NeuralSVG是一種用於從文本提示生成矢量圖形的隱式神經表示方法。它受到神經輻射場（NeRFs）的啟發，將整個場景編碼到一個小的多層感知器（MLP）網絡的權重中，並使用分數蒸餾採樣（SDS）進行優化。該方法通過引入基於dropout的正則化技術，鼓勵生成的SVG具有分層結構，使每個形狀在整體場景中具有獨立的意義。此外，其神經表示還提供了推理時控制的優勢，允許用戶根據提供的輸入動態調整生成的SVG，如顏色、寬高比等，且只需一個學習到的表示。通過廣泛的定性和定量評估，NeuralSVG在生成結構化和靈活的SVG方面優於現有方法。該模型由特拉維夫大學和MIT CSAIL的研究人員共同開發，目前代碼尚未公開。