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

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

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
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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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

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

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

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

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.
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

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

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

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

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

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

DeepStereo_RVC	4.75 143	0.72 97	2.27 13	2.13 135	0.11 18	3.28 60	3.29 141	8.23 90	3.49 14	11.45 172	34.77 223	6.17 98	9.02 177	7.68 76	2.22 85	0.09 152	0.05 133	0.01 137	0.01 124	0.05 72	0.02 18

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

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

HHNet	3.90 118	0.33 14	2.44 18	0.15 6	0.04 2	4.72 120	10.85 216	5.15 25	6.54 95	8.08 99	16.73 172	4.20 49	8.08 166	7.89 84	2.39 88	0.03 119	0.10 159	0.10 188	0.10 170	0.12 106	0.03 48

RAFT-IKP	3.90 118	0.33 14	2.44 18	0.15 6	0.04 2	4.72 120	10.85 216	5.15 25	6.54 95	8.08 99	16.73 172	4.20 49	8.08 166	7.89 84	2.39 88	0.03 119	0.10 159	0.10 188	0.10 170	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

psm_up	3.85 117	0.82 111	3.01 52	2.00 123	2.58 173	5.28 128	3.34 143	10.85 136	6.33 92	7.27 84	7.32 79	10.15 145	9.02 177	6.19 53	2.51 91	0.22 179	0.01 87	0.00 1	0.00 1	0.12 106	0.03 48

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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
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

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

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.
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

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

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

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

PFNet+	3.96 122	0.45 56	3.04 56	0.32 21	0.20 35	3.28 60	11.63 219	5.76 50	4.45 50	9.04 120	16.58 170	4.99 72	7.45 161	8.04 90	3.72 119	0.00 1	0.02 107	0.01 137	0.00 1	0.16 125	0.10 103

CrosDoStereo	3.96 122	0.45 56	3.04 56	0.32 21	0.20 35	3.28 60	11.63 219	5.76 50	4.45 50	9.04 120	16.58 170	4.99 72	7.45 161	8.04 90	3.72 119	0.00 1	0.02 107	0.01 137	0.00 1	0.16 125	0.10 103

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

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

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
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

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

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

GANet	6.22 161	1.07 140	4.07 101	2.27 148	0.89 110	9.19 164	9.52 207	12.02 152	8.13 128	10.72 161	29.09 208	13.86 170	7.52 164	11.00 173	4.39 127	0.36 193	0.00 1	0.02 158	0.02 134	0.12 106	0.08 89

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

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

GANetREF_RVC	6.56 167	2.89 202	7.58 175	3.41 195	0.40 73	12.96 193	9.58 208	15.09 185	17.25 190	10.33 156	10.62 114	12.27 164	8.16 168	12.21 181	4.53 130	0.41 197	0.00 1	0.00 1	0.02 134	3.12 223	0.39 174
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
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
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

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

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
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

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

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

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

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

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

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

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

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

stereogan	7.69 183	0.88 117	7.08 168	3.49 199	3.93 202	18.98 211	3.23 140	16.52 195	19.58 199	9.93 147	18.92 184	20.50 205	9.04 179	14.07 195	6.14 144	0.26 184	0.04 128	0.21 202	0.03 145	0.63 191	0.33 168

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	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

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

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

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

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

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

MSMD_ROB	9.28 198	1.09 142	4.65 118	1.58 88	0.39 71	16.52 204	4.41 162	13.60 171	14.87 177	22.34 207	39.89 227	25.67 213	20.71 216	12.42 183	6.98 152	0.34 192	0.03 121	0.00 1	0.00 1	0.05 72	0.09 94

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

NCCL2	5.88 154	1.59 172	5.44 134	1.87 109	0.92 113	9.55 168	11.55 218	12.11 153	9.94 146	9.67 137	8.85 95	22.28 209	7.41 160	8.78 133	7.17 154	0.01 65	0.00 1	0.03 166	0.00 1	0.13 116	0.23 149

FAT-Stereo	6.78 174	0.68 93	6.80 165	2.30 150	1.77 147	5.63 132	4.20 157	18.79 206	18.62 193	10.53 159	17.15 177	18.52 195	13.74 201	8.86 141	7.38 155	0.03 119	0.15 177	0.01 137	0.07 161	0.12 106	0.26 159

RP	6.84 175	1.29 159	5.53 138	3.92 209	5.18 218	6.32 139	3.53 146	11.73 148	15.31 179	9.54 134	22.38 192	18.25 193	14.47 202	10.11 163	7.49 156	0.91 214	0.01 87	0.12 192	0.15 178	0.33 165	0.19 139

edge stereo	6.76 171	1.01 133	6.76 164	2.20 143	2.45 169	6.41 141	2.45 129	14.84 184	11.98 165	15.29 193	18.31 183	22.02 208	12.56 193	10.82 171	7.49 156	0.03 119	0.06 141	0.11 190	0.03 145	0.30 160	0.14 120

Abc-Net	6.77 172	1.49 166	6.48 157	2.92 180	4.40 206	7.43 152	3.61 148	19.52 215	13.29 170	8.39 107	16.91 174	15.96 180	12.13 191	12.85 185	7.70 158	1.47 221	0.11 165	0.01 137	0.42 206	0.14 123	0.24 152
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
NCC-stereo	6.77 172	1.49 166	6.48 157	2.92 180	4.40 206	7.43 152	3.61 148	19.52 215	13.29 170	8.39 107	16.91 174	15.96 180	12.13 191	12.85 185	7.70 158	1.47 221	0.11 165	0.01 137	0.42 206	0.14 123	0.24 152

PA-Net	4.98 145	1.47 165	7.42 172	2.40 157	2.14 156	8.73 161

Low-res two-view benchmark