La detección de deepfakes es un foco de extensa investigación para combatir la proliferación de medios manipulados. Los enfoques existentes sufren de generalización limitada y luchan por detectar deepfakes creados utilizando técnicas no vistas. Este documento propone un nuevo método de detección de deepfakes para mejorar la generalización. Observamos pistas independientes por dominio en imágenes de deepfake, incluyendo inconsistencias en los colores faciales, artefactos detectables en los límites de síntesis y disparidades en la calidad entre regiones faciales y no faciales. Este enfoque utiliza un estimador de disimilitud entre parches y una red neuronal convolucional de múltiples flujos para capturar pistas de deepfake únicas para cada característica. Al explotar estas pistas, mejoramos la efectividad y generalización de la detección de deepfakes. Los resultados experimentales demuestran el rendimiento mejorado y la robustez de este método.