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

GLC_STEREO	0.75 1	0.29 12	1.19 2	0.55 50	0.01 1	1.98 38	0.57 85	3.07 2	3.02 11	0.90 9	1.48 7	0.19 1	0.40 7	0.93 2	0.36 2	0.00 1	0.01 109	0.00 1	0.00 1	0.04 70	0.02 30

CREStereo++_RVC	1.59 16	0.39 58	2.26 29	0.36 40	0.01 1	1.67 22	0.01 1	2.95 1	8.12 175	3.69 38	7.44 111	0.47 12	0.32 5	0.74 1	0.39 3	0.00 1	0.00 1	0.00 1	3.03 303	0.00 1	0.00 1

iRaftStereo_RVC	1.62 17	0.68 132	1.98 14	0.67 59	0.05 3	2.99 98	0.04 7	5.36 71	3.74 38	3.82 39	4.96 39	2.54 58	0.62 15	3.35 50	0.97 48	0.00 1	0.07 203	0.00 1	0.00 1	0.30 224	0.27 220

XX-TBD	1.44 14	0.85 164	2.04 16	2.45 223	0.05 3	2.34 55	0.01 1	3.46 6	7.51 162	2.88 24	4.98 41	0.26 5	0.25 3	1.15 7	0.46 6	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

GES	2.49 78	0.38 55	4.29 149	1.58 138	0.05 3	4.58 168	1.07 148	9.70 165	3.39 24	5.21 64	6.64 87	1.84 45	3.36 117	4.86 70	2.54 142	0.06 209	0.01 109	0.06 246	0.01 167	0.12 140	0.03 55

GMStereo	1.83 28	0.99 187	4.55 159	0.57 54	0.05 3	2.53 65	0.01 1	4.95 39	11.14 221	3.52 35	2.24 18	0.53 14	0.49 13	3.76 57	0.80 30	0.20 244	0.00 1	0.00 1	0.12 231	0.12 140	0.00 1
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
RCA-Stereo	1.99 39	0.34 32	2.71 56	0.26 25	0.06 7	2.29 52	0.48 67	4.89 37	14.65 249	2.81 22	5.51 62	0.78 17	3.21 115	1.44 13	0.33 1	0.00 1	0.01 109	0.00 1	0.00 1	0.07 102	0.02 30

UDGNet	2.73 102	7.09 300	3.90 139	2.71 235	0.06 7	2.98 97	0.20 37	4.63 29	8.58 191	2.69 18	2.70 21	0.95 19	1.01 31	6.27 94	1.51 85	1.28 294	0.00 1	5.24 306	0.94 291	1.70 287	0.13 155

AnonymousM	2.71 99	6.75 297	0.98 1	0.73 62	0.06 7	2.41 60	0.53 75	5.30 67	3.05 12	4.75 55	2.09 16	1.89 46	1.01 31	1.88 27	0.51 11	0.01 99	0.02 146	17.42 309	4.76 309	0.02 27	0.01 14

fff	2.28 56	0.61 114	3.81 129	0.22 20	0.07 10	1.69 25	0.11 15	5.37 72	11.84 231	5.80 77	5.17 47	1.44 30	5.41 186	2.00 28	1.92 112	0.00 1	0.00 1	0.00 1	0.00 1	0.02 27	0.18 179

IGEV-Stereo	1.12 4	0.59 110	1.66 4	0.03 1	0.07 10	2.82 85	0.82 123	4.09 15	2.30 1	0.41 5	1.11 1	0.30 7	0.41 8	7.05 118	0.49 10	0.00 1	0.00 1	0.00 1	0.17 237	0.10 122	0.05 96
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
csc	2.28 56	0.61 114	3.81 129	0.22 20	0.07 10	1.69 25	0.11 15	5.37 72	11.84 231	5.80 77	5.17 47	1.44 30	5.41 186	2.00 28	1.92 112	0.00 1	0.00 1	0.00 1	0.00 1	0.02 27	0.18 179

cscssc	2.28 56	0.61 114	3.81 129	0.22 20	0.07 10	1.69 25	0.11 15	5.37 72	11.84 231	5.80 77	5.17 47	1.44 30	5.41 186	2.00 28	1.92 112	0.00 1	0.00 1	0.00 1	0.00 1	0.02 27	0.18 179

111	2.78 105	0.92 178	3.81 129	0.22 20	0.07 10	2.83 88	0.70 105	6.03 93	14.00 245	3.22 28	8.93 135	5.48 134	3.30 116	3.66 53	2.03 122	0.00 1	0.00 1	0.00 1	0.00 1	0.10 122	0.29 223

ProNet	1.20 5	0.60 111	2.00 15	0.26 25	0.08 15	2.73 77	0.68 100	5.00 48	2.52 4	0.29 1	1.32 5	0.37 8	0.36 6	6.94 116	0.44 4	0.00 1	0.07 203	0.00 1	0.00 1	0.17 168	0.07 110

dad	4.66 210	1.89 257	5.51 200	0.94 80	0.09 16	2.16 45	0.37 60	7.10 128	14.43 247	10.13 224	16.84 231	14.97 249	1.90 80	6.82 111	4.15 187	1.09 291	0.11 227	4.08 303	0.46 279	0.17 168	0.06 101

ROB_FTStereo	2.47 76	0.28 11	2.77 64	1.72 155	0.09 16	2.82 85	0.35 57	5.00 48	5.57 109	8.85 185	7.27 109	3.00 71	1.10 35	8.72 195	1.77 98	0.03 176	0.00 1	0.00 1	0.00 1	0.01 7	0.01 14

RAFT	2.57 87	0.76 147	3.09 89	0.91 77	0.09 16	2.41 60	0.94 137	5.35 70	2.65 5	6.11 94	7.21 106	9.43 198	4.30 150	5.73 85	1.77 98	0.00 1	0.12 234	0.00 1	0.02 182	0.46 253	0.08 117

s12784h	1.89 34	0.30 15	2.57 45	0.11 9	0.09 16	4.18 156	0.13 24	6.61 116	7.44 161	3.62 37	4.28 32	0.59 16	0.81 26	6.61 109	0.46 6	0.01 99	0.01 109	0.00 1	0.00 1	0.02 27	0.00 1

ToySt	2.69 95	0.55 102	7.03 235	1.03 92	0.10 20	3.49 121	1.04 145	6.38 111	4.55 74	2.69 18	6.28 79	7.95 183	4.38 154	5.08 76	2.58 143	0.01 99	0.11 227	0.00 1	0.04 206	0.28 221	0.19 190

