Computer vision 基于GAN的图像到分割映射与SOTA语义分割方法有何不同？

我一直在查阅Pix2Pix和DeeplabV3等文件。在pix2pix文件中，有一个要执行的图像分割任务。类似地，DeeplabV3用于分段任务。我想了解什么时候应该使用GAN进行分割，什么时候应该使用SOTA分割方法。这些方法在语义切分上的优缺点是什么？

我想可能有人会找到一个例子，但到目前为止，我还没有看到一种GAN方法比最先进的切分方法表现得更好。据我所知，GAN对于域转移或弱监督方法更为有趣。但是，如果您有一组带有相应像素注释的数据，我认为您应该遵循“标准”语义分割文件。
如果您想知道哪些方法总体上表现更好，我建议您遵循一些计算机视觉挑战，并检查最佳表现方法（例如kaggle、grand-challenge.org、conference challenges等）。
有一个网站很有意思，可以在一张图上记录不同的方法：
因此，如果您想知道什么最适合语义分割，我当然会建议您查看您提到的deeplab，或者，非常有效