YOLO-Master: Acelerado con MOE y Transformers Especializados para una Detección en Tiempo Real Mejorada

Los métodos actuales de detección de objetos en tiempo real (RTOD) utilizan arquitecturas tipo YOLO por su buen equilibrio entre precisión y velocidad. Sin embargo, estos modelos aplican un cómputo denso estático uniforme a todas las entradas, lo que genera un mal uso de recursos en escenas simples y una falta de capacidad en las complejas. YOLO-Master propone un nuevo marco que introduce cómputo adaptativo condicional a la instancia mediante un bloque Efficient Sparse Mixture-of-Experts (ES-MoE), que asigna dinámicamente recursos según la complejidad de la escena. Una red de enrutamiento ligera guía la especialización de expertos durante el entrenamiento y activa solo los relevantes en inferencia. En MS COCO, alcanza un 42,4% de AP con 1,62 ms de latencia, superando a YOLOv13-N en un 0,8% de mAP y siendo un 17,8% más rápido. Los mayores beneficios se observan en escenas densas complejas, manteniendo eficiencia en tiempo real.