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

XX-Stereo	2.71 61	0.38 42	5.96 147	2.25 147	2.20 160	1.54 7	0.21 24	5.44 39	3.05 6	2.28 11	16.16 169	7.03 110	0.24 1	6.19 53	0.79 20	0.00 1	0.15 177	0.00 1	0.23 187	0.13 116	0.04 69

XX-TBD	1.44 9	0.85 115	2.04 7	2.45 161	0.05 4	2.34 23	0.01 1	3.46 4	7.51 116	2.88 13	4.98 27	0.26 4	0.25 2	1.15 6	0.46 3	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo++_RVC	1.59 10	0.39 47	2.26 12	0.36 25	0.01 1	1.67 10	0.01 1	2.95 1	8.12 127	3.69 23	7.44 80	0.47 9	0.32 3	0.74 1	0.39 1	0.00 1	0.00 1	0.00 1	3.03 229	0.00 1	0.00 1

GMStereo	1.83 18	0.99 132	4.55 114	0.57 30	0.05 4	2.53 29	0.01 1	4.95 19	11.14 153	3.52 20	2.24 10	0.53 11	0.49 4	3.76 34	0.80 21	0.20 174	0.00 1	0.00 1	0.12 175	0.12 106	0.00 1
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. arXiv 2022
CroCo-Stereo	1.05 2	0.26 2	2.66 25	0.20 9	1.31 129	3.32 63	1.79 123	4.41 10	1.04 1	1.56 7	0.32 1	1.53 19	0.61 5	0.88 2	0.78 18	0.00 1	0.00 1	0.00 1	0.01 124	0.06 77	0.15 126

iRaftStereo_RVC	1.62 11	0.68 93	1.98 6	0.67 32	0.05 4	2.99 53	0.04 7	5.36 33	3.74 20	3.82 24	4.96 25	2.54 31	0.62 6	3.35 30	0.97 38	0.00 1	0.07 149	0.00 1	0.00 1	0.30 160	0.27 162

CREStereo	0.98 1	0.42 52	1.86 2	0.07 1	0.22 38	1.65 9	0.02 6	4.07 8	6.33 92	0.72 5	1.54 5	0.43 7	0.64 7	1.22 7	0.44 2	0.00 1	0.00 1	0.00 1	0.00 1	0.01 6	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
TANstereo	1.20 3	0.49 66	2.04 7	0.34 24	0.10 14	1.80 16	0.01 1	3.40 3	4.10 34	4.37 27	4.82 22	0.41 6	0.70 8	0.94 3	0.46 3	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

GMO-cross-data	1.82 17	0.45 56	5.42 133	0.89 39	0.41 75	2.14 18	0.56 51	5.75 48	4.15 37	3.28 18	5.11 30	3.61 41	0.70 8	1.53 9	1.56 61	0.02 102	0.34 204	0.00 1	0.08 163	0.02 17	0.30 167

TestStereo	1.74 13	1.02 135	3.64 84	0.20 9	0.28 52	1.33 4	0.01 1	5.24 29	4.01 29	3.18 14	4.97 26	2.07 28	0.70 8	7.32 70	0.75 15	0.02 102	0.00 1	0.00 1	0.00 1	0.01 6	0.00 1

DIP-Stereo	1.97 23	0.64 87	2.95 46	0.17 8	0.10 14	4.83 123	0.13 14	8.60 96	4.06 32	6.42 68	4.92 24	0.44 8	0.72 11	3.57 31	1.80 69	0.00 1	0.01 87	0.00 1	0.00 1	0.05 72	0.04 69
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RAFT-Stereo	2.44 38	0.32 9	1.93 3	0.94 43	0.16 24	3.67 72	0.61 61	6.37 71	3.08 8	9.14 122	17.44 180	1.80 22	0.77 12	1.76 13	0.70 9	0.00 1	0.01 87	0.00 1	0.00 1	0.01 6	0.03 48
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
R-Stereo Train	2.44 38	0.32 9	1.93 3	0.94 43	0.16 24	3.67 72	0.61 61	6.37 71	3.08 8	9.14 122	17.44 180	1.80 22	0.77 12	1.76 13	0.70 9	0.00 1	0.01 87	0.00 1	0.00 1	0.01 6	0.03 48

TRStereo	2.36 37	3.10 205	4.70 120	1.99 122	2.08 154	2.61 33	1.11 103	8.79 99	3.73 19	3.19 15	3.04 11	3.96 45	0.77 12	5.92 50	1.44 57	0.03 119	0.14 175	0.00 1	0.29 196	0.08 84	0.25 155

RALCasStereoNet	1.93 21	1.01 133	2.75 33	1.88 110	1.75 144	2.88 46	0.18 22	4.64 12	4.36 47	2.27 10	5.14 31	2.22 29	0.79 15	7.10 67	1.00 41	0.00 1	0.34 204	0.00 1	0.00 1	0.10 92	0.16 131

s12784h	1.89 20	0.30 6	2.57 21	0.11 3	0.09 12	4.18 107	0.13 14	6.61 78	7.44 115	3.62 22	4.28 17	0.59 12	0.81 16	6.61 61	0.46 3	0.01 65	0.01 87	0.00 1	0.00 1	0.02 17	0.00 1

EAI-Stereo	2.31 35	0.44 54	2.72 31	0.68 33	0.56 89	3.51 68	2.62 130	11.42 142	4.14 35	2.09 8	7.23 77	1.21 14	0.91 17	5.67 48	1.51 60	0.01 65	0.25 198	0.00 1	0.88 217	0.04 61	0.26 159

PMTNet	1.41 8	0.37 36	2.06 9	0.26 16	0.15 23	2.94 49	0.34 33	3.39 2	5.33 70	1.00 6	1.27 4	0.28 5	0.93 18	4.04 35	0.74 13	5.00 227	0.00 1	0.00 1	0.00 1	0.03 44	0.01 8

HUI-Stereo	2.64 57	0.29 3	2.96 47	1.74 103	0.41 75	3.79 84	1.66 118	5.14 24	4.09 33	10.76 162	6.02 51	5.05 80	1.00 19	9.03 145	0.84 23	0.00 1	0.00 1	0.00 1	0.00 1	0.04 61	0.01 8

AnonymousM	2.71 61	6.75 222	0.98 1	0.73 34	0.06 8	2.41 25	0.53 44	5.30 31	3.05 6	4.75 32	2.09 8	1.89 25	1.01 20	1.88 18	0.51 6	0.01 65	0.02 107	17.42 233	4.76 232	0.02 17	0.01 8

