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

Anonymous	0.05 1	0.06 9	0.86 20	0.00 1	0.00 1	0.00 1	0.00 1	0.03 2	0.01 1	0.00 1	0.00 1	0.02 8	0.01 31	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.03 70	0.05 120

GMStereo	0.08 2	0.54 129	0.90 28	0.00 1	0.00 1	0.03 4	0.00 1	0.04 5	0.03 2	0.00 1	0.00 1	0.01 1	0.02 42	0.00 1	0.03 21	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

sCroCo_RVC	0.09 3	0.05 4	1.02 43	0.00 1	0.00 1	0.02 3	0.00 1	0.12 17	0.48 60	0.00 1	0.00 1	0.01 1	0.00 1	0.01 6	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.00 1

iRaftStereo_RVC	0.10 4	0.20 48	0.57 2	0.00 1	0.00 1	0.52 43	0.00 1	0.05 6	0.07 9	0.00 1	0.01 80	0.14 49	0.03 56	0.02 18	0.01 12	0.00 1	0.03 150	0.00 1	0.00 1	0.25 160	0.20 167

CREStereo++_RVC	0.10 4	0.06 9	0.78 11	0.00 1	0.00 1	1.00 104	0.00 1	0.10 13	0.08 13	0.00 1	0.01 80	0.03 12	0.00 1	0.01 6	0.03 21	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

s12784h	0.10 4	0.06 9	0.78 11	0.00 1	0.00 1	1.00 104	0.00 1	0.10 13	0.08 13	0.00 1	0.01 80	0.03 12	0.00 1	0.01 6	0.03 21	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.10 4	0.06 9	0.51 1	0.00 1	0.00 1	1.06 120	0.00 1	0.20 27	0.08 13	0.00 1	0.00 1	0.02 8	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	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
sAnonymous2	0.10 4	0.22 50	1.35 69	0.00 1	0.00 1	0.04 5	0.00 1	0.03 2	0.06 7	0.00 1	0.00 1	0.01 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.08 112	0.15 161

CroCo_RVC	0.10 4	0.22 50	1.35 69	0.00 1	0.00 1	0.04 5	0.00 1	0.03 2	0.06 7	0.00 1	0.00 1	0.01 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.08 112	0.15 161

PMTNet	0.11 10	0.07 19	0.60 3	0.00 1	0.00 1	1.05 114	0.04 127	0.16 20	0.08 13	0.00 1	0.00 1	0.04 18	0.00 1	0.03 25	0.01 12	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.00 1

Gwc-CoAtRS	0.12 11	0.06 9	1.17 57	0.00 1	0.11 155	0.41 26	0.00 1	0.20 27	0.04 4	0.01 51	0.00 1	0.18 57	0.00 1	0.01 6	0.06 45	0.00 1	0.00 1	0.00 1	0.18 169	0.01 26	0.00 1

TANstereo	0.12 11	0.15 39	0.78 11	0.00 1	0.00 1	1.03 112	0.00 1	0.07 10	0.08 13	0.01 51	0.15 128	0.04 18	0.00 1	0.01 6	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.12 11	0.25 57	0.79 14	0.00 1	0.00 1	0.92 94	0.00 1	0.18 23	0.08 13	0.00 1	0.21 134	0.03 12	0.00 1	0.01 6	0.03 21	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

RALAANet	0.13 14	0.51 124	0.95 33	0.00 1	0.00 1	0.32 19	0.01 91	0.38 42	0.03 2	0.00 1	0.00 1	0.05 27	0.09 99	0.02 18	0.12 73	0.00 1	0.00 1	0.00 1	0.02 151	0.10 124	0.00 1

raftrobust	0.13 14	0.36 85	0.94 32	0.00 1	0.18 164	0.62 58	0.02 110	0.07 10	0.07 9	0.00 1	0.00 1	0.03 12	0.03 56	0.03 25	0.05 36	0.00 1	0.01 139	0.00 1	0.00 1	0.06 97	0.04 114

MSMDNet	0.14 16	0.08 23	1.19 58	0.00 1	0.11 155	0.64 61	0.00 1	0.14 19	0.04 4	0.01 51	0.00 1	0.38 95	0.00 1	0.01 6	0.06 45	0.00 1	0.00 1	0.00 1	0.17 168	0.01 26	0.01 51

raft+_RVC	0.14 16	0.37 90	0.96 35	0.00 1	0.16 160	0.64 61	0.03 118	0.05 6	0.08 13	0.00 1	0.00 1	0.02 8	0.03 56	0.03 25	0.07 52	0.00 1	0.07 163	0.00 1	0.00 1	0.05 87	0.16 165

rafts_anoy	0.14 16	0.35 80	0.99 40	0.00 1	0.02 119	0.49 40	0.03 118	0.11 16	0.07 9	0.00 1	0.01 80	0.06 31	0.06 93	0.24 44	0.06 45	0.00 1	0.14 168	0.00 1	0.01 145	0.02 48	0.03 100

RAFT-Stereo	0.15 19	0.03 1	0.77 7	0.00 1	0.00 1	0.74 75	0.00 1	1.36 116	0.09 24	0.02 75	0.00 1	0.01 1	0.00 1	0.01 6	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.01 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
R-Stereo Train	0.15 19	0.03 1	0.77 7	0.00 1	0.00 1	0.74 75	0.00 1	1.36 116	0.09 24	0.02 75	0.00 1	0.01 1	0.00 1	0.01 6	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.01 51

RALCasStereoNet	0.16 21	0.35 80	0.84 16	0.00 1	0.00 1	0.32 19	0.03 118	0.16 20	0.56 74	0.02 75	0.07 123	0.05 27	0.08 98	0.13 40	0.08 57	0.00 1	0.31 174	0.00 1	0.00 1	0.07 103	0.11 152

CFNet-RSSM	0.17 22	0.06 9	1.16 56	0.00 1	0.12 158	0.61 53	0.00 1	0.90 87	0.08 13	0.01 51	0.00 1	0.09 38	0.00 1	0.01 6	0.03 21	0.00 1	0.00 1	0.00 1	0.23 171	0.00 1	0.00 1

