大多数现有的几何处理算法使用网格作为默认的形状表示。然而，在处理网格时，需要在表面离散化中保持高质量。例如，改变一个网格的拓扑通常需要额外的过程，如remesing。本文提出使用神经场进行几何处理。神经场可以在没有空间离散化的情况下紧凑地存储复杂的形状。此外，神经场是无限可微的，这使得它们可以针对涉及高阶导数的目标进行优化。这就提出了一个问题:几何处理可以完全用神经场来完成吗?我们介绍损失函数和结构，以表明一些最具挑战性的几何处理任务，如变形和滤波，可以用神经场完成。实验结果表明，我们的方法与现有的基于网格的方法是相当的，而不涉及特定的表面离散化。代码可以在https://github.com/stevenygd/NFGP上找到。