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):

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 Infoalllakes. 1llakes. 1ssand box 1lsand box 1sstora. room 1lstora. room 1sstora. room 2lstora. room 2sstora. room 2 1lstora. room 2 1sstora. room 2 2lstora. room 2 2sstora. room 3lstora. room 3stunnel 1ltunnel 1stunnel 2ltunnel 2stunnel 3ltunnel 3s
sorted bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort bysort by
CREStereotwo views0.92
1
0.53
6
1.45
2
0.61
1
0.34
1
4.42
152
0.40
5
2.21
9
1.54
11
0.94
5
1.12
5
0.87
10
0.87
8
1.12
7
0.72
5
0.28
10
0.19
8
0.22
2
0.15
1
0.22
1
0.19
3
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
PMTNettwo views0.99
2
0.48
1
1.73
6
0.62
2
0.56
17
4.20
138
0.43
8
1.88
5
1.58
15
1.00
6
1.05
3
0.78
5
0.98
15
1.50
24
0.85
10
1.21
167
0.20
11
0.23
3
0.15
1
0.22
1
0.19
3
TANstereotwo views1.01
3
0.55
7
1.73
6
0.76
6
0.36
2
4.04
110
0.38
4
1.48
1
1.62
19
2.03
53
2.10
90
0.84
7
0.93
11
0.98
3
0.62
1
0.28
10
0.36
81
0.23
3
0.20
11
0.25
8
0.46
68
GMStereotwo views1.01
3
1.00
81
2.86
23
0.83
13
0.45
11
1.47
5
0.57
13
1.89
6
2.11
54
1.52
15
1.24
8
0.87
10
0.74
5
1.58
27
0.94
18
0.40
76
0.21
16
0.30
33
0.30
50
0.47
69
0.36
36
CREStereo++_RVCtwo views1.02
5
0.49
2
1.54
4
0.83
13
0.55
15
4.01
106
0.31
1
1.63
2
1.99
36
1.63
18
2.13
96
0.84
7
0.65
3
0.88
1
0.70
3
0.27
5
0.15
1
0.23
3
1.22
172
0.24
3
0.17
1
s12784htwo views1.02
5
0.49
2
1.54
4
0.83
13
0.55
15
4.01
106
0.31
1
1.63
2
1.99
36
1.63
18
2.13
96
0.84
7
0.65
3
0.88
1
0.70
3
0.27
5
0.15
1
0.23
3
1.22
172
0.24
3
0.17
1
XX-TBDtwo views1.03
7
0.95
73
1.94
12
1.30
94
0.43
9
3.97
101
0.33
3
1.74
4
1.73
25
1.59
16
2.02
78
0.69
1
0.60
1
1.16
9
0.66
2
0.30
27
0.25
42
0.23
3
0.15
1
0.31
26
0.22
6
Anonymoustwo views1.04
8
0.76
44
2.42
19
1.06
37
1.27
99
1.67
6
0.86
44
2.51
13
1.49
4
0.92
4
1.14
6
0.70
2
1.10
20
1.26
14
0.98
20
0.47
100
0.33
71
0.30
33
0.30
50
0.66
113
0.51
82
sCroCo_RVCtwo views1.06
9
0.82
58
5.05
46
1.02
33
1.05
69
0.98
1
0.61
20
2.06
7
1.29
2
0.69
1
1.26
9
0.82
6
1.10
20
1.20
11
0.90
12
0.42
84
0.40
97
0.33
48
0.30
50
0.46
68
0.38
41
iRaftStereo_RVCtwo views1.09
10
0.70
28
1.39
1
0.95
22
0.45
11
3.83
83
0.42
6
2.37
12
1.58
15
1.69
23
1.76
45
1.80
39
0.83
6
1.50
24
0.98
20
0.28
10
0.18
5
0.29
32
0.26
33
0.30
22
0.31
29
RALCasStereoNettwo views1.19
11
1.02
83
2.06
13
1.12
48
1.14
77
3.08
21
0.70
30
2.99
24
1.73
25
1.34
8
1.68
32
1.18
19
0.91
10
2.16
40
1.00
22
0.30
27
0.26
48
0.24
13
0.21
14
0.29
18
0.30
27
raftrobusttwo views1.19
11
0.72
34
2.30
16
1.26
82
1.31
102
3.55
58
0.68
28
2.75
18
1.47
3
2.21
74
1.38
17
1.17
18
1.22
31
1.20
11
1.11
23
0.28
10
0.24
36
0.21
1
0.19
9
0.25
8
0.28
22
RAFT-Stereopermissivetwo views1.20
13
0.58
13
1.81
10
0.99
27
0.67
29
3.78
77
0.90
52
4.09
109
1.51
6
2.16
68
1.71
37
1.13
16
0.94
12
1.40
19
0.91
14
0.30
27
0.24
36
0.26
22
0.21
14
0.26
10
0.25
12
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
R-Stereo Traintwo views1.20
13
0.58
13
1.81
10
0.99
27
0.67
29
3.78
77
0.90
52
4.09
109
1.51
6
2.16
68
1.71
37
1.13
16
0.94
12
1.40
19
0.91
14
0.30
27
0.24
36
0.26
22
0.21
14
0.26
10
0.25
12
raft+_RVCtwo views1.21
15
0.83
60
2.61
21
1.35
108
0.97
59
3.60
63
0.76
35
3.23
32
1.51
6
1.33
7
1.67
30
1.03
13
1.10
20
1.87
36
0.92
17
0.24
3
0.22
21
0.25
15
0.24
28
0.26
10
0.25
12
rafts_anoytwo views1.24
16
0.80
51
3.61
41
1.17
59
1.20
87
3.00
20
0.61
20
3.17
30
1.58
15
1.37
10
1.26
9
1.19
21
1.12
24
1.78
35
1.25
27
0.32
40
0.23
29
0.32
41
0.32
61
0.31
26
0.30
27
DIP-Stereotwo views1.24
16
0.69
26
1.77
9
0.65
3
0.61
25
4.29
144
0.58
17
4.44
153
2.53
100
1.98
46
1.33
12
0.91
12
0.86
7
1.25
13
1.25
27
0.36
60
0.23
29
0.32
41
0.23
21
0.32
30
0.29
24
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RAFT-Stereo + iAFFtwo views1.25
18
0.72
34
1.74
8
1.05
35
0.36
2
4.13
125
0.42
6
2.95
23
2.84
125
2.02
51
2.40
116
1.61
34
1.11
23
1.26
14
0.97
19
0.21
1
0.15
1
0.26
22
0.23
21
0.29
18
0.23
7
RALAANettwo views1.28
19
1.08
92
3.21
31
1.25
77
0.94
54
1.44
4
0.69
29
3.15
29
2.57
104
2.01
49
1.80
51
1.29
27
1.05
18
2.00
38
1.48
37
0.27
5
0.20
