如果数据集的标签有bbox应该怎么适配（InternVL3）

[b762927]

InternVL是很nice的工作。我想请教一下，因为我看InternVL会动态处理输入图片，将其自适应resize成448的整数倍然后分patch。那如果我的标签内有bbox，也要同步到resize后的尺度吗（分patch应该不影响box的尺度?） 然后我看grounding任务说要把box缩放到[0,1000]。因为输入又会动态处理，究竟是把box缩放到[0,1000]就不用考虑动态输入，还是说先将box随图片校准至448整数倍的尺度，然后再resize到[0,1000】