本研究提出了一种端到端智能预测优化框架，旨在解决车辆众包感知中的车辆分布与目标感知分布偏差问题。该框架通过将优化过程集成到预测中，改进传统方法，减少错误传播的影响。实验证明其在智能交通系统中的潜力。

本研究提出了一种感知优化超分辨率模型，考虑人类视觉系统对图像细节的敏感度差异。该模型动态指导超分辨率方法，优化计算资源，提高效率。实验结果表明，该方法在保持感知质量的同时，减少计算负担，提升超分辨率技术性能。