Skip to content
logo

Marker - 성공하면 최고, 하지만 안정성이 문제인 PDF 파서

2026-03-265 min read·
#pdf-parser
#document-ai
#rag
#marker
#surya-ocr
#layout-analysis

Marker v1.10.1의 내부 구조를 분석하고 READoc 벤치마크로 성능을 평가한다. Surya OCR 기반의 ML 파서로, 성공한 문서에서 80.6% Edit Similarity(5개 파서 중 최고)를 달성하지만, 63%의 문서에서 에러가 발생하여 안정성에 문제가 있다.

Summary

Marker는 Vik Paruchuri(Datalab)가 개발한 GPL-3.0 PDF 파서로, Surya OCR 기반이다. READoc 벤치마크에서 성공한 문서의 **80.6% Edit Similarity(5개 파서 중 최고)**를 기록했지만, 63%의 문서에서 에러가 발생하여 안정성이 최대 약점이다.

개요

항목내용
개발자Vik Paruchuri / Datalab
GitHubdatalab-to/marker
최신 버전v1.10.1 (2026-01-31)
라이선스GPL-3.0 (상용 제한)
GitHub Stars~33,000+
Python3.10+
GPU 필요선택 (MPS/CUDA 가속 가능)
모델 크기~2GB+ (Surya 모델들)
관련 프로젝트Surya OCR (동일 개발자)

Marker는 같은 개발자가 만든 Surya OCR을 핵심 엔진으로 사용하는 PDF-to-Markdown 파서다. 90개 이상 언어를 지원하며, 학술 논문이나 복잡한 문서에서 구조 보존 품질이 가장 높다. 다만 GPL-3.0 라이선스와 안정성 문제가 걸림돌이다.

내부 파이프라인

PDF 입력
  → Surya 레이아웃 감지 (텍스트/테이블/이미지/수식 영역 분류)
  → Surya OCR (텍스트 인식, 90개 언어)
  → 테이블 구조 인식
  → 수식/코드 블록 감지
  → 읽기 순서 결정
  → Markdown 생성 (헤딩 레벨, 볼드/이탤릭, 이미지 참조)

Surya OCR

Marker의 모든 OCR/레이아웃 작업을 담당하는 핵심 엔진:

  • 레이아웃 감지: 텍스트, 테이블, 이미지, 헤더, 수식 등 영역 분류
  • 텍스트 인식: 90개 이상 언어 지원
  • 읽기 순서 감지: 다단 레이아웃에서 자연스러운 읽기 순서
  • 테이블 인식: 셀 구조 감지 및 재구성

Marker의 차별점

다른 파서들과 비교했을 때 Marker의 독특한 점:

  • 헤딩 레벨 구분: # H1, ## H2를 정확히 구분 (MinerU/Docling/PyMuPDF4LLM은 단일 레벨)
  • 위첨자/아래첨자: <sup>, <sub> HTML 태그 처리
  • 이미지 참조: ![](_page_1_Figure_1.jpeg) 형태로 이미지를 인라인 참조
  • 코드 블록 감지: 코드 영역을 별도로 인식
  • 링크/참조: [\[1\]](#page-9-0) 형태의 내부 참조 처리

설치 및 사용법

uv venv marker-env --python 3.12
source marker-env/bin/activate
uv pip install marker-pdf

Python API

from marker.converters.pdf import PdfConverter
from marker.models import create_model_dict
from marker.config.parser import ConfigParser
 
# 모델 로딩 (최초 1회, 시간 소요)
config = ConfigParser({})
model_dict = create_model_dict()
converter = PdfConverter(
    config=config.generate_config_dict(),
    artifact_dict=model_dict
)
 
# 변환
rendered = converter("input.pdf")
markdown = rendered.markdown
images = rendered.images  # dict: filename → PIL.Image

주요 설정

파라미터설명
force_ocr모든 페이지에 OCR 강제 적용
output_format출력 형식 (markdown, json, html)
languagesOCR 언어 지정

Attention Is All You Need 파싱 결과

Marker 파싱 결과
원본 PDF 1페이지

Marker 파싱 결과
Marker의 Markdown 출력

READoc 벤치마크 결과

결과

메트릭값
Edit Similarity (성공분)80.6% ★ 최고
Edit Similarity (전체)29.8%
처리 시간9,139초 (92문서, 152분)
문서당 평균 (성공분)237초
성공률37% (34/92)

실패 원인 분석

58개 문서가 동일한 에러 패턴으로 실패:

index 8192 is out of bounds: 2, range 0 to 4756

이는 Surya 모델의 토큰 시퀀스 길이 제한(8192)을 초과하는 문서에서 발생한다. 긴 논문이나 페이지 수가 많은 문서에서 주로 발생하며, Marker/Surya의 알려진 한계다.

성공한 문서의 품질

성공했을 때의 출력 품질은 5개 파서 중 최고:

# 1 Introduction
 
## 1.1 A Richer Picture of Academic Mathematics
 
What do mathematicians do? Ask a pure mathematician...
 
![](_page_1_Figure_1.jpeg)
 
Figure 1: A "mathematical pyramid"...
  • # / ## / ### 헤딩 레벨 정확
  • 이미지 인라인 참조 포함
  • 위첨자 <sup> 처리
  • 문단 분리 정확

파서 비교 (READoc)

파서Edit Sim속도성공률라이선스
MinerU (MPS)77.2%69초100%AGPL
Marker (성공분)80.6%237초37%GPL
Docling74.3%4.9초100%MIT
PyMuPDF4LLM73.4%1.9초100%AGPL
LiteParse50.7%0.1초100%MIT

장단점 분석

장점

  • 최고 품질: 성공한 문서에서 80.6% Edit Similarity
  • 헤딩 레벨 정확: 유일하게 H1/H2/H3 구분 가능
  • 풍부한 Markdown: 위첨자, 이미지 참조, 코드 블록, 링크 처리
  • 90개 언어: Surya OCR 기반 다국어 지원
  • 이미지 출력: PIL.Image 객체로 직접 제공

단점

  • 안정성 문제: 63% 실패율 (토큰 길이 제한)
  • 느린 속도: 성공해도 237초/문서
  • GPL-3.0 라이선스: 상용 서비스 포함시 소스 공개 의무
  • 높은 메모리: ~5.2GB RAM 사용
  • 모델 로딩 시간: 첫 실행 시 수 분 소요
  • 수식 LaTeX: 제한적 (MinerU보다 약함)

추천 사용처

사용처적합도이유
짧은 문서 (< 10페이지)★★★★☆토큰 제한 회피, 최고 품질
학술 논문 (짧은 것)★★★★☆헤딩/참조/이미지 구조 보존
대량 배치 처리★★☆☆☆63% 실패 + 느린 속도
상용 프로젝트★★☆☆☆GPL-3.0 제약
긴 문서 (50+ 페이지)★☆☆☆☆토큰 제한으로 거의 확실히 실패

정리

Marker는 "성공하면 최고, 하지만 성공을 보장할 수 없는" 파서다. 80.6%의 Edit Similarity는 테스트한 5개 파서 중 최고이며, 헤딩 레벨 구분, 이미지 참조, 위첨자 처리 등 Markdown 품질이 가장 풍부하다.

하지만 63% 실패율과 237초/문서의 처리 시간은 프로덕션 환경에서 치명적이다. 짧은 문서를 소량으로 처리하는 경우에만 추천하며, 대량 처리나 안정성이 중요하다면 Docling(MIT, 100% 성공, 4.9초)이나 MinerU(AGPL, 100% 성공, 69초)가 더 적합하다.

이 파서의 헤딩/테이블/수식/이미지 처리 결과를 다른 파서와 직접 비교한 글: PDF 파서 5종 비교 분석

참고

Linked from (2)

Comments