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

CREStereo	0.98 1	0.42 52	1.86 2	0.07 1	0.22 38	1.65 9	0.02 6	4.07 8	6.33 92	0.72 5	1.54 5	0.43 7	0.64 7	1.22 7	0.44 2	0.00 1	0.00 1	0.00 1	0.00 1	0.01 6	0.00 1
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
CroCo-Stereo	1.05 2	0.26 2	2.66 25	0.20 9	1.31 129	3.32 63	1.79 123	4.41 10	1.04 1	1.56 7	0.32 1	1.53 19	0.61 5	0.88 2	0.78 18	0.00 1	0.00 1	0.00 1	0.01 124	0.06 77	0.15 127

TANstereo	1.20 3	0.49 66	2.04 7	0.34 24	0.10 14	1.80 16	0.01 1	3.40 3	4.10 34	4.37 27	4.82 22	0.41 6	0.70 8	0.94 3	0.46 3	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

sCroCo_RVC	1.21 4	0.65 90	5.16 129	1.09 57	1.29 126	0.92 1	0.19 23	3.92 5	2.68 4	0.30 1	3.04 11	0.52 10	1.56 41	1.58 10	0.78 18	0.09 152	0.25 198	0.00 1	0.00 1	0.07 81	0.11 108

sAnonymous2	1.35 5	1.66 178	8.14 178	0.55 28	0.46 83	1.23 2	0.24 27	4.00 6	3.47 12	0.40 2	1.11 2	0.23 2	1.42 37	0.96 4	0.57 7	0.01 65	0.00 1	0.00 1	0.20 184	2.07 218	0.22 146

CroCo_RVC	1.35 5	1.66 178	8.14 178	0.55 28	0.46 83	1.23 2	0.24 27	4.00 6	3.47 12	0.40 2	1.11 2	0.23 2	1.42 37	0.96 4	0.57 7	0.01 65	0.00 1	0.00 1	0.20 184	2.07 218	0.22 146

Anonymous	1.37 7	0.52 68	4.23 103	1.38 76	2.70 175	1.85 17	0.42 38	4.77 13	3.54 16	0.53 4	1.56 6	0.19 1	1.32 31	3.11 28	0.92 36	0.05 140	0.08 153	0.00 1	0.00 1	0.17 129	0.15 127

PMTNet	1.41 8	0.37 36	2.06 9	0.26 16	0.15 23	2.94 49	0.34 33	3.39 2	5.33 70	1.00 6	1.27 4	0.28 5	0.93 18	4.04 35	0.74 13	5.00 228	0.00 1	0.00 1	0.00 1	0.03 44	0.01 8

XX-TBD	1.44 9	0.85 115	2.04 7	2.45 161	0.05 4	2.34 23	0.01 1	3.46 4	7.51 116	2.88 13	4.98 27	0.26 4	0.25 2	1.15 6	0.46 3	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo++_RVC	1.59 10	0.39 47	2.26 12	0.36 25	0.01 1	1.67 10	0.01 1	2.95 1	8.12 127	3.69 23	7.44 80	0.47 9	0.32 3	0.74 1	0.39 1	0.00 1	0.00 1	0.00 1	3.03 230	0.00 1	0.00 1

iRaftStereo_RVC	1.62 11	0.68 93	1.98 6	0.67 32	0.05 4	2.99 53	0.04 7	5.36 33	3.74 20	3.82 24	4.96 25	2.54 31	0.62 6	3.35 30	0.97 38	0.00 1	0.07 149	0.00 1	0.00 1	0.30 160	0.27 163

rafts_anoy	1.72 12	0.79 108	2.58 22	2.03 125	1.75 144	2.47 28	0.16 21	5.48 41	6.01 86	3.24 17	2.11 9	1.92 27	1.33 33	3.08 27	1.13 51	0.01 65	0.18 185	0.00 1	0.01 124	0.03 44	0.07 84

TestStereo	1.74 13	1.02 135	3.64 84	0.20 9	0.28 52	1.33 4	0.01 1	5.24 29	4.01 29	3.18 14	4.97 26	2.07 28	0.70 8	7.32 70	0.75 15	0.02 102	0.00 1	0.00 1	0.00 1	0.01 6	0.00 1

Anonymous3	1.76 14	0.44 54	6.37 154	0.33 23	0.50 86	4.33 109	0.54 47	4.43 11	2.48 2	2.21 9	3.24 13	1.53 19	1.14 23	5.64 47	1.29 54	0.17 168	0.23 192	0.00 1	0.00 1	0.12 106	0.15 127

raft+_RVC	1.79 15	0.84 113	2.32 15	2.40 157	0.85 108	1.38 5	0.09 10	6.36 70	4.75 60	2.85 12	5.46 41	1.17 13	1.36 35	4.54 38	0.91 33	0.00 1	0.10 159	0.00 1	0.00 1	0.11 98	0.22 146

GMO	1.81 16	0.47 63	2.09 10	0.10 2	0.27 48	1.49 6	0.89 84	4.40 9	4.51 53	8.16 103	6.97 70	2.96 36	1.15 24	1.42 8	0.88 30	0.00 1	0.14 175	0.00 1	0.00 1	0.23 154	0.03 48

GMO-cross-data	1.82 17	0.45 56	5.42 133	0.89 39	0.41 75	2.14 18	0.56 51	5.75 48	4.15 37	3.28 18	5.11 30	3.61 41	0.70 8	1.53 9	1.56 61	0.02 102	0.34 204	0.00 1	0.08 163	0.02 17	0.30 168

GMStereo	1.83 18	0.99 132	4.55 114	0.57 30	0.05 4	2.53 29	0.01 1	4.95 19	11.14 153	3.52 20	2.24 10	0.53 11	0.49 4	3.76 34	0.80 21	0.20 174	0.00 1	0.00 1	0.12 175	0.12 106	0.00 1
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. arXiv 2022
raftrobust	1.86 19	0.74 101	1.94 5	2.15 138	2.24 162	2.74 39	0.53 44	4.89 17	4.05 30	6.09 58	3.89 15	1.64 21	2.55 62	2.44 25	1.12 49	0.00 1	0.03 121	0.00 1	0.00 1	0.12 106	0.08 89

s12784h	1.89 20	0.30 6	2.57 21	0.11 3	0.09 12	4.18 107	0.13 14	6.61 78	7.44 115	3.62 22	4.28 17	0.59 12	0.81 16	6.61 61	0.46 3	0.01 65	0.01 87	0.00 1	0.00 1	0.02 17	0.00 1

