NeuralSVG est une méthode de représentation neuronale implicite permettant de générer des graphiques vectoriels à partir d'une invite textuelle. Inspirée des champs de rayonnement neuronaux (NeRFs), elle encode la scène entière dans les poids d'un petit réseau de perceptron multicouches (MLP) et utilise l'échantillonnage par distillation fractionnaire (SDS) pour l'optimisation. Cette méthode encourage la génération de SVG structurés hiérarchiquement grâce à une technique de régularisation basée sur le dropout, donnant à chaque forme une signification indépendante au sein de la scène globale. De plus, sa représentation neuronale offre un avantage en termes de contrôle à l'inférence, permettant aux utilisateurs d'ajuster dynamiquement le SVG généré, comme la couleur et le ratio largeur/hauteur, en fonction de l'entrée fournie, et cela avec une seule représentation apprise. Grâce à une évaluation qualitative et quantitative approfondie, NeuralSVG surpasse les méthodes existantes en matière de génération de SVG structurés et flexibles. Ce modèle a été développé conjointement par des chercheurs de l'Université de Tel Aviv et du MIT CSAIL. Le code n'est pas encore publiquement disponible.