Low-res two-view results

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

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

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

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

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

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

PSi22b	0.06 1	0.04 1	0.09 122	0.13 16	0.05 2	0.08 83	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.08 184	0.05 14	0.08 25	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 169	0.04 73

PSi22a	0.06 1	0.04 1	0.09 122	0.12 5	0.05 2	0.06 14	0.11 64	0.06 1	0.06 6	0.06 25	0.06 23	0.06 42	0.05 14	0.08 25	0.09 103	0.07 338	0.04 25	0.04 1	0.03 1	0.05 169	0.04 73

Foundation-i32	0.06 1	0.04 1	0.09 122	0.13 16	0.04 1	0.06 14	0.12 96	0.06 1	0.05 4	0.06 25	0.05 7	0.05 5	0.05 14	0.07 4	0.09 103	0.06 167	0.04 25	0.05 49	0.03 1	0.04 48	0.04 73

MLG-Stereo_test2	0.06 1	0.04 1	0.10 186	0.15 113	0.05 2	0.07 43	0.11 64	0.09 20	0.04 2	0.06 25	0.05 7	0.06 42	0.04 1	0.08 25	0.09 103	0.06 167	0.04 25	0.05 49	0.03 1	0.05 169	0.05 204

MLG-Stereo_test1	0.06 1	0.05 41	0.08 57	0.17 296	0.05 2	0.06 14	0.11 64	0.08 11	0.03 1	0.05 2	0.04 1	0.06 42	0.05 14	0.09 59	0.09 103	0.05 51	0.04 25	0.05 49	0.03 1	0.04 48	0.04 73

FoundationStereo	0.06 1	0.04 1	0.08 57	0.12 5	0.05 2	0.09 137	0.13 171	0.06 1	0.09 51	0.05 2	0.05 7	0.06 42	0.04 1	0.06 1	0.07 1	0.06 167	0.04 25	0.05 49	0.03 1	0.05 169	0.04 73

MCSU-Stereo	0.07 7	0.05 41	0.07 11	0.16 209	0.05 2	0.08 83	0.12 96	0.09 20	0.07 15	0.06 25	0.10 193	0.06 42	0.06 65	0.08 25	0.08 25	0.06 167	0.04 25	0.04 1	0.03 1	0.04 48	0.03 2

derf	0.07 7	0.04 1	0.10 186	0.14 59	0.06 28	0.05 4	0.12 96	0.12 84	0.09 51	0.05 2	0.07 64	0.07 124	0.08 228	0.10 122	0.10 207	0.06 167	0.05 269	0.04 1	0.03 1	0.04 48	0.05 204

mm2	0.07 7	0.04 1	0.10 186	0.13 16	0.06 28	0.06 14	0.12 96	0.13 113	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.09 103	0.06 167	0.05 269	0.04 1	0.03 1	0.04 48	0.05 204

mm1	0.07 7	0.04 1	0.10 186	0.13 16	0.06 28	0.06 14	0.12 96	0.06 1	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.09 103	0.06 167	0.05 269	0.04 1	0.03 1	0.04 48	0.05 204

qqai	0.07 7	0.05 41	0.10 186	0.14 59	0.06 28	0.05 4	0.12 96	0.08 11	0.09 51	0.05 2	0.06 23	0.06 42	0.08 228	0.10 122	0.09 103	0.06 167	0.05 269	0.05 49	0.03 1	0.04 48	0.05 204

MGA	0.07 7	0.04 1	0.10 186	0.13 16	0.06 28	0.08 83	0.09 20	0.12 84	0.08 25	0.05 2	0.06 23	0.06 42	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.05 49	0.03 1	0.05 169	0.05 204

CAR	0.07 7	0.05 41	0.08 57	0.14 59	0.06 28	0.07 43	0.08 7	0.12 84	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

MSE-Stereo	0.07 7	0.04 1	0.08 57	0.13 16	0.06 28	0.07 43	0.08 7	0.12 84	0.08 25	0.05 2	0.06 23	0.05 5	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

monster-pro	0.07 7	0.06 108	0.05 1	0.15 113	0.05 2	0.07 43	0.10 35	0.15 186	0.15 242	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

PointNet	0.07 7	0.06 108	0.07 11	0.15 113	0.07 133	0.08 83	0.14 237	0.11 57	0.08 25	0.05 2	0.07 64	0.08 184	0.08 228	0.09 59	0.09 103	0.06 167	0.04 25	0.05 49	0.04 60	0.03 1	0.04 73

aanet-new-60k	0.07 7	0.07 226	0.08 57	0.18 387	0.06 28	0.07 43	0.10 35	0.09 20	0.14 217	0.07 75	0.07 64	0.06 42	0.06 65	0.11 197	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

aanet-new-70k	0.07 7	0.06 108	0.09 122	0.17 296	0.06 28	0.08 83	0.12 96	0.11 57	0.10 75	0.06 25	0.07 64	0.07 124	0.06 65	0.10 122	0.07 1	0.04 11	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

aanet-new-78k	0.07 7	0.07 226	0.09 122	0.19 456	0.06 28	0.07 43	0.12 96	0.11 57	0.13 185	0.06 25	0.07 64	0.06 42	0.06 65	0.09 59	0.07 1	0.04 11	0.04 25	0.05 49	0.04 60	0.05 169	0.03 2

aanet-new-40k	0.07 7	0.08 345	0.07 11	0.17 296	0.07 133	0.08 83	0.13 171	0.10 34	0.10 75	0.07 75	0.08 122	0.06 42	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

GCAP-Stereo-DPT26K	0.07 7	0.06 108	0.07 11	0.16 209	0.06 28	0.08 83	0.12 96	0.10 34	0.08 25	0.06 25	0.09 157	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 49	0.04 60	0.03 1	0.03 2

aanet-new-24k	0.07 7	0.07 226	0.07 11	0.17 296	0.06 28	0.07 43	0.12 96	0.09 20	0.11 106	0.09 181	0.09 157	0.06 42	0.07 179	0.09 59	0.07 1	0.04 11	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

GCAP-Stereo-DPT-20K	0.07 7	0.05 41	0.11 245	0.15 113	0.06 28	0.07 43	0.13 171	0.09 20	0.11 106	0.07 75	0.08 122	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 269	0.05 49	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-24K	0.07 7	0.06 108	0.07 11	0.15 113	0.06 28	0.10 200	0.15 320	0.12 84	0.11 106	0.06 25	0.11 244	0.06 42	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.03 1	0.03 2

PipStereo	0.07 7	0.04 1	0.09 122	0.13 16	0.05 2	0.08 83	0.11 64	0.06 1	0.06 6	0.06 25	0.05 7	0.08 184	0.05 14	0.08 25	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 169	0.04 73

LACA3	0.07 7	0.08 345	0.08 57	0.13 16	0.05 2	0.09 137	0.11 64	0.08 11	0.08 25	0.08 129	0.05 7	0.07 124	0.07 179	0.07 4	0.07 1	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Selective-IGEV-i32	0.07 7	0.06 108	0.08 57	0.17 296	0.06 28	0.08 83	0.12 96	0.13 113	0.07 15	0.08 129	0.07 64	0.06 42	0.04 1	0.10 122	0.09 103	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

LACA2	0.07 7	0.05 41	0.06 5	0.15 113	0.06 28	0.09 137	0.11 64	0.11 57	0.10 75	0.05 2	0.05 7	0.06 42	0.08 228	0.09 59	0.07 1	0.07 338	0.04 25	0.04 1	0.04 60	0.04 48	0.04 73

LACA1	0.07 7	0.07 226	0.07 11	0.14 59	0.05 2	0.09 137	0.11 64	0.10 34	0.07 15	0.05 2	0.05 7	0.06 42	0.07 179	0.08 25	0.09 103	0.06 167	0.04 25	0.04 1	0.04 60	0.03 1	0.04 73

Test_v1	0.07 7	0.04 1	0.06 5	0.13 16	0.06 28	0.08 83	0.11 64	0.15 186	0.12 143	0.06 25	0.05 7	0.04 1	0.05 14	0.08 25	0.10 207	0.07 338	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

BLMT-Stereo	0.07 7	0.04 1	0.08 57	0.15 113	0.07 133	0.06 14	0.14 237	0.07 7	0.10 75	0.05 2	0.05 7	0.04 1	0.06 65	0.07 4	0.09 103	0.04 11	0.04 25	0.05 49	0.05 191	0.04 48	0.04 73

Pro-Stereo	0.07 7	0.05 41	0.08 57	0.15 113	0.07 133	0.08 83	0.12 96	0.07 7	0.07 15	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.05 51	0.04 25	0.06 189	0.05 191	0.04 48	0.04 73

MatchStereo	0.07 7	0.04 1	0.08 57	0.14 59	0.06 28	0.05 4	0.12 96	0.12 84	0.09 51	0.07 75	0.06 23	0.04 1	0.04 1	0.08 25	0.09 103	0.06 167	0.05 269	0.05 49	0.03 1	0.04 48	0.04 73
Tingman Yan, Tao Liu, Xilian Yang, Qunfei Zhao, Zeyang Xia: MatchAttention: Matching the Relative Positions for High-Resolution Cross-View Matching. Arxiv, 2025
BridgeDepth_RVC	0.07 7	0.04 1	0.09 122	0.11 1	0.05 2	0.10 200	0.10 35	0.14 144	0.09 51	0.06 25	0.07 64	0.06 42	0.07 179	0.07 4	0.10 207	0.06 167	0.04 25	0.04 1	0.04 60	0.04 48	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 7	0.05 41	0.07 11	0.14 59	0.06 28	0.09 137	0.13 171	0.15 186	0.06 6	0.07 75	0.08 122	0.06 42	0.08 228	0.09 59	0.09 103	0.06 167	0.05 269	0.04 1	0.03 1	0.04 48	0.04 73

VIP-Stereo	0.07 7	0.07 226	0.07 11	0.15 113	0.06 28	0.12 304	0.10 35	0.11 57	0.11 106	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.08 25	0.05 51	0.04 25	0.05 49	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 7	0.07 226	0.08 57	0.18 387	0.06 28	0.07 43	0.11 64	0.09 20	0.06 6	0.04 1	0.07 64	0.10 255	0.09 266	0.08 25	0.08 25	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 7	0.05 41	0.09 122	0.13 16	0.06 28	0.12 304	0.12 96	0.11 57	0.10 75	0.07 75	0.08 122	0.06 42	0.06 65	0.09 59	0.08 25	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

MonStereo	0.07 7	0.06 108	0.05 1	0.15 113	0.05 2	0.08 83	0.10 35	0.15 186	0.15 242	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 7	0.05 41	0.07 11	0.16 209	0.06 28	0.07 43	0.11 64	0.10 34	0.08 25	0.06 25	0.06 23	0.07 124	0.07 179	0.09 59	0.09 103	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 7	0.06 108	0.05 1	0.15 113	0.05 2	0.08 83	0.10 35	0.15 186	0.15 242	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 7	0.04 1	0.09 122	0.13 16	0.06 28	0.05 4	0.09 20	0.11 57	0.07 15	0.06 25	0.06 23	0.05 5	0.06 65	0.09 59	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.05 169	0.05 204

Replicate-Monster	0.07 7	0.05 41	0.09 122	0.14 59	0.06 28	0.08 83	0.09 20	0.13 113	0.13 185	0.05 2	0.07 64	0.06 42	0.06 65	0.08 25	0.10 207	0.05 51	0.04 25	0.05 49	0.03 1	0.04 48	0.04 73

AdaDepth	0.07 7	0.06 108	0.07 11	0.18 387	0.06 28	0.11 252	0.12 96	0.09 20	0.07 15	0.06 25	0.05 7	0.07 124	0.06 65	0.09 59	0.10 207	0.04 11	0.05 269	0.05 49	0.04 60	0.04 48	0.04 73

asda	0.07 7	0.08 345	0.08 57	0.16 209	0.06 28	0.06 14	0.10 35	0.16 224	0.10 75	0.06 25	0.06 23	0.05 5	0.05 14	0.10 122	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

asd	0.07 7	0.08 345	0.07 11	0.16 209	0.07 133	0.08 83	0.08 7	0.11 57	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.10 122	0.09 103	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

qwe	0.07 7	0.08 345	0.07 11	0.15 113	0.06 28	0.07 43	0.10 35	0.18 297	0.11 106	0.07 75	0.07 64	0.06 42	0.06 65	0.10 122	0.09 103	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.25w	0.07 7	0.06 108	0.07 11	0.14 59	0.06 28	0.08 83	0.08 7	0.10 34	0.15 242	0.08 129	0.10 193	0.07 124	0.06 65	0.08 25	0.10 207	0.05 51	0.03 1	0.04 1	0.04 60	0.03 1	0.04 73

4.25_new	0.07 7	0.08 345	0.09 122	0.15 113	0.06 28	0.09 137	0.08 7	0.14 144	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.12 291	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5w_new	0.07 7	0.08 345	0.09 122	0.15 113	0.06 28	0.09 137	0.08 7	0.14 144	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.12 291	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4.5_new	0.07 7	0.09 425	0.08 57	0.15 113	0.07 133	0.06 14	0.10 35	0.14 144	0.11 106	0.06 25	0.08 122	0.06 42	0.06 65	0.08 25	0.10 207	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.5w-stereo	0.07 7	0.09 425	0.08 57	0.15 113	0.07 133	0.06 14	0.10 35	0.14 144	0.11 106	0.06 25	0.08 122	0.06 42	0.06 65	0.08 25	0.10 207	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

4.25w-stereo	0.07 7	0.08 345	0.09 122	0.15 113	0.06 28	0.09 137	0.08 7	0.14 144	0.08 25	0.07 75	0.07 64	0.06 42	0.06 65	0.12 291	0.10 207	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

4w-stereo	0.07 7	0.08 345	0.08 57	0.16 209	0.06 28	0.07 43	0.08 7	0.12 84	0.08 25	0.07 75	0.07 64	0.05 5	0.06 65	0.09 59	0.10 207	0.03 1	0.03 1	0.04 1	0.04 60	0.04 48	0.03 2

2.5w	0.07 7	0.07 226	0.07 11	0.16 209	0.06 28	0.08 83	0.12 96	0.10 34	0.10 75	0.07 75	0.06 23	0.09 220	0.06 65	0.08 25	0.09 103	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

2.75w_new	0.07 7	0.07 226	0.07 11	0.13 16	0.06 28	0.08 83	0.08 7	0.18 297	0.12 143	0.07 75	0.08 122	0.06 42	0.06 65	0.09 59	0.11 288	0.04 11	0.04 25	0.04 1	0.03 1	0.03 1	0.04 73

3.25w_new	0.07 7	0.06 108	0.07 11	0.15 113	0.06 28	0.10 200	0.07 3	0.12 84	0.11 106	0.08 129	0.06 23	0.07 124	0.06 65	0.11 197	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 7	0.06 108	0.07 11	0.15 113	0.06 28	0.10 200	0.07 3	0.12 84	0.11 106	0.08 129	0.06 23	0.07 124	0.06 65	0.11 197	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 7	0.07 226	0.08 57	0.16 209	0.07 133	0.07 43	0.09 20	0.16 224	0.09 51	0.07 75	0.06 23	0.05 5	0.06 65	0.09 59	0.10 207	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 7	0.07 226	0.07 11	0.15 113	0.07 133	0.09 137	0.06 1	0.13 113	0.11 106	0.07 75	0.07 64	0.06 42	0.07 179	0.10 122	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 7	0.06 108	0.07 11	0.16 209	0.06 28	0.07 43	0.10 35	0.14 144	0.14 217	0.07 75	0.08 122	0.05 5	0.06 65	0.09 59	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 73

monsterstereo	0.07 7	0.06 108	0.06 5	0.16 209	0.06 28	0.08 83	0.10 35	0.16 224	0.11 106	0.07 75	0.08 122	0.06 42	0.07 179	0.08 25	0.09 103	0.04 11	0.04 25	0.05 49	0.04 60	0.03 1	0.03 2

monsters	0.07 7	0.06 108	0.06 5	0.15 113	0.06 28	0.08 83	0.09 20	0.12 84	0.08 25	0.09 181	0.07 64	0.06 42	0.06 65	0.08 25	0.08 25	0.05 51	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

IGEV	0.07 7	0.04 1	0.08 57	0.13 16	0.06 28	0.09 137	0.12 96	0.14 144	0.10 75	0.06 25	0.09 157	0.07 124	0.05 14	0.09 59	0.09 103	0.06 167	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

111111	0.07 7	0.04 1	0.09 122	0.17 296	0.06 28	0.05 4	0.10 35	0.11 57	0.09 51	0.06 25	0.06 23	0.07 124	0.05 14	0.09 59	0.09 103	0.06 167	0.04 25	0.05 49	0.04 60	0.07 371	0.06 305

LG-Stereo_L2	0.07 7	0.05 41	0.10 186	0.14 59	0.06 28	0.07 43	0.12 96	0.09 20	0.09 51	0.06 25	0.04 1	0.05 5	0.05 14	0.08 25	0.08 25	0.05 51	0.04 25	0.05 49	0.03 1	0.04 48	0.03 2

LG-Stereo_L1	0.07 7	0.05 41	0.11 245	0.14 59	0.06 28	0.07 43	0.13 171	0.09 20	0.07 15	0.05 2	0.04 1	0.05 5	0.04 1	0.08 25	0.07 1	0.05 51	0.04 25	0.05 49	0.03 1	0.04 48	0.04 73

MLG-Stereo_test3	0.07 7	0.05 41	0.10 186	0.14 59	0.06 28	0.07 43	0.11 64	0.08 11	0.06 6	0.06 25	0.04 1	0.06 42	0.06 65	0.07 4	0.10 207	0.06 167	0.04 25	0.05 49	0.04 60	0.05 169	0.06 305

MLG-Stereo	0.07 7	0.05 41	0.08 57	0.17 296	0.05 2	0.07 43	0.11 64	0.08 11	0.04 2	0.05 2	0.04 1	0.06 42	0.05 14	0.10 122	0.09 103	0.05 51	0.04 25	0.05 49	0.03 1	0.04 48	0.04 73

LG-G_1	0.07 7	0.04 1	0.11 245	0.15 113	0.06 28	0.09 137	0.08 7	0.08 11	0.06 6	0.06 25	0.05 7	0.07 124	0.07 179	0.11 197	0.08 25	0.07 338	0.04 25	0.05 49	0.04 60	0.05 169	0.05 204

LG-G	0.07 7	0.04 1	0.11 245	0.15 113	0.06 28	0.09 137	0.08 7	0.08 11	0.06 6	0.06 25	0.05 7	0.07 124	0.07 179	0.11 197	0.08 25	0.07 338	0.04 25	0.05 49	0.04 60	0.05 169	0.05 204

LGtest1	0.07 7	0.04 1	0.10 186	0.15 113	0.06 28	0.07 43	0.09 20	0.08 11	0.06 6	0.05 2	0.04 1	0.06 42	0.06 65	0.10 122	0.09 103	0.07 338	0.04 25	0.05 49	0.04 60	0.06 290	0.06 305

LG-Stereo_Zeroshot	0.07 7	0.06 108	0.10 186	0.16 209	0.07 133	0.04 1	0.13 171	0.10 34	0.10 75	0.05 2	0.11 244	0.07 124	0.05 14	0.07 4	0.09 103	0.06 167	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

GREAT-IGEV	0.07 7	0.06 108	0.08 57	0.13 16	0.07 133	0.07 43	0.14 237	0.09 20	0.09 51	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.07 1	0.05 51	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73
Jiahao LI, Xinhong Chen, Zhengmin JIANG, Qian Zhou, Yung-Hui Li, Jianping Wang: Global Regulation and Excitation via Attention Tuning for Stereo Matching. ICCV2025
StereoAnything_RVC	0.07 7	0.15 581	0.17 491	0.11 1	0.05 2	0.05 4	0.11 64	0.08 11	0.08 25	0.06 25	0.06 23	0.05 5	0.05 14	0.09 59	0.08 25	0.08 414	0.04 25	0.05 49	0.03 1	0.05 169	0.04 73

AIO_rvc	0.07 7	0.06 108	0.08 57	0.15 113	0.06 28	0.08 83	0.14 237	0.09 20	0.08 25	0.07 75	0.08 122	0.07 124	0.04 1	0.10 122	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

AIO_test	0.07 7	0.05 41	0.07 11	0.15 113	0.07 133	0.06 14	0.14 237	0.10 34	0.10 75	0.07 75	0.07 64	0.06 42	0.05 14	0.08 25	0.10 207	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

MonSter	0.07 7	0.06 108	0.05 1	0.15 113	0.05 2	0.07 43	0.10 35	0.15 186	0.15 242	0.05 2	0.06 23	0.05 5	0.06 65	0.07 4	0.09 103	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 7	0.05 41	0.07 11	0.14 59	0.06 28	0.10 200	0.13 171	0.07 7	0.13 185	0.06 25	0.07 64	0.06 42	0.05 14	0.10 122	0.09 103	0.04 11	0.04 25	0.05 49	0.03 1	0.04 48	0.04 73

dual_stereo	0.07 7	0.04 1	0.08 57	0.15 113	0.05 2	0.05 4	0.13 171	0.12 84	0.08 25	0.07 75	0.06 23	0.05 5	0.05 14	0.07 4	0.09 103	0.06 167	0.04 25	0.05 49	0.03 1	0.04 48	0.04 73

IGEV-Stereo++	0.07 7	0.06 108	0.08 57	0.18 387	0.06 28	0.04 1	0.10 35	0.11 57	0.11 106	0.06 25	0.07 64	0.07 124	0.06 65	0.09 59	0.09 103	0.05 51	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

IGEV-Stereo+	0.07 7	0.04 1	0.08 57	0.15 113	0.06 28	0.04 1	0.09 20	0.10 34	0.09 51	0.06 25	0.06 23	0.06 42	0.06 65	0.06 1	0.08 25	0.06 167	0.04 25	0.05 49	0.04 60	0.06 290	0.06 305

GCAPDPT-zeroshot4090	0.07 7	0.05 41	0.11 245	0.15 113	0.06 28	0.07 43	0.13 171	0.09 20	0.11 106	0.07 75	0.08 122	0.06 42	0.05 14	0.09 59	0.07 1	0.05 51	0.05 269	0.05 49	0.04 60	0.03 1	0.04 73

Selective-IGEV	0.07 7	0.06 108	0.08 57	0.17 296	0.06 28	0.08 83	0.12 96	0.13 113	0.07 15	0.08 129	0.07 64	0.06 42	0.04 1	0.10 122	0.09 103	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

quiztm	0.08 85	0.07 226	0.08 57	0.18 387	0.07 133	0.09 137	0.14 237	0.14 144	0.12 143	0.07 75	0.07 64	0.05 5	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 189	0.04 60	0.04 48	0.03 2

TS12	0.08 85	0.06 108	0.09 122	0.21 555	0.07 133	0.11 252	0.13 171	0.11 57	0.09 51	0.10 226	0.10 193	0.08 184	0.10 305	0.09 59	0.12 349	0.04 11	0.04 25	0.05 49	0.04 60	0.03 1	0.04 73

DF	0.08 85	0.05 41	0.09 122	0.15 113	0.06 28	0.11 252	0.13 171	0.10 34	0.12 143	0.09 181	0.10 193	0.10 255	0.08 228	0.11 197	0.09 103	0.07 338	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

LiteMatch*	0.08 85	0.04 1	0.11 245	0.13 16	0.08 213	0.08 83	0.13 171	0.14 144	0.09 51	0.05 2	0.05 7	0.05 5	0.09 266	0.11 197	0.10 207	0.06 167	0.05 269	0.05 49	0.04 60	0.05 169	0.05 204

aanet-new-90k	0.08 85	0.07 226	0.08 57	0.19 456	0.06 28	0.07 43	0.12 96	0.12 84	0.13 185	0.06 25	0.07 64	0.06 42	0.06 65	0.10 122	0.07 1	0.05 51	0.04 25	0.05 49	0.04 60	0.05 169	0.03 2

aanet-new-36k	0.08 85	0.06 108	0.09 122	0.17 296	0.06 28	0.09 137	0.13 171	0.11 57	0.13 185	0.08 129	0.08 122	0.06 42	0.05 14	0.09 59	0.08 25	0.04 11	0.04 25	0.05 49	0.04 60	0.03 1	0.03 2

aanet-new-34k	0.08 85	0.06 108	0.09 122	0.17 296	0.05 2	0.07 43	0.13 171	0.12 84	0.12 143	0.09 181	0.08 122	0.07 124	0.05 14	0.10 122	0.09 103	0.04 11	0.04 25	0.05 49	0.04 60	0.03 1	0.03 2

aanet-32k-new	0.08 85	0.07 226	0.08 57	0.18 387	0.06 28	0.08 83	0.12 96	0.11 57	0.12 143	0.07 75	0.08 122	0.05 5	0.07 179	0.10 122	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.06 290	0.04 73

aanet-new-32k	0.08 85	0.07 226	0.09 122	0.18 387	0.06 28	0.11 252	0.11 64	0.10 34	0.08 25	0.07 75	0.07 64	0.07 124	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

aanet-new-30k	0.08 85	0.07 226	0.09 122	0.18 387	0.06 28	0.11 252	0.11 64	0.10 34	0.08 25	0.07 75	0.07 64	0.07 124	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

aanet-new-28k	0.08 85	0.07 226	0.09 122	0.18 387	0.06 28	0.08 83	0.12 96	0.10 34	0.09 51	0.09 181	0.08 122	0.08 184	0.06 65	0.12 291	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

aanet-new-22k	0.08 85	0.06 108	0.09 122	0.17 296	0.06 28	0.08 83	0.11 64	0.14 144	0.12 143	0.09 181	0.09 157	0.08 184	0.06 65	0.10 122	0.08 25	0.04 11	0.04 25	0.05 49	0.04 60	0.03 1	0.03 2

aanet-new-16k	0.08 85	0.08 345	0.08 57	0.18 387	0.06 28	0.07 43	0.09 20	0.13 113	0.12 143	0.08 129	0.07 64	0.07 124	0.06 65	0.09 59	0.08 25	0.04 11	0.04 25	0.05 49	0.04 60	0.05 169	0.03 2

aanet-new-10k	0.08 85	0.08 345	0.08 57	0.19 456	0.07 133	0.08 83	0.12 96	0.14 144	0.11 106	0.07 75	0.08 122	0.07 124	0.07 179	0.09 59	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

aanet-new-12k	0.08 85	0.09 425	0.07 11	0.20 523	0.08 213	0.08 83	0.13 171	0.12 84	0.13 185	0.08 129	0.08 122	0.05 5	0.07 179	0.09 59	0.08 25	0.04 11	0.04 25	0.05 49	0.04 60	0.06 290	0.04 73

aanet-new-14k	0.08 85	0.09 425	0.08 57	0.19 456	0.06 28	0.07 43	0.10 35	0.14 144	0.15 242	0.06 25	0.08 122	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

aanet-new-8k	0.08 85	0.07 226	0.08 57	0.19 456	0.07 133	0.09 137	0.12 96	0.16 224	0.15 242	0.07 75	0.07 64	0.06 42	0.06 65	0.10 122	0.08 25	0.04 11	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

aanet-new	0.08 85	0.09 425	0.10 186	0.18 387	0.08 213	0.10 200	0.12 96	0.15 186	0.12 143	0.08 129	0.08 122	0.05 5	0.07 179	0.10 122	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.06 290	0.04 73

GCAP-Stereo-cres-4k	0.08 85	0.07 226	0.08 57	0.18 387	0.07 133	0.11 252	0.14 237	0.12 84	0.11 106	0.07 75	0.11 244	0.07 124	0.06 65	0.09 59	0.08 25	0.04 11	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

GCAP-Stereo-DPT-cres	0.08 85	0.05 41	0.07 11	0.15 113	0.06 28	0.10 200	0.14 237	0.13 113	0.12 143	0.07 75	0.09 157	0.07 124	0.06 65	0.10 122	0.09 103	0.05 51	0.04 25	0.05 49	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-36K	0.08 85	0.06 108	0.15 425	0.14 59	0.06 28	0.08 83	0.13 171	0.13 113	0.11 106	0.07 75	0.08 122	0.07 124	0.06 65	0.09 59	0.08 25	0.05 51	0.05 269	0.05 49	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-22K	0.08 85	0.06 108	0.07 11	0.17 296	0.06 28	0.07 43	0.14 237	0.13 113	0.16 279	0.05 2	0.10 193	0.06 42	0.06 65	0.08 25	0.08 25	0.04 11	0.04 25	0.05 49	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-5K	0.08 85	0.06 108	0.10 186	0.16 209	0.07 133	0.11 252	0.12 96	0.15 186	0.15 242	0.08 129	0.12 265	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 189	0.05 191	0.03 1	0.04 73

