यह शोधपत्र "फेकपार्ट्स" प्रस्तुत करता है, जो डीपफेक का एक नया प्रकार है जो सूक्ष्म, स्थानीयकृत हेरफेर के माध्यम से वास्तविक वीडियो के विशिष्ट स्थानिक क्षेत्रों या समय अंतरालों को बदल देता है। पूरी तरह से संश्लेषित सामग्री के विपरीत, आंशिक हेरफेर, जैसे चेहरे के भावों में परिवर्तन, वस्तु प्रतिस्थापन और पृष्ठभूमि संशोधन, वास्तविक तत्वों के साथ सहजता से घुल-मिल जाते हैं, जिससे वे विशेष रूप से भ्रामक और पता लगाने में कठिन हो जाते हैं। पहचान प्रदर्शन में इस महत्वपूर्ण अंतर को दूर करने के लिए, यह शोधपत्र "फेकपार्ट्सबेंच" प्रस्तुत करता है, जो पहला बड़े पैमाने का बेंचमार्क डेटासेट है जिसे विशेष रूप से आंशिक डीपफेक के पूर्ण स्पेक्ट्रम को पकड़ने के लिए डिज़ाइन किया गया है। पिक्सेल- और फ़्रेम-स्तरीय हेरफेर एनोटेशन वाले 25,000 से अधिक वीडियो शामिल करते हुए, यह डेटासेट पहचान विधियों का व्यापक मूल्यांकन करने में सक्षम बनाता है। उपयोगकर्ता अध्ययन दर्शाते हैं कि फेकपार्ट्स मौजूदा डीपफेक की तुलना में मानव पहचान सटीकता को 30% से अधिक कम कर देता है, और अत्याधुनिक पहचान मॉडलों में भी इसी तरह की गिरावट देखी गई है। यह शोध वर्तमान डीपफेक पहचान विधियों की महत्वपूर्ण कमजोरियों को उजागर करता है और आंशिक वीडियो हेरफेर के विरुद्ध अधिक मज़बूत तरीके विकसित करने के लिए एक संसाधन प्रदान करता है।
