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 views0.28
1
0.30
5
1.33
3
0.19
1
0.13
1
0.55
2
0.17
1
0.48
2
0.46
4
0.27
1
0.33
2
0.24
1
0.21
1
0.31
1
0.21
1
0.11
9
0.07
3
0.08
1
0.05
1
0.10
3
0.07
1
PMTNettwo views0.31
2
0.35
11
1.30
2
0.20
2
0.14
2
0.57
10
0.25
12
0.46
1
0.42
3
0.27
1
0.32
1
0.27
2
0.24
2
0.39
5
0.23
2
0.43
125
0.07
3
0.08
1
0.05
1
0.18
22
0.07
1
R-Stereo Traintwo views0.36
3
0.21
1
1.70
14
0.29
12
0.18
8
0.55
2
0.26
14
0.78
19
0.36
1
0.57
32
0.67
57
0.33
4
0.24
2
0.32
2
0.23
2
0.10
4
0.08
6
0.09
4
0.07
5
0.09
1
0.12
12
RAFT-Stereopermissivetwo views0.36
3
0.21
1
1.70
14
0.29
12
0.18
8
0.55
2
0.26
14
0.78
19
0.36
1
0.57
32
0.67
57
0.33
4
0.24
2
0.32
2
0.23
2
0.10
4
0.08
6
0.09
4
0.07
5
0.09
1
0.12
12
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DPM-Stereotwo views0.37
5
0.34
8
1.50
6
0.27
4
0.18
8
0.63
36
0.17
1
0.92
72
0.53
8
0.49
17
0.48
5
0.30
3
0.30
6
0.39
5
0.30
6
0.10
4
0.08
6
0.10
11
0.08
9
0.15
12
0.12
12
Gwc-CoAtRStwo views0.38
6
0.33
7
1.92
36
0.27
4
0.41
92
0.48
1
0.19
3
0.59
4
0.46
4
0.43
3
0.39
3
0.57
11
0.26
5
0.32
2
0.26
5
0.09
1
0.09
16
0.09
4
0.31
117
0.11
4
0.09
3
DMCAtwo views0.41
7
0.52
26
1.26
1
0.31
18
0.24
23
0.59
18
0.26
14
0.77
15
0.63
29
0.58
38
0.48
5
0.57
11
0.35
9
0.40
7
0.50
33
0.14
35
0.10
29
0.14
31
0.10
18
0.15
12
0.15
31
AdaStereotwo views0.44
8
0.38
13
1.79
24
0.34
39
0.20
12
0.57
10
0.28
22
0.92
72
0.69
42
0.52
22
0.55
21
0.61
22
0.33
8
0.48
10
0.39
9
0.17
56
0.08
6
0.17
53
0.11
21
0.18
22
0.12
12
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.
FENettwo views0.44
8
0.30
5
2.42
75
0.32
23
0.17
6
0.58
12
0.22
5
0.77
15
0.59
14
0.47
13
0.42
4
0.55
9
0.38
13
0.49
12
0.47
28
0.12
20
0.09
16
0.12
21
0.11
21
0.13
6
0.16
37
ACVNettwo views0.45
10
0.44
20
1.79
24
0.28
6
0.21
16
0.59
18
0.36
51
0.66
5
0.68
37
0.45
6
0.59
33
0.69
42
0.40
19
0.44
8
0.55
41
0.11
9
0.09
16
0.10
11
0.09
13
0.34
86
0.10
5
HITNettwo views0.46
11
0.92
77
2.09
49
0.33
28
0.14
2
0.55
2
0.22
5
0.83
38
0.56
11
0.51
19
0.49
8
0.48
8
0.37
12
0.48
10
0.54
40
0.09
1
0.06
1
0.10
11
0.08
9
0.23
44
0.09
3
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
UPFNettwo views0.46
11
0.28
3
1.73
17
0.33
28
0.32
60
0.65
48
0.38
55
0.83
38
0.59
14
0.57
32
0.52
14
0.61
22
0.40
19
0.75
18
0.52
36
0.13
25
0.12
45
0.13
26
0.12
27
0.15
12
0.11
7
ccstwo views0.47
13
0.29
4
1.64
11
0.28
6
0.20
12
0.56
6
0.41
62
0.96
90
0.81
79
0.45
6
0.49
8
0.60
20
0.47
43
0.72
16
0.39
9
0.17
56
0.14
54
0.20
75
0.17
64
0.23
44
0.21
53
BEATNet_4xtwo views0.47
13
0.73
50
1.91
34
0.33
28
0.15
5
0.56
6
0.25
12
0.85
46
0.58
13
0.54
27
0.51
12
0.57
11
0.42
28
0.57
13
0.61
55
0.11
9
0.08
6
0.12
21
0.09
13
0.20
31
0.16
37
MLCVtwo views0.48
15
0.89
76
1.85
29
0.29
12
0.14
2
0.59
18
0.23
10
0.72
9
0.59
14
0.66
62
0.66
55
0.55
9
0.36
10
1.03
30
0.49
31
0.09
1
0.06
1
0.09
4
0.07
5
0.19
29
0.11
7
acv_fttwo views0.48
15
0.44
20
1.76
19
0.32
23
0.41
92
0.63
36
0.28
22
0.81
27
0.68
37
0.61
48
0.59
33
0.69
42
0.45
35
0.44
8
0.63
57
0.11
9
0.09
16
0.10
11
0.09
13
0.41
107
0.10
5
DN-CSS_ROBtwo views0.48
15
1.23
121
1.99
43
0.39
70
0.22
19
0.56
6
0.19
3
0.75
10
0.61
19
0.45
6
0.62
45
0.41
6
0.31
7
0.70
14
0.32
7
0.11
9
0.08
6
0.14
31
0.13
32
0.36
90
0.12
12
DeepPruner_ROBtwo views0.50
18
0.70
45
1.94
39
0.29
12
0.26
34
0.63
36
0.31
41
0.80
24
0.48
6
0.61
48
0.55
21
0.66
33
0.38
13
0.98
26
0.40
11
0.19
71
0.14
54
0.14
31
0.14
38
0.23
44
0.17
43
StereoDRNet-Refinedtwo views0.50
18
0.41
15
1.50
6
0.33
28
0.21
16
0.68
58
0.26
14
0.81
27
0.68
37
0.67
65
0.68
62
0.73
52
0.42
28
1.10
36
0.59
52
0.11
9
0.08
6
0.14
31
0.14
38
0.25
57
0.21
53
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet_ROBtwo views0.50
18
1.15
115
1.73
17
0.31
18
0.21
16
0.58
12
0.22
5
0.95
87