GCAP-Stereo-DPT-2K	0.08 85	0.06 108	0.10 186	0.16 209	0.07 133	0.11 252	0.13 171	0.14 144	0.14 217	0.08 129	0.13 284	0.05 5	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-3K	0.08 85	0.07 226	0.10 186	0.16 209	0.07 133	0.09 137	0.12 96	0.15 186	0.14 217	0.08 129	0.11 244	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.03 1	0.04 73

GCAP-Stereo-DPT-50K	0.08 85	0.06 108	0.17 491	0.15 113	0.06 28	0.06 14	0.13 171	0.13 113	0.13 185	0.07 75	0.07 64	0.06 42	0.05 14	0.08 25	0.08 25	0.04 11	0.04 25	0.05 49	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-25K	0.08 85	0.06 108	0.07 11	0.16 209	0.06 28	0.06 14	0.14 237	0.14 144	0.14 217	0.07 75	0.10 193	0.06 42	0.05 14	0.09 59	0.09 103	0.04 11	0.04 25	0.04 1	0.04 60	0.03 1	0.03 2

GCAP-Stereo-DPT-FT	0.08 85	0.05 41	0.12 289	0.15 113	0.06 28	0.10 200	0.14 237	0.12 84	0.12 143	0.07 75	0.09 157	0.06 42	0.06 65	0.10 122	0.08 25	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

PSi22	0.08 85	0.06 108	0.11 245	0.16 209	0.07 133	0.08 83	0.10 35	0.14 144	0.08 25	0.08 129	0.06 23	0.10 255	0.06 65	0.12 291	0.09 103	0.05 51	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

Foundation-i1c-attn	0.08 85	0.05 41	0.07 11	0.14 59	0.05 2	0.09 137	0.12 96	0.12 84	0.10 75	0.09 181	0.10 193	0.10 255	0.07 179	0.07 4	0.10 207	0.06 167	0.04 25	0.05 49	0.04 60	0.03 1	0.03 2

Foundation-i1b	0.08 85	0.05 41	0.07 11	0.14 59	0.05 2	0.09 137	0.12 96	0.13 113	0.10 75	0.09 181	0.10 193	0.09 220	0.06 65	0.07 4	0.09 103	0.06 167	0.04 25	0.05 49	0.04 60	0.03 1	0.03 2

Foundation-i1a	0.08 85	0.05 41	0.07 11	0.13 16	0.05 2	0.13 355	0.13 171	0.12 84	0.09 51	0.11 261	0.11 244	0.11 285	0.06 65	0.08 25	0.09 103	0.06 167	0.04 25	0.05 49	0.03 1	0.04 48	0.04 73

DepthFocus	0.08 85	0.04 1	0.15 425	0.12 5	0.09 339	0.07 43	0.12 96	0.10 34	0.05 4	0.09 181	0.05 7	0.07 124	0.04 1	0.08 25	0.08 25	0.06 167	0.05 269	0.07 299	0.07 379	0.05 169	0.04 73

GeoVLM	0.08 85	0.04 1	0.10 186	0.13 16	0.06 28	0.10 200	0.12 96	0.13 113	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.11 288	0.06 167	0.05 269	0.04 1	0.03 1	0.04 48	0.05 204

gcap_with_dpt	0.08 85	0.06 108	0.09 122	0.16 209	0.07 133	0.09 137	0.12 96	0.13 113	0.13 185	0.08 129	0.12 265	0.04 1	0.06 65	0.10 122	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.03 1	0.04 73

DispViT+	0.08 85	0.05 41	0.09 122	0.13 16	0.06 28	0.05 4	0.11 64	0.18 297	0.16 279	0.09 181	0.08 122	0.07 124	0.06 65	0.11 197	0.09 103	0.06 167	0.04 25	0.04 1	0.03 1	0.03 1	0.03 2

WQFJA1++	0.08 85	0.04 1	0.11 245	0.14 59	0.07 133	0.11 252	0.11 64	0.11 57	0.07 15	0.07 75	0.07 64	0.07 124	0.06 65	0.10 122	0.10 207	0.06 167	0.04 25	0.05 49	0.04 60	0.06 290	0.06 305

BStereo	0.08 85	0.06 108	0.16 461	0.15 113	0.08 213	0.07 43	0.09 20	0.15 186	0.16 279	0.06 25	0.07 64	0.07 124	0.05 14	0.09 59	0.11 288	0.04 11	0.05 269	0.05 49	0.07 379	0.04 48	0.04 73

MonSter++	0.08 85	0.04 1	0.10 186	0.13 16	0.06 28	0.09 137	0.12 96	0.13 113	0.08 25	0.06 25	0.07 64	0.06 42	0.08 228	0.10 122	0.11 288	0.06 167	0.05 269	0.04 1	0.03 1	0.04 48	0.04 73

HiDET	0.08 85	0.04 1	0.10 186	0.13 16	0.06 28	0.08 83	0.12 96	0.12 84	0.11 106	0.06 25	0.07 64	0.07 124	0.07 179	0.11 197	0.11 288	0.06 167	0.04 25	0.04 1	0.03 1	0.04 48	0.04 73

LCMNet	0.08 85	0.05 41	0.10 186	0.13 16	0.07 133	0.09 137	0.12 96	0.10 34	0.11 106	0.06 25	0.08 122	0.06 42	0.07 179	0.11 197	0.10 207	0.06 167	0.05 269	0.04 1	0.03 1	0.04 48	0.04 73

GEAStereo	0.08 85	0.05 41	0.08 57	0.13 16	0.08 213	0.08 83	0.14 237	0.10 34	0.09 51	0.08 129	0.10 193	0.06 42	0.05 14	0.11 197	0.08 25	0.06 167	0.04 25	0.05 49	0.04 60	0.05 169	0.05 204

GSStereo	0.08 85	0.05 41	0.08 57	0.13 16	0.08 213	0.08 83	0.14 237	0.11 57	0.12 143	0.08 129	0.10 193	0.05 5	0.05 14	0.11 197	0.08 25	0.06 167	0.04 25	0.05 49	0.04 60	0.05 169	0.05 204

gasm-f	0.08 85	0.05 41	0.07 11	0.13 16	0.08 213	0.08 83	0.14 237	0.10 34	0.09 51	0.08 129	0.10 193	0.06 42	0.05 14	0.10 122	0.08 25	0.06 167	0.04 25	0.05 49	0.04 60	0.06 290	0.05 204

DDF-Stereo	0.08 85	0.04 1	0.09 122	0.15 113	0.10 452	0.06 14	0.13 171	0.09 20	0.14 217	0.06 25	0.06 23	0.07 124	0.06 65	0.09 59	0.10 207	0.06 167	0.04 25	0.06 189	0.04 60	0.08 435	0.05 204

252Zero-FE	0.08 85	0.04 1	0.09 122	0.13 16	0.07 133	0.12 304	0.11 64	0.13 113	0.14 217	0.06 25	0.05 7	0.06 42	0.05 14	0.09 59	0.10 207	0.06 167	0.04 25	0.04 1	0.03 1	0.05 169	0.06 305

DA	0.08 85	0.07 226	0.07 11	0.19 456	0.08 213	0.09 137	0.12 96	0.13 113	0.12 143	0.08 129	0.10 193	0.10 255	0.08 228	0.09 59	0.10 207	0.05 51	0.04 25	0.06 189	0.04 60	0.05 169	0.03 2

zero-FE	0.08 85	0.04 1	0.09 122	0.15 113	0.10 452	0.05 4	0.14 237	0.09 20	0.14 217	0.07 75	0.06 23	0.07 124	0.06 65	0.09 59	0.10 207	0.06 167	0.04 25	0.06 189	0.04 60	0.08 435	0.05 204

GGEV	0.08 85	0.07 226	0.07 11	0.19 456	0.08 213	0.09 137	0.12 96	0.13 113	0.12 143	0.08 129	0.10 193	0.10 255	0.08 228	0.09 59	0.10 207	0.05 51	0.04 25	0.06 189	0.04 60	0.05 169	0.03 2

GASTEREO	0.08 85	0.05 41	0.09 122	0.19 456	0.07 133	0.07 43	0.12 96	0.14 144	0.11 106	0.10 226	0.09 157	0.07 124	0.04 1	0.12 291	0.08 25	0.06 167	0.05 269	0.05 49	0.04 60	0.04 48	0.05 204

MSCF	0.08 85	0.05 41	0.08 57	0.19 456	0.08 213	0.06 14	0.12 96	0.14 144	0.11 106	0.10 226	0.09 157	0.07 124	0.04 1	0.11 197	0.08 25	0.06 167	0.05 269	0.05 49	0.04 60	0.05 169	0.05 204

S2M2_XL	0.08 85	0.06 108	0.12 289	0.12 5	0.08 213	0.09 137	0.09 20	0.07 7	0.07 15	0.08 129	0.07 64	0.07 124	0.06 65	0.09 59	0.09 103	0.08 414	0.06 417	0.07 299	0.05 191	0.08 435	0.06 305
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 85	0.09 425	0.10 186	0.17 296	0.07 133	0.08 83	0.10 35	0.20 338	0.13 185	0.06 25	0.07 64	0.05 5	0.06 65	0.08 25	0.09 103	0.03 1	0.03 1	0.04 1	0.03 1	0.04 48	0.03 2

2w_stereo	0.08 85	0.08 345	0.09 122	0.16 209	0.06 28	0.08 83	0.10 35	0.20 338	0.15 242	0.08 129	0.07 64	0.06 42	0.06 65	0.06 1	0.09 103	0.04 11	0.03 1	0.04 1	0.04 60	0.03 1	0.03 2

LG-Stereo	0.08 85	0.07 226	0.10 186	0.18 387	0.07 133	0.10 200	0.17 431	0.11 57	0.08 25	0.05 2	0.07 64	0.05 5	0.07 179	0.09 59	0.09 103	0.04 11	0.05 269	0.07 299	0.07 379	0.04 48	0.04 73

SGD-Stereo	0.08 85	0.05 41	0.10 186	0.14 59	0.05 2	0.12 304	0.12 96	0.11 57	0.12 143	0.07 75	0.09 157	0.09 220	0.09 266	0.08 25	0.08 25	0.06 167	0.04 25	0.05 49	0.04 60	0.05 169	0.03 2

HART	0.08 85	0.07 226	0.09 122	0.17 296	0.07 133	0.10 200	0.16 389	0.13 113	0.11 106	0.08 129	0.10 193	0.07 124	0.05 14	0.10 122	0.08 25	0.05 51	0.04 25	0.06 189	0.04 60	0.05 169	0.04 73

Reg-Stereo(zero)	0.08 85	0.05 41	0.08 57	0.16 209	0.06 28	0.12 304	0.11 64	0.15 186	0.10 75	0.12 302	0.09 157	0.10 255	0.08 228	0.11 197	0.08 25	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.05 204

SCV_C0	0.08 85	0.07 226	0.07 11	0.16 209	0.09 339	0.08 83	0.15 320	0.11 57	0.12 143	0.08 129	0.07 64	0.06 42	0.05 14	0.11 197	0.07 1	0.05 51	0.05 269	0.05 49	0.04 60	0.06 290	0.05 204

SCV	0.08 85	0.09 425	0.08 57	0.15 113	0.08 213	0.10 200	0.13 171	0.10 34	0.12 143	0.07 75	0.07 64	0.06 42	0.04 1	0.09 59	0.08 25	0.05 51	0.04 25	0.06 189	0.04 60	0.06 290	0.04 73

DEFOM-Stereo_RVC	0.08 85	0.06 108	0.09 122	0.22 572	0.06 28	0.08 83	0.12 96	0.10 34	0.10 75	0.07 75	0.07 64	0.06 42	0.05 14	0.11 197	0.09 103	0.06 167	0.04 25	0.05 49	0.03 1	0.06 290	0.04 73

HUF	0.08 85	0.05 41	0.08 57	0.14 59	0.06 28	0.09 137	0.13 171	0.13 113	0.13 185	0.07 75	0.07 64	0.08 184	0.06 65	0.10 122	0.09 103	0.06 167	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

castereo++	0.08 85	0.05 41	0.08 57	0.15 113	0.05 2	0.14 389	0.12 96	0.11 57	0.15 242	0.07 75	0.07 64	0.07 124	0.06 65	0.08 25	0.08 25	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

IGEV-RUCA	0.08 85	0.06 108	0.11 245	0.14 59	0.09 339	0.10 200	0.12 96	0.10 34	0.12 143	0.06 25	0.07 64	0.07 124	0.06 65	0.09 59	0.08 25	0.06 167	0.05 269	0.05 49	0.04 60	0.05 169	0.06 305

GIP-stereo	0.08 85	0.06 108	0.11 245	0.14 59	0.06 28	0.09 137	0.13 171	0.14 144	0.11 106	0.07 75	0.08 122	0.05 5	0.04 1	0.10 122	0.07 1	0.05 51	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

SMoEStereo_RVC	0.08 85	0.06 108	0.12 289	0.16 209	0.07 133	0.09 137	0.14 237	0.11 57	0.13 185	0.09 181	0.07 64	0.07 124	0.07 179	0.12 291	0.10 207	0.05 51	0.04 25	0.06 189	0.05 191	0.04 48	0.04 73

WCG-NET	0.08 85	0.05 41	0.09 122	0.15 113	0.06 28	0.11 252	0.14 237	0.13 113	0.13 185	0.06 25	0.09 157	0.07 124	0.06 65	0.13 343	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

Occ-G	0.08 85	0.05 41	0.06 5	0.14 59	0.07 133	0.08 83	0.14 237	0.13 113	0.15 242	0.07 75	0.11 244	0.07 124	0.05 14	0.09 59	0.10 207	0.06 167	0.05 269	0.05 49	0.04 60	0.05 169	0.05 204

U	0.08 85	0.07 226	0.09 122	0.19 456	0.10 452	0.10 200	0.13 171	0.12 84	0.17 308	0.07 75	0.07 64	0.06 42	0.05 14	0.07 4	0.08 25	0.06 167	0.04 25	0.06 189	0.04 60	0.06 290	0.05 204

AIO-Stereo	0.08 85	0.06 108	0.09 122	0.18 387	0.06 28	0.08 83	0.12 96	0.15 186	0.09 51	0.08 129	0.08 122	0.07 124	0.05 14	0.11 197	0.08 25	0.05 51	0.05 269	0.05 49	0.04 60	0.04 48	0.04 73

WCG-NET（raft）	0.08 85	0.05 41	0.10 186	0.15 113	0.06 28	0.11 252	0.13 171	0.15 186	0.12 143	0.08 129	0.07 64	0.06 42	0.06 65	0.13 343	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

RSM++	0.08 85	0.06 108	0.09 122	0.17 296	0.07 133	0.09 137	0.12 96	0.11 57	0.11 106	0.08 129	0.06 23	0.07 124	0.05 14	0.10 122	0.09 103	0.04 11	0.04 25	0.06 189	0.05 191	0.05 169	0.03 2

RSM	0.08 85	0.06 108	0.09 122	0.17 296	0.06 28	0.08 83	0.12 96	0.12 84	0.10 75	0.08 129	0.07 64	0.06 42	0.05 14	0.11 197	0.09 103	0.04 11	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

gcap-zeroshot	0.08 85	0.06 108	0.10 186	0.15 113	0.07 133	0.11 252	0.12 96	0.15 186	0.15 242	0.08 129	0.12 265	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 189	0.05 191	0.03 1	0.04 73

test_for_model	0.08 85	0.06 108	0.10 186	0.16 209	0.07 133	0.11 252	0.12 96	0.15 186	0.15 242	0.08 129	0.12 265	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 189	0.05 191	0.03 1	0.04 73

trnet	0.08 85	0.05 41	0.07 11	0.12 5	0.05 2	0.12 304	0.11 64	0.13 113	0.10 75	0.08 129	0.13 284	0.09 220	0.08 228	0.11 197	0.10 207	0.08 414	0.05 269	0.05 49	0.03 1	0.06 290	0.05 204

MoCha-V2	0.08 85	0.05 41	0.10 186	0.20 523	0.07 133	0.09 137	0.14 237	0.11 57	0.08 25	0.07 75	0.08 122	0.07 124	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

IGEV++	0.08 85	0.06 108	0.08 57	0.18 387	0.07 133	0.09 137	0.13 171	0.10 34	0.09 51	0.08 129	0.08 122	0.06 42	0.06 65	0.13 343	0.09 103	0.05 51	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

testlalala	0.08 85	0.06 108	0.10 186	0.15 113	0.07 133	0.11 252	0.12 96	0.15 186	0.15 242	0.08 129	0.12 265	0.05 5	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.06 189	0.05 191	0.03 1	0.04 73

AEACV	0.08 85	0.05 41	0.08 57	0.14 59	0.13 559	0.14 389	0.13 171	0.14 144	0.09 51	0.07 75	0.09 157	0.07 124	0.08 228	0.10 122	0.09 103	0.06 167	0.04 25	0.06 189	0.05 191	0.05 169	0.04 73

LoS_RVC	0.08 85	0.05 41	0.07 11	0.15 113	0.07 133	0.08 83	0.15 320	0.11 57	0.10 75	0.08 129	0.09 157	0.06 42	0.09 266	0.10 122	0.09 103	0.05 51	0.04 25	0.05 49	0.03 1	0.04 48	0.03 2

CAS	0.08 85	0.04 1	0.07 11	0.17 296	0.08 213	0.10 200	0.13 171	0.12 84	0.09 51	0.09 181	0.10 193	0.08 184	0.06 65	0.09 59	0.08 25	0.08 414	0.04 25	0.05 49	0.03 1	0.05 169	0.04 73

CES	0.08 85	0.04 1	0.08 57	0.14 59	0.07 133	0.09 137	0.14 237	0.11 57	0.09 51	0.08 129	0.09 157	0.11 285	0.06 65	0.12 291	0.08 25	0.06 167	0.04 25	0.05 49	0.03 1	0.05 169	0.05 204

EGLCR-Stereo	0.08 85	0.05 41	0.08 57	0.14 59	0.06 28	0.10 200	0.12 96	0.11 57	0.16 279	0.06 25	0.05 7	0.07 124	0.05 14	0.10 122	0.11 288	0.06 167	0.04 25	0.06 189	0.05 191	0.04 48	0.04 73

MC-Stereo	0.08 85	0.06 108	0.09 122	0.17 296	0.06 28	0.10 200	0.14 237	0.12 84	0.10 75	0.09 181	0.12 265	0.09 220	0.06 65	0.11 197	0.10 207	0.06 167	0.04 25	0.06 189	0.05 191	0.04 48	0.04 73

test-3	0.08 85	0.06 108	0.09 122	0.17 296	0.07 133	0.07 43	0.14 237	0.12 84	0.15 242	0.09 181	0.08 122	0.07 124	0.08 228	0.11 197	0.10 207	0.05 51	0.04 25	0.07 299	0.05 191	0.04 48	0.04 73

test_1	0.08 85	0.06 108	0.09 122	0.17 296	0.07 133	0.07 43	0.14 237	0.12 84	0.15 242	0.09 181	0.08 122	0.07 124	0.08 228	0.11 197	0.10 207	0.05 51	0.04 25	0.07 299	0.05 191	0.04 48	0.04 73

CREStereo++_RVC	0.08 85	0.04 1	0.06 5	0.13 16	0.07 133	0.09 137	0.12 96	0.14 144	0.14 217	0.10 226	0.14 298	0.08 184	0.07 179	0.09 59	0.11 288	0.06 167	0.04 25	0.05 49	0.05 191	0.04 48	0.04 73
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
DNS	0.09 173	0.05 41	0.11 245	0.15 113	0.08 213	0.10 200	0.16 389	0.17 263	0.09 51	0.08 129	0.12 265	0.08 184	0.07 179	0.09 59	0.08 25	0.07 338	0.04 25	0.05 49	0.05 191	0.06 290	0.05 204

RT-Monster	0.09 173	0.05 41	0.09 122	0.14 59	0.08 213	0.11 252	0.10 35	0.17 263	0.18 339	0.13 332	0.10 193	0.09 220	0.08 228	0.10 122	0.10 207	0.07 338	0.05 269	0.05 49	0.04 60	0.05 169	0.06 305

LiteMatch	0.09 173	0.06 108	0.10 186	0.16 209	0.07 133	0.09 137	0.15 320	0.13 113	0.08 25	0.06 25	0.07 64	0.06 42	0.15 451	0.10 122	0.14 428	0.07 338	0.04 25	0.06 189	0.06 282	0.06 290	0.06 305

Foundation-i1	0.09 173	0.04 1	0.10 186	0.14 59	0.06 28	0.10 200	0.13 171	0.16 224	0.14 217	0.10 226	0.10 193	0.11 285	0.07 179	0.07 4	0.10 207	0.06 167	0.04 25	0.05 49	0.05 191	0.05 169	0.05 204

VMStereo-Base	0.09 173	0.05 41	0.10 186	0.13 16	0.07 133	0.10 200	0.10 35	0.16 224	0.13 185	0.10 226	0.15 315	0.10 255	0.09 266	0.11 197	0.10 207	0.07 338	0.05 269	0.05 49	0.04 60	0.05 169	0.06 305

Wave_Phase_stereo	0.09 173	0.06 108	0.16 461	0.15 113	0.08 213	0.11 252	0.09 20	0.18 297	0.16 279	0.06 25	0.07 64	0.07 124	0.05 14	0.09 59	0.11 288	0.04 11	0.05 269	0.05 49	0.07 379	0.04 48	0.04 73

NLSM3	0.09 173	0.06 108	0.08 57	0.19 456	0.08 213	0.11 252	0.16 389	0.18 297	0.16 279	0.06 25	0.08 122	0.07 124	0.08 228	0.09 59	0.11 288	0.04 11	0.04 25	0.06 189	0.07 379	0.03 1	0.03 2

FE-Mocha	0.09 173	0.06 108	0.14 376	0.16 209	0.09 339	0.10 200	0.15 320	0.18 297	0.16 279	0.10 226	0.09 157	0.07 124	0.07 179	0.09 59	0.09 103	0.06 167	0.04 25	0.06 189	0.06 282	0.05 169	0.05 204

IGEV-FE	0.09 173	0.05 41	0.12 289	0.13 16	0.08 213	0.12 304	0.13 171	0.17 263	0.11 106	0.10 226	0.06 23	0.09 220	0.06 65	0.11 197	0.09 103	0.06 167	0.04 25	0.06 189	0.06 282	0.05 169	0.05 204

water-stereo	0.09 173	0.06 108	0.08 57	0.16 209	0.07 133	0.09 137	0.13 171	0.15 186	0.13 185	0.11 261	0.12 265	0.08 184	0.09 266	0.07 4	0.08 25	0.06 167	0.05 269	0.05 49	0.05 191	0.04 48	0.04 73

depthmonostereo	0.09 173	0.06 108	0.09 122	0.15 113	0.06 28	0.10 200	0.13 171	0.14 144	0.14 217	0.10 226	0.10 193	0.09 220	0.11 338	0.08 25	0.09 103	0.06 167	0.05 269	0.06 189	0.04 60	0.04 48	0.03 2

DilatedVolume-Stereo	0.09 173	0.05 41	0.08 57	0.15 113	0.06 28	0.11 252	0.12 96	0.14 144	0.16 279	0.11 261	0.11 244	0.09 220	0.09 266	0.11 197	0.10 207	0.06 167	0.05 269	0.05 49	0.04 60	0.03 1	0.03 2

S2M2_L	0.09 173	0.08 345	0.11 245	0.13 16	0.10 452	0.08 83	0.06 1	0.10 34	0.10 75	0.10 226	0.09 157	0.10 255	0.09 266	0.11 197	0.11 288	0.13 597	0.07 489	0.08 393	0.09 499	0.10 531	0.08 457
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 173	0.06 108	0.09 122	0.19 456	0.08 213	0.12 304	0.18 480	0.15 186	0.14 217	0.07 75	0.10 193	0.07 124	0.06 65	0.12 291	0.09 103	0.05 51	0.04 25	0.06 189	0.05 191	0.05 169	0.03 2

castereo	0.09 173	0.06 108	0.11 245	0.15 113	0.06 28	0.11 252	0.15 320	0.14 144	0.18 339	0.08 129	0.10 193	0.11 285	0.08 228	0.09 59	0.10 207	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.03 2

fffft	0.09 173	0.06 108	0.12 289	0.16 209	0.07 133	0.09 137	0.17 431	0.12 84	0.11 106	0.08 129	0.07 64	0.09 220	0.06 65	0.11 197	0.12 349	0.05 51	0.04 25	0.06 189	0.05 191	0.04 48	0.05 204
1: 1. 1
tt45	0.09 173	0.06 108	0.11 245	0.15 113	0.07 133	0.11 252	0.16 389	0.13 113	0.11 106	0.09 181	0.06 23	0.08 184	0.06 65	0.13 343	0.10 207	0.06 167	0.04 25	0.06 189	0.05 191	0.05 169	0.06 305

999	0.09 173	0.05 41	0.13 339	0.15 113	0.08 213	0.10 200	0.14 237	0.15 186	0.11 106	0.10 226	0.08 122	0.08 184	0.08 228	0.16 431	0.10 207	0.06 167	0.04 25	0.06 189	0.05 191	0.04 48	0.05 204

mms	0.09 173	0.07 226	0.08 57	0.16 209	0.08 213	0.10 200	0.16 389	0.12 84	0.11 106	0.08 129	0.09 157	0.08 184	0.06 65	0.11 197	0.12 349	0.05 51	0.04 25	0.07 299	0.05 191	0.04 48	0.03 2

ours_stereo	0.09 173	0.07 226	0.09 122	0.17 296	0.08 213	0.11 252	0.16 389	0.11 57	0.12 143	0.08 129	0.10 193	0.08 184	0.06 65	0.12 291	0.12 349	0.05 51	0.04 25	0.06 189	0.05 191	0.04 48	0.03 2

fffy	0.09 173	0.08 345	0.09 122	0.16 209	0.07 133	0.13 355	0.17 431	0.13 113	0.12 143	0.08 129	0.09 157	0.08 184	0.09 266	0.13 343	0.11 288	0.05 51	0.05 269	0.07 299	0.05 191	0.04 48	0.05 204

PAM_32	0.09 173	0.05 41	0.17 491	0.15 113	0.08 213	0.10 200	0.15 320	0.14 144	0.15 242	0.09 181	0.08 122	0.09 220	0.07 179	0.14 372	0.08 25	0.06 167	0.05 269	0.06 189	0.06 282	0.05 169	0.06 305

UGAM-zero	0.09 173	0.05 41	0.15 425	0.15 113	0.08 213	0.09 137	0.13 171	0.19 327	0.15 242	0.11 261	0.15 315	0.07 124	0.07 179	0.09 59	0.09 103	0.06 167	0.05 269	0.06 189	0.05 191	0.05 169	0.06 305

GCAP-BAT	0.09 173	0.05 41	0.11 245	0.13 16	0.07 133	0.11 252	0.14 237	0.14 144	0.16 279	0.07 75	0.10 193	0.08 184	0.06 65	0.13 343	0.08 25	0.07 338	0.05 269	0.05 49	0.05 191	0.04 48	0.04 73

Pointernet	0.09 173	0.04 1	0.09 122	0.16 209	0.08 213	0.13 355	0.10 35	0.15 186	0.17 308	0.09 181	0.07 64	0.06 42	0.06 65	0.11 197	0.09 103	0.08 414	0.04 25	0.05 49	0.03 1	0.06 290	0.05 204

IGEV-BASED-STEREO-	0.09 173	0.10 487	0.31 601	0.15 113	0.06 28	0.08 83	0.14 237	0.10 34	0.10 75	0.07 75	0.07 64	0.06 42	0.04 1	0.11 197	0.07 1	0.12 571	0.04 25	0.07 299	0.05 191	0.05 169	0.05 204

RAFT-Stereo-weight	0.09 173	0.06 108	0.10 186	0.16 209	0.07 133	0.09 137	0.14 237	0.19 327	0.16 279	0.11 261	0.10 193	0.08 184	0.06 65	0.10 122	0.11 288	0.06 167	0.04 25	0.06 189	0.04 60	0.04 48	0.04 73

