Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

TS12	0.08 85	0.06 108	0.09 122	0.21 554	0.07 133	0.11 252	0.13 171	0.11 57	0.09 51	0.10 226	0.10 193	0.08 184	0.10 305	0.09 59	0.12 349	0.04 11	0.04 25	0.05 49	0.04 60	0.03 1	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

aanet-new-12k	0.08 85	0.09 425	0.07 11	0.20 522	0.08 213	0.08 83	0.13 171	0.12 84	0.13 185	0.08 129	0.08 122	0.05 5	0.07 179	0.09 59	0.08 25	0.04 11	0.04 25	0.05 49	0.04 60	0.06 290	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

DEFOM-Stereo_RVC	0.08 85	0.06 108	0.09 122	0.22 571	0.06 28	0.08 83	0.12 96	0.10 34	0.10 75	0.07 75	0.07 64	0.06 42	0.05 14	0.11 197	0.09 103	0.06 167	0.04 25	0.05 49	0.03 1	0.06 290	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

MoCha-V2	0.08 85	0.05 41	0.10 186	0.20 522	0.07 133	0.09 137	0.14 237	0.11 57	0.08 25	0.07 75	0.08 122	0.07 124	0.06 65	0.09 59	0.08 25	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

IGEV-BASED-STEREO-	0.09 173	0.10 487	0.31 600	0.15 113	0.06 28	0.08 83	0.14 237	0.10 34	0.10 75	0.07 75	0.07 64	0.06 42	0.04 1	0.11 197	0.07 1	0.12 571	0.04 25	0.07 299	0.05 191	0.05 169	0.05 204

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CroCo-Stereo Lap2	0.09 173	0.09 425	0.08 57	0.22 571	0.09 339	0.09 137	0.19 520	0.16 224	0.12 143	0.09 181	0.10 193	0.05 5	0.05 14	0.08 25	0.08 25	0.06 167	0.06 417	0.07 299	0.05 191	0.05 169	0.05 204

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

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

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

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

CroCo-Stereo	0.09 173	0.08 345	0.08 57	0.22 571	0.09 339	0.09 137	0.19 520	0.15 186	0.12 143	0.07 75	0.07 64	0.08 184	0.06 65	0.08 25	0.07 1	0.07 338	0.05 269	0.06 189	0.04 60	0.05 169	0.04 73
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 173	0.06 108	0.07 11	0.15 113	0.05 2	0.16 445	0.18 480	0.15 186	0.15 242	0.10 226	0.11 244	0.11 285	0.11 338	0.10 122	0.12 349	0.05 51	0.04 25	0.05 49	0.04 60	0.04 48	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

WQFJA1	0.10 242	0.07 226	0.08 57	0.20 522	0.09 339	0.12 304	0.17 431	0.17 263	0.17 308	0.09 181	0.10 193	0.08 184	0.10 305	0.12 291	0.11 288	0.06 167	0.07 489	0.07 299	0.06 282	0.06 290	0.05 204

WQFJX1	0.10 242	0.07 226	0.08 57	0.22 571	0.09 339	0.12 304	0.17 431	0.18 297	0.17 308	0.10 226	0.09 157	0.07 124	0.10 305	0.11 197	0.09 103	0.07 338	0.08 519	0.07 299	0.06 282	0.05 169	0.04 73

WQFJX	0.10 242	0.07 226	0.09 122	0.21 554	0.09 339	0.12 304	0.16 389	0.18 297	0.17 308	0.12 302	0.10 193	0.07 124	0.09 266	0.12 291	0.10 207	0.06 167	0.07 489	0.06 189	0.05 191	0.06 290	0.05 204

NLMM	0.10 242	0.07 226	0.08 57	0.20 522	0.09 339	0.12 304	0.17 431	0.17 263	0.17 308	0.09 181	0.10 193	0.08 184	0.10 305	0.12 291	0.11 288	0.06 167	0.07 489	0.07 299	0.06 282	0.06 290	0.05 204

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

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

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

AIO-test2	0.10 242	0.08 345	0.10 186	0.23 595	0.08 213	0.11 252	0.10 35	0.23 406	0.23 422	0.08 129	0.09 157	0.08 184	0.05 14	0.10 122	0.08 25	0.06 167	0.05 269	0.08 393	0.09 499	0.05 169	0.05 204

AIO-test1	0.10 242	0.07 226	0.10 186	0.23 595	0.07 133	0.09 137	0.13 171	0.21 361	0.14 217	0.11 261	0.12 265	0.09 220	0.07 179	0.11 197	0.09 103	0.06 167	0.05 269	0.09 476	0.10 540	0.03 1	0.06 305

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

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

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

RAStereo	0.10 242	0.09 425	0.08 57	0.20 522	0.08 213	0.13 355	0.18 480	0.15 186	0.17 308	0.10 226	0.12 265	0.05 5	0.06 65	0.09 59	0.08 25	0.07 338	0.05 269	0.07 299	0.05 191	0.05 169	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

test_3	0.10 242	0.09 425	0.10 186	0.20 522	0.08 213	0.13 355	0.26 621	0.14 144	0.21 396	0.10 226	0.10 193	0.09 220	0.09 266	0.08 25	0.11 288	0.05 51	0.04 25	0.08 393	0.07 379	0.04 48	0.04 73

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

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

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

cross-raft	0.10 242	0.09 425	0.09 122	0.19 456	0.07 133	0.11 252	0.25 612	0.13 113	0.15 242	0.08 129	0.11 244	0.12 305	0.10 305	0.09 59	0.11 288	0.05 51	0.04 25	0.06 189	0.05 191	0.04 48	0.04 73

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

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

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

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

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

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

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

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

RAFT-Stereo	0.10 242	0.06 108	0.10 186	0.17 296	0.08 213	0.11 252	0.14 237	0.23 406	0.11 106	0.12 302	0.19 388	0.11 285	0.08 228	0.09 59	0.11 288	0.07 338	0.05 269	0.06 189	0.05 191	0.05 169	0.05 204
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 242	0.06 108	0.12 289	0.14 59	0.06 28	0.11 252	0.10 35	0.18 297	0.18 339	0.13 332	0.16 328	0.14 351	0.11 338	0.15 396	0.13 391	0.06 167	0.04 25	0.04 1	0.04 60	0.06 290	0.05 204
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
Lsterematch	0.11 290	0.06 108	0.11 245	0.16 209	0.07 133	0.13 355	0.15 320	0.14 144	0.17 308	0.16 409	0.18 377	0.15 380	0.15 451	0.12 291	0.14 428	0.07 338	0.04 25	0.06 189	0.06 282	0.06 290	0.06 305

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

NLMM1	0.11 290	0.09 425	0.07 11	0.22 571	0.10 452	0.12 304	0.20 543	0.18 297	0.20 380	0.12 302	0.11 244	0.07 124	0.09 266	0.11 197	0.11 288	0.08 414	0.08 519	0.07 299	0.06 282	0.04 48	0.04 73

NLCSM	0.11 290	0.09 425	0.09 122	0.23 595	0.11 502	0.12 304	0.19 520	0.18 297	0.18 339	0.12 302	0.11 244	0.07 124	0.09 266	0.11 197	0.10 207	0.07 338	0.08 519	0.07 299	0.07 379	0.06 290	0.05 204

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Selective-RAFT	0.11 290	0.10 487	0.11 245	0.21 554	0.08 213	0.16 445	0.13 171	0.20 338	0.22 410	0.10 226	0.10 193	0.11 285	0.10 305	0.15 396	0.11 288	0.05 51	0.05 269	0.06 189	0.05 191	0.06 290	0.05 204

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

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

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

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

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

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

GMOStereo	0.11 290	0.09 425	0.07 11	0.19 456	0.08 213	0.12 304	0.28 634	0.13 113	0.17 308	0.11 261	0.17 350	0.14 351	0.12 369	0.07 4	0.07 1	0.05 51	0.05 269	0.09 476	0.07 379	0.04 48	0.04 73

error version	0.11 290	0.09 425	0.07 11	0.19 456	0.08 213	0.12 304	0.28 634	0.13 113	0.17 308	0.11 261	0.17 350	0.14 351	0.12 369	0.07 4	0.07 1	0.05 51	0.05 269	0.09 476	0.07 379	0.04 48	0.04 73

test-v	0.11 290	0.09 425	0.07 11	0.19 456	0.08 213	0.12 304	0.28 634	0.13 113	0.17 308	0.11 261	0.17 350	0.14 351	0.12 369	0.07 4	0.07 1	0.05 51	0.05 269	0.09 476	0.07 379	0.04 48	0.04 73

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

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

LCNet	0.11 290	0.07 226	0.09 122	0.19 456	0.09 339	0.08 83	0.15 320	0.21 361	0.15 242	0.11 261	0.15 315	0.16 395	0.11 338	0.12 291	0.11 288	0.05 51	0.04 25	0.08 393	0.07 379	0.06 290	0.15 617

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

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

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

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

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

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

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

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

PSM-AAD	0.11 290	0.07 226	0.10 186	0.19 456	0.09 339	0.10 200	0.15 320	0.20 338	0.13 185	0.12 302	0.14 298	0.18 431	0.11 338	0.11 197	0.10 207	0.05 51	0.05 269	0.09 476	0.08 452	0.06 290	0.14 610

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

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

KYRaft	0.11 290	0.07 226	0.10 186	0.19 456	0.09 339	0.08 83	0.15 320	0.22 385	0.12 143	0.13 332	0.16 328	0.20 458	0.10 305	0.12 291	0.10 207	0.05 51	0.04 25	0.08 393	0.08 452	0.06 290	0.16 628

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

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

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

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

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

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

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

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

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

RAFT-RH_RVC	0.11 290	0.06 108	0.14 376	0.16 209	0.09 339	0.12 304	0.12 96	0.17 263	0.12 143	0.13 332	0.41 615	0.11 285	0.10 305	0.13 343	0.12 349	0.05 51	0.04 25	0.08 393	0.05 191	0.04 48	0.06 305

RAFT-345	0.11 290	0.07 226	0.15 425	0.16 209	0.08 213	0.08 83	0.12 96	0.15 186	0.10 75	0.11 261	0.36 578	0.09 220	0.09 266	0.11 197	0.12 349	0.05 51	0.05 269	0.07 299	0.06 282	0.04 48	0.05 204

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

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

test-2	0.11 290	0.09 425	0.07 11	0.19 456	0.08 213	0.12 304	0.28 634	0.13 113	0.17 308	0.11 261	0.17 350	0.14 351	0.12 369	0.07 4	0.07 1	0.05 51	0.05 269	0.09 476	0.07 379	0.04 48	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

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

RAFT_CTSACE	0.12 361	0.09 425	0.10 186	0.22 571	0.08 213	0.12 304	0.24 597	0.18 297	0.16 279	0.20 498	0.27 509	0.13 331	0.07 179	0.13 343	0.09 103	0.05 51	0.06 417	0.08 393	0.07 379	0.04 48	0.04 73

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

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

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

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

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

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

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

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

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

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

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

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

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

sCroCo_RVC	0.12 361	0.09 425	0.23 563	0.24 604	0.11 502	0.19 511	0.14 237	0.17 263	0.14 217	0.10 226	0.13 284	0.12 305	0.07 179	0.14 372	0.11 288	0.08 414	0.08 519	0.08 393	0.08 452	0.05 169	0.07 392

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

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

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

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

Selective-IGEV-i16pc	0.13 387	0.06 108	0.13 339	0.15 113	0.11 502	0.38 644	0.16 389	0.23 406	0.16 279	0.10 226	0.15 315	0.09 220	0.06 65	0.13 343	0.10 207	0.10 515	0.08 519	0.06 189	0.07 379	0.09 498	0.09 501

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

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

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

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

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

UGAM	0.13 387	0.10 487	0.09 122	0.22 571	0.08 213	0.12 304	0.20 543	0.17 263	0.23 422	0.21 512	0.16 328	0.13 331	0.13 409	0.19 502	0.12 349	0.07 338	0.05 269	0.13 591	0.11 574	0.07 371	0.05 204

