542	0.43 516	0.45 560	0.55 555	0.51 562	0.40 557	0.37 554	0.30 541	0.21 560	0.20 557	0.27 562	0.26 563	0.25 563	0.24 563

LSM	0.33 551	0.20 533	0.58 563	0.26 531	0.60 590	0.34 543	0.25 522	0.42 553	0.48 531	0.45 560	0.58 565	0.42 544	0.36 549	0.35 543	0.25 507	0.12 486	0.20 557	0.14 517	0.16 538	0.19 550	0.33 577

MFN_U_SF_RVC	0.32 548	0.21 539	0.55 557	0.30 556	0.15 512	0.34 543	0.17 351	0.52 573	0.46 529	0.46 563	0.55 555	0.59 569	0.39 554	0.35 543	0.37 561	0.15 527	0.14 535	0.18 546	0.21 553	0.16 537	0.15 529

aanetorigin	0.22 487	0.17 515	0.56 560	0.17 236	0.10 366	0.15 336	0.19 436	0.20 256	0.33 451	0.49 564	0.48 544	0.29 474	0.27 510	0.20 442	0.23 484	0.08 332	0.07 412	0.08 308	0.07 301	0.10 446	0.09 420

RainbowNet	0.54 575	0.61 581	0.70 583	0.57 580	0.43 578	0.65 577	0.37 574	0.60 582	0.87 588	0.50 565	0.66 569	0.64 573	0.47 569	0.49 570	0.43 575	0.47 584	0.48 589	0.52 583	0.41 579	0.52 581	0.40 583

MonStereo1	0.47 571	0.26 553	0.58 563	0.28 546	0.20 549	0.39 557	0.18 396	0.49 568	0.64 569	0.52 566	0.87 585	1.01 586	0.57 579	0.50 571	0.56 584	0.53 587	0.31 578	0.54 585	0.40 578	0.33 576	0.34 578

MADNet+	0.75 585	0.71 587	3.70 606	0.66 582	0.41 576	0.98 596	0.97 604	0.69 585	0.73 582	0.52 566	0.57 563	0.64 573	0.68 587	0.86 595	1.01 603	0.34 577	0.36 581	0.28 569	0.23 560	0.36 577	0.31 575

SGM-ForestM	0.32 548	0.12 445	0.16 379	0.16 160	0.11 418	0.39 557	0.19 436	0.41 548	0.50 540	0.52 566	0.54 553	1.32 597	0.42 565	0.40 564	0.27 526	0.14 523	0.16 544	0.16 535	0.16 538	0.12 484	0.12 486

MeshStereo	0.27 531	0.13 474	0.18 430	0.15 82	0.11 418	0.32 534	0.24 507	0.40 542	0.36 476	0.52 566	0.57 563	0.67 577	0.40 557	0.35 543	0.26 518	0.14 523	0.13 526	0.13 505	0.11 487	0.11 469	0.10 447
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
anonymity	0.53 574	0.58 579	0.65 569	0.41 570	0.61 591	0.53 568	0.41 576	0.56 578	0.41 504	0.55 570	0.50 549	0.49 561	0.55 577	0.58 582	0.50 582	0.58 590	0.50 593	0.51 581	0.51 587	0.51 580	0.57 588

PVD	0.39 557	0.20 533	0.39 536	0.31 560	0.22 555	0.29 529	0.43 581	0.52 573	0.96 591	0.55 570	0.79 582	0.53 566	0.59 581	0.52 575	0.38 563	0.19 554	0.14 535	0.17 537	0.14 519	0.24 562	0.31 575

MFMNet_re	0.64 578	0.66 585	0.65 569	0.51 577	0.69 595	0.69 580	0.57 589	0.64 584	0.73 582	0.60 572	0.73 576	0.62 572	0.67 586	0.65 585	0.60 587	0.66 595	0.58 602	0.63 586	0.59 590	0.68 592	0.69 598

ACVNet_1	0.44 565	0.49 576	0.60 565	0.45 573	0.28 567	0.49 566	0.27 538	0.57 580	0.72 578	0.62 573	0.58 565	0.74 581	0.49 571	0.50 571	0.35 556	0.26 572	0.24 570	0.39 576	0.29 570	0.31 574	0.24 563

