본 논문은 사람의 초상화에 대한 라인 기반 스케치를 생성하는 두 가지 프레임워크를 제안한다. 첫 번째 방법은 스케치 데이터를 직접 제작하고 모델의 학습에 사용하는 데이터의 라벨을 한정해 모델의 성능을 개선하는 방법이다. 고품질 스케치 데이터의 희소성 때문에 스타일 전이 모델을 이용하여 스케치를 생성한다. 그 후 의미론적 영상 분할 맵을 이용해 영상의 잡음을 제거하여 스케치 데이터를 직접 제작한다. 그리고 모델의 학습에 사용되는 데이터의 라벨을 제한한다는 것은 모델이 학습할 범위를 제한해 모델의 생성자가 사람의 초상화 스케치를 생성하는 성능을 개선하는 효과가 있다. 두 번째 방법은 데이터에 존재하는 사진과 스케치 데이터 사이의 부적합으로 인해 발생하는 모델의 성능 저하를 개선하는 방법이다. 고품질의 스케치 데이터를 얻는 가장 좋은 방법은 전문가가 직접 제작하는 것이다. 제작하는 과정에서 사진과 제작한 스케치의 눈, 코, 입 등 얼굴 구성요소의 위치와 비율이 달라질 수 있다. 이것을 본 논문에서 사진과 스케치 데이터 사이의 부적합이라고 표현한다. 이런 부적합이 스케치 생성 모델의 성능을 저하하기 때문에 본 연구는 이 성능 저하를 개선하는 것을 목표로 한다. 이를 위해 새로운 손실 함수를 도입하고 스케치의 선의 흐름을 고품질로 생성하기 위해 부분별 생성자를 이용한다. 본 논문에서는 다양한 얼굴 사진에 관한 결과를 제시하고, 기존 연구의 결과와 비교하여 본 논문에서 제시한 요소들의 우수성을 입증한다.