Card: English first with Chinese section; exact training prompts

The usage snippet dropped the spaces inside the coordinate lists
([[x1,y1],...] instead of [[x1, y1], ...]). Training and evaluation use the
spaced form, and the difference changes tokenization, so anyone copying the
snippet was not prompting the model the way it was trained.

README.md

@@ -13,37 +13,41 @@ tags:
   - qwen3-vl
 ---
 
+**English** | [简体中文](#geobox-r1-中文)
+
 # GeoBox-R1
 
-统一边界框级遥感视觉定位模型，同时输出水平框（HBB）与旋转框（OBB）。
+Unified box-level remote sensing visual grounding — one model producing both horizontal (HBB)
+and oriented (OBB) bounding boxes.
 
 > **GeoBox-R1: Curriculum-Guided SFT and Geometric RL for Unified Box-Level Remote Sensing Visual Grounding**
 > Chenxi Lan\*, Yuchen Wu\*, Minghang Zhou, Tianyu Li, Zhihao Qiu, Guoqing Wang
-> AAAI 2027 投稿中。（\* 共同一作）
+> Under review at AAAI 2027. (\* equal contribution)
 >
-> [项目主页](https://yuchenwu73.github.io/GeoBox-R1/) ·
-> [代码](https://github.com/yuchenwu73/GeoBox-R1) ·
-> [训练数据](https://huggingface.co/datasets/yuchenwu73/GeoBox-R1-Data) ·
-> [Stage-1 SFT 检查点](https://huggingface.co/yuchenwu73/GeoBox-R1-SFT)
+> [Project page](https://yuchenwu73.github.io/GeoBox-R1/) ·
+> [Code](https://github.com/yuchenwu73/GeoBox-R1) ·
+> [Training data](https://huggingface.co/datasets/yuchenwu73/GeoBox-R1-Data) ·
+> [Stage-1 SFT checkpoint](https://huggingface.co/yuchenwu73/GeoBox-R1-SFT)
 
-本仓库是**最终模型**（Stage-1 SFT + Stage-2 GDPO 后的合并权重）。
-只需要第一阶段结果请用 [`GeoBox-R1-SFT`](https://huggingface.co/yuchenwu73/GeoBox-R1-SFT)。
+This repository holds the **final model** — merged weights after Stage-1 SFT and Stage-2 GDPO.
+For the first stage alone, use [`GeoBox-R1-SFT`](https://huggingface.co/yuchenwu73/GeoBox-R1-SFT).
 
-## 训练流程
+## Training
 
-基座 **Qwen3-VL-4B-Instruct**，两阶段：
+Built on **Qwen3-VL-4B-Instruct** in two stages:
 
-1. **课程式 SFT** — 训练数据按 HBB → OBB → HBB-to-OBB CoT 由易到难排列。
-   LoRA（rank 16，alpha 32），冻结视觉编码器与 merger，lr `1e-4`，1 epoch，2× RTX 4090。
-2. **几何强化学习（GDPO）** — 在 SFT 检查点上用两个基于规则的几何奖励细化 OBB：
-   Rotated IoU 与自适应 Wasserstein 距离（λ 各 0.5）。
-   G=8 rollouts，β=0.02，τ_c=8，lr `5e-6`，1 epoch，3× A100 40G（1 个 vLLM rollout 服务 + 2 个 GDPO worker）。
+1. **Curriculum-guided SFT** — training data ordered easy-to-hard: HBB → OBB → HBB-to-OBB CoT.
+   LoRA (rank 16, alpha 32), vision encoder and merger frozen, lr `1e-4`, 1 epoch, 2× RTX 4090.
+2. **Geometric RL (GDPO)** — refines OBB prediction on top of the SFT checkpoint with two
+   rule-based geometric rewards: Rotated IoU and an adaptive Wasserstein distance (λ = 0.5 each).
+   G = 8 rollouts, β = 0.02, τ_c = 8, lr `5e-6`, 1 epoch, 3× A100 40G (one vLLM rollout server
+   and two GDPO workers).
 
-## 结果
+## Results
 
-7 个 HBB 与 3 个 OBB 评测集，三项指标的宏平均均取得最佳。
+Best macro averages on all three metrics, across 7 HBB and 3 OBB evaluation sets.
 
