Los métodos basados en aprendizaje profundo han logrado un progreso notable para la coincidencia estéreo en términos de precisión. Sin embargo, dos problemas aún impiden producir un mapa de disparidad perfecto: (1) límites borrosos y la disparidad discontinua de una región continua en los mapas de estimación de disparidad, y (2) una falta de medios efectivos para restaurar la resolución de manera precisa. En este documento, proponemos utilizar múltiples entradas de frecuencia y un mecanismo de atención para construir el modelo profundo de coincidencia estéreo. Específicamente, la información de alta frecuencia y baja frecuencia de la imagen de entrada junto con la imagen RGB se alimentan a una red de extracción de características con convoluciones 2D. Esto es propicio para producir un límite distinto y una disparidad continua de la región suave en los mapas de disparidad. Para regularizar el volumen de costos 4D para la regresión de disparidad, proponemos un módulo de atención guiado por contexto 3D para redes de reloj de arena apiladas, donde los volúmenes de costos de alto nivel como guía de contexto de bajo nivel características para obtener mapas de características de alta resolución pero precisos. El enfoque propuesto logra un rendimiento competitivo en los conjuntos de datos SceneFlow y KITTI 2015.