[Visual Grounding] Using InternVL2.5-8B did not work well on the Ref-L4 dataset

[Liareee]

作者您好，

感谢您贡献的非常优秀的开源模型！
我目前正在尝试在更多Visual Grounding的数据集上测试InternVL2.5系列模型的效果。
我使用了#359 中建议的prompt和类似的eval代码实现（dynamic的图像处理）

目前我部署了InternVL2.5-8B，并调用尝试grounding效果，能够返回bbox，但并不准确，整体iou很低。
但直接使用您提供的eval/refcoco下的评测脚本是可以得到和论文中公开的类似的结果 0.87

不知道是否有其他人也遇到类似的问题？
请问问题可能能够如何解决？感谢

[yuecao0119]

你好，

方便提供一下你的eval代码吗？如果用eval/refcoco的评测脚本可以获得类似结果，可能是因为超参数设置问题，例如temperature、max-num等。