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
MEDIAN_ROBtwo views0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
PMTNettwo views0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
CREStereotwo views0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
AVERAGE_ROBtwo views0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
0.00
1
PWCKtwo views0.01
5
0.02
8
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
NVstereo2Dtwo views0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
HITNettwo views0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
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
PWC_ROBbinarytwo views0.01
5
0.02
8
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
PWCDC_ROBbinarytwo views0.01
5
0.01
5
0.02
9
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
0.01
5
RYNettwo views0.02
10
0.02
8
0.02
9
0.03
15
0.03
16
0.03
18
0.02
10
0.02
10
0.02
10
0.03
17
0.02
10
0.02
10
0.03
19
0.03
15
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
MFN_U_SF_DS_RVCtwo views0.02
10
0.02
8
0.02
9
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
MSC_U_SF_DS_RVCtwo views0.02
10
0.02
8
0.02
9
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
MFN_U_SF_RVCtwo views0.02
10
0.02
8
0.02
9
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
LSM0two views0.02
10
0.02
8
0.02
9
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
LSMtwo views0.02
10
0.02
8
0.02
9
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
NVStereoNet_ROBtwo views0.04
16
0.04
23
0.04
21
0.04
16
0.04
22
0.04
23
0.04
25
0.04
23
0.04
24
0.04
22
0.04
25
0.04
21
0.04
25
0.04
16
0.04
20
0.04
22
0.04
25
0.04
23
0.04
25
0.04
24
0.04
25
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
EDNetEfficienttwo views0.04
16
0.05
29
0.04
21
0.04
16
0.03
16
0.04
23
0.03
19
0.04
23
0.03
19
0.04
22
0.03
19
0.04
21
0.03
19
0.04
16
0.03
16
0.05
28
0.03
20
0.05
30
0.03
19
0.04
24
0.03
18
EDNetEfficientorigintwo views0.04
16
0.06
31
0.04
21
0.05
21
0.04
22
0.05
31
0.04
25
0.05
31
0.04
24
0.05
31
0.04
25
0.05
31
0.04
25
0.05
23
0.04
20
0.05
28
0.03
20
0.06
31
0.03
19
0.04
24
0.03
18
ADCMidtwo views0.08
19
0.02
8
0.02
9
1.01
89
0.03
16
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.04
16
0.09
30
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
ADCStwo views0.09
20
0.02
8
0.04
21
0.90
79
0.06
32
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.14
47
0.36
78
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
SHDtwo views0.10
21
0.10
35
0.10
36
0.10
24
0.10
40
0.10
35
0.10
38
0.10
36
0.10
37
0.10
36
0.10
38
0.10
36
0.10
39
0.10
34
0.10
35
0.10
36
0.10
39
0.10
36
0.10
41
0.10
36
0.10
38
SAMSARAtwo views0.10
21
0.10
35
0.10
36
0.10
24
0.10
40
0.10
35
0.10
38
0.10
36
0.10
37
0.10
36
0.10
38
0.10
36
0.10
39
0.10
34
0.10
35
0.10
36
0.10
39
0.10
36
0.10
41
0.10
36
0.10
38
MADNet+two views0.10
21
0.10
35
0.10
36
0.10
24
0.10
40
0.10
35
0.10
38
0.10
36
0.10
37
0.10
36
0.10
38
0.10
36
0.10
39
0.10
34
0.10
35
0.10
36
0.10
39
0.10
36
0.10
41
0.10
36
0.10
38
RTSAtwo views0.10
21
0.10
35
0.10
36
0.10
24
0.10
40
0.10
35
0.10
38
0.10
36
0.10
37
0.10
36
0.10
38
0.10
36
0.10
39
0.10
34
0.10
35
0.10
36
0.10
39
0.10
36
0.10
41
0.10
36
0.10
38
MADNet++two views0.10
21
0.10
35
0.10
36
0.10
24
0.10
40
0.10
35
0.10
38
0.10
36
0.10
37
0.10
36
0.10
38
0.10
36
0.10
39
0.10
34
0.10
35
0.10
36
0.10
39
0.10
36
0.10
41
0.10
36
0.10
38
PVDtwo views0.10
21
0.10
35
0.10
36
0.10
24
0.10
40
0.10
35
0.10
38
0.10
36
0.10
37