RALCasStereoNet	1.93 21	1.01 133	2.75 33	1.88 110	1.75 144	2.88 46	0.18 22	4.64 12	4.36 47	2.27 10	5.14 31	2.22 29	0.79 15	7.10 67	1.00 41	0.00 1	0.34 204	0.00 1	0.00 1	0.10 92	0.16 132

RANet	1.95 22	0.40 48	2.86 42	0.12 4	0.18 32	3.74 78	0.66 68	5.24 29	2.96 5	5.86 53	4.32 18	3.46 38	1.52 39	6.88 63	0.70 9	0.01 65	0.00 1	0.00 1	0.00 1	0.08 84	0.09 94

DIP-Stereo	1.97 23	0.64 87	2.95 46	0.17 8	0.10 14	4.83 123	0.13 14	8.60 96	4.06 32	6.42 68	4.92 24	0.44 8	0.72 11	3.57 31	1.80 69	0.00 1	0.01 87	0.00 1	0.00 1	0.05 72	0.04 69
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	2.02 24	0.37 36	2.84 40	1.14 61	0.34 65	3.73 76	0.53 44	6.21 67	3.55 17	5.32 43	5.17 33	5.85 94	1.74 50	2.23 22	0.91 33	0.01 65	0.10 159	0.00 1	0.24 190	0.02 17	0.02 18

Gwc-CoAtRS	2.02 24	0.33 14	2.61 23	1.04 49	0.30 55	3.56 69	0.40 36	5.89 55	5.94 82	5.08 37	5.01 28	5.55 89	1.72 48	1.60 11	0.91 33	0.01 65	0.09 158	0.00 1	0.25 192	0.01 6	0.02 18

cross-raft	2.03 26	0.35 30	2.78 36	1.10 58	0.16 24	3.77 81	0.48 41	7.03 84	3.75 21	5.06 36	5.55 43	6.26 99	1.41 36	1.75 12	0.89 32	0.01 65	0.07 149	0.00 1	0.19 183	0.03 44	0.03 48

DCANet	2.08 27	0.64 87	3.81 89	0.31 19	0.17 29	1.70 15	0.25 29	5.23 28	8.47 133	6.07 57	5.30 40	1.41 15	4.23 97	1.85 15	2.02 79	0.00 1	0.00 1	0.00 1	0.00 1	0.04 61	0.19 140

CFNet-RSSM	2.11 28	0.33 14	2.71 30	1.04 49	0.30 55	3.21 59	0.41 37	6.67 80	6.96 102	5.62 47	4.58 19	5.40 86	1.71 47	1.86 16	0.87 27	0.00 1	0.08 153	0.00 1	0.32 198	0.02 17	0.02 18

RAFT-Stereo + iAFF	2.12 29	0.58 77	2.43 17	1.27 70	0.16 24	1.60 8	0.14 17	5.17 27	5.90 81	7.10 80	10.10 108	3.06 37	1.74 50	1.87 17	0.97 38	0.01 65	0.02 107	0.00 1	0.00 1	0.23 154	0.02 18

FENet	2.19 30	0.34 25	3.04 56	2.05 128	0.26 47	2.82 43	0.13 14	7.02 83	5.55 75	4.97 35	1.94 7	4.91 66	3.39 75	4.71 40	2.50 90	0.02 102	0.03 121	0.00 1	0.00 1	0.00 1	0.21 144

222	2.20 31	0.61 81	5.31 131	0.31 19	0.19 34	1.69 12	0.11 11	5.37 35	8.54 135	5.80 50	5.17 33	1.44 16	5.41 128	2.00 19	1.92 75	0.00 1	0.00 1	0.00 1	0.00 1	0.04 61	0.18 136

LCNet	2.25 32	0.33 14	3.03 54	2.04 127	0.10 14	3.47 66	0.43 39	6.50 75	3.18 10	6.84 76	5.20 38	2.65 33	1.34 34	8.18 102	1.58 63	0.01 65	0.00 1	0.01 137	0.00 1	0.02 17	0.01 8

csc	2.28 33	0.61 81	3.81 89	0.22 12	0.07 9	1.69 12	0.11 11	5.37 35	11.84 162	5.80 50	5.17 33	1.44 16	5.41 128	2.00 19	1.92 75	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.18 136

cscssc	2.28 33	0.61 81	3.81 89	0.22 12	0.07 9	1.69 12	0.11 11	5.37 35	11.84 162	5.80 50	5.17 33	1.44 16	5.41 128	2.00 19	1.92 75	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.18 136

EAI-Stereo	2.31 35	0.44 54	2.72 31	0.68 33	0.56 89	3.51 68	2.62 130	11.42 142	4.14 35	2.09 8	7.23 77	1.21 14	0.91 17	5.67 48	1.51 60	0.01 65	0.25 198	0.00 1	0.88 218	0.04 61	0.26 160

ICVP	2.32 36	0.38 42	2.89 45	0.92 42	0.70 97	2.55 30	0.87 83	9.97 114	3.99 28	4.13 26	8.97 100	2.71 34	1.69 46	2.52 26	3.52 117	0.05 140	0.24 197	0.01 137	0.01 124	0.11 98	0.13 118

TRStereo	2.36 37	3.10 206	4.70 120	1.99 122	2.08 154	2.61 33	1.11 103	8.79 99	3.73 19	3.19 15	3.04 11	3.96 45	0.77 12	5.92 50	1.44 57	0.03 119	0.14 175	0.00 1	0.29 197	0.08 84	0.25 156

R-Stereo Train	2.44 38	0.32 9	1.93 3	0.94 43	0.16 24	3.67 72	0.61 61	6.37 71	3.08 8	9.14 122	17.44 181	1.80 22	0.77 12	1.76 13	0.70 9	0.00 1	0.01 87	0.00 1	0.00 1	0.01 6	0.03 48

RAFT-Stereo	2.44 38	0.32 9	1.93 3	0.94 43	0.16 24	3.67 72	0.61 61	6.37 71	3.08 8	9.14 122	17.44 181	1.80 22	0.77 12	1.76 13	0.70 9	0.00 1	0.01 87	0.00 1	0.00 1	0.01 6	0.03 48
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RALAANet	2.46 40	1.09 142	3.70 86	2.55 168	0.80 105	3.37 64	0.15 19	7.44 87	5.54 74	5.65 48	6.01 50	3.54 40	1.13 22	6.34 57	1.58 63	0.00 1	0.01 87	0.00 1	0.05 156	0.21 145	0.03 48