TorneroNet-64	0.76 586	0.72 588	0.74 584	0.78 587	0.58 589	0.91 595	0.56 588	0.84 589	1.29 597	0.66 574	0.90 586	1.40 599	0.75 589	0.85 594	0.67 593	0.49 585	0.46 584	0.72 590	0.59 590	0.67 591	0.53 587

SGM+DAISY	0.56 576	0.57 578	0.65 569	0.40 568	0.54 583	0.66 579	0.49 583	0.56 578	0.45 528	0.66 574	0.69 572	0.67 577	0.56 578	0.63 584	0.56 584	0.59 591	0.48 589	0.50 580	0.50 586	0.52 581	0.58 589

SPS-STEREO	0.57 577	0.58 579	0.65 569	0.45 573	0.55 585	0.62 575	0.44 582	0.62 583	0.50 540	0.68 576	0.64 567	0.66 576	0.57 579	0.61 583	0.60 587	0.62 593	0.47 588	0.51 581	0.49 584	0.55 585	0.58 589
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
JetBlue	0.71 582	0.45 575	1.14 595	0.51 577	0.47 580	2.02 606	0.64 593	0.75 586	0.70 576	0.69 577	0.77 581	1.22 593	0.83 592	1.03 603	1.01 603	0.40 579	0.28 573	0.33 573	0.33 575	0.30 571	0.34 578

MSC_U_SF_DS_RVC	0.43 564	0.39 571	0.54 555	0.40 568	0.20 549	0.64 576	0.32 568	0.53 575	0.72 578	0.71 578	0.72 575	0.61 571	0.54 574	0.51 573	0.46 576	0.20 556	0.19 554	0.29 570	0.30 572	0.23 556	0.18 551

ELAS	0.41 562	0.29 562	0.33 520	0.27 543	0.24 560	0.60 574	0.36 571	0.50 571	0.50 540	0.71 578	0.79 582	0.67 577	0.54 574	0.51 573	0.42 572	0.22 565	0.20 557	0.27 562	0.26 563	0.26 568	0.25 568
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	7.91 610	0.31 564	153.02 631	0.19 380	0.09 263	0.21 461	0.16 313	0.22 303	0.59 559	0.72 580	0.67 570	0.42 544	0.50 572	0.24 492	0.39 565	0.08 332	0.07 412	0.08 308	0.07 301	0.12 484	0.10 447

MANE	0.45 567	0.27 555	0.27 496	0.27 543	0.24 560	0.47 563	0.31 566	0.55 577	0.59 559	0.72 580	1.13 599	1.15 591	0.61 582	0.52 575	0.37 561	0.21 560	0.20 557	0.27 562	0.31 574	0.25 563	0.24 563

NVStereoNet_ROB	0.46 570	0.36 569	0.46 548	0.41 570	0.28 567	0.34 543	0.34 569	0.48 566	0.60 562	0.72 580	0.93 588	0.70 580	0.66 585	0.47 569	0.60 587	0.22 565	0.33 579	0.34 574	0.34 577	0.30 571	0.30 574
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ELAS_RVC	0.41 562	0.29 562	0.33 520	0.28 546	0.24 560	0.54 569	0.36 571	0.49 568	0.59 559	0.72 580	0.74 578	0.65 575	0.54 574	0.54 579	0.40 568	0.22 565	0.20 557	0.27 562	0.26 563	0.26 568	0.25 568
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IMH-64-1	0.65 579	0.61 581	0.68 577	0.71 583	0.51 581	0.59 572	0.49 583	0.91 591	0.85 586	0.74 584	1.02 592	0.81 582	0.78 590	0.79 588	0.49 579	0.42 580	0.46 584	0.71 588	0.47 582	0.52 581	0.39 581

IMH-64	0.65 579	0.61 581	0.68 577	0.71 583	0.51 581	0.59 572	0.49 583	0.91 591	0.85 586	0.74 584	1.02 592	0.81 582	0.78 590	0.79 588	0.49 579	0.42 580	0.46 584	0.71 588	0.47 582	0.52 581	0.39 581