0.10
36
0.10
38
0.10
36
0.10
39
0.10
34
0.10
35
0.10
36
0.10
39
0.10
36
0.10
41
0.10
36
0.10
38
ADCPNettwo views0.10
21
0.03
19
0.04
21
1.27
103
0.03
16
0.04
23
0.03
19
0.03
19
0.03
19
0.04
22
0.03
19
0.04
21
0.03
19
0.08
30
0.04
20
0.04
22
0.03
20
0.03
19
0.03
19
0.03
20
0.03
18
RTStwo views0.10
21
0.10
35
0.10
36
0.10
24
0.10
40
0.10
35
0.10
38
0.10
36
0.10
37
0.10
36
0.10
38
0.10
36
0.10
39
0.10
34
0.10
35
0.10
36
0.10
39
0.10
36
0.10
41
0.10
36
0.10
38
XQCtwo views0.10
21
0.10
35
0.10
36
0.10
24
0.10
40
0.10
35
0.10
38
0.10
36
0.10
37
0.10
36
0.10
38
0.10
36
0.10
39
0.10
34
0.10
35
0.10
36
0.10
39
0.10
36
0.10
41
0.10
36
0.10
38
RTSCtwo views0.10
21
0.10
35
0.10
36
0.10
24
0.10
40
0.10
35
0.10
38
0.10
36
0.10
37
0.10
36
0.10
38
0.10
36
0.10
39
0.10
34
0.10
35
0.10
36
0.10
39
0.10
36
0.10
41
0.10
36
0.10
38
BEATNet_4xtwo views0.11
31
0.03
19
0.03
18
1.60
108
0.03
16
0.03
18
0.03
19
0.03
19
0.03
19
0.03
17
0.03
19
0.03
19
0.03
19
0.05
23
0.03
16
0.03
20
0.03
20
0.03
19
0.03
19
0.03
20
0.03
18
ADCLtwo views0.11
31
0.03
19
0.03
18
1.60
108
0.03
16
0.03
18
0.03
19
0.03
19
0.03
19
0.03
17
0.03
19
0.03
19
0.03
19
0.05
23
0.03
16
0.03
20
0.03
20
0.03
19
0.03
19
0.03
20
0.03
18
AnyNet_C01two views0.11
31
0.02
8
0.02
9
1.62
110
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.03
17
0.02
10
0.02
10
0.02
10
0.06
26
0.04
20
0.02
10
0.02
10
0.02
10
0.02
10
0.02
10
0.03
18
FADNettwo views0.12
34
0.05
29
0.04
21
0.04
16
0.04
22
0.04
23
0.04
25
0.04
23
0.04
24
0.04
22
0.04
25
0.04
21
0.05
29
0.04
16
1.66
121
0.06
31
0.04
25
0.04
23
0.04
25
0.04
24
0.04
25
FADNet_RVCtwo views0.12
34
0.04
23
0.04
21
0.05
21
0.04
22
0.04
23
0.04
25
0.04
23
0.04
24
0.04
22
0.04
25
0.04
21
0.05
29
0.04
16
1.65
120
0.05
28
0.04
25
0.04
23
0.04
25
0.04
24
0.04
25
FADNet-RVC-Resampletwo views0.12
34
0.04
23
0.04
21
0.04
16
0.04
22
0.04
23
0.04
25
0.04
23
0.04
24
0.04
22
0.04
25
0.04
21
0.04
25
0.04
16
1.57
118
0.04
22
0.04
25
0.04
23
0.05
31
0.04
24
0.06
32
ADCReftwo views0.12
34
0.03
19
0.04
21
1.71
111
0.04
22
0.03
18
0.03
19
0.04
23
0.04
24
0.04
22
0.03
19
0.04
21
0.03
19
0.06
26
0.04
20
0.04
22
0.04
25
0.04
23
0.04
25
0.03
20
0.04
25
GwcNetcopylefttwo views0.12
34
0.07
32
0.05
32
0.08
23
0.05
31
0.08
32
1.20
112
0.07
32
0.05
32
0.05
31
0.05
30
0.08
32
0.05
29
0.08
30
0.03
16
0.07
32
0.05
32
0.06
31
0.05
31
0.07
31
0.05
31
FADNet-RVCtwo views0.13
39
0.04
23
0.04
21
0.04
16
0.04
22
0.04
23
0.05
31
0.04
23
0.04
24
0.04
22
0.05
30
0.04
21
0.05
29
0.04
16
1.71
122
0.04
22
0.04
25
0.04
23
0.04
25
0.07
31
0.04
25
aanetorigintwo views0.13
39
0.11
45
0.11
47
0.11
33
0.11
51
0.11
45
0.11
47
0.11
45
0.11
49
0.11
46
0.12
49
0.11
45
0.11
48
0.11
43
0.11
44
0.11
45
0.11
50
0.14
48
0.11
51
0.49
74
0.11
49
ELAScopylefttwo views0.13
39
0.16
49
0.11
47
0.15
38
0.09
35
0.18
51
0.11
47
0.18
52
0.11
49
0.17
50
0.11
48
0.18
52
0.11
48
0.18
50
0.11
44
0.14
49
0.08
33
0.14
48
0.08
36
0.14
49
0.09
36
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
AnyNet_C32two views0.14
42
0.04
23
0.03
18
2.22
116
0.04
22
0.03
18
0.03
19
0.03
19
0.03
19
0.03
17
0.03
19
0.04
21
0.02
10
0.07
28
0.04
20
0.02
10
0.02
10
0.03
19
0.03
19
0.02
10
0.03
18
DRN-Testtwo views0.14
42
0.13
46
0.09
35
0.14
35
0.09
35
0.15
47
0.09
34
0.14
47
0.10
37
0.14
47
0.09
35
0.14
47
0.09
36
0.13
46
0.09
30
0.12
47
0.09
38
0.12
46
0.09
37
0.12
47
0.73
88
ELAS_RVCcopylefttwo views0.14
42
0.16
49
0.10
36
0.15
38
0.10
40
0.18
51
0.11
47
0.19
53
0.11
49
0.19
53
0.12
49
0.18
52
0.11
48
0.19