GES	2.49 41	0.38 42	4.29 106	1.58 88	0.05 4	4.58 118	1.07 101	9.70 110	3.39 11	5.21 40	6.64 64	1.84 24	3.36 74	4.86 42	2.54 92	0.06 145	0.01 87	0.06 178	0.01 124	0.12 106	0.03 48

NRIStereo	2.49 41	0.33 14	3.03 54	1.04 49	0.22 38	3.89 95	0.60 60	4.78 14	4.41 48	9.92 147	5.75 45	4.98 69	1.18 25	8.28 107	1.11 47	0.01 65	0.00 1	0.00 1	0.00 1	0.22 148	0.02 18

PSM-softLoss	2.49 41	0.35 30	3.12 66	1.04 49	0.28 52	3.93 100	0.64 66	5.11 23	5.26 68	9.98 151	4.87 23	4.36 54	1.64 44	8.32 108	0.77 17	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.01 8

NF-Stereo	2.50 44	0.37 36	3.05 61	1.08 54	0.27 48	3.90 96	0.89 84	5.03 21	5.38 71	9.78 144	5.04 29	4.50 57	1.29 30	8.40 111	0.93 37	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

CRE-IMP	2.51 45	0.34 25	2.10 11	1.59 91	0.16 24	2.81 40	1.03 98	6.03 60	3.51 15	8.55 112	6.80 66	3.71 43	4.77 111	7.31 69	0.97 38	0.01 65	0.22 189	0.00 1	0.00 1	0.03 44	0.17 133

OCTAStereo	2.51 45	0.33 14	3.04 56	1.08 54	0.25 45	4.02 104	0.59 56	4.88 16	4.88 63	10.98 170	4.67 20	4.28 52	1.65 45	8.43 114	1.05 43	0.00 1	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

Consistency-Raft	2.52 47	0.37 36	3.28 72	1.20 63	0.43 79	3.74 78	0.96 89	5.76 50	4.53 54	8.86 118	5.92 48	4.40 56	1.25 28	8.55 119	1.09 44	0.10 155	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

FTStereo	2.52 47	0.38 42	3.13 67	1.32 72	0.41 75	3.85 88	0.96 89	5.54 43	4.76 61	9.96 149	5.68 44	3.92 44	1.60 42	7.83 82	1.09 44	0.01 65	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

PSM-AAD	2.52 47	0.35 30	4.26 104	1.01 48	0.22 38	3.73 76	0.58 55	4.93 18	4.14 35	9.98 151	6.06 52	4.28 52	1.11 21	8.64 126	1.03 42	0.01 65	0.00 1	0.00 1	0.00 1	0.02 17	0.05 78

KMStereo	2.55 50	0.34 25	3.09 63	0.99 46	0.23 41	3.76 80	0.59 56	5.10 22	4.72 57	9.97 150	6.44 61	4.76 63	1.32 31	8.52 118	1.10 46	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.03 48

HCRNet	2.56 51	0.53 72	3.35 75	0.24 15	3.39 188	2.19 19	0.23 26	6.89 82	5.50 72	5.26 41	4.79 21	5.27 84	2.78 67	7.71 78	2.89 98	0.00 1	0.02 107	0.00 1	0.00 1	0.04 61	0.04 69

RAFT+GMM	2.57 52	0.76 103	3.09 63	0.91 41	0.09 12	2.41 25	0.94 87	5.35 32	2.65 3	6.11 59	7.21 76	9.43 139	4.30 100	5.73 49	1.77 68	0.00 1	0.12 170	0.00 1	0.02 134	0.46 182	0.08 89

ACVNet	2.58 53	0.53 72	2.69 26	0.84 36	0.59 90	2.61 33	0.55 49	8.35 91	5.70 77	4.45 28	9.26 101	5.77 91	3.50 77	2.24 23	4.41 128	0.00 1	0.00 1	0.00 1	0.00 1	0.17 129	0.01 8

ROB_FTStereo_v2	2.59 54	0.37 36	3.38 76	1.08 54	0.23 41	3.90 96	0.94 87	5.57 44	5.71 79	9.39 131	6.78 65	4.00 46	1.23 27	8.06 94	1.12 49	0.01 65	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

AFF-stereo	2.59 54	0.68 93	2.35 16	1.55 86	0.17 29	1.67 10	0.08 9	5.75 48	6.60 97	6.20 62	12.13 132	6.16 97	2.36 59	4.75 41	1.11 47	0.02 102	0.02 107	0.00 1	0.00 1	0.23 154	0.05 78

ASMatch	2.63 56	0.31 7	2.86 42	1.58 88	0.36 70	3.88 94	1.14 105	5.36 33	4.23 39	10.51 159	5.91 47	4.97 68	1.81 52	8.68 129	0.86 24	0.00 1	0.00 1	0.00 1	0.00 1	0.04 61	0.03 48

HUI-Stereo	2.64 57	0.29 3	2.96 47	1.74 103	0.41 75	3.79 84	1.66 118	5.14 24	4.09 33	10.76 163	6.02 51	5.05 80	1.00 19	9.03 145	0.84 23	0.00 1	0.00 1	0.00 1	0.00 1	0.04 61	0.01 8

ROB_FTStereo	2.68 58	0.35 30	3.16 69	1.10 58	0.14 21	3.85 88	0.97 91	5.46 40	5.10 65	10.19 156	7.65 84	4.62 61	1.60 42	8.25 105	1.14 52	0.01 65	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

KYRaft	2.68 58	0.29 3	2.88 44	0.52 27	0.28 52	3.86 92	0.57 53	5.37 35	4.26 40	10.83 166	7.00 72	4.79 65	4.18 95	7.95 87	0.73 12	0.00 1	0.00 1	0.00 1	0.00 1	0.01 6	0.03 48

DN-CSS_ROB	2.69 60	1.40 163	5.34 132	2.31 152	0.75 100	3.14 57	0.06 8	6.11 65	3.87 26	5.34 44	12.18 135	2.34 30	1.22 26	7.84 83	1.48 59	0.03 119	0.00 1	0.00 1	0.00 1	0.35 169	0.03 48

AnonymousM	2.71 61	6.75 223	0.98 1	0.73 34	0.06 8	2.41 25	0.53 44	5.30 31	3.05 6	4.75 32	2.09 8	1.89 25	1.01 20	1.88 18	0.51 6	0.01 65	0.02 107	17.42 234	4.76 233	0.02 17	0.01 8

