# Faceforensics Classifier

> Clasificador de deepfakes y face swaps entrenado en el dataset FaceForensics++

- Skill: `davidcastagnetoa/faceforensics-classifier` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add davidcastagnetoa/faceforensics-classifier`
- Raw SKILL.md: https://api.skillmd.com/api/skills/davidcastagnetoa/faceforensics-classifier/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: davidcastagnetoa (https://skillmd.com/u/davidcastagnetoa)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/davidcastagnetoa/faceforensics-classifier

---


# faceforensics_classifier

Modelo de clasificación binaria (real/fake) entrenado en FaceForensics++ para detectar deepfakes, face swaps (DeepFaceLab, FaceSwap) y GAN-generated faces en el video de selfie.

## When to use

Ejecutar sobre los frames del video de selfie como capa de detección de deepfakes, después de liveness pasivo y antes de la decisión final.

## Instructions

1. Descargar modelos preentrenados de FaceForensics++: https://github.com/ondyari/FaceForensics
2. Modelo recomendado: XceptionNet entrenado en c23 (calidad media): `xception_c23.pkl`.
3. Preprocesar: detectar y recortar cara, redimensionar a 299x299, normalizar a [-1, 1].
4. Inferencia: `pred = model(preprocessed_face)` → score de probabilidad de ser fake.
5. Umbral de rechazo: `fake_score > 0.5` → posible deepfake, incrementar flag antifraude.
6. Analizar múltiples frames (mínimo 5) y promediar scores para reducir falsos positivos.
7. Exportar a ONNX y desplegar en Triton para latencia óptima.

## Notes

- Repositorio oficial: https://github.com/ondyari/FaceForensics
- El modelo c40 (alta compresión) es más robusto ante videos comprimidos por WebRTC.
- Fine-tuning con DeepFaceLab y Face2Face mejora significativamente la detección de ataques actuales.