MGS-Stereo	0.09 173	0.07 226	0.12 289	0.15 113	0.08 213	0.09 137	0.15 320	0.12 84	0.12 143	0.07 75	0.10 193	0.08 184	0.06 65	0.10 122	0.09 103	0.05 51	0.04 25	0.06 189	0.05 191	0.06 290	0.05 204

ff7	0.09 173	0.07 226	0.11 245	0.16 209	0.09 339	0.11 252	0.15 320	0.16 224	0.12 143	0.10 226	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 189	0.05 191	0.05 169	0.06 305

IGEVStereo-DCA	0.09 173	0.06 108	0.11 245	0.15 113	0.10 452	0.11 252	0.15 320	0.16 224	0.12 143	0.10 226	0.06 23	0.08 184	0.06 65	0.10 122	0.08 25	0.06 167	0.05 269	0.06 189	0.05 191	0.05 169	0.06 305

ffff	0.09 173	0.07 226	0.11 245	0.16 209	0.09 339	0.11 252	0.15 320	0.16 224	0.12 143	0.10 226	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 189	0.05 191	0.05 169	0.06 305

rrr	0.09 173	0.06 108	0.12 289	0.15 113	0.10 452	0.11 252	0.16 389	0.16 224	0.15 242	0.10 226	0.06 23	0.08 184	0.06 65	0.10 122	0.08 25	0.06 167	0.05 269	0.06 189	0.05 191	0.05 169	0.06 305

11t	0.09 173	0.07 226	0.11 245	0.16 209	0.09 339	0.11 252	0.15 320	0.16 224	0.12 143	0.10 226	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 189	0.05 191	0.05 169	0.06 305

MaDis-Stereo	0.09 173	0.09 425	0.08 57	0.17 296	0.09 339	0.13 355	0.10 35	0.16 224	0.16 279	0.09 181	0.11 244	0.06 42	0.06 65	0.09 59	0.13 391	0.07 338	0.06 417	0.07 299	0.05 191	0.05 169	0.04 73

IGEV_Zeroshot_test	0.09 173	0.05 41	0.12 289	0.13 16	0.08 213	0.12 304	0.13 171	0.17 263	0.11 106	0.10 226	0.06 23	0.09 220	0.06 65	0.11 197	0.09 103	0.06 167	0.04 25	0.06 189	0.06 282	0.05 169	0.05 204

MSKI-zero shot	0.09 173	0.05 41	0.09 122	0.15 113	0.07 133	0.10 200	0.13 171	0.14 144	0.13 185	0.09 181	0.09 157	0.09 220	0.06 65	0.12 291	0.10 207	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

UniTT-Stereo	0.09 173	0.07 226	0.08 57	0.18 387	0.08 213	0.13 355	0.11 64	0.12 84	0.11 106	0.10 226	0.12 265	0.05 5	0.07 179	0.09 59	0.09 103	0.07 338	0.05 269	0.05 49	0.05 191	0.05 169	0.05 204

MIM_Stereo	0.09 173	0.07 226	0.11 245	0.15 113	0.07 133	0.06 14	0.12 96	0.20 338	0.14 217	0.13 332	0.13 284	0.09 220	0.05 14	0.12 291	0.08 25	0.05 51	0.06 417	0.07 299	0.06 282	0.06 290	0.05 204

CASnet	0.09 173	0.09 425	0.09 122	0.19 456	0.06 28	0.07 43	0.11 64	0.18 297	0.14 217	0.11 261	0.10 193	0.09 220	0.07 179	0.10 122	0.10 207	0.06 167	0.04 25	0.10 525	0.08 452	0.05 169	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAPDPT-zeroshot	0.09 173	0.05 41	0.11 245	0.13 16	0.07 133	0.11 252	0.14 237	0.14 144	0.16 279	0.07 75	0.10 193	0.08 184	0.06 65	0.13 343	0.08 25	0.07 338	0.05 269	0.05 49	0.05 191	0.04 48	0.04 73

GCAP-Stereo	0.09 173	0.07 226	0.13 339	0.18 387	0.06 28	0.11 252	0.07 3	0.13 113	0.12 143	0.09 181	0.10 193	0.07 124	0.09 266	0.13 343	0.10 207	0.06 167	0.05 269	0.05 49	0.04 60	0.04 48	0.05 204

RAFT-Test	0.09 173	0.06 108	0.10 186	0.15 113	0.07 133	0.11 252	0.15 320	0.16 224	0.13 185	0.09 181	0.10 193	0.10 255	0.09 266	0.12 291	0.09 103	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.05 204

HH	0.09 173	0.06 108	0.13 339	0.17 296	0.08 213	0.10 200	0.16 389	0.14 144	0.10 75	0.08 129	0.09 157	0.08 184	0.07 179	0.10 122	0.09 103	0.06 167	0.04 25	0.06 189	0.05 191	0.05 169	0.04 73

HanStereo	0.09 173	0.06 108	0.13 339	0.17 296	0.08 213	0.10 200	0.16 389	0.14 144	0.10 75	0.08 129	0.09 157	0.08 184	0.07 179	0.10 122	0.09 103	0.06 167	0.04 25	0.06 189	0.05 191	0.05 169	0.04 73

4D-IteraStereo	0.09 173	0.07 226	0.10 186	0.18 387	0.07 133	0.09 137	0.15 320	0.17 263	0.15 242	0.10 226	0.11 244	0.10 255	0.07 179	0.11 197	0.09 103	0.05 51	0.03 1	0.08 393	0.07 379	0.06 290	0.05 204

anonymousdsp	0.09 173	0.07 226	0.11 245	0.16 209	0.09 339	0.11 252	0.15 320	0.16 224	0.12 143	0.09 181	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 189	0.05 191	0.05 169	0.06 305

LoS	0.09 173	0.05 41	0.11 245	0.13 16	0.07 133	0.14 389	0.11 64	0.15 186	0.15 242	0.09 181	0.09 157	0.12 305	0.09 266	0.15 396	0.10 207	0.07 338	0.05 269	0.05 49	0.03 1	0.05 169	0.05 204
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 173	0.07 226	0.10 186	0.17 296	0.08 213	0.10 200	0.15 320	0.15 186	0.12 143	0.09 181	0.06 23	0.07 124	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 189	0.05 191	0.04 48	0.06 305

RCA-Stereo	0.09 173	0.06 108	0.09 122	0.16 209	0.06 28	0.09 137	0.13 171	0.18 297	0.14 217	0.09 181	0.10 193	0.08 184	0.07 179	0.12 291	0.11 288	0.06 167	0.04 25	0.06 189	0.05 191	0.05 169	0.04 73

CroCo-Stereo Lap2	0.09 173	0.09 425	0.08 57	0.22 572	0.09 339	0.09 137	0.19 520	0.16 224	0.12 143	0.09 181	0.10 193	0.05 5	0.05 14	0.08 25	0.08 25	0.06 167	0.06 417	0.07 299	0.05 191	0.05 169	0.05 204

ccc-4	0.09 173	0.07 226	0.11 245	0.16 209	0.09 339	0.11 252	0.15 320	0.16 224	0.12 143	0.10 226	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 189	0.05 191	0.05 169	0.06 305

IGEV-Stereo	0.09 173	0.07 226	0.11 245	0.16 209	0.09 339	0.11 252	0.15 320	0.16 224	0.12 143	0.09 181	0.06 23	0.06 42	0.06 65	0.11 197	0.09 103	0.05 51	0.04 25	0.06 189	0.05 191	0.05 169	0.06 305
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 173	0.05 41	0.13 339	0.14 59	0.08 213	0.12 304	0.15 320	0.18 297	0.10 75	0.11 261	0.08 122	0.08 184	0.05 14	0.10 122	0.09 103	0.06 167	0.04 25	0.06 189	0.05 191	0.06 290	0.05 204

TRStereo	0.09 173	0.05 41	0.12 289	0.15 113	0.12 536	0.10 200	0.13 171	0.18 297	0.18 339	0.09 181	0.09 157	0.09 220	0.06 65	0.10 122	0.08 25	0.07 338	0.05 269	0.07 299	0.07 379	0.04 48	0.04 73

AnonymousM	0.09 173	0.05 41	0.10 186	0.14 59	0.06 28	0.09 137	0.13 171	0.19 327	0.14 217	0.13 332	0.11 244	0.09 220	0.08 228	0.13 343	0.10 207	0.08 414	0.05 269	0.08 393	0.05 191	0.05 169	0.05 204

CroCo-Stereo	0.09 173	0.08 345	0.08 57	0.22 572	0.09 339	0.09 137	0.19 520	0.15 186	0.12 143	0.07 75	0.07 64	0.08 184	0.06 65	0.08 25	0.07 1	0.07 338	0.05 269	0.06 189	0.04 60	0.05 169	0.04 73
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 173	0.06 108	0.07 11	0.15 113	0.05 2	0.16 445	0.18 480	0.15 186	0.15 242	0.10 226	0.11 244	0.11 285	0.11 338	0.10 122	0.12 349	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

TANstereo	0.09 173	0.04 1	0.08 57	0.13 16	0.06 28	0.11 252	0.14 237	0.15 186	0.19 357	0.11 261	0.15 315	0.10 255	0.06 65	0.12 291	0.09 103	0.07 338	0.05 269	0.05 49	0.04 60	0.06 290	0.05 204

XX-TBD	0.09 173	0.06 108	0.07 11	0.14 59	0.07 133	0.12 304	0.16 389	0.14 144	0.13 185	0.11 261	0.12 265	0.09 220	0.08 228	0.10 122	0.10 207	0.06 167	0.04 25	0.05 49	0.03 1	0.06 290	0.05 204

raftrobust	0.09 173	0.06 108	0.10 186	0.17 296	0.08 213	0.09 137	0.10 35	0.18 297	0.16 279	0.10 226	0.09 157	0.12 305	0.07 179	0.12 291	0.10 207	0.08 414	0.05 269	0.06 189	0.05 191	0.05 169	0.05 204

XX-Stereo	0.09 173	0.05 41	0.08 57	0.17 296	0.09 339	0.15 415	0.12 96	0.20 338	0.10 75	0.10 226	0.14 298	0.07 124	0.06 65	0.12 291	0.08 25	0.06 167	0.05 269	0.06 189	0.06 282	0.04 48	0.04 73

test_xeample3	0.09 173	0.06 108	0.12 289	0.16 209	0.09 339	0.11 252	0.15 320	0.16 224	0.13 185	0.10 226	0.06 23	0.08 184	0.06 65	0.10 122	0.09 103	0.05 51	0.04 25	0.06 189	0.05 191	0.05 169	0.06 305

RAFT-Stereo + iAFF	0.09 173	0.06 108	0.10 186	0.17 296	0.06 28	0.10 200	0.16 389	0.17 263	0.14 217	0.09 181	0.10 193	0.08 184	0.09 266	0.11 197	0.09 103	0.05 51	0.04 25	0.06 189	0.06 282	0.04 48	0.03 2

AFF-stereo	0.09 173	0.06 108	0.10 186	0.17 296	0.07 133	0.10 200	0.16 389	0.17 263	0.09 51	0.10 226	0.12 265	0.09 220	0.09 266	0.12 291	0.09 103	0.05 51	0.04 25	0.07 299	0.07 379	0.04 48	0.03 2

EAI-Stereo	0.09 173	0.07 226	0.11 245	0.15 113	0.06 28	0.10 200	0.15 320	0.16 224	0.09 51	0.08 129	0.09 157	0.08 184	0.07 179	0.09 59	0.11 288	0.05 51	0.04 25	0.05 49	0.05 191	0.05 169	0.04 73

CFNet-RSSM	0.09 173	0.07 226	0.09 122	0.16 209	0.07 133	0.09 137	0.15 320	0.16 224	0.17 308	0.08 129	0.12 265	0.10 255	0.09 266	0.11 197	0.09 103	0.06 167	0.04 25	0.06 189	0.04 60	0.04 48	0.04 73

Gwc-CoAtRS	0.09 173	0.06 108	0.10 186	0.16 209	0.07 133	0.10 200	0.14 237	0.17 263	0.17 308	0.08 129	0.10 193	0.12 305	0.09 266	0.12 291	0.09 103	0.06 167	0.04 25	0.06 189	0.04 60	0.04 48	0.04 73

CREStereo	0.09 173	0.04 1	0.08 57	0.11 1	0.06 28	0.13 355	0.14 237	0.14 144	0.10 75	0.08 129	0.13 284	0.09 220	0.08 228	0.11 197	0.10 207	0.08 414	0.04 25	0.05 49	0.03 1	0.06 290	0.06 305
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 173	0.05 41	0.09 122	0.12 5	0.06 28	0.12 304	0.14 237	0.15 186	0.11 106	0.09 181	0.13 284	0.10 255	0.07 179	0.13 343	0.10 207	0.15 615	0.04 25	0.05 49	0.03 1	0.07 371	0.06 305

DN	0.10 242	0.05 41	0.09 122	0.14 59	0.09 339	0.12 304	0.18 480	0.17 263	0.16 279	0.08 129	0.09 157	0.08 184	0.06 65	0.08 25	0.09 103	0.11 546	0.05 269	0.07 299	0.06 282	0.07 371	0.09 501

Hybrid-DGEV-03	0.10 242	0.06 108	0.09 122	0.18 387	0.08 213	0.16 445	0.14 237	0.15 186	0.14 217	0.13 332	0.16 328	0.12 305	0.09 266	0.13 343	0.11 288	0.06 167	0.04 25	0.08 393	0.06 282	0.05 169	0.04 73

WQFJA1	0.10 242	0.07 226	0.08 57	0.20 523	0.09 339	0.12 304	0.17 431	0.17 263	0.17 308	0.09 181	0.10 193	0.08 184	0.10 305	0.12 291	0.11 288	0.06 167	0.07 489	0.07 299	0.06 282	0.06 290	0.05 204

WQFJX1	0.10 242	0.07 226	0.08 57	0.22 572	0.09 339	0.12 304	0.17 431	0.18 297	0.17 308	0.10 226	0.09 157	0.07 124	0.10 305	0.11 197	0.09 103	0.07 338	0.08 519	0.07 299	0.06 282	0.05 169	0.04 73

WQFJX	0.10 242	0.07 226	0.09 122	0.21 555	0.09 339	0.12 304	0.16 389	0.18 297	0.17 308	0.12 302	0.10 193	0.07 124	0.09 266	0.12 291	0.10 207	0.06 167	0.07 489	0.06 189	0.05 191	0.06 290	0.05 204

NLMM	0.10 242	0.07 226	0.08 57	0.20 523	0.09 339	0.12 304	0.17 431	0.17 263	0.17 308	0.09 181	0.10 193	0.08 184	0.10 305	0.12 291	0.11 288	0.06 167	0.07 489	0.07 299	0.06 282	0.06 290	0.05 204

NLSM1	0.10 242	0.07 226	0.07 11	0.19 456	0.08 213	0.13 355	0.16 389	0.21 361	0.15 242	0.11 261	0.10 193	0.06 42	0.10 305	0.10 122	0.11 288	0.07 338	0.08 519	0.08 393	0.07 379	0.05 169	0.05 204

MM-Stereo_test3	0.10 242	0.07 226	0.07 11	0.18 387	0.07 133	0.12 304	0.19 520	0.24 430	0.19 357	0.06 25	0.10 193	0.08 184	0.06 65	0.11 197	0.08 25	0.06 167	0.06 417	0.07 299	0.05 191	0.05 169	0.04 73

MM-Stereo_test1	0.10 242	0.07 226	0.08 57	0.18 387	0.07 133	0.12 304	0.18 480	0.21 361	0.20 380	0.09 181	0.11 244	0.08 184	0.06 65	0.10 122	0.10 207	0.06 167	0.05 269	0.07 299	0.06 282	0.05 169	0.04 73

AIO-test2	0.10 242	0.08 345	0.10 186	0.23 596	0.08 213	0.11 252	0.10 35	0.23 406	0.23 422	0.08 129	0.09 157	0.08 184	0.05 14	0.10 122	0.08 25	0.06 167	0.05 269	0.08 393	0.09 499	0.05 169	0.05 204

AIO-test1	0.10 242	0.07 226	0.10 186	0.23 596	0.07 133	0.09 137	0.13 171	0.21 361	0.14 217	0.11 261	0.12 265	0.09 220	0.07 179	0.11 197	0.09 103	0.06 167	0.05 269	0.09 476	0.10 540	0.03 1	0.06 305

tg	0.10 242	0.06 108	0.10 186	0.18 387	0.08 213	0.11 252	0.16 389	0.20 338	0.12 143	0.08 129	0.11 244	0.11 285	0.07 179	0.11 197	0.10 207	0.05 51	0.04 25	0.08 393	0.08 452	0.04 48	0.04 73

PAM	0.10 242	0.05 41	0.16 461	0.15 113	0.08 213	0.09 137	0.16 389	0.15 186	0.16 279	0.12 302	0.09 157	0.09 220	0.07 179	0.13 343	0.08 25	0.06 167	0.05 269	0.06 189	0.06 282	0.05 169	0.06 305

model_zeroshot	0.10 242	0.04 1	0.11 245	0.15 113	0.09 339	0.12 304	0.14 237	0.20 338	0.13 185	0.11 261	0.10 193	0.12 305	0.07 179	0.12 291	0.10 207	0.07 338	0.06 417	0.06 189	0.05 191	0.06 290	0.06 305

RAStereo	0.10 242	0.09 425	0.08 57	0.20 523	0.08 213	0.13 355	0.18 480	0.15 186	0.17 308	0.10 226	0.12 265	0.05 5	0.06 65	0.09 59	0.08 25	0.07 338	0.05 269	0.07 299	0.05 191	0.05 169	0.04 73

rvit_stereo_0080	0.10 242	0.08 345	0.14 376	0.15 113	0.09 339	0.07 43	0.15 320	0.16 224	0.16 279	0.11 261	0.10 193	0.14 351	0.08 228	0.12 291	0.10 207	0.09 474	0.07 489	0.07 299	0.06 282	0.07 371	0.05 204

H2IRNET	0.10 242	0.09 425	0.09 122	0.18 387	0.09 339	0.12 304	0.15 320	0.14 144	0.21 396	0.10 226	0.10 193	0.10 255	0.10 305	0.10 122	0.10 207	0.05 51	0.04 25	0.08 393	0.08 452	0.06 290	0.05 204

Former-RAFT_DAM_RVC	0.10 242	0.08 345	0.12 289	0.16 209	0.08 213	0.15 415	0.16 389	0.18 297	0.18 339	0.10 226	0.09 157	0.09 220	0.08 228	0.11 197	0.12 349	0.07 338	0.05 269	0.08 393	0.06 282	0.07 371	0.06 305

MyStereo07	0.10 242	0.07 226	0.10 186	0.17 296	0.09 339	0.14 389	0.18 480	0.15 186	0.15 242	0.09 181	0.06 23	0.06 42	0.07 179	0.12 291	0.09 103	0.06 167	0.05 269	0.08 393	0.07 379	0.06 290	0.06 305

MyStereo06	0.10 242	0.07 226	0.12 289	0.17 296	0.09 339	0.13 355	0.18 480	0.19 327	0.12 143	0.12 302	0.08 122	0.07 124	0.07 179	0.11 197	0.09 103	0.06 167	0.05 269	0.07 299	0.07 379	0.06 290	0.06 305

AE-Stereo	0.10 242	0.08 345	0.10 186	0.18 387	0.09 339	0.10 200	0.15 320	0.14 144	0.19 357	0.09 181	0.14 298	0.12 305	0.08 228	0.11 197	0.10 207	0.05 51	0.06 417	0.07 299	0.06 282	0.05 169	0.04 73

ACVNet-DCA	0.10 242	0.08 345	0.12 289	0.17 296	0.09 339	0.13 355	0.15 320	0.23 406	0.16 279	0.09 181	0.09 157	0.06 42	0.06 65	0.10 122	0.07 1	0.06 167	0.04 25	0.06 189	0.05 191	0.07 371	0.07 392

cc1	0.10 242	0.08 345	0.12 289	0.17 296	0.09 339	0.13 355	0.15 320	0.16 224	0.18 339	0.09 181	0.09 157	0.06 42	0.06 65	0.10 122	0.07 1	0.06 167	0.04 25	0.06 189	0.05 191	0.06 290	0.06 305

tt1	0.10 242	0.08 345	0.12 289	0.17 296	0.09 339	0.12 304	0.16 389	0.15 186	0.19 357	0.09 181	0.08 122	0.06 42	0.06 65	0.10 122	0.07 1	0.06 167	0.04 25	0.06 189	0.05 191	0.06 290	0.06 305

whm_eth	0.10 242	0.08 345	0.14 376	0.15 113	0.09 339	0.07 43	0.15 320	0.16 224	0.16 279	0.11 261	0.10 193	0.14 351	0.08 228	0.12 291	0.10 207	0.09 474	0.07 489	0.07 299	0.06 282	0.07 371	0.05 204

plain	0.10 242	0.08 345	0.10 186	0.19 456	0.09 339	0.10 200	0.15 320	0.14 144	0.13 185	0.13 332	0.15 315	0.09 220	0.12 369	0.13 343	0.12 349	0.07 338	0.05 269	0.09 476	0.06 282	0.06 290	0.06 305

Any-RAFT	0.10 242	0.05 41	0.09 122	0.14 59	0.07 133	0.13 355	0.14 237	0.21 361	0.15 242	0.11 261	0.12 265	0.12 305	0.09 266	0.12 291	0.09 103	0.07 338	0.04 25	0.05 49	0.04 60	0.06 290	0.05 204

LL-Strereo2	0.10 242	0.10 487	0.15 425	0.18 387	0.08 213	0.15 415	0.09 20	0.17 263	0.14 217	0.14 354	0.10 193	0.09 220	0.07 179	0.16 431	0.10 207	0.05 51	0.05 269	0.10 525	0.07 379	0.06 290	0.05 204

DCANet-4	0.10 242	0.06 108	0.12 289	0.16 209	0.06 28	0.09 137	0.17 431	0.18 297	0.19 357	0.13 332	0.16 328	0.09 220	0.14 433	0.11 197	0.12 349	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.05 204

fff	0.10 242	0.06 108	0.12 289	0.15 113	0.07 133	0.09 137	0.17 431	0.16 224	0.20 380	0.13 332	0.16 328	0.10 255	0.11 338	0.11 197	0.12 349	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.05 204

ADStereo(finetuned)	0.10 242	0.06 108	0.12 289	0.16 209	0.06 28	0.09 137	0.17 431	0.15 186	0.19 357	0.13 332	0.17 350	0.10 255	0.12 369	0.11 197	0.12 349	0.06 167	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

test_4	0.10 242	0.10 487	0.08 57	0.19 456	0.09 339	0.08 83	0.22 573	0.15 186	0.17 308	0.12 302	0.18 377	0.12 305	0.09 266	0.08 25	0.11 288	0.04 11	0.04 25	0.08 393	0.08 452	0.04 48	0.03 2

IPLG	0.10 242	0.07 226	0.15 425	0.17 296	0.08 213	0.11 252	0.14 237	0.20 338	0.15 242	0.12 302	0.17 350	0.07 124	0.07 179	0.14 372	0.13 391	0.06 167	0.04 25	0.06 189	0.05 191	0.04 48	0.04 73

test_3	0.10 242	0.09 425	0.10 186	0.20 523	0.08 213	0.13 355	0.26 622	0.14 144	0.21 396	0.10 226	0.10 193	0.09 220	0.09 266	0.08 25	0.11 288	0.05 51	0.04 25	0.08 393	0.07 379	0.04 48	0.04 73

STrans-v2	0.10 242	0.07 226	0.12 289	0.18 387	0.07 133	0.10 200	0.14 237	0.21 361	0.11 106	0.11 261	0.15 315	0.12 305	0.10 305	0.11 197	0.12 349	0.05 51	0.04 25	0.06 189	0.06 282	0.04 48	0.04 73

TransformOpticalFlow	0.10 242	0.08 345	0.13 339	0.18 387	0.07 133	0.09 137	0.15 320	0.19 327	0.15 242	0.12 302	0.17 350	0.11 285	0.11 338	0.11 197	0.10 207	0.05 51	0.04 25	0.06 189	0.06 282	0.05 169	0.05 204

SST-Stereo	0.10 242	0.07 226	0.15 425	0.18 387	0.09 339	0.06 14	0.12 96	0.17 263	0.11 106	0.15 381	0.17 350	0.13 331	0.12 369	0.10 122	0.11 288	0.06 167	0.04 25	0.09 476	0.06 282	0.06 290	0.05 204

cross-raft	0.10 242	0.09 425	0.09 122	0.19 456	0.07 133	0.11 252	0.25 613	0.13 113	0.15 242	0.08 129	0.11 244	0.12 305	0.10 305	0.09 59	0.11 288	0.05 51	0.04 25	0.06 189	0.05 191	0.04 48	0.04 73

test-1	0.10 242	0.07 226	0.16 461	0.19 456	0.08 213	0.11 252	0.24 597	0.14 144	0.18 339	0.09 181	0.07 64	0.09 220	0.08 228	0.07 4	0.09 103	0.06 167	0.04 25	0.06 189	0.05 191	0.04 48	0.04 73

iRaftStereo_RVC	0.10 242	0.07 226	0.09 122	0.17 296	0.09 339	0.11 252	0.17 431	0.18 297	0.12 143	0.09 181	0.12 265	0.10 255	0.07 179	0.11 197	0.10 207	0.05 51	0.04 25	0.08 393	0.08 452	0.04 48	0.04 73

RALCasStereoNet	0.10 242	0.06 108	0.09 122	0.16 209	0.08 213	0.12 304	0.14 237	0.17 263	0.11 106	0.12 302	0.17 350	0.14 351	0.10 305	0.12 291	0.11 288	0.07 338	0.06 417	0.06 189	0.05 191	0.08 435	0.07 392

DCANet	0.10 242	0.06 108	0.12 289	0.16 209	0.06 28	0.09 137	0.17 431	0.15 186	0.19 357	0.13 332	0.17 350	0.10 255	0.11 338	0.11 197	0.12 349	0.06 167	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

csc	0.10 242	0.06 108	0.12 289	0.15 113	0.07 133	0.09 137	0.17 431	0.16 224	0.20 380	0.13 332	0.16 328	0.10 255	0.11 338	0.11 197	0.12 349	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.05 204

cscssc	0.10 242	0.06 108	0.12 289	0.15 113	0.07 133	0.09 137	0.17 431	0.16 224	0.20 380	0.13 332	0.16 328	0.10 255	0.11 338	0.11 197	0.12 349	0.06 167	0.04 25	0.05 49	0.04 60	0.04 48	0.05 204

111	0.10 242	0.06 108	0.12 289	0.15 113	0.07 133	0.10 200	0.14 237	0.21 361	0.23 422	0.11 261	0.12 265	0.14 351	0.11 338	0.13 343	0.10 207	0.06 167	0.04 25	0.06 189	0.04 60	0.05 169	0.05 204

R-Stereo Train	0.10 242	0.06 108	0.10 186	0.17 296	0.08 213	0.11 252	0.14 237	0.23 406	0.11 106	0.12 302	0.19 388	0.11 285	0.08 228	0.09 59	0.11 288	0.07 338	0.05 269	0.06 189	0.05 191	0.05 169	0.05 204

RAFT-Stereo	0.10 242	0.06 108	0.10 186	0.17 296	0.08 213	0.11 252	0.14 237	0.23 406	0.11 106	0.12 302	0.19 388	0.11 285	0.08 228	0.09 59	0.11 288	0.07 338	0.05 269	0.06 189	0.05 191	0.05 169	0.05 204
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 242	0.06 108	0.12 289	0.14 59	0.06 28	0.11 252	0.10 35	0.18 297	0.18 339	0.13 332	0.16 328	0.14 351	0.11 338	0.15 396	0.13 391	0.06 167	0.04 25	0.04 1	0.04 60	0.06 290	0.05 204
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
Lsterematch	0.11 290	0.06 108	0.11 245	0.16 209	0.07 133	0.13 355	0.15 320	0.14 144	0.17 308	0.16 409	0.18 377	0.15 380	0.15 451	0.12 291	0.14 428	0.07 338	0.04 25	0.06 189	0.06 282	0.06 290	0.06 305

Hybrid-DGEV-2	0.11 290	0.06 108	0.12 289	0.18 387	0.09 339	0.09 137	0.13 171	0.28 505	0.29 507	0.11 261	0.11 244	0.09 220	0.12 369	0.12 291	0.09 103	0.06 167	0.05 269	0.07 299	0.07 379	0.05 169	0.05 204

NLMM1	0.11 290	0.09 425	0.07 11	0.22 572	0.10 452	0.12 304	0.20 543	0.18 297	0.20 380	0.12 302	0.11 244	0.07 124	0.09 266	0.11 197	0.11 288	0.08 414	0.08 519	0.07 299	0.06 282	0.04 48	0.04 73

NLCSM	0.11 290	0.09 425	0.09 122	0.23 596	0.11 502	0.12 304	0.19 520	0.18 297	0.18 339	0.12 302	0.11 244	0.07 124	0.09 266	0.11 197	0.10 207	0.07 338	0.08 519	0.07 299	0.07 379	0.06 290	0.05 204

Select-FE	0.11 290	0.06 108	0.20 539	0.15 113	0.11 502	0.11 252	0.13 171	0.21 361	0.18 339	0.09 181	0.11 244	0.10 255	0.06 65	0.12 291	0.09 103	0.07 338	0.05 269	0.07 299	0.08 452	0.06 290	0.08 457

FlowAnything_test	0.11 290	0.08 345	0.14 376	0.15 113	0.09 339	0.07 43	0.14 237	0.20 338	0.11 106	0.09 181	0.09 157	0.12 305	0.12 369	0.13 343	0.11 288	0.09 474	0.06 417	0.09 476	0.09 499	0.06 290	0.09 501

xyz-stereo-finetune2	0.11 290	0.07 226	0.13 339	0.13 16	0.07 133	0.11 252	0.19 520	0.17 263	0.12 143	0.15 381	0.15 315	0.17 417	0.12 369	0.13 343	0.11 288	0.05 51	0.04 25	0.07 299	0.05 191	0.04 48	0.06 305

xyz-stereo-finetune	0.11 290	0.08 345	0.13 339	0.14 59	0.06 28	0.10 200	0.19 520	0.17 263	0.19 357	0.12 302	0.14 298	0.15 380	0.10 305	0.13 343	0.11 288	0.05 51	0.04 25	0.07 299	0.05 191	0.04 48	0.05 204

fast-iter	0.11 290	0.06 108	0.11 245	0.13 16	0.09 339	0.09 137	0.14 237	0.21 361	0.10 75	0.19 475	0.17 350	0.14 351	0.09 266	0.16 431	0.08 25	0.05 51	0.04 25	0.07 299	0.08 452	0.07 371	0.06 305

CoSv	0.11 290	0.06 108	0.11 245	0.13 16	0.09 339	0.09 137	0.14 237	0.21 361	0.10 75	0.19 475	0.17 350	0.14 351	0.09 266	0.16 431	0.08 25	0.05 51	0.04 25	0.07 299	0.08 452	0.07 371	0.06 305

rvit_stereo_0081_aga	0.11 290	0.09 425	0.14 376	0.18 387	0.09 339	0.13 355	0.14 237	0.14 144	0.19 357	0.10 226	0.18 377	0.16 395	0.09 266	0.12 291	0.09 103	0.10 515	0.06 417	0.08 393	0.07 379	0.07 371	0.06 305

rvit_stereo_0081	0.11 290	0.08 345	0.15 425	0.16 209	0.09 339	0.10 200	0.14 237	0.14 144	0.24 439	0.11 261	0.13 284	0.13 331	0.09 266	0.11 197	0.12 349	0.10 515	0.07 489	0.08 393	0.07 379	0.07 371	0.05 204

rvit_stereo_0082	0.11 290	0.08 345	0.15 425	0.16 209	0.09 339	0.10 200	0.14 237	0.14 144	0.24 439	0.11 261	0.13 284	0.13 331	0.09 266	0.11 197	0.12 349	0.10 515	0.07 489	0.08 393	0.07 379	0.07 371	0.05 204

AIO-Stereo-zeroshot1	0.11 290	0.05 41	0.14 376	0.15 113	0.20 640	0.09 137	0.17 431	0.21 361	0.15 242	0.11 261	0.14 298	0.10 255	0.07 179	0.10 122	0.08 25	0.06 167	0.05 269	0.07 299	0.07 379	0.07 371	0.09 501

AIO-Stereo-zeroshot	0.11 290	0.05 41	0.11 245	0.15 113	0.13 559	0.13 355	0.16 389	0.23 406	0.17 308	0.10 226	0.12 265	0.10 255	0.07 179	0.11 197	0.09 103	0.06 167	0.05 269	0.06 189	0.06 282	0.07 371	0.08 457

CAS++	0.11 290	0.07 226	0.11 245	0.14 59	0.09 339	0.12 304	0.14 237	0.24 430	0.14 217	0.11 261	0.09 157	0.11 285	0.07 179	0.14 372	0.09 103	0.11 546	0.09 552	0.09 476	0.07 379	0.07 371	0.08 457
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 290	0.08 345	0.12 289	0.17 296	0.09 339	0.13 355	0.15 320	0.16 224	0.18 339	0.09 181	0.09 157	0.16 395	0.16 479	0.10 122	0.07 1	0.06 167	0.04 25	0.08 393	0.08 452	0.07 371	0.07 392

1test111	0.11 290	0.08 345	0.12 289	0.17 296	0.09 339	0.13 355	0.15 320	0.23 406	0.16 279	0.09 181	0.09 157	0.06 42	0.06 65	0.15 396	0.16 476	0.06 167	0.04 25	0.06 189	0.05 191	0.07 371	0.07 392

MIF-Stereo (partial)	0.11 290	0.06 108	0.10 186	0.19 456	0.10 452	0.10 200	0.11 64	0.17 263	0.18 339	0.14 354	0.16 328	0.09 220	0.11 338	0.12 291	0.12 349	0.08 414	0.05 269	0.08 393	0.07 379	0.06 290	0.07 392

EKT-Stereo	0.11 290	0.07 226	0.14 376	0.15 113	0.10 452	0.13 355	0.14 237	0.18 297	0.21 396	0.11 261	0.08 122	0.12 305	0.09 266	0.11 197	0.12 349	0.08 414	0.06 417	0.07 299	0.06 282	0.08 435	0.07 392

anonymousdsp2	0.11 290	0.07 226	0.10 186	0.16 209	0.09 339	0.13 355	0.14 237	0.18 297	0.22 410	0.13 332	0.14 298	0.12 305	0.09 266	0.14 372	0.11 288	0.05 51	0.04 25	0.05 49	0.04 60	0.06 290	0.05 204

DCRE	0.11 290	0.07 226	0.13 339	0.16 209	0.11 502	0.11 252	0.17 431	0.18 297	0.17 308	0.11 261	0.18 377	0.10 255	0.10 305	0.15 396	0.11 288	0.06 167	0.05 269	0.06 189	0.06 282	0.05 169	0.04 73

knoymous	0.11 290	0.05 41	0.12 289	0.13 16	0.07 133	0.15 415	0.14 237	0.19 327	0.13 185	0.11 261	0.17 350	0.13 331	0.09 266	0.13 343	0.11 288	0.08 414	0.05 269	0.06 189	0.05 191	0.08 435	0.07 392

riskmin	0.11 290	0.06 108	0.13 339	0.14 59	0.08 213	0.14 389	0.14 237	0.18 297	0.14 217	0.11 261	0.14 298	0.16 395	0.11 338	0.14 372	0.12 349	0.09 474	0.05 269	0.07 299	0.05 191	0.08 435	0.08 457

Selective-RAFT	0.11 290	0.10 487	0.11 245	0.21 555	0.08 213	0.16 445	0.13 171	0.20 338	0.22 410	0.10 226	0.10 193	0.11 285	0.10 305	0.15 396	0.11 288	0.05 51	0.05 269	0.06 189	0.05 191	0.06 290	0.05 204

DisPM	0.11 290	0.07 226	0.12 289	0.16 209	0.09 339	0.06 14	0.13 171	0.17 263	0.17 308	0.14 354	0.20 400	0.12 305	0.10 305	0.11 197	0.10 207	0.06 167	0.04 25	0.07 299	0.06 282	0.06 290	0.11 558

CIPLG	0.11 290	0.08 345	0.14 376	0.17 296	0.08 213	0.12 304	0.15 320	0.17 263	0.15 242	0.14 354	0.11 244	0.16 395	0.09 266	0.16 431	0.11 288	0.07 338	0.05 269	0.06 189	0.05 191	0.05 169	0.06 305

GLC_STEREO	0.11 290	0.07 226	0.11 245	0.17 296	0.07 133	0.09 137	0.13 171	0.15 186	0.24 439	0.12 302	0.13 284	0.12 305	0.08 228	0.18 487	0.11 288	0.06 167	0.08 519	0.08 393	0.06 282	0.05 169	0.05 204

IPLGR_C	0.11 290	0.08 345	0.14 376	0.17 296	0.08 213	0.12 304	0.15 320	0.17 263	0.15 242	0.14 354	0.10 193	0.16 395	0.09 266	0.16 431	0.11 288	0.07 338	0.05 269	0.06 189	0.05 191	0.05 169	0.06 305

MIPNet	0.11 290	0.08 345	0.14 376	0.17 296	0.09 339	0.12 304	0.14 237	0.20 338	0.24 439	0.11 261	0.10 193	0.09 220	0.07 179	0.13 343	0.12 349	0.06 167	0.04 25	0.06 189	0.05 191	0.04 48	0.04 73

IPLGR	0.11 290	0.09 425	0.16 461	0.18 387	0.08 213	0.12 304	0.17 431	0.21 361	0.24 439	0.11 261	0.12 265	0.11 285	0.08 228	0.12 291	0.12 349	0.06 167	0.05 269	0.06 189	0.06 282	0.04 48	0.04 73

GMOStereo	0.11 290	0.09 425	0.07 11	0.19 456	0.08 213	0.12 304	0.28 635	0.13 113	0.17 308	0.11 261	0.17 350	0.14 351	0.12 369	0.07 4	0.07 1	0.05 51	0.05 269	0.09 476	0.07 379	0.04 48	0.04 73

error version	0.11 290	0.09 425	0.07 11	0.19 456	0.08 213	0.12 304	0.28 635	0.13 113	0.17 308	0.11 261	0.17 350	0.14 351	0.12 369	0.07 4	0.07 1	0.05 51	0.05 269	0.09 476	0.07 379	0.04 48	0.04 73

test-v	0.11 290	0.09 425	0.07 11	0.19 456	0.08 213	0.12 304	0.28 635	0.13 113	0.17 308	0.11 261	0.17 350	0.14 351	0.12 369	0.07 4	0.07 1	0.05 51	0.05 269	0.09 476	0.07 379	0.04 48	0.04 73

ACRE	0.11 290	0.08 345	0.14 376	0.17 296	0.08 213	0.12 304	0.15 320	0.17 263	0.14 217	0.14 354	0.10 193	0.16 395	0.09 266	0.16 431	0.11 288	0.07 338	0.05 269	0.06 189	0.05 191	0.05 169	0.06 305

PFNet+	0.11 290	0.06 108	0.13 339	0.16 209	0.09 339	0.05 4	0.12 96	0.17 263	0.21 396	0.16 409	0.19 388	0.14 351	0.10 305	0.11 197	0.11 288	0.08 414	0.05 269	0.09 476	0.08 452	0.06 290	0.11 558

LCNet	0.11 290	0.07 226	0.09 122	0.19 456	0.09 339	0.08 83	0.15 320	0.21 361	0.15 242	0.11 261	0.15 315	0.16 395	0.11 338	0.12 291	0.11 288	0.05 51	0.04 25	0.08 393	0.07 379	0.06 290	0.15 618

HHNet	0.11 290	0.06 108	0.16 461	0.15 113	0.14 580	0.07 43	0.13 171	0.20 338	0.17 308	0.14 354	0.25 483	0.11 285	0.08 228	0.13 343	0.10 207	0.05 51	0.04 25	0.08 393	0.06 282	0.05 169	0.09 501

Patchmatch Stereo++	0.11 290	0.09 425	0.16 461	0.18 387	0.08 213	0.06 14	0.11 64	0.16 224	0.13 185	0.15 381	0.16 328	0.14 351	0.12 369	0.11 197	0.10 207	0.06 167	0.04 25	0.08 393	0.06 282	0.08 435	0.07 392
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 290	0.07 226	0.16 461	0.19 456	0.09 339	0.08 83	0.13 171	0.18 297	0.13 185	0.16 409	0.21 423	0.13 331	0.14 433	0.11 197	0.14 428	0.06 167	0.04 25	0.09 476	0.06 282	0.06 290	0.05 204

OMP-Stereo	0.11 290	0.06 108	0.14 376	0.18 387	0.08 213	0.09 137	0.12 96	0.21 361	0.21 396	0.13 332	0.14 298	0.11 285	0.12 369	0.11 197	0.13 391	0.06 167	0.04 25	0.07 299	0.06 282	0.05 169	0.04 73

IIG-Stereo	0.11 290	0.06 108	0.13 339	0.17 296	0.08 213	0.11 252	0.12 96	0.22 385	0.17 308	0.14 354	0.17 350	0.11 285	0.12 369	0.12 291	0.12 349	0.06 167	0.05 269	0.07 299	0.06 282	0.05 169	0.04 73

NF-Stereo	0.11 290	0.07 226	0.13 339	0.17 296	0.09 339	0.10 200	0.14 237	0.23 406	0.19 357	0.12 302	0.17 350	0.12 305	0.11 338	0.11 197	0.11 288	0.06 167	0.04 25	0.07 299	0.06 282	0.06 290	0.12 571

OCTAStereo	0.11 290	0.07 226	0.13 339	0.17 296	0.09 339	0.10 200	0.14 237	0.23 406	0.19 357	0.12 302	0.17 350	0.12 305	0.11 338	0.11 197	0.11 288	0.06 167	0.04 25	0.07 299	0.06 282	0.06 290	0.12 571

NRIStereo	0.11 290	0.08 345	0.14 376	0.18 387	0.08 213	0.10 200	0.14 237	0.16 224	0.15 242	0.12 302	0.14 298	0.13 331	0.12 369	0.13 343	0.10 207	0.06 167	0.04 25	0.07 299	0.06 282	0.06 290	0.07 392

PSM-adaLoss	0.11 290	0.09 425	0.16 461	0.18 387	0.08 213	0.06 14	0.12 96	0.16 224	0.13 185	0.15 381	0.16 328	0.14 351	0.12 369	0.11 197	0.10 207	0.06 167	0.04 25	0.08 393	0.06 282	0.08 435	0.07 392

PSM-AAD	0.11 290	0.07 226	0.10 186	0.19 456	0.09 339	0.10 200	0.15 320	0.20 338	0.13 185	0.12 302	0.14 298	0.18 431	0.11 338	0.11 197	0.10 207	0.05 51	0.05 269	0.09 476	0.08 452	0.06 290	0.14 611

ROB_FTStereo_v2	0.11 290	0.09 425	0.16 461	0.19 456	0.08 213	0.06 14	0.12 96	0.16 224	0.13 185	0.15 381	0.16 328	0.14 351	0.12 369	0.11 197	0.10 207	0.06 167	0.04 25	0.08 393	0.06 282	0.08 435	0.07 392

ROB_FTStereo	0.11 290	0.09 425	0.16 461	0.19 456	0.08 213	0.06 14	0.11 64	0.16 224	0.13 185	0.15 381	0.16 328	0.14 351	0.12 369	0.11 197	0.10 207	0.06 167	0.04 25	0.08 393	0.06 282	0.08 435	0.07 392

KYRaft	0.11 290	0.07 226	0.10 186	0.19 456	0.09 339	0.08 83	0.15 320	0.22 385	0.12 143	0.13 332	0.16 328	0.20 458	0.10 305	0.12 291	0.10 207	0.05 51	0.04 25	0.08 393	0.08 452	0.06 290	0.16 629

HUI-Stereo	0.11 290	0.09 425	0.16 461	0.18 387	0.08 213	0.06 14	0.12 96	0.16 224	0.13 185	0.15 381	0.16 328	0.14 351	0.12 369	0.11 197	0.10 207	0.06 167	0.04 25	0.08 393	0.06 282	0.08 435	0.07 392

ASMatch	0.11 290	0.06 108	0.13 339	0.16 209	0.10 452	0.07 43	0.14 237	0.17 263	0.17 308	0.12 302	0.16 328	0.16 395	0.10 305	0.13 343	0.10 207	0.05 51	0.04 25	0.06 189	0.05 191	0.04 48	0.08 457

RAFT_R40	0.11 290	0.07 226	0.14 376	0.18 387	0.09 339	0.06 14	0.13 171	0.17 263	0.16 279	0.14 354	0.18 377	0.15 380	0.12 369	0.10 122	0.11 288	0.06 167	0.04 25	0.09 476	0.06 282	0.06 290	0.05 204

GrayStereo	0.11 290	0.06 108	0.11 245	0.19 456	0.09 339	0.09 137	0.16 389	0.18 297	0.17 308	0.14 354	0.17 350	0.17 417	0.11 338	0.12 291	0.11 288	0.05 51	0.05 269	0.07 299	0.06 282	0.05 169	0.10 531

RE-Stereo	0.11 290	0.07 226	0.13 339	0.17 296	0.09 339	0.10 200	0.14 237	0.23 406	0.19 357	0.12 302	0.17 350	0.12 305	0.11 338	0.11 197	0.11 288	0.06 167	0.04 25	0.07 299	0.06 282	0.06 290	0.12 571

Pruner-Stereo	0.11 290	0.07 226	0.12 289	0.17 296	0.09 339	0.06 14	0.12 96	0.17 263	0.17 308	0.13 332	0.19 388	0.13 331	0.09 266	0.11 197	0.11 288	0.06 167	0.04 25	0.07 299	0.06 282	0.06 290	0.08 457

TVStereo	0.11 290	0.07 226	0.13 339	0.17 296	0.09 339	0.10 200	0.14 237	0.23 406	0.19 357	0.12 302	0.17 350	0.12 305	0.11 338	0.11 197	0.11 288	0.06 167	0.04 25	0.07 299	0.06 282	0.06 290	0.12 571

DeepStereo_RVC	0.11 290	0.08 345	0.16 461	0.18 387	0.08 213	0.08 83	0.12 96	0.17 263	0.12 143	0.13 332	0.14 298	0.12 305	0.12 369	0.12 291	0.11 288	0.06 167	0.04 25	0.07 299	0.06 282	0.07 371	0.08 457

iGMRVC	0.11 290	0.09 425	0.16 461	0.19 456	0.08 213	0.06 14	0.12 96	0.16 224	0.13 185	0.15 381	0.16 328	0.14 351	0.12 369	0.11 197	0.10 207	0.06 167	0.04 25	0.08 393	0.06 282	0.08 435	0.07 392

RAFT-RH_RVC	0.11 290	0.06 108	0.14 376	0.16 209	0.09 339	0.12 304	0.12 96	0.17 263	0.12 143	0.13 332	0.41 616	0.11 285	0.10 305	0.13 343	0.12 349	0.05 51	0.04 25	0.08 393	0.05 191	0.04 48	0.06 305

RAFT-345	0.11 290	0.07 226	0.15 425	0.16 209	0.08 213	0.08 83	0.12 96	0.15 186	0.10 75	0.11 261	0.36 579	0.09 220	0.09 266	0.11 197	0.12 349	0.05 51	0.05 269	0.07 299	0.06 282	0.04 48	0.05 204

iRAFT	0.11 290	0.09 425	0.16 461	0.18 387	0.08 213	0.06 14	0.11 64	0.16 224	0.13 185	0.15 381	0.16 328	0.14 351	0.12 369	0.11 197	0.10 207	0.06 167	0.04 25	0.08 393	0.06 282	0.08 435	0.07 392

CRE-IMP	0.11 290	0.09 425	0.16 461	0.19 456	0.08 213	0.10 200	0.12 96	0.18 297	0.10 75	0.14 354	0.13 284	0.13 331	0.12 369	0.12 291	0.11 288	0.07 338	0.04 25	0.08 393	0.06 282	0.08 435	0.08 457

test-2	0.11 290	0.09 425	0.07 11	0.19 456	0.08 213	0.12 304	0.28 635	0.13 113	0.17 308	0.11 261	0.17 350	0.14 351	0.12 369	0.07 4	0.07 1	0.05 51	0.05 269	0.09 476	0.07 379	0.04 48	0.04 73

GMM-Stereo	0.11 290	0.07 226	0.10 186	0.18 387	0.09 339	0.08 83	0.15 320	0.23 406	0.16 279	0.11 261	0.15 315	0.13 331	0.11 338	0.11 197	0.11 288	0.05 51	0.04 25	0.08 393	0.07 379	0.06 290	0.09 501

RAFT-IKP	0.11 290	0.09 425	0.16 461	0.19 456	0.08 213	0.06 14	0.12 96	0.16 224	0.13 185	0.15 381	0.16 328	0.14 351	0.12 369	0.11 197	0.10 207	0.06 167	0.04 25	0.08 393	0.06 282	0.08 435	0.07 392

Prome-Stereo	0.11 290	0.06 108	0.10 186	0.18 387	0.08 213	0.12 304	0.15 320	0.22 385	0.13 185	0.12 302	0.17 350	0.13 331	0.08 228	0.12 291	0.10 207	0.05 51	0.04 25	0.07 299	0.06 282	0.06 290	0.09 501

rafts_anoy	0.11 290	0.06 108	0.10 186	0.17 296	0.08 213	0.10 200	0.14 237	0.17 263	0.14 217	0.13 332	0.13 284	0.12 305	0.10 305	0.11 197	0.12 349	0.07 338	0.04 25	0.09 476	0.11 574	0.07 371	0.06 305

raft+_RVC	0.11 290	0.07 226	0.09 122	0.16 209	0.07 133	0.10 200	0.11 64	0.24 430	0.20 380	0.12 302	0.15 315	0.12 305	0.08 228	0.12 291	0.13 391	0.07 338	0.04 25	0.07 299	0.06 282	0.05 169	0.05 204

RALAANet	0.11 290	0.08 345	0.10 186	0.17 296	0.09 339	0.14 389	0.10 35	0.20 338	0.15 242	0.14 354	0.13 284	0.16 395	0.09 266	0.12 291	0.11 288	0.06 167	0.05 269	0.07 299	0.06 282	0.05 169	0.04 73

DIP-Stereo	0.11 290	0.07 226	0.14 376	0.17 296	0.09 339	0.13 355	0.09 20	0.16 224	0.16 279	0.11 261	0.16 328	0.14 351	0.12 369	0.15 396	0.13 391	0.06 167	0.05 269	0.06 189	0.05 191	0.05 169	0.06 305
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
IGEV_i1	0.12 361	0.07 226	0.12 289	0.16 209	0.08 213	0.19 511	0.14 237	0.18 297	0.22 410	0.18 458	0.18 377	0.16 395	0.12 369	0.16 431	0.14 428	0.06 167	0.05 269	0.06 189	0.05 191	0.06 290	0.06 305

rvit_stereo_0083	0.12 361	0.08 345	0.17 491	0.16 209	0.09 339	0.11 252	0.15 320	0.14 144	0.26 475	0.11 261	0.14 298	0.13 331	0.10 305	0.12 291	0.12 349	0.10 515	0.08 519	0.09 476	0.07 379	0.07 371	0.05 204

rvit_stereo_ft	0.12 361	0.07 226	0.13 339	0.19 456	0.10 452	0.12 304	0.17 431	0.16 224	0.16 279	0.12 302	0.13 284	0.15 380	0.10 305	0.14 372	0.13 391	0.09 474	0.06 417	0.08 393	0.07 379	0.07 371	0.05 204

test_sample2	0.12 361	0.07 226	0.12 289	0.14 59	0.08 213	0.16 445	0.18 480	0.21 361	0.16 279	0.14 354	0.20 400	0.19 446	0.15 451	0.15 396	0.12 349	0.08 414	0.05 269	0.07 299	0.06 282	0.08 435	0.07 392

MyStereo8	0.12 361	0.07 226	0.15 425	0.15 113	0.09 339	0.18 487	0.14 237	0.19 327	0.22 410	0.12 302	0.18 377	0.11 285	0.10 305	0.16 431	0.18 509	0.07 338	0.05 269	0.07 299	0.05 191	0.08 435	0.09 501

CoDeX	0.12 361	0.07 226	0.12 289	0.17 296	0.08 213	0.12 304	0.15 320	0.23 406	0.27 485	0.13 332	0.17 350	0.16 395	0.11 338	0.14 372	0.11 288	0.07 338	0.05 269	0.07 299	0.06 282	0.06 290	0.05 204

11t1	0.12 361	0.06 108	0.13 339	0.14 59	0.08 213	0.17 468	0.15 320	0.18 297	0.15 242	0.15 381	0.15 315	0.16 395	0.16 479	0.15 396	0.13 391	0.08 414	0.05 269	0.06 189	0.05 191	0.08 435	0.07 392

ffm	0.12 361	0.09 425	0.14 376	0.16 209	0.08 213	0.17 468	0.17 431	0.15 186	0.19 357	0.15 381	0.25 483	0.19 446	0.13 409	0.10 122	0.07 1	0.06 167	0.04 25	0.09 476	0.08 452	0.06 290	0.06 305

RAFT_CTSACE	0.12 361	0.09 425	0.10 186	0.22 572	0.08 213	0.12 304	0.24 597	0.18 297	0.16 279	0.20 498	0.27 509	0.13 331	0.07 179	0.13 343	0.09 103	0.05 51	0.06 417	0.08 393	0.07 379	0.04 48	0.04 73

Sa-1000	0.12 361	0.08 345	0.08 57	0.18 387	0.08 213	0.14 389	0.22 573	0.22 385	0.18 339	0.15 381	0.20 400	0.17 417	0.11 338	0.10 122	0.10 207	0.06 167	0.05 269	0.09 476	0.09 499	0.05 169	0.05 204

SA	0.12 361	0.09 425	0.08 57	0.18 387	0.08 213	0.12 304	0.24 597	0.23 406	0.18 339	0.17 428	0.27 509	0.14 351	0.11 338	0.11 197	0.11 288	0.05 51	0.05 269	0.09 476	0.08 452	0.05 169	0.04 73

iRaft-Stereo_5w	0.12 361	0.09 425	0.12 289	0.19 456	0.08 213	0.09 137	0.12 96	0.21 361	0.21 396	0.19 475	0.14 298	0.11 285	0.09 266	0.20 527	0.16 476	0.05 51	0.05 269	0.07 299	0.06 282	0.05 169	0.06 305

CrosDoStereo	0.12 361	0.06 108	0.12 289	0.14 59	0.08 213	0.12 304	0.15 320	0.17 263	0.22 410	0.19 475	0.24 455	0.15 380	0.11 338	0.11 197	0.12 349	0.06 167	0.04 25	0.07 299	0.07 379	0.05 169	0.05 204

PSM-softLoss	0.12 361	0.07 226	0.15 425	0.17 296	0.09 339	0.08 83	0.13 171	0.24 430	0.17 308	0.14 354	0.19 388	0.13 331	0.11 338	0.11 197	0.11 288	0.07 338	0.05 269	0.08 393	0.07 379	0.06 290	0.12 571

KMStereo	0.12 361	0.07 226	0.15 425	0.17 296	0.09 339	0.08 83	0.13 171	0.24 430	0.17 308	0.14 354	0.19 388	0.13 331	0.11 338	0.11 197	0.11 288	0.07 338	0.05 269	0.08 393	0.07 379	0.06 290	0.12 571

FTStereo	0.12 361	0.06 108	0.14 376	0.18 387	0.09 339	0.07 43	0.15 320	0.21 361	0.18 339	0.12 302	0.24 455	0.12 305	0.12 369	0.13 343	0.13 391	0.05 51	0.05 269	0.07 299	0.06 282	0.06 290	0.10 531

DeepStereo_LL	0.12 361	0.06 108	0.12 289	0.14 59	0.08 213	0.12 304	0.15 320	0.17 263	0.22 410	0.19 475	0.24 455	0.15 380	0.11 338	0.11 197	0.12 349	0.06 167	0.04 25	0.07 299	0.07 379	0.05 169	0.05 204

DEmStereo	0.12 361	0.06 108	0.14 376	0.14 59	0.10 452	0.16 445	0.15 320	0.16 224	0.24 439	0.17 428	0.24 455	0.13 331	0.14 433	0.12 291	0.13 391	0.05 51	0.04 25	0.07 299	0.06 282	0.05 169	0.05 204

THIR-Stereo	0.12 361	0.07 226	0.11 245	0.15 113	0.08 213	0.14 389	0.16 389	0.17 263	0.25 461	0.16 409	0.24 455	0.14 351	0.12 369	0.12 291	0.14 428	0.06 167	0.04 25	0.07 299	0.07 379	0.05 169	0.05 204

DRaft	0.12 361	0.06 108	0.11 245	0.14 59	0.09 339	0.14 389	0.17 431	0.21 361	0.30 517	0.17 428	0.28 523	0.10 255	0.15 451	0.10 122	0.12 349	0.05 51	0.04 25	0.07 299	0.06 282	0.05 169	0.05 204

PFNet	0.12 361	0.06 108	0.17 491	0.17 296	0.08 213	0.09 137	0.15 320	0.26 465	0.20 380	0.16 409	0.16 328	0.14 351	0.11 338	0.12 291	0.11 288	0.06 167	0.04 25	0.07 299	0.06 282	0.05 169	0.05 204

IRAFT_RVC	0.12 361	0.08 345	0.16 461	0.19 456	0.08 213	0.07 43	0.15 320	0.24 430	0.23 422	0.14 354	0.14 298	0.15 380	0.12 369	0.12 291	0.10 207	0.06 167	0.04 25	0.09 476	0.06 282	0.06 290	0.06 305

sCroCo_RVC	0.12 361	0.09 425	0.23 563	0.24 605	0.11 502	0.19 511	0.14 237	0.17 263	0.14 217	0.10 226	0.13 284	0.12 305	0.07 179	0.14 372	0.11 288	0.08 414	0.08 519	0.08 393	0.08 452	0.05 169	0.07 392

ARAFT	0.12 361	0.08 345	0.17 491	0.19 456	0.09 339	0.14 389	0.18 480	0.20 338	0.12 143	0.12 302	0.13 284	0.14 351	0.11 338	0.15 396	0.12 349	0.06 167	0.05 269	0.10 525	0.09 499	0.05 169	0.04 73

BEATNet_4x	0.12 361	0.08 345	0.14 376	0.18 387	0.07 133	0.15 415	0.07 3	0.22 385	0.18 339	0.16 409	0.19 388	0.18 431	0.14 433	0.16 431	0.15 460	0.07 338	0.05 269	0.05 49	0.05 191	0.06 290	0.06 305

MLCV	0.12 361	0.07 226	0.16 461	0.18 387	0.06 28	0.15 415	0.17 431	0.19 327	0.21 396	0.18 458	0.25 483	0.17 417	0.13 409	0.14 372	0.13 391	0.05 51	0.04 25	0.05 49	0.04 60	0.05 169	0.04 73

RT-IGEV	0.13 387	0.06 108	0.13 339	0.15 113	0.09 339	0.15 415	0.17 431	0.24 430	0.27 485	0.16 409	0.17 350	0.17 417	0.10 305	0.14 372	0.11 288	0.08 414	0.05 269	0.07 299	0.05 191	0.07 371	0.07 392

Selective-IGEV-i16pc	0.13 387	0.06 108	0.13 339	0.15 113	0.11 502	0.38 646	0.16 389	0.23 406	0.16 279	0.10 226	0.15 315	0.09 220	0.06 65	0.13 343	0.10 207	0.10 515	0.08 519	0.06 189	0.07 379	0.09 498	0.09 501

Selective-IGEV-i1	0.13 387	0.07 226	0.12 289	0.19 456	0.08 213	0.18 487	0.16 389	0.22 385	0.30 517	0.16 409	0.17 350	0.16 395	0.10 305	0.14 372	0.13 391	0.06 167	0.05 269	0.06 189	0.05 191	0.06 290	0.05 204

G2L-ROB	0.13 387	0.06 108	0.13 339	0.13 16	0.08 213	0.14 389	0.16 389	0.25 447	0.18 339	0.19 475	0.18 377	0.20 458	0.14 433	0.17 464	0.16 476	0.08 414	0.05 269	0.06 189	0.05 191	0.08 435	0.09 501

xyz-stereo	0.13 387	0.07 226	0.20 539	0.15 113	0.05 2	0.20 527	0.15 320	0.17 263	0.31 525	0.15 381	0.29 535	0.26 533	0.16 479	0.13 343	0.12 349	0.05 51	0.05 269	0.06 189	0.05 191	0.04 48	0.04 73

DFGA-Net	0.13 387	0.11 513	0.18 515	0.17 296	0.10 452	0.12 304	0.13 171	0.22 385	0.25 461	0.16 409	0.16 328	0.13 331	0.12 369	0.16 431	0.14 428	0.07 338	0.05 269	0.08 393	0.07 379	0.05 169	0.05 204

FACV-RUCA	0.13 387	0.11 513	0.12 289	0.19 456	0.12 536	0.15 415	0.15 320	0.22 385	0.20 380	0.15 381	0.16 328	0.14 351	0.16 479	0.14 372	0.13 391	0.07 338	0.05 269	0.08 393	0.06 282	0.10 531	0.08 457

UGAM	0.13 387	0.10 487	0.09 122	0.22 572	0.08 213	0.12 304	0.20 543	0.17 263	0.23 422	0.21 512	0.16 328	0.13 331	0.13 409	0.19 502	0.12 349	0.07 338	0.05 269	0.13 591	0.11 574	0.07 371	0.05 204

test_sample1	0.13 387	0.07 226	0.14 376	0.13 16	0.08 213	0.19 511	0.16 389	0.20 338	0.15 242	0.14 354	0.22 434	0.18 431	0.16 479	0.17 464	0.14 428	0.07 338	0.06 417	0.06 189	0.06 282	0.08 435	0.07 392

qqq1	0.13 387	0.07 226	0.17 491	0.14 59	0.08 213	0.16 445	0.17 431	0.26 465	0.27 485	0.19 475	0.20 400	0.18 431	0.15 451	0.15 396	0.11 288	0.08 414	0.05 269	0.05 49	0.05 191	0.06 290	0.06 305

fff1	0.13 387	0.07 226	0.17 491	0.14 59	0.08 213	0.16 445	0.17 431	0.26 465	0.27 485	0.19 475	0.20 400	0.18 431	0.15 451	0.15 396	0.11 288	0.08 414	0.05 269	0.05 49	0.05 191	0.06 290	0.06 305

MyStereo05	0.13 387	0.07 226	0.10 186	0.17 296	0.09 339	0.13 355	0.18 480	0.27 486	0.35 560	0.17 428	0.14 298	0.15 380	0.11 338	0.15 396	0.13 391	0.06 167	0.05 269	0.07 299	0.07 379	0.06 290	0.06 305

MyStereo04	0.13 387	0.07 226	0.10 186	0.17 296	0.09 339	0.14 389	0.18 480	0.29 519	0.38 579	0.17 428	0.14 298	0.16 395	0.10 305	0.15 396	0.13 391	0.06 167	0.05 269	0.08 393	0.07 379	0.06 290	0.06 305

ff1	0.13 387	0.09 425	0.14 376	0.16 209	0.08 213	0.17 468	0.17 431	0.15 186	0.19 357	0.15 381	0.25 483	0.19 446	0.13 409	0.14 372	0.20 528	0.06 167	0.04 25	0.09 476	0.08 452	0.06 290	0.06 305

StereoVision	0.13 387	0.12 531	0.09 122	0.24 605	0.10 452	0.15 415	0.21 563	0.21 361	0.20 380	0.12 302	0.24 455	0.10 255	0.10 305	0.16 431	0.10 207	0.09 474	0.11 586	0.12 576	0.12 594	0.06 290	0.05 204

LL-Strereo	0.13 387	0.09 425	0.11 245	0.20 523	0.10 452	0.11 252	0.18 480	0.32 556	0.24 439	0.15 381	0.15 315	0.14 351	0.13 409	0.19 502	0.11 288	0.06 167	0.04 25	0.09 476	0.08 452	0.04 48	0.05 204

CASS	0.13 387	0.12 531	0.11 245	0.23 596	0.09 339	0.15 415	0.17 431	0.18 297	0.19 357	0.17 428	0.18 377	0.15 380	0.15 451	0.14 372	0.14 428	0.09 474	0.06 417	0.10 525	0.08 452	0.09 498	0.07 392
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 387	0.07 226	0.13 339	0.18 387	0.09 339	0.13 355	0.17 431	0.19 327	0.29 507	0.15 381	0.24 455	0.15 380	0.14 433	0.14 372	0.14 428	0.07 338	0.05 269	0.07 299	0.09 499	0.05 169	0.06 305

TestStereo1	0.13 387	0.08 345	0.08 57	0.19 456	0.08 213	0.18 487	0.29 645	0.23 406	0.16 279	0.17 428	0.20 400	0.16 395	0.10 305	0.12 291	0.13 391	0.06 167	0.06 417	0.08 393	0.06 282	0.05 169	0.05 204

qqq	0.13 387	0.09 425	0.15 425	0.16 209	0.08 213	0.13 355	0.15 320	0.23 406	0.16 279	0.15 381	0.19 388	0.16 395	0.16 479	0.15 396	0.16 476	0.07 338	0.06 417	0.08 393	0.08 452	0.07 371	0.07 392

x	0.13 387	0.07 226	0.14 376	0.14 59	0.08 213	0.18 487	0.14 237	0.22 385	0.20 380	0.15 381	0.19 388	0.19 446	0.17 502	0.18 487	0.18 509	0.07 338	0.05 269	0.06 189	0.06 282	0.07 371	0.07 392

raft_robust	0.13 387	0.10 487	0.07 11	0.18 387	0.08 213	0.13 355	0.24 597	0.28 505	0.33 539	0.20 498	0.19 388	0.14 351	0.10 305	0.11 197	0.12 349	0.05 51	0.05 269	0.07 299	0.07 379	0.05 169	0.04 73

RAFT+CT+SA	0.13 387	0.11 513	0.09 122	0.19 456	0.09 339	0.15 415	0.28 635	0.22 385	0.22 410	0.15 381	0.26 500	0.10 255	0.10 305	0.11 197	0.12 349	0.05 51	0.04 25	0.07 299	0.08 452	0.07 371	0.06 305

SA-5K	0.13 387	0.08 345	0.08 57	0.19 456	0.08 213	0.18 487	0.29 645	0.23 406	0.16 279	0.17 428	0.20 400	0.16 395	0.10 305	0.12 291	0.13 391	0.06 167	0.06 417	0.08 393	0.06 282	0.05 169	0.05 204

GwcNet-ADL	0.13 387	0.08 345	0.14 376	0.20 523	0.09 339	0.11 252	0.20 543	0.30 533	0.24 439	0.13 332	0.14 298	0.18 431	0.14 433	0.13 343	0.14 428	0.07 338	0.05 269	0.06 189	0.05 191	0.07 371	0.06 305

GANet-ADL	0.13 387	0.07 226	0.15 425	0.17 296	0.10 452	0.18 487	0.15 320	0.30 533	0.20 380	0.13 332	0.18 377	0.19 446	0.12 369	0.16 431	0.13 391	0.08 414	0.06 417	0.06 189	0.05 191	0.07 371	0.08 457

RAFT	0.13 387	0.09 425	0.11 245	0.18 387	0.08 213	0.15 415	0.24 597	0.20 338	0.19 357	0.21 512	0.21 423	0.17 417	0.12 369	0.16 431	0.09 103	0.06 167	0.07 489	0.10 525	0.09 499	0.05 169	0.05 204

TestStereo	0.13 387	0.14 571	0.11 245	0.23 596	0.08 213	0.15 415	0.21 563	0.20 338	0.23 422	0.14 354	0.24 455	0.16 395	0.12 369	0.16 431	0.14 428	0.05 51	0.06 417	0.08 393	0.06 282	0.09 498	0.05 204

sAnonymous2	0.13 387	0.12 531	0.24 567	0.20 523	0.12 536	0.17 468	0.13 171	0.26 465	0.21 396	0.11 261	0.11 244	0.13 331	0.08 228	0.10 122	0.10 207	0.09 474	0.05 269	0.08 393	0.06 282	0.15 618	0.10 531

CroCo_RVC	0.13 387	0.12 531	0.24 567	0.20 523	0.12 536	0.17 468	0.13 171	0.26 465	0.21 396	0.11 261	0.11 244	0.13 331	0.08 228	0.10 122	0.10 207	0.09 474	0.05 269	0.08 393	0.06 282	0.15 618	0.10 531

RAFT + AFF	0.13 387	0.07 226	0.20 539	0.20 523	0.10 452	0.14 389	0.24 597	0.26 465	0.20 380	0.11 261	0.10 193	0.12 305	0.10 305	0.15 396	0.12 349	0.07 338	0.06 417	0.09 476	0.08 452	0.06 290	0.08 457

GMStereo	0.13 387	0.14 571	0.14 376	0.18 387	0.09 339	0.15 415	0.16 389	0.20 338	0.24 439	0.16 409	0.17 350	0.10 255	0.10 305	0.16 431	0.13 391	0.07 338	0.06 417	0.06 189	0.06 282	0.07 371	0.06 305
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 387	0.07 226	0.14 376	0.17 296	0.09 339	0.15 415	0.16 389	0.28 505	0.27 485	0.14 354	0.17 350	0.12 305	0.13 409	0.14 372	0.11 288	0.08 414	0.05 269	0.07 299	0.07 379	0.07 371	0.06 305

FENet	0.13 387	0.08 345	0.12 289	0.16 209	0.08 213	0.14 389	0.15 320	0.22 385	0.23 422	0.17 428	0.23 443	0.16 395	0.12 369	0.14 372	0.15 460	0.08 414	0.05 269	0.08 393	0.08 452	0.07 371	0.07 392

cf-r	0.13 387	0.07 226	0.12 289	0.16 209	0.08 213	0.14 389	0.19 520	0.20 338	0.25 461	0.17 428	0.25 483	0.21 467	0.16 479	0.14 372	0.14 428	0.10 515	0.05 269	0.06 189	0.08 452	0.06 290	0.06 305

iResNet	0.13 387	0.10 487	0.18 515	0.19 456	0.08 213	0.13 355	0.18 480	0.20 338	0.26 475	0.15 381	0.23 443	0.15 380	0.13 409	0.14 372	0.14 428	0.06 167	0.04 25	0.06 189	0.05 191	0.06 290	0.05 204

DN-CSS_ROB	0.13 387	0.13 559	0.16 461	0.18 387	0.10 452	0.16 445	0.08 7	0.22 385	0.18 339	0.17 428	0.22 434	0.13 331	0.13 409	0.12 291	0.13 391	0.05 51	0.05 269	0.10 525	0.10 540	0.08 435	0.06 305

Selective-IGEV-i16pb	0.14 424	0.08 345	0.17 491	0.15 113	0.11 502	0.41 651	0.16 389	0.28 505	0.23 422	0.11 261	0.20 400	0.10 255	0.07 179	0.17 464	0.12 349	0.10 515	0.07 489	0.06 189	0.08 452	0.09 498	0.10 531

G2L-Stereo_test	0.14 424	0.07 226	0.11 245	0.13 16	0.08 213	0.12 304	0.16 389	0.30 533	0.28 500	0.20 498	0.23 443	0.20 458	0.16 479	0.17 464	0.18 509	0.07 338	0.05 269	0.05 49	0.05 191	0.07 371	0.06 305

coex_refinement	0.14 424	0.07 226	0.12 289	0.17 296	0.10 452	0.15 415	0.15 320	0.26 465	0.29 507	0.18 458	0.20 400	0.22 485	0.17 502	0.16 431	0.18 509	0.08 414	0.05 269	0.06 189	0.06 282	0.09 498	0.08 457

G2L-Stereo	0.14 424	0.07 226	0.13 339	0.17 296	0.09 339	0.13 355	0.12 96	0.27 486	0.22 410	0.16 409	0.27 509	0.21 467	0.13 409	0.17 464	0.18 509	0.09 474	0.08 519	0.08 393	0.07 379	0.07 371	0.07 392

rvit_0105_6	0.14 424	0.09 425	0.18 515	0.17 296	0.10 452	0.10 200	0.16 389	0.19 327	0.26 475	0.12 302	0.18 377	0.17 417	0.12 369	0.18 487	0.12 349	0.15 615	0.11 586	0.12 576	0.10 540	0.09 498	0.06 305

rvit_0105_5	0.14 424	0.09 425	0.13 339	0.17 296	0.09 339	0.14 389	0.23 584	0.24 430	0.27 485	0.14 354	0.15 315	0.18 431	0.12 369	0.17 464	0.14 428	0.14 611	0.11 586	0.10 525	0.10 540	0.08 435	0.06 305

rvit_0105_4	0.14 424	0.09 425	0.17 491	0.17 296	0.10 452	0.12 304	0.19 520	0.23 406	0.27 485	0.14 354	0.20 400	0.17 417	0.13 409	0.17 464	0.13 391	0.15 615	0.11 586	0.11 556	0.10 540	0.09 498	0.06 305

DCVSM-stereo	0.14 424	0.09 425	0.16 461	0.16 209	0.10 452	0.15 415	0.09 20	0.19 327	0.23 422	0.20 498	0.23 443	0.26 533	0.15 451	0.18 487	0.14 428	0.09 474	0.07 489	0.09 476	0.08 452	0.10 531	0.12 571

test_sample6	0.14 424	0.08 345	0.13 339	0.16 209	0.08 213	0.17 468	0.19 520	0.25 447	0.17 308	0.17 428	0.27 509	0.19 446	0.14 433	0.15 396	0.13 391	0.08 414	0.05 269	0.08 393	0.07 379	0.08 435	0.08 457

test_sample5	0.14 424	0.08 345	0.14 376	0.16 209	0.08 213	0.18 487	0.18 480	0.25 447	0.17 308	0.17 428	0.27 509	0.18 431	0.14 433	0.16 431	0.13 391	0.08 414	0.05 269	0.08 393	0.07 379	0.08 435	0.08 457

test_sample4	0.14 424	0.08 345	0.14 376	0.15 113	0.08 213	0.19 511	0.18 480	0.26 465	0.17 308	0.16 409	0.25 483	0.18 431	0.14 433	0.16 431	0.13 391	0.08 414	0.06 417	0.08 393	0.06 282	0.08 435	0.08 457

test_sample3	0.14 424	0.08 345	0.15 425	0.14 59	0.09 339	0.19 511	0.17 431	0.26 465	0.18 339	0.16 409	0.22 434	0.19 446	0.15 451	0.17 464	0.13 391	0.08 414	0.06 417	0.07 299	0.06 282	0.09 498	0.08 457

DispNO	0.14 424	0.08 345	0.17 491	0.19 456	0.12 536	0.11 252	0.21 563	0.23 406	0.29 507	0.17 428	0.23 443	0.18 431	0.17 502	0.15 396	0.15 460	0.07 338	0.05 269	0.08 393	0.08 452	0.07 371	0.06 305

SMFormer	0.14 424	0.07 226	0.17 491	0.14 59	0.08 213	0.16 445	0.17 431	0.26 465	0.27 485	0.19 475	0.20 400	0.18 431	0.15 451	0.15 396	0.17 491	0.08 414	0.05 269	0.07 299	0.06 282	0.07 371	0.06 305

tta	0.14 424	0.07 226	0.17 491	0.14 59	0.08 213	0.16 445	0.17 431	0.26 465	0.27 485	0.19 475	0.20 400	0.18 431	0.15 451	0.15 396	0.17 491	0.08 414	0.05 269	0.07 299	0.06 282	0.06 290	0.06 305

mmm	0.14 424	0.08 345	0.17 491	0.17 296	0.09 339	0.17 468	0.18 480	0.21 361	0.15 242	0.15 381	0.23 443	0.21 467	0.16 479	0.16 431	0.17 491	0.08 414	0.05 269	0.08 393	0.07 379	0.07 371	0.07 392

DualNet	0.14 424	0.08 345	0.14 376	0.16 209	0.08 213	0.18 487	0.18 480	0.25 447	0.17 308	0.17 428	0.27 509	0.18 431	0.14 433	0.16 431	0.13 391	0.08 414	0.05 269	0.08 393	0.07 379	0.08 435	0.08 457

mmx	0.14 424	0.09 425	0.14 376	0.16 209	0.08 213	0.17 468	0.17 431	0.27 486	0.25 461	0.15 381	0.25 483	0.19 446	0.13 409	0.14 372	0.20 528	0.08 414	0.06 417	0.09 476	0.08 452	0.08 435	0.08 457

xxx	0.14 424	0.09 425	0.14 376	0.16 209	0.08 213	0.17 468	0.17 431	0.27 486	0.25 461	0.15 381	0.25 483	0.19 446	0.13 409	0.14 372	0.20 528	0.08 414	0.06 417	0.09 476	0.08 452	0.08 435	0.08 457

PCWNet_CMD	0.14 424	0.08 345	0.15 425	0.17 296	0.09 339	0.14 389	0.14 237	0.29 519	0.36 565	0.14 354	0.20 400	0.21 467	0.12 369	0.17 464	0.13 391	0.07 338	0.05 269	0.07 299	0.07 379	0.07 371	0.07 392

CBFPSM	0.14 424	0.06 108	0.26 575	0.17 296	0.09 339	0.13 355	0.15 320	0.22 385	0.23 422	0.20 498	0.27 509	0.24 509	0.16 479	0.16 431	0.18 509	0.06 167	0.06 417	0.06 189	0.07 379	0.07 371	0.07 392

gwcnet-sp	0.14 424	0.07 226	0.12 289	0.18 387	0.09 339	0.16 445	0.17 431	0.24 430	0.24 439	0.18 458	0.24 455	0.15 380	0.16 479	0.15 396	0.15 460	0.08 414	0.06 417	0.07 299	0.08 452	0.08 435	0.07 392

scenet	0.14 424	0.07 226	0.12 289	0.18 387	0.09 339	0.16 445	0.17 431	0.24 430	0.24 439	0.18 458	0.24 455	0.15 380	0.16 479	0.15 396	0.15 460	0.08 414	0.06 417	0.07 299	0.08 452	0.08 435	0.07 392

ssnet	0.14 424	0.07 226	0.12 289	0.18 387	0.09 339	0.16 445	0.17 431	0.24 430	0.24 439	0.18 458	0.24 455	0.15 380	0.16 479	0.15 396	0.15 460	0.08 414	0.06 417	0.07 299	0.08 452	0.08 435	0.07 392

BUS	0.14 424	0.09 425	0.14 376	0.22 572	0.10 452	0.19 511	0.14 237	0.34 585	0.19 357	0.17 428	0.22 434	0.16 395	0.13 409	0.15 396	0.13 391	0.08 414	0.06 417	0.10 525	0.09 499	0.07 371	0.07 392

IER	0.14 424	0.07 226	0.13 339	0.17 296	0.09 339	0.14 389	0.16 389	0.25 447	0.26 475	0.18 458	0.25 483	0.17 417	0.20 545	0.16 431	0.14 428	0.08 414	0.05 269	0.07 299	0.06 282	0.08 435	0.07 392

test_5	0.14 424	0.12 531	0.08 57	0.20 523	0.10 452	0.14 389	0.29 645	0.21 361	0.24 439	0.18 458	0.28 523	0.11 285	0.15 451	0.12 291	0.13 391	0.06 167	0.05 269	0.07 299	0.08 452	0.08 435	0.07 392

psmg	0.14 424	0.09 425	0.14 376	0.17 296	0.10 452	0.15 415	0.17 431	0.29 519	0.19 357	0.17 428	0.21 423	0.25 523	0.16 479	0.15 396	0.14 428	0.08 414	0.06 417	0.08 393	0.08 452	0.07 371	0.06 305

UDGNet	0.14 424	0.13 559	0.16 461	0.17 296	0.10 452	0.12 304	0.16 389	0.21 361	0.27 485	0.20 498	0.20 400	0.16 395	0.13 409	0.16 431	0.13 391	0.10 515	0.06 417	0.09 476	0.07 379	0.06 290	0.07 392

CFNet_pseudo	0.14 424	0.08 345	0.15 425	0.16 209	0.09 339	0.13 355	0.14 237	0.27 486	0.34 551	0.14 354	0.21 423	0.22 485	0.13 409	0.18 487	0.14 428	0.07 338	0.05 269	0.08 393	0.06 282	0.07 371	0.07 392

GES	0.14 424	0.08 345	0.16 461	0.15 113	0.10 452	0.13 355	0.13 171	0.28 505	0.25 461	0.16 409	0.23 443	0.18 431	0.13 409	0.16 431	0.13 391	0.08 414	0.07 489	0.07 299	0.06 282	0.08 435	0.09 501

GANet-RSSM	0.14 424	0.07 226	0.13 339	0.13 16	0.08 213	0.14 389	0.17 431	0.22 385	0.21 396	0.17 428	0.24 455	0.23 503	0.15 451	0.16 431	0.15 460	0.10 515	0.06 417	0.07 299	0.08 452	0.08 435	0.07 392

PSMNet-RSSM	0.14 424	0.07 226	0.13 339	0.15 113	0.08 213	0.13 355	0.16 389	0.24 430	0.24 439	0.16 409	0.28 523	0.22 485	0.14 433	0.15 396	0.13 391	0.11 546	0.06 417	0.09 476	0.12 594	0.08 435	0.07 392

GwcNet-RSSM	0.14 424	0.07 226	0.12 289	0.15 113	0.08 213	0.15 415	0.20 543	0.21 361	0.27 485	0.18 458	0.27 509	0.22 485	0.16 479	0.14 372	0.15 460	0.10 515	0.05 269	0.07 299	0.09 499	0.07 371	0.07 392

CFNet-ft	0.14 424	0.07 226	0.15 425	0.12 5	0.09 339	0.16 445	0.18 480	0.22 385	0.24 439	0.17 428	0.26 500	0.24 509	0.14 433	0.16 431	0.14 428	0.11 546	0.06 417	0.08 393	0.09 499	0.09 498	0.08 457

CCAANet	0.14 424	0.06 108	0.14 376	0.17 296	0.09 339	0.16 445	0.13 171	0.30 533	0.24 439	0.16 409	0.32 554	0.18 431	0.17 502	0.17 464	0.14 428	0.06 167	0.05 269	0.09 476	0.09 499	0.06 290	0.09 501

DMCA	0.14 424	0.09 425	0.16 461	0.19 456	0.09 339	0.15 415	0.17 431	0.23 406	0.27 485	0.14 354	0.19 388	0.17 417	0.18 517	0.15 396	0.17 491	0.10 515	0.06 417	0.08 393	0.06 282	0.09 498	0.10 531

RASNet	0.14 424	0.07 226	0.14 376	0.16 209	0.08 213	0.18 487	0.14 237	0.29 519	0.20 380	0.17 428	0.25 483	0.21 467	0.18 517	0.20 527	0.19 522	0.07 338	0.06 417	0.06 189	0.08 452	0.06 290	0.06 305

MSMDNet	0.14 424	0.08 345	0.15 425	0.17 296	0.09 339	0.14 389	0.14 237	0.29 519	0.36 565	0.14 354	0.21 423	0.21 467	0.12 369	0.17 464	0.14 428	0.07 338	0.05 269	0.07 299	0.07 379	0.07 371	0.07 392

HSM-Net_RVC	0.14 424	0.08 345	0.11 245	0.15 113	0.08 213	0.15 415	0.15 320	0.27 486	0.29 507	0.19 475	0.21 423	0.29 559	0.14 433	0.17 464	0.13 391	0.06 167	0.06 417	0.06 189	0.06 282	0.07 371	0.06 305
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 424	0.07 226	0.15 425	0.12 5	0.09 339	0.16 445	0.18 480	0.22 385	0.24 439	0.17 428	0.26 500	0.24 509	0.14 433	0.16 431	0.14 428	0.11 546	0.06 417	0.08 393	0.09 499	0.09 498	0.08 457

ccs_rob	0.14 424	0.08 345	0.15 425	0.16 209	0.09 339	0.12 304	0.14 237	0.27 486	0.34 551	0.14 354	0.21 423	0.22 485	0.13 409	0.18 487	0.14 428	0.07 338	0.05 269	0.08 393	0.07 379	0.07 371	0.07 392

UCFNet_RVC	0.14 424	0.08 345	0.13 339	0.11 1	0.10 452	0.20 527	0.10 35	0.24 430	0.22 410	0.17 428	0.20 400	0.23 503	0.15 451	0.17 464	0.15 460	0.12 571	0.07 489	0.10 525	0.13 605	0.11 554	0.10 531

iResNetv2_ROB	0.14 424	0.08 345	0.15 425	0.16 209	0.08 213	0.16 445	0.12 96	0.25 447	0.35 560	0.21 512	0.29 535	0.24 509	0.13 409	0.14 372	0.14 428	0.06 167	0.05 269	0.06 189	0.04 60	0.09 498	0.08 457

iResNet_ROB	0.14 424	0.07 226	0.13 339	0.14 59	0.07 133	0.18 487	0.14 237	0.26 465	0.31 525	0.22 528	0.25 483	0.23 503	0.15 451	0.15 396	0.13 391	0.07 338	0.05 269	0.05 49	0.04 60	0.08 435	0.08 457

