三维人体姿态估计近年来在计算机视觉领域受到广泛关注。现有的三维姿态估计方法严重依赖大规模且标注完善的三维姿态数据集，由于训练集中三维姿态的多样性有限，导致模型在面对未见姿态时泛化能力较差。针对这一问题，本文提出PoseGU，一种新型的人体姿态生成方法。PoseGU仅需少量种子样本即可生成具有高度多样性的三维姿态，并引入反事实风险最小化（Counterfactual Risk Minimization）机制，以实现无偏的评估目标。大量实验表明，在三个主流基准数据集上，PoseGU在性能上超越了几乎所有现有的先进三维人体姿态估计方法。实证分析进一步验证了PoseGU能够生成更具数据多样性的三维姿态，并显著提升了模型的泛化能力。