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

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

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

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

MyStereo04	0.13 387	0.07 226	0.10 186	0.17 296	0.09 339	0.14 389	0.18 480	0.29 519	0.38 578	0.17 428	0.14 298	0.16 395	0.10 305	0.15 396	0.13 391	0.06 167	0.05 269	0.08 393	0.07 379	0.06 290	0.06 305

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

StereoVision	0.13 387	0.12 531	0.09 122	0.24 604	0.10 452	0.15 415	0.21 563	0.21 361	0.20 380	0.12 302	0.24 455	0.10 255	0.10 305	0.16 431	0.10 207	0.09 474	0.11 585	0.12 576	0.12 594	0.06 290	0.05 204

LL-Strereo	0.13 387	0.09 425	0.11 245	0.20 522	0.10 452	0.11 252	0.18 480	0.32 556	0.24 439	0.15 381	0.15 315	0.14 351	0.13 409	0.19 502	0.11 288	0.06 167	0.04 25	0.09 476	0.08 452	0.04 48	0.05 204

CASS	0.13 387	0.12 531	0.11 245	0.23 595	0.09 339	0.15 415	0.17 431	0.18 297	0.19 357	0.17 428	0.18 377	0.15 380	0.15 451	0.14 372	0.14 428	0.09 474	0.06 417	0.10 525	0.08 452	0.09 498	0.07 392
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 387	0.07 226	0.13 339	0.18 387	0.09 339	0.13 355	0.17 431	0.19 327	0.29 507	0.15 381	0.24 455	0.15 380	0.14 433	0.14 372	0.14 428	0.07 338	0.05 269	0.07 299	0.09 499	0.05 169	0.06 305

TestStereo1	0.13 387	0.08 345	0.08 57	0.19 456	0.08 213	0.18 487	0.29 644	0.23 406	0.16 279	0.17 428	0.20 400	0.16 395	0.10 305	0.12 291	0.13 391	0.06 167	0.06 417	0.08 393	0.06 282	0.05 169	0.05 204

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

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

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

RAFT+CT+SA	0.13 387	0.11 513	0.09 122	0.19 456	0.09 339	0.15 415	0.28 634	0.22 385	0.22 410	0.15 381	0.26 500	0.10 255	0.10 305	0.11 197	0.12 349	0.05 51	0.04 25	0.07 299	0.08 452	0.07 371	0.06 305

SA-5K	0.13 387	0.08 345	0.08 57	0.19 456	0.08 213	0.18 487	0.29 644	0.23 406	0.16 279	0.17 428	0.20 400	0.16 395	0.10 305	0.12 291	0.13 391	0.06 167	0.06 417	0.08 393	0.06 282	0.05 169	0.05 204

GwcNet-ADL	0.13 387	0.08 345	0.14 376	0.20 522	0.09 339	0.11 252	0.20 543	0.30 533	0.24 439	0.13 332	0.14 298	0.18 431	0.14 433	0.13 343	0.14 428	0.07 338	0.05 269	0.06 189	0.05 191	0.07 371	0.06 305

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

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

TestStereo	0.13 387	0.14 571	0.11 245	0.23 595	0.08 213	0.15 415	0.21 563	0.20 338	0.23 422	0.14 354	0.24 455	0.16 395	0.12 369	0.16 431	0.14 428	0.05 51	0.06 417	0.08 393	0.06 282	0.09 498	0.05 204

sAnonymous2	0.13 387	0.12 531	0.24 567	0.20 522	0.12 536	0.17 468	0.13 171	0.26 465	0.21 396	0.11 261	0.11 244	0.13 331	0.08 228	0.10 122	0.10 207	0.09 474	0.05 269	0.08 393	0.06 282	0.15 618	0.10 531

CroCo_RVC	0.13 387	0.12 531	0.24 567	0.20 522	0.12 536	0.17 468	0.13 171	0.26 465	0.21 396	0.11 261	0.11 244	0.13 331	0.08 228	0.10 122	0.10 207	0.09 474	0.05 269	0.08 393	0.06 282	0.15 618	0.10 531

RAFT + AFF	0.13 387	0.07 226	0.20 539	0.20 522	0.10 452	0.14 389	0.24 597	0.26 465	0.20 380	0.11 261	0.10 193	0.12 305	0.10 305	0.15 396	0.12 349	0.07 338	0.06 417	0.09 476	0.08 452	0.06 290	0.08 457

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

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

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

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

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

Selective-IGEV-i16pb	0.14 424	0.08 345	0.17 491	0.15 113	0.11 502	0.41 649	0.16 389	0.28 505	0.23 422	0.11 261	0.20 400	0.10 255	0.07 179	0.17 464	0.12 349	0.10 515	0.07 489	0.06 189	0.08 452	0.09 498	0.10 531

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

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

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

rvit_0105_6	0.14 424	0.09 425	0.18 515	0.17 296	0.10 452	0.10 200	0.16 389	0.19 327	0.26 475	0.12 302	0.18 377	0.17 417	0.12 369	0.18 487	0.12 349	0.15 615	0.11 585	0.12 576	0.10 540	0.09 498	0.06 305

rvit_0105_5	0.14 424	0.09 425	0.13 339	0.17 296	0.09 339	0.14 389	0.23 584	0.24 430	0.27 485	0.14 354	0.15 315	0.18 431	0.12 369	0.17 464	0.14 428	0.14 611	0.11 585	0.10 525	0.10 540	0.08 435	0.06 305

rvit_0105_4	0.14 424	0.09 425	0.17 491	0.17 296	0.10 452	0.12 304	0.19 520	0.23 406	0.27 485	0.14 354	0.20 400	0.17 417	0.13 409	0.17 464	0.13 391	0.15 615	0.11 585	0.11 556	0.10 540	0.09 498	0.06 305

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

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

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

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

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

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

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

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

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

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

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

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

PCWNet_CMD	0.14 424	0.08 345	0.15 425	0.17 296	0.09 339	0.14 389	0.14 237	0.29 519	0.36 564	0.14 354	0.20 400	0.21 467	0.12 369	0.17 464	0.13 391	0.07 338	0.05 269	0.07 299	0.07 379	0.07 371	0.07 392

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

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

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

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

BUS	0.14 424	0.09 425	0.14 376	0.22 571	0.10 452	0.19 511	0.14 237	0.34 585	0.19 357	0.17 428	0.22 434	0.16 395	0.13 409	0.15 396	0.13 391	0.08 414	0.06 417	0.10 525	0.09 499	0.07 371	0.07 392

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

test_5	0.14 424	0.12 531	0.08 57	0.20 522	0.10 452	0.14 389	0.29 644	0.21 361	0.24 439	0.18 458	0.28 523	0.11 285	0.15 451	0.12 291	0.13 391	0.06 167	0.05 269	0.07 299	0.08 452	0.08 435	0.07 392

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

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

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

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

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

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

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

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

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

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

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

MSMDNet	0.14 424	0.08 345	0.15 425	0.17 296	0.09 339	0.14 389	0.14 237	0.29 519	0.36 564	0.14 354	0.21 423	0.21 467	0.12 369	0.17 464	0.14 428	0.07 338	0.05 269	0.07 299	0.07 379	0.07 371	0.07 392

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

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

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

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

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

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

rvit_0105_3	0.15 469	0.09 425	0.14 376	0.19 456	0.12 536	0.15 415	0.25 612	0.25 447	0.29 507	0.15 381	0.17 350	0.20 458	0.13 409	0.17 464	0.14 428	0.13 597	0.11 585	0.12 576	0.14 609	0.07 371	0.06 305

ACV-stereo	0.15 469	0.10 487	0.28 587	0.18 387	0.12 536	0.14 389	0.12 96	0.23 406	0.21 396	0.19 475	0.23 443	0.22 485	0.15 451	0.23 568	0.17 491	0.07 338	0.06 417	0.07 299	0.07 379	0.07 371	0.07 392

ITSA-stereo	0.15 469	0.10 487	0.14 376	0.19 456	0.08 213	0.12 304	0.14 237	0.30 533	0.49 624	0.17 428	0.19 388	0.22 485	0.15 451	0.17 464	0.16 476	0.10 515	0.06 417	0.08 393	0.08 452	0.08 435	0.08 457

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

1111x	0.15 469	0.08 345	0.12 289	0.18 387	0.07 133	0.18 487	0.25 612	0.31 545	0.24 439	0.17 428	0.24 455	0.26 533	0.15 451	0.13 343	0.23 569	0.07 338	0.07 489	0.08 393	0.09 499	0.07 371	0.06 305

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

BSDual-CNN	0.15 469	0.09 425	0.14 376	0.22 571	0.10 452	0.14 389	0.15 320	0.34 585	0.19 357	0.17 428	0.22 434	0.25 523	0.16 479	0.15 396	0.14 428	0.08 414	0.06 417	0.10 525	0.09 499	0.07 371	0.07 392

hknet	0.15 469	0.11 513	0.13 339	0.22 571	0.11 502	0.14 389	0.15 320	0.34 585	0.25 461	0.17 428	0.22 434	0.22 485	0.18 517	0.17 464	0.12 349	0.07 338	0.06 417	0.10 525	0.09 499	0.07 371	0.07 392

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

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

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

PSMNet-ADL	0.15 469	0.12 531	0.13 339	0.22 571	0.09 339	0.13 355	0.20 543	0.26 465	0.23 422	0.18 458	0.20 400	0.24 509	0.16 479	0.18 487	0.17 491	0.08 414	0.08 519	0.08 393	0.11 574	0.08 435	0.07 392

LMCR-Stereo	0.15 469	0.08 345	0.13 339	0.21 554	0.09 339	0.17 468	0.20 543	0.27 486	0.19 357	0.24 550	0.24 455	0.23 503	0.17 502	0.20 527	0.17 491	0.07 338	0.06 417	0.08 393	0.06 282	0.10 531	0.08 457

ICVP	0.15 469	0.09 425	0.12 289	0.22 571	0.09 339	0.17 468	0.21 563	0.25 447	0.23 422	0.18 458	0.30 542	0.26 533	0.18 517	0.17 464	0.14 428	0.09 474	0.07 489	0.08 393	0.07 379	0.07 371	0.07 392
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 469	0.07 226	0.14 376	0.14 59	0.08 213	0.23 569	0.18 480	0.31 545	0.19 357	0.14 354	0.28 523	0.22 485	0.14 433	0.15 396	0.26 603	0.09 474	0.05 269	0.07 299	0.07 379	0.08 435	0.07 392

test_xeample	0.15 469	0.06 108	0.13 339	0.14 59	0.08 213	0.21 544	0.20 543	0.28 505	0.20 380	0.16 409	0.29 535	0.19 446	0.16 479	0.15 396	0.26 603	0.09 474	0.05 269	0.07 299	0.07 379	0.07 371	0.07 392

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

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

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

AdaStereo	0.15 469	0.11 513	0.15 425	0.18 387	0.09 339	0.20 527	0.11 64	0.32 556	0.28 500	0.20 498	0.23 443	0.20 458	0.13 409	0.19 502	0.14 428	0.12 571	0.05 269	0.10 525	0.07 379	0.09 498	0.07 392
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 469	0.08 345	0.14 376	0.16 209	0.09 339	0.16 445	0.14 237	0.28 505	0.25 461	0.19 475	0.23 443	0.37 613	0.16 479	0.20 527	0.15 460	0.07 338	0.05 269	0.07 299	0.06 282	0.07 371	0.06 305

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

DStereoRT	0.16 492	0.06 108	0.11 245	0.19 456	0.09 339	0.12 304	0.12 96	0.28 505	0.22 410	0.12 302	0.20 400	0.11 285	0.10 305	0.15 396	0.14 428	0.06 167	0.05 269	0.96 692	0.09 499	0.05 169	0.04 73

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

GMStereo_Zeroshot	0.16 492	0.13 559	0.24 567	0.20 522	0.10 452	0.17 468	0.13 171	0.29 519	0.25 461	0.23 541	0.32 554	0.25 523	0.11 338	0.19 502	0.14 428	0.09 474	0.06 417	0.11 556	0.06 282	0.12 569	0.08 457

iinet-f	0.16 492	0.06 108	0.45 632	0.14 59	0.10 452	0.21 544	0.14 237	0.27 486	0.23 422	0.21 512	0.24 455	0.21 467	0.15 451	0.18 487	0.21 548	0.09 474	0.07 489	0.07 299	0.06 282	0.09 498	0.10 531

