PhysAgent：用于可靠远程心率估计的多代理框架

远程光电体积描记法 (rPPG) 可以通过面部视频进行非接触式心率估计，但其微弱的生理信号很容易被运动、照明变化、遮挡、皮肤外观变化和设备噪声破坏。现有的 rPPG 方法通常依赖于单一模型来直接预测心率或恢复脉搏波形，而不同的强估计器可能会为同一视频产生相互冲突但各自合理的候选模型。为了解决这些冲突，我们提出了 PhysAgent，一种推理时多代理候选验证框架。与直接预测方法不同，PhysAgent 既不训练新的基本 rPPG 模型，也不要求 Multimodal 大语言模型 (MLLM) 直接输出心率。相比之下，它将多个基本估计器的输出视为需要验证的生理假设，并使用轻量级 4B MLLM Qwen3-VL-4B 来驱动针对视频条件、信号可靠性和候选分歧的多智能体推理。确定性生理验证器检查融合建议，并且可重复的数值融合过程产生最终心率。多个公共 rPPG 基准的实验结果表明，PhysAgent 提高了不同数据集和源域设置之间的融合稳定性和可靠性，同时避免了直接 MLLM 预测或无约束集成融合的不可重复性和生理不一致。该代码即将发布。