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

Monster-pub-eth3d	0.07 4	0.06 61	0.05 1	0.15 73	0.05 1	0.08 53	0.10 30	0.15 111	0.15 164	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

asda	0.07 4	0.08 242	0.08 32	0.16 148	0.06 14	0.06 10	0.10 30	0.16 138	0.10 37	0.06 12	0.06 13	0.05 1	0.05 11	0.10 66	0.10 127	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

asd	0.07 4	0.08 242	0.07 7	0.16 148	0.07 75	0.08 53	0.08 8	0.11 30	0.08 13	0.07 35	0.07 40	0.06 18	0.06 36	0.10 66	0.09 54	0.03 1	0.03 1	0.04 1	0.04 38	0.04 16	0.03 1

qwe	0.07 4	0.08 242	0.07 7	0.15 73	0.06 14	0.07 30	0.10 30	0.18 203	0.11 63	0.07 35	0.07 40	0.06 18	0.06 36	0.10 66	0.09 54	0.03 1	0.03 1	0.04 1	0.04 38	0.04 16	0.03 1

depthmonostereo	0.09 87	0.06 61	0.09 74	0.15 73	0.06 14	0.10 133	0.13 109	0.14 80	0.14 147	0.10 131	0.10 123	0.09 129	0.11 230	0.08 16	0.09 54	0.06 117	0.05 188	0.06 107	0.04 38	0.04 16	0.03 1

DilatedVolume-Stereo	0.09 87	0.05 20	0.08 32	0.15 73	0.06 14	0.11 178	0.12 68	0.14 80	0.16 192	0.11 160	0.11 153	0.09 129	0.09 173	0.11 113	0.10 127	0.06 117	0.05 188	0.05 27	0.04 38	0.03 1	0.03 1

4.25_new	0.07 4	0.08 242	0.09 74	0.15 73	0.06 14	0.09 84	0.08 8	0.14 80	0.08 13	0.07 35	0.07 40	0.06 18	0.06 36	0.12 195	0.10 127	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4.5w_new	0.07 4	0.08 242	0.09 74	0.15 73	0.06 14	0.09 84	0.08 8	0.14 80	0.08 13	0.07 35	0.07 40	0.06 18	0.06 36	0.12 195	0.10 127	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4.5_new	0.07 4	0.09 318	0.08 32	0.15 73	0.07 75	0.06 10	0.10 30	0.14 80	0.11 63	0.06 12	0.08 76	0.06 18	0.06 36	0.08 16	0.10 127	0.03 1	0.03 1	0.04 1	0.04 38	0.04 16	0.03 1

4.5w-stereo	0.07 4	0.09 318	0.08 32	0.15 73	0.07 75	0.06 10	0.10 30	0.14 80	0.11 63	0.06 12	0.08 76	0.06 18	0.06 36	0.08 16	0.10 127	0.03 1	0.03 1	0.04 1	0.04 38	0.04 16	0.03 1

4.25w-stereo	0.07 4	0.08 242	0.09 74	0.15 73	0.06 14	0.09 84	0.08 8	0.14 80	0.08 13	0.07 35	0.07 40	0.06 18	0.06 36	0.12 195	0.10 127	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4w-stereo	0.07 4	0.08 242	0.08 32	0.16 148	0.06 14	0.07 30	0.08 8	0.12 47	0.08 13	0.07 35	0.07 40	0.05 1	0.06 36	0.09 35	0.10 127	0.03 1	0.03 1	0.04 1	0.04 38	0.04 16	0.03 1

2.5w	0.07 4	0.07 145	0.07 7	0.16 148	0.06 14	0.08 53	0.12 68	0.10 19	0.10 37	0.07 35	0.06 13	0.09 129	0.06 36	0.08 16	0.09 54	0.04 11	0.03 1	0.04 1	0.04 38	0.03 1	0.03 1

3.25w_new	0.07 4	0.06 61	0.07 7	0.15 73	0.06 14	0.10 133	0.07 3	0.12 47	0.11 63	0.08 68	0.06 13	0.07 66	0.06 36	0.11 113	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 61	0.07 7	0.15 73	0.06 14	0.10 133	0.07 3	0.12 47	0.11 63	0.08 68	0.06 13	0.07 66	0.06 36	0.11 113	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.75w	0.07 4	0.07 145	0.08 32	0.16 148	0.07 75	0.07 30	0.09 19	0.16 138	0.09 24	0.07 35	0.06 13	0.05 1	0.06 36	0.09 35	0.10 127	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 145	0.07 7	0.15 73	0.07 75	0.09 84	0.06 1	0.13 63	0.11 63	0.07 35	0.07 40	0.06 18	0.07 112	0.10 66	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3w_stereo	0.08 48	0.09 318	0.10 113	0.17 222	0.07 75	0.08 53	0.10 30	0.20 235	0.13 120	0.06 12	0.07 40	0.05 1	0.06 36	0.08 16	0.09 54	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

2w_stereo	0.08 48	0.08 242	0.09 74	0.16 148	0.06 14	0.08 53	0.10 30	0.20 235	0.15 164	0.08 68	0.07 40	0.06 18	0.06 36	0.06 1	0.09 54	0.04 11	0.03 1	0.04 1	0.04 38	0.03 1	0.03 1

monsterstereo	0.07 4	0.06 61	0.06 3	0.16 148	0.06 14	0.08 53	0.10 30	0.16 138	0.11 63	0.07 35	0.08 76	0.06 18	0.07 112	0.08 16	0.09 54	0.04 11	0.04 22	0.05 27	0.04 38	0.03 1	0.03 1

monsters	0.07 4	0.06 61	0.06 3	0.15 73	0.06 14	0.08 53	0.09 19	0.12 47	0.08 13	0.09 98	0.07 40	0.06 18	0.06 36	0.08 16	0.08 17	0.05 28	0.04 22	0.04 1	0.04 38	0.03 1	0.03 1

LG-Stereo_L2	0.07 4	0.05 20	0.10 113	0.14 32	0.06 14	0.07 30	0.12 68	0.09 11	0.09 24	0.06 12	0.04 1	0.05 1	0.05 11	0.08 16	0.08 17	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.03 1

SGD-Stereo	0.08 48	0.05 20	0.10 113	0.14 32	0.05 1	0.12 213	0.12 68	0.11 30	0.12 89	0.07 35	0.09 94	0.09 129	0.09 173	0.08 16	0.08 17	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.03 1

MM-Stereo_test2	0.09 87	0.06 61	0.09 74	0.19 361	0.08 132	0.12 213	0.18 369	0.15 111	0.14 147	0.07 35	0.10 123	0.07 66	0.06 36	0.12 195	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.03 1

AIO_rvc	0.07 4	0.06 61	0.08 32	0.15 73	0.06 14	0.08 53	0.14 157	0.09 11	0.08 13	0.07 35	0.08 76	0.07 66	0.04 1	0.10 66	0.08 17	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

AIO_test	0.07 4	0.05 20	0.07 7	0.15 73	0.07 75	0.06 10	0.14 157	0.10 19	0.10 37	0.07 35	0.07 40	0.06 18	0.05 11	0.08 16	0.10 127	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

castereo++	0.08 48	0.05 20	0.08 32	0.15 73	0.05 1	0.14 284	0.12 68	0.11 30	0.15 164	0.07 35	0.07 40	0.07 66	0.06 36	0.08 16	0.08 17	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

castereo	0.09 87	0.06 61	0.11 154	0.15 73	0.06 14	0.11 178	0.15 225	0.14 80	0.18 237	0.08 68	0.10 123	0.11 181	0.08 147	0.09 35	0.10 127	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

MonSter	0.07 4	0.06 61	0.05 1	0.15 73	0.05 1	0.07 30	0.10 30	0.15 111	0.15 164	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

mms	0.09 87	0.07 145	0.08 32	0.16 148	0.08 132	0.10 133	0.16 290	0.12 47	0.11 63	0.08 68	0.09 94	0.08 104	0.06 36	0.11 113	0.12 242	0.05 28	0.04 22	0.07 200	0.05 112	0.04 16	0.03 1

ours_stereo	0.09 87	0.07 145	0.09 74	0.17 222	0.08 132	0.11 178	0.16 290	0.11 30	0.12 89	0.08 68	0.10 123	0.08 104	0.06 36	0.12 195	0.12 242	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.03 1

WCG-NET	0.08 48	0.05 20	0.09 74	0.15 73	0.06 14	0.11 178	0.14 157	0.13 63	0.13 120	0.06 12	0.09 94	0.07 66	0.06 36	0.13 240	0.08 17	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

RSM++	0.08 48	0.06 61	0.09 74	0.17 222	0.07 75	0.09 84	0.12 68	0.11 30	0.11 63	0.08 68	0.06 13	0.07 66	0.05 11	0.10 66	0.09 54	0.04 11	0.04 22	0.06 107	0.05 112	0.05 103	0.03 1

RSM	0.08 48	0.06 61	0.09 74	0.17 222	0.06 14	0.08 53	0.12 68	0.12 47	0.10 37	0.08 68	0.07 40	0.06 18	0.05 11	0.11 113	0.09 54	0.04 11	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

CASnet	0.09 87	0.09 318	0.09 74	0.19 361	0.06 14	0.07 30	0.11 50	0.18 203	0.14 147	0.11 160	0.10 123	0.09 129	0.07 112	0.10 66	0.10 127	0.06 117	0.04 22	0.10 413	0.08 343	0.05 103	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.08 48	0.05 20	0.07 7	0.15 73	0.07 75	0.08 53	0.15 225	0.11 30	0.10 37	0.08 68	0.09 94	0.06 18	0.09 173	0.10 66	0.09 54	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.03 1

Selective-IGEV	0.07 4	0.06 61	0.08 32	0.17 222	0.06 14	0.08 53	0.12 68	0.13 63	0.07 8	0.08 68	0.07 40	0.06 18	0.04 1	0.10 66	0.09 54	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.03 1

test_4	0.10 148	0.10 376	0.08 32	0.19 361	0.09 244	0.08 53	0.22 456	0.15 111	0.17 211	0.12 198	0.18 269	0.12 198	0.09 173	0.08 16	0.11 193	0.04 11	0.04 22	0.08 284	0.08 343	0.04 16	0.03 1

RAFT-Stereo + iAFF	0.09 87	0.06 61	0.10 113	0.17 222	0.06 14	0.10 133	0.16 290	0.17 174	0.14 147	0.09 98	0.10 123	0.08 104	0.09 173	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.06 191	0.04 16	0.03 1

AFF-stereo	0.09 87	0.06 61	0.10 113	0.17 222	0.07 75	0.10 133	0.16 290	0.17 174	0.09 24	0.10 131	0.12 166	0.09 129	0.09 173	0.12 195	0.09 54	0.05 28	0.04 22	0.07 200	0.07 278	0.04 16	0.03 1

SM2	0.07 4	0.05 20	0.07 7	0.15 73	0.06 14	0.09 84	0.11 50	0.09 11	0.13 120	0.06 12	0.07 40	0.06 18	0.06 36	0.10 66	0.09 54	0.05 28	0.04 22	0.04 1	0.03 1	0.04 16	0.04 41

Replicate-Monster	0.07 4	0.05 20	0.09 74	0.14 32	0.06 14	0.08 53	0.09 19	0.13 63	0.13 120	0.05 1	0.07 40	0.06 18	0.06 36	0.08 16	0.10 127	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

AdaDepth	0.07 4	0.06 61	0.07 7	0.18 304	0.06 14	0.11 178	0.12 68	0.09 11	0.07 8	0.06 12	0.05 7	0.07 66	0.06 36	0.09 35	0.10 127	0.04 11	0.05 188	0.05 27	0.04 38	0.04 16	0.04 41

water-stereo	0.09 87	0.06 61	0.08 32	0.16 148	0.07 75	0.09 84	0.13 109	0.15 111	0.13 120	0.11 160	0.12 166	0.08 104	0.09 173	0.07 4	0.08 17	0.06 117	0.05 188	0.05 27	0.05 112	0.04 16	0.04 41

2.25w	0.07 4	0.06 61	0.07 7	0.14 32	0.06 14	0.08 53	0.08 8	0.10 19	0.15 164	0.08 68	0.10 123	0.07 66	0.06 36	0.08 16	0.10 127	0.05 28	0.03 1	0.04 1	0.04 38	0.03 1	0.04 41

2.75w_new	0.07 4	0.07 145	0.07 7	0.13 14	0.06 14	0.08 53	0.08 8	0.18 203	0.12 89	0.07 35	0.08 76	0.06 18	0.06 36	0.09 35	0.11 193	0.04 11	0.04 22	0.04 1	0.03 1	0.03 1	0.04 41

1w_stereo	0.07 4	0.06 61	0.07 7	0.16 148	0.06 14	0.07 30	0.10 30	0.14 80	0.14 147	0.07 35	0.08 76	0.05 1	0.06 36	0.09 35	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 41

IGEV	0.07 4	0.04 1	0.08 32	0.13 14	0.06 14	0.09 84	0.12 68	0.14 80	0.10 37	0.06 12	0.09 94	0.07 66	0.05 11	0.09 35	0.09 54	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

xyz-stereo	0.13 282	0.07 145	0.20 429	0.15 73	0.05 1	0.20 418	0.15 225	0.17 174	0.31 412	0.15 273	0.29 422	0.26 420	0.16 368	0.13 240	0.12 242	0.05 28	0.05 188	0.06 107	0.05 112	0.04 16	0.04 41

LG-Stereo_L1	0.07 4	0.05 20	0.11 154	0.14 32	0.06 14	0.07 30	0.13 109	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 16	0.07 1	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

MLG-Stereo_test1	0.06 1	0.05 20	0.08 32	0.17 222	0.05 1	0.06 10	0.11 50	0.08 4	0.03 1	0.05 1	0.04 1	0.06 18	0.05 11	0.09 35	0.09 54	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

MLG-Stereo	0.07 4	0.05 20	0.08 32	0.17 222	0.05 1	0.07 30	0.11 50	0.08 4	0.04 2	0.05 1	0.04 1	0.06 18	0.05 11	0.10 66	0.09 54	0.05 28	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

LG-Stereo_Zeroshot	0.07 4	0.06 61	0.10 113	0.16 148	0.07 75	0.04 1	0.13 109	0.10 19	0.10 37	0.05 1	0.11 153	0.07 66	0.05 11	0.07 4	0.09 54	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

LG-Stereo	0.08 48	0.07 145	0.10 113	0.18 304	0.07 75	0.10 133	0.17 324	0.11 30	0.08 13	0.05 1	0.07 40	0.05 1	0.07 112	0.09 35	0.09 54	0.04 11	0.05 188	0.07 200	0.07 278	0.04 16	0.04 41

MM-Stereo_test3	0.10 148	0.07 145	0.07 7	0.18 304	0.07 75	0.12 213	0.19 408	0.24 322	0.19 252	0.06 12	0.10 123	0.08 104	0.06 36	0.11 113	0.08 17	0.06 117	0.06 313	0.07 200	0.05 112	0.05 103	0.04 41

MM-Stereo_test1	0.10 148	0.07 145	0.08 32	0.18 304	0.07 75	0.12 213	0.18 369	0.21 258	0.20 275	0.09 98	0.11 153	0.08 104	0.06 36	0.10 66	0.10 127	0.06 117	0.05 188	0.07 200	0.06 191	0.05 103	0.04 41

HART	0.08 48	0.07 145	0.09 74	0.17 222	0.07 75	0.10 133	0.16 290	0.13 63	0.11 63	0.08 68	0.10 123	0.07 66	0.05 11	0.10 66	0.08 17	0.05 28	0.04 22	0.06 107	0.04 38	0.05 103	0.04 41

GREAT-IGEV	0.07 4	0.06 61	0.08 32	0.13 14	0.07 75	0.07 30	0.14 157	0.09 11	0.09 24	0.06 12	0.07 40	0.06 18	0.05 11	0.10 66	0.07 1	0.05 28	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

SCV	0.08 48	0.09 318	0.08 32	0.15 73	0.08 132	0.10 133	0.13 109	0.10 19	0.12 89	0.07 35	0.07 40	0.06 18	0.04 1	0.09 35	0.08 17	0.05 28	0.04 22	0.06 107	0.04 38	0.06 196	0.04 41

DEFOM-Stereo_RVC	0.08 48	0.06 61	0.09 74	0.22 460	0.06 14	0.08 53	0.12 68	0.10 19	0.10 37	0.07 35	0.07 40	0.06 18	0.05 11	0.11 113	0.09 54	0.06 117	0.04 22	0.05 27	0.03 1	0.06 196	0.04 41

FoundationStereo	0.06 1	0.04 1	0.08 32	0.12 4	0.05 1	0.09 84	0.13 109	0.06 1	0.09 24	0.05 1	0.05 7	0.06 18	0.04 1	0.06 1	0.07 1	0.06 117	0.04 22	0.05 27	0.03 1	0.05 103	0.04 41

StereoAnything_RVC	0.07 4	0.15 471	0.17 383	0.11 1	0.05 1	0.05 4	0.11 50	0.08 4	0.08 13	0.06 12	0.06 13	0.05 1	0.05 11	0.09 35	0.08 17	0.08 306	0.04 22	0.05 27	0.03 1	0.05 103	0.04 41

HUF	0.08 48	0.05 20	0.08 32	0.14 32	0.06 14	0.09 84	0.13 109	0.13 63	0.13 120	0.07 35	0.07 40	0.08 104	0.06 36	0.10 66	0.09 54	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

GIP-stereo	0.08 48	0.06 61	0.11 154	0.14 32	0.06 14	0.09 84	0.13 109	0.14 80	0.11 63	0.07 35	0.08 76	0.05 1	0.04 1	0.10 66	0.07 1	0.05 28	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

DEFOM-Stereo	0.07 4	0.05 20	0.07 7	0.14 32	0.06 14	0.10 133	0.13 109	0.07 2	0.13 120	0.06 12	0.07 40	0.06 18	0.05 11	0.10 66	0.09 54	0.04 11	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

SMoEStereo_RVC	0.08 48	0.06 61	0.12 189	0.16 148	0.07 75	0.09 84	0.14 157	0.11 30	0.13 120	0.09 98	0.07 40	0.07 66	0.07 112	0.12 195	0.10 127	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

tg	0.10 148	0.06 61	0.10 113	0.18 304	0.08 132	0.11 178	0.16 290	0.20 235	0.12 89	0.08 68	0.11 153	0.11 181	0.07 112	0.11 113	0.10 127	0.05 28	0.04 22	0.08 284	0.08 343	0.04 16	0.04 41

dual_stereo	0.07 4	0.04 1	0.08 32	0.15 73	0.05 1	0.05 4	0.13 109	0.12 47	0.08 13	0.07 35	0.06 13	0.05 1	0.05 11	0.07 4	0.09 54	0.06 117	0.04 22	0.05 27	0.03 1	0.04 16	0.04 41

GCAP-BAT	0.09 87	0.07 145	0.14 270	0.15 73	0.08 132	0.10 133	0.13 109	0.14 80	0.10 37	0.11 160	0.10 123	0.08 104	0.07 112	0.12 195	0.10 127	0.06 117	0.05 188	0.06 107	0.04 38	0.04 16	0.04 41

IGEV-Stereo++	0.07 4	0.06 61	0.08 32	0.18 304	0.06 14	0.04 1	0.10 30	0.11 30	0.11 63	0.06 12	0.07 40	0.07 66	0.06 36	0.09 35	0.09 54	0.05 28	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

RAStereo	0.10 148	0.09 318	0.08 32	0.20 416	0.08 132	0.13 252	0.18 369	0.15 111	0.17 211	0.10 131	0.12 166	0.05 1	0.06 36	0.09 35	0.08 17	0.07 245	0.05 188	0.07 200	0.05 112	0.05 103	0.04 41

AIO-Stereo	0.08 48	0.06 61	0.09 74	0.18 304	0.06 14	0.08 53	0.12 68	0.15 111	0.09 24	0.08 68	0.08 76	0.07 66	0.05 11	0.11 113	0.08 17	0.05 28	0.05 188	0.05 27	0.04 38	0.04 16	0.04 41

WCG-NET（raft）	0.08 48	0.05 20	0.10 113	0.15 73	0.06 14	0.11 178	0.13 109	0.15 111	0.12 89	0.08 68	0.07 40	0.06 18	0.06 36	0.13 240	0.08 17	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.04 41

RAFT-Stereo-weight	0.09 87	0.06 61	0.10 113	0.16 148	0.07 75	0.09 84	0.14 157	0.19 224	0.16 192	0.11 160	0.10 123	0.08 104	0.06 36	0.10 66	0.11 193	0.06 117	0.04 22	0.06 107	0.04 38	0.04 16	0.04 41

gcap-zeroshot	0.09 87	0.05 20	0.10 113	0.16 148	0.07 75	0.13 252	0.13 109	0.11 30	0.12 89	0.13 225	0.12 166	0.09 129	0.08 147	0.09 35	0.09 54	0.06 117	0.05 188	0.06 107	0.05 112	0.04 16	0.04 41

test_for_model	0.09 87	0.12 420	0.14 270	0.23 481	0.11 395	0.08 53	0.13 109	0.12 47	0.12 89	0.10 131	0.07 40	0.07 66	0.06 36	0.11 113	0.10 127	0.06 117	0.05 188	0.05 27	0.03 1	0.07 263	0.04 41

MoCha-V2	0.08 48	0.05 20	0.10 113	0.20 416	0.07 75	0.09 84	0.14 157	0.11 30	0.08 13	0.07 35	0.08 76	0.07 66	0.06 36	0.09 35	0.08 17	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.04 41

IGEV++	0.08 48	0.06 61	0.08 32	0.18 304	0.07 75	0.09 84	0.13 109	0.10 19	0.09 24	0.08 68	0.08 76	0.06 18	0.06 36	0.13 240	0.09 54	0.05 28	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

AE-Stereo	0.10 148	0.08 242	0.10 113	0.18 304	0.09 244	0.10 133	0.15 225	0.14 80	0.19 252	0.09 98	0.14 194	0.12 198	0.08 147	0.11 113	0.10 127	0.05 28	0.06 313	0.07 200	0.06 191	0.05 103	0.04 41

MaDis-Stereo	0.09 87	0.09 318	0.08 32	0.17 222	0.09 244	0.13 252	0.10 30	0.16 138	0.16 192	0.09 98	0.11 153	0.06 18	0.06 36	0.09 35	0.13 283	0.07 245	0.06 313	0.07 200	0.05 112	0.05 103	0.04 41