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

NINENet	0.16 492	0.10 487	0.15 425	0.17 296	0.11 502	0.19 511	0.14 237	0.40 629	0.36 564	0.18 458	0.21 423	0.16 395	0.13 409	0.15 396	0.13 391	0.08 414	0.08 519	0.10 525	0.07 379	0.10 531	0.09 501

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

AASNet	0.16 492	0.08 345	0.12 289	0.19 456	0.09 339	0.18 487	0.15 320	0.37 613	0.37 571	0.19 475	0.23 443	0.20 458	0.16 479	0.17 464	0.20 528	0.10 515	0.08 519	0.08 393	0.07 379	0.09 498	0.09 501

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

ADLNet2	0.16 492	0.09 425	0.13 339	0.16 209	0.09 339	0.20 527	0.16 389	0.31 545	0.39 581	0.16 409	0.20 400	0.20 458	0.18 517	0.21 544	0.22 557	0.08 414	0.06 417	0.07 299	0.07 379	0.09 498	0.07 392

Anonymous3	0.16 492	0.13 559	0.33 607	0.26 620	0.14 580	0.27 605	0.17 431	0.28 505	0.28 500	0.15 381	0.17 350	0.14 351	0.10 305	0.15 396	0.12 349	0.08 414	0.08 519	0.08 393	0.08 452	0.08 435	0.11 558

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

HCRNet	0.16 492	0.24 636	0.12 289	0.35 654	0.11 502	0.15 415	0.17 431	0.26 465	0.22 410	0.19 475	0.24 455	0.21 467	0.14 433	0.15 396	0.13 391	0.11 546	0.07 489	0.11 556	0.10 540	0.09 498	0.07 392

222	0.16 492	0.07 226	0.14 376	0.14 59	0.08 213	0.24 574	0.18 480	0.30 533	0.20 380	0.17 428	0.28 523	0.17 417	0.16 479	0.15 396	0.40 658	0.10 515	0.05 269	0.07 299	0.06 282	0.07 371	0.08 457

UPFNet	0.16 492	0.08 345	0.12 289	0.20 522	0.12 536	0.20 527	0.23 584	0.28 505	0.26 475	0.17 428	0.24 455	0.22 485	0.19 533	0.19 502	0.21 548	0.09 474	0.07 489	0.08 393	0.09 499	0.08 435	0.06 305

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

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

FADNet-RVC-Resample	0.16 492	0.11 513	0.31 600	0.22 571	0.11 502	0.19 511	0.14 237	0.25 447	0.24 439	0.24 550	0.27 509	0.20 458	0.15 451	0.16 431	0.15 460	0.07 338	0.08 519	0.12 576	0.10 540	0.09 498	0.10 531

FADNet_RVC	0.16 492	0.14 571	0.40 625	0.20 522	0.11 502	0.13 355	0.13 171	0.26 465	0.22 410	0.21 512	0.23 443	0.20 458	0.17 502	0.14 372	0.16 476	0.08 414	0.08 519	0.12 576	0.09 499	0.11 554	0.10 531

AANet_RVC	0.16 492	0.10 487	0.10 186	0.18 387	0.09 339	0.18 487	0.19 520	0.26 465	0.31 525	0.22 528	0.35 575	0.21 467	0.21 549	0.22 557	0.16 476	0.06 167	0.05 269	0.06 189	0.06 282	0.07 371	0.06 305

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

z-ln-s-r	0.17 513	0.10 487	0.40 625	0.19 456	0.08 213	0.17 468	0.18 480	0.22 385	0.33 539	0.18 458	0.40 604	0.22 485	0.17 502	0.20 527	0.23 569	0.07 338	0.05 269	0.07 299	0.07 379	0.07 371	0.05 204

rvit_stereo_0075_2	0.17 513	0.12 531	0.25 572	0.23 595	0.16 611	0.13 355	0.10 35	0.30 533	0.27 485	0.20 498	0.28 523	0.22 485	0.15 451	0.18 487	0.13 391	0.16 631	0.10 573	0.17 626	0.10 540	0.10 531	0.09 501

ToySt	0.17 513	0.11 513	0.18 515	0.17 296	0.11 502	0.16 445	0.25 612	0.24 430	0.33 539	0.19 475	0.24 455	0.26 533	0.24 572	0.19 502	0.20 528	0.07 338	0.08 519	0.09 476	0.10 540	0.09 498	0.08 457

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

dad	0.17 513	0.20 621	0.20 539	0.16 209	0.11 502	0.20 527	0.18 480	0.21 361	0.28 500	0.30 604	0.24 455	0.29 559	0.13 409	0.19 502	0.16 476	0.18 637	0.09 552	0.11 556	0.09 499	0.11 554	0.07 392

GEStereo_RVC	0.17 513	0.12 531	0.15 425	0.22 571	0.11 502	0.19 511	0.17 431	0.32 556	0.48 617	0.20 498	0.25 483	0.17 417	0.13 409	0.21 544	0.16 476	0.10 515	0.06 417	0.08 393	0.07 379	0.09 498	0.08 457

MMNet	0.17 513	0.09 425	0.16 461	0.20 522	0.11 502	0.27 605	0.20 543	0.25 447	0.41 590	0.22 528	0.30 542	0.21 467	0.20 545	0.17 464	0.20 528	0.06 167	0.06 417	0.07 299	0.07 379	0.08 435	0.07 392

delet	0.17 513	0.08 345	0.17 491	0.19 456	0.11 502	0.20 527	0.21 563	0.30 533	0.37 571	0.17 428	0.26 500	0.19 446	0.19 533	0.19 502	0.21 548	0.08 414	0.08 519	0.09 476	0.11 574	0.06 290	0.06 305

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

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

DMCA-RVC	0.17 513	0.10 487	0.15 425	0.24 604	0.11 502	0.18 487	0.18 480	0.25 447	0.24 439	0.21 512	0.26 500	0.25 523	0.27 595	0.18 487	0.20 528	0.12 571	0.08 519	0.13 591	0.10 540	0.10 531	0.08 457

TDLM	0.17 513	0.12 531	0.13 339	0.24 604	0.10 452	0.18 487	0.18 480	0.36 607	0.30 517	0.21 512	0.28 523	0.28 551	0.18 517	0.23 568	0.18 509	0.11 546	0.07 489	0.10 525	0.10 540	0.08 435	0.08 457

NLCA_NET_v2_RVC	0.17 513	0.10 487	0.22 554	0.20 522	0.10 452	0.15 415	0.18 480	0.31 545	0.25 461	0.21 512	0.30 542	0.25 523	0.17 502	0.21 544	0.20 528	0.09 474	0.06 417	0.08 393	0.08 452	0.07 371	0.08 457
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 513	0.12 531	0.15 425	0.20 522	0.09 339	0.18 487	0.18 480	0.26 465	0.23 422	0.26 569	0.40 604	0.22 485	0.17 502	0.21 544	0.20 528	0.08 414	0.05 269	0.09 476	0.10 540	0.07 371	0.07 392
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 527	0.08 345	0.19 527	0.19 456	0.13 559	0.15 415	0.12 96	0.30 533	0.32 532	0.21 512	0.25 483	0.27 541	0.17 502	0.17 464	0.20 528	0.20 645	0.08 519	0.14 604	0.14 609	0.14 602	0.17 637

test_sample9	0.18 527	0.12 531	0.20 539	0.12 5	0.14 580	0.17 468	0.13 171	0.27 486	0.23 422	0.20 498	0.20 400	0.24 509	0.19 533	0.19 502	0.17 491	0.15 615	0.30 667	0.14 604	0.14 609	0.14 602	0.12 571

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

HBP-ISP	0.18 527	0.13 559	0.16 461	0.15 113	0.11 502	0.08 83	0.13 171	0.28 505	0.29 507	0.22 528	0.33 567	0.21 467	0.25 581	0.23 568	0.17 491	0.14 611	0.16 635	0.21 640	0.17 636	0.10 531	0.08 457

Wz-Net-LNSev-Ref	0.18 527	0.09 425	0.29 595	0.15 113	0.10 452	0.22 553	0.20 543	0.26 465	0.39 581	0.25 563	0.42 621	0.24 509	0.15 451	0.20 527	0.19 522	0.07 338	0.05 269	0.06 189	0.05 191	0.10 531	0.09 501

SACVNet	0.18 527	0.12 531	0.14 376	0.17 296	0.13 559	0.22 553	0.18 480	0.31 545	0.30 517	0.23 541	0.31 550	0.30 569	0.22 558	0.22 557	0.17 491	0.11 546	0.08 519	0.10 525	0.10 540	0.12 569	0.14 610

psm_up	0.18 527	0.10 487	0.18 515	0.20 522	0.11 502	0.17 468	0.19 520	0.37 613	0.34 551	0.21 512	0.28 523	0.29 559	0.24 572	0.20 527	0.22 557	0.09 474	0.10 573	0.11 556	0.11 574	0.08 435	0.08 457

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

STTStereo	0.18 527	0.12 531	0.27 582	0.20 522	0.11 502	0.16 445	0.21 563	0.29 519	0.23 422	0.21 512	0.30 542	0.29 559	0.18 517	0.20 527	0.19 522	0.12 571	0.11 585	0.11 556	0.14 609	0.09 498	0.08 457

CVANet_RVC	0.18 527	0.10 487	0.14 376	0.21 554	0.10 452	0.18 487	0.17 431	0.34 585	0.33 539	0.22 528	0.31 550	0.28 551	0.18 517	0.23 568	0.17 491	0.12 571	0.08 519	0.12 576	0.11 574	0.09 498	0.07 392

StereoDRNet	0.18 527	0.11 513	0.17 491	0.22 571	0.11 502	0.21 544	0.22 573	0.37 613	0.33 539	0.24 550	0.28 523	0.30 569	0.19 533	0.20 527	0.20 528	0.09 474	0.08 519	0.11 556	0.09 499	0.09 498	0.07 392

DLCB_ROB	0.18 527	0.10 487	0.15 425	0.23 595	0.11 502	0.24 574	0.18 480	0.29 519	0.28 500	0.27 575	0.28 523	0.28 551	0.24 572	0.19 502	0.20 528	0.08 414	0.08 519	0.09 476	0.09 499	0.07 371	0.07 392

TCMNet	0.19 539	0.12 531	0.19 527	0.20 522	0.18 633	0.20 527	0.24 597	0.27 486	0.36 564	0.23 541	0.26 500	0.25 523	0.19 533	0.19 502	0.23 569	0.13 597	0.11 585	0.11 556	0.12 594	0.13 588	0.12 571

rvit_105_1	0.19 539	0.11 513	0.25 572	0.21 554	0.16 611	0.21 544	0.27 628	0.31 545	0.41 590	0.19 475	0.20 400	0.22 485	0.17 502	0.19 502	0.17 491	0.12 571	0.12 601	0.13 591	0.15 625	0.08 435	0.07 392

test_sample8	0.19 539	0.12 531	0.20 539	0.12 5	0.14 580	0.17 468	0.13 171	0.31 545	0.21 396	0.27 575	0.22 434	0.36 608	0.25 581	0.19 502	0.17 491	0.15 615	0.30 667	0.14 604	0.14 609	0.14 602	0.12 571

SDNR	0.19 539	0.08 345	0.19 527	0.16 209	0.12 536	0.77 680	0.14 237	0.25 447	0.32 532	0.19 475	0.24 455	0.19 446	0.13 409	0.19 502	0.15 460	0.16 631	0.18 642	0.14 604	0.11 574	0.08 435	0.11 558

pcwnet_v2	0.19 539	0.10 487	0.26 575	0.17 296	0.14 580	0.18 487	0.15 320	0.37 613	0.46 615	0.19 475	0.24 455	0.21 467	0.19 533	0.20 527	0.19 522	0.13 597	0.10 573	0.10 525	0.10 540	0.11 554	0.13 593

