GenSeg-DeepLab僅運用40張ISIC圖畫即可在DermIS測驗集上到達Jaccard指數0.67，端到端的分散模型（BBDM）一般帶來最優的切割功能，比較之下Separate-DeepLab僅為0.42

研討人員進一步探求了GenSeg的優勢是否依靠于某一類特定的生成模型
。

其間GenSeg對一般的生成模型進行了修正，

不同于傳統生成模型將數據生成與圖畫切割練習分隔來的做法，GenSeg-DeepLab完成了0.52的Dice分數，將練習好的切割模型在實在驗證集上評價，

之后再次進入階段1，通訊作者為該校副教授Pengtao Xie，G標明數據生成模型中的生成器