Google DeepMind stellt TIPSv2 vor, um eine zentrale Schwäche von KI-Bildverarbeitungsmodellen zu beheben: die mangelhafte Lokalisierung feiner Details trotz eines soliden globalen Bildverständnisses. Die neue Methode verbessert die Zero-Shot-Segmentierung um 141 Punkte durch flächendeckende Überwachung, reduziert die Trainingsparameter um 42 und nutzt Textbeschreibungen mit mehreren Granularitätsstufen. Das Modell setzt neue Maßstäbe bei der Segmentierung und übertrifft größere Modelle bei der Retrieval- und Klassifizierungsleistung. Der Code und die Gewichte sind als Open Source verfügbar.