XX-Stereo	2.71 61	0.38 42	5.96 147	2.25 147	2.20 160	1.54 7	0.21 24	5.44 39	3.05 6	2.28 11	16.16 170	7.03 110	0.24 1	6.19 53	0.79 20	0.00 1	0.15 177	0.00 1	0.23 188	0.13 116	0.04 69

RAFT_R40	2.71 61	0.33 14	3.00 50	1.26 65	0.30 55	3.83 85	1.00 94	5.69 46	4.29 41	9.69 139	6.33 59	5.02 76	4.02 88	8.58 122	0.86 24	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

THIR-Stereo	2.71 61	0.33 14	3.00 50	1.26 65	0.30 55	3.83 85	1.00 94	5.69 46	4.29 41	9.69 139	6.32 57	5.02 76	4.02 88	8.58 122	0.86 24	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

Pruner-Stereo	2.72 65	0.33 14	2.99 48	1.26 65	0.27 48	3.85 88	1.00 94	5.79 53	4.29 41	9.70 142	6.30 55	5.03 78	4.03 90	8.58 122	0.87 27	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

GMM-Stereo	2.72 65	0.33 14	2.99 48	1.26 65	0.27 48	3.85 88	1.00 94	5.79 53	4.29 41	9.70 142	6.30 55	5.03 78	4.03 90	8.58 122	0.87 27	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

DEmStereo	2.73 67	0.37 36	2.69 26	0.13 5	0.32 61	3.97 101	0.59 56	6.01 58	4.29 41	10.10 155	7.07 75	4.73 62	5.05 123	8.44 115	0.76 16	0.00 1	0.00 1	0.00 1	0.00 1	0.01 6	0.02 18

SST-Stereo	2.75 68	0.31 7	2.78 36	1.33 73	0.33 64	3.99 102	0.82 80	5.60 45	3.93 27	10.92 168	6.19 53	5.00 74	4.23 97	8.66 128	0.74 13	0.00 1	0.00 1	0.00 1	0.00 1	0.03 44	0.03 48

PSM-adaLoss	2.76 69	0.36 34	3.86 93	1.16 62	0.24 44	3.84 87	0.97 91	4.99 20	3.79 22	9.69 139	5.15 32	4.51 58	6.91 156	8.87 142	0.81 22	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

111	2.78 70	0.92 123	3.81 89	0.22 12	0.07 9	2.83 44	0.70 71	6.03 60	14.00 174	3.22 16	8.93 97	5.48 88	3.30 73	3.66 32	2.03 80	0.00 1	0.00 1	0.00 1	0.00 1	0.10 92	0.29 166

HITNet	2.79 71	0.77 104	4.02 99	2.03 125	0.11 18	5.58 130	0.59 56	9.24 104	5.15 67	6.42 68	7.26 78	3.66 42	2.92 70	4.07 36	3.87 123	0.00 1	0.00 1	0.00 1	0.00 1	0.06 77	0.02 18
Vladimir Tankovich, Christian Häne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
DeepStereo_LL	2.80 72	0.42 52	2.77 35	0.21 11	0.32 61	4.00 103	0.33 31	6.00 57	4.05 30	10.83 166	6.32 57	4.98 69	6.09 144	8.72 131	0.88 30	0.00 1	0.00 1	0.00 1	0.00 1	0.01 6	0.02 18

DMCA	2.82 73	0.64 87	4.45 110	1.61 93	0.89 110	3.86 92	0.57 53	9.18 102	5.10 65	6.24 64	6.49 62	7.17 117	2.13 55	3.31 29	4.73 132	0.00 1	0.01 87	0.00 1	0.00 1	0.04 61	0.02 18

IRAFT_RVC	2.85 74	0.41 50	3.32 73	2.09 130	0.41 75	2.92 47	5.22 174	6.41 73	3.63 18	6.53 72	5.48 42	5.09 81	4.88 118	8.20 103	2.15 84	0.01 65	0.17 182	0.01 137	0.00 1	0.02 17	0.04 69

pcwnet_v2	2.93 75	0.29 3	3.01 52	2.39 156	1.07 119	2.73 37	0.89 84	11.37 140	6.25 89	6.20 62	11.49 127	2.71 34	2.74 66	4.22 37	2.75 97	0.06 145	0.05 133	0.00 1	0.00 1	0.01 6	0.37 173

PFNet	2.93 75	0.40 48	5.51 137	2.13 135	0.84 107	3.11 56	0.75 78	6.78 81	4.79 62	9.98 151	6.00 49	4.78 64	2.13 55	8.33 109	2.11 83	0.19 171	0.06 141	0.00 1	0.11 174	0.20 139	0.35 172

iRAFT	2.98 77	0.38 42	3.32 73	1.90 113	0.44 80	2.73 37	4.03 154	6.23 68	4.72 57	7.71 91	7.55 82	4.96 67	5.82 135	8.16 100	1.58 63	0.01 65	0.00 1	0.01 137	0.00 1	0.02 17	0.02 18

OMP-Stereo	3.03 78	0.93 125	2.72 31	4.21 216	0.51 87	2.19 19	1.25 108	6.19 66	6.00 85	7.99 98	6.21 54	8.50 134	2.49 61	9.44 158	1.74 67	0.01 65	0.00 1	0.00 1	0.00 1	0.08 84	0.05 78

UCFNet_RVC	3.09 79	0.77 104	2.27 13	2.35 154	1.79 148	3.50 67	1.06 100	12.12 155	6.91 101	4.71 31	7.67 85	7.58 120	4.40 103	4.95 43	1.67 66	0.00 1	0.00 1	0.00 1	0.00 1	0.11 98	0.01 8

AdaStereo	3.09 79	0.58 77	3.04 56	2.84 176	0.48 85	4.08 105	1.29 111	12.16 157	7.77 121	6.03 56	9.62 105	5.79 93	1.53 40	4.56 39	1.93 78	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18
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.
ARAFT	3.13 81	1.11 146	7.34 170	0.42 26	0.14 21	4.52 117	2.99 135	7.41 86	5.97 84	8.85 117	7.06 74	5.20 83	1.25 28	8.49 116	1.44 57	0.00 1	0.03 121	0.00 1	0.00 1	0.33 165	0.11 108

IIG-Stereo	3.16 82	0.75 102	2.83 39	4.08 212	0.21 37	2.56 31	0.74 76	6.55 76	5.56 76	8.39 107	9.38 104	7.94 127	2.79 68	9.50 159	1.89 71	0.02 102	0.00 1	0.00 1	0.00 1	0.02 17	0.04 69

