3次元人体ポーズ推定は、体の一部が隠蔽される場合やポーズが曖昧な場合など、多くの課題を抱える難易度の高いタスクである。グラフ畳み込みネットワーク（GCN）は、人体の骨格構造を隣接行列（adjacency matrix）の形で表現することで、より精度の高いポーズ推定に寄与する。本研究では、2次元ポーズから3次元ポーズを回帰するためのグラフ畳み込みネットワーク「PoseGraphNet」を提案する。本ネットワークは、隣接関係を動的に学習する適応型隣接行列と、近隣グループごとに特化したカーネルを採用している。性能評価は、3次元ポーズ推定の標準データセットであるHuman3.6M上で実施した。提案モデルは、最先端技術とほぼ同等の性能を達成しつつ、パラメータ数を大幅に削減している。また、物理的に接続されていない関節同士でも、行動的に類似する関係性をモデルが学習していることが明らかになった。