-### HBB（7 个评测集）
+### HBB (7 evaluation sets, Acc@0.5)
 
 | Model | Params | DIOR-Test | DIOR-Val | RSVG-Test | RSVG-Val | GeoChat* | VRSBench* | AVVG | **Avg.** |
 | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
@@ -53,28 +57,30 @@ tags:
 | GeoBox-R1 (SFT) | 4B | 74.91 | 74.21 | 48.57 | 46.29 | 61.39 | 64.45 | 30.33 | 57.17 |
 | **GeoBox-R1** | **4B** | 76.61 | 75.11 | **51.26** | **48.38** | 61.13 | **66.84** | **32.14** | **58.78** |
 
-（Acc@0.5。Acc@0.7 与 mIoU 的宏平均分别为 **42.22** 与 **50.39**，同样最佳。）
+Acc@0.7 and mIoU macro averages are **42.22** and **50.39**, also the best.
 
-### OBB（3 个评测集）
+### OBB (3 evaluation sets, Acc@0.5 / Acc@0.7 / mRIoU)
 
-| Model | Params | GeoChat* @0.5 / @0.7 / mRIoU | VRSBench* | AVVG | **Avg.** |
+| Model | Params | GeoChat* | VRSBench* | AVVG | **Avg.** |
 | --- | --- | --- | --- | --- | --- |
 | InternVL3 (SFT) | 8B | 49.79 / 23.10 / 41.66 | 42.01 / 20.65 / 40.68 | 15.43 / 7.40 / 15.39 | 35.74 / 17.05 / 32.58 |
 | GeoGround | 7B | 58.72 / 25.49 / 46.89 | 53.26 / 29.82 / 48.35 | 13.89 / 4.10 / 15.64 | 41.96 / 19.81 / 36.96 |
 | GeoBox-R1 (SFT) | 4B | 55.96 / 30.45 / 45.45 | 51.14 / 27.69 / 45.91 | 22.23 / 15.07 / 19.20 | 43.11 / 24.40 / 36.85 |
 | **GeoBox-R1** | **4B** | **60.56 / 35.19 / 48.92** | **56.61 / 30.55 / 49.43** | **24.79 / 16.89 / 21.18** | **47.32 / 27.55 / 39.85** |
 
-以 4B 参数超过 7B–8B 的现有最优模型：HBB 领先 **3.68/4.89/2.61** 点，OBB 领先 **5.36/7.74/2.89** 点，
-在更严格的 Acc@0.7 上增益最大。
+At 4B parameters this beats the 7B–8B state of the art by **3.68/4.89/2.61** points on HBB and
+**5.36/7.74/2.89** on OBB, with the largest gains at the stricter Acc@0.7 threshold.
 
-**OBB-only RL 不牺牲 HBB**：GDPO 只用 OBB 样本训练，HBB 宏平均反而从 57.17/40.33/48.82 升到
-58.78/42.22/50.39 —— Acc@0.5 在 7 个集合中的 6 个上升，Acc@0.7 与 mIoU 全部 7 个上升。
+**OBB-only RL does not cost HBB accuracy.** GDPO trains on OBB samples alone, yet the HBB macro
+average rises from 57.17/40.33/48.82 to 58.78/42.22/50.39 — Acc@0.5 improves on 6 of 7 sets,
+and Acc@0.7 and mIoU improve on all 7.
 
-## 使用
+## Usage
 
-模型使用 HBB / OBB 两种提示词，输出 JSON 格式的框坐标。
+The prompts below are **byte-for-byte identical to the ones used in training and evaluation**,
+including the spaces inside the coordinate lists. Changing the spacing changes tokenization.
 
-```python
+````python
 from transformers import AutoModelForImageTextToText, AutoProcessor
 from PIL import Image
 
@@ -85,23 +91,38 @@ processor = AutoProcessor.from_pretrained(model_id)
 image = Image.open("scene.png")
 expression = "the brown suv on the right"
 