ADCRef	0.19 539	0.12 531	0.41 628	0.20 522	0.12 536	0.22 553	0.18 480	0.32 556	0.36 564	0.26 569	0.32 554	0.17 417	0.23 566	0.24 578	0.24 582	0.07 338	0.06 417	0.09 476	0.09 499	0.08 435	0.08 457

NVstereo2D	0.19 539	0.10 487	0.15 425	0.17 296	0.15 600	0.28 612	0.23 584	0.44 646	0.42 598	0.15 381	0.27 509	0.25 523	0.19 533	0.22 557	0.17 491	0.09 474	0.06 417	0.10 525	0.08 452	0.15 618	0.09 501

DRN-Test	0.19 539	0.11 513	0.20 539	0.22 571	0.10 452	0.22 553	0.22 573	0.39 625	0.37 571	0.24 550	0.32 554	0.26 533	0.21 549	0.22 557	0.24 582	0.11 546	0.07 489	0.11 556	0.10 540	0.09 498	0.07 392

DISCO	0.19 539	0.09 425	0.22 554	0.17 296	0.10 452	0.25 585	0.18 480	0.27 486	0.44 608	0.22 528	0.31 550	0.33 595	0.26 587	0.28 600	0.28 619	0.08 414	0.06 417	0.07 299	0.07 379	0.09 498	0.09 501

CBMV_ROB	0.19 539	0.13 559	0.17 491	0.16 209	0.11 502	0.15 415	0.13 171	0.26 465	0.28 500	0.27 575	0.30 542	0.27 541	0.24 572	0.23 568	0.16 476	0.15 615	0.17 640	0.22 644	0.20 642	0.10 531	0.11 558

NOSS_ROB	0.19 539	0.12 531	0.18 515	0.16 209	0.12 536	0.15 415	0.12 96	0.30 533	0.32 532	0.20 498	0.22 434	0.27 541	0.23 566	0.21 544	0.16 476	0.16 631	0.18 642	0.23 645	0.21 644	0.12 569	0.13 593

CBMV	0.19 539	0.14 571	0.17 491	0.18 387	0.10 452	0.20 527	0.11 64	0.29 519	0.30 517	0.29 599	0.30 542	0.30 569	0.23 566	0.27 588	0.19 522	0.13 597	0.15 631	0.17 626	0.16 629	0.10 531	0.10 531
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 551	0.14 571	0.37 620	0.22 571	0.12 536	0.20 527	0.21 563	0.28 505	0.37 571	0.25 563	0.37 584	0.27 541	0.22 558	0.21 544	0.23 569	0.08 414	0.08 519	0.09 476	0.09 499	0.10 531	0.09 501

YMNet	0.20 551	0.12 531	0.19 527	0.20 522	0.14 580	0.26 595	0.23 584	0.32 556	0.34 551	0.27 575	0.34 571	0.30 569	0.18 517	0.18 487	0.22 557	0.10 515	0.13 616	0.10 525	0.10 540	0.08 435	0.09 501

YMNet_1	0.20 551	0.12 531	0.19 527	0.20 522	0.14 580	0.26 595	0.23 584	0.32 556	0.34 551	0.27 575	0.34 571	0.30 569	0.18 517	0.18 487	0.22 557	0.10 515	0.13 616	0.10 525	0.10 540	0.08 435	0.09 501

GwcNet	0.20 551	0.13 559	0.19 527	0.18 387	0.12 536	0.24 574	0.19 520	0.35 600	0.43 603	0.20 498	0.32 554	0.33 595	0.20 545	0.22 557	0.24 582	0.11 546	0.09 552	0.09 476	0.09 499	0.09 498	0.10 531

FAT-Stereo	0.20 551	0.12 531	0.22 554	0.21 554	0.12 536	0.17 468	0.18 480	0.34 585	0.39 581	0.27 575	0.37 584	0.34 602	0.32 626	0.21 544	0.20 528	0.09 474	0.11 585	0.10 525	0.09 499	0.11 554	0.14 610

FADNet-RVC	0.20 551	0.20 621	0.38 622	0.21 554	0.16 611	0.20 527	0.15 320	0.26 465	0.26 475	0.26 569	0.32 554	0.26 533	0.21 549	0.22 557	0.19 522	0.12 571	0.13 616	0.12 576	0.14 609	0.13 588	0.18 640

S-Stereo	0.20 551	0.12 531	0.25 572	0.21 554	0.13 559	0.20 527	0.18 480	0.32 556	0.43 603	0.23 541	0.36 578	0.28 551	0.30 618	0.19 502	0.22 557	0.09 474	0.12 601	0.10 525	0.10 540	0.13 588	0.13 593

SuperB	0.20 551	0.10 487	0.56 648	0.16 209	0.09 339	0.18 487	0.18 480	0.24 430	0.50 627	0.26 569	0.39 598	0.17 417	0.21 549	0.22 557	0.21 548	0.08 414	0.06 417	0.06 189	0.06 282	0.12 569	0.10 531

ADCP+	0.20 551	0.10 487	0.33 607	0.20 522	0.12 536	0.22 553	0.26 621	0.31 545	0.34 551	0.26 569	0.37 584	0.22 485	0.22 558	0.27 588	0.27 611	0.09 474	0.06 417	0.08 393	0.08 452	0.09 498	0.10 531

PS-NSSS	0.20 551	0.21 627	0.23 563	0.20 522	0.10 452	0.19 511	0.17 431	0.36 607	0.25 461	0.27 575	0.33 567	0.27 541	0.24 572	0.20 527	0.20 528	0.15 615	0.12 601	0.17 626	0.14 609	0.10 531	0.08 457

PWCDC_ROB	0.20 551	0.13 559	0.22 554	0.24 604	0.11 502	0.19 511	0.15 320	0.33 576	0.54 637	0.29 599	0.50 637	0.21 467	0.15 451	0.27 588	0.20 528	0.11 546	0.09 552	0.10 525	0.08 452	0.11 554	0.09 501

SGM-Forest	0.20 551	0.14 571	0.18 515	0.19 456	0.13 559	0.20 527	0.22 573	0.33 576	0.30 517	0.24 550	0.29 535	0.28 551	0.19 533	0.23 568	0.17 491	0.15 615	0.16 635	0.15 616	0.14 609	0.12 569	0.12 571
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 563	0.17 600	0.19 527	0.23 595	0.15 600	0.30 619	0.20 543	0.33 576	0.35 560	0.23 541	0.28 523	0.31 582	0.27 595	0.20 527	0.22 557	0.15 615	0.12 601	0.13 591	0.09 499	0.14 602	0.14 610

FINET	0.21 563	0.18 611	0.26 575	0.18 387	0.16 611	0.23 569	0.23 584	0.32 556	0.48 617	0.25 563	0.32 554	0.22 485	0.22 558	0.22 557	0.17 491	0.18 637	0.16 635	0.11 556	0.10 540	0.15 618	0.13 593

Syn2CoEx	0.21 563	0.16 589	0.27 582	0.29 645	0.14 580	0.26 595	0.20 543	0.33 576	0.31 525	0.28 590	0.36 578	0.27 541	0.25 581	0.19 502	0.24 582	0.16 631	0.12 601	0.14 604	0.11 574	0.09 498	0.08 457

FADNet	0.21 563	0.22 631	0.36 616	0.18 387	0.17 626	0.24 574	0.13 171	0.31 545	0.31 525	0.23 541	0.25 483	0.27 541	0.21 549	0.19 502	0.15 460	0.13 597	0.15 631	0.12 576	0.15 625	0.16 627	0.18 640

RP	0.21 563	0.13 559	0.21 548	0.23 595	0.11 502	0.21 544	0.20 543	0.25 447	0.44 608	0.21 512	0.38 590	0.36 608	0.24 572	0.27 588	0.25 592	0.11 546	0.12 601	0.13 591	0.12 594	0.12 569	0.14 610

DANet	0.21 563	0.15 581	0.28 587	0.25 615	0.13 559	0.22 553	0.19 520	0.27 486	0.27 485	0.28 590	0.32 554	0.35 606	0.31 622	0.31 610	0.23 569	0.11 546	0.09 552	0.11 556	0.10 540	0.13 588	0.11 558
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 563	0.12 531	0.21 548	0.24 604	0.13 559	0.22 553	0.22 573	0.41 635	0.26 475	0.31 610	0.42 621	0.37 613	0.28 606	0.23 568	0.22 557	0.10 515	0.12 601	0.10 525	0.09 499	0.10 531	0.08 457

PWC_ROB	0.21 563	0.16 589	0.26 575	0.18 387	0.11 502	0.22 553	0.13 171	0.32 556	0.49 624	0.30 604	0.40 604	0.32 591	0.24 572	0.31 610	0.22 557	0.10 515	0.07 489	0.11 556	0.08 452	0.11 554	0.10 531

PSMNet_ROB	0.21 563	0.11 513	0.15 425	0.27 633	0.15 600	0.24 574	0.35 661	0.43 644	0.37 571	0.27 575	0.32 554	0.32 591	0.22 558	0.21 544	0.26 603	0.12 571	0.08 519	0.13 591	0.11 574	0.09 498	0.09 501

MSAF-DinoV2	0.22 572	0.11 513	0.23 563	0.17 296	0.10 452	0.27 605	0.16 389	0.37 613	0.55 638	0.21 512	0.27 509	0.47 647	0.27 595	0.35 629	0.39 655	0.09 474	0.06 417	0.07 299	0.09 499	0.12 569	0.10 531

GASNet	0.22 572	0.23 633	0.33 607	0.26 620	0.17 626	0.26 595	0.16 389	0.44 646	0.42 598	0.27 575	0.24 455	0.30 569	0.15 451	0.27 588	0.18 509	0.12 571	0.08 519	0.12 576	0.11 574	0.16 627	0.07 392

Anonymous_2	0.22 572	0.17 600	0.28 587	0.15 113	0.16 611	0.32 621	0.22 573	0.22 385	0.17 308	0.23 541	0.24 455	0.26 533	0.27 595	0.27 588	0.23 569	0.22 654	0.25 663	0.17 626	0.17 636	0.17 635	0.17 637

Wz-Net-LNSev	0.22 572	0.16 589	0.38 622	0.21 554	0.13 559	0.25 585	0.23 584	0.32 556	0.43 603	0.30 604	0.41 615	0.31 582	0.18 517	0.22 557	0.25 592	0.10 515	0.09 552	0.08 393	0.08 452	0.12 569	0.11 558

Wz-Net-MNSev	0.22 572	0.13 559	0.31 600	0.20 522	0.14 580	0.36 640	0.24 597	0.33 576	0.44 608	0.28 590	0.40 604	0.38 617	0.19 533	0.24 578	0.25 592	0.09 474	0.07 489	0.09 476	0.09 499	0.12 569	0.10 531

DDUNet	0.22 572	0.17 600	0.21 548	0.22 571	0.15 600	0.25 585	0.24 597	0.29 519	0.30 517	0.31 610	0.36 578	0.33 595	0.25 581	0.24 578	0.20 528	0.18 637	0.13 616	0.17 626	0.11 574	0.16 627	0.16 628

APVNet	0.22 572	0.12 531	0.19 527	0.18 387	0.14 580	0.32 621	0.31 657	0.39 625	0.32 532	0.27 575	0.40 604	0.30 569	0.29 614	0.26 585	0.25 592	0.11 546	0.12 601	0.11 556	0.14 609	0.12 569	0.12 571

aanetorigin	0.22 572	0.17 600	0.56 648	0.17 296	0.10 452	0.15 415	0.19 520	0.20 338	0.33 539	0.49 652	0.48 632	0.29 559	0.27 595	0.20 527	0.23 569	0.08 414	0.07 489	0.08 393	0.07 379	0.10 531	0.09 501

MaskLacGwcNet_RVC	0.22 572	0.21 627	0.24 567	0.26 620	0.11 502	0.23 569	0.14 237	0.39 625	0.24 439	0.32 616	0.36 578	0.30 569	0.21 549	0.19 502	0.21 548	0.17 636	0.14 625	0.21 640	0.16 629	0.12 569	0.12 571

AF-Net	0.22 572	0.17 600	0.17 491	0.26 620	0.13 559	0.25 585	0.24 597	0.32 556	0.50 627	0.25 563	0.33 567	0.38 617	0.26 587	0.28 600	0.25 592	0.11 546	0.10 573	0.16 623	0.11 574	0.11 554	0.10 531

stereogan	0.22 572	0.11 513	0.21 548	0.20 522	0.12 536	0.31 620	0.19 520	0.35 600	0.44 608	0.22 528	0.39 598	0.35 606	0.27 595	0.33 620	0.22 557	0.10 515	0.12 601	0.10 525	0.10 540	0.14 602	0.13 593

edge stereo	0.22 572	0.13 559	0.20 539	0.21 554	0.13 559	0.23 569	0.16 389	0.32 556	0.42 598	0.32 616	0.40 604	0.38 617	0.35 636	0.25 583	0.24 582	0.13 597	0.11 585	0.14 604	0.11 574	0.12 569	0.13 593

RYNet	0.22 572	0.12 531	0.22 554	0.19 456	0.17 626	0.46 651	0.26 621	0.38 621	0.48 617	0.24 550	0.28 523	0.34 602	0.23 566	0.20 527	0.30 630	0.10 515	0.06 417	0.09 476	0.09 499	0.13 588	0.15 617

NaN_ROB	0.22 572	0.19 615	0.24 567	0.25 615	0.13 559	0.29 616	0.26 621	0.33 576	0.41 590	0.31 610	0.31 550	0.32 591	0.23 566	0.30 609	0.21 548	0.11 546	0.17 640	0.10 525	0.10 540	0.08 435	0.09 501

MDST_ROB	0.22 572	0.10 487	0.17 491	0.18 387	0.11 502	0.37 641	0.19 520	0.43 644	0.41 590	0.39 633	0.39 598	0.29 559	0.21 549	0.26 585	0.18 509	0.11 546	0.10 573	0.14 604	0.11 574	0.10 531	0.08 457

XPNet_ROB	0.22 572	0.11 513	0.19 527	0.22 571	0.13 559	0.22 553	0.19 520	0.34 585	0.40 587	0.30 604	0.39 598	0.39 625	0.26 587	0.26 585	0.28 619	0.15 615	0.10 573	0.10 525	0.10 540	0.13 588	0.12 571

SQANet	0.23 588	0.23 633	0.30 598	0.30 647	0.19 637	0.27 605	0.13 171	0.29 519	0.33 539	0.24 550	0.37 584	0.31 582	0.22 558	0.27 588	0.23 569	0.15 615	0.10 573	0.21 640	0.16 629	0.21 643	0.15 617

Nwc_Net	0.23 588	0.16 589	0.21 548	0.25 615	0.14 580	0.24 574	0.26 621	0.37 613	0.38 578	0.22 528	0.41 615	0.30 569	0.28 606	0.28 600	0.25 592	0.11 546	0.10 573	0.17 626	0.20 642	0.10 531	0.10 531

RTSC	0.23 588	0.12 531	0.28 587	0.21 554	0.13 559	0.28 612	0.16 389	0.35 600	0.66 663	0.27 575	0.33 567	0.30 569	0.21 549	0.31 610	0.29 623	0.10 515	0.08 519	0.09 476	0.10 540	0.13 588	0.13 593

PA-Net	0.23 588	0.18 611	0.33 607	0.28 636	0.22 646	0.21 544	0.38 666	0.29 519	0.39 581	0.22 528	0.32 554	0.25 523	0.26 587	0.20 527	0.25 592	0.09 474	0.23 660	0.15 616	0.22 647	0.09 498	0.13 593
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 588	0.15 581	0.17 491	0.34 652	0.18 633	0.24 574	0.23 584	0.34 585	0.28 500	0.31 610	0.38 590	0.38 617	0.28 606	0.23 568	0.24 582	0.15 615	0.12 601	0.18 635	0.21 644	0.13 588	0.13 593

ETE_ROB	0.23 588	0.17 600	0.22 554	0.25 615	0.13 559	0.26 595	0.29 644	0.31 545	0.36 564	0.28 590	0.36 578	0.45 639	0.26 587	0.27 588	0.26 603	0.11 546	0.08 519	0.12 576	0.09 499	0.14 602	0.13 593

SGM_RVC	0.23 588	0.12 531	0.15 425	0.15 113	0.09 339	0.33 628	0.18 480	0.34 585	0.31 525	0.44 647	0.37 584	0.53 655	0.35 636	0.35 629	0.24 582	0.13 597	0.13 616	0.13 591	0.13 605	0.10 531	0.11 558
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 595	0.18 611	0.18 515	0.20 522	0.14 580	0.21 544	0.19 520	0.32 556	0.41 590	0.29 599	0.21 423	0.32 591	0.27 595	0.41 654	0.27 611	0.46 675	0.12 601	0.31 663	0.11 574	0.15 618	0.12 571

z-mn7	0.24 595	0.14 571	0.45 632	0.19 456	0.13 559	0.28 612	0.25 612	0.34 585	0.62 654	0.27 575	0.56 649	0.29 559	0.24 572	0.32 617	0.25 592	0.08 414	0.08 519	0.08 393	0.08 452	0.10 531	0.10 531

w-ln-seven	0.24 595	0.14 571	0.55 645	0.19 456	0.14 580	0.26 595	0.22 573	0.35 600	0.60 651	0.29 599	0.39 598	0.30 569	0.22 558	0.21 544	0.26 603	0.09 474	0.09 552	0.11 556	0.10 540	0.11 554	0.10 531

DGSMNet	0.24 595	0.19 615	0.33 607	0.21 554	0.24 651	0.24 574	0.20 543	0.35 600	0.41 590	0.24 550	0.32 554	0.38 617	0.21 549	0.29 606	0.23 569	0.12 571	0.11 585	0.14 604	0.16 629	0.23 647	0.23 651

G-Net	0.24 595	0.16 589	0.36 616	0.22 571	0.16 611	0.51 657	0.23 584	0.29 519	0.34 551	0.36 626	0.38 590	0.31 582	0.29 614	0.27 588	0.26 603	0.11 546	0.09 552	0.12 576	0.09 499	0.16 627	0.13 593

NCC-stereo	0.24 595	0.15 581	0.31 600	0.26 620	0.16 611	0.20 527	0.30 651	0.40 629	0.40 587	0.24 550	0.38 590	0.33 595	0.28 606	0.36 635	0.27 611	0.12 571	0.11 585	0.15 616	0.22 647	0.13 588	0.13 593

Abc-Net	0.24 595	0.15 581	0.31 600	0.26 620	0.16 611	0.20 527	0.30 651	0.40 629	0.40 587	0.24 550	0.38 590	0.33 595	0.28 606	0.36 635	0.27 611	0.12 571	0.11 585	0.15 616	0.22 647	0.13 588	0.13 593
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 595	0.11 513	0.47 637	0.22 571	0.12 536	0.34 631	0.29 644	0.29 519	0.56 641	0.24 550	0.46 629	0.30 569	0.30 618	0.29 606	0.29 623	0.08 414	0.07 489	0.09 476	0.09 499	0.10 531	0.10 531

DeepPrunerF	0.24 595	0.17 600	0.42 630	0.26 620	0.16 611	0.22 553	0.28 634	0.37 613	0.50 627	0.26 569	0.29 535	0.24 509	0.28 606	0.21 544	0.22 557	0.15 615	0.11 585	0.20 639	0.18 640	0.12 569	0.13 593

FBW_ROB	0.24 595	0.17 600	0.22 554	0.26 620	0.14 580	0.25 585	0.22 573	0.41 635	0.41 590	0.41 640	0.41 615	0.42 632	0.27 595	0.31 610	0.23 569	0.09 474	0.14 625	0.14 604	0.12 594	0.11 554	0.09 501

SANet	0.24 595	0.14 571	0.28 587	0.21 554	0.11 502	0.27 605	0.24 597	0.38 621	0.64 659	0.36 626	0.40 604	0.43 635	0.26 587	0.27 588	0.24 582	0.12 571	0.09 552	0.10 525	0.09 499	0.13 588	0.11 558

WCMA_ROB	0.24 595	0.11 513	0.22 554	0.17 296	0.14 580	0.32 621	0.15 320	0.32 556	0.32 532	0.38 631	0.53 640	0.40 629	0.34 633	0.34 623	0.25 592	0.11 546	0.12 601	0.12 576	0.10 540	0.14 602	0.14 610

DStereoSA	0.25 607	0.19 615	0.37 620	0.26 620	0.17 626	0.22 553	0.20 543	0.49 656	0.59 647	0.22 528	0.29 535	0.29 559	0.33 628	0.39 646	0.28 619	0.12 571	0.11 585	0.16 623	0.14 609	0.14 602	0.12 571

zh-sn7	0.25 607	0.17 600	0.50 639	0.24 604	0.13 559	0.25 585	0.24 597	0.34 585	0.48 617	0.28 590	0.54 642	0.28 551	0.31 622	0.36 635	0.32 638	0.10 515	0.10 573	0.11 556	0.10 540	0.12 569	0.12 571

zh-mn7	0.25 607	0.14 571	0.56 648	0.19 456	0.14 580	0.24 574	0.22 573	0.34 585	0.62 654	0.35 623	0.65 658	0.31 582	0.25 581	0.31 610	0.25 592	0.09 474	0.08 519	0.09 476	0.09 499	0.09 498	0.11 558

Wz-Net-SNSev	0.25 607	0.17 600	0.44 631	0.25 615	0.14 580	0.26 595	0.23 584	0.38 621	0.56 641	0.30 604	0.55 644	0.39 625	0.26 587	0.23 568	0.30 630	0.10 515	0.09 552	0.09 476	0.10 540	0.11 554	0.11 558

psmorigin	0.25 607	0.15 581	0.34 615	0.17 296	0.13 559	0.23 569	0.14 237	0.34 585	0.33 539	0.41 640	0.55 644	0.41 631	0.37 640	0.34 623	0.27 611	0.11 546	0.15 631	0.11 556	0.11 574	0.12 569	0.16 628

RGC	0.25 607	0.20 621	0.29 595	0.28 636	0.16 611	0.22 553	0.23 584	0.32 556	0.44 608	0.27 575	0.40 604	0.38 617	0.27 595	0.36 635	0.22 557	0.11 546	0.13 616	0.17 626	0.17 636	0.14 602	0.16 628

ADCMid	0.25 607	0.15 581	0.40 625	0.20 522	0.14 580	0.25 585	0.26 621	0.34 585	0.38 578	0.36 626	0.44 626	0.34 602	0.40 647	0.35 629	0.33 643	0.10 515	0.09 552	0.11 556	0.11 574	0.13 588	0.12 571

ADCPNet	0.25 607	0.16 589	0.61 655	0.21 554	0.15 600	0.35 639	0.25 612	0.32 556	0.35 560	0.30 604	0.40 604	0.36 608	0.28 606	0.28 600	0.32 638	0.12 571	0.10 573	0.11 556	0.12 594	0.14 602	0.13 593

LALA_ROB	0.25 607	0.16 589	0.22 554	0.26 620	0.17 626	0.27 605	0.27 628	0.42 640	0.37 571	0.33 620	0.38 590	0.51 651	0.26 587	0.28 600	0.27 611	0.16 631	0.09 552	0.12 576	0.11 574	0.13 588	0.12 571

SHD	0.26 616	0.15 581	0.30 598	0.24 604	0.18 633	0.22 553	0.15 320	0.38 621	0.71 667	0.32 616	0.41 615	0.36 608	0.28 606	0.32 617	0.29 623	0.12 571	0.11 585	0.14 604	0.13 605	0.16 627	0.20 646

AnyNet_C32	0.26 616	0.16 589	0.36 616	0.20 522	0.16 611	0.25 585	0.30 651	0.32 556	0.44 608	0.31 610	0.49 633	0.30 569	0.33 628	0.40 651	0.33 643	0.12 571	0.12 601	0.12 576	0.14 609	0.14 602	0.15 617

DStereoFS	0.27 618	0.22 631	0.31 600	0.22 571	0.15 600	0.22 553	0.20 543	0.50 660	0.48 617	0.28 590	0.44 626	0.33 595	0.34 633	0.52 664	0.29 623	0.12 571	0.11 585	0.15 616	0.13 605	0.16 627	0.16 628