MSKI-zero shot	0.09 87	0.05 20	0.09 74	0.15 73	0.07 75	0.10 133	0.13 109	0.14 80	0.13 120	0.09 98	0.09 94	0.09 129	0.06 36	0.12 195	0.10 127	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.04 41

DLNR_Zeroshot_test	10.40 588	1.82 580	19.49 595	120.77 600	13.11 592	0.06 10	0.13 109	0.23 300	0.10 37	0.07 35	0.10 123	0.09 129	0.06 36	0.10 66	0.09 54	0.13 483	0.04 22	0.06 107	0.04 38	51.54 599	0.04 41

testlalala	0.08 48	0.07 145	0.17 383	0.16 148	0.08 132	0.09 84	0.12 68	0.15 111	0.10 37	0.07 35	0.09 94	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.04 38	0.04 16	0.04 41

AEACV	0.08 48	0.05 20	0.08 32	0.14 32	0.13 449	0.14 284	0.13 109	0.14 80	0.09 24	0.07 35	0.09 94	0.07 66	0.08 147	0.10 66	0.09 54	0.06 117	0.04 22	0.06 107	0.05 112	0.05 103	0.04 41

HH	0.09 87	0.06 61	0.13 235	0.17 222	0.08 132	0.10 133	0.16 290	0.14 80	0.10 37	0.08 68	0.09 94	0.08 104	0.07 112	0.10 66	0.09 54	0.06 117	0.04 22	0.06 107	0.05 112	0.05 103	0.04 41

HanStereo	0.09 87	0.06 61	0.13 235	0.17 222	0.08 132	0.10 133	0.16 290	0.14 80	0.10 37	0.08 68	0.09 94	0.08 104	0.07 112	0.10 66	0.09 54	0.06 117	0.04 22	0.06 107	0.05 112	0.05 103	0.04 41

CAS	0.08 48	0.04 1	0.07 7	0.17 222	0.08 132	0.10 133	0.13 109	0.12 47	0.09 24	0.09 98	0.10 123	0.08 104	0.06 36	0.09 35	0.08 17	0.08 306	0.04 22	0.05 27	0.03 1	0.05 103	0.04 41

EGLCR-Stereo	0.08 48	0.05 20	0.08 32	0.14 32	0.06 14	0.10 133	0.12 68	0.11 30	0.16 192	0.06 12	0.05 7	0.07 66	0.05 11	0.10 66	0.11 193	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

DCRE	0.11 191	0.07 145	0.13 235	0.16 148	0.11 395	0.11 178	0.17 324	0.18 203	0.17 211	0.11 160	0.18 269	0.10 160	0.10 205	0.15 288	0.11 193	0.06 117	0.05 188	0.06 107	0.06 191	0.05 103	0.04 41

MC-Stereo	0.08 48	0.06 61	0.09 74	0.17 222	0.06 14	0.10 133	0.14 157	0.12 47	0.10 37	0.09 98	0.12 166	0.09 129	0.06 36	0.11 113	0.10 127	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

RCA-Stereo	0.09 87	0.06 61	0.09 74	0.16 148	0.06 14	0.09 84	0.13 109	0.18 203	0.14 147	0.09 98	0.10 123	0.08 104	0.07 112	0.12 195	0.11 193	0.06 117	0.04 22	0.06 107	0.05 112	0.05 103	0.04 41

ADStereo(finetuned)	0.10 148	0.06 61	0.12 189	0.16 148	0.06 14	0.09 84	0.17 324	0.15 111	0.19 252	0.13 225	0.17 244	0.10 160	0.12 261	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

raft_robust	0.13 282	0.10 376	0.07 7	0.18 304	0.08 132	0.13 252	0.24 479	0.28 396	0.33 426	0.20 386	0.19 278	0.14 243	0.10 205	0.11 113	0.12 242	0.05 28	0.05 188	0.07 200	0.07 278	0.05 103	0.04 41

RAFT_CTSACE	0.12 257	0.09 318	0.10 113	0.22 460	0.08 132	0.12 213	0.24 479	0.18 203	0.16 192	0.20 386	0.27 396	0.13 223	0.07 112	0.13 240	0.09 54	0.05 28	0.06 313	0.08 284	0.07 278	0.04 16	0.04 41

SA	0.12 257	0.09 318	0.08 32	0.18 304	0.08 132	0.12 213	0.24 479	0.23 300	0.18 237	0.17 317	0.27 396	0.14 243	0.11 230	0.11 113	0.11 193	0.05 28	0.05 188	0.09 365	0.08 343	0.05 103	0.04 41

IPLG	0.10 148	0.07 145	0.15 321	0.17 222	0.08 132	0.11 178	0.14 157	0.20 235	0.15 164	0.12 198	0.17 244	0.07 66	0.07 112	0.14 266	0.13 283	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

MIPNet	0.11 191	0.08 242	0.14 270	0.17 222	0.09 244	0.12 213	0.14 157	0.20 235	0.24 330	0.11 160	0.10 123	0.09 129	0.07 112	0.13 240	0.12 242	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

IPLGR	0.11 191	0.09 318	0.16 355	0.18 304	0.08 132	0.12 213	0.17 324	0.21 258	0.24 330	0.11 160	0.12 166	0.11 181	0.08 147	0.12 195	0.12 242	0.06 117	0.05 188	0.06 107	0.06 191	0.04 16	0.04 41

GMOStereo	0.11 191	0.09 318	0.07 7	0.19 361	0.08 132	0.12 213	0.28 515	0.13 63	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 41

error version	0.11 191	0.09 318	0.07 7	0.19 361	0.08 132	0.12 213	0.28 515	0.13 63	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 41

test-v	0.11 191	0.09 318	0.07 7	0.19 361	0.08 132	0.12 213	0.28 515	0.13 63	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 41

test-3	0.08 48	0.06 61	0.09 74	0.17 222	0.07 75	0.07 30	0.14 157	0.12 47	0.15 164	0.09 98	0.08 76	0.07 66	0.08 147	0.11 113	0.10 127	0.05 28	0.04 22	0.07 200	0.05 112	0.04 16	0.04 41

test_1	0.08 48	0.06 61	0.09 74	0.17 222	0.07 75	0.07 30	0.14 157	0.12 47	0.15 164	0.09 98	0.08 76	0.07 66	0.08 147	0.11 113	0.10 127	0.05 28	0.04 22	0.07 200	0.05 112	0.04 16	0.04 41

test_3	0.10 148	0.09 318	0.10 113	0.20 416	0.08 132	0.13 252	0.26 502	0.14 80	0.21 290	0.10 131	0.10 123	0.09 129	0.09 173	0.08 16	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.04 16	0.04 41

TRStereo	0.09 87	0.05 20	0.12 189	0.15 73	0.12 426	0.10 133	0.13 109	0.18 203	0.18 237	0.09 98	0.09 94	0.09 129	0.06 36	0.10 66	0.08 17	0.07 245	0.05 188	0.07 200	0.07 278	0.04 16	0.04 41

STrans-v2	0.10 148	0.07 145	0.12 189	0.18 304	0.07 75	0.10 133	0.14 157	0.21 258	0.11 63	0.11 160	0.15 211	0.12 198	0.10 205	0.11 113	0.12 242	0.05 28	0.04 22	0.06 107	0.06 191	0.04 16	0.04 41

OMP-Stereo	0.11 191	0.06 61	0.14 270	0.18 304	0.08 132	0.09 84	0.12 68	0.21 258	0.21 290	0.13 225	0.14 194	0.11 181	0.12 261	0.11 113	0.13 283	0.06 117	0.04 22	0.07 200	0.06 191	0.05 103	0.04 41

IIG-Stereo	0.11 191	0.06 61	0.13 235	0.17 222	0.08 132	0.11 178	0.12 68	0.22 280	0.17 211	0.14 246	0.17 244	0.11 181	0.12 261	0.12 195	0.12 242	0.06 117	0.05 188	0.07 200	0.06 191	0.05 103	0.04 41

CroCo-Stereo	0.09 87	0.08 242	0.08 32	0.22 460	0.09 244	0.09 84	0.19 408	0.15 111	0.12 89	0.07 35	0.07 40	0.08 104	0.06 36	0.08 16	0.07 1	0.07 245	0.05 188	0.06 107	0.04 38	0.05 103	0.04 41
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-2	0.11 191	0.09 318	0.07 7	0.19 361	0.08 132	0.12 213	0.28 515	0.13 63	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 41

cross-raft	0.10 148	0.09 318	0.09 74	0.19 361	0.07 75	0.11 178	0.25 494	0.13 63	0.15 164	0.08 68	0.11 153	0.12 198	0.10 205	0.09 35	0.11 193	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

test-1	0.10 148	0.07 145	0.16 355	0.19 361	0.08 132	0.11 178	0.24 479	0.14 80	0.18 237	0.09 98	0.07 40	0.09 129	0.08 147	0.07 4	0.09 54	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.04 41

iRaftStereo_RVC	0.10 148	0.07 145	0.09 74	0.17 222	0.09 244	0.11 178	0.17 324	0.18 203	0.12 89	0.09 98	0.12 166	0.10 160	0.07 112	0.11 113	0.10 127	0.05 28	0.04 22	0.08 284	0.08 343	0.04 16	0.04 41

CREStereo++_RVC	0.08 48	0.04 1	0.06 3	0.13 14	0.07 75	0.09 84	0.12 68	0.14 80	0.14 147	0.10 131	0.14 194	0.08 104	0.07 112	0.09 35	0.11 193	0.06 117	0.04 22	0.05 27	0.05 112	0.04 16	0.04 41
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.09 87	0.06 61	0.07 7	0.15 73	0.05 1	0.16 340	0.18 369	0.15 111	0.15 164	0.10 131	0.11 153	0.11 181	0.11 230	0.10 66	0.12 242	0.05 28	0.04 22	0.05 27	0.04 38	0.04 16	0.04 41

RALAANet	0.11 191	0.08 242	0.10 113	0.17 222	0.09 244	0.14 284	0.10 30	0.20 235	0.15 164	0.14 246	0.13 180	0.16 286	0.09 173	0.12 195	0.11 193	0.06 117	0.05 188	0.07 200	0.06 191	0.05 103	0.04 41

XX-Stereo	0.09 87	0.05 20	0.08 32	0.17 222	0.09 244	0.15 310	0.12 68	0.20 235	0.10 37	0.10 131	0.14 194	0.07 66	0.06 36	0.12 195	0.08 17	0.06 117	0.05 188	0.06 107	0.06 191	0.04 16	0.04 41

DCANet	0.10 148	0.06 61	0.12 189	0.16 148	0.06 14	0.09 84	0.17 324	0.15 111	0.19 252	0.13 225	0.17 244	0.10 160	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

ARAFT	0.12 257	0.08 242	0.17 383	0.19 361	0.09 244	0.14 284	0.18 369	0.20 235	0.12 89	0.12 198	0.13 180	0.14 243	0.11 230	0.15 288	0.12 242	0.06 117	0.05 188	0.10 413	0.09 389	0.05 103	0.04 41

EAI-Stereo	0.09 87	0.07 145	0.11 154	0.15 73	0.06 14	0.10 133	0.15 225	0.16 138	0.09 24	0.08 68	0.09 94	0.08 104	0.07 112	0.09 35	0.11 193	0.05 28	0.04 22	0.05 27	0.05 112	0.05 103	0.04 41

CFNet-RSSM	0.09 87	0.07 145	0.09 74	0.16 148	0.07 75	0.09 84	0.15 225	0.16 138	0.17 211	0.08 68	0.12 166	0.10 160	0.09 173	0.11 113	0.09 54	0.06 117	0.04 22	0.06 107	0.04 38	0.04 16	0.04 41

Gwc-CoAtRS	0.09 87	0.06 61	0.10 113	0.16 148	0.07 75	0.10 133	0.14 157	0.17 174	0.17 211	0.08 68	0.10 123	0.12 198	0.09 173	0.12 195	0.09 54	0.06 117	0.04 22	0.06 107	0.04 38	0.04 16	0.04 41

MLCV	0.12 257	0.07 145	0.16 355	0.18 304	0.06 14	0.15 310	0.17 324	0.19 224	0.21 290	0.18 347	0.25 371	0.17 306	0.13 299	0.14 266	0.13 283	0.05 28	0.04 22	0.05 27	0.04 38	0.05 103	0.04 41

Monster-pub-mixall	0.07 4	0.04 1	0.09 74	0.13 14	0.06 14	0.05 4	0.09 19	0.11 30	0.07 8	0.06 12	0.06 13	0.05 1	0.06 36	0.09 35	0.09 54	0.06 117	0.04 22	0.04 1	0.03 1	0.05 103	0.05 124

zero-FE	0.08 48	0.04 1	0.09 74	0.15 73	0.10 346	0.05 4	0.14 157	0.09 11	0.14 147	0.07 35	0.06 13	0.07 66	0.06 36	0.09 35	0.10 127	0.06 117	0.04 22	0.06 107	0.04 38	0.08 326	0.05 124

GASTEREO	0.08 48	0.05 20	0.09 74	0.19 361	0.07 75	0.07 30	0.12 68	0.14 80	0.11 63	0.10 131	0.09 94	0.07 66	0.04 1	0.12 195	0.08 17	0.06 117	0.05 188	0.05 27	0.04 38	0.04 16	0.05 124

MSCF	0.08 48	0.05 20	0.08 32	0.19 361	0.08 132	0.06 10	0.12 68	0.14 80	0.11 63	0.10 131	0.09 94	0.07 66	0.04 1	0.11 113	0.08 17	0.06 117	0.05 188	0.05 27	0.04 38	0.05 103	0.05 124

z-ln-s-r	0.17 403	0.10 376	0.40 512	0.19 361	0.08 132	0.17 361	0.18 369	0.22 280	0.33 426	0.18 347	0.40 489	0.22 373	0.17 391	0.20 415	0.23 457	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.05 124

xyz-stereo-finetune	0.11 191	0.08 242	0.13 235	0.14 32	0.06 14	0.10 133	0.19 408	0.17 174	0.19 252	0.12 198	0.14 194	0.15 272	0.10 205	0.13 240	0.11 193	0.05 28	0.04 22	0.07 200	0.05 112	0.04 16	0.05 124

MLG-Stereo_test2	0.06 1	0.04 1	0.10 113	0.15 73	0.05 1	0.07 30	0.11 50	0.09 11	0.04 2	0.06 12	0.05 7	0.06 18	0.04 1	0.08 16	0.09 54	0.06 117	0.04 22	0.05 27	0.03 1	0.05 103	0.05 124

LG-G_1	0.07 4	0.04 1	0.11 154	0.15 73	0.06 14	0.09 84	0.08 8	0.08 4	0.06 4	0.06 12	0.05 7	0.07 66	0.07 112	0.11 113	0.08 17	0.07 245	0.04 22	0.05 27	0.04 38	0.05 103	0.05 124

LG-G	0.07 4	0.04 1	0.11 154	0.15 73	0.06 14	0.09 84	0.08 8	0.08 4	0.06 4	0.06 12	0.05 7	0.07 66	0.07 112	0.11 113	0.08 17	0.07 245	0.04 22	0.05 27	0.04 38	0.05 103	0.05 124

DFGA-Net	0.13 282	0.11 402	0.18 406	0.17 222	0.10 346	0.12 213	0.13 109	0.22 280	0.25 351	0.16 301	0.16 223	0.13 223	0.12 261	0.16 322	0.14 320	0.07 245	0.05 188	0.08 284	0.07 278	0.05 103	0.05 124

Reg-Stereo(zero)	0.08 48	0.05 20	0.08 32	0.16 148	0.06 14	0.12 213	0.11 50	0.15 111	0.10 37	0.12 198	0.09 94	0.10 160	0.08 147	0.11 113	0.08 17	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

SCV_C0	0.08 48	0.07 145	0.07 7	0.16 148	0.09 244	0.08 53	0.15 225	0.11 30	0.12 89	0.08 68	0.07 40	0.06 18	0.05 11	0.11 113	0.07 1	0.05 28	0.05 188	0.05 27	0.04 38	0.06 196	0.05 124

AIO-test2	0.10 148	0.08 242	0.10 113	0.23 481	0.08 132	0.11 178	0.10 30	0.23 300	0.23 314	0.08 68	0.09 94	0.08 104	0.05 11	0.10 66	0.08 17	0.06 117	0.05 188	0.08 284	0.09 389	0.05 103	0.05 124

fffft	0.09 87	0.06 61	0.12 189	0.16 148	0.07 75	0.09 84	0.17 324	0.12 47	0.11 63	0.08 68	0.07 40	0.09 129	0.06 36	0.11 113	0.12 242	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.05 124
1: 1. 1
999	0.09 87	0.05 20	0.13 235	0.15 73	0.08 132	0.10 133	0.14 157	0.15 111	0.11 63	0.10 131	0.08 76	0.08 104	0.08 147	0.16 322	0.10 127	0.06 117	0.04 22	0.06 107	0.05 112	0.04 16	0.05 124

fffy	0.09 87	0.08 242	0.09 74	0.16 148	0.07 75	0.13 252	0.17 324	0.13 63	0.12 89	0.08 68	0.09 94	0.08 104	0.09 173	0.13 240	0.11 193	0.05 28	0.05 188	0.07 200	0.05 112	0.04 16	0.05 124

UGAM	0.13 282	0.10 376	0.09 74	0.22 460	0.08 132	0.12 213	0.20 429	0.17 174	0.23 314	0.21 400	0.16 223	0.13 223	0.13 299	0.19 390	0.12 242	0.07 245	0.05 188	0.13 478	0.11 460	0.07 263	0.05 124

rvit_stereo_0083	0.12 257	0.08 242	0.17 383	0.16 148	0.09 244	0.11 178	0.15 225	0.14 80	0.26 365	0.11 160	0.14 194	0.13 223	0.10 205	0.12 195	0.12 242	0.10 406	0.08 411	0.09 365	0.07 278	0.07 263	0.05 124

rvit_stereo_0081	0.11 191	0.08 242	0.15 321	0.16 148	0.09 244	0.10 133	0.14 157	0.14 80	0.24 330	0.11 160	0.13 180	0.13 223	0.09 173	0.11 113	0.12 242	0.10 406	0.07 385	0.08 284	0.07 278	0.07 263	0.05 124

rvit_stereo_0082	0.11 191	0.08 242	0.15 321	0.16 148	0.09 244	0.10 133	0.14 157	0.14 80	0.24 330	0.11 160	0.13 180	0.13 223	0.09 173	0.11 113	0.12 242	0.10 406	0.07 385	0.08 284	0.07 278	0.07 263	0.05 124

Occ-G	0.08 48	0.05 20	0.06 3	0.14 32	0.07 75	0.08 53	0.14 157	0.13 63	0.15 164	0.07 35	0.11 153	0.07 66	0.05 11	0.09 35	0.10 127	0.06 117	0.05 188	0.05 27	0.04 38	0.05 103	0.05 124

Pointernet	0.09 87	0.04 1	0.09 74	0.16 148	0.08 132	0.13 252	0.10 30	0.15 111	0.17 211	0.09 98	0.07 40	0.06 18	0.06 36	0.11 113	0.09 54	0.08 306	0.04 22	0.05 27	0.03 1	0.06 196	0.05 124

U	0.08 48	0.07 145	0.09 74	0.19 361	0.10 346	0.10 133	0.13 109	0.12 47	0.17 211	0.07 35	0.07 40	0.06 18	0.05 11	0.07 4	0.08 17	0.06 117	0.04 22	0.06 107	0.04 38	0.06 196	0.05 124

rvit_stereo_0080	0.10 148	0.08 242	0.14 270	0.15 73	0.09 244	0.07 30	0.15 225	0.16 138	0.16 192	0.11 160	0.10 123	0.14 243	0.08 147	0.12 195	0.10 127	0.09 365	0.07 385	0.07 200	0.06 191	0.07 263	0.05 124

IGEV-BASED-STEREO-	0.09 87	0.10 376	0.31 489	0.15 73	0.06 14	0.08 53	0.14 157	0.10 19	0.10 37	0.07 35	0.07 40	0.06 18	0.04 1	0.11 113	0.07 1	0.12 460	0.04 22	0.07 200	0.05 112	0.05 103	0.05 124

rvit_stereo_ft	0.12 257	0.07 145	0.13 235	0.19 361	0.10 346	0.12 213	0.17 324	0.16 138	0.16 192	0.12 198	0.13 180	0.15 272	0.10 205	0.14 266	0.13 283	0.09 365	0.06 313	0.08 284	0.07 278	0.07 263	0.05 124

trnet	0.08 48	0.05 20	0.07 7	0.12 4	0.05 1	0.12 213	0.11 50	0.13 63	0.10 37	0.08 68	0.13 180	0.09 129	0.08 147	0.11 113	0.10 127	0.08 306	0.05 188	0.05 27	0.03 1	0.06 196	0.05 124

testlalala2	0.10 148	0.06 61	0.11 154	0.20 416	0.10 346	0.10 133	0.12 68	0.17 174	0.12 89	0.12 198	0.13 180	0.09 129	0.07 112	0.11 113	0.13 283	0.06 117	0.05 188	0.05 27	0.04 38	0.05 103	0.05 124

H2IRNET	0.10 148	0.09 318	0.09 74	0.18 304	0.09 244	0.12 213	0.15 225	0.14 80	0.21 290	0.10 131	0.10 123	0.10 160	0.10 205	0.10 66	0.10 127	0.05 28	0.04 22	0.08 284	0.08 343	0.06 196	0.05 124

MGS-Stereo	0.09 87	0.07 145	0.12 189	0.15 73	0.08 132	0.09 84	0.15 225	0.12 47	0.12 89	0.07 35	0.10 123	0.08 104	0.06 36	0.10 66	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.06 196	0.05 124

CoDeX	0.12 257	0.07 145	0.12 189	0.17 222	0.08 132	0.12 213	0.15 225	0.23 300	0.27 374	0.13 225	0.17 244	0.16 286	0.11 230	0.14 266	0.11 193	0.07 245	0.05 188	0.07 200	0.06 191	0.06 196	0.05 124

whm_eth	0.10 148	0.08 242	0.14 270	0.15 73	0.09 244	0.07 30	0.15 225	0.16 138	0.16 192	0.11 160	0.10 123	0.14 243	0.08 147	0.12 195	0.10 127	0.09 365	0.07 385	0.07 200	0.06 191	0.07 263	0.05 124

IGEV_Zeroshot_test	0.09 87	0.05 20	0.12 189	0.13 14	0.08 132	0.12 213	0.13 109	0.17 174	0.11 63	0.10 131	0.06 13	0.09 129	0.06 36	0.11 113	0.09 54	0.06 117	0.04 22	0.06 107	0.06 191	0.05 103	0.05 124

