Denoising noisy datasets is a crucial task in this data-driven world. In this paper, we develop a persistence-guided discrete Morse theoretic denoising framework. We use our method to denoise point-clouds and to extract surfaces from noisy volumes. In addition, we show that our method generally outperforms standard methods. Our paper is a synergy of classical noise removal techniques and topological data analysis.

中文翻译：

---

使用离散莫尔斯理论去噪

在这个数据驱动的世界中，去噪嘈杂的数据集是一项至关重要的任务。在本文中，我们开发了一个持久性引导的离散莫尔斯理论去噪框架。我们使用我们的方法去噪点云并从嘈杂的体积中提取表面。此外，我们表明我们的方法通常优于标准方法。我们的论文是经典降噪技术和拓扑数据分析的协同作用。