PSMNet-RUCA	0.27 618	0.33 656	0.41 628	0.36 656	0.32 664	0.18 487	0.19 520	0.42 640	0.30 517	0.33 620	0.41 615	0.39 625	0.25 581	0.31 610	0.20 528	0.18 637	0.10 573	0.25 647	0.15 625	0.21 643	0.16 628

PDISCO_ROB	0.27 618	0.16 589	0.26 575	0.28 636	0.20 640	0.32 621	0.26 621	0.44 646	0.57 643	0.28 590	0.40 604	0.45 639	0.29 614	0.33 620	0.34 645	0.12 571	0.09 552	0.17 626	0.16 629	0.17 635	0.13 593

DispFullNet	0.27 618	0.21 627	0.65 658	0.28 636	0.16 611	0.26 595	0.17 431	0.33 576	0.58 646	0.27 575	0.38 590	0.43 635	0.23 566	0.38 642	0.23 569	0.12 571	0.06 417	0.19 637	0.11 574	0.21 643	0.15 617

MeshStereo	0.27 618	0.13 559	0.18 515	0.15 113	0.11 502	0.32 621	0.24 597	0.40 629	0.36 564	0.52 654	0.57 652	0.67 666	0.40 647	0.35 629	0.26 603	0.14 611	0.13 616	0.13 591	0.11 574	0.11 554	0.10 531
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WZ-Net	0.28 623	0.17 600	0.78 675	0.22 571	0.16 611	0.34 631	0.29 644	0.39 625	0.57 643	0.24 550	0.55 644	0.37 613	0.24 572	0.33 620	0.35 646	0.09 474	0.08 519	0.09 476	0.10 540	0.14 602	0.16 628

XQC	0.28 623	0.23 633	0.51 640	0.28 636	0.19 637	0.34 631	0.27 628	0.36 607	0.57 643	0.31 610	0.30 542	0.37 613	0.30 618	0.38 642	0.38 653	0.13 597	0.09 552	0.15 616	0.12 594	0.17 635	0.18 640

CC-Net-ROB	0.28 623	0.31 654	0.36 616	0.29 645	0.15 600	0.25 585	0.19 520	0.45 649	0.33 539	0.39 633	0.37 584	0.39 625	0.31 622	0.27 588	0.26 603	0.24 660	0.19 645	0.30 662	0.23 651	0.18 638	0.15 617

DPSNet	0.28 623	0.16 589	0.31 600	0.18 387	0.13 559	0.54 659	0.42 670	0.51 662	0.67 664	0.29 599	0.38 590	0.38 617	0.29 614	0.31 610	0.23 569	0.11 546	0.10 573	0.11 556	0.08 452	0.20 642	0.16 628

MultiAttention	0.29 627	0.08 345	0.14 376	0.19 456	0.12 536	1.45 695	1.33 699	0.36 607	0.37 571	0.19 475	0.21 423	0.24 509	0.11 338	0.38 642	0.18 509	0.06 167	0.05 269	0.08 393	0.08 452	0.10 531	0.09 501

Wz-Net-TNSev	0.29 627	0.20 621	0.65 658	0.19 456	0.15 600	0.38 644	0.27 628	0.35 600	0.55 638	0.34 622	0.42 621	0.45 639	0.38 641	0.32 617	0.30 630	0.12 571	0.13 616	0.10 525	0.12 594	0.15 618	0.14 610

ccnet	0.29 627	0.28 649	0.23 563	0.20 522	0.28 658	0.41 649	0.21 563	0.45 649	0.33 539	0.36 626	0.46 629	0.36 608	0.30 618	0.39 646	0.42 662	0.23 658	0.14 625	0.21 640	0.17 636	0.23 647	0.18 640

EDNetEfficient	0.29 627	0.24 636	1.13 686	0.18 387	0.10 452	0.19 511	0.20 543	0.20 338	0.60 651	0.74 674	0.56 649	0.31 582	0.39 644	0.22 557	0.30 630	0.09 474	0.07 489	0.08 393	0.07 379	0.11 554	0.09 501

ADCS	0.29 627	0.18 611	0.45 632	0.21 554	0.17 626	0.28 612	0.23 584	0.41 635	0.63 658	0.40 636	0.49 633	0.40 629	0.36 638	0.39 646	0.40 658	0.13 597	0.12 601	0.13 591	0.14 609	0.16 627	0.16 628

CSAN	0.29 627	0.24 636	0.27 582	0.34 652	0.19 637	0.33 628	0.42 670	0.37 613	0.50 627	0.38 631	0.40 604	0.44 637	0.33 628	0.28 600	0.30 630	0.20 645	0.16 635	0.19 637	0.19 641	0.14 602	0.15 617

AANet	0.30 633	0.19 615	1.03 684	0.16 209	0.13 559	0.22 553	0.16 389	0.30 533	0.62 654	0.60 661	0.52 639	0.46 643	0.38 641	0.23 568	0.32 638	0.12 571	0.09 552	0.11 556	0.10 540	0.13 588	0.12 571

MFN_U_SF_DS_RVC	0.30 633	0.24 636	0.29 595	0.36 656	0.16 611	0.34 631	0.30 651	0.32 556	0.42 598	0.40 636	0.46 629	0.38 617	0.31 622	0.34 623	0.28 619	0.19 643	0.20 648	0.26 648	0.29 661	0.18 638	0.19 645

GANetREF_RVC	0.31 635	0.34 657	0.27 582	0.35 654	0.16 611	0.32 621	0.41 667	0.48 654	0.51 634	0.35 623	0.35 575	0.34 602	0.33 628	0.39 646	0.32 638	0.27 662	0.20 648	0.29 660	0.15 625	0.18 638	0.17 637
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 635	0.26 642	0.26 575	0.24 604	0.21 644	0.34 631	0.25 612	0.34 585	0.39 581	0.40 636	0.69 662	0.45 639	0.40 647	0.34 623	0.27 611	0.20 645	0.19 645	0.26 648	0.25 653	0.23 647	0.22 650

MFN_U_SF_RVC	0.32 637	0.21 627	0.55 645	0.30 647	0.15 600	0.34 631	0.17 431	0.52 663	0.46 615	0.46 651	0.55 644	0.59 658	0.39 644	0.35 629	0.37 651	0.15 615	0.14 625	0.18 635	0.21 644	0.16 627	0.15 617

PASM	0.32 637	0.24 636	0.48 638	0.28 636	0.27 657	0.29 616	0.30 651	0.34 585	0.49 624	0.35 623	0.39 598	0.46 643	0.34 633	0.34 623	0.35 646	0.23 658	0.25 663	0.26 648	0.28 660	0.23 647	0.21 648

SGM-ForestM	0.32 637	0.12 531	0.16 461	0.16 209	0.11 502	0.39 646	0.19 520	0.41 635	0.50 627	0.52 654	0.54 642	1.32 687	0.42 655	0.40 651	0.27 611	0.14 611	0.16 635	0.16 623	0.16 629	0.12 569	0.12 571

FC-DCNN v2	0.33 640	0.27 645	0.28 587	0.26 620	0.23 649	0.37 641	0.28 634	0.40 629	0.43 603	0.45 648	0.56 649	0.51 651	0.40 647	0.37 640	0.29 623	0.21 649	0.20 648	0.27 651	0.26 654	0.25 654	0.24 652

FCDSN-DC	0.33 640	0.28 649	0.28 587	0.30 647	0.24 651	0.39 646	0.28 634	0.42 640	0.42 598	0.43 646	0.53 640	0.51 651	0.41 652	0.36 635	0.30 630	0.21 649	0.20 648	0.27 651	0.26 654	0.25 654	0.24 652
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 640	0.27 645	0.28 587	0.26 620	0.23 649	0.37 641	0.28 634	0.40 629	0.43 603	0.45 648	0.55 644	0.51 651	0.40 647	0.37 640	0.30 630	0.21 649	0.20 648	0.27 651	0.26 654	0.25 654	0.24 652

LSM	0.33 640	0.20 621	0.58 651	0.26 620	0.60 682	0.34 631	0.25 612	0.42 640	0.48 617	0.45 648	0.58 654	0.42 632	0.36 638	0.35 629	0.25 592	0.12 571	0.20 648	0.14 604	0.16 629	0.19 641	0.33 666

AnyNet_C01	0.36 644	0.25 641	1.37 689	0.22 571	0.17 626	0.48 655	0.27 628	0.35 600	0.39 581	0.39 633	0.74 668	0.46 643	0.38 641	0.45 656	0.47 667	0.13 597	0.13 616	0.13 591	0.14 609	0.14 602	0.15 617

GCST	0.37 645	0.42 664	0.26 575	1.02 690	0.39 665	0.18 487	0.08 7	0.20 338	0.17 308	0.28 590	0.25 483	0.15 380	0.12 369	0.16 431	0.14 428	0.64 686	0.43 675	0.75 682	0.65 686	0.63 679	0.46 677

otaku	0.39 646	0.37 660	0.52 641	0.44 663	0.28 658	0.58 661	0.24 597	0.41 635	0.62 654	0.40 636	0.49 633	0.46 643	0.33 628	0.40 651	0.32 638	0.30 663	0.30 667	0.39 667	0.33 666	0.29 661	0.28 660

ACVNet-4b	0.39 646	0.53 667	0.55 645	0.45 664	0.24 651	0.47 653	0.18 480	0.49 656	0.64 659	0.42 643	0.45 628	0.60 659	0.27 595	0.34 623	0.24 582	0.33 666	0.14 625	0.48 670	0.42 672	0.30 662	0.26 659

PVD	0.39 646	0.20 621	0.39 624	0.31 651	0.22 646	0.29 616	0.43 672	0.52 663	0.96 681	0.55 658	0.79 672	0.53 655	0.59 671	0.52 664	0.38 653	0.19 643	0.14 625	0.17 626	0.14 609	0.24 653	0.31 664

Ntro	0.40 649	0.40 662	0.53 642	0.46 667	0.30 662	0.65 667	0.24 597	0.46 651	0.68 665	0.41 640	0.49 633	0.48 649	0.42 655	0.39 646	0.31 637	0.32 664	0.28 665	0.37 666	0.30 663	0.32 666	0.29 661

SAMSARA	0.40 649	0.28 649	0.33 607	0.55 670	0.39 665	0.82 681	1.23 698	0.47 653	0.51 634	0.36 626	0.35 575	0.55 657	0.39 644	0.38 642	0.39 655	0.15 615	0.20 648	0.15 616	0.14 609	0.23 647	0.20 646

ELAS_RVC	0.41 651	0.29 652	0.33 607	0.28 636	0.24 651	0.54 659	0.36 662	0.49 656	0.59 647	0.72 670	0.74 668	0.65 664	0.54 664	0.54 669	0.40 658	0.22 654	0.20 648	0.27 651	0.26 654	0.26 659	0.25 657
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 651	0.29 652	0.33 607	0.27 633	0.24 651	0.60 664	0.36 662	0.50 660	0.50 627	0.71 668	0.79 672	0.67 666	0.54 664	0.51 662	0.42 662	0.22 654	0.20 648	0.27 651	0.26 654	0.26 659	0.25 657
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
light-stereo	0.42 653	0.26 642	0.59 653	0.60 672	0.49 672	0.32 621	0.23 584	0.46 651	0.52 636	0.56 660	0.58 654	0.76 671	0.32 626	0.48 658	0.29 623	0.32 664	0.24 661	0.27 651	0.33 666	0.46 670	0.39 671

MSC_U_SF_DS_RVC	0.43 654	0.39 661	0.54 643	0.40 659	0.20 640	0.64 666	0.32 659	0.53 665	0.72 668	0.71 668	0.72 665	0.61 660	0.54 664	0.51 662	0.46 666	0.20 645	0.19 645	0.29 660	0.30 663	0.23 647	0.18 640

ACVNet_1	0.44 655	0.49 666	0.60 654	0.45 664	0.28 658	0.49 656	0.27 628	0.57 670	0.72 668	0.62 663	0.58 654	0.74 670	0.49 661	0.50 660	0.35 646	0.26 661	0.24 661	0.39 667	0.29 661	0.31 665	0.24 652