11
0.27
26
0.24
28
0.40
46
0.27
19
AFF-stereotwo views1.31
20
0.77
47
1.46
3
1.10
45
0.45
11
3.93
94
0.48
10
2.92
22
2.92
130
1.90
40
2.21
106
2.11
50
1.52
61
1.93
37
1.12
24
0.21
1
0.16
4
0.25
15
0.25
32
0.29
18
0.20
5
MSMDNettwo views1.31
20
0.60
16
4.96
45
1.03
34
0.65
27
3.30
33
0.70
30
2.12
8
1.57
14
1.82
35
1.49
20
3.11
106
1.18
25
1.19
10
0.91
14
0.28
10
0.22
21
0.25
15
0.23
21
0.28
16
0.24
10
sAnonymous2two views1.37
22
1.22
107
9.79
69
0.92
18
0.88
44
1.23
2
0.61
20
2.56
14
1.69
22
0.85
2
1.02
1
0.73
3
1.23
32
0.98
3
0.78
6
0.29
18
0.25
42
0.31
37
0.30
50
1.06
151
0.71
119
CroCo_RVCtwo views1.37
22
1.22
107
9.79
69
0.92
18
0.88
44
1.23
2
0.61
20
2.56
14
1.69
22
0.85
2
1.02
1
0.73
3
1.23
32
0.98
3
0.78
6
0.29
18
0.25
42
0.31
37
0.30
50
1.06
151
0.71
119
GEStwo views1.38
24
0.64
23
2.61
21
1.09
40
0.57
21
4.30
146
1.02
69
3.86
71
1.51
6
1.72
24
1.74
42
1.28
26
1.77
84
1.62
31
1.61
46
0.39
74
0.27
53
0.33
48
0.30
50
0.41
50
0.47
70
AdaStereotwo views1.45
25
0.83
60
2.34
17
1.28
87
0.81
36
3.21
23
1.14
80
4.20
123
2.46
93
2.05
56
1.77
47
2.48
67
1.18
25
1.71
33
1.44
32
0.43
87
0.25
42
0.43
83
0.28
42
0.44
60
0.34
33
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.
ACVNettwo views1.46
26
0.64
23
3.56
38
0.93
21
0.85
42
4.22
139
0.80
37
2.85
19
2.08
46
1.78
29
1.88
65
3.10
103
1.46
51
1.33
17
1.89
72
0.29
18
0.26
48
0.30
33
0.26
33
0.39
43
0.27
19
acv_fttwo views1.55
27
0.64
23
3.29
34
1.14
53
2.01
164
2.93
19
0.97
64
3.81
66
2.08
46
2.22
75
1.88
65
3.10
103
1.66
75
1.33
17
2.22
91
0.29
18
0.26
48
0.30
33
0.26
33
0.39
43
0.27
19
UCFNet_RVCtwo views1.57
28
0.84
62
3.25
32
1.36
112
1.40
113
4.07
114
1.01
68
2.68
17
1.50
5
2.11
65
1.88
65
2.37
61
1.50
57
3.41
45
1.42
31
0.36
60
0.28
56
0.52
117
0.40
95
0.53
84
0.43
62
Gwc-CoAtRStwo views1.58
29
0.57
9
11.69
83
1.01
29
0.60
24
2.53
11
0.64
25
2.36
11
1.56
13
1.80
32
1.47
19
2.74
79
1.18
25
1.12
7
0.90
12
0.27
5
0.21
16
0.25
15
0.22
19
0.27
13
0.23
7
HCRNettwo views1.60
30
0.56
8
2.47
20
0.78
7
1.36
108
4.11
120
0.71
32
3.57
46
2.79
116
1.75
28
1.61
26
1.58
31
1.41
41
5.79
75
1.56
41
0.34
50
0.28
56
0.36
59
0.29
45
0.33
32
0.37
39
DMCAtwo views1.72
31
0.74
41
6.63
50
1.14
53
0.96
56
3.98
102
0.90
52
3.75
60
2.76
113
2.83
119
1.58
25
2.35
59
1.18
25
1.58
27
1.98
78
0.40
76
0.27
53
0.42
80
0.26
33
0.36
38
0.38
41
Anonymous3two views1.72
31
0.76
44
11.61
82
0.83
13
0.84
41
4.46
154
0.84
42
3.57
46
1.16
1
1.34
8
1.37
15
1.11
15
1.03
16
1.58
27
1.13
25
0.70
145
0.58
139
0.33
48
0.35
67
0.47
69
0.42
56
cscssctwo views1.74
33
0.70
28
9.08
61
0.81
8
0.36
2
4.15
126
0.57
13
4.23
127
2.09
49
2.30
83
1.80
51
1.19
21
3.02
131
1.44
21
1.46
34
0.29
18
0.23
29
0.23
3
0.18
4
0.24
3
0.42
56
csctwo views1.74
33
0.70
28
9.08
61
0.81
8
0.36
2
4.15
126
0.57
13
4.23
127
2.09
49
2.30
83
1.80
51
1.19
21
3.02
131
1.44
21
1.46
34
0.29
18
0.23
29
0.23
3
0.18
4
0.24
3
0.42
56
GwcNet-DCAtwo views1.74
33
0.73
37
9.08
61
0.82
12
0.40
7
4.18
133
0.59
18
4.25
132
2.97
131
2.35
89
1.84
60
1.18
19
1.63
70
1.51
26
1.55
40
0.29
18
0.24
36
0.23
3
0.18
4
0.30
22
0.53
85
StereoDRNet-Refinedtwo views1.77
36
0.81
53
2.22
15
1.21
69
0.76
33
3.26
27
0.71
32
3.82
67
2.05
43
2.29
81
2.05
85
2.98
98
1.44
46
7.15
83
2.27
93
0.30
27
0.23
29
0.42
80
0.33
62
0.45
65
0.64
109
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
UPFNettwo views1.81
37
0.63
21
6.71
51
1.25
77
1.44
117
3.50
50
1.35
91
4.02
96
1.85
30
2.40
95
1.52
21
2.41
63
1.40
39
3.62
50
1.88
71
0.34
50
0.33
71
0.37
60
0.31
59
0.41
50
0.39
43
111two views1.83
38
0.92
69
9.08
61
0.81
8
0.36
2
4.25
142
0.91
57
4.44
153
2.70
111
2.39
93
1.96
73
2.30
55
1.64
73
1.28
16
1.82
65
0.28
10
0.22
21
0.24
13
0.20
11
0.31
26
0.54
89
MLCVtwo views1.87
39
0.91
67
8.59
57
1.10
45
0.57
21
3.59
61
0.53
11
3.70
57
2.20
61
2.80
117
2.25
109
2.00
44
1.42
44
4.13
55
1.86
69
0.30
27
0.20
11
0.32
41
0.21
14
0.33
32
0.36
36
222two views1.88
40
0.70
28
10.88
77
0.81
8
0.40
7
4.15
126
0.57
13
4.23
127
2.98
133
2.30
83
1.80
51
1.19
21
3.02
131
1.44
21
1.46
34
0.29
18
0.23
29
0.23
3
0.18
4
0.30
22
0.42
56
