Veo demonstra uma capacidade intrigante: quando solicitado, consegue detectar arestas e reconhecer objetos distintos dentro de uma cena. O que torna isto notável é que o modelo pode funcionar como uma ferramenta de segmentação, apesar de não ter sido treinado especificamente para tarefas de segmentação. Esta habilidade emergente abre possibilidades interessantes para aplicações downstream. Por exemplo, pode instruí-lo a adicionar elementos visuais como um ponto azul brilhante precisamente em pontos específicos, e ele consegue localizar e executar a tarefa com precisão. Este comportamento de segmentação zero-shot sugere que o modelo desenvolveu uma compreensão mais subtil das relações espaciais e limites dos objetos do que os seus objetivos de treino sugeririam.