Marker 是开源 PDF 转 Markdown 工具，流程分六步：用 PyMuPDF 转换格式，OCR 识别文字，定制 LayoutLMv3 模型检测布局与列顺序，Nougat 将公式转为 LaTeX，T5 模型清理文本。它支持多语言，可去除页眉页脚，准确率约 63%，速度约为 Nougat 的十倍，每任务约需 2GB 显存。对数字原生 PDF 效果佳，但处理老旧扫描书籍仍不及商业方案。

Nougat是一个用于学术文档的神经光学理解模型，可以识别文本、数学公式和表格，并以Markdown格式输出。模型使用了Swin Transformer和mBART。作者构建了一个训练数据集，收集了arXiv上的文章并转换为HTML5文件，然后转换为Mathpix Markdown格式。训练时使用了作者构建的数据集以及PMC和IDL数据集。Nougat的推断速度较慢，但精度较高。与Pix2Text相比，Nougat模型较大，但支持更多功能。P2T目前只能恢复段落级别的内容，未来计划完善版面恢复的全部功能。