DSFCAtwo views1.89
41
0.69
26
3.14
30
1.10
45
1.18
81
3.99
103
1.79
123
3.50
41
2.16
58
3.10
130
1.64
28
2.91
96
2.50
118
5.38
67
2.26
92
0.43
87
0.38
89
0.37
60
0.36
73
0.50
74
0.42
56
iResNet_ROBtwo views1.89
41
1.02
83
8.60
58
1.39
119
0.98
63
3.72
72
0.66
27
3.84
68
2.65
106
1.88
38
2.05
85
1.98
42
1.27
35
4.52
58
1.67
52
0.30
27
0.20
11
0.28
28
0.18
4
0.31
26
0.40
50
CFNet_RVCtwo views1.90
43
0.95
73
3.56
38
1.07
38
1.54
126
4.09
115
0.90
52
2.85
19
1.82
28
1.78
29
1.70
33
2.75
81
1.48
53
9.33
102
1.72
56
0.33
45
0.30
63
0.61
136
0.36
73
0.52
78
0.39
43
CFNet-ftpermissivetwo views1.90
43
0.95
73
3.56
38
1.07
38
1.54
126
4.09
115
0.90
52
2.85
19
1.82
28
1.78
29
1.70
33
2.75
81
1.48
53
9.33
102
1.72
56
0.33
45
0.30
63
0.61
136
0.36
73
0.52
78
0.39
43
DN-CSS_ROBtwo views1.91
45
1.55
133
11.13
80
1.82
154
0.88
44
3.99
103
0.61
20
4.01
95
1.67
20
1.64
20
1.89
69
1.39
29
1.06
19
3.23
43
1.50
38
0.31
35
0.19
8
0.44
86
0.29
45
0.37
40
0.31
29
GEStereo_RVCtwo views1.91
45
0.80
51
6.57
49
1.20
67
1.06
70
4.02
109
1.43
101
4.13
113
1.89
33
2.03
53
1.80
51
2.34
57
1.86
94
4.94
60
1.77
62
0.48
102
0.38
89
0.32
41
0.28
42
0.42
54
0.50
78
BEATNet_4xtwo views1.92
47
1.36
120
8.75
59
1.20
67
0.56
17
3.46
44
1.03
70
4.00
94
2.43
86
2.25
79
1.70
33
2.10
49
1.59
65
2.57
42
3.05
122
0.37
62
0.22
21
0.47
94
0.29
45
0.60
99
0.40
50
delettwo views1.92
47
0.76
44
5.14
47
1.01
29
1.65
142
3.44
39
2.03
133
3.76
62
2.48
94
2.01
49
2.05
85
2.63
77
1.90
96
5.34
66
2.12
87
0.28
10
0.29
59
0.40
72
0.31
59
0.41
50
0.45
65
LALA_ROBtwo views1.95
49
1.48
130
3.11
29
1.05
35
0.98
63
3.99
103
1.82
125
4.44
153
2.28
70
3.31
137
1.85
63
2.76
87
1.67
77
4.04
54
3.23
124
0.46
97
0.41
101
0.55
124
0.52
122
0.60
99
0.57
97
PSMNet-RSSMtwo views1.96
50
0.77
47
3.26
33
1.29
90
1.31
102
4.19
134
0.96
63
3.68
53
1.89
33
2.05
56
1.80
51
2.60
75
1.70
79
9.84
110
1.81
64
0.35
58
0.29
59
0.35
57
0.37
81
0.42
54
0.35
34
pcwnet_v2two views1.98
51
0.57
9
2.98
26
1.62
141
1.03
68
3.89
89
0.97
64
4.33
145
2.45
90
2.27
80
2.13
96
1.58
31
1.37
38
10.22
121
1.71
54
0.41
81
0.39
95
0.38
65
0.37
81
0.43
57
0.55
91
GANet-RSSMtwo views1.98
51
0.62
18
3.49
35
1.69
146
1.23
91
4.22
139
0.91
57
3.31
35
1.86
31
1.81
33
1.74
42
2.34
57
1.82
90
10.92
136
1.73
60
0.34
50
0.29
59
0.31
37
0.28
42
0.39
43
0.40
50
TestStereotwo views2.00
53
1.02
83
12.25
85
0.70
4
0.61
25
1.88
7
0.55
12
2.31
10
1.52
10
1.41
13
1.33
12
1.27
25
0.90
9
11.62
143
0.81
8
0.34
50
0.19
8
0.33
48
0.24
28
0.44
60
0.24
10
CFNet-pseudotwo views2.01
54
0.57
9
3.50
37
1.36
112
1.19
83
4.16
132
0.89
50
4.55
161
2.56
103
1.73
26
2.17
100
1.82
40
1.24
34
10.38
126
1.92
74
0.33
45
0.30
63
0.39
68
0.38
84
0.34
34
0.41
54
MMNettwo views2.02
55
0.81
53
10.76
76
1.12
48
1.23
91
3.53
54
0.89
50
3.79
65
2.08
46
2.15
66
1.76
45
2.15
51
2.12
103
3.69
51
2.32
95
0.31
35
0.29
59
0.34
55
0.27
40
0.38
41
0.42
56
HGLStereotwo views2.03
56
0.74
41
7.50
52
1.23
73
1.56
133
3.62
64
0.95
62
3.78
64
1.89
33
2.03
53
2.20
104
3.12
107
2.14
104
5.68
73
2.04
81
0.37
62
0.31
68
0.32
41
0.29
45
0.40
46
0.45
65
DeepPruner_ROBtwo views2.05
57
1.09
95
10.50
75
1.01
29
1.20
87
4.39
150
0.91
57
3.14
28
1.72
24
2.60
104
1.54
22
2.78
88
1.27
35
4.52
58
1.72
56
0.51
111
0.40
97
0.37
60
0.34
63
0.48
71
0.52
84
DLCB_ROBtwo views2.05
57
0.95
73
2.37
18
1.24
75
1.02
67
2.92
18
1.30
89
3.68
53
2.30
72
2.91
121
2.17
100
3.32
110
1.52
61
10.37
124
2.50
101
0.40
76
0.33
71
0.40
72
0.36
73
0.41
50
0.47
70
HITNettwo views2.07
59
0.82
58
14.77
101
1.34
104
0.56
17
3.47
46
0.80
37
4.07
105
2.35
76
2.16
68
1.61
26
1.64
35
1.44
46
2.09
39
2.56
107
0.26
4
0.18
5
0.41
77
0.26
33
0.45
65
0.25
12
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
ETE_ROBtwo views2.07
59
1.40
125
3.01
28
1.09
40
0.92
52
3.94
95
1.53
106
4.25
132
2.23
64
3.31
137
2.06
89
2.35
59
1.52
61
8.74
93
2.07
85
0.44
91
0.36
81
0.51
111
0.48
115
0.54
86
0.62
105
CFNet-RSSMtwo views2.08
61
0.52
5
20.06
152
1.01
29
0.56
17
3.39
37
0.64
25
3.67
52
1.55
12
1.72
24
1.37
15
2.57
72
1.19
29
1.11
6
0.86
11
0.27
5
0.20
11
0.25
15
0.23
21
0.27
13