UPFNet	0.18 23	0.05 4	1.11 50	0.00 1	0.00 1	0.48 38	0.00 1	1.11 102	0.48 60	0.00 1	0.00 1	0.10 40	0.00 1	0.10 37	0.10 63	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.00 1

AFF-stereo	0.18 23	0.42 104	0.77 7	0.00 1	0.00 1	0.91 93	0.00 1	0.41 47	0.65 145	0.05 103	0.00 1	0.04 18	0.05 86	0.06 32	0.04 29	0.00 1	0.01 139	0.00 1	0.00 1	0.19 150	0.01 51

GES	0.18 23	0.05 4	0.87 23	0.00 1	0.00 1	1.06 120	0.02 110	0.60 67	0.08 13	0.00 1	0.02 112	0.11 41	0.09 99	0.44 48	0.16 89	0.01 148	0.00 1	0.00 1	0.00 1	0.01 26	0.01 51

HITNet	0.19 26	0.55 133	1.36 71	0.00 1	0.00 1	0.25 12	0.00 1	1.09 100	0.23 43	0.00 1	0.00 1	0.14 49	0.02 42	0.02 18	0.14 83	0.00 1	0.00 1	0.00 1	0.00 1	0.05 87	0.00 1
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
Anonymous3	0.19 26	0.07 19	1.33 67	0.00 1	0.00 1	1.12 146	0.00 1	0.56 61	0.56 74	0.01 51	0.00 1	0.06 31	0.00 1	0.01 6	0.01 12	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.01 51

RAFT-Stereo + iAFF	0.19 26	0.33 73	0.84 16	0.00 1	0.02 119	1.06 120	0.00 1	0.45 50	0.59 102	0.03 88	0.00 1	0.05 27	0.06 93	0.04 28	0.07 52	0.00 1	0.01 139	0.00 1	0.00 1	0.17 147	0.01 51

DMCA	0.19 26	0.16 41	1.39 73	0.00 1	0.01 105	1.00 104	0.01 91	0.38 42	0.57 82	0.01 51	0.01 80	0.05 27	0.00 1	0.05 29	0.12 73	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.00 1

UCFNet_RVC	0.20 30	0.32 70	0.88 25	0.00 1	0.00 1	1.02 109	0.00 1	0.20 27	0.29 47	0.01 51	0.00 1	0.34 85	0.02 42	0.81 51	0.05 36	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

ACVNet	0.20 30	0.14 36	0.96 35	0.01 111	0.00 1	1.05 114	0.11 136	0.19 24	0.60 110	0.01 51	0.01 80	0.71 120	0.00 1	0.05 29	0.10 63	0.00 1	0.00 1	0.00 1	0.00 1	0.05 87	0.00 1

AdaStereo	0.20 30	0.06 9	0.86 20	0.00 1	0.00 1	0.25 12	0.00 1	1.71 140	0.56 74	0.00 1	0.00 1	0.31 81	0.01 31	0.11 38	0.11 69	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.00 1
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.
acv_ft	0.21 33	0.14 36	0.95 33	0.00 1	0.00 1	0.41 26	0.00 1	0.58 65	0.60 110	0.19 130	0.01 80	0.71 120	0.12 109	0.05 29	0.12 73	0.00 1	0.00 1	0.00 1	0.00 1	0.24 158	0.00 1

DIP-Stereo	0.22 34	0.10 28	0.77 7	0.00 1	0.00 1	1.09 137	0.00 1	1.68 138	0.57 82	0.01 51	0.00 1	0.01 1	0.07 96	0.01 6	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.01 51
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MMNet	0.23 35	0.18 44	1.84 95	0.00 1	0.00 1	0.67 66	0.00 1	0.59 66	0.59 102	0.00 1	0.01 80	0.18 57	0.09 99	0.26 45	0.12 73	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.01 51

MLCV	0.23 35	0.46 111	1.15 52	0.00 1	0.00 1	0.45 36	0.00 1	0.57 63	0.15 32	0.09 117	0.00 1	0.27 73	0.03 56	1.09 55	0.25 100	0.00 1	0.00 1	0.00 1	0.00 1	0.05 87	0.00 1

FENet	0.23 35	0.05 4	1.39 73	0.00 1	0.00 1	1.00 104	0.00 1	0.80 79	0.57 82	0.00 1	0.00 1	0.24 69	0.04 75	0.23 43	0.18 93	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.01 51

DeepPruner_ROB	0.23 35	0.37 90	1.26 63	0.00 1	0.00 1	1.11 145	0.03 118	0.20 27	0.07 9	0.00 1	0.00 1	0.39 97	0.03 56	1.12 56	0.02 19	0.00 1	0.00 1	0.00 1	0.00 1	0.04 80	0.00 1

BEATNet_4x	0.24 39	0.51 124	1.71 90	0.00 1	0.00 1	0.31 16	0.00 1	0.99 94	0.31 49	0.00 1	0.00 1	0.29 76	0.03 56	0.22 42	0.35 108	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.02 81

MFMNet_re	0.24 39	0.74 154	2.31 112	0.53 174	0.00 1	0.17 8	0.01 91	0.02 1	0.59 102	0.01 51	0.03 114	0.12 43	0.00 1	0.07 33	0.01 12	0.00 1	0.00 1	0.00 1	0.00 1	0.19 150	0.01 51

StereoDRNet-Refined	0.24 39	0.08 23	0.68 5	0.00 1	0.00 1	0.83 83	0.00 1	0.66 71	0.61 115	0.00 1	0.00 1	0.50 109	0.02 42	1.28 58	0.08 57	0.00 1	0.00 1	0.00 1	0.00 1	0.10 124	0.04 114
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
STTStereo	0.24 39	0.28 63	1.68 87	0.00 1	0.00 1	0.84 84	0.03 118	0.16 20	0.08 13	0.02 75	0.00 1	0.20 64	0.03 56	1.54 60	0.01 12	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

iResNet	0.25 43	0.27 61	1.68 87	0.00 1	0.00 1	0.69 69	0.00 1	1.22 111	0.56 74	0.00 1	0.00 1	0.04 18	0.03 56	0.12 39	0.30 105	0.00 1	0.00 1	0.00 1	0.00 1	0.05 87	0.01 51