TANstereo	1.20 5	0.49 89	2.04 16	0.34 39	0.10 20	1.80 33	0.01 1	3.40 5	4.10 55	4.37 43	4.82 37	0.41 9	0.70 18	0.94 3	0.46 6	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

DIP-Stereo	1.97 38	0.64 122	2.95 76	0.17 15	0.10 20	4.83 173	0.13 24	8.60 145	4.06 54	6.42 109	4.92 38	0.44 11	0.72 21	3.57 52	1.80 102	0.00 1	0.01 109	0.00 1	0.00 1	0.05 90	0.04 81
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
BEATNet_4x	3.24 129	1.27 220	5.89 209	1.56 136	0.10 20	5.26 179	1.07 148	10.08 174	5.50 102	6.89 123	7.73 116	4.53 109	4.13 140	5.05 75	5.27 199	0.04 193	0.05 185	0.00 1	0.00 1	0.23 204	0.23 204

test_4	2.38 67	0.34 32	2.68 52	0.08 4	0.11 24	3.69 134	1.14 153	3.33 3	3.34 23	4.03 41	17.35 241	3.31 76	0.51 14	6.28 95	1.15 64	0.00 1	0.00 1	0.00 1	0.11 229	0.16 162	0.01 14

GANet-ADL	2.20 52	0.50 90	3.27 99	2.02 185	0.11 24	2.21 49	0.48 67	8.64 147	6.79 143	4.56 48	5.83 66	3.98 90	1.27 53	2.68 42	1.43 81	0.04 193	0.08 212	0.02 216	0.00 1	0.15 159	0.03 55

HITNet	2.79 106	0.77 148	4.02 141	2.03 186	0.11 24	5.58 183	0.59 87	9.24 158	5.15 96	6.42 109	7.26 108	3.66 83	2.92 109	4.07 63	3.87 183	0.00 1	0.00 1	0.00 1	0.00 1	0.06 98	0.02 30
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
MC-Stereo	1.47 15	0.36 46	2.54 42	1.99 178	0.12 27	1.90 35	0.12 20	4.47 23	2.83 8	3.31 32	3.44 26	0.56 15	1.47 62	5.39 81	0.47 9	0.00 1	0.04 178	0.00 1	0.21 247	0.07 102	0.04 81

dd	2.16 49	1.22 212	4.82 170	0.68 60	0.12 27	1.39 12	0.17 33	5.14 55	11.22 224	2.70 20	3.51 28	1.52 35	1.23 50	5.08 76	3.96 185	0.12 226	0.01 109	0.04 239	0.21 247	0.07 102	0.01 14

test_xeample3	3.34 142	0.93 181	4.33 150	0.28 29	0.12 27	3.46 118	3.98 220	6.58 115	11.84 231	6.79 119	13.56 204	3.52 79	4.23 146	3.71 54	2.05 123	0.01 99	0.01 109	0.00 1	0.00 1	0.02 27	1.40 280

THIR-Stereo	3.86 175	0.77 148	2.62 49	0.12 10	0.13 30	4.25 157	6.63 263	5.30 67	4.18 59	10.33 226	17.13 237	6.58 156	7.62 237	7.78 151	3.51 173	0.01 99	0.07 203	0.07 252	0.00 1	0.11 131	0.02 30

ARAFT	3.13 124	1.11 205	7.34 238	0.42 42	0.14 31	4.52 167	2.99 197	7.41 131	5.97 123	8.85 185	7.06 103	5.20 127	1.25 52	8.49 185	1.44 82	0.00 1	0.03 166	0.00 1	0.00 1	0.33 232	0.11 143

IPLGR	2.28 56	0.51 93	6.00 212	0.15 14	0.15 32	1.99 39	0.22 40	6.34 104	6.04 127	6.80 120	5.76 64	2.87 64	2.31 88	4.88 72	1.28 71	0.00 1	0.00 1	0.00 1	0.00 1	0.09 118	0.18 179

DRaft	3.74 163	0.43 69	2.60 47	0.12 10	0.15 32	4.76 171	1.34 163	5.33 69	4.31 62	10.30 225	21.91 261	3.27 75	8.83 248	7.36 130	3.66 177	0.05 203	0.10 221	0.00 1	0.14 233	0.10 122	0.14 159

PMTNet	1.41 13	0.37 50	2.06 18	0.26 25	0.15 32	2.94 94	0.34 56	3.39 4	5.33 98	1.00 10	1.27 4	0.28 6	0.93 30	4.04 62	0.74 21	5.00 303	0.00 1	0.00 1	0.00 1	0.03 55	0.01 14

HUI-Stereo	2.51 82	0.34 32	2.10 23	1.59 140	0.16 35	2.81 81	1.03 143	6.03 93	3.51 29	8.55 175	6.80 91	3.71 84	4.77 166	7.31 126	0.97 48	0.01 99	0.22 263	0.00 1	0.00 1	0.03 55	0.17 175

CRE-IMP	2.51 82	0.34 32	2.10 23	1.59 140	0.16 35	2.81 81	1.03 143	6.03 93	3.51 29	8.55 175	6.80 91	3.71 84	4.77 166	7.31 126	0.97 48	0.01 99	0.22 263	0.00 1	0.00 1	0.03 55	0.17 175

cross-raft	2.03 42	0.35 42	2.78 65	1.10 101	0.16 35	3.77 139	0.48 67	7.03 127	3.75 39	5.06 60	5.55 63	6.26 149	1.41 59	1.75 19	0.89 42	0.01 99	0.07 203	0.00 1	0.19 242	0.03 55	0.03 55

RAFT-Stereo + iAFF	2.12 48	0.58 108	2.43 35	1.27 111	0.16 35	1.60 20	0.14 27	5.17 57	5.90 119	7.10 127	10.10 158	3.06 72	1.74 74	1.87 24	0.97 48	0.01 99	0.02 146	0.00 1	0.00 1	0.23 204	0.02 30

R-Stereo Train	2.44 71	0.32 20	1.93 10	0.94 80	0.16 35	3.67 130	0.61 91	6.37 107	3.08 14	9.14 193	17.44 242	1.80 43	0.77 22	1.76 20	0.70 16	0.00 1	0.01 109	0.00 1	0.00 1	0.01 7	0.03 55

RAFT-Stereo	2.44 71	0.32 20	1.93 10	0.94 80	0.16 35	3.67 130	0.61 91	6.37 107	3.08 14	9.14 193	17.44 242	1.80 43	0.77 22	1.76 20	0.70 16	0.00 1	0.01 109	0.00 1	0.00 1	0.01 7	0.03 55
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
PFNet+	2.35 64	0.31 16	3.69 121	0.79 67	0.17 41	3.15 111	0.75 113	4.52 24	6.30 133	7.90 157	6.34 82	2.53 57	1.18 46	7.72 148	1.62 92	0.03 176	0.00 1	0.00 1	0.00 1	0.01 7	0.03 55