0.82
80
0.58
38
0.62
45
0.57
11
0.39
18
0.84
23
0.40
11
0.11
9
0.08
6
0.09
4
0.06
3
0.21
35
0.13
20
MMNettwo views0.50
18
0.48
24
1.93
38
0.33
28
0.27
40
0.79
82
0.28
22
0.81
27
0.74
60
0.60
44
0.56
25
0.59
17
0.55
60
0.79
20
0.59
52
0.10
4
0.09
16
0.12
21
0.11
21
0.13
6
0.14
26
iResNettwo views0.51
22
0.76
53
2.59
92
0.41
80
0.17
6
0.64
44
0.27
19
0.82
32
0.70
45
0.57
32
0.64
52
0.43
7
0.36
10
0.70
14
0.52
36
0.10
4
0.07
3
0.09
4
0.08
9
0.21
35
0.13
20
CFNet-ftpermissivetwo views0.51
22
0.76
53
1.79
24
0.28
6
0.30
52
0.63
36
0.28
22
0.66
5
0.55
9
0.45
6
0.57
28
0.74
53
0.41
24
1.46
52
0.42
14
0.14
35
0.10
29
0.28
106
0.13
32
0.18
22
0.14
26
CFNet_RVCtwo views0.51
22
0.76
53
1.79
24
0.28
6
0.30
52
0.63
36
0.28
22
0.66
5
0.55
9
0.45
6
0.57
28
0.74
53
0.41
24
1.46
52
0.42
14
0.14
35
0.10
29
0.28
106
0.13
32
0.18
22
0.14
26
STTStereotwo views0.51
22
0.69
42
2.14
56
0.36
47
0.30
52
0.61
29
0.32
46
0.77
15
0.60
17
0.60
44
0.54
18
0.67
35
0.43
32
0.86
24
0.42
14
0.16
48
0.15
64
0.17
53
0.20
85
0.16
18
0.15
31
delettwo views0.52
26
0.54
27
1.62
9
0.31
18
0.35
68
0.74
73
0.46
70
0.85
46
0.74
60
0.55
29
0.60
37
0.67
35
0.50
51
1.12
38
0.57
48
0.11
9
0.11
35
0.13
26
0.14
38
0.16
18
0.12
12
PSMNet-RSSMtwo views0.53
27
0.82
68
1.78
22
0.31
18
0.25
26
0.58
12
0.28
22
0.84
42
0.60
17
0.50
18
0.61
41
0.67
35
0.43
32
1.68
70
0.42
14
0.15
41
0.10
29
0.14
31
0.16
56
0.15
12
0.13
20
cf-rtwo views0.53
27
0.81
67
2.15
57
0.33
28
0.28
43
0.60
23
0.28
22
0.78
19
0.64
31
0.51
19
0.60
37
0.75
56
0.40
19
1.32
47
0.43
20
0.13
25
0.09
16
0.11
19
0.12
27
0.15
12
0.14
26
UNettwo views0.54
29
0.44
20
2.83
102
0.31
18
0.33
64
0.74
73
0.27
19
0.82
32
0.61
19
0.53
25
0.54
18
0.72
48
0.54
55
0.78
19
0.56
47
0.11
9
0.09
16
0.13
26
0.11
21
0.14
8
0.12
12
HGLStereotwo views0.54
29
0.69
42
2.00
44
0.35
42
0.40
87
0.66
52
0.30
37
0.83
38
0.62
25
0.57
32
0.69
66
0.69
42
0.54
55
1.07
33
0.55
41
0.13
25
0.13
51
0.13
26
0.11
21
0.19
29
0.17
43
DSFCAtwo views0.54
29
0.35
11
1.41
4
0.28
6
0.28
43
0.79
82
0.88
116
0.76
11
0.70
45
0.72
74
0.66
55
0.67
35
0.57
64
1.17
41
0.63
57
0.16
48
0.14
54
0.13
26
0.14
38
0.16
18
0.13
20
DLCB_ROBtwo views0.54
29
0.55
30
1.49
5
0.36
47
0.25
26
0.65
48
0.36
51
0.80
24
0.70
45
0.72
74
0.69
66
0.83
67
0.46
39
1.53
60
0.60
54
0.13
25
0.12
45
0.14
31
0.14
38
0.14
8
0.13
20
NLCA_NET_v2_RVCtwo views0.55
33
0.92
77
2.36
71
0.38
66
0.37
78
0.60
23
0.28
22
0.82
32
0.62
25
0.62
52
0.55
21
0.72
48
0.45
35
1.00
28
0.43
20
0.15
41
0.11
35
0.14
31
0.14
38
0.15
12
0.16
37
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CC-Net-ROBtwo views0.55
33
0.93
82
2.43
79
0.37
57
0.36
73
0.60
23
0.29
33
0.81
27
0.61
19
0.63
56
0.56
25
0.72
48
0.46
39
1.03
30
0.44
23
0.15
41
0.11
35
0.14
31
0.14
38
0.16
18
0.16
37
ac_64two views0.55
33
0.46
23
1.92
36
0.36
47
0.34
65
0.63
36
0.31
41
0.82
32
0.61
19
0.55
29
0.51
12
0.89
79
0.48
46
1.83
84
0.55
41
0.14
35
0.11
35
0.12
21
0.12
27
0.18
22
0.12
12
GANet-RSSMtwo views0.55
33
0.73
50
1.90
32
0.36
47
0.26
34
0.59
18
0.27
19
0.78
19
0.52
7
0.47
13
0.57
28
0.63
29
0.45
35
1.92
92
0.43
20
0.14
35
0.10
29
0.25
100
0.11
21
0.34
86
0.14
26
ccs_robtwo views0.57
37
0.99
98
1.97
42
0.32
23
0.20
12
0.63
36
0.22
5
0.82
32
0.72
53
0.53
25
0.61
41
0.61
22
0.38
13
1.98
93
0.44
23
0.12
20
0.09
16
0.14
31
0.14
38
0.28
68
0.16
37
GwcNet-RSSMtwo views0.57
37
0.94
83
2.13
54
0.32
23
0.25
26
0.60
23
0.30
37
0.80
24
0.66
34
0.52
22
0.64
52
0.71
47
0.40
19
1.79
80
0.50
33
0.13
25
0.09
16
0.12
21
0.12
27
0.21
35
0.15
31
DISCOtwo views0.57
37
0.34
8
1.87
30
0.45
93
0.34
65
0.84
91
0.35
50
0.84
42
0.78
71
0.59
41
0.63
48
1.06
104
0.53
53
1.10
36
0.82
78
0.12
20
0.09
16
0.11
19
0.10
18
0.22
39
0.18
48
psm_uptwo views0.57
37
0.61
35
1.83
28
0.35
42
0.30
52
0.64
44