GwcNet-DCA	0.25 43	0.37 90	1.20 59	0.00 1	0.00 1	1.06 120	0.00 1	1.49 129	0.61 115	0.08 114	0.00 1	0.04 18	0.00 1	0.02 18	0.10 63	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.05 120

UNet	0.26 45	0.18 44	2.41 115	0.00 1	0.00 1	0.71 71	0.00 1	0.39 45	0.60 110	0.00 1	0.00 1	0.37 93	0.02 42	0.45 49	0.09 60	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.00 1

DN-CSS_ROB	0.26 45	0.75 155	1.33 67	0.00 1	0.00 1	0.99 103	0.00 1	1.04 95	0.61 115	0.01 51	0.00 1	0.19 63	0.02 42	0.07 33	0.01 12	0.00 1	0.00 1	0.00 1	0.00 1	0.22 156	0.01 51

DLCB_ROB	0.27 47	0.16 41	0.71 6	0.00 1	0.00 1	0.44 35	0.00 1	0.43 48	0.57 82	0.02 75	0.04 116	0.63 114	0.04 75	2.18 72	0.24 99	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

csc	0.28 48	0.37 90	1.20 59	0.00 1	0.01 105	1.05 114	0.00 1	1.48 126	0.61 115	0.13 121	0.00 1	0.04 18	0.60 139	0.02 18	0.05 36	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.05 120

cscssc	0.28 48	0.37 90	1.20 59	0.00 1	0.01 105	1.05 114	0.00 1	1.48 126	0.61 115	0.13 121	0.00 1	0.04 18	0.60 139	0.02 18	0.05 36	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.05 120

HGLStereo	0.28 48	0.12 33	1.15 52	0.00 1	0.00 1	0.65 63	0.00 1	0.57 63	0.25 44	0.02 75	0.01 80	0.47 103	0.03 56	2.17 71	0.14 83	0.00 1	0.00 1	0.00 1	0.00 1	0.03 70	0.01 51

NCCL2	0.29 51	0.50 119	1.52 80	0.00 1	0.00 1	0.81 80	0.00 1	0.45 50	0.22 40	0.00 1	0.00 1	0.02 8	0.03 56	2.14 69	0.06 45	0.00 1	0.00 1	0.02 157	0.00 1	0.01 26	0.03 100

111	0.30 52	0.66 145	1.20 59	0.00 1	0.01 105	1.06 120	0.03 118	1.60 132	0.59 102	0.27 135	0.00 1	0.20 64	0.05 86	0.08 36	0.07 52	0.00 1	0.00 1	0.00 1	0.00 1	0.07 103	0.12 156

iResNet_ROB	0.30 52	0.66 145	1.41 76	0.00 1	0.00 1	0.70 70	0.00 1	0.79 77	0.57 82	0.04 99	0.01 80	0.08 35	0.01 31	1.55 61	0.03 21	0.00 1	0.00 1	0.00 1	0.00 1	0.06 97	0.00 1

DMCA-RVC	0.31 54	0.48 116	2.47 120	0.00 1	0.03 132	0.78 79	0.03 118	0.06 8	0.08 13	0.01 51	0.01 80	0.08 35	0.33 131	1.59 62	0.16 89	0.00 1	0.02 146	0.01 148	0.00 1	0.01 26	0.01 51

CFNet-ft	0.31 54	0.34 74	0.96 35	0.00 1	0.00 1	1.08 133	0.00 1	0.19 24	0.15 32	0.01 51	0.00 1	0.48 104	0.00 1	2.95 94	0.05 36	0.00 1	0.00 1	0.01 148	0.00 1	0.01 26	0.01 51

CFNet_RVC	0.31 54	0.34 74	0.96 35	0.00 1	0.00 1	1.08 133	0.00 1	0.19 24	0.15 32	0.01 51	0.00 1	0.48 104	0.00 1	2.95 94	0.05 36	0.00 1	0.00 1	0.01 148	0.00 1	0.01 26	0.01 51

ETE_ROB	0.31 54	0.34 74	0.89 26	0.00 1	0.00 1	0.97 100	0.01 91	1.45 123	0.57 82	0.02 75	0.00 1	0.17 54	0.02 42	1.75 63	0.07 52	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TestStereo	0.31 54	0.22 50	1.36 71	0.00 1	0.00 1	0.27 14	0.00 1	0.06 8	0.04 4	0.01 51	0.00 1	0.03 12	0.01 31	4.27 132	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

DISCO	0.31 54	0.11 30	1.73 91	0.16 162	0.16 160	0.31 16	0.00 1	0.09 12	0.17 36	0.00 1	0.01 80	1.51 153	0.00 1	1.21 57	0.62 125	0.00 1	0.00 1	0.00 1	0.00 1	0.03 70	0.01 51

LALA_ROB	0.31 54	0.38 97	0.91 30	0.00 1	0.01 105	1.00 104	0.01 91	1.60 132	0.61 115	0.15 128	0.00 1	0.09 38	0.01 31	1.04 54	0.41 112	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.00 1

HCRNet	0.32 61	0.10 28	0.81 15	0.00 1	0.00 1	1.10 139	0.00 1	0.39 45	0.59 102	0.01 51	0.01 80	0.06 31	0.03 56	3.24 102	0.05 36	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.02 81

delet	0.33 62	0.24 56	1.05 48	0.00 1	0.00 1	0.60 52	0.00 1	0.53 58	0.59 102	0.03 88	0.01 80	0.52 110	0.19 117	2.68 85	0.13 79	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.00 1

222	0.34 63	0.37 90	2.29 111	0.00 1	0.00 1	1.05 114	0.00 1	1.48 126	0.61 115	0.13 121	0.00 1	0.04 18	0.60 139	0.02 18	0.05 36	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.05 120

test_xeample3	0.34 63	0.58 138	2.20 110	0.01 111	0.02 119	1.10 139	0.18 140	1.51 130	0.61 115	0.05 103	0.08 124	0.06 31	0.00 1	0.20 41	0.16 89	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.08 140

