NeuralSVG é um método de representação neural implícita para gerar gráficos vetoriais a partir de prompts de texto. Inspirado em campos de radiação neural (NeRFs), ele codifica toda a cena nos pesos de uma pequena rede MLP (Multilayer Perceptron) e utiliza amostragem de destilação fracionária (SDS) para otimização. O método introduz uma técnica de regularização baseada em dropout para encorajar a geração de SVGs com estrutura hierárquica, dando a cada forma significado independente dentro da cena geral. Além disso, sua representação neural oferece a vantagem do controle em tempo de inferência, permitindo que os usuários ajustem dinamicamente o SVG gerado, como cor, proporção, etc., com apenas uma representação aprendida. Através de uma ampla avaliação qualitativa e quantitativa, o NeuralSVG supera os métodos existentes na geração de SVGs estruturados e flexíveis. O modelo foi desenvolvido em conjunto por pesquisadores da Universidade de Tel Aviv e MIT CSAIL, e o código ainda não está publicamente disponível.