52
0.12
46
0.14
49
0.08
33
0.14
48
0.09
37
0.15
50
0.09
36
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
HSMtwo views0.14
42
0.16
49
0.12
50
0.17
40
0.12
55
0.17
49
0.11
47
0.17
51
0.11
49
0.17
50
0.12
49
0.17
50
0.12
51
0.17
49
0.12
46
0.16
53
0.11
50
0.16
52
0.11
51
0.16
51
0.12
52
ADCP+two views0.15
46
0.04
23
0.04
21
2.20
115
0.04
22
0.04
23
0.04
25
0.04
23
0.04
24
0.04
22
0.05
30
0.04
21
0.04
25
0.08
30
0.04
20
0.04
22
0.04
25
0.04
23
0.04
25
0.04
24
0.04
25
SGM_RVCbinarytwo views0.15
46
0.17
52
0.11
47
0.18
41
0.11
51
0.19
54
0.11
47
0.19
53
0.12
54
0.19
53
0.12
49
0.20
56
0.12
51
0.19
52
0.12
46
0.16
53
0.11
50
0.17
54
0.10
41
0.17
52
0.10
38
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
StereoDRNettwo views0.15
46
0.14
48
0.10
36
0.14
35
0.09
35
0.15
47
0.09
34
0.14
47
0.09
36
0.14
47
0.10
38
0.14
47
0.09
36
0.14
47
0.09
30
0.13
48
0.10
39
0.13
47
0.09
37
0.13
48
0.82
94
LALA_ROBtwo views0.15
46
0.19
54
0.12
50
0.18
41
0.11
51
0.20
56
0.12
53
0.21
56
0.12
54
0.20
56
0.12
49
0.20
56
0.12
51
0.21
60
0.13
50
0.17
55
0.10
39
0.18
61
0.11
51
0.18
55
0.11
49
DeepPruner_ROBtwo views0.16
50
0.18
53
0.13
53
0.19
44
0.13
57
0.19
54
0.13
54
0.19
53
0.13
57
0.19
53
0.13
56
0.19
55
0.13
55
0.19
52
0.13
50
0.18
62
0.13
61
0.18
61
0.13
62
0.18
55
0.13
56
DeepPrunerFtwo views0.19
51
0.08
33
0.08
33
2.23
117
0.08
33
0.08
32
0.07
32
0.07
32
0.08
34
0.08
33
0.07
33
0.08
32
0.07
33
0.11
43
0.08
28
0.08
34
0.08
33
0.08
34
0.07
33
0.08
33
0.08
34
BEATNet-Init1two views0.19
51
0.08
33
0.08
33
2.23
117
0.08
33
0.08
32
0.07
32
0.07
32
0.08
34
0.08
33
0.07
33
0.08
32
0.07
33
0.11
43
0.08
28
0.08
34
0.08
33
0.08
34
0.07
33
0.08
33
0.08
34
ACVNettwo views0.20
53
0.19
54
0.14
54
0.20
45
0.14
58
0.20
56
0.96
98
0.21
56
0.14
58
0.20
56
0.13
56
0.21
61
0.14
56
0.20
55
0.14
53
0.17
55
0.12
55
0.17
54
0.12
55
0.17
52
0.12
52
acv_fttwo views0.20
53
0.19
54
0.14
54
0.20
45
0.14
58
0.20
56
0.96
98
0.21
56
0.14
58
0.20
56
0.13
56
0.21
61
0.14
56
0.20
55
0.14
53
0.17
55
0.12
55
0.17
54
0.12
55
0.17
52
0.12
52
iResNetv2_ROBtwo views0.20
53
0.23
58
0.18
61
0.24
52
0.20
68
0.24
64
0.18
55
0.24
59
0.18
65
0.24
65
0.18
66
0.23
64
0.19
65
0.24
64
0.18
60
0.21
64
0.16
62
0.21
63
0.16
64
0.22
59
0.16
57
iResNettwo views0.20
53
0.23
58
0.18
61
0.24
52
0.18
65
0.24
64
0.20
58
0.24
59
0.18
65
0.23
63
0.17
65
0.23
64
0.18
63
0.23
63
0.18
60
0.22
65
0.16
62
0.21
63
0.16
64
0.21
58
0.16
57
SuperBtwo views0.21
57
0.10
35
2.51
123
0.12
34
0.09
35
0.10
35
0.09
34
0.08
35
0.07
33
0.10
36
0.09
35
0.09
35
0.07
33
0.07
28
0.07
27
0.07
32
0.08
33
0.07
33
0.07
33
0.08
33
0.07
33
ac_64two views0.22
58
0.13
46
0.19
63
0.23
51
0.10
40
0.26
67
1.02
103
0.14
47
0.10
37
0.28
66
0.14
59
0.17
50
0.19
65
0.28
66
0.09
30
0.22
65
0.16
62
0.23
65
0.17
66
0.11
45
0.12
52
iResNet_ROBtwo views0.28
59
0.32
63
0.24
67
0.32
55
0.25
73
0.32
72
0.24
62
0.32
65
0.24
73
0.33
70
0.24
73
0.35
71
0.24
71
0.33
70
0.24
69
0.31
72
0.24
70
0.32
73
0.24
72
0.32
62
0.24
65
HGLStereotwo views0.28
59
0.29
60
0.22
66
0.36
60
0.22
71
0.36
77
0.21
60
0.36
71
0.21
70
0.42
82
0.21
71
0.36
75
0.22
69
0.36
76
0.21
65
0.34
73
0.21
67
0.34
75
0.21
68
0.34
64
0.21
61
DANettwo views0.30
61
0.30
61
0.30
71
0.30
54
0.30
78
0.30
71
0.30
67
0.30
64
0.30
77
0.30
69
0.30
77
0.30
70
0.30
75
0.30
69
0.30
73
0.30
70
0.30
76
0.30
71
0.30
78
0.30
61
0.30
72
MLCVtwo views0.31
62
0.35
64
0.27
69
0.35
56
0.28
76
0.35
74
0.27
64
0.35
68
0.28
76
0.36
75
0.27
75
0.35
71
0.27
74
0.35
72
0.27
71
0.34
73
0.27
72
0.34
75
0.27
74
0.34
64
0.27
66
DN-CSS_ROBtwo views0.31
62
0.35
64
0.28
70
0.35
56
0.28
76
0.34
73
0.27
64
0.34
67
0.25
74
0.35
72
0.27
75
0.36
75
0.26
72
0.34
71
0.28
72
0.35
75
0.28
74
0.34
75
0.28
76
0.34
64
0.27
66
StereoDRNet-Refinedtwo views0.33
64
0.39
69
0.26
68
0.39
62
0.26
74
0.40
81
0.26
63
0.40
75
0.26
75
0.39
78
0.26
74
0.39
80
0.26
72
0.39
79
0.26
70
0.37
79
0.25
71
0.37
81
0.25
73
0.37
70
0.37
75
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ETE_ROBtwo views0.35
65
0.35
64
0.35
74
0.35
56
0.35
82
0.35
74
0.35
71
0.35
68
0.35
80
0.35
72
0.35
80
0.35
71
0.35
78
0.35
72
0.35
77
0.35
75
0.35
78
0.35
78
0.35
82
0.35
67
0.35
73
DMCAtwo views0.36
66
0.38
68
0.37
75
0.35
56
0.35
82
0.36
77
0.36
72
0.36
71
0.35
80
0.35
72
0.37
81
0.36
75
0.36
79
0.35
72
0.36
78
0.36
77
0.36
79
0.35
78
0.36
83
0.36
69
0.36
74
XPNet_ROBtwo views0.37
67
0.37
67
0.37
75
0.37
61
0.37
84
0.37
79
0.37
73
0.37
73
0.37
82
0.37
76
0.37
81
0.37
78
0.37
80
0.37
77
0.37
80
0.37
79
0.37
80
0.37
81
0.37
84
0.37
70
0.37
75
PASMtwo views0.39
68
3.06
111
1.36
116
1.58
106
0.09
35
0.11
45
0.11
47
0.11
45
0.11
49
0.09
35
0.09
35
0.11
45
0.09
36
0.09
33
0.09
30
0.11
45
0.11
50
0.11
45
0.09
37
0.11
45
0.11
49
AdaStereotwo views0.40
69
0.40
71
0.40
78
0.40
64
0.40
85
0.40
81
0.40
75
0.40
75
0.40
84
0.40
79
0.40
83
0.40
81
0.40
81
0.40
80
0.40
81
0.40
82
0.40
84
0.40
85
0.40
85
0.40
72
0.40
77
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.
psmorigintwo views0.41
70
0.46
72
0.33
73
0.49
67
0.33
80
0.49
85
0.33
70
0.49
79
0.33
78
0.49
84
0.33
79
0.49
83
0.33
77
0.51
84
0.33
76
0.41
83
0.30
76
0.41
86
0.30
78
0.79
81
0.29
71
FCDSN-DCtwo views0.41
70
0.59
75
0.64
83
0.54
69
0.33
80
0.50
86
0.37
73
0.42
78
0.40
84
0.61
89
0.43
86
0.50
84
0.49
82
0.38
78
0.32
74
0.28
69
0.23
69
0.26
68
0.22
70
0.35
67
0.28
69
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Gwc-CoAtRStwo views0.41
70
1.49
95
0.32
72
0.42
65
0.32
79
0.41
83
0.32
69
0.41
77
0.33
78
0.41
80
0.32
78
0.41
82
0.32
76
0.41
81
0.32
74
0.39
81
0.28
74
0.39
84
0.28
76
0.40
72
0.28
69
SANettwo views0.50
73
0.50
73
0.50
80
0.50
68
0.50
87
0.50
86
0.50
78
0.50
80
0.50
87
0.50
85
0.50
87
0.50
84
0.50
83
0.50
83
0.50
84
0.50
84
0.50
85
0.50
88
0.50
87
0.50
75
0.50
78
FENettwo views0.54
74
1.52
96
1.19
110
1.41
105
0.23
72
0.35
74
0.23
61
0.35
68
0.23
72
0.34
71
0.23
72
0.35
71
0.23
70
0.35
72
0.23
68
1.40
118
1.07
107
0.32
73
0.23
71
0.33
63
0.23
64
PSMNet_ROBtwo views0.54
74
0.54
74
0.54
81
0.54
69
0.53
89
0.54
88
0.54
80
0.53
81
0.54
89
0.54
86
0.54
89
0.54
86
0.53
85
0.54
85
0.54
85
0.54
87
0.53
86
0.54
89
0.54
88
0.54
76
0.54
79
CFNet-ftpermissivetwo views0.55
76
1.57
97
0.14
54
0.20
45
0.14
58
0.20
56
2.53
123
1.61
116
0.14
58
0.20
56
0.14
59
0.20
56
0.14
56
0.20
55
0.14
53
0.17
55
0.12
55
0.17
54
0.12
55
1.56
108
1.24
113
cf-rtwo views0.66
77
2.17
104
0.12
50
0.18
41
0.12
55
0.18
51
2.70
126
2.60
124
0.12
54
0.18
52
0.12
49
0.18
52
0.12
51
0.18
50
0.12
46
0.15
52
0.11
50
0.15
51
0.11
51
1.81
111
1.74
118
DSFCAtwo views0.66
77
0.73
76
0.78
88
0.65
72
0.65
92
0.64
91
0.64
81
0.65
84
0.63
90
0.64
91
0.64
91
0.64
90
0.64
86
0.65
89
0.65
86
0.65
88
0.65
89
0.65
91
0.65
89
0.66
77
0.64
81
DMCA-RVCcopylefttwo views0.70
79
0.80
79
0.70
86
0.70
73
0.70
95
0.70
92
0.70
84
0.71
86
0.70
93
0.70
92
0.71
95
0.71
92
0.70
89
0.70
90
0.69
89
0.69
90
0.70
92
0.69
92
0.70
93
0.69
79
0.70
85
GANet-RSSMtwo views0.75
80
1.91
100
0.14
54
0.47
66
0.14
58
0.21
62
3.21
