Recientemente, inspirados por el poder del aprendizaje profundo, las redes neuronales convolucionales pueden producir imágenes fantásticas a nivel de píxeles. Sin embargo, un factor limitante significativo para enfoques anteriores es que se centran en algunos conjuntos de datos simples como caras y habitaciones. En este documento, proponemos una red neuronal profunda multiscale para transformar bocetos en pinturas chinas. Para sintetizar imágenes más realistas, entrenamos la red generativa utilizando tanto la pérdida L1 como la pérdida adversarial. Además, los usuarios pueden controlar el proceso de síntesis ya que la red generativa es feed-forward. Esta red también puede ser tratada como transferencia de estilo neural al agregar un detector de bordes. Además, experimentos adicionales sobre colorización de imágenes y super-resolución de imágenes demuestran la universalidad de nuestro enfoque propuesto.