StereoVision	0.13 282	0.12 420	0.09 74	0.24 490	0.10 346	0.15 310	0.21 446	0.21 258	0.20 275	0.12 198	0.24 342	0.10 160	0.10 205	0.16 322	0.10 127	0.09 365	0.11 472	0.12 463	0.12 479	0.06 196	0.05 124

UniTT-Stereo	0.09 87	0.07 145	0.08 32	0.18 304	0.08 132	0.13 252	0.11 50	0.12 47	0.11 63	0.10 131	0.12 166	0.05 1	0.07 112	0.09 35	0.09 54	0.07 245	0.05 188	0.05 27	0.05 112	0.05 103	0.05 124

MIM_Stereo	0.09 87	0.07 145	0.11 154	0.15 73	0.07 75	0.06 10	0.12 68	0.20 235	0.14 147	0.13 225	0.13 180	0.09 129	0.05 11	0.12 195	0.08 17	0.05 28	0.06 313	0.07 200	0.06 191	0.06 196	0.05 124

testlalala_base	0.10 148	0.09 318	0.14 270	0.21 445	0.08 132	0.10 133	0.14 157	0.13 63	0.10 37	0.07 35	0.15 211	0.07 66	0.08 147	0.10 66	0.12 242	0.08 306	0.05 188	0.05 27	0.03 1	0.06 196	0.05 124

GCAP-Stereo	0.09 87	0.07 145	0.13 235	0.18 304	0.06 14	0.11 178	0.07 3	0.13 63	0.12 89	0.09 98	0.10 123	0.07 66	0.09 173	0.13 240	0.10 127	0.06 117	0.05 188	0.05 27	0.04 38	0.04 16	0.05 124

Any-RAFT	0.10 148	0.05 20	0.09 74	0.14 32	0.07 75	0.13 252	0.14 157	0.21 258	0.15 164	0.11 160	0.12 166	0.12 198	0.09 173	0.12 195	0.09 54	0.07 245	0.04 22	0.05 27	0.04 38	0.06 196	0.05 124

RAFT-Test	0.09 87	0.06 61	0.10 113	0.15 73	0.07 75	0.11 178	0.15 225	0.16 138	0.13 120	0.09 98	0.10 123	0.10 160	0.09 173	0.12 195	0.09 54	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

LL-Strereo2	0.10 148	0.10 376	0.15 321	0.18 304	0.08 132	0.15 310	0.09 19	0.17 174	0.14 147	0.14 246	0.10 123	0.09 129	0.07 112	0.16 322	0.10 127	0.05 28	0.05 188	0.10 413	0.07 278	0.06 196	0.05 124

LL-Strereo	0.13 282	0.09 318	0.11 154	0.20 416	0.10 346	0.11 178	0.18 369	0.32 442	0.24 330	0.15 273	0.15 211	0.14 243	0.13 299	0.19 390	0.11 193	0.06 117	0.04 22	0.09 365	0.08 343	0.04 16	0.05 124

4D-IteraStereo	0.09 87	0.07 145	0.10 113	0.18 304	0.07 75	0.09 84	0.15 225	0.17 174	0.15 164	0.10 131	0.11 153	0.10 160	0.07 112	0.11 113	0.09 54	0.05 28	0.03 1	0.08 284	0.07 278	0.06 196	0.05 124

anonymousdsp2	0.11 191	0.07 145	0.10 113	0.16 148	0.09 244	0.13 252	0.14 157	0.18 203	0.22 304	0.13 225	0.14 194	0.12 198	0.09 173	0.14 266	0.11 193	0.05 28	0.04 22	0.05 27	0.04 38	0.06 196	0.05 124

LoS	0.09 87	0.05 20	0.11 154	0.13 14	0.07 75	0.14 284	0.11 50	0.15 111	0.15 164	0.09 98	0.09 94	0.12 198	0.09 173	0.15 288	0.10 127	0.07 245	0.05 188	0.05 27	0.03 1	0.05 103	0.05 124
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.08 48	0.04 1	0.08 32	0.14 32	0.07 75	0.09 84	0.14 157	0.11 30	0.09 24	0.08 68	0.09 94	0.11 181	0.06 36	0.12 195	0.08 17	0.06 117	0.04 22	0.05 27	0.03 1	0.05 103	0.05 124

Selective-RAFT	0.11 191	0.10 376	0.11 154	0.21 445	0.08 132	0.16 340	0.13 109	0.20 235	0.22 304	0.10 131	0.10 123	0.11 181	0.10 205	0.15 288	0.11 193	0.05 28	0.05 188	0.06 107	0.05 112	0.06 196	0.05 124

CroCo-Stereo Lap2	0.09 87	0.09 318	0.08 32	0.22 460	0.09 244	0.09 84	0.19 408	0.16 138	0.12 89	0.09 98	0.10 123	0.05 1	0.05 11	0.08 16	0.08 17	0.06 117	0.06 313	0.07 200	0.05 112	0.05 103	0.05 124

TestStereo1	0.13 282	0.08 242	0.08 32	0.19 361	0.08 132	0.18 380	0.29 524	0.23 300	0.16 192	0.17 317	0.20 290	0.16 286	0.10 205	0.12 195	0.13 283	0.06 117	0.06 313	0.08 284	0.06 191	0.05 103	0.05 124

DCANet-4	0.10 148	0.06 61	0.12 189	0.16 148	0.06 14	0.09 84	0.17 324	0.18 203	0.19 252	0.13 225	0.16 223	0.09 129	0.14 324	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

fff	0.10 148	0.06 61	0.12 189	0.15 73	0.07 75	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 160	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

SA-5K	0.13 282	0.08 242	0.08 32	0.19 361	0.08 132	0.18 380	0.29 524	0.23 300	0.16 192	0.17 317	0.20 290	0.16 286	0.10 205	0.12 195	0.13 283	0.06 117	0.06 313	0.08 284	0.06 191	0.05 103	0.05 124

Sa-1000	0.12 257	0.08 242	0.08 32	0.18 304	0.08 132	0.14 284	0.22 456	0.22 280	0.18 237	0.15 273	0.20 290	0.17 306	0.11 230	0.10 66	0.10 127	0.06 117	0.05 188	0.09 365	0.09 389	0.05 103	0.05 124

iRaft-Stereo_20w	0.09 87	0.05 20	0.13 235	0.14 32	0.08 132	0.12 213	0.15 225	0.18 203	0.10 37	0.11 160	0.08 76	0.08 104	0.05 11	0.10 66	0.09 54	0.06 117	0.04 22	0.06 107	0.05 112	0.06 196	0.05 124

GLC_STEREO	0.11 191	0.07 145	0.11 154	0.17 222	0.07 75	0.09 84	0.13 109	0.15 111	0.24 330	0.12 198	0.13 180	0.12 198	0.08 147	0.18 375	0.11 193	0.06 117	0.08 411	0.08 284	0.06 191	0.05 103	0.05 124

CrosDoStereo	0.12 257	0.06 61	0.12 189	0.14 32	0.08 132	0.12 213	0.15 225	0.17 174	0.22 304	0.19 363	0.24 342	0.15 272	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.07 200	0.07 278	0.05 103	0.05 124

AAGNet	0.11 191	0.07 145	0.16 355	0.19 361	0.09 244	0.08 53	0.13 109	0.18 203	0.13 120	0.16 301	0.21 311	0.13 223	0.14 324	0.11 113	0.14 320	0.06 117	0.04 22	0.09 365	0.06 191	0.06 196	0.05 124

TransformOpticalFlow	0.10 148	0.08 242	0.13 235	0.18 304	0.07 75	0.09 84	0.15 225	0.19 224	0.15 164	0.12 198	0.17 244	0.11 181	0.11 230	0.11 113	0.10 127	0.05 28	0.04 22	0.06 107	0.06 191	0.05 103	0.05 124

DeepStereo_LL	0.12 257	0.06 61	0.12 189	0.14 32	0.08 132	0.12 213	0.15 225	0.17 174	0.22 304	0.19 363	0.24 342	0.15 272	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.07 200	0.07 278	0.05 103	0.05 124

DEmStereo	0.12 257	0.06 61	0.14 270	0.14 32	0.10 346	0.16 340	0.15 225	0.16 138	0.24 330	0.17 317	0.24 342	0.13 223	0.14 324	0.12 195	0.13 283	0.05 28	0.04 22	0.07 200	0.06 191	0.05 103	0.05 124

SST-Stereo	0.10 148	0.07 145	0.15 321	0.18 304	0.09 244	0.06 10	0.12 68	0.17 174	0.11 63	0.15 273	0.17 244	0.13 223	0.12 261	0.10 66	0.11 193	0.06 117	0.04 22	0.09 365	0.06 191	0.06 196	0.05 124

THIR-Stereo	0.12 257	0.07 145	0.11 154	0.15 73	0.08 132	0.14 284	0.16 290	0.17 174	0.25 351	0.16 301	0.24 342	0.14 243	0.12 261	0.12 195	0.14 320	0.06 117	0.04 22	0.07 200	0.07 278	0.05 103	0.05 124

RAFT_R40	0.11 191	0.07 145	0.14 270	0.18 304	0.09 244	0.06 10	0.13 109	0.17 174	0.16 192	0.14 246	0.18 269	0.15 272	0.12 261	0.10 66	0.11 193	0.06 117	0.04 22	0.09 365	0.06 191	0.06 196	0.05 124

DRaft	0.12 257	0.06 61	0.11 154	0.14 32	0.09 244	0.14 284	0.17 324	0.21 258	0.30 405	0.17 317	0.28 410	0.10 160	0.15 342	0.10 66	0.12 242	0.05 28	0.04 22	0.07 200	0.06 191	0.05 103	0.05 124

PFNet	0.12 257	0.06 61	0.17 383	0.17 222	0.08 132	0.09 84	0.15 225	0.26 356	0.20 275	0.16 301	0.16 223	0.14 243	0.11 230	0.12 195	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.05 103	0.05 124

RAFT-345	0.11 191	0.07 145	0.15 321	0.16 148	0.08 132	0.08 53	0.12 68	0.15 111	0.10 37	0.11 160	0.36 463	0.09 129	0.09 173	0.11 113	0.12 242	0.05 28	0.05 188	0.07 200	0.06 191	0.04 16	0.05 124

AnonymousM	0.09 87	0.05 20	0.10 113	0.14 32	0.06 14	0.09 84	0.13 109	0.19 224	0.14 147	0.13 225	0.11 153	0.09 129	0.08 147	0.13 240	0.10 127	0.08 306	0.05 188	0.08 284	0.05 112	0.05 103	0.05 124

RAFT	0.13 282	0.09 318	0.11 154	0.18 304	0.08 132	0.15 310	0.24 479	0.20 235	0.19 252	0.21 400	0.21 311	0.17 306	0.12 261	0.16 322	0.09 54	0.06 117	0.07 385	0.10 413	0.09 389	0.05 103	0.05 124

TestStereo	0.13 282	0.14 461	0.11 154	0.23 481	0.08 132	0.15 310	0.21 446	0.20 235	0.23 314	0.14 246	0.24 342	0.16 286	0.12 261	0.16 322	0.14 320	0.05 28	0.06 313	0.08 284	0.06 191	0.09 388	0.05 124

raft+_RVC	0.11 191	0.07 145	0.09 74	0.16 148	0.07 75	0.10 133	0.11 50	0.24 322	0.20 275	0.12 198	0.15 211	0.12 198	0.08 147	0.12 195	0.13 283	0.07 245	0.04 22	0.07 200	0.06 191	0.05 103	0.05 124

TANstereo	0.09 87	0.04 1	0.08 32	0.13 14	0.06 14	0.11 178	0.14 157	0.15 111	0.19 252	0.11 160	0.15 211	0.10 160	0.06 36	0.12 195	0.09 54	0.07 245	0.05 188	0.05 27	0.04 38	0.06 196	0.05 124

XX-TBD	0.09 87	0.06 61	0.07 7	0.14 32	0.07 75	0.12 213	0.16 290	0.14 80	0.13 120	0.11 160	0.12 166	0.09 129	0.08 147	0.10 66	0.10 127	0.06 117	0.04 22	0.05 27	0.03 1	0.06 196	0.05 124

raftrobust	0.09 87	0.06 61	0.10 113	0.17 222	0.08 132	0.09 84	0.10 30	0.18 203	0.16 192	0.10 131	0.09 94	0.12 198	0.07 112	0.12 195	0.10 127	0.08 306	0.05 188	0.06 107	0.05 112	0.05 103	0.05 124

csc	0.10 148	0.06 61	0.12 189	0.15 73	0.07 75	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 160	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

cscssc	0.10 148	0.06 61	0.12 189	0.15 73	0.07 75	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 160	0.11 230	0.11 113	0.12 242	0.06 117	0.04 22	0.05 27	0.04 38	0.04 16	0.05 124

111	0.10 148	0.06 61	0.12 189	0.15 73	0.07 75	0.10 133	0.14 157	0.21 258	0.23 314	0.11 160	0.12 166	0.14 243	0.11 230	0.13 240	0.10 127	0.06 117	0.04 22	0.06 107	0.04 38	0.05 103	0.05 124

R-Stereo Train	0.10 148	0.06 61	0.10 113	0.17 222	0.08 132	0.11 178	0.14 157	0.23 300	0.11 63	0.12 198	0.19 278	0.11 181	0.08 147	0.09 35	0.11 193	0.07 245	0.05 188	0.06 107	0.05 112	0.05 103	0.05 124

RAFT-Stereo	0.10 148	0.06 61	0.10 113	0.17 222	0.08 132	0.11 178	0.14 157	0.23 300	0.11 63	0.12 198	0.19 278	0.11 181	0.08 147	0.09 35	0.11 193	0.07 245	0.05 188	0.06 107	0.05 112	0.05 103	0.05 124
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 148	0.06 61	0.12 189	0.14 32	0.06 14	0.11 178	0.10 30	0.18 203	0.18 237	0.13 225	0.16 223	0.14 243	0.11 230	0.15 288	0.13 283	0.06 117	0.04 22	0.04 1	0.04 38	0.06 196	0.05 124
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
iResNet	0.13 282	0.10 376	0.18 406	0.19 361	0.08 132	0.13 252	0.18 369	0.20 235	0.26 365	0.15 273	0.23 330	0.15 272	0.13 299	0.14 266	0.14 320	0.06 117	0.04 22	0.06 107	0.05 112	0.06 196	0.05 124

MS	0.08 48	0.04 1	0.12 189	0.12 4	0.07 75	0.09 84	0.07 3	0.11 30	0.13 120	0.05 1	0.07 40	0.07 66	0.06 36	0.09 35	0.09 54	0.06 117	0.04 22	0.04 1	0.05 112	0.06 196	0.06 204

S2M2_XL	0.08 48	0.06 61	0.12 189	0.12 4	0.08 132	0.09 84	0.09 19	0.07 2	0.07 8	0.08 68	0.07 40	0.07 66	0.06 36	0.09 35	0.09 54	0.08 306	0.06 313	0.07 200	0.05 112	0.08 326	0.06 204
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
xyz-stereo-finetune2	0.11 191	0.07 145	0.13 235	0.13 14	0.07 75	0.11 178	0.19 408	0.17 174	0.12 89	0.15 273	0.15 211	0.17 306	0.12 261	0.13 240	0.11 193	0.05 28	0.04 22	0.07 200	0.05 112	0.04 16	0.06 204

111111	0.07 4	0.04 1	0.09 74	0.17 222	0.06 14	0.05 4	0.10 30	0.11 30	0.09 24	0.06 12	0.06 13	0.07 66	0.05 11	0.09 35	0.09 54	0.06 117	0.04 22	0.05 27	0.04 38	0.07 263	0.06 204

MLG-Stereo_test3	0.07 4	0.05 20	0.10 113	0.14 32	0.06 14	0.07 30	0.11 50	0.08 4	0.06 4	0.06 12	0.04 1	0.06 18	0.06 36	0.07 4	0.10 127	0.06 117	0.04 22	0.05 27	0.04 38	0.05 103	0.06 204

G2L-Stereo_test	0.14 316	0.07 145	0.11 154	0.13 14	0.08 132	0.12 213	0.16 290	0.30 421	0.28 388	0.20 386	0.23 330	0.20 346	0.16 368	0.17 354	0.18 397	0.07 245	0.05 188	0.05 27	0.05 112	0.07 263	0.06 204

LGtest1	0.07 4	0.04 1	0.10 113	0.15 73	0.06 14	0.07 30	0.09 19	0.08 4	0.06 4	0.05 1	0.04 1	0.06 18	0.06 36	0.10 66	0.09 54	0.07 245	0.04 22	0.05 27	0.04 38	0.06 196	0.06 204

HI	0.11 191	0.06 61	0.11 154	0.13 14	0.09 244	0.09 84	0.14 157	0.21 258	0.10 37	0.19 363	0.17 244	0.14 243	0.09 173	0.16 322	0.08 17	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 204

CoSv	0.11 191	0.06 61	0.11 154	0.13 14	0.09 244	0.09 84	0.14 157	0.21 258	0.10 37	0.19 363	0.17 244	0.14 243	0.09 173	0.16 322	0.08 17	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 204

AIO-test1	0.10 148	0.07 145	0.10 113	0.23 481	0.07 75	0.09 84	0.13 109	0.21 258	0.14 147	0.11 160	0.12 166	0.09 129	0.07 112	0.11 113	0.09 54	0.06 117	0.05 188	0.09 365	0.10 428	0.03 1	0.06 204

IGEV-RUCA	0.08 48	0.06 61	0.11 154	0.14 32	0.09 244	0.10 133	0.12 68	0.10 19	0.12 89	0.06 12	0.07 40	0.07 66	0.06 36	0.09 35	0.08 17	0.06 117	0.05 188	0.05 27	0.04 38	0.05 103	0.06 204

tt45	0.09 87	0.06 61	0.11 154	0.15 73	0.07 75	0.11 178	0.16 290	0.13 63	0.11 63	0.09 98	0.06 13	0.08 104	0.06 36	0.13 240	0.10 127	0.06 117	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

PAM_32	0.09 87	0.05 20	0.17 383	0.15 73	0.08 132	0.10 133	0.15 225	0.14 80	0.15 164	0.09 98	0.08 76	0.09 129	0.07 112	0.14 266	0.08 17	0.06 117	0.05 188	0.06 107	0.06 191	0.05 103	0.06 204

PAM	0.10 148	0.05 20	0.16 355	0.15 73	0.08 132	0.09 84	0.16 290	0.15 111	0.16 192	0.12 198	0.09 94	0.09 129	0.07 112	0.13 240	0.08 17	0.06 117	0.05 188	0.06 107	0.06 191	0.05 103	0.06 204

rvit_0105_6	0.14 316	0.09 318	0.18 406	0.17 222	0.10 346	0.10 133	0.16 290	0.19 224	0.26 365	0.12 198	0.18 269	0.17 306	0.12 261	0.18 375	0.12 242	0.15 500	0.11 472	0.12 463	0.10 428	0.09 388	0.06 204

rvit_0105_5	0.14 316	0.09 318	0.13 235	0.17 222	0.09 244	0.14 284	0.23 467	0.24 322	0.27 374	0.14 246	0.15 211	0.18 320	0.12 261	0.17 354	0.14 320	0.14 496	0.11 472	0.10 413	0.10 428	0.08 326	0.06 204

rvit_0105_4	0.14 316	0.09 318	0.17 383	0.17 222	0.10 346	0.12 213	0.19 408	0.23 300	0.27 374	0.14 246	0.20 290	0.17 306	0.13 299	0.17 354	0.13 283	0.15 500	0.11 472	0.11 444	0.10 428	0.09 388	0.06 204

rvit_0105_3	0.15 360	0.09 318	0.14 270	0.19 361	0.12 426	0.15 310	0.25 494	0.25 338	0.29 395	0.15 273	0.17 244	0.20 346	0.13 299	0.17 354	0.14 320	0.13 483	0.11 472	0.12 463	0.14 492	0.07 263	0.06 204

UGAM-zero	0.09 87	0.05 20	0.15 321	0.15 73	0.08 132	0.09 84	0.13 109	0.19 224	0.15 164	0.11 160	0.15 211	0.07 66	0.07 112	0.09 35	0.09 54	0.06 117	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

rvit_stereo_0081_aga	0.11 191	0.09 318	0.14 270	0.18 304	0.09 244	0.13 252	0.14 157	0.14 80	0.19 252	0.10 131	0.18 269	0.16 286	0.09 173	0.12 195	0.09 54	0.10 406	0.06 313	0.08 284	0.07 278	0.07 263	0.06 204

model_zeroshot	0.10 148	0.04 1	0.11 154	0.15 73	0.09 244	0.12 213	0.14 157	0.20 235	0.13 120	0.11 160	0.10 123	0.12 198	0.07 112	0.12 195	0.10 127	0.07 245	0.06 313	0.06 107	0.05 112	0.06 196	0.06 204

IGEV-Stereo+	0.07 4	0.04 1	0.08 32	0.15 73	0.06 14	0.04 1	0.09 19	0.10 19	0.09 24	0.06 12	0.06 13	0.06 18	0.06 36	0.06 1	0.08 17	0.06 117	0.04 22	0.05 27	0.04 38	0.06 196	0.06 204

DispNO	0.14 316	0.08 242	0.17 383	0.19 361	0.12 426	0.11 178	0.21 446	0.23 300	0.29 395	0.17 317	0.23 330	0.18 320	0.17 391	0.15 288	0.15 348	0.07 245	0.05 188	0.08 284	0.08 343	0.07 263	0.06 204

Former-RAFT_DAM_RVC	0.10 148	0.08 242	0.12 189	0.16 148	0.08 132	0.15 310	0.16 290	0.18 203	0.18 237	0.10 131	0.09 94	0.09 129	0.08 147	0.11 113	0.12 242	0.07 245	0.05 188	0.08 284	0.06 191	0.07 263	0.06 204

SMFormer	0.14 316	0.07 145	0.17 383	0.14 32	0.08 132	0.16 340	0.17 324	0.26 356	0.27 374	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.17 379	0.08 306	0.05 188	0.07 200	0.06 191	0.07 263	0.06 204

tta	0.14 316	0.07 145	0.17 383	0.14 32	0.08 132	0.16 340	0.17 324	0.26 356	0.27 374	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.17 379	0.08 306	0.05 188	0.07 200	0.06 191	0.06 196	0.06 204

qqq1	0.13 282	0.07 145	0.17 383	0.14 32	0.08 132	0.16 340	0.17 324	0.26 356	0.27 374	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.11 193	0.08 306	0.05 188	0.05 27	0.05 112	0.06 196	0.06 204

fff1	0.13 282	0.07 145	0.17 383	0.14 32	0.08 132	0.16 340	0.17 324	0.26 356	0.27 374	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.11 193	0.08 306	0.05 188	0.05 27	0.05 112	0.06 196	0.06 204

