Clasificación de Imágenes Faciales Sintéticas: Un Enfoque Cuantitativo y Cualitativo con IA

A través de técnicas de inteligencia artificial (IA), se genera contenido sintético, lo cual es un tema cada vez más crítico para la seguridad digital. Este artículo tiene como objetivo clasificar imágenes faciales reales y sintéticas utilizando un modelo de IA de última generación para analizar, tanto cuantitativa como cualitativamente, su rendimiento y las características más discriminativas a través de las diversas transformaciones de datos utilizadas para este propósito en la literatura actual. En este escenario, el estudio utilizó tres conjuntos de datos públicos de referencia: dos para generar imágenes falsas (Stable Diffusion y StyleGAN2) y uno para imágenes reales (FFHQ), empleando la arquitectura Xception con el visualizador Grad-CAM++. En general, los resultados indican que la región central de la imagen es la más discriminativa, mientras que el recorte aleatorio produjo el peor rendimiento. El trabajo futuro tiene como objetivo explorar otros métodos de Inteligencia Artificial Explicable (XAI), así como otros protocolos de entrenamiento y validación, como el testeo cruzado entre bases de datos sintéticas.