0.37
54
0.90
66
0.68
37
0.59
41
0.55
21
0.68
40
0.54
55
1.91
91
0.46
27
0.16
48
0.15
64
0.16
46
0.15
50
0.23
44
0.13
20
NVstereo2Dtwo views0.58
41
0.40
14
2.03
46
0.35
42
0.35
68
0.69
60
0.39
58
0.91
67
0.80
75
0.47
13
0.53
16
0.67
35
0.46
39
1.99
94
0.48
29
0.19
71
0.11
35
0.17
53
0.13
32
0.25
57
0.25
72
CFNettwo views0.58
41
0.96
90
1.78
22
0.33
28
0.25
26
0.63
36
0.22
5
0.88
59
0.75
64
0.46
12
0.59
33
0.58
16
0.40
19
2.29
102
0.48
29
0.12
20
0.09
16
0.15
42
0.14
38
0.30
72
0.15
31
iResNetv2_ROBtwo views0.59
43
1.43
130
2.96
108
0.40
77
0.22
19
0.58
12
0.28
22
0.91
67
0.73
58
0.57
32
0.63
48
0.60
20
0.41
24
0.74
17
0.35
8
0.11
9
0.08
6
0.10
11
0.07
5
0.43
109
0.17
43
ETE_ROBtwo views0.60
44
0.71
47
1.55
8
0.37
57
0.25
26
0.69
60
0.51
81
1.47
131
0.70
45
0.80
83
0.69
66
0.85
71
0.49
48
1.36
50
0.58
51
0.16
48
0.13
51
0.19
69
0.16
56
0.21
35
0.23
66
LALA_ROBtwo views0.60
44
0.76
53
1.69
13
0.36
47
0.29
46
0.79
82
0.55
86
0.94
78
0.77
69
0.81
87
0.67
57
0.94
86
0.49
48
0.99
27
0.73
72
0.21
79
0.15
64
0.20
75
0.18
70
0.23
44
0.21
53
FADNet-RVCtwo views0.61
46
1.26
122
2.12
53
0.33
28
0.26
34
0.59
18
0.29
33
0.86
51
0.62
25
0.45
6
0.50
10
0.62
27
0.46
39
1.73
75
0.55
41
0.17
56
0.20
89
0.17
53
0.18
70
0.59
124
0.28
82
XPNet_ROBtwo views0.61
46
0.72
49
1.66
12
0.37
57
0.27
40
0.67
55
0.47
76
0.89
62
0.71
51
0.78
81
0.70
70
0.81
64
0.53
53
1.70
71
0.76
74
0.21
79
0.16
70
0.16
46
0.15
50
0.20
31
0.21
53
RASNettwo views0.61
46
0.68
40
2.03
46
0.35
42
0.46
107
0.65
48
0.28
22
0.78
19
0.70
45
0.48
16
0.64
52
0.93
84
0.61
72
2.21
99
0.73
72
0.12
20
0.09
16
0.09
4
0.10
18
0.14
8
0.11
7
HSMtwo views0.62
49
0.76
53
1.72
16
0.30
16
0.29
46
0.64
44
0.28
22
0.94
78
0.62
25
0.58
38
0.57
28
1.40
121
0.64
79
2.59
116
0.42
14
0.11
9
0.08
6
0.10
11
0.08
9
0.14
8
0.11
7
DMCA-RVCcopylefttwo views0.62
49
0.96
90
2.63
94
0.36
47
0.90
130
0.56
6
0.31
41
0.69
8
0.57
12
0.68
67
0.52
14
0.59
17
0.56
61
1.23
44
0.53
38
0.16
48
0.38
125
0.20
75
0.15
50
0.20
31
0.15
31
FADNettwo views0.64
51
1.22
120
2.06
48
0.32
23
0.30
52
0.66
52
0.29
33
0.88
59
0.72
53
0.44
4
0.48
5
0.66
33
0.57
64
1.84
87
0.45
26
0.46
127
0.20
89
0.17
53
0.19
78
0.59
124
0.24
68
StereoDRNettwo views0.64
51
0.88
75
2.35
70
0.41
80
0.45
103
0.73
71
0.47
76
0.94
78
0.74
60
0.75
78
0.54
18
0.74
53
0.47
43
1.70
71
0.72
69
0.15
41
0.14
54
0.15
42
0.14
38
0.20
31
0.19
51
NOSS_ROBtwo views0.64
51
0.65
38
1.62
9
0.46
96
0.25
26
0.67
55
0.30
37
0.93
75
0.77
69
0.59
41
0.57
28
0.77
58
0.38
13
2.78
123
0.44
23
0.23
94
0.24
105
0.28
106
0.26
105
0.27
65
0.39
112
DRN-Testtwo views0.64
51
0.43
19
2.44
81
0.39
70
0.44
97
0.80
85
0.41
62
1.02
108
0.78
71
0.80
83
0.63
48
0.69
42
0.56
61
1.79
80
0.69
65
0.15
41
0.12
45
0.17
53
0.16
56
0.18
22
0.17
43
NCCL2two views0.65
55
0.94
83
1.96
41
0.43
87
0.30
52
0.71
65
0.68
100
0.84
42
0.65
32
0.70
70
0.60
37
0.86
73
0.54
55
1.56
62
0.57
48
0.20
77
0.16
70
0.67
134
0.25
100
0.22
39
0.24
68
CVANet_RVCtwo views0.65
55
0.80
64
2.13
54
0.36
47
0.26
34
0.62
30
0.42
65
0.84
42
0.72
53
0.69
68
0.68
62
0.68
40
0.52
52
2.64
117
0.42
14
0.19
71
0.12
45
0.22
84
0.17
64
0.37
95
0.15
31
PSMNet_ROBtwo views0.66
57
1.01
103
2.33
68
0.38
66
0.31
59
0.72
68
0.55
86
0.86
51
0.69
42
0.54
27
0.60
37
0.75
56
0.47
43
2.00
95
0.82
78
0.17
56
0.13
51
0.19
69
0.19
78
0.24
52
0.27
79
TDLMtwo views0.67
58
0.92
77
1.76
19
0.37
57
0.24
23
0.66
52
0.56
88
0.82
32
0.74
60
1.16
109
0.62
45
0.61
22
0.48
46
2.70
120
0.50
33
0.20
77
0.11
35
0.35
118
0.14
38
0.32
82
0.16
37
HSM-Net_RVCpermissivetwo views0.67
58
0.34
8
2.23
64
0.26
3
0.19
11
0.67
55
0.29
33
1.26
125
0.69
42
0.72
74
0.70
70
0.78
61
0.42
28
3.77
132
0.41
13
0.13
25
0.09
16
0.10
11
0.09
13
0.12
5
0.11
7
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RPtwo views0.67