0.23
7
PS-NSSStwo views2.22
62
1.33
118
2.90
24
0.97
25
1.53
125
4.11
120
1.08
74
4.55
161
2.65
106
2.10
62
2.32
111
1.77
38
1.40
39
11.79
152
1.61
46
0.68
141
0.45
114
0.96
167
0.43
103
0.95
144
0.92
146
FENettwo views2.25
63
0.50
4
20.29
157
1.35
108
0.67
29
4.01
106
0.60
19
3.95
89
1.99
36
1.96
44
1.11
4
2.43
65
1.43
45
1.60
30
1.39
30
0.32
40
0.22
21
0.33
48
0.26
33
0.29
18
0.39
43
DISCOtwo views2.25
63
0.73
37
10.06
72
1.76
151
1.12
75
3.47
46
1.25
88
3.24
33
2.26
67
2.65
106
1.96
73
4.53
150
1.92
97
4.17
57
3.61
127
0.32
40
0.25
42
0.31
37
0.29
45
0.66
113
0.41
54
XPNet_ROBtwo views2.27
65
1.11
98
4.10
42
1.36
112
0.97
59
3.94
95
1.63
113
4.07
105
2.14
55
2.82
118
2.00
77
2.32
56
1.73
82
10.81
131
3.39
125
0.51
111
0.47
122
0.48
99
0.40
95
0.51
75
0.56
94
NOSS_ROBtwo views2.27
65
0.73
37
3.00
27
1.71
148
1.00
65
3.90
90
0.97
64
4.29
137
2.81
121
2.94
124
2.19
103
3.88
129
1.19
29
11.77
151
1.62
48
0.59
124
0.54
132
0.56
125
0.52
122
0.56
91
0.54
89
psm_uptwo views2.28
67
0.81
53
5.45
48
1.26
82
1.50
122
3.84
86
1.23
87
4.23
127
2.03
40
2.55
101
1.80
51
2.44
66
1.65
74
12.90
166
1.58
42
0.37
62
0.38
89
0.41
77
0.34
63
0.43
57
0.39
43
TDLMtwo views2.29
68
1.08
92
4.61
44
1.29
90
1.01
66
4.26
143
2.17
138
3.75
60
2.79
116
2.31
86
1.98
76
2.06
48
1.59
65
12.45
162
1.72
56
0.51
111
0.28
56
0.52
117
0.35
67
0.56
91
0.50
78
CFNettwo views2.34
69
1.10
96
8.96
60
1.34
104
1.24
93
4.09
115
0.73
34
4.04
100
2.77
114
1.62
17
1.87
64
2.27
54
1.45
49
11.41
137
1.82
65
0.31
35
0.24
36
0.43
83
0.36
73
0.43
57
0.33
32
STTStereotwo views2.34
69
0.95
73
14.93
106
1.43
121
1.54
126
3.86
88
0.86
44
3.65
49
2.44
89
2.15
66
1.55
23
2.49
69
1.59
65
5.14
63
1.44
32
0.38
69
0.39
95
0.47
94
0.51
119
0.52
78
0.51
82
ac_64two views2.35
71
0.62
18
9.77
68
1.32
96
1.71
148
3.27
29
0.93
60
3.48
39
2.50
97
1.74
27
1.73
41
3.91
130
1.77
84
10.21
119
1.86
69
0.40
76
0.31
68
0.33
48
0.30
50
0.34
34
0.39
43
HSMtwo views2.35
71
0.81
53
2.21
14
1.14
53
1.55
130
3.44
39
1.03
70
3.99
93
2.25
66
2.29
81
2.11
93
8.04
169
3.05
134
11.60
141
1.71
54
0.33
45
0.22
21
0.28
28
0.23
21
0.32
30
0.35
34
EAI-Stereotwo views2.35
71
0.63
21
2.97
25
0.95
22
0.65
27
3.84
86
14.27
177
5.04
171
2.19
60
2.06
59
7.25
160
1.10
14
0.94
12
1.65
32
1.37
29
0.31
35
0.22
21
0.27
26
0.60
137
0.27
13
0.32
31
hitnet-ftcopylefttwo views2.37
74
0.73
37
8.34
55
0.96
24
0.89
48
3.77
76
0.80
37
3.55
44
2.58
105
2.24
78
2.04
82
3.65
124
1.49
56
11.71
149
1.89
72
0.44
91
0.53
131
0.44
86
0.35
67
0.52
78
0.48
72
test_xeample3two views2.40
75
0.90
64
19.33
146
0.73
5
0.43
9
4.62
157
1.93
127
4.47
157
2.09
49
2.16
68
2.35
114
1.48
30
1.63
70
1.75
34
1.84
68
0.28
10
0.22
21
0.25
15
0.20
11
0.24
3
1.06
154
DMCA-RVCcopylefttwo views2.45
76
1.22
107
18.29
136
1.23
73
1.14
77
2.49
10
0.85
43
3.29
34
1.68
21
3.02
126
1.41
18
2.00
44
1.53
64
6.39
78
2.00
79
0.38
69
0.30
63
0.44
86
0.35
67
0.45
65
0.44
63
FADNettwo views2.49
77
1.76
144
13.17
90
1.17
59
0.95
55
3.27
29
0.88
49
3.94
88
2.27
69
1.40
12
1.29
11
2.51
70
2.06
100
9.93
115
1.94
75
0.43
87
0.45
114
0.40
72
0.43
103
1.06
151
0.53
85
FADNet-RVCtwo views2.51
78
2.27
156
14.03
95
1.09
40
0.81
36
3.54
57
1.10
75
4.13
113
2.48
94
1.39
11
1.22
7
1.85
41
1.77
84
9.78
109
2.06
83
0.38
69
0.37
87
0.40
72
0.40
95
0.67
115
0.48
72
UNettwo views2.51
78
0.74
41
20.17
153
1.14
53
1.44
117
3.48
48
0.76
35
3.77
63
1.87
32
2.05
56
1.57
24
2.75
81
2.39
113
3.51
47
2.51
102
0.32
40
0.26
48
0.41
77
0.26
33
0.38
41
0.39
43
RAFT + AFFtwo views2.51
78
2.66
162
4.48
43
1.15
57
1.95
162
4.15
126
2.01
132
4.46
156
3.30
151
2.19
72
2.51
120
2.22
52
4.87
158
8.91
96
2.06
83
0.30
27
0.60
144
0.48
99
0.38
84
0.77
132
0.69
118
iResNettwo views2.52
81
0.94
72
21.17
167
1.84
156
0.72
32
3.75
74
0.81
40
4.14
118
2.55
102
2.33
88
2.03
79
1.35
28
1.44
46
3.27
44
2.16
89
0.35
58
0.23
29
0.28
28
0.22
19
0.44
60
0.45
65
NCCL2two views2.53
82
1.35
119
10.90
78
1.15
57
0.97
59
3.53
54
2.56
145
3.65
49
2.23
64
2.76
113
1.80
51
2.41
63
1.66
75
10.35
123
2.07
85
0.44
91
0.40
97
0.57
126
0.53
126
0.59
95
0.65
111
