Los dibujos de construcción naval, elaborados manualmente antes de la era digital, son vitales para la referencia histórica y la comprensión técnica. Sin embargo, sus versiones digitales, almacenadas como PDFs escaneados, a menudo contienen un ruido significativo, lo que los hace inadecuados para su uso en software CAD moderno como AutoCAD. Las técnicas tradicionales de eliminación de ruido luchan con el ruido diverso e intenso que se encuentra en estos documentos, que tampoco se adhiere a modelos de ruido estándar. En este documento, proponemos un enfoque generativo innovador diseñado para mejorar documentos, centrándonos particularmente en los dibujos de construcción naval. Para un pequeño conjunto de datos no emparejados de documentos de dibujos de construcción naval limpios y ruidosos, primero aprendemos a generar el ruido en el conjunto de datos basado en un modelo CycleGAN. Luego generamos múltiples pares de imágenes limpias-ruidosas utilizando las imágenes limpias en el conjunto de datos. Finalmente, entrenamos un modelo GAN de Pix2Pix con estos pares de imágenes generadas para mejorar los dibujos de construcción naval. A través de una evaluación empírica en un pequeño conjunto de datos del Military Sealift Command (MSC), demostramos la superioridad de nuestro método en la mitigación del ruido y la preservación de detalles esenciales, ofreciendo una solución efectiva para la restauración y utilización de dibujos de construcción naval históricos en entornos digitales contemporáneos.