MyStereo07	0.10 148	0.07 145	0.10 113	0.17 222	0.09 244	0.14 284	0.18 369	0.15 111	0.15 164	0.09 98	0.06 13	0.06 18	0.07 112	0.12 195	0.09 54	0.06 117	0.05 188	0.08 284	0.07 278	0.06 196	0.06 204

MyStereo06	0.10 148	0.07 145	0.12 189	0.17 222	0.09 244	0.13 252	0.18 369	0.19 224	0.12 89	0.12 198	0.08 76	0.07 66	0.07 112	0.11 113	0.09 54	0.06 117	0.05 188	0.07 200	0.07 278	0.06 196	0.06 204

MyStereo05	0.13 282	0.07 145	0.10 113	0.17 222	0.09 244	0.13 252	0.18 369	0.27 377	0.35 447	0.17 317	0.14 194	0.15 272	0.11 230	0.15 288	0.13 283	0.06 117	0.05 188	0.07 200	0.07 278	0.06 196	0.06 204

MyStereo04	0.13 282	0.07 145	0.10 113	0.17 222	0.09 244	0.14 284	0.18 369	0.29 407	0.38 465	0.17 317	0.14 194	0.16 286	0.10 205	0.15 288	0.13 283	0.06 117	0.05 188	0.08 284	0.07 278	0.06 196	0.06 204

cc1	0.10 148	0.08 242	0.12 189	0.17 222	0.09 244	0.13 252	0.15 225	0.16 138	0.18 237	0.09 98	0.09 94	0.06 18	0.06 36	0.10 66	0.07 1	0.06 117	0.04 22	0.06 107	0.05 112	0.06 196	0.06 204

ff7	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.10 131	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

IGEVStereo-DCA	0.09 87	0.06 61	0.11 154	0.15 73	0.10 346	0.11 178	0.15 225	0.16 138	0.12 89	0.10 131	0.06 13	0.08 104	0.06 36	0.10 66	0.08 17	0.06 117	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

ffff	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.10 131	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

rrr	0.09 87	0.06 61	0.12 189	0.15 73	0.10 346	0.11 178	0.16 290	0.16 138	0.15 164	0.10 131	0.06 13	0.08 104	0.06 36	0.10 66	0.08 17	0.06 117	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

ffm	0.12 257	0.09 318	0.14 270	0.16 148	0.08 132	0.17 361	0.17 324	0.15 111	0.19 252	0.15 273	0.25 371	0.19 334	0.13 299	0.10 66	0.07 1	0.06 117	0.04 22	0.09 365	0.08 343	0.06 196	0.06 204

ff1	0.13 282	0.09 318	0.14 270	0.16 148	0.08 132	0.17 361	0.17 324	0.15 111	0.19 252	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.06 117	0.04 22	0.09 365	0.08 343	0.06 196	0.06 204

11t	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.10 131	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

tt1	0.10 148	0.08 242	0.12 189	0.17 222	0.09 244	0.12 213	0.16 290	0.15 111	0.19 252	0.09 98	0.08 76	0.06 18	0.06 36	0.10 66	0.07 1	0.06 117	0.04 22	0.06 107	0.05 112	0.06 196	0.06 204

1111x	0.15 360	0.08 242	0.12 189	0.18 304	0.07 75	0.18 380	0.25 494	0.31 431	0.24 330	0.17 317	0.24 342	0.26 420	0.15 342	0.13 240	0.23 457	0.07 245	0.07 385	0.08 284	0.09 389	0.07 263	0.06 204

plain	0.10 148	0.08 242	0.10 113	0.19 361	0.09 244	0.10 133	0.15 225	0.14 80	0.13 120	0.13 225	0.15 211	0.09 129	0.12 261	0.13 240	0.12 242	0.07 245	0.05 188	0.09 365	0.06 191	0.06 196	0.06 204

anonymousdsp	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.09 98	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

anonymousa	0.13 282	0.07 145	0.13 235	0.18 304	0.09 244	0.13 252	0.17 324	0.19 224	0.29 395	0.15 273	0.24 342	0.15 272	0.14 324	0.14 266	0.14 320	0.07 245	0.05 188	0.07 200	0.09 389	0.05 103	0.06 204

ProNet	0.09 87	0.07 145	0.10 113	0.17 222	0.08 132	0.10 133	0.15 225	0.15 111	0.12 89	0.09 98	0.06 13	0.07 66	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.06 204

ccc-4	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.10 131	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

RAFT+CT+SA	0.13 282	0.11 402	0.09 74	0.19 361	0.09 244	0.15 310	0.28 515	0.22 280	0.22 304	0.15 273	0.26 388	0.10 160	0.10 205	0.11 113	0.12 242	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 204

IGEV-Stereo	0.09 87	0.07 145	0.11 154	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.12 89	0.09 98	0.06 13	0.06 18	0.06 36	0.11 113	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.12 257	0.09 318	0.12 189	0.19 361	0.08 132	0.09 84	0.12 68	0.21 258	0.21 290	0.19 363	0.14 194	0.11 181	0.09 173	0.20 415	0.16 364	0.05 28	0.05 188	0.07 200	0.06 191	0.05 103	0.06 204

psmg	0.14 316	0.09 318	0.14 270	0.17 222	0.10 346	0.15 310	0.17 324	0.29 407	0.19 252	0.17 317	0.21 311	0.25 411	0.16 368	0.15 288	0.14 320	0.08 306	0.06 313	0.08 284	0.08 343	0.07 263	0.06 204

CIPLG	0.11 191	0.08 242	0.14 270	0.17 222	0.08 132	0.12 213	0.15 225	0.17 174	0.15 164	0.14 246	0.11 153	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

dd	0.15 360	0.16 479	0.16 355	0.19 361	0.09 244	0.15 310	0.18 369	0.21 258	0.25 351	0.23 428	0.20 290	0.21 355	0.09 173	0.21 432	0.16 364	0.10 406	0.06 313	0.08 284	0.06 191	0.08 326	0.06 204

IPLGR_C	0.11 191	0.08 242	0.14 270	0.17 222	0.08 132	0.12 213	0.15 225	0.17 174	0.15 164	0.14 246	0.10 123	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

ACRE	0.11 191	0.08 242	0.14 270	0.17 222	0.08 132	0.12 213	0.15 225	0.17 174	0.14 147	0.14 246	0.10 123	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204

GwcNet-ADL	0.13 282	0.08 242	0.14 270	0.20 416	0.09 244	0.11 178	0.20 429	0.30 421	0.24 330	0.13 225	0.14 194	0.18 320	0.14 324	0.13 240	0.14 320	0.07 245	0.05 188	0.06 107	0.05 112	0.07 263	0.06 204

RAFT-RH_RVC	0.11 191	0.06 61	0.14 270	0.16 148	0.09 244	0.12 213	0.12 68	0.17 174	0.12 89	0.13 225	0.41 500	0.11 181	0.10 205	0.13 240	0.12 242	0.05 28	0.04 22	0.08 284	0.05 112	0.04 16	0.06 204

IRAFT_RVC	0.12 257	0.08 242	0.16 355	0.19 361	0.08 132	0.07 30	0.15 225	0.24 322	0.23 314	0.14 246	0.14 194	0.15 272	0.12 261	0.12 195	0.10 127	0.06 117	0.04 22	0.09 365	0.06 191	0.06 196	0.06 204

rafts_anoy	0.11 191	0.06 61	0.10 113	0.17 222	0.08 132	0.10 133	0.14 157	0.17 174	0.14 147	0.13 225	0.13 180	0.12 198	0.10 205	0.11 113	0.12 242	0.07 245	0.04 22	0.09 365	0.11 460	0.07 263	0.06 204

test_xeample3	0.09 87	0.06 61	0.12 189	0.16 148	0.09 244	0.11 178	0.15 225	0.16 138	0.13 120	0.10 131	0.06 13	0.08 104	0.06 36	0.10 66	0.09 54	0.05 28	0.04 22	0.06 107	0.05 112	0.05 103	0.06 204

GMStereo	0.13 282	0.14 461	0.14 270	0.18 304	0.09 244	0.15 310	0.16 290	0.20 235	0.24 330	0.16 301	0.17 244	0.10 160	0.10 205	0.16 322	0.13 283	0.07 245	0.06 313	0.06 107	0.06 191	0.07 263	0.06 204
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 282	0.07 145	0.14 270	0.17 222	0.09 244	0.15 310	0.16 290	0.28 396	0.27 374	0.14 246	0.17 244	0.12 198	0.13 299	0.14 266	0.11 193	0.08 306	0.05 188	0.07 200	0.07 278	0.07 263	0.06 204

delet	0.17 403	0.08 242	0.17 383	0.19 361	0.11 395	0.20 418	0.21 446	0.30 421	0.37 458	0.17 317	0.26 388	0.19 334	0.19 421	0.19 390	0.21 436	0.08 306	0.08 411	0.09 365	0.11 460	0.06 196	0.06 204

UNet	0.17 403	0.09 318	0.18 406	0.19 361	0.12 426	0.27 491	0.19 408	0.33 461	0.29 395	0.21 400	0.24 342	0.23 391	0.19 421	0.19 390	0.18 397	0.07 245	0.06 313	0.08 284	0.07 278	0.08 326	0.06 204

UPFNet	0.16 383	0.08 242	0.12 189	0.20 416	0.12 426	0.20 418	0.23 467	0.28 396	0.26 365	0.17 317	0.24 342	0.22 373	0.19 421	0.19 390	0.21 436	0.09 365	0.07 385	0.08 284	0.09 389	0.08 326	0.06 204

CREStereo	0.09 87	0.04 1	0.08 32	0.11 1	0.06 14	0.13 252	0.14 157	0.14 80	0.10 37	0.08 68	0.13 180	0.09 129	0.08 147	0.11 113	0.10 127	0.08 306	0.04 22	0.05 27	0.03 1	0.06 196	0.06 204
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
ac_64	0.16 383	0.08 242	0.15 321	0.18 304	0.10 346	0.22 443	0.18 369	0.24 322	0.21 290	0.18 347	0.24 342	0.29 446	0.18 405	0.19 390	0.22 445	0.09 365	0.07 385	0.08 284	0.09 389	0.07 263	0.06 204

ACVNet	0.15 360	0.09 318	0.15 321	0.13 14	0.12 426	0.14 284	0.20 429	0.22 280	0.33 426	0.17 317	0.26 388	0.21 355	0.16 368	0.17 354	0.21 436	0.07 245	0.06 313	0.06 107	0.06 191	0.08 326	0.06 204

acv_ft	0.15 360	0.09 318	0.15 321	0.19 361	0.10 346	0.16 340	0.17 324	0.25 338	0.33 426	0.19 363	0.26 388	0.21 355	0.17 391	0.17 354	0.18 397	0.07 245	0.06 313	0.06 107	0.06 191	0.08 326	0.06 204

cf-r	0.13 282	0.07 145	0.12 189	0.16 148	0.08 132	0.14 284	0.19 408	0.20 235	0.25 351	0.17 317	0.25 371	0.21 355	0.16 368	0.14 266	0.14 320	0.10 406	0.05 188	0.06 107	0.08 343	0.06 196	0.06 204

PMTNet	0.09 87	0.05 20	0.09 74	0.12 4	0.06 14	0.12 213	0.14 157	0.15 111	0.11 63	0.09 98	0.13 180	0.10 160	0.07 112	0.13 240	0.10 127	0.15 500	0.04 22	0.05 27	0.03 1	0.07 263	0.06 204

DIP-Stereo	0.11 191	0.07 145	0.14 270	0.17 222	0.09 244	0.13 252	0.09 19	0.16 138	0.16 192	0.11 160	0.16 223	0.14 243	0.12 261	0.15 288	0.13 283	0.06 117	0.05 188	0.06 107	0.05 112	0.05 103	0.06 204
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	0.12 257	0.08 242	0.14 270	0.18 304	0.07 75	0.15 310	0.07 3	0.22 280	0.18 237	0.16 301	0.19 278	0.18 320	0.14 324	0.16 322	0.15 348	0.07 245	0.05 188	0.05 27	0.05 112	0.06 196	0.06 204

RASNet	0.14 316	0.07 145	0.14 270	0.16 148	0.08 132	0.18 380	0.14 157	0.29 407	0.20 275	0.17 317	0.25 371	0.21 355	0.18 405	0.20 415	0.19 410	0.07 245	0.06 313	0.06 107	0.08 343	0.06 196	0.06 204

HSM-Net_RVC	0.14 316	0.08 242	0.11 154	0.15 73	0.08 132	0.15 310	0.15 225	0.27 377	0.29 395	0.19 363	0.21 311	0.29 446	0.14 324	0.17 354	0.13 283	0.06 117	0.06 313	0.06 107	0.06 191	0.07 263	0.06 204
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.15 360	0.10 376	0.17 383	0.17 222	0.08 132	0.18 380	0.09 19	0.28 396	0.25 351	0.19 363	0.24 342	0.24 397	0.17 391	0.17 354	0.14 320	0.08 306	0.06 313	0.09 365	0.10 428	0.07 263	0.06 204

AANet_RVC	0.16 383	0.10 376	0.10 113	0.18 304	0.09 244	0.18 380	0.19 408	0.26 356	0.31 412	0.22 416	0.35 460	0.21 355	0.21 437	0.22 445	0.16 364	0.06 117	0.05 188	0.06 107	0.06 191	0.07 263	0.06 204

HSM	0.15 360	0.08 242	0.14 270	0.16 148	0.09 244	0.16 340	0.14 157	0.28 396	0.25 351	0.19 363	0.23 330	0.37 497	0.16 368	0.20 415	0.15 348	0.07 245	0.05 188	0.07 200	0.06 191	0.07 263	0.06 204

LE_ROB	0.50 546	0.07 145	0.14 270	0.15 73	0.08 132	0.24 461	0.16 290	0.22 280	1.81 578	4.63 581	0.67 542	0.47 530	0.44 539	0.20 415	0.29 508	0.07 245	0.06 313	0.06 107	0.06 191	0.08 326	0.06 204

DN-CSS_ROB	0.13 282	0.13 449	0.16 355	0.18 304	0.10 346	0.16 340	0.08 8	0.22 280	0.18 237	0.17 317	0.22 321	0.13 223	0.13 299	0.12 195	0.13 283	0.05 28	0.05 188	0.10 413	0.10 428	0.08 326	0.06 204

pmcnn	0.15 360	0.07 145	0.19 417	0.15 73	0.07 75	0.20 418	0.15 225	0.24 322	0.26 365	0.21 400	0.34 456	0.28 438	0.18 405	0.18 375	0.17 379	0.07 245	0.05 188	0.05 27	0.04 38	0.07 263	0.06 204

G2L-Stereo	0.14 316	0.07 145	0.13 235	0.17 222	0.09 244	0.13 252	0.12 68	0.27 377	0.22 304	0.16 301	0.27 396	0.21 355	0.13 299	0.17 354	0.18 397	0.09 365	0.08 411	0.08 284	0.07 278	0.07 263	0.07 285

rvit_105_1	0.19 429	0.11 402	0.25 461	0.21 445	0.16 497	0.21 435	0.27 509	0.31 431	0.41 477	0.19 363	0.20 290	0.22 373	0.17 391	0.19 390	0.17 379	0.12 460	0.12 486	0.13 478	0.15 507	0.08 326	0.07 285

ACV-stereo	0.15 360	0.10 376	0.28 476	0.18 304	0.12 426	0.14 284	0.12 68	0.23 300	0.21 290	0.19 363	0.23 330	0.22 373	0.15 342	0.23 456	0.17 379	0.07 245	0.06 313	0.07 200	0.07 278	0.07 263	0.07 285

test_sample2	0.12 257	0.07 145	0.12 189	0.14 32	0.08 132	0.16 340	0.18 369	0.21 258	0.16 192	0.14 246	0.20 290	0.19 334	0.15 342	0.15 288	0.12 242	0.08 306	0.05 188	0.07 200	0.06 191	0.08 326	0.07 285

test_sample1	0.13 282	0.07 145	0.14 270	0.13 14	0.08 132	0.19 403	0.16 290	0.20 235	0.15 164	0.14 246	0.22 321	0.18 320	0.16 368	0.17 354	0.14 320	0.07 245	0.06 313	0.06 107	0.06 191	0.08 326	0.07 285

ACVNet-DCA	0.10 148	0.08 242	0.12 189	0.17 222	0.09 244	0.13 252	0.15 225	0.23 300	0.16 192	0.09 98	0.09 94	0.06 18	0.06 36	0.10 66	0.07 1	0.06 117	0.04 22	0.06 107	0.05 112	0.07 263	0.07 285

xx1	0.11 191	0.08 242	0.12 189	0.17 222	0.09 244	0.13 252	0.15 225	0.16 138	0.18 237	0.09 98	0.09 94	0.16 286	0.16 368	0.10 66	0.07 1	0.06 117	0.04 22	0.08 284	0.08 343	0.07 263	0.07 285

1test111	0.11 191	0.08 242	0.12 189	0.17 222	0.09 244	0.13 252	0.15 225	0.23 300	0.16 192	0.09 98	0.09 94	0.06 18	0.06 36	0.15 288	0.16 364	0.06 117	0.04 22	0.06 107	0.05 112	0.07 263	0.07 285

mmm	0.14 316	0.08 242	0.17 383	0.17 222	0.09 244	0.17 361	0.18 369	0.21 258	0.15 164	0.15 273	0.23 330	0.21 355	0.16 368	0.16 322	0.17 379	0.08 306	0.05 188	0.08 284	0.07 278	0.07 263	0.07 285

11t1	0.12 257	0.06 61	0.13 235	0.14 32	0.08 132	0.17 361	0.15 225	0.18 203	0.15 164	0.15 273	0.15 211	0.16 286	0.16 368	0.15 288	0.13 283	0.08 306	0.05 188	0.06 107	0.05 112	0.08 326	0.07 285

MIF-Stereo (partial)	0.11 191	0.06 61	0.10 113	0.19 361	0.10 346	0.10 133	0.11 50	0.17 174	0.18 237	0.14 246	0.16 223	0.09 129	0.11 230	0.12 195	0.12 242	0.08 306	0.05 188	0.08 284	0.07 278	0.06 196	0.07 285

EKT-Stereo	0.11 191	0.07 145	0.14 270	0.15 73	0.10 346	0.13 252	0.14 157	0.18 203	0.21 290	0.11 160	0.08 76	0.12 198	0.09 173	0.11 113	0.12 242	0.08 306	0.06 313	0.07 200	0.06 191	0.08 326	0.07 285

PCWNet_CMD	0.14 316	0.08 242	0.15 321	0.17 222	0.09 244	0.14 284	0.14 157	0.29 407	0.36 451	0.14 246	0.20 290	0.21 355	0.12 261	0.17 354	0.13 283	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

fast-acv-ft	0.18 417	0.11 402	0.19 417	0.19 361	0.12 426	0.24 461	0.21 446	0.25 338	0.34 438	0.22 416	0.34 456	0.27 428	0.20 433	0.21 432	0.23 457	0.09 365	0.09 440	0.08 284	0.10 428	0.08 326	0.07 285

CBFPSM	0.14 316	0.06 61	0.26 464	0.17 222	0.09 244	0.13 252	0.15 225	0.22 280	0.23 314	0.20 386	0.27 396	0.24 397	0.16 368	0.16 322	0.18 397	0.06 117	0.06 313	0.06 107	0.07 278	0.07 263	0.07 285

GASNet	0.22 462	0.23 519	0.33 495	0.26 506	0.17 512	0.26 481	0.16 290	0.44 531	0.42 484	0.27 461	0.24 342	0.30 455	0.15 342	0.27 475	0.18 397	0.12 460	0.08 411	0.12 463	0.11 460	0.16 511	0.07 285

gwcnet-sp	0.14 316	0.07 145	0.12 189	0.18 304	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

scenet	0.14 316	0.07 145	0.12 189	0.18 304	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

CASS	0.13 282	0.12 420	0.11 154	0.23 481	0.09 244	0.15 310	0.17 324	0.18 203	0.19 252	0.17 317	0.18 269	0.15 272	0.15 342	0.14 266	0.14 320	0.09 365	0.06 313	0.10 413	0.08 343	0.09 388	0.07 285
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
knoymous	0.11 191	0.05 20	0.12 189	0.13 14	0.07 75	0.15 310	0.14 157	0.19 224	0.13 120	0.11 160	0.17 244	0.13 223	0.09 173	0.13 240	0.11 193	0.08 306	0.05 188	0.06 107	0.05 112	0.08 326	0.07 285

ssnet	0.14 316	0.07 145	0.12 189	0.18 304	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

qqq	0.13 282	0.09 318	0.15 321	0.16 148	0.08 132	0.13 252	0.15 225	0.23 300	0.16 192	0.15 273	0.19 278	0.16 286	0.16 368	0.15 288	0.16 364	0.07 245	0.06 313	0.08 284	0.08 343	0.07 263	0.07 285

x	0.13 282	0.07 145	0.14 270	0.14 32	0.08 132	0.18 380	0.14 157	0.22 280	0.20 275	0.15 273	0.19 278	0.19 334	0.17 391	0.18 375	0.18 397	0.07 245	0.05 188	0.06 107	0.06 191	0.07 263	0.07 285

BUS	0.14 316	0.09 318	0.14 270	0.22 460	0.10 346	0.19 403	0.14 157	0.34 470	0.19 252	0.17 317	0.22 321	0.16 286	0.13 299	0.15 288	0.13 283	0.08 306	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

IER	0.14 316	0.07 145	0.13 235	0.17 222	0.09 244	0.14 284	0.16 290	0.25 338	0.26 365	0.18 347	0.25 371	0.17 306	0.20 433	0.16 322	0.14 320	0.08 306	0.05 188	0.07 200	0.06 191	0.08 326	0.07 285

test_5	0.14 316	0.12 420	0.08 32	0.20 416	0.10 346	0.14 284	0.29 524	0.21 258	0.24 330	0.18 347	0.28 410	0.11 181	0.15 342	0.12 195	0.13 283	0.06 117	0.05 188	0.07 200	0.08 343	0.08 326	0.07 285

