O Google DeepMind apresenta o TIPSv2 para resolver uma deficiência fundamental nos modelos de visão de IA: a localização deficiente de detalhes finos, apesar da sólida compreensão global da imagem. O novo método melhora a segmentação zero-shot em 141 pontos por meio da supervisão de área total, reduz os parâmetros de treinamento em 42 e utiliza descrições de texto com múltiplos níveis de granularidade. O modelo estabelece novos padrões de referência em segmentação e supera modelos maiores em recuperação e classificação. O código e os pesos são de código aberto.