XX-Stereotwo views2.54
83
0.61
17
20.21
154
1.78
152
1.19
83
4.30
146
0.46
9
4.39
150
1.58
15
2.32
87
1.89
69
4.64
153
0.60
1
4.16
56
0.82
9
0.31
35
0.21
16
0.28
28
0.27
40
0.51
75
0.26
17
NVstereo2Dtwo views2.54
83
0.90
64
11.10
79
1.32
96
1.47
120
3.58
60
1.38
94
4.13
113
2.45
90
1.90
40
1.71
37
2.86
92
1.76
83
10.86
132
1.66
51
0.60
125
0.43
107
0.53
119
0.41
99
0.78
133
0.94
148
NLCA_NET_v2_RVCtwo views2.54
83
1.04
87
16.73
124
1.53
132
2.00
163
3.96
99
0.87
48
3.87
73
2.31
73
2.54
100
1.67
30
2.85
91
1.63
70
5.55
70
1.62
48
0.46
97
0.33
71
0.38
65
0.38
84
0.53
84
0.62
105
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CVANet_RVCtwo views2.55
86
1.10
96
9.13
65
1.46
123
1.15
79
3.96
99
1.53
106
3.91
83
2.50
97
3.04
127
2.04
82
2.60
75
1.72
81
12.46
163
1.50
38
0.49
104
0.30
63
0.51
111
0.41
99
0.63
104
0.50
78
ARAFTtwo views2.56
87
1.13
99
19.50
148
0.89
17
0.48
14
4.15
126
1.40
97
4.36
147
2.82
123
2.36
91
1.88
65
1.70
37
1.04
17
6.45
79
1.22
26
0.29
18
0.18
5
0.37
60
0.35
67
0.35
37
0.25
12
RASNettwo views2.56
87
0.70
28
10.06
72
1.60
138
2.25
171
3.67
68
1.00
67
3.38
38
3.14
139
1.81
33
2.11
93
4.60
152
2.30
108
10.25
122
2.61
108
0.37
62
0.24
36
0.25
15
0.24
28
0.28
16
0.26
17
cf-rtwo views2.57
89
0.79
50
16.09
114
1.48
126
1.35
107
4.19
134
0.93
60
3.68
53
2.36
78
1.97
45
1.81
59
3.42
112
1.45
49
8.24
88
1.83
67
0.32
40
0.26
48
0.33
48
0.30
50
0.34
34
0.37
39
DANettwo views2.63
90
1.07
90
8.10
54
1.83
155
1.70
147
3.25
26
1.16
81
4.31
143
2.38
81
3.40
140
2.18
102
4.08
137
1.80
88
9.77
108
3.89
130
0.52
117
0.55
134
0.59
129
0.44
105
0.63
104
0.86
140
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FADNet_RVCtwo views2.65
91
2.28
157
16.51
120
0.98
26
0.92
52
4.09
115
0.83
41
4.26
134
1.73
25
1.46
14
1.78
49
1.60
33
1.50
57
8.88
95
2.39
97
0.47
100
0.38
89
0.44
86
0.58
134
0.89
141
0.97
149
iResNetv2_ROBtwo views2.65
91
5.00
170
19.28
145
2.06
168
1.09
73
3.83
83
1.13
78
4.14
118
2.09
49
1.85
36
2.03
79
2.01
46
1.51
59
3.58
48
1.58
42
0.34
50
0.21
16
0.32
41
0.21
14
0.44
60
0.29
24
GwcNet-RSSMtwo views2.66
93
1.05
88
15.91
113
1.22
72
1.19
83
4.12
122
1.12
77
3.84
68
2.02
39
1.93
43
1.79
50
3.12
107
1.46
51
10.37
124
2.05
82
0.33
45
0.27
53
0.35
57
0.30
50
0.40
46
0.36
36
ccnettwo views2.66
93
0.97
79
8.01
53
1.54
133
1.24
93
3.75
74
2.18
139
4.07
105
2.41
83
2.66
107
3.25
143
2.87
93
2.31
111
9.89
112
3.50
126
0.78
150
0.75
161
0.71
150
0.67
142
0.76
131
0.81
134
PASMtwo views2.67
95
2.05
153
9.71
67
1.73
150
1.37
109
2.53
11
1.52
104
3.10
27
2.17
59
2.79
116
1.84
60
2.90
94
1.85
93
11.89
156
2.19
90
0.81
154
0.85
164
0.87
164
1.01
165
1.14
157
1.05
153
PWC_ROBbinarytwo views2.69
96
2.01
150
8.36
56
1.33
100
1.90
160
3.23
24
1.18
82
4.33
145
3.25
146
3.11
131
3.41
148
2.71
78
2.18
106
9.15
99
4.48
133
0.56
122
0.31
68
0.61
136
0.36
73
0.69
120
0.74
125
RPtwo views2.79
97
1.20
104
10.36
74
1.54
133
1.93
161
3.44
39
1.97
129
4.05
102
2.34
75
2.66
107
2.79
129
3.98
134
2.58
121
10.21
119
2.61
108
0.95
160
0.47
122
0.71
150
0.57
133
0.71
126
0.68
116
SHDtwo views2.82
98
2.04
152
13.80
92
1.69
146
1.79
156
2.73
15
1.07
73
3.85
70
3.18
141
4.63
156
2.74
127
3.38
111
2.77
126
5.48
69
3.66
128
0.62
129
0.47
122
0.51
111
0.55
128
0.65
109
0.74
125
FADNet-RVC-Resampletwo views2.83
99
2.02
151
21.07
163
1.12
48
0.91
51
3.53
54
1.37
93
4.08
108
2.09
49
1.68
22
1.33
12
2.03
47
1.51
59
9.54
105
1.69
53
0.38
69
0.37
87
0.42
80
0.44
105
0.56
91
0.56
94
StereoDRNettwo views2.84
100
1.49
131
14.48
100
1.33
100
1.57
136
3.44
39
2.06
134
3.69
56
2.36
78
3.26
136
1.84
60
2.79
89
1.80
88
10.88
133
3.16
123
0.41
81
0.33
71
0.39
68
0.36
73
0.59
95
0.58
101
PDISCO_ROBtwo views2.86
101
1.53
132
14.27
99
1.98
165
2.19
168
4.52
156
1.35
91
4.65
165
3.19
142
2.09
61
2.16
99
3.53
119
2.45
117
5.32
65
2.12
87
1.30
173
0.78
162
0.72
154
0.59
136
1.24
164
1.28
160
AF-Nettwo views2.87
102
1.30
116
16.24
115
1.33
100
1.75
152
3.26
27
1.59
111
4.09
109
2.43
86
2.69
109
2.94
133
4.51
149
3.20
139
5.84
76
2.75
113
0.76
149
0.36
81
0.72
154
0.49
116
0.70
121
0.56
94