130
2.30
122
0.14
58
0.46
83
0.14
59
0.23
64
0.18
63
0.21
60
0.14
53
0.18
62
0.27
72
0.37
81
0.13
62
2.13
115
2.12
120
PSMNet-RSSMtwo views0.77
81
2.76
107
0.14
54
0.20
45
0.14
58
0.20
56
2.66
124
2.79
126
0.14
58
0.21
62
0.14
59
0.21
61
0.14
56
0.20
55
0.14
53
0.17
55
0.12
55
0.17
54
0.12
55
2.52
119
2.31
122
GwcNet-RSSMtwo views0.77
81
2.77
108
0.14
54
0.20
45
0.14
58
0.20
56
2.67
125
2.78
125
0.14
58
0.20
56
0.14
59
0.20
56
0.14
56
0.21
60
0.14
53
0.17
55
0.12
55
0.17
54
0.12
55
2.52
119
2.31
122
STTStereo_v2two views0.79
83
0.79
77
0.79
90
0.79
74
0.79
98
0.79
93
0.79
88
0.79
87
0.79
96
0.79
93
0.79
97
0.79
93
0.79
93
0.79
91
0.79
92
0.79
91
0.79
95
0.79
94
0.79
96
0.79
81
0.79
89
G-Nettwo views0.79
83
0.79
77
0.79
90
0.79
74
0.79
98
0.79
93
0.79
88
0.79
87
0.79
96
0.79
93
0.79
97
0.79
93
0.79
93
0.79
91
0.79
92
0.79
91
0.79
95
0.79
94
0.79
96
0.79
81
0.79
89
hitnet-ftcopylefttwo views0.79
83
2.78
109
0.14
54
0.20
45
0.14
58
0.21
62
2.89
127
2.80
127
0.14
58
0.20
56
0.14
59
0.20
56
0.14
56
0.20
55
0.14
53
0.17
55
0.12
55
0.17
54
0.12
55
2.54
121
2.33
124
CSANtwo views0.80
86
0.80
79
0.80
92
0.80
76
0.80
100
0.80
95
0.80
90
0.80
89
0.80
98
0.80
95
0.80
99
0.80
95
0.80
95
0.80
93
0.80
94
0.80
93
0.80
97
0.80
96
0.80
98
0.80
84
0.80
91
NaN_ROBtwo views0.80
86
0.80
79
0.80
92
0.80
76
0.80
100
0.80
95
0.80
90
0.80
89
0.80
98
0.80
95
0.80
99
0.80
95
0.80
95
0.80
93
0.80
94
0.80
93
0.80
97
0.80
96
0.80
98
0.80
84
0.80
91
RAFT-Stereopermissivetwo views0.81
88
0.96
85
0.67
84
0.95
84
0.67
93
0.95
101
0.68
82
0.95
95
0.68
91
0.95
101
0.68
92
0.96
101
0.68
87
0.96
99
0.68
87
0.94
100
0.68
90
0.94
102
0.68
91
0.94
89
0.68
83
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
R-Stereo Traintwo views0.81
88
0.96
85
0.67
84
0.95
84
0.67
93
0.95
101
0.68
82
0.95
95
0.68
91
0.95
101
0.68
92
0.96
101
0.68
87
0.96
99
0.68
87
0.94
100
0.68
90
0.94
102
0.68
91
0.94
89
0.68
83
PDISCO_ROBtwo views0.83
90
2.80
110
3.49
127
0.14
35
0.11
51
0.17
49
0.09
34
0.15
50
0.10
37
0.15
49
0.12
49
0.16
49
0.14
56
3.30
127
0.13
50
0.14
49
2.34
126
0.16
52
0.12
55
2.62
122
0.10
38
DPSMtwo views0.92
91
0.91
82
0.91
95
0.91
80
0.92
103
0.92
98
0.92
94
0.92
92
0.91
101
0.93
99
0.91
102
0.92
97
0.90
98
0.91
95
0.92
98
0.92
96
0.91
100
0.91
99
0.92
101
0.93
87
0.93
97
DPSM_ROBtwo views0.92
91
0.91
82
0.91
95
0.91
80
0.92
103
0.92
98
0.92
94
0.92
92
0.91
101
0.93
99
0.91
102
0.92
97
0.90
98
0.91
95
0.92
98
0.92
96
0.91
100
0.91
99
0.92
101
0.93
87
0.93
97
pmcnntwo views0.92
91
0.92
84
0.92
97
0.92
82
0.92
103
0.92
98
0.92
94
0.92
92
0.92
104
0.92
98
0.92
104
0.92
97
0.92
100
0.92
97
0.92
98
0.92
96
0.92
102
0.92
101
0.92
101
0.92
86
0.92
96
DGTPSM_ROBtwo views0.93
94
1.00
87
0.92
97
0.94
83
0.96
106
0.91
97
0.92
94
0.91
91
0.96
105
0.91
97
0.96
105
0.93
100
0.92
100
0.94
98
0.92
98
0.92
96
0.92
102
0.90
98
0.92
101
0.94
89
0.91
95
HSM-Net_RVCpermissivetwo views0.95
95
1.17
93
0.78
88
1.18
99
0.71
96
1.16
116
0.75
87
1.09
101
0.80
98
1.10
108
0.75
96
1.17
115
0.74
91
1.17
113
0.80
94
1.13
113
0.73
94
1.17
114
0.77
95
1.16
100
0.72
87
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROBtwo views0.97
96
1.18
94
0.81
94
1.10
91
0.91
102
1.02
106
0.82
92
1.04
100
0.91
101
1.03
106
0.86
101
1.28
118
0.82
97
1.03
104
0.89
97
1.17
115
0.81
99
1.02
107
0.82
100
1.08
95
0.81
93
TDLMtwo views1.00
97
1.00
87
1.00
100
1.00
86
1.00
107
1.00
103
1.00
100
1.00
97
1.00
106
1.00
103
1.00
106
1.00
103
1.00
102
1.00
101
1.00
102
1.00
102
1.00
104
1.00