DDVS	0.15 469	0.10 487	0.21 548	0.16 209	0.12 536	0.15 415	0.14 237	0.25 447	0.19 357	0.18 458	0.29 535	0.27 541	0.12 369	0.19 502	0.15 460	0.09 474	0.06 417	0.09 476	0.07 379	0.11 554	0.11 558

rvit_0105_3	0.15 469	0.09 425	0.14 376	0.19 456	0.12 536	0.15 415	0.25 613	0.25 447	0.29 507	0.15 381	0.17 350	0.20 458	0.13 409	0.17 464	0.14 428	0.13 597	0.11 586	0.12 576	0.14 609	0.07 371	0.06 305

ACV-stereo	0.15 469	0.10 487	0.28 588	0.18 387	0.12 536	0.14 389	0.12 96	0.23 406	0.21 396	0.19 475	0.23 443	0.22 485	0.15 451	0.23 568	0.17 491	0.07 338	0.06 417	0.07 299	0.07 379	0.07 371	0.07 392

ITSA-stereo	0.15 469	0.10 487	0.14 376	0.19 456	0.08 213	0.12 304	0.14 237	0.30 533	0.49 625	0.17 428	0.19 388	0.22 485	0.15 451	0.17 464	0.16 476	0.10 515	0.06 417	0.08 393	0.08 452	0.08 435	0.08 457

test_sample7	0.15 469	0.10 487	0.16 461	0.14 59	0.11 502	0.16 445	0.16 389	0.27 486	0.23 422	0.20 498	0.20 400	0.24 509	0.19 533	0.16 431	0.16 476	0.12 571	0.06 417	0.10 525	0.09 499	0.10 531	0.10 531

1111x	0.15 469	0.08 345	0.12 289	0.18 387	0.07 133	0.18 487	0.25 613	0.31 545	0.24 439	0.17 428	0.24 455	0.26 533	0.15 451	0.13 343	0.23 569	0.07 338	0.07 489	0.08 393	0.09 499	0.07 371	0.06 305

CFNet_ucs	0.15 469	0.08 345	0.16 461	0.16 209	0.11 502	0.14 389	0.14 237	0.30 533	0.34 551	0.16 409	0.24 455	0.23 503	0.14 433	0.18 487	0.15 460	0.09 474	0.06 417	0.08 393	0.07 379	0.09 498	0.09 501

BSDual-CNN	0.15 469	0.09 425	0.14 376	0.22 572	0.10 452	0.14 389	0.15 320	0.34 585	0.19 357	0.17 428	0.22 434	0.25 523	0.16 479	0.15 396	0.14 428	0.08 414	0.06 417	0.10 525	0.09 499	0.07 371	0.07 392

hknet	0.15 469	0.11 513	0.13 339	0.22 572	0.11 502	0.14 389	0.15 320	0.34 585	0.25 461	0.17 428	0.22 434	0.22 485	0.18 517	0.17 464	0.12 349	0.07 338	0.06 417	0.10 525	0.09 499	0.07 371	0.07 392

dd	0.15 469	0.16 589	0.16 461	0.19 456	0.09 339	0.15 415	0.18 480	0.21 361	0.25 461	0.23 541	0.20 400	0.21 467	0.09 266	0.21 544	0.16 476	0.10 515	0.06 417	0.08 393	0.06 282	0.08 435	0.06 305

DAS	0.15 469	0.08 345	0.18 515	0.19 456	0.10 452	0.19 511	0.17 431	0.27 486	0.29 507	0.18 458	0.25 483	0.21 467	0.15 451	0.16 431	0.12 349	0.08 414	0.06 417	0.06 189	0.06 282	0.07 371	0.07 392

SepStereo	0.15 469	0.08 345	0.18 515	0.19 456	0.10 452	0.19 511	0.17 431	0.27 486	0.29 507	0.18 458	0.25 483	0.21 467	0.15 451	0.25 583	0.12 349	0.08 414	0.06 417	0.06 189	0.06 282	0.07 371	0.07 392

PSMNet-ADL	0.15 469	0.12 531	0.13 339	0.22 572	0.09 339	0.13 355	0.20 543	0.26 465	0.23 422	0.18 458	0.20 400	0.24 509	0.16 479	0.18 487	0.17 491	0.08 414	0.08 519	0.08 393	0.11 574	0.08 435	0.07 392

LMCR-Stereo	0.15 469	0.08 345	0.13 339	0.21 555	0.09 339	0.17 468	0.20 543	0.27 486	0.19 357	0.24 550	0.24 455	0.23 503	0.17 502	0.20 527	0.17 491	0.07 338	0.06 417	0.08 393	0.06 282	0.10 531	0.08 457

ICVP	0.15 469	0.09 425	0.12 289	0.22 572	0.09 339	0.17 468	0.21 563	0.25 447	0.23 422	0.18 458	0.30 542	0.26 533	0.18 517	0.17 464	0.14 428	0.09 474	0.07 489	0.08 393	0.07 379	0.07 371	0.07 392
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 469	0.07 226	0.14 376	0.14 59	0.08 213	0.23 569	0.18 480	0.31 545	0.19 357	0.14 354	0.28 523	0.22 485	0.14 433	0.15 396	0.26 604	0.09 474	0.05 269	0.07 299	0.07 379	0.08 435	0.07 392

test_xeample	0.15 469	0.06 108	0.13 339	0.14 59	0.08 213	0.21 544	0.20 543	0.28 505	0.20 380	0.16 409	0.29 535	0.19 446	0.16 479	0.15 396	0.26 604	0.09 474	0.05 269	0.07 299	0.07 379	0.07 371	0.07 392

ACVNet	0.15 469	0.09 425	0.15 425	0.13 16	0.12 536	0.14 389	0.20 543	0.22 385	0.33 539	0.17 428	0.26 500	0.21 467	0.16 479	0.17 464	0.21 548	0.07 338	0.06 417	0.06 189	0.06 282	0.08 435	0.06 305

acv_ft	0.15 469	0.09 425	0.15 425	0.19 456	0.10 452	0.16 445	0.17 431	0.25 447	0.33 539	0.19 475	0.26 500	0.21 467	0.17 502	0.17 464	0.18 509	0.07 338	0.06 417	0.06 189	0.06 282	0.08 435	0.06 305

CFNet	0.15 469	0.10 487	0.17 491	0.17 296	0.08 213	0.18 487	0.09 20	0.28 505	0.25 461	0.19 475	0.24 455	0.24 509	0.17 502	0.17 464	0.14 428	0.08 414	0.06 417	0.09 476	0.10 540	0.07 371	0.06 305

AdaStereo	0.15 469	0.11 513	0.15 425	0.18 387	0.09 339	0.20 527	0.11 64	0.32 556	0.28 500	0.20 498	0.23 443	0.20 458	0.13 409	0.19 502	0.14 428	0.12 571	0.05 269	0.10 525	0.07 379	0.09 498	0.07 392
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 469	0.08 345	0.14 376	0.16 209	0.09 339	0.16 445	0.14 237	0.28 505	0.25 461	0.19 475	0.23 443	0.37 614	0.16 479	0.20 527	0.15 460	0.07 338	0.05 269	0.07 299	0.06 282	0.07 371	0.06 305

pmcnn	0.15 469	0.07 226	0.19 527	0.15 113	0.07 133	0.20 527	0.15 320	0.24 430	0.26 475	0.21 512	0.34 571	0.28 551	0.18 517	0.18 487	0.17 491	0.07 338	0.05 269	0.05 49	0.04 60	0.07 371	0.06 305

DStereoRT	0.16 492	0.06 108	0.11 245	0.19 456	0.09 339	0.12 304	0.12 96	0.28 505	0.22 410	0.12 302	0.20 400	0.11 285	0.10 305	0.15 396	0.14 428	0.06 167	0.05 269	0.96 694	0.09 499	0.05 169	0.04 73

DualNet (step1)	0.16 492	0.12 531	0.20 539	0.12 5	0.14 580	0.17 468	0.13 171	0.27 486	0.23 422	0.20 498	0.20 400	0.24 509	0.19 533	0.16 431	0.16 476	0.15 615	0.06 417	0.14 604	0.14 609	0.14 602	0.12 571

GMStereo_Zeroshot	0.16 492	0.13 559	0.24 567	0.20 523	0.10 452	0.17 468	0.13 171	0.29 519	0.25 461	0.23 541	0.32 554	0.25 523	0.11 338	0.19 502	0.14 428	0.09 474	0.06 417	0.11 556	0.06 282	0.12 569	0.08 457

iinet-f	0.16 492	0.06 108	0.45 634	0.14 59	0.10 452	0.21 544	0.14 237	0.27 486	0.23 422	0.21 512	0.24 455	0.21 467	0.15 451	0.18 487	0.21 548	0.09 474	0.07 489	0.07 299	0.06 282	0.09 498	0.10 531

CRFU-Net	0.16 492	0.08 345	0.14 376	0.17 296	0.09 339	0.19 511	0.14 237	0.26 465	0.20 380	0.28 590	0.27 509	0.29 559	0.17 502	0.19 502	0.17 491	0.09 474	0.09 552	0.07 299	0.07 379	0.08 435	0.08 457

NINENet	0.16 492	0.10 487	0.15 425	0.17 296	0.11 502	0.19 511	0.14 237	0.40 630	0.36 565	0.18 458	0.21 423	0.16 395	0.13 409	0.15 396	0.13 391	0.08 414	0.08 519	0.10 525	0.07 379	0.10 531	0.09 501

CSP-Net	0.16 492	0.09 425	0.14 376	0.16 209	0.09 339	0.19 511	0.17 431	0.25 447	0.32 532	0.25 563	0.30 542	0.24 509	0.15 451	0.21 544	0.18 509	0.09 474	0.06 417	0.07 299	0.07 379	0.08 435	0.07 392

AASNet	0.16 492	0.08 345	0.12 289	0.19 456	0.09 339	0.18 487	0.15 320	0.37 614	0.37 572	0.19 475	0.23 443	0.20 458	0.16 479	0.17 464	0.20 528	0.10 515	0.08 519	0.08 393	0.07 379	0.09 498	0.09 501

AACVNet	0.16 492	0.08 345	0.14 376	0.15 113	0.10 452	0.18 487	0.15 320	0.23 406	0.24 439	0.27 575	0.27 509	0.28 551	0.17 502	0.19 502	0.16 476	0.09 474	0.07 489	0.09 476	0.07 379	0.10 531	0.09 501

ADLNet2	0.16 492	0.09 425	0.13 339	0.16 209	0.09 339	0.20 527	0.16 389	0.31 545	0.39 582	0.16 409	0.20 400	0.20 458	0.18 517	0.21 544	0.22 557	0.08 414	0.06 417	0.07 299	0.07 379	0.09 498	0.07 392

Anonymous3	0.16 492	0.13 559	0.33 608	0.26 622	0.14 580	0.27 605	0.17 431	0.28 505	0.28 500	0.15 381	0.17 350	0.14 351	0.10 305	0.15 396	0.12 349	0.08 414	0.08 519	0.08 393	0.08 452	0.08 435	0.11 558

ADLNet	0.16 492	0.08 345	0.15 425	0.16 209	0.10 452	0.16 445	0.17 431	0.32 556	0.27 485	0.22 528	0.27 509	0.24 509	0.16 479	0.18 487	0.21 548	0.10 515	0.06 417	0.10 525	0.10 540	0.08 435	0.09 501

HCRNet	0.16 492	0.24 636	0.12 289	0.35 657	0.11 502	0.15 415	0.17 431	0.26 465	0.22 410	0.19 475	0.24 455	0.21 467	0.14 433	0.15 396	0.13 391	0.11 546	0.07 489	0.11 556	0.10 540	0.09 498	0.07 392

222	0.16 492	0.07 226	0.14 376	0.14 59	0.08 213	0.24 574	0.18 480	0.30 533	0.20 380	0.17 428	0.28 523	0.17 417	0.16 479	0.15 396	0.40 659	0.10 515	0.05 269	0.07 299	0.06 282	0.07 371	0.08 457

UPFNet	0.16 492	0.08 345	0.12 289	0.20 523	0.12 536	0.20 527	0.23 584	0.28 505	0.26 475	0.17 428	0.24 455	0.22 485	0.19 533	0.19 502	0.21 548	0.09 474	0.07 489	0.08 393	0.09 499	0.08 435	0.06 305

ac_64	0.16 492	0.08 345	0.15 425	0.18 387	0.10 452	0.22 553	0.18 480	0.24 430	0.21 396	0.18 458	0.24 455	0.29 559	0.18 517	0.19 502	0.22 557	0.09 474	0.07 489	0.08 393	0.09 499	0.07 371	0.06 305

DSFCA	0.16 492	0.09 425	0.14 376	0.16 209	0.10 452	0.20 527	0.19 520	0.28 505	0.31 525	0.23 541	0.24 455	0.22 485	0.15 451	0.19 502	0.20 528	0.10 515	0.07 489	0.09 476	0.09 499	0.08 435	0.08 457

FADNet-RVC-Resample	0.16 492	0.11 513	0.31 601	0.22 572	0.11 502	0.19 511	0.14 237	0.25 447	0.24 439	0.24 550	0.27 509	0.20 458	0.15 451	0.16 431	0.15 460	0.07 338	0.08 519	0.12 576	0.10 540	0.09 498	0.10 531

FADNet_RVC	0.16 492	0.14 571	0.40 627	0.20 523	0.11 502	0.13 355	0.13 171	0.26 465	0.22 410	0.21 512	0.23 443	0.20 458	0.17 502	0.14 372	0.16 476	0.08 414	0.08 519	0.12 576	0.09 499	0.11 554	0.10 531

AANet_RVC	0.16 492	0.10 487	0.10 186	0.18 387	0.09 339	0.18 487	0.19 520	0.26 465	0.31 525	0.22 528	0.35 576	0.21 467	0.21 549	0.22 557	0.16 476	0.06 167	0.05 269	0.06 189	0.06 282	0.07 371	0.06 305

DeepPruner_ROB	0.16 492	0.11 513	0.15 425	0.17 296	0.10 452	0.17 468	0.15 320	0.32 556	0.21 396	0.19 475	0.21 423	0.22 485	0.18 517	0.20 527	0.15 460	0.13 597	0.09 552	0.09 476	0.09 499	0.11 554	0.10 531

z-ln-s-r	0.17 513	0.10 487	0.40 627	0.19 456	0.08 213	0.17 468	0.18 480	0.22 385	0.33 539	0.18 458	0.40 605	0.22 485	0.17 502	0.20 527	0.23 569	0.07 338	0.05 269	0.07 299	0.07 379	0.07 371	0.05 204

rvit_stereo_0075_2	0.17 513	0.12 531	0.25 572	0.23 596	0.16 611	0.13 355	0.10 35	0.30 533	0.27 485	0.20 498	0.28 523	0.22 485	0.15 451	0.18 487	0.13 391	0.16 631	0.10 573	0.17 627	0.10 540	0.10 531	0.09 501

ToySt	0.17 513	0.11 513	0.18 515	0.17 296	0.11 502	0.16 445	0.25 613	0.24 430	0.33 539	0.19 475	0.24 455	0.26 533	0.24 572	0.19 502	0.20 528	0.07 338	0.08 519	0.09 476	0.10 540	0.09 498	0.08 457

ssnet_v2	0.17 513	0.10 487	0.17 491	0.17 296	0.11 502	0.21 544	0.21 563	0.33 576	0.25 461	0.22 528	0.22 434	0.27 541	0.18 517	0.22 557	0.20 528	0.11 546	0.09 552	0.09 476	0.09 499	0.08 435	0.08 457

dad	0.17 513	0.20 621	0.20 539	0.16 209	0.11 502	0.20 527	0.18 480	0.21 361	0.28 500	0.30 604	0.24 455	0.29 559	0.13 409	0.19 502	0.16 476	0.18 638	0.09 552	0.11 556	0.09 499	0.11 554	0.07 392

GEStereo_RVC	0.17 513	0.12 531	0.15 425	0.22 572	0.11 502	0.19 511	0.17 431	0.32 556	0.48 618	0.20 498	0.25 483	0.17 417	0.13 409	0.21 544	0.16 476	0.10 515	0.06 417	0.08 393	0.07 379	0.09 498	0.08 457

MMNet	0.17 513	0.09 425	0.16 461	0.20 523	0.11 502	0.27 605	0.20 543	0.25 447	0.41 591	0.22 528	0.30 542	0.21 467	0.20 545	0.17 464	0.20 528	0.06 167	0.06 417	0.07 299	0.07 379	0.08 435	0.07 392

delet	0.17 513	0.08 345	0.17 491	0.19 456	0.11 502	0.20 527	0.21 563	0.30 533	0.37 572	0.17 428	0.26 500	0.19 446	0.19 533	0.19 502	0.21 548	0.08 414	0.08 519	0.09 476	0.11 574	0.06 290	0.06 305

UNet	0.17 513	0.09 425	0.18 515	0.19 456	0.12 536	0.27 605	0.19 520	0.33 576	0.29 507	0.21 512	0.24 455	0.23 503	0.19 533	0.19 502	0.18 509	0.07 338	0.06 417	0.08 393	0.07 379	0.08 435	0.06 305

HGLStereo	0.17 513	0.08 345	0.19 527	0.17 296	0.12 536	0.18 487	0.18 480	0.31 545	0.32 532	0.21 512	0.32 554	0.25 523	0.18 517	0.19 502	0.20 528	0.09 474	0.09 552	0.07 299	0.07 379	0.09 498	0.10 531

DMCA-RVC	0.17 513	0.10 487	0.15 425	0.24 605	0.11 502	0.18 487	0.18 480	0.25 447	0.24 439	0.21 512	0.26 500	0.25 523	0.27 595	0.18 487	0.20 528	0.12 571	0.08 519	0.13 591	0.10 540	0.10 531	0.08 457

TDLM	0.17 513	0.12 531	0.13 339	0.24 605	0.10 452	0.18 487	0.18 480	0.36 608	0.30 517	0.21 512	0.28 523	0.28 551	0.18 517	0.23 568	0.18 509	0.11 546	0.07 489	0.10 525	0.10 540	0.08 435	0.08 457

NLCA_NET_v2_RVC	0.17 513	0.10 487	0.22 554	0.20 523	0.10 452	0.15 415	0.18 480	0.31 545	0.25 461	0.21 512	0.30 542	0.25 523	0.17 502	0.21 544	0.20 528	0.09 474	0.06 417	0.08 393	0.08 452	0.07 371	0.08 457
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 513	0.12 531	0.15 425	0.20 523	0.09 339	0.18 487	0.18 480	0.26 465	0.23 422	0.26 569	0.40 605	0.22 485	0.17 502	0.21 544	0.20 528	0.08 414	0.05 269	0.09 476	0.10 540	0.07 371	0.07 392
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 527	0.08 345	0.19 527	0.19 456	0.13 559	0.15 415	0.12 96	0.30 533	0.32 532	0.21 512	0.25 483	0.27 541	0.17 502	0.17 464	0.20 528	0.20 646	0.08 519	0.14 604	0.14 609	0.14 602	0.17 638

test_sample9	0.18 527	0.12 531	0.20 539	0.12 5	0.14 580	0.17 468	0.13 171	0.27 486	0.23 422	0.20 498	0.20 400	0.24 509	0.19 533	0.19 502	0.17 491	0.15 615	0.30 669	0.14 604	0.14 609	0.14 602	0.12 571

fast-acv-ft	0.18 527	0.11 513	0.19 527	0.19 456	0.12 536	0.24 574	0.21 563	0.25 447	0.34 551	0.22 528	0.34 571	0.27 541	0.20 545	0.21 544	0.23 569	0.09 474	0.09 552	0.08 393	0.10 540	0.08 435	0.07 392

HBP-ISP	0.18 527	0.13 559	0.16 461	0.15 113	0.11 502	0.08 83	0.13 171	0.28 505	0.29 507	0.22 528	0.33 567	0.21 467	0.25 581	0.23 568	0.17 491	0.14 611	0.16 636	0.21 641	0.17 637	0.10 531	0.08 457

Wz-Net-LNSev-Ref	0.18 527	0.09 425	0.29 596	0.15 113	0.10 452	0.22 553	0.20 543	0.26 465	0.39 582	0.25 563	0.42 623	0.24 509	0.15 451	0.20 527	0.19 522	0.07 338	0.05 269	0.06 189	0.05 191	0.10 531	0.09 501

SACVNet	0.18 527	0.12 531	0.14 376	0.17 296	0.13 559	0.22 553	0.18 480	0.31 545	0.30 517	0.23 541	0.31 550	0.30 569	0.22 558	0.22 557	0.17 491	0.11 546	0.08 519	0.10 525	0.10 540	0.12 569	0.14 611

psm_up	0.18 527	0.10 487	0.18 515	0.20 523	0.11 502	0.17 468	0.19 520	0.37 614	0.34 551	0.21 512	0.28 523	0.29 559	0.24 572	0.20 527	0.22 557	0.09 474	0.10 573	0.11 556	0.11 574	0.08 435	0.08 457

hitnet-ft	0.18 527	0.09 425	0.17 491	0.14 59	0.09 339	0.26 595	0.20 543	0.25 447	0.26 475	0.24 550	0.32 554	0.31 582	0.22 558	0.24 578	0.21 548	0.12 571	0.07 489	0.10 525	0.08 452	0.12 569	0.11 558

STTStereo	0.18 527	0.12 531	0.27 583	0.20 523	0.11 502	0.16 445	0.21 563	0.29 519	0.23 422	0.21 512	0.30 542	0.29 559	0.18 517	0.20 527	0.19 522	0.12 571	0.11 586	0.11 556	0.14 609	0.09 498	0.08 457

CVANet_RVC	0.18 527	0.10 487	0.14 376	0.21 555	0.10 452	0.18 487	0.17 431	0.34 585	0.33 539	0.22 528	0.31 550	0.28 551	0.18 517	0.23 568	0.17 491	0.12 571	0.08 519	0.12 576	0.11 574	0.09 498	0.07 392

StereoDRNet	0.18 527	0.11 513	0.17 491	0.22 572	0.11 502	0.21 544	0.22 573	0.37 614	0.33 539	0.24 550	0.28 523	0.30 569	0.19 533	0.20 527	0.20 528	0.09 474	0.08 519	0.11 556	0.09 499	0.09 498	0.07 392

DLCB_ROB	0.18 527	0.10 487	0.15 425	0.23 596	0.11 502	0.24 574	0.18 480	0.29 519	0.28 500	0.27 575	0.28 523	0.28 551	0.24 572	0.19 502	0.20 528	0.08 414	0.08 519	0.09 476	0.09 499	0.07 371	0.07 392

TCMNet	0.19 539	0.12 531	0.19 527	0.20 523	0.18 633	0.20 527	0.24 597	0.27 486	0.36 565	0.23 541	0.26 500	0.25 523	0.19 533	0.19 502	0.23 569	0.13 597	0.11 586	0.11 556	0.12 594	0.13 588	0.12 571

rvit_105_1	0.19 539	0.11 513	0.25 572	0.21 555	0.16 611	0.21 544	0.27 629	0.31 545	0.41 591	0.19 475	0.20 400	0.22 485	0.17 502	0.19 502	0.17 491	0.12 571	0.12 602	0.13 591	0.15 626	0.08 435	0.07 392

test_sample8	0.19 539	0.12 531	0.20 539	0.12 5	0.14 580	0.17 468	0.13 171	0.31 545	0.21 396	0.27 575	0.22 434	0.36 609	0.25 581	0.19 502	0.17 491	0.15 615	0.30 669	0.14 604	0.14 609	0.14 602	0.12 571

SDNR	0.19 539	0.08 345	0.19 527	0.16 209	0.12 536	0.77 682	0.14 237	0.25 447	0.32 532	0.19 475	0.24 455	0.19 446	0.13 409	0.19 502	0.15 460	0.16 631	0.18 643	0.14 604	0.11 574	0.08 435	0.11 558

pcwnet_v2	0.19 539	0.10 487	0.26 575	0.17 296	0.14 580	0.18 487	0.15 320	0.37 614	0.46 616	0.19 475	0.24 455	0.21 467	0.19 533	0.20 527	0.19 522	0.13 597	0.10 573	0.10 525	0.10 540	0.11 554	0.13 594

ADCRef	0.19 539	0.12 531	0.41 630	0.20 523	0.12 536	0.22 553	0.18 480	0.32 556	0.36 565	0.26 569	0.32 554	0.17 417	0.23 566	0.24 578	0.24 582	0.07 338	0.06 417	0.09 476	0.09 499	0.08 435	0.08 457

NVstereo2D	0.19 539	0.10 487	0.15 425	0.17 296	0.15 600	0.28 612	0.23 584	0.44 647	0.42 599	0.15 381	0.27 509	0.25 523	0.19 533	0.22 557	0.17 491	0.09 474	0.06 417	0.10 525	0.08 452	0.15 618	0.09 501

DRN-Test	0.19 539	0.11 513	0.20 539	0.22 572	0.10 452	0.22 553	0.22 573	0.39 626	0.37 572	0.24 550	0.32 554	0.26 533	0.21 549	0.22 557	0.24 582	0.11 546	0.07 489	0.11 556	0.10 540	0.09 498	0.07 392

DISCO	0.19 539	0.09 425	0.22 554	0.17 296	0.10 452	0.25 585	0.18 480	0.27 486	0.44 609	0.22 528	0.31 550	0.33 596	0.26 587	0.28 600	0.28 620	0.08 414	0.06 417	0.07 299	0.07 379	0.09 498	0.09 501

CBMV_ROB	0.19 539	0.13 559	0.17 491	0.16 209	0.11 502	0.15 415	0.13 171	0.26 465	0.28 500	0.27 575	0.30 542	0.27 541	0.24 572	0.23 568	0.16 476	0.15 615	0.17 641	0.22 645	0.20 643	0.10 531	0.11 558

NOSS_ROB	0.19 539	0.12 531	0.18 515	0.16 209	0.12 536	0.15 415	0.12 96	0.30 533	0.32 532	0.20 498	0.22 434	0.27 541	0.23 566	0.21 544	0.16 476	0.16 631	0.18 643	0.23 646	0.21 645	0.12 569	0.13 594

CBMV	0.19 539	0.14 571	0.17 491	0.18 387	0.10 452	0.20 527	0.11 64	0.29 519	0.30 517	0.29 599	0.30 542	0.30 569	0.23 566	0.27 588	0.19 522	0.13 597	0.15 632	0.17 627	0.16 630	0.10 531	0.10 531
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 551	0.14 571	0.37 621	0.22 572	0.12 536	0.20 527	0.21 563	0.28 505	0.37 572	0.25 563	0.37 585	0.27 541	0.22 558	0.21 544	0.23 569	0.08 414	0.08 519	0.09 476	0.09 499	0.10 531	0.09 501

YMNet	0.20 551	0.12 531	0.19 527	0.20 523	0.14 580	0.26 595	0.23 584	0.32 556	0.34 551	0.27 575	0.34 571	0.30 569	0.18 517	0.18 487	0.22 557	0.10 515	0.13 617	0.10 525	0.10 540	0.08 435	0.09 501

YMNet_1	0.20 551	0.12 531	0.19 527	0.20 523	0.14 580	0.26 595	0.23 584	0.32 556	0.34 551	0.27 575	0.34 571	0.30 569	0.18 517	0.18 487	0.22 557	0.10 515	0.13 617	0.10 525	0.10 540	0.08 435	0.09 501

GwcNet	0.20 551	0.13 559	0.19 527	0.18 387	0.12 536	0.24 574	0.19 520	0.35 601	0.43 604	0.20 498	0.32 554	0.33 596	0.20 545	0.22 557	0.24 582	0.11 546	0.09 552	0.09 476	0.09 499	0.09 498	0.10 531

FAT-Stereo	0.20 551	0.12 531	0.22 554	0.21 555	0.12 536	0.17 468	0.18 480	0.34 585	0.39 582	0.27 575	0.37 585	0.34 603	0.32 627	0.21 544	0.20 528	0.09 474	0.11 586	0.10 525	0.09 499	0.11 554	0.14 611

FADNet-RVC	0.20 551	0.20 621	0.38 623	0.21 555	0.16 611	0.20 527	0.15 320	0.26 465	0.26 475	0.26 569	0.32 554	0.26 533	0.21 549	0.22 557	0.19 522	0.12 571	0.13 617	0.12 576	0.14 609	0.13 588	0.18 641

S-Stereo	0.20 551	0.12 531	0.25 572	0.21 555	0.13 559	0.20 527	0.18 480	0.32 556	0.43 604	0.23 541	0.36 579	0.28 551	0.30 618	0.19 502	0.22 557	0.09 474	0.12 602	0.10 525	0.10 540	0.13 588	0.13 594