58
0.82
68
1.94
39
0.43
87
0.44
97
0.65
48
0.45
69
0.89
62
0.82
80
0.66
62
0.92
90
0.99
93
0.76
91
1.55
61
0.66
60
0.25
102
0.18
77
0.23
89
0.20
85
0.31
78
0.22
59
hitnet-ftcopylefttwo views0.67
58
0.80
64
1.90
32
0.28
6
0.22
19
0.69
60
0.36
51
0.85
46
0.65
32
0.56
31
0.84
80
1.03
98
0.95
104
2.32
103
0.55
41
0.23
94
0.14
54
0.41
125
0.13
32
0.24
52
0.17
43
FADNet-RVC-Resampletwo views0.67
58
1.16
118
3.16
117
0.37
57
0.29
46
0.62
30
0.38
55
0.86
51
0.63
29
0.51
19
0.50
10
0.57
11
0.45
35
1.57
63
0.49
31
0.24
99
0.32
120
0.23
89
0.19
78
0.27
65
0.62
124
Nwc_Nettwo views0.68
63
0.83
70
2.53
88
0.41
80
0.39
81
0.77
78
0.38
55
1.01
106
0.70
45
0.60
44
0.99
97
0.98
91
0.68
80
1.41
51
0.63
57
0.23
94
0.15
64
0.23
89
0.25
100
0.23
44
0.18
48
AANet_RVCtwo views0.68
63
1.00
100
2.09
49
0.33
28
0.25
26
0.58
12
0.32
46
0.81
27
0.80
75
0.61
48
0.94
92
0.80
63
0.41
24
2.46
113
1.02
89
0.36
122
0.14
54
0.10
11
0.09
13
0.23
44
0.22
59
stereogantwo views0.69
65
0.51
25
2.44
81
0.39
70
0.39
81
1.01
103
0.41
62
0.94
78
0.92
96
0.73
77
0.85
84
1.15
112
0.69
81
1.57
63
0.53
38
0.19
71
0.18
77
0.20
75
0.16
56
0.36
90
0.24
68
AF-Nettwo views0.69
65
0.92
77
2.21
60
0.41
80
0.40
87
0.68
58
0.40
60
1.02
108
0.86
87
0.69
68
1.03
101
1.04
100
0.84
94
1.19
42
0.78
76
0.22
91
0.14
54
0.25
100
0.17
64
0.30
72
0.18
48
GwcNetcopylefttwo views0.69
65
0.71
47
3.12
115
0.36
47
0.45
103
0.81
86
0.44
68
0.86
51
0.84
84
0.60
44
0.74
75
0.82
66
0.49
48
1.65
68
0.66
60
0.16
48
0.15
64
0.15
42
0.15
50
0.31
78
0.24
68
PWC_ROBbinarytwo views0.70
68
0.94
83
1.88
31
0.39
70
0.39
81
0.62
30
0.30
37
0.98
97
0.94
97
0.91
94
1.29
111
0.77
58
0.62
77
1.62
67
1.03
91
0.18
63
0.11
35
0.18
66
0.13
32
0.51
120
0.22
59
Anonymous Stereotwo views0.70
68
1.08
107
2.47
84
0.42
85
0.36
73
0.60
23
0.78
109
0.83
38
0.75
64
0.65
61
0.63
48
0.62
27
0.38
13
2.43
111
0.78
76
0.19
71
0.18
77
0.19
69
0.20
85
0.30
72
0.23
66
RYNettwo views0.70
68
0.56
31
2.25
65
0.35
42
0.41
92
0.86
93
0.43
66
0.94
78
0.82
80
0.62
52
0.53
16
0.91
81
0.60
69
2.70
120
1.00
86
0.14
35
0.11
35
0.16
46
0.14
38
0.25
57
0.27
79
FAT-Stereotwo views0.70
68
0.54
27
2.88
104
0.36
47
0.29
46
0.62
30
0.54
85
0.97
95
0.87
89
0.76
79
0.92
90
0.94
86
0.80
92
1.84
87
0.57
48
0.18
63
0.19
83
0.17
53
0.16
56
0.22
39
0.25
72
CBMVpermissivetwo views0.71
72
0.76
53
2.64
95
0.33
28
0.20
12
0.78
79
0.79
110
0.98
97
0.78
71
0.85
91
0.71
72
0.86
73
1.10
112
1.46
52
0.62
56
0.18
63
0.20
89
0.21
82
0.19
78
0.25
57
0.33
101
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RGCtwo views0.71
72
0.97
94
2.18
59
0.44
90
0.44
97
0.73
71
0.40
60
0.94
78
0.71
51
0.71
72
1.04
102
1.01
95
0.71
83
1.74
77
0.70
66
0.23
94
0.18
77
0.28
106
0.26
105
0.29
70
0.27
79
PASMtwo views0.72
74
0.68
40
1.91
34
0.47
98
0.44
97
0.60
23
0.51
81
0.76
11
0.80
75
0.77
80
0.67
57
0.87
75
0.61
72
2.40
109
0.67
63
0.32
118
0.35
121
0.36
120
0.41
125
0.45
113
0.39
112
SHDtwo views0.72
74
0.77
59
2.36
71
0.45
93
0.40
87
0.71
65
0.32
46
1.02
108
1.25
117
1.07
102
0.84
80
0.90
80
0.73
86
1.09
35
0.98
84
0.21
79
0.18
77
0.20
75
0.21
89
0.32
82
0.31
91
PWCDC_ROBbinarytwo views0.72
74
1.06
105
2.09
49
0.47
98
0.36
73
0.78
79
0.26
14
0.98
97
1.34
121
0.61
48
2.07
122
0.64
31
0.61
72
0.83
21
0.71
67
0.31
117
0.14
54
0.15
42
0.12
27
0.60
127
0.21
53
RTSCtwo views0.72
74
1.00
100
2.22
62
0.40
77
0.29
46
0.82
89
0.31
41
0.96
90
1.10
112
0.92
95
0.81
77
0.78
61
0.58
66
1.23
44
1.55
103
0.18
63
0.17
76
0.14
31
0.17
64
0.43
109
0.30
87
XQCtwo views0.73
78
0.98
96
2.39
74
0.46
96
0.35
68
0.81
86
0.46
70
1.00
104
1.00
103
0.80
83
0.69
66
0.88
77
0.74
90
1.32
47
1.20
96
0.24
99
0.16
70
0.23
89
0.20
85
0.41
107
0.33
101
GANetREF_RVCpermissivetwo views0.75
79
1.15
115
2.46
83
0.47
98
0.26
34