104
1.00
105
1.00
92
1.00
99
GANettwo views1.00
97
1.00
87
1.00
100
1.00
86
1.00
107
1.00
103
1.00
100
1.00
97
1.00
106
1.00
103
1.00
106
1.00
103
1.00
102
1.00
101
1.00
102
1.00
102
1.00
104
1.00
104
1.00
105
1.00
92
1.00
99
CVANet_RVCtwo views1.00
97
1.00
87
1.00
100
1.00
86
1.00
107
1.00
103
1.00
100
1.00
97
1.00
106
1.00
103
1.00
106
1.00
103
1.00
102
1.00
101
1.00
102
1.00
102
1.00
104
1.00
104
1.00
105
1.00
92
1.00
99
FC-DCNNcopylefttwo views1.07
100
1.09
91
0.98
99
0.89
78
0.52
88
1.41
119
0.91
93
1.21
111
1.24
119
1.96
123
2.05
125
1.91
122
1.30
117
1.27
116
1.08
105
0.80
93
0.60
87
0.58
90
0.41
86
0.68
78
0.54
79
DISCOtwo views1.11
101
0.39
69
5.28
131
0.39
62
0.20
68
0.39
80
0.27
64
0.39
74
0.22
71
0.38
77
0.20
70
0.38
79
0.20
67
6.95
131
0.22
66
0.30
70
0.21
67
0.27
70
0.21
68
5.25
128
0.21
61
MSMD_ROBtwo views1.19
102
1.10
92
0.70
86
1.10
91
0.60
91
1.10
109
0.70
84
1.10
102
0.70
93
1.10
108
0.70
94
1.10
109
0.70
89
7.00
132
0.70
90
1.10
107
0.70
92
1.10
108
0.70
93
1.10
96
0.70
85
AANet_RVCtwo views1.26
103
0.31
62
4.99
130
5.93
128
0.20
68
0.25
66
0.20
58
0.25
61
0.20
69
0.23
63
0.19
67
0.25
67
0.20
67
0.25
65
0.20
64
5.66
131
4.76
132
0.26
68
0.30
78
0.24
60
0.27
66
CFNettwo views1.37
104
5.27
114
0.19
63
5.49
126
0.19
66
0.28
68
0.19
56
0.28
62
0.19
67
0.28
66
0.19
67
0.28
68
4.35
128
0.28
66
0.19
62
0.23
67
0.17
66
0.23
65
4.21
132
4.81
126
0.17
59
ccs_robtwo views1.40
105
5.38
115
0.19
63
5.65
127
0.19
66
0.28
68
0.19
56
0.28
62
0.19
67
0.28
66
0.19
67
0.28
68
4.45
129
0.28
66
0.19
62
0.23
67
0.16
62
0.23
65
4.19
131
5.05
127
0.17
59
RASNettwo views1.49
106
1.65
99
1.45
117
1.38
104
1.43
122
1.47
120
1.36
117
1.38
114
1.36
122
1.39
119
1.60
122
1.45
119
1.45
118
1.51
117
2.21
125
1.53
119
1.36
120
1.36
120
1.36
120
1.66
110
1.36
115
GANetREF_RVCpermissivetwo views1.55
107
1.94
103
1.22
113
1.88
112
1.21
119
1.88
122
1.22
113
1.88
117
1.22
117
1.88
121
1.22
117
1.88
121
1.22
113
1.89
119
1.22
114
1.87
122
1.22
119
1.88
123
1.22
118
1.88
113
1.22
111
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
SPS-STEREOcopylefttwo views1.59
108
1.91
100
1.21
112
1.94
113
1.20
118
2.00
124
1.23
114
1.99
119
1.24
119
2.00
125
1.25
120
2.03
124
1.26
115
2.00
121
1.29
117
1.90
123
1.18
117
1.89
124
1.21
117
1.89
114
1.20
110
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROBtwo views1.60
109
1.59
98
1.70
118
1.59
107
1.59
123
1.61
121
1.61
118
1.60
115
1.60
123
1.62
120
1.59
121
1.60
120
1.60
119
1.60
118
1.59
119
1.59
120
1.60
121
1.59
121
1.59
121
1.59
109
1.59
116
MFMNet_retwo views1.81
110
1.91
100
1.71
119
1.95
114
1.70
124
1.95
123
1.70
119
1.96
118
1.74
124
1.97
124
1.72
123
1.95
123
1.71
120
1.97
120
1.71
122
1.86
121
1.62
122
1.85
122
1.66
122
1.86
112
1.64
117
FBW_ROBtwo views2.12
111
2.46
106
1.77
120
2.49
121
1.79
125
2.38
127
1.83
120
2.46
123
1.78
125
2.48
128
1.97
124
2.40
127
1.78
121
2.42
124
1.83
124
2.31
125
1.85
123
2.38
127
1.82
123
2.35
118
1.84
119
ccstwo views2.14
112
7.84
117
0.42
79
8.04
130
0.27
75
0.44
84
0.30
67
0.33
66
0.42
86
0.41
80
0.42
84
0.63
89
6.74
133
0.45
82
0.22
66
0.53
85
0.37
80
0.36
80
0.27
74
7.74
131
6.56
132
NCCL2two views2.28
113
2.27
105
2.28
121
2.28
119
2.28
126
2.27
125
2.29
121
2.28
120
2.28
126
2.27
126
2.28
126
2.28
125
2.27
122
2.27
122
2.28
127
2.28
124
2.28
125
2.27
125
2.29
125
2.27
116
2.29
121
Abc-Nettwo views2.32
114
24.75
123
1.14
104
1.17
98
1.17
115
1.11
112
1.15
106
1.17
106
1.21
116
1.08
107
1.16
112
1.12
113
1.14
107