SuperB	0.20 551	0.10 487	0.56 650	0.16 209	0.09 339	0.18 487	0.18 480	0.24 430	0.50 628	0.26 569	0.39 599	0.17 417	0.21 549	0.22 557	0.21 548	0.08 414	0.06 417	0.06 189	0.06 282	0.12 569	0.10 531

ADCP+	0.20 551	0.10 487	0.33 608	0.20 523	0.12 536	0.22 553	0.26 622	0.31 545	0.34 551	0.26 569	0.37 585	0.22 485	0.22 558	0.27 588	0.27 612	0.09 474	0.06 417	0.08 393	0.08 452	0.09 498	0.10 531

PS-NSSS	0.20 551	0.21 627	0.23 563	0.20 523	0.10 452	0.19 511	0.17 431	0.36 608	0.25 461	0.27 575	0.33 567	0.27 541	0.24 572	0.20 527	0.20 528	0.15 615	0.12 602	0.17 627	0.14 609	0.10 531	0.08 457

PWCDC_ROB	0.20 551	0.13 559	0.22 554	0.24 605	0.11 502	0.19 511	0.15 320	0.33 576	0.54 638	0.29 599	0.50 639	0.21 467	0.15 451	0.27 588	0.20 528	0.11 546	0.09 552	0.10 525	0.08 452	0.11 554	0.09 501

SGM-Forest	0.20 551	0.14 571	0.18 515	0.19 456	0.13 559	0.20 527	0.22 573	0.33 576	0.30 517	0.24 550	0.29 535	0.28 551	0.19 533	0.23 568	0.17 491	0.15 615	0.16 636	0.15 616	0.14 609	0.12 569	0.12 571
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 563	0.17 600	0.19 527	0.23 596	0.15 600	0.30 619	0.20 543	0.33 576	0.35 560	0.23 541	0.28 523	0.31 582	0.27 595	0.20 527	0.22 557	0.15 615	0.12 602	0.13 591	0.09 499	0.14 602	0.14 611

FINET	0.21 563	0.18 611	0.26 575	0.18 387	0.16 611	0.23 569	0.23 584	0.32 556	0.48 618	0.25 563	0.32 554	0.22 485	0.22 558	0.22 557	0.17 491	0.18 638	0.16 636	0.11 556	0.10 540	0.15 618	0.13 594

Syn2CoEx	0.21 563	0.16 589	0.27 583	0.29 647	0.14 580	0.26 595	0.20 543	0.33 576	0.31 525	0.28 590	0.36 579	0.27 541	0.25 581	0.19 502	0.24 582	0.16 631	0.12 602	0.14 604	0.11 574	0.09 498	0.08 457

FADNet	0.21 563	0.22 631	0.36 617	0.18 387	0.17 626	0.24 574	0.13 171	0.31 545	0.31 525	0.23 541	0.25 483	0.27 541	0.21 549	0.19 502	0.15 460	0.13 597	0.15 632	0.12 576	0.15 626	0.16 627	0.18 641

RP	0.21 563	0.13 559	0.21 548	0.23 596	0.11 502	0.21 544	0.20 543	0.25 447	0.44 609	0.21 512	0.38 591	0.36 609	0.24 572	0.27 588	0.25 592	0.11 546	0.12 602	0.13 591	0.12 594	0.12 569	0.14 611

DANet	0.21 563	0.15 581	0.28 588	0.25 617	0.13 559	0.22 553	0.19 520	0.27 486	0.27 485	0.28 590	0.32 554	0.35 607	0.31 622	0.31 611	0.23 569	0.11 546	0.09 552	0.11 556	0.10 540	0.13 588	0.11 558
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 563	0.12 531	0.21 548	0.24 605	0.13 559	0.22 553	0.22 573	0.41 636	0.26 475	0.31 610	0.42 623	0.37 614	0.28 606	0.23 568	0.22 557	0.10 515	0.12 602	0.10 525	0.09 499	0.10 531	0.08 457

PWC_ROB	0.21 563	0.16 589	0.26 575	0.18 387	0.11 502	0.22 553	0.13 171	0.32 556	0.49 625	0.30 604	0.40 605	0.32 592	0.24 572	0.31 611	0.22 557	0.10 515	0.07 489	0.11 556	0.08 452	0.11 554	0.10 531

PSMNet_ROB	0.21 563	0.11 513	0.15 425	0.27 635	0.15 600	0.24 574	0.35 663	0.43 645	0.37 572	0.27 575	0.32 554	0.32 592	0.22 558	0.21 544	0.26 604	0.12 571	0.08 519	0.13 591	0.11 574	0.09 498	0.09 501

MSAF-DinoV2	0.22 572	0.11 513	0.23 563	0.17 296	0.10 452	0.27 605	0.16 389	0.37 614	0.55 639	0.21 512	0.27 509	0.47 649	0.27 595	0.35 630	0.39 656	0.09 474	0.06 417	0.07 299	0.09 499	0.12 569	0.10 531

GASNet	0.22 572	0.23 633	0.33 608	0.26 622	0.17 626	0.26 595	0.16 389	0.44 647	0.42 599	0.27 575	0.24 455	0.30 569	0.15 451	0.27 588	0.18 509	0.12 571	0.08 519	0.12 576	0.11 574	0.16 627	0.07 392

Anonymous_2	0.22 572	0.17 600	0.28 588	0.15 113	0.16 611	0.32 622	0.22 573	0.22 385	0.17 308	0.23 541	0.24 455	0.26 533	0.27 595	0.27 588	0.23 569	0.22 655	0.25 665	0.17 627	0.17 637	0.17 635	0.17 638

Wz-Net-LNSev	0.22 572	0.16 589	0.38 623	0.21 555	0.13 559	0.25 585	0.23 584	0.32 556	0.43 604	0.30 604	0.41 616	0.31 582	0.18 517	0.22 557	0.25 592	0.10 515	0.09 552	0.08 393	0.08 452	0.12 569	0.11 558

Wz-Net-MNSev	0.22 572	0.13 559	0.31 601	0.20 523	0.14 580	0.36 642	0.24 597	0.33 576	0.44 609	0.28 590	0.40 605	0.38 618	0.19 533	0.24 578	0.25 592	0.09 474	0.07 489	0.09 476	0.09 499	0.12 569	0.10 531

DDUNet	0.22 572	0.17 600	0.21 548	0.22 572	0.15 600	0.25 585	0.24 597	0.29 519	0.30 517	0.31 610	0.36 579	0.33 596	0.25 581	0.24 578	0.20 528	0.18 638	0.13 617	0.17 627	0.11 574	0.16 627	0.16 629

APVNet	0.22 572	0.12 531	0.19 527	0.18 387	0.14 580	0.32 622	0.31 659	0.39 626	0.32 532	0.27 575	0.40 605	0.30 569	0.29 614	0.26 585	0.25 592	0.11 546	0.12 602	0.11 556	0.14 609	0.12 569	0.12 571

aanetorigin	0.22 572	0.17 600	0.56 650	0.17 296	0.10 452	0.15 415	0.19 520	0.20 338	0.33 539	0.49 654	0.48 634	0.29 559	0.27 595	0.20 527	0.23 569	0.08 414	0.07 489	0.08 393	0.07 379	0.10 531	0.09 501

MaskLacGwcNet_RVC	0.22 572	0.21 627	0.24 567	0.26 622	0.11 502	0.23 569	0.14 237	0.39 626	0.24 439	0.32 616	0.36 579	0.30 569	0.21 549	0.19 502	0.21 548	0.17 636	0.14 626	0.21 641	0.16 630	0.12 569	0.12 571

AF-Net	0.22 572	0.17 600	0.17 491	0.26 622	0.13 559	0.25 585	0.24 597	0.32 556	0.50 628	0.25 563	0.33 567	0.38 618	0.26 587	0.28 600	0.25 592	0.11 546	0.10 573	0.16 623	0.11 574	0.11 554	0.10 531

stereogan	0.22 572	0.11 513	0.21 548	0.20 523	0.12 536	0.31 621	0.19 520	0.35 601	0.44 609	0.22 528	0.39 599	0.35 607	0.27 595	0.33 621	0.22 557	0.10 515	0.12 602	0.10 525	0.10 540	0.14 602	0.13 594

edge stereo	0.22 572	0.13 559	0.20 539	0.21 555	0.13 559	0.23 569	0.16 389	0.32 556	0.42 599	0.32 616	0.40 605	0.38 618	0.35 637	0.25 583	0.24 582	0.13 597	0.11 586	0.14 604	0.11 574	0.12 569	0.13 594

RYNet	0.22 572	0.12 531	0.22 554	0.19 456	0.17 626	0.46 653	0.26 622	0.38 622	0.48 618	0.24 550	0.28 523	0.34 603	0.23 566	0.20 527	0.30 631	0.10 515	0.06 417	0.09 476	0.09 499	0.13 588	0.15 618

NaN_ROB	0.22 572	0.19 615	0.24 567	0.25 617	0.13 559	0.29 616	0.26 622	0.33 576	0.41 591	0.31 610	0.31 550	0.32 592	0.23 566	0.30 610	0.21 548	0.11 546	0.17 641	0.10 525	0.10 540	0.08 435	0.09 501

MDST_ROB	0.22 572	0.10 487	0.17 491	0.18 387	0.11 502	0.37 643	0.19 520	0.43 645	0.41 591	0.39 634	0.39 599	0.29 559	0.21 549	0.26 585	0.18 509	0.11 546	0.10 573	0.14 604	0.11 574	0.10 531	0.08 457

XPNet_ROB	0.22 572	0.11 513	0.19 527	0.22 572	0.13 559	0.22 553	0.19 520	0.34 585	0.40 588	0.30 604	0.39 599	0.39 626	0.26 587	0.26 585	0.28 620	0.15 615	0.10 573	0.10 525	0.10 540	0.13 588	0.12 571

SQANet	0.23 588	0.23 633	0.30 599	0.30 649	0.19 637	0.27 605	0.13 171	0.29 519	0.33 539	0.24 550	0.37 585	0.31 582	0.22 558	0.27 588	0.23 569	0.15 615	0.10 573	0.21 641	0.16 630	0.21 644	0.15 618

Nwc_Net	0.23 588	0.16 589	0.21 548	0.25 617	0.14 580	0.24 574	0.26 622	0.37 614	0.38 579	0.22 528	0.41 616	0.30 569	0.28 606	0.28 600	0.25 592	0.11 546	0.10 573	0.17 627	0.20 643	0.10 531	0.10 531

RTSC	0.23 588	0.12 531	0.28 588	0.21 555	0.13 559	0.28 612	0.16 389	0.35 601	0.66 664	0.27 575	0.33 567	0.30 569	0.21 549	0.31 611	0.29 624	0.10 515	0.08 519	0.09 476	0.10 540	0.13 588	0.13 594

PA-Net	0.23 588	0.18 611	0.33 608	0.28 638	0.22 646	0.21 544	0.38 668	0.29 519	0.39 582	0.22 528	0.32 554	0.25 523	0.26 587	0.20 527	0.25 592	0.09 474	0.23 662	0.15 616	0.22 648	0.09 498	0.13 594
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 588	0.15 581	0.17 491	0.34 655	0.18 633	0.24 574	0.23 584	0.34 585	0.28 500	0.31 610	0.38 591	0.38 618	0.28 606	0.23 568	0.24 582	0.15 615	0.12 602	0.18 636	0.21 645	0.13 588	0.13 594

ETE_ROB	0.23 588	0.17 600	0.22 554	0.25 617	0.13 559	0.26 595	0.29 645	0.31 545	0.36 565	0.28 590	0.36 579	0.45 641	0.26 587	0.27 588	0.26 604	0.11 546	0.08 519	0.12 576	0.09 499	0.14 602	0.13 594

SGM_RVC	0.23 588	0.12 531	0.15 425	0.15 113	0.09 339	0.33 629	0.18 480	0.34 585	0.31 525	0.44 649	0.37 585	0.53 657	0.35 637	0.35 630	0.24 582	0.13 597	0.13 617	0.13 591	0.13 605	0.10 531	0.11 558
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 595	0.18 611	0.18 515	0.20 523	0.14 580	0.21 544	0.19 520	0.32 556	0.41 591	0.29 599	0.21 423	0.32 592	0.27 595	0.41 655	0.27 612	0.46 677	0.12 602	0.31 664	0.11 574	0.15 618	0.12 571

z-mn7	0.24 595	0.14 571	0.45 634	0.19 456	0.13 559	0.28 612	0.25 613	0.34 585	0.62 655	0.27 575	0.56 651	0.29 559	0.24 572	0.32 618	0.25 592	0.08 414	0.08 519	0.08 393	0.08 452	0.10 531	0.10 531

w-ln-seven	0.24 595	0.14 571	0.55 647	0.19 456	0.14 580	0.26 595	0.22 573	0.35 601	0.60 652	0.29 599	0.39 599	0.30 569	0.22 558	0.21 544	0.26 604	0.09 474	0.09 552	0.11 556	0.10 540	0.11 554	0.10 531

DGSMNet	0.24 595	0.19 615	0.33 608	0.21 555	0.24 651	0.24 574	0.20 543	0.35 601	0.41 591	0.24 550	0.32 554	0.38 618	0.21 549	0.29 607	0.23 569	0.12 571	0.11 586	0.14 604	0.16 630	0.23 648	0.23 653

G-Net	0.24 595	0.16 589	0.36 617	0.22 572	0.16 611	0.51 659	0.23 584	0.29 519	0.34 551	0.36 626	0.38 591	0.31 582	0.29 614	0.27 588	0.26 604	0.11 546	0.09 552	0.12 576	0.09 499	0.16 627	0.13 594

NCC-stereo	0.24 595	0.15 581	0.31 601	0.26 622	0.16 611	0.20 527	0.30 653	0.40 630	0.40 588	0.24 550	0.38 591	0.33 596	0.28 606	0.36 636	0.27 612	0.12 571	0.11 586	0.15 616	0.22 648	0.13 588	0.13 594

Abc-Net	0.24 595	0.15 581	0.31 601	0.26 622	0.16 611	0.20 527	0.30 653	0.40 630	0.40 588	0.24 550	0.38 591	0.33 596	0.28 606	0.36 636	0.27 612	0.12 571	0.11 586	0.15 616	0.22 648	0.13 588	0.13 594
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 595	0.11 513	0.47 639	0.22 572	0.12 536	0.34 632	0.29 645	0.29 519	0.56 642	0.24 550	0.46 631	0.30 569	0.30 618	0.29 607	0.29 624	0.08 414	0.07 489	0.09 476	0.09 499	0.10 531	0.10 531

DeepPrunerF	0.24 595	0.17 600	0.42 632	0.26 622	0.16 611	0.22 553	0.28 635	0.37 614	0.50 628	0.26 569	0.29 535	0.24 509	0.28 606	0.21 544	0.22 557	0.15 615	0.11 586	0.20 640	0.18 641	0.12 569	0.13 594

FBW_ROB	0.24 595	0.17 600	0.22 554	0.26 622	0.14 580	0.25 585	0.22 573	0.41 636	0.41 591	0.41 641	0.41 616	0.42 633	0.27 595	0.31 611	0.23 569	0.09 474	0.14 626	0.14 604	0.12 594	0.11 554	0.09 501

SANet	0.24 595	0.14 571	0.28 588	0.21 555	0.11 502	0.27 605	0.24 597	0.38 622	0.64 660	0.36 626	0.40 605	0.43 637	0.26 587	0.27 588	0.24 582	0.12 571	0.09 552	0.10 525	0.09 499	0.13 588	0.11 558

WCMA_ROB	0.24 595	0.11 513	0.22 554	0.17 296	0.14 580	0.32 622	0.15 320	0.32 556	0.32 532	0.38 632	0.53 642	0.40 630	0.34 634	0.34 624	0.25 592	0.11 546	0.12 602	0.12 576	0.10 540	0.14 602	0.14 611

DStereoSA	0.25 607	0.19 615	0.37 621	0.26 622	0.17 626	0.22 553	0.20 543	0.49 657	0.59 648	0.22 528	0.29 535	0.29 559	0.33 629	0.39 647	0.28 620	0.12 571	0.11 586	0.16 623	0.14 609	0.14 602	0.12 571

FSD	0.25 607	0.27 646	0.26 575	0.24 605	0.22 646	0.25 585	0.25 613	0.27 486	0.26 475	0.25 563	0.26 500	0.25 523	0.27 595	0.27 588	0.24 582	0.21 650	0.20 649	0.27 652	0.26 655	0.25 656	0.24 654

zh-sn7	0.25 607	0.17 600	0.50 641	0.24 605	0.13 559	0.25 585	0.24 597	0.34 585	0.48 618	0.28 590	0.54 644	0.28 551	0.31 622	0.36 636	0.32 639	0.10 515	0.10 573	0.11 556	0.10 540	0.12 569	0.12 571

zh-mn7	0.25 607	0.14 571	0.56 650	0.19 456	0.14 580	0.24 574	0.22 573	0.34 585	0.62 655	0.35 623	0.65 660	0.31 582	0.25 581	0.31 611	0.25 592	0.09 474	0.08 519	0.09 476	0.09 499	0.09 498	0.11 558

Wz-Net-SNSev	0.25 607	0.17 600	0.44 633	0.25 617	0.14 580	0.26 595	0.23 584	0.38 622	0.56 642	0.30 604	0.55 646	0.39 626	0.26 587	0.23 568	0.30 631	0.10 515	0.09 552	0.09 476	0.10 540	0.11 554	0.11 558

psmorigin	0.25 607	0.15 581	0.34 616	0.17 296	0.13 559	0.23 569	0.14 237	0.34 585	0.33 539	0.41 641	0.55 646	0.41 632	0.37 641	0.34 624	0.27 612	0.11 546	0.15 632	0.11 556	0.11 574	0.12 569	0.16 629

RGC	0.25 607	0.20 621	0.29 596	0.28 638	0.16 611	0.22 553	0.23 584	0.32 556	0.44 609	0.27 575	0.40 605	0.38 618	0.27 595	0.36 636	0.22 557	0.11 546	0.13 617	0.17 627	0.17 637	0.14 602	0.16 629

ADCMid	0.25 607	0.15 581	0.40 627	0.20 523	0.14 580	0.25 585	0.26 622	0.34 585	0.38 579	0.36 626	0.44 628	0.34 603	0.40 648	0.35 630	0.33 644	0.10 515	0.09 552	0.11 556	0.11 574	0.13 588	0.12 571

ADCPNet	0.25 607	0.16 589	0.61 657	0.21 555	0.15 600	0.35 640	0.25 613	0.32 556	0.35 560	0.30 604	0.40 605	0.36 609	0.28 606	0.28 600	0.32 639	0.12 571	0.10 573	0.11 556	0.12 594	0.14 602	0.13 594

STTRV1_RVC	0.25 607	0.26 642	0.39 625	0.19 456	0.26 658	0.30 619	0.24 597	0.34 585	0.35 560	0.36 626	0.34 571	0.31 582	0.31 622	0.28 600	0.25 592	0.17 636	0.10 573	0.16 623	0.14 609	0.17 635	0.12 571

LALA_ROB	0.25 607	0.16 589	0.22 554	0.26 622	0.17 626	0.27 605	0.27 629	0.42 641	0.37 572	0.33 620	0.38 591	0.51 653	0.26 587	0.28 600	0.27 612	0.16 631	0.09 552	0.12 576	0.11 574	0.13 588	0.12 571

SHD	0.26 618	0.15 581	0.30 599	0.24 605	0.18 633	0.22 553	0.15 320	0.38 622	0.71 668	0.32 616	0.41 616	0.36 609	0.28 606	0.32 618	0.29 624	0.12 571	0.11 586	0.14 604	0.13 605	0.16 627	0.20 647

AnyNet_C32	0.26 618	0.16 589	0.36 617	0.20 523	0.16 611	0.25 585	0.30 653	0.32 556	0.44 609	0.31 610	0.49 635	0.30 569	0.33 629	0.40 652	0.33 644	0.12 571	0.12 602	0.12 576	0.14 609	0.14 602	0.15 618

DStereoFS	0.27 620	0.22 631	0.31 601	0.22 572	0.15 600	0.22 553	0.20 543	0.50 661	0.48 618	0.28 590	0.44 628	0.33 596	0.34 634	0.52 665	0.29 624	0.12 571	0.11 586	0.15 616	0.13 605	0.16 627	0.16 629

PSMNet-RUCA	0.27 620	0.33 658	0.41 630	0.36 659	0.32 666	0.18 487	0.19 520	0.42 641	0.30 517	0.33 620	0.41 616	0.39 626	0.25 581	0.31 611	0.20 528	0.18 638	0.10 573	0.25 648	0.15 626	0.21 644	0.16 629

PDISCO_ROB	0.27 620	0.16 589	0.26 575	0.28 638	0.20 640	0.32 622	0.26 622	0.44 647	0.57 644	0.28 590	0.40 605	0.45 641	0.29 614	0.33 621	0.34 646	0.12 571	0.09 552	0.17 627	0.16 630	0.17 635	0.13 594

DispFullNet	0.27 620	0.21 627	0.65 660	0.28 638	0.16 611	0.26 595	0.17 431	0.33 576	0.58 647	0.27 575	0.38 591	0.43 637	0.23 566	0.38 643	0.23 569	0.12 571	0.06 417	0.19 638	0.11 574	0.21 644	0.15 618

MeshStereo	0.27 620	0.13 559	0.18 515	0.15 113	0.11 502	0.32 622	0.24 597	0.40 630	0.36 565	0.52 656	0.57 654	0.67 668	0.40 648	0.35 630	0.26 604	0.14 611	0.13 617	0.13 591	0.11 574	0.11 554	0.10 531
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WZ-Net	0.28 625	0.17 600	0.78 677	0.22 572	0.16 611	0.34 632	0.29 645	0.39 626	0.57 644	0.24 550	0.55 646	0.37 614	0.24 572	0.33 621	0.35 647	0.09 474	0.08 519	0.09 476	0.10 540	0.14 602	0.16 629

XQC	0.28 625	0.23 633	0.51 642	0.28 638	0.19 637	0.34 632	0.27 629	0.36 608	0.57 644	0.31 610	0.30 542	0.37 614	0.30 618	0.38 643	0.38 654	0.13 597	0.09 552	0.15 616	0.12 594	0.17 635	0.18 641

CC-Net-ROB	0.28 625	0.31 656	0.36 617	0.29 647	0.15 600	0.25 585	0.19 520	0.45 650	0.33 539	0.39 634	0.37 585	0.39 626	0.31 622	0.27 588	0.26 604	0.24 661	0.19 646	0.30 663	0.23 652	0.18 639	0.15 618

DPSNet	0.28 625	0.16 589	0.31 601	0.18 387	0.13 559	0.54 661	0.42 672	0.51 663	0.67 665	0.29 599	0.38 591	0.38 618	0.29 614	0.31 611	0.23 569	0.11 546	0.10 573	0.11 556	0.08 452	0.20 643	0.16 629

MultiAttention	0.29 629	0.08 345	0.14 376	0.19 456	0.12 536	1.45 697	1.33 701	0.36 608	0.37 572	0.19 475	0.21 423	0.24 509	0.11 338	0.38 643	0.18 509	0.06 167	0.05 269	0.08 393	0.08 452	0.10 531	0.09 501

Wz-Net-TNSev	0.29 629	0.20 621	0.65 660	0.19 456	0.15 600	0.38 646	0.27 629	0.35 601	0.55 639	0.34 622	0.42 623	0.45 641	0.38 642	0.32 618	0.30 631	0.12 571	0.13 617	0.10 525	0.12 594	0.15 618	0.14 611

ccnet	0.29 629	0.28 651	0.23 563	0.20 523	0.28 660	0.41 651	0.21 563	0.45 650	0.33 539	0.36 626	0.46 631	0.36 609	0.30 618	0.39 647	0.42 663	0.23 659	0.14 626	0.21 641	0.17 637	0.23 648	0.18 641

EDNetEfficient	0.29 629	0.24 636	1.13 689	0.18 387	0.10 452	0.19 511	0.20 543	0.20 338	0.60 652	0.74 676	0.56 651	0.31 582	0.39 645	0.22 557	0.30 631	0.09 474	0.07 489	0.08 393	0.07 379	0.11 554	0.09 501

ADCS	0.29 629	0.18 611	0.45 634	0.21 555	0.17 626	0.28 612	0.23 584	0.41 636	0.63 659	0.40 637	0.49 635	0.40 630	0.36 639	0.39 647	0.40 659	0.13 597	0.12 602	0.13 591	0.14 609	0.16 627	0.16 629

CSAN	0.29 629	0.24 636	0.27 583	0.34 655	0.19 637	0.33 629	0.42 672	0.37 614	0.50 628	0.38 632	0.40 605	0.44 639	0.33 629	0.28 600	0.30 631	0.20 646	0.16 636	0.19 638	0.19 642	0.14 602	0.15 618

AANet	0.30 635	0.19 615	1.03 686	0.16 209	0.13 559	0.22 553	0.16 389	0.30 533	0.62 655	0.60 663	0.52 641	0.46 645	0.38 642	0.23 568	0.32 639	0.12 571	0.09 552	0.11 556	0.10 540	0.13 588	0.12 571

MFN_U_SF_DS_RVC	0.30 635	0.24 636	0.29 596	0.36 659	0.16 611	0.34 632	0.30 653	0.32 556	0.42 599	0.40 637	0.46 631	0.38 618	0.31 622	0.34 624	0.28 620	0.19 644	0.20 649	0.26 649	0.29 662	0.18 639	0.19 646

GANetREF_RVC	0.31 637	0.34 660	0.27 583	0.35 657	0.16 611	0.32 622	0.41 669	0.48 655	0.51 635	0.35 623	0.35 576	0.34 603	0.33 629	0.39 647	0.32 639	0.27 663	0.20 649	0.29 661	0.15 626	0.18 639	0.17 638
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 637	0.26 642	0.26 575	0.24 605	0.21 644	0.34 632	0.25 613	0.34 585	0.39 582	0.40 637	0.69 664	0.45 641	0.40 648	0.34 624	0.27 612	0.20 646	0.19 646	0.26 649	0.25 654	0.23 648	0.22 651

MFN_U_SF_RVC	0.32 639	0.21 627	0.55 647	0.30 649	0.15 600	0.34 632	0.17 431	0.52 664	0.46 616	0.46 653	0.55 646	0.59 660	0.39 645	0.35 630	0.37 652	0.15 615	0.14 626	0.18 636	0.21 645	0.16 627	0.15 618

PASM	0.32 639	0.24 636	0.48 640	0.28 638	0.27 659	0.29 616	0.30 653	0.34 585	0.49 625	0.35 623	0.39 599	0.46 645	0.34 634	0.34 624	0.35 647	0.23 659	0.25 665	0.26 649	0.28 661	0.23 648	0.21 649

SGM-ForestM	0.32 639	0.12 531	0.16 461	0.16 209	0.11 502	0.39 648	0.19 520	0.41 636	0.50 628	0.52 656	0.54 644	1.32 689	0.42 656	0.40 652	0.27 612	0.14 611	0.16 636	0.16 623	0.16 630	0.12 569	0.12 571

FC-DCNN v2	0.33 642	0.27 646	0.28 588	0.26 622	0.23 649	0.37 643	0.28 635	0.40 630	0.43 604	0.45 650	0.56 651	0.51 653	0.40 648	0.37 641	0.29 624	0.21 650	0.20 649	0.27 652	0.26 655	0.25 656	0.24 654

FCDSN-DC	0.33 642	0.28 651	0.28 588	0.30 649	0.24 651	0.39 648	0.28 635	0.42 641	0.42 599	0.43 647	0.53 642	0.51 653	0.41 653	0.36 636	0.30 631	0.21 650	0.20 649	0.27 652	0.26 655	0.25 656	0.24 654
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 642	0.27 646	0.28 588	0.26 622	0.23 649	0.37 643	0.28 635	0.40 630	0.43 604	0.45 650	0.55 646	0.51 653	0.40 648	0.37 641	0.30 631	0.21 650	0.20 649	0.27 652	0.26 655	0.25 656	0.24 654

LSM	0.33 642	0.20 621	0.58 653	0.26 622	0.60 684	0.34 632	0.25 613	0.42 641	0.48 618	0.45 650	0.58 656	0.42 633	0.36 639	0.35 630	0.25 592	0.12 571	0.20 649	0.14 604	0.16 630	0.19 642	0.33 669

