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	0.39 1	0.21 2	0.38 2	0.34 1	0.22 3	0.53 21	0.29 13	0.77 4	1.11 92	0.58 5	0.71 7	0.51 8	0.41 6	0.54 3	0.34 1	0.18 17	0.13 13	0.15 1	0.10 1	0.14 1	0.14 6
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
TANstereo	0.44 2	0.21 2	0.44 7	0.41 3	0.21 2	0.65 43	0.26 6	0.79 5	0.83 19	0.93 26	0.98 20	0.51 8	0.46 11	0.54 3	0.35 2	0.18 17	0.24 140	0.16 6	0.13 7	0.16 9	0.26 115

XX-TBD	0.46 3	0.70 196	0.35 1	0.79 183	0.25 13	0.58 30	0.26 6	0.69 1	1.27 137	0.76 12	1.00 24	0.45 2	0.33 1	0.47 1	0.37 7	0.19 35	0.15 68	0.15 1	0.11 3	0.17 12	0.14 6

PMTNet	0.46 3	0.21 2	0.38 2	0.37 2	0.23 4	0.71 68	0.27 10	0.74 2	1.04 72	0.64 6	0.70 5	0.55 11	0.47 14	0.86 33	0.35 2	1.00 227	0.13 13	0.15 1	0.10 1	0.15 3	0.13 3

iRaftStereo_RVC	0.47 5	0.26 20	0.64 31	0.50 25	0.29 24	0.53 21	0.33 22	1.05 31	0.77 15	0.84 21	1.00 24	0.55 11	0.37 2	0.81 29	0.40 12	0.17 13	0.12 4	0.22 51	0.20 66	0.19 38	0.15 14

CREStereo++_RVC	0.47 5	0.21 2	0.38 2	0.45 12	0.38 91	0.45 5	0.25 3	0.75 3	1.29 143	0.80 16	1.21 87	0.47 5	0.37 2	0.53 2	0.44 25	0.16 5	0.11 2	0.15 1	0.80 227	0.18 25	0.11 1

sCroCo_RVC	0.49 7	0.40 121	1.02 128	0.65 127	0.60 159	0.52 19	0.40 43	0.83 8	0.61 2	0.44 1	0.74 9	0.49 6	0.50 17	0.63 11	0.48 52	0.26 123	0.27 154	0.23 63	0.22 99	0.29 119	0.25 113

CroCo-Stereo	0.51 8	0.31 81	0.62 24	0.56 53	0.58 149	0.72 73	0.80 135	0.88 9	0.75 12	0.64 6	0.70 5	0.49 6	0.47 14	0.59 5	0.45 29	0.32 153	0.17 92	0.24 88	0.32 165	0.30 126	0.22 97

GMO-cross-data	0.52 9	0.26 20	1.04 130	0.56 53	0.32 59	0.61 35	0.38 37	1.10 42	0.91 28	0.78 14	1.01 30	0.77 32	0.52 20	0.60 10	0.42 19	0.17 13	0.14 42	0.20 33	0.17 27	0.20 43	0.23 101

MSMDNet	0.52 9	0.25 15	0.69 41	0.47 17	0.30 35	0.69 57	0.25 3	1.19 70	0.77 15	1.04 44	1.03 39	1.19 107	0.56 28	0.72 18	0.37 7	0.17 13	0.14 42	0.17 8	0.15 16	0.16 9	0.15 14

rafts_anoy	0.52 9	0.29 64	0.59 18	0.59 76	0.50 121	0.53 21	0.40 43	1.11 47	1.03 70	0.84 21	0.83 11	0.68 23	0.54 24	0.72 18	0.51 62	0.19 35	0.14 42	0.24 88	0.26 126	0.21 56	0.18 51

s12784h	0.52 9	0.20 1	0.38 2	0.41 3	0.19 1	0.96 120	0.34 25	1.17 65	1.25 127	0.81 19	0.90 15	0.63 18	0.50 17	1.45 64	0.42 19	0.14 3	0.12 4	0.17 8	0.11 3	0.18 25	0.11 1

Gwc-CoAtRS	0.52 9	0.24 7	0.68 38	0.48 18	0.29 24	0.64 39	0.25 3	1.16 60	1.08 85	1.01 36	1.00 24	1.12 96	0.56 28	0.69 15	0.37 7	0.16 5	0.13 13	0.17 8	0.15 16	0.15 3	0.15 14

raftrobust	0.52 9	0.25 15	0.56 14	0.65 127	0.52 133	0.49 13	0.34 25	0.98 16	0.91 28	1.30 97	0.87 13	0.63 18	0.81 70	0.78 24	0.41 15	0.19 35	0.15 68	0.16 6	0.14 13	0.15 3	0.16 23

Anonymous	0.53 15	0.38 115	0.91 112	0.66 131	0.73 180	0.65 43	0.59 109	0.95 13	0.73 11	0.47 2	0.58 1	0.42 1	0.60 38	0.80 26	0.53 73	0.24 106	0.23 135	0.21 45	0.21 90	0.41 164	0.29 131

csc	0.53 15	0.24 7	0.70 43	0.43 6	0.24 6	0.48 8	0.36 30	1.07 38	1.25 127	1.10 55	1.02 36	0.57 13	1.06 131	0.73 21	0.52 66	0.16 5	0.13 13	0.17 8	0.13 7	0.15 3	0.19 67

raft+_RVC	0.53 15	0.26 20	0.54 10	0.60 91	0.47 114	0.54 25	0.54 86	1.27 82	0.99 59	0.76 12	1.03 39	0.70 27	0.56 28	0.93 37	0.47 45	0.18 17	0.14 42	0.19 28	0.18 34	0.18 25	0.15 14

cscssc	0.53 15	0.24 7	0.70 43	0.43 6	0.24 6	0.48 8	0.36 30	1.07 38	1.25 127	1.10 55	1.02 36	0.57 13	1.06 131	0.73 21	0.52 66	0.16 5	0.13 13	0.17 8	0.13 7	0.15 3	0.19 67

GMO	0.53 15	0.26 20	0.65 33	0.50 25	0.29 24	0.52 19	0.43 49	0.89 10	0.96 47	1.41 124	1.14 71	0.85 39	0.56 28	0.59 5	0.38 10	0.16 5	0.14 42	0.24 88	0.21 90	0.20 43	0.15 14

RALCasStereoNet	0.54 20	0.30 72	0.66 35	0.59 76	0.51 129	0.61 35	0.52 79	0.94 12	0.93 32	0.70 9	1.01 30	0.78 33	0.44 9	1.33 57	0.47 45	0.20 46	0.16 88	0.18 23	0.16 23	0.20 43	0.19 67

cross-raft	0.54 20	0.25 15	0.61 20	0.52 34	0.29 24	0.68 52	0.37 36	1.46 95	0.76 13	1.01 36	1.06 43	1.28 122	0.46 11	0.71 17	0.35 2	0.15 4	0.12 4	0.18 23	0.16 23	0.19 38	0.14 6