1.09
105
1.17
111
1.09
105
1.16
115
1.17
114
1.17
113
1.16
100
1.11
102
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogantwo views2.33
115
24.38
122
1.18
109
1.18
99
1.18
117
1.14
114
1.18
110
1.19
109
1.19
115
1.14
115
1.18
116
1.14
114
1.18
111
1.14
111
1.18
112
1.14
114
1.14
113
1.19
117
1.19
114
1.15
99
1.19
109
RPtwo views2.33
115
25.00
124
1.13
103
1.15
95
1.15
111
1.10
109
1.15
106
1.15
103
1.15
110
1.12
113
1.15
109
1.09
107
1.13
105
1.10
107
1.15
108
1.11
112
1.09
108
1.16
110
1.12
109
1.16
100
1.17
107
Anonymous Stereotwo views2.36
117
18.47
120
11.50
133
9.80
133
0.53
89
0.28
68
0.50
78
0.58
82
0.53
88
0.59
88
0.53
88
0.66
91
0.52
84
0.62
86
0.41
82
0.36
77
0.37
80
0.31
72
0.19
67
0.20
57
0.22
63
RGCtwo views2.36
117
25.48
125
1.19
110
1.15
95
1.15
111
1.10
109
1.16
108
1.17
106
1.16
111
1.12
113
1.16
112
1.11
112
1.13
105
1.09
105
1.18
112
1.10
107
1.15
114
1.16
110
1.12
109
1.14
98
1.12
104
NCC-stereotwo views2.36
117
25.52
126
1.17
107
1.15
95
1.17
115
1.11
112
1.11
104
1.15
103
1.16
111
1.10
108
1.16
112
1.10
109
1.15
108
1.14
111
1.13
106
1.09
105
1.11
110
1.15
109
1.16
112
1.17
105
1.17
107
Nwc_Nettwo views2.37
120
25.95
128
1.15
106
1.14
94
1.15
111
1.08
107
1.14
105
1.17
106
1.16
111
1.14
115
1.15
109
1.08
106
1.15
108
1.11
109
1.14
107
1.10
107
1.11
110
1.16
110
1.09
108
1.16
100
1.15
106
AF-Nettwo views2.37
120
25.71
127
1.17
107
1.13
93
1.15
111
1.15
115
1.18
110
1.19
109
1.16
111
1.10
108
1.15
109
1.10
109
1.18
111
1.12
110
1.15
108
1.10
107
1.10
109
1.17
114
1.15
111
1.16
100
1.12
104
CFNet_RVCtwo views2.38
122
8.71
118
0.38
77
9.33
132
0.42
86
0.56
89
0.42
76
0.60
83
0.38
83
0.62
90
0.42
84
0.56
87
7.29
134
0.62
86
0.42
83
0.53
85
0.37
80
0.49
87
0.34
81
8.30
132
6.87
133
edge stereotwo views2.43
123
27.07
131
1.14
104
1.06
90
1.14
110
1.08
107
1.17
109
1.16
105
1.14
109
1.10
108
1.16
112
1.09
107
1.16
110
1.10
107
1.16
110
1.10
107
1.11
110
1.16
110
1.19
114
1.13
97
1.11
102
FAT-Stereotwo views2.46
124
26.05
129
1.23
114
1.23
102
1.22
120
1.20
117
1.24
115
1.23
113
1.23
118
1.19
117
1.22
117
1.21
117
1.24
114
1.20
115
1.24
115
1.21
117
1.17
116
1.22
118
1.25
119
1.20
106
1.24
113
S-Stereotwo views2.51
125
26.86
130
1.23
114
1.22
101
1.22
120
1.24
118
1.25
116
1.22
112
1.24
119
1.21
118
1.24
119
1.19
116
1.27
116
1.19
114
1.24
115
1.19
116
1.20
118
1.25
119
1.19
114
1.24
107
1.23
112
DPSNettwo views3.66
126
3.60
112
3.62
128
3.63
124
3.64
131
3.65
130
3.65
131
3.66
130
3.67
130
3.67
130
3.65
131
3.67
130
3.66
126
3.66
128
3.68
131
3.68
129
3.66
129
3.67
130
3.68
129
3.67
125
3.67
129
STTStereotwo views3.73
127
30.40
132
2.37
122
2.39
120
2.31
127
2.35
126
2.33
122
2.29
121
2.42
127
2.32
127
2.34
127
2.33
126
2.36
123
2.30
123
2.27
126
2.35
126
2.22
124
2.31
126
2.22
124
2.29
117
2.34
125
DispFullNettwo views4.61
128
4.84
113
3.12
126
5.00
125
3.57
130
4.75
131
3.03
129
7.75
132
4.17
131
4.91
131
3.09
130
6.20
131
3.95
127
6.71
130
3.51
130
5.30
130
3.67
130
5.86
132
3.63
128
5.61
129
3.46
128
CC-Net-ROBtwo views4.74
129
40.54
134
2.83
125
2.84
122
2.86
129
2.81
129
2.90
128
2.91
129
2.90
129
2.84
129
2.89
129
2.78
128
2.83
125
2.82
126
2.90
129
2.80
127
2.80
127
2.89
129
2.85
127
2.88
124
2.88
127
NLCA_NET_v2_RVCtwo views5.04
130
50.87
135
2.78
124
2.87
123
2.71
128
2.78
128
0.47
77
2.88
128
2.86
128
1.89
122
2.67
128
2.79
129
2.79
124
2.78
125
2.83
128
2.82
128
2.82
128
2.83
128
2.77
126
2.83
123
2.76
126
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