Consistency-Raft	0.44 655	0.40 662	0.45 632	0.37 658	0.43 669	0.46 651	0.41 667	0.57 670	0.55 638	0.32 616	0.73 666	0.33 595	0.48 660	0.42 655	0.49 669	0.39 669	0.35 672	0.45 669	0.51 679	0.42 669	0.29 661

RTS	0.45 657	0.19 615	3.26 695	0.24 604	0.15 600	0.74 674	0.20 543	0.36 607	0.76 674	0.42 643	0.43 624	0.31 582	0.41 652	0.53 667	0.35 646	0.10 515	0.08 519	0.13 591	0.12 594	0.15 618	0.15 617

RTSA	0.45 657	0.19 615	3.26 695	0.24 604	0.15 600	0.74 674	0.20 543	0.36 607	0.76 674	0.42 643	0.43 624	0.31 582	0.41 652	0.53 667	0.35 646	0.10 515	0.08 519	0.13 591	0.12 594	0.15 618	0.15 617

MANE	0.45 657	0.27 645	0.27 582	0.27 633	0.24 651	0.47 653	0.31 657	0.55 667	0.59 647	0.72 670	1.13 689	1.15 681	0.61 672	0.52 664	0.37 651	0.21 649	0.20 648	0.27 651	0.31 665	0.25 654	0.24 652

NVStereoNet_ROB	0.46 660	0.36 659	0.46 636	0.41 661	0.28 658	0.34 631	0.34 660	0.48 654	0.60 651	0.72 670	0.93 678	0.70 669	0.66 675	0.47 657	0.60 677	0.22 654	0.33 671	0.34 665	0.34 669	0.30 662	0.30 663
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 661	0.26 642	0.58 651	0.28 636	0.20 640	0.39 646	0.18 480	0.49 656	0.64 659	0.52 654	0.87 675	1.01 676	0.57 669	0.50 660	0.56 674	0.53 679	0.31 670	0.54 676	0.40 670	0.33 667	0.34 667

LE_ROB	0.50 662	0.07 226	0.14 376	0.15 113	0.08 213	0.24 574	0.16 389	0.22 385	1.81 697	4.63 702	0.67 660	0.47 647	0.44 657	0.20 527	0.29 623	0.07 338	0.06 417	0.06 189	0.06 282	0.08 435	0.06 305

BEATNet-Init1	0.52 663	0.27 645	0.62 656	0.30 647	0.21 644	0.76 678	0.29 644	0.54 666	0.65 662	0.86 679	0.95 680	2.07 696	0.62 674	0.56 671	0.42 662	0.18 637	0.18 642	0.23 645	0.22 647	0.22 646	0.21 648

anonymity	0.53 664	0.58 669	0.65 658	0.41 661	0.61 683	0.53 658	0.41 667	0.56 668	0.41 590	0.55 658	0.50 637	0.49 650	0.55 667	0.58 672	0.50 672	0.58 682	0.50 685	0.51 672	0.51 679	0.51 672	0.57 680

RainbowNet	0.54 665	0.61 671	0.70 673	0.57 671	0.43 669	0.65 667	0.37 665	0.60 672	0.87 678	0.50 653	0.66 659	0.64 662	0.47 659	0.49 659	0.43 665	0.47 676	0.48 681	0.52 674	0.41 671	0.52 673	0.40 674

SGM+DAISY	0.56 666	0.57 668	0.65 658	0.40 659	0.54 675	0.66 669	0.49 675	0.56 668	0.45 614	0.66 664	0.69 662	0.67 666	0.56 668	0.63 674	0.56 674	0.59 683	0.48 681	0.50 671	0.50 678	0.52 673	0.58 681

SPS-STEREO	0.57 667	0.58 669	0.65 658	0.45 664	0.55 677	0.62 665	0.44 674	0.62 673	0.50 627	0.68 666	0.64 657	0.66 665	0.57 669	0.61 673	0.60 677	0.62 685	0.47 680	0.51 672	0.49 676	0.55 677	0.58 681
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 668	0.66 675	0.65 658	0.51 668	0.69 687	0.69 670	0.57 681	0.64 674	0.73 672	0.60 661	0.73 666	0.62 661	0.67 676	0.65 675	0.60 677	0.66 687	0.58 694	0.63 677	0.59 682	0.68 684	0.69 690

IMH-64-1	0.65 669	0.61 671	0.68 667	0.71 675	0.51 673	0.59 662	0.49 675	0.91 681	0.85 676	0.74 674	1.02 682	0.81 672	0.78 680	0.79 678	0.49 669	0.42 671	0.46 676	0.71 679	0.47 674	0.52 673	0.39 671

IMH-64	0.65 669	0.61 671	0.68 667	0.71 675	0.51 673	0.59 662	0.49 675	0.91 681	0.85 676	0.74 674	1.02 682	0.81 672	0.78 680	0.79 678	0.49 669	0.42 671	0.46 676	0.71 679	0.47 674	0.52 673	0.39 671

ACVNet_2	0.66 671	0.66 675	0.68 667	0.63 673	0.41 667	0.71 672	0.49 675	0.96 685	1.39 690	0.89 680	1.09 685	1.04 677	0.73 678	0.54 669	0.47 667	0.43 673	0.40 674	0.53 675	0.44 673	0.47 671	0.35 669

JetBlue	0.71 672	0.45 665	1.14 687	0.51 668	0.47 671	2.02 696	0.64 685	0.75 676	0.70 666	0.69 667	0.77 671	1.22 683	0.83 682	1.03 693	1.01 693	0.40 670	0.28 665	0.33 664	0.33 666	0.30 662	0.34 667

IMH	0.71 672	0.64 674	0.68 667	0.76 677	0.54 675	0.69 670	0.54 679	0.98 687	1.10 683	0.82 678	1.09 685	0.89 674	0.88 685	0.87 686	0.52 673	0.44 674	0.50 685	0.75 682	0.51 679	0.56 678	0.41 675

PWCK	0.71 672	0.94 686	0.95 682	0.76 677	0.31 663	0.74 674	0.36 662	0.90 680	0.90 679	0.96 683	0.75 670	0.95 675	0.61 672	0.87 686	0.66 680	0.72 688	0.46 676	0.75 682	0.49 676	0.69 686	0.44 676

MADNet+	0.75 675	0.71 677	3.70 698	0.66 674	0.41 667	0.98 686	0.97 696	0.69 675	0.73 672	0.52 654	0.57 652	0.64 662	0.68 677	0.86 685	1.01 693	0.34 667	0.36 673	0.28 659	0.23 651	0.36 668	0.31 664

TorneroNet-64	0.76 676	0.72 678	0.74 674	0.78 679	0.58 681	0.91 685	0.56 680	0.84 679	1.29 687	0.66 664	0.90 676	1.40 689	0.75 679	0.85 684	0.67 683	0.49 677	0.46 676	0.72 681	0.59 682	0.67 683	0.53 679

WAO-7	0.79 677	0.78 680	0.54 643	0.85 683	0.67 686	0.74 674	0.68 689	1.05 690	1.32 688	0.90 681	1.20 692	1.04 677	0.92 686	0.69 676	0.66 680	0.60 684	0.62 695	0.67 678	0.68 688	0.64 680	0.58 681

WAO-6	0.81 678	0.80 681	0.62 656	0.86 684	0.63 684	0.76 678	0.58 682	0.98 687	1.54 695	0.90 681	0.96 681	1.07 679	1.03 690	0.70 677	0.66 680	0.72 688	0.49 683	0.90 690	0.71 689	0.68 684	0.58 681

TorneroNet	0.82 679	0.74 679	0.81 679	0.84 682	0.63 684	0.99 687	0.63 683	0.96 685	1.16 684	0.80 677	1.11 687	1.36 688	0.86 684	0.93 689	0.80 688	0.56 680	0.49 683	0.78 687	0.66 687	0.73 689	0.63 689

LVE	0.83 680	0.85 684	0.85 680	0.80 680	0.56 678	1.04 691	0.65 686	1.05 690	1.47 693	0.96 683	1.22 693	1.10 680	0.85 683	0.83 681	0.71 685	0.49 677	0.55 691	0.76 685	0.60 684	0.65 681	0.59 686

Dean	0.87 681	0.86 685	0.79 677	0.81 681	0.56 678	0.90 682	0.63 683	1.15 696	1.73 696	1.15 691	1.15 690	1.31 686	0.99 689	0.81 680	0.81 689	0.57 681	0.56 692	0.77 686	0.64 685	0.66 682	0.58 681

WAO-8	0.91 682	0.81 682	0.65 658	0.94 687	0.69 687	0.90 682	0.67 687	1.07 693	1.83 698	1.06 688	1.45 695	1.30 684	1.07 691	0.84 682	0.78 686	0.74 690	0.53 688	0.86 688	0.75 690	0.69 686	0.62 687

Venus	0.91 682	0.81 682	0.65 658	0.94 687	0.69 687	0.90 682	0.67 687	1.07 693	1.83 698	1.06 688	1.45 695	1.30 684	1.07 691	0.84 682	0.78 686	0.74 690	0.53 688	0.86 688	0.75 690	0.69 686	0.62 687

UNDER WATER-64	0.95 684	0.94 686	1.43 691	0.87 685	0.56 678	1.18 694	0.87 693	0.77 677	0.94 680	1.04 686	0.85 674	1.58 694	1.21 696	0.94 690	0.96 691	0.87 694	0.57 693	1.03 694	0.88 695	0.78 690	0.73 691

UNDER WATER	0.97 685	0.97 688	1.42 690	0.99 689	0.70 690	1.12 693	0.84 692	0.80 678	1.08 682	1.01 685	0.90 676	1.55 693	1.22 697	1.03 693	1.00 692	0.78 692	0.53 688	1.02 693	0.87 694	0.80 691	0.74 692

notaker	0.97 685	1.11 689	0.98 683	1.13 692	0.81 691	0.73 673	0.68 689	0.93 683	1.16 684	1.18 693	1.18 691	1.41 690	1.16 695	1.08 695	0.69 684	0.81 693	0.64 696	1.17 695	0.79 692	0.98 693	0.80 694

ktn	1.01 687	1.21 691	0.80 678	1.23 694	0.86 693	1.01 689	0.87 693	0.94 684	1.39 690	1.04 686	1.12 688	1.15 681	1.07 691	0.94 690	0.59 676	1.28 699	0.71 697	1.38 699	0.83 693	1.02 695	0.75 693

KSHMR	1.09 688	1.17 690	0.88 681	1.25 695	1.00 695	0.99 687	0.96 695	1.13 695	1.37 689	1.16 692	1.29 694	1.41 690	0.96 688	1.01 692	0.92 690	1.03 697	1.08 699	1.20 696	1.03 698	1.01 694	0.97 696

DPSimNet_ROB	1.11 689	1.23 692	0.78 675	1.13 692	0.88 694	1.10 692	1.13 697	1.16 697	1.23 686	1.43 695	1.02 682	1.41 690	1.10 694	0.90 688	1.60 695	1.46 700	0.51 687	1.21 697	1.03 698	0.90 692	1.01 698

HanzoNet	1.29 690	1.26 693	1.19 688	1.12 691	0.85 692	1.02 690	0.83 691	1.03 689	1.48 694	1.64 696	1.61 697	2.50 698	1.72 698	1.61 697	1.61 696	1.26 698	0.80 698	1.31 698	1.01 697	1.02 695	0.86 695

JetRed	1.62 691	1.46 694	2.98 693	0.92 686	1.21 696	4.99 699	1.53 701	1.27 698	1.39 690	1.83 697	1.74 698	1.60 695	0.95 687	1.41 696	2.45 701	0.90 696	1.60 700	0.93 691	0.90 696	1.35 697	0.99 697

MADNet++	1.95 692	1.75 695	1.59 692	1.82 696	1.69 698	2.33 697	1.40 700	2.35 699	2.09 700	2.57 699	2.36 700	2.24 697	2.17 700	2.28 698	2.34 699	1.87 701	1.66 701	1.54 700	1.34 700	1.92 698	1.77 700