DEmStereo	3.79 169	0.37 50	3.69 121	0.17 15	0.17 41	5.28 180	2.54 189	4.35 16	3.70 36	8.21 168	20.15 252	5.13 126	10.38 260	7.65 141	3.85 182	0.01 99	0.01 109	0.01 193	0.00 1	0.02 27	0.06 101

iRAFT	2.33 63	0.31 16	3.68 120	0.79 67	0.17 41	3.14 107	0.77 115	4.52 24	6.33 135	7.79 148	6.32 80	2.52 56	1.17 45	7.47 134	1.55 88	0.02 154	0.00 1	0.00 1	0.00 1	0.01 7	0.03 55

LMCR-Stereo	3.63 156	1.29 225	4.20 146	2.54 227	0.17 41	8.08 219	1.52 168	11.46 203	4.73 81	8.45 173	10.66 167	1.91 48	5.03 178	7.69 144	3.58 175	0.92 288	0.00 1	0.00 1	0.00 1	0.36 238	0.02 30

DCANet	2.08 46	0.64 122	3.81 129	0.31 30	0.17 41	1.70 31	0.25 46	5.23 59	8.47 185	6.07 91	5.30 56	1.41 27	4.23 146	1.85 22	2.02 121	0.00 1	0.00 1	0.00 1	0.00 1	0.04 70	0.19 190

AFF-stereo	2.59 89	0.68 132	2.35 33	1.55 133	0.17 41	1.67 22	0.08 12	5.75 85	6.60 139	6.20 101	12.13 187	6.16 146	2.36 89	4.75 69	1.11 58	0.02 154	0.02 146	0.00 1	0.00 1	0.23 204	0.05 96

DCANet-4	2.03 42	0.34 32	5.30 192	0.31 30	0.18 47	1.69 25	0.12 20	4.95 39	8.55 189	5.78 74	5.17 47	1.12 21	2.82 103	2.11 33	1.92 112	0.00 1	0.00 1	0.00 1	0.00 1	0.02 27	0.18 179

qqq	2.04 44	0.64 122	5.30 192	0.31 30	0.18 47	1.69 25	0.12 20	4.95 39	8.55 189	5.78 74	5.17 47	1.12 21	2.82 103	2.11 33	1.92 112	0.00 1	0.00 1	0.00 1	0.00 1	0.02 27	0.18 179

ADStereo(finetuned)	2.26 55	0.64 122	5.22 190	0.31 30	0.18 47	1.71 32	0.25 46	5.23 59	8.46 184	6.06 89	5.30 56	1.41 27	6.37 209	1.87 24	1.87 104	0.00 1	0.00 1	0.00 1	0.00 1	0.04 70	0.18 179

DisPM	2.43 69	0.32 20	3.04 80	1.76 157	0.18 47	3.46 118	0.65 98	5.13 54	4.88 86	8.59 177	7.04 102	2.84 63	1.03 33	8.85 202	0.83 33	0.01 99	0.00 1	0.00 1	0.00 1	0.01 7	0.02 30

PMNet++	1.95 37	0.40 59	2.86 72	0.12 10	0.18 47	3.74 137	0.66 99	5.24 61	2.96 9	5.86 81	4.32 33	3.46 77	1.52 64	6.88 113	0.70 16	0.01 99	0.00 1	0.00 1	0.00 1	0.08 108	0.09 124

RAFT-IKP	1.90 35	0.42 64	2.83 68	0.12 10	0.18 47	3.50 122	0.64 96	5.24 61	2.96 9	5.86 81	4.34 34	3.50 78	1.51 63	5.99 89	0.76 24	0.01 99	0.00 1	0.00 1	0.00 1	0.08 108	0.08 117

DeepStereo_RVC	2.17 50	0.42 64	2.72 58	1.42 123	0.19 53	3.67 130	0.71 107	5.48 78	4.99 89	8.61 178	5.87 67	4.05 94	1.21 48	2.67 41	1.28 71	0.03 176	0.00 1	0.00 1	0.00 1	0.02 27	0.06 101

222	2.20 52	0.61 114	5.31 194	0.31 30	0.19 53	1.69 25	0.11 15	5.37 72	8.54 187	5.80 77	5.17 47	1.44 30	5.41 186	2.00 28	1.92 112	0.00 1	0.00 1	0.00 1	0.00 1	0.04 70	0.18 179

CrosDoStereo	3.96 179	0.45 74	3.04 80	0.32 35	0.20 55	3.28 115	11.63 295	5.76 87	4.45 67	9.04 191	16.58 227	4.99 118	7.45 231	8.04 160	3.72 178	0.00 1	0.02 146	0.01 193	0.00 1	0.16 162	0.10 136

DeepStereo_LL	3.96 179	0.45 74	3.04 80	0.32 35	0.20 55	3.28 115	11.63 295	5.76 87	4.45 67	9.04 191	16.58 227	4.99 118	7.45 231	8.04 160	3.72 178	0.00 1	0.02 146	0.01 193	0.00 1	0.16 162	0.10 136

MIPNet	2.06 45	0.69 136	4.57 162	0.32 35	0.21 57	1.92 36	0.19 35	6.89 124	5.64 113	5.48 70	4.02 30	2.02 50	3.50 120	3.32 49	2.01 120	0.00 1	0.01 109	0.01 193	0.01 167	0.20 186	0.13 155

IIG-Stereo	3.16 125	0.75 145	2.83 68	4.08 285	0.21 57	2.56 68	0.74 111	6.55 114	5.56 108	8.39 170	9.38 149	7.94 181	2.79 102	9.50 228	1.89 107	0.02 154	0.00 1	0.00 1	0.00 1	0.02 27	0.04 81

RAFT-345	3.27 130	0.41 62	2.88 73	1.02 90	0.21 57	2.63 73	0.48 67	3.76 9	5.51 104	7.35 136	24.88 274	4.25 101	1.76 77	8.15 170	2.13 127	0.01 99	0.00 1	0.00 1	0.00 1	0.01 7	0.01 14

test-3	1.86 30	0.21 4	2.46 38	1.03 92	0.22 60	1.38 10	0.83 126	4.65 31	5.04 90	7.26 131	1.78 12	4.10 97	0.41 8	6.53 107	0.76 24	0.00 1	0.00 1	0.00 1	0.29 262	0.18 178	0.14 159

test_1	1.85 29	0.21 4	2.45 36	1.02 90	0.22 60	1.37 9	0.82 123	4.66 33	5.06 91	7.02 124	1.73 10	4.09 96	0.41 8	6.51 105	0.76 24	0.00 1	0.00 1	0.00 1	0.29 262	0.18 178	0.14 159

test_3	1.88 32	0.22 7	2.75 61	0.96 86	0.22 60	1.28 7	0.77 115	4.62 28	5.87 118	6.55 114	1.84 14	4.28 102	0.45 11	6.48 102	0.76 24	0.00 1	0.01 109	0.00 1	0.28 261	0.17 168	0.14 159

CREStereo	0.98 2	0.42 64	1.86 7	0.07 3	0.22 60	1.65 21	0.02 6	4.07 14	6.33 135	0.72 8	1.54 8	0.43 10	0.64 16	1.22 8	0.44 4	0.00 1	0.00 1	0.00 1	0.00 1	0.01 7	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
ff	2.20 52	0.65 127	5.13 183	0.45 43	0.23 64	5.02 177	0.20 37	5.01 50	9.46 201	4.82 57	3.41 25	1.38 26	3.06 111	2.54 40	2.05 123	0.00 1	0.00 1	0.00 1	0.00 1	0.05 90	0.46 245

KMStereo	2.55 84	0.34 32	3.09 89	0.99 88	0.23 64	3.76 138	0.59 87	5.10 53	4.72 80	9.97 220	6.44 84	4.76 114	1.32 55	8.52 187	1.10 56	0.00 1	0.00 1	0.00 1	0.00 1	0.02 27	0.03 55

ROB_FTStereo_v2	2.59 89	0.37 50	3.38 104	1.08 98	0.23 64	3.90 147	0.94 137	5.57 81	5.71 116	9.39 203	6.78 90	4.00 91	1.23 50	8.06 164	1.12 60	0.01 99	0.00 1	0.00 1	0.00 1	0.02 27	0.02 30

ccc-4	2.69 95	0.77 148	6.15 217	0.76 64	0.24 67	3.79 143	0.32 52	4.95 39	10.39 216	6.30 106	9.44 150	1.12 21	2.82 103	3.72 55	2.72 147	0.00 1	0.00 1	0.00 1	0.00 1	0.14 156	0.14 159

PSM-adaLoss	2.76 104	0.36 46	3.86 136	1.16 105	0.24 67	3.84 145	0.97 140	4.99 46	3.79 40	9.69 212	5.15 46	4.51 108	6.91 222	8.87 205	0.81 31	0.00 1	0.00 1	0.00 1	0.00 1	0.02 27	0.02 30

iRaft-Stereo_5w	2.86 112	0.86 165	4.08 144	0.06 2	0.25 69	2.76 80	0.60 90	4.97 43	4.10 55	2.98 25	7.85 118	10.17 209	4.17 144	8.16 171	5.83 208	0.00 1	0.00 1	0.00 1	0.01 167	0.26 215	0.06 101

Pruner-Stereo	2.49 78	0.40 59	2.46 38	1.80 160	0.25 69	3.51 124	0.77 115	6.03 93	4.92 87	8.91 188	6.09 70	4.45 104	1.11 36	6.99 117	2.11 125	0.02 154	0.00 1	0.02 216	0.00 1	0.01 7	0.04 81

MLCV	3.44 148	0.88 169	5.60 203	1.39 119	0.25 69	4.36 161	0.33 54	7.25 129	7.28 156	9.17 195	12.24 192	5.09 124	2.47 90	9.15 214	3.23 162	0.00 1	0.00 1	0.00 1	0.00 1	0.10 122	0.02 30

FENet	2.19 51	0.34 32	3.04 80	2.05 188	0.26 72	2.82 85	0.13 24	7.02 126	5.55 106	4.97 59	1.94 15	4.91 116	3.39 118	4.71 68	2.50 139	0.02 154	0.03 166	0.00 1	0.00 1	0.00 1	0.21 195

DCRE	1.79 21	0.68 132	2.55 43	1.66 150	0.27 73	1.27 6	0.05 9	4.57 26	4.04 52	3.30 31	9.24 143	3.83 87	1.20 47	2.08 32	0.67 15	0.00 1	0.12 234	0.00 1	0.24 253	0.04 70	0.09 124

GMOStereo	1.81 23	0.47 81	2.09 19	0.10 5	0.27 73	1.49 13	0.89 130	4.40 17	4.51 70	8.16 163	6.97 96	2.96 67	1.15 40	1.42 9	0.88 38	0.00 1	0.14 241	0.00 1	0.00 1	0.23 204	0.03 55

error version	1.81 23	0.47 81	2.09 19	0.10 5	0.27 73	1.49 13	0.89 130	4.40 17	4.51 70	8.16 163	6.97 96	2.96 67	1.15 40	1.42 9	0.88 38	0.00 1	0.14 241	0.00 1	0.00 1	0.23 204	0.03 55

test-v	1.81 23	0.47 81	2.09 19	0.10 5	0.27 73	1.49 13	0.89 130	4.40 17	4.51 70	8.16 163	6.97 96	2.96 67	1.15 40	1.42 9	0.88 38	0.00 1	0.14 241	0.00 1	0.00 1	0.23 204	0.03 55

NF-Stereo	2.50 81	0.37 50	3.05 85	1.08 98	0.27 73	3.90 147	0.89 130	5.03 51	5.38 99	9.78 215	5.04 43	4.50 107	1.29 54	8.40 181	0.93 47	0.01 99	0.00 1	0.00 1	0.00 1	0.03 55	0.02 30

test-2	1.81 23	0.47 81	2.09 19	0.10 5	0.27 73	1.49 13	0.89 130	4.40 17	4.51 70	8.16 163	6.97 96	2.96 67	1.15 40	1.42 9	0.88 38	0.00 1	0.14 241	0.00 1	0.00 1	0.23 204	0.03 55

raft_robust	2.64 93	1.20 211	2.62 49	1.10 101	0.28 79	1.50 17	0.12 20	6.28 103	9.04 195	6.80 120	7.19 105	3.73 86	2.13 82	9.06 211	1.07 54	0.03 176	0.12 234	0.00 1	0.21 247	0.17 168	0.22 197

TestStereo	1.74 19	1.02 190	3.64 118	0.20 17	0.28 79	1.33 8	0.01 1	5.24 61	4.01 50	3.18 26	4.97 40	2.07 51	0.70 18	7.32 128	0.75 23	0.02 154	0.00 1	0.00 1	0.00 1	0.01 7	0.00 1

Sa-1000	3.55 150	0.75 145	3.63 117	1.91 170	0.30 81	3.55 126	1.63 172	7.39 130	8.54 187	7.70 145	17.44 242	4.00 91	2.82 103	9.44 226	1.33 75	0.00 1	0.10 221	0.00 1	0.18 239	0.21 193	0.04 81

SA	3.06 118	0.74 143	3.79 127	1.60 143	0.30 81	3.19 113	1.43 165	6.72 120	9.06 196	4.63 52	10.80 168	2.89 65	4.71 164	9.62 229	1.18 68	0.00 1	0.09 218	0.00 1	0.19 242	0.23 204	0.02 30

TransformOpticalFlow	3.38 143	0.70 137	4.54 158	1.00 89	0.30 81	3.56 127	0.14 27	9.67 164	7.30 157	5.55 71	13.34 202	6.74 158	5.03 178	8.22 175	1.34 76	0.00 1	0.01 109	0.01 193	0.00 1	0.04 70	0.11 143

RAFT_R40	2.71 99	0.33 29	3.00 77	1.26 109	0.30 81	3.83 144	1.00 142	5.69 84	4.29 61	9.69 212	6.33 81	5.02 123	4.02 137	8.58 191	0.86 35	0.01 99	0.00 1	0.00 1	0.00 1	0.03 55	0.02 30

CFNet-RSSM	2.11 47	0.33 29	2.71 56	1.04 94	0.30 81	3.21 114	0.41 63	6.67 118	6.96 147	5.62 72	4.58 35	5.40 133	1.71 70	1.86 23	0.87 37	0.00 1	0.08 212	0.00 1	0.32 265	0.02 27	0.02 30

Gwc-CoAtRS	2.02 40	0.33 29	2.61 48	1.04 94	0.30 81	3.56 127	0.40 62	5.89 91	5.94 120	5.08 61	5.01 42	5.55 135	1.72 71	1.60 18	0.91 43	0.01 99	0.09 218	0.00 1	0.25 256	0.01 7	0.02 30

IPLG	2.43 69	0.66 130	4.77 169	0.54 48	0.31 87	3.01 100	0.26 48	6.15 100	5.55 106	7.69 144	6.21 75	1.89 46	1.74 74	7.19 122	2.35 136	0.01 99	0.01 109	0.00 1	0.00 1	0.24 214	0.12 149

HHNet	2.59 89	0.55 102	2.55 43	0.20 17	0.32 88	2.84 89	0.94 137	5.77 90	5.14 95	7.33 135	13.80 207	0.94 18	3.20 114	5.27 78	2.41 137	0.13 228	0.02 146	0.06 246	0.00 1	0.23 204	0.03 55

SGM_RVC	10.08 279	0.60 111	3.42 107	2.30 210	0.32 88	19.41 290	6.33 259	18.95 285	14.64 248	25.14 295	24.32 272	33.34 302	18.79 288	19.86 292	12.55 271	0.25 252	0.26 274	0.22 274	0.24 253	0.34 235	0.40 238
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GwcNet-ADL	2.65 94	0.48 87	3.84 135	0.82 69	0.33 90	2.04 40	0.69 104	8.07 138	9.42 200	6.05 87	6.66 88	4.14 99	1.73 72	5.40 82	3.01 152	0.08 216	0.06 192	0.00 1	0.00 1	0.06 98	0.03 55

SST-Stereo	2.75 103	0.31 16	2.78 65	1.33 114	0.33 90	3.99 151	0.82 123	5.60 82	3.93 46	10.92 240	6.19 74	5.00 121	4.23 146	8.66 193	0.74 21	0.00 1	0.00 1	0.00 1	0.00 1	0.03 55	0.03 55

MSMDNet	2.02 40	0.37 50	2.84 70	1.14 104	0.34 92	3.73 136	0.53 75	6.21 102	3.55 33	5.32 67	5.17 47	5.85 142	1.74 74	2.23 35	0.91 43	0.01 99	0.10 221	0.00 1	0.24 253	0.02 27	0.02 30

iResNet	3.68 159	0.91 175	7.94 244	2.97 249	0.34 92	4.44 166	0.48 67	7.70 134	9.74 206	7.72 146	12.74 197	4.03 93	2.87 108	8.05 163	3.37 167	0.02 154	0.01 109	0.00 1	0.00 1	0.10 122	0.09 124

RE-Stereo	3.61 154	0.46 77	3.87 137	1.71 153	0.35 94	2.95 95	9.18 281	6.09 98	3.81 41	9.31 199	10.86 172	6.46 153	5.99 203	8.80 199	1.89 107	0.20 244	0.00 1	0.00 1	0.00 1	0.18 178	0.14 159

TVStereo	3.61 154	0.46 77	3.87 137	1.71 153	0.35 94	2.95 95	9.20 282	6.08 97	3.82 42	9.31 199	10.85 171	6.46 153	5.98 202	8.80 199	1.91 109	0.20 244	0.00 1	0.00 1	0.00 1	0.17 168	0.14 159

CASS	2.44 71	0.44 71	3.56 113	0.85 73	0.38 96	3.14 107	0.22 40	9.64 163	4.00 49	6.78 118	7.62 114	3.57 81	3.58 124	3.80 58	1.10 56	0.02 154	0.01 109	0.00 1	0.00 1	0.05 90	0.01 14
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
FTStereo	4.55 209	0.36 46	2.18 27	0.94 80	0.38 96	2.60 69	8.82 277	4.98 45	3.17 18	10.88 238	30.35 288	5.60 136	7.60 236	7.62 140	1.55 88	0.17 237	0.00 1	0.05 243	0.00 1	0.03 55	3.80 298

AAGNet	3.41 145	0.34 32	2.45 36	1.78 159	0.39 98	3.69 134	1.05 146	4.79 36	4.61 75	9.62 210	7.74 117	4.98 117	6.38 211	7.34 129	13.02 272	0.00 1	0.00 1	0.00 1	0.00 1	0.03 55	0.04 81

MSMD_ROB	9.28 272	1.09 201	4.65 164	1.58 138	0.39 98	16.52 278	4.41 231	13.60 241	14.87 251	22.34 285	39.89 305	25.67 291	20.71 294	12.42 258	6.98 221	0.34 262	0.03 166	0.00 1	0.00 1	0.05 90	0.09 124

PSMNet-ADL	2.98 116	0.43 69	2.41 34	1.43 124	0.40 100	5.94 188	0.28 49	8.45 143	5.13 94	3.36 33	6.77 89	8.41 187	4.61 160	7.20 123	4.55 193	0.02 154	0.09 218	0.00 1	0.00 1	0.01 7	0.03 55

GANetREF_RVC	6.56 236	2.89 272	7.58 243	3.41 265	0.40 100	12.96 266	9.58 285	15.09 256	17.25 264	10.33 226	10.62 165	12.27 233	8.16 241	12.21 255	4.53 192	0.41 269	0.00 1	0.00 1	0.02 182	3.12 296	0.39 237
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
StereoDRNet-Refined	4.46 203	0.62 120	3.80 128	1.92 171	0.40 100	9.35 232	0.15 30	10.02 172	8.83 194	12.69 254	11.62 182	9.34 197	3.87 133	8.06 164	8.02 233	0.00 1	0.00 1	0.01 193	0.05 210	0.20 186	0.26 216
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
IRAFT_RVC	2.85 108	0.41 62	3.32 100	2.09 190	0.41 103	2.92 92	5.22 245	6.41 112	3.63 35	6.53 113	5.48 61	5.09 124	4.88 175	8.20 174	2.15 129	0.01 99	0.17 252	0.01 193	0.00 1	0.02 27	0.04 81

test-1	1.82 27	0.45 74	5.42 196	0.89 75	0.41 103	2.14 44	0.56 82	5.75 85	4.15 58	3.28 30	5.11 44	3.61 82	0.70 18	1.53 16	1.56 90	0.02 154	0.34 278	0.00 1	0.08 218	0.02 27	0.30 226

RAFT-RH_RVC	3.96 179	0.46 77	2.93 75	1.55 133	0.42 105	3.14 107	0.14 27	3.70 8	5.98 124	11.25 245	32.23 292	5.29 129	1.68 68	8.13 168	2.14 128	0.08 216	0.00 1	0.00 1	0.03 193	0.01 7	0.00 1

TestStereo1	2.85 108	0.81 157	3.48 108	3.11 255	0.44 106	2.52 63	1.50 166	6.37 107	8.18 177	4.62 49	9.24 143	2.23 53	3.69 128	9.19 216	1.26 69	0.00 1	0.01 109	0.00 1	0.00 1	0.27 219	0.09 124

SA-5K	2.85 108	0.81 157	3.48 108	3.11 255	0.44 106	2.52 63	1.50 166	6.37 107	8.18 177	4.62 49	9.24 143	2.23 53	3.69 128	9.19 216	1.26 69	0.00 1	0.01 109	0.00 1	0.00 1	0.27 219	0.09 124

CroCo-Stereo	0.99 3	0.89 172	3.19 95	0.46 44	0.44 106	0.38 1	0.05 9	4.61 27	3.95 47	0.48 6	1.78 12	1.01 20	0.27 4	1.11 6	1.07 54	0.01 99	0.00 1	0.00 1	0.00 1	0.05 90	0.04 81
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
FADNet-RVC	3.98 183	1.84 253	12.48 270	1.69 152	0.44 106	4.33 159	1.31 161	11.84 212	7.15 153	3.53 36	3.50 27	10.63 218	4.43 156	9.12 212	6.25 212	0.03 176	0.10 221	0.00 1	0.03 193	0.60 260	0.25 211

CBMV	5.35 216	0.91 175	3.67 119	1.62 146	0.44 106	10.09 241	7.19 271	12.49 227	12.33 238	12.22 250	14.69 216	10.93 223	6.48 212	8.51 186	4.96 197	0.02 154	0.15 246	0.00 1	0.00 1	0.17 168	0.17 175
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ASMatch	3.32 136	0.50 90	3.32 100	1.72 155	0.45 111	1.93 37	0.68 100	6.42 113	3.89 44	6.18 100	22.30 263	4.61 112	4.82 173	7.65 141	1.70 94	0.00 1	0.02 146	0.00 1	0.03 193	0.01 7	0.18 179

BUS	2.49 78	0.32 20	3.05 85	0.46 44	0.46 112	7.12 207	0.50 73	9.05 152	4.69 77	6.11 94	6.15 71	5.29 129	0.83 27	3.91 59	1.77 98	0.01 99	0.03 166	0.03 229	0.00 1	0.04 70	0.00 1

BSDual-CNN	2.69 95	0.32 20	3.05 85	0.46 44	0.46 112	7.13 209	1.63 172	9.05 152	4.69 77	6.11 94	6.15 71	6.26 149	2.54 92	3.91 59	1.91 109	0.01 99	0.03 166	0.03 229	0.00 1	0.04 70	0.00 1

psmg	3.10 122	0.32 20	3.05 85	0.54 48	0.46 112	8.68 225	2.84 195	9.87 167	4.69 77	8.08 160	8.69 130	6.26 149	2.54 92	3.91 59	1.91 109	0.01 99	0.04 178	0.06 246	0.00 1	0.11 131	0.00 1

NRIStereo	2.59 89	0.22 7	2.23 28	1.05 96	0.46 112	2.05 41	3.25 207	5.24 61	3.49 28	9.77 214	9.12 139	2.68 60	4.05 139	6.30 97	1.11 58	0.01 99	0.00 1	0.00 1	0.00 1	0.11 131	0.61 260

KYRaft	3.59 152	0.31 16	1.84 6	0.76 64	0.46 112	2.29 52	4.04 222	4.75 34	3.25 20	8.93 190	19.47 250	6.62 157	5.07 180	7.79 152	0.71 19	0.01 99	0.00 1	0.00 1	0.01 167	0.04 70	5.38 305

sAnonymous2	1.35 9	1.66 244	8.14 246	0.55 50	0.46 112	1.23 4	0.24 44	4.00 12	3.47 26	0.40 3	1.11 1	0.23 3	1.42 60	0.96 4	0.57 12	0.01 99	0.00 1	0.00 1	0.20 244	2.07 290	0.22 197

CroCo_RVC	1.35 9	1.66 244	8.14 246	0.55 50	0.46 112	1.23 4	0.24 44	4.00 12	3.47 26	0.40 3	1.11 1	0.23 3	1.42 60	0.96 4	0.57 12	0.01 99	0.00 1	0.00 1	0.20 244	2.07 290	0.22 197

GMM-Stereo	3.32 136	0.27 10	2.52 41	0.82 69	0.48 119	2.27 51	4.91 240	5.06 52	3.08 14	7.06 126	16.72 230	6.21 148	3.70 130	7.60 139	1.16 66	0.04 193	0.00 1	0.00 1	0.04 206	0.10 122	4.45 300

AdaStereo	3.09 119	0.58 108	3.04 80	2.84 241	0.48 119	4.08 153	1.29 160	12.16 224	7.77 168	6.03 86	9.62 153	5.79 140	1.53 65	4.56 67	1.93 118	0.00 1	0.00 1	0.00 1	0.00 1	0.02 27	0.02 30
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.
knoymous	1.36 11	0.21 4	1.68 5	0.20 17	0.49 121	1.58 19	0.11 15	5.15 56	2.40 2	4.62 49	1.77 11	4.56 110	0.45 11	3.23 47	0.63 14	0.00 1	0.02 146	0.00 1	0.00 1	0.02 27	0.01 14

Prome-Stereo	3.65 157	0.29 12	1.92 9	0.91 77	0.49 121	2.07 42	4.75 238	4.41 21	3.23 19	9.32 202	20.63 256	4.06 95	7.19 227	7.70 145	1.17 67	0.00 1	0.00 1	0.00 1	0.00 1	0.05 90	4.72 303

OCTAStereo	2.32 61	0.34 32	3.13 91	2.55 229	0.50 123	3.05 102	0.46 65	5.24 61	5.58 110	9.58 209	5.38 59	3.11 73	0.68 17	4.86 70	1.96 119	0.02 154	0.00 1	0.00 1	0.00 1	0.01 7	0.01 14

Anonymous3	1.76 20	0.44 71	6.37 222	0.33 38	0.50 123	4.33 159	0.54 78	4.43 22	2.48 3	2.21 13	3.24 24	1.53 36	1.14 38	5.64 83	1.29 73	0.17 237	0.23 267	0.00 1	0.00 1	0.12 140	0.15 170

OMP-Stereo	3.03 117	0.93 181	2.72 58	4.21 289	0.51 125	2.19 47	1.25 156	6.19 101	6.00 125	7.99 159	6.21 75	8.50 193	2.49 91	9.44 226	1.74 97	0.01 99	0.00 1	0.00 1	0.00 1	0.08 108	0.05 96

PSM-AAD	3.33 139	0.20 2	1.47 3	0.73 62	0.54 126	2.55 66	6.19 253	4.97 43	3.27 21	10.92 240	11.92 183	2.95 66	9.59 255	7.90 156	0.82 32	0.01 99	0.01 109	0.00 1	0.00 1	0.04 70	2.47 294

PSM-softLoss	3.56 151	0.23 9	2.15 26	0.76 64	0.55 127	2.17 46	7.72 273	4.65 31	3.15 17	9.31 199	21.05 257	4.69 113	4.54 157	7.48 135	1.53 87	0.01 99	0.01 109	0.00 1	0.01 167	0.09 118	1.10 274

LCNet	2.85 108	0.42 64	1.90 8	0.95 84	0.56 128	2.07 42	1.60 170	4.99 46	3.57 34	6.05 87	10.59 164	4.59 111	6.79 221	7.46 132	0.72 20	0.01 99	0.00 1	0.01 193	0.77 287	0.30 224	3.57 296

EAI-Stereo	2.31 60	0.44 71	2.72 58	0.68 60	0.56 128	3.51 124	2.62 190	11.42 202	4.14 57	2.09 12	7.23 107	1.21 25	0.91 29	5.67 84	1.51 85	0.01 99	0.25 272	0.00 1	0.88 289	0.04 70	0.26 216

iGMRVC	3.32 136	0.48 87	3.16 93	1.24 107	0.58 130	1.67 22	0.77 115	5.40 76	4.26 60	6.33 107	25.06 276	3.93 88	5.49 194	6.45 101	1.35 77	0.01 99	0.00 1	0.00 1	0.00 1	0.01 7	0.22 197

ACVNet	2.58 88	0.53 98	2.69 53	0.84 72	0.59 131	2.61 70	0.55 80	8.35 139	5.70 114	4.45 44	9.26 146	5.77 138	3.50 120	2.24 36	4.41 190	0.00 1	0.00 1	0.00 1	0.00 1	0.17 168	0.01 14

STrans-v2	3.43 147	0.73 141	4.82 170	0.26 25	0.60 132	3.00 99	1.19 154	10.41 182	7.22 154	5.79 76	10.97 173	6.75 159	7.03 226	8.25 177	1.40 79	0.00 1	0.01 109	0.00 1	0.00 1	0.03 55	0.18 179

GrayStereo	3.74 163	0.20 2	1.94 12	1.55 133	0.60 132	3.12 106	8.22 274	5.76 87	3.32 22	10.40 229	16.66 229	5.81 141	8.60 246	6.57 108	1.37 78	0.01 99	0.00 1	0.01 193	0.63 282	0.02 27	0.04 81

AACVNet	3.33 139	1.03 192	3.56 113	3.46 268	0.63 134	3.09 103	0.28 49	8.78 149	3.43 25	5.99 85	10.64 166	10.08 207	4.03 138	8.69 194	2.51 140	0.03 176	0.01 109	0.00 1	0.00 1	0.26 215	0.06 101

SGM-Forest	4.96 211	0.32 20	2.84 70	1.21 106	0.64 135	10.23 243	6.64 264	11.55 204	10.98 219	10.94 242	13.59 205	11.65 229	4.30 150	8.94 207	4.63 194	0.11 223	0.04 178	0.00 1	0.00 1	0.05 90	0.46 245
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FADNet-RVC-Resample	3.79 169	1.62 241	12.06 266	1.43 124	0.66 136	5.94 188	2.41 185	10.18 178	8.58 191	6.28 105	4.22 31	5.33 132	4.80 172	7.71 146	3.19 160	0.17 237	0.21 262	0.17 269	0.12 231	0.41 249	0.29 223

CSAN	7.62 252	1.60 240	6.56 228	1.83 161	0.66 136	12.40 262	10.52 291	14.45 251	21.32 279	14.19 265	15.98 224	17.84 265	13.02 274	12.32 256	8.38 239	0.09 220	0.07 203	0.03 229	0.04 206	0.33 232	0.67 262

ssnet_v2	4.46 203	0.87 166	5.18 187	1.57 137	0.67 138	9.14 230	4.73 237	11.84 212	9.68 204	8.79 182	6.24 78	9.91 204	4.34 153	6.28 95	9.30 250	0.00 1	0.01 109	0.00 1	0.00 1	0.28 221	0.30 226

iRaft-Stereo_20w	2.56 85	0.35 42	4.98 176	0.37 41	0.67 138	3.47 120	0.59 87	12.57 230	3.89 44	6.10 93	6.23 77	1.49 34	2.24 86	6.65 110	0.86 35	0.00 1	0.19 258	0.00 1	0.33 267	0.08 108	0.22 197

HSM-Net_RVC	4.20 193	0.32 20	2.76 63	0.63 57	0.69 140	6.95 205	1.69 176	11.96 217	8.36 182	8.83 184	12.17 189	15.18 251	4.21 145	6.91 114	3.30 166	0.02 154	0.02 146	0.00 1	0.00 1	0.01 7	0.01 14
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ICVP	2.32 61	0.38 55	2.89 74	0.92 79	0.70 141	2.55 66	0.87 129	9.97 170	3.99 48	4.13 42	8.97 138	2.71 61	1.69 69	2.52 39	3.52 174	0.05 203	0.24 271	0.01 193	0.01 167	0.11 131	0.13 155

SANet	10.64 284	1.86 255	10.91 259	1.76 157	0.71 142	14.62 273	9.23 283	19.18 287	37.14 306	19.22 279	27.96 280	25.86 292	19.11 290	13.02 263	10.63 260	0.08 216	0.06 192	0.03 229	0.02 182	0.62 261	0.81 266

hitnet-ft	3.66 158	0.65 127	2.79 67	0.89 75	0.72 143	4.25 157	0.55 80	9.11 155	7.52 163	7.14 128	10.19 159	12.49 234	4.70 163	7.44 131	4.41 190	0.03 176	0.00 1	0.06 246	0.00 1	0.20 186	0.04 81

ssnet	6.85 245	1.22 212	11.02 262	2.97 249	0.74 144	11.08 253	5.34 248	18.29 280	11.09 220	10.91 239	15.96 223	14.08 245	6.66 217	12.39 257	14.48 280	0.03 176	0.01 109	0.00 1	0.00 1	0.37 239	0.36 232

FADNet_RVC	3.91 178	1.67 246	12.95 274	0.96 86	0.75 145	5.71 186	0.54 78	10.83 191	6.60 139	3.46 34	8.09 123	4.10 97	3.40 119	9.43 224	6.33 213	0.36 263	0.44 286	0.17 269	0.46 279	0.91 272	0.95 270

SGM-ForestM	16.99 305	1.08 199	5.74 205	2.12 193	0.75 145	31.63 305	12.21 297	27.80 308	32.25 298	37.88 305	39.99 306	52.96 312	35.20 310	33.60 308	24.47 299	0.26 254	0.39 282	0.31 280	0.39 273	0.26 215	0.53 253

DN-CSS_ROB	2.69 95	1.40 228	5.34 195	2.31 212	0.75 145	3.14 107	0.06 11	6.11 99	3.87 43	5.34 68	12.18 190	2.34 55	1.22 49	7.84 153	1.48 84	0.03 176	0.00 1	0.00 1	0.00 1	0.35 236	0.03 55

CBMV_ROB	4.14 188	0.52 94	3.14 92	1.30 113	0.77 148	6.92 204	1.97 180	10.11 176	9.58 203	8.92 189	14.20 212	7.12 168	5.90 200	8.65 192	3.50 172	0.01 99	0.05 185	0.00 1	0.00 1	0.04 70	0.09 124

ETE_ROB	5.80 219	1.77 250	6.33 220	1.44 127	0.78 149	6.43 195	6.90 267	12.53 228	8.08 174	12.93 259	14.89 217	21.13 284	5.87 199	9.83 230	6.57 218	0.04 193	0.01 109	0.00 1	0.02 182	0.08 108	0.33 229

RALAANet	2.46 75	1.09 201	3.70 124	2.55 229	0.80 150	3.37 117	0.15 30	7.44 132	5.54 105	5.65 73	6.01 69	3.54 80	1.13 37	6.34 99	1.58 91	0.00 1	0.01 109	0.00 1	0.05 210	0.21 193	0.03 55

FADNet	4.23 195	1.65 243	11.75 265	1.64 148	0.80 150	4.80 172	0.77 115	13.76 244	11.65 229	3.97 40	5.24 55	9.62 200	5.14 182	8.40 181	3.78 180	0.21 247	0.04 178	0.07 252	0.05 210	1.14 277	0.10 136

PFNet	2.93 114	0.40 59	5.51 200	2.13 195	0.84 152	3.11 105	0.75 113	6.78 122	4.79 84	9.98 221	6.00 68	4.78 115	2.13 82	8.33 178	2.11 125	0.19 241	0.06 192	0.00 1	0.11 229	0.20 186	0.35 231

raft+_RVC	1.79 21	0.84 162	2.32 31	2.40 218	0.85 153	1.38 10	0.09 14	6.36 105	4.75 83	2.85 23	5.46 60	1.17 24	1.36 58	4.54 66	0.91 43	0.00 1	0.10 221	0.00 1	0.00 1	0.11 131	0.22 197

psmorigin	7.34 250	1.58 238	18.31 287	2.35 215	0.87 154	6.72 200	1.70 178	10.63 186	7.14 152	19.77 282	22.71 265	20.13 280	11.34 265	12.96 262	9.49 252	0.04 193	0.17 252	0.06 246	0.17 237	0.21 193	0.50 250

riskmin	1.88 32	0.15 1	2.11 25	1.38 117	0.88 155	2.40 59	0.04 7	5.93 92	6.10 128	2.25 14	1.34 6	6.06 144	5.08 181	2.78 43	1.01 53	0.00 1	0.02 146	0.00 1	0.00 1	0.01 7	0.06 101

DMCA	2.82 107	0.64 122	4.45 155	1.61 144	0.89 156	3.86 146	0.57 85	9.18 156	5.10 93	6.24 103	6.49 85	7.17 169	2.13 82	3.31 48	4.73 195	0.00 1	0.01 109	0.00 1	0.00 1	0.04 70	0.02 30

GANet	6.22 229	1.07 197	4.07 143	2.27 207	0.89 156	9.19 231	9.52 284	12.02 218	8.13 176	10.72 235	29.09 284	13.86 241	7.52 235	11.00 245	4.39 189	0.36 263	0.00 1	0.02 216	0.02 182	0.12 140	0.08 117

XPNet_ROB	6.03 227	1.22 212	5.61 204	2.56 231	0.90 158	6.32 192	7.07 269	12.92 233	8.30 180	14.76 269	15.13 219	19.84 278	6.66 217	10.36 235	8.58 242	0.02 154	0.04 178	0.00 1	0.03 193	0.11 131	0.24 208

EDNetEfficientorigin	17.87 307	14.00 311	99.53 319	1.64 148	0.92 159	10.55 248	6.26 258	13.21 238	34.84 302	38.20 306	36.91 303	27.47 295	26.32 305	14.71 276	25.69 303	0.04 193	0.06 192	0.14 265	0.52 281	3.16 297	3.27 295

NCCL2	5.88 221	1.59 239	5.44 197

Low-res two-view benchmark