EDNetEfficient	0.29 539	0.24 547	1.13 594	0.18 319	0.10 366	0.19 429	0.20 457	0.20 256	0.60 562	0.74 584	0.56 560	0.31 496	0.39 554	0.22 472	0.30 541	0.09 391	0.07 412	0.08 308	0.07 301	0.11 469	0.09 420

TorneroNet	0.82 589	0.74 589	0.81 589	0.84 590	0.63 592	0.99 597	0.63 591	0.96 595	1.16 594	0.80 587	1.11 597	1.36 598	0.86 594	0.93 599	0.80 598	0.56 588	0.49 591	0.78 596	0.66 595	0.73 597	0.63 597

IMH	0.71 582	0.64 584	0.68 577	0.76 585	0.54 583	0.69 580	0.54 587	0.98 597	1.10 593	0.82 588	1.09 595	0.89 584	0.88 595	0.87 596	0.52 583	0.44 583	0.50 593	0.75 591	0.51 587	0.56 586	0.41 584

BEATNet-Init1	0.52 573	0.27 555	0.62 567	0.30 556	0.21 553	0.76 588	0.29 553	0.54 576	0.65 572	0.86 589	0.95 590	2.07 606	0.62 584	0.56 581	0.42 572	0.18 549	0.18 551	0.23 556	0.22 556	0.22 555	0.21 559

ACVNet_2	0.66 581	0.66 585	0.68 577	0.63 581	0.41 576	0.71 582	0.49 583	0.96 595	1.39 600	0.89 590	1.09 595	1.04 587	0.73 588	0.54 579	0.47 577	0.43 582	0.40 582	0.53 584	0.44 581	0.47 579	0.35 580

WAO-7	0.79 587	0.78 590	0.54 555	0.85 591	0.67 594	0.74 584	0.68 597	1.05 600	1.32 598	0.90 591	1.20 602	1.04 587	0.92 596	0.69 586	0.66 590	0.60 592	0.62 603	0.67 587	0.68 596	0.64 588	0.58 589

WAO-6	0.81 588	0.80 591	0.62 567	0.86 592	0.63 592	0.76 588	0.58 590	0.98 597	1.54 605	0.90 591	0.96 591	1.07 589	1.03 600	0.70 587	0.66 590	0.72 596	0.49 591	0.90 599	0.71 597	0.68 592	0.58 589

LVE	0.83 590	0.85 594	0.85 590	0.80 588	0.56 586	1.04 601	0.65 594	1.05 600	1.47 603	0.96 593	1.22 603	1.10 590	0.85 593	0.83 591	0.71 595	0.49 585	0.55 599	0.76 594	0.60 592	0.65 589	0.59 594

PWCK	0.71 582	0.94 596	0.95 592	0.76 585	0.31 572	0.74 584	0.36 571	0.90 590	0.90 589	0.96 593	0.75 580	0.95 585	0.61 582	0.87 596	0.66 590	0.72 596	0.46 584	0.75 591	0.49 584	0.69 594	0.44 585

UNDER WATER	0.97 595	0.97 598	1.42 598	0.99 597	0.70 598	1.12 603	0.84 600	0.80 588	1.08 592	1.01 595	0.90 586	1.55 603	1.22 607	1.03 603	1.00 602	0.78 600	0.53 596	1.02 601	0.87 602	0.80 599	0.74 600

UNDER WATER-64	0.95 594	0.94 596	1.43 599	0.87 593	0.56 586	1.18 604	0.87 601	0.77 587	0.94 590	1.04 596	0.85 584	1.58 604	1.21 606	0.94 600	0.96 601	0.87 602	0.57 601	1.03 602	0.88 603	0.78 598	0.73 599

ktn	1.01 597	1.21 601	0.80 588	1.23 602	0.86 601	1.01 599	0.87 601	0.94 594	1.39 600	1.04 596	1.12 598	1.15 591	1.07 601	0.94 600	0.59 586	1.28 607	0.71 605	1.38 607	0.83 601	1.02 603	0.75 601