BSDual-CNN	0.15 360	0.09 318	0.14 270	0.22 460	0.10 346	0.14 284	0.15 225	0.34 470	0.19 252	0.17 317	0.22 321	0.25 411	0.16 368	0.15 288	0.14 320	0.08 306	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

hknet	0.15 360	0.11 402	0.13 235	0.22 460	0.11 395	0.14 284	0.15 225	0.34 470	0.25 351	0.17 317	0.22 321	0.22 373	0.18 405	0.17 354	0.12 242	0.07 245	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

CSP-Net	0.16 383	0.09 318	0.14 270	0.16 148	0.09 244	0.19 403	0.17 324	0.25 338	0.32 419	0.25 450	0.30 428	0.24 397	0.15 342	0.21 432	0.18 397	0.09 365	0.06 313	0.07 200	0.07 278	0.08 326	0.07 285

UDGNet	0.14 316	0.13 449	0.16 355	0.17 222	0.10 346	0.12 213	0.16 290	0.21 258	0.27 374	0.20 386	0.20 290	0.16 286	0.13 299	0.16 322	0.13 283	0.10 406	0.06 313	0.09 365	0.07 278	0.06 196	0.07 285

dad	0.17 403	0.20 508	0.20 429	0.16 148	0.11 395	0.20 418	0.18 369	0.21 258	0.28 388	0.30 488	0.24 342	0.29 446	0.13 299	0.19 390	0.16 364	0.18 522	0.09 440	0.11 444	0.09 389	0.11 443	0.07 285

DAS	0.15 360	0.08 242	0.18 406	0.19 361	0.10 346	0.19 403	0.17 324	0.27 377	0.29 395	0.18 347	0.25 371	0.21 355	0.15 342	0.16 322	0.12 242	0.08 306	0.06 313	0.06 107	0.06 191	0.07 263	0.07 285

SepStereo	0.15 360	0.08 242	0.18 406	0.19 361	0.10 346	0.19 403	0.17 324	0.27 377	0.29 395	0.18 347	0.25 371	0.21 355	0.15 342	0.25 470	0.12 242	0.08 306	0.06 313	0.06 107	0.06 191	0.07 263	0.07 285

PSMNet-ADL	0.15 360	0.12 420	0.13 235	0.22 460	0.09 244	0.13 252	0.20 429	0.26 356	0.23 314	0.18 347	0.20 290	0.24 397	0.16 368	0.18 375	0.17 379	0.08 306	0.08 411	0.08 284	0.11 460	0.08 326	0.07 285

ADLNet2	0.16 383	0.09 318	0.13 235	0.16 148	0.09 244	0.20 418	0.16 290	0.31 431	0.39 468	0.16 301	0.20 290	0.20 346	0.18 405	0.21 432	0.22 445	0.08 306	0.06 313	0.07 200	0.07 278	0.09 388	0.07 285

Patchmatch Stereo++	0.11 191	0.09 318	0.16 355	0.18 304	0.08 132	0.06 10	0.11 50	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285
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
NRIStereo	0.11 191	0.08 242	0.14 270	0.18 304	0.08 132	0.10 133	0.14 157	0.16 138	0.15 164	0.12 198	0.14 194	0.13 223	0.12 261	0.13 240	0.10 127	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.07 285

PSM-adaLoss	0.11 191	0.09 318	0.16 355	0.18 304	0.08 132	0.06 10	0.12 68	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

ROB_FTStereo_v2	0.11 191	0.09 318	0.16 355	0.19 361	0.08 132	0.06 10	0.12 68	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

ROB_FTStereo	0.11 191	0.09 318	0.16 355	0.19 361	0.08 132	0.06 10	0.11 50	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

HUI-Stereo	0.11 191	0.09 318	0.16 355	0.18 304	0.08 132	0.06 10	0.12 68	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

iGMRVC	0.11 191	0.09 318	0.16 355	0.19 361	0.08 132	0.06 10	0.12 68	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

iRAFT	0.11 191	0.09 318	0.16 355	0.18 304	0.08 132	0.06 10	0.11 50	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

RAFT-IKP	0.11 191	0.09 318	0.16 355	0.19 361	0.08 132	0.06 10	0.12 68	0.16 138	0.13 120	0.15 273	0.16 223	0.14 243	0.12 261	0.11 113	0.10 127	0.06 117	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

ICVP	0.15 360	0.09 318	0.12 189	0.22 460	0.09 244	0.17 361	0.21 446	0.25 338	0.23 314	0.18 347	0.30 428	0.26 420	0.18 405	0.17 354	0.14 320	0.09 365	0.07 385	0.08 284	0.07 278	0.07 263	0.07 285
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
CFNet_pseudo	0.14 316	0.08 242	0.15 321	0.16 148	0.09 244	0.13 252	0.14 157	0.27 377	0.34 438	0.14 246	0.21 311	0.22 373	0.13 299	0.18 375	0.14 320	0.07 245	0.05 188	0.08 284	0.06 191	0.07 263	0.07 285

RALCasStereoNet	0.10 148	0.06 61	0.09 74	0.16 148	0.08 132	0.12 213	0.14 157	0.17 174	0.11 63	0.12 198	0.17 244	0.14 243	0.10 205	0.12 195	0.11 193	0.07 245	0.06 313	0.06 107	0.05 112	0.08 326	0.07 285

sCroCo_RVC	0.12 257	0.09 318	0.23 452	0.24 490	0.11 395	0.19 403	0.14 157	0.17 174	0.14 147	0.10 131	0.13 180	0.12 198	0.07 112	0.14 266	0.11 193	0.08 306	0.08 411	0.08 284	0.08 343	0.05 103	0.07 285

HCRNet	0.16 383	0.24 522	0.12 189	0.35 537	0.11 395	0.15 310	0.17 324	0.26 356	0.22 304	0.19 363	0.24 342	0.21 355	0.14 324	0.15 288	0.13 283	0.11 435	0.07 385	0.11 444	0.10 428	0.09 388	0.07 285

xxxx	0.15 360	0.07 145	0.14 270	0.14 32	0.08 132	0.23 456	0.18 369	0.31 431	0.19 252	0.14 246	0.28 410	0.22 373	0.14 324	0.15 288	0.26 490	0.09 365	0.05 188	0.07 200	0.07 278	0.08 326	0.07 285

test_xeample	0.15 360	0.06 61	0.13 235	0.14 32	0.08 132	0.21 435	0.20 429	0.28 396	0.20 275	0.16 301	0.29 422	0.19 334	0.16 368	0.15 288	0.26 490	0.09 365	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

MMNet	0.17 403	0.09 318	0.16 355	0.20 416	0.11 395	0.27 491	0.20 429	0.25 338	0.41 477	0.22 416	0.30 428	0.21 355	0.20 433	0.17 354	0.20 416	0.06 117	0.06 313	0.07 200	0.07 278	0.08 326	0.07 285

FENet	0.13 282	0.08 242	0.12 189	0.16 148	0.08 132	0.14 284	0.15 225	0.22 280	0.23 314	0.17 317	0.23 330	0.16 286	0.12 261	0.14 266	0.15 348	0.08 306	0.05 188	0.08 284	0.08 343	0.07 263	0.07 285

GANet-RSSM	0.14 316	0.07 145	0.13 235	0.13 14	0.08 132	0.14 284	0.17 324	0.22 280	0.21 290	0.17 317	0.24 342	0.23 391	0.15 342	0.16 322	0.15 348	0.10 406	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

PSMNet-RSSM	0.14 316	0.07 145	0.13 235	0.15 73	0.08 132	0.13 252	0.16 290	0.24 322	0.24 330	0.16 301	0.28 410	0.22 373	0.14 324	0.15 288	0.13 283	0.11 435	0.06 313	0.09 365	0.12 479	0.08 326	0.07 285

GwcNet-RSSM	0.14 316	0.07 145	0.12 189	0.15 73	0.08 132	0.15 310	0.20 429	0.21 258	0.27 374	0.18 347	0.27 396	0.22 373	0.16 368	0.14 266	0.15 348	0.10 406	0.05 188	0.07 200	0.09 389	0.07 263	0.07 285

MSMDNet	0.14 316	0.08 242	0.15 321	0.17 222	0.09 244	0.14 284	0.14 157	0.29 407	0.36 451	0.14 246	0.21 311	0.21 355	0.12 261	0.17 354	0.14 320	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

CVANet_RVC	0.18 417	0.10 376	0.14 270	0.21 445	0.10 346	0.18 380	0.17 324	0.34 470	0.33 426	0.22 416	0.31 436	0.28 438	0.18 405	0.23 456	0.17 379	0.12 460	0.08 411	0.12 463	0.11 460	0.09 388	0.07 285

ccs_rob	0.14 316	0.08 242	0.15 321	0.16 148	0.09 244	0.12 213	0.14 157	0.27 377	0.34 438	0.14 246	0.21 311	0.22 373	0.13 299	0.18 375	0.14 320	0.07 245	0.05 188	0.08 284	0.07 278	0.07 263	0.07 285

AdaStereo	0.15 360	0.11 402	0.15 321	0.18 304	0.09 244	0.20 418	0.11 50	0.32 442	0.28 388	0.20 386	0.23 330	0.20 346	0.13 299	0.19 390	0.14 320	0.12 460	0.05 188	0.10 413	0.07 278	0.09 388	0.07 285
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.
StereoDRNet-Refined	0.17 403	0.12 420	0.15 321	0.20 416	0.09 244	0.18 380	0.18 369	0.26 356	0.23 314	0.26 455	0.40 489	0.22 373	0.17 391	0.21 432	0.20 416	0.08 306	0.05 188	0.09 365	0.10 428	0.07 263	0.07 285
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DRN-Test	0.19 429	0.11 402	0.20 429	0.22 460	0.10 346	0.22 443	0.22 456	0.39 510	0.37 458	0.24 437	0.32 440	0.26 420	0.21 437	0.22 445	0.24 470	0.11 435	0.07 385	0.11 444	0.10 428	0.09 388	0.07 285

StereoDRNet	0.18 417	0.11 402	0.17 383	0.22 460	0.11 395	0.21 435	0.22 456	0.37 498	0.33 426	0.24 437	0.28 410	0.30 455	0.19 421	0.20 415	0.20 416	0.09 365	0.08 411	0.11 444	0.09 389	0.09 388	0.07 285

DLCB_ROB	0.18 417	0.10 376	0.15 321	0.23 481	0.11 395	0.24 461	0.18 369	0.29 407	0.28 388	0.27 461	0.28 410	0.28 438	0.24 460	0.19 390	0.20 416	0.08 306	0.08 411	0.09 365	0.09 389	0.07 263	0.07 285

coex_refinement	0.14 316	0.07 145	0.12 189	0.17 222	0.10 346	0.15 310	0.15 225	0.26 356	0.29 395	0.18 347	0.20 290	0.22 373	0.17 391	0.16 322	0.18 397	0.08 306	0.05 188	0.06 107	0.06 191	0.09 388	0.08 349

S2M2_L	0.09 87	0.08 242	0.11 154	0.13 14	0.10 346	0.08 53	0.06 1	0.10 19	0.10 37	0.10 131	0.09 94	0.10 160	0.09 173	0.11 113	0.11 193	0.13 483	0.07 385	0.08 284	0.09 389	0.10 420	0.08 349
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
FACV-RUCA	0.13 282	0.11 402	0.12 189	0.19 361	0.12 426	0.15 310	0.15 225	0.22 280	0.20 275	0.15 273	0.16 223	0.14 243	0.16 368	0.14 266	0.13 283	0.07 245	0.05 188	0.08 284	0.06 191	0.10 420	0.08 349

ITSA-stereo	0.15 360	0.10 376	0.14 270	0.19 361	0.08 132	0.12 213	0.14 157	0.30 421	0.49 509	0.17 317	0.19 278	0.22 373	0.15 342	0.17 354	0.16 364	0.10 406	0.06 313	0.08 284	0.08 343	0.08 326	0.08 349

AIO-Stereo-zeroshot	0.11 191	0.05 20	0.11 154	0.15 73	0.13 449	0.13 252	0.16 290	0.23 300	0.17 211	0.10 131	0.12 166	0.10 160	0.07 112	0.11 113	0.09 54	0.06 117	0.05 188	0.06 107	0.06 191	0.07 263	0.08 349

test_sample6	0.14 316	0.08 242	0.13 235	0.16 148	0.08 132	0.17 361	0.19 408	0.25 338	0.17 211	0.17 317	0.27 396	0.19 334	0.14 324	0.15 288	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

test_sample5	0.14 316	0.08 242	0.14 270	0.16 148	0.08 132	0.18 380	0.18 369	0.25 338	0.17 211	0.17 317	0.27 396	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

test_sample4	0.14 316	0.08 242	0.14 270	0.15 73	0.08 132	0.19 403	0.18 369	0.26 356	0.17 211	0.16 301	0.25 371	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.06 313	0.08 284	0.06 191	0.08 326	0.08 349

test_sample3	0.14 316	0.08 242	0.15 321	0.14 32	0.09 244	0.19 403	0.17 324	0.26 356	0.18 237	0.16 301	0.22 321	0.19 334	0.15 342	0.17 354	0.13 283	0.08 306	0.06 313	0.07 200	0.06 191	0.09 388	0.08 349

CAS++	0.11 191	0.07 145	0.11 154	0.14 32	0.09 244	0.12 213	0.14 157	0.24 322	0.14 147	0.11 160	0.09 94	0.11 181	0.07 112	0.14 266	0.09 54	0.11 435	0.09 440	0.09 365	0.07 278	0.07 263	0.08 349
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DualNet	0.14 316	0.08 242	0.14 270	0.16 148	0.08 132	0.18 380	0.18 369	0.25 338	0.17 211	0.17 317	0.27 396	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

mmx	0.14 316	0.09 318	0.14 270	0.16 148	0.08 132	0.17 361	0.17 324	0.27 377	0.25 351	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.08 306	0.06 313	0.09 365	0.08 343	0.08 326	0.08 349

ttt	0.14 316	0.08 242	0.14 270	0.15 73	0.08 132	0.15 310	0.18 369	0.27 377	0.29 395	0.16 301	0.24 342	0.17 306	0.13 299	0.13 240	0.14 320	0.11 435	0.08 411	0.09 365	0.08 343	0.09 388	0.08 349

xxx	0.14 316	0.09 318	0.14 270	0.16 148	0.08 132	0.17 361	0.17 324	0.27 377	0.25 351	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.08 306	0.06 313	0.09 365	0.08 343	0.08 326	0.08 349

GMStereo_Zeroshot	0.16 383	0.13 449	0.24 456	0.20 416	0.10 346	0.17 361	0.13 109	0.29 407	0.25 351	0.23 428	0.32 440	0.25 411	0.11 230	0.19 390	0.14 320	0.09 365	0.06 313	0.11 444	0.06 191	0.12 458	0.08 349

ToySt	0.17 403	0.11 402	0.18 406	0.17 222	0.11 395	0.16 340	0.25 494	0.24 322	0.33 426	0.19 363	0.24 342	0.26 420	0.24 460	0.19 390	0.20 416	0.07 245	0.08 411	0.09 365	0.10 428	0.09 388	0.08 349

riskmin	0.11 191	0.06 61	0.13 235	0.14 32	0.08 132	0.14 284	0.14 157	0.18 203	0.14 147	0.11 160	0.14 194	0.16 286	0.11 230	0.14 266	0.12 242	0.09 365	0.05 188	0.07 200	0.05 112	0.08 326	0.08 349

ssnet_v2	0.17 403	0.10 376	0.17 383	0.17 222	0.11 395	0.21 435	0.21 446	0.33 461	0.25 351	0.22 416	0.22 321	0.27 428	0.18 405	0.22 445	0.20 416	0.11 435	0.09 440	0.09 365	0.09 389	0.08 326	0.08 349

HBP-ISP	0.18 417	0.13 449	0.16 355	0.15 73	0.11 395	0.08 53	0.13 109	0.28 396	0.29 395	0.22 416	0.33 452	0.21 355	0.25 469	0.23 456	0.17 379	0.14 496	0.16 517	0.21 524	0.17 518	0.10 420	0.08 349

CRFU-Net	0.16 383	0.08 242	0.14 270	0.17 222	0.09 244	0.19 403	0.14 157	0.26 356	0.20 275	0.28 476	0.27 396	0.29 446	0.17 391	0.19 390	0.17 379	0.09 365	0.09 440	0.07 200	0.07 278	0.08 326	0.08 349

GANet-ADL	0.13 282	0.07 145	0.15 321	0.17 222	0.10 346	0.18 380	0.15 225	0.30 421	0.20 275	0.13 225	0.18 269	0.19 334	0.12 261	0.16 322	0.13 283	0.08 306	0.06 313	0.06 107	0.05 112	0.07 263	0.08 349

ASMatch	0.11 191	0.06 61	0.13 235	0.16 148	0.10 346	0.07 30	0.14 157	0.17 174	0.17 211	0.12 198	0.16 223	0.16 286	0.10 205	0.13 240	0.10 127	0.05 28	0.04 22	0.06 107	0.05 112	0.04 16	0.08 349

Pruner-Stereo	0.11 191	0.07 145	0.12 189	0.17 222	0.09 244	0.06 10	0.12 68	0.17 174	0.17 211	0.13 225	0.19 278	0.13 223	0.09 173	0.11 113	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.08 349

DeepStereo_RVC	0.11 191	0.08 242	0.16 355	0.18 304	0.08 132	0.08 53	0.12 68	0.17 174	0.12 89	0.13 225	0.14 194	0.12 198	0.12 261	0.12 195	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.07 263	0.08 349

CRE-IMP	0.11 191	0.09 318	0.16 355	0.19 361	0.08 132	0.10 133	0.12 68	0.18 203	0.10 37	0.14 246	0.13 180	0.13 223	0.12 261	0.12 195	0.11 193	0.07 245	0.04 22	0.08 284	0.06 191	0.08 326	0.08 349

LMCR-Stereo	0.15 360	0.08 242	0.13 235	0.21 445	0.09 244	0.17 361	0.20 429	0.27 377	0.19 252	0.24 437	0.24 342	0.23 391	0.17 391	0.20 415	0.17 379	0.07 245	0.06 313	0.08 284	0.06 191	0.10 420	0.08 349

GEStereo_RVC	0.17 403	0.12 420	0.15 321	0.22 460	0.11 395	0.19 403	0.17 324	0.32 442	0.48 503	0.20 386	0.25 371	0.17 306	0.13 299	0.21 432	0.16 364	0.10 406	0.06 313	0.08 284	0.07 278	0.09 388	0.08 349

222	0.16 383	0.07 145	0.14 270	0.14 32	0.08 132	0.24 461	0.18 369	0.30 421	0.20 275	0.17 317	0.28 410	0.17 306	0.16 368	0.15 288	0.40 540	0.10 406	0.05 188	0.07 200	0.06 191	0.07 263	0.08 349

RAFT + AFF	0.13 282	0.07 145	0.20 429	0.20 416	0.10 346	0.14 284	0.24 479	0.26 356	0.20 275	0.11 160	0.10 123	0.12 198	0.10 205	0.15 288	0.12 242	0.07 245	0.06 313	0.09 365	0.08 343	0.06 196	0.08 349

Syn2CoEx	0.21 453	0.16 479	0.27 471	0.29 528	0.14 469	0.26 481	0.20 429	0.33 461	0.31 412	0.28 476	0.36 463	0.27 428	0.25 469	0.19 390	0.24 470	0.16 516	0.12 486	0.14 490	0.11 460	0.09 388	0.08 349

psm_up	0.18 417	0.10 376	0.18 406	0.20 416	0.11 395	0.17 361	0.19 408	0.37 498	0.34 438	0.21 400	0.28 410	0.29 446	0.24 460	0.20 415	0.22 445	0.09 365	0.10 460	0.11 444	0.11 460	0.08 326	0.08 349

CFNet-ft	0.14 316	0.07 145	0.15 321	0.12 4	0.09 244	0.16 340	0.18 369	0.22 280	0.24 330	0.17 317	0.26 388	0.24 397	0.14 324	0.16 322	0.14 320	0.11 435	0.06 313	0.08 284	0.09 389	0.09 388	0.08 349

DSFCA	0.16 383	0.09 318	0.14 270	0.16 148	0.10 346	0.20 418	0.19 408	0.28 396	0.31 412	0.23 428	0.24 342	0.22 373	0.15 342	0.19 390	0.20 416	0.10 406	0.07 385	0.09 365	0.09 389	0.08 326	0.08 349

DMCA-RVC	0.17 403	0.10 376	0.15 321	0.24 490	0.11 395	0.18 380	0.18 369	0.25 338	0.24 330	0.21 400	0.26 388	0.25 411	0.27 483	0.18 375	0.20 416	0.12 460	0.08 411	0.13 478	0.10 428	0.10 420	0.08 349

STTStereo	0.18 417	0.12 420	0.27 471	0.20 416	0.11 395	0.16 340	0.21 446	0.29 407	0.23 314	0.21 400	0.30 428	0.29 446	0.18 405	0.20 415	0.19 410	0.12 460	0.11 472	0.11 444	0.14 492	0.09 388	0.08 349

ADCRef	0.19 429	0.12 420	0.41 515	0.20 416	0.12 426	0.22 443	0.18 369	0.32 442	0.36 451	0.26 455	0.32 440	0.17 306	0.23 454	0.24 465	0.24 470	0.07 245	0.06 313	0.09 365	0.09 389	0.08 326	0.08 349

GANet	0.21 453	0.12 420	0.21 437	0.24 490	0.13 449	0.22 443	0.22 456	0.41 520	0.26 365	0.31 494	0.42 506	0.37 497	0.28 492	0.23 456	0.22 445	0.10 406	0.12 486	0.10 413	0.09 389	0.10 420	0.08 349

TDLM	0.17 403	0.12 420	0.13 235	0.24 490	0.10 346	0.18 380	0.18 369	0.36 492	0.30 405	0.21 400	0.28 410	0.28 438	0.18 405	0.23 456	0.18 397	0.11 435	0.07 385	0.10 413	0.10 428	0.08 326	0.08 349

CFNet_RVC	0.14 316	0.07 145	0.15 321	0.12 4	0.09 244	0.16 340	0.18 369	0.22 280	0.24 330	0.17 317	0.26 388	0.24 397	0.14 324	0.16 322	0.14 320	0.11 435	0.06 313	0.08 284	0.09 389	0.09 388	0.08 349