HSM-Net_RVCpermissivetwo views2.87
102
0.57
9
17.46
129
0.92
18
0.90
50
3.70
69
1.20
85
5.64
177
2.51
99
3.22
135
2.43
117
2.54
71
1.59
65
11.41
137
1.65
50
0.34
50
0.25
42
0.26
22
0.23
21
0.30
22
0.29
24
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
Nwc_Nettwo views2.88
104
1.16
102
18.30
137
1.35
108
1.68
145
3.52
53
1.18
82
3.90
81
2.06
44
2.52
99
2.82
131
3.82
127
2.34
112
6.78
82
2.55
106
0.86
157
0.40
97
0.59
129
0.67
142
0.57
94
0.55
91
MFMNet_retwo views2.91
105
1.91
146
18.25
135
3.06
176
1.89
159
3.13
22
1.67
118
3.52
42
2.97
131
3.14
132
2.87
132
2.26
53
2.41
114
2.42
41
2.00
79
1.10
164
1.05
167
0.94
166
0.90
161
1.28
165
1.46
167
GANettwo views2.93
106
1.05
88
11.29
81
1.64
142
0.96
56
3.91
91
2.52
143
3.72
58
2.41
83
2.95
125
3.00
135
3.21
109
2.03
99
12.42
161
4.72
137
0.51
111
0.41
101
0.46
92
0.39
89
0.60
99
0.50
78
PWCDC_ROBbinarytwo views2.95
107
3.26
164
14.06
96
1.59
137
1.56
133
4.19
134
0.86
44
4.30
141
4.08
160
2.06
59
7.37
161
2.75
81
2.42
115
3.59
49
2.67
111
1.34
175
0.36
81
0.39
68
0.34
63
1.13
156
0.62
105
RTSCtwo views2.95
107
2.51
159
15.49
112
1.54
133
1.30
101
3.51
52
0.86
44
3.89
76
2.48
94
3.64
142
3.12
141
3.04
100
2.30
108
5.70
74
6.67
145
0.55
120
0.35
80
0.37
60
0.39
89
0.70
121
0.60
103
PSMNet_ROBtwo views2.95
107
1.38
122
18.46
140
1.19
64
1.20
87
3.80
81
1.65
116
3.54
43
2.35
76
1.98
46
1.71
37
2.75
81
1.79
87
11.43
139
2.78
114
0.42
84
0.36
81
0.50
109
0.60
137
0.59
95
0.49
75
SGM-Foresttwo views2.96
110
0.62
18
3.49
35
1.09
40
0.80
34
4.06
111
3.30
156
4.37
148
3.09
137
4.18
152
3.27
145
4.67
154
3.86
151
11.69
148
7.91
154
0.51
111
0.46
120
0.49
106
0.39
89
0.48
71
0.49
75
Johannes L. Schönberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FINETtwo views2.96
110
1.07
90
23.18
176
1.29
90
1.86
158
2.03
8
1.52
104
4.30
141
4.71
165
2.23
77
2.34
113
1.65
36
1.48
53
5.89
77
2.81
116
0.51
111
0.47
122
0.49
106
0.40
95
0.59
95
0.49
75
XQCtwo views2.96
110
2.42
158
14.85
102
1.36
112
1.32
105
3.29
32
1.53
106
4.28
136
2.78
115
3.21
134
2.46
118
3.53
119
2.92
129
6.58
80
4.67
135
0.70
145
0.41
101
0.59
129
0.56
130
0.96
148
0.83
139
RYNettwo views2.97
113
0.93
70
15.09
108
1.12
48
1.38
111
3.66
67
1.42
100
4.03
98
2.29
71
2.10
62
1.70
33
3.79
126
2.16
105
13.64
171
3.02
121
0.37
62
0.41
101
0.48
99
0.34
63
0.81
136
0.75
127
GwcNetcopylefttwo views3.00
114
1.63
136
19.83
149
1.32
96
2.04
167
3.27
29
1.55
109
3.65
49
2.33
74
2.00
48
2.12
95
3.56
123
1.68
78
9.47
104
2.45
99
0.44
91
0.45
114
0.46
92
0.38
84
0.60
99
0.76
128
AANet_RVCtwo views3.03
115
1.72
141
12.78
88
1.17
59
1.12
75
3.79
80
1.10
75
3.86
71
3.13
138
2.62
105
4.26
155
3.96
133
1.41
41
11.43
139
5.23
143
0.94
159
0.47
122
0.34
55
0.23
21
0.40
46
0.55
91
DRN-Testtwo views3.03
115
0.99
80
18.18
134
1.35
108
1.60
138
3.59
61
1.48
102
4.13
113
2.45
90
3.47
141
1.92
72
2.58
74
2.53
119
10.88
133
2.80
115
0.39
74
0.36
81
0.44
86
0.41
99
0.55
88
0.57
97
Syn2CoExtwo views3.08
117
2.55
161
19.88
150
1.34
104
1.18
81
2.43
9
1.65
116
3.91
83
2.40
82
2.39
93
2.27
110
2.90
94
3.17
138
9.57
106
2.54
105
0.50
107
0.45
114
0.53
119
0.39
89
0.74
129
0.72
124
stereogantwo views3.09
118
0.93
70
16.43
118
1.37
117
1.66
144
3.70
69
1.67
118
3.87
73
3.15
140
3.04
127
2.70
126
5.04
160
2.79
127
9.96
116
1.78
63
0.63
130
0.49
129
0.69
147
0.47
111
0.83
139
0.68
116
PA-Nettwo views3.09
118
1.24
112
18.84
141
1.38
118
1.19
83
3.42
38
1.75
121
3.89
76
3.27
150
1.88
38
2.10
90
3.03
99
1.88
95
11.60
141
2.88
117
0.40
76
0.54
132
0.44
86
0.62
140
0.52
78
1.02
151
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Anonymous Stereotwo views3.09
118
3.14
163
16.69
123
1.52
130
1.25
96
3.33
34
2.95
150
4.02
96
2.42
85
2.35
89
2.04
82
2.57
72
1.27
35
11.88
155
2.92
118
0.49
104
0.49
129
0.57
126
0.56
130
0.70
121
0.65
111
RGCtwo views3.10
121
1.45
129
14.90
104
1.46
123
1.79
156
3.33
34
1.39
95
4.04
100
2.26
67
2.77
114
3.26
144
4.00
135
2.71
125
11.63
145
2.62
110
0.82
155
0.46
120
0.79
159
0.79
156
0.71
126
0.78
132
PVDtwo views3.12
122
1.97
149
12.80
89
1.79
153
1.63
140
3.83
83
1.34
90
3.48
39
3.88
159
5.77
160
3.56
149
3.45
114
3.29
141
5.58
72
5.30
144
0.71
147
0.69
157
0.74
157
0.77
153
0.79
135
1.13
156
APVNettwo views3.13
123
1.25
113
21.14
165
1.31
95
1.52
124
3.94
95
1.13
78
3.32
36
2.14
55
2.20
73
2.03
79
3.05
102
1.96
98
11.79
152
2.53
104
0.42
84
0.45
114
0.64
142
0.46
109
0.67
115
0.57
97
MaskLacGwcNet_RVCtwo views3.13
123
1.43
127
9.93
71
2.50
173
1.62
139
4.29
144
1.68
120
3.95
89
2.43
86
1.66
21
1.91
71
3.04
100
1.41
41
13.26
168
1.58
42
3.82
181
1.59
176
1.12
173
0.46
109
2.21
176
2.74
179
NCC-stereotwo views3.16
125
1.28
114
18.31
138
1.25
77
1.75
152
4.06
111
1.40
97
3.89
76
2.22
62
2.72
111
2.55
121
3.49
115
2.65
123
9.91
113
2.99
119
1.29
171
0.65
150
0.64
142
0.86
159
0.65
109
0.71
119
Abc-Nettwo views3.16
125
1.28
114
18.31
138
1.25
77
1.75
152
4.06
111
1.40
97
3.89
76
2.22
62
2.72
111
2.55
121
3.49
115
2.65
123
9.91
113
2.99
119
1.29
171
0.65
150
0.64
142
0.86
159
0.65
109
0.71
119
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
GANetREF_RVCpermissivetwo views3.20
127
1.93
147
18.84
141
1.51
129
0.80
34
4.12
122
1.82
125
4.16
120
2.91
129
1.87
37
1.74
42
2.48
67
1.84
91
13.18
167
1.74
61
0.80
152
0.57
136
0.79
159
0.74
149
1.20
163
0.86
140
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
FBW_ROBtwo views3.24
128
1.02
83
9.21
66
1.49
127
1.07
71
3.78
77
1.48
102
4.31
143
3.08
136
2.46
96
2.32
111
4.20
142
2.08
101
15.19
176
7.16
153
0.84
156
0.62
147
1.33
175
0.92
162
0.99
149
1.31
161
aanetorigintwo views3.30
129
1.66
140
17.52
131
1.18
63
1.58
137
2.57
13
3.80
164
2.65
16
2.03
40
6.12
164
4.30
156
2.82
90
5.70
162
5.47
68
4.67
135
0.50
107
0.44
110
0.43
83
0.47
111
1.17
160
0.92
146
ADCReftwo views3.30
129
1.23
111
14.90
104
1.17
59
1.41
116
3.95
98
1.64
115
3.88
75
2.36
78
3.05
129
2.21
106
2.40
62
2.81
128
5.04
61
16.63
169
0.46
97
0.34
79
0.63
139
0.62
140
0.54
86
0.67
114
CBMVpermissivetwo views3.32
131
0.96
78
21.16
166
1.32
96
0.83
39
3.81
82
3.91
167
4.47
157
2.53
100
3.34
139
2.24
108
4.45
147
2.58
121
10.07
118
1.96
77
0.45
96
0.43
107
0.48
99
0.38
84
0.52
78
0.53
85
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FAT-Stereotwo views3.34
132
0.81
53
20.05
151
1.25
77
1.20
87
3.44
39
1.99
131
4.23
127
2.67
109
3.14
132
3.82
153
3.51
117
3.32
143
11.68
147
1.94
75
0.64
133
0.67
153
0.48
99
0.52
122
0.61
103
0.81
134
CC-Net-ROBtwo views3.35
133
1.76
144
13.89
94
2.33
172
1.65
142
4.49
155
1.62
112
4.73
168
2.90
128
1.92
42
2.05
85
1.99
43
1.61
69
12.57
165
1.60
45
2.46
177
2.18
178
2.68
179
1.04
168
2.11
175
1.38
165
edge stereotwo views3.37
134
1.01
82
21.99
172
1.28
87
1.37
109
2.67
14
1.39
95
3.98
92
2.87
126
2.93
123
3.27
145
4.35
145
2.43
116
11.62
143
2.39
97
0.60
125
0.63
148
0.79
159
0.55
128
0.68
118
0.67
114
DPSNettwo views3.43
135
1.37
121
12.19
84
1.39
119
1.24
93
4.15
126
2.06
134
4.51
159
3.34
152
2.69
109
1.96
73
3.52
118
5.56
161
10.68
129
9.68
159
0.93
158
0.73
159
0.40
72
0.37
81
1.06
151
0.86
140
S-Stereotwo views3.48
136
0.91
67
22.06
173
1.36
112
1.50
122
3.55
58
2.53
144
4.21
125
2.81
121
2.37
92
3.81
152
3.75
125
1.84
91
11.90
157
2.51
102
0.63
130
0.71
158
0.48
99
0.76
151
0.67
115
1.19
158
SAMSARAtwo views3.55
137
2.16
155
14.18
97
1.86
159
1.49
121
4.62
157
2.65
147
3.58
48
2.80
119
7.05
167
3.05
138
5.16
162
4.07
152
9.18
100
4.80
138
0.64
133
0.67
153
0.59
129
0.68
145
0.89
141
0.91
145
CBMV_ROBtwo views3.62
138
0.70
28
21.42
170
1.21
69
0.89
48
4.43
153
1.76
122
4.39
150
2.79
116
5.88
161
3.38
147
4.18
140
5.12
159
10.75
130
2.32
95
0.56
122
0.55
134
0.53
119
0.51
119
0.55
88
0.46
68
DeepPrunerFtwo views3.70
139
1.72
141
14.87
103
1.33
100
1.74
151
3.70
69
1.55
109
4.20
123
14.00
180
2.02
51
1.77
47
2.74
79
2.30
108
10.88
133
6.88
150
0.68
141
0.60
144
0.78
158
0.78
155
0.81
136
0.71
119
ADCP+two views3.74
140
1.96
148
16.90
126
1.09
40
1.55
130
4.35
148
3.65
163
3.93
85
2.98
133
2.22
75
1.66
29
3.95
131
4.83
157
3.41
45
18.87
175
0.38
69
0.41
101
0.63
139
0.53
126
0.64
108
0.81
134
MFN_U_SF_RVCtwo views3.81
141
10.78
182
15.01
107
1.84
156
1.39
112
3.73
73
1.63
113
