超越像素：基于图式驱动的智能体推理实现视觉隐喻迁移

视觉隐喻是一种高阶人类创造力形式，通过跨域语义融合将抽象概念转化为具有冲击力的视觉修辞。尽管生成式AI取得显著进展，现有模型仍局限于像素级指令对齐与表层外观保持，难以捕捉实现真正隐喻生成所需的底层抽象逻辑。为此，本文提出视觉隐喻迁移（VMT）任务，要求模型自主解耦参考图像中的“创意本质”，并将该抽象逻辑重新具象化到用户指定的目标主体上。我们构建了一个受认知启发的多智能体框架，通过新颖的图式语法（“G”）实现概念融合理论（CBT）的操作化，该结构化表示将关系不变量与具体视觉实体解耦，为跨域逻辑重实例化提供坚实基础。实验表明，该方法在隐喻一致性、类比恰当性与视觉创造力方面显著优于现有最先进方法。