我们提出了一种轻量级解决方案，用于从空间标定的多视角图像中恢复三维姿态。基于可解释表征学习的最新进展，我们利用三维几何信息将输入图像融合为统一的、与相机视角解耦的姿态隐式表征。这一设计使得我们能够在不同视角之间高效推理三维姿态，而无需依赖计算开销巨大的体素网格。随后，我们的架构通过条件化于相机投影算子，生成高精度的每视角二维检测结果，并可通过一个可微分的直接线性变换（DLT）层简单地提升至三维空间。为实现高效计算，我们提出了一种新型的DLT实现方法，在GPU架构上的运算速度较传统的基于SVD的三角化方法快多个数量级。我们在两个大规模人体姿态数据集（H36M和Total Capture）上对所提方法进行了评估，结果表明，我们的方法在性能上优于或媲美当前最先进的体素化方法，同时与后者不同的是，能够实现实时运行。