Diese Arbeit präsentiert einen Ansatz zur Unterscheidung zwischen echten Videos und Deepfake-Videos anhand der Schätzung der Kopfhaltung als Merkmal. Die Autoren analysieren die Winkel der Kopfhaltung von Personen in Videos, um Inkonsistenzen aufzudecken, die durch Deepfake-Manipulationen eingeführt werden. Im Experiment wurden drei Methoden zur Schätzung der Kopfhaltung verwendet, und die Ergebnisse wurden mit Techniken wie KNN und dynamischer Zeitkrümmung (Dynamic Time Warping) verifiziert. Letztendlich wird die Effektivität dieses Ansatzes zur Deepfake-Erkennung nachgewiesen.