Anime2Sketch

一键将动漫图变线稿，省去手工描线

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。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2130

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队Mukosame

所属国家

官网地址

GitHubhttps://github.com/Mukosame/Anime2Sketch

定价模式free

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

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★ 2130

30天Star增速

HF 下载量

上线时间2021-04-09 00:00:00

最近更新2026-09-23 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数1

使用教程

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`

如何确认成功

命令执行结束后，打开输出目录（如 output/）能看到生成的线稿图片即表示运行成功。

常见问题

Q：没有 NVIDIA GPU 可以运行吗？

A：可以。README 说明 CPU 模式需改两处：Dockerfile 的 CMD 行去掉 gpu 选项，Makefile 的 docker-run 行去掉 --gpus all。

Q：预训练权重从哪里获取？

A：README 给出的是 GoogleDrive 下载链接，需自行下载；README 未写明权重应放置的具体目录，请以仓库内说明为准。

Q：可以直接在线体验吗？

A：可以。README 提供了 Gradio Web Demo：https://gradio.app/g/AK391/Anime2Sketch ，无需本地部署即可试用。

Q：安装依赖报错怎么办？

A：确认使用 Python 3，并先装好 Pillow 与 PyTorch；README 推荐用 Anaconda 创建独立环境后再执行 pip install -r requirements.txt。

注意事项

README 声明支持 Linux、macOS 与 Docker，未提及 Windows 原生环境
推理需要先下载预训练权重，否则无法得到线稿结果
训练/GPU 推理需要 CUDA CuDNN；纯 CPU 需手动修改 Dockerfile 与 Makefile
所有路径与挂载目录请替换成你自己的实际目录，避免输出文件找不到

核心亮点

预训练模型开箱即用，几行代码就能提取线稿
基于 GAN 的线稿提取效果干净，保留关键细节
集成 Gradio 界面，可快速交互演示

不足之处

对复杂背景或低质量图片处理效果不稳定
文档/社区待观察

适用场景

插画师快速生成线稿草稿
漫画制作中的线稿预处理
AI 绘画工作流中的线稿生成环节

替代项目

AnimeGAN、SketchKeras、PaintsChainer

项目介绍

Anime2Sketch 是计算机视觉领域的开源项目，由 Mukosame 开发，2021 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（2,130）位列前 30%，在计算机视觉分类中处于中上游。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：插画师快速生成线稿草稿。同类可对比的替代方案包括 AnimeGAN、SketchKeras、PaintsChainer。

上一篇：ISP-Guide

下一篇：HugsVision