본 연구는 2D 이미지를 기반으로 3D 손 제스처를 예측하는 과정에서 그래프 컨볼루션 네트워크(GCN)의 효용성을 재검토합니다. 실험 결과, 표준 멀티-헤드 셀프 어텐션이 강화된 GCN보다 더 나은 성능을 보였으며, MPJPE를 12.36mm에서 10.09mm로 줄였습니다. 연구는 손 제스처 예측에서 입력 의존적 집계가 중요하며, 어텐션 메커니즘을 통해 공간적 관계를 유연하게 처리하는 것이 GCN보다 효과적임을 시사합니다.