现有的基于深度学习的人体网格重建方法倾向于构建更大的网络以实现更高的精度。然而，计算复杂性和模型大小这些对于人体网格重建模型实际应用（如虚拟试衣系统）至关重要的特性往往被忽视。在本文中，我们提出了一种轻量级的姿态驱动方法——GTRS，该方法可以从2D人体姿态重建人体网格。我们设计了一个姿态分析模块，利用图变换器来挖掘结构化和隐式的关节相关性，并提出了一个网格回归模块，将提取的姿态特征与网格模板结合以重建最终的人体网格。通过在Human3.6M和3DPW数据集上的广泛评估，我们展示了GTRS的高效性和泛化能力。特别是在具有挑战性的野外3DPW数据集上，GTRS仅使用了Pose2Mesh参数量的10.2%和浮点运算量的2.5%，却达到了比当前最佳姿态驱动方法Pose2Mesh更好的精度。代码将公开发布。