Marker

Marker可以快速且准确地将PDF转换为markdown格式。

• 支持多种文档类型（针对书籍和科学论文进行了优化）
• 支持所有语言
• 移除页眉/页脚/其他杂质
• 格式化表格和代码块
• 提取并保存图像以及markdown
• 将大多数方程转换为latex
• 支持在GPU、CPU或MPS上运行

  工作原理

  Marker是一个由深度学习模型组成的管道：

  • 提取文本，必要时进行OCR处理（启发式算法，surya，tesseract）
  • 检测页面布局并找到阅读顺序（surya）
  • 清理和格式化每个块（启发式算法，texify）
  • 组合块并后处理完整文本（启发式算法，pdf_postprocessor）

    它仅在必要时使用模型，这提高了速度和准确性。

    示例

    PDF文档	类型	Marker输出	Nougat输出
    Think Python	教科书	查看	查看
    Think OS	教科书	查看	查看
    Switch Transformers	arXiv论文	查看	查看
    Multi-column CNN	arXiv论文	查看	查看