Selective-IGEV-i1pa	2.80 693	3.51 701	0.67 666	0.28 636	0.14 580	10.22 703	0.43 672	4.36 700	3.63 701	3.53 700	6.92 702	3.47 699	1.97 699	13.41 714	2.26 698	0.36 668	0.15 631	0.13 591	0.10 540	0.15 618	0.35 669

coex-ft	3.30 694	0.34 657	59.09 726	0.18 387	0.13 559	0.26 595	0.22 573	0.27 486	0.72 668	1.90 698	0.70 664	0.44 637	0.45 658	0.29 606	0.41 661	0.09 474	0.09 552	0.12 576	0.09 499	0.14 602	0.13 593

TCMNet-wrong-test	3.67 695	5.48 709	3.89 699	12.18 710	11.75 712	4.65 698	3.88 702	1.06 692	0.72 668	1.09 690	2.15 699	6.30 704	0.53 663	3.43 700	2.36 700	0.89 695	0.20 648	1.87 702	1.69 701	5.57 706	3.62 706

tt	4.67 696	0.06 108	3.55 697	2.02 697	1.55 697	10.25 704	16.71 706	8.91 709	5.03 702	1.31 694	0.94 679	4.71 700	4.76 702	3.33 699	5.87 703	6.06 709	10.30 715	1.88 703	2.11 703	2.75 700	1.21 699

USTest	6.22 697	2.73 698	3.00 694	6.57 704	7.29 704	14.37 706	21.57 707	7.00 708	9.56 707	5.34 705	6.10 701	5.72 703	7.64 705	6.41 704	6.96 705	1.97 702	3.42 707	1.64 701	2.15 704	2.66 699	2.36 701

xxxxx1	7.79 698	5.02 706	7.31 702	3.12 698	3.85 700	16.35 708	22.88 708	5.86 705	8.69 704	7.97 706	8.54 703	9.12 708	8.27 706	10.18 706	10.92 706	2.42 703	2.45 703	3.56 706	12.37 712	3.77 701	3.06 703

tt_ll	7.79 698	5.02 706	7.31 702	3.12 698	3.85 700	16.35 708	22.88 708	5.86 705	8.69 704	7.97 706	8.54 703	9.12 708	8.27 706	10.18 706	10.92 706	2.42 703	2.45 703	3.56 706	12.37 712	3.77 701	3.06 703

ff	7.79 698	5.02 706	7.31 702	3.12 698	3.85 700	16.35 708	22.88 708	5.86 705	8.69 704	7.97 706	8.54 703	9.12 708	8.27 706	10.18 706	10.92 706	2.42 703	2.45 703	3.56 706	12.37 712	3.77 701	3.06 703

EDNetEfficientorigin	7.91 701	0.31 654	153.02 727	0.19 456	0.09 339	0.21 544	0.16 389	0.22 385	0.59 647	0.72 670	0.67 660	0.42 632	0.50 662	0.24 578	0.39 655	0.08 414	0.07 489	0.08 393	0.07 379	0.12 569	0.10 531

DPSMNet_ROB	8.06 702	4.48 702	8.63 710	5.37 703	10.74 707	8.32 701	22.98 712	5.46 702	13.36 712	5.12 703	9.92 708	5.08 701	10.40 709	5.53 703	12.58 709	3.80 707	8.00 708	3.50 704	7.02 709	3.83 704	7.14 710

DGTPSM_ROB	8.06 702	4.48 702	8.63 710	5.35 701	10.72 706	8.32 701	22.97 711	5.46 702	13.35 711	5.12 703	9.92 708	5.08 701	10.40 709	5.52 702	12.58 709	3.79 706	8.00 708	3.50 704	7.02 709	3.83 704	7.14 710

PML	8.91 704	9.34 715	6.13 700	5.35 701	6.41 703	14.99 707	23.38 713	5.27 701	6.83 703	18.04 718	28.19 727	7.67 705	6.83 704	7.85 705	5.75 702	5.35 708	1.83 702	5.95 714	1.93 702	8.64 711	2.52 702

DLNR_Zeroshot_test	10.40 705	1.82 696	19.49 721	120.77 727	13.11 714	0.06 14	0.13 171	0.23 406	0.10 75	0.07 75	0.10 193	0.09 220	0.06 65	0.10 122	0.09 103	0.13 597	0.04 25	0.06 189	0.04 60	51.54 727	0.04 73

DLNR-FE	10.43 706	1.83 697	19.53 722	120.75 726	13.06 713	0.06 14	0.13 171	0.23 406	0.10 75	0.07 75	0.10 193	0.09 220	0.06 65	0.10 122	0.09 103	0.13 597	0.04 25	0.06 189	0.04 60	52.01 728	0.04 73

iinet-test	10.48 707	8.09 711	7.54 706	10.26 705	10.94 708	18.00 712	25.26 714	11.33 713	13.28 709	9.69 710	9.85 706	9.42 711	11.17 711	11.02 710	12.78 712	6.59 711	8.30 710	5.56 709	6.56 705	6.89 707	7.02 708

IINet	10.48 707	8.09 711	7.54 706	10.26 705	10.94 708	18.00 712	25.26 714	11.33 713	13.28 709	9.69 710	9.85 706	9.42 711	11.17 711	11.02 710	12.78 712	6.59 711	8.30 710	5.56 709	6.56 705	6.89 707	7.02 708

LRCNet_RVC	10.62 709	13.42 716	7.30 701	18.92 714	2.07 699	0.33 628	0.30 651	5.59 704	0.48 617	13.03 714	17.94 714	8.87 707	5.65 703	4.79 701	1.89 697	23.51 724	2.73 706	27.55 727	25.71 727	16.07 721	16.33 722

Anonymous_1	10.96 710	7.92 710	7.46 705	10.33 707	10.06 705	18.65 714	26.34 716	11.06 712	13.44 713	9.40 709	10.05 710	9.67 713	11.23 713	10.73 709	12.72 711	6.42 710	8.38 712	5.77 711	10.61 711	12.12 712	6.77 707

DPSM_ROB	11.15 711	8.58 713	8.00 708	10.88 708	11.58 710	19.10 715	26.71 717	12.05 715	14.07 716	10.36 712	10.84 711	10.33 714	11.86 714	11.70 712	13.54 714	6.99 713	8.79 713	5.89 712	6.95 707	7.29 709	7.42 712

DPSM	11.15 711	8.58 713	8.00 708	10.88 708	11.58 710	19.10 715	26.71 717	12.05 715	14.07 716	10.36 712	10.84 711	10.33 714	11.86 714	11.70 712	13.54 714	6.99 713	8.79 713	5.89 712	6.95 707	7.29 709	7.42 712

HaxPig	15.71 713	18.52 725	19.18 720	16.89 713	15.89 715	7.73 700	7.60 703	13.31 717	10.82 708	15.42 715	14.91 713	15.98 716	14.92 716	15.58 715	15.98 716	18.95 723	16.73 716	19.46 723	18.08 723	19.26 722	19.05 725

Selective-IGEV-i16pa	18.58 714	3.30 699	1.09 685	0.21 554	0.18 633	103.68 728	0.28 634	19.87 719	40.73 728	4.16 701	56.45 728	8.07 706	2.59 701	123.95 729	5.89 704	0.18 637	0.12 601	0.09 476	0.12 594	0.12 569	0.51 678

RSGM-EC	20.36 715	4.73 704	0.68 667	16.76 711	16.92 716	21.28 717	27.18 719	10.46 710	14.04 714	18.00 716	21.31 717	22.24 726	21.82 718	22.57 717	17.63 717	62.81 727	33.79 727	20.14 724	18.10 724	20.18 723	16.45 723

acva	20.36 715	4.73 704	0.68 667	16.76 711	16.92 716	21.28 717	27.18 719	10.46 710	14.04 714	18.00 716	21.31 717	22.24 726	21.82 718	22.57 717	17.63 717	62.81 727	33.79 727	20.14 724	18.10 724	20.18 723	16.45 723

MEDIAN_ROB	20.38 717	24.04 726	23.31 723	21.23 715	21.71 718	10.40 705	7.92 704	17.64 718	15.50 718	20.12 719	19.70 715	20.34 717	20.32 717	21.19 716	21.13 719	23.81 725	21.81 725	24.98 726	23.76 726	24.71 725	23.93 726

CasAABBNet	22.42 718	17.33 718	16.01 714	22.01 717	23.28 720	38.32 719	53.80 724	24.14 723	28.41 723	20.60 722	21.77 721	20.89 724	23.91 723	23.43 722	27.36 723	14.07 716	17.69 719	11.83 717	14.01 716	14.67 715	14.95 718

RAFT-FEzeroshot	22.43 719	17.33 718	15.98 712	22.02 718	23.31 722	38.34 720	53.82 726	24.05 721	28.39 721	20.61 723	21.76 719	20.88 721	23.92 725	23.41 720	27.42 725	14.07 716	17.69 719	11.83 717	14.02 717	14.69 716	14.97 719

RAFT-FE	22.43 719	17.33 718	15.98 712	22.02 718	23.31 722	38.34 720	53.82 726	24.05 721	28.39 721	20.61 723	21.76 719	20.88 721	23.92 725	23.41 720	27.42 725	14.07 716	17.69 719	11.83 717	14.02 717	14.69 716	14.97 719

FlowAnything	22.44 721	17.35 721	16.14 716	22.07 721	23.23 719	38.39 724	53.77 722	24.25 725	28.44 724	20.96 727	21.82 723	20.70 719	23.84 721	23.49 724	27.14 721	14.04 715	17.79 724	11.75 715	14.15 721	14.65 713	14.89 715

Hybrid-DGEV	22.47 722	17.40 723	16.14 716	22.00 716	23.29 721	38.36 722	53.80 724	24.43 728	28.63 727	20.59 721	21.81 722	20.88 721	23.91 723	23.45 723	27.42 725	14.08 719	17.69 719	11.83 717	14.06 720	14.65 713	14.93 717

Selective-RAFT-Error	22.47 722	17.37 722	16.09 715	22.06 720	23.34 724	38.39 724	53.83 728	24.29 727	28.47 725	20.74 725	21.83 724	20.81 720	23.90 722	23.54 726	27.53 728	14.08 719	17.69 719	11.82 716	14.00 715	14.69 716	15.00 721

fast-reg	22.85 724	17.43 724	19.15 719	22.22 723	24.34 725	38.36 722	53.78 723	24.23 724	28.52 726	20.55 720	22.05 725	20.54 718	23.77 720	23.21 719	27.31 722	14.18 722	17.47 718	14.33 722	14.96 722	15.81 720	14.81 714

LSM0	22.87 725	17.28 717	18.96 718	22.19 722	29.04 727	38.42 726	53.71 721	24.28 726	28.31 720	20.78 726	21.00 716	21.43 725	24.16 727	23.50 725	27.39 724	14.09 721	17.38 717	11.84 721	14.04 719	14.73 719	14.89 715

AVERAGE_ROB	24.90 726	29.20 727	28.14 724	24.89 724	24.64 726	17.75 711	11.12 705	21.45 720	19.93 719	25.12 728	24.46 726	25.12 728	25.46 728	24.69 727	22.83 720	29.76 726	27.13 726	28.97 728	27.95 728	29.91 726	29.47 727

test_example2	98.32 727	94.13 728	45.89 725	96.35 725	109.85 728	88.61 727	95.45 729	25.75 729	94.37 729	130.00 730	126.06 729	58.17 729	74.63 729	88.51 728	79.96 729	150.23 729	221.02 729	77.62 729	99.10 729	113.75 729	96.94 728

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

FSD					0.22 646	0.25 585	0.25 612	0.27 486	0.26 475	0.25 563	0.26 500	0.25 523	0.27 595	0.27 588	0.24 582	0.21 649	0.20 648	0.27 651	0.26 654	0.25 654

ccccc		285.66 729		368.85 728	370.60 729	123.16 729		115.05 730		126.68 729		122.83 730		252.94 730		384.56 730	353.86 730	254.69 730	223.00 730	425.87 730

ASD4		3.38 700

Low-res two-view benchmark