NeuralSVG es un método de representación neuronal implícita para generar gráficos vectoriales a partir de indicaciones de texto. Inspirado en los campos de radiación neuronal (NeRF), codifica toda la escena en los pesos de una pequeña red de perceptrón multicapa (MLP) y se optimiza mediante muestreo de destilación fraccionaria (SDS). Este método introduce una técnica de regularización basada en dropout para fomentar una estructura jerárquica en los SVG generados, haciendo que cada forma tenga un significado independiente dentro de la escena general. Además, su representación neuronal ofrece la ventaja del control en tiempo de inferencia, permitiendo a los usuarios ajustar dinámicamente los SVG generados, como el color, la relación de aspecto, etc., con una sola representación aprendida. A través de una amplia evaluación cualitativa y cuantitativa, NeuralSVG supera a los métodos existentes en la generación de SVG estructurados y flexibles. El modelo ha sido desarrollado conjuntamente por investigadores de la Universidad de Tel Aviv y el MIT CSAIL. Actualmente, el código no está disponible públicamente.