NeuralSVG ist eine implizite neuronale Darstellungsmethode zur Generierung von Vektorgrafiken aus Textprompts. Inspiriert von neuronalen Strahlungsfeldern (NeRFs), kodiert sie die gesamte Szene in den Gewichten eines kleinen mehrschichtigen Perzeptrons (MLP)-Netzwerks und optimiert sie mittels Score-Destillation Sampling (SDS). Durch die Einführung einer Dropout-basierten Regularisierungstechnik fördert die Methode die Erzeugung hierarchisch strukturierter SVGs, wobei jeder Shape eine unabhängige Bedeutung innerhalb der gesamten Szene erhält. Die neuronale Darstellung bietet zudem den Vorteil der Inferenzzeit-Steuerung, die es Nutzern ermöglicht, die generierten SVGs dynamisch anzupassen, z. B. Farbe und Seitenverhältnis, basierend auf der gegebenen Eingabe – und das mit nur einer erlernten Darstellung. Umfangreiche qualitative und quantitative Evaluierungen zeigen, dass NeuralSVG bestehende Methoden in der Generierung strukturierter und flexibler SVGs übertrifft. Das Modell wurde gemeinsam von Forschern der Universität Tel Aviv und des MIT CSAIL entwickelt. Der Code ist derzeit noch nicht öffentlich verfügbar.