SGM-Foresttwo views5.21
131
5.92
116
4.08
129
6.18
129
4.16
132
6.31
132
4.34
132
6.50
131
4.33
132
6.14
132
4.21
132
6.61
132
4.55
130
6.67
129
4.48
132
5.94
132
3.94
131
5.85
131
4.03
130
5.79
130
4.17
130
Johannes L. Schönberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
SGM+DAISYtwo views7.06
132
9.15
119
5.38
132
8.84
131
5.18
133
8.80
133
5.31
133
8.79
133
5.28
133
8.89
133
5.20
133
8.93
133
5.33
132
8.95
133
5.36
133
8.70
133
5.21
133
8.74
133
5.20
133
8.89
133
5.15
131
PA-Nettwo views11.80
133
223.51
139
0.62
82
0.59
71
0.71
96
0.59
90
0.73
86
0.67
85
0.73
95
0.55
87
0.61
90
0.60
88
0.74
91
0.63
88
0.73
91
0.66
89
0.60
87
0.69
92
0.66
90
0.72
80
0.65
82
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANEtwo views19.05
134
23.00
121
15.00
134
23.00
134
15.00
134
24.00
134
16.00
134
24.00
134
16.00
134
22.00
134
15.00
134
23.00
134
16.00
135
23.00
134
15.00
134
22.00
134
15.00
134
22.00
134
15.00
134
22.00
134
15.00
134
WCMA_ROBtwo views31.10
135
35.43
133
27.12
135
39.51
135
23.10
135
38.78
135
25.30
135
37.49
135
25.39
135
37.29
135
27.02
135
38.52
135
26.48
136
37.80
135
26.44
135
36.28
135
22.65
135
33.90
135
22.30
135
37.10
135
24.18
135
MDST_ROBtwo views69.83
136
87.70
136
41.95
136
113.75
138
65.62
138
75.05
136
55.25
137
75.64
137
45.04
136
71.61
136
41.75
136
72.81
136
44.06
137
68.38
136
44.63
136
101.89
138
59.57
138
107.10
138
61.05
138
104.38
138
59.38
138
NOSS_ROBtwo views102.95
137
153.00
137
121.00
138
51.00
136
44.00
136
165.00
139
127.00
138
153.00
138
119.00
138
164.00
139
125.00
138
168.00
139
120.00
139
153.00
138
117.00
138
49.00
136
44.00
136
49.00
136
44.00
136
49.00
136
44.00
136
CBMVpermissivetwo views128.50
138
1422.70
144
53.10
137
79.50
137
51.30
137
77.30
137
49.70
136
74.00
136
48.20
137
77.20
137
48.80
137
73.90
137
48.00
138
73.80
137
48.80
137
70.40
137
45.10
137
68.90
137
46.10
137
68.20
137
45.00
137
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereopermissivetwo views159.24
139
171.00
138
160.68
139
162.58
139
160.59
139
164.01
138
160.35
139
158.51
139
158.56
139
158.34
138
160.12
139
158.56
138
159.92
140
157.26
139
158.94
139
154.38
139
158.36
139
155.75
139
159.13
139
153.67
139
154.07
139
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
DLCB_ROBtwo views284.23
140
354.61
140
207.27
140
363.24
140
206.46
140
364.72
140
210.41
140
364.72
140
210.41
140
364.81
140
208.64
140
364.81
140
208.64
141
364.72
140
210.41
140
354.70
140
205.53
140
354.70
140
205.53
140
354.70
140
205.53
140
LE_ROBtwo views396.57
141
471.28
141
329.84
141
471.48
141
308.15
141
526.83
141
322.10
141
488.15
141
323.76
141
495.46
141
317.97
141
497.17
141
320.10
142
481.62
141
326.76
141
462.71
141
298.97
141
466.16
141
285.98
141
447.62
141
289.21
141
SGM-ForestMtwo views596.69
142
677.77
142
444.52
142
699.85
142
517.25
142
732.94
142
488.29
142
770.79
142
460.11
142
750.81
142
487.98
142
792.79
142
499.41
143
730.90
142
475.81
142
720.03
142
491.16
142
663.96
142
418.60
142
674.76
142
436.05
142
CBMV_ROBtwo views818.48
143
913.88
143
709.52
143
862.84
143
597.78
143
1073.99
143
700.52
143
1015.66
143
702.59
143
1115.65
143
760.02
143
1130.24
143
721.57
144
1037.41
143
692.65
143
814.05
143
564.29
143
843.28
143
595.31
143
915.51
143
602.92
143
DPM-Stereotwo views10000000.00
144
10000000.00
145
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
145
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
10000000.00
144
ASD4two views0.20
57
MSMDNettwo views5.27
131