Marker可以快速且准确地将PDF转换为markdown格式。

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 TransformersarXiv论文查看查看
Multi-column CNNarXiv论文查看查看
  • 5
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值