0.83
90
0.61
94
0.97
95
0.89
91
0.62
52
0.61
41
0.72
48
0.59
67
2.42
110
0.55
41
0.32
118
0.25
111
0.36
120
0.24
94
0.39
103
0.31
91
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
GANettwo views0.75
79
0.84
72
2.01
45
0.40
77
0.25
26
0.74
73
0.66
98
0.87
56
0.73
58
0.71
72
1.07
104
0.84
69
0.59
67
2.71
122
1.15
94
0.17
56
0.16
70
0.44
128
0.16
56
0.31
78
0.20
52
PDISCO_ROBtwo views0.75
79
1.06
105
2.11
52
0.64
123
0.59
122
1.13
111
0.43
66
1.14
119
1.05
107
0.64
58
0.71
72
0.96
89
0.61
72
1.21
43
0.76
74
0.37
123
0.18
77
0.27
104
0.24
94
0.56
123
0.32
95
CBMV_ROBtwo views0.76
82
0.42
16
2.68
97
0.33
28
0.22
19
0.74
73
0.47
76
0.96
90
0.76
67
1.04
101
0.96
95
0.88
77
0.93
100
2.06
96
1.19
95
0.22
91
0.24
105
0.27
104
0.25
100
0.25
57
0.28
82
aanetorigintwo views0.77
83
0.80
64
2.59
92
0.43
87
0.44
97
0.58
12
1.01
121
0.57
3
0.68
37
1.53
123
1.23
108
0.81
64
1.08
110
1.07
33
1.07
92
0.18
63
0.15
64
0.17
53
0.21
89
0.54
122
0.30
87
NCC-stereotwo views0.79
84
0.94
83
2.42
75
0.59
120
0.45
103
1.90
127
0.46
70
0.99
102
0.72
53
0.64
58
0.84
80
0.91
81
0.73
86
1.80
82
1.00
86
0.27
111
0.19
83
0.23
89
0.31
117
0.24
52
0.22
59
Abc-Nettwo views0.79
84
0.94
83
2.42
75
0.59
120
0.45
103
1.90
127
0.46
70
0.99
102
0.72
53
0.64
58
0.84
80
0.91
81
0.73
86
1.80
82
1.00
86
0.27
111
0.19
83
0.23
89
0.31
117
0.24
52
0.22
59
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCReftwo views0.80
86
0.96
90
2.29
66
0.37
57
0.35
68
0.96
98
0.51
81
0.87
56
0.75
64
0.88
92
0.83
79
0.61
22
1.36
121
1.02
29
3.27
128
0.13
25
0.11
35
0.17
53
0.19
78
0.25
57
0.21
53
DANettwo views0.80
86
0.65
38
2.21
60
1.19
136
0.48
109
0.74
73
1.25
126
0.89
62
1.53
126
0.89
93
0.71
72
0.96
89
0.56
61
1.83
84
0.96
83
0.18
63
0.16
70
0.19
69
0.16
56
0.26
63
0.29
84
S-Stereotwo views0.80
86
0.69
42
3.89
128
0.39
70
0.37
78
0.69
60
0.70
103
0.94
78
0.98
102
0.62
52
0.91
89
0.83
67
0.60
69
2.37
105
0.66
60
0.18
63
0.21
94
0.17
53
0.18
70
0.30
72
0.35
104
FADNet_RVCtwo views0.81
89
1.14
112
2.42
75
0.30
16
0.24
23
0.71
65
0.24
11
0.95
87
0.61
19
0.44
4
0.56
25
0.59
17
0.42
28
1.52
59
0.68
64
0.94
136
0.96
138
0.28
106
1.00
138
0.90
134
1.36
136
edge stereotwo views0.81
89
0.73
50
3.30
121
0.37
57
1.21
135
0.62
30
0.39
58
0.93
75
0.79
74
0.80
83
0.88
87
1.14
111
0.71
83
2.18
98
0.71
67
0.21
79
0.20
89
0.26
103
0.18
70
0.38
99
0.26
77
FBW_ROBtwo views0.83
91
0.77
59
1.77
21
0.44
90
0.30
52
0.87
95
0.46
70
1.10
116
0.91
93
0.81
87
0.75
76
1.01
95
0.61
72
3.66
131
1.23
97
0.26
106
0.23
102
0.36
120
0.25
100
0.27
65
0.62
124
PA-Nettwo views0.84
92
1.00
100
3.49
123
0.63
122
0.40
87
0.70
64
0.52
84
0.86
51
0.84
84
0.52
22
0.59
33
0.70
46
0.54
55
2.35
104
2.23
119
0.17
56
0.27
115
0.19
69
0.28
112
0.22
39
0.36
107
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DeepPrunerFtwo views0.86
93
0.86
74
2.91
107
0.45
93
0.50
110
0.64
44
0.48
79
1.14
119
2.64
136
0.63
56
0.61
41
0.65
32
0.62
77
2.21
99
1.31
99
0.23
94
0.19
83
0.30
113
0.28
112
0.36
90
0.25
72
DPSNettwo views0.86
93
0.60
33
2.34
69
0.58
117
0.36
73
1.07
107
0.75
107
1.30
126
1.05
107
0.70
70
0.68
62
0.94
86
1.29
117
2.08
97
1.82
110
0.26
106
0.23
102
0.16
46
0.17
64
0.48
114
0.40
115
PVDtwo views0.90
95
0.85
73
2.15
57
0.53
108
0.50
110
0.99
100
0.56
88
1.15
121
1.64
129
1.41
121
1.41
116
1.11
109
1.13
114
1.35
49
1.31
99
0.26
106
0.28
116
0.28
106
0.26
105
0.37
95
0.49
121
SAMSARAtwo views0.91
96
0.97
94
2.22
62
0.80
129
0.58
121
1.32
115
1.31
127
1.01
106
0.94
97
1.36
117
0.87
85
1.38
120
0.90
98
1.72
74
1.02
89
0.24
99
0.30
117
0.22
84
0.25
100
0.36
90
0.35
104
MFMNet_retwo views0.92
97
1.28
123
2.53
88
0.82
131
0.76
128
0.90
96
0.75
107
0.98
97
1.04
106
1.03
99
1.05
103
0.84
69
0.94
102
0.83
21
0.72
69
0.68
133
0.60
130
0.63
132
