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

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

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

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

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

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
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
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

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
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

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

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

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

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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

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

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-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

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

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

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

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

RYNet	6.34 164	0.89 119	5.88 144	1.41 79	4.48 212	15.97 203	4.18 156	13.41 169	16.49 184	10.81 164	7.00 72	14.33 174	8.72 173	9.43 156	13.71 201	0.00 1	0.01 87	0.00 1	0.00 1	0.02 17	0.07 84

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

RASNet	4.52 142	0.61 81	4.42 109	3.42 196	4.68 215	4.58 118	0.99 93	9.54 108	8.01 125	5.28 42	11.42 125	10.34 150	8.88 175	9.28 152	8.68 172	0.15 164	0.00 1	0.00 1	0.00 1	0.03 44	0.04 69

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

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

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

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

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

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

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

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.
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

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

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

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

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

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

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
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
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

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

FCDSN-DC	10.24 206	0.56 75	3.49 79	1.96 120	1.29 126	16.90 208	4.59 166	17.16 199	19.10 196	24.64 216	32.46 217	33.82 225	22.14 221	15.93 205	10.45 186	0.04 132	0.00 1	0.00 1	0.00 1	0.05 72	0.21 143
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
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

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

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

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
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

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

FC-DCNN	10.72 209	0.52 68	4.27 105	1.88 110	1.63 136	17.18 209	5.29 174	18.20 204	19.69 200	28.50 220	34.51 221	34.03 226	21.48 219	15.89 204	11.15 193	0.03 119	0.01 87	0.02 158	0.01 124	0.07 81	0.09 94

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

DRaft	5.28 148	0.95 130	6.75 163	0.87 37	0.30 55	6.10 137	6.99 192	6.63 79	18.00 191	7.90 96	14.13 155	9.43 139	8.77 174	8.84 139	8.74 174	0.03 119	0.39 207	0.00 1	0.37 202	0.11 98	0.34 170

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

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

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

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

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.
LE_ROB	16.73 226	1.28 158	11.61 193	3.72 203	1.65 137	16.67 206	9.17 202	14.39 180	55.91 236	63.81 235	40.86 230	35.94 228	37.73 233	14.24 196	26.87 227	0.05 140	0.10 159	0.13 194	0.22 186	0.12 106	0.15 126

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

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

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

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

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

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

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

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
S-Stereo	6.63 169	0.84 113	9.67 186	3.15 189	3.48 190	6.49 143	6.22 180	12.99 166	22.84 207	9.48 132	15.51 165	12.00 162	8.43 170	8.04 90	10.70 188	0.12 160	0.17 182	0.00 1	0.38 203	0.13 116	1.92 218

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
Nwc_Net	6.97 178	1.25 153	6.63 161	3.82 206	3.37 185	10.83 182	1.67 119	19.56 217	11.35 156	8.36 106	23.62 195	17.19 188	11.44 190	11.21 175	8.08 166	0.80 210	0.00 1	0.00 1	0.02 134	0.13 116	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

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

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

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

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

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
WCMA_ROB	9.21 197	0.87 116	7.37 171	2.54 166	2.13 155	13.59 196	5.80 176	11.64 145	14.01 174	24.43 215	32.99 218	27.09 215	18.02 207	12.51 184	9.85 185	0.81 211	0.07 149	0.01 137	0.01 124	0.16 125	0.23 149

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

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

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

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

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

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

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
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

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

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

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

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

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

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

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

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

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

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
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

psmorigin	7.34 180	1.58 171	18.31 212	2.35 154	0.87 109	6.72 146	1.70 122	10.63 130	7.14 106	19.77 204	22.71 193	20.13 203	11.34 189	12.96 187	9.49 180	0.04 132	0.17 182	0.06 178	0.17 179	0.21 145	0.50 185

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

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

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

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

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

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

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

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

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

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

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

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

SGM-ForestM	16.99 227	1.08 141	5.74 141	2.12 133	0.75 100	31.63 227	12.21 221	27.80 230	32.25 220	37.88 227	39.99 228	52.96 234	35.20 232	33.60 230	24.47 222	0.26 184	0.39 207	0.31 209	0.39 204	0.26 158	0.53 188

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

pmcnn	7.72 184	1.27 155	9.42 185	2.91

Low-res two-view benchmark