PSM-AAD	2.52 47	0.35 30	4.26 104	1.01 48	0.22 38	3.73 76	0.58 55	4.93 18	4.14 35	9.98 150	6.06 52	4.28 52	1.11 21	8.64 126	1.03 42	0.01 65	0.00 1	0.00 1	0.00 1	0.02 17	0.05 78

RALAANet	2.46 40	1.09 142	3.70 86	2.55 168	0.80 105	3.37 64	0.15 19	7.44 87	5.54 74	5.65 48	6.01 50	3.54 40	1.13 22	6.34 57	1.58 63	0.00 1	0.01 87	0.00 1	0.05 156	0.21 145	0.03 48

Anonymous3	1.76 14	0.44 54	6.37 154	0.33 23	0.50 86	4.33 109	0.54 47	4.43 11	2.48 2	2.21 9	3.24 13	1.53 19	1.14 23	5.64 47	1.29 54	0.17 168	0.23 192	0.00 1	0.00 1	0.12 106	0.15 126

GMO	1.81 16	0.47 63	2.09 10	0.10 2	0.27 48	1.49 6	0.89 84	4.40 9	4.51 53	8.16 103	6.97 70	2.96 36	1.15 24	1.42 8	0.88 30	0.00 1	0.14 175	0.00 1	0.00 1	0.23 154	0.03 48

NRIStereo	2.49 41	0.33 14	3.03 54	1.04 49	0.22 38	3.89 95	0.60 60	4.78 14	4.41 48	9.92 146	5.75 45	4.98 69	1.18 25	8.28 107	1.11 47	0.01 65	0.00 1	0.00 1	0.00 1	0.22 148	0.02 18

DN-CSS_ROB	2.69 60	1.40 162	5.34 132	2.31 152	0.75 100	3.14 57	0.06 8	6.11 65	3.87 26	5.34 44	12.18 135	2.34 30	1.22 26	7.84 83	1.48 59	0.03 119	0.00 1	0.00 1	0.00 1	0.35 169	0.03 48

ROB_FTStereo_v2	2.59 54	0.37 36	3.38 76	1.08 54	0.23 41	3.90 96	0.94 87	5.57 44	5.71 79	9.39 131	6.78 65	4.00 46	1.23 27	8.06 94	1.12 49	0.01 65	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

Consistency-Raft	2.52 47	0.37 36	3.28 72	1.20 63	0.43 79	3.74 78	0.96 89	5.76 50	4.53 54	8.86 118	5.92 48	4.40 56	1.25 28	8.55 119	1.09 44	0.10 155	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

ARAFT	3.13 81	1.11 145	7.34 170	0.42 26	0.14 21	4.52 117	2.99 135	7.41 86	5.97 84	8.85 117	7.06 74	5.20 83	1.25 28	8.49 116	1.44 57	0.00 1	0.03 121	0.00 1	0.00 1	0.33 165	0.11 108

NF-Stereo	2.50 44	0.37 36	3.05 61	1.08 54	0.27 48	3.90 96	0.89 84	5.03 21	5.38 71	9.78 143	5.04 29	4.50 57	1.29 30	8.40 111	0.93 37	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

KMStereo	2.55 50	0.34 25	3.09 63	0.99 46	0.23 41	3.76 80	0.59 56	5.10 22	4.72 57	9.97 149	6.44 61	4.76 63	1.32 31	8.52 118	1.10 46	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.03 48

Anonymous	1.37 7	0.52 68	4.23 103	1.38 76	2.70 175	1.85 17	0.42 38	4.77 13	3.54 16	0.53 4	1.56 6	0.19 1	1.32 31	3.11 28	0.92 36	0.05 140	0.08 153	0.00 1	0.00 1	0.17 129	0.15 126

rafts_anoy	1.72 12	0.79 108	2.58 22	2.03 125	1.75 144	2.47 28	0.16 21	5.48 41	6.01 86	3.24 17	2.11 9	1.92 27	1.33 33	3.08 27	1.13 51	0.01 65	0.18 185	0.00 1	0.01 124	0.03 44	0.07 84

LCNet	2.25 32	0.33 14	3.03 54	2.04 127	0.10 14	3.47 66	0.43 39	6.50 75	3.18 10	6.84 76	5.20 38	2.65 33	1.34 34	8.18 102	1.58 63	0.01 65	0.00 1	0.01 137	0.00 1	0.02 17	0.01 8

raft+_RVC	1.79 15	0.84 113	2.32 15	2.40 157	0.85 108	1.38 5	0.09 10	6.36 70	4.75 60	2.85 12	5.46 41	1.17 13	1.36 35	4.54 38	0.91 33	0.00 1	0.10 159	0.00 1	0.00 1	0.11 98	0.22 145

cross-raft	2.03 26	0.35 30	2.78 36	1.10 58	0.16 24	3.77 81	0.48 41	7.03 84	3.75 21	5.06 36	5.55 43	6.26 99	1.41 36	1.75 12	0.89 32	0.01 65	0.07 149	0.00 1	0.19 182	0.03 44	0.03 48

CroCo_RVC	1.35 5	1.66 177	8.14 178	0.55 28	0.46 83	1.23 2	0.24 27	4.00 6	3.47 12	0.40 2	1.11 2	0.23 2	1.42 37	0.96 4	0.57 7	0.01 65	0.00 1	0.00 1	0.20 183	2.07 217	0.22 145

sAnonymous2	1.35 5	1.66 177	8.14 178	0.55 28	0.46 83	1.23 2	0.24 27	4.00 6	3.47 12	0.40 2	1.11 2	0.23 2	1.42 37	0.96 4	0.57 7	0.01 65	0.00 1	0.00 1	0.20 183	2.07 217	0.22 145

RANet	1.95 22	0.40 48	2.86 42	0.12 4	0.18 32	3.74 78	0.66 68	5.24 29	2.96 5	5.86 53	4.32 18	3.46 38	1.52 39	6.88 63	0.70 9	0.01 65	0.00 1	0.00 1	0.00 1	0.08 84	0.09 94

AdaStereo	3.09 79	0.58 77	3.04 56	2.84 176	0.48 85	4.08 105	1.29 111	12.16 157	7.77 121	6.03 56	9.62 105	5.79 93	1.53 40	4.56 39	1.93 78	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18
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.
sCroCo_RVC	1.21 4	0.65 90	5.16 129	1.09 57	1.29 126	0.92 1	0.19 23	3.92 5	2.68 4	0.30 1	3.04 11	0.52 10	1.56 41	1.58 10	0.78 18	0.09 152	0.25 198	0.00 1	0.00 1	0.07 81	0.11 108

