本文提出了一种轻量级的端到端合成模型，能够将图像转换为多风格素描。该方法通过半监督学习与特征提取模块的结合，显著提升了素描的质量和风格变换能力。在多个基准测试中优于现有算法。

最近相机研究在使用原始稀疏数据方面取得进展，通过比较分析不同图卷积操作，发现特征提取模块参数减少450倍，数据表示大小减少4.5倍，分类准确率提高6.3%。此外，实现了目标检测体系结构，在N-Caltech101数据集上达到53.7%准确率和每秒82个图的执行速度。