WAO-8	0.91 592	0.81 592	0.65 569	0.94 595	0.69 595	0.90 592	0.67 595	1.07 603	1.83 608	1.06 598	1.45 605	1.30 594	1.07 601	0.84 592	0.78 596	0.74 598	0.53 596	0.86 597	0.75 598	0.69 594	0.62 595

Venus	0.91 592	0.81 592	0.65 569	0.94 595	0.69 595	0.90 592	0.67 595	1.07 603	1.83 608	1.06 598	1.45 605	1.30 594	1.07 601	0.84 592	0.78 596	0.74 598	0.53 596	0.86 597	0.75 598	0.69 594	0.62 595

TCMNet-wrong-test	3.67 604	5.48 617	3.89 607	12.18 616	11.75 618	4.65 608	3.88 610	1.06 602	0.72 578	1.09 600	2.15 609	6.30 613	0.53 573	3.43 610	2.36 609	0.89 603	0.20 557	1.87 610	1.69 609	5.57 614	3.62 614

Dean	0.87 591	0.86 595	0.79 587	0.81 589	0.56 586	0.90 592	0.63 591	1.15 606	1.73 606	1.15 601	1.15 600	1.31 596	0.99 599	0.81 590	0.81 599	0.57 589	0.56 600	0.77 595	0.64 593	0.66 590	0.58 589

KSHMR	1.09 598	1.17 600	0.88 591	1.25 603	1.00 603	0.99 597	0.96 603	1.13 605	1.37 599	1.16 602	1.29 604	1.41 600	0.96 598	1.01 602	0.92 600	1.03 605	1.08 607	1.20 604	1.03 606	1.01 602	0.97 604

notaker	0.97 595	1.11 599	0.98 593	1.13 600	0.81 599	0.73 583	0.68 597	0.93 593	1.16 594	1.18 603	1.18 601	1.41 600	1.16 605	1.08 605	0.69 594	0.81 601	0.64 604	1.17 603	0.79 600	0.98 601	0.80 602

tt	4.67 605	0.06 72	3.55 605	2.02 605	1.55 605	10.25 613	16.71 614	8.91 618	5.03 611	1.31 604	0.94 589	4.71 609	4.76 610	3.33 609	5.87 612	6.06 617	10.30 621	1.88 611	2.11 611	2.75 608	1.21 607

DPSimNet_ROB	1.11 599	1.23 602	0.78 585	1.13 600	0.88 602	1.10 602	1.13 605	1.16 607	1.23 596	1.43 605	1.02 592	1.41 600	1.10 604	0.90 598	1.60 605	1.46 608	0.51 595	1.21 605	1.03 606	0.90 600	1.01 606

HanzoNet	1.29 600	1.26 603	1.19 596	1.12 599	0.85 600	1.02 600	0.83 599	1.03 599	1.48 604	1.64 606	1.61 607	2.50 608	1.72 608	1.61 607	1.61 606	1.26 606	0.80 606	1.31 606	1.01 605	1.02 603	0.86 603

JetRed	1.62 601	1.46 604	2.98 601	0.92 594	1.21 604	4.99 609	1.53 609	1.27 608	1.39 600	1.83 607	1.74 608	1.60 605	0.95 597	1.41 606	2.45 610	0.90 604	1.60 608	0.93 600	0.90 604	1.35 605	0.99 605

coex-ft	3.30 603	0.34 567	59.09 630	0.18 319	0.13 474	0.26 508	0.22 484	0.27 403	0.72 578	1.90 608	0.70 574	0.44 549	0.45 568	0.29 520	0.41 571	0.09 391	0.09 467	0.12 490	0.09 416	0.14 515	0.13 505

MADNet++	1.95 602	1.75 605	1.59 600	1.82 604	1.69 606	2.33 607	1.40 608	2.35 609	2.09 610	2.57 609	2.36 610	2.24 607	2.17 609	2.28 608	2.34 608	1.87 609	1.66 609	1.54 608	1.34 608	1.92 606	1.77 608

