先固定简单坐标约定 x/stride，再看 35→2.1875→取整 2 所造成的位置变化。真实库的像素中心与边界设置必须另核对；本页的三个像素误差是指定算例，不是所有实现的固定偏差。
原图坐标轴上的 x=35 映射到 stride16 特征坐标 2.1875；量化到 2 时对回 x=32，明确三像素偏移。
用一个小坐标例子看。特征图相对原图的步长是十六，原图横坐标三十五对应特征坐标二点一八七五。如果简单变成整数二，就相当于换到了原图三十二附近的位置。 识别“大概是什么”时，这样的偏差可能不太显眼；但在杯柄或细边界上，几个像素就会改变哪些位置应该属于对象。 这里不是说所有取整都造成同样大小的错误，而是指出一种信息通路问题：我们希望读取这个区域，却在离散化过程中改变了它的几何对应。RoIAlign 的关键，就是在区域提取中避免相关量化，并用连续位置采样。下一页让这个采样变成能算出来的东西。
本页采用教学约定 (u=x/s)，不额外加入像素中心偏移。原图 x=35、特征步长 s=16，得到 u=2.1875。若立即取整为 2，读到的位置就相当于原图 x=32；对分类可能仍包含相似内容，但细杯柄边缘已偏了三个像素。
这不表示所有实际库都直接使用 x/s。具体实现还可能约定像素中心、半像素偏移、对齐端点及边界外采样。对照库输出时必须先统一这些约定，不能把差异都归结为数值误差。课堂算例选择简单坐标，是为了单独看清连续位置与量化的差别。
RoI 提取不只涉及框起点，还要把框划成固定数量 bins，并在每个 bin 中选择采样位置。若框边界或 bin 边界被取整，细小移动可能完全不改变读数，跨过阈值又会突然跳变。保留连续几何，再通过邻域插值得值，便能把这些连续变化传到区域读出。
到 P42 我们真正算一个点；到 P43 再把点值放回局部二维目标。一次插值算对，是理解组件，不等于已经完成整套实例分割。
先读本页解释与图，再到 LAB03 改一个坐标或对象。
教学坐标假设图像边界坐标/stride，无半像素偏置。35/16=2.1875，取整2对回32。仅用于解释量化误差，不声称还原 torchvision 等具体框架全部坐标约定。