Anime2Sketch

一键将动漫图变线稿，省去手工描线

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 173 🐛 待处理 7 👀 关注 22

GitHub ↗

GitHub 星标 ★ 2145

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

Anime2Sketch 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队Mukosame

GitHubhttps://github.com/Mukosame/Anime2Sketch

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型anime,comic,computer-vision,deep-learning,gan,gans,generative-adversarial-network,gradio,image-generation,manga,pytorch,sketch,wacv

GitHub 星标★ 2145

上线时间2021-04-09 00:00:00

代码更新2026-10-18

仓库体积17.3 MB

本站数据更新2026-11-10

维护状态较活跃

收录时间2026-08-09

浏览次数3

项目介绍

Anime2Sketch 是一个专门从动漫/插画图像中提取线稿的开源工具。它基于生成对抗网络（GAN）和深度学习技术，能够自动将彩色动漫图片转换为干净、清晰的线稿，省去手工描线的繁琐过程。项目提供了预训练模型和简单的 Python 接口，并集成了 Gradio 界面，用户无需复杂配置即可快速体验或集成到自己的流程中。它解决的是插画师、漫画爱好者和 AI 创作者在草图生成、线稿提取方面的需求，核心能力包括高保真线稿提取、批量处理、以及支持自定义训练。项目代码清晰，模型权重公开，适合二次开发和学术研究。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2145

技术标签

anime computer-vision deep-learning gan gans

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 15 分钟部署方式：Docker 7 步

环境要求

Linux、macOS 或 Docker 环境
Python 3（推荐使用 Anaconda）
CPU 或 NVIDIA GPU + CUDA CuDNN
已安装 Pillow、PyTorch

安装与启动步骤

1准备运行环境

确认系统为 Linux、macOS 或可用的 Docker；安装 Python 3，推荐用 Anaconda 创建环境，并准备好 PyTorch 与 Pillow。
2克隆并安装依赖

进入仓库根目录后安装 requirements.txt 中的依赖，建议在虚拟环境中执行避免污染全局环境。
```
pip install -r requirements.txt
```
3下载预训练权重

从 README 给出的 GoogleDrive 链接下载预训练权重，README 未说明具体存放路径，请按仓库内说明放置。
4准备输入图片

把待处理的动漫/插画图片放入输入目录，例如仓库下的 test_samples，并预先建立好输出目录。
5构建 Docker 镜像

在仓库根目录执行 Makefile 里的构建命令生成 anime2sketch 镜像，需本机已安装 Docker。
```
make docker-build
```
6启动容器并挂载目录

把本机输入目录挂到 /input、输出目录挂到 /output；不使用 GPU 时需按 README 去掉 --gpus all 并改 Dockerfile CMD。
```
docker run -it --rm --gpus all -v `pwd`:/workspace -v `pwd`/test_samples:/input -v `pwd`/output:/output anime2sketch
```
7执行线稿提取

在容器内执行推理，把 /input 的图片批量转换为线稿并写入 /output，load_size 默认 512。
```
make docker-run
```

关键配置

配置项	必填	说明	示例
`dataroot`	是	输入图片所在目录，Docker 场景下为 /input	`/input`
`load_size`	否	图片加载尺寸，Dockerfile 默认值为 512	`512`
`output_dir`	是	线稿结果输出目录，Docker 场景下为 /output	`/output`
`your_input_dir`	是	宿主机输入目录，挂载到容器 /input	`/your/path/test_samples`
`your_output_dir`	是	宿主机输出目录，挂载到容器 /output	`/your/path/output`