0.60
130
0.77
132
0.74
128
ADCP+two views0.94
98
1.12
109
3.14
116
0.34
39
0.39
81
1.06
105
0.79
110
0.89
62
0.80
75
0.66
62
0.67
57
0.85
71
1.55
127
0.93
25
4.55
136
0.13
25
0.11
35
0.16
46
0.15
50
0.26
63
0.25
72
ADCMidtwo views0.96
99
1.32
126
2.74
98
0.38
66
0.35
68
0.99
100
0.58
91
0.94
78
0.86
87
1.23
114
1.01
98
1.01
95
1.00
106
1.05
32
3.97
132
0.21
79
0.19
83
0.42
126
0.32
120
0.40
106
0.29
84
STTStereo_v2two views0.99
100
0.64
36
2.76
99
0.57
115
0.67
124
2.03
131
0.72
105
0.76
11
0.67
35
1.14
107
2.56
128
1.30
118
1.02
107
1.48
55
1.74
107
0.25
102
0.24
105
0.24
95
0.26
105
0.37
95
0.31
91
ADCPNettwo views0.99
100
0.99
98
3.93
129
0.37
57
0.68
126
1.36
116
0.62
95
0.87
56
0.76
67
0.78
81
0.81
77
1.08
105
1.18
115
1.14
39
2.49
123
0.21
79
0.69
133
0.21
82
0.95
136
0.29
70
0.37
109
G-Nettwo views0.99
100
0.64
36
2.76
99
0.57
115
0.67
124
2.03
131
0.72
105
0.76
11
0.67
35
1.14
107
2.56
128
1.30
118
1.02
107
1.48
55
1.74
107
0.25
102
0.24
105
0.24
95
0.26
105
0.37
95
0.31
91
ADCLtwo views0.99
100
0.79
62
2.43
79
0.39
70
0.32
60
1.50
119
1.90
133
0.92
72
0.97
101
1.26
116
1.27
110
1.00
94
1.42
124
1.14
39
3.31
129
0.17
56
0.14
54
0.22
84
0.21
89
0.30
72
0.22
59
AnyNet_C32two views1.00
104
1.33
127
2.53
88
0.49
103
0.54
117
1.15
113
1.14
124
0.91
67
0.89
91
1.11
104
0.95
94
0.87
75
0.93
100
1.50
57
4.07
133
0.21
79
0.20
89
0.25
100
0.24
94
0.38
99
0.33
101
MFN_U_SF_DS_RVCtwo views1.01
105
1.67
133
2.32
67
0.47
98
0.39
81
1.47
117
0.95
118
0.95
87
0.91
93
0.84
89
0.94
92
1.05
102
0.60
69
2.95
127
0.72
69
0.41
124
0.72
136
0.32
116
0.55
127
0.74
129
1.22
135
SGM-Foresttwo views1.04
106
0.42
16
3.59
125
0.41
80
0.32
60
1.05
104
1.32
128
0.94
78
0.83
83
1.16
109
2.23
125
1.03
98
1.39
122
2.49
114
2.35
120
0.21
79
0.21
94
0.20
75
0.19
78
0.23
44
0.32
95
Johannes L. Schönberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ADCStwo views1.05
107
1.36
129
2.98
112
0.42
85
0.36
73
0.96
98
0.81
114
1.06
115
1.12
113
1.25
115
0.97
96
1.08
105
0.90
98
1.25
46
4.86
138
0.21
79
0.21
94
0.22
84
0.23
93
0.36
90
0.38
110
SPS-STEREOcopylefttwo views1.07
108
1.13
111
2.88
104
0.65
125
0.69
127
0.99
100
0.68
100
1.05
114
0.87
89
1.36
117
1.23
108
1.46
123
0.94
102
1.87
89
1.72
106
0.66
132
0.61
131
0.58
131
0.57
128
0.65
128
0.77
131
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WCMA_ROBtwo views1.12
109
0.83
70
2.66
96
0.58
117
0.34
65
1.17
114
0.71
104
0.93
75
0.94
97
1.74
125
2.63
131
3.09
133
1.71
128
1.70
71
1.84
111
0.26
106
0.21
94
0.20
75
0.21
89
0.28
68
0.43
117
AnyNet_C01two views1.14
110
1.49
132
4.23
131
0.54
111
0.53
116
1.51
120
1.37
129
1.04
113
1.07
109
1.17
112
1.33
114
1.15
112
1.08
110
1.61
66
2.74
125
0.25
102
0.22
98
0.28
106
0.24
94
0.48
114
0.40
115
NaN_ROBtwo views1.14
110
0.94
83
2.96
108
0.53
108
0.56
120
1.13
111
0.99
119
0.98
97
1.00
103
1.09
103
0.87
85
0.77
58
1.06
109
5.90
138
2.72
124
0.16
48
0.23
102
0.16
46
0.24
94
0.22
39
0.36
107
SuperBtwo views1.15
112
1.14
112
5.43
134
0.36
47
0.26
34
0.81
86
0.89
117
0.88
59
1.17
114
0.67
65
0.68
62
0.63
29
1.39
122
1.74
77
3.37
131
0.15
41
0.12
45
0.17
53
0.16
56
2.80
140
0.25
72
NVStereoNet_ROBtwo views1.16
113
0.95
89
2.54
91
0.58
117
0.55
119
0.78
79
0.63
97
1.00
104
1.08
110
1.03
99
4.07
138
1.48
124
1.22
116
2.88
126
1.27
98
0.50
128
0.46
126
0.54
130
0.62
131
0.50
118
0.63
126
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MDST_ROBtwo views1.17
114
0.42
16
3.87
127
0.54
111
0.44
97
4.11
138
0.58
91
1.31
127
0.84
84
2.12
127
1.12
106
0.98
91
0.71
83
4.24
136
0.99
85
0.16
48
0.14
54
0.19
69
0.17
64
0.18
22
0.35
104
SANettwo views1.20
115
1.21
119
3.33
122
0.38
66
0.27
40
1.73
126
0.85
115
1.10
116
2.49
135
1.16
109
1.83
120
1.72
125
1.50
126
2.37
105
2.84
126
0.18
63
