素描画作为一种特殊的艺术风格图像,在信息传递、娱乐等地方都发挥着举足轻重的作用。它是视觉艺术中用于抽象人类对自然场景的感知的最基本的绘画语言之一,建立了指向艺术家视觉记录的紧密链接。随着手机摄像技术和互联网共享的普及,获得高质量的图片比构建艺术场景的模型要容易得多。因此,从照片中绘制铅笔素描的需求就会大大增加。目前,铅笔素描是被人快速完成的作品,并没有被加入很多细节。艺术家通常是使用素描来描绘整体形状和主要轮廓,而阴影部分则是通过不同区域绘制颜色深浅和控制笔触力度来描绘色调阴影。本文针对抽象成对的训练数据不足的情况,考虑到生成对抗网络根据原来样本生成多样的图像,并且保留预想样本的特征信息,于是,将该生成模型扩展到素描艺术领域。将真实照片数据作为生成网络模型的输入,无标签的素描画数据作为判别网络模型的输入,通过设定铅笔画特征损失以及目标的局部结构损失约束生成网络模型的输出,从而达到目标图像的任务。主要的贡献点如下:（1）提出一个双分支框架,用铅笔绘制数据集学习一个用于生成清晰轮廓和一个用于色调渲染的模型。让模型在训练过程中更好的学习阴影图,捕捉素描阴影纹理的体系结构。（2）为了生成高质量且富有表现力的艺术肖像画,充分考虑模型可以学习带有细腻白线的复杂发型、眼睛、嘴巴等局部区域,构建生成器和判别器分层的网络架构。（3）在创作艺术元素时,艺术家会使用多种笔触。为了较好的模仿艺术家,设计的模型将生成网络模型渲染输出分成多个图层,每个图层都需要单独的损失函数控制。该函数包括了感知损失和一个局部区域转换损失,用于更好的保留面部特征。