GANet-RSSM	0.34 63	0.29 66	0.97 39	0.00 1	0.00 1	1.05 114	0.00 1	0.22 31	0.15 32	0.03 88	0.00 1	0.31 81	0.00 1	3.62 113	0.14 83	0.00 1	0.00 1	0.03 163	0.00 1	0.05 87	0.01 51

cf-r	0.35 66	0.41 103	1.45 77	0.00 1	0.00 1	1.06 120	0.00 1	0.43 48	0.38 55	0.05 103	0.00 1	0.65 118	0.00 1	2.53 82	0.04 29	0.00 1	0.00 1	0.00 1	0.00 1	0.04 80	0.02 81

NLCA_NET_v2_RVC	0.35 66	0.49 118	2.00 100	0.00 1	0.02 119	0.96 98	0.00 1	0.55 60	0.18 38	0.03 88	0.00 1	0.35 89	0.10 105	2.37 76	0.01 12	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
pcwnet_v2	0.36 68	0.07 19	0.87 23	0.00 1	0.00 1	0.93 96	0.01 91	2.05 151	0.58 96	0.03 88	0.00 1	0.12 43	0.04 75	2.22 74	0.22 98	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

PSMNet-RSSM	0.36 68	0.36 85	0.93 31	0.00 1	0.00 1	1.06 120	0.00 1	0.50 56	0.53 67	0.04 99	0.00 1	0.40 98	0.00 1	3.33 105	0.06 45	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.01 51

iResNetv2_ROB	0.36 68	1.03 169	2.96 136	0.00 1	0.00 1	0.58 49	0.00 1	1.51 130	0.58 96	0.01 51	0.00 1	0.08 35	0.02 42	0.07 33	0.02 19	0.00 1	0.00 1	0.00 1	0.00 1	0.29 166	0.02 81

XPNet_ROB	0.37 71	0.34 74	1.01 42	0.01 111	0.00 1	0.96 98	0.00 1	1.11 102	0.46 59	0.00 1	0.00 1	0.17 54	0.02 42	2.73 86	0.54 121	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.01 51

psm_up	0.39 72	0.25 57	1.04 45	0.00 1	0.00 1	0.82 81	0.00 1	1.88 144	0.57 82	0.00 1	0.00 1	0.28 75	0.01 31	2.78 88	0.09 60	0.00 1	0.00 1	0.00 1	0.00 1	0.06 97	0.00 1

ac_64	0.39 72	0.12 33	1.15 52	0.04 137	0.01 105	0.43 34	0.02 110	0.25 33	0.59 102	0.12 120	0.01 80	0.89 128	0.04 75	3.92 123	0.12 73	0.00 1	0.00 1	0.00 1	0.00 1	0.04 80	0.00 1

DSFCA	0.40 74	0.09 26	0.84 16	0.00 1	0.01 105	0.98 101	0.37 149	0.29 35	0.62 140	0.02 75	0.32 137	0.03 12	0.24 125	3.91 122	0.34 107	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.00 1

CFNet-pseudo	0.40 74	0.09 26	0.99 40	0.00 1	0.00 1	1.07 131	0.00 1	2.07 154	0.57 82	0.06 109	0.00 1	0.18 57	0.03 56	2.50 81	0.38 109	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

PSMNet_ROB	0.41 76	0.54 129	1.69 89	0.00 1	0.00 1	0.92 94	0.00 1	0.27 34	0.53 67	0.00 1	0.00 1	0.25 71	0.03 56	3.43 107	0.47 116	0.00 1	0.00 1	0.00 1	0.00 1	0.05 87	0.03 100

StereoDRNet	0.42 77	0.50 119	2.50 122	0.02 124	0.06 145	0.51 41	0.00 1	0.34 39	0.61 115	0.00 1	0.00 1	0.33 83	0.02 42	2.87 90	0.50 119	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.02 81

hitnet-ft	0.42 77	0.30 68	1.15 52	0.00 1	0.00 1	0.73 74	0.11 136	0.30 37	0.19 39	0.04 99	0.14 127	0.75 123	0.17 116	4.33 134	0.10 63	0.01 148	0.00 1	0.03 163	0.00 1	0.04 80	0.01 51

RP	0.42 77	0.44 107	1.52 80	0.00 1	0.01 105	0.61 53	0.02 110	1.06 97	0.39 57	0.03 88	0.01 80	0.99 134	0.16 113	2.89 92	0.18 93	0.00 1	0.00 1	0.00 1	0.00 1	0.10 124	0.00 1

Nwc_Net	0.43 80	0.42 104	2.64 127	0.00 1	0.00 1	0.67 66	0.00 1	0.82 83	0.28 45	0.00 1	0.01 80	0.90 129	0.10 105	2.62 83	0.05 36	0.00 1	0.00 1	0.00 1	0.00 1	0.03 70	0.00 1

GEStereo_RVC	0.43 80	0.38 97	1.10 49	0.01 111	0.00 1	1.02 109	0.00 1	1.94 149	0.57 82	0.00 1	0.00 1	0.14 49	0.01 31	3.25 103	0.03 21	0.00 1	0.00 1	0.00 1	0.00 1	0.08 112	0.02 81

DRN-Test	0.43 80	0.13 35	1.95 99	0.03 132	0.09 153	0.61 53	0.00 1	1.43 120	0.61 115	0.00 1	0.00 1	0.18 57	0.04 75	3.32 104	0.11 69	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.01 51

NVstereo2D	0.45 83	0.11 30	1.91 98	0.00 1	0.00 1	0.59 51	0.00 1	1.39 118	0.61 115	0.03 88	0.00 1	0.33 83	0.00 1	3.94 124	0.07 52	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

GwcNet-RSSM	0.45 83	0.56 135	1.74 93	0.00 1	0.00 1	1.06 120	0.00 1	0.65 70	0.55 72	0.18 129	0.00 1	0.37 93	0.00 1	3.70 116	0.04 29	0.00 1	0.00 1	0.00 1	0.00 1	0.08 112	0.02 81