0.16
70
0.16
46
0.15
50
0.32
82
0.32
95
MeshStereopermissivetwo views1.21
116
1.15
115
3.01
113
0.34
39
0.28
43
1.10
108
0.69
102
1.35
128
1.01
105
2.71
133
2.41
127
2.96
132
1.45
125
2.80
124
1.40
102
0.22
91
0.22
98
0.22
84
0.19
78
0.50
118
0.26
77
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
RTSAtwo views1.21
116
1.31
124
6.39
136
0.52
106
0.51
114
1.61
122
0.79
110
1.03
111
1.37
122
1.13
105
1.30
112
1.10
107
0.85
95
2.65
118
2.08
114
0.21
79
0.24
105
0.18
66
0.18
70
0.43
109
0.32
95
RTStwo views1.21
116
1.31
124
6.39
136
0.52
106
0.51
114
1.61
122
0.79
110
1.03
111
1.37
122
1.13
105
1.30
112
1.10
107
0.85
95
2.65
118
2.08
114
0.21
79
0.24
105
0.18
66
0.18
70
0.43
109
0.32
95
CSANtwo views1.25
119
1.12
109
3.04
114
0.51
104
0.37
78
1.06
105
1.15
125
1.22
122
1.08
110
1.17
112
1.91
121
1.04
100
1.31
119
5.96
139
2.43
122
0.26
106
0.22
98
0.24
95
0.24
94
0.31
78
0.30
87
EDNetEfficienttwo views1.27
120
0.70
45
4.05
130
0.64
123
0.98
132
0.94
97
1.40
131
0.85
46
1.75
132
2.34
132
1.33
114
1.05
102
2.21
133
1.58
65
4.15
134
0.15
41
0.19
83
0.14
31
0.27
110
0.38
99
0.32
95
FCDSN-DCtwo views1.29
121
0.54
27
2.50
85
0.47
98
0.41
92
1.12
109
0.60
93
1.10
116
1.27
119
2.23
130
2.87
132
3.67
134
3.12
138
2.39
108
1.69
104
0.30
116
0.26
112
0.31
114
0.30
115
0.35
89
0.38
110
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
pmcnntwo views1.32
122
1.05
104
2.77
101
0.74
128
1.43
136
0.72
68
0.56
88
0.96
90
0.91
93
0.99
97
2.92
134
6.01
139
0.70
82
2.38
107
3.32
130
0.13
25
0.10
29
0.08
1
0.06
3
0.34
86
0.22
59
MSMD_ROBtwo views1.34
123
0.96
90
2.38
73
0.39
70
0.32
60
1.96
129
0.62
95
0.91
67
1.43
124
2.94
136
2.60
130
4.77
136
1.95
130
2.43
111
1.33
101
0.29
114
0.26
112
0.32
116
0.32
120
0.30
72
0.30
87
MSC_U_SF_DS_RVCtwo views1.34
123
1.70
134
2.50
85
0.56
114
0.40
87
2.15
133
0.99
119
1.24
124
1.26
118
1.02
98
1.10
105
1.29
116
0.88
97
3.10
128
1.08
93
1.66
138
0.83
137
0.68
135
0.88
135
1.57
137
1.80
138
MADNet+two views1.36
125
1.93
137
5.95
135
0.81
130
0.59
122
1.57
121
1.09
122
1.39
130
1.22
115
0.84
89
1.01
98
1.25
115
1.12
113
3.19
129
2.36
121
0.45
126
0.47
127
0.38
124
0.34
122
0.59
124
0.57
122
psmorigintwo views1.36
125
0.60
33
13.80
143
0.37
57
0.29
46
0.62
30
0.33
49
0.77
15
0.61
19
0.96
96
0.88
87
1.17
114
0.73
86
4.00
133
0.86
80
0.19
71
0.22
98
0.17
53
0.18
70
0.24
52
0.29
84
ELAS_RVCcopylefttwo views1.37
127
0.78
61
3.21
119
0.55
113
0.50
110
1.49
118
2.48
137
1.48
132
1.71
131
2.13
129
2.09
123
2.07
128
2.56
134
1.90
90
2.02
113
0.35
120
0.36
122
0.37
123
0.34
122
0.49
116
0.47
119
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAScopylefttwo views1.39
128
0.79
62
2.86
103
0.53
108
0.50
110
2.81
136
2.20
134
1.61
135
1.50
125
2.28
131
2.35
126
1.82
126
2.13
132
1.73
75
2.22
118
0.35
120
0.37
124
0.35
118
0.35
124
0.49
116
0.47
119
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCKtwo views1.49
129
1.90
136
3.22
120
1.09
135
0.54
117
1.71
125
1.73
132
1.49
133
1.53
126
1.44
122
1.80
119
1.82
126
1.30
118
3.34
130
1.76
109
1.07
137
0.56
129
0.97
136
0.58
129
1.38
136
0.65
127
FC-DCNNcopylefttwo views1.49
129
0.59
32
2.88
104
0.44
90
0.39
81
1.97
130
0.66
98
1.67
136
1.70
130
2.72
134
2.89
133
4.22
135
2.97
137
2.55
115
2.19
117
0.29
114
0.26
112
0.31
114
0.30
115
0.32
82
0.39
112
MFN_U_SF_RVCtwo views1.55
131
2.39
140
3.16
117
0.65
125
0.41
92
1.12
109
0.46
70
1.23
123
1.33
120
1.61
124
1.20
107
1.43
122
0.98
105
1.76
79
1.97
112
1.90
140
1.80
139
1.98
139
2.15
139
1.63
138
1.77
137
DispFullNettwo views1.67
132
2.10
138
5.22
132
1.53
137
8.90
140
0.86
93
0.31
41
0.96
90
0.96
100
1.37
120
1.01
98
1.13
110
1.98
131
1.51
58
0.91
82
0.54
130
0.31
118
1.18
137
0.63
133
1.13
135
0.80
132
SGM+DAISYtwo views1.83
133
1.43
130
