El surgimiento del aprendizaje profundo ha provocado avances notables en la calidad de los medios sintéticos. Sin embargo, a medida que el fotorrealismo alcanza nuevas alturas, la línea entre imágenes generadas y auténticas se difumina, generando preocupaciones sobre la difusión de contenido falso o manipulado en línea. Por lo tanto, hay una necesidad apremiante de desarrollar herramientas automatizadas capaces de distinguir de manera efectiva imágenes sintéticas, especialmente aquellas que representan rostros, que es uno de los problemas más comúnmente encontrados. En este trabajo, proponemos un enfoque novedoso para la discriminación de rostros sintéticos, aprovechando la compresión de imágenes basada en aprendizaje profundo y utilizando predominantemente las métricas de calidad de una imagen para determinar su autenticidad.