CFNet-RSSM	0.54 20	0.24 7	0.70 43	0.48 18	0.28 20	0.60 32	0.27 10	1.49 99	1.14 100	1.06 46	0.93 16	1.08 88	0.54 24	0.70 16	0.35 2	0.16 5	0.12 4	0.17 8	0.15 16	0.16 9	0.14 6

DCANet	0.54 20	0.24 7	0.70 43	0.43 6	0.24 6	0.49 13	0.36 30	1.05 31	1.30 144	1.12 59	1.03 39	0.58 17	0.92 95	0.81 29	0.52 66	0.16 5	0.13 13	0.17 8	0.13 7	0.18 25	0.19 67

RAFT-Stereo + iAFF	0.54 20	0.25 15	0.68 38	0.43 6	0.24 6	0.40 2	0.34 25	1.04 29	1.09 88	1.32 105	1.60 155	0.80 34	0.68 51	0.67 14	0.39 11	0.13 1	0.10 1	0.18 23	0.17 27	0.17 12	0.13 3

GMStereo	0.55 25	0.45 140	0.94 116	0.50 25	0.32 59	0.64 39	0.43 49	1.00 19	1.40 166	0.82 20	0.73 8	0.51 8	0.45 10	0.85 31	0.55 78	0.24 106	0.15 68	0.20 33	0.21 90	0.31 132	0.24 107
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. arXiv 2022
RANet	0.55 25	0.30 72	0.73 62	0.50 25	0.27 16	0.65 43	0.29 13	1.05 31	0.64 3	1.12 59	0.96 17	0.83 36	0.60 38	1.37 60	0.45 29	0.22 71	0.14 42	0.24 88	0.20 66	0.26 109	0.18 51

sAnonymous2	0.55 25	0.56 168	1.46 177	0.60 91	0.51 129	0.48 8	0.52 79	0.79 5	0.68 7	0.50 3	0.67 3	0.46 3	0.62 43	0.59 5	0.40 12	0.22 71	0.17 92	0.22 51	0.21 90	0.86 222	0.56 204

CroCo_RVC	0.55 25	0.56 168	1.46 177	0.60 91	0.51 129	0.48 8	0.52 79	0.79 5	0.68 7	0.50 3	0.67 3	0.46 3	0.62 43	0.59 5	0.40 12	0.22 71	0.17 92	0.22 51	0.21 90	0.86 222	0.56 204

222	0.56 29	0.24 7	1.07 135	0.42 5	0.24 6	0.48 8	0.36 30	1.07 38	1.30 144	1.10 55	1.02 36	0.57 13	1.06 131	0.73 21	0.52 66	0.16 5	0.13 13	0.17 8	0.13 7	0.18 25	0.19 67

R-Stereo Train	0.57 30	0.26 20	0.63 26	0.54 44	0.36 81	0.69 57	0.54 86	1.22 77	0.72 9	1.61 169	1.50 145	0.75 30	0.53 22	0.64 12	0.44 25	0.18 17	0.15 68	0.17 8	0.15 16	0.17 12	0.17 32

RAFT-Stereo	0.57 30	0.26 20	0.63 26	0.54 44	0.36 81	0.69 57	0.54 86	1.22 77	0.72 9	1.61 169	1.50 145	0.75 30	0.53 22	0.64 12	0.44 25	0.18 17	0.15 68	0.17 8	0.15 16	0.17 12	0.17 32
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AFF-stereo	0.58 32	0.25 15	0.64 31	0.46 14	0.29 24	0.34 1	0.38 37	1.15 56	1.14 100	1.17 72	1.60 155	1.10 92	0.71 55	0.97 41	0.43 23	0.13 1	0.11 2	0.19 28	0.19 42	0.17 12	0.14 6

AnonymousM	0.59 33	1.11 224	0.41 6	0.44 11	0.32 59	0.43 3	0.47 61	1.05 31	0.64 3	0.98 32	0.63 2	0.67 22	0.43 7	0.59 5	0.41 15	0.20 46	0.15 68	1.84 233	0.84 229	0.14 1	0.13 3

RALAANet	0.60 34	0.33 95	0.87 101	0.62 106	0.50 121	0.69 57	0.31 18	1.21 73	1.06 76	1.09 50	1.16 78	0.88 40	0.46 11	1.22 52	0.42 19	0.19 35	0.15 68	0.21 45	0.17 27	0.27 112	0.17 32

111	0.60 34	0.23 6	0.70 43	0.43 6	0.24 6	0.72 73	0.42 47	1.18 68	1.41 168	0.80 16	1.38 122	1.10 92	0.79 65	0.96 38	0.58 83	0.18 17	0.13 13	0.17 8	0.15 16	0.17 12	0.19 67

TRStereo	0.60 34	0.60 183	0.97 121	0.74 175	0.67 170	0.46 7	0.38 37	1.85 158	0.89 23	0.79 15	0.80 10	0.88 40	0.39 4	1.10 50	0.41 15	0.23 96	0.15 68	0.23 63	0.24 112	0.17 12	0.15 14

FENet	0.60 34	0.28 39	0.63 26	0.54 44	0.33 72	0.83 94	0.38 37	1.27 82	1.07 82	1.00 35	0.86 12	0.99 66	0.85 75	0.96 38	0.68 92	0.22 71	0.15 68	0.23 63	0.20 66	0.22 66	0.23 101

Anonymous3	0.61 38	0.44 135	1.11 141	0.59 76	0.49 118	0.93 111	0.65 117	0.93 11	0.81 18	0.72 11	0.88 14	0.65 20	0.69 52	1.06 46	0.53 73	0.35 169	0.30 167	0.26 117	0.26 126	0.31 132	0.27 119

FTStereo	0.62 39	0.28 39	0.76 79	0.59 76	0.33 72	0.69 57	0.40 43	1.11 47	0.99 59	1.50 148	1.06 43	0.89 44	0.60 38	1.56 71	0.45 29	0.21 52	0.14 42	0.23 63	0.19 42	0.23 77	0.17 32