RAFT-345	3.17 83	0.24 1	3.05 61	1.80 106	0.60 91	3.15 58	1.51 114	6.01 58	4.67 56	8.22 105	12.71 142	5.45 87	5.89 138	8.15 99	1.57 62	0.02 102	0.23 192	0.00 1	0.00 1	0.01 6	0.13 118

DMCA-RVC	3.17 83	1.26 155	6.39 156	2.10 132	1.51 133	3.02 55	0.56 51	7.84 89	5.06 64	9.23 126	5.19 37	8.46 130	2.72 65	6.31 56	3.22 108	0.06 145	0.11 165	0.09 186	0.02 134	0.16 125	0.08 89

CFNet-pseudo	3.23 85	0.36 34	3.58 82	2.13 135	1.45 130	3.78 82	0.70 71	12.67 163	9.52 140	5.16 39	12.28 138	2.62 32	1.81 52	5.36 46	3.08 103	0.01 65	0.00 1	0.00 1	0.00 1	0.00 1	0.07 84

BEATNet_4x	3.24 86	1.27 156	5.89 145	1.56 87	0.10 14	5.26 127	1.07 101	10.08 118	5.50 72	6.89 78	7.73 86	4.53 59	4.13 92	5.05 45	5.27 136	0.04 132	0.05 133	0.00 1	0.00 1	0.23 154	0.23 150

iGMRVC	3.24 86	0.34 25	3.11 65	2.51 164	0.53 88	2.59 32	4.88 169	6.35 69	4.43 49	8.81 115	11.94 130	4.39 55	4.96 119	8.70 130	1.21 53	0.08 150	0.00 1	0.00 1	0.00 1	0.02 17	0.03 48

GANet-RSSM	3.27 88	0.60 79	3.38 76	2.94 183	2.00 153	2.61 33	0.48 41	10.93 138	6.11 88	5.47 45	10.20 110	6.57 104	5.44 131	6.25 55	2.23 86	0.00 1	0.00 1	0.08 183	0.00 1	0.17 129	0.03 48

NOSS_ROB	3.30 89	0.46 59	2.62 24	2.08 129	1.01 117	5.60 131	0.74 76	10.37 124	11.48 158	5.15 38	8.43 92	5.67 90	1.73 49	7.97 88	2.34 87	0.02 102	0.06 141	0.00 1	0.00 1	0.07 81	0.14 121

CFNet-ft	3.31 90	0.94 128	2.69 26	1.50 83	2.38 165	2.81 40	0.68 69	8.35 91	7.43 113	4.45 28	9.94 106	10.20 146	4.60 105	6.50 60	3.41 112	0.00 1	0.00 1	0.03 166	0.00 1	0.22 148	0.03 48

CFNet_RVC	3.31 90	0.94 128	2.69 26	1.50 83	2.38 165	2.81 40	0.68 69	8.35 91	7.43 113	4.45 28	9.94 106	10.20 146	4.60 105	6.49 59	3.41 112	0.00 1	0.00 1	0.03 166	0.00 1	0.22 148	0.03 48

PSMNet-RSSM	3.33 92	0.77 104	3.22 71	2.12 133	1.90 152	2.33 22	0.71 73	11.17 139	5.83 80	5.90 54	11.43 126	7.04 112	4.83 117	5.96 52	3.17 106	0.00 1	0.00 1	0.02 158	0.00 1	0.08 84	0.02 18

test_xeample3	3.34 93	0.93 125	4.33 107	0.28 18	0.12 20	3.46 65	3.98 152	6.58 77	11.84 162	6.79 75	13.56 149	3.52 39	4.23 97	3.71 33	2.05 82	0.01 65	0.01 87	0.00 1	0.00 1	0.02 17	1.40 213

TransformOpticalFlow	3.38 94	0.70 96	4.54 113	1.00 47	0.30 55	3.56 69	0.14 17	9.67 109	7.30 111	5.55 46	13.34 147	6.74 106	5.03 121	8.22 104	1.34 55	0.00 1	0.01 87	0.01 137	0.00 1	0.04 61	0.11 108

AAGNet	3.41 95	0.34 25	2.45 20	1.78 105	0.39 71	3.69 75	1.05 99	4.79 15	4.61 55	9.62 137	7.74 87	4.98 69	6.38 147	7.34 71	13.02 200	0.00 1	0.00 1	0.00 1	0.00 1	0.03 44	0.04 69

cf-r	3.42 96	0.81 110	3.97 98	2.41 159	2.78 176	2.85 45	0.64 66	8.44 94	6.32 91	6.25 65	11.57 128	8.97 136	3.54 79	5.93 51	3.83 122	0.00 1	0.00 1	0.00 1	0.00 1	0.09 91	0.07 84

STrans-v2	3.43 97	0.73 99	4.82 121	0.26 16	0.60 91	3.00 54	1.19 106	10.41 126	7.22 108	5.79 49	10.97 121	6.75 107	7.03 158	8.25 105	1.40 56	0.00 1	0.01 87	0.00 1	0.00 1	0.03 44	0.18 136

RAFT-RH_RVC	3.43 97	0.41 50	4.53 112	2.18 140	0.23 41	2.69 36	8.25 199	6.48 74	4.22 38	9.17 124	9.35 103	4.59 60	5.44 131	8.83 138	2.04 81	0.13 161	0.00 1	0.00 1	0.00 1	0.06 77	0.03 48

MLCV	3.44 99	0.88 117	5.60 139	1.39 77	0.25 45	4.36 111	0.33 31	7.25 85	7.28 110	9.17 124	12.24 137	5.09 81	2.47 60	9.15 149	3.23 109	0.00 1	0.00 1	0.00 1	0.00 1	0.10 92	0.02 18

DeepPruner_ROB	3.52 100	1.14 148	4.06 100	1.12 60	1.65 137	3.65 71	0.83 81	13.96 175	4.47 52	7.80 93	10.84 116	7.05 114	2.16 57	8.14 98	3.08 103	0.07 149	0.03 121	0.00 1	0.01 124	0.32 164	0.06 82

Prome-Stereo	3.56 101	0.65 90	3.87 94	0.74 35	0.18 32	2.44 27	7.62 198	5.91 56	6.30 90	7.37 86	14.80 162	6.64 105	6.75 155	4.95 43	2.68 93	0.00 1	0.01 87	0.01 137	0.10 170	0.11 98	0.04 69

