Google DeepMind présente TIPSv2 pour pallier une faiblesse majeure des modèles de vision artificielle : une localisation insuffisante des détails fins malgré une excellente compréhension globale de l'image. Cette nouvelle méthode améliore la segmentation « zero-shot » de 141 points grâce à une supervision sur l'ensemble de la zone, réduit le nombre de paramètres d'entraînement de 42 et utilise des descriptions textuelles à plusieurs niveaux de granularité. Le modèle établit de nouvelles références en matière de segmentation et surpasse des modèles plus volumineux en termes de recherche et de classification. Le code et les poids sont disponibles en open source.