LE_ROB	0.50 572	0.07 163	0.14 293	0.15 82	0.08 142	0.24 487	0.16 313	0.22 303	1.81 607	4.63 610	0.67 570	0.47 558	0.44 567	0.20 442	0.29 536	0.07 268	0.06 337	0.06 121	0.06 210	0.08 351	0.06 228

DPSMNet_ROB	8.06 611	4.48 610	8.63 616	5.37 611	10.74 615	8.32 611	22.98 620	5.46 611	13.36 619	5.12 611	9.92 615	5.08 610	10.40 617	5.53 613	12.58 617	3.80 615	8.00 616	3.50 612	7.02 615	3.83 612	7.14 616

DGTPSM_ROB	8.06 611	4.48 610	8.63 616	5.35 609	10.72 614	8.32 611	22.97 619	5.46 611	13.35 618	5.12 611	9.92 615	5.08 610	10.40 617	5.52 612	12.58 617	3.79 614	8.00 616	3.50 612	7.02 615	3.83 612	7.14 616

USTest	6.22 606	2.73 608	3.00 602	6.57 612	7.29 612	14.37 615	21.57 615	7.00 617	9.56 616	5.34 613	6.10 611	5.72 612	7.64 613	6.41 614	6.96 613	1.97 610	3.42 615	1.64 609	2.15 612	2.66 607	2.36 609

xxxxx1	7.79 607	5.02 614	7.31 610	3.12 606	3.85 608	16.35 617	22.88 616	5.86 614	8.69 613	7.97 614	8.54 612	9.12 616	8.27 614	10.18 616	10.92 614	2.42 611	2.45 611	3.56 614	12.37 618	3.77 609	3.06 611

tt_ll	7.79 607	5.02 614	7.31 610	3.12 606	3.85 608	16.35 617	22.88 616	5.86 614	8.69 613	7.97 614	8.54 612	9.12 616	8.27 614	10.18 616	10.92 614	2.42 611	2.45 611	3.56 614	12.37 618	3.77 609	3.06 611

ff	7.79 607	5.02 614	7.31 610	3.12 606	3.85 608	16.35 617	22.88 616	5.86 614	8.69 613	7.97 614	8.54 612	9.12 616	8.27 614	10.18 616	10.92 614	2.42 611	2.45 611	3.56 614	12.37 618	3.77 609	3.06 611

Anonymous_1	10.96 617	7.92 618	7.46 613	10.33 613	10.06 613	18.65 621	26.34 622	11.06 621	13.44 620	9.40 617	10.05 617	9.67 619	11.23 619	10.73 619	12.72 619	6.42 618	8.38 618	5.77 617	10.61 617	12.12 618	6.77 615

DPSM_ROB	11.15 618	8.58 619	8.00 614	10.88 614	11.58 616	19.10 622	26.71 623	12.05 622	14.07 623	10.36 618	10.84 618	10.33 620	11.86 620	11.70 620	13.54 620	6.99 619	8.79 619	5.89 618	6.95 613	7.29 615	7.42 618

DPSM	11.15 618	8.58 619	8.00 614	10.88 614	11.58 616	19.10 622	26.71 623	12.05 622	14.07 623	10.36 618	10.84 618	10.33 620	11.86 620	11.70 620	13.54 620	6.99 619	8.79 619	5.89 618	6.95 613	7.29 615	7.42 618

LRCNet_RVC	10.62 616	13.42 622	7.30 609	18.92 620	2.07 607	0.33 540	0.30 560	5.59 613	0.48 531	13.03 620	17.94 621	8.87 615	5.65 611	4.79 611	1.89 607	23.51 628	2.73 614	27.55 631	25.71 631	16.07 625	16.33 626

HaxPig	15.71 620	18.52 629	19.18 624	16.89 619	15.89 621	7.73 610	7.60 611	13.31 624	10.82 617	15.42 621	14.91 620	15.98 622	14.92 622	15.58 622	15.98 622	18.95 627	16.73 622	19.46 627	18.08 627	19.26 626	19.05 629