ROB_FTStereo	2.68 58	0.35 30	3.16 69	1.10 58	0.14 21	3.85 88	0.97 91	5.46 40	5.10 65	10.19 155	7.65 84	4.62 61	1.60 42	8.25 105	1.14 52	0.01 65	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

FTStereo	2.52 47	0.38 42	3.13 67	1.32 72	0.41 75	3.85 88	0.96 89	5.54 43	4.76 61	9.96 148	5.68 44	3.92 44	1.60 42	7.83 82	1.09 44	0.01 65	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

PSM-softLoss	2.49 41	0.35 30	3.12 66	1.04 49	0.28 52	3.93 100	0.64 66	5.11 23	5.26 68	9.98 150	4.87 23	4.36 54	1.64 44	8.32 108	0.77 17	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.01 8

OCTAStereo	2.51 45	0.33 14	3.04 56	1.08 54	0.25 45	4.02 104	0.59 56	4.88 16	4.88 63	10.98 169	4.67 20	4.28 52	1.65 45	8.43 114	1.05 43	0.00 1	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

ICVP	2.32 36	0.38 42	2.89 45	0.92 42	0.70 97	2.55 30	0.87 83	9.97 114	3.99 28	4.13 26	8.97 100	2.71 34	1.69 46	2.52 26	3.52 117	0.05 140	0.24 197	0.01 137	0.01 124	0.11 98	0.13 117

CFNet-RSSM	2.11 28	0.33 14	2.71 30	1.04 49	0.30 55	3.21 59	0.41 37	6.67 80	6.96 102	5.62 47	4.58 19	5.40 86	1.71 47	1.86 16	0.87 27	0.00 1	0.08 153	0.00 1	0.32 197	0.02 17	0.02 18

Gwc-CoAtRS	2.02 24	0.33 14	2.61 23	1.04 49	0.30 55	3.56 69	0.40 36	5.89 55	5.94 82	5.08 37	5.01 28	5.55 89	1.72 48	1.60 11	0.91 33	0.01 65	0.09 158	0.00 1	0.25 191	0.01 6	0.02 18

NOSS_ROB	3.30 89	0.46 59	2.62 24	2.08 129	1.01 117	5.60 131	0.74 76	10.37 124	11.48 158	5.15 38	8.43 92	5.67 90	1.73 49	7.97 88	2.34 87	0.02 102	0.06 141	0.00 1	0.00 1	0.07 81	0.14 120

RAFT-Stereo + iAFF	2.12 29	0.58 77	2.43 17	1.27 70	0.16 24	1.60 8	0.14 17	5.17 27	5.90 81	7.10 80	10.10 108	3.06 37	1.74 50	1.87 17	0.97 38	0.01 65	0.02 107	0.00 1	0.00 1	0.23 154	0.02 18

MSMDNet	2.02 24	0.37 36	2.84 40	1.14 61	0.34 65	3.73 76	0.53 44	6.21 67	3.55 17	5.32 43	5.17 33	5.85 94	1.74 50	2.23 22	0.91 33	0.01 65	0.10 159	0.00 1	0.24 189	0.02 17	0.02 18

ASMatch	2.63 56	0.31 7	2.86 42	1.58 88	0.36 70	3.88 94	1.14 105	5.36 33	4.23 39	10.51 158	5.91 47	4.97 68	1.81 52	8.68 129	0.86 24	0.00 1	0.00 1	0.00 1	0.00 1	0.04 61	0.03 48

CFNet-pseudo	3.23 85	0.36 34	3.58 82	2.13 135	1.45 130	3.78 82	0.70 71	12.67 163	9.52 140	5.16 39	12.28 138	2.62 32	1.81 52	5.36 46	3.08 103	0.01 65	0.00 1	0.00 1	0.00 1	0.00 1	0.07 84

Anonymous Stereo	6.16 160	3.15 208	23.75 220	2.97 184	2.48 170	4.39 115	13.30 222	9.21 103	9.86 144	9.56 135	8.76 94	6.79 108	1.99 54	13.50 191	13.04 200	0.01 65	0.05 133	0.00 1	0.06 159	0.22 148	0.19 139

PFNet	2.93 75	0.40 48	5.51 137	2.13 135	0.84 107	3.11 56	0.75 78	6.78 81	4.79 62	9.98 150	6.00 49	4.78 64	2.13 55	8.33 109	2.11 83	0.19 171	0.06 141	0.00 1	0.11 174	0.20 139	0.35 171

DMCA	2.82 73	0.64 87	4.45 110	1.61 93	0.89 110	3.86 92	0.57 53	9.18 102	5.10 65	6.24 64	6.49 62	7.17 117	2.13 55	3.31 29	4.73 132	0.00 1	0.01 87	0.00 1	0.00 1	0.04 61	0.02 18

DeepPruner_ROB	3.52 100	1.14 147	4.06 100	1.12 60	1.65 137	3.65 71	0.83 81	13.96 175	4.47 52	7.80 93	10.84 116	7.05 114	2.16 57	8.14 98	3.08 103	0.07 149	0.03 121	0.00 1	0.01 124	0.32 164	0.06 82

PS-NSSS	3.90 118	1.84 186	4.55 114	0.87 37	2.95 179	4.10 106	2.00 126	10.77 133	8.23 129	6.75 73	14.63 159	5.01 75	2.24 58	8.41 113	2.91 99	0.33 191	0.03 121	0.83 219	0.00 1	0.82 198	0.70 197

AFF-stereo	2.59 54	0.68 93	2.35 16	1.55 86	0.17 29	1.67 10	0.08 9	5.75 48	6.60 97	6.20 62	12.13 132	6.16 97	2.36 59	4.75 41	1.11 47	0.02 102	0.02 107	0.00 1	0.00 1	0.23 154	0.05 78

MLCV	3.44 99	0.88 117	5.60 139	1.39 77	0.25 45	4.36 111	0.33 31	7.25 85	7.28 110	9.17 124	12.24 137	5.09 81	2.47 60	9.15 149	3.23 109	0.00 1	0.00 1	0.00 1	0.00 1	0.10 92	0.02 18