-# 旋转框（OBB）
-prompt = (f"Locate the instance that matches the description: [{expression}]. "
-          "Report oriented bbox coordinates in following JSON format:\n"
-          "```json\n[\n\t{\"oriented_bbox\": [[x1,y1],[x2,y2],[x3,y3],[x4,y4]]}\n]\n```")
+# Oriented box (OBB)
+prompt = f"""Locate the instance that matches the description: [{expression}]. Report oriented bbox coordinates in following JSON format:
+```json
+[
+\t{{"oriented_bbox": [[x1, y1], [x2, y2], [x3, y3], [x4, y4]]}}
+]
+```"""
 
 messages = [{"role": "user", "content": [{"type": "image"}, {"type": "text", "text": prompt}]}]
 text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
 inputs = processor(text=[text], images=[image], return_tensors="pt").to(model.device)
 out = model.generate(**inputs, max_new_tokens=256)
 print(processor.decode(out[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))
-```
+````
 
-水平框把提示词换成 `Report horizontal bbox coordinates ...` 与 `{"horizontal_bbox": [x1,y1,x2,y2]}` 即可。
+For horizontal boxes, use the same call with:
 
-也可用 [ms-swift](https://github.com/modelscope/ms-swift)（训练所用框架）推理与部署。
+````python
+prompt = f"""Locate the instance that matches the description: [{expression}]. Report horizontal bbox coordinates in following JSON format:
+```json
+[
+\t{{"horizontal_bbox": [x1, y1, x2, y2]}}
+]
+```"""
+````
 
-## 引用
+Coordinates are quantized to `[0, 1000]`; scale by image width and height to recover pixels.
+
+The model can also be served with [ms-swift](https://github.com/modelscope/ms-swift), the
+framework used for training.
+
+## Citation
 
 ```bibtex
 @inproceedings{geoboxr1,
@@ -114,3 +135,46 @@ print(processor.decode(out[0][inputs.input_ids.shape[1]:], skip_special_tokens=T
   note      = {Under review}
 }
 ```
+
+---
+
+# GeoBox-R1 中文
+
+[English](#geobox-r1) | **简体中文**
+
+统一边界框级遥感视觉定位模型，同时输出水平框（HBB）与旋转框（OBB）。
+
+本仓库是**最终模型**（Stage-1 SFT + Stage-2 GDPO 后的合并权重）。
+只需要第一阶段结果请用 [`GeoBox-R1-SFT`](https://huggingface.co/yuchenwu73/GeoBox-R1-SFT)。
+
+## 训练流程
+
+基座 **Qwen3-VL-4B-Instruct**，两阶段：
+
+1. **课程式 SFT** — 训练数据按 HBB → OBB → HBB-to-OBB CoT 由易到难排列。
+   LoRA（rank 16，alpha 32），冻结视觉编码器与 merger，lr `1e-4`，1 epoch，2× RTX 4090。
+2. **几何强化学习（GDPO）** — 在 SFT 检查点上用两个基于规则的几何奖励细化 OBB：
+   Rotated IoU 与自适应 Wasserstein 距离（λ 各 0.5）。
+   G=8 rollouts，β=0.02，τ_c=8，lr `5e-6`，1 epoch，3× A100 40G（1 个 vLLM rollout 服务 + 2 个 GDPO worker）。
+
+## 结果
+
+7 个 HBB 与 3 个 OBB 评测集，三项指标的宏平均均取得最佳：
+
+| 任务 | Acc@0.5 | Acc@0.7 | mIoU / mRIoU |
+| --- | --- | --- | --- |
+| HBB（7 个集） | **58.78** | **42.22** | **50.39** |
+| OBB（3 个集） | **47.32** | **27.55** | **39.85** |
+
+以 4B 参数超过 7B–8B 的现有最优模型：HBB 领先 **3.68/4.89/2.61** 点，
+OBB 领先 **5.36/7.74/2.89** 点，在更严格的 Acc@0.7 上增益最大。
+逐数据集的完整结果见上方英文表格或[项目主页](https://yuchenwu73.github.io/GeoBox-R1/)。
+
+**OBB-only RL 不牺牲 HBB**：GDPO 只用 OBB 样本训练，HBB 宏平均反而从 57.17/40.33/48.82
+升到 58.78/42.22/50.39 —— Acc@0.5 在 7 个集合中的 6 个上升，Acc@0.7 与 mIoU 全部 7 个上升。
+
+## 使用
+
+代码见上方英文 [Usage](#usage) 一节。提示词与训练、评测时**逐字节一致**，
+包括坐标列表里的空格 —— 改动空格会改变分词结果。坐标量化到 `[0, 1000]`，
+按图像宽高缩放即可还原到像素。