เปรียบเทียบวิธี

	การจำแนกภาพหลายภาษา	การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพ
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2020s	2010–2012
ผู้ริเริ่ม	Community / Radford et al. (CLIP, 2021) as key enabler	Pan, S. J. & Yang, Q. (transfer learning framework); Krizhevsky, Sutskever & Hinton (deep CNN backbone)
ประเภท	Cross-lingual supervised image classification	Transfer learning / supervised classification
แหล่งต้นตำรับ	Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., ... & Sutskever, I. (2021). Learning transferable visual models from natural language supervision. In Proceedings of the 38th International Conference on Machine Learning (ICML), pp. 8748–8763. PMLR.	Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	Cross-lingual image classification, Multilingual visual recognition, Cross-cultural image classification, Multilingual vision-language classification	pretrained CNN image classification, fine-tuned image classifier, domain-adapted image classifier, TL-IC
ที่เกี่ยวข้อง	5	4
สรุป	Multilingual image classification trains visual models to recognise and label images when class names, supervision signals, or evaluation benchmarks span multiple languages. Enabled by multilingual vision-language models such as CLIP, it allows a single model to classify images using prompts or labels in any supported language, facilitating cross-cultural and cross-lingual deployment of computer vision systems.	Transfer Learning with Image Classification reuses a deep neural network backbone — typically a CNN or Vision Transformer — pretrained on a large dataset such as ImageNet, and adapts it to classify images in a new target domain. By inheriting general visual features from the source task, the approach achieves high accuracy with far fewer labeled images than training from scratch.