OMP-Stereo	3.03 78	0.93 125	2.72 31	4.21 215	0.51 87	2.19 19	1.25 108	6.19 66	6.00 85	7.99 98	6.21 54	8.50 134	2.49 61	9.44 158	1.74 67	0.01 65	0.00 1	0.00 1	0.00 1	0.08 84	0.05 78

raftrobust	1.86 19	0.74 101	1.94 5	2.15 138	2.24 162	2.74 39	0.53 44	4.89 17	4.05 30	6.09 58	3.89 15	1.64 21	2.55 62	2.44 25	1.12 49	0.00 1	0.03 121	0.00 1	0.00 1	0.12 106	0.08 89

MaskLacGwcNet_RVC	5.97 155	5.36 217	5.02 124	3.75 205	3.57 193	15.81 202	4.27 158	11.72 147	6.96 102	7.23 83	8.47 93	9.09 137	2.66 63	9.36 155	2.71 95	7.49 232	2.32 228	2.01 228	0.08 163	6.77 231	4.67 228

AANet_RVC	5.01 146	1.74 181	6.38 155	1.96 120	1.29 126	2.26 21	1.69 120	10.07 117	18.53 192	7.88 94	18.15 182	8.49 133	2.70 64	10.59 169	7.04 153	0.96 216	0.15 177	0.02 158	0.00 1	0.13 116	0.12 113

DMCA-RVC	3.17 83	1.26 154	6.39 156	2.10 132	1.51 133	3.02 55	0.56 51	7.84 89	5.06 64	9.23 126	5.19 37	8.46 130	2.72 65	6.31 56	3.22 108	0.06 145	0.11 165	0.09 186	0.02 134	0.16 125	0.08 89

pcwnet_v2	2.93 75	0.29 3	3.01 52	2.39 156	1.07 119	2.73 37	0.89 84	11.37 140	6.25 89	6.20 62	11.49 127	2.71 34	2.74 66	4.22 37	2.75 97	0.06 145	0.05 133	0.00 1	0.00 1	0.01 6	0.37 172

HCRNet	2.56 51	0.53 72	3.35 75	0.24 15	3.39 188	2.19 19	0.23 26	6.89 82	5.50 72	5.26 41	4.79 21	5.27 84	2.78 67	7.71 78	2.89 98	0.00 1	0.02 107	0.00 1	0.00 1	0.04 61	0.04 69

IIG-Stereo	3.16 82	0.75 102	2.83 39	4.08 211	0.21 37	2.56 31	0.74 76	6.55 76	5.56 76	8.39 107	9.38 104	7.94 127	2.79 68	9.50 159	1.89 71	0.02 102	0.00 1	0.00 1	0.00 1	0.02 17	0.04 69

iResNet	3.68 108	0.91 120	7.94 176	2.97 184	0.34 65	4.44 116	0.48 41	7.70 88	9.74 143	7.72 92	12.74 143	4.03 47	2.87 69	8.05 93	3.37 111	0.02 102	0.01 87	0.00 1	0.00 1	0.10 92	0.09 94

HITNet	2.79 71	0.77 104	4.02 99	2.03 125	0.11 18	5.58 130	0.59 56	9.24 104	5.15 67	6.42 68	7.26 78	3.66 42	2.92 70	4.07 36	3.87 123	0.00 1	0.00 1	0.00 1	0.00 1	0.06 77	0.02 18
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
iResNet_ROB	4.23 133	1.02 135	4.90 122	2.18 140	0.93 115	2.92 47	0.37 35	15.10 187	16.91 188	7.89 95	10.51 113	7.03 110	3.07 71	8.16 100	3.46 115	0.01 65	0.00 1	0.00 1	0.00 1	0.10 92	0.02 18

UPFNet	3.82 115	0.47 63	4.34 108	2.21 144	3.38 186	7.26 151	2.69 132	9.89 112	5.96 83	7.98 97	7.53 81	7.89 126	3.15 72	7.72 80	5.88 143	0.01 65	0.02 107	0.00 1	0.00 1	0.04 61	0.06 82

111	2.78 70	0.92 123	3.81 89	0.22 12	0.07 9	2.83 44	0.70 71	6.03 60	14.00 173	3.22 16	8.93 97	5.48 88	3.30 73	3.66 32	2.03 80	0.00 1	0.00 1	0.00 1	0.00 1	0.10 92	0.29 165

GES	2.49 41	0.38 42	4.29 106	1.58 88	0.05 4	4.58 118	1.07 101	9.70 110	3.39 11	5.21 40	6.64 64	1.84 24	3.36 74	4.86 42	2.54 92	0.06 145	0.01 87	0.06 178	0.01 124	0.12 106	0.03 48

FENet	2.19 30	0.34 25	3.04 56	2.05 128	0.26 47	2.82 43	0.13 14	7.02 83	5.55 75	4.97 35	1.94 7	4.91 66	3.39 75	4.71 40	2.50 90	0.02 102	0.03 121	0.00 1	0.00 1	0.00 1	0.21 143

FADNet_RVC	3.91 121	1.67 179	12.95 201	0.96 45	0.75 100	5.71 133	0.54 47	10.83 135	6.60 97	3.46 19	8.09 89	4.10 48	3.40 76	9.43 156	6.33 147	0.36 193	0.44 212	0.17 198	0.46 210	0.91 200	0.95 204

ACVNet	2.58 53	0.53 72	2.69 26	0.84 36	0.59 90	2.61 33	0.55 49	8.35 91	5.70 77	4.45 28	9.26 101	5.77 91	3.50 77	2.24 23	4.41 128	0.00 1	0.00 1	0.00 1	0.00 1	0.17 129	0.01 8

GwcNet-RSSM	3.77 113	1.05 138	5.06 126	2.21 144	1.87 150	2.36 24	1.52 115	8.98 100	7.96 124	5.91 55	14.59 158	7.94 127	3.50 77	6.43 58	5.70 141	0.00 1	0.00 1	0.04 173	0.00 1	0.20 139	0.08 89

cf-r	3.42 96	0.81 110	3.97 98	2.41 159	2.78 176	2.85 45	0.64 66	8.44 94	6.32 91	6.25 65	11.57 128	8.97 136	3.54 79	5.93 51	3.83 122	0.00 1	0.00 1	0.00 1	0.00 1	0.09 91	0.07 84

FINET	5.32 149	1.14 147	10.04 187	2.17 139	3.67 198	6.49 143	6.76 190	11.68 146	22.08 206	7.42 87	12.15 133	4.24 51	3.61 80	9.25 151	5.35 138	0.04 132	0.04 128	0.00 1	0.00 1	0.17 129	0.09 94