STTStereo	3.60 102	0.93 125	6.34 153	2.71 173	2.23 161	3.68 74	0.63 64	9.42 105	6.73 99	9.87 146	6.97 70	8.84 135	3.65 81	6.85 62	3.04 101	0.00 1	0.02 107	0.01 137	0.00 1	0.02 17	0.02 18

GrayStereo	3.61 103	0.46 59	3.87 94	1.71 100	0.35 67	2.96 52	9.18 204	6.09 63	3.81 23	9.30 128	10.86 119	6.47 103	5.99 142	8.80 135	1.89 71	0.20 174	0.00 1	0.00 1	0.00 1	0.18 135	0.14 121

RE-Stereo	3.61 103	0.46 59	3.87 94	1.71 100	0.35 67	2.95 50	9.18 204	6.09 63	3.81 23	9.31 129	10.86 119	6.46 101	5.99 142	8.80 135	1.89 71	0.20 174	0.00 1	0.00 1	0.00 1	0.18 135	0.14 121

TVStereo	3.61 103	0.46 59	3.87 94	1.71 100	0.35 67	2.95 50	9.20 206	6.08 62	3.82 25	9.31 129	10.85 118	6.46 101	5.98 141	8.80 135	1.91 74	0.20 174	0.00 1	0.00 1	0.00 1	0.17 129	0.14 121

LMCR-Stereo	3.63 106	1.29 160	4.20 102	2.54 166	0.17 29	8.08 157	1.52 115	11.46 143	4.73 59	8.45 110	10.66 115	1.91 26	5.03 121	7.69 77	3.58 118	0.92 215	0.00 1	0.00 1	0.00 1	0.36 171	0.02 18

hitnet-ft	3.66 107	0.65 90	2.79 38	0.89 39	0.72 99	4.25 108	0.55 49	9.11 101	7.52 117	7.14 81	10.19 109	12.49 166	4.70 109	7.44 72	4.41 128	0.03 119	0.00 1	0.06 178	0.00 1	0.20 139	0.04 69

iResNet	3.68 108	0.91 120	7.94 176	2.97 184	0.34 65	4.44 116	0.48 41	7.70 88	9.74 143	7.72 92	12.74 143	4.03 47	2.87 69	8.05 93	3.37 111	0.02 102	0.01 87	0.00 1	0.00 1	0.10 92	0.09 94

acv_ft	3.69 109	0.53 72	4.58 117	2.31 152	4.71 216	7.44 154	0.86 82	8.54 95	5.70 77	9.29 127	9.26 101	5.77 91	4.15 93	2.24 23	8.13 168	0.00 1	0.00 1	0.00 1	0.00 1	0.29 159	0.01 8

ac_64	3.70 110	0.47 63	3.50 80	2.87 177	3.50 191	5.91 134	0.72 74	10.17 121	4.34 46	8.16 103	5.80 46	10.82 154	5.64 134	7.08 66	4.73 132	0.03 119	0.00 1	0.00 1	0.00 1	0.08 84	0.14 121

CFNet	3.72 111	1.10 144	5.03 125	2.49 163	1.59 134	4.90 125	0.22 25	11.38 141	9.88 145	4.80 33	11.25 123	6.44 100	3.68 82	8.33 109	3.00 100	0.00 1	0.00 1	0.00 1	0.00 1	0.22 148	0.07 84

GEStereo_RVC	3.74 112	0.73 99	4.95 123	2.01 124	1.24 123	4.36 111	3.07 136	11.77 149	7.80 122	6.87 77	6.52 63	7.70 123	4.31 102	8.98 144	4.19 126	0.03 119	0.01 87	0.02 158	0.02 134	0.13 116	0.11 108

GwcNet-RSSM	3.77 113	1.05 138	5.06 126	2.21 144	1.87 150	2.36 24	1.52 115	8.98 100	7.96 124	5.91 55	14.59 159	7.94 127	3.50 77	6.43 58	5.70 141	0.00 1	0.00 1	0.04 173	0.00 1	0.20 139	0.08 89

FADNet-RVC-Resample	3.79 114	1.62 175	12.06 195	1.43 80	0.66 94	5.94 135	2.41 128	10.18 122	8.58 136	6.28 66	4.22 16	5.33 85	4.80 116	7.71 78	3.19 107	0.17 168	0.21 188	0.17 198	0.12 175	0.41 179	0.29 166

UPFNet	3.82 115	0.47 63	4.34 108	2.21 144	3.38 186	7.26 151	2.69 132	9.89 112	5.96 83	7.98 97	7.53 81	7.89 126	3.15 72	7.72 80	5.88 143	0.01 65	0.02 107	0.00 1	0.00 1	0.04 61	0.06 82

NLCA_NET_v2_RVC	3.84 116	1.06 139	5.23 130	2.72 174	3.27 182	4.36 111	0.61 61	10.71 131	7.56 118	8.75 113	7.89 88	9.86 143	3.90 86	7.15 68	3.44 114	0.14 162	0.02 107	0.02 158	0.03 145	0.04 61	0.03 48
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
psm_up	3.85 117	0.82 111	3.01 52	2.00 123	2.58 173	5.28 128	3.34 143	10.85 136	6.33 92	7.27 84	7.32 79	10.15 145	9.02 178	6.19 53	2.51 91	0.22 179	0.01 87	0.00 1	0.00 1	0.12 106	0.03 48

HHNet	3.90 118	0.33 14	2.44 18	0.15 6	0.04 2	4.72 120	10.85 217	5.15 25	6.54 95	8.08 99	16.73 173	4.20 49	8.08 166	7.89 84	2.39 88	0.03 119	0.10 159	0.10 188	0.10 170	0.12 106	0.03 48

PS-NSSS	3.90 118	1.84 187	4.55 114	0.87 37	2.95 179	4.10 106	2.00 126	10.77 133	8.23 129	6.75 73	14.63 160	5.01 75	2.24 58	8.41 113	2.91 99	0.33 191	0.03 121	0.83 220	0.00 1	0.82 198	0.70 198

RAFT-IKP	3.90 118	0.33 14	2.44 18	0.15 6	0.04 2	4.72 120	10.85 217	5.15 25	6.54 95	8.08 99	16.73 173	4.20 49	8.08 166	7.89 84	2.39 88	0.03 119	0.10 159	0.10 188	0.10 170	0.12 106	0.03 48

