미세 객체 탐지 문제는 미세 객체가 크기가 몇 픽셀에 불과하기 때문에 매우 도전적인 과제이다. 우리는 최첨단 객체 탐지기들이 미세 객체에 대해 만족스러운 성능을 내지 못하는 이유가 외관 정보의 부족 때문임을 입증한다. 본 연구의 핵심 관찰은 IoU(교차율) 기반 평가 지표, 예를 들어 IoU 자체나 그 확장형 지표들이 미세 객체의 위치 오차에 매우 민감하며, 특히 앵커 기반 탐지기에서 이러한 지표를 사용할 경우 탐지 성능이 급격히 저하된다는 점이다. 이를 완화하기 위해, 미세 객체 탐지에 적합한 새로운 평가 지표를 제안한다. 구체적으로, 경계 박스를 2차원 가우시안 분포로 모델링한 후, 해당 분포를 기반으로 두 경계 박스 간의 유사도를 측정하는 새로운 지표인 정규화 워셰르슈타인 거리(Normalized Wasserstein Distance, NWD)를 제안한다. 제안한 NWD 지표는 어떤 앵커 기반 탐지기의 할당(assignment), 비최대 억제(NMS), 손실 함수(loss function)에 쉽게 통합될 수 있으며, 기존에 널리 사용되는 IoU 지표를 대체할 수 있다. 우리는 평균 객체 크기가 기존 객체 탐지 데이터셋보다 훨씬 작은 새로운 미세 객체 탐지 데이터셋(AI-TOD)에서 제안한 지표를 평가하였다. 광범위한 실험 결과, NWD 지표를 적용한 본 방법은 표준 미세 조정(baseline)보다 6.7 AP 점수, 기존 최고 성능 탐지기보다 6.0 AP 점수 높은 성능을 달성하였다. 코드는 다음 주소에서 제공된다: https://github.com/jwwangchn/NWD.