STTStereo	3.60 102	0.93 125	6.34 153	2.71 173	2.23 161	3.68 74	0.63 64	9.42 105	6.73 99	9.87 145	6.97 70	8.84 135	3.65 81	6.85 62	3.04 101	0.00 1	0.02 107	0.01 137	0.00 1	0.02 17	0.02 18

CFNet	3.72 111	1.10 144	5.03 125	2.49 163	1.59 134	4.90 125	0.22 25	11.38 141	9.88 145	4.80 33	11.25 123	6.44 100	3.68 82	8.33 109	3.00 100	0.00 1	0.00 1	0.00 1	0.00 1	0.22 148	0.07 84

DLCB_ROB	4.51 140	0.91 120	3.78 87	2.19 142	1.07 119	6.28 138	3.09 137	9.78 111	7.72 120	10.65 160	12.97 144	13.91 172	3.71 83	8.72 131	5.30 137	0.00 1	0.00 1	0.00 1	0.00 1	0.03 44	0.10 103

delet	4.27 136	0.72 97	4.50 111	1.07 53	3.75 200	10.79 181	4.04 154	9.95 113	7.89 123	8.09 101	8.89 96	8.46 130	3.81 84	7.56 75	5.80 142	0.00 1	0.00 1	0.00 1	0.00 1	0.11 98	0.02 18

StereoDRNet-Refined	4.46 139	0.62 86	3.80 88	1.92 115	0.40 73	9.35 165	0.15 19	10.02 116	8.83 138	12.69 180	11.62 129	9.34 138	3.87 85	8.06 94	8.02 163	0.00 1	0.00 1	0.01 137	0.05 156	0.20 139	0.26 159
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NLCA_NET_v2_RVC	3.84 116	1.06 139	5.23 130	2.72 174	3.27 182	4.36 111	0.61 61	10.71 131	7.56 118	8.75 113	7.89 88	9.86 143	3.90 86	7.15 68	3.44 114	0.14 162	0.02 107	0.02 158	0.03 145	0.04 61	0.03 48
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNetv2_ROB	4.28 137	1.43 163	7.17 169	2.91 178	1.26 124	4.36 111	1.62 117	13.64 173	10.25 149	9.83 144	11.41 124	7.68 122	4.00 87	7.75 81	1.85 70	0.00 1	0.00 1	0.00 1	0.00 1	0.37 172	0.09 94

THIR-Stereo	2.71 61	0.33 14	3.00 50	1.26 65	0.30 55	3.83 85	1.00 94	5.69 46	4.29 41	9.69 138	6.32 57	5.02 76	4.02 88	8.58 122	0.86 24	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

RAFT_R40	2.71 61	0.33 14	3.00 50	1.26 65	0.30 55	3.83 85	1.00 94	5.69 46	4.29 41	9.69 138	6.33 59	5.02 76	4.02 88	8.58 122	0.86 24	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

Pruner-Stereo	2.72 65	0.33 14	2.99 48	1.26 65	0.27 48	3.85 88	1.00 94	5.79 53	4.29 41	9.70 141	6.30 55	5.03 78	4.03 90	8.58 122	0.87 27	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

GMM-Stereo	2.72 65	0.33 14	2.99 48	1.26 65	0.27 48	3.85 88	1.00 94	5.79 53	4.29 41	9.70 141	6.30 55	5.03 78	4.03 90	8.58 122	0.87 27	0.01 65	0.00 1	0.00 1	0.00 1	0.03 44	0.02 18

BEATNet_4x	3.24 86	1.27 155	5.89 145	1.56 87	0.10 14	5.26 127	1.07 101	10.08 118	5.50 72	6.89 78	7.73 86	4.53 59	4.13 92	5.05 45	5.27 136	0.04 132	0.05 133	0.00 1	0.00 1	0.23 154	0.23 149

acv_ft	3.69 109	0.53 72	4.58 117	2.31 152	4.71 216	7.44 154	0.86 82	8.54 95	5.70 77	9.29 127	9.26 101	5.77 91	4.15 93	2.24 23	8.13 167	0.00 1	0.00 1	0.00 1	0.00 1	0.29 159	0.01 8

PSMNet_ROB	5.02 147	1.63 175	6.03 148	1.90 113	1.83 149	9.57 169	6.35 185	15.58 192	7.23 109	6.15 61	10.48 112	12.22 163	4.16 94	8.02 89	8.71 173	0.02 102	0.01 87	0.01 137	0.10 170	0.20 139	0.12 113

KYRaft	2.68 58	0.29 3	2.88 44	0.52 27	0.28 52	3.86 92	0.57 53	5.37 35	4.26 40	10.83 165	7.00 72	4.79 65	4.18 95	7.95 87	0.73 12	0.00 1	0.00 1	0.00 1	0.00 1	0.01 6	0.03 48

HSM-Net_RVC	4.20 131	0.32 9	2.76 34	0.63 31	0.69 96	6.95 149	1.69 120	11.96 151	8.36 132	8.83 116	12.17 134	15.18 178	4.21 96	6.91 64	3.30 110	0.02 102	0.02 107	0.00 1	0.00 1	0.01 6	0.01 8
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
test_xeample3	3.34 93	0.93 125	4.33 107	0.28 18	0.12 20	3.46 65	3.98 152	6.58 77	11.84 162	6.79 75	13.56 149	3.52 39	4.23 97	3.71 33	2.05 82	0.01 65	0.01 87	0.00 1	0.00 1	0.02 17	1.40 212

SST-Stereo	2.75 68	0.31 7	2.78 36	1.33 73	0.33 64	3.99 102	0.82 80	5.60 45	3.93 27	10.92 167	6.19 53	5.00 74	4.23 97	8.66 128	0.74 13	0.00 1	0.00 1	0.00 1	0.00 1	0.03 44	0.03 48

DCANet	2.08 27	0.64 87	3.81 89	0.31 19	0.17 29	1.70 15	0.25 29	5.23 28	8.47 133	6.07 57	5.30 40	1.41 15	4.23 97	1.85 15	2.02 79	0.00 1	0.00 1	0.00 1	0.00 1	0.04 61	0.19 139

RAFT+GMM	2.57 52	0.76 103	3.09 63	0.91 41	0.09 12	2.41 25	0.94 87	5.35 32	2.65 3	6.11 59	7.21 76	9.43 139	4.30 100	5.73 49	1.77 68	0.00 1	0.12 170	0.00 1	0.02 134	0.46 182	0.08 89

SGM-Forest	4.96 144	0.32 9	2.84 40	1.21 64	0.64 93	10.23 176	6.64 188	11.55 144	10.98 152	10.94 168	13.59 150	11.65 160	4.30 100	8.94 143	4.63 131	0.11 157	0.04 128	0.00 1	0.00 1	0.05 72	0.46 181
Johannes L. Schönberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
GEStereo_RVC	3.74 112	0.73 99	4.95 123	2.01 124	1.24 123	4.36 111	3.07 136	11.77 149	7.80 122	6.87 77	6.52 63	7.70 123	4.31 102	8.98 144	4.19 126	0.03 119	0.01 87	0.02 158	0.02 134	0.13 116	0.11 108

UCFNet_RVC	3.09 79	0.77 104	2.27 13	2.35 154	1.79 148	3.50 67	1.06 100	12.12 155	6.91 101	4.71 31	7.67 85	7.58 120	4.40 103	4.95 43	1.67 66	0.00 1	0.00 1	0.00 1	0.00 1	0.11 98	0.01 8

FADNet-RVC	3.98 125	1.84 186	12.48 198	1.69 99	0.44 80	4.33 109	1.31 112	11.84 150	7.15 107	3.53 21	3.50 14	10.63 152	4.43 104	9.12 147	6.25 146	0.03 119	0.10 159	0.00 1	0.03 145	0.60 189	0.25 155

CFNet_RVC	3.31 90	0.94 128	2.69 26	1.50 83	2.38 165	2.81 40	0.68 69	8.35 91	7.43 113	4.45 28	9.94 106	10.20 146	4.60 105	6.49 59	3.41 112	0.00 1	0.00 1	0.03 166	0.00 1	0.22 148	0.03 48

CFNet-ft	3.31 90	0.94 128	2.69 26	1.50 83	2.38 165	2.81 40	0.68 69	8.35 91	7.43 113	4.45 28	9.94 106	10.20 146	4.60 105	6.50 60	3.41 112	0.00 1	0.00 1	0.03 166	0.00 1	0.22 148	0.03 48

DSFCA	4.21 132	0.50 67	5.45 135	1.34 74	1.68 141	7.04 150	4.51 164	10.73 132	7.00 104	10.78 163	6.80 66	8.48 132	4.63 107	9.91 162	5.12 135	0.02 102	0.06 141	0.02 158	0.03 145	0.08 84	0.03 48

StereoDRNet	5.59 151	1.75 182	6.80 165	3.12 188	4.45 210	10.61 179	4.35 161	18.80 207	9.73 142	12.22 176	6.87 68	11.44 159	4.65 108	8.09 97	8.26 168	0.02 102	0.11 165	0.00 1	0.03 145	0.20 139	0.28 164

hitnet-ft	3.66 107	0.65 90	2.79 38	0.89 39	0.72 99	4.25 108	0.55 49	9.11 101	7.52 117	7.14 81	10.19 109	12.49 165	4.70 109	7.44 72	4.41 128	0.03 119	0.00 1	0.06 178	0.00 1	0.20 139	0.04 69

MDST_ROB	8.37 191	0.32 9	9.03 182	4.18 214	2.42 168	26.86 223	6.14 178	19.36 212	13.52 172	27.09 218	22.75 194	9.47 141	4.74 110	15.06 201	6.34 148	0.02 102	0.02 107	0.00 1	0.00 1	0.02 17	0.13 117

CC-Net-ROB	7.68 182	9.21 228	7.46 173	3.82 206	3.66 197	15.68 201	5.02 170	17.95 201	10.45 150	6.44 70	14.00 153	7.63 121	4.77 111	10.75 170	3.10 105	5.99 231	2.46 229	16.28 232	1.08 220	6.30 230	1.56 215

CRE-IMP	2.51 45	0.34 25	2.10 11	1.59 91	0.16 24	2.81 40	1.03 98	6.03 60	3.51 15	8.55 112	6.80 66	3.71 43	4.77 111	7.31 69	0.97 38	0.01 65	0.22 189	0.00 1	0.00 1	0.03 44	0.17 132

TDLM	4.11 127	1.11 145	3.54 81	1.62 94	1.04 118	3.91 98	7.41 196	10.60 129	10.67 151	6.38 67	12.59 141	5.95 95	4.77 111	8.79 134	3.04 101	0.58 205	0.00 1	0.01 137	0.00 1	0.19 138	0.12 113

NVstereo2D	4.51 140	0.82 111	6.86 167	3.28 193	3.38 186	8.16 158	3.13 138	10.51 127	15.15 178	4.90 34	6.89 69	7.87 124	4.78 114	9.88 161	3.91 124	0.01 65	0.00 1	0.00 1	0.06 159	0.02 17	0.58 191

DGSMNet	6.47 166	2.61 198	13.64 204	3.46 198	3.74 199	8.97 163	6.01 177	14.15 178	13.01 168	7.46 88	14.10 154	9.94 144	4.79 115	10.44 166	6.22 145	1.30 220	1.70 226	1.80 226	1.52 227	2.27 220	2.35 224

FADNet-RVC-Resample	3.79 114	1.62 174	12.06 195	1.43 80	0.66 94	5.94 135	2.41 128	10.18 122	8.58 136	6.28 66	4.22 16	5.33 85	4.80 116	7.71 78	3.19 107	0.17 168	0.21 188	0.17 198	0.12 175	0.41 179	0.29 165

PSMNet-RSSM	3.33 92	0.77 104	3.22 71	2.12 133	1.90 152	2.33 22	0.71 73	11.17 139	5.83 80	5.90 54	11.43 126	7.04 112	4.83 117	5.96 52	3.17 106	0.00 1	0.00 1	0.02 158	0.00 1	0.08 84	0.02 18

IRAFT_RVC	2.85 74	0.41 50	3.32 73	2.09 130	0.41 75	2.92 47	5.22 173	6.41 73	3.63 18	6.53 72	5.48 42	5.09 81	4.88 118	8.20 103	2.15 84	0.01 65	0.17 182	0.01 137	0.00 1	0.02 17	0.04 69

iGMRVC	3.24 86	0.34 25	3.11 65	2.51 164	0.53 88	2.59 32	4.88 168	6.35 69	4.43 49	8.81 115	11.94 130	4.39 55	4.96 119	8.70 130	1.21 53	0.08 150	0.00 1	0.00 1	0.00 1	0.02 17	0.03 48

PDISCO_ROB	9.62 201	1.99 191	11.51 192	9.88 230	9.61 231	21.48 215	3.83 151	19.33 211	28.49 216	11.27 171	14.17 156	19.92 202	5.02 120	16.35 207	9.18 178	5.28 229	0.41 209	0.14 195	0.09 168	2.05 216	2.36 225

LMCR-Stereo	3.63 106	1.29 159	4.20 102	2.54 166	0.17 29	8.08 157	1.52 115	11.46 143	4.73 59	8.45 110	10.66 115	1.91 26	5.03 121	7.69 77	3.58 118	0.92 215	0.00 1	0.00 1	0.00 1	0.36 171	0.02 18

TransformOpticalFlow	3.38 94	0.70 96	4.54 113	1.00 47	0.30 55	3.56 69	0.14 17	9.67 109	7.30 111	5.55 46	13.34 147	6.74 106	5.03 121	8.22 104	1.34 55	0.00 1	0.01 87	0.01 137	0.00 1	0.04 61	0.11 108

DEmStereo	2.73 67	0.37 36	2.69 26	0.13 5	0.32 61	3.97 101	0.59 56	6.01 58	4.29 41	10.10 154	7.07 75	4.73 62	5.05 123	8.44 115	0.76 16	0.00 1	0.00 1	0.00 1	0.00 1	0.01 6	0.02 18

FADNet	4.23 133	1.65 176	11.75 194	1.64 96	0.80 105	4.80 122	0.77 79	13.76 174	11.65 160	3.97 25	5.24 39	9.62 142	5.14 124	8.40 111	3.78 121	0.21 178	0.04 128	0.07 182	0.05 156	1.14 205	0.10 103

LALA_ROB	6.58 168	1.80 185	6.25 150	1.26 65	0.94 116	10.08 173	9.02 201	16.00 193	11.51 159	12.74 181	13.02 145	24.77 211	5.25 125	10.56 168	8.02 163	0.04 132	0.05 133	0.00 1	0.02 134	0.10 92	0.25 155

DRN-Test	5.87 153	0.98 131	5.89 145	2.69 172	3.65 196	12.37 190	3.35 144	20.07 219	10.20 148	11.93 175	12.31 139	11.06 158	5.31 126	7.89 84	9.05 177	0.04 132	0.05 133	0.04 173	0.04 154	0.18 135	0.25 155

HSM	4.00 126	0.79 108	3.16 69	1.59 91	2.17 157	6.77 147	1.11 103	12.28 158	6.35 94	6.75 73	8.11 90	13.90 171	5.37 127	8.85 140	2.71 95	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

csc	2.28 33	0.61 81	3.81 89	0.22 12	0.07 9	1.69 12	0.11 11	5.37 35	11.84 162	5.80 50	5.17 33	1.44 16	5.41 128	2.00 19	1.92 75	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.18 135

cscssc	2.28 33	0.61 81	3.81 89	0.22 12	0.07 9	1.69 12	0.11 11	5.37 35	11.84 162	5.80 50	5.17 33	1.44 16	5.41 128	2.00 19	1.92 75	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.18 135

222	2.20 31	0.61 81	5.31 131	0.31 19	0.19 34	1.69 12	0.11 11	5.37 35	8.54 135	5.80 50	5.17 33	1.44 16	5.41 128	2.00 19	1.92 75	0.00 1	0.00 1	0.00 1	0.00 1	0.04 61	0.18 135

GANet-RSSM	3.27 88	0.60 79	3.38 76	2.94 183	2.00 153	2.61 33	0.48 41	10.93 138	6.11 88	5.47 45	10.20 110	6.57 104	5.44 131	6.25 55	2.23 86	0.00 1	0.00 1	0.08 183	0.00 1	0.17 129	0.03 48

RAFT-RH_RVC	3.43 97	0.41 50	4.53 112	2.18 140	0.23 41	2.69 36	8.25 198	6.48 74	4.22 38	9.17 124	9.35 103	4.59 60	5.44 131	8.83 138	2.04 81	0.13 161	0.00 1	0.00 1	0.00 1	0.06 77	0.03 48

GwcNet	6.42 165	1.97 190	10.92 190	2.59 170	5.58 221	11.55 185	2.21 127	14.10 177	16.52 187	10.04 153	17.19 179	10.86 155	5.61 133	9.23 150	8.84 176	0.01 65	0.06 141	0.03 166	0.08 163	0.56 184	0.40 175

ac_64	3.70 110	0.47 63	3.50 80	2.87 177	3.50 191	5.91 134	0.72 74	10.17 121	4.34 46	8.16 103	5.80 46	10.82 154	5.64 134	7.08 66	4.73 132	0.03 119	0.00 1	0.00 1	0.00 1	0.08 84	0.14 120

iRAFT	2.98 77	0.38 42	3.32 73	1.90 113	0.44 80	2.73 37	4.03 153	6.23 68	4.72 57	7.71 91	7.55 82	4.96 67	5.82 135	8.16 100	1.58 63	0.01 65	0.00 1	0.01 137	0.00 1	0.02 17	0.02 18

NaN_ROB	6.00 157	1.24 152	6.29 151	1.34 74	1.68 141	9.60 170	10.31 212	15.09 185	15.79 181	12.62 179	8.95 98	11.67 161	5.83 136	11.78 179	6.41 149	0.05 140	0.13 172	0.08 183	0.20 183	0.22 148	0.79 199

ETE_ROB	5.80 152	1.77 183	6.33 152	1.44 82	0.78 104	6.43 142	6.90 191	12.53 161	8.08 126	12.93 185	14.89 162	21.13 207	5.87 137	9.83 160	6.57 151	0.04 132	0.01 87	0.00 1	0.02 134	0.08 84	0.33 168

RAFT-345	3.17 83	0.24 1	3.05 61	1.80 106	0.60 91	3.15 58	1.51 114	6.01 58	4.67 56	8.22 105	12.71 142	5.45 87	5.89 138	8.15 99	1.57 62	0.02 102	0.23 192	0.00 1	0.00 1	0.01 6	0.13 117

CBMV_ROB	4.14 128	0.52 68	3.14 68	1.30 71	0.77 103	6.92 148	1.97 125	10.11 120	9.58 141	8.92 119	14.20 157	7.12 116	5.90 139	8.65 127	3.50 116	0.01 65	0.05 133	0.00 1	0.00 1	0.04 61	0.09 94

UNet	3.97 124	0.61 81	6.50 159	1.68 98	3.22 181	9.82 171	0.31 30	9.50 106	5.32 69	7.20 82	6.35 60	10.59 151	5.91 140	6.93 65	5.49 139	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.01 8

TVStereo	3.61 103	0.46 59	3.87 94	1.71 100	0.35 67	2.95 50	9.20 205	6.08 62	3.82 25	9.31 129	10.85 118	6.46 101	5.98 141	8.80 135	1.91 74	0.20 174	0.00 1	0.00 1	0.00 1	0.17 129	0.14 120

RE-Stereo	3.61 103	0.46 59	3.87 94	1.71 100	0.35 67	2.95 50	9.18 203	6.09 63	3.81 23	9.31 129	10.86 119	6.46 101	5.99 142	8.80 135	1.89 71	0.20 174	0.00 1	0.00 1	0.00 1	0.18 135	0.14 120

GrayStereo	3.61 103	0.46 59	3.87 94	1.71 100	0.35 67	2.96 52	9.18 203	6.09 63	3.81 23	9.30 128	10.86 119	6.47 103	5.99 142	8.80 135	1.89 71	0.20 174	0.00 1	0.00 1	0.00 1	0.18 135	0.14 120

DeepStereo_LL	2.80 72	0.42 52	2.77 35	0.21 11	0.32 61	4.00 103	0.33 31	6.00 57	4.05 30	10.83 165	6.32 57	4.98 69	6.09 144	8.72 131	0.88 30	0.00 1	0.00 1	0.00 1	0.00 1	0.01 6	0.02 18

APVNet	5.98 156	1.72 180	8.72 181	3.21 191	4.04 204	12.31 189	1.81 124	19.09 209	6.10 87	6.13 60	13.41 148	10.69 153	6.30 145	11.26 176	13.90 202	0.05 140	0.02 107	0.11 190	0.03 145	0.53 183	0.20 142

DISCO	6.28 162	0.57 76	5.78 142	3.43 197	1.17 121	11.22 183	3.39 145	12.14 156	16.16 183	6.52 71	11.22 122	16.96 186	6.32 146	19.51 214	10.74 189	0.00 1	0.00 1	0.00 1	0.00 1	0.35 169	0.11 108

AAGNet	3.41 95	0.34 25	2.45 20	1.78 105	0.39 71	3.69 75	1.05 99	4.79 15	4.61 55	9.62 136	7.74 87	4.98 69	6.38 147	7.34 71	13.02 199	0.00 1	0.00 1	0.00 1	0.00 1	0.03 44	0.04 69

CBMV	5.35 150	0.91 120	3.67 85	1.62 94	0.44 80	10.09 174	7.19 195	12.49 160	12.33 167	12.22 176	14.69 160	10.93 156	6.48 148	8.51 117	4.96 134	0.02 102	0.15 177	0.00 1	0.00 1	0.17 129	0.17 132
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
PA-Net	4.98 145	1.47 165	7.42 172	2.40 157	2.14 156	8.73 161	3.64 150	12.42 159	13.11 169	7.03 79	7.57 83	7.88 125	6.52 149	10.16 164	7.82 160	0.02 102	0.03 121	0.00 1	0.00 1	0.11 98	1.07 207
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MMNet	4.16 129	0.77 104	5.47 136	1.40 78	1.67 139	10.78 180	0.63 64	8.64 98	8.47 133	8.80 114	8.33 91	7.51 119	6.61 150	7.53 74	6.54 150	0.00 1	0.00 1	0.00 1	0.00 1	0.03 44	0.05 78

CVANet_RVC	4.16 129	1.16 149	3.60 83	1.94 118	1.46 131	3.92 99	4.68 167	10.89 137	8.34 131	7.58 90	10.84 116	10.27 148	6.62 151	8.56 120	2.69 94	0.39 195	0.00 1	0.00 1	0.01 124	0.21 145	0.09 94

SuperB	8.10 189	3.15 208	24.67 221	2.65 171	1.23 122	9.88 172	4.29 159	10.18 122	30.07 218	11.53 173	12.18 135	6.12 96	6.65 152	10.50 167	14.47 205	0.14 162	0.11 165	0.35 211	0.25 191	13.06 233	0.48 182

XPNet_ROB	6.03 159	1.22 150	5.61 140	2.56 169	0.90 112	6.32 139	7.07 193	12.92 165	8.30 130	14.76 192	15.13 164	19.84 201	6.66 153	10.36 165	8.58 171	0.02 102	0.04 128	0.00 1	0.03 145	0.11 98	0.24 152

RAFT + AFF	4.30 138	1.55 170	5.84 143	1.43 80	2.36 164	5.94 135	6.72 189	10.01 115	7.56 118	7.55 89	8.96 99	7.09 115	6.73 154	8.57 121	4.02 125	0.02 102	0.47 215	0.00 1	0.01 124	0.56 184	0.54 189

Prome-Stereo	3.56 101	0.65 90	3.87 94	0.74 35	0.18 32	2.44 27	7.62 197	5.91 56	6.30 90	7.37 86	14.80 161	6.64 105	6.75 155	4.95 43	2.68 93	0.00 1	0.01 87	0.01 137	0.10 170	0.11 98	0.04 69

PSM-adaLoss	2.76 69	0.36 34	3.86 93	1.16 62	0.24 44	3.84 87	0.97 91	4.99 20	3.79 22	9.69 138	5.15 32	4.51 58	6.91 156	8.87 142	0.81 22	0.00 1	0.00 1	0.00 1	0.00 1	0.02 17	0.02 18

DANet	6.02 158	1.23 151	8.45 180	3.86 208	3.94 203	7.64 156	1.34 113	9.51 107	7.00 104	13.39 187	15.53 166	15.99 182	7.02 157	12.14 180	12.37 196	0.19 171	0.12 170	0.02 158	0.03 145	0.13 116	0.56 190
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
STrans-v2	3.43 97	0.73 99	4.82 121	0.26 16	0.60 91	3.00 54	1.19 106	10.41 126	7.22 108	5.79 49	10.97 121	6.75 107	7.03 158	8.25 105	1.40 56	0.00 1	0.01 87	0.00 1	0.00 1	0.03 44	0.18 135

HGLStereo	4.25 135	0.52 68	4.65 118	3.09 186	5.18 218	6.51 145	0.73 75	10.37 124	6.74 100	7.32 85	12.44 140	7.00 109	7.21 159	7.46 73	5.51 140	0.00 1	0.02 107	0.00 1	0.00 1	0.06 77	0.10 103

NCCL2	5.88 154	1.59 172	5.44 134	1.87 109	0.92 113

Low-res two-view benchmark