يُعدّ تقدير الوضع ثلاثي الأبعاد للإنسان أساسياً لفهم سلوك الإنسان. في الآونة الأخيرة، تم تحقيق نتائج واعدة باستخدام الشبكات العصبية التلافيفية الرسومية (GCNs)، التي تحقق أداءً متفوقاً على المستوى الحالي وتقدم هياكل خفيفة الوزن إلى حدٍ كبير. ومع ذلك، يظل العيب الرئيسي في الشبكات التلافيفية الرسومية هو عدم قدرتها على ترميز جميع التحويلات بين المفاصل بشكل صريح. لمعالجة هذه المشكلة، نقترح نموذجاً جديداً للشبكة التلافيفية الرسومية الطيفية باستخدام التحويل الموبيوس (MöbiusGCN). وبشكل خاص، يمكّن هذا النموذج من ترميز التحويل بين المفاصل بشكل مباشر وصريح، مما يؤدي إلى تمثيل أكثر كفاءة وانكماشاً بشكل كبير. مقارنةً بأي هيكل خفيف الوزن تم تطويره حتى الآن، يتطلب نهجنا الجديد 90-98٪ أقل من المعلمات، أي أن أخف نموذج من نوع MöbiusGCN يستخدم فقط 0.042 مليون معلمة قابلة للتدريب. بالإضافة إلى التقليل الجذري في عدد المعلمات، فإن الترميز الصريح للتحويلات بين المفاصل يمكّننا من تحقيق نتائج متفوقة على المستوى الحالي. وقد قمنا بتقييم منهجنا على بحثين صعبين في تقدير الوضع، وهما Human3.6M وMPI-INF-3DHP، حيث أظهرت النتائج أداءً متفوقاً على المستوى الحالي وقدرة عامة على التعميم لنموذج MöbiusGCN.