AnyNet_C01	0.36 646	0.25 641	1.37 692	0.22 572	0.17 626	0.48 657	0.27 629	0.35 601	0.39 582	0.39 634	0.74 670	0.46 645	0.38 642	0.45 657	0.47 668	0.13 597	0.13 617	0.13 591	0.14 609	0.14 602	0.15 618

GCST	0.37 647	0.42 667	0.26 575	1.02 693	0.39 667	0.18 487	0.08 7	0.20 338	0.17 308	0.28 590	0.25 483	0.15 380	0.12 369	0.16 431	0.14 428	0.64 688	0.43 677	0.75 684	0.65 688	0.63 681	0.46 680

otaku	0.39 648	0.37 663	0.52 643	0.44 666	0.28 660	0.58 663	0.24 597	0.41 636	0.62 655	0.40 637	0.49 635	0.46 645	0.33 629	0.40 652	0.32 639	0.30 664	0.30 669	0.39 668	0.33 667	0.29 663	0.28 663

ACVNet-4b	0.39 648	0.53 670	0.55 647	0.45 667	0.24 651	0.47 655	0.18 480	0.49 657	0.64 660	0.42 644	0.45 630	0.60 661	0.27 595	0.34 624	0.24 582	0.33 668	0.14 626	0.48 672	0.42 674	0.30 664	0.26 662

PVD	0.39 648	0.20 621	0.39 625	0.31 653	0.22 646	0.29 616	0.43 674	0.52 664	0.96 682	0.55 660	0.79 674	0.53 657	0.59 673	0.52 665	0.38 654	0.19 644	0.14 626	0.17 627	0.14 609	0.24 655	0.31 667

Ntro	0.40 651	0.40 665	0.53 644	0.46 670	0.30 664	0.65 669	0.24 597	0.46 652	0.68 666	0.41 641	0.49 635	0.48 651	0.42 656	0.39 647	0.31 638	0.32 666	0.28 667	0.37 667	0.30 664	0.32 668	0.29 664

SAMSARA	0.40 651	0.28 651	0.33 608	0.55 673	0.39 667	0.82 683	1.23 700	0.47 654	0.51 635	0.36 626	0.35 576	0.55 659	0.39 645	0.38 643	0.39 656	0.15 615	0.20 649	0.15 616	0.14 609	0.23 648	0.20 647

ELAS_RVC	0.41 653	0.29 654	0.33 608	0.28 638	0.24 651	0.54 661	0.36 664	0.49 657	0.59 648	0.72 672	0.74 670	0.65 666	0.54 666	0.54 670	0.40 659	0.22 655	0.20 649	0.27 652	0.26 655	0.26 661	0.25 660
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 653	0.29 654	0.33 608	0.27 635	0.24 651	0.60 666	0.36 664	0.50 661	0.50 628	0.71 670	0.79 674	0.67 668	0.54 666	0.51 663	0.42 663	0.22 655	0.20 649	0.27 652	0.26 655	0.26 661	0.25 660
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 655	0.26 642	0.59 655	0.60 675	0.49 674	0.32 622	0.23 584	0.46 652	0.52 637	0.56 662	0.58 656	0.76 673	0.32 627	0.48 659	0.29 624	0.32 666	0.24 663	0.27 652	0.33 667	0.46 672	0.39 674

MSC_U_SF_DS_RVC	0.43 656	0.39 664	0.54 645	0.40 662	0.20 640	0.64 668	0.32 661	0.53 666	0.72 669	0.71 670	0.72 667	0.61 662	0.54 666	0.51 663	0.46 667	0.20 646	0.19 646	0.29 661	0.30 664	0.23 648	0.18 641

ACVNet_1	0.44 657	0.49 669	0.60 656	0.45 667	0.28 660	0.49 658	0.27 629	0.57 671	0.72 669	0.62 665	0.58 656	0.74 672	0.49 662	0.50 661	0.35 647	0.26 662	0.24 663	0.39 668	0.29 662	0.31 667	0.24 654

Consistency-Raft	0.44 657	0.40 665	0.45 634	0.37 661	0.43 671	0.46 653	0.41 669	0.57 671	0.55 639	0.32 616	0.73 668	0.33 596	0.48 661	0.42 656	0.49 670	0.39 671	0.35 674	0.45 671	0.51 681	0.42 671	0.29 664

RTS	0.45 659	0.19 615	3.26 699	0.24 605	0.15 600	0.74 676	0.20 543	0.36 608	0.76 675	0.42 644	0.43 626	0.31 582	0.41 653	0.53 668	0.35 647	0.10 515	0.08 519	0.13 591	0.12 594	0.15 618	0.15 618

RTSA	0.45 659	0.19 615	3.26 699	0.24 605	0.15 600	0.74 676	0.20 543	0.36 608	0.76 675	0.42 644	0.43 626	0.31 582	0.41 653	0.53 668	0.35 647	0.10 515	0.08 519	0.13 591	0.12 594	0.15 618	0.15 618

MANE	0.45 659	0.27 646	0.27 583	0.27 635	0.24 651	0.47 655	0.31 659	0.55 668	0.59 648	0.72 672	1.13 691	1.15 683	0.61 674	0.52 665	0.37 652	0.21 650	0.20 649	0.27 652	0.31 666	0.25 656	0.24 654

FADE	0.45 659	0.33 658	1.03 686	0.33 654	0.25 657	0.35 640	0.29 645	0.64 675	1.07 683	0.43 647	0.41 616	0.42 633	0.53 664	0.70 678	0.51 674	0.30 664	0.21 661	0.41 670	0.38 671	0.23 648	0.22 651

NVStereoNet_ROB	0.46 663	0.36 662	0.46 638	0.41 664	0.28 660	0.34 632	0.34 662	0.48 655	0.60 652	0.72 672	0.93 680	0.70 671	0.66 677	0.47 658	0.60 679	0.22 655	0.33 673	0.34 666	0.34 670	0.30 664	0.30 666
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 664	0.26 642	0.58 653	0.28 638	0.20 640	0.39 648	0.18 480	0.49 657	0.64 660	0.52 656	0.87 677	1.01 678	0.57 671	0.50 661	0.56 676	0.53 681	0.31 672	0.54 678	0.40 672	0.33 669	0.34 670

LE_ROB	0.50 665	0.07 226	0.14 376	0.15 113	0.08 213	0.24 574	0.16 389	0.22 385	1.81 699	4.63 705	0.67 662	0.47 649	0.44 658	0.20 527	0.29 624	0.07 338	0.06 417	0.06 189	0.06 282	0.08 435	0.06 305

BEATNet-Init1	0.52 666	0.27 646	0.62 658	0.30 649	0.21 644	0.76 680	0.29 645	0.54 667	0.65 663	0.86 681	0.95 682	2.07 699	0.62 676	0.56 672	0.42 663	0.18 638	0.18 643	0.23 646	0.22 648	0.22 647	0.21 649

anonymity	0.53 667	0.58 672	0.65 660	0.41 664	0.61 685	0.53 660	0.41 669	0.56 669	0.41 591	0.55 660	0.50 639	0.49 652	0.55 669	0.58 673	0.50 673	0.58 684	0.50 687	0.51 674	0.51 681	0.51 674	0.57 683

RainbowNet	0.54 668	0.61 674	0.70 675	0.57 674	0.43 671	0.65 669	0.37 667	0.60 673	0.87 679	0.50 655	0.66 661	0.64 664	0.47 660	0.49 660	0.43 666	0.47 678	0.48 683	0.52 676	0.41 673	0.52 675	0.40 677

SGM+DAISY	0.56 669	0.57 671	0.65 660	0.40 662	0.54 677	0.66 671	0.49 677	0.56 669	0.45 615	0.66 666	0.69 664	0.67 668	0.56 670	0.63 675	0.56 676	0.59 685	0.48 683	0.50 673	0.50 680	0.52 675	0.58 684

SPS-STEREO	0.57 670	0.58 672	0.65 660	0.45 667	0.55 679	0.62 667	0.44 676	0.62 674	0.50 628	0.68 668	0.64 659	0.66 667	0.57 671	0.61 674	0.60 679	0.62 687	0.47 682	0.51 674	0.49 678	0.55 679	0.58 684
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 671	0.66 678	0.65 660	0.51 671	0.69 689	0.69 672	0.57 683	0.64 675	0.73 673	0.60 663	0.73 668	0.62 663	0.67 678	0.65 676	0.60 679	0.66 689	0.58 696	0.63 679	0.59 684	0.68 686	0.69 693

IMH-64-1	0.65 672	0.61 674	0.68 669	0.71 678	0.51 675	0.59 664	0.49 677	0.91 683	0.85 677	0.74 676	1.02 684	0.81 674	0.78 682	0.79 680	0.49 670	0.42 673	0.46 678	0.71 681	0.47 676	0.52 675	0.39 674

IMH-64	0.65 672	0.61 674	0.68 669	0.71 678	0.51 675	0.59 664	0.49 677	0.91 683	0.85 677	0.74 676	1.02 684	0.81 674	0.78 682	0.79 680	0.49 670	0.42 673	0.46 678	0.71 681	0.47 676	0.52 675	0.39 674

ACVNet_2	0.66 674	0.66 678	0.68 669	0.63 676	0.41 669	0.71 674	0.49 677	0.96 687	1.39 692	0.89 682	1.09 687	1.04 679	0.73 680	0.54 670	0.47 668	0.43 675	0.40 676	0.53 677	0.44 675	0.47 673	0.35 672

JetBlue	0.71 675	0.45 668	1.14 690	0.51 671	0.47 673	2.02 698	0.64 687	0.75 678	0.70 667	0.69 669	0.77 673	1.22 685	0.83 684	1.03 695	1.01 695	0.40 672	0.28 667	0.33 665	0.33 667	0.30 664	0.34 670

IMH	0.71 675	0.64 677	0.68 669	0.76 680	0.54 677	0.69 672	0.54 681	0.98 689	1.10 685	0.82 680	1.09 687	0.89 676	0.88 687	0.87 688	0.52 675	0.44 676	0.50 687	0.75 684	0.51 681	0.56 680	0.41 678

PWCK	0.71 675	0.94 689	0.95 684	0.76 680	0.31 665	0.74 676	0.36 664	0.90 682	0.90 680	0.96 685	0.75 672	0.95 677	0.61 674	0.87 688	0.66 682	0.72 690	0.46 678	0.75 684	0.49 678	0.69 688	0.44 679

MADNet+	0.75 678	0.71 680	3.70 702	0.66 677	0.41 669	0.98 688	0.97 698	0.69 677	0.73 673	0.52 656	0.57 654	0.64 664	0.68 679	0.86 687	1.01 695	0.34 669	0.36 675	0.28 660	0.23 652	0.36 670	0.31 667

TorneroNet-64	0.76 679	0.72 681	0.74 676	0.78 682	0.58 683	0.91 687	0.56 682	0.84 681	1.29 689	0.66 666	0.90 678	1.40 691	0.75 681	0.85 686	0.67 685	0.49 679	0.46 678	0.72 683	0.59 684	0.67 685	0.53 682

WAO-7	0.79 680	0.78 683	0.54 645	0.85 686	0.67 688	0.74 676	0.68 691	1.05 692	1.32 690	0.90 683	1.20 694	1.04 679	0.92 688	0.69 677	0.66 682	0.60 686	0.62 697	0.67 680	0.68 690	0.64 682	0.58 684

WAO-6	0.81 681	0.80 684	0.62 658	0.86 687	0.63 686	0.76 680	0.58 684	0.98 689	1.54 697	0.90 683	0.96 683	1.07 681	1.03 692	0.70 678	0.66 682	0.72 690	0.49 685	0.90 692	0.71 691	0.68 686	0.58 684

TorneroNet	0.82 682	0.74 682	0.81 681	0.84 685	0.63 686	0.99 689	0.63 685	0.96 687	1.16 686	0.80 679	1.11 689	1.36 690	0.86 686	0.93 691	0.80 690	0.56 682	0.49 685	0.78 689	0.66 689	0.73 691	0.63 692

LVE	0.83 683	0.85 687	0.85 682	0.80 683	0.56 680	1.04 693	0.65 688	1.05 692	1.47 695	0.96 685	1.22 695	1.10 682	0.85 685	0.83 683	0.71 687	0.49 679	0.55 693	0.76 687	0.60 686	0.65 683	0.59 689

Dean	0.87 684	0.86 688	0.79 679	0.81 684	0.56 680	0.90 684	0.63 685	1.15 698	1.73 698	1.15 693	1.15 692	1.31 688	0.99 691	0.81 682	0.81 691	0.57 683	0.56 694	0.77 688	0.64 687	0.66 684	0.58 684

WAO-8	0.91 685	0.81 685	0.65 660	0.94 690	0.69 689	0.90 684	0.67 689	1.07 695	1.83 700	1.06 690	1.45 697	1.30 686	1.07 693	0.84 684	0.78 688	0.74 692	0.53 690	0.86 690	0.75 692	0.69 688	0.62 690

Venus	0.91 685	0.81 685	0.65 660	0.94 690	0.69 689	0.90 684	0.67 689	1.07 695	1.83 700	1.06 690	1.45 697	1.30 686	1.07 693	0.84 684	0.78 688	0.74 692	0.53 690	0.86 690	0.75 692	0.69 688	0.62 690

UNDER WATER-64	0.95 687	0.94 689	1.43 694	0.87 688	0.56 680	1.18 696	0.87 695	0.77 679	0.94 681	1.04 688	0.85 676	1.58 696	1.21 698	0.94 692	0.96 693	0.87 696	0.57 695	1.03 696	0.88 697	0.78 692	0.73 694

UNDER WATER	0.97 688	0.97 691	1.42 693	0.99 692	0.70 692	1.12 695	0.84 694	0.80 680	1.08 684	1.01 687	0.90 678	1.55 695	1.22 699	1.03 695	1.00 694	0.78 694	0.53 690	1.02 695	0.87 696	0.80 693	0.74 695

notaker	0.97 688	1.11 692	0.98 685	1.13 695	0.81 693	0.73 675	0.68 691	0.93 685	1.16 686	1.18 695	1.18 693	1.41 692	1.16 697	1.08 697	0.69 686	0.81 695	0.64 698	1.17 698	0.79 694	0.98 695	0.80 697

ktn	1.01 690	1.21 694	0.80 680	1.23 697	0.86 695	1.01 691	0.87 695	0.94 686	1.39 692	1.04 688	1.12 690	1.15 683	1.07 693	0.94 692	0.59 678	1.28 702	0.71 699	1.38 702	0.83 695	1.02 697	0.75 696

KSHMR	1.09 691	1.17 693	0.88 683	1.25 698	1.00 697	0.99 689	0.96 697	1.13 697	1.37 691	1.16 694	1.29 696	1.41 692	0.96 690	1.01 694	0.92 692	1.03 699	1.08 701	1.20 699	1.03 700	1.01 696	0.97 699

DPSimNet_ROB	1.11 692	1.23 695	0.78 677	1.13 695	0.88 696	1.10 694	1.13 699	1.16 699	1.23 688	1.43 697	1.02 684	1.41 692	1.10 696	0.90 690	1.60 697	1.46 703	0.51 689	1.21 700	1.03 700	0.90 694	1.01 701

HanzoNet	1.29 693	1.26 696	1.19 691	1.12 694	0.85 694	1.02 692	0.83 693	1.03 691	1.48 696	1.64 698	1.61 699	2.50 701	1.72 700	1.61 699	1.61 698	1.26 701	0.80 700	1.31 701	1.01 699	1.02 697	0.86 698

JetRed	1.62 694	1.46 697	2.98 697	0.92 689	1.21 698	4.99 701	1.53 703	1.27 700	1.39 692	1.83 699	1.74 700	1.60 697	0.95 689	1.41 698	2.45 703	0.90 698	1.60 703	0.93 693	0.90 698	1.35 699	0.99 700

MADNet++	1.95 695	1.75 698	1.59 695	1.82 700	1.69 700	2.33 699	1.40 702	2.35 702	2.09 702	2.57 702	2.36 702	2.24 700	2.17 702	2.28 700	2.34 701	1.87 704	1.66 704	1.54 703	1.34 703	1.92 701	1.77 704

Selective-IGEV-i1pa	2.80 696	3.51 704	0.67 668	0.28 638	0.14 580	10.22 706	0.43 674	4.36 703	3.63 703	3.53 703	6.92 705	3.47 702	1.97 701	13.41 718	2.26 700	0.36 670	0.15 632	0.13 591	0.10 540	0.15 618	0.35 672

coex-ft	3.30 697	0.34 660	59.09 731	0.18 387	0.13 559	0.26 595	0.22 573	0.27 486	0.72 669	1.90 700	0.70 666	0.44 639	0.45 659	0.29 607	0.41 662	0.09 474	0.09 552	0.12 576	0.09 499	0.14 602	0.13 594

ASD4	3.54 698	3.38 703	2.05 696	1.72 699	2.51 702	9.03 705	17.71 709	2.25 701	5.51 705	2.46 701	2.81 703	2.03 698	3.36 704	2.73 701	5.06 704	1.22 700	1.34 702	1.13 697	1.33 702	1.68 700	1.49 703

TCMNet-wrong-test	3.67 699	5.48 712	3.89 703	12.18 715	11.75 715	4.65 700	3.88 704	1.06 694	0.72 669	1.09 692	2.15 701	6.30 707	0.53 664	3.43 703	2.36 702	0.89 697	0.20 649	1.87 705	1.69 704	5.57 709	3.62 710

tt	4.67 700	0.06 108	3.55 701	2.02 701	1.55 699	10.25 707	16.71 708	8.91 712	5.03 704	1.31 696	0.94 681	4.71 703	4.76 705	3.33 702	5.87 706	6.06 712	10.30 719	1.88 706	2.11 706	2.75 703	1.21 702

USTest	6.22 701	2.73 701	3.00 698	6.57 708	7.29 707	14.37 709	21.57 710	7.00 711	9.56 710	5.34 708	6.10 704	5.72 706	7.64 708	6.41 707	6.96 708	1.97 705	3.42 710	1.64 704	2.15 707	2.66 702	2.36 705

xxxxx1	7.79 702	5.02 709	7.31 706	3.12 702	3.85 703	16.35 711	22.88 711	5.86 708	8.69 707	7.97 709	8.54 706	9.12 711	8.27 709	10.18 709	10.92 709	2.42 706	2.45 706	3.56 709	12.37 716	3.77 704	3.06 707

tt_ll	7.79 702	5.02 709	7.31 706	3.12 702	3.85 703	16.35 711	22.88 711	5.86 708	8.69 707	7.97 709	8.54 706	9.12 711	8.27 709	10.18 709	10.92 709	2.42 706	2.45 706	3.56 709	12.37 716	3.77 704	3.06 707

ff	7.79 702	5.02 709	7.31 706	3.12 702	3.85 703	16.35 711	22.88 711	5.86 708	8.69 707	7.97 709	8.54 706	9.12 711	8.27 709	10.18 709	10.92 709	2.42 706	2.45 706	3.56 709	12.37 716	3.77 704	3.06 707

EDNetEfficientorigin	7.91 705	0.31 656	153.02 732	0.19 456	0.09 339	0.21 544	0.16 389	0.22 385	0.59 648	0.72 672	0.67 662	0.42 633	0.50 663	0.24 578	0.39 656	0.08 414	0.07 489	0.08 393	0.07 379	0.12 569	0.10 531

DPSMNet_ROB	8.06 706	4.48 705	8.63 715	5.37 707	10.74 710	8.32 703	22.98 715	5.46 705	13.36 715	5.12 706	9.92 711	5.08 704	10.40 712	5.53 706	12.58 712	3.80 710	8.00 711	3.50 707	7.02 712	3.83 707	7.14 714

DGTPSM_ROB	8.06 706	4.48 705	8.63 715	5.35 705	10.72 709	8.32 703	22.97 714	5.46 705	13.35 714	5.12 706	9.92 711	5.08 704	10.40 712	5.52 705	12.58 712	3.79 709	8.00 711	3.50 707	7.02 712	3.83 707	7.14 714

PML	8.91 708	9.34 719	6.13 704	5.35 705	6.41 706	14.99 710	23.38 716	5.27 704	6.83 706	18.04 722	28.19 731	7.67 708	6.83 707	7.85 708	5.75 705	5.35 711	1.83 705	5.95 717	1.93 705	8.64 715	2.52 706

DLNR_Zeroshot_test	10.40 709	1.82 699	19.49 726	120.77 732	13.11 718	0.06 14	0.13 171	0.23 406	0.10 75	0.07 75	0.10 193	0.09 220	0.06 65	0.10 122	0.09 103	0.13 597	0.04 25	0.06 189	0.04 60	51.54 731	0.04 73

DLNR-FE	10.43 710	1.83 700	19.53 727	120.75 731	13.06 717	0.06 14	0.13 171	0.23 406	0.10 75	0.07 75	0.10 193	0.09 220	0.06 65	0.10 122	0.09 103	0.13 597	0.04 25	0.06 189	0.04 60	52.01 732	0.04 73

iinet-test	10.48 711	8.09 714	7.54 710	10.26 709	10.94 711	18.00 715	25.26 717	11.33 716	13.28 712	9.69 713	9.85 709	9.42 714	11.17 714	11.02 713	12.78 715	6.59 714	8.30 713	5.56 712	6.56 708	6.89 710	7.02 712

IINet	10.48 711	8.09 714	7.54 710	10.26 709	10.94 711	18.00 715	25.26 717	11.33 716	13.28 712	9.69 713	9.85 709	9.42 714	11.17 714	11.02 713	12.78 715	6.59 714	8.30 713	5.56 712	6.56 708	6.89 710	7.02 712

LRCNet_RVC	10.62 713	13.42 720	7.30 705	18.92 719	2.07 701	0.33 629	0.30 653	5.59 707	0.48 618	13.03 718	17.94 718	8.87 710	5.65 706	4.79 704	1.89 699	23.51 728	2.73 709	27.55 731	25.71 731	16.07 725	16.33 727

Anonymous_1	10.96 714	7.92 713	7.46 709	10.33 711	10.06 708	18.65 717	26.34 719	11.06 715	13.44 716	9.40 712	10.05 713	9.67 716	11.23 716	10.73 712	12.72 714	6.42 713	8.38 715	5.77 714	10.61 715	12.12 716	6.77 711

DPSM_ROB	11.15 715	8.58 716	8.00 712	10.88 712	11.58 713	19.10 718	26.71 720	12.05 718	14.07 719	10.36 715	10.84 714	10.33 717	11.86 717	11.70 715	13.54 717	6.99 716	8.79 716	5.89 715	6.95 710	7.29 712	7.42 716

DPSM	11.15 715	8.58 716	8.00 712	10.88 712	11.58 713	19.10 718	26.71 720	12.05 718	14.07 719	10.36 715	10.84 714	10.33 717	11.86 717	11.70 715	13.54 717	6.99 716	8.79 716	5.89 715	6.95 710	7.29 712	7.42 716

real-time stereo	11.43 717	8.99 718	8.31 714	11.33 714	12.02 716	19.46 720	27.13 722	12.28 720	14.25 721	10.57 717	11.11 716	10.56 719	12.04 719	11.92 717	14.08 719	7.07 718	8.88 718	6.10 718	7.09 714	7.74 714	7.65 718

HaxPig	15.71 718	18.52 729	19.18 725	16.89 718	15.89 719	7.73 702	7.60 705	13.31 721	10.82 711	15.42 719	14.91 717	15.98 720	14.92 720	15.58 719	15.98 720	18.95 727	16.73 720	19.46 727	18.08 727	19.26 726	19.05 730

Selective-IGEV-i16pa	18.58 719	3.30 702	1.09 688	0.21 555	0.18 633	103.68 732	0.28 635	19.87 723	40.73 732	4.16 704	56.45 732	8.07 709	2.59 703	123.95 733	5.89 707	0.18 638	0.12 602	0.09 476	0.12 594	0.12 569	0.51 681

RSGM-EC	20.36 720	4.73 707	0.68 669	16.76 716	16.92 720	21.28 721	27.18 723	10.46 713	14.04 717	18.00 720	21.31 721	22.24 730	21.82 722	22.57 721	17.63 721	62.81 731	33.79 731	20.14 728	18.10 728	20.18 727	16.45 728

acva	20.36 720	4.73 707	0.68 669	16.76 716	16.92 720	21.28 721	27.18 723	10.46 713	14.04 717	18.00 720	21.31 721	22.24 730	21.82 722	22.57 721	17.63 721	62.81 731	33.79 731	20.14 728	18.10 728	20.18 727	16.45 728

MEDIAN_ROB	20.38 722	24.04 730	23.31 728	21.23 720	21.71 722	10.40 708	7.92 706	17.64 722	15.50 722	20.12 723	19.70 719	20.34 721	20.32 721	21.19 720	21.13 723	23.81 729	21.81 729	24.98 730	23.76 730	24.71 729	23.93 731

CasAABBNet	22.42 723	17.33 722	16.01 719	22.01 722	23.28 724	38.32 723	53.80 728	24.14 727	28.41 727	20.60 726	21.77 725	20.89 728	23.91 727	23.43 726	27.36 727	14.07 720	17.69 723	11.83 721	14.01 720	14.67 719	14.95 723

RAFT-FEzeroshot	22.43 724	17.33 722	15.98 717	22.02 723	23.31 726	38.34 724	53.82 730	24.05 725	28.39 725	20.61 727	21.76 723	20.88 725	23.92 729	23.41 724	27.42 729	14.07 720	17.69 723	11.83 721	14.02 721	14.69 720	14.97 724

RAFT-FE	22.43 724	17.33 722	15.98 717	22.02 723	23.31 726	38.34 724	53.82 730	24.05 725	28.39 725	20.61 727	21.76 723	20.88 725	23.92 729	23.41 724	27.42 729	14.07 720	17.69 723	11.83 721	14.02 721	14.69 720	14.97 724

FlowAnything	22.44 726	17.35 725	16.14 721	22.07 726	23.23 723	38.39 728	53.77 726	24.25 729	28.44 728	20.96 731	21.82 727	20.70 723	23.84 725	23.49 728	27.14 725	14.04 719	17.79 728	11.75 719	14.15 725	14.65 717	14.89 720

Hybrid-DGEV	22.47 727	17.40 727	16.14 721	22.00 721	23.29 725	38.36 726	53.80 728	24.43 732	28.63 731	20.59 725	21.81 726	20.88 725	23.91 727	23.45 727	27.42 729	14.08 723	17.69 723	11.83 721	14.06 724	14.65 717	14.93 722

Selective-RAFT-Error	22.47 727	17.37 726	16.09 720	22.06 725	23.34 728	38.39 728	53.83 732	24.29 731	28.47 729	20.74 729	21.83 728	20.81 724	23.90 726	23.54 730	27.53 732	14.08 723	17.69 723	11.82 720	14.00 719	14.69 720	15.00 726

fast-reg	22.85 729	17.43 728	19.15 724	22.22 728	24.34 729	38.36 726	53.78 727	24.23 728	28.52 730	20.55 724	22.05 729	20.54 722	23.77 724	23.21 723	27.31 726	14.18 726	17.47 722	14.33 726	14.96 726	15.81 724	14.81 719

LSM0	22.87 730	17.28 721	18.96 723	22.19 727	29.04 731	38.42 730	53.71 725	24.28 730	28.31 724	20.78 730	21.00 720	21.43 729	24.16 731	23.50 729	27.39 728	14.09 725	17.38 721	11.84 725	14.04 723	14.73 723	14.89 720

AVERAGE_ROB	24.90 731	29.20 731	28.14 729	24.89 729	24.64 730	17.75 714	11.12 707	21.45 724	19.93 723	25.12 732	24.46 730	25.12 732	25.46 732	24.69 731	22.83 724	29.76 730	27.13 730	28.97 732	27.95 732	29.91 730	29.47 732

test_example2	98.32 732	94.13 732	45.89 730	96.35 730	109.85 732	88.61 731	95.45 733	25.75 733	94.37 733	130.00 734	126.06 734	58.17 733	74.63 733	88.51 732	79.96 733	150.23 733	221.02 733	77.62 733	99.10 733	113.75 733	96.94 733

ccccc	245.47 733	285.66 733	306.18 733	368.85 733	370.60 733	123.16 733	145.33 734	115.05 734	110.08 734	126.68 733	110.87 733	122.83 734	165.88 734	252.94 734	276.56 734	384.56 734	353.86 734	254.69 734	223.00 734	425.87 734	386.83 734

GS-Stereo							0.14 237	0.11 57	0.12 143	0.08 129	0.10 193	0.05 5	0.05 14	0.11 197	0.08 25	0.06 167	0.04 25	0.05 49	0.04 60	0.05 169	0.05 204

Low-res two-view benchmark