DIP-Stereo	0.62 39	0.30 72	0.83 97	0.48 18	0.36 81	0.95 115	0.33 22	2.37 214	0.67 6	1.25 87	1.00 24	0.68 23	0.51 19	0.91 36	0.61 84	0.18 17	0.15 68	0.21 45	0.17 27	0.19 38	0.19 67
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
XX-Stereo	0.63 41	0.26 20	1.90 192	0.81 188	0.67 170	0.43 3	0.23 1	1.03 27	0.58 1	0.65 8	1.56 151	1.41 135	0.39 4	1.28 54	0.35 2	0.20 46	0.14 42	0.20 33	0.19 42	0.18 25	0.14 6

ICVP	0.63 41	0.33 95	0.57 16	0.61 100	0.40 98	0.80 91	0.58 104	1.61 119	0.89 23	0.90 24	1.24 91	0.88 40	0.73 56	0.72 18	0.88 123	0.29 141	0.21 122	0.22 51	0.21 90	0.24 89	0.27 119

ACVNet	0.63 41	0.31 81	0.54 10	0.54 44	0.36 81	0.80 91	0.46 58	1.37 86	1.07 82	0.93 26	1.30 104	1.08 88	0.85 75	0.80 26	0.94 128	0.21 52	0.19 107	0.21 45	0.18 34	0.22 66	0.18 51

DN-CSS_ROB	0.64 44	0.32 86	1.05 131	0.55 50	0.40 98	0.54 25	0.45 57	1.21 73	0.93 32	1.03 43	1.47 138	0.69 26	0.63 46	1.76 89	0.49 56	0.18 17	0.14 42	0.25 112	0.22 99	0.22 66	0.20 85

TestStereo	0.64 44	0.39 119	0.71 49	0.51 29	0.27 16	0.56 28	0.42 47	1.03 27	0.91 28	0.80 16	1.00 24	0.68 23	0.52 20	3.25 150	0.45 29	0.22 71	0.15 68	0.24 88	0.18 34	0.27 112	0.16 23

RAFT+GMM	0.64 44	0.30 72	0.73 62	0.59 76	0.33 72	0.68 52	0.58 104	1.04 29	0.76 13	1.08 47	1.19 83	1.65 165	0.93 101	1.06 46	0.56 79	0.21 52	0.18 101	0.27 121	0.24 112	0.22 66	0.17 32

EAI-Stereo	0.65 47	0.28 39	0.69 41	0.53 39	0.27 16	0.60 32	0.40 43	2.28 210	0.64 3	0.71 10	3.18 215	0.57 13	0.43 7	1.06 46	0.41 15	0.18 17	0.13 13	0.17 8	0.17 27	0.17 12	0.17 32

test_xeample3	0.65 47	0.28 39	0.73 62	0.45 12	0.25 13	0.71 68	0.87 146	1.20 72	1.25 127	1.22 82	1.66 164	0.83 36	0.92 95	0.89 34	0.46 38	0.18 17	0.15 68	0.17 8	0.13 7	0.15 3	0.40 168

HITNet	0.65 47	0.40 121	0.77 84	0.48 18	0.24 6	1.05 129	0.49 70	1.76 140	1.02 67	1.18 75	1.18 82	0.89 44	0.80 69	0.85 31	0.79 109	0.17 13	0.12 4	0.21 45	0.17 27	0.29 119	0.15 14
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
GES	0.66 50	0.34 99	0.90 107	0.59 76	0.38 91	0.94 113	0.57 100	2.11 195	0.86 21	1.02 40	1.11 61	0.66 21	0.79 65	0.99 42	0.61 84	0.27 130	0.19 107	0.20 33	0.20 66	0.21 56	0.30 139

DMCA	0.67 51	0.34 99	0.90 107	0.51 29	0.44 108	0.86 99	0.47 61	1.42 91	1.02 67	1.17 72	1.12 64	1.23 113	0.75 58	0.78 24	0.95 130	0.25 113	0.19 107	0.27 121	0.19 42	0.24 89	0.27 119

pcwnet_v2	0.69 52	0.33 95	0.66 35	0.58 70	0.38 91	0.78 87	0.47 61	1.83 156	1.17 108	1.14 65	1.48 139	0.83 36	0.79 65	0.90 35	0.67 91	0.32 153	0.26 150	0.28 128	0.29 148	0.26 109	0.29 131

UCFNet_RVC	0.69 52	0.35 107	0.49 8	0.64 120	0.39 97	0.85 98	0.58 104	1.75 135	1.14 100	0.97 31	1.19 83	1.17 104	0.93 101	0.99 42	0.62 86	0.28 136	0.20 117	0.34 159	0.31 161	0.32 137	0.27 119

Consistency-Raft	0.69 52	0.28 39	0.77 84	0.59 76	0.33 72	0.68 52	0.38 37	1.15 56	0.97 49	1.42 127	1.06 43	0.92 49	0.56 28	3.01 144	0.45 29	0.21 52	0.14 42	0.23 63	0.19 42	0.22 66	0.16 23

CFNet-pseudo	0.70 55	0.32 86	0.71 49	0.61 100	0.37 86	0.91 104	0.47 61	1.90 168	1.37 160	1.01 36	1.52 147	0.73 28	0.65 49	1.06 46	0.76 101	0.26 123	0.22 129	0.31 140	0.30 156	0.24 89	0.26 115

HCRNet	0.70 55	0.39 119	0.73 62	0.60 91	0.59 156	0.76 84	0.35 28	1.22 77	1.13 99	1.02 40	0.99 22	1.02 83	0.76 62	2.19 115	0.70 94	0.28 136	0.19 107	0.28 128	0.23 108	0.25 103	0.23 101

AdaStereo	0.70 55	0.43 132	0.75 74	0.73 173	0.37 86	0.92 109	0.53 83	1.85 158	1.18 111	1.12 59	1.23 90	1.07 87	0.65 49	0.96 38	0.63 88	0.31 149	0.15 68	0.32 145	0.21 90	0.29 119	0.22 97
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.
PSMNet-RSSM	0.72 58	0.30 72	0.61 20	0.63 112	0.42 101	0.73 78	0.56 97	1.92 175	1.10 90	1.09 50	1.37 118	1.22 111	0.98 111	1.28 54	0.72 96	0.27 130	0.19 107	0.27 121	0.29 148	0.24 89	0.24 107

GANet-RSSM	0.72 58	0.28 39	0.63 26	0.64 120	0.58 149	0.80 91	0.58 104	1.89 165	1.08 85	1.04 44	1.25 94	1.15 103	1.04 127	1.49 65	0.62 86	0.25 113	0.19 107	0.22 51	0.22 99	0.22 66	0.21 89

MLCV	0.72 58	0.34 99	1.10 139	0.51 29	0.23 4	0.91 104	0.39 42	1.33 84	1.23 123	1.46 132	1.55 150	1.01 80	0.64 47	1.95 101	0.80 112	0.18 17	0.12 4	0.18 23	0.14 13	0.19 38	0.17 32