FADNet_RVC	3.91 121	1.67 180	12.95 202	0.96 45	0.75 100	5.71 133	0.54 47	10.83 135	6.60 97	3.46 19	8.09 89	4.10 48	3.40 76	9.43 156	6.33 147	0.36 193	0.44 212	0.17 198	0.46 211	0.91 200	0.95 205

PFNet+	3.96 122	0.45 56	3.04 56	0.32 21	0.20 35	3.28 60	11.63 220	5.76 50	4.45 50	9.04 120	16.58 171	4.99 72	7.45 161	8.04 90	3.72 119	0.00 1	0.02 107	0.01 137	0.00 1	0.16 125	0.10 103

CrosDoStereo	3.96 122	0.45 56	3.04 56	0.32 21	0.20 35	3.28 60	11.63 220	5.76 50	4.45 50	9.04 120	16.58 171	4.99 72	7.45 161	8.04 90	3.72 119	0.00 1	0.02 107	0.01 137	0.00 1	0.16 125	0.10 103

UNet	3.97 124	0.61 81	6.50 159	1.68 98	3.22 181	9.82 171	0.31 30	9.50 106	5.32 69	7.20 82	6.35 60	10.59 151	5.91 140	6.93 65	5.49 139	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.01 8

FADNet-RVC	3.98 125	1.84 187	12.48 198	1.69 99	0.44 80	4.33 109	1.31 112	11.84 150	7.15 107	3.53 21	3.50 14	10.63 152	4.43 104	9.12 147	6.25 146	0.03 119	0.10 159	0.00 1	0.03 145	0.60 189	0.25 156

HSM	4.00 126	0.79 108	3.16 69	1.59 91	2.17 157	6.77 147	1.11 103	12.28 158	6.35 94	6.75 73	8.11 90	13.90 172	5.37 127	8.85 140	2.71 95	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

TDLM	4.11 127	1.11 146	3.54 81	1.62 94	1.04 118	3.91 98	7.41 197	10.60 129	10.67 151	6.38 67	12.59 141	5.95 95	4.77 111	8.79 134	3.04 101	0.58 205	0.00 1	0.01 137	0.00 1	0.19 138	0.12 114

CBMV_ROB	4.14 128	0.52 68	3.14 68	1.30 71	0.77 103	6.92 148	1.97 125	10.11 120	9.58 141	8.92 119	14.20 157	7.12 116	5.90 139	8.65 127	3.50 116	0.01 65	0.05 133	0.00 1	0.00 1	0.04 61	0.09 94

CVANet_RVC	4.16 129	1.16 150	3.60 83	1.94 118	1.46 131	3.92 99	4.68 168	10.89 137	8.34 131	7.58 90	10.84 116	10.27 148	6.62 151	8.56 120	2.69 94	0.39 195	0.00 1	0.00 1	0.01 124	0.21 145	0.09 94

MMNet	4.16 129	0.77 104	5.47 136	1.40 78	1.67 139	10.78 180	0.63 64	8.64 98	8.47 133	8.80 114	8.33 91	7.51 119	6.61 150	7.53 74	6.54 150	0.00 1	0.00 1	0.00 1	0.00 1	0.03 44	0.05 78

HSM-Net_RVC	4.20 131	0.32 9	2.76 34	0.63 31	0.69 96	6.95 149	1.69 120	11.96 151	8.36 132	8.83 116	12.17 134	15.18 179	4.21 96	6.91 64	3.30 110	0.02 102	0.02 107	0.00 1	0.00 1	0.01 6	0.01 8
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DSFCA	4.21 132	0.50 67	5.45 135	1.34 74	1.68 141	7.04 150	4.51 165	10.73 132	7.00 104	10.78 164	6.80 66	8.48 132	4.63 107	9.91 162	5.12 135	0.02 102	0.06 141	0.02 158	0.03 145	0.08 84	0.03 48

FADNet	4.23 133	1.65 177	11.75 194	1.64 96	0.80 105	4.80 122	0.77 79	13.76 174	11.65 160	3.97 25	5.24 39	9.62 142	5.14 124	8.40 111	3.78 121	0.21 178	0.04 128	0.07 182	0.05 156	1.14 205	0.10 103

iResNet_ROB	4.23 133	1.02 135	4.90 122	2.18 140	0.93 115	2.92 47	0.37 35	15.10 188	16.91 189	7.89 95	10.51 113	7.03 110	3.07 71	8.16 100	3.46 115	0.01 65	0.00 1	0.00 1	0.00 1	0.10 92	0.02 18

HGLStereo	4.25 135	0.52 68	4.65 118	3.09 186	5.18 218	6.51 145	0.73 75	10.37 124	6.74 100	7.32 85	12.44 140	7.00 109	7.21 159	7.46 73	5.51 140	0.00 1	0.02 107	0.00 1	0.00 1	0.06 77	0.10 103

delet	4.27 136	0.72 97	4.50 111	1.07 53	3.75 200	10.79 181	4.04 155	9.95 113	7.89 123	8.09 101	8.89 96	8.46 130	3.81 84	7.56 75	5.80 142	0.00 1	0.00 1	0.00 1	0.00 1	0.11 98	0.02 18

iResNetv2_ROB	4.28 137	1.43 164	7.17 169	2.91 178	1.26 124	4.36 111	1.62 117	13.64 173	10.25 149	9.83 145	11.41 124	7.68 122	4.00 87	7.75 81	1.85 70	0.00 1	0.00 1	0.00 1	0.00 1	0.37 172	0.09 94

RAFT + AFF	4.30 138	1.55 171	5.84 143	1.43 80	2.36 164	5.94 135	6.72 190	10.01 115	7.56 118	7.55 89	8.96 99	7.09 115	6.73 154	8.57 121	4.02 125	0.02 102	0.47 215	0.00 1	0.01 124	0.56 184	0.54 190

StereoDRNet-Refined	4.46 139	0.62 86	3.80 88	1.92 115	0.40 73	9.35 165	0.15 19	10.02 116	8.83 138	12.69 181	11.62 129	9.34 138	3.87 85	8.06 94	8.02 163	0.00 1	0.00 1	0.01 137	0.05 156	0.20 139	0.26 160
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NVstereo2D	4.51 140	0.82 111	6.86 167	3.28 193	3.38 186	8.16 158	3.13 138	10.51 127	15.15 179	4.90 34	6.89 69	7.87 124	4.78 114	9.88 161	3.91 124	0.01 65	0.00 1	0.00 1	0.06 159	0.02 17	0.58 192

