Este artículo presenta "FakeParts", un nuevo tipo de deepfakes que altera regiones espaciales específicas o intervalos temporales de vídeos auténticos mediante manipulaciones sutiles y localizadas. A diferencia del contenido totalmente sintetizado, las manipulaciones parciales, como cambios en las expresiones faciales, reemplazos de objetos y modificaciones del fondo, se integran a la perfección con los elementos reales, lo que las hace especialmente engañosas y difíciles de detectar. Para abordar esta importante deficiencia en el rendimiento de la detección, este artículo presenta "FakePartsBench", el primer conjunto de datos de referencia a gran escala diseñado específicamente para capturar todo el espectro de deepfakes parciales. Compuesto por más de 25 000 vídeos con anotaciones de manipulación a nivel de píxel y fotograma, este conjunto de datos permite una evaluación exhaustiva de los métodos de detección. Estudios de usuarios demuestran que FakeParts reduce la precisión de la detección humana en más de un 30 % en comparación con los deepfakes existentes, con una degradación similar observada con los modelos de detección de vanguardia. Esta investigación expone vulnerabilidades críticas en los métodos actuales de detección de deepfakes y proporciona un recurso para desarrollar métodos más robustos contra la manipulación parcial de vídeo.
