papero, ML 모델 없이 PDF 구조를 추출하다

Lightweight PDF parser with layout, tables, formulas and bounding boxes

papero, ML 모델 없이 PDF 구조를 추출하다

papero는 PDF에서 읽기 순서, 표, 수식, 그림, 블록 위치를 뽑아내는 경량 오픈소스 도구다. ML 모델이나 GPU 없이 CPU만으로 동작하며, 브라우저, Python, API 어디서든 실행된다. arXiv 논문 54편에서 실패 없이 페이지당 중간값 39ms를 기록했고, LaTeX 수식과 바운딩 박스까지 제공한다.

ML 기반 도구는 매우 불규칙한 레이아웃과 복잡한 수식(겹친 분수, 행렬)에서 여전히 우세하다 — papero는 수식을 근사 LaTeX와 이미지로 함께 제공해 아무것도 잃지 않는다.
  1. antonly

    방금 이걸 써봤는데 결과가 아주 이상하게 나오네요. MiniSat[1] 논문을 넣어봤는데 결과가 완전히 잘못된 것 같습니다: https://imgur.com/a/i3RHwcQ

    [1]: http://minisat.se/downloads/MiniSat.pdf

  2. phenomen

    저는 현재 PDF 파이프라인에서 https://github.com/firecrawl/anydoc 를 사용하고 있습니다.

    대부분의 경우 잘 작동합니다. 비교해보려고 당신의 라이브러리를 테스트해보겠습니다.

  3. JaumeGar

    정말 멋진 작업이네요, 공유해주셔서 감사합니다. 표와 수식 추출이 훌륭해 보입니다.

이 날의 다른 글

2026-10-01