CFNet_RVC	0.72 58	0.32 86	0.54 10	0.66 131	0.54 136	0.83 94	0.55 93	1.37 86	1.15 104	0.93 26	1.28 100	1.57 158	0.97 106	1.35 58	0.81 113	0.26 123	0.20 117	0.33 151	0.25 119	0.30 126	0.23 101

CFNet-ft	0.72 58	0.32 86	0.54 10	0.66 131	0.54 136	0.83 94	0.55 93	1.37 86	1.15 104	0.93 26	1.28 100	1.57 158	0.97 106	1.35 58	0.81 113	0.26 123	0.20 117	0.33 151	0.25 119	0.30 126	0.23 101

cf-r	0.73 63	0.30 72	0.77 84	0.55 50	0.63 165	0.78 87	0.48 67	1.79 148	1.15 104	1.13 64	1.26 97	1.43 137	0.87 84	1.40 61	0.85 122	0.25 113	0.18 101	0.22 51	0.23 108	0.19 38	0.19 67

BEATNet_4x	0.73 63	0.49 150	1.17 148	0.53 39	0.26 15	1.03 127	0.55 93	1.82 153	1.06 76	1.21 80	1.22 88	0.96 58	0.91 93	1.01 45	1.06 138	0.21 52	0.14 42	0.24 88	0.19 42	0.37 150	0.21 89

NRIStereo	0.73 63	0.28 39	0.74 72	0.56 53	0.31 43	0.71 68	0.31 18	0.97 15	0.97 49	1.50 148	1.06 43	1.00 67	0.55 27	3.98 161	0.47 45	0.22 71	0.14 42	0.23 63	0.19 42	0.22 66	0.17 32

DeepPruner_ROB	0.74 66	0.48 148	0.87 101	0.57 63	0.44 108	0.79 90	0.54 86	1.73 131	0.96 47	1.38 120	1.27 98	1.24 114	0.73 56	1.43 62	0.73 98	0.34 164	0.28 158	0.27 121	0.26 126	0.31 132	0.31 144

DMCA-RVC	0.74 66	0.40 121	1.27 158	0.66 131	0.49 118	0.77 86	0.47 61	1.35 85	1.01 64	1.53 155	1.01 30	1.29 123	0.82 71	1.31 56	0.78 105	0.27 130	0.21 122	0.35 166	0.27 131	0.32 137	0.24 107

iResNet	0.75 68	0.40 121	1.36 171	0.67 141	0.29 24	0.92 109	0.59 109	1.52 107	1.25 127	1.28 93	1.48 139	0.94 54	0.76 62	1.62 76	0.78 105	0.18 17	0.14 42	0.18 23	0.15 16	0.22 66	0.23 101

acv_ft	0.75 68	0.31 81	0.95 118	0.70 155	0.86 205	1.24 152	0.53 83	1.44 93	1.07 82	1.24 85	1.30 104	1.08 88	0.92 95	0.80 26	1.34 164	0.21 52	0.19 107	0.21 45	0.18 34	0.21 56	0.18 51

ROB_FTStereo	0.76 70	0.29 64	0.76 79	0.57 63	0.32 59	0.69 57	0.44 53	1.11 47	1.01 64	1.51 153	1.15 73	0.96 58	0.62 43	4.22 164	0.48 52	0.21 52	0.13 13	0.24 88	0.19 42	0.23 77	0.17 32

PSM-softLoss	0.76 70	0.28 39	0.76 79	0.55 50	0.30 35	0.73 78	0.29 13	1.02 22	1.01 64	1.49 145	0.99 22	0.92 49	0.58 36	4.61 168	0.49 56	0.22 71	0.13 13	0.23 63	0.19 42	0.24 89	0.17 32

ROB_FTStereo_v2	0.77 72	0.28 39	0.77 84	0.57 63	0.30 35	0.70 67	0.49 70	1.12 52	1.04 72	1.40 123	1.13 68	0.88 40	0.58 36	4.54 167	0.45 29	0.21 52	0.13 13	0.24 88	0.19 42	0.23 77	0.17 32

ARAFT	0.77 72	0.36 109	1.49 180	0.51 29	0.31 43	0.90 102	0.82 139	1.90 168	1.06 76	1.62 172	1.24 91	1.02 83	0.64 47	1.84 94	0.50 59	0.18 17	0.14 42	0.28 128	0.27 131	0.17 12	0.16 23

iResNet_ROB	0.77 72	0.30 72	0.99 122	0.57 63	0.36 81	0.83 94	0.36 30	2.33 212	1.58 186	1.27 91	1.30 104	1.25 116	0.84 73	1.65 78	0.79 109	0.20 46	0.14 42	0.17 8	0.12 5	0.18 25	0.27 119

psm_up	0.77 72	0.34 99	0.70 43	0.66 131	0.58 149	1.05 129	0.92 157	1.52 107	1.12 95	1.26 89	1.16 78	1.31 126	1.23 159	1.20 51	0.81 113	0.25 113	0.29 163	0.31 140	0.27 131	0.27 112	0.25 113

GwcNet-RSSM	0.77 72	0.32 86	1.01 125	0.62 106	0.54 136	0.78 87	0.51 76	1.73 131	1.20 119	1.09 50	1.37 118	1.46 144	0.85 75	1.53 68	1.09 141	0.25 113	0.18 101	0.23 63	0.24 112	0.20 43	0.19 67

PSM-AAD	0.78 77	0.27 32	0.90 107	0.57 63	0.30 35	0.67 48	0.29 13	0.99 18	0.85 20	1.50 148	1.07 48	0.91 47	0.54 24	5.07 175	0.47 45	0.22 71	0.13 13	0.24 88	0.19 42	0.24 89	0.16 23

OCTAStereo	0.78 77	0.29 64	0.74 72	0.57 63	0.30 35	0.76 84	0.32 21	0.98 16	0.99 59	1.60 168	0.97 19	0.92 49	0.60 38	4.84 172	0.50 59	0.22 71	0.14 42	0.24 88	0.20 66	0.24 89	0.17 32

STTStereo	0.78 77	0.50 154	1.22 150	0.64 120	0.54 136	0.89 100	0.54 86	1.44 93	1.11 92	1.38 120	1.09 53	1.27 121	0.85 75	1.43 62	0.83 118	0.29 141	0.27 154	0.33 151	0.39 186	0.32 137	0.30 139

hitnet-ft	0.79 80	0.35 107	0.57 16	0.58 70	0.42 101	0.96 120	0.46 58	1.47 97	1.33 149	1.19 77	1.22 88	1.81 175	0.98 111	1.66 81	0.94 128	0.33 157	0.28 158	0.34 159	0.27 131	0.35 143	0.31 144

