本記事では、実世界の実験データに基づくマルチモーダル時空間学習における二つの課題について述べています。これらの課題は、モダリティ内部の測定がまばらで不規則であり、ノイズが含まれている一方で、異なるモダリティ間での相関があること、また、利用可能なモダリティが空間と時間に応じて異なるため、モデルをトレーニングおよびテスト時に適応させる必要があることです。提案されたOmniFieldは、利用可能なモダリティに条件を与えた連続的なニューラルフィールドを学習し、クロスモーダル文脈を反復的に統合するフレームワークです。このアプローチにより、グリッドや前処理なしでの統一的な再構築、補間、予測、クロスモーダル予測が可能となり、性能評価の結果、OmniFieldは従来の強力なベースラインを一貫して上回ることが示されました。