NLCA_NET_v2_RVC	0.17 403	0.10 376	0.22 443	0.20 416	0.10 346	0.15 310	0.18 369	0.31 431	0.25 351	0.21 400	0.30 428	0.25 411	0.17 391	0.21 432	0.20 416	0.09 365	0.06 313	0.08 284	0.08 343	0.07 263	0.08 349
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 441	0.21 514	0.23 452	0.20 416	0.10 346	0.19 403	0.17 324	0.36 492	0.25 351	0.27 461	0.33 452	0.27 428	0.24 460	0.20 415	0.20 416	0.15 500	0.12 486	0.17 510	0.14 492	0.10 420	0.08 349

iResNetv2_ROB	0.14 316	0.08 242	0.15 321	0.16 148	0.08 132	0.16 340	0.12 68	0.25 338	0.35 447	0.21 400	0.29 422	0.24 397	0.13 299	0.14 266	0.14 320	0.06 117	0.05 188	0.06 107	0.04 38	0.09 388	0.08 349

MDST_ROB	0.22 462	0.10 376	0.17 383	0.18 304	0.11 395	0.37 526	0.19 408	0.43 529	0.41 477	0.39 517	0.39 483	0.29 446	0.21 437	0.26 472	0.18 397	0.11 435	0.10 460	0.14 490	0.11 460	0.10 420	0.08 349

iResNet_ROB	0.14 316	0.07 145	0.13 235	0.14 32	0.07 75	0.18 380	0.14 157	0.26 356	0.31 412	0.22 416	0.25 371	0.23 391	0.15 342	0.15 288	0.13 283	0.07 245	0.05 188	0.05 27	0.04 38	0.08 326	0.08 349

MultiAttention	0.29 514	0.08 242	0.14 270	0.19 361	0.12 426	1.45 577	1.33 578	0.36 492	0.37 458	0.19 363	0.21 311	0.24 397	0.11 230	0.38 528	0.18 397	0.06 117	0.05 188	0.08 284	0.08 343	0.10 420	0.09 393

FlowAnything_test	0.11 191	0.08 242	0.14 270	0.15 73	0.09 244	0.07 30	0.14 157	0.20 235	0.11 63	0.09 98	0.09 94	0.12 198	0.12 261	0.13 240	0.11 193	0.09 365	0.06 313	0.09 365	0.09 389	0.06 196	0.09 393

w-ln-seven-2	0.20 441	0.14 461	0.37 508	0.22 460	0.12 426	0.20 418	0.21 446	0.28 396	0.37 458	0.25 450	0.37 469	0.27 428	0.22 446	0.21 432	0.23 457	0.08 306	0.08 411	0.09 365	0.09 389	0.10 420	0.09 393

G2L-ROB	0.13 282	0.06 61	0.13 235	0.13 14	0.08 132	0.14 284	0.16 290	0.25 338	0.18 237	0.19 363	0.18 269	0.20 346	0.14 324	0.17 354	0.16 364	0.08 306	0.05 188	0.06 107	0.05 112	0.08 326	0.09 393

YMNet	0.20 441	0.12 420	0.19 417	0.20 416	0.14 469	0.26 481	0.23 467	0.32 442	0.34 438	0.27 461	0.34 456	0.30 455	0.18 405	0.18 375	0.22 445	0.10 406	0.13 499	0.10 413	0.10 428	0.08 326	0.09 393

YMNet_1	0.20 441	0.12 420	0.19 417	0.20 416	0.14 469	0.26 481	0.23 467	0.32 442	0.34 438	0.27 461	0.34 456	0.30 455	0.18 405	0.18 375	0.22 445	0.10 406	0.13 499	0.10 413	0.10 428	0.08 326	0.09 393

rvit_stereo_0075_2	0.17 403	0.12 420	0.25 461	0.23 481	0.16 497	0.13 252	0.10 30	0.30 421	0.27 374	0.20 386	0.28 410	0.22 373	0.15 342	0.18 375	0.13 283	0.16 516	0.10 460	0.17 510	0.10 428	0.10 420	0.09 393

AIO-Stereo-zeroshot1	0.11 191	0.05 20	0.14 270	0.15 73	0.20 524	0.09 84	0.17 324	0.21 258	0.15 164	0.11 160	0.14 194	0.10 160	0.07 112	0.10 66	0.08 17	0.06 117	0.05 188	0.07 200	0.07 278	0.07 263	0.09 393

MyStereo8	0.12 257	0.07 145	0.15 321	0.15 73	0.09 244	0.18 380	0.14 157	0.19 224	0.22 304	0.12 198	0.18 269	0.11 181	0.10 205	0.16 322	0.18 397	0.07 245	0.05 188	0.07 200	0.05 112	0.08 326	0.09 393

CFNet_ucs	0.15 360	0.08 242	0.16 355	0.16 148	0.11 395	0.14 284	0.14 157	0.30 421	0.34 438	0.16 301	0.24 342	0.23 391	0.14 324	0.18 375	0.15 348	0.09 365	0.06 313	0.08 284	0.07 278	0.09 388	0.09 393

Wz-Net-LNSev-Ref	0.18 417	0.09 318	0.29 484	0.15 73	0.10 346	0.22 443	0.20 429	0.26 356	0.39 468	0.25 450	0.42 506	0.24 397	0.15 342	0.20 415	0.19 410	0.07 245	0.05 188	0.06 107	0.05 112	0.10 420	0.09 393

NINENet	0.16 383	0.10 376	0.15 321	0.17 222	0.11 395	0.19 403	0.14 157	0.40 514	0.36 451	0.18 347	0.21 311	0.16 286	0.13 299	0.15 288	0.13 283	0.08 306	0.08 411	0.10 413	0.07 278	0.10 420	0.09 393

AASNet	0.16 383	0.08 242	0.12 189	0.19 361	0.09 244	0.18 380	0.15 225	0.37 498	0.37 458	0.19 363	0.23 330	0.20 346	0.16 368	0.17 354	0.20 416	0.10 406	0.08 411	0.08 284	0.07 278	0.09 388	0.09 393

AACVNet	0.16 383	0.08 242	0.14 270	0.15 73	0.10 346	0.18 380	0.15 225	0.23 300	0.24 330	0.27 461	0.27 396	0.28 438	0.17 391	0.19 390	0.16 364	0.09 365	0.07 385	0.09 365	0.07 278	0.10 420	0.09 393

HHNet	0.11 191	0.06 61	0.16 355	0.15 73	0.14 469	0.07 30	0.13 109	0.20 235	0.17 211	0.14 246	0.25 371	0.11 181	0.08 147	0.13 240	0.10 127	0.05 28	0.04 22	0.08 284	0.06 191	0.05 103	0.09 393

GMM-Stereo	0.11 191	0.07 145	0.10 113	0.18 304	0.09 244	0.08 53	0.15 225	0.23 300	0.16 192	0.11 160	0.15 211	0.13 223	0.11 230	0.11 113	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.06 196	0.09 393

Prome-Stereo	0.11 191	0.06 61	0.10 113	0.18 304	0.08 132	0.12 213	0.15 225	0.22 280	0.13 120	0.12 198	0.17 244	0.13 223	0.08 147	0.12 195	0.10 127	0.05 28	0.04 22	0.07 200	0.06 191	0.06 196	0.09 393

ADLNet	0.16 383	0.08 242	0.15 321	0.16 148	0.10 346	0.16 340	0.17 324	0.32 442	0.27 374	0.22 416	0.27 396	0.24 397	0.16 368	0.18 375	0.21 436	0.10 406	0.06 313	0.10 413	0.10 428	0.08 326	0.09 393

GES	0.14 316	0.08 242	0.16 355	0.15 73	0.10 346	0.13 252	0.13 109	0.28 396	0.25 351	0.16 301	0.23 330	0.18 320	0.13 299	0.16 322	0.13 283	0.08 306	0.07 385	0.07 200	0.06 191	0.08 326	0.09 393

aanetorigin	0.22 462	0.17 490	0.56 535	0.17 222	0.10 346	0.15 310	0.19 408	0.20 235	0.33 426	0.49 536	0.48 516	0.29 446	0.27 483	0.20 415	0.23 457	0.08 306	0.07 385	0.08 284	0.07 278	0.10 420	0.09 393

EDNetEfficient	0.29 514	0.24 522	1.13 566	0.18 304	0.10 346	0.19 403	0.20 429	0.20 235	0.60 534	0.74 555	0.56 532	0.31 468	0.39 526	0.22 445	0.30 513	0.09 365	0.07 385	0.08 284	0.07 278	0.11 443	0.09 393

NVstereo2D	0.19 429	0.10 376	0.15 321	0.17 222	0.15 487	0.28 498	0.23 467	0.44 531	0.42 484	0.15 273	0.27 396	0.25 411	0.19 421	0.22 445	0.17 379	0.09 365	0.06 313	0.10 413	0.08 343	0.15 504	0.09 393

DISCO	0.19 429	0.09 318	0.22 443	0.17 222	0.10 346	0.25 472	0.18 369	0.27 377	0.44 494	0.22 416	0.31 436	0.33 480	0.26 475	0.28 486	0.28 505	0.08 306	0.06 313	0.07 200	0.07 278	0.09 388	0.09 393

NaN_ROB	0.22 462	0.19 504	0.24 456	0.25 501	0.13 449	0.29 502	0.26 502	0.33 461	0.41 477	0.31 494	0.31 436	0.32 477	0.23 454	0.30 495	0.21 436	0.11 435	0.17 522	0.10 413	0.10 428	0.08 326	0.09 393

FBW_ROB	0.24 485	0.17 490	0.22 443	0.26 506	0.14 469	0.25 472	0.22 456	0.41 520	0.41 477	0.41 524	0.41 500	0.42 516	0.27 483	0.31 496	0.23 457	0.09 365	0.14 508	0.14 490	0.12 479	0.11 443	0.09 393

PWCDC_ROB	0.20 441	0.13 449	0.22 443	0.24 490	0.11 395	0.19 403	0.15 225	0.33 461	0.54 521	0.29 484	0.50 521	0.21 355	0.15 342	0.27 475	0.20 416	0.11 435	0.09 440	0.10 413	0.08 343	0.11 443	0.09 393

PSMNet_ROB	0.21 453	0.11 402	0.15 321	0.27 518	0.15 487	0.24 461	0.35 541	0.43 529	0.37 458	0.27 461	0.32 440	0.32 477	0.22 446	0.21 432	0.26 490	0.12 460	0.08 411	0.13 478	0.11 460	0.09 388	0.09 393

MSAF-DinoV2	0.22 462	0.11 402	0.23 452	0.17 222	0.10 346	0.27 491	0.16 290	0.37 498	0.55 522	0.21 400	0.27 396	0.47 530	0.27 483	0.35 515	0.39 537	0.09 365	0.06 313	0.07 200	0.09 389	0.12 458	0.10 420

z-mn7	0.24 485	0.14 461	0.45 519	0.19 361	0.13 449	0.28 498	0.25 494	0.34 470	0.62 537	0.27 461	0.56 532	0.29 446	0.24 460	0.32 503	0.25 479	0.08 306	0.08 411	0.08 284	0.08 343	0.10 420	0.10 420

w-ln-seven	0.24 485	0.14 461	0.55 532	0.19 361	0.14 469	0.26 481	0.22 456	0.35 485	0.60 534	0.29 484	0.39 483	0.30 455	0.22 446	0.21 432	0.26 490	0.09 365	0.09 440	0.11 444	0.10 428	0.11 443	0.10 420

test_sample7	0.15 360	0.10 376	0.16 355	0.14 32	0.11 395	0.16 340	0.16 290	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.16 322	0.16 364	0.12 460	0.06 313	0.10 413	0.09 389	0.10 420	0.10 420

iinet-f	0.16 383	0.06 61	0.45 519	0.14 32	0.10 346	0.21 435	0.14 157	0.27 377	0.23 314	0.21 400	0.24 342	0.21 355	0.15 342	0.18 375	0.21 436	0.09 365	0.07 385	0.07 200	0.06 191	0.09 388	0.10 420

Wz-Net-MNSev	0.22 462	0.13 449	0.31 489	0.20 416	0.14 469	0.36 525	0.24 479	0.33 461	0.44 494	0.28 476	0.40 489	0.38 501	0.19 421	0.24 465	0.25 479	0.09 365	0.07 385	0.09 365	0.09 389	0.12 458	0.10 420

FTStereo	0.12 257	0.06 61	0.14 270	0.18 304	0.09 244	0.07 30	0.15 225	0.21 258	0.18 237	0.12 198	0.24 342	0.12 198	0.12 261	0.13 240	0.13 283	0.05 28	0.05 188	0.07 200	0.06 191	0.06 196	0.10 420

GrayStereo	0.11 191	0.06 61	0.11 154	0.19 361	0.09 244	0.09 84	0.16 290	0.18 203	0.17 211	0.14 246	0.17 244	0.17 306	0.11 230	0.12 195	0.11 193	0.05 28	0.05 188	0.07 200	0.06 191	0.05 103	0.10 420

sAnonymous2	0.13 282	0.12 420	0.24 456	0.20 416	0.12 426	0.17 361	0.13 109	0.26 356	0.21 290	0.11 160	0.11 153	0.13 223	0.08 147	0.10 66	0.10 127	0.09 365	0.05 188	0.08 284	0.06 191	0.15 504	0.10 420

CroCo_RVC	0.13 282	0.12 420	0.24 456	0.20 416	0.12 426	0.17 361	0.13 109	0.26 356	0.21 290	0.11 160	0.11 153	0.13 223	0.08 147	0.10 66	0.10 127	0.09 365	0.05 188	0.08 284	0.06 191	0.15 504	0.10 420

EDNetEfficientorigin	7.91 584	0.31 538	153.02 600	0.19 361	0.09 244	0.21 435	0.16 290	0.22 280	0.59 531	0.72 551	0.67 542	0.42 516	0.50 544	0.24 465	0.39 537	0.08 306	0.07 385	0.08 284	0.07 278	0.12 458	0.10 420

GwcNet	0.20 441	0.13 449	0.19 417	0.18 304	0.12 426	0.24 461	0.19 408	0.35 485	0.43 489	0.20 386	0.32 440	0.33 480	0.20 433	0.22 445	0.24 470	0.11 435	0.09 440	0.09 365	0.09 389	0.09 388	0.10 420

HGLStereo	0.17 403	0.08 242	0.19 417	0.17 222	0.12 426	0.18 380	0.18 369	0.31 431	0.32 419	0.21 400	0.32 440	0.25 411	0.18 405	0.19 390	0.20 416	0.09 365	0.09 440	0.07 200	0.07 278	0.09 388	0.10 420

DMCA	0.14 316	0.09 318	0.16 355	0.19 361	0.09 244	0.15 310	0.17 324	0.23 300	0.27 374	0.14 246	0.19 278	0.17 306	0.18 405	0.15 288	0.17 379	0.10 406	0.06 313	0.08 284	0.06 191	0.09 388	0.10 420

FADNet-RVC-Resample	0.16 383	0.11 402	0.31 489	0.22 460	0.11 395	0.19 403	0.14 157	0.25 338	0.24 330	0.24 437	0.27 396	0.20 346	0.15 342	0.16 322	0.15 348	0.07 245	0.08 411	0.12 463	0.10 428	0.09 388	0.10 420

FADNet_RVC	0.16 383	0.14 461	0.40 512	0.20 416	0.11 395	0.13 252	0.13 109	0.26 356	0.22 304	0.21 400	0.23 330	0.20 346	0.17 391	0.14 266	0.16 364	0.08 306	0.08 411	0.12 463	0.09 389	0.11 443	0.10 420

SuperB	0.20 441	0.10 376	0.56 535	0.16 148	0.09 244	0.18 380	0.18 369	0.24 322	0.50 512	0.26 455	0.39 483	0.17 306	0.21 437	0.22 445	0.21 436	0.08 306	0.06 313	0.06 107	0.06 191	0.12 458	0.10 420

AF-Net	0.22 462	0.17 490	0.17 383	0.26 506	0.13 449	0.25 472	0.24 479	0.32 442	0.50 512	0.25 450	0.33 452	0.38 501	0.26 475	0.28 486	0.25 479	0.11 435	0.10 460	0.16 508	0.11 460	0.11 443	0.10 420

Nwc_Net	0.23 478	0.16 479	0.21 437	0.25 501	0.14 469	0.24 461	0.26 502	0.37 498	0.38 465	0.22 416	0.41 500	0.30 455	0.28 492	0.28 486	0.25 479	0.11 435	0.10 460	0.17 510	0.20 524	0.10 420	0.10 420

ADCL	0.24 485	0.11 402	0.47 524	0.22 460	0.12 426	0.34 516	0.29 524	0.29 407	0.56 525	0.24 437	0.46 513	0.30 455	0.30 504	0.29 492	0.29 508	0.08 306	0.07 385	0.09 365	0.09 389	0.10 420	0.10 420

ADCP+	0.20 441	0.10 376	0.33 495	0.20 416	0.12 426	0.22 443	0.26 502	0.31 431	0.34 438	0.26 455	0.37 469	0.22 373	0.22 446	0.27 475	0.27 498	0.09 365	0.06 313	0.08 284	0.08 343	0.09 388	0.10 420

UCFNet_RVC	0.14 316	0.08 242	0.13 235	0.11 1	0.10 346	0.20 418	0.10 30	0.24 322	0.22 304	0.17 317	0.20 290	0.23 391	0.15 342	0.17 354	0.15 348	0.12 460	0.07 385	0.10 413	0.13 489	0.11 443	0.10 420

DeepPruner_ROB	0.16 383	0.11 402	0.15 321	0.17 222	0.10 346	0.17 361	0.15 225	0.32 442	0.21 290	0.19 363	0.21 311	0.22 373	0.18 405	0.20 415	0.15 348	0.13 483	0.09 440	0.09 365	0.09 389	0.11 443	0.10 420

PWC_ROB	0.21 453	0.16 479	0.26 464	0.18 304	0.11 395	0.22 443	0.13 109	0.32 442	0.49 509	0.30 488	0.40 489	0.32 477	0.24 460	0.31 496	0.22 445	0.10 406	0.07 385	0.11 444	0.08 343	0.11 443	0.10 420

CBMV	0.19 429	0.14 461	0.17 383	0.18 304	0.10 346	0.20 418	0.11 50	0.29 407	0.30 405	0.29 484	0.30 428	0.30 455	0.23 454	0.27 475	0.19 410	0.13 483	0.15 514	0.17 510	0.16 511	0.10 420	0.10 420
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	0.27 506	0.13 449	0.18 406	0.15 73	0.11 395	0.32 507	0.24 479	0.40 514	0.36 451	0.52 538	0.57 535	0.67 549	0.40 529	0.35 515	0.26 490	0.14 496	0.13 499	0.13 478	0.11 460	0.11 443	0.10 420
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
zh-mn7	0.25 496	0.14 461	0.56 535	0.19 361	0.14 469	0.24 461	0.22 456	0.34 470	0.62 537	0.35 507	0.65 540	0.31 468	0.25 469	0.31 496	0.25 479	0.09 365	0.08 411	0.09 365	0.09 389	0.09 388	0.11 446

DDVS	0.15 360	0.10 376	0.21 437	0.16 148	0.12 426	0.15 310	0.14 157	0.25 338	0.19 252	0.18 347	0.29 422	0.27 428	0.12 261	0.19 390	0.15 348	0.09 365	0.06 313	0.09 365	0.07 278	0.11 443	0.11 446

SDNR	0.19 429	0.08 242	0.19 417	0.16 148	0.12 426	0.77 562	0.14 157	0.25 338	0.32 419	0.19 363	0.24 342	0.19 334	0.13 299	0.19 390	0.15 348	0.16 516	0.18 524	0.14 490	0.11 460	0.08 326	0.11 446

DisPM	0.11 191	0.07 145	0.12 189	0.16 148	0.09 244	0.06 10	0.13 109	0.17 174	0.17 211	0.14 246	0.20 290	0.12 198	0.10 205	0.11 113	0.10 127	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.11 446

Wz-Net-SNSev	0.25 496	0.17 490	0.44 518	0.25 501	0.14 469	0.26 481	0.23 467	0.38 506	0.56 525	0.30 488	0.55 527	0.39 509	0.26 475	0.23 456	0.30 513	0.10 406	0.09 440	0.09 365	0.10 428	0.11 443	0.11 446

Wz-Net-LNSev	0.22 462	0.16 479	0.38 509	0.21 445	0.13 449	0.25 472	0.23 467	0.32 442	0.43 489	0.30 488	0.41 500	0.31 468	0.18 405	0.22 445	0.25 479	0.10 406	0.09 440	0.08 284	0.08 343	0.12 458	0.11 446

PFNet+	0.11 191	0.06 61	0.13 235	0.16 148	0.09 244	0.05 4	0.12 68	0.17 174	0.21 290	0.16 301	0.19 278	0.14 243	0.10 205	0.11 113	0.11 193	0.08 306	0.05 188	0.09 365	0.08 343	0.06 196	0.11 446

Anonymous3	0.16 383	0.13 449	0.33 495	0.26 506	0.14 469	0.27 491	0.17 324	0.28 396	0.28 388	0.15 273	0.17 244	0.14 243	0.10 205	0.15 288	0.12 242	0.08 306	0.08 411	0.08 284	0.08 343	0.08 326	0.11 446

hitnet-ft	0.18 417	0.09 318	0.17 383	0.14 32	0.09 244	0.26 481	0.20 429	0.25 338	0.26 365	0.24 437	0.32 440	0.31 468	0.22 446	0.24 465	0.21 436	0.12 460	0.07 385	0.10 413	0.08 343	0.12 458	0.11 446

DANet	0.21 453	0.15 471	0.28 476	0.25 501	0.13 449	0.22 443	0.19 408	0.27 377	0.27 374	0.28 476	0.32 440	0.35 490	0.31 508	0.31 496	0.23 457	0.11 435	0.09 440	0.11 444	0.10 428	0.13 476	0.11 446
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV_ROB	0.19 429	0.13 449	0.17 383	0.16 148	0.11 395	0.15 310	0.13 109	0.26 356	0.28 388	0.27 461	0.30 428	0.27 428	0.24 460	0.23 456	0.16 364	0.15 500	0.17 522	0.22 528	0.20 524	0.10 420	0.11 446

SANet	0.24 485	0.14 461	0.28 476	0.21 445	0.11 395	0.27 491	0.24 479	0.38 506	0.64 541	0.36 510	0.40 489	0.43 519	0.26 475	0.27 475	0.24 470	0.12 460	0.09 440	0.10 413	0.09 389	0.13 476	0.11 446

SGM_RVC	0.23 478	0.12 420	0.15 321	0.15 73	0.09 244	0.33 513	0.18 369	0.34 470	0.31 412	0.44 531	0.37 469	0.53 538	0.35 519	0.35 515	0.24 470	0.13 483	0.13 499	0.13 478	0.13 489	0.10 420	0.11 446
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
zh-sn7	0.25 496	0.17 490	0.50 526	0.24 490	0.13 449	0.25 472	0.24 479	0.34 470	0.48 503	0.28 476	0.54 525	0.28 438	0.31 508	0.36 521	0.32 521	0.10 406	0.10 460	0.11 444	0.10 428	0.12 458	0.12 459