NLCA_NET_v2_RVC	0.79 80	0.43 132	1.05 131	0.64 120	0.58 149	0.95 115	0.53 83	1.53 113	1.18 111	1.37 117	1.15 73	1.43 137	0.88 87	1.61 75	0.84 120	0.25 113	0.22 129	0.27 121	0.27 131	0.29 119	0.29 131
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NF-Stereo	0.79 80	0.28 39	0.75 74	0.56 53	0.29 24	0.73 78	0.27 10	1.00 19	1.02 67	1.49 145	1.00 24	0.94 54	0.57 34	5.12 176	0.47 45	0.23 96	0.13 13	0.24 88	0.20 66	0.24 89	0.16 23

iResNetv2_ROB	0.80 83	0.37 112	1.71 189	0.56 53	0.37 86	0.94 113	0.64 116	1.73 131	1.34 151	1.23 84	1.42 130	1.26 117	0.92 95	1.85 96	0.56 79	0.23 96	0.15 68	0.19 28	0.14 13	0.24 89	0.19 67

LCNet	0.80 83	0.30 72	0.75 74	0.60 91	0.31 43	0.64 39	0.44 53	1.21 73	0.90 26	1.29 94	1.01 30	0.81 35	0.57 34	5.37 180	0.48 52	0.24 106	0.14 42	0.24 88	0.20 66	0.20 43	0.30 139

StereoDRNet-Refined	0.80 83	0.41 126	0.88 103	0.62 106	0.42 101	1.33 159	0.48 67	1.52 107	1.17 108	1.45 131	1.44 134	1.44 141	0.90 92	1.26 53	1.24 153	0.20 46	0.16 88	0.27 121	0.24 112	0.25 103	0.28 129
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
UPFNet	0.80 83	0.32 86	0.90 107	0.59 76	0.74 182	1.26 154	0.80 135	1.52 107	1.10 90	1.30 97	1.12 64	1.30 124	0.84 73	1.67 82	1.09 141	0.24 106	0.24 140	0.24 88	0.23 108	0.25 103	0.18 51

KMStereo	0.81 87	0.27 32	0.75 74	0.56 53	0.29 24	0.68 52	0.35 28	1.02 22	0.98 52	1.51 153	1.10 55	0.97 62	0.56 28	5.46 183	0.46 38	0.22 71	0.13 13	0.24 88	0.20 66	0.24 89	0.16 23

HUI-Stereo	0.81 87	0.27 32	0.72 53	0.60 91	0.32 59	0.72 73	0.61 113	1.02 22	0.94 35	1.53 155	1.09 53	1.01 80	0.49 16	5.25 178	0.45 29	0.21 52	0.13 13	0.23 63	0.20 66	0.24 89	0.20 85

ASMatch	0.82 89	0.28 39	0.73 62	0.59 76	0.32 59	0.73 78	0.48 67	1.05 31	0.95 37	1.55 161	1.08 49	1.00 67	0.61 42	5.50 184	0.45 29	0.21 52	0.13 13	0.23 63	0.19 42	0.24 89	0.19 67

LMCR-Stereo	0.82 89	0.46 141	0.88 103	0.75 179	0.43 106	1.33 159	0.56 97	2.43 218	0.98 52	1.53 155	1.49 142	0.74 29	1.00 120	1.63 77	0.89 124	0.28 136	0.17 92	0.22 51	0.17 27	0.29 119	0.20 85

CRE-IMP	0.82 89	0.27 32	0.61 20	0.58 70	0.28 20	0.60 32	0.61 113	1.14 55	0.93 32	1.31 104	1.08 49	0.90 46	0.97 106	5.44 182	0.47 45	0.23 96	0.15 68	0.22 51	0.19 42	0.20 43	0.18 51

ac_64	0.82 89	0.29 64	0.81 95	0.71 163	0.60 159	1.05 129	0.54 86	1.99 186	0.92 31	1.18 75	1.06 43	1.99 190	1.08 136	1.94 100	0.97 133	0.27 130	0.22 129	0.24 88	0.23 108	0.22 66	0.19 67

UNet	0.83 93	0.34 99	1.31 162	0.58 70	0.74 182	1.58 176	0.49 70	1.41 90	1.04 72	1.21 80	1.08 49	1.54 154	1.12 141	1.65 78	1.09 141	0.23 96	0.17 92	0.25 112	0.20 66	0.25 103	0.22 97

FADNet_RVC	0.83 93	0.51 157	1.83 191	0.54 44	0.42 101	1.19 145	0.46 58	1.51 104	1.09 88	0.89 23	1.24 91	0.91 47	0.87 84	2.11 109	1.11 146	0.27 130	0.22 129	0.31 140	0.28 142	0.43 172	0.38 165

GMM-Stereo	0.83 93	0.28 39	0.73 62	0.59 76	0.31 43	0.69 57	0.43 49	1.11 47	0.95 37	1.47 133	1.10 55	1.00 67	0.85 75	5.53 186	0.46 38	0.22 71	0.13 13	0.23 63	0.20 66	0.23 77	0.18 51

KYRaft	0.83 93	0.28 39	0.73 62	0.56 53	0.32 59	0.71 68	0.31 18	1.05 31	0.95 37	1.55 161	1.15 73	0.98 64	0.88 87	5.42 181	0.44 25	0.21 52	0.13 13	0.23 63	0.19 42	0.24 89	0.21 89

THIR-Stereo	0.83 93	0.28 39	0.73 62	0.59 76	0.31 43	0.69 57	0.44 53	1.10 42	0.95 37	1.47 133	1.10 55	1.00 67	0.85 75	5.53 186	0.46 38	0.22 71	0.13 13	0.23 63	0.20 66	0.23 77	0.18 51

SST-Stereo	0.83 93	0.28 39	0.72 53	0.59 76	0.31 43	0.72 73	0.26 6	1.09 41	0.86 21	1.47 133	1.10 55	1.00 67	0.87 84	5.73 194	0.45 29	0.22 71	0.13 13	0.23 63	0.19 42	0.23 77	0.18 51

RAFT_R40	0.83 93	0.28 39	0.73 62	0.59 76	0.31 43	0.69 57	0.44 53	1.10 42	0.95 37	1.47 133	1.10 55	1.00 67	0.85 75	5.53 186	0.46 38	0.22 71	0.13 13	0.23 63	0.20 66	0.23 77	0.18 51

Pruner-Stereo	0.83 93	0.28 39	0.73 62	0.59 76	0.31 43	0.69 57	0.43 49	1.11 47	0.95 37	1.47 133	1.10 55	1.00 67	0.85 75	5.53 186	0.46 38	0.22 71	0.13 13	0.23 63	0.20 66	0.23 77	0.18 51