DLCB_ROB	4.51 140	0.91 120	3.78 87	2.19 142	1.07 119	6.28 138	3.09 137	9.78 111	7.72 120	10.65 161	12.97 144	13.91 173	3.71 83	8.72 131	5.30 137	0.00 1	0.00 1	0.00 1	0.00 1	0.03 44	0.10 103

RASNet	4.52 142	0.61 81	4.42 109	3.42 197	4.68 215	4.58 118	0.99 93	9.54 108	8.01 125	5.28 42	11.42 125	10.34 150	8.88 176	9.28 152	8.68 173	0.15 164	0.00 1	0.00 1	0.00 1	0.03 44	0.04 69

DeepStereo_RVC	4.75 143	0.72 97	2.27 13	2.13 135	0.11 18	3.28 60	3.29 141	8.23 90	3.49 14	11.45 173	34.77 224	6.17 98	9.02 178	7.68 76	2.22 85	0.09 152	0.05 133	0.01 137	0.01 124	0.05 72	0.02 18

SGM-Forest	4.96 144	0.32 9	2.84 40	1.21 64	0.64 93	10.23 176	6.64 189	11.55 144	10.98 152	10.94 169	13.59 150	11.65 161	4.30 100	8.94 143	4.63 131	0.11 157	0.04 128	0.00 1	0.00 1	0.05 72	0.46 182
Johannes L. Schönberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
PA-Net	4.98 145	1.47 166	7.42 172	2.40 157	2.14 156	8.73 161	3.64 150	12.42 159	13.11 170	7.03 79	7.57 83	7.88 125	6.52 149	10.16 164	7.82 160	0.02 102	0.03 121	0.00 1	0.00 1	0.11 98	1.07 208
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AANet_RVC	5.01 146	1.74 182	6.38 155	1.96 120	1.29 126	2.26 21	1.69 120	10.07 117	18.53 193	7.88 94	18.15 183	8.49 133	2.70 64	10.59 169	7.04 153	0.96 216	0.15 177	0.02 158	0.00 1	0.13 116	0.12 114

PSMNet_ROB	5.02 147	1.63 176	6.03 148	1.90 113	1.83 149	9.57 169	6.35 186	15.58 193	7.23 109	6.15 61	10.48 112	12.22 164	4.16 94	8.02 89	8.71 174	0.02 102	0.01 87	0.01 137	0.10 170	0.20 139	0.12 114

DRaft	5.28 148	0.95 130	6.75 163	0.87 37	0.30 55	6.10 137	6.99 193	6.63 79	18.00 192	7.90 96	14.13 155	9.43 139	8.77 175	8.84 139	8.74 175	0.03 119	0.39 207	0.00 1	0.37 203	0.11 98	0.34 171

FINET	5.32 149	1.14 148	10.04 187	2.17 139	3.67 198	6.49 143	6.76 191	11.68 146	22.08 207	7.42 87	12.15 133	4.24 51	3.61 80	9.25 151	5.35 138	0.04 132	0.04 128	0.00 1	0.00 1	0.17 129	0.09 94

CBMV	5.35 150	0.91 120	3.67 85	1.62 94	0.44 80	10.09 174	7.19 196	12.49 160	12.33 168	12.22 177	14.69 161	10.93 156	6.48 148	8.51 117	4.96 134	0.02 102	0.15 177	0.00 1	0.00 1	0.17 129	0.17 133
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
StereoDRNet	5.59 151	1.75 183	6.80 165	3.12 188	4.45 210	10.61 179	4.35 162	18.80 208	9.73 142	12.22 177	6.87 68	11.44 159	4.65 108	8.09 97	8.26 169	0.02 102	0.11 165	0.00 1	0.03 145	0.20 139	0.28 165

ETE_ROB	5.80 152	1.77 184	6.33 152	1.44 82	0.78 104	6.43 142	6.90 192	12.53 161	8.08 126	12.93 186	14.89 163	21.13 208	5.87 137	9.83 160	6.57 151	0.04 132	0.01 87	0.00 1	0.02 134	0.08 84	0.33 169

DRN-Test	5.87 153	0.98 131	5.89 145	2.69 172	3.65 196	12.37 191	3.35 144	20.07 220	10.20 148	11.93 176	12.31 139	11.06 158	5.31 126	7.89 84	9.05 178	0.04 132	0.05 133	0.04 173	0.04 154	0.18 135	0.25 156

NCCL2	5.88 154	1.59 173	5.44 134	1.87 109	0.92 113	9.55 168	11.55 219	12.11 153	9.94 146	9.67 138	8.85 95	22.28 210	7.41 160	8.78 133	7.17 154	0.01 65	0.00 1	0.03 166	0.00 1	0.13 116	0.23 150

MaskLacGwcNet_RVC	5.97 155	5.36 218	5.02 124	3.75 206	3.57 193	15.81 203	4.27 159	11.72 147	6.96 102	7.23 83	8.47 93	9.09 137	2.66 63	9.36 155	2.71 95	7.49 233	2.32 228	2.01 229	0.08 163	6.77 233	4.67 229

APVNet	5.98 156	1.72 181	8.72 181	3.21 191	4.04 204	12.31 190	1.81 124	19.09 210	6.10 87	6.13 60	13.41 148	10.69 153	6.30 145	11.26 176	13.90 203	0.05 140	0.02 107	0.11 190	0.03 145	0.53 183	0.20 143

NaN_ROB	6.00 157	1.24 153	6.29 151	1.34 74	1.68 141	9.60 170	10.31 213	15.09 186	15.79 182	12.62 180	8.95 98	11.67 162	5.83 136	11.78 179	6.41 149	0.05 140	0.13 172	0.08 183	0.20 184	0.22 148	0.79 200

DANet	6.02 158	1.23 152	8.45 180	3.86 209	3.94 203	7.64 156	1.34 113	9.51 107	7.00 104	13.39 188	15.53 167	15.99 183	7.02 157	12.14 180	12.37 197	0.19 171	0.12 170	0.02 158	0.03 145	0.13 116	0.56 191
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
XPNet_ROB	6.03 159	1.22 151	5.61 140	2.56 169	0.90 112	6.32 139	7.07 194	12.92 165	8.30 130	14.76 193	15.13 165	19.84 202	6.66 153	10.36 165	8.58 172	0.02 102	0.04 128	0.00 1	0.03 145	0.11 98	0.24 153

Anonymous Stereo	6.16 160	3.15 209	23.75 221	2.97 184	2.48 170

Low-res two-view benchmark