4.05
102
3.26
147
2.91
121
2.38
115
4.36
146
3.65
148
8.43
90
4.91
140
1.11
165
1.04
166
0.99
168
1.31
174
1.58
171
1.75
173
ADCPNettwo views3.89
142
1.63
136
20.25
156
1.28
87
1.27
99
6.43
170
2.65
147
3.93
85
2.70
111
2.78
115
2.20
104
4.28
143
6.16
165
5.56
71
10.27
162
0.65
136
1.18
170
0.71
150
1.70
177
0.84
140
1.37
163
RTSAtwo views3.90
143
7.04
174
17.94
132
1.92
161
2.19
168
5.00
162
2.96
152
4.29
137
3.19
142
4.05
149
3.08
139
4.94
157
3.16
136
7.64
85
6.72
146
0.66
137
0.44
110
0.51
111
0.47
111
0.95
144
0.76
128
RTStwo views3.90
143
7.04
174
17.94
132
1.92
161
2.19
168
5.00
162
2.96
152
4.29
137
3.19
142
4.05
149
3.08
139
4.94
157
3.16
136
7.64
85
6.72
146
0.66
137
0.44
110
0.51
111
0.47
111
0.95
144
0.76
128
MFN_U_SF_DS_RVCtwo views3.94
145
10.88
183
12.30
86
1.26
82
1.55
130
5.19
164
3.33
157
4.42
152
2.82
123
2.58
102
2.62
124
5.00
159
2.11
102
14.03
174
2.73
112
1.28
170
2.34
179
0.67
146
1.83
178
0.81
136
1.03
152
ADCMidtwo views3.96
146
3.27
165
15.48
111
1.26
82
1.40
113
4.66
159
2.28
140
4.06
104
3.54
154
3.94
148
3.02
136
3.85
128
3.67
149
4.03
53
18.65
173
0.68
141
0.61
146
1.09
172
1.18
170
1.38
168
1.08
155
SPS-STEREOcopylefttwo views3.97
147
1.44
128
20.85
161
1.72
149
1.71
148
3.24
25
2.30
141
3.55
44
2.68
110
4.79
157
3.66
150
5.44
163
2.97
130
9.11
98
9.35
158
1.15
166
1.10
168
1.06
171
1.02
167
1.16
159
1.18
157
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MADNet+two views3.97
147
9.54
179
13.83
93
1.87
160
1.69
146
4.19
134
2.87
149
4.80
170
4.10
161
2.51
98
2.67
125
4.55
151
3.41
144
8.72
92
6.92
151
1.25
169
1.27
173
1.04
169
0.93
163
1.39
169
1.85
174
NaN_ROBtwo views4.06
149
1.13
99
16.64
121
1.12
48
1.25
96
3.50
50
3.05
154
4.29
137
3.26
147
3.64
142
2.56
123
2.97
97
4.79
156
13.33
169
16.91
170
0.37
62
0.41
101
0.38
65
0.39
89
0.48
71
0.81
134
G-Nettwo views4.11
150
1.21
105
19.47
147
2.31
171
2.94
175
4.74
160
2.95
150
3.33
37
2.14
55
4.44
154
9.43
170
6.93
166
3.84
150
9.01
97
4.92
141
0.79
151
0.80
163
0.70
149
0.50
117
0.95
144
0.87
143
AnyNet_C32two views4.17
151
5.75
172
12.62
87
1.60
138
1.54
126
5.51
165
4.09
168
3.90
81
3.23
145
4.22
153
3.03
137
3.10
103
3.41
144
8.01
87
18.85
174
0.53
119
0.58
139
0.53
119
0.74
149
1.19
162
0.97
149
ADCStwo views4.22
152
5.33
171
16.32
116
1.64
142
1.31
102
3.91
91
3.64
162
4.21
125
2.89
127
5.11
158
2.81
130
4.46
148
3.06
135
5.21
64
19.50
176
0.63
130
0.64
149
0.69
147
0.69
147
1.12
155
1.26
159
ADCLtwo views4.35
153
1.63
136
14.21
98
1.29
90
1.26
98
5.56
166
11.16
175
3.97
91
3.37
153
6.07
162
4.67
157
4.30
144
5.72
163
5.08
62
14.51
166
0.50
107
0.48
127
0.89
165
0.77
153
0.78
133
0.76
128
AnyNet_C01two views4.37
154
7.80
176
16.40
117
1.98
165
1.40
113
6.37
169
6.47
170
4.09
109
5.03
169
4.06
151
3.78
151
4.16
139
3.31
142
6.62
81
10.00
160
0.61
127
0.67
153
0.63
139
0.67
142
2.01
173
1.31
161
MSC_U_SF_DS_RVCtwo views4.48
155
10.62
181
15.18
109
1.55
136
1.45
119
6.16
168
3.54
161
5.41
176
3.68
157
2.59
103
2.74
127
4.81
155
2.20
107
13.79
172
4.40
132
2.04
176
3.36
180
1.05
170
1.20
171
2.09
174
1.72
172
SGM_RVCbinarytwo views4.57
156
0.72
34
17.46
129
1.84
156
0.58
23
4.23
141
3.45
158
4.66
166
3.66
156
7.99
168
8.82
169
7.56
168
8.74
171
12.30
159
6.84
149
0.43
87
0.38
89
0.39
68
0.35
67
0.51
75
0.48
72
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DispFullNettwo views4.64
157
3.48
166
23.95
178
3.99
177
3.03
176
3.35
36
1.06
72
4.18
121
2.80
119
6.33
165
2.94
133
4.04
136
7.81
168
3.92
52
5.16
142
2.75
178
1.61
177
3.10
180
2.68
179
3.32
177
3.31
180
CSANtwo views4.71
158
1.39
124
20.23
155
1.19
64
0.87
43
3.65
66
3.50
160
4.57
163
3.87
158
3.89
147
7.82
164
3.54
122
6.16
165
23.47
184
6.82
148
0.52
117
0.45
114
0.49
106
0.52
122
0.63
104
0.66
113
SuperBtwo views4.79
159
4.41
169
21.08
164
1.45
122
1.08
72
3.91
91
3.08
155
4.18
121
3.01
135
2.50
97
2.10
90
2.75
81
3.49
147
8.80
94
19.60
177
0.44
91
0.33
71
0.53
119
0.39
89
12.01
184
0.64
109
NVStereoNet_ROBtwo views4.91
160
1.40
125
16.46
119
1.47
125
1.72
150
3.46
44
1.96
128
3.89
76
3.61
155
2.90
120