ステレオマッチングは、多くのビジョンやロボティクスの応用において基本的な構成要素です。高精度かつ効率的なステレオマッチングを実現するためには、情報量が豊富で簡潔なコスト体積表現が不可欠です。本論文では、相関の手がかりから注意重みを生成し、結合体積内の冗長な情報を抑制し、マッチングに関連する情報を強化する新しいコスト体積構築方法を提案します。信頼性のある注意重みを生成するために、異なる視差でもテクスチャがない領域であってもマッチングコストの特徴性を向上させる多段階適応パッチマッチングを提案します。提案されたコスト体積は「注意結合体積（Attention Concatenation Volume: ACV）」と名付けられ、ほとんどのステレオマッチングネットワークにシームレスに組み込むことができます。これにより、より軽量な集約ネットワークを使用しつつも高い精度を達成することが可能となります。例えば、GwcNetの場合、集約ネットワークのパラメータ数の1/25しか使用せずともより高い精度を達成できます。さらに、我々はACVに基づいた非常に高精度なネットワーク（ACVNet）を設計しました。このネットワークはいくつかのベンチマークで最先端の性能を達成しています。