TCMNet	0.19 429	0.12 420	0.19 417	0.20 416	0.18 518	0.20 418	0.24 479	0.27 377	0.36 451	0.23 428	0.26 388	0.25 411	0.19 421	0.19 390	0.23 457	0.13 483	0.11 472	0.11 444	0.12 479	0.13 476	0.12 459

DCVSM-stereo	0.14 316	0.09 318	0.16 355	0.16 148	0.10 346	0.15 310	0.09 19	0.19 224	0.23 314	0.20 386	0.23 330	0.26 420	0.15 342	0.18 375	0.14 320	0.09 365	0.07 385	0.09 365	0.08 343	0.10 420	0.12 459

DualNet (step1)	0.16 383	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 109	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.16 322	0.16 364	0.15 500	0.06 313	0.14 490	0.14 492	0.14 489	0.12 459

test_sample9	0.18 417	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 109	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.19 390	0.17 379	0.15 500	0.30 547	0.14 490	0.14 492	0.14 489	0.12 459

test_sample8	0.19 429	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 109	0.31 431	0.21 290	0.27 461	0.22 321	0.36 492	0.25 469	0.19 390	0.17 379	0.15 500	0.30 547	0.14 490	0.14 492	0.14 489	0.12 459

NF-Stereo	0.11 191	0.07 145	0.13 235	0.17 222	0.09 244	0.10 133	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 113	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.12 459

OCTAStereo	0.11 191	0.07 145	0.13 235	0.17 222	0.09 244	0.10 133	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 113	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.12 459

PSM-softLoss	0.12 257	0.07 145	0.15 321	0.17 222	0.09 244	0.08 53	0.13 109	0.24 322	0.17 211	0.14 246	0.19 278	0.13 223	0.11 230	0.11 113	0.11 193	0.07 245	0.05 188	0.08 284	0.07 278	0.06 196	0.12 459

KMStereo	0.12 257	0.07 145	0.15 321	0.17 222	0.09 244	0.08 53	0.13 109	0.24 322	0.17 211	0.14 246	0.19 278	0.13 223	0.11 230	0.11 113	0.11 193	0.07 245	0.05 188	0.08 284	0.07 278	0.06 196	0.12 459

RE-Stereo	0.11 191	0.07 145	0.13 235	0.17 222	0.09 244	0.10 133	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 113	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.12 459

TVStereo	0.11 191	0.07 145	0.13 235	0.17 222	0.09 244	0.10 133	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 113	0.11 193	0.06 117	0.04 22	0.07 200	0.06 191	0.06 196	0.12 459

APVNet	0.22 462	0.12 420	0.19 417	0.18 304	0.14 469	0.32 507	0.31 537	0.39 510	0.32 419	0.27 461	0.40 489	0.30 455	0.29 500	0.26 472	0.25 479	0.11 435	0.12 486	0.11 444	0.14 492	0.12 458	0.12 459

MaskLacGwcNet_RVC	0.22 462	0.21 514	0.24 456	0.26 506	0.11 395	0.23 456	0.14 157	0.39 510	0.24 330	0.32 500	0.36 463	0.30 455	0.21 437	0.19 390	0.21 436	0.17 521	0.14 508	0.21 524	0.16 511	0.12 458	0.12 459

ADCMid	0.25 496	0.15 471	0.40 512	0.20 416	0.14 469	0.25 472	0.26 502	0.34 470	0.38 465	0.36 510	0.44 511	0.34 486	0.40 529	0.35 515	0.33 525	0.10 406	0.09 440	0.11 444	0.11 460	0.13 476	0.12 459

SGM-ForestM	0.32 523	0.12 420	0.16 355	0.16 148	0.11 395	0.39 530	0.19 408	0.41 520	0.50 512	0.52 538	0.54 525	1.32 568	0.42 537	0.40 536	0.27 498	0.14 496	0.16 517	0.16 508	0.16 511	0.12 458	0.12 459

XPNet_ROB	0.22 462	0.11 402	0.19 417	0.22 460	0.13 449	0.22 443	0.19 408	0.34 470	0.40 474	0.30 488	0.39 483	0.39 509	0.26 475	0.26 472	0.28 505	0.15 500	0.10 460	0.10 413	0.10 428	0.13 476	0.12 459

LALA_ROB	0.25 496	0.16 479	0.22 443	0.26 506	0.17 512	0.27 491	0.27 509	0.42 525	0.37 458	0.33 504	0.38 475	0.51 534	0.26 475	0.28 486	0.27 498	0.16 516	0.09 440	0.12 463	0.11 460	0.13 476	0.12 459

SGM-Forest	0.20 441	0.14 461	0.18 406	0.19 361	0.13 449	0.20 418	0.22 456	0.33 461	0.30 405	0.24 437	0.29 422	0.28 438	0.19 421	0.23 456	0.17 379	0.15 500	0.16 517	0.15 502	0.14 492	0.12 458	0.12 459
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
coex-ft	3.30 577	0.34 541	59.09 599	0.18 304	0.13 449	0.26 481	0.22 456	0.27 377	0.72 549	1.90 579	0.70 546	0.44 521	0.45 540	0.29 492	0.41 543	0.09 365	0.09 440	0.12 463	0.09 389	0.14 489	0.13 478

pcwnet_v2	0.19 429	0.10 376	0.26 464	0.17 222	0.14 469	0.18 380	0.15 225	0.37 498	0.46 501	0.19 363	0.24 342	0.21 355	0.19 421	0.20 415	0.19 410	0.13 483	0.10 460	0.10 413	0.10 428	0.11 443	0.13 478

FINET	0.21 453	0.18 501	0.26 464	0.18 304	0.16 497	0.23 456	0.23 467	0.32 442	0.48 503	0.25 450	0.32 440	0.22 373	0.22 446	0.22 445	0.17 379	0.18 522	0.16 517	0.11 444	0.10 428	0.15 504	0.13 478

S-Stereo	0.20 441	0.12 420	0.25 461	0.21 445	0.13 449	0.20 418	0.18 369	0.32 442	0.43 489	0.23 428	0.36 463	0.28 438	0.30 504	0.19 390	0.22 445	0.09 365	0.12 486	0.10 413	0.10 428	0.13 476	0.13 478

G-Net	0.24 485	0.16 479	0.36 504	0.22 460	0.16 497	0.51 539	0.23 467	0.29 407	0.34 438	0.36 510	0.38 475	0.31 468	0.29 500	0.27 475	0.26 490	0.11 435	0.09 440	0.12 463	0.09 389	0.16 511	0.13 478

NCC-stereo	0.24 485	0.15 471	0.31 489	0.26 506	0.16 497	0.20 418	0.30 531	0.40 514	0.40 474	0.24 437	0.38 475	0.33 480	0.28 492	0.36 521	0.27 498	0.12 460	0.11 472	0.15 502	0.22 529	0.13 476	0.13 478

stereogan	0.22 462	0.11 402	0.21 437	0.20 416	0.12 426	0.31 506	0.19 408	0.35 485	0.44 494	0.22 416	0.39 483	0.35 490	0.27 483	0.33 506	0.22 445	0.10 406	0.12 486	0.10 413	0.10 428	0.14 489	0.13 478

edge stereo	0.22 462	0.13 449	0.20 429	0.21 445	0.13 449	0.23 456	0.16 290	0.32 442	0.42 484	0.32 500	0.40 489	0.38 501	0.35 519	0.25 470	0.24 470	0.13 483	0.11 472	0.14 490	0.11 460	0.12 458	0.13 478

Abc-Net	0.24 485	0.15 471	0.31 489	0.26 506	0.16 497	0.20 418	0.30 531	0.40 514	0.40 474	0.24 437	0.38 475	0.33 480	0.28 492	0.36 521	0.27 498	0.12 460	0.11 472	0.15 502	0.22 529	0.13 476	0.13 478
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RTSC	0.23 478	0.12 420	0.28 476	0.21 445	0.13 449	0.28 498	0.16 290	0.35 485	0.66 544	0.27 461	0.33 452	0.30 455	0.21 437	0.31 496	0.29 508	0.10 406	0.08 411	0.09 365	0.10 428	0.13 476	0.13 478

DeepPrunerF	0.24 485	0.17 490	0.42 517	0.26 506	0.16 497	0.22 443	0.28 515	0.37 498	0.50 512	0.26 455	0.29 422	0.24 397	0.28 492	0.21 432	0.22 445	0.15 500	0.11 472	0.20 523	0.18 522	0.12 458	0.13 478

ADCPNet	0.25 496	0.16 479	0.61 540	0.21 445	0.15 487	0.35 524	0.25 494	0.32 442	0.35 447	0.30 488	0.40 489	0.36 492	0.28 492	0.28 486	0.32 521	0.12 460	0.10 460	0.11 444	0.12 479	0.14 489	0.13 478

PA-Net	0.23 478	0.18 501	0.33 495	0.28 521	0.22 529	0.21 435	0.38 546	0.29 407	0.39 468	0.22 416	0.32 440	0.25 411	0.26 475	0.20 415	0.25 479	0.09 365	0.23 541	0.15 502	0.22 529	0.09 388	0.13 478
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 478	0.15 471	0.17 383	0.34 535	0.18 518	0.24 461	0.23 467	0.34 470	0.28 388	0.31 494	0.38 475	0.38 501	0.28 492	0.23 456	0.24 470	0.15 500	0.12 486	0.18 519	0.21 526	0.13 476	0.13 478

NOSS_ROB	0.19 429	0.12 420	0.18 406	0.16 148	0.12 426	0.15 310	0.12 68	0.30 421	0.32 419	0.20 386	0.22 321	0.27 428	0.23 454	0.21 432	0.16 364	0.16 516	0.18 524	0.23 529	0.21 526	0.12 458	0.13 478

ETE_ROB	0.23 478	0.17 490	0.22 443	0.25 501	0.13 449	0.26 481	0.29 524	0.31 431	0.36 451	0.28 476	0.36 463	0.45 523	0.26 475	0.27 475	0.26 490	0.11 435	0.08 411	0.12 463	0.09 389	0.14 489	0.13 478

PDISCO_ROB	0.27 506	0.16 479	0.26 464	0.28 521	0.20 524	0.32 507	0.26 502	0.44 531	0.57 527	0.28 476	0.40 489	0.45 523	0.29 500	0.33 506	0.34 527	0.12 460	0.09 440	0.17 510	0.16 511	0.17 518	0.13 478

Wz-Net-TNSev	0.29 514	0.20 508	0.65 543	0.19 361	0.15 487	0.38 529	0.27 509	0.35 485	0.55 522	0.34 506	0.42 506	0.45 523	0.38 524	0.32 503	0.30 513	0.12 460	0.13 499	0.10 413	0.12 479	0.15 504	0.14 495

UDG	0.21 453	0.17 490	0.19 417	0.23 481	0.15 487	0.30 505	0.20 429	0.33 461	0.35 447	0.23 428	0.28 410	0.31 468	0.27 483	0.20 415	0.22 445	0.15 500	0.12 486	0.13 478	0.09 389	0.14 489	0.14 495

SACVNet	0.18 417	0.12 420	0.14 270	0.17 222	0.13 449	0.22 443	0.18 369	0.31 431	0.30 405	0.23 428	0.31 436	0.30 455	0.22 446	0.22 445	0.17 379	0.11 435	0.08 411	0.10 413	0.10 428	0.12 458	0.14 495

PSM-AAD	0.11 191	0.07 145	0.10 113	0.19 361	0.09 244	0.10 133	0.15 225	0.20 235	0.13 120	0.12 198	0.14 194	0.18 320	0.11 230	0.11 113	0.10 127	0.05 28	0.05 188	0.09 365	0.08 343	0.06 196	0.14 495

FAT-Stereo	0.20 441	0.12 420	0.22 443	0.21 445	0.12 426	0.17 361	0.18 369	0.34 470	0.39 468	0.27 461	0.37 469	0.34 486	0.32 512	0.21 432	0.20 416	0.09 365	0.11 472	0.10 413	0.09 389	0.11 443	0.14 495

RP	0.21 453	0.13 449	0.21 437	0.23 481	0.11 395	0.21 435	0.20 429	0.25 338	0.44 494	0.21 400	0.38 475	0.36 492	0.24 460	0.27 475	0.25 479	0.11 435	0.12 486	0.13 478	0.12 479	0.12 458	0.14 495

WCMA_ROB	0.24 485	0.11 402	0.22 443	0.17 222	0.14 469	0.32 507	0.15 225	0.32 442	0.32 419	0.38 515	0.53 523	0.40 513	0.34 517	0.34 509	0.25 479	0.11 435	0.12 486	0.12 463	0.10 428	0.14 489	0.14 495

SQANet	0.23 478	0.23 519	0.30 487	0.30 530	0.19 521	0.27 491	0.13 109	0.29 407	0.33 426	0.24 437	0.37 469	0.31 468	0.22 446	0.27 475	0.23 457	0.15 500	0.10 460	0.21 524	0.16 511	0.21 526	0.15 502

LCNet	0.11 191	0.07 145	0.09 74	0.19 361	0.09 244	0.08 53	0.15 225	0.21 258	0.15 164	0.11 160	0.15 211	0.16 286	0.11 230	0.12 195	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.06 196	0.15 502

MFN_U_SF_RVC	0.32 523	0.21 514	0.55 532	0.30 530	0.15 487	0.34 516	0.17 324	0.52 544	0.46 501	0.46 535	0.55 527	0.59 541	0.39 526	0.35 515	0.37 533	0.15 500	0.14 508	0.18 519	0.21 526	0.16 511	0.15 502

RTS	0.45 542	0.19 504	3.26 575	0.24 490	0.15 487	0.74 556	0.20 429	0.36 492	0.76 555	0.42 527	0.43 509	0.31 468	0.41 534	0.53 548	0.35 528	0.10 406	0.08 411	0.13 478	0.12 479	0.15 504	0.15 502

RTSA	0.45 542	0.19 504	3.26 575	0.24 490	0.15 487	0.74 556	0.20 429	0.36 492	0.76 555	0.42 527	0.43 509	0.31 468	0.41 534	0.53 548	0.35 528	0.10 406	0.08 411	0.13 478	0.12 479	0.15 504	0.15 502

AnyNet_C01	0.36 530	0.25 527	1.37 569	0.22 460	0.17 512	0.48 537	0.27 509	0.35 485	0.39 468	0.39 517	0.74 550	0.46 527	0.38 524	0.45 540	0.47 549	0.13 483	0.13 499	0.13 478	0.14 492	0.14 489	0.15 502

AnyNet_C32	0.26 504	0.16 479	0.36 504	0.20 416	0.16 497	0.25 472	0.30 531	0.32 442	0.44 494	0.31 494	0.49 517	0.30 455	0.33 513	0.40 536	0.33 525	0.12 460	0.12 486	0.12 463	0.14 492	0.14 489	0.15 502

RYNet	0.22 462	0.12 420	0.22 443	0.19 361	0.17 512	0.46 533	0.26 502	0.38 506	0.48 503	0.24 437	0.28 410	0.34 486	0.23 454	0.20 415	0.30 513	0.10 406	0.06 313	0.09 365	0.09 389	0.13 476	0.15 502

CC-Net-ROB	0.28 510	0.31 538	0.36 504	0.29 528	0.15 487	0.25 472	0.19 408	0.45 534	0.33 426	0.39 517	0.37 469	0.39 509	0.31 508	0.27 475	0.26 490	0.24 543	0.19 527	0.30 544	0.23 533	0.18 521	0.15 502

CSAN	0.29 514	0.24 522	0.27 471	0.34 535	0.19 521	0.33 513	0.42 550	0.37 498	0.50 512	0.38 515	0.40 489	0.44 521	0.33 513	0.28 486	0.30 513	0.20 529	0.16 517	0.19 521	0.19 523	0.14 489	0.15 502

DispFullNet	0.27 506	0.21 514	0.65 543	0.28 521	0.16 497	0.26 481	0.17 324	0.33 461	0.58 530	0.27 461	0.38 475	0.43 519	0.23 454	0.38 528	0.23 457	0.12 460	0.06 313	0.19 521	0.11 460	0.21 526	0.15 502

PSMNet-RUCA	0.27 506	0.33 540	0.41 515	0.36 539	0.32 546	0.18 380	0.19 408	0.42 525	0.30 405	0.33 504	0.41 500	0.39 509	0.25 469	0.31 496	0.20 416	0.18 522	0.10 460	0.25 531	0.15 507	0.21 526	0.16 513

WZ-Net	0.28 510	0.17 490	0.78 557	0.22 460	0.16 497	0.34 516	0.29 524	0.39 510	0.57 527	0.24 437	0.55 527	0.37 497	0.24 460	0.33 506	0.35 528	0.09 365	0.08 411	0.09 365	0.10 428	0.14 489	0.16 513

DDUNet	0.22 462	0.17 490	0.21 437	0.22 460	0.15 487	0.25 472	0.24 479	0.29 407	0.30 405	0.31 494	0.36 463	0.33 480	0.25 469	0.24 465	0.20 416	0.18 522	0.13 499	0.17 510	0.11 460	0.16 511	0.16 513

KYRaft	0.11 191	0.07 145	0.10 113	0.19 361	0.09 244	0.08 53	0.15 225	0.22 280	0.12 89	0.13 225	0.16 223	0.20 346	0.10 205	0.12 195	0.10 127	0.05 28	0.04 22	0.08 284	0.08 343	0.06 196	0.16 513

psmorigin	0.25 496	0.15 471	0.34 503	0.17 222	0.13 449	0.23 456	0.14 157	0.34 470	0.33 426	0.41 524	0.55 527	0.41 515	0.37 523	0.34 509	0.27 498	0.11 435	0.15 514	0.11 444	0.11 460	0.12 458	0.16 513

RGC	0.25 496	0.20 508	0.29 484	0.28 521	0.16 497	0.22 443	0.23 467	0.32 442	0.44 494	0.27 461	0.40 489	0.38 501	0.27 483	0.36 521	0.22 445	0.11 435	0.13 499	0.17 510	0.17 518	0.14 489	0.16 513

ADCS	0.29 514	0.18 501	0.45 519	0.21 445	0.17 512	0.28 498	0.23 467	0.41 520	0.63 540	0.40 520	0.49 517	0.40 513	0.36 521	0.39 532	0.40 540	0.13 483	0.12 486	0.13 478	0.14 492	0.16 511	0.16 513

DPSNet	0.28 510	0.16 479	0.31 489	0.18 304	0.13 449	0.54 541	0.42 550	0.51 543	0.67 545	0.29 484	0.38 475	0.38 501	0.29 500	0.31 496	0.23 457	0.11 435	0.10 460	0.11 444	0.08 343	0.20 525	0.16 513

ISRNet	0.18 417	0.08 242	0.19 417	0.19 361	0.13 449	0.15 310	0.12 68	0.30 421	0.32 419	0.21 400	0.25 371	0.27 428	0.17 391	0.17 354	0.20 416	0.20 529	0.08 411	0.14 490	0.14 492	0.14 489	0.17 521

Anonymous_2	0.22 462	0.17 490	0.28 476	0.15 73	0.16 497	0.32 507	0.22 456	0.22 280	0.17 211	0.23 428	0.24 342	0.26 420	0.27 483	0.27 475	0.23 457	0.22 537	0.25 543	0.17 510	0.17 518	0.17 518	0.17 521

GANetREF_RVC	0.31 521	0.34 541	0.27 471	0.35 537	0.16 497	0.32 507	0.41 547	0.48 538	0.51 519	0.35 507	0.35 460	0.34 486	0.33 513	0.39 532	0.32 521	0.27 545	0.20 530	0.29 542	0.15 507	0.18 521	0.17 521
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
ccnet	0.29 514	0.28 533	0.23 452	0.20 416	0.28 540	0.41 532	0.21 446	0.45 534	0.33 426	0.36 510	0.46 513	0.36 492	0.30 504	0.39 532	0.42 544	0.23 541	0.14 508	0.21 524	0.17 518	0.23 530	0.18 524

MSC_U_SF_DS_RVC	0.43 539	0.39 545	0.54 530	0.40 542	0.20 524	0.64 548	0.32 539	0.53 546	0.72 549	0.71 549	0.72 547	0.61 543	0.54 546	0.51 544	0.46 548	0.20 529	0.19 527	0.29 542	0.30 544	0.23 530	0.18 524

FADNet-RVC	0.20 441	0.20 508	0.38 509	0.21 445	0.16 497	0.20 418	0.15 225	0.26 356	0.26 365	0.26 455	0.32 440	0.26 420	0.21 437	0.22 445	0.19 410	0.12 460	0.13 499	0.12 463	0.14 492	0.13 476	0.18 524

FADNet	0.21 453	0.22 518	0.36 504	0.18 304	0.17 512	0.24 461	0.13 109	0.31 431	0.31 412	0.23 428	0.25 371	0.27 428	0.21 437	0.19 390	0.15 348	0.13 483	0.15 514	0.12 463	0.15 507	0.16 511	0.18 524

XQC	0.28 510	0.23 519	0.51 527	0.28 521	0.19 521	0.34 516	0.27 509	0.36 492	0.57 527	0.31 494	0.30 428	0.37 497	0.30 504	0.38 528	0.38 535	0.13 483	0.09 440	0.15 502	0.12 479	0.17 518	0.18 524

MFN_U_SF_DS_RVC	0.30 520	0.24 522	0.29 484	0.36 539	0.16 497	0.34 516	0.30 531	0.32 442	0.42 484	0.40 520	0.46 513	0.38 501	0.31 508	0.34 509	0.28 505	0.19 527	0.20 530	0.26 532	0.29 542	0.18 521	0.19 529

SHD	0.26 504	0.15 471	0.30 487	0.24 490	0.18 518	0.22 443	0.15 225	0.38 506	0.71 548	0.32 500	0.41 500	0.36 492	0.28 492	0.32 503	0.29 508	0.12 460	0.11 472	0.14 490	0.13 489	0.16 511	0.20 530

SAMSARA	0.40 535	0.28 533	0.33 495	0.55 553	0.39 547	0.82 563	1.23 577	0.47 537	0.51 519	0.36 510	0.35 460	0.55 540	0.39 526	0.38 528	0.39 537	0.15 500	0.20 530	0.15 502	0.14 492	0.23 530	0.20 530

BEATNet-Init1	0.52 547	0.27 529	0.62 541	0.30 530	0.21 527	0.76 560	0.29 524	0.54 547	0.65 543	0.86 560	0.95 561	2.07 577	0.62 555	0.56 552	0.42 544	0.18 522	0.18 524	0.23 529	0.22 529	0.22 529	0.21 532

PASM	0.32 523	0.24 522	0.48 525	0.28 521	0.27 539	0.29 502	0.30 531	0.34 470	0.49 509	0.35 507	0.39 483	0.46 527	0.34 517	0.34 509	0.35 528	0.23 541	0.25 543	0.26 532	0.28 541	0.23 530	0.21 532

MSMD_ROB	0.31 521	0.26 528	0.26 464	0.24 490	0.21 527	0.34 516	0.25 494	0.34 470	0.39 468	0.40 520	0.69 544	0.45 523	0.40 529	0.34 509	0.27 498	0.20 529	0.19 527	0.26 532	0.25 535	0.23 530	0.22 534

DGSMNet	0.24 485	0.19 504	0.33 495	0.21 445	0.24 533	0.24 461	0.20 429	0.35 485	0.41 477	0.24 437	0.32 440	0.38 501	0.21 437	0.29 492	0.23 457	0.12 460	0.11 472	0.14 490	0.16 511	0.23 530	0.23 535

FC-DCNN v2	0.33 526	0.27 529	0.28 476	0.26 506	0.23 531	0.37 526	0.28 515	0.40 514	0.43 489	0.45 532	0.56 532	0.51 534	0.40 529	0.37 526	0.29 508	0.21 533	0.20 530	0.27 535	0.26 536	0.25 537	0.24 536

ACVNet_1	0.44 540	0.49 550	0.60 539	0.45 547	0.28 540	0.49 538	0.27 509	0.57 551	0.72 549	0.62 544	0.58 537	0.74 553	0.49 543	0.50 543	0.35 528	0.26 544	0.24 542	0.39 548	0.29 542	0.31 547	0.24 536

FCDSN-DC	0.33 526	0.28 533	0.28 476	0.30 530	0.24 533	0.39 530	0.28 515	0.42 525	0.42 484	0.43 530	0.53 523	0.51 534	0.41 534	0.36 521	0.30 513	0.21 533	0.20 530	0.27 535	0.26 536	0.25 537	0.24 536
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	0.45 542	0.27 529	0.27 471	0.27 518	0.24 533	0.47 535	0.31 537	0.55 548	0.59 531	0.72 551	1.13 570	1.15 562	0.61 553	0.52 546	0.37 533	0.21 533	0.20 530	0.27 535	0.31 546	0.25 537	0.24 536

FC-DCNN	0.33 526	0.27 529	0.28 476	0.26 506	0.23 531	0.37 526	0.28 515	0.40 514	0.43 489	0.45 532	0.55 527	0.51 534	0.40 529	0.37 526	0.30 513	0.21 533	0.20 530	0.27 535	0.26 536	0.25 537	0.24 536

ELAS_RVC	0.41 537	0.29 536	0.33 495	0.28 521	0.24 533	0.54 541	0.36 542	0.49 540	0.59 531	0.72 551	0.74 550	0.65 547	0.54 546	0.54 550	0.40 540	0.22 537	0.20 530	0.27 535	0.26 536	0.26 541	0.25 541
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 537	0.29 536	0.33 495	0.27 518	0.24 533	0.60 546	0.36 542	0.50 542	0.50 512	0.71 549	0.79 554	0.67 549	0.54 546	0.51 544	0.42 544	0.22 537	0.20 530	0.27 535	0.26 536	0.26 541	0.25 541
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ACVNet-4b	0.39 532	0.53 551	0.55 532	0.45 547	0.24 533	0.47 535	0.18 369	0.49 540	0.64 541	0.42 527	0.45 512	0.60 542	0.27 483	0.34 509	0.24 470	0.33 548	0.14 508	0.48 551	0.42 551	0.30 544	0.26 543

otaku	0.39 532	0.37 544	0.52 528	0.44 546	0.28 540	0.58 543	0.24 479	0.41 520	0.62 537	0.40 520	0.49 517	0.46 527	0.33 513	0.40 536	0.32 521	0.30 546	0.30 547	0.39 548	0.33 547	0.29 543	0.28 544

Ntro	0.40 535	0.40 546	0.53 529	0.46 550	0.30 544	0.65 549	0.24 479	0.46 536	0.68 546	0.41 524	0.49 517	0.48 532	0.42 537	0.39 532	0.31 520	0.32 547	0.28 545	0.37 547	0.30 544	0.32 548	0.29 545

Consistency-Raft	0.44 540	0.40 546	0.45 519	0.37 541	0.43 551	0.46 533	0.41 547	0.57 551	0.55 522	0.32 500	0.73 548	0.33 480	0.48 542	0.42 539	0.49 551	0.39 550	0.35 551	0.45 550	0.51 558	0.42 550	0.29 545

NVStereoNet_ROB	0.46 545	0.36 543	0.46 523	0.41 544	0.28 540	0.34 516	0.34 540	0.48 538	0.60 534	0.72 551	0.93 559	0.70 552	0.66 556	0.47 541	0.60 558	0.22 537	0.33 550	0.34 546	0.34 549	0.30 544	0.30 547
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
PVD	0.39 532	0.20 508	0.39 511	0.31 534	0.22 529	0.29 502	0.43 552	0.52 544	0.96 562	0.55 541	0.79 554	0.53 538	0.59 552	0.52 546	0.38 535	0.19 527	0.14 508	0.17 510	0.14 492	0.24 536	0.31 548

MADNet+	0.75 559	0.71 561	3.70 578	0.66 556	0.41 549	0.98 568	0.97 575	0.69 556	0.73 553	0.52 538	0.57 535	0.64 545	0.68 558	0.86 566	1.01 574	0.34 549	0.36 552	0.28 541	0.23 533	0.36 549	0.31 548

LSM	0.33 526	0.20 508	0.58 538	0.26 506	0.60 563	0.34 516	0.25 494	0.42 525	0.48 503	0.45 532	0.58 537	0.42 516	0.36 521	0.35 515	0.25 479	0.12 460	0.20 530	0.14 490	0.16 511	0.19 524	0.33 550

JetBlue	0.71 556	0.45 549	1.14 567	0.51 551	0.47 553	2.02 578	0.64 564	0.75 557	0.70 547	0.69 548	0.77 553	1.22 564	0.83 563	1.03 574	1.01 574	0.40 551	0.28 545	0.33 545	0.33 547	0.30 544	0.34 551

ACVNet_2	0.66 555	0.66 559	0.68 551	0.63 555	0.41 549	0.71 554	0.49 554	0.96 566	1.39 571	0.89 561	1.09 566	1.04 558	0.73 559	0.54 550	0.47 549	0.43 554	0.40 553	0.53 556	0.44 552	0.47 551	0.35 552

IMH-64-1	0.65 553	0.61 555	0.68 551	0.71 557	0.51 554	0.59 544	0.49 554	0.91 562	0.85 557	0.74 555	1.02 563	0.81 554	0.78 561	0.79 559	0.49 551	0.42 552	0.46 555	0.71 559	0.47 553	0.52 553	0.39 553

IMH-64	0.65 553	0.61 555	0.68 551	0.71 557	0.51 554	0.59 544	0.49 554	0.91 562	0.85 557	0.74 555	1.02 563	0.81 554	0.78 561	0.79 559	0.49 551	0.42 552	0.46 555	0.71 559	0.47 553	0.52 553	0.39 553

RainbowNet	0.54 549	0.61 555	0.70 555	0.57 554	0.43 551	0.65 549	0.37 545	0.60 553	0.87 559	0.50 537	0.66 541	0.64 545	0.47 541	0.49 542	0.43 547	0.47 556	0.48 560	0.52 555	0.41 550	0.52 553	0.40 555

IMH	0.71 556	0.64 558	0.68 551	0.76 559	0.54 556	0.69 552	0.54 558	0.98 568	1.10 564	0.82 559	1.09 566	0.89 556	0.88 566	0.87 567	0.52 555	0.44 555	0.50 564	0.75 562	0.51 558	0.56 558	0.41 556

PWCK	0.71 556	0.94 570	0.95 564	0.76 559	0.31 545	0.74 556	0.36 542	0.90 561	0.90 560	0.96 564	0.75 552	0.95 557	0.61 553	0.87 567	0.66 561	0.72 567	0.46 555	0.75 562	0.49 555	0.69 566	0.44 557

GCST	0.37 531	0.42 548	0.26 464	1.02 572	0.39 547	0.18 380	0.08 8	0.20 235	0.17 211	0.28 476	0.25 371	0.15 272	0.12 261	0.16 322	0.14 320	0.64 565	0.43 554	0.75 562	0.65 565	0.63 559	0.46 558

TorneroNet-64	0.76 560	0.72 562	0.74 556	0.78 561	0.58 562	0.91 567	0.56 559	0.84 560	1.29 568	0.66 545	0.90 557	1.40 570	0.75 560	0.85 565	0.67 564	0.49 557	0.46 555	0.72 561	0.59 561	0.67 563	0.53 559

anonymity	0.53 548	0.58 553	0.65 543	0.41 544	0.61 564	0.53 540	0.41 547	0.56 549	0.41 477	0.55 541	0.50 521	0.49 533	0.55 549	0.58 553	0.50 554	0.58 561	0.50 564	0.51 553	0.51 558	0.51 552	0.57 560

WAO-7	0.79 561	0.78 564	0.54 530	0.85 565	0.67 567	0.74 556	0.68 568	1.05 571	1.32 569	0.90 562	1.20 573	1.04 558	0.92 567	0.69 557	0.66 561	0.60 563	0.62 574	0.67 558	0.68 567	0.64 560	0.58 561

WAO-6	0.81 562	0.80 565	0.62 541	0.86 566	0.63 565	0.76 560	0.58 561	0.98 568	1.54 576	0.90 562	0.96 562	1.07 560	1.03 571	0.70 558	0.66 561	0.72 567	0.49 562	0.90 570	0.71 568	0.68 564	0.58 561

Dean	0.87 565	0.86 569	0.79 559	0.81 563	0.56 559	0.90 564	0.63 562	1.15 577	1.73 577	1.15 572	1.15 571	1.31 567	0.99 570	0.81 561	0.81 570	0.57 560	0.56 571	0.77 566	0.64 564	0.66 562	0.58 561

SPS-STEREO	0.57 551	0.58 553	0.65 543	0.45 547	0.55 558	0.62 547	0.44 553	0.62 554	0.50 512	0.68 547	0.64 539	0.66 548	0.57 551	0.61 554	0.60 558	0.62 564	0.47 559	0.51 553	0.49 555	0.55 557	0.58 561
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SGM+DAISY	0.56 550	0.57 552	0.65 543	0.40 542	0.54 556	0.66 551	0.49 554	0.56 549	0.45 500	0.66 545	0.69 544	0.67 549	0.56 550	0.63 555	0.56 556	0.59 562	0.48 560	0.50 552	0.50 557	0.52 553	0.58 561

LVE	0.83 564	0.85 568	0.85 562	0.80 562	0.56 559	1.04 573	0.65 565	1.05 571	1.47 574	0.96 564	1.22 574	1.10 561	0.85 564	0.83 562	0.71 566	0.49 557	0.55 570	0.76 565	0.60 563	0.65 561	0.59 566

WAO-8	0.91 566	0.81 566	0.65 543	0.94 569	0.69 568	0.90 564	0.67 566	1.07 574	1.83 579	1.06 569	1.45 576	1.30 565	1.07 572	0.84 563	0.78 567	0.74 569	0.53 567	0.86 568	0.75 569	0.69 566	0.62 567

Venus	0.91 566	0.81 566	0.65 543	0.94 569	0.69 568	0.90 564	0.67 566	1.07 574	1.83 579	1.06 569	1.45 576	1.30 565	1.07 572	0.84 563	0.78 567	0.74 569	0.53 567	0.86 568	0.75 569	0.69 566	0.62 567

TorneroNet	0.82 563	0.74 563	0.81 561	0.84 564	0.63 565	0.99 569	0.63 562	0.96 566	1.16 565	0.80 558	1.11 568	1.36 569	0.86 565	0.93 570	0.80 569	0.56 559	0.49 562	0.78 567	0.66 566	0.73 569	0.63 569

MFMNet_re	0.64 552	0.66 559	0.65 543	0.51 551	0.69 568	0.69 552	0.57 560	0.64 555	0.73 553	0.60 543	0.73 548	0.62 544	0.67 557	0.65 556	0.60 558	0.66 566	0.58 573	0.63 557	0.59 561	0.68 564	0.69 570

UNDER WATER-64	0.95 568	0.94 570	1.43 571	0.87 567	0.56 559	1.18 576	0.87 572	0.77 558	0.94 561	1.04 567	0.85 556	1.58 575	1.21 577	0.94 571	0.96 572	0.87 573	0.57 572	1.03 573	0.88 574	0.78 570	0.73 571

UNDER WATER	0.97 569	0.97 572	1.42 570	0.99 571	0.70 571	1.12 575	0.84 571	0.80 559	1.08 563	1.01 566	0.90 557	1.55 574	1.22 578	1.03 574	1.00 573	0.78 571	0.53 567	1.02 572	0.87 573	0.80 571	0.74 572

ktn	1.01 571	1.21 575	0.80 560	1.23 576	0.86 574	1.01 571	0.87 572	0.94 565	1.39 571	1.04 567	1.12 569	1.15 562	1.07 572	0.94 571	0.59 557	1.28 578	0.71 576	1.38 578	0.83 572	1.02 575	0.75 573

notaker	0.97 569	1.11 573	0.98 565	1.13 574	0.81 572	0.73 555	0.68 568	0.93 564	1.16 565	1.18 574	1.18 572	1.41 571	1.16 576	1.08 576	0.69 565	0.81 572	0.64 575	1.17 574	0.79 571	0.98 573	0.80 574

HanzoNet	1.29 574	1.26 577	1.19 568	1.12 573	0.85 573	1.02 572	0.83 570	1.03 570	1.48 575	1.64 577	1.61 578	2.50 579	1.72 579	1.61 578	1.61 577	1.26 577	0.80 577	1.31 577	1.01 576	1.02 575	0.86 575

KSHMR	1.09 572	1.17 574	0.88 563	1.25 577	1.00 576	0.99 569	0.96 574	1.13 576	1.37 570	1.16 573	1.29 575	1.41 571	0.96 569	1.01 573	0.92 571	1.03 576	1.08 578	1.20 575	1.03 577	1.01 574	0.97 576

JetRed	1.62 575	1.46 578	2.98 573	0.92 568	1.21 577	4.99 581	1.53 580	1.27 579	1.39 571	1.83 578	1.74 579	1.60 576	0.95 568	1.41 577	2.45 581	0.90 575	1.60 579	0.93 571	0.90 575	1.35 577	0.99 577

DPSimNet_ROB	1.11 573	1.23 576	0.78 557	1.13 574	0.88 575	1.10 574	1.13 576	1.16 578	1.23 567	1.43 576	1.02 563	1.41 571	1.10 575	0.90 569	1.60 576	1.46 579	0.51 566	1.21 576	1.03 577	0.90 572	1.01 578

tt	4.67 579	0.06 61	3.55 577	2.02 579	1.55 578	10.25 585	16.71 585	8.91 589	5.03 582	1.31 575	0.94 560	4.71 580	4.76 581	3.33 580	5.87 583	6.06 588	10.30 592	1.88 582	2.11 582	2.75 580	1.21 579

MADNet++	1.95 576	1.75 579	1.59 572	1.82 578	1.69 579	2.33 579	1.40 579	2.35 580	2.09 581	2.57 580	2.36 581	2.24 578	2.17 580	2.28 579	2.34 579	1.87 580	1.66 580	1.54 579	1.34 579	1.92 578	1.77 580

USTest	6.22 580	2.73 581	3.00 574	6.57 586	7.29 585	14.37 587	21.57 586	7.00 588	9.56 587	5.34 584	6.10 582	5.72 583	7.64 584	6.41 585	6.96 584	1.97 581	3.42 586	1.64 580	2.15 583	2.66 579	2.36 581

PML	8.91 587	9.34 592	6.13 580	5.35 583	6.41 584	14.99 588	23.38 592	5.27 581	6.83 583	18.04 593	28.19 599	7.67 585	6.83 583	7.85 586	5.75 582	5.35 587	1.83 581	5.95 591	1.93 581	8.64 589	2.52 582

xxxxx1	7.79 581	5.02 585	7.31 582	3.12 580	3.85 581	16.35 589	22.88 587	5.86 585	8.69 584	7.97 585	8.54 583	9.12 587	8.27 585	10.18 587	10.92 585	2.42 582	2.45 582	3.56 585	12.37 589	3.77 581	3.06 583

tt_ll	7.79 581	5.02 585	7.31 582	3.12 580	3.85 581	16.35 589	22.88 587	5.86 585	8.69 584	7.97 585	8.54 583	9.12 587	8.27 585	10.18 587	10.92 585	2.42 582	2.45 582	3.56 585	12.37 589	3.77 581	3.06 583

ff	7.79 581	5.02 585	7.31 582	3.12 580	3.85 581	16.35 589	22.88 587	5.86 585	8.69 584	7.97 585	8.54 583	9.12 587	8.27 585	10.18 587	10.92 585	2.42 582	2.45 582	3.56 585	12.37 589	3.77 581	3.06 583

TCMNet-wrong-test	3.67 578	5.48 588	3.89 579	12.18 590	11.75 591	4.65 580	3.88 581	1.06 573	0.72 549	1.09 571	2.15 580	6.30 584	0.53 545	3.43 581	2.36 580	0.89 574	0.20 530	1.87 581	1.69 580	5.57 586	3.62 586

Anonymous_1	10.96 590	7.92 589	7.46 585	10.33 587	10.06 586	18.65 593	26.34 593	11.06 590	13.44 591	9.40 588	10.05 588	9.67 590	11.23 590	10.73 590	12.72 590	6.42 589	8.38 589	5.77 588	10.61 588	12.12 590	6.77 587

DPSMNet_ROB	8.06 585	4.48 583	8.63 588	5.37 585	10.74 588	8.32 583	22.98 591	5.46 582	13.36 590	5.12 582	9.92 586	5.08 581	10.40 588	5.53 584	12.58 588	3.80 586	8.00 587	3.50 583	7.02 586	3.83 584	7.14 588

DGTPSM_ROB	8.06 585	4.48 583	8.63 588	5.35 583	10.72 587	8.32 583	22.97 590	5.46 582	13.35 589	5.12 582	9.92 586	5.08 581	10.40 588	5.52 583	12.58 588	3.79 585	8.00 587	3.50 583	7.02 586	3.83 584	7.14 588

DPSM_ROB	11.15 591	8.58 590	8.00 586	10.88 588	11.58 589	19.10 594	26.71 594	12.05 591	14.07 592	10.36 589	10.84 589	10.33 591	11.86 591	11.70 591	13.54 591	6.99 590	8.79 590	5.89 589	6.95 584	7.29 587	7.42 590

DPSM	11.15 591	8.58 590	8.00 586	10.88 588	11.58 589	19.10 594	26.71 594	12.05 591	14.07 592	10.36 589	10.84 589	10.33 591	11.86 591	11.70 591	13.54 591	6.99 590	8.79 590	5.89 589	6.95 584	7.29 587	7.42 590

FlowAnything	22.44 596	17.35 596	16.14 592	22.07 596	23.23 595	38.39 597	53.77 597	24.25 597	28.44 598	20.96 598	21.82 596	20.70 595	23.84 595	23.49 596	27.14 596	14.04 592	17.79 597	11.75 592	14.15 595	14.65 591	14.89 592

LSM0	22.87 598	17.28 594	18.96 593	22.19 597	29.04 599	38.42 599	53.71 596	24.28 598	28.31 596	20.78 597	21.00 594	21.43 598	24.16 598	23.50 597	27.39 598	14.09 595	17.38 594	11.84 595	14.04 594	14.73 594	14.89 592

CasAABBNet	22.42 595	17.33 595	16.01 590	22.01 594	23.28 596	38.32 596	53.80 598	24.14 596	28.41 597	20.60 595	21.77 595	20.89 597	23.91 597	23.43 595	27.36 597	14.07 593	17.69 595	11.83 594	14.01 593	14.67 592	14.95 594

Selective-RAFT-Error	22.47 597	17.37 597	16.09 591	22.06 595	23.34 597	38.39 597	53.83 599	24.29 599	28.47 599	20.74 596	21.83 597	20.81 596	23.90 596	23.54 598	27.53 599	14.08 594	17.69 595	11.82 593	14.00 592	14.69 593	15.00 595

LRCNet_RVC	10.62 589	13.42 593	7.30 581	18.92 592	2.07 580	0.33 513	0.30 531	5.59 584	0.48 503	13.03 591	17.94 592	8.87 586	5.65 582	4.79 582	1.89 578	23.51 597	2.73 585	27.55 598	25.71 598	16.07 595	16.33 596

HaxPig	15.71 593	18.52 598	19.18 594	16.89 591	15.89 593	7.73 582	7.60 582	13.31 593	10.82 588	15.42 592	14.91 591	15.98 593	14.92 593	15.58 593	15.98 593	18.95 596	16.73 593	19.46 596	18.08 596	19.26 596	19.05 597

MEDIAN_ROB	20.38 594	24.04 599	23.31 596	21.23 593	21.71 594	10.40 586	7.92 583	17.64 594	15.50 594	20.12 594	19.70 593	20.34 594	20.32 594	21.19 594	21.13 594	23.81 598	21.81 598	24.98 597	23.76 597	24.71 597	23.93 598

AVERAGE_ROB	24.90 599	29.20 600	28.14 597	24.89 598	24.64 598	17.75 592	11.12 584	21.45 595	19.93 595	25.12 599	24.46 598	25.12 599	25.46 599	24.69 599	22.83 595	29.76 599	27.13 599	28.97 599	27.95 599	29.91 598	29.47 599

test_example2	98.32 600	94.13 601	45.89 598	96.35 599	109.85 600	88.61 600	95.45 600	25.75 600	94.37 600	130.00 601	126.06 600	58.17 600	74.63 600	88.51 600	79.96 600	150.23 600	221.02 600	77.62 600	99.10 600	113.75 600	96.94 600

ccccc		285.66 602		368.85 601	370.60 601	123.16 601		115.05 601		126.68 600		122.83 601		252.94 601		384.56 601	353.86 601	254.69 601	223.00 601	425.87 601

ASD4		3.38 582

Low-res two-view benchmark