Mission Critical — Satellite Data is a Distinct Modality in Machine Learning

要約

衛星データは、機械学習に激震を与える可能性を秘めている。それは、従来のデータモダリティのために設計された既存の手法を再考するものである。衛星データのための機械学習（SatML）がその実世界へのインパクトで支持を集めるにつれ、我々の分野は岐路に立たされている。不適当なアプローチを適用し続けるか、衛星データのユニークな特性と課題を中心に据えた新たな研究課題を開始するかのどちらかである。本ポジションペーパーでは、衛星データは機械学習研究にとって別個のモダリティを構成しており、理論、手法、展開に渡ってSatML研究の質とインパクトを向上させるためには、それをそのように認識する必要があると論じている。SatMLを単なる興味深い応用分野から、機械学習と社会にとっての大きな課題の解決に貢献する専門的な研究分野へと変貌させるために、重要な論点と実行可能な提案を概説する。

要約(オリジナル)

Satellite data has the potential to inspire a seismic shift for machine learning — one in which we rethink existing practices designed for traditional data modalities. As machine learning for satellite data (SatML) gains traction for its real-world impact, our field is at a crossroads. We can either continue applying ill-suited approaches, or we can initiate a new research agenda that centers around the unique characteristics and challenges of satellite data. This position paper argues that satellite data constitutes a distinct modality for machine learning research and that we must recognize it as such to advance the quality and impact of SatML research across theory, methods, and deployment. We outline critical discussion questions and actionable suggestions to transform SatML from merely an intriguing application area to a dedicated research discipline that helps move the needle on big challenges for machine learning and society.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL