多物体Grounding的情况

[harrylin-hyl]

好像UniVG-R1仅支持单bbox的输出，在很多推理分割数据集（LISA LLMSeg等）均需要输出多个实例 mask。并且，在表2 Zero-shot评测中，发现LISA、LLMSeg等标注都仅有一个框，如果标注mask中有多个实例，是如何得到一个框的标注呢？
希望您能解答我的疑惑，谢谢！