3D人体姿态估计是一项具有挑战性的任务，主要受限于肢体遮挡和姿态歧义等问题。图卷积网络（Graph Convolutional Networks）通过邻接矩阵的形式编码人体骨骼的结构信息，有助于提升姿态预测的准确性。本文提出一种名为PoseGraphNet的图卷积网络，用于从2D姿态估计3D人体姿态。该网络采用自适应邻接矩阵，并引入针对不同邻域组设计的专用卷积核。我们在标准的3D姿态估计数据集Human3.6M上对模型进行了评估，结果表明，尽管参数量远少于现有方法，其性能仍接近当前最先进的水平。值得注意的是，模型学习到了一些在解剖学上并无直接连接但行为上具有相似性的关节之间的关联关系，展现出良好的语义建模能力。