3.81
126
0.87
132
1.01
133
2.38
134
2.53
138
1.36
129
1.75
132
2.92
135
3.22
136
2.65
130
2.93
136
2.22
101
3.10
127
0.72
134
0.69
133
0.63
132
0.62
131
0.77
132
0.98
133
SGM_RVCbinarytwo views1.89
134
0.92
77
2.50
85
0.96
133
0.93
131
1.63
124
1.37
129
1.52
134
12.43
140
1.85
126
1.69
118
2.40
129
1.74
129
2.81
125
1.71
105
0.53
129
0.47
127
0.42
126
0.47
126
0.74
129
0.74
128
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MADNet++two views2.79
135
2.11
139
2.97
111
2.49
138
2.28
137
2.95
137
2.31
135
2.67
137
2.47
134
3.03
137
3.13
135
2.70
131
2.92
135
4.10
134
4.48
135
2.68
141
2.24
141
3.04
141
2.44
140
2.37
139
2.34
139
MANEtwo views2.90
136
1.14
112
2.96
108
1.03
134
1.01
133
5.01
139
2.45
136
5.36
140
6.88
138
3.58
138
4.76
140
5.99
138
4.99
139
4.23
135
4.61
137
0.56
131
0.67
132
0.44
128
0.78
134
0.51
120
1.03
134
SGM-ForestMtwo views2.98
137
1.70
134
3.52
124
0.67
127
0.47
108
5.18
140
3.36
139
3.30
139
2.86
137
4.44
139
3.79
137
9.80
142
5.50
140
6.29
140
6.52
139
0.27
111
0.36
122
0.24
95
0.27
110
0.38
99
0.58
123
LSMtwo views3.31
138
1.11
108
5.29
133
9.40
143
30.65
148
0.84
91
1.12
123
0.91
67
1.22
115
1.36
117
2.19
124
0.93
84
0.83
93
1.66
69
0.90
81
0.21
79
0.31
118
0.24
95
0.28
112
0.39
103
6.33
141
LE_ROBtwo views4.43
139
1.35
128
9.38
138
2.79
139
3.93
139
2.43
135
3.46
140
2.68
138
11.19
139
11.66
144
4.73
139
5.26
137
10.46
141
4.50
137
9.49
140
0.82
135
0.69
133
1.34
138
0.98
137
0.75
131
0.76
130
EDNetEfficientorigintwo views8.18
140
0.98
96
145.96
149
0.51
104
0.89
129
0.72
68
0.48
79
0.85
46
1.56
128
2.12
127
1.49
117
1.29
116
1.31
119
1.83
84
2.13
116
0.13
25
0.12
45
0.17
53
0.18
70
0.39
103
0.45
118
DGTPSM_ROBtwo views8.89
141
5.62
141
12.25
139
5.92
141
11.32
141
8.54
141
24.18
145
6.40
141
13.49
141
5.15
140
11.46
143
6.19
140
10.92
142
7.00
141
13.72
141
4.47
142
7.65
142
3.92
142
7.45
144
4.38
142
7.87
142
DPSMNet_ROBtwo views9.48
142
5.64
142
13.01
142
8.82
142
11.82
142
8.54
141
24.20
146
6.41
142
13.65
142
5.32
141
11.47
144
6.33
141
10.92
142
7.69
142
13.89
142
7.25
145
8.19
143
5.06
143
7.78
145
5.31
143
8.26
143
BEATNet-Init1two views12.10
143
11.19
143
27.29
147
2.99
140
3.51
138
21.84
148
11.10
141
14.34
144
13.83
143
20.34
145
20.33
146
26.35
149
20.03
146
19.06
146
14.80
144
1.74
139
1.81
140
2.05
140
2.49
141
3.69
141
3.12
140
DPSMtwo views12.34
144
11.21
144
12.51
140
12.91
144
12.80
143
19.84
145
28.28
147
14.38
145
14.28
144
10.58
142
11.26
141
12.03
143
11.85
144
13.15
144
15.34
145
7.11
143
8.31
144
6.50
144
7.35
142
8.84
144
8.31
144
DPSM_ROBtwo views12.34
144
11.21
144
12.51
140
12.91
144
12.80
143
19.84
145
28.28
147
14.38
145
14.28
144
10.58
142
11.26
141
12.03
143
11.85
144
13.15
144
15.34
145
7.11
143
8.31
144
6.50
144
7.35
142
8.84
144
8.31
144
DPSimNet_ROBtwo views17.97
146
20.20
147
24.98
144
17.62
146
15.92
145
21.53
147
21.00
144
13.70
143
15.61
146
23.89
147
14.69
145
22.87
145
24.58
149
12.70
143
14.56
143
18.48
147
12.91
146
20.21
147
12.05
146
17.76
146
14.17
146
MEDIAN_ROBtwo views23.96
147
27.05
149
26.39
146
22.16
147
22.13
146
16.12
143
13.97
142
20.24
147
20.05
147
25.50
148
25.31
148
22.96
146
22.63
147
24.39
147
23.24
147
28.20
148
27.23
148
28.62
148
27.75
148
27.50
148
27.76
148
LSM0two views26.58
148
22.63
148
25.88
145
30.13
149
52.21
149
39.94
149
56.74
149
28.97
149
28.72
149
21.14
146
22.26
147
24.43
147
23.88
148
26.54
148
30.87
149
14.32
146
16.55
147
13.12
146
14.71
147
17.92
147
20.60
147
AVERAGE_ROBtwo views26.93
149
30.34
150
29.27
148
25.82
148
25.34
147
19.48
144
15.17
143
23.55
148
23.00
148
28.45
149
27.87
149
26.25
148
25.86
150
26.96
149
25.55
148
31.30
149
30.07
149
31.76
149
30.81
149
30.79
149
30.93
149
MSMDNettwo views0.43
32
ASD4two views19.65
146