MaskLacGwcNet_RVC	0.47 85	0.43 106	1.04 45	0.11 155	0.00 1	1.10 139	0.00 1	0.80 79	0.54 70	0.00 1	0.05 117	0.38 95	0.03 56	3.50 109	0.14 83	0.88 180	0.00 1	0.00 1	0.00 1	0.11 130	0.20 167

AF-Net	0.47 85	0.53 127	2.05 105	0.00 1	0.00 1	0.41 26	0.01 91	1.18 109	0.40 58	0.13 121	0.05 117	1.30 145	0.45 133	2.43 79	0.30 105	0.00 1	0.00 1	0.00 1	0.00 1	0.09 119	0.00 1

NCC-stereo	0.49 87	0.46 111	2.04 103	0.03 132	0.03 132	1.06 120	0.01 91	0.78 75	0.22 40	0.06 109	0.19 130	0.64 116	0.05 86	3.65 114	0.63 126	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.00 1

stereogan	0.49 87	0.22 50	2.39 113	0.00 1	0.00 1	0.63 60	0.02 110	0.79 77	0.72 150	0.06 109	0.00 1	1.68 155	0.46 134	2.63 84	0.04 29	0.00 1	0.00 1	0.00 1	0.00 1	0.14 137	0.00 1

TDLM	0.49 87	0.39 99	1.02 43	0.00 1	0.00 1	1.08 133	0.01 91	0.36 40	0.58 96	0.14 126	0.00 1	0.27 73	0.19 117	5.46 152	0.20 97	0.00 1	0.00 1	0.00 1	0.00 1	0.13 135	0.01 51

ccnet	0.49 87	0.05 4	1.26 63	0.01 111	0.08 151	0.72 73	0.18 140	1.18 109	0.35 52	0.45 141	0.68 145	0.13 48	0.39 132	3.54 111	0.74 128	0.01 148	0.00 1	0.02 157	0.00 1	0.02 48	0.01 51

Abc-Net	0.49 87	0.46 111	2.04 103	0.03 132	0.03 132	1.06 120	0.01 91	0.78 75	0.22 40	0.06 109	0.19 130	0.64 116	0.05 86	3.65 114	0.63 126	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.00 1
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FAT-Stereo	0.50 92	0.14 36	2.51 124	0.00 1	0.00 1	0.33 21	0.09 133	1.88 144	0.61 115	0.05 103	0.76 147	0.60 112	0.52 135	2.46 80	0.06 45	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.00 1

RGC	0.50 92	0.53 127	2.42 116	0.00 1	0.01 105	0.65 63	0.00 1	1.07 98	0.17 36	0.01 51	0.62 143	1.00 135	0.19 117	3.03 97	0.28 104	0.00 1	0.00 1	0.00 1	0.00 1	0.05 87	0.02 81

GwcNet	0.50 92	0.46 111	3.90 156	0.00 1	0.00 1	0.42 30	0.10 135	0.38 42	0.74 152	0.03 88	0.00 1	0.63 114	0.05 86	2.92 93	0.16 89	0.00 1	0.00 1	0.00 1	0.00 1	0.17 147	0.05 120

SHD	0.50 92	0.51 124	3.61 151	0.05 142	0.00 1	0.01 2	0.01 91	0.72 73	0.61 115	1.57 156	0.00 1	0.34 85	0.09 99	1.79 65	0.49 118	0.00 1	0.00 1	0.00 1	0.01 145	0.09 119	0.03 100

PASM	0.51 96	0.32 70	3.07 139	0.00 1	0.00 1	0.31 16	0.00 1	0.46 53	0.12 27	0.03 88	0.00 1	0.44 100	0.02 42	5.22 147	0.04 29	0.00 1	0.00 1	0.00 1	0.00 1	0.12 132	0.03 100

FINET	0.51 96	0.36 85	2.40 114	0.00 1	0.00 1	0.27 14	0.00 1	2.06 153	1.49 168	0.00 1	0.00 1	0.04 18	0.04 75	3.38 106	0.10 63	0.00 1	0.00 1	0.00 1	0.00 1	0.03 70	0.02 81

FADNet-RVC-Resample	0.51 96	0.82 163	3.08 140	0.04 137	0.04 140	0.42 30	0.09 133	1.16 107	0.34 51	0.00 1	0.03 114	0.24 69	0.05 86	3.16 98	0.13 79	0.07 166	0.12 167	0.05 168	0.02 151	0.08 112	0.20 167

APVNet	0.51 96	0.21 49	2.43 118	0.00 1	0.00 1	0.94 97	0.00 1	0.45 50	0.62 140	0.01 51	0.01 80	0.34 85	0.03 56	4.59 136	0.27 102	0.00 1	0.00 1	0.03 163	0.00 1	0.15 140	0.02 81

FADNet-RVC	0.51 96	0.80 162	2.47 120	0.01 111	0.00 1	0.48 38	0.00 1	1.32 114	0.14 30	0.00 1	0.01 80	0.12 43	0.06 93	4.07 127	0.15 87	0.00 1	0.04 155	0.00 1	0.00 1	0.38 170	0.08 140

HSM-Net_RVC	0.52 101	0.06 9	1.45 77	0.00 1	0.00 1	0.61 53	0.00 1	3.83 176	0.52 65	0.14 126	0.00 1	0.22 68	0.03 56	3.50 109	0.04 29	0.01 148	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CVANet_RVC	0.53 102	0.32 70	1.26 63	0.00 1	0.00 1	0.98 101	0.00 1	0.72 73	0.55 72	0.35 137	0.12 126	0.36 91	0.14 110	5.53 154	0.08 57	0.00 1	0.00 1	0.00 1	0.00 1	0.16 144	0.00 1

RYNet	0.53 102	0.19 46	1.79 94	0.00 1	0.00 1	0.55 45	0.00 1	1.12 104	0.61 115	0.02 75	0.00 1	0.83 125	0.04 75	5.05 145	0.45 115	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 81

PS-NSSS	0.54 104	0.44 107	0.86 20	0.00 1	0.00 1	1.04 113	0.00 1	2.37 162	0.56 74	0.00 1	0.00 1	0.11 41	0.01 31	5.32 149	0.13 79	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.00 1

GANetREF_RVC	0.54 104	0.70 149	2.06 106	0.00 1	0.00 1	1.14 147	0.00 1	1.61 134	0.58 96	0.00 1	0.01 80	0.29 76	0.04 75	4.21 129	0.06 45	0.00 1	0.00 1	0.00 1	0.00 1	0.03 70	0.02 81
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
FADNet	0.55 106	0.75 155	2.42 116	0.00 1	0.01 105	0.82 81	0.00 1	0.88 85	0.54 70	0.01 51	0.01 80	0.16 53	0.16 113	4.49 135	0.09 60	0.18 170	0.00 1	0.00 1	0.00 1	0.43 173	0.00 1

GANet	0.55 106	0.35 80	1.40 75	0.00 1	0.00 1	0.77 78	0.08 132	0.36 40	0.57 82	0.01 51	0.00 1	0.68 119	0.11 107	5.52 153	1.07 132	0.00 1	0.00 1	0.02 157	0.00 1	0.09 119	0.03 100

CFNet	0.56 108	0.50 119	1.58 82	0.00 1	0.00 1	1.06 120	0.01 91	1.08 99	0.57 82	0.00 1	0.01 80	0.12 43	0.01 31	5.87 163	0.19 96	0.00 1	0.00 1	0.00 1	0.00 1	0.13 135	0.02 81

PDISCO_ROB	0.56 108	0.57 136	2.07 107	0.17 164	0.00 1	1.56 156	0.01 91	2.27 161	0.51 64	0.08 114	0.01 80	0.74 122	0.28 129	2.37 76	0.13 79	0.00 1	0.00 1	0.00 1	0.00 1	0.33 169	0.00 1

Syn2CoEx	0.56 108	0.78 160	2.86 133	0.00 1	0.00 1	0.10 7	0.01 91	0.91 89	0.61 115	0.02 75	0.00 1	0.49 108	0.21 120	5.03 144	0.03 21	0.00 1	0.00 1	0.00 1	0.00 1	0.14 137	0.03 100

XX-Stereo	0.57 111	0.15 39	4.26 157	0.08 149	0.03 132	1.10 139	0.00 1	2.55 165	0.11 26	0.11 119	0.00 1	1.43 151	0.01 31	1.34 59	0.00 1	0.00 1	0.04 155	0.00 1	0.16 167	0.03 70	0.01 51

CBMV	0.57 111	0.22 50	1.61 84	0.00 1	0.00 1	0.84 84	0.78 162	2.58 167	0.61 115	0.38 139	0.00 1	1.25 141	0.63 143	2.07 68	0.38 109	0.00 1	0.00 1	0.00 1	0.00 1	0.04 80	0.08 140
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PA-Net	0.57 111	0.50 119	2.73 131	0.03 132	0.06 145	0.89 89	0.02 110	0.66 71	0.63 142	0.00 1	0.00 1	0.43 99	0.07 96	4.82 140	0.55 124	0.01 148	0.00 1	0.00 1	0.00 1	0.02 48	0.04 114
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
edge stereo	0.58 114	0.29 66	2.86 133	0.01 111	0.03 132	0.33 21	0.03 118	0.97 92	0.50 62	0.21 131	0.33 138	1.31 146	0.16 113	4.20 128	0.18 93	0.00 1	0.00 1	0.00 1	0.00 1	0.11 130	0.01 51

DANet	0.58 114	0.19 46	1.87 96	0.26 170	0.06 145	0.51 41	0.11 136	1.41 119	0.52 65	0.22 132	0.06 121	1.06 137	0.02 42	4.25 130	0.92 130	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.06 134
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
RASNet	0.58 114	0.27 61	1.30 66	0.00 1	0.00 1	0.61 53	0.01 91	0.47 54	0.60 110	0.08 114	0.06 121	1.52 154	0.04 75	6.18 166	0.48 117	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.00 1

ARAFT	0.58 114	0.75 155	2.78 132	0.00 1	0.00 1	1.20 149	0.00 1	2.26 160	0.57 82	0.05 103	0.00 1	0.18 57	0.03 56	3.54 111	0.04 29	0.00 1	0.00 1	0.00 1	0.00 1	0.19 150	0.04 114

Anonymous Stereo	0.59 118	0.78 160	2.67 128	0.00 1	0.00 1	0.55 45	0.49 154	1.05 96	0.28 45	0.00 1	0.01 80	0.12 43	0.02 42	5.54 155	0.27 102	0.00 1	0.00 1	0.00 1	0.00 1	0.07 103	0.00 1

FADNet_RVC	0.60 119	0.83 164	2.50 122	0.00 1	0.00 1	1.09 137	0.00 1	1.29 112	0.50 62	0.02 75	0.05 117	0.26 72	0.03 56	3.17 100	0.25 100	0.21 172	0.26 173	0.08 172	0.28 175	0.53 175	0.55 176

RAFT + AFF	0.60 119	0.75 155	1.04 45	0.00 1	0.00 1	1.10 139	0.06 130	1.45 123	0.57 82	0.02 75	0.00 1	0.18 57	1.43 158	4.80 139	0.15 87	0.00 1	0.17 171	0.00 1	0.00 1	0.27 163	0.08 140

NOSS_ROB	0.61 121	0.17 43	0.63 4	0.19 166	0.00 1	0.67 66	0.00 1	2.38 163	0.57 82	0.13 121	0.00 1	0.94 130	0.00 1	6.27 169	0.10 63	0.00 1	0.00 1	0.00 1	0.00 1	0.04 80	0.10 151

PWC_ROB	0.62 122	0.54 129	3.22 142	0.00 1	0.00 1	0.22 11	0.00 1	2.18 158	0.61 115	0.00 1	0.20 132	0.29 76	0.03 56	3.46 108	1.22 136	0.00 1	0.00 1	0.00 1	0.00 1	0.39 171	0.01 51

HSM	0.63 123	0.36 85	0.89 26	0.00 1	0.00 1	0.52 43	0.01 91	0.98 93	0.56 74	0.00 1	0.01 80	2.27 162	0.65 144	6.18 166	0.11 69	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.00 1

CC-Net-ROB	0.64 124	0.50 119	1.13 51	0.07 147	0.00 1	1.08 133	0.01 91	2.58 167	0.56 74	0.01 51	0.00 1	0.14 49	0.01 31	5.73 160	0.12 73	0.50 178	0.00 1	0.21 177	0.00 1	0.09 119	0.02 81

S-Stereo	0.65 125	0.25 57	3.44 148	0.00 1	0.00 1	0.56 47	0.05 128	1.86 143	0.61 115	0.00 1	0.76 147	0.84 126	0.11 107	4.28 133	0.11 69	0.00 1	0.01 139	0.00 1	0.00 1	0.07 103	0.03 100

XQC	0.68 126	0.72 153	3.82 154	0.06 146	0.00 1	0.39 24	0.01 91	1.92 147	0.61 115	0.03 88	0.01 80	0.46 102	0.21 120	2.84 89	2.26 149	0.00 1	0.00 1	0.00 1	0.01 145	0.15 140	0.05 120

EAI-Stereo	0.70 127	0.03 1	0.84 16	0.13 158	0.20 171	0.87 87	2.23 172	2.05 151	0.29 47	0.72 144	4.60 165	0.29 76	0.55 136	0.39 47	0.44 114	0.00 1	0.07 163	0.00 1	0.29 176	0.01 26	0.08 140

RTSC	0.70 127	0.71 151	3.19 141	0.01 111	0.00 1	0.20 10	0.00 1	0.81 81	0.60 110	0.29 136	0.36 140	0.36 91	0.04 75	2.04 67	4.87 162	0.00 1	0.03 150	0.00 1	0.02 151	0.28 164	0.11 152

PVD	0.73 129	0.57 136	3.38 146	0.04 137	0.19 167	0.74 75	0.00 1	0.29 35	0.79 154	2.37 160	0.00 1	0.53 111	0.09 99	2.19 73	3.20 155	0.00 1	0.05 161	0.00 1	0.02 151	0.08 112	0.15 161

psmorigin	0.75 130	0.25 57	7.10 167	0.00 1	0.00 1	0.19 9	0.00 1	0.10 13	0.12 27	0.65 143	0.00 1	2.74 164	0.23 124	3.02 96	0.54 121	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.01 51

AANet_RVC	0.75 130	0.65 143	2.52 125	0.01 111	0.00 1	0.66 65	0.00 1	0.61 68	0.13 29	0.00 1	1.29 157	0.96 132	0.04 75	5.98 164	1.82 145	0.13 167	0.02 146	0.00 1	0.00 1	0.07 103	0.04 114

NaN_ROB	0.80 132	0.47 115	1.63 85	0.17 164	0.19 167	0.58 49	0.38 151	2.11 155	0.80 155	0.53 142	0.33 138	0.48 104	1.13 155	4.98 143	1.94 146	0.00 1	0.02 146	0.01 148	0.05 159	0.06 97	0.14 160

FBW_ROB	0.83 133	0.31 69	1.48 79	0.10 154	0.01 105	0.62 58	0.01 91	1.91 146	0.59 102	0.01 51	0.01 80	1.10 139	0.05 86	7.84 174	2.07 148	0.05 164	0.01 139	0.03 163	0.01 145	0.01 26	0.47 174

SGM-Forest	0.84 134	0.07 19	0.90 28	0.02 124	0.07 149	1.10 139	0.68 158	2.12 157	0.61 115	1.14 152	0.78 150	1.36 148	0.98 151	5.55 156	1.31 139	0.00 1	0.00 1	0.00 1	0.00 1	0.02 48	0.06 134
Johannes L. Schönberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV_ROB	0.84 134	0.06 9	1.73 91	0.00 1	0.00 1	1.37 152	0.47 152	2.57 166	0.58 96	2.13 158	0.76 147	1.06 137	1.38 157	4.04 126	0.54 121	0.00 1	0.00 1	0.00 1	0.00 1	0.03 70	0.05 120

aanetorigin	0.86 136	0.36 85	3.45 149	0.11 155	0.13 159	0.39 24	0.93 166	0.13 18	0.14 30	3.38 165	1.21 155	0.29 76	2.01 164	2.87 90	1.35 140	0.02 158	0.00 1	0.02 157	0.05 159	0.30 167	0.08 140

SPS-STEREO	0.88 137	0.40 101	2.01 101	0.00 1	0.01 105	0.42 30	0.17 139	0.50 56	0.61 115	2.19 159	0.79 151	2.04 160	0.27 128	5.10 146	2.89 154	0.00 1	0.00 1	0.00 1	0.00 1	0.03 70	0.11 152
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
ADCRef	0.92 138	0.48 116	3.35 144	0.02 124	0.02 119	0.90 90	0.32 147	0.61 68	0.65 145	0.72 144	0.17 129	0.17 54	0.82 149	2.15 70	7.95 166	0.00 1	0.00 1	0.00 1	0.00 1	0.07 103	0.03 100

PWCDC_ROB	0.94 139	0.91 167	2.52 125	0.00 1	0.00 1	1.15 148	0.00 1	2.11 155	1.18 161	0.00 1	8.99 172	0.35 89	0.09 99	0.64 50	0.40 111	0.00 1	0.00 1	0.00 1	0.00 1	0.50 174	0.03 100

MFN_U_SF_RVC	0.95 140	1.40 172	4.49 159	0.16 162	0.11 155	0.56 47	0.07 131	1.12 104	0.36 54	0.43 140	0.27 135	1.27 144	0.73 146	3.98 125	1.47 141	0.29 175	0.34 176	0.36 179	0.55 178	0.63 176	0.46 173

SAMSARA	1.01 141	0.70 149	3.29 143	0.20 168	0.06 145	1.65 158	0.05 128	0.48 55	0.53 67	2.91 164	0.68 145	2.97 165	1.08 153	3.89 121	1.54 142	0.00 1	0.04 155	0.00 1	0.02 151	0.05 87	0.03 100

