Classificação Multilíngue de Imagens

A classificação multilíngue de imagens treina modelos visuais para reconhecer e rotular imagens quando nomes de classes, sinais de supervisão ou benchmarks de avaliação abrangem múltiplos idiomas. Possibilitada por modelos de visão-linguagem multilíngues como CLIP, permite que um único modelo classifique imagens usando prompts ou rótulos em qualquer idioma suportado, facilitando a implantação transcultural e translinguística de sistemas de visão computacional.