MMNet	0.84 101	0.32 86	1.09 136	0.60 91	0.59 156	1.85 193	0.49 70	1.51 104	1.27 137	1.37 117	1.15 73	1.26 117	1.18 152	1.67 82	1.22 151	0.19 35	0.18 101	0.23 63	0.22 99	0.25 103	0.21 89

FADNet-RVC-Resample	0.84 101	0.47 144	2.10 195	0.61 100	0.45 110	1.07 133	0.61 113	1.59 118	1.20 119	1.08 47	0.98 20	1.03 85	0.98 111	2.17 111	0.72 96	0.23 96	0.22 129	0.30 137	0.32 165	0.35 143	0.34 150

DEmStereo	0.84 101	0.29 64	0.71 49	0.54 44	0.32 59	0.72 73	0.30 17	1.17 65	0.95 37	1.48 143	1.16 78	0.97 62	1.01 122	5.58 191	0.46 38	0.22 71	0.13 13	0.23 63	0.19 42	0.23 77	0.17 32

HGLStereo	0.85 104	0.38 115	0.94 116	0.80 185	1.03 218	1.17 144	0.58 104	1.52 107	1.20 119	1.19 77	1.62 159	1.13 101	1.20 156	1.80 91	1.06 138	0.24 106	0.24 140	0.24 88	0.21 90	0.23 77	0.27 119

delet	0.85 104	0.32 86	0.95 118	0.65 127	0.66 168	1.64 181	0.84 141	1.75 135	1.35 155	1.32 105	1.30 104	1.30 124	0.88 87	1.68 84	1.10 144	0.21 52	0.21 122	0.24 88	0.24 112	0.21 56	0.21 89

DLCB_ROB	0.86 106	0.40 121	0.78 88	0.68 148	0.54 136	1.11 136	0.84 141	1.49 99	1.23 123	1.64 173	1.65 163	1.70 169	0.91 93	1.70 85	1.05 136	0.25 113	0.24 140	0.26 117	0.27 131	0.27 112	0.24 107

RAFT-345	0.86 106	0.27 32	0.75 74	0.62 106	0.31 43	0.55 27	0.70 123	1.13 53	0.98 52	1.30 97	1.48 139	1.04 86	1.12 141	5.32 179	0.53 73	0.22 71	0.13 13	0.25 112	0.20 66	0.22 66	0.16 23

PSM-adaLoss	0.86 106	0.28 39	0.83 97	0.58 70	0.30 35	0.71 68	0.33 22	1.00 19	0.78 17	1.47 133	1.01 30	0.94 54	1.62 189	5.76 195	0.50 59	0.21 52	0.14 42	0.23 63	0.19 42	0.24 89	0.17 32

HSM-Net_RVC	0.87 109	0.29 64	0.53 9	0.53 39	0.30 35	1.15 142	0.55 93	3.57 231	1.28 142	1.53 155	1.74 172	1.68 167	0.93 101	1.49 65	0.77 104	0.22 71	0.17 92	0.19 28	0.18 34	0.20 43	0.19 67
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRAFT	0.88 110	0.29 64	0.80 93	0.61 100	0.31 43	0.56 28	0.89 150	1.15 56	0.99 59	1.29 94	1.12 64	1.00 67	1.13 143	5.72 193	0.57 82	0.22 71	0.13 13	0.24 88	0.20 66	0.21 56	0.18 51

IRAFT_RVC	0.88 110	0.28 39	0.76 79	0.63 112	0.31 43	0.65 43	1.02 171	1.22 77	0.94 35	1.22 82	1.04 42	1.01 80	0.98 111	5.82 196	0.53 73	0.22 71	0.12 4	0.25 112	0.20 66	0.20 43	0.19 67

FADNet-RVC	0.88 110	0.67 191	1.93 194	0.60 91	0.48 115	0.91 104	0.60 112	1.71 129	1.18 111	0.90 24	0.96 17	1.36 129	0.92 95	2.25 119	1.17 148	0.30 145	0.29 163	0.32 145	0.32 165	0.41 164	0.35 155

DeepStereo_LL	0.88 110	0.29 64	0.71 49	0.56 53	0.32 59	0.73 78	0.24 2	1.15 56	0.89 23	1.43 128	1.11 61	1.00 67	1.22 158	6.24 202	0.47 45	0.22 71	0.13 13	0.23 63	0.20 66	0.23 77	0.17 32

PSMNet_ROB	0.90 114	0.52 159	1.17 148	0.72 166	0.61 161	1.27 155	1.12 181	1.76 140	1.12 95	1.09 50	1.28 100	1.45 142	0.89 91	1.65 78	1.42 175	0.33 157	0.25 147	0.37 174	0.39 186	0.35 143	0.29 131

GEStereo_RVC	0.90 114	0.37 112	0.99 122	0.64 120	0.50 121	0.95 115	0.79 132	2.42 217	1.17 108	1.16 70	1.11 61	1.26 117	0.92 95	3.24 149	0.90 126	0.29 141	0.19 107	0.23 63	0.20 66	0.27 112	0.29 131

iGMRVC	0.90 114	0.27 32	0.68 38	0.68 148	0.34 78	0.45 5	0.98 168	1.21 73	0.98 52	1.44 129	1.41 128	0.96 58	0.99 118	5.96 197	0.48 52	0.22 71	0.14 42	0.23 63	0.19 42	0.21 56	0.15 14

CBMV_ROB	0.90 114	0.44 135	0.63 26	0.51 29	0.37 86	1.25 153	0.49 70	1.77 143	1.27 137	1.41 124	2.00 191	1.33 128	1.08 136	2.17 111	0.76 101	0.43 194	0.42 207	0.47 200	0.44 198	0.41 164	0.36 158

PFNet	0.91 118	0.26 20	1.10 139	0.63 112	0.32 59	0.64 39	0.56 97	1.17 65	0.99 59	1.47 133	1.08 49	0.98 64	0.69 52	6.62 209	0.54 77	0.20 46	0.12 4	0.24 88	0.19 42	0.20 43	0.17 32

FADNet	0.92 119	0.61 184	1.81 190	0.62 106	0.55 141	0.96 120	0.57 100	1.78 147	1.33 149	0.93 26	1.01 30	1.36 129	1.01 122	2.71 135	0.75 99	0.33 157	0.34 181	0.31 140	0.34 174	0.59 205	0.40 168

NVstereo2D	0.92 119	0.41 126	1.48 179	0.72 166	0.72 178	1.20 148	0.87 146	1.75 135	1.38 163	0.99 33	1.13 68	1.26 117	0.98 111	2.21 117	0.89 124	0.43 194	0.20 117	0.38 176	0.24 112	0.57 201	0.63 216