CSAN	1.05 142	0.61 141	2.46 119	0.09 151	0.08 151	0.71 71	0.71 160	2.20 159	0.93 158	0.85 147	2.92 160	0.79 124	1.46 159	5.37 150	1.58 143	0.01 148	0.01 139	0.00 1	0.00 1	0.09 119	0.05 120

NVStereoNet_ROB	1.08 143	0.39 99	2.15 109	0.08 149	0.02 119	0.45 36	0.02 110	0.89 86	0.67 147	0.10 118	5.85 166	1.90 157	1.11 154	6.20 168	1.14 133	0.20 171	0.00 1	0.03 163	0.07 162	0.12 132	0.13 158
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFN_U_SF_DS_RVC	1.16 144	2.03 178	4.57 161	0.02 124	0.04 140	3.52 172	0.27 144	1.80 142	0.58 96	0.22 132	0.28 136	1.38 149	0.02 42	6.08 165	0.42 113	0.14 168	0.68 179	0.01 148	0.26 173	0.39 171	0.47 174

DispFullNet	1.20 145	0.63 142	3.58 150	1.00 177	0.82 175	0.41 26	0.00 1	1.44 121	0.61 115	2.55 161	0.64 144	1.10 139	8.95 177	0.84 52	1.22 136	0.00 1	0.02 146	0.00 1	0.00 1	0.24 158	0.02 81

G-Net	1.20 145	0.28 63	2.96 136	0.05 142	0.49 173	1.73 160	0.48 153	0.23 32	0.35 52	1.35 154	9.14 173	2.33 163	0.81 148	2.40 78	1.15 134	0.01 148	0.03 150	0.02 157	0.09 165	0.07 103	0.05 120

DGSMNet	1.21 147	0.37 90	3.02 138	0.71 176	1.33 180	1.61 157	3.53 177	1.45 123	0.33 50	0.00 1	0.79 151	0.48 104	0.24 125	3.22 101	0.53 120	0.98 181	1.21 181	1.35 181	1.09 181	1.03 178	0.92 179

DPSNet	1.25 148	0.28 63	5.34 163	0.28 172	0.07 149	1.50 153	0.00 1	3.53 175	0.69 148	0.03 88	0.00 1	0.45 101	2.10 165	5.67 158	4.61 160	0.02 158	0.04 155	0.00 1	0.02 151	0.23 157	0.09 148

DeepPrunerF	1.33 149	0.59 139	8.62 172	0.02 124	0.09 153	0.90 90	0.00 1	1.34 115	6.72 178	0.22 132	0.01 80	0.21 66	0.14 110	5.64 157	1.99 147	0.00 1	0.00 1	0.01 148	0.02 151	0.14 137	0.02 81

ADCP+	1.36 150	0.76 159	6.73 166	0.01 111	0.02 119	1.32 151	0.80 164	0.81 81	0.72 150	0.01 51	0.01 80	0.96 132	1.05 152	0.33 46	13.50 178	0.00 1	0.00 1	0.00 1	0.00 1	0.06 97	0.02 81

ADCMid	1.38 151	0.90 166	6.15 165	0.04 137	0.03 132	1.67 159	0.18 140	1.13 106	0.93 158	0.89 148	0.58 142	0.86 127	0.71 145	1.03 53	11.96 174	0.01 148	0.00 1	0.29 178	0.08 164	0.17 147	0.03 100

AnyNet_C32	1.44 152	1.47 173	6.09 164	0.12 157	0.19 167	1.74 162	1.11 168	0.84 84	0.56 74	1.30 153	0.46 141	0.21 66	0.59 138	2.74 87	11.09 172	0.02 158	0.00 1	0.06 169	0.00 1	0.16 144	0.05 120

ADCPNet	1.44 152	0.55 133	7.88 170	0.01 111	0.19 167	2.78 167	0.27 144	0.90 87	0.38 55	0.04 99	0.02 112	1.43 151	1.81 163	2.22 74	9.08 167	0.00 1	0.47 177	0.00 1	0.64 180	0.04 80	0.15 161

ADCL	1.52 154	0.44 107	4.70 162	0.07 147	0.03 132	2.21 164	2.35 174	0.92 90	0.80 155	1.57 156	1.11 154	1.25 141	1.55 160	1.77 64	11.53 173	0.01 148	0.00 1	0.00 1	0.00 1	0.10 124	0.01 51

MDST_ROB	1.54 155	0.06 9	3.42 147	0.14 159	0.16 160	5.42 176	0.32 147	4.33 178	0.61 115	6.08 169	1.25 156	1.04 136	1.16 156	5.81 162	0.83 129	0.00 1	0.00 1	0.00 1	0.00 1	0.01 26	0.11 152

SGM_RVC	1.54 155	0.35 80	1.60 83	0.15 160	0.17 163	1.25 150	0.77 161	1.97 150	0.88 157	4.31 166	2.46 159	4.36 169	2.37 166	6.98 173	1.78 144	0.21 172	0.23 172	0.20 175	0.23 171	0.26 161	0.31 170
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ADCS	1.72 157	1.22 171	8.11 171	0.00 1	0.01 105	0.88 88	0.68 158	1.44 121	0.63 142	2.60 162	0.11 125	1.42 150	0.26 127	1.97 66	14.92 180	0.00 1	0.00 1	0.00 1	0.00 1	0.08 112	0.07 139

MSC_U_SF_DS_RVC	1.79 158	1.81 177	3.81 153	0.01 111	0.02 119	12.12 180	0.50 155	2.74 169	0.71 149	0.07 113	0.20 132	2.17 161	0.15 112	6.82 172	1.19 135	0.74 179	0.80 180	0.20 175	0.27 174	0.73 177	0.70 177

SuperB	1.85 159	1.06 170	10.54 174	0.02 124	0.01 105	0.90 90	0.78 162	1.75 141	0.64 144	0.05 103	0.05 117

Low-res two-view benchmark