RSGM-EC	20.36 621	4.73 612	0.68 577	16.76 617	16.92 622	21.28 624	27.18 625	10.46 619	14.04 621	18.00 622	21.31 624	22.24 630	21.82 624	22.57 624	17.63 623	62.81 631	33.79 631	20.14 628	18.10 628	20.18 627	16.45 627

acva	20.36 621	4.73 612	0.68 577	16.76 617	16.92 622	21.28 624	27.18 625	10.46 619	14.04 621	18.00 622	21.31 624	22.24 630	21.82 624	22.57 624	17.63 623	62.81 631	33.79 631	20.14 628	18.10 628	20.18 627	16.45 627

PML	8.91 613	9.34 621	6.13 608	5.35 609	6.41 611	14.99 616	23.38 621	5.27 610	6.83 612	18.04 624	28.19 632	7.67 614	6.83 612	7.85 615	5.75 611	5.35 616	1.83 610	5.95 620	1.93 610	8.64 617	2.52 610

MEDIAN_ROB	20.38 623	24.04 630	23.31 627	21.23 621	21.71 624	10.40 614	7.92 612	17.64 625	15.50 625	20.12 625	19.70 622	20.34 623	20.32 623	21.19 623	21.13 625	23.81 629	21.81 629	24.98 630	23.76 630	24.71 629	23.93 630

CasAABBNet	22.42 624	17.33 624	16.01 620	22.01 622	23.28 626	38.32 626	53.80 629	24.14 629	28.41 630	20.60 626	21.77 628	20.89 628	23.91 628	23.43 628	27.36 628	14.07 622	17.69 624	11.83 623	14.01 622	14.67 620	14.95 622

RAFT-FEzeroshot	22.43 625	17.33 624	15.98 618	22.02 623	23.31 627	38.34 627	53.82 630	24.05 627	28.39 628	20.61 627	21.76 626	20.88 626	23.92 629	23.41 626	27.42 630	14.07 622	17.69 624	11.83 623	14.02 623	14.69 621	14.97 623

RAFT-FE	22.43 625	17.33 624	15.98 618	22.02 623	23.31 627	38.34 627	53.82 630	24.05 627	28.39 628	20.61 627	21.76 626	20.88 626	23.92 629	23.41 626	27.42 630	14.07 622	17.69 624	11.83 623	14.02 623	14.69 621	14.97 623

Selective-RAFT-Error	22.47 628	17.37 628	16.09 621	22.06 625	23.34 629	38.39 629	53.83 632	24.29 632	28.47 632	20.74 629	21.83 630	20.81 625	23.90 627	23.54 631	27.53 632	14.08 625	17.69 624	11.82 622	14.00 621	14.69 621	15.00 625

LSM0	22.87 629	17.28 623	18.96 623	22.19 627	29.04 631	38.42 631	53.71 627	24.28 631	28.31 627	20.78 630	21.00 623	21.43 629	24.16 631	23.50 630	27.39 629	14.09 626	17.38 623	11.84 626	14.04 625	14.73 624	14.89 620

FlowAnything	22.44 627	17.35 627	16.14 622	22.07 626	23.23 625	38.39 629	53.77 628	24.25 630	28.44 631	20.96 631	21.82 629	20.70 624	23.84 626	23.49 629	27.14 627	14.04 621	17.79 628	11.75 621	14.15 626	14.65 619	14.89 620

AVERAGE_ROB	24.90 630	29.20 631	28.14 628	24.89 628	24.64 630	17.75 620	11.12 613	21.45 626	19.93 626	25.12 632	24.46 631	25.12 632	25.46 632	24.69 632	22.83 626	29.76 630	27.13 630	28.97 632	27.95 632	29.91 630	29.47 631

ccccc		285.66 633		368.85 632	370.60 633	123.16 633		115.05 634		126.68 633		122.83 634		252.94 634		384.56 634	353.86 634	254.69 634	223.00 634	425.87 634

test_example2	98.32 631	94.13 632	45.89 629	96.35 629	109.85 632	88.61 632	95.45 633	25.75 633	94.37 633	130.00 634	126.06 633	58.17 633	74.63 633	88.51 633	79.96 633	150.23 633	221.02 633	77.62 633	99.10 633	113.75 633	96.94 632

ASD4		3.38 609

Low-res two-view benchmark