O que é o RoIAlign e por que é mais preciso que o RoIPool?

RoIAlign é uma operação utilizada em visão computacional para extrair características de tamanho fixo de regiões de interesse (Region of Interest, RoI) numa imagem de entrada ou tensor de características. Foi proposta no Mask R-CNN para melhorar a precisão da segmentação e deteção de objetos.

Ao contrário do RoIPool, que divide a RoI numa grelha e aplica uma operação de max-pooling com arredondamento das coordenadas, o RoIAlign elimina o problema do arredondamento das coordenadas usando interpolação bilinear para calcular os valores em pontos com coordenadas de ponto flutuante. Isto permite manter uma correspondência espacial precisa entre a RoI e as características.

Porque o RoIAlign é mais preciso que o RoIPool:

• O RoIPool arredonda as coordenadas ao dividir a RoI, o que leva à perda de informação e deslocamento das características.
• O RoIAlign usa interpolação, o que mantém as posições exatas e melhora a qualidade das características extraídas.

Exemplo: se a RoI cobre uma área com coordenadas que não são múltiplos do tamanho da grelha, o RoIPool irá arredondá-las, enquanto que o RoIAlign calculará os valores por interpolação, o que é especialmente importante para tarefas de segmentação onde a precisão das fronteiras é crítica.