DSFCA	0.93 121	0.34 99	1.06 133	0.52 34	0.65 166	1.55 174	0.93 160	1.49 99	1.19 114	1.56 164	1.15 73	1.50 150	0.96 105	3.07 145	1.02 135	0.30 145	0.26 150	0.25 112	0.25 119	0.28 118	0.24 107

OMP-Stereo	0.94 122	0.33 95	0.72 53	0.90 210	0.31 43	0.49 13	0.36 30	1.16 60	1.06 76	1.58 167	1.12 64	1.46 144	0.69 52	6.94 217	0.49 56	0.19 35	0.14 42	0.24 88	0.18 34	0.20 43	0.14 6

CBMV	0.95 123	0.44 135	0.66 35	0.53 39	0.35 79	1.53 172	1.63 203	1.69 126	1.42 170	2.00 195	1.60 155	1.43 137	1.17 149	1.59 73	0.99 134	0.34 164	0.34 181	0.39 181	0.33 170	0.33 142	0.32 146
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CFNet	0.96 124	0.36 109	1.01 125	0.62 106	0.42 101	0.99 125	0.47 61	1.90 168	1.32 147	0.99 33	1.39 125	1.10 92	0.86 83	5.58 191	0.79 109	0.23 96	0.17 92	0.28 128	0.27 131	0.26 109	0.21 89

TransformOpticalFlow	0.96 124	0.28 39	0.89 105	0.52 34	0.31 43	0.66 47	0.54 86	1.75 135	1.12 95	1.09 50	1.44 134	1.37 132	1.01 122	6.70 214	0.42 19	0.19 35	0.12 4	0.20 33	0.19 42	0.18 25	0.19 67

XPNet_ROB	0.96 124	0.49 150	1.09 136	0.72 166	0.57 142	1.11 136	1.14 183	1.66 123	1.23 123	1.85 186	1.39 125	1.64 164	1.11 139	1.80 91	1.42 175	0.38 179	0.30 167	0.33 151	0.29 148	0.37 150	0.34 150

RAFT-RH_RVC	0.96 124	0.27 32	0.90 107	0.70 155	0.32 59	0.59 31	1.68 205	1.26 81	0.97 49	1.44 129	1.30 104	0.96 58	1.06 131	5.99 198	0.56 79	0.21 52	0.15 68	0.24 88	0.19 42	0.20 43	0.19 67

ETE_ROB	0.96 124	0.64 189	1.16 146	0.69 151	0.48 115	1.14 140	1.13 182	1.77 143	1.19 114	1.91 191	1.45 136	1.73 171	1.05 129	1.60 74	1.14 147	0.32 153	0.26 150	0.38 176	0.34 174	0.39 160	0.41 172

IIG-Stereo	0.96 124	0.31 81	0.72 53	0.88 206	0.33 72	0.61 35	0.26 6	1.19 70	1.03 70	1.69 176	1.37 118	1.46 144	0.75 58	6.96 218	0.51 62	0.19 35	0.14 42	0.23 63	0.18 34	0.20 43	0.14 6

FINET	0.97 130	0.54 163	1.60 185	0.63 112	0.79 196	1.08 134	1.07 176	1.56 116	2.20 215	1.15 67	1.49 142	0.94 54	0.88 87	2.32 121	1.05 136	0.42 190	0.35 188	0.32 145	0.28 142	0.43 172	0.38 165

GrayStereo	0.98 131	0.28 39	0.79 90	0.66 131	0.31 43	0.51 16	2.22 219	1.16 60	0.95 37	1.36 114	1.30 104	1.12 96	1.14 145	6.10 199	0.52 66	0.21 52	0.14 42	0.24 88	0.20 66	0.21 56	0.17 32

RE-Stereo	0.98 131	0.28 39	0.80 93	0.66 131	0.31 43	0.51 16	2.22 219	1.16 60	0.95 37	1.36 114	1.30 104	1.12 96	1.14 145	6.10 199	0.52 66	0.21 52	0.14 42	0.24 88	0.20 66	0.21 56	0.17 32

TVStereo	0.98 131	0.28 39	0.79 90	0.66 131	0.31 43	0.51 16	2.22 219	1.16 60	0.95 37	1.36 114	1.30 104	1.12 96	1.14 145	6.11 201	0.52 66	0.21 52	0.14 42	0.24 88	0.20 66	0.21 56	0.17 32

StereoDRNet	0.98 131	0.47 144	1.70 188	0.76 181	0.94 213	1.51 170	0.91 155	1.92 175	1.32 147	1.61 169	1.13 68	1.47 148	0.97 106	1.75 86	1.46 178	0.28 136	0.23 135	0.29 133	0.27 131	0.35 143	0.27 119

PS-NSSS	0.99 135	0.58 175	0.93 115	0.58 70	0.57 142	0.91 104	0.80 135	1.81 152	1.14 100	1.14 65	1.67 167	1.00 67	0.83 72	4.62 169	0.78 105	0.37 175	0.31 172	0.52 206	0.32 165	0.45 182	0.38 165

NCCL2	1.00 136	0.56 168	1.06 133	0.75 179	0.57 142	1.31 158	1.72 206	1.77 143	1.36 158	1.50 148	1.17 81	1.91 181	1.17 149	1.54 69	1.29 160	0.35 169	0.31 172	0.45 195	0.44 198	0.40 163	0.40 168

RAFT + AFF	1.00 136	0.42 129	1.09 136	0.67 141	0.50 121	1.22 150	1.24 191	2.24 207	1.19 114	1.30 97	1.56 151	1.17 104	1.49 180	3.44 156	0.83 118	0.21 52	0.25 147	0.30 137	0.26 126	0.27 112	0.27 119

DRN-Test	1.00 136	0.44 135	1.13 144	0.70 155	0.81 202	1.62 179	0.79 132	2.14 198	1.44 172	1.78 182	1.33 115	1.43 137	1.05 129	2.18 114	1.53 182	0.27 130	0.21 122	0.31 140	0.30 156	0.32 137	0.28 129

DRaft	1.00 136	0.31 81	1.31 162	0.52 34	0.38 91	1.19 145	1.63 203	1.18 68	1.38 163	1.24 85	2.12 196	1.55 155	1.90 207	2.45 127	1.71 188	0.18 17	0.15 68	0.22 51	0.22 99	0.18 25	0.26 115

LALA_ROB	1.01 140	0.59 176	1.16 146	0.67 141	0.51 129	1.63 180	1.26 192	1.69 126	1.38 163	1.81 184	1.37 118	1.94 186	1.02 125	1.58 72	1.38 169	0.37 175	0.27 154	0.43 192	0.37 184	0.43 172	0.37 159

PA-Net	1.01 140	0.57 172	1.29 160	0.64 120	0.74 182	1.19 145	0.84 141	1.69 126	1.43 171	1.16 70	1.19 83	1.32 127	1.19 155	3.42 154	1.25 154	0.29 141	0.45 214	0.33 151	0.49 209	0.32 137	0.47 189
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DISCO	1.03 142	0.34 99	1.11 141	0.69 151	0.45 110	2.07 202	0.84 141	2.13 196	1.50 178	1.15 67	1.33 115	2.40 206	1.07 135	2.60 131	1.51 181	0.23 96	0.18 101	0.22 51	0.20 66	0.31 132	0.27 119

STrans-v2	1.04 143	0.28 39	0.96 120	0.49 24	0.32 59	0.68 52	0.79 132	2.47 220	1.12 95	1.12 59	1.46 137	1.40 133	1.46 176	6.70 214	0.43 23	0.18 17	0.13 13	0.20 33	0.18 34	0.18 25	0.18 51

Prome-Stereo	1.05 144	0.26 20	0.78 88	0.53 39	0.30 35	0.53 21	7.80 232	1.13 53	1.05 75	1.20 79	1.63 160	1.18 106	1.70 195	0.99 42	0.63 88	0.22 71	0.16 88	0.23 63	0.25 119	0.17 12	0.21 89

APVNet	1.06 145	0.53 162	1.42 173	0.84 195	0.79 196	1.92 196	0.82 139	1.90 168	1.08 85	1.08 47	1.43 132	1.56 157	1.13 143	3.07 145	1.58 183	0.31 149	0.34 181	0.42 190	0.36 181	0.36 148	0.37 159

TDLM	1.06 145	0.44 135	0.79 90	0.63 112	0.50 121	0.89 100	1.44 198	1.48 98	1.26 132	1.12 59	1.40 127	1.08 88	0.98 111	6.65 210	0.78 105	0.33 157	0.21 122	0.33 151	0.26 126	0.37 150	0.24 107

GANetREF_RVC	1.07 147	0.86 212	1.31 162	0.82 192	0.53 134	1.41 166	1.31 194	1.76 140	1.52 180	1.27 91	1.31 113	1.46 144	1.24 160	2.03 105	0.96 132	0.56 217	0.45 214	0.67 223	0.50 211	0.88 224	0.59 210
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
CVANet_RVC	1.07 147	0.43 132	0.76 79	0.60 91	0.50 121	0.90 102	0.97 166	1.52 107	1.26 132	1.33 110	1.38 122	1.24 114	1.18 152	6.75 216	0.75 99	0.34 164	0.23 135	0.34 159	0.29 148	0.42 168	0.27 119

FAT-Stereo	1.07 147	0.41 126	1.32 166	0.72 166	0.58 149	1.08 134	0.89 150	1.96 182	1.65 189	1.75 180	1.98 190	2.03 194	1.48 179	2.02 104	1.18 150	0.42 190	0.35 188	0.34 159	0.29 148	0.35 143	0.53 199

DANet	1.08 150	0.61 184	1.32 166	0.85 200	0.72 178	1.37 162	0.51 76	1.54 114	1.15 104	1.78 182	1.54 149	2.01 192	1.11 139	2.90 141	2.00 200	0.33 157	0.30 167	0.40 186	0.30 156	0.44 179	0.45 182
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GwcNet	1.08 150	0.51 157	2.33 200	0.79 183	1.18 228	1.76 186	0.70 123	1.68 125	1.47 174	1.41 124	1.64 162	1.74 172	1.04 127	2.20 116	1.41 173	0.30 145	0.29 163	0.29 133	0.27 131	0.30 126	0.35 155

Nwc_Net	1.09 152	0.49 150	1.33 168	0.89 209	0.80 200	1.49 169	0.66 120	2.19 204	1.27 137	1.32 105	2.26 199	1.96 188	1.54 182	1.92 97	1.34 164	0.40 183	0.30 167	0.43 192	0.45 200	0.38 156	0.37 159

RP	1.09 152	0.50 154	1.12 143	0.90 210	1.04 219	1.11 136	0.84 141	1.80 150	1.62 187	1.55 161	2.00 191	1.90 180	1.78 199	1.84 94	1.25 154	0.52 211	0.36 193	0.48 201	0.36 181	0.45 182	0.43 179

NCC-stereo	1.10 154	0.54 163	1.24 152	0.84 195	0.94 213	1.29 156	0.89 150	2.01 188	1.34 151	1.32 105	1.74 172	1.88 176	1.74 197	2.35 123	1.25 154	0.45 199	0.37 195	0.45 195	0.58 219	0.42 168	0.42 176

MaskLacGwcNet_RVC	1.10 154	1.02 217	1.00 124	0.82 192	0.67 170	1.93 197	0.93 160	1.62 120	1.11 92	1.15 67	1.25 94	1.50 150	0.79 65	1.96 102	0.76 101	1.89 234	0.34 181	0.79 227	0.36 181	1.25 232	0.83 227

Abc-Net	1.10 154	0.54 163	1.24 152	0.84 195	0.94 213	1.29 156	0.89 150	2.01 188	1.34 151	1.32 105	1.74 172	1.88 176	1.74 197	2.35 123	1.25 154	0.45 199	0.37 195	0.45 195	0.58 219	0.42 168	0.42 176
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
edge stereo	1.11 157	0.50 154	1.30 161	0.71 163	0.65 166	1.14 140	0.75 128	1.93 179	1.37 160	1.71 177	1.83 180	2.54 210	1.44 174	2.43 126	1.23 152	0.42 190	0.41 205	0.54 212	0.35 177	0.42 168	0.46 186

ccnet	1.12 158	0.67 191	1.01 125	0.78 182	0.73 180	1.72 184	0.99 169	1.84 157	1.26 132	1.47 133	1.85 182	1.75 174	1.29 165	1.75 86	1.88 195	0.57 218	0.53 225	0.57 220	0.55 217	0.59 205	0.54 200

RASNet	1.12 158	0.30 72	0.91 112	0.66 131	0.77 192	0.97 123	0.57 100	1.37 86	1.35 155	1.02 40	1.34 117	2.11 197	1.43 173	7.09 219	1.39 171	0.19 35	0.17 92	0.17 8	0.19 42	0.18 25	0.16 23

AF-Net	1.13 160	0.52 159	1.33 168	0.86 201	0.91 209	1.38 163	0.71 126	2.16 201	1.62 187	1.56 164	2.40 204	1.99 190

Low-res two-view benchmark