Este documento presenta un novedoso modelo ligero de estimación de postura, GDE-pose, que aborda el actual compromiso entre precisión y eficiencia computacional en los modelos existentes. GDE-pose se basa en el modelo base YOLO-pose al incorporar Ghost Bottleneck, un Módulo de Fusión de Características Dinámicas (DFFM) y Atención ECA para lograr una representación y selección de características más efectivas. El Ghost Bottleneck reduce la complejidad computacional, DFFM mejora la fusión de características a múltiples escalas y la Atención ECA optimiza la selección de características clave. GDE-pose mejora la precisión de la estimación de postura manteniendo un rendimiento en tiempo real. Los resultados experimentales demuestran que GDE-pose logra una mayor precisión en el conjunto de datos COCO, con una reducción sustancial en parámetros, más del 80% menos de FLOPs y una velocidad de inferencia aumentada de 31 FPS, destacando sus excepcionales capacidades ligeras y en tiempo real. Los estudios de ablación confirman la contribución independiente de cada módulo al rendimiento general del modelo. El diseño de GDE-pose destaca su amplia aplicabilidad en tareas de estimación de postura en tiempo real.