[LAB 15 · 语言指代小练习：目标、参照与关系](/course/notebooks/7dc83786d067465aa76264475db2c62d.html)

# 5. 真实 grounding 模型的证据入口与本册边界
[独立阅读](/course/notebook-blocks/22efa2ceff4046f99dd3adcb0bf68d7f.html)
按问题继续

RGB规则提框、错误关键词基线、目标/参照/关系与干预

## 5. 真实 grounding 模型的证据入口与本册边界

[Grounding DINO 官方仓库](https://github.com/IDEA-Research/GroundingDINO) 提供模型结构、预训练 checkpoint、图像+文本推理代码、阈值与可视化；[论文作者原文](https://arxiv.org/abs/2303.05499) 给出方法与评价。这是已核验的一手实现入口，本册没有运行该权重，不将官方示例写成本次成绩，也不假设它必然正确解析任意空间关系。

官方 Python 示例的核心路径是 `load_model → load_image → predict → annotate`。`predict` 接收真正图像和文本，默认输出候选框及词级匹配分数；box threshold 和 text threshold 会影响保留框与短语。若后续运行，应固定 `GroundingDINO_SwinT_OGC.py`、`groundingdino_swint_ogc.pth`、输入 PNG、文本、两个阈值和设备，保存原始 boxes/logits/phrases 及模型权重哈希，再在本册的同图干预上比较。原图、遮挡图与颜色交换图已经生成在 `outputs/lab15/`，无需另找输入。

**本次已完成：** 关键词失败复现、可见像素候选、关系角色与坐标、四个真实条件输出、干预区域不变量检查。**本次未完成：** 预训练 grounding 权重下载与推理、开放词汇或真实照片